KR20160075103A - 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치 - Google Patents

신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치 Download PDF

Info

Publication number
KR20160075103A
KR20160075103A KR1020140184651A KR20140184651A KR20160075103A KR 20160075103 A KR20160075103 A KR 20160075103A KR 1020140184651 A KR1020140184651 A KR 1020140184651A KR 20140184651 A KR20140184651 A KR 20140184651A KR 20160075103 A KR20160075103 A KR 20160075103A
Authority
KR
South Korea
Prior art keywords
preference
category
content
representative user
average
Prior art date
Application number
KR1020140184651A
Other languages
English (en)
Other versions
KR101646855B1 (ko
Inventor
한요섭
최상민
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020140184651A priority Critical patent/KR101646855B1/ko
Publication of KR20160075103A publication Critical patent/KR20160075103A/ko
Application granted granted Critical
Publication of KR101646855B1 publication Critical patent/KR101646855B1/ko

Links

Images

Classifications

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

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

콜드 스타트 문제를 해결할 수 있는 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치에 관한 기술이 개시된다. 개시된 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법은 상기 신규 컨텐츠의 카테고리에 대한 대표 사용자 그룹을 선정하는 단계; 상기 대표 사용자 그룹에 포함된 대표 사용자의 상기 카테고리에 대한 제1카테고리 선호도를 이용하여, 상기 대표 사용자 그룹의 제1평균 카테고리 선호도를 생성하는 단계; 및 상기 제1평균 카테고리 선호도 및 상기 카테고리의 개수를 이용하여, 상기 컨텐츠 선호도를 예측하는 단계 를 포함한다.

Description

신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치{Method and Device for Predicting Preference of New Content}
본 발명은 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치에 관한 것으로서, 더욱 상세하게는 콜드 스타트(cold-start) 문제를 해결할 수 있는 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치에 관한 것이다.
음악, 서적, 비디오 등과 같이 사용자가 사용할 수 있는 컨텐츠의 종류와 개수가 꾸준히 증가하고 있다. 특히, 인터넷 사용 인구의 폭발적인 증가로 인하여, 인터넷 상에 존재하는 컨텐츠의 수가 그 수를 헤아리기 힘들 정도이다. 이와 같이 사용자에게 제공되는 컨텐츠의 수가 증가함에 따라 사용자가 원하는 컨텐츠를 정확히 검색하여 제공하기가 갈수록 어려워진다. 따라서 사용자가 원하는 컨텐츠를 검색하는 시간을 줄여주기 위해 컨텐츠를 추천해주는 방법이 등장하였다.
컨텐츠 추천 방법의 대표적인 예로 협업 필터링(collaborative filtering) 기법이 있다. 협업 필터링 기법이란 사용자로부터 얻어진 선호도 정보(preference information)에 기반하여, 특정 사용자의 관심사를 예측하는 방법이다. 보다 구체적으로, '유사한 성향을 갖는 사용자는 유사한 컨텐츠를 선호한다'는 전제하에, 유사 사용자 그룹의 선호도에 기반하여 특정 사용자의 선호도를 예측한다.
일반적인 협업 필터링 기법은 총 세 단계로 나누어 설명할 수 있다. 우선 첫 번째 단계는 추천할 특정 사용자를 선정하여 나머지 사용자들과의 상관계수를 구하는 과정이다. [수학식 1]로부터 얻어지는 피어슨 상관계수가 이용될 수 있다.
Figure pat00001
여기서,
Figure pat00002
는 피어슨 상관계수를 나타내며, Xi는 사용자 X의 선호도를 나타내며,
Figure pat00003
는 사용자 X의 평균 선호도를 나타낸다.
피어슨 상관계수는 1에서 -1사이의 값을 나타내며, 피어슨 상관계수가 1에 가까울수록 두 사용자(X, Y)의 성향이 비슷함을 의미하고 -1에 가까울수록 반대의 성향임을 나타낸다.
두 번째 단계는 유사사용자 그룹인 이웃을 구성하는 단계이다. 이웃의 선정은 특정 상관계수 이상의 사용자들을 대상으로 한다.
마지막으로 세 번째 단계는 이웃들의 선호도를 기반으로 특정 사용자의 만족도를 예측하는 단계이다. 이를 위하여 [수학식 2]를 이용한다.
Figure pat00004
여기서, P는 사용자 X의 선호도 예측 값을 나타내며, raters는 유사사용자 그룹을 나타낸다.
기존의 협업 필터링 기법은, 계산 과정 모두에서 사용자들의 선호도를 이용한다. 따라서 사용자 선호도가 존재하지 않는 새로운 컨텐츠 또는 새로운 사용자들은 추천의 과정에서 제외되는 현상이 발생한다. 이러한 현상을 콜드 스타트(cold-start) 문제라고 하며, 콜드 스타트 문제를 해결할 수 있는 컨텐츠 선호도 예측 방법에 대한 연구가 필요하다.
본 발명은 콜드 스타트 문제를 해결할 수 있는 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법을 제공하기 위한 것이다.
특히, 본 발명은 신규 컨텐츠가 속한 카테고리에 대한 선호도를 이용함으로써, 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법을 제공하기 위한 것이다.
상기한 목적을 달성하기 위해 본 발명의 일 실시예에 따르면, 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법에 있어서, 상기 신규 컨텐츠의 카테고리에 대한 대표 사용자 그룹을 선정하는 단계; 상기 대표 사용자 그룹에 포함된 대표 사용자의 상기 카테고리에 대한 제1카테고리 선호도를 이용하여, 상기 대표 사용자 그룹의 제1평균 카테고리 선호도를 생성하는 단계; 및 상기 제1평균 카테고리 선호도 및 상기 카테고리의 개수를 이용하여, 상기 컨텐츠 선호도를 예측하는 단계를 포함하는 컨텐츠 선호도 예측 방법을 제공한다.
또한 상기한 목적을 달성하기 위해 본 발명의 다른 실시예에 따르면, 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법에 있어서, 제1컨텐츠 선호도가 부여된 복수의 컨텐츠에 대한 카테고리 정보를 이용하여, 상기 신규 컨텐츠의 카테고리에 대한 카테고리 선호도를 생성하는 단계; 상기 카테고리 선호도를 이용하여, 상기 신규 컨텐츠의 카테고리에 대한 제1평균 카테고리 선호도를 생성하는 단계; 상기 카테고리 선호도 및 상기 제1평균 카테고리 선호도를 이용하여, 상기 신규 컨텐츠 카테고리에 대한 대표 사용자 그룹을 선정하는 단계; 및 상기 대표 사용자 그룹에 포함된 대표 사용자의 카테고리 선호도 및 상기 신규 컨텐츠 카테고리의 개수를 이용하여, 상기 신규 컨텐츠에 대한 제2컨텐츠 선호도를 예측하는 단계를 포함하는 컨텐츠 선호도 예측 방법을 제공한다.
또한 상기한 목적을 달성하기 위해 본 발명의 또 다른 실시예에 따르면, 신규 컨텐츠에 대한 컨텐츠 선호도 예측 장치에 있어서, 상기 신규 컨텐츠의 카테고리에 대한 대표 사용자 그룹을 선정하는 대표 사용자 선정부; 상기 대표 사용자 그룹에 포함된 대표 사용자의 상기 카테고리에 대한 카테고리 선호도를 이용하여, 상기 대표 사용자 그룹의 평균 카테고리 선호도를 생성하는 선호도 생성부; 및 상기 평균 카테고리 선호도 및 상기 카테고리의 개수를 이용하여, 상기 컨텐츠 선호도를 예측하는 선호도 예측부를 포함하는 컨텐츠 선호도 예측 장치를 제공한다.
본 발명에 따르면 선호도 정보가 존재하지 않는 신규 컨텐츠가 속한 카테고리에 대한 선호도 정보를 이용함으로써, 신규 컨텐츠에 대한 선호도를 예측할 수 있다.
또한 본 발명에 따르면, 신규 컨텐츠에 대한 선호도를 예측함으로써, 콜드 스타트 문제를 해결할 수 있다.
도 1은 본 발명의 일실시예에 따른 신규 컨텐츠에 대한 컨텐츠 선호도 예측 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 구체적 실시예에 따른 신규 컨텐츠에 대한 컨텐츠 선호도 예측 장치를 설명하기 위한 도면이다.
도 3은 사용자 각각에 대한 카테고리 선호도 정보를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 다른 실시예에 따른 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법을 설명하기 위한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
본 발명은 신규 컨텐츠가 속한 카테고리에 대한 선호도에 기반하여, 선호도 정보가 존재하지 않는 신규 컨텐츠에 대한 선호도를 예측하는 방법 및 장치를 제공한다. 예를 들어, 신규 컨텐츠가 영화이고 영화가 속한 카테고리가 액션 및 스릴러일 경우, 본 발명은 액션 및 스릴러 카테고리에 대한 사용자들의 선호도를 이용하여 신규 컨텐츠에 대한 선호도를 예측할 수 있다.
일반적으로 컨텐츠에는 카테고리가 할당되므로, 이미 선호도가 존재하는 카테고리에 대한 선호도를 이용함으로써, 신규 컨텐츠에 대한 선호도를 추론할 수 있다. 또는 컨텐츠에 대한 선호도는 존재하되, 카테고리 자체에 대한 선호도는 존재하지 않는 경우, 본 발명은 컨텐츠에 대한 선호도를 기반으로 카테고리에 대한 선호도를 생성함으로써, 신규 컨텐츠에 대한 선호도를 예측할 수 있다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 신규 컨텐츠에 대한 컨텐츠 선호도 예측 장치를 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 본 발명에 따른 컨텐츠 선호도 예측 장치(100)는 대표 사용자 선정부(110), 선호도 생성부(120) 및 선호도 예측부(120)를 포함한다.
대표 사용자 선정부(110)는 신규 컨텐츠의 카테고리에 대한 대표 사용자 그룹을 선정한다. 대표 사용자 그룹의, 신규 컨텐츠 카테고리에 대한 카테고리 선호도 정보는, 신규 컨텐츠의 선호도를 예측하는데 이용된다. 대표 사용자 선정부(110)는 다양한 방법으로 대표 사용자 그룹을 선정할 수 있는데, 일실시예로서, 사용자 각각의 카테고리 선호도와 사용자 전체에 대한 평균 카테고리 선호도를 비교하고, 선호도 차이가 임계값 이하인 사용자를 대표 사용자로 선정할 수 있다.
한편, 카테고리 선호도 정보는 미리 주어지거나 또는 사용자의 컨텐츠 이용 히스토리로부터 예측될 수 있다. 카테고리 선호도 예측 방법은 도 2에서 보다 자세히 설명된다.
선호도 생성부(120)는 대표 사용자 그룹에 포함된 대표 사용자의 신규 컨텐츠 카테고리에 대한 카테고리 선호도를 이용하여, 대표 사용자 그룹의 평균 카테고리 선호도를 생성한다. 예를 들어, 대표 사용자가 3명이며, 각각의 카테고리 선호도가 3, 4 및 5일 경우, 평균 카테고리 선호도는 4가 될 수 있다.
그리고 선호도 예측부(120)는 평균 카테고리 선호도 및 카테고리의 개수를 이용하여, 컨텐츠 선호도를 예측한다. 선호도 예측부(120)는 일실시예로서, 카테고리의 개수를 이용하여 평균 카테고리 선호도에 대한 재평균을 구하고, 재평균 값을 컨텐츠 선호도로 예측할 수 있다.
예를 들어, 신규 컨텐츠의 카테고리가 C1, C2이며, 카테고리 C1에 대한 평균 카테고리 선호도가 4이고, 카테고리 C2에 대한 평균 카테고리 선호도가 6일 경우, 신규 컨텐츠에 대한 컨텐츠 선호도는 5가 될 수 있다.
즉, 본 발명에 따르면 선호도 정보가 존재하지 않는 신규 컨텐츠가 속한 카테고리에 대한 선호도 정보를 이용함으로써, 신규 컨텐츠에 대한 선호도를 예측할 수 있다.
도 2는 본 발명의 구체적 실시예에 따른 신규 컨텐츠에 대한 컨텐츠 선호도 예측 장치를 설명하기 위한 도면이다.
도 2에 도시된 바와 같이, 본 발명에 따른 컨텐츠 선호도 예측 장치(200)는 카테고리 선택 빈도 생성부(210), 카테고리 선호도 생성부(220), 대표 사용자 선정부(230) 및 선호도 예측부(240)를 포함한다. 본 발명에 따른 컨텐츠 선호도 예측 장치(200)는 카테고리 정보를 제공받지 못할 경우, 컨텐츠에 부여된 선호도 정보를 이용하여 컨텐츠가 속한 카테고리 정보를 예측할 수 있다.
카테고리 선택 빈도 생성부(210)는 제1컨텐츠 선호도가 부여된 컨텐츠에 대한 카테고리 정보를 이용하여, 신규 컨텐츠의 카테고리에 대한 선택 빈도를 추출한다. 카테고리 선호도 생성부(220)는 제1컨텐츠 선호도가 부여된 컨텐츠 중에서, 신규 컨텐츠의 카테고리에 포함되는 컨텐츠에 대한 제1컨텐츠 선호도 및 선택 빈도를 이용하여, 신규 컨텐츠의 카테고리에 대한 제1카테고리 선호도를 생성한다. 그리고 카테고리 선호도를 이용하여, 신규 컨텐츠의 카테고리에 대한 제1평균 카테고리 선호도를 생성한다.
대표 사용자 선정부(230)는 신규 컨텐츠의 카테고리에 대한 제1카테고리 선호도 및 제1평균 카테고리 선호도를 이용하여, 신규 컨텐츠 카테고리에 대한 대표 사용자 그룹을 선정한다. 선호도 예측부(240)는 대표 사용자 그룹에 포함된 대표 사용자의 제2카테고리 선호도 및 신규 컨텐츠 카테고리의 개수를 이용하여, 신규 컨텐츠에 대한 제2컨텐츠 선호도를 예측한다.
한편, 본 발명에 따른 컨텐츠 선호도 예측 장치(200)는 실시예에 따라서, 모든 카테고리에 대한 카테고리 선호도 정보를 생성한 후에, 신규 컨텐츠의 카테고리 정보를 추출하여, 신규 컨텐츠에 대한 제2컨텐츠 선호도를 예측할 수 있다.
예를 들어, 컨텐츠 이용 히스토리 정보가 [표 1]과 같이 주어질 경우, 카테고리 선택 빈도 생성부(210)는 [표 2]와 같이 카테고리 별로 선택 빈도를 추출할 수 있다. 즉, 컨텐츠 이용 히스토리 정보는 사용자가 이용하기 위해 선택한 컨텐츠 정보 및 선택 컨텐츠의 카테고리 정보 및 선택 컨텐츠에 대한 선호도 정보를 포함한다. 그리고 카테고리에 대한 선택 빈도는 사용자의 선택 컨텐츠에 속한 카테고리로서, 사용자가 선택한 카테고리의 선택 빈도를 나타낸다.
[표 1]에서 사용자는 8개의 컨텐츠를 선택하여 이용하였으며, 카테고리 C1은 컨텐츠 1, 컨텐츠 4 및 컨텐츠 6의 카테고리이므로, [표 2]와 같이 카테고리 C1의 선택 빈도는 3이 된다.
컨텐츠 번호 카테고리 조합 컨텐츠 선호도
1 C1, C2, C4 5
2 C2, C3, C8 3
3 C3, C5, C8 3
4 C1, C2, C8 2
5 C2, C3, C4 5
6 C1, C2, C5 5
7 C2, C3, C8 3
8 C3, C5, C8 3
카테고리 번호 선택빈도
C1 3
C2 6
C3 5
C4 2
C5 3
C8 5
카테고리 선호도 생성부(220)는 카테고리 각각에 대한 선택 빈도와 해당 카테고리에 속한 컨텐츠의 선호도를 이용하여, 카테고리 각각에 대한 제1카테고리 선호도를 [표 3]과 같이 생성할 수 있다.
예를 들어, 카테고리 선호도는 카테고리의 선택빈도를 해당 카테고리가 속하는 컨텐츠의 선호도의 합으로 나눔으로써 생성될 수 있다. 카테고리 C1의 경우, 선택빈도가 3이며, 카테고리 C1에 속하는 컨텐츠 1, 컨텐츠 4 및 컨텐츠 6 각각의 선호도가 5,2,5이므로, 카테고리 C1에 대한 제1카테고리 선호도는 3/(5+2+5)에 의해 4로 결정될 수 있다.
카테고리 번호 선택빈도 카테고리 선호도
C1 3 4
C2 6 3.83
C3 5 3.4
C4 2 5
C5 3 3.67
C8 5 2.8
본 발명에 따른 컨텐츠 선호도 예측 장치(200)는 복수의 사용자 각각에 대한 컨텐츠 이용 히스토리 정보를 이용하여, 사용자 각각에 대한 제1카테고리 선호도 정보를 도 3과 같이 생성할 수 있다. 그리고 사용자 각각에 대한 제1카테고리 선호도 정보로부터 신규 컨텐츠가 속하는 카테고리에 대한 선호도 정보를 추출할 수 있다.
대표 사용자 선정부(230)는 평균 카테고리 선호도에 근접한 카테고리 선호도를 나타내는 사용자를 대표 사용자로 선정한다. 일실시예로서, 신규 컨텐츠에 대한 제1카테고리 선호도 및 제1평균 카테고리 선호도의 차이가 임계값 이하인 사용자를 대표 사용자 그룹으로 선정할 수 있다. 보다 구체적으로, 대표 사용자 선정부(230)는 [수학식 3]을 이용하여, 대표 사용자 그룹을 선정할 수 있다.
Figure pat00005
여기서, A는 사용자(US)가 이용한 컨텐츠에 대한 카테고리의 개수이며,
Figure pat00006
(i)는 사용자(US)의 i번째 카테고리에 대한 선호도, 즉 제1카테고리 선호도 를 나타내며,
Figure pat00007
(i)는 i번째 카테고리의 평균 카테고리 선호도, 즉 제1평균 카테고리 선호도를 나타낸다.
선호도 예측부(240)는 대표 사용자의 제2카테고리 선호도를 이용하여 대표 사용자 그룹에 대한 제2평균 카테고리 선호도를 생성하고, 신규 컨텐츠에 대한 카테고리 개수를 이용하여 제2컨텐츠 선호도를 예측할 수 있다.
보다 구체적으로 선호도 예측부(240)는 [수학식 4]를 이용하여, 제2컨텐츠 선호도(Rn)를 예측할 수 있다. 즉, 선호도 예측부(240)는 제2평균 카테고리 선호도를 카테고리 개수를 이용하여 다시 평균 값을 구하고, 재평균 값을 제2컨텐츠 선호도로 예측한다.
Figure pat00008
여기서, GCn은 카테고리 개수를 나타내며, RUi는 i번째 카테고리에 대한 대표 사용자 그룹의 대표 사용자 수를 나타낸다. PS(i)는 대표 사용자 S의 i번째 카테고리에 대한 제2카테고리 선호도를 나타내다.
도 4는 본 발명의 일실시예에 따른 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법을 설명하기 위한 도면이다. 도 4에서는 전술된 컨텐츠 선호도 예측 장치의 컨텐츠 선호도 예측 방법이 일실시예로서 설명된다.
컨텐츠 선호도 예측 장치는 신규 컨텐츠의 카테고리에 대한 대표 사용자 그룹을 선정(S410)한다. 이 때, 컨텐츠 선호도 예측 장치는 복수의 사용자의 컨텐츠 이용 히스토리 정보를 이용하여, 사용자 각각의 신규 컨텐츠 카테고리에 대한 제1카테고리 선호도를 생성하고, 제1카테고리 선호도 및 신규 컨텐츠 카테고리에 대한 복수의 사용자의 제1평균 카테고리 선호도를 이용하여, 대표 사용자 그룹을 선정할 수 있다. 이 때, 제2카테고리 선호도 및 제1평균 카테고리 선호도의 차이가 임계값 이하인 사용자가 대표 사용자 그룹으로 선정될 수 있다.
보다 구체적으로, 컨텐츠 선호도 예측 장치는 컨텐츠 이용 히스토리를 이용하여, 신규 컨텐츠의 카테고리에 대한 선택 빈도를 추출하고, 선택 빈도 및 신규 컨텐츠 카테고리에 포함되는 선택 컨텐츠에 대한 선호도를 이용하여, 제1카테고리 선호도를 생성할 수 있다. 여기서, 컨텐츠 이용 히스토리 정보는 복수의 사용자의 선택 컨텐츠 정보 및 선택 컨텐츠의 카테고리 정보 및 선택 컨텐츠에 대한 선호도 정보를 포함한다.
그리고 컨텐츠 선호도 예측 장치는 대표 사용자 그룹에 포함된 대표 사용자의 신규 컨텐츠 카테고리에 대한 제2카테고리 선호도를 이용하여, 대표 사용자 그룹의 제2평균 카테고리 선호도를 생성(S420)하고, 제2평균 카테고리 선호도 및 신규 컨텐츠 카테고리의 개수를 이용하여, 신규 컨텐츠에 대한 컨텐츠 선호도를 예측(S430)한다. 이 때, 카테고리의 개수에 따른 제2평균 카테고리 선호도의 재평균 값이 신규 컨텐츠에 대한 컨텐츠 선호도로 예측될 수 있다.
도 5는 본 발명의 다른 실시예에 따른 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법을 설명하기 위한 도면이다. 도 5에서는 전술된 컨텐츠 선호도 예측 장치의 컨텐츠 선호도 예측 방법이 일실시예로서 설명된다.
컨텐츠 선호도 예측 장치는 제1컨텐츠 선호도가 부여된 복수의 컨텐츠에 대한 카테고리 정보를 이용하여, 신규 컨텐츠 카테고리에 대한 카테고리 선호도를 생성(S510)하며, 신규 컨텐츠 카테고리에 대한 카테고리 선호도를 이용하여, 신규 컨텐츠 카테고리에 대한 제1평균 카테고리 선호도를 생성(S520)한다.
이 때, 컨텐츠 선호도 예측 장치는 복수의 컨텐츠에 대한 카테고리 정보를 이용하여, 신규 컨텐츠 카테고리에 대한 사용자의 선택 빈도를 추출하고, 제1컨텐츠 선호도가 부여된 컨텐츠 중에서, 신규 컨텐츠 카테고리에 포함되는 컨텐츠에 대한 제1컨텐츠 선호도 및 선택 빈도를 이용하여, 카테고리 선호도를 생성할 수 있다.
그리고 컨텐츠 선호도 예측 장치는 신규 컨텐츠 카테고리에 대한 카테고리 선호도 및 제1평균 카테고리 선호도를 이용하여, 신규 컨텐츠 카테고리에 대한 대표 사용자 그룹을 선정(S530)한다. 이 때, 신규 컨텐츠 카테고리에 대한 카테고리 선호도 및 제1평균 카테고리 선호도의 차이가 임계값 이하인 사용자가 대표 사용자 그룹으로 선정될 수 있다.
컨텐츠 선호도 예측 장치는 대표 사용자 그룹에 포함된 대표 사용자의 신규 컨텐츠 카테고리에 대한 카테고리 선호도 및 신규 컨텐츠 카테고리의 개수를 이용하여, 신규 컨텐츠에 대한 제2컨텐츠 선호도를 예측(S540)한다. 이 때, 대표 사용자 그룹의 제2평균 카테고리 선호도 및 신규 컨텐츠 카테고리의 개수를 이용하여, 제2컨텐츠 선호도가 예측될 수 있으며, 일실시예로서, 신규 컨텐츠 카테고리의 개수에 따른 제2평균 카테고리 선호도의 재평균 값이 제2컨텐츠 선호도로 예측될 수 있다.
앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (11)

  1. 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법에 있어서,
    상기 신규 컨텐츠의 카테고리에 대한 대표 사용자 그룹을 선정하는 단계;
    상기 대표 사용자 그룹에 포함된 대표 사용자의 상기 카테고리에 대한 제1카테고리 선호도를 이용하여, 상기 대표 사용자 그룹의 제1평균 카테고리 선호도를 생성하는 단계; 및
    상기 제1평균 카테고리 선호도 및 상기 카테고리의 개수를 이용하여, 상기 컨텐츠 선호도를 예측하는 단계
    를 포함하는 컨텐츠 선호도 예측 방법.
  2. 제 1항에 있어서,
    상기 대표 사용자 그룹을 선정하는 단계는
    복수의 사용자의 컨텐츠 이용 히스토리 정보를 이용하여, 사용자 각각의 상기 카테고리에 대한 제2카테고리 선호도를 생성하는 단계; 및
    상기 제2카테고리 선호도 및 상기 카테고리에 대한 상기 복수의 사용자의 제2평균 카테고리 선호도를 이용하여, 상기 대표 사용자 그룹을 선정하는 단계
    를 포함하는 컨텐츠 선호도 예측 방법.
  3. 제 2항에 있어서,
    상기 대표 사용자 그룹을 선정하는 단계는
    상기 제2카테고리 선호도 및 상기 제2평균 카테고리 선호도의 차이가 임계값 이하인 사용자를 상기 대표 사용자 그룹으로 선정하는
    컨텐츠 선호도 예측 방법.
  4. 제 2항에 있어서,
    상기 컨텐츠 이용 히스토리 정보는
    상기 복수의 사용자의 선택 컨텐츠 정보 및 상기 선택 컨텐츠의 카테고리 정보 및 상기 선택 컨텐츠에 대한 선호도를 포함하며,
    상기 제2카테고리 선호도를 생성하는 단계는
    상기 컨텐츠 이용 히스토리를 이용하여, 상기 신규 컨텐츠의 카테고리에 대한 선택 빈도를 추출하는 단계; 및
    상기 선택 빈도 및 상기 신규 컨텐츠의 카테고리에 포함되는 선택 컨텐츠에 대한 선호도를 이용하여, 상기 제2카테고리 선호도를 생성하는 단계
    를 포함하는 컨텐츠 선호도 예측 방법.
  5. 제 1항에 있어서,
    상기 컨텐츠 선호도를 예측하는 단계는
    상기 카테고리의 개수에 따른 상기 제1평균 카테고리 선호도의 재평균 값을 상기 컨텐츠 선호도로 예측하는
    컨텐츠 선호도 예측 방법.
  6. 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법에 있어서,
    제1컨텐츠 선호도가 부여된 복수의 컨텐츠에 대한 카테고리 정보를 이용하여, 상기 신규 컨텐츠의 카테고리에 대한 카테고리 선호도를 생성하는 단계;
    상기 카테고리 선호도를 이용하여, 상기 신규 컨텐츠의 카테고리에 대한 제1평균 카테고리 선호도를 생성하는 단계;
    상기 카테고리 선호도 및 상기 제1평균 카테고리 선호도를 이용하여, 상기 신규 컨텐츠 카테고리에 대한 대표 사용자 그룹을 선정하는 단계; 및
    상기 대표 사용자 그룹에 포함된 대표 사용자의 카테고리 선호도 및 상기 신규 컨텐츠 카테고리의 개수를 이용하여, 상기 신규 컨텐츠에 대한 제2컨텐츠 선호도를 예측하는 단계
    를 포함하는 컨텐츠 선호도 예측 방법.
  7. 제 6항에 있어서,
    상기 카테고리 선호도를 생성하는 단계는
    상기 카테고리 정보를 이용하여, 상기 신규 컨텐츠의 카테고리에 대한 사용자의 선택 빈도를 추출하는 단계; 및
    상기 제1컨텐츠 선호도가 부여된 컨텐츠 중에서, 상기 신규 컨텐츠의 카테고리에 포함되는 컨텐츠에 대한 제1컨텐츠 선호도 및 상기 선택 빈도를 이용하여, 상기 카테고리 선호도를 생성하는 단계
    를 포함하는 컨텐츠 선호도 예측 방법.
  8. 제 6항에 있어서,
    상기 대표 사용자 그룹을 선정하는 단계는
    상기 카테고리 선호도 및 상기 제1평균 카테고리 선호도의 차이가 임계값 이하인 사용자를 상기 대표 사용자 그룹으로 선정하는
    컨텐츠 선호도 예측 방법.
  9. 제 6항에 있어서,
    상기 제2컨텐츠 선호도를 예측하는 단계는
    상기 대표 사용자 그룹의 제2평균 카테고리 선호도를 생성하는 단계; 및
    상기 제2평균 카테고리 선호도 및 상기 신규 컨텐츠에 대한 카테고리의 개수를 이용하여, 상기 제2컨텐츠 선호도를 예측하는 단계
    를 포함하는 컨텐츠 선호도 예측 방법.
  10. 제 9항에 있어서,
    상기 제2컨텐츠 선호도를 예측하는 단계는
    상기 카테고리의 개수에 따른 상기 제2평균 카테고리 선호도의 재평균 값을 상기 제2컨텐츠 선호도로 예측하는
    컨텐츠 선호도 예측 방법.
  11. 신규 컨텐츠에 대한 컨텐츠 선호도 예측 장치에 있어서,
    상기 신규 컨텐츠의 카테고리에 대한 대표 사용자 그룹을 선정하는 대표 사용자 선정부;
    상기 대표 사용자 그룹에 포함된 대표 사용자의 상기 카테고리에 대한 카테고리 선호도를 이용하여, 상기 대표 사용자 그룹의 평균 카테고리 선호도를 생성하는 선호도 생성부; 및
    상기 평균 카테고리 선호도 및 상기 카테고리의 개수를 이용하여, 상기 컨텐츠 선호도를 예측하는 선호도 예측부
    를 포함하는 컨텐츠 선호도 예측 장치.
KR1020140184651A 2014-12-19 2014-12-19 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치 KR101646855B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140184651A KR101646855B1 (ko) 2014-12-19 2014-12-19 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140184651A KR101646855B1 (ko) 2014-12-19 2014-12-19 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20160075103A true KR20160075103A (ko) 2016-06-29
KR101646855B1 KR101646855B1 (ko) 2016-08-12

Family

ID=56365648

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140184651A KR101646855B1 (ko) 2014-12-19 2014-12-19 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101646855B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111047410A (zh) * 2019-12-16 2020-04-21 腾讯科技（深圳）有限公司 推荐方法、装置、终端设备以及存储介质
CN115905698A (zh) * 2022-11-29 2023-04-04 刘赫 基于人工智能的用户画像分析方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102430989B1 (ko) 2021-10-19 2022-08-11 주식회사 노티플러스 인공지능 기반 콘텐츠 카테고리 예측 방법, 장치 및 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030003396A (ko) * 2001-06-30 2003-01-10 주식회사 케이티 사용자의 분야별 선호 프로파일을 이용한 컨텐츠 추천서비스 방법
KR20090059515A (ko) * 2007-12-06 2009-06-11 삼성전자주식회사 사용자 선호도 예측 방법 및 장치
KR20120042401A (ko) * 2010-10-25 2012-05-03 연세대학교 산학협력단 컨텐츠의 평균 선호도 예측 방법 및 시스템.

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030003396A (ko) * 2001-06-30 2003-01-10 주식회사 케이티 사용자의 분야별 선호 프로파일을 이용한 컨텐츠 추천서비스 방법
KR20090059515A (ko) * 2007-12-06 2009-06-11 삼성전자주식회사 사용자 선호도 예측 방법 및 장치
KR20120042401A (ko) * 2010-10-25 2012-05-03 연세대학교 산학협력단 컨텐츠의 평균 선호도 예측 방법 및 시스템.

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
한요섭외, 카테고리 상관도 기반 콘텐츠 추천 기법, 한국정보과학회 2010 한국컴퓨터종합학술대회 논문집, 제37권 제1호(A), 2010.6, 42-43* *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111047410A (zh) * 2019-12-16 2020-04-21 腾讯科技（深圳）有限公司 推荐方法、装置、终端设备以及存储介质
CN111047410B (zh) * 2019-12-16 2024-02-20 腾讯科技（深圳）有限公司 推荐方法、装置、终端设备以及存储介质
CN115905698A (zh) * 2022-11-29 2023-04-04 刘赫 基于人工智能的用户画像分析方法及系统
CN115905698B (zh) * 2022-11-29 2023-12-26 贵州优特数联科技有限公司 基于人工智能的用户画像分析方法及系统

Also Published As

Publication number Publication date
KR101646855B1 (ko) 2016-08-12

Similar Documents

Publication Publication Date Title
KR101062927B1 (ko) 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR101206160B1 (ko) 사용자 선호도와 컨텐츠 내용을 고려한 컨텐츠 추천 방법
US9875245B2 (en) Content item recommendations based on content attribute sequence
CN103348342A (zh) 基于用户话题简档的个人内容流
JP2010061601A (ja) 推薦装置および方法、プログラム、並びに記録媒体
US9584589B2 (en) Friend recommendation method, apparatus and storage medium
CN106296286A (zh) 广告点击率的预估方法和预估装置
KR101646855B1 (ko) 신규 컨텐츠에 대한 컨텐츠 선호도 예측 방법 및 장치
US11989755B1 (en) Expansion of high performing placement criteria
Gao et al. SeCo-LDA: Mining service co-occurrence topics for composition recommendation
US20070233532A1 (en) Business process analysis apparatus
KR101975272B1 (ko) 협업 의존성 기반 컴포넌트 재사용 추천 시스템 및 방법
KR101169170B1 (ko) 시간에 따라 변화하는 사용자 선호도를 고려한 컨텐츠 추천 방법
JPWO2014020834A1 (ja) 単語潜在トピック推定装置および単語潜在トピック推定方法
KR20160023937A (ko) 유사 사용자 인덱스 방법 및 프로그램
KR101784106B1 (ko) 지식구조를 이용한 다중 컨텐츠 평가 방법, 그 장치 및 이를 이용한 컨텐츠 추천방법
Schmidt et al. Informative simultaneous confidence intervals for the fallback procedure
Das et al. Adaptive web personalization system using splay tree
KR20160049401A (ko) 사용자 맞춤형 항목 추천 방법 및 장치
Aksel et al. An adaptive hybrid recommender system that learns domain dynamics
KR101626953B1 (ko) 사용자 성향 기반 아이템 추천 시스템 및 방법
JPWO2011016281A1 (ja) ベイジアンネットワーク構造学習のための情報処理装置及びプログラム
JP2013156708A (ja) パラメータ決定支援方法、パラメータ決定支援プログラム及びパラメータ決定支援システム
JP5589009B2 (ja) 推薦クエリ抽出装置及び方法及びプログラム
CN104978401B (zh) 一种视频专辑的关键词设置方法及装置

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