KR20140033312A - 인간 경험과 구매 행동의 신경심리학적 모델링을 위한 방법 및 장치 - Google Patents

인간 경험과 구매 행동의 신경심리학적 모델링을 위한 방법 및 장치 Download PDF

Info

Publication number
KR20140033312A
KR20140033312A KR1020137013036A KR20137013036A KR20140033312A KR 20140033312 A KR20140033312 A KR 20140033312A KR 1020137013036 A KR1020137013036 A KR 1020137013036A KR 20137013036 A KR20137013036 A KR 20137013036A KR 20140033312 A KR20140033312 A KR 20140033312A
Authority
KR
South Korea
Prior art keywords
content
content object
viewer
program
channel
Prior art date
Application number
KR1020137013036A
Other languages
English (en)
Inventor
바트 반 코페놀레
필립 반도르멜
Original Assignee
홀리브레인 비브이비에이
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 홀리브레인 비브이비에이 filed Critical 홀리브레인 비브이비에이
Publication of KR20140033312A publication Critical patent/KR20140033312A/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
    • G06Q30/06—Buying, selling or leasing transactions
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/65—Network streaming protocols, e.g. real-time transport protocol [RTP] or real-time control protocol [RTCP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/61—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio
    • 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
    • H04N21/254—Management at additional data server, e.g. shopping server, rights management server
    • H04N21/2542—Management at additional data server, e.g. shopping server, rights management server for selling goods, e.g. TV shopping
    • 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
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data

Abstract

매수자/구매자 심리 및 사용자 개시형 브라우징 및 제시를 위한 채널 내의 콘텐츠 객체들의 정확한 랭킹을 정확하게 모델링하기 위한 시스템은, 통신 네트워크를 통해 서로 및 프리젠테이션 시스템과 통신하는, 신경심리학적 모델링 엔진(neuropsychological modeling engine), 랭킹 애플리케이션(ranking application), 및 행동 모델러(behavior modeler)를 포함한다. 신경심리학적 모델링 엔진은, 개인의 감정(individual's mood)을 나타내는 값 Ψ와 개인의 동기 강도(individual's motivational strength)를 나타내는 m을 도출하여 콘텐츠 객체를 선택하기 위해 콘텐츠 객체와 연관된 메타파일, 구매자/시청자 모델 및 채널 모델을 이용한다. 만일 값 Ψ가 허용가능한 미리 결정된 범위 내에 있다면, 채널 모델과 연관된 다른 콘텐츠 객체들에 관해 그 콘텐츠 객체의 랭킹을 결정하기 위해 값 m이 이용된다. 또한, 전통적인 네비게이션 명령을 이용한 다차원 브라우징(multidimensional browsing)을 장려하는 방식으로 복수의 콘텐츠 객체 데이터 스트림을 사용자 인터페이스 상에 동시에 제시하기 위한 시스템과 기술이 개시된다.

Description

인간 경험과 구매 행동의 신경심리학적 모델링을 위한 방법 및 장치{METHOD AND APPARATUS FOR NEUROPSYCHOLOGICAL MODELING OF HUMAN EXPERIENCE AND PURCHASING BEHAVIOR}
본 개시는 인간 행동에 관한 것으로, 더 구체적으로는 두뇌 작업 묘사(brain task delineation)를 모방하도록 최적화된 사용자 인터페이스에 관한 것이다.
신경생리학 및 신경심리학에 따르면, 인간의 두뇌는 좌반구와 우반구를 포함하고, 각각은 별개의 성격이나 의식 및 별개의 정보 처리 방식을 가진다. 간소화를 위해, 이들은 각각 좌뇌와 우뇌라고 말한다. 좌뇌는, 분석적, 범주적 사고, 및 텍스트적, 순차적 처리를 위한 것으로 알려져 있다. 우뇌는, 종합적, 직관적, 전체론적 사고 및 시각적-공간적, 병렬적 처리를 위한 것으로 알려져 있다. 따라서, 어떤 프로세스 또는 심지어 어떤 자극에 대한 단순한 노출은 우뇌를 상당히 활성화하고 다른 어떤 것은 좌뇌를 상당히 활성화할 것이다.
예를 들어, 텍스트적 정보는 좌뇌를 상당히 활성화하고, 시각적-공간적 정보는 우뇌를 상당히 활성화할 것이다. 마찬가지로, 메뉴 탐색은 좌뇌를 상당히 활성화하는 반면, 예를 들어, 조이스틱으로 자연 풍경이나 공간을 네비게이션하는 것은 우뇌를 활성화할 것이다. 따라서, 경험 인터페이스는, 인터페이싱에 이용되는 요소의 유형: 예를 들어, 시각-공간 또는 텍스트적 요소에 따라 왼쪽 또는 오른쪽 뇌를 활성화할 것이다. 이러한 좌우 활성화는, 이들 요소들을 이용하는데 요구되는 행동과 사고의 유형에 따라 달라진다.
본문의 나머지 부분에 설명된 바와 같이, 반구 두뇌 활동은 인간의 감정과 기분에도 연계될 수 있다. 따라서, 제품 인터페이스는, 그 프런트-엔드 및 백-엔드가 설계되는 방식에 따라, 그리고 이러한 인터페이스를 작동하는데 요구되는 프로세스에 따라, 어떤 기분을 지원할 수 있다.
현재의 인간 인터페이스들의 문제는, 이들 인터페이스들은, 제품의 설계 목적이 되는 기분 경험과 일치하지 않는, 정보를 처리하거나 행위를 할 것을 우리에게 요구한다는 것이다. 즉, 다시 말하면, 이들 인터페이스들은, 사용자 경험 동안의 어떤 시점에서, 두뇌의 일부를 활성화하는 경향이 있어, 후속하여 우리의 감정과 그에 따른 우리의 기분을 바람직하지 않은 방식으로 바꾼다. 예를 들어, 사람들은 휴식을 위해 텔레비전을 시청한다. 메뉴를 탐색하는 것은 편안한 기분에 있는 사람에게는 반갑지 않은 중단이다: 이것은 우리의 기분을 편안함에서 좌절로 바꾼다.
원하는 경험 기분으로부터 시작하여, 인터페이스 프로세스와 작업 흐름에 필요한 특정 두뇌 활동에 의해 유도되는 기분 변화를 고려하여, 그의 프런트-엔드 설계, 백-엔드 설계 및 그의 동작을 포함하는 경험 인터페이스를 도출하는 기술에 대한 필요성이 존재한다.
또한, 오늘날까지 아직 최적으로 서비스되고 있지 않은, 소정 활동이나 프로세스에 대해 사람이 정확한 기분을 느끼게 하는 인터페이스에 대한 필요성이 존재한다. 경험 관점에서 서비스가 충분하지 못한 그러한 애플리케이션들이 6개 실시예들에서 예시되고 그룹화된다.
인터넷, 미디어 및 TV 경험 시스템
추천 기술은, 인터넷 상에서, 기타의 미디어를 통해서 또는 다른 곳에서, 사람들이 좋아하는 제품을 찾는 것을 돕는데 이용된다. 이와 같이, 추천자는 경험의 높은 개인화 추세를 지원하기 때문에, 인터넷, 미디어 또는 텔레비전에 대한 오늘날의 인터페이스의 백-엔드 및 프런트-엔드의 중요한 부분을 차지한다. 그러나, 오늘날의 추천자에게는 몇 가지 문제가 있다.
텔레비전과 같은 어떤 플랫폼은 추천자 기술을 좀처럼 이용하지 않는다. 텔레비전 콘텐츠 제공자, VOD(video on demand) 콘텐츠 제공자 또는 방송인은 집단의 바람에 대한 가정(assumption)에 기초하여 프로그램을 미리선정한다. 이들은, 채널이나 채널 그룹에 가입한 시청자들의 부류에 가장 호소력 있을 것이라고 믿어지는 프로그램들의 선정을 제공한다. 예를 들어, 요리 채널과 같은 특정 쟝르의 채널들은, 더 일반적인 채널에 비해 어떤 개인맞춤화를 제공하지만, 프로그램의 사전선정 또한 포함하고 있다. 또한, 시청자들은 프로그램을 능동적으로 탐색할 필요가 있다: 시청자들은 그들의 리모콘으로 전자 프로그램 가이드(Electronic Program Guide) 및 메뉴를 통해 탐색하여 흥미있는 무언가를 찾을 필요가 있지만, 이것은 시청자들을 좌절감에 빠지게 한다.
현재 이용되는 추천자들은 매우 중요한 점에서 실패하고 있다: 즉, 이들은 사람들의 원하는 기분을 고려하지 않는다. 따라서, 이들은 사람의 원하는 기분을 지원하는데 특별히 적합한 콘텐츠를 추천할 수 없다. 신경심리학에 따르면, 인간의 감정 및 기분은, 양극성(bipolar)이라기보다 2차원 또는 2가(bivalent)이다. 즉, 사람들은 콘텐츠에 의해 매력을 느낄 수도 있고(양의 유의성(valence)) 혹은 혐오감을 느낄 수도 있으며(음의 유의성), 또는 그들의 마음을 사로잡으면서 혐오감도 유발하는 유혈이 낭자한 수술을 지켜볼 때와 같이 혼합된 감정을 경험할 수 있다. 우리의 기분을 결정하는 것은, 긍정적 감정 및 부정적 감정의 상대적 강도이다. 열정(passion)과 같은 전반적인 긍정적 감정이 부정적 감정의 결핍을 암시하는 것은 아니다. 반면, 사람이 무엇인가/누군가에 대해 열정적일 때, 그 사람은 통상 높은 긍정적 감정과 높은 부정적 감정 양쪽 모두를 가진다. 반면 편안한 기분은 높은 긍정적 감정과 낮은 부정적 감정을 특징으로 한다.
따라서, 사람이 콘텐츠에 대해 1차원적으로 등급을 매기는(rank) 경우, 예를 들어, 1에서 5까지 등급을 매기는 경우, 중요한 정보가 소실된다. 이러한 레이팅은 사람이 그 제품을 얼마나 많이 좋아했는지에 대한 막연하고 전반적인 표시를 제공하지만, 그 제품이 그 사람을 어떤 기분에 빠뜨리게 했는지에 대해서는 말할 수 없다. 예를 들어, 사람이 텔레비전 쇼에 별 4개의 등급을 매긴 경우에, 그는 그것이 매우 편안하게 해 준다는 것을 발견했기 때문인지, 또는 예를 들어, 그 쇼로부터 그가 알게 된 중요한 새로운 과학적 통찰력에 대해 그가 흥분되었기 때문인지를 말해줄 수 없다. 그러한 정보를 발견하기 위하여, 개인적 인터뷰나 서면 분석이 필요할 수 있지만, 이러한 양극성 레이팅만으로는 그러한 정보를 드러내지 못할 것이다.
또한, 제품이나 서비스의 적극적 레이팅은 분석적, 비평적인 좌뇌를 활성화하는 경향이 있고, 레이팅의 서면 지원이 필요하다면 더욱 더 그러할 것이다. 그 결과, 객관적으로 또는 질적으로 더 흥미있는 제품 또는 서비스는, 그냥 편안하거나 사람의 감정적 측면에 호소하는 제품이나 서비스보다 높은 점수를 얻는 경향이 있다. 이것은, 주간의 힘든 작업 후에 필요한 것은 오로지 휴식일 뿐일 때에는 문제가 된다. 따라서, 우리는 명시적 레이팅에 의해 안내받을 수 없고, 우리는 확실히, 어떤 영화가 시청하기 편안한지를 결정하기 이전에 많은 양의 리뷰를 읽을 마음이 내키지 않는다.
게다가, 현재의 추천자들은 그들이 이용하는 플랫폼의 성격을 고려하지 않는다. 예를 들어, 사람들은 텔레비전 앞에서는 편안하기를 원하고, 열정적인 관심 사항에 대해서는 인터넷 서핑을 원하는 경향이 있다. 즉, 플랫폼마다 상이한 원하는 기분과 연관되어 있다. 현재의 추천자들은 이것을 고려하지 않는다.
또한, 현재의 추천자들은 그들이 의도한 거래의 유형을 고려하지 않는다. 거래는, 구매, 판매, 대여, 라이센싱, 또는 사업체간 또는 사업체-소비자간 정황에서 임의의 합법적 거래의 유형일 수 있지만, 단순한 선택, 시청 또는 가장 일반적 의미의 경험일 수도 있다. 본문의 나머지 부분에서, 사업체간(business-to-business)은 B2B로 약칭되고, 사업체-소비자간은 B2C로 약칭된다.
대부분의 소비자들은 편안한 기분에서 비-투자 상품을 구매하기를 선호한다. 반면 사업을 위해 구매하는 사람들은 통상, 고도의 집중을 포함하는 또 다른 기분에 있다. 추천자들은 성과와 결과를 최적화하기 위해 이들 정황 차이를 고려해야 한다.
따라서, 제품이나 콘텐츠, 예를 들어, 오디오, 비디오, 그래픽, 광고, 웹사이트, 책자 등이, 하나 이상의 콘텐츠 소스로부터 미리선정되고, 개개인의 특정 취향이나 원하는 기분에 대해 더 높은 정확도로 제시되며, 특정 유형의 거래를 요청하는 것을 허용하는 시스템 및 기술에 대한 필요성이 존재한다.
종래 기술의 상이한 포커스
오디오, 비디오, 광고, 서적, ...에 대한 현재의 추천자들은 그들의 개인맞춤화 수준에 따라 복수의 그룹으로 분류될 수 있다. 제1 그룹의 추천자들은 모든 시청자에게 동일한 일반적인 추천만을 제공한다. 그 예가, 대중 홍보, 인기도 또는 평균적 레이팅에 기초한 추천이다.
제2 그룹은, 개인맞춤화가 그렇게 크게 중요하지 않은 대강의 개인맞춤화된 추천, 예를 들어, 시청자의 선호 쟝르에 기초한 추천을 제공한다. 종종 이러한 제2 추천 그룹은, 나이, 성별, 직업, 가족 상황 등과 같은 인구 통계에 기초한다. 이 그룹의 장점은 결과가 부분적으로 개인맞춤화되는 것이지만, 단점은 가용 프로파일 데이터가 제한되어 있기 때문에 높은 수준의 개인맞춤화에 도달할 수 없다는 것이다. 제3 그룹은, 종종 2개 기술이 조합하여 이용되는 가장 높은 수준의 개인맞춤화된 추천을 제공한다:
o 콘텐츠-기반의 추천: 사용자는 사용자가 과거에 선호한 것과 유사한 아이템을 추천받을 것이다. 알고리즘은 콘텐츠의 분석을 이용하고, 이로써 아이템들은 그 콘텐츠를 기술하는 한 세트의 특징에 의해 모델링된다.
o 공동 필터링(CF; Collaborative filtering) 추천: 사용자는 유사한 취향과 선호도를 갖는 사람들이 과거에 좋아한 아이템을 추천받을 것이다. 이들 알고리즘은, 추천이 오직 공동체(community)의 행동에만 기초한 것이므로 아이템의 특징을 이용하지 않는다.
편안함은 사람들이 텔레비전을 시청하는 주된 이유이다. 그러나 현재의 텔레비전 인터페이스는, 텍스트 기반의 메뉴나 EPG(전자 프로그램 가이드)를 스크롤링하고 콘텐츠의 녹화를 프로그래밍하는 것과 같은 동작을 요구하기 때문에, 사람들을 편안하게 하는 것 대신에 좌절시킨다.
따라서, 웹 콘텐츠를 통한 브라우징, 비디오-온-디맨드(Video-On-Demand), 타임 쉬프팅 등과 같은, 디지털 텔레비전, 비디오 및 Web TV의 이점을 제공하면서 동시에 텔레비전 시청 경험의 편안한 성향을 지원하는 시스템에 대한 필요성이 존재한다.
일부 현재의 웹 TV 시스템은 사용자가 가상 채널을 생성하는 것을 허용한다. 그러나, 이들 시스템은, 사용자가 텔레비전 앞에 앉아서 메뉴를 탐색하고 키보드류 장치를 이용하여 키워드를 타이핑해 넣을 것을 요구한다. 이것은 자연스런 TV 시청 경험의 편안한 성향을 지원하지 않는다. 오히려, 이것은 종종 편안함을 위협하고 때때로 심지어 좌절을 야기하기도 한다.
따라서, 가상 채널의 관리를 이들 가상 채널의 편안한 경험으로부터 분리시킴으로써, 가상 채널을 이용하는 동안 편안함을 지원하는 시스템에 대한 필요성이 존재한다.
방송 미디어 또는 TV용 인터페이스들의 개별 사용자들은 특정의 시간 슬롯으로 제한되는데, 여기서, 방송사는 특정 프로그램이 이용가능하도록 선택한다. 이러한 특정 시간은 시청자의 기분 및 이용가능성과 반드시 일치하는 것은 아니다. 시청자가 이러한 콘텐츠의 방송 시간에 시간 여유가 없거나 시청할 기분이 아니면, 프로그램을 녹화하거나 이후에 재방송될 것이라는 희망을 갖고 포기할 것이다.
타임 쉬프팅된 시청을 가능하게 하는 녹화 장치들은, 녹화가능한 프로그램 수, 또는 동시 녹화가능한 프로그램 수와 같은 시스템과 연관된 물리적 제약을 갖지만, 가장 중요한 단점은 녹화의 프로그래밍과 녹화된 콘텐츠의 선택과 재생에 동반되는 번거로운 상황과 좌절이다.
Catch-Up TV는 타임 쉬프팅을 이용할 수 있지만, 그 기능이 제한적이고 그 이용은 자연스런 TV 시청 경험의 편안한 성향을 지원하지 않는다. 타임 쉬프팅된 콘텐츠의 선택과 타임 쉬프팅 장치의 프로그래밍 양쪽 모두는 편안하지 않고, 너무 많은 좌뇌 활동을 수반한다.
따라서, 시청자의 시간 여유, 편의성, 및 기분에 적합하도록 타임-쉬프팅 방식으로 프로그램 콘텐츠가 액세스되고 시청될 수 있는 시스템과 기술에 대한 필요성이 존재한다. 기존의 기술의 현재의 제약을 극복한, 타임-쉬프팅 방식으로 프로그램 콘텐츠가 액세스되고 시청될 수 있는 시스템과 기술에 대한 필요성이 존재한다.
미디어 또는 텔레비전 광고는 종종 콘텐츠 시청의 편안한 성향을 중단시키고, 짜증과 좌절을 야기한다. 녹화된 콘텐츠의 시청시, 시청자는 수동으로 광고를 빨리 넘길 수 있으며, 이것은 생방송으로 방송된 콘텐츠의 경우 이용할 수 없는 옵션이다. 녹화되어진 타임 쉬프팅된 콘텐츠에서 광고 건너뛰기에 관련된 문제는, 이것이 방송 서비스나 콘텐츠 제작의 재정지원을 하는 수입원으로서 광고를 이용하는 방송사나 콘텐츠 제작자의 비지니스 모델을 잠재적으로 위협할 수 있다는 것이다. 또한, 현재의 시스템은 시청자가 광고를 실제로 시청했는지를 확인할 수 없어서, 광고주 가치가 실제로 생성된다고 보장할 수 없다. 또한, 현재의 시스템은 사용자가 관심대상 광고를 풀링(pull)하는 것을 허용하지 않는데, 이러한 풀링된(pulled) 관심대상 광고는 대량 광고 또는 개인맞춤화된 푸시된 광고보다 광고주들에게 더 가치가 높다.
광고 시청 행위를 변경함으로써 편안함을 개선하려고 시도한 시스템은 텔레비전 광고주들의 광고 비지니스를 존중하지 않았다. 따라서, 방송사의 광고 비지니스를 위협하지 않고, 더욱 융통성 있고 편안한 방식으로 광고 시청을 해결하는 시스템에 대한 필요성이 존재한다. 자연스런 시청 경험의 편안한 성향을 지원하도록 텔레비전 시청자가 광고를 지연 또는 타임 쉬프팅하는 것을 허용하고 동시에 광고 수입을 위협하지 않는 시스템에 대한 필요성이 존재한다.
읽기, 연구 또는 쓰기를 위한 인터페이스
연구 및 쓰기는 좌뇌의 텍스트적 및 체계적 접근법과 우뇌의 개관 도출적 창의성을 병행 결합하는 활동이다. 이러한 병행 활동은, 특히 우뇌 활동 및 그 연관된 기분과 그 좌뇌 활동 및 그 연관된 기분을 지원하는 특정 병행 인터페이스를 요구한다.
현재의 텍스트적 또는 분석 자료는 통상 파일이나 디렉토리에 저장되고, 이것은 메뉴, 탭 등을 갖는 인터페이스를 통해, 또는 사용자에게 타이핑된 명령을 촉구하는 인터페이스를 통해 액세스가능하다. 그러나, 이러한 인터페이스는 연관적 종합적 사고(즉, 전형적인 우뇌 사고)를 지원하지 않으며, 그 결과, 인터페이스에서 너무 많은 분석적 또는 텍스트적 활동(즉, 전형적인 좌뇌 활동)이 요구된다면, 좌절이나 개관 및 창의성 결핍을 야기할 수 있다.
몇 가지 툴이 존재하지만, 이 문제를 부분적으로만 해결하고 있다. 예를 들어, 마인드 맵핑 소프트웨어(mind mapping software)는, 분기형 구조, 컬러, 몇 가지 화상 등을 이용하여, 더욱 시각적-공간적 방식으로 자료를 조직화하는 것을 허용한다. 또 다른 예는, 예를 들어, 특정 취미에 관한 모든 자료를 하나 이상의 분기형 체계적 트리로 조직화하고 액세스하는 것을 허용하는 Pearltrees와 같은 웹 툴이다.
그러나, 이들 툴들은 콘텐츠를 병행으로 또는 거의 동시에 2방향으로, 즉, 정보를 체계적으로 탐색하는데 필요한 범주별, 분석적 방식 뿐만 아니라 개관 도출적 창의성을 생성하는데 필요한 연관적 종합적 방식으로, 조직하고, 액세스하며 네비게이션하는 필요한 기능이 없다.
결과적으로, 병행 인터페이스에서 결합된, 분리된 좌뇌 인터페이스와 우뇌 인터페이스를 통해 양쪽 프로세스에 액세스함으로써 창의성 도출 개관 경험을 훈련된 기술 도출 경험과 결합하는 시스템에 대한 필요성이 존재한다.
주로 텍스트적 또는 분석적 자료의 액세스 및 관리를 위한 최신 인터페이스들에 의해 이용되는 메타포어(metaphor)는 2개의 구분가능한 병행 기분에 최적화되지 않았다. 예를 들어, 마인드 맵핑 툴들은 간단한 분기형 구조를 이용하고, Pearltrees와 같은 웹 툴들은 간단한 도식적 트리를 이용한다.
이러한 메타포어들은 자료를 다소 더 시각적이고 직관적 방식으로 조직하는데 실제로 도움을 주지만, 이들은 매우 분석적이고 도식적이므로, 진정한 연관적 종합적 탐구적 사고를 지원하지 않는다. 이러한 사고는, 사용자 기분을 최적화하기 위하여, 일반적으로는 대개, 우리의 종합적 사고의 장소인 우뇌에 호소하는 더 구체적, 직관적, 개념적 메타포어를 요구한다.
따라서, 유기적 RB 인터페이싱 및 구조적 범주적 LB 인터페이싱을 위한 메타포어에 대한 이러한 필요성을 해결하는 시스템에 대한 필요성이 존재한다.
주로 텍스트적 또는 분석 자료의 액세스와 관리를 위한 최신 기술의 시스템 및 인터페이스들은, 사용자에게 투명하고 그에 따라 편안한, 주문과 결제를 위한 자동적 방식을 사용자에게 제공하지 않는다. 주문 및 결제 시스템의 이용은 일반적으로, 제공자를 선택하는 것, 사용자이름 및 패스워드와 같은 프로파일 액세스 데이터의 기입, 은행 인증서(bank credentials)의 기입 또는 확인 등과 같은 것을 요구한다. 대체로, 이렇게 하는데 수반되는 번거로운 상황은 실제로 수행하고 있는 작업, 즉, 텍스트 또는 프리젠테이션의 읽기, 연구 또는 쓰기에 대한 환영받지 못하는 중단사유가 된다. 이러한 좌절적 중단은 개관을 잃게 하고 그에 따라 종종 창의적 프로세스를 중단시킨다.
후속해서, 주문을 번거로운 상황으로부터 분리시킨, 콘텐츠에 대한 자동 주문과 결제 시스템에 대한 필요성이 존재한다. 즉, 다시 말하면, 투명하고 그에 따라 편안한 인터페이스를 통해 주문할 수 있어야 하고, 또 다른 시점에서, 선호 공급자 선정, 인증서 기입 등과 같은 것을 허용하는 최신 기술 주문 관리 시스템 인터페이스를 통해, 번거로운 상황을 수행할 수 있어야 한다.
현재의 e-리더 흑백 텍스트 표현과 그들의 에뮬레이터들은 일반적으로 도표를 풀 컬러로 디스플레이하는 것을 허용하지 않는다. 도표는 우뇌에 훨씬 더 호소하며, 그에 따라 컬러로 표현되거나 잠재적으로는 심지어 3D로 표현될 때 더욱 편안하다.
컬러 디스플레이를 확실히 지원하는 시스템은 일반적으로 사용자가 메뉴를 탐색하여 설정을 변경할 것을 요구한다. 이러한 동작은 읽기나 연구 경험을 중단시키고, 일반적으로는 좌절적이고, 개관 왜곡적이며, 창의성 말살적이고, 그에 따라 환영받지 못한다.
결과적으로, 사용자를 편안하게 유지하고 사용자에게 메뉴를 탐색하거나 텍스트 또는 키워드를 입력할 것을 요구하거나 심지어 플랫폼을 변경할 것을 요구하지 않는, 간단하고, 직관적인 동작을 수행함으로써 사용자가 도표를 풀 컬러 또는 3D로 디스플레이하는 것을 허용하는 e-리더 흑백 텍스트 표현 에뮬레이터에 대한 필요성이 존재한다.
반복적 소비자 구매를 위한 구매 시스템
현재 인터넷을 통한 샴푸, 화장지 등과 같은 생활 용품의 구매는, 쇼핑 목록을 만들고 구매할 필요가 있는 것들을 기억하고, 컴퓨터 장치 앞에 앉아서 웹 상점에서 주문하는 것 등과 같은 번거로운 상황을 요구한다. 이러한 종류의 행위들은, 다른 더 많은 즐거운 활동들과 경합하기 때문에, 종종 환영받지 못한다. 따라서, 더욱 자동화된 반복적 구매를 허용하는 웹-기반의 시스템에 대한 필요성이 존재한다. 이러한 시스템은 최신 기술의 웹 쇼핑 뿐만 아니라 종래의 수퍼마켓 쇼핑에 대한 더욱 효율적이고 더욱 편안한 대안이다.
자동 증권 거래 시스템
제4 실시예는 증권 거래 시스템에 관한 것이다. 증권은 통상 최적으로는 공황에 빠진 매도자로부터 매수되고, 이들 증권에 열광하는 매수자에게 매도된다. 그러나, 현재의 시스템은, 공황이나 열정이 출현하는 시점에서 경제 시장이나 개별 거래 당사자에서 이들 기분을 검출할 수 없을 뿐만 아니라, 이러한 지식에 기초하여 자동으로 증권을 매수 또는 매도할 수 없다. 따라서, 매수자 및 매도자의 기분을 고려하고 그에 따라 자동화된 거래 활동을 수행하는 자동 증권 거래 시스템에 대한 필요성이 존재한다.
자동 인터넷 뱅킹 또는 투자 펀드
현재의 은행과 투자 펀드는 객관적 리스크 관리를 대가로 한 이익-추구 결정에 너무 자주 유혹된다. 그 결과, 너무 높은 리스크가 따르면, 아마도 큰 손실이나 금융 시스템 위기를 초래할 수 있다. 따라서, 객관적인 리스크 관리의 좌뇌 작업을 지원하고 동시에 우뇌 이익-추구 조치를 차단하는 거래 시스템에 대한 필요성이 존재한다. 수익 추구와 그 연관된 우뇌 활동을 최소화하기 위하여, 우뇌 활동을 억제하는 특정 병행 인터페이스를 특징으로 하는 반자동 절차화된 거래 시스템이 설계될 필요가 있다.
판매 교육, 컨설팅 및 관리 소프트웨어
인수 합병 기업의 판매 및 구매(M&A) 활동을 포함한, 판매 전략 및 관련 판매 자료, 교육, 컨설팅 및 판매 관리도 역시 구매자의 기분이나 감정을 고려하지 않는다. 예를 들어, 혁신적인, 첨단 기술 제품이나 기술을 아직 이러한 제품이나 서비스에 익숙하지 않은 사업체에 판매하는 경우를 고려해 보자. 이러한 판매 프로젝트는 구매자가 판매자의 제안에 열정적일 것을 요구한다. 그러나, 현재의 B2B 판매 및 마케팅 전략은 통상 잠재적 구매자를 지루하게 하거나, 이들을 근심하게 하는 경향이 있다. 양쪽 경우에, 이것은 차선적 판매 결과로 이어지거나 판매 결과가 없게 할 수 있다.
전형적인 예는, 기술적 명세로 가득 판 마케팅 책자나 전자메일을, 그 제안을 받은 후에도 아직 구매를 가시화하지 않은 예상후보들에게 전송함으로써 구매 사이클을 개시하려고 시도하는 사업체로 구성된다. 또 다른 예는, 비전을 판매하고 구매자가 기꺼이 변화하게 하는데에는 성공했지만, 후속해서 구매자의 개인적 또는 사회적 공포를 회피하는데는 실패한 사업체로 구성된다.
현재의 판매 모델은 구매자가 주문을 하기 전에 통상적으로 겪는 상이한 단계들을 확실히 구분한다. 그러나, 이들은 이들 단계들을 구매자의 기본 감정, 기분 및 대뇌 피질의 활동에 연계시키는데는 실패하고 있다. 따라서, 이 판매 접근법은 구매 사이클의 해당 단계 동안의 자연적 기분을 지원하는 것에 최적화되지 않았다.
또한, 상이한 타입의 판매는 상이한 판매 전략을 요구한다. 사업체간 판매는 사업체-소비자간 판매와는 상이하고, 새로운 애플리케이션 제품의 판매는 알려진 애플리케이션 제품의 판매와는 상이하다. 또한, 인수합병, 즉, 기업의 구매나 판매는 그들 특유의 접근법을 요구한다.
따라서, 특정 유형의 판매와 관련된 구매자의 전형적인 감정 및 기분을, 적절한 판매 전략과 연계하는 모델에 대한 필요성이 존재한다. 그러면 이 모델은 판매 교육, 판매 컨설팅, M&A 컨설팅에 이용될 수 있으며, 이것은, 판매 분석 등을 위한 판매 안내문 및 판매 프로젝트의 후속 조처에 이용되는 CRM 패키지와 같은, 판매 관리 소프트웨어 패키지로 구현될 수 있다. 이러한 판매 전략은 후속해서, 사업체-사업체 또는 사업체-소비자의 상황 뿐만 아니라 구매자의 우세한 감정이 공포나 욕구인지 및 이들 감정을 다룰 때 통상 후속하는 기분 단계에 따라 구매 경험 전략이 된다.
발명의 요약
본 개시는, 구매자, 판매자, 사용자 및 경험 심리학에 적용되는, 더 구체적으로는, 경험, 인터페이스, 플랫폼, 프로세스 및 제품, 프로세스 또는 서비스의 백-엔드 설계에 적용되는, 인간의 감정과 기분에 대한 신경심리학적 모델링 기술 및 결과적인 수학적 모델에 관한 것이다. 자연적 경험 인터페이스는, 좌뇌, 우뇌 또는 병행 인터페이스에 적용되는 좌측 및 우측 의식의 구체적인 특성에 기초한다.
모델링 기술 또는 모델에 기초하여, 사용자 인터페이스 뿐만 아니라 관련된 제품, 프로세스 또는 서비스의 백-엔드의 설계를 지시하는, 자연적 사용자 경험 기분이 선택된다. 따라서, 모델이나 모델링 기술은, 자연적 사용자 경험, 그 사용자 인터페이스, 그 제품 프로세스나 작업흐름 뿐만 아니라 백-엔드의 설계의 기초를 형성한다.
이러한 신경심리학적 기술 또는 모델 또는 자연적 사용자 경험 또는 그 인터페이스 또는 그 백-엔드 프로세스는 다음과 같은 몇 가지 실시예에 적용되지만 이에 국한되지 않는다:
1) 별개의 하드웨어 플랫폼 상의 특정 우뇌 인터페이스 뿐만 아니라 병행 인터페이스를 이용한, 인터넷 및/또는 매체 및/또는 TV 경험 시스템
2) 읽기 및/또는 연구 및/또는 쓰기를 위한 병행 인터페이스
3) 반복적 소비자 구매를 위한 자동 인터넷 가능형 구매 시스템을 위한 병행 사용자 인터페이스
4) 자동 증권 거래 시스템
5) 자동 인터넷 뱅킹 또는 투자 펀드, 및
6) 판매 교육, 컨설팅 및 소프트웨어를 위한 모델.
따라서, 그리고 더 일반적으로, 기본적인 인간의 감정, 기분과 대뇌 피질의 활동을 그들의 백-엔드, 프런트-엔드 및 인간 경험의 동작 프로세스를 포함하는 인터페이스 설계 전략에 연계시키는 신경심리학적 모델링 기술과 모델에 대한 필요성이 존재한다. 경험이란, 어떤 프로세스에서 자연스럽게 최적으로 발생하는 기분으로서 이해된다. 인간의 두뇌에서 이러한 프로세스와 경험 사이의 인터페이스는, 프로세스의 각 단계에서 자연스런 최적의 경험을 지원하도록 설계된다. 따라서, 특정 대뇌 피질 권유(cortical solicitation)를 특징으로 하고 특정 기분을 이끌어 내는, 좌측, 우측, 및 병행 인터페이스가 이용된다. 모델링 기술 및 그 연관된 발명 외에도, 특정 애플리케이션에서의 모델링 기술의 실시예로서의 기술적 실행과 구체적인 실제 관련성을 지원하기 위해 다른 여섯 개의 발명이 제공된다.
2 차원 공간에서 인간의 기분의 표현
본 개시의 한 양태에 따르면, 인간의 기분을 모델링하기 위한 시스템과 기술은, 2 차원 공간에서의 인간의 기분의 표현을 포함하고, 여기서, 하나의 차원은 부정적 유의성을 갖는 감정을 나타내고, 다른 한 차원은 긍정적 유의성을 갖는 감정을 나타낸다. 각각의 감정은, 대안적 명명, 예를 들어, 부정적 유의성을 갖는 감정들에 대해서는 "공포" 또는 "거부감", 및 긍정적 유의성을 갖는 감정들에 대해서는 '욕구' 또는 '호감'이 부여될 수 있다. 여러 기본적인 인간의 기분 중 하나 이상은, 애플리케이션에 따라, 이들 변종 중 하나에 의해 대체될 수 있다.
반구적 비대칭성을 갖는 인간의 기분 공간의 2 차원 표현들의 상관 관계
본 개시의 또 다른 양태에 따르면, 인간의 기분을 모델링하기 위한 시스템 및 기술은, 평균보다 많은 부정적 유의성을 갖는 감정 요소로 구성된 기분은 새로운 감정적으로 연관된 감각 입력이 없을 경우 좌뇌의 전두엽 피질의 활동 증가로 이어진다는 전제에 기초한다. 마찬가지로, 인간의 기분을 모델링하기 위한 시스템 및 기술은, 평균보다 많은 긍정적 유의성을 갖는 감정 요소로 구성된 기분은 새로운 감정적으로 연관된 감각 입력이 없을 경우 우뇌의 전두엽 피질의 활동 증가로 이어진다는 전제에 기초한다. 따라서, 이는, 긍정적 유의성 및 부정적 유의성 양쪽 모두를 갖는 감정 요소로 구성된 기분은, 새로운 감정적으로 연관된 감각 입력이 없을 경우 양쪽 반구의 피질의 활동 증가로 이어질 것임을 시사한다.
시스템 설계에서 기분 이론(mood theory)의 이용
본 개시의 또 다른 양태에 따르면, 대상 시청자를 편안하게 하기 위한 시스템 및 기술은, 테이블과 같은 텍스트적 또는 분석적 데이터를 최소한으로 하여, 주로 시각적 데이터에 대한 노출을 통한 우뇌 (*)의 자극을 포함한다. 이러한 기술은, 예를 들어, 텔레비전 경험 시스템에, 웰니스 설정 등에서 적용될 수 있다. 본 개시의 또 다른 양태에 따르면, (그래프, 테이블, 목록, 서면 리뷰 등과 같은) 시각적 데이터와 텍스트적 또는 분석적 데이터의 혼합물이나 균형상태로의 노출을 통해 우뇌(*)와 좌뇌 모두를 자극함으로써, 대상 시청자를 열정적 기분으로 자극하기 위한 시스템과 기술도 한편으로는 제공된다. 이러한 기술은, 예를 들어, 웹 사이트, 게임, 스포츠 관련 제품 및 교육 제품에 적용될 수 있다.
판매 전략에서 기분 이론의 이용
본 개시의 또 다른 양태에 따르면, 기분 이론에 대한 반구 비대칭의 상관관계는 판매 및 마케팅 모델과 전략에 적용될 수 있다. 구체적으로는, 사업체-소비자 판매를 증가시키기 위한 방법은, 좌뇌가 아닌 우뇌 피질 (*)을 자극함으로써, 잠재적 고객을 편안한 분위에 있게 하는 단계를 포함한다. 이것은, 잠재적 고객의 긍정적 감정에 호소하는 거의 시각적인 데이터(예를 들어, 시각적으로 호소하는 팩키징)를 이용하고 텍스트적 또는 분석 데이터의 양을 제한함으로써 이루어진다. 이러한 기술은, 예를 들어, 의류, 샴푸 등의 판매나 마케팅 뿐만 아니라 사업체-소비자 웹 사이트 및 온라인 상점의 설계에도 적용될 수 있다. 한 실시예에서, 사업체간 판매 전략을 증가시키기 위한 방법은, 잠재적 고객을 그의 우뇌(*)와 좌뇌 피질 양쪽 모두를 흥분시킴으로써 열정적 기분에 있게 하는 단계를 포함한다. 이것은, 리뷰, 테이블, 등과 같은 텍스트적 또는 분석적 데이터와 시각적 데이터 양쪽 모두를 이용함으로써 이루어지며, 여기서, 시각적 데이터는 사업체가 변화에 개방적이고 더 나은 미래에 대한 비전을 생성하는 것을 도우며, 분석적 데이터는 개인적 및 사회적 공포와 같은 어떤 부정적인 감정에 대한 통제력을 얻는 것을 돕는다. 이것은, 예를 들어, 근사하지만 더 많은 라인을 이용하는 드라이어 레이아웃을 갖는 패키징이라고 바꾸어 말할 수 있다. 이것은, 또한, 예를 들어, 비디오 자료와 서면 소비자 증언 모두를 포함하는 마케팅 자료라고 바꾸어 말할 수 있다. 이 통찰력은, 예를 들어, ICT 제품, 기계 장비, 금융 상품 등 (*)의 판매 및 마케팅에 적용될 수 있다. 사람은 다른 사람의 욕구를 창조할 수는 없지만, 이미 존재하는 욕구의 씨앗을 육성할 수 있다는 점에 주목하는 것이 중요하다.
비디오 및 기타 콘텐츠에 대한 2가적(bivalent) 레이팅의 이용
본 개시의 또 다른 양태에 따르면, 시스템과 기술은 비디오 및 기타의 콘텐츠(도서, 미술 등)에 대해 2가적(양극성이 아님) 레이팅 시스템을 이용하며, 여기서, 하나의 레이팅 파라미터는 특정 콘텐츠에 대해 긍정적 유의성을 갖는 감정의 강도를 나타내는 값을 갖고, 다른 파라미터는 동일한 콘텐츠에 대해 부정적 유의성을 갖는 감정의 강도를 나타내는 값을 가진다. 각각의 감정은, 대안적 명명, 예를 들어, 부정적 유의성을 갖는 감정들에 대해서는 "공포" 또는 "거부감", 및 긍정적 유의성을 갖는 감정들에 대해서는 '욕구' 또는 '호감' 또는 "좋아함"이 부여될 수 있다. 한 실시예에서, 시스템과 기술은 전술된 2가적 레이팅 시스템을 병합한 다가적 레이팅 시스템을 이용한다. 한 실시예에서, 시스템과 기술은 적어도 부분적으로 위에서 설명한 2가적 또는 다가적 레이팅 시스템에 기초하는 (비디오 또는 기타 콘텐츠에 대한) 랭킹 애플리케이션(ranking application)을 이용한다.
또 다른 실시예에서, 시스템과 기술은 적어도 부분적으로 위에서 설명한 2가적 또는 다가적 레이팅 시스템에 기초하는 (비디오 또는 기타 콘텐츠에 대한) 추천자 애플리케이션을 이용한다.
또 다른 실시예에서, 시스템과 기술은 비디오 콘텐츠의 한 명 이상의 시청자의 시청 선호도에 관한 정보를 포함하는 메타데이터 파일을 이용하고, 여기서, 선호도는 위에서 설명한 다가적 또는 2가적 레이팅 시스템을 이용하여 표현된다.
병행 인터페이스
본 개시의 또 다른 양태에 따르면, 시스템과 기술은, 전형적인 인간의 두뇌 작업 묘사를 모방하고, 상이한 장치들에 대해 시각적 작업과 텍스트적 작업을 구별하는 방식으로, 한 세트의 인터페이스 장치를 통해 볼 수 있는 콘텐츠와 정보를 제시하는 인터페이스를 이용한다. 이러한 시스템과 기술은 다음과 같은 것들을 포함할 수 있다:
● 최소한의 텍스트 또는 텍스트 없이 시각적 콘텐츠를 제시하며 전통적인 텔레비전 디스플레이에서 구현될 수 있는 제1 인터페이스.
● 콘텐츠 서핑 인터페이스와 구매 인터페이스를 제시하고, PDA(Personal Digital Assistant) 또는 스마트 폰, 태블릿 컴퓨터 또는 랩탑 컴퓨터에서 구현될 수 있는 제2 인터페이스.
● 주로 시각적 콘텐츠 뿐만 아니라 콘텐츠 서핑 및 구매를 위한 텍스트 기반의 인터페이스를 제시하고, 데스크톱, 태블릿 컴퓨터 또는 랩탑 시스템을 포함한 전통적인 개인용 컴퓨터 뿐만 아니라 기타의 시스템에서 구현될 수 있는 선택사항적 추가 사용자 인터페이스.
별개의 장치들 상에서 2개 이상의 인터페이스를 동시에 볼 수 있다. 이들은 또한 하나의 단일 장치로부터 순차적으로 액세스가능할 수도 있다.
가상 TV 채널로의 용이한 접근과 관리를 위한 병행 인터페이스
본 개시의 또 다른 양태에 따르면, 시스템과 기술은 (우뇌) 텔레비전 인터페이스와 병행 동작할 수 있는 하나 이상의 좌뇌 인터페이스로 구성된 인터페이스를 이용하며, 다음과 같은 것들에 적용된다:
● 텔레비전 인터페이스와 그 조작은, 임의의 메뉴를 탐색하거나 키보드류 기능으로 장치에 문자, 숫자 또는 기호를 입력할 필요없이, 사용자가 가상 채널에 쉽게 접근하는 것을 허용한다. 대신에, 사용자는, 매우 제한된 수의 버튼 또는 유사한 터치 스크린 동작만을 이용하여, 브라우징이나 서핑과 유사하게, 임의의 고전적 또는 가상 채널들간 및 이들 채널들 내에서(즉, 이들 채널들 내의 상이한 콘텐츠 객체들간) 스크롤할 수 있다. 가상 채널은, 소셜 미디어 채널, 예를 들어, Facebook, Twitter, Linkedln, .., 사용자 자신이 채널 디렉터가 되는 채널 등일 수 있다.
● 텔레비전 인터페이스와 병행 동작하는 하나 이상의 좌뇌 인터페이스는, 스마트 폰, 태블릿, 랩탑, PC 등에서 구현될 수 있다. 이 인터페이스는, 채널의 주문 번호 설정, 채널의 콘텐츠의 선택, 어느 페이스 북 사용자가 사용자의 페이스북 채널에 추천사항을 게시할 수 있는지의 선택 등과 같은 것들을 포함한, 가상 채널의 관리를 허용한다.
여기서 개시된 시스템과 기술을 이용하여, 텔레비전 인터페이스는 사용자를 편안하게, 즉, 기분 정사각형/원반의 -3π/8 내지 -π/8의 영역에 유지하도록 설계된다. 좌뇌 인터페이스는 사용자를, 기분 정사각형/원반의 -π/8 내지 +3π/8의 영역으로 표시된, 열정적 또는 통제된 기분으로 유지시키는 방식으로 설계된다.
편안한 TV 광고 시청을 위한 광고 계정
본 개시의 또 다른 측면에 따르면, 시스템과 기술은, TV의 사용자 계정과 방송사의 일부 또는 전부에 대한 광고 계정을 이용한다. TV 시청자를 위해, 광고는 TV 시청 경험의 자연스런 편안한 성향을 방해하지 않아야 한다. 따라서 TV 시청자가 원할 때 관심대상 광고를 시청할 수 있는 것이 편안한 TV 경험을 위한 필수적 설계이다.
이러한 편안한 TV 시청 경험은 단순히 TV 광고 또는 다른 광고 시청을 건너뛰는 것 의해 달성될 수 있다. 광고주는 소비자의 무료 또는 저렴한 비용의 시청을 위해 금전을 지불하기 때문에, 이 솔루션은 시장의 공급측의 이익을 만족하지 않는다. 그러나, 시청자를 좌절시키지 않는 것이 광고주를 위한 가치 창조 메커니즘이기 때문에, 광고주와 방송사를 위해 창출되는 가치를 보호하는 것과 동시에, TV 시청자의 좌절을 줄이는 솔루션이 고안될 수 있다.
광고주와 방송사를 위해, TV 광고나 기타의 광고는, 광고가 시청자의 관심사항에 더욱 개인맞춤화된다면, 시청자가 광고를 자신의 편의를 위해 편안한 기분에서 시청할 때, 광고가 시청자에게 푸시되기 보다는 시청자가 광고를 풀링할 때, 그리고 물론 TV 사용자가 단순히 휴식을 취하는 것이 아니라 실제로 광고를 시청할 때 더욱 가치 있다.
크레디트 모델(credit model)은, 광고 계정에 입금(crediting)함으로써 이들 가치 창출 파라미터들을 고려한다. 각 방송사 또는 공동 방송사의 그룹과 결합된, 각 시청자 또는 시청자 프로파일 또는 각 가족 또는 가정 또는 기타의 유효 가입 집단에 대해, 별개의 광고 계정이 유지된다. 각 광고 계정은 광고주 가치 크레디트 모델을 이용하여 입금되며, 이것은 잠재적으로 광고 계정에 입금하는 금전 지불 시스템을 포함하지만, 필수적인 것은 아니다.
그 다음 방송사 비용 또는 판매가 출금 모델을 이용하여 이러한 동일한 광고 계좌가 하기와 같은 방식으로 출금(debit)된다.
● 시청자 또는 시청자 그룹에 의한 광고의 빨리 넘기기, 또는 광고의 자동 건너뛰기는, 비용 또는 판매가 모델에 기초하거나 광고주 가치 모델에 기초하거나 그 둘의 조합에 기초하여, 그 방송사 또는 방송사 그룹과 연계된 시청자 또는 시청자 집단의 광고 계좌에서의 크레디트들을 낮추는 것으로 이어진다.
● 시청자 또는 시청자 그룹이 광고를 시청한다면, 광고주 및/또는 방송사 가치 모델에 기초하여, 그 방송사 또는 방송사 그룹과 연계된 시청자 또는 시청자 집단의 광고 계좌의 크레디트가 증가한다.
● 이와 같은 광고주 및/또는 방송사 가치 모델은 다음과 같은 것을 포함할 수 있다: 광고의 길이, 개인맞춤화 수준, 방송된 콘텐츠에 삽입되어 있는지 별개로 시청되는지의 여부, 시청자의 풀 또는 푸시의 정도, 편안한 분위에 관한 시청자의 기분 추청, 실제 시청의 확인 등.
● 시청자가 실제로 광고를 보는지를 확인하기 위해, 시청자 피드백 시스템이 구현될 수 있다. 이러한 피드백 시스템은, 예를 들어, TV 화면의 하부에서 스쳐 지나가며 시청자가 광고를 시청하고 있다면 리모콘으로 특정 숫자를 누를 것을 요청하는, 티커 라인 형태의 메시지로 구성될 수 있다. 남용을 방지하기 위해, 누르는 숫자는, 최적으로는, 광고마다, 무작위 방식으로 또는 기타의 쉽게 예측할 수 없는 방식으로 변한다. 또한, 메시지는, 최적으로는, 광고의 시작이 아니라, 중간 내지 끝에서 표시되지만, 남용을 방지하지 위해 질서정연하게 그런 것은 아니다.
● 광고 계정의 크레디트가 소정 임계치 아래로 떨어지면, 시스템은, 임계치 아래 레벨에 도달한 계좌와 연계된 방송사 또는 방송사 그룹을 위해, 시청자나 시청자 그룹이 예를 들어 광고를 보거나 충분한 돈을 지불함으로써 새로운 크레디트를 충분히 벌어 임계치 전환 수준에 도달할 때까지, 시청자 또는 시청자 그룹이 광고의 빨리감기 및/또는 광고 건너뛰기를 차단하는 기능을 지원한다.
● VOD 콘텐츠의 구매나 임대, 또는 이러한 구매에 관한 수수료나 기타 방식에 의한 광고주나 방송사 가치 창출에 기여하는 기타 임의 유형의 구매도 역시 광고 계좌에서의 크레디트의 증가를 야기할 수 있다. 이러한 방식으로, 방송사는 온라인 TV 주문을 허용하는 특별 목적 광고에 의해 유발되는 VOD나 기타의 판매 수수료를 벌 수 있고, 보답으로 시청자/구매자의 광고 계좌에 크레디트를 부여할 수 있다.
읽기 및 연구에 최적화된 듀얼 인터페이스
본 개시의 또 다른 양태에 따르면, 시스템과 기술은, 일반적으로, 주로 텍스트나 분석적인 콘텐츠 뿐만 아니라 시각적인 콘텐츠를 제시하는데, 그 콘텐츠는, 하기와 같은 방식을 포함한, 동시에 또는 거의 동시에, 즉, 동일한 전체 경험 내에서 한 방식 직후에 다른 방식이 뒤따르는 식으로, 2가지 대안적 방식으로 액세스될 수 있는 방식으로 제시하는 인터페이스를 포함한다:
● 주로 우뇌 반구에 호소하고, 긍정적 감정을 충분히 높이거나 높게 유지함으로써, 사용자를 (부정적 감정의 강도에 따라) 편안한, 절제되거나 열정적 기분으로 만들거나 유지하는 경향이 있는, 연관적, 탐구적, 종합적 기술.
● 주로 좌뇌 반구에 호소하는 범주적, 분석적 기술.
이러한 콘텐츠 조직 방식은, 사용자가 지나치게 높은 부정적 감정들(활성 좌뇌는 이들을 수렴하려고 한다)을 통제할 수 있게 돕는 동시에, 따분해지지 않도록 부정적 감정들이 너무 낮아지지 않게 한다.
양쪽의 콘텐츠 액세스 기술을 이용하여, 사용자는 기분 원반의 -3π/8 내지 +3π/8 영역에 의해 커버되는, 기분의 스펙트럼에서 유지된다. 가능한 콘텐츠는, 기사, 신문, 전자책, 리뷰, 책자 등 뿐만 아니라, 영상, 비디오 자료 등일 수 있다.
이러한 인터페이스의 시각적 설계를 위해 임의 개수의 메타포어가 이용될 수 있다. 한 실시예는, 숲과 들판과 나무는 주로 새로운 콘텐츠에 액세스하는 연관적, 탐구적 방식을 지원하고, 분양된 주택이나 토지는 거의 알려진 콘텐츠에 액세스하는 범주적, 분석 방식을 지원하는 풍경화 메타포어를 이용한다.
e-리더 상의 자동 주문 시스템
본 개시의 또 다른 양태에 따르면, 시스템과 기술은, 사용자가 몇 가지 간단한 동작을 이용함으로써, 예를 들어, OK를 누름으로써, 자료를 온라인으로 구매하는 것을 허용하는 인터페이스를 갖는 e-리더 장치를 이용하는 자동 주문 시스템을 포함한다. 그 다음, 은행 인증서 입력, 선호하는 공급 업체 선택 등이 좌뇌 인터페이스를 통해, 사전에 수행될 수 있다.
e-리더 상의 도표의 풀 컬러
본 개시의 또 다른 양태에 따르면, 시스템과 기술은, 도표를 클릭하거나 더블클릭하거나, 터치스크린 e-리더 장치 상에 비슷한 동작을 수행함으로써, e-리더 상의 도표의 흑백에서 컬러로의 표시 변경을 가능하게 한다. 이러한 동작 후에, 선택된 도표 또는 모든 도표들이 컬러로 표시될 수 있다.
반복적 소비자 구매를 위한 시스템
본 개시의 또 다른 양태에 따르면, 시스템과 기술은, 다음과 같은 방식으로 반복적 소비자 구매를 가능하게 한다: 소비자는 그들의 스마트폰을 이용하여, 고유한 방식으로, 예를 들어, 제품의 바코드 사진을 찍는 식으로, 소비자 제품을 식별하게 하는 정보를 수집한다. 이 정보 또는 그 처리된 버전은 후속해서, 선택된 공급 업체에 자동으로 주문하는 중앙 재고 관리 시스템에 업로드된다. 스마트 폰 인터페이스는, 시각적 또는 그래픽 요소보다는, 더 텍스트적, 분석적 또는 메뉴-기반의 아이템을 포함한다는 것을 의미하는, 통상 더 좌뇌적인 인터페이스인, 제2 인터페이스와 병행 동작한다. 제2 인터페이스는, 공급 업체 및 제품의 선택, 지불 방법의 선택, 은행 인증서 등의 입력과 같은 것을 허용한다. 이 기술은 다음과 같은 방식으로 우리의 기분 모델에 연계되어 있다: 샴푸, 버터, 및 화장지 같은 소비재의 반복적 구매는, 어떤 것을 구입할 필요가 있는지를 기억하는 것 및/또는 쇼핑 목록을 작성하는 것, 상점에 가는 것(고전적 상점이나 웹 상점), 상점에서 필요한 제품을 찾는 것 등과 같은 번거로운 상황을 요구한다. 개시된 시스템과 기술은, 이러한 유형의 번거로움과 그에 따라 이와 연관된 부정적 감정을 줄여, 소비자는, 스마트폰 인터페이스를 작동하고 있는 동안, 기분 원반의 -π/8 내지 -3π/8 영역에 의해 표시되는, 편안한 기분에 머무를 수 있다. 제2 인터페이스, 즉, 좌뇌 인터페이스는, 소비자를, '적극적으로 집중하는'의 의미로 사용되는 '열정적' 기분으로, 또는 '즐겁게 제어하는'의 의미로 이용되는 '우월적' 기분으로 만들거나/유지하는 방식으로 설계된다. 따라서, 소비자의 기분은, 기분 원반의 -π/8 내지 +3π/8 영역에 있게 된다.
자동 증권 거래 시스템
본 개시의 또 다른 양태에 따르면, 증권 거래를 위한 시스템과 기술은, 거래자별 및/또는 증권별로, 2개의 독립된 감정 파라미터, 즉, 긍정적 유의성을 갖는 한 파라미터와 부정적 유의성을 갖는 한 파라미터를 이용하여 거래자의 매수 및 매도 행동을 모델링함으로써 경제 시장에서 공황과 열정의 발생을 검출한다. 공황은, 상당수의 거래자, 및 상당수의 증권에 대해, 부정적 유의성을 갖는 파라미터가 긍정적 유의성을 갖는 파라미터보다 상당히 더 의미있게 되어 기분 정사각형/원반에서 3π/4 ± π/8 각도를 가져올 때 발생한다. 열정은, 상당수의 거래자, 및 상당수의 증권에 대해, 긍정적 유의성을 갖는 파라미터와 부정적 유의성을 갖는 파라미터가 의미가 있게 되어, 기분 정사각형/원반에서 π/4 ± π/8 각도를 가져올 때 발생한다. 거래 시스템은, 거래 시스템의 사용자의 몇 가지 개인적 선호도를 고려하여, 공황 기분의 거래자들로부터 증권을 자동으로 매수(또는 매수 제안)하고, 열정 기분의 거래자들에게 증권을 매도(또는 매도 제안)한다.
여기서는, 주체 감정적 동기부여를 모방한 더 정확한 예측 모델을 달성하기 위해 전통적인 추천 엔진 패러다임을 뒤집는 시스템과 기술이 개시된다. "주체"를 객관적으로 분류하기 보다는, 개시된 시스템과 기술은, "객체"를 개인(또는 개인의 소그룹, 예를 들어, 가족)의 행동에 관해 주관적으로 분류하여, 결과적인 객체 그룹이 개인의 특정 주관적 바람 및 거부 취향에 따른 선택을 위한 더 큰 감정적 동기부여를 제공하는 방식으로 등급이 매겨지고 제시될 수 있다. 개시된 시스템과 기술에서, 비디오, 음악, 미술, 책, 가전 제품, 금융 상품 등과 같은 복수의 콘텐츠 객체는, 특정 개인의 취향과 행동 이력에 따라 주관적으로 분석되고, 다차원적으로 탐색되거나 "서핑"될 수 있는 "채널"이나 랭킹으로 개인에게 제시된다. 특히, 콘텐츠 객체들은, 개인 또는 한 그룹의 개인 특유의 데이터를 이용하여 고유한 신경심리학적 모델링 엔진을 통해 처리되고, 그들의 적격성과, 콘텐츠 객체를 선택하거나 구매하는 개인의 예측된 정서적 동기부여의 규모에 따라, 정렬된다. 예시적 실시예에서, 일단 콘텐츠 객체가 개인의 행동 데이터와 기분에 기초하여 적격이라고 판정되면, 이러한 콘텐츠 객체를 선택하는 개인의 감정적 동기부여를 나타내는 채널 내에서의 랭킹 위치가 결정된다. 콘텐츠 객체는, 욕구와 공포 벡터에 따라, 즉, 개인의 행동 데이터에 따라 가능한 선택과 제시를 위해 낮은 감정적 동기부여로부터 높은 감정적 동기부여로, 제1 선택가능한 차원으로 정렬된다. 콘텐츠 객체는 시간 벡터에 기초하여 제2 선택가능한 차원에 따라 더욱 정렬될 수 있다. 고려하는 바와 같이, 텔레비전 연속극 내의 에피소드, 또는 전편/속편 영화 출시, 또는 시리즈로 된 책과 같은, 하나 이상의 공통된 파라미터 또는 메타데이터 값을 공유하는 복수의 순차적으로 정렬된 버전의 콘텐츠 객체가 시간순서로 정렬되어, 현재 선택된 콘텐츠 객체로부터 시간적으로 순방향 또는 역방향으로 선택될 수 있게 한다.
더 구체적으로는, 매수자/구매자 심리와 사용자 개시형 브라우징 및 제시를 위한 채널 내의 콘텐츠 객체들의 랭킹을 정확히 모델링하기 위한 시스템은, 신경심리학적 모델링 엔진, 랭킹 애플리케이션, 및 행동 모델러를 포함하여, 이들 모두는 서로 통신할 뿐만 아니라 공중망 또는 사설망을 통해 복수의 데이터베이스 및 제시 시스템과 통신한다. 신경심리학적 모델링 엔진은, 콘텐츠 객체를 선택하거나 구매하는데 대한 개인의 공포(주저함)를 나타내는 공포 벡터 값을 도출하고 제안된 아이템을 선택하거나 구매하는데 대한 개인의 욕구를 나타내는 욕구 벡터 값을 추가로 도출하기 위해, 콘텐츠 객체와 연관된 메타파일, 구매자/시청자 모델 및 채널 모델을 이용한다. 공포와 욕구 벡터 값으로부터, 신경심리학적 모델링 엔진은, 개인의 기분을 나타내는 값 Ψ와 콘텐츠 객체를 선택하거나 구매하는데 대한 개인의 동기 강도를 나타내는 값 m을 도출한다. 만일 개인의 기분을 나타내는 값 Ψ가 허용가능한 미리 결정된 범위 내에 있다면, 구매자/시청자에 대한 가능한 제시를 위한 채널 모델과 연관된 다른 콘텐츠 객체들에 관해 그 콘텐츠 객체에 대한 랭킹을 결정하기 위해 값 m이 이용된다.
채널 내의 콘텐츠 객체들의 매수자/구매자 심리 랭킹의 정확한 모델링을 위한 시스템과 기술이 개시된다(괄호는 시청자 잠재적 구매자에 대한 제시를 위한 것임). 본 개시에 따르면, 모델링 시스템은, 신경심리학적 모델링 엔진, 랭킹 애플리케이션, 및 행동 모델러를 포함하고, 이들 모두는 서로 통신할 뿐만 아니라 공중망 또는 사설망을 통해 복수의 데이터베이스 및 시청 시스템과 통신한다. 신경심리학적 모델링 엔진은, 콘텐츠 객체를 선택하거나 구매하는데 대한 개인의 공포(주저함)를 나타내는 공포 벡터 값을 도출하고 제안된 아이템을 선택하거나 구매하는데 대한 개인의 욕구를 나타내는 욕구 벡터 값을 추가로 도출하기 위해, 콘텐츠 객체와 연관된 메타파일, 시청자 모델 및 채널 모델을 이용한다. 공포와 욕구 벡터 값으로부터, 신경심리학적 모델링 엔진은, 개인의 기분을 나타내는 값 Ψ와 콘텐츠 객체를 선택하거나 구매하는데 대한 개인의 동기 강도를 나타내는 값 m을 도출한다. 만일 개인의 기분을 나타내는 값 Ψ가 허용가능한 미리 결정된 범위 내에 있다면, 채널 모델과 연관된 다른 콘텐츠 객체들에 관해 그 콘텐츠 객체에 대한 랭킹을 결정하기 위해 값 m이 이용된다.
본 개시의 한 양태에 따르면, 방법은: A) 콘텐츠 객체와 연관된 메타데이터를 채널 모델과 연관된 메타데이터와 비교하는 단계; B) 콘텐츠 객체를 선택하거나 구매하는데 대한 개인의 공포(주저함)를 나타내는 공포 벡터를 생성하는 단계; C) 제안된 아이템을 선택하거나 구매하는데 대한 개인의 욕구를 나타내는 욕구 벡터값을 생성하는 단계; 및 D) 욕구 벡터에 대한 값과 공포 벡터에 대한 값으로부터 채널 모델과 연관된 다른 콘텐츠 객체들에 관해 그 콘텐츠 객체에 대한 랭킹을 도출하는 단계를 포함한다. 한 실시예에서, D)는: 욕구 벡터값과 공포 벡터값으로부터, 개인 기분을 나타내는 값 Ψ를 도출하는 단계 D1)을 포함한다. 또 다른 실시예에서, D)는 욕구 벡터값과 공포 벡터값으로부터, 콘텐츠 객체를 선택하거나 구매하는데 대한 개인의 동기 강도를 나타내는 값 m을 추가로 도출하는 단계 D2)를 포함한다. 또 다른 추가 실시예서, D)는: 만일 개인의 기분을 나타내는 값 Ψ가 허용가능한 미리 결정된 범위 내에 있다면, 채널 모델과 연관된 다른 콘텐츠 객체들에 관해 그 콘텐츠 객체에 대한 랭킹을 결정하기 위해 그 콘텐츠 객체를 선택하거나 구매하는데 대한 개인 동기 강도를 나타내는 값 m을 이용하는 단계 D3)을 더 포함한다.
본 개시의 또 다른 양태에 따르면, 매수자/구매자 심리의 모델링을 위한 시스템은: A) 적어도 하나의 채널 모델을 저장하기 위한 네트워크 액세스가능한 메모리; B) 상기 네트워크 액세스가능한 메모리에 연동되고 콘텐츠 객체와 연관된 메타데이터를 채널 모델과 연관된 메타데이터와 비교하도록 구성되며, i) 콘텐츠 객체를 선택하거나 구매하는데 대한 개인의 공포(주저함)를 나타내는 공포 벡터 값, ii) 제안된 아이템을 선택하거나 구매하는데 대한 개인의 욕구를 나타내는 욕구 벡터값, 및 iii) 채널 모델과 연관된 다른 콘텐츠 객체에 관해 그 콘텐츠 객체에 대한 랭킹 - 상기 랭킹은 상기 욕구 벡터값 및 상기 공포 벡터값으로부터 도출됨 - 을 생성하기 위한 모델링 엔진을 포함한다. 한 실시예에서, 모델링 엔진은 또한, iv) 개인 기분을 나타내는 값 Ψ - 값 Ψ는 욕구 벡터값과 공포 벡터값으로부터 도출됨 - , 및 v) 콘텐츠 객체를 선택하거나 구매하는데 대한 개인 동기 강도를 나타내는 값 m - 값 m은 욕구 벡터값과 공포 벡터값으로부터 도출됨 - 을 생성하도록 구성된다. 역시 또 다른 실시예에서, 시스템은 또한: C) 모델링 엔진에 응답하여, 모델링 엔진에 의해 생성된 값 Ψ가 허용가능한 미리 결정된 범위 내에 있다면, 모델링 엔진에 의해 생성된 값 m으로부터, 채널 모델과 연관된 다른 콘텐츠 객체에 관해 그 콘텐츠 객체에 대한 랭킹을 도출하기 위한 랭킹 모듈을 더 포함한다.
본 개시의 역시 또 다른 양태에 따르면, 매수자/구매자 심리의 모델링을 위한 방법은: A) 뷰잉 이벤트와 연관된 데이터를 수신하는 단계; B) 채널 모델과 연관된 메타데이터를 뷰잉 이벤트와 연관된 데이터와 비교하는 단계; 및 C) 뷰잉 이벤트를 설명하기 위해 채널 모델을 수정하는 단계를 포함한다. 한 실시예에서, 이 방법은 D) 채널 모델로부터 적어도 하나의 데이터베이스 질의를 도출하는 단계를 더 포함한다. 역시 또 다른 실시예에서, 이 방법은: A1) 채널 모델과 연관된 메타데이터를 시청자 모델과 연관된 데이터와 비교하는 단계를 포함한다.
또한, 상이한 포맷의 복수의 동시 콘텐츠 스트림을 사용자 인터페이스에 제시하기 위한 시스템과 기술이 개시된다. 한 실시예에서, 1차 콘텐츠 스트림은 상당 부분의 사용자 인터페이스 디스플레이 영역에 제시되는 반면, 복수의 2차 콘텐츠 스트림은 더 작은 크기의 디스플레이 영역이나 썸네일 포맷으로 제시된다. 또 다른 실시예에서, 사용자 인터페이스에 제시된 복수의 2차 콘텐츠 스트림 각각은, 현재 사용자/시청자 네비게이션 명령에 의해 선택되고 업데이트되는 현재 선택된 (1차) 스트림에 대한 큐잉된 관계(queued relationship)를 갖는 선택가능한 콘텐츠를 나타낸다. 이러한 큐잉된 관계는, 상이한 콘텐츠 스트림들 사이에, 또는 단일 스트림 또는 프로그램 콘텐츠의 별개로 사용자 선택가능한 부분들 사이에 존재할 수 있다.
청구항 요약 103
본 개시의 제1 양태에 따르면, 메모리에 저장가능하고 컴퓨터 시스템에 의해 처리될 수 있는 데이터 구조는, 주체와 연관된 제1 콘텐츠 객체를 식별하는 데이터; 및 제1 콘텐츠 객체를 선택하는 주체의 감정적 동기에 관련된 제1 콘텐츠 객체의 랭킹을 식별하는 데이터를 포함한다. 또 다른 실시예에 따르면, 이 데이터 구조는, 제1 콘텐츠 객체와 동일하거나, 그보다 더 크거나, 그보다 더 작은 감정적 동기값을 갖는 제1 복수의 다른 콘텐츠 객체들 중 하나를 식별하는 데이터를 더 포함한다. 역시 또 다른 실시예에서, 이 데이터 구조는, 제1 콘텐츠 객체와 적어도 하나의 공통된 파라미터 값을 갖는 제2 복수의 콘텐츠 객체들 중에서 제1 콘텐츠 객체의 시간적 랭킹 값을 식별하는 데이터를 더 포함하고, 제2 복수의 콘텐츠 객체는 제1 콘텐츠 객체보다 더 크거나 더 작은 랭킹 값을 가진다.
본 개시의 또 다른 양태에 따르면, 콘텐츠의 다차원 서핑을 가능하게 하기 위한 방법은: A) 랭킹에 대한 적격성을 판정하기 위해 주체와 연관된 행동 메타데이터에 따라 제1 콘텐츠 객체를 평가하는 단계; B) 랭킹이 적격이라면, 감정적 동기 값을 제1 콘텐츠 객체에 할당하는 단계; 및 C) 제1 복수의 콘텐츠 객체 중에서 제1 콘텐츠 객체의 주체에 의한 선택을 위해, 감정 동기 값들의 오름차순 또는 내림차순으로 정렬하는 단계를 포함한다. 한 실시예에서, 이 방법은 D) 제1 콘텐츠 객체와 적어도 하나의 공통된 파라미터 값을 갖는 제2 복수의 콘텐츠 객체와 관련된 제1 콘텐츠 객체에 시간적 랭킹 값을 할당하는 단계; 및 E) 제2 복수의 콘텐츠 객체 중에서 제1 콘텐츠 객체의 주체에 의한 선택을 위해, 시간적 랭킹 값의 오름차순 또는 내림차순으로 정렬하는 단계를 더 포함한다.
여기서는 또한, 방향 커서 네비게이션 제어(예를 들어, 상, 하, 좌, 우)를 갖춘 표준 텔레비전 리모콘과 같은 네비게이션 제어를 갖는 비디오 디스플레이 시스템이 개시된다. 비디오 디스플레이 인터페이스와 연계하여 실행되는 애플리케이션은, 리모콘으로부터의 커서 네비게이션 제어 명령을 가로채고 재정의하여, 이 명령들이, 채널(들)을 서핑/선택하고, 여기서 설명된 시청자의 신경심리학적 행동과 연관된, 이전에 집계되고 등급이 매겨진 콘텐츠 객체들의 시청을 개시하기 위한 1차 메커니즘으로서 이용될 수 있게 한다. 한 실시예에서, 리모콘의 상하 커서 제어는, 주체의 감정적 동기의 오름차순 또는 내림차순에 따라, 이전에 등급이 매겨진 콘텐츠 객체들을 움직여, 주체의 행동 데이터와 관련된 이러한 콘텐츠 객체들을 선택하는데 이용될 수 있다. 또 다른 실시예에서, 리모콘의 좌우 커서 화살표는, 현재 선택된 콘텐츠 객체와 관련된, 다른 콘텐츠 객체를 각각 시간적으로 순방향 또는 역방향으로 선택하는데, 예를 들어, 현재 시청중이거나 최근에 시청된 동일한 프로그램 시리즈의 과거 또는 미래 에피소드를 선택하는데 이용될 수 있다.
본 개시의 또 다른 양태에 따르면, 비디오 디스플레이와, 비디오 디스플레이 영역의 사용자 선택가능한 부영역(sub-region)을 하나 이상의 방향으로 순차적으로 및/또는 점진적으로 이동시키기 위한 복수의 커서 네비게이션 제어를 갖는 비디오 디스플레이 시스템에서 사용하기 위한 방법은: A) 제1 커서 네비게이션 제어 명령을 수신하는 단계; 및 B) 제1 커서 네비게이션 제어 명령을 리디렉트하여 미리 정의된 기준에 따라 이전에 정렬된 제1 복수의 콘텐츠 객체들 중에서 제1 콘텐츠 객체의 제시를 개시하는 단계를 포함한다. 한 실시예에서, 제1 복수의 콘텐츠 객체는 감정적 동기의 오름차순 또는 내림차순으로 이전에 정렬된다. 또 다른 실시예에서, 제1 복수의 콘텐츠 객체는 현재 시청중이거나 최근에 시청된 동일한 프로그램 시리즈와 관련하여 시간적 순서로 이전에 정렬된다.
