KR20140096411A - Method to recommend digital contents based on reliavility of contents assessment and apparatus therefor - Google Patents

Method to recommend digital contents based on reliavility of contents assessment and apparatus therefor Download PDF

Info

Publication number
KR20140096411A
KR20140096411A KR1020130008228A KR20130008228A KR20140096411A KR 20140096411 A KR20140096411 A KR 20140096411A KR 1020130008228 A KR1020130008228 A KR 1020130008228A KR 20130008228 A KR20130008228 A KR 20130008228A KR 20140096411 A KR20140096411 A KR 20140096411A
Authority
KR
South Korea
Prior art keywords
content
user
evaluation
reliability
score
Prior art date
Application number
KR1020130008228A
Other languages
Korean (ko)
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 KR1020130008228A priority Critical patent/KR20140096411A/en
Publication of KR20140096411A publication Critical patent/KR20140096411A/en

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • 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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

A device to recommend content is disclosed. The device comprises an evaluation reliability measuring unit, an evaluation score calculating unit, and a content recommending unit. The evaluation reliability measuring unit calculates the content evaluation reliability of a user by comparing the evaluation result of the user for a specific content among various content with an evaluation result of another user for the specific content. The evaluation score calculating unit calculates the final evaluation score for various content based on the content evaluation reliability of the user and the evaluation score of the user for various content. The content recommending unit determines the content to be recommended to the user based on the final evaluation score.

Description

평가 신뢰도에 기반한 디지털 컨텐츠 추천 방법 및 그 장치{METHOD TO RECOMMEND DIGITAL CONTENTS BASED ON RELIAVILITY OF CONTENTS ASSESSMENT AND APPARATUS THEREFOR}[0001] METHOD TO RECOMMEND DIGITAL CONTENTS [0002] BASED ON RELIABILITY OF CONTENTS ASSESSMENT AND APPARATUS THEREFOR [0003]

본 명세서는 평가 신뢰도에 기반한 디지털 컨텐츠 추천 방법 및 그 장치에 관한 것으로서, 보다 상세하게는 사용자가 기 수행한 컨텐츠 평가 결과의 신뢰도를 측정하고, 사용자의 신뢰도를 반영한 컨텐츠 선호도를 산출하여 고객 맞춤형 컨텐츠를 추천하는 방법 및 그에 사용되는 장치에 관한 것이다.The present invention relates to a digital content recommendation method and apparatus based on evaluation reliability, and more particularly, to a digital content recommendation method and apparatus that evaluate reliability of a content evaluation result performed by a user, calculate a content preference reflecting user's reliability, And a device used therefor.

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. 따라서 사용자의 사용 행태에 기반한 컨텐츠의 선별 및 추천의 중요성이 높아지는데, 컨텐츠에 대한 구매/평가 이력이 없는 사용자의 선호도를 알기는 매우 어렵다. 이에 다수의 컨텐츠 제공 서비스에서는 사용자에게 초기 사용시 의무적으로 잘 알려진 컨텐츠에 대해서 상대적 또는 절대적 평가 과정을 거치게 하고, 해당 데이터에 대한 분석 결과를 사용하여 컨텐츠 추천 결과를 생성하기도 한다.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. Therefore, it is very difficult to know the preference of the user who does not have the purchase / evaluation history of the contents because the importance of the selection and recommendation of the contents based on the usage behavior of the user increases. In many content providing services, the user is subjected to a relative or absolute evaluation process on the content that is mandatory in the initial use, and the content recommendation result is generated using the analysis result of the data.

하지만 일부 사용자의 경우 해당 과정에 대해 불성실하게 응답하거나 고의적으로 왜곡된 응답을 함으로써 해당 사용자의 선호도를 알 수 없게 할뿐만 아니라, 협업 필터링 알고리즘과 같이 전체 사용자의 평가 이력을 종합하여 추천결과 생성하는 경우에까지 결과의 왜곡을 초래하는 경우가 있다.However, some users do not know the user's preference by responding unfaithfully or deliberately distorted to the process, and when they generate a recommendation result by synthesizing the evaluation history of all users like the collaboration filtering algorithm Resulting in distortion of the result.

따라서, 컨텐츠에 대한 사용자의 평가 결과에 대해 신뢰도를 계산하는 방법과 각 사용자의 신뢰도를 고려하여 안정적인 추천 결과를 생성하는 방법이 요청되고 있다.Accordingly, there is a demand for a method of calculating reliability for a user's evaluation result on content and a method of generating a reliable recommendation result in consideration of the reliability of each user.

본 명세서는 컨텐츠 평가 신뢰도에 기반한 디지털 컨텐츠 추천 방법 및 그 장치를 제공하는 데에 그 목적이 있다. 즉, 사용자의 컨텐츠 평가 결과에 대해 신뢰도를 계산하고, 각 사용자의 신뢰도를 고려하여 안정적인 컨텐츠 추천을 제공하는 방법을 제공하는 것이 본 명세서의 목적이다. 또한 하나 이상의 컨텐츠에 대한 사용자의 평가 결과와 동일 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하고, 상기 사용자의 컨텐츠 평가 신뢰도와 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 정보를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하고, 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정하는 컨텐츠 추천 장치를 제공하고자 한다.The present invention is directed to a digital content recommendation method and apparatus based on content evaluation reliability. That is, it is an object of the present invention to provide a method for calculating reliability of a content evaluation result of a user and providing reliable content recommendation considering the reliability of each user. A reliability evaluation unit for calculating a reliability evaluation value of the user by comparing an evaluation result of the user with respect to one or more contents and an evaluation result of another user with respect to the same content; And a content recommendation apparatus for calculating a final evaluation score for the at least one content based on the information and determining a content to be recommended to the user based on the final evaluation score.

본 명세서의 일 실시예에 따라 컨텐츠 추천 장치가 제공된다. 상기 장치는 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 평가 신뢰도 측정부와; 상기 사용자의 컨텐츠 평가 신뢰도 및 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하는 평가점수 산출부와; 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정하는 컨텐츠 추천부를 포함할 수 있다.According to an embodiment of the present invention, a content recommendation apparatus is provided. The apparatus comprising: an evaluation reliability measuring unit for comparing the evaluation result of the user with respect to the specific content among the one or more contents and the evaluation result of the other user with respect to the specific content, and calculating the reliability of the user's content evaluation; An evaluation score calculating unit for calculating a final evaluation score for the one or more contents based on the user's content evaluation reliability and the user's evaluation score for the one or more contents; And a content recommendation unit for determining content to be recommended to the user based on the final evaluation score.

상기 평가 신뢰도 측정부는 상기 사용자에게 상기 특정 컨텐츠를 제시하여 선호 순위를 선정하도록 하고, 상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 및 상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수 중 어느 하나 이상에 비례하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산할 수 있다.Wherein the evaluation reliability measuring unit displays the specific content to the user to select a preference rank, and the number of times the content whose preference of the other user included in the specific content is equal to or higher than a predetermined reference is located at the highest position of the preference ranking, The content evaluation reliability of the user can be calculated in proportion to any one or more of the number of times the content of the specific content included in the lowest priority of the preference rank of the content whose preference of the other user is equal to or lower than the predetermined threshold.

상기 사용자의 컨텐츠 평가 신뢰도는, The content evaluation reliability of the user,

컨텐츠 평가 신뢰도 = (상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 + 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수)/(상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 제시된 횟수 + 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 제시된 횟수)Content evaluation reliability = (the number of times the content having the preference of the other user is equal to or higher than the predetermined reference at the top of the preference rank + the number of times the content having the preference of the other user is equal to or lower than the predetermined reference) The number of times the content whose preference of the other user is equal to or higher than the predetermined reference is presented + the number of times the content whose preference of the other user is equal to or lower than the predetermined reference is presented)

와 같은 수식으로 계산될 수 있다.Can be calculated by the following equation.

상기 평가 신뢰도 측정부는 상기 사용자에게 상기 특정 컨텐츠를 제시하여 각각 평점을 부여하도록 하고, 상기 특정 컨텐츠에 대하여 상기 사용자가 부여한 평점 및 동일 컨텐츠에 대해 상기 타 사용자가 부여한 평점 간의 유사도를 측정하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산할 수 있다.The evaluation reliability measuring unit measures the degree of similarity between the rating given by the user and the rating given by the other user to the same content with respect to the specific content by presenting the specific content to the user, The content evaluation reliability can be calculated.

상기 사용자의 컨텐츠 평가 신뢰도는 하기 수학식에 의해 계산되며,The content evaluation reliability of the user is calculated by the following equation,

컨텐츠 평가 신뢰도 = (cos U +1)/2Content evaluation reliability = (cos U +1) / 2

여기서 상기 cos U는 상기 사용자가 상기 제시된 특정 컨텐츠에 부여한 평점 벡터 및 상기 타 사용자가 동일 컨텐츠에 부여한 평점 벡터 간의 코사인 유사도일 수 있다.Herein, cos U may be a cosine similarity between a rating vector given by the user to the specified content and a rating vector given to the same user by the other user.

상기 평가점수 산출부는 상기 하나 이상의 컨텐츠 각각에 대한 최종평가점수를The evaluation score calculating unit may calculate a final score of each of the one or more contents

최종평가점수 = (상기 사용자의 컨텐츠 평가 신뢰도 * 상기 사용자가 부여한 상기 컨텐츠의 평가 점수) + (1- 상기 사용자의 평가 신뢰도)* (상기 타 사용자가 부여한 상기 컨텐츠의 평가 점수)(Evaluation score of the content given by the other user) + (1-evaluation reliability of the user) * (final evaluation score = (content evaluation reliability of the user * evaluation score of the content given by the user)

와 같은 수학식으로 산출할 수 있다.Can be calculated by the following equation.

본 명세서의 다른 실시예에 따라 컨텐츠 추천 방법이 제공된다. 상기 방법은 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계와; 상기 사용자의 컨텐츠 평가 신뢰도 및 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하는 단계와; 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정하는 단계를 포함할 수 있다.According to another embodiment of the present invention, a content recommendation method is provided. The method includes: calculating a reliability of content evaluation of a user by comparing an evaluation result of a user with respect to a specific content among at least one content and an evaluation result of another user with respect to the specific content; Calculating a final evaluation score for the one or more contents based on the user's content evaluation reliability and the user's evaluation score for the one or more contents; And determining content to be recommended to the user based on the final evaluation score.

상기 평가 신뢰도를 계산하는 단계는, 상기 사용자에게 상기 특정 컨텐츠를 제시하여 선호 순위를 선정하도록 하는 단계와; 상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 및 상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수 중 어느 하나 이상에 비례하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계를 포함할 수 있다.The step of calculating the evaluation reliability may include the steps of: presenting the specific content to the user to select a preference rank; The number of times that the content included in the specific content, the content whose preference of the other user is equal to or higher than a preset reference is located at the highest position of the preference rank, and the content included in the specific content, And calculating the content evaluation reliability of the user in proportion to at least one of the number of times of being positioned at the lowest position of the user.

상기 사용자의 컨텐츠 평가 신뢰도는, The content evaluation reliability of the user,

컨텐츠 평가 신뢰도 = (상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 + 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수)/(상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 제시된 횟수 + 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 제시된 횟수)Content evaluation reliability = (the number of times the content having the preference of the other user is equal to or higher than the predetermined reference at the top of the preference rank + the number of times the content having the preference of the other user is equal to or lower than the predetermined reference) The number of times the content whose preference of the other user is equal to or higher than the predetermined reference is presented + the number of times the content whose preference of the other user is equal to or lower than the predetermined reference is presented)

와 같은 수식으로 계산될 수 있다.Can be calculated by the following equation.

상기 평가 신뢰도를 계산하는 단계는, 상기 사용자에게 상기 특정 컨텐츠를 제시하여 각각 평점을 부여하도록 하는 단계와; 상기 특정 컨텐츠에 대하여 상기 사용자가 부여한 평점 및 동일 컨텐츠에 대해 상기 타 사용자가 부여한 평점 간의 유사도를 측정하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계를 포함할 수 있다.The step of calculating the evaluation reliability may include the steps of: presenting the specific content to the user and giving a rating to each user; And calculating the user's content evaluation reliability by measuring a similarity between the rating given by the user and the rating given by the other user to the same content with respect to the specific content.

상기 사용자의 컨텐츠 평가 신뢰도는 하기 수학식에 의해 계산되며,The content evaluation reliability of the user is calculated by the following equation,

컨텐츠 평가 신뢰도 = (cos U +1)/2Content evaluation reliability = (cos U +1) / 2

여기서 상기 cos U는 상기 사용자가 상기 제시된 특정 컨텐츠에 부여한 평점 벡터 및 상기 타 사용자가 동일 컨텐츠에 부여한 평점 벡터 간의 코사인 유사도일 수 있다.Herein, cos U may be a cosine similarity between a rating vector given by the user to the specified content and a rating vector given to the same user by the other user.

상기 최종평가점수를 산출하는 단계는 상기 하나 이상의 컨텐츠 각각에 대한 최종평가점수를Wherein the step of calculating the final evaluation score includes calculating a final evaluation score for each of the one or more contents

최종평가점수 = (상기 사용자의 컨텐츠 평가 신뢰도 * 상기 사용자가 부여한 상기 컨텐츠의 평가 점수) + (1- 상기 사용자의 신뢰도)* (상기 타 사용자가 부여한 상기 컨텐츠의 평가 점수)The final evaluation score = (the content evaluation reliability of the user * the evaluation score of the content given by the user) + (1 - the reliability of the user) * (the evaluation score of the content given by the other user)

와 같은 수학식으로 산출하는 단계일 수 있다., And the like.

본 명세서의 또 다른 실시예에 따라 컨텐츠 추천 서비스 시스템이 제공된다. 상기 시스템은 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하고, 상기 사용자의 컨텐츠 평가 신뢰도 및 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하고, 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정하는 컨텐츠 추천 장치와; 상기 특정 컨텐츠에 대한 상기 사용자의 평가 결과를 전송하고, 상기 사용자의 컨텐츠 평가 신뢰도를 기초로 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시하는 사용자 단말을 포함할 수 있다.A content recommendation service system is provided in accordance with another embodiment of the present disclosure. The system compares the evaluation result of the user with respect to the specific content among the one or more contents and the evaluation result of another user with respect to the specific content to calculate the content evaluation reliability of the user, A content recommendation device for calculating a final evaluation score for the at least one content based on the user's evaluation score for the user and determining a content to be recommended to the user based on the final evaluation score; And a user terminal for transmitting the evaluation result of the user to the specific content and displaying the content recommended by the content recommendation device based on the reliability of the user's content evaluation.

본 명세서의 또 다른 실시예에 따라 컨텐츠 추천 서비스 방법이 제공된다. 상기 방법은 컨텐츠 추천 장치가 사용자 단말로부터 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과를 수신하는 단계와; 상기 컨텐츠 추천 장치가 상기 특정 컨텐츠에 대한 상기 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계와; 상기 컨텐츠 추천 장치가 상기 사용자의 컨텐츠 평가 신뢰도 및 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하는 단계와; 상기 컨텐츠 추천 장치가 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정하는 단계와; 상기 사용자 단말이 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시하는 단계를 포함할 수 있다.According to another embodiment of the present disclosure, a content recommendation service method is provided. The method includes the steps of the content recommendation apparatus receiving from the user terminal a result of a user's evaluation of specific content among at least one content; The content recommendation apparatus compares the evaluation result of the user with respect to the specific content and the evaluation result of another user with respect to the specific content to calculate the content evaluation reliability of the user; The content recommendation apparatus calculating a final evaluation score for the one or more contents based on the user's content evaluation reliability and the user's evaluation score for the one or more contents; The content recommendation apparatus determining content to be recommended to the user based on the final evaluation score; And displaying the content recommended by the content recommendation apparatus by the user terminal.

본 명세서의 실시예들은 사용자의 컨텐츠 평가 이력을 분석하여 산출한 사용자 신뢰도를 바탕으로 사용자의 선호도를 더 정확하게 파악할 수 있다. 더 나아가 더 정확한 사용자의 컨텐츠 사용 선호도를 바탕으로 사용자의 관심사에 적합한 컨텐츠를 추천할 수 있는 효과도 성취할 수 있다. 또한 각 사용자의 평가 신뢰도를 계산함으로써 사용자의 추후 사용 패턴 분석의 지표로 활용할 수도 있다.The embodiments of the present invention can more accurately grasp the user's preference based on the user's reliability calculated by analyzing the content evaluation history of the user. Furthermore, it is possible to achieve the effect of recommending contents suitable for the user's interest based on the preference of the content usage more accurately. Also, by calculating the evaluation reliability of each user, it can be utilized as an index of analysis of the usage pattern of the user in the future.

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 평가 신뢰도 측정부(101), 평가점수 산출부(102), 컨텐츠 추천부(103)을 포함하여 구성될 수 있다.The content recommendation apparatus 100 may include an evaluation reliability measurement unit 101, an evaluation score calculation unit 102, and a content recommendation unit 103.

상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 평가 정보(평가 점수, 선호 순위 등)을 분석하여 해당 사용자의 컨텐츠 평가 신뢰도를 분석하고, 분석된 평가 신뢰도를 바탕으로 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 사용자의 특정 컨텐츠 평가 정보를 타 사용자의 동일 컨텐츠 평가 정보와 비교하여 해당 사용자의 컨텐츠 평가 신뢰도를 파악할 수 있다. 본 명세서에서 개시하는 방법 및 장치에 의해 사용자의 컨텐츠 평가 신뢰도가 분석되면, 해당 사용자가 평가한 컨텐츠 평가 정보를 조정하여 상기 사용자가 실질적으로 선호할 만한 컨텐츠를 추천할 수 있다.The content recommendation apparatus 100 analyzes evaluation information (evaluation score, preference rank, etc.) of digital contents (application, multimedia contents, etc.) of a specific user, analyzes the reliability evaluation of the content of the user, Personalized content recommendations can be made. In particular, the device can compare the specific content evaluation information of the user with the same content evaluation information of the other user to grasp the content evaluation reliability of the user. When the user's content evaluation reliability is analyzed by the method and apparatus disclosed in the present specification, the content evaluation information evaluated by the user can be adjusted to recommend the content that the user actually likes.

컨텐츠의 평가 정보로부터 분석한 사용자의 컨텐츠 평가 신뢰도를 반영하여 효과적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 특정 사용자 및 타 사용자가 수행한 컨텐츠를 평가 이력(history)을 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치(100)의 평가 신뢰도 측정부(101)는 다수의 사용자 단말로부터 컨텐츠 평가 정보를 수신하고 저장할 수 있다. 이때 상기 컨텐츠 평가 정보는 1 이상의 컨텐츠 각각에 대한 평가점수, 선호 순위 등의 정보를 포함할 수 있다. 한편 특정 사용자의 컨텐츠 평가 기록이 서버 등에 저장되는 경우에는 상기 평가 신뢰도 측정부(101)는 해당 서버 등으로부터 특정 사용자의 컨텐츠 평가 정보를 수신할 수도 있다.The content recommendation apparatus 100 may collect an evaluation history of contents performed by a specific user and other users in order to effectively select recommendation contents reflecting the user's content evaluation reliability analyzed from content evaluation information have. In one embodiment, the evaluation reliability measurement unit 101 of the content recommendation apparatus 100 may receive and store content evaluation information from a plurality of user terminals. At this time, the content evaluation information may include information such as an evaluation score, a preference rank, and the like for each of the one or more contents. Meanwhile, when a content evaluation record of a specific user is stored in a server or the like, the evaluation reliability measuring unit 101 may receive content evaluation information of a specific user from the server or the like.

상기 컨텐츠 추천 장치(100)의 평가 신뢰도 측정부(101)는 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산할 수 있다.The evaluation reliability measuring unit 101 of the content recommendation apparatus 100 compares the evaluation result of the user with respect to the specific content among the one or more contents with the evaluation result of another user with respect to the specific content to calculate the content evaluation reliability of the user .

상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 제1 실시예로서, 상기 평가 신뢰도 측정부(101)는 ①상기 사용자에게 상기 특정 컨텐츠를 제시하여 선호 순위를 선정하도록 하고, ②상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 및 상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수 중 어느 하나 이상에 비례하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산할 수 있다.The evaluation reliability measuring unit 101 may be configured to (1) present the specific content to the user to select a preference rank, (2) calculate the reliability of the content included in the specific content, The number of times that the content whose preference of the other user is equal to or higher than the predetermined reference is located at the highest position of the preference rank and the number of times the content included in the specific content whose preference of the other user is lower than the predetermined reference is located at the lowest position The content evaluation reliability of the user can be calculated in proportion to the above.

즉, 상기 제1 실시예는 사용자에게 여러 개의 컨텐츠를 제시하고, 제시한 컨텐츠에 대한 상대적인 선호도의 순서(선호 순위)를 결정하도록 하는 과정을 통해 상기 사용자의 평가 신뢰도를 측정하는 방법이다.That is, the first embodiment is a method of measuring the evaluation reliability of the user through a process of presenting a plurality of contents to a user and determining the order (preference rank) of relative preferences with respect to the presented contents.

이때 상기 평가 신뢰도 측정부(101)는 각 단계별로 제시되는 컨텐츠(테스트 컨텐츠)에, 타 사용자에 선호도가 높은(기 설정 기준 이상인, 예: 별4개 이상) 컨텐츠와 평점이 낮은(기 설정 기준 이하인, 예: 별2개 이하) 컨텐츠를 포함시키고, 각 단계별로 해당 고/저 평가 컨텐츠가 높은 (혹은 낮은) 선호 순위로 결정되는 비율을 측정할 수 있다. 예를 들어, 상기 테스트를 총 N회에 걸쳐 수행하는 경우, 고평점 컨텐츠가 제시되는 횟수를 N_G, 저평점 컨텐츠가 노출되는 횟수를 N_B, 고평점 컨텐츠가 선호 순위에서 최상위에 위치한 횟수를 N_GO, 저평점 컨텐츠가 선호 순위에서 최하위에 위치한 횟수를 N_B0이라고 하면, 해당 사용자의 컨텐츠 평가 신뢰도는 (N_G0 + N_B0)/(N_G+N_B) 로 계산될 수 있다. 다만, 고/저 평점 컨텐츠는 N회의 평가 단계에서 모두 제시할 필요는 없을 것이다(N_G+N_B ≤ N).At this time, the evaluation reliability measuring unit 101 may determine that the content (test content) presented at each step has high content of preference (other than the predetermined reference, for example, four or more) (For example, 2 or less stars), and measure the rate at which the high / low evaluation content is determined to have a high (or low) preference rank for each stage. For example, when the test is performed for a total of N times, N_G is the number of times the high score content is presented, N_B is the number of times that the low score content is exposed, N_GO is the number of times that the high score content is at the highest position, If the number of times that the low rated content is located at the lowest position in the preference ranking is N_B0, the content evaluation reliability of the user can be calculated as (N_G0 + N_B0) / (N_G + N_B). However, high / low rating content will not need to be presented at all N evaluation stages (N_G + N_B ≤ N).

상기의 방식에서 사용자가 고평점 컨텐츠를 모두 최우선 선호 순위로 평가하고 저평점 컨텐츠를 모두 최저순위로 평가하면 신뢰도 값은 1이 되고, 모두 반대로 평가하는 경우 0의 값을 가지게 되며, 신뢰도는 항상 0과 1사이의 값으로 표현된다. 이 때, 특정 사용자의 평가가 컨텐츠 카테고리에 대한 선호에 의해 영향을 받을 수 있으므로, 고/저 평점 컨텐츠는 컨텐츠 카테고리 분포에 맞추어 균일 샘플링을 통해 선정하는 것도 고려할 수 있다. In the above method, when the user evaluates all the high-score content as the highest preference ranking and all the low-score content as the lowest ranking, the reliability value becomes 1. When all the low-score content is evaluated in the opposite manner, the reliability value becomes 0, Lt; / RTI > and 1. At this time, since the evaluation of a specific user may be affected by the preference for the content category, it may be considered to select the high / low rating content through uniform sampling in accordance with the content category distribution.

상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 제2 실시예로서, 상기 평가 신뢰도 측정부(101)는 상기 사용자에게 상기 특정 컨텐츠를 제시하여 각각 평점을 부여하도록 하고, 상기 특정 컨텐츠에 대하여 상기 사용자가 부여한 평점 및 동일 컨텐츠에 대해 상기 타 사용자가 부여한 평점 간의 유사도를 측정하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산할 수 있다.In the second embodiment, the evaluation reliability measuring unit 101 may present the specific content to the user and assign a rating to the user, and the rating given by the user to the specific content And the similarity degree between the same content and the rating given by the other user to the content evaluation reliability of the user.

즉, 상기 제2 실시예는 사용자에게 (한 개 또는 여러 개의) 컨텐츠를 제시하고, 제시한 컨텐츠에 각각에 대한 평가 점수를 부여하도록 하는 과정을 통해 상기 사용자의 평가 신뢰도를 측정하는 방법이다. 상기 과정은 5점 만점, 10점 만점 등의 조건을 주고 사용자가 원하는 만큼의 평가 점수를 부여하도록 할 수 있다. That is, the second embodiment is a method of measuring the evaluation reliability of the user through a process of presenting (one or several) contents to a user and giving evaluation scores to the contents. The above process may give a condition such as a score of 5 points, a score of 10 points, etc., so that the user can give a score as much as the user desires.

이때 제시된 컨텐츠들에 타 사용자들이 부여한 평점의 벡터를 (VC_1, VC_2, ….VC_N) 이라고 하고, 사용자가 부여한 평점의 벡터를 (VU1,VU2, …, VU_N) 이라고 하고, 이 두 벡터 간의 코사인 유사도(cosine similarity)를 cosU라고 하면, 상기 평가 신뢰도 측정부(101)는 (CosU+1)/2 값을 해당 사용자의 평가 결과에 대한 신뢰도로 사용할 수 있다. 이 경우 컨텐츠 평가 신뢰도 값은 0과 1사이의 값을 가지게 된다.The vectors of ratings given by other users to the presented contents are called (VC_1, VC_2, ..., VC_N), and the vectors of ratings given by the user are (VU1, VU2, ..., VU_N) (cosU + 1) / 2 may be used as the reliability of the evaluation result of the user, assuming that cosine similarity is cosU. In this case, the content evaluation reliability value has a value between 0 and 1.

상기 평가점수 산출부(102)는 상기 과정을 거쳐 측정된 사용자의 컨텐츠 평가 신뢰도, 그리고 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출할 수 있다. 즉, 평가 신뢰도를 측정한 사용자가 평가 점수를 부여한 컨텐츠가 있다면, 해당 평가 점수를 그대로 인정하는 것이 아니라, 그 사용자의 평가 신뢰도를 반영하여 해당 평가 점수를 가감하는 것이다. 일 예로서, 어느 컨텐츠 A에 사용자(U)가 4점의 평가 점수를 부여하더라도, 사용자(U)의 평가 신뢰도가 0.4로 측정되었다면, 사용자(U) 의 상기 컨텐츠 A에 대한 선호도(평가 점수)는 4*0.4=1.6 으로 산출되는 것이다.The evaluation score calculating unit 102 may calculate a final evaluation score of the one or more contents based on the content evaluation reliability of the user measured through the process and the evaluation score of the user for one or more contents . That is, if the user who measured the evaluation reliability has the content to which the evaluation score is assigned, the evaluation score is not recognized as it is, but the evaluation score is added or subtracted in accordance with the evaluation reliability of the user. As an example, even if the user U gives 4 points of evaluation scores to any content A, if the evaluation reliability of the user U is measured as 0.4, the user U's preference (score) Is calculated as 4 * 0.4 = 1.6.

또 다른 예로서 상기 평가점수 산출부(102)는 상기 하나 이상의 컨텐츠 각각에 대한 최종평가점수를 구함에 있어서,As another example, the evaluation score calculating unit 102 may calculate a final score of each of the one or more contents,

최종평가점수 = (상기 사용자의 컨텐츠 평가 신뢰도 * 상기 사용자가 부여한 상기 컨텐츠의 평가 점수) + (1- 상기 사용자의 평가 신뢰도)* (상기 타 사용자가 부여한 상기 컨텐츠의 평가 점수)와 같은 수학식으로 산출할 수도 있다. 이는 사용자의 컨텐츠 평가 신뢰도가 높은 경우는 해당 사용자의 평가를 최대한 반영하고, 신뢰도가 낮은 경우는 타 사용자의 일반적인 평가 결과를 반영하여 각 컨텐츠에 대한 사용자의 선호도를 추정하는 것이다. 이러한 방식은 사용자의 컨텐츠 평가 정보에 반영되었을 지도 모르는 오류나 왜곡을 최대한 보정할 수 있다.Final evaluation score = (the content evaluation reliability of the user * the evaluation score of the content given by the user) + (1-the evaluation reliability of the user) * (the evaluation score of the content given by the other user) . If the reliability of the user's content evaluation is high, the evaluation of the user is maximally reflected. If the reliability of the user is low, the user's preference of each content is estimated by reflecting the general evaluation result of the other users. This scheme can correct errors or distortions that may have been reflected in the user's content evaluation information to the maximum extent possible.

상술한 과정을 통하여 어느 컨텐츠에 대한 최종평가점수(선호도)가 산출되면, 상기 컨텐츠 추천부(103)는 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정할 수 있다. 예를 들어, 신뢰도가 높게 측정된 사용자는 그 사용자가 높은 평점을 부여한 컨텐츠 및/또는 연관 컨텐츠를 추천할 수 있다. 또한 신뢰도가 낮게 측정된 사용자는 다른 사용자들이 높은 평점을 부여한 컨텐츠를 추천하거나, 역으로 그 사용자가 낮은 평점을 부여한 컨텐츠 및/또는 연관 컨텐츠를 추천할 수 있다.When the final evaluation score (preference) for the content is calculated through the above-described process, the content recommendation unit 103 can determine the content to be recommended to the user based on the final evaluation score. For example, a highly reliable user can recommend a content rated and / or associated content that the user has rated high. Also, a user who has measured a low reliability can recommend contents rated by other users with high ratings, or conversely, recommend contents and / or related contents that the user has given low ratings.

이와 같은 방법으로 상기 컨텐츠 추천 장치(100)는 사용자의 컨텐츠 평가 신뢰도에 근거한 컨텐츠 추천을 제공할 수 있으며, 평가 이력으로부터 사용자의 선호 카테고리 등을 파악함으로써 고객 취향에 대한 분석의 정확도를 높일 수 있다.
In this way, the content recommendation apparatus 100 can provide content recommendation based on the content evaluation reliability of the user, and can improve the accuracy of analysis of the customer taste by grasping the user's preference category or the like from the evaluation history.

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 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하고, 상기 사용자의 컨텐츠 평가 신뢰도 및 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하고, 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정할 수 있다.The content recommendation service system may include a content recommendation apparatus 100 and a user terminal 10. The content recommendation apparatus 100 compares the evaluation result of the user with respect to the specific content among the one or more contents and the evaluation result of another user with respect to the specific content to calculate the content evaluation reliability of the user, The final evaluation score for the one or more contents is calculated based on the reliability and the evaluation score of the user for the one or more contents, and the content to be recommended to the user is determined based on the final evaluation score.

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 컨텐츠에 대한 사용자의 평가 결과를 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 a user's evaluation result of the specific content. 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) 평가 정보(평가 점수, 선호 순위 등)을 수집하여 해당 사용자의 컨텐츠 평가 신뢰도를 분석하고, 분석된 평가 신뢰도를 바탕으로 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 사용자의 특정 컨텐츠 평가 정보를 타 사용자의 동일 컨텐츠 평가 정보와 비교하여 해당 사용자의 컨텐츠 평가 신뢰도를 파악할 수 있다. 본 명세서에서 개시하는 방법 및 장치에 의해 사용자의 컨텐츠 평가 신뢰도가 분석되면, 해당 사용자가 평가한 컨텐츠 평가 정보를 조정하여 상기 사용자가 실질적으로 선호할 만한 컨텐츠를 추천할 수 있다.The content recommendation apparatus 100 collects assessment information (evaluation score, preference rank, etc.) of digital contents (application, multimedia contents, etc.) of a specific user, analyzes the reliability evaluation of the content of the user, Personalized content recommendations can be made. In particular, the device can compare the specific content evaluation information of the user with the same content evaluation information of the other user to grasp the content evaluation reliability of the user. When the user's content evaluation reliability is analyzed by the method and apparatus disclosed in the present specification, the content evaluation information evaluated by the user can be adjusted to recommend the content that the user actually likes.

컨텐츠의 평가 정보로부터 분석한 사용자의 컨텐츠 평가 신뢰도를 반영하여 효과적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 특정 사용자 및 타 사용자가 수행한 컨텐츠를 평가 이력(history)을 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치(100)는 다수의 사용자 단말로부터 컨텐츠 평가 정보를 수신하고 저장할 수 있다. 이때 상기 컨텐츠 평가 정보는 1 이상의 컨텐츠 각각에 대한 평가점수, 선호 순위 등의 정보를 포함할 수 있다. 한편 특정 사용자의 컨텐츠 평가 기록이 서버 등에 저장되는 경우에는 상기 컨텐츠 추천 장치(100)는 해당 서버 등으로부터 특정 사용자의 컨텐츠 평가 정보를 수신할 수도 있다.The content recommendation apparatus 100 may collect an evaluation history of contents performed by a specific user and other users in order to effectively select recommendation contents reflecting the user's content evaluation reliability analyzed from content evaluation information have. In one embodiment, the content recommendation apparatus 100 may receive and store content evaluation information from a plurality of user terminals. At this time, the content evaluation information may include information such as an evaluation score, a preference rank, and the like for each of the one or more contents. Meanwhile, when a content evaluation record of a specific user is stored in a server or the like, the content recommendation apparatus 100 may receive content evaluation information of a specific user from the server or the like.

상기 컨텐츠 추천 장치(100)는 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산할 수 있다.The content recommendation apparatus 100 may calculate the content evaluation reliability of the user by comparing the evaluation result of the user with respect to the specific content among the one or more contents and the evaluation result of another user with respect to the specific content.

상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 실시예는 도 1에서 설명한 제1 실시예와 제2 실시예를 참조한다.The embodiment for calculating the content evaluation reliability of the user refers to the first embodiment and the second embodiment described in FIG.

상기 컨텐츠 추천 장치(100)는 상기 과정을 거쳐 측정된 사용자의 컨텐츠 평가 신뢰도, 그리고 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출할 수 있다. 즉, 평가 신뢰도를 측정한 사용자가 평가 점수를 부여한 컨텐츠가 있다면, 해당 평가 점수를 그대로 인정하는 것이 아니라, 그 사용자의 평가 신뢰도를 반영하여 해당 평가 점수를 가감하는 것이다. 일 예로서, 어느 컨텐츠 A에 사용자(U)가 4점의 평가 점수를 부여하더라도, 사용자(U)의 평가 신뢰도가 0.4로 측정되었다면, 사용자(U) 의 상기 컨텐츠 A에 대한 선호도(평가 점수)는 4*0.4=1.6 으로 산출되는 것이다.The content recommendation apparatus 100 may calculate a final evaluation score for the one or more contents based on the user's content evaluation reliability measured through the process and the evaluation score of the user for one or more contents. That is, if the user who measured the evaluation reliability has the content to which the evaluation score is assigned, the evaluation score is not recognized as it is, but the evaluation score is added or subtracted in accordance with the evaluation reliability of the user. As an example, even if the user U gives 4 points of evaluation scores to any content A, if the evaluation reliability of the user U is measured as 0.4, the user U's preference (score) Is calculated as 4 * 0.4 = 1.6.

또 다른 예로서 상기 컨텐츠 추천 장치(100)는 상기 하나 이상의 컨텐츠 각각에 대한 최종평가점수를 구함에 있어서,As another example, in the content recommendation apparatus 100, in obtaining a final evaluation score for each of the one or more contents,

최종평가점수 = (상기 사용자의 컨텐츠 평가 신뢰도 * 상기 사용자가 부여한 상기 컨텐츠의 평가 점수) + (1- 상기 사용자의 평가 신뢰도)* (상기 타 사용자가 부여한 상기 컨텐츠의 평가 점수)와 같은 수학식으로 산출할 수도 있다. 이는 사용자의 컨텐츠 평가 신뢰도가 높은 경우는 해당 사용자의 평가를 최대한 반영하고, 신뢰도가 낮은 경우는 타 사용자의 일반적인 평가 결과를 반영하여 각 컨텐츠에 대한 사용자의 선호도를 추정하는 것이다. 이러한 방식은 사용자의 컨텐츠 평가 정보에 반영되었을 지도 모르는 오류나 왜곡을 최대한 보정할 수 있다.Final evaluation score = (the content evaluation reliability of the user * the evaluation score of the content given by the user) + (1-the evaluation reliability of the user) * (the evaluation score of the content given by the other user) . If the reliability of the user's content evaluation is high, the evaluation of the user is maximally reflected. If the reliability of the user is low, the user's preference of each content is estimated by reflecting the general evaluation result of the other users. This scheme can correct errors or distortions that may have been reflected in the user's content evaluation information to the maximum extent possible.

상술한 과정을 통하여 어느 컨텐츠에 대한 최종평가점수(선호도)가 산출되면, 상기 컨텐츠 추천 장치(100)는 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정할 수 있다.
When the final evaluation score (preference) for the content is calculated through the process described above, the content recommendation apparatus 100 can determine the content to be recommended to the user based on the final evaluation score.

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) 평가 정보(평가 점수, 선호 순위 등)을 분석하여 해당 사용자의 컨텐츠 평가 신뢰도를 분석하고, 분석된 평가 신뢰도를 바탕으로 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 사용자의 특정 컨텐츠 평가 정보를 타 사용자의 동일 컨텐츠 평가 정보와 비교하여 해당 사용자의 컨텐츠 평가 신뢰도를 파악할 수 있다. 본 명세서에서 개시하는 방법 및 장치에 의해 사용자의 컨텐츠 평가 신뢰도가 분석되면, 해당 사용자가 평가한 컨텐츠 평가 정보를 조정하여 상기 사용자가 실질적으로 선호할 만한 컨텐츠를 추천할 수 있다.Hereinafter, the content recommendation method described above may be performed by the content recommendation apparatus. The content recommendation apparatus analyzes content evaluation reliability of a user by analyzing evaluation information (evaluation score, preference rank, etc.) of a digital content (application, multimedia content, etc.) of a specific user, and, based on the analyzed evaluation reliability, Recommendations can be made. In particular, the device can compare the specific content evaluation information of the user with the same content evaluation information of the other user to grasp the content evaluation reliability of the user. When the user's content evaluation reliability is analyzed by the method and apparatus disclosed in the present specification, the content evaluation information evaluated by the user can be adjusted to recommend the content that the user actually likes.

컨텐츠의 평가 정보로부터 분석한 사용자의 컨텐츠 평가 신뢰도를 반영하여 효과적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치는 특정 사용자 및 타 사용자가 수행한 컨텐츠를 평가 이력(history)을 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치는 다수의 사용자 단말로부터 컨텐츠 평가 정보를 수신하고 저장할 수 있다. 이때 상기 컨텐츠 평가 정보는 1 이상의 컨텐츠 각각에 대한 평가점수, 선호 순위 등의 정보를 포함할 수 있다. 한편 특정 사용자의 컨텐츠 평가 기록이 서버 등에 저장되는 경우에는 상기 컨텐츠 추천 장치는 해당 서버 등으로부터 특정 사용자의 컨텐츠 평가 정보를 수신할 수도 있다.The content recommendation apparatus can collect an evaluation history of contents performed by a specific user and other users in order to effectively select recommendation contents reflecting the user's content evaluation reliability analyzed from content evaluation information. In one embodiment, the content recommendation apparatus may receive and store content evaluation information from a plurality of user terminals. At this time, the content evaluation information may include information such as an evaluation score, a preference rank, and the like for each of the one or more contents. Meanwhile, when a content evaluation record of a specific user is stored in a server or the like, the content recommendation apparatus may receive content evaluation information of a specific user from the server or the like.

상기 컨텐츠 추천 장치는 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계를 수행할 수 있다(S310).The content recommendation apparatus may perform the step of calculating the content evaluation reliability of the user by comparing the evaluation result of the user with respect to the specific content among the one or more contents and the evaluation result of another user with respect to the specific content (S310).

상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 제1 실시예로서, 상기 컨텐츠 추천 장치는 ①상기 사용자에게 상기 특정 컨텐츠를 제시하여 선호 순위를 선정하도록 하고, ②상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 및 상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수 중 어느 하나 이상에 비례하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계를 수행할 수 있다.The content recommendation apparatus according to the first embodiment calculates the reliability of content evaluation of the user by: (1) presenting the specific content to the user to select a preference rank; (2) The number of times that the content whose content is equal to or higher than the predetermined reference is located at the highest position of the preference rank and the number of times that the content included in the specific content and the content of which the preference of the other user is lower than the predetermined reference is placed at the lowest position of the preference ranking The step of calculating the content evaluation reliability of the user may be performed.

즉, 상기 제1 실시예는 사용자에게 여러 개의 컨텐츠를 제시하고, 제시한 컨텐츠에 대한 상대적인 선호도의 순서(선호 순위)를 결정하도록 하는 과정을 통해 상기 사용자의 평가 신뢰도를 측정하는 방법이다.That is, the first embodiment is a method of measuring the evaluation reliability of the user through a process of presenting a plurality of contents to a user and determining the order (preference rank) of relative preferences with respect to the presented contents.

이때 상기 컨텐츠 추천 장치는 각 단계별로 제시되는 컨텐츠(테스트 컨텐츠)에, 타 사용자에 선호도가 높은(기 설정 기준 이상인, 예: 별4개 이상) 컨텐츠와 평점이 낮은(기 설정 기준 이하인, 예: 별2개 이하) 컨텐츠를 포함시키고, 각 단계별로 해당 고/저 평가 컨텐츠가 높은 (혹은 낮은) 선호 순위로 결정되는 비율을 측정할 수 있다. 예를 들어, 상기 테스트를 총 N회에 걸쳐 수행하는 경우, 고평점 컨텐츠가 제시되는 횟수를 N_G, 저평점 컨텐츠가 노출되는 횟수를 N_B, 고평점 컨텐츠가 선호 순위에서 최상위에 위치한 횟수를 N_GO, 저평점 컨텐츠가 선호 순위에서 최하위에 위치한 횟수를 N_B0이라고 하면, 해당 사용자의 컨텐츠 평가 신뢰도는 (N_G0 + N_B0)/(N_G+N_B) 로 계산될 수 있다. 다만, 고/저 평점 컨텐츠는 N회의 평가 단계에서 모두 제시할 필요는 없을 것이다(N_G+N_B ≤ N).In this case, the content recommendation apparatus may be configured such that the content (test content) presented at each stage is classified into a content having a higher preference (i.e., more than a predetermined reference, for example, four or more) (2 or less stars) content, and measure the rate at which the high / low evaluation content is determined to have a high (or low) preference rank for each stage. For example, when the test is performed for a total of N times, N_G is the number of times the high score content is presented, N_B is the number of times that the low score content is exposed, N_GO is the number of times that the high score content is at the highest position, If the number of times that the low rated content is located at the lowest position in the preference ranking is N_B0, the content evaluation reliability of the user can be calculated as (N_G0 + N_B0) / (N_G + N_B). However, high / low rating content will not need to be presented at all N evaluation stages (N_G + N_B ≤ N).

상기의 방식에서 사용자가 고평점 컨텐츠를 모두 최우선 선호 순위로 평가하고 저평점 컨텐츠를 모두 최저순위로 평가하면 신뢰도 값은 1이 되고, 모두 반대로 평가하는 경우 0의 값을 가지게 되며, 신뢰도는 항상 0과 1사이의 값으로 표현된다. 이 때, 특정 사용자의 평가가 컨텐츠 카테고리에 대한 선호에 의해 영향을 받을 수 있으므로, 고/저 평점 컨텐츠는 컨텐츠 카테고리 분포에 맞추어 균일 샘플링을 통해 선정하는 것도 고려할 수 있다. In the above method, when the user evaluates all the high-score content as the highest preference ranking and all the low-score content as the lowest ranking, the reliability value becomes 1. When all the low-score content is evaluated in the opposite manner, the reliability value becomes 0, Lt; / RTI > and 1. At this time, since the evaluation of a specific user may be affected by the preference for the content category, it may be considered to select the high / low rating content through uniform sampling in accordance with the content category distribution.

상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 제2 실시예로서, 상기 컨텐츠 추천 장치는 상기 사용자에게 특정 컨텐츠를 제시하여 각각 평점을 부여하도록 하고, 상기 특정 컨텐츠에 대하여 상기 사용자가 부여한 평점 및 동일 컨텐츠에 대해 상기 타 사용자가 부여한 평점 간의 유사도를 측정하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계를 수행할 수 있다.The content recommendation apparatus according to the second embodiment calculates the reliability of content evaluation of the user by providing specific contents to the user and assigning ratings to the users, And calculating the reliability of content evaluation of the user by measuring the similarity between the ratings given by the other user.

즉, 상기 제2 실시예는 사용자에게 (한 개 또는 여러 개의) 컨텐츠를 제시하고, 제시한 컨텐츠에 각각에 대한 평가 점수를 부여하도록 하는 과정을 통해 상기 사용자의 평가 신뢰도를 측정하는 방법이다. 상기 과정은 5점 만점, 10점 만점 등의 조건을 주고 사용자가 원하는 만큼의 평가 점수를 부여하도록 할 수 있다. That is, the second embodiment is a method of measuring the evaluation reliability of the user through a process of presenting (one or several) contents to a user and giving evaluation scores to the contents. The above process may give a condition such as a score of 5 points, a score of 10 points, etc., so that the user can give a score as much as the user desires.

이때 제시된 컨텐츠들에 타 사용자들이 부여한 평점의 벡터를 (VC_1, VC_2, ….VC_N) 이라고 하고, 사용자가 부여한 평점의 벡터를 (VU1,VU2, …, VU_N) 이라고 하고, 이 두 벡터 간의 코사인 유사도(cosine similarity)를 cosU라고 하면, 상기 컨텐츠 추천 장치는 (CosU+1)/2 값을 해당 사용자의 평가 결과에 대한 신뢰도로 사용할 수 있다. 이 경우 컨텐츠 평가 신뢰도 값은 0과 1사이의 값을 가지게 된다.The vectors of ratings given by other users to the presented contents are called (VC_1, VC_2, ..., VC_N), and the vectors of ratings given by the user are (VU1, VU2, ..., VU_N) and cosine similarity is cos U, the content recommendation apparatus can use (Cos U + 1) / 2 as the reliability of the evaluation result of the user. In this case, the content evaluation reliability value has a value between 0 and 1.

상기 컨텐츠 추천 장치는 상기 과정을 거쳐 측정된 사용자의 컨텐츠 평가 신뢰도, 그리고 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출할 수 있다(S320). 즉, 평가 신뢰도를 측정한 사용자가 평가 점수를 부여한 컨텐츠가 있다면, 해당 평가 점수를 그대로 인정하는 것이 아니라, 그 사용자의 평가 신뢰도를 반영하여 해당 평가 점수를 가감하는 것이다. 일 예로서, 어느 컨텐츠 A에 사용자(U)가 4점의 평가 점수를 부여하더라도, 사용자(U)의 평가 신뢰도가 0.4로 측정되었다면, 사용자(U) 의 상기 컨텐츠 A에 대한 선호도(평가 점수)는 4*0.4=1.6 으로 산출되는 것이다.In operation S320, the content recommendation apparatus may calculate a final evaluation score of the one or more contents based on the content evaluation reliability of the user measured through the process, and the evaluation score of the user for one or more contents. That is, if the user who measured the evaluation reliability has the content to which the evaluation score is assigned, the evaluation score is not recognized as it is, but the evaluation score is added or subtracted in accordance with the evaluation reliability of the user. As an example, even if the user U gives 4 points of evaluation scores to any content A, if the evaluation reliability of the user U is measured as 0.4, the user U's preference (score) Is calculated as 4 * 0.4 = 1.6.

또 다른 예로서 상기 컨텐츠 추천 장치는 상기 하나 이상의 컨텐츠 각각에 대한 최종평가점수를 구함에 있어서,As another example, in the content recommendation apparatus, a final evaluation score for each of the one or more contents is obtained,

최종평가점수 = (상기 사용자의 컨텐츠 평가 신뢰도 * 상기 사용자가 부여한 상기 컨텐츠의 평가 점수) + (1- 상기 사용자의 평가 신뢰도)* (상기 타 사용자가 부여한 상기 컨텐츠의 평가 점수)와 같은 수학식으로 산출할 수도 있다. 이는 사용자의 컨텐츠 평가 신뢰도가 높은 경우는 해당 사용자의 평가를 최대한 반영하고, 신뢰도가 낮은 경우는 타 사용자의 일반적인 평가 결과를 반영하여 각 컨텐츠에 대한 사용자의 선호도를 추정하는 것이다. 이러한 방식은 사용자의 컨텐츠 평가 정보에 반영되었을 지도 모르는 오류나 왜곡을 최대한 보정할 수 있다.Final evaluation score = (the content evaluation reliability of the user * the evaluation score of the content given by the user) + (1-the evaluation reliability of the user) * (the evaluation score of the content given by the other user) . If the reliability of the user's content evaluation is high, the evaluation of the user is maximally reflected. If the reliability of the user is low, the user's preference of each content is estimated by reflecting the general evaluation result of the other users. This scheme can correct errors or distortions that may have been reflected in the user's content evaluation information to the maximum extent possible.

상술한 과정을 통하여 어느 컨텐츠에 대한 최종평가점수(선호도)가 산출되면, 상기 컨텐츠 추천 장치는 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정할 수 있다(S330). 예를 들어, 신뢰도가 높게 측정된 사용자는 그 사용자가 높은 평점을 부여한 컨텐츠 및/또는 연관 컨텐츠를 추천할 수 있다. 또한 신뢰도가 낮게 측정된 사용자는 다른 사용자들이 높은 평점을 부여한 컨텐츠를 추천하거나, 역으로 그 사용자가 낮은 평점을 부여한 컨텐츠 및/또는 연관 컨텐츠를 추천할 수 있다.
When the final evaluation score (preference) for the content is calculated through the above-described process, the content recommendation apparatus may determine the content to be recommended to the user based on the final evaluation score (S330). For example, a highly reliable user can recommend a content rated and / or associated content that the user has rated high. Also, a user who has measured a low reliability can recommend contents rated by other users with high ratings, or conversely, recommend contents and / or related contents that the user has given low ratings.

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 장치는 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 평가 정보(평가 점수, 선호 순위 등)을 수집하고(S410), 해당 사용자의 컨텐츠 평가 신뢰도를 분석하고, 분석된 평가 신뢰도를 바탕으로 개인 맞춤형 컨텐츠 추천을 할 수 있다.The content recommendation device collects evaluation information (evaluation score, preference rank, etc.) of the digital content (application, multimedia content, etc.) of the user (S410), analyzes the content evaluation reliability of the user, Personalized content recommendations can be made.

상기 사용자 단말은, 사용자가 특정 컨텐츠에 대한 평가를 수행하면 컨텐츠 추천 장치로 특정 컨텐츠에 대한 사용자의 평가 결과를 전송할 수 있다(S420).The user terminal may transmit the user's evaluation result of the specific content to the content recommendation apparatus when the user performs evaluation on the specific content (S420).

상기 평가 결과를 수신한 상기 컨텐츠 추천 장치는 상기 컨텐츠 추천 장치가 상기 특정 컨텐츠에 대한 상기 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산한다(S430). 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 실시예는 도 1에서 설명한 제1 실시예와 제2 실시예를 참조한다.The content recommendation apparatus receives the evaluation result and the content recommendation apparatus compares the evaluation result of the user with respect to the specific content and the evaluation result of another user with respect to the specific content to calculate the content evaluation reliability of the user S430). The embodiment for calculating the content evaluation reliability of the user refers to the first embodiment and the second embodiment described in FIG.

상기 컨텐츠 추천 장치는 상기 과정을 거쳐 측정된 사용자의 컨텐츠 평가 신뢰도, 그리고 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출한다(S440). 즉, 평가 신뢰도를 측정한 사용자가 평가 점수를 부여한 컨텐츠가 있다면, 해당 평가 점수를 그대로 인정하는 것이 아니라, 그 사용자의 평가 신뢰도를 반영하여 해당 평가 점수를 가감하는 것이다. 일 예로서, 어느 컨텐츠 A에 사용자(U)가 4점의 평가 점수를 부여하더라도, 사용자(U)의 평가 신뢰도가 0.4로 측정되었다면, 사용자(U) 의 상기 컨텐츠 A에 대한 선호도(평가 점수)는 4*0.4=1.6 으로 산출되는 것이다.In operation S440, the content recommendation apparatus calculates a final evaluation score of the at least one content based on the content evaluation reliability of the user measured through the process, and the evaluation score of the user for one or more contents. That is, if the user who measured the evaluation reliability has the content to which the evaluation score is assigned, the evaluation score is not recognized as it is, but the evaluation score is added or subtracted in accordance with the evaluation reliability of the user. As an example, even if the user U gives 4 points of evaluation scores to any content A, if the evaluation reliability of the user U is measured as 0.4, the user U's preference (score) Is calculated as 4 * 0.4 = 1.6.

또 다른 예로서 상기 컨텐츠 추천 장치는 상기 하나 이상의 컨텐츠 각각에 대한 최종평가점수를 구함에 있어서,As another example, in the content recommendation apparatus, a final evaluation score for each of the one or more contents is obtained,

최종평가점수 = (상기 사용자의 컨텐츠 평가 신뢰도 * 상기 사용자가 부여한 상기 컨텐츠의 평가 점수) + (1- 상기 사용자의 평가 신뢰도)* (상기 타 사용자가 부여한 상기 컨텐츠의 평가 점수)와 같은 수학식으로 산출할 수도 있다.Final evaluation score = (the content evaluation reliability of the user * the evaluation score of the content given by the user) + (1-the evaluation reliability of the user) * (the evaluation score of the content given by the other user) .

상술한 과정을 통하여 어느 컨텐츠에 대한 최종평가점수(선호도)가 산출되면, 상기 컨텐츠 추천 장치는 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정할 수 있다(S450).If the final evaluation score (preference) for the content is calculated through the above-described process, the content recommendation apparatus can determine the content to be recommended to the user based on the final evaluation score (S450).

상기 사용자 단말는 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시한다.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 : 평가 신뢰도 측정부
102 : 평가점수 산출부
103 : 컨텐츠 추천부100: content recommendation device
101: Evaluation reliability measuring section
102: score calculation unit
103: Content recommendation section

Claims (14)

하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 평가 신뢰도 측정부;
상기 사용자의 컨텐츠 평가 신뢰도 및 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하는 평가점수 산출부;
상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정하는 컨텐츠 추천부를 포함하는 것을 특징으로 하는 컨텐츠 추천 장치.An evaluation reliability measuring unit for comparing the evaluation result of the user with respect to the specific content among the one or more contents and the evaluation result of the other user with respect to the specific content to calculate the content evaluation reliability of the user;
An evaluation score calculation unit for calculating a final evaluation score for the one or more contents based on the user's content evaluation reliability and the user's evaluation score for the one or more contents;
And a content recommendation unit for determining a content to be recommended to the user based on the final evaluation score. 제1항에 있어서,
상기 평가 신뢰도 측정부는
상기 사용자에게 상기 특정 컨텐츠를 제시하여 선호 순위를 선정하도록 하고,
상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 및
상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수 중 어느 하나 이상에 비례하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
The evaluation reliability measuring unit
The user is presented with the specific content to select a preferred rank,
The number of times that the content included in the specific content and whose preference of the other user is equal to or higher than a predetermined reference is located at the highest position of the preference rank,
The content evaluation reliability of the user is calculated in proportion to at least one of the number of times the content of the specific content included in the specific content is located at the lowest position of the preference rank, . 제2항에 있어서,
상기 사용자의 컨텐츠 평가 신뢰도는,
컨텐츠 평가 신뢰도 = (상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 + 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수)/(상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 제시된 횟수 + 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 제시된 횟수)
와 같은 수식으로 계산되는 것을 특징으로 하는 컨텐츠 추천 장치.3. The method of claim 2,
The content evaluation reliability of the user,
Content evaluation reliability = (the number of times the content having the preference of the other user is equal to or higher than the predetermined reference at the top of the preference rank + the number of times the content having the preference of the other user is equal to or lower than the predetermined reference) The number of times the content whose preference of the other user is equal to or higher than the predetermined reference is presented + the number of times the content whose preference of the other user is equal to or lower than the predetermined reference is presented)
Is calculated by the following formula. 제1항에 있어서,
상기 평가 신뢰도 측정부는
상기 사용자에게 상기 특정 컨텐츠를 제시하여 각각 평점을 부여하도록 하고, 상기 특정 컨텐츠에 대하여 상기 사용자가 부여한 평점 및 동일 컨텐츠에 대해 상기 타 사용자가 부여한 평점 간의 유사도를 측정하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
The evaluation reliability measuring unit
The degree of similarity between the rating given by the user to the specific content and the rating given to the same content by the other user is measured to calculate the content evaluation reliability of the user by presenting the specific content to the user, And the content recommendation apparatus. 제4항에 있어서,
상기 사용자의 컨텐츠 평가 신뢰도는 하기 수학식에 의해 계산되며,
컨텐츠 평가 신뢰도 = (cos U +1)/2
여기서 상기 cos U는 상기 사용자가 상기 제시된 특정 컨텐츠에 부여한 평점 벡터 및 상기 타 사용자가 동일 컨텐츠에 부여한 평점 벡터 간의 코사인 유사도인 것을 특징으로 하는 컨텐츠 추천 장치.5. The method of claim 4,
The content evaluation reliability of the user is calculated by the following equation,
Content evaluation reliability = (cos U +1) / 2
Wherein the cos U is a cosine similarity between a rating vector given by the user to the specified content and a rating vector given to the same content by the other user. 제1항에 있어서,
상기 평가점수 산출부는 상기 하나 이상의 컨텐츠 각각에 대한 최종평가점수를
최종평가점수 = (상기 사용자의 컨텐츠 평가 신뢰도 * 상기 사용자가 부여한 상기 컨텐츠의 평가 점수) + (1- 상기 사용자의 컨텐츠 평가 신뢰도)* (상기 타 사용자가 부여한 상기 컨텐츠의 평가 점수)
와 같은 수학식으로 산출하는 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
The evaluation score calculating unit may calculate a final score of each of the one or more contents
The final evaluation score = (the content evaluation reliability of the user * the evaluation score of the content given by the user) + (1- the content evaluation reliability of the user) * (the evaluation score of the content given by the other user)
The content recommendation apparatus comprising: 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계;
상기 사용자의 컨텐츠 평가 신뢰도 및 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하는 단계;
상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정하는 단계를 포함하는 것을 특징으로 하는 컨텐츠 추천 방법. Calculating reliability of the user's content evaluation by comparing the evaluation result of the user with respect to the specific content among the one or more contents and the evaluation result of another user with respect to the specific content;
Calculating a final evaluation score for the one or more contents based on the user's content evaluation reliability and the user's evaluation score for the one or more contents;
And determining content to be recommended to the user based on the final evaluation score. 제7항에 있어서,
상기 컨텐츠 평가 신뢰도를 계산하는 단계는,
상기 사용자에게 상기 특정 컨텐츠를 제시하여 선호 순위를 선정하도록 하는 단계;
상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 및
상기 특정 컨텐츠에 포함된, 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수 중 어느 하나 이상에 비례하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계를 포함하는 것을 특징으로 하는 컨텐츠 추천 방법.8. The method of claim 7,
Wherein the step of calculating the content evaluation reliability comprises:
Presenting the specific content to the user and selecting a preferred ranking;
The number of times that the content included in the specific content and whose preference of the other user is equal to or higher than a predetermined reference is located at the highest position of the preference rank,
And calculating the content evaluation reliability of the user in proportion to at least one of the number of times the content of the specific content included in the specific content is located at the lowest position of the preference rank, . 제8항에 있어서,
상기 사용자의 컨텐츠 평가 신뢰도는,
컨텐츠 평가 신뢰도 = (상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 상기 선호 순위의 최상위에 위치한 횟수 + 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 상기 선호 순위의 최하위에 위치한 횟수)/(상기 타 사용자의 선호도가 기 설정 기준 이상인 컨텐츠가 제시된 횟수 + 상기 타 사용자의 선호도가 기 설정 기준 이하인 컨텐츠가 제시된 횟수)
와 같은 수식으로 계산되는 것을 특징으로 하는 컨텐츠 추천 방법.9. The method of claim 8,
The content evaluation reliability of the user,
Content evaluation reliability = (the number of times the content having the preference of the other user is equal to or higher than the predetermined reference at the top of the preference rank + the number of times the content having the preference of the other user is equal to or lower than the predetermined reference) The number of times the content whose preference of the other user is equal to or higher than the predetermined reference is presented + the number of times the content whose preference of the other user is equal to or lower than the predetermined reference is presented)
Is calculated by the following formula. 제7항에 있어서,
상기 컨텐츠 평가 신뢰도를 계산하는 단계는,
상기 사용자에게 상기 특정 컨텐츠를 제시하여 각각 평점을 부여하도록 하는 단계;
상기 특정 컨텐츠에 대하여 상기 사용자가 부여한 평점 및 동일 컨텐츠에 대해 상기 타 사용자가 부여한 평점 간의 유사도를 측정하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계를 포함하는 것을 특징으로 하는 컨텐츠 추천 방법.8. The method of claim 7,
Wherein the step of calculating the content evaluation reliability comprises:
Presenting the specific content to the user and giving a rating to each user;
And calculating the reliability of the user's content evaluation by measuring the similarity between the rating given by the user and the rating given by the other user to the same content with respect to the specific content. 제10항에 있어서,
상기 사용자의 컨텐츠 평가 신뢰도는 하기 수학식에 의해 계산되며,
컨텐츠 평가 신뢰도 = (cos U +1)/2
여기서 상기 cos U는 상기 사용자가 상기 제시된 특정 컨텐츠에 부여한 평점 벡터 및 상기 타 사용자가 동일 컨텐츠에 부여한 평점 벡터 간의 코사인 유사도인 것을 특징으로 하는 컨텐츠 추천 방법.11. The method of claim 10,
The content evaluation reliability of the user is calculated by the following equation,
Content evaluation reliability = (cos U +1) / 2
Wherein the cos U is a cosine similarity between a rating vector given by the user to the specified content and a rating vector given to the same user by the other user. 제7항에 있어서,
상기 최종평가점수를 산출하는 단계는 상기 하나 이상의 컨텐츠 각각에 대한 최종평가점수를
최종평가점수 = (상기 사용자의 컨텐츠 평가 신뢰도 * 상기 사용자가 부여한 상기 컨텐츠의 평가 점수) + (1- 상기 사용자의 컨텐츠 평가 신뢰도)* (상기 타 사용자가 부여한 상기 컨텐츠의 평가 점수)
와 같은 수학식으로 산출하는 단계인 것을 특징으로 하는 컨텐츠 추천 방법.8. The method of claim 7,
Wherein the step of calculating the final evaluation score includes calculating a final evaluation score for each of the one or more contents
The final evaluation score = (the content evaluation reliability of the user * the evaluation score of the content given by the user) + (1- the content evaluation reliability of the user) * (the evaluation score of the content given by the other user)
And the step of calculating the content recommendation method is a step of calculating the content recommendation method. 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하고, 상기 사용자의 컨텐츠 평가 신뢰도 및 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하고, 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정하는 컨텐츠 추천 장치; 및
상기 특정 컨텐츠에 대한 상기 사용자의 평가 결과를 전송하고, 상기 사용자의 컨텐츠 평가 신뢰도를 기초로 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시하는 사용자 단말을 포함하는 것을 특징으로 하는 컨텐츠 추천 서비스 시스템.Calculating reliability of the user's content evaluation reliability by comparing the evaluation result of the user with respect to the specific content among the one or more contents and the evaluation result of another user with respect to the specific content, A content recommendation device for calculating a final evaluation score for the at least one content based on a user's evaluation score and determining content to be recommended to the user based on the final evaluation score; And
And a user terminal for transmitting the evaluation result of the user to the specific content and displaying the content recommended by the content recommendation apparatus based on the reliability of the user's content evaluation. 컨텐츠 추천 장치가 사용자 단말로부터 하나 이상의 컨텐츠 중 특정 컨텐츠에 대한 사용자의 평가 결과를 수신하는 단계;
상기 컨텐츠 추천 장치가 상기 특정 컨텐츠에 대한 상기 사용자의 평가 결과와 상기 특정 컨텐츠에 대한 타 사용자의 평가 결과를 비교하여 상기 사용자의 컨텐츠 평가 신뢰도를 계산하는 단계;
상기 컨텐츠 추천 장치가 상기 사용자의 컨텐츠 평가 신뢰도 및 상기 하나 이상의 컨텐츠에 대한 상기 사용자의 평가 점수를 기초로 하여 상기 하나 이상의 컨텐츠에 대한 최종평가점수를 산출하는 단계;
상기 컨텐츠 추천 장치가 상기 최종평가점수를 기초로 하여 상기 사용자에게 추천할 컨텐츠를 결정하는 단계; 및
상기 사용자 단말이 상기 컨텐츠 추천 장치에 의해 추천된 컨텐츠를 표시하는 단계를 포함하는 것을 특징으로 하는 컨텐츠 추천 서비스 방법.The content recommendation apparatus receiving from the user terminal a user's evaluation result of the specific content among at least one content;
The content recommendation apparatus compares the evaluation result of the user with respect to the specific content and the evaluation result of another user with respect to the specific content to calculate the content evaluation reliability of the user;
The content recommendation apparatus calculating a final evaluation score for the one or more contents based on the user's content evaluation reliability and the user's evaluation score for the one or more contents;
The content recommendation apparatus determining contents to be recommended to the user based on the final evaluation score; And
And displaying the content recommended by the content recommendation apparatus by the user terminal.
KR1020130008228A 2013-01-24 2013-01-24 Method to recommend digital contents based on reliavility of contents assessment and apparatus therefor KR20140096411A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130008228A KR20140096411A (en) 2013-01-24 2013-01-24 Method to recommend digital contents based on reliavility of contents assessment and apparatus therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130008228A KR20140096411A (en) 2013-01-24 2013-01-24 Method to recommend digital contents based on reliavility of contents assessment and apparatus therefor

Publications (1)

Publication Number Publication Date
KR20140096411A true KR20140096411A (en) 2014-08-06

Family

ID=51744254

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130008228A KR20140096411A (en) 2013-01-24 2013-01-24 Method to recommend digital contents based on reliavility of contents assessment and apparatus therefor

Country Status (1)

Country Link
KR (1) KR20140096411A (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016089179A1 (en) * 2014-12-05 2016-06-09 Novavin, Inc. Content evaluation method and server in network environment
KR101677684B1 (en) * 2015-09-18 2016-11-21 충북대학교 산학협력단 Method and apparatus for trust determination based on user activity analysis for social media
KR20180082037A (en) * 2017-01-09 2018-07-18 한양대학교 산학협력단 Method and apparatus for estimating ratings for items
US10546034B2 (en) 2015-09-18 2020-01-28 Chungbuk National University Industry Academic Cooperation Foundation Method and system for evaluating reliability based on analysis of user activities on social medium
US11005846B2 (en) 2017-12-07 2021-05-11 Electronics And Telecommunications Research Institute Method and apparatus for providing trust-based media services
KR102278023B1 (en) * 2021-02-04 2021-07-15 (주)더블유투더블유 The method and apparatus for providing personal customized menstruation contents based on artificial intelligence
KR20220033941A (en) * 2020-09-10 2022-03-17 주식회사 엘지유플러스 Method and Apparatus for VOD Content Recommendation

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016089179A1 (en) * 2014-12-05 2016-06-09 Novavin, Inc. Content evaluation method and server in network environment
US10552503B2 (en) 2014-12-05 2020-02-04 Jong Yoon Chun Content evaluation method and server in network environment
KR101677684B1 (en) * 2015-09-18 2016-11-21 충북대학교 산학협력단 Method and apparatus for trust determination based on user activity analysis for social media
WO2017047876A1 (en) * 2015-09-18 2017-03-23 충북대학교 산학협력단 Reliability evaluation method and system on basis of user activity analysis on social media
US10546034B2 (en) 2015-09-18 2020-01-28 Chungbuk National University Industry Academic Cooperation Foundation Method and system for evaluating reliability based on analysis of user activities on social medium
KR20180082037A (en) * 2017-01-09 2018-07-18 한양대학교 산학협력단 Method and apparatus for estimating ratings for items
US11005846B2 (en) 2017-12-07 2021-05-11 Electronics And Telecommunications Research Institute Method and apparatus for providing trust-based media services
KR20220033941A (en) * 2020-09-10 2022-03-17 주식회사 엘지유플러스 Method and Apparatus for VOD Content Recommendation
KR102278023B1 (en) * 2021-02-04 2021-07-15 (주)더블유투더블유 The method and apparatus for providing personal customized menstruation contents based on artificial intelligence
KR20220113235A (en) * 2021-02-04 2022-08-12 (주)더블유투더블유 Method and device for providing menstrual content using artificial intelligence learning based on evaluation information on menstrual products
KR20220113234A (en) * 2021-02-04 2022-08-12 (주)더블유투더블유 Method and device for providing menstrual content by comparing menstrual patterns with sns friends

Similar Documents

Publication Publication Date Title
KR20140096411A (en) Method to recommend digital contents based on reliavility of contents assessment and apparatus therefor
KR102150660B1 (en) Method to recommend digital contents based on search log and apparatus therefor
US11574220B2 (en) Method and device for evaluating cooking quality
KR102131791B1 (en) Method to provide recommended contents and associated contents
KR101620748B1 (en) Item recommendation method and apparatus
US20220036977A1 (en) System and method for analyzing and providing personalized cosmetic information
US10580010B2 (en) Method, system and program product for measuring customer satisfaction and applying post concern resolution
US20130054498A1 (en) System and Method For Providing Personalized Recommendations
US10104428B2 (en) Video playing detection method and apparatus
CN111970150B (en) Log information processing method, device, server and storage medium
CN108335131A (en) A kind of method, apparatus and electronic equipment for estimating age of user section
JP4447552B2 (en) Information providing method and apparatus, program, and computer-readable recording medium
US20220036427A1 (en) Method for managing immersion level and electronic device supporting same
KR102104100B1 (en) Method to recommend digital contents based on usage log and apparatus therefor
Schramm-Klein et al. Broadening the perspective on E-commerce: A comparative analysis of mobile shopping and traditional online shopping
CN113360790A (en) Information recommendation method and device and electronic equipment
US20110295848A1 (en) Computer-implemented system and method for determining a response to a stimulus
CN107786895A (en) A kind of method for evaluating quality and device of broadcast page video recommendations
KR102086041B1 (en) Method to recommend digital contents using multi-period user profile and apparatus therefor
CN111177564A (en) Product recommendation method and device
US20190196445A1 (en) Method and system for sensing fine changes in processing/equipment measurement data
Sriram et al. Mobile phone usability and its influence on brand loyalty and re-purchase intention: An empirical
JP4962950B2 (en) Recommendation method, recommendation server and program for users on network
US20160098766A1 (en) Feedback collecting system
CN112069797A (en) Voice quality inspection method and device based on semantics

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment