KR20140093772A - 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법 - Google Patents

사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법 Download PDF

Info

Publication number
KR20140093772A
KR20140093772A KR1020130004106A KR20130004106A KR20140093772A KR 20140093772 A KR20140093772 A KR 20140093772A KR 1020130004106 A KR1020130004106 A KR 1020130004106A KR 20130004106 A KR20130004106 A KR 20130004106A KR 20140093772 A KR20140093772 A KR 20140093772A
Authority
KR
South Korea
Prior art keywords
poi
user
trajectory
type
similarity
Prior art date
Application number
KR1020130004106A
Other languages
English (en)
Other versions
KR101424382B1 (ko
Inventor
유재수
이충희
임종태
복경수
Original Assignee
충북대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 충북대학교 산학협력단 filed Critical 충북대학교 산학협력단
Priority to KR1020130004106A priority Critical patent/KR101424382B1/ko
Publication of KR20140093772A publication Critical patent/KR20140093772A/ko
Application granted granted Critical
Publication of KR101424382B1 publication Critical patent/KR101424382B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Abstract

본 발명은 관심지역 서비스 방법에 관한 것으로서, 특히 POI의 속성정보와 사용자의 이동패턴을 고려하여 관심지역 정보를 추천할 수 있도록 한 관심지역 서비스 방법에 관한 것이다. 이를 위하여 본 발명은 제1 사용자 이동동선의 GPS 궤적, 데이터 베이스된 POI(Point Of Interest) 및 제2 사용자들의 POI 궤적을 이용해서 제1 사용자에게 POI를 서비스하는 방법에 있어서, GPS궤적을 통해 제1 사용자가 이동한 POI의 각 지점을 연결하여 제1 사용자의 선호도가 반영된 POI 궤적을 생성하는 단계; 상기 생성된 POI 궤적을 이용해서 제1 사용자의 선호도를 획득하고, 제1 사용자의 선호도를 이용하여 제1 사용자와 선호도가 상이한 제2 사용자들의 POI 궤적을 필터링하는 단계; 상기 필터링에 의해 획득된 제2 사용자들의 POI 궤적과 제1 사용자의 POI 궤적의 유사여부를 확인하는 단계; 및 상기 궤적의 유사여부 확인결과, 제1 사용자의 POI 궤적에 유사한 제2 사용자의 POI를 추천하는 단계를 포함한다.

Description

사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법{METHOD FOR RECOMMENDING POINT OF INTEREST USING USER PREFERENCES AND MOVING PATTERNS}
본 발명은 모바일 소셜 네트워크 등에서 사용자의 관심지역을 추천하는 방법에 관한 것으로서, 특히 관심지역(POI : Point Of Interest. 이하 ”POI”로 표기함)의 속성정보와 사용자의 이동패턴을 고려하여 관심지역 정보를 추천할 수 있도록 한 관심지역 추천 방법에 관한 것이다.
최근 무선 통신 기술의 발달과 모바일 컴퓨팅 기술의 발전으로 인해 사용자들은 무선 통신 서비스에 이용함에 있어서 더 나은 이동성, 효율성, 편의성 등을 제공받게 되었다. 특히, 스마트폰이나 태블릿 PC와 같이 GPS가 부착된 모바일 장치의 사용자가 급증함에 따라 위치 기반 서비스(LBS : Location-based services. 이하 “LBS”로 표기함)의 규모와 종류가 증가하고 있다. 이러한 LBS는 위치 기반 검색, 소셜 네트워크 서비스(SNS : Social Network Service)에서 친구 추천 등 다양한 분야에서 활용되고 있다.
위치 기반 서비스에서는 사용자의 현재 위치뿐만 아니라 과거 이동 경로에 대한 궤적을 다양하게 활용한다. 사용자들의 궤적 정보는 많은 정보를 내포하고 있어서 궤적 분석을 통해 사용자의 행동 패턴, 선호도와 같은 사용자의 성향에 대한 정보들을 유추할 수 있다. 이러한 궤적 정보는 도로 밀집도 계산, 성향이 유사한 사용자(또는 친구) 추천 및 인기 있는 여행지 추천 서비스와 같은 POI 추천 서비스 등 다양한 응용 서비스에 사용되고 있다. 궤적을 이용한 응용 서비스를 제공하기 위해서는 사용자의 궤적에서 의미 있는 정보를 추출하고, 추출된 정보들 사이에 유사성을 비교하는 기법이 필요하다.
이러한 종래의 궤적 분석을 통한 POI 서비스 방법은 사용자와의 유사도를 판단하는데 있어서 패턴 매칭 기법이나 클러스터링 기법을 사용해서 유사도를 판단한다.
그러나, 패턴 매칭 기법은 다른 사용자와의 POI의 유형과 거리를 비교하여 추천을 수행하기 때문에 사용자의 세부적인 선호도를 반영할 수 없는 단점이 있다. 또한 클러스터링 기법은 추천 받는 사용자의 선호도가 반영되지 않고, 다른 사용자들의 선호도에 따라 추천을 해주는 단점이 있다.
예를 들어, 한 사용자가 특정 위치로 이동하였을 때, 그 위치로 가기 위한 교통이 어떻게 되는지, 위치 이용에 대한 이용금액이 얼마인지 등의 정보들도 사용자의 선호도에 영향을 미칠 수 있는데 POI 세부 속성까지 고려하여 POI 궤적을 추천하는 서비스를 제공하지 못하는 문제점이 있다.
따라서, 종래의 POI 서비스 방법은 사용자와의 유사도를 판단하기 위해 사용자가 지나간 POI의 유형과 순서를 통해 유사도를 판단함으로써, POI 유형만으로는 사용자의 선호도를 완전히 판단할 수 없는 문제점을 갖고 있다.
본 발명은 상기와 같은 문제점을 감안하여 안출된 것으로, POI의 속성정보와 사용자의 이동패턴을 고려하여 POI를 추천할 수 있도록 한 관심지역 추천 방법을 제공하는데 그 목적이 있다.
본 발명의 다른 목적은 사용자의 과거 궤적을 이용하여 추출된 선호도와 유사한 사용자들의 궤적을 비교하여 사용자와 이동 패턴이 유사한 궤적의 POI를 추천할 수 있도록 한 관심지역 추천 방법을 제공함에 있다.
본 발명의 또 다른 목적은 POI를 추천 받는 사용자와 속성 유사도가 다른 사용자들을 필터링하여 POI를 추천받는 사용자와 선호도가 다른 POI 궤적을 제외시킴으로써 이후 POI 궤적 유사도의 계산량을 감소시켜 POI를 추천할 수 있도록 한 관심지역 추천 방법을 제공함에 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명의 일면에 따른 관심지역 추천 방법은, 제1 사용자 이동동선의 GPS 궤적, 데이터 베이스된 POI(Point Of Interest) 및 제2 사용자들의 POI 궤적을 이용해서 제1 사용자에게 POI를 서비스하는 방법에 있어서, GPS궤적을 통해 제1 사용자가 이동한 POI의 각 지점을 연결하여 제1 사용자의 선호도가 반영된 POI 궤적을 생성하는 단계; 상기 생성된 POI 궤적을 이용해서 제1 사용자의 선호도를 획득하고, 제1 사용자의 선호도를 이용하여 제1 사용자와 선호도가 상이한 제2 사용자들의 POI 궤적을 필터링하는 단계; 상기 필터링에 의해 획득된 제2 사용자들의 POI 궤적과 제1 사용자의 POI 궤적의 유사여부를 확인하는 단계; 및 상기 궤적의 유사여부 확인결과, 제1 사용자의 POI 궤적에 유사한 제2 사용자의 POI를 추천하는 단계를 포함한다.
또한, 상기 POI 궤적을 필터링하는 단계는, 제1 사용자 및 제2 사용자들의 POI 속성을 각각 유형별로 분류하고, 유형별로 속성 유사도를 계산하는 단계; 및 상기 제1 사용자의 속성 유사도와 제2 사용자들의 속성 유사도가 상이한 제2 사용자들의 POI 궤적을 필터링하여 제1 사용자의 선호도와 일치하는 제2 사용자의 POI 궤적을 획득하는 단계를 포함한다.
전술한 과제해결 수단에 의해 본 발명은, POI 유형별 속성 정보를 부여하고 POI가 갖고 있는 세부적인 정보들을 반영하여 사용자의 세부적인 선호도를 계산하여 선호도가 다른 사용자를 필터링한 후, 패턴매칭 기법을 사용하여 궤적과 근접하게 이동한 궤적을 찾아 사용자의 세부적인 선호도를 반영한 POI 정보 혹은 POI 정보를 갖고 있는 해당 친구를 추천하는 서비스를 제공하는 효과가 있다.
또한 본 발명은 사용자들의 궤적에서 의미 있는 궤적 정보만을 이용하여 궤적 유사도를 판별하기 위해 POI 궤적을 생성하고, 생성된 POI 궤적 정보를 비교하여 사용자들의 선호도를 계산하며, 계산된 선호도를 이용하여 선호도가 다른 사용자들의 궤적들을 필터링함으로써, 사용자들의 궤적 비교 과정에서 계산량을 감소시킬 수 있어 사용자에게 빠르게 POI 정보를 서비스할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 POI 서비스 방법을 보인 흐름도.
도 2는 본 발명에 따라 POI 궤적에 포함되는 POI를 설명하기 위한 예시도.
도 3은 본 발명의 유형별 속성 분류를 보인 예시도.
도 4는 본 발명의 POI 궤적 유사도 계산기법을 설명하기 위한 예시도..
도 5는 본 발명에 따른 궤적 유사도의 비교전/후를 보인 예시도.
도 6은 본 발명의 실시예에 따른 POI 서비스 방법의 명령어를 보인 예시도.
도 7은 본 발명에 따른 속성 유사도의 임계치에 대응하는 POI 궤적 필터링 비율을 보인 예시도.
도 8은 본 발명의 실시예에 따른 POI 서비스 화면을 보인 예시도.
하기의 설명에서 본 발명의 특정 상세들이 본 발명의 보다 전반적인 이해를 제공하기 위해 나타나 있는데, 이들 특정 상세들 없이 또한 이들의 변형에 의해서도 본 발명이 용이하게 실시될 수 있다는 것은 이 기술분야에서 통상의 지식을 가진 자에게 자명할 것이다.
또한 하기의 설명에서 본 발명에 따른 POI 서비스 방법은 GPS기능을 수행하는 휴대폰, PDA, 모바일 기기, 태블릿 PC 및 스마트폰 등을 통칭하는 휴대용 단말기에서 수행되는 일련의 과정으로서, 이를 수행하는 주체는 휴대용 단말기이며, 구체적으로는 휴대용 단말기의 제어부(POCESSOR)임이 자명함을 인지해야한다. 이에 본 발명의 상세한 설명에서는 사용자에게 POI를 서비스하는 주체를 생략하여 설명하도록 한다.
하기의 설명에서 POI를 서비스한다는 것은 본 발명의 실시예를 통해 획득된 POI 혹은 POI 궤적을 서비스하거나, 본 발명에 따라 최종적으로 얻어진 POI 정보의 궤적으로 이동한 다른 사용자들을 친구 추천하는 방식으로 서비스함을 의미하는 바로 사용할 것이다. 이는 본 발명을 통해 사용자에게 제공하는 궁극적인 정보임을 인지해야 한다.
또한 하기의 설명에서 사용자는 POI 서비스에 대한 정보(에컨대, 친구 추천)를 제공받고자 희망하는 제1 사용자(추천 받는 사용자)를 의미하는 바로 사용할 것이고, 다른 사용자는 제1 사용자에게 다른 사용자들의 POI 서비스 정보를 제공할 수 있도록 추천된 사용자들로서, 제2 사용자를 의미하는 바로 사용할 것이다.
또한 하기에서는 사용자 궤적은 사용자가 시간마다 이동한 지점을 연결한 것으로, GPS 궤적을 의미하는 바로 사용할 것이다.
우선, 본 발명에 대해 개략적으로 설명하면, 본 발명에서는 POI의 유형과 순서뿐만 아니라 POI 세부 속성까지 고려한 추천 기법을 제안한다.
즉, 본 발명은 모바일 소셜 네트워크 환경에서 일상 생활 동안 같은 장소에서 사용자가 이동한 궤적을 이용해서 사용자의 선호도를 계산하고, 사용자의 선호도와 유사한 POI, POI 궤적 또는 사용자의 선호도와 유사한 POI 궤적을 갖는 사용자들을 친구로 추천하는 서비스를 제공한다. 이를 위해 본 발명은 2가지 유사도 비교 기법을 고려한다.
1. 속성 유사도 비교 기법
: 사용자가 이동한 POI의 속성 정보를 이용해서 사용자의 선호도를 계산한다. 이러한 속성 유사도 비교는 사용자와 성향이 다른 사용자를 필터링하기 위해서 사용된다.
2. 궤적 유사도 비교 기법
: 상술한 속성 유사도 기법을 통해 필터링되어 획득된 POI궤적들과 사용자 POI 궤적을 상호 비교하여 얼마나 동일한 POI를 지나갔는지를 계산하는 것으로, 두 POI 궤적의 이동 패턴의 유사성을 계산한다. 이러한 궤적 유사도 비교를 이용하여 사용자와 이동 패턴이 유사한 사용자들을 친구로 추천한다.
결국 사용자와 이동 패턴이 유사한 POI 궤적을 서비스한다.
도 1은 본 발명의 실시예에 따른 POI 서비스 방법을 보인 흐름도이다.
도 1을 참조하면, 본 발명은 5단계의 순서로 구성된다.
첫 번째, GPS 궤적과 POI 데이터베이스를 이용해서 POI 궤적을 생성한다(S110). GPS 궤적은 시간마다 사용자가 이동한 지점을 연결한 것이기 때문에 모든 지점이 사용자의 선호도를 반영한다고 볼 수 없다. 따라서 선호도를 계산하기 위해 GPS 궤적이 지나간 POI 정보를 이용해서 POI 궤적을 생성한다.
두 번째, POI 궤적 정보를 이용해서 모든 사용자들의 속성 유사도를 계산한다(S130). 이렇게 계산된 속성 유사도는 다른 사용자와의 선호도를 비교하기 위해 사용된다.
세 번째, 속성 유사도를 이용하여 추천 받는 사용자와 속성 유사도가 다른 사용자들을 필터링한다(S150). 필터링을 통해서 사용자와 선호도가 다른 POI 궤적을 추천에서 제외시키고, POI 궤적 유사도를 계산할 때 계산량을 감소시킬 수 있다.
네 번째, 사용자의 궤적 유사도를 비교한다(S170). 이에 의해, 궤적 유사도를 비교하여 사용자의 이동 패턴과 궤적의 유사도가 더 근접한 다른 사용자들의 POI 궤적을 친구 추천이라는 메뉴로 서비스한다(S190).
도 1을 참조하여, 본 발명의 실시예에 따른 POI서비스 방법의 동작 및 기능을 상세히 살펴하면, 우선 일반적으로 궤적 tr은 사용자 o i 가 특정 장소를 이동한 경로를 저장한 것으로,
Figure pat00001
이다. 여기서
Figure pat00002
이며, x는 x축 좌표, y는 y축 좌표, t는 타임스탬프를 의미한다.
POI는 사용자가 관심을 가질 수 있는 영화관, 박물관과 같은 위치 장소를 의미한다. POI는 각각의 POI에 대한 특정 정보들을 포함한다. 따라서 POI는 POI가 존재하는 특정 중심 위치를 기반으로 특정 반경 내에 존재하며, POI마다 유형과 유형에 따른 속성과 속성 값이 존재한다. POI 유형은 POI가 어떤 종류의 위치(또는 장소)인지를 의미한다.
예를 들어, 일상 생활에서 사용자가 이동할 때, 사용자가 이동할 수 있는 POI는 영화관, 쇼핑 센터, 특정 종류의 음식점 등과 같은 여러 가지 종류의 POI가 존재한다. 따라서 POI 유형은 POI가 구체적으로 어떤 종류인지 구분하는 역할을 한다. 이러한 POI는 POI 유형에 따라 특정 속성 값이 존재한다.
예를 들어, 영화관일 경우에 영화관의 규모나 혹은 가격 같은 POI 유형에서 특정 POI가 가질 수 있는 요소들이 존재한다. 이러한 속성 요소들은 POI의 세부적인 정보를 제공함과 동시에 사용자의 선호도에 영향을 미치는 부분이기 때문에 POI의 유형마다 세부적인 속성 정보를 포함해야 한다.
따라서 POI는
Figure pat00003
로 구성된다. POI는 영역을 갖고 있기 때문에 POI의 위치 정보는
Figure pat00004
이다. 여기서, x는 x축 좌표, y는 y축 좌표, r은 반지름을 의미한다. 또한, ty는 POI의 유형, at n 은 POI의 유형에 따라 갖고 있는 n가지의 속성 정보를 의미한다.
사용자의 선호도를 계산하기 위해서 GPS를 통해 획득한 사용자가 이동한 GPS 궤적과 POI에 대한 데이터베이스를 통해서 사용자의 GPS 궤적이 머무른 POI들을 연결하는 POI 궤적(poitr)을 생성한다. 사용자의 POI 궤적에 포함되는 POI는 사용자의 궤적이 POI를 지나간 경우에는 포함되지 않고, 사용자가 POI의 반경 내에서 일정 임계치 시간 이상동안 궤적이 존재할 경우에 POI를 사용자의 POI 궤적에 포함시킨다. POI 궤적은 사용자의 궤적의 정의와 유사하게
Figure pat00005
로 정의된다. 이때,
Figure pat00006
로 구성되며, x와 y는 사용자가 머무른 POI의 중심 위치의 x축 좌표와 y축 좌표이고, 사용자가 POI에 도달한 시점의 타임스탬프 t s 와 POI를 벗어난 시점의 타임스탬프 t e 를 의미한다. 이에 대해 첨부된 도면을 참조하여 상세히 설명하도록 한다.
도 2는 본 발명에 따라 POI 궤적에 포함되는 POI를 설명하기 위한 예시도이다.
도 2를 참조하면, 사용자 궤적은 t1에서 t9까지의 시간동안 t1지점부터 t9지점 순서로 이동한 궤적으로, poi(10)의 반경 r 범위를 통과한다. 이때, 사용자 궤적의 타임스탬프가 일정 임계치 시간(여기서는 t3~t6) 이상 존재할 때, poi(10)는 사용자의 POI 궤적에 포함된다. 이렇게 사용자가 머무른 POI의 중심 위치와 타임스탬프들을 기준으로 각각의 사용자마다 POI 궤적이 생성된다.
POI 속성 정보에 대한 속성 유사도를 계산하기 위해서 POI 속성 정보를 수치화하는 방법을 고려해야 한다. 하지만, 속성에 따라 객관적으로 수치화 할 수 없는 경우도 존재하기 때문에 속성을 유형별로 분류하고, 유형별로 속성 유사도를 계산한다. 이에 대해 구체적으로 첨부된 도면을 참조하여 설명하도록 한다.
도 3은 본 발명의 유형별 속성 분류를 보인 예시도이다.
도 3을 참조하면, 속성은 크게 0 또는 1의 값인 이산적인 값을 가지는 유형(A ~ C 유형)과 0 ~ 1의 연속적인 값을 가지는 유형(D ~ G 유형)으로 크게 2 가지로 분류한다. 추가적으로 값을 가지는 기준에 따라 총 7가지 유형으로 속성을 분류한다.
A, B, C 세 가지 유형은 특정한 기준에 의해서 객관적으로 수치화할 수 없는 속성이다.
예를 들어, 영화관이라는 POI에 영화관의 규모라는 속성이 존재한다고 하자. 영화관의 규모 같은 속성의 경우는 객관적으로 수치화해서 표현하기 어렵다. 하지만 일반적인 기준을 적용하여 규모가 크다, 작다와 같은 정도의 기준은 생성할 수 있다. 이러한 종류의 속성은 A, B, C와 같은 세 가지 유형의 속성 중에 하나로 표현된다. A 속성 유형은 특정 기준 이상일 경우에는 1의 값을 갖고, 기준 미만일 경우는 0의 값을 갖는 속성 유형이다. B 속성 유형은 특정 기준 이하일 경우에는 1의 값을 갖고, 기준을 초과할 경우는 0의 값을 갖는 속성 유형이다. 마지막으로 C 속성 유형은 하위 기준과 상위 기준의 2가지 기준이 존재하며, 하위 기준에서 상위 기준 사이에 값이 존재할 경우에는 1의 값을 갖고, 그 외에 값이 존재할 경우에는 0의 값을 갖는 속성 유형이다.
D ~ G까지의 유형은 특정한 기준에 의해서 객관적으로 수치화 할 수 있는 속성이다.
예를 들어, 영화관이라는 POI에서 영화표의 가격이라는 속성이 존재한다고 하자. 이러한 영화표 같은 속성은 영화관 마다 가격이 정해져 있다. 그렇기 때문에 특정한 기준을 이용해서 영화표에 가격에 따라서 속성을 객관적으로 수치화할 수 있다. 이러한 속성은 D ~ G 유형 중에 하나로 표현된다. D 속성 유형은 값이 클수록 1과 가까운 값을 갖게 된다. 반면에 E 속성 유형은 값이 작을수록 1에 가까운 값을 갖게 되는 속성 유형이다. F 속성 유형은 특정 기준에 가까울수록 1에 가까운 값을 갖게 되고, 멀어질수록 0에 가까운 값을 갖게 된다. G 속성 유형은 F 속성 유형과 반대로 특정 기준에 가까울수록 0에 가까운 값을 갖게 되고, 멀어질수록 1에 가까운 값을 갖게 된다.
본 발명에서는 전술한 바와 같이, 유형에 따라 A ~ C 유형과 D ~ G 유형과 같이 크게 2가지 유형으로 속성을 분류하고, 세부적으로는 A ~ G 유형의 7가지 유형으로 속성을 분류하여 속성 유사도를 계산한다.
속성 유사도는 사용자의 POI 궤적의 속성 정보를 값을 비교하여 계산한다. POI 유형이 다수 개의 속성을 가지고 있는 경우에는 POI의 각 속성별로 속성 유사도를 계산한다. 즉, 어떤 POI 유형에 a, b라는 2가지 속성이 존재한다면, a의 속성 유사도 값과 b의 속성 유사도 값을 각각 계산한다. 속성 유사도 attribute _ similarity()는 아래의 수학식 1과 같이 m개의 POI 유형이 존재할 때, 사용자 u1과 사용자 u2의 POI 유형별 속성의 개수를 비교하여 계산된다.
[수학식 1]
Figure pat00007
여기서, dl은 POI에 대한 유사성을 계산한 것이며, m은 m개의 POI 유형을 의미한다.
기본적으로 속성에 관계없이 속성 유사도를 계산하는 수식은 아래의 수학식 2와 같이 사용자의 POI 궤적이 지나간 유형별로 속성 유사도를 계산한다.
[수학식 2]
Figure pat00008
여기서, n1 i , n2 i 는 u1 ij , u2 ij 의 모든 유형별 속성의 총 개수를 의미하고, u1 ij , u2 ij 는 사용자의 POI 궤적에서 POI 유형 i에서의 속성 유형 j를 의미한다.
즉, 사용자가 지나간 속성별 POI의 개수에 대한 평균값을 계산하여 두 사용자의 속성 유사도 차이값을 계산한다. 하지만 속성의 유형이 A, B, C일 경우에는 u1 ij 이나 u2 ij 가 갖게 되는 값은 아래의 수학식 3과 같이 상위 기준(upper criterion)이나 하위 기준(lower criterion)에 따라 0, 0.5, 1의 3가지 값 중에 하나를 갖는다.
[수학식 3]
Figure pat00009

이것은 앞서 기술했던 것처럼 A ~ C 속성 유형은 객관적으로 수치화하기 어려운 속성이기 때문이다. 따라서 특정 기준에 따라서 사용자들의 유사성 비교의 결과가 다르게 나타날 수 있다. 또한, 특정 기준을 통해서 속성 유형을 계산할 때, 특정 속성 유형이 사용자의 성향에 영향을 미치지 않을 경우도 존재할 수 있기 때문에 0.5라는 중간 값을 부여한다. 이렇게 부여된 결과 값의 차이를 통해서 속성 A, B, C의
Figure pat00010
가 계산된다. 속성 유사도 판단은 속성 유사도의 임계치 값과 비교를 하여 속성 유사도 값의 차이가 임계치 값 이하일 때 유사하다고 판단한다.
속성 유사도를 계산할 때, POI 유형 중 사용자가 더 관심 있는 POI 유형이 존재할 수 있다. 예를 들어, 영화 관람에 많은 관심을 갖고 있는 사용자 A가 존재할 때, 사용자 A는 영화를 보기 위해 영화관에 자주 가게 될 것이다. 이러한 경우에 사용자 A의 궤적은 영화관이라는 POI 유형에 많이 머무르게 될 것이다. 이런 경우에 사용자 A의 선호도를 계산할 때, 영화관의 POI 유형에 가중치 값을 부여하여 사용자의 선호도에 더 영향을 미칠 수 있게 하는 것이 사용자 A의 선호도를 더 잘 반영한다고 볼 수 있다. 사용자가 더 관심 있어 하는 POI 유형이 존재할 때, POI 유형에 대한 가중치 값을 부여하여 다른 사용자와의 속성 유사도를 비교할 때, 더 큰 영향을 미치도록 하여 사용자의 POI 유형에 따른 관심 정도를 반영한다.
POI 유형에 가중치를 부여하기 위해서 사용자의 POI 궤적에서 머무른 POI 개수와 총 POI 개수를 통해서 사용자의 POI 궤적이 머무른 POI 유형의 비율을 계산한다. 즉, 특정 POI 유형의 비율이 임계치 비율 이상이 되면 속성 유사도를 비교할 때 특정 POI 유형에 가중치 값을 부여하여 계산한다.
예를 들어, POI 유형 a, b, c가 존재한다고 가정하자. 사용자의 POI 궤적이 a->b->c->b->b의 순서대로 머물렀을 경우에 각각의 POI 유형 비율로 a는 0.2, b는 0.6, c는 0.2가 된다. 따라서 POI 유형 b가 임계치 비율 이상이면 속성 유사도를 비교할 때 POI 유형 b에 가중치를 부여하여 다른 POI 유형보다 사용자의 선호도에 더 영향을 미치게 한다.
궤적 유사도는 POI 궤적을 비교하게 되는데 일반적으로 사용자의 궤적이 비교할 궤적과 다른 길이를 갖게 된다. 따라서 본 발명에서는 궤적 유사도를 비교하기 위해 비교할 궤적 중에 길이가 짧은 사용자 POI 궤적을 상대적으로 길이가 긴 사용자의 POI 궤적과 동일한 길이만큼 순차적으로 비교한다. POI 궤적의 비교는 각 POI의 위치가 일치하는지를 계산하여, 일치하면 1의 값을 갖고 일치하지 않으면 0의 값을 갖게 된다. 이러한 POI 궤적의 비교를 길이가 짧은 POI 궤적을 이동시키며 순차적으로 비교하여 가장 큰 값을 갖게 되는 POI 궤적 비교 값을 궤적 유사도 값으로 갖게 된다.
궤적 유사도 tr _ similarity ()는 아래의 수학식 4와 같이 사용자 1의 POI 궤적 poitr1과 사용자 2의 POI 궤적 poitr2를 비교하여 두 POI 궤적의 궤적 유사도를 비교한다. 여기서 수학식 4는 두 POI 궤적의 궤적 유사도를 비교하는 수식이다.
먼저, 아래의 수학식 5와 같이, 두 사용자의 POI 궤적의 POI 위치인 pp 1i 와 pp 2j 를 비교하여 일치할 경우에는 1의 값을 갖고, 다를 경우에는 0의 값을 갖는다. 1이 나온 결과값을 모두 합한 값을 두 사용자의 POI 궤적의 POI 개수의 평균인 2/m 1 +m 2 로 나눈다. 이러한 과정을 통해서 나온 결과 값을 상대적으로 길이가 짧은 POI 궤적을 이동하면서 궤적의 비교 횟수인 m 1 -m 2 +1번 만큼 계산한다. 여기서 m 1 은 길이가 긴 POI 궤적의 POI 개수이고 m 2 는 길이가 짧은 POI 궤적의 POI의 개수를 의미한다. 모든 비교 횟수만큼 계산을 종료하게 되면 결과값 중 가장 큰 값이 궤적 유사도 값으로 결정된다.
[수학식 4]
Figure pat00011

[수학식 5]
Figure pat00012

이러한 POI 궤적 유사도 계산방식에 대해 첨부된 도면을 참조하여 상세히 설명하도록 한다.
도 4는 본 발명의 궤적 유사도 계산기법을 설명하기 위한 예시도이다.
도 4를 참조하면, 상대적으로 POI 궤적의 길이가 짧은 u2의 POI 궤적을 한 개씩 이동하면서 비교한다. POI가 4개인 u2 POI 궤적과 6개인 u1 POI 궤적이 존재할 때, <compare1> ~ <compare3>까지 POI 궤적을 3번 비교하게 된다. <compare1>에서는 2번과 4번의 POI의 위치가 동일하므로 2를 두 궤적의 길이의 평균값인 5로 나누어서 나온 결과 값인 0.4, <compare2>에서는 일치하는 값이 존재하지 않으므로 0, <compare3>도 일치하는 값이 존재하지 않으므로 0의 값을 갖는다. 따라서 <compare1>에서 얻는 POI 궤적 유사도 값이 0.4로 가장 크게 나타나기 때문에 u1과 u2의 궤적 유사도 값은 0.4가 된다.
궤적 유사도는 수학식 4를 통해서 다른 사용자와의 POI 궤적의 이동 패턴의 유사도를 계산한다.
도 5는 본 발명에 따른 궤적 유사도의 비교전/후를 보인 예시도이다.
도 5를 참조하면, 수학식 4를 통해 추천 되는 사용자의 POI 궤적과 추천 되지 않는 사용자를 나타낸 예이다. 추천 받는 사용자(제1 사용자) u1과 추천될 사용자(제2 사용자) u2, u3의 POI 궤적이 존재할 때, u1과 u2, u3의 지나간 POI 궤적의 비교를 통해서 사용자가 추천된다. [도 5]에서는 u1과 u2의 POI 궤적이 poi3과 poi5를 순차적으로 지나간 것이 동일하기 때문에 두 사용자의 이동 패턴이 유사하다고 판단되어 사용자 u2를 친구로 추천하게 된다. u3는 u1과 POI 궤적이 일치하는 부분이 존재하지 않으므로, 궤적 유사도가 0이 되어 친구로 추천되지 않는다.
도 6은 본 발명의 실시예에 따른 POI 서비스 방법의 명령어를 보인 예시도이다. 여기서, 도 6은 본 발명에 따라 궤적 분석을 통해서 선호도가 유사한 친구를 추천하는 알고리즘을 나타낸 것이다.
우선, 궤적 추천은 사용자들의 궤적과 POI 데이터를 이용해서 사용자의 선호도와 유사한 사용자를 추천한다. 모든 사용자는 하나의 궤적을 갖고, 궤적은 trajectories = [tr 1 , tr 2 , tr 3 , …, tr n ]과 같은 배열로 나타나며 n은 사용자의 수와 동일하다. POI 또한 pois = [poi 1 , poi 2 , …, poi m ]와 같은 배열로 나타내고, m은 POI의 개수를 의미한다.
친구 추천을 받고자 희망하는 사용자에게 사용자의 POI 궤적과 유사한 POI 궤적을 갖는 다른 사용자를 추출해서 그 추출된 다른 사용자를 친구 추천하기 위해서 1번째 줄에서 각 사용자의 궤적에서 POI 궤적을 추출한다. Inpoi는 궤적이 POI 범위에 포함되는 것을 알 수 있는 함수이다. 3번 줄에서 Inpoi 함수를 통해 사용자의 궤적이 POI 범위에 존재하면, 7번 줄에서 POI 범위에 포함된 궤적의 타임스탬프 개수를 비교해서 임계치값 이상 일 때, POI가 사용자의 POI 궤적에 포함된다.
두 번째로는 속성 유사도 비교한다. 이러한 속성 유사도는 12번 줄에서부터 16번 줄까지며, 상술한 수학식 1 내지 수학식 3을 통해서 추천 받을 사용자와 POI 궤적의 속성 유사도를 비교한다. 비교한 값이 임계치 값 이하일 때, POI 궤적을 궤적 유사도를 비교하기 위한 후보 집합에 포함시킨다.
세 번째로 궤적 유사도를 비교하게 된다. 궤적 유사도는 18번 줄에서부터 20번 줄까지며, 상술한 수학식 4 및 수학식 5를 통해서 유사성을 비교하여 유사도가 임계치 이상인 POI 궤적이 최종 후보 집합에 포함시킨다. 21번 줄에서 궤적 유사도 값에 따라 후보 집합을 내림차순으로 정렬한다. 최종적으로는 23번 줄에서 25번 줄까지와 같이 후보 집합에 있는 POI 궤적의 사용자를 정렬된 순서대로 친구로 추천한다.
전술한 본 발명의 성능을 평가하기 위해 가상의 궤적 데이터와 POI를 생성하여 실험하였다.
성능 평가는 컴퓨터(사양 : 인텔 코어2 듀오 E7200 2.53GHz와 4GB의 메모리를 갖는 마이크로소프트의 윈도우 7 OS)의 환경에서 JAVA로 구현하였다. 데이터에 대한 성능 평가 파라미터는 아래의 표와 같다.
파라미터 값
POI 수(개) 50
POI 유형(가지) 5
궤적 수(개) 50
도 7은 본 발명의 기법에서 속성 유사도의 임계치에 따라 필터링되는 POI 궤적의 비율을 나타낸다. 도 7과 같이, 임계치 값이 작을수록 필터링되는 POI 궤적 비율이 많아지는 것을 볼 수 있다. 속성 유사도의 임계치 값이 작을수록 사용자의 선호도와 유사한 사용자가 추천될 가능성이 높아지고, 계산량도 감소하지만 필터링되는 POI 궤적의 수가 많아지기 때문에 추천되는 POI의 개수가 적어질 가능성이 존재한다. 따라서 POI 추천시에 사용자의 선호도의 중요성에 따라 적절한 임계치 값을 결정하는 것이 필요하다.
도 8은 본 발명의 실시예에 따른 POI 서비스 화면을 보인 예시도이다.
도 8을 참조하면, 도 8(a)는 추천 받을 사용자가 지나간 POI 궤적으로, 각각의 아이콘들은 POI의 유형을 나타내며, 참조번호 ①은 사용자가 지나간 POI 궤적이다. 도 8(b)는 사용자 POI 궤적과 다른 POI 궤적과의 속성 유사도와 궤적 유사도를 비교해서 최종적으로 추천된 POI의 결과이다.
결과값은 속성 유사도의 임계치 값이 0.2, 궤적 유사도 값이 0.3 이상일 때, 추천된 결과이다. 추천된 2개의 POI 궤적은 사용자의 POI 궤적이 지나간 POI 유형과 유사하고, 이동 패턴이 유사한 것을 볼 수 있다.
한편, 본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (10)

  1. 제1 사용자 이동동선의 GPS 궤적, 데이터 베이스된 POI(Point Of Interest) 및 제2 사용자들의 POI 궤적을 이용해서 제1 사용자에게 POI를 서비스하는 방법에 있어서,
    GPS궤적을 통해 제1 사용자가 이동한 POI의 각 지점을 연결하여 제1 사용자의 선호도가 반영된 POI 궤적을 생성하는 단계;
    상기 생성된 POI 궤적을 이용해서 제1 사용자의 선호도를 획득하고, 제1 사용자의 선호도를 이용하여 제1 사용자와 선호도가 상이한 제2 사용자들의 POI 궤적을 필터링하는 단계;
    상기 필터링에 의해 획득된 제2 사용자들의 POI 궤적과 제1 사용자의 POI 궤적의 유사여부를 확인하는 단계; 및
    상기 궤적의 유사여부 확인결과, 제1 사용자의 POI 궤적에 유사한 제2 사용자의 POI를 추천하는 단계를 포함하는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
  2. 제1 항에 있어서, 상기 POI 궤적을 생성하는 단계는,
    아래의 수학식 1과 같은 구성으로 제1 사용자(Oi)의 POI 궤적을 생성하되, POI 반경 내에서 궤적이 존재한 시간(타임스탬프 ts와 te)이 일정 임계시간이상이면, 해당 POI를 제1 사용자 POI 궤적에 포함시키는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
    (수학식 1)
    Figure pat00013

    여기서,
    Figure pat00014
    이고, x와 y는 제1 사용자가 머무른 POI의 중심 위치의 x축 좌표와 y축 좌표이고, 제1 사용자가 POI에 도달한 시점의 타임스탬프 t s 와 POI를 벗어난 시점의 타임스탬프 t e 를 의미함.
  3. 제1 항에 있어서, 상기 POI 궤적을 생성하는 단계는,
    아래의 수학식 2와 같은 구성의 POI를 갖되, POI 유형(ty)에 대한 가중치 값을 부여하여 상기 제2 사용자들의 POI 궤적을 필터링시 제1 사용자의 POI 유형에 대한 관심 정도가 반영될 수 있도록 하는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
    (수학식 2)
    POI=
    Figure pat00015

    여기서, POI의 위치 정보는
    Figure pat00016
    , x는 x축 좌표, y는 y축 좌표, r은 반지름을 의미하며, ty는 POI의 유형, at n 은 POI의 유형에 따라 갖고 있는 n가지의 속성 정보를 의미함.
  4. 제1 항에 있어서, 상기 POI 궤적을 필터링하는 단계는,
    제1 사용자 및 제2 사용자들의 POI 속성을 각각 유형별로 분류하고, 유형별로 속성 유사도를 계산하는 단계; 및
    상기 제1 사용자의 속성 유사도와 제2 사용자들의 속성 유사도가 상이한 제2 사용자들의 POI 궤적을 필터링하여 제1 사용자의 선호도와 일치하는 제2 사용자의 POI 궤적을 획득하는 단계를 포함하는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
  5. 제2 항에 있어서, 상기 유형별로 속성 유사도를 계산하는 단계는,
    제1 사용자 및 제2 사용자들의 POI의 유형에 따라 객관적 수치로 특정할 수 있는 속성 정보와, 객관적으로 수치화할 수 없는 속성 정보로 구분하여 속성 유사도를 처리하는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
  6. 제5 항에 있어서, 상기 속성 유사도는,
    아래의 수학식 3을 통해 제1 사용자 및 제2 사용자들의 POI 유형의 속성 유사도가 계산되는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
    (수학식 3)
    Figure pat00017


    여기서, u1은 제1 사용자, u2는 제2 사용자,
    Figure pat00018
    하고,
    Figure pat00019
    제1 및 제2 사용자의
    Figure pat00020
    의미하며, dl은 POI에 대한 유사성을 계산한 것이며, m은 m개의 POI 유형을 의미한다.
  7. 제6 항에 있어서, 제1 사용자 및 제2 사용자들의 POI 유형의 속성 유사도는,
    객관적 수치로 특정할 수 있는 속성 정보인 경우에 아래의 수학식 4를 이용하여 제1 사용자 및 제2 사용자의 POI 궤적이 지나간 유형별 속성 유사도를 계산하는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
    (수학식 4)
    Figure pat00021

    여기서, n1 i , n2 i 는 u1 ij , u2 ij 의 모든 유형별 속성의 총 개수를 의미하고, u1 ij , u2 ij 는 사용자의 POI 궤적에서 POI 유형 i에서의 속성 유형 j를 의미함.
  8. 제6 항에 있어서, 제1 사용자 및 제2 사용자들의 POI 유형의 속성 유사도는,
    POI 유형의 속성을 객관적으로 수치화할 수 없는 속성 정보인 경우에, 아래의 수학식 5를 이용하여 제1 사용자 및 제2 사용자의 POI 궤적이 지나간 유형별 속성 유사도를 계산하는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
    (수학식 5)
    Figure pat00022

    여기서, uik 가 사용자의 i 속성 유형에 대해 k개의 속성의 개수를 의히하며 ni는 사용자의 POI 속성의 개수, n은 사용자의 속성 유형 i 속성의 개수를 의미한다.
  9. 제1 항에 있어서, 상기 POI 궤적의 유사여부를 확인하는 단계는,
    아래의 수학식 6을 이용하여 제1 사용자의 POI 궤적과 제2 사용자의 POI 궤적의 유사도(
    Figure pat00023
    )를 확인하는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
    (수학식 6)
    Figure pat00024


    여기서,
    Figure pat00025
    는 제1 사용자 및 제2 사용자의 POI 궤적의 POI 위치를 의미하고, m1은 길이가 긴 POI 궤적의 POI 개수, m2는 길이가 짧은 POI 궤적의 POI 개수를 의미하며,
    Figure pat00026
    는 제1 사용자 및 제2 사용자의 POI 궤적의 POI 위치 일치여부를 나타내는 요소를 의미함.
  10. 제9 항에 있어서, 상기 제1 사용자 및 제2 사용자의 POI 궤적의 POI 위치 일치여부는,
    제1 사용자 및 제2 사용자의 POI 궤적의 POI 위치를 비교하여 아래의 수학식 7과 같이 일치할 경우에는 ‘1’, 일치하지 않을 경우에는 ‘0’을 갖는 것을 특징으로 하는 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법.
    (수학식 7)
    Figure pat00027



KR1020130004106A 2013-01-14 2013-01-14 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법 KR101424382B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130004106A KR101424382B1 (ko) 2013-01-14 2013-01-14 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130004106A KR101424382B1 (ko) 2013-01-14 2013-01-14 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법

Publications (2)

Publication Number Publication Date
KR20140093772A true KR20140093772A (ko) 2014-07-29
KR101424382B1 KR101424382B1 (ko) 2014-08-08

Family

ID=51739764

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130004106A KR101424382B1 (ko) 2013-01-14 2013-01-14 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법

Country Status (1)

Country Link
KR (1) KR101424382B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160108701A (ko) * 2015-03-05 2016-09-20 주식회사 벤플 추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법
KR20160136906A (ko) * 2015-05-21 2016-11-30 아주대학교산학협력단 관심 지점을 이용한 이동 패턴 분석 시스템 및 방법
CN107609186A (zh) * 2017-09-30 2018-01-19 百度在线网络技术（北京）有限公司 信息处理方法及装置、终端设备及计算机可读存储介质
KR101867421B1 (ko) * 2016-05-23 2018-06-15 식신 주식회사 소셜 데이터를 이용한 서비스 제공업체 추천 방법 및 장치
CN108243221A (zh) * 2016-12-26 2018-07-03 阿里巴巴集团控股有限公司 一种信息推荐方法和装置
KR20180076617A (ko) 2016-12-28 2018-07-06 에스케이테크엑스 주식회사 스마트 페이지 내에서 맞춤 정보를 제공하는 방법 및 장치
US10876850B2 (en) 2018-10-26 2020-12-29 International Business Machines Corporation Trajectory modeling for contextual recommendation
CN112902964A (zh) * 2021-01-22 2021-06-04 南京邮电大学 基于兴趣点的路径推荐方法、装置
KR20220015503A (ko) * 2016-06-28 2022-02-08 스냅 인코포레이티드 미디어 항목들의 관여를 추적하는 시스템
WO2022092899A1 (ko) * 2020-10-29 2022-05-05 삼성전자 주식회사 관심 지점 정보를 제공하는 방법 및 이를 지원하는 전자 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5362544B2 (ja) * 2006-03-15 2013-12-11 クゥアルコム・インコーポレイテッド ユーザのルートに基づいて関連性のある対象地点の情報を決定する方法および装置
JP5525835B2 (ja) 2010-01-28 2014-06-18 Ｋｄｄｉ株式会社 Ｐｏｉ推薦サーバおよびｐｏｉ推薦システム
KR20120052683A (ko) * 2010-11-16 2012-05-24 한국전자통신연구원 지능형 서비스를 위한 다자간 상황정보 공유 장치 및 방법
KR101218588B1 (ko) * 2011-05-04 2013-02-01 유아트주식회사 지능형 경로 안내 서버, 방법 및 시스템

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160108701A (ko) * 2015-03-05 2016-09-20 주식회사 벤플 추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법
KR20160136906A (ko) * 2015-05-21 2016-11-30 아주대학교산학협력단 관심 지점을 이용한 이동 패턴 분석 시스템 및 방법
KR101867421B1 (ko) * 2016-05-23 2018-06-15 식신 주식회사 소셜 데이터를 이용한 서비스 제공업체 추천 방법 및 장치
KR20220015503A (ko) * 2016-06-28 2022-02-08 스냅 인코포레이티드 미디어 항목들의 관여를 추적하는 시스템
CN108243221A (zh) * 2016-12-26 2018-07-03 阿里巴巴集团控股有限公司 一种信息推荐方法和装置
KR20180076617A (ko) 2016-12-28 2018-07-06 에스케이테크엑스 주식회사 스마트 페이지 내에서 맞춤 정보를 제공하는 방법 및 장치
CN107609186A (zh) * 2017-09-30 2018-01-19 百度在线网络技术（北京）有限公司 信息处理方法及装置、终端设备及计算机可读存储介质
CN107609186B (zh) * 2017-09-30 2020-09-22 百度在线网络技术（北京）有限公司 信息处理方法及装置、终端设备及计算机可读存储介质
US10876850B2 (en) 2018-10-26 2020-12-29 International Business Machines Corporation Trajectory modeling for contextual recommendation
WO2022092899A1 (ko) * 2020-10-29 2022-05-05 삼성전자 주식회사 관심 지점 정보를 제공하는 방법 및 이를 지원하는 전자 장치
CN112902964A (zh) * 2021-01-22 2021-06-04 南京邮电大学 基于兴趣点的路径推荐方法、装置
CN112902964B (zh) * 2021-01-22 2024-02-23 南京邮电大学 基于兴趣点的路径推荐方法、装置

Also Published As

Publication number Publication date
KR101424382B1 (ko) 2014-08-08

Similar Documents

Publication Publication Date Title
KR101424382B1 (ko) 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법
Jiang et al. Indoor mobile localization based on Wi-Fi fingerprint's important access point
US9432805B2 (en) Discovering and automatically sizing a place of relevance
KR101399267B1 (ko) 모바일 디바이스에서의 애플리케이션 추천 장치 및 방법
US20130132481A1 (en) Method, apparatus and system for providing social network service using social activities
US8830909B1 (en) Methods and systems to determine user relationships, events and spaces using wireless fingerprints
JP2016177764A (ja) 施設推定方法、デバイス及びプログラム
KR20190124524A (ko) 관심장소 추천 방법 및 관심장소 추천 시스템
US10445386B2 (en) Search result refinement
TW201933879A (zh) 內容推薦方法及裝置
US20150248436A1 (en) Methods, Circuits, Devices, Systems and Associated Computer Executable Code for Assessing a Presence Likelihood of a Subject at One or More Venues
CN109190033A (zh) 一种用户好友推荐方法及系统
CN107092609A (zh) 一种信息推送方法及装置
KR20220083997A (ko) 위치기반의 정보제공 방법
KR20190128246A (ko) 검색 방법 및 장치 및 비-일시적 컴퓨터-판독가능 저장 매체
KR20190058086A (ko) 행복큐레이션 서비스 기반 문화 생활 추천 방법 및 시스템
CN105408894A (zh) 一种用户身份类别确定方法以及装置
US20120185476A1 (en) Multi-function searching and search-related tools and techniques for improved search results and enhanced analysis and decision-making
US9020863B2 (en) Information processing device, information processing method, and program
KR101910424B1 (ko) 태그의 감성 분석을 이용한 영화 평점 예측 방법, 이를 수행하기 위한 기록 매체 및 장치
US11012812B2 (en) System and method for identifying associated subjects from location histories
CN110674208A (zh) 用于确定用户的职住地信息的方法和装置
CN114547386A (zh) 基于Wi-Fi信号的定位方法、装置，以及电子设备
KR101650888B1 (ko) 컨텐츠 수집, 추천 시스템 및 방법
KR20180099073A (ko) 유저 맞춤형 어플을 자동으로 추천하기 위한 장치 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
LAPS Lapse due to unpaid annual fee