본 개시의 또 다른 양태에 따르면, 비디오 디스플레이 시스템은, 비디오 디스플레이; 비디오 디스플레이의 사용자 선택가능한 부영역을 비디오 디스플레이 영역에 관한 하나 이상의 방향으로 순차적으로 이동시키기 위한 복수의 방향 네비게이션 제어; 및 네비게이션 제어들 중 하나와 연관된 명령 신호를 수신하고 이 명령 신호를 리디렉트하여 미리 정의된 기준에 따라 이전에 정렬된 제1 복수의 콘텐츠 객체들 중에서 제1 콘텐츠 객체의 제시를 개시하기 위한 제어 로직을 포함한다. 한 실시예에서, 제1 복수의 콘텐츠 객체는 선택을 위해 감정적 동기의 오름차순 또는 내림차순으로 정렬된다. 제1 방향과 연관된 네비게이션 제어의 선택은, 현재 또는 이전에 제시된 콘텐츠 객체와 적어도 동일하거나 그보다 증가된 감정적 동기를 갖는 제1 콘텐츠 객체의 제시를 개시한다. 제1 방향과는 반대되는 제2 방향과 연관된 네비게이션 제어의 선택은, 이전에 제시된 콘텐츠 객체와 적어도 동일하거나 그보다 감소된 감정적 동기를 갖는 제1 콘텐츠 객체의 제시를 개시한다. 또 다른 실시예에서, 제1 복수의 콘텐츠 객체는 시간적 순서로 이전에 정렬되고, 제1 방향과 연관된 네비게이션 제어의 선택은 현재 또는 이전에 제시된 콘텐츠 객체보다 더 이른 시간적 값을 갖는 제1 콘텐츠 객체의 제시를 개시한다. 제1 방향과는 반대되는 제2 방향과 연관된 네비게이션 제어의 선택은, 현재 또는 이전에 제시된 콘텐츠 객체보다 늦은 시간적 값을 갖는 제1 콘텐츠 객체의 제시를 개시한다.
인간 두뇌 작업 묘사를 가장 근접하게 모방하는 방식으로 한 세트의 인터페이스 장치를 통해 시청가능한 콘텐츠와 정보를 주체에게 제시하는 사용자 인터페이스 및 연관된 제어가 또한 개시된다. 구체적으로는, 여기서 고려되는 것은, 제1 사용자 인터페이스가, 텍스트 없이 또는 최소한의 텍스트와 함께, 시각적 콘텐츠만을 제시하는 병행 사용자 인터페이스의 이용으로서, 이는 전통적인 텔레비전 디스플레이에서 구현될 수 있다. 이러한 제1 사용자 인터페이스는 주로 인간 두뇌의 우반구의 활동을 이용 및/또는 자극한다. 제2 사용자 인터페이스는, 콘텐츠 서핑 인터페이스와 구매 인터페이스를 제시하고, PDA(Personal Digital Assistant) 또는 스마트 폰, 태블릿 컴퓨터 또는 심지어 랩탑 컴퓨터에서 구현될 수 있다. 이러한 제2 사용자 인터페이스는 주로 인간 두뇌의 좌반구와, 또한 어느 정도까지는, 인간 두뇌의 우반구의 활동을 이용 및/또는 자극한다. 선택사항적, 제3 및 제4 사용자 인터페이스는, 시각적 콘텐츠 뿐만 아니라 주로 콘텐츠 서핑 및 구매를 위한 텍스트 기반의 인터페이스를 제시할 수 있고, 데스크톱, 태블릿 컴퓨터 또는 랩탑 시스템을 포함한 전통적인 개인용 컴퓨터 뿐만 아니라 기타의 시스템에서 구현될 수 있다. 이러한 선택사항적, 제3 및 제4 사용자 인터페이스는 또한 주로, 인간 두뇌의 좌반구, 및 선택사항으로서, 제한된 정도까지는, 인간 두뇌의 우반구에서의 활동을 이용 및/또는 자극한다. 비디오 디스플레이 시스템의 한 실시예에서, 2개의 두뇌 반구에 대해 3가지 플랫폼을 이용하는 시스템에서와 같이, 별개의 장치상에서 둘, 셋 또는 그 이상의 인터페이스를 동시에 볼 수 있다: TV 디스플레이(전체 우뇌, 최소한의 좌뇌), 스마트폰/PDA(주로 좌뇌, 제한된 좌뇌, 선택사항으로서 제한된 우뇌), 개인용 컴퓨터(전체 좌뇌, 선택사항으로서 제한된 우뇌), 및 태블릿 컴퓨터(주로 좌뇌, 제한된 좌뇌, 선택사항으로서 전체 우뇌). 대안적 실시예에서, TV 디스플레이 또는 개인용 컴퓨터 디스플레이와 같은 단일 장치로부터 상이한 인터페이스들이 순차적으로 액세스가능하다.
본 개시의 또 다른 양태에 따르면, 프로그램 콘텐츠를 선택하고 시청하기 위한 방법은: A) 선택가능하고 시청가능한 콘텐츠 객체의 모음집에 연동되어, 콘텐츠 객체의 실질적으로 시각적, 비-텍스트적 정보를 제시하기 위한 제1 사용자 인터페이스를 제공하는 단계; 및 B) 콘텐츠 객체와 연관된 메타데이터에 연동되어, 실질적으로 텍스트적 정보를 제시하기 위한 제2 사용자 인터페이스를 제공하는 단계를 포함한다. 한 실시예에서, 이 방법은, C) 선택가능하고 시청가능한 콘텐츠 객체의 모음집과 콘텐츠 객체와 연관된 메타데이터에 연동되어, 시각적 콘텐츠와 텍스트적 정보 중 하나를 제시하기 위한 제3 사용자 인터페이스를 제공하는 단계를 더 포함한다.
또한 타임 쉬프팅된 시청을 가능하게 하기 위해 콘텐츠의 분산된 업로드를 위한 시스템과 기술이 개시된다. 개시된 시스템에서, N명의 고객/시청자 각자는 1차 소스, 통상 온라인 콘텐츠 서버나 케이블 방송사로부터 콘텐츠의 라이센싱된 스트림형 사본(제1 프로그램)을 수신하고, 부분적 퍼센트(통상 1/N 이하)의 콘텐츠를 집계 서버에 포워딩하며, 여기서, 콘텐츠의 복수의 단편적 부분들이 완전한 콘텐츠 사본으로 비동기적으로 재조립되고, 원래의 소스로부터 이용가능한 시청가능 시간대(time window) 외의 시간들에서, 요청시에 다시 시청자로의 스트림형 전송에 이용가능하게 된다. 원래의 소스 또는 집계 서버 중 어느 하나에 대한 콘텐츠 저장 구성은 중앙집중형 또는 분산형 또는 임의의 단일 순간에 콘텐츠 저장을 달성하기 위해 피어-투-피어 방식으로 지속적으로 이동하는 것일 수 있다는 것에 주의한다. 한 실시예에서, 콘텐츠는 시청자 시스템에서 포착되고, 사후 암호해독되어, 암호해독된 포맷으로 집계 서버에 제공된다. 또 다른 실시예에서, 콘텐츠는, 암호화된 콘텐츠와는 별개로 저장될 수 있는 암호해독 키와 함께 암호화된 포맷으로 집계 서버에 제공된다. 집계 서버에서의 콘텐츠 데이터 패킷의 재조립을 위한 알고리즘은 콘텐츠와 연관된 시간적 또는 순차적 식별자를 이용할 수 있다. 이런 방식으로, 잠재적으로 상이한 1차 및 2차 소스로부터 완전한 콘텐츠 사본이 비동기적으로 재조립될 수 있다. 또 다른 실시예에서, 소스들로부터의 콘텐츠는 암호화되거나 암호화되지 않은 포맷 중 어느 하나로 집계 서버에 직접 전송되는 반면, 적용가능한 임의의 데이터 암호해독 키를 포함한, 인증 표시는 각각의 시청자 시스템에 개별적으로 전송된다.
본 개시의 한 양태에 따르면, 콘텐츠의 분산된 지연된 스트리밍을 위한 방법은: A) 제1 프로그램을 나타내는 콘텐츠를 저장하기 위한 네트워크 액세스가능한 메모리를 제공하는 단계; B) 또 다른 소스로부터의 제1 프로그램에 액세스하는 복수의 시청자로부터 제1 프로그램의 적어도 일부를 네트워크 액세스가능한 메모리 내에 수신하는 단계; C) 복수의 시청자로부터 수신된 부분들을 제1 프로그램에 어셈블링하는 단계; 및 D) 복수의 시청자 중 한 명으로부터 요청을 수신한 경우, 제1 프로그램을 요청 시청자에게 전송하는 단계를 포함한다. 한 실시예에서, 제1 프로그램의 일부는 복수의 시청자로부터 비동기적으로 수신된다. 또 다른 실시예에서, 제1 프로그램은 제1 기간 동안에는 다른 소스로부터 복수의 시청자에게 액세스될 수 있고, 제1 기간과는 동일하지 않은 제2 기간 동안, 제1 프로그램은 요청 시청자에게 전송된다.
본 개시의 또 다른 양태에 따르면, 콘텐츠의 분산된 지연된 스트리밍을 위한 장치는: A) 제1 프로그램을 나타내는 콘텐츠를 저장하기 위한 네트워크 액세스가능한 메모리; B) 또 다른 소스로부터의 제1 프로그램에 액세스하는 복수의 시청자로부터 제1 프로그램의 적어도 일부를 네트워크 액세스가능한 메모리 내에 수신하기 위한 네트워크 인터페이스; C) 복수의 시청자로부터 수신된 부분들을 제1 프로그램에 어셈블링하기 위한 집계 엔진; 및 D) 요청시에 복수의 시청자 중 한 명에게 제1 프로그램을 전송하기 위한 스트리밍 인터페이스를 포함한다. 한 실시예에서, 복수의 시청자로부터 수신된 제1 프로그램의 일부는 제1 프로그램과 연관된 시간적 또는 순차적 식별자 중 하나에 의해 식별되고, 이러한 시간적 또는 순차적 식별자에 따라 집계 엔진에 의해 조립된다.
본 개시의 역시 또 다른 양태에 따르면, 컴퓨터 사용가능한 메모리에서, 콘텐츠의 분산된 업로드에 이용가능한 데이터 구조는, i) 콘텐츠 객체의 일부를 식별하는 데이터 ii) 적어도 한 명의 인증된 시청자를 식별하는 데이터, iii) 콘텐츠 객체와 연관된 시간적 또는 순차적 식별자 데이터; iv) 인증된 시청자의 네트워크 주소를 식별하는 데이터; 및 v) 콘텐츠 객체를 암호해독하기 위한 암호화 키를 식별하는 데이터를 포함한다. 한 실시예에서, 이 데이터 구조는 인증된 시청자와 연관된 시청자 채널을 식별하는 데이터를 더 포함할 수 있다.
본 개시의 역시 또 다른 양태에 따르면, 콘텐츠의 분산된 업로딩을 위한 방법은: A) 복수의 콘텐츠 프로그램 중 어느 것이 시청자 시스템으로의 다운로딩을 위해 제1 소스로부터 원격으로 액세스가능한지를 결정하는 단계; B) 제1 시간에 제1 소스로부터 시청자 시스템으로 액세스가능한 프로그램의 적어도 일부의 다운로드 전송을 요청하는 단계; 및 C) 시청자 시스템에 의해 수신된 액세스가능한 프로그램의 적어도 일부를, 시청자 시스템을 식별하는 인증 표시와 함께, 원격 제2 소스에 업로드 전송하는 단계를 포함한다. 한 실시예에서, 방법은 또한 D) 제1 시간과는 다른 제2 시간에 제2 소스로부터 시청자 시스템으로 액세스가능한 프로그램의 다운로드 전송을 요청하는 단계, 및 E) 액세스가능한 프로그램의 일부의 스트림형 다운로드를 제2 소스로부터 수신하는 단계를 더 포함하고, 원격 제2 소스로부터 수신된 액세스가능한 프로그램의 스트림형 다운로드 부분은 원격 제2 소스에 전송된 액세스가능한 프로그램의 업로드된 부분보다 더 크다. 역시 또 다른 실시예에서, B)와 C)는 제1 소스로부터 원격 액세스가능한 복수의 콘텐츠 프로그램 중 다른 것에 대해 반복된다.
본 개시의 역시 또 다른 양태에 따르면, 콘텐츠의 분산된 업로딩을 위한 시스템은: A) 네트워크를 통해 콘텐츠 프로그램의 제1 소스에 연동된 시청자 시스템; B) 복수의 콘텐츠 프로그램 중 어느 것이 제1 소스로부터 원격으로 액세스가능한지를 결정하고, 제1 시간에 제1 소스로부터 시청자 시스템으로 액세스가능한 프로그램의 적어도 일부의 다운로드 전송을 요청하기 위한 프로그램 로직; 및 C) 시청자 시스템에 의해 수신된 액세스가능한 프로그램의 적어도 일부를, 시청자 시스템을 식별하는 인증 표시와 함께, 원격 제2 소스에 업로드 전송하기 위한 프로그램 로직을 포함한다. 한 실시예에서, 시스템은 또한: D) 제1 시간과는 다른 제2 시간에 제2 소스로부터 시청자 시스템으로 액세스가능한 프로그램의 다운로드 전송을 요청하기 위한 프로그램 로직, 및 E) 액세스가능한 프로그램의 일부의 스트림형 다운로드를 제2 소스로부터 수신하기 위한 프로그램 로직을 더 포함하고, 원격 제2 소스로부터 수신된 액세스가능한 프로그램의 스트림형 다운로드 부분은 원격 제2 소스에 전송된 액세스가능한 프로그램의 업로드된 부분보다 더 크다.
본 개시의 역시 또 다른 양태에 따르면, 콘텐츠의 분산된 지연된 스트리밍을 위한 방법은: A) 소스로부터 수신된 제1 프로그램을 나타내는 콘텐츠를 저장하기 위한 네트워크 액세스가능한 메모리를 제공하는 단계; B) 소스로부터의 제1 프로그램에 액세스하는 복수의 시청자를 식별하는 인증 표시를 네트워크 액세스가능한 메모리 내에 수신하는 단계; 및 C) 복수의 시청자 중 한 명으로부터 요청의 수신시에, 요청 시청자가 제1 프로그램에 대한 인증된 액세스를 갖는지를 판정하기 위해 인증 표시를 확인하는 단계; 및 D) 인증의 확인시에 제1 프로그램을 요청 시청자에게 전송하는 단계를 포함한다. 한 실시예에서, 제1 프로그램은 제1 기간 동안에 소스로부터 복수의 시청자에게 액세스될 수 있고, 제1 프로그램은 제1 기간과는 동일하지 않은 제2 기간 동안에 요청 시청자에게 전송된다.
본 개시의 역시 또 다른 양태에 따르면, 콘텐츠의 분산된 지연된 스트리밍을 위한 장치는: A) 소스로부터 수신된 제1 프로그램을 나타내는 콘텐츠를 저장하기 위한 네트워크 액세스가능한 메모리; B) 소스로부터의 제1 프로그램에 액세스하는 복수의 시청자를 식별하는 인증 표시를 네트워크 액세스가능한 메모리 내에 수신하기 위한 네트워크 인터페이스; 및 C) 복수의 시청자 중 한 명으로부터 요청의 수신시에, 요청 시청자가 제1 프로그램에 대한 인증된 액세스를 갖는지를 판정하기 위한 확인 엔진; 및 D) 인증의 확인시에 제1 프로그램을 요청 시청자에게 전송하기 위한 스트리밍 인터페이스를 포함한다.
본 개시의 역시 또 다른 양태에 따르면, 컴퓨터 사용가능한 메모리에서, 콘텐츠의 분산된 업로드에 이용가능한 데이터 구조는, i) 콘텐츠 객체의 일부를 식별하는 데이터; ii) 콘텐츠 객체와 연관된 시간적 또는 순차적 식별자; 및 iii) 시청자 프로세스를 식별하는 인증 표시를 포함한다. 한 실시예에서, 데이터 구조는 iv) 시청자 프로세스와 연관된 사용자 정의형 채널을 식별하는 데이터 또는 v) 콘텐츠 객체를 암호해독하기 위한 암호화 키를 식별하는 데이터를 더 포함한다.
도 1a는 본 개시에 따라 두뇌 활동이 실수축 및 허수축과 관련된 함수로서 변하는 기분 원반(Mood disk)을 개념적으로 나타낸다;
도 1b는 본 개시에 따라 기분 정사각형(Mood square)을 개념적으로 나타낸다;
도 1c는 본 개시에 따라 독립적이며 전체 구성 요소인 공포(Fear)와 욕구(Desire)의 감정(Emotion)의 분해를 나타내는 그래프이다;
도 1d는 본 개시에 따라 복소 평면 양의 4분면(complex plane positive quadrant)으로부터 로그 복소 기분 공간(logarithmic complex mood space)으로의 변환을 나타낸다;
도 1e는 본 개시에 따라 감정과 기분 원반(emotion and mood disk)을 통합 원반(unity disk)으로서 나타낸다;
도 1f는 본 개시에 따라 구와 반구 상의 입체 투사를 나타낸다;
도 1g는 본 개시에 따라 시각적 자극에 관한 인간의 눈과 두뇌의 투사를 나타낸다;
도 1h는, 기분 정사각형을, 체비셰프 메트릭(chebyshev metric)의 기분 통합 원반의 표현으로서 나타낸다;
도 1i는 본 개시에 따라 기분 통합 정사각형 상에 대뇌 피질 활동을 나타낸다;
도 1j는 본 개시에 따라 기분 통합 정사각형 상에 결과적인 안정된 기분을 나타낸다;
도 1k는 본 개시에 따라 기분 원반을 나타낸다;
도 1l은 본 개시에 따라 감정과 기분 정사각형을 나타낸다;
도 1m은 본 개시에 따라 기분 원반 상에 기분 변종들의 범위를 나타낸다;
도 1n은 칙센트미하이(Csikszentmihalyi)에 의해 제안된 종래 기술의 정신 상태 모델을 나타낸다;
도 2는 본 개시에 따라 인간 심리의 상태 공간의 자연스런 표현의 개념도이다;
도 3은 인지의 전체 복소 평면으로의 단일 4분면 현상(phenomenon)의 모핑(morphing)을 나타내는 그래프이다;
도 4는 리만(Riemann) 복소 반구에 의해 표현된, 대뇌 피질 경험으로의 인지의 전체 복소 평면의 모핑을 나타내는 그래프이다;
도 5는 본 개시에 따라 기분 원반에서, 공포 좌표 f, 욕구 좌표 d, 기분 Ψ, 및 동기 강도 m에 대한 예시적 값들을 포함한, 바람직한 TV 사용자 인터페이싱의 효과를 개념적으로 나타낸다;
도 6a는 편안한 기분에서 출발하여 분노한 기분으로 끝나는 기분 원반 내의 경로로서 표현된 바람직하지 않은 TV 사용자 인터페이싱의 효과를 개념적으로 나타낸다;
도 6b는 본 개시에 따라 기분 원반 상에 욕구-기반의 B2B 판매, 공포-기반의 B2B 판매 및 B2C 판매의 판매 경로들을 개념적으로 나타낸다;
도 6c는 본 개시에 따라 기분 원반 상에 욕구-기반의 B2B 판매, 공포-기반의 B2B 판매 및 B2C 판매의 판매 경로들을 그들의 넘버링된 스테이지와 함께 나타낸다;
도 6d는 본 개시에 따라 열정적, 우월적, 및 편안한 구획들에서 강조된 영역들을 갖는 기분 원반을 개념적으로 나타낸다;
도 7은 여기서 개시된 신경심리학적 모델링 엔진이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 8은 본 개시에 따라 복수의 콘텐츠 객체들과 관련된 컴퓨터로 구현된 신경심리학적 모델링 엔진의 블록도를 개념적으로 나타낸다;
도 9a는 본 개시에 따라 모델링 시스템의 다양한 컴포넌트들의 관계를 개념적으로 나타낸다;
도 9b-9c는 본 개시에 따라 콘텐츠 객체들의 랭킹을 제공하기 위해 신경심리학적 모델링 엔진에 의해 이용되는 프로세스의 흐름도를 나타낸다;
도 9d는 본 개시에 따라 모델링 시스템의 다양한 컴포넌트들의 관계를 개념적으로 나타낸다;
도 9e-9f는 본 개시에 따라 신경심리학적 모델링 엔진에 의해 수행되는 알고리즘적 프로세스를 집합적 및 개념적으로 나타낸다;
도 10a, 10aa, 10b, 10bb, 10c, 및 10cc는 본 개시에 따라 모델링 시스템 및/또는 시청자 시스템에 의해 이용되는 데이터 구조를 개념적으로 나타낸다;
도 11a는 본 개시에 따라 시청자를 위한 인터페이스 시스템을 개념적으로 나타낸다;
도 11b는 리디렉션 애플리케이션에 의해 수행되는 알고리즘적 프로세스를 개념적으로 나타내다;
도 11c는 본 개시에 따라 모델링 시스템에 의해 수행되는 알고리즘적 프로세스를 개념적으로 나타낸다;
도 11d는 본 개시에 따라 콘텐츠 객체들의 네비게이션 및 디스플레이를 위해 시청자 시스템에 의해 수행되는 또 다른 알고리즘적 프로세스를 개념적으로 나타낸다;
도 12a는 본 개시에 따라 전통적인 커서 네비게이션 제어를 이용하여 콘텐츠의 다차원 서핑을 가능하게 하는 채널을 개념적으로 나타낸다;
도 12b는 본 개시에 따라 특정 주체/시청자와 연관된 채널의 구현을 개념적으로 나타낸다;
도 12c는 본 개시에 따라 채널들 내의 그룹들을 구성할 수 있는 샘플 데이터 구조를 개념적으로 나타낸다;
도 12d는 또한 본 개시에 따라 전통적인 커서 네비게이션 제어를 이용하여 콘텐츠의 다차원 서핑을 가능하게 하는 채널 모델의 데이터 구조를 개념적으로 나타낸다;
도 13a는 개시된 분산된 업로드 기술이 본 개시에 따라 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 13b는 개시된 분산된 업로드 기술이 본 개시에 따라 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 13c는 본 개시에 따라 콘텐츠 객체 단편들의 포획 및 업로드에 대한 알고리즘적 프로세스를 개념적으로 나타낸다;
도 13d는 본 개시에 따라 콘텐츠의 시청을 요청하기 위해 시청 시스템에 의해 수행되는 알고리즘적 프로세스를 개념적으로 나타낸다;
도 13e는 본 개시에 따라 콘텐츠 객체 메타데이터와 단편적 부분들의 업로드에 대한 알고리즘적 프로세스를 개념적으로 나타낸다.
도 14는 본 개시에 따라 시청자를 위한 인터페이스 시스템을 개념적으로 나타낸다;
도 15는 본 개시에 따라 이용되는 데이터 구조를 개념적으로 나타낸다;
도 16은 복수의 콘텐츠 객체 데이터 스트림의 버퍼링을 포함한 디스플레이(80) 내의 컴포넌트들의 관계를 개념적으로 나타낸다;
도 17은 각각의 디스플레이된 콘텐츠 객체 데이터 스트림과 함께 이용될 수 있는 샘플 데이터 구조를 개념적으로 나타낸다;
도 18은 복수의 콘텐츠 객체 데이터 스트림을 시청자에게 제시하기 위한 사용자 인터페이스를 개념적으로 나타낸다;
도 19는 복수의 콘텐츠 객체 데이터 스트림을 시청자에게 제시하기 위한 사용자 인터페이스를 개념적으로 나타낸다;
도 20은 복수의 콘텐츠 객체 데이터 스트림과 연관된 다양한 그래픽 표시(graphic indicia)을 개념적으로 나타낸다;
도 21은 시청자에게 추천된 복수의 콘텐츠 객체 데이터 스트림을 제시하기 위한 사용자 인터페이스를 개념적으로 나타낸다;
도 22는 네스팅된 차원의 서핑을 고려하는 복수의 콘텐츠 객체 데이터 스트림을 제시하기 위한 사용자 인터페이스를 개념적으로 나타낸다;
도 23은 여기서 개시된 복수의 가상 채널이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 24a는 여기서 개시된 가상 추천 채널이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 24b는 본 개시에 따라 가상 추천 채널을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다;
도 25는 여기서 개시된 가상 프로그램 디렉터 채널이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 26a는 여기서 개시된 가상 제3자 채널이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 26b는 본 개시에 따라 가상 제3자 채널을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다;
도 27은 여기서 개시된 가상 라이브러리 채널이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 28a는 여기서 개시된 가상 오프라인 채널이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 28b는 본 개시에 따라 가상 오프라인 채널을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다;
도 29a는 여기서 개시된 가상 사진/사용자 생성 콘텐츠 채널이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 29b는 본 개시에 따라 가상 사진/사용자 생성 콘텐츠 채널을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다;
도 30a는 여기서 개시된 가상 포스트 채널이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 30b는 본 개시에 따라 가상 포스트 채널을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다;
도 31a는 여기서 개시된 가상 메일 채널이 구현될 수 있는 네트워크 환경을 개념적으로 나타낸다;
도 31b는 본 개시에 따라 가상 메일 채널을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다;
도 32는 본 개시에 따라 명시적 시청자 피드백을 제공하기 위한 지정된 제어를 갖는 원격 제어를 개념적으로 나타낸다;
도 33은 본 개시에 따라 시청자 시스템으로부터의 명시적 피드백을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다;
도 34는 본 개시에 따라 욕구-기반의 B2B 판매의 구매 사이클을 개념적으로 나타낸다;
도 35는 본 개시에 따라 공포-기반의 B2B 판매의 구매 사이클을 개념적으로 나타낸다;
도 36은 본 개시에 따라 B2C 판매의 구매 사이클을 개념적으로 나타낸다;
도 37은 본 개시에 따라 모델링 시스템의 다양한 컴포넌트들의 관계를 개념적으로 나타낸다;
신경심리학적 모델: 감정을 수학적으로 모델링하기
기저 신경전달물질 메커니즘을 설명하기 위한 제안을 포함한, 좌우 대뇌 피질에서의 병렬적 인간 사고의 구체적 특징들이 여기서 제안된다. 긍정적 및 부정적 인간 감정들이 정의되고, 이러한 정의 하에서의 감정의 2가(bivalence)가 제안된다. 긍정적 및 부정적 감정들의 제안된 수학적 독립성은 주로 그들의 독립적인 생리적 구성에 의해 지원된다. 이것은 2차원 감정 공간에서의 감정과 기분의 수학적 분류에 대한 기초를 형성한다. 의식의 별개 형태들이 정의되고, 의식으로부터 어떻게 기분이 나는지에 대한 설명이 제공된다. 기분은, 자연스런 공포와 욕구 성분을 표현하는 2개의 수직 차원에 의해 형성된 로그 복소 감정 평면(logarithmic complex emotion plane)에서 잘 설명된다. 우뇌 피질 표현으로부터 좌뇌 피질 표현으로의 수학적 변환과 복소 1/z 함수로서의 그 역변환이 유도된다. 도 1a 및 도 1b 각각의 원반과 정사각형 상의 감정과 기분의 직관적이고 논리적인 수학적 표현이 결과적으로 야기된다. 마지막으로, 우리는 감정적 공포-욕구 쌍(emotional Fear-Desire pairs)에 작용하는 대뇌피질 변환 행렬에 의해 안정적이고 일시적인 감정적 업데이트 및 연관된 기분 변화를 수학적으로 모델링한다.
편측화된 대뇌피질 표현( Lateralized Cortical Representations )
언어 작업은 좌뇌 피질을 활성화하고, 공간적 작업은 우뇌 피질을 활성화한다. 1996년에, Smith 등의 PET 연구는, 언어 작업은 주로 좌반구 피질 영역을 활성화하는 반면, 공간 작업은 주로 우반구 피질 영역을 활성화한다는 것을 보여주었다. 다수의 다른 연구들이 이를 확인하고 있다. 예를 들어, 2003년에, Cohen 등은, VWFA(visual word form area; 좌측 후두-측두 고랑에 위치)만이 간단한 체커판 위의 알파벳 문자열에 대한 선호도를 보여주는 반면, R-VWFA(우반구 대칭적 영역)는 그렇지 않다는 것을 보여주었다. Jobard 등에 의한 또 다른 2003 논문은, 단어 접근의 제1 단계는 좌측 후두 영역 내에서 발생한다고 말하고 있다. 그리고, 다시 1987년에, Gutbrod 등은, 우반구가 손상된 환자들은 공간 작업을 제대로 수행하지 못한다는 것을 보여주었다.
또한, 19세기 초에, 언어 장애 실어증은 일반적으로 브로카 영역(Broca area), 베르니케 영역(Wernicke area), 및 이들 사이의 신경 경로와 같은 뇌의 전두엽, 측두엽, 및 두정엽의 언어 관련 영역의 병변으로부터 생긴다는 것이 발견되었다. 이들은, 통상 오른손잡이 사람들의 좌반구에 위치해 있는 모든 영역들이다. 서양 언어로 나타내는 경우에, 우리가 좌뇌 또는 우뇌를 지칭할 때, 우리는 묵시적으로 오른손잡이 사람들에게서 전형적인 것을 지칭한다.
분석적 및 종합적 사고의 편측화
좌뇌 피질은 인지(perception)와 인식(cognition)에 대한 분석적 접근법을 채택하는 반면, 우뇌 피질은 정보를 전체적 및 종합적으로 이해한다. 1962년에, Hacaen 등은, 좌뇌 손상 환자는 복잡한 도면을 베끼고 기억하는데 있어서 세부 오류를 만들 수 있지만, 손상되지 않은 우반구는 도면의 전반적 구성을 이해하는데 있어서 능숙했다는 것을 관찰했다. 대조적으로, 우반구 손상 환자는 단편적인 전략의 베끼고 기억하는 것을 시도하지만, 좌반구는 의미있는 전체 내에서 세부사항들을 통합할 수 없었다. 마찬가지로, 1969년에, Bogen 및 Bogen은, 고립된 좌뇌는 기하학적 디자인의 전체 구성을 인지하는데 있어서 제 기능을 못하고, 패턴들을 개별 부분들로 분석하려고 시도한다는 것을 보여주었다. 그 다음 20년에 걸친 다수의 연구는, 전체적 및 분석적 인지에서의 이들 차등적 반구 스킬은 정규모 집단까지 확장된다는 것을 보여주었다 (Allen 1983; Kinsbourne 1978).
1996년에, Deglin 등은, 우반구는 삼단 논법을 해결하는데 있어서 문제가 있는데, 이것은 삼단 논법은 논리적 추론을 요구하기 때문이다. 우반구의 처리는 거의 전체론적이며 직관적이다. Bowers 등은, 직관은 활성화 확산의 전체론적 메커니즘에 의존하기 때문에, 하나가 다른 하나를 자동으로 뒤따른다는 것을 보여주었다(1990).
상기 사항은 또한 좌뇌와 우뇌의 연결성 또는 아키텍처에서 반영된다: 좌뇌는 모듈식 아키텍처를 보여주는 반면, 우뇌는 분산된 아키텍쳐를 보여준다. 이것은 Semmens에 의해 1968년에 처음 제안되었고, 그 이후에, 그는 국소 좌뇌 병변은 특정한 결핍을 생성하지만, 국소 우뇌 병변은 그렇지 않다는 점에 주목했다. 1987년에, Kosslyn에 의한 시험은, 좌뇌에 대한 인지의 이산적 또는 범주적 형태 대(versus) 우반구에 대한 정보 표현의 연속적 또는 메트릭 형태를 제안했다. 1991년에, Robertson과 Lamb은, 좌측두 병변은 국지적 지각 정보의 인식을 손상시키는 반면, 우측두 병변은 전체적 지각 정보의 인식을 손상시킨다는 것을 발견하였다.
수렴적 및 발산적 사고의 편측화
좌뇌 피질은 수렴적 사고에 전문화되어 있고, 우뇌 피질은 발산적 사고에 전문화되어 있다. 분석적 사고는 수렴적인 반면, 전체론적 또는 종합적 사고는 발산적이다. 사실상, 언어와 논리 모두는 수렴적 사고로부터 생긴다: 언어는 언어 객체에 대한 다수의 시각적 및/또는 청각적 인상을 수렴한다. 논리는 결정론적 관계에 대한 현상과 그들의 상호작용을 수렴하므로, 모순이나 역설의 여지가 없다.
수렴적 사고와 발산적 사고 사이의 차이는 또한, 각각 직렬 및 병렬 처리 사이의 차이와 관련되어 있다. 텍스트 읽기는, 예를 들어, 단어들의 잇따른 직렬적 처리를 요구한다. 반면에 공간 인식은, 하나의 포괄적 전체 이미지로 종합적으로 결합되는, 시각적 자극의 병렬 처리를 필요로 한다.
따라서, 정면 좌측의 뇌 영역은 논리의 수렴적 사고를 지시하고 조직하는데 전문화되어 있는 반면, 우측의 뇌 영역은 발산적 사고를 생성한다. 수 개의 연구들이 이것을 지지한다. 직렬 및 병렬 처리의 편측화는, 예를 들어, 좌뇌 피질은 단봉 감각과 운동 영역을 위해 전문화되어 있는 반면, 우뇌는 2감각 통합 연관(cross-modal association) 영역을 위해 전문화되어 있다(Goldberg와 Costa, 1981)는 사실에 의해 지지된다. 2000년에, Razoumnikova는, 발산적 사고를, 양쪽 반구의 중추신경-측두엽 영역의 증가된 기능적 연결성, 뿐만 아니라 우반구의 전두엽 피질 영역과의 더 큰 동측 연결성에 관련시켰다. 2003년에, Faust 등은, 좌반구는 모호한 타겟 단어의 지배적인 의미에 수렴하는 의미상 수렴적 프라임(prime)으로부터 가장 큰 혜택을 보는 반면, 우반구는 모호한 타겟 단어의 대안적 의미에서 발산하는 의미상 혼합된 또는 발산적 프라임으로부터 가장 큰 혜택을 본다고 언급했다.
신경 전달 물질 쌍에 의한 편측화된 사고의 설명
편측화된 신경 전달 물질 쌍 도파민-아세틸콜린과 노르에피네프린-세로토닌은 편측화된 사고를 설명한다. 반면, 노르에피네프린과 세로토닌은 뇌에 우측 편측화되어 있는 반면, 도파민과 아세틸콜린은 좌측 편측화되어 있다(Tucker와 Williamson, 1984; Arato 등, 1991; Wittling, 1995). 세로토닌은, 특히 노르아드레날린(즉, 노르에피네프린 함유), 우반구-지배적 각성 시스템의, 대뇌 신경세포의 각성과 활동을 줄이는 억제성 신경 전달 물질로서 작용하는 것으로 일반적으로 생각된다(Tucker와 Williamson, 1984). 유사한 프로세스가 좌반구에서 발생하는데, 여기서, 도파민은 콜린성 중간뉴런으로부터의 자극-유발되는 아세틸콜린 방출을 억제한다(Stoof 등. 1992).
1999년에, Hoebel 등은, 도파민은 행동을 강화하는 반면, 아세틸 콜린이 행동을 중지시킨다고 제안했다. 도파민에 의한 강화는 억제를 통해 작용하므로, 부정적 피드포워드이다. 아세틸 콜린에 의한 피드백은 흥분성이므로 긍정적 피드백이다.
덜 중요한 뉴런의 억제에 의한 이러한 부정적 피드포워드는, 좌뇌 사고의 경우에 전형적인, 노이즈 데이터로부터 본질로의 수렴이라는 제안된 메커니즘을 형성한다. 덜 중요한 뉴런의 억제는, 오프 스위치 타입의 억제에서와 같이, 절대적이지는 않지만, 점진적이기 때문에, 아세틸콜린에 의한 긍정적 피드백은 억제 수준을 제어하는데 필요하다.
사실상, 수렴성 좌반구에서, 주요 피드포워드 메신저는, 우리가 움직임을 제어하고 집중하는 것을 돕는 것으로 알려진 신경 전달 물질인 도파민이다. 제어 및 집중 양쪽 모두는 억제를 요구한다. 자신의 움직임을 제어하기 위해, 다른 비-의도적 움직임이 억제될 필요가 있다. 그리고 집중을 위해, 나머지는 관심을 받지 않아야 한다. 아세틸콜린의 흥분성 피드백과 결합된, 도파민의 피드포워드 억제는 수렴적 사고의 기저 메커니즘으로 제안된다. 좌측 전두엽 피질은, 개관 대신 경험의 분석적으로 감소된 본질에 관심을 주기 위해 전체적 관심을 줄인다.
노르에피네프린과 세로토닌의 상호작용에 기초한 발산적, 전체론적, 종합적 사고에 대해 역 메커니즘이 제안된다. 노르에피네프린은 이 메커니즘에서 각성을 증가시키는 긍정적 피드포워드 메신저로서 작용하여, 더 넓은 부분의 뇌를 활성화하고, 그에 따라 우리가 전체의 또는 큰 그림을 볼 수 있게 허용한다. 세로토닌은 각성 수준이나 신경세포 활성화 빈도를 통제하기 위해 부정적 피드백으로서 각성을 다시 한번 줄인다.
주체와 객체에서 편측화된 사고
좌뇌는 객체들을 생각하고, 우뇌는 주체들을 생각한다. 1997년에, 신경학자 Gazzaniga는 과일로 만든 얼굴 그림에 관련된 실험을 설명했다. 그 그림들은, 전체의 이미지에서 인간의 얼굴을 쉽게 인식할 수 있는 방식으로 그려졌다. 동시에, 개개의 과일 품목도 역시 쉽게 인식할 수 있었다. 그 이미지는 분리 뇌 환자의 좌측 시계에 제시되었고, 그에 따라 그의 우뇌 반구에 의해 처리되었을 때, 그 환자는 사람의 얼굴을 인식하였다. 그 이미지가 좌뇌 피질과 연결된 우측 시야에 제시되었을 때, 환자는 개개 과일 품목을 인식하고 이름을 열거했다.
Gazzaniga의 실험의 결과는 이전 연구와도 일치하며, 얼굴 인식에서 우반구의 중요성을 드러내고 있다. 1969년에, Benton과 Van Allen은 우반구 병변을 가진 환자는 익숙하지 않은 얼굴 인식을 상당히 엉망으로 수행한다는 것을 보였다. 나중에, 비슷한 결과가 정상 피시험자에게서 발견되었다: Droste 등은, 정상 피시험자의 얼굴 인식 작업 동안 좌측 중대 뇌동맥(LMCA)보다 우측 중대 뇌동맥(RMCA)에서 큰 변화를 관찰했다(1989). 1993년에, Gur 등은, 얼굴 인식 상태하에서 우측 중간측두엽에서 증가된 대뇌 혈류량을 측정하였다. 그리고, 1997년에, Kanwisher 등은, 방추형 얼굴 영역(FFA; fusiform face area)은 좌반구보다 우반구에서 훨씬 더 강력하다는 것을 보여주었다.
1992년에, Kosslyn 등은, 좌반구는 범주적 공간 관계 처리에 더 능숙한 반면, 우반구는 좌표 공간 관계의 처리에 더 효율적이라고 제안했다. 다른 연구자들은 좌반구가 위상학적 인지에서 우반구보다 우월하다는 것을 발견하였다(Wang 등, 2007).
상기 사항은, 주체 및 객체의 사고는 우리의 두뇌에서 편측화되어 있다는 우리의 논제를 지지한다. 객체는 분석적 논리적 언어적 형태인 반면, 주체는 우리 자신의 두뇌의 표현의 종합적, 전체론적 이미지이다.
긍정적 및 부정적 감정
사람들은 감정을 감성적으로 평가하므로, 감정(emotions)과 감정적 유의성(emotional valence)의 더 객관적 정의가 필요하다. 단어 '감정(emotion)'은 라틴어 'Ex'와 'Movere'에서 파생되며, 문자 그대로는 'moving out(밖으로 나감)'을 의미한다. 또는, 다른 말로, 감정은 사람들을 몰아가거나 움직이게 하는 힘이다. 인간의 감정은, 감정이 긍정적 또는 부정적으로 평가되는지에 따라, 긍정적 유의성(positive valence) 및/또는 부정적 유의성(negative valence)을 가질 수 있다. 평가는 뇌 자체에 의해 이루어지므로 주관적이다. 평가는 적어도 부분적으로 감정적 프로세스이다.
감정과 평가의 상호 의존성을 명확히 하고 주관적 평가를 객관화하기 위해, 우리는 하기와 같은 긍정적 및 부정적 감정의 정의를 제안한다. 긍정적 감정은 사람을 또 다른 상태로 유인하거나 놓이게 하는 정신적 성향이다. 부정적 감정은 개인의 상태 변화에 주저하게 하거나 반대하게 하는 정신적 성향이다.
2가적 감정적 유의성
감정은 양극성(bipolar)이라기보다 2가적(bivalent)이다. 몇몇 연구는 감정이 양극성이라기 보다는 2가적임을 보여주었다(Diener와 Emmons, 1985; Watson과 Tellegen, 1988; Cacioppo와 Berntson, 1994; Lewis 등. 2006).
긍정적 및 부정적 감정들의 상기 정의에 기초하고 그들의 독립성 또는 수학적 직교성을 고려하여, 감정들은, 긍정적인 감정과 부정적인 감정이 부정적으로 상관되는 1차원이 아니라 2개의 직교하는 차원에서 모델링될 수 있다.
따라서, 긍정적 및 부정적인 감정들은 수학적 감정 공간에서 2개의 독립적인 또는 직교하는 기본 벡터로서 표현될 수 있고, 이것은 임의의 감정을 2차원 도메인에서 표현되는 긍정적 감정 성분과 부정적 감정 성분으로의 분해를 허용하며, 여기서, 감정은, 도 1c에 도시된 바와 같이, 벡터들, 좌표들 또는 복소수의 실수부 및 허수부로서 표현될 수 있다.
감정적 유의성의 변연계 편측화
변연계(limbic system)에서, 긍정적 감정적 유의성(positive emotional valence)은 우측으로 편측화되고, 부정적 감정적 유의성은 좌측으로 편측화되어 있다. 좌반구의 감정에 대한 피질 기질(subcortical substrate)은 부정적인 편향을 가지는 반면, 우반구는 긍정적 편향을 가진다(Tucker, 1981; Tucker 등. 1995). Wager 등(2003)에 의한 연구 역시, 변연계에서의 부정적 감정-관련된 활동의 좌-편측화를 확인하고 있다. 이러한 생리학적 토폴로지는, 긍정적 및 부정적 유의성의 기본 감정들의 주로 독립적인 생리학적 구성의 개념을 지원한다.
감정의 모델링
자연스런 공포와 욕망 요소로의 감정의 분해
대문자 'F'를 갖는 공포(Fear)는, 단순히 공포 뿐만 아니라, 일반적인 부정적인 유의성의 기본 감정(general negatively valenced basic emotion)으로서 정의된다. 비슷한 욕구(Desire)는 일반적인 긍정적 유의성의 기본 감정이다. 대안적인 명칭부여도 가능하지만, 이러한 명칭부여는 보다 추상적인 수학의 직관적 이해를 허용한다.
이러한 2차원 공포-욕구 도메인에서 기분을 표현하는 것은, 모든 특정 기분을, 직관적으로 공포로서 이해되는 자연적 공포 성분과, 직관적으로 욕구로서 이해되는 자연적 욕구 성분으로 수학적으로 분해하는 것을 허용한다. 직교 벡터 기반
Figure pct00001
여기서,
Figure pct00002
와
Figure pct00003
에서의 투사에 의한 기본 감정들로의 이러한 분해는 다음과 같이 수학적으로 표현된다:
Figure pct00004
이 수학식에서,
Figure pct00005
는 크기
Figure pct00006
와 방향
Figure pct00007
를 갖는 벡터이다(도 3 참조). 복소수 표기를 이용하여, 욕구 부분은 복소 감정 z의 실수부이고, 공포는 그 허수부이다.
Figure pct00008
d와 f는 특정 감정의 (d, f)로서 표현되는 욕구와 공포 좌표이다. 이들은 감정
Figure pct00009
를 공포와 욕구의 직교 기반으로의 투사에 기인하는 것으로, 복소 평면의 양의 4분면에 표현될 수 있다.
자연 로그 스케일(natural logarithmic scale)
감정 상태들은 로그 스케일로 가장 자연스럽게 표현된다. 이것은, 예를 들어, 청각적 및 시각적 자극의 인간 인지가 어떻게 특징화되는지, 즉, Weber-Fechner 법칙이라고 표현되는, 물리적 현상으로부터 두뇌 표현으로의 로그 전송과도 일치한다. 경험과 인식 양쪽 모두에 적용되는 이 법칙은, 자극의 물리적 크기와 그들의 인지된 강도 사이의 관계는 로그적이라고 말한다.
예를 들어, 우리의 청각에 적용될 때, 이것은, 동일한 비율의 빈도는 동일한 피치(pitch) 차이로서 인지된다는 것을 의미한다. 감정에 대해, 이것은, 예를 들어, 두 경우 모두에서 각성의 절대차가 동일하더라도, 낮은 공포와 적당한 공포 사이의 차이가 높은 공포와 매우 높은 공포 사이보다 더 큰 것 같다는 것을 의미한다.
대뇌 피질 반영(cortical reflection)을 통한 감정 업데이트
기분은, 감정들을 대뇌 피질에 반영하여 반복적으로 업데이트함으로써 나타난다. 기분은 뇌의 더 깊은 레벨: 변연계와 뇌간에서 나온다. 특히 변연계 뇌에 위치한 편도체는 중요한 역할을 한다: 편도체는 대뇌 피질의 감각 정보를 감정과 결합하여 해마(hippocampus)가 우리의 장기적 기억을 생성하는 것을 허용한다.
감정은 또한, 전두엽 피질(frontal cortex)에게, 감정적으로 연관된 대뇌 피질 표현을 생각하거나 반영하도록 지시한다. 이 감정적 피드포워드는 안와 전두피질(orbitofrontal cortex)에서 시작하고, 따라서 이것은 변연계의 신피질 표현(neocortical representation)으로서 기술된다(Nauta, 1971). 그 다음, 전두엽 피질의 다른 부분들은 감정적으로 연관된 표현을 생각할 것을 추가로 지시하여(Tucker 등. 1995; Davidson 등. 2000), 관심(attention)을 생성한다.
피질은 감정적으로 관련된 정보를 생각해 보고 문자 그대로 그것을 반영, 즉, 처리된 정보를 변연계에 다시 전송하는데, 그곳에서 감정적 유의성이 후속적으로 변경될 수 있다. 이 메커니즘은, 감정적 피질 변연 피드포워드-피드백 루프를 형성한다. 따라서 감정은 반복적으로 반영되고 업데이트된다. 이러한 반복적 프로세스는 어떤 기분으로 수렴할 수 있는데, 여기서, 기분은, 소정 기간에 걸쳐, 더욱 의식적으로 인식되고 더욱 안정적인 기분으로서 정의된다.
기분은 감정의 자각(awareness)을 의미하는 감정적 의식(emotional consciousness)으로서 경험된다. 따라서, 우리는 의식의 기저 메커니즘을 더 조사할 필요가 있다.
의식(Consciousness)
의식은 신경망의 반복적 활성화로부터 생긴다. 상이한 유형의 의식과 연관된 의식의 많은 정의가 존재한다. 여기서, 우리는 이들 중 3개를 구분하고자 한다. 제1 유형의 의식은 뇌간의 활동과 생리학적으로 연계되어 있다. 이것은, 자각하고 있다(being awake)는 적나라한 사실을 말한다(Moruzzi와 Magoun, 1949).
더 높은 수준에서, 우리는 현상적 의식(phenomenal consciousness)이라 불리는 제2 유형과 인식적 의식(cognitive consciousness)이라 불리는 제3 유형을 구분한다. 현상적 의식은, 인식적 관심(cognitive attention)에 의해 의식적으로 접근되지 않고도, 감정이나 표현을 자각하고 있다는 것과 같은, 현상의 경험이다(Block, 1996). 현상적 의식에서, 사람은, "잠재의식적 기분이 나를 말렸다"라는 문장에서 표현되는 바와 같이, 잠재의식적 표현과 그들의 연관된 감정을 의식할 수 있다.
제3 유형의 의식은 인식적 자각(cognitive awareness)을 포함한다. 문장 "물론 나는 그것을 알았고, 나는 꼭 그것을 생각한 것은 아니다"는, 그것을 생각함으로써 의식하게 된 잠재의식적 지식의 존재를 표현한다. 그것을 생각한다는 것은, 그것에 인식적 관심을 준다는 것을 의미한다. 인식은 전두엽 피질의 기능이기 때문에(Bianchi, 1922; Kraeplin, 1950; Luria, 1969), 전두엽 피질의 관여는 이러한 유형의 의식에 대한 전제조건이다.
우리의 현상의 의식은, 우리의 전두엽 피질이 그 현상을 작업 기억(working memory)에 유지함으로써 그 현상에 주목할 때 인식하게 된다. 인식적 의식은 현재의 순간 직전의 순간에 경험된 현상을 기억하는 것으로부터 나온다. 이 기억은, 장기적 기억의 일부가 아니라, 때때로 작업 기억이라는 불리는 단기 기억이다. 작업 기억, 또는 작업 관심(working attention)은, 복수의 피질 영역에 위치할 수 있는 신경망의 반복적 활성화를 포함한다.
좌측 전두엽 피질이 더 우세하게 관여하는지 또는 우측 전두엽 피질이 더 우세하게 관여하는지에 따라, 우리는 인식적 의식이 더 언어 기반인지 더 직관적인 것인지를 우리는 추측한다. 이것은 작업 기억의 Baddeley 모델에 의해 지지되는데, 여기서, 2개의 단기 기억 메커니즘: 음운 루프(phonological loop)와 시각공간 스케치패드(visuospatial sketchpad)가 존재한다(1974).
인식적 의식과 유사하게, 현상적 의식도 역시 신경망의 반복적 활성화에 의해 생성된다. 그러나 인식적 의식과는 달리, 현상적 의식은 전두엽 피질에 의해 지시되지 않고, 측두엽에 의해 지시된다(Milner와 Goodale, 1995 및 Lamme, 2006).
우리의 생리학적 기분 모델의 예시
개시된 생리학적 기분 모델은 시각적 인지의 구체적인 예에 의해 최상으로 예시된다. 시각적 자극이 눈에 도달하면, 피드포워드는 후두엽의 일차 시각 피질에 론칭된다. 자극으로부터 신경 패턴으로의 추상화는, 후두, 정수리, 측두엽 피질에서 이루어진다. 좌측 측두엽에서는 객관적 범주가 인식되는 반면, 우측 측두엽은 주체(subject)를 인식한다.
경험된 현상은, 후두 피질로부터 도출된 자극의 시간적 피질 표현과 감정적 유의성의 피질 변연 연관으로부터 나온다. 피질 변연 뇌에서, 감정은 편도체와 해마에 의한 현상의 피질 표현과 연관되어, 자극이 사라진 후에도, 그 연관은 남아 있게 된다.
현상과 연관된 감정은, 전-전두엽 피질(pre-frontal cortex)로 들어가는 변연 뇌의 안와 전두피질을 통해 피드 포워드된다. 관심(attention)과 전-전두엽 피질의 작업 기억은, 변연 뇌로부터 수신된 감정 입력에 기초하여 인식 처리를 지시한다. 좌측 전-전두엽 피질은 객관적, 수렴적, 언어 기반의 인식적 의식을 지시하는 반면, 우측 전-전두엽 피질은 주관적, 발산적, 전체론적 가상적 의식을 야기한다. 앞에서 설명된 바와 같이 좌측 및 우측 인식적 의식은, 긍정적 및 부정적 피드포워드 및 피드백을 통해 뇌의 다른 영역을 요청한다.
피질의 표현과 그 연관된 감정은, 새로운 자극이 경험될 때마다 업데이트된다. 이들 새로운 자극은 취해진 행위에 의해 야기되는 변화된 물리적 현상으로부터 생길 수 있다. 그러나, 변화하는 물리적 현상은 또한 취해진 행위와는 독립적일 수도 있는데, 이것은, 더 논의되는 바와 같이, 감정은 새로운 자극이 제시될 때 뿐만 아니라, 단순히 감정적 표현에 대해 숙고하는 때에도 업데이트되기 때문이다.
감정적 의식은 전-전두엽 피질의 관심 하에 있을 때에는 인식적 의식의 일부이지만, 감정적 의식은 또한, 현상과 연관된 감각 입력이 활성이거나 현상이 기억되거나 주목될 때에는 현상적 인식의 일부이기도 하다.
통상, 우측 전-전두엽 피질의 발산적 주관적 사고적 관심은, 감정 강도의 증가로 이어지고, 그 감정에는 각성이 연관된다. 유사하게, 좌측 전-전두엽 피질의 객관적 수렴적 사고적 관심은 감정 강도의 감소로 이어진다.
전두엽 피질의 인식적 의식에 집중한다. 관심을 얻는 현상의 양은 제한된다. 그러나, 복수의 감정이 병렬로 존재할 수 있으며, 이것은 왜 우리가 혼합된 감정을 가질 수 있는지를 설명한다.
다른 감정들은 감정적 의식의 일부가 될 수 있지만, 즉, 다른 반복적으로 활성화되는 신경망은 변연계에서 동시에 활성화될 수 있지만, 항상 하나가 지배적으로 존재한다. 따라서, 안와 전두피질의 피드포워드 메커니즘은 이 지배적 감정과 연관된 피질 표현에 대한 전두엽 피질의 관심을 촉구할 것이라는 것은 올바른 추측이다. 이 감정-표현 피드포워드 피드백 시스템이 시간 경과후 다소 안정적인 감정에 수렴할 때, 기분이 나온다.
로그 복소 평면(Logarithmic Complex Plain)에서의 감정 표현
감정과 기분은 로그 복소 감정 평면에서 잘 표현된다. 감정과 기분 공간은 복소 평면의 양의 4분면으로서 표현될 수 있으며, 여기서 (1,1)은 개인의 공포와 욕구의 평균 레벨을 나타낸다. 정신 상태의 로그 표현을 사용하여, 이 감정 공간은 전체 복소 평면을 커버하는 기분 공간으로 변환될 수 있고, 여기서, 0은 -∞에 맵핑되고, 1은 제로에 매핑되고, +∞은 +∞에 맵핑되는데, 이것은 exp(-∞)=0이고, exp(0)=1이며, exp(+∞)=+∞이기 때문이다. 따라서, 기분은 도 1d의 복수 대소 기분 평면에 표현될 수 있다.
기분 원반에서의 감정의 표현
감정 도메인을 나타내는 복소 평면은 기분 원반(mood disk) 상에 맵핑될 수 있다. 이 로그 복소 기분 평면을 무한대의 표기를 이용하지 않고 더 컴팩트한 방식으로 표현하기 위해, 우리는 도 1e에 도시된 바와 같이, 기분 원반이라 불리는 통합 원반(unity disk) 상에 기분을 표현한다.
이 원반에 도달하기 위해, 도 1f에 나타낸 바와 같이, 로그 복소 기분 평면은 먼저 역 입체 투사를 이용하여 리만(Riemann) 공간 상으로 맵핑된다. 점 A와 B는 입체 투사를 통해 리만(Riemann) 구면 상으로 S(A) 및 S(B)로서 투사된다.
동일한 홀로그래픽 투사를 이용하여, 도 6에 도시된 바와 같이, 이 복소 평면은 역시 중심 S(∞)를 갖는 리만 반구 상(half Riemann sphere)으로 투사된다. A와 S(A) 뿐만 아니라 B와 S(B)는 각각 HS(A)와 HS(B) 상으로 투사된다. 후속해서, 리만 반구는, 0으로부터 투사, HS(A)를 AMD 상으로 투사, HS(B)를 BMD 상으로 투사에 의해, 리만 반구의 하부로서의 통합 원반으로 투사된다. 결과적인 통합 원반 투사는, 직관적으로 접근하기 어려운 무한대 표기를 나타내지 않고도, 기분 원반 상에서의 기분의 자연스런 표현을 허용한다.
대뇌 피질의 좌우 변환 모델링
복소 평면의 양의 4분면으로부터, 복소 평면 상으로 및 또한 리만 반구 상으로의 투사들과, 기분 원반은 물리적인 시각적 자극에 관해 우리의 눈과 두뇌가 수행하는 투사에 기초한다. 이들 변환으로부터, 대뇌 피질의 우-좌 및 좌-우 변환이 도출된다.
따라서, 시각적 자극의 우측 대뇌 피질 공간 투사 및 이들 공간 표현의 수학적 언어의 후속하는 좌측 대뇌 피질 표현에 대한 더 면밀한 검토가 보장된다.
다시 도 1f를 참조하여, 0은 눈의 중심이고, S(∞)는 눈의 동공이고, 리만 구는 눈의 망막이라고 하자. 망막의 표면 상의 S(∞)는, 도 1f의 복소 평면으로서 그 자체에 병행하여 해석되는 눈의 초점면에서 물리적 실체를 볼 때, 사실상 ∞에 놓여 있는 물리적 지점의 투사점이다. 그리고, S(0)은, 리만 반구로서 표현된 한 눈의 초점면의 정적 영상이 되는, 중심이 0인 복소 평면으로서 표현되는 초점면의 중심의 투사점이다. 수학적 지점 0과 인간의 눈의 생리학적 지점들에 대한 이러한 맵핑이 도 1g에 도시되어 있다. ∞ 상의 0의 맵핑과 0 상의 ∞의 맵핑은 복소 함수 1/z에 의해 이루어져, 복소 평면을 그 자체에 투사한다.
입체 투사는, 망막 상의 소정 입사각 알파와 베타에서의 광의 물리적 투사이다. 공간 표현의 전체 이미지는 우측 전두엽 피질의 지시하에 생성된다. 눈 외부의 공간을 이미징하기 위해서는, 동공을 통한 빛의 투사는 가상적으로 역전, 즉, 인간 육안의 물리적 투사가 반전되고, 수학적으로는 리만 반구를 야기한다. 따라서, 한쪽 눈의 시각적 자극의 이렇게 반전된 우뇌 피질의 전체 정적 이미지는 2차원, 즉, 망막 표현의 2차원을 가진다.
상이한 각도에 본 정적 이미지들이 결합될 때, 3차원 시야가 발생한다. 그 특징적 변환은 간단한 삼각 함수를 기반으로 하지만, 여기서는 관련없다. 논리는 좌뇌 피질 추론이 선형적으로 되게 한다. 현상의 한 양태를 보면, 언어와 같은 범주는 전체 이미지에 투사되어, 차원을 야기한다. 공간적 우뇌 피질 표현의 전체 공간은 하나의 차원에 투사된다. 비모순 법칙을 시행함으로써 전체 이미지의 이러한 선형적 감소에서만 부정이 가능하게 된다. 좌측 전두엽 피질은 논리적으로 1차원으로 사고하고 첫 번째 투사 후에 남은 공간에서의 그 특징적 언어 투사 감소를 반복함으로써, 더 선형적으로 독립된 차원이 투사되어, 선, 면, 및 큐브와 같은 다차원 좌측 피질 사고를 야기한다.
따라서, 복소 평면은 좌뇌 투사이고 리만 반구는 우뇌 투사이다. 더 구체적으로, 복소 평면은 우측 전-전두엽 피질의 지시 하에 생성된 공간 표현의 좌측 전-전두엽 뇌의 표현이다.
입체 투사는, 복소 변환 f(z) = 1/z로서 알려져 있고, 좌측 피질 표현과 우측 피질 표현 사이의 변환이다. 이 함수의 역은 함수 그 자신으로서, 이것은 좌에서 우로의 변환은 우에서 좌로의 변환과 동일, 즉, f(f(z)) = 1/(1/z) = z이므로 둘 다 f(z) = 1/z임을 의미한다.
따라서, 1/z 투사는, 직관적으로 더 접근가능한 우뇌 이미지로의, 좌뇌의 사고 분석의 변환을 허용한다. 따라서, 이 1/z 입체 투사는, 감정 원반의 보다 직관적으로 접근가능한 도메인에서의 감정 벡터의 수학적 분해의 결과를 표현하기 위해 적용되었다.
기분 정사각형에서의 감정의 표현
마지막으로, 감정과 기분은, 자연스럽게, 직관적으로 및 수학적으로 용이하게 감정 또는 기분 정사각형 상에 표현될 수 있다. 선형적 좌뇌 의식은, 감정 원반의 비-유클리드 메트릭을 해석하는데 있어서 어려움이 있다. 그리고 직선이 비선형으로 표현되는 경우 쉽게 혼란이 발생한다.
기분 원반에서, 직선은 감정 원반의 반경을 제외하고는 원으로 표현되고 임의의 주어진 점을 통해 원으로서 표현되는 무한대 양의 평행선들이 기분 원반에 그려질 수 있으며, 이것은 메트릭이 비-유클리드임을 의미한다.
기분 원반은 입체 투사에 의해 도입되는 왜곡으로 인해 판독하기에 분석적으로 어려우므로, 우리는 이것을 좌측 의식에 더욱 접근가능한 더 간단하고 직접적인 방식으로 표현할 수 있다. 우리는, 체비셰프 메트릭의 통합 원반을, 도 1h에 나타낸 통합 정사각형으로 표현함으로써 이것을 달성한다.
이 감정과 기분 통합 정사각형은, 우뇌 및 좌뇌의 의식에 대해, 그에 따라 감정을 표현하기 위한 선호되는 영역 및 사실상 임의의 2차원 현상에 대해 용이하게 액세스가능하다.
용어 저(Low) 및 고(High)가 축에 부기되어 우측 의식에 더욱 접근가능하게 하는데, 이것은 -1과 0의 좌측 표시는 혼란스러울 수 있고, -1은 최저 강도를 의미하지 부정적 감정을 의미하는 것은 아니며, 0은 제로 강도가 아니라 평균 강도를 의미하기 때문이다. 감정 강도가 0에서 무한대 범위일 때, 정사각형 범위 내의 실제 좌표들은 -1과 1 사이의 범위에 있다. 복소 평면의 양의 4분면 내의 (d, f) 좌표로부터 이들 (D, F) 를 도출하기 위해, 대수적, 입체적, 체비셰프 계산이 실행되어야 한다.
기분 변화 모델링
앞서 설명된 바와 같이, 우리의 두뇌는, 피질 표현을 통한 반영에 의해 감정을 반복적으로 업데이트함으로써 감정에 대처한다. 이 메커니즘은, 성공적으로 이용될 때, 우리에게 부정적 감정을 줄이거나 긍정적 감정을 증가시키는 것을 허용한다.
스트레스 대처
스트레스에 대처하는 가장 좋은 방법은, 객관적 현실에서 발생하는 두려운 변화를 반대하는 것이다. 성공적인 스트레스 대처 전략은 통상, 논리와 수렴적 좌측 피질 사고를 이용하여, 부정적 감정 저변의 현실 변화에 대한 적극적 반대에 의해 부정적 감정을 줄인다. 예를 들어, 비행기 추락에 대한 공포는, 그 공포를 피하고 추가 사고를 방지하는 객관적인 공식 절차에 이르게 한다. 스트레스에 성공적으로 대처하는 것은, 공포를 허용가능하거나 견딜 수 있는 수준으로 줄이는 좌뇌의 객관적인 노동을 통해 이루어진다. 연구는, 좌반구의 반응이 사실상 스트레스 감소와 회복 촉진에 전문화되어 있다는 것을 보여준다(Wittling, 2001).
공포 회피로서의 성공적인 스트레스 대처는, 좌측 전-전두엽 피질의 지시 하에 객관적, 분석적, 수렴적 사고가 공포와 연관된 현상 표현에 주목할 때 발생한다.
반대로 우반구는 스트레스 반응과 외부 환경의 극심한 요구를 마스터링하는 것에 전문화되어 있다(Wittling, 2001). 그 결과, 우반구는, 예를 들어, 통상 스트레스 예상 동안에 활성적이다(Davidson, 2000). 이 경우, 우반구는, 해결을 위한 욕구 외에, 부정적 감정을 탈출할 경로를 탐색한다. 통상적인 후속된 집중은 좌반구의 지시하에 발생한다.
욕구 양성
긍정적 감정들은 스트레스에 대처하지 않지만, 이들이 동기부여 수준에 도달할 때까지 적극적으로 양성된다. 욕구를 양성하는 최상의 방법은 사람에게 종속되는 것에 의한 것이다.
우측 피질은, 사람으로서의 주체를 감정에 투사할 뿐만 아니라 감정에 종속된다. 성공적인 욕구 양성은, 우측 전-전두엽 피질의 지시 하에 주관적, 전체론적, 발산적 사고가 욕구와 연관된 현상 표현에 주목할 때 발생한다.
욕구는 반드시 사람에 대해서만 느껴지는 것이 아니라, 객체에 대해서도 느껴질 수 있다고 말할 수 있다. 그러나, 물질 객체에 대한 욕구는 흔히 이들 객체의 손실에 대한 공포 또는 또 다른 사람처럼 되고자 하는 욕구라는 점에 대해 아마도 우리와 동의할 것이다.
피질 오용은 실패로 이어짐
우측 피질이 부정적 감정을 주관적으로 발산하는데 이용될 때 또는 좌측 피질이 긍정적 감정을 객관적으로 수렴하는데 이용될 때, 피질은 성공적이지 못하게 이용되고, 그에 따라 오용된다.
