KR20190012565A - 광고를 교체하여 출력하는 장치 및 방법 - Google Patents

광고를 교체하여 출력하는 장치 및 방법 Download PDF

Info

Publication number
KR20190012565A
KR20190012565A KR1020170095714A KR20170095714A KR20190012565A KR 20190012565 A KR20190012565 A KR 20190012565A KR 1020170095714 A KR1020170095714 A KR 1020170095714A KR 20170095714 A KR20170095714 A KR 20170095714A KR 20190012565 A KR20190012565 A KR 20190012565A
Authority
KR
South Korea
Prior art keywords
advertisement
user
data
output
electronic device
Prior art date
Application number
KR1020170095714A
Other languages
English (en)
Other versions
KR102532299B1 (ko
Inventor
여해동
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170095714A priority Critical patent/KR102532299B1/ko
Priority to US16/609,339 priority patent/US11240568B2/en
Priority to PCT/KR2018/004494 priority patent/WO2019022344A1/ko
Publication of KR20190012565A publication Critical patent/KR20190012565A/ko
Application granted granted Critical
Publication of KR102532299B1 publication Critical patent/KR102532299B1/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • 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
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0272—Period of advertisement exposure
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
    • G09F27/00—Combined visual and audible advertising or displaying, e.g. for public address
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
    • G09F27/00—Combined visual and audible advertising or displaying, e.g. for public address
    • G09F27/005—Signs associated with a sensor
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H04N21/2668—Creating a channel for a dedicated end-user group, e.g. insertion of targeted commercials based on end-user profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/4104—Peripherals receiving signals from specially adapted client devices
    • H04N21/4131—Peripherals receiving signals from specially adapted client devices home appliance, e.g. lighting, air conditioning system, metering devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/436—Interfacing a local distribution network, e.g. communicating with another STB or one or more peripheral devices inside the home
    • H04N21/43615—Interfacing a Home Network, e.g. for connecting the client to a plurality of peripherals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Social Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

광고를 교체하여 출력하는 전자 장치 및 방법이 제공된다.
적어도 하나의 프로그램이 저장되는 메모리, 적어도 하나의 외부 장치로부터 사용자의 상태를 판단하기 위해 사용되는 컨텍스트 데이터를 수신하는 통신부, 및 적어도 하나의 프로그램을 실행함으로써 광고를 교체하여 출력하는 프로세서를 포함하고, 적어도 하나의 프로그램은, 하나 이상의 뉴럴 네트워크(neural network)를 이용한 학습 모델에 기초하여, 수신된 컨텍스트 데이터로부터 사용자의 상태을 나타내는 사용자 상태 정보를 획득하는 단계, 기결정된 제1 광고를 사용자 상태 정보에 기초하여 결정된 제2 광고로 교체하여 출력하도록 제어하는 단계를 실행하는 명령어들을 포함할 수 있다.

Description

광고를 교체하여 출력하는 장치 및 방법{APPARATUS AND METHOD FOR REPLACING AND OUTPUTTING AN ADVERTISEMENT}
본 개시는 광고를 교체하여 출력하는 장치 및 방법에 관한 것으로서, 보다 상세하게는, 사용자 상태 정보에 기초하여 결정된 광고를 교체하여 출력하는 장치 및 방법에 관한 것이다.
종래의 방송 광고는 방송사에 의해 사전에 결정된 광고를 일괄적으로 출력하는 형태이다. 그러나, 인터넷이 발달함에 따라, 방송사에 의해 사전에 결정된 광고를 출력하는 것이 아니라 사용자 맞춤형 광고를 출력하는 시스템이 도입되었다. 사용자 맞춤형 광고를 출력하는 경우, 사용자에 따라 어떤 광고를 출력할 것인지가 중요하므로, 사용자를 보다 정확하게 타겟팅하여 광고를 출력할 수 있는 방법이 요구된다.
개시된 다양한 실시예들은, 사용자 상태 정보에 기초하여 광고를 교체하여 출력함으로써, 사용자가 현재 상태에서 보다 관심을 가질 수 있는 광고를 출력하는 장치 및 방법을 제공할 수 있다.
일부 실시예에 따른 전자 장치는, 적어도 하나의 프로그램이 저장되는 메모리, 적어도 하나의 외부 장치로부터 사용자의 상태를 판단하기 위해 사용되는 컨텍스트 데이터를 수신하는 통신부, 및 적어도 하나의 프로그램을 실행함으로써 광고를 교체하여 출력하는 프로세서를 포함하고, 적어도 하나의 프로그램은, 하나 이상의 뉴럴 네트워크(neural network)를 이용한 학습 모델에 기초하여, 수신된 컨텍스트 데이터로부터 사용자의 상태를 나타내는 사용자 상태 정보를 획득하는 단계, 기결정된 제1 광고를 사용자 상태 정보에 기초하여 결정된 제2 광고로 교체하여 출력하도록 제어하는 단계를 포함할 수 있다.
일부 실시예에 따른 제1 광고는 전자 장치에서 출력되도록 방송사에 의해 기결정된 광고이며, 제2 광고는 사용자를 타겟팅한 광고로서 제1 광고 대신 출력되도록 결정된 광고일 수 있다.
일부 실시예에 따른 학습 모델은, 하나 이상의 뉴럴 네트워크에 컨텍스트 데이터가 입력된 것에 응답하여, 사용자의 상태를 학습함으로써 결정될 수 있다.
일부 실시예에 따른 학습 모델은, 전자 장치에 연결된 적어도 하나의 외부 장치가 변경됨에 따라 업데이트될 수 있다.
일부 실시예에 따른 사용자 상태 정보는, 적어도 하나의 외부 장치의 종류, 적어도 하나의 외부 장치의 상태, 및 컨텍스트 데이터의 값 중 적어도 하나에 따라 상이하게 결정될 수 있다.
일부 실시예에 따른 적어도 하나의 프로그램은, 시청 이력 정보를 획득하는 단계를 실행하는 명령어들을 더 포함하고, 제2 광고는 사용자 상태 정보 및 시청 이력 정보에 기초하여 결정될 수 있다.
일부 실시예에 따른 적어도 하나의 외부 장치는, 네트워크를 통해 전자 장치와 연결된 가전기기, 조리기기, 모바일 디바이스, 웨어러블 디바이스, 음향기기, 운동기기, 조명기기, 및 센서 중 적어도 하나를 포함할 수 있다.
일부 실시예에 따른 제2 광고로 교체하여 출력하도록 제어하는 단계는, 제1 광고가 시작되는 시점을 인식하는 단계, 및 인식된 시점부터 제1 광고를 제2 광고로 교체하여 출력하도록 제어하는 단계를 포함할 수 있다.
일부 실시예에 따른 제2 광고로 교체하여 출력하도록 제어하는 단계는, 사용자 상태 정보를 외부 서버에 전송하는 단계, 사용자 상태 정보에 기초하여 결정된 제2 광고에 관한 정보를 외부 서버로부터 수신하는 단계, 및 수신된 제2 광고에 관한 정보에 기초하여, 제1 광고를 제2 광고로 교체하여 출력하는 단계를 포함할 수 있다.
일부 실시예에 따른 제2 광고는, 외부 서버에 액세스하는 하나 이상의 광고주 각각으로부터 전송된 가격 정보에 기초하여 결정될 수 있다.
일부 실시예에 따른 적어도 하나의 프로그램은, 채널을 변경하는 입력을 수신하는 단계, 및 수신된 입력에 응답하여, 채널이 제1 채널에서 제2 채널로 변경됨에 따라, 제1 채널에서 출력중인 제2 광고가 상기 제2 채널에서 이어서 출력되도록 제어하는 단계를 더 포함할 수 있다.
일부 실시예에 따른 전자 장치가 광고를 교체하여 출력하는 방법은, 적어도 하나의 외부 장치로부터 사용자의 상태를 판단하기 위해 사용되는 컨텍스트 데이터를 수신하는 단계, 하나 이상의 뉴럴 네트워크(neural network)를 이용한 학습 모델에 기초하여, 수신된 컨텍스트 데이터로부터 사용자의 상태를 나타내는 사용자 상태 정보를 획득하는 단계, 기결정된 제1 광고를 사용자 상태 정보에 기초하여 결정된 제2 광고로 교체하여 출력하도록 제어하는 단계를 포함할 수 있다.
도 1은 일부 실시예에 따른 전자 장치가 사용자 상태 정보에 기초하여 광고를 교체하여 출력하는 예시를 나타내는 도면이다.
도 2는 일부 실시예에 따른 전자 장치가 광고를 교체하여 출력하는 방법을 나타내는 흐름도이다.
도 3은 일부 실시예에 따른 전자 장치가 사용자 상태 정보를 학습하는 방법을 나타내는 흐름도이다.
도 4a 및 도 4b는 일부 실시예에 따른 사용자의 상태 정보를 파악하기 위해 이용하는 뉴럴 네트워크(neural network)의 예시를 나타내는 도면이다.
도 5는 일부 실시예에 따라 사용자 상태 정보에 기초하여 결정된 제2 광고의 예시를 나타내는 표를 도시한 도면이다.
도 6은 일부 실시예에 따른 전자 장치가 광고를 교체하여 출력하는 예시를 나타내는 도면이다.
도 7은 일부 실시예에 따른 제2 광고가 사용자 상태 정보 및 시청 이력 정보에 기초하여 결정되는 예시를 나타내는 도면이다.
도 8은 일부 실시예에 따라 제2 광고가 결정되는 예시를 나타내는 도면이다.
도 9는 일부 실시예에 따라 광고를 교체하여 출력할 수 있는 광고 슬롯이 복수인 예시를 나타내는 도면이다.
도 10은 일부 실시예에 따라 채널이 변경됨에 따라 출력중인 제2 광고를 이어서 출력하는 예시를 나타내는 도면이다.
도 11 및 도 12는 일부 실시예에 따른 전자 장치의 구성을 나타내는 블록도이다.
도 13은 일부 실시예에 따른 서버의 구성을 나타내는 블록도이다.
도 14는 일부 실시예에 따른 프로세서의 블록도이다.
도 15는 일부 실시예에 따른 데이터 학습부의 블록도이다.
도 16은 일부 실시예에 따른 데이터 인식부의 구성을 나타내는 블록도이다.
도 17은 일부 실시예에 따른 전자 장치 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 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 일부 실시예에 따른 전자 장치가 사용자 상태 정보에 기초하여 광고를 교체하여 출력하는 예시를 나타내는 도면이다.
도 1을 참조하면, 전자 장치(100)는, 방송사 서버 또는 컨텐트 제공자 서버로부터 방송 프로그램을 수신하고, 수신된 방송 프로그램을 디스플레이할 수 있다. 또한, 전자 장치(100)는, 방송 프로그램이 디스플레이되는 도중에 또는 방송 프로그램이 종료된 이후에, 방송사 서버 또는 광고 제공 서버로부터 광고를 수신할 수 있으며, 수신된 광고를 디스플레이할 수 있다.
전자 장치(100)는, 광고를 디스플레이할 때, 방송사 서버에 의해 기결정된 제1 광고를 사용자의 상태를 고려하여 결정된 제2 광고로 교체하여 디스플레이할 수 있다. 이때, 제1 광고를 제2 광고로 교체하여 디스플레이한다는 것은, 제1 광고를 대신하여 제2 광고를 디스플레이한다는 것을 의미할 수 있다. 예를 들어, 전자 장치(100)는, 제1 광고가 디스플레이되기 시작하는 시점을 인식하고, 인식된 시점부터 제1 광고 대신 제2 광고를 디스플레이할 수 있다.
전자 장치(100)는, 전자 장치(100)와 네트워크로 연결된 적어도 하나의 외부 장치(101, 102, 103, 104, 105, 106)로부터 컨텍스트 데이터를 수신할 수 있다. 적어도 하나의 외부 장치(101 내지 106)로부터 수신된 컨텍스트 데이터는, 사용자의 상태를 판단하는데 사용되는 데이터를 의미할 수 있다. 전자 장치(100)는, 수신된 컨텍스트 데이터로부터 사용자의 상태를 판단하고, 사용자의 상태를 나타내는 사용자 상태 정보를 고려하여 상대적으로 높은 광고 효과를 기대할 수 있는 광고가 출력되도록 제어할 수 있다.
또한, 전자 장치(100)는, 하나 이상의 뉴럴 네트워크를 이용한 학습 모델을 이용하여, 수신된 컨텍스트 데이터로부터 사용자의 상태를 나타내는 사용자 상태 정보를 획득할 수 있다.
뉴럴 네트워크는, 인공지능(Artificial Intelligence)에 기초하여 뉴럴 네트워크에 입력된 소정의 컨텍스트 데이터로부터 사용자의 상태를 학습하는 알고리즘의 집합일 수 있다. 예를 들어, 뉴럴 네트워크는, 소정의 컨텍스트 데이터를 입력 값으로 하는 지도 학습(supervised learning), 별다른 지도 없이 사용자의 상태를 판단하기 위해 필요한 컨텍스트 데이터의 종류를 스스로 학습함으로써, 사용자의 상태를 판단하기 위한 패턴을 발견하는 비지도 학습(unsupervised learning)에 기초하여, 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습할 수 있다. 또한, 예를 들어, 뉴럴 네트워크는, 학습에 따른 사용자의 상태를 판단한 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 이용하여, 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습할 수 있다.
사용자 상태 정보는, 사용자의 움직임 상태를 나타내는 정보, 사용자의 생체리듬(biorhythm)을 나타내는 정보, 및 사용자의 주변 환경을 나타내는 정보 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 사용자의 움직임 상태를 나타내는 정보는, 사용자가 운동하는 상태인지, 잠자는 상태인지, 요리하는 상태인지, 청소하는 상태인지 등을 나타내는 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다. 또한, 사용자의 생체리듬을 나타내는 정보는, 예를 들어, 사용자의 평균 취침 시간과 평균 기상 시간, 및 사용자의 식사 시간 등을 나타내는 정보를 포함할 수 있으나 이에 한정되는 것은 아니다. 사용자의 주변 환경을 나타내는 정보는, 사용자로부터 소정의 반경 내의 환경 정보를 의미하는 것으로서, 예를 들어, 날씨 정보, 온도 정보, 습도 정도, 조도 정보, 소음 정도, 소리 정보 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
전자 장치(100)는, TV, 스마트폰, PC, 태블릿 PC, 휴대폰, 디지털 카메라, 캠코더, 노트북 컴퓨터(laptop computer), 전자책 단말기, 디지털 방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 내비게이션, MP3 플레이어 등과 같이 디스플레이를 포함하는 장치일 수 있으나, 이에 한정되지 않는다. 또한, 전자 장치(100)는, 디지털 방송 수신이 가능한 디지털 방송 수신기, 셋탑박스(set-top box), 또는 IP 셋탑박스일 수 있다. 셋탑박스 또는 IP 셋탑박스는, 디스플레이를 포함하는 장치에 연결되어, 멀티미디어 통신 서비스를 제공하는 장치로서, 통신 기능 및 데이터 프로세싱 기능을 구비한 장치일 수 있다.
전자 장치(100)는, 사용자 상태 정보를 획득하기 위하여, 네트워크를 통해 전자 장치(100)와 연결된 적어도 하나의 외부 장치 및 서버(미도시)와 통신할 수 있다.
사용자 상태 정보를 획득하기 위해 전자 장치(100)가 통신하는 외부 장치는, 냉장고, 세탁기, 에어컨, 선풍기 등과 같은 가전 기기, 가스레인지, 오븐, 전자레인지, 밥솥 등과 같은 조리 기기, 조명 기기, 음향 기기, 모바일 디바이스, 웨어러블 디바이스, 및 센서 중 적어도 하나를 포함할 수 있다. 예를 들어, 전자 장치(100)는, 사용자가 착용하는 웨어러블 디바이스로부터 사용자의 심박수, 취침 시간, 운동량, 소모한 칼로리 등을 나타내는 데이터를 수신할 수 있으며, 가전 기기, 조리 기기, 또는 음향 기기로부터 각 기기가 현재 작동 상태인지 여부를 나타내는 데이터를 수신할 수 있다. 또한, 전자 장치(100)는, 사용자의 모바일 디바이스로부터 모바일 디바이스의 현재 사용 상태를 나타내는 데이터를 수신할 수 있다. 예를 들어, 전자 장치(100)는, 사용자가 현재 통화하는 상태인지, 모바일 디바이스를 이용하여 동영상 컨텐트를 시청하는 상태인지, 음악을 듣고 있는 상태인지, 웹 서핑을 하는 상태인지 등을 나타내는 데이터를 수신할 수 있으나, 이에 한정되지 않는다.
네트워크는, 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함하며, 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다. 무선 통신은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.
도 2는 일부 실시예에 따른 전자 장치가 광고를 교체하여 출력하는 방법을 나타내는 흐름도이다.
동작 S200에서, 전자 장치(100)는 적어도 하나의 외부 장치로부터 컨텍스트 데이터를 수신한다. 외부 장치는, 네트워크를 통해 전자 장치(100)와 연결된 장치로서, 전자 장치(100)로부터 소정 반경 내에 위치하는 장치를 의미할 수 있다. 예를 들어, 전자 장치(100)가 집 안에 설치된 TV인 경우, 외부 장치는, 집 안에 위치하는 가전 기기(세탁기, 냉장고, 청소기, 에어컨 등), 조리기기(예를 들어, 가스레인지, 전자 레인지, 및 오븐 등), 모바일 디바이스(예를 들어, 사용자의 핸드폰), 웨어러블 디바이스(예를 들어, 스마트 워치), 음향기기(예를 들어, 스피커), 조명기기, 센서(예를 들어, 온도 센서, 습도 센서, 움직임 센서 등), 운동기기(예를 들어, 트레드밀(treadmill), 실내 자전거 등) 중 적어도 하나를 포함할 수 있다. 이때, 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터는, 전자 장치(100)가 사용자의 상태를 판단하기 위해 사용되는 데이터일 수 있다. 예를 들어, 컨텍스트 데이터는, 가전기기, 조리기기, 음향기기, 및 운동기기의 작동 상태를 나타내는 정보, 조명기기의 온/오프 상태를 나타내는 정보, 핸드폰 및/또는 웨어러블 디바이스의 동작 상태 등을 나타내는 정보, 온도, 습도, 시간, 사용자의 움직임, 사용자의 심박수, 및 집 안에 설치된 카메라로부터 촬영된 영상 등을 포함할 수 있으나, 이에 한정되지 않으며, 사용자의 상태를 판단하는데 사용될 수 있는 모든 데이터를 포함할 수 있다.
동작 S210에서, 전자 장치(100)는 하나 이상의 뉴럴 네트워크(neural network)를 이용한 학습 모델을 이용하여, 수신된 컨텍스트 데이터로부터 사용자의 상태를 나타내는 사용자 상태 정보를 획득한다.
일부 실시예에 따른 전자 장치(100)는, 하나 이상의 뉴럴 네트워크를 이용하여 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습할 수 있다. 전자 장치(100)는, 하나 이상의 뉴럴 네트워크에 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터가 입력된 것에 응답하여, 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습하고, 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습한 학습 모델을 전자 장치(100)의 메모리에 저장할 수 있다. 또는, 실시예에 따라, 사용자의 상태를 판단하는 동작이 전자 장치(100)의 외부 서버에서 수행될 수 있다. 이때, 전자 장치(100)는, 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터를 외부 서버에 전송하고, 외부 서버로부터 사용자 상태를 나타내는 사용자 상태 정보를 수신할 수 있다. 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습하는 과정에 대한 상세한 설명은, 도 3을 참조하여 후술하기로 한다.
사용자 상태 정보는, 사용자의 상태를 나타내는 정보로서, 사용자 상태 정보의 형태를 실시예에 따라 달라질 수 있다. 예를 들어, 사용자 상태 정보는, 사용자의 상태를 확률값(예를 들어, 사용자가 배고픈 상태일 확률이 70%)으로 나타낼 수 있으며, 통계 수치(예를 들어, 사용자가 운동기기를 월평균 20회 이상 사용) 등으로 나타낼 수 있으나, 이에 한정되지 않는다.
동작 S230에서, 전자 장치(100)는 기결정된 제1 광고를 사용자 상태 정보에 기초하여 결정된 제2 광고로 교체하여 출력하도록 제어한다.
제1 광고는, 전자 장치(100)에 의해 출력되도록 방송사에 의해 기결정된 광고이며, 제2 광고는 사용자를 타겟팅한 광고로서, 제1 광고 대신 출력되도록 결정된 광고를 의미할 수 있다. 예를 들어, 사용자가 배고픈 상태일 확률이 85%라는 사용자 상태 정보를 고려하면, 음식 광고의 광고 효과가 다른 제품 광고의 광고 효과보다 높을 수 있다. 따라서, 전자 장치(100)에 의해 골프용품 광고가 출력되도록 방송사에 의해 기결정된 경우라 하더라도, 전자 장치(100)는 골프용품 광고를 음식 광고로 교체하여 출력하도록 제어할 수 있다.
전자 장치(100)는, 사용자 상태 정보를 광고 선정 서버에 전송할 수 있으며, 사용자 상태 정보에 기초하여 결정된 제2 광고에 관한 정보를 광고 선정 서버로부터 수신할 수 있다. 광고 선정 서버는, 제1 광고를 대신하여 출력될 제2 광고를 선정하는 서버로서, 방송사에 의해 운영되는 서버일 수 있으며, 실시예에 따라, 제3자에 의해 운영되는 서버일 수 있다. 하나 이상의 광고주는, 광고주의 광고가 제2 광고로 선정되도록 하기 위하여, 가격 정보를 광고 선정 서버에 전송할 수 있다. 광고 선정 서버는, 하나 이상의 광고주로부터 수신된 가격 정보에 기초하여 제2 광고를 결정할 수 있다.
전자 장치(100)는, 제1 광고가 시작되는 시점을 인식할 수 있고, 인식된 시점부터 제1 광고를 제2 광고로 교체하여 출력하도록 제어할 수 있다. 이에 따라, 전자 장치(100)는, 제1 광고가 출력되는 도중에 제2 광고로 변경되는 것을 방지할 수 있다.
전자 장치(100)는, 사용자 상태 정보뿐만 아니라 시청 이력 정보를 더 고려하여 결정된 제2 광고가 출력되도록 제어할 수 있다. 이에 따라, 전자 장치(100)는, 현재 사용자의 상태를 고려하여 보다 효과적인 광고를 출력함으로써, 광고 효과를 향상시킬 수 있다.
또한, 전자 장치(100)는, 채널을 변경하는 입력에 응답하여 채널을 제1 채널에서 제2 채널로 변경할 때, 제1 채널에서 출력중인 제2 광고가 제2 채널에서 이어서 출력되도록 제어할 수 있다. 이에 따라, 전자 장치(100)는, 사용자가 제2 광고를 처음부터 끝까지 시청할 수 있도록 함으로써, 제2 광고의 광고 효과를 향상시킬 수 있다.
전자 장치(100)는, 제2 광고를 제공하는 서버로부터 제2 광고를 실시간으로 수신하여 출력할 수 있다. 또는, 실시예에 따라, 전자 장치(100)는, 제2 광고의 일부를 미리 서버로부터 수신하여 메모리에 저장하고, 메모리에 저장된 제2 광고를 출력하면서, 메모리에 저장되어 있지 않은 제2 광고의 나머지 일부를 서버로부터 실시간으로 수신하여 출력할 수 있다.
도 3은 일부 실시예에 따라 사용자 상태 정보를 학습하는 방법을 나타내는 흐름도이다.
일부 실시예에 따른 전자 장치(100)는, 하나 이상의 뉴럴 네트워크를 이용하여 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터로부터 사용자의 상태를 학습할 수 있다.
도 3을 참조하면, 동작 S300에서 전자 장치(100)는 적어도 하나의 외부 장치로부터 사용자의 상태를 판단하기 위해 사용되는 컨텍스트 데이터를 수신할 수 있다. 예를 들어, 전자 장치(100)는, 냉장고, 세탁기, 청소기, 및 에어컨 등을 포함하는 가전기기로부터 기기의 작동 상태를 나타내는 데이터를 수신할 수 있으며, 밥솥, 오븐, 가스레인지 등을 포함하는 조리기기로부터 기기의 작동 상태를 나타내는 데이터를 수신할 수 있다. 또한, 전자 장치(100)는, 온도 센서, 습도 센서, 움직임 센서 등으로부터 현재 온도 데이터, 습도 데이터, 사용자의 움직임 데이터 등을 수신할 수 있으나, 이에 한정되는 것은 아니다.
동작 S310에서, 전자 장치(100)는, 하나 이상의 뉴럴 네트워크를 이용하여 수신된 컨텍스트 데이터와 사용자의 상태에 관한 연관 관계를 학습할 수 있다.
사용자의 상태를 판단하기 위하여, 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터가 이용될 수 있다. 예를 들어, 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터에 기초하여, 현재 사용자가 배고픈 상태인지 여부, 사용자가 운동 중인지 여부, 청소 중인지 여부, 음식을 준비하는 상태인지 여부 등이 판단될 수 있다. 사용자의 상태를 판단하기 위해 어떠한 컨텍스트 데이터가 이용될 것인지는 기 설정된 기준에 의한 학습에 따라 결정될 수 있다. 예를 들어, 외부 장치로부터 수신된 소정의 컨텍스트 데이터를 입력 값으로 하는 지도 학습(supervised learning), 별다른 지도 없이 사용자의 상태 파악을 위해 필요한 컨텍스트 데이터의 종류를 스스로 학습함으로써, 사용자의 상태 파악을 위한 패턴을 발견하는 비지도 학습(unsupervised learning)이 사용자의 상태 판단에 이용될 수 있다. 또한, 예를 들어, 학습에 따른 사용자의 상태 판단의 결과가 올바른지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)이 사용자의 상태 판단에 이용될 수 있다. 이에 따라, 전자 장치(100)는, 하나 이상의 뉴럴 네트워크를 이용하여 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습한 학습 모델을 메모리에 저장하고, 메모리에 저장된 학습 모델에 기초여 실시간으로 수신되는 컨텍스트 데이터로부터 사용자의 상태를 판단할 수 있다.
동작 S320에서, 전자 장치(100)는, 네트워크를 통해 전자 장치(100)와 연결된 적어도 하나의 외부 장치가 변경됨에 따라, 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 다시 학습할 수 있다. 사용자의 상태를 판단하기 위하여, 어떠한 컨텍스트 데이터가 이용될 것인지는 기설정된 기준에 의한 학습에 따라 결정될 수 있다. 따라서, 컨텍스트 데이터를 제공하는 외부 장치가 변경되는 경우(예를 들어, 새로운 외부 장치가 추가되거나 기존의 외부 장치가 제거되는 경우), 전자 장치(100)는 사용자의 상태를 다시 학습함으로써, 학습 모델을 업데이트할 수 있다. 전자 장치(100)는, 업데이트된 학습 모델을 메모리에 저장하고, 업데이트된 학습 모델을 이용하여 실시간으로 수신되는 컨텍스트 데이터로부터 사용자의 상태를 판단할 수 있다.
도 3에서는 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습하는 것으로 설명하였지만 이에 한정되지 않는다. 예를 들어, 하나 이상의 뉴럴 네트워크는 컨텍스트 데이터를 입력 데이터로 하여, 컨텍스트 데이터와 사용자가 선호하는 광고 사이의 연관 관계를 학습할 수도 있다. 예를 들어, 하나 이상의 뉴럴 네트워크는, 컨텍스트 데이터와 사용자가 선호하는 광고 카테고리 사이의 연관 관계를 학습할 수 있다. 이에 따라, 전자 장치(100)는, 컨텍스트 데이터로부터 사용자가 선호하는 광고 카테고리에 관한 정보를 획득하고, 사용자가 선호하는 광고 카테고리에 기초하여 결정된 제2 광고를 제1 광고 대신 출력할 수 있다.
도 4a 및 도 4b는 일부 실시예에 따른 사용자의 상태를 판단하기 위해 이용하는 뉴럴 네트워크(neural network)의 예시를 나타내는 도면이다.
도 4a를 참조하면, 뉴럴 네트워크(400)는, 적어도 하나의 외부 장치(401 내지 406)로부터 수신된 컨텍스트 데이터를 입력 값으로 하여 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습할 수 있다. 예를 들어, 뉴럴 네트워크(400)는, 전기 밥솥(401)의 작동 상태, 가스레인지(402)의 작동 상태, 음향기기(403)의 작동 상태, 조명기기(404)의 온/오프 상태, 냉장고(405) 문의 개폐 상태, 시계(406)로부터 획득한 시간 정보 등과 현재 사용자의 상태 사이의 연관 관계를 학습할 수 있으나, 이에 한정되지 않는다. 뉴럴 네트워크(400)는, 컨텍스트 데이터와 사용자의 상태 사이의 연관 관게를 학습하기 위하여, 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터를 동적으로 선택할 수 있다.
일부 실시예에 따르면, 적어도 하나의 뉴럴 네트워크를 이용하여 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습하는 동작은, 사전에 수행될 수 있다. 그리고, 전자 장치(100)는, 사전에 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 학습한 학습 모델을 메모리에 저장하고, 저장된 학습 모델을 이용하여 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터로부터 사용자 상태 정보를 획득할 수 있다.
예를 들어, 도 4b를 참조하면, 전자 장치(100)는 학습 모델을 이용하여, 전기 밥솥(401)이 미작동 상태임을 나타내는 데이터, 가스레인지(402)가 미작동 상태임을 나타내는 데이터, 음향기기(403)가 오프 상태임을 나타내는 데이터, 조명기기(404)이 켜져 있음을 나타내는 데이터, 1분 전과 30분 전에 냉장고(405)의 문이 열렸음을 나타내는 데이터, 현재 시간 데이터 등으로부터, 사용자가 배고픈 상태일 확률이 75%라는 정보를 획득할 수 있다. 이 경우, 사용자 상태 정보에 기초하여 결정된 제2 광고는, 배고픈 사용자가 관심을 가질 수 있는 광고(예를 들어, 음식 광고)일 수 있으나, 이에 한정되지 않는다.
또한, 전자 장치(100)는, 네트워크를 통해 전자 장치(100)와 연결된 적어도 하나의 외부 장치가 변경됨에 따라, 학습 모델을 업데이트할 수 있다. 예를 들어, 전자 장치(100)에 연결되어 있던 음향기기(403)가 제거되거나, 또는 새로운 외부 장치(예를 들어, 오븐, 또는 청소기)가 추가된 경우, 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터와 사용자의 상태 사이의 연관 관계를 다시 학습함으로써, 학습 모델이 업데이트될 수 있다.
실시예에 따라, 적어도 하나의 뉴럴 네트워크를 이용하여 사용자의 상태를 학습하고, 학습 모델을 업데이트하는 동작은 외부 서버에 의해 수행될 수 있다. 예를 들어, 하나 이상의 뉴럴 네트워크에 집 안에 존재하는 여러 외부 장치로부터 수신된 컨텍스트 데이터가 입력된 것에 응답하여 사용자의 상태를 학습하는 동작은 복잡한 연산량을 필요로 할 수 있다. 따라서, 외부 서버가 사용자의 상태를 학습하고, 학습 모델을 업데이트하는 동작을 수행함으로써, 전자 장치가 수행해야 하는 연산량을 줄일 수 있으며, 사용자의 상태를 보다 빨리 판단할 수 있다.
도 5는 일부 실시예에 따라 사용자 상태 정보에 기초하여 결정된 제2 광고의 예시를 나타내는 표를 도시한 도면이다.
일부 실시예에 따르면, 사용자 상태 정보에 따라 제2 광고가 상이하게 결정될 수 있다. 제1 광고는, 전자 장치(100)에서 출력되도록 방송사에 의해 기결정된 광고이며, 제2 광고는 사용자를 타겟팅한 광고로서 제1 광고 대신 출력되도록 결정된 광고를 의미할 수 있다. 이때, 제2 광고는, 사용자 상태 정보에 기초하여, 상대적으로 높은 광고 효과를 기대할 수 있는 광고일 수 있다.
도 5를 참조하면, 표(500)은, 사용자 상태 정보 필드(501) 및 제2 광고 필드(502)를 포함할 수 있다. 예를 들어, 사용자가 배고픈 상태일 확률이 70%이고, 현재 음식을 준비하는 상태일 확률이 20%이면, 현재 사용자가 배고픈 상태이지만 식사 메뉴가 정해지지 않은 상태일 수 있다. 이때, 보다 높은 광고 효과를 기대할 수 있는 광고는, 치킨 광고 또는 피자 광고와 같이 음식 광고일 수 있다.
또한, 예를 들어, 사용자가 더운 상태일 확률이 75%이고, 현재 시간이 오후 9시 30분이며, 최근 1달 동안 집 내부 조명의 평균 소등 시간이 오전 1시라면, 사용자를 타겟팅한 제2 광고는 맥주 광고 또는 아이스크림 광고 등일 수 있으나, 이에 한정되지 않는다.
또한, 현재 기온이 33도이고, 주말 아침에 전자 장치(100) 앞에 3명 이상의 사람이 있으며, 사용자가 더운 상태일 확률이 90%일 때, 사용자 상태 정보에 기초하여 결정된 제2 광고는 워터파크 광고일 수 있으나, 이에 한정되지 않는다.
다른 예로서, 사용자의 집에서 최근 3달 동안 운동기기가 매일 2시간 이상 작동되었다면, 사용자 상태 정보에 기초하여 결정된 제2 광고는 운동기기 광고 또는 스포츠 의류 광고 등일 수 있으나, 이에 한정되지 않는다.
따라서, 일부 실시예에 따른 전자 장치(100)는, 제1 광고 대신, 사용자 상태 정보에 기초하여 결정된 제2 광고로 교체하여 출력함으로써, 사용자가 보다 관심을 가질 수 있는 광고를 제공할 수 있으며, 제2 광고의 광고 효과를 향상시킬 수 있다.
도 6은 일부 실시예에 따른 전자 장치가 광고를 교체하여 출력하는 예시를 나타내는 도면이다.
도 6을 참조하면, 전자 장치(100)는 TV(600)일 수 있으며, 사용자는 집에서 운동기기(610)를 이용하여 운동하면서 TV(600)를 시청할 수 있다. 예를 들어, 사용자가 TV(600)에서 방송 중인 프로그램 A을 시청 중이고, 프로그램 A가 종료될 때 TV(600)에서 출력되도록 방송사에 의해 기결정된 제1 광고는 청소기 광고일 수 있다. 이때, 전자 장치(100)는, 사용자가 운동하는 중임을 나타내는 사용자 상태 정보에 기초하여 결정된 제2 광고를 청소기 광고 대신 출력할 수 있다. 예를 들어, 사용자가 운동하는 중임을 나타내는 사용자 상태 정보에 기초하여 결정된 제2 광고는, 이온음료 광고(620) 또는 스포츠 의류 광고(621)를 포함할 수 있으나, 이에 한정되지 않는다.
일부 실시예에 따른 전자 장치(100)는, 프로그램 A가 종료되고 제1 광고가 시작되는 시점을 인식할 수 있다. 그리고, 전자 장치(100)는, 인식된 시점부터 제1 광고를 제2 광고로 교체하여 출력할 수 있다. 이에 따라, 전자 장치(100)는, 제1 광고가 출력되는 도중에 제2 광고로 변경되는 것을 방지할 수 있으며, 사용자가 제2 광고를 처음부터 끝까지 볼 수 있도록 한다.
도 7은 일부 실시예에 따른 제2 광고가 사용자 상태 정보 및 시청 이력 정보에 기초하여 결정되는 예시를 나타내는 도면이다.
일부 실시예에 따른 전자 장치(100)는, 시청 이력 정보를 획득할 수 있다. 예를 들어, 전자 장치(100)는, 사용자가 골프 관련 채널을 자주 시청하는지, 영화 관련 채널을 자주 시청하는지, 또는 교육 관련 채널을 자주 시청하는지 등에 관한 정보를 획득할 수 있으나, 이에 한정되지 않는다. 사용자가 골프 관련 채널을 자주 시청하는 경우, 사용자는 골프 용품 광고에 관심을 가질 수 있다. 또한, 사용자가 영화 관련 채널을 자주 시청하는 경우, 사용자는 여행 광고에 관심을 가질 수 있다.
또한, 전자 장치(100)는, 사용자 상태 정보뿐만 아니라 시청 이력 정보를 더 고려하여 결정된 제2 광고가 제1 광고 대신 출력되도록 제어할 수 있다.
도 7을 참조하면, 전자 장치(100)가 TV일 때, 사용자가 운동기기(710)를 이용하여 운동하면서 TV에서 출력되는 방송을 시청 중일 수 있다. 이때, TV는, TV에서 출력되도록 방송사에 의해 기결정된 제1 광고 대신, 사용자가 운동 중임을 나타내는 사용자 상태 정보 및 시청 이력 정보(720)를 모두 고려하여 결정된 제2 광고가 출력되도록 제어할 수 있다. 예를 들어, 사용자가 평소에 패션 관련 채널과 여행 관련 채널을 자주 시청하는 경우, 사용자가 운동 중임을 나타내는 사용자 상태 정보 및 사용자가 패션 관련 채널을 자주 시청한다는 것을 나타내는 시청 이력 정보에 기초하여, 스포츠 의류 광고(700)가 제2 광고로 결정될 수 있다. 이에 따라, 전자 장치(100)는, 사용자 상태 정보 및 시청 이력 정보를 모두 고려하여 제2 광고를 결정함으로써, 사용자가 보다 관심을 가질 수 있는 광고가 제2 광고로서 출력될 수 있도록 한다.
도 8은 일부 실시예에 따라 제2 광고가 결정되는 예시를 나타내는 도면이다.
도 8을 참조하면, 일부 실시예에 따른 전자 장치(100)는, 사용자 상태 정보를 광고 선정 서버(800)에 전송할 수 있다.
예를 들어, 전자 장치(100)는, 현재 사용자가 배고픈 상태일 확률이 85% 이상이고, 사용자가 식사를 준비하는 상태일 확률이 20% 이하라는 정보를 광고 선정 서버(800)에 전송할 수 있다. 그러면, 광고 선정 서버(800)에 액세스하는 하나 이상의 광고주는, 광고 선정 서버(800)로 수신된 사용자 상태 정보를 확인할 수 있다. 이때, 음식을 광고하려는 광고주 A(811), 광고주 B(812), 및 광고주 C(813)는, 사용자가 배고픈 상태일 확률이 85% 이상이고 사용자가 식사를 준비하는 상태일 확률이 20% 이하라는 사용자 상태 정보에 기초하여, 사용자를 타겟팅하여 광고할 수 있다. 이에 따라, 광고주 A(811), 광고주 B(812), 및 광고주 C(813)는, 사용자 상태 정보에 기초하여 광고 효과를 예측하고, 예측한 결과를 반영한 가격 정보를 광고 선정 서버(800)에 제공할 수 있다. 예를 들어, 과자를 광고하려는 광고주 A(811), 치킨을 광고하려는 광고주 B(812), 및 피자를 광고하려는 광고주 C(813)는, 배고픈 상태에 있는 사용자를 타겟팅하기 위하여, 각각 5천만원, 6천만원, 및 7천만원을 지불하고자 할 수 있다. 이때, 가격 정보는, 광고주 A(811), 광고주 B(812), 및 광고주 C(813)의 서버들로부터 수신될 수 있고, 또는 광고주 A(811), 광고주 B(812), 및 광고주 C(813)의 단말들로부터 수신될 수 있으나, 전술한 예에 한정되지 않는다.
광고주 A(811), 광고주 B(812), 및 광고주 C(813)로부터 가격 정보를 수신한 광고 선정 서버(800)는, 광고주들로부터 수신한 가격 정보에 기초하여, 제2 광고를 결정할 수 있다. 예를 들어, 광고 선정 서버(800)는, 가장 높은 가격을 제시한 광고주의 광고를 제2 광고로 결정할 수 있다. 예를 들어, 도 8을 참조하면, 광고 선정 서버(800)는, 7천만원을 제시한 광고주 C(813)의 피자 광고를 제2 광고로 결정할 수 있으며, 광고주 C(813)의 피자 광고에 대한 정보를 전자 장치(100)에 전송할 수 있다. 이에 따라, 전자 장치(100)는, 전자 장치(100)에서 출력되도록 방송사에 의해 기결정된 제1 광고 대신 광고주 C(813)의 피자 광고를 출력할 수 있다.
도 9는 일부 실시예에 따라 광고를 교체하여 출력할 수 있는 광고 슬롯이 복수인 예시를 나타내는 도면이다.
일부 실시예에 따르면, 전자 장치(100)를 통해 출력중인 방송 프로그램이 종료되고 다음 방송 프로그램이 출력되기 전까지 복수의 광고가 출력될 수 있다. 예를 들어, 방송 프로그램 A과 방송 프로그램 B 사이에 9개의 광고가 출력되는 경우, 방송 프로그램 A와 방송 프로그램 B 사이에 9개의 광고 슬롯(slot)이 존재할 수 있다. 또한, 복수의 광고 슬롯(slot) 중 기결정된 하나 이상의 광고 슬롯은 광고를 교체할 수 있는 슬롯일 수 있다. 광고를 교체할 수 있는 슬롯은, 전자 장치(100)에서 출력되도록 방송사에 의해 기결정된 제1 광고가 제2 광고로 교체되어 출력될 수 있는 광고 슬롯을 의미할 수 있다. 광고를 교체할 수 있는 슬롯은 방송사 또는 컨텐트 제공자에 의해 사전에 결정되며, 사용자를 타겟팅하여 광고를 하려는 광고주는 광고를 교체할 수 있는 슬롯에 광고를 삽입하고자 할 수 있다.
예를 들어, 도 9를 참조하면, 전자 장치(100)를 통해 출력되는 방송 프로그램 A(901)와 방송 프로그램 B(902) 사이에 8개의 광고 슬롯(910)이 포함될 수 있다. 이때, 8개의 광고 슬롯(910) 중 2번째 슬롯(911), 4번째 슬롯(912), 및 6번째 슬롯(913)이 광고를 교체할 수 있는 슬롯일 수 있다.
일부 실시예에 따른 전자 장치(100)는 사용자 상태 정보를 실시간으로 광고 선정 서버에 전송할 수 있다. 또한, 광고 선정 서버에 액세스하는 하나 이상의 광고주는, 사용자 상태 정보에 기초하여 결정된 특정 광고 슬롯에 대한 가격을 결정하고, 결정된 가격을 나타내는 가격 정보를 광고 선정 서버에 전송할 수 있다. 광고 선정 서버는, 하나 이상의 광고주로부터 수신된 가격 정보에 기초하여, 해당 광고 슬롯에 삽입될 제2 광고를 결정할 수 있다.
예를 들어, 2번째 슬롯(911)에 대응하는 시점 직전에 전자 장치(100) 앞에 있던 사용자가 다른 공간으로 이동한 경우, 2번째 슬롯(911)에 대응하는 시점에 광고가 출력되더라도 시청하는 사용자가 없을 것이므로, 2번째 슬롯(911)에 대한 가격 정보를 광고 선정 서버에 전송하는 광고주가 없을 수 있다. 이때, 전자 장치(100)는 2번째 슬롯(911)에 대응하는 시점에 기결정된 제1 광고를 출력할 수 있다. 또한, 4번째 슬롯(912)에 대응하는 시점의 사용자 상태 정보에 기초하여 4번째 슬롯(912)에 대한 가격 정보를 광고 선정 서버에 전송한 광고주가 복수인 경우, 광고 선정 서버는 가장 높은 가격을 제시한 광고주의 광고를 4번째 슬롯(912)에 출력될 제2 광고로 결정할 수 있다. 전술한 방법에 따라, 광고 선정 서버는, 광고 선정 서버에 액세스하는 하나 이상의 광고주로부터 수신한 가격 정보에 기초하여, 2번째 슬롯(911), 4번째 슬롯(912), 및 6번째 슬롯(913)에 각각 삽입될 제2 광고를 결정할 수 있다.
또한, 실시예에 따라, 2번째 슬롯(911), 4번째 슬롯(912), 및 6번째 슬롯(913)에 삽입될 제2 광고는 실시간으로 결정되는 것이 아니라, 사전에 결정될 수도 있다. 예를 들어, 전자 장치(100)는, 사용자 상태 정보를 실시간으로 광고 선정 서버에 전송할 수도 있으며, 소정의 기간에 대한 평균적인 사용자 상태 정보를 광고 선정 서버에 전송할 수도 있다. 예를 들어, 전자 장치(100)는, 최근 1주일 동안 매일 저녁 9시부터 10시 사이에 사용자가 운동을 하면서 뉴스를 시청하고 있음을 나타내는 사용자 상태 정보를 광고 선정 서버에 전송할 수 있다. 이때, 광고 선정 서버에 액세스하는 하나 이상의 광고주는, 최근 1주일 동안의 평균적인 사용자 상태 정보에 기초하여, 광고를 교체할 수 있는 복수의 광고 슬롯 중 원하는 슬롯에 대한 가격 정보를 광고 선정 서버에 전송할 수 있다. 광고 선정 서버는, 하나 이상의 광고주로부터 전송된 가격 정보에 기초하여, 특정 슬롯에 삽입될 제2 광고를 미리 결정할 수 있다.
도 10은 일부 실시예에 따라 채널이 변경됨에 따라 출력중인 제2 광고를 이어서 출력하는 예시를 나타내는 도면이다.
사용자는 특정 채널의 방송을 시청하다가 채널을 변경할 수 있다. 일부 실시예에 따른 전자 장치(100)는, 사용자가 시청중인 채널에서 사용자를 타겟팅한 제2 광고가 출력 중일 때, 채널이 변경되더라도 출력중인 제2 광고가 끊기지 않고 이어서 출력되도록 제어할 수 있다.
예를 들어, 도 10을 참조하면, 사용자는 전자 장치(100)를 통해 채널 9(1001)를 시청하다가 채널을 변경할 수 있다. 또한, 채널 9(1001)에서 사용자를 타겟팅하여 결정된 제2 광고(1010)가 출력 중일 수 있다. 이때, 전자 장치(100)는, 채널 9(1001)에서 채널 10(1002), 채널 10(1002)에서 채널 11(1003)로 변경되더라도, 채널 9(1001)에서 출력 중이던 제2 광고(1010)가 채널 10(1002) 및 채널 11(1003)에서 이어서 출력되도록 제어할 수 있다.
채널을 변경하는 사용자 입력에 응답하여, 채널이 채널 9(1001)에서 채널 10(1002)으로 변경되고, 채널 10(1002)에서 채널 11(1003)로 변경될 때, 전자 장치(100)는 채널 10(1002) 및 채널 11(1003)에서 방송 프로그램이 출력 중인지 광고가 출력 중인지 판단할 수 있다. 예를 들어, 전자 장치(100)는, 채널 10(1002) 및 채널 11(1003)에서 출력되는 영상의 프레임을 샘플링하여, 출력되는 영상이 방송 프로그램인지 광고인지 판단할 수 있다. 이에 따라, 채널 10(1002) 및 채널 11(1003)에서 방송 프로그램이 종료되고 광고가 출력 중이면, 전자 장치(100)는 채널 9(1001)에서 출력 중인 제2 광고(1010)를 채널 10(1002) 및 채널 11(1003)에서 이어서 출력되도록 제어할 수 있다. 따라서, 전자 장치(100)는, 사용자가 제2 광고를 처음부터 끝까지 시청할 수 있도록 함으로써, 제2 광고의 광고 효과를 향상시킬 수 있다.
도 11 및 도 12는 일부 실시예에 따른 전자 장치의 구성을 나타내는 블록도이다.
도 11에 도시된 바와 같이, 일부 실시예에 따른 전자 장치(100)는, 메모리(1100), 통신부(1200), 및 프로세서(1300)를 포함할 수 있다. 그러나, 도 11에 도시된 구성요소보다 많은 구성요소에 의해 전자 장치(100)가 구현될 수도 있다. 예를 들어, 도 12에 도시된 바와 같이, 일부 실시예에 따른 전자 장치(100)는, 메모리(1100), 통신부(1200), 및 프로세서(1300) 이외에 사용자 입력부(1400), 출력부(1500), 센싱부(1600), A/V 입력부(1700)를 더 포함할 수 있다.
메모리(1100)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(100)로 입력되거나 전자 장치(100)로부터 출력되는 데이터를 저장할 수 있다.
메모리(1100)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
메모리(1100)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1110), 터치 스크린 모듈(1120), 알림 모듈(1130) 등으로 분류될 수 있다.
UI 모듈(1110)은, 애플리케이션 별로 전자 장치(100)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1120)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1120)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1120)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
알림 모듈(1130)은 전자 장치(100)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 전자 장치(100)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1130)은 디스플레이(1510)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1520)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있다.
통신부(1200)는, 전자 장치(100)가 외부 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(1200)는, 근거리 통신부(1210), 이동 통신부(1220), 방송 수신부(1230)를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)(1210)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부(1220)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
방송 수신부(1230)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다.
또한, 통신부(1200)는, 적어도 하나의 외부 장치로부터 사용자의 상태를 판단하기 위해 사용되는 컨텍스트 데이터를 수신할 수 있으며, 광고를 교체하여 출력하는데 관련된 동작을 실행하기 위해 필요한 정보를 서버와 송수신할 수 있다. 예를 들어, 통신부(1200)는, 네트워크를 통해 전자 장치(100)와 연결된 냉장고, 조리기기, 모바일 디바이스, 웨어러블 디바이스, 음향기기, 조명기기, 센서를 포함하는 적어도 하나의 외부 장치로부터 컨텍스트 데이터를 수신할 수 있다. 또한, 통신부(1200)는, 사용자 상태 정보를 서버에 전송할 수 있으며, 사용자 상태 정보에 기초하여 결정된 제2 광고에 대한 정보를 서버로부터 수신할 수 있다.
프로세서(1300)는, 통상적으로 전자 장치(100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1100)에 저장된 프로그램들을 실행함으로써, 통신부(1200), 사용자 입력부(1400), 출력부(1500), 센싱부(1600), 및 A/V 입력부(1700) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1100)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 10에 기재된 전자 장치(100)의 기능을 수행할 수 있다.
프로세서(1300)는, 하나 이상의 뉴럴 네트워크를 이용한 학습 모델에 기초하여, 적어도 하나의 외부 장치로부터 수신된 컨텍스트 데이터로부터 사용자의 상태를 나타내는 사용자 상태 정보를 획득할 수 있다. 예를 들어, 프로세서(1300)는, 조리기기, 음향기기, 가전기기의 작동 여부를 나타내는 데이터, 다양한 종류의 센서로부터 수신된 온도 데이터, 습도 데이터, 조명기기의 온/오프 상태를 나타내는 데이터, 사용자의 음성 데이터, 사용자의 휴대 전화의 현재 사용 상태를 나타내는 데이터 등을 고려하여, 사용자의 상태를 판단할 수 있다. 예를 들어, 프로세서(1300)는, 현재 사용자가 배고픈 상태인지 여부, 사용자가 운동 중인지 여부, 청소 중인지 여부, 음식을 준비하는 상태인지 여부 등을 판단할 수 있으나, 이에 한정되지 않는다.
또한, 프로세서(1300)는, 메모리(1100) 또는 서버(2000)에 저장된 학습 모델을 이용함으로써, 외부 장치로부터 수신된 컨텍스트 데이터로부터 사용자의 상태를 학습할 수 있으며, 학습된 결과에 따라 사용자의 상태를 나타내는 사용자 상태 정보를 획득할 수 있다. 이에 관해서는, 도 15 내지 도 18에서 보다 상세히 설명하기로 한다.
프로세서(1300)는, 기결정된 제1 광고를 사용자 상태 정보에 기초하여 결정된 제2 광고로 교체하여 출력하도록 제어할 수 있다. 전술한 바와 같이, 제1 광고는 전자 장치(100)에서 출력되도록 방송사에 의해 기결정된 광고이며, 제2 광고는 사용자를 타겟팅한 광고로서 제1 광고 대신 출력되도록 결정된 광고를 의미할 수 있다.
또한, 실시예에 따라, 프로세서(1300)는, 사용자 상태 정보뿐만 아니라 시청 이력 정보를 더 고려하여 제2 광고를 결정할 수 있다. 이에 따라, 프로세서(1300)는, 보다 정확하게 사용자를 타겟팅한 제2 광고를 결정할 수 있다.
프로세서(1300)는, 제1 광고가 시작되는 시점을 인식할 수 있으며, 인식된 시점부터 제1 광고를 제2 광고로 교체하여 출력하도록 제어할 수 있다. 이에 따라, 프로세서(1300)는, 제1 광고가 출력되는 도중에 제2 광고로 변경되는 것을 방지할 수 있다.
또한, 프로세서(1300)는, 제1 채널에서 제2 광고로 교체되어 출력되고 있을 때, 채널을 변경하는 입력에 응답하여 채널이 제1 채널에서 제2 채널로 변경되면, 제1 채널에서 출력중인 제2 광고가 제2 채널에서 이어서 출력되도록 제어할 수 있다. 이에 따라, 프로세서(1300)는, 사용자가 제2 광고를 처음부터 끝까지 시청할 수 있도록 함으로써, 제2 광고에 대한 광고 효과를 향상시킬 수 있다.
사용자 입력부(1400)는, 사용자가 전자 장치(100)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1400)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.
사용자 입력부(1400)는, 전자 장치(100)를 통해 출력되는 채널을 변경하기 위한 사용자 입력을 수신할 수 있다.
출력부(1500)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1500)는 디스플레이(1510) 및 음향 출력부(1520)를 포함할 수 있다.
디스플레이(1510)는 전자 장치(100)에서 처리되는 정보를 표시 출력한다. 예를 들어, 디스플레이(1510)는, 사용자가 선택한 채널의 방송 프로그램을 출력할 수 있다. 또한, 디스플레이(1510)는, 전자 장치(100)에서 출력되도록 방송사에서 기결정된 제1 광고 및 사용자를 타겟팅한 제2 광고를 출력할 수 있다.
음향 출력부(1520)는 통신부(1200)로부터 수신되거나 메모리(1100)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1520)는 전자 장치(100)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다.
센싱부(1600)는, 전자 장치(100)의 상태 또는 전자 장치(100) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다. 센싱부(1600)는, 사용자 상태를 판단하기 위해 필요한 데이터 중 일부를 생성하는데 이용될 수 있다.
센싱부(1600)는, 지자기 센서(Magnetic sensor)(1610), 가속도 센서(Acceleration sensor)(1620), 온/습도 센서(1630), 적외선 센서(1640), 자이로스코프 센서(1650), 위치 센서(예컨대, GPS)(1660), 기압 센서(1670), 근접 센서(1680), 및 RGB 센서(illuminance sensor)(1690) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.
A/V(Audio/Video) 입력부(1700)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1710)와 마이크로폰(1720) 등이 포함될 수 있다. 카메라(1710)은 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다. 카메라(1710)에 의해 촬영된 이미지는 사용자 상태를 판단하기 위해 사용되는 데이터로 활용될 수 있다.
마이크로폰(1720)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1720)은 외부 장치 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1720)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(1720)이 수신한 외부의 음향 신호는 사용자의 상태를 판단하기 위해 사용되는 데이터로 활용될 수 있다.
도 13은 일부 실시예에 따른 서버의 구성을 나타내는 블록도이다.
도 13을 참조하면, 일부 실시예에 따른 서버(2000)는, DB(2100), 통신부(2200), 및 프로세서(2300)를 포함할 수 있다.
DB(2100)는, 사용자의 상태를 판단하기 위해 필요한 컨텍스트 데이터를 저장할 수 있으며, 실시예에 따라 하나 이상의 뉴럴 네트워크를 이용한 학습 모델을 저장할 수 있다.
통신부(2200)는 전자 장치(100)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다.
프로세서(2300)는, 통상적으로 서버(2000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(2300)는, 서버(2000)의 DB(2100)에 저장된 프로그램들을 실행함으로써, DB(2100) 및 통신부(2200) 등을 전반적으로 제어할 수 있다. 프로세서(2300)는 DB(2100)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 10에서의 전자 장치(100)의 동작의 일부를 수행할 수 있다.
프로세서(2300)는, 하나 이상의 뉴럴 네트워크를 이용한 학습 모델을 이용하여 사용자 상태를 판단하는 기능을 수행할 수 있으며, 사용자 상태를 판단하기 위해 사용되는 컨텍스트 데이터를 관리할 수 있다.
도 14는 일부 실시예에 따른 프로세서의 구성을 나타내는 블록도이다.
도 14를 참조하면, 일부 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.
데이터 학습부(1310)는 사용자의 상태를 판단하기 위한 기준을 학습할 수 있다. 데이터 학습부(1310)는 사용자의 상태를 판단하기 어떤 컨텍스트 데이터를 이용할 지에 관한 기준을 학습할 수 있다. 또한, 데이터 학습부(1310)는 컨텍스트 데이터를 이용하여 사용자의 상태를 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 사용자의 상태를 판단하기 위한 기준을 학습할 수 있다.
데이터 인식부(1320)는 컨텍스트 데이터에 기초하여 사용자의 상태를 판단하고 사용자의 상태를 나타내는 사용자 상태 정보를 생성할 수 있다. 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 소정의 컨텍스트 데이터로부터 사용자의 상태를 판단하고, 사용자 상태 정보를 생성할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 컨텍스트 데이터를 획득하고, 획득된 컨텍스트 데이터를 입력 값으로 하여 데이터 인식 모델을 이용할 수 있다. 또한, 데이터 인식부(1320)는 이를 이용함으로써, 소정의 컨텍스트 데이터에 기초한 사용자의 상태를 결정할 수 있다. 또한, 획득된 컨텍스트 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 업데이트하는데 이용될 수 있다.
데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 전자 장치에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.
한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 15는 일부 실시예에 따른 데이터 학습부의 블록도이다.
도 15를 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)를 포함할 수 있다.
데이터 획득부(1310-1)는 사용자의 상태를 판단하기 위해 필요한 컨텍스트 데이터 및 사용자의 상태를 판단하기 위한 학습을 위하여 필요한 컨텍스트 데이터를 획득할 수 있다.
데이터 획득부(1310-1)는, 예를 들어, 네트워크를 통해 전자 장치(100)에 연결된 적어도 하나의 외부 장치로부터 컨텍스트 데이터를 획득할 수 있다.
전처리부(1310-2)는 사용자의 상태를 판단하기 위한 학습에 획득된 컨텍스트 데이터가 이용될 수 있도록, 획득된 컨텍스트 데이터를 전처리할 수 있다. 전처리부(1310-2)는 후술할 모델 학습부(1310-4)가 사용자의 상태를 판단하기 위한 학습을 위하여 획득된 컨텍스트 데이터를 이용할 수 있도록, 획득된 컨텍스트 데이터를 기 설정된 포맷으로 가공할 수 있다.
학습 데이터 선택부(1310-3)는 전처리된 컨텍스트 데이터 중에서 학습에 필요한 컨텍스트 데이터를 선택할 수 있다. 선택된 컨텍스트 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 사용자의 상태를 판단하기 위한 기 설정된 기준에 따라, 전처리된 컨텍스트 데이터 중에서 학습에 필요한 컨텍스트 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 컨텍스트 데이터를 선택할 수도 있다.
모델 학습부(1310-4)는 학습 데이터에 기초하여 사용자의 상태를 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 예를 들어, 모델 학습부(1310-4)는, 학습 데이터와 사용자의 상태 사이의 연관 관계를 학습할 수 있다. 또한, 모델 학습부(1310-4)는 사용자의 상태를 판단하기 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 기준을 학습할 수도 있다.
또한, 모델 학습부(1310-4)는 사용자의 상태를 판단하기 위해 이용되는 데이터 인식 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, 데이터 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 데이터 등)을 입력 받아 미리 구축된 모델일 수 있다.
데이터 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 인식 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
다양한 실시예에 따르면, 모델 학습부(1310-4)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 인식 모델을 학습시킬 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning) 을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도 없이 사용자의 상태를 판단하기 위해 필요한 데이터의 종류를 스스로 학습함으로써, 사용자의 상태를 판단하기 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따라 사용자의 상태를 판단한 결과가 올바른지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.
또한, 데이터 인식 모델이 학습되면, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 데이터 인식부(1320)를 포함하는 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 전자 장치와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
이 경우, 학습된 데이터 인식 모델이 저장되는 메모리는, 예를 들면, 장치의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.
모델 평가부(1310-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기 설정된 데이터일 수 있다.
예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 데이터 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(1310-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.
한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 동영상 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.
한편, 데이터 학습부(1310) 내의 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 16은 일부 실시예에 따른 데이터 인식부의 구성을 나타내는 블록도이다.
도 16을 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)를 포함할 수 있다.
데이터 획득부(1320-1)는 사용자의 상태를 판단하기 위해 필요한 데이터를 획득할 수 있으며, 전처리부(1320-2)는 사용자의 상태를 판단하기 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1320-2)는 후술할 인식 결과 제공부(1320-4)가 사용자의 상태를 판단하기 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다. 예를 들어, 데이터 획득부(1320-1)는 네트워크를 통해 전자 장치(100)에 연결된 적어도 하나의 외부 장치로부터 컨텍스트 데이터를 획득할 수 있다. 또한, 예를 들어, 컨텍스트 데이터는 전자 장치(100)에서 생성된 데이터 또는 외부 장치로부터 수신된 데이터일 수 있다.
인식 데이터 선택부(1320-3)는 전처리된 데이터 중에서 사용자의 상태를 판단하기 위해 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1320-4)에게 제공될 수 있다. 인식 데이터 선택부(1320-3)는 사용자의 상태를 판단하기 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.
인식 결과 제공부(1320-4)는 선택된 데이터를 데이터 인식 모델에 적용하여 사용자의 상태를 판단할 수 있다. 인식 결과 제공부(1320-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 입력 값으로 이용함으로써, 선택된 데이터를 데이터 인식 모델에 적용할 수 있다. 또한, 인식 결과는 데이터 인식 모델에 의해 결정될 수 있다.
모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록 할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 데이터 인식 모델을 갱신하도록 할 수 있다.
한편, 데이터 인식부(1320) 내의 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)는 하나의 전자 장치(100)에 탑재될 수도 있으며, 또는 별개의 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 일부는 전자 장치(100)에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 17은 일부 실시예에 따른 전자 장치 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 17을 참조하면, 서버(2000)는 사용자의 상태를 판단하기 위한 기준을 학습할 수 있으며, 전자 장치(100)는 서버(2000)에 의한 학습 결과에 기초하여 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 판단할 수 있다.
이 경우, 서버(2000)의 모델 학습부(2340)는 도 15에 도시된 데이터 학습부(1310)의 기능을 수행할 수 있다. 서버(2000)의 모델 학습부(2340)는 사용자의 상태를 판단하기 위하여 어떤 데이터를 이용할 것인지에 관한 기준을 학습할 수 있다. 또한, 서버의 모델 학습부(2340)는 데이터를 이용하여 사용자의 상태를 어떻게 판단할 것인지에 관한 기준을 학습할 수 있다. 모델 학습부(2340)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 사용자의 상태를 판단하기 위한 기준을 학습할 수 있다.
또한, 전자 장치(100)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에 의해 생성된 데이터 인식 모델에 적용하여 사용자의 상태를 판단할 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에게 전송하고, 서버(2000)가 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 인식 모델에 적용하여 사용자의 상태를 판단할 것을 요청할 수 있다.
또는, 전자 장치(100)의 인식 결과 제공부(1320-4)는 서버(2000)에 의해 생성된 인식 모델을 서버(2000)로부터 수신하고, 수신된 인식 모델을 이용하여 사용자의 상태를 판단할 수 있다. 이 경우, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)로부터 수신된 데이터 인식 모델에 적용하여 사용자의 상태를 판단할 수 있다.
또한, 전자 장치(100) 및 서버(2000)는 데이터 인식 모델의 학습 및 데이터 인식을 위한 작업을 효과적으로 분배하여 수행할 수 있으며, 이를 통하여, 사용자의 의도에 부합하는 서비스를 제공하기 위하여 데이터 처리를 효율적으로 수행하고, 사용자의 프라이버시를 효과적으로 보호할 수 있다.
일부 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (20)

  1. 적어도 하나의 프로그램이 저장되는 메모리;
    적어도 하나의 외부 장치로부터 사용자의 상태를 판단하기 위해 사용되는 컨텍스트 데이터를 수신하는 통신부; 및
    상기 적어도 하나의 프로그램을 실행함으로써 광고를 교체하여 출력하는 프로세서를 포함하고,
    상기 적어도 하나의 프로그램은,
    하나 이상의 뉴럴 네트워크(neural network)를 이용한 학습 모델에 기초하여, 상기 수신된 컨텍스트 데이터로부터 상기 사용자의 상태를 나타내는 사용자 상태 정보를 획득하는 단계;
    기결정된 제1 광고를 상기 사용자 상태 정보에 기초하여 결정된 제2 광고로 교체하여 출력하도록 제어하는 단계;
    를 실행하는 명령어들을 포함하는 것을 특징으로 하는, 전자 장치.
  2. 제 1항에 있어서,
    상기 제1 광고는 상기 전자 장치에서 출력되도록 방송사에 의해 기결정된 광고이며, 상기 제2 광고는 상기 사용자를 타겟팅한 광고로서 상기 제1 광고 대신 출력되도록 결정된 광고인 것을 특징으로 하는, 전자 장치.
  3. 제 1항에 있어서,
    상기 학습 모델은, 상기 하나 이상의 뉴럴 네트워크에 상기 컨텍스트 데이터가 입력된 것에 응답하여,상기 사용자의 상태를 학습함으로써 결정되는 것인, 전자 장치.
  4. 제 3항에 있어서,
    상기 학습 모델은, 상기 전자 장치에 연결된 상기 적어도 하나의 외부 장치가 변경됨에 따라 업데이트되는 것인, 전자 장치
  5. 제 1항에 있어서,
    상기 학습 모델에 의해 획득되는 상기 사용자 상태 정보는, 상기 적어도 하나의 외부 장치의 종류, 상기 적어도 하나의 외부 장치의 상태, 및 상기 컨텍스트 데이터의 값 중 적어도 하나에 따라 상이하게 결정되는 것인, 전자 장치.
  6. 제 1항에 있어서,
    상기 적어도 하나의 프로그램은,
    시청 이력 정보를 획득하는 단계;
    를 실행하는 명령어들을 더 포함하고,
    상기 제2 광고는, 상기 사용자 상태 정보 및 상기 시청 이력 정보에 기초하여 결정되는 것을 특징으로 하는, 전자 장치.
  7. 제 1항에 있어서,
    상기 적어도 하나의 외부 장치는, 네트워크를 통해 상기 전자 장치와 연결된 가전기기, 조리기기, 모바일 디바이스, 웨어러블 디바이스, 음향기기, 운동기기, 조명기기, 및 센서 중 적어도 하나를 포함하는 것을 특징으로 하는, 전자 장치.
  8. 제 1항에 있어서,
    상기 제2 광고로 교체하여 출력하도록 제어하는 단계는,
    상기 제1 광고가 시작되는 시점을 인식하는 단계; 및
    상기 인식된 시점부터 상기 제1 광고를 상기 제2 광고로 교체하여 출력하도록 제어하는 단계;
    를 포함하는 것을 특징으로 하는, 전자 장치.
  9. 제 1항에 있어서,
    상기 제2 광고로 교체하여 출력하도록 제어하는 단계는,
    상기 사용자 상태 정보를 외부 서버에 전송하는 단계;
    상기 사용자 상태 정보에 기초하여 결정된 상기 제2 광고에 관한 정보를 상기 외부 서버로부터 수신하는 단계; 및
    수신된 상기 제2 광고에 관한 정보에 기초하여, 상기 제1 광고를 상기 제2 광고로 교체하여 출력하는 단계;
    를 포함하는 것을 특징으로 하는, 전자 장치.
  10. 제 9항에 있어서,
    상기 제2 광고는, 상기 외부 서버에 액세스하는 하나 이상의 광고주 각각으로부터 전송된 가격 정보에 기초하여 결정되는 것을 특징으로 하는, 전자 장치.
  11. 제 1항에 있어서,
    상기 적어도 하나의 프로그램은,
    채널을 변경하는 입력을 수신하는 단계; 및
    상기 수신된 입력에 응답하여, 상기 채널이 제1 채널에서 제2 채널로 변경됨에 따라, 상기 제1 채널에서 출력중인 상기 제2 광고가 상기 제2 채널에서 이어서 출력되도록 제어하는 단계;
    를 더 포함하는 것을 특징으로 하는, 전자 장치.
  12. 전자 장치가 광고를 교체하여 출력하는 방법에 있어서,
    적어도 하나의 외부 장치로부터 사용자의 상태를 판단하기 위해 사용되는 컨텍스트 데이터를 수신하는 단계;
    하나 이상의 뉴럴 네트워크(neural network)를 이용한 학습 모델에 기초하여, 상기 수신된 컨텍스트 데이터로부터 사용자의 상태를 나타내는 사용자 상태 정보를 획득하는 단계;
    기결정된 제1 광고를 상기 사용자 상태 정보에 기초하여 결정된 제2 광고로 교체하여 출력하도록 제어하는 단계;
    를 포함하는, 방법.
  13. 제 11항에 있어서,
    상기 제1 광고는 상기 전자 장치에서 출력되도록 방송사에 의해 기결정된 광고이며, 상기 제2 광고는 상기 사용자를 타겟팅한 광고로서 상기 제1 광고 대신 출력되도록 결정된 광고인 것을 특징으로 하는, 방법.
  14. 제 12항에 있어서,
    상기 학습 모델은, 상기 하나 이상의 뉴럴 네트워크에 상기 컨텍스트 데이터가 입력된 것에 응답하여,상기 사용자의 상태를 학습함으로써 결정되는 것인, 방법.
  15. 제 12항에 있어서, 상기 방법은,
    시청 이력 정보를 획득하는 단계를 더 포함하고,
    상기 제2 광고는, 상기 사용자 상태 정보 및 상기 시청 이력 정보에 기초하여 결정되는 것을 특징으로 하는, 방법.
  16. 제 12항에 있어서,
    상기 적어도 하나의 외부 장치는, 네트워크를 통해 상기 전자 장치와 연결된 가전기기, 조리기기, 모바일 디바이스, 웨어러블 디바이스, 음향기기, 운동기기, 조명기기, 및 센서 중 적어도 하나를 포함하는 것을 특징으로 하는, 방법.
  17. 제 12항에 있어서,
    상기 제2 광고로 교체하여 출력하도록 제어하는 단계는,
    상기 제1 광고가 시작되는 시점을 인식하는 단계; 및
    상기 인식된 시점부터 상기 제1 광고를 상기 제2 광고로 교체하여 출력하도록 제어하는 단계;
    를 포함하는 것을 특징으로 하는, 방법.
  18. 제 12항에 있어서,
    상기 제2 광고로 교체하여 출력하도록 제어하는 단계는,
    상기 사용자 상태 정보를 외부 서버에 전송하는 단계;
    상기 사용자 상태 정보에 기초하여 결정된 상기 제2 광고에 관한 정보를 상기 외부 서버로부터 수신하는 단계; 및
    수신된 상기 제2 광고에 관한 정보에 기초하여, 상기 제1 광고를 상기 제2 광고로 교체하여 출력하는 단계;
    를 포함하는 것을 특징으로 하는, 방법.
  19. 제 12항에 있어서, 상기 방법은,
    채널을 변경하는 입력을 수신하는 단계; 및
    상기 수신된 입력에 응답하여, 상기 채널이 제1 채널에서 제2 채널로 변경됨에 따라, 상기 제1 채널에서 출력중인 상기 제2 광고가 상기 제2 채널에서 이어서 출력되도록 제어하는 단계;
    를 더 포함하는 것을 특징으로 하는, 방법.
  20. 제 12항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020170095714A 2017-07-27 2017-07-27 광고를 교체하여 출력하는 장치 및 방법 KR102532299B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170095714A KR102532299B1 (ko) 2017-07-27 2017-07-27 광고를 교체하여 출력하는 장치 및 방법
US16/609,339 US11240568B2 (en) 2017-07-27 2018-04-18 Apparatus and method for replacing and outputting advertisement
PCT/KR2018/004494 WO2019022344A1 (ko) 2017-07-27 2018-04-18 광고를 교체하여 출력하는 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170095714A KR102532299B1 (ko) 2017-07-27 2017-07-27 광고를 교체하여 출력하는 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190012565A true KR20190012565A (ko) 2019-02-11
KR102532299B1 KR102532299B1 (ko) 2023-05-15

Family

ID=65040624

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170095714A KR102532299B1 (ko) 2017-07-27 2017-07-27 광고를 교체하여 출력하는 장치 및 방법

Country Status (3)

Country Link
US (1) US11240568B2 (ko)
KR (1) KR102532299B1 (ko)
WO (1) WO2019022344A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021029457A1 (ko) * 2019-08-13 2021-02-18 엘지전자 주식회사 사용자에게 정보를 제공하는 인공 지능 서버 및 그 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11556864B2 (en) * 2019-11-05 2023-01-17 Microsoft Technology Licensing, Llc User-notification scheduling

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003522483A (ja) * 2000-02-01 2003-07-22 ユナイテッド ビデオ プロパティーズ， インコーポレイテッド 強制型広告の方法およびシステム
KR20140128766A (ko) * 2013-04-29 2014-11-06 에이스텔 주식회사 스마트 티비 기반의 상황 인지를 통한 사용자 이력 분석 제공 시스템, 장치, 방법 및 컴퓨터 판독 가능한 기록 매체
KR20150109552A (ko) * 2014-03-20 2015-10-02 애니포인트 미디어 그룹 대체 광고 제공 방법 및 이를 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1352351A2 (en) 2000-10-11 2003-10-15 United Video Properties, Inc. Systems and methods for providing targeted advertisements based on current activity
US7266832B2 (en) 2001-06-14 2007-09-04 Digeo, Inc. Advertisement swapping using an aggregator for an interactive television system
US20090150230A1 (en) 2004-12-01 2009-06-11 Koninklijke Philips Electronics, N.V. Customizing commercials
US20130297413A1 (en) * 2012-05-03 2013-11-07 Google Inc. Using actions to select advertisements
US9854280B2 (en) * 2012-07-10 2017-12-26 Time Warner Cable Enterprises Llc Apparatus and methods for selective enforcement of secondary content viewing
US8713600B2 (en) * 2013-01-30 2014-04-29 Almondnet, Inc. User control of replacement television advertisements inserted by a smart television
US20160358215A1 (en) * 2015-06-02 2016-12-08 Quixey, Inc. Generating Advertisements based on Proximate Computing Devices
US20180115802A1 (en) * 2015-06-23 2018-04-26 Gregory Knox Methods and systems for generating media viewing behavioral data

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003522483A (ja) * 2000-02-01 2003-07-22 ユナイテッド ビデオ プロパティーズ， インコーポレイテッド 強制型広告の方法およびシステム
KR20140128766A (ko) * 2013-04-29 2014-11-06 에이스텔 주식회사 스마트 티비 기반의 상황 인지를 통한 사용자 이력 분석 제공 시스템, 장치, 방법 및 컴퓨터 판독 가능한 기록 매체
KR20150109552A (ko) * 2014-03-20 2015-10-02 애니포인트 미디어 그룹 대체 광고 제공 방법 및 이를 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021029457A1 (ko) * 2019-08-13 2021-02-18 엘지전자 주식회사 사용자에게 정보를 제공하는 인공 지능 서버 및 그 방법
US11568239B2 (en) 2019-08-13 2023-01-31 Lg Electronics Inc. Artificial intelligence server and method for providing information to user

Also Published As

Publication number Publication date
US20200059702A1 (en) 2020-02-20
WO2019022344A1 (ko) 2019-01-31
KR102532299B1 (ko) 2023-05-15
US11240568B2 (en) 2022-02-01

Similar Documents

Publication Publication Date Title
US20220303341A1 (en) Method and device for controlling home device
US20200118010A1 (en) System and method for providing content based on knowledge graph
US10341741B2 (en) Methods, systems, and media for presenting suggestions of media content
US10845941B2 (en) Image display apparatus and method
US20120144419A1 (en) Interactive television
JP5541471B2 (ja) 設定可能な遠隔モジュールを用いた表示システムの自動環境フィードバック制御
KR20190024249A (ko) 광고를 제공하는 방법 및 전자 장치
CN111247782B (zh) 用于自动创建即时ad-hoc日历事件的方法和系统
US10595159B1 (en) Provisioning news items
US11412308B2 (en) Method for providing recommended channel list, and display device according thereto
US11228815B2 (en) Display apparatus and operation method of the same
CN111316662A (zh) 图像显示设备及其操作方法
KR102532299B1 (ko) 광고를 교체하여 출력하는 장치 및 방법
KR20190062030A (ko) 영상 표시 장치 및 그 동작 방법
US20210201146A1 (en) Computing device and operation method thereof
KR20190032051A (ko) 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법
KR20170119908A (ko) 경기 결과 예측 서비스를 제공하는 시스템 및 방법
US11617957B2 (en) Electronic device for providing interactive game and operating method therefor
US20220122602A1 (en) Electronic device, and method for providing assistant service using same
KR20220061431A (ko) 전자장치 및 그 제어방법
CN113159813A (zh) 电子设备及其操作方法
US20150143390A1 (en) Fillable form for providing and receiving customized audio video content
JP6499343B1 (ja) 情報処理装置、情報処理方法、および情報処理プログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant