KR20210143608A - 컴퓨팅 장치 및 그 동작 방법 - Google Patents

컴퓨팅 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR20210143608A
KR20210143608A KR1020200060617A KR20200060617A KR20210143608A KR 20210143608 A KR20210143608 A KR 20210143608A KR 1020200060617 A KR1020200060617 A KR 1020200060617A KR 20200060617 A KR20200060617 A KR 20200060617A KR 20210143608 A KR20210143608 A KR 20210143608A
Authority
KR
South Korea
Prior art keywords
information
terminal
content
attribute information
computing device
Prior art date
Application number
KR1020200060617A
Other languages
English (en)
Inventor
라자시만 바스카르
샤르마 사친 데브
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020200060617A priority Critical patent/KR20210143608A/ko
Priority to PCT/KR2021/000185 priority patent/WO2021235643A1/ko
Priority to US17/325,954 priority patent/US20210365800A1/en
Publication of KR20210143608A publication Critical patent/KR20210143608A/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

일 실시 예에 따른 컴퓨팅 장치는, 적어도 하나의 인스트럭션을 저장하는 메모리 및 메모리에 저장된 적어도 하나의 인스트럭션을 실행하는 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로세서는 적어도 하나의 인스트럭션을 실행함으로써, 단말기로부터 수신한 데이터 및 지식 그래프로부터 단말기 사용자 속성 정보를 획득하고, 단말기 사용자 속성 정보를 콘텐트 속성 정보와 비교하여 잠재 고객을 검색할 수 있다.

