KR20150054861A - 계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일 - Google Patents

계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일 Download PDF

Info

Publication number
KR20150054861A
KR20150054861A KR1020157007737A KR20157007737A KR20150054861A KR 20150054861 A KR20150054861 A KR 20150054861A KR 1020157007737 A KR1020157007737 A KR 1020157007737A KR 20157007737 A KR20157007737 A KR 20157007737A KR 20150054861 A KR20150054861 A KR 20150054861A
Authority
KR
South Korea
Prior art keywords
descriptor
descriptors
user
metadata
item
Prior art date
Application number
KR1020157007737A
Other languages
English (en)
Other versions
KR102284383B1 (ko
Inventor
필립 포프
칭-웨이 첸
피터 씨. 디마리아
마르쿠스 케이. 크리머
Original Assignee
그레이스노트, 인코포레이티드
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 그레이스노트, 인코포레이티드 filed Critical 그레이스노트, 인코포레이티드
Publication of KR20150054861A publication Critical patent/KR20150054861A/ko
Application granted granted Critical
Publication of KR102284383B1 publication Critical patent/KR102284383B1/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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/63—Querying
    • G06F16/635—Filtering based on additional data, e.g. user or group profiles
    • G06F16/636—Filtering based on additional data, e.g. user or group profiles by using biological or physiological data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Stored Programmes (AREA)
  • User Interface Of Digital Computer (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)

Abstract

네트워크 기반 시스템의 사용자는 사용자를 기술하는 사용자 프로파일에 대응할 수 있다. 사용자 프로파일은, 사용자에 대응하는 아이템(예를 들면, 사용자가 소유한 아이템, 사용자가 좋아하는 아이템, 또는 사용자가 평가한 아이템)의 하나 이상의 디스크립터를 사용하여 사용자를 기술할 수 있다. 일부 상황에서는, 이러한 사용자 프로파일은, 사용자의 하나 이상의 취향, 선호도, 또는 습관의 어레이 또는 분포를 기술하는 "취향 프로파일"로서 특징지어질 수 있다. 이에 따라, 네트워크 기반 시스템 내의 사용자 프로파일 머신은, 사용자에 대응하는 아이템들의 디스크립터들에 액세스하고, 디스크립터들 중 하나 이상을 클러스터링하고, 디스크립터들의 하나 이상의 클러스터에 의거하여 사용자 프로파일을 생성함으로써, 사용자 프로파일을 생성할 수 있다.

Description

계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일{USER PROFILE BASED ON CLUSTERING TIERED DESCRIPTORS}
본 출원은 2012 년 9 월 12 일에 출원된 미국 출원 번호 제13/611,740호에 대해 우선권을 주장하고 그 전체는 본원에 통합된다.
본원에 개시되는 내용은 일반적으로 데이터의 처리에 관한 것이다. 구체적으로, 본 발명은 계층화된 디스크립터(descriptor)들의 클러스터링에 기반한 사용자 프로파일과 관련된 시스템 및 방법을 다룬다.
현대 정보 시스템에서, 머신(예를 들면, 서버 머신)은 아이템의 하나 이상의 디스크립터가 저장되는 데이터베이스를 관리할 수 있다. 이 아이템은 상품(예를 들면, 물리적 객체), 서비스(예를 들면, 서비스 공급자에 의해 행해지는 것), 정보(예를 들면, 오디오 파일, 비디오 파일, 이미지, 또는 문서 등의 디지털 미디어), 라이센스(예를 들면, 무언가에 액세스하기 위한 인증), 또는 그 임의의 적절한 조합의 형태를 취할 수 있다. 아이템을 기술(description)하는 하나 이상의 디스크립터가 머신에 의해 관리되는 데이터베이스에 저장될 수 있다.
머신은, 하나 이상의 아이템을 기술하는 디스크립터를 처리하는 네트워크 기반 시스템의 전체 또는 일부를 형성할 수 있다. 이러한 네트워크 기반 시스템들의 예는, 상거래 시스템(예를 들면, 쇼핑 웹사이트 또는 경매 웹사이트), 발행 시스템(예를 들면, 분류된 광고 웹사이트), 리스팅 시스템(예를 들면, 위시 리스트(wish list) 웹사이트 및 선물 레지스트리), 트랜잭션 시스템(예를 들면, 결제 웹사이트), 및 소셜 네트워크 시스템(예를 들면, Facebook®, Twitter®, 또는 LinkedIn®)을 포함한다.
도 1은 일부 실시예에 예에 따른, 계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일을 생성하는 데 적합한 네트워크 환경을 나타내는 네트워크 도면.
도 2는 일부 실시예에 따른, 네트워크 환경 내의 사용자 프로파일 머신의 구성 요소를 나타내는 블록도.
도 3 및 도 4는 일부 실시예에 따른, 디스크립터들을 다수의 계층으로 조직화하는 메타데이터 모델을 나타내는 개념도.
도 5는 일부 실시예에 따른, 디스크립터들을 다수의 계층으로 조직화하는 다른 메타데이터 모델을 나타내는 개념도.
도 6은 일부 실시예에 예에 따른, 아이템의 메타데이터에 포함되는 아이템의 계층화된 디스크립터들을 나타내는 개념도.
도 7은 일부 실시예에 따른, 아이템들에 대응하는 계층화된 디스크립터들을 나타내는 개념도.
도 8은 일부 실시예에 따른, 계층화된 디스크립터들의 클러스터로 클러스터링되는 아이템들의 계층화된 디스크립터들을 나타내는 개념도.
도 9는 일부 실시예에 예에 따른, 계층화된 디스크립터들의 클러스터들에 기반하여 생성된 사용자 프로파일의 블록도.
도 10 내지 도 15는 일부 실시예에 예에 따른, 계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일을 생성하는 방법을 행할 때 사용자 프로파일 머신의 동작들을 나타내는 플로차트.
도 16은 일부 실시예에 예에 따른, 머신 판독 가능한 매체로부터 명령을 판독하고 여기에서 논하는 방법의 어느 하나 이상을 행할 수 있는 머신의 구성 요소를 나타내는 블록도.
일부 실시예를 예를 들어 설명하지만, 첨부된 도면의 형태에 한정되지는 않는다.
예시적인 방법 및 시스템은, 계층화된 디스크립터들의 하나 이상의 클러스터에 기반한 사용자 프로파일에 관한 것이다. 예들은 단순히, 가능한 변형을 전형적으로 나타낸다. 달리 명시하지 않는 한, 구성 요소 및 기능은 선택적이며 결합 또는 분화될 수 있고, 동작은 순서가 바뀔 수 있거나, 결합 또는 분화될 수 있다. 다음의 설명에서, 설명의 목적상, 다수의 특정 세부 사항이 실시예의 완전한 이해를 주기 위해 제시되어 있다. 그러나, 본 발명의 내용이 이러한 특정 세부 사항 없이도 실시될 수 있음은 통상의 기술자에게 명백할 것이다.
네트워크 기반 시스템의 사용자는 사용자를 기술하는 사용자 프로파일에 대응할 수 있다. 사용자 프로파일은 사용자를 기술할 수 있다. 구체적으로, 사용자 프로파일은, 사용자에 대응하는 아이템들(예를 들면, 사용자가 소유한 아이템들, 사용자가 좋아하는 아이템들, 또는 사용자가 평가한 아이템들)의 하나 이상의 디스크립터로(예를 들면, 이 디스크립터를 사용하여) 사용자를 기술할 수 있다. 일부 상황에서, 이러한 사용자 프로파일은, 사용자의 하나 이상의 취향, 선호, 또는 습관의 어레이 또는 분포를 기술하는 "취향 프로파일"로서 특징지어질 수 있다. 따라서, 네트워크 기반 시스템 내의 사용자 프로파일 머신은, 사용자에 대응하는 아이템들의 디스크립터들에 액세스하고, 디스크립터들의 하나 이상을 클러스터링하고, 디스크립터들의 하나 이상의 클러스터들에 의거하여 사용자 프로파일을 생성함으로써, 사용자 프로파일을 생성할 수 있다.
다양한 실시예에 따르면, 사용자 프로파일을 생성하는 데 사용되는 디스크립터들은 사용자에 대응하는 아이템들을 기술하지만, 생성된 사용자 프로파일은 사용자를 기술한다. 예를 들면, 아이템(예를 들면, 노래)의 특정 디스크립터(예를 들면, "재즈")는 디스크립터들의 클러스터에 대한 클러스터 이름으로서 사용될 수 있고, 사용자 프로파일 머신은 사용자를 기술하는 사용자 프로파일(예를 들면, 취향 프로파일) 내에 이 클러스터 이름(예를 들면, "재즈")을 사용할 수 있다. 이것은, 사용자가 연관된 아이템을 기술하는 디스크립터들에 의거하여 사용자를 기술하는 사용자 프로파일을 생성하는 효과를 가질 수 있다. 예를 들면, 사용자 프로파일은, 특정 타입의 아이템들(예를 들면, 특정 타입의 음악, 영화, 예술, 와인, 커피, 음식, 의류, 자동차, 또는 제품)에 대한 취향 또는 기호를 가지는 것으로 사용자를 기술할 수 있다.
특정 실시예에 따르면, 사용자 프로파일 머신은, 사용자가 관여하는 활동(예를 들면, 조깅 또는 통근)을 나타내는 사용자의 컨텍스트 데이터(contextual data)에 액세스할 수 있다. 사용자 프로파일 머신은 사용자의 활동을 판정하고, 이에 따라 사용자 프로파일의 적어도 일부가 사용자의 판정된 활동에 대응함을 나타낼 수 있다. 이것은 사용자의 활동에 대응하는 사용자 프로파일을 생성하는 효과를 가질 수 있다. 일부 실시예에서, 이것은, 사용자가 관여하거나 행하는 다수의 활동에 각각 대응하는 다수의 사용자 프로파일(예를 들면, 취향 프로파일)을 생성하는 효과를 가질 수 있다. 예를 들면, 제 1 사용자 프로파일은 사용자가 조깅에 관여하고 있을 때의 사용자를 기술할 수 있고, 제 2 사용자 프로파일은 사용자가 통근에 관여하고 있을 때의 사용자를 기술할 수 있다.
도 1은 일부 실시예에 따른, 계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일을 생성하는 데 적합한 네트워크 환경(100)을 나타내는 네트워크 도면이다. 네트워크 환경은 사용자 프로파일 머신(110), 데이터베이스(115), 및 디바이스들(130 및 150)을 포함하고, 이 모두는 네트워크(190)를 통해 서로 통신 가능하게 결합된다. 사용자 프로파일 머신(110), 데이터베이스(115), 및 디바이스들(130 및 150)은 도 16에 대해 후술하는 바와 같이, 컴퓨터 시스템에 전체적으로 또는 부분적으로 각각 구현될 수 있다.
도 1에 나타낸 바와 같이, 사용자 프로파일 머신(110), 데이터베이스(115), 또는 이 두 가지 모두는 네트워크 기반 시스템(105)의 전체 또는 일부를 형성할 수 있다. 다양한 실시예에 따르면, 네트워크 기반 시스템(105)은, 아이템들(예를 들면, 음악, 영화, 예술, 와인, 커피, 음식, 의류, 자동차, 또는 제품)에 대한 추천 시스템이거나, 또는 이를 포함할 수 있다. 예를 들면, 네트워크 기반 시스템(105)은 자신의 사용자에게 추천 서비스를 제공할 수 있고, 추천 서비스는, 사용자의 프로파일(예를 들면, 계층화된 디스크립터들의 하나 이상의 클러스터에 의거하여 생성됨)에 의거하여, 아이템에 대한 추천, 제안, 제시, 또는 광고를 제공하도록 구성될 수 있다. 다른 예로서, 네트워크 기반 시스템(105)은, 개인 채널 생성(예를 들면, 추천된 미디어의 스트림들로부터 맞춤형 미디어 채널의 생성), 그래픽 사용자 인터페이스(GUI)의 맞춤형 생성을 위한 하나 이상의 서비스를 제공할 수 있어서, 추천되는 요소들, 추천된 친구들에 대한 소셜 네트워크 연결의 맞춤형 생성, 또는 그 임의의 적절한 조합을 포함할 수 있다.
또한 도 1에는 사용자들(132 및 152)이 나타나 있다. 사용자들(132 및 152) 중 하나 또는 둘 모두는 인간 사용자(예를 들면, 인간), 머신 사용자(예를 들면, 소프트웨어 프로그램에 의해 디바이스(130)와 상호 작용하도록 구성된 컴퓨터), 또는 그 임의의 적절한 조합(예를 들면, 머신에 의한 도움을 받는 인간 또는 인간이 감시하는 머신)일 수 있다. 일부 실시예에서, 사용자는 조직 또는 다른 엔티티(예를 들면, 무선국, 잡지, 축제, 서점, 또는 그 임의의 적절한 조합)를 대표하는 것이다. 사용자(132)는 네트워크 환경(100)의 일부는 아니지만, 디바이스(130)와 연관되며 디바이스(130)의 사용자일 수 있다. 예를 들면, 디바이스(130)는 사용자(132)에게 속한 데스크톱 컴퓨터, 차량 컴퓨터, 태블릿 컴퓨터, 네비게이션 디바이스, 휴대용 미디어 디바이스, 또는 스마트 폰일 수 있다. 마찬가지로, 사용자(152)는 네트워크 환경(100)의 일부는 아니지만, 디바이스(150)와 연관된다. 예를 들면, 디바이스(150)는 사용자(152)에게 속한 데스크톱 컴퓨터, 차량 컴퓨터, 태블릿 컴퓨터, 네비게이션 디바이스, 휴대용 미디어 디바이스, 또는 스마트 폰일 수 있다.
도 1에 나타낸 머신, 데이터베이스, 또는 디바이스 중 어느 것은, 그 머신, 데이터베이스, 또는 디바이스에 대해 본원에서 설명하는 기능을 수행하는 특수 목적용 컴퓨터가 되도록 소프트웨어에 의해 수정된(예를 들면, 구성 또는 프로그래밍된) 범용 컴퓨터에 구현될 수 있다. 예를 들면, 본원에서 설명하는 방법 중 어느 하나 이상을 구현할 수 있는 컴퓨터 시스템을 도 16과 관련하여 후술한다. 본원에서 사용되는 "데이터베이스"는 데이터 저장 리소스이고, 텍스트 파일, 테이블, 스프레드시트, 관계형 데이터베이스(예를 들면, 객체 관계형 데이터베이스), 트리플 저장소(triple store), 계층형 데이터 저장소, 또는 그 임의의 적절한 조합으로서 구조화된 데이터를 저장할 수 있다. 또한, 도 1에 나타낸 머신들, 데이터베이스들, 또는 디바이스들의 어느 두 개 이상은 단일 머신으로 결합될 수 있고, 임의의 단일 머신, 데이터베이스, 또는 디바이스에 대해 본원에서 설명하는 기능들이 다수의 머신들, 데이터베이스들, 또는 디바이스들 간에 분화될 수 있다.
네트워크(190)는, 머신들, 데이터베이스들, 또는 디바이스들(예를 들면, 사용자 프로파일 머신(110) 및 디바이스(130))의 둘 또는 그 이상 간의 통신을 가능하게 임의의 네트워크일 수 있다. 따라서, 네트워크(190)는 유선 네트워크, 무선 네트워크(예를 들면, 모바일 또는 셀룰러 네트워크), 또는 그 임의의 적절한 조합일 수 있다. 네트워크(190)는, 사설 네트워크, 공중 네트워크(예를 들면, 인터넷), 또는 그 임의의 적절한 조합을 구성하는 하나 이상의 부분을 포함할 수 있다.
도 2는 일부 실시예에 따른 사용자 프로파일 머신(110)의 구성 요소를 나타내는 블록도이다. 사용자 프로파일 머신(110)은 액세스 모듈(210), 클러스터 모듈(220), 및 프로파일 모듈(230)을 포함한다. 다양한 실시예에 따르면, 사용자 프로파일 머신(110)은 상관 모듈(240), 컨텍스트 모듈(250), 및 상(phase) 모듈(260)을 포함할 수 있다. 사용자 프로파일 머신(110)의 모듈들은 (예를 들면, 버스, 공유 메모리, 또는 스위치를 통해) 서로 통신 가능하게 구성될 수 있다.
여기에서 설명되는 모듈 중 어느 하나 이상은, 하드웨어(예를 들면, 머신의 프로세서) 또는 하드웨어와 소프트웨어의 조합을 이용하여 구현될 수 있다. 예를 들면, 본원에서 설명되는 임의의 모듈은, 해당 모듈에 대해 본원에서 설명되는 동작을 수행하도록 프로세서를 구성할 수 있다. 또한, 어느 둘 이상의 모듈이 단일 모듈로 결합될 수 있고, 단일 모듈에 대해 여기에서 설명되는 기능들이 다수의 모듈 간에 분화될 수 있다.
도 3 내지 도 4는 일부 실시예에 따른 디스크립터들(310 내지 328)을 복수의 계층으로 조직화하는 메타데이터 모델(300)을 나타내는 개념도이다. 메타데이터 모델(300)은 메타데이터 타입(예를 들면, "장르" 또는 "무드")에 대응할 수 있고, 이에 따라 메타데이터 모델(300)에 의해 조직화된 디스크립터들(310 내지 328)도 마찬가지로 메타데이터 모델(300)과 동일한 메타데이터 타입에 대응할 수 있다. 도시한 예에서는 메타데이터 모델(300) 및 그 디스크립터들(310 내지 328)은 메타데이터 타입 "장르"를 갖는다. 여기에서, 메타데이터 모델(300)은 다양한 아이템의 다양한 장르를 기술하는 디스크립터들을 조직화할 수 있다. 메타데이터 모델(300)은 데이터베이스(115)에 저장되어 사용자 프로파일 머신(110)에 의해 액세스될 수 있다. 일부 실시예에서, 메타데이터 모델(300)은 메타데이터 타입에 대한 분류를 제공한다.
메타데이터 모델(300)은 디스크립터들(310 내지 328)을 포함하고 디스크립터들(310 내지 328)을 다양한 계층으로 조직화한다. 도 3 및 도 4는, 디스크립터들(310 내지 328)을 포함하고 메타데이터 모델(300)의 다수의 계층으로 조직화되는 노드들의 계위(hierarchy)로서 디스크립터들(310 내지 328)을 조직화한 메타데이터 모델(300)을 나타낸다. 예를 들면, 메타데이터 모델(300)은 "Tier 1"로서 레이블링된 최상위 계층을 갖고, 이 최상위 계층은 디스크립터(310)(예를 들면, "재즈") 및 디스크립터(320)(예를 들면, "메탈")를 포함한다. 디스크립터(310 및 320)는 메타데이터 모델(300) 전체(예를 들면, "장르"에 대한 디스크립터들의 계위)를 나타내는 루트 노드(root node)의 자식 노드로서 나타나 있다. 또한, 메타데이터 모델(300)의 최상위 계층은, 메타데이터 모델(300)의 다른 계층과 비교해 그 영향의 정도를 나타내는 대응하는 가중치(예를 들면, 계수)를 가질 수 있다. 도 3에 나타낸 바와 같이, 이 최상위 계층의 가중치의 예는 0.2(예를 들면, "낮음")이다. 다양한 실시예에 따르면, 최상위 계층의 가중치는 다른 계층의 가중치보다 높거나 낮을 수 있다.
도 3 및 도 4에 나타낸 바와 같이, 메타데이터 모델(300)은 "Tier 2"로 레이블링된 제 2 레벨 계층(예를 들면, 중간 레벨 계층 또는 중앙 레벨 계층)을 가질 수 있고, 이 제 2 레벨 계층은 디스크립터(311)(예를 들면, "스무드 재즈(smooth jazz)"), 디스크립터(312)(예를 들면, "쿨 재즈(cool jazz)"), 디스크립터(321)(예를 들면, "헤비 메탈"), 및 디스크립터(322)(예를 들면, "익스트림 메탈(extreme metal)")을 가질 수 있다. 디스크립터(311 및 312)는 디스크립터(310)(예를 들면, "재즈")의 자식 노드로서 나타나 있고, 디스크립터(321 및 322)는 디스크립터(320)(예를 들면, "메탈")의 자식 노드로서 나타나 있다. 또한, 메타데이터 모델(300)의 제 2 레벨 계층은 대응하는 가중치를 가질 수 있다. 도 3에 나타난 바와 같이, 이 제 2 레벨 계층에 대한 가중치의 예는 0.5이다(예를 들면, "보통"). 다양한 실시예에 따르면, 제 2 레벨 계층의 가중치는 다른 계층의 가중치보다 높거나 낮을 수 있다.
또한 도 3 및 도 4에 나타낸 바와 같이, 메타데이터 모델(300)은 "Tier 3"으로 레이블링된 제 3 레벨 계층(예를 들면, 최하위 계층)을 가질 수 있고, 이 제 3 레벨 계층은 디스크립터(313)(예를 들면, "스무드 재즈 기악곡"), 디스크립터(315)(예를 들면, "스무드 재즈 보컬"), 디스크립터(314)(예를 들면, "쿨 재즈"), 디스크립터(316)(예를 들면, "아이스 콜드 재즈"), 디스크립터(323)(예를 들면, "뉴 메탈(nu-metal)" 등의 "헤비 메탈"의 하위 카테고리), 디스크립터(325)(예를 들면, "인더스트리얼 메탈(industrial metal)" 등의 "헤비 메탈"의 다른 하위 카테고리), 디스크립터(324)(예를 들면, "블랙 메탈"), 디스크립터(326)(예를 들면, "그라인드코어(grindcore)"), 및 디스크립터(328)(예를 들면, "데스 메탈")을 포함할 수 있다. 디스크립터들(313 및 315)은 디스크립터(311)(예를 들면, "스무드 재즈")의 자식 노드로서 나타나 있다. 디스크립터들(314 및 316)는 디스크립터(312)(예를 들면, "쿨 재즈")의 자식 노드로서 나타나 있다. 디스크립터들(323 및 325)은 디스크립터(321)의 자식 노드로서 나타나 있고, 디스크립터들(324 내지 328)은 디스크립터(322)(예를 들면, "익스트림 메탈")의 자식 노드로서 나타나 있다. 또한, 메타데이터 모델(300)의 제 3 레벨 계층은 대응하는 가중치를 가질 수 있다. 도 3에 나타나 있는 바와 같이, 제 3 레벨 계층에 대한 이 가중치의 예는 0.8(예를 들면, "높음")이다. 다양한 실시예에 따르면, 제 3 레벨 계층의 가중치는 다른 계층의 가중치보다 높거나 낮을 수 있다. 일부 실시예에서, 메타데이터 모델(300)은 임의의 수(예를 들면, 7, 50, 또는 10,000)의 계층을 가질 수 있다.
도 5는 일부 실시예에 예에 따른 디스크립터들(510 내지 535)을 다수의 계층으로 조직화하는 다른 메타데이터 모델(500)을 나타내는 개념도이다. 메타데이터 모델(500)은 메타데이터 타입(예를 들면, 메타데이터 모델(300)과 비교하여 상이한 메타데이터 타입)에 대응할 수 있다. 따라서, 메타데이터 모델(500)에 의해 조직화된 디스크립터들(510 내지 535)은 마찬가지로 메타데이터 모델(500)과 동일한 메타데이터 타입에 대응할 수 있다. 도시된 예에서, 메타데이터 모델(500) 및 그 디스크립터들(510 내지 535)은 메타데이터 타입 "무드"를 갖는다. 따라서, 메타데이터 모델(500)은 다양한 아이템의 다양한 무드를 기술하는 디스크립터들을 조직화할 수 있다. 메타데이터 모델(500)은 데이터베이스(115)에 저장되고 사용자 프로파일 머신(110)에 의해 액세스될 수 있다. 일부 실시예에서, 메타데이터 모델(500)은 메타데이터 타입에 대한 분류를 제공한다.
다양한 실시예에 따르면, 메타데이터 타입의 다른 예는, 오디오 파일(예를 들면, 노래)인 아이템에 적용할 수 있는 "연원(origin)", "시대", "템포", 및 "아티스트 타입"을 포함한다. 비디오 파일(예를 들면, 영화 또는 TV 프로그램)인 아이템에 대한 메타데이터 타입의 예는, "장르", "무드", "시대", "설정 기간", "지역", "설정 위치", "시나리오", "스타일", 및 "토픽"을 포함한다. 와인인 아이템에 대한 메타데이터 타입의 예는, "와인 타입", "지역", "맛향(flavor note)", 및 "가격대"를 포함한다. 커피인 아이템에 대한 메타데이터 타입의 예는, "다양성", "지역", "맛향", 및 "가격"을 포함한다. 음식인 아이템에 대한 메타데이터 타입의 예는 "지역", "다량 영양소", "복잡성", "맛", 및 "비용"을 포함한다. 의류품인 아이템에 대한 메타데이터 타입의 예는 "스타일", "시대", "문화", "색상", "커트", "피트(fit)", 및 "비용"을 포함한다. 자동차인 아이템에 대한 메타데이터 타입의 예는 "타입", "엔진", "트랜스미션(transmission)", "지역", "가격대", 및 "색상"을 포함한다. 일반적으로, 메타데이터 모델(예를 들면, 메타데이터 모델(300) 또는 메타데이터 모델(500))은, 디스크립터들의 배치(예를 들면, 계위 또는 수평 구조(heterarchy))를 나타내는 데이터 구조이고, 메타데이터 모델은 디스크립터들의 배치를 디스크립터들의 다수의 계층(예를 들면, 레벨)으로 조직화할 수 있다.
메타데이터 모델(500)은 디스크립터들(510 내지 535)을 포함하고 디스크립터들(510 내지 535)을 다양한 계층으로 조직화한다. 도 5는, 디스크립터들(510 내지 535)을 포함하고 메타데이터 모델(500)의 다수의 계층으로 조직화된 노드들의 계위로서 디스크립터들(510 내지 535)을 조직화하는 메타데이터 모델(500)을 나타내고 있다. 예를 들면, 메타데이터 모델(500)은 "Tier 1"로서 레이블링된 최상위 계층을 갖고, 이 최상위 계층은 디스크립터(510)(예를 들면, "평화적"), 디스크립터(520)(예를 들면, "감성적"), 및 디스크립터(530)(예를 들면, "공격적")를 포함한다. 디스크립터들(510, 520, 및 530)은, 메타데이터 모델(500) 전체(예를 들면, "무드"에 대한 디스크립터들의 계위)를 나타내는 루트 노드의 자식 노드들로서 나타나 있다. 또한, 메타데이터 모델(500)의 최상위 계층은, 메타데이터 모델(500)의 다른 계층과 비교해서 그 영향의 정도를 나타내는 대응하는 가중치를 가질 수 있다.
도 5에 나타난 바와 같이, 메타데이터 모델(500)은 "Tier 2"로서 레이블링된 제 2 레벨 계층을 갖고, 제 2 레벨 계층은 디스크립터(511)(예를 들면, "목가적/평정의"), 디스크립터(521)(예를 들면, "쿨 우울함"), 디스크립터(531)(예를 들면, "혼돈의/강렬한"), 디스크립터(533)(예를 들면, "큰 승리"), 및 디스크립터(535)(예를 들면, "공격적 파워")를 포함할 수 있다. 디스크립터(511)는 디스크립터(510)(예를 들면, "평화적")의 자식 노드로서 나타나 있다. 디스크립터(521)는 디스크립터(520)(예를 들면, "감성적")의 자식 노드로서 나타나 있다. 디스크립터(531, 533, 및 535)는 디스크립터(530)(예를 들면, "공격적")의 자식 노드로서 나타나 있다. 또한, 메타데이터 모델(500)의 제 2 레벨 계층은, 메타데이터 모델(500)의 다른 계층과 비교해서 그 영향을 나타내는 대응하는 가중치를 가질 수 있다.
또한 도 5에 나타난 바와 같이, 메타데이터 모델(500)은 "Tier 3"으로서 레이블링된 제 3 레벨 계층을 가질 수 있고, 이 제 3 레벨 계층은 디스크립터(513)(예를 들면, "목가적/평정의"의 하위 카테고리) 및 디스크립터(515)(예를 들면, "목가적/평정의"의 다른 하위 카테고리)를 포함할 수 있다. 디스크립터(513 및 515)는 디스크립터(511)(예를 들면, "목가적/평정의")의 자식 노드로서 나타나 있다. 또한, 메타데이터 모델(500)의 제 3 레벨 계층은, 메타데이터 모델(500)의 다른 계층과 비교하여 그 영향력을 정의하는 대응하는 가중치를 가질 수 있다. 일부 실시예에서, 메타데이터 모델(500)은 임의의 수의 계층(예를 들면, 5, 70, 또는 25,000)을 가질 수 있다.
도 6은, 일부 실시예에 따른 아이템(610)과 연관되고(예를 들면, 대응되고) 아이템(610)의 메타데이터(615)에 포함되는 디스크립터들(310, 311, 313, 510, 및 511)을 나타내는 개념도이다. 도시한 바와 같이, 아이템(610)은 디스크립터(310, 311, 313, 510, 및 511)에 의해 기술된다. 따라서, 디스크립터들(310, 311, 313, 510, 및 511)은 아이템(610)에 대응하며 메타데이터(615)에 포함된다. 메타데이터(615)는 아이템(610)에 대응하며 (예를 들면, 메타데이터(615)에 포함된 디스크립터들(310, 311, 313, 510, 및 511)을 사용하여) 아이템(610)을 기술한다. 메타데이터(615)는, 메타데이터(615)에 포함된 디스크립터들의 하나 이상의 메타데이터 타입에 대응하는 하나 이상의 메타데이터 타입을 가질 수 있다.
다양한 실시예에 따르면, 아이템(610)은 미디어 파일(예를 들면, 오디오 파일, 비디오 파일, 슬라이드쇼 프레젠테이션, 이미지, 문서, 또는 그 임의의 적절한 조합)일 수 있다. 특정 실시예에서, 아이템(610)은 예술 작품(예를 들면, 예술품), 와인(예를 들면, 특정 배치(batch)의 와인 또는 특정 포도원의 특정 빈티지), 커피(예를 들면, 커피의 특정 로스트, 특정 커피 콩 품종, 또는 특정 출하 커피), 음식 아이템(예를 들면, 식품), 의류품(예를 들면, 특정 의류 제품), 자동차(예를 들면, 특정 자동차 메이커 및 모델), 또는 다른 소비자 또는 상품일 수 있다.
도 7은, 일부 실시예에 따른 다양한 아이템들(예를 들면, 아이템들(610, 620, 630, 640, 650, 및 660))에 대응하는 다양한 계층의 디스크립터들(예를 들면, 디스크립터들(310, 311, 312, 313, 314, 320, 322, 324, 326, 328, 510, 511, 520, 521, 530, 531, 533, 및 535))을 나타내는 개념도이다. 도 6에 대하여 상술한 바와 같이, 아이템(610)은, 아이템(610)의 메타데이터(615)에 포함될 수 있는 디스크립터들(310, 311, 313, 510, 및 511)에 의해 기술된다.
도 7에 나타난 바와 같이, 아이템(620)은, 아이템(620)의 메타데이터에 포함될 수 있는 디스크립터들(310, 312, 314, 520, 및 521)에 의해 기술될 수 있다. 마찬가지로, 아이템(630)은, 아이템(630)의 메타데이터에 포함될 수 있는 디스크립터들(320, 322, 324, 530, 및 531)에 의해 기술될 수 있다. 마찬가지로, 아이템(640)은, 아이템(640)의 메타데이터에 포함될 수 있는 디스크립터들(320, 322, 326, 530, 및 531)에 의해 기술될 수 있다. 또한, 아이템(650)은, 아이템(650)의 메타데이터에 포함될 수 있는 디스크립터들(320, 322, 328, 530, 및 533)에 의해 기술될 수 있다. 또한, 아이템(660)은, 아이템(660)의 메타데이터에 포함될 수 있는 디스크립터들(320, 322, 328, 530, 및 535)에 의해 기술될 수 있다.
아이템들(610 내지 650) 중 하나 이상은, 사용자 프로파일 머신(110)이 사용자 프로파일을 생성할 수 있는 사용자에 대응하는(예를 들면, 사용자에게 속하는, 또는 그에 의한 리뷰, 구입, 평가, 애호, 또는 그 임의의 적절한 조합으로 되는) 아이템들의 컬렉션(700)에 포함될 수 있다. 따라서, 아이템들(610 내지 650) 중 하나 이상은 아이템들의 컬렉션(700)의 표본일 수 있다. 예를 들면, 컬렉션(700)은 사용자(132)의 미디어 라이브러리(media library)일 수 있고, 아이템들(610 내지 660)은 사용자(132)의 미디어 라이브러리 내의 미디어 파일일 수 있다. 여기에서 사용되는 사용자의 "미디어 라이브러리"는, 그 사용자에 대응하는 미디어의 컬렉션을 말한다(예를 들면, 사용자가 소유 및 저장한 미디어 파일들의 세트, 사용자가 소유하고 다른 곳에 저장된 미디어 파일들의 세트, 사용자가 액세스를 얻은 미디어 파일들의 세트, 사용자가 액세스한 미디어 스트림들의 세트, 또는 그 임의의 적절한 조합).
(예를 들면, 사용자(132)에 대한) 사용자 프로파일의 생성 시에, 사용자 프로파일 머신(110)은 아이템들의 컬렉션(700)을 나타내는 데이터에 액세스할 수 있다. 예를 들면, 이러한 데이터는 데이터베이스(115)에 저장될 수 있고, 사용자 프로파일 머신(110)은 (예를 들면, 액세스 모듈(210)을 통해) 데이터베이스(115)로부터의 데이터에 액세스할 수 있다. 따라서, 사용자 프로파일 머신(110)은, 컬렉션(700)의 표본(예를 들면, 멤버들)인 아이템들(610 내지 660) 중 하나 이상을 기술하는 디스크립터들(310 내지 535) 중 하나 이상에 액세스할 수 있다.
도 8은 일부 실시예에 따라, 계층화된 디스크립터들(예를 들면, 하나 이상의 메타데이터 모델들 내에서 계층들로 조직화된 디스크립터들)의 클러스터들(810-830)로 (예를 들면, 사용자 프로파일 머신(110)의 클러스터 모듈(220)에 의해) 클러스터링되는 아이템(610 내지 660)의 디스크립터들(310 내지 535)을 나타내는 개념도이다. 도시한 바와 같이, 아이템(610)을 기술하는 디스크립터들(310, 311, 313, 510, 및 511)은, 아이템(620)을 기술하는 디스크립터들(310, 312, 314, 520, 및 521)과 (예를 들면, 사용자 프로파일 머신(110)에 의해) 그룹화될 수 있다. 사용자 프로파일 머신(110)은 디스크립터들(510 및 520)을 포함하는 클러스터(810)를 생성할 수 있다. 특히, 사용자 프로파일 머신(110)은, 디스크립터(510)(예를 들면, 제 1 디스크립터) 및 디스크립터(520)(예를 들면, 제 2 디스크립터)가, 디스크립터들(510 및 520)이 메타데이터 모델(500) 내에서 표현되는 계층(예를 들면, "Tier 1")에 의거하여, 클러스터(810)의 멤버임을 판정함으로써 클러스터(810)를 생성할 수 있다. 다양한 실시예에 따르면, 클러스터(810)는 디스크립터들만(예를 들면, 디스크립터들(510 및 520))을 포함하고, 이에 따라 클러스터(810)는 아이템(610) 또는 아이템(620)을 식별하는 어떠한 정보도 없을 수 있다.
마찬가지로, 아이템(630)을 기술하는 디스크립터들(320, 322, 324, 530, 및 531)은 아이템(640)을 기술하는 디스크립터들(320, 322, 326, 530, 및 531)과 그룹화될 수 있다. 사용자 프로파일 머신(110)은, 디스크립터들(322 및 531)을 포함하는 클러스터(820)를 생성할 수 있다. 특히, 사용자 프로파일 머신(110)은, 아이템(630)의 메타데이터 내의 디스크립터(322)(예를 들면, 제 1 디스크립터)가 아이템(640)의 메타데이터 내의 디스크립터(322)(예를 들면, 제 2 디스크립터)와 매칭되는 것에 의거하여, 또는 아이템(630)의 메타데이터 내의 디스크립터(531)(예를 들면, 제 3 디스크립터)가 아이템(640)의 메타데이터 내의 디스크립터(531)(예를 들면, 제 4 디스크립터)와 매칭되는 것에 의거하여, 또는 이 두가지 모두에 의거하여, 디스크립터(322)(예를 들면, 제 1 디스크립터) 및 디스크립터(531)(예를 들면, 제 2 디스크립터)가 클러스터(820)의 멤버임을 판정함으로써 클러스터(820)를 생성할 수 있다.
일부 실시예에서, 사용자 프로파일 머신(110)은 이러한 판정을 위한 기초로서 디스크립터들 사이의 정확한 매칭(예를 들면, 동일한 매칭)을 사용한다. 특정 실시예에서, 사용자 프로파일 머신(110)은 디스크립터들이 유사(예를 들면, 임계 유사도 내에서 충분한 유사)임을 판정하고, 이 유사성은 디스크립터(322), 디스크립터(531), 또는 두 가지 모두가 클러스터(820)의 멤버임을 판정하기 위한 기초이다. 예를 들면, 사용자 프로파일 머신(110)은, 2 개의 비동일한 디스크립터들 간의 유사도를 나타내는 상관 행렬을 사용하며, 2 개의 디스크립터들이 유사임의 판정은 (예를 들면, 데이터베이스(115)로부터) 이러한 상관 행렬의 액세스에 의거할 수 있다. 클러스터(820)는 디스크립터들만(예를 들면, 디스크립터들(322 및 531))을 포함할 수 있고, 이에 따라 클러스터(820)는, 클러스터(820)에 포함된 디스크립터들에 의해 기술되는 아이템들(630 및 640)을 식별하는 정보를 포함하지 않을 수 있다.
또한 도 8에 나타난 바와 같이, 아이템(650)을 기술하는 디스크립터들(320, 322, 328, 530, 및 533)는 아이템(660)을 기술하는 디스크립터들(320, 322, 328, 530, 및 535)과 그룹화될 수 있다. 사용자 프로파일 머신(110)은 디스크립터(328)를 포함하는 클러스터(830)를 생성할 수 있다. 특히, 사용자 프로파일 머신(110)은 디스크립터(328)가 클러스터(830)의 멤버임의 판정함으로써 클러스터(830)를 생성할 수 있다. 이러한 판정은, 아이템(650)을 기술하는 메타데이터 내의 디스크립터(328)(예를 들면, 제 1 디스크립터)가 아이템(660)을 기술하는 메타데이터 내의 디스크립터(328)(예를 들면, 제 2 디스크립터)와 정확히 매칭됨에 의거하여 이루어질 수 있다. 상술한 바와 같이, 일부 실시예에서, 사용자 프로파일 머신(110)은, 정확한 매칭 대신에 (예를 들면, 상관 행렬에 의거하여) 유사성 판정을 이용하여, 2 개의 충분히 유사한 디스크립터들이 클러스터(830)의 멤버임을 판정한다.
도 9는 일부 실시예에 따른, 계층화된 디스크립터들의 클러스터들(810 내지 830)에 의거하여, 사용자 프로파일 머신(110)에 의해 생성되는 사용자 프로파일(900)의 블록도이다. 사용자 프로파일(900)은 사용자(132)의 취향 프로파일로서 기능할 수 있고, 사용자 프로파일(900)은 사용자(132)의 하나 이상의 취향을 기술하는 하나 이상의 취향 디스크립터를 포함할 수 있다. 다양한 실시예에 따르면, 사용자 프로파일(900)은 또한, 하나 이상의 클러스터(예를 들면, 클러스터들(810 내지 830))의 하나 이상의 가중치, 하나 이상의 클러스터를 대표하는 예시적 아이템들, 미디어 프레젠테이션 통계(예를 들면, 아이템을 보거나 청취한 횟수), 사용자-맞춤형 클러스터 이름, 또는 그 임의의 적절한 조합을 포함한다.
도시한 바와 같이, 사용자 프로파일(900)은 디스크립터들(510 및 520)을 포함할 수 있는 클러스터(810)를 포함한다. 사용자 프로파일(900)은 또한, 디스크립터들(322 및 531)을 포함할 수 있는 클러스터(820)를 포함하는 것으로 나타나 있다. 사용자 프로파일(900)은 또한, 디스크립터(328)를 포함하는 클러스터(830)를 포함하는 것으로 나타나 있다.
도 9는 화살표를 이용하여, 하나 이상의 클러스터 이름(910 내지 930)이 클러스터들(810 내지 830) 및 그에 포함된 디스크립터들에 의거하여 판정(예를 들면, 생성 또는 추출)될 수 있음을 나타낸다. 예를 들면, 사용자 프로파일 머신(110)은, 클러스터(810) 내에 있는 디스크립터(510)(예를 들면, "평화적") 및 디스크립터(520)(예를 들면, "감성적")에 의거하여 클러스터(810)에 대한 클러스터 이름(910)을 판정할 수 있다. 따라서, 결과의 클러스터 이름(910)은 "평화적/감성적" 또는 "평화적 및 감성적"일 수 있다. 일부 실시예에서, 클러스터(810)는 또한, 디스크립터(310)가 두 아이템(610 및 620)을 기술하는 메타데이터 내에 존재하는 것에 의거하여, 디스크립터(310)(예를 들면, "재즈")를 포함한다. 이러한 실시예에서, 결과의 클러스터 이름(910)은 "재즈" 또는 "평화적 감성적 재즈"일 수 있다.
또 다른 예로서, 사용자 프로파일 머신(110)은, 클러스터(820) 내에 있는 디스크립터(322)(예를 들면, "익스트림 메탈") 및 디스크립터(531)(예를 들면, "혼돈의/강렬한")에 의거하여, 클러스터(820)에 대한 클러스터 이름(920)을 판정할 수 있다. 일부 실시예에서, 사용자 프로파일 머신(110)은 디스크립터(322)가 두 가지의 아이템(630) 및 아이템(640)을 기술하는 것에 의거하여, 클러스터 이름(920)을 판정한다. 따라서, 결과의 클러스터 이름(920)은 "혼돈의/강렬한, 익스트림 메탈" 또는 "혼돈의, 강렬한, 및 익스트림 메탈"일 수 있다.
추가적인 예로서, 사용자 프로파일 머신(110)은, 디스크립터(328)(예를 들면, "데스 메탈")가 클러스터(830) 내에 있는 것에 의거하여 클러스터(830)에 대한 클러스터 이름(930)을 판정할 수 있다. 따라서, 결과의 클러스터 이름(930)은 "데스 메탈" 또는 "데스 메탈 음악"일 수 있다.
다양한 실시예에 따르면, 클러스터 이름(910, 920, 및 930) 중 하나 이상이 사용자 프로파일(900)에 포함되거나, 참조되거나, 또는 다른 방식으로 사용자 프로파일(900) 내에서 지시된다. 따라서, 클러스터 이름(910 내지 930) 중 하나 이상은, 사용자 프로파일(900)에 대응하는 사용자(132)의 취향 및 기호를 기술하는 취향 디스크립터로서 기능할 수 있다.
도 10 내지 도 15는 일부 실시예에 따른 계층화된 디스크립터들(예를 들면, 디스크립터들(322, 328, 510, 520, 및 531))의 클러스터링에 기반한 사용자 프로파일(900)을 생성하는 방법(1000)을 행할 때의 사용자 프로파일 머신(110)의 동작들을 나타내는 플로차트이다. 방법(1000)의 동작들은 도 2에 대해 상술한 모듈을 사용하여 사용자 프로파일 머신(110)에 의해 행해질 수 있다. 도시된 바와 같이, 방법(1000)은 동작들(1010, 1020, 및 1030)을 포함한다.
동작(1010)에서, 액세스 모듈(210)은, 제 1 아이템(예를 들면, 아이템(610)) 및 제 2 아이템(예를 들면, 아이템(620))을 기술하는 메타데이터(예를 들면, 아이템(610)의 메타데이터(615) + 아이템(620)의 메타데이터) 내의 디스크립터들에 액세스한다. 예를 들면, 액세스 모듈(210)은, 아이템(610)의 메타데이터(615)로부터 디스크립터들(310, 311, 313, 510, 및 511)에 액세스하고, 또한 아이템(620)의 메타데이터로부터 디스크립터들(310, 312, 314, 520, 및 521)에 액세스할 수 있다. 이 액세스되는 디스크립터들은, 메타데이터 모델의 동일한 계층(예를 들면, 메타데이터 모델(500)의 "Tier 1")에 조직화되는(표현되는) 제 1 디스크립터(예를 들면, 디스크립터(510)) 및 제 2 디스크립터(예를 들면, 디스크립터(520))를 포함할 수 있다. 상술한 바와 같이, 제 1 아이템 및 제 2 아이템은, 사용자(예를 들면, 사용자(132))에 속할 수 있는 아이템들의 컬렉션(예를 들면, 컬렉션(700))의 표본(예를 들면, 멤버들)일 수 있다. 예를 들면, 이 컬렉션은 사용자(132)의 미디어 라이브러리일 수 있고, 제 1 및 제 2 아이템은 미디어 라이브러리 내의 제 1 및 제 2 미디어 파일일 수 있다.
동작(1020)에서, 클러스터 모듈(220)은 제 1 및 제 2 디스크립터가 계층화된 디스크립터들의 클러스터의 멤버임을 판정하며, 이 판정은, 제 1 및 제 2 디스크립터가 메타데이터 모델 내에서 표현되는 공통 계층에 의거하여 이루어질 수 있다. 예를 들면, 클러스터 모듈(220)은, 디스크립터(510) 및 디스크립터(520)가 메타데이터 모델(500)의 최상위 계층(예를 들면, "Tier 1")임에 의거하여, 디스크립터(510) 및 디스크립터(520)가 클러스터(810)의 멤버임을 판정할 수 있다. 일부 실시예에서, 디스크립터(510 및 520)는 메타데이터 모델(500)의 중간 레벨 계층(예를 들면, "Tier 2")에 있고, 클러스터(810)의 멤버는, 디스크립터들(510 및 520)이 중간 레벨 계층에 있음에 의거하여 판정된다. 특정 실시예에서, 디스크립터들(510 및 520)은 메타데이터 모델(500)의 최하위 계층(예를 들면, "Tier 3")에 있고, 클러스터(810)의 멤버들은, 디스크립터들(510 및 520)이 최하위 계층에 있음에 의거하여 판정된다.
다양한 실시예에 따르면, 동작(1020)은, 제 1 및 제 2 디스크립터를 조직화하는 메타데이터 모델 내의 계층의 가중치에 의거하여 행해질 수 있다. 도 3 및 도 4에 대해 상술한 바와 같이, 메타데이터 모델(예를 들면, 메타데이터 모델(300)) 내의 다수의 계층에는 다양한 가중치가 할당될 수 있다. 따라서, 동작(1020)의 수행은, 메타데이터 모델(300) 내의 "Tier 2"의 가중치(예를 들면, 0.5 또는 "보통")가 메타데이터 모델(300) 내의 "Tier 1"의 가중치(예를 들면, 0.2 또는 "낮음")를 초과함을 판정하는 것을 포함할 수 있다. 따라서, 동작(1020)에서 제 1 및 제 2 디스크립터가 클러스터의 멤버임의 판정은, "Tier 2"의 가중치가 "Tier 1"의 가중치를 초과하는 것에 의거할 수 있다. 이것은, 동작(1020)에서 어느 디스크립터들을 사용할지의 판정에 있어서 하나의 이상의 보다 높은 가중화된 계층에 편향시키는(favoring) 효과를 가질 수 있다.
동작(1030)에서, 프로파일 모듈(230)은, 제 1 및 제 2 디스크립터가 멤버인 클러스터(예를 들면, 클러스터(810))에 의거하여 사용자 프로파일(900)을 생성(예를 들면, 작성 또는 업데이트)한다. 예를 들면, 프로파일 모듈(230)은, 디스크립터들(510 및 520)을 포함하는 클러스터(810)에 의거하여 사용자 프로파일(900)을 생성할 수 있다. 다양한 실시예에 따르면, 동작(1030)은 사용자 프로파일(900)을 사용자(132)의 취향 프로파일로서 생성한다.
도 11에 나타낸 바와 같이, 방법(1000)은 동작(1025, 1120, 1125, 및 1130) 중 하나 이상을 포함할 수 있다. 동작(1120)은, 제 1 및 제 2 디스크립터(예를 들면, 제 1 및 제 2 아이템을 기술함)가 그 멤버로서 클러스터(예를 들면, 클러스터(820))로 그룹화됨을 클러스터 모듈(220)이 판정하는 동작(1020)의 일부(예를 들면, 선행 동작, 서브 루틴, 또는 부분)로서 행해질 수 있다. 동작(1120)에서, 클러스터 모듈(220)은, 제 1 아이템의 제 1 디스크립터(예를 들면, 아이템(630)을 기술하는 디스크립터(322)) 및 제 2 아이템의 제 2 디스크립터(예를 들면, 아이템(640)을 기술하는 디스크립터(322))가 (예를 들면, 꼭 같게) 서로 매칭됨을 판정한다. 이 판정은 동작(1020)을 행하기 위한 기초로 사용될 수 있다.
동작(1025)은, 프로파일 모듈(230)이 사용자 프로파일(900)을 생성하는 동작(1030)에 앞서 행해질 수 있다. 일부 실시예에서, 동작(1025)은 동작(1030)의 부분으로서 행해진다. 동작(1025)에서, 클러스터 모듈(220)은 동작(1020)(예를 들면, 클러스터(820))에 대해 상술한 클러스터의 클러스터 이름(예를 들면, 클러스터 이름(920))을 판정한다. 클러스터 이름은 도 9에 대해 상술한 방법 중 어느 하나 이상을 이용하여 판정될 수 있다.
동작(1125)에 대해 나타낸 바와 같이, 클러스터 모듈(220)은, 제 1 아이템의 제 1 디스크립터(예를 들면, 아이템(630)을 기술하는 디스크립터(322)) 및 제 2 아이템의 제 2 디스크립터(예를 들면, 아이템(640)을 기술하는 디스크립터(322))가 서로 매칭됨에 의거하여, 클러스터 이름(예를 들면, 클러스터 이름(920))을 판정할 수 있다. 동작(1125)은, 클러스터 모듈(220)이 클러스터(예를 들면, 클러스터(820))의 이름(예를 들면, 클러스터 이름(920))을 판정하는 동작(1025)의 일부로서 행해질 수 있다
동작(1130)에 대해 나타낸 바와 같이, 프로파일 모듈(230)은 클러스터(예를 들면, 클러스터(820))의 이름(예를 들면, 클러스터 이름(920))을 사용자 프로파일(900) 내에 저장할 수 있다. 상술한 바와 같이, 클러스터 이름은 사용자 프로파일(900) 내에 취향 디스크립터로서 저장될 수 있으며, 이 취향 디스크립터는 사용자 프로파일(900)이 대응하는 사용자(132)의 취향(예를 들면, 하나 이상의 취향, 선호, 또는 기호)을 기술한다. 일부 실시예에서, 프로파일 모듈(230)은 사용자(132)에게 하나 이상의 서비스(예를 들면, 아이템에 대한 추천, 광고, 또는 제시)를 제공함에 있어 추후 사용을 위해 클러스터 이름, 또는 사용자 프로파일(900), 또는 이 두 가지를 데이터베이스(115)에 저장한다.
도 12에 나타낸 바와 같이, 방법(1000)은 동작(1220, 1222, 및 1225) 중 하나 이상을 포함할 수 있다. 동작(1220)은, 제 1 및 제 2 디스크립터(예를 들면, 제 1 및 제 2 아이템을 기술함)가 멤버로서 클러스터(예를 들면, 클러스터(820))로 그룹화됨을 클러스터 모듈(220)이 판정하는 동작(1020)의 일부로서 행해질 수 있다. 동작(1220)에서, 클러스터 모듈(220)은, 제 1 아이템의 제 1 디스크립터(예를 들면, 아이템(630)을 기술하는 디스크립터(322)) 및 제 2 아이템의 제 2 디스크립터(예를 들면, 아이템(640)을 기술하는 디스크립터(322))가 서로 유사함을 판정한다. 이 유사성 판정은, 상관 행렬(예를 들면, 2 개의 비동일 디스크립터 간의 유사도를 나타내는 데이터 구조)에 의거하여 이루어질 수 있다. 다양한 실시예에 따르면, 유사성 판정은, 특징 비교, 거리 메트릭, 확률적 접근법, 또는 이들의 임의의 적절한 조합에 의거하여 이루어질 수 있다. 이 판정은 동작(1020)을 행하기 위한 기초로서 사용될 수 있다.
동작(1222)은 동작(1220)의 부분으로서 행해질 수 있다. 동작(1222)에서, 클러스터 모듈(220)은, 제 1 아이템의 다른 디스크립터(예를 들면, 제 3 디스크립터) 및 제 2 아이템의 다른 디스크립터(예를 들면, 제 4 디스크립터)가 (꼭 같게) 서로 매칭됨을 판정한다. 예를 들면, 클러스터(810)에 대해, 디스크립터(510)(예를 들면, "평화적")와 디스크립터(520)(예를 들면, "감성적")는 일치하지 않지만, 아이템(610)의 메터데이터(615) 내의 디스크립터(310)(예를 들면, "재즈")가 아이템(620)의 메터데이터 내의 디스크립터(310)와 (꼭 같게) 매칭됨을 판정할 수 있다. 이 판정은 동작(1020)을 행하기 위한 기초로서 사용될 수 있다.
동작(1225)에 대해 나타낸 바와 같이, 클러스터 모듈(220)은, 동작(1222)에서 행해진 판정에 의거하여 클러스터(예를 들면, 클러스터(810))의 클러스터 이름(예를 들면, 클러스터 이름(910))을 판정할 수 있다. 즉, 동작(1222)에서 매칭된 디스크립터들(예를 들면, 제 3 및 제 4 디스크립터)은 클러스터를 명명하기 위한 기초로서 사용될 수 있다. 동작(1225)에 대한 실시예에서, 클러스터 모듈(220)은, 매칭되는 디스크립터들이 동작(1020)에 대해 상술한 제 1 및 제 2 디스크립터와 동일한 메타데이터 타입(예를 들면, "장르")임에 의거하여 클러스터 이름을 판정한다. 즉, 매칭되는 디스크립터들(예를 들면, 디스크립터(310)의 2 개의 인스턴스)은 제 1 및 제 2 디스크립터(예를 들면, 메타데이터 모델(300)로부터의 디스크립터(311 및 312))와 동일한 메타데이터 모델(예를 들면, 메타데이터 모델(300))로부터일 수 있다. 그러나, 매칭되는 디스크립터들은 해당 메타데이터 모델 내의 서로 다른 계층(예를 들면, 추가적인 계층)으로부터 일 수 있다. 동작(1225)은 동작(1025)의 일부로서 행해질 수 있다.
도 13에 나타낸 바와 같이, 방법(1000)은, 클러스터 모듈(220)이 클러스터를 명명하는 동작(1025)의 일부로서 행해질 수 있는 동작(1325)을 포함한다. 동작(1325)에서, 클러스터 모듈(220)은, 동작(1222)에서 행해지는 판정에 의거하여 클러스터(예를 들면, 클러스터(820))의 클러스터 이름(예를 들면, 클러스터 이름(920))을 판정한다. 동작(1325)에 대해 실시예에서, 클러스터 모듈(220)은, 매칭되는 디스크립터들이 동작(1020)에서 상술한 제 1 및 제 2 디스크립터와는 다른 메타데이터 타입(예를 들면, "무드" 등의 추가적인 메타데이터 타입)임에 의거하여 클러스터 이름을 판정한다. 즉, 매칭되는 디스크립터들(예를 들면, 디스크립터(322)의 2개의 인스턴스)은 제 1 및 제 2 디스크립터(예를 들면, 메타데이터 모델(500)로부터의 디스크립터(531)의 2개의 인스턴스)와는 다른 메타데이터 모델(예를 들면, 메타데이터 모델(300))일 수 있다. 실제, 매칭되는 디스크립터들(예를 들면, 제 3 및 제 4 디스크립터)은 제 1 및 제 2 디스크립터의 메타데이터 타입(예를 들면, "무드")에 대응하는 메타데이터 모델(예를 들면, 메타데이터 모델(500))에 없을 수 있다. 동작(1325)은 동작(1025)의 일부로서 행해질 수 있다.
도 14에 나타낸 바와 같이, 방법(1000)은 동작들(1420, 1421, 1423, 1425, 1427, 및 1429) 중 하나 이상을 포함할 수 있다. 편의상, 도 11에 대해 상술한 동작(1130)을 또한 나타낸다.
동작(1420)은 동작(1030)에 앞서 행해질 수 있거나, 또는 동작(1030)의 일부로서 행해질 수 있다. 동작(1420)에서, 상관 모듈(240)은 사용자(132)의 활동을 판정한다. 이러한 활동의 예는, 조깅, 통근, 휴식, 및 댄싱을 포함한다. 판정되는 활동은, 동작(1030)에서 생성되는 사용자 프로파일(900)에 나타날 수 있다. 특히, 활동은 하나 이상의 취향 디스크립터와 상관될 수 있다(예를 들면, 클러스터 이름이 사용자 프로파일(900) 내에 취향 디스크립터들로서 저장됨). 이것은 사용자 프로파일(900)에서, 어느 취향 디스크립터들이 사용자(132)가 관여하는 어느 활동에 대응하는지를 가리키는 효과를 가질 수 있다.
동작(1421 내지 1429) 중 하나 이상이 동작(1420)의 일부로서 행해질 수 있다. 동작(1421)에서, 컨텍스트 모듈(250)은 사용자(132)의 컨텍스트 데이터에 액세스하고 컨텍스트 데이터를 상관 모듈(240)에 제공한다. 컨텍스트 데이터는, 동작(1420)에 대해 사용자(132)가 상술한 활동에 관여하는 컨텍스트를 기술한다. 데이터베이스(115), 사용자(132)의 디바이스(130), 디바이스(130) 또는 사용자(132)에 의해 제공되는 위치 데이터(예를 들면, 지리적 위치 데이터), 사용자(132)에 대응하는 생체 데이터(예를 들면, 심장 박동수, 혈압, 온도, 또는 전기 피부 반응), 사용자(132)의 캘린더 데이터(예를 들면, 약속, 미팅, 휴일, 또는 여행 계획), 시간 데이터(예를 들면, 시각 또는 요일), 또는 그 임의의 적절한 조합으로부터 컨텍스트 데이터가 액세스될 수 있다. 따라서, 컨텍스트 데이터는 컨텍스트 모듈(250)에 의해 처리되어, 사용자(132)의 하나 이상의 위치, 사용자(132)의 하나 이상의 생체 상태, 또는 그 임의의 적절한 조합을 판정할 수 있다.
동작(1423)에서, 상관 모듈(240)은, 제 1 및 제 2 아이템(예를 들면, 아이템(630 및 640))을 사용자(132)의 다수의 위치와 상관시키는 컨텍스트 데이터에 의거하여 활동을 판정한다. 예를 들면, 사용자(132)가 제 1 및 제 2 아이템(예를 들면, 노래들)을 즐기면서 자신의 동네를 2마일 길이의 폐루프를 형성하는 경로를 따라 느리게(예를 들면, 시속 20마일 미만) 이동하고 있음을 다수의 위치가 나타낼 경우, 상관 모듈(240)은 사용자(132)의 활동이 "조깅"임을 판정할 수 있다. 이것은, 사용자(132)의 사용자 프로파일(900) 내에서 하나 이상의 취향 디스크립터(예를 들면, 음악에 적용 가능한 취향 디스크립터)를 "조깅"의 활동과 연관짓는 효과를 가질 수 있다. 다른 예로서, 사용자(132)가 비지니스 시간 중에 자신의 동네와 지역 상업 지구 사이를 빈번히 이동하는 경로를 따라 빠르게(예를 들면, 시속 20마일 초과) 이동하고 있음을 다수의 위치가 나타낼 경우, 상관 모듈(240)은 사용자(132)의 활동이 "통근"임을 판정할 수 있다. 이것은, 사용자 프로파일(900) 내에서 다향한 취향 디스크립터를 "통근"의 활동과 연관짓는 효과를 가질 수 있다.
동작(1425)에서, 상관 모듈(240)은, 제 1 및 제 2 아이템(예를 들면, 아이템(630 및 640))을 사용자(132)의 생체 상태와 상관시키는 컨텍스트 데이터에 의거하여 활동을 판정한다. 예를 들면, 사용자(132)의 생체 상태가 비활동적(예를 들면, 심박동수가 분당 90회 미만)이면서 제 1 및 제 2 아이템(예를 들면, 영화)에 액세스하고 있을 경우, 상관 모듈(240)은 사용자(132)의 활동이 "릭렉스"임을 판정할 수 있다. 이것은, 사용자 프로파일(900) 내에서 다양한 취향 디스크립터들을 "릴렉스"의 활동과 연관짓는 효과를 가질 수 있다. 다른 예로서, 사용자(132)가 활동적(예를 들면, 심박동수가 분당 90회 초과)이라고 생체 상태가 나타낼 경우, 상관 모듈(240)은 사용자(132)의 활동이 "운동" 또는 "댄싱"임을 판정할 수 있다. 이것은, 사용자 프로파일(900) 내에서 취향 디스크립터들을 "운동" 또는 "댄싱"의 활동과 연관짓는 효과를 가질 수 있다. 다양한 실시예에 따르면, 이 활동들은, 그 자신의 하나 이상의 메타데이터 모델에서 나타나는 컨텍스트 디스크립터에 의해 기술될 수 있고(예를 들면, "운동", "릴렉스" 또는 "댄싱"), 여기에서 설명되는 시스템 및 방법은 활동에 대한 사용자의 취향을 기술하는 사용자 프로파일을 생성하는 데 사용될 수 있다.
동작(1427)에서, 상관 모듈(240)은, 제 1 및 제 2 아이템(예를 들면, 아이템(630 및 640))을 요일을 나타내는 시간 데이터와 상관시키는 컨텍스트 데이터에 의거하여 활동을 판정한다. 예를 들면, 사용자(132)가 일요일마다 늦은 아침(예를 들면, 오전 10:30)에 제 1 및 제 2 아이템(예를 들면, 음식)을 식음(食飮)함을 시간 데이터가 나타낼 경우, 상관 모듈(240)은, 활동이 "일요일 브런치"임을 판정할 수 있다. 이것은, 사용자 프로파일(900) 내에서 취향 디스크립터들을 "일요일 브런치"의 활동과 연관짓는 효과를 가질 수 있다.
동작(1429)에서, 상관 모듈(240)은, 제 1 및 제 2 아이템(예를 들면, 아이템(630 및 640))을 시각을 나타내는 시간 데이터와 상관시키는 컨텍스트 데이터에 의거하여 활동을 판정한다. 예를 들면, 사용자(132)가 매일 아침 7시에 제 1 및 제 2 아이템(예를 들면, 노래들)을 선사함을 시간 데이터가 나타낼 경우, 상관 모듈(240)은, 활동이 "기상(waking up)"임을 판정할 수 있다. 이것은, 사용자 프로파일(900) 내에서 취향 디스크립터들을 "기상"의 활동과 연관짓는 효과를 가질 수 있다.
도 15에 나타낸 바와 같이, 방법(1000)은 동작(1520, 1522, 및 1530) 중 하나 이상을 포함할 수 있다. 편의상, 도 14에 대해 상술한 동작(1421)도 나타낸다.
동작(1520)은 동작(1030)에 앞서 행해질 수 있거나, 또는 동작(1030)의 일부로서 행해질 수 있다. 상 모듈(260)은, (예를 들면, 제 1 및 제 2 아이템을 선사, 즐김, 또는 달리 액세스함으로써) 사용자(132)가 제 1 및 제 2 아이템과 연관되는 빈도를 나타내는 이벤트에 대한 하나 이상의 데이터 스트림을 감시할 수 있다. 동작(1520)에서, 상 모듈(260)은 사용자(132)가 이례적인 상을 경험함을 판정한다. 즉, 상 모듈(260)은, 제 1 및 제 2 아이템에 액세스하는 것이 (예를 들면, 사용자(132)의 장기적인 거동과 비교하여) 사용자(132)의 특징이 아님을 판정할 수 있다. 동작(1520)은, 동작(1421)에서 액세스되는 컨텍스트 데이터에 의거할 수 있고, 동작(1520)은 취향 디스크립터들 및 시간 데이터에 의해 나타나는 바에 따라, 사용자(132)의 단기적 취향과 사용자(132)의 장기적 취향의 비교를 수반할 수 있다. 이는, 사용자(132)가 새로운 아이템들로 실험하는 실험 상(phase), 또는 사용자(132)가 일시적으로 특정 영향 하(예를 들면, 손님 접대)에 있었던 기간을 검출하는 효과를 가질 수 있다.
동작(1522)은 동작(1520)의 일부로서 행해질 수 있고, 동작(1421)에서 액세스되는 컨텍스트 데이터에 의거하여 행해질 수 있다. 동작(1522)에서, 상 모듈(260)은 제 1 및 제 2 아이템(예를 들면, 아이템(650 및 660))을, 임계 지속 기간보다 짧은(예를 들면, 1개월보다 짧은) 지속 기간을 갖는 기간과 상관시키는 켄텍스트 데이터에 의거하여 사용자의 이례적인 상을 판정한다. 예를 들면, 제 1 및 제 2 아이템이 1일 내에서 사용자(132)에 의해 액세스되었고 그 후 결코 다시 액세스되지 않았을 경우에, 상 모듈(260)은, 1일이 동작(1520)에서 판정된 사용자(132)의 이례적인 상을 나타냄을 판정할 수 있다.
동작(1530)은, 프로파일 모듈(230)이 사용자(132)의 사용자 프로파일(900)을 생성하는 동작(1030)의 부분으로서 행해질 수 있다. 동작(1530)에서, 프로파일 모듈(230)은 사용자 프로파일(900)로부터 클러스터(예를 들면, 클러스터(830))의 이름(예를 들면, 클러스터 이름(930))을 제외한다. 이 클러스터 이름의 제외는, 사용자(132)가 이례적 상을 경험한 동작(1520)에서의 판정에 의거할 수 있다. 이것은 사용자(132)의 사용자 프로파일(900)에 이례적인 취향 프로파일들을 포함시키는 것을 피하는 효과를 가질 수 있다.
다양한 실시예에 따르면, 여기에서 설명되는 방법 중 하나 이상은, 계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일의 생성을 용이하게 할 수 있다. 또한, 여기에서 설명되는 방법 중 하나 이상은, 사용자의 취향을 정확하게 나타내는 구체적인 취향 프로파일의 작성 및 유지를 용이하게 할 수 있다. 따라서, 여기에서 설명되는 하나 이상의 방법은, 하나 이상의 추천 서비스(예를 들면, 맞춤형 미디어 채널들 또는 맞춤형 사용자 인터페이스들), 제시 서비스, 광고, 또는 판매 서비스의 하나 이상의 사용자에게의 제공을 용이하게 할뿐만 아니라, 다수의 사용자 쌍방 또는 여러간에 아이템의 논의, 공유, 또는 발견을 용이하게 하는 소셜 네트워킹 특징들을 지원할 수 있다. 아이템 이외에도, 여기에서 설명되는 방법 중 하나 이상에 따라, 사용자들(예를 들면, 친구들), 브랜드들, 및 개념들이 마찬가지로 공유, 발견, 또는 논의될 수 있다.
이 효과들을 종합해서 고려할 경우, 여기에서 설명되는 방법 중 하나 이상은, 다른 방식에서 계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일을 생성 및 사용에 수반되는 일부 노력 또는 리소스에 대한 필요를 없앨 수 있다. 사용자의 구체적이고 정확한 취향 프로파일을 얻음에 있어 커지는 노력이 여기에서 설명되는 방법 중 하나 이상에 의해 저감될 수 있다. (예를 들면, 네트워크 환경(100) 내에서) 하나 이상의 머신, 데이터베이스, 또는 디바이스에 의해 사용되는 컴퓨팅 리소스가 마찬가지로 저감될 수 있다. 이러한 컴퓨팅 리소스의 예는 프로세서 사이클, 네트워크 트래픽, 메모리 사용량, 데이터 스토리지 능력, 전력 소비, 및 냉각 능력을 포함한다.
도 16은 일부 실시예에 따르면, 머신 판독 가능한 매체(예를 들면, 머신 판독 가능한 저장 매체)로부터의 명령을 판독할 수 있고, 여기에서 논의되는 방법 중 어느 하나 이상을 전체적으로 또는 부분적으로 행할 수 있는 머신(1600)의 구성 요소를 나타내는 블록도이다. 구체적으로, 도 16은, 머신(1600)에 여기에서 설명되는 방법 중 어느 하나 이상을 행하게 하는 명령(1624)(예를 들면, 소프트웨어, 프로그램, 애플리케이션, 애플릿, 앱, 또는 다른 실행 코드)이 실행될 수 있고 컴퓨터 시스템의 예시적인 형태인 머신(1600)을 나타내는 도면을 나타낸다. 다른 실시예에서, 머신(1600)은 독립형 디바이스로서 동작하거나 다른 머신들에 연결(예를 들면, 네트워킹)될 수 있다. 네트워킹 배치에서, 머신(1600)은 서버-클라이언트 네트워크 환경에서 서버 머신 또는 클라이언트 머신의 능력 내에서, 또는 피어 투 피어(peer-to-peer)(또는 분산) 네트워크 환경에서의 피어 머신으로서, 동작할 수 있다. 머신(1600)은 서버 컴퓨터, 클라이언트 컴퓨터, 개인용 컴퓨터(PC), 태블릿 컴퓨터, 랩톱 컴퓨터, 넷북, 셋톱 박스(STB), PDA(personal digital assistant), 셀룰러 전화, 스마트폰, 웹 어플라이언스, 네트워크 라우터, 네트워크 스위치, 네트워크 브리지, 또는 해당 머신에 의해 취해질 동작을 규정하는 명령(1624)을 순차적으로 또는 다른 방식으로 실행할 수 있는 임의의 머신일 수 있다. 또한, 단일 머신만이 설명되고 있지만, 용어 "머신"은, 개별적으로 또는 공동으로 명령(1624)을 실행하여 여기에서 설명되는 어느 하나 이상의 방법을 행하는 머신의 컬렉션을 포함하는 것으로도 받아들여져야 한다.
머신(1600)은 프로세서(1602)(예를 들면, 중앙 처리 유닛(CPU), 그래픽 처리 유닛(GPU), 디지털 신호 프로세서(DSP), 주문형 집적 회로(ASIC), 무선 주파수 집적 회로(RFIC), 또는 그 임의의 적합한 조합), 메인 메모리(1604), 및 정적 메모리(1606)를 포함하며, 이들은 버스(1608)를 통해 서로 통신 가능하게 구성된다. 머신(1600)은 그래픽 디스플레이(1610)(예를 들면, 플라즈마 디스플레이 패널(PDP), 발광 다이오드(LED) 디스플레이, 액정 디스플레이(LCD), 프로젝터, 또는 음금선관(CRT))를 더 포함할 수 있다. 머신(1600)은 또한, 영숫자 입력 디바이스1612(예를 들면, 키보드), 커서 제어 디바이스(1614)(예를 들면, 마우스, 터치 패드, 트랙볼, 조이스틱, 움직임 센서, 또는 다른 포인팅 장치), 저장 유닛(1616), 신호 발생 디바이스(1618)(예를 들면, 스피커), 및 네트워크 인터페이스 디바이스(1620)를 포함할 수 있다.
저장 유닛(1616)은, 여기에서 설명되는 방법 또는 기능 중 어느 하나 이상을 구현하는 명령(1624)이 저장된 머신 판독 가능한 매체(1622)를 포함한다. 명령(1624)은 또한, 머신(1600)에 의한 실행 중에, 메인 메모리(1604)나 프로세서(1602)(예를 들면, 프로세서의 캐시 메모리), 또는 그 둘다에 완전히 또는 적어도 부분적으로 상주할 수 있다. 따라서, 메인 메모리(1604) 및 프로세서(1602)는 머신 판독 가능한 매체라고 생각될 수 있다. 명령(1624)은 네트워크 인터페이스 디바이스(1620)를 통해 네트워크(1626)(예를 들면, 네트워크(190))를 거쳐 송수신될 수 있다.
여기에서 사용되는 용어 "메모리"는, 데이터를 일시적 또는 영구적으로 저장할 수 있는 머신 판독 가능한 매체를 말하고, 한정이 아닌 예시로서, 랜덤 액세스 메모리(RAM), 읽기 전용 메모리(ROM), 버퍼 메모리, 플래시 메모리, 및 캐시 메모리를 포함하는 것으로 간주될 수 있다. 실시예에서 머신 판독 가능한 매체(1622)는 단일 매체인 것으로 나타나 있지만, "머신 판독 가능한 매체"라는 용어는 명령을 저장할 수 있는 단일 매체 또는 다수의 매체(예를 들면, 집중 또는 분산형 데이터베이스, 또는 연관 캐시 및 서버)를 포함하는 것으로 간주되어야 한다. "머신 판독 가능한 매체"라는 용어는 또한, 머신(예를 들면, 머신(1600))에 의한 실행을 위한 명령을 저장해서, 머신(예를 들면, 머신(1602))의 하나 이상의 프로세서에 의한 실행 시, 명령이, 머신에 여기에서 설명되는 방법 중 어느 하나 이상을 행하게 할 수 있는 임의의 매체, 또는 다수의 매체의 조합을 포함하는 것으로 간주되어야 한다. 따라서, "머신 판독 가능한 매체"는 단일 저장 장치 또는 디바이스뿐만 아니라, 다수의 저장 장치 또는 디바이스를 포함하는 저장 네트워크 또는 "클라우드 기반" 저장 시스템을 말한다. 이에 따라, "머신 판독 가능한 매체"라는 용어는, 제한이 아닌 예시로서, 솔리드 스테이트 메모리, 광학 매체, 자기 매체, 또는 이들의 임의의 적절한 조합의 형태로 하나 이상의 데이터 저장소를 포함하는 것으로 간주되어야 한다.
본 명세서 전반에 걸쳐, 복수의 인스턴스가 단일 인스턴스로서 설명되는 구성 요소, 동작, 또는 구조를 실현할 수 있다. 하나 이상의 방법의 개별 동작이 별개 동작으로 예시 및 설명되고 있지만, 개별 동작 중 하나 이상은 동시에 행해질 수 있고, 그 무엇도 동작이 예시된 순서로 행해져야만 하는 것을 요하지는 않는다. 예시적 구성에서 별개의 구성 요소로서 제시된 구조 및 기능은 결합된 구조 또는 구성 요소로서 구현될 수 있다. 마찬가지로, 단일 구성 요소로서 제시되는 구조 및 기능은 별개의 구성 요소로서 구현될 수 있다. 이들 및 다른 변형, 수정, 추가, 및 개선은 본원의 내용의 범주에 들어간다.
본원에서 특정 실시예들은 로직 또는 다수의 구성 요소, 모듈, 또는 메커니즘을 포함하는 것으로 설명된다. 모듈은 소프트웨어 모듈(예를 들면, 머신 판독 가능한 매체에 또는 전송 신호에 구현되는 코드) 또는 하드웨어 모듈을 구성할 수 있다. "하드웨어 모듈"은 특정 동작들을 행할 수 있는 유형의 유닛이며, 특정 물리적 방법으로 구성 또는 배치될 수 있다. 다양한 실시예에서, 하나 이상의 컴퓨터 시스템(예를 들면, 독립형 컴퓨터 시스템, 클라이언트 컴퓨터 시스템, 또는 서버 컴퓨터 시스템) 또는 컴퓨터 시스템의 하나 이상의 하드웨어 모듈(예를 들면, 프로세서 또는 프로세서들의 그룹)은, 여기에서 설명되는 특정 동작을 행하도록 동작하는 하드웨어 모듈로서 소프트웨어(예를 들면, 애플리케이션 또는 애플리케이션 부분)에 의해 구성될 수 있다.
일부 실시예에서, 하드웨어 모듈은 기계적, 전자적, 또는 그 임의의 적절한 조합으로 구현될 수 있다. 예를 들면, 하드웨어 모듈은 특정 동작을 행하도록 영구적으로 구성된 전용 회로 또는 로직을 포함할 수 있다. 예를 들면, 하드웨어 모듈은, 필드 프로그래머블 게이트 어레이(FPGA) 또는 ASIC 등의 특수 목적용 프로세서일 수 있다. 또한, 하드웨어 모듈은 특정 동작을 행하도록 소프트웨어에 의해 일시적으로 구성된 프로그래머블 로직 또는 회로를 포함할 수 있다. 예를 들면, 하드웨어 모듈은 범용 프로세서 또는 다른 프로그램머블 프로세서에 포함되는 소프트웨어를 포함할 수 있다. 전용의 영구적으로 구성된 회로 또는 (예를 들면, 소프트웨어에 의해 구성된) 일시적으로 구성된 회로에서 기계적으로 하드웨어 모듈을 구현하기 위한 결정은 비용 및 시간을 고려하여 이루어지는 것으로 이해될 것이다.
따라서, 문구 "하드웨어 모듈"은, 물리적으로 구조화되며, 영구적으로 구성되고(예를 들면, 하드와이어드), 또는 특정 방식으로 동작하거나 여기에서 말하는 특정 동작을 행하도록 일시적으로 구성(프로그래밍)되는 유형의 엔티티를 포함하는 것으로 이해되어야 한다. 여기에서 사용되는 "하드웨어 구현 모듈"은 하드웨어 모듈을 말한다. 하드웨어 모듈이 일시적으로 구성(예를 들면, 프로그래밍)되는 실시예를 고려하면, 하드웨어 모듈 각각은 시간의 임의의 하나의 인스턴스에서 구성되거나 인스턴스화될 필요가 없다. 예를 들면, 하드웨어 모듈이, 소프트웨어에 의해 특수 목적용 프로세서가 되도록 구성된 범용 프로세서를 포함할 경우에, 범용 프로세서는, 서로 다른 시간에 각각 서로 다른 특수 목적용 프로세서(예를 들면, 서로 다른 하드웨어 모듈을 포함함)로서 구성될 수 있다. 따라서, 소프트웨어는 예를 들면 하나의 시간 인스턴스에 특정 하드웨어 모듈을 구성하고 다른 시간 인스턴스에 다른 하드웨어 모듈을 구성하도록, 프로세서를 구성할 수 있다.
하드웨어 모듈은 다른 하드웨어 모듈에 대해 정보를 주고 받을 수 있다. 따라서, 설명되는 하드웨어 모듈은 통신 가능하게 결합되는 것으로 간주될 수 있다. 다수의 하드웨어 모듈이 동시에 존재할 경우, 통신은 하드웨어 모듈 쌍방 또는 그 이상 간에서 (예를 들면, 적절한 회로 및 버스를 통해) 신호 전송에 의해 달성될 수 있다. 다수의 하드웨어 모듈이 서로 다른 시간에 구성 또는 인스턴스화되는 실시예에서, 이러한 하드웨어 모듈 간의 통신은, 예를 들면 다수의 하드웨어 모듈이 액세스하는 메모리 구조에서의 정보의 저장 및 검색을 통해 달성될 수 있다. 예를 들면, 하드웨어 모듈은 동작을 행하고, 통신 가능하게 결합된 메모리 디바이스에 해당 동작의 출력을 저장할 수 있다. 이어서, 추가적인 하드웨어 모듈이 추후 메모리 디바이스에 액세스하여, 저장된 출력을 검색 및 처리할 수 있다. 또한, 하드웨어 모듈은 입력 또는 출력 디바이스와의 통신을 개시할 수 있고, 리소스(예를 들면, 정보의 컬렉션)를 조작할 수 있다.
여기에 기재되는 예시적인 방법의 다양한 동작은, 관련된 동작들을 (예를 들면, 소프트웨어에 의해) 일시적으로 행하도록 구성되거나 영구적으로 행하도록 구성된 하나 이상의 프로세서에 의해 적어도 부분적으로 행해질 수 있다. 일시적 또는 영구적으로 구성되는지에 상관 없이, 이러한 프로세서들은 여기에서 설명되는 하나 이상의 동작이나 기능을 행하도록 동작하는 프로세서 구현 모듈들을 구성할 수 있다. 여기에서 사용되는 "프로세서 구현 모듈"은 하나 이상의 프로세서를 사용하여 구현되는 하드웨어 모듈을 말한다.
마찬가지로, 여기에서 설명되는 방법은 적어도 부분적으로 프로세서 구현될 수 있고, 프로세서는 하드웨어 일례이다. 예를 들면, 방법의 동작들 중 적어도 일부는 하나 이상의 프로세서 또는 프로세서 구현 모듈들에 의해 행해질 수 있다. 또한, 하나 이상의 프로세서는 "클라우드 컴퓨팅" 환경에서 또는 "SaaS(software as a service)"로서 관련 동작의 수행을 지원하도록 동작할 수 있다. 예를 들면, 동작들 중 적어도 일부는 (프로세서들을 포함하는 머신들의 예로서) 컴퓨터들의 그룹에 의해 행해질 수 있으며, 이 동작들은, 네트워크(예를 들면, 인터넷), 및 하나 이상의 적절한 인터페이스(예를 들면, API(application program interface))를 통해 액세스 가능한다.
특정 동작의 수행은, 단일 머신에 상주하는 것 뿐만 아니라 다수의 머신에 배치되는 하나 이상의 프로세서 간에 분산될 수 있다. 일부 실시예에서, 하나 이상의 프로세서 또는 프로세서 구현 모듈들은 단일의 지리적 위치(예를 들면, 홈 환경, 사무실 환경, 또는 서버 팜(farm))에 위치될 수 있다. 다른 실시예에서, 하나 이상의 프로세서 또는 프로세서 구현 모듈들은 다수의 지리적 위치에 분산될 수 있다.
본 명세서의 몇몇 부분은, 머신 메모리(예를 들면, 컴퓨터 메모리)에 비트 또는 이진 디지털 신호로서 저장되는 데이터에 대한 연산의 알고리즘 또는 부호 표현의 관점에서 제시된다. 이 알고리즘 또는 부호 표현은 데이터 처리 분야의 통상의 기술자가 다른 통상의 기술자에게 그들의 작업 내용을 전달하는 데 사용되는 기술의 예이다. 여기에서 사용되는 "알고리즘"은 원하는 결과를 이르는 동작들 또는 유사한 처리의 일관성 있는 순서이다. 이런 맥락에서, 알고리즘 및 동작은 물리량의 물리적 조작을 수반한다. 반드시 그렇지는 않지만 일반적으로 이러한 양은, 저장, 액세스, 전달, 결합, 비교, 또는 머신에 의해 달리 조작될 수 있는 전기적, 자기적, 또는 광학적 신호의 형태를 취할 수 있다. "데이터", "내용", "비트", "값", "요소", "부호", "문자", "용어", "숫자", "수" 등의 단어를 사용하여 이러한 신호를 기술하는 것이, 주로 일반적인 사용의 이유로 때로는 편리하다. 그러나, 이 단어들은 단순히 편의상의 레이블이며 적절한 물리량과 연관되는 것이다.
달리 구체적으로 기재하지 않는 한, 본원에서 "처리", "컴퓨팅", "계산", "판정", "제시", "표시" 등과 같은 단어들을 사용한 논의는, 하나 이상의 메모리들(예를 들면, 휘발성 메모리, 비휘발성 메모리, 또는 그 임의의 적절한 조합), 레지스터들, 또는 정보의 수신, 저장, 전송, 또는 표시를 하는 다른 머신 구성 요소 내에 물리적(예를 들면, 전자적, 자기적, 또는 광학적) 양으로서 표현되는 데이터를 조작하거나 변환하는 머신(예를 들면, 컴퓨터)의 동작들 또는 프로세스들을 참조할 수 있다. 또한, 달리 구체적으로 기재하지 않는 한, 특허문헌들에서 일반적이며 본원에서 복수로 표현되지 않은 용어들은 하나의 인스턴스 이상을 포함하는 것이다. 마지막으로, 달리 구체적으로 기재하지 않는 한, 본원에서 사용되는 접속어 "또는"은 비배탁적(nonexclusive) "또는"을 말한다.
다음에 열거한 설명은 본원에서 논의된 방법 및 시스템(예를 들면, 장치)의 다양한 실시예를 정의한다.
1. 방법은,
제 1 아이템 및 제 2 아이템을 기술(description)하는 메타데이터 내의 디스크립터(descriptor)들에 액세스하는 단계로서, 상기 디스크립터들 및 메타데이터는, 디스크립터들을 메타데이터 모델의 다수의 계층들로 조직화하는 상기 메타데이터 모델에 대응하는 메타데이터 타입을 갖고, 상기 디스크립터들은 제 1 아이템의 제 1 디스크립터 및 제 2 아이템의 제 2 디스크립터를 포함하고, 상기 제 1 디스크립터 및 상기 제 2 디스크립터는 상기 메타데이터 모델의 다수의 계층들 중의 계층에서 표현되는 상기 액세스하는 단계,
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 메타데이터 모델에서 표현되는 상기 계층에 의거하여, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 디스크립터들의 클러스터(cluster)의 멤버임을 판정하는 단계 - 상기 판정하는 단계는 머신의 프로세서에 의해 행해짐 -, 및
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 멤버인 디스크립터들의 클러스터에 의거하여, 사용자 프로파일을 생성하는 단계를 포함한다.
2. 기재 1의 방법에서,
상기 제 1 아이템 및 상기 제 2 아이템은 사용자에게 속하는 아이템들의 컬렉션의 표본(specimen)들이다.
3. 기재 2의 방법에서,
상기 아이템들의 컬렉션은 상기 사용자의 미디어 라이브러리(media library)이고,
상기 제 1 아이템은 상기 사용자의 미디어 라이브러리 내의 제 1 미디어 파일이고,
상기 제 2 아이템은 상기 사용자의 미디어 라이브러리 내의 제 2 미디어 파일이다.
4. 기재 1 내지 기재 3 중 어느 하나의 방법에서,
상기 메타데이터 모델의 메타데이터 타입은, 장르, 무드, 연원(origin), 시대, 템포, 및 아티스트 타입으로 구성되는 그룹으로부터 선택된다.
5. 기재 1 내지 기재 4 중 어느 하나의 방법에서,
상기 메타데이터 모델은 상기 디스크립터들을, 상기 메타데이터 모델의 다수의 계층들을 포함하는 디스크립터들의 계위(hierarchy)로 조직화한다.
6. 기재 1 내지 기재 5 중 어느 하나의 방법에서,
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하는 단계는, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 서로 매칭됨을 판정하는 단계를 포함한다.
7. 기재 6의 방법은,
상기 제 1 디스크립터가 상기 제 2 디스크립터와 매칭됨의 판정에 의거하여, 상기 클러스터의 이름을 판정하는 단계를 더 포함하고,
상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을, 상기 사용자 프로파일에 대응하는 사용자의 취향을 기술하는 취향 디스크립터로서 상기 사용자 프로파일 내에 저장한다.
8. 기재 1 내지 기재 5 중 어느 하나의 방법에서,
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하는 단계는, 상기 제 1 디스크립터와 상기 제 2 디스크립터가 서로 유사함을 판정하는 단계를 포함한다.
9. 기재 8의 방법은,
상기 제 1 아이템의 제 3 디스크립터가 상기 제 2 아이템의 제 4 디스크립터와 매칭됨의 판정에 의거하여, 상기 클러스터의 이름을 판정하는 단계를 더 포함하고,
상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을, 상기 사용자 프로파일에 대응하는 사용자의 취향을 기술하는 취향 디스크립터로서 상기 사용자 프로파일 내에 저장하는 단계를 포함한다.
10. 기재 9의 방법은,
상기 제 3 디스크립터 및 상기 제 4 디스크립터는 상기 제 1 디스크립터 및 상기 제 2 디스크립터의 메타데이터 타입을 갖고,
상기 제 3 디스크립터 및 상기 제 4 디스크립터는 상기 메타데이터 모델의 다수의 계층들 중의 추가적인 계층에 표현된다.
11. 기재 9의 방법은,
상기 제 3 디스크립터 및 상기 제 4 디스크립터는, 상기 제 1 디스크립터 및 상기 제 2 디스크립터의 메타데이터 타입과는 구별되는 추가적인 메타데이터 타입을 갖고,
상기 제 3 디스크립터 및 상기 제 4 디스크립터는 상기 메타데이터 모델에는 없고 상기 추가적인 메타데이터 타입에 대응하는 추가적인 메타데이터 모델에 표현된다.
12. 기재 1 내지 기재 11 중 어느 하나의 방법에서,
상기 메타데이터 모델은, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 표현되는 계층이 상기 메타데이터 모델의 다수의 계층들 중의 추가적인 계층의 추가적인 가중치를 초과하는 가중치를 가짐을 나타내고,
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하는 단계는, 상기 계층의 가중치가 상기 추가적인 계층의 추가적인 가중치를 초과하는 것에 의거한다.
13. 기재 12의 방법에서,
상기 메타데이터 모델은, 최상위 계층이, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 표현되는 계층의 가중치보다 낮게 가중되는 다수의 계층들의 계위를 포함한다.
14. 기재 1 내지 기재 13 중 어느 하나의 방법에서,
상기 제 1 아이템 및 상기 제 2 아이템을, 사용자의 다수의 위치 및 사용자의 생체 상태와 상관시키는 컨텍스트 데이터(contextual data)에 의거하여, 사용자의 활동을 판정하는 단계를 더 포함하고,
상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을, 사용자의 다수의 위치 및 사용자의 생체 상태에 의거하여 판정된 활동에 대응하여 사용자 프로파일 내에 저장하는 단계를 포함한다.
15. 기재 1 내지 기재 14 중 어느 하나의 방법에서,
상기 제 1 아이템 및 상기 제 2 아이템을 요일 및 시각과 상관시키는 컨텍스트 데이터에 의거하여, 사용자의 활동을 판정하는 단계를 더 포함하고,
상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을, 요일 및 시각에 의거하여 판정된 활동에 대응하여 사용자 프로파일 내에 저장하는 단계를 포함한다.
16. 기재 1 내지 기재 15 중 어느 하나의 방법에서,
상기 제 1 아이템 및 상기 제 2 아이템을, 임계 지속 기간보다 짧은 지속 기간을 갖는 기간과 상관시키는 컨텍스트 데이터에 의거하여, 사용자의 이례적인 상(anomalous phase)을 판정하는 단계를 더 포함하고,
상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을 상기 사용자 프로파일에서 삭제하는 단계를 포함한다.
17. 머신의 하나 이상의 프로세서에 의한 실행시에,
상기 머신에,
제 1 아이템 및 제 2 아이템을 기술하는 메타데이터 내의 디스크립터들에 액세스하는 동작으로서, 상기 디스크립터들 및 메타데이터는, 디스크립터들을 메타데이터 모델의 다수의 계층들로 조직화하는 상기 메타데이터 모델에 대응하는 메타데이터 타입을 갖고, 상기 디스크립터들은 제 1 아이템의 제 1 디스크립터 및 제 2 아이템의 제 2 디스크립터를 포함하고, 상기 제 1 디스크립터 및 상기 제 2 디스크립터는 상기 메타데이터 모델의 다수의 계층들 중의 계층에서 표현되는 상기 액세스하는 동작,
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 메타데이터 모델에서 표현되는 상기 계층에 의거하여, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 디스크립터들의 클러스터의 멤버임을 판정하는 동작 - 상기 판정하는 동작은 머신의 하나 이상의 프로세서에 의해 행해짐 -, 및
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 멤버인 디스크립터들의 클러스터에 의거하여, 사용자 프로파일을 생성하는 동작을
행하게 하는 명령을 포함하는 비일시적인 머신 판독 가능한 저장 매체.
18. 기재 17의 비일시적인 머신 판독 가능한 저장 매체에서,
상기 메타데이터 모델은, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 표현되는 계층이 상기 메타데이터 모델의 다수의 계층들 중의 추가적인 계층의 추가적인 가중치를 초과하는 가중치를 가짐을 나타내고,
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하는 동작은, 상기 계층의 가중치가 상기 추가적인 계층의 추가적인 가중치를 초과하는 것에 의거하는 비일시적인 머신 판독 가능한 저장 매체.
19. 시스템은,
제 1 아이템 및 제 2 아이템을 기술하는 메타데이터 내의 디스크립터들에 액세스하도록 구성된 액세스 모듈로서, 상기 디스크립터들 및 메타데이터는, 디스크립터들을 메타데이터 모델의 다수의 계층들로 조직화하는 상기 메타데이터 모델에 대응하는 메타데이터 타입을 갖고, 상기 디스크립터들은 제 1 아이템의 제 1 디스크립터 및 제 2 아이템의 제 2 디스크립터를 포함하고, 상기 제 1 디스크립터 및 상기 제 2 디스크립터는 상기 메타데이터 모델의 다수의 계층들 중의 계층에서 표현되는 상기 액세스 모듈,
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 메타데이터 모델에서 표현되는 상기 계층에 의거하여, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 디스크립터들의 클러스터의 멤버임을 판정하도록 클러스터 모듈에 의해 구성된 프로세서, 및
상기 제 1 디스크립터 및 상기 제 2 디스크립터가 멤버인 디스크립터들의 클러스터에 의거하여, 사용자 프로파일을 생성하도록 구성된 프로파일 모듈을 포함한다.
20. 기재 19의 시스템은,
상기 메타데이터 모델은, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 표현되는 계층이 상기 메타데이터 모델의 다수의 계층들 중의 추가적인 계층의 추가적인 가중치를 초과하는 가중치를 가짐을 나타내고,
상기 클러스터 모듈은, 상기 계층의 가중치가 상기 추가적인 계층의 추가적인 가중치를 초과하는 것에 의거하여 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하도록 상기 프로세서를 구성한다.

Claims (20)

  1. 제 1 아이템 및 제 2 아이템을 기술(description)하는 메타데이터 내의 디스크립터(descriptor)들에 액세스하는 단계로서, 상기 디스크립터들 및 메타데이터는, 상기 디스크립터들을 메타데이터 모델의 다수의 계층들로 조직화하는 상기 메타데이터 모델에 대응하는 메타데이터 타입을 갖고, 상기 디스크립터들은 상기 제 1 아이템의 제 1 디스크립터 및 상기 제 2 아이템의 제 2 디스크립터를 포함하고, 상기 제 1 디스크립터 및 상기 제 2 디스크립터는 상기 메타데이터 모델의 다수의 계층들 중의 계층에서 표현되는 상기 액세스하는 단계,
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 메타데이터 모델에서 표현되는 상기 계층에 의거하여, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 디스크립터들의 클러스터(cluster)의 멤버임을 판정하는 단계 - 상기 판정하는 단계는 머신의 프로세서에 의해 행해짐 -, 및
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 멤버인 디스크립터들의 상기 클러스터에 의거하여, 사용자 프로파일을 생성하는 단계를 포함하는 방법.
  2. 제 1 항에 있어서,
    상기 제 1 아이템 및 상기 제 2 아이템은 사용자에게 속하는 아이템들의 컬렉션의 표본(specimen)들인 방법.
  3. 제 2 항에 있어서,
    상기 아이템들의 컬렉션은 상기 사용자의 미디어 라이브러리(media library)이고,
    상기 제 1 아이템은 상기 사용자의 미디어 라이브러리 내의 제 1 미디어 파일이고,
    상기 제 2 아이템은 상기 사용자의 미디어 라이브러리 내의 제 2 미디어 파일인 방법.
  4. 제 1 항에 있어서,
    상기 메타데이터 모델의 메타데이터 타입은, 장르, 무드, 연원(origin), 시대, 템포, 및 아티스트 타입으로 구성되는 그룹으로부터 선택되는 방법.
  5. 제 1 항에 있어서,
    상기 메타데이터 모델은 상기 디스크립터들을, 상기 메타데이터 모델의 다수의 계층들을 포함하는 디스크립터들의 계위(hierarchy)로 조직화하는 방법.
  6. 제 1 항에 있어서,
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하는 단계는, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 서로 매칭됨을 판정하는 단계를 포함하는 방법.
  7. 제 6 항에 있어서,
    상기 제 1 디스크립터가 상기 제 2 디스크립터와 매칭됨의 판정에 의거하여, 상기 클러스터의 이름을 판정하는 단계를 더 포함하고,
    상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을, 상기 사용자 프로파일에 대응하는 사용자의 취향을 기술하는 취향 디스크립터로서 상기 사용자 프로파일 내에 저장하는 단계를 포함하는 방법.
  8. 제 1 항에 있어서,
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하는 단계는, 상기 제 1 디스크립터와 상기 제 2 디스크립터가 서로 유사함을 판정하는 단계를 포함하는 방법.
  9. 제 8 항에 있어서,
    상기 제 1 아이템의 제 3 디스크립터가 상기 제 2 아이템의 제 4 디스크립터와 매칭됨의 판정에 의거하여, 상기 클러스터의 이름을 판정하는 단계를 더 포함하고,
    상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을, 상기 사용자 프로파일에 대응하는 사용자의 취향을 기술하는 취향 디스크립터로서 상기 사용자 프로파일 내에 저장하는 단계를 포함하는 방법.
  10. 제 9 항에 있어서,
    상기 제 3 디스크립터 및 상기 제 4 디스크립터는 상기 제 1 디스크립터 및 상기 제 2 디스크립터의 메타데이터 타입을 갖고,
    상기 제 3 디스크립터 및 상기 제 4 디스크립터는 상기 메타데이터 모델의 다수의 계층들 중의 추가적인 계층에 표현되는 방법.
  11. 제 9 항에 있어서,
    상기 제 3 디스크립터 및 상기 제 4 디스크립터는, 상기 제 1 디스크립터 및 상기 제 2 디스크립터의 메타데이터 타입과는 구별되는 추가적인 메타데이터 타입을 갖고,
    상기 제 3 디스크립터 및 상기 제 4 디스크립터는 상기 메타데이터 모델에는 없고 상기 추가적인 메타데이터 타입에 대응하는 추가적인 메타데이터 모델에 표현되는 방법.
  12. 제 1 항에 있어서,
    상기 메타데이터 모델은, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 표현되는 계층이 상기 메타데이터 모델의 다수의 계층들 중의 추가적인 계층의 추가적인 가중치를 초과하는 가중치를 가짐을 나타내고,
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하는 단계는, 상기 계층의 가중치가 상기 추가적인 계층의 추가적인 가중치를 초과하는 것에 의거하는 방법.
  13. 제 12 항에 있어서,
    상기 메타데이터 모델은, 최상위 계층이, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 표현되는 계층의 가중치보다 낮게 가중되는 다수의 계층들의 계위를 포함하는 방법.
  14. 제 1 항에 있어서,
    상기 제 1 아이템 및 상기 제 2 아이템을 사용자의 다수의 위치 및 사용자의 생체 상태와 상관시키는 컨텍스트 데이터(contextual data)에 의거하여, 사용자의 활동을 판정하는 단계를 더 포함하고,
    상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을, 사용자의 다수의 위치 및 사용자의 생체 상태에 의거하여 판정된 활동에 대응하여 상기 사용자 프로파일 내에 저장하는 단계를 포함하는 방법.
  15. 제 1 항에 있어서,
    상기 제 1 아이템 및 상기 제 2 아이템을 요일 및 시각과 상관시키는 컨텍스트 데이터에 의거하여, 사용자의 활동을 판정하는 단계를 더 포함하고,
    상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을, 상기 요일 및 상기 시각에 의거하여 판정된 활동에 대응하여 상기 사용자 프로파일 내에 저장하는 단계를 포함하는 방법.
  16. 제 1 항에 있어서,
    상기 제 1 아이템 및 상기 제 2 아이템을 임계 지속 기간보다 짧은 지속 기간을 갖는 기간과 상관시키는 컨텍스트 데이터에 의거하여, 사용자의 이례적인 상(anomalous phase)을 판정하는 단계를 더 포함하고,
    상기 사용자 프로파일을 생성하는 단계는, 상기 클러스터의 이름을 상기 사용자 프로파일에서 제외하는 단계를 포함하는 방법.
  17. 머신의 하나 이상의 프로세서에 의한 실행시에,
    상기 머신에,
    제 1 아이템 및 제 2 아이템을 기술하는 메타데이터 내의 디스크립터들에 액세스하는 동작으로서, 상기 디스크립터들 및 메타데이터는, 상기 디스크립터들을 메타데이터 모델의 다수의 계층들로 조직화하는 상기 메타데이터 모델에 대응하는 메타데이터 타입을 갖고, 상기 디스크립터들은 상기 제 1 아이템의 제 1 디스크립터 및 상기 제 2 아이템의 제 2 디스크립터를 포함하고, 상기 제 1 디스크립터 및 상기 제 2 디스크립터는 상기 메타데이터 모델의 다수의 계층들 중의 계층에서 표현되는 상기 액세스하는 동작,
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 메타데이터 모델에서 표현되는 상기 계층에 의거하여, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 디스크립터들의 클러스터의 멤버임을 판정하는 동작 - 상기 판정하는 동작은 머신의 하나 이상의 프로세서에 의해 행해짐 -, 및
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 멤버인 디스크립터들의 상기 클러스터에 의거하여, 사용자 프로파일을 생성하는 동작을
    행하게 하는 명령을 포함하는 비일시적인 머신 판독 가능한 저장 매체.
  18. 제 17 항에 있어서,
    상기 메타데이터 모델은, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 표현되는 계층이 상기 메타데이터 모델의 다수의 계층들 중의 추가적인 계층의 추가적인 가중치를 초과하는 가중치를 가짐을 나타내고,
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하는 동작은, 상기 계층의 가중치가 상기 추가적인 계층의 추가적인 가중치를 초과하는 것에 의거하는 비일시적인 머신 판독 가능한 저장 매체.
  19. 제 1 아이템 및 제 2 아이템을 기술하는 메타데이터 내의 디스크립터들에 액세스하도록 구성된 액세스 모듈로서, 상기 디스크립터들 및 메타데이터는, 상기 디스크립터들을 메타데이터 모델의 다수의 계층들로 조직화하는 상기 메타데이터 모델에 대응하는 메타데이터 타입을 갖고, 상기 디스크립터들은 상기 제 1 아이템의 제 1 디스크립터 및 상기 제 2 아이템의 제 2 디스크립터를 포함하고, 상기 제 1 디스크립터 및 상기 제 2 디스크립터는 상기 메타데이터 모델의 다수의 계층들 중의 계층에서 표현되는 상기 액세스 모듈,
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 메타데이터 모델에서 표현되는 상기 계층에 의거하여, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 디스크립터들의 클러스터의 멤버임을 판정하도록 클러스터 모듈에 의해 구성된 프로세서, 및
    상기 제 1 디스크립터 및 상기 제 2 디스크립터가 멤버인 디스크립터들의 상기 클러스터에 의거하여, 사용자 프로파일을 생성하도록 구성된 프로파일 모듈을 포함하는 시스템.
  20. 제 19 항에 있어서,
    상기 메타데이터 모델은, 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 표현되는 계층이 상기 메타데이터 모델의 다수의 계층들 중의 추가적인 계층의 추가적인 가중치를 초과하는 가중치를 가짐을 나타내고,
    상기 클러스터 모듈은, 상기 계층의 가중치가 상기 추가적인 계층의 추가적인 가중치를 초과하는 것에 의거하여 상기 제 1 디스크립터 및 상기 제 2 디스크립터가 상기 클러스터의 멤버임을 판정하도록 상기 프로세서를 구성하는 시스템.
KR1020157007737A 2012-09-12 2013-08-19 계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일 KR102284383B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/611,740 2012-09-12
US13/611,740 US10140372B2 (en) 2012-09-12 2012-09-12 User profile based on clustering tiered descriptors
PCT/US2013/055576 WO2014042826A2 (en) 2012-09-12 2013-08-19 User profile based on clustering tiered descriptors

Publications (2)

Publication Number Publication Date
KR20150054861A true KR20150054861A (ko) 2015-05-20
KR102284383B1 KR102284383B1 (ko) 2021-08-03

Family

ID=50234428

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157007737A KR102284383B1 (ko) 2012-09-12 2013-08-19 계층화된 디스크립터들의 클러스터링에 기반한 사용자 프로파일

Country Status (7)

Country Link
US (4) US10140372B2 (ko)
EP (2) EP2895971A4 (ko)
JP (1) JP6288683B2 (ko)
KR (1) KR102284383B1 (ko)
CA (1) CA2884534A1 (ko)
IL (1) IL237605A0 (ko)
WO (1) WO2014042826A2 (ko)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9686596B2 (en) 2008-11-26 2017-06-20 Free Stream Media Corp. Advertisement targeting through embedded scripts in supply-side and demand-side platforms
US9703947B2 (en) 2008-11-26 2017-07-11 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9716736B2 (en) 2008-11-26 2017-07-25 Free Stream Media Corp. System and method of discovery and launch associated with a networked media device
US9961388B2 (en) 2008-11-26 2018-05-01 David Harrison Exposure of public internet protocol addresses in an advertising exchange server to improve relevancy of advertisements
US9986279B2 (en) 2008-11-26 2018-05-29 Free Stream Media Corp. Discovery, access control, and communication with networked services
KR20180099721A (ko) * 2015-12-31 2018-09-05 하만인터내셔날인더스트리스인코포레이티드 소리 식별을 위한 크라우드 소스 데이터베이스
US10334324B2 (en) 2008-11-26 2019-06-25 Free Stream Media Corp. Relevant advertisement generation based on a user operating a client device communicatively coupled with a networked media device
US10419541B2 (en) 2008-11-26 2019-09-17 Free Stream Media Corp. Remotely control devices over a network without authentication or registration
US10567823B2 (en) 2008-11-26 2020-02-18 Free Stream Media Corp. Relevant advertisement generation based on a user operating a client device communicatively coupled with a networked media device
US10631068B2 (en) 2008-11-26 2020-04-21 Free Stream Media Corp. Content exposure attribution based on renderings of related content across multiple devices
US10880340B2 (en) 2008-11-26 2020-12-29 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US10977693B2 (en) 2008-11-26 2021-04-13 Free Stream Media Corp. Association of content identifier of audio-visual data with additional data through capture infrastructure

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10140372B2 (en) 2012-09-12 2018-11-27 Gracenote, Inc. User profile based on clustering tiered descriptors
US20160261921A1 (en) * 2012-11-21 2016-09-08 Dante Consulting, Inc Context based shopping capabilities when viewing digital media
US10861045B2 (en) * 2016-09-07 2020-12-08 Tivo Solutions Inc. Automatically labeling clusters of media content consumers
CN110110237A (zh) * 2017-12-19 2019-08-09 福建天泉教育科技有限公司 用户兴趣信息推荐方法、存储介质
US11200536B2 (en) * 2018-09-07 2021-12-14 Texas Tech University System Systems and methods for predictively managing collections of items
CN110275986B (zh) * 2019-04-23 2022-02-11 深圳市傲天科技股份有限公司 基于协同过滤的视频推荐方法、服务器及计算机存储介质
US11403649B2 (en) 2019-09-11 2022-08-02 Toast, Inc. Multichannel system for patron identification and dynamic ordering experience enhancement
CN112001384A (zh) * 2020-08-14 2020-11-27 广州掌淘网络科技有限公司 商圈识别的方法及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050077036A (ko) * 2004-01-26 2005-07-29 마이크로소프트 코포레이션 자동 질의 클러스터링

Family Cites Families (89)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5758257A (en) 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US5616876A (en) 1995-04-19 1997-04-01 Microsoft Corporation System and methods for selecting music on the basis of subjective content
US6049777A (en) 1995-06-30 2000-04-11 Microsoft Corporation Computer-implemented collaborative filtering based method for recommending an item to a user
US6317722B1 (en) 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US6411724B1 (en) 1999-07-02 2002-06-25 Koninklijke Philips Electronics N.V. Using meta-descriptors to represent multimedia information
US7212972B2 (en) * 1999-12-08 2007-05-01 Ddi Corporation Audio features description method and audio video features description collection construction method
US6389467B1 (en) 2000-01-24 2002-05-14 Friskit, Inc. Streaming media search and continuous playback system of media resources located by multiple network addresses
US7076561B1 (en) 2000-03-08 2006-07-11 Music Choice Personalized audio system and method
US8352331B2 (en) 2000-05-03 2013-01-08 Yahoo! Inc. Relationship discovery engine
AU2001267815A1 (en) 2000-06-29 2002-01-08 Musicgenome.Com Inc. Using a system for prediction of musical preferences for the distribution of musical content over cellular networks
US7075000B2 (en) 2000-06-29 2006-07-11 Musicgenome.Com Inc. System and method for prediction of musical preferences
US7206775B2 (en) 2000-07-06 2007-04-17 Microsoft Corporation System and methods for the automatic transmission of new, high affinity media
EP1215834A1 (en) * 2000-12-15 2002-06-19 Sony France S.A. Information sequence extraction and building apparatus e.g. for producing personalised music title sequences
US6928433B2 (en) * 2001-01-05 2005-08-09 Creative Technology Ltd Automatic hierarchical categorization of music by metadata
WO2003014867A2 (en) * 2001-08-03 2003-02-20 John Allen Ananian Personalized interactive digital catalog profiling
EP1860579A1 (en) 2002-08-30 2007-11-28 Sony Deutschland Gmbh Method to split a multiuser profile
US20040073924A1 (en) 2002-09-30 2004-04-15 Ramesh Pendakur Broadcast scheduling and content selection based upon aggregated user profile information
US7657907B2 (en) 2002-09-30 2010-02-02 Sharp Laboratories Of America, Inc. Automatic user profiling
US8053659B2 (en) 2002-10-03 2011-11-08 Polyphonic Human Media Interface, S.L. Music intelligence universe server
US7081579B2 (en) 2002-10-03 2006-07-25 Polyphonic Human Media Interface, S.L. Method and system for music recommendation
US8019659B2 (en) * 2003-05-02 2011-09-13 Cbs Interactive Inc. Catalog taxonomy for storing product information and system and method using same
US20040254950A1 (en) * 2003-06-13 2004-12-16 Musgrove Timothy A. Catalog taxonomy for storing product information and system and method using same
KR100493902B1 (ko) * 2003-08-28 2005-06-10 삼성전자주식회사 콘텐츠 추천방법 및 시스템
US7693827B2 (en) 2003-09-30 2010-04-06 Google Inc. Personalization of placed content ordering in search results
US7884274B1 (en) 2003-11-03 2011-02-08 Wieder James W Adaptive personalized music and entertainment
WO2005072405A2 (en) 2004-01-27 2005-08-11 Transpose, Llc Enabling recommendations and community by massively-distributed nearest-neighbor searching
JP4492214B2 (ja) * 2004-05-24 2010-06-30 ソニー株式会社 情報処理装置および方法、並びにプログラム
WO2006011102A1 (en) * 2004-07-22 2006-02-02 Koninklijke Philips Electronics N.V. Determining a similarity between ontology concepts
US20060075013A1 (en) * 2004-09-03 2006-04-06 Hite Thomas D System and method for relating computing systems
GB0512435D0 (en) * 2005-06-17 2005-07-27 Queen Mary & Westfield College An ontology-based approach to information management for semantic music analysis systems
US7603360B2 (en) 2005-09-14 2009-10-13 Jumptap, Inc. Location influenced search results
JP2007164545A (ja) 2005-12-14 2007-06-28 Sony Corp 嗜好プロファイル生成装置、嗜好プロファイル生成方法及びプロファイル生成プログラム
US7774294B2 (en) * 2006-03-06 2010-08-10 Veveo, Inc. Methods and systems for selecting and presenting content based on learned periodicity of user content selection
US7437373B2 (en) * 2006-03-06 2008-10-14 The Real Time Matrix Corporation Method and system for correlating information
US7908273B2 (en) * 2006-03-09 2011-03-15 Gracenote, Inc. Method and system for media navigation
US20070219996A1 (en) 2006-03-17 2007-09-20 Vervelife System and method for creating custom playlists based on user inputs
US7974984B2 (en) * 2006-04-19 2011-07-05 Mobile Content Networks, Inc. Method and system for managing single and multiple taxonomies
US7640220B2 (en) * 2006-05-16 2009-12-29 Sony Corporation Optimal taxonomy layer selection method
US7844557B2 (en) * 2006-05-16 2010-11-30 Sony Corporation Method and system for order invariant clustering of categorical data
US8930204B1 (en) 2006-08-16 2015-01-06 Resource Consortium Limited Determining lifestyle recommendations using aggregated personal information
JP4910582B2 (ja) * 2006-09-12 2012-04-04 ソニー株式会社 情報処理装置および方法、並びに、プログラム
EP2062171A4 (en) 2006-09-14 2010-10-06 Veveo Inc METHOD AND SYSTEMS FOR THE DYNAMIC REORGANIZATION OF SEARCH RESULTS IN HIERARCHICALLY ORGANIZED CLAUSE CLUSTERS
WO2008097891A2 (en) * 2007-02-02 2008-08-14 Musgrove Technology Enterprises Llc Method and apparatus for aligning multiple taxonomies
US20090013260A1 (en) 2007-07-06 2009-01-08 Martin Keith D Intelligent music track selection in a networked environment
US8452725B2 (en) * 2008-09-03 2013-05-28 Hamid Hatami-Hanza System and method of ontological subject mapping for knowledge processing applications
US20090063537A1 (en) 2007-08-30 2009-03-05 Motorola, Inc. Method and apparatus for generating a user profile
US20100185700A1 (en) * 2007-09-17 2010-07-22 Yan Bodain Method and system for aligning ontologies using annotation exchange
US20090077094A1 (en) * 2007-09-17 2009-03-19 Yan Bodain Method and system for ontology modeling based on the exchange of annotations
JP5294294B2 (ja) * 2007-11-30 2013-09-18 日本電気株式会社 コンテンツ選択支援装置、コンテンツ選択支援方法及びそのプログラム
GB2471432A (en) 2008-04-03 2010-12-29 Icurrent Inc Information display system based on user profile data with assisted and explicit profile modification
EP2272011A2 (en) * 2008-04-13 2011-01-12 Ipharro Media, Gmbh Media asset management
US20090299945A1 (en) 2008-06-03 2009-12-03 Strands, Inc. Profile modeling for sharing individual user preferences
US8959108B2 (en) 2008-06-18 2015-02-17 Zeitera, Llc Distributed and tiered architecture for content search and content monitoring
US8214346B2 (en) 2008-06-27 2012-07-03 Cbs Interactive Inc. Personalization engine for classifying unstructured documents
US11461785B2 (en) 2008-07-10 2022-10-04 Ron M. Redlich System and method to identify, classify and monetize information as an intangible asset and a production model based thereon
US20100100826A1 (en) 2008-10-17 2010-04-22 Louis Hawthorne System and method for content customization based on user profile
US8271413B2 (en) * 2008-11-25 2012-09-18 Google Inc. Providing digital content based on expected user behavior
US8751494B2 (en) * 2008-12-15 2014-06-10 Rovi Technologies Corporation Constructing album data using discrete track data from multiple sources
KR101142679B1 (ko) * 2009-01-23 2012-05-03 삼성전자주식회사 생체 신호를 이용한 음악 검색 장치 및 그 방법
US20100205222A1 (en) 2009-02-10 2010-08-12 Tom Gajdos Music profiling
US20100268735A1 (en) * 2009-04-17 2010-10-21 Microsoft Corporation Online content service with catalog-based interaction
US20100281025A1 (en) * 2009-05-04 2010-11-04 Motorola, Inc. Method and system for recommendation of content items
US8805854B2 (en) 2009-06-23 2014-08-12 Gracenote, Inc. Methods and apparatus for determining a mood profile associated with media data
US8713078B2 (en) * 2009-08-13 2014-04-29 Samsung Electronics Co., Ltd. Method for building taxonomy of topics and categorizing videos
US20110060738A1 (en) * 2009-09-08 2011-03-10 Apple Inc. Media item clustering based on similarity data
US9069848B2 (en) * 2009-09-29 2015-06-30 International Business Machines Corporation Automatic taxonomy enrichment
US20110093361A1 (en) 2009-10-20 2011-04-21 Lisa Morales Method and System for Online Shopping and Searching For Groups Of Items
US10102278B2 (en) 2010-02-03 2018-10-16 Gartner, Inc. Methods and systems for modifying a user profile for a recommendation algorithm and making recommendations based on user interactions with items
US8903794B2 (en) * 2010-02-05 2014-12-02 Microsoft Corporation Generating and presenting lateral concepts
US8352483B1 (en) * 2010-05-12 2013-01-08 A9.Com, Inc. Scalable tree-based search of content descriptors
US9792640B2 (en) 2010-08-18 2017-10-17 Jinni Media Ltd. Generating and providing content recommendations to a group of users
US8478519B2 (en) * 2010-08-30 2013-07-02 Google Inc. Providing results to parameterless search queries
US9177041B2 (en) * 2010-09-03 2015-11-03 Robert Lewis Jackson, JR. Automated stratification of graph display
US8819592B2 (en) * 2010-09-03 2014-08-26 Robert Lewis Jackson, JR. Sparse dynamic selection trees
WO2012038007A2 (en) 2010-09-24 2012-03-29 Telefonica, S.A. Method for context-aware content recommendations using user contextual micro-profiles pre-filtering and collaborative filtering
WO2012064759A1 (en) * 2010-11-09 2012-05-18 Myusic, Inc. Displaying, exploring, discovering, recommending, and playing back media files based on user preferences
BR112013015357A2 (pt) 2010-12-22 2016-09-20 Thomson Licensing método e sistema para fornecer recomendações de mídia
US8484245B2 (en) * 2011-02-08 2013-07-09 Xerox Corporation Large scale unsupervised hierarchical document categorization using ontological guidance
US8489639B2 (en) * 2011-03-04 2013-07-16 Accenture Global Services Limited Information source alignment
US9552425B2 (en) * 2011-06-02 2017-01-24 Ebay Inc. System and method for determining query aspects at appropriate category levels
US8620931B2 (en) * 2011-06-24 2013-12-31 Siemens Aktiengesellschaft Method of composing an ontology alignment
US8655882B2 (en) * 2011-08-31 2014-02-18 Raytheon Company Method and system for ontology candidate selection, comparison, and alignment
US8671068B2 (en) * 2011-09-22 2014-03-11 Toyota Jidosha Kabushiki Kaisha Content recommendation system
US9110998B2 (en) * 2011-12-22 2015-08-18 Google Technology Holdings LLC Hierarchical behavioral profile
US8943004B2 (en) * 2012-02-08 2015-01-27 Adam Treiser Tools and methods for determining relationship values
US20140074650A1 (en) 2012-03-01 2014-03-13 Qloo, Inc. Personalized cross-domain recommender system
US10140372B2 (en) 2012-09-12 2018-11-27 Gracenote, Inc. User profile based on clustering tiered descriptors
US10504156B2 (en) 2012-10-23 2019-12-10 Apple Inc. Personalized media stations
US9454604B2 (en) * 2013-03-15 2016-09-27 Futurewei Technologies, Inc. Motion-based music recommendation for mobile devices

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050077036A (ko) * 2004-01-26 2005-07-29 마이크로소프트 코포레이션 자동 질의 클러스터링

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10631068B2 (en) 2008-11-26 2020-04-21 Free Stream Media Corp. Content exposure attribution based on renderings of related content across multiple devices
US10880340B2 (en) 2008-11-26 2020-12-29 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9703947B2 (en) 2008-11-26 2017-07-11 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9716736B2 (en) 2008-11-26 2017-07-25 Free Stream Media Corp. System and method of discovery and launch associated with a networked media device
US9838758B2 (en) 2008-11-26 2017-12-05 David Harrison Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9848250B2 (en) 2008-11-26 2017-12-19 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9854330B2 (en) 2008-11-26 2017-12-26 David Harrison Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9866925B2 (en) 2008-11-26 2018-01-09 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9961388B2 (en) 2008-11-26 2018-05-01 David Harrison Exposure of public internet protocol addresses in an advertising exchange server to improve relevancy of advertisements
US9967295B2 (en) 2008-11-26 2018-05-08 David Harrison Automated discovery and launch of an application on a network enabled device
US10986141B2 (en) 2008-11-26 2021-04-20 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9706265B2 (en) 2008-11-26 2017-07-11 Free Stream Media Corp. Automatic communications between networked devices such as televisions and mobile devices
US10334324B2 (en) 2008-11-26 2019-06-25 Free Stream Media Corp. Relevant advertisement generation based on a user operating a client device communicatively coupled with a networked media device
US10142377B2 (en) 2008-11-26 2018-11-27 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9986279B2 (en) 2008-11-26 2018-05-29 Free Stream Media Corp. Discovery, access control, and communication with networked services
US10419541B2 (en) 2008-11-26 2019-09-17 Free Stream Media Corp. Remotely control devices over a network without authentication or registration
US10425675B2 (en) 2008-11-26 2019-09-24 Free Stream Media Corp. Discovery, access control, and communication with networked services
US10567823B2 (en) 2008-11-26 2020-02-18 Free Stream Media Corp. Relevant advertisement generation based on a user operating a client device communicatively coupled with a networked media device
US9686596B2 (en) 2008-11-26 2017-06-20 Free Stream Media Corp. Advertisement targeting through embedded scripts in supply-side and demand-side platforms
US10771525B2 (en) 2008-11-26 2020-09-08 Free Stream Media Corp. System and method of discovery and launch associated with a networked media device
US10791152B2 (en) 2008-11-26 2020-09-29 Free Stream Media Corp. Automatic communications between networked devices such as televisions and mobile devices
US10032191B2 (en) 2008-11-26 2018-07-24 Free Stream Media Corp. Advertisement targeting through embedded scripts in supply-side and demand-side platforms
US10977693B2 (en) 2008-11-26 2021-04-13 Free Stream Media Corp. Association of content identifier of audio-visual data with additional data through capture infrastructure
KR20180099721A (ko) * 2015-12-31 2018-09-05 하만인터내셔날인더스트리스인코포레이티드 소리 식별을 위한 크라우드 소스 데이터베이스

Also Published As

Publication number Publication date
US11886521B2 (en) 2024-01-30
WO2014042826A3 (en) 2014-05-08
US20240134921A1 (en) 2024-04-25
US10140372B2 (en) 2018-11-27
US20190050488A1 (en) 2019-02-14
WO2014042826A2 (en) 2014-03-20
EP3543872A1 (en) 2019-09-25
EP2895971A2 (en) 2015-07-22
JP6288683B2 (ja) 2018-03-07
KR102284383B1 (ko) 2021-08-03
US10949482B2 (en) 2021-03-16
IL237605A0 (en) 2015-04-30
JP2015534174A (ja) 2015-11-26
CA2884534A1 (en) 2014-03-20
EP2895971A4 (en) 2016-05-04
US20210200825A1 (en) 2021-07-01
US20140074839A1 (en) 2014-03-13

Similar Documents

Publication Publication Date Title
US11886521B2 (en) User profile based on clustering tiered descriptors
US11853354B2 (en) Override of automatically shared meta-data of media
US10095771B1 (en) Clustering and recommending items based upon keyword analysis
US20180329935A1 (en) Distributed storage and processing of hierarchical data structures
US10713315B2 (en) Personalized targeting of media stations
US9965478B1 (en) Automatic generation of online media stations customized to individual users
US20130332462A1 (en) Generating content recommendations
US20230008201A1 (en) Automated Content Medium Selection
US10474670B1 (en) Category predictions with browse node probabilities
US20210149951A1 (en) Audio and Visual Asset Matching Platform
US20170103073A1 (en) Identifying Expert Reviewers
US20220027373A1 (en) Intuitive content search results suggestion system
US11223596B2 (en) Generation of composite messages using qualifying events and actions
Quadrana Algorithms for sequence-aware recommender systems
Suvarna et al. Context Aware Service Information Extraction from Bigdata
US20230412861A1 (en) Personalized content recommendations for streaming platforms
US20230388593A1 (en) Personalized content recommendations for streaming platforms
Beer et al. Implementation of a map-reduce based context-aware recommendation engine for social music events
WO2022020403A2 (en) Content cold-start machine learning and intuitive content search results suggestion system
WO2023229787A1 (en) Personalized content recommendations for streaming platforms

Legal Events

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