KR20200039365A - 전자 장치 및 이의 제어 방법 - Google Patents
전자 장치 및 이의 제어 방법 Download PDFInfo
- Publication number
- KR20200039365A KR20200039365A KR1020180119200A KR20180119200A KR20200039365A KR 20200039365 A KR20200039365 A KR 20200039365A KR 1020180119200 A KR1020180119200 A KR 1020180119200A KR 20180119200 A KR20180119200 A KR 20180119200A KR 20200039365 A KR20200039365 A KR 20200039365A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- advertisement
- electronic device
- information
- category
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013473 artificial intelligence Methods 0.000 claims description 67
- 238000004891 communication Methods 0.000 claims description 31
- 230000033001 locomotion Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 18
- 238000007781 pre-processing Methods 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 239000003795 chemical substances by application Substances 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 235000008314 Echinocereus dasyacanthus Nutrition 0.000 description 3
- 240000005595 Echinocereus dasyacanthus Species 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 208000006930 Pseudomyxoma Peritonei Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 229920000306 polymethylpentene Polymers 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9017—Indexing; Data structures therefor; Storage structures using directory or table look-up
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
- G06Q30/0256—User search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0267—Wireless devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Abstract
전자 장치 및 이의 제어 방법이 제공된다. 본 전자 장치의 제어 방법은, 전자 장치의 카메라에 의해 획득된 이미지를 바탕으로 전자 장치의 사용자와 관련된 정보를 획득하고, 사용자와 관련된 정보를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정하며, 광고를 표시하기 위한 이벤트가 발생되면, 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버에 전송하며, 광고 플랫폼 서버로부터 적어도 하나의 광고 카테고리에 대한 광고를 수신할 수 있다.
Description
본 개시는 전자 장치 및 이의 제어 방법에 관한 것으로, 더욱 상세하게는 사용자와 관련된 정보를 바탕으로 사용자에게 최적의 광고를 제공할 수 있는 전자 장치 및 이의 제어 방법에 관한 것이다.
스마트 폰과 같은 전자 장치의 사용이 일반화되고, 사용시간도 점점 늘어나게 되면서, 제품과 서비스를 광고하고 싶은 회사들에게 스마트 폰과 같은 전자 장치를 이용하여 광고를 제공할 필요성이 늘어나고 있다.
특히, 전자 장치를 이용하여 광고를 제공할 경우, 사용자 성향이나 관심를 파악하는 것이 매우 중요하다. 사용자의 성향이나 관심사에 무관하게 임의의 광고를 제공할 경우 광고 효과가 매우 낮아질 수 있기 때문이다.
최근에는 사용자의 웹 사이트 접속 기록, 검색 기록과 같은 사용자 개인 정보를 광고 플랫폼 업체가 수집하고, 수집된 사용자 정보를 바탕으로 사용자에게 최적의 광고를 제공하는 서비스가 나타나고 있다.
그러나, 사용자의 웹 사이트 접속 기록이나 검색 기록과 같은 사용자 개인 정보는 개인 정보 보호 이슈로 인해 사용자의 동의를 받아야 하는 한계가 존재하며, 사용자 동의가 없는 경우 서비스를 제공할 수 없는 문제점이 존재한다. 따라서, 전자 장치가 사용자 개인 정보 자체를 전송하지 않고, 사용자에게 최적의 광고를 제공받기 위한 방안의 모색이 요청된다.
본 개시는 상술한 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 사용자의 개인 정보 자체를 전송하지 않고, 사용자와 관련된 정보를 바탕으로 결정된 광고 카테고리 정보를 광고 플랫폼 서버에 전송하여 사용자에게 최적의 광고를 제공할 수 있는 전자 장치 및 이의 제어 방법을 제공함에 있다.
본 개시의 일 실시예에 따른, 전자 장치는, 통신 인터페이스; 적어도 하나의 명령을 포함하는 메모리; 및 상기 카메라, 상기 통신 인터페이스 및 상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서;를 포함하고, 상기 프로세서는, 상기 카메라에 의해 획득된 이미지를 바탕으로 상기 전자 장치의 사용자와 관련된 정보를 획득하며, 상기 사용자와 관련된 정보를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정하며, 광고를 표시하기 위한 이벤트가 발생되면, 상기 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버에 전송하도록 상기 통신 인터페이스를 제어하며, 상기 통신 인터페이스를 통해 상기 광고 플랫폼 서버로부터 상기 적어도 하나의 광고 카테고리에 대한 광고를 수신할 수 있다.
본 개시의 일 실시예에 따른, 전자 장치의 제어 방법은, 상기 전자 장치의 카메라에 의해 획득된 이미지를 바탕으로 상기 전자 장치의 사용자와 관련된 정보를 획득하는 단계; 상기 사용자와 관련된 정보를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정하는 단계; 광고를 표시하기 위한 이벤트가 발생되면, 상기 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버에 전송하는 단계; 및 상기 광고 플랫폼 서버로부터 상기 적어도 하나의 광고 카테고리에 대한 광고를 수신하는 단계;를 포함한다.
본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 실행하기 위한 프로그램을 저장하는 비일시적인(non-transitory) 컴퓨터 판독 가능한 기록 매체에 있어서, 상기 전자 장치의 제어 방법은, 상기 전자 장치의 카메라에 의해 획득된 이미지를 바탕으로 상기 전자 장치의 사용자와 관련된 정보를 획득하는 단계; 상기 사용자와 관련된 정보를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정하는 단계; 광고를 표시하기 위한 이벤트가 발생되면, 상기 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버에 전송하는 단계; 및 상기 광고 플랫폼 서버로부터 상기 적어도 하나의 광고 카테고리에 대한 광고를 수신하는 단계;를 포함한다.
상술한 바와 같은 본 개시에 의해, 사용자는 사용자의 개인 정보가 외부로 유출되는 위험없이 최적의 광고를 제공받을 수 있으며, 광고주는 사용자 정보를 바탕으로 결정된 광고 카테고리에 대응되는 최적의 광고를 사용자에게 제공할 수 있게 되어 광고 효과가 증가될 수 있다.
도 1은 본 개시의 일 실시예에 따른, 사용자와 관련된 정보에 따라 광고를 제공하는 시스템의 사용도,
도 2 및 도 3은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 도시한 블록도,
도 4는 본 개시의 일 실시예에 따른, 사용자와 관련된 정보에 따라 광고를 제공하는 구성들을 도시한 블록도,
도 5는 본 개시의 일 실시예에 따른, 사용자 정보 데이테베이스에 저장된 사용자와 관련된 정보를 설명하기 위한 도면,
도 6은 본 개시의 일 실시예에 따른, 광고 카테고리 데이테베이스에 저장된 매칭 테이블을 설명하기 위한 도면,
도 7은 본 개시의 일 실시예에 따른, 사용자와 관련된 정보에 따라 광고를 제공하는 방법을 설명하기 위한 시퀀스도,
도 8은 본 개시의 일 실시예에 따른, 광고 카테고리의 우선 순위에 따라 광고를 표시하는 방법을 설명하기 위한 도면,
도 9는 본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 설명하기 위한 흐름도,
도 10은 본 개시의 일 실시예에 따른, 인공 지능 모델을 이용하는 전자 장치의 동작을 설명하기 위한 도면, 그리고,
도 11a 및 도 11b는 본 개시의 일 실시예에 따른, 학습부 및 인식부의 구체적인 구성을 나타내는 블록도이다.
도 2 및 도 3은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 도시한 블록도,
도 4는 본 개시의 일 실시예에 따른, 사용자와 관련된 정보에 따라 광고를 제공하는 구성들을 도시한 블록도,
도 5는 본 개시의 일 실시예에 따른, 사용자 정보 데이테베이스에 저장된 사용자와 관련된 정보를 설명하기 위한 도면,
도 6은 본 개시의 일 실시예에 따른, 광고 카테고리 데이테베이스에 저장된 매칭 테이블을 설명하기 위한 도면,
도 7은 본 개시의 일 실시예에 따른, 사용자와 관련된 정보에 따라 광고를 제공하는 방법을 설명하기 위한 시퀀스도,
도 8은 본 개시의 일 실시예에 따른, 광고 카테고리의 우선 순위에 따라 광고를 표시하는 방법을 설명하기 위한 도면,
도 9는 본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 설명하기 위한 흐름도,
도 10은 본 개시의 일 실시예에 따른, 인공 지능 모델을 이용하는 전자 장치의 동작을 설명하기 위한 도면, 그리고,
도 11a 및 도 11b는 본 개시의 일 실시예에 따른, 학습부 및 인식부의 구체적인 구성을 나타내는 블록도이다.
이하, 본 문서의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 문서의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제 3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 부프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서의 다양한 실시예들에 따른 전자 장치는, 예를 들면, 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시예에서, 전자 장치는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
이하에서는 도면을 참조하여 본 발명에 대해 상세히 설명하기로 한다. 도 1은 본 개시의 일 실시예에 따른, 도 1은 본 개시의 일 실시예에 따른, 사용자와 관련된 정보에 따라 광고를 제공하는 시스템의 사용도이다.
전자 장치(100)는 이미지를 획득할 수 있다. 이때, 전자 장치(100)는 적어도 하나의 카메라를 통해 이미지를 획득할 수 있으며, 외부 장치(또는 외부 서버)로부터 이미지를 수신할 수 있다. 전자 장치(100)가 획득한 이미지는 적어도 하나의 인물을 포함할 수 있다.
전자 장치(100)는 획득된 이미지를 바탕으로 전자 장치(100)의 사용자와 관련된 정보를 획득할 수 있다.
구체적으로, 전자 장치(100)는 셀프 촬영 모드 동안 전자 장치(100)의 카메라(특히, 디스플레이가 배치된 면에 구비된 전면 카메라)를 통해 획득된 복수의 이미지에 포함된 복수의 인물 중 가장 자주 등장하는 인물을 전자 장치(100) 사용자로 판단할 수 있다. 그리고, 전자 장치(100)는 객체 인식을 위한 인공지능 모델을 이용하여 획득된 사용자로 판단된 인물에 대한 다양한 정보(예로, 나이, 성별, 신체 사이즈 정보 등)를 획득할 수 있다.
또 다른 실시예로, 전자 장치(100)는 사용자가 SNS 상에 업로드한 이미지 및 텍스트를 분석하거나 사용자가 외부 장치로 전송한 이미지 및 텍스트를 분석하여 사용자가 포함된 이미지를 판단할 수 있다. 예로, 사용자가 SNS 상에 이미지와 함께 "오늘 찍은 내 사진"이라는 텍스트를 업로드한 경우, 전자 장치(100)는 텍스트 분석을 통해 SNS 상에 업로드된 이미지에 사용자가 포함되었음을 판단할 수 있다. 그리고, 전자 장치(100)는 객체 인식을 위한 인공지능 모델을 이용하여 SNS 상에 업로드된 이미지 또는 외부 장치에 전송한 이미지에 포함된 사용자에 대한 정보를 획득할 수 있다.
또한, 전자 장치(100)는 메모리에 저장된 복수의 이미지에 포함된 복수의 인물 중 기설정된 횟수 이상 등장하는 인물을 사용자와 관련된 인물(예로, 가족, 친구 등)로 판단할 수 있다. 그리고, 전자 장치(100)는 객체 인식을 위한 인공지능 모델을 이용하여 획득된 사용자와 관련된 인물에 대한 다양한 정보(예로, 나이, 성별, 신체 사이즈 정보 등)를 획득할 수 있다.
또 다른 실시예로, 전자 장치(100)는 사용자가 SNS 상에 업로드한 이미지 및 텍스트를 분석하거나 외부 장치로 전송한 이미지 및 텍스트를 분석하여 사용자와 관련된 인물을 포함하는 이미지를 판단할 수 있다. 예로, 사용자가 SNS 상에 아기를 포함하는 이미지와 함께 "우리 아들 이쁘지?"이라는 텍스트를 업로드한 경우, 전자 장치(100)는 텍스트 분석을 통해 SNS 상에 업로드된 이미지에 사용자와 관련된 인물(특히, 가족 등)이 포함되었음을 판단할 수 있다. 그리고, 전자 장치(100)는 객체 인식을 위한 인공지능 모델을 이용하여 SNS 상에 업로드된 이미지 또는 외부 장치에 전송한 이미지에 포함된 사용자와 관련된 인물에 대한 다양한 정보를 획득할 수 있다.
전자 장치(100)는 획득된 사용자와 관련된 정보를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정할 수 있다. 구체적으로, 전자 장치(100)는 사용자 유형에 따라 기설정된 적어도 하나의 광고 카테고리를 매칭하여 저장하는 매칭 테이블을 메모리에 저장할 수 있다. 예로, 매칭 테이블은 10대 남자, 20대 여자 등과 같은 사용자 유형에 따라 기설정된 적어도 하나의 광고 카테고리를 저장할 수 있다. 이때, 매칭 테이블은 사용자 유형에 따라 기설정된 복수의 광고 카테고리를 우선순위 순서로 매칭하여 저장할 수 있다. 예로, 매칭 테이블은 20대 여자들에게 1순위로 취업 광고 카테고리, 2순위로 여행 광고 카테고리, 3순위로 화장품 광고 카테고리 순으로 저장할 수 있다. 이때, 매칭 테이블은 외부 서버에 의해 주기적으로 업데이트될 수 있으며, 사용자의 컨텍스트 정보를 바탕으로 업데이트될 수 있다.
전자 장치(100)는 매칭 테이블을 이용하여 획득된 사용자와 관련된 정보에 대응되는 광고 카테고리 정보를 결정할 수 있다. 예로, 이미지를 통해 획득된 사용자와 관련된 정보가 "30대 여자"인 경우, 전자 장치(100)는 매칭 테이블을 이용하여 30대 여자에 매칭되는 광고 카테고리인 "육아 광고 카테고리", "여행 광고 카테고리", "의류 광고 카테고리" 를 사용자에 대응되는 광고 카테고리로 결정할 수 있다.
또한, 전자 장치(100)는 상술한 바와 같은, 사용자와 관련된 정보 이외에 사용자 컨텍스트 정보(예로, 사용자 선호 정보, 사용자 위치 정보 등)를 바탕으로 광고 카테고리 정보를 결정할 수 있다.
구체적으로, 전자 장치(100)에 구비된 센서에 의해 획득된 전자 장치(100)의 위치 정보를 바탕으로 사용자의 이동 패턴에 대한 정보를 획득할 수 있다. 또한, 전자 장치(100)는 사용자의 검색 결과 및 웹사이트에 방문 기록을 바탕으로 사용자의 관심 분야를 판단할 수 있다. 또한, 전자 장치(100)는 사용자의 상품 구매 이력에 대한 정보를 획득할 수 있다.
그리고, 전자 장치(100)는 사용자 컨텍스트 정보를 바탕으로 광고 카테고리 정보를 결정할 수 있다. 예로, 전자 장치(100)는 사용자(100)의 이동 패턴에 대한 정보를 바탕으로 사용자가 사는 위치나 사용자가 다니는 직장, 학교 등을 판단할 수 있으며, 사용자가 사는 위치나 사용자가 다니는 직장, 학교 등을 바탕으로 광고 카테고리 정보를 결정할 수 있다. 다른 예로, 사용자의 관심 분야가 여행인 경우, 전자 장치(100)는 사용자의 관심 분야인 "여행 광고 카테고리"를 사용자에 대응되는 광고 카테고리로 결정할 수 있다. 또 다른 예로, 사용자가 주로 구매하는 제품이 육아 용품인 경우, 전자 장치(100)는 사용자의 구매 정보를 바탕으로 "육아 광고 카테고리"를 사용자에 대응되는 광고 카테고리로 결정할 수 있다.
한편, 상술한 실시예에서는 사용자와 관련된 정보 또는 사용자 컨텍스트 정보를 바탕으로 광고 카테고리를 결정하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 전자 장치(100)는 사용자와 관련된 정보와 함께 사용자 컨텍스트 정보를 바탕으로 광고 카테고리 정보를 결정하거나 광고 카테고리의 우선 순위를 결정할 수 있다. 예로, 사용자와 관련된 정보가 "30대 남성"이고, 사용자 관심 분야가 "게임"인 경우, 전자 장치(100)는 30대 남성에 대응되는 광고 카테고리인 "육아 광고 카테고리", "가전제품 광고 카테고리"와 함께, "게임 광고 카테고리"를 사용자에 대응되는 광고 카테고리로 결정할 수 있다. 또는, 전자 장치(100)는 사용자 관심 분야에 대응되는 광고 카테고리에 높은 우선 순위를 부여하여 광고 카테고리를 결정할 수 있다.
광고를 표시하기 위한 이벤트가 발생되면, 전자 장치(100)는 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버(50)에 전송할 수 있다. 이때, 광고를 표시하기 위한 이벤트는 사용자가 특정 웹 사이트에 접속하는 이벤트 또는 동영상 제공 웹 사이트에서 동영상을 시청하기 위한 이벤트 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 또한, 전자 장치(100)는 광고를 표시하기 위한 이벤트가 발생하기 이전에 사용자에 대응되는 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버(50)에 전송할 수 있음은 물론이다. 여기서, 광고 플랫폼 서버(50)는 복수의 광고주들에게 의뢰받은 광고를 제공하는 광고 플랫폼 업체 소유의 서버일 수 있으나, 이는 일 실시예에 불과할 뿐, 광고주가 제공하는 서버 역시 본 개시의 기술적 사상이 적용될 수 있다.
또한, 복수의 광고 카테고리에 대한 정보를 전송하는 경우, 전자 장치(100)는 복수의 광고 카테고리에 대한 우선 순위 정보를 함께 전송할 수 있다.
광고 플랫폼 서버(50)는 적어도 하나의 광고 카테고리 또는 우선 순위 정보를 바탕으로 사용자에게 제공할 광고를 결정할 수 있으며, 결정된 광고를 전자 장치(100)로 전송할 수 있다.
전자 장치(100)는 광고 플랫폼 서버(50)로부터 수신한 광고를 표시할 수 있다. 이때, 전자 장치(100)는 광고 카테고리의 우선순위를 바탕으로 광고 플랫폼 서버로부터 수신된 광고가 표시될 크기 및 위치 중 적어도 하나를 결정할 수 있다. 예로, 전자 장치(100)는 광고 카테고리의 우선순위가 높을수록 광고가 표시될 크기를 크게 하고, 광고가 표시될 위치를 상단으로 결정할 수 있다.
한편, 상술한 실시예에서 언급된 객체 인식 모델은 인공지능 알고리즘 기반으로 학습된 판단 모델로서, 예로, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 또한, 전자 장치(100)는 상술한 바와 같이 객체 인식 모델을 이용하여 사용자와 관련된 정보를 획득하고, 획득된 사용자와 관련된 정보에 대응되는 광고 카테고리를 결정하며, 광고 플랫폼 서버(50)로부터 결정된 광고 카테고리에 대응되는 광고를 수신하기 위하여, 인공지능 전용 프로그램(또는 인공지능 에이전트, Artificial intelligence agent)인 개인 비서 프로그램을 이용할 수 있다. 이때, 개인 비서 프로그램은 AI(Artificial Intelligence) 기반의 서비스를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다.
구체적으로, 기설정된 모드(예로, 액티브 광고 제공 모드)에 진입하기 위한 사용자 입력이 감지되는 경우, 전자 장치(100)는 인공지능 에이전트가 동작(또는 실행)할 수 있다. 그리고, 인공지능 에이전트는 전자 장치(100)에 저장된 이미지를 분석하여 사용자와 관련된 정보를 획득하거나 전자 장치(100)의 사용 정보를 바탕으로 사용자 컨텍스트 정보를 획득하고, 획득된 사용자와 관련된 정보 또는 사용자 컨텍스트 정보를 바탕으로 광고 카테고리 정보를 결정하며, 결정된 광고 카테고리에 대응되는 광고를 외부의 광고 플랫폼 업체로부터 수신할 수 있다.
상술한 바와 같은 본 개시의 실시예에 의해, 전자 장치(100)는 사용자의 개인 정보가 외부로 유출되는 위험없이 사용자에게 최적의 광고를 제공할 수 있다.
도 2는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 간략히 도시한 블록도이다. 도 2에 도시된 바와 같이, 전자 장치(100)는 카메라(110), 통신 인터페이스(120), 메모리(130) 및 프로세서(140)를 포함할 수 있다. 이때, 도 2에 도시된 구성들은 본 개시의 실시 예들을 구현하기 위한 예시도이며, 당업자에게 자명한 수준의 적절한 하드웨어/소프트웨어 구성들이 전자 장치(100)에 추가로 포함되거나 도 2에 도시된 구성이 생략될 수 있다.
카메라(110)는 이미지를 획득할 수 있다. 또한, 카메라(110)는 전자 장치(100)의 전면 및 후면에 복수 개 구비될 수 있다. 특히, 전자 장치(100)는 카메라(110)의 전면(디스플레이가 존재하는 면)에 위치한 카메라를 통해 셀프 이미지를 획득할 수 있다. 한편, 카메라(110)는 전자 장치(100)의 본체에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 전자 장치(100)의 외부에 구비되며 전자 장치(100)와 전기적으로 연결될 수 있다.
통신 인터페이스(120)는 외부 전자 장치와 통신을 수행할 수 있다. 통신 인터페이스(120)는 외부 장치와 통신을 수행하기 위한 구성이다. 한편, 통신 인터페이스(120)가 외부 장치와 통신 연결되는 것은 제3 기기(예로, 중계기, 허브, 엑세스 포인트, 서버 또는 게이트웨이 등)를 거쳐서 통신하는 것을 포함할 수 있다. 무선 통신은, 예를 들면, LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다. 일 실시예에 따르면, 무선 통신은, 예를 들면, WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(Magnetic Secure Transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN) 중 적어도 하나를 포함할 수 있다. 유선 통신은, 예를 들면, USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다. 무선 통신 또는 유선 통신이 수행되는 네트워크는 텔레커뮤니케이션 네트워크, 예를 들면, 컴퓨터 네트워크(예: LAN 또는 WAN), 인터넷, 또는 텔레폰 네트워크 중 적어도 하나를 포함할 수 있다.
특히, 통신 인터페이스(120)는 외부의 광고 플랫폼 서버(50)로 광고 카테고리에 대한 정보를 전송할 수 있으며, 광고 플랫폼 서버(50)로부터 광고 카테고리에 대한 정보를 바탕으로 결정된 광고를 수신할 수 있다.
또한, 통신 인터페이스(120)는 사용자와 관련된 정보를 획득하기 위한 이미지 또는 컨텍스트 정보를 획득하기 위한 다양한 정보를 외부 전자 장치로부터 수신할 수 있다.
메모리(130)는 전자 장치(100)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 특히, 메모리(130)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(130)는 프로세서(140)에 의해 액세스되며, 프로세서(140)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(130), 프로세서(140) 내 롬(미도시), 램(미도시) 또는 전자 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 또한, 메모리(130)에는 디스플레이의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.
또한, 메모리(130)는 객체 인식 모델을 동작하기 위한 인공지능 에이전트를 저장할 수 있다. 구체적으로, 전자 장치(100)는 이미지를 분석하여 사용자와 관련된 정보를 획득하기 위한 객체 인식 모델을 구동하기 위하여 인공지능 에이전트(Artificial intelligence agent)를 이용할 수 있다. 이때, 인공지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스, 광고 제공 서비스 등)를 제공하기 위한 전용 프로그램이다. 특히, 인공지능 에이전트는 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다.
또한, 메모리(130)는 도 4에 도시되 바와 같이, 사용자에게 광고를 제공하기 위한 복수의 구성(또는 모듈)을 포함할 수 있다. 이에 대해서는 도 4를 참조하여 상세히 설명하기로 한다.
특히, 메모리(130)는 사용자 유형에 따라 기설정된 적어도 하나의 광고 카테고리를 매칭하여 저장하는 매칭 테이블을 저장할 수 있다. 이때, 매칭 테이블은 사용자 유형에 따라 기설정된 복수의 광고 카테고리를 우선순위 순서로 매칭하여 저장할 수 있다. 또한, 매칭 테이블은 외부 서버에 의해 주기적으로 업데이트될 수 있다.
프로세서(140)는 메모리(130)와 전기적으로 연결되어 전자 장치(100)의 전반적인 동작 및 기능을 제어할 수 있다. 특히, 상기 프로세서는, 메모리(130)에 저장된 적어도 하나의 명령을 실행함으로써, 카메라(110)에 의해 획득된 이미지를 바탕으로 전자 장치(100)의 사용자와 관련된 정보를 획득하며, 사용자와 관련된 정보를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정하며, 광고를 표시하기 위한 이벤트가 발생되면, 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버(50)에 전송하도록 통신 인터페이스(120)를 제어하며, 통신 인터페이스(120)를 통해 광고 플랫폼 서버(50)로부터 적어도 하나의 광고 카테고리에 대한 광고를 수신할 수 있다.
구체적으로, 프로세서(140)는 셀프 촬영 모드 동안 카메라(110)(특히, 전자 장치(100)의 전면에 구비된 카메라)를 통해 획득된 복수의 이미지에 포함된 복수의 인물 중 가장 자주 등장하는 인물을 사용자로 판단할 수 있다. 그리고, 프로세서(140)는 객체 인식을 위한 인공지능 모델을 이용하여 사용자로 판단된 인물에 대한 나이, 성별, 신체 사이즈 정보를 획득할 수 있다.
또한, 프로세서(140)는 메모리(130)에 저장된 복수의 이미지에 포함된 복수의 인물 중 기설정된 횟수 이상 등장하는 인물을 사용자와 관련된 인물(예로, 가족, 친구 등)로 판단할 수 있다. 그리고, 프로세서(140)는 객체 인식을 위한 인공지능 모델을 이용하여 사용자와 관련된 인물에 대한 나이, 성별, 신체 사이즈 정보를 획득할 수 있다.
프로세서(140)는 상술한 바와 같이, 획득한 사용자에 대한 정보 또는 사용자와 관련된 인물에 대한 정보를 바탕으로 광고 카테고리를 결정할 수 있다. 특히, 프로세서(140)는 메모리(130)에 저장된 매칭 테이블을 이용하여 상기 획득된 사용자와 관련된 정보에 대응되는 광고 카테고리 정보를 결정할 수 있다.
또한, 프로세서(140)는 사용자와 관련된 정보와 함께 사용자의 컨텍스트 정보를 바탕으로 광고 카테고리에 대한 정보를 획득할 수 있다.
구체적으로, 프로세서(140)는 전자 장치(100)에 구비된 센서에 의해 획득된 전자 장치의 위치 정보를 바탕으로 사용자의 이동 패턴에 대한 정보를 획득하고, 사용자와 관련된 정보 및 사용자의 이동 패턴을 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정할 수 있다.
또한, 프로세서(140)는 사용자의 검색 결과 및 웹사이트에 방문 기록을 바탕으로 사용자의 관심 분야를 판단하고, 사용자와 관련된 정보 및 사용자의 관심 분야를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정할 수 있다.
또한, 프로세서(140)는 사용자의 상품 구매 이력에 대한 정보를 획득하며, 사용자와 관련된 정보 및 사용자의 상품 구매 이력을 바탕으로 복수의 광고 카테고리 중 적어도 하나의 광고 카테고리를 결정할 수 있다.
그리고, 프로세서(140)는 결정된 광고 카테고리에 대한 정보를 광고 플랫폼 서버(50)로 전송하도록 통신 인터페이스(120)를 제어할 수 있다. 이때, 광고 카테고리 정보에는 복수의 광고 카테고리의 우선 순위 정보를 포함할 수 있다.
그리고, 프로세서(140)는 통신 인터페이스(120)를 통해 광고 카테고리 정보에 대응되는 광고를 광고 플랫폼 서버(50)로부터 수신하고, 수신된 광고를 표시할 수 있다. 특히, 프로세서(140)는 광고 카테고리의 우선순위를 바탕으로 광고 플랫폼 서버(50)로부터 수신된 광고가 표시될 크기 및 위치 중 적어도 하나를 결정할 수 있다.
도 3은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 상세히 도시한 블록도이다. 전자 장치(100)는 카메라(110), 통신 인터페이스(120), 디스플레이(150), 스피커(160), 메모리(130), 입력 인터페이스(170), 센서(180) 및 프로세서(140)를 포함할 수 있다. 한편, 도 3에 도시된 카메라(110), 통신 인터페이스(120), 메모리(130) 및 프로세서(140)는 도 2에서 설명하였으므로, 중복되는 설명은 생략하기로 한다.
디스플레이(150)는 프로세서(140)의 제어에 따라 다양한 정보를 표시할 수 있다. 특히, 디스플레이(150)는 광고 카테고리에 대응되는 광고를 표시할 수 있다. 이때, 디스플레이(150)는 화면에 포함된 복수의 광고 영역에 복수의 광고 카테고리에 대응되는 광고를 제공할 수 있다. 이때, 디스플레이(150)는 광고 카테고리의 우선 순위에 따라 프로세서(140)에 의해 결정된 광고의 표시 크기 및 표시 영역을 바탕으로 복수의 광고 영역에 광고를 제공할 수 있다. 한편, 디스플레이(150)는 터치 패널과 함께 터치 스크린으로 구현될 수 있다.
스피커(160)는 오디오 처리부에 의해 디코딩이나 증폭, 노이즈 필터링과 같은 다양한 처리 작업이 수행된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력하는 구성이다. 특히, 스피커(160)는 광고에 포함된 음성 메시지로 출력할 수 있다. 한편, 오디오를 출력하기 위한 구성은 스피커로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 오디오 데이터를 출력할 수 있는 출력 단자로 구현될 수 있다.
입력 인터페이스(170)는 전자 장치(100)를 제어하기 위한 사용자 입력을 수신할 수 있다. 특히, 입력 인터페이스(110)는 사용자 음성을 입력받기 위한 마이크, 사용자 손 또는 스타일러스 펜 등을 이용한 사용자 터치를 입력받기 위한 터치 패널, 사용자 조작을 입력받기 위한 버튼 등이 포함될 수 있다. 그러나, 도 3에 도시된 입력 인터페이스(110)의 예는 일 실시예에 불과할 뿐, 다른 입력 장치(예로, 키보드, 마우스, 모션 입력부 등)로 구현될 수 있다.
센서(180)는 전자 장치(100)의 다양한 상태 정보를 감지할 수 있다. 예로, 센서(180)는 전자 장치(100)의 움직임 정보를 감지할 수 있는 움직임 센서(예로, 자이로 센서, 가속도 센서 등)를 포함할 수 있으며, 위치 정보를 감지할 수 있는 센서(예로, GPS(Global Positioning System) 센서), 전자 장치(100) 주위의 환경 정보를 감지할 수 있는 센서(예로, 온도 센서, 습도 센서, 기압 센서 등), 전자 장치(100)의 사용자 정보를 감지할 수 있는 센서(예로, 혈압 센서, 혈당 센서, 맥박수 센서 등) 등을 포함할 수 있다.
도 4는 본 개시의 일 실시예에 따른, 사용자와 관련된 정보에 따라 광고를 제공하는 구성들을 도시한 블록도이다. 도 4에 도시된 바와 같이, 전자 장치(100)는 사용자 정보 획득 모듈(410), 객체 인식 모델(420), 컨텍스트 정보 획득 모듈(430), 사용자 정보 DB(440), 광고 카테고리 결정 모듈(450), 광고 카테고리 DB(460), 광고 표시 모듈(470)을 포함할 수 있다. 도 4에 도시된 구성은 소프트웨어로 구현되어 메모리(130)에 저장될 수 있으나 이는 일 실시예에 불과할 뿐, 적어도 하나의 구성이 별도의 전용 하드웨어(예로, 전용 프로세서 칩)로 구현될 수 있다.
사용자 정보 획득 모듈(410)은 카메라(110)를 통해 획득된 이미지 또는 외부 장치로부터 수신된 이미지를 분석하여 사용자와 관련된 정보를 획득할 수 있다. 특히, 사용자 정보 획득 모듈(410)은 셀프 촬영 모드 동안 전면에 위치한 카메라를 통해 획득된 이미지를 분석하여 이미지에 포함된 인물 중 가장 많은 빈도로 감지된 인물을 사용자를 판단할 수 있다. 구체적으로, 사용자 정보 획득 모듈(410)은 얼굴 인식 알고리즘을 바탕으로 이미지에 포함된 인물들의 얼굴을 분류하고, 분류된 인물의 얼굴 중 가장 많은 빈도로 감지된 인물을 사용자로 판단할 수 있다.
또는 사용자 정보 획득 모듈(410)은 메모리(130)에 저장된 복수의 이미지 중 기설정된 값 이상 횟수 이상으로 감지된 인물을 사용자와 관련된 인물로 판단할 수 있다. 구체적으로, 사용자 정보 획득 모듈(410)은 얼굴 인식 알고리즘을 바탕으로 메모리(130)에 저장된 복수의 이미지에 포함된 인물들의 얼굴을 분류하고, 분류된 인물의 얼굴 중 기설정된 값 이상의 빈도로 감지된 인물을 사용자와 관련된 인물로 판단할 수 있다.
사용자 정보 획득 모듈(410)는 사용자 또는 사용자와 관련된 인물을 포함하는 이미지를 객체 인식 모델(420)에 입력하여 사용자 또는 사용자와 관련된 인물에 대한 정보(예로, 성별, 나이, 신체 사이즈 등)를 획득할 수 있다. 이때, 객체 인식 모델은 이미지를 입력하여 이미지에 포함된 객체에 대한 정보를 획득하도록 학습된 인공지능 모델일 수 있다. 이때, 객체 인식 모델(420)은 예로, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 객체 인식 모델은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고 받는 뉴런의 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 또한 객체 인식 모델(420)은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 객체 인식 모델의 예에는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 등이 있을 수 있으나 이에 한정되지 않는다.
컨텍스트 정보 획득 모듈(430)은 전자 장치(100)의 사용 정보를 바탕으로 사용자의 컨텍스트 정보를 획득할 수 있다. 구체적으로, 컨텍스트 정보 획득 모듈(430)은 센서(180)를 통해 획득된 전자 장치(100)의 위치 정보를 바탕으로 사용자의 이동 패턴 정보를 획득할 수 있다. 예로, 컨텍스트 정보 획득 모듈(430)은 전자 장치(100)의 위치 정보를 바탕으로 사용자의 이동 패턴(예로, 집, 직장, 학교)에 대한 정보를 획득할 수 있다.
또한, 컨텍스트 정보 획득 모듈(430)은 사용자의 검색 결과 및 웹사이트에 방문 기록을 바탕으로 사용자의 관심 분야(또는 선호 분야)에 대한 정보를 획득할 수 있다. 예로, 사용자가 축구에 대한 검색을 자주하거나 축구 사이트에 자주 접속한 경우, 컨텍스트 정보 획득 모듈(430)은 사용자의 관심 분야를 축구로 결정할 수 있다.
또한, 컨텍스트 정보 획득 모듈(430)은 사용자의 상품 구매 이력을 바탕으로 사용자의 관심 분야에 대한 정보를 획득할 수 있다. 예로, 사용자가 육아 용품에 대한 구매 이력이 존재하는 경우, 컨텍스트 정보 획득 모듈(430)은 사용자의 관심 분야로 육아를 결정할 수 있다.
또한, 컨텍스트 정보 획득 모듈(430)은 전자 장치(100)에 저장된 데이터 또는 어플리케이션을 바탕으로 사용자에 대한 컨텍스트 정보를 획득할 수 있다. 예로, 전자 장치(100)에 폴더 이름이 "우리 아들"이라는 폴더가 존재하고, 유치원/어린이집에서 사용하는 어플리케이션이 존재하는 경우, 컨텍스트 정보 획득 모듈(430)은 사용자에게 아들이 존재한다는 컨텍스트 정보를 획득할 수 있다.
또한, 컨텍스트 정보 획득 모듈(430)은 특정 화면을 시청하는 동안 감지된 사용자의 감정 상태를 바탕으로 사용자의 관심 분야를 획득할 수 있다. 예로, 축구 컨텐츠를 시청하는 동안 사용자의 감정이 긍정적인 것으로 판단되면, 컨텍스트 정보 획득 모듈(430)은 사용자의 관심 분야로 축구를 획득할 수 있다. 이때, 사용자의 감정은 마이크를 통해 획득되는 사용자의 목소리, 입력 인터페이스(170)를 통해 입력되는 텍스트를 바탕으로 결정될 수 있다.
그 밖에, 컨텍스트 정보 획득 모듈(430)은 전자 장치(100)가 획득된 메시지, SNS, 이메일 등에 포함된 텍스트를 바탕으로 사용자의 컨텍스트 정보를 획득할 수 있다.
사용자 정보 DB(440)는 사용자 정보 획득 모듈(410)을 통해 획득된 사용자 정보 또는 컨텍스트 정보 획득 모듈(430)을 통해 획득된 컨텍스트 정보를 저장할 수 있다. 이때, 사용자 정보 DB(440)는 사용자 정보 또는 컨텍스트 정보를 RDF, OWL 등 온톨로지(ontology) 형태의 지식 그래프 형태로 저장할 수 있다. 즉, 사용자 정보 DB(440)는 정보와 정보 사이의 관계를 도 5에 도시된 바와 같이. 사용자를 중심으로 정보와의 관계를 그래프 형태로 저장할 수 있다. 즉, 사용자 정보 DB(440)는 객체(entity), 객체간의 관계(relation), 객체의 속성(attribute type/name, attribute value)을 테이블 혹은 그래프 형태로 저장하고, 특정 객체에서 관계나 속성이 복수개의 형태로 저장되는 데이터를 포함할 수 있다. 예로, 사용자 정보 DB(440)는 도 5에 도시된 바와 같이, 사용자와 다른 객체 사이에 관계(예로, 가족, 친구, 애완 동물 등)와 사용자의 속성(예로, 나이, 성별, 관심 품목, 사는 곳 등)을 관계 그래프 형태로 저장할 수 있다.
이때, 사용자 정보 DB(440)에 저장된 정보들은 사용자 정보 획득 모듈(410)에 의해 사용자 정보가 획득되거나 컨텍스트 정보 획득 모듈(420)에 의해 컨텍스트 정보가 획득될 때마다 업데이트될 수 있다. 또한, 사용자 정보 DB(440)에 저장된 관계 그래프는 외부 서버로부터 추가 정보를 획득하여 업데이트될 수 있다. 예로, 컨텍스트 정보로서, 사용자에게 치와와라는 애완동물이 존재하는 경우, 외부 서버로부터 치와와에 대한 추가 정보(예를 들어, 치와와의 수명, 신체 크기, 성격 등)를 수신하여 사용자 DB(440)에 저장된 관계 그래프를 업데이트할 수 있다.
광고 카테고리 결정 모듈(450)은 사용자 정보 DB(440)에 저장된 사용자 정보 또는 컨텍스트 정보를 바탕으로 복수의 광고 카테고리 중 사용자에게 최적화된 광고 카테고리를 결정할 수 있다.
특히, 광고 카테고리 결정 모듈(450)은 광고 카테고리 DB(460)에 저장된 매칭 테이블을 이용하여 복수의 광고 카테고리 중 사용자에게 최적화된 광고 카테고리를 결정할 수 있다. 구체적으로, 광고 카테고리 DB(460)에 저장된 매칭 테이블은 사용자 유형에 따라 기설정된 적어도 하나의 광고 카테고리를 매칭하여 저장할 수 있다. 예로, 도 6에 도시된 바와 같이, 매칭 테이블은 사용자의 성별 및 나이에 따라 대응되는 복수의 광고 카테고리를 저장할 수 있다. 즉, 매칭 카테고리는 10대 남자, 20대 남자, 30대 남자, 40대 남자, 50대 이상 남자, 10대 여자, 20대 여자, 30대 여자, 40대 여자, 50대 이상 여자 각각에 대응되는 복수의 광고 카테고리를 저장할 수 있다. 한편, 도 6에서는 사용자의 나이 및 성별에 따라 복수의 광고 카테고리가 매칭되어 저장하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 사용자의 지역, 직업 등과 같은 다양한 사용자와 관련된 정보에 따라 복수의 광고 카테고리가 매칭되어 저장될 수 있다.
이때, 매칭 테이블은 사용자 유형에 따라 기설정된 복수의 광고 카테고리를 우선순위 순서로 매칭하여 저장할 수 있다. 예로, 도 6에 도시된 바와 같이, 10대 남자는 1순위 광고 카테고리로 교육 카테고리, 2순위 광고 카테고리로 게임 카테고리, 3순위 광고 카테고리로 의류 카테고리 순으로 저장될 수 있으며, 20대 여자는 1순위 광고 카테고리로 취업 카테고리, 2순위 광고 카테고리로 여행 카테고리, 3순위 광고 카테고리로 의류 카테고리 순으로 저장될 수 있
또한, 매칭 테이블은 프로그램 설치 시에 사용자 유형에 따라 기설정된 광고 카테고리가 매칭될 수 있으나, 이는 일 실시예에 불과할 뿐, 외부 서버에 의해 주기적으로 업데이트될 수 있다.
또한, 매칭 테이블은 사용자 컨텍스트 정보를 바탕으로 업데이트될 수 있다. 예로, 사용자가 30대 남자이고, 사용자 선호 분야가 게임인 경우, 매칭 테이블은 사용자 선호 분야인 게임 카테고리를 30대 남자에 매칭시켜 저장할 수 있다.
한편, 광고 카테고리 결정 모듈(450)은 사용자 정보 DB(440)에 저장된 사용자 정보를 바탕으로 복수의 광고 카테고리 중 사용자에게 대응되는 복수의 광고 카테고리를 결정할 수 있다. 예로, 사용자가 30대 여성인 경우, 광고 카테고리 결정 모듈(450)은 도 6에 도시된 매칭 테이블을 바탕으로 1순위 광고 카테고리를 육아 카테고리로 결정하고, 2순위 광고 카테고리를 의류 카테고리로 결정하고, 3순위 광고 카테고리를 여행 카테고리로 결정할 수 있다.
또한, 광고 카테고리 결정 모듈(450)은 사용자 정보 DB(440)에 저장된 사용자 컨텍스트 정보를 바탕으로 사용자에 대응되는 적어도 하나의 광고 카테고리를 결정할 수 있다. 예로, 사용자의 관심 분야가 여행인 경우, 광고 카테고리 결정 모듈(450)은 매칭 테이블에 저장된 광고 카테고리와 무관하여 여행 카테고리를 광고 카테고리 결정할 수 있다.
이때, 광고 카테고리 결정 모듈(450)은 사용자 컨텍스트 정보 중 사용자 관심 분야에 대응되는 광고 카테고리에 우선 순위를 부여할 수 있다. 예로, 사용자가 30대 여성이고 사용자 관심 분야가 여행인 경우, 광고 카테고리 결정 모듈(450)은 매칭 테이블에 저장된 복수의 광고 카테고리의 우선 순위를 변경하여, 1순위 광고 카테고리를 여행 카테고리로 결정하고, 2순위 광고 카테고리를 육아 카테고리로 결정하고, 3순위 광고 카테고리를 의류 카테고리로 결정할 수 있다.
또는, 광고 카테고리 결정 모듈(450)은 사용자 컨텍스트 정보를 바탕으로 매칭 테이블에 저장된 광고 카테고리 중 적어도 하나를 배제할 수 있다. 예로, 사용자가 30대 여성이나 미혼인 경우, 광고 카테고리 결정 모듈(450)은 매칭 테이블에 저장된 광고 카테고리 중 육아 카테고리를 배제할 수 있다.
또는, 광고 카테고리 결정 모듈(450)은 다양한 센서에 의해 획득된 센싱값들을 바탕으로 감지된 사용자의 감정 상태 또는 건강 상태에 따라 광고 카테고리를 결정할 수 있다. 예로, 사용자의 건강 상태가 안 좋다고 판단되면, 광고 카테고리 결정 모듈(450)은 건강 카테고리를 광고 카테고리로 결정할 수 있다. 또 다른 예로, 사용자의 화난 상태라고 판단되면, 광고 카테고리 결정 모듈(450)은 사용자 선호 관심 분야에 대응되는 카테고리를 광고 카테고리로 결정할 수 있다.
한편, 광고 카테고리 결정 모듈(450)은 사용자와 관련된 정보만을 이용하거나, 사용자와 관련된 정보와 컨텍스트 정보를 모두 이용하여 사용자에 대응되는 적어도 하나의 광고 카테고리를 결정할 수 있으나, 이는 일 실시예에 불과할 뿐, 컨텍스트 정보만을 이용하여 사용자에 대응되는 적어도 하나의 광고 카테고리를 결정할 수 있다.
광고 표시 모듈(470)은 광고 플랫폼 업체(50)로부터 수신된 적어도 하나의 광고를 디스플레이(150) 상에 표시할 수 있다. 이때, 광고 표시 모듈(470)은 광고 카테고리의 우선 순위를 바탕으로 광고 플랫폼 서버(50)로부터 수신된 광고가 표시될 크기 및 위치 중 적어도 하나를 결정할 수 있다. 예로, 광고 표시 모듈(470)는복수의 광고 영역 중 위치가 상단이나 크기가 큰 광고 영역에 우선 순위가 높은 광고를 배치하고, 복수의 광고 영역 중 위치가 하단이나 크기가 작은 광고 영역에 우선 순위가 낮은 광고를 배치할 수 있다.
또한, 카테고리당 복수의 광고가 수신되면, 광고 표시 모듈(470)는 복수의 광고를 주기적으로 변경하여 표시할 수 있다.
도 7은 본 개시의 일 실시예에 따른, 사용자와 관련된 정보에 따라 광고를 제공하는 방법을 설명하기 위한 시퀀스도이다.
전자 장치(100)는 이미지를 획득할 수 있다(S710). 이때, 전자 장치(100)는 카메라(110)를 통해 사용자를 포함하는 이미지를 획득할 수 있으나, 이는 일 실시예에 불과할 뿐, 외부 전자 장치로부터 이미지를 수신할 수 있다.
전자 장치(100)는 획득된 이미지를 바탕으로 사용자와 관련된 정보를 획득할 수 있다(S720). 구체적으로, 전자 장치(100)는 획득된 이미지를 분석하여 사용자 또는 사용자와 관련된 인물을 판단할 수 있다. 예로, 전자 장치(100)는 셀프 촬영 모드 동안 카메라(110)를 통해 획득된 복수의 이미지에 포함된 복수의 인물 중 가장 자주 등장하는 인물을 사용자로 판단할 수 있으며, 메모리(130)에 저장된 복수의 이미지에 포함된 복수의 인물 중 기설정된 횟수 이상 등장하는 인물을 사용자와 관련된 인물로 판단할 수 있다. 그리고, 전자 장치(100)는 객체 인식을 위한 인공지능 모델을 이용하여 사용자로 판단된 인물에 대한 나이, 성별, 신체 사이즈 정보등과 같은 다양한 사용자와 관련된 정보를 획득할 수 있다.
전자 장치(100)는 컨텍스트 정보를 획득할 수 있다(S730). 이때, 전자 장치(100)는 다양한 전자 장치(100)의 사용 정보를 바탕으로 컨텍스트 정보를 획득할 수 있다. 예로, 전자 장치(100)는 센서(180)에 의해 획득된 전자 장치의 위치 정보를 바탕으로 사용자의 이동 패턴에 대한 정보를 획득할 수 있으며, 사용자의 검색 결과 및 웹사이트에 방문 기록을 바탕으로 사용자의 관심 분야에 대한 정보를 획득할 수 있으며, 사용자의 상품 구매 이력에 대한 정보를 바탕으로 사용자의 관심 분야에 대한 정보를 획득할 수 있다.
전자 장치(100)는 사용자와 관련된 정보 및 컨텍스트 정보를 바탕으로 광고 카테고리를 결정할 수 있다(S740). 이때, 전자 장치(100)는 사용자 유형 별로 복수의 광고 카테고리가 매칭되어 저장된 매칭 테이블을 이용하여 사용자에 대응되는 광고 카테고리를 결정할 수 있다. 즉, 전자 장치(100)는 매칭 테이블을 이용하여 획득된 사용자와 관련된 정보에 대응되는 적어도 하나의 광고 카테고리 정보를 결정할 수 있다. 또는 전자 장치(100)는 컨텍스트 정보를 바탕으로 사용자와 관련된 정보를 바탕으로 결정된 적어도 하나의 광고 카테고리를 추가, 변경 삭제할 수 있다.
전자 장치(100)는 광고를 표시하기 위한 이벤트 발생을 감지할 수 있다(S750). 예로, 전자 장치(100)는 특정 웹 사이트에 액세스하는 이벤트 또는 특정 SNS에 로그인하는 이벤트 등과 같은 다양한 이벤트를 감지할 수 있다.
전자 장치(100)는 결정된 광고 카테고리에 대한 정보를 광고 플랫폼 서버(50)로 전송할 수 있다(S760). 이때, 전자 장치(100)는 결정된 광고 카테고리에 대한 정보뿐만 아니라 복수의 광고 카테고리에 대한 우선순위 정보를 함께 전송할 수 있다.
광고 플랫폼 서버(50)는 광고 카테고리를 바탕으로 광고를 결정할 수 있다(S770). 즉, 광고 플랫폼 서버(50)는 기 저장된 복수의 광고 중 광고 카테고리에 대응되는 광고를 결정할 수 있다.
광고 플랫폼 서버(50)는 결정된 광고에 대한 정보를 전자 장치(100)로 전송할 수 있다(S780). 이때, 광고 플랫폼 서버(50)는 전자 장치(100)로 바로 광고에 대한 정보를 전송할 수 있으나, 이는 일 실시예에 불과할 뿐, 광고주에 대응되는 서버를 통해 전자 장치(100)로 광고에 대한 정보를 전송할 수 있다.
전자 장치(100)는 광고 플랫폼 서버로부터 수신된 광고를 제공할 수 있다(S790). 이때, 전자 장치(100)는 수신된 광고에 대응되는 광고 카테고리의 우선순위를 바탕으로 광고 표시 영역의 크기 및 위치를 결정할 수 있다. 예로, 사용자가 30대 여성인 경우, 전자 장치(100)는 도 8에 도시된 바와 같이, 30대 여성의 1순위 광고 카테고리인 육아 카테고리에 대응되는 광고를 화면의 상단에 위치한 가장 큰 크기의 광고 영역(810)에 제공할 수 있으며, 30대 여성의 2순위 광고 카테고리인 의류 카테고리에 대응되는 광고를 화면의 중앙 영역에 위치한 광고 영역(820)에 제공할 수 있으며, 30대 여성의 3순위 광고 카테고리인 여행 카테고리에 대응되는 광고를 화면의 하단에 위치한 광고 영역(830)에 제공할 수 있다. 즉, 전자 장치(100)는 사용자의 확인이 용이한 영역에 광고의 우선 순위가 높은 광고를 제공할 수 있다.