Description

컴퓨팅 장치 및 그 동작 방법{Computing apparatus and operating method thereof}
개시된 다양한 실시 예들은 컴퓨팅 장치 및 그 동작 방법에 관한 것으로서, 보다 상세하게는, 단말기 사용자 속성 정보 및 콘텐트 속성 정보를 획득하고 이로부터 잠재 고객을 검색하는 컴퓨팅 장치 및 그 동작 방법에 관한 것이다.
잠재 고객 세분화(segmentation)는 광고 또는 추천 등의 분야에서 이용되는 기술로, 사람들을 다양한 기준에 따라 공통 속성을 공유하는 사람들의 그룹으로 나누는 것을 의미한다. 마케팅 담당자는 잠재 고객 세분화 기술을 통해 수많은 사람들 중 적합한 잠재 고객을 선택하거나 잠재 고객 그룹을 만족시키는 제품 및 서비스를 설계하여 이를 잠재 고객에게 광고할 수 있다.
고객에 대한 정보를 갖고 있는 플랫폼 운영자는 잠재 고객을 세분화하기 위한 카테고리를 구축한다. 그러나 플랫폼 운영자가 획일적으로 카테고리를 설정한다는 점에서 마케팅 담당자는 원하는 속성을 갖는 잠재 고객을 충분히 검색하지 못하는 경우가 많다. 또한 플랫폼은 유사하거나 관련된 분야를 고려하지 않기 때문에 유사 분야의 잠재 고객을 제공하는 기능이 부족하다.
다양한 실시 예들은 단말기로부터 수신한 데이터로부터 사용자 속성 정보를 획득하는 컴퓨팅 장치 및 그 동작 방법을 제공하기 위한 것이다.
다양한 실시 예들은 UKG, CKG, 및 디바이스 그래프 중 적어도 하나를 이용하여 단말기 사용자 속성 정보를 획득하는 컴퓨팅 장치 및 그 동작 방법을 제공하기 위한 것이다.
다양한 실시 예들은 CKG를 이용하여 콘텐트 속성 정보를 획득하는 컴퓨팅 장치 및 그 동작 방법을 제공하기 위한 것이다.
다양한 실시 예들은 단말기 사용자 속성 정보 및 콘텐트 속성 정보를 이용하여 보다 구체적이고 명확히 잠재 고객을 검색하는 컴퓨팅 장치 및 그 동작 방법을 제공하기 위한 것이다.
일 실시 예에 따른 컴퓨팅 장치는 적어도 하나의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 상기 적어도 하나의 인스트럭션을 실행하는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 적어도 하나의 인스트럭션을 실행함으로써, 단말기로부터 수신한 데이터 및 지식 그래프로부터 단말기 사용자 속성 정보를 획득하고, 상기 단말기 사용자 속성 정보를 콘텐트 속성 정보와 비교하여 잠재 고객을 검색할 수 있다.
실시 예에서, 상기 프로세서는 CKG(Contents Knowledge Graph)를 이용하여 콘텐트와 의미론적으로(semantically) 관련된 정보를 상기 콘텐트에 대한 메타데이터에 추가하여 상기 콘텐트 속성 정보를 획득할 수 있다.
실시 예에서, 상기 프로세서는 소정 콘텐트와 관련된 잠재 고객 검색 요청에 상응하여, 상기 단말기 사용자 속성 정보 및 소정 콘텐트 속성 정보를 비교하여, 상기 소정 콘텐트와 관련된 잠재 고객을 검색할 수 있다.
실시 예에서, 상기 단말기로부터 수신한 데이터는 단말기 식별 정보, 단말기 사용 이력 정보, 소비 콘텐트 정보, 상기 단말기와 연결된 적어도 하나의 전자 디바이스 정보 중 적어도 하나를 포함할 수 있다.
실시 예에서, 상기 단말기 사용 이력 정보는 상기 단말기를 사용한 빈도, 사용 시간, 사용 시각, 사용 요일에 대한 정보 중 적어도 하나를 포함하고, 상기 소비 콘텐트 정보는 상기 단말기를 이용하여 소비한 콘텐트의 식별 정보 및 소비 유형 정보 중 적어도 하나를 포함할 수 있다.
실시 예에서, 상기 단말기와 연결된 적어도 하나의 전자 디바이스 정보는 디바이스 식별 정보, 디바이스 사용 이력 정보, 디바이스 사용 패턴 정보 중 적어도 하나를 포함하고, 상기 프로세서는 상기 전자 디바이스 정보를 이용하여 디바이스 그래프를 획득할 수 있다.
실시 예에서, 상기 지식 그래프는 UKG(User Knowledge Graph) 및 CKG(Contents Knowledge Graph) 중 적어도 하나를 포함하고, 상기 프로세서는 상기 단말기로부터 수신한 데이터, 상기 디바이스 그래프 및 상기 지식 그래프를 이용하여 상기 단말기 사용자 속성 정보를 획득할 수 있다.
실시 예에서, 상기 프로세서는 상기 UKG를 이용하여, 상기 단말기 사용자의 인구 통계학적 정보, 지리적 위치 정보, 이용 시간 정보, 단말기 사용 경향, 시청 경향, 행동 정보 중 적어도 하나를 획득하고 이로부터 상기 사용자 속성 정보를 획득할 수 있다.
실시 예에서, 상기 프로세서는 상기 CKG를 이용하여, 상기 단말기를 이용하여 소비한 콘텐트 정보와 의미론적으로(semantically) 관련된 정보를 상기 소비한 콘텐트에 대한 메타데이터에 추가하여 단말기 상기 사용자 속성 정보를 획득할 수 있다.
실시 예에서, 상기 프로세서는 상기 디바이스 그래프를 이용하여, 상기 사용자 속성 정보를 강화할 수 있다.
일 실시 예에 따른 컴퓨팅 장치의 동작 방법은 단말기로부터 수신한 데이터 및 지식 그래프로부터 단말기 사용자 속성 정보를 획득하는 단계, 콘텐트 속성 정보를 획득하는 단계 및 상기 단말기 사용자 속성 정보 및 상기 콘텐트 속성 정보를 비교하여 잠재 고객을 검색하는 단계를 포함할 수 있다.
일 실시 예에 따른 컴퓨터로 판독 가능한 기록 매체는 단말기로부터 수신한 데이터 및 지식 그래프로부터 단말기 사용자 속성 정보를 획득하는 단계, 콘텐트 속성 정보를 획득하는 단계 및 상기 단말기 사용자 속성 정보 및 상기 콘텐트 속성 정보를 비교하여 잠재 고객을 검색하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체일 수 있다.
일 실시 예에 따른 컴퓨팅 장치 및 방법은 단말기로부터 수신한 데이터로부터 디바이스 그래프를 획득할 수 있다.
일 실시 예에 따른 컴퓨팅 장치 및 방법은 UKG, CKG, 및 디바이스 그래프 중 적어도 하나를 이용하여 단말기 사용자 속성 정보를 획득할 수 있다.
일 실시 예에 따른 컴퓨팅 장치 및 방법은 CKG를 이용하여 콘텐트 속성 정보를 획득할 수 있다.
일 실시 예에 따른 컴퓨팅 장치 및 방법은 단말기 사용자 속성 정보 및 콘텐트 속성 정보를 이용하여 보다 구체적이고 명확히 잠재 고객을 검색할 수 있다.
도 1은 일 실시 예에 따라, 컴퓨팅 장치(100)가 잠재 고객(140)을 제공하는 것을 설명하기 위한 도면이다.
도 2는 실시 예에 따른 지식 그래프를 설명하기 위한 도면이다.
도 3은 실시 예에 따른 디바이스 그래프를 설명하기 위한 도면이다.
도 4는 콘텐트 지식 그래프 (CKG)를 사용하여 콘텐트 속성 정보를 강화하는 것을 설명하기 위한 도면이다.
도 5는 확장된 쿼리를 입력 받을 수 있는 사용자 인터페이스를 도시한다.
도 6은 컴퓨팅 장치(600)의 내부 블록도이다.
도 7은 도 6의 프로세서(610)의 내부 블록도이다.
도 8은 실시 예에 따른 컴퓨팅 장치의 동작 방법을 도시한 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 개시의 실시 예를 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
본 개시에서 사용되는 용어는, 본 개시에서 언급되는 기능을 고려하여 현재 사용되는 일반적인 용어로 기재되었으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 다양한 다른 용어를 의미할 수 있다. 따라서 본 개시에서 사용되는 용어는 용어의 명칭만으로 해석되어서는 안되며, 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 해석되어야 한다.
또한, 본 개시에서 사용된 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것이며, 본 개시를 한정하려는 의도로 사용되는 것이 아니다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
본 명세서, 특히, 특허 청구 범위에서 사용된 “상기” 및 이와 유사한 지시어는 단수 및 복수 모두를 지시하는 것일 수 있다. 또한, 본 개시에 따른 방법을 설명하는 단계들의 순서를 명백하게 지정하는 기재가 없다면, 기재된 단계들은 적당한 순서로 행해질 수 있다. 기재된 단계들의 기재 순서에 따라 본 개시가 한정되는 것은 아니다.
