KR20190044440A - 다층 다차원 분석 기반의 광고 추천 장치 및 방법 - Google Patents

Abstract

본 발명은 광고 추천 장치에 관한 것으로, 컨텐츠와 광고의 선택 기준들을 정의하는 사용자 선호도를 저장하는 메모리 및 상기 메모리와 전기적으로 연결되는 프로세서를 포함하고, 상기 프로세서는 (a) 제1 사용자들을 선별하여 컨텐츠 선호도를 결정하고 상기 컨텐츠 선호도를 기초로 컨텐츠 모집단을 생성하는 기능, (b) 제2 사용자들을 선별하여 광고 선호도를 결정하고 상기 광고 선호도를 기초로 광고 모집단을 생성하는 기능, (c) 상기 컨텐츠 모집단 및 상기 광고 모집단에 개인 사용자 선호도를 적용하여 선호 컨텐츠 모집단 및 선호 광고 모집단을 생성하는 기능 및 (d) 상기 선호 컨텐츠 모집단에 없는 특정 컨텐츠가 선택되더라도 상기 특정 컨텐츠의 시청 과정에서 상기 선호 광고 모집단에 있는 적어도 하나의 광고를 제공하는 기능을 포함한다.

Description

다층 다차원 분석 기반의 광고 추천 장치 및 방법{MULTI-LAYERED MULTI-DIMENSIONAL ANALYSIS BASED ADVERTISEMENTS RECOMMENDATION APPARATUS AND METHOD}

본 발명은 광고 추천 기술에 관한 것으로, 보다 상세하게는, 컨텐츠를 이용하는 사용자에게 적합한 광고를 추천해주는 다층 다차원 분석 기반의 광고 추천 장치에 관한 것이다.

광고 추천 기술은 사용자가 컨텐츠를 시청하는 과정에서 사용자의 관심을 집중시킬 수 있는 광고를 추천하기 위한 목적으로 개발되고 있다. 광고 추천 기술은 광고 시장 논리에 따라 사용자 선호도를 포함하는 사용자 측의 니즈 뿐만 아니라 광고주 측의 니즈를 함께 반영하는 방향으로 발전하고 있다. 광고주는 자신의 상품을 효율적으로 광고하기 위해 일정 범위의 사용자를 특정하여 광고를 제공하는 것을 선호할 수 있다. 광고 추천 기술은 사용자에게 최적화된 광고를 추천하기 위해서 사용자 측의 니즈를 독립적으로 고려하여 광고를 추천할 수 있어야 한다.

한국 등록특허공보 제10-1254372(2013.04.08)호는 사회적 연대에 기초한 광고 추천에 관한 것으로, 더욱 상세하게는 네트워크 기반의 서비스들의 특정 유저가 컴퓨터 네트워크를 통해 그 특정 유저에게 제공된 모네타이제이션 기회를 제공받았는지 또는 모네타이제이션 기회를 모네타화했는지에 대하여 판정될 수 있고, 모네타이제이션 기회를 모네타화하는 것은 광고에 대하여 그 광고를 클릭하여 결과로서 돈이 만들어지도록 하는 것을 포함할 수 있으며, 판정에 기초하여 컴퓨터 네트워크를 통해 그 특정 유저가 사회적 연대를 갖는 네트워크 기반 서비스들의 그 특정 유저 이외의 적어도 하나의 다른 유저에게 모네타이제이션 기회가 추천될 수 있다.

한국 등록특허공보 제10-1110755(2012.01.20)호는 2단계 광고 추천에 관한 것으로, 더욱 상세하게는 광고들은 오디오 및/또는 비디오 프로그램들에 삽입을 위해 추천되고, 사용자와 한세트의 광고들 사이의 두 단계 링킹이 제공되며, 선호 스코어는 사용자가 각각의 프로그램들을 얼마나 좋아하는지를 나타내고, 광고 분류기는 프로그램에 대한 광고의 유효성을 나타내는 상관 인자를 제공하기 위하여 광고주의 지식을 사용함과 동시에 각각의 프로그램을 통하여 선호 스코어 및 상관 인자의 곱을 합산함으로써 특정 사용자에 관한 광고의 유효성을 나타내는 유효성 측정 기준을 각각의 광고에 대하여 얻을 수 있다.

한국 등록특허공보 제10-1254372(2013.04.08)호 한국 등록특허공보 제10-1110755(2012.01.20)호

본 발명의 일 실시예는 컨텐츠를 이용하는 사용자에게 적합한 광고를 추천해주는 다층 다차원 분석 기반의 광고 추천 장치를 제공하고자 한다.

본 발명의 일 실시예는 사용자 선호도 정보, 컨텐츠 정보 및 광고 정보를 독립적으로 분석하여 개인에게 적합한 광고를 추천할 수 있는 다층 다차원 분석 기반의 광고 추천 장치를 제공하고자 한다.

본 발명의 일 실시예는 범용 선호도를 기초로 생성한 컨텐츠 및 광고 모집단에 대해 개인 선호도를 기초로 필터링하여 개인에게 적합한 광고를 추천할 수 있는 다층 다차원 분석 기반의 광고 추천 장치를 제공하고자 한다.

실시예들 중에서, 다층 다차원 분석 기반의 광고 추천 장치는 컨텐츠와 광고의 선택 기준들을 정의하는 사용자 선호도를 저장하는 메모리 및 상기 메모리와 전기적으로 연결되는 프로세서를 포함하고, 상기 프로세서는 (a) 제1 사용자들을 선별하여 컨텐츠 선호도를 결정하고 상기 컨텐츠 선호도를 기초로 컨텐츠 모집단을 생성하는 기능, (b) 제2 사용자들을 선별하여 광고 선호도를 결정하고 상기 광고 선호도를 기초로 광고 모집단을 생성하는 기능, (c) 상기 컨텐츠 모집단 및 상기 광고 모집단에 개인 사용자 선호도를 적용하여 선호 컨텐츠 모집단 및 선호 광고 모집단을 생성하는 기능 및 (d) 상기 선호 컨텐츠 모집단에 없는 특정 컨텐츠가 선택되더라도 상기 특정 컨텐츠의 시청 과정에서 상기 선호 광고 모집단에 있는 적어도 하나의 광고를 제공하는 기능을 포함한다.

상기 (a) 기능은 현재 시점으로부터 과거 특정 시점까지의 구간동안 상기 제1 사용자들에 의해 선택된 컨텐츠를 포함시켜 상기 컨텐츠 모집단을 가변적으로 결정할 수 있다.

상기 (b) 기능은 상기 제2 사용자들의 광고선택과 무관하게 광고운영정책에 따라 결정된 광고를 상기 광고 모집단에 포함시킬 수 있다.

상기 사용자 선호도는 협업 필터링(CF, Collaboration Filtering)을 기초로 결정된 사용자 컨텐츠 선호 경향과 사용자에 의해 결정된 광고의 광고대상에 기반한 컨텐츠 기반 필터링(CBF, Contents Based Filtering)을 기초로 결정된 사용자 광고 선호 경향을 포함할 수 있다.

상기 (c) 기능은 상기 사용자 컨텐츠 선호 경향을 기초로 상기 선호 컨텐츠 모집단에 있는 컨텐츠를 재정렬하고 상기 사용자 광고 선호 경향을 반영한 광고운영정책을 기초로 상기 선호 광고 모집단에 있는 광고를 재정렬할 수 있다.

상기 (d) 기능은 상기 특정 컨텐츠의 시청 과정에서 상기 선호 광고 모집단에 있는 적어도 하나의 광고를 재정렬된 순서에 따라 차례대로 제공할 수 있다.

상기 프로세서는 (e) 상기 적어도 하나의 광고에 대한 선택 여부, 시청 시간 및 이탈 여부 중 적어도 하나를 기초로 상기 사용자 선호도를 갱신하는 기능을 더 포함할 수 있다.

상기 (c) 기능은 (c1) 상기 컨텐츠 모집단에 있는 컨텐츠 중 상기 개인 사용자 선호도와 연관된 컨텐츠만을 선별하여 상기 선호 컨텐츠 모집단을 생성하는 기능 및 (c2) 상기 광고 모집단에 있는 광고 중 상기 개인 사용자 선호도와 연관된 광고만을 선별하여 상기 선호 광고 모집단을 생성하는 기능을 포함할 수 있다.

실시예들 중에서, 다층 다차원 분석 기반의 광고 추천 방법은 컨텐츠와 광고의 선택 기준들을 정의하는 사용자 선호도를 저장하는 메모리 및 상기 메모리와 전기적으로 연결되는 프로세서를 포함하는 다층 다차원 분석 기반의 광고 추천 장치에서 수행된다. 상기 다층 다차원 분석 기반의 광고 추천 방법은 (a) 제1 사용자들을 선별하여 컨텐츠 선호도를 결정하고 상기 컨텐츠 선호도를 기초로 컨텐츠 모집단을 생성하는 단계, (b) 제2 사용자들을 선별하여 광고 선호도를 결정하고 상기 광고 선호도를 기초로 광고 모집단을 생성하는 단계, (c) 상기 컨텐츠 모집단 및 상기 광고 모집단에 개인 사용자 선호도를 적용하여 선호 컨텐츠 모집단 및 선호 광고 모집단을 생성하는 단계 및 (d) 상기 선호 컨텐츠 모집단에 없는 특정 컨텐츠가 선택되더라도 상기 특정 컨텐츠의 시청 과정에서 상기 선호 광고 모집단에 있는 적어도 하나의 광고를 제공하는 단계를 포함한다.

개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.

본 발명의 일 실시예에 따른 다층 다차원 분석 기반의 광고 추천 장치는 사용자 선호도 정보, 컨텐츠 정보 및 광고 정보를 독립적으로 분석하여 개인에게 적합한 광고를 추천할 수 있다.

본 발명의 일 실시예에 따른 다층 다차원 분석 기반의 광고 추천 장치는 범용 선호도를 기초로 생성한 컨텐츠 및 광고 모집단에 대해 개인 선호도를 기초로 필터링하여 개인에게 적합한 광고를 추천할 수 있다.

도 1은 본 발명의 일 실시예에 따른 광고 추천 시스템을 설명하는 도면이다.
도 2는 도 1에 있는 다층 다차원 분석 기반의 광고 추천 장치를 나타내는 블록도이다.
도 3은 도 2에 있는 프로세서의 기능 요소를 나타내는 블록도이다.
도 4는 도 2에 있는 프로세서에 의하여 수행되는 다층 다차원 분석 기반의 광고 추천 프로시저를 설명하는 순서도이다.

본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.

한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.

"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.

본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.

여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.

사용자 개인에게 적합한 광고를 추천하는 광고 추천 기술은 사용자 개인의 선호도 분석 뿐만 아니라 사용자가 이용하는 동영상 등을 포함하는 컨텐츠 분석 및 사용자에게 제공되는 광고 분석이 각각 독립적으로 이루어진 결과를 통합하여 최종적으로 사용자에게 가장 적합한 광고를 결정할 수 있다. 다차원 분석은 사용자 측면, 컨텐츠 측면 및 광고 측면에서 광고 추천에 영향을 주는 요인들을 각각 독립적으로 분석하여 활용한다는 의미를 포함하고 있다.

다층 다차원 분석은 세가지 독립적인 분석 결과를 이용하여 최종적으로 사용자에게 제공되는 광고가 여러 단계를 거쳐 결정된다는 의미를 포함하고 있다. 보다 구체적으로, 다층 다차원 분석은 사용자 선호도를 구성하는 정적 정보들로 이루어진 사용자 프로파일을 기초로 컨텐츠 및 광고 모집단을 생성하는 1단계 과정과 1 단계 과정을 통해 생성된 모집단들을 대상으로 개인의 사용자 선호도를 적용하는 2단계 과정을 포함할 수 있다.

도 1은 본 발명의 일 실시예에 따른 광고 추천 시스템을 설명하는 도면이다.

도 1을 참조하면, 광고 추천 시스템(100)은 사용자 단말(110), 광고 추천 장치(130) 및 데이터베이스(150)를 포함한다.

사용자 단말(110)은 사용자가 영화 및 드라마 등을 포함하는 다양한 컨텐츠를 이용할 수 있는 컴퓨팅 장치에 해당하고, 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 사용자 단말(110)은 광고 추천 장치(130)와 네트워크를 통해 연결될 수 있고, 사용자 단말 1 내지 사용자 단말 n을 포함하는 적어도 하나의 사용자 단말(110)은 광고 추천 장치(130)와 동시에 연결될 수 있다.

예를 들어, 사용자 단말(110)이 스마트 폰인 경우 사용자는 스마트 폰을 통해 동영상을 시청할 수 있다. 사용자는 스마트 폰에 영화 및 드라마 등 동영상 파일을 다운로드 받을 수 있고, 동영상 재생 APP를 통해 해당 동영상을 시청할 수 있다. 또한, 사용자는 스마트 폰에 설치된 웹 브라우저 또는 동영상 공유 APP를 통해 영화 및 드라마 등 동영상을 실시간으로 시청할 수 있다.

광고 추천 장치(130)는 네트워크를 통해 사용자 선호도 등을 기초로 추천된 광고들을 사용자 단말(110)에 제공하는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 광고 추천 장치(130)는 사용자 단말(110)과 블루투스, WiFi 등을 통해 무선으로 연결될 수 있고, 네트워크를 통해 사용자 단말(110)과 데이터를 주고 받을 수 있다.

광고 추천 장치(130)는 데이터베이스(150)를 포함하여 구현될 수 있고, 데이터베이스(150)와 별도로 구현될 수 있다. 데이터베이스(150)와 별도로 구현된 경우 광고 추천 장치(130)는 데이터베이스(150)와 연결되어 데이터를 송수신할 수 있다.

데이터베이스(150)는 광고 추천 장치(130)가 개인에게 적합한 광고를 추천하기 위해 사용하는 다양한 정보들을 저장할 수 있다. 예를 들어, 데이터베이스(150)는 사용자 선호도 정보, 컨텐츠 분석 정보 및 광고 분석 정보를 저장할 수 있다.

사용자 선호도 정보는 사용자 개인의 신상 정보 등 정적인 정보들로 이루어진 사용자 프로파일 정보와 사용자 단말(110)로부터 수집한 컨텐츠 이용 정보 및 광고 시청 정보 등 동적인 정보들로 이루어진 사용자 선호 정보를 포함할 수 있다.

사용자 선호 정보는 사용자별로 컨텐츠와 광고를 선택하는 기준에 해당할 수 있다. 보다 구체적으로, 사용자 선호 정보는 컨텐츠 선택 기준을 제공하는 사용자 컨텐츠 선호 정보와 광고 선택 기준을 제공하는 사용자 광고 선호 정보를 포함할 수 있다. 예를 들어, 특정 사용자의 컨텐츠 선호 정보에 포함되는 컨텐츠 선호 장르가 '공포'에 해당하는 경우, 해당 사용자는 여러 장르의 컨텐츠들 중에서 '공포' 장르에 속하는 컨텐츠를 선택하여 시청할 확률이 다른 장르에 속하는 컨텐츠를 선택할 확률보다 높을 수 있다. 사용자가 선택할 수 있는 컨텐츠가 대부분 '스포츠' 장르에 속하더라도 '공포' 장르에 속하는 컨텐츠가 존재할 경우 사용자는 '공포' 장르에 속하는 컨텐츠를 선택할 확률이 가장 높을 수 있다.

또한, 특정 사용자의 광고 선호 정보에 포함되는 광고 선호 장르가 '스포츠'인 경우, 해당 사용자가 선호하는 '공포' 장르의 컨텐츠를 시청하더라도 '스포츠' 장르의 광고가 중간에 제공되면 해당 사용자는 컨텐츠 시청을 중단하고 광고를 시청할 확률이 다른 장르의 광고를 시청할 확률보다 높을 수 있다.

광고 추천 장치(130)는 사용자 단말(110)에 저장된 사용자 프로파일 관련 정보를 사용자의 동의를 받아 수집하거나 사용자 단말(110)을 통해 사용자로부터 직접 입력받을 수 있다. 광고 추천 장치(130)는 수집된 정보를 기초로 사용자 프로파일 정보를 구성하여 데이터베이스(150)에 저장할 수 있다.

광고 추천 장치(130)는 사용자 단말(110)을 통해 사용자가 시청한 컨텐츠 및 광고와 관련된 정보를 사용자의 동의를 받아 수집할 수 있다. 예를 들어, 광고 추천 장치(130)는 사용자가 선택한 컨텐츠 및 광고의 메타데이터를 포함하여 시청 시간, 시청 요일 등 광고 추천에 이용될 수 있는 다양한 형태의 관련 정보들을 사용자 단말(110)로부터 수집하여 데이터베이스(150)에 저장할 수 있다.

컨텐츠 분석 정보는 컨텐츠를 분석하여 수집한 정보에 해당하고, 컨텐츠의 메타데이터 정보를 포함할 수 있다. 컨텐츠 메타데이터는 컨텐츠 제공자가 컨텐츠와 함께 제공하는 정보를 통해 수집하거나 컨텐츠 메타데이터 분석을 통해 얻은 결과를 가공하여 관련 정보를 수집할 수 있다. 컨텐츠 메타데이터는 컨텐츠의 제목, 유형, 장르 및 재생 시간 등 컨텐츠를 구성하는 일반적인 정보 뿐만 아니라 컨텐츠의 위치와 내용, 작성자에 관한 정보, 권리 조건 및 이용 조건 등 일정한 규칙에 따라 작성된 정보들을 포함할 수 있다.

컨텐츠 분석 정보는 컨텐츠에 대한 사용자들의 평가 점수 및 사용자들의 평균 시청 시간 등 컨텐츠 메타데이터 외에 광고 추천에 활용 가능한 다양한 형태의 정보들을 포함할 수 있다. 예를 들어, 광고 추천 장치(130)는 컨텐츠 각각에 대해 해당 컨텐츠를 이용한 사용자들이 평가한 평가 점수를 통계 정보로 가공하여 데이터베이스(150)에 저장할 수 있다. 광고 추천 장치(130)는 해당 컨텐츠의 평균 시청 시간이나 시청이 가장 많이 이루어지는 실제 시간 또는 요일 등 사용자 단말(110)로부터 수집할 수 있는 정보들을 광고 추천에 활용할 수 있는 형태로 가공하여 데이터베이스(150)에 저장할 수 있다.

광고 분석 정보는 광고를 분석하여 수집한 정보에 해당하고, 광고의 메타데이터 정보를 포함할 수 있다. 광고 메타데이터는 광고 제공자가 광고와 함께 제공하는 정보를 통해 수집하거나 광고 메타데이터 분석을 통해 얻은 결과를 가공하여 관련 정보를 수집할 수 있다. 광고 메타데이터는 광고의 제목, 유형, 장르 및 재생 시간 등 광고를 구성하는 일반적인 정보 뿐만 아니라 광고의 위치와 내용, 작성자에 관한 정보, 권리 조건 및 이용 조건 등 일정한 규칙에 따라 작성된 정보들을 포함할 수 있다.

광고 분석 정보는 광고에 대한 사용자들의 반응을 분석하여 광고 추천에 활용 가능한 다양한 형태로 가공한 정보들을 포함할 수 있다. 예를 들어, 광고 추천 장치(130)는 광고 각각에 대해 해당 광고를 접한 사용자들이 실제 광고를 클릭한 횟수, 광고를 시청한 시간 및 광고 종료 전에 이탈한 횟수 등의 정보를 수집하여 데이터베이스(150)에 저장할 수 있다. 또한, 광고 추천 장치(130)는 해당 광고가 제공된 시점에 사용자가 시청하고 있었던 컨텐츠와 연관된 정보들을 사용자 단말(110)로부터 수집하여 데이터베이스(150)에 저장할 수 있다.

데이터베이스(150)는 특정 범위에 속하는 정보들을 저장하는 적어도 하나의 독립된 서브-데이터베이스들로 구성될 수 있고, 적어도 하나의 독립된 서브-데이터베이스들이 하나로 통합된 통합 데이터베이스로 구성될 수 있다. 적어도 하나의 독립된 서브-데이터베이스들로 구성되는 경우에는 각각의 서브-데이터베이스들은 블루투스, WiFi 등을 통해 무선으로 연결될 수 있고, 네트워크를 통해 상호 간의 데이터를 주고 받을 수 있다. 통합 데이터베이스로 구성되는 경우에는 각각의 서브-데이터베이스들을 하나로 통합하고 상호 간의 데이터 교환 및 제어 흐름을 관리하는 제어부를 포함할 수 있다.

도 2는 도 1에 있는 다층 다차원 분석 기반의 광고 추천 장치를 나타내는 블록도이다.

도 2를 참조하면, 다층 다차원 분석 기반의 광고 추천 장치(130)는 프로세서(210), 메모리(220), 사용자 입출력부(230) 및 네트워크 입출력부(240) 를 포함할 수 있다.

프로세서(210)는 도 4에 있는 다층 다차원 분석 기반의 광고 추천 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(220)를 관리할 수 있으며, 메모리(220)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(210)는 다층 다차원 분석 기반의 광고 추천 장치(130)의 동작 전반을 제어할 수 있고, 메모리(220), 사용자 입출력부(230) 및 네트워크 입출력부(240)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 다층 다차원 분석 기반의 광고 추천 장치(130)의 CPU(Central Processing Unit)로 구현될 수 있다.

메모리(220)는 SSD(Solid State Disk) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 다층 다차원 분석 기반의 광고 추천 장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.

사용자 입출력부(230)은 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함하고, 예를 들어, 마우스, 트랙볼, 터치 패드, 그래픽 태블릿, 스캐너, 터치 스크린, 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(230)은 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 다층 다차원 분석 기반의 광고 추천 장치(130)는 서버로서 수행될 수 있다.

네트워크 입출력부(240)은 네트워크를 통해 사용자 단말(110)과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network) 통신을 위한 어댑터를 포함할 수 있다.

도 3은 도 2에 있는 프로세서의 기능 요소를 나타내는 블록도이다.

도 3를 참조하면, 프로세서(210)는 컨텐츠 모집단 생성부(310), 광고 모집단 생성부(320), 선호 모집단 생성부(330), 광고 추천부(340), 사용자 선호도 갱신부(350) 및 제어부(360)를 포함할 수 있다.

컨텐츠 모집단 생성부(310)는 사용자 단말(110)에 제공될 광고를 결정하기 위한 전 단계로서 컨텐츠에 관한 모집단을 생성할 수 있다. 보다 구체적으로, 컨텐츠 모집단 생성부(310)는 제1 사용자들을 선별하여 컨텐츠 선호도를 결정하고 컨텐츠 선호도를 기초로 컨텐츠 모집단을 생성할 수 있다.

여기에서, 제1 사용자들은 특정 컨텐츠를 이용하였던 일반적인 사용자들에 해당하고, 해당 사용자들 중 일부만을 포함하여 구성될 수 있다. 제1 사용자들의 컨텐츠 선호도는 특정 컨텐츠에 관한 범용 선호도에 해당할 수 있고, 사용자들이 컨텐츠를 이용한 후 해당 컨텐츠에 대해 수행한 평가 점수 등을 기초로 결정될 수 있다.

컨텐츠 모집단 생성부(310)는 제1 사용자들을 선별한 후 다양한 기준에 따라 컨텐츠 모집단을 생성할 수 있다. 예를 들어, 컨텐츠 모집단 생성부(310)는 사용자들이 가장 많이 선택한 컨텐츠를 기준으로 정렬하고 정렬된 순서에 따라 특정 순위 내의 컨텐츠들로 구성된 컨텐츠 모집단을 생성할 수 있다. 컨텐츠 모집단 생성부(310)는 사용자들이 가장 오랫동안 시청한 컨텐츠를 기준으로 정렬하고 정렬된 순서에 따라 특정 순위 내의 컨텐츠들로 구성된 컨텐츠 모집단을 생성할 수 있다.

일 실시예에서, 컨텐츠 모집단 생성부(310)는 현재 시점으로부터 과거 특정 시점까지의 구간동안 제1 사용자들에 의해 선택된 컨텐츠를 포함시켜 컨텐츠 모집단을 가변적으로 결정할 수 있다. 컨텐츠 모집단 생성부(310)는 과거 특정 시점 이전의 사용자들의 컨텐츠 이용 기록을 제외함으로써 시간의 흐름에 따라 변화하는 상대적인 사용자들의 컨텐츠 이용 경향을 반영할 수 있다.

예를 들어, 컨텐츠 모집단 생성부(310)는 현재 시점으로부터 1달 이내의 구간동안 사용자들에게 인기있는 컨텐츠들 만을 이용하여 컨텐츠 모집단을 결정할 수 있다. 또한, 컨텐츠 모집단 생성부(310)는 현재 시점으로부터 3개월, 6개월 및 1년 등 특정 기간을 임의로 결정하여 컨텐츠 모집단을 결정함으로써 사용자에게 보다 적합한 광고를 추천하는데 활용할 수 있다.

광고 모집단 생성부(320)는 사용자 단말(110)에 제공될 광고를 결정하기 위한 전 단계로서 광고에 관한 모집단을 생성할 수 있다. 보다 구체적으로, 광고 모집단 생성부(320)는 제2 사용자들을 선별하여 광고 선호도를 결정하고 광고 선호도를 기초로 광고 모집단을 생성할 수 있다.

여기에서, 제2 사용자들은 특정 광고를 이용하였던 일반적인 사용자들에 해당하고, 해당 사용자들 중 일부만을 포함하여 구성될 수 있다. 제2 사용자들의 광고 선호도는 특정 광고에 관한 범용 선호도에 해당할 수 있고, 사용자들이 광고를 접한 후 해당 광고를 클릭한 횟수, 해당 광고를 시청한 시간 및 해당 광고 재생 완료 전에 이탈한 횟수 등을 기초로 결정될 수 있다.

광고 모집단 생성부(320)는 제2 사용자들을 선별한 후 다양한 기준에 따라 광고 모집단을 생성할 수 있다. 예를 들어, 광고 모집단 생성부(320)는 사용자들이 가장 많이 클릭한 광고를 기준으로 정렬하고 정렬된 순서에 따라 특정 순위 내의 광고들로 구성된 광고 모집단을 생성할 수 있다. 광고 모집단 생성부(320)는 사용자들이 가장 오랫동안 시청한 광고 또는 가장 적게 이탈한 광고를 기준으로 정렬하고 정렬된 순서에 따라 특정 순위 내의 광고들로 구성된 광고 모집단을 생성할 수 있다.

일 실시예에서, 광고 모집단 생성부(320)는 제2 사용자들의 광고선택과 무관하게 광고운영정책에 따라 결정된 광고를 광고 모집단에 포함시킬 수 있다. 여기에서, 광고운영정책은 광고 추천 장치(130)가 사용자 단말(110)에 추천 광고를 제공할 때 최우선적으로 지켜야하는 내부 규칙에 해당할 수 있다. 광고운영정책은 광고 추천 장치(130)를 통해 수동으로 설정할 수 있고, 데이터베이스(150)에 저장될 수 있다.

보다 구체적으로, 광고 모집단 생성부(320)는 광고주의 의사가 반영된 광고운영정책에 따라 특정 광고를 포함시켜 광고 모집단을 생성할 수 있다. 예를 들어, 광고 모집단 생성부(320)는 제2 사용자들의 광고 선호도를 기초로 광고 모집단을 생성한 후 광고운영정책에 의해 특정 광고주의 광고를 광고 모집단에 추가할 수 있다. 광고 모집단 생성부(320)는 광고 모집단이 특정 순위에 따라 생성된 경우라도 순위에 상관없이 특정 광고주의 광고를 광고 모집단의 최상위에 위치시킬 수 있고 특정 위치를 지정하여 해당 광고를 위치시킬 수 있다.

선호 모집단 생성부(330)는 컨텐츠 모집단 생성부(310) 및 광고 모집단 생성부(320)에 의해 생성된 컨텐츠 및 광고 모집단에 대해 개인 사용자 선호도를 적용하여 각각 선호 컨텐츠 모집단 및 선호 광고 모집단을 생성할 수 있다. 보다 구체적으로, 선호 모집단 생성부(330)는 특정 순위에 따라 생성된 컨텐츠 모집단 또는 광고 모집단에 대해 개인 사용자 선호도에 해당하는 컨텐츠 또는 광고만을 추출하여 선호 컨텐츠 모집단 또는 선호 광고 모집단을 생성할 수 있다.

예를 들어, 선호 모집단 생성부(330)는 '영화' 컨텐츠에 대해 특정 기간 동안의 인기 순위에 따라 컨텐츠 모집단을 생성한 경우 '공포' 장르의 영화를 선호하는 개인 사용자 선호도에 따라 컨텐츠 모집단에 속한 영화들 중 '공포' 장르에 해당하는 영화들만을 추출하여 선호 컨텐츠 모집단을 생성할 수 있다.

선호 모집단 생성부(330)는 '스포츠' 광고에 대해 특정 기간 동안의 광고 클릭 순위에 따라 광고 모집단이 생성된 경우 '축구' 장르의 광고를 선호하는 개인 사용자 선호도에 따라 광고 모집단에 속한 광고들 중 '축구' 장르에 해당하는 광고들만을 추출하여 선호 광고 모집단을 생성할 수 있다.

선호 모집단 생성부(330)는 컨텐츠 및 광고 모집단이 특정 순위에 따라 생성된 경우 개인 사용자 선호도를 적용하여 생성한 선호 컨텐츠 및 선호 광고 모집단도 해당 순위에 따라 정렬하여 생성할 수 있다. 예를 들어, '영화' 컨텐츠 모집단 내에서 '공포' 장르에 속하는 영화1, 영화2 및 영화3의 순위가 각각 5위, 14위 및 35위에 해당하고 '공포' 장르의 영화를 선호하는 개인 사용자 선호도에 따라 영화1, 영화2 및 영화3을 포함하는 선호 컨텐츠 모집단이 생성된 경우 선호 컨텐츠 모집단 내에서 영화1, 영화2 및 영화3의 순위는 각각 1위, 2위 및 3위에 해당할 수 있다.

일 실시예에서, 사용자 선호도는 협업 필터링(CF, Collaboration Filtering)을 기초로 결정된 사용자 컨텐츠 선호 경향과 사용자에 의해 결정된 광고의 광고대상에 기반한 컨텐츠 기반 필터링(CBF, Contents Based Filtering)을 기초로 결정된 사용자 광고 선호 경향을 포함할 수 있다. 여기에서, 협업 필터링은 대규모의 기존 사용자 행동 정보를 분석하여 해당 사용자와 비슷한 성향의 사용자들이 기존에 좋아했던 항목을 추천하는 기술이고, 컨텐츠 기반 필터링은 항목 자체의 분석을 통해 이와 유사한 항목을 추천하는 기술을 의미한다.

사용자 컨텐츠 선호 경향은 사용자의 선호 정보를 기초로 이와 유사한 경향을 보이는 사용자들을 선별하고 선별된 사용자들이 컨텐츠를 이용하는 경향을 종합하여 생성될 수 있다. 예를 들어, 광고 추천 장치(130)는 '영화' 컨텐츠에 대하여 '공포' 장르의 영화를 선호하는 개인 사용자 선호 정보를 기초로 '공포' 장르의 영화를 선호하는 사용자들을 선별할 수 있고 선별된 사용자들이 보이는 컨텐츠 선호 경향이 '공포', '코믹' 및 '멜로'의 순서로 구성된 경우 해당 사용자의 컨텐츠 선호 경향을 '공포', '코믹' 및 '멜로'의 순서로 구성하여 생성할 수 있다. 사용자 컨텐츠 선호 경향은 '영화' 컨텐츠와 관련하여 '장르', '출시일' 및 '상영 시간' 등 다양한 하위 항목들을 포함하여 구성될 수 있다.

사용자 광고 선호 경향은 사용자에 의해 결정된 광고의 광고대상을 기초로 이와 유사한 항목들을 추출하고 추출된 항목들을 종합하여 생성될 수 있다. 예를 들어, 광고 추천 장치(130)는 사용자에 의해 결정된 광고가 '축구'와 관련된 광고이고 해당 광고의 광고대상이 '축구화'인 경우 컨텐츠 필터링을 통해 축구화와 유사한 항목으로서 '축구공' 및 '축구양말' 등을 추출할 수 있고 추출된 항목들을 종합하여 해당 사용자의 광고 선호 경향을 '축구화', '축구공' 및 '축구양말'의 순서로 구성하여 생성할 수 있다. 사용자 광고 선호 경향은 광고 대상과 관련하여 다양한 하위 항목들을 포함하여 구성될 수 있다.

일 실시예에서, 선호 모집단 생성부(330)는 사용자 컨텐츠 선호 경향을 기초로 상기 선호 컨텐츠 모집단에 있는 컨텐츠를 재정렬하고 상기 사용자 광고 선호 경향을 반영한 광고운영정책을 기초로 상기 선호 광고 모집단에 있는 광고를 재정렬할 수 있다.

예를 들어, 선호 모집단 생성부(330)는 선호 컨텐츠 모집단이 '영화' 컨텐츠와 관련하여 장르가 '공포'인 영화들로 구성되어 있고 사용자 컨텐츠 선호 경향이 '영화 출시일'과 관련하여 '2000년대 영화', '2010년대 영화' 및 '1990년대 영화'의 순서로 구성된 경우에 선호 컨텐츠 모집단에 포함된 장르가 '공포'인 영화들에 대해 '영화 출시일'을 기준으로 '2000년대 영화', '2010년대 영화' 및 '1990년대 영화'의 순서로 재정렬할 수 있다.

선호 모집단 생성부(330)는 선호 광고 모집단이 '축구'와 관련된 광고들로 구성되어 있고 사용자 광고 선호 경향이 '축구화', '축구공' 및 '축구양말'의 순서로 구성된 경우에 광고운영정책이 사용자 광고 선호 경향을 그대로 반영하여 광고를 추천하는 규칙을 적용한다면 광고 컨텐츠 모집단에 포함된 광고들에 대해 '축구화', '축구공' 및 '축구양말'의 순서로 재정렬할 수 있다.

광고 추천부(340)는 선호 모집단 생성부(330)에 의해 생성된 선호 광고 모집단에 포함된 광고를 사용자 단말(110)에 제공할 수 있다. 광고 추천부(340)는 선호 컨텐츠 모집단에 없는 특정 컨텐츠가 선택되더라도 특정 컨텐츠의 시청 과정에서 선호 광고 모집단에 있는 적어도 하나의 광고를 사용자 단말(110)에 제공할 수 있다.

일 실시예에서, 광고 추천부(340)는 특정 컨텐츠의 시청 과정에서 선호 광고 모집단에 있는 적어도 하나의 광고를 재정렬된 순서에 따라 차례대로 제공할 수 있다. 광고 추천부(340)는 사용자 광고 선호 경향을 반영한 광고운영정책에 따라 재정렬된 선호 광고 모집단에 속한 광고들을 특정 컨텐츠의 재생과정에서 순서대로 제공할 수 있다.

보다 구체적으로, 광고 추천부(340)는 특정 컨텐츠의 시청 과정에서 해당 컨텐츠의 특정 재생 시점에서 순서대로 광고를 제공하거나 일정한 재생 간격마다 순서대로 광고를 제공할 수 있다.

사용자 선호도 갱신부(350)는 특정 컨텐츠의 시청 과정에서 추천된 광고에 대한 사용자의 반응을 수집하여 사용자의 선호도를 실시간으로 갱신할 수 있다. 일 실시예에서, 사용자 선호도 갱신부(350)는 적어도 하나의 광고에 대한 선택 여부, 시청 시간 및 이탈 여부 중 적어도 하나를 기초로 사용자 선호도를 갱신할 수 있다.

사용자 선호도 갱신부(350)는 특정 광고가 사용자 단말(110)에 제공되고 해당 광고에 대한 선택 정보, 시청 시간 및 이탈 여부 중 적어도 하나가 사용자 단말(110)로부터 수신되면 해당 사용자의 선호도 정보를 해당 광고와 연관하여 데이터베이스(150)를 갱신할 수 있다.

예를 들어, 사용자 선호도 갱신부(350)는 '축구'와 관련된 광고가 사용자에게 추천된 경우 사용자가 해당 광고를 선택하였다면 해당 사용자의 광고 선호 정보 중 '축구'와 관련된 광고의 선택 횟수를 1 증가시킬 수 있고, 총 30초의 재생 시간 중 15초만 시청하고 중간에 이탈하였다면 해당 사용자의 광고 선호 정보 중 '축구'와 관련된 광고의 시청 시간에 15초를 더한 후 이탈 횟수를 1 증가시킬 수 있다.

제어부(360)는 광고 추천 장치(130)의 전체적인 동작을 제어하고, 컨텐츠 모집단 생성부(310), 광고 모집단 생성부(320), 선호 모집단 생성부(330), 광고 추천부(340) 및 사용자 선호도 갱신부(350) 간의 제어 흐름 및 데이터 흐름을 관리할 수 있다.

도 4는 도 2에 있는 프로세서에 의하여 수행되는 다층 다차원 분석 기반의 광고 추천 프로시저를 설명하는 순서도이다.

도 4을 참조하면, 프로세서(210)는 컨텐츠 모집단 생성부(310)를 통해 컨텐츠 모집단을 생성할 수 있다(단계 S410). 컨텐츠 모집단 생성부(310)는 제1 사용자들을 선별하여 컨텐츠 선호도를 결정하고 컨텐츠 선호도를 기초로 컨텐츠 모집단을 생성할 수 있다.

일 실시예에서, 컨텐츠 모집단 생성부(310)는 협업 필터링을 통해 해당 사용자와 유사한 컨텐츠 사용 경향을 보이는 사용자들을 제1 사용자로 선별할 수 있고 제1 사용자들의 컨텐츠 선호도를 기초로 컨텐츠 모집단을 생성할 수 있다.

프로세서(210)는 광고 모집단 생성부(320)를 통해 광고 모집단을 생성할 수 있다(단계 S430). 광고 모집단 생성부(320)는 제2 사용자들을 선별하여 광고 선호도를 결정하고 광고 선호도를 기초로 광고 모집단을 생성할 수 있다.

일 실시예에서, 광고 모집단 생성부(320)는 컨텐츠 기반 필터링을 통해 해당 사용자가 이전에 선택하거나 시청한 광고와 유사한 광고들을 선택하거나 시청한 사용자들을 제2 사용자로 선별할 수 있고 제2 사용자들의 광고 선호도를 기초로 광고 모집단을 생성할 수 있다. 다른 일 실시예에서, 광고 모집단 생성부(320)는 해당 사용자가 이전에 선택하거나 시청한 광고의 광고대상과 유사한 광고대상를 소재로 한 광고들을 선택하거나 시청한 사용자들을 제2 사용자로 선별할 수 있다.

프로세서(210)는 선호 모집단 생성부(330)를 통해 컨텐츠 및 광고 모집단에 개인 사용자 선호도를 적용하여 선호 컨텐츠 및 선호 광고 모집단을 생성할 수 있다(단계 S450).

일 실시예에서, 선호 모집단 생성부(330)는 컨텐츠 모집단에 있는 컨텐츠 중 개인 사용자 선호도와 연관된 컨텐츠만을 선별하여 선호 컨텐츠 모집단을 생성할 수 있고 광고 모집단에 있는 광고 중 개인 사용자 선호도와 연관된 광고만을 선별하여 선호 광고 모집단을 생성할 수 있다. 예를 들어, 선호 모집단 생성부(330)는 컨텐츠 모집단에 있는 컨텐츠 중 사용자가 가장 많이 선택한 장르, 사용자가 가장 많은 시간동안 시청한 장르 및 사용자가 가장 최근에 시청한 장르 등 사용자 선호도를 구성하는 다양한 정보들과 연관된 컨텐츠만을 선별하여 선호 컨텐츠 모집단을 생성할 수 있다. 선호 모집단 생성부(330)는 광고 모집단에 대해서도 동일한 방식으로 선호 광고 모집단을 생성할 수 있다.

일 실시예에서, 선호 모집단 생성부(330)는 광고주의 의사가 반영된 광고운영정책에 따라 특정 광고를 포함시켜 선호 광고 모집단을 생성할 수 있다. 예를 들어, 선호 모집단 생성부(330)는 광고 모집단 생성부(320)에 의해 광고 모집단이 특정 순위에 따라 생성되고 사용자 선호도를 적용하여 선호 광고 모집단이 생성되더라도 순위에 상관없이 특정 광고주의 광고를 선호 광고 모집단의 최상위에 위치시킬 수 있고 특정 위치를 지정하여 해당 광고를 위치시킬 수 있다.

프로세서(210)는 광고 추천부(340)를 통해 특정 컨텐츠의 시청 과정에서 선호 광고 모집단에 있는 적어도 하나의 광고를 제공할 수 있다(단계 S470).

일 실시예에서, 광고 추천부(340)는 광고주의 의사가 반영된 광고운영정책에 따라 특정 광고를 사용자 단말(110)에 제공할 수 있다. 예를 들어, 광고 추천부(340)는 선호 모집단 생성부(330)에 의해 생성된 선호 광고 모집단의 순위에 상관없이 특정 광고주의 광고를 가장 먼저 제공할 수 있고, 특정 재생 시점이나 특정 재생 간격마다 순위에 상관없이 특정 광고주의 광고를 제공할 수 있다.

프로세서(210)는 사용자 선호도 갱신부(350)를 통해 적어도 하나의 광고에 대한 선택 여부, 시청 시간 및 이탈 여부 중 적어도 하나를 기초로 사용자 선호도를 갱신할 수 있다(단계 S490).

일 실시예에서, 사용자 선호도 갱신부(350)는 특정 광고가 선택되면 해당 광고의 선택 횟수를 1 증가시키고, 특정 광고를 시청한 시간을 해당 광고의 총 시청 시간에 더하며, 특정 광고가 완료되기 전에 이탈되면 해당 광고의 이탈 횟수를 1 증가시킬 수 있다.

일 실시예에서, 사용자 선호도 갱신부(350)는 다음 수학식을 통해 사용자 선호도 점수를 산출한 후 해당 광고와 연관하여 데이터베이스(150)에 저장할 수 있다.

[수학식]

P=k*T*(S-E)

여기에서, P는 사용자 선호도 점수를, k는 비례 계수를, T는 총 시청 시간을, S는 선택 횟수를, E는 이탈 횟수를 나타낸다.

특정 광고에 대한 사용자 선호도 점수는 해당 광고의 총 시청 시간에 비례하도록 산출할 수 있다. 해당 광고의 총 시청 시간이 길수록 해당 광고가 인기있는 광고에 해당될 확률이 높고 해당 광고에 대한 사용자 선호도 점수는 높게 산출될 수 있다. 특정 광고에 대한 사용자 선호도 점수는 해당 광고에 대한 선택 횟수와 이탈 횟수의 차이, 즉 광고를 끝까지 시청한 사용자들의 수에 비례하도록 산출할 수 있다. 해당 광고에 대해 끝까지 시청한 사용자들의 수가 많을수록 해당 광고가 인기있는 광고에 해당될 확률이 높고 해당 광고에 대한 사용자 선호도 점수는 높게 산출될 수 있다. 사용자 선호도 점수 P가 높을수록 해당 광고를 선호하는 경향에 가깝다고 판단할 수 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

100: 광고 추천 시스템
110: 사용자 단말
130: 다층 다차원 분석 기반의 광고 추천 장치
150: 데이터베이스
210: 프로세서 220: 메모리
230: 사용자 입출력부 240: 네트워크 입출력부
310: 컨텐츠 모집단 생성부 320: 광고 모집단 생성부
330: 선호 모집단 생성부 340: 광고 추천부
350: 사용자 선호도 갱신부 360: 제어부

Claims (9)

1. 컨텐츠와 광고의 선택 기준들을 정의하는 사용자 선호도를 저장하는 메모리; 및
   상기 메모리와 전기적으로 연결되는 프로세서를 포함하고,
   상기 프로세서는
   (a) 제1 사용자들을 선별하여 컨텐츠 선호도를 결정하고 상기 컨텐츠 선호도를 기초로 컨텐츠 모집단을 생성하는 기능;
   (b) 제2 사용자들을 선별하여 광고 선호도를 결정하고 상기 광고 선호도를 기초로 광고 모집단을 생성하는 기능;
   (c) 상기 컨텐츠 모집단 및 상기 광고 모집단에 개인 사용자 선호도를 적용하여 선호 컨텐츠 모집단 및 선호 광고 모집단을 생성하는 기능; 및
   (d) 상기 선호 컨텐츠 모집단에 없는 특정 컨텐츠가 선택되더라도 상기 특정 컨텐츠의 시청 과정에서 상기 선호 광고 모집단에 있는 적어도 하나의 광고를 제공하는 기능을 포함하는 다층 다차원 분석 기반의 광고 추천 장치.
   
2. 제1항에 있어서, 상기 (a) 기능은
   현재 시점으로부터 과거 특정 시점까지의 구간동안 상기 제1 사용자들에 의해 선택된 컨텐츠를 포함시켜 상기 컨텐츠 모집단을 가변적으로 결정하는 기능을 포함하는 것을 특징으로 하는 다층 다차원 분석 기반의 광고 추천 장치.
   
3. 제1항에 있어서, 상기 (b) 기능은
   상기 제2 사용자들의 광고선택과 무관하게 광고운영정책에 따라 결정된 광고를 상기 광고 모집단에 포함시키는 기능을 포함하는 것을 특징으로 하는 다층 다차원 분석 기반의 광고 추천 장치.
   
4. 제1항에 있어서, 상기 사용자 선호도는
   협업 필터링(CF, Collaboration Filtering)을 기초로 결정된 사용자 컨텐츠 선호 경향과 사용자에 의해 결정된 광고의 광고대상에 기반한 컨텐츠 기반 필터링(CBF, Contents Based Filtering)을 기초로 결정된 사용자 광고 선호 경향을 포함하는 것을 특징으로 하는 다층 다차원 분석 기반의 광고 추천 장치.
   
5. 제4항에 있어서, 상기 (c) 기능은
   상기 사용자 컨텐츠 선호 경향을 기초로 상기 선호 컨텐츠 모집단에 있는 컨텐츠를 재정렬하고 상기 사용자 광고 선호 경향을 반영한 광고운영정책을 기초로 상기 선호 광고 모집단에 있는 광고를 재정렬하는 기능을 포함하는 것을 특징으로 하는 다층 다차원 분석 기반의 광고 추천 장치.
   
6. 제5항에 있어서, 상기 (d) 기능은
   상기 특정 컨텐츠의 시청 과정에서 상기 선호 광고 모집단에 있는 적어도 하나의 광고를 재정렬된 순서에 따라 차례대로 제공하는 기능을 포함하는 것을 특징으로 하는 다층 다차원 분석 기반의 광고 추천 장치.
   
7. 제1항에 있어서, 상기 프로세서는
   (e) 상기 적어도 하나의 광고에 대한 선택 여부, 시청 시간 및 이탈 여부 중 적어도 하나를 기초로 상기 사용자 선호도를 갱신하는 기능을 더 포함하는 것을 특징으로 하는 다층 다차원 분석 기반의 광고 추천 장치.
   
8. 제1항에 있어서, 상기 (c) 기능은
   (c1) 상기 컨텐츠 모집단에 있는 컨텐츠 중 상기 개인 사용자 선호도와 연관된 컨텐츠만을 선별하여 상기 선호 컨텐츠 모집단을 생성하는 기능; 및
   (c2) 상기 광고 모집단에 있는 광고 중 상기 개인 사용자 선호도와 연관된 광고만을 선별하여 상기 선호 광고 모집단을 생성하는 기능을 포함하는 것을 특징으로 하는 다층 다차원 분석 기반의 광고 추천 장치.
   
9. 컨텐츠와 광고의 선택 기준들을 정의하는 사용자 선호도를 저장하는 메모리 및 상기 메모리와 전기적으로 연결되는 프로세서를 포함하는 다층 다차원 분석 기반의 광고 추천 장치에서 수행되는 다층 다차원 분석 기반의 광고 추천 방법에 있어서,
   (a) 제1 사용자들을 선별하여 컨텐츠 선호도를 결정하고 상기 컨텐츠 선호도를 기초로 컨텐츠 모집단을 생성하는 단계;
   (b) 제2 사용자들을 선별하여 광고 선호도를 결정하고 상기 광고 선호도를 기초로 광고 모집단을 생성하는 단계;
   (c) 상기 컨텐츠 모집단 및 상기 광고 모집단에 개인 사용자 선호도를 적용하여 선호 컨텐츠 모집단 및 선호 광고 모집단을 생성하는 단계; 및
   (d) 상기 선호 컨텐츠 모집단에 없는 특정 컨텐츠가 선택되더라도 상기 특정 컨텐츠의 시청 과정에서 상기 선호 광고 모집단에 있는 적어도 하나의 광고를 제공하는 단계를 포함하는 다층 다차원 분석 기반의 광고 추천 방법.
   
   

Images