KR20190076870A - 연락처 정보를 추천하는 방법 및 디바이스 - Google Patents

연락처 정보를 추천하는 방법 및 디바이스 Download PDF

Info

Publication number
KR20190076870A
KR20190076870A KR1020180164959A KR20180164959A KR20190076870A KR 20190076870 A KR20190076870 A KR 20190076870A KR 1020180164959 A KR1020180164959 A KR 1020180164959A KR 20180164959 A KR20180164959 A KR 20180164959A KR 20190076870 A KR20190076870 A KR 20190076870A
Authority
KR
South Korea
Prior art keywords
contact
information
recommended
processor
identifier
Prior art date
Application number
KR1020180164959A
Other languages
English (en)
Other versions
KR102628042B1 (ko
Inventor
황진영
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 CN202110936092.4A priority Critical patent/CN113746978A/zh
Priority to CN201880082700.6A priority patent/CN111512617B/zh
Priority to PCT/KR2018/016536 priority patent/WO2019125082A1/en
Priority to EP18892033.4A priority patent/EP3652925A4/en
Priority to US16/232,481 priority patent/US11521111B2/en
Publication of KR20190076870A publication Critical patent/KR20190076870A/ko
Application granted granted Critical
Publication of KR102628042B1 publication Critical patent/KR102628042B1/ko

Links

Images

Classifications

    • H04M1/72522—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/26—Devices for calling a subscriber
    • H04M1/27—Devices whereby a plurality of signals may be stored simultaneously
    • H04M1/274—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc
    • H04M1/2745—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc using static electronic memories, e.g. chips
    • H04M1/27453—Directories allowing storage of additional subscriber data, e.g. metadata
    • H04M1/2746—Sorting, e.g. according to history or frequency of use
    • 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
    • G06F16/24575—Query processing with adaptation to user needs using context
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • H04M1/274583—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/26—Devices for calling a subscriber
    • H04M1/27—Devices whereby a plurality of signals may be stored simultaneously
    • H04M1/274—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc
    • H04M1/2745—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc using static electronic memories, e.g. chips
    • H04M1/27467—Methods of retrieving data
    • H04M1/27475—Methods of retrieving data using interactive graphical means or pictorial representations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/26—Devices for calling a subscriber
    • H04M1/27—Devices whereby a plurality of signals may be stored simultaneously
    • H04M1/274—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc
    • H04M1/2745—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc using static electronic memories, e.g. chips
    • H04M1/275—Devices whereby a plurality of signals may be stored simultaneously with provision for storing more than one subscriber number at a time, e.g. using toothed disc using static electronic memories, e.g. chips implemented by means of portable electronic directories
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/487—Arrangements for providing information services, e.g. recorded voice services or time announcements
    • H04M3/493—Interactive information services, e.g. directory enquiries ; Arrangements therefor, e.g. interactive voice response [IVR] systems or voice portals
    • H04M3/4931—Directory assistance systems
    • 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
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2201/00—Electronic components, circuits, software, systems or apparatus used in telephone systems
    • H04M2201/34—Microprocessors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2203/00—Aspects of automatic or semi-automatic exchanges
    • H04M2203/55—Aspects of automatic or semi-automatic exchanges related to network data storage and management
    • H04M2203/551—Call history
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2203/00—Aspects of automatic or semi-automatic exchanges
    • H04M2203/55—Aspects of automatic or semi-automatic exchanges related to network data storage and management
    • H04M2203/555—Statistics, e.g. about subscribers but not being call statistics
    • H04M2203/556—Statistical analysis and interpretation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2203/00—Aspects of automatic or semi-automatic exchanges
    • H04M2203/65—Aspects of automatic or semi-automatic exchanges related to applications where calls are combined with other types of communication
    • H04M2203/655—Combination of telephone service and social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Strategic Management (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Library & Information Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공지능(AI) 시스템 및 그 응용에 관련된 것이다. 일 실시예에 의한 디바이스는 프로세서 및 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고, 프로세서는 명령어들을 실행함으로써, 디바이스에서 실행 중인 애플리케이션의 컨텍스트 정보로부터, 식별자를 결정하고, 식별자에 관련된 적어도 하나의 추천 연락처를 검색하고, 검색된 적어도 하나의 추천 연락처의 우선순위를 결정하고, 우선순위에 따라, 적어도 하나의 추천 연락처를 표시할 수 있다.

Description

연락처 정보를 추천하는 방법 및 디바이스 {DEVICE AND METHOD FOR RECOMMEDING CONTACT INFORMATION}
다양한 실시예들은 연락처 정보를 추천하는 방법 및 디바이스에 관한 것으로서, 보다 상세하게는 사용자의 현재 컨텍스트 정보를 이용하여 연락처 정보 및 연락 수단을 추천하는 방법 및 디바이스에 관한 것이다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
통신 기술의 발달에 따라 사람들과 교류할 수 있는 다양한 기능들이 사용자 단말에 제공되면서 음성통화, 문자 등을 위한 연락처 뿐 아니라 메신저, 이메일, SNS(Social Network Service) 등의 통신을 위한 연락처도 증가하였다.
이러한 다양한 종류의 통신 채널들에 따른 수많은 연락처를 일일이 기억하는 것은 무리이며, 사용자 편의를 위해 각 통신 채널 프로그램들은 다양한 방법으로 연락처를 추천하는 기능을 제공하고 있다. 그러나, 기존의 연락처 추천 방법은 대부분 통화 횟수 및 통화 시간에 따라 연락처를 단순 추천하는 경우가 대부분이었으며, 이에 따라 사용자의 컨텍스트에 따른 세분화된 연락처 추천의 필요성이 증가하였다.
다양한 실시예들은, 사용자의 컨텍스트 정보 및 사용자와의 관계에 따른 연락처를 추천하는 방법 및 디바이스를 제공할 수 있다.
일 실시예에 따른 디바이스는 프로세서 및 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고, 프로세서는 명령어들을 실행함으로써, 디바이스에서 실행 중인 애플리케이션의 컨텍스트 정보로부터, 식별자를 결정하고, 식별자에 관련된 적어도 하나의 추천 연락처를 검색하고, 검색된 적어도 하나의 추천 연락처의 우선순위를 결정하고, 우선순위에 따라, 적어도 하나의 추천 연락처를 표시할 수 있다.
일 실시예에 따른 디바이스의 동작 방법은, 디바이스에서 실행 중인 애플리케이션의 컨텍스트 정보로부터, 식별자를 결정하는 단계, 식별자에 관련된 적어도 하나의 추천 연락처를 검색하는 단계, 검색된 적어도 하나의 추천 연락처의 우선순위를 결정하는 단계 및 우선순위에 따라, 적어도 하나의 추천 연락처를 표시하는 단계를 포함할 수 있다.
또 다른 측면에 따른 컴퓨터로 읽을 수 있는 기록매체는 상술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체를 포함한다.
도 1은 일 실시예에 따른 디바이스가 연락처를 추천하는 방법의 예시를 나타내는 개요도이다.
도 2는 일 실시예에 따른 디바이스의 동작 방법을 도시한 흐름도이다.
도 3은 일 실시예에 따라 디바이스가 식별자를 이용하여 연락처를 추천하는 방법을 설명하기 위한 도면이다.
도 4는 일 실시예에 따라 연락처 간의 친밀도에 따라 관계 그래프를 생성하는 방법을 설명하기 위한 도면이다.
도 5는 일 실시예에 따라 디바이스에서 사용자 관계 그래프를 이용하여 사용자의 메일 내용으로부터 추천 연락처를 추정하는 방법을 설명하기 위한 도면이다.
도 6은 일 실시예에 따라 디바이스가 선택된 추천 연락처에 연동되는 연락 수단을 표시하는 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따라 추천 연락처와 연결되지 않는 경우, 추천 연락처에 연동된 다른 연락 수단을 표시하는 방법을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 다른 추천 연락처를 추천하는 방법을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 일정 정보 및 위치 정보에 기초하여 추천 연락처를 추정하는 방법을 설명하기 위한 도면이다.
도 10은 일 실시예에 따라 디바이스에서 새로운 연락처를 획득한 후 주소록을 생성하는 방법을 설명하기 위한 도면이다.
도 11은 일 실시예에 따라 디바이스에서 사용자 관계 그래프에 기초하여 주소록을 갱신하는 방법을 설명하기 위한 도면이다.
도 12는 일 실시예에 따라 디바이스에서 일정 정보 및 그룹 정보에 기초하여 메시지 내용을 추천하는 내용을 설명하기 위한 도면이다.
도 13은 일 실시예에 따른 디바이스의 구성을 나타내는 블록도이다.
도 14은 일 실시예에 따른 디바이스의 상세 구성을 나타내는 블록도이다.
도 15는 일 실시예에 따른 프로세서의 블록도이다.
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 1>
도 1은 일 실시예에 따른 디바이스가 연락처를 추천하는 방법의 예시를 나타내는 개요도이다.
도 1을 참조하면, 일 실시예에 따라, 디바이스(10)는 디바이스(10)에서 실행 중인 애플리케이션의 컨텍스트 정보로부터 적어도 하나의 식별자(101, 102 및 103)를 결정할 수 있다.
일 실시예에 의한 식별자는 텍스트의 키워드 또는 얼굴 인식에 의한 표정 특징점일 수 있다. 디바이스(10)는 적어도 하나의 식별자를 결정하고 서로 관련성이 있는 식별자들을 그룹화 할 수 있다.
일 실시예에 의하면, 디바이스(10)는 언어 처리 알고리즘을 이용하여 컨텍스트 정보에서 소정의 빈도 이상으로 사용된 단어를 식별자로 추출할 수 있다. 이때 식별자는 키워드일 수 있다.
일 실시예에 의하면, 디바이스(10)는 하나의 사전의 단어/문구가 다른 사전의 다른 단어/문구와 매핑될 수 있도록 두 개 이상의 사전 사이의 맵을 유지함으로써 키워드를 획득할 수 있다. 실시 예에 있어서, 디바이스(10)는 하나의 사전의 단어/문구가 다른 사전의 단어/문구와 연관 관계를 가지는 경우, 맵을 이용하여 상호 교환 가능한 키워드를 획득할 수 있다. 연관 관계는, 한 쌍의 데이터에 대응되는 한 쌍의 노드들이 서로 관련되는 방법을 나타내는 것일 수 있다. 다양한 실시예들에서, 연관 관계는 한 쌍의 데이터/노드를 각각 주어와 목적어로 하는 술어로 표현될 수 있다. 실시 예에 있어서, 두 개 이상의 사전 사이의 연관 관계는 동일 관계 혹은 포함 관계를 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 동일 관계에 있는 "Korea" 및 "KR"라는 단어는 컨텍스트가 달리 요구하지 않는 한 상호 교환 가능할 수 있다. 혹은, 포함 관계에 있는 "Sports" 및 "Basketball "라는 단어는 컨텍스트가 달리 요구하지 않는 한 상호 교환 가능할 수 있다. 사전은 언어 사전, 검색 컨텍스트 사전, 애드워즈 사전, 사용자 의도 맵 및 사용자 정의 사전일 수 있다.
언어 처리 알고리즘은, 예로, 신경 언어학 프로그래밍(Neuro-Linguistic Programming) 알고리즘 또는 자연 언어 처리(Natural language processing) 알고리즘 등이 될 수 있으며, 그 밖에 사람의 언어를 분석 및 처리할 수 있는 다양한 알고리즘 및 알고리즘들 간의 조합을 포함할 수 있다.
일 실시예에 의하면, 디바이스(10)는 얼굴 인식 알고리즘을 이용하여 컨텍스트 정보에서 소정의 빈도 이상으로 검출된 얼굴을 식별자로 추출할 수 있다. 이때 식별자는 표정 특징점일 수 있다.
디바이스(10)는 얼굴에 상응하는 좌표 정보를 이용하여 얼굴 영역의 특징점을 검출할 수 있다. 예를 들어, 얼굴의 눈, 코, 입 및 귀의 위치 좌표를 이용하여 얼굴 영역의 특징점을 검출할 수 있다.
일 실시예에 의한 얼굴 인식 알고리즘은, 예시적으로, 동적보상퍼지신경네트워크(DCFNN)와 고유얼굴인식-LCA(Eigen face-LDA)를 혼합한 방식의 알고리즘 및 알고리즘 간의 조합을 포함할 수 있다.일 실시예에 의하면, 디바이스(10)는 현재 실행 중인 애플리케이션의 컨텍스트 정보를 획득할 수 있다. 일 실시예에 의하면, 애플리케이션은 메일, SNS, 문자, 사진첩, 다이어리, 뉴스 등의 애플리케이션을 포함할 수 있으며, 애플리케이션의 종류에 제한되지 않는다.
일 실시예에 의하면 컨텍스트 정보는 애플리케이션에 포함된 사진, 그림, 텍스트, 동영상, 애니메이션 등을 포함할 수 있으며, 특히, 컨텍스트 정보에 포함된 어투, 말투, 사진 속 인물의 표정 등을 포함할 수 있다. 또한, 일 실시예에 의하면 컨텍스트 정보는 현재 시간, 애플리케이션의 구동 시간, 애플리케이션의 속성, 애플리케이션의 종류 등을 포함할 수 있다.
일 실시예에 의하면, 디바이스(10)는 디바이스(10)에서 실행 중인 애플리케이션의 실행에 따라 디바이스(10)에 디스플레이된 데이터로부터 컨텍스트 정보를 획득할 수 있다. 실시예에 있어서, 디바이스(10)는 디바이스(10)에 디스플레이된 텍스트의 내용에 기초하여 컨텍스트 정보를 획득할 수 있다. 예를 들어, 디바이스(10)에 디스플레이된 텍스트는 이메일 어플리케이션의 실행에 따라 디스플레이된 이메일 제목, 이메일 본문, 발신자, 혹은 참조인 중 적어도 하나를 포함할 수 있다. 실시예에 있어서, 디바이스(10)는 텍스트가 포함된 필드에 따라, 서로 다른 가중치로 컨텍스트 정보를 획득할 수 있다. 예를 들어, 디바이스(10)는 이메일 제목에 포함된 텍스트를 가장 큰 가중치로, 참조인에 포함된 텍스트를 가장 작은 가중치로 두어 컨텍스트 정보를 획득할 수 있다. 혹은, 디바이스(10)는 텍스트가 포함된 필드에 따라, 각 텍스트를 서로 다른 카테고리로 분류하여 컨텍스트 정보를 획득할 수 있다. 예를 들어, 디바이스(10)는 이메일 제목에 포함된 텍스트를 '목적' 카테고리로, 발신자에 포함된 텍스트를 '인물'에 대한 카테고리로 분류하여 컨텍스트 정보를 획득할 수 있다.
혹은, 디바이스(10)는 디바이스(10)에 디스플레이된 영상 이미지에 기초하여 컨텍스트 정보를 획득할 수 있다. 예를 들어, 디바이스(10)에 디스플레이된 영상은 동영상 어플리케이션의 실행에 따라 디스플레이된 소정의 시간 동안의 동영상, 정지 영상, 대표 이미지 중 적어도 하나를 포함할 수 있다. 실시예에 있어서, 디바이스(10)는 영상 이미지가 포함된 필드에 따라, 서로 다른 가중치로 컨텍스트 정보를 획득할 수 있다. 혹은, 디바이스(10)는 영상 이미지가 포함된 필드에 따라, 각 텍스트를 서로 다른 카테고리로 분류하여 컨텍스트 정보를 획득할 수 있다.
일 실시예에 의하면, 디바이스(10)는 컨텍스트 정보를 분석하여 적어도 하나의 식별자, 예를 들어 적어도 하나의 키워드 및 얼굴 특징점, 을 추출하고, 추출된 식별자를 이용하여 컨텍스트 정보의 성향을 판단할 수 있다. 예를 들어, 제 1 식별자(101)가 '엄마의 얼굴'이고, 제 2 식별자(102)가 '가족 여행'이고, 제 3 식별자(103)가 '즐거움'인 경우, 디바이스(10)는 현재 실행되는 컨텍스트 정보의 성향이 '즐거운 가족 여행'이라고 판단할 수 있다. 실시예에 있어서, 디바이스(10)는 컨텍스트 정보의 성향을 판단하기 위하여, 복수의 식별자를 시계열적인 동작을 나타내는 텍스트로 가공할 수 있다. 예를 들어, 디바이스(10)는 복수의 식별자에 기초하여,‘사용자가 캐나다의 여행 명소를 검색했다.’, ‘사용자가 캐나다의 식당 정보를 검색했다’, 및 ‘사용자가 존과 톰과 함께 농구를 하러 갔다.’와 같은 텍스트를 생성하고, 생성된 텍스트에 기초하여 컨텍스트 정보의 성향을 판단할 수 있다.
일 실시예에 의하면, 디바이스(10)는 식별자에 관련된 추천 연락처를 검색할 수 있다. 디바이스(10)는 복수개의 식별자에 관련된 복수개의 추천 연락처를 검색할 수 있다. 디바이스(10)는 적어도 하나의 식별자에 관련된 추천 연락처를 검색하기 위하여 심층 신경망(Deep Neural Network) 기술에 따른 학습 모델을 활용할 수 있다.
디바이스(10)는 어느 하나의 식별자 또는 식별자들의 조합에 관련된 추천 연락처를 검색할 수 있다. 예를 들어, 제 1 식별자(101)가 '엄마의 얼굴'이고, 제 2 식별자(102)가 '가족 여행'이고, 제 3 식별자(103)가 '즐거움'인 경우, 디바이스(10)는 추천 연락처로서 가족 연락처를 검색할 수 있다.
일 실시예에 의하면, 디바이스(10)는 검색된 적어도 하나의 추천 연락처의 우선순위를 결정할 수 있다. 일 실시예에 의하면, 디바이스(10)는 추천 연락처와의 연락 빈도, 연락 시간, 연락 수단 및 연락 기간 등을 고려하여 추천 연락처의 우선순위를 결정할 수 있다.
일 실시예에 의하면, 디바이스(10)는 디스플레이의 일부분에 추천 연락처를 표시할 수 있다. 일 실시예에 의하여, 디바이스(10)는 팝업 윈도우, 별도의 창, 메시지 형태 등으로 추천 연락처를 표시할 수 있다.
일 실시예에 의하면, 디바이스(10)는 화면의 하단에 팝업 윈도우(104)로 추천 메시지를 표시할 수 있다. 일 실시예에 의하면, 팝업 윈도우(104)는 추천 연락처의 식별정보(106), 예를 들어 추천 연락처가 저장된 이름을 포함할 수 있다. 일 실시예에 의하면, 팝업 윈도우(104)는 추천 연락처로 연결할 수단에 대한 아이콘(107)을 포함할 수 있다. 일 실시예에 의하면, 팝업 윈도우(104)는 추천 연락처의 상세 정보(105)를 표시할 수 있다. 추천 연락처의 상세 정보(105)는 연락 수단이 전화 통화인 경우 전화번호, SNS인 경우 ID정보를 포함할 수 있다.
<도 2>
도 2는 일 실시예에 따른 디바이스의 동작 방법을 도시한 흐름도이다. 단계 201에서, 일 실시예에 의하면, 디바이스(10)는 실행중인 애플리케이션의 컨텍스트 정보로부터 식별자를 결정할 수 있다. 일 실시예에 의하면, 디바이스(10)는 언어 처리 알고리즘 또는 얼굴 인식 알고리즘을 이용하여 컨텍스트 정보에서 적어도 하나의 식별자를 결정할 수 있다. 일 실시예에 의하면, 소정의 빈도 이상으로 검출된 단어, 유사어, 동의어 등을 이용하여 식별자를 결정할 수 있다.
단계 202에서, 일 실시예에 의하면, 디바이스(10)는 식별자에 관련된 적어도 하나의 추천 연락처를 검색할 수 있다. 일 실시예에 의하면, 디바이스(10)는 소정의 시간 동안 식별자가 사용된 이력 정보를 이용하여, 식별자와 복수개의 연락처 정보 사이의 관계성을 학습한 결과(graph learning)에 기초하여 인공지능 학습 모델을 획득할 수 있다.
예를 들어, 디바이스(10)는 복수의 식별자를 시계열적인 동작을 나타내는 텍스트로 가공할 수 있다. 예를 들어, 디바이스(10)는 복수의 식별자에 기초하여,‘사용자가 캐나다의 여행 명소를 검색했다.’, ‘사용자가 캐나다의 식당 정보를 검색했다’, 및 ‘사용자가 존과 톰과 함께 농구를 하러 갔다.’와 같은 텍스트를 생성할 수 있다.
일 실시예에 의하면, 디바이스(10)는 사용자와 다른 사용자들, 예를 들어 연락처 소유자들, 의 커뮤니케이션에 관한 정보를 이용하여, 사용자와 다른 사용자들, 혹은 다른 사용자와 또 다른 사용자들 사이의 관계성을 학습할 수 있다. 커뮤니케이션에 관한 정보는, 복수의 사용자들 사이에 이루어진 연락 빈도, 연락 시간, 연락 장소, 연락 내용의 친밀도, 공통 관심사, 친밀도 등을 포함할 수 있다. 디바이스(10)는 상술된 커뮤니케이션 정보를 복수의 사용자들 간의 연관 관계를 결정하기 위한 제1 학습 모델에 입력함으로써 학습을 하고, 그에 따라 관계 그래프를 생성할 수 있다.
예를 들어, 디바이스(10)는 사용자와 여행 혹은 외국에 관한 내용으로 높은 빈도로 연락한 다른 사용자들을, 사용자와 '여행' 관계로 연결하도록 학습된 관계 그래프를 생성할 수 있다. 혹은, 디바이스(10)는 사용자와 함께 동일한 운동을 하기 위하여 높은 빈도로 연락한 다른 사용자들을, 사용자와, 혹은 복수의 다른 사용자들과, '운동' 관계로 연결하도록 학습된 관계 그래프를 생성할 수 있다. 관계 그래프에 관하여는 도 4를 참조하여 더욱 자세히 설명될 것이다.
일 실시예에 의하면, 디바이스(10)는 인공지능 학습 모델을 이용하여, 식별자와 관계 그래프 사이의 연관 관계를 식별하고, 식별된 연관 관계에 기초하여 추천 연락처를 검색할 수 있다. 실시예에 있어서, 인공지능 학습 모델은 상술된 시계열적인 동작으로 가공된 텍스트를 이용하여 식별자와 관계 그래프 사이의 연관 관계를 식별하도록 학습될 수 있다.
예를 들어, 디바이스(10)는 '캐나다'를 식별자로 추출한 경우, '캐나다'가 '여행'과 함께 사용된 이력 정보에 기초하여 학습된 인공지능 학습 모델을 이용하여, 관계 그래프에서 사용자와 '여행' 관계로 연결된 다른 사용자들의 연락처를 추천 연락처로 식별할 수 있다.
혹은, 디바이스(10)는 '존의 얼굴'을 식별자로 추출한 경우, '존의 얼굴'이 '톰의 얼굴'과 함께 사용된 이력 정보에 기초하여 학습된 인공지능 학습 모델을 이용하여, 관계 그래프에서 존과 '친구' 관계로 연결된 톰의 연락처를 추천 연락처로 식별할 수 있다. 그러나 이는 예시적인 것으로, 본 개시의 이력 정보에 기초하여 학습된 인공지능 학습 모델과 관계 그래프의 내용은 상술된 예에 한정되지 않는다.
일 실시예에 의하면, 디바이스(10)는 획득된 인공지능 학습 모델을 이용하여, 적어도 하나의 추천 연락처를 검색할 수 있다.
단계 203에서 일 실시예에 의하면, 디바이스(10)는 검색된 적어도 하나의 추천 연락처의 우선 순위를 결정할 수 있다. 일 실시예에 의하면, 디바이스(10)는 추천 연락처와의 연락 횟수, 연락 수단, 연락 기간, 식별자와의 연관성 등의 이력 정보 및 현재 시간, 현재 장소, 현재 사용중인 애플리케이션 정보 등의 현재 정보에 기초하여 추천 연락처의 우선 순위를 결정할 수 있다.
단계 204에서 일 실시예에 의하면, 디바이스(10)는 우선 순위에 따라서 적어도 하나의 추천 연락처를 표시할 수 있다. 일 실시예에 의하면, 디바이스(10)는 복수개의 추천 연락처를 한 번에 표시하거나, 순차적으로 표시할 수 있다. 일 실시예에 의하면, 디바이스(10)는 추천 연락처에 연동된 적어도 하나의 연결 수단을 한 번에 표시하거나, 하나씩 여러 번 표시할 수 있다
<도 3>
도 3은 일 실시예에 따라 디바이스가 식별자를 이용하여 연락처를 추천하는 방법을 설명하기 위한 도면이다.
도 3을 참조하면, 일 실시예에 의하여, 디바이스(10)는 컨텍스트 정보로부터 제 1 식별자(101), 제 2 식별자(102) 및 제 3 식별자(103)를 결정할 수 있다.
일 실시예에 의하면, 디바이스(10)는 식별자와 복수개의 연락처 정보 사이의 관계성을 학습한 결과(graph learning)에 기초하여 획득된 인공지능 학습모델을 이용하여 적어도 하나의 추천 연락처를 검색할 수 있다.
일 실시예에 의하면, 디바이스(10)는 식별자가 사용된 애플리케이션, 기간, 시간, 횟수 및 장소에 따라 이용된 연락처 정보에 가중치를 부여할 수 있다. 또한, 디바이스(10)는 디바이스(10)는 부여된 가중치에 기초하여 적어도 하나의 추천 연락처를 결정할 수 있다.
일 실시예에 의하면, 디바이스(10)는 통화, 문자, 메신저, 이메일, SNS 등 적어도 하나 이상의 개인 연락 기능에 대하여 사용 이력을 수집할 수 있다. 일 실시예에 의하면 사용 이력은 각 기능별 연락이 이루어진 날짜 및 시간을 포함할 수 있다. 또한, 사용이력은 통화 기능을 제공하는 경우 통화 시간, 통화 기능을 제공하지 않는 경우 나머지 기능의 연락 내용을 포함할 수 있다.
일 실시예에 의하면, 디바이스(10)는 수집된 각 기능별 사용 이력에 대해 기간, 시간, 횟수 중 적어도 하나의 기준에 따라 분석하여 이용된 연락처에 가중치를 부여한다. 예를 들어 최근 2일 내에 이용된 연락처에 가중치를 2.0 부여하여 최근 이용량이 많은 연락처를 선별할 수 있도록 하거나 오후 6시부터 12시까지 이용된 연락처에 가중치를 1.5 부여하여 사용자가 친밀한 사람과 주로 연락하는 시간대에 이용량이 많은 연락처를 선별할 수 있다.
일 실시예에 의하면, 디바이스(10)는 개인연락 기능 중 통화 기능을 제외한 기능의 사용 이력에 기설정된 감성을 표현하는 단어 또는 이모티콘이 포함된 내용을 주고받은 연락처에 대해 가중치를 부여할 수 있다. 예를 들어 "사랑"이라는 단어나 이모티콘이 포함된 이메일 연락 이력에 가중치를 2.0 부여하여 친밀감이 높은 연락처를 선별할 수 있도록 한다. 또는 반대로 "대출"이라는 단어가 포함된 이메일 연락 이력에 가중치를 0.1 부여하여 대출 광고 등의 연락처를 우선순위가 낮아지도록 선별할 수 있도록 한다.
일 실시예에 의하면, 디바이스(10)는 가중치에 따라 각 기능별 연락처의 우선순위를 결정하여 적어도 하나 이상의 연락처를 추천 연락처로 선택할 수 있다.
일 실시예에 의하면, 디바이스(10)는 화면에 표시된 각 기능별 추천 연락처 중 어느 하나가 선택되면 추천 연락처에 연동된 연락 수단을 활성화시킬 수 있다. 또한, 디바이스(10)는 사용자에 의하여 선택되는 추천 연락처에 가중치를 부여하여 자주 선택되는 연락처가 더 자주 추천되도록 할 수도 있다. 일 실시예에 의하면, 디바이스(10)는 선택된 횟수가 기 설정된 횟수 이상인 연락처에 대해 가중치를 부여할 수 있다. 이를 통해 디바이스(10)는 추천 연락처 사용을 더 활성화 시키는 효과를 얻을 수 있다.
일 실시예에 의하면, 디바이스(10)는 추천상대(302)와 연락처(303)를 포함하는 추천 연락처를 결정할 수 있다. 일 실시예에 의하면, 추천 상대(302)는 제 1 식별자(101), 제 2 식별자(102) 및 제 3 식별자(103) 중 적어도 하나와 관련성이 높은 사람 또는 회사 등의 식별정보일 수 있다. 일 실시예에 의하면, 디바이스(10)는 내부 저장소, 클라우드 또는 서버로부터 복수개의 식별자들과 연관된 추천 연락처를 식별할 수 있는 식별명을 결정할 수 있다. 일 실시예에 의하여 식별명은 추천상대(302)로서, 디바이스(10)에 저장된 이름, 웹을 통해 검색한 업체명, SNS를 통해 검색된 식별정보를 포함할 수 있다.
일 실시예에 의하면, 디바이스(10)는 추천상대(302)에 대응하는 적어도 하나의 연락처를 검색할 수 있다. 일 실시예에 의하면, 추천상대(302)에 대응하는 연락처는 SNS 주소, 통화가 가능한 전화번호, 메일주소, SNS의 ID 등을 포함할 수 있다. 일 실시예에 의하면 디바이스(10)는 적어도 하나의 식별자와 연관된 정보가 검출된 상황을 반영하여 추천상대(302)의 우선순위를 결정할 수 있다. 예를 들어, 적어도 하나의 식별자들(101, 102 및 103)이 가족 여행과 관련된 경우, 가족인 "엄마"의 연락처를 우선순위로 결정할 수 있다.
일 실시예에 의하면, 디바이스(10)는 추천상대(302)에 대응하는 연락처(303)의 우선순위를 정할 수 있다. 일 실시예에 의하면 디바이스(10)는 적어도 하나의 식별자와 연관된 정보가 검출된 상황을 반영하여 연락처(303)의 우선순위를 결정할 수 있다. 일 실시예에 의하면 디바이스(10)는 자주 연락하는 수단, 최근 연락한 수단, 연락 장소 등에 기초하여 부여된 가중치에 의하여 추천상대(302)에 대응하는 연락처(303)의 우선순위를 결정할 수 있다. 예를 들어, 우선순위(301)가 제 1 순위인 추천상대(302)인 "엄마"와 통화를 주로 하며, 가족 여행과 관련된 이야기를 통화로 자주 하였다면, 전화 통화를 엄마와 연동되는 제 1 순위 연락수단(301)으로 결정할 수 있다. 또한, 같은 방식으로 제 2 순위 연락수단(302)으로 문자 메시지로, 제 3 순위 연락수단(303)을 SNS로 결정할 수 있다.
<도 4>
도 4는 일 실시예에 따라 연락처 간의 친밀도에 따라 관계 그래프를 생성하는 방법을 설명하기 위한 도면이다.
일 실시예에 의하면, 디바이스(10)는 사용자와 다른 사용자들의 커뮤니케이션 정보를 이용하여, 사용자와 다른 사용자들의 관계성을 학습할 수 있다. 일 실시예에 의하면 디바이스(10)는 다른 사용자들과의 연락 빈도, 연락 시간, 연락 장소, 연락 내용의 친밀도, 공통 관심사, 친밀도 등을 이용하여 학습을 하고, 그에 따라 관계 그래프를 생성할 수 있다.
일 실시예에 의하면, 디바이스(10)는 미리 저장된 다른 사용자의 이름, 연락처, 소속 그룹, 연락 빈도 등의 레이블된 정보(labeled information)를 기준으로, SNS, 메일, 통화 내용 등에서 새롭게 개시된 정보, 새로운 연락처 정보 등의 언레이블드 정보(unlabeled information)를 초기 그래프(initial Graph)에 반영할 수 있다.
도 4에서, 원 모양의 노드는 사람을 의미한다. 노드의 배치 위치 및 색깔은 노드끼리의 유사도, 관심사, 친밀도 등을 나타내는 데이터 필드(field)일 수 있다. 실시예에 있어서, 노드는 소정의 면적을 차지하는 복수의 무늬를 포함할 수 있다. 각 무늬의 모양은 서로 다른 데이터 필드를 나타낼 수 있으며, 각 무늬가 노드 내에서 차지하는 면적은, 각 데이터 필드의 값(value) 사이의 상대적인 비율을 나타낼 수 있다. 예를 들어, 도 4의 첫 번째 그래프에서, B1 및 B2는 "캐나다"라는 공통의 데이터 필드를 관심사로 가질 수 있다. 또한 관계 그래프에서 R1은 "여행"이라는 데이터 필드를 관심사로 가질 수 있다.일 실시예에 의하면, 각 노드를 이어주는 선은 각 노드에 대응되는 사용자들 간의 관계를 의미할 수 있다. 또한, 각 노드를 이어주는 선의 두께는 각 노드 간의 관계의 강도를 의미할 수 있다. 관계의 강도는 친밀도, 유사도, 공적 그룹에 속했는지 여부 등을 포함할 수 있다. 예를 들어, 도 4의 첫 번째 그래프에서, B2과 G3의 관계의 강도는 G3와 G2의 관계의 강도 보다 강할 수 있다. 도 4의 그래프에서, 노드를 이어주는 선의 두께는, 각 노드가 포함하는 복수의 데이터 필드들에 기초하여 표준화된 관계의 강도를 나타내는 값일 수 있다. 그러나 이는 예시적인 것으로, 도 4의 그래프에서, 각 노드를 이어주는 선은, 각 데이터 필드에 따라 각각 존재할 수도 있다. 예를 들어, B2와 G3은, '여행' 데이터 필드에 기초할 때는 제 1 굵기의, '캐나다' 데이터 필드에 기초할 때는 제 2 굵기의 선으로 연결될 수 있다. 또한, 각 노드를 연결하는 선은 값(value) 뿐만 아니라 연관 관계를 나타내는 필드를 포함할 수도 있다. 예를 들어, B2와 G3 사이를 연결하는 선에서 연관 관계를 나타내는 필드는, 동일 관계(sameAs), 소속 관계(type), 또는 포함 관계(subClassOf) 등을 포함할 수 있다.
일 실시예에 의하면, 디바이스(10)는 기 정의된 사람과, 커뮤니케이션 정보에 기초하여 획득된 정보를 이용하여 초기 그래프를 생성할 수 있다. 도 4의 첫 번째 그래프에서, G1, G2, G3는 아직 학습되지 않은 상태이다.
학습 1을 거치면, 디바이스(10)는 B1과 G2의 대화내용, 메시지 내용, 메일 내용 등에 기초하여 G2를 학습시킬 수 있다. 도 4의 두 번째 그래프를 참조하면,, B1의 영향에 의하여, G2의 캐나다에 관련된 유사도가 증가하였음을 확인할 수 있다. 또한, G3는 B2와 R1과의 관계에서 동시에 학습될 수 있다. G3와 B2의 연결강도가 G3와 R1의 연결강도보다 강하기 때문에, G3는 여행보다는 캐나다에 더 큰 가중치를 두고 학습될 수 있다.
도 4의 세 번째 그래프를 참조하면,학습 2를 거쳐, 디바이스(10)는 B1, B2, G1, G2, G3 및 R1과의 커뮤니케이션 정보에 기초하여 관계 그래프를 학습할 수 있다. 일 실시예에 의하면, G2 및 G3는 연결 강도 및 디바이스(10)에서의 커뮤니케이션 정보에 기초하여 학습될 수 있다. 일 실시예에 의하면, 학습 2를 거치면서 G2 및 G3에서 캐나다 및 여행이 차지하는 관심사의 비중은 변경될 수 있다. 도 4의 세 번째 그래프를 참조하면, G2는 여행에 대한 유사도가 생성되었으며, G3는 여행에 비해 캐나다의 비중이 증가하였다. 또한, G1은 G2를 통한 B1과의 연결을 통해 캐나다의 비중이 증가하였음을 확인할 수 있다.
이렇듯 디바이스(10)에서 수집된 정보, 외부에서 수신한 정보 등을 이용하여 반복적인 학습을 통해 B1, B2, G1, G2, G3 및 R1의 관계 그래프를 학습할 수 있다. 일 실시예에 의하면, 디바이스(10)에서 사용자가 "캐나다 여행"이라는 주제로 메시지를 작성하고 있다면, 추출된 캐나다 및 여행이라는 식별자에 기초하여, G2 및 G3의 연락처가 추천 연락처로 검색될 수 있다.
<도 5>
도 5는 일 실시예에 따라 디바이스에서 사용자 관계 그래프를 이용하여 사용자의 메일 내용으로부터 추천 연락처를 추정하는 방법을 설명하기 위한 도면이다.
일 실시예에 의하면, 디바이스(10)는 사용자인 Tom에게 메일 서비스를 제공할 수 있다. 디바이스(10)는 여행 중인 Sunny로부터 2017년 11월 1일 수신한 메일을 표시할 수 있다. 일 실시예에 의하면, 디바이스(10)는 Sunny로부터 수신한 메일 내용을 분석하여 식별자를 결정할 수 있다. 예를 들어 디바이스(10)는 메일의 텍스트를 분석하여 "캐나다", '여행", "Jake", "여행사", "답장" 등의 키워드를 식별자로 결정할 수 있다.
일 실시예에 의하면, 디바이스(10)는 적어도 하나의 식별자에 기초하여 추천 연락처를 검색할 수 있다. 일 실시예에 의하면, 디바이스(10)는 사용자 사이의 친밀도 및 관심사에 기반하여 생성된 사용자 관계 그래프를 이용하여 추천 연락처를 검색할 수 있다.
일 실시예에 의하면, 디바이스(10)는 Tom(501)을 중심으로 형성된 사용자 관계 그래프를 이용하여, Sunny(502), Jake(503), Yoon(504), June(505) 및 여행사(506)를 검색할 수 있다. 예를 들어, Sunny(502)는 캐나다에 대한 공통의 관심사가 있으며 Jake(503)와는 여행에 대한 공통의 관심사를 포함할 수 있다.
실시예에 있어서, 각 사용자 노드의 데이터 필드는 다른 친밀도, 연락 빈도, 각 사용자의 위치, 다른 관심사 등을 포함할 수 있다. 예를 들어, 디바이스(10)는 각 사용자와의 연락 내용, 각 사용자의 식별 정보, 외부로 표시한 상태 정보 등에 기초하여, 각 사용자의 위치 정보를 데이터 필드로 판별할 수 있다.일 실시예에 의하면, 디바이스(10)는 검색된 연락처 중 현재 상황에 맞는 추천 연락처를 결정할 수 있다. 일 실시예에 의하면, 디바이스(10)는 현재 장소 및 시간 등에 기초하여 추천 연락처를 정할 수 있다. 디바이스(10)가 고려하는 장소 및 시간은, 사용자 및 연락처 소유자의 장소 및 시간을 모두 혹은 각각 포함할 수 있다. 예를 들어, 디바이스(10)는 Sunny(502)가 해외에 있는 점을 고려하여, 국내에 있는 Yoon(504)을 Sunny(502)보다 우선하여 추천할 수 있다.
또한, 디바이스(10)는 메일 내용에 기반하여 추천 연락처를 정할 수 있다. 예를 들어, 디바이스(10)는 Sunny(502)가 Jake(503)와의 여행을 언급한 것으로부터 Jake(503)의 추천을 고려할 수 있으며, 여행사를 알아보자고 한 것으로부터 여행사(506)의 추천을 고려할 수 있다. 또한, 디바이스(10)는 Sunny(502)가 답장을 달라고 한 것으로부터 Sunny(502)의 추천을 고려할 수 있다. 또한, 디바이스(10)는 메일 내용과 위치 정보를 모두 고려하여 추천 연락처를 정할 수 있다. 사용자가 근시일 내로 캐나다로 떠나고자 한다 판별된 경우, 디바이스(10)는 여행 목적지인 캐나다에 거주하는 Jake(511)를 국내에 있는 Yoon(504)보다 우선하여 추천할 수 있다.
일 실시예에 의하면, 디바이스(10)는 결정된 추천 연락처를 팝업창(510)으로 화면 상에 표시할 수 있다. 일 실시예에 의하여, 디바이스(10)는 복수개의 추천 연락처를 동시에 표시할 수 있다.
일 실시예에 의하여 디바이스(10)는 추천 연락처의 우선 순위에 따라 추천 연락처의 속성을 다르게 표시할 수 있다. 디바이스(10)는 추천 연락처의 우선 순위에 따라 추천 연락처의 크기, 색상, 변형 정도를 다르게 표시할 수 있다. 일 실시예에 의하여 디바이스(10)는 제 1 순위로 결정된 Jake(511)는 다른 연락처에 비해 크게 표시하거나, 색상을 변경하여 돋보이게 표시할 수 있다.
일 실시예에 의하여 디바이스(10)는 제 1 순위의 Jake(511), 제 2 순위의 Sunny(512) 및 제 3 순위의 Yoon(513)에 연락 수단을 연동하여 표시할 수 있다. 예를 들어, 제 2 순위의 Sunny(512)에게 연락할 수단을 메일로 결정한 경우, 팝업창(510)에서 Sunny(512)가 선택되는 경우, 디바이스(10)는 메일에 관련된 애플리케이션을 실행할 수 있다.
<도 6>
도 6은 일 실시예에 따라 디바이스가 선택된 추천 연락처에 연동되는 연락 수단을 표시하는 방법을 설명하기 위한 도면이다.
일 실시예에 의하면, 사용자에 의하여 복수개의 추천 연락처 중 어느 하나가 선택되는 경우, 디바이스(10)는 추천 연락처와의 연결 수단을 표시할 수 있다.
일 실시예에 의하면, 디바이스(10)는 Jake의 연락처를 팝업창(610)을 이용하여 표시할 수 있다. 일 실시예에 의하면, 디바이스(10)는 연락수단의 우선순위에 따라 연락수단을 표시할 수 있다.
일 실시예에 의하면 디바이스(10)는 실행중인 애플리케이션의 컨텍스트 정보를 이용하여, 실행중인 애플리케이션과 디바이스 내의 애플리케이션들 사이의 관계성을 학습한 결과에 기초하여 인공지능 학습 모델을 획득할 수 있다.
실시예에 있어서, 애프리케이션의 컨텍스트 정보는, 애플리케이션의 주변 환경 정보, 애플리케이션의 디바이스 상태 정보, 애플리케이션의 사용자의 상태 정보 및 애플리케이션 사용 이력 정보 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 애플리케이션의 주변 환경 정보는, 애플리케이션이 실행되는 동안 소정 반경 내의 환경 정보를 의미하는 것으로서, 예를 들어, 날씨 정보, 온도 정보, 습도 정보, 조도 정보, 소음 정보, 소리 정보 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 애플리케이션의 디바이스 상태 정보는, 애플리케이션이 실행되는 동안의 디바이스의 모드 정보(예컨대, 소리 모드, 진동 모드, 무음 모드, 절전 모드, 차단 모드, 멀티 윈도우 모드, 자동 회전 모드 등), 디바이스의 위치 정보, 시간 정보, 통신 모듈의 활성화 정보(예컨대, Wi-Fi ON / Bluetooth OFF / GPS ON/ NFC ON 등), 네트워크 접속 상태 정보 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 사용자의 상태 정보는 사용자의 움직임, 생활 패턴 등에 관한 정보로서, 사용자의 걷는 상태, 운동하는 상태, 운전 중인 상태, 수면 상태, 사용자의 기분 상태 등에 관한 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다. 애플리케이션 사용 이력 정보는, 사용자가 애플리케이션을 이용한 이력에 관한 정보로서, 애플리케이션에서 실행된 기능의 이력, 사용자의 통화 내역, 및 사용자의 문자 내역 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
디바이스(10)는 실행중인 애플리케이션의 컨텍스트 정보를 이용하여, 실행중인 애플리케이션과 디바이스 내에 설치된, 혹은 외부로부터의 제어에 기초하여 디바이스에서 실행되는 애플리케이션들 사이의 관계성을 학습한 결과에 기초하여 인공지능 학습 모델을 획득할 수 있다. 실시예에 있어서, 디바이스 내에 설치된, 혹은 디바이스에서 실행되는 애플리케이션은, 다른 사용자와의 연락과 연관된 애플리케이션일 수 있다. 예를 들어, 디바이스(10)는 인공지능 학습 모델을 이용하여, 사용자가 SNS 애플리케이션을 실외에서 사용하는 경우, 높은 빈도로 다른 사용자와 동일한 SNS 애플리케이션을 통해 연락을 주고받는다고 학습될 수 있다. 혹은, 디바이스(10)는 인공지능 학습 모델을 이용하여, 사용자가 메일 서버 애플리케이션을 회사에서 사용하는 경우, 높은 빈도로 다른 사용자와 전화 어플리케이션을 통해 연락을 주고받는다고 학습될 수 있다. 그러나 이는 예시적인 것으로, 본 개시의 인공지능 학습 모델이 학습하는 방법은 상술된 예에 한정되지 않는다.일 실시예에 의하면 디바이스(10)는 실행중인 애플리케이션의 컨텍스트 정보 및 복수의 사용자들 사이의 커뮤니케이션에 관한 정보를 이용하여, 실행중인 애플리케이션과 추천 연락처 및 디바이스 내의 애플리케이션들 사이의 관계성을 학습한 결과에 기초하여 인공지능 학습 모델을 획득할 수 있다.
일 실시예에 의하면 디바이스(10)는 획득된 인공지능 학습 모델을 이용하여 적어도 하나의 추천 연락처에 연동할 애플리케이션을 결정할 수 있다. 예를 들어, 디바이스(10)는 인공지능 학습 모델을 이용하여, 사용자가 메일 서버 애플리케이션을 회사에서 사용하는 경우, 추천 연락처가 회사 직원인 경우 사용자와 사내 메신저 어플리케이션을 통해 연락을 주고받는다고 학습될 수 있다. 혹은, 디바이스(10)는 인공지능 학습 모델을 이용하여, 사용자가 메일 서버 애플리케이션을 회사에서 사용하는 경우, 추천 연락처가 거래 상대인 경우 사용자와 전화 어플리케이션을 통해 연락을 주고받는다고 학습될 수 있다.
일 실시예에 의하면 디바이스(10)는 하나의 추천 연락처에 복수 개의 연락수단을 연동시킬 수 있다. 복수 개의 연락수단은 복수개의 애플리케이션을 포함할 수 있다. 일 실시예에 의하면, 디바이스(10)는 추천 연락처와의 커뮤니케이션에 이용된 애플리케이션의 빈도수, 실행 시간, 실행 장소 실행 기간 및 주요 기능에 기초하여 복수개의 애플리케이션을 검색할 수 있다.
일 실시예에 의하면, 디바이스(10)는 복수의 사용자들 사이의 커뮤니케이션에 관한 정보를, 추천 연락처와 디바이스 내의 애플리케이션들 사이의 관계성을 결정하기 위한 인공지능 학습 모델에 적용할 수 있다. 디바이스(10)는 검색된 추천 연락처와 학습된 인공지능 학습 모델을 이용하여, 검색된 추천 연락처와 연관된 복수 개의 애플리케이션을 검색할 수 있다.
예를 들어, 디바이스(10)는 인공지능 학습 모델을 이용하여, 추천 연락처가 '업무' 데이터 필드를 가지는 사용자인 경우, 이메일 애플리케이션을 연관된 애플리케이션으로 검색할 수 있다. 혹은, 디바이스(10)는 인공지능 학습 모델을 이용하여, 추천 연락처가 '회사 직원' 데이터 필드를 가지는 사용자인 경우, 사내 메신저 애플리케이션을 연관된 애플리케이션으로 검색할 수 있다.
일 실시예에 의하면 디바이스(10)는 상술된 복수 개의 애플리케이션의 우선 순위를 결정할 수 있다.
일 실시예에 의하면 디바이스(10)는 도 6과 같이 선택된 추천 연락처에 연동되는 복수개의 연락수단(611, 612, 613)을 동시에 표시할 수 있다. 디바이스(10)는 복수개의 연락수단(611, 612, 613)의 우선순위에 따라, 표시되는 속성을 다르게 설정할 수 있다. 예를 들어, 현재 상황에서 Jake와의 커뮤니케이션을 추천하는 연락수단이 SNS인 경우, SNS 연락수단(611)을 전화 연락수단(612) 또는 메일 연락수단(613)보다 큰 사이즈의 창으로 표시하거나, 컬러를 다르게 표시할 수 있다. 또한, 디바이스(10)는 우선순위에 따라 복수개의 연락수단의 크기, 색상, 형상, 밝기, 깜박임 등의 속성을 변경하여 표시할 수 있다.
일 실시예에 의하면 디바이스(10)는 복수개의 연락수단 중 사용자에 의해 선택되는 연락수단을 실행시킬 수 있다. 예를 들어, 사용자가 SNS 연락수단(61)을 선택하는 경우, 사용자와 Jake가 가장 많이 연락한 SNS 애플리케이션을 실행시킬 수 있다.
<도 7>
도 7은 일 실시예에 따라 추천 연락처와 연결되지 않는 경우, 추천 연락처에 연동된 다른 연락 수단을 표시하는 방법을 설명하기 위한 도면이다.
일 실시예에 의하면 디바이스(10)는 현재 실행중인 애플리케이션의 내용에 기반하여 적어도 하나의 추천 연락처를 표시할 수 있다.
일 실시예에 의하면 디바이스(10)는 제 1 순위 애플리케이션이 연동된 추천 연락처를 표시할 수 있다. 디바이스(10)는 화면 상의 기 설정된 영역(701)에 추천 연락처를 표시할 수 있다. 일 실시예에 의하면, 기 설정된 영역(701)은 화면의 하단, 상단, 가운데, 좌측, 우측 중 어느 한 곳일 수 있다.
일 실시예에 의하면 디바이스(10)는 추천 연락처와 연동되는 애플리케이션의 아이콘을 함께 표시할 수 있다. 예를 들어, 디바이스(10)는 화면의 미리 정해진 영역(701)에, 즉, 하단부에 추천 연락처의 식별명(703), 연동되는 애플리케이션의 아이콘(702) 및 추천 연락처의 전화번호(704)를 표시할 수 있다.
일 실시예에 의하면 디바이스(10)는 추천 연락처를 선택하는 사용자 입력에 따라, 선택된 연락처에 연동된 애플리케이션을 실행할 수 있다. 예를 들어, 사용자가 추천 연락처를 선택하는 경우, 식별명(703)이 엄마로 등록된 전화번호(704)로 전화를 걸 수 있다. 이 때, 전화를 거는 방법은 디바이스(10)에서 자체적으로 제공하는 기능, 또는 전화 애플리케이션을 이용할 수 있다.
일 실시예에 의하면 디바이스(10)는 추천 연락처의 제 1 순위 애플리케이션을 이용한 커뮤니케이션에 실패하는 경우, 제 2 순위 애플리케이션을 표시할 수 있다. 예를 들어, 엄마와의 전화 연결에 실패하는 경우, 제 2 순위 애플리케이션으로서의 메일 서비스를 표시할 수 있다. 디바이스(10)의 화면 상에는 제 2 순위 애플리케이션의 아이콘(705), 추천 연락처의 메일 주소(706) 및 식별명(703)이 표시될 수 있다.
또는, 디바이스(10)는 제 1 순위 애플리케이션을 이용한 커뮤니케이션에 실패하는 경우, 제 2 순위 애플리케이션을 즉시 실행할 수 있다. 예를 들어, 엄마와의 전화 연결에 실패하는 경우, 엄마에게 보내는 메일 서비스가 실행될 수 있다.
<도 8>
도 8은 일 실시예에 따른 다른 추천 연락처를 추천하는 방법을 설명하기 위한 도면이다.
일 개시에 의해 디바이스(10)는 사용자 컨텍스트에 기반하여 추천된 추천 연락처를 화면의 하단 영역(801)에 표시할 수 있다. 추천 연락처는 사용자의 식별명(803)인 Jake, 추천 연락처에 연동되는 애플리케이션의 아이콘(802)을 포함할 수 있다.
일 개시에 의해 디바이스(10)는 다른 추천 연락처를 요청하는 사용자의 입력(804)을 수신할 수 있다. 예를 들어, 추천 연락처가 표시된 화면의 하단 영역(801)을 터치하는 사용자 입력을 수신할 수 있다. 다른 예에 의하여, 사용자 입력은 탭, 터치 앤드 홀드, 더블 탭, 드래그, 패닝, 플릭, 드래그 앤드 드롭 등을 포함할 수 있다. 다른 추천 연락처를 요청하는 사용자 입력 방법은 사용자에 의하여 지정될 수 있다.
일 개시에 의해 디바이스(10)는 다른 추천 연락처를 요청하는 사용자의 입력(804)에 따라, 디바이스(10)의 화면의 하단 영역(801)에 다른 추천 연락처를 표시할 수 있다. 예를 들어, 디바이스(10)는 식별명(805)이 Kim이며, 추천 연락처에 연동되는 애플리케이션의 아이콘(807)인 메일 아이콘, Kim의 메일 주소(705)를 표시할 수 있다.
일 실시예에 의하면, 다른 추천 연락처는 현재 화면에 표시된 추천 연락처보다 우선순위가 낮은 것일 수 있다.
일 실시예에 의하면, 디바이스(10)는 추천 연락처를 표시할 때, 추천 연락처에서 제공하는 제공하는 광고나 광고 상품에 대한 쿠폰을 함께 표시할 수 있다. 일 실시예에 의하면, 디바이스(10)는 연락처 추천의 편리함과 동시에 광고 제공을 통한 생활편의성을 높이고 추천 연락처 선택의 가능성을 높이는 효과를 유발할 수 있게 된다.
<도 9>
도 9는 일 실시예에 따른 일정 정보 및 위치 정보에 기초하여 추천 연락처를 추정하는 방법을 설명하기 위한 도면이다.
일 개시에 의해 디바이스(10)는 네트워크(5000)를 이용하여 서버(3000) 또는 SNS 서버(4000)를 이용하여 추천 연락처를 결정할 수 있다.
디바이스(10)는 디바이스(10)에 의해 수행된 다른 사람들과의 커뮤니케이션에 관련된 정보를 서버(3000)에게 제공하고, 서버(3000)로부터 추천 연락처 리스트를 제공받아 화면 상에 디스플레이 할 수 있다.
또한, 디바이스(10)는 위치 정보 및 시간 정보를 포함하는 커뮤니케이션에 관련된 정보를 서버(3000)에게 제공할 수 있으며, 디바이스(10)는 현재 위치 및 사용자의 일정 정보를 서버(3000)에게 제공할 수 있다.
서버(300)는 디바이스(10)의 사용자의 일정 정보, 위치 정보, 시간 정보를 이용하여 추천 연락처 리스트를 생성할 수 있다. 또한, 서버(3000)는 디바이스(10)의 사용자 및 사용자의 지인의 일정 정보에 기초하여 추천 연락처 리스트를 생성할 수 있다. 이 경우, 서버(300)는 사용자의 일정 정보 및 지인의 일정 정보를 디바이스(10) 또는 SNS서버(4000) 중 적어도 하나로부터 수신할 수 있다.
네트워크(5000)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 무선 네트워크로 구현될 수 있다. 또한, 도 3에 도시된 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함한다.
<도 10>
도 10은 일 실시예에 따라 디바이스에서 새로운 연락처를 획득한 후 주소록을 생성하는 방법을 설명하기 위한 도면이다.
일 실시예에 의하면 디바이스(10)는 다른 사용자와의 커뮤니케이션을 통해 새로운 연락처 정보를 획득하는 경우, 새로운 연락처 정보와의 친밀도, 관심사, 일정 등에 기초하여 새로운 연락처 정보를 주소록에 추가할 수 있다. 일 실시예에 의하면 디바이스(10)는 다른 사용자와의 관계도에 기초하여 주소록의 그룹을 생성, 변경 및 삭제할 수 있다.
일 실시예에 의하면 디바이스(10)는 새로운 연락처 I 및 연락처 J 획득할 수 있다. 디바이스(10)는 사용자의 관계 그래프를 이용하여 연락처 I 및 연락처 J의 성향, 사용자와의 관계, 공적인 관계 여부 등을 판단할 수 있다. 예를 들어, 디바이스(10)는 연락처 I 및 연락처 J가 여행 모임에서 만난 사람들의 연락처라고 판단할 수 있다. 디바이스(10)에 기 저장된 주소록의 그룹이 회사(1001), 가족(1002) 및 친구(1003)인 경우, 연락처 I 및 연락처 J를 분류하기 위하여 여행 모임(1004) 그룹을 생성할 수 있다. 디바이스(10)는 새로 생성된 여행 모임(1004) 그룹에 연락처 I 및 연락처 J를 추가할 수 있다.
<도 11>
도 11은 일 실시예에 따라 디바이스에서 사용자 관계 그래프에 기초하여 주소록을 갱신하는 방법을 설명하기 위한 도면이다.
일 실시예에 의하면 디바이스(10)는 사용자의 다른 사용자와의 커뮤니케이션 정보에 기초하여 사용자 관계 그래프를 갱신할 수 있다. 일 실시예에 의하여, 디바이스(10)는 갱신된 사용자 관계 그래프에 기초하여 주소록을 분류할 수 있다.
일 실시예에 의하면, 디바이스(10)는 회사(1001) 그룹에 분류된 B(1101)와 사용자와의 커뮤니케이션 정보에 기초하여 B(1101)와 사적인 친분이 생성되었다고 판단할 수 있다. 디바이스(10)는 B(1101)를 친구(1003) 그룹에 포함된 사용자들과 유사하다고 판단할 수 있다. 디바이스(10)는 B(1101)를 회사(1001) 그룹에서 친구(1003) 그룹으로 이동시킬 수 있다. 사용자는 디바이스(10)의 주소록의 친구(1003) 그룹에서 B(1102)를 확인할 수 있다.
따라서, 일 개시에 따르면, 사용자의 다른 사용자들과의 커뮤니케이션 정보에 기초하여 주소록을 자동으로 정리할 수 있다.
<도 12>
도 12는 일 실시예에 따라 디바이스에서 일정 정보 및 그룹 정보에 기초하여 메시지 내용을 추천하는 내용을 설명하기 위한 도면이다.
일 실시예에 의하면, 디바이스(10)는 사용자 일정 정보를 획득하고, 획득된 사용자 정보에 기초하여 추천 연락처에 연동되는 애플리케이션을 결정할 수 있다. 예를 들어, 디바이스(10)는 사용자의 일정 정보에서 "2018.09.04 H의 생일"이라는 정보를 획득할 수 있다. 디바이스(10)는 2018년 9월 4일에 H의 연락처를 추천할 수 있다. 이때, 디바이스(10)는 H와 자주 연락하는 연락수단이 SNS인 점을 반영하여 H에게 SNS 메시지(1203)를 보낼 것을 표시할 수 있다.
일 실시예에 의하면, 디바이스(10)는 추천 연락처에 결정된 친밀도에 기초하여 어투, 문법, 문장 구조 등이 미리 정해진 문서 폼을 제공할 수 있다. 예를 들어, 디바이스(10)는 H와의 대화에서 사용자가 H를 "우리 귀염둥이"라고 자주 불렀던 것에 기반하여 SNS 메시지(1203)에, 우리 귀염둥이(1204)라는 문구와, H의 생일인 점에 기반하여 "생일 축하해"라는 문구를 제공할 수 있다.
일 실시예에 의하면, 디바이스(10)는 주소록의 그룹 속성에 기초하여 미리 정해진 문서 폼을 제공할 수 있다. 예를 들어, 디바이스(10)는 "2018.09.04 추석"의 일정 정보를 획득할 수 있다. 일 실시예에 의하면, 디바이스(10)는 2018년 9월 24일에 그룹별로 추석 인사에 관련된 메시지를 전송할 수 있다. 일 실시예에 의하면, 디바이스(10)는 회사 그룹에 보내는 메시지는 문자 메시지(1205)를 이용하며, 공적인 어투의 메시지 내용을 제공할 수 있다. 다른 실시예에 의하여, 디바이스(10)는 친구 그룹에 보내는 메시지는 SNS(1206)를 이용하며, 회사 그룹의 문자메시지(1205)보다 친근한 어투의 메시지 내용을 제공할 수 있다.
일 실시예에 의하면, 디바이스(10)는 일정 정보에 기초하여 추천된 연락처로 추천된 메시지를 자동으로 전송할 수 있다.
<도 13, 도 14>
도 13은 일 실시예에 따른 디바이스의 구성을 나타내는 블록도이다.
도 14은 일 실시예에 따른 디바이스의 상세 구성을 나타내는 블록도이다.
도 13에 도시된 바와 같이, 일 실시예에 따른 디바이스(10)는 메모리(1100), 디스플레이부(1210), 및 프로세서(1300)를 포함할 수 있다.
그러나, 도 13에 도시된 구성 요소 모두가 디바이스(10)의 필수 구성 요소인 것은 아니다. 도 13에 도시된 구성 요소보다 많은 구성 요소에 의해 디바이스(10)가 구현될 수도 있고, 도 13에 도시된 구성 요소보다 적은 구성 요소에 의해 디바이스(10)가 구현될 수도 있다.
예를 들어, 도 14에 도시된 바와 같이, 일 실시예에 따른 디바이스(10)는, 메모리(1100), 디스플레이부(1210), 카메라(1610) 및 프로세서(1300) 이외에 출력부(1200), 통신부(1500), 센싱부(1400), A/V 입력부(1600) 및 사용자 입력부(1700)를 더 포함할 수도 있다.
메모리(1100)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 디바이스(10)로 입력되는 이미지 또는 디바이스(10)로부터 출력되는 가이드 정보를 저장할 수도 있다. 또한, 메모리(1100)는 가이드 정보의 출력 여부 판단을 위한 특정 정보를 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 디바이스(10)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. 일 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 디바이스(10)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 디바이스(10)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1130)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다. 예를 들어, 알림 모듈(1130)은 추정된 차선 정보에 기초하여 가이드 정보를 출력하기 위한 신호를 발생할 수 있다.
출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.
디스플레이부(1210)는 디바이스(10)에서 처리되는 정보를 표시 출력한다. 구체적으로, 디스플레이부(1210)는 카메라(1610)에서 촬영된 이미지를 출력할 수 있다. 또한, 디스플레이부(1210)는 프로세서(1300)에서 생성된 가이드 정보를 촬영된 이미지에 합성하여 출력할 수 있다.
또한, 디스플레이부(1210)는, 사용자의 입력에 대한 응답으로, 응답에 관련된 동작을 실행하기 위한 사용자 인터페이스를 디스플레이할 수 있다.
음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1100)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 디바이스(10)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다. 예를 들어, 음향 출력부(1220)는 프로세서(1300)의 제어에 의해 알림 모듈(1130)에서 신호로 발생된 가이드 정보를 음향 신호로 출력할 수 있다.
프로세서(1300)는, 통상적으로 디바이스(10)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1100)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1700), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1700) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1100)에 저장된 프로그램들을 실행함으로써, 디바이스(10)의 기능을 수행할 수 있다.
센싱부(1400)는, 디바이스(10)의 상태 또는 디바이스(10) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다.
센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(RGB sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.
일 실시예에 따라, 센싱부(1400)는 촬영된 이미지에서 결정된 적어도 하나의 객체와 차량 간의 거리를 측정할 수 있다.
통신부(1500)는, 디바이스(10)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 디바이스(10)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 통신부(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)(1510)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 wide band) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 근거리 통신부(1510)는 차량에 포함된 네비게이션 장치로부터 근거리 무선 통신을 통해 차로 개수 정보를 수신할 수 있다.
이동 통신부(1520)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(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 디바이스(10)가 방송 수신부(1530)를 포함하지 않을 수도 있다.
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)는 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡처된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.
일 실시예에 따라, 카메라(1610)는 차량의 외부의 이미지를 촬영할 수 있다. 예를 들어, 카메라(1610)는 주행중인 차량의 전방 이미지를 촬영할 수 있으나, 이에 한정되는 것은 아니다.
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(1620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.
사용자 입력부(1700)는, 사용자가 디바이스(10)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1700)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.
<도 15>
도 15는 일 실시예에 따른 프로세서의 블록도이다.
도 15를 참조하면, 일 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.
데이터 학습부(1310)는 사용자와 다른 사용자와의 커뮤니케이션에 관련된 정보에 기초하여 사용자와 다른 사용자의 관계 그래프를 학습할 수 있다. 데이터 학습부(1310)는 관계 그래프의 정확성을 증가시키기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 관계 그래프를 확장할지에 관한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 관계 그래프의 학습에 따른 적정한 관계망 형성을 위한 기준을 학습할 수 있다.
일 실시예에 따르면, 데이터 학습부(1310)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.
데이터 인식부(1320)는 사용자의 관계 그래프에 기초하여 상황에 맞는 연락처 추천의 정확도를 증가시킬 수 있다. 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 컨텍스트의 식별자와 복수개의 연락처 정보 사이의 관계성을 학습한 결과에 기초하여 연락처 추천의 정확도를 증가시킬 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용함으로써, 연락처 추천의 정확도를 증가시킬 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.
데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 디바이스에 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 디바이스에 탑재될 수도 있다.
이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 디바이스에 탑재될 수도 있으며, 또는 별개의 디바이스들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 디바이스에 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, 인스터력션(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.
또한, 데이터 인식부(1320)는 상황 판단에 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 이미지 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 한정되는 것은 아니다.
다양한 실시예에 따르면, 데이터 학습부(1310)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.
일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 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. 프로세서;및
    상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리;를 포함하고,
    상기 프로세서는,
    상기 명령어들을 실행함으로써,
    디바이스에서 실행 중인 애플리케이션에 기초하여 디스플레이된 데이터로부터 컨텍스트 정보를 추출하고,
    상기 컨텍스트 정보로부터, 식별자를 결정하고,
    복수의 사용자들 사이의 커뮤니케이션에 관한 정보를 상기 복수의 사용자들 간의 연관 관계를 결정하기 위한 제1 학습 모델에 입력함으로써 획득된 관계 그래프 및 상기 식별자에 기초하여 상기 식별자에 관련된 적어도 하나의 추천 연락처를 검색하고,
    상기 검색된 적어도 하나의 추천 연락처의 우선순위를 결정하고,
    상기 우선순위에 따라, 상기 적어도 하나의 추천 연락처를 표시하는, 디바이스.
  2. 제 1항에 있어서,
    상기 프로세서는,
    언어 처리 알고리즘을 이용하여 상기 컨텍스트 정보에서 소정의 빈도 이상으로 사용된 단어를 식별자로 결정하거나,
    얼굴 인식 알고리즘을 이용하여 상기 컨텍스트 정보에서 소정의 빈도 이상으로 검출된 얼굴을 식별자로 결정하는, 디바이스.
  3. 제 1 항에 있어서,
    상기 프로세서는,
    상기 적어도 하나의 추천 연락처의 우선 순위에 따라 제 1 순위 추천 연락처를 표시하고,
    상기 제 1 순위 추천 연락처와의 커뮤니케이션에 실패하는 경우, 제 2 순위 추천 연락처를 표시하는, 디바이스.
  4. 제 1 항에 있어서,
    상기 관계 그래프는, 상기 복수의 사용자들에 대응되는 복수의 노드들; 및
    상기 복수의 사용자들 간의 관계를 나타내는 적어도 하나의 선;을 포함하며,
    상기 적어도 하나의 선의 두께는 상기 사용자들 사이의 관계의 강도를 나타내는, 디바이스.
  5. 제 4 항에 있어서,
    상기 제 1 학습 모델은,
    상기 커뮤니케이션에 관한 정보에서 상기 식별자가 사용된 이력 정보를 분석하여, 상기 식별자가 사용된 애플리케이션, 사용 기간, 사용 시간, 사용 횟수 및 사용 장소에 따라 이용된 연락처 정보에 가중치를 부여하고,
    상기 부여된 가중치에 기초하여, 상기 적어도 하나의 추천 연락처를 결정하는, 디바이스.
  6. 제 4 항에 있어서,
    상기 프로세서는,
    상기 제 1 학습 모델을 이용하여, 복수개의 연락처 정보들간의 친밀도를 결정하고, 상기 결정된 친밀도에 기초하여 상기 복수개의 연락처 정보들을 복수개의 그룹으로 분류하여 주소록을 생성하는, 디바이스.
  7. 제 4 항에 있어서,
    상기 프로세서는,
    새로운 연락처 정보를 획득하는 경우, 상기 새로운 연락처 정보를 포함하는 사용자와의 커뮤니케이션 정보에 기초하여 상기 새로운 연락처 정보를 복수개의 그룹 중 어느 하나로 분류하여 주소록을 추가하는, 디바이스.
  8. 제 7 항에 있어서,
    상기 프로세서는
    상기 복수개의 연락처 정보 중 친밀도가 변경된 연락처 정보의 그룹을 재분류하는, 디바이스.
  9. 제 6 항에 있어서,
    상기 프로세서는,
    사용자 일정 정보를 획득하고,
    상기 획득한 사용자 일정 정보에 기초하여 상기 복수개의 그룹 중 어느 하나의 그룹에 포함된 모든 연락처 정보를 추천 연락처 정보로 표시하는, 디바이스.
  10. 제 1항에 있어서,
    상기 프로세서는,
    상기 복수의 사용자들 사이의 커뮤니케이션에 관한 정보를 추천 연락처와 상기 디바이스 내의 애플리케이션들 사이의 관계성을 결정하기 위한 제2 학습 모델에 적용함으로써
    , 상기 적어도 하나의 추천 연락처에 연동할 애플리케이션을 결정하는, 디바이스.
  11. 제 10 항에 있어서,
    상기 프로세서는,
    상기 적어도 하나의 추천 연락처 중 어느 하나를 선택하는 사용자 입력에 기초하여, 상기 선택된 연락처에 연동된 애플리케이션을 실행하는, 디바이스.
  12. 제 10 항에 있어서,
    상기 프로세서는,
    하나의 추천 연락처에 연동할 복수개의 애플리케이션을 결정하고,
    상기 추천 연락처와의 커뮤니케이션에 이용된 애플리케이션의 빈도수, 실행 시간, 실행 장소, 실행 기간 및 주요 기능에 기초하여 상기 복수개의 애플리케이션의 우선순위를 결정하고,
    상기 사용자의 추천 연락처 선택에 따라, 상기 복수개의 애플리케이션을 우선순위에 따라 표시하는, 디바이스.
  13. 제 12항에 있어서,
    상기 프로세서는,
    상기 사용자의 추천 연락처 선택에 따라, 제 1 순위 애플리케이션을 실행시키고,
    상기 제 1 순위 애플리케이션을 이용한 상기 추천 연락처와의 커뮤니케이션에 실패하는 경우, 제 2 순위 애플리케이션을 실행시키는, 디바이스.
  14. 제 10 항에 있어서,
    상기 프로세서는,
    사용자 일정 정보를 획득하고,
    상기 획득한 사용자 일정 정보에 따라, 상기 추천 연락처에 연동할 애플리케이션을 결정하는, 디바이스.
  15. 제 1 항에 있어서,
    상기 프로세서는,
    상기 추천 연락처와의 친밀도에 기초하여 어투, 문법, 문장 구조, 문단 형식 등이 미리 정해진 문서 폼을 제공하는, 디바이스.
  16. 제 1 항에 있어서,
    상기 프로세서는,
    상기 디바이스 화면 상의 기 설정된 영역에 상기 적어도 하나의 추천 연락처를 표시하는, 디바이스.
  17. 제 1 항에 있어서,
    상기 프로세서는,
    상기 적어도 하나의 추천 연락처와 연동되는 적어도 하나의 애플리케이션의 아이콘을 함께 표시하는, 디바이스.
  18. 제 17 항에 있어서,
    복수개의 추천 연락처를 표시하는 경우, 상기 복수개의 추천 연락처의 우선 순위에 따라, 상기 추천 연락처 및 애플리케이션의 아이콘의 속성을 다르게 표시하는, 디바이스.
  19. 디바이스에서 실행 중인 애플리케이션에 기초하여 디스플레이된 데이터로부터 컨텍스트 정보를 추출하는 단계;
    상기 추출된 컨텍스트 정보로부터, 식별자를 결정하는 단계;
    복수의 사용자들 사이의 커뮤니케이션에 관한 정보를 상기 복수의 사용자들 간의 연관 관계를 결정하기 위한 제1 학습 모델에 입력함으로써 획득된 관계 그래프 및 상기 식별자에 기초하여 상기 식별자에 관련된 적어도 하나의 추천 연락처를 검색하는 단계;
    상기 검색된 적어도 하나의 추천 연락처의 우선순위를 결정하는 단계;및
    상기 우선순위에 따라, 상기 적어도 하나의 추천 연락처를 표시하는 단계;를 포함하는, 방법.
  20. 제 19 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
KR1020180164959A 2017-12-22 2018-12-19 연락처 정보를 추천하는 방법 및 디바이스 KR102628042B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110936092.4A CN113746978A (zh) 2017-12-22 2018-12-21 推荐联系人信息的装置和方法
CN201880082700.6A CN111512617B (zh) 2017-12-22 2018-12-21 推荐联系人信息的装置和方法
PCT/KR2018/016536 WO2019125082A1 (en) 2017-12-22 2018-12-21 Device and method for recommending contact information
EP18892033.4A EP3652925A4 (en) 2017-12-22 2018-12-21 DEVICE AND METHOD FOR RECOMMENDING CONTACT INFORMATION
US16/232,481 US11521111B2 (en) 2017-12-22 2018-12-26 Device and method for recommending contact information

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20170178737 2017-12-22
KR1020170178737 2017-12-22

Publications (2)

Publication Number Publication Date
KR20190076870A true KR20190076870A (ko) 2019-07-02
KR102628042B1 KR102628042B1 (ko) 2024-01-23

Family

ID=67258649

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180164959A KR102628042B1 (ko) 2017-12-22 2018-12-19 연락처 정보를 추천하는 방법 및 디바이스

Country Status (3)

Country Link
EP (1) EP3652925A4 (ko)
KR (1) KR102628042B1 (ko)
CN (2) CN113746978A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114925289A (zh) * 2022-05-23 2022-08-19 中国平安财产保险股份有限公司 员工推荐方法、装置、设备及可读存储介质
KR20220123830A (ko) * 2021-03-02 2022-09-13 황동하 수신자 지인의 번호가 표시되도록 선거 운동 메시지를 발송하는 장치, 방법 및 프로그램

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112115293A (zh) * 2020-09-27 2020-12-22 广州三星通信技术研究有限公司 内容推荐方法及内容推荐装置
CN112286967A (zh) * 2020-10-23 2021-01-29 上海淇玥信息技术有限公司 一种基于联系人执行业务任务的方法、装置和电子设备
CN112311931B (zh) * 2020-10-23 2021-10-12 上海淇玥信息技术有限公司 一种在终端处理联系人信息的方法、装置和电子设备
CN113240408A (zh) * 2021-06-18 2021-08-10 中国银行股份有限公司 手机银行app推荐方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130346347A1 (en) * 2012-06-22 2013-12-26 Google Inc. Method to Predict a Communicative Action that is Most Likely to be Executed Given a Context
US20140066044A1 (en) * 2012-02-21 2014-03-06 Manoj Ramnani Crowd-sourced contact information and updating system using artificial intelligence

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6839665B1 (en) * 2000-06-27 2005-01-04 Text Analysis International, Inc. Automated generation of text analysis systems
US7596597B2 (en) * 2006-08-31 2009-09-29 Microsoft Corporation Recommending contacts in a social network
US8892605B2 (en) * 2010-12-03 2014-11-18 Relationship Capital Technologies, Inc. Systems and methods for managing social networks based upon predetermined objectives
CN102368800B (zh) * 2011-11-02 2017-05-24 中兴通讯股份有限公司 用于手机中构建通讯录的方法、装置及通信设备
US8959092B2 (en) * 2012-06-27 2015-02-17 Google Inc. Providing streams of filtered photographs for user consumption
US8719280B1 (en) * 2012-10-16 2014-05-06 Google Inc. Person-based information aggregation
KR102069867B1 (ko) * 2013-03-14 2020-01-23 삼성전자주식회사 상황인지에 기반하여 연락처를 제공하기 위한 방법 및 장치
CN103220466B (zh) * 2013-03-27 2016-08-24 华为终端有限公司 图片的输出方法及装置
CN104168351B (zh) * 2013-05-20 2017-09-15 北京三星通信技术研究有限公司 处理联系人信息的方法及装置
CN104182422B (zh) * 2013-05-28 2018-01-23 中国电信股份有限公司 统一通讯录信息处理方法和系统
EP3017384A4 (en) * 2013-07-02 2017-03-15 Nokia Technologies Oy Apparatus and method for providing connections to contacts based on associations with content
CN104702759A (zh) * 2013-12-06 2015-06-10 中兴通讯股份有限公司 通讯录的设置方法及装置
CN109213882B (zh) * 2014-03-12 2020-07-24 华为技术有限公司 图片排序方法及终端
CN106341507A (zh) * 2015-07-09 2017-01-18 中兴通讯股份有限公司 联系人获取方法、装置及用户终端
CN105069073B (zh) * 2015-07-30 2019-12-13 小米科技有限责任公司 联系人信息推荐方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140066044A1 (en) * 2012-02-21 2014-03-06 Manoj Ramnani Crowd-sourced contact information and updating system using artificial intelligence
US20130346347A1 (en) * 2012-06-22 2013-12-26 Google Inc. Method to Predict a Communicative Action that is Most Likely to be Executed Given a Context

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220123830A (ko) * 2021-03-02 2022-09-13 황동하 수신자 지인의 번호가 표시되도록 선거 운동 메시지를 발송하는 장치, 방법 및 프로그램
US11991140B2 (en) 2021-03-02 2024-05-21 Dongha HWANG Apparatus, method, and recording medium for transmitting election campaign messages in manner of displaying phone number of acquaintance of recipient
CN114925289A (zh) * 2022-05-23 2022-08-19 中国平安财产保险股份有限公司 员工推荐方法、装置、设备及可读存储介质
CN114925289B (zh) * 2022-05-23 2024-04-30 中国平安财产保险股份有限公司 员工推荐方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
EP3652925A1 (en) 2020-05-20
CN113746978A (zh) 2021-12-03
CN111512617A (zh) 2020-08-07
KR102628042B1 (ko) 2024-01-23
CN111512617B (zh) 2021-09-03
EP3652925A4 (en) 2020-05-20

Similar Documents

Publication Publication Date Title
US11379529B2 (en) Composing rich content messages
US20190057298A1 (en) Mapping actions and objects to tasks
US10970605B2 (en) Electronic apparatus and method of operating the same
US11093536B2 (en) Explicit signals personalized search
KR102628042B1 (ko) 연락처 정보를 추천하는 방법 및 디바이스
CN110168530B (zh) 电子设备和操作该电子设备的方法
US10498673B2 (en) Device and method for providing user-customized content
KR102556492B1 (ko) 텍스트와 연관된 이미지 제공 방법 및 이를 위한 전자 장치
US11521111B2 (en) Device and method for recommending contact information
US20170277993A1 (en) Virtual assistant escalation
US20190129749A1 (en) Automated extraction and application of conditional tasks
CN106845644B (zh) 一种通过相互关系学习用户及移动应用的联系的异构网络
EP3756185B1 (en) Electronic device for outputting response to speech input by using application and operation method thereof
US11194796B2 (en) Intuitive voice search
KR102426435B1 (ko) 사용자 입력에 기반한 문장을 제공하는 장치 및 방법
KR20170068379A (ko) 사용자 맞춤형 콘텐트를 제공하는 시스템 및 방법
CN114514517A (zh) 用于基于知识图谱来提供内容的方法和装置
KR102430567B1 (ko) 텍스트와 연관된 이미지 제공 방법 및 이를 위한 전자 장치
KR102596841B1 (ko) 사용자의 발화에 응답하여 하나 이상의 아이템을 제공하기 위한 전자 장치 및 방법
TW202301080A (zh) 輔助系統的多裝置調解
KR102185369B1 (ko) 사용자와의 대화를 위한 정보를 생성하는 시스템 및 방법
US20210216815A1 (en) Electronic apparatus and operating method thereof
CN116261752A (zh) 基于音频对话的面向用户的动作
US20230252036A1 (en) Methods and systems for providing an enhanced response to a query in an iot environment
CN114072763A (zh) 一种推荐行为的交互界面展示方法和系统

Legal Events

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