본 명세서에서 다양한 곳에 등장하는 "일부 실시 예에서" 또는 "일 실시 예에서" 등의 어구는 반드시 모두 동일한 실시 예를 가리키는 것은 아니다.
본 개시의 일부 실시 예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.
또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.
또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
또한, 명세서에서 “사용자”라는 용어는 컴퓨팅 장치나 영상 표시 장치를 이용하여 컴퓨팅 장치나 영상 표시 장치의 기능 또는 동작을 제어하거나 영상 표시 장치를 기능에 따라 이용하는 사람을 의미하며, 시청자, 관리자 또는 설치 기사를 포함할 수 있다.
또한, 명세서에서 “마케팅 담당자”는 컴퓨팅 장치를 이용하여 광고나 추천 등과 같이 마케팅을 하려는 제품이나 서비스 등에 관심이 있거나 소비할 가능성이 높은 고객을 검색하는 사람이나 기업 등을 의미할 수 있다.
이하 첨부된 도면을 참고하여 본 개시를 상세히 설명하기로 한다.
도 1은 일 실시 예에 따라, 컴퓨팅 장치(100)가 잠재 고객(140)을 제공하는 것을 설명하기 위한 도면이다.
도 1을 참조하면, 컴퓨팅 장치(100)는 통신망(120)을 통해 단말기(110)와 결합되어 있다. 단말기(110)는 컴퓨팅 장치(100)와 유선 또는 무선으로 통신할 수 있는, 다양한 형태의 전자 장치로 구현될 수 있다.
실시 예에서, 단말기(110)는 영상 표시 장치일 수 있다. 영상 표시 장치는 통신망(120)을 통해 컴퓨팅 장치(100)와 통신을 수행할 수 있고, 영상을 출력할 수 있는 다양한 전자 장치로 구현될 수 있다. 영상 표시 장치는 고정형 또는 이동형일 수 있다. 예를 들어, 영상 표시 장치는 데스크탑, 디지털 TV, 스마트 폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 화상전화기, 전자북 리더기(e-book reader), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 디지털 카메라, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 캠코더, 네비게이션, 웨어러블 장치(wearable device), 스마트 와치(smart watch), 홈네트워크 시스템, 보안 시스템, 의료 장치 중 적어도 하나를 포함할 수 있다.
사용자는 다양한 형태로 단말기(110)를 사용하여 단말기(110)의 기능이 수행되도록 할 수 있다.
단말기(110)는 컴퓨팅 장치(100)로 단말기 식별 정보, 단말기 사용 이력 정보, 소비 콘텐트 정보 중 하나 이상을 전송할 수 있다.
단말기 식별 정보는 단말기(110)를 식별하기 위한 정보로, 단말기(110)의 종류, 업체 정보, 제조사, 모델 정보, 아이디 넘버, IP 어드레스 중 하나 이상을 포함할 수 있다.
단말기 사용 이력 정보는 사용자가 단말기(110)를 사용한 빈도, 사용 시간, 사용 시각, 사용 요일에 대한 정보 중 적어도 하나를 포함할 수 있다.
소비 콘텐트 정보는 사용자가 단말기(110)를 이용하여 소비한 콘텐트에 대한 정보로, 소비한 콘텐트의 식별 정보 및 소비한 유형이 무엇인지 중 적어도 하나를 포함할 수 있다. 소비한 콘텐트의 식별 정보는 사용자가 단말기(110)를 이용하여 소비한 콘텐트를 식별하기 위한 정보로, 프로그램 식별 정보, 특정 애플리케이션 식별 정보, 애플리케이션에서 실행된 기능 식별 정보 중 적어도 하나를 포함할 수 있다.
소비한 유형은 사용자가 단말기(110)를 이용하여 프로그램을 시청했는지, 특정 앱을 실행했는지, 아이템이나 프로그램 시청을 구매했는지, 또는 단순히 브라우징(browing)을 통해 특정 프로그램 등을 검색했는지 등과 같은 소비 형태를 의미할 수 있다.
콘텐트는 유무선 통신망을 통해 제공되는 디지털 정보를 포함할 수 있다. 콘텐트는, 예를 들어, 광고 콘텐트, 동영상 콘텐트(예컨대, TV 프로그램 영상, VOD(Video On Demand) 영상, 개인 영상(UCC: User-Created Contents), 뮤직비디오, 유투브 영상 등), 정지 영상 콘텐트(예컨대, 사진, 그림 등), 텍스트 콘텐트(예컨대, 전자책(시, 소설), 편지, 업무 파일), 음악 콘텐트(예컨대, 음악, 연주곡, 라디오 방송 등), 웹 페이지, 애플리케이션 실행 정보 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이 외에도, 본 출원에서 콘텐트는 단말기(110)를 이용하여 실행 가능한 어플리케이션, 사용자에게 제공 가능한 서비스나 구매 가능한 제품 등과 같이 마케팅의 대상이 되는 정보를 포함하는 의미로 사용될 수 있다.
실시 예에서, 컴퓨팅 장치(100)는 단말기(110)로부터 수신한 데이터로부터 단말기 사용자 속성 정보를 획득할 수 있다. 단말기 사용자 속성 정보는 단말기 사용자의 속성을 표시하는 정보로, 단말기 사용자의 개인화된 정보 및 단말기 사용자 취향 정보 중 하나 이상을 포함할 수 있다.
이를 위해 컴퓨팅 장치(100)는 데이터베이스(130)로부터 획득한 지식 그래프(Knowledge Graph)를 이용할 수 있다. 지식 그래프는 다양한 소스들로부터 축적한 시맨틱 정보를 사용하여 관련성 있는 결과를 제공하는 그래프를 의미한다.
지식 그래프는 UKG(User Knowledge Graph) 및 CKG(Contents Knowledge Graph) 중 적어도 하나를 포함할 수 있다. 도 1에서는 지식 그래프가 데이터베이스(130)에 저장된 경우를 도시하였으나 이는 실시 예로, 지식 그래프는 서버(미도시)에서 생성되어 서버로부터 획득되어 이용될 수도 있다.
컴퓨팅 장치(100)는 단말기(110)로부터 수신한 데이터 및 지식 그래프를 이용하여 단말기 사용자의 개인화된 정보 및 단말기 사용자 취향 정보를 획득할 수 있다.
이와 같이, 실시 예에 의하면, 컴퓨팅 장치(100)는 단말기(110)로부터 수시한 데이터 및 데이터베이스(130)로부터 획득한 지식 그래프, 즉, UKG 및 CKG 중 적어도 하나를 이용하여 사용자 속성 정보를 획득함으로써, 단말기 사용자에 대한 보다 구체적이고 풍부한 정보를 획득할 수 있다.
실시 예에서, 단말기(110)는 컴퓨팅 장치(100)로 단말기(110)와 연결된 적어도 하나의 전자 디바이스에 대한 정보를 전송할 수 있다. 단말기(110)와 연결된 전자 디바이스에 대한 정보는, 전자 디바이스의 식별 정보, 디바이스 사용 이력 정보, 디바이스 사용 패턴 정보 중 적어도 하나를 포함할 수 있다.
컴퓨팅 장치(100)는 지식 그래프, 즉, UKG 및 CKG 중 적어도 하나를 이용하여 획득한 사용자 속성 정보를 디바이스 그래프를 이용하여 더 확장하여 이용할 수 있다.
실시 예에서, 컴퓨팅 장치(100)는 CKG를 이용하여 콘텐트 속성 정보를 획득할 수 있다. 콘텐트 속성 정보는 콘텐트의 속성을 설명하는 정보를 의미할 수 있다. 컴퓨팅 장치(100)는 콘텐트에 대해, 각각의 콘텐트와 의미론적으로 (semantically) 관련된 정보를 콘텐트에 대한 메타데이터에 추가하여 콘텐트 속성 정보를 획득할 수 있다.
컴퓨팅 장치(100)는 프로그램의 EPG 정보 등을 콘텐트에 대한 메타데이터로 이용할 수 있다. 실시 예에서, 컴퓨팅 장치(100)는 EPG 정보 외에도 다양한 정보 제공 데이터베이스나 서버 등으로부터 콘텐트의 속성에 대한 정보를 추가로 획득하고 이를 콘텐트에 대한 메타데이터에 추가함으로써 콘텐트 속성을 확장할 수 있다.
실시 예에서, 컴퓨팅 장치(100)는 소정 콘텐트와 관련된 잠재 고객 검색 요청을 받고, 이에 따라 단말기 사용자 속성 정보 및 소정 콘텐트 속성 정보를 비교하여, 소정 콘텐트와 관련된 잠재 고객(140)을 검색할 수 있다. 전술한 바와 같이 단말기 사용자 속성 정보 및 콘텐트 속성 정보는 지식 그래프를 이용하여 다양한 속성들이 추가되고 강화되었기 때문에, 컴퓨팅 장치(100)는 마케팅 담당자가 검색하려는 콘텐트와 관련된 속성을 가지는 단말기 사용자를 보다 구체적이고 정확하게 검색할 수 있다.
도 2는 실시 예에 따른 지식 그래프를 설명하기 위한 도면이다.
도 2에 지식 그래프(Knowledge Graph, 210)가 도시된다. 지식 그래프(210)는 구조화된 정보와 다른 정보로의 링크를 제공한다. 도 2에서 노드는 다양한 주제를 표현할 수 있다. 예컨대 노드는 콘텐트나 사용자, 또는 특정 속성을 의미할 수 있다. 관련된 콘텐트나 사용자들은 서로 링크되어 있다.
지식 그래프(210)는 다양한 소스로부터 축적된 시맨틱 정보를 사용하여 주제에 대한 유용하고 관련성 있는 정보를 제공함으로써 검색 결과를 향상시키는데 이용될 수 있다.
데이터베이스(130) 또는 서버(미도시)는 여러 사용자 및 여러 디바이스로부터 수신되는 빅 데이터에 기초하여 생성된 지식 그래프를 저장할 수 있다. 지식 그래프를 생성하는데 이용되는 빅 데이터는, 다양한 상황에 관련된 컨텍스트 정보를 포함할 수 있다. 또한, 데이터베이스(130) 또는 서버는 소정 주기마다 지식 그래프를 업데이트 할 수 있다.
실시 예에서, 컴퓨팅 장치(100)는 UKG 및 CKG 중 적어도 하나를 이용할 수 있다.
UKG는 여러 소스나 경로(channel)를 통해 획득한 여러 사용자 및 여러 디바이스들의 브라우징, 구매, 시청, 상황(contextual) 정보, 인구 통계학(demographic) 정보, 실시간 행동 데이터를 기반으로 특정 단말기 사용자에게 맞는 개인화된 정보를 제공할 수 있다. UKG는 콘텐트나 제품, 서비스를 개별 사용자에게 맞게 조정하는데 사용될 수 있다. UKG는 예컨대, 지리적 위치 별로, 각 시간 대 별로 시청률이 높은 프로그램이나 콘텐트 장르 등의 시청 트렌드를 포함할 수 있다. 또한, UKG는 사용자 프로필 정보를 포함할 수 있다. 사용자 프로필 정보는 예컨대, 사용자의 성별, 연령대, 국적, 언어등과 같은 다양한 형태의 인구 통계학적 정보를 포함할 수 있다.
컴퓨팅 장치(100)는 단말기(110)로부터 수신한 데이터 및 UKG를 이용하여, 데이터를 전송한 단말기(100) 사용자의 개인화된 정보를 획득할 수 있다.
컴퓨팅 장치(100)는 소정 기간 동안 단말기(110)로부터 수신한 데이터를 누적하여 이용할 수 있다. 컴퓨팅 장치(100)는 소정 기간마다 또는 특정 이벤트가 발생할 때마다 단말기(110)로부터 수신한 데이터를 업데이트하거나 또는 지식 그래프를 업데이트하여 최신 트렌드가 반영되도록 할 수 있다.
단말기 사용자의 개인화된 정보는, 예컨대, 단말기 사용자의 인구 통계학적 정보, 지리적 위치 정보, 단말기 사용 경향, 시청 경향, 행동 정보 중 하나 이상을 포함할 수 있다. 여기서 단말기 사용 경향은 예컨대, 사용자가 단말기를 특정 시간에만 이용하거나, 단말기를 이용하여 VOD 서비스만을 이용하거나 하는 것과 같은 성향 등을 의미할 수 있다. 시청 경향은 사용자가 시청하는 장르가 드라마와 뉴스만이라거나, 또는 사용자가 광고만 본다거나 하는 것과 같은 정보를 의미할 수 있다. 행동 정보는 예컨대, 사용자가 주말에만 프로그램을 시청한다거나, 특정 요일에만 어플리케이션을 실행시킨다거나, 특정 프로그램을 시청한 이후에는 물건을 구매한다거나, 특정 장르의 프로그램을 시청한 이후에는 또 다른 장르의 프로그램을 시청한다거나 하는 것과 같은 패턴 정보를 의미할 수 있다.
컴퓨팅 장치(100)는 단말기(110)로부터 수신한 데이터 및 CKG를 이용하여 데이터를 전송한 단말기(110) 사용자의 사용자 취향 정보를 획득할 수 있다.
컴퓨팅 장치(100)는 소정 기간 동안 단말기(110)로부터 수신한 데이터를 누적하여 이용할 수 있다. 컴퓨팅 장치(100)는 소정 기간마다 또는 특정 이벤트가 발생할 때마다 단말기(110)로부터 수신한 데이터를 업데이트하거나 또는 지식 그래프를 업데이트하여 최신 트렌드가 반영되도록 할 수 있다.
CKG는 콘텐트에 대해, 콘텐트와 의미론적으로 관련된 정보를 콘텐트에 대한 메타데이터에 추가할 수 있다. EPG와 같은 콘텐트 메타 데이터 공급자가 제공하는 메타 데이터는 콘텐트에 대한 일차원적인 정보만을 제공하는 것에 비해 CKG는 의미적으로 다양하고 풍부한 정보까지 확장할 수 있다.
IMDB, Wiki 등과 같은 여러 사이트나 데이터베이스 제공자들이 콘텐트 및 해당 콘텐트의 속성에 대한 자세한 정보를 CKG 형태로 제공할 수 있다. CKG는 노드, 속성(properties), 관련성(relationships), 관련성 타입 등을 이용하여 특정 알고리듬을 기반으로 영화나 프로그램 등과 같은 다양한 콘텐트들 간의 링크를 제공할 수 있다.
단말기 사용자 취향 정보는 사용자가 단말기(110)를 이용하여 소비한 콘텐트와 의미론적으로 관련된 정보로부터 획득되는, 사용자의 관심 분야에 대한 정보를 의미할 수 있다. 컴퓨팅 장치(100)는 CKG를 사용하여 사용자 콘텐트 사용 히스토리를 향상시킬 수 있다. 예컨대, 사용자가 단말기(110)를 이용하여 미션 임파서블이라는 영화를 시청한 경우, 그 영화의 감독, 배우, 장르, 촬영 장소, 평점, 제작 년도, 그 영화 감독의 다른 영화, 배우가 출연한 다른 작품 등과 같은 다양한 정보를 사용자의 취향 정보로 확대할 수 있다.
컴퓨팅 장치(100)는 단말기(110)로부터 수신한 데이터, UKG, CKG를 이용하여 획득한, 데이터를 전송한 단말기(100) 사용자의 개인화된 정보 및 단말기 사용자 취향 정보를 단말기 사용자 속성 정보로 이용할 수 있다.
또한, 실시 예에서, 컴퓨팅 장치(100)는 CKG를 이용하여, 일반 콘텐트들에 대한 속성 정보를 확장할 수 있다. 예컨대, 영화 매그놀리아에는 그 영화와 관련된 여러 속성들, 즉, 영화 감독, 배우, 장르, 시대 등이 메타데이터로 추가될 수 있다.
이후, 마케팅 담당자가 특정 콘텐트, 예컨대 영화 매그놀리아와 관련된 잠재 고객을 검색하고자 하는 경우, 컴퓨팅 장치(100)는 콘텐트 속성 정보 및 단말기 사용자 속성 정보를 이용하여 매그놀리아에 출연한 배우인 탐 크루즈와 영화 미션 임파서블이 관련되어 있다는 것을 알고, 탐 크루즈와 관련된 속성을 갖고 있는 사용자를 잠재 고객으로 검색할 수 있다. 이 경우, 단말기(110)로 영화 미션 임파서블을 시청한 사용자 또한 잠재 고객으로 검색될 수 있다.
도 3은 실시 예에 따른 디바이스 그래프를 설명하기 위한 도면이다.
실시 예에서, 단말기(110)는 컴퓨팅 장치(100)로 단말기(110)와 연결된 적어도 하나의 전자 디바이스에 대한 정보를 전송할 수 있다. 단말기(110)와 연결된 전자 디바이스에 대한 정보는, 전자 디바이스의 식별 정보, 디바이스 사용 이력 정보, 디바이스 사용 패턴 정보 중 적어도 하나를 포함할 수 있다.
단말기(110)는 소프트웨어, 하드웨어, 사용자 상호 작용 및 연결된 장치에 대한 다양한 종류의 로그 메시지(log messages)를 정기적으로 컴퓨팅 장치(100)로 전송한다. 이 로그는 다른 컴퓨터 처리 시스템에 의해 처리되며 다양한 데이터 세트로 변환될 수 있다.
단말기(110)에 연결된 전자 디바이스는 예컨대, 단말기(110)가 TV인 경우, TV가 지원하는 다양한 연결 인터페이스, 예컨대, 와이파이, 블루투스, HDMI 등을 통해 감지할 수 있는 전자 기기를 의미할 수 있다.
도 3에 도시된 바와 같이, 단말기(110)에 연결된 전자 디바이스는 라우터, 냉장고, 셋톱 박스, 게임 콘솔, 스피커, 사운드 바 등과 같은 다양한 형태의 전자 디바이스 중 하나 이상을 포함할 수 있다.
컴퓨팅 장치(100)는 단말기(110)의 IP 주소를 식별하고, 식별된 IP 주소를 갖는 단말기(110)로부터 수신한 단말기(110)에 연결된 장치에 대한 로그 메시지를 이용하여 단말기(110)와 연결된 전자 디바이스들을 식별할 수 있다. 이를 통해 컴퓨팅 장치(100)는 하나의 가정이나 세대에 속한 전자 디바이스들을 식별할 수 있다.
실시 예에서, 컴퓨팅 장치(100)는 단말기(110) 및 그 단말기(110)에 연결된 전자 디바이스를 연결하여 디바이스 그래프를 획득할 수 있다.
또는 다른 실시 예에서, 컴퓨팅 장치(100)가 아닌 별개의 서버나 별개의 모듈이 단말기(110) 및 그 단말기(110)와 연결된 전자 디바이스에 대한 정보를 획득하고 이로부터 디바이스 그래프를 생성할 수도 있다.
디바이스 그래프는 소정 기간 동안 단말기(110)로부터 수신한 단말기(110)와 연결된 적어도 하나의 전자 디바이스에 대한 정보를 누적하여 이용함으로써 생성될 수 있다. 디바이스 그래프는 소정 기간마다 또는 특정 이벤트가 발생할 때마다 업데이트될 수 있다.
실시 예에서, 컴퓨팅 장치(100)는 디바이스 그래프를 UKG 또는 CKG와 함께 이용하여 더 많은 정보들을 사용자 속성 정보에 추가할 수 있다. 즉, 컴퓨팅 장치(100)는 단말기(110) 사용자가 사용하는 또 다른 전자 디바이스, 또는 단말기(110) 사용자와 한 세대에 거주하는 가족들의 전자 디바이스들에 대한 사용 패턴 등을 단말기 사용자 속성 정보에 추가할 수 있다.
예컨대, 단말기(110)로부터 수신한 단말기 식별 정보를 통해 단말기(110)가 고가의 프리미엄 제품이고, 단말기(110)와 연결된 전자 디바이스들 또한 고가의 제품들인 경우, 컴퓨팅 장치(100)는 고가의 제품이나 고가의 서비스 등에 대한 정보를 단말기 사용자 속성 정보에 추가할 수 있다.
또 다른 예로, 단말기(110)와 연결된 전자 디바이스들이 아동용 게임기, 아동용 컴퓨터 등과 같이 어린이들을 위한 전자 디바이스들인 경우, 컴퓨팅 장치(100)는 육아에 관련된 제품이나 서비스, 육아 관련 프로그램 등에 대한 정보를 단말기 사용자 속성 정보에 추가할 수 있다.
또 다른 예로, 단말기(110)와 오디오 시스템이 연결되어 있다가 어느 순간부터 오디오 시스템이 연결되어 있지 않는 경우, 컴퓨팅 장치(100)는 오디오 시스템을 마케팅하려는 담당자에게 해당 단말기(110) 사용자를 검색할 수 있도록 함으로써 단말기(110) 사용자가 오디오 시스템에 대한 마케팅 정보를 제공받도록 할 수 있다.
이와 같이, 실시 예에 의하면, 컴퓨팅 장치(100)는 단말기(110)에 연결된 전자 디바이스에 대한 정보로부터 획득한 디바이스 그래프를 지식 그래프와 함께 이용하여 사용자 속성 정보를 보다 강화할 수 있다.
도 4는 콘텐트 지식 그래프 (CKG)를 사용하여 콘텐트 속성 정보를 강화하는 것을 설명하기 위한 도면이다.
컴퓨팅 장치(100)는 CKG를 이용하여 콘텐트와 의미론적으로(semantically) 관련된 정보를 콘텐트에 대한 메타데이터에 추가할 수 있다. 즉, 컴퓨팅 장치(100)는 CKG를 이용하여 콘텐트를 의미적으로 관련된 콘텐트들의 그룹과 연결시킴으로써 보다 강화된 콘텐트 속성 정보를 획득할 수 있다.
예컨대, 마케팅 담당자가 ‘배트맨’을 좋아하는 고객을 검색한다고 가정한다. EPG 메타 데이터를 이용하여 ‘배트맨’을 검색할 경우, 영화 ‘배트맨’을 본 시청자만이 검색될 수 있다.
실시 예에서, 컴퓨팅 장치(100)는 CKG를 사용하여 ‘배트맨’이라는 콘텐트에 대한 콘텐트 속성 정보를 확장할 수 있다. 즉, 컴퓨팅 장치(100)는 CKG를 이용하여 도 4에 도시된 바와 같이,‘배트맨’과 의미론적으로 관련된 여러 속성들을 ‘배트맨’에 대한 메타데이터에 추가할 수 있다. 도 4를 참조하면, ‘배트맨’이라는 콘텐트에 대해서, 영화 감독, 배우, 캐릭터, 장르, 슈퍼 히어로, 게임, 만화 등과 같이 다양한 태그들이 속성 정보로 추가되어 있음을 알 수 있다.
컴퓨팅 장치(100)는 마케팅 담당자가‘배트맨’을 검색하는 경우, 단순히 영화 ‘배트맨’을 본 시청자만을 검색 결과로 제공하는 것이 아니고, 배트맨과 관련된 주변의 관심 영역과 관련된 고객에 대한 정보까지 검색 결과로 제공할 수 있다. 즉, 컴퓨팅 장치(100)는 배트맨 콘솔 게임을 하거나 배트맨 만화를 읽는 사용자, 배트맨 영화 감독의 다른 영화를 시청한 사용자, 다른 슈퍼 히어로에 관심이 있는 사용자, 악당 영화를 좋아하는 고객까지 잠재 고객을 확장하여 검색할 수 있다.
도 5는 확장된 쿼리를 입력 받을 수 있는 사용자 인터페이스를 도시한다.
도 5를 참조하면, 컴퓨팅 장치(100)는 CKG를 이용하여 콘텐트 속성 정보를 확장하고, 확장된 콘텐트 속성 정보를 검색할 수 있는 사용자 인터페이스를 제공할 수 있다.
마케팅 담당자, 즉, 검색자는 컴퓨팅 장치(100)가 제공하는 사용자 인터페이스에 확장된 쿼리를 입력하여 원하는 잠재 고객을 보다 정확히 검색할 수 있다.
실시 예에서, 컴퓨팅 장치(100)는 검색 엔진이 제공하는 것과 같이 다양한 형태로 검색자가 확장된 쿼리를 입력하여 원하는 결과를 얻도록 할 수 있다.
예컨대, 컴퓨팅 장치(100)는 도 5의 참조 부호 510과 같은 검색 화면을 출력할 수 있다. 검색자는 검색 화면(510)에 출력된 여러 카테고리들 중 원하는 카테고리를 선택할 수 있고, 컴퓨팅 장치(100)는 검색자가 특정 카테고리를 선택하면 선택된 카테고리 내의 하위 레벨의 카테고리들을 또 다시 선택할 수 있는 화면을 출력할 수 있다. 검색자는 하위 레벨의 카테고리들 중 원하는 카테고리를 단계적으로 선택하는 방법으로 원하는 카테고리를 특정하여, 특정 카테고리와 연관된 잠재 고객을 검색할 수 있다.
다른 실시 예로, 컴퓨팅 장치(100)는 도 5의 참조 부호 520과 같은 검색 화면을 출력할 수 있다. 검색 화면(520)는 검색자가 원하는 속성을 직접 타이핑하여 입력할 수 있는 검색 창과, 검색자가 타이핑하여 입력한 정보와 관련되어 선택 가능한 다양한 카테고리를 함께 제공할 수 있다. 검색자는 검색 화면(520)에서 원하는 잠재 고객의 속성을 직접 타이핑하거나 또는 출력된 카테고리 중 원하는 카테고리를 선택하여 특정 속성을 갖는 잠재 고객을 검색할 수 있다.
또 다른 실시 예로, 컴퓨팅 장치(100)는 도 5의 참조 부호 530과 같은 검색 화면을 출력할 수 있다. 검색 화면(530)는 검색자가 원하는 속성을 직접 타이핑하여 입력할 수 있는 검색 창을 제공한다. 검색자가 검색 화면(530)에 출력된 검색 창에 원하는 속성을 타이핑하면 컴퓨팅 장치(100)는 타이핑된 정보와 연관된 검색어를 자동으로 출력시켜 검색자가 보다 쉽게 원하는 속성을 타이핑하도록 할 수 있다.
이와 같이 실시 예에 의하면, 검색자는 상위 카테고리뿐 아니라 하위 카테고리까지 검색을 확장하여 보다 구체적이고 정확하게 원하는 잠재 고객을 검색할 수 있다.
실시 예에서, 컴퓨팅 장치(100) 또는 검색자는 콘텐트의 깊이(depth, level)를 조정하여 연결 레벨을 제어 할 수 있다. 즉, 컴퓨팅 장치(100) 또는 검색자는 검색 카테고리의 하위 레벨을 설정함으로써, 잠재 고객의 정확도를 조절할 수 있다. 예컨대, 컴퓨팅 장치(100) 또는 검색자는 검색 카테고리의 하위 레벨이 3단계까지만 검색되도록 하거나, 또는 검색 카테고리의 하위 레벨이 6단계까지 검색되도록 함으로써 잠재 고객의 정확도 등을 조절할 수 있다.
도 6은 컴퓨팅 장치(600)의 내부 블록도이다.
도 6을 참조하면, 컴퓨팅 장치(600)는 프로세서(610), 메모리(620), 및 통신부(630)를 포함할 수 있다.
컴퓨팅 장치(600)는 단말기로부터 수신한 데이터부터 단말기 사용자 속성 정보를 획득하고, 콘텐트 속성 정보를 획득하고, 단말기 사용자 속성 정보 및 콘텐트 속성 정보를 비교하여 잠재 고객을 검색할 수 있는 다양한 전자 장치로 구현될 수 있다.
실시 예에서, 컴퓨팅 장치(600)는 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재되거나, 또는 칩 형태나 전자 장치 형태로 서버에 포함될 수 있다. 또는 컴퓨팅 장치(600)는 영상 표시 장치(미도시) 등에 포함될 수도 있다. 또는 컴퓨팅 장치(600)는 소프트웨어 모듈로 구현될 수도 있다.
일 실시 예에 따른 통신부(630)는 유무선의 네트워크를 통하여 외부 장치(미도시)들과 통신할 수 있다. 구체적으로, 통신부(630)는 프로세서(610)의 제어에 따라서 유무선의 네트워크를 통하여 연결되는 외부 장치와 신호를 송수신할 수 있다. 외부 장치는 통신부(630)와 데이터를 송수신하는 데이터를 처리하는 서버, 서버 시스템, 서버 기반의 장치 등을 포함할 수 있다.
실시 예에서, 외부 장치는 영상 표시 장치와 같은 단말기가 될 수 있다. 또한 외부 장치는 지식 그래프를 저장하는 데이터베이스나 서버가 될 수 있다.
통신부(630)는 근거리 통신 모듈, 유선 통신 모듈, 이동 통신 모듈, 방송 수신 모듈 등과 같은 적어도 하나의 통신 모듈을 포함할 수 있다. 통신 모듈은 방송 수신을 수행하는 튜너, 블루투스, WLAN(Wireless LAN)(Wi-Fi), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), CDMA, WCDMA 등과 같은 통신 규격을 따르는 네트워크를 통하여 데이터 송수신을 수행할 수 있는 통신 모듈을 포함할 수 있다.
통신부(630)는 단말기로부터 데이터를 수신할 수 있다. 통신부(630)는 단말기로부터 단말기 식별 정보, 단말기 사용 이력 정보, 소비 콘텐트 정보, 단말기와 연결된 적어도 하나의 전자 디바이스 정보 중 적어도 하나를 수신할 수 있다.
단말기 사용 이력 정보는 단말기를 사용한 빈도, 사용 시간, 사용 시각, 사용 요일에 대한 정보 중 적어도 하나를 포함하고, 소비 콘텐트 정보는 단말기를 이용하여 소비한 콘텐트의 식별 정보 및 소비 유형 정보 중 적어도 하나를 포함할 수 있다. 단말기와 연결된 적어도 하나의 전자 디바이스 정보는 디바이스 식별 정보, 디바이스 사용 이력 정보, 디바이스 사용 패턴 정보 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따른 메모리(620)는, 적어도 하나의 인스트럭션을 저장할 수 있다. 메모리(620)는 프로세서(610)가 실행하는 적어도 하나의 프로그램을 저장하고 있을 수 있다. 또한 메모리(620)는 컴퓨팅 장치(600)로 입력되거나 컴퓨팅 장치(600)로부터 출력되는 데이터를 저장할 수 있다.
메모리(310)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
프로세서(610)는 컴퓨팅 장치(600)의 전반적인 동작을 제어한다. 프로세서(610)는 메모리(620)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 컴퓨팅 장치(600)가 기능하도록 제어할 수 있다.
프로세서(610)는 단말기로부터 단말기와 연결된 적어도 하나의 전자 디바이스에 대한 정보를 획득하고 이로부터 디바이스 그래프를 획득할 수 있다. 프로세서(610)는 통신부(630)를 통해 획득한 UKG나 CKG와 같은 지식 그래프 및 디바이스 그래프 중 적어도 하나를 이용하여 단말기 사용자 속성 정보를 획득할 수 있다.
또한, 프로세서(610)는 CKG를 이용하여 콘텐트와 관련된 정보를 콘텐트에 대한 메타데이터에 추가하여 콘텐트 속성 정보를 획득할 수 있다.
프로세서(610)는 소정 콘텐트와 관련된 잠재 고객 검색 요청을 받으면, 이에 상응하여, 단말기 사용자 속성 정보 및 소정 콘텐트 속성 정보를 비교하여, 소정 콘텐트와 관련된 잠재 고객을 검색할 수 있다.
도 7은 도 6의 프로세서(610)의 내부 블록도이다.
도 7을 참조하면, 프로세서(610)는 단말기 사용자 속성 정보 획득부(611), 콘텐트 속성 정보 획득부(613), 및 잠재 고객 검색부(615)를 포함할 수 있다.
단말기 사용자 속성 정보 획득부(611)는 데이터베이스나 서버 등으로부터 획득된 UKG를 이용할 수 있다. UKG는 여러 사용자 및 여러 디바이스들에 대한 정보를 기반으로 특정 단말기 사용자에게 맞는 정보를 제공할 수 있다.
단말기 사용자 속성 정보 획득부(611)는 UKG를 이용하여 단말기 사용자의 개인화된 정보를 획득할 수 있다. 단말기 사용자의 개인화된 정보는, 단말기 사용자의 인구 통계학적 정보, 지리적 위치 정보, 단말기 사용 경향, 시청 경향, 행동 정보 중 하나 이상을 포함할 수 있다.
또한, 단말기 사용자 속성 정보 획득부(611)는 데이터베이스나 서버 등으로부터 획득한 CKG를 이용하여, 단말기를 이용하여 소비한 콘텐트 정보와 의미론적으로 관련된 정보를 단말기를 이용하여 소비한 콘텐트에 대한 메타데이터에 추가하여 단말기 사용자 취향 정보를 획득할 수 있다.
단말기 사용자 속성 정보 획득부(611)는 단말기 사용자의 개인화된 정보 및 단말기 사용자 취향 정보를 포함하는 사용자 속성 정보를 획득할 수 있다.
도 7에는 도시하지 않았으나, 프로세서(610)는 디바이스 그래프 획득부를 더 포함할 수도 있다. 프로세서(610)는 단말기로부터, 단말기에 연결된 전자 디바이스에 대한 정보를 이용하여 디바이스 그래프를 획득할 수 있다. 또는 프로세서(610)는 외부의 장치 등으로부터 생성된 디바이스 그래프를 획득하여 이용할 수도 있다. 프로세서(610)는 디바이스 그래프를 이용하여 단말기 사용자 속성 정보를 보다 강화할 수 있다.
콘텐트 속성 정보 획득부(613)는 데이터베이스나 서버 등으로부터 CKG를 획득할 수 있다. 콘텐트 속성 정보 획득부(613)는 CKG를 이용하여, 일반적인 콘텐트들에 대해 각각의 콘텐트와 의미론적으로 관련된 정보를 각 콘텐트에 대한 메타데이터에 추가하여 콘텐트 속성 정보를 획득할 수 있다.
잠재 고객 검색부(615)는 단말기 사용자 속성 정보 획득부(611)로부터 받은 단말기 사용자 속성 정보 및 콘텐트 속성 정보 획득부(613)로부터 받은 콘텐트 속성 정보를 이용하여 잠재 고객을 검색할 수 있다. 잠재 고객 검색부(615)는 소정 콘텐트와 관련된 잠재 고객 검색을 요청 받으면 이에 상응하여, 단말기 사용자 속성 정보 및 소정 콘텐트 속성 정보를 비교하여, 소정 콘텐트와 관련된 잠재 고객을 검색할 수 있다.
도 8은 실시 예에 따른 컴퓨팅 장치의 동작 방법을 도시한 순서도이다.
도 8을 참조하면, 컴퓨팅 장치는 단말기로부터 데이터를 수신한다(단계 810). 컴퓨팅 장치는 단말기로부터 단말기 식별 정보, 단말기 사용 이력 정보, 소비 콘텐트 정보, 단말기와 연결된 적어도 하나의 전자 디바이스 정보 중 적어도 하나를 수신할 수 있다.
컴퓨팅 장치는 단말기로부터 수신한 다른 전자 디바이스 정보로부터 디바이스 그래프를 생성하거나 또는 외부 장치로부터 디바이스 그래프를 획득할 수 있다.
컴퓨팅 장치는 단말기로부터 수신한 데이터로부터 단말기 사용자 속성 정보를 획득한다(단계 820). 단말기 사용자 속성 정보는 단말기 사용자의 개인화된 정보 및 단말기 사용자 취향 정보 중 하나 이상을 포함하며, 단말기 사용자의 속성을 설명하는 정보일 수 있다.
컴퓨팅 장치는 UKG, CKG, 및 디바이스 그래프 중 적어도 하나를 이용하여 단말기 사용자 속성 정보를 획득할 수 있다.
컴퓨팅 장치는 CKG를 이용하여, 콘텐트 정보와 관련된 정보를 콘텐트에 대한 메타데이터에 추가하여 콘텐트 속성 정보를 획득한다(단계 830).
컴퓨팅 장치는 잠재 고객 요청을 받으면, 단말기 사용자 속성 정보와 콘텐트 속성 정보를 비교하여, 잠재 고객을 검색할 수 있다(단계 840). 컴퓨팅 장치는 단말기 사용자 속성 정보에 포함된, 단말기 사용자의 여러 속성들과 콘텐트 속성 정보에 포함된, 콘텐트에 대한 여러 속성들을 비교, 검색함으로써, 복수의 단말기 사용자들 중 특정 콘텐트와 관련된 단말기 사용자를 잠재 고객으로 검색할 수 있다.
컴퓨팅 장치는 검색 결과를 출력할 수 있다(단계 850).
일부 실시 예에 따른 컴퓨팅 장치 및 그 동작 방법은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
또한, 전술한 본 개시의 실시 예에 따른 컴퓨팅 장치의 동작 방법은 단말기로부터 수신한 데이터 및 지식 그래프로부터 단말기 사용자 속성 정보를 획득하는 단계, 콘텐트 속성 정보를 획득하는 단계 및 단말기 사용자 속성 정보 및 콘텐트 속성 정보를 비교하여 잠재 고객을 검색하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법을 수행하는 컴퓨터 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 제품으로 구현될 수 있다.
또한, 전술한 본 개시의 실시 예에 따른 컴퓨팅 장치의 동작 방법은 인공지능 모델을 이용할 수 있다. 전술한 본 개시의 실시 예에 따른 컴퓨팅 장치 또는 그에 내장된 프로세서는 데이터에 전처리 과정을 수행하여 인공지능 모델의 입력으로 사용하는 데에 적합한 형태의 데이터로 변환할 수 있다. 인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다.
추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론(Knowledge based Reasoning), 최적화 예측(Optimization Prediction), 선호 기반 계획(Preference-based Planning), 추천(Recommendation) 등을 포함한다.
전술한 설명은 예시를 위한 것이며, 발명이 속하는 기술분야의 통상의 지식을 가진 자는 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

Claims (20)

  1. 컴퓨팅 장치에 있어서,
    적어도 하나의 인스트럭션을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 적어도 하나의 인스트럭션을 실행하는 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는 상기 적어도 하나의 인스트럭션을 실행함으로써, 단말기로부터 수신한 데이터 및 지식 그래프로부터 단말기 사용자 속성 정보를 획득하고, 상기 단말기 사용자 속성 정보를 콘텐트 속성 정보와 비교하여 잠재 고객을 검색하는, 컴퓨팅 장치.
  2. 제1 항에 있어서, 상기 프로세서는 CKG(Contents Knowledge Graph)를 이용하여 콘텐트와 의미론적으로(semantically) 관련된 정보를 상기 콘텐트에 대한 메타데이터에 추가하여 상기 콘텐트 속성 정보를 획득하는, 컴퓨팅 장치.
  3. 제2 항에 있어서, 상기 프로세서는 소정 콘텐트와 관련된 잠재 고객 검색 요청에 상응하여, 상기 단말기 사용자 속성 정보 및 소정 콘텐트 속성 정보를 비교하여, 상기 소정 콘텐트와 관련된 잠재 고객을 검색하는, 컴퓨팅 장치.
  4. 제3 항에 있어서, 상기 단말기로부터 수신한 데이터는 단말기 식별 정보, 단말기 사용 이력 정보, 소비 콘텐트 정보, 상기 단말기와 연결된 적어도 하나의 전자 디바이스 정보 중 적어도 하나를 포함하는, 컴퓨팅 장치.
  5. 제4 항에 있어서, 상기 단말기 사용 이력 정보는 상기 단말기를 사용한 빈도, 사용 시간, 사용 시각, 사용 요일에 대한 정보 중 적어도 하나를 포함하고,
    상기 소비 콘텐트 정보는 상기 단말기를 이용하여 소비한 콘텐트의 식별 정보 및 소비 유형 정보 중 적어도 하나를 포함하는, 컴퓨팅 장치.
  6. 제4 항에 있어서, 상기 단말기와 연결된 적어도 하나의 전자 디바이스 정보는 디바이스 식별 정보, 디바이스 사용 이력 정보, 디바이스 사용 패턴 정보 중 적어도 하나를 포함하고,
    상기 프로세서는 상기 전자 디바이스 정보를 이용하여 디바이스 그래프를 획득하는, 컴퓨팅 장치.
  7. 제6 항에 있어서, 상기 지식 그래프는 UKG(User Knowledge Graph) 및 CKG(Contents Knowledge Graph) 중 적어도 하나를 포함하고,
    상기 프로세서는 상기 단말기로부터 수신한 데이터, 상기 디바이스 그래프 및 상기 지식 그래프를 이용하여 상기 단말기 사용자 속성 정보를 획득하는, 컴퓨팅 장치.
  8. 제7 항에 있어서, 상기 프로세서는 상기 UKG를 이용하여, 상기 단말기 사용자의 인구 통계학적 정보, 지리적 위치 정보, 이용 시간 정보, 단말기 사용 경향, 시청 경향, 행동 정보 중 적어도 하나를 획득하고 이로부터 상기 사용자 속성 정보를 획득하는, 컴퓨팅 장치.
  9. 제7 항에 있어서, 상기 프로세서는 상기 CKG를 이용하여, 상기 단말기를 이용하여 소비한 콘텐트 정보와 의미론적으로(semantically) 관련된 정보를 상기 소비한 콘텐트에 대한 메타데이터에 추가하여 단말기 상기 사용자 속성 정보를 획득하는, 컴퓨팅 장치.
  10. 제7 항에 있어서, 상기 프로세서는 상기 디바이스 그래프를 이용하여, 상기 사용자 속성 정보를 강화하는, 컴퓨팅 장치.
  11. 컴퓨팅 장치의 동작 방법에 있어서,
    단말기로부터 수신한 데이터 및 지식 그래프로부터 단말기 사용자 속성 정보를 획득하는 단계;
    콘텐트 속성 정보를 획득하는 단계; 및
    상기 단말기 사용자 속성 정보 및 상기 콘텐트 속성 정보를 비교하여 잠재 고객을 검색하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  12. 제11 항에 있어서, 상기 콘텐트 속성 정보를 획득하는 단계는 CKG(Contents Knowledge Graph)를 이용하여 콘텐트와 의미론적으로(semantically) 관련된 정보를 상기 콘텐트에 대한 메타데이터에 추가하여 상기 콘텐트 속성 정보를 획득하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  13. 제12 항에 있어서, 상기 잠재 고객을 검색하는 단계는 소정 콘텐트와 관련된 잠재 고객 검색 요청에 상응하여, 상기 단말기 사용자 속성 정보 및 소정 콘텐트 속성 정보를 비교하여, 상기 소정 콘텐트와 관련된 잠재 고객을 검색하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  14. 제13 항에 있어서, 상기 단말기로부터 수신한 데이터는 단말기 식별 정보, 단말기 사용 이력 정보, 소비 콘텐트 정보, 상기 단말기와 연결된 적어도 하나의 전자 디바이스 정보 중 적어도 하나를 포함하는, 컴퓨팅 장치의 동작 방법.
  15. 제14 항에 있어서, 상기 단말기 사용 이력 정보는 상기 단말기를 사용한 빈도, 사용 시간, 사용 시각, 사용 요일에 대한 정보 중 적어도 하나를 포함하고,
    상기 소비 콘텐트 정보는 상기 단말기를 이용하여 소비한 콘텐트의 식별 정보 및 소비 유형 정보 중 적어도 하나를 포함하는, 컴퓨팅 장치의 동작 방법.
  16. 제14 항에 있어서, 상기 단말기와 연결된 적어도 하나의 전자 디바이스 정보는 디바이스 식별 정보, 디바이스 사용 이력 정보, 디바이스 사용 패턴 정보 중 적어도 하나를 포함하고,
    상기 방법은 상기 전자 디바이스 정보를 이용하여 디바이스 그래프를 획득하는 단계를 더 포함하는, 컴퓨팅 장치의 동작 방법.
  17. 제16 항에 있어서, 상기 지식 그래프는 UKG(User Knowledge Graph) 및 CKG(Contents Knowledge Graph) 중 적어도 하나를 포함하고,
    상기 단말기 사용자 속성 정보를 획득하는 단계는 상기 단말기로부터 수신한 데이터, 상기 디바이스 그래프 및 상기 지식 그래프를 이용하여 상기 단말기 사용자 속성 정보를 획득하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  18. 제17 항에 있어서, 상기 단말기 사용자 속성 정보를 획득하는 단계는 상기 UKG를 이용하여, 상기 단말기 사용자의 인구 통계학적 정보, 지리적 위치 정보, 이용 시간 정보, 단말기 사용 경향, 시청 경향, 행동 정보 중 하나 이상을 획득하고 이로부터 상기 사용자 속성 정보를 획득하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  19. 제17 항에 있어서, 상기 단말기 사용자 속성 정보를 획득하는 단계는 상기 CKG를 이용하여, 상기 단말기를 이용하여 소비한 콘텐트 정보와 의미론적으로(semantically) 관련된 정보를 상기 소비한 콘텐트에 대한 메타데이터에 추가하고 이로부터 상기 사용자 속성 정보를 획득하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  20. 단말기로부터 수신한 데이터 및 지식 그래프로부터 단말기 사용자 속성 정보를 획득하는 단계;
    콘텐트 속성 정보를 획득하는 단계; 및
    상기 단말기 사용자 속성 정보 및 상기 콘텐트 속성 정보를 비교하여 잠재 고객을 검색하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.

KR1020200060617A 2020-05-20 2020-05-20 컴퓨팅 장치 및 그 동작 방법 KR20210143608A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200060617A KR20210143608A (ko) 2020-05-20 2020-05-20 컴퓨팅 장치 및 그 동작 방법
PCT/KR2021/000185 WO2021235643A1 (ko) 2020-05-20 2021-01-07 컴퓨팅 장치 및 그 동작 방법
US17/325,954 US20210365800A1 (en) 2020-05-20 2021-05-20 Computing apparatus and operating method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200060617A KR20210143608A (ko) 2020-05-20 2020-05-20 컴퓨팅 장치 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR20210143608A true KR20210143608A (ko) 2021-11-29

Family

ID=78608148

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200060617A KR20210143608A (ko) 2020-05-20 2020-05-20 컴퓨팅 장치 및 그 동작 방법

Country Status (3)

Country Link
US (1) US20210365800A1 (ko)
KR (1) KR20210143608A (ko)
WO (1) WO2021235643A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102667852B1 (ko) * 2022-10-24 2024-05-21 주식회사 와이즈넛 동영상 장면별 키워드 정보 기반의 광고 키워드 추천 시스템
CN117573803B (zh) * 2023-11-14 2024-04-19 安徽省征信股份有限公司 基于知识图谱的新客识别方法和装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080043764A (ko) * 2005-06-28 2008-05-19 초이스스트림, 인코포레이티드 타게팅 광고용 통계 시스템에 관한 방법 및 장치
KR101106772B1 (ko) * 2009-05-14 2012-01-18 주식회사 솔트룩스 사용자 선호 지식 베이스 기반의 컨텐츠 추천 방법 및 시스템
KR101593720B1 (ko) * 2011-12-27 2016-02-17 한국전자통신연구원 시맨틱 네트워크 기반 콘텐츠 검색추천 장치 및 방법
US10762538B2 (en) * 2014-04-24 2020-09-01 DataSpark, PTE. LTD. Knowledge model for personalization and location services
US11200581B2 (en) * 2018-05-10 2021-12-14 Hubspot, Inc. Multi-client service system platform
EP3295386A4 (en) * 2015-05-11 2019-01-16 Olsher, Daniel Joseph UNIVERSAL TASK-INDEPENDENT SIMULATION AND CONTROL PLATFORM FOR GENERATING TAXED ACTIONS WITH NUANCED ARTIFICIAL INTELLIGENCE
US10152521B2 (en) * 2016-06-22 2018-12-11 Google Llc Resource recommendations for a displayed resource
US20180052884A1 (en) * 2016-08-16 2018-02-22 Ebay Inc. Knowledge graph construction for intelligent online personal assistant
US11775891B2 (en) * 2017-08-03 2023-10-03 Telepathy Labs, Inc. Omnichannel, intelligent, proactive virtual agent
CA3098670A1 (en) * 2018-05-06 2019-11-14 Strong Force TX Portfolio 2018, LLC Methods and systems for improving machines and systems that automate execution of distributed ledger and other transactions in spot and forward markets for energy, compute, storage and other resources
KR20200042739A (ko) * 2018-10-16 2020-04-24 삼성전자주식회사 지식 그래프에 기초하여 콘텐트를 제공하는 시스템 및 방법

Also Published As

Publication number Publication date
WO2021235643A1 (ko) 2021-11-25
US20210365800A1 (en) 2021-11-25

Similar Documents

Publication Publication Date Title
US10575054B2 (en) Systems and methods for identifying non-canonical sessions
US8930294B2 (en) Predicting user activity based on usage data received from client devices
JP5735087B2 (ja) 個人化されたリソースをオンデマンドで消費者デバイスアプリケーションに広帯域ネットワークを介して提供すること
US8918411B1 (en) Method for dynamically adapting user interfaces with changing user attributes
US11741178B2 (en) Managing access rights to content using social media
US9721019B2 (en) Systems and methods for providing personalized recommendations for electronic content
US20170061286A1 (en) Supervised Learning Based Recommendation System
US9674579B1 (en) Rating videos based on parental feedback
US20120078725A1 (en) Method and system for contextual advertisement recommendation across multiple devices of content delivery
US20150169744A1 (en) Selecting Diverse, Relevant Content From Multiple Content Feeds
US20180077250A1 (en) Method and System for Processing Data Used By Creative Users to Create Media Content
US20090216639A1 (en) Advertising selection and display based on electronic profile information
US11558480B2 (en) Tracking content use via social media
US20210365800A1 (en) Computing apparatus and operating method thereof
Barragáns-Martínez et al. Developing a recommender system in a consumer electronic device
US20100185616A1 (en) Systems and methods for predictive recommendations
US20160021051A1 (en) Providing Access To Content Via Social Media
Ullah et al. N‐Screen Aware Multicriteria Hybrid Recommender System Using Weight Based Subspace Clustering
KR20200026472A (ko) 콘텐츠 추천 방법 및 이를 위한 장치
US20140100966A1 (en) Systems and methods for interactive advertisements with distributed engagement channels
US20240292060A1 (en) Content recommendation in a media service
US12008036B2 (en) Methods and apparatuses for preventing spoilers in autocompleted search queries
US20210365509A1 (en) PERSONALIZED All MEDIA SEARCH
Khan et al. Enhancing Quality of Movies Recommendation Through Contextual Ontological User Profiling
Guo et al. A multiple perceptual news recommendation method based on dynamic multi-convolution kernel CNN and attention mechanism

Legal Events

Date Code Title Description
E902 Notification of reason for refusal