KR20210132878A - Cntent recommendation service system using big datas - Google Patents

Cntent recommendation service system using big datas Download PDF

Info

Publication number
KR20210132878A
KR20210132878A KR1020200051331A KR20200051331A KR20210132878A KR 20210132878 A KR20210132878 A KR 20210132878A KR 1020200051331 A KR1020200051331 A KR 1020200051331A KR 20200051331 A KR20200051331 A KR 20200051331A KR 20210132878 A KR20210132878 A KR 20210132878A
Authority
KR
South Korea
Prior art keywords
user
information
content recommendation
big data
nodes
Prior art date
Application number
KR1020200051331A
Other languages
Korean (ko)
Inventor
이현재
신재영
Original Assignee
주식회사 퓨처웍스
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 주식회사 퓨처웍스 filed Critical 주식회사 퓨처웍스
Priority to KR1020200051331A priority Critical patent/KR20210132878A/en
Publication of KR20210132878A publication Critical patent/KR20210132878A/en

Links

Images

Classifications

    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

According to one embodiment of the present invention, a system for recommending content through emotion analysis bigdata of users includes: a profile management part managing information to indicate physiological, social, and relational characteristics of a user for the purpose of identifying the user and checking a situation of the user; an inference engine part analyzing and inferring profile information of the user, friend profile information, past messages sent and received by the user, nodes and links and the like to set a weighted value on each of the corresponding nodes, and generate a common interest group and a social circle based on the weighted value information; and a question and answer management part sending a question message of the user with respect to a node, of which the weighted value is no less than a predetermined criterion, among the nodes in the common interest group. Therefore, the present invention is capable of more accurately recommending and providing the content.

Description

사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템{Cntent recommendation service system using big datas}Content recommendation system using big data to analyze users' sentiment

본 발명은 사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템에 관한 것으로서, 더욱 상세하게는 사용자들의 감성을 분석한 데이터들을 인공지능으로 분석하여 사용자의 취향에 맞게 콘텐츠를 추천하는 시스템에 관한 것이다.The present invention relates to a content recommendation system through big data analyzing users' emotions, and more particularly, to a system for recommending content according to user's taste by analyzing data analyzed by users' emotions with artificial intelligence.

소셜 네트워크 서비스(SNS : Social Networking Service)는 온라인상에서 불특정 타인과 관계를 맺을 수 있는 서비스이며, 트위터, 마이스페이스, 페이스북, 싸이월드, 미투데이 같은 1인 미디어와 정보공유 등을 포괄하는 개념이다. 현재 많은 사람이 다른 사람과 의사소통을 하거나 정보를 공유하거나 검색하는데 SNS를 일상적으로 이용하고 있다. 이용자는 SNS를 통해 인맥을 새롭게 쌓거나, 기존 인맥과의 관계를 강화시킬 수 있다.Social Networking Service (SNS) is a service that allows you to establish relationships with unspecified people online, and is a concept that encompasses information sharing with one-person media such as Twitter, MySpace, Facebook, Cyworld, and Me2day. Currently, many people use SNS on a daily basis to communicate with others, share information, or search. Users can build new networks or strengthen relationships with existing networks through SNS.

한편, 빅 데이터(Blog Big-Data) 기반 추천시스템은 뉴스, 영화, 음원, SNS 친구추천 등 다양한 분야에서 활용되고 있는 기술로서, 협업 필터링과 콘텐츠기반 필터링을 기반으로 한다.On the other hand, the blog Big-Data-based recommendation system is a technology used in various fields such as news, movies, sound sources, and SNS friend recommendation, and is based on collaborative filtering and content-based filtering.

이때, 협업 필터링이란 대규모의 기존 사용자 행동 정보를 분석하여 해당 사용자와 비슷한 성향의 사용자들이 기존에 좋아했던 항목을 추천하는 기술이고, 콘텐츠 기반 필터링은 위와 같은 협업 필터링과는 다른 방법으로 추천을 구현하는 방법으로, 협업 필터링이 사용자의 행동 기록을 이용하는 반면, 콘텐츠 기반 필터링은 항목 자체를 분석하여 추천을 한다.At this time, collaborative filtering is a technology that analyzes large-scale existing user behavior information and recommends items that users with similar tendencies to the user have liked. As a method, collaborative filtering uses the user's behavioral history, while content-based filtering analyzes the item itself and makes recommendations.

최근 이러한 빅 데이터를 의료정보에 적용하여 사용자에게 고품질의 의료정보를 전달하되 협력 필터링과 딥러닝 등을 통한 신뢰도가 개선된 알고리즘이 연구되고 있다.Recently, algorithms with improved reliability through cooperative filtering and deep learning are being studied to deliver high-quality medical information to users by applying such big data to medical information.

대한민국 등록특허 제10-1486924호(2015.01.21. 등록)에서는 소셜 네트워크 서비스를 이용한 미디어 콘텐츠 추천 방법을 개시하고 있다.Republic of Korea Patent No. 10-1486924 (registered on January 21, 2015) discloses a method for recommending media content using a social network service.

그러나, 이는 콘텐츠 광고자에게 광고하고자 하는 콘텐츠를 가장 효율적으로 전파할 수 있는 SNS사용자를 추천함으로써, SNS의 활용도가 더욱 다양해질 수 있도록 하는 소셜 네트워크 서비스로서, 광고에 초점이 맞춰져 있는 한계가 있다.However, this is a social network service that allows the utilization of SNS to be more diversified by recommending SNS users who can most efficiently spread the content to be advertised to content advertisers, and has a limitation in that it focuses on advertisements.

본 발명은 상기와 같은 문제를 해결하기 위한 것으로서, 본 발명의 사용자의 취향을 분석하기 위해 다양한 문화·예술 분야와 그 하위 분야들을 계층형 모델화하여 보다 정확하게 콘텐츠를 추천/제공할 수 있는 사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템을 제공하고자 함이다.The present invention is to solve the above problems, and in order to analyze the user's taste of the present invention, various cultural and artistic fields and their subfields are hierarchically modeled to more accurately recommend/provide content. This is to provide a content recommendation system through analysis big data.

본 발명이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The problem to be solved by the present invention is not limited to the above-mentioned problems, and the problems not mentioned will be clearly understood by those of ordinary skill in the art to which the present invention belongs from the present specification and the accompanying drawings. .

본 발명의 일 실시예에 따른 사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템은, 사용자를 식별하고 사용자의 상황을 확인하기 위한 목적으로 사용자의 생리적 특징, 사회적 특징, 관계적 특징을 나타낼 수 있는 정보를 관리하는 프로파일 관리부; 사용자의 프로파일 정보, 친구 프로파일 정보, 과거 사용자가 주고 받은 메시지, 노드 및 링크 등을 분석 추론하여 해당 노드 별로 가중치를 설정하고, 이러한 가중치 정보를 공통관심그룹 및 소셜 서클을 생성하는 추론 엔진부; 및 공통관심그룹 내의 노드 중에서 가중치가 일정 기준 이상인 노드에 대해 사용자의 질의 메시지를 발송하는 질의 응답 관리부를 포함할 수 있다.The content recommendation system through big data for emotional analysis of users according to an embodiment of the present invention is information that can indicate the physiological characteristics, social characteristics, and relational characteristics of the user for the purpose of identifying the user and confirming the user's situation Profile management unit to manage; an inference engine unit that analyzes and infers user's profile information, friend profile information, messages sent and received by users in the past, nodes and links, and sets weights for each node, and creates a common interest group and social circle with this weight information; and a question-and-answer management unit that sends a user's query message to a node whose weight is equal to or greater than a predetermined criterion among nodes in the common interest group.

본 발명의 일 실시예에 따른 사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템은 사용자의 취향을 분석하기 위해 다양한 문화·예술 분야와 그 하위 분야들을 계층형 모델화하여 보다 정확하게 콘텐츠를 추천/제공할 수 있는 장점이 있다.The content recommendation system through big data for emotional analysis of users according to an embodiment of the present invention can recommend/provide content more accurately by hierarchically modeling various cultural and artistic fields and their sub-fields in order to analyze users' tastes. there are advantages to

본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.The effects of the present invention are not limited to the above-mentioned effects, and the effects not mentioned will be clearly understood by those of ordinary skill in the art to which the present invention belongs from the present specification and the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템의 개략 구성도.
도 2는 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템의 콘텐츠 추천 서버의 개략 구성도.
도 3은 본 발명의 일 실시예에 따른 콘텐츠 추천 서버에서 사용자의 취향 별로 그룹핑하는 것을 설명하기 위한 개념도.
도 4는 본 발명의 일 실시예에 따른 콘텐츠 추천 서버에 의해 사용자의 단말기에서 구현되는 어플리케이션의 UI.1 is a schematic configuration diagram of a content recommendation system according to an embodiment of the present invention;
2 is a schematic configuration diagram of a content recommendation server of a content recommendation system according to an embodiment of the present invention;
3 is a conceptual diagram illustrating grouping by user's taste in a content recommendation server according to an embodiment of the present invention;
4 is a UI of an application implemented in a user's terminal by a content recommendation server according to an embodiment of the present invention;

이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다. Hereinafter, specific embodiments of the present invention will be described in detail with reference to the drawings. However, the spirit of the present invention is not limited to the embodiments presented, and those skilled in the art who understand the spirit of the present invention may add, change, delete, etc. other components within the scope of the same spirit, through addition, change, deletion, etc. Other embodiments included within the scope of the invention may be easily proposed, but this will also be included within the scope of the invention.

본 발명의 일 실시예에 따른 사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템은, 사용자를 식별하고 사용자의 상황을 확인하기 위한 목적으로 사용자의 생리적 특징, 사회적 특징, 관계적 특징을 나타낼 수 있는 정보를 관리하는 프로파일 관리부; 사용자의 프로파일 정보, 친구 프로파일 정보, 과거 사용자가 주고 받은 메시지, 노드 및 링크 등을 분석 추론하여 해당 노드 별로 가중치를 설정하고, 이러한 가중치 정보를 공통관심그룹 및 소셜 서클을 생성하는 추론 엔진부; 및 공통관심그룹 내의 노드 중에서 가중치가 일정 기준 이상인 노드에 대해 사용자의 질의 메시지를 발송하는 질의 응답 관리부를 포함할 수 있다.The content recommendation system through big data for emotional analysis of users according to an embodiment of the present invention is information that can indicate the physiological characteristics, social characteristics, and relational characteristics of the user for the purpose of identifying the user and confirming the user's situation Profile management unit to manage; an inference engine unit that analyzes and infers user's profile information, friend profile information, messages sent and received by users in the past, nodes and links, and sets weights for each node, and creates a common interest group and social circle with this weight information; and a question-and-answer management unit that sends a user's query message to a node whose weight is equal to or greater than a predetermined criterion among nodes in the common interest group.

또, 상기 추론 엔진부는 사용자가 입력한 텍스트를 포함한 정보를 포함하는 빅데이터와 빅데이터에 대한 딥러닝을 기반으로 사용자들의 감성을 분석할 수 있다.In addition, the reasoning engine unit may analyze the emotions of users based on big data including information including text input by the user and deep learning on big data.

또, 상기 추론 엔진부는 자연어처리(Natural Language Processing)기술과 머신러닝 알고리즘을 이용하여 사용자들의 감성을 분석할 수 있다.In addition, the reasoning engine unit may analyze the emotions of the users by using a natural language processing (Natural Language Processing) technology and a machine learning algorithm.

또, 상기 추론 엔진부는 명시적(explict)과 암시적(implict) 행동분석을 통해 사용자의 취향을 분석할 수 있다.In addition, the reasoning engine unit may analyze the user's taste through explicit and implicit behavior analysis.

각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.Elements having the same function within the scope of the same idea shown in the drawings of each embodiment will be described using the same reference numerals.

도 1은 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템의 개략 구성도이다.1 is a schematic configuration diagram of a content recommendation system according to an embodiment of the present invention.

도 2는 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템의 콘텐츠 추천 서버의 개략 구성도이다.2 is a schematic configuration diagram of a content recommendation server of a content recommendation system according to an embodiment of the present invention.

도 3은 본 발명의 일 실시예에 따른 콘텐츠 추천 서버에서 사용자의 취향 별로 그룹핑하는 것을 설명하기 위한 개념도이다.3 is a conceptual diagram for explaining grouping by user's taste in the content recommendation server according to an embodiment of the present invention.

도 4는 본 발명의 일 실시예에 따른 콘텐츠 추천 서버에 의해 사용자의 단말기에서 구현되는 어플리케이션의 UI이다.4 is a UI of an application implemented in a user's terminal by a content recommendation server according to an embodiment of the present invention.

첨부된 도면은 본 발명의 기술적 사상을 보다 명확하게 표현하기 위하여, 본 발명의 기술적 사상과 관련성이 떨어지거나 당업자로부터 용이하게 도출될 수 있는 부분은 간략화 하거나 생략하였다.In the accompanying drawings, in order to more clearly express the technical spirit of the present invention, parts that are not related to the technical spirit of the present invention or that can be easily derived from those skilled in the art have been simplified or omitted.

도 1은 본 발명의 일 실시예에 따른, 소셜 네트워크 기반의 질의 응답 시스템의 전체 개요도이다.1 is an overall schematic diagram of a social network-based question and answer system according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 콘텐츠 추천 시스템은 콘텐츠 추천 서버(100) 및 이와 연동되는 외부 서비스 제공 서버(300), 사용자 단말(200)를 포함한다.As shown in FIG. 1 , the content recommendation system includes a content recommendation server 100 , an external service providing server 300 interworking therewith, and a user terminal 200 .

사용자 단말(200)은 사용자에게 서비스를 제공하기 위한 응용 어플리케이션 및 사용자 인터페이스를 제공할 수 있다. The user terminal 200 may provide an application application and a user interface for providing a service to a user.

또한, 사용자 단말(200)은 사용자가 입력한 질의 메시지를 콘텐츠 추천 서버(100)에 전달하고, 상기 질의 메시지에 대한 응답 메시지를 사용자가 확인할 수 있도록 화면에 표시할 수 있다. Also, the user terminal 200 may transmit the query message input by the user to the content recommendation server 100 and display a response message to the query message on the screen so that the user can check it.

또한, 사용자 단말(200)은 사용자의 위치정보 활용을 위하여 GPS 모듈을 포함할 수 있다.In addition, the user terminal 200 may include a GPS module to utilize the user's location information.

콘텐츠 추천 서버(100)는 사용자 단말(200)로부터의 질의 메시지에 대하여, 공통관심그룹을 구성하고 소셜 서클을 생성하여, 이를 이용하여 해당 질의에 대한 최적의 응답을 구할 수 있다.The content recommendation server 100 may form a common interest group and create a social circle with respect to the inquiry message from the user terminal 200 , and use this to obtain an optimal response to the corresponding inquiry.

또한, 콘텐츠 추천 서버(100)는 외부에 컨텐츠를 제공하거나 부가적인 서비스를 제공하기 위해 외부 시스템(300)과 연동할 수 있으며, 이러한 외부 시스템에는 트위터 서버(300-1), 페이스북 서버(300-2) 및 구글맵 서버(300-3) 등이 포함될 수 있다. In addition, the content recommendation server 100 may interwork with the external system 300 to provide external content or provide additional services, and these external systems include the Twitter server 300-1 and the Facebook server 300 . -2) and the Google map server 300-3 may be included.

참고로, 공통관심그룹이란, 사용자의 친구 및 관련된 친구들 중에서 특정한 대상에 대해 관심을 가지는 사람들을 하나의 그룹으로 묶은 것을 말한다. 예를 들어, 사용자의 친구, 친구의 친구, 친구의 친구의 친구 및 친구의 친구의 친구의 친구를 대상으로 하여 축구에 관하여 관심을 가지는 이들을 축구 태그에 대한 공통관심서버에 포함시킬 수 있다.For reference, the common interest group refers to a group of users who are interested in a specific object among friends and related friends of the user. For example, a user's friend, a friend's friend, a friend's friend's friend, and a friend's friend's friend's friend may be included in the common interest server for the soccer tag.

또한, 소셜 서클이란, 생성된 공통관심그룹의 노드와 사용자간의 신뢰도 및 친밀도 등을 기초로 가중치를 수치화하고, 상기 가중치를 기준으로 해당 노드를 구분한 것을 의미한다.In addition, the social circle means that the weights are digitized based on the reliability and intimacy between the nodes of the generated common interest group and the users, and the corresponding nodes are classified based on the weights.

다음으로, 콘텐츠 추천 서버(100)의 세부 구성에 대해 설명하기로 한다.Next, a detailed configuration of the content recommendation server 100 will be described.

도 2는 본 발명의 일 실시예에 따른, 콘텐츠 추천 서버(100)의 세부 구성도이다.2 is a detailed configuration diagram of a content recommendation server 100 according to an embodiment of the present invention.

도 2에 도시된 바와 같이, 콘텐츠 추천 서버(100)는 프로파일 관리부(110), 추론 엔진부(120), 소셜 네트워크 관리부(130), 질의 응답 관리부(140), 커뮤니케이션 관리부(150)를 포함할 수 있다. 또한, 콘텐츠 추천 서버(100)는 메타데이터 관리부(160), 컨텐츠 관리부(170) 및 연동 게이트웨이(180)를 더 포함할 수 있다.As shown in FIG. 2 , the content recommendation server 100 may include a profile manager 110 , an inference engine 120 , a social network manager 130 , a question and answer manager 140 , and a communication manager 150 . can Also, the content recommendation server 100 may further include a metadata management unit 160 , a content management unit 170 , and an interworking gateway 180 .

프로파일 관리부(110)는 사용자 프로파일을 작성, 관리한다. The profile manager 110 creates and manages a user profile.

구체적으로, 프로파일 관리부(110)는 사용자를 식별하고 사용자의 상황을 확인하기 위한 목적으로 사용자의 생리적 특징, 사회적 특징, 관계적 특징을 나타낼 수 있는 정보를 관리할 수 있다. Specifically, the profile manager 110 may manage information that may indicate the physiological characteristics, social characteristics, and relational characteristics of the user for the purpose of identifying the user and confirming the user's situation.

사용자의 생리적 특징은 성별, 나이, 혈액형 등을 포함하며, 사회적 특징은 직업, 경력, 자격, 이메일, 전화번호, 관심 정보 등을 포함하며, 관계적 특징은 소셜 네트워크 구성원, 상기 구성원과의 친밀도, 신뢰도 등을 포함할 수 있다.The physiological characteristics of the user include gender, age, blood type, etc., the social characteristics include occupation, career, qualification, email, phone number, interest information, etc., the relational characteristics include social network members, intimacy with the members, reliability and the like.

또한, 프로파일 관리부(110)는 사용자의 관심정보를 등록, 저장 및 수정할 수 있다. 용자가 후술할 메타데이터 관리부(160)에서 제공하는 정보를 활용하여 자신의 취향에 맞는 관심 분야를 선택하여 사용자 프로파일에 관심정보로 등록할 수 있다.In addition, the profile manager 110 may register, store, and modify the user's interest information. The user may select an area of interest suitable for his/her taste by utilizing information provided by the metadata management unit 160, which will be described later, and register it as interest information in the user profile.

또한, 프로파일 관리부(110)는 사용자가 메타데이터 풀에 자신의 취향에 맞는 관심분야가 없을 경우 유사 항목을 선택하거나 신규로 항목을 생성할 수 있다. In addition, when the user does not have an area of interest that matches his or her taste in the metadata pool, the profile manager 110 may select a similar item or create a new item.

예를 들어, 아동교육의 유사항목은 교육, 현대미술의 유사항목은 미술 등과 같이 항목은 비구조적인(non-hierarchical) 키워드 또는 용어(keyword or term)로 표현될 수 있으며, 생성된 유사항목은 후술할 메타데이터 관리부(160)를 통해 카테고리 별로 분류되어 관리될 수 있다.For example, similar items in child education can be expressed as non-hierarchical keywords or terms, such as education, and similar items in contemporary art are art, and the generated similar items are It may be classified and managed by category through the metadata management unit 160, which will be described later.

추론 엔진부(120)는 사용자로부터의 질의 메시지를 분석하고, 노드분석을 한다. The reasoning engine unit 120 analyzes the query message from the user and performs node analysis.

메시지분석은 사용자가 질의한 메시지의 내용을 분석하는 것이며, 해당 질의 메시지를 어느 그룹으로 발송하는 것이 적합한지 여부를 판단할 수 있다. The message analysis is to analyze the contents of the message queried by the user, and it can be determined whether it is appropriate to send the inquiry message to which group.

노드분석은 노드의 프로파일 정보와 소셜 네트워크 상에서의 트랜잭션 정보를 분석하여, 해당 노드의 성향, 신뢰성, 노드 간의 친밀도를 판단할 수 있다. 또한, 추론 엔진부(120)는 분석 결과를 후술할 소셜 네트워크 관리부(130) 및 질의 응답 관리부(140)에 전달할 수 있다.Node analysis can analyze the profile information of the node and the transaction information on the social network to determine the propensity, reliability, and intimacy of the node. Also, the reasoning engine unit 120 may transmit the analysis result to the social network manager 130 and the question and answer manager 140 to be described later.

또한, 추론 엔진부(120)는 사용자의 프로파일 정보, 친구 프로파일 정보, 과거 사용자가 주고 받은 메시지, 노드 및 링크 등을 분석 추론하여 해당 노드 별로 가중치를 설정하고, 이러한 가중치 정보를 공통관심그룹 및 소셜 서클을 생성하거나 갱신하기 위한 자료로 제공할 수 있다.In addition, the inference engine unit 120 analyzes and infers the user's profile information, friend profile information, messages exchanged by users in the past, nodes and links, etc., and sets weights for each node, and uses this weight information for common interest groups and social media. It can be provided as a material for creating or updating circles.

친구 프로파일은 사용자의 친구뿐만 아니라, 사용자를 중심으로 4차까지의 친구 리스트에 속하는 범위까지 확장될 수 있다. 예를 들어, 4차까지의 친구 프로파일을 반영하는 경우, 사용자의 친구(1차 노드), 친구의 친구(2차 노드), 친구의 친구의 친구(3차 노드) 및 친구의 친구의 친구의 친구(4차 노드)에 해당하는 노드들이 공통관심그룹에 포함될 수 있다.The friend profile may be extended not only to the user's friends, but also to a range belonging to the fourth-order friend list centering on the user. For example, if the friend profile up to the 4th level is reflected, the user's friend (primary node), friend's friend (secondary node), friend's friend's friend (tertiary node), and friend's friend's friend's Nodes corresponding to friends (4th node) may be included in the common interest group.

또한, 추론 엔진부(120)는 사용자의 질의 메시지에 장소(location)와 관련된 정보가 있을 경우, 지리정보시스템(GIS)의 정보를 이용하여 사용자 중심으로 노드의 분포를 지도상에 표시하고, 가까운 노드에 가중치를 높게 부여하도록 구성될 수 있다.In addition, when there is location-related information in the user's query message, the inference engine unit 120 displays the distribution of nodes on the map centered on the user using the information of the geographic information system (GIS), It may be configured to give a high weight to the node.

공통관심그룹은 사용자 노드와 관련된 1차 ~ 4차까지의 친구 노드 중에서 공통되는 관심정보를 가지는 노드들을 하나의 그룹으로 구성할 수 있으며, 각 노드는 하나 이상의 공통관심그룹에 속하도록 구성될 수 있다.The common interest group may consist of nodes having common interest information among the first to fourth friend nodes related to the user node into one group, and each node may be configured to belong to one or more common interest groups. .

소셜 네트워크 관리부(130)는 사용자 프로파일, 친구 프로파일 등의 정보를 바탕으로 관심정보에 대응되는 공통관심그룹을 생성한다. The social network manager 130 creates a common interest group corresponding to the interest information based on information such as a user profile and a friend profile.

또한, 소셜 네트워크 관리부(130)는 공통관심그룹에 속하는 노드 및 링크의 가중치를 반영하여 소셜 서클을 생성하고, 소셜 그래프 상에서 사용자와 노드간의 신뢰도와 친밀도의 정도를 표시하며, 상기 생성된 소셜 서클의 정보를 후술할 커뮤니케이션 관리부(150)에 전달할 수 있다.In addition, the social network management unit 130 generates a social circle by reflecting the weights of nodes and links belonging to the common interest group, and displays the degree of trust and intimacy between the user and the node on the social graph, and The information may be transmitted to the communication management unit 150, which will be described later.

소셜 네트워크 관리부(130)는 사용자 노드를 중심으로 4차 노드까지의 노드 정보와 사용자의 공통관심그룹, 유사 공통관심그룹의 구성원에 대한 정보와 구성원간의 소셜 네트워크 관계정보를 관리할 수 있다. 또한, 소셜 네트워크 관리부(130)는 소셜 네트워크를 구성하는 노드 및 링크 정보를 관리할 수 있다.The social network management unit 130 may manage node information up to the fourth node centered on the user node, information about members of the user's common interest group and similar common interest group, and social network relationship information between members. Also, the social network management unit 130 may manage information on nodes and links constituting the social network.

질의 응답 관리부(140)는 공통관심그룹에 속하는 노드에 대해 질의 메시지를 전송한다. The query response management unit 140 transmits a query message to a node belonging to a common interest group.

구체적으로, 질의 응답 관리부(140)는 공통관심그룹 내의 노드 중에서 가중치가 일정 기준 이상인 노드에 대해 사용자의 질의 메시지를 발송할 수 있다. Specifically, the question and answer management unit 140 may send a user's query message to a node whose weight is equal to or greater than a predetermined criterion among nodes in the common interest group.

또한, 질의 응답 관리부(140)는 노드에서 답변한 응답 메시지가 사용자에 의해 채택되었는지 여부를 확인하고, 채택된 응답 메시지가 없거나 일정 시간이 경과할 때까지 어느 노드도 응답 메시지를 보내지 않는 경우에, 당해 공통관심그룹 내의 노드 전체에 대해 질의 메시지를 발송하도록 구성될 수 있다.In addition, the question and answer management unit 140 checks whether the response message answered by the node has been adopted by the user, and if there is no accepted response message or no node sends the response message until a certain time elapses, It may be configured to send a query message to all nodes in the common interest group.

또한, 질의 응답 관리부(140)는 당해 공통관심그룹 내의 노드로부터의 응답 메시지를 체크하여, 사용자에 의해 채택된 응답 메시지가 없거나, 공통관심그룹 내의 어떤 노드도 응답 메시지를 보내지 않은 경우에, 유사공통 관심그룹을 찾아서 메시지를 발송하도록 구성할 수 있다.In addition, the question and answer management unit 140 checks the response message from the node in the common interest group, and if there is no response message adopted by the user or no node in the common interest group sends a response message, the similar common interest group It can be configured to find interest groups and send messages to them.

커뮤니케이션 관리부(150)는 공통관심그룹내의 노드 간에 커뮤니케이션을 위한 기능을 제공한다. The communication management unit 150 provides a function for communication between nodes in the common interest group.

구체적으로, 커뮤니케이션 관리부(150)는 SMS, 메일, 메신저 등의 온라인 커뮤니케이션 기능을 이용하여 공통관심그룹 내의 구성원들에게 사용자의 질의메시지를 전송하거나 구성원들로부터의 응답 메시지를 수신하여 사용자에게 전달할 수 있다. 또한, 구성원 일부 또는 전부에 대해 실시간으로 커뮤니케이션을 할 수 있도록 채팅 또는 게시판 등을 제공할 수 있다.Specifically, the communication management unit 150 may transmit a user's inquiry message to members in a common interest group or receive a response message from the members and deliver it to the user using online communication functions such as SMS, mail, and messenger. . In addition, chatting or bulletin boards may be provided so that some or all of the members can communicate in real time.

또한, 커뮤니케이션 관리부(150)는 공통관심그룹 내의 구성원들이 외부 소셜 네트워크에 연결하여 해당 서비스를 이용하고, 해당 소셜 네트워크에서 얻은 추가 정보를 공통관심그룹내의 다른 구성원들에게 제공할 수 있다.Also, the communication management unit 150 may allow members in the common interest group to connect to an external social network to use a corresponding service, and provide additional information obtained from the social network to other members of the common interest group.

메타데이터 관리부(160)는 사용자 프로파일 및 친구 프로파일 등의 데이터로부터 메타데이터를 추출하여 태그 형태로 관리한다. The metadata management unit 160 extracts metadata from data such as a user profile and a friend profile and manages the metadata in the form of tags.

구체적으로, 메타데이터 관리부(160)는 사용자 프로파일, 친구 프로파일, 송수신 메시지, 저장된 컨텐츠, 공통관심그룹 정보 및 소셜 서클 정보 등으로부터 메타데이터를 추출하여 태그 형태로 관리하여, 사용자의 컨텐츠 요청시에 검색을 용이하게 하고, 공통관심그룹 및 소셜 서클의 생성을 용이하게 할 수 있다.Specifically, the metadata management unit 160 extracts metadata from a user profile, a friend profile, a sending/receiving message, stored content, common interest group information, social circle information, and the like, and manages it in the form of a tag, and retrieves it when the user requests the content. and facilitates the creation of common interest groups and social circles.

또한, 메타데이터 관리부(160)는 추출된 태그 정보를 카테고리화하여, 정보를 통합 관리하고 태그간의 연관관계를 직관적으로 파악할 수 있도록 분류하여 관리할 수 있다. In addition, the metadata management unit 160 categorizes the extracted tag information, manages the information in an integrated manner, and classifies and manages the relation between tags so as to intuitively understand the relationship.

이러한 카테고리화된 태그 정보는 추론 엔진부(120) 및 소셜 네트워크 관리부(130)에게 제공되어, 추론 엔진부(120)가 메시지 분석 및 노드 분석을 수행하는 경우 또는 소셜 네트워크 관리부(130)가 공통관심그룹 및 소셜 서클을 생성하는 과정에서 사용될 수 있다.This categorized tag information is provided to the inference engine unit 120 and the social network management unit 130, and when the reasoning engine unit 120 performs message analysis and node analysis, or the social network management unit 130 is of common interest It can be used in the process of creating groups and social circles.

컨텐츠 관리부(170)는 사용자 및 구성원들 간의 질의 응답에 의해 생성된 콘텐츠를 데이터베이스화하여 관리한다. The content management unit 170 manages the database and manages the content generated in response to a query between users and members.

구체적으로, 컨텐츠 관리부(170)는 사용자가 검색을 요청하거나 타 서비스에의 연동 요청시에 해당 컨텐츠를 제공할 수 있다.Specifically, the content management unit 170 may provide the corresponding content when the user requests a search or requests to link to other services.

또한, 컨텐츠 관리부(170)는 추론 엔진부(120)의 사용자 성향 패턴, 메타데이터 관리부(160)의 메타정보 및 소셜 네트워크 관리부(130)의 소셜 네트워크 정보를 이용하여, 저장된 컨텐츠로부터 사용자 맞춤형 컨텐츠를 구성할 수 있다. In addition, the content management unit 170 uses the user propensity pattern of the inference engine unit 120, the metadata of the metadata management unit 160, and the social network information of the social network management unit 130, the user-customized content from the stored content. configurable.

예를 들어, 이러한 사용자 맞춤형 컨텐츠에는 사용자의 질의 메시지, 응답 메시지, 질의자, 응답자, 시간 정보 및 장소 정보 등이 포함될 수 있다.For example, the user-customized content may include a user's query message, a response message, a questioner, a responder, time information, location information, and the like.

연동 게이트웨이(180)는 외부 소셜 네트워크와 연동하기 위한 인터페이스를 제공한다. 구체적으로, 연동 게이트웨이(180)는 외부 소셜 네트워크와 연동하여 필요한 컨텐츠를 전송하거나 수신할 수 있다. The interworking gateway 180 provides an interface for interworking with an external social network. Specifically, the interworking gateway 180 may transmit or receive necessary content by interworking with an external social network.

예를 들어, 트위터에 메시지를 포스팅 하거나, 페이스북에 커넥트하려는 경우, 또는 구글 맵 서버로부터 위치 정보를 받고자 하는 경우에, 연동 게이트웨이(180)가 제공하는 API 인터페이스를 이용하여 해당 서비스를 제공하는 외부 시스템(300)와 연결될 수 있다.For example, when posting a message on Twitter, connecting to Facebook, or receiving location information from a Google map server, an external providing a corresponding service using the API interface provided by the interworking gateway 180 It may be connected to the system 300 .

또한, 연동 게이트웨이(180)는 전문인력의 스케줄관리, 출동관리 등을 관리하는 기업의 WM(Workforce Management)와 연동되는 인력 지원 서비스를 제공할 수도 있다.In addition, the interworking gateway 180 may provide a manpower support service that is interlocked with a WM (Workforce Management) of a company that manages schedule management, dispatch management, etc. of professional manpower.

도 3은 본 발명의 일 실시예에 따른, 콘텐츠 추천 서버(100)에서 사용자의 취향 별로 그룹핑하는 것을 설명하기 위한 개념도이다.3 is a conceptual diagram for explaining grouping by user's taste in the content recommendation server 100 according to an embodiment of the present invention.

도 3에 도시한 바와 같이, 콘텐츠 추천 서버(100)는, 관심분야 별로 사용자 단말의 인적 네트워크를 재구축한 후 인적 관계 지수, 즉 취향 별 인적 그룹핑을 산출할 수 있다.As shown in FIG. 3 , the content recommendation server 100 may calculate a human relationship index, that is, a human grouping by taste, after rebuilding the human network of the user terminal for each field of interest.

도 3의 (i)에는 소셜 네트워크 시스템을 이용하는 사용자 단말들 사이에 기존에 구축된 인적 네트워크가 도시되어 있다. 3( i ) shows a human network previously built between user terminals using a social network system.

도시된 것처럼 기존의 인적 네트워크는 관심분야 A와 B라는 다양한 관심 분야를 가지는 사용자 단말들이 섞여 이루어져 있다.As shown, the existing human network is composed of user terminals having various fields of interest A and B of interest.

콘텐츠 추천 서버(100)는, 관심분야 A를 등록한 사용자 단말들의 인적 관계 지수를 산출하기 위해, 도 3의 (i)에 도시된 기존의 인적 네트워크에서 관심분야 B를 등록한 사용자 단말들을 배제하고, 관심분야 A를 등록한 사용자 단말들을 이용하여 도 3의 (ii)와 같이 인적 네트워크를 재구축한 후 PageRank 알고리즘을 사용하여 인적 관계 지수를 산출할 수 있다.The content recommendation server 100 excludes the user terminals registered in the interest area B from the existing human network shown in FIG. After the human network is reconstructed as shown in (ii) of FIG. 3 using user terminals registered in field A, the human relationship index can be calculated using the PageRank algorithm.

마찬가지로, 콘텐츠 추천 서버(100)는, 관심분야 B를 등록한 사용자 단말들의 인적 관계 지수를 산출하기 위해, 도 3의 (i)에 도시된 기존의 인적 네트워크에서 관심분야 A를 등록한 사용자 단말들을 배제하고, 관심분야 B를 등록한 사용자 단말들을 이용하여 도 3의 (iii)과 같이 인적 네트워크를 재구축한 후 PageRank 알고리즘을 사용하여 인적 관계 지수를 산출할 수 있다.Similarly, the content recommendation server 100 excludes the user terminals registered in the field of interest A from the existing human network shown in FIG. , and after reconstructing the human network as shown in (iii) of FIG. 3 using user terminals registered in the field of interest B, the human relationship index can be calculated using the PageRank algorithm.

콘텐츠 추천 서버(100)는 관심분야 별로 재구축한 인적 네트워크를 기반으로 PageRank 알고리즘을 사용하여 관심분야 별 인적 네트워크 지수를 판별할 수 있다.The content recommendation server 100 may determine the human network index for each field of interest by using the PageRank algorithm based on the human network reconstructed for each field of interest.

특히, 콘텐츠 추천 서버(100)는 사용자가 입력한 텍스트를 통해 긍정, 부정, 희로애락 등의 감정분석이 아닌 사용자의 문화적 취향과 감성을 분석할 수 있다.In particular, the content recommendation server 100 may analyze the user's cultural taste and emotion through the text input by the user, rather than analyzing emotions such as positive, negative, joy and sorrow.

또한, 콘텐츠 추천 서버(100)는 텍스트 분석뿐 아니라 명시적(explict)과 암시적(implict) 행동분석을 통해 사용자의 취향을 수집하고 분류할 수 있다.In addition, the content recommendation server 100 may collect and classify user's tastes through not only text analysis but also explicit and implicit behavioral analysis.

도 4는 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(100)에 의해 사용자의 단말기에서 구현되는 어플리케이션의 UI이다.4 is a UI of an application implemented in a user's terminal by the content recommendation server 100 according to an embodiment of the present invention.

도 4에 도시한 바와 같이, 콘텐츠 추천 서버(100)는 빅데이터와 딥러닝을 기반으로 사용자들의 감성(취향) 분석을 통해 최신 트렌드 예측 및 유저 개인별 맞춤형 패션, 코디, 음원 등의 상품등 2개이상의 콘텐츠 추천이 가능한 연동형 커머스 서비스를 제공할 수 있다.As shown in Fig. 4, the content recommendation server 100 predicts the latest trends through user's emotional (taste) analysis based on big data and deep learning, and offers two products such as fashion, coordination, and sound source customized for each user. It is possible to provide a linked commerce service capable of recommending the above contents.

상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.In the above, the configuration and features of the present invention have been described based on the embodiments according to the present invention, but the present invention is not limited thereto, and it is understood that various changes or modifications can be made within the spirit and scope of the present invention. It is intended that such changes or modifications will be apparent to those skilled in the art, and therefore fall within the scope of the appended claims.

100: 콘텐츠 추천 서버
200: 사용자 단말기
300: 외부 서비스 제공 서버100: content recommendation server
200: user terminal
300: external service providing server

Claims (4)

사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템에 있어서,
사용자를 식별하고 사용자의 상황을 확인하기 위한 목적으로 사용자의 생리적 특징, 사회적 특징, 관계적 특징을 나타낼 수 있는 정보를 관리하는 프로파일 관리부;
사용자의 프로파일 정보, 친구 프로파일 정보, 과거 사용자가 주고 받은 메시지, 노드 및 링크 등을 분석 추론하여 해당 노드 별로 가중치를 설정하고, 이러한 가중치 정보를 공통관심그룹 및 소셜 서클을 생성하는 추론 엔진부; 및
공통관심그룹 내의 노드 중에서 가중치가 일정 기준 이상인 노드에 대해 사용자의 질의 메시지를 발송하는 질의 응답 관리부를 포함하는,
사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템.
In the content recommendation system through big data of user's sentiment analysis,
a profile management unit that manages information that can represent a user's physiological characteristics, social characteristics, and relational characteristics for the purpose of identifying the user and confirming the user's situation;
an inference engine unit that analyzes and infers a user's profile information, friend profile information, messages exchanged by users in the past, nodes and links, etc., sets weights for each node, and creates a common interest group and social circle with the weight information; and
A question and answer management unit that sends a user's query message to a node whose weight is greater than or equal to a certain standard among nodes in the common interest group,
Content recommendation system through user's sentiment analysis big data.
 제1항에 있어서,
상기 추론 엔진부는,
사용자가 입력한 텍스트를 포함한 정보를 포함하는 빅데이터와 빅데이터에 대한 딥러닝을 기반으로 사용자들의 감성을 분석하는,
사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템.
According to claim 1,
The inference engine unit,
It analyzes the emotions of users based on deep learning of big data and big data including information including text entered by users.
Content recommendation system through user's sentiment analysis big data.
 제2항에 있어서,
상기 추론 엔진부는,
자연어처리(Natural Language Processing)기술과 머신러닝 알고리즘을 이용하여 사용자들의 감성을 분석하는,
사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템.
3. The method of claim 2,
The inference engine unit,
It analyzes the emotions of users using natural language processing technology and machine learning algorithms.
Content recommendation system through user's sentiment analysis big data.
 제3항에 있어서,
상기 추론 엔진부는,
명시적(explict)과 암시적(implict) 행동분석을 통해 사용자의 취향을 분석하는,
사용자들의 감성 분석 빅데이터를 통한 콘텐츠 추천 시스템.
4. The method of claim 3,
The inference engine unit,
Analyzing user preferences through explicit and implicit behavioral analysis,
Content recommendation system through user's sentiment analysis big data.
KR1020200051331A 2020-04-28 2020-04-28 Cntent recommendation service system using big datas KR20210132878A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200051331A KR20210132878A (en) 2020-04-28 2020-04-28 Cntent recommendation service system using big datas

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200051331A KR20210132878A (en) 2020-04-28 2020-04-28 Cntent recommendation service system using big datas

Publications (1)

Publication Number Publication Date
KR20210132878A true KR20210132878A (en) 2021-11-05

Family

ID=78507817

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200051331A KR20210132878A (en) 2020-04-28 2020-04-28 Cntent recommendation service system using big datas

Country Status (1)

Country Link
KR (1) KR20210132878A (en)

Similar Documents

Publication Publication Date Title
US10992609B2 (en) Text-messaging based concierge services
US8943004B2 (en) Tools and methods for determining relationship values
US20180374107A1 (en) Method and Apparatus for Building a User Profile, for Personalization Using Interaction Data, and for Generating, Identifying, and Capturing User Data Across Interactions Using Unique User Identification
Tam et al. Web personalization as a persuasion strategy: An elaboration likelihood model perspective
Li et al. Building a targeted mobile advertising system for location-based services
US8661050B2 (en) Hybrid recommendation system
US20100257028A1 (en) Methods and systems for extracting and managing latent social networks for use in commercial activities
US20090125377A1 (en) Profiling system for online marketplace
US20160267545A1 (en) Automatically targeting content to online users
US8341101B1 (en) Determining relationships between data items and individuals, and dynamically calculating a metric score based on groups of characteristics
US20110276396A1 (en) System and method for dynamically monitoring, recording, processing, attaching dynamic, contextual and accessible active links and presenting of physical or digital activities, actions, locations, logs, life stream, behavior and status
Meehan et al. Aggregating social media data with temporal and environmental context for recommendation in a mobile tour guide system
US20160171113A1 (en) Systems and Methods for Controlling Crawling Operations to Aggregate Information Sets With Respect to Named Entities
US20130282603A1 (en) System and method for providing a social customer care system
CN104239385A (en) Method for estimating relationships between topics, and system
Berkani A semantic and social‐based collaborative recommendation of friends in social networks
Ting et al. Understanding microblog users for social recommendation based on social networks analysis
KR20120045861A (en) Method and server for providing social network based question and answer service
US20180260419A1 (en) Constructing a database of verified individuals
Buckley et al. Social media and customer behavior analytics for personalized customer engagements
US8478702B1 (en) Tools and methods for determining semantic relationship indexes
JP2024008344A (en) Information processing apparatus, information processing method, and information processing program
CN113052653A (en) Financial product content recommendation method and system and computer readable storage medium
WO2012127484A1 (en) A system and method for managing, monitoring, tracking, updating, measuring and facilitate maintaining user status & state
Chang et al. Towards social recommendation system based on the data from microblogs

Legal Events

Date Code Title Description
E601 Decision to refuse application