성공적이지 못한 스트레스 대처 전략은, 통상 주관적 전체론적 우측 피질 사고를 이용하여, 부정적 감정에 놓임으로써 부정적인 감정을 통상 증가시킨다. 분노는 부정적 감정에 대한 이러한 성공적이지 못한 굴복이며, 이는 주체, 즉, 나쁘거나 악한 사람으로 특징지워진 사람에 투사된다. 예를 들어, 사고 발생 후 사람을 린치하는 것은 공포를 피하지 않고 추가 사고를 방지하지도 않는다. 분노의 부정적 감정의 표출은 부정적인 감정을 줄이지 않으며 공포의 원인에 불복하는 객관적인 조치로 이어지지 않는다. 또한, 이것은 건강한 것도 아니다. 성질을 부리는 사람은 감정을 조절하는 사람보다 심장 마비로 죽을 가능성이 19 퍼센트 더 많은 것으로 나타난다(Chida와 Steptoe, 2009).
성공적이지 못한 욕구 양성은, 객관적인 좌측 피질 사고가 지배적일 때 발생한다. 예를 들어, 순수하게 논리적인 분석에 기초한, 잠재적 파트너에 대한 바람직하다는 긍정적 평가가 그 사람에 대한 진정한 사랑을 야기하지는 않는다.
피질 변환 행렬
지배적인 감정 쌍의 피질 변환은 2x2의 행렬로 모델링될 수 있다. 기분과 그에 따른 감정의 변화는 자신의 몸이나 환경으로부터의, 또는 감정을 변화시키는 다른 뇌 부위와의 상호작용으로부터의 새로운 감각 입력의 결과이다. 새로운 감정적 입력이 없을 경우, 감정은 주로 전-전두엽 피질의 지시하의 피질 반영에 의해 변경된다.
이 간단한 경우에, 대뇌 피질의 변환은 좌측 피질 및 우측 피질의 반영을 통한 주도적인 긍정적 및 부정적 감정 성분 (d, f)의 변환을 기술하는 2×2 행렬로 모델링될 수 있고, 여기서 (d, f)는, 감정 원반이나 정사각형으로의 변환 이전의, 도 4의 좌측의 복소 감정 평면의 양의 4분면에서의 감정 좌표이다.
Figure pct00010
이 공식에서, d t+1과 f t+1은 반영 직후의 주도적인 기본 감정인 반면, d t 와 f t 는 반영 직전의 동일한 주도적 기본 감정이다. RC d 와 LC d 는, 각각, 반영 동안의, 욕구 성분에 관한 우측 피질의 (1보다 큰) 증폭 계수와, 좌측 피질의 (1보다 작은) 감소 계수이다. 유사하게, RC f 와 LC f 는 각각, 반영 동안의, 공포 성분에 관한 우측 피질의 증폭 계수와, 좌측 피질의 감소 계수이다.
RC d , LC f , RC f 및 LC d 의 실제 값은, 더 논의되는 바와 같이, 시작 조건과, 하나의 반복이 얼마나 효과적이고 효율적인지(또는 빠른지)에 따라 달라진다. 객체 표현이 욕구 증가에 효과적이지 않은 것처럼, 주체 표현은 공포를 줄이는데 효과적이지 않다. 그리고 모든 객체 및 주체 표현이 욕구 증가와 공포 감소에 동등하게 효과적인 것은 아니다.
성공적인 감정 처리에서, RC d 는 일반적으로 클 것이고, LC f 는 작을 것이며, RC f 및 LC d 는 0에 가까울 것이다. 바로 이 경우에, 긍정적 감정은 강도가 증가하고, 부정적 감정은 강도가 감소할 것이다. 수학식은 다음과 같이 간략화될 수 있다 :
Figure pct00011
기분이 안정되면, RC d 와 LC f 은 1에 수렴한다. 감정 원반 또는 정사각형의 축에 사용되는 d와 f값은 양쪽 모두, 기분 원반이나 정사각형으로의 변환 이후에 로그 스케일로 표현되는, 불안정하거나 안정된 (dt+1, ft+1) 값들이다. 기분은 결코 완전하게 안정될 수 없으며, 과도기적 행동이 지속될 수 있다. 중요한 과도기적 경우는, 반영 동안에 새로운 감정 입력으로 인해 변연계에서 새로운 지배적 감정이 출현하는 경우이다.
피질 활동 축
성공적이지 못한 과도기적 행동의 부재시에, 부정적 감정은 우측 전두엽 활동과 일치하고, 긍정적 감정은 좌측 전두엽 활동과 일치한다. 앞서 논의된 바와 같이, 인간의 좌반구는 통상 스트레스 감소에 전문화되어 있다. 따라서, 높은 공포는, 공포를 수렴시키려는 좌측 피질에서 혈류 증가와 통상 일치한다. 따라서, 앞서 설명된 감정 수학식을 참조하여, 스트레스가 감소가 성공적이면, LCf는 작고, ft+1은 ft보다 낮다.
유사하게, 비교적 높은 d 성분은 통상 높은 RC d 와 일치한다. 욕구를 양성하기 위해, 우측 피질은 효과적이고 효율적인 RC d 를 실행하여, 우측 피질에서의 혈류를 증가하게 한다.
이러한 통상적인 부정적 감정과 좌측 피질 활동의 일치, 및 긍정적 감정과 우측 피질 활동의 일치에 기초하여, 간략화된 경우에, 도 1h의 기분 정사각형 X/Y 축은 또한 도 1l에 도시된 편측화된 피질 활동의 레벨에 관련되거나 이에 의해 대체될 수 있다. 그러나, 이것은, 다음 절에서 논의되는 바와 같이, 안정된 기분이 성공적이지 못한 과도기적 행동으로부터 생긴 경우에는 적용되지 않는다. 반영 후의 욕구와 공포 성분의 상대적 세기 또는 강도에 따라, 사람들은 도 1j에 도시된 바와 같이, 상이한 기분으로 끝난다.
연구 결과, 편안하다고 느끼는 사람들은 우측 정면 혈류 증가를 보이는 것으로 나타났다 (Johansson 등, 1998). 1999년에, Mayberg 등은, 통상 냉담한 기분의 우울한 사람은 두뇌의 더 깊은 레벨인 주변변연계(paralimbic) 영역에서 비교적 높은 혈류를 가지며, 피질 영역에서는 비교적 낮은 혈류를 갖는다는 것을 발견했다. 치료가 효과적이었던 환자는 이러한 균형의 반전을 보였다: 주변변연계에 대해 혈류가 감소했고, 신피질 영역에 대해 증가했다.
과도기적 행동 모델링
성공적이지 못한 과도기적 행동은 통상, 활성 우측 반구가 공포에 직면하거나, 활성 좌측 반구가 욕구에 직면할 때 발생한다. 새로운 중요한 감정적 입력이 도달하는 순간, RC f 또는 LC d 는 0과는 상이하고 이전의 지배적 기분의 RC d 또는 LC f 와 동일할 수 있다. 피질이 주로 주관적으로 발산하는 욕구에 점령되어 있는 동안, 새로운 부정적인 감정이 시스템에 입력되면, 다음과 같이 된다.
Figure pct00012
피질이 주로 객관적으로 수렴하는 공포에 점령되어 있는 동안, 새로운 긍정적 감정이 시스템에 입력되면,
Figure pct00013
이것은, 앞서 설명된 바와 같이, 피질 오용에 의한 실패를 개시하는 프로세스를 수학적으로 모델링한다.
과도기적 행동 동안의 피질 활동
감정 축은 예방책 없이 피질 활동과 교환될 수 없다. 감정과 기분이 변하고 있을 때, 감정 축은 예방책없이 피질 활동과 교환될 수 없다. 예를 들어, 분노는 대개 분노를 특징으로 하는 부정적 감정을 진정하려는 증가된 좌측 피질 활동으로 일시적으로 이어진다. 그러나, 이것은, 공포가 변화를 유발하게 하는 실제를 변경하기 위한 무엇인가를 객관적으로 할 수 있다고 사람들이 믿는 경우에만 적용된다. 그러나, 2003년에 Harmon Jones가 보여준 바와 같이, 사람들이 화나는 상황을 수습하기 위해 할 수 있는 것이 아무것도 없다고 믿는 경우에, 좌측 전두엽 활동에서 어떠한 증가도 보이지 않아, 그들이 이미 항복했다는 것을 나타냄은 물론, 그들은 여전히 분노하고 있다는 것을 보고한다.
이러한 항복은 심지어 분노 감정을 야기할 수 있다. 부정적 감정이 주관적으로 발산되어 악한 주체에 투사될 때, 종종 좌측 피질은 객관적 문제에 대한 알려진 해결책을 상기해 내지 못한다. 이 경우, 좌측 피질은 우측 피질이 항복하여 공포를 증가시키는 동안 공포를 감소시키는 패턴을 모르거나 기억하지 못하고, 결국 최고 레벨의 공포와 최저 레벨의 욕구로서 공황을 야기한다. 이러한 경우, 분노한 감정 또는 공황의 감정은, 최고 레벨의 우측 피질 활동과 최저 레벨의 좌측 피질 활동을 갖는 과도기적 행동에 의해 야기되었다.
피질 반영으로부터 생기는 감정적 변화
감정 변화는 감각 입력을 필요로하지 않는다. 이들은 또한, 존재하지만 방치된 피질 표현이 주목받을 때 발생할 수 있다. 앞서 논의한 바와 같이, 새로운 감정적으로 연관된 감각 입력이 지배력을 얻고 궁극적으로 우리의 기분을 바꿀 수 있다. 그러나, 우리는 우리의 감정과 기분 변화를 위해 반드시 새로운 입력을 필요로 하는 것은 아니다. 우리의 작업 기억의 관심은, 소정의 피질 표현으로부터, 연관된, 이미 존재하지만 방치된 다른 피질 표현으로 이동할 수 있다. 후자의 대뇌 피질 표현과 연관된 감정 좌표 (d, f)가 우리의 변연계에서 지배력을 얻을 때, 이들은 우리의 감정과 궁극적으로는 우리의 기분을 바꿀 것이다.
특징적 기분 도메인의 명칭부여
도 10에 도시된 기분 도메인의 명칭부여는 배타적이지도 않고 철저하지도 않다. 더 많은 기분 뉘앙스나 대안이 주어질 수 있다. 예를 들어, 기분 분노에 대응하는 (d,f) 좌표는 또한, 부정적 감정이 투사되어진 주체가 그 자신이고 다른 사람이 아닐 때에는, 죄책감이나 자기 혐오의 감정을 야기할 수 있다.
도 1j와 도 1k의 명칭부여는, 개인 성찰, 공감적 이해, 대칭 고려, 어원 및 의미에 기초하여 제안되는데, 예를 들어, 열정과 무관심은 어원적으로 및 의미적으로 서로 반대이기 때문에, 열정(Passion)과 무관심(Apathy)은 대칭적 반대이어야 한다. 또한, 편안함(Relaxed)과 공황(Panic)은 대칭적 반대이다. 통제되고 있는 쾌감은, 개인 성찰과 공감적 이해에 기초한, 지배적인 기분의 덜 강렬한 형태이다.
도 1j와 도 1k에서 이용된 8개의 기본적 기분 명칭외에도, 임의의 인간 기분이 기분 원반에 맵핑될 수 있다. 이는 도 1m에 도시되어 있는데, 이는, 기분 원반 상에 그들의 대응 위치가 있는, 불완전한 기분들의 목록을 나타낸다. 예를 들어, 통제되고 있는 쾌감은 지배적인 기분의 덜 강렬한 형태이다. 목록 내의 임의의 다른 기분의 위치 뿐만 아니라 통제 기분의 위치는, 개인적 성찰과 공감적 이해에 기초한 것이다. 기분 정사각형 또는 원반이 이용되는 애플리케이션에 따라, 그리고, 의미에 따라, 8개의 기본적 기분들 중 하나 이상이 그 변종 중 하나로 개선될 수 있다. 주어진 명칭부여의 정확성에 대한 몇 가지 간접적인 확증 증거는, 다음 단락에서 간단히 설명되는 칙센트미하이의 경험적 작업이다.
칙센트미하이 모델
도 1m은, 칙센트미하이가 그의 동기부여의 이론에서 발표한 종래의 정신 상태 정사각형을 나타낸다. 칙센트미하이 모델의 2가지 차원은 도전 레벨과 스킬 레벨이다. 칙센트미하이의 정사각형은, 도전이 높고, 공포 형태의 사회적 거부에 대한 불확실성이 높으며, 좌뇌 피질은 이러한 공포를 회피하기 위해 활성화될 필요가 있는 경우의, 작동중인 동기부여에 대한 특별한 경우이다. 스킬 수준이 높은 경우에, 욕구의 형태로서 사회적 기여에 의한 자아실현에 대한 욕구가 높은데, 이는 더 높은 레벨의 우뇌 피질 활동으로 인한 것이다.
기분 원반에서 판매 및 구매의 위치결정
기분 원반에서 판매의 위치결정
도 5를 참조하면, 사업체-소비자간 판매는 -π/8 내지 -3π/8 영역에서 최상으로 이루어지는 반면, 사업체-사업체 판매는 π/8 내지 + 3π/8 영역에서 최상으로 위치할 수 있다. 또한, 다시 말하면, 판매 및/또는 마케팅은, 소비자를 편안한 기분으로 만들고 사업체를 열정적인 기분으로 만든다면 가장 성공적일 것이다. 사실상, 소비자로서 구매할 때보다 사업체를 위해 구매할 때 일반적으로 공포가 더 크다. 이유는 두 가지이다: 첫 째, B2B 판매에서 구매 합계는 대개 (훨씬) 높아서, 손실 리스크도 더 크다. 둘 째, 사회적 압력은 B2B 구매에서 대개 더 높다. 소비자가 제품, 예를 들어, 옷장을 구매하는 경우, 그는 단지 자신의 눈(또는 가까운 가족이나 친구의 눈)에서 실수를 할 수 있다. 구매자가 사업체를 위해 제품을 구매하는 경우, 그는 동료, 보스 등의 사회적 압력을 느낀다. 그는 그 사업체가 돈을 잃게 할 수 있을 뿐만 아니라, 그도 역시 그의 평판이나 심지어 직장을 잃을 수 있다.
이들 각각의 영역들, 즉, 편안하고 열정적인 기분의 영역들 내에서, 우리는 최대의 동기 강도의 영역을 찾기를 원한다. 행동 심리학 마케터의 전형적인 주장과는 모순적으로, 욕구를 생성하는 것은 불가능하지는 않지만 어렵다. 파종할 수는 있지만, 성장은 자연적인 과정이다. 그것은 육성될 수는 있지만, 쉽게 자극될 수는 없다. 그러나, 공포는, 좌뇌 활동을 통해 적극적으로 회피되거나 처리될 수 있다. 따라서, 욕구 좌표 d로 표현되는 욕구와, 공포 좌표 f로 표현되는 공포의 특정 레벨은, 동기 강도 m이 최대이거나 그에 근접하는 레벨로 감소될 수 있어, 소비자 판매의 경우 -π/4 또는 사업체-사업체 판매의 경우 +π/4이다.
기분 원반에서 B2C 구매의 위치결정
소비자를 구매대신 최적으로 판매하게 만들기 위해, 값은 기분 원반에서 -3π/4 기분에 위치하여야 한다. 그것이 의미하는 것은: 당신이 그에게서 구매하고자 하는 제품에 대해 무관심한 개인으로부터 구매하는 것이 대개 사업체/소비자에게 유리하다는 것이다. 다른 모든 경우에, 판매 가격은 대개 결국 더 높아지게 될 것이다. 예를 들어, 소비자/판매자가 근심하고 있을 때, 그는 여전히 제품을 필요로 하거나 판매를 후회할 수 있고, 또는 그가 절대적으로 그 제품을 좋아할 때(열정적 기분), 그는 아마도 그 제품의 판매하려 하지 않을 것이다.
기분 원반에서 B2B 구매의 위치결정
사업체를 최적으로 구매 대신 판매하게 만들기 위해, 값은 기분 원반에서 +3π/4 기분에 위치하여야 한다. 예를 들어, (예를 들어, 목표를 달성하지 못하는 것에 대해) 근심하고 있는 B2B 영업 사원으로부터 구매하는 것이 대개 구매자에게 유리하다. 마찬가지로, 경쟁에 대한 걱정 때문에 그들의 가격을 내린 브랜드로부터 구매하는 것이 대개 소비자에게 유리하다.
기분 원반에서 위치결정 애플리케이션들
애플리케이션의 다른 분야들에 관한 우선순위을 잃지 않고, 전술한 모델을 인터페이스 설계/개발에 구체적으로 적용하는 것은, 사용자 심리의 정확한 모델링을 가능하게 한다.
텔레비전 시청 => 편안한 기분
텔레비전 시청은 시각적이고, 그에 따라 우뇌 반구의 전문화 또는 도덕적 습관이다. 이것은 뇌 연구에 의해 확인되었다: 1979년에, Herbert E. Krugman은, TV는 비교적 우뇌 매체이고, 우뇌는 일반적으로 TV 시청 동안 좌뇌보다 약 두 배로 활동적임을 보였다. 따라서 TV 시청은 기분 원반의 우측 4분면에 위치해야 한다. 사실상, 사람들이 TV를 시청하는 주된 이유는 휴식하기 위한 것이다(Barbara & Robert Lee, 1995). 상기의 중요한 결과는, TV의 사용자 인터페이싱은 우뇌 인터페이싱이어야 한다는 것, 즉, 좌뇌가 아니라 우뇌를 흥분시켜야 한다는 것이다.
도 6a는 편안한 기분에서 출발하여 분노한 기분으로 끝나는 기분 원반 내의 경로로서 표현된 바람직하지 않은 TV 사용자 인터페이스 경험의 효과를 개념적으로 나타낸다. 시청자의 사용자 인터페이스가 너무 많은 텍스트적 콘텐츠를 포함하거나 사용자가 풀다운 메뉴, 마법사 또는 기타의 전형적인 개인용 컴퓨터 운영 체제 기반의 사용자 인터페이스를 통해 순차적으로 네비게이션할 것을 요구한다면, 좌뇌가 활성화될 것이다. 따라서, 기분 원반의 위치는 우측 하단에서 우측 상단 사분면으로 이동한다. 좌뇌가 하루 종일 작업에 사용되면, 이것은, 공포로 분류되는 부정적인 감정인 좌절을 야기한다. 1980년에, Herbert E. Krugman은, 사실상, TV 시청 동안의 중단은 좌절을 야기하고, 이것은 다시 좌뇌를 '턴 온'하여, 우뇌 휴식을 중단하게 한다고 했다. 시청자는 휴식이 중단될 것이고, 자신의 동기 강도를 줄이게 된다. 좌뇌는 통상 우뇌를 제어 및 억제한다. 따라서, 욕구 좌표가 줄어들 것이다. 시청자의 공포 좌표는 극적으로 상승하여, 도 6a에 표시된 경로를 통해, 최종적으로 시청자를 분노 영역의 위치로 이동시킨다. 시청자는, 적대적으로 인식되는 사용자 인터페이스를 그에게 강요하는 TV 서비스나 콘텐츠의 제공자에게 화를 낼 것이다. 분노한 사람에게서 구매를 청하는 것은, 매우 어렵긴 하지만 완전히 불가능한 것은 아니다. 좌뇌 인터페이스는, TV를 통한 VOD(Video on Demand) 판매 및 기타 판매가 욕구를 증가시키는 것을 금지하고, 기존의 욕구를 적극적으로 좌절시켜 공포를 생성한다.
텔레비전 판매 => 편안한 기분
B2C 판매 및 텔레비전 시청 모두 -π/4 영역에 위치하고 있음을 알면, 우리는 다음과 같이 텔레비전에서의 판매를 최적화 할 수 있다: 우선, 인터넷 및 기타의 매체 소스를 포함한 모든 채널에 걸쳐 콘텐츠가 집계되어, 전체 콘텐츠 시장을 화면에 보인다. 그 다음, 이 콘텐츠는, 콘텐츠에 대한 참조로 첨부된 욕구 좌표인, 시청자의 욕구에 기초하여 등급이 매겨진다. 따라서, 공포 좌표 f로 표현된, 주어진 특정 수준의 공포 회피(Fear hedging)가, 요구되는 욕구 성분 범위 내에 있어, 텔레비전 판매가 성공 기회를 최대로 산출하도록 제안되는 이상적인 지점인, -π/8 내지 -3π/8 영역에 기분 Ψ가 있도록, 콘텐츠를 선택하는 것이 바람직하다.
텔레비전 관리 => 열정적 기분
가상 채널의 콘텐츠를 선택하고, 어느 페이스북 사용자가 자신의 페이스 북 채널에 추천 사항을 게시할 수 있는지를 선택하며, 채널의 주문 번호를 설정하고, 자신의 추천 목록을 관리하는 등과 같은 것들을 포함한 텔레비전 시스템의 관리는 통상 흥분된 상태로 이루어진다. 따라서, 텔레비전 관리를 위한 시스템은 우측 상단 사분면에 위치한다. 그 결과, 그들은, 시각적 데이터와 텍스트 또는 분석 데이터의 균형을 유지함으로써, 우뇌 및 좌뇌 모두를 자극해야 한다.
읽기 및 연구 => 편안한 & 열정적 기분
e-리더 장치에서의 읽기 및 연구는 바람직하게는 편안한 기분에서 이루어진다. 자료 구매를 원하거나 필요로 하는 e-리더 사용자는, 공급업체 선택, 인증서 입력 등과 같은 온라인 주문 및 결제에 요구되는 전형적인 작업에 의해 중단되기를 원하지 않는다. 후자와 같은 종류의 행위들은, 높은 수준의 공포를 특징으로 하고 그에 따라 기분 원반의 우월적 또는 열정적 기분 영역에 위치하는 또 다른 기분에서 이루어진다.
증권의 거래 => 공황 & 열정적 기분
증권은 최상으로는 공황에 빠진 거래자로부터 매수되고, 이들 증권에 열광하는 거래자에게 매도된다.
뱅킹/투자 => 근심/공황 기분
뱅킹 시스템은 가치를 창출하는 것이 아니라, 가치를 보존해야 한다. 양호한 뱅킹은, (우뇌의 활동에 해당하는) 주관적으로 사색하지 않는 객관적 좌뇌 활동이므로, 수익이나 가치를 원하지 않고, 단지 돈을 신뢰할 수 없다는 공포를 피하기만 한다. 양호한 뱅킹은 기업가적인 것이 아니라, 객관적으로 돈 가치를 확보하는 공동 노력이다. 따라서, 뱅킹은 기분 원반의 좌측 상단 사분면에 위치한다.
매도 => 편안한 & 열정적 기분
제품이나 서비스를 구입할 때 통상 소비자 또는 사업자가 따르는 기분 경로가 도 15에 나타나 있다. 사업체-사업체 판매의 경우, 욕구는 파종 후 육성되어야 하며, 욕구가 성장하기 시작하면, 공포는 적극적으로 회피되어야 하고 때때로 사업 판매를 끝내기 위해 생성되어야 한다. 예를 들어, 분산된 비독점적 제품의 소비자 판매시에, 욕구는 두려움이 감소하는 것만큼 빨리 성장할 필요가 있고, 결과적인 강도가 충분히 강하면, 편안한 구매가 이루어질 수 있다.
기분 원반에서 플랫폼 판매의 위치결정
가까운 판매의 유형에 최적인 기분이 통상 가까운 플랫폼에 관련된 기분과 상이한 것도 가능하다.
앞서 설명된 바와 같이, 사업체-소비자 판매는 -π/8 내지 -3π/8 영역(편안한 기분)에서 최상으로 이루어지는 반면, 사업체-사업체 판매는 π/8 내지 +3π/8 영역(열정적 기분)에서 최상으로 위치할 수 있다. 우리는 또한, 예를 들어, 텔레비전과 같은 우뇌 플랫폼은 통상 -π/8 내지 -3π/8 영역에 위치하는 반면, 예를 들어, 인터넷 웹사이트는 통상 π/8 내지 +3π/8 영역에 있다는 것을 알고 있다.
일반적으로, 판매 유형은, 플랫폼의 유형보다 구매 플랫폼/프로세스의 설계에 더 강한 영향을 미친다. 이것은, 예를 들어, 서적에 대한 사업체-소비자 웹 사이트는 소비자를 편안하게 하는 방식으로 최적으로 설계된다. 반면, 읽기 그 자체는 사람들이 통상 열정적 기분에서 행하는 행동이다. 따라서, 읽기에 관한 한, 최적의 구매 경험(편안한 기분)은 최적의 제품 경험(열정적 기분)와 상이하다.
공포와 욕구 성분의 모델링
특정 제품이나 콘텐츠를 향한 사용자의 공포 및/또는 욕구 성분의 모델링은, 의식적인 사용자 피드백의 수집을 통해 및/또는 예를 들어, TV 시청이나 웹사이트 서핑 동안의 시청 및 서핑 행동의 무의식적 측정을 통해 이루어질 수 있다.
공포 요소 f를 줄이는 것은, 바람직하게는, 예를 들어, TV 시청 동안이 아니라, 텍스트 기반의 작업 환경에서와 같은 좌측 두뇌 활동 환경에서 이루어진다. 따라서, 시청 및 서핑 행동은 d 좌표를 모델링하는데 매우 적합한 반면, 활성 텍스트 기반의 입력은 f 좌표를 모델링하는데 적합하다. 따라서, 텔레비전 예의 경우: 쇼의 시청은 전적으로 그 쇼와 연관된 욕구 성분을 증가시키는 반면, 쇼에서 광고를 건너뛰는 것(zapping)은 동일한 욕구 성분을 감소시킨다. 반면, 컴퓨터의 인터넷 사이트에서 선호하는 TV 프로그램들의 목록을 주문하는 것은, f 좌표의 모델링을 허용한다: 목록에서 프로그램을 위로 이동하는 것은 공포 좌표를 감소시키고, 아래로 이동하는 것을 공포 좌표를 증가시킨다.
우뇌 변환을 위한 대안적 수학적 모델
인간 두뇌의 우측 전-전두엽 피질은 시각적 데이터를 처리하도록 진화적으로 발전되어 왔다. 좌측 및 우측 기초 피질에서 이루어지는 이러한 데이터의 실제 수신 및 주문은 우안 및 좌안을 위한 것이 아니라 뇌 바깥의 3 차원 공간을 상상하기 위해서이다. 우뇌의 전-전두엽 피질은 상상하여: 이미지를 우리 외부로 투사한다. 기초 피질로부터 전두엽 피질로의 상상 투사의 변환은 1/X 변환이다. 눈의 홍채 중앙에 있는 동공에 의해 형성과 가로막을 통과하여 망막에 투사되는 빛은, 복소 리만 공간을 또 다른 리만 공간에 투사하는 것과 정확히 동일한 경로를 따르며, 여기서, 제로는 무한대에 투사되고 무한대는 제로에 투사된다. 사람이 자신의 손가락 끝에서 바늘의 고통을 느끼는 것과 동일한 방식으로 우뇌가 빛을 느끼지 않도록 하기 위해 - 인간은 민감한 망막에서 우리 눈의 내부에서 빛을 보는 것이 아니라, 우리 눈의 외부에서 직경이 1/초점 길이인 구에서 빛을 본다 - , 우뇌 반구는, 눈 또는 평면 외부의 구 상에 눈의 작은 내부 구를 역변환 맵핑하는데 있어서 전문화하여, 양쪽 모두 동일한 이미지를 나타내게 할 필요가 있다. 1/X 변환은 자체로 홀로모픽적으로 복소 리만 구를 변환하는 비동일 맵핑이고, 리만 구는 복소 평면 상으로 홀로모픽적으로 맵핑될 수 있으므로, 우뇌는 기본 피질로부터 전-전두엽 피질로의 투사시에 물리적으로 1/X 기능을 개발하는 것 이외의 다른 선택을 갖지 못했다. 이 투사는, 스스로 1/X 변환에 해당하는 동공을 통한 망막 상으로의 빛의 역투사를 시뮬레이션하며, 또 다른 1/X 이후에 실행되는 1/X 변환은 아이덴티티 변환을 제공하며, 이것은 인간이 세상을 있는 그대로 이미징한다는 것을 의미한다. 이 1/X 변환은 발산하는 것으로 알려져 있고, 뇌에서 무한대와 제로의 개념을 생성한다. 이것은, 우뇌의 시각적 문자를 그 발산하는 반전 문자와 연계시키고, 왜 정신병적 행동이 우리의 좌뇌에 의해 통제되지 않는, 우리의 우뇌의 사용인지를 설명한다. 욕구는 자연적 동적 발산적인데: 이것은 객체를 향한 유인의 작은 씨앗에서 시작하며, 좌뇌에 의해 길들여지지 않는다면 어떠한 노력도 없이 스스로 강박관념으로까지 성장한다.
좌뇌 전-전두엽 피질은 소리(음악이 아님, 음악은 수학의 경우와 같이, 좌우 뇌의 결합된 노력임)에 대처하도록 발전되어 왔다. 전체 그림의 2차원 맵을 전두엽 피질상에 투사함으로써 반전하는 뇌파의 각 기간에서 대신에, (달팽이관에 의해) 푸리에 변환된 진폭을 주파수의 함수로서 기록함으로써 발견된 2차원 맵을 분석할 때 패턴을 상세히 발견하도록 전문화되어 왔다. 따라서 좌뇌는 디테일과 제어에서 전문화되어 있다. 공포를 다루기 위한 최상의 방법은 세부적인 분석과 행위에 의해 공포를 제어하는 것이다. 공포는 커지기 시작하고 좌뇌의 고된 노동을 통해 제어하거나 피할 수 있다. 따라서, 공포의 동력은 효과적으로 수렴하고 격렬하게 발산한다.
감정에 대한 수학적 모델
공포와 욕구는 독립적이며, 심리 공간의 고유 벡터인 공포와 욕구로서 수학적으로 변환될 수 있는, 심리 공간이라 불리는 전체 인간(및 아마도 동물) 감정의 상태 공간을 함께 구성한다. 어떤 심리적 변환은, - 이러한 변환은 예를 들어 그/그녀에게 무언가를 판매하려할 때 잠재적 고객과의 상호 작용의 결과로서 발생할 수 있다 - , 하나는 공포 차원이고 또 하나는 욕구 차원인, 서로 독립적이고 함께 전체 심리적 변환이나 프로세스를 구성하는 2가지 구성 요소로 분해될 수 있다. 따라서, 심리 공간은, 2 차원 표면, 더 구체적으로는, 뇌 피질의 2 차원 표면의 기능 범위에 의해 표현될 수 있다. 따라서, 심리 고유 공간의 차원은 2이다. 우뇌 반구는 욕구를 다루는데 전문화되어 있으므로, 욕구를 다루는데 가장 효과적으로 이용되지만, 또한 공포를 다룰 수도 있고, 그 때에는 통상 격렬하게 다룬다. 좌뇌 반구는 공포를 다루는데 전문화되어 있으므로, 공포를 다루는데 가장 효과적으로 이용되지만, 또한 욕구를 다룰 수도 있고, 그 때에는 통상 격렬하게 다룬다.
따라서, 모든 감정은 그 자연적 성분인 욕구와 공포로 분해될 수 있고, 수학적으로 다음과 같이 표현된다:
Figure pct00014
모든 감정 E는 크기 E와 방향 φ를 갖는 벡터이며, 도 1c에 그래픽으로 표시되어 있다.
도 1c는, 다음과 같이 수학적으로 표현될 수 있는 독립적이고 전체 구성요소인 공포와 욕구로의 감정의 분해를 그래픽으로 나타낸다:
Figure pct00015
여기서
Figure pct00016
는 감정 E의 방향과 욕구 단위 벡터 사이의 각도이다. 이 욕구 방향에서의 E의 투사는 Ed와 욕구 단위 벡터의 곱인 Ed를 제공한다. 복소 감정 z의 욕구 부분은 실수부 x이고, 그 공포 부분은 허수부 y인 복소수 표기를 이용하면, 감정 z의 크기는 r로 표현되고, 다음과 같은 복소수 표기가 적용된다:
Figure pct00017
복소 리만 수학을 이용하면, 도 1c에 도시된 단일 4분면 공포와 욕구 맵은 도 2에 도시된 복소 평면의 단위 원으로 등각적으로 및 홀로모픽적으로 맵핑될 수 있어서, 도 2의 심리 공간으로부터 도출된 모든 추론이 도 1c에 표현된 인간 감정에 실제로 적용될 수 있다.
도 2는 인간 심리의 상태 공간의 자연스런 표현의 개념도이다. 공포와 욕구에 의해 포괄되는 시작 공간은 복소 평면의 단일 4분면인데, 이것은 어떠한 부정적 유인 또는 거부감도 존재하지 않기 때문이며, 공포와 욕구는 독립적이고 서로의 반대이거나 역이 아니기 때문이다.
함께 피질의 내부 상태를 구성하는 인간의 귀 또는 눈은 특정 인지를 생성하는 소정 현상의 소스이며, 양쪽 모두 감각으로부터 두뇌로의 대수적 전송을 특징으로 한다. 따라서, 내부 감정 상태는 더욱 자연스럽게 로그 스케일로 표현될 수 있다. 도 1c의 X와 Y축을 대수적으로 표현하는 것은, 등각적, 홀로모픽적 변환이고, 양 방향에서의 감산(0, ∞) 매핑은, 이 변환이 실생활 감정 세계에서 최종 심리 공간의 타당성을 잃지 않고 실행될 수 있다는 것을 의미한다. 이러한 변환의 표현이 도 3에 주어져 있다.
도 3은 단일 4분면 현상(phenomenon)의 인지의 전체 복소 평면으로의 모핑(morphing)을 나타내는 그래프이다.
또한, 도 3의 전체 복소 평면의 도 4의 리만 복소 반구로의 변환은 유리형(meromorphic) 맵이라 알려져 있는데, 이것은, 다시, 이 변환이 타당성을 잃지 않고 실행될 수 있다는 것을 의미한다.
도 4는 리만 복소 반구에 의해 표현된 대뇌 피질 경험으로의, 인지의 전체 복소 평면의 모핑을 나타내는 그래프이다.
마지막으로, 리만 복소 반구는, 투사 푸앵카레(Poincare) 모델을 이용하여 리만 구의 적도 원에 해당하는 복소 단위 원으로 홀로그래픽적으로 및 등각적으로 변환될 수 있어, 도 2의 최종 결과를 산출한다. 이들 변환의 수학적 특징은, 모두 스칼라인, 공포 좌표 f, 욕구 좌표 d, 기분 Ψ, 및 동기 강도 m을 통해 이 새로운 표현의 감정과 그 고유벡터 분해의 수학적 타당성을 확보하기에 충분하다. 직선이 아니라 원을 통한 직교 투사는 d와 f 좌표를 올바르게 결정하는데 필요하다. 따라서, 심리, 감정, 주관적 구매 및 판매 행동과 또한 시청자-소비자 심리는 기분 Ψ와 동기 강도 m의 관점에서 타당하게 설명될 수 있다.
우뇌 및 좌뇌로의 감정 맵핑
좌/우 뇌 분석의 확장은, 도 2에 나타낸 감정 원반을, 도 5에 도시된 바와 같이 좌뇌 및 우뇌, 능동 및 수동 영역으로 세분하는 것을 가능하게 한다. 도 5는, 두뇌 활동이 실수부와 허수부와 관련하여 기능이 변하는, 따라서, 사분면마다 교대하는, 감정 원반을 개념적으로 나타낸다.
상태 공간 경로를 산출하는 변환
구매와 시청 심리
전술한 모델을 구매 심리에 구체적으로 적용하는 것은, 다른 애플리케이션 분야에 관한 우선권을 잃지 않고, 매수자/구매자 심리의 정확한 모델링을 가능하게 한다. 구매 행동은, 감정 원반에서 상이한 각도들 Ψ로 표현된, 상이한 기분들에서 발생할 수 있다. 열정적 구매자는 모든 구매 결정이나 행동에서 일반적으로 편안한 구매자와는 다르지만, 동기 강도는 사람마다 상이할 수 있는 특정 임계치 위로 이동해야 한다.
텔레비전 시청은 시각적이고, 그에 따라 우뇌 반구의 전문화 또는 도덕적 습관이다. 우뇌는 욕구를 다루는데 전문화되어 있고, 공포를 다룰 때에는, 통상 격렬하게 다루는데, 이는, TV 시청은, 우뇌가 능동적이고 좌뇌는 수동적인 감정 원반의 우하단 4분면에 위치해야 한다는 것을 의미한다. 따라서, 중요한 결과는, TV 사용자 인터페이싱은 우뇌 인터페이싱이어야 한다는 것이다.
도 6a는 편안한 기분에서 출발하여 분노한 기분으로 끝나는 기분 원반 내의 경로로서 표현된 바람직하지 않은 TV 사용자 인터페이스 경험의 효과를 개념적으로 나타낸다. 시청자의 사용자 인터페이스가 너무 많은 텍스트적 콘텐츠를 포함하거나 사용자가 풀다운 메뉴, 마법사 또는 기타의 전형적인 개인용 컴퓨터 운영 체제 기반의 사용자 인터페이스를 통해 순차적으로 네비게이션할 것을 요구한다면, 좌뇌가 활성화될 것이다. 따라서, 기분 원반의 위치는 우측 하단에서 우측 상단 사분면으로 이동한다. 좌뇌가 하루 종일 작업에 사용되면, 이것은, 공포로 분류되는 부정적인 감정인 좌절을 야기한다. 시청자는 휴식이 중단될 것이고, 자신의 동기 강도를 줄이게 된다. 좌뇌는 통상 우뇌를 제어 및 억제한다. 따라서, 욕구 좌표가 줄어들 것이다. 시청자의 공포 좌표는 극적으로 상승하여, 도 6a에 표시된 경로를 통해, 최종적으로 시청자를 분노 영역의 위치로 이동시킨다. 시청자는, 그에게 적대적으로 인식되는 사용자 인터페이스를 강요한 TV 서비스나 콘텐츠의 제공자에 대해 화를 낼 것이다. 분노한 사람에게서 구매를 청하는 것은, 매우 어렵긴 하지만 완전히 불가능한 것은 아니다. 좌뇌 인터페이스는, TV를 통한 VOD 판매 및 기타 판매가 욕구를 증가시키는 것을 금지하고, 기존의 욕구를 적극적으로 좌절시키며 공포를 생성한다.
도 6b를 참조하면, 텔레비전 시청자에게 구매를 요청하는 것은 -π/8 내지 -3π/8 영역에서 최상으로 이루어진다. 최상의 사업체-사업체 판매는 π/8 내지 +3π/8 영역에서 최상으로 위치할 수 있다. 이 TV 영역 내에서, 우리는 최대 동기 강도의 영역을 발견하기를 원한다. 행동 심리학 마켓터들의 전형적인 주장과는 모순되게, 욕구는 적극적으로 생성하기 어려운 거의 불가능한 감정이다. 파종은 가능하지만, 성장은, 쉽게 자극되지 않는, 좌절될 수 있는 자연적인 과정이다. 그러나, 공포는, 좌뇌 활동을 통해 적극적으로 회피되거나 처리될 수 있다. 따라서, 욕구 좌표 d로 표시되는 욕구와, 공포 좌표 f로 표시되는 공포의 주어진 특정 레벨은, 동기 강도 m이 최대이거나 그에 근접하는 레벨로 감소될 수 있어, 소비자 판매의 경우 -π/4, 사업체-사업체 판매의 경우 +π/4일 수 있다. 소비자 또는 사업체를 구매대신 최적으로 판매하게 만들기 위해, 값은 기분 원반에서 +/- 3π/4 기분에 위치하여야 한다.
사업체-사업체 판매의 경우, 욕구는 파종되어야 하며, 욕구가 성장하기 시작하면, 공포는 적극적으로 회피되어야 하고 때때로 사업 판매를 끝내기 위해 생성되어야 한다. 예를 들어, 분산된 비-독점적 제품의 소비자 판매시에, 욕구는 간단하게 수확될 수 있지만, 공포는 여전히 회피되어야 한다. 인터넷 및 기타의 매체 소스를 포함한 모든 채널에 걸쳐 콘텐츠가 집계되어, 전체 콘텐츠 시장을 화면에 보이게 하는 것이 먼저 수행된 다음, 콘텐츠에 대한 참조로 첨부된 욕구 좌표인, 시청자의 욕구에 기초하여 등급이 매겨진다. 따라서, 공포 좌표 f로 표현된, 주어진 특정 수준의 공포 회피가, 요구되는 욕구 성분 범위 내에 있어, 텔레비전 판매가 최대의 성공 기회를 산출하도록 제안되어야 하는 이상적인 지점인, -π/8 내지 -3π/8 영역에 기분 Ψ가 있도록 콘텐츠를 선택하는 것이 바람직하다.
따라서, 시청과 서핑 행동의 무의식적인 측정 및/또는 의식적인 사용자 피드백을 통해 욕구 및/또는 공포 벡터를 모델링하는 것이 필요하다. 공포 요소 f를 줄이는 것은, 바람직하게는, TV 시청 동안이 아니라, 텍스트 기반의 작업 환경에서와 같은 좌측 두뇌 활동 환경에서 이루어진다. 따라서, 시청 및 서핑 행동은 d 좌표를 모델링하는데 매우 적합한 반면, 활성 텍스트 기반의 입력은 f 좌표를 모델링하는데 적합하다.
감정 원반 상으로의 맵핑과 관련된 욕구와 공포 벡터의 모델링에 대한 전술된 개념들은, 여기서 설명된 고유한 신경심리학적 모델링 엔진에 의해 수행될 수 있다. 이러한 모델링 엔진은, 시청과 서핑 행동의 주체의 (시청자의) 무의식적인 측정 및/또는 의식적인 사용자 피드백을 고려하여 콘텐츠 객체의 등급을 매길 수 있는 메커니즘으로서 역할한다. 일단 등급이 매겨지고 나면, 이전에 등급이 매겨진 콘텐츠 객체의 다차원적 서핑을 가능하게 하기 위해 여기서 설명된 전문화된 사용자 인터페이스 세트가 이용될 수 있다.
진정으로 주관적인 채널의 개념은 본 발명에서 고유한 개념이다. 주체 콘텐츠가 콘텐츠 제공자 소스에 의해 객관적으로 분류되고 가용 시청 시간에 따라 기술되는 종래 기술의 콘텐츠 채널과는 달리, 본 개시에 따른 채널은 시청자의 주관적 선호도와 기분에 따라 구체적으로 선택되고 시청자가 이러한 콘텐츠를 선택하여 시청하도록 최저의 감정적 동기로부터 최고의 감정적 동기 순서로 정렬된 하나 이상의 콘텐츠 객체 그룹을 포함한다. 예시적 시스템에서, 시청자, 또는 가족 등의 시청자 그룹은 여기서 개시되는 모델링 시스템(35)을 이용하여 개인의 관심에 따라 자율적으로 집계되고 화면에 보여진 콘텐츠 프로그램을 포함하며 여기서 설명되는 시청자 시스템(32)과 연관된 사용자 인터페이스 애플리케이션 제어를 이용하여 시청가능하거나 혼합할 개별 채널들을 이용하여 생성되는 복수의 개인맞춤화된 채널을 가질 수도 있다.
TV 추천자
감정 원반 상으로의 맵핑과 관련된 욕구와 공포 벡터의 모델링에 대한 전술된 개념들은, 여기서 설명된 고유한 신경심리학적 모델링 엔진에 의해 수행될 수 있다. 명료성과 이해 용이성을 위해, 우리는 텔레비전 경험 시스템의 예를 위해 이러한 엔진의 동작을 설명한다. 원리는, 광범위한 애플리케이션, 즉 추천자 기능성의 혜택을 받을 수 있는 모든 애플리케이션에 적용가능하다. 따라서, 여기서 설명되는 모델링 엔진은, 시청과 서핑 행동의 주체의 (시청자의) 무의식적인 측정 및/또는 의식적인 사용자 피드백을 고려하여 콘텐츠 객체에 대한 등급을 매길 수 있는 메커니즘으로서 역할한다. 일단 등급이 매겨지고 나면, 이전에 등급이 매겨진 콘텐츠 객체의 다차원적 서핑을 가능하게 하기 위해 여기서 설명된 전문화된 사용자 인터페이스 세트가 이용될 수 있다.
진정으로 주관적인 채널의 개념은 본 발명에서 고유한 개념이다. 주체 콘텐츠가 콘텐츠 제공자 소스에 의해 객관적으로 분류되고 가용 시청 시간에 따라 기술되는 종래 기술의 콘텐츠 채널과는 달리, 본 개시에 따른 채널은 시청자의 주관적 선호도와 기분에 따라 구체적으로 선택되고 시청자가 이러한 콘텐츠를 선택하여 시청하도록 최저의 감정적 동기로부터 최고의 감정적 동기 순서로 정렬된 하나 이상의 콘텐츠 객체 그룹을 포함한다. 예시적 시스템에서, 시청자, 또는 가족 등의 시청자 그룹은 여기서 개시되는 모델링 시스템(35)을 이용하여 개인의 관심에 따라 자율적으로 집계되고 화면에 보여지는 콘텐츠 프로그램을 포함하며 여기서 설명되는 시청자 시스템(32)과 연관된 사용자 인터페이스 애플리케이션 제어를 이용하여 시청가능하거나 혼합할 개별 채널들을 이용하여 생성되는 복수의 개인맞춤화된 채널을 가질 수도 있다.
시청 경험을 위한 추천자 엔진의 네트워크 구현
도 7은 여기서 개시된 신경심리학적 모델링 엔진이 구현될 수 있는 네트워크 환경(38)을 개념적으로 나타낸다. 네트워크 환경(38)은, 하나 이상의 개인 사설 네트워크(31) 및 인터넷과 같은 공용 광역 네트워크(WAN)(30)를 포함한다. 사설 네트워크(31)는, 케이블 서비스 제공자로부터의 케이블 패킷 네트워크 또는 패킷-교환형 근거리 통신망(LAN), 또는 무선 네트워크와 같은 임의의 공지된 네트워킹 기술로 구현될 수 있다. 공용 네트워크(30)는, 무선, 광학적 방식 등을 포함한 임의의 현재 공지된 네트워킹 기술을 이용하는 다른 네트워크들의 결합된 모음을 포함할 수 있다. 콘텐츠 제공자(34), 시청자 시스템(32), 및 여기서 개시되는 신경심리학적 모델링 엔진을 포함하는 모델링 시스템(35)은, 네트워크(31 및 30)의 각각에 연동된다. 또한, 추가 콘텐츠 제공자(36 및 37) 뿐만 아니라 추가 시청자 시스템(33)도 네트워크(30)에 접속된다. 시청자 시스템(32 및 33)은 도 11을 참조하여 기술된 바와 같이 구현될 수 있다.
모델링 시스템 실시예
도 8은 신경심리학적 모델링 엔진(41)을 포함하는 모델링 시스템(35)의 블록도를 개념적으로 나타낸다. 구체적으로는, 점선으로 윤곽선을 표시한 시스템(35)은 시스템(35)을 네트워크(30 및 31)에 각각 접속하는 한 쌍의 게이트웨이(44 및 45)를 포함한다. 예시적 실시예에서, 시스템(35)은 서버 플랫폼(40)과 하나 이상의 데이터베이스(46-48)를 더 포함한다. 단일 서버 또는 복수 서버로 구현될 수 있는 서버(40)는, 서로 통신하며, 서버(40)를 데이터베이스(46-48) 뿐만 아니라 네트워크(30 및 31)에 결합시키는 네트워크 인터페이스(43)를 통해 데이터베이스(46-48) 및 다른 엔티티들과도 통신하는, 신경심리학적 모델링 엔진(41), 랭킹 애플리케이션(42), 및 행동 모델러(49)를 실행한다.
데이터베이스(46)는, 시청자 시스템(32) 뿐만 아니라 다른 시청자 시스템과 연관된 한 명 이상의 시청자의 신경심리학적 모델을 나타내는 레코드들 및 다른 데이터 구조들을 저장하는데 이용될 수 있다. 데이터베이스(47)는 시청자 시스템(32)에 의한 시청에 이용가능한 콘텐츠 객체들, 예를 들어, 다양한 멀티미디어 콘텐츠의 파일들을 저장하는데 이용될 수 있다. 데이터베이스(47)는 또한 각 콘텐츠 파일들과 연관된 메타데이터를 저장할 수도 있다. 도 10c는 예시적인 콘텐츠 객체 메타데이터 파일(75)을 개념적으로 나타낸다. 데이터베이스(48)는 채널 모델(들)(72) 및 시청자 모델(70)과 연관된 복수의 콘텐츠 객체의 랭킹 또는 순서를 보유하는 하나 이상의 채널(90A-C)을 저장하는데 이용될 수 있다. 데이터베이스(46-48) 각각이 단일 데이터베이스로서 나타나 있지만, 이들 중 임의의 것은 분산형, 중복형, 및 지속적으로 이동하는(migrating) 피어-투-피어 구성을 포함한 상이한 구성들의 다수의 데이터베이스로 구현될 수 있다는 것도 고려하고 있다는 점에 유의한다. 대안으로서, 데이터베이스(46-48) 중 하나 이상으로부터의 데이터는 단일 데이터베이스로 통합될 수 있다. 예를 들어, 특정 시청자 채널 모델과 연관된 콘텐츠의 랭킹은 시청자 모델을 정의하는 데이터와 함께 저장될 수 있다. 또한, 데이터베이스(46-48) 각각은 서버(40)와 인터페이싱하기 위한 그들 자신의 각각의 데이터베이스 서버를 포함하거나, 데이터베이스 서버를 공유할 수도 있다.
도 9d는, 특정 채널 모델과 연관된 콘텐츠 객체의 랭킹과 관련된, 콘텐츠 객체와 연관된 메타데이터 및 개개의 시청자 모델 사이의 관계의 도출에 필요한 모델링 시스템(35)의 실시예의 요소들을 개념적으로 나타낸다. 구체적으로는, 데이터베이스(47)에 저장된 각 콘텐츠 객체는, 포맷, 지속기간, 제목, 쟝르, 배우, 프로듀서, 초기 릴리스 연도 등의 파일의 콘텐츠를 기술하는 다양한 데이터 파라미터들을 포함하는 메타데이터 파일(75)과 연관되어 있다. 임의 개수의 상이한 데이터 구조 포맷이 이 특정 구조에 이용될 수도 있다. 이러한 콘텐츠 파일 메타데이터 파일들도 역시 데이터베이스(47)에 저장될 수 있다.
마찬가지로, 시청자 시스템(32)과 연관된 각 개별 시청자(또는 시청자 그룹, 예를 들어, 가족)는, 성별, 연령, 직업, 제품/설명 서비스 수준 등을 기술하는 데이터와, 장르, 배우, 특정 시리즈, 관심 분야, 과거의 선택 이력, 지속기간 또는 기타의 파라미터 관점에서 시청자(또는 시청자 그룹)에 대한 이상적인 선호도를 포함하는 시청자 모델(70)과 연관된다. 도 10a는 특정 시청자(또는 시청자 그룹)에 대한 행동 모델(70)을 구현하는데 이용될 수 있는 샘플 데이터 구조를 나타낸다. 앞서 언급한 바와 같이, 이러한 시청자 메타데이터 파일들은 데이터베이스(46)에 저장될 수 있다.
구글, 빙, 야후 등과 같은 그들의 검색 엔진 서비스의 효율성을 지원하기 위해, 현실의 온톨로지(ontologies of reality)를 생성한다. 온톨로지는, 인공 지능, 시맨틱 웹(Semantic Web), 시스템 엔지니어링, 소프트웨어 엔지니어링, 생체의학적 정보화, 도서관학, 기업 북마킹, 및 세상이나 그 일부에 대한 지식 표현 형태로서의 정보 아키텍처에 이용된다. 본질적으로, 이러한 검색 엔진들은 현실을 나타내는 콘텐츠의 객관적 표시(index)을 생성하며, 이러한 인덱싱된 콘텐츠는 도 9a에서 데이터베이스(60)로 표현된 것과 같은 하나 이상의 데이터베이스에 저장될 수 있다. 예시적 본체에서, 데이터베이스(60)와 인덱싱된 콘텐츠는 모델링 시스템(35)의 일부가 될 수도 있고 그렇지 않을 수도 있지만, 공용 또는 사설 네트워크를 통해 액세스할 수 있다.
도 9e-9f는, 시청자의 모델과 채널 모델을 업데이트하고, 새로운 콘텐츠를 검색하며, 이러한 콘텐츠가 시청자의 감정적 동기부여의 시스템 모델에 따라 등급을 매기기에 적합한지 판정하는 모델링 시스템(35) 구성요소들 사이의 프로세스 흐름을 나타낸다. 도 9a-9f를 참조하면, 특정 프로그램의 요청, 콘텐츠 객체의 시청 완료, 콘텐츠의 저장 또는 구매, 채널의 관리와 같은 이벤트들을 포함한 시청자 행동은, 시청자 시스템(32)으로 하여금, 도 9d의 화살표 A와 도 9e의 결정 블록(61)에 의해 표시된 바와 같이, 모델링 시스템(35)의 행동 모델러(49)에 이벤트 데이터 패킷(들)을 전송하게 한다. 이러한 이벤트 데이터의 수신시에, 행동 모델러(49)는, 프로세스 블록(62A)에 의해 나타낸 바와 같이, 특정 시청자와 연관된 시청자 모델(70)과, 필요하다면, 도 9e의 프로세스 블록(62B)에 의해 나타낸 바와 같이, 채널 모델(들)(72)을 수정한다. 한 실시예에서, 행동 모델러(49)에 의해 수신된 이벤트 데이터는 그 이벤트의 주체였던 콘텐츠 객체의 식별자, 콘텐츠 객체의 경과된 시청 시간, 이러한 콘텐츠 객체의 저장, 구매, 순서 변경, 호/불호의 명시, 또는 삭제와 같은 행위의 기술자(descriptor), 및 콘텐츠 객체가 다루어진(manipulate) 채널의 식별자, 및 주체 시청자 또는 시청자들의 식별자를 포함할 수 있다. 이벤트가 묵시적 이벤트이면, 행동 모델러(49)에 의해 수신된 이벤트 데이터는 (콘텐츠 객체는 복수의 채널에 속할 수도 있기 때문에) 콘텐츠 객체가 다루어진 채널을 포함할 수 있다. 또한, 이벤트가 묵시적 이벤트이면, 행동 모델러(49)에 의해 수신된 이벤트 데이터는 행위의 시간스탬프(경과된 시간은 콘텐츠 객체 데이터 스트림의 소스에서 계산될 수도 있는데, 이것은 빨리감기 및/또는 되감기와 같은 행위는 누적 시청 시간을 계산하기 위하여 시작/정지에 맵핑되기 때문이다), 및 콘텐츠 객체에서의 위치, 예를 들어, x초 후를 포함할 수 있다. 이벤트가 채널 관리에 관한 명시적 이벤트인 경우, 이벤트 데이터는 추가 또는 제거 또는 변경되는 채널의 식별자 및/또는 그 변경과 연관된 검색어/키워드를 포함할 수 있다. 이벤트가 여기서 설명된 전용 피드백(채색된 버튼) 명령들 중 하나에 관한 명시적 이벤트이면, 이벤트 데이터는 명령/버튼, 콘텐츠 객체 및 채널 중 임의의 것의 식별자를 포함할 수 있다.
도 10bb는 예시적인 채널 모델(72C)을 정의하는 데이터 구조를 개념적으로 나타낸다. 그 다음, 행동 모델러(49)는 특정 시청자와 연관된 모델 및 채널을 정의하는 메타데이터 파일(72C)을 데이터베이스(46)로부터 검색한다. 또한, 행동 모델러(49)는 콘텐츠 객체를 기술하는 메타데이터 파일을 데이터베이스(47)로부터 검색한다. 그 다음, 행동 모델러(49)는 수신된 이벤트 데이터를 현재 시청자 모델(70) 및 콘텐츠 객체의 메타데이터 파일(75)과 비교하고, (행동 모델러(49) 내의 원형 화살표로 표시된) 채널 모델(들)(72c)을 도 9e의 처리 블록(62A 및 62B)로 나타낸 바와 같이, 적절하게 수정한다. 각 경우에, 시청자 모델(70)은 수정되고, 선택사항으로서, 채널 관리 및 검색어 변경의 경우에서와 같이, 채널 모델도 역시 수정될 수 있다.
실시예들에서, 시청자 모델(70)을 수정하는 것은 다음과 같은 알고리즘으로 수행될 수 있다. 각 이벤트가, 지정된 규칙에 따라 기분 원반(20) 상에 맵핑되어, 예를 들어, 콘텐츠 객체의 구매는 미리 정의된 Ψ와 m 값(또는 동등한 공포 좌표 f와 욕구 좌표 d)을 야기한다. 제1 단계에서, 특정 사용자에 대해 콘텐츠 객체의 기분 원반(20) 상의 위치가 결정된다.
시청자들은 주로 휴식을 위해 텔레비전을 시청한다. 그러나, 시청자는 또한, 프로그램에 매료되어서 또는 전문적인 이유 때문에 프로그램을 시청할 수도 있다. 따라서, 시청자가 긍정적 이벤트를 콘텐츠 객체와 연관시켰다는 사실(예를 들어, 처음부터 끝까지 시청, 구매, 명시적 피드백을 나타내기 위한 채색된 버튼의 사용 등) 이외의 어떤 다른 묵시적 또는 명시적 데이터가 없는 경우, 특정 시청자에 대해 그 콘텐츠 객체는 아마도, 도 6d에 나타낸 바와 같이, 원반의 우측 주변에 인접한 구분된 영역 내의 어딘가에 위치할 것이라는 가정이 이루어진다.
시청자가 시스템(35)을 처음 사용할 때, 사용자가 현재 어떤 기분: 열정적인지, 우월감인지, 또는 편안한 기분에 있는지를 예측하기는 어렵다. 따라서, 프로그램은 기분 원반(20)의 열정적 또는 편안한 영역 중 어느 하나에서 미리-카탈로그될 수 있다. 통상 편안한 영역에서 미리 카탈로그되는 프로그램은, 시리즈, 영화, 리얼리티 쇼 등이다. 통상 열정적 영역에 미리 카탈로그되는 프로그램은, 뉴스 프로그램, 금융, 경제, 정치적 주제에 관한 토론, 과학 다큐멘터리 등이다. 예를 들어, 프로그램 유형 (시리즈, 영화, 다큐멘터리, ...) 및 장르와 같은 특정 메타데이터에 기초하여, 및/또는 프로그램이 방영되는 채널에 기초하여, 이러한 선-주문을 자동으로 행하는 스크립트가 기록될 수 있다.
콘텐츠 객체에 관련된, 시청자들의 묵시적 및 명시적 행동에 따라, 그 시청자의 개인 기분 원반 상에서 그 콘텐츠 객체의 위치는 그의 디폴트인 일반적인 시작 위치와 상이할 수 있다. 디폴트 시작 위치 자체는, 이하의 예에서 개요되는 바와 같은 공동 데이터에 기초하여 이동될 수도 있다. 제1 예에서, 개별적인 개선(refinement)은 묵시적 및 명시적 데이터에 기초한다. 시청자가 통상 편안한 것으로 간주되는 콘텐츠 객체를 주로 시청하고, 중간 중간, 일일 뉴스를 정기적으로 시청한다고 가정하자. 그/그녀가 시리즈와 뉴스 모두에 대해 유사한 패턴을 표시한다면, 일일 뉴스도 역시 그에 대해 편안한 것이고, 일일 뉴스는 그 특정 시청자에 대해서는 (점진적으로) 기분 원반의 열정적 영역에서 편안한 영역으로 이동한다고 추정할 수 있다. 이제, 월요일부터 목요일까지는, 예를 들어, 일일 뉴스, 금융 뉴스 및 비즈니스 사람들과의 인터뷰와 같은, 기분 원반에서 통상 열정적 영역에 미리 카탈로그되는 프로그램을 주로 시청하는 시청자를 상상하자. 이 사용자에 대해, 월요일에서 목요일까지, 텔레비전은, 휴식보다는, 주로 정보 및/또는 영감의 소스라고 추정할 수 있다. 따라서, 이 사용자에 대해, 일일 뉴스는 기분 원반의 열정적 영역에 머무르고, 이 사용자에 대해, 월요일부터 목요일까지는 열정적 기분이 선호되는 기분이라는 점에 주목한다.
제2 예에서, 일반적인 개선은 공동 데이터에 기초할 수 있다. 열정적 기분으로 사전 카탈로그된 프로그램이 그 특정 프로그램의 시청자들의 상당한 비율의 기분 원반의 편안한 영역으로 이동한다면, 디폴트 시작 위치는 열정적 영역으로부터 편안한 영역으로 업데이트될 수 있다. 또한, 특정 이벤트가 배치되어야 하는 기분 섹터 내에서의 위치를 정의하는 미리 정의된 규칙이 적용될 수 있는데, 예를 들어, "편안한" 기분에서의 콘텐츠 객체의 구매는 Ψ = -pi/4 및 m 값=1 상으로 맵핑된다. 유사한 규칙이 다른 관련된 이벤트들에 적용될 수 있다.
콘텐츠 객체(또는 사용시 온톨로지의 관점에서는 그 표현)의 메타데이터의 선형 조합은, 정의된 공포 좌표 f와 욕구 좌표 d를 야기한다. 예를 들어, xf1, xf2, ...xfn은, 컴포넌트 j(여기서, j=1,..n)가 (각 이벤트 i에 대해, i=1..m) 공포 좌표 fi를 야기하는 선형 조합에 관여될 때마다 각각 온톨로지 컴포넌트 1 ... n에 적용된 계수로서, 다음과 같이 표현될 수 있는 연립 방정식을 산출한다:
Figure pct00018
여기서, O는 m x n 행렬로서, 각 요소 oij는 공포 좌표 i에서의 컴포넌트 j의 관여를 나타낸다. 한 실시예에서, 행렬 O는 다음과 같이 나타날 수 있다:
Figure pct00019
계수들을 계산하기 위해서는, 이 연립 방정식을 풀어야 한다. m과 n의 크기 및/또는 행렬 O의 랭크에 기초하여, 각 계수 xi를 결정하기 위해 알고리즘 루틴이 (선형 대수학으로부터의 직접적이거나 반복적 문제풀이자, 예를 들어, 최소 제곱해) 적용된다. 욕구 계수를 계산하기 위해 유사한 변수 체계가 이용될 수 있다. 시청자 모델의 계수들은 새로운 이벤트에 기초하여 업데이트된다는 사실로 인해, 시청자 공포 및/또는 욕구의 변화는, 가장 오래된 방정식에 더 낮은 가중치를 주거나 풀고자 하는 연립 방정식으로부터 이들을 폐기함으로써 이루어질 수 있다.
예시적 실시예에서, 채널 모델(70)을 수정하는 것은, 여기서 설명된 좌뇌 사용자 인터페이스를 이용한 채널 모델의 시청자 개시형 수정과 같은 명시적 이벤트시에 수행될 수 있다. 채널 생성/업데이트/삭제를 위한 시청자 개시형 이벤트는, 채널 레코드의 생성/업데이트 또는 삭제를 야기한다. 채널과 연관된 검색어/키워드를 수정하기 위한 시청자 개시형 이벤트는, 그 채널과 연관된 필터값의 업데이트를 야기한다. 채널과 연관된 "기분"을 명시적으로 수정하기 위한 사용자 개시형 이벤트는 그 채널과 연관된 공포 및 욕구 좌표의 업데이트를 야기한다(디폴트 값 가정은, 시청자가 "편안한" 기분으로 채널을 본다는 것이다).
채널 모델(70)을 수정하는 것은, 물론 묵시적 이벤트시에 수행될 수 있다. 예를 들어, 사용자가 특정 채널에서 시청하는 콘텐츠 객체가 채널의 기분 벡터와 연관된 영역 이외의 기분 원반 상의 또 다른 영역에 위치하는 경향이 있다고 판정되면, 기분 벡터는, 예를 들어, "편안한 기분" 영역에서 "열정적" 영역...으로 변경될 수 있다. 수정된 시청자 모델이 아직 채널의 필터 기준의 일부가 아닌 다수의 온톨로지 컴포넌트들에 대해 강한 계수 값을 가지고 있다면, 필터값으로 이러한 컴포넌트들을 갖는 새로운 채널이 (시청자에 대한 제안을 위해) 생성된다.
소정 이벤트들, 예를 들어, 주기적으로(타이머 이벤트), 시청자 이벤트, 콘텐츠 이벤트(예를 들어, 새로운 VOD 콘텐츠 이용가능)시에, 모델링 엔진(41)이 실행된다. 첫 번째 단계로서, 모델링 엔진(41)은 시청자 및 채널 모델에 기초하여 콘텐츠 기반 필터링을 수행한다. 모델링 엔진(41)은, 도 9d의 화살표 D와 도 9f의 처리 블록(63)으로 나타낸 바와 같이, 데이터베이스(60)로부터, 관련이 있을 수 있는 임의의 인덱싱된 콘텐츠 자료를 요청한다. 예시적 실시예에서, 모델링 엔진(41)은 데이터베이스(60)에 제공되는 데이터베이스 질의어를 공식화 및 포맷팅한다. 도 10aa를 참조하면, 질의어는 (시청자 모델에서 강한 계수 값을 갖는) 온톨로지 컴포넌트들과 채널 모델로부터의 필터 기준(예를 들어, "금요일 저녁에 보기를 원하는 항목과 유사한, "X에 의해 방송된" 것과 같은 간단한 기준으로부터 시청자 모델에 저장된 시청 상황에 연계된 기준까지)의 임의 조합에 기초할 수 있다.
이런 식으로, 모델링 엔진(41)은, 케이블 서비스 제공자, VOD 제공자 등과 같은 더 전통적인 콘텐츠 제공자 외에도, YouTube 및 다양한 인기있는 Web 검색 엔진과 같은, 임의 개수의 상이한 인덱싱된 콘텐츠 소스 또는 콘텐츠 라이브러리의 질의 포맷과 상호작용하도록 프로그램될 수 있다. 데이터베이스(60) 또는 기타의 콘텐츠 소스는, 도 9d의 화살표 E로 나타낸 바와 같이, 모델링 엔진(41)에 대한 질의를 만족하는 하나 이상의 콘텐츠 객체에 대한 메타파일을 반환한다.
신경심리학적 모델링 엔진(41)은 검색된 각 콘텐츠 객체에 대한 메타데이터 파일을 검사하고, 시청자의 메타데이터 파일 및/또는 채널 모델과 연계하여, 인간 감정의 수학적 모델, 즉, 도 1a-6d를 참조하여 이전에 설명된 기분 원반(20) 상의 어느 곳에 시청자의 기분과 동기 강도가 그 특정 콘텐츠 객체와 관련하여 위치해 있는지를 계산한다. 구체적으로, 모델링 엔진(41)은 프로그램의 쟝르, 배우, 제목, 감독 등과 같은 콘텐츠 객체에 대한 메타데이터 파일 내의 파라미터들의 다양한 값들을 검사하고, 이들을 이용된 온톨로지의 대응 컴포넌트들 상에 맵핑한다. (처리 블록(62A)에 의해 계산된) 시청자 모델에서 이용가능한 각 선택된 컴포넌트에 대응하는 계수들에 기초하여, 기분 원반 공포 좌표 f, 및 이 콘텐츠 객체에 대한 욕구 좌표 d가 계산된다.
시청자 모델과 연관된 각 채널 모델에 대해, 랭킹 애플리케이션(42)은 그 콘텐츠 객체가 그 채널에 대한 필터 기준을 충족하는지를 평가한다. 다음 단계에서, 이 채널과 연관된 기분 벡터에 대한 각 선택된 콘텐츠 객체의 기분 벡터의 유사도가 "코사인 유사도 측정"을 아용하여 계산된다. 이 방식은, 애플리케이션(42)이 이 채널에 대해 선택된 콘텐츠 객체들을 채널의 기분 벡터와의 유사도에 따라 상대적으로 등급을 매기는 것을 허용한다. 선택사항적 제2 단계에서, 이 채널 및 시청자를 위한 엔진(41)의 선택시의 콘텐츠 객체들의 랭크를 업데이트하기 위한 "공동 필터링" 후처리 단계는 전통적인 하이브리드 추천 알고리즘(공동 및 콘텐츠 기반의 필터링) 알고리즘과 유사하다. 구체적으로, 객체의 랭크(예를 들어, 낮은 랭크 객체의 특정 선택)는, 이 시청자의 모델과 유사한 시청자 모델을 갖는 시청자들의 시청 행동(예를 들어, 좋아함)에 기초한다. 그러나, 전통적인 "공동 필터링" 구현과는 상반되게, 시청자들의 "유사도"는 선호하는 콘텐츠 객체 및 선호하는 콘텐츠 객체의 메타데이터에서의 대응관계 뿐만 아니라, 시청자 모델에 저장된 기분 원반에서의 대응관계에도 기초하여 계산된다. 한 구현예에서, 시청자 유사도는 각 시청자의 공포 및 욕구 계수를 포함하는 벡터에 적용되는 "코사인 유사도"를 이용하여 계산된다. 또 다른 구현에서, "콘텐츠 기반" 및 "공동 필터링" 메커니즘은 상이한 방법들, 예를 들어, 상이한 시퀀스의 단계들로 또는 병렬로 결합될 수 있다는 점에 유의한다. 선택사항으로서, 채널 모델에서 명시된 바와 같이, 다음 단계는 특정 컷-오프 기준에 따라 낮은 랭킹의 콘텐츠 객체들을 컷-오프하는 것이다. 한 실시예에서, 이 기준은, "특정 유사도 측정값 이후 모든 콘텐츠를 생략" 또는 "특정 개수의 콘텐츠 객체 이후"가 될 수 있는데; 이러한 값은 또한 시스템에 의해 동적으로 계산될 수 있다. 선택사항으로서, 채널 모델에서 명시된 바와 같이, 최종 단계에서는, 특정 정렬 기준(예를 들어, 방송 시간, 가장 오래된 것, 처음 또는 마지막)을 고려하여, 이 채널에 대한 잔여 콘텐츠 객체들에 대한 정렬 작업이 이루어질 수 있다. 채널 콘텐츠도 역시 프로그램 디렉터에 의해 추가된 콘텐츠로 풍부하게 될 수 있다는 점에 유의한다.
채널(90)은, 양방향 스택, 이중 연결 리스트, 관계형 데이터베이스 레코드 등을 포함한 임의 개수의 다른 데이터 구조들과 연계하여 도 12c에 나타낸 데이터 구조(95)를 이용하여 구현될 수 있으며, 멀티미디어 콘텐츠를 포함하는 실제 데이터 파일에 대한 주소, 식별자 또는 링크 중 임의의 것을 보유하기 위한 복수의 엔트리를 데이터베이스(47)에 포함한다. 임의 개수의 상이한 채널들이 동일한 시청자와 연관될 수 있다는 점에 유의한다.
개시된 실시예에서, 모델링 엔진(41)에 의해 수행되는 프로세스는, 각 콘텐츠 객체에 대해, 그리고 특정 주체 시청자와 연관된 각 채널에 대해 수행된다. 이러한 방식으로, 특정 시청자에 대한 콘텐츠 객체의 랭킹은, 주기적으로, 예를 들어, 매일, 매 8시간마다 등으로 업데이트될 수 있다. 신경심리학적 모델링 엔진(41)은, 모든 콘텐츠 객체에 대해 공포 좌표 f와 욕구 좌표 d에 대한 값을 계산하는 것이 아니라, 채널 모델(72)로부터 지배적 선호도의 가중 입력값이 주어질 경우 룩업 테이블을 이용할 수 있고, 시청자 모델(70)은 공포 좌표 f와 욕구 좌표 d에 대한 적절한 값을 생성한다.
도 10a, 10aa, 10b, 10bb, 10c, 및 10cc는, 콘텐츠 객체들의 랭킹을 생성하기 위해 신경심리학적 모델링 엔진(41), 랭킹 애플리케이션(42) 및 행동 모델러(49)에 의해 이용되는 데이터 구조를 개념적으로 나타내고 있다. 도 10a 및 도 10aa는 개념적인 시청자 메타데이터 파일(70)을 집합적으로 나타낸다. 성별, 연령, 결혼 상태, 가입 유형/레벨 및 시청자 식별자와 같은 시청자 정보 외에도, 시청자 메타데이터 파일(70)은 또한, 행동 모델러(49)와 신경심리학적 모델링 엔진(41)에 유용한 정보로서, 이를테면, 배우, 쟝르, 프로듀서, 특정 관심 주제, 특정 비관심 주제 중 임의의 것에 대한 선호도 목록, 상술한 것 중 임의의 것과 연관된 유형 식별자 및 가중된 선호도 값, 보통, 예를 들어, 0에서 100까지 스케일의 가능한 값들의 범위로부터 선택된 정수 값과 같은 데이터를 포함한다. 이러한 선호도 정보는 행동 모델러(49)에 의해 발생된 시청 이력으로부터 도출될 수 있다. 또한, 시청자 메타데이터 파일(70)은, 각각의 엔트리가 이벤트의 성격, 행위를 취한 날짜, 및 선택사항으로서는 경과 시간 값을 정의하는, 역 시간 순서로 통상 정렬된, 특정 시스템 이벤트들의 목록을 더 포함할 수 있다.
모델링 시스템 추가 실시예
도 9b-9c는, 본 개시의 또 다른 실시예에 따라, 시청자의 모델과 채널 모델을 업데이트하고, 새로운 콘텐츠를 검색하며, 이러한 콘텐츠가 시청자의 감정적 동기부여의 시스템 모델에 따라 등급을 매기기에 적합한지 판정하는 모델링 시스템(35)의 구성요소들 사이의 프로세스 흐름을 나타낸다. 도 9a-9c를 참조하면, 특정 프로그램의 요청, 콘텐츠 객체의 시청 완료, 콘텐츠의 저장 또는 구매와 같은 이벤트들을 포함한 시청자 행동은, 시청자 시스템(32)으로 하여금, 도 9a의 화살표 A와 도 9b의 결정 블록(61)에 의해 표시된 바와 같이, 모델링 시스템(35)의 행동 모델러(49)에 이벤트 데이터 패킷(들)을 전송하게 한다. 이러한 이벤트 데이터의 수신시에, 행동 모델러(49)는 채널 모델(들)(72)을 수정하고, 필요하다면, 처리 블록(62)에 의해 나타낸 바와 같이, 특정 시청자와 연관된 시청자 모델(70)을 수정한다. 한 실시예에서, 행동 모델러(49)에 의해 수신된 이벤트 데이터는 그 이벤트의 주체였던 콘텐츠 객체의 식별자, 콘텐츠 객체의 경과된 시청 시간, 이러한 콘텐츠 객체의 저장, 구매, 순서 변경, 호/불호의 명시, 또는 삭제와 같은 행위의 기술자(descriptor), 및 그 랭킹과 함께 콘텐츠 객체가 속하는 채널의 식별자, 및 주체 시청자 또는 시청자들의 식별자를 포함할 수 있다. 그 다음, 행동 모델러(49)는 특정 시청자와 연관된 모델과 채널을 정의하는 메타데이터 파일(72A)을 데이터베이스(46)로부터 검색한다. 또한, 행동 모델러(49)는 콘텐츠 객체를 기술하는 메타데이터 파일을 데이터베이스(47)로부터 검색한다. 그 다음, 행동 모델러(49)는 수신된 이벤트 데이터를 현재 시청자 모델(70)과 콘텐츠 객체의 메타데이터 파일(75)과 비교하고, (행동 모델러(49) 내의 원형 화살표로 표시된) 채널 모델(들)(72)을 도 9b의 처리 블록(62)로 나타낸 바와 같이, 적절하게 수정한다. 그 다음, 신경심리학적 모델링 엔진(41)은, 도 9a의 화살표 B와 C로 나타낸 바와 같이, 시청자와 연관된 현재의 채널 모델을 기술하는 메타데이터 파일을 주기적으로 요청한다. 그 수신시에, 신경심리학적 모델링 엔진(41)은, 도 9a의 화살표 D와 도 9b의 처리 블록(63)으로 나타낸 바와 같이, 관련있는 임의의 인덱싱된 콘텐츠 자료를 데이터베이스(60)로부터 요청하기 위해 현재 채널을 기술하는 메타데이터 파일을 이용한다. 예시적인 실시예에서, 신경심리학적 모델링 엔진(41)은 현재의 채널 모델을 기술하는 메타데이터 파일을 검사하고, 데이터베이스(60)에 제공된 질의를 공식화하고 포맷한다. 이런 식으로, 모델링 엔진(41)은, 케이블 서비스 제공자와 같은 더 전통적인 콘텐츠 제공자 외에도, YouTube 및 다양한 인기있는 Web 검색 엔진과 같은, 임의의 개수의 상이한 인덱싱된 콘텐츠 소스 또는 콘텐츠 라이브러리의 질의 포맷과 상호작용하도록 프로그램될 수 있다. 데이터베이스(60) 또는 기타의 콘텐츠 소스는, 도 9a의 화살표 E로 나타낸 바와 같이, 모델링 엔진(41)에 대한 질의를 만족하는 하나 이상의 콘텐츠 객체에 대한 메타파일을 반환한다.
신경심리학적 모델링 엔진(41)은 콘텐츠 객체에 대한 메타데이터 파일을 검사하고, 시청자의 메타데이터 파일 및/또는 채널 모델과 연계하여, 인간 감정의 수학적 모델, 즉, 도 1-6을 참조하여 이전에 설명된 감정 원반 상의 어느 곳에 시청자의 기분과 동기 강도가 그 특정 콘텐츠 객체에 관해 위치해 있는지를 계산한다. 구체적으로는, 모델링 엔진(41)은, 프로그램의 장르, 배우, 제목, 시리즈 등과 같은, 콘텐츠 객체에 대한 메타데이터 파일 내의 파라미터들에 대한 다양한 값들을 검사하고, 시청자와 연관된 메타데이터 파일, 구체적으로는, 임의의 선호도 및 임의의 선행하는 행동적 이벤트에 비추어 업데이트된 채널 모델에 비추어, 감정 원반 상의 어디에 공포 좌표 f, 욕구 좌표 d가 존재하는지를 계산한다. 공포 좌표 f와 욕구 좌표 d의 값들로부터, 도 9b의 처리 블록(64)으로 나타낸 바와 같이, 여기서 설명된 수학적 관계를 이용하여, 시청자들의 기분 Ψ을 표현하는 각도 위치와 시청자의 기분에 대한 객체의 영향과 동기 강도 m이 결정된다. 결과적인 기분 값 Ψ가, 원하는 결과, 즉 프로그램의 선택 또는 콘텐츠의 구매에 기초하여, 감정 원반 상의 바람직한 각도 위치에 위치해 있다면, 그 콘텐츠 객체는 해당 채널에 대해 자격이 있고, 도 9a의 화살표 F와 처리 블록(68)과 도 9b의 결정 블록(65)의 "Y" 분기로 나타낸 바와 같이, 신경심리학적 모델링 엔진(41)은 동기 강도 값 m과 콘텐츠 객체 메타파일을 랭킹 애플리케이션(42)에 제공한다. 만일 결과적인 기분 값 Ψ가 감정 원반 상의 바람직하지 않은 각도 위치에 위치해 있다면, 콘텐츠 객체는 해당 채널에 대해 자격이 없다. 이러한 경우, 랭킹 애플리케이션(42)에는 아무런 데이터도 제공되지 않는다. 대신에, 모델링 엔진(41)은, 도 9b의 처리 블록(67)과 결정 블록(66)의 "Y" 분기와 결정 블록(65)의 "N" 분기로 나타낸 바와 같이, 앞서 설명된 프로세스를 이용하여 그 시청자 모델과 연관된 더 이상의 채널 모델들이 없을 때까지 동일한 시청자 모델과 연관된 임의의 다른 채널링 모델에 대해 기분 값 Ψ를 재계산한다. 결정 블록(66)의 "N" 분기로 표시된 바와 같이, 일단 콘텐츠 객체가 모든 채널 모델들과 비교되면, 신경심리학적 모델링 엔진(41)은, 도 9c의 결정 블록(71)의 "Y" 분기와 처리 블록(73)으로 표시된 바와 같이, 데이터베이스(60)로부터의 질의 결과 내의 다음 콘텐츠 객체를 각 채널 모델(72)과 비교한다. 일단 모든 콘텐츠 객체가 특정 시청자와 연관된 모든 채널 모델(72)과 비교되면, 모델링 엔진(41)은 앞서 설명한 바와 같은 방식으로, 데이터베이스(60)에 대한 또 다른 질의 세트를 생성하기 위해 시청자 모델과 연관된 다음 채널의 모델을 이용한다. 그 후, 프로세스 블록(63) 이후의 처리가, 앞서 설명된 바와 같이, 동일한 시청자 모델과 연관된 다음 채널 모델에 관해 반복된다. 일단 모든 채널 모델들이 동일한 시청자 모델과 관련하여 업데이트되면, 시스템 내의 다른 시청자 모델과 연관된 다른 채널 모델들은, 미리 결정된 주기성을 갖고, 또는 어떤 다른 기준에 기초하여, 뷰잉 이벤트의 발생시에 유사하게 업데이트될 수 있다. 랭킹 애플리케이션(42)은 신경심리학적 모델링 엔진(41)에 의해 제공된 m 값을 검사하고, 특정 시청자 채널(90)과 연관된 데이터 구조의 다른 콘텐츠 객체에 관한 콘텐츠 객체의 상대적 랭킹을 나타내는 값을 생성한다. 채널(90)은, 양방향 스택, 이중 연결 리스트 등을 포함한 임의 개수의 다른 데이터 구조들과 연계하여 도 12c에 나타낸 데이터 구조(95)를 이용하여 구현될 수 있으며, 멀티미디어 콘텐츠를 포함하는 실제 데이터 파일에 대한 주소, 식별자 또는 링크 중 임의의 것을 보유하기 위한 복수의 엔트리를 데이터베이스(47)에 포함한다. 임의 개수의 상이한 채널들이 동일한 시청자와 연관될 수 있다는 점에 유의한다.
개시된 실시예에서, 모델링 엔진(41)에 의해 수행되는 프로세스는, 각 콘텐츠 객체에 대해, 그리고 특정 주체 시청자와 연관된 각 채널에 대해 수행된다. 이러한 방식으로, 특정 시청자에 대한 콘텐츠 객체의 랭킹은, 주기적으로, 예를 들어, 매일, 매 8시간마다 등으로 업데이트될 수 있다. 신경심리학적 모델링 엔진(41)은, 모든 콘텐츠 객체에 대해 공포 좌표 f와 욕구 좌표 d에 대한 값을 계산하는 것이 아니라, 채널 모델(72)로부터 지배적 선호도의 가중된 입력 값이 주어질 경우 룩업 테이블을 이용할 수 있고, 시청자 모델(70)은 공포 좌표 f와 욕구 좌표 d에 대한 적절한 값을 생성한다.
도 10a-10c는, 콘텐츠 객체들의 랭킹을 생성하기 위해 신경심리학적 모델링 엔진(41), 랭킹 애플리케이션(42) 및 행동 모델러(49)에 의해 이용되는 데이터 구조를 개념적으로 나타내고 있다. 도 10a는 시청자 메타데이터 파일(70)을 개념적으로 나타낸다. 성별, 연령, 결혼 상태, 가입 유형/레벨 및 시청자 식별자와 같은 시청자 정보 외에도, 시청자 메타데이터 파일(70)은 또한, 행동 모델러(49)와 신경심리학적 모델링 엔진(41)에 유용한 정보로서, 이를테면, 배우, 쟝르, 프로듀서, 특정 관심 주제, 특정 비관심 주제 중 임의의 것에 대한 선호도 목록, 상술한 것 중 임의의 것과 연관된 유형 식별자 및 가중된 선호도 값, 보통, 예를 들어, 0에서 100까지 스케일의 가능한 값들의 범위로부터 선택된 정수 값과 같은 데이터를 포함한다. 이러한 선호도 정보는 행동 모델러(49)에 의해 발생된 시청 이력으로부터 도출될 수 있다. 또한, 시청자 메타데이터 파일(70)은, 각각의 엔트리가 이벤트의 성격, 행위를 취한 날짜, 및 선택사항으로서는 경과 시간 값을 정의하는, 역 시간 순서로 통상 정렬된, 특정 시스템 이벤트들의 목록을 더 포함할 수 있다.
도 10b는, 메타데이터 파일부(72A)와, 선호도별 기반으로 구분된 특정 시청자 시청 이력에 관련된 데이터를 위한 버킷 버퍼 영역(72B)을 포함하는 예시적인 채널 모델(72)을 개념적으로 나타낸다. 채널 모델(72)의 메타데이터 파일부(72A)는, 한 실시예에서, 지배적 선호도 및 동반 값, 보통, 예를 들어, 0에서 100까지의 스케일의 가능한 값들의 범위로부터 선택된 정수값 뿐만 아니라, 부-지배적 선호도와 각각의 동반 값의 목록을 포함한다. 예시적 실시예에서 채널 모델(72)의 버킷부(72B)는, 복수의 부-버킷 영역을 포함하고, 각각의 부-버킷 영역은 그 자신의 선호도 식별자 및 이벤트 데이터에 대한 저장 영역을 포함한다. 이러한 데이터는, 정렬되지 않거나 시간적 순서로, 그러나 행동 모델러(49) 및 신경심리학적 모델링 엔진(41)에 의해 인식가능한 포맷으로 버킷 내에 포함될 수 있다. 이런 방식으로, 좋아하는 배우, 좋아하는 쟝르, 구체적으로 요청된 주제, 가장 많이 구입되거나 저장된 콘텐츠 등과 같은 특정 파라미터들은, 각각의 선호도 값으로 인자화된 이력 데이터와, 그에 따라 행동 모델러(49)에 의해 식별된 특정 시청자 채널 내에서 어느 파라미터가 가장 강하게 가중치부여될 것인지에 대한 결정을 포함할 수 있다. 예시적 실시예에서, 도 9b의 처리 블록(62)에서, 행동 모델러(49)는 시청자 시스템(32)으로부터 각 이벤트의 성격을 결정하고, 콘텐츠 객체와 연관된 메타데이터, 시청자 모델, 및 채널 모델 메타데이터 파일(72A)의 지배적 선호도, 특정 콘텐츠 객체에 대한 시청자의 감정적 동기의 가장 정확한 표현을 달성하기 위해 이전에 도출되어 미리 결정된 공식으로 구현된 관계를 고려한다. 그 다음, 행동 모델러(49)는 채널 모델 메타데이터 파일(72A) 내의 하나 이상의 지배적 및 부지배적 선호도의 각 가중치를 조정한다. 예를 들어, 특정 배우의 영화에 대한 반복적 시청은, 채널 모델 메타데이터 내의 프로듀셔, 특정 쟝르, 또는 관심 분야와 같은, 다른 지배적 및/또는 부-지배적 선호도에 비해 그 배우에 대한 지배적 선호도의 가중치 값의 증가를 야기할 것이다. 이런 방식으로, 채널 모델 메타파일(72A) 내의 지배적 및 부-지배적 선호도의 결합된 가중치는 실질적으로 일정하게 머무르는 반면, 개개의 구성 선호도의 각각의 가중치는 뷰잉 이벤트마다 극적으로 변할 수 있다. 이와 같이, 채널 모델(72)의 메타데이터 파라미터들은 지속적으로 업데이트되고 서로 비교되어, 시청자의 직전 시청 이력이 주어진 경우 어느 선호도가 현재 가장 강하게 가중치부여되는지를 결정한다. 뷰잉 이벤트가 발생하면, 여기서 설명된 바와 같이, 행동 모델러(49)는 섹션(72B) 내의 적절한 선호도 버킷 영역을 업데이트하거나, 동적으로 확장가능한 모델 내에서 새로운 버킷 영역을 인스턴스화할 것이다. 그 다음, 행동 모델러(49)는 이벤트에 기초하여 지배적 또는 부-지배적 선호도와 연관된 선호도 값들 중 임의의 것이 수정될 필요가 있는지를 판정하고, 적절한다면, 섹션(72A) 내의 선호도 값에 변경을 가한다. 신경심리학적 모델링 엔진(41)에 의해 요청받을 때, 행동 모델러(49)는 메타데이터부(72A)를 전송하여, 이로부터 모델링 엔진(41)은 지배적 및 부-지배적 선호도를 이용하여, 그들 각각의 동반 값들을 검토한 후에, 요청 질의를 생성한다.
시청자 시스템
도 11a는, 본 개시에 따른, 공용 네트워크(30), 콘텐츠 제공자 소스(34 및 36)와 모델링 시스템(35)에 관한 시청자 인터페이스 시스템(32)을 개념적으로 도시한다. 도 11a에는 또한 디스플레이(80)와 연관된 리모콘(88)이 나타나 있다. 시청자 시스템(32)은, 한 실시예에서는 텔레비전 디스플레이(80)와 동반되는 리모콘(88)으로 구현될 수 있는, 주로 비디오 콘텐츠의 시청에 이용되는 제1 또는 우뇌 사용자 인터페이스 디스플레이(80)를 포함한다. 디스플레이(80)는, "접속된 TV" 또는 접속된 Blu-ray 플레이어나 접속된 게임 콘솔과 같은 TV를 네트워크(30 또는 31)에 접속하는 기타의 장치들, 예를 들어, 인터넷, 예를 들어, 네트워크(30) 뿐만 아니라, 케이블 패킷 네트워크 또는 위성 네트워크, 예를 들어, 네트워크(31)에 직접 접속할 수 있는 장치에서 구현될 수 있다. 시청자 시스템(32)은, 콘텐츠 서핑 인터페이스와 구매 인터페이스를 제시하고, PDA(Personal Digital Assistant) 또는 스마트 폰, 태블릿 컴퓨터 또는 심지어 랩탑 컴퓨터에서 구현될 수 있는 제2 또는 좌뇌 사용자 인터페이스(84)를 더 포함한다. 이러한 제2 사용자 인터페이스는 주로 인간 두뇌의 좌반구와, 또한 제한된 범위까지는, 인간 두뇌의 우반구의 활동을 이용 및/또는 자극한다. 시청자는, 통상, 저장, 구매, 순서 변경, 채널(90)의 랭킹 내에서 특정 콘텐츠 객체에 대한 호/불호를 지정하는 것과 같은 활동을 수행하기 위해 제2 사용자 인터페이스(84)를 이용한다. 시청자 시스템(32)은, 시각적 콘텐츠 뿐만 아니라 주로 콘텐츠 서핑 및 구매를 위한 텍스트 기반의 인터페이스를 제시할 수 있고, 데스크톱 또는 랩탑 시스템을 포함한 전통적인 개인용 컴퓨터 뿐만 아니라 기타의 시스템에서 구현될 수는 선택사항적 제3 및 제4 사용자 인터페이스(86 및 87)를 각각 포함한다. 예시적 실시예에서, 디스플레이(80)는, 시각적, 비-텍스트적 정보를 제시하는 반면, 전화/PDA(84), 개인용 컴퓨터(86), 및/또는 태블릿 컴퓨터(87) 중 하나, 또는 둘 또는 세개 모두는 도 12b의 채널(90A-C) 내에 포함된 콘텐츠의 표현과 같은 텍스트적 정보 또는 기타의 텍스트 기반의 데이터를 디스플레이한다. 개인용 컴퓨터(86) 및 태블릿(87)도 역시 시각적 정보를 디스플레이하는데 이용될 수 있다는 점에도 유의한다. 시청자 시스템(32) 내의 다양한 사용자 인터페이스에 대한 뇌 활동의 우위는 아래의 표에 표시되어 있다:
- 디스플레이(80) : 완전 우뇌, 최소 좌뇌
- 태블릿(87): 주로 좌뇌, 제한된 좌뇌, 선택사항으로서 완전 우뇌
- 스마트폰/PDA(84): 주로 좌뇌/제한된 좌뇌, 선택사항으로서 제한된 우뇌
- 개인용 컴퓨터(86): 완전 좌뇌, 선택사항으로서 제한된 우뇌
개시된 실시예에서, 시청자 시스템(32)의 요소들은 기존의 사용 기술로 구현될 수 있다. 예를 들어, 디스플레이(84)는, Apple iPhone, 및 Samsung, HTC, Alcatel, Acer, Sony Ericsson, HTC, LG, Google Nexus, ZTE, Motorola 등을 포함한 임의 개수의 제조업체들로부터의 시판 중인 Android 운영 체제 기반의 스마트폰을 포함하지만 이들로 제한되지 않는, 임의 개수의 스마트폰이나 PDA 장치들에서 구현될 수 있다. 이 디스플레이(87)는, Apple iPad와 Acer, Archos, Dell, Motorola, Samsung, Sony, Toshiba, ZTE 등을 포함한 임의 개수의 제조업체들로부터 시판 중인 Android 운영 체제 기반의 태블릿을 포함하지만 이들로 제한되지 않는, 태블릿 컴퓨터에서 구현될 수 있다. 앞서 설명된 바와 같이, 디스플레이(80)는, LG, JVC, Panasonic, Philips, Samsung, Sharp, Sony 등을 포함한 임의 개수의 제조업체들로부터 시판 중인 것을 포함하지만 이들로 제한되지 않는, 콘텐츠 소스로의 접속을 위해 셋탑 박스(82)와 같은 보충 장비에 의존하는 전통적인 텔레비전 디스플레이 장치뿐만 아니라 접속형 TV에서 구현될 수도 있다.
디스플레이(86)는, Apple iMac과, Acer, Hewlett-Packard, Asus, Samsung, Sony, Dell, Toshiba 등을 포함한 임의 개수의 제조업체들로부터 시판 중인 IBM PC 호환형 개인용 컴퓨터를 포함하지만 이들로 제한되지 않는 임의 개수의 컴퓨터 시스템에서 구현될 수 있다. 셋탑 박스(82)는, 임의 개수의 시판 중인 셋탑 박스나, Sony Playstation, Apple Mac Mini, Nintendo Wii, Microsoft Xbox 등을 포함한 임의 개수의 제조업체들로부터 시판 중인 것들을 포함한, 액세스되는 콘텐츠의 소스에 따라, 개방형 아키텍쳐 또는 독점적 아키텍쳐의 게이밍 플랫폼에서 구현될 수도 있다. 리모콘(88)은, TV 제조업체의 임의의 개수의 표준 설계 원격 제어로 구현되거나, 대안으로서, Logitech, Inc.에 의해 제조된 것과 같은 마켓 리모콘으로 구현될 수도 있다.
본 개시에 따르면, 리모콘(88)의 전통적인 커서 네비게이션 제어는, 앞서 설명된 바와 같이, 시청자의 신경심리학적 프로파일과 연관된 이전에 집계되고 등급이 매겨진 콘텐츠의 채널(들)을 서핑하기 위한 1차 메커니즘으로 이용된다. 리모콘(88)에 의해 생성된 커서 네비게이션 제어 명령의 전통적인 기능은, 리모콘에 의해 또는 디스플레이(80)의 전면 패널로부터 직접 선택가능한 리디렉션 애플리케이션(85)을 이용하여 오버라이드 및/또는 리디렉트될 수 있다. 이러한 프로그램은, 접속된 TV나 기타의 접속된 장치의 경우 디스플레이(80)의 프로세서와 운영 체제 상에서 직접 실행되거나, 또는 대안으로서는, 디스플레이(80)와 연관된 셋탑 박스(82)와 공용 네트워크(30)를 통해 시청자 시스템(32)에 원격 접속된 모델링 시스템(35)의 서버(40)에서 원격적으로 실행될 수 있다.
예시적 실시예에서, 커서 네비게이션 제어 각각은, 여기서 설명된 바와 같이, 채널링 내에서 이전에 등급이 매겨진 콘텐츠 객체의 검색과 리뷰를 시작하도록 리디렉트될 수 있다. 도 11b는 리디렉션 애플리케이션(85)에 의해 수행되는 알고리즘적 프로세스를 나타내다. 우선, 작동시에, 애플리케이션(85)은 리모콘(88)으로부터 원격 전송되는 명령 신호를 기다린다. 당업자라면 이해하겠지만, 이러한 신호는, 유형적 전기 도전체를 통해, 또는 광학적, 마이크로파 등을 포함한 임의 개수의 기술을 통해 무선으로 전송될 수 있다. 애플리케이션(85)은, 수신된 신호의 데이터, 통상, 명령을 식별하는 데이터 스트림이나 헤더 파일 내의 필드를 검사하여, 수신된 명령과 연관된 수신된 신호가, 리모콘(88)의 위, 아래, 좌, 우 커서 네비게이션 신호와 같은 리디렉트되는 신호들 중 하나인지를 판정한다. 만일 그렇다면, 어떤 커서 네비게이션 명령이 수신되었는지에 따라, 리디렉션 애플리케이션(85)은 시청될 새로운 콘텐츠를 식별하게 하는데 필요한 데이터를 모델링 시스템(35)에게 전송한다. 이러한 데이터는, 현재 또는 최근에 시청된 콘텐츠 객체에 대한 메모리-오프셋, 채널 데이터 구조(95) 내에서의 다음 콘텐츠 객체를 식별하게 하는 시퀀스 번호, 시청자 시스템(32) 내에 국지적으로 위치하거나 모델링 시스템(35) 내에서 원격적으로 위치한 현재 디스플레이된 객체와 연관된 메타데이터 파일 콘텐츠로부터 검색된 해결가능한 링크와 같은, 임의 개수의 상이한 기술들로 구현될 수 있다.
도 11c는, 디스플레이될 다음 콘텐츠 객체를 식별하게 하는 리디렉션 애플리케이션(85)으로부터의 핸들이나 참조 데이터의 수신에 모델링 시스템(35)의 서버 애플리케이션(51)에 의해 수행되는 알고리즘적 프로세스를 나타낸다. 핸들이나 참조 데이터의 성격에 따라, 서버 애플리케이션(51)은 디스플레이될 다음 콘텐츠 객체에 대한 어떤 주소, 링크 또는 참조를 해결한 다음, 이러한 콘텐츠 객체와 연관된 메타데이터 파일을 통상 데이터베이스(47)로부터 검색한다. 그 후, 콘텐츠 객체와 연관된 실제 데이터가 데이터베이스(47)로부터 검색되고, 시스템의 정확한 구현에 따라, 공용 네트워크(30) 또는 사설 네트워크(31)를 통해 시청자 시스템(35)의 제1 사용자 인터페이스(80)에 스트리밍된다. 시청자 시스템(32)으로 콘텐츠의 스트리밍의 개시와 동시에, 서버 애플리케이션(49)은 스트리밍이 종료되는 마지막 시간, 통상 디스플레이될 다음 콘텐츠 객체가 선택되는 때를 결정하기 위해 타이머를 개시할 수 있다. 스트리밍 종료 명령의 수신시에, 서버 애플리케이션(51)은 이전에 리뷰된 콘텐츠 객체의 경과 시간을 나타내는 값을 콘텐츠 객체의 메타데이터와 함께 시청자의 행동 모델을 업데이트하기 위한 행동 모델 모듈(49)에 전송한다. 기타의 이용가능한 명령들도 마찬가지로 콘텐츠 스트리밍을 종료케할 수 있고, 시청자의 행동 모델이, 채널 업/다운, 백 버튼(또 다른 콘텐츠 객체의 개시를 야기), 잠시멈춤, 빨리-가기, (콘텐츠 객체 내에서의) 되감기 등을 포함하지만 이들로 제한되지 않는, 경과된 시간에 의해 업데이트되게 한다. 대안으로서, 경과 시간 값을 유지하는 것이 아니라, 서버 애플리케이션(51)은 마지막으로 스트리밍된 데이터 패킷의 헤더 내에 임베딩된 시간 코드를 검사하여 스트리밍이 종료되기 이전에 얼마나 많은 콘텐츠 객체가 시청자에 의해 시청되었는지를 판정할 수 있다. 그 다음, 이 값에 기초한 경과된 시간을 나타내는 데이터가 유사하게 행동 모델 모듈(49)에 전송될 수 있다. 그 후, 시청될 다음 콘텐츠를 식별하고, 검색하며, 스트리밍하기 위한 유사한 프로세스가 발생한다.
묵시적 및 명시적 데이터/이벤트 모두 "화살표 A" 기능을 야기할 수 있다. 묵시적 데이터/이벤트는 다음을 포함할 수 있다:
● (디스플레이(84, 86, 87) 상의 우뇌 사용자 인터페이스로부터 또는 리모콘(88)을 사용하여) 기본 시청 동작 이벤트들:
o 재생(특정 프로그램의 요청, 콘텐츠 객체의 시청을 계속)
o 잠시멈춤
o 빨리 감기/되감기
o 중단(시청의 완료)
o 채널 내의 다른 콘텐츠 객체로의 서핑
o 다른 채널로의 서핑
● 콘텐츠의 구매
● 특정 시간 프레임 내의 이벤트들의 시퀀스(예를 들어, 특정 콘텐츠 객체로의 복수회 전후 서핑)
● 콘텐츠 객체 "내에서의" 특징 시간 프레임 부근의 동작, 예를 들어, 광고 시작, 유혈 장면,..일 때 떨어져 서핑
명시적 데이터/이벤트는 다음을 포함할 수 있다:
● 리모콘(88) 상의 채색된 버튼(또는 디스플레이(84, 86, 87)의 등가 우뇌 사용자 인터페이스 요소)을 이용한 피드백 제공
● 디스플레이(84, 86, 87) 상의 좌뇌 사용자 인터페이스를 이용한 채널 관리
● 디스플레이(84, 86, 87) 상의 좌뇌 사용자 인터페이스를 이용한 검색어 입력
새로운 콘텐츠 객체의 전송을 야기할 수 있는 추가 명령들로는, 좌향 이중 화살표, 우향 이중 화살표, 뒤로 버튼, 및 "OK" 버튼이 포함된다(아이템이 구매되어야 한다면, 화살표를 이용하여 이 아이템에 액세스할 때 트레일러만이 검색된다; OK는 지불된 콘텐츠의 전송을 트리거한다).
특정 시청자 채널 내의 콘텐츠 객체들의 다차원 서핑을 수행하기 위해 커서 네비게이션 제어를 이용하는 프로세스가 도 12a-도 12b를 참조하여 예시된다. 도 12a를 참조하면, 전통적인 커서 네비게이션 제어(91, 93, 95, 및 97)를 이용한, 각각 욕구와 시간 벡터(92 및 94)를 따른 콘텐츠의 다차원 서핑의 개념을 나타내는 다차원 채널(90)이 개념적으로 도시되어 있다. 구체적으로는, 특정 주체/시청자와 연관된 채널(90)은 욕구의 내림차순으로, 통상 가장 높은 욕구로부터 가장 낮은 요구 순서로 정렬된 제1 차원(92)을 따른 제1 복수의 콘텐츠(C1t, C2t , C3t, C4t, C5t,...Cnt)를 포함한다. 예시적 실시예에서, 시청자에 의한 상방향 커서 제어(91)의 작동은 채널(90)의 차원(92)에서 다음 콘텐츠 객체의 시청을 개시하며, 그 콘텐츠에 대해 주체/시청자는 그 콘텐츠의 시청이나 구매에 대해 증가된 동기 욕구를 가질 것이다. 마찬가지로, 시청자에 의한 하방향 커서 제어(97)의 작동은 채널(90)의 차원(92)에서 다음 콘텐츠 객체의 시청을 개시하며, 그 콘텐츠에 대해 주체/시청자는 그 콘텐츠의 시청이나 구매에 대해 감소된 동기 욕구를 가질 것이다.
링크나 참조를 통해 연관된 제1 복수의 콘텐츠 객체(C1t - Cnt) 중 하나 이상과, 제2 차원(94)을 따라 시간순으로 관련된 제2 복수의 콘텐츠 객체는 하나 이상의 공통 메타데이터 파라미터를 공유한다. 예를 들어, 예시된 바와 같이, 콘텐츠 객체(C4t)는 제1 방향으로 시간순으로 정렬된, 예를 들어, 왼쪽 방향으로 오래된 순서로 순차적으로 정렬된, 복수의 콘텐츠 객체(C4t-1, C4t-2 , C4t-3, C4t-4,...C4t-n)와 연관된다. 콘텐츠 객체(C4t)는 또한 제2 방향으로 시간순으로 정렬된, 제1 방향과 반대인, 예를 들어, 오른쪽 방향으로 덜 오래된 순서로 정렬된, 복수의 콘텐츠 객체(C4t+1, C4t+2 , C4t+3, C4t+4,...C4t+p)와 연관된다. 예시적 실시예에서, 시청자에 의한 좌방향 커서 제어(93)의 작동은 채널(90)의 차원(94)에서 왼쪽 방향으로 다음 콘텐츠 객체의 시청을 개시하며, 그 콘텐츠에 대해 주체/시청자는 그 콘텐츠의 시청이나 구매에 대해 적어도 동일한 동기 욕구를 가질 것이다. 마찬가지로, 시청자에 의한 우방향 커서 제어(95)의 작동은 채널(90)의 차원(94)에서 다음 콘텐츠 객체의 시청을 개시하며, 그 콘텐츠에 대해 주체/시청자는 그 콘텐츠의 시청이나 구매에 대해 적어도 동일하거나 상이한 동기 욕구를 가질 것이다.
따라서, 개시된 다차원 채널 구성을 이용하여, 리모콘(88)의 각각 상방향 및 하방향 커서 네비게이션 제어(91 및 97)는 현재 시청되는 채널(90)과 연관된 모델링 시스템(35)에 의해 이전에 등급이 매겨진 콘텐츠 객체들을 제1 차원(92)을 통해 이동하는데 이용될 수 있는 반면, 리모콘(88)의 각각 좌방향 및 우방향 커서 네비게이션 제어(93 및 95)는 콘텐츠에 대해 각각 시간적으로 뒤로 또는 앞으로 서핑, 예를 들어, 현재 시청중이거나 이제 막 시청된 동일한 프로그램의 과거 또는 미래 에피소드를 서핑하는데 이용될 수 있다. 도 12a에서 점선으로 나타낸 바와 같이, 시스템 설계자의 재량에 따라, 콘텐츠가 복수의 차원들로부터 액세스될 수 있다는 것을 나타내기 위한 다른 가능한 선택 옵션들이 있다. 시청자 시스템(32)의 제2 인터페이스(84), 제3 사용자 인터페이스(86) 또는 제4 사용자 인터페이스(87) 중 임의의 것은 또한, 채널(90)의 어느 한 차원(92 또는 94)의 콘텐츠 객체들을 액세스하는데 이용될 수 있다.
도 12b는 데이터베이스(48) 내의 특정 주체/시청자와 연관된 채널(90)의 구현을 개념적으로 나타낸다. 채널(90)은 모델링 시스템(35)의 데이터베이스(48)에 저장된 복수의 채널(90A-C)을 포함할 수 있다. 예시된 바와 같이, 채널(90A)은 복수의 그룹을 포함한다. 한 구현에서, 도 12a의 채널(90)의 제1 차원(92)이 도 12b의 그룹 1로 표시된 반면, 제2 차원(94)은 도 12b의 그룹 2로 표시된다. 그룹 1 및 2 내의 콘텐츠 객체들은, 채널 데이터 구조 내의 랭킹 위치 또는 각 슬롯의 구현 성격에 따라 링크될 수 있다. 또 다른 구현에서, 그룹 1-n 각각은 단일 차원을 나타낼 수 있다. 그룹은 복수의 또는 단일의 아이템을 그 내부에 가질 수 있다는 점에 유의한다. 채널(90B 및 90C)은 채널(90A)과 유사하거나 상이하게 구현될 수 있다.
도 12c는 채널(90A-C) 내의 그룹들을 구축할 수 있는 샘플 데이터 구조(96)를 개념적으로 나타낸다. 구조(96)는 객체, 레코드, 파일 또는 기타의 저장 구조체로서 구현될 수 있고, 그 연관된 콘텐츠 객체를 식별하게 하는 필드나 파라미터와, 실제 콘텐츠 객체가 검색될 수 있는 저장 장소로 분해가능한 주소나 링크를 포함할 수 있다. 또한, 데이터 구조(96)는, 선택사항으로서, 그룹/채널 내에서의 그 위치를 식별하게 하는 위치 값 뿐만 아니라 인접한 데이터 구조로의 하나 이상의 링크 참조 또는 포인터를 더 포함할 수 있다. 이러한 인접 데이터 구조는, 여기서 개시된 바와 같이, 리디렉션 애플리케이션(85)과 연계한 리모콘(88)의 커서 네비게이션 제어를 이용하여 제1 차원(92) 또는 제2 차원(94)을 따라 채널(90) 내에서 액세스가능한 콘텐츠 객체를 나타낸다. 데이터 구조(96)는 연관된 하나 또는 복수의 포인터나 참조를 가질 수도 있고 갖지 않을 수도 있다. 데이터 구조(95)는, 시청자를 식별하게 하는 필드 또는 파라미터 및/또는 콘텐츠 객체와 연관된 채널링을 더 포함할 수 있다.
도 12d를 참조하면, C1t, ...Cnt는 또한 수평 차원이라고도 불리는데; 이것은 채널의 주 차원이고; 이 채널에서의 콘텐츠는 사실상 콘텐츠의 랭킹에 따라 선택되지만; 콘텐츠의 순서는 동기(motivational)일 수 있는데, 이 경우 Cnt는 최상위 랭크를 갖는 콘텐츠이며, 시간-기반일 수도 있는데, 이 경우 Cnt는 가장 최근의 아이템이다. C4t-3,....C4t-1은 아이템 C4t의 위치에서 한번 더블 좌향 화살표를 누를 때 입력되는 차원이고; 콘텐츠는 특정 메타데이터 아이템, 예를 들어, 시리즈의 에피소드와 관련되고 그 시기(age)에 따라 등급이 매겨지며, 일단 이 차원에서는 이 차원을 네비게이션하기 위해 다시 한 번 좌향 및 우향 버튼들이 이용되고; 이 차원을 떠나기 위해 "뒤로"를 선택하면 C4t로 되돌아 갈 것이다. C4tu1, ...C4tu3은 아이템 C4t에 기초하여 상향 버튼을 누를 때 네비게이션되는 차원이고; 이 "위로" 차원에서 시청/구매를 위한 가장 높은 동기를 갖는 콘텐츠는 가장 접근성이 높은 위치, 즉, C4tu1이며, 위로 이동할 때 동기가 줄어든다는 점에 유의한다. C4td1,....,C4td3은 아이템 C4t에 기초하여 하향 버튼을 누를 때 네비게이션되는 차원이고; 이 "아래로" 차원에서 가장 높은 동기를 갖는 콘텐츠는 가장 접근성이 높은 위치, 즉 C4td1이고; 따라서, 아래로 이동할 시에 동기가 줄어든다는 점에 유의한다. 따라서, 위로 또는 아래로 이동하는 것이 항상 더 높은 동기를 나타낼 필요는 없고; 이것은 상황, 즉 C4t 아이템에 대한 상대적 위치에 의존한다. 한 실시예에서, 상향 차원 콘텐츠는 하나의 소스(예를 들어, VOD)로부터 나오고, 하향 차원의 콘텐츠는 또 다른 소스(예를 들어, YouTube)로부터 나온다. 도 11d는 전술된 네비게이션을 수행하고 콘텐츠 객체를 디스플레이하기 위해 시청자 시스템(32)에 의해 수행되는 알고리즘적 프로세스를 개념적으로 나타낸다.
분산된 업로드 시스템
앞서 개시된 시스템은 전술된 분산된 업로드 시스템과 연계하여 이용될 수 있다. 특히, 도 13a - 도 13b를 참조하면, 도 7, 8, 및 11a에 나타낸, 네트워크 환경(38)의 선택된 요소들이 개념적으로 도시되어 있다. 구체적으로는, 도 13a는 콘텐츠 소스(36)와 모델링 시스템(35) 양쪽 모두에 연동된 복수의 시청자 시스템(32a-n)을 나타낸다. 시청자 시스템(32a-n)은 후술되는 바와 같은 추가 수정과 함께 여기서 앞서 설명된 바와 같이 구현될 수 있다. 마찬가지로, 모델링 시스템(35)은 여기서 설명된 바와 같이 구현될 수 있다. 콘텐츠 소스(36)는, 인덱싱된 콘텐츠 자료를 포함하거나, 도 7의 임의의 콘텐츠 제공자(34 또는 37)을 포함하거나, 케이블 패킷 네트워크를 통한 케이블 TV 서비스 제공자, 위성 네트워크를 통한 위성 TV 서비스 제공자, 또는 인터넷을 통한 라이브 방송(인터넷 TV) 중 임의의 것을 포함할 수 있는 도 9a의 소스(60)를 참조하여 여기서 앞서 설명된 바와 같이 구현될 수 있다.
도 13b는, 콘텐츠 파일 소스(30)가 시청자 시스템(32a-n)에 추가하여 또는 이를 대신하여 모델링 시스템(35)과 통신한다는 점을 제외하고는 도 13a와 유사한 대안적인 개념적 네트워크 구성을 나타낸다.
도 14는, 본 개시에 따른, 공용 네트워크(30), 콘텐츠 제공자 소스(36), 및 모델링 시스템(35)에 관한 시청자 인터페이스 시스템(32)의 선택된 요소들을 개념적으로 나타낸다. 시청자 시스템(32)은, 한 실시예에서는, 텔레비전 디스플레이(80) 및 동반되는 리모콘(88)으로 구현될 수 있는, 주로 비디오 콘텐츠의 시청에 이용되는, 제1 또는 우뇌 사용자 인터페이스 디스플레이(80)를 포함한다. 디스플레이(80)는, "접속된 TV" 또는 접속된 Blu-ray 플레이어나 접속된 게임 콘솔과 같은 TV를 네트워크(30)에 접속하는 기타의 장치들, 예를 들어, 인터넷, 예를 들어, 네트워크(30) 뿐만 아니라, 케이블 패킷 네트워크 또는 위성 네트워크, 예를 들어, 네트워크(31)에 직접 접속할 수 있는 장치에서 구현될 수 있다. 시청자 시스템(32)은, 콘텐츠 서핑 인터페이스와 구매 인터페이스를 제시하고, PDA(Personal Digital Assistant) 또는 스마트 폰, 태블릿 컴퓨터 또는 심지어 랩탑 컴퓨터에서 구현될 수 있는 제2 또는 좌뇌 사용자 인터페이스(84)를 더 포함한다. 이러한 제2 사용자 인터페이스는 주로 인간 두뇌의 좌반구와, 또한 제한된 범위까지는, 인간 두뇌의 우반구의 활동을 이용 및/또는 자극한다.
예시적 실시예에서, 텔레비전 디스플레이(80)은 콘텐츠 제공자 소스(36) 및 모델링 시스템(35)과 인터페이싱하기 위한 애플리케이션 프로세스(100)를 더 포함한다. 구체적으로는, 애플리케이션(100)은 모델링 시스템 인터페이스 프로세스(102)와 크롤러 프로세스(104)를 포함한다. 모델링 시스템 인터페이스 프로세스(102)는, 도 13a-13b를 참조하여 이하에서 설명되는 방식으로, 시청자 시스템(32)이 소스(36) 및 모델링 시스템(35)과 상호작용하는 것을 가능하게 한다. 크롤러 프로세스(104)는, 이하에서 설명되는 방식으로 프로세스(102) 및 콘텐츠 소스(36), 적용가능한 경우, 콘텐츠 소스(36)와 연관된 스케쥴링 애플리케이션 또는 전자 프로그램 가이드 기능(106)과 상호작용한다.
크롤러 프로세스(104)는, 이하의 방식으로, 프로세스(102)를 통해, 콘텐츠 소스(36) 및 모델링 시스템(35)과 상호작용한다. 크롤러 프로세스(104)는 콘텐츠 소스(36)와 연관된 스케쥴링 기능(106)에 지속적으로 질의하여, 콘텐츠 소스(36)로부터 시청자 시스템(32)으로의 다운로드 스트리밍에 대해 어떤 콘텐츠 프로그램이 현재 액세스가능한지를 결정한다. 이러한 액세스가능성의 결정은 일반적으로 콘텐츠 소스 제공자와 시청자의 가입 협약에 의해 정의된다. 프로세스(104)가 시청자가 합법적으로 인증된 액세스를 할 수 있는 콘텐츠를 식별하는 때마다, 크롤러 프로세스(104)는, 도 13a의 화살표 A로 나타낸 바와 같이, 디스플레이(80)로의 콘텐츠의 다운로드 스트리밍을 개시하고, 콘텐츠를 식별하는 데이터 및 버퍼 내에 포함된 콘텐츠의 특정 부분을 식별하게 하는 하나 이상의 시간적 또는 순차적 식별자를 포함한 콘텐츠와 연관된 메타데이터와 함께, 디스플레이(80)와 연관된 메모리 내에 콘텐츠의 일부 퍼센트를 버퍼링한다. 도 13c는 시청자 시스템(32)에 의해 콘텐츠 객체 단편들을 포획 및 업로드하기 위한 알고리즘적 프로세스를 개념적으로 나타낸다. 크롤러 프로세스(104)는 콘텐츠를 식별하게 하는 정보와 함께 버퍼 콘텐츠를 포함하는 하나 이상의 데이터 패킷을 프로세스(102)에 전송하거나, 또는 대안으로서, 이러한 정보가 저장되고 양쪽 프로세스에 의해 액세스가능한 메모리 내의 주소를 제공한다. 프로세스(102)는 이 정보에 도 15에 나타낸 데이터 구조(120)를 첨부하고, 이러한 정보를 도 13a의 화살표 B로 나타낸 바와 같이 모델링 시스템(35)에 전송하거나 스트리밍한다. 한 실시예에서, 프로세스(102)는 모델링 시스템(35)의 집계 서버(110)에 질의하여 콘텐츠 객체의 전체 사본이 집계 서버 데이터베이스(112) 또는 데이터베이스(47)에 이미 존재하는지를 판정할 수 있다. 존재한다면, 프로세스(102)는 데이터 구조(120)만을 집계 서버(110)에 전송하여 불필요한 네트워크 대역폭 사용을 제거한다. 집계 서버(110)가 콘텐츠 객체의 특정 세그먼트를 요구한다면, 프로세스(102)에게 시간적 또는 순차적 식별자에 의해 식별가능한 특정 세그먼트(들)을 명시할 것이다. 프로세스(102)는, 소스(36)로의/로부터의 콘텐츠의 포워딩 및 취득을 위해 이러한 정보를 크롤러 프로세스(104)에 제공할 것이다.
도 15를 참조하면, 한 실시예에서, 데이터 구조(120A)는, 콘텐츠 객체 및/또는 그 일부(122A)를 식별하는 데이터, 콘텐츠 객체(124A)와 연관된 시간적 또는 순차적 식별자, 및 시청자 프로세스를 식별하는 인증 표시(126A)을 포함할 수 있다. 또한, 데이터 구조(120A)는, 시청자 프로세스(127A)와 연관된 사용자 정의형 채널을 식별하는 데이터(128A) 및 콘텐츠 객체를 암호해독하기 위한 암호화 키(129A)를 식별하는 데이터를 더 포함할 수 있다.
예시적 실시예에서, 인증 표시(126A)은, 마스크, 특별 코드, 키, 해쉬 값 등으로 정렬된 하나 이상의 2진 값을 포함한 임의 개수의 상이한 형태를 취할 수 있다. 또한, 이러한 인증 표시(126A)은 콘텐츠 소스(36)로부터 수신되거나, 프로세스(102)에 의해 그로부터 도출될 수 있다. 콘텐츠 소스(36)로부터의 콘텐츠 객체가 암호화된 형태로 제공되는 실시예에서, 암호해독 키들 또는 코드들은 인증 표시(126A)의 일부로서 프로세스(102)에 의해 모델링 시스템(35)에 유사하게 제공될 수 있다.
디스플레이 장치(80)가 콘텐츠 소스(36)에 동작적으로 접속되어 있는 동안, 시청자 프로세스가 액세스하는 모든 콘텐츠에 대해, 크롤러 프로세스(104)에 의해 수행되는 기능이 계속 반복된다. 프로세스(104)는 소스(36)에 질의하기 위해 디스플레이(80)와 연관된 채널 선택 구동기 또는 적용가능하다면 임의의 연관된 케이블 박스(82)를 이용할 수 있다. 또한, 크롤러 프로세스(104)에 의해 수행되는 기능은 통상, 어떠한 비디오 또는 오디오 콘텐츠도 디스플레이 버퍼로부터 실제 디스플레이 그 자체로 판독되지 않고 이루어진다. 이런 방식에서, 이러한 프로세스는 시청자가 시스템을 이용하고 있지 않은 동안에, 예를 들어 시스템 "다운 시간" 동안 수행되며, 시청자가 깨닫지 못하게 투명하게 수행될 수 있다.
예시적 실시예에서, 도 8을 참조하면, 모델링 시스템(35)은, 집계 서버(110) 및 동반 데이터베이스(112)와 네트워크 스트리밍 인터페이스(114)를 더 포함한다. 시청자 시스템(32)의 프로세스(102)로부터 수신된 구조(120) 내에 포함된 데이터는, 적용가능하다면, 데이터베이스(112 또는 47) 내에서의 보유를 위해 콘텐츠 객체의 전체 사본을 모으기 위해 집계 서버(110)에 의해 이용된다. 구체적으로는, 집계 서버(110) 내의 애플리케이션 프로세스는 콘텐츠와 연관된 시간적 또는 순차적 식별자 또는 마커를 이용하고, 이전에 수신된 다른 부분들에 대한 관계에 따라 콘텐츠의 수신된 부분을 정렬한다. 이런 방식으로, 콘텐츠 객체(프로그램)의 전체 사본이 복수의 시청자 시스템(32a-n)으로부터 조립되고, 이러한 콘텐츠를 시청하도록 인증된 시청자 시스템(32a-n)의 요청시에 나중에 시청하기 위해 모델링 시스템(35)에 의해 보유된다. 구체적으로는, 시청자가 시청자 채널(90)의 일부로서, 또는 특별히 인터페이스(84)를 통해 콘텐츠 객체를 요청할 때, 집계 서버(110)는 식별된 콘텐츠 객체가 데이터베이스(112)에 저장되어 있는지를 판정한다. 저장되어 있다면, 스트리밍 인터페이스(114)는 요청 시청자가 이러한 콘텐츠를 시청하는 것이 인증되어 있는지를 확인하고, 확인시에, 도 13a의 화살표 C로 나타낸 바와 같이, 요청 시스템(32)으로 콘텐츠의 스트리밍을 시작한다. 도 13d는 시청 시스템으로부터 모델링 시스템으로의 콘텐츠 객체(들)을 시청하기 위한 요청의 알고리즘적 프로세스를 개념적으로 나타낸다. 집계 서버(110)는 데이터베이스(112) 내의 어느 콘텐츠 객체를 시청자가 다운로드하는 것이 인증되어 있는지를 나타내는 각 시청 시스템(32)에 대한 레코드들을 데이터베이스(112) 내에 유지하며, 이러한 레코드들은 각 시청자 시스템(32a-n)에 대해 프로세스(102 및 104)를 통해 지속적으로 업데이트된다. 이런 방식으로, 특정 콘텐츠를 시청하도록 인증된 각 시청자 시스템(32a-n)은, 케이블 서비스와 같은 콘텐츠 제공자가 이러한 콘텐츠를 이용가능하게 하는 시간 프레임과 동일하지 않은 시간에서 요청시에 마음대로 그 콘텐츠를 시청할 수 있다.
도 13b는, 콘텐츠 소스(36)가 네트워크를 통해 모델링 시스템(35), 및 구체적으로는 집계 서버(110)와 연동되는 개시된 기술의 제2 실시예를 나타낸다. 이 실시예에서, 콘텐츠 소스(36)는 모든 또는 선택된 콘텐츠 객체 중 적어도 하나의 사본을 집계 서버(110)에 업로드하여, 각 시청자 시스템(32a-n)이 앞서 설명된 방식으로 시청 시스템(35)에 콘텐츠의 단편 부분들을 업로드할 필요성을 제거할 수 있다. 도 13e는 집계 서버로의 콘텐츠 객체 메타데이터와 단편들의 업로드에 대한 알고리즘적 프로세스를 개념적으로 나타낸다. 이 실시예에서, 크롤러 프로세스(104)는 또한, 콘텐츠 소스(36)와 연관된 스케쥴링 애플리케이션(106)에 지속적으로 질의하여, 콘텐츠 소스(36)로부터 시청자 시스템(32)으로의 다운로드 스트리밍에 대해 어떤 콘텐츠 프로그램이 현재 액세스가능한지를 결정한다. 다시, 이러한 액세스가능성의 결정은 일반적으로 콘텐츠 소스 제공자와 시청자의 가입 협약에 의해 정의된다. 프로세스(104)가 시청자가 합법적으로 인증된 액세스를 할 수 있는 콘텐츠를 식별하는 때마다, 크롤러 프로세스(104)는, 도 13b의 화살표 A로 나타낸 바와 같이, 그 콘텐츠를 식별하는 데이터를 포함한 콘텐츠와 연관된 메타데이터만의 다운로드를 개시한다. 그 다음, 크롤러 프로세스(104)는 콘텐츠를 식별하게 하는 정보를 프로세스(102)에 전송한다. 프로세스(102)는 이 정보에 데이터 구조(120)를 첨부하고, 이러한 정보를 도 13b의 화살표 B로 나타낸 바와 같이 모델링 시스템(35)에 전송한다. 앞서와 같이, 데이터 구조(120)는 콘텐츠 소스(36)로부터 수신되거나 프로세스(102)에 의해 생성된 인증 표시(126)을 포함할 수 있다. 콘텐츠 소스(36)로부터의 콘텐츠가 암호화된 형태로 제공되는 실시예에서, 대응하는 암호해독 키 또는 코드들이 인증 표시(126)의 일부로서 프로세스(102)에 의해 모델링 시스템(35)에 제공될 수 있다.
이 실시예에서, 소스(36)로부터 이용가능한 콘텐츠는 집계 서버(110) 및 스트리밍 인터페이스(114)와 연관된 데이터베이스(112)에도 저장된다. 앞서와 같이, 집계 서버(110)는 데이터베이스(112) 내의 어느 콘텐츠 객체를 시청자가 다운로드하는 것이 인증되어 있는지를 나타내는 각 시청 시스템(32)에 대한 레코드들을 데이터베이스(112) 내에 유지하며, 이러한 레코드들은 각 시청자 시스템(32a-n)의 프로세스(104 및 102)를 통해 지속적으로 업데이트된다. 시청자가 시청자 채널(90)의 일부로서 또는 특히 인터페이스(84)를 통해 콘텐츠 객체를 요청할 때, 스트리밍 인터페이스(114)는 요청 시청자가 이러한 콘텐츠를 시청하는 것이 인증되어 있는지를 확인하고, 확인시에, 도 13b의 화살표 C로 나타낸 바와 같이, 요청 시청자 시스템(32)으로의 콘텐츠의 스트리밍을 개시한다.
복수의 콘텐츠 객체의 제시 및 서핑을 위한 사용자 인터페이스
본 개시의 한 양태에 따르면, 사용자 인터페이스에 복수의 동시 콘텐츠 객체 데이터 스트림을 제시하기 위한 시스템 및 기술이 복수의 차원에서의 시청자에 의한 서핑을 용이하게 하는 방식으로 제공된다. 시청자 채널의 차원 내의 현재 선택된 콘텐츠 객체를 나타내는 1차 콘텐츠 스트림은 우뇌 사용자 인터페이스 디스플레이 영역의 상당한 부분에 제시되는 반면, 시청자가 네비게이션할 수 있는 선택가능한 콘텐츠 객체를 나타내는 복수의 2차 콘텐츠 객체 데이터 스트림은 사용자 인터페이스의 디스플레이 영역에 균형 맞추어 더 작은 크기 또는 썸네일 포맷으로 제시될 수 있다. 사용자 인터페이스에 제시된 복수의 2차 콘텐츠 스트림 각각은 현재 선택된 1차 콘텐츠 객체 데이터 스트림에 대한 큐잉된 관계를 갖는 선택가능한 콘텐츠 객체를 나타낸다. 이러한 큐잉된 관계는, 시청자 채널의 동일한 차원 내의 상이한 콘텐츠 객체 스트림들 사이에, 또는 단일 콘텐츠 객체 스트림이나 프로그램의 별개의 선택가능한 부분들 사이에, 또는 시청자 채널의 이 차원들 내의 상이한 콘텐츠 객체들, 예를 들어, 동일한 프로그램의 시간적으로 정렬된 에피소드들 사이에 존재할 수 있다.
특정 시청자 채널 내의 콘텐츠 객체들의 다차원 서핑을 수행하기 위해 커서 네비게이션 제어를 이용하는 프로세스가 도 12a - 도 12b를 참조하여 여기서 설명된다. 도 12a는, 전통적인 커서 네비게이션 제어를 이용하여, 각각, 욕구 및 시간 벡터(92 및 94)를 따른 콘텐츠의 다차원 서핑을 용이하게 하는, 다차원 채널(90)을 개념적으로 나타낸다. 도 12b는 데이터베이스(48) 내의 특정 주체/시청자와 연관된 채널(90)의 구현을 개념적으로 나타낸다. 채널(90)은 모델링 시스템(35)의 데이터베이스(48)에 저장된 복수의 채널(90A-C)을 포함할 수 있다.
특정 시청자 채널(90) 내의 시청자 시스템(32)에 디스플레이되는 콘텐츠 객체 스트림의 다차원 서핑 및 시청을 수행하기 위해 네비게이션 제어가 이용될 수 있는 프로세스가 도 16을 참조한 도 16-22를 참조하여 설명되고, 모델링 시스템(35)의 데이터베이스(48)는 콘텐츠 데이터베이스(47) 또는 다른 콘텐츠 소스(34, 36)와 상호작용하여, 시청자 채널(90) 내의 콘텐츠 객체(들)을 나타내는 데이터 스트림이 디스플레이(80) 상에서의 렌더링 및 디스플레이를 위해 시청자 시스템(32)과 연관된 메모리에 버퍼링되는 것을 보장한다.
시청자 인터페이스 시스템(32)은, 주로 비디오 콘텐츠의 시청 및 동반된 리모콘(88)을 위해 이용되는 우뇌 사용자 인터페이스 디스플레이(80)를 포함한다. 앞서 언급한 바와 같이, 디스플레이(80)는, "접속된 TV" 또는 접속된 Blu-ray 플레이어나 접속된 게임 콘솔과 같은 TV를 네트워크(30 또는 31)에 접속하는 기타의 장치들, 예를 들어, 인터넷, 예를 들어, 네트워크(30) 뿐만 아니라, 케이블 패킷 네트워크 또는 위성 네트워크, 예를 들어, 네트워크(31)에 직접 접속할 수 있는 장치에서 구현될 수 있다. 도 16은, 사용자 인터페이스(UI) 디스플레이 영역(120), 그래픽 엔진(115), 시청자 채널을 포함하는 콘텐츠 객체와 연관된 1차 스트림 버퍼(116) 및 복수의 2차 스트림 버퍼(118a-n)를 포함한, 디스플레이(80)(점선)의 컴포넌트들 사이의 관계를 개념적으로 나타낸다. 그래픽 엔진(115)은 통상 디스플레이(80)의 일부로서, 콘텐츠 데이터와 각 스트림과 연관된 데이터 패킷들 내에 포함된 명령/포맷팅 데이터에 기초하여, 복수의 데이터 스트림의 스트리밍, 암호해독, 윈도우잉, 및 렌더링을 제어한다. 버퍼(116 및 118)는, 그래픽 엔진(115)과 연관된 국지 메모리의 세그먼트화된 구획들로서 구현되거나, 디스플레이(80)로부터 별개로 및 원격적으로 저장될 수 있다. 디스플레이(80) 및 시청자 시스템(32)은, 도 16에서 구름으로 표시된 네트워크(30)를 통해 모델링 시스템(35) 및 콘텐츠 객체 데이터 스트림의 소스, 통상적으로는 데이터베이스(34, 36, 37 또는 47) 중 임의의 것에 접속된다. 콘텐츠 객체 데이터 스트림의 스트리밍, 버퍼링 및 렌더링을 제어하기 위해 멀티태스킹/멀티쓰레드 운영 체제가 시청자 시스템(32)에 이용될 수 있다. 구체적으로는, 각 스트림은, 버퍼링을 위한 쓰레드와, 디스플레이(80)의 디스플레이 영역 상에서의 콘텐츠 객체 데이터의 포맷팅 및 렌더링을 위한 하나 이상의 쓰레드를 포함한 복수의 실행 쓰레드와 연관될 수 있다. 도 16에 나타낸 바와 같이, 1차 콘텐츠 객체 스트림은 연관된 버퍼(116)와 집합적으로 117로 표기된 하나 이상의 쓰레드를 가진다. 복수의 2차 콘텐츠 객체 스트림 각각은, 도시된 바와 같이, 연관된 관점 버퍼(118a-n)와 집합적으로 119a-n으로 표시된 하나 이상의 쓰레드의 각 세트를 포함한다. 개시된 실시예에서, 1차 콘텐츠 객체 데이터 스트림(128)은 그 원래 소스로부터 그 각각의 버퍼를 통해 지속적으로 스트리밍되는 반면, 2차 콘텐츠 객체 데이터 스트림(121-126)은 선택사항으로서 그들 각각의 콘텐츠의 일부를, 통상적으로는 처음 수 분간 또는 각 버퍼에 저장된 또 다른 양을 루핑할 수 있다. 이런 방식으로, UI 디스플레이 영역(120) 상에서의 시청자에게로의 시각적 정보의 제시는, 특히 2차 콘텐츠 객체 데이터 스트림(121-126)에 관해 더욱 유용한 정보이고, 시청자 시스템(32) 내외로의 네트워크 대역폭과 그래픽 엔진(115) 내의 프로세서 자원을 효율적으로 이용할 것이다.
디스플레이(80)에 스트리밍되는 데이터를 갖는 각각의 콘텐츠 객체는, 도 17에 나타낸 바와 같이, 연관된 데이터 구조(111)를 가지며, 이 구조는 포맷팅 파라미터, 상태, 네비게이션 옵션 및 독점적 데이터를 포함하지만 이들로 제한되지 않는 콘텐츠 객체의 시청가능한 파라미터들에 관한 정보를 포함한다. 객체 식별자, 포맷 식별자, 시청자 채널 내의 다른 콘텐츠 객체에 대한 링크, 객체를 포함하는 데이터가 저장되는 메모리 주소, 및 콘텐츠 객체의 크기와 같은 콘텐츠 객체에 관한 메타데이터 외에도, 데이터 구조(111)는, 도 18-22를 참조하여 더 상세히 설명되는 바와 같이, 객체의 라이센스 상태를 나타내는 데이터 필드, 무료(선불) 여부, 페이-퍼-뷰(pay-per-view), 또는 제한적 이용을 위한 지불, 경과된 시청 시간, 콘텐츠 객체가 모델링 시스템(35)에 의해 컴파일되었는지의 여부, 콘텐츠 객체 추천인의 이름, 콘텐츠 객체 추천인의 이미지, 및 다양한 그래픽 요소의 표현과 콘텐츠 객체의 렌더링을 둘러싸는 표시에 필요한 기타의 데이터를 더 포함한다.
도 18 및 21을 참조하면, 디스플레이(80)의 UI 디스플레이 영역(120)이 도시되어 있다. UI 디스플레이 영역(120)에는 복수의 콘텐츠 객체 데이터 스트림이 동시에 제시될 수 있다. 시청자 채널(90)의 차원 내에서의 현재 선택된 콘텐츠 객체를 나타내는 점선으로 표시된 1차 콘텐츠 객체 데이터 스트림(128)은 UI 디스플레이 영역의 실질적 대부분의 영역에 제시되는 반면, 시청자가 네비게이션할 수 있는 시청자 채널 내에서의 선택가능한 콘텐츠 객체를 나타내는 복수의 2차 콘텐츠 객체 데이터 스트림(121-126)은 UI 디스플레이 영역(120)의 하부에 더 작은 크기 또는 썸네일 포맷으로 제시된다. 이런 방식으로, 사용자 인터페이스에 제시된 복수의 2차 콘텐츠 객체 스트림 각각은 현재 선택된 1차 콘텐츠 객체 스트림에 대한 관계를 갖는 선택가능한 콘텐츠를 나타낸다. 도 18에서, UI 디스플레이 영역(120)의 하부 차원을 따라 정렬된, 복수의 2차 콘텐츠 객체 데이터 스트림(121-126), 및 1차 콘텐츠 객체 데이터 스트림을 나타내는 아이콘(127)은, 설명의 목적을 위해, 본 명세서의 다른 부분에서 설명되는 시간 또는 제2 차원과 연관될 수 있다. 마찬가지로, 도 18에서, UI 디스플레이 영역(120)의 측면 차원을 따라 정렬된, 아이콘(127), 및 복수의 2차 콘텐츠 객체 데이터 스트림(121-126)은, 설명의 목적을 위해, 본 명세서의 다른 부분에서 설명된, 연관 또는 제1 차원과 연관될 수 있다. 아이콘(127)과 2차 콘텐츠 객체 데이터 스트림(121-126)은 Ul 디스플레이 영역(120)의 좌측 또는 우측을 따라 수직으로 배열될 수도 있다. 차원의 콘텐츠 객체 스트림을 나타내는 썸네일 프레임들은, Ul 디스플레이 영역(120)의 좌, 우, 상, 하측 중 임의의 것을 포함한 Ul 디스플레이 영역(120)의 임의의 부분을 따라 선형으로 배열될 수도 있다. 대안으로서, Ul 디스플레이 영역(120) 내에서 썸네일 프레임의 다른 배열, 예를 들어, 현재 디스플레이된 1차 콘텐츠 객체 데이터 스트림(128)에 관해 서핑에 이용가능한 차원을 나타내는 네비게이션가능한 옵션을 시청자에게 제공하기 위한 썸네일 프레임들의 원형 또는 클러스터 배열이 이용될 수 있다.
도 19를 참조하면, 그리고 본 명세서의 다른 곳에서 설명되는 바와 같이, 이러한 큐잉된 관계는 상이한 콘텐츠 객체 스트림들 사이에, 또는 단일 콘텐츠 객체 스트림이나 프로그램의 별도로 선택가능한 부분들 사이에 존재할 수 있다. 예를 들어, 2차 콘텐츠 객체 데이터 스트림(121-126)은, 시청자 채널(90)의 제2 차원(94)에서의 현재 선택된 콘텐츠 객체(138)를 나타내는, 1차 콘텐츠 객체 스트림(128)에 관한, 연속적으로 주문된 콘텐츠 객체(131-136)를 각각 나타낼 수 있다. 대안으로서, 2차 콘텐츠 객체 스트림(121-126)은 디스플레이 영역(120)의 현재 시청된 콘텐츠 객체의 시청자 선택가능한 세그먼트를 나타내는 연속적으로 주문된 콘텐츠 객체를 나타낼 수 있다. 예를 들어, 뉴스 프로그램을 나타내는 1차 콘텐츠 객체 스트림은, 날씨, 스포츠, 비지니스/금융, 소비자 보고 등에 관한 프로그램 세그먼트들에 대해 별도로 선택가능한 2차 콘텐츠 객체 스트림을 가질 수도 있다. 또 다른 예로서, 뉴스 프로그램의 스포츠 섹션을 나타내는 1차 콘텐츠 객체 스트림은, 그 스포츠 섹션 내의 스포츠 하이라이트의 상이한 비디오 클립들을 나타내는 복수의 별도로 선택가능한 2차 콘텐츠 객체 스트림을 가질 수 있다. 유사한 방식으로, 도 19를 참조하면, 큐잉된 관계는 상이한 콘텐츠 객체 스트림들 사이에, 또는 단일 콘텐츠 객체 스트림이나 프로그램의 별도로 선택가능한 부분들 사이에 존재할 수 있다. 예를 들어, 2차 콘텐츠 객체 데이터 스트림(121-126)은, 시청자 채널(90)의 제1 차원(92)에서의 현재 선택된 콘텐츠 객체(138)를 나타내는, 1차 콘텐츠 객체 스트림(128)에 관한, 연속적으로 주문된 콘텐츠 객체(131-136)를 각각 나타낼 수 있다. 대안으로서, 2차 콘텐츠 객체 스트림(121-126)은 디스플레이 영역(120)의 현재 시청된 콘텐츠 객체의 시청자 선택가능한 세그먼트를 나타내는 연속적으로 주문된 콘텐츠 객체를 나타낼 수 있다.
한 실시예에서, 2차 콘텐츠 객체 데이터 스트림(121-126)은, 시청자의 시선을 1차 콘텐츠 객체 데이터 스트림(128)으로부터 딴데로 돌리지 않도록, 미리 결정된 기간 동안, 예를 들어, 마지막 네비게이션 명령 후 2 내지 20초 동안, 또는 어떤 다른 미리 결정된 기간 동안, Ul 디스플레이 영역(120) 상에 디스플레이된다. 리모콘(88) 상의 네비게이션 명령 버튼의 누름은 2차 콘텐츠 객체 데이터 스트림(121-126)을 다시 나타나게 하므로, 시청자 채널의 차원 내의 다양한 콘텐츠 객체들 사이에서의 서핑을 용이하게 하는데 필요한 비디오 단서를 시청자에게 제공하게 된다. 또 다른 실시예에서, 시청자가 다양한 콘텐츠 객체들 사이를 네비게이션 또는 "서핑"할 때, 1차 콘텐츠 객체 데이터 스트림(128)의 선택은 잔여 2차 콘텐츠 객체 데이터 스트림(121-126)의 재위치배정을 야기하여, 2차 콘텐츠 객체 데이터 스트림(121-126)이 현재 디스플레이되어 있는 스크린(120)의 프레임 또는 썸네일 윈도우에 관해, 2차 콘텐츠 객체 데이터 스트림(121-126) 각각이 a) 현재 디스플레이된 윈도우로부터 인접 윈도우로 점진적으로 이동하고; b) 현재 디스플레이된 윈도우로부터 인접 윈도우로 실질적으로 순간적으로 이동하거나, c) 2차 콘텐츠 객체 데이터 스트림(121-126)이 현재 디스플레이되어 있는 프레임 또는 썸네일 윈도우가, 2차 콘텐츠 객체 데이터 스트림(121-123)의 도 20 내의 양방향 점선 화살표로 개념적으로 나타낸 바와 같이, 전술된 임의의 기술 하에서 모두, 시청자에 의해 선택된 네비게이션 명령의 성격에 따라 우측 또는 좌측으로, 실제로 스크린(120)을 가로질러 이동하게 한다. 이런 방식으로, 시청자의 기억에서 콘텐츠 객체 데이터 스트림의 상대적 순서가 유지되어, 우뇌 인터페이스 상의 콘텐츠의 더욱 효율적이고 더욱 편안한 선택을 용이하게 한다. 마찬가지로, 사이드바 네비게이션 표시자 또는 아이콘과 같은, 콘텐츠 객체와 연관된 임의의 보충 그래픽 표시는 그들이 연관되어 있는 콘텐츠 객체와 함께 유사하게 스크롤될 것이다. 다시 도 18을 참조하면, 현재 시청된 1차 콘텐츠 객체 스트림의 식별에 관련된 정보는, Ul 디스플레이 영역(120) 내에서 일시적으로 또는 지속적으로 온스크린 디스플레이될 수 있고, 이러한 정보는 프로그램 이름, 유형, 원 방송 날짜, 현재 날짜 및 시간, 방송 상태, 현재 시청 시작 시간, (현재 시간에 기초한) 추정된 시청 종료 시간, 지속기간/경과된 시청 시간, 및 시스템(35) 이외의 경우 (Facebook 등과 같은 소셜 미디어 채널을 통해 제3자로부터 추천된 콘텐츠의 경우) 제3자 추천자 또는 추천 소스의 추천 포스팅 시간 및 이름을 포함하지만, 이들로 제한되는 것은 아니다. 도 18에서, 이러한 정보는 디스플레이 영역(120) 내의 박스(113)에 의해 표시된다. 이러한 정보는 일반적으로 데이터 구조(111) 내에 저장되고, 시청을 위한 콘텐츠 객체의 선택시에 1차 콘텐츠 객체 데이터 스트림(128)으로서, 또는 시청자 시스템(32)의 리모콘(88) 상의 적절한 명령 버튼의 선택시에, 디스플레이될 수 있다. 또한, 이러한 정보는, 다양한 컬러, 폰트, 포맷으로, 및 제시된 비디오 데이터 스트림의 시청자 즐거움을 방해하지 않도록 시스템 설계자에 의해 결정된 불투명 레벨로 제시될 수 있다. 대안으로서, 박스(113)에 의해 지정된 정보는, 우뇌 인터페이스 상의 텍스트적 데이터를 회피하도록, 디스플레이(80) 상이 아니라, 시청자 시스템(32)의 디스플레이 중 임의의 것(84, 86, 또는 87) 상에 제시될 수 있다.
유사한 방식으로, 2차 콘텐츠 객체 스트림(121-126) 각각과 연관된 데이터 구조(111) 내에 통상 저장되는 정보의 서브셋은 그들 각각의 프레임 또는 썸네일 윈도우 내에 디스플레이될 수 있고, 이러한 정보는 박스(113)에 디스플레이가능하고 전술된 바와 유사한 포맷의 전술된 임의의 정보를 포함한다.
도 20을 참조하면, 1차 콘텐츠 객체 스트림(128) 및 2차 콘텐츠 객체 스트림(121-123)을 나타내는 아이콘(127)을 포함한 Ul 디스플레이 영역(120)의 아래쪽 절반부가 도시되어 있다. 1차 및 2차 콘텐츠 객체 스트림이 디스플레이될 수 있는 영역을 사용자 인터페이스 디스플레이(120) 상에 제공하는 것 외에도, 그래픽 엔진(115)과 연계하여, 시청자 시스템(32)은 각각의 콘텐츠 객체 데이터 스트림과 연관된 다른 그래픽 표시를 이용하여 더욱 유용한 정보를, 본질적으로 우뇌 경험에 적용되는, 즉, 텍스트적 정보를 최소화하여, 시청자의 시청/서핑 경험 동안에 시청자에게 제공한다. 아이콘(127)은 1차 콘텐츠 객체 스트림(128)과 2차 콘텐츠 객체 데이터 스트림에 관한 시청자 채널 내에서의 그 개념적 위치를 나타낸다. 대안적 실시예에서, 아이콘(127)은, 1차 및 2차 콘텐츠 객체의 소스가 동일할 때 1차 콘텐츠 객체 스트림(128)과 2차 콘텐츠 객체 스트림(121-126) 각각을 사용자 인터페이스(120) 상에 디스플레이하는데, 예를 들어, 모든 콘텐츠 객체가 동일한 방송 또는 네트워크 소스로부터 나올 때, 아이콘(127)은 이러한 소스의 로고를 나타내거나, 또는 대안으로서, 모든 콘텐츠 객체가 시스템(35)으로부터 나올 때, 아이콘(127)은 시스템(135)와 연관된 아이콘이나 기타의 그래픽 요소를 포함할 수 있다.
Ul 디스플레이 영역(120) 내에서의 아이콘(127)에 관한 2차 콘텐츠 객체 스트림(121-123)의 위치는, 현재 선택된 1차 콘텐츠 객체 스트림(128)에 관한 시청자 채널의 차원을 따른 2차 콘텐츠 객체의 위치를 개념적으로 나타내고, 전술된 바와 같이 리모콘(88)의 네비게이션 제어를 이용하여 시청자 채널의 현재 차원에서 또는 2개의 상이한 차원에서 네비게이션할 기준점을 제공한다. 예를 들어, 리모콘(88) 상의 좌향 네비게이션 버튼, 예를 들어 "<"을 누르는 것은 1차 콘텐츠 객체 스트림(128)이 아이콘(127)의 좌측의 2차 콘텐츠 객체 데이터 스트림(123)으로 변하게 한다. 그 다음 이전의 1차 콘텐츠 객체 스트림은 2차 콘텐츠 객체 스트림(124)의 위치를 취하고, 다른 2차 콘텐츠 객체 스트림은 시청자 채널의 적절한 차원 내에서 그에 따라 재정렬될 것이다. 마찬가지로, 좌향 네비게이션을 두 번 순차적으로 누르는 것은 1차 콘텐츠 스트림(128)이 2차 콘텐츠 객체 스트림(122)으로 변하게 하고, 다른 콘텐츠 객체들은 시청자 채널의 적절한 차원을 따라 순서대로 재위치배정된다. 이런 방식으로, 시청자는, 리모콘(88)의 네비게이션 명령 또는 여기서 설명된 다른 네비게이션 제어 장치를 이용하여, 디스플레이된 2차 콘텐츠 객체 데이터 스트림을 통해 순차적으로 이동하여 시청자가 시청하기에 바람직한 콘텐츠를 발견할 때까지 새로운 1차 콘텐츠 객체 데이터 스트림을 탐색한다. 마찬가지로, 리모콘(88) 상의 우향, 예를 들어, ">" 네비게이션 버튼의 선택은, 콘텐츠 객체들의 동일하지만 반대 방향의 재위치배정과 함께, 시청자 채널의 동일한 차원을 따라 유사한 네비게이션을 야기할 것이다.
개시된 시스템의 또 다른 실시예에서, 시간적으로 정렬된 콘텐츠 객체들로부터의 콘텐츠 객체의 시간적 순서 또는 수직 공포/욕구 차원으로 네비게이션하기 위해 리모콘(88)의 네비게이션 명령 버튼들 중 하나의 더블 클릭이 이용될 수 있다. 도 22를 참조하면, 예를 들어, 만일 시청자가 현재 1차 콘텐츠 객체 스트림(128)을 시청하고 있고 리모콘(88) 상의 좌향 네비게이션 버튼, 예를 들어, "<"를 싱글 클릭하면, 1차 콘텐츠 객체 스트림(128)은 2차 콘텐츠 객체 데이터 스트림(123)으로 변할 것이다. 전술된 바와 같이, 그 후, 리모콘(88) 상의 좌향 네비게이션 버튼을 더블 클릭, 예를 들어, "<<"하는 것은, 새로이 재위치배정된 2차 콘텐츠 객체 데이터 스트림(122)으로 진행하는 것이 아니라, 시청자 채널(90)의 새로운 네스팅된 차원으로 스위칭하여, 1차 콘텐츠 객체 스트림(128)이 동일하게 머무르게 하지만, 제2 차원(시간)의 콘텐츠 객체(131-136)에 의해 이전에 표시된 2차 콘텐츠 객체 데이터 스트림(121-126)은, 동일한 프로그램의 이전에 방영된 에피소드들과 같은 1차 콘텐츠 객체와 제2 차원(시간)에 관해 네스팅된 새로운 차원을 나타내는 콘텐츠 객체(141-144)에 의해 각각 표시될 것이다. 예를 들어, Ul 디스플레이 영역(120) 상에 제시된 원래 세트의 1차 및 2차 콘텐츠 객체 데이터 스트림이 순차정렬된 무관한 프로그램들과 같은 시간적으로 정렬된 콘텐츠를 나타낸다면, 리모콘(88)의 좌향 네비게이션 명령을 더블 클릭한 후에, 서핑 패러다임 또는 차원은, 새로운 세트의 1차 및 2차 콘텐츠 객체 데이터 스트림이, 1차 콘텐츠 객체 데이터 스트림(128)과 동일한 현재 시청중인 프로그램의 이전에 방영된 에피소드들 뿐만 아니라 스트림(124-126)으로 표현된 페이-퍼-뷰 기반으로 이용가능한 아직 방영되지 않은 임의의 에피소드들을 포함한, 동일한 프로그램의 에피소드들을 나타내도록 변할 것이다.
방향 네비게이션 제어의 더블클릭의 사용은, 특정 차원, 예를 들어, 시간이나 연관으로 제한되지 않고, 현재의 1차 콘텐츠 객체 스트림과 연관된 임의의 네스팅된 차원 내의 콘텐츠 객체를 액세스하는데 이용될 수 있다. 개시된 시스템의 또 다른 실시예에서 특정 시청자 채널 내에서 발생할 수 있는 네스팅 수나 레벨에는 제한이 없다. 채널의 임의의 차원은 재귀적 방식으로 연속 액세스될 수 있는 복수의 차원을 가질 수 있다.
또한, 아이콘(127)의 시각적 특징은 1차 콘텐츠 객체 스트림의 상태를 시청자에게 표시하는데 이용될 수 있다. 예를 들어, 아이콘(127)의 컬러, 형상, 투명도, 크기 또는 기타의 시각적 양태들 중 임의의 것이 1차 및 2차 콘텐츠 객체 스트림의 특정 파라미터와 연관될 수 있고, 컬러, 애니메이션 또는 기타의 방식으로 조정되어 그 파라미터 값의 변화를 나타낼 수 있다. 예를 들어, 아이콘(127)은, 시스템(35)에 의해 추천된 콘텐츠 객체에 대한 제1 형상 또는 컬러, 및 제3자에 의해 추천된 또는 시스템(35) 이외의 소스로부터의 콘텐츠 객체에 대한 제2 형상 또는 컬러를 가질 수 있다. 또 다른 실시예에서, 1차 콘텐츠 객체의 이용이나 라이센스 상태가 변하려 할 때를 나타내기 위해 아이콘이나 기타의 그래픽 요소가 이용될 수 있으며, 예를 들어, 1차 콘텐츠 객체를 임계 비율보다 많이 시청하는 것은, 녹화된 방송된 프로그램을 나타내는 콘텐츠 객체의 상태를 "미시청"에서 "시청완료"로 자동으로 변경하거나 단일 또는 제한된 시청 기반으로 자동으로 콘텐츠 객체의 구매를 야기할 수 있다. 이러한 경우, 아이콘 또는 기타의 그래픽 요소는, 깜빡거리거나, 진동하거나, 컬러가 변조되거나, 형상, 크기, 컬러 또는 투명도가 변하기 시작하거나, 사운드 또는 오디오 웨이브 파일과 연관되거나, 이들의 조합으로 임계 조건이 만족되기 직전임을 표시할 수 있다.
아이콘(127)과 유사하게, 2차 콘텐츠 객체 스트림의 다양한 파라미터들을 시청자에게 표시하기 위해 2차 콘텐츠 객체 스트림(121-126)과 연관된 시각적 특징이 이용될 수 있다. 예를 들어, 제2 콘텐츠 객체 데이터 스트림이 렌더링되는 실제 디스플레이 영역을 둘러싼 임의의 프레임 또는 보더의 컬러, 형상, 투명도, 크기 또는 기타의 시각적 양태들 중 임의의 것은, 2차 콘텐츠 객체 스트림의 특정 파라미터와 연관될 수 있고, 컬러, 형상, 애니메이션 또는 기타의 방식으로 조정되어 그 파라미터 값의 변화를 나타낼 수 있다. 구체적으로는, 도 20에 나타낸 바와 같이, 선택가능한 2차 콘텐츠 객체 스트림 각각과 연관된 채색된 사이드바(129)는 콘텐츠의 라이센스 상태를, 예를 들어, 무료에 대해서는 청색, 페이퍼뷰에 대해서는 적색 등으로 나타낸다. 또 다른 실시예에서, 선택가능한 2차 콘텐츠를 나타내는 썸네일 프레임들 각각은 시청자 채널 내의 다른 큐잉된 콘텐츠에 대한 네비게이션 옵션을 나타내는 그래픽 표시(139), 예를 들어, 도 20에 나타낸 바와 같이, 썸네일 프레임 주변에 배열된 "＾", "v", "<", ">" 문자 또는 심볼을 포함한다. 예를 들어, 스트림(121 또는 123) 위의 "＾" 심볼(139a)은, 시청자가, 일단 1차 콘텐츠 스트림(128)으로서 시청하기 위해 스트림(121 또는 123)으로 네비게이션하고 나면, 현재 시청된 1차 콘텐츠 스트림 이후부터 제1 차원(예를 들어, 연관) 내의 또 다른 콘텐츠 스트림으로 네비게이션할 수 있는 반면, 스트림(121 또는 123) 아래의 "v" 심볼(139c)는 시청자가 제1 차원 내의 또 다른 콘텐츠 객체를 반대 방향으로 네비게이션할 수 있다는 것을 나타낸다. 마찬가지로, 스트림(121)의 좌측의 "<" 심볼(139b)은, 시청자가, 일단 1차 콘텐츠 스트림(128)으로서 시청하기 위해 스트림(121)으로 네비게이션하고 나면, 제2 차원(예를 들어, 시간) 내의 또 다른 콘텐츠 객체로 네비게이션할 수 있는 반면, 스트림(126) 우측의 (도 20에는 도시되지 않은) ">" 심볼(139d)은 시청자가 현재 시청된 1차 콘텐츠 스트림으로부터 제2 차원 내의 또 다른 콘텐츠 객체로 반대 방향으로 네비게이션할 수 있다는 것을 나타낸다.
또 다른 실시예에서, 유료 콘텐츠에 대비해 무료 콘텐츠를 선택하기 위해 네비게이션 방향 및 명령이 이용될 수 있다. 예를 들어, 수직 네비게이션 차원에서, 시청자가 리모콘(88) 상의 하향 화살표 네비게이션 제어를 누르면, 시청자는 무료 콘텐츠를 제시받을 것이다. 역으로, 시청자가 상향 화살표 네비게이션 제어를 누르면, 시청자는 유료(페이 퍼 뷰) 콘텐츠를 제시받을 것이다. 또 다른 예로서, 수평 네비게이션 차원에서, 시청자가 리모콘(88) 상의 좌향 화살표 네비게이션 제어를 누르면, 시청자는 이전에 방송된 프로그램 중 무료 콘텐츠를 제시받을 것이다. 역으로, 시청자가 우향 화살표 네비게이션 제어를 누르면, 시청자는 유료(페이 퍼 뷰) 콘텐츠, 예를 들어, 아직 방송되지 않았고 유료로만 시청가능한 콘텐츠를 제시받을 것이다.
또 다른 실시예에서, 시간, 욕구/공포 및 기타 차원을 통해 서핑하는데 이용되는 네비게이션 명령은, 우뇌 인터페이스 및/또는 좌뇌 인터페이스 상에서 네비게이션 및 선택 명령으로 이용하기 위한 수평, 수직, 및 기타의 제스쳐 패턴을 검출하기 위한 가속도계를 갖는 디스플레이 제어 뿐만 아니라 표준의 위, 아래, 우, 좌 및 엔터 버튼 명령 세트를 갖춘 전통적인 리모콘(88)으로부터 나올 수도 있다. 이러한 실시예에서, 가속도계 또는 자이로스코프를 갖는 제어로부터의 출력을 모델링 시스템(35) 및 시청자 시스템(32)에 의해 이용될 수 있는 명령으로 변환하기 위해 리디렉션 애플리케이션(85)과 유사한 변환 프로그램이 이용된다.
본 개시의 또 다른 양태에 따르면, 채널 시청자는, 시스템과 연관된 다양한 기능과 절차에 관해 사용자가 액세스할 수 있는 교육 자료에 대해 시스템(35)과 연관될 수 있다. 많은 방송사 및 콘텐츠 제공자들은 채널 "0"을 이용하지 않는다. 개시된 실시예에서, 채널 0은 시스템(35)에 대한 교육 채널이다. 예를 들어, 리모콘(88) 상의 0 버튼을 누르면, 1차 시청 스트림이 채널 0과 연관된 하나 이상의 특정 콘텐츠 객체들과 시스템의 이용을 위한 그들의 교육 콘텐츠로 스위칭하게 할 것이다. 대안으로서, 이러한 교육 콘텐츠 객체는 스크린(128) 상의 디스플레이를 위한 또 다른 특정 채널 지정자 또는 아이콘과 연관될 수 있다.
앞서 언급한 바와 같이, 1차 및 2차 콘텐츠 객체들이 제3자 또는 모델링 시스템(35) 이외의 소스로부터 추천될 수 있다. 이러한 추천된 콘텐츠 객체에 대한 제시 포맷은 도 21에 도시되어 있고, 여기서, UI 디스플레이 영역(120)은, 1차 콘텐츠 객체 데이터 스트림(128)과, 각각이 모델링 시스템(35) 이외의 소스에 의해 추천된 YouTube나 다른 인터넷 소스로부터의 인터넷 콘텐츠인 복수의 2차 콘텐츠 객체 데이터 스트림(121-126)을 제시한다. 시청자가 1차 및 2차 콘텐츠 객체 데이터 스트림(121-126 및 128) 사이에서 네비게이션할 수 있는 방식은, 리모콘(80)이나 다른 네비게이션 입력 장치의 내비게이션 제어를 이용하는, 여기서 앞서 설명된 것과 유사하다. 숙고된 실시예에서, 1차 및 2차 콘텐츠 객체 데이터 스트림들 사이에서 네비게이션하는 것 외에도, 시청자는, 개인, 예를 들어, 친구, 가족 등, 또는 인터넷 상의 특정 사이트, 예를 들어, YouTube, Facebook 등일 수 있는 추천 소스들 중에서 별개의 차원으로 네비게이션할 수 있다. 도 21에 나타낸 바와 같이, 추천 소스를 나타내는 복수의 이미지(150, 152, 및 154)가, 시청자가 리모콘(88)으로부터의 네비게이션 명령을 이용하여 추천 소스들 사이를 네비게이션하는 것을 허용하는 방식으로 Ul 디스플레이 영역(120) 상에 정렬된다. 예를 들어, 현재 디스플레이된 1차 및 2차 콘텐츠 객체 데이터 스트림(121-126, 및 128) 세트는 연관된 이미지(152)를 갖는 추천자와 연관될 수 있다. 리모콘(88) 상의 "위로" 및 "아래로" 네비게이션 명령 버튼들의 사용은, 시청자가 이러한 소스에 의해 추천된 콘텐츠 객체들의 차원으로부터, 연관된 이미지(150)를 갖는 추천자에 의해 추천된 콘텐츠 객체들의 차원으로 이동하는 것을 허용할 것이다. 이미지(150, 152 및 154)는, 콘텐츠 객체 데이터 스트림(121-126)과 관련하여 앞서 설명된 것과 유사하게, 추가 정보를 시청자에게 제공하는 프레임 또는 보더를 가질 수 있는데, 예를 들어, 현재 선택된 추천 소스의 이미지 주변의 보더는, 다른 이미지들과는 상이한 형상, 컬러 및 애니메이션을 가질 수 있다. 마찬가지로, 임의의 2차 콘텐츠 객체 데이터 스트림의 루프 버퍼링은, 앞서 설명된 바와 같이, 이러한 추천 소스로부터의 콘텐츠로 비슷한 방식으로 구현될 수 있다.
여기서 설명된 시스템은 모델링 시스템(35)에 의해 편집된 콘텐츠를 디스플레이하는데 이용하기 위한 것이지만, 여기서 설명된 하나 이상의 가상 채널을 포함한 케이블 제공자나 기타의 소스로부터의 상업 방송 채널들을 포함한 임의의 콘텐츠 객체가 시청 경험의 초기 위치로서 이용될 수 있고, 그 후, 여기서 설명된 시스템을 이용하여, 사용자는 모델링 시스템(35)에 의해 편집되거나 모델링 시스템(35) 외부의 소스로부터 추천된 콘텐츠 객체를 네비게이션할 수 있다는 것을 이해할 수 있을 것이다.
가상 채널
도 23을 참조하면, 복수의 가상 채널(160-230)이, 여기서 설명된 바와 같은, 시청자 시스템(32a-b)과 모델링 시스템(35), 및 콘텐츠의 다른 소스와 관련하여 개념적으로 도시되어 있다. 가상 채널(160-230)은 아마도 좌뇌 콘텐츠를 갖는 것으로 생각되는 소스들로부터의 콘텐츠 객체가 본 개시의 목적에 따라 우뇌 사용자 인터페이스에서 구현될 수 있게 한다. 가상 채널(160-230)은, 도 12b의 채널(90A-C)과 유사하게 논리적으로 정렬될 수 있고, 도 24-31을 참조하여 더 상세히 설명되는 바와 같은 단일 소스 또는 복수 소스로부터의 콘텐츠 객체들을 포함할 수 있다.
도 24를 참조하면, 제1 유형의 가상 채널인 추천 채널(160)은, 친구 및/또는 가족 또는 TWITTER, FACEBOOK, PICASA, VIMEO와 같은 다른 소스들로부터의 다른 개인들, FACEBOOK, LINKEDIN 내의 그룹들, 또는 시청자 시스템(32)을 통한 디스플레이를 위한 모델링 시스템(35)에 대한 기타 임의의 웹사이트 또는 네트워킹 메커니즘(162a-n)의 추천의 포스팅을 허용한다. 하나 이상의 추천 채널들이 특정 시청자 프로파일과 연관될 수 있다. 예를 들어, 다양한 실시예에서, 소스와는 독립적으로 친구/그룹의 모든 추천의 포스팅을 위한 단일의 추천 채널(160a)이 사용자에 의해 정의되거나, 추천 패널(160b-n)로서 점선으로 나타낸 바와 같이, 복수의 추천 채널이 존재하고, 소스마다, 소스 그룹마다, 친구마다, 친구 그룹마다 정의될 수 있다. 친구 및/또는 가족, 동료 등으로부터의 콘텐츠 객체 추천을 포함하는 이러한 추천 채널은, 도 21 및 도 23을 참조하여 앞서 예시되고 설명된 바와 같이, 큐잉된 방식으로 정렬되고 시청자 시스템(32)에 디스플레이될 수 있다. 구체적으로는, 시청자는, 개인, 예를 들어, 친구, 가족 등이거나, 인터넷 상의 특정 사이트들, 예를 들어, YOUTUBE, TWITTER, FACEBOOK, PICASA, VIMEO, FACEBOOK, LINKEDIN 내의 그룹들 등일 수 있는 추천 소스들에 대해 별개의 차원으로 추천 채널(160)을 네비게이션할 수 있다. 도 21에 나타낸 바와 같이, 추천 소스를 나타내는 복수의 이미지(150, 152, 및 154)가, 앞서 설명된 바와 같은 방식으로, 시청자가 리모콘(88)으로부터의 네비게이션 명령을 이용하여 추천 소스들 사이를 네비게이션하는 것을 허용하는 방식으로 Ul 디스플레이 영역(120) 상에 정렬된다. 고려된 실시예에서, 추천은, 특정 전자 메일 주소나 특정 시청자 시스템(32)과 연관된 기타의 핸들 메커니즘을 통해 시청자의 추천 채널(160)에 포워딩될 수 있다.
도 25를 참조하면, 제2 유형의 가상 채널인 프로그램 디렉터 채널(170)은, 시청 세션의 경험에 대한 명시적 (좌뇌) 제어와 그 채널의 콘텐츠의 능동적 제어를 가능하게 한다. 프로그램 디렉터 채널(170)의 관리 및 셋업이 도 11a의 좌뇌 사용자 인터페이스(84, 86, 또는 87) 중 임의의 것에서 수행되어 콘텐츠 객체의 선택, 채널에서의 그 콘텐츠 객체의 포스팅, 채널에서의 콘텐츠 객체의 랭킹, 및 적용가능하다면 우뇌 디스플레이(80) 상의 디스플레이 이전의 콘텐츠의 선불, 예를 들어, 페이퍼뷰를 모델링 시스템(35) 및 시청자 시스템(32)을 통해 가능하게 한다. 좌뇌 인터페이스로부터의 제어 명령 및 데이터는 모델링 시스템(35)에 제공되고, 모델링 시스템(35)은 차례로 프로그램 디렉터 채널(170) 내에서의 콘텐츠 객체들의 정렬을, 우뇌 디스플레이(80) 상의 디스플레이 이전에 생성한다. 프로그램 디렉터 채널(170)에 대한 콘텐츠 객체들의 소스들은, 도 8의 데이터베이스(47)와 같은 시스템 내의 콘텐츠 소스이거나, 선택된 콘텐츠 제공자(34, 36, 또는 37)나 소스(162a-n)일 수 있는 외부 소스(172a-n)로부터의 콘텐츠 소스들일 수 있다는 점에 유의한다. 프로그램 디렉터 채널(170)은 또 다른 시청자, 또는 YOUTUBE, TWITTER, FACEBOOK과 같은 소셜 미디어 시설, FACEBOOK, LINKEDIN 내의 그룹 등의 추천 채널(160)과 연계하여 사용될 때, 다른 추천 채널(160) 또는 Twitter와 같은 소셜 미디어 시설을 통한 콘텐츠 객체 추천을 이용하여 시청자 내지 시청자/수신자 그룹으로부터의 콘텐츠의 추천을 가능하게 하는 방식으로 시청자/디렉터가 방송의 프로그램 디렉터처럼 행동하는 것을 가능하게 한다. 이러한 기능은 소정 주제에서 전문가인 시청자/디렉터에게 유용하여, 시청자가, 시스템(35)을 통한 완전 전문 채널 및/또는 적용가능한 경우 소셜 미디어 시설에 대한 가입을 구성하고 유지하는 것을 가능하게 한다.
디렉터 채널(170)은, 영화를 사랑하는 시청자, 특정 시청 세션을 계획하기를 원하는 시청자, 고객을 위한 데모와 같은 특정 프리젠테이션 시퀀스를 스케쥴링하기를 원하는 전문가들에게 유용할 수 있다. Netflix 또는 Lovefilm (UK)과 같은 제3자 콘텐츠 구독에도 가입한 시청자들은, 여기서 앞서 설명된 방식으로, 특정 시청자 프로파일에 대한 콘텐츠 객체의 공포와 욕구 성분의 계산에 따라 여기서 설명된 추천 시스템(35)을 통해 시청자의 정규 채널 내에 통합된 이러한 소스들로부터 콘텐츠를 취할 수 있다. 여기서 설명된 좌뇌 사용자 인터페이스(172) 및 디스플레이 시스템을 이용하여, 시청자들은 Netflix 또는 Lovefilm과 같은 소스들로부터 나오는 콘텐츠 객체들을 전용 프로그램 디렉터 채널(170) 내에 능동적으로 스케쥴링하고 그 채널에서의 각 콘텐츠 객체의 큐 내의 위치를 결정할 수 있다.
또한, 전술된 내용을 이용하여, 시스템(35)은, 시청자 시스템(32)의 리모콘(88) 또는 프로그램 디렉터 채널(170)을 이용하여, 시청자가 비디오 온 디맨드 콘텐츠 객체들을 여기서 설명된 가상 채널들 중 하나에 스케쥴링함으로써 시청할 수 있는 "옵션"을 가질 수 있다. 예를 들어, 시스템(35)에 의해 추천된 콘텐츠 객체 또는 Netflix 또는 Lovefilm과 같은 원격 소스로부터 능동적으로 검색된 콘텐츠 객체는, 시청자가 보기를 원하지만, 현재는 볼 기분이 아니거나 볼 시간이 없거나 그 순간에 구매를 행할 돈이 없는 영화일 수도 있다. 대신에, 시청자는, 통상 콘텐츠 객체의 가격 및 시청 가용성을 포함한 콘텐츠 객체를 기술하는 메타데이터 및 액세스 데이터를 포함하는 링크 형태의 옵션을 여기서 설명된 채널들 중 하나 내에, 또는 논리 구조와 기능에서 프로그램 디렉터 채널(170)과 유사한 별개의 가상 채널 옵션 채널 내에 생성한다. 이러한 옵션은, 다른 콘텐츠 객체와 동일한 방식으로 채널 내에 큐잉된 포맷으로 나타나거나, 본 명세서의 다른 곳에서 설명된 것과 유사한 방식으로 시청시에 구매될 수 있다.
도 26a를 참조하면, 제3 유형의 가상 채널인 제3자 채널(180)은 제3자 애플리케이션 또는 데이터 스트림(182a-n)으로부터 나오는 콘텐츠가 시청자의 현재 채널과 연계하여 모델링 시스템(35) 및 시청자 시스템(32)을 통해 디스플레이에 이용가능하게 할 수 있다. 예를 들어, 스포츠 이벤트에 관련된 애플리케이션은, 특정 게임에 대한 추가 배경 정보, 예를 들어, 시청자 시스템(32)의 디스플레이(120)를 통해 생방송 시청되는 매치 동안에 골을 기록한 플레이어의 모든 골을 제공 또는 스트리밍할 수 있다. 이러한 배경 정보는, 별개의 제3자 채널(180)에 포스팅되거나, 도 18, 21 및 22 중 임의의 도면에 나타낸 바와 같은, 스크린(120)의 박스(113) 내의 현재의 콘텐츠 객체의 온-스크린 시청에 통합될 수 있다. 도 26b는 제3자 채널(180)에 대한 콘텐츠 집계를 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다.
도 27을 참조하면, 제4 유형의 가상 채널인 라이브러리 채널(190)은, 시청자의 라이브러리에 사적으로 보유한 콘텐츠 객체로의 액세스를 가능하게 하며, 이러한 콘텐츠 객체는 항상 영구적으로 시청에 이용가능한 사전 지불된 자료의 모음이다. 시청자의 사적으로 소유한 콘텐츠 객체를 포함하는 라이브러리는, 데이터베이스(47)와 유사한 것일 수 있는 저장 메커니즘(193)으로 표시된 바와 같이 시청자 시스템(32)에 국지적으로 저장되거나, 네트워크를 통해 원격으로 전용 저장 메커니즘(194) 상에 저장되거나, 임의의 콘텐츠 소스(192a-n) 중 임의의 것에 유지될 수 있다. 시청자의 사적 라이브러리 내의 콘텐츠 객체들은 추천 시스템(35)에 의해 라이브러리 채널(190) 내에서 정렬되거나 큐잉되고, 다른 콘텐츠 객체들에 관해 앞서 설명된 바와 같은 방식으로 시청자 시스템(32)을 통한 시청을 위해 배포될 수 있다. 그러나, 라이브러리 채널(190) 내의 콘텐츠 객체는, 사생활 보호와 보안 이유 뿐만 아니라 네트워크 접근성 이유로 인해, 변경된 포맷들로 저장될 수도 있다. 라이브러리 채널(190)은 하나의 채널로 정렬된 시청자의 라이브러리에서 이용가능한 모든 콘텐츠에 관한 "시청"을 제공하며, 이러한 콘텐츠는 지배적 선호도, 메타데이터(예를 들어, 쟝르)에 따라 정렬되고, 시청자의 기분에 따라 등급이 매겨지거나 특정의 미리정의되거나 동적으로 정의된 기준에 따라 분류될 수 있다.
라이브러리 채널(190)은 3개의 이용 모드: 활성 모드, 비활성 모드, 및 배타적 또는 라이브러리 단독 모드로 구현될 수 있다. 활성 모드에서, 라이브러리는 여기서 개시된 추천 시스템에 의해 앞서 설명된 방식으로 콘텐츠 추천을 생성하기 위한 콘텐츠 소스들 중 하나로서 이용된다. 비활성 모드에서, 라이브러리는 콘텐츠 추천을 생성하기 위한 콘텐츠 소스들 중 하나로서 이용되지 않는다. 배타적 또는 라이브러리 단독 모드에서, 시청자의 사적 라이브러리 또는 시청자가 액세스하는 사적 라이브러리로부터의 콘텐츠만이 앞서 설명된 방식으로 콘텐츠 추천을 생성하기 위한 콘텐츠 소스들 중 하나로서 이용된다.
제5 유형의 가상 채널인, 오프라인 채널(200)은, 한 실시예에서, 여기서 설명된 가상 채널(160-190 및 210-230) 중 나머지와 유사한 특정 콘텐츠 소스(들)을 갖는 채널로서가 아니라, 도 28a에서 시청자 시스템(32)과 추천 시스템(35)과 콘텐츠 소스(202a-n) 사이에 접속이 없는 것으로 나타낸 바와 같이, 시청자가 연장된 비행시 탑승 상황에 있는 때와 같은, 네트워크나 추천 시스템(35)에 능동적으로 또는 동작적으로 결합되지 않은 또 다른 채널과 연관된 콘텐츠 객체를 시청하기 위한 메커니즘으로서 구현될 수 있다. 이러한 경우, 시청자의 정규 채널 또는 여기서 설명된 바와 같은 가상 채널일 수 있는 특정 채널 내의 콘텐츠 객체들은, 모두가 PDA, 태블릿 컴퓨터나 랩탑과 같은 장치 내에서 구현될 수 있고 시청하기 위해 이용할 수 있는 시청자 시스템(32)의 저장 메커니즘(203)에 국지적으로 저장된다. 오프라인 채널(200) 동작 모드에서, 시청자 시스템(32)이 구현되는 장치는, 시청자를 위한 좌뇌 인터페이스, 및 통상적으로 순차적으로, 우뇌 인터페이스로서 역할할 수 있다는 점에 유의한다. 도 28b는 오프라인 채널(200)을 통한 콘텐츠의 오프라인 시청을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다.
오프라인 채널(200) 동작 모드에서, 시청자의 특정 시청 습관은, 시청자가 시스템에 재접속될 때 시청자 프로파일과 시청 이력의 업데이트를 위해 비동기적 방식으로 국지적으로 저장되어 추천 시스템(35)에 로딩될 수 있다. 또한, 오프라인 채널(200) 모드에서, 특정 시청자 채널 내의 콘텐츠 객체들은 이러한 특정 채널이나 채널들 내에 이미 큐잉된 아이템으로 제한된다. 콘텐츠 객체들을 시청자 채널 내에서 직전 시청 습관 이벤트들과 동기화하여 재정렬하는 능력도 역시 제한된다. 실시예들에서, 오프라인 시청을 위해 콘텐츠 객체들이 저장되는 포맷은, 특정 시청 장치나 플랫폼으로부터의 일반적인 온라인 시청에 이용되는 다른 저장 포맷에 비해, 무허가 시청을 방지하는 보안 향상을 위해 수정될 수 있다. 한 실시예에서, 콘텐츠 객체의 저작권 및 라이센싱 요건에 따르기 위하여, 이러한 콘텐츠 객체가 시청자의 사설 라이브러리의 일부이거나 시청자가 콘텐츠 객체를 복수회 시청하는 것이 허가되지 않는 한, 시청자가 오프라인인 동안 국지적으로 저장된 콘텐츠 객체를 통한 브라우징 및 되감기/빨리 감기는 허용되지만, 콘텐츠 객체의 실제 시청은 단 한번만 허용된다.
오프라인 모드 동안의 콘텐츠 선택은 예를 들어 하기와 같은 다양한 방식으로 이루어질 수 있다: A) 시청자는 좌뇌 사용자 인터페이스를 이용하여 오프라인 시청하고자 하는 콘텐츠를 각 채널로부터 선택한다; B) 시청자의 선호도 및 기분에 따른 최고 추천을 갖는 콘텐츠가 추천 시스템(35)에 의해 선택된다; 또는 C) 시청자는 그/그녀의 프로그램 디렉터 채널을 관리하고 내부의 콘텐츠는 오프라인 모드 동안에 선택된다.
제6 유형의 가상 채널인, 사진/사용자 생성형 콘텐츠(UGC) 채널(210)은, 다른 내부의 또는 외부의 임의 소스로부터 시청자(들)에 의해 생성된 사진과 UGC, 영화, 오디오 등을 포스팅하고 채널에 포스팅된 콘텐츠 객체의 파일 타입에 따라 적절한 시청 플레이어를 이용하여 이러한 사진과 UGC를 시청하는데 이용된다. 이와 같이, 사진/UGC 채널(210)은, 구성과 기능에 있어서, 도 27을 참조하여 여기서 설명된 바와 같은 라이브러리 채널(190)과 유사할 수 있다. 도 29a에 나타낸 바와 같이, UGC를 나타내는 콘텐츠 객체들은, 저장 메커니즘(216)으로 표시된 바와 같이 데이터베이스(47)와 유사한 것일 수 있는 시청자 시스템(32)에 국지적으로 저장되거나, 네트워크를 통해 원격으로 전용 저장 메커니즘(213) 상에 저장되거나, 임의의 콘텐츠 소스(212a-n) 중 임의의 것에 유지될 수 있다. UGC 콘텐츠 객체들은 추천 시스템(35)에 의해 사진/UGC 채널(210) 내에서 정렬되거나 큐잉되고, 다른 콘텐츠 객체들에 관해 앞서 설명된 바와 같은 방식으로 시청자 시스템(32)을 통한 시청을 위해 배포될 수 있다. 그러나, 사진/UGC 채널(210) 내의 콘텐츠 객체는, 사생활 보호와 보안 이유 뿐만 아니라 네트워크 접근성 이유로 인해, 변경된 포맷으로 저장될 수도 있다. 시청자는 순서 변경, 아이템 삭제 등을 위해 좌뇌 인터페이스를 이용하여 사진/UGC 채널(210)을 편집할 수 있다. 도 29b는 사진/UGC 채널(210)의 생성과 콘텐츠 수집을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다.
제7 유형의 가상 채널인, 포스트 채널(220)은, 친구, 가족, 동료 등과 기타의 제3자가 시청자와 연관된 채널에 그들의 사진/UGC를 능동적으로 포스팅하는 것을 가능하게하고, 채널에 포스팅된 콘텐츠 객체의 파일 타입에 따라 적절한 시청 플레이어를 이용하여 이러한 사진과 UGC의 시청을 허용한다. 이와 같이, 포스트 채널(220)은, 구성과 기능에 있어서, 도 29a를 참조하여 여기서 설명된 바와 같은 사진/UGC 채널(210)과 유사할 수 있다. 도 30a에 나타낸 바와 같이, 제3자 또는 외부적으로 생성된 UGC를 나타내는 콘텐츠 객체들은, 데이터베이스(47)와 유사한 것일 수 있는 저장 메커니즘(226)으로 표시된 바와 같이 시청자 시스템(32)에 국지적으로 저장되거나, 네트워크를 통해 원격으로 전용 저장 메커니즘(223) 상에 저장되거나, 임의의 콘텐츠 소스(222a-n)에 유지될 수 있다. UGC 콘텐츠 객체들은 추천 시스템(35)에 의해 포스트 채널(220) 내에서 정렬되거나 큐잉되고, 다른 콘텐츠 객체들에 관해 앞서 설명된 바와 같은 방식으로 시청자 시스템(32)을 통한 시청을 위해 배포될 수 있다. 포스트 채널(220)은 복수의 소스로부터의 콘텐츠 객체들을 시청하기를 원하지만 이러한 소스와 확립된 관계를 갖지 않는 시청자들에 대해 유용하다. 예를 들어, 조부모들은, 그들의 자녀, 손자 및/또는 다른 가족 구성원에 의해 Facebook, Twitter, 또는 기타의 미디어 사이트에 포스팅된 사진 및 UGC 영화를 위해 예약되어 있는 포스트 채널(220)을 가질 수 있다. 이런 방식으로, 이러한 시청자들은 인터넷에 액세스하여 Facebook, Twitter, 또는 기타의 계정을 설정할 필요없이 Facebook 및 Twitter로부터 나오는 콘텐츠를 즐길 수 있다. 추천 채널(160)에서와 같이, 추천은 특정 전자 메일 주소나 특정 시청자 시스템(32)과 연관된 기타의 핸들 메커니즘을 통해 시청자의 포스트 채널(220)에 포워딩될 수 있다. 도 30b는 가상 포스트 채널(220)을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다.
제8 유형의 가상 채널인 메일 채널(230)은, 시청자의 하나 이상의 전자 메일 서비스와 연동되며, 우뇌 반구형 콘텐츠 객체, 일반적으로는 전자메일 메시지와 연관된 첨부물, 예를 들어, 사진, 그래픽, 비디오 자료 등을 포함한 첨부물이, 도 31a에 도시된 바와 같이 시청자 시스템(32)의 우뇌 디스플레이(80) 상에서 시청될 수 있게 한다. 한 실시예에서, 시청자에게는 예를 들어 리모콘(88)으로, 첨부물이 없는 전자메일 메시지 뿐만 아니라 관련된 전자메일 메시지의 전체 텍스트가 시청될 수 있게 하는 명령을 입력할 옵션이 제공될 수 있다. 도 31b는 메일 채널(230)을 가능하게 하는 알고리즘적 프로세스를 개념적으로 나타낸다.
여기서 설명된 가상 채널(160-230)은, 모델링 시스템(35)의 데이터베이스(48)에 또는 시청자 시스템(32) 내부에 국지적으로 저장되고 도 16-22를 참조하여 여기서 설명된 바와 같은 전통적인 커서 네비게이션 제어를 이용하여 콘텐츠의 다차원 서핑을 용이하게 하는 다른 채널(90A-C)과 유사한 1차 콘텐츠 객체 데이터 스트림 또는 2차 콘텐츠 객체 데이터 스트림으로서 시청자 시스템(32)의 디스플레이(80)를 통해 시청자에게 제시될 수 있다. 다른 실시예들에서, 시청자는, 도 21에 나타낸 추천된 콘텐츠를 참조하여 설명된 것과 유사한 방식으로, 디스플레이(80)의 스크린(120) 상의 1차 및 2차 콘텐츠 객체 데이터 스트림 외에도 여기서 설명된 가상 채널들(160-230) 중 임의의 것을 별개의 차원에서 네비게이션할 수 있다.
명시적인 시청자 피드백
시청자의 선택 및 시청 습관으로부터 검출가능한 묵시적 피드백외에도, 개시된 시스템은 또한 좌뇌 활동을 거의 요구하지 않는 방식으로 추천 시스템에 명시적 피드백을 제공하는 기회를 부여한다. 구체적으로는, 디스플레이로부터 나오는 전통적인 네비게이션 제어, 예를 들어, 구체적으로는, 색 코딩된 제어는, 좌뇌 활동을 거의 요구지 않는 방식으로 추천 시스템에 명시적인 피드백을 제공하는데 이용될 수 있다. 상이한 채색 버튼들의 선택은, 긍정적 또는 부정적 유의성 감정들 각각을, 특정의 반복적으로 방송되는 콘텐츠(예를 들어, 시리즈)의 사례들(instances 및/또는 그 메타데이터와 연관시키는데 이용될 수 있다. 또한, 상이한 색 코딩된 제어의 선택은, 현재 시청된 콘텐츠로의 링크를 적용가능한 소셜 네트워크와 사회적으로 공유하거나, 현재 시청된 콘텐츠의 저작자(들) 또는 그 콘텐츠의 추천자에게 사례(gratuity)를 제공하는데 이용될 수 있다.
더 구체적으로는, 편안한 TV 시청을 위한 개시된 시스템 및 기술의 일환으로, 전형적인 TV 리모콘(88) 또는 기타 장치의 명령 제어(240-246)에는 도 32에 나타낸 바와 같이 새로운 기능이 부여된다. 기존의 전형적인 원격 제어 명령 제어는, 이용가능한 인터페이스 하드웨어의 일부이며, 따라서 최소한의 설정과 이용을 위한 학습 곡선 노력을 요구한다. 기존의 명령 제어와 관련된 새로운 기능들은, 자연스런 편안한 TV 경험을 지원하는 개시된 신경심리학적 모델링 기술에 기초하여 선택된다. 신경심리학적 모델링 기법에 기초한 명령 제어 및 그들의 할당된 동작에 대한 설명이 이하에 주어진다.
도 32에 나타낸 바와 같이, 제1 채색된 제어(240), 예를 들어, 적색 버튼의 선택은, 부정적 유의성 감정을 특정의 반복적 방송 콘텐츠의 사례들(예를 들어, 시리즈) 및/또는 그 메타데이터와 연관시키는데 이용될 수 있다. 이러한 부정적 유의성 감정 연관은, 그 특정 반복적 콘텐츠가 개인맞춤화된 채널 및/또는 타임-쉬프팅된 콘텐츠 목록에 스케쥴링되지 않고 그에 따라 그 사용자에 대해서는 그 콘텐츠가 레코딩되지 않는 결과로 이어질 수 있다. 이것은 "나의 프로파일에 대해 더 이상 타임 쉬프팅 목적으로 레코딩하지 말 것"을 의미하는 적색 버튼으로서 구현될 수 있다.
제2 채색된 제어(242), 예를 들어, 청색 버튼의 선택은, 긍정적 유의성 감정을 소정의 반복적 방송된 콘텐츠의 사례들(예를 들어, 시리즈) 및/또는 그 메타데이터와 연관시킬 수 있다. 이러한 긍정적 유의성 감정 연관은, 그 특정 반복적 콘텐츠가 개인맞춤화된 채널 및/또는 타임-쉬프팅된 콘텐츠 목록에 스케쥴링되고 그에 따라 그 사용자에 대해 그 콘텐츠가 레코딩되는 결과로 이어질 수 있다. 이것은 "나의 프로파일에 대해 타임 쉬프팅 목적으로 레코딩할 것"을 의미하는 청색 버튼으로서 구현될 수 있다.
제3 채색된 제어(244), 예를 들어, 황색 버튼의 선택은 현재 시청된 콘텐츠에 대한 링크를 적용가능한 소셜 네트워크와 사회적으로 공유할 수 있다. 적용가능한 소셜 네트워크는 Facebook, Linkedln, Twitter, 블로그, 전자메일 등일 수 있다. 실제적 구현은, 일반적 또는 개인맞춤화된 계정으로부터, 수동 처리 및 실제 공개 또는 전달을 위한 그 자신의 계정일 수 있는 사용자 미리 결정된 계정, 또는 공개나 전달이 자동으로 발생되게끔 하는 계정으로 전달되는 미리포맷팅된 전자메일 또는 기타의 전자메일 메시지일 수 있다.
제4 채색된 제어(246), 예를 들어, 녹색 버튼의 선택은 현재 시청된 콘텐츠의 저자(들) 또는 그 콘텐츠의 추천자와 고마움을 연관시킬 수 있다. 이러한 고마움은 결과로서 사례금이나 감사금의 기부를 가질 수 있다. 저작자와 추천자간의 구분은, 시청 중인 추천 채널의 홈 콘텐츠 또는 추천된 콘텐츠 그 자체에 기초하거나, 버튼이 눌러진 후에 팝업되는 간단한 아이콘적 가시적 인터페이스에 기초할 수 있다. 사례의 양은 자동으로 프리셋되거나 TV 병행 인터페이스의 일부로서의 좌뇌 인터페이스에 기초하여 변할 수 있다. 저작자, 추천인 및 서비스 공급자(특허권 보유자) 인증서의 정확한 관리를 관리하기 위해 백엔드 결제 및 관리 시스템이 생성된다. 기부가 저작자나 추천자에게 정확하게 돌아가지 않는 경우, 이들은 비영리 기금으로 흘러갈 수 있다.
적색 버튼과 청색 버튼이 특정 콘텐츠 객체 뿐만 아니라 그 콘텐츠 객체와 연관된 하나 이상의 메타데이터 값과도 연관될 때, 명시적인 우뇌 피드백은 더욱 강력하게 된다. 예를 들어, 실시예들에서, 시청자가 특정 콘텐츠 객체의 시청 동안에 적색 버튼을 누르거나 등가의 명령을 명시하면, 그 콘텐츠 객체와 연관된 메타데이터가 스크린의 하단부에, 예를 들어, 메뉴바로 시각적으로 디스플레이될 수 있다. 이러한 바는 주연 배우, 예를 들어, Jack Nicholson의 사진, 그 다음, 쟝르, 예를 들어, 공포 영화 등을 특징짓는 그래픽 표현을 보여줄 수 있다. 사용자는 명시적인 피드백 버튼이나 명령을 이용하여 콘텐츠 객체에 대해 특히 자신이 좋아하거나 싫어하는 것을 선택하고, 그 후, 선택된 메타데이터에 관련된 공포 및 욕구 성분들이 그에 따라 후속해서 업데이트된다.
전술된 시스템 및 기술의 변형이 이용될 수도 있다는 것은 당업자에게는 명백할 것이다. 예를 들어, 시청자로부터 추천 시스템에 제공된 명시적 피드백의 유형과 제어 사이에는 특정의 1대 1 대응관계가 있을 필요는 없다. 예를 들어, 설명된 피드백 유형들 각각에 대한 하나의 버튼 대신에, 하나의 위치는 콘텐츠 및/또는 그 메타데이터에 부정적 유의성 감정을 지정하는 반면 다른 위치는 콘텐츠 및/또는 그 메타데이터에 긍정적 유의성 감정을 지정하는 2-위치 락커 스위치가 이용될 수 있다. 또한, 제어 그 자체는 채색될 필요는 없지만, 임의의 형상, 컬러, 그래픽 패턴 또는 그에 부착된 이미지를 가질 수 있다. 또한, 컬러, 패턴, 또는 이미지의 선택은 설계자의 재량일 수 있다. 또한, 전통적인 키보드, 제스쳐 인식 사용자 인터페이스 또는 음성 명령 사용자 인터페이스 뿐만 아니라 멀티모드 기능을 허용하는 구성의 전통적인 네비게이션 커서 제어를 포함한, 리모콘(88) 상의 임의의 물리적 제어 또는 시청자가 1차 우뇌 디스플레이(80)와 통신하는데 이용하는 PDA나 랩탑과 같은 사용자 인터페이스 상의 가상 제어가 이용될 수 있다.
판매 교육, 판매 컨설팅 및 소프트웨어
여기서 설명된 신경심리학적 모델로부터, 최상의 판매 실천에 대한 중요한 통찰력; 즉, M & A 컨설팅에서 뿐만 아니라 판매 교육 및 판매 컨설팅에서 공유될 수 있는 통찰력이 뒤따른다.
구매자의 심리는 판매에 있어서 가장 중요하며, 이러한 이유로 임의의 판매 사이클은 구매자-정렬되어야 한다. 구매자는 통상 제품을 구매하기 전에 다수의 스테이지를 겪는다. 이들 스테이지들을 식별하고 명칭부여하기 위해 복수의 판매 모델들이 이미 시도되었다. 전형적인 스테이지는: 요구의 식별, 옵션의 평가, 관심사 해결이다. 또는 만족 스테이지, 회피/쇼핑 스테이지, 합의 스테이지이다. 그러나, 이들 이론들 중 어느 것도 상이한 스테이지들을 구매자의 기본적인 감정 및 기분과 연계시키지 않았다.
2가지 유형의 B2B 판매: 새로운 애플리케이션 및 알려진 애플리케이션 판매 간에 중요한 구분이 이루어진다. 새로운 애플리케이션 판매에서, 구매자는 판매인의 제안을 자신에게 새로운 무언가로 보는데, 그 이유는, 제품/서비스의 유형 또는 그 애플리케이션이 자신에게 새로운 것이기 때문이다. 공지된 애플리케이션 판매에서, 구매자는 판매인의 제안을 자신에게 친숙한 무언가로 보는데, 그 이유는, 제품/서비스의 유형 또는 그 애플리케이션의 종류가 자신에게 친숙하기 때문이다. 따라서, 특정 판매 프로젝트가 새로운 애플리케이션 판매 프로젝트로 간주되는지 친숙한 애플리케이션 판매 프로젝트로 간주되는지의 여부는 구매자의 관점에 의존한다. 구매자의 관점의 평가는 판매인에게 달려 있다.
개시된 시스템 및 기술에 따르면, 새로운 애플리케이션 B2B 판매, 구매 사이클은 욕구의 파종과 육성에서 시작하고, 이것은 최적으로는, 주로 우반구에 호소하고 욕구가 성장하는 것을 허용하는 시각적 판매/마케팅 자료와 스토리텔링(storytelling)을 이용하여 이루어진다. 이러한 이유로, 새로운 애플리케이션 B2B 판매는 욕구-기반의 B2B 판매라 일컬어진다. 그러나, 이것이, 이러한 유형의 판매가 공포의 임의의 회피를 수반하지 않는다는 것을 의미하는 것은 아니다. 일단 욕구가 상당한 수준으로 성장하고 나면, 구매자는 구매를 가시화하여 기꺼이 변화하고자 하지만, 공포는 여전히 회피될 필요가 있다. 욕구-기반의 B2B 판매의 구매 사이클이 도 34에 나타나 있다.
알려진 애플리케이션 B2B 판매의 경우, 욕구의 일부 파종 및 육성이 요구될 수 있지만, 보통 훨씬 더 낮은 정도에 이른다. 알려진 애플리케이션 B2B 판매는 대개는 공포의 회피에 관한 것이므로, "공포-기반의" 판매라고 일컬어진다. 공포-기반의 B2B 판매를 위한 구매 사이클이 도 35에 나타나 있다.
공포는 사적 공포와 사회적 공포로 구성된다. 이들 사적 공포는 통상 제2 스테이지 동안에 회피된다. 이 단계에서, 구매자는 통상 제품이나 서비스가 실제로 자신을 위해 동작하는지 및/또는 판매인에 의해 자신에게 제안된 옵션이, 대안적, 경쟁적 옵션 등을 고려하여, 전체적으로 최상의 옵션인지를 알기를 원한다. 우리의 통찰력에 따르면, 이 단계에서, 구매자는, 사양 목록, 데모 리포트 등과 같은 대체로 텍스트적 및/또는 분석적인 자신의 공포를 해결하는 데이터와 결과를 이용하여 최상으로 서비스받는데, 이것은 이들이 주로 그의 좌반구에 호소하며 그가 공포를 허용가능한 수준으로 수렴시키는 것을 허용하기 때문이다. 따라서, 이 단계에서, 구매자의 공포를 평가하고 그가 공포를 해결하는데 도움을 주는 것이 판매인의 직무이다. 이 단계에서의 초점은 공포의 감소에 맞춰져 있지만, 판매인은 여전히 욕구 레벨을 주시하여 그것이 충분히 높게 유지되도록 할 필요가 있다.
공포-기반과 욕구-기반의 B2B 판매 둘 다의 구매 사이클의 제3 단계 동안에, 통상적으로 사회적 공포가 회피될 필요가 있다. 이 단계에서, 판매인은 구매자가 다른 의사 결정자들과 함께 올바른 행동을 취하도록 안내하는 것이 중요하므로, 구매자의 욕구 및 공포 성분들이, 우월적 기분이나 열정적 기분에 대응하는 -π/8 내지 +3π/8의 범위 내로 놓여지거나 그 범위 내에 유지되어야 한다. 판매인은, 예를 들어, 비전을 보여주고 지원하며 의사 결정자들 사이에서 공유될 수 있는 가치-기반의 제안과 같은 적절한 서류를 구매자가 갖고 있는지를 확인할 수 있다. 이러한 서류는 통상 구매 사이클이 하는 것과 동일한 방식으로 청취자의 심리를 해결하는데, 즉, 욕구의 파종으로 시작하고 후속해서 전형적인 공포를 해결할 것이다. 욕구의 파종은, 예를 들어, 가장 매력적이고 원하는 최종 결과 등을 보여줌으로써 비전을 보여주는 다양한 시각적 요소들을 이용함으로써 이루어질 수 있다. 공포의 회피는, 예를 들어, 구체적인 필요 목록의 조사와 이들 각각이 커버된다는 것을 보여줌으로써 이루어질 수 있다. 판매인은 전체 구매 사이클을 통틀어 공포와 욕구 레벨의 모니터링을 계속할 필요가 있다는 점에 주목하는 것이 중요하다. 예를 들어, 제3 단계에서, B2B 구매자가 불필요하게 구매 결정을 지연하거나 가격에 너무 높은 압력을 가할 수도 있기 때문에, 판매인은 거래를 끝낼 수 있기 위해 실제로 공포를 증가시킬 필요가 있을 수 있다.
B2C 판매의 구매 사이클이 도 36에 나타나 있다. 이러한 경우에, 공포가 약해지는 만큼 빨리 욕구가 성장할 필요가 있다. 사회적 공포 회피는 존재하지 않는 것으로 제한된다. 각각의 넘버링된 스테이지들을 갖는 상이한 구매 사이클도 역시 도 6c에 도시된 바와 같이 기분 원반 상으로 맵핑될 수 있다.
M&A 거래의 일부로서, 기업의 매수와 매각은 욕구-기반의 B2B 판매 프로세스와 닮았다. 매각측은 B2B 판매 프로세스를 통해 매수측을 리드할 수 있다: 그러나, 매수측도 역시, 양사의 통합된 비전을 팔고 공통의 이유로 매수하기 위해 구매 프로세스의 단계들을 통해 매각측 이해관계자를 리드한다. 이러한 프로세스는, B2B 판매인이 고전적인 B2B 판매 프로세스에서의 구매 사이클을 통해 구매측 조직을 리드하는 방법과 매우 유사하다.
기업의 잠재적 매수측은, 필요한 네트워킹, 전략 수립 및 정찰을 행한 이후에, 예를 들어, 양측 회사의 이사회 및 경영진에게 비전을 생성하고 욕구를 육성할 필요가 있다. 일단 인수 또는 합병에 대한 매입을 받은 후에, 개인적 및 사회적 공포는 여전히 회피될 필요가 있다. 개인적 공포 회피 또는 주관적 상당한 주의(due diligence)는 사실상 일반적으로 새로운 조직 차트를 생성하는 것, 비지니스 및 통합을 계획하는 것과 같은 것으로 압축된다. 사회적 공포 회피 또는 객관적 상당한 주의는, 모든 법률, 금융, 및 세금 관련 문제를 확인 및 확보하는 것으로 구성된다.
도 37은, 특정 판매 채널 모델과 연관된 판매 객체의 랭킹에 관한, 판매 객체와 연관된 메타데이터와 개개의 구매자 모델 사이의 관계의 도출에 필요한 모델링 시스템(35A)의 실시예의 요소들을 개념적으로 나타낸다. 도 37에서, B2B 구매자 애플리케이션(32A), 판매 제안(60A), 구매자 모델(46A), 랭킹/판매 채널(48A), 판매 객체(47A), 행동 모델러(49A), 랭킹 애플리케이션(42A), 및 신경심리학적 모델링 엔진(41A)은, 유사하거나 유사하지않은 데이터 구조를 갖춘 각각의 알고리즘적 프로세스 및 통신 프로토콜을 포함한, 여기서 개시된 도 9a 및 도 9d를 참조하여 설명된 시청자 애플리케이션(32), 콘텐츠 자료(60), 시청자 모델(46), 랭킹/채널 모델(48), 콘텐츠 객체(47), 행동 모델러(49), 랭킹 애플리케이션(42) 및 신경심리학적 모델링 엔진(41)과 구조적으로 및 기능적으로 각각 유사할 수 있다. 특히, 데이터베이스(47A)에 저장된 각 판매 객체는, 포맷, 제품 ID, 사양, 대상 고객 설명, 가격, 특별 가격/할인, 기간(가입 서비스), 특별 계약조건, 라이센스/작업 정보 등과 같은, 파일의 콘텐츠를 기술하는 다양한 데이터 파라미터들을 포함하는 파일(75)과 유사하거나 유사하지 않을 수 있는 메타데이터 파일과 연관된다. 임의 개수의 상이한 데이터 구조 포맷이 이 특정 구조에 이용될 수도 있다. 이러한 콘텐츠 파일 메타데이터 파일들도 역시 데이터베이스(47A)에 저장될 수 있다.
마찬가지로, B2B 구매자 애플리케이션(32A)과 연관된 각 개별 구매자는, 행동 모델을 설명하는 데이터를 포함하는 모델(70)과 유사하거나 유사하지 않을 수 있는 구매자 모델과 연관될 수 있다. 구매자의 모델과 판매 채널 모델을 업데이트하고, 새로운 판매 객체를 검색하고, 이러한 객체들이 구매자의 감정 동기의 시스템 모델에 따른 랭킹에 적합한지를 결정하기 위한 모델링 시스템(35A)의 컴포넌트들 사이의 프로세스 흐름은, 도 9b-도 9c와 도 9e-도 9f를 참조하여 앞서 설명된 것들과 유사할 수 있다. 행동 모델러(49A)는 특정 구매자와 연관된 모델과 판매 채널을 정의하는 메타데이터 파일을 데이터베이스(46A)로부터 검색한다. 또한, 행동 모델러(49A)는 판매 객체를 기술하는 메타데이터 파일을 데이터베이스(47A)로부터 검색한다. 그 다음, 행동 모델러(49A)는 수신된 이벤트 데이터를 판매 객체의 메타데이터 파일 및 현재의 구매자 모델과 비교하고, (행동 모델러(49) 내의 원형 화살표로 표시된) 판매 채널 모델(들)을 적절하게 수정한다. 각 경우에 구매자 모델(70)은 수정되고, 선택사항으로서, 판매 채널 관리의 경우에서와 같이, 판매 채널 모델도 역시 수정될 수 있다. 다양한 실시예에서, 구매자 모델을 수정하는 것은, 규정된 규칙에 따라 각 이벤트를 기분 원반(20) 상에 맵핑함으로써 수행될 수 있고, 예를 들어, 판매 객체의 구매는, 앞서 설명된 바와 같이 미리 정의된 Ψ와 m 값(또는 등가 공포 좌표 f와 욕구 좌표 d)을 야기한다.
여기서 도출된 신경심리학적 모델과 여기서 개시된 모델링 시스템(35)이 적용될 수 있는 다른 상황은, 1) 자동 인터넷 뱅킹 또는 투자 펀드, 2) 읽기 및/또는 연구 및/또는 쓰기를 위한 병행 인터페이스, 3) 반복적 소비자 구매를 위한 자동 인터넷가능형 구매 시스템을 위한 병행 사용자 인터페이스, 또는 4) 자동 증권 거래 시스템 중 임의의 것을 포함하지만 이것으로 제한되는 것은 아니며, 유사하거나 상이한 데이터 구조를 갖춘 각각의 알고리즘적 프로세스 및 통신 프로토콜을 포함한, 여기서 개시된 도 9a, 도 9d 및 도 37을 참조하여 설명된 것들과 구조적으로 및 기능적으로 유사한 시스템을 이용할 수 있다.
여기서 설명된 시스템 및 기술의 다양한 실시예들이 비디오 데이터를 포함하는 콘텐츠 객체를 참조하여 설명되었지만, 여기서 설명된 시스템, 특히, 병행 사용자 인터페이스 및 신경심리학적 모델링 엔진은, 당업자라면, 여기서 주어진 개시를 통해, 개시된 시스템 및 기술에 약간을 수정을 가하여, 오디오, 예술, 광고, 문학, 물리적 객체 등을 포함하는 다른 유형의 콘텐츠와도 동등하게 이용될 수 있다는 것을 이해할 것이다.
본 개시의 진정한 사상과 범위로부터 벗어나지 않고도 본 개시의 시스템과 프로세스에 대한 수정이 발생할 수 있다는 것이 당업자에게는 명백할 것이다. 예를 들어, 네트워크를 통해 또는 직접 통신하는 임의의 2개 요소는 임의의 특정 통신 프로토콜 또는 여기서 설명된 기술 외에도 푸시(push) 또는 풀(pull) 기술을 이용할 수 있다. 또한, 여기서 설명된 네트워크 구현에도 불구하고, 공용 및 사설 네트워크의 임의의 조합을 포함한 임의의 기존의 또는 미래의 네트워크 또는 통신 인프라구조 설계가 이용될 수 있다. 또한, 특정의 알고리즘적 흐름도 또는 데이터 구조가 예시되었지만, 이들은 단지 예시를 위한 것이고, 동일한 기능을 달성하지만 상이한 데이터 구조나 포맷을 이용하는 다른 프로세스도 여기서 설명된 개념의 범위 내에 드는 것으로 예상된다. 이와 같이, 여기서 설명된 예시적 실시예들은 예시의 목적이며 제한을 의미하는 것이 아니다.

Claims (61)

  1. 네트워크 액세스가능한 인덱싱된 콘텐츠 객체 소스와 시청자 시스템에 연동되고(operatively coupled), 매수자/구매자 심리를 모델링할 수 있는 추천 시스템으로서,
    A) 상기 네트워크 액세스가능한 인덱싱된 콘텐츠 객체 소스에 연동된 신경심리학적 모델링 엔진(neuropsychological modeling engine);
    B) 상기 시청자 시스템에 연동된 행동 모델러(behavior modeler);
    C) 상기 신경심리학적 모델링 엔진에 연동된 랭킹 애플리케이션(ranking application);
    D) 상기 랭킹 애플리케이션, 상기 신경심리학적 모델링 엔진, 및 상기 행동 모델러에 연동되어 복수의 시청자 모델을 저장하기 위한 제1 메모리; 및
    E) 상기 랭킹 애플리케이션, 상기 신경심리학적 모델링 엔진, 및 상기 행동 모델러에 연동되어 복수의 채널 모델과 채널 모델에 관한 콘텐츠 객체들의 랭킹을 저장하기 위한 제2 메모리
    를 포함하고,
    상기 신경심리학적 모델링 엔진은,
    i) 상기 인덱싱된 콘텐츠 객체 소스로부터 수신된 콘텐츠 객체와 연관된 메타데이터를 시청자와 연관된 적어도 하나의 시청자 채널 및 시청자 모델과 연관된 메타데이터와 비교하고;
    ii) 상기 수신된 콘텐츠 객체가, 상기 콘텐츠 객체를 선택하는데 대한 상기 시청자의 감정적 동기(emotional motivation)에 따라 시청자 채널과 연관된 다른 콘텐츠 객체들 사이에서 랭킹이 적격인지를 판정하도록 구성된, 추천 시스템.
  2. 제1항에 있어서, 상기 추천 시스템은,
    F) 메모리에 저장되고 상기 신경심리학적 모델링 엔진에 의해 액세스가능한 인간 감정의 수학적 모델을 더 포함하는, 추천 시스템.
  3. 제1항 또는 제2항에 있어서, 상기 신경심리학적 모델링 엔진은 또한,
    iii) 상기 콘텐츠 객체를 선택 또는 구매하는데 대한 개인의 공포를 나타내는 공포 벡터 값을 생성하고;
    iv) 제안된 아이템을 선택 또는 구매하는데 대한 개인의 욕구를 나타내는 욕구 벡터 값을 생성하며;
    v) 상기 욕구 벡터값과 상기 공포 벡터값으로부터, 개인 기분을 나타내는 값 Ψ를 도출하고;
    vi) 상기 욕구 벡터값과 상기 공포 벡터값으로부터, 상기 콘텐츠 객체를 선택하는데 대한 개인 동기 강도를 나타내는 값 m을 도출하며;
    vii) 개인 기분을 나타내는 상기 값 Ψ가 허용가능한 미리 결정된 범위 내에 있다면, 상기 값 m을 랭킹 애플리케이션에 제공하도록 구성된, 추천 시스템.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 랭킹 애플리케이션은, 상기 신경심리학적 모델링 엔진으로부터 수신된 값 m을 이용하여, 상기 채널 모델과 연관된 다른 콘텐츠 객체들에 관한 상기 콘텐츠 객체에 대한 랭킹을 결정하도록 구성되는, 추천 시스템.
  5. 제1항 내지 제4항 중 어느 한 항에 따른 추천 시스템과 하나 이상의 콘텐츠 객체를 포함하는 시스템.
  6. 매수자/구매자 심리의 모델링을 위한 방법으로서,
    A) 콘텐츠 객체와 연관된 메타데이터를 채널 모델과 연관된 메타데이터와 비교하는 단계;
    B) 상기 콘텐츠 객체를 선택 또는 구매하는데 대한 개인의 공포를 나타내는 공포 벡터 값을 생성하는 단계;
    C) 제안된 아이템을 선택 또는 구매하는데 대한 개인의 욕구를 나타내는 욕구 벡터 값을 생성하는 단계;
    D) 상기 욕구 벡터값과 상기 공포 벡터값으로부터, 개인 기분을 나타내는 값 Ψ를 도출하는 단계;
    E) 상기 욕구 벡터값과 상기 공포 벡터값으로부터, 상기 콘텐츠 객체를 선택하거나 구매하는데 대한 개인 동기 강도를 나타내는 값 m을 도출하는 단계;
    F) 개인 기분을 나타내는 상기 값 Ψ가 허용가능한 미리 결정된 범위 내에 있다면, 상기 값 m을 이용하여 상기 채널 모델과 연관된 다른 콘텐츠 객체에 관한 상기 콘텐츠 객체에 대한 랭킹을 결정하는 단계; 및
    G) 개인과 연관된 시청자 모델 및 채널 모델을 네트워크 액세스가능한 메모리에 유지하는 단계
    를 포함하는, 방법.
  7. 매수자/구매자 심리의 모델링을 위한 시스템으로서,
    A) 적어도 하나의 채널 모델을 저장하기 위한 제1 네트워크 액세스가능한 메모리;
    B) 상기 네트워크 액세스가능한 메모리에 연동되고, 콘텐츠 객체와 연관된 메타데이터를 상기 채널 모델과 연관된 메타데이터와 비교하도록 구성되며,
    i) 상기 콘텐츠 객체를 선택 또는 구매하는데 대한 개인의 공포(주저함)를 나타내는 공포 벡터 값,
    ii) 제안된 아이템을 선택 또는 구매하는데 대한 개인의 욕구를 나타내는 욕구 벡터 값,
    iii) 개인 기분을 나타내는 값 Ψ - 상기 값 Ψ은 상기 욕구 벡터 값 및 상기 공포 벡터 값으로부터 도출됨 - , 및
    iv) 상기 콘텐츠 객체를 선택하거나 구매하는데 대한 개인 동기 강도를 나타내는 값 m - 상기 값 m은 상기 욕구 벡터 값 및 상기 공포 벡터 값으로부터 도출됨 - 을 생성하기 위한 모델링 엔진;
    C) 상기 모델링 엔진에 응답하여, 상기 모델링 엔진에 의해 생성된 값 Ψ가 허용가능한 미리 결정된 범위 내에 있다면, 상기 모델링 엔진에 의해 생성된 값 m으로부터, 상기 채널 모델과 연관된 다른 콘텐츠 객체에 관한 상기 콘텐츠 객체에 대한 랭킹을 도출하기 위한 랭킹 모듈; 및
    D) 상기 콘텐츠 객체의 적어도 일부와 다른 콘텐츠 객체들을 저장하기 위한 제2 네트워크 액세스가능한 메모리
    를 포함하는, 시스템.
  8. 제7항에 따른 시스템과 하나 이상의 콘텐츠 객체를 포함하는 시스템.
  9. 콘텐츠의 다차원 서핑을 가능하게 하기 위한 방법으로서,
    A) 소비자와 연관된 행동 메타데이터에 따라 제1 콘텐츠 객체를 평가하여 랭킹에 대한 적격성을 판정하는 단계;
    B) 상기 랭킹이 적격이라면, 상기 제1 콘텐츠 객체에 감정적 동기 값을 할당하는 단계; 및
    C) 콘텐츠 객체들에 대한 제1 복수의 참조 중에서 제1 콘텐츠 객체에 대한 참조를, 각 콘텐츠 객체와 연관된 감정적 동기의 오름차순 또는 내림차순으로 정렬하는 단계
    를 포함하는, 방법.
  10. 제9항에 있어서,
    D) 상기 제1 콘텐츠 객체와 적어도 하나의 공통된 파라미터 값을 갖는 제2 복수의 콘텐츠 객체 중에서 상기 제1 콘텐츠 객체에 시간적 랭킹 값을 할당하는 단계를 더 포함하는, 방법.
  11. 제9항 또는 제10항에 있어서,
    E) 상기 제1 콘텐츠 객체와 적어도 하나의 공통된 파라미터 값을 갖는 제2 복수의 콘텐츠 객체 중에서 상기 제1 콘텐츠 객체를 시간적 랭킹 값의 오름차순 또는 내림차순으로 정렬하는 단계를 더 포함하는, 방법.
  12. 비디오 디스플레이와, 비디오 디스플레이 영역의 사용자 선택가능한 부영역(sub-region)을 하나 이상의 방향으로 순차적으로 이동시키기 위한 복수의 커서 네비게이션 제어를 갖는 비디오 디스플레이 시스템에서 사용하기 위한 방법으로서,
    A) 제1 커서 네비게이션 제어 명령을 수신하는 단계; 및
    B) 상기 제1 커서 네비게이션 제어 명령을 리디렉트하여 시간적 순서 또는 감정적 동기의 점진적 오름차순 또는 내림차순에 따라 이전에 정렬된 제1 복수의 콘텐츠 객체들 중에서 제1 콘텐츠 객체의 제시(presentation)를 개시하는 단계
    를 포함하는 방법.
  13. 비디오 디스플레이 시스템으로서,
    비디오 디스플레이;
    상기 비디오 디스플레이의 사용자 선택가능한 부영역을 비디오 디스플레이 영역에 관한 하나 이상의 방향으로 순차적으로 이동시키기 위한 복수의 리디렉션 네비게이션 제어;
    상기 네비게이션 제어들 중 하나와 연관된 명령 신호를 수신하고, 상기 명령 신호를 리디렉트하여 점진적인 감정적 동기의 순서로 정렬된 제1 복수의 콘텐츠 객체 중에서 제1 콘텐츠 객체의 제시를 개시하기 위한 제어 로직 - 제1 방향과 연관된 네비게이션 제어의 선택은, 직전에 제시된 콘텐츠 객체와 적어도 동일하거나 증가된 감정적 동기를 갖는 상기 제1 콘텐츠 객체의 제시를 개시하고,
    상기 제1 방향과는 반대되는 제2 방향과 연관된 네비게이션 제어의 선택은, 이전에 제시된 콘텐츠 객체와 적어도 동일하거나 감소된 감정적 동기를 갖는 상기 제1 콘텐츠 객체의 제시를 개시함 - ; 및
    상기 제1 복수의 콘텐츠 객체의 적어도 일부와 상기 제1 콘텐츠 객체를 저장하기 위한 복수의 메모리 버퍼
    를 포함하는 비디오 디스플레이 시스템.
  14. 제13항에 있어서,
    상기 네비게이션 제어들 중 하나와 연관된 명령 신호를 수신하고, 상기 명령 신호를 리디렉트하여 시간적 순서로 이전에 정렬된 제2 복수의 콘텐츠 객체 중에서 제1 콘텐츠 객체의 제시를 개시하기 위한 제어 로직을 더 포함하는 비디오 디스플레이 시스템.
  15. 비디오 디스플레이 시스템으로서,
    비디오 디스플레이;
    상기 비디오 디스플레이의 사용자 선택가능한 부영역을 비디오 디스플레이 영역에 관한 하나 이상의 방향으로 순차적으로 이동시키기 위한 복수의 리디렉션 네비게이션 제어; 및
    상기 네비게이션 제어들 중 하나와 연관된 명령 신호들을 수신하고, 감정적 동기의 오름차순 또는 내림차순으로 정렬된 제1 복수의 콘텐츠 객체 중에서 제1 콘텐츠 객체를 선택하며, 시간적 순서로 이전에 정렬된 제2 복수의 콘텐츠 객체 중에서 상기 제1 콘텐츠 객체의 제시를 개시하기 위한 제어 로직
    을 포함하는 비디오 디스플레이 시스템.
  16. 비디오 디스플레이 시스템으로서,
    비디오 디스플레이;
    상기 비디오 디스플레이의 사용자 선택가능한 부영역을 비디오 디스플레이 영역에 관한 하나 이상의 방향으로 순차적으로 이동시키기 위한 복수의 리디렉션 네비게이션 제어;
    상기 네비게이션 제어들 중 하나와 연관된 명령 신호를 수신하고, 상기 명령 신호를 리디렉트하여 시간적 순서로 이전에 정렬된 제1 복수의 콘텐츠 객체 중에서 제1 콘텐츠 객체의 제시를 개시하기 위한 제어 로직 - 제1 방향과 연관된 네비게이션 제어의 선택은, 이전에 제시된 콘텐츠 객체보다 이른 시간적 값을 갖는 상기 제1 콘텐츠 객체의 제시를 개시하고,
    상기 제1 방향과는 반대되는 제2 방향과 연관된 네비게이션 제어의 선택은, 이전에 제시된 콘텐츠 객체보다 늦은 시간적 값을 갖는 상기 제1 콘텐츠 객체의 제시를 개시함 - ; 및
    상기 제1 복수의 콘텐츠 객체의 적어도 일부와 상기 제1 콘텐츠 객체를 저장하기 위한 복수의 메모리 버퍼
    를 포함하는 비디오 디스플레이 시스템.
  17. 제13항 내지 제16항 중 어느 한 항에 있어서, 상기 네비게이션 제어들 중 적어도 하나는 상, 하, 좌, 또는 우 네비게이션 제어들로부터 선택되는, 비디오 디스플레이 시스템.
  18. 제13항 내지 제17항 중 어느 한 항에 있어서, 상기 제1 복수의 콘텐츠 객체의 적어도 일부는 상기 제1 콘텐츠 객체와 동시에 디스플레이되는, 비디오 디스플레이 시스템.
  19. 제13항 내지 제18항 중 어느 한 항에 있어서, 상기 제2 복수의 콘텐츠 객체의 적어도 일부는 상기 제1 콘텐츠 객체와 동시에 디스플레이되는, 비디오 디스플레이 시스템.
  20. 제13항 내지 제19항 중 어느 한 항에 있어서, 상기 제1 복수의 콘텐츠 객체또는 상기 제2 복수의 콘텐츠 객체의 일부는 어느 네비게이션 제어들이 이용가능한지를 나타내는 그래픽 표시와 함께 디스플레이되는, 비디오 디스플레이 시스템.
  21. 제13항 내지 제20항 중 어느 한 항에 따른 시스템과 하나 이상의 콘텐츠 객체를 포함하는 시스템.
  22. 복수의 데이터 스트림의 디스플레이 및 네비게이션을 위한 시스템으로서,
    비디오 디스플레이 영역을 정의하는 비디오 디스플레이;
    상기 비디오 디스플레이에 연동되고, 상기 비디오 디스플레이 영역 내의 사용자 선택가능한 부영역을 하나 이상의 방향으로 순차적으로 이동시키기 위한 복수의 리디렉션 네비게이션 제어를 제공하도록 구성된 제어 인터페이스; 및
    상기 네비게이션 제어들 중 하나와 연관된 명령 신호들을 수신하여 미리 정의된 기준에 따라 정렬된 제1 복수의 콘텐츠 객체 중에서 1차 콘텐츠 객체의 제시를 개시하는 그래픽 엔진
    을 포함하는 시스템.
  23. 제22항에 있어서, 상기 제1 복수의 콘텐츠 객체는 상기 콘텐츠 객체를 선택하는데 대한 시청자의 감정적 동기의 오름차순 또는 내림차순 중 미리 결정된 순서로 정렬되는, 시스템.
  24. 제23항에 있어서, 제1 방향과 연관된 네비게이션 제어의 선택은, 직전에 제시된 콘텐츠 객체와 적어도 동일하거나 증가된 감정적 동기를 갖는 상기 1차 콘텐츠 객체의 제시를 개시하는, 시스템.
  25. 제24항에 있어서, 상기 제1 방향과는 반대되는 제2 방향과 연관된 네비게이션 제어의 선택은, 직전에 제시된 콘텐츠 객체와 적어도 동일하거나 감소된 감정적 동기를 갖는 상기 1차 콘텐츠 객체의 제시를 개시하는, 시스템.
  26. 제22항에 있어서, 상기 제1 복수의 콘텐츠 객체는 시간적 순서로 이전에 정렬된, 시스템.
  27. 제26항에 있어서, 제1 방향과 연관된 네비게이션 제어의 선택은, 직전에 제시된 콘텐츠 객체보다 미리 정의된 기준에서 이른 시간적 값을 갖는 상기 1차 콘텐츠 객체의 제시를 개시하는, 시스템.
  28. 제27항에 있어서, 상기 제1 방향과는 반대되는 제2 방향과 연관된 네비게이션 제어의 선택은, 이전에 제시된 콘텐츠 객체보다 늦은 연관된 시간적 값을 갖는 콘텐츠 객체의 제시를 개시하는, 시스템.
  29. 제22항 내지 제28항 중 어느 한 항에 있어서, 상기 그래픽 엔진은 상기 1차 콘텐츠 객체의 데이터 스트림의 디스플레이와 동시에 상기 제1 복수의 콘텐츠 객체 데이터 스트림의 적어도 일부를 디스플레이하도록 구성되는, 시스템.
  30. 제29항에 있어서, 상기 제1 복수의 콘텐츠 객체 데이터 스트림의 일부는 어느 리디렉션 네비게이션 제어들이 선택가능한지를 나타내는 그래픽 표시와 함께 디스플레이되는, 시스템.
  31. 제29항 또는 제30항에 있어서, 상기 제1 복수의 콘텐츠 객체 데이터 스트림의 일부는 선택과 연관된 비용을 나타내는 그래픽 표시와 함께 디스플레이되는, 시스템.
  32. 제29항 내지 제31항 중 어느 한 항에 있어서, 상기 1차 콘텐츠 객체 데이터 스트림은 선택과 연관된 인증 상태를 나타내는 그래픽 표시와 함께 디스플레이되는, 시스템.
  33. 제29항 내지 제32항 중 어느 한 항에 있어서, 상기 1차 콘텐츠 객체 데이터 스트림은 연관된 설명적 정보와 함께 디스플레이되는, 시스템.
  34. 제22항에 있어서, 상기 제1 복수의 콘텐츠 객체는 선택과 연관된 비용의 미리 결정된 순서로 정렬되는, 시스템.
  35. 제34항에 있어서, 제1 방향과 연관된 네비게이션 제어의 선택은, 선택과 연관된 비용 없이 상기 1차 콘텐츠 객체의 제시를 개시하는, 시스템.
  36. 제35항에 있어서, 상기 제1 방향과는 반대되는 제2 방향과 연관된 네비게이션 제어의 선택은, 선택과 연관된 비용으로 상기 1차 콘텐츠 객체의 제시를 개시하는, 시스템.
  37. 제22항 내지 제36항 중 어느 한 항에 있어서, 상기 제어 인터페이스는, 상기 1차 콘텐츠 객체 또는 연관된 메타데이터에 관해 부정적 또는 긍정적 감정의 형태로 명시적 피드백을 제공하기 위한 복수의 제어를 제공하도록 구성된, 시스템.
  38. 제22항 내지 제37항 중 어느 한 항에 있어서, 상기 제어 인터페이스는, 상기 1차 콘텐츠 객체로의 링크를, 적용가능한 소셜 네트워크와 사회적으로 공유하거나, 상기 1차 콘텐츠 객체의 저작자(들) 또는 그 추천자에게 사례(gratuity)를 제공하는데 이용될 수 있는 복수의 색 코딩된 제어를 더 포함하는, 시스템.
  39. 제22항 내지 제38항 중 어느 한 항에 있어서, 상기 제어 인터페이스는 네비게이션 및 선택 명령들로서 사용하기 위한 수평, 수직, 및 기타의 제스쳐 패턴을 검출하기 위한 가속도계를 더 포함하는, 시스템.
  40. 제22항 내지 제39항 중 어느 한 항에 있어서, 상기 그래픽 엔진은, 콘텐츠를 추천한 제3자의 이미지를 상기 비디오 디스플레이 영역 상에 디스플레이하도록 더 구성되며, 상기 이미지는 상기 1차 콘텐츠 객체의 추천자에 대해 큐잉된 관계로 제시는, 시스템.
  41. 제22항 내지 제40항 중 어느 한 항에 있어서, 상기 시스템은 하나 이상의 가상 채널을 더 포함하며, 콘텐츠 객체들은 추천 시스템 외부의 단일 또는 복수의 소스로부터 유래한 것이고, 추천된 콘텐츠, 지시된 콘텐츠, 제3자 콘텐츠, 개인 라이브러리 콘텐츠, 사용자 생성 콘텐츠 및 사진, 메일, 포스팅된 콘텐츠, 및 전술된 채널 및 정규 채널 중 임의의 채널의 오프라인 뷰잉의 카테고리들 중 임의의 카테고리로 정렬될 수 있는, 시스템.
  42. 제22항 내지 제41항 중 어느 한 항에 있어서, 상기 제어 인터페이스는, 복수의 레벨 상에서 논리적으로 네스팅(nesting)된 차원들로 정렬된 콘텐츠 객체들 사이에서 네비게이팅하도록 더 구성되는, 시스템.
  43. 제42항에 있어서, 상기 제어 인터페이스는, 시간적으로 정렬된 콘텐츠 객체로부터의 콘텐츠 객체들의 시간적 순서 또는 수직 공포/욕구 차원 중 어느 하나 중에서 네비게이팅하도록 더 구성되는, 시스템.
  44. 제22항 내지 제43항 중 어느 한 항에 있어서, 제어 인터페이스는, 상기 1차 콘텐츠 객체로서 상기 시스템과 연관된 다양한 기능 및 절차에 관한 교육 자료를 직접 액세스하고 제시하기 위한 디스플레이 아이콘의 채널 지정자(channel designator), 명령 중 임의의 하나를 제공하도록 더 구성되는, 시스템.
  45. 제22항 내지 제43항 중 어느 한 항에 따른 시스템과 제22항 내지 제43항 중 어느 한 항에 따른 시스템에 의해 제시되고 및/또는 선택된 콘텐츠 객체를 포함하는 시스템.
  46. 콘텐츠의 분산된 지연 스트리밍을 위한 방법으로서,
    A) 제1 프로그램을 나타내는 콘텐츠를 저장하기 위한 네트워크 액세스가능한 메모리를 제공하는 단계;
    B) 다른 소스로부터의 상기 제1 프로그램에 액세스하는 복수의 시청자로부터 상기 제1 프로그램의 일부를 상기 네트워크 액세스가능한 메모리 내에 수신하는 단계;
    C) 상기 복수의 시청자로부터 수신된 부분들을 상기 제1 프로그램에 어셈블링하는 단계; 및
    D) 상기 복수의 시청자 중 한 명으로부터 요청을 수신한 경우, 상기 제1 프로그램을 요청하는 시청자에게 전송하는 단계
    를 포함하고,
    상기 제1 프로그램의 일부는 상기 복수의 시청자로부터 비동기적으로 수신되며,
    상기 제1 프로그램은 제1 기간 동안에는 상기 다른 소스로부터 상기 복수의 시청자에게 액세스될 수 있고, 상기 제1 프로그램은 상기 제1 기간과는 동일하지 않은 제2 기간 동안에는 요청하는 시청자에게 전송되는, 방법.
  47. 콘텐츠의 분산된 지연 스트리밍을 위한 시스템으로서,
    A) 제1 프로그램을 나타내는 콘텐츠를 저장하기 위한 네트워크 액세스가능한 메모리;
    B) 다른 소스로부터의 상기 제1 프로그램에 액세스하는 복수의 시청자로부터 상기 제1 프로그램의 적어도 일부를 상기 네트워크 액세스가능한 메모리 내에 수신하기 위한 네트워크 인터페이스;
    C) 상기 복수의 시청자로부터 수신된 부분들을 상기 제1 프로그램에 어셈블링하기 위한 집계 엔진(aggregation engine); 및
    D) 요청시에 상기 제1 프로그램을 상기 복수의 시청자 중 한 명에게 전송하기 위한 스트리밍 인터페이스
    를 포함하는 시스템.
  48. 제47항에 따른 시스템과 하나 이상의 프로그램을 포함하는 시스템.
  49. 콘텐츠의 분산된 업로딩을 위한 방법으로서,
    A) 시청자 시스템으로의 다운로딩을 위해 복수의 콘텐츠 프로그램 중 어느 것이 제1 소스로부터 액세스가능한지를 판정하는 단계;
    B) 상기 제1 소스로부터 액세스가능한 프로그램의 적어도 일부에 대한 상기 시청자 시스템으로의 다운로드 전송을 제1 시간에 요청하는 단계;
    C) 상기 시청자 시스템에 의해 수신된 상기 액세스가능한 프로그램의 적어도 일부를 상기 시청자 시스템을 식별하는 인증 표시와 함께 원격 제2 소스에 업로드 전송하는 단계; 및
    D) 상기 제2 소스로부터 상기 시청자 시스템으로의 상기 액세스가능한 프로그램의 다운로드 전송을 상기 제1 시간과는 상이한 제2 시간에 요청하는 단계
    를 포함하는 방법.
  50. 콘텐츠의 분산된 업로딩을 위한 시스템으로서,
    A) 네트워크를 통해 콘텐츠 프로그램의 제1 소스에 연동된 시청자 시스템;
    B) 복수의 콘텐츠 프로그램 중 어느 것이 상기 제1 소스로부터 액세스가능한지를 판정하고, 상기 제1 소스로부터 상기 시청자 시스템으로의 액세스가능한 프로그램의 적어도 일부의 다운로드 전송을 제1 시간에 요청하기 위한 프로그램 로직;
    C) 상기 시청자 시스템에 의해 수신된 상기 액세스가능한 프로그램의 적어도 일부를 상기 시청자 시스템을 식별하는 인증 표시와 함께 원격 제2 소스에 업로드 전송하기 위한 프로그램 로직; 및
    D) 상기 제2 소스로부터 상기 시청자 시스템으로의 상기 액세스가능한 프로그램의 다운로드 전송을 상기 제1 시간과는 상이한 제2 시간에 요청하기 위한 프로그램 로직
    을 포함하는 시스템.
  51. 제50항에 있어서,
    E) 상기 제2 소스로부터 상기 액세스가능한 프로그램의 일부의 스트림형 다운로드를 수신하기 위한 프로그램 로직을 더 포함하고, 상기 원격 제2 소스로부터 수신된 상기 액세스가능한 프로그램의 스트림형 다운로드 부분은 상기 시청자 시스템으로부터 상기 원격 제2 소스에 전송된 상기 액세스가능한 프로그램의 업로드된 부분보다 더 큰, 시스템.
  52. 제50항 또는 제51항에 따른 시스템과 하나 이상의 콘텐츠 프로그램을 포함하는 시스템.
  53. 콘텐츠의 분산된 지연 스트리밍을 위한 방법으로서,
    A) 소스로부터 수신된 제1 프로그램을 나타내는 콘텐츠를 저장하기 위한 네트워크 액세스가능한 메모리를 제공하는 단계;
    B) 상기 소스로부터의 상기 제1 프로그램에 액세스하는 복수의 시청자를 식별하는 인증 표시를 상기 네트워크 액세스가능한 메모리 내에 수신하는 단계;
    C) 상기 복수의 시청자 중 한 명으로부터 요청을 수신한 경우, 요청하는 시청자가 상기 제1 프로그램으로의 액세스를 인증받았는지를 판정하기 위해 상기 인증 표시를 확인하는 단계; 및
    D) 인증의 확인시에 상기 제1 프로그램을 상기 요청하는 시청자에게 전송하는 단계
    를 포함하고,
    상기 제1 프로그램은 제1 기간 동안에는 상기 소스로부터 상기 복수의 시청자에게 액세스될 수 있고, 제1 프로그램은 상기 제1 기간과는 동일하지 않은 제2 기간 동안에는 상기 요청하는 시청자에게 전송되는, 방법.
  54. 콘텐츠의 분산된 지연 스트리밍을 위한 시스템으로서,
    A) 소스로부터 수신된 제1 프로그램을 나타내는 콘텐츠를 저장하기 위한 네트워크 액세스가능한 메모리;
    B) 상기 소스로부터의 상기 제1 프로그램에 액세스하는 복수의 시청자를 식별하는 인증 표시를 상기 네트워크 액세스가능한 메모리 내에 수신하기 위한 네트워크 인터페이스;
    C) 상기 복수의 시청자 중 한 명으로부터 요청을 수신한 경우, 요청하는 시청자가 상기 제1 프로그램에 대한 액세스를 인증받았는지를 판정하기 위한 확인 엔진; 및
    D) 인증의 확인시에 상기 제1 프로그램을 상기 요청하는 시청자에게 전송하기 위한 스트리밍 인터페이스
    를 포함하는, 시스템.
  55. 제54항에 따른 시스템과 하나 이상의 프로그램을 포함하는 시스템.
  56. 프로그램 콘텐츠의 선택 및 뷰잉을 위한 시스템으로서,
    A) 선택가능하고 시청가능한 콘텐츠 객체의 모음집에 연동되어 실질적으로 시각적, 비-텍스트적 정보를 제시하기 위한 제1 사용자 인터페이스;
    B) 상기 콘텐츠 객체와 연관된 데이터에 연동되어 실질적으로 텍스트적인 정보를 제시하기 위한 제2 사용자 인터페이스;
    C) 상기 선택가능하고 시청가능한 콘텐츠 객체의 모음집과 상기 콘텐츠 객체와 연관된 메타데이터에 연동되어 시각적 콘텐츠와 텍스트적 정보 중 하나를 제시하기 위한 제3 사용자 인터페이스; 및
    D) 상기 콘텐츠 객체와 연관된 메타데이터의 적어도 일부를 저장하기 위한 네트워크 액세스가능한 메모리
    를 포함하는, 시스템.
  57. 제56항에 따른 시스템과 하나 이상의 콘텐츠 객체를 포함하는 시스템.
  58. 프로그램 콘텐츠의 선택 및 뷰잉을 위한 방법으로서,
    A) 선택가능하고 시청가능한 콘텐츠 객체의 모음집에 연동되어 실질적으로 시각적, 비-텍스트적 정보를 제시하기 위한 제1 사용자 인터페이스를 제공하는 단계;
    B) 상기 콘텐츠 객체와 연관된 메타데이터에 연동되어 실질적으로 텍스트적인 정보를 제시하기 위한 제2 사용자 인터페이스를 제공하는 단계;
    C) 상기 선택가능하고 시청가능한 콘텐츠 객체들의 모음집 및 상기 콘텐츠 객체들과 연관된 메타데이터에 연동되어 시각적 콘텐츠와 텍스트적 정보 중 하나를 제시하기 위한 제3 사용자 인터페이스를 제공하는 단계; 및
    D) 상기 콘텐츠 객체와 연관된 메타데이터의 적어도 일부를 네트워크 액세스가능한 메모리에 저장하는 단계
    를 포함하는, 방법.
  59. 매수자/구매자 심리의 모델링을 위한 방법으로서,
    A) 뷰잉 이벤트와 연관된 데이터를 수신하는 단계;
    B) 채널 모델과 연관된 메타데이터를 상기 뷰잉 이벤트와 연관된 데이터와 비교하는 단계; 및
    C) 상기 뷰잉 이벤트를 차지하는 상기 채널 모델을 수정하는 단계
    를 포함하는 방법.
  60. 제12항에 있어서,
    D) 상기 채널 모델로부터 적어도 하나의 데이터베이스 질의를 도출하는 단계를 더 포함하는 방법.
  61. 제12항에 있어서, B) 단계는,
    B1) 채널 모델과 연관된 메타데이터를 시청자 모델과 연관된 데이터와 비교하는 단계를 포함하는 방법.
KR1020137013036A 2010-10-21 2011-10-21 인간 경험과 구매 행동의 신경심리학적 모델링을 위한 방법 및 장치 KR20140033312A (ko)

Applications Claiming Priority (13)

Application Number Priority Date Filing Date Title
US40546010P 2010-10-21 2010-10-21
US40546610P 2010-10-21 2010-10-21
US61/405,460 2010-10-21
US61/405,466 2010-10-21
US41220610P 2010-11-10 2010-11-10
US61/412,206 2010-11-10
US201161479648P 2011-04-27 2011-04-27
US61/479,648 2011-04-27
US201161540259P 2011-09-28 2011-09-28
US61/540,259 2011-09-28
US201161540812P 2011-09-29 2011-09-29
US61/540,812 2011-09-29
PCT/EP2011/068485 WO2012052559A1 (en) 2010-10-21 2011-10-21 Method and apparatus for neuropsychological modeling of human experience and purchasing behavior

Publications (1)

Publication Number Publication Date
KR20140033312A true KR20140033312A (ko) 2014-03-18

Family

ID=45973809

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137013036A KR20140033312A (ko) 2010-10-21 2011-10-21 인간 경험과 구매 행동의 신경심리학적 모델링을 위한 방법 및 장치

Country Status (8)

Country Link
US (7) US8495683B2 (ko)
EP (1) EP2630622A1 (ko)
JP (1) JP2013540327A (ko)
KR (1) KR20140033312A (ko)
CN (1) CN103299330A (ko)
CA (1) CA2815273A1 (ko)
SG (3) SG2014013619A (ko)
WO (1) WO2012052559A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10937070B2 (en) * 2018-01-17 2021-03-02 Dell Products L.P. Collaborative filtering to generate recommendations
WO2021045492A1 (ko) * 2019-09-04 2021-03-11 황왕호 무의식적 기제 및 의식적 행동 유형 프로파일 방법 및 장치
KR20210091022A (ko) * 2020-01-13 2021-07-21 한국과학기술원 스마트 단말을 활용한 인공지능 에이전트와의 상호작용 선호도 유형 판별 방법 및 장치
KR102323153B1 (ko) * 2021-03-03 2021-11-10 주식회사 아이엠그루 고객의 무의식 영역에 기반하여 의사결정 지원자료를 제공하는 의사결정 지원서버 및 그 의사결정 지원방법

Families Citing this family (131)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5850518A (en) * 1994-12-12 1998-12-15 Northrup; Charles J. Access-method-independent exchange
US9190110B2 (en) 2009-05-12 2015-11-17 JBF Interlude 2009 LTD System and method for assembling a recorded composition
US11232458B2 (en) * 2010-02-17 2022-01-25 JBF Interlude 2009 LTD System and method for data mining within interactive multimedia
US8888497B2 (en) * 2010-03-12 2014-11-18 Yahoo! Inc. Emotional web
US8686270B2 (en) * 2010-04-16 2014-04-01 Sony Corporation Apparatus and method for classifying, displaying and selecting music files
US8751435B2 (en) * 2010-12-23 2014-06-10 Intel Corporation System and method for determining client-based user behavioral analytics
US20120317602A1 (en) * 2011-06-13 2012-12-13 Microsoft Corporation Channel Navigation Techniques
US20130042013A1 (en) * 2011-08-10 2013-02-14 Nokia Corporation Methods, apparatuses and computer program products for enabling live sharing of data
US8732101B1 (en) 2013-03-15 2014-05-20 Nara Logics, Inc. Apparatus and method for providing harmonized recommendations based on an integrated user profile
US11151617B2 (en) 2012-03-09 2021-10-19 Nara Logics, Inc. Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships
US8170971B1 (en) 2011-09-28 2012-05-01 Ava, Inc. Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships
US10789526B2 (en) 2012-03-09 2020-09-29 Nara Logics, Inc. Method, system, and non-transitory computer-readable medium for constructing and applying synaptic networks
US10467677B2 (en) 2011-09-28 2019-11-05 Nara Logics, Inc. Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships
US9576046B2 (en) 2011-11-16 2017-02-21 Ptc Inc. Methods for integrating semantic search, query, and analysis across heterogeneous data types and devices thereof
US8909641B2 (en) 2011-11-16 2014-12-09 Ptc Inc. Method for analyzing time series activity streams and devices thereof
US9098312B2 (en) 2011-11-16 2015-08-04 Ptc Inc. Methods for dynamically generating an application interface for a modeled entity and devices thereof
US8719261B2 (en) * 2011-12-02 2014-05-06 Verizon Patent And Licensing Inc. Dynamic catalog ranking
US9078041B2 (en) 2012-04-25 2015-07-07 Right Brain Interface Nv Method and system for collaborative broadcast and timeshifted viewing
TWI594186B (zh) * 2012-05-16 2017-08-01 緯創資通股份有限公司 虛擬頻道之管理方法、擷取數位內容之方法及具有虛擬頻道之網路多媒體重現系統
US9367587B2 (en) * 2012-09-07 2016-06-14 Pandora Media System and method for combining inputs to generate and modify playlists
US9020845B2 (en) 2012-09-25 2015-04-28 Alexander Hieronymous Marlowe System and method for enhanced shopping, preference, profile and survey data input and gathering
WO2014049171A1 (en) 2012-09-28 2014-04-03 Right Brain Interface N.V. Method and system having collaborative network media appliances utilizing prioritized local storage of recommended content
SG2014013403A (en) * 2012-10-24 2014-10-30 Right Brain Interface N V Video Presentation Interface With Enhanced Navigation Features
KR20150086289A (ko) 2012-11-14 2015-07-27 카네기 멜론 유니버시티 온라인 비디오에 대한 자동화된 섬네일 선택
WO2014088637A1 (en) * 2012-12-07 2014-06-12 Cascade Strategies, Inc. Biosensitive response evaluation for design and research
US8935303B2 (en) * 2012-12-28 2015-01-13 Telefonica, S.A. Method and system of optimizing a ranked list of recommended items
US9335818B2 (en) 2013-03-15 2016-05-10 Pandora Media System and method of personalizing playlists using memory-based collaborative filtering
US8549001B1 (en) 2013-03-15 2013-10-01 DLZTX, Inc. Method and system for gathering and providing consumer intelligence
WO2014145084A1 (en) 2013-03-15 2014-09-18 Ptc Inc. Methods for managing applications using semantic modeling and tagging and devices thereof
US9383819B2 (en) * 2013-06-03 2016-07-05 Daqri, Llc Manipulation of virtual object in augmented reality via intent
US9354702B2 (en) 2013-06-03 2016-05-31 Daqri, Llc Manipulation of virtual object in augmented reality via thought
US20140365208A1 (en) * 2013-06-05 2014-12-11 Microsoft Corporation Classification of affective states in social media
US9405822B2 (en) * 2013-06-06 2016-08-02 Sheer Data, LLC Queries of a topic-based-source-specific search system
US9552544B1 (en) * 2013-10-02 2017-01-24 Hrl Laboratories, Llc Method and apparatus for an action selection system based on a combination of neuromodulatory and prefrontal cortex area models
US9367131B2 (en) 2013-07-24 2016-06-14 Rovi Guides, Inc. Methods and systems for generating icons associated with providing brain state feedback
US9232285B2 (en) * 2013-08-15 2016-01-05 Opentv, Inc. Time shifting of advertisements in digital content delivery services
US20150073932A1 (en) * 2013-09-11 2015-03-12 Microsoft Corporation Strength Based Modeling For Recommendation System
US10255548B1 (en) 2013-10-02 2019-04-09 Hrl Laboratories, Llc Method and apparatus for modeling probability matching human subjects in n-arm bandit tasks
US10133983B1 (en) 2013-10-02 2018-11-20 Hrl Laboratories, Llc Method and apparatus for modeling probability matching and loss sensitivity among human subjects in a resource allocation task
JP6289158B2 (ja) * 2014-02-21 2018-03-07 サッポロホールディングス株式会社 香りの覚醒感評価方法
CN103903163B (zh) * 2014-02-27 2017-05-10 中国科学院自动化研究所 一种基于耦合主题模型的协同滤波方法
US9711058B2 (en) 2014-03-06 2017-07-18 International Business Machines Corporation Providing targeted feedback
US9961058B2 (en) 2014-03-21 2018-05-01 Ptc Inc. System and method of message routing via connection servers in a distributed computing environment
US9560170B2 (en) 2014-03-21 2017-01-31 Ptc Inc. System and method of abstracting communication protocol using self-describing messages
US9762637B2 (en) 2014-03-21 2017-09-12 Ptc Inc. System and method of using binary dynamic rest messages
US9462085B2 (en) 2014-03-21 2016-10-04 Ptc Inc. Chunk-based communication of binary dynamic rest messages
US9350812B2 (en) 2014-03-21 2016-05-24 Ptc Inc. System and method of message routing using name-based identifier in a distributed computing environment
WO2015143416A1 (en) 2014-03-21 2015-09-24 Ptc Inc. Systems and methods for developing and using real-time data applications
US9467533B2 (en) 2014-03-21 2016-10-11 Ptc Inc. System and method for developing real-time web-service objects
US10025942B2 (en) 2014-03-21 2018-07-17 Ptc Inc. System and method of establishing permission for multi-tenancy storage using organization matrices
US10313410B2 (en) 2014-03-21 2019-06-04 Ptc Inc. Systems and methods using binary dynamic rest messages
US9350791B2 (en) 2014-03-21 2016-05-24 Ptc Inc. System and method of injecting states into message routing in a distributed computing environment
US10368802B2 (en) 2014-03-31 2019-08-06 Rovi Guides, Inc. Methods and systems for selecting media guidance applications based on a position of a brain monitoring user device
US9653115B2 (en) 2014-04-10 2017-05-16 JBF Interlude 2009 LTD Systems and methods for creating linear video from branched video
US9854025B2 (en) * 2014-05-16 2017-12-26 Google Inc. Soliciting and creating collaborative content items
US9531708B2 (en) 2014-05-30 2016-12-27 Rovi Guides, Inc. Systems and methods for using wearable technology for biometric-based recommendations
US9686575B2 (en) * 2014-07-02 2017-06-20 Disney Enterprises, Inc. Systems and methods for digital library channel creation
FR3023665B1 (fr) 2014-07-08 2016-08-19 Sagemcom Documents Sas Procede et dispositif d'enregistrement a distance de programmes video.
US20160057187A1 (en) * 2014-08-19 2016-02-25 James A. Hess Multimedia queuing and collaboration method
US9792957B2 (en) 2014-10-08 2017-10-17 JBF Interlude 2009 LTD Systems and methods for dynamic video bookmarking
US11412276B2 (en) 2014-10-10 2022-08-09 JBF Interlude 2009 LTD Systems and methods for parallel track transitions
US10114828B2 (en) 2014-11-11 2018-10-30 International Business Machines Corporation Local content sharing through edge caching and time-shifted uploads
US10037422B2 (en) * 2015-01-21 2018-07-31 Open Text Sa Ulc Systems and methods for integrating with a native component using a network interface
US11342061B2 (en) * 2015-02-09 2022-05-24 Satoru Isaka Emotional wellness management support system and methods thereof
US10109211B2 (en) * 2015-02-09 2018-10-23 Satoru Isaka Emotional wellness management system and methods
US10757216B1 (en) * 2015-02-20 2020-08-25 Amazon Technologies, Inc. Group profiles for group item recommendations
US11363460B1 (en) 2015-03-03 2022-06-14 Amazon Technologies, Inc. Device-based identification for automated user detection
US10902526B2 (en) * 2015-03-30 2021-01-26 Twiin, LLC Systems and methods of generating consciousness affects
EP3281167A4 (en) * 2015-04-08 2018-10-31 Adi Analytics Ltd. Qualitatively planning, measuring, making effecient and capitalizing on marketing strategy
CN104905803B (zh) * 2015-07-01 2018-03-27 京东方科技集团股份有限公司 可穿戴电子设备及其情绪监控方法
US10460765B2 (en) 2015-08-26 2019-10-29 JBF Interlude 2009 LTD Systems and methods for adaptive and responsive video
US10223645B2 (en) 2015-10-06 2019-03-05 International Business Machines Corporation Trading goods based on image processing for interest, emotion and affinity detection
CN105389735B (zh) * 2015-11-18 2021-05-18 重庆理工大学 一种基于spfa算法的多动机情感生成方法
JP6562355B2 (ja) * 2015-12-02 2019-08-21 パナソニックＩｐマネジメント株式会社 探索支援方法、探索支援装置、及び、プログラム
US11164548B2 (en) 2015-12-22 2021-11-02 JBF Interlude 2009 LTD Intelligent buffering of large-scale video
US10901945B2 (en) 2016-01-05 2021-01-26 The grät Network, PBC Systems and methods concerning tracking models for digital interactions
US11856271B2 (en) 2016-04-12 2023-12-26 JBF Interlude 2009 LTD Symbiotic interactive video
US10430817B2 (en) 2016-04-15 2019-10-01 Walmart Apollo, Llc Partiality vector refinement systems and methods through sample probing
MX2018012578A (es) 2016-04-15 2019-03-01 Walmart Apollo Llc Sistemas y metodos para proporcionar recomendaciones de productos basadas en contenido.
US10592959B2 (en) 2016-04-15 2020-03-17 Walmart Apollo, Llc Systems and methods for facilitating shopping in a physical retail facility
US10182387B2 (en) 2016-06-01 2019-01-15 At&T Intellectual Property I, L.P. Method and apparatus for distributing content via diverse networks
CA3027866A1 (en) 2016-06-15 2017-12-21 Walmart Apollo, Llc Vector-based characterizations of products and individuals with respect to customer service agent assistance
US20170364929A1 (en) * 2016-06-17 2017-12-21 Sanjiv Ferreira Method and system for identifying, aggregating & transforming emotional states of a user using a temporal phase topology framework
US10373464B2 (en) 2016-07-07 2019-08-06 Walmart Apollo, Llc Apparatus and method for updating partiality vectors based on monitoring of person and his or her home
EP3270263A1 (en) * 2016-07-15 2018-01-17 Panasonic Intellectual Property Management Co., Ltd. Information processing apparatus for presenting content, method for controlling the same, and control program
US10733902B2 (en) 2016-10-27 2020-08-04 Ian Littleton O'Kidhain Affective empathy system
CN108124167A (zh) * 2016-11-30 2018-06-05 阿里巴巴集团控股有限公司 一种播放处理方法、装置和设备
CN106685933B (zh) * 2016-12-08 2020-06-19 腾讯科技（深圳）有限公司 一种授权策略推荐及装置
GB2557627A (en) * 2016-12-13 2018-06-27 British Broadcasting Corp Multimedia system & method
WO2018118190A1 (en) * 2016-12-20 2018-06-28 Walmart Apollo, Llc Vector-based optimization of media presentations
US11050809B2 (en) 2016-12-30 2021-06-29 JBF Interlude 2009 LTD Systems and methods for dynamic weighting of branched video paths
US10257572B2 (en) * 2017-01-03 2019-04-09 Bliss Point Media, Inc. Optimization of broadcast event effectiveness
US11368752B2 (en) * 2017-01-03 2022-06-21 Bliss Point Media, Inc. Optimization of broadcast event effectiveness
US20180240157A1 (en) * 2017-02-17 2018-08-23 Wipro Limited System and a method for generating personalized multimedia content for plurality of users
US20180260796A1 (en) * 2017-03-09 2018-09-13 Jarom McDonald Tipping for Media Content
US10810493B1 (en) * 2017-03-22 2020-10-20 Google Llc Training and/or utilizing recurrent neural network model to determine subsequent source(s) for electronic resource interaction
WO2018191451A1 (en) 2017-04-13 2018-10-18 Walmart Apollo, Llc Systems and methods for receiving retail products at a delivery destination
US10740823B1 (en) * 2017-04-28 2020-08-11 Wells Fargo Bank, N.A. Financial alert system based on image of user spending behavior
US10939833B2 (en) * 2017-05-01 2021-03-09 Samsung Electronics Company, Ltd. Determining artery location using camera-based sensing
CN107172386B (zh) * 2017-05-09 2018-06-29 西安科技大学 一种基于计算机视觉的非接触式数据传输方法
CN107330461B (zh) * 2017-06-27 2020-11-03 安徽师范大学 基于情感与信任的协同过滤推荐方法
US11721090B2 (en) * 2017-07-21 2023-08-08 Samsung Electronics Co., Ltd. Adversarial method and system for generating user preferred contents
GB2566257A (en) 2017-08-29 2019-03-13 Sky Cp Ltd System and method for content discovery
CN107679915A (zh) * 2017-09-30 2018-02-09 平安科技（深圳）有限公司 营销活动的管理方法、装置、设备及计算机存储介质
JP6965713B2 (ja) * 2017-12-12 2021-11-10 富士フイルムビジネスイノベーション株式会社 情報処理装置及びプログラム
US10257578B1 (en) 2018-01-05 2019-04-09 JBF Interlude 2009 LTD Dynamic library display for interactive videos
US10419790B2 (en) * 2018-01-19 2019-09-17 Infinite Designs, LLC System and method for video curation
US11601721B2 (en) * 2018-06-04 2023-03-07 JBF Interlude 2009 LTD Interactive video dynamic adaptation and user profiling
EP3844700A4 (en) 2018-08-27 2021-08-25 Box, Inc. ACTIVITY-BASED APPLICATION RECOMMENDATIONS
CN109145302A (zh) * 2018-08-30 2019-01-04 南京都宁大数据科技有限公司 基于语义文本的大宗农产品投资者恐慌情绪测度方法
US10516863B1 (en) * 2018-09-27 2019-12-24 Bradley Baker Miniature portable projector device
US11132623B2 (en) 2018-10-15 2021-09-28 International Business Machines Corporation User adapted data presentation for data labeling
EP3870038A4 (en) * 2018-10-25 2022-11-02 Arctop Ltd EMPATHIC COMPUTER SYSTEM AND PROCESSES FOR ENHANCED HUMAN INTERACTIONS WITH DIGITAL CONTENT EXPERIENCES
US11170017B2 (en) 2019-02-22 2021-11-09 Robert Michael DESSAU Method of facilitating queries of a topic-based-source-specific search system using entity mention filters and search tools
JP6611972B1 (ja) 2019-03-05 2019-11-27 正通 亀井 アドバイス提示システム
CN110113645B (zh) * 2019-05-09 2021-12-21 腾讯科技（深圳）有限公司 多媒体设备的播放控制方法、装置、电子设备及存储介质
US11636117B2 (en) * 2019-06-26 2023-04-25 Dallas Limetree, LLC Content selection using psychological factor vectors
US11490047B2 (en) 2019-10-02 2022-11-01 JBF Interlude 2009 LTD Systems and methods for dynamically adjusting video aspect ratios
CN110705996B (zh) * 2019-10-17 2022-10-11 支付宝(杭州)信息技术有限公司 基于特征掩码的用户行为识别方法、系统、及装置
US11245961B2 (en) 2020-02-18 2022-02-08 JBF Interlude 2009 LTD System and methods for detecting anomalous activities for interactive videos
CN111464826B (zh) * 2020-04-14 2022-09-09 北京达佳互联信息技术有限公司 虚拟资源的榜单更新方法、装置、电子设备及存储介质
CN112417486B (zh) * 2020-12-03 2021-08-06 湖南第一师范学院 一种三方联动加密的税控方法及系统
DE202022002969U1 (de) * 2021-05-26 2024-03-05 Peer Inc Dynamische Inhaltslieferung basierend auf der Benutzerbewegung unter Verwendung einer mehrdimensionalen Strukturschnittstelle
US11595787B2 (en) 2021-05-26 2023-02-28 Peer Inc Content notification using a multi-dimensional fabric interface
US11882337B2 (en) 2021-05-28 2024-01-23 JBF Interlude 2009 LTD Automated platform for generating interactive videos
US20230015789A1 (en) * 2021-07-08 2023-01-19 Vmware, Inc. Aggregation of user authorizations from different providers in a hybrid cloud environment
US11689755B2 (en) * 2021-07-21 2023-06-27 Verizon Patent And Licensing Inc. Systems and methods for generating scalable personalized recommendations based on dynamic and customized content selections and modeling of the content selections
US20230095350A1 (en) * 2021-09-17 2023-03-30 Smart Science Technology, LLC Focus group apparatus and system
US11934477B2 (en) 2021-09-24 2024-03-19 JBF Interlude 2009 LTD Video player integration within websites
US20230214837A1 (en) * 2022-01-04 2023-07-06 Fidelity Information Services, Llc. Methods, systems, and devices for machine learning-based contextual engagement decision engine
US11949967B1 (en) * 2022-09-28 2024-04-02 International Business Machines Corporation Automatic connotation for audio and visual content using IOT sensors

Family Cites Families (146)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0595808B1 (en) 1991-07-19 1999-06-23 Princeton Video Image, Inc. Television displays having selected inserted indicia
US5961332A (en) * 1992-09-08 1999-10-05 Joao; Raymond Anthony Apparatus for processing psychological data and method of use thereof
US6239794B1 (en) * 1994-08-31 2001-05-29 E Guide, Inc. Method and system for simultaneously displaying a television program and information about the program
US5589892A (en) 1993-09-09 1996-12-31 Knee; Robert A. Electronic television program guide schedule system and method with data feed access
KR100348915B1 (ko) 1994-05-12 2002-12-26 마이크로소프트 코포레이션 텔레비젼프로그램선택방법및그시스템
US5623613A (en) * 1994-11-29 1997-04-22 Microsoft Corporation System for displaying programming information
US5758257A (en) * 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
JP3855282B2 (ja) * 1995-02-06 2006-12-06 ソニー株式会社 受信装置および受信方法
US5585838A (en) 1995-05-05 1996-12-17 Microsoft Corporation Program time guide
US5758258A (en) 1995-08-21 1998-05-26 Microsoft Corporation Selective delivery of programming for interactive televideo system
US6732369B1 (en) 1995-10-02 2004-05-04 Starsight Telecast, Inc. Systems and methods for contextually linking television program information
US6177931B1 (en) * 1996-12-19 2001-01-23 Index Systems, Inc. Systems and methods for displaying and recording control interface with television programs, video, advertising information and program scheduling information
JP3413065B2 (ja) * 1997-07-03 2003-06-03 松下電器産業株式会社 番組情報処理装置
US6310886B1 (en) 1997-08-28 2001-10-30 Tivo, Inc. Method and apparatus implementing a multimedia digital network
US6374336B1 (en) 1997-12-24 2002-04-16 Avid Technology, Inc. Computer system and process for transferring multiple high bandwidth streams of data between multiple storage units and multiple applications in a scalable and reliable manner
US7185355B1 (en) * 1998-03-04 2007-02-27 United Video Properties, Inc. Program guide system with preference profiles
EP1060617B1 (en) 1998-03-04 2004-05-06 United Video Properties Inc. Program guide system with monitoring of advertisement usage and user activities
WO1999050733A2 (en) 1998-03-27 1999-10-07 Walker Digital, Llc System and method for tracking and establishing a progressive discount based upon a customer's visits to a retail establishment
CN1867068A (zh) 1998-07-14 2006-11-22 联合视频制品公司 交互式电视节目导视系统及其方法
AR020608A1 (es) * 1998-07-17 2002-05-22 United Video Properties Inc Un metodo y una disposicion para suministrar a un usuario acceso remoto a una guia de programacion interactiva por un enlace de acceso remoto
US7558472B2 (en) 2000-08-22 2009-07-07 Tivo Inc. Multimedia signal processing system
US6233389B1 (en) 1998-07-30 2001-05-15 Tivo, Inc. Multimedia time warping system
US6898762B2 (en) * 1998-08-21 2005-05-24 United Video Properties, Inc. Client-server electronic program guide
US6608633B1 (en) * 1998-10-30 2003-08-19 Sony Corporation Visual display of categorical information through visual factors such as scale and location
US6215526B1 (en) 1998-11-06 2001-04-10 Tivo, Inc. Analog video tagging and encoding system
US6532592B1 (en) 1998-11-09 2003-03-11 Sony Corporation Bi-directional remote control unit and method of using the same
TW499816B (en) * 1998-11-30 2002-08-21 United Video Properties Inc Interactive program guide system and method
US6865746B1 (en) 1998-12-03 2005-03-08 United Video Properties, Inc. Electronic program guide with related-program search feature
US7080322B2 (en) 1998-12-18 2006-07-18 Tangis Corporation Thematic response to a computer user's context, such as by a wearable personal computer
JP2000224504A (ja) 1999-01-28 2000-08-11 Internatl Business Mach Corp <Ibm> 番組表示・選択装置、デジタル放送受信機及びデジタル放送受信システム
US7543325B2 (en) 1999-03-30 2009-06-02 Tivo Inc. System for remotely controlling client recording and storage behavior
CN100383890C (zh) 1999-03-30 2008-04-23 提维股份有限公司 多媒体节目书签系统和方法
US6757906B1 (en) 1999-03-30 2004-06-29 Tivo, Inc. Television viewer interface system
US6728713B1 (en) 1999-03-30 2004-04-27 Tivo, Inc. Distributed database management system
AU4185900A (en) 1999-03-30 2000-11-14 Tivo, Inc. System for automatic playback position correction after fast forward or reverse
AU4186000A (en) 1999-03-30 2000-11-14 Tivo, Inc. Television viewer interface system
US6847778B1 (en) 1999-03-30 2005-01-25 Tivo, Inc. Multimedia visual progress indication system
US7484234B1 (en) 1999-04-29 2009-01-27 Tivo Inc. Method and apparatus for controlling at least one set-top box
US8527337B1 (en) * 1999-07-20 2013-09-03 Google Inc. Internet based system and apparatus for paying users to view content and receiving micropayments
JP4812212B2 (ja) * 1999-09-24 2011-11-09 ユナイテッド ビデオ プロパティーズ インク 拡張ユーザインターフェースを用いる双方向テレビ番組ガイド
US7228556B2 (en) 1999-12-21 2007-06-05 Tivo Inc. Distributed, interactive television program guide; system and method
US7373650B1 (en) * 2000-02-01 2008-05-13 Scientific-Atlanta, Inc. Apparatuses and methods to enable the simultaneous viewing of multiple television channels and electronic program guide content
US7051352B1 (en) 2000-02-04 2006-05-23 Koninklijke Philips Electronics N.V. Adaptive TV program recommender
US6487646B1 (en) 2000-02-29 2002-11-26 Maxtor Corporation Apparatus and method capable of restricting access to a data storage device
US7590240B2 (en) 2001-03-02 2009-09-15 Tivo Inc. Conditional access system and method prevention of replay attacks
JP4501209B2 (ja) 2000-03-08 2010-07-14 ソニー株式会社 情報処理装置、情報処理方法およびリモコンのコマンダ
US20020060750A1 (en) * 2000-03-29 2002-05-23 Istvan Anthony F. Single-button remote access to a synthetic channel page of specialized content
MX363752B (es) 2000-03-31 2019-04-02 Rovi Guides Inc Sistemas y metodos para la medicion mejorada de la audiencia.
US7552460B2 (en) * 2000-05-08 2009-06-23 Microsoft Corporation Modifying an electronic program guide based on viewer statistics
EP1281275B1 (en) 2000-05-12 2009-11-04 Tivo, Inc. Method for improving bandwidth efficiency
US20030040987A1 (en) * 2000-05-19 2003-02-27 Hudson K. Dean Global travel reporting system and method
AU2001265047A1 (en) 2000-05-27 2001-12-11 Dana Howard Jones Method and system for payment of intellectual property royalties by interposed sponsor on behalf of consumer over telecommunications network
US7660737B1 (en) * 2000-07-18 2010-02-09 Smartpenny.Com, Inc. Economic filtering system for delivery of permission based, targeted, incentivized advertising
US7937725B1 (en) * 2000-07-27 2011-05-03 Koninklijke Philips Electronics N.V. Three-way media recommendation method and system
US6904408B1 (en) * 2000-10-19 2005-06-07 Mccarthy John Bionet method, system and personalized web content manager responsive to browser viewers' psychological preferences, behavioral responses and physiological stress indicators
US7356507B2 (en) * 2000-10-30 2008-04-08 Amazon.Com, Inc. Network based user-to-user payment service
US20020107849A1 (en) * 2000-11-01 2002-08-08 Hickey Matthew W. Scholarship search method and system
US7444660B2 (en) 2000-11-16 2008-10-28 Meevee, Inc. System and method for generating metadata for video programming events
EP1346559A4 (en) 2000-11-16 2006-02-01 Mydtv Inc SYSTEM AND METHOD FOR DETERMINING THE POPULARITY OF VIDEO PROGRAM EVENTS
US7174512B2 (en) * 2000-12-01 2007-02-06 Thomson Licensing S.A. Portal for a communications system
US7721310B2 (en) * 2000-12-05 2010-05-18 Koninklijke Philips Electronics N.V. Method and apparatus for selective updating of a user profile
US7555444B1 (en) 2001-02-12 2009-06-30 James D. Wilson Dynamic time-of-purchasing-decision incentive system and method
CN108053844B (zh) * 2001-02-21 2020-12-22 乐威指南公司 具有个人视频记录特征的交互式节目导视器的系统和方法
US20020178440A1 (en) 2001-03-28 2002-11-28 Philips Electronics North America Corp. Method and apparatus for automatically selecting an alternate item based on user behavior
US20020162120A1 (en) 2001-04-25 2002-10-31 Slade Mitchell Apparatus and method to provide supplemental content from an interactive television system to a remote device
US7526788B2 (en) * 2001-06-29 2009-04-28 Scientific-Atlanta, Inc. Graphic user interface alternate download options for unavailable PRM content
US20030140063A1 (en) * 2001-12-17 2003-07-24 Pizzorno Joseph E. System and method for providing health care advice by diagnosing system function
US6585521B1 (en) 2001-12-21 2003-07-01 Hewlett-Packard Development Company, L.P. Video indexing based on viewers' behavior and emotion feedback
AU2003207958A1 (en) 2002-01-16 2003-07-30 Earnix Ltd. Pricing optimization apparatus and method
US7218839B2 (en) * 2002-02-11 2007-05-15 Scientific-Atlanta, Inc. Management of television presentation recordings
CA2469795A1 (en) 2002-03-07 2003-09-25 Catalina Marketing International, Inc. System and method for providing relative price point incentives based upon prior customer purchase behavior
WO2003088671A1 (en) 2002-04-05 2003-10-23 Matsushita Electric Industrial Co., Ltd. Asynchronous integration of portable handheld device
KR101003646B1 (ko) * 2002-06-21 2010-12-23 소니 주식회사 송신장치 및 수신장치
US20040001616A1 (en) * 2002-06-27 2004-01-01 Srinivas Gutta Measurement of content ratings through vision and speech recognition
US7712117B1 (en) 2002-09-27 2010-05-04 Microsoft Corporation Multiple channel presenter
US7085576B2 (en) * 2002-12-30 2006-08-01 Motorola, Inc. Method and apparatus for providing streaming information to a wireless mobile wireless device
US20040186743A1 (en) * 2003-01-27 2004-09-23 Angel Cordero System, method and software for individuals to experience an interview simulation and to develop career and interview skills
US7577636B2 (en) 2003-05-28 2009-08-18 Fernandez Dennis S Network-extensible reconfigurable media appliance
CN1849818B (zh) * 2003-09-11 2011-02-02 松下电器产业株式会社 内容选择方法和内容选择设备
US7671758B1 (en) 2003-10-02 2010-03-02 Tivo Inc. Remote control programming system
US20050160458A1 (en) * 2004-01-21 2005-07-21 United Video Properties, Inc. Interactive television system with custom video-on-demand menus based on personal profiles
JP4510486B2 (ja) 2004-02-27 2010-07-21 ソニー株式会社 番組表表示方法，番組表表示装置，およびコンピュータプログラム
US7872642B2 (en) * 2004-03-12 2011-01-18 Universal Electronics Inc. Controlling device having multiple user interfaces
KR100471371B1 (ko) * 2004-03-27 2005-03-14 전민철 인터넷상에서 누적분포를 이용한 거래가 결정 방법 및시스템
US20050289582A1 (en) * 2004-06-24 2005-12-29 Hitachi, Ltd. System and method for capturing and using biometrics to review a product, service, creative work or thing
EP1796347A4 (en) * 2004-09-10 2010-06-02 Panasonic Corp INFORMATION PROCESSING TERMINAL
US7165050B2 (en) 2004-09-20 2007-01-16 Aaron Marking Media on demand via peering
US7818228B1 (en) * 2004-12-16 2010-10-19 Coulter David B System and method for managing consumer information
TW200704183A (en) * 2005-01-27 2007-01-16 Matrix Tv Dynamic mosaic extended electronic programming guide for television program selection and display
US7689556B2 (en) * 2005-01-31 2010-03-30 France Telecom Content navigation service
US20070214471A1 (en) 2005-03-23 2007-09-13 Outland Research, L.L.C. System, method and computer program product for providing collective interactive television experiences
US8214264B2 (en) 2005-05-02 2012-07-03 Cbs Interactive, Inc. System and method for an electronic product advisor
US20060282464A1 (en) * 2005-06-10 2006-12-14 Morris Charles A Multi-dial system for inter-channel surfing of digital media files
US8739231B2 (en) 2005-08-23 2014-05-27 Vudu, Inc. System and method for distributed video-on-demand
US20070074245A1 (en) 2005-09-26 2007-03-29 Microsoft Corporation Virtual channels
US8613024B2 (en) * 2005-12-13 2013-12-17 United Video Properties, Inc. Cross-platform predictive popularity ratings for use in interactive television applications
US20100153885A1 (en) * 2005-12-29 2010-06-17 Rovi Technologies Corporation Systems and methods for interacting with advanced displays provided by an interactive media guidance application
US20070157242A1 (en) * 2005-12-29 2007-07-05 United Video Properties, Inc. Systems and methods for managing content
US20070154169A1 (en) * 2005-12-29 2007-07-05 United Video Properties, Inc. Systems and methods for accessing media program options based on program segment interest
US20070154163A1 (en) 2005-12-29 2007-07-05 United Video Properties, Inc. Systems and methods for creating aggregations of episodes of series programming in order
US7529741B2 (en) 2006-03-06 2009-05-05 Veveo, Inc. Methods and systems for segmenting relative user preferences into fine-grain and coarse-grain collections
US7668867B2 (en) 2006-03-17 2010-02-23 Microsoft Corporation Array-based discovery of media items
US7797722B2 (en) 2006-05-26 2010-09-14 Sony Corporation System and method for content delivery
JP4838777B2 (ja) * 2006-08-14 2011-12-14 キヤノン株式会社 画像処理装置、画像処理装置の制御方法、プログラム及び記憶媒体
EP1895505A1 (en) * 2006-09-04 2008-03-05 Sony Deutschland GmbH Method and device for musical mood detection
US20080065396A1 (en) * 2006-09-07 2008-03-13 John Steven Marshall Systems and methods for managing tips and gratuities
US8166029B2 (en) 2006-09-07 2012-04-24 Yahoo! Inc. System and method for identifying media content items and related media content items
US20080082507A1 (en) * 2006-09-29 2008-04-03 University Of Florida Research Foundation, Inc. System and methods for providing content over a data communications network and compensating content owners and resource providers
US8381249B2 (en) 2006-10-06 2013-02-19 United Video Properties, Inc. Systems and methods for acquiring, categorizing and delivering media in interactive media guidance applications
US8555318B2 (en) 2006-12-06 2013-10-08 Verizon Patent And Licensing Inc. Customized media on demand
US8250605B2 (en) 2006-12-18 2012-08-21 Verizon Services Corp. Systems and methods for presentation of preferred program selections
US8194034B2 (en) * 2006-12-20 2012-06-05 Verizon Patent And Licensing Inc. Systems and methods for controlling a display
JP2008205861A (ja) 2007-02-20 2008-09-04 Matsushita Electric Ind Co Ltd 視聴質判定装置、視聴質判定方法、視聴質判定プログラム、および記録媒体
US8230457B2 (en) * 2007-03-07 2012-07-24 The Nielsen Company (Us), Llc. Method and system for using coherence of biological responses as a measure of performance of a media
US8782681B2 (en) 2007-03-08 2014-07-15 The Nielsen Company (Us), Llc Method and system for rating media and events in media based on physiological data
KR20080087591A (ko) 2007-03-27 2008-10-01 삼성전자주식회사 메타 데이터 기반 카테고리를 이용한 컨텐츠 검색 방법 및장치와 기록 매체
US8775238B2 (en) 2007-04-03 2014-07-08 International Business Machines Corporation Generating customized disincentive marketing content for a customer based on customer risk assessment
US7861260B2 (en) 2007-04-17 2010-12-28 Almondnet, Inc. Targeted television advertisements based on online behavior
KR101402943B1 (ko) 2007-08-16 2014-06-03 삼성전자주식회사 컨텐츠 탐색을 위한 장치 및 방법
JP5167726B2 (ja) * 2007-08-23 2013-03-21 ソニー株式会社 コンテンツ課金システム、コンテンツ取得装置、コンテンツ取得方法およびそのプログラム、並びにコンテンツ提供装置、コンテンツ提供方法およびそのプログラム
US8332883B2 (en) * 2007-10-02 2012-12-11 The Nielsen Company (Us), Llc Providing actionable insights based on physiological responses from viewers of media
US8285121B2 (en) * 2007-10-07 2012-10-09 Fall Front Wireless Ny, Llc Digital network-based video tagging system
US8010536B2 (en) * 2007-11-20 2011-08-30 Samsung Electronics Co., Ltd. Combination of collaborative filtering and cliprank for personalized media content recommendation
US8856833B2 (en) * 2007-11-21 2014-10-07 United Video Properties, Inc. Maintaining a user profile based on dynamic data
US8943539B2 (en) * 2007-11-21 2015-01-27 Rovi Guides, Inc. Enabling a friend to remotely modify user data
JP2009134670A (ja) * 2007-12-03 2009-06-18 Sony Corp 情報処理端末、情報処理方法、およびプログラム
JP2009200769A (ja) * 2008-02-21 2009-09-03 Hitachi Ltd ビデオオンデマンドシステム
JP5243070B2 (ja) 2008-03-14 2013-07-24 ソニー株式会社 情報提供装置、受信端末、情報提供システム、情報提供方法、およびプログラム
US9916611B2 (en) 2008-04-01 2018-03-13 Certona Corporation System and method for collecting and targeting visitor behavior
US20090254412A1 (en) 2008-04-07 2009-10-08 Edward Braswell Methods and systems using targeted advertising
US8024756B2 (en) 2008-04-10 2011-09-20 Sony Corporation TV user interface for viewing selected sub-groups of channels
US8990673B2 (en) 2008-05-30 2015-03-24 Nbcuniversal Media, Llc System and method for providing digital content
US10380603B2 (en) * 2008-05-31 2019-08-13 International Business Machines Corporation Assessing personality and mood characteristics of a customer to enhance customer satisfaction and improve chances of a sale
US20100011388A1 (en) * 2008-07-10 2010-01-14 William Bull System and method for creating playlists based on mood
WO2010027739A2 (en) 2008-08-27 2010-03-11 Globys, Inc. Targeted customer offers based on predictive analytics
US20100077433A1 (en) 2008-09-24 2010-03-25 Verizon Data Services Llc Multi-panel television browsing
US20100100506A1 (en) 2008-10-16 2010-04-22 Emmanuel Marot Dynamic pricing system and method
US20100198757A1 (en) 2009-02-02 2010-08-05 Microsoft Corporation Performance of a social network
US8375409B2 (en) 2009-02-05 2013-02-12 Purplecomm Inc. Meta channel based media system control technology
US8387081B2 (en) 2009-02-11 2013-02-26 Verzion Patent And Licensing Inc. Dynamic pricing for pay-per-view events
US8555315B2 (en) * 2009-04-10 2013-10-08 United Video Properties, Inc. Systems and methods for navigating a media guidance application with multiple perspective views
KR101708682B1 (ko) * 2010-03-03 2017-02-21 엘지전자 주식회사 영상표시장치 및 그 동작 방법.
AU2011241796A1 (en) * 2010-04-13 2012-11-29 Pranamesh Das Secure and shareable payment system using trusted personal device
US20110273379A1 (en) * 2010-05-05 2011-11-10 Google Inc. Directional pad on touchscreen
US20120137316A1 (en) * 2010-11-30 2012-05-31 Kirill Elizarov Media information system and method
US8983858B2 (en) * 2011-12-30 2015-03-17 Verizon Patent And Licensing Inc. Lifestyle application for consumers

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10937070B2 (en) * 2018-01-17 2021-03-02 Dell Products L.P. Collaborative filtering to generate recommendations
WO2021045492A1 (ko) * 2019-09-04 2021-03-11 황왕호 무의식적 기제 및 의식적 행동 유형 프로파일 방법 및 장치
KR20210091022A (ko) * 2020-01-13 2021-07-21 한국과학기술원 스마트 단말을 활용한 인공지능 에이전트와의 상호작용 선호도 유형 판별 방법 및 장치
KR102323153B1 (ko) * 2021-03-03 2021-11-10 주식회사 아이엠그루 고객의 무의식 영역에 기반하여 의사결정 지원자료를 제공하는 의사결정 지원서버 및 그 의사결정 지원방법

Also Published As

Publication number Publication date
US8799483B2 (en) 2014-08-05
US20120110179A1 (en) 2012-05-03
CA2815273A1 (en) 2012-04-26
US20130086698A1 (en) 2013-04-04
US20150032847A1 (en) 2015-01-29
SG2014013619A (en) 2014-07-30
CN103299330A (zh) 2013-09-11
US8495683B2 (en) 2013-07-23
US20140109142A1 (en) 2014-04-17
US8489527B2 (en) 2013-07-16
US20120101966A1 (en) 2012-04-26
SG189481A1 (en) 2013-05-31
US8301770B2 (en) 2012-10-30
SG2014013643A (en) 2014-07-30
US9628539B2 (en) 2017-04-18
US20140046883A1 (en) 2014-02-13
US20120105723A1 (en) 2012-05-03
JP2013540327A (ja) 2013-10-31
EP2630622A1 (en) 2013-08-28
WO2012052559A1 (en) 2012-04-26

Similar Documents

Publication Publication Date Title
US9628539B2 (en) Method and apparatus for distributed upload of content
US9141982B2 (en) Method and apparatus for collaborative upload of content
US8433815B2 (en) Method and apparatus for collaborative upload of content
McKelvey et al. Discoverability: Toward a definition of content discovery through platforms
Lotz Netflix and streaming video: The business of subscriber-funded video on demand
CA2726278C (en) System and process for connecting media content
KR20140041500A (ko) 콘텐츠의 공동 업로드를 위한 방법 및 장치
CN107660285A (zh) 用于生成基于聚类的搜索结果的方法和系统
US20130347023A1 (en) Method for requesting digital content, for providing digital content, and for producing a personal profile of a user
BE1020637A3 (nl) Een werkwijze voor verdeeld uploaden van inhoud.
Ruiz et al. UX Aspects of AI Principles: The Recommender System of VoD Platforms
EP2702539A1 (en) Method and apparatus for collaborative upload of content
BE1020636A3 (nl) Een werkwijze voor verdeeld vertraagde streaming van inhoud.
BE1020638A3 (nl) Een werkwijze voor gedistribueerde vertraagde streaming van inhoud.
BE1020639A3 (nl) Een systeem voor het selecteren en het bekijken van programma-inhoud met behulp van gebruikersinterfaces.
BE1020635A3 (nl) Een werkwijze voor gebruik met een video-weergavesysteem bestaande uit een videoscherm en een veelvoud aan cursornavigatiebedieningen.
Brown Over-the-Top (OTT) Networks' Influence on Shared Cultural Memory
Vliet Bright Lights, Blind Spots
Ngan Nudge and persuasive design on Video on Demand Platforms: a digital enforcement effect in streaming services using design principles to influence users’ attitude and behavior as a cue for social navigation.

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid