KR20140096410A - Method to recommend digital contents using multi-period user profile and apparatus therefor - Google Patents

Method to recommend digital contents using multi-period user profile and apparatus therefor Download PDF

Info

Publication number
KR20140096410A
KR20140096410A KR1020130008115A KR20130008115A KR20140096410A KR 20140096410 A KR20140096410 A KR 20140096410A KR 1020130008115 A KR1020130008115 A KR 1020130008115A KR 20130008115 A KR20130008115 A KR 20130008115A KR 20140096410 A KR20140096410 A KR 20140096410A
Authority
KR
South Korea
Prior art keywords
content
interest
user
degree
period
Prior art date
Application number
KR1020130008115A
Other languages
Korean (ko)
Other versions
KR102086041B1 (en
Inventor
정규환
Original Assignee
에스케이플래닛 주식회사
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 에스케이플래닛 주식회사 filed Critical 에스케이플래닛 주식회사
Priority to KR1020130008115A priority Critical patent/KR102086041B1/en
Publication of KR20140096410A publication Critical patent/KR20140096410A/en
Application granted granted Critical
Publication of KR102086041B1 publication Critical patent/KR102086041B1/en

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

Disclosed is a content recommending device comprising a first interest calculating unit calculating a first interest of each content category based on content usage information of a user during a first period; a second interest calculating unit calculating a second interest of each content category based on content usage information of a user during a second period; a user interest calculating unit adding up the first interest and the second interest to calculate user interest of each content category; and a content recommending unit selecting recommended content based on the user interest, wherein the second period is shorter than the first period, and the second period is a period more recent than the first period.

Description

다중 기간별 사용자 선호도를 이용한 디지털 컨텐츠 추천 방법 및 그 장치{METHOD TO RECOMMEND DIGITAL CONTENTS USING MULTI-PERIOD USER PROFILE AND APPARATUS THEREFOR}BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a digital content recommendation method and apparatus,

본 명세서는 다중 기간별 사용자 선호도를 이용한 디지털 컨텐츠 추천 방법 및 그 장치에 관한 것으로서, 보다 상세하게는 사용자의 장기, 단기 선호도를 모두 반영하여 추천 컨텐츠를 발굴함으로써 사용자의 관심사에 대한 시의성과 안정성을 모두 반영한 컨텐츠 추천을 제공하는 기술에 관한 것이다.The present invention relates to a digital content recommendation method and apparatus using multi-period user preferences. More particularly, the present invention relates to a digital content recommendation method and apparatus, To a technique for providing content recommendation.

최근 디지털 컨텐츠 또는 어플리케이션을 전문 제작자가 아닌 일반 사용자들도 충분히 자체 제작이 가능한 환경이 조성됨에 따라, 온라인 상에 존재하는 디지털 컨텐츠의 수와 종류가 무수히 많아지고 있는 실정이다.Recently, the digital content or application has become an environment that allows a general user, not a professional producer, to self-produce sufficiently, so that the number and types of digital contents existing on the internet are increasing.

이와 같이 디지? 컨텐츠(앱, 비디오, 오디오, eBook) 등을 제공하는 마켓의 규모가 커져갈 수록 사용자의 선택권은 높아지는데 반해 사용자의 관심사나 취향과 관련성이 높은 컨텐츠의 발견이 어려워진다.As such, As the size of the market providing content (app, video, audio, eBook) grows, the choice of the user increases, but it becomes difficult to find contents that are related to the user's interest or taste.

기존의 컨텐츠 추천 시스템은 사용자의 컨텐츠 구매/평가 이력을 바탕으로 추천 결과를 생성하는데, 컨텐츠의 소비가 불규칙이고 비정기적인 컨텐츠 마켓의 특성상 사용자의 선호 특성을 파악하기 위해 장기간 프로파일을 사용하는 경우가 많다. 하지만 사용자의 선호 특성은 시간에 따라 변화하게 되므로 특정 추천 시스템은 전체 기간의 사용자 프로파일이 아닌, 최신 단기간의 프로파일 정보만을 활용한다. 하지만 비정기적인 컨텐츠 마켓의 사용 패턴 때문에 단기간 프로파일은 비교적 변동성이 심하므로 추천 시스템의 결과가 불규칙하게 변할 수 있다.An existing content recommendation system generates a recommendation result based on a user's content purchase / evaluation history. In many cases, a long-term profile is used in order to grasp a user's preference characteristic due to irregular consumption of content and occasional characteristics of the content market . However, since the user's preference changes with time, the specific recommendation system utilizes only the latest short-term profile information, not the user profile of the entire period. However, due to the occasional use patterns of the content market, the short-term profile is relatively volatile and the results of the recommendation system may change irregularly.

따라서 본 발명은 사용자의 장기적 컨텐츠 선호도와 단기적 컨텐츠 선호도를 모두 반영하여, 사용자의 해당 서비스 사용기간 전체의 일관된 관심정보 및 최근 관심정보를 추출하고 이를 조합하여 사용자의 관심사에 대한 시의성과 안정성을 모두 확보하는 컨텐츠 추천 방안이 요구되고 있다.Accordingly, the present invention extracts consistent interest information and recent interest information of the entire service period of the user, reflecting both the long-term content preference of the user and the short-term content preference, and combines them to provide both timeliness and stability for the user's interest Is recommended.

본 명세서는 다중 기간별 사용자 선호도를 이용한 디지털 컨텐츠 추천 방법 및 그 장치를 제공하는 데에 그 목적이 있다. 즉, 사용자가 어느 컨텐츠 또는 컨텐츠 카테고리에 대해 보이는 장기적, 단기적 관심도를 추출하고 이를 최적의 비율로 반영하여 사용자의 관심사에 가장 부합하는 컨텐츠를 제공하는 거이 본 명세서의 목적이다. 또한 사용자의 장기간 컨텐츠 이용 정보 및 단기간 컨텐츠 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 관심도를 산출하고, 상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정하는 컨텐츠 추천 장치를 제공하고자 한다.It is an object of the present invention to provide a digital content recommendation method and apparatus using multi-period user preferences. That is, it is an object of the present disclosure to extract a long-term or short-term interest degree of a content or a category of a user and to provide the content that best matches the user's interest by reflecting the interest at an optimum rate. Also, the present invention provides a content recommendation apparatus for calculating a degree of interest for each of the content categories based on long-term content usage information and short-term content usage information of a user, and selecting a recommended content based on the user interest.

본 명세서의 일 실시예에 따라 컨텐츠 추천 장치가 제공된다. 상기 장치는, 사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하는 제1 관심도 산출부와; 상기 사용자의 제2 기간 중 컨텐츠 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하는 제2 관심도 산출부와; 상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하는 사용자 관심도 산출부와; 상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정하는 컨텐츠 추천부를 포함하며, 상기 제2 기간은 상기 제1 기간보다 짧은 기간이며, 상기 제2 기간은 상기 제1 기간보다 최근의 기간일 수 있다.According to an embodiment of the present invention, a content recommendation apparatus is provided. The apparatus includes a first interest calculation unit for calculating a first interest degree for each content category based on content usage information during a first period of a user; A second interest degree calculation unit for calculating a second degree of interest for each of the content categories based on the content content utilization information during a second period of the user; A user interest calculation unit for calculating a user interest for each of the content categories by summing up the first interest degree and the second interest degree; And a content recommendation unit for selecting the recommended content based on the user interest. The second period may be shorter than the first period, and the second period may be more recent than the first period.

상기 사용자 관심도를 산출부는 상기 컨텐츠 카테고리의 특성에 따라 상기 제1 관심도 및 상기 제2 관심도의 가중치를 조정하여 상기 사용자 관심도를 산출하고, 상기 컨텐츠 카테고리의 특성이 컨텐츠의 소비 수명이 기 설정 기간보다 짧은 컨텐츠 카테고리인 경우에는 상기 제2 관심도에 상기 제1 관심도보다 더 큰 가중치를 부여할 수 있다.Wherein the user interest calculating unit calculates the user interest by adjusting weights of the first interest and the second interest according to the characteristics of the content category, and if the property of the content category indicates that the consumption life of the content is shorter than the predetermined period In the case of the content category, the second degree of interest may be given a larger weight than the first degree of interest.

상기 제2 관심도에 부여되는 가중치 및 상기 제1 관심도에 부여되는 가중치의 합은 1일 수 있다.The sum of the weights given to the second degree of interest and the weights given to the first degree of interest may be one.

상기 컨텐츠 이용 정보는 컨텐츠의 구매, 평가 및 실행 이력 중 적어도 하나 이상을 포함할 수 있다.The content use information may include at least one of history, purchase, evaluation, and execution history of the content.

상기 제1 관심도를 산출부 또는 상기 제2 관심도를 산출부는 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도 또는 상기 제2 관심도를 산출하고, 상기 가중치는 컨텐츠 구매 이력에 가장 크게 부여될 수 있다.Wherein the first interest degree calculating unit or the second interest degree calculating unit calculates the first interest degree or the second interest degree by assigning different weights to each of the content purchase, evaluation, and execution histories, And can be given the greatest.

본 명세서의 다른 실시예에 따라 컨텐츠 추천 방법이 제공된다. 상기 방법은 사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하는 단계와; 상기 사용자의 제2 기간 중 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하는 단계와; 상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하는 단계와; 상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정하는 단계를 포함하고, 상기 제2 기간은 상기 제1 기간보다 짧은 기간이며, 상기 제2 기간은 상기 제1 기간보다 최근의 기간일 수 있다.According to another embodiment of the present invention, a content recommendation method is provided. The method includes: calculating a first interest level for each content category based on content usage information during a first period of a user; Calculating a second degree of interest for each content category based on content usage information during a second period of the user; Calculating user interest for each content category by summing the first and second interests; And selecting the recommended content based on the user interest, wherein the second period may be shorter than the first period, and the second period may be more recent than the first period.

상기 사용자 관심도를 산출하는 단계는, 상기 컨텐츠 카테고리의 특성에 따라 상기 제1 관심도 및 상기 제2 관심도의 가중치를 조정하여 상기 사용자 관심도를 산출하는 단계이며, 상기 컨텐츠 카테고리의 특성이 컨텐츠의 소비 수명이 기 설정 기간보다 짧은 컨텐츠 카테고리인 경우에는 상기 제2 관심도에 상기 제1 관심도보다 더 큰 가중치를 부여될 수 있다.The step of calculating the user interest level may include calculating a user interest level by adjusting a weight of the first interest degree and the second degree of interest according to a characteristic of the content category, And if the content category is shorter than the predetermined period, the second interest degree may be given a weight greater than the first interest degree.

상기 컨텐츠 이용 정보는 컨텐츠의 구매, 평가 및 실행 이력 중 적어도 하나 이상을 포함할 수 있다.The content use information may include at least one of history, purchase, evaluation, and execution history of the content.

상기 제1 관심도를 산출하는 단계 또는 상기 제2 관심도를 산출하는 단계는 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도 또는 상기 제2 관심도를 산출하는 단계이며, 상기 가중치는 컨텐츠 구매 이력에 가장 크게 부여될 수 있다.Wherein the step of calculating the first degree of interest or the step of calculating the second degree of interest is a step of calculating the first degree of interest or the second degree of interest by assigning different weights to each of the content purchase, Can be given the greatest amount of content purchasing history.

본 명세서의 또 다른 실시예에 따라 컨텐츠 추천 서비스 시스템이 제공된다. 상기 시스템은. 사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하고, 상기 사용자의 제2 기간 중 컨텐츠 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하고, 상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하고, 상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정하는 컨텐츠 추천 장치와; 상기 컨테츠 이용 정보를 전송하고, 상기 사용자 관심도를 기초로 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시하는 사용자 단말을 포함하고, 상기 제2 기간은 상기 제1 기간보다 짧은 기간이며, 상기 제2 기간은 상기 제1 기간보다 최근의 기간일 수 있다.A content recommendation service system is provided in accordance with another embodiment of the present disclosure. The system comprises: Calculating a first degree of interest for each content category on the basis of content use information during a first period of the user, calculating a second degree of interest for each content category based on the content content usage information during a second period of the user, A content recommendation device for summing up the first degree of interest and the second degree of interest to calculate user interest for each of the content categories and selecting the recommended content based on the user interest; And a user terminal for transmitting the content usage information and displaying content recommended by the content recommendation apparatus based on the user interest level, wherein the second period is shorter than the first period, May be a period more recent than the first period.

본 명세서의 또 다른 실시예에 따라 컨텐츠 추천 서비스 방법이 제공된다. 상기 방법은 컨텐츠 추천 장치가 사용자 단말로부터 사용자의 컨텐츠 이용 정보를 수신하는 단계와; 상기 컨텐츠 추천 장치가 상기 사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하는 단계와; 상기 컨텐츠 추천 장치가 상기 사용자의 제2 기간 중 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하는 단계와; 상기 컨텐츠 추천 장치가 상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하는 단계와; 상기 컨텐츠 추천 장치가 상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정하는 단계와; 상기 사용자 단말이 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시하는 단계를 포함하고, 상기 제2 기간은 상기 제1 기간보다 짧은 기간이며, 상기 제2 기간은 상기 제1 기간보다 최근의 기간일 수 있다.According to another embodiment of the present disclosure, a content recommendation service method is provided. The method includes: receiving a content usage information of a user from a user terminal; The content recommendation apparatus calculating a first degree of interest for each content category based on content usage information during a first period of the user; The content recommendation apparatus calculating a second degree of interest for each content category based on content usage information during a second period of the user; Calculating a user interest level for each content category by adding the first interest degree and the second degree of interest to the content recommendation apparatus; Selecting the recommended content based on the user interest; Wherein the second period is shorter than the first period and the second period is a period that is more recent than the first period. have.

본 명세서의 실시예들은 장기적, 단기적 관심도 반영하여 사용자의 컨텐츠 선호도를 파악함으로써 사용자의 관심사에 부합하는 컨텐츠를 제공하는 할 수 있는 효과가 있다. 또한 사용자의 장기, 단기 관심사를 모두 반영함으로써 전반적인 관심 카테고리와 최근 관심 카테고리를 모두 반영한 새로운 사용자 프로파일 생성하고, 추천 결과의 변동이 없거나 너무 급격히 변화하는 현상을 방지할 수 있는 효과도 성취할 수 있다.The embodiments of the present invention can provide contents matching the interests of the user by reflecting the user's content preference by reflecting long-term and short-term interest. Also, by reflecting all the user's long-term and short-term interests, it is possible to create a new user profile that reflects both the general interest category and the recent interest category, and to prevent the change in the recommendation result from being not changed or too rapidly.

도 1은 본 명세서의 일 실시예에 따른 컨텐츠 추천 장치의 블록도이다.
도 2는 본 명세서의 일 실시예에 따른 컨텐츠 추천 서비스 시스템을 나타낸 구성도이다.
도 3은 본 명세서의 일 실시예에 따른 컨텐츠 추천 방법을 나타낸 흐름도이다.
도 4는 본 명세서의 일 실시예에 따른 컨텐츠 추천 서비스 시스템이 사용자에게 컨텐츠를 추천하는 방법을 나타낸 흐름도이다.1 is a block diagram of a content recommendation apparatus according to an embodiment of the present invention.
2 is a configuration diagram illustrating a content recommendation service system according to an embodiment of the present invention.
3 is a flowchart illustrating a content recommendation method according to an embodiment of the present invention.
4 is a flowchart illustrating a method of recommending contents to a user in a content recommendation service system according to an embodiment of the present invention.

본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.It is noted that the technical terms used herein are used only to describe specific embodiments and are not intended to limit the invention. It is also to be understood that the technical terms used herein are to be interpreted in a sense generally understood by a person skilled in the art to which the present invention belongs, Should not be construed to mean, or be interpreted in an excessively reduced sense. Further, when a technical term used herein is an erroneous technical term that does not accurately express the spirit of the present invention, it should be understood that technical terms that can be understood by a person skilled in the art are replaced. In addition, the general terms used in the present invention should be interpreted according to a predefined or prior context, and should not be construed as being excessively reduced.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니됨을 유의해야 한다. 본 발명의 사상은 첨부된 도면 외에 모든 변경, 균등물 내지 대체물에 까지도 확장되는 것으로 해석되어야 한다.
Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings, wherein like reference numerals refer to like or similar elements throughout the several views, and redundant description thereof will be omitted. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail. It is to be noted that the accompanying drawings are only for the purpose of facilitating understanding of the present invention, and should not be construed as limiting the scope of the present invention with reference to the accompanying drawings. The spirit of the present invention should be construed as extending to all modifications, equivalents, and alternatives in addition to the appended drawings.

도 1은 본 명세서의 일 실시예에 따른 컨텐츠 추천 장치의 블록도이다.1 is a block diagram of a content recommendation apparatus according to an embodiment of the present invention.

상기 컨텐츠 추천 장치(100)는 제1 관심도 산출부(101), 제2 관심도 산출부(102), 사용자 관심도 산출부(103), 컨텐츠 추천부(104)를 포함하여 구성될 수 있다.The content recommendation apparatus 100 may include a first interest calculation unit 101, a second interest calculation unit 102, a user interest calculation unit 103, and a content recommendation unit 104.

상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 이용 정보(구매이력, 평가이력, 사용이력 등)을 분석하여 해당 사용자의 컨텐츠 관심도를 분석하고, 분석된 컨텐츠 관심도를 바탕으로 개인 맞춤형 컨텐츠를 추천할 수 있다. 특히 상기 장치는 디지털 컨텐츠 이용 정보를 다양한 기간(장기, 단기)별로 분석하고, 컨텐츠 카타고리별 특성을 바탕으로 각 기간별 특정 카테고리 관심도를 종합함으로써, 사용자의 컨텐츠 관심도를 입체적으로 파악할 수 있다. 본 명세서에서 개시하는 방법 및 장치에 의해 사용자의 컨텐츠 관심도가 분석되면, 해당 사용자의 관심도가 큰 카테고리의 컨텐츠를 추천할 수 있다.The content recommendation apparatus 100 analyzes usage information (purchasing history, evaluation history, usage history, and the like) of digital content (application, multimedia contents, etc.) of a specific user to analyze the content interest of the user, Personalized content can be recommended as a basis. Particularly, the apparatus analyzes the digital content utilization information for various periods (long term, short term) and synthesizes the specific category interest for each period on the basis of the characteristics of each content category, thereby stereoscopically understanding the content interest of the user. When the content interest of the user is analyzed by the method and apparatus disclosed in this specification, it is possible to recommend the content of the category of which the user is interested.

사용자의 컨텐츠 관심도를 반영하여 효과적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 특정 사용자 및 타 사용자가 이용(구매, 평가, 실행 등)한 컨텐츠 이용 정보를 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치(100)는 다수의 사용자 단말로부터 컨텐츠 이용 정보를 수신하고 저장할 수 있다. 한편 특정 사용자의 컨텐츠 이용 정보가 서버 등에 저장되는 경우에는 상기 컨텐츠 추천 장치(100)는 해당 서버 등으로부터 특정 사용자의 컨텐츠 이용 정보를 수신할 수도 있다.The content recommendation apparatus 100 may collect content usage information (such as purchase, evaluation, execution, etc.) used by a specific user and another user to effectively select recommended content in accordance with the content interest of the user. In one embodiment, the content recommendation apparatus 100 may receive and store content usage information from a plurality of user terminals. Meanwhile, when content usage information of a specific user is stored in a server or the like, the content recommendation apparatus 100 may receive content usage information of a specific user from the server or the like.

상기 컨텐츠 추천 장치(100)는 사용자의 컨텐츠 이용 정보를 여러 기간 별로 다중 분석하여 각 기간에 대한 컨텐츠 카테고리별 사용자 관심도를 산출할 수 있다. 즉, 장기간(제1 기간)동안 특정 사용자가 컨텐츠를 이용한 정보를 통해 사용자가 어떤 카테고리의 컨텐츠에 어느 정도의 관심을 갖고 있는지(제1 관심도) 판단하고, 단기간(제2 기간)동안 특정 사용자가 컨텐츠를 이용한 정보를 통해 사용자가 어떤 카테고리의 컨텐츠에 어느 정도의 관심을 갖고 있는지(제2 관심도) 판단한 후, 이를 종합하여 해당 사용자의 컨텐츠 카테고리별 관심도를 산출할 수 있다.The content recommendation apparatus 100 may analyze user's content utilization information by various periods to calculate user interest for each content category for each period. That is, it is possible to determine how much attention the user has to a certain category of content (first interest degree) through the information that the specific user uses the content for a long period of time (the first period) After a user has a certain degree of interest in a certain category of content (second degree of interest) through information using the content, the degree of interest can be calculated for each content category of the user.

이때, 상기 제1 관심도 산출부(101)는 제1 기간(장기간)동안 특정 사용자의 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도를 산출할 수 있다. 예를 들어, 상기 제1 기간이 ‘최근 1년’이라면, 최근 1년간 특정 사용자의 카테고리별 컨텐츠 구매 횟수, 평가 횟수 및 실행 횟수/시간 정보를 수집하고, 각 항목별로 스코어를 계산한 후 기 설정된 비율로 합산하여 각 카테고리 별로 상기 제1 관심도를 산출할 수 있다.At this time, the first interest calculating unit 101 may calculate the first interest by assigning different weights to each content purchase, evaluation, and execution history of a specific user during a first period (long term). For example, if the first period is 'last one year', information on the number of contents purchases, the number of evaluations and the number of times of execution / time for each category of a specific user for the past one year is collected, and the score is calculated for each item, And the first interest degree may be calculated for each category.

마찬가지로 상기 제2 관심도 산출부(102)는 제2 기간(단기간)동안 특정 사용자의 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도를 산출할 수 있다. 예를 들어, 상기 제1 기간이 ‘최근 3개월’이라면, 최근 3개월간 특정 사용자의 카테고리별 컨텐츠 구매 횟수, 평가 횟수 및 실행 횟수/시간 정보를 수집하고, 각 항목별로 스코어를 계산한 후 기 설정된 비율로 합산하여 각 카테고리 별로 상기 제2 관심도를 산출할 수 있다.Likewise, the second interest calculation unit 102 may calculate the first interest by assigning different weights to each of the content purchase, evaluation, and execution histories of the specific user during the second period (short term). For example, if the first period is 'recent 3 months', information on the number of contents purchases, evaluation times, and execution times / times for each category of a specific user for the last three months is collected, and a score is calculated for each item And the second degree of interest may be calculated for each category.

이때 상기 제1 관심도 산출부(101) 및/또는 상기 제2 관심도 산출부(102)는 컨텐츠 구매, 평가 및 실행 이력 중에서 ‘구매 이력’에 가장 큰 가중치를 두고 관심도를 산출할 수 있는데, 이는 컨텐츠를 구매하는 행위가 사용자의 관심도를 가장 잘 반영한다는 가정에 의한 것이다. 또는 다른 관점에서 기 구매한 컨텐츠를 실행하는 횟수/시간이 사용자의 관심도와 더 밀접하다는 판단을 갖는다면, 상기 제1 기간 또는 상기 제2 기간 중의 컨텐츠 실행 이력(실행 횟수/실행 시간)에 가장 큰 가중치를 둘 수도 있을 것이다.At this time, the first degree of interest calculating unit 101 and / or the second degree of interest calculating unit 102 can calculate the degree of interest with the greatest weight in 'purchase history' among the contents purchase, evaluation and execution history. Is the most likely to reflect the user's interest. (The number of executions / execution time) of the content during the first period or the second period is set to be the largest when the number / time of execution of the purchased content from another point of view is determined to be closer to the user's interest Weights may be placed.

또한 상기 제1 기간 및 상기 제2 기간은 사용자의 장기적/단기적 관심도를 충분히 구별할 수 있도록 설정되며, 상기 제2 기간은 상기 제1 기간보다 짧은 기간으로 상기 제1 기간보다 최근의 기간인 것이 바람직하다. (또는 그 반대의 경우도 가능하다.) 예컨대, 상기 제1 기간 및 상기 제2 기간은 ‘최근 1년/최근 3개월’, ‘최근 6개월/최근 1개월’등으로 설정될 수 있다.The first period and the second period are set so as to sufficiently distinguish the user's long-term / short-term interest degree, and the second period is shorter than the first period and is more recent than the first period Do. (Or vice versa). For example, the first period and the second period may be set to 'last one year / last three months', 'last six months / last one month' and the like.

상기 사용자 관심도 산출부(103)는 상술한 과정으로 산출된 특정 사용자의 상기 제1 관심도 및 상기 제2 관심도를 합산하여 컨텐츠 카테고리 별로 사용자 관심도를 산출할 수 있다. 즉, 각 카테고리별 사용자 관심도를 P_U_1, …, P_U_N 이라 가정하고, 제1 카테고리(P_U_1)에 대한 상기 제1 관심도를 P_U_OLD , 제1 카테고리(P_U_1)에 대한 상기 제1 관심도를 P_U_NEW라고 하면, 제1 카테고리(P_U_1)에 대한 최종 사용자 관심도는 (W_OLD * P_U_OLD) +(W_NEW * P_U_NEW)가 될 수 있다. 여기서, W_OLD와 W_NEW는 각각 제1 관심도 및 제2 관심도의 반영 가중치이다.The user interest calculator 103 may calculate the user interest for each content category by summing the first interest degree and the second interest degree of the specific user calculated through the process described above. In other words, user interest by each category is P_U_1, ... , P_U_N, and the first degree of interest for the first category P_U_1 is P_U_OLD and the first degree of interest for the first category P_U_1 is P_U_NEW, the end user interest for the first category P_U_1 is (W_OLD * P_U_OLD) + (W_NEW * P_U_NEW). Here, W_OLD and W_NEW are reflection weights of the first interest degree and the second interest degree, respectively.

이러한 제1 관심도 및 제2 관심도의 반영 가중치는 그 합이 1이 되도록 결정될 수 있다(W_OLD + W_NEW = 1). 즉, 둘 중 어느 하나의 반영비율이 크다면 상대적으로 다른 하나의 반영비율이 작아지는 것이다.The reflection weights of the first interest and the second interest may be determined so that the sum is 1 (W_OLD + W_NEW = 1). That is, if the reflectance ratio of any one of them is large, the reflectance ratio of the other one becomes smaller.

또는 제1 관심도 및 제2 관심도의 반영 가중치는 각 컨텐츠 카테고리의 특성에 따라 조정될 수도 있다. 즉, 컨텐츠 카테고리마다 W_OLD 와 W_NEW 가 다르게 설정될 수 있다. 예를 들어, 컨텐츠 카테고리의 특성이 소비 수명(life cycle)이 짧은(예: 1개월) 경우(예컨대, 연예오락 프로그램 등의 동영상 컨텐츠)에는 상기 제2 관심도에 상기 제1 관심도보다 더 큰 가중치를 부여할 수 있다(W_OLD < W_NEW). 반대로, 컨텐츠 카테고리의 특성이 소비 수명(life cycle)이 긴(예: 1년) 경우(예컨대, 교통정보 앱)에는 상기 제1 관심도에 상기 제2 관심도보다 더 큰 가중치를 부여할 수 있다(W_OLD > W_NEW).Or the reflection weights of the first interest and the second interest may be adjusted according to the characteristics of each content category. That is, W_OLD and W_NEW may be set differently for each content category. For example, when the characteristic of the content category has a short life cycle (for example, 1 month) (for example, moving picture content such as an entertainment program), a weight greater than the first degree of interest is added to the second degree of interest (W_OLD < W_NEW). Conversely, if the characteristics of the content category have a long life cycle (e.g., 1 year) (e.g., a traffic information app), a greater weight may be assigned to the first interest than the second interest (W_OLD > W_NEW).

위와 같은 과정을 통해 컨텐츠 카테고리별 사용자 관심도가 산출되면, 상기 컨텐츠 추천부(104)는 산출된 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정한다. 즉, 해당 사용자의 관심도가 일정 기준 이상으로 산출된 카테고리에 대하여 준비된 추천 컨텐츠를 제공하는 것이다.If the user interest level for each content category is calculated through the above process, the content recommendation unit 104 selects the recommended content based on the calculated user interest level. That is, it provides the recommended contents prepared for the category in which the interest level of the user is calculated above a certain standard.

이상 설명한 방식을 통하여 추천 컨텐츠를 제공하는 경우에는, 사용자의 긍정적인 추천 반응을 기대할 수 있으며, 기존의 방식보다 더 안정적인 추천 컨텐츠 선정이 가능하다.
In the case of providing the recommended contents through the above-described method, it is possible to expect the positive recommendation response of the user, and it is possible to select the recommended contents more stably than the existing method.

도 2는 본 명세서의 일 실시예에 따른 컨텐츠 추천 서비스 시스템을 나타낸 구성도이다.2 is a configuration diagram illustrating a content recommendation service system according to an embodiment of the present invention.

상기 컨텐츠 추천 서비스 시스템은 컨텐츠 추천 장치(100) 및 사용자 단말(10)을 포함하여 구성될 수 있다. 이때 상기 컨텐츠 추천 장치(100)는 사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하고, 상기 사용자의 제2 기간 중 컨텐츠 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하고, 상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하고, 상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정할 수 있다.The content recommendation service system may include a content recommendation apparatus 100 and a user terminal 10. The content recommendation apparatus 100 calculates a first interest degree for each content category on the basis of the content usage information during a first period of the user, The second interest degree may be calculated separately, the user interest degree may be calculated for each content category by adding the first and second interests, and the recommended content may be selected based on the user interest.

상기 사용자 단말(10)은, 컨텐츠 추천 장치(100)에서 제공하는 서비스에 접속하여 컨텐츠 추천 장치(100)로부터 제공되는 컨텐츠를 수신할 수 있는 단말로서, 예컨대 이동단말 또는 컴퓨터일 수 있다. 이러한 사용자 단말(10)은, 특정 가입자에 의해 일련의 로그인 과정을 거쳐 컨텐츠 추천 장치(100)에서 제공하는 서비스에 접속할 수 있다.The user terminal 10 may be a terminal capable of receiving contents provided from the content recommendation apparatus 100 by accessing a service provided by the content recommendation apparatus 100, for example, a mobile terminal or a computer. The user terminal 10 can access a service provided by the content recommendation apparatus 100 through a series of login processes by a specific subscriber.

상기 사용자 단말(10)은 컨텐츠 추천 장치(100)로부터 컨텐츠 즉 추천 컨텐츠가 제공되면, 추천 컨텐츠 예컨대 추천 컨텐츠를 열람할 수 있도록 하는 컨텐츠 접속정보를 바로 표시할 수 있고, 또는 가입자가 표시를 선택하면 추천 컨텐츠의 컨텐츠 접속정보를 표시할 수도 있다.If the content recommending content is provided from the content recommendation apparatus 100, the user terminal 10 can directly display the content access information for viewing the recommended content, for example, the recommended content, or if the subscriber selects the display The content access information of the recommended content can be displayed.

한편 상기 사용자 단말(10)은 컨텐츠 추천 장치(100)에게 특정 카테고리에 대한 컨텐츠 이용 정보(구매, 평가, 실행 이력 등)를 제공할 수도 있다. 이는 사용자 단말(10) 또는 컨텐츠 서버를 통해 이루어 질 수 있다. 필요한 경우, 사용자 단말(10)은 상기 정보 제공을 위한 사용자의 사전 동의를 전송할 수도 있다.Meanwhile, the user terminal 10 may provide the content recommendation apparatus 100 with content usage information (purchase, evaluation, execution history, etc.) for a specific category. This can be done via the user terminal 10 or the content server. If necessary, the user terminal 10 may transmit the user's prior consent for providing the information.

상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 이용 정보(구매이력, 평가이력, 사용이력 등)을 분석하여 해당 사용자의 컨텐츠 관심도를 분석하고, 분석된 컨텐츠 관심도를 바탕으로 개인 맞춤형 컨텐츠를 추천할 수 있다. 특히 상기 장치는 디지털 컨텐츠 이용 정보를 다양한 기간(장기, 단기)별로 분석하고, 컨텐츠 카타고리별 특성을 바탕으로 각 기간별 특정 카테고리 관심도를 종합함으로써, 사용자의 컨텐츠 관심도를 입체적으로 파악할 수 있다. The content recommendation apparatus 100 analyzes usage information (purchasing history, evaluation history, usage history, and the like) of digital content (application, multimedia contents, etc.) of a specific user to analyze the content interest of the user, Personalized content can be recommended as a basis. Particularly, the apparatus analyzes the digital content utilization information for various periods (long term, short term) and synthesizes the specific category interest for each period on the basis of the characteristics of each content category, thereby stereoscopically understanding the content interest of the user.

사용자의 컨텐츠 관심도를 반영하여 효과적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 특정 사용자 및 타 사용자가 이용(구매, 평가, 실행 등)한 컨텐츠 이용 정보를 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치(100)는 다수의 사용자 단말로부터 컨텐츠 이용 정보를 수신하고 저장할 수 있다. 한편 특정 사용자의 컨텐츠 이용 정보가 서버 등에 저장되는 경우에는 상기 컨텐츠 추천 장치(100)는 해당 서버 등으로부터 특정 사용자의 컨텐츠 이용 정보를 수신할 수도 있다.The content recommendation apparatus 100 may collect content usage information (such as purchase, evaluation, execution, etc.) used by a specific user and another user to effectively select recommended content in accordance with the content interest of the user. In one embodiment, the content recommendation apparatus 100 may receive and store content usage information from a plurality of user terminals. Meanwhile, when content usage information of a specific user is stored in a server or the like, the content recommendation apparatus 100 may receive content usage information of a specific user from the server or the like.

상기 컨텐츠 추천 장치(100)는 사용자의 컨텐츠 이용 정보를 여러 기간 별로 다중 분석하여 각 기간에 대한 컨텐츠 카테고리별 사용자 관심도를 산출할 수 있다. 즉, 장기간(제1 기간)동안 특정 사용자가 컨텐츠를 이용한 정보를 통해 사용자가 어떤 카테고리의 컨텐츠에 어느 정도의 관심을 갖고 있는지(제1 관심도) 판단하고, 단기간(제2 기간)동안 특정 사용자가 컨텐츠를 이용한 정보를 통해 사용자가 어떤 카테고리의 컨텐츠에 어느 정도의 관심을 갖고 있는지(제2 관심도) 판단한 후, 이를 종합하여 해당 사용자의 컨텐츠 카테고리별 관심도를 산출할 수 있다.The content recommendation apparatus 100 may analyze user's content utilization information by various periods to calculate user interest for each content category for each period. That is, it is possible to determine how much attention the user has to a certain category of content (first interest degree) through the information that the specific user uses the content for a long period of time (the first period) After a user has a certain degree of interest in a certain category of content (second degree of interest) through information using the content, the degree of interest can be calculated for each content category of the user.

이때, 상기 컨텐츠 추천 장치(100)는 제1 기간(장기간)동안 특정 사용자의 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도를 산출할 수 있다. 예를 들어, 상기 제1 기간이 ‘최근 1년’이라면, 최근 1년간 특정 사용자의 카테고리별 컨텐츠 구매 횟수, 평가 횟수 및 실행 횟수/시간 정보를 수집하고, 각 항목별로 스코어를 계산한 후 기 설정된 비율로 합산하여 각 카테고리 별로 상기 제1 관심도를 산출할 수 있다.At this time, the content recommendation apparatus 100 may calculate the first degree of interest by assigning different weights to each content purchase, evaluation, and execution history of a specific user for a first period (long term). For example, if the first period is 'last one year', information on the number of contents purchases, the number of evaluations and the number of times of execution / time for each category of a specific user for the past one year is collected, and the score is calculated for each item, And the first interest degree may be calculated for each category.

마찬가지로 상기 컨텐츠 추천 장치(100)는 제2 기간(단기간)동안 특정 사용자의 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도를 산출할 수 있다. 예를 들어, 상기 제1 기간이 ‘최근 3개월’이라면, 최근 3개월간 특정 사용자의 카테고리별 컨텐츠 구매 횟수, 평가 횟수 및 실행 횟수/시간 정보를 수집하고, 각 항목별로 스코어를 계산한 후 기 설정된 비율로 합산하여 각 카테고리 별로 상기 제2 관심도를 산출할 수 있다.Similarly, the content recommendation apparatus 100 may calculate the first degree of interest by assigning different weights to each content purchase, evaluation, and execution history of a specific user during a second period (a short term). For example, if the first period is 'recent 3 months', information on the number of contents purchases, evaluation times, and execution times / times for each category of a specific user for the last three months is collected, and a score is calculated for each item And the second degree of interest may be calculated for each category.

이때 상기 컨텐츠 추천 장치(100)는 컨텐츠 구매, 평가 및 실행 이력 중에서 ‘구매 이력’에 가장 큰 가중치를 두고 관심도를 산출할 수 있는데, 이는 컨텐츠를 구매하는 행위가 사용자의 관심도를 가장 잘 반영한다는 가정에 의한 것이다. 또는 다른 관점에서 기 구매한 컨텐츠를 실행하는 횟수/시간이 사용자의 관심도와 더 밀접하다는 판단을 갖는다면, 상기 제1 기간 또는 상기 제2 기간 중의 컨텐츠 실행 이력(실행 횟수/실행 시간)에 가장 큰 가중치를 둘 수도 있을 것이다.At this time, the content recommendation apparatus 100 can calculate the degree of interest with the greatest weight in the 'purchase history' among the contents purchase, evaluation, and execution history. The content recommendation apparatus 100 estimates the degree of interest . (The number of executions / execution time) of the content during the first period or the second period is set to be the largest when the number / time of execution of the purchased content from another point of view is determined to be closer to the user's interest Weights may be placed.

또한 상기 제1 기간 및 상기 제2 기간은 사용자의 장기적/단기적 관심도를 충분히 구별할 수 있도록 설정되며, 상기 제2 기간은 상기 제1 기간보다 짧은 기간으로 상기 제1 기간보다 최근의 기간인 것이 바람직하다. (또는 그 반대의 경우도 가능하다.) 예컨대, 상기 제1 기간 및 상기 제2 기간은 ‘최근 1년/최근 3개월’, ‘최근 6개월/최근 1개월’등으로 설정될 수 있다.The first period and the second period are set so as to sufficiently distinguish the user's long-term / short-term interest degree, and the second period is shorter than the first period and is more recent than the first period Do. (Or vice versa). For example, the first period and the second period may be set to 'last one year / last three months', 'last six months / last one month' and the like.

상기 컨텐츠 추천 장치(100)는 상술한 과정으로 산출된 특정 사용자의 상기 제1 관심도 및 상기 제2 관심도를 합산하여 컨텐츠 카테고리 별로 사용자 관심도를 산출할 수 있다. 즉, 각 카테고리별 사용자 관심도를 P_U_1, …, P_U_N 이라 가정하고, 제1 카테고리(P_U_1)에 대한 상기 제1 관심도를 P_U_OLD , 제1 카테고리(P_U_1)에 대한 상기 제1 관심도를 P_U_NEW라고 하면, 제1 카테고리(P_U_1)에 대한 최종 사용자 관심도는 (W_OLD * P_U_OLD) +(W_NEW * P_U_NEW)가 될 수 있다. 여기서, W_OLD와 W_NEW는 각각 제1 관심도 및 제2 관심도의 반영 가중치이다.The content recommendation apparatus 100 may calculate the user interest for each content category by summing the first interest and the second interest of the specific user calculated through the process described above. In other words, user interest by each category is P_U_1, ... , P_U_N, and the first degree of interest for the first category P_U_1 is P_U_OLD and the first degree of interest for the first category P_U_1 is P_U_NEW, the end user interest for the first category P_U_1 is (W_OLD * P_U_OLD) + (W_NEW * P_U_NEW). Here, W_OLD and W_NEW are reflection weights of the first interest degree and the second interest degree, respectively.

이러한 제1 관심도 및 제2 관심도의 반영 가중치는 그 합이 1이 되도록 결정될 수 있다(W_OLD + W_NEW = 1). 즉, 둘 중 어느 하나의 반영비율이 크다면 상대적으로 다른 하나의 반영비율이 작아지는 것이다.The reflection weights of the first interest and the second interest may be determined so that the sum is 1 (W_OLD + W_NEW = 1). That is, if the reflectance ratio of any one of them is large, the reflectance ratio of the other one becomes smaller.

또는 제1 관심도 및 제2 관심도의 반영 가중치는 각 컨텐츠 카테고리의 특성에 따라 조정될 수도 있다. 즉, 컨텐츠 카테고리마다 W_OLD 와 W_NEW 가 다르게 설정될 수 있다. 예를 들어, 컨텐츠 카테고리의 특성이 소비 수명(life cycle)이 짧은(예: 1개월) 경우(예컨대, 연예오락 프로그램 등의 동영상 컨텐츠)에는 상기 제2 관심도에 상기 제1 관심도보다 더 큰 가중치를 부여할 수 있다(W_OLD < W_NEW). 반대로, 컨텐츠 카테고리의 특성이 소비 수명(life cycle)이 긴(예: 1년) 경우(예컨대, 교통정보 앱)에는 상기 제1 관심도에 상기 제2 관심도보다 더 큰 가중치를 부여할 수 있다(W_OLD > W_NEW).Or the reflection weights of the first interest and the second interest may be adjusted according to the characteristics of each content category. That is, W_OLD and W_NEW may be set differently for each content category. For example, when the characteristic of the content category has a short life cycle (for example, 1 month) (for example, moving picture content such as an entertainment program), a weight greater than the first degree of interest is added to the second degree of interest (W_OLD < W_NEW). Conversely, if the characteristics of the content category have a long life cycle (e.g., 1 year) (e.g., a traffic information app), a greater weight may be assigned to the first interest than the second interest (W_OLD > W_NEW).

위와 같은 과정을 통해 컨텐츠 카테고리별 사용자 관심도가 산출되면, 상기 컨텐츠 추천 장치(100)는 산출된 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정한다. 즉, 해당 사용자의 관심도가 일정 기준 이상으로 산출된 카테고리에 대하여 준비된 추천 컨텐츠를 제공하는 것이다.
When the user interest degree for each content category is calculated through the above process, the content recommendation apparatus 100 selects the recommended content based on the calculated user interest. That is, it provides the recommended contents prepared for the category in which the interest level of the user is calculated above a certain standard.

도 3은 본 명세서의 일 실시예에 따른 컨텐츠 추천 방법을 나타낸 흐름도이다.3 is a flowchart illustrating a content recommendation method according to an embodiment of the present invention.

이하에서 상술하는 컨텐츠 추천 방법은 컨텐츠 추천 장치에 의해 수행될 수 있다. 상기 컨텐츠 추천 장치는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 이용 정보(구매이력, 평가이력, 사용이력 등)을 분석하여 해당 사용자의 컨텐츠 관심도를 분석하고, 분석된 컨텐츠 관심도를 바탕으로 개인 맞춤형 컨텐츠를 추천할 수 있다. 특히 상기 장치는 디지털 컨텐츠 이용 정보를 다양한 기간(장기, 단기)별로 분석하고, 컨텐츠 카타고리별 특성을 바탕으로 각 기간별 특정 카테고리 관심도를 종합함으로써, 사용자의 컨텐츠 관심도를 입체적으로 파악할 수 있다. 본 명세서에서 개시하는 방법 및 장치에 의해 사용자의 컨텐츠 관심도가 분석되면, 해당 사용자의 관심도가 큰 카테고리의 컨텐츠를 추천할 수 있다.Hereinafter, the content recommendation method described above may be performed by the content recommendation apparatus. The content recommendation device analyzes content usage information of a user by analyzing usage information (purchase history, evaluation history, usage history, etc.) of a digital content (application, multimedia content, etc.) of a specific user, Customized content can be recommended. Particularly, the apparatus analyzes the digital content utilization information for various periods (long term, short term) and synthesizes the specific category interest for each period on the basis of the characteristics of each content category, thereby stereoscopically understanding the content interest of the user. When the content interest of the user is analyzed by the method and apparatus disclosed in this specification, it is possible to recommend the content of the category of which the user is interested.

사용자의 컨텐츠 관심도를 반영하여 효과적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치는 특정 사용자 및 타 사용자가 이용(구매, 평가, 실행 등)한 컨텐츠 이용 정보를 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치는 다수의 사용자 단말로부터 컨텐츠 이용 정보를 수신하고 저장할 수 있다. 한편 특정 사용자의 컨텐츠 이용 정보가 서버 등에 저장되는 경우에는 상기 컨텐츠 추천 장치는 해당 서버 등으로부터 특정 사용자의 컨텐츠 이용 정보를 수신할 수도 있다.In order to effectively select the recommended content in consideration of the content interest of the user, the content recommendation device can collect content usage information (such as purchase, evaluation, execution, etc.) used by a specific user and other users. In one embodiment, the content recommendation apparatus may receive and store content usage information from a plurality of user terminals. Meanwhile, when content usage information of a specific user is stored in a server or the like, the content recommendation apparatus may receive content usage information of a specific user from the server or the like.

상기 컨텐츠 추천 장치는 사용자의 컨텐츠 이용 정보를 여러 기간 별로 다중 분석하여 각 기간에 대한 컨텐츠 카테고리별 사용자 관심도를 산출할 수 있다. 즉, 장기간(제1 기간)동안 특정 사용자가 컨텐츠를 이용한 정보를 통해 사용자가 어떤 카테고리의 컨텐츠에 어느 정도의 관심을 갖고 있는지(제1 관심도) 판단하고, 단기간(제2 기간)동안 특정 사용자가 컨텐츠를 이용한 정보를 통해 사용자가 어떤 카테고리의 컨텐츠에 어느 정도의 관심을 갖고 있는지(제2 관심도) 판단한 후, 이를 종합하여 해당 사용자의 컨텐츠 카테고리별 관심도를 산출할 수 있다.The content recommendation apparatus may analyze user's content utilization information by various periods to calculate user interest per content category for each period. That is, it is possible to determine how much attention the user has to a certain category of content (first interest degree) through the information that the specific user uses the content for a long period of time (the first period) After a user has a certain degree of interest in a certain category of content (second degree of interest) through information using the content, the degree of interest can be calculated for each content category of the user.

이때, 상기 컨텐츠 추천 장치는 제1 기간(장기간)동안 특정 사용자의 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도를 산출할 수 있다(S310). 예를 들어, 상기 제1 기간이 ‘최근 1년’이라면, 최근 1년간 특정 사용자의 카테고리별 컨텐츠 구매 횟수, 평가 횟수 및 실행 횟수/시간 정보를 수집하고, 각 항목별로 스코어를 계산한 후 기 설정된 비율로 합산하여 각 카테고리 별로 상기 제1 관심도를 산출할 수 있다.At this time, the content recommendation apparatus may calculate the first degree of interest by assigning different weights to each content purchase, evaluation, and execution history of a specific user during a first period (long term) (S310). For example, if the first period is 'last one year', information on the number of contents purchases, the number of evaluations and the number of times of execution / time for each category of a specific user for the past one year is collected, and the score is calculated for each item, And the first interest degree may be calculated for each category.

마찬가지로 상기 컨텐츠 추천 장치는 제2 기간(단기간)동안 특정 사용자의 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도를 산출할 수 있다(S320). 예를 들어, 상기 제1 기간이 ‘최근 3개월’이라면, 최근 3개월간 특정 사용자의 카테고리별 컨텐츠 구매 횟수, 평가 횟수 및 실행 횟수/시간 정보를 수집하고, 각 항목별로 스코어를 계산한 후 기 설정된 비율로 합산하여 각 카테고리 별로 상기 제2 관심도를 산출할 수 있다.Similarly, the content recommendation apparatus may calculate the first degree of interest by assigning different weights to each content purchase, evaluation, and execution history of a specific user during a second period (a short term) (S320). For example, if the first period is 'recent 3 months', information on the number of contents purchases, evaluation times, and execution times / times for each category of a specific user for the last three months is collected, and a score is calculated for each item And the second degree of interest may be calculated for each category.

이때 상기 컨텐츠 추천 장치는 컨텐츠 구매, 평가 및 실행 이력 중에서 ‘구매 이력’에 가장 큰 가중치를 두고 관심도를 산출할 수 있는데, 이는 컨텐츠를 구매하는 행위가 사용자의 관심도를 가장 잘 반영한다는 가정에 의한 것이다. 또는 다른 관점에서 기 구매한 컨텐츠를 실행하는 횟수/시간이 사용자의 관심도와 더 밀접하다는 판단을 갖는다면, 상기 제1 기간 또는 상기 제2 기간 중의 컨텐츠 실행 이력(실행 횟수/실행 시간)에 가장 큰 가중치를 둘 수도 있을 것이다.At this time, the content recommendation apparatus can calculate the interest degree with the greatest weight in the 'purchase history' among the contents purchase, evaluation, and execution history. This is based on the assumption that the purchase of the contents best reflects the interest of the user . (The number of executions / execution time) of the content during the first period or the second period is set to be the largest when the number / time of execution of the purchased content from another point of view is determined to be closer to the user's interest Weights may be placed.

또한 상기 제1 기간 및 상기 제2 기간은 사용자의 장기적/단기적 관심도를 충분히 구별할 수 있도록 설정되며, 상기 제2 기간은 상기 제1 기간보다 짧은 기간으로 상기 제1 기간보다 최근의 기간인 것이 바람직하다. (또는 그 반대의 경우도 가능하다.) 예컨대, 상기 제1 기간 및 상기 제2 기간은 ‘최근 1년/최근 3개월’, ‘최근 6개월/최근 1개월’등으로 설정될 수 있다.The first period and the second period are set so as to sufficiently distinguish the user's long-term / short-term interest degree, and the second period is shorter than the first period and is more recent than the first period Do. (Or vice versa). For example, the first period and the second period may be set to 'last one year / last three months', 'last six months / last one month' and the like.

상기 컨텐츠 추천 장치는 상술한 과정으로 산출된 특정 사용자의 상기 제1 관심도 및 상기 제2 관심도를 합산하여 컨텐츠 카테고리 별로 사용자 관심도를 산출할 수 있다(S330). 즉, 각 카테고리별 사용자 관심도를 P_U_1, …, P_U_N 이라 가정하고, 제1 카테고리(P_U_1)에 대한 상기 제1 관심도를 P_U_OLD , 제1 카테고리(P_U_1)에 대한 상기 제1 관심도를 P_U_NEW라고 하면, 제1 카테고리(P_U_1)에 대한 최종 사용자 관심도는 (W_OLD * P_U_OLD) +(W_NEW * P_U_NEW)가 될 수 있다. 여기서, W_OLD와 W_NEW는 각각 제1 관심도 및 제2 관심도의 반영 가중치이다.The content recommendation apparatus may calculate the user interest for each content category by summing the first interest and the second interest of the specific user calculated in the above-described process (S330). In other words, user interest by each category is P_U_1, ... , P_U_N, and the first degree of interest for the first category P_U_1 is P_U_OLD and the first degree of interest for the first category P_U_1 is P_U_NEW, the end user interest for the first category P_U_1 is (W_OLD * P_U_OLD) + (W_NEW * P_U_NEW). Here, W_OLD and W_NEW are reflection weights of the first interest degree and the second interest degree, respectively.

이러한 제1 관심도 및 제2 관심도의 반영 가중치는 그 합이 1이 되도록 결정될 수 있다(W_OLD + W_NEW = 1). 즉, 둘 중 어느 하나의 반영비율이 크다면 상대적으로 다른 하나의 반영비율이 작아지는 것이다.The reflection weights of the first interest and the second interest may be determined so that the sum is 1 (W_OLD + W_NEW = 1). That is, if the reflectance ratio of any one of them is large, the reflectance ratio of the other one becomes smaller.

또는 제1 관심도 및 제2 관심도의 반영 가중치는 각 컨텐츠 카테고리의 특성에 따라 조정될 수도 있다. 즉, 컨텐츠 카테고리마다 W_OLD 와 W_NEW 가 다르게 설정될 수 있다. 예를 들어, 컨텐츠 카테고리의 특성이 소비 수명(life cycle)이 짧은(예: 1개월) 경우(예컨대, 연예오락 프로그램 등의 동영상 컨텐츠)에는 상기 제2 관심도에 상기 제1 관심도보다 더 큰 가중치를 부여할 수 있다(W_OLD < W_NEW). 반대로, 컨텐츠 카테고리의 특성이 소비 수명(life cycle)이 긴(예: 1년) 경우(예컨대, 교통정보 앱)에는 상기 제1 관심도에 상기 제2 관심도보다 더 큰 가중치를 부여할 수 있다(W_OLD > W_NEW).Or the reflection weights of the first interest and the second interest may be adjusted according to the characteristics of each content category. That is, W_OLD and W_NEW may be set differently for each content category. For example, when the characteristic of the content category has a short life cycle (for example, 1 month) (for example, moving picture content such as an entertainment program), a weight greater than the first degree of interest is added to the second degree of interest (W_OLD < W_NEW). Conversely, if the characteristics of the content category have a long life cycle (e.g., 1 year) (e.g., a traffic information app), a greater weight may be assigned to the first interest than the second interest (W_OLD > W_NEW).

위와 같은 과정을 통해 컨텐츠 카테고리별 사용자 관심도가 산출되면, 상기 컨텐츠 추천 장치는 산출된 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정한다(S340). 즉, 해당 사용자의 관심도가 일정 기준 이상으로 산출된 카테고리에 대하여 준비된 추천 컨텐츠를 제공하는 것이다.
If the user interest degree is calculated for each content category through the above process, the content recommendation apparatus selects the recommended content based on the calculated user interest (S340). That is, it provides the recommended contents prepared for the category in which the interest level of the user is calculated above a certain standard.

도 4는 본 명세서의 일 실시예에 따른 컨텐츠 추천 서비스 시스템이 사용자에게 컨텐츠를 추천하는 방법을 나타낸 흐름도이다.4 is a flowchart illustrating a method of recommending contents to a user in a content recommendation service system according to an embodiment of the present invention.

상기 컨텐츠 추천 서비스 방법은 컨텐츠 추천 장치 및 사용자 단말에 의해 수행될 수 있다.The content recommendation service method may be performed by a content recommendation apparatus and a user terminal.

상기 컨텐츠 추천 장치(100)는 사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하고, 상기 사용자의 제2 기간 중 컨텐츠 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하고, 상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하고, 상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정할 수 있다.The content recommendation apparatus 100 calculates a first degree of interest for each content category on the basis of content usage information during a first period of a user and calculates a first degree of interest for each content category based on content content utilization information during a second period of the user The second interest degree is calculated, the user interest degree is calculated for each content category by adding the first interest degree and the second degree of interest, and the recommendation content can be selected based on the user interest level.

상기 사용자 단말(10)은 컨텐츠 추천 장치(100)에게 특정 카테고리에 대한 컨텐츠 이용 정보(구매, 평가, 실행 이력 등)를 전송할 수 있다(S410).The user terminal 10 may transmit content usage information (purchase, evaluation, execution history, and the like) for a specific category to the content recommendation apparatus 100 (S410).

상기 컨텐츠 이용 정보를 수신한 상기 컨텐츠 추천 장치는 사용자의 컨텐츠 이용 정보를 여러 기간 별로 다중 분석하여 각 기간에 대한 컨텐츠 카테고리별 사용자 관심도를 산출할 수 있다.The content recommendation apparatus having received the content utilization information can analyze user's content utilization information by various periods to calculate user interest for each content category for each period.

이때, 상기 컨텐츠 추천 장치는 제1 기간(장기간)동안 특정 사용자의 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도를 산출할 수 있다(S430). 예를 들어, 상기 제1 기간이 ‘최근 1년’이라면, 최근 1년간 특정 사용자의 카테고리별 컨텐츠 구매 횟수, 평가 횟수 및 실행 횟수/시간 정보를 수집하고, 각 항목별로 스코어를 계산한 후 기 설정된 비율로 합산하여 각 카테고리 별로 상기 제1 관심도를 산출할 수 있다.At this time, the content recommendation apparatus may calculate the first degree of interest by assigning different weights to each content purchase, evaluation, and execution history of the specific user during the first period (long term) (S430). For example, if the first period is 'last one year', information on the number of contents purchases, the number of evaluations and the number of times of execution / time for each category of a specific user for the past one year is collected, and the score is calculated for each item, And the first interest degree may be calculated for each category.

마찬가지로 상기 컨텐츠 추천 장치는 제2 기간(단기간)동안 특정 사용자의 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도를 산출할 수 있다(S440). 예를 들어, 상기 제1 기간이 ‘최근 3개월’이라면, 최근 3개월간 특정 사용자의 카테고리별 컨텐츠 구매 횟수, 평가 횟수 및 실행 횟수/시간 정보를 수집하고, 각 항목별로 스코어를 계산한 후 기 설정된 비율로 합산하여 각 카테고리 별로 상기 제2 관심도를 산출할 수 있다.Similarly, the content recommendation apparatus may calculate the first degree of interest by assigning different weights to each content purchase, evaluation, and execution history of a specific user during a second period (a short term) (S440). For example, if the first period is 'recent 3 months', information on the number of contents purchases, evaluation times, and execution times / times for each category of a specific user for the last three months is collected, and a score is calculated for each item And the second degree of interest may be calculated for each category.

이때 상기 컨텐츠 추천 장치는 컨텐츠 구매, 평가 및 실행 이력 중에서 ‘구매 이력’에 가장 큰 가중치를 두고 관심도를 산출할 수 있는데, 이는 컨텐츠를 구매하는 행위가 사용자의 관심도를 가장 잘 반영한다는 가정에 의한 것이다. 또는 다른 관점에서 기 구매한 컨텐츠를 실행하는 횟수/시간이 사용자의 관심도와 더 밀접하다는 판단을 갖는다면, 상기 제1 기간 또는 상기 제2 기간 중의 컨텐츠 실행 이력(실행 횟수/실행 시간)에 가장 큰 가중치를 둘 수도 있을 것이다.At this time, the content recommendation apparatus can calculate the interest degree with the greatest weight in the 'purchase history' among the contents purchase, evaluation, and execution history. This is based on the assumption that the purchase of the contents best reflects the interest of the user . (The number of executions / execution time) of the content during the first period or the second period is set to be the largest when the number / time of execution of the purchased content from another point of view is determined to be closer to the user's interest Weights may be placed.

또한 상기 제1 기간 및 상기 제2 기간은 사용자의 장기적/단기적 관심도를 충분히 구별할 수 있도록 설정되며, 상기 제2 기간은 상기 제1 기간보다 짧은 기간으로 상기 제1 기간보다 최근의 기간인 것이 바람직하다. (또는 그 반대의 경우도 가능하다.) 예컨대, 상기 제1 기간 및 상기 제2 기간은 ‘최근 1년/최근 3개월’, ‘최근 6개월/최근 1개월’등으로 설정될 수 있다.The first period and the second period are set so as to sufficiently distinguish the user's long-term / short-term interest degree, and the second period is shorter than the first period and is more recent than the first period Do. (Or vice versa). For example, the first period and the second period may be set to 'last one year / last three months', 'last six months / last one month' and the like.

상기 컨텐츠 추천 장치는 상술한 과정으로 산출된 특정 사용자의 상기 제1 관심도 및 상기 제2 관심도를 합산하여 컨텐츠 카테고리 별로 사용자 관심도를 산출할 수 있다(S450). 즉, 각 카테고리별 사용자 관심도를 P_U_1, …, P_U_N 이라 가정하고, 제1 카테고리(P_U_1)에 대한 상기 제1 관심도를 P_U_OLD , 제1 카테고리(P_U_1)에 대한 상기 제1 관심도를 P_U_NEW라고 하면, 제1 카테고리(P_U_1)에 대한 최종 사용자 관심도는 (W_OLD * P_U_OLD) +(W_NEW * P_U_NEW)가 될 수 있다. 여기서, W_OLD와 W_NEW는 각각 제1 관심도 및 제2 관심도의 반영 가중치이다.In operation S450, the content recommendation apparatus may calculate user interest for each content category by summing the first interest and the second interest of the specific user calculated in the above-described process. In other words, user interest by each category is P_U_1, ... , P_U_N, and the first degree of interest for the first category P_U_1 is P_U_OLD and the first degree of interest for the first category P_U_1 is P_U_NEW, the end user interest for the first category P_U_1 is (W_OLD * P_U_OLD) + (W_NEW * P_U_NEW). Here, W_OLD and W_NEW are reflection weights of the first interest degree and the second interest degree, respectively.

이러한 제1 관심도 및 제2 관심도의 반영 가중치는 그 합이 1이 되도록 결정될 수 있다(W_OLD + W_NEW = 1). 즉, 둘 중 어느 하나의 반영비율이 크다면 상대적으로 다른 하나의 반영비율이 작아지는 것이다.The reflection weights of the first interest and the second interest may be determined so that the sum is 1 (W_OLD + W_NEW = 1). That is, if the reflectance ratio of any one of them is large, the reflectance ratio of the other one becomes smaller.

또는 제1 관심도 및 제2 관심도의 반영 가중치는 각 컨텐츠 카테고리의 특성에 따라 조정될 수도 있다. 즉, 컨텐츠 카테고리마다 W_OLD 와 W_NEW 가 다르게 설정될 수 있다. 예를 들어, 컨텐츠 카테고리의 특성이 소비 수명(life cycle)이 짧은(예: 1개월) 경우(예컨대, 연예오락 프로그램 등의 동영상 컨텐츠)에는 상기 제2 관심도에 상기 제1 관심도보다 더 큰 가중치를 부여할 수 있다(W_OLD < W_NEW). 반대로, 컨텐츠 카테고리의 특성이 소비 수명(life cycle)이 긴(예: 1년) 경우(예컨대, 교통정보 앱)에는 상기 제1 관심도에 상기 제2 관심도보다 더 큰 가중치를 부여할 수 있다(W_OLD > W_NEW).Or the reflection weights of the first interest and the second interest may be adjusted according to the characteristics of each content category. That is, W_OLD and W_NEW may be set differently for each content category. For example, when the characteristic of the content category has a short life cycle (for example, 1 month) (for example, moving picture content such as an entertainment program), a weight greater than the first degree of interest is added to the second degree of interest (W_OLD < W_NEW). Conversely, if the characteristics of the content category have a long life cycle (e.g., 1 year) (e.g., a traffic information app), a greater weight may be assigned to the first interest than the second interest (W_OLD > W_NEW).

위와 같은 과정을 통해 컨텐츠 카테고리별 사용자 관심도가 산출되면, 상기 컨텐츠 추천 장치는 산출된 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정한다(S460).If the user interest level for each content category is calculated through the above process, the content recommendation device selects the recommended content based on the calculated user interest (S460).

이후 상기 컨텐츠 추천 장치는 선정된 추천 컨텐르를 제공하고(S460), 상기 사용자 단말는 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시한다.Then, the content recommendation apparatus provides the selected recommended content (S460), and the user terminal displays the content recommended by the content recommendation apparatus.

이상, 본 발명의 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims.

100 : 컨텐츠 추천 장치
101 : 제1 관심도 산출부
102 : 제2 관심도 산출부
103 : 사용자 관심도 산출부
104 : 컨텐츠 추천부100: content recommendation device
101: first interest calculation unit
102: second interest calculation unit
103: User interest calculation unit
104:

Claims (11)

사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하는 제1 관심도 산출부;
상기 사용자의 제2 기간 중 컨텐츠 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하는 제2 관심도 산출부;
상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하는 사용자 관심도 산출부;
상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정하는 컨텐츠 추천부를 포함하되,
상기 제2 기간은 상기 제1 기간보다 짧은 기간이며, 상기 제2 기간은 상기 제1 기간보다 최근의 기간인 것을 특징으로 하는 컨텐츠 추천 장치.A first interest calculation unit for calculating a first interest degree for each content category on the basis of the content usage information during a first period of the user;
A second degree of interest calculating unit for calculating a second degree of interest for each of the content categories based on the content content utilization information during a second period of the user;
A user interest calculation unit for calculating a user interest for each of the content categories by summing up the first interest and the second interest;
And a content recommendation unit for selecting a recommended content based on the user interest level,
Wherein the second period is shorter than the first period and the second period is more recent than the first period. 제1항에 있어서,
상기 사용자 관심도를 산출부는
상기 컨텐츠 카테고리의 특성에 따라 상기 제1 관심도 및 상기 제2 관심도의 가중치를 조정하여 상기 사용자 관심도를 산출하고,
상기 컨텐츠 카테고리의 특성이 컨텐츠의 소비 수명이 기 설정 기간보다 짧은 컨텐츠 카테고리인 경우에는 상기 제2 관심도에 상기 제1 관심도보다 더 큰 가중치를 부여하는 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
The user interest calculation unit
Calculating a user interest level by adjusting weights of the first degree of interest and the second degree of interest according to the characteristics of the content category,
Wherein when the characteristic of the content category is a content category whose consumption life of the content is shorter than the preset period, the second recommending unit assigns a weight greater than the first interest to the second interest. 제1항에 있어서,
상기 제2 관심도에 부여되는 가중치 및 상기 제1 관심도에 부여되는 가중치의 합은 1인 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
Wherein the sum of the weight given to the second degree of interest and the weight given to the first degree of interest is one. 제1항에 있어서,
상기 컨텐츠 이용 정보는 컨텐츠의 구매, 평가 및 실행 이력 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
Wherein the content use information includes at least one of a purchase history, an evaluation history, and an execution history of the content. 제4항에 있어서,
상기 제1 관심도를 산출부 또는 상기 제2 관심도를 산출부는 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도 또는 상기 제2 관심도를 산출하고,
상기 가중치는 컨텐츠 구매 이력에 가장 크게 부여되는 것을 특징으로 하는 컨텐츠 추천 장치.5. The method of claim 4,
Wherein the first interest degree calculating unit or the second interest degree calculating unit calculates the first degree of interest or the second degree of interest by assigning different weights to each of the content purchase,
Wherein the weight is given to the content purchasing history to the greatest extent. 사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하는 단계;
상기 사용자의 제2 기간 중 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하는 단계;
상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하는 단계;
상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정하는 단계를 포함하되,
상기 제2 기간은 상기 제1 기간보다 짧은 기간이며, 상기 제2 기간은 상기 제1 기간보다 최근의 기간인 것을 특징으로 하는 컨텐츠 추천 방법.Calculating a first interest level for each content category based on content usage information during a first period of the user;
Calculating a second degree of interest for each of the plurality of content categories based on the content usage information during a second period of the user;
Calculating user interest for each content category by summing up the first and second interests;
Selecting a recommendation content based on the user interest,
Wherein the second period is shorter than the first period and the second period is more recent than the first period. 제6항에 있어서,
상기 사용자 관심도를 산출하는 단계는
상기 컨텐츠 카테고리의 특성에 따라 상기 제1 관심도 및 상기 제2 관심도의 가중치를 조정하여 상기 사용자 관심도를 산출하는 단계이며,
상기 컨텐츠 카테고리의 특성이 컨텐츠의 소비 수명이 기 설정 기간보다 짧은 컨텐츠 카테고리인 경우에는 상기 제2 관심도에 상기 제1 관심도보다 더 큰 가중치를 부여하는 것을 특징으로 하는 방법.The method according to claim 6,
The step of computing the user interest
Adjusting the weights of the first interest degree and the second degree of interest according to the characteristics of the content category to calculate the user interest degree,
Wherein when the characteristic of the content category is a content category whose consumption life of the content is shorter than the preset period, the second degree of interest is given a weight greater than the first degree of interest. 제6항에 있어서,
상기 컨텐츠 이용 정보는 컨텐츠의 구매, 평가 및 실행 이력 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 컨텐츠 추천 방법.The method according to claim 6,
Wherein the content use information includes at least one of a purchase history, an evaluation history, and an execution history of the content. 제8항에 있어서,
상기 제1 관심도를 산출하는 단계 또는 상기 제2 관심도를 산출하는 단계는 컨텐츠 구매, 평가 및 실행 이력 각각에 별도의 가중치를 부여하여 상기 제1 관심도 또는 상기 제2 관심도를 산출하는 단계이며,
상기 가중치는 컨텐츠 구매 이력에 가장 크게 부여되는 것을 특징으로 하는 방법.9. The method of claim 8,
Wherein the step of calculating the first degree of interest or the step of calculating the second degree of interest is a step of calculating the first degree of interest or the second degree of interest by assigning different weights to each of the content purchase,
Wherein the weight is given to the content purchasing history to the greatest extent. 사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하고, 상기 사용자의 제2 기간 중 컨텐츠 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하고, 상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하고, 상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정하는 컨텐츠 추천 장치; 및
상기 컨테츠 이용 정보를 전송하고, 상기 사용자 관심도를 기초로 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시하는 사용자 단말을 포함하되,
상기 제2 기간은 상기 제1 기간보다 짧은 기간이며, 상기 제2 기간은 상기 제1 기간보다 최근의 기간인 것을 특징으로 하는 컨텐츠 추천 서비스 시스템.Calculating a first degree of interest for each content category on the basis of content use information during a first period of the user, calculating a second degree of interest for each content category based on the content content usage information during a second period of the user, A content recommendation device for calculating user interest for each of the content categories by summing the first interest degree and the second degree of interest and selecting the recommended content based on the user interest level; And
And a user terminal for transmitting the content usage information and displaying content recommended by the content recommendation apparatus based on the user interest,
Wherein the second period is shorter than the first period and the second period is more recent than the first period. 컨텐츠 추천 장치가 사용자 단말로부터 사용자의 컨텐츠 이용 정보를 수신하는 단계;
상기 컨텐츠 추천 장치가 상기 사용자의 제1 기간 중 컨텐츠 이용 정보를 기초로 하여 컨텐츠 카테고리 별로 제1 관심도를 산출하는 단계;
상기 컨텐츠 추천 장치가 상기 사용자의 제2 기간 중 컨텐츠 이용 정보를 기초로 하여 상기 컨텐츠 카테고리 별로 제2 관심도를 산출하는 단계;
상기 컨텐츠 추천 장치가 상기 제1 관심도 및 상기 제2 관심도를 합산하여 상기 컨텐츠 카테고리 별로 사용자 관심도를 산출하는 단계;
상기 컨텐츠 추천 장치가 상기 사용자 관심도를 기초로 하여 추천 컨텐츠를 선정하는 단계; 및
상기 사용자 단말이 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시하는 단계를 포함하되,
상기 제2 기간은 상기 제1 기간보다 짧은 기간이며, 상기 제2 기간은 상기 제1 기간보다 최근의 기간인 것을 특징으로 하는 컨텐츠 추천 서비스 방법.The content recommendation apparatus receiving content usage information of a user from a user terminal;
The content recommendation apparatus calculating a first interest degree for each content category based on content usage information during a first period of the user;
The content recommendation apparatus calculating a second degree of interest for each content category based on content usage information during a second period of the user;
Calculating a user interest level for each content category by adding the first degree of interest and the second degree of interest to the content recommendation apparatus;
Selecting the recommended content based on the user interest; And
And displaying the content recommended by the content recommendation apparatus by the user terminal,
Wherein the second period is shorter than the first period and the second period is more recent than the first period.
KR1020130008115A 2013-01-24 2013-01-24 Method to recommend digital contents using multi-period user profile and apparatus therefor KR102086041B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130008115A KR102086041B1 (en) 2013-01-24 2013-01-24 Method to recommend digital contents using multi-period user profile and apparatus therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130008115A KR102086041B1 (en) 2013-01-24 2013-01-24 Method to recommend digital contents using multi-period user profile and apparatus therefor

Publications (2)

Publication Number Publication Date
KR20140096410A true KR20140096410A (en) 2014-08-06
KR102086041B1 KR102086041B1 (en) 2020-03-06

Family

ID=51744253

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130008115A KR102086041B1 (en) 2013-01-24 2013-01-24 Method to recommend digital contents using multi-period user profile and apparatus therefor

Country Status (1)

Country Link
KR (1) KR102086041B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160027263A (en) * 2014-08-27 2016-03-10 주식회사 케이티 System and server reflecting user real-time preference
KR20210103735A (en) * 2020-02-14 2021-08-24 주식회사 엘지유플러스 Method and device for recommending a poster

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102388281B1 (en) * 2021-08-17 2022-04-19 주식회사 페이스토리 Gift certificate trading system for digital contents

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030084944A (en) * 2001-02-26 2003-11-01 인터내셔널 비지네스 머신즈 코포레이션 Wireless communication system and method to provide geo-spatial related event data
KR20060071235A (en) * 2004-12-21 2006-06-26 삼성전자주식회사 Apparatus and method for providing realtime of recommendation contents
KR20060116216A (en) * 2004-01-08 2006-11-14 와이더댄 주식회사 Method and system for providing personalized menu page in wireless internet
KR20080043140A (en) * 2006-11-13 2008-05-16 에스케이커뮤니케이션즈 주식회사 Collaborative filtering system and method
KR20080111180A (en) * 2007-05-28 2008-12-23 주식회사 엔씨소프트 System and method for managing contents using lifetime of contents
KR20080114761A (en) * 2006-03-29 2008-12-31 야후! 인크. A behavioral targeting system
KR20090017268A (en) * 2007-08-14 2009-02-18 엔에이치엔(주) Method for updating interest keyword of user and system for executing the method
JP2009080808A (en) * 2007-09-20 2009-04-16 Alcatel-Lucent Apparatus for automatic indexing of content
KR20090101770A (en) * 2008-03-24 2009-09-29 에스케이커뮤니케이션즈 주식회사 Method and system for classifing content using collaborative filtering
KR20100052896A (en) * 2008-11-11 2010-05-20 한국과학기술원 Mehod and system for recommending intelligent contents according to user
KR20110000996A (en) * 2009-06-29 2011-01-06 주식회사 모임 Apparatus and method for presenting personalized contents information based on artificial intelligence, and recording medium thereof

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030084944A (en) * 2001-02-26 2003-11-01 인터내셔널 비지네스 머신즈 코포레이션 Wireless communication system and method to provide geo-spatial related event data
KR20060116216A (en) * 2004-01-08 2006-11-14 와이더댄 주식회사 Method and system for providing personalized menu page in wireless internet
KR20060071235A (en) * 2004-12-21 2006-06-26 삼성전자주식회사 Apparatus and method for providing realtime of recommendation contents
KR20080114761A (en) * 2006-03-29 2008-12-31 야후! 인크. A behavioral targeting system
KR20080043140A (en) * 2006-11-13 2008-05-16 에스케이커뮤니케이션즈 주식회사 Collaborative filtering system and method
KR20080111180A (en) * 2007-05-28 2008-12-23 주식회사 엔씨소프트 System and method for managing contents using lifetime of contents
KR20090017268A (en) * 2007-08-14 2009-02-18 엔에이치엔(주) Method for updating interest keyword of user and system for executing the method
JP2009080808A (en) * 2007-09-20 2009-04-16 Alcatel-Lucent Apparatus for automatic indexing of content
KR20090101770A (en) * 2008-03-24 2009-09-29 에스케이커뮤니케이션즈 주식회사 Method and system for classifing content using collaborative filtering
KR20100052896A (en) * 2008-11-11 2010-05-20 한국과학기술원 Mehod and system for recommending intelligent contents according to user
KR20110000996A (en) * 2009-06-29 2011-01-06 주식회사 모임 Apparatus and method for presenting personalized contents information based on artificial intelligence, and recording medium thereof

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160027263A (en) * 2014-08-27 2016-03-10 주식회사 케이티 System and server reflecting user real-time preference
KR20210103735A (en) * 2020-02-14 2021-08-24 주식회사 엘지유플러스 Method and device for recommending a poster

Also Published As

Publication number Publication date
KR102086041B1 (en) 2020-03-06

Similar Documents

Publication Publication Date Title
US10630794B2 (en) Multi computing device network based conversion determination based on computer network traffic
US9258606B1 (en) Using second screen devices to augment media engagement metrics
CN105960656B (en) Method and system for creating a data-driven attribution model for assigning an attribution score to a plurality of events
US9635096B2 (en) Selecting a content item based on a view profile
WO2017101240A1 (en) Information processing method and server and computer storage medium
KR102150660B1 (en) Method to recommend digital contents based on search log and apparatus therefor
US9697534B2 (en) Attribution marketing recommendations
WO2018121700A1 (en) Method and device for recommending application information based on installed application, terminal device, and storage medium
KR102131791B1 (en) Method to provide recommended contents and associated contents
US10162864B2 (en) Reader application system utilizing article scoring and clustering
US10025863B2 (en) Recommending contents using a base profile
WO2013155233A1 (en) Insertion of user-generated content into advertisements
US20200250716A1 (en) Computer-projected confidence indicia
US9875484B1 (en) Evaluating attribution models
US20150287069A1 (en) Personal digital engine for user empowerment and method to operate the same
US11468479B2 (en) Methods and apparatus for generating information about portable device advertising
RU2622850C2 (en) Method and server for processing product identifiers and machine-readable storage medium
KR20140096411A (en) Method to recommend digital contents based on reliavility of contents assessment and apparatus therefor
KR20140096410A (en) Method to recommend digital contents using multi-period user profile and apparatus therefor
JP6067810B2 (en) Distribution device and distribution method
JP2016110217A (en) Distribution device and distribution method
JP2007041869A (en) Investment support system and method
KR102104100B1 (en) Method to recommend digital contents based on usage log and apparatus therefor
JP2014222474A (en) Information processor, method and program
US10755325B2 (en) Displaying listings based on listing activity

Legal Events

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