KR20210118566A - 동영상을 추천하기 위한 방법 및 시스템 - Google Patents

동영상을 추천하기 위한 방법 및 시스템 Download PDF

Info

Publication number
KR20210118566A
KR20210118566A KR1020200034965A KR20200034965A KR20210118566A KR 20210118566 A KR20210118566 A KR 20210118566A KR 1020200034965 A KR1020200034965 A KR 1020200034965A KR 20200034965 A KR20200034965 A KR 20200034965A KR 20210118566 A KR20210118566 A KR 20210118566A
Authority
KR
South Korea
Prior art keywords
video
videos
text
recommending
noun
Prior art date
Application number
KR1020200034965A
Other languages
English (en)
Other versions
KR102313037B1 (ko
Inventor
윤종식
Original Assignee
윤종식
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 윤종식 filed Critical 윤종식
Priority to KR1020200034965A priority Critical patent/KR102313037B1/ko
Priority to CN202110288301.9A priority patent/CN113505264B/zh
Priority to US17/207,714 priority patent/US11640427B2/en
Publication of KR20210118566A publication Critical patent/KR20210118566A/ko
Application granted granted Critical
Publication of KR102313037B1 publication Critical patent/KR102313037B1/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]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications
    • 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
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • 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
    • 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
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • 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
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7834—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using audio features
    • 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
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/233—Processing of audio elementary streams
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/254—Management at additional data server, e.g. shopping server, rights management server
    • H04N21/2542—Management at additional data server, e.g. shopping server, rights management server for selling goods, e.g. TV shopping
    • 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
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/47815—Electronic shopping
    • 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
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/84—Generation or processing of descriptive data, e.g. content descriptors
    • H04N21/8405—Generation or processing of descriptive data, e.g. content descriptors represented by keywords
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8547—Content authoring involving timestamps for synchronizing content

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Acoustics & Sound (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)

Abstract

본 개시에 따른 동영상 추천 시스템에 의해 동영상을 추천하기 위한 방법은, 상기 동영상 추천 시스템의 동영상 수집부에 의해, 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보를 수집하여 상기 동영상 추천 시스템의 데이터베이스에 저장하는 단계로서, 상기 제품들과 관련된 동영상들 및 동영상들의 영상 정보는, 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나에 기초하여 수집되는, 수집하여 저장하는 단계; 상기 동영상 추천 시스템의 동영상 데이터 가공부에 의해, 상기 동영상들 각각에 포함된 음성을 텍스트로 변환하는 단계; 상기 동영상 데이터 가공부에 의해, 상기 변환된 텍스트로부터 단어들 및 단어들 각각에 대한 타임스탬프를 획득하는 단계; 상기 동영상 데이터 가공부에 의해, 상기 텍스트의 형태소를 분석함으로써, 상기 텍스트 내의 명사 키워드들을 추출하고 상기 명사 키워드들의 빈도들을 확인하는 단계; 상기 동영상 데이터 가공부에 의해, 상기 텍스트 내의 상기 단어들로 구성된 문장들에 대해 감성 분석을 수행하는 단계; 상기 동영상 추천 시스템의 동영상 추천부에 의해, 상기 제품들 중 하나에 대한 선택을 수신하는 단계; 상기 동영상 추천부에 의해, 상기 명사 키워드들 및 상기 명사 키워드들의 빈도들에 기초하여, 상기 데이터베이스에 저장된 상기 동영상들 중에서 선택된 제품과 연관된 동영상들을 식별하는 단계; 상기 동영상 추천부에 의해, 상기 감성 분석의 결과에 기초하여, 상기 식별된 동영상들 중 미리 결정된 기준에 따라 동영상들을 제공하는 단계; 및 상기 제공된 동영상들 중 하나가 선택되면, 상기 동영상 추천부에 의해, 상기 선택된 제품과 연관된 시간 구간에서의 부분 영상을 제공하는 단계를 포함한다.

Description

동영상을 추천하기 위한 방법 및 시스템{METHOD AND SYSTEM FOR RECOMMENDING VIDEO}
본 개시는 일반적으로 동영상의 추천에 관한 것으로, 보다 구체적으로 동영상에 포함된 음성을 분석하여 동영상을 추천하기 위한 방법 및 시스템에 관한 것이다.
판매 서비스 등의 제공에 있어서, 제품의 정보를 선행적으로 파악하여 제품의 구매 여부를 합리적으로 결정하고자 하는 소비자의 요구가 증대되고 있다. 마찬가지로, 제품의 정보를 제공함과 동시에 해당 제품을 보다 용이하게 홍보하고 추천하고자 하는 사업자의 요구 역시 증대되고 있다. 이와 같은 양측의 요구를 충족시키기 위한 다양한 기술들이 개발되고 있으며, 특히, 제품의 추천에 적합한 동영상을 선별하여 추천하는 기술이 연구되고 있다. 이러한 동영상 추천 기술의 경우, 동영상과 제품 간의 연관성 및 동영상의 제품에 대한 감성을 보다 정확하게 판단하고, 소비자가 동영상에서 제품에 관한 정보를 보다 용이하게 획득하는 것이 요구될 수 있다.
특허문헌 1 은 동영상을 실제로 시청한 사용자들의 평가 및 동영상을 시청할 사용자의 선호도를 고려하여 추천 동영상을 선별하는 방법을 개시하고 있다. 또한, 특허문헌 2 는 영상 재생 시에 사용자의 표정 및 생체 정보 중 적어도 하나를 인식하여 영상의 각 장면에 대한 사용자의 관심 유무를 판단함으로써 상기 영상으로부터 상기 사용자의 관심 장면에 대한 재생 시간 값을 추출하는 것을 개시하고 있다.
대한민국 등록특허공보 제10-1305535호 (2013.09.02.) 대한민국 등록특허공보 제10-1617649호 (2016.04.27.)
그러나, 특허문헌 1 의 경우, 동영상의 내용 자체를 기초로 하는 것이 아니므로 제품을 구매하고자 하는 소비자에게 해당 제품에 관한 정보를 제공하기 어렵다는 문제가 존재한다.
특허문헌 2 역시 동영상의 내용 자체에서 제품의 정보가 등장하는 부분을 추출하는 것이 아니라 동영상을 시청하는 사용자의 반응을 학습함으로써 관심 장면으로 판단되는 구간을 추출하는 것에 불과하므로, 소비자가 동영상 속에서 제품에 관한 정보를 용이하게 획득하기 어렵다는 문제가 존재한다.
본 개시의 일부 실시예들에 따르면, 동영상 추천 시스템에 의해 동영상을 추천하기 위한 방법은, 상기 동영상 추천 시스템의 동영상 수집부에 의해, 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보를 수집하여 상기 동영상 추천 시스템의 데이터베이스에 저장하는 단계로서, 상기 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보는, 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나에 기초하여 수집되는, 수집하여 저장하는 단계; 상기 동영상 추천 시스템의 동영상 데이터 가공부에 의해, 상기 동영상들 각각에 포함된 음성을 텍스트로 변환하는 단계; 상기 동영상 데이터 가공부에 의해, 상기 변환된 텍스트로부터 단어들 및 단어들 각각에 대한 타임스탬프를 획득하는 단계; 상기 동영상 데이터 가공부에 의해, 상기 텍스트의 형태소를 분석함으로써, 상기 텍스트 내의 명사 키워드들을 추출하고 상기 명사 키워드들의 빈도들을 확인하는 단계; 상기 동영상 데이터 가공부에 의해, 상기 텍스트 내의 상기 단어들로 구성된 문장들에 대해 감성 분석을 수행하는 단계; 상기 동영상 추천 시스템의 동영상 추천부에 의해, 상기 제품들 중 하나에 대한 선택을 수신하는 단계; 상기 동영상 추천부에 의해, 상기 명사 키워드들 및 상기 명사 키워드들의 빈도들에 기초하여, 상기 데이터베이스에 저장된 상기 동영상들 중에서 선택된 제품과 연관된 동영상들을 식별하는 단계; 상기 동영상 추천부에 의해, 상기 감성 분석의 결과에 기초하여, 상기 식별된 동영상들 중 미리 결정된 기준에 따라 동영상들을 제공하는 단계; 및 상기 제공된 동영상들 중 하나가 선택되면, 상기 동영상 추천부에 의해, 상기 선택된 제품과 연관된 시간 구간에서의 부분 영상을 제공하는 단계를 포함한다.
본 개시의 일부 실시예들에 따르면, 동영상을 추천하기 위한 시스템은, 동영상 수집부; 동영상 데이터 가공부; 동영상 추천부; 및 상기 동영상 수집부 및 상기 동영상 데이터 가공부에 의해 처리된 데이터를 저장하는 데이터베이스를 포함하고, 상기 동영상 수집부는, 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보를 수집하여 상기 데이터베이스에 저장하는 것으로서, 상기 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보는, 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나에 기초하여 수집되는, 동영상들 및 영상 정보를 수집하여 저장하고, 상기 동영상 데이터 가공부는, 상기 동영상들 각각에 포함된 음성을 텍스트로 변환하고, 상기 변환된 텍스트로부터 단어들 및 단어들 각각에 대한 타임스탬프를 획득하고, 상기 텍스트의 형태소를 분석함으로써, 상기 텍스트 내의 명사 키워드들을 추출하고 상기 명사 키워드들의 빈도들을 확인하고, 상기 텍스트 내의 상기 단어들로 구성된 문장들에 대해 감성 분석을 수행하고, 상기 동영상 추천부는, 상기 제품들 중 하나에 대한 선택을 수신하고, 상기 명사 키워드들 및 상기 명사 키워드들의 빈도들에 기초하여, 상기 데이터베이스에 저장된 상기 동영상들 중에서 선택된 제품과 연관된 동영상들을 식별하고, 상기 감성 분석의 결과에 기초하여, 상기 식별된 동영상들 중 미리 결정된 기준에 따라 동영상들을 제공하고, 상기 제공된 동영상들 중 하나가 선택되면, 상기 선택된 제품과 연관된 시간 구간에서의 부분 영상을 제공한다.
본 개시에 따른 동영상을 추천하기 위한 방법 및 시스템은, 동영상을 추천하는 과정에서, 동영상의 음성 데이터를 텍스트로 변환하고 텍스트의 각 문장의 감성을 분석함으로써 제품에 대한 해당 동영상의 감성을 보다 정확하게 판단할 수 있고, 동영상이 제품의 광고 및 홍보에 활용되도록 할 수 있다.
본 개시에 따른 동영상을 추천하기 위한 방법 및 시스템은, 동영상을 추천하는 과정에서, 선택된 동영상 속에서 특정 제품 또는 제품의 특성이 언급되는 시점을 도출함에 따라 해당 시점부터 재생 가능하도록 동영상을 제공할 수 있으므로, 동영상 내에서 제품 및 제품의 특성에 관한 부분을 보다 편리하게 확인할 수 있게 한다.
본 개시에 따른 동영상을 추천하기 위한 방법 및 시스템은, 동영상을 추천하는 과정에서, 동영상 내에서 제품 및 제품의 특성이 언급되는 구간과 관련하여, 해당 구간에서 제품 및 제품의 특성에 대한 감성을 분류함으로써, 소비자가 보다 신속하게 제품 또는 서비스에 대한 정보를 파악하고 의사결정을 내릴 수 있게 한다.
도 1 은 일부 실시예들에 따른 서비스 제공 시스템을 도시한다.
도 2 는 일부 실시예들에 따른 동영상 추천 시스템의 구성을 도시한다.
도 3 은 일부 실시예들에 따른 전자 장치의 구성을 도시한다.
도 4 는 일부 실시예들에 따른 동영상 추천 시스템에서 동영상을 추천하기 위한 흐름도를 도시한다.
도 5 는 일부 실시예들에 따른 동영상 추천 시스템에서 제품과 연관된 동영상들이 제공되는 예를 도시한다.
도 6 은 일부 실시예들에 따른 동영상 추천 시스템에서 제품과 연관된 동영상들이 추가적으로 제공되는 예를 도시한다.
도 7 은 일부 실시예들에 따른 동영상 추천 시스템에서 제품과 연관된 시간 구간에서의 부분 영상이 제공되는 예를 도시한다.
이하에서는 도면을 참조하여 본 개시에 따른 실시예들이 상세하게 설명될 것이다. 이하에서의 설명은 실시예들을 구체화하기 위한 것일 뿐, 본 개시에 따른 권리범위를 제한하거나 한정하기 위한 것은 아니다. 본 개시의 기술 분야에서 통상의 지식을 가진 자가 발명의 상세한 설명 및 실시예들로부터 용이하게 유추할 수 있는 것은 본 개시에 따른 권리범위에 속하는 것으로 해석되어야 한다.
본 개시에서 사용되는 용어는 본 개시의 기술 분야에서 널리 사용되는 일반적인 용어로 기재되었으나, 본 개시에서 사용되는 용어의 의미는 해당 분야에 종사하는 기술자의 의도, 판례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 일부 용어는 출원인에 의해 임의로 선정될 수 있고, 이 경우 해당 용어의 의미가 상세하게 설명될 것이다. 본 개시에서 사용되는 용어는 단지 사전적 의미만이 아닌, 명세서의 전반적인 맥락에 따른 의미로 해석되어야 한다.
본 개시에서 사용되는 '구성된다' 또는 '포함한다' 와 같은 용어는 명세서에 기재되는 구성 요소들 또는 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 일부 구성 요소들 또는 단계들은 포함되지 않는 경우 및 추가적인 구성 요소들 또는 단계들이 더 포함되는 경우 또한 해당 용어로부터 의도되는 것으로 해석되어야 한다.
본 개시에서 사용되는 '제 1' 또는 '제 2'와 같은 서수를 포함하는 용어는 다양한 구성 요소들 또는 단계들을 설명하기 위해 사용될 수 있으나, 해당 구성 요소들 또는 단계들은 서수에 의해 한정되지 않아야 한다. 서수를 포함하는 용어는 하나의 구성 요소 또는 단계를 다른 구성 요소들 또는 단계들로부터 구별하기 위한 용도로만 해석되어야 한다.
이하에서 설명되는 본 개시의 실시예들에서는 하드웨어적인 접근 방법을 예시로서 설명한다. 하지만, 본 개시의 실시예들에서는 하드웨어와 소프트웨어를 모두 사용하는 기술을 포함하고 있으므로, 본 개시의 실시예들이 소프트웨어 기반의 접근 방법을 제외하는 것은 아니다.
이하 본 개시는 동영상을 추천하기 위한 방법 및 시스템에 관한 것이다. 구체적으로, 본 개시는 제품들과 관련한 동영상들의 음성을 인식하고 분석함으로써, 선택된 제품에 적합한 동영상들 속의 특정한 정보를 제공하기 위한 기술을 설명한다.
이하 설명에서 사용되는 시스템들을 지칭하는 용어, 시스템 내의 객체들을 지칭하는 용어, 객체 내의 모듈들을 지칭하는 용어, 장치의 구성 요소들을 지칭하는 용어, 객체에 저장되는 데이터들을 지칭하는 용어 등은 설명의 편의를 위해 예시된 것이다. 따라서, 본 개시가 후술되는 용어들에 한정되는 것은 아니며, 동등한 기술적 의미를 가지는 다른 용어가 사용될 수 있다.
특히, 용어 '부분 영상'은 본 개시의 전체에서, 제품명 또는 제품의 하나 이상의 특성이 언급되는 구간의 시작 시점부터 재생되도록 설정된 동영상, 또는 제품명 또는 제품의 하나 이상의 특성이 언급되는 구간의 시작 시점보다 미리 결정된 시간만큼의 이전 시점부터 재생되도록 설정된 동영상을 의미하는 것으로 정의될 수 있다. 즉, 용어 '부분 영상'은 재생의 시작 시점이 동영상의 전체 재생 구간의 시작 시점 외의 중간 시점에서 재생이 시작됨으로써, 재생될 수 있는 구간이 전체 재생 구간의 적어도 일부인 동영상이라는 것을 나타내기 위한 것이다.
이하에서는 도면을 참조하여 본 개시에 따른 실시예들이 상세하게 설명될 것이다. 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 대해서는 자세한 설명이 생략된다.
도 1 은 일부 실시예들에 따른 서비스 제공 시스템 (100) 을 도시한다. 도 1 의 서비스 제공 시스템 (100) 은 동영상 추천 시스템 (110), 웹 서버 (120), 사용자 장치 (130) 를 포함한다.
서비스 제공 시스템 (100) 은 사용자 장치 (130) 의 사용자에게 특정한 서비스를 제공하기 위한 포괄적인 시스템을 의미할 수 있다. 예를 들면, 서비스는, 웹 페이지를 통해 판매 중인 제품에 대한 정보를 제공하고, 소비자에 의해 구매 처리된 제품을 배송하도록 처리하는 것과 같은 제품의 판매를 위해 고려될 수 있는 전반적인 서비스를 의미하는 것일 수 있다.
동영상 추천 시스템 (110) 은 사용자 장치 (130) 에게 동영상들을 추천하기 위한 시스템이다. 동영상 추천 시스템 (110) 은 서비스 제공 시스템 (100) 에서 판매 등을 위해 등록되어 있는 제품들에 대한 동영상들 및 각 동영상에 대한 분석 결과를 저장하고, 사용자 장치 (130) 에 의해 선택된 제품과 관련한 동영상들을 제공할 수 있다. 예를 들어, 동영상 추천 시스템 (110) 은 동영상들에 포함되어 있는 음성 데이터에 기초하여 각 동영상 속에서 언급되는 제품 및 해당 제품에 대한 평가를 파악함으로써, 사용자 장치 (130) 에 의해 검색 및 선택된 제품에 적합한 동영상들을 제공하고, 나아가 선택된 동영상 속에서 해당 제품이 언급되는 부분을 바로 제공할 수도 있다. 상술한 기능을 수행하기 위해, 동영상 추천 시스템 (110) 은 하나의 객체를 포함하거나 또는 기능적으로 분리된 다수의 객체들을 포함할 수 있다.
웹 서버 (120) 는 사용자에게 웹 (web) 을 제공하기 위한 서버로서, 웹에서 사용자 장치 (130) 에 의해 서비스가 요청되는 경우 네트워크를 통해 웹 페이지를 제공할 수 있다. 예를 들어, 웹 서버 (120) 는 판매 중인 제품들의 이미지, 제품명, 가격과 같은 정보를 포함하는 제품 목록을 나타내는 웹 페이지를 사용자 장치 (130) 에게 제공할 수 있다. 또한, 웹 서버 (120) 는 사용자 장치 (130) 에 의해 특정 제품에 대한 검색이 요청되면, 검색 결과를 나타내는 웹 페이지를 사용자 장치 (130) 에게 제공할 수 있다. 또한, 웹 서버 (120) 는 사용자 장치 (130) 에 의해 특정 제품이 선택된 경우, 동영상 추천 시스템 (110) 으로부터 제공되는 특정 제품과 연관된 동영상들을 포함하는 웹 페이지를 사용자 장치 (130) 에게 제공할 수 있다. 또한, 웹 서버 (120) 는 사용자 장치에 (130) 에 의해 특정 동영상이 선택된 경우, 동영상 추천 시스템 (110) 으로부터 제공되는 특정 동영상 속에서 특정 제품이 언급되는 부분을 나타내는 웹 페이지를 사용자 장치 (130) 에게 제공할 수 있다. 상술한 바와 같이, 웹 서버 (120) 는 동영상 추천 시스템 (110) 에 의해 제공되는 다양한 형태의 동영상 추천 서비스를 사용자 장치 (110) 에게 웹 페이지의 형식으로 제공할 수 있다.
사용자 장치 (130) 는 사용자에 의해 사용되는 장치로서, 서비스 제공 시스템 (100) 이 제공하는 서비스를 웹 서버 (120) 를 통해 제공받을 수 있는 다양한 장치일 수 있다. 예를 들면, 사용자 장치 (130) 는 퍼스널 컴퓨터 (personal computer, PC), 스마트폰, 태블릿 PC, 및 기타 모바일 디바이스 등과 같은 다양한 종류의 컴퓨팅 디바이스일 수 있다. 이러한 사용자 장치 (130) 는 이하에서 상세히 설명될 동영상 추천 시스템 (110) 이 제공하는 동영상 추천 서비스를 웹 서버 (120) 를 통해 제공받을 수 있다.
도 2 는 일부 실시예들에 따른 동영상 추천 시스템의 구성을 도시한다. 도 2 에 예시된 구성은 동영상 추천 시스템 (110) 의 구성으로서 이해될 수 있다. 이하 사용되는 '…부', '…기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 2 를 참조하면, 동영상 추천 시스템 (110) 은 동영상 수집부 (210), 동영상 데이터 가공부 (220), 동영상 추천부 (230), 데이터베이스 (240) 를 포함한다.
동영상 수집부 (210) 는 서비스 제공 시스템 (100) 에 의해 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보를 수집하고, 데이터베이스 (240) 에 저장할 수 있다. 구체적으로, 동영상 수집부 (210) 는 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나에 기초하여, 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보를 수집할 수 있다. 예를 들면, 제공 중인 서비스가 건강 보조 식품의 판매인 경우, 동영상 수집부 (210) 는 판매 중인 건강 보조 식품들 각각의 제품명 또는 건강 보조 식품들 각각에 함유된 주성분명 중 적어도 하나에 기초하여 동영상들을 수집할 수 있다. 또한, 동영상 수집부 (210) 는 미리 설정된 주기에 따라 동영상들 및 동영상들의 영상 정보를 재수집하여 저장함으로써, 최근 인터넷에 업로드되는 관련 동영상들이 반영되도록 할 수 있다.
동영상 수집부 (210) 는 동영상들에 관한 다양한 영상 정보를 수집하고, 저장할 수 있다. 예를 들어, 동영상 수집부 (210) 는 이하의 <표 1>과 같은 정보들을 동영상들과 함께 데이터베이스 (240) 에 저장할 수 있다.
영상 정보 정보의 내용
name 동영상 제목
views 동영상 조회수
upload date 동영상 업로드 날짜
good 좋아요 수
hate 싫어요 수
subscriber 구독자 수
URL 동영상 주소
comment 댓글
<표 1>에 나타난 바와 같이, 동영상 수집부 (210) 는 동영상들과 함께 동영상들 각각에 대한 동영상 제목, 동영상의 조회수, 동영상의 업로드 날짜, 동영상에 대한 선호도를 나타내는 표시(예: 좋아요 수, 싫어요 수), 동영상이 업로드된 채널의 구독자 수, 동영상의 주소, 또는 영상에 대한 댓글들 중 적어도 하나를 포함하는 영상 정보를 수집하고, 데이터베이스 (240) 에 저장할 수 있다. 또한, 동영상 수집부 (210) 는 <표 1>에서 설명된 영상 정보 외에도 동영상에 관한 다양한 부가 정보들을 저장할 수 있다.
동영상 데이터 가공부 (220) 는 동영상들 각각에 포함된 음성을 텍스트로 변환할 수 있다. 동영상 데이터 가공부 (220) 에 의해 음성을 텍스트로 변환하는 단계는, STT (speech to text) 에 기초하여, 음성을 텍스트로 변환하는 단계를 포함할 수 있다.
동영상 데이터 가공부 (220) 는 변환된 텍스트로부터 단어들 및 단어들 각각에 대한 타임스탬프를 획득할 수 있다. 구체적으로, 동영상 데이터 가공부 (220) 에 의해 타임스탬프를 획득하는 단계는, 음성이 지속되는 시간에 기초하여 텍스트에 포함된 단어들을 식별하는 단계, 및 식별된 단어들 및 단어들 각각의 타임스탬프를 함께 출력하는 단계를 포함할 수 있다.
텍스트에 대해 획득되는 타임스탬프는 단어들 각각의 시작 시점 및 지속 시간을 나타내는 값을 포함할 수 있다. 또한, 타임스탬프는 텍스트에 포함된 단어들 각각에 대해, 단어가 정확하게 식별되었는지 여부를 수치적으로 나타내는 정확도를 더 포함할 수 있다. 이하 <표 2>에서 동영상의 일부 내용에 대한 단어 별 타임스탬프의 예시를 확인할 수 있다.
시작 시점 [s] 지속 시간 [s] 키워드 정확도
6.39 0.51 영양제 1.00
6.90 0.15 를 1.00
7.05 0.30 처음 0.90
7.35 0.42 드시는 0.46
7.77 0.57 분들은 0.98
8.37 0.54 영양제 0.60
8.91 0.06 의 0.75
8.97 0.39 기본 0.82
9.36 0.42 이죠 0.93
10.08 1.17 종합비타민제 0.94
11.37 0.54 비타민 1.00
11.91 0.36 D 0.67
12.30 0.27 그리고 1.00
12.57 0.33 오메가 1.00
12.90 0.39 3 1.00
<표 2>에 나타난 바와 같이, 동영상 데이터 가공부 (220) 는 동영상 속 음성이 존재하는 구간 사이의 간격, 지속 시간 등에 기초하여, 각 구간에서의 음성에 대응하는 텍스트를 식별하고 식별된 텍스트에 대한 정확도를 산출할 수 있다. 이 경우, 정확도는 [0, 1] 사이의 확률을 나타내는 값으로 표현될 수 있다.
STT 에 기초하여 동영상에 포함된 음성을 텍스트로 변환하는 과정은 딥 러닝 (deep learning) 훈련 모델에 기초하여 수행될 수 있다. 또한, 딥 러닝 훈련 모델은 음향 모델 또는 언어 모델 중 적어도 하나를 포함할 수 있다. 즉, 동영상 데이터 가공부 (220) 는 딥 러닝 훈련 모델을 이용하여 학습된 STT에 기초하여, 동영상에 포함된 음성을 텍스트로 변환할 수 있다.
동영상 데이터 가공부 (220) 는 텍스트의 형태소를 분석함으로써, 텍스트 내의 명사 키워드들을 추출하고 명사 키워드들의 빈도들을 확인할 수 있다. 보다 구체적으로, 동영상 데이터 가공부 (220) 에 의해 텍스트 내의 명사 키워드들을 추출하고 명사 키워드들의 빈도들을 확인하는 단계는, 추출되는 명사 키워드들의 동일 여부를 확인하고 카운트함으로써, 명사 키워드들의 빈도들을 확인하는 단계를 포함할 수 있다. 또한, 동영상 데이터 가공부 (220) 에 의해 추출된 명사 키워드들은 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나를 포함할 수 있다.
텍스트에 대해 수행되는 형태소의 분석은, 딥 러닝에 기초하여 사전 학습된 형태소 분석기를 이용하여 수행될 수 있다. 이 경우, 서비스 제공 시스템 (100) 에 의해 제공 중인 서비스와 관련된 명사 키워드를 추출하기 위해, 사전 처리된 형태소 분석기가 이용될 수 있다. 예를 들면, 제공 중인 서비스가 건강 보조 식품의 판매인 경우, 전술한 <표 2>와 같은 단어 별 타임스탬프가 획득될 수 있다. 이때, STT 의 수행 결과에 따르면 '비타민' 및 'D'가 개별적인 단어로 식별되고, '오메가' 및 '3' 역시 개별적인 단어로 식별될 수 있다. 본 개시의 일부 실시예들에서는, 개별적인 단어로 식별되는 '비타민', 'D'를 '비타민 D'로 추출하고, '오메가', '3'을 '오메가 3'으로 추출하기 위해, 판매 중인 건강 보조 식품의 정보를 수집함으로써 형태소 분석기가 사전 처리될 수 있다. 이와 같이 형태소 분석기를 서비스에 적합한 형태로 사전 처리하고 학습시킴으로써, 동영상 데이터 가공부 (220) 는 형태소 분석을 통해 <표 2>에서 '영양제', '처음', '분', '기본', '종합비타민제', '비타민 D', '오메가 3'를 명사 키워드로 추출할 수 있다.
동영상 데이터 가공부 (220) 는 추출된 명사 키워드들의 빈도를 확인하고, 데이터베이스 (240) 에 저장할 수 있다. 이하 <표 3>에서 빈도에 따라 정렬된 명사 키워드들이 예시된다.
명사 키워드 빈도 (frequency)
비타민 28
제품 27
정도 26
함량 18
하나 14
고용량 12
캅셀 11
형태 11
셀레늄 11
설명 10
엽산 10
예를 들어, 제공 중인 서비스가 건강 보조 식품의 판매인 경우, 동영상 데이터 가공부 (220) 는 동영상에 대해 STT 를 수행하여 획득한 텍스트에서 명사 키워드들을 추출하고, 추출된 횟수에 따라 명사 키워드들을 정렬할 수 있다. <표 3>을 참조하면, '비타민', '제품', '정도', '함량'이 각각 28회, 27회, 26회, 18회, 다른 명사 키워드들은 그 이하의 횟수로 추출되어 정렬되고 데이터베이스 (240) 에 저장될 수 있다. 동영상 데이터 가공부 (220) 는 이와 같이 저장된 명사 키워드들 및 그 빈도를 동영상의 제공 시에 해당 동영상의 적합성을 판단하는 데 이용할 수 있다.
동영상 데이터 가공부 (220) 는 텍스트 내의 단어들로 구성된 문장들에 대해 감성 분석을 수행할 수 있다. 구체적으로, 동영상 데이터 가공부 (220) 에 의해 감성 분석을 수행하는 단계는 미리 구성된 감성 사전에 기초하여, 문장 별로 감성에 대한 예측값 및 예측값에 대한 신뢰도를 산출하는 단계를 포함할 수 있다. 또한, 동영상 데이터 가공부 (220) 는 문장 별로 산출된 감성에 대한 예측값 및 예측값에 대한 신뢰도를 데이터베이스 (240) 에 저장하고 추후 서비스의 제공 수준을 결정할 때 이용할 수 있다. 감성에 대한 예측값은, 긍정을 나타내는 제 1 값 또는 부정을 나타내는 제 2 값 중 하나로 산출될 수 있다. 이 경우, 제 1 값 및 제 2 값은 서로 다른 값으로 설정될 수 있다. 예를 들어, 제 1 값은 1, 제 2 값은 0으로 설정될 수 있으나, 이는 예시일 뿐이며 제 1 값 및 제 2 값은 다양한 값들로 설정될 수 있다. 또한, 각 예측값에 대한 신뢰도는 백분율 단위로 [0, 100] 사이의 값을 가질 수 있다. 이때 백분율 단위의 수치 표현은 단지 예시일 뿐이며, 신뢰도는 다양한 형식으로 표현될 수 있다. 추가적으로, 감성에 대한 예측값은 감성을 판단할 수 없는 경우를 나타내기 위한 제 3 값을 포함할 수 있으며, 제 3 값은 제 1 값 및 제 2 값과 상이한 값으로 설정될 수 있다. 예를 들면, 긍정을 나타내는 제 1 값은 1, 부정을 나타내는 제 2 값은 0, 판단 불가를 나타내는 제 3 값은 2로 설정될 수 있으나, 이는 예시일 뿐이며 제 1 값, 제 2 값, 및 제 3 값은 다양한 값들로 설정될 수 있다.
감성 분석을 수행하는 것에 이용되는 감성 사전은 미리 결정된 주기로 업데이트될 수 있다. 즉, 감성 표현에 관한 새로운 감탄사 및 평가 단어와 같은 신조어가 감성 사전에 반영되도록 감성 사전을 지속적으로 업데이트함으로써, 감성 사전의 정확도가 유지될 수 있다. 일부 실시예들에서 감성 사전이 업데이트되는 주기는 다양하게 결정될 수 있다.
동영상 데이터 가공부 (220) 에 의해 수행되는 감성 분석은, 딥 러닝에 기초하여 감성 사전을 사전 학습한 감성 모델을 이용하여 수행될 수 있다. 감성 모델은, n-그램 (n-gram) 또는 나이브베이지안 (Naive Bayesian) 분류 모델에 기초하여 구성될 수 있다. 즉, 감성 모델은 사전에 수집한 다양한 데이터에 n-그램 또는 나이브베이지안 분류 모델을 적용함으로써 구성될 수 있다. 또한, 동영상 데이터 가공부 (220) 는 감성 분석의 결과 데이터가 수집되면 감성 모델을 재학습시킴으로써, 제공 중인 서비스에 적합한 형태로 감성 모델을 구성할 수 있다. 예를 들면, 제공 중인 서비스가 건강 보조 식품의 판매인 경우, 동영상 데이터 가공부 (220) 는 감성 모델이 동영상 속에서 언급되는 제품에 관한 평가를 보다 정확히 반영할 수 있도록, 재학습을 통해 감성 모델을 건강 보조 식품의 리뷰에 적합한 형태로 개선할 수 있다. 동영상 데이터 가공부 (220) 에 의해 수행된 감성 분석의 결과에 대한 데이터, 즉 각 문장과 문장 별 예측값 및 신뢰도는, 전술한 형태소 분석 결과에 대한 데이터와 함께 데이터베이스 (240) 에 저장되어 추후 동영상 제공을 위해 이용될 수 있다.
동영상 추천부 (230) 는 제품들 중 하나에 대한 선택을 수신할 수 있다. 제품들 중 하나에 대한 선택은 사용자 장치 (130) 로부터 송신될 수 있다. 구체적으로, 웹 서버 (120) 에 의해 제공되는 웹 페이지 상에서 등록된 제품들 중 적어도 하나가 검색되도록 하기 위해, 제품들 중 적어도 하나와 연관되는 제품명의 적어도 일부 또는 제품들의 특성을 나타내는 명칭 중 적어도 하나인 검색 키워드가 사용자 장치 (130) 에 입력될 수 있다. 사용자 장치 (130) 는 입력된 검색 키워드에 따라 검색된 제품들 중 하나를 선택하는 입력을 수신하고, 이와 같은 제품들 중 하나에 대한 선택은 웹 서버 (120) 를 통해 동영상 추천부 (230) 에게 전달될 수 있다. 예를 들어, 제공 중인 서비스가 건강 보조 식품의 판매인 경우, 사용자 장치 (130) 는 웹 서버 (120) 를 통해 건강 보조 식품들이 판매되는 웹 페이지를 제공받을 수 있다. 이 경우, 웹 페이지 상에 표시되는 건강 보조 식품들 중 사용자가 원하는 제품 또는 주성분을 가진 제품들이 검색 키워드를 이용하여 검색되고, 검색된 적어도 하나의 제품 중에서 하나의 제품이 사용자 장치 (130) 에 의해 선택될 수 있다.
동영상 추천부 (230) 는 명사 키워드들 및 명사 키워드들의 빈도들에 기초하여, 데이터베이스 (240) 에 저장된 동영상들 중 선택된 제품과 연관된 동영상들을 식별할 수 있다. 보다 구체적으로, 동영상 추천부 (230) 에 의해 저장된 동영상들 중 선택된 제품과 연관된 동영상들을 식별하는 단계는, 선택된 제품에 대응하는 적어도 하나의 명사 키워드를 식별하는 단계, 및 적어도 하나의 명사 키워드가 추출된 동영상들 중에서 적어도 하나의 명사 키워드의 빈도가 미리 결정된 기준을 만족하는 동영상들을 결정하는 단계를 포함할 수 있다.
동영상 추천부 (230) 는 선택된 제품에 대응하는 적어도 하나의 명사 키워드를 식별할 수 있다. 구체적으로, 동영상 추천부 (230) 는 제품이 선택되면, 데이터베이스 (240) 에 저장된 명사 키워드들 중에서 제품과 연관된 명사 키워드가 존재하는지 판단할 수 있다. 즉, 동영상 추천부 (230) 는 전술한 바와 같이 동영상 데이터 가공부 (220) 에 의해 텍스트로부터 추출되어 데이터베이스 (240) 에 저장된 명사 키워드들 중에서, 선택된 제품의 제품명 또는 선택된 제품의 적어도 하나의 특성에 대응하는 명사 키워드를 식별할 수 있다. 이 경우, 동영상 추천부 (230) 는 전술한 바와 같이 동영상의 명사 키워드를 추출하는 과정에서 데이터베이스 (240) 에 저장된 제품명 및 해당 제품의 적어도 하나의 특성의 연관 관계에 따라, 선택된 제품과 관련된 주성분을 식별할 수 있다.
동영상 추천부 (230) 는 적어도 하나의 명사 키워드가 추출된 동영상들 중에서 적어도 하나의 명사 키워드의 빈도가 미리 결정된 기준을 만족하는 동영상들을 결정할 수 있다. 구체적으로, 동영상 추천부 (230) 는 전술한 바와 같이 선택된 제품에 대응하는 명사 키워드를 식별하면, 저장된 동영상들 중에서 해당 명사 키워드가 텍스트에서 추출되었던 동영상들을 식별할 수 있다. 또한, 동영상 추천부 (230) 는 식별된 동영상들 중에서 해당 명사 키워드가 추출된 빈도가 미리 결정된 기준을 만족하는 동영상들을 결정할 수 있다. 즉, 동영상 추천부 (230) 는 선택된 제품에 대응하는 명사 키워드가 미리 결정된 빈도 이상으로 추출된 동영상들을 식별할 수 있다. 예를 들어, 제공 중인 서비스가 건강 보조 식품의 판매인 경우, 동영상 추천부 (230) 는 사용자 장치 (130) 에 의해 선택된 건강 보조 식품의 제품명 또는 주성분에 대응하는 명사 키워드를 식별하고, 데이터베이스 (240) 에 저장된 동영상들 중에서 건강 보조 식품의 제품명 또는 주성분에 대응하는 명사 키워드가 N 회 이상 추출된 동영상들을 식별할 수 있다.
동영상 추천부 (230) 는 감성 분석의 결과에 기초하여, 식별된 동영상들 중 미리 결정된 기준에 따라 동영상들을 제공할 수 있다. 보다 구체적으로, 동영상 추천부 (230) 에 의해 감성 분석의 결과에 기초하여, 식별된 동영상들 중 미리 결정된 기준에 따라 동영상들을 제공하는 단계는, 식별된 동영상들에 대해, 문장 별로 감성에 대한 예측값 및 예측값에 대한 신뢰도를 식별하는 단계, 및 예측값 및 예측값에 대한 신뢰도에 기초하여, 식별된 동영상들 중 미리 결정된 기준을 만족하는 동영상들을 우선 순위에 따라 제공하는 단계를 포함할 수 있다.
동영상 추천부 (230) 는 식별된 동영상들에 대해, 문장 별로 감성에 대한 예측값 및 예측값에 대한 신뢰도를 식별할 수 있다. 구체적으로, 동영상 추천부 (230) 는 전술한 바와 같이 명사 키워드의 빈도가 미리 결정된 기준을 만족하는 동영상들에 대하여, 동영상들 각각에 대해 감성 분석이 수행된 결과를 확인할 수 있다. 이에 따라, 동영상 추천부 (230) 는 데이터베이스 (240) 에 저장된 감성 분석의 결과 데이터를 확인함으로써 해당 동영상에서 명사 키워드로부터 식별되는 제품 또는 제품의 적어도 하나의 특성에 대해 어떠한 감성을 가지는지 확인할 수 있다. 예를 들어, 제공 중인 서비스가 건강 보조 식품의 판매인 경우, 동영상 추천부 (230) 는 해당 동영상의 감성 분석 결과, 즉 예측값 및 신뢰도를 확인함으로써, 해당 동영상이 검색된 건강 보조 식품에 대해 긍정적이거나 부정적인 감성을 나타내는 것을 확인할 수 있다.
동영상 추천부 (230) 는 예측값 및 예측값에 대한 신뢰도에 기초하여, 식별된 동영상들 중 미리 결정된 기준을 만족하는 동영상들을 우선 순위에 따라 제공할 수 있다. 구체적으로, 동영상 추천부 (230) 는 전술한 바와 같이 명사 키워드의 빈도가 미리 결정된 기준을 만족하는 동영상들에 대해 감성 분석 결과를 확인하고, 문장 별 예측값 및 예측값에 대한 신뢰도에 기초하여 제공할 동영상들을 결정할 수 있다. 이 경우, 제공되는 동영상들은 사업자의 의도에 따라 긍정적인 감성 또는 부정적인 감성을 우선하여 결정될 수 있다. 또한, 미리 결정된 기준은, 특정한 감성에 대한 예측값을 나타내는 문장이 미리 결정된 개수 이상인 것이거나, 신뢰도가 미리 결정된 수치 이상인 것, 문장 별 예측값들에 대한 평균을 계산한 결과가 미리 결정된 값 이상인 것 등과 같이 다양하게 결정될 수 있다. 이에 따라, 동영상 추천부 (230) 는 제공하고자 하는 동영상들의 수를 사업자가 의도하는 수준으로 유지하기 위하여 미리 결정된 수준을 만족하는 동영상들을 해당 제품에 대한 감성의 수준에 따라 순서대로 제공할 수 있다.
동영상 추천부 (230) 에 의해 제공되는 동영상들은, 우선 순위에 따른 순서대로 시각적으로 표시될 수 있다. 구체적으로, 제공되는 동영상들은, 웹 서버 (120) 에 의하여, 선택된 제품에 관한 판매 정보와 동일한 화면 상에서 표시될 수 있다. 예를 들어, 제공 중인 서비스가 건강 보조 식품의 판매인 경우, 선택된 제품과 연관된 동영상의 제공은 후술되는 도 5 및 도 6 에서 예시될 수 있다.
동영상 추천부 (230) 는 제공된 동영상들 중 하나가 선택되면, 선택된 제품과 연관된 시간 구간에서의 부분 영상을 제공할 수 있다. 동영상 추천부 (230) 에 의해 선택된 제품과 연관된 시간 구간에서의 부분 영상을 제공하는 단계는, 선택된 동영상에 대한 STT 의 결과로부터, 선택된 제품에 대응하는 명사 키워드의 타임스탬프를 식별하는 단계, 및 타임스탬프에 대응하는 재생 구간의 시작 시점보다 미리 결정된 시간만큼의 이전 시점에서 재생이 시작되도록 설정된 부분 영상, 부분 영상의 재생이 시작되는 시점, 및 명사 키워드가 포함된 텍스트를 제공하는 단계를 포함할 수 있다.
동영상 추천부 (230) 는 선택된 동영상에 대한 STT 의 결과로부터, 선택된 제품에 대응하는 명사 키워드의 타임스탬프를 식별할 수 있다. 보다 구체적으로, 동영상 추천부 (230) 는 선택된 제품에 대응하는 명사 키워드가 동영상의 어느 구간에서 추출되었는지를 나타내는 타임스탬프를 식별할 수 있다. 타임스탬프에 의해, 명사 키워드가 포함된 문장의 시작 시점 또는 명사 키워드가 언급되는 부분의 재생 구간이 도출될 수 있다. 이와 같이, 도출된 문장의 시작 시점 또는 재생 구간은 부분 영상을 제공하기 위해 이용될 수 있다.
동영상 추천부 (230) 는 타임스탬프에 대응하는 재생 구간의 시작 시점보다 미리 결정된 시간만큼의 이전 시점에서 재생이 시작되도록 설정된 부분 영상, 부분 영상의 재생이 시작되는 시점, 및 명사 키워드가 포함된 텍스트를 제공할 수 있다. 보다 구체적으로, 동영상 추천부 (230) 는 명사 키워드를 포함하는 문장이 언급되는 재생 구간의 시작 시점을 식별하고, 선택된 동영상이 식별된 시작 시점보다 미리 결정된 시간만큼의 이전 시점에서 재생이 시작되도록 설정할 수 있다. 이와 같이 동영상 전체의 임의의 중간 시점에서 재생이 시작되도록 설정된 동영상은 부분 영상이라고 지칭될 수 있다. 미리 결정된 시간은 사용자가 동영상을 시청하는 경우의 편의를 위한 것으로서, 0 내지 미리 결정된 양의 값으로 설정될 수 있다. 즉, 미리 결정된 시간이 0인 경우, 부분 영상은 명사 키워드를 포함하는 문장의 시작 시점부터 재생될 수 있으며, 미리 결정된 시간이 0이 아닌 양의 값인 경우, 부분 영상은 명사 키워드를 포함하는 문장보다 이전 시점부터 재생될 수 있다. 동영상 추천부 (230) 는 상술한 바와 같이 재생 시작 시점이 설정된 부분 영상을 웹 서버 (120) 에게 제공할 수 있다. 추가적으로, 동영상 추천부 (230) 는 명사 키워드가 언급된 해당 문장의 텍스트, 및 부분 영상의 재생이 시작되는 또는 명사 키워드가 언급되는 문장이 시작되는 시점의 정보를 웹 서버 (120) 에게 제공할 수 있다. 예를 들어, 제공 중인 서비스가 건강 보조 식품의 판매인 경우, 선택된 동영상에 대한 부분 영상 및 부분 영상에 대한 각종 정보의 표시는 후술되는 도 7 에서 예시될 수 있다.
데이터베이스 (240) 에는 상술한 바와 같이 동영상 수집부 (210), 동영상 데이터 가공부 (220) 에 의해 처리되고 분석된 모든 데이터가 저장될 수 있다. 데이터베이스 (240) 에는 데이터들이 서로 연관된 형태로 저장될 수 있으며, 이를 위해 데이터들은 테이블과 같은 형태로 저장될 수 있으나, 이에 제한되는 것은 아니며 다른 다양한 형태로 저장될 수 있다. 데이터베이스 (240) 에 저장되는 테이블들은 예를 들어, 제품 성분에 관한 테이블, 제품명에 관한 테이블, 제품명 및 제품의 특성을 연결하기 위한 테이블, 동영상에 제품명 또는 제품의 특성을 매칭시키기 위한 테이블, 동영상에 대해 STT 를 수행한 기본 결과를 저장하기 위한 테이블, STT 결과 중에서 일반 딥러닝의 결과를 저장하기 위한 테이블, 명사 키워드의 빈도를 저장하기 위한 테이블, STT 결과 중에서 명사 키워드에 대해 딥러닝을 수행한 결과를 저장하기 위한 테이블, STT 의 수행에 따른 타임스탬프를 저장하기 위한 테이블, 동영상의 댓글들을 저장하기 위한 테이블, 동영상의 수집에 따라 획득된 영상 정보를 저장하기 위한 테이블 중 적어도 하나를 포함할 수 있다. 동영상 추천부 (230) 는 추천할 동영상을 결정하기 위해 상술한 바와 같이 데이터베이스 (240) 에 저장된 데이터를 식별함으로써 필요한 정보를 추출하여 이용할 수 있다.
도 3 은 일부 실시예들에 따른 전자 장치의 구성을 도시한다. 이하 사용되는 '…부', '…기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 3 을 참고하면, 전자 장치 (300) 는 통신부 (310), 제어부 (320), 저장부 (230) 를 포함한다.
통신부 (310) 는 정보를 송수신하기 위한 기능들을 수행할 수 있다. 구체적으로, 통신부 (310) 는 시스템 내 다른 장치들과 통신을 수행하기 위한 인터페이스를 제공할 수 있다. 즉, 통신부 (310) 는 다른 장치로 송신되는 비트열을 물리적 신호로 변환하고, 다른 장치로부터 수신되는 물리적 신호를 비트열로 변환한다. 통신부 (310) 는 무선 또는 유선 통신 환경에서 신호를 송수신하기 위한 기능들을 수행할 수도 있다. 예를 들어, 통신부 (310) 는 시스템의 물리 계층 규격에 따라 기저대역 신호 및 비트열 간 변환 기능을 수행할 수 있다. 또한, 통신부 (310) 는 다수의 송수신 경로 (path) 들을 포함할 수 있다.
통신부 (310) 는 상술한 바와 같이 신호를 송신 및 수신한다. 이에 따라, 통신부 (310) 는 '송신부', '수신부, '송수신부'로 지칭될 수 있다. 또한, 이하 설명에서 송신 및 수신은 통신부 (310) 에 의해 상술한 바와 같은 처리가 수행되는 것을 포함하는 의미로 사용된다.
제어부 (320) 는 전자 장치 (300) 의 전반적인 동작들을 제어한다. 예를 들어, 제어부 (320) 는 통신부 (310) 를 통해 신호를 송신 및 수신한다. 또한, 제어부 (320) 는 저장부 (330) 에 데이터를 기록하고, 읽는다. 이를 위해, 제어부 (320) 는 다수의 논리 게이트들의 어레이 또는 범용적인 마이크로 프로세서로 구현될 수 있다. 제어부 (320) 는 적어도 하나의 프로세서로 구성될 수 있다. 제어부 (320) 는 프로그램 등을 저장하는 저장부 (330) 와 별개의 구성이 아닌, 저장부 (330) 와 일체로 구성될 수도 있다. 제어부 (320) 는 전자 장치 (300) 내에 구비되는 CPU (central processing unit), GPU (graphics processing unit), 또는 AP (application processor) 중 적어도 하나일 수 있으나, 이는 예시에 불과할 뿐, 제어부 (320) 는 다른 다양한 형태로도 구현될 수 있다.
저장부 (330) 는 전자 장치 (300) 의 동작을 위한 기본 프로그램, 응용 프로그램, 설정 정보 등의 데이터를 저장한다. 저장부 (330) 는 휘발성 메모리, 비휘발성 메모리, 또는 휘발성 메모리와 비휘발성 메모리의 조합으로 구성될 수 있다. 또한, 저장부 (330) 는 제어부 (320) 의 요청에 따라 저장된 데이터를 제공한다.
상술한 도 3 의 구성은 본 개시의 실시예들에 따른 동영상 추천 시스템 (110) 을 구성하는 하나 이상의 장치들, 웹 서버 (120), 또는 사용자 장치 (130) 의 구성으로서 이해될 수 있다.
도 3 에 예시된 구성이 동영상 추천 시스템 (110) 을 구성하는 하나 이상의 장치들 각각의 구성으로 이해될 수 있는 경우, 도 2 에서 도시된 동영상 수집부 (210), 동영상 데이터 가공부 (220), 동영상 추천부(230), 데이터베이스 (240) 는 하나 이상의 장치들에 의해 구현될 수 있다. 예를 들면, 도 3 의 구성을 가지는 전자 장치들이 동영상 수집부 (210), 동영상 데이터 가공부 (220), 동영상 추천부(230) 의 기능을 각각 수행할 수 있다. 또는, 제 1 전자 장치가 동영상 수집부 (210), 동영상 데이터 가공부 (220), 동영상 추천부(230) 중 하나의 기능적 단위의 기능을 수행하고, 제 2 전자 장치가 나머지 두 기능적 단위들의 기능을 수행할 수도 있다. 또는, 하나의 전자 장치가 동영상 수집부 (210), 동영상 데이터 가공부 (220), 동영상 추천부(230) 의 기능을 모두 수행할 수도 있다. 또한, 데이터베이스 (240) 는 동영상 수집부 (210), 동영상 데이터 가공부 (220), 동영상 추천부(230) 의 기능을 수행하는 하나 이상의 전자 장치들과는 별도의 개체로서 구현되거나 또는 상기 하나 이상의 전자 장치들에서 구현될 수도 있다. 도 2 에 도시된 동영상 추천 시스템 (110) 이 둘 이상의 장치들에 의해 구성되는 경우, 장치들은 각 장치의 통신부 (310) 를 통해 본 개시에서 설명되는 다양한 정보들을 송수신할 수 있다.
도 4 는 일부 실시예들에 따른 동영상 추천 시스템에서 동영상을 추천하기 위한 흐름도를 도시한다. 도 4 는 동영상 추천 시스템 (110) 에 의한 동작을 예시한다.
도 4 를 참조하면, 동영상 추천 시스템에 의해 동영상을 추천하기 위한 방법은 단계 401 내지 단계 415 를 포함할 수 있다. 다만, 이에 제한되는 것은 아니며, 도 4 에 도시되는 단계들 외에 다른 범용적인 단계들이 도 4 의 방법에 더 포함될 수 있다.
도 4 의 방법은 도 1 내지 도 3 을 통해 전술한 동영상 추천 시스템 (110) 또는 동영상 추천 시스템 (110) 을 구성하는 하나 이상의 장치들에서 시계열적으로 처리되는 단계들로 구성될 수 있다. 따라서, 도 4 의 방법에 대하여 이하에서 생략되는 내용이라 할지라도 이상 도 1 내지 도 3 에서 기술된 내용은 도 4 의 방법에 대해서도 동일하게 적용될 수 있다.
도 4 를 참고하면, 단계 401 에서, 동영상 추천 시스템 (110) 은 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보를 수집하여 동영상 추천 시스템의 데이터베이스에 저장할 수 있다. 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보는, 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나에 기초하여 수집될 수 있다. 또한, 동영상들의 영상 정보는, 동영상 제목, 동영상의 조회수, 동영상의 업로드 날짜, 동영상에 대한 선호도를 나타내는 표시, 동영상이 업로드된 채널의 구독자 수, 동영상의 주소, 또는 영상에 대한 댓글들 중 적어도 하나를 포함할 수 있다.
단계 403 에서, 동영상 추천 시스템 (110) 은 동영상들 각각에 포함된 음성을 텍스트로 변환하고, 변환된 텍스트로부터 단어들 및 단어들 각각에 대한 타임스탬프를 획득할 수 있다. 구체적으로, 동영상 추천 시스템 (110) 은 STT (speech to text) 에 기초하여, 음성을 텍스트로 변환할 수 있다. 또한, 동영상 추천 시스템 (110) 은 음성이 지속되는 시간에 기초하여, 텍스트에 포함된 단어들을 식별하고; 식별된 단어들 및 단어들 각각의 타임스탬프를 함께 출력할 수 있다. 또한, 타임스탬프는, 단어들 각각의 시작 시점 및 지속 시간을 포함할 수 있다. 또한, 타임스탬프는, 텍스트에 포함된 단어들 각각에 대해, 단어가 정확하게 식별되었는지 여부를 수치적으로 나타내는 정확도를 더 포함할 수 있다. 즉, 타임스탬프는 단어들 각각의 시작 시점 및 지속 시간과 같은 시간 정보를 포함하고, 추가적으로 단어들 각각에 대한 정확도를 더 포함할 수 있다. 음성을 텍스트로 변환하기 위한 STT 는 동영상 추천 시스템 (110) 에서 딥 러닝 훈련 모델에 기초하여 수행될 수 있다. 또한, 딥 러닝 훈련 모델은 음향 모델 또는 언어 모델 중 적어도 하나를 포함할 수 있다.
단계 405 에서, 동영상 추천 시스템 (110) 은 텍스트의 형태소를 분석함으로써, 텍스트 내의 명사 키워드들을 추출하고 명사 키워드들의 빈도를 확인할 수 있다. 구체적으로, 동영상 추천 시스템 (110) 은 추출되는 명사 키워드들의 동일 여부를 확인하고 카운트함으로써 명사 키워드들의 빈도들을 확인할 수 있다. 또한, 추출되는 명사 키워드들은, 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나를 포함할 수 있다. 또한, 형태소 분석은, 동영상 추천 시스템 (110) 에서, 딥 러닝에 기초하여 사전 학습된 형태소 분석기를 이용하여 수행될 수 있다.
단계 407 에서, 동영상 추천 시스템 (110) 은 텍스트 내의 단어들로 구성된 문장들에 대해 감성 분석을 수행할 수 있다. 구체적으로, 동영상 추천 시스템 (110) 은 미리 구성된 감성 사전에 기초하여, 문장 별로 감성에 대한 예측값과 상기 예측값에 대한 신뢰도를 산출할 수 있다. 예측값은, 긍정을 나타내는 제 1 값 또는 부정을 나타내는 제 2 값 중 하나일 수 있다. 또한, 감성 사전은, 동영상 추천 시스템 (110) 에 의해 미리 결정된 주기로 업데이트될 수 있다. 또한, 감성 분석은, 동영상 추천 시스템 (110) 에 의해, 딥 러닝에 기초하여 상기 감성 사전을 사전 학습한 감성 모델을 이용하여 수행될 수 있다. 이 경우, 감성 모델은, n-그램 (n-gram) 또는 나이브베이지안 (Naive Bayesian) 분류 모델에 기초하여 구성될 수 있다. 본 개시의 일부 실시예들에 따르면, 단계 407 은 단계 405 가 수행된 이후에 수행될 수도 있으며, 단계 405 와 병렬적으로 수행될 수도 있다.
단계 409 에서, 동영상 추천 시스템 (110) 은 제품들 중 하나에 대한 선택을 수신할 수 있다.
단계 411 에서, 동영상 추천 시스템 (110) 은 명사 키워드들 및 명사 키워드들의 빈도들에 기초하여, 저장된 동영상들 중에서 선택된 제품과 연관된 동영상들을 식별할 수 있다. 구체적으로, 동영상 추천 시스템 (110) 은 선택된 제품에 대응하는 적어도 하나의 명사 키워드를 식별하고; 적어도 하나의 명사 키워드가 추출된 동영상들 중에서 적어도 하나의 명사 키워드의 빈도가 미리 결정된 기준을 만족하는 동영상들을 결정할 수 있다.
단계 413 에서, 동영상 추천 시스템 (110) 은 감성 분석의 결과에 기초하여, 식별된 동영상들 중 미리 결정된 기준에 따라 동영상들을 제공할 수 있다. 구체적으로, 동영상 추천 시스템 (110) 은 식별된 동영상들에 대해, 문장 별로 감성에 대한 예측값 및 예측값에 대한 신뢰도를 식별하고; 예측값 및 예측값에 대한 신뢰도에 기초하여, 식별된 동영상들 중 미리 결정된 기준을 만족하는 동영상들을 우선 순위에 따라 제공할 수 있다. 또한, 제공되는 동영상들은 우선 순위에 따른 순서대로 시각적으로 표시될 수 있다.
단계 415 에서, 동영상 추천 시스템 (110) 은 제공된 동영상들 중 하나가 선택되면, 선택된 제품과 연관된 시간 구간에서의 부분 영상을 제공할 수 있다. 구체적으로, 동영상 추천 시스템 (110) 은 선택된 동영상에 대한 STT 의 결과로부터, 선택된 제품에 대응하는 명사 키워드의 타임스탬프를 식별하고; 타임스탬프에 대응하는 재생 구간의 시작 시점보다 미리 결정된 시간만큼의 이전 시점에서 재생이 시작되도록 설정된 부분 영상, 부분 영상의 재생이 시작되는 시점, 및 명사 키워드가 포함된 텍스트를 제공할 수 있다.
상술한 도 4 의 방법은, 통신부 (예: 통신부 (310)), 제어부 (예: 제어부 (320)), 저장부 (예: 제어부 (330)) 를 각각 포함하는 하나 이상의 장치들에 의해 수행될 수 있으며, 상기 하나 이상의 장치들은 도 3 과 관련하여 전술한 바와 같이 동영상 추천 시스템 (110) 을 구성하는 것일 수 있다.
도 5 는 일부 실시예들에 따른 동영상 추천 시스템에서 제품과 연관된 동영상들이 제공되는 예를 도시하고, 도 6 은 일부 실시예들에 따른 동영상 추천 시스템에서 제품과 연관된 동영상들이 추가적으로 제공되는 예를 도시한다. 구체적으로는, 도 5 및 도 6 에 예시된 웹 페이지 (500, 600) 은 도 4 의 단계 411 및 단계 413 에 의한 결과로서, 전술한 동영상 추천 시스템 (110) 또는 동영상 추천 시스템 (110) 을 구성하는 하나 이상의 장치들에서 제공된 동영상들이 웹 서버 (120) 에 의해 제공되는 웹 페이지 상에 표시된 것으로 이해될 수 있다. 이하에서는, 제공 중인 서비스가 건강 보조 식품의 판매인 경우를 예시로 하여 설명된다.
도 5 를 참조하면, 사용자 장치 (130) 에 의해 선택된 건강 보조 식품은 루테인을 주성분으로 함유하고 있는 제품일 수 있다. 동영상 추천 시스템 (110) 은 데이터베이스 (240) 에서, 선택된 제품의 제품명 또는 주성분인 루테인과 관련된 동영상들을 식별하고, 명사 키워드들의 빈도 및 감성 분석의 결과에 따라 제공하고자 하는 동영상들을 결정할 수 있다. 이에 따라, 웹 서버 (120) 는 사용자 장치 (130) 에게 도 5 에 도시된 바와 같은 웹 페이지 (500) 를 제공할 수 있다. 즉, 웹 서버 (120) 는 선택된 제품의 가격 및 제품의 구매 개수를 선택할 수 있는 표시 (505, 510) 를 포함하는 부분의 아래에 동영상 추천 시스템 (110) 에 의해 제공되는 동영상들이 순서대로 나열된 화면 (515) 을 사용자 장치 (130) 에게 제공할 수 있다. 또한, 도 5 에서 '영상 더보기' 버튼 (520) 이 선택되면, 웹 서버 (120) 는 도 6 에 도시된 바와 같이, 선택된 제품의 제품명 또는 주성분인 루테인과 관련된 동영상들을 추가적으로 표시하는 웹 페이지 (600) 를 사용자 장치 (130) 에게 제공할 수 있다. 이와 같이, 도 5 및 도 6 에서 표시되는 동영상들은 해당 제품 또는 루테인 성분에 관하여 긍정적인 감성을 나타내는 것들로서, 사용자가 해당 제품 또는 루테인에 대한 정보를 습득할 수 있도록 함과 동시에 사용자의 제품 구매를 유도할 수 있게 한다.
도 7 은 일부 실시예들에 따른 동영상 추천 시스템에서 제품과 연관된 시간 구간에서의 부분 영상이 제공되는 예를 도시한다. 구체적으로는, 도 7 에 예시된 웹 페이지 (700) 는 도 4 의 단계 415 에 의한 결과로서, 전술한 동영상 추천 시스템 (110) 또는 동영상 추천 시스템 (110) 을 구성하는 하나 이상의 장치들에서 제공된 동영상들이 웹 서버 (120) 에 의해 제공되는 웹 페이지 상에 표시된 것으로 이해될 수 있다. 이하에서는, 제공 중인 서비스가 건강 보조 식품의 판매인 경우를 예시로 하여 설명된다.
도 7 을 참조하면, 사용자 장치 (130) 에 의해, 도 5 및 도 6 의 웹 페이지 (500, 600) 상에 표시된 동영상들 중에서 하나의 동영상 (705) 이 선택될 수 있다. 특정 동영상이 선택되면, 동영상 추천 시스템 (110) 은 선택된 동영상에 대한 STT 수행 결과를 데이터베이스 (240) 에서 검색하고, 선택된 제품의 주 성분인 루테인을 나타내는 명사 키워드가 추출된 시점 또는 재생 구간에 대한 타임스탬프를 식별할 수 있다. 동영상 추천 시스템 (110) 은 선택된 동영상이 식별된 시작 시점보다 미리 결정된 시간만큼의 이전 시점에서 재생이 시작되도록 설정하고, 이와 같이 재생 시작 시점이 설정된 부분 영상, 명사 키워드가 언급된 해당 문장의 텍스트, 및 부분 영상의 재생이 시작되는 또는 명사 키워드가 언급되는 문장이 시작되는 시점의 정보를 웹 서버 (120) 에게 제공할 수 있다. 이에 따라, 웹 서버 (120) 는 도 7 에 도시된 바와 같이, 선택된 동영상에서 루테인에 관한 설명, 평가 등이 언급되고 있는 부분에서 재생이 시작되는 부분 영상 (710) 을 포함하는 웹 페이지 (700) 를 사용자 장치 (130) 에게 곧바로 제공할 수 있다. 이와 같이, 도 7 에 도시된 바와 같은 부분 영상의 제공을 통해, 동영상 내에서 사용자가 관심을 가지는 제품, 제품의 성분에 관한 내용을 보다 신속하고 간편하게 확인할 수 있게 한다.
본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다.
소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체가 제공될 수 있다. 컴퓨터 판독 가능 저장 매체에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금 본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.
이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(read only memory, ROM), 전기적 삭제가능 프로그램가능 롬(electrically erasable programmable read only memory, EEPROM), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(compact disc-ROM, CD-ROM), 디지털 다목적 디스크(digital versatile discs, DVDs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 다수 개 포함될 수도 있다.
또한, 프로그램은 인터넷(Internet), 인트라넷(Intranet), LAN(local area network), WAN(wide area network), 또는 SAN(storage area network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 본 개시의 실시 예를 수행하는 장치에 접속할 수 있다. 또한, 통신 네트워크상의 별도의 저장장치가 본 개시의 실시 예를 수행하는 장치에 접속할 수도 있다.
상술한 본 개시의 구체적인 실시 예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
100: 서비스 제공 시스템
110: 동영상 추천 시스템
120: 웹 서버
130: 사용자 장치
210: 동영상 수집부
220: 동영상 데이터 가공부
230: 동영상 추천부
240: 데이터베이스
300: 전자 장치
310: 통신부
320: 제어부
330: 저장부

Claims (28)

  1. 동영상 추천 시스템에 의해 동영상을 추천하기 위한 방법에 있어서,
    상기 동영상 추천 시스템의 동영상 수집부에 의해, 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보를 수집하여 상기 동영상 추천 시스템의 데이터베이스에 저장하는 단계로서, 상기 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보는, 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나에 기초하여 수집되는, 수집하여 저장하는 단계;
    상기 동영상 추천 시스템의 동영상 데이터 가공부에 의해, 상기 동영상들 각각에 포함된 음성을 텍스트로 변환하는 단계;
    상기 동영상 데이터 가공부에 의해, 상기 변환된 텍스트로부터 단어들 및 단어들 각각에 대한 타임스탬프를 획득하는 단계;
    상기 동영상 데이터 가공부에 의해, 상기 텍스트의 형태소를 분석함으로써, 상기 텍스트 내의 명사 키워드들을 추출하고 상기 명사 키워드들의 빈도들을 확인하는 단계;
    상기 동영상 데이터 가공부에 의해, 상기 텍스트 내의 상기 단어들로 구성된 문장들에 대해 감성 분석을 수행하는 단계;
    상기 동영상 추천 시스템의 동영상 추천부에 의해, 상기 제품들 중 하나에 대한 선택을 수신하는 단계;
    상기 동영상 추천부에 의해, 상기 명사 키워드들 및 상기 명사 키워드들의 빈도들에 기초하여, 상기 데이터베이스에 저장된 상기 동영상들 중에서 선택된 제품과 연관된 동영상들을 식별하는 단계;
    상기 동영상 추천부에 의해, 상기 감성 분석의 결과에 기초하여, 상기 식별된 동영상들 중 미리 결정된 기준에 따라 동영상들을 제공하는 단계; 및
    상기 제공된 동영상들 중 하나가 선택되면, 상기 동영상 추천부에 의해, 상기 선택된 제품과 연관된 시간 구간에서의 부분 영상을 제공하는 단계를 포함하는, 동영상을 추천하기 위한 방법.
  2. 제 1 항에 있어서,
    상기 동영상들의 영상 정보는,
    동영상 제목, 동영상의 조회수, 동영상의 업로드 날짜, 동영상에 대한 선호도를 나타내는 표시, 동영상이 업로드된 채널의 구독자 수, 동영상의 주소, 또는 영상에 대한 댓글들 중 적어도 하나를 포함하는, 동영상을 추천하기 위한 방법.
  3. 제 1 항에 있어서,
    상기 동영상 데이터 가공부에 의해 상기 음성을 텍스트로 변환하는 단계는, STT (speech to text) 에 기초하여, 상기 음성을 상기 텍스트로 변환하는 단계를 포함하고,
    상기 동영상 데이터 가공부에 의해 상기 타임스탬프를 획득하는 단계는,
    상기 음성이 지속되는 시간에 기초하여, 상기 텍스트에 포함된 단어들을 식별하는 단계; 및
    상기 식별된 단어들 및 상기 단어들 각각의 타임스탬프를 함께 출력하는 단계를 포함하고,
    상기 타임스탬프는, 상기 단어들 각각의 시작 시점 및 지속 시간을 포함하는, 동영상을 추천하기 위한 방법.
  4. 제 3 항에 있어서,
    상기 타임스탬프는, 상기 텍스트에 포함된 단어들 각각에 대해, 단어가 정확하게 식별되었는지 여부를 수치적으로 나타내는 정확도를 더 포함하는, 동영상을 추천하기 위한 방법.
  5. 제 3 항에 있어서,
    상기 STT 는 딥 러닝 (deep learning) 훈련 모델에 기초하여 수행되고,
    상기 딥 러닝 훈련 모델은 음향 모델 또는 언어 모델 중 적어도 하나를 포함하는, 동영상을 추천하기 위한 방법.
  6. 제 1 항에 있어서,
    상기 동영상 데이터 가공부에 의해 상기 텍스트 내의 명사 키워드들을 추출하고 상기 명사 키워드들의 빈도들을 확인하는 단계는, 추출되는 명사 키워드들의 동일 여부를 확인하고 카운트함으로써 상기 명사 키워드들의 빈도들을 확인하는 단계를 포함하고,
    상기 추출되는 명사 키워드들은, 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나를 포함하는, 동영상을 추천하기 위한 방법.
  7. 제 1 항에 있어서,
    상기 형태소의 분석은, 딥 러닝에 기초하여 사전 학습된 형태소 분석기를 이용하여 수행되는, 동영상을 추천하기 위한 방법.
  8. 제 1 항에 있어서,
    상기 동영상 데이터 가공부에 의해 상기 문장들에 대해 감성 분석을 수행하는 단계는,
    미리 구성된 감성 사전에 기초하여, 문장 별로 감성에 대한 예측값과 상기 예측값에 대한 신뢰도를 산출하는 단계를 포함하고,
    상기 예측값은, 긍정을 나타내는 제 1 값 또는 부정을 나타내는 제 2 값 중 하나인, 동영상을 추천하기 위한 방법.
  9. 제 8 항에 있어서,
    상기 감성 사전은, 미리 결정된 주기로 업데이트되는, 동영상을 추천하기 위한 방법.
  10. 제 8 항 또는 제 9 항에 있어서,
    상기 감성 분석은, 딥 러닝에 기초하여 상기 감성 사전을 사전 학습한 감성 모델을 이용하여 수행되고,
    상기 감성 모델은, n-그램 (n-gram) 또는 나이브베이지안 (Naive Bayesian) 분류 모델에 기초하여 구성되는, 동영상을 추천하기 위한 방법.
  11. 제 1 항에 있어서,
    상기 동영상 추천부에 의해, 상기 명사 키워드들 및 상기 명사 키워드들의 빈도들에 기초하여, 상기 데이터베이스에 저장된 상기 동영상들 중에서 상기 선택된 제품과 연관된 동영상들을 식별하는 단계는,
    상기 선택된 제품에 대응하는 적어도 하나의 명사 키워드를 식별하는 단계; 및
    상기 적어도 하나의 명사 키워드가 추출된 동영상들 중에서 상기 적어도 하나의 명사 키워드의 빈도가 미리 결정된 기준을 만족하는 동영상들을 결정하는 단계를 포함하는, 동영상을 추천하기 위한 방법.
  12. 제 1 항에 있어서,
    상기 동영상 추천부에 의해, 상기 감성 분석의 결과에 기초하여, 상기 식별된 동영상들 중 미리 결정된 기준에 따라 동영상들을 제공하는 단계는,
    상기 식별된 동영상들에 대해, 문장 별로 감성에 대한 예측값 및 상기 예측값에 대한 신뢰도를 식별하는 단계; 및
    상기 예측값 및 상기 예측값에 대한 신뢰도에 기초하여, 상기 식별된 동영상들 중 상기 미리 결정된 기준을 만족하는 동영상들을 우선 순위에 따라 제공하는 단계를 포함하는, 동영상을 추천하기 위한 방법.
  13. 제 12 항에 있어서,
    상기 제공되는 동영상들은, 상기 우선 순위에 따른 순서대로 시각적으로 표시되는, 동영상을 추천하기 위한 방법.
  14. 제 13 항에 있어서,
    상기 제공된 동영상들 중 하나가 선택되면, 상기 동영상 추천부에 의해, 상기 선택된 제품과 연관된 시간 구간에서의 부분 영상을 제공하는 단계는,
    선택된 동영상에 대한 상기 STT 의 결과로부터, 상기 선택된 제품에 대응하는 명사 키워드의 타임스탬프를 식별하는 단계; 및
    상기 타임스탬프에 대응하는 재생 구간의 시작 시점보다 미리 결정된 시간만큼의 이전 시점에서 재생이 시작되도록 설정된 상기 부분 영상, 상기 부분 영상의 재생이 시작되는 시점, 및 상기 명사 키워드가 포함된 텍스트를 제공하는 단계를 포함하는, 동영상을 추천하기 위한 방법.
  15. 동영상을 추천하기 위한 시스템에 있어서,
    동영상 수집부;
    동영상 데이터 가공부;
    동영상 추천부; 및
    상기 동영상 수집부 및 상기 동영상 데이터 가공부에 의해 처리된 데이터를 저장하는 데이터베이스를 포함하고,
    상기 동영상 수집부는, 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보를 수집하여 상기 데이터베이스에 저장하는 것으로서, 상기 판매 중인 제품들과 관련된 동영상들 및 동영상들의 영상 정보는, 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나에 기초하여 수집되는, 동영상들 및 영상 정보를 수집하여 저장하고,
    상기 동영상 데이터 가공부는,
    상기 동영상들 각각에 포함된 음성을 텍스트로 변환하고,
    상기 변환된 텍스트로부터 단어들 및 단어들 각각에 대한 타임스탬프를 획득하고,
    상기 텍스트의 형태소를 분석함으로써, 상기 텍스트 내의 명사 키워드들을 추출하고 상기 명사 키워드들의 빈도들을 확인하고,
    상기 텍스트 내의 상기 단어들로 구성된 문장들에 대해 감성 분석을 수행하고,
    상기 동영상 추천부는,
    상기 제품들 중 하나에 대한 선택을 수신하고,
    상기 명사 키워드들 및 상기 명사 키워드들의 빈도들에 기초하여, 상기 데이터베이스에 저장된 상기 동영상들 중에서 선택된 제품과 연관된 동영상들을 식별하고,
    상기 감성 분석의 결과에 기초하여, 상기 식별된 동영상들 중 미리 결정된 기준에 따라 동영상들을 제공하고,
    상기 제공된 동영상들 중 하나가 선택되면, 상기 선택된 제품과 연관된 시간 구간에서의 부분 영상을 제공하는, 동영상을 추천하기 위한 시스템.
  16. 제 15 항에 있어서,
    상기 동영상들의 영상 정보는,
    동영상 제목, 동영상의 조회수, 동영상의 업로드 날짜, 동영상에 대한 선호도를 나타내는 표시, 동영상이 업로드된 채널의 구독자 수, 동영상의 주소, 또는 영상에 대한 댓글들 중 적어도 하나를 포함하는, 동영상을 추천하기 위한 시스템.
  17. 제 15 항에 있어서,
    상기 동영상 데이터 가공부는 또한,
    STT (speech to text) 에 기초하여, 상기 음성을 상기 텍스트로 변환하고,
    상기 음성이 지속되는 시간에 기초하여, 상기 텍스트에 포함된 단어들을 식별하고,
    상기 식별된 단어들 및 상기 단어들 각각의 타임스탬프를 함께 출력하고,
    상기 타임스탬프는, 상기 단어들 각각의 시작 시점 및 지속 시간을 포함하는, 동영상을 추천하기 위한 시스템.
  18. 제 17 항에 있어서,
    상기 타임스탬프는, 상기 텍스트에 포함된 단어들 각각에 대해, 단어가 정확하게 식별되었는지 여부를 수치적으로 나타내는 정확도를 더 포함하는, 동영상을 추천하기 위한 시스템.
  19. 제 17 항에 있어서,
    상기 STT 는 딥 러닝 (deep learning) 훈련 모델에 기초하여 수행되고,
    상기 딥 러닝 훈련 모델은 음향 모델 또는 언어 모델 중 적어도 하나를 포함하는, 동영상을 추천하기 위한 시스템.
  20. 제 15 항에 있어서,
    상기 동영상 데이터 가공부는 또한, 추출되는 명사 키워드들의 동일 여부를 확인하고 카운트함으로써 상기 명사 키워드들의 빈도들을 확인하고,
    상기 추출되는 명사 키워드들은, 제품명 또는 제품들의 하나 이상의 특성을 나타내는 명칭 중 적어도 하나를 포함하는, 동영상을 추천하기 위한 시스템.
  21. 제 15 항에 있어서,
    상기 형태소의 분석은, 딥 러닝에 기초하여 사전 학습된 형태소 분석기를 이용하여 수행되는, 동영상을 추천하기 위한 시스템.
  22. 제 15 항에 있어서,
    상기 동영상 데이터 가공부는 또한, 미리 구성된 감성 사전에 기초하여, 문장 별로 감성에 대한 예측값과 상기 예측값에 대한 신뢰도를 산출하고,
    상기 예측값은, 긍정을 나타내는 제 1 값 또는 부정을 나타내는 제 2 값 중 하나인, 동영상을 추천하기 위한 시스템.
  23. 제 22 항에 있어서,
    상기 감성 사전은, 미리 결정된 주기로 업데이트되는, 동영상을 추천하기 위한 시스템.
  24. 제 22 항 또는 제 23 항에 있어서,
    상기 감성 분석은, 딥 러닝에 기초하여 상기 감성 사전을 사전 학습한 감성 모델을 이용하여 수행되고,
    상기 감성 모델은, n-그램 (n-gram) 또는 나이브베이지안 (Naive Bayesian) 분류 모델에 기초하여 구성되는, 동영상을 추천하기 위한 시스템.
  25. 제 15 항에 있어서,
    상기 동영상 추천부는 또한,
    상기 선택된 제품에 대응하는 적어도 하나의 명사 키워드를 식별하고,
    상기 적어도 하나의 명사 키워드가 추출된 동영상들 중에서 상기 적어도 하나의 명사 키워드의 빈도가 미리 결정된 기준을 만족하는 동영상들을 결정하는, 동영상을 추천하기 위한 시스템.
  26. 제 15 항에 있어서,
    상기 동영상 추천부는 또한,
    상기 식별된 동영상들에 대해, 문장 별로 감성에 대한 예측값 및 상기 예측값에 대한 신뢰도를 식별하고,
    상기 예측값 및 상기 예측값에 대한 신뢰도에 기초하여, 상기 식별된 동영상들 중 상기 미리 결정된 기준을 만족하는 동영상들을 우선 순위에 따라 제공하는, 동영상을 추천하기 위한 시스템.
  27. 제 26 항에 있어서,
    상기 제공되는 동영상들은, 상기 우선 순위에 따른 순서대로 시각적으로 표시되는, 동영상을 추천하기 위한 시스템.
  28. 제 27 항에 있어서,
    상기 동영상 추천부는 또한,
    선택된 동영상에 대한 상기 STT 의 결과로부터, 상기 선택된 제품에 대응하는 명사 키워드의 타임스탬프를 식별하고,
    상기 타임스탬프에 대응하는 재생 구간의 시작 시점보다 미리 결정된 시간만큼의 이전 시점에서 재생이 시작되도록 설정된 상기 부분 영상, 상기 부분 영상의 재생이 시작되는 시점, 및 상기 명사 키워드가 포함된 텍스트를 제공하는, 동영상을 추천하기 위한 시스템.
KR1020200034965A 2020-03-23 2020-03-23 동영상을 추천하기 위한 방법 및 시스템 KR102313037B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200034965A KR102313037B1 (ko) 2020-03-23 2020-03-23 동영상을 추천하기 위한 방법 및 시스템
CN202110288301.9A CN113505264B (zh) 2020-03-23 2021-03-18 用于推荐视频的方法及系统
US17/207,714 US11640427B2 (en) 2020-03-23 2021-03-21 Method and system for recommending video

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200034965A KR102313037B1 (ko) 2020-03-23 2020-03-23 동영상을 추천하기 위한 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20210118566A true KR20210118566A (ko) 2021-10-01
KR102313037B1 KR102313037B1 (ko) 2021-10-14

Family

ID=77747924

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200034965A KR102313037B1 (ko) 2020-03-23 2020-03-23 동영상을 추천하기 위한 방법 및 시스템

Country Status (3)

Country Link
US (1) US11640427B2 (ko)
KR (1) KR102313037B1 (ko)
CN (1) CN113505264B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102601471B1 (ko) * 2022-08-24 2023-11-13 주식회사 프라임에듀넷 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022051241A (ja) * 2020-09-18 2022-03-31 東芝テック株式会社 情報処理装置およびプログラム
CN114268818B (zh) * 2022-01-24 2023-02-17 珠海格力电器股份有限公司 故事播放的控制方法及装置、存储介质、计算设备
CN114979767B (zh) * 2022-05-07 2023-11-21 咪咕视讯科技有限公司 视频推荐方法、装置、设备及计算机可读存储介质
KR20240020671A (ko) 2022-08-08 2024-02-15 픽클래스 주식회사 시멘틱 웹 기술을 활용한 강의영상 추천시스템
US11983386B2 (en) * 2022-09-23 2024-05-14 Coupang Corp. Computerized systems and methods for automatic generation of livestream carousel widgets

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090101865A (ko) * 2008-03-24 2009-09-29 강민수 유무선 네트워크를 통하여 방송 서비스를 수행하는 방송 서비스 시스템의 정보 처리 방법
KR101305535B1 (ko) 2011-08-26 2013-09-06 허순영 동영상 추천 시스템
KR101617649B1 (ko) 2014-12-26 2016-05-03 세종대학교산학협력단 영상의 관심 구간 추천 시스템 및 방법
KR20160143411A (ko) * 2015-06-05 2016-12-14 아주대학교산학협력단 감정 온톨로지에 기반한 동영상 컨텐츠 추천 장치 및 그 방법
KR20180008247A (ko) * 2016-07-14 2018-01-24 김경호 딥러닝 인공신경망 기반의 타스크 제공 플랫폼
KR20180059030A (ko) * 2016-11-25 2018-06-04 한국전자통신연구원 자막 출력 장치 및 그 방법

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005029353A1 (ja) * 2003-09-18 2005-03-31 Fujitsu Limited 注釈管理システム、注釈管理方法、文書変換サーバ、文書変換プログラム、電子文書付加プログラム
US8345097B2 (en) * 2008-02-15 2013-01-01 Harris Corporation Hybrid remote digital recording and acquisition system
JP5161658B2 (ja) * 2008-05-30 2013-03-13 株式会社東芝 キーワード入力支援装置、キーワード入力支援方法及びプログラム
US9197736B2 (en) * 2009-12-31 2015-11-24 Digimarc Corporation Intuitive computing methods and systems
CN104104704A (zh) * 2013-04-12 2014-10-15 中国移动通信集团上海有限公司 一种在终端间推荐视频数据的方法、设备及系统
US10095686B2 (en) * 2015-04-06 2018-10-09 Adobe Systems Incorporated Trending topic extraction from social media
US11023523B2 (en) * 2015-10-23 2021-06-01 Carnegie Mellon University Video content retrieval system
EP3616090A1 (en) * 2017-04-26 2020-03-04 Piksel, Inc. Multimedia stream analysis and retrieval
US10579401B2 (en) * 2017-06-21 2020-03-03 Rovi Guides, Inc. Systems and methods for providing a virtual assistant to accommodate different sentiments among a group of users by correlating or prioritizing causes of the different sentiments
US10924808B2 (en) * 2017-12-28 2021-02-16 Facebook, Inc. Automatic speech recognition for live video comments
CA3038324A1 (en) * 2018-03-28 2019-09-28 Rovi Guides, Inc. Systems and methods for automatically identifying a user preference for a participant from a competition event
US10835823B2 (en) * 2018-12-27 2020-11-17 Electronic Arts Inc. Sensory-based dynamic game-state configuration
US10860345B2 (en) * 2019-03-27 2020-12-08 Electronic Arts Inc. System for user sentiment tracking
EP3812950A1 (en) * 2019-10-23 2021-04-28 Tata Consultancy Services Limited Method and system for creating an intelligent cartoon comic strip based on dynamic content

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090101865A (ko) * 2008-03-24 2009-09-29 강민수 유무선 네트워크를 통하여 방송 서비스를 수행하는 방송 서비스 시스템의 정보 처리 방법
KR101305535B1 (ko) 2011-08-26 2013-09-06 허순영 동영상 추천 시스템
KR101617649B1 (ko) 2014-12-26 2016-05-03 세종대학교산학협력단 영상의 관심 구간 추천 시스템 및 방법
KR20160143411A (ko) * 2015-06-05 2016-12-14 아주대학교산학협력단 감정 온톨로지에 기반한 동영상 컨텐츠 추천 장치 및 그 방법
KR20180008247A (ko) * 2016-07-14 2018-01-24 김경호 딥러닝 인공신경망 기반의 타스크 제공 플랫폼
KR20180059030A (ko) * 2016-11-25 2018-06-04 한국전자통신연구원 자막 출력 장치 및 그 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102601471B1 (ko) * 2022-08-24 2023-11-13 주식회사 프라임에듀넷 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템

Also Published As

Publication number Publication date
CN113505264B (zh) 2024-05-14
KR102313037B1 (ko) 2021-10-14
CN113505264A (zh) 2021-10-15
US20210294847A1 (en) 2021-09-23
US11640427B2 (en) 2023-05-02

Similar Documents

Publication Publication Date Title
KR102313037B1 (ko) 동영상을 추천하기 위한 방법 및 시스템
US11423320B2 (en) Method of and system for efficient fact checking utilizing a scoring and classification system
CN109783632B (zh) 客服信息推送方法、装置、计算机设备及存储介质
US20090089265A1 (en) Information processing apparatus, information processing method, and program
KR20170001550A (ko) 인공 지능에 기초한 인간-컴퓨터 지능형 채팅 방법 및 장치
US10223442B2 (en) Prioritizing survey text responses
US20100057721A1 (en) Information Providing Server, Information Providing Method, and Information Providing System
CN113852832B (zh) 视频处理方法、装置、设备和存储介质
US20120311140A1 (en) Method of processing web access information and server implementing same
US20150120634A1 (en) Information processing device, information processing method, and program
KR20200049193A (ko) 콘텐츠 추천 방법 및 이를 지원하는 서비스 장치
CN111738541A (zh) 门店食品质量信息获取方法、装置、电子设备
CN113688310A (zh) 一种内容推荐方法、装置、设备及存储介质
JP2019036191A (ja) 判定装置、判定方法及び判定プログラム
JP2009223372A (ja) リコメンド装置、リコメンドシステム、リコメンド装置の制御方法、およびリコメンドシステムの制御方法
JP2016177690A (ja) サービス推薦装置およびサービス推薦方法並びにサービス推薦プログラム
US11232325B2 (en) Data analysis system, method for controlling data analysis system, and recording medium
KR102564513B1 (ko) 감성 기반 추천 시스템 및 방법
WO2021200502A1 (ja) 情報処理装置及び情報処理方法
CN108153863B (zh) 一种视频信息的表示方法及装置
CN111859220A (zh) 用于展示信息的方法和装置
KR102422844B1 (ko) 인공지능에 기반하여 영상 컨텐츠의 언어 위기를 관리하는 방법
CN110659419A (zh) 确定目标用户的方法及相关装置
CN112445921A (zh) 摘要生成方法和装置
CN113761364B (zh) 多媒体数据推送方法及装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant