KR20170107868A - 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 - Google Patents
사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 Download PDFInfo
- Publication number
- KR20170107868A KR20170107868A KR1020160031759A KR20160031759A KR20170107868A KR 20170107868 A KR20170107868 A KR 20170107868A KR 1020160031759 A KR1020160031759 A KR 1020160031759A KR 20160031759 A KR20160031759 A KR 20160031759A KR 20170107868 A KR20170107868 A KR 20170107868A
- Authority
- KR
- South Korea
- Prior art keywords
- context
- music
- user
- usage
- recommended
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000006399 behavior Effects 0.000 claims description 28
- 239000000284 extract Substances 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000008451 emotion Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
Images
Classifications
-
- G06F17/30525—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G06F17/30539—
-
- G06F17/30598—
-
- G06F17/30699—
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템에 관한 것으로, 더욱 상세하게는 사용자가 자신의 감정, 감성, 상황이 담긴 사용자 맥락(Context)을 게시하면 다른 사용자들이 그 맥락에 어울리는 음악을 추천하고, 사용자들이 해당 맥락과 그에 달린 추천 음악을 이용하는 행태를 분석하여 사용자 맥락에 맞는 음악 콘텐츠를 추천하는 것이다.
최근 국내외 온라인 음악서비스들은 사용자의 음악 재생 이력 정보를 분석하여 사용자에게 맞는 음악을 추천하는 기능을 제공하고 있으나, 단순히 재생했던 음악과 유사한 아티스트의 음악이나 유사한 장르의 음악을 추천하는데 그치고 있으며, 사용자의 감정, 감성, 상황에 적합한 음악을 추천하기 보다는 계절, 특정일, 날씨, 특정시간과 같은 특정 상황에 어울릴만한 음악을 추천하는데 그치고 있다.
본 발명은 사용자 맥락, 추천 음악, 이용 행태를 수집하는 데이터베이스 수집 단계, 수집된 사용자 맥락을 유사도에 따라 분류하는 맥락 군집화 단계, 맥락 이용 행태를 분석하여 사용자별 선호 맥락군을 추출하는 단계, 선호 맥락군별 음악 이용 행태를 분석하여 사용자별 추천 음악 콘텐츠를 추출하는 단계를 통하여 사용자 맥락에 맞는 음악을 추천할 수 있게 한다.
본 발명의 효과는 사용자의 감정, 감성, 상황이 담긴 사용자 맥락에 적합한 음악을 추천할 수 있게 하는 데에 있다.
최근 국내외 온라인 음악서비스들은 사용자의 음악 재생 이력 정보를 분석하여 사용자에게 맞는 음악을 추천하는 기능을 제공하고 있으나, 단순히 재생했던 음악과 유사한 아티스트의 음악이나 유사한 장르의 음악을 추천하는데 그치고 있으며, 사용자의 감정, 감성, 상황에 적합한 음악을 추천하기 보다는 계절, 특정일, 날씨, 특정시간과 같은 특정 상황에 어울릴만한 음악을 추천하는데 그치고 있다.
본 발명은 사용자 맥락, 추천 음악, 이용 행태를 수집하는 데이터베이스 수집 단계, 수집된 사용자 맥락을 유사도에 따라 분류하는 맥락 군집화 단계, 맥락 이용 행태를 분석하여 사용자별 선호 맥락군을 추출하는 단계, 선호 맥락군별 음악 이용 행태를 분석하여 사용자별 추천 음악 콘텐츠를 추출하는 단계를 통하여 사용자 맥락에 맞는 음악을 추천할 수 있게 한다.
본 발명의 효과는 사용자의 감정, 감성, 상황이 담긴 사용자 맥락에 적합한 음악을 추천할 수 있게 하는 데에 있다.
Description
본 발명은 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템에 관한 것으로, 더욱 상세하게는 사용자가 자신의 감정, 감성, 상황이 담긴 사용자 맥락(Context)을 게시하면 다른 사용자들이 그 맥락에 어울리는 음악을 추천하고, 사용자들이 해당 맥락과 그에 달린 추천 음악을 이용하는 행태를 분석하여 사용자 맥락에 맞는 음악 콘텐츠를 추천하는 것이다.
최근 국내외 온라인 음악서비스들은 사용자의 음악 재생 이력 정보를 분석하여 사용자에게 맞는 음악을 추천하는 기능을 제공하고 있으나, 단순히 재생했던 음악과 유사한 아티스트의 음악이나 유사한 장르의 음악을 추천하는데 그치고 있으며, 사용자의 감정, 감성, 상황에 적합한 음악을 추천하기 보다는 계절, 특정일, 날씨, 특정시간과 같은 특정 상황에 어울릴만한 음악을 추천하는데 그치고 있다.
본 발명의 목적은 사용자의 감정, 감성, 상황이 담긴 사용자 맥락에 적합한 음악을 추천하는 것으로, 사용자들이 맥락을 게시하고, 그 맥락에 어울리는 음악을 다른 사용자들이 댓글로 추천하고, 사용자들이 해당 맥락과 그에 달린 추천 음악을 이용하는 행태를 분석하여 사용자 맥락에 맞는 음악을 추천하는 데에 있다.
본 발명은 사용자 맥락, 추천 음악, 이용 행태를 수집하는 데이터베이스 수집 단계, 수집된 사용자 맥락을 유사도에 따라 분류하는 맥락 군집화 단계, 맥락 이용 행태를 분석하여 사용자별 선호 맥락군을 추출하는 단계, 선호 맥락군별 음악 이용 행태를 분석하여 사용자별 추천 음악 콘텐츠를 추출하는 단계를 통하여 사용자 맥락에 맞는 음악을 추천할 수 있게 한다.
본 발명의 효과는 사용자의 감정, 감성, 상황이 담긴 사용자 맥락에 적합한 음악을 추천할 수 있게 하는 데에 있다.
제 1도는 본 발명의 일 실시예에 따른 사용자의 맥락, 추천 음악, 이용 행태를 수집하고, 수집된 사용자 맥락을 유사도에 따라 군집화하며, 맥락 이용 행태를 분석하여 사용자별 선호 맥락군을 추출하고, 선호 맥락군별 음악 이용 행태를 분석하여 사용자별 추천 음악 콘텐츠를 추출하는 전체적인 동작 흐름도.
제 2도는 본 발명의 일 실시예에 따라 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스 모델링에 대한 블록도.
제 3도는 본 발명의 방법을 구현하는 시스템간에 이루어지는 본 발명 프로세스의 전체적인 흐름도
제 2도는 본 발명의 일 실시예에 따라 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스 모델링에 대한 블록도.
제 3도는 본 발명의 방법을 구현하는 시스템간에 이루어지는 본 발명 프로세스의 전체적인 흐름도
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 일 실시예를 상세히 설명하기로 한다.
본 발명의 하기 실시예는 본 발명을 구체화 하기 위한 것일 뿐 본 발명의 권리범위를 제한하거나 한정하기 위함이 아님은 물론이다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하, 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 사용자의 맥락, 추천 음악, 이용 행태를 수집하고, 수집된 사용자 맥락을 유사도에 따라 군집화하며, 맥락 이용 행태를 분석하여 사용자별 선호 맥락군을 추출하고, 선호 맥락군별 음악 이용 행태를 분석하여 사용자별 추천 음악 콘텐츠를 추출하는 전체적인 동작 흐름을 설명한다. 도 1을 참조하여 각 단계별로 설명하면 다음과 같다.
사용자가 맥락을 게시한다.(100) 게시된 맥락을 조회한 사용자들이 추천음악을 등록한다.(110) 게시된 맥락과 추천음악들을 이용한 이용 행태를 수집한다.(120) 이 때 수집되는 이용 행태는 맥락 등록, 맥락 검색, 맥락 공유, 추천음악 등록, 맥락 좋아요, 맥락별 전체 추천 음악 펼쳐보기, 맥락 펼쳐보기, 맥락별 조회 시간, 추천음악 보관함에 담기, 추천음악 재생목록에 담기, 추천음악 좋아요, 추천음악 재생, 타이틀곡 선정, 추천음악 재생 중 건너뛰기 등을 포함한다.
수집된 맥락들을 유사도에 따라 군집화한다.(130) 군집화 방법은 이와 같다. 맥락을 형태소 분석하여 불용어를 제거하고 단어 단위로 추출한다. 추출된 단어로 그래프의 정점을 결정하고 정점간의 동시출현 관계를 이용하여 간선을 연결한다. TextRank 알고리즘(그래프 기반의 순위화 알고리즘)을 적용하여 각 정점의 순위를 계산하고 이 순위를 기반으로 맥락의 키워드를 추출한다. 추출된 키워드에 tf-idf가중치(Term Frequency - Inverse Document Frequency, 텍스트 마이닝에서 이용하는 가중치)를 적용하여 벡터 공간 모델을 생성한다. 이 모델에 코사인 유사도(데이터 마이닝에서 클러스트간의 응집도를 측정하는 방법)를 적용하여 유사도에 따라 맥락을 군집화한다.
사용자별 맥락 이용 행태를 분석하고, 다양한 맥락 이용 행태마다 각기 다른 가중치를 부여하며 이 가중치에 측정기간 동안 이용 행태가 실행된 횟수를 적용하여 얻은 점수의 합계로 사용자별 선호 맥락군을 추출한다.(140) 이 때 맥락 이용 행태마다의 가중치는 맥락당 실행수가 1회일 수 밖에 없는 "맥락 등록" 이용 행태의 가중치를 최대치로 정하고 "맥락 등록"을 제외한 모든 이용 행태의 가중치는 측정기간 동안 맥락당 이용 행태별 평균 실행수의 역수를 최대치에 곱하여 정한다.
선호 맥락군별 음악 콘텐츠 이용 행태를 분석하고, 다양한 음악 콘텐츠 이용 행태마다 각기 다른 가중치를 부여하며 이 가중치에 측정기간 동안 이용 행태가 실행된 횟수를 적용하여 얻은 점수의 합계로 사용자별 추천 음악 콘텐츠를 추출한다.(150) 이 때 음악 콘텐츠 이용 행태마다의 가중치는 선호 맥락군 내에서 실행수가 가장 적을 수 밖에 없는 "타이틀곡 선정" 이용 행태의 가중치를 최대치로 정하고 "타이틀곡 선정"을 제외한 모든 이용 행태의 가중치는 측정기간 동안 선호 맥락군 내에서 추천곡당 이용 행태별 평균 실행수의 역수를 최대치에 곱하여 정한다. 타이틀곡은 맥락을 게시한 사용자가 맥락에 등록된 추천음악 중 가장 마음에 드는 1곡을 지정하게 되는데 이렇게 선정된 곡을 의미한다.
도 2는 본 발명의 일 실시예에 따라 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스 모델링에 대한 블록도이다. 도 2를 참조하여 각 블록을 설명하면 다음과 같다.
사용자가 맥락을 게시하면 블록 200과 같이 맥락 정보가 데이터베이스에 저장되어 관리된다. 게시된 맥락에 추천음악이 등록되면 각각의 추천음악마다 블록 210과 같이 추천음악 정보가 데이터베이스에 저장되어 관리된다. 이 때 추천음악이 어떤 맥락에서 등록되었는지를 관리하기 위해 Context ID를 저장하여 맥락과 추천음악을 대응시킨다. 수집된 맥락을 사용자가 조회하는 등 이용하게 되면 사용자별로 맥락 이용행태가 블록 220과 같이 저장되고 관리된다. 수집된 추천음악을 사용자가 재생하는 등 이용하게 되면 곡별로 추천음악 이용행태가 블록 230과 같이 저장되고 관리된다. 맥락과 추천음악이 대응된 데이터베이스에 사용자별 맥락 이용행태와 곡별 추천음악 이용행태가 함께 대응되어 저장, 관리되어 추천 음악 콘텐츠를 추출하기 위한 데이터베이스로 저장, 관리되는 것이 핵심이다.
도 3은 본 발명의 방법을 구현하는 시스템간에 이루어지는 본 발명 프로세스의 전체적인 흐름도이다. 본 발명에 필요한 시스템은 맥락 게시자 스마트폰 단말(10)과 DB 서버(20), 추천음악 등록자 스마트폰 단말(30)을 포함한다.
이러한 각 시스템간의 프로세스를 설명하면 다음과 같다.
1) 맥락 게시자 스마트폰 단말(10)에서 DB 서버(20)로 맥락을 게시한다.
2) 맥락 게시자 스마트폰 단말(10) 또는 추천음악 등록자 스마트폰 단말(30)에서 맥락을 조회한다.
3) 맥락 게시자 스마트폰 단말(10)에서 DB 서버(20)로 추천음악을 등록한다.
4) 맥락 게시자 스마트폰 단말(10) 또는 추천음악 등록자 스마트폰 단말(30)이 맥락과 추천음악을 이용한다.
5) DB 서버(20)가 맥락과 추천음악의 이용행태를 수집한다.
6) DB 서버(20)가 수집된 맥락들을 유사도에 따라 군집화한다.
7) DB 서버(20)가 맥락 이용행태를 분석하여 사용자별 선호 맥락군을 추출한다.
8) DB 서버(20)가 선호 맥락군 내(內) 곡별 추천음악 이용행태를 분석하여 사용자별 추천 음악 콘텐츠를 추출한다.
9) DB 서버(20)가 사용자별 추천 음악 콘텐츠를 맥락 게시자 스마트폰 단말(10)과 추천음악 등록자 스마트폰 단말(30)에 제시한다.
Claims (7)
- 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용하여 음악 콘텐츠를 추천하는 방법에 있어서,
사용자 맥락, 추천 음악, 이용 행태를 수집하는 데이터베이스 수집 단계,
수집된 사용자 맥락을 유사도에 따라 분류하는 맥락 군집화 단계,
맥락 이용 행태를 분석하여 사용자별 선호 맥락군을 추출하는 단계,
선호 맥락군별 음악 이용 행태를 분석하여 사용자별 추천 음악 콘텐츠를 추출하는 단계
를 포함하는 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용하여 음악 콘텐츠를 추천하는 방법. - 제 1항의 사용자 맥락, 추천 음악, 이용 행태를 수집하는 데이터베이스 수집 단계에 있어서,
수집되는 이용 행태는 맥락 등록, 맥락 검색, 맥락 공유, 추천음악 등록, 맥락 좋아요, 맥락별 전체 추천 음악 펼쳐보기, 맥락 펼쳐보기, 맥락별 조회 시간, 추천음악 보관함에 담기, 추천음악 재생목록에 담기, 추천음악 좋아요, 추천음악 재생, 타이틀곡 선정, 추천음악 재생 중 건너뛰기를 포함하는 것을 특징으로 하는 데이터베이스 수집 단계. - 제 1항의 사용자 맥락, 추천 음악, 이용 행태를 수집하는 데이터베이스 수집 단계에 있어서,
맥락과 추천음악들이 대응되어 저장, 관리되고 사용자별 맥락 이용행태와 곡별 추천음악 이용행태가 함께 저장, 관리되어 추천 음악 콘텐츠를 추출하기 위한 데이터베이스로 저장, 관리되는 것을 특징으로 하는 데이터베이스 수집 단계. - 제 1항의 맥락 이용 행태를 분석하여 사용자별 선호 맥락군을 추출하는 단계에 있어서,
사용자별 맥락 이용 행태를 분석하고, 다양한 맥락 이용 행태마다 각기 다른 가중치를 부여하며 이 가중치에 측정기간 동안 이용 행태가 실행된 횟수를 적용하여 얻은 점수의 합계로 사용자별 선호 맥락군을 추출하는 것을 특징으로 하는 사용자별 선호 맥락군을 추출하는 단계. - 제 4항의 가중치에 있어서,
맥락 이용 행태마다의 가중치는 맥락당 실행수가 1회일 수 밖에 없는 "맥락 등록" 이용 행태의 가중치를 최대치로 정하고 "맥락 등록"을 제외한 모든 이용 행태의 가중치는 측정기간 동안 맥락당 이용 행태별 평균 실행수의 역수를 최대치에 곱하여 정하는 것을 특징으로 하는 가중치. - 선호 맥락군별 음악 이용 행태를 분석하여 사용자별 추천 음악 콘텐츠를 추출하는 단계에 있어서,
선호 맥락군별 음악 콘텐츠 이용 행태를 분석하고, 다양한 음악 콘텐츠 이용 행태마다 각기 다른 가중치를 부여하며 이 가중치에 측정기간 동안 이용 행태가 실행된 횟수를 적용하여 얻은 점수의 합계로 사용자별 추천 음악 콘텐츠를 추출하는 것을 특징으로 하는 사용자별 추천 음악 콘텐츠를 추출하는 단계. - 제 6항의 가중치에 있어서,
음악 콘텐츠 이용 행태마다의 가중치는 선호 맥락군 내에서 실행수가 가장 적을 수 밖에 없는 "타이틀곡 선정" 이용 행태의 가중치를 최대치로 정하고 "타이틀곡 선정"을 제외한 모든 이용 행태의 가중치는 측정기간 동안 선호 맥락군 내에서 추천곡당 이용 행태별 평균 실행수의 역수를 최대치에 곱하여 정하는 것을 특징으로 하는 가중치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020160031759A KR101804967B1 (ko) | 2016-03-16 | 2016-03-16 | 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020160031759A KR101804967B1 (ko) | 2016-03-16 | 2016-03-16 | 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20170107868A true KR20170107868A (ko) | 2017-09-26 |
KR101804967B1 KR101804967B1 (ko) | 2017-12-06 |
Family
ID=60036784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020160031759A KR101804967B1 (ko) | 2016-03-16 | 2016-03-16 | 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101804967B1 (ko) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376265A (zh) * | 2018-12-12 | 2019-02-22 | 杭州网易云音乐科技有限公司 | 歌曲推荐列表生成方法、介质、装置和计算设备 |
CN110147463A (zh) * | 2019-04-03 | 2019-08-20 | 华南理工大学 | 一种音乐推送方法、系统、装置和存储介质 |
CN111915409A (zh) * | 2020-08-11 | 2020-11-10 | 深圳墨世科技有限公司 | 基于物品的物品推荐方法、装置、设备及存储介质 |
KR20210033668A (ko) * | 2019-09-19 | 2021-03-29 | 주식회사 스켈터랩스 | 블랙보드 기반의 사용자 모델링을 위한 방법, 장치 및 컴퓨터 판독가능 저장 매체 |
CN113139079A (zh) * | 2021-04-15 | 2021-07-20 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种音乐推荐方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102463841B1 (ko) | 2020-12-03 | 2022-11-07 | 김지현 | 구독 회원 및 접속자에 기반한 배경음악 음원 추천 시스템 및 방법 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050038819A1 (en) | 2000-04-21 | 2005-02-17 | Hicken Wendell T. | Music Recommendation system and method |
KR101051804B1 (ko) | 2010-12-16 | 2011-07-25 | 전자부품연구원 | 웹 기반의 미디어 콘텐츠를 위한 선호도 정보 관리 시스템 |
US9235853B2 (en) | 2012-09-11 | 2016-01-12 | Google Inc. | Method for recommending musical entities to a user |
-
2016
- 2016-03-16 KR KR1020160031759A patent/KR101804967B1/ko active IP Right Grant
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376265A (zh) * | 2018-12-12 | 2019-02-22 | 杭州网易云音乐科技有限公司 | 歌曲推荐列表生成方法、介质、装置和计算设备 |
CN110147463A (zh) * | 2019-04-03 | 2019-08-20 | 华南理工大学 | 一种音乐推送方法、系统、装置和存储介质 |
KR20210033668A (ko) * | 2019-09-19 | 2021-03-29 | 주식회사 스켈터랩스 | 블랙보드 기반의 사용자 모델링을 위한 방법, 장치 및 컴퓨터 판독가능 저장 매체 |
CN111915409A (zh) * | 2020-08-11 | 2020-11-10 | 深圳墨世科技有限公司 | 基于物品的物品推荐方法、装置、设备及存储介质 |
CN111915409B (zh) * | 2020-08-11 | 2023-08-04 | 深圳墨世科技有限公司 | 基于物品的物品推荐方法、装置、设备及存储介质 |
CN113139079A (zh) * | 2021-04-15 | 2021-07-20 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种音乐推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
KR101804967B1 (ko) | 2017-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101804967B1 (ko) | 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 | |
Kaminskas et al. | Location-aware music recommendation using auto-tagging and hybrid matching | |
CN108616491B (zh) | 一种恶意用户的识别方法和系统 | |
WO2017181612A1 (zh) | 个性化视频推荐方法及装置 | |
CN105302810B (zh) | 一种信息搜索方法和装置 | |
Liu et al. | Background music recommendation based on latent factors and moods | |
Schedl et al. | Putting the User in the Center of Music Information Retrieval. | |
CN106294787A (zh) | 一种推送信息的方法、装置及电子设备 | |
CN113505204B (zh) | 召回模型训练方法、搜索召回方法、装置和计算机设备 | |
CN111818370A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
Knees et al. | Music retrieval and recommendation: A tutorial overview | |
CN116595398A (zh) | 基于元宇宙的资源智能匹配方法及相关装置 | |
CN104751354A (zh) | 一种广告人群筛选方法 | |
CN111209477A (zh) | 一种信息推荐的方法及装置、电子设备、存储介质 | |
Liu | A survey of deep learning approaches for recommendation systems | |
CN112632318A (zh) | 一种音频推荐方法、装置、系统及存储介质 | |
Sarin et al. | SentiSpotMusic: a music recommendation system based on sentiment analysis | |
Oh et al. | Music mood classification using intro and refrain parts of lyrics | |
KR102119518B1 (ko) | 인공지능을 이용하여 생성되는 스타일 공간에 기반한 상품 추천 방법 및 시스템 | |
CN111460215B (zh) | 音频数据处理方法、装置、计算机设备以及存储介质 | |
US11410706B2 (en) | Content pushing method for display device, pushing device and display device | |
Matsumoto et al. | Music video recommendation based on link prediction considering local and global structures of a network | |
JP5197491B2 (ja) | 行動推薦装置及び方法及びプログラム | |
Li et al. | Research of music recommendation system based on user behavior analysis and word2vec user emotion extraction | |
Yang et al. | Lecture video browsing using multimodal information resources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right |