KR20200133976A

KR20200133976A - 콘텐츠 큐레이션 방법 및 장치

Info

Publication number: KR20200133976A
Application number: KR1020190059343A
Authority: KR
Inventors: 문성수
Original assignee: 문성수
Priority date: 2019-05-21
Filing date: 2019-05-21
Publication date: 2020-12-01

Abstract

본 발명의 일 실시예에 콘텐츠 큐레이션 방법은, 제1 사용자로부터 제2 사용자의 선택을 수신하는 단계, 제1 사용자의 취향정보 및 제2 사용자의 취향정보로부터 공통취향 콘텐츠를 도출하는 단계, 및 도출된 공통취향 콘텐츠를 제1 사용자에게 제공하는 단계를 포함하되, 취향정보는, 사용자 객관적 특징정보, 사용자 성격정보, 사용자 선택 선호 콘텐츠 카테고리정보, 다른 사용자와의 유사정보, 또는 사용자 활동정보 중 어느 하나 이상을 통해 산출되는 콘텐츠 카테고리별 가중치를 나타내는 것을 특징으로 함으로써, 개인 취향뿐만 아니라 복수의 사용자들의 취향을 반영하여 신뢰도 높은 공통취향 콘텐츠를 제공할 수 있다.

Description

콘텐츠 큐레이션 방법 및 장치{Contents Curation Method and Apparatus thereof}

본 발명은 개인의 취향과 성격의 상관관계 및 타인의 취향을 고려하여 타인과의 공통취향 콘텐츠를 제공하는 콘텐츠 큐레이션 방법 및 콘텐츠 큐레이션 장치에 관한 것이다.

스마트폰(smartphone)의 보급과 더불어 많은 사람들이 소셜네트워크 서비스(social network service, 이하 "SNS"라고 함)을 통해서 사회관계망을 형성하고 있다. 이러한 SNS 중에서는 콘텐츠를 공유하는 서비스, 사람과의 관계를 형성하는 서비스 등이 있다.

SNS를 통해 다양한 콘텐츠를 접하게 되나, 콘텐츠 정보의 양이 많다보니, 수많은 콘텐츠 중 공유하거나 직접 경험해보고 싶은 콘텐츠를 선택하기 어렵고, 실제 선택한 콘텐츠에 대한 만족도가 떨어질 수 있다. 이러한 어려움을 해결하기 위하여, 사용자가 원하는 콘텐츠를 수집해 공유하고, 가치를 부여해 사용자가 소비할 수 있도록 도와주는 큐레이션(curation)이 새로운 키워드로 부상하고 있다.

큐레이션을 위하여, 사용자의 로그기록 등을 이용하는 방법들이 이용되고 있으나, 큐레이션을 통한 추천에 신빙성이 없으며, 그에 따른 추천에 대한 만족도가 떨어진다. 또한, 타인과의 관계를 형성하고 경험을 공유하고자 하는 사용자들에게 서로 만족하는 콘텐츠를 제공하는 것 또한 어려움이 있다.

따라서, 실제 사용자에 적합한 맞춤형 콘텐츠 또는 타인과 공통취향인 콘텐츠를 제공할 수 있는 방법이 필요하다.

한국특허공보 1812608호 (2017. 12. 20. 등록)

따라서 본 발명이 이루고자 하는 기술적 과제는, 개인의 취향과 성격의 상관관계 및 타인의 취향을 고려하여 타인과의 공통취향 콘텐츠를 제공하는 콘텐츠 큐레이션 방법을 제공하고자 하는 것이다.

본 발명이 이루고자 하는 다른 기술적 과제는, 개인의 취향과 성격의 상관관계 및 타인의 취향을 고려하여 타인과의 공통취향 콘텐츠를 제공하는 콘텐츠 큐레이션 장치를 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 달성하기 위한 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 방법은, 제1 사용자로부터 제2 사용자의 선택을 수신하는 단계; 상기 제1 사용자의 취향정보 및 상기 제2 사용자의 취향정보로부터 공통취향 콘텐츠를 도출하는 단계; 및 상기 도출된 공통취향 콘텐츠를 제1 사용자에게 제공하는 단계를 포함하되, 상기 취향정보는, 사용자 객관적 특징정보, 사용자 성격정보, 사용자 선택 선호 콘텐츠 카테고리정보, 다른 사용자와의 유사정보, 또는 사용자 활동정보 중 어느 하나 이상을 통해 산출되는 콘텐츠 카테고리별 가중치를 나타내는 것을 특징으로 한다.

상기 다른 기술적 과제를 달성하기 위한 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 장치는, 제1 사용자로부터 공통취향 콘텐츠를 제공받을 제2 사용자를 수신하고, 상기 공통취향 콘텐츠를 상기 제1 사용자에게 송신하는 통신부; 상기 제1 사용자의 취향정보 및 상기 제2 사용자의 취향정보로부터 공통취향 콘텐츠를 도출하는 프로그램을 저장하는 메모리; 및 상기 공통취향 콘텐츠를 도출하는 프로그램을 구동하는 적어도 하나의 프로세서를 포함하되, 상기 취향정보는, 사용자 객관적 특징정보, 사용자 성격정보, 사용자 선택 콘텐츠 카테고리정보, 다른 사용자와의 유사정보, 또는 사용자 활동정보 중 어느 하나 이상을 통해 산출되는 콘텐츠 카테고리별 가중치를 나타내는 것을 특징으로 한다.

본 발명에 따르면, 개인 취향뿐만 아니라 복수의 사용자들의 취향을 반영하여 신뢰도 높은 공통취향 콘텐츠를 제공할 수 있다.

또한, 복수의 콘텐츠들에 대한 상세한 정보와 복수의 여가 콘텐츠들을 연결하는 코스를 제공함으로써 사용자의 편의성을 높일 수 있다.

도 1은 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 장치에서 콘텐츠 큐레이션 정보를 사용자에게 제공하는 환경을 도시한 것이다.
도 2는 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 방법의 흐름도이다.
도 3 내지 도 7은 본 발명의 실시예에 따른 콘텐츠 큐레이션 방법의 흐름도이다.
도 8는 도출된 콘텐츠가 복수인 경우, 생성되는 콘텐츠 추천코스를 도시한 것이다.
도 9는 본 발명의 실시예에 따른 콘텐츠를 추천하는 과정을 도시한 것이다.
도 10은 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 장치의 블록도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.

이하 첨부된 도면들을 참조하여 본 발명의 일 실시예를 상세히 설명한다.

도 1은 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 장치에서 콘텐츠 큐레이션 정보를 사용자에게 제공하는 환경(100)을 도시한 것이다. 콘텐츠 큐레이션 서비스를 제공하는 콘텐츠 큐레이션 장치(110)는 네트워크(130)를 통해 사용자 단말(120)과 데이터를 송수신할 수 있다. 여기서, 콘텐츠 큐레이션 장치(130)는 메모리와 프로세서로 이루어지는 장치이거나 콘텐츠 큐레이션 서비스를 제공하는 서버일 수 있다. 사용자 단말(120)은 휴대단말(121, 122) 또는 컴퓨터 단말(123) 등 사용자와 관련된 데이터를 송수신할 수 있는 단말들을 포함한다. 또는 다른 서버(140)와 데이터를 송수신할 수 있다. 콘텐츠 큐레이션 장치(110)는 네트워크(130)에 연결된 사용자 단말(120)로부터 사용자에게 콘텐츠 큐레이션 서비스를 제공하는데 필요한 데이터들을 수신하고, 콘텐츠 큐레이션 서비스 결과를 사용자에게 송신한다. 콘텐츠 큐레이션을 통해 사용자 개인을 위한 개인취향 콘텐츠를 제공할 수 있고, 타인과의 공통취향 콘텐츠를 제공할 수 있다.

콘텐츠 큐레이션 장치(110)는 네트워크(130)에 연결된 사용자 단말(120) 또는 다른 서버(140)들로부터 다양한 콘텐츠를 수신하여 저장할 수 있다. 콘텐츠 큐레이션 장치(110)는 특정 정보와 관련된 콘텐츠들을 수집하여 데이터베이스에 저장할 수 있다. 특히, 빅데이터 수집 기술을 통해 콘텐츠들을 수집할 수 있으며, 이때, 포털 사이트와 같은 인터넷 상 인기도 내지 관심도를 이용하여 콘텐츠를 수집할 수 있다. 현재 인기도 내지 관심도가 높은 키워드를 포함하는 콘텐츠들을 수집하고, 기계학습을 통한 분석을 통해 해당 콘텐츠들이 어떤 키워드 내지 정보들을 가지고 있는지를 분석하고, 그 결과 정보들을 메타데이터로 생성하여 데이터베이스상에 저장한다. 이후, 필요시 메타데이터 검색을 통해 필요한 콘텐츠를 도출하여 이용한다. 이때, 콘텐츠들은 콘텐츠 카테고리별로 구분되어 저장될 수 있다.

콘텐츠 큐레이션 서비스를 이용하고자 하는 사용자는 자신의 사용자 단말(120)을 이용하여 네트워크(130)를 통해 콘텐츠 큐레이션 장치(110)에 접속할 수 있고, 사용자 정보를 입력하거나 필요한 데이터 요청을 콘텐츠 큐레이션 장치(110)에 송신하고, 콘텐츠 큐레이션 장치(110)로부터 콘텐츠 큐레이션 서비스 결과를 수신할 수 있다. 콘텐츠들은 콘텐츠 카테고리로 분류되어 데이터베이스에 저장되어 있는 바, 사용자는 콘텐츠 검색 또는 콘텐츠 추천 서비스를 선택시 필터검색을 통해 원하는 콘텐츠 카테고리들을 한정할 수 있다.

이하, 도 2 내지 도 9를 참조하여 사용자에게 맞춤형 콘텐츠 큐레이션, 특히 다른 사용자와의 공통취향 콘텐츠를 제공하기 위한 과정을 구체적으로 설명하도록 한다.

본 발명에서 콘텐츠(Contents)는 인터넷 상에서 접근이 가능한 모든 형태의 자료를 의미하며, 그 대상은 온라인 및 오프라인을 모두 포함한다. 예를 들어, 이미지, 동영상, 텍스트 및 링크 형태의 자료를 포함하며, 이외에 다양한 형식의 자료를 포함할 수 있다.

콘텐츠 큐레이션은 사용자에게 콘텐츠를 제공하는 것으로, 특히, 사용자의 정보를 이용하여 사용자에게 적합한 맞춤형 콘텐츠를 제공하는 것을 의미한다. 본 발명에서는 콘텐츠 큐레이션을 통해 콘텐츠 중 여가활동과 관련된 콘텐츠를 사용자에게 제공한다. 여기서, 여가활동 관련 콘텐츠란 축제, 맛집, 카페, 관광지, 놀이시설, 세미나, 데이트 등과 같이, 소정의 장소 또는 소정의 시간에 사용자가 직접 이용할 수 있는 활동 내지 장소에 대한 콘텐츠를 의미한다. 여가활동 관련 데이터로 분류되는 메타데이터를 포함하는 콘텐츠를 여가활동 관련 콘텐츠로 설정할 수 있다.

본 발명의 일 실시예에 따른 콘텐츠 큐레이션 방법은 사용자의 정보를 이용하여 사용자에게 맞춤형 여가활동 콘텐츠를 제공하며, 특히, 복수의 사용자의 취향을 반영한 맞춤형 여가활동 콘텐츠를 제공한다. 이하, 복수의 사용자의 취향을 반영한 맞춤형 여가활동 콘텐츠를 제공하는 콘텐트 큐레이션 방법을 중점으로 설명하도록 한다. 다만, 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 방법은 여가활동 관련 콘텐츠 이외에도 사용자의 취향을 반영한 다양한 콘텐츠를 제공할 수 있음은 당연하다.

도 2는 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 방법의 흐름도로 먼저, S11 단계에서 제1 사용자로부터 제2 사용자의 선택을 수신한다. 여기서, 제1 사용자는 공통취향 콘텐츠를 제공받고자 하는 사용자이고, 제2 사용자는 제1 사용자가 제공받고자 하는 공통취향 콘텐츠의 상대방이다. 제2 사용자는 친구로 설정되어 제1 사용자의 친구목록에 포함된 사용자이거나 제1 사용자가 팔로우 중이거나 팔로우되고 있는 사용자 중 한 명일 수 있다. 제2 사용자는 1인일 수 있고, 복수 또는 그룹일 수 있다.

S11 단계에서 제1 사용자로부터 제2 사용자의 선택을 수신하면, S12 단계에서 상기 제1 사용자의 취향정보 및 상기 제2 사용자의 취향정보로부터 공통취향 콘텐츠를 도출한다.

상기 취향정보는 사용자 객관적 특징정보, 사용자 성격정보, 사용자 선택 선호 콘텐츠 카테고리정보, 다른 사용자와의 유사정보, 또는 사용자 활동정보 중 어느 하나 이상을 통해 산출되는 콘텐츠 카테고리별 가중치를 나타낸다.

사용자 맞춤형 콘텐츠 큐레이션을 통해 사용자 취향에 따른 콘텐츠를 제공하기 위해선 어떤 콘텐츠가 사용자에게 적합한지를 고려하여야 한다. 하지만, 사용자에게 어떤 콘텐츠가 적합한지를 판단하기 쉽지 않고, 콘텐츠 제공 서비스 사업자의 개인적인 판단에 의해 콘텐츠를 도출하는 기준이 정해지는 경우, 정확성, 객관성 및 신뢰도가 떨어지게 된다.

정확하고 객관적이며 신뢰도 높은 콘텐츠 제공을 위하여, 콘텐츠들을 카테고리별로 구분하고, 사용자의 정보를 이용하여 해당 사용자에게 어떤 콘텐츠 카테고리가 취향에 맞는지를 판단하여, 콘텐츠 카테고리별 가중치를 적용하여 사용자의 취향을 수치화한다. 콘텐츠 카테고리별 가중치가 적용되어 사용자의 취향이 수치화된 정보를 취향정보라 한다.

취향정보는 사용자의 취향을 반영한 정보로, 사용자의 취향을 어떻게 반영되는지에 따라 신뢰도 내지 사용자의 만족도가 달라진다. 사용자의 취향을 반영하기 위하여, 일반적으로 사용자가 직접 입력한 정보에 기초한다. 하지만, 사용자 본인도 자신의 취향을 정확히 알지 못하며, 본인이 모르고 있던 새로운 취향이 있을 수 있다. 따라서, 사용자가 입력한 정보뿐만 아니라 사용자가 인식하지 못하는 정보들을 함께 고려하여 사용자의 취향을 정확히 분석해야 한다.

이를 위하여, 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 방법은 사용자 객관적 특징정보, 사용자 성격정보, 사용자 선택 선호 콘텐츠 카테고리정보, 다른 사용자와의 유사정보, 또는 사용자 활동정보 중 어느 하나 이상을 이용하여 콘텐츠 카테고리별 가중치를 산출하여 취향정보를 생성한다.

사용자 객관적 특징정보는 성별, 나이, 직업, 주소, 국적, 또는 인종 중 어느 하나 이상을 포함할 수 있다. 사용자의 특징을 나타내는 객관적인 정보로, 성별, 나이, 직업, 주소, 국적, 인종 등 현재 사용자의 특징을 객관적으로 나타내는 다양한 정보를 포함할 수 있다.

사용자 성격정보는 성격 유형을 판단하기 위한 질문에 대한 응답에 따라 도출되는 정보일 수 있다. 사용자가 본인 자신의 성격을 정확히 알지 못하거나 자신이 모르는 성격을 객관적으로 분석하고, 그에 따른 성격 유형을 판단하기 위한 질문을 통해 사용자 성격정보를 생성할 수 있다.

사용자 선택 선호 콘텐츠 카테고리정보는 사용자가 직접 선택한 선호 콘텐츠 카테고리에 대한 정보이다. 사용자로 하여금 콘텐츠 카테고리 후보 중 선호하는 콘텐츠를 선택하도록 하거나, 콘텐츠 카테고리별 점수를 입력하도록 하여 생성될 수 있다. 사용자의 현재 자신의 주관적인 선택에 따라 콘텐츠 카테고리별 선호도를 알 수 있는 정보이다.

다른 사용자와의 유사정보는 사용자 객관적 특징정보 또는 사용자 성격정보에 따른 유사도가 임계치 이상인 다른 사용자의 취향정보일 수 있다. 사용자의 개인 특징이나 성격을 보다 객관적이고 정확하게 분석하기 위하여, 사용자 개인의 정보뿐만 아니라, 사용자의 사용자 성격정보와 유사한 사용자 성격정보를 가지는 다른 사용자들의 취향정보를 고려한다. 사용자 선택 선호 콘텐츠 카테고리정보는 사용자가 선택한 자신의 취향이라고 판단되는 정보이나, 해당 정보가 사용자의 취향을 정확히 반영되었다고 하기 어려운 바, 객관성 및 정확성을 높이기 위하여, 사용자 객관적 특징정보 또는 사용자 성격정보에 따른 유사도가 높은 다른 사용자들의 취향정보를 반영하여 사용자 선택 선호 콘텐츠 카테고리정보와 함께 콘텐츠 카테고리별 가중치를 산출한다.

도 3은 취향정보에서 콘텐츠 카테고리별 가중치를 초기화하는 과정을 나타낸 것으로, 취향정보가 아직 생성되지 않은 사용자에 대해 콘텐츠 카테고리별 가중치를 초기화하고, 그에 따라 취향정보를 생성하기 위하여 S21 단계 내지 S23 단계를 수행한다.

S21 단계에서 제1 사용자로부터 사용자 객관적 특징정보, 사용자 성격정보, 및 사용자 선택 선호 콘텐츠 카테고리정보를 도출할 수 있는 데이터들을 수신하여, S22 단계에서 제1 사용자로부터 입력받은 데이터로부터 사용자 객관적 특징정보, 사용자 성격정보, 및 사용자 선택 선호 콘텐츠 카테고리정보를 도출한다. 이후, S23 단계에서 사용자 객관적 특징정보, 사용자 성격정보, 및 사용자 선택 선호 콘텐츠 카테고리정보를 이용하되, 사용자 성격정보를 다른 사용자의 취향정보와의 유사도를 데이터 마이닝을 통해 측정하여, 유사도가 임계치 이상인 다른 사용자의 취향정보에 따른 가중치를 반영하여 콘텐츠 카테고리별 가중치를 초기화한다.

콘텐츠 큐레이션 서비스 가입 과정은 도 4와 같이 진행될 수 있다. 먼저, 콘텐츠 큐레이션 서비스에 가입하고자 하는 제1 사용자로부터 사용자의 기본 정보인 사용자 객관적 특징정보 및 선호 콘텐츠 카테고리정보를 수신(S31)한다. 콘텐츠 큐레이션 서비스는 어플리케이션 형태로 사용자에게 제공될 수 있고, 제1 사용자는 사용자 단말에 콘텐츠 큐레이션 어플리케이션을 설치하고 가입절차를 진행할 수 있다. 이때, 성별과 나이 등을 포함하는 객관적인 정보와 선호하는 콘텐츠 카테고리 정보를 수신한다. 콘텐츠 카테고리는 여가활동과 관련된 카테고리일 수 있다. 예를 들어, 축제, 맛집, 카페, 관광지, 놀이시설, 세미나, 데이트 등으로 콘텐츠 카테고리가 구성될 수 있다. 사용자는 콘텐츠 카테고리 중 자신이 선호하는 콘텐츠 카테고리를 선호 콘텐츠 카테고리정보를 입력할 수 있다.

이때, 사용자가 복수의 콘텐츠 카테고리를 선호 콘텐츠 카테고리로 선택할 수 있고, 각 카테고리별 가중치를 설정할 수도 있다. 예를 들어, 사용자가 콘텐츠 카테고리 중 맛집, 데이트, 관광을 선택하고, 각각의 가중치를 '맛집: 0.4', '데이트:0.4', '관광지: 0.2'와 같이 입력할 수 있다. 이때, 사용자가 맛집과 데이트만을 선택하는 경우에도, 선택되지 않은 관광지와 같은 콘텐츠 카테고리에는 소정의 가중치를 디폴트로 적용할 수 있다. 사용자가 입력한 가중치는 콘텐츠 카테고리별 가중치의 초기값이 될 수 있다. 여기서, 콘텐츠 카테고리별 가중치는 0~1의 값으로 설정될 수 있다. 또는, 가중치들의 총합이 1을 넘지 않도록 설정될 수 있다. 또한, 사용자가 선호도 순위에 따라 1순위, 2순위, 3순위로 카테고리를 설정할 수 있고, 이때, 선호도 순위에 따라 가중치가 설정될 수 있다. 이외에도, 다양한 방식으로 사용자로부터 선호 콘텐츠 카테고리 정보를 입력받고, 그에 따라 콘텐츠 카테고리별 가중치를 설정할 수 있다.

이후, 성격 정보를 생성하기 위하여, 성격 유형을 판단하기 위한 질문을 제1 사용자에게 제공(S32)하고, 제1 사용자로부터 성격 유형을 판단하기 위한 질문에 대한 응답 수신(S33)한다. 이때, 객관성이 입증된 성격 모델을 이용하여 성격 유형을 판단하며, 성격 모델에 따른 질문을 제1 사용자에게 제공하고 그에 대한 응답을 수신한다.

이후, 성격 유형을 판단하기 위한 질문에 대한 응답을 분석하여 성격 유형을 포함하는 사용자 성격정보 도출(S34)한다. 이때, 사용자 성격정보 도출을 위하여 성격 모델을 이용할 수 있다. 성격 모델(Model of Personality)은 성격을 분류하는 성격 분석/분류 모델로, 성격을 분류하기 위한 질문을 사용자에게 제공하고 그에 대한 답변을 분석하여 어떤 성격 유형에 해당하는지를 판단한다. 사용자 성격정보를 생성하기 위하여, 성격 모델로 HEXACO 성격 모델을 이용할 수 있다. HEXACO 성격모델은 사람의 성격을 정직-겸손성(Honesty-Humility), 정서성(Emotionality), 외향성(Extraversion), 원만성(Agreeableness), 성실성(Conscientiousness), 경험개방성(Openness to Experience)의 여섯가지 성격 요인에 대하여 높음 또는 낮음으로 평가하는 성격모델이다. 이외에도, MBTI, 애니어그램 등 다양한 성격모델을 이용하여 성격 정보를 생성할 수 있다.

이후, 사용자 객관적 특징정보 및 사용자 성격정보에 따른 유사도가 임계치 이상인 데이터베이스에 저장된 다른 사용자의 취향정보에 따라 제1 사용자의 취향 정보를 설정(S35)한다. 이미 가입하여 취향정보가 생성되어 데이터베이스에 저장된 다른 사용자들의 취향정보를 이용하여 보다 정확한 취향정보를 생성할 수 있다. 즉, 유사한 특징을 가지거나 유사한 성격을 가지는 사용자들은 서로 공통된 취향을 가질 가능성이 높은 바, 사용자와 사용자 객관적 특징정보의 유사도 또는 사용자 성격정보에 따른 유사도가 높은 다른 사용자의 취향정보를 이용하여 해당 다른 사용자의 가중치를 조정할 수 있다. 데이터베이스에 취향정보가 저장된 사용자들의 수가 많아질수록 다른 사용자와의 유사정보의 신뢰도는 높아진다.

예를 들어, 모든 카테고리를 선호한다고 선택한 사용자의 경우, 선호 콘텐츠 카테고리 정보에 따른 모든 카테고리의 가중치는 동일한 값으로 정해진다. 이 경우, 사용자 자신이 무엇을 더 선호하는지를 잘 모르는 것일 수 있는 바, 선호 콘텐츠 카테고리 정보만으로 취향정보를 생성하여 이용하는 경우, 취향정보의 정확성, 객관성, 및 신뢰성이 떨어지게 된다. 따라서, 사용자의 선호 콘텐츠 카테고리 정보뿐만 아니라 다른 사용자의 취향정보도 함께 이용하여 취향정보를 생성한다. 즉, 선호 콘텐츠 카테고리 정보에 따른 모든 카테고리의 가중치는 동일한 값으로 정해진 사용자의 HEXACO 성격모델에 따른 성격점수가 H: 60 / E: 30 / X: 20 / A: 70 / C: 90 / O: 15로 결과가 나온 경우, 그 결과를 이용하여 데이터베이스에 저장된 다른 사용자들의 사용자 성격정보와 유사도를 산출하고, 유사도가 기준 이상인 즉, 임계치 이상인 다른 사용자를 도출한다. 상기 도출된 유사도가 높은 다른 사용자의 취향정보, 즉 콘텐츠 카테고리별 가중치를 현재 사용자의 콘텐츠 카테고리별 가중치에 반영하여 가중치를 조정할 수 있다. 다른 사용자의 콘텐츠 카테고리별 가중치를 반영하여 가중치를 조정하기 위하여, 다른 사용자의 콘텐츠 카테고리별 가중치를 현재 사용자의 콘텐츠 카테고리별 가중치에 곱하거나, 다른 사용자의 콘텐츠 카테고리별 가중치의 비율로 조정할 수 있다. 유사도가 높은 다른 사용자가 복수인 경우, 해당 가중치 또는 가중치 비율의 평균을 이용하여 현재 사용자의 가중치를 조정할 수도 있다. 이외에도 다양한 방식으로 다른 사용자의 취향정보를 현재 사용자의 취향정보에 반영하여 콘텐츠 카테고리별 가중치를 조정할 수 있다.

이와 같이, 가입시 생성되는 취향정보는 도 5의 S41 단계에서 다른 사용자와의 유사도 정보 또는 사용자 활동정보의 누적에 따라 업데이트되어 가변될 수 있다. 사람의 취향이 유지될 수도 있으나, 유행변화에 따른 새로운 콘텐츠 등의 등장으로 취향이 변화될 수 있기 때문에, 취향 변화 여부를 지속적으로 판단하여 취향 정보를 업데이트할 수 있다. 여기서, 다른 사용자와의 유사도 정보는 사용자와 유사도가 높은 사용자들이 달라지거나 유사도가 높은 사용자들의 취향정보가 변경되는 경우, 달라질 수 있는바, 이를 주기적으로 취향정보를 업데이트하거나, 사용자의 변경 내지 취향정보 변경 등을 포함하는 이벤트 발생시 변경되는 다른 사용자와의 유사도 정보를 반영하여 취향정보를 업데이트 한다.

또한, 사용자 활동정보의 누적에 따라 취향정보를 업데이트할 수 있다. 사용자에게 계속 동일한 콘텐츠 카테고리만을 추천하거나 사용자가 동일한 콘텐츠 카테고리만을 이용하는 경우, 해당 콘텐츠 카테고리에 실증을 느껴 새로운 콘텐츠 카테고리를 경험하고자 할 수 있고, 유행에 따라 선호하는 콘텐츠 카테고리가 달라질 수 있는 바, 사용자 활동정보를 이용하여 취향정보의 변화를 판단하고, 누적되는 사용자 활동정보에 따라 취향정보를 업데이트할 수 있다.

여기서, 사용자 활동정보는 사용자의 콘텐츠 선택, 콘텐츠 검색, 추천 콘텐츠의 선택, 추천 콘텐츠에 대한 만족도 중 어느 하나 이상을 포함할 수 있다. 사용자가 콘텐츠를 선택하거나 검색하는 빈도수가 높은 경우, 해당 콘텐츠 카테고리에 대한 관심이 커지는 것을 의미하는 바, 이를 취향정보에 반영할 수 있다. 예를 들어, 사용자가 '맛집' 콘텐츠 카테고리에 해당하는 콘텐츠들을 자주 클릭하여 선택하는 경우, '맛집'에 대한 가중치가 증가할 수 있고, 사용자가 콘텐츠 검색시 '데이트'라는 콘텐츠 카테고리를 필터로 선택하여 필터검색을 수행하는 경우, 현재 해당 콘텐츠 카테고리를 선호하는 것인 바, '데이트'에 대한 가중치는 증가하고 다른 콘텐츠 카테고리의 가중치는 감소할 수 있다.

또는, 콘텐츠 큐레이션을 통해 추천된 추천 콘텐츠를 사용자가 선택하여 해당 콘텐츠를 실제 이용하는지 여부 및 이용한 이후의 만족도를 반영하여 해당 콘텐츠가 사용자의 취향에 맞는지를 취향정보에 반영할 수 있다. 이와 같이, 데이터 누적에 따라 사용자에 더욱더 적합한 콘텐츠를 제공할 수 있고, 사용자의 취향 변화를 반영할 수 있다.

사용자의 취향정보에 대한 업데이트는 주기적으로 수행되거나, 사용자가 공통취향 콘텐츠 서비스를 선택하는 경우, 또는 취향정보에 변화를 줄 수 있는 이벤트가 발생하는 경우 이루어질 수 있다.

사용자의 취향정보는 데이터 마이닝 또는 머신러닝을 통해 도출될 수 있다. 취향정보의 객관성 및 정확성을 높이기 위하여, 데이터베이스에 저장된 많은 수의 데이터에 분석이 필요하고, 유사도를 판단함에 있어서도 정확한 판단이 필요하기 때문에, 방대한 데이터 분석에 용이하고, 신뢰도가 높은 인공지능 알고리즘을 이용한다. 다른 사용자와의 유사도 정보를 반영함에 있어서, 데이터 마이닝 또는 머신러닝을 이용할 수 있다. 이를 통해, 취향정보의 정확성을 높일 수 있다.

상기와 같이 생성되고 업데이트되는 취향정보를 이용하여 제1 사용자와 제2 사용자의 공통취향 콘텐츠를 도출한다. 공통취향 콘텐츠는 도 6의 S51 단계 및 S52 단계를 통해 도출될 수 있다.

제1 사용자로부터 제2 사용자의 선택을 수신하면, S51 단계에서 제1 사용자 및 제2 사용자의 취향정보에 따른 콘텐츠 카테고리별 가중치 값에 따라 하나 이상의 공통취향 콘텐츠 카테고리를 도출한다. 앞서 설명한 바와 같이, 취향정보는 콘텐츠 카테고리별 가중치가 설정되어 있고, 제1 사용자와 제2 사용자의 취향정보를 이용하여 공통취향 콘텐츠 카테고리를 도출한다. 이때, 제1 사용자 및 제2 사용자의 취향정보에 따라 제1 사용자와 제2 사용자 모두 가중치가 임계치 이상인 동일 콘텐츠 카테고리를 공통취향 콘텐츠 카테고리로 도출할 수 있다. 예를 들어, 콘텐츠 카테고리별 가중치가 0~1로 설정되어 있는 경우, 가중치가 0.5 이상인 콘텐츠 카테고리들을 공통취향 콘텐츠 카테고리로 도출할 수 있다.

또는, 두 사용자의 취향이 서로 다른 경우, 공통취향 콘텐츠 카테고리를 도출하기 위하여, 두 사용자의 콘텐츠 카테고리별 가중치를 더하거나 곱한 값을 이용하여 공통취향 콘텐츠 카테고리를 도출할 수 있다. 예를 들어, 제1 사용자는 ‘맛집: 0.5’, ‘데이트: 0.4’ ‘관광지: 0.1’이고, 제2 사용자는 ‘맛집: 0.1’, ‘데이트: 0.2’ ‘관광지: 0.7’인 경우, 가중치가 0.5가 모두 넘는 콘텐츠 카테고리가 없다. 이때, 두 가중치의 합을 산출하면, ‘맛집: 0.6’, ‘데이트: 0.6’ ‘관광지: 0.8’일 수 있고, 이때, 가장 높은 가중치인 ‘관광지’를 공통취향 콘텐츠 카테고리로 도출할 수 있다. 또는, 가중치의 곱을 산출하면, ‘맛집: 0.05’, ‘데이트: 0.08’ ‘관광지: 0.07’일 수 있고, 이때, 가장 높은 가중치인 ‘데이트’를 공통취향 콘텐츠 카테고리로 도출할 수 있다. 두 가중치의 합을 이용하는 경우, 특정 사용자가 특히 선호하는 취향이 반영될 가능성이 높고, 두 가중치의 곱을 이용하는 경우, 특정 사용자가 선호하지 않는 취향이 반영될 가능성이 높아진다. 개인 취향이 아닌 공통취향을 반영하는 경우인 바, 이때는 두 가중치의 곱을 이용하여 공통취향 콘텐츠 카테고리를 도출하는 것이 바람직하다 할 것이다.

또는, 제1 사용자의 가중치를 더 높게 비율로 반영하여 공통취향 콘텐츠 카테고리를 도출할 수도 있다. 공통취향 콘텐츠 카테고리를 도출할 때 복수의 공통취향 콘텐츠 카테고리를 도출할 수 있다. 이 경우, 동일한 두 사용자의 공통취향 콘텐츠를 도출하는 경우에도 누가 요청하는지에 따라 요청한 사용자의 취향이 좀 더 반영되어, 그 결과가 사용자마다 달라질 수 있다.

하나의 콘텐츠 카테고리만을 도출하여 해당 콘텐츠만을 제공하지 않고, 가중치에 따라서 복수의 콘텐츠 카테고리를 도출하고, 도출된 복수의 콘텐츠 카테고리에 포함된 콘텐츠들을 제공하되, 선호도가 높은 공통취향 콘텐츠 카테고리에 포함된 콘텐츠들을 제공하는 비율을 높일 수 있다. 이외에도, 가중치 크기에 따른 순위를 이용하여 공통취향 콘텐츠 카테고리를 도출하는 것과 같이, 다양한 방식으로 공통취향 콘텐츠 카테고리를 도출할 수 있다.

공통취향 콘텐츠 카테고리가 도출되면 S52 단계에서 상기 도출된 공통취향 콘텐츠 카테고리에 포함된 하나 이상의 콘텐츠를 공통취향 콘텐츠를 도출할 수 있다. 데이터베이스에는 콘텐츠 카테고리로 구분되어 다양한 콘텐츠들이 저장되어 있다. 공통취향 콘텐츠 카테고리로 저장된 콘텐츠들 중 공통취향 콘텐츠를 도출한다. 해당 콘텐츠들을 모두 공통취향 콘텐츠로 도출하거나 일부만을 공통취향 콘텐츠로 도출할 수 있다. 일부만을 공통취향 콘텐츠로 도출할 때, 사용자의 정보 또는 다른 사용자들의 정보를 이용하여 도출할 콘텐츠를 설정할 수 있다. 제1 사용자 또는 제2 사용자가 이전에 검색 또는 이용했던 콘텐츠이거나, 인기도가 높은 콘텐츠들을 공통취향 콘텐츠로 도출할 수 있다. 인기도는 해당 콘텐츠를 이용한 사용자들의 수, 웹페이상 검색순위 등으로 판단될 수 있다. 또는, 공통취향 콘텐츠 카테고리에 포함된 콘텐츠들을 랜덤하게 공통취향 콘텐츠로 도출할 수 있다. 공통취향 콘텐츠로 도출된 콘텐츠들은 관련된 정보들을 함께 사용자에게 제공할 수 있도록 위치, 가격, 메뉴, 이용시간 등의 상세 정보와 콘텐츠까지의 대중교통, 자가용 길 찾기 기능들을 연동되도록 할 수 있다.

S51 단계에서 도출된 공통취향 콘텐츠 카테고리가 복수인 경우, 가중치에 따라 각 콘텐츠 카테고리별로 도출되는 콘텐츠의 수를 다르게 할 수 있다. 즉, 가중치가 높은 콘텐츠 카테고리에서 더 많은 콘텐츠가 도출되도록 할 수 있다.

상기 도출된 공통취향 콘텐츠가 복수인 경우, S61 단계에서 상기 제1 사용자의 정보 및 제2 사용자의 정보, 공통취향 콘텐츠의 정보를 이용하여 상기 도출된 복수의 공통취향 콘텐츠를 연결하는 콘텐츠 추천코스를 생성할 수 있다. 단순히 공통취향 콘텐츠를 도출하여 사용자에게 제공하는 것에 끝나지 않고, 복수의 공통취향 콘텐츠를 도출하여, 공통취향 콘텐츠들을 이용할 수 있는 코스를 생성하여 콘텐츠 추천코스로 제공할 수 있다. 이때, 콘텐츠 추천코스를 생성할 공통취향 콘텐츠들은 제1 사용자의 정보 및 제2 사용자의 정보, 공통취향 콘텐츠의 정보에 따라 설정될 수 있다. 선호도가 높은 콘텐츠들이라고 하더라도, 시간과 거리상 특정일정으로 함께 이용하기 어려운 경우, 추천코스를 생성할 수 없기 때문에, 제1 사용자의 정보 및 제2 사용자의 정보, 공통취향 콘텐츠의 정보, 특히 위치정보와 이용하는데 필요한 시간정보를 고려하여 콘텐츠 추천코스를 생성할 공통취향 콘텐츠들을 설정할 수 있다. 또는, 하나의 공통취향 콘텐츠가 도출된 경우라도, 같은 지역 범위에 포함되는 콘텐츠나 다른 사용자들이 도출된 공통취향 콘텐츠와 함께 이용했던 콘텐츠들이 있는 경우와 같이, 해당 콘텐츠와 함께 이용될 수 있는 콘텐츠들에 대한 정보가 있는 경우, 관련된 콘텐츠들을 포함하여 콘텐츠 추천코스를 생성할 수 있다. 콘텐츠가 위치가 가깝고 콘텐츠 카테고리가 유사한 콘텐츠들이 이에 해당할 수 있을 것이다.

제1 사용자 및 제2 사용자의 주소에 따른 위치정보를 통해 출발위치를 선정하고, 공통취향 콘텐츠의 위치정보 및 해당 콘텐츠를 이용하는데 필요한 이용시간을 고려하여 콘텐츠 추천코스를 생성한다. 식사 시간도 함께 고려할 수 있고, 식사 시간에는 ‘맛집’과 같이 식사를 할 수 있는 콘텐츠들을 우선 설정할 수 있다. 도 8과 같이, 제1 사용자의 위치(211)와 제2 사용자의 위치(212) 및 공통취향 콘텐츠들의 위치(213, 214, 215)를 포함한 정보들을 반영하여 공통취향 콘텐츠들에 대한 추천코스(시점->213->214->215->종점)를 생성한다.

이와 같이, 도출된 공통취향 콘텐츠를 S13 단게에서 제1 사용자에게 제공한다. 공통취향 콘텐츠와 관련된 정보들을 함께 제공하며, 공통취향 콘텐츠가 복수인 경우, 인기도나 과거이력에 따른 순서 등을 이용하여 공통취향 콘텐츠를 정렬하여 제공할 수 있다. 또한, 복수의 공통취향 콘텐츠에 대한 콘텐츠 추천코스를 제공할 수 있다. 공통취향 콘텐츠는 제2 사용자에게도 제공될 수 있고, 제2 사용자가 복수의 공통취향 콘텐츠에 대해 선호여부 또는 선호도 등 피드백을 요청하여, 그에 대한 정보를 제1 사용자에게 제공할 수 있다. 제2 사용자가 이미 이용한 콘텐츠이거나 선호하지 않는 콘텐츠의 경우, 그에 대한 정보를 제1 사용자에게 제공하여 이용하고자 하는 콘텐츠를 선택하는데 도움을 줄 수 있다.

본 발명의 실시예에 따른 여가 콘텐츠에 대한 여가활동 추천코스를 제공하는 콘텐츠 큐레이션 방법에서 수행되는 각 과정들은 도 9와 같이 정리하여 나타낼 수 있다. 크게, 공통취향 콘텐츠를 도출하기 위한 큐레이션 모듈(310)과, 도출된 콘텐츠와 관련된 정보를 도출하는 O2O 정보/기능 연동(320), 결과 및 출력(330)으로 구분할 수 있다.

공통취향 콘텐츠를 도출하는 과정은 다수 사용자의 여가 취향 패턴과 성격(예: HEXACO) 데이터 전처리 과정(311)이 수행되고, 전처리된 데이터를 통해 다수 사용자의 취향 데이터를 취합(312)하고, 공통취향 여가 콘텐츠를 도출(313)하는 과정을 수행한다. 이 과정에서 사용자 데이터베이스에 포함되어 있는 콘텐츠 카테고리로부터 가중치를 고려하여 콘텐츠를 추출하며, 다수 사용자의 취향 정보가 반영된 공통취향에 해당하는 콘텐츠를 추출한다.

이후, 도출된 콘텐츠에 대한 콘텐츠 더블체크(Contents Double Check, 314), 카테고리 가중치 레이팅 정렬(Category Weight Rating Sort, 315), 근접 소스 필터링(Closed-Source Filtering, 316)으로 이루어진다. 이 과정에서 사용자가 최초 선택한 콘텐츠가 있는 경우, 해당 콘텐츠의 위치정보를 반영하여 같은 지역으로 콘텐츠들을 필터링하고, 사용자가 선택한 콘텐츠를 포함하여 전체 코스의 각 구간의 카테고리 필터링을 수행하여 코스 연계성 및 중복성을 더블 체크한다.

이후, 도출된 콘텐츠, 특히 코스로 추천되는 모든 콘텐츠에 대한 가격, 위치 메뉴 등 상세 정보를 도출(321)하고 UI/UX에 맞춰 정형화하며, 각 코스간 이동에 필요한 거리정보나 도보, 대중교통, 자가용 등의 길 찾기 기능을 연동(322)하며, 콘텐츠 별 위도, 경도를 통한 코스 지도를 생성(323)한 후, 사용자 단말 사용자 인터페이스(Mobile UI)를 통해 다수 사용자의 공통 취향이 반영된 여가활동 추천 코스를 제공(331)한다.

도 10은 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 장치(110)의 블록도이다. 본 발명의 일 실시예에 따른 콘텐츠 큐레이션 장치(110)에서 콘텐츠 큐레이션을 수행하는 과정에 대한 상세한 설명은 도 1 내지 도 9의 콘텐츠 큐레이션 방법에 대한 설명에 대응되는 바, 이하 중복된 설명은 간략하게 설명하도록 한다.

본 발명의 일 실시예에 따른 콘텐츠 큐레이션 장치(110)는 통신부(111), 하나 이상의 프로세서(112), 메모리(113)로 구성된다. 사용자들의 취향정보 또는 콘텐츠를 저장하는 데이터베이스를 더 포함할 수 있다.

통신부(111)는 제1 사용자로부터 제1 사용자로부터 공통취향 콘텐츠를 제공받을 제2 사용자를 수신하고, 상기 공통취향 콘텐츠를 상기 제1 사용자에게 송신한다.

보다 구체적으로, 통신부(111)는 사용자 단말(120)과 데이터를 송수신하며, 제1 사용자가 특정 타인과의 공통취향 콘텐츠를 제공받고자 할 때, 제1 사용자로부터 공통취향 콘텐츠를 제공받고자 하는 제2 사용자에 대한 선택 입력을 수신한다. 수신된 제1 사용자 및 제2 사용자의 공통취향 콘텐츠가 도출되면, 도출된 공통취향 콘텐츠 또는 공통취향 콘텐츠에 따른 콘텐츠 추천코스를 제1 사용자의 사용자 단말(120)로 송신한다. 제2 사용자의 사용자 단말에도 공통취향 콘텐츠 또는 공통취향 콘텐츠에 따른 콘텐츠 추천코스를 송신할 수 있다.

메모리(113)는 상기 제1 사용자의 취향정보 및 상기 제2 사용자의 취향정보로부터 공통취향 콘텐츠를 도출하는 프로그램을 저장하며, 적어도 하나의 프로세서(112)를 통해 상기 공통취향 콘텐츠를 도출하는 프로그램을 구동한다. 여기서, 메모리(113)에 저장된 프로그램에서 공통취향 콘텐츠를 도출하기 위하여 이용하는 취향정보는, 사용자 객관적 특징정보, 사용자 성격정보, 사용자 선택 콘텐츠 카테고리정보, 다른 사용자와의 유사정보, 또는 사용자 활동정보 중 어느 하나 이상을 통해 산출되는 콘텐츠 카테고리별 가중치를 나타낸다.

상기 사용자 객관적 특징정보는 성별, 나이, 직업, 주소, 국적, 또는 인종 중 어느 하나 이상을 포함할 수 있고, 상기 사용자 성격정보는 성격 유형을 판단하기 위한 질문에 대한 응답에 따라 도출되는 정보이며, 상기 다른 사용자와의 유사정보는 상기 사용자 객관적 특징정보 및 상기 사용자 성격정보에 따른 유사도가 임계치 이상인 다른 사용자의 취향정보이고, 상기 사용자 활동정보는 사용자의 콘텐츠 선택입력, 콘텐츠 검색, 추천 콘텐츠의 선택여부, 추천 콘텐츠에 대한 만족도 중 어느 하나 이상을 포함할 수 있다. 상기 취향정보는 데이터 마이닝 또는 머신러닝을 통해 도출될 수 있다.

메모리(113)에 저장된 프로그램은 상기 제1 사용자 및 상기 제2 사용자의 취향정보에 따른 콘텐츠 카테고리별 가중치 값에 따라 하나 이상의 공통취향 콘텐츠 카테고리를 도출하고, 상기 도출된 공통취향 콘텐츠 카테고리에 포함된 하나 이상의 콘텐츠를 공통취향 콘텐츠를 도출할 수 있다. 상기 도출된 공통취향 콘텐츠가 복수인 경우, 제1 사용자의 정보 및 제2 사용자의 정보, 상기 도출된 복수의 공통취향 콘텐츠를 연결하는 콘텐츠 추천코스를 생성할 수 있다.

또한, 메모리(113)에 저장된 프로그램은 상기 제1 사용자로부터 수신한 데이터로부터 상기 사용자 객관적 특징정보, 상기 사용자 성격정보, 및 상기 사용자 선택 선호 콘텐츠 카테고리정보를 도출하고, 상기 사용자 객관적 특징정보, 상기 사용자 성격정보, 및 상기 사용자 선택 선호 콘텐츠 카테고리정보를 이용하여 콘텐츠 카테고리별 가중치를 초기화하되, 상기 사용자 성격정보를 다른 사용자의 취향정보와의 유사도를 데이터 마이닝을 통해 측정하여, 상기 유사도가 임계치 이상인 다른 사용자의 취향정보에 따른 가중치를 반영할 수 있다.

한편, 본 발명의 실시예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.

컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야 한다.

110: 콘텐츠 큐레이션 장치 111: 통신부
112: 프로세서 113: 메모리
120: 사용자 단말 121, 122: 휴대 단말
123: 컴퓨터 단말 130: 네트워크
1401: 서버

Claims

제1 사용자로부터 제2 사용자의 선택을 수신하는 단계;
상기 제1 사용자의 취향정보 및 상기 제2 사용자의 취향정보로부터 공통취향 콘텐츠를 도출하는 단계; 및
상기 도출된 공통취향 콘텐츠를 제1 사용자에게 제공하는 단계를 포함하되,
상기 취향정보는,
사용자 객관적 특징정보, 사용자 성격정보, 사용자 선택 선호 콘텐츠 카테고리정보, 다른 사용자와의 유사정보, 또는 사용자 활동정보 중 어느 하나 이상을 통해 산출되는 콘텐츠 카테고리별 가중치를 나타내는 것을 특징으로 하는 공통취향 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 공통취향 콘텐츠를 도출하는 단계는,
상기 제1 사용자 및 상기 제2 사용자의 취향정보에 따른 콘텐츠 카테고리별 가중치 값에 따라 하나 이상의 공통취향 콘텐츠 카테고리를 도출하는 단계; 및
상기 도출된 공통취향 콘텐츠 카테고리에 포함된 하나 이상의 콘텐츠를 공통취향 콘텐츠를 도출하는 단계를 포함하는 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 도출된 공통취향 콘텐츠가 복수인 경우,
상기 제1 사용자의 정보 및 제2 사용자의 정보, 공통취향 콘텐츠의 정보를 이용하여 상기 도출된 복수의 공통취향 콘텐츠를 연결하는 콘텐츠 추천코스를 생성하는 단계를 더 포함하는 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 제1 사용자로부터 수신한 데이터로부터 상기 사용자 객관적 특징정보, 상기 사용자 성격정보, 및 상기 사용자 선택 선호 콘텐츠 카테고리정보를 도출하는 단계; 및
상기 사용자 객관적 특징정보, 상기 사용자 성격정보, 및 상기 사용자 선택 선호 콘텐츠 카테고리정보를 이용하여 콘텐츠 카테고리별 가중치를 초기화하는 단계를 더 포함하되,
상기 콘텐츠 카테고리별 가중치를 초기화하는 단계는,
상기 사용자 성격정보를 다른 사용자의 취향정보와의 유사도를 데이터 마이닝을 통해 측정하여, 상기 유사도가 임계치 이상인 다른 사용자의 취향정보에 따른 가중치를 반영하는 것을 특징으로 하는 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 취향정보는,
상기 다른 사용자와의 유사정보 또는 상기 사용자 활동정보의 누적 변화에 따라 가변되는 것을 특징으로 하는 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 사용자 객관적 특징정보는,
성별, 나이, 직업, 주소, 국적, 또는 인종 중 어느 하나 이상을 포함하는 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 사용자 성격정보는,
성격 유형을 판단하기 위한 질문에 대한 응답에 따라 도출되는 정보인 것을 특징으로 하는 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 다른 사용자와의 유사정보는,
상기 사용자 객관적 특징정보 또는 상기 사용자 성격정보에 따른 유사도가 임계치 이상인 다른 사용자의 취향정보인 것을 특징으로 하는 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 사용자 활동정보는,
사용자의 콘텐츠 선택, 콘텐츠 검색, 추천 콘텐츠의 선택, 추천 콘텐츠에 대한 만족도 중 어느 하나 이상을 포함하는 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 취향정보는,
데이터 마이닝 또는 머신러닝을 통해 도출되는 것을 특징으로 하는 콘텐츠 큐레이션 방법.
제1항에 있어서,
상기 제2 사용자는 복수인 것을 특징으로 하는 콘텐츠 큐레이션 방법.
제1 사용자로부터 공통취향 콘텐츠를 제공받을 제2 사용자를 수신하고, 상기 공통취향 콘텐츠를 상기 제1 사용자에게 송신하는 통신부;
상기 제1 사용자의 취향정보 및 상기 제2 사용자의 취향정보로부터 공통취향 콘텐츠를 도출하는 프로그램을 저장하는 메모리; 및
상기 공통취향 콘텐츠를 도출하는 프로그램을 구동하는 적어도 하나의 프로세서를 포함하되,
상기 취향정보는,
사용자 객관적 특징정보, 사용자 성격정보, 사용자 선택 콘텐츠 카테고리정보, 다른 사용자와의 유사정보, 또는 사용자 활동정보 중 어느 하나 이상을 통해 산출되는 콘텐츠 카테고리별 가중치를 나타내는 것을 특징으로 하는 공통취향 콘텐츠 큐레이션 장치.
제12항에 있어서,
상기 메모리에 저장된 프로그램은,
상기 제1 사용자 및 상기 제2 사용자의 취향정보에 따른 콘텐츠 카테고리별 가중치 값에 따라 하나 이상의 공통취향 콘텐츠 카테고리를 도출하고, 상기 도출된 공통취향 콘텐츠 카테고리에 포함된 하나 이상의 콘텐츠를 공통취향 콘텐츠를 도출하는 것을 특징으로 하는 콘텐츠 큐레이션 장치.
제12항에 있어서,
상기 메모리에 저장된 프로그램은,
상기 도출된 공통취향 콘텐츠가 복수인 경우, 제1 사용자의 정보 및 제2 사용자의 정보, 상기 도출된 복수의 공통취향 콘텐츠를 연결하는 콘텐츠 추천코스를 생성하는 것을 특징으로 하는 콘텐츠 큐레이션 장치.
제12항에 있어서,
상기 메모리에 저장된 프로그램은,
상기 제1 사용자로부터 수신한 데이터로부터 상기 사용자 객관적 특징정보, 상기 사용자 성격정보, 및 상기 사용자 선택 선호 콘텐츠 카테고리정보를 도출하고, 상기 사용자 객관적 특징정보, 상기 사용자 성격정보, 및 상기 사용자 선택 선호 콘텐츠 카테고리정보를 이용하여 콘텐츠 카테고리별 가중치를 초기화하되,
상기 사용자 성격정보를 다른 사용자의 취향정보와의 유사도를 데이터 마이닝을 통해 측정하여, 상기 유사도가 임계치 이상인 다른 사용자의 취향정보에 따른 가중치를 반영하는 것을 특징으로 하는 콘텐츠 큐레이션 장치.
제12항에 있어서,
상기 사용자 객관적 특징정보는 성별, 나이, 직업, 주소, 국적, 또는 인종 중 어느 하나 이상을 포함하고,
상기 사용자 성격정보는 성격 유형을 판단하기 위한 질문에 대한 응답에 따라 도출되는 정보이며,
상기 다른 사용자와의 유사정보는 상기 사용자 객관적 특징정보 및 상기 사용자 성격정보에 따른 유사도가 임계치 이상인 다른 사용자의 취향정보이고,
상기 사용자 활동정보는 사용자의 콘텐츠 선택입력, 콘텐츠 검색, 추천 콘텐츠의 선택여부, 추천 콘텐츠에 대한 만족도 중 어느 하나 이상을 포함하는 콘텐츠 큐레이션 장치.
제12항에 있어서,
상기 취향정보는 데이터 마이닝 또는 머신러닝을 통해 도출되는 것을 특징으로 하는 콘텐츠 큐레이션 장치.