KR20150011261A - 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법 - Google Patents

계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법 Download PDF

Info

Publication number
KR20150011261A
KR20150011261A KR1020130086314A KR20130086314A KR20150011261A KR 20150011261 A KR20150011261 A KR 20150011261A KR 1020130086314 A KR1020130086314 A KR 1020130086314A KR 20130086314 A KR20130086314 A KR 20130086314A KR 20150011261 A KR20150011261 A KR 20150011261A
Authority
KR
South Korea
Prior art keywords
content
user
context
information
hierarchical
Prior art date
Application number
KR1020130086314A
Other languages
English (en)
Other versions
KR101519879B1 (ko
Inventor
우운택
한종현
Original Assignee
광주과학기술원
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 광주과학기술원 filed Critical 광주과학기술원
Priority to KR1020130086314A priority Critical patent/KR101519879B1/ko
Priority to US14/338,004 priority patent/US20150026166A1/en
Publication of KR20150011261A publication Critical patent/KR20150011261A/ko
Application granted granted Critical
Publication of KR101519879B1 publication Critical patent/KR101519879B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/14—Details of searching files based on file metadata
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information

Abstract

본 발명에 의한 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법이 개시된다.
본 발명에 따른 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치는 키 또는 메뉴 조작에 따라 사용자로부터 검색하고자 하는 키워드를 입력 받는 입력 수단; 상기 키워드가 입력 되면 사용자의 컨텍스트 정보를 획득하는 센싱 수단; 입력 받은 상기 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텍스트 모델에 각각 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하고, 추출된 상기 콘텐츠 관련 단어와 상기 컨텍스트 관련 단어의 콘텐츠 유사도를 산출하여 산출된 상기 콘텐츠 유사도를 기반으로 기 수집된 적어도 하나의 콘텐츠를 순위화하는 제어 수단; 및 순위화된 상기 적어도 하나의 콘텐츠의 일부 또는 전체를 화면에 표시하는 표시 수단을 포함한다.

Description

계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법{APPARATUS FOR RECOMMANDING CONTENTS USING HIERACHICAL CONTEXT MODEL AND METHOD THEREOF}
본 발명은 컨텐츠 추천 기법에 관한 것으로, 특히, 사용자로부터 입력 받은 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 수집하고 수집된 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 컨텐스트 모델에 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하고 추출된 콘텐츠 관련 단어와 컨텍스트 관련 단어의 유사도를 기반으로 콘텐츠를 순위화하도록 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법에 관한 것이다.
모바일 기기는 가장 대중적인 정보 기기 중 하나이고 사용자에게 적응적 또는 개인화 서비스를 제공하는 기기로 진화했다. 하드웨어의 급속한 발전으로 인해, 언제, 어디서나 관련 정보를 얻기 위한 더 지능적인 서비스들이 개발되었다.
그러나 작은 스크린을 갖는 기기 또는 제한적인 입력 기기와 같은 다른 기기를 사용하는 사용자를 위한 주어진 상황에서 컨텐츠의 적합성을 고려할 필요가 있다.
따라서 정보 검색에서 더 많은 요구를 충족시키기 위해서 사용자의 컨텍스트(context)와 행동(behavior)을 다루는 새로운 기법이 점점 더 요구되고 있다.
따라서 이러한 종래 기술의 문제점을 해결하기 위한 것으로, 본 발명의 목적은 사용자로부터 입력 받은 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 수집하고 수집된 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 컨텐스트 모델에 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하고 추출된 콘텐츠 관련 단어와 컨텍스트 관련 단어의 유사도를 기반으로 콘텐츠를 순위화하도록 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법을 제공하는데 있다.
그러나 본 발명의 목적은 상기에 언급된 사항으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 목적들을 달성하기 위하여, 본 발명의 한 관점에 따른 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치는 키 또는 메뉴 조작에 따라 사용자로부터 검색하고자 하는 키워드를 입력 받는 입력 수단; 상기 키워드가 입력 되면 사용자의 컨텍스트 정보를 획득하는 센싱 수단; 입력 받은 상기 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텍스트 모델에 각각 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하고, 추출된 상기 콘텐츠 관련 단어와 상기 컨텍스트 관련 단어를 기반으로 콘텐츠 유사도를 산출하여 산출된 상기 콘텐츠 유사도를 기반으로 기 수집된 적어도 하나의 콘텐츠를 순위화하는 제어 수단; 및 순위화된 상기 적어도 하나의 콘텐츠의 일부 또는 전체를 화면에 표시하는 표시 수단을 포함할 수 있다.
바람직하게, 상기 제어 수단은 상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고, 상기 사용자의 컨텍스트 정보가 업데이트 되었으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하는 것을 특징으로 한다.
바람직하게, 상기 제어 수단은 상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고, 상기 사용자의 컨텍스트 정보가 업데이트 되지 않았으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하지 않는 것을 특징으로 한다.
바람직하게, 상기 콘텐츠 유사도는 다음의 수학식
Figure pat00001
에 의해 구하고, 여기서, U는 사용자의 컨텍스트와 관련된 노도들의 집합을 나타내고, C는 콘텐츠의 컨텍스트와 관련된 노드들의 집합을 나타내며, ctx는 U의 원소를 나타내고, tag는 C의 원소를 나타내며, sim(tag, ctx)는 tag와 ctx 간의 유사도를 나타내는 것을 특징으로 한다.
바람직하게, 상기 유사도는 tax=x, ctx=y인 경우 다음의 수학식
Figure pat00002
에 의해 구하고, 여기서, LCS(x,y)는 노드 x와 노드 y 간의 least common subsumer를 나타내는 것을 특징으로 한다.
바람직하게, 상기 제어 수단은 상기 콘텐츠의 태그 정보를 기 설정된 계층적 컨텍스트 모델에 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어를 추출하되, 상기 계층적 컨텍스트 모델 내에서 상기 콘텐츠의 태그 정보에 상응하는 노드와 상기 노드에 연결된 모든 상위 노드로부터 상기 콘텐츠 관련 단어를 추출하는 것을 특징으로 한다.
바람직하게, 상기 제어 수단은 상기 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텐스트 모델에 매칭시켜 그 매칭된 결과로 컨텍스트 관련 단어를 추출하되, 상기 계층적 컨텍스트 모델 내에서 상기 사용자의 컨텍스트 정보에 상응하는 노드와 상기 노드에 연결된 모든 상위 노드로부터 상기 컨텍스트 관련 단어를 추출하는 것을 특징으로 한다.
또한, 본 발명에 따른 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치는 사용자가 검색하고자 하는 콘텐츠를 추천하기 위한 계층적 컨텍스트 모델을 저장하는 저장 수단을 더 포함할 수 있다.
본 발명의 다른 한 관점에 따른 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치는 키 또는 메뉴 조작에 따라 사용자로부터 검색하고자 하는 키워드를 입력 받는 입력 수단; 입력 받은 상기 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텍스트 모델에 각각 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하고, 추출된 상기 콘텐츠 관련 단어와 상기 컨텍스트 관련 단어를 기반으로 콘텐츠 유사도를 산출하여 산출된 상기 콘텐츠 유사도를 기반으로 기 수집된 적어도 하나의 콘텐츠를 순위화하는 제어 수단; 및 순위화된 상기 적어도 하나의 콘텐츠의 일부 또는 전체를 화면에 표시하는 표시 수단을 포함할 수 있다.
바람직하게, 상기 제어 수단은 상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고, 상기 사용자의 컨텍스트 정보가 업데이트 되었으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하는 것을 특징으로 한다.
바람직하게, 상기 제어 수단은 상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고, 상기 사용자의 컨텍스트 정보가 업데이트 되지 않았으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하지 않는 것을 특징으로 한다.
바람직하게, 상기 콘텐츠 유사도는 다음의 수학식
Figure pat00003
에 의해 구하고, 여기서, U는 사용자의 컨텍스트와 관련된 노도들의 집합을 나타내고, C는 콘텐츠의 컨텍스트와 관련된 노드들의 집합을 나타내며, ctx는 U의 원소를 나타내고, tag는 C의 원소를 나타내며, sim(tag, ctx)는 tag와 ctx 간의 유사도를 나타내는 것을 특징으로 한다.
바람직하게, 상기 유사도는 tax=x, ctx=y인 경우 다음의 수학식
Figure pat00004
에 의해 구하고, 여기서, LCS(x,y)는 노드 x와 노드 y 간의 least common subsumer를 나타내는 것을 특징으로 한다.
본 발명의 또 다른 한 관점에 따른 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 방법은 키 또는 메뉴 조작에 따라 사용자로부터 검색하고자 하는 키워드를 입력 받는 단계; 입력 받은 상기 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텍스트 모델에 각각 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하는 단계; 추출된 상기 콘텐츠 관련 단어와 상기 컨텍스트 관련 단어를 기반으로 콘텐츠 유사도를 산출하여 산출된 상기 콘텐츠 유사도를 기반으로 기 수집된 적어도 하나의 콘텐츠를 순위화하는 단계; 및 순위화된 상기 적어도 하나의 콘텐츠의 일부 또는 전체를 화면에 표시하는 단계을 포함할 수 있다.
바람직하게, 상기 추출하는 단계는 상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고, 상기 사용자의 컨텍스트 정보가 업데이트 되었으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하는 것을 특징으로 한다.
바람직하게, 상기 추출하는 단계는 상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고, 상기 사용자의 컨텍스트 정보가 업데이트 되지 않았으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하지 않는 것을 특징으로 한다.
바람직하게, 상기 콘텐츠 유사도는 다음의 수학식
Figure pat00005
에 의해 구하고, 여기서, U는 사용자의 컨텍스트와 관련된 노도들의 집합을 나타내고, C는 콘텐츠의 컨텍스트와 관련된 노드들의 집합을 나타내며, ctx는 U의 원소를 나타내고, tag는 C의 원소를 나타내며, sim(tag, ctx)는 tag와 ctx 간의 유사도를 나타내는 것을 특징으로 한다.
바람직하게, 상기 유사도는 tax=x, ctx=y인 경우 다음의 수학식
Figure pat00006
에 의해 구하고, 여기서, LCS(x,y)는 노드 x와 노드 y 간의 least common subsumer를 나타내는 것을 특징으로 한다.
바람직하게, 상기 추출하는 단계는 상기 콘텐츠의 태그 정보를 기 설정된 계층적 컨텍스트 모델에 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어를 추출하되, 상기 계층적 컨텍스트 모델 내에서 상기 콘텐츠의 태그 정보에 상응하는 노드와 상기 노드에 연결된 모든 상위 노드로부터 상기 콘텐츠 관련 단어를 추출하는 것을 특징으로 한다.
바람직하게, 상기 추출하는 단계는 상기 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텐스트 모델에 매칭시켜 그 매칭된 결과로 컨텍스트 관련 단어를 추출하되, 상기 계층적 컨텍스트 모델 내에서 상기 사용자의 컨텍스트 정보에 상응하는 노드와 상기 노드에 연결된 모든 상위 노드로부터 상기 컨텍스트 관련 단어를 추출하는 것을 특징으로 한다.
이를 통해, 본 발명은 사용자로부터 입력 받은 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 수집하고 수집된 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 컨텐스트 모델에 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하고 추출된 콘텐츠 관련 단어와 컨텍스트 관련 단어의 유사도를 기반으로 콘텐츠를 순위화하도록 함으로써, 효율적으로 컨텐츠를 추천할 수 있는 효과가 있다.
또한, 본 발명은 기 설정된 컨텍스트 모델을 이용하여 사용자가 필요로 하는 컨텐츠를 추천하는 것이 가능하기 때문에 사용자의 만족도를 향상시킬 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 컨텐츠를 추천하기 위한 장치를 나타내는 도면이다.
도 2a 내지 도 2b는 본 발명의 일 실시예에 따른 컨텍스트 모델을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 콘텐츠를 추천하기 위한 방법을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 컨텐츠 유사도를 산출하는 원리를 설명하기 위한 도면이다.
도 5a 내지 도 5c는 본 발명의 일 실시예에 따른 콘텐츠를 표시하는 화면을 나타내는 도면이다.
도 6a 내지 도 6b는 본 발명의 일 실시예에 따른 평가 결과로 경과 시간을 보여주는 도면이다.
도 7a 내지 도 7b는 본 발명의 일 실시예에 따른 평가 결과로 nDCG 값을 보여주는 도면이다.
이하에서는, 본 발명의 실시예에 따른 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법을 첨부한 도 1 내지 도 7b를 참조하여 설명한다. 본 발명에 따른 동작 및 작용을 이해하는데 필요한 부분을 중심으로 상세히 설명한다.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 동일한 명칭의 구성 요소에 대하여 도면에 따라 다른 참조부호를 부여할 수도 있으며, 서로 다른 도면임에도 불구하고 동일한 참조부호를 부여할 수도 있다. 그러나, 이와 같은 경우라 하더라도 해당 구성 요소가 실시예에 따라 서로 다른 기능을 갖는다는 것을 의미하거나, 서로 다른 실시예에서 동일한 기능을 갖는다는 것을 의미하는 것은 아니며, 각각의 구성 요소의 기능은 해당 실시예에서의 각각의 구성요소에 대한 설명에 기초하여 판단하여야 할 것이다.
특히, 본 발명에서는 사용자로부터 입력 받은 키워드에 상응하는 콘텐츠의 태그(tag) 정보와 사용자의 컨텍스트(context) 정보를 수집하고 수집된 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텐스트 모델(hierarchical context model)에 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하고 추출된 콘텐츠 관련 단어와 컨텍스트 관련 단어의 유사도를 기반으로 콘텐츠를 순위화하도록 하는 새로운 콘텐츠 추천 기법을 제안한다.
도 1은 본 발명의 일 실시예에 따른 컨텐츠를 추천하기 위한 장치를 나타내는 도면이다.
도 1에 도시한 바와 같이, 본 발명에 따른 컨텐츠를 추천하기 위한 장치는 통신 수단(110), 입력 수단(120), 센싱 수단(130), 제어 수단(140), 표시 수단(150), 저장 수단(160) 등을 포함하여 구성될 수 있다. 이러한 장치는 휴대폰, 스마트폰, PDA(Personal Digital Assistants), 태블릿 PC(Personal Computer), 노트북 등을 포괄하는 개념일 수 있다.
통신 수단(110)은 유선 통신 또는 무선 통신을 이용하여 각종 정보를 송수신할 수 있다.
입력 수단(120)은 키 또는 메뉴 조작에 따라 사용자로부터 검색하고자 하는 키워드(keyword)를 입력 받을 수 있다.
센싱 수단(130)은 사용자의 컨텍스트 정보를 획득할 수 있는 적어도 하나의 센서 예컨대, GPS(Global Positioning System) 등을 포함할 수 있다.
제어 수단(140)은 사용자로부터 검색하고자 하는 키워드를 입력 받으면, 입력 받은 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 수집할 수 있다.
제어 수단(140)은 수집된 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텐스트 모델에 각각 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출할 수 있다.
제어 수단(140)은 추출된 콘텐츠 관련 단어와 컨텍스트 관련 단어를 기반으로 콘텐츠 유사도를 산출하고, 산출된 콘텐츠 유사도를 기반으로 기 수집된 콘텐츠를 순위화할 수 있다.
이때, 사용자의 컨텍스트 정보는 모바일 기기의 센서들로부터 획득될 수 있는데, 그 센서로 예컨대, GPS는 위도(latitude) 좌표, 경도(longitude) 좌표, 높이(height) 좌표를 산출하게 된다.
표시 수단(150)은 순위화된 다수의 콘텐츠의 일부 또는 전체를 표시할 수 있다.
저장 수단(160)은 컨텐츠를 추천하기 위한 계층적 컨텍스트 모델을 저장할 수 있다.
도 2a 내지 도 2b는 본 발명의 일 실시예에 따른 컨텍스트 모델을 설명하기 위한 도면이다.
도 2a 내지 도 2b를 참조하면, 본 발명에 따른 계층적 컨텍스트 모델은 부분적 순서 계층의 관점에서 시간, 공간, 일반적인 콘텐츠 또는 관심사를 표현하는 방향성 비사이클 그래프(directed acyclic graph)의 형태로 구현될 수 있다.
예컨대, 도 2a에서 시간적인 관계를 표현하는 계층적 컨텍스트 모델을 나타내고, 도 2b에서는 공간적인 관계를 표현하는 계층적 컨텍스트 모델을 나타낸다.
본 발명은 사용자의 컨텍스트와 콘텐츠의 속성을 나타내는 태그를 그래프의 노드로서 추가하여, 태그를 저장하는 계층적 그래프로 컨텍스트 모델을 구현하게 된다.
이러한 방향상 비사이클 그래프 G는 다음의 [수학식 1]과 같이 나타낼 수 있다.
[수학식 1]
G = (V, E)
여기서, V는 방향상 비사이클 그래프 상의 노드를 나타내고 E는 에지를 나타낸다.
이러한 방향상 비사이클 그래프 내 첫번째 그래프의 에지는 부분 관계를 나타낸다. 예컨대, 도 2a를 참조하면 시간 인터벌(time interval) “October 23rd, 2011 13:00”은 “October 23rd, 2011 afternoon”의 일 부분이고, 결국 “October 23rd, 2011”의 일 부분이다.
방향상 비사이클 그래프 내 두번째 그래프의 에지는 동일한 크기 또는 작은 관계를 나타낸다. 예컨대, “October 23rd, 2011”은 24h 또는 86,400s의 크기를 갖는다.
따라서 다른 인터벌 B의 일 부분인 인터벌 A는 B보다 클 수 없기 때문에 부분 관계를 나타내는 그래프는 크기 정보를 나타내는 그래프의 서브 그래프가 된다.
도 3은 본 발명의 일 실시예에 따른 콘텐츠를 추천하기 위한 방법을 나타내는 도면이다.
도 3에 도시한 바와 같이, 본 발명에 따른 콘텐츠를 추천하기 위한 장치(이하 콘텐츠 추천장치라고 한다)는 먼저 계층적 컨텍스트 모델을 구성할 수 있다(S310).
다음으로, 콘텐츠 추천 장치는 사용자로부터 검색하고자 하는 키워드를 입력 받을 수 있다(S320).
다음으로, 콘텐츠 추천장치는 입력 받은 키워드에 상응하는 적어도 하나의 컨텐츠를 검색하고(S330) 검색된 적어도 하나의 콘텐츠 각각에 포함된 태그 정보를 수집할 수 있다(S332).
다음으로, 콘텐츠 추천장치는 수집된 콘텐츠의 태그 정보를 계층적 컨텍스트 모델에 매핑하고(S334) 그 매핑한 결과로 콘텐츠의 컨텍스트 정보에 관련된 단어를 추출할 수 있다(S336).
마찬가지로, 콘텐츠 추천장치는 사용자의 컨텍스트 정보를 수집할 수 있다(S340). 여기서, 이러한 사용자의 컨텍스트 정보는 모바일 기기의 센서들로부터 획득될 수 있다.
다음으로, 콘텐츠 추천장치는 사용자의 컨텍스트 정보를 계층적 컨텍스트 모델에 매핑하고(S344) 그 매핑한 결과로 사용자의 컨텍스트에 관련된 단어를 추출할 수 있다(S346).
부연 설명하면, 사용자의 컨텍스트 정보를 계층적 컨텍스트 모델에 매핑하는 경우 사용자의 컨텍스트 정보는 기 정의된 룰을 기반으로 계층적 컨텍스트 모델 내 적어도 하나의 노드에 속할 수 있다. 예컨대, 도 2a를 참조하면 기 정의된 룰이 ('Oct 23, 2011, 13:00'⊂ 'Oct 23, 2011') and ('13:00' ⊂ 'Lunch time')이면 사용자의 컨텍스트 정보는 'Oct 23, 2011, 13:00'이 된다.
컨텍스트 정보가 특정이 되면, 해당 컨텍스트 정보는 하위 계층에 위치한 노드에 속한다.
따라서 본 발명에 따른 콘텐츠 추천장치는 특정 노드에 직접 또는 간접적으로 연결된 상위 노드로부터 사용자의 컨텍스트 정보에 관련된 단어를 추출할 수 있다.
여기서는 사용자의 컨텍스트 정보에 관련된 단어를 설명하고 있지만, 콘텐츠의 태그 정보에 관련된 단어를 추출하는 경우에도 동일한 원리가 적용될 수 있다.
이때, 콘텐츠 추천장치는 수집된 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하여(S342) 그 확인한 결과로 업데이트 되었으면 계층적 컨텍스트 모델에 매핑하게 된다.
반면, 콘텐츠 추천장치는 사용자의 컨텍스트 정보가 업데이트 되지 않았으면 사용자의 컨텍스트 정보가 변경되지 않았기 때문에 컨텍스트 모델에 매핑하는 과정을 생략한다.
다음으로, 콘텐츠 추천장치는 추출된 콘텐츠의 컨텍스트 정보에 관련된 단어와 사용자의 컨텍스트에 관련된 단어를 기반으로 콘텐츠 유사도(similarity)를 산출할 수 있다(S350).
이러한 콘텐츠 유사도 cntsim(U, C)는 다음의 [수학식 2]와 같이 나타낼 수 있다.
[수학식 2]
Figure pat00007
여기서, U는 사용자의 컨텍스트와 관련된 노도들의 집합(set)을 나타내고, C는 콘텐츠의 컨텍스트와 관련된 노드들의 집합을 나타내며, ctx는 U의 원소(member)를 나타내고, tag는 C의 원소를 나타낸다.
또한 sim(tag, ctx)는 tag와 ctx 간의 유사도를 나타내는데, tax를 x로 나타내고 ctx를 y 로 나타내도록 일반화하면 sim(x, y)는 다음의 [수학식 3]과 같다.
[수학식 3]
Figure pat00008
여기서, LCS(x,y)는 노드 x와 노드 y 간의 least common subsumer를 나타낸다.
도 4는 본 발명의 일 실시예에 따른 컨텐츠 유사도를 산출하는 원리를 설명하기 위한 도면이다.
도 4에 도시한 바와 같이, 세로 열의 사용자의 컨텍스트에 관련된 단어들 Sunday, October, Year 2011, Lunch Time, Redmond, Baseball Park, Teenager와 가로 행의 콘텐츠의 컨텍스트에 관련된 단어들 Baseball Field, Seattle, SAFECO Field, Oct 23rd 12:30, Seattle Mariners, Student 간의 유사도를 수치로 보여주고 있다.
이러한 유사도를 이용한 콘텐츠 유사도 cntsim(U, C)는 다음의 [수학식 4]와 같다.
[수학식 4]
Figure pat00009
Figure pat00010
Figure pat00011

다음으로, 콘텐츠 추천장치는 산출된 콘텐츠 유사도를 기반으로 검색된 콘텐츠들을 순위화하고(S360) 그 순위화된 결과에 따라 콘텐츠의 일부 또는 전체를 표시할 수 있다(S370).
이때, 콘텐츠 추천장치는 콘텐츠의 일부 또는 전체만을 표시할 뿐 아니라 적용된 계층적 컨텍스트 모델의 일부, 검색된 컨텐츠의 태그 정보 등을 표시할 수도 있다.
도 5a 내지 도 5c는 본 발명의 일 실시예에 따른 콘텐츠를 표시하는 화면을 나타내는 도면이다.
도 5a 내지 도 5c에 도시한 바와 같이, 본 발명에 따른 모바일 기기의 화면 상에 검색된 사진 콘텐츠 중 그 일부 예컨대, 상위 순위의 사진 컨텐츠를 보여주고 있다.
예컨대, 도 5a를 참조하면 검색된 콘텐츠들 중 가장 순위가 높은 사진 콘텐츠를 가장 크게 표시하고, 다음 순위의 콘텐츠들은 화면의 하단에 작게 표시한다.
물론 화면 상에 표시된 사진 콘텐츠들은 사용자의 터치에 의해 크게 확대될 수 있다.
또한 모바일 기기의 화면 상에는 표시되지 않았지만 순위가 낮은 나머지 콘텐츠들은 사용자가 좌우 또는 상하로 스크롤(scroll)하는 경우에 표시되도록 할 수 있다.
도 5b를 참조하면, 본 발명에 따른 콘텐츠 추천 방법에 적용되었던 계층적 컨텍스트 모델의 일부 즉, 노드 또는 컨텍스트 노드들의 일부 구성을 보여주고 있다.
도 5c를 참조하면, 본 발명에 따른 콘텐츠 추천 방법에 따라 검색된 콘텐츠의 태그 정보의 일부 또는 전체를 보여주고 있는데, 이렇게 표시되는 콘텐츠의 태그 정보는 새로운 콘텐츠를 검색하기 위한 질의(query)로 사용될 수 있다.
이하에서는 본 발명에 따른 콘텐츠 추천 방법의 성능을 시뮬레이션한 결과를 보여준다.
제안된 콘텐츠 추천 방법과 다음과 같은 5개의 콘텐츠 추천 방법을 비교하였다. 이러한 비교 대상으로 사용하는 5개의 콘텐츠 추천 기법은 다음과 같다.
1)베이스라인 알고리즘 A1-BASE은 사용자의 컨텍스트 정보 대신 질의에 매칭되는 콘텐츠의 태그의 수를 콘텐츠의 순위를 결정하는데 사용한다. 2)알고리즘들 A2-SPATI 는 계층적 컨텍스트 모델을 사용하지 않고 컨텍스트 즉, 공간 정보를 이용한다. 3)다른 알고리즘들 A3-TEMPO는 계층적 컨텍스트 모델을 사용하지 않고 컨텍스트 시간 정보를 이용한다. 4)다른 알고리즘들 A4-PERSO는 계층적 컨텍스트 모델을 사용하지 않고 컨텍스트 즉, 개인 정보를 이용한다. 5)알고리즘 A5-CONTE는 계층적 컨텍스트 모델을 사용하지 않고 각 콘텐츠를 사용한다.
이러한 콘텐츠 추전 기법을 평가하기 위하여 동일한 데이터를 사용하되, 사진이 사용자의 관심에 얼마나 적절한지를 결정하기 위하여 다음과 같이 점수화한다.
1)사진이 전반적으로 질의에 관련이 없는 경우 점수는 1이고, 2)사진이 전반적으로 질의에 관련된 것이지만 전반적으로 사용자의 관심사는 아닌 경우 점수는 2이며, 3)사진이 전반적으로 질의에 관련된 것이고 전반적으로 사용자의 관심사에 관련된 것인 경우 점수는 3이며, 4)사진이 질의에 관련된 것이고 전반적으로 사용자의 관심사에 관련된 것인 경우 점수는 4이며, 5)사진이 질의에 관련된 것이고 정확하게 사용자의 관심사에 관련된 것인 경우 점수는 5가 주어지게 된다.
이를 기반으로 알고리즘들에 대한 정확도(precision)와 재현율(recall)을 산출한다. 여기서 정확도는 모든 검색된 사진들(retrieved photos) 중 관련된 사진들(relevant photos)의 비율을 나타내고, 재현율은 모든 관련된 사진들 중 관련된 사진들의 비율을 나타내는데, 다음의 [수학식 5], [수학식 6]과 같이 정의한다.
[수학식 5]
Figure pat00012
[수학식 6]
Figure pat00013
이러한 정확도와 재현율을 제안된 발명과 다른 알고리즘에 적용하면 다음의 [표 1]과 같다.
Figure pat00014
여기서, 상기 R은 "Relevant"를 나타내고, 상기 R+는 "Very relevant"를 나타낸다.
이처럼 정확도와 재현율을 평가하여 그 평가한 결과를 비교해 본 결과 본 발명에 따른 콘텐츠 추천 기법이 다른 콘텐츠 추천 알고리즘에 비해 효과적임을 알 수 있다.
도 6a 내지 도 6b는 본 발명의 일 실시예에 따른 평가 결과로 경과 시간을 보여주는 도면이다.
도 6a 내지 도 6b에 도시한 바와 같이, 본 발명에 따른 컨텐츠 추천 방법의 평가 결과로 계층적 컨텍스트 모델이 구성되는데 경과되는 시간(elapsed time)을 보여주고 있다.
예컨대, 도 6a를 참조하면 알고리즘이 시작하는 초기 단계에서 계층적 컨텍스트 모델이 구성되는데 경과되는 시간을 보여주고 있고, 도 6b를 참조하면 질의마다 계층적 컨텍스트 모델에서 관련 용어를 검색하는데 경과되는 시간을 보여주고 있다.
도 7a 내지 도 7b는 본 발명의 일 실시예에 따른 평가 결과로 nDCG 값을 보여주는 도면이다.
도 7a 내지 도 7b에 도시한 바와 같이, 본 발명에 따른 콘텐츠 추천 기법이 다른 콘텐츠 추천 알고리즘의 nDCG(normalized Discounted Cumulative Gain) 값을 보여주고 있다.
예컨대, 도 7a를 참조하면 서로 다른 알고리즘이 5 items과 10 items를 검색함에 따른 nDCG 값을 비교한 결과를 보여주고 있고, 도 7b를 참조하면, 계층적 컨텍스트 모델의 컨텍스트 노드들의 수에 따른 nDCG 값을 비교한 결과를 보여주고 있다.
이렇게 도 6a 내지 도 7b에서 설명하는 평가 결과로서 예컨대, 경과 시간, nDCG 값을 비교해 보면, 본 발명에 따른 알고리즘이 가장 효과적이라는 것을 알 수 있다.
한편, 이상에서 설명한 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 기재되어 있다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 또한, 이와 같은 컴퓨터 프로그램은 USB 메모리, CD 디스크, 플래쉬 메모리 등과 같은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 캐리어 웨이브 매체 등이 포함될 수 있다.
이상에서 설명한 실시예들은 그 일 예로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110: 통신 수단
120: 입력 수단
130: 센싱 수단
140: 제어 수단
150: 표시 수단
160: 저장 수단

Claims (20)

  1. 키 또는 메뉴 조작에 따라 사용자로부터 검색하고자 하는 키워드를 입력 받는 입력 수단;
    상기 키워드가 입력 되면 사용자의 컨텍스트 정보를 획득하는 센싱 수단;
    입력 받은 상기 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텍스트 모델에 각각 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하고, 추출된 상기 콘텐츠 관련 단어와 상기 컨텍스트 관련 단어를 기반으로 콘텐츠 유사도를 산출하여 산출된 상기 콘텐츠 유사도를 기반으로 기 수집된 적어도 하나의 콘텐츠를 순위화하는 제어 수단; 및
    순위화된 상기 적어도 하나의 콘텐츠의 일부 또는 전체를 화면에 표시하는 표시 수단;
    을 포함하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  2. 제1 항에 있어서,
    상기 제어 수단은,
    상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고,
    상기 사용자의 컨텍스트 정보가 업데이트 되었으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  3. 제2 항에 있어서,
    상기 제어 수단은,
    상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고,
    상기 사용자의 컨텍스트 정보가 업데이트 되지 않았으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하지 않는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  4. 제1 항에 있어서,
    상기 콘텐츠 유사도는,
    다음의 수학식
    Figure pat00015
    에 의해 구하고,
    여기서, U는 사용자의 컨텍스트와 관련된 노도들의 집합을 나타내고, C는 콘텐츠의 컨텍스트와 관련된 노드들의 집합을 나타내며, ctx는 U의 원소를 나타내고, tag는 C의 원소를 나타내며, sim(tag, ctx)는 tag와 ctx 간의 유사도를 나타내는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  5. 제4 항에 있어서,
    상기 유사도는,
    tax=x, ctx=y인 경우 다음의 수학식
    Figure pat00016
    에 의해 구하고,
    여기서, LCS(x,y)는 노드 x와 노드 y 간의 least common subsumer를 나타내는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  6. 제1 항에 있어서,
    상기 제어 수단은,
    상기 콘텐츠의 태그 정보를 기 설정된 계층적 컨텍스트 모델에 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어를 추출하되,
    상기 계층적 컨텍스트 모델 내에서 상기 콘텐츠의 태그 정보에 상응하는 노드와 상기 노드에 연결된 모든 상위 노드로부터 상기 콘텐츠 관련 단어를 추출하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  7. 제1 항에 있어서,
    상기 제어 수단은,
    상기 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텐스트 모델에 매칭시켜 그 매칭된 결과로 컨텍스트 관련 단어를 추출하되,
    상기 계층적 컨텍스트 모델 내에서 상기 사용자의 컨텍스트 정보에 상응하는 노드와 상기 노드에 연결된 모든 상위 노드로부터 상기 컨텍스트 관련 단어를 추출하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  8. 제1 항에 있어서,
    사용자가 검색하고자 하는 콘텐츠를 추천하기 위한 계층적 컨텍스트 모델을 저장하는 저장 수단;
    을 더 포함하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  9. 키 또는 메뉴 조작에 따라 사용자로부터 검색하고자 하는 키워드를 입력 받는 입력 수단;
    입력 받은 상기 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텍스트 모델에 각각 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하고, 추출된 상기 콘텐츠 관련 단어와 상기 컨텍스트 관련 단어를 기반으로 콘텐츠 유사도를 산출하여 산출된 상기 콘텐츠 유사도를 기반으로 기 수집된 적어도 하나의 콘텐츠를 순위화하는 제어 수단; 및
    순위화된 상기 적어도 하나의 콘텐츠의 일부 또는 전체를 화면에 표시하는 표시 수단;
    을 포함하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  10. 제9 항에 있어서,
    상기 제어 수단은,
    상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고,
    상기 사용자의 컨텍스트 정보가 업데이트 되었으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  11. 제10 항에 있어서,
    상기 제어 수단은,
    상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고,
    상기 사용자의 컨텍스트 정보가 업데이트 되지 않았으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하지 않는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  12. 제9 항에 있어서,
    상기 콘텐츠 유사도는,
    다음의 수학식
    Figure pat00017
    에 의해 구하고,
    여기서, U는 사용자의 컨텍스트와 관련된 노도들의 집합을 나타내고, C는 콘텐츠의 컨텍스트와 관련된 노드들의 집합을 나타내며, ctx는 U의 원소를 나타내고, tag는 C의 원소를 나타내며, sim(tag, ctx)는 tag와 ctx 간의 유사도를 나타내는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  13. 제12 항에 있어서,
    상기 유사도는,
    tax=x, ctx=y인 경우 다음의 수학식
    Figure pat00018
    에 의해 구하고,
    여기서, LCS(x,y)는 노드 x와 노드 y 간의 least common subsumer를 나타내는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치.
  14. 키 또는 메뉴 조작에 따라 사용자로부터 검색하고자 하는 키워드를 입력 받는 단계;
    입력 받은 상기 키워드에 상응하는 콘텐츠의 태그 정보와 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텍스트 모델에 각각 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어와 컨텍스트 관련 단어를 추출하는 단계;
    추출된 상기 콘텐츠 관련 단어와 상기 컨텍스트 관련 단어를 기반으로 콘텐츠 유사도를 산출하여 산출된 상기 콘텐츠 유사도를 기반으로 기 수집된 적어도 하나의 콘텐츠를 순위화하는 단계; 및
    순위화된 상기 적어도 하나의 콘텐츠의 일부 또는 전체를 화면에 표시하는 단계;
    을 포함하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 방법.
  15. 제14 항에 있어서,
    상기 추출하는 단계는,
    상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고,
    상기 사용자의 컨텍스트 정보가 업데이트 되었으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 방법.
  16. 제15 항에 있어서,
    상기 추출하는 단계는,
    상기 사용자의 컨텍스트 정보를 획득하면, 획득된 상기 사용자의 컨텍스트 정보가 업데이트 되었는지를 확인하고,
    상기 사용자의 컨텍스트 정보가 업데이트 되지 않았으면 획득된 상기 사용자의 컨텍스트 정보를 상기 계층적 컨텍스트 모델에 매핑하는 과정을 수행하지 않는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 방법.
  17. 제14 항에 있어서,
    상기 콘텐츠 유사도는,
    다음의 수학식
    Figure pat00019
    에 의해 구하고,
    여기서, U는 사용자의 컨텍스트와 관련된 노도들의 집합을 나타내고, C는 콘텐츠의 컨텍스트와 관련된 노드들의 집합을 나타내며, ctx는 U의 원소를 나타내고, tag는 C의 원소를 나타내며, sim(tag, ctx)는 tag와 ctx 간의 유사도를 나타내는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 방법.
  18. 제17 항에 있어서,
    상기 유사도는,
    tax=x, ctx=y인 경우 다음의 수학식
    Figure pat00020
    에 의해 구하고,
    여기서, LCS(x,y)는 노드 x와 노드 y 간의 least common subsumer를 나타내는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 방법.
  19. 제14 항에 있어서,
    상기 추출하는 단계는,
    상기 콘텐츠의 태그 정보를 기 설정된 계층적 컨텍스트 모델에 매칭시켜 그 매칭된 결과로 콘텐츠 관련 단어를 추출하되,
    상기 계층적 컨텍스트 모델 내에서 상기 콘텐츠의 태그 정보에 상응하는 노드와 상기 노드에 연결된 모든 상위 노드로부터 상기 콘텐츠 관련 단어를 추출하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 방법.
  20. 제14 항에 있어서,
    상기 추출하는 단계는,
    상기 사용자의 컨텍스트 정보를 기 설정된 계층적 컨텐스트 모델에 매칭시켜 그 매칭된 결과로 컨텍스트 관련 단어를 추출하되,
    상기 계층적 컨텍스트 모델 내에서 상기 사용자의 컨텍스트 정보에 상응하는 노드와 상기 노드에 연결된 모든 상위 노드로부터 상기 컨텍스트 관련 단어를 추출하는 것을 특징으로 하는 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 방법.
KR1020130086314A 2013-07-22 2013-07-22 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법 KR101519879B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130086314A KR101519879B1 (ko) 2013-07-22 2013-07-22 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법
US14/338,004 US20150026166A1 (en) 2013-07-22 2014-07-22 Apparatus for recommending contents using hierarchical context model and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130086314A KR101519879B1 (ko) 2013-07-22 2013-07-22 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20150011261A true KR20150011261A (ko) 2015-01-30
KR101519879B1 KR101519879B1 (ko) 2015-05-14

Family

ID=52344446

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130086314A KR101519879B1 (ko) 2013-07-22 2013-07-22 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법

Country Status (2)

Country Link
US (1) US20150026166A1 (ko)
KR (1) KR101519879B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210052201A (ko) * 2019-10-31 2021-05-10 장인하 비식별 행위 정보에 기반한 능동형 콘텐츠 자동 제공 시스템 및 이의 구동 방법
WO2022086069A1 (ko) * 2020-10-23 2022-04-28 엘지전자 주식회사 디스플레이장치 및 이의 뉴스 키워드 추천 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239564B (zh) * 2017-06-13 2021-03-19 南京大学 一种基于监督主题模型的文本标签推荐方法
RU2666336C1 (ru) * 2017-08-01 2018-09-06 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для рекомендации медиаобъектов
KR101967859B1 (ko) * 2017-09-08 2019-08-13 전자부품연구원 디지털 사이니지 관리 시스템 및 방법
CN107818183B (zh) * 2017-12-05 2021-07-13 云南大学 一种基于特征相似性度量的三阶段组合党建视频推荐方法
US11030678B2 (en) * 2018-12-17 2021-06-08 Toast, Inc. User-adaptive restaurant management system
CN111061939B (zh) * 2019-12-31 2023-03-24 西安理工大学 基于深度学习的科研学术新闻关键字匹配推荐方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6826568B2 (en) * 2001-12-20 2004-11-30 Microsoft Corporation Methods and system for model matching
US8954425B2 (en) * 2010-06-08 2015-02-10 Microsoft Corporation Snippet extraction and ranking

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210052201A (ko) * 2019-10-31 2021-05-10 장인하 비식별 행위 정보에 기반한 능동형 콘텐츠 자동 제공 시스템 및 이의 구동 방법
WO2022086069A1 (ko) * 2020-10-23 2022-04-28 엘지전자 주식회사 디스플레이장치 및 이의 뉴스 키워드 추천 방법

Also Published As

Publication number Publication date
KR101519879B1 (ko) 2015-05-14
US20150026166A1 (en) 2015-01-22

Similar Documents

Publication Publication Date Title
KR101519879B1 (ko) 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법
US20130046761A1 (en) Method and Apparatus for Social Tagging of Media Files
JP6300295B2 (ja) 友達推薦方法及びそのためのサーバ、並びに端末
TWI472720B (zh) 興趣點資訊地圖呈現系統、方法及其記錄媒體
JP6293642B2 (ja) 推薦エンジンに基づく汎用グラフ、ルール及び空間構造
CN103460238A (zh) 从照片中进行事件确定
KR20160133304A (ko) 사용자 리뷰 제공 방법, 장치 및 컴퓨터 프로그램
JP2019149145A (ja) 情報検索システム
US9418076B2 (en) System and method for determining interests from location data
Han et al. Adaptive content recommendation for mobile users: Ordering recommendations using a hierarchical context model with granularity
CN105874452A (zh) 从社交摘要中标记兴趣点
US20150371430A1 (en) Identifying Imagery Views Using Geolocated Text
KR20140104536A (ko) 메타데이터 그래프 기반 콘텐츠 추천 장치 및 방법
US20230360257A1 (en) Use Of Image Sensors To Query Real World for Geo-Reference Information
WO2013182736A1 (en) Determination of context-aware user preferences
Pereira et al. crowdsensing in the web: Analyzing the citizen experience in the urban space
Baker et al. Crowdsourcing a cyclist perspective on suggested recreational paths in real-world networks
JP5552468B2 (ja) 地図表示装置及び方法及びプログラム
Sakib Preference Oriented Mining Techniques for Location based Point Search
KR101441983B1 (ko) 사용자 프로파일 생성 장치 및 그 방법
CN116975359A (zh) 资源处理方法、资源推荐方法、装置和计算机设备
JP7187597B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN104750792A (zh) 一种用户特征的获取方法及装置
CN109597942B (zh) 展柜信息的推送方法、装置、设备和存储介质
KR101810189B1 (ko) 사용자 리뷰 제공 방법, 장치 및 컴퓨터 프로그램

Legal Events

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