KR20140133069A

KR20140133069A - 사용자 단말 및 사용자 활동 예측 방법

Info

Publication number: KR20140133069A
Application number: KR20130052625A
Authority: KR
Inventors: 날린 챠쿠; 이동주
Original assignee: 삼성전자주식회사
Priority date: 2013-05-09
Filing date: 2013-05-09
Publication date: 2014-11-19
Also published as: KR102073696B1

Abstract

사용자 단말을 개시한다. 본 발명의 일 실시 예에 따른 사용자 단말은, 사용자 활동을 수집하는 사용자 활동 수집부와, 상기 사용자 활동이 수집되면 상기 사용자 단말의 위치 정보를 검출하는 위치 정보 검출부와, 상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정하는 관심 장소 후보 판단부와, 기 저장된 사용자 활동 정보를 기초로 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석하는 사용자 의도 분석부를 포함한다.

Description

사용자 단말 및 사용자 활동 예측 방법{USER TERMINAL APPARATUS AND USER ACTIVITY PREDICTION METHOD}

본 발명은 위치 기반 서비스에 관한 것으로, 좀더 상세하게는 사용자 관심 장소를 판단하고 관심 장소를 방문하는 사용자 의도를 예측하기 위한 사용자 단말 및 사용자 활동 예측 방법에 관한 것이다.

위치 기반 서비스(Location-based Service)란 이동통신망이나 위성항법장치(GPS) 등을 통해 얻은 위치정보를 바탕으로 사용자에게 여러 가지 서비스를 제공하는 서비스 시스템을 의미한다. 휴대폰 속에 기지국이나 위성항법장치(GPS)와 연결되는 칩을 부착해 위치추적 서비스, 공공안전 서비스, 위치기반정보 서비스 등 위치와 관련된 각종 정보를 제공하는 서비스를 제공하는 기술이다.

위치 기반 서비스에는 이동통신 기지국을 이용하는 셀 방식과 위성항법장치를 활용한 GPS 방식이 있다. 셀 방식은 2000년을 전후해 개발·보급되기 시작한 방식으로, 위치의 오차 범위가 수㎞까지 날 수 있어 정확한 위치를 찾기 어려운 반면 중계기 등을 이용하기 때문에 건물 안이나 지하 등의 위치도 찾을 수 있는 것이 장점이다. GPS 방식은 위성에서 보내는 위치정보를 휴대폰에 내장된 칩이 읽어 기지국에 알려주는 방식이다. 위치의 오차 범위가 좁아 비교적 정확하게 위치를 알 수 있다. 그러나 위성 신호의 특성으로 인해 반사·굴절이 잘 되는 고층 건물이나 실내에서는 사용이 힘든 단점이 있다. 또한, 와이파이 같은 근거리 통신 기술이 이용한 위치 기반 서비스도 등장하고 있다. 이들 위치 기반 서비스는, 날씨 서비스, 교통정보 서비스, 생활정보 서비스, 텔레매틱스 서비스 등 다양한 서비스로 구현되어 제공되고 있다.

최근에는 위치 정보에 기초하여 사용자의 관심(interest) 장소에 대한 정보를 추출하고 이를 기반으로 개인화된 서비스를 제공하는 기술이 등장하고 있다. 그러나, 현재까지 개발된 기술들은 관심 장소 정보를 수집하기 위해 관심 장소 정보를 제공하기 위한 사용자의 능동적인 행위를 필요로 하는 문제를 갖고 있다. 예를 들어, 사용자는 자신이 좋아하는 음식점을 방문하였을 때, 자신의 사용자 단말에 음식점을 방문하였음을 알리는 입력(보통 체크인(Check-in)으로 불린다.)을 수행함으로써, 관심 장소 정보를 제공한다. 이러한 행위는 사용자에게 번거로움을 느끼게 하고, 결국 서비스 이용 빈도를 낮추게 되므로 사용자의 정확한 의사 예측을 어렵게 만든다.

또한, 일반적으로 모바일 장치가 제공하는 위치 정보 검출 기능은 정밀하지 못해서 여러 상점들이 모여 있는 장소에서 각 상점까지 식별하기는 어렵다. 따라서, 하나의 장소는 여러 지점(Venue)를 포함할 수 있으므로, 어느 장소를 방문하는 사용자의 의도는 복수의 경우의 수를 갖을 수 있다. 예를 들어, 놀이 공원을 방문한 사용자는 음식을 먹고 싶을 수 있지만, 기념품을 구입하고 싶을 수도 있을 것이다. 기존의 서비스는 이러한 경우 사용자가 능동적인 입력을 통해 직접 자신의 목적지 내지 의도를 직접 입력해야 하는 불편함이 있었다.

본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은, 관심 장소 정보를 제공하기 위한 사용자의 능동적인 행위 없이도 사용자의 일상적인 사용자 단말 사용만으로도 사용자 관심 장소를 판단하여 사용자의 의도를 분석할 수 있는 사용자 단말 및 사용자 활동 예측 방법을 제공하기 위함이다.

상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 사용자 단말은, 사용자 활동을 수집하는 사용자 활동 수집부와, 상기 사용자 활동이 수집되면 상기 사용자 단말의 위치 정보를 검출하는 위치 정보 검출부와, 상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정하는 관심 장소 후보 판단부와, 기 저장된 사용자 활동 정보를 기초로 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석하는 사용자 의도 분석부를 포함한다.

이때, 상기 사용자 활동은, 상기 사용자 단말의 특정 기능을 실행시키기 위한 사용자 입력이며, 카메라 촬영, 동영상 재생, 음악 재생, 특정 목적의 애플리케이션 실행 및 상기 사용자 단말의 기능 설정 중 적어도 하나일 수 있다.

상기 관심 정보 후보 판단부는, 상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 사용자 활동 정보를 생성하고, 상기 생성된 사용자 활동 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정할 수 있다.

이때, 상기 생성된 사용자 활동 정보는, 아이디(ID), 타임스탬프(Timestamp), 제목(Title), 애플리케이션 패키지 이름(Package Name), 이벤트(Event), 타입(Type), 지속기간(Duration), 매타 데이터(Meta), 위도(latitude), 경도(longitude), 주소(address) 및 위치 소스(location source) 중 적어도 하나를 포함할 수 있다.

또한, 상기 관심 장소 후보 판단부는, 집 또는 사무실을 기준으로 상기 관심 장소 후보를 판단할 수 있다.

또한, 상기 관심 장소 후보는 적어도 하나의 지점(Venue)을 포함할 수 있다.

또한, 상기 사용자 의도 분석부는, 외부 장치로부터 수신된 위치 지식 서비스(location-knowledge service)를 더 고려하여 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석할 수 있다.

또한, 상기 사용자 의도 분석부는, 상기 선정된 관심 장소 후보에 대해 복수의 사용자 의도를 분석하고, 상기 분석된 복수의 사용자 의도는 각각 다른 가중치를 갖을 수 있다.

또한, 상기 사용자 단말은, 현재 시간 및 상기 사용자 단말의 위치 정보 중 적어도 하나에 기초하여 사용자의 활동을 예측하는 사용자 활동 예측부를 더 포함할 수 있다.

이때, 상기 사용자 활동 예측부는, 예측이 필요한 사용자 활동이 짧은 시간 후에 이루어지는 유형의 활동인 경우, 현재 시간 및 상기 사용자 단말의 현재 위치 정보에 기초하여 사용자의 활동을 예측할 수 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 사용자 활동 예측 방법은, 사용자 활동을 수집하는 단계, 상기 사용자 활동이 수집되면 상기 사용자 단말의 위치 정보를 검출하는 단계, 상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정하는 단계, 기 저장된 사용자 활동 정보를 기초로 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석하는 단계를 포함한다.

또한, 상기 관심 정보 후보를 선정하는 단계는, 상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 사용자 활동 정보를 생성하고, 상기 생성된 사용자 활동 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정할 수 있다.

또한, 상기 관심 정보 후보를 선정하는 단계는, 집 또는 사무실을 기준으로 상기 관심 장소 후보를 판단하는 것일 수 있다.

또한, 상기 사용자 의도를 분석하는 단계는, 외부 장치로부터 수신된 위치 지식 서비스(location-knowledge service)를 더 고려하여 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석할 수 있다.

또한, 상기 사용자 의도를 분석하는 단계는, 상기 선정된 관심 장소 후보에 대해 복수의 사용자 의도를 분석하고, 상기 분석된 복수의 사용자 의도는 각각 다른 가중치를 갖을 수 있다.

또한, 상기 사용자 활동 예측 방법은, 현재 시간 및 상기 사용자 단말의 위치 정보 중 적어도 하나에 기초하여 사용자 활동을 예측하는 단계를 더 포함할 수 있다.

이때, 상기 사용자 활동을 예측하는 단계는, 예측이 필요한 사용자 활동이 짧은 시간 후에 이루어지는 유형의 활동인 경우, 현재 시간 및 상기 사용자 단말의 현재 위치 정보에 기초하여 사용자의 활동을 예측하는 것일 수 있다.

이상과 같은 본 발명의 다양한 실시 예에 따르면, 본 발명은, 관심 장소 정보를 제공하기 위한 사용자의 능동적인 행위 없이도 사용자의 일상적인 사용자 단말 사용만으로도 사용자 관심 장소를 판단하여 사용자의 의도를 분석할 수 있고, 이러한 사용자 의도를 기반으로 개인화된 서비스를 제공할 수 있게 된다.

도 1은 사용자의 이동 궤적을 맵 상에 도시한 도면,
도 2는 본 발명의 일 실시 예에 따른 사용자 단말의 구성을 도시한 블록도,
도 3은 사용자 활동 정보의 항목을 나타낸 도면,
도 4는 집과 사무실을 검출하는 알고리즘의 흐름도,
도 5는 적어도 하나의 지점들로 구성된 관심 장소 후보를 도시한 도면,
도 6은 부가 정보를 고려하여 사용자 의도를 판단하는 과정을 도시한 모식도,
도 7은 가중치가 포함된 사용자 의도를 도시한 도면,
도 8은 하나의 관심 장소에 포함되는 서로 다른 가중치를 갖는 복수의 사용자 의도를 도시한 개념도,
도 9는 미래의 어느 시점에 대한 사용자 예측 상황을 도시한 모식도,
도 10은 사용자 의도의 강약을 나타내는 그래프를 도시한 도면, 그리고,
도 11 및 12는 본 발명의 다양한 실시 예에 따른, 사용자 활동 예측 방법의 흐름도이다.

이하에서는 첨부된 도면을 참조하여 본 발명의 다양한 실시 예를 설명한다.

도 1은 사용자의 이동 궤적을 맵 상에 도시한 도면이고, 도 2는 본 발명의 일 실시 예에 따른 사용자 단말(100)의 구성을 도시한 블록도이다.

본 발명에 따른 라이프 로그를 이용하는 위치 기반 서비스는 사용자의 위치를 판단하여 특정 위치에 대한 사용자의 의도를 판단하여 서비스를 제공한다. 상기 서비스는 사용자가 소지하고 있는 사용자 단말(100)의 위치 정보에 대응되는 지리적 정보를 이용하여 사용자가 특정 위치를 방문한 의도를 판단한다.

도 1은 사용자의 이동 궤적을 맵 상에 도시한 도면이다. 도 1의 예에서 사용자가 집(1)에 있는 경우 사용자는 아침식사를 하거나 수면을 취하거나 TV 시청을 할 것이다. 그리고, 사용자가 사무실(2)을 방문하면, 사용자의 의도는 업무를 하거나 회의를 하기 위한 것으로 볼 수 있다. 그리고, 일상 생활에서 사용자는 일과를 끝낸 일정 시간 이후에는 집에서 휴식을 취하고 수면을 취할 것이 명백하다. 또한, 식사시간이나 주말을 제외하고 사용자는 사무실에서 업무를 하거나 회의를 할 가능성이 매우 높다. 즉, 사용자가 집이나 사무실에 있는 시간과 그 때의 사용자의 의도는 비교적 명백하다.

반면, 그 외의 시간과 그 때 사용자가 방문하는 장소는 상대적으로 가변적이다. 예를 들어, 사용자는 점심시간에 사무실에서 동쪽 50미터 거리에 위치한 일식집에서 식사를 할 수도 있지만, 사무실에서 남쪽 100미터 거리에 위치한 분식점을 들르거나, 다른 방향에 위치한 체육관을 찾을 수도 있다. 따라서, 라이프 로그를 이용하는 위치 기반 서비스는 집이나 사무실처럼 사용자의 의도가 비교적 명백한 장소 외의 장소를 방문하는 경우 사용자의 의도를 예측하는 것에 초점을 둔다. 즉, 사용자가 전형적인 장소가 아닌 장소를 방문하는 경우 그 장소와 시간에 대한 정보를 분석하여 사용자의 의도를 분석한다. 분석된 의도는 미래에 비슷한 조건에서 사용자의 행동 패턴을 정밀하게 예측하는데 이용된다. 이러한 예측을 통해 비교적 높은 정확도로 사용자에게 개인화된(customized) 모바일 서비스를 제공하고자 한다. 이처럼 사용자가 특정 의도를 갖고 방문하는 것으로 고려되는 장소를 관심 장소(POI : Place of Interest)라고 정의한다.

이하에서는 상술한 서비스를 실현하기 위한 사용자 단말(100)의 구성과 기능을 설명한다.

도 2를 참조하면, 상술한 기능을 수행하기 위한 본 발명의 일 실시 예에 따른 사용자 단말(100)은 사용자 활동 수집부(110), 위치 정보 검출부(120), 관심 장소 후보 판단부(130), 사용자 의도 분석부(140)를 포함한다.

사용자 활동 수집부(110)는 사용자 활동을 수집하는 구성이다. 사용자 활동이란, 사용자가 능동적으로 사용자 단말(100)의 특정 기능을 동작시키는 것을 의미한다. 예를 들어, 사용자가 SNS 애플리케이션을 실행시키거나, 게임 애플리케이션을 실행시켜 게임 제어 입력을 하는 경우, 카메라를 촬영하거나, 동영상, 음악을 재생시키는 등으로 사용자 단말(100)이 동작하도록 하는 것이 될 수 있다. 사용자 활동은 이처럼 특정 기능 또는 애플리케이션을 활성화시키는 경우뿐 아니라, 특정 기능 또는 애플리케이션이 활성화된 상황에서 사용자 입력을 수행하는 경우를 포괄한다. 즉, 사용자가 특정 기능 또는 애플리케이션이 활성화된 상황에서 사용자 터치 입력, 드래그 입력, 핀치 아웃/인 입력, 키패드 입력, 사용자 단말(100)의 움직임 입력, 근접 입력, 호버링(hovering) 입력, 버튼 입력 중 적어도 하나를 수행하는 경우를 포함한다.

본 발명은 상기와 같이 관심 장소 정보를 제공하기 위한 사용자의 능동적인 행위 없이도 사용자의 일상적인 사용자 단말 사용 행위만으로도 사용자 관심 장소를 판단하여 사용자의 의도를 분석할 수 있게 된다.

위치 정보 검출부(120)는 사용자 단말(100)의 위치를 검출한다. 위치 정보 검출부(120)는, 지피에스(Global Positioning System : GPS)기술, 셀 통신 기술 및 와이파이 같은 근거리 통신 기술 중 적어도 하나를 이용하여 사용자 단말(100)의 위치 정보를 검출한다. 위치 정보 검출부(120)는 지속적으로 사용자 단말(100)의 위치를 검출할 수도 있으나, 사용자 활동이 있는 경우에만 사용자 단말(100)의 위치를 검출할 수 있다. 후자의 경우 사용자 단말(100)의 배터리 소모를 줄이므로 절전효과를 기대할 수 있고, 다른 작업과 동시에 수행되는 빈도가 상대적으로 적으므로 사용자 단말(100)의 시스템 부하를 예방하여 안정적인 성능을 유지할 수 있다.

도 3은 사용자 활동 정보의 항목을 나타낸 도면이다.

사용자 활동 수집부(110)가 사용자 활동을 수집하고, 위치 정보 검출부(120)가 사용자 활동이 수집되는 경우의 위치 정보를 검출한 결과, 도 3과 같은 사용자 활동 정보를 생성하여 저장부(150)에 저장할 수 있게 된다. 즉, 도 3에 도시된 것처럼 사용자 활동(30)이 있는 경우 각 사용자 활동(30)에 대한 사용자 활동 정보(31)가 저장된다. 사용자 활동 정보(31)는 도 3에 도시된 것처럼 복수의 항목을 갖는다. 사용자 활동 정보(31)는 텍스트 데이터를 포함하는 다양한 데이터 타입으로 저장될 수 있다. 또한, 사용자 활동 정보(31)는 사용자 단말(100) 또는 서비스 제공 서버에 저장될 수 있다.

각 항목을 설명하면 다음과 같다. 아이디(ID)는 사용자 단말(100)을 식별하기 위한 정보를 나타내는 항목이고, 타임스탬프(Timestamp)는 사용자 활동이 있는 시간정보를 나타내는 항목이고, 제목(Title)은 사용자 활동의 제목을 나타내는 항목이다. 또한, 패키지 이름(Package Name)은 사용자 활동이 수행되는데 이용된 애플리케이션의 패키지 이름을 나타내는 항목이고, 이벤트(Event)는 인스톨되거나 삭제되거나 업데이트된 활동을 나타내는 항목이고, 타입(Type)은 콘텐츠나 애플리케이션의 타입을 나타내는 항목이고, 지속기간(Duration)은 사용자 활동이 지속적으로 수행된 시간을 나타내는 항목이고, 매타 데이터(Meta)는 사용자 활동과 관련된 정보를 나타내는 항목이고, 위도(latitude), 경도(longitude), 주소(address)는 GPS 값과 지오 해시 코드(geo-hash code)을 나타내는 항목이며, 위치 소스(location source)는 위치 정보를 검출한 수단을 나타내는 항목으로, GPS, 와이파이, 셀 타워 중 적어도 하나가 될 수 있다.

한편, 사용자 활동 정보(31)의 데이터 량이 많은 경우 데이터 처리 속도 지연이 발생할 가능성이 있다. 이 경우 필수 사용자 활동 정보(32)만을 저장하는 것도 가능하다. 사용자 단말(100)에서 데이터 처리가 이루어지고 사용자 활동 정보를 사용자 단말(100)에 저장하는 경우 사용자 단말(100)의 성능 보장을 위해 필수 사용자 활동 정보(32)만을 저장할 수 있을 것이다. 다만, 사용자 활동 정보(31)가 많을수록 사용자의 의도에 대한 예측의 정확성이 높아질 수 있으므로 사용자 활동 정보(31)와 필수 사용자 활동 정보(32) 중 어느 것을 사용할지는 예측의 효율성과 정확성 사이에서 트레이드 오프(trade-off)로 해결할 사항이다.

관심 장소 후보 판단부(130)는 상기와 같이 생성된 사용자 활동 정보에 기초하여 사용자의 관심 장소(POI) 후보를 판단하는 구성이다.

전술한 사용자 활동 정보(31, 32)는 1차적으로 관심 장소 후보가 된다. 그 다음으로 관심 장소 후보 판단부(130)는 집이나 사무실처럼 사용자의 의도가 비교적 명백한 장소인지를 판단한다. 사용자가 수면을 취하는 등으로 인해 사용자 활동이 최소인 기간은 관심 장소 판단의 대상이 아니므로 그 외의 시간에 대해서 상기 판단이 이루어져야 한다. 도 4는 이러한 정책에 따라 사용자의 의도가 비교적 명백한 장소와 유의미한 사용자 활동이 없는 시간을 배제하는 알고리즘의 흐름도를 도시한다. 전술한 실시 예에서 사용자의 집이나 사무실은 사용자가 방문하는 의도가 비교적 명백한 장소이므로, 관심 장소는 그 외의 장소에서 설정된다.

도 4는 집과 사무실을 검출하는 간단한 알고리즘의 흐름도를 나타낸다. 알고리즘은 사용자 활동의 세트에 대해 고려한다(S410). 그리고, 타임 카운터(TC)를 통해 사용자 활동이 가장 적은 구간을 식별하는데(S420) 이 구간을 집 또는 사무실에 위치하는 구간으로 간주한다. 주말에는 주로 집이나 사무실에 있을 것이므로 주중의 시간에 대해서 고려한다(S430). 그리고, 주간 근로자와 야간 근로자를 구별할 수도 있다(S425). 일과시간에서 집이나 사무실에서 보내는 시간은 사용자 의도의 분석이나 사용자 활동 예측이 필요 없는 명백한 구간이므로 배제한다(S435). 그리고, 낮은 정확도의 지오 해시 함수로 사용자 활동이나 소요되는 날짜 등을 계산하여 집 후보들과 사무실 후보들을 선정한다(S447~S457). 그리고, 최종적으로 집 또는 사무실에 대해 레이블을 설정한다(S470, S475, S480).

그런데, 현실적으로 위치 정보 검출부(120)는 사용자 단말(100)의 정확한 위치를 검출하는데는 한계를 갖는다. 특히, 가까운 장소에 여러 상점이 모여 있는 경우처럼 성격이 서로 다른 복수의 목적지가 모여 있는 경우 사용자가 실제로 방문한 목적지가 어디인지 판단하기 어려운 경우가 있다. 예를 들어, 하나의 빌딩에서 서로 다른 목적지들이 서로 다른 층에 위치하는 경우 지피에스 모듈로 정확한 사용자 단말(100)의 위치를 검출하는데 한계를 갖을 수 있다. 따라서, 통상적으로 하나의 관심 장소 후보는 적어도 하나의 목적지(일반적으로는 복수의 목적지)를 포함할 수 있다. 본 명세서에서는 상기 목적지를 관심 장소와 구별하기 위해 지점(Venue)이라는 용어를 사용한다.

도 5는 적어도 하나의 지점들로 구성된 관심 장소 후보를 도시한 도면이다.

도 5를 참조하면, 라이프 로그는 기록을 시작한 첫째 날에 사용자가 관심 장소 후보 1(POI 1)에서 사무실로 이동하였으며, 관심 장소 후보 1(POI 1)은 지피에스로 위치 정보가 감지되고 하나의 지점을 포함함을 기록하고 있다. 반면, 둘째 날에 사용자는 관심 장소 후보 2(POI 2)로 이동하였고, 관심 장소 후보 2(POI 2)은 와이 파이로 위치 정보가 감지되었고 두 개의 지점을 포함함을 알 수 있다. 유사하게 관심 장소 후보 3(POI 3)은 세 개의 지점을 포함하고, 관심 장소 후보 4(POI 4)는 여섯 개의 지점을 포함하며, 관심 장소 후보 5(POI 5)는 두 개의 지점을 포함함을 알 수 있다.

사용자 의도 분석부(140)는, 사용자 의도 데이터 베이스를 갱신하기 위해 사용자의 의도를 분석하는 구성이다. 사용자 의도 분석부(140)는, 사용자 의도를 정밀하게 판단하기 위해 부가 정보를 고려할 수 있다. 부가 정보란, 사용자 활동으로부터 수집된 사용자 활동 정보(31) 외의 정보로서, 사용자의 의도를 판단하는데 유용한 정보를 의미한다.

예를 들어, 집이나 사무실로부터의 거리 정보, 특정 지점에 대한 체크인 정보, 사용자 리뷰나 코멘트 정보, 레스토랑에 대한 가격과 같은 장소 특성 정보, 별점(rating) 정보, 지점의 성격을 분류한 카테고리 정보, 날씨 정보, 시간 정보, 구매 정보 중 적어도 하나일 수 있다. 특히, 관심 장소의 지점은 기 설정된 방식에 따라 분류된 카테고리에 매칭될 수 있다. 예를 들어, 사용자 활동 정보(31)에 따라 사용자가 방문한 지점이 레스토랑인 경우 음식 카테고리로 매칭될 수 있다.

이러한 부가 정보는 외부 장치로부터 제공받는 위치 지식 서비스(location-knowledge service)에 포함될 수 있다. 사용자 의도 분석부(140)는, 부가 정보를 고려하여 좀더 정밀하게 사용자 의도를 판단한다. 하나의 관심 장소에 대해서는 복수의 사용자 의도가 존재할 수 있다.

도 6은 부가 정보를 고려하여 사용자 의도를 판단하는 과정을 도시한 모식도이다.

도 6에 도시된 것처럼 어느 위치에서 사용자 활동이 수집되면(S610), 관심 장소 후보를 결정한다(S620). 그리고, 제공되는 부가 정보를 이용하여(S630) 사용자의 의도를 분석한다(S640). 분석된 사용자 의도는 데이터 베이스(60)를 갱신하는 목적으로 사용될 수 있다.

그런데, 동일한 조건에서 발생 빈도를 달리하는 복수의 유사한 사용자 의도가 존재할 수 있다. 이 경우 복수의 유사한 사용자 의도 각각은 서로 다른 가중치가 주어질 수 있다. 도 7은 이러한 상황을 도시한 도면이다. 즉, 도 7은 가중치가 포함된 사용자 의도를 도시한 도면이다.

도 7의 그래프는 사용자가 집이나 사무실 외의 장소(관심 장소)에 있는 경우 사용자 의도가 분석됨을 나타내고 있다. 분석은 일주일 간격으로 이루어지고 있다. 도 7의 그래프에서 표시 순서대로 M은 월요일, T는 화요일, W는 수요일, T는 목요일, F는 금요일, 연속되는 S는 각각 토요일, 일요일을 나타내고 있다.

토요일(S)에 사용자가 관심 장소에 있었던 경우, 사용자 의도(ik)은 놀이(FUN)의 가중치는 0.87, 식사(FOOD)의 가중치는 0.11로 표시되어 있다. 따라서, 사용자는 동일한 관심 장소인 에버랜드 관광단지(Everland Resort)에서 식사보다는 놀이(FUN)에 의사가 더 많았음을 알 수 있다. 이렇게 저장된 사용자 의도 데이터 베이스(70)에 따라 미래에 동일하거나 유사한 조건에서 사용자의 활동은 놀이로 예측될 것이다.

또한, 전술한 것처럼 하나의 장소에 대해 복수의 사용자 의도가 존재할 수 있으므로, 하나의 관심 장소는 서로 다른 가중치를 갖는 복수의 사용자 의도를 갖을 수 있다. 도 8은 하나의 관심 장소(80)에 포함되는 서로 다른 가중치를 갖는 복수의 사용자 의도(81, 82, 83)를 도시한 모식도를 나타내고 있다.

지금까지 설명한 방법에 따라 사용자 의도 데이터 베이스가 생성되면, 이렇게 생성된 사용자 의도 데이터 베이스는 사용자의 활동을 예측하는데 사용된다. 즉, 사용자 단말(100)은 상기 데이터 베이스를 이용하여 예측된 미래 사용자 활동의 정보를 제공한다. 데이터 베이스는 외부 서버에 저장되어 사용자 단말(100)에서 참조할 수도 있고, 사용자 단말(100) 스스로 데이터 베이스를 저장할 수도 있다.

사용자 단말(100) 스스로 데이터 베이스를 구축하고 관리하는 경우 전술한 저장부(150)는 이러한 데이터 베이스를 저장한다. 데이터 베이스의 종류는 제한이 없다. 즉, 계층형 데이터 베이스(HDB : Hierarchical Database), 관계형 데이터 베이스(RDB : Relational Database), 객체지향형 데이터 베이스(OODB : Object-Oriented Database) 중 어느 하나일 수 있다. 외부 서버가 데이터 베이스를 구축하고 있는 경우 상기 유형의 데이터 베이스 외에 네트워크형 데이터 베이스(NDB : Network Database)로 구현하는 것도 가능하다.

한편, 본 발명의 다른 실시 예에 따른 사용자 단말(100)은 미래 시점의 사용자 활동을 예측하는 기능을 수행할 수 있다. 즉, 사용자 단말(100)은 구축된 데이터 베이스를 참조하여 현재 시간 및 상기 사용자 단말(100)의 위치 정보 중 적어도 하나에 기초하여 사용자의 활동을 예측하는 사용자 활동 예측부(미도시)를 더 포함할 수 있다.

즉, 사용자 활동 예측부는 사용자 활동을 시간 기준으로 예측되거나 사용자 단말(100)이 위치한 장소 기준으로 예측될 수 있다. 또는 시간과 장소를 모두 고려할 수도 있다. 예를 들어, 주 단위로 라이프 로그가 기록되어 사용자 의도 데이터 베이스가 구축된 경우라면, 다음 주 화요일의 특정 시간에 대한 사용자 활동이 예측될 수 있을 것이다.

기본적인 실시 예로 사용자 활동의 예측에는 시간이 고려될 수 있다. 도 9는 미래의 어느 시점에 대한 사용자 예측 상황을 도시한 모식도이다. 미래 시점에서 어느 사례(90)가 존재하는 경우 그에 따라 사용자 의도가 분류되며, 각 사용자 의도(91, 92)는 가중치를 갖는다.

가중치는 사용자 의도의 정도를 나타낸다. 따라서, 어느 관심 장소가 복수의 사용자 의도를 갖고, 각 사용자 의도 사이의 가중치 편차가 큰 경우라면, 그 관심 장소에 대한 사용자 의도는 비교적 명확한 것이 된다. 이러한 경우 관심 장소는 강한(strong) 사용자 의도를 갖고 있다고 표현한다. 반면, 어느 관심 장소가 복수의 사용자 의도를 갖고, 각 사용자 의도 사이의 가중치 편차가 작은 경우는 관심 장소는 약한(weak) 사용자 의도를 갖고 있다고 판단된다.

도 10은 사용자 의도의 강약을 나타내는 그래프를 도시한다. 도 10의 왼쪽 그래프에서 사용자 활동을 기록한 결과 4번째 관심 장소에서 강한 사용자 의도가 분석되었다. 오른쪽 그래프는 미래의 사용자 활동을 예측하는 그래프를 나타낸다. 강한 사용자 의도를 갖는 관심 장소는 사용자 의도를 비교적 정확하게 예측할 수 있게 되는 것이므로, 사용자 활동의 예측 정확성도 높아진다.

다만, 사용자 활동은 성격에 따라서 예측되는 시간이 차이가 있는 경우가 있다. 예를 들어, 식사는 일반적으로 짧은 시간 후에 이루어지는 사용자의 행위인 반면, 여행이나 트랙킹은 장시간이 지난 후에 이루어질 수 있는 사용자의 행위인 점에서 차이가 있다. 이러한 사용자 활동의 성격에 따라 사용자 의도를 단기간 의도, 중기간 의도, 장기간 의도로 구분할 수 있다.

단기간 의도의 경우 현재 시점에서 짧은 시간이 지난 후에 일어나는 사용자의 활동을 예측해야 하므로, 사용자의 현재 위치 정보를 고려하여 수행된다. 사용자가 과거에 현재 위치에서 매우 멀리 떨어져 있는 식당을 자주 이용했다고 하더라도 현재 시간에서 한 시간 뒤의 식사는 현재 위치에 가까운 식당에서 하길 원할 것이다. 반면, 중기간이나 장기간 의도의 경우 현재 시점에서 긴 시간이 지난 후에 일어나는 사용자의 활동을 예측해야 하므로, 사용자의 현재 위치 정보를 고려하지 않는다. 예를 들어, 사용자는 일반적으로 여행을 가기 훨씬 전에 여행 계획을 세우게 되고, 여행일에 가까워진다고 해서 출발지를 고려해서 여행지를 다시 수정하지는 않을 것이다.

이상에서 본 발명의 다양한 실시 예에 따른 사용자 단말(100)의 구성과 기능을 설명하였다. 전술한 사용자 단말(100)은 다양한 모바일 장치로 구현 가능하다. 예를 들어, 스마트 폰, 태블릿 PC, 스마트 워치, PMP, MP3 플레이어, PDA, 셀 폰, 랩탑 컴퓨터, 기타 이동성 있는 단말 장치 중 적어도 하나로 구현 가능하다.

또한, 상기 사용자 단말은 일반적인 전자 계산 장치가 갖는 구성을 포함한다. 즉, 충분한 제어 및 연산 능력을 갖는 CPU, 캐쉬 메모리, 램 메모리, 하드 디스크나 블루레이 디스크와 같은 대용량 보조 기억 장치, 터치 스크린과 같은 입출력 장치, 근거리 통신 모듈, HDMI를 포함하는 다양한 유무선 통신 모듈, 데이터 버스 등 하드웨어 구성을 포함하며, 전술한 사용자 활동 수집부, 위치 정보 검출부, 관심 장소 후보 파단부, 사용자 의도 분석부, 사용자 활동 예측부의 기능을 수행할 수 있는 애플리케이션, 프레임워크, 운영체제를 포함한다.

또한, 전술한 사용자 단말(100)의 구성 및 동작은 사용자 단말(미도시)과 서버(미도시)로 구성된 시스템에서 수행될 수 있다. 이 경우, 전술한 각 구성의 기능은 사용자 단말(미도시)와 서버(미도시)가 분담하여 수행하고, 양 자 간에 다양한 통신 수단으로 연결되어 데이터 송수신이 이루어질 수 있다.

이하에서는 본 발명의 다양한 실시 예에 따른 사용자 활동 예측 방법을 설명한다.

도 11 및 12는 본 발명의 다양한 실시 예에 따른 사용자 활동 예측 방법의 흐름도이다.

도 11을 참조하면, 본 발명의 일 실시 예에 따른 사용자 활동 예측 방법은, 사용자 활동을 수집하는 단계(S1110), 상기 사용자 활동이 수집되면 상기 사용자 단말의 위치 정보를 검출하는 단계(S1120), 상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정하는 단계(S1130), 기 저장된 사용자 활동 정보를 기초로 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석하는 단계(S1140)를 포함한다.

도 12를 참조하면, 본 발명의 다른 실시 예에 따른 사용자 활동 예측 방법은, 사용자 활동을 수집하는 단계(S1210), 상기 사용자 단말의 위치 정보를 검출하는 단계(S1220), 관심 장소 후보(Place of Interest)를 선정하는 단계(S1230), 기 저장된 사용자 활동 정보를 기초로 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석하는 단계(S1240)를 포함하고, 현재 시간 및 상기 사용자 단말의 위치 정보 중 적어도 하나에 기초하여 사용자 활동을 예측하는 단계(S1250)를 포함한다. 이때, S1210~S1240은 전술한 S1110~S1140 단계에 대응된다.

이때, 상기 사용자 활동을 예측하는 단계(S1250)는, 예측이 필요한 사용자 활동이 짧은 시간 후에 이루어지는 유형의 활동인 경우, 현재 시간 및 상기 사용자 단말의 현재 위치 정보에 기초하여 사용자의 활동을 예측하는 것일 수 있다.

한편, 전술한 사용자 활동 예측 방법은 컴퓨터 상에서 판독 가능한 비일시적 기록 매체에 프로그램의 형태로 저장될 수 있다. 여기서 비일시적 판독 가능 매체란 레지스터, 캐쉬 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장이 가능하며, 전자기기에 의해 판독(reading)이 가능한 매체를 의미한다. 예를 들어, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 될 수 있다.

또한, 전술한 사용자 활동 예측 방법은 임베디드 소프트웨어 형태로 하드웨어 IC칩에 내장되어 제공될 수 있고, 전술한 사용자 단말 (100)의 구성으로 포함되거나, 사용자 단말과 서버로 구성된 시스템의 구성으로 포함될 수 있다.

이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

100 : 사용자 단말
110 : 사용자 활동 수집부 120 : 위치 정보 검출부
130 : 관심 장소 후보 판단부 140 : 사용자 의도 분석부
150 : 저장부

Claims

사용자 단말에 있어서,
사용자 활동을 수집하는 사용자 활동 수집부;
상기 사용자 활동이 수집되면 상기 사용자 단말의 위치 정보를 검출하는 위치 정보 검출부;
상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정하는 관심 장소 후보 판단부; 및
기 저장된 사용자 활동 정보를 기초로 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석하는 사용자 의도 분석부;를 포함하는 사용자 단말.
제1항에 있어서,
상기 사용자 활동은, 상기 사용자 단말의 특정 기능을 실행시키기 위한 사용자 입력이며, 카메라 촬영, 동영상 재생, 음악 재생, 특정 목적의 애플리케이션 실행 및 상기 사용자 단말의 기능 설정 중 적어도 하나인 것을 특징으로 하는 사용자 단말.
제1항에 있어서,
상기 관심 정보 후보 판단부는,
상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 사용자 활동 정보를 생성하고, 상기 생성된 사용자 활동 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정하는 것을 특징으로 하는 사용자 단말.
제3항에 있어서,
상기 생성된 사용자 활동 정보는,
아이디(ID), 타임스탬프(Timestamp), 제목(Title), 애플리케이션 패키지 이름(Package Name), 이벤트(Event), 타입(Type), 지속기간(Duration), 매타 데이터(Meta), 위도(latitude), 경도(longitude), 주소(address) 및 위치 소스(location source) 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 단말.
제1항에 있어서,
상기 관심 장소 후보 판단부는,
집 또는 사무실을 기준으로 상기 관심 장소 후보를 판단하는 것을 특징으로 하는 사용자 단말.
제1항에 있어서,
상기 관심 장소 후보는 적어도 하나의 지점(Venue)을 포함하는 것을 특징으로 하는 사용자 단말.
제1항에 있어서,
상기 사용자 의도 분석부는, 외부 장치로부터 수신된 위치 지식 서비스(location-knowledge service)를 더 고려하여 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석하는 것을 특징으로 하는 사용자 단말.
제1항에 있어서,
상기 사용자 의도 분석부는, 상기 선정된 관심 장소 후보에 대해 복수의 사용자 의도를 분석하고,
상기 분석된 복수의 사용자 의도는 각각 다른 가중치를 갖는 것을 특징으로 하는 사용자 단말.
제1항에 있어서,
현재 시간 및 상기 사용자 단말의 위치 정보 중 적어도 하나에 기초하여 사용자의 활동을 예측하는 사용자 활동 예측부;를 더 포함하는 것을 특징으로 하는 사용자 단말.
제9항에 있어서,
상기 사용자 활동 예측부는,
예측이 필요한 사용자 활동이 짧은 시간 후에 이루어지는 유형의 활동인 경우, 현재 시간 및 상기 사용자 단말의 현재 위치 정보에 기초하여 사용자의 활동을 예측하는 것을 특징으로 하는 사용자 단말.
사용자 단말의 사용자 활동 예측 방법에 있어서,
사용자 활동을 수집하는 단계;
상기 사용자 활동이 수집되면 상기 사용자 단말의 위치 정보를 검출하는 단계;
상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정하는 단계; 및
기 저장된 사용자 활동 정보를 기초로 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석하는 단계;를 포함하는 사용자 활동 예측 방법.
제11항에 있어서,
상기 사용자 활동은, 상기 사용자 단말의 특정 기능을 실행시키기 위한 사용자 입력이며, 카메라 촬영, 동영상 재생, 음악 재생, 특정 목적의 애플리케이션 실행 및 상기 사용자 단말의 기능 설정 중 적어도 하나인 것을 특징으로 하는 사용자 활동 예측 방법.
제11항에 있어서,
상기 관심 정보 후보를 선정하는 단계는,
상기 수집된 사용자 활동 및 상기 검출된 사용자 단말의 위치 정보에 기초하여 사용자 활동 정보를 생성하고, 상기 생성된 사용자 활동 정보에 기초하여 관심 장소 후보(Place of Interest)를 선정하는 것을 특징으로 하는 사용자 활동 예측 방법.
제13항에 있어서,
상기 생성된 사용자 활동 정보는,
아이디(ID), 타임스탬프(Timestamp), 제목(Title), 애플리케이션 패키지 이름(Package Name), 이벤트(Event), 타입(Type), 지속기간(Duration), 매타 데이터(Meta), 위도(latitude), 경도(longitude), 주소(address) 및 위치 소스(location source) 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 활동 예측 방법.
제11항에 있어서,
상기 관심 정보 후보를 선정하는 단계는,
집 또는 사무실을 기준으로 상기 관심 장소 후보를 판단하는 것을 특징으로 하는 사용자 활동 예측 방법.
제11항에 있어서,
상기 관심 장소 후보는 적어도 하나의 지점(Venue)을 포함하는 것을 특징으로 하는 사용자 활동 예측 방법.
제11항에 있어서,
상기 사용자 의도를 분석하는 단계는,
외부 장치로부터 수신된 위치 지식 서비스(location-knowledge service)를 더 고려하여 상기 선정된 관심 장소 후보에 대한 적어도 하나의 사용자 의도를 분석하는 것을 특징으로 하는 사용자 활동 예측 방법.
제11항에 있어서,
상기 사용자 의도를 분석하는 단계는,
상기 선정된 관심 장소 후보에 대해 복수의 사용자 의도를 분석하고,
상기 분석된 복수의 사용자 의도는 각각 다른 가중치를 갖는 것을 특징으로 하는 사용자 활동 예측 방법.
제11항에 있어서,
현재 시간 및 상기 사용자 단말의 위치 정보 중 적어도 하나에 기초하여 사용자 활동을 예측하는 단계;를 더 포함하는 것을 특징으로 하는 사용자 활동 예측 방법.
제19항에 있어서,
상기 사용자 활동을 예측하는 단계는,
예측이 필요한 사용자 활동이 짧은 시간 후에 이루어지는 유형의 활동인 경우, 현재 시간 및 상기 사용자 단말의 현재 위치 정보에 기초하여 사용자의 활동을 예측하는 것을 특징으로 하는 사용자 활동 예측 방법.