도 9는 본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
우선, 전자 장치(100)는 이미지를 획득할 수 있다(S910). 이때, 전자 장치(100)는 카메라(110)를 통해 이미지를 획득할 수 있으나, 이는 일 실시예에 불과할 뿐, 외부 장치로부터 이미지를 획득할 수 있다.
그리고, 전자 장치(100)는 획득된 이미지를 바탕으로 사용자와 관련된 정보를 획득할 수 있다(S920). 이때, 전자 장치(100)는 사용자와 관련된 정보로서, 사용자의 성별, 나이, 신체 사이즈 등을 획득할 수 있다.
그리고, 전자 장치(100)는 사용자와 관련된 정보를 바탕으로 광고 카테고리를 결정할 수 있다(S930). 구체적으로, 전자 장치(100)는 사용자 유형별로 광고 카테고리를 매칭하여 저장하고 있는 매칭 테이블을 바탕으로 사용자에 대응되는 적어도 하나의 광고 카테고리를 결정할 수 있다.
그리고, 전자 장치(100)는 광고 표시를 위한 이벤트 발생을 감지할 수 있다(S940).
그리고, 전자 장치(100)는 광고 카테고리에 대한 정보를 광고 플랫폼 서버(50)에 전송할 수 있으며(S950), 광고 플랫폼 서버(50)로부터 광고 카테고리에 포함된 광고를 수신할 수 있다(S960).
그리고, 전자 장치(100)는 광고 플랫폼 서버(50)로부터 수신된 광고를 제공할 수 있다(S970).
상술한 바와 같은 본 개시에 의해, 사용자는 사용자의 개인 정보가 외부로 유출되는 위험없이 최적의 광고를 제공받을 수 있으며, 광고주는 사용자 정보를 바탕으로 결정된 광고 카테고리에 대응되는 최적의 광고를 사용자에게 제공할 수 있게 되어 광고 효과가 증가될 수 있다.
도 10은 본 개시의 일 실시예에 따른, 인공 지능 모델을 이용하는 전자 장치의 동작을 설명하기 위한 도면이다.
도 10을 참조하면, 전자 장치(100)는 학습부(1010) 및 인식부(1020) 중 적어도 하나를 포함할 수 있다. 도 10의 학습부(1010) 및 인식부(1020)는 전자 장치(100)의 메모리(130) 내에 저장된 소프트웨어의 구성으로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 별도의 전용 하드웨어 칩으로 구현될 수 있다.
학습부(1010)는 학습 데이터를 이용하여 이미지에 포함된 복수의 오브젝트에 대한 정보를 인식하기 위한 인공지능 모델을 생성 또는 학습시킬 수 있다. 학습부(1010)는 수집된 학습 데이터를 이용하여 인식 기준을 갖는 학습된 모델을 생성할 수 있다. 일 예로, 학습부(1010)는 이미지 및 이미지에 포함된 객체에 대한 정보를 학습 데이터로 사용하여 이미지에 포함된 복수의 사용자와 관련된 정보를 획득하기 위한 객체 인식 모델을 생성, 학습 또는 갱신시킬 수 있다.
인식부(1020)는 소정의 데이터를 학습된 모델의 입력 데이터로 사용하여, 다양한 정보를 획득할 수 있다. 일 예로, 인식부(1020)는 이미지를 학습된 객체 인식 모델의 입력 데이터로 사용하여 이미지에 포함된 복수의 사용자와 관련된 정보를 인식(또는, 추정, 추론)할 수 있다.
학습부(1010)의 적어도 일부 및 인식부(1020)의 적어도 일부는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 학습부(1010) 및 인식부(1020) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다. 이때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 기계 학습과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다. 학습부(1010) 및 인식부(1020)가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
이 경우, 학습부(1010) 및 인식부(1020)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 학습부(1010) 및 인식부(1020) 중 하나는 전자 장치(100)에 포함되고, 나머지 하나는 외부의 서버에 포함될 수 있다. 또한, 학습부(1010) 및 인식부(1020)는 유선 또는 무선으로 통하여, 학습부(1010)가 구축한 모델 정보를 인식부(1020)로 제공할 수도 있고, 학습부(1020)로 입력된 데이터가 추가 학습 데이터로서 학습부(1010)로 제공될 수도 있다.
도 11a는, 다양한 실시예에 따른 학습부(1010) 및 인식부(1020)의 블록도이다.
도 14a의 (a)를 참조하면, 일부 실시예에 따른 학습부(1010)는 학습 데이터 획득부(1010-1) 및 모델 학습부(1010-4)를 포함할 수 있다. 또한, 학습부(1010)는 학습 데이터 전처리부(1010-2), 학습 데이터 선택부(1010-3) 및 모델 평가부(1010-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.
학습 데이터 획득부(1010-1)는 인공지능 모델(예로, 객체 인식 모델)에 필요한 학습 데이터를 획득할 수 있다. 본 개시의 실시예로, 학습 데이터 획득부(1010-1)는 이미지 및 이미지에 포함된 객체에 대한 정보를 학습 데이터로서 획득할 수 있다. 학습 데이터는 학습부(1010) 또는 학습부(1010)의 제조사가 수집 또는 테스트한 데이터가 될 수도 있다.
모델 학습부(1010-4)는 학습 데이터를 이용하여, 이미지 속에 포함된 오브젝트(특히, 사람 또는 동물)를 어떻게 인식할지에 관한 기준을 갖도록 학습시킬 수 있다. 예로, 모델 학습부(1010-4)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 인공지능 모델을 학습시킬 수 있다. 또는, 모델 학습부(1010-4)는, 예를 들어, 별다른 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 오브젝트 인식을 위한 인식 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 인공지능 모델을 학습시킬 수 있다. 또한, 모델 학습부(1010-4)는, 예를 들어, 학습에 따른 오브젝트 인식의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 인공지능 모델을 학습시킬 수 있다. 또한, 모델 학습부(1010-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 인공지능 모델을 학습시킬 수 있다
모델 학습부(1010-4)는 미리 구축된 인공지능 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 인공지능 모델을 학습할 인공지능 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입별로 기 분류되어 있을 수 있으며, 인공지능 모델은 데이터의 타입별로 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 기분류되어 있을 수 있다.
인공지능 모델이 학습되면, 모델 학습부(1010-4)는 학습된 인공지능 모델을 저장할 수 있다. 이 경우, 모델 학습부(1010-4)는 학습된 인공지능 모델을 전자 장치(100)의 메모리(130)에 저장할 수 있다. 또는, 모델 학습부(1010-4)는 학습된 인공지능 모델을 전자 장치(100)와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
학습부(1010)는 인공지능 모델의 인식 결과를 향상시키거나, 인공지능 모델의 생성에 필요한 자원 또는 시간을 절약하기 위하여, 학습 데이터 전처리부(1010-2) 및 학습 데이터 선택부(1010-3)를 더 포함할 수도 있다.
학습 데이터 전처리부(1010-2)는 오브젝트 인식을 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 학습 데이터 전처리부(1010-2)는 모델 학습부(1010-4)가 오브젝트 인식을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기설정된 포맷으로 가공할 수 있다.
학습 데이터 선택부(1010-3)는 학습 데이터 획득부(1010-1)에서 획득된 데이터 또는 학습 데이터 전처리부(1010-2)에서 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(1010-4)에 제공될 수 있다. 학습 데이터 선택부(1010-3)는 기 설정된 선별 기준에 따라, 획득되거나 전처리된 데이터 중에서 학습에 필요한 학습 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1010-3)는 모델 학습부(1010-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 학습 데이터를 선택할 수도 있다.
학습부(1010)는 인공지능 모델의 인식 결과를 향상시키기 위하여, 모델 평가부(1010-5)를 더 포함할 수도 있다.
모델 평가부(1010-5)는 인공지능 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1010-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인공지능 모델을 평가하기 위한 기 정의된 데이터일 수 있다.
예를 들어, 모델 평가부(1010-5)는 평가 데이터에 대한 학습된 인공지능 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다.
한편, 학습된 인공지능 모델이 복수 개가 존재하는 경우, 모델 평가부(1010-5)는 각각의 학습된 인공지능 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 인공지능 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1010-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 인공지능 모델로서 결정할 수 있다.
도 11a의 (b)를 참조하면, 일부 실시예에 따른 인식부(1020)는 입력 데이터 획득부(1020-1) 및 인식 결과 제공부(1020-4)를 포함할 수 있다.
또한, 인식부(1020)는 입력 데이터 전처리부(1020-2), 입력 데이터 선택부(1020-3) 및 모델 갱신부(1020-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.
입력 데이터 획득부(1020-1)는 이미지에 포함된 오브젝트를 인식하기 위해 필요한 데이터를 획득할 수 있다. 인식 결과 제공부(1020-4)는 입력 데이터 획득부(1020-1)에서 획득된 입력 데이터를 입력 값으로 학습된 인공지능 모델에 적용하여 이미지에 포함된 오브젝트를 인식할 수 있다. 인식 결과 제공부(1020-4)는 후술할 입력 데이터 전처리부(1020-2) 또는 입력 데이터 선택부(1020-3)에 의해 선택된 데이터를 입력 값으로 인공지능 모델에 적용하여 인식 결과를 획득할 수 있다. 인식 결과는 인공지능 모델에 의해 결정될 수 있다.
일 실시예로, 인식 결과 제공부(1020-4)는 입력 데이터 획득부(1020-1)에서 획득한 이미지 데이터를 학습된 제1 모델에 적용하여 이미지에 포함된 오브젝트(예로, 사람 또는 동물)를 인식(또는, 추정)할 수 있다.
인식부(1020)는 인공지능 모델의 인식 결과를 향상시키거나, 인식 결과의 제공을 위한 자원 또는 시간을 절약하기 위하여, 입력 데이터 전처리부(1020-2) 및 입력 데이터 선택부(1020-3)를 더 포함할 수도 있다.
입력 데이터 전처리부(1020-2)는 인공지능 모델에 입력되기 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 입력 데이터 전처리부(1020-2)는 인식 결과 제공부(1020-4)가 오브젝트 인식을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 정의된 포맷으로 가공할 수 있다.
입력 데이터 선택부(1020-3)는 입력 데이터 획득부(1020-1)에서 획득된 데이터 또는 입력 데이터 전처리부(1020-2)에서 전처리된 데이터 중에서 오브젝트 인식에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1020-4)에게 제공될 수 있다. 입력 데이터 선택부(1020-3)는 오브젝트 인식을 위한 기 설정된 선별 기준에 따라, 획득되거나 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 입력 데이터 선택부(1020-3)는 모델 학습부(1010-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 데이터를 선택할 수도 있다.
모델 갱신부(1020-5)는 인식 결과 제공부(1020-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 인공지능 모델이 갱신되도록 제어할 수 있다. 예를 들어, 모델 갱신부(1020-5)는 인식 결과 제공부(1020-4)에 의해 제공되는 인식 결과를 모델 학습부(1010-4)에게 제공함으로써, 모델 학습부(1010-4)가 인공지능 모델을 추가 학습 또는 갱신하도록 요청할 수 있다.
도 11b는, 일 실시예에 따른 전자 장치(100) 및 외부의 서버(S)가 서로 연동함으로써 데이터를 학습하고 판단하는 예시를 나타내는 도면이다.
도 11b를 참조하면, 외부의 서버(S)는 이미지에 포함된 오브젝트를 인식하기 위한 기준을 학습할 수 있으며, 전자 장치(100)는 서버(S)에 의한 학습 결과에 기초하여 생성된 모델들을 이용하여 이미지에 포함된 오브젝트를 인식하할 수 있다.
이 경우, 서버(S)의 모델 학습부(1010-4)는 도 10에 도시된 학습부(1010)의 기능을 수행할 수 있다. 서버(S)의 모델 학습부(1010-4)는 인공지능 모델에 대한 ㅇ오브젝트 인식 기준(혹은, 인식 기준)을 학습할 수 있다.
또한, 전자 장치(100)의 인식 결과 제공부(1020-4)는 입력 데이터 선택부(1020-3)에 의해 선택된 데이터를 서버(S)에 의해 생성된 인공지능 모델에 적용하여 이미지에 포함된 오브젝트를 인식하할 수 있다. 또는, 전자 장치(100)의 인식 결과 제공부(1020-4)는 서버(50)에 의해 생성된 인공지능 모델을 서버(50)로부터 수신하고, 수신된 인공지능 모델을 이용하여 이미지에 포함된 오브젝트를 인식할 수 있다.
한편, 본 개시에서 사용된 용어 "부" 또는 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "부" 또는 "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 개시의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 전자 장치(100))를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
110: 카메라
120: 통신 인터페이스
130: 메모리 140: 프로세서
150: 디스플레이 160: 스피커
170: 입력 인터페이스 180: 센서
130: 메모리 140: 프로세서
150: 디스플레이 160: 스피커
170: 입력 인터페이스 180: 센서
Claims (19)
- 전자 장치에 있어서,
카메라;
통신 인터페이스;
적어도 하나의 명령을 포함하는 메모리; 및
상기 카메라, 상기 통신 인터페이스 및 상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서;를 포함하고,
상기 프로세서는, 상기 적어도 하나의 명령을 실행함으로써,
상기 카메라에 의해 획득된 이미지를 바탕으로 상기 전자 장치의 사용자와 관련된 정보를 획득하며,
상기 사용자와 관련된 정보를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정하며,
광고를 표시하기 위한 이벤트가 발생되면, 상기 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버에 전송하도록 상기 통신 인터페이스를 제어하며,
상기 통신 인터페이스를 통해 상기 광고 플랫폼 서버로부터 상기 적어도 하나의 광고 카테고리에 대한 광고를 수신하는 전자 장치. - 제1항에 있어서,
상기 프로세서는,
셀프 촬영 모드 동안 상기 카메라를 통해 획득된 복수의 이미지에 포함된 복수의 인물 중 가장 자주 등장하는 인물을 상기 사용자로 판단하고,
객체 인식을 위한 인공지능 모델을 이용하여 상기 사용자로 판단된 인물에 대한 나이, 성별, 신체 사이즈 정보를 획득하는 전자 장치. - 제1항에 있어서,
상기 프로세서는,
상기 메모리에 저장된 복수의 이미지에 포함된 복수의 인물 중 기설정된 횟수 이상 등장하는 인물을 상기 사용자와 관련된 인물로 판단하고,
객체 인식을 위한 인공지능 모델을 이용하여 상기 사용자와 관련된 인물에 대한 나이, 성별, 신체 사이즈 정보를 획득하는 전자 장치. - 제1항에 있어서,
상기 전자 장치의 위치 정보를 획득하기 위한 센서;를 더 포함하고,
상기 프로세서는,
상기 센서에 의해 획득된 상기 전자 장치의 위치 정보를 바탕으로 상기 사용자의 이동 패턴에 대한 정보를 획득하고,
상기 사용자와 관련된 정보 및 상기 사용자의 이동 패턴을 바탕으로 상기 복수의 광고 카테고리 중 적어도 하나를 결정하는 전자 장치. - 제1항에 있어서,
상기 프로세서는,
상기 사용자의 검색 결과 및 웹사이트에 방문 기록을 바탕으로 상기 사용자의 관심 분야를 판단하고,
상기 사용자와 관련된 정보 및 상기 사용자의 관심 분야를 바탕으로 상기 복수의 광고 카테고리 중 적어도 하나를 결정하는 전자 장치. - 제1항에 있어서,
상기 프로세서는,
상기 사용자의 상품 구매 이력에 대한 정보를 획득하며,
상기 사용자와 관련된 정보 및 상기 사용자의 상품 구매 이력을 바탕으로 상기 복수의 광고 카테고리 중 적어도 하나를 결정하는 전자 장치. - 제1항에 있어서,
상기 메모리는, 사용자 유형에 따라 기설정된 적어도 하나의 광고 카테고리를 매칭하여 저장하는 매칭 테이블을 저장하며,
상기 프로세서는,
상기 매칭 테이블을 이용하여 상기 획득된 사용자와 관련된 정보에 대응되는 광고 카테고리 정보를 결정하는 전자 장치. - 제7항에 있어서,
상기 매칭 테이블은,
사용자 유형에 따라 기설정된 복수의 광고 카테고리를 우선순위 순서로 매칭하여 저장하며,
상기 프로세서는,
상기 우선순위를 바탕으로 상기 광고 플랫폼 서버로부터 수신된 광고가 표시될 크기 및 위치 중 적어도 하나를 결정하는 전자 장치. - 제7항에 있어서,
상기 매칭 테이블은,
외부 서버에 의해 주기적으로 업데이트되는 전자 장치. - 전자 장치의 제어 방법에 있어서,
상기 전자 장치의 카메라에 의해 획득된 이미지를 바탕으로 상기 전자 장치의 사용자와 관련된 정보를 획득하는 단계;
상기 사용자와 관련된 정보를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정하는 단계;
광고를 표시하기 위한 이벤트가 발생되면, 상기 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버에 전송하는 단계; 및
상기 광고 플랫폼 서버로부터 상기 적어도 하나의 광고 카테고리에 대한 광고를 수신하는 단계;를 포함하는 제어 방법. - 제10항에 있어서,
상기 획득하는 단계는,
셀프 촬영 모드 동안 상기 카메라를 통해 획득된 복수의 이미지에 포함된 복수의 인물 중 가장 자주 등장하는 인물을 상기 사용자로 판단하고,
객체 인식을 위한 인공지능 모델을 이용하여 상기 사용자로 판단된 인물에 대한 나이, 성별, 신체 사이즈 정보를 획득하는 제어 방법. - 제10항에 있어서,
상기 획득하는 단계는,
상기 전자 장치의 메모리에 저장된 복수의 이미지에 포함된 복수의 인물 중 기설정된 횟수 이상 등장하는 인물을 상기 사용자와 관련된 인물로 판단하고,
객체 인식을 위한 인공지능 모델을 이용하여 상기 사용자와 관련된 인물에 대한 나이, 성별, 신체 사이즈 정보를 획득하는 제어 방법. - 제10항에 있어서,
상기 전자 장치의 센서에 의해 획득된 상기 전자 장치의 위치 정보를 바탕으로 상기 사용자의 이동 패턴에 대한 정보를 획득하는 단계;를 더 포함하고,
상기 결정하는 단계는,
상기 사용자와 관련된 정보 및 상기 사용자의 이동 패턴을 바탕으로 상기 복수의 광고 카테고리 중 적어도 하나를 결정하는 제어 방법. - 제10항에 있어서,
상기 사용자의 검색 결과 및 웹사이트에 방문 기록을 바탕으로 상기 사용자의 관심 분야를 판단하는 단계;를 더 포함하고,
상기 결정하는 단계는,
상기 사용자와 관련된 정보 및 상기 사용자의 관심 분야를 바탕으로 상기 복수의 광고 카테고리 중 적어도 하나를 결정하는 제어 방법. - 제10항에 있어서,
상기 사용자의 상품 구매 이력에 대한 정보를 획득하는 단계;를 더 포함하고,
상기 결정하는 단계는,
상기 사용자와 관련된 정보 및 상기 사용자의 상품 구매 이력을 바탕으로 상기 복수의 광고 카테고리 중 적어도 하나를 결정하는 제어 방법. - 제10항에 있어서,
상기 전자 장치는,
사용자 유형에 따라 기설정된 적어도 하나의 광고 카테고리를 매칭하여 저장하는 매칭 테이블을 저장하며,
상기 결정하는 단계는,
상기 매칭 테이블을 이용하여 상기 획득된 사용자와 관련된 정보에 대응되는 광고 카테고리 정보를 결정하는 제어 방법. - 제16항에 있어서,
상기 매칭 테이블은,
사용자 유형에 따라 기설정된 복수의 광고 카테고리를 우선순위 순서로 매칭하여 저장하며,
상기 우선순위를 바탕으로 상기 광고 플랫폼 서버로부터 수신된 광고가 표시될 크기 및 위치 중 적어도 하나를 결정하는 단계;를 더 포함하는 제어 방법. - 제16항에 있어서,
상기 매칭 테이블은,
외부 서버에 의해 주기적으로 업데이트되는 제어 방법. - 전자 장치의 제어 방법을 실행하기 위한 프로그램을 저장하는 비일시적인(non-transitory) 컴퓨터 판독 가능한 기록 매체에 있어서,
상기 전자 장치의 제어 방법은,
상기 전자 장치의 카메라에 의해 획득된 이미지를 바탕으로 상기 전자 장치의 사용자와 관련된 정보를 획득하는 단계;
상기 사용자와 관련된 정보를 바탕으로 복수의 광고 카테고리 중 적어도 하나를 결정하는 단계;
광고를 표시하기 위한 이벤트가 발생되면, 상기 적어도 하나의 광고 카테고리에 대한 정보를 광고 플랫폼 서버에 전송하는 단계; 및
상기 광고 플랫폼 서버로부터 상기 적어도 하나의 광고 카테고리에 대한 광고를 수신하는 단계;를 포함하는 기록 매체.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180119200A KR20200039365A (ko) | 2018-10-05 | 2018-10-05 | 전자 장치 및 이의 제어 방법 |
| EP19868586.9A EP3819851A4 (en) | 2018-10-05 | 2019-09-30 | ELECTRONIC DEVICE AND ITS CONTROL PROCESS |
| US17/269,376 US11481811B2 (en) | 2018-10-05 | 2019-09-30 | Electronic device and method for controlling same |
| PCT/KR2019/012676 WO2020071697A1 (ko) | 2018-10-05 | 2019-09-30 | 전자 장치 및 이의 제어 방법 |
| CN201980064078.0A CN112805739A (zh) | 2018-10-05 | 2019-09-30 | 电子设备及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180119200A KR20200039365A (ko) | 2018-10-05 | 2018-10-05 | 전자 장치 및 이의 제어 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200039365A true KR20200039365A (ko) | 2020-04-16 |
Family
ID=70055953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180119200A KR20200039365A (ko) | 2018-10-05 | 2018-10-05 | 전자 장치 및 이의 제어 방법 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11481811B2 (ko) |
| EP (1) | EP3819851A4 (ko) |
| KR (1) | KR20200039365A (ko) |
| CN (1) | CN112805739A (ko) |
| WO (1) | WO2020071697A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022114479A1 (ko) * | 2020-11-26 | 2022-06-02 | 변철원 | 도어 영상 분석 기반의 인공지능 비서 장치 및 시스템 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210042523A (ko) * | 2019-10-10 | 2021-04-20 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
| JP2021086310A (ja) * | 2019-11-26 | 2021-06-03 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
| KR102396287B1 (ko) * | 2021-03-31 | 2022-05-10 | 쿠팡 주식회사 | 전자 장치 및 그의 정보 제공 방법 |
| US11854069B2 (en) * | 2021-07-16 | 2023-12-26 | Snap Inc. | Personalized try-on ads |
Family Cites Families (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007078168A1 (en) * | 2006-01-05 | 2007-07-12 | Lee, Myoung | An advertisement providing system and an advertisement providing method |
| CN104866553A (zh) | 2007-12-31 | 2015-08-26 | 应用识别公司 | 利用脸部签名来标识和共享数字图像的方法、系统和计算机程序 |
| US9959547B2 (en) | 2008-02-01 | 2018-05-01 | Qualcomm Incorporated | Platform for mobile advertising and persistent microtargeting of promotions |
| US8805110B2 (en) * | 2008-08-19 | 2014-08-12 | Digimarc Corporation | Methods and systems for content processing |
| US9965768B1 (en) | 2011-05-19 | 2018-05-08 | Amazon Technologies, Inc. | Location-based mobile advertising |
| KR101271483B1 (ko) * | 2011-06-17 | 2013-06-05 | 한국항공대학교산학협력단 | 사용자 인식기능을 이용하는 지능형 양방향 광고 단말기 |
| KR101517674B1 (ko) | 2013-05-29 | 2015-05-07 | 정승훈 | 복수의 키워드 추출 기법들을 이용하는 광고 노출 방법 및 광고 제공 장치 |
| US10395281B2 (en) * | 2013-08-19 | 2019-08-27 | Facebook, Inc. | Advertisement selection and pricing based on advertisement type and placement |
| CN103942705A (zh) * | 2014-03-25 | 2014-07-23 | 惠州Tcl移动通信有限公司 | 一种基于人脸识别的广告分类匹配推送方法及系统 |
| US10609267B2 (en) | 2014-07-23 | 2020-03-31 | Orcam Technologies Ltd. | Systems and methods for analyzing advertisement effectiveness using wearable camera systems |
| CN105303998A (zh) | 2014-07-24 | 2016-02-03 | 北京三星通信技术研究有限公司 | 基于观众之间的关联信息播放广告的方法、装置和设备 |
| CN104486680A (zh) * | 2014-12-19 | 2015-04-01 | 珠海全志科技股份有限公司 | 基于视频的广告推送方法及系统 |
| US9534906B2 (en) * | 2015-03-06 | 2017-01-03 | Wal-Mart Stores, Inc. | Shopping space mapping systems, devices and methods |
| CN104967885B (zh) * | 2015-03-27 | 2019-01-11 | 哈尔滨工业大学深圳研究生院 | 一种基于视频内容感知的广告推荐方法及系统 |
| US9672445B2 (en) | 2015-08-03 | 2017-06-06 | Yahoo! Inc. | Computerized method and system for automated determination of high quality digital content |
| JP6153984B2 (ja) | 2015-10-14 | 2017-06-28 | 株式会社日本総合研究所 | 宣伝情報提供システム、宣伝情報提供方法および宣伝情報提供プログラム |
| KR20170046354A (ko) | 2015-10-21 | 2017-05-02 | 김영선 | 모바일 광고플랫폼 |
| US10296538B2 (en) | 2016-02-23 | 2019-05-21 | Baidu Usa Llc | Method for matching images with content based on representations of keywords associated with the content in response to a search query |
| KR101762408B1 (ko) | 2016-02-26 | 2017-07-27 | (주)스마트포스팅 | 사용자 분석 타겟팅 광고 제공 방법 및 시스템 |
| US10235387B2 (en) | 2016-03-01 | 2019-03-19 | Baidu Usa Llc | Method for selecting images for matching with content based on metadata of images and content in real-time in response to search queries |
| CN107622427B (zh) * | 2016-07-13 | 2021-04-06 | 阿里巴巴集团控股有限公司 | 深度学习的方法、装置及系统 |
| US20180082338A1 (en) | 2016-09-22 | 2018-03-22 | International Business Machines Corporation | Cognitive advertisement optimization |
| KR102482444B1 (ko) | 2016-10-12 | 2022-12-27 | 에스케이텔레콤 주식회사 | 광고차단장치 및 그 동작 방법 |
| KR20180079885A (ko) | 2017-01-03 | 2018-07-11 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
| US10210627B1 (en) * | 2017-01-23 | 2019-02-19 | Amazon Technologies, Inc. | Image processing system for determining metrics of objects represented therein |
| KR20180098073A (ko) | 2017-02-24 | 2018-09-03 | 네모유엑스 주식회사 | 디지털 사이니지 운영 시스템 및 그 방법 |
| US10445558B2 (en) * | 2017-07-17 | 2019-10-15 | Facebook, Inc. | Systems and methods for determining users associated with devices based on facial recognition of images |
| CN107527230A (zh) * | 2017-07-25 | 2017-12-29 | 深圳市喜悦智慧实验室有限公司 | 一种基于动态场景的广告推送方法和系统 |
| CN107798560A (zh) * | 2017-10-23 | 2018-03-13 | 武汉科技大学 | 一种零售商店个性广告智能推送方法及系统 |
| CN108108998A (zh) * | 2017-12-14 | 2018-06-01 | 百度在线网络技术（北京）有限公司 | 广告展现方法和装置、服务器、存储介质 |
| WO2019236836A1 (en) * | 2018-06-06 | 2019-12-12 | Walmart Apollo, Llc | Targeted advertisement system |
-
2018
- 2018-10-05 KR KR1020180119200A patent/KR20200039365A/ko not_active Application Discontinuation
-
2019
- 2019-09-30 US US17/269,376 patent/US11481811B2/en active Active
- 2019-09-30 EP EP19868586.9A patent/EP3819851A4/en active Pending
- 2019-09-30 CN CN201980064078.0A patent/CN112805739A/zh active Pending
- 2019-09-30 WO PCT/KR2019/012676 patent/WO2020071697A1/ko unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022114479A1 (ko) * | 2020-11-26 | 2022-06-02 | 변철원 | 도어 영상 분석 기반의 인공지능 비서 장치 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3819851A1 (en) | 2021-05-12 |
| US20210182913A1 (en) | 2021-06-17 |
| WO2020071697A1 (ko) | 2020-04-09 |
| EP3819851A4 (en) | 2021-08-11 |
| US11481811B2 (en) | 2022-10-25 |
| CN112805739A (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11574116B2 (en) | Apparatus and method for providing summarized information using an artificial intelligence model | |
| US20190158433A1 (en) | Electronic device and method for changing chatbot | |
| US11398223B2 (en) | Electronic device for modulating user voice using artificial intelligence model and control method thereof | |
| US10956007B2 (en) | Electronic device and method for providing search result thereof | |
| US11954150B2 (en) | Electronic device and method for controlling the electronic device thereof | |
| KR102643027B1 (ko) | 전자 장치, 그의 제어 방법 | |
| US11481811B2 (en) | Electronic device and method for controlling same | |
| US11270565B2 (en) | Electronic device and control method therefor | |
| US20200133211A1 (en) | Electronic device and method for controlling electronic device thereof | |
| KR102628037B1 (ko) | 제품의 판매 정보를 제공하는 방법 및 장치 | |
| US20210217409A1 (en) | Electronic device and control method therefor | |
| KR20200046188A (ko) | 인공 지능 모델을 재구성하기 위한 전자 장치 및 그의 제어 방법 | |
| US11481551B2 (en) | Device and method for providing recommended words for character input | |
| KR20240032779A (ko) | 전자 장치, 그의 제어 방법 | |
| CN110998507B (zh) | 电子装置及其用于提供搜索结果的方法 | |
| CN110169021B (zh) | 用于过滤多条消息的方法和设备 | |
| US20210264905A1 (en) | Electronic device and control method therefor | |
| US11468270B2 (en) | Electronic device and feedback information acquisition method therefor | |
| US11347805B2 (en) | Electronic apparatus, method for controlling the same, and non-transitory computer readable recording medium | |
| Eldib et al. | Discovering activity patterns in office environment using a network of low-resolution visual sensors | |
| US11531722B2 (en) | Electronic device and control method therefor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal |