KR20150004947A - 음악 발견을 위한 음악 추천 서비스 장치 및 이를 이용한 시스템과 그 추천 방법 - Google Patents
음악 발견을 위한 음악 추천 서비스 장치 및 이를 이용한 시스템과 그 추천 방법 Download PDFInfo
- Publication number
- KR20150004947A KR20150004947A KR1020130077514A KR20130077514A KR20150004947A KR 20150004947 A KR20150004947 A KR 20150004947A KR 1020130077514 A KR1020130077514 A KR 1020130077514A KR 20130077514 A KR20130077514 A KR 20130077514A KR 20150004947 A KR20150004947 A KR 20150004947A
- Authority
- KR
- South Korea
- Prior art keywords
- music
- user
- information
- recommendation
- recommended
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000010606 normalization Methods 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 235000019640 taste Nutrition 0.000 abstract description 21
- 238000010586 diagram Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000036651 mood Effects 0.000 description 3
- 238000013077 scoring method Methods 0.000 description 3
- BDAGIHXWWSANSR-UHFFFAOYSA-N Formic acid Chemical group OC=O BDAGIHXWWSANSR-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- 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)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Reverberation, Karaoke And Other Acoustics (AREA)
Abstract
본 발명은 사용자의 선호도를 기반으로 매번 기존과 다르면서도 선호도에 적합한 음악이 추천되도록 하여 취향에 맞는 음악을 용이하게 발견할 수 있도록 한 음악 발견을 위한 음악 추천 서비스 장치 및 이를 이용한 시스템과 그 추천 방법에 관한 것으로, 다양한 경로를 통해 얻어지는 사용자 음악 이력 정보를 분석하여 사용자 선호도를 파악하고, 상기 사용자 선호도와 유사도가 높은 메이트를 선택 한 후 메이트의 공통 선호 곡과 사용자 경험 곡을 이용하여 음악을 추천하되, 이전 추천된 곡은 배제하도록 하여 매번 새로운 추천 음악을 통해 사용자 취향의 새로운 곡을 발견하도록 하거나 경험했던 곡을 재발견하도록 하도록 하는 효과가 있다. 특히, 이전 추천 곡의 배제에 의해 추천이 반복되면서 선호도가 순위가 낮은 음악이 사용자에게 추천되지 않도록 선택된 메이트들 중 일정 비율의 메이트는 신규 메이트가 되도록 함으로써 사용자 취향에 맞는 새로운 곡들이 지속적으로 추천될 수 있도록 하는 효과가 있다.
Description
본 발명은 음악 추천 시스템에 관한 것으로, 특히 사용자의 선호도를 기반으로 매번 기존과 다르면서도 선호도에 적합한 음악이 추천되도록 하여 취향에 맞는 음악을 용이하게 발견할 수 있도록 한 음악 발견을 위한 음악 추천 서비스 장치 및 이를 이용한 시스템과 그 추천 방법에 관한 것이다.
무선통신 기술과 단말 기술의 발전에 따라 사용자가 단말을 이용하여 다양한 종류의 미디어를 여러 경로를 통해서 접하는 생활이 일상화되고 있다.
특히, 디지털화된 미디어의 이동성에 의해 사용자는 단말기 자체에 보유한 미디어 외에도 클라우드 서비스를 통해 어디서나 자신이 보유한 미디어를 이용할 수 있고, 다양한 미디어 제공 서비스를 통해 새로운 미디어를 자신의 단말을 통해 스트리밍 형식으로 이용하거나 친구와 공유할 수 있다.
이러한 디지털화된 미디어는 다양한 미디어 제공 서비스의 등장에 의해 그 종류와 수가 폭발적으로 확장되고 있으며 상당 부분 무료나 낮은 비용으로 이용할 수 있어 사용자가 쉽게 접할 수 있다.
이렇게 방대하게 제공되는 미디어 중에서 상당한 부분을 차지하는 것이 음악으로, 그 통신 비용이나 부하에 비해 사용자의 만족도가 높다. 따라서, 다양한 온라인 음악 서비스가 등장하고 있으며 음악 소셜 네트워크 서비스의 형태로도 진화되고 있는 실정이다.
한편, 이러한 온라인 음악 서비스 중에는 사용자의 보유 음원이나 기존에 재생해 본 경험이 있는 음원의 장르, 아티스트, 앨범 등의 메타 정보를 이용하여 유사한 음원을 추천함으로써 사용자가 방대한 음원에서 자신의 취향에 맞는 새로운 음악을 쉽게 발견하여 즐길 수 있도록 하고 있는데, 방대한 미디어에 대한 접근이 일상화되면서 사용자는 취향에 맞는 새로운 음악을 쉽게 발견하기를 기대하며, 서비스 제공자는 이러한 추천 음악에 대한 관심이나 구매를 유도하여 상업적 효과를 얻고자 하고 있다.
한편, 음악 추천 시 사람의 감성적 유사성을 이용하기 위해 사용자의 선호 장르나 취향과 유사한 사용자들의 선호 음악을 취합하여 이를 추천하는 방식도 이용되고 있다.
그러나 이러한 기존의 추천 방식은 사람의 음악적 선호도가 쉽게 변화되지 않는다는 점에서 사용자 취향에 맞는 음악 추천 결과 중 상당 부분이 이전 추천 결과와 같아 추천 서비스를 반복하여 이용할 경우 신선함이 줄어들게 된다. 즉, 목표로 하는 선호도 일치가 오히려 제한이 되어 추천되는 대상의 인접 영역 음원들이 추천되지 못하고 추천되는 곡들만 매번 재추천되어 새로운 음악을 발견하고자 하는 사용자의 요구에 대응하지 못하고 있다.
전술한 문제점을 개선하기 위한 본 발명 실시예에 따른 목적은 사용자 선호도를 다양한 경로를 통해 얻어지는 음원의 메타 정보와 사용자의 명시적인 선호 정보를 포함하는 음악 로그 정보 고려하여 설정하면서, 이러한 사용자 선호도와 유사도가 높은 메이트들을 선택한 후 이러한 메이트들의 선호 음악에 대한 정보와 사용자 선호 음악에 대한 정보를 반영하여 추천 곡을 선별하되, 기 추천 곡은 일정 조건이 될 때까지 배제시켜 매번 새로운 음악이 추천되도록 하는 데 있다.
본 발명 실시예의 다른 목적은 사용자 선호도와 유사한 메이트를 선택할 경우 매번 소정 비율로 새로운 메이트가 포함되도록 하여 취향에 일치하면서도 자신에게 없는 새로운 음악을 추천 시마다 발견할 수 있도록 모집단을 확장시키는 데 있다.
본 발명 실시예의 또 다른 목적은 선호도가 유사한 메이트들을 선택한 후 해당 메이트들의 공통 선호 곡을 추출하고 사용자의 선호 곡을 비교하여 자신에게 없는 새로운 음악을 발견하거나 자신과 메이트가 공통으로 좋아하는 음악을 재발견할 수 있도록 하는 데 있다.
본 발명 실시예의 또 다른 목적은 사용자 선호도 분석 시 명시적 선호도 정보를 기준으로 가중치를 부여하여 메이트 선택시 이용하되, 이력에 대한 볼륨을 감안하여 유사도를 판단하도록 하여 메이트 선택에 대한 정밀도를 높일 수 있도록 하는 데 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 실시예에 따른 음악 발견을 위한 음악 추천 서비스 장치는 음악 추천 앱이 설치된 사용자 장치를 통해 사용자 장치 내 존재하는 음원에 대한 메타 정보와 해당 음원에 대한 로그 정보를 이력 정보로 수집하여 사용자 선호도를 분석하는 이력 분석부; 상기 사용자 선호도와 유사도가 높으며 이전 메이트 그룹에 비해 적어도 기 설정된 비율 이상 새로운 메이트가 포함된 새로운 메이트 그룹을 선택하는 메이트 선택부; 및 상기 메이트 선택부에서 선택된 메이트 그룹의 공통 선호 곡들을 기준으로 이전 추천된 음악 정보와 다른 새로운 추천 음악 정보를 생성하여 상기 음악 추천 앱이 설치된 사용자 장치에 제공하는 음악 추천부를 포함하는 것을 특징으로 한다.
상기 이력 분석부는 상기 음악 추천 앱이 설치된 사용자 장치를 통해 사용자 가입 정보를 수신하여 상기 사용자가 가입한 소셜 네트워크 서비스 서버나 외부 음악 서비스 서버로부터 상기 사용자의 음악 이력 정보를 수집하여 선호도를 분석할 수 있다.
상기 음악 추천부는 상기 선택된 메이트 그룹의 공통 선호 곡과 상기 수집된 이력 정보의 사용자 경험 곡과의 차집합이나 교집합 중에서 추천 음악 정보를 선택한다.
좀 더 구체적으로, 상기 메이트 선택부는 상기 사용자의 이력 정보 내 음악과 타인의 이력 정보 내 음악을 비교하여 유사도를 산출하되, 해당 음악의 이력 정보 내 선호도에 따른 가중치를 적용하며, 전체 감상 곡의 수에 따라 유사도를 조정할 수 있다.
한편, 상기 이력 분석부는 상기 음악 추천 앱이 설치된 사용자 장치로부터 상기 추천 음악에 대한 사용자 이력을 수집하며, 상기 음악 추천부는 상기 추천 음악에 대한 사용자의 명시적 선호도가 낮은 경우 해당 음악을 이후 추천하지 않을 수 있다.
좀 더 구체적으로, 상기 음악 추천부는 상기 이력 분석부를 통해 사용자가 경험한 음악에 대한 선호도가 높으면서 이전 추천되지 않은 곡에 대한 정보를 얻어 경험했던 음악 중에서 추천 음악 정보를 생성하는 자기 음악 추천부; 상기 메이트 선택부가 선택한 메이트 그룹의 공통 선호 곡과 사용자 경험 곡의 교집합과 차집합의 곡에서 이전 추천되지 않은 선호도 높은 곡을 추천 음악 정보로 생성하는 메이트 음악 추천부; 및 상기 자기 음악 추천부의 추천 음악 정보와 상기 메이트 음악 추천부의 추천 음악 정보 중 하나 혹은 그 혼합 정보를 최종 추천 음악 정보로 제공하는 혼합 추천부를 포함한다.
본 발명의 또 다른 실시예에 따른 음악 발견을 위한 음악 추천 서비스 장치는 사용자 장치에 설치된 음악 추천 앱과 상기 사용자가 가입한 외부 서비스 계정으로부터 사용자가 경험한 음원에 대한 메타 정보와 로그정보를 이력 정보로 수집하고, 상기 이력 정보로부터 사용자 선호도를 분석하여, 상기 사용자 선호도와 유사도가 높은 메이트를 선택하되, 이전에 비해 기 설정된 비율 이상 새로운 메이트가 포함된 새로운 메이트 그룹을 선택하여 해당 메이트 그룹의 공통 선호 곡들을 기준으로 이전 추천된 음악 정보를 일정 기간 배제한 추천 음악 정보를 생성하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따른 음악 발견을 위한 음악 추천 방법은 음악 추천 서비스 장치가 음악 추천 앱이 설치된 사용자 장치로부터 사용자 장치 내 존재하거나 스트리밍되는 음악에 대한 메타 정보와 상기 음악에 대한 로그 정보를 이력 정보로 수집하는 이력 수집 단계; 상기 음악 추천 서비스 장치가 상기 이력 수집 단계에서 수집된 이력 정보를 통해 사용자 선호도 정보를 구성하는 이력 분석 단계; 상기 음악 추천 서비스 장치가 상기 사용자 선호도 정보와 유사도가 높은 메이트를 선별하되, 매번 기 설정된 비율로 신규 메이트가 포함되도록 메이트 그룹을 선택하는 메이트 선택 단계; 및 상기 음악 추천 서비스 장치가 상기 메이트 선택 단계에서 선택된 메이트 그룹의 공통 선호 곡을 기준으로 추천 음악 정보를 생성 및 제공하는 추천 단계를 포함하는 것을 특징으로 한다.
상기 추천 단계는 이전 추천된 음악 정보를 기 설정된 제한 기간 동안 배제하거나 기 추천된 곡에 대한 사용자 이력에 해당 곡에 대한 낮은 선호도가 명시된 경우 추천 음악 정보에서 해당 곡을 배제할 수 있다.
또한, 상기 이력 수집 단계에서 상기 음악 추천 서비스 장치는 소셜 네트워크 서비스 서버나 외부 음악 서비스 서버로부터 상기 사용자의 음악 이력 정보를 수집할 수 있다.
좀 더 구체적으로, 상기 이력 분석 단계는 상기 수집되는 이력 정보의 로그 정보로부터 명시적 선호정보를 확인하여 곡별 선호도를 스코어링하는 단계를 더 포함하며, 상기 추천 단계는 상기 이력 분석 단계의 곡별 선호도 스코어에 따라 사용자가 경험했던 곡 중 선호 곡에 대한 자기 추천 음악을 상기 추천 음악 정보로 제공할 수 있다.
한편, 상기 이력 수집 단계에서 상기 이력 정보로 수집되는 음원에 대한 로그 정보는 재생시간, 재생일시, 재생 횟수, 스킵 횟수, 선호도 선택, 공유, 구매, 삭제 중 적어도 하나의 명시적 선호 정보를 포함할 수 있다.
본 발명의 또 다른 실시예에 따른 음악 발견을 위한 음악 추천 시스템은 사용자 장치 내 존재하는 음원에 대한 메타 정보와 해당 음원에 대한 로그 정보를 이력 정보로 수집하여 전송하는 음악 추천 앱이 설치된 사용자 장치; 및 상기 음악 추천 앱이 설치된 사용자 장치에서 수신한 이력 정보를 통해 사용자 선호도를 분석하고, 상기 사용자 선호도와 유사도가 높은 메이트들을 선별하되, 매번 선별되는 메이트 그룹은 기 설정된 비율로 신규 메이트가 포함되도록 하며 상기 메이트 그룹의 공통 선호 곡을 기준으로 추천 음악 정보를 생성하여 상기 사용자 장치의 음악 추천 앱에 제공하는 음악 추천 서비스 장치를 포함하는 것을 특징으로 한다.
또한, 상기 음악 추천 서비스 장치는 상기 이력 정보로 수집되는 음악 메타 정보를 표준화된 식별자나 다른 외부 음악 서비스에 사용되는 고유의 식별자와 매칭하여 동일 음악을 일괄적으로 관리하는 것이 바람직하다.
또한, 선택적으로 상기 음악 추천 서비스 장치는 사용자 선호도와 유사도가 높은 메이트들을 선별할 경우 상기 선호도를 기 설정된 기준에 따라 스코어링하고, 해당 스코어의 범위에 따라 레벨을 분류한 정규화를 실시한 후 해당 정규화 결과를 기준으로 메이트 유사도를 판단할 수 있다.
본 발명에 따르면, 다양한 경로를 통해 얻어지는 사용자 음악 이력 정보를 분석하여 사용자 선호도를 파악하고, 상기 사용자 선호도와 유사도가 높은 메이트를 선택 한 후 메이트의 공통 선호 곡과 사용자 경험 곡을 이용하여 음악을 추천하되, 이전 추천된 곡은 배제하도록 하여 매번 새로운 추천 음악을 통해 사용자 취향의 새로운 곡을 발견하도록 하거나 경험했던 곡을 재발견하도록 하도록 하는 효과가 있다.
특히, 이전 추천 곡의 배제에 의해 추천이 반복되면서 선호도가 순위가 낮은 음악이 사용자에게 추천되지 않도록 선택 메이트들 중 일정 비율의 메이트는 신규 메이트가 되도록 함으로써 사용자 취향에 맞는 새로운 곡들이 지속적으로 추천될 수 있도록 하는 효과가 있다.
또한, 메이트 선별을 위한 선호도 유사성 판단을 위해 개별 곡에 대한 스코어링 방식이나 재생 가중치 스코어링 방식 또는 정규화 방식 등을 적용하여 메이트 선별에 대한 부하를 줄이면서 선호도가 유사한 메이트를 효과적으로 선별할 수 있도록 할 뿐만 아니라 개별 곡 외에도 아티스트나 장르에 대한 선호도를 더 고려하고, 전체 감상 곡에 대한 볼륨도 고려하여 다양한 타 사용자와의 선호도 유사성 판단 정밀도를 높일 수 있으므로 추천 곡에 대한 사용자 만족도가 높아지는 효과가 있다.
그 외에도 메이트 선별과 메이트 추천 곡을 생성하기 위한 구성의 일부를 활용하여 자기가 경험한 곡에 대한 반복되지 않은 음악 추천도 가능하므로 익숙한 곡에 대한 추천과 메이트 추천에 의한 새로운 곡에 대한 추천을 사용자가 선택하거나 혼합하여 용이하게 청취할 수 있으므로 사용자 취향에 맞는 추천 음악을 다양하게 제공할 수 있는 효과가 있다.
도 1은 본 발명 실시예에 따른 음악 추천 시스템의 개요를 나타낸 구성도.
도 2는 본 발명 실시예에 따른 음악 추천 시스템의 음악 이력 수집 방식을 설명하는 개념도.
도 3은 본 발명 실시예에 따른 음악 추천 서버의 구성을 보인 구성도.
도 4는 본 발명 실시예에 따른 음악 추천 앱의 메이트 선택 과정을 보이는 개념도.
도 5는 본 발명 실시예에 따른 메이트 음악 추천 방식을 설명하기 위한 개념도.
도 6은 본 발명 실시예에 따른 음악 추천 방법의 예를 보인 순서도.
도 7은 본 발명 실시예에 따른 자기 추천 음악 제공 방법의 예를 보인 순서도.
도 8은 본 발명 실시예에 따른 메이트 선택 방법의 예를 보인 순서도.
도 9는 본 발명 실시예에 따른 메이트 추천 음악 제공 방법의 예를 보인 순서도.
도 2는 본 발명 실시예에 따른 음악 추천 시스템의 음악 이력 수집 방식을 설명하는 개념도.
도 3은 본 발명 실시예에 따른 음악 추천 서버의 구성을 보인 구성도.
도 4는 본 발명 실시예에 따른 음악 추천 앱의 메이트 선택 과정을 보이는 개념도.
도 5는 본 발명 실시예에 따른 메이트 음악 추천 방식을 설명하기 위한 개념도.
도 6은 본 발명 실시예에 따른 음악 추천 방법의 예를 보인 순서도.
도 7은 본 발명 실시예에 따른 자기 추천 음악 제공 방법의 예를 보인 순서도.
도 8은 본 발명 실시예에 따른 메이트 선택 방법의 예를 보인 순서도.
도 9는 본 발명 실시예에 따른 메이트 추천 음악 제공 방법의 예를 보인 순서도.
상기한 바와 같은 본 발명을 첨부된 도면들과 실시예들을 통해 상세히 설명하도록 한다. 후술 될 상세한 설명에서는 상술한 기술적 과제를 이루기 위한 본 발명의 대표적인 실시예를 설명할 것이다. 여기서, 본 발명을 효과적으로 설명하기 위하여 음악 메타 정보와 음악 로그(Log) 정보 및 음악 이력 정보를 구분하여 사용하는데, 상기 음악 메타 정보는 음원에 포함된 곡명, 아티스트명, 앨범명, 장르 등을 포함하는 음원 자체에 관한 정보를 의미하며, 음악 로그 정보는 해당 음원을 재생한 일시나 횟수와 같이 사용자의 선호도를 직간접적으로 확인할 수 있는 정보 외에도 재생시간, 재생일시, 재생 횟수, 스킵(skip) 횟수, 선호도 선택 정보, 공유, 구매, 삭제 등과 같이 명시적으로 사용자의 음원에 대한 선호를 알 수 있는 정보를 포함하는 정보이며, 음악 이력은 이러한 음악 메타 정보와 음악 로그 정보를 통칭하는 것이다. 물론, 도시된 구분의 원리가 적용되는 것이라면 상기 언급하지 않은 구체적인 정보는 더 추가될 수도 있다.
또한, 서비스를 제공하는 서비스 장치의 실시예로 서버를 예로 들어 설명하며, 사용자 장치의 실시예로 단말을 예로 들어 설명한다.
한편, 사용자 단말에 설치되어 동작하는 애플리케이션을 앱(App)으로 표현하였으나 이는 사용자 단말에 다운로드하여 설치하거나 단말에 기 설치된 애플리케이션을 포괄하는 의미라는 것에 주의한다.
도 1은 본 발명 실시예에 따른 음악 추천 시스템의 개요를 나타낸 구성도로서 도시한 바와 같이 사용자 단말(100)은 네트워크(10)를 통해서 스트리밍 음악을 제공하는 음악 제공 시스템(200)에 접속하여 원하는 음악을 들을 수 있다.
일반적으로 음악 제공 시스템에 구성된 음악 서비스 서버(210)는 선택 음원의 전체 혹은 일부에 대한 무료 스트리밍 전송 서비스를 제공한다.
사용자는 상기 사용자 단말(100)에 저장된 로컬 음원을 청취하고, 상기 음악 제공 시스템(200)에 접속하여 음악을 청취할 수 있으며, 그 외에도 SNS 서버(20)나 다른 종류의 외부 음악 서비스 서버(30)에 접속해서도 음악을 청취할 수 있다. 따라서, 사용자의 음악적 취향이나 선호도를 단순히 사용자 단말(100)의 보유 음원만을 기준으로 분석할 경우 신뢰도가 낮을 수 있다.
본 발명의 실시예에서 상기 사용자 단말(100)에는 음악 추천 앱(110)이 설치되며, 상기 음악 추천 앱이 상기 사용자 단말 내 존재하는 음원에 대한 메타 정보(곡 이름, 아티스트명, 앨범, 장르 등 음원 자체에 관한 정보)와 해당 음원에 대한 로그 정보(해당 음원에 관련된 사용자의 조작 내용에 관한 것으로 사용자의 음원에 대한 선호를 알 수 있는 정보)를 이력 정보로 수집하여 음악 추천 서버(220)에 제공한다. 도시된 음악 추천 서버(220)는 음악에 관련된 정보를 제공하는 음악 서비스 서버(210)와 분리되어 구성된 것으로 나타내었으나 이는 발명의 설명을 명확하게 하기 위한 것으로, 해당 음악 추천 서버(220)는 실질적으로 음악 서비스 서버(210)의 일부 구성으로 포함될 수도 있다.
상기 음악 추천 서버(220)는 기본적으로 상기 사용자 단말(100)에 설치된 음악 추천 앱이 제공하는 이력 정보를 이용하여 사용자의 선호도를 파악한 후 사용자가 경험했던 곡들 중에서 선호도가 높은 곡을 선별하여 추천할 수 있고, 상기 사용자와 선호도가 유사한 다른 사용자들을 선별한 후 해당 사용자들이 선호하는 곡을 선별하여 추천할 수 있다.
본 발명의 실시예에서, 상기 음악 추천 서버(220)는 상기 사용자의 이력 정보를 토대로 사용자가 경험한 곡들에 대한 선호도 정보를 분석하여 곡에 대한 사용자 선호 가중치를 얻은 후, 상기 사용자와 유사한 선호도를 가지는 다른 사용자들을 음악 친구라는 의미의 메이트(mate)로 선별하고, 이렇게 선별된 메이트가 공통적으로 선호하는 곡들을 기반으로 상기 사용자에게 추천 음악을 제공한다.
다만, 음악적 선호도가 급격하게 변화되지 않는다는 점에서 본 발명의 실시예에서는 매번 유사한 추천 곡이 제공되는 기존 방식이 아니라 메이트 선별 시 마다(기 설정 주기, 예를 들어 매일) 이전에 비해 새로운 메이트가 소정 비율로 포함되도록 메이트 그룹을 선택하도록 하여 추천을 위한 모집단이 새로움을 유지하도록 하고, 한번 추천된 곡은 일정 조건(예를 들어 일정한 시간의 경과)을 만족할 때까지 다시 추천되지 않도록 하여 매번 새로운 추천 음악 정보를 이용할 수 있도록 한다.
즉, 사용자 취향에 맞는 새로운 음악을 발견할 가능성을 대폭 확장시키고, 사용자가 경험한 곡 중에서 유사 취향의 메이트들이 선호하는 곡을 재발견할 수 있도록 하여 추천에 대한 사용자 만족도를 크게 높일 수 있다.
이러한 음악 추천을 위해서 기본적으로 사용자의 취향에 따른 곡의 선호도를 다양하게 수집하고 분석해야 할 필요가 있다. 이를 위해서 상기 음악 추천 앱(110)은 설치 시 사용자가 가입한 소셜 네트워크 서비스나 다른 외부 음악 서비스에 관한 가입 정보를 문의할 수 있으며, 상기 음악 추천 서버(220)는 상기 음악 추천 앱을 통해 얻은 사용자 가입 정보를 통해 소셜 네트워크 서비스 서버(20)나 외부 음악 서비스 서버(30)로부터 상기 사용자의 음악 이력 정보를 더 수집하여 사용자 선호도 판단을 위한 정보로 활용할 수 있다.
도 2는 본 발명의 실시예에 따른 음악 추천 서버(220)가 사용자의 선호도를 판단하기 위해 이력 정보를 수집하는 방식을 설명하기 위한 개념도로서, 우선 상기 음악 추천 서버(220)는 사용자 단말(100)에 설치한 음악 추천 앱을 통해서 음원에 관한 메타 정보와 보유 정보, 상기 음원에 관한(보유하거나 혹은 삭제된 음원 포함) 로그 정보를 지속적으로 수집한다.
더불어, 음원 재생에 관한 기능과 외부 연동 기능을 구비한 소셜 네트워크 서비스 서버(20)에서는 사용자가 이용했던 음원에 관한 메타 정보와 사용 로그 정보(포스팅 로그 등)를 수집하며, 외부 음악 서비스 서버(30)가 외부와 연동이 가능할 경우(예를 들어 오픈 API 제공 시) 해당 음악 서비스 서버(30)로부터 청취했던 음원의 메타 정보와 사용 로그 정보를 수집한다. 이 경우 상기 음악 추천 서버(220)는 상기 소셜 네트워크 서비스 서버(20)와 외부 음악 서비스 서버(30)로부터 상기 음악 추천 앱이 설치되기 이전부터 누적된 음원 메타 정보와 로그 정보를 수집할 수 있어 이를 통해 사용자의 선호도 정보를 비교적 상세히 알 수 있게 된다.
물론, 사용자가 소셜 네트워크 서비스를 이용하지 않거나, 외부 음악 서비스에 가입하지 않았을 수 있고 혹은 이러한 서비스를 이용하거나 가입했더라도 누적 혹은 이후 수집되는 로그 정보가 빈약할 수도 있으므로, 상기 음악 추천 앱을 설치할 경우 최초 음악 성향을 파악하기 위해 사용자에게 소정의 취향 정보를 질의하여 수집할 수도 있으며, 사용자에게 소정 스타일의 음악을 복수로 들려주고 이들에 대한 선호도를 선택하도록 하여 취향을 수집할 수도 있다. 하지만, 이러한 과정이 없더라도 소정 기준에 따른 추천 음악 정보에 대한 사용자의 명시적 선호도 정보가 포함되는 이력을 수집하는 것으로 점차 사용자 선호도에 적합한 추천이 가능하게 되므로 이러한 초기 수동 선호도 정보 수집은 필수적이 아니다.
한편, 본 발명의 실시예에서는 다양한 채널을 통해서 음악 이력 정보를 수집할 수 있는데, 구체적인 예로서 사용자 단말은 로그 정보 수집이 가능하며 외부 연동 음악앱을 가진 안드로이드 기반 단말이거나 아이오에스(iOS) 기반 단말일 수 있고, 음악 재생에 관한 기능을 구비하며 외부 연동성을 지원하는 소셜 네트워크 서비스로 페이스북(Facebook)과 연동할 수 있으며, 외부 음악 서비스로서 외부 연동성을 지원하는 라스트.에프앰(Last.fm)과 연동할 수 있다. 더불어, 음악 추천 앱의 경우 재생 기능을 지원하면서 보유 음원과 스트리밍 음원에 대한 로그 정보를 생성할 수 있다.
이를 수집 출처별로 구분하여 예로서 정리하면 다음의 표 1과 같다.
|
수집 출처 |
보유 |
재생일시 /재생시간 |
재생횟수 |
Skip 횟수 |
선호도 |
공유 |
연령 |
구매 |
| iTunes Music Player |
● |
마지막 재생시간 |
● |
● |
● |
|
|
|
| 음악 추천 앱 |
● |
● |
● |
● |
● |
● |
문의 시 |
● |
| Android Music Player |
|
● |
● |
|
|
|
|
|
| |
|
● |
● |
|
|
|
● |
|
| Last.fm |
|
● |
● |
|
|
|
|
즉, 음악 추천을 위해서 음악 추천 서버(220)는 복수 경로로 사용자 음악 이력을 수집하여 사용자 선호도를 효과적으로 파악할 수 있으며, 개별 곡에 대한 사용자의 명시적 선호도 정보를 수집할 수 있다.
사용자의 명시적인 선호도 정보는 음악 추천 앱이 생성하는 로그 정보나 수집되는 이력 정보에 포함된 로그 정보로부터 확인할 수 있는데, 명시적 선호 정보로는 재생시간, 재생일시, 재생 횟수, 스킵(skip) 횟수, 선호도 선택 정보, 공유, 구매, 삭제에 관한 정보가 이용될 수 있다.
즉, 소정 음원이나 소정의 음악(음원의 위치나 재생 경로는 다르지만 동일한 음악)을 일정시간 동안 들었다는 것을 통해 해당 음악에 관심이 있다는 것을 알 수 있고, 재생 일시를 통해서 언제 재생했는지 확인할 수 있으며, 재생 횟수를 통해서 관심도를 좀 더 명확하게 알 수 있고, 명시적으로 '좋아요(Like)'를 선택했다면 선호도가 상당히 높다는 것을 알 수 있다. 더하여 해당 음악을 공유했다면 이를 통해 해당 음악에 대한 선호도가 높다는 것을 알 수 있고, 해당 음악의 음원을 구매하였다면 선호도가 극히 높다는 것을 알 수 있다. 더불어, 해당 음악을 일부만 청취한 후 스킵(Skip)했다면 해당 음원에 대한 선호도가 낮다는 것을 알 수 있고, '싫어요(Dislike)'를 선택하거나 해당 음원을 삭제했다면 선호도가 아주 낮다는 것을 알 수 있다.
한편, 상기 음악 추천 서버(220)는 이렇게 복수의 채널을 통해서 수집되는 각종 음악에 대한 정보를 통합하여 관리해야 하기 때문에 이러한 방식으로 수집되는 음악 이력은 적어도 곡명이나 아티스트명과 같은 기본적인 메타 정보가 있는 이력만 수집하는 것이 바람직하다.
또한 상기와 같이 다양한 경로를 통해 얻어지는 음악 메타 정보를 통합적 선호도 판단을 위해 표준화해야 할 필요가 있다. 따라서, 필요한 경우 상기 음악 추천 서버는 개별 음원에 대한 방대한 정보를 구비한 외부 음악 DB(예를 들어, iTunes, AMG, The Echo Nest 등)를 활용하여 이력이 수집되는 음원에 대한 음원 식별자(Song ID)를 표준화하거나 다른 상용 혹은 유명 음악 서비스 서버에서 사용되는 음원의 식별자와 대응시키기 위해 매칭 정보를 구성할 수 있다. 물론 이러한 음원의 표준화된 식별자 정보나 매칭 정보는 상기 음악 추천 서버가 별도의 DB로 관리하는 것이 바람직하며, 해당 DB에 존재하지 않는 음원에 대해서만 외부 음악 DB에 질의하여 식별자를 표준화하고, 다른 외부 음악 서비스에서 사용되는 고유의 식별자와의 매칭 정보를 구성할 수 있다.
이러한 표준화를 통해서 다른 음원이더라도 동일한 음악인 경우 동일한 것으로 판단하여 선호정보를 누적하여 일괄적으로 관리할 수 있다.
이후, 음악 추천 서버(220)는 상기 수집되어 분석된 사용자 선호 정보를 기준으로 해당 사용자에게 적절한 음악을 추천하는데, 사용자가 경험했던 음악 중 선호하는 음악을 제공하는 자기 추천 음악, 상기 사용자와 유사한 성향을 가지는 메이트들의 공통 선호 곡을 기반으로 하는 메이트 추천 음악, 혹은 이들의 혼합이 추천 음악 정보로서 상기 사용자 단말(100)의 음악 추천 앱에 제공될 수 있다.
도 3은 본 발명의 실시예에 따른 음악 추천 서버(220)의 구성을 보인 것으로, 도시한 바와 같이 음원에 관한 메타 데이터와 음원 식별 정보 및 매칭 정보를 보유한 음악 메타 정보 데이터베이스(201)와 회원에 대한 가입 정보, 선호도 정보, 메이트 그룹 정보 및 추천 음악 정보 등이 저장되는 회원 데이터베이스(202) 및 추천 음악에 대한 정보를 관리하는 추천 음악 데이터베이스(203)와 연동될 수 있고, 이력 수집을 위한 외부 서버나 음원에 대한 정보를 획득하기 위한 외부 서버 등 외부 연동 서버와 연동 될 수 있다.
상기 음악 추천 서버(220)는 도시된 실시예와 같이 상기 음악 추천 앱을 통해 획득하는 회원 정보를 관리하는 회원 관리부(221)와, 사용자가 경험한 음악에 대한 이력 정보를 수집하는 이력 수집부(222)와, 상기 수집된 이력을 분석하여 개별 곡, 아티스트, 장르 중 적어도 하나의 사용자 선호 정보를 구성하는 이력 분석부(223)와, 상기 이력 분석부(223)를 통해 얻어진 사용자 선호 정보와 다른 사용자의 선호 정보를 가중치로 이용하여 공통 이력에 대한 유사도를 산출하여 메이트를 선별하는 유사 판단부(224)와, 사용자별 기 선택 메이트 그룹에 대한 정보를 관리하는 메이트 관리부(225)와, 상기 유사 판단부(224)를 통한 메이트 유사도와 상기 메이트 관리부(225)의 메이트 이력을 통해 이전 메이트 그룹에 비해 적어도 기 설정된 비율 이상 새로운 메이트가 포함된 새로운 메이트 그룹을 선택하는 메이트 선택부(226)와, 상기 메이트 선택부(226)가 선택한 메이트의 공통 선호 곡을 기준으로 추천 음악을 생성하는 음악 추천부(227)를 포함한다.
음악 추천부(227)는 상기 이력 분석부(223)를 통해 사용자가 경험한 음악에 대한 선호도가 높으면서 이전 추천되지 않은 곡에 대한 정보를 얻어 경험했던 음악 중에서 추천 음악 정보를 생성하는 자기 음악 추천부, 상기 메이트 선택부(226)가 선택한 메이트 그룹의 공통 선호 곡과 사용자 경험 곡의 교집합과 차집합의 곡에서 이전 추천되지 않은 선호도 높은 곡을 추천 음악 정보로 생성하는 메이트 음악 추천부 및 상기 자기 음악 추천부의 추천 음악 정보와 상기 메이트 음악 추천부의 추천 음악 정보 중 하나 혹은 그 혼합 정보를 최종 추천 음악 정보로 제공하는 혼합 추천부를 포함한다.
도시된 구성에서, 상기 이력 수집부(222)는 앞서 도 2에서 설명한 바와 같이 여러 경로를 통해서 지속적으로 사용자가 경험한 음악에 대한 이력을 수집하며, 이렇게 수집된 이력은 기본적으로 이력 분석부(223)에서 분석되는데, 기본적으로 특정한 곡에 대한 명시적 선호도를 통해 해당 곡의 사용자 선호도를 스코어링 방식으로 산출할 수 있다.
예를 들어, 하기의 표 2와 같이 재생 시마다 2점씩 가산하고, 명시적으로 '좋아요(Like)'를 선택하면 10점을 가산하며, 별도의 평가가 가능한 경우 평가도(별 1~3개) 곱하기 5점, 해당 곡을 구매할 경우 20점을 가산할 수 있다. 또한, 해당 곡을 기 설정된 재생 시간 이내에 스킵(Skip)하는 경우 -10점, 명시적으로 '싫어요(Dislike)'를 선택하는 경우 -20점, 해당 곡을 삭제하는 경우 -20점 등으로 스코어링할 수 있다. 물론 구체적인 점수는 다양하게 결정될 수 있다.
| 선호도 스코어 항목 | |||||||
| 곡추가 (Add) |
좋아요 (Like) |
싫어요 (Dislike) |
평가 (Rate) |
재생 (Play) |
스킵 (Skip) |
구매 (Buy) |
삭제 (Delete) |
| 1 | 10 | -10 | 평가도*5 | 2 | -10 | 20 | -20 |
상기 음악 추천부(227)의 자기 음악 추천부는 상기 이력 분석부(223)에서 분석된 사용자의 곡별 선호도 스코어를 기반으로 사용자에게 선호하는 음악을 추천할 수 있는데, 추천 음악의 새로움을 위해 이전에 추천된 음악은 기 설정된 조건이 만족될 때까지 다시 추천되지 않도록 할 수 있다. 예를 들어 한번 추천된 곡은 1주일 동안 추천되지 않도록 하거나, 사용자의 음악 활동에 따라 제외 기간이 가변 되도록 하거나, 기 설정된 선호도 이상에서 더 이상 추천할 곡이 없을 경우 추천 가능하도록 하는 등 다양한 조건이 적용될 수 있다.
한편, 추천 곡은 사용자 연령 정보, 스타일(장르), 무드, 템포, 유사도, 아티스트 등의 추가적인 선호 정보를 활용하여 더 필터링 될 수도 있다.
이러한 자기 음악 추천은 자신이 경험한 곡 중에서 사용자자 선호하는 곡들을 매번 새롭게 추천하도록 하여 사용자가 자신의 선호 곡들을 쉽게 발견하여 들을 수 있도록 하는 효과를 기대할 수 있다.
본 발명의 실시예에 따른 상기 음악 추천 서버(220)는 상기 자기 음악 추천 외에도 메이트 음악 추천을 통해서 사용자의 추천 음악 만족도를 높이는데, 상기 메이트 음악 추천은 사용자와 선호도가 비슷한 메이트 그룹을 선택하여 해당 그룹의 공통 선호 음악을 기준으로 이루어진다. 여기서, 본 발명의 실시예에서는 사용자와 선호도가 유사한 메이트를 선별하여 추천을 위한 모집단인 메이트 그룹을 선택할 때 매번(주기적으로) 메이트 그룹을 구성하는 메이트 중 일정 비율의 메이트가 기존과 다른 새로운 메이트가 되도록 함으로써 추천을 위한 모집단이 늘 새로울 수 있도록 한다. 더불어, 이러한 메이트 그룹을 통한 추천 음악도 이전 추천 음악을 일정 조건을 만족시킬 때까지 배제함으로써 새로운 음악이 추천될 수 있도록 한다.
즉, 음악적 선호도가 급격하게 변화되는 것이 아니므로 사용자와 선호도가 유사한 메이트를 선택하면 그 대상이 대부분 유사할 수 있는데, 본 발명의 실시예에서는 이러한 선호도에 대한 유사도가 높은 특정한 메이트들 뿐만 아니라 선호도에 대한 유사성이 기준보다 근소하게 낮은 주변 메이트들도 추천을 위한 모집단에 포함시키도록 하여 선호도가 높은 추천 음악들을 좀 더 다양화할 수 있으며, 매번 새로운 음악이 제공되므로 사용자가 마음에 드는 음악을 발견할 수 있는 기회를 제공할 수 있게 되므로 이러한 추천 음악 정보를 통해 뜻밖의 재미를 얻을 수 있게 된다. 예를 들어, 매일 30%의 메이트가 신규하도록 메이트 그룹을 선택하도록 함으로써 매번 다른 모집단을 기준으로 새로운 음악이 추천될 수 있다.
이를 도 4를 참조하여 설명하면, 도시된 도 4a와 같이 이력 분석부(223)의 분석 결과를 통해 사용자가 경험했던 음악 이력(301)과 타 사용자의 이력(302)을 상기 유사 판단부(224)가 비교하여 각각에 대한 유사도를 산출한다.
산출된 유사도를 이용하여 메이트 선택부(226)는 도 4b와 같이 타 사용자 이력(302) 중 유사도가 높은 K개의 메이트를 선별(303)할 수 있는데, 메이트 관리부(225)의 기존 메이트 선택 이력(310)를 이용하여 이전에 선택되었던 메이트(하위 유사도의 메이트나 반복 선택된 이력이 많은 메이트 등) 대신 신규 메이트(차상위 유사도를 가진 메이트)를 선택하며, 이러한 신규 메이트가 기 설정된 비율(예를 들어 30%)이 되도록 하여 이전에 비해 일정 비율(혹은 수)의 새로운 메이트가 포함된 메이트 그룹(320)를 선택한다.
상기 유사 판단부(224)의 유사도 판단은 단순히 자기 이력(301)의 음악과 타 사용자 이력의 음악 중 공통되는 음악의 숫자를 기준으로 하거나 자기 이력 내 장르, 아티스트, 무드, 템포, 유사 패턴 곡에 대한 분포와 타 사용자 이력 내 음악 분포를 기준으로 할 수도 있으나, 본 발명의 실시예에서는 효과적인 유사도 판단을 위해서 앞서 이력 분석부(223)에서 각 사용자별 선호 곡에 대해 구한 선호도 스코어(예를 들어 표 2 이용)를 가중치로 활용하여 사용자 이력 간 유사도를 판단할 수 있다.
즉, 사용자 이력 중 가중치가 높은 곡을 공통으로 가진 타 사용자 이력은 높은 유사도를 가지는 것으로 판단할 수 있다. 물론, 이렇게 개별 곡의 선호도 스코어를 이용할 수도 있으나 빠른 메이트 선별을 위해 단순히 재생 횟수를 별도로 스코어링하여 이를 가중치로 하여 유사도를 판단할 수도 있다.
단순히 재생 횟수를 스코어링 할 경우 다음의 표 3과 같은 방식을 이용할 수 있다.
| 재생 가중치 스코어 항목 | |||
| 3회 이하 | 4회~9회 | 10회~50회 | 50회 이상 |
| 1 | 2 | 3 | 4 |
한편, 이렇게 사용자가 선호하는 음악들을 동일한 수로 경험한 타 사용자들에 대한 유사도는 추가적으로 조절될 수 있는데, 예를 들어 타인의 전체 감상곡 수를 감안하여 전체 감상 곡이 많은 사용자보다 전체 감상 곡의 수가 적은 사용자의 유사도를 더 높게 판단할 수 있다. 즉, 사용자 A와 타 사용자 B, C의 이력에 대해서 n(A∩B)= n(A∩C)인 경우, n(A∪B)>n(A∪C)라면 B보다 C의 이력이 유사도가 높다고 판단할 수 있다.
이러한 공통 곡 이외에 공통 아티스트에 기반하여 유사도를 계산하고, 공통 장르에 기반하여 유사도를 계산할 수 있는데, 곡을 기반으로 하는 경우에 비해 취향 일치 가능성이 다소 낮아지므로 곡 기반, 아티스트 기반, 공통 장르 기반의 순서로 유사도를 판단할 수 있고, 곡 기반 유사 메이트 선별 후 아티스트나 장르(혹은 무드, 비트 등) 유사도를 이용하여 필터링할 수도 있다. 그 외에 유사도 도출 시 공통 곡의 수가 동일할 경우 공통 곡을 제외한 곡들의 장르를 감안하여 사용자의 선호 장르와 많이 겹칠수록 유사도가 높다고 판단할 수도 있다.
앞서, 유사도 계산을 위하여 곡에 대한 가중치와 전체 감상 곡에 대한 가중치를 이용하는 방법, 곡 이외에 아티스트나 장르에 관한 추가적인 유사도 판단을 이용하는 방식에 관하여 살펴보았는데 보다 고속의 메이트 선별을 위해서 각 곡에 대한 선호도 스코어나 재생 가중치 스코어를 이용하여 정규화(normalization)한 결과를 이용할 수도 있다. 하기 표 4는 곡 단위 선호도나 재생 가중치에 대한 레벨, 아티스트 단위 레벨, 장르 단위 레벨을 비교적 큰 그룹으로 구분하고 있어 이러한 레벨 정보를 이용할 경우 메이트 선별 부하를 줄일 수 있다. 이러한 정규화 수치는 사용자의 평균 감상 횟수, 아티스트의 수, 장르의 수 등을 고려하여 결정될 수 있다.
| 곡단위 | 아티스트 단위 | 장르 단위 | 레벨 |
| 곡 포인트 | 곡포인트 합계 | 곡 포인트 합계 | |
| 2이하 | 2이하 | 2이하 | 1 |
| 3~5 | 2~10 | 11~100 | 2 |
| 5~10 | 11~20 | 101~300 | 3 |
| 11~20 | 21~50 | 301~500 | 4 |
| 21 이상 | 51 이상 | 501 이상 | 5 |
상기 설명한 유사도 판단을 통해 선별되는 메이트는 앞서 언급한 바와 같이 기 설정된 비율의 메이트가 신규 메이트가 되도록 하여 최종적인 메이트 그룹을 선택하는데, 이러한 메이트 그룹 내의 메이트 수는 K로 고정(혹은 사용자가 설정)될 수 있으며 해당 K가 되도록 선별 기준 유사도가 조절되거나 곡기준, 아티스트 기준, 장르 기준 등의 순서로 순차적 하위 수준에서의 유사도 판단 결과가 반영될 수 있다.
도 5는 앞서 도 4를 통해 설명한 유사도 판단 결과 메이트 그룹을 선택한 경우 해당 메이트 그룹을 이용한 추천 음악 정보 생성 방법을 설명하기 위한 개념도로서, 도시한 바와 같이 메이트 그룹에 속한 메이트들의 공통 선호 곡을 기준으로 추천 음악을 추출할 수 있음을 보인 것이다.
메이트들의 공통 선호 곡은 기본적으로 메이트들의 이력에 포함된 곡(음악)에 대한 교집합(330)을 기본으로 하는데, 해당 교집합 내의 곡들 중 선호도 스코어 합이나 평균이 높을 수록(혹은 재생 가중치 스코어의 합이나 평균이 높을수록) 추천 순위가 높아지게 된다.
상기 메이트 교집합(330)에 포함되는 곡은 사용자가 경험한 곡과 사용자가 경험하지 못한 곡이 포함되는데, 자기 이력(301)과 메이트 교집합(330)의 차집합(331)과 교집합(332)의 내용을 토대로 추천 음악이 결정될 수 있다.
상기 자기 이력(301)과 메이트 교집합(330)의 차집합(331)은 상기 메이트 그룹의 공통 선호 곡 중 사용자가 경험해 보지 못한 음악이며, 이 중에서 선호도(메이트 선호도)가 높은 곡 순서로 새로운 음악 발견을 위한 추천 음악 정보가 생성될 수 있다. 여기서, 추천 음악 중 사용자의 선호 장르와 같은 장르의 음악을 우선 추천하도록 할 수 있다. 물론, 이전 추천된 음악은 소정의 기준을 만족할 때까지 재추천에서 배제될 수 있다.
상기 자기 이력(301)과 메이트 교집합(330)의 교집합(332)은 상기 메이트 그룹의 공통 선호 곡 중 사용자가 경험해 보았던 음악이며, 이 중에서 선호도(메이트 선호도)가 높은 곡 순서로 기존 음악의 재발견을 위한 추천 음악 정보가 생성된다. 물론, 여기서 이전 추천된 음악은 소정의 기준을 만족할 때까지 재추천에서 배제될 수 있다.
따라서, 취향에 따라서 새로운 음악 발견을 위한 추천 음악 정보와 기존 음악의 재발견을 위한 추천 음악 정보의 비율을 적절히 설정하는 것으로 자신의 취향에 맞는 음악을 매번 새롭게 발견할 수 있으며, 익숙한 곡을 재발견할 수도 있다.
한편, 이렇게 추천한 추천 음악 정보를 통해서 추천 음악을 재생할 경우에도 사용자의 로그 정보가 수집되는데, 추천 음악에 대한 사용자의 명시적 선호 정보에 따라 해당 추천 음악에 대한 재추천 기준을 조절하거나 해당 음악을 더 이상 추천하지 않도록 할 수도 있다. 예를 들어 추천 음악 재생 중 스킵한 경우 해당 음악을 더 이상 추천하지 않도록 할 수 있고, 추천 음악 재생 중 '좋아요'를 선택한 경우 해당 음악의 재추천 배제 기간을 줄일 수 있다.
도 6 내지 도 9는 앞서 설명한 본 발명의 실시예에 따른 음악 추천의 예시적 실시예를 보인 순서도로서, 도 6은 전체 추천 음악 제공 방식에 관한 순서도이고, 도 7은 사용자의 이력에 포함된 경험 곡에 대한 자기 음악 추천 방법에 관한 순서도이며, 도 8은 메이트 선별에 관한 방식에 관한 순서도이고, 도 9는 메이트 음악 추천 방법에 관한 순서도이다.
먼저, 도 6을 참조하면 사용자 단말에 음악 추천 앱을 설치하는 단계(S10)와, 상기 음악 추천 앱을 통해 과거의 누적된 이력 정보와 설치 이후 사용자의 이력 정보가 수집되어 음악 추천 서버에 전달되는 단계(S11)와, 상기 음악 이력을 정량적으로 분석하기 위하여 음악 이력의 메타 정보를 표준화(예를 들어, SongID)하거나 매칭하여 음악 식별을 표준화하는 단계(S12)와, 상기 사용자의 이력 정보를 분석하여 곡별 선호도 스코어를 계산하고 필요한 경우 아티스트나 장르 등에 대한 선호도 스코어 합을 계산하여 사용자 선호도를 구성하는 자기 이력 분석 단계(S13)와, 상기 자기 이력 분석 결과를 토대로 사용자와 타사용자의 유사도를 곡별 선호도 스코어(표2)나 재생 가중치 스코어(표3)를 반영하여 높은 유사도의 메이트를 선별한 후 새로운 메이트가 일정 비율 이상 포함되는 메이트 그룹을 선택하는 메이트 선택 단계(S14)와, 상기 자기 이력 분석 단계에서 분석된 자기 음악 선호도에 따른 자기 음악 추천, 상기 메이트 선택 단계에서 선택된 메이트 그룹의 공통 선호 곡을 기준으로 하는 메이트 음악 추천 중 하나 이상이 이루어지는 음악 추천 단계(S15)로 이루어진다.
상기 과거/지속 이력 정보 수집 단계(S11)는 음악 추천 앱이 설치된 사용자 단말기 외에도 외부 연동 기능을 가지는 소셜 네트워크 서비스나 외부 음악 서비스를 통해서 사용자 음악 이력을 수집할 수 있다.
도 7은 상기 도 6의 음악 추천 단계(S15)에서 자기 음악 추천이 이루어지기 위한 방법을 보인 것으로, 상기 자기 이력 분석 단계(S13)에서 도시된 수집 이력 확인 단계(S21)와 곡별 선호 이력 스코어링 단계(S22)가 실시될 수 있고, 그 외의 단계는 음악 추천 단계(S15)에서 이루어질 수 있다.
도시된 순서도를 참조하면, 우선 수집된 다양한 경로의 사용자 이력 정보를 확인하여 곡별로 이력을 정리하는 수집 이력 확인 단계(S21)와, 상기 곡별 이력 정보를 이용하여 곡에 대한 명시적 선호 정보를 예를 들어 표 2를 이용하여 확인하여 곡별 스코어를 산출하는 곡별 선호 이력 스코어링 단계(S22)를 포함한다.
상기 곡별 선호 이력 스코어링 단계(S22)에서 각 곡에 대한 선호도가 명시적 점수로 스코어링되는데, 이러한 곡별 스코어를 이용하여 아티스트 누적 스코어나 장르별 누적 스코어가 더 얻어질 수 있고, 이러한 정보는 추후 메이트 선별이나 추천 곡 선별 시 참조 정보로 활용될 수 있다.
이렇게 사용자가 경험했던 곡에 대한 이력 정보를 기준으로 사용자에게 자신의 곡 중 선호 곡을 추천하는 자기 음악 추천을 위해서, 상기 곡별 스코어가 높은 순서로 추천 후보 곡을 선별하는 후보 곡 선별 단계(S23)와, 상기 선별된 후보 곡 중에서 기 설정된 기간 내 추천 이력이 있는 곡(혹은 배제 조건이 해소되지 못한 곡)을 파악하여 해당 곡을 제외하는 단계(S24, 25)와, 추천 가능한 곡들로 자기 추천 곡을 생성하여 해당 음악 추천 정보를 제공하는 자기 추천 곡 제공 단계(S26)가 진행될 수 있다.
상기 자기 추천 곡을 추천 음악 정보에 포함시킬 것인지는 사용자의 선택에 따라 결정될 수 있고, 필요에 따라 메이트 추천 곡과 혼합하여 추천 음악 정보를 구성할 수 있다.
상기와 같은 자기 추천 곡이라 하더라도 한번 추천되면 일정한 조건을 충족하기 전에는 다시 추천되지 않기 때문에 소정 기간 내에 추천되는 자기 추천 곡은 매번 달라지게 되어 사용자가 익숙하면서도 자신이 선호하는 자신의 음악을 용이하게 청취할 수 있다.
도 8은 음악 추천 서버에서 각 사용자별로 이루어지게 되는 자기 이력 분석의 결과를 활용하여 자신과 선호도가 유사한 음악친구, 즉 메이트를 선택하는 과정을 보인 것이다.
도시한 바와 같이 메이트 유사도 판단을 위한 기준이 되는 이력 분석 정보를 준비하는 음악 성향 정보 구성 단계(S31)와, 상기 이력 분석 정보를 이용하여 곡별 재생 가중치 스코어를 구하거나 곡별 선호 스코어를 추출하고, 필요한 경우 이를 기준으로 정규화를 실시하는 곡 재생 기반 가중치 부여 단계(S32)와, 각 곡에 대해서 얻어진 곡별 선호도 스코어나 재생 가중치 스코어 혹은 정규화 레벨을 이용하며, 전체 감상 곡수, 아티스트나 장르 유사도, 공통 곡 제외 곡의 장르 일치도 등을 고려하여 타 사용자에 대한 유사도를 산출하는 사용자와 메이트 간 유사도 산출 단계(S33)와, 상기 산출 유사도가 높은 메이트를 기 설정된 수준으로 선별하는 상위 메이트 선별 단계(S34)와, 상기 선별된 메이트 중 기 설정된 비율로 신규 메이트가 포함되었는지 확인하여 기준치까지 신규 메이트로 교체하여 메이트 그룹을 선택하는 단계(S35, S36, S37)를 포함한다.
상기 신규 메이트 교체 단계(S36)는 유사도가 낮으면서 이전 선택된 메이트를 차상위 유사도를 가지면서 이전에 선택되지 않은 메이트로 교체하는 방식으로 신규 메이트를 선택할 수 있고, 이전 메이트 선택 횟수가 많은 순서대로 해당 메이트 대신 차상위 유사도를 가지면서 선택되지 않았던 메이트를 선택할 수도 있다.
즉, 이렇게 신규한 메이트가 메이트 집단 갱신 시(예를 들어 매일)마다 예를 들어 30%가 되도록 할 경우 사용자에게 추천 음악을 제공할 모집단은 늘 일정 부분 새로움을 유지할 수 있게 된다.
도 9는 메이트 집단이 선택된 경우 해당 메이트 집단으로부터 메이트 추천 음악을 생성하는 과정을 보인 예로서, 도시한 바와 같이 메이트 집단에서 메이트 간 공통 곡을 추출하는 단계(S41)와, 상기 메이트 공통 곡과 사용자가 경험했던 사용자 곡과의 차집합과 교집합을 추출하는 것으로 성향이 유사한 메이트가 공통적으로 경험했지만 사용자는 경험하지 못했던 새로운 곡을 차집합으로 선별하고, 성향이 유사한 메이트와 사용자가 공통적으로 경험한 선호도가 높은 곡을 교집합으로 선별하는 단계(S42)와, 상기 선별된 차집합이나 교집합 중 하나 이상의 집합에 포함된 곡 중에서 메이트 선호도(곡별 선호 가중치 스코어나 재생 가중치 스코어) 합이나 평균이 높은 곡들을 추천 후보 곡으로 선별하는 단계(S43)와, 설정 기간 내(혹은 기 설정된 다른 기준을 만족하지 못한) 추천 이력이 있는 곡을 제외시키는 단계(S44, S45)와, 추천 후보 곡 중에서 기존 추천 곡과 다른 곡으로 메이트 추천 곡을 생성하여 제공하는 메이트 추천 곡 제공 단계(S46)를 포함한다.
사용자의 음악적 선호도는 변화가 심하지 않으므로 매번 유사도가 높은 메이트를 선별하여 선호도가 높은 추천 곡을 선별하면 추천 곡 중 대부분이 유사하게 되고, 단순히 이전 추천한 곡을 이번 추천에서 배제하도록 할 경우 추천이 반복될수록 사용자의 취향과 멀어지거나 메이트 공통 곡이 부족한 상황이 발생할 수 있게 된다. 그러나 본 발명의 실시예에서는 추천 곡을 선별하는 모집단이 되는 메이트 그룹 내의 메이트가 적어도 일정한 비율로 매번 교체되도록 함으로써 사용자 선호도에 근접한 메이트 공통 곡을 다양화하고 있으며, 그에 따라 이전 추천 곡이 일정 기간 혹은 일정 조건에 따라 배제되더라도 매번 달리 추천되는 추천 곡이 사용자의 선호도에 일치할 가능성을 높일 수 있게 된다.
결국, 매번 새로운 추천 결과를 제공함에도 불구하고 사용자의 선호도에 유사한 음악이 추천되어 새로운 음악을 발견하거나 경험했던 곡을 재발견할 수 있어 사용자의 만족도를 높일 수 있게 된다.
특히, 추천 음악에 대해서도 명시적 선호도 정보를 제공하며, 해당 정보가 지속적으로 음악 추천 서버에서 수집되므로 추천 음악을 통한 선호도 파악이 빠르게 누적되며, 추천 음악이 스킵되는 경우 이후 해당 음악이 추천되지 않도록 함으로써 이후 추천 결과를 직접 조작할 수 있어 사용에 따라 추천 음악에 대한 만족도를 더욱 높일 수 있다.
이상에서는 본 발명에 따른 바람직한 실시예들에 대하여 도시하고 또한 설명하였다. 그러나 본 발명은 상술한 실시예에 한정되지 아니하며, 특허 청구의 범위에서 첨부하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능할 것이다.
본 발명은 사용자 음악 이력 정보를 분석하여 사용자 선호도를 파악하고, 상기 사용자 선호도와 유사도가 높은 메이트를 선택 한 후 메이트의 공통 선호 곡과 사용자 경험 곡을 이용하여 음악을 추천하되, 이전 추천된 곡은 배제하도록 하여 매번 새로운 추천 음악을 통해 사용자 취향의 새로운 곡을 발견하도록 하거나 경험했던 곡을 재발견하도록 하도록 함으로써, 매번 새로우면서도 사용자 취향에 적합한 추천 음악을 청취할 수 있도록 하여 사용자의 만족도를 높인 것이므로 음악 스트리밍 서비스 제공 분야, 음악 소셜 네트워크 서비스 제공 분야, 스트리밍 음악 서비스가 도입되는 텔레매틱스 분야, 미디어 광고 분야, 미디어 판매 및 확산 분야 등에서 광범위하게 이용할 수 있다.
10: 네트워크 20: SNS 서버
30: 외부 음악 서비스 서버 100: 사용자 단말
110: 음악 추천 앱 200: 음악 서비스 시스템
210: 음악 서비스 서버 220: 음악 추천 서버
221: 회원 관리부 222: 이력 수집부
223: 이력 분석부 224: 유사 판단부
225: 메이트 관리부 226: 메이트 선택부
227: 음악 추천부
30: 외부 음악 서비스 서버 100: 사용자 단말
110: 음악 추천 앱 200: 음악 서비스 시스템
210: 음악 서비스 서버 220: 음악 추천 서버
221: 회원 관리부 222: 이력 수집부
223: 이력 분석부 224: 유사 판단부
225: 메이트 관리부 226: 메이트 선택부
227: 음악 추천부
Claims (13)
- 음악 추천 앱이 설치된 사용자 장치를 통해 사용자 장치 내 존재하는 음원에 대한 메타 정보와 해당 음원에 대한 로그 정보를 이력 정보로 수집하여 사용자 선호도를 분석하는 이력 분석부;
상기 사용자 선호도와 유사도가 높으며 이전 메이트 그룹에 비해 적어도 기 설정된 비율 이상 새로운 메이트가 포함된 새로운 메이트 그룹을 선택하는 메이트 선택부; 및
상기 메이트 선택부에서 선택된 메이트 그룹의 공통 선호 곡들을 기준으로 이전 추천된 음악 정보와 다른 새로운 추천 음악 정보를 생성하여 상기 음악 추천 앱이 설치된 사용자 장치에 제공하는 음악 추천부를 포함하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 서비스 장치. - 제 1항에 있어서, 상기 이력 분석부는 상기 음악 추천 앱이 설치된 사용자 장치를 통해 사용자 가입 정보를 수신하여 상기 사용자가 가입한 소셜 네트워크 서비스 서버나 외부 음악 서비스 서버로부터 상기 사용자의 음악 이력 정보를 수집하여 선호도를 분석하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 서비스 장치.
- 제 1항에 있어서, 상기 음악 추천부는 상기 선택된 메이트 그룹의 공통 선호 곡과 상기 수집된 이력 정보의 사용자 경험 곡과의 차집합이나 교집합 중에서 추천 음악 정보를 선택하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 서비스 장치.
- 제 1항에 있어서, 상기 메이트 선택부는 상기 사용자의 이력 정보 내 음악과 타인의 이력 정보 내 음악을 비교하여 유사도를 산출하되, 해당 음악의 이력 정보 내 선호도에 따른 가중치를 적용하며, 전체 감상 곡의 수에 따라 유사도를 조정하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 서비스 장치.
- 제 1항에 있어서, 상기 이력 분석부는 상기 음악 추천 앱이 설치된 사용자 장치로부터 상기 추천 음악에 대한 사용자 이력을 수집하며, 상기 음악 추천부는 상기 추천 음악에 대한 사용자의 명시적 선호도가 낮은 경우 해당 음악을 이후 추천하지 않는 것을 특징으로 하는 음악 발견을 위한 음악 추천 서비스 장치.
- 제 1항에 있어서, 상기 음악 추천부는
상기 이력 분석부를 통해 사용자가 경험한 음악에 대한 선호도가 높으면서 이전 추천되지 않은 곡에 대한 정보를 얻어 경험했던 음악 중에서 추천 음악 정보를 생성하는 자기 음악 추천부;
상기 메이트 선택부가 선택한 메이트 그룹의 공통 선호 곡과 사용자 경험 곡의 교집합과 차집합의 곡에서 이전 추천되지 않은 선호도 높은 곡을 추천 음악 정보로 생성하는 메이트 음악 추천부; 및
상기 자기 음악 추천부의 추천 음악 정보와 상기 메이트 음악 추천부의 추천 음악 정보 중 하나 혹은 그 혼합 정보를 최종 추천 음악 정보로 제공하는 혼합 추천부를 포함하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 서비스 장치. - 음악 추천 서비스 장치가 음악 추천 앱이 설치된 사용자 장치로부터 사용자 장치 내 존재하거나 스트리밍되는 음악에 대한 메타 정보와 상기 음악에 대한 로그 정보를 이력 정보로 수집하는 이력 수집 단계;
상기 음악 추천 서비스 장치가 상기 이력 수집 단계에서 수집된 이력 정보를 통해 사용자 선호도 정보를 구성하는 이력 분석 단계;
상기 음악 추천 서비스 장치가 상기 사용자 선호도 정보와 유사도가 높은 메이트를 선별하되, 매번 기 설정된 비율로 신규 메이트가 포함되도록 메이트 그룹을 선택하는 메이트 선택 단계; 및
상기 음악 추천 서비스 장치가 상기 메이트 선택 단계에서 선택된 메이트 그룹의 공통 선호 곡을 기준으로 추천 음악 정보를 생성 및 제공하는 추천 단계를 포함하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 방법. - 제 7항에 있어서, 상기 추천 단계는 이전 추천된 음악 정보를 기 설정된 제한 기간 동안 배제하거나 기 추천된 곡에 대한 사용자 이력에 해당 곡에 대한 낮은 선호도가 명시된 경우 추천 음악 정보에서 해당 곡을 배제는 것을 특징으로 하는 음악 발견을 위한 음악 추천 방법.
- 제 7항에 있어서, 상기 이력 수집 단계에서 상기 음악 추천 서비스 장치는 소셜 네트워크 서비스 서버나 외부 음악 서비스 서버로부터 상기 사용자의 음악 이력 정보를 수집하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 방법.
- 제 7항에 있어서, 상기 이력 분석 단계는 상기 수집되는 이력 정보의 로그 정보로부터 명시적 선호정보를 확인하여 곡별 선호도를 스코어링하는 단계를 더 포함하고, 상기 추천 단계는 상기 이력 분석 단계의 곡별 선호도 스코어에 따라 사용자가 경험했던 곡 중 선호 곡에 대한 자기 추천 음악을 상기 추천 음악 정보로 제공하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 방법.
- 제 7항에 있어서, 상기 이력 수집 단계에서 상기 이력 정보로 수집되는 음원에 대한 로그 정보는 재생시간, 재생일시, 재생 횟수, 스킵 횟수, 선호도 선택, 공유, 구매, 삭제 중 적어도 하나의 명시적 선호 정보를 포함하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 방법.
- 사용자 장치 내 존재하는 음원에 대한 메타 정보와 해당 음원에 대한 로그 정보를 이력 정보로 수집하여 전송하는 음악 추천 앱이 설치된 사용자 장치; 및
상기 음악 추천 앱이 설치된 사용자 장치에서 수신한 이력 정보를 통해 사용자 선호도를 분석하고, 상기 사용자 선호도와 유사도가 높은 메이트들을 선별하되, 매번 선별되는 메이트 그룹은 기 설정된 비율로 신규 메이트가 포함되도록 하며 상기 메이트 그룹의 공통 선호 곡을 기준으로 추천 음악 정보를 생성하여 상기 사용자 장치의 음악 추천 앱에 제공하는 음악 추천 서비스 장치를 포함하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 시스템. - 제 12항에 있어서, 상기 음악 추천 서비스 장치는 사용자 선호도와 유사도가 높은 메이트들을 선별할 경우 상기 선호도를 기 설정된 기준에 따라 스코어링하고, 해당 스코어의 범위에 따라 레벨을 분류한 정규화를 실시한 후 해당 정규화 결과를 기준으로 메이트 유사도를 판단하는 것을 특징으로 하는 음악 발견을 위한 음악 추천 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130077514A KR102100963B1 (ko) | 2013-07-03 | 2013-07-03 | 음악 발견을 위한 음악 추천 서비스 장치 및 이를 이용한 시스템과 그 추천 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130077514A KR102100963B1 (ko) | 2013-07-03 | 2013-07-03 | 음악 발견을 위한 음악 추천 서비스 장치 및 이를 이용한 시스템과 그 추천 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20150004947A true KR20150004947A (ko) | 2015-01-14 |
| KR102100963B1 KR102100963B1 (ko) | 2020-05-15 |
Family
ID=52476907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130077514A KR102100963B1 (ko) | 2013-07-03 | 2013-07-03 | 음악 발견을 위한 음악 추천 서비스 장치 및 이를 이용한 시스템과 그 추천 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102100963B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018093051A1 (ko) * | 2016-11-17 | 2018-05-24 | (주)판도라티비 | 실시간 파일 포맷 변환 스트리밍 서비스 방법 |
| CN110968726A (zh) * | 2019-10-29 | 2020-04-07 | 哈尔滨师范大学 | 一种音乐推送系统 |
| CN115022363A (zh) * | 2022-05-30 | 2022-09-06 | 深圳季连科技有限公司 | 一种基于车联网顾及安全的信息分享方法 |
| KR102565105B1 (ko) * | 2022-12-14 | 2023-08-09 | 주식회사 맥스테일 | 가짜리뷰 필터링을 이용한 온라인 마케팅 서비스 제공 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100022542A (ko) | 2008-08-20 | 2010-03-03 | 단국대학교 산학협력단 | Ｐ2ｐ 기반 음악 추천 시스템 및 그 방법 |
| KR20100053135A (ko) * | 2008-11-12 | 2010-05-20 | 에스케이 텔레콤주식회사 | 컨텐츠 추천 시스템 및 컨텐츠 추천 방법 |
| KR20130031564A (ko) * | 2011-09-21 | 2013-03-29 | 김주환 | 음악 추천 서비스 제공 방법 및 서버 |
| KR20130032408A (ko) * | 2007-08-08 | 2013-04-01 | 파나소닉 주식회사 | 기지국 장치, 집적 회로 및 수신 방법 |
-
2013
- 2013-07-03 KR KR1020130077514A patent/KR102100963B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130032408A (ko) * | 2007-08-08 | 2013-04-01 | 파나소닉 주식회사 | 기지국 장치, 집적 회로 및 수신 방법 |
| KR20100022542A (ko) | 2008-08-20 | 2010-03-03 | 단국대학교 산학협력단 | Ｐ2ｐ 기반 음악 추천 시스템 및 그 방법 |
| KR20100053135A (ko) * | 2008-11-12 | 2010-05-20 | 에스케이 텔레콤주식회사 | 컨텐츠 추천 시스템 및 컨텐츠 추천 방법 |
| KR20130031564A (ko) * | 2011-09-21 | 2013-03-29 | 김주환 | 음악 추천 서비스 제공 방법 및 서버 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018093051A1 (ko) * | 2016-11-17 | 2018-05-24 | (주)판도라티비 | 실시간 파일 포맷 변환 스트리밍 서비스 방법 |
| CN110968726A (zh) * | 2019-10-29 | 2020-04-07 | 哈尔滨师范大学 | 一种音乐推送系统 |
| CN110968726B (zh) * | 2019-10-29 | 2023-10-31 | 哈尔滨师范大学 | 一种音乐推送系统 |
| CN115022363A (zh) * | 2022-05-30 | 2022-09-06 | 深圳季连科技有限公司 | 一种基于车联网顾及安全的信息分享方法 |
| CN115022363B (zh) * | 2022-05-30 | 2024-04-16 | 深圳季连科技有限公司 | 一种基于车联网顾及安全的信息分享方法 |
| KR102565105B1 (ko) * | 2022-12-14 | 2023-08-09 | 주식회사 맥스테일 | 가짜리뷰 필터링을 이용한 온라인 마케팅 서비스 제공 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102100963B1 (ko) | 2020-05-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11921778B2 (en) | Systems, methods and apparatus for generating music recommendations based on combining song and user influencers with channel rule characterizations | |
| US7970922B2 (en) | P2P real time media recommendations | |
| US8180765B2 (en) | Device and method for selecting at least one media for recommendation to a user | |
| KR102077154B1 (ko) | 사용자 선호도 기반 음악 추천 시스템 및 방법, 그리고 이에 적용되는 서버와 단말 | |
| US9003056B2 (en) | Maintaining a minimum level of real time media recommendations in the absence of online friends | |
| US9292179B2 (en) | System and method for identifying music content in a P2P real time recommendation network | |
| US7680959B2 (en) | P2P network for providing real time media recommendations | |
| US10469549B2 (en) | Device for participating in a network for sharing media consumption activity | |
| US8874655B2 (en) | Matching participants in a P2P recommendation network loosely coupled to a subscription service | |
| US8200602B2 (en) | System and method for creating thematic listening experiences in a networked peer media recommendation environment | |
| US20160147876A1 (en) | Systems and methods for customized music selection and distribution | |
| CN105677905B (zh) | 用于过滤媒体文件的装置、方法和计算机程序产品 | |
| US20090138457A1 (en) | Grouping and weighting media categories with time periods | |
| US9529801B2 (en) | Multimedia analysis and recommendation generation | |
| US20090307314A1 (en) | Musical interest specific dating and social networking process | |
| KR101422772B1 (ko) | 사용자 선호와 평가를 반영한 음악 재생 목록을 생성하는 온라인 음악 서비스 장치 및 방법 | |
| CN101556622A (zh) | 在发送推荐之前提供预期的合意性信息 | |
| JP5143620B2 (ja) | 試聴用コンテンツ配信システムおよび端末装置 | |
| EP2304613A1 (en) | Playlist manager | |
| CN102857471A (zh) | 多媒体交互方法及系统 | |
| KR20150004947A (ko) | 음악 발견을 위한 음악 추천 서비스 장치 및 이를 이용한 시스템과 그 추천 방법 | |
| WO2012134854A1 (en) | Multimedia analysis and cluster formation | |
| CN108205551B (zh) | 一种歌曲推荐方法和歌曲推荐系统 | |
| KR101715070B1 (ko) | 디지털음성송신 기반의 음악 라디오 서비스 제공 시스템 및 방법 | |
| KR102100964B1 (ko) | 사용자 피드백을 제공하는 음악 추천 시스템 및 그 방법, 그리고 이에 적용되는 서비스 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| N231 | Notification of change of applicant | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |