KR20200033605A - 동영상 강의 클립을 추천하는 방법 - Google Patents

동영상 강의 클립을 추천하는 방법 Download PDF

Info

Publication number
KR20200033605A
KR20200033605A KR1020180113094A KR20180113094A KR20200033605A KR 20200033605 A KR20200033605 A KR 20200033605A KR 1020180113094 A KR1020180113094 A KR 1020180113094A KR 20180113094 A KR20180113094 A KR 20180113094A KR 20200033605 A KR20200033605 A KR 20200033605A
Authority
KR
South Korea
Prior art keywords
video lecture
clip
video
lecture
server
Prior art date
Application number
KR1020180113094A
Other languages
English (en)
Inventor
박용식
김상연
김철연
Original Assignee
망고슬래브 주식회사
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 망고슬래브 주식회사 filed Critical 망고슬래브 주식회사
Priority to KR1020180113094A priority Critical patent/KR20200033605A/ko
Publication of KR20200033605A publication Critical patent/KR20200033605A/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
    • G09B5/065—Combinations of audio and video presentations, e.g. videotapes, videodiscs, television systems
    • 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
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

본 개시는 동영상 강의 클립을 추천하는 방법에 관한 것이다. 이 방법은, 서버가 사용자 단말기로부터 관심 토픽에 관한 정보를 수신하는 단계, 서버가 수신된 관심 토픽과 관련 있는 동영상 강의 클립을 검색하는 단계; 및 서버가 검색된 동영상 강의 클립 중 관련도가 가장 높은 동영상 강의 클립을 추천하는 단계를 포함한다. 여기서, 동영상 강의 클립은 동영상 강의 중 일부 구간에 해당한다.

Description

동영상 강의 클립을 추천하는 방법{METHOD FOR RECOMMENDING VIDEO LECTURE CLIP BASED ON ARTIFICIAL INTELLIGENCE}
본 개시는 동영상 강의 클립(clip)을 추천하는 방법에 관한 것으로, 보다 상세하게는, 동영상 강의 중 소정의 구간을 추천하는 방법에 관한 것이다.
최근에 들어, 전통적인 학습지를 이용한 학습 방식이 아닌 온라인 교육 솔루션을 이용한 교육 방식이 유행하고 있다. 온라인 교육 솔루션의 경우, 사용자에게 동영상 강의를 제공할 수 있다. 다만, 동영상 강의는 전체 길이(total duration)가 1시간을 넘어가는 경우가 대부분이기 때문에 수강생 또는 사용자가 동영상 강의 중 원하는 구간(또는 클립)을 찾기가 쉽지 않은 문제가 있다.
본 명세서에서 개시되는 실시예들은, 동영상 강의 중 일부 구간(또는 동영상 클립)을 추천할 수 있는 방법 및 시스템에 관한 것이다.
본 개시의 일 실시예에 따른 동영상 강의 클립을 추천하는 방법은, 서버가 사용자 단말기로부터 관심 토픽에 관한 정보를 수신하는 단계, 서버가 수신된 관심 토픽과 관련 있는 동영상 강의 클립(clip)을 검색하는 단계 - 동영상 강의 클립은 동영상 강의 중 일부 구간에 해당 -, 서버가 검색된 동영상 강의 클립 중 관련도가 가장 높은 동영상 강의 클립을 추천하는 단계를 포함할 수 있다.
일 실시예에서, 관심 토픽은, 문제 풀이 결과에 관한 정보 또는 오답 정보를 포함할 수 있다.
일 실시예에서, 동영상 강의 클립을 추천하는 단계는, 복수의 동영상 강의 클립을 우선 순위에 따라 추천할 수 있다.
본 개시의 일 실시예에 따른 동영상 강의 클립을 분석하는 방법은, 서버가 동영상 강의의 스크립트 및 텍스트 정보 중 적어도 하나는 추출하는 단계; 및 스크립트 및 텍스트 정보 중 적어도 하나와 대응되는 타임 스탬프를 이용하여 동영상 강의의 구간별 토픽을 추출하는 단계를 포함할 수 있다.
본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 네트워크 환경(100)의 개략도이다.
도 2는 본 개시의 일 실시예에 따른 서버(130)의 구성을 나타낸 도면이다.
도 3은 본 개시의 일 실시예에 따른 서버(130)에서 수행되는 동영상 강의 클립을 추천하는 방법을 나타낸 도면이다.
도 4는 본 개시의 일 실시예 따른 사용자 단말기(110)에서 수행되는 동영상 강의 클립을 추천받는 방법을 도시한 도면이다.
도 5는 본 개시의 일 실시예 따른 서버(130)에서 수행되는 동영상 강의 클립을 분석하는 방법(500)을 도시한 도면이다.
이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
본 명세서에서 동영상 강의는 전체 강의 동영상을 의미하고, 동영상 강의 클립은 동영상 강의 중 일부 구간을 의미한다. 예컨대, 동영상 강의가 1시간짜리 강의인 경우, 동영상 강의 클립은 1시간 동영상 강의 중 10분짜리 동영상 구간을 의미한다.
도 1은 본 개시의 일 실시예에 따른 네트워크 환경(100)의 개략도이다.
사용자 단말기(110)는, 네트워크(120)를 통해 사용자의 관심 토픽을 서버(130)로 전송할 수 있다. 사용자 단말기(110)는 제공한 관심 토픽에 기초하여 동영상 강의 클립을 서버(130)로부터 추천받을 수 있다. 예를 들어, 사용자 단말기(110)는 하이퍼링크의 형태로 동영상 강의 클립을 추천받을 수 있다.
일 실시예에 따르면, 사용자 단말기(110)는, 온라인 상으로 문제풀이가 가능한 단말기일 수 있다. 사용자 단말기(110)는 사용자의 관심 토픽으로서 문제풀이 결과를 네트워크(120)를 통해 서버(130)로 전송할 수 있다. 예컨대, 문제풀이 결과는 오답과 관련된 정보를 포함할 수 있다. 예를 들어, 사용자 단말기(110)는, 사용자가 사용자 단말기(110)에서 10개 문제를 푼 결과, 2번 문제 및 5번 문제를 틀린 경우, 2번 문제 및 5번 문제와 관련된 토픽과 관련된 정보를 네트워크(120)를 통해 서버(130)로 전송할 수 있다.
일 실시예에 따르면, 사용자 단말기(110)는 유선 또는 무선 네트워크를 통해 다른 장치와 통신할 수 있는 장치로서, CPU(central processing unit), GPU(graphic processing unit), DSP(digital signal processor) 등 중의 어느 하나를 이용하여 연산 동작을 수행할 수 있는 컴퓨팅 장치일 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 사용자 단말기(110)는 스마트폰 장치, 랩탑 컴퓨터, 퍼스널 컴퓨터일 수 있다.
네트워크(120)는 근거리 네트워크 및/또는 장거리 네트워크를 포함할 수 있다. 일 실시예에 따르면, 네트워크(120)는 블루투스, 와이파이, 와이브로 및 초광대역 등과 같은 무선 인터넷 방식으로 구성될 수 있다. 또한, 네트워크(120)는 IEEE 1394, 이더넷 등의 유선 인터넷 방식을 포함할 수 있다.
서버(130)는, 사용자 단말기(110)로부터 네트워크(120)를 통해 수신한 관심 토픽에 기초하여, 관심 토픽과 가장 연관성이 높은 동영상 강의 클립(clip)을 사용자에게 추천할 수 있다.
도 2는 본 개시의 일 실시예에 따른 서버(130)의 구성을 나타낸 도면이다.
통신부(210)는 네트워크를 통해 서버(130)가 사용자 단말기(110)와 통신 가능하게 한다.
데이터베이스(220)는, 동영상 강의 분석 모듈(230)이 동영상 강의를 분석한 결과 및 동영상 강의 추천 모듈(240)이 동영상 강의를 추천한 결과에 관한 정보를 저장할 수 있다. 추가적으로 데이터베이스(220)는 동영상 강의 및/또는 동영상 강의 클립 자체를 저장할 수 있다. 일 실시예에 따르면, 동영상 강의 및/또는 동영상 강의 클립은 데이터베이스(220)에 저장되는 것 대신, 외부의 동영상 강의 전문 제공 업체로부터 동영상 스트리밍 서비스(video streaming service) 등을 통해 제공받을 수 있다. 또는, 동영상 강의 및/또는 동영상 강의 클립 중 일부는 데이터베이스(220)에 저장되고, 일부는 서버(130) 외부로부터 제공받을 수 있다. 동영상 강의 및/또는 동영상 강의 클립이 서버(130)가 아닌 다른 곳으로부터 네트워크(120)를 통해 사용자 단말기(110)로 제공되는 경우, 동영상 강의 및/또는 동영상 강의 클립이 저장되어 있는 위치에 관한 정보가 데이터베이스(220)에 저장될 수 있다.
동영상 강의 분석 모듈(230)은 데이터베이스(220) 또는 외부 서버에 저장되어 있는 동영상 강의를 토픽별로 분리하여 동영상 강의 클립으로 나눌 수 있다. 예컨대, 동영상 강의 분석 모듈(230)은 동영상 강의의 스크립트를 추출하고, 그에 대응되는 타임 스탬프(time stamp)를 이용해서 구간별 토픽을 추출할 수 있다. 동영상 강의는 토픽별로 동영상 강의 클립으로 구분될 수 있다. 이 때, 동영상 강의 분석 모듈(230)은 AI(Artificial Intelligence)에 기반하여 스크립트를 분석하여 타임 스탬프 정보를 이용하여 구간별 토픽을 추출할 수 있다.
예컨대 동영상 강의 분석 모듈(230)은 동영상 강의 중에 나타난 텍스트 정보(예컨대, 칠판에 강사가 판서한 강의내용, 문제 또는 자막 정보)를 추출하고, 그에 대응되는 타임 스탬프를 이용하여 구간별 토픽을 추출할 수 있다. 동영상 강의는 토픽별로 동영상 강의 클립으로 구분될 수 있다. 예컨대, 동영상 강의 중 칠판에 적힌 문제를 추출하여, 해당 문제와 관련된 토픽에 대한 동영상 강의 클립을 추출할 수 있다.
일 실시예에 따르면, 동영상 강의 분석 모듈(230)은 아래 표 1과 같이 1시간짜리 고등학교 수학 동영상 강의를 6개의 토픽 별로 분리해서 6개의 동영상 강의 클립으로 구분할 수 있다.
Figure pat00001
동영상 강의 추천 모듈(240)은 사용자 단말기(110)으로부터 수신한 관심 토픽과 동영상 강의 분석 모듈(230)이 동영상 강의로부터 추출한 구간별 토픽을 매칭하고, 매칭 스코어가 소정의 임계값이 초과하는 경우, 해당 구간별 토픽과 대응되는 동영상 강의 클립을 추천할 수 있다. 예를 들어, 사용자가 10개 문제를 푼 결과, 다항식과 관련된 2번 문제와 함수와 관련된 5번 문제를 틀린 경우, 다항식에 관한 동영상 강의 클립 00:00:00 ~ 00:20:20 구간(단위는 시:분:초)과 함수에 관한 동영상 강의 클립 00:35:11 ~ 00:41:20 구간(단위는 시:분:초)을 사용자에게 추천할 수 있다. 본 예시에서는 수학을 중심으로 설명하였지만, 이에 제한되는 것은 아니고 다양한 과목 및 시험을 위한 동영상 강의에 적용될 수 있다.
예컨대, 동영상 강의 추천 모듈(240)은 사용자가 전송한 오답의 문제와 동일 또는 유사한 문제의 풀이에 관한 동영상 강의 클립을 추천할 수 있다.
예컨대, 동영상 강의 추천 모듈(240)은 추천 시, 동영상 강의 업로더 및/또는 동영상 강의자의 인기, 신뢰도 등을 참고하려 다수의 동영상 강의 클립의 추천 우선 순위를 정할 수 있다.
일 실시예에 따르면, 동영상 강의 추천 모듈(240)은 통신부(210)를 통해 추천한 동영상 강의 클립에 접근할 수 있는 하이퍼링크(예컨대, 유튜브 사이트(https://www.youtube.com/premium)에서의 동영상 주소)를 사용자 단말기(110)으로 전송할 수 있다.
이와 같이 사용자는 자신이 틀린 문제와 관련된 동영상 강의 클립을 추천 받음으로써, 전체 동영상 강의를 들을 필요 없이 자신이 약한 부분을 집중적으로 동영상 강의 클립을 통해 공부할 수 있어 학업 성적을 효과적으로 향상시킬 수 있다.
또한, 사용자는 오답에 관한 정보를 서버(130)로 전송하면 할수록, 보다 정확한 동영상 강의 클립을 추천 받을 수 있기 때문에, 사용자로 하여금 오답에 관한 정보를 보다 많이 서버(130)로 전송하게 만드는 동기를 부여할 수 있다. 그로 인해 서버(130)는 학생들의 오답에 관한 정보를 보다 많이 수집할 수 있고, 이를 토대로 AI를 기반으로 한 동영상 클립 추천을 보다 효율적으로 수행할 수 있다.
도 3은 본 개시의 일 실시예에 따른 서버(130)에서 수행되는 동영상 강의 클립을 추천하는 방법(300)을 도시한 도면이다.
우선 서버(130)는 네트워크(120)를 통해 사용자 단말기(110)로부터 관심 토픽에 관한 정보를 수신한다(단계 310). 여기서 관심 토픽은, 문제 풀이 결과에 관한 정보 또는 오답 정보를 포함할 수 있다.
다음으로, 서버(130)는 수신된 관심 토픽과 관련 있는 동영상 강의 클립을 검색한다(단계 320). 그 후, 서버(130)는 검색된 동영상 강의 클립 중 관련도가 가장 높은 동영상 강의 클립을 추천한다(단계 330). 다수의 동영상 강의 클립을 우선 순위에 따라 추천할 수 있다. 마지막으로, 서버(130)는 사용자 단말기(110)로부터 추천에 대한 평가 결과를 수신할 수 있으며(단계 340), 필요에 따라 단계 340은 생략될 수 있다.
도 4는 본 개시의 일 실시예 따른 사용자 단말기(110)에서 수행되는 동영상 강의 클립을 추천받는 방법(400)을 도시한 도면이다.
우선 사용자 단말기(110)는 서버(130)로 관심 토픽을 전송한 후(단계 410), 서버(130)로부터 추천 동영상 강의 클립을 수신한다(단계 420). 예컨대, 추천 동영상 강의 클립이 저장되어 있는 위치에 관한 정보를 수신할 수 있다. 그 후, 사용자는 사용자 단말기(110)를 통해 추천에 대한 평가를 서버(130)로 전송할 수 있으며(단계 430), 단계 430은 생략될 수 있다.
도 5는 본 개시의 일 실시예 따른 서버(130)에서 수행되는 동영상 강의 클립을 분석하는 방법(500)을 도시한 도면이다.
우선 서버의 동영상 강의 분석 모듈(230)은 동영상 강의의 스크립트 및 텍스트 정보 중 적어도 하나를 추출한다(단계 510). 그 후, 동영상 강의 분석 모듈(230)은 동영상 강의의 스크립트 및 텍스트 정보 중 적어도 하나와 대응되는 타임 스탬프를 이용하여 동영상 강의의 구간별 토픽을 추출한다(단계 520).
상술한 동영상 강의 클립을 추천하기 위한 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수도 있다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
본원에 기술된 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 당업자들은 더 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호교환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능성의 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 제약들에 따라 달라진다. 당업자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현 결정들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.
하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들 (digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들 (programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들 (field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본원에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.
따라서, 본원의 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안에서, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 그러한 구성의 조합으로서 구현될 수도 있다.
펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리 (random access memory; RAM), 판독 전용 메모리 (read-only memory; ROM), 불휘발성 RAM (non-volatile random access memory; NVRAM), PROM (programmable read-only memory), EPROM (erasable programmable read-only memory), EEPROM (electrically erasable PROM), 플래시 메모리, 컴팩트 디스크 (compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행가능할 수도 있고, 프로세서(들)로 하여금 본원에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.
소프트웨어로 구현되면, 상기 기능들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.
예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크 (disk) 와 디스크 (disc)는, CD, 레이저 디스크, 광 디스크, DVD (digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들 (disks) 은 보통 자기적으로 데이터를 재생하고, 반면 디스크들 (discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.
소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 커플링될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 컴포넌트들로서 존재할 수도 있다.
본 개시의 앞선 설명은 당업자들이 본 개시를 행하거나 이용하는 것을 가능하게 하기 위해 제공된다. 본 개시의 다양한 수정예들이 당업자들에게 쉽게 자명할 것이고, 본원에 정의된 일반적인 원리들은 본 개시의 취지 또는 범위를 벗어나지 않으면서 다양한 변형예들에 적용될 수도 있다. 따라서, 본 개시는 본원에 설명된 예들에 제한되도록 의도된 것이 아니고, 본원에 개시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위가 부여되도록 의도된다.
비록 예시적인 구현예들이 하나 이상의 독립형 컴퓨터 시스템의 맥락에서 현재 개시된 주제의 양태들을 활용하는 것을 언급할 수도 있으나, 본 주제는 그렇게 제한되지 않고, 오히려 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 현재 개시된 주제의 양상들은 복수의 프로세싱 칩들이나 디바이스들에서 또는 그들에 걸쳐 구현될 수도 있고, 스토리지는 복수의 디바이스들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 디바이스들은 PC들, 네트워크 서버들, 및 핸드헬드 디바이스들을 포함할 수도 있다.
비록 본 주제가 구조적 특징들 및/또는 방법론적 작용들에 특정한 언어로 설명되었으나, 첨부된 청구항들에서 정의된 주제가 위에서 설명된 특정 특징들 또는 작용들로 반드시 제한되는 것은 아님이 이해될 것이다. 오히려, 위에서 설명된 특정 특징들 및 작용들은 청구항들을 구현하는 예시적인 형태로서 설명된다.
이 명세서에서 언급된 방법은 특정 실시예들을 통하여 설명되었지만, 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀 질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.
110: 사용자 단말기
120: 네트워크
130: 서버

Claims (4)

  1. 동영상 강의 클립을 추천하는 방법으로서,
    서버가 사용자 단말기로부터 관심 토픽에 관한 정보를 수신하는 단계;
    상기 서버가 수신된 상기 관심 토픽과 관련 있는 동영상 강의 클립(clip)을 검색하는 단계 - 상기 동영상 강의 클립은 동영상 강의 중 일부 구간에 해당 - ; 및
    상기 서버가 검색된 상기 동영상 강의 클립 중 관련도가 가장 높은 동영상 강의 클립을 추천하는 단계
    를 포함하는, 동영상 강의 클립을 추천하는 방법.
  2. 제1항에 있어서,
    상기 관심 토픽은, 문제 풀이 결과에 관한 정보 또는 오답 정보를 포함하는, 동영상 강의 클립을 추천하는 방법.
  3. 제1항에 있어서,
    상기 동영상 강의 클립을 추천하는 단계는, 복수의 동영상 강의 클립을 우선 순위에 따라 추천하는, 동영상 강의 클립을 추천하는 방법.
  4. 동영상 강의 클립을 분석하는 방법으로서,
    서버가 동영상 강의의 스크립트 및 텍스트 정보 중 적어도 하나는 추출하는 단계; 및
    상기 스크립트 및 상기 텍스트 정보 중 적어도 하나와 대응되는 타임 스탬프를 이용하여 상기 동영상 강의의 구간별 토픽을 추출하는 단계
    를 포함하는, 동영상 강의 클립을 추천하는 방법.
KR1020180113094A 2018-09-20 2018-09-20 동영상 강의 클립을 추천하는 방법 KR20200033605A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180113094A KR20200033605A (ko) 2018-09-20 2018-09-20 동영상 강의 클립을 추천하는 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180113094A KR20200033605A (ko) 2018-09-20 2018-09-20 동영상 강의 클립을 추천하는 방법

Publications (1)

Publication Number Publication Date
KR20200033605A true KR20200033605A (ko) 2020-03-30

Family

ID=70003266

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180113094A KR20200033605A (ko) 2018-09-20 2018-09-20 동영상 강의 클립을 추천하는 방법

Country Status (1)

Country Link
KR (1) KR20200033605A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102583004B1 (ko) * 2022-10-19 2023-09-27 주식회사 율러닝 동영상 기반의 온라인 학습 서비스를 제공하는 방법 및 이를 위한 서버
KR20240007404A (ko) * 2022-07-08 2024-01-16 주식회사 한국이러닝교육원 자격취득 관리서버 및 이를 포함하는 블록체인을 이용한 자격취득 인증시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240007404A (ko) * 2022-07-08 2024-01-16 주식회사 한국이러닝교육원 자격취득 관리서버 및 이를 포함하는 블록체인을 이용한 자격취득 인증시스템
KR102583004B1 (ko) * 2022-10-19 2023-09-27 주식회사 율러닝 동영상 기반의 온라인 학습 서비스를 제공하는 방법 및 이를 위한 서버

Similar Documents

Publication Publication Date Title
US9438850B2 (en) Determining importance of scenes based upon closed captioning data
US20170004139A1 (en) Searchable annotations-augmented on-line course content
US10970324B2 (en) System for generation of automated response follow-up
Mead et al. Reference and PDF-manager software: complexities, support and workflow
CN107230397B (zh) 一种亲子幼教用音频生成与处理方法与装置
US9509758B2 (en) Relevant commentary for media content
JP2015201185A (ja) 講義ビデオのトピックスを特定する方法及び非一時的なコンピュータ可読媒体
US20150278362A1 (en) Method of searching recorded media content
US10229187B2 (en) System for determination of automated response follow-up
CN110941738B (zh) 推荐方法、装置、电子设备及计算机可读存储介质
US20140180999A1 (en) Method and apparatus for providing software problem solutions
US20150212977A1 (en) Document summarization
RU2583764C1 (ru) Способ обработки запроса пользователя на доступ к веб-ресурсу и сервер
CN103942317A (zh) 一种推荐方法及系统
KR20200033605A (ko) 동영상 강의 클립을 추천하는 방법
KR102610999B1 (ko) 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템
US20140330669A1 (en) Leveraging reader performance to provide a publication recommendation
US20170345014A1 (en) Question and Answer Enhancement
TWI709905B (zh) 資料分析方法及資料分析系統
KR20200124836A (ko) 콘텐츠 분석 기반의 인공지능 책쓰기 가이딩 시스템
US10417022B2 (en) Online video playback analysis and assistance
US20170140796A1 (en) Intelligent segment marking in recordings
US20210019349A1 (en) Bias reduction in crowdsourced tasks
Koo et al. Podcasting for undergraduate healthcare education
KR102601471B1 (ko) 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템