KR20220030473A - 날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치 - Google Patents
날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치 Download PDFInfo
- Publication number
- KR20220030473A KR20220030473A KR1020200111320A KR20200111320A KR20220030473A KR 20220030473 A KR20220030473 A KR 20220030473A KR 1020200111320 A KR1020200111320 A KR 1020200111320A KR 20200111320 A KR20200111320 A KR 20200111320A KR 20220030473 A KR20220030473 A KR 20220030473A
- Authority
- KR
- South Korea
- Prior art keywords
- weather
- emotional
- user
- emotional index
- index
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000008451 emotion Effects 0.000 title claims abstract description 20
- 230000002996 emotional effect Effects 0.000 claims abstract description 185
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 210000001747 pupil Anatomy 0.000 claims description 6
- 230000036772 blood pressure Effects 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 230000008921 facial expression Effects 0.000 claims description 4
- 235000013305 food Nutrition 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 claims description 2
- 230000000994 depressogenic effect Effects 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 claims description 2
- 230000000306 recurrent effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000002452 interceptive effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 239000000470 constituent Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001179 pupillary effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- SHXWCVYOXRDMCX-UHFFFAOYSA-N 3,4-methylenedioxymethamphetamine Chemical compound CNC(C)CC1=CC=C2OCOC2=C1 SHXWCVYOXRDMCX-UHFFFAOYSA-N 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010048909 Boredom Diseases 0.000 description 1
- 206010022998 Irritability Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003001 depressive effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
Abstract
본 발명의 일 실시예에 따른 날씨 기반의 감정 지수 제공 방법에 있어서, 날씨 정보를 수집하는 단계; 및 사용자의 생체 정보를 수집하는 단계; 상기 사용자의 생체 정보를 기반으로 상기 사용자의 감정 상태를 예측하는 단계; 상기 사용자의 감정 상태와 상기 날씨 정보를 학습하고, 상기 감정 상태와 상기 날씨 사이의 상관 관계를 추출하는 단계; 상기 추출한 상관 관계를 기반으로 날씨 기반의 감정 지수 예측 모델을 확립하는 단계; 및 상기 확립된 감정 지수 예측 모델을 기반으로 현재 날씨에 따른 상기 사용자의 감정 지수를 도출하는 단계; 를 포함하되, 상기 감정 지수 예측 모델은, 날씨를 입력 데이터로서 입력받고 상기 사용자의 감정 지수를 출력 데이터로서 출력하는 모델이며, 상기 감정 지수는 상기 사용자의 감정을 감정 상태별로 수치화 한 감정 지표일 수 있다.
Description
본 명세서는 날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치를 제안한다.
감정분석이란 텍스트의 정보를 추출하는 텍스트 마이닝과는 다르게 특정 주제에 관한 주관적인 인상, 감정, 태도, 개인의 의견과 같은 비정형 정보들을 텍스트로부터 정형화하는 분석을 의미한다.
감정분석의 방법으로는 knowledge-based techniques, statistical methods, hybrid approaches가 있다. knowledge-based techniques는 텍스트를 기쁨, 슬픔, 두려움, 지루함과 같은 확실한 효과 단어(affect word)의 존재에 기반한 affect categories로 분류한다. statistical methods는 latent semantic analysis, support vector machines, bag of words, semantic orientation 등과 같은 기계학습을 사용하는 방법이다. Hybrid approach는 두 접근 방법을 모두 사용한다. 이러한 방법을 달성하는데 이용되는 분류 모델은 Entropy 기반의 모델들이나 SVM과 같은 머신 러닝이 이용될 수 있다.
이외에도 감정에 영향을 끼친다고 알려진 많은 요소들을 이용하여 사용자의 감정을 파악하기 위한 다양한 연구들이 활발히 진행되고 있다.
그러나, 날씨가 사람의 감정 상태에 많은 영향을 끼친다는 연구 결과가 존재함에도, 현재까지 날씨를 이용하여 사용자의 감정을 인식하는 방법에 대한 연구는 미미한 실정이다.
따라서, 본 명세서에서는 사용자의 감정 상태를 현재의 날씨를 기초로 파악하기 위한 방법 및 이를 위한 장치에 대해 제안한다.
보다 구체적으로, 본 명세서의 일 실시예에 따른 날씨 기반의 감정 지수 제공 방법에 있어서, 날씨 정보를 수집하는 단계; 및 사용자의 생체 정보를 수집하는 단계; 상기 사용자의 생체 정보를 기반으로 상기 사용자의 감정 상태를 예측하는 단계; 상기 사용자의 감정 상태와 상기 날씨 정보를 학습하고, 상기 감정 상태와 상기 날씨 사이의 상관 관계를 추출하는 단계; 상기 추출한 상관 관계를 기반으로 날씨 기반의 감정 지수 예측 모델을 확립하는 단계; 및 상기 확립된 감정 지수 예측 모델을 기반으로 현재 날씨에 따른 상기 사용자의 감정 지수를 도출하는 단계; 를 포함하되, 상기 감정 지수 예측 모델은, 날씨를 입력 데이터로서 입력받고 상기 사용자의 감정 지수를 출력 데이터로서 출력하는 모델이며, 상기 감정 지수는 상기 사용자의 감정을 감정 상태별로 수치화 한 감정 지표일 수 있다.
본 발명의 일 실시예에 따르면, 누구든지 쉽게 획득 가능한 날씨 정보를 기반으로 사용자의 감정 상태를 높은 정확도로 인식 가능하다는 효과가 발생한다.
또한, 본 발명의 일 실시예에 따르면, 사용자의 감정 상태를 컨텐츠 마케팅에 활용함으로써 마케팅 효과를 한층 더 향상시킬 수 있다는 효과가 발생한다.
또한, 본 발명의 일 실시예에 따르면, 사용자의 감정 상태를 기반으로 인공 인터랙티브(interactive) 다이얼로그 시스템의 제공이 가능하므로, 보다 자연스럽고 공감 가능한 실시간 대화 기능의 제공이 가능하다는 효과가 발생한다.
도 1은 본 발명의 일 실시예에 따른 감정 지수 제공 방법의 개략적인 순서도이다.
도 2는 본 발명의 일 실시예에 따른 날씨 기반의 감정 지수 제공 방법에 관한 순서도이다.
도 3은 본 발명의 일 실시예에 따른 감정 지수를 제공하는 사용자 장치를 예시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 지역별 감정 지수를 제공하는 실시예를 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 감정 지수의 컨텐츠 마케팅 활용 방법을 예시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 감정 지수 제공 서버의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 날씨 기반의 감정 지수 제공 방법에 관한 순서도이다.
도 3은 본 발명의 일 실시예에 따른 감정 지수를 제공하는 사용자 장치를 예시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 지역별 감정 지수를 제공하는 실시예를 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 감정 지수의 컨텐츠 마케팅 활용 방법을 예시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 감정 지수 제공 서버의 블록도이다.
이하 설명하는 기술은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 이하 설명하는 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 이하 설명하는 기술의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 상기 용어들에 의해 한정되지는 않으며, 단지 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 이하 설명하는 기술의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다. 예를 들어, 'A 및/또는 B'는 'A 또는 B 중 적어도 하나'의 의미로 해석될 수 있다. 또한, '/'는 '및' 또는 '또는'으로 해석될 수 있다.
본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함한다" 등의 용어는 실시된 특징, 개수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.
도면에 대한 상세한 설명을 하기에 앞서, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.
또, 방법 또는 동작 방법을 수행함에 있어서, 상기 방법을 이루는 각 과정들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 과정들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 명세서에서는 날씨 정보 및 사용자의 감정 정보를 수집 및 학습하고, 둘 사이의 상관 관계를 파악하여, 날씨를 기반으로 사용자의 감정 상태의 도출이 가능한 감정 지수 예측 모델을 확립하고자 함이 목적이다. 이러한 감정 지수 예측 모델은, 감정 지수 예측 모델을 확립 및 구동하기 위해 사전에 설계된 어플리케이션/프로그램이 설치된 서버 또는 장치에 의해 실행될 수 있다. 따라서, 이하에서 후술하는 '감정 지수 제공 서버(또는 장치)'는 중복하여 설명하지 않아도 감정 지수 예측 모델을 확립 및 구동하기 위한 어플리케이션/프로그램이 설치된 서버(또는 장치)로 해석될 수 있다. 특히, 감정 지수 제공 서버는 어플리케이션/프로그램의 설계자/관리자에 의해 운용되는 어플리케이션/프로그램 관리 서버에 해당할 수 있다.
도 1은 본 발명의 일 실시예에 따른 감정 지수 제공 방법의 개략적인 순서도이다.
도 1을 참조하면, 본 발명의 감정 지수 제공 방법은 크게 빅데이터 수집 단계(S101), 빅데이터 분석 단계(S102) 및 빅데이터 활용 단계(S103)로 구분될 수 있다. 여기서, 빅데이터는 감정 지수 예측 모델의 확립을 위해 요구되는 다양한 데이터 집단을 의미하는 것으로, 예를 들어 현재 날씨 정보(예를 들어, 온도, 습도, 풍향, 풍속, 강우, 기압, 먼지, 미세먼지 량 등), 사용자의 생체 신호 정보(예를 들어, 표정, 맥박, 체온, 혈압, 동공 확장 정도, 동공의 흔들림 정도, 눈썹의 형태, 눈의 형태, 입술의 형태 등), 사용자의 개인 정보(직업, 지역, 나이, 성별, 취미, 관심 분야 등) 등이 빅데이터에 포함될 수 있다.
감정 지수 제공 서버는 이러한 빅데이터를 적어도 하나의 입력 수단 및 센서를 이용하여 실시간/주기적으로 수집할 수 있으며, 수집한 빅데이터를 분석/학습하여 사용자의 감정에 영향을 미치는 다양한 인자/요인을 추출해낼 수 있다. 마지막으로, 감정 지수 제공 서버는 이러한 빅데이터 분석 결과를 다양한 분야에 활용할 수 있다. 특히, 본 명세서에서는 이러한 빅데이터 분석 결과를 컨텐츠 마케팅 분야에 활용하는 다양한 실시예에 대해 제안한다.
각 단계에 대한 설명은 이하 도 2를 참조하여 보다 상세히 후술한다.
도 2는 본 발명의 일 실시예에 따른 날씨 기반의 감정 지수 제공 방법에 관한 순서도이다.
도 2를 참조하면, 우선 감정 지수 제공 서버는 날씨 정보를 수집할 수 있다(S201). 감정 지수 제공 서버는 다양한 방식으로 날씨 정보를 수집할 수 있다. 예를 들어, 기상청으로부터 기상 정보를 수집하거나, 인터넷 검색을 하거나, 소형 AWS(Amazon Web Service)를 통한 소규모 지역의 로컬 기상 정보를 수집하거나, 아두이노 또는 라즈베리파이를 이용하는 등 다양한 방식으로 기상 정보의 수집이 가능하다.
다음으로, 감정 지수 제공 서버는 사용자의 생체 정보를 수집할 수 있다(S202). 이는 사용자의 생체 정보로부터 사용자의 현재 감정 상태를 예측하기 위한 것으로, 감정 지수 제공 서버는 사용자 장치가 측정한 생체 정보를 무선/유선 수신하는 방식으로 생체 정보를 수집할 수 있다. 이때, 사용자 장치는 사용자의 다양한 생체 정보의 측정이 가능한 적어도 하나의 생체 신호 감지 센서가 구비된 전자 장치로서, 예를 들어, 웨어러블(wearable) 장치일 수 있다. 생체 정보는 사용자의 표정, 맥박, 체온, 혈압, 동공 확장 정도, 동공의 흔들림 정도, 눈썹의 형태, 눈의 형태 및 입술의 형태 중 적어도 하나를 포함할 수 있다.
다음으로, 감정 지수 제공 서버는 수집한 사용자의 생체 정보를 기초로 사용자의 현재 감정 상태를 예측할 수 있다(S203). 일 예로서, 감정 지수 제공 서버는 사용자의 눈의 형태가 '^'과 유사할수록 '기쁨'의 감정 상태인 것으로 예측할 수 있다. 이와 유사하게, 감정 지수 제공 서버는 입술의 형태가 'v'와 유사할수록 '기쁨'의 감정 상태인 것으로 예측할 수 있다. 즉, 감정 지수 제공 서버는 사용자의 표정을 이용하여 현재 감정 상태를 예측할 수 있다. 다른 예로서, 맥박수/혈압/체온/동공 확장 정도/동공 흔들림 정도가 높을수록 '흥분'의 감정 상태인 것으로 예측할 수 있다. 이렇듯 감정 지수 제공 서버는 사용자의 다양한 생체 정보를 활용하여 사용자의 현재 감정 상태를 예측할 수 있다.
다음으로, 감정 지수 제공 서버는 예측한 사용자의 감정 상태와 날씨 정보를 학습하고, 감정 상태와 날씨 사이의 상관 관계를 추출할 수 있다(S204). 일 실시예로서, 감정 지수 제공 서버는 다양한 머신 러닝 기술을 기반으로 상관 관계를 추출할 수 있다. 머신 러닝 기술로는, 예를 들어, ANN(Artificial Neural Network), 딥러닝, CNN(Convolutional Neural Network) 및 RNN(Recurrent Neural Network) 중 적어도 하나를 사용할 수 있다. 다른 실시예로서, 감정 지수 제공 서버는 다양한 회귀 분석 알고리즘을 기반으로 상관 관계를 추출할 수도 있다. 회귀 분석 알고리즘으로는, 선형 회귀 분석 알고리즘 및 다중 회귀 분석 알고리즘 중 적어도 하나를 사용할 수 있다.
다음으로, 감정 지수 제공 서버는 전 단계에서 추출한 상관 관계를 기반으로 날씨 기반의 감정 지수 예측 모델을 확립할 수 있다(S205). 감정 지수 예측 모델은, 날씨를 입력 데이터로서 입력받으면, 날씨와 감정 사이의 상관 관계에 따라 사용자의 감정 지수를 출력 데이터로서 출력하는 모델이다. 감정 지수는 사용자의 감정을 감정 상태별로 수치화 한 감정 지표에 해당할 수 있다. 사용자의 감정이 구체적인 값으로 수치화되기 때문에, 사용자의 특정 감정을 기준으로 다양한 기능의 구동이 가능하다는 효과가 있다.
이외에도, 본 순서도에는 도시하지 않았으나, 감정 지수 제공 서버는 날씨 외에도 날씨에 따른 사용자의 감정 상태에 영향을 미칠 수 있는 다른 인자/요인을 추가로 고려하여 감정 지수 예측 모델을 확립할 수 있다. 예를 들어, 감정 지수 제공 서버는 사용자의 개인 정보를 사용자로부터 입력받고(보다 구체적으로는 사용자가 사용자 장치에 입력한 개인 정보를 수신하고), 이를 기초로 감정 지수 예측 모델을 확립할 수 있다. 개인별 상황 역시, 날씨에 따른 사용자의 감정 상태에 영향을 미칠 수 있는 인자/요인으로 작용할 수 있기 때문이다. 예를 들어, 직업이 배달부인 경우, 비 오는 날에 배달이 매우 어려우므로 기분이 좋지 않을 확률이 매우 높다. 이러한 점에 기초하여, 감정 지수 제공 서버는 날씨 외에도 사용자의 다양한 개인 정보 등을 추가로 고려하여, 이들과 감정 상태 사이의 상관 관계를 추출하여 감정 지수 예측 모델을 확립할 수 있다. 다만, 본 발명은 기본적으로 날씨를 기초로 사용자의 감정 상태를 도출하는 것이 주 목적이기 때문에, 개인 정보보다는 날씨에 더 높은 가중치가 부여되어 상관 관계가 도출될 수 있다. 개인 정보는, 사용자의 현재 위치/지역, 직업, 나이, 취미, 관심 분야 및 성별 중 적어도 하나를 포함할 수 있다.
마지막으로, 감정 지수 제공 서버는 확립한 감정 지수 예측 모델을 기초로 날씨에 따른 사용자의 감정 지수를 도출하게 된다(S206).
도 3은 본 발명의 일 실시예에 따른 감정 지수를 제공하는 사용자 장치를 예시한 도면이다.
도 3을 참조하면, 감정 지수 제공 서버가 도출한 감정 지수는 사용자 장치(300)를 통해 사용자에게 제공될 수 있다. 특히, 감정 지수는 미리 정의된 감정 상태별로 특정 값으로 수치화되어 표현될 수 있다. 예를 들어, 감정 상태는 슬픔, 우울함, 짜증남, 불쾌함, 거북함, 화남, 괴로움, 분노, 놀라움, 역겨움, 행복, 기쁨, 슬픔, 두려움, 역겨움, 흥분, 안도감, 경이, 황홀함, 자부심, 대견함, 가슴 벅참, 고양, 감사 등으로 구분되어 정의될 수 있으며, 사용자에 의해 추가 또는 삭제가 가능하다.
감정 지수 제공 서버는 현재의 날씨를 기초로 감정 지수를 도출하여 사용자 장치(300)를 통해 사용자에게 제공할 수 있으며, 날씨의 변화에 따라 감정 지수를 실시간으로 업데이트할 수 있다.
사용자는 이렇게 제공된 감정 지수를 통해 자신의 감정 상태를 실시간으로 확인할 수 있다. 만일, 제공된 감정 지수가 사용자의 실제 현재 감정과 다르다고 판단되는 경우, 사용자는 각 감정 상태별로 감정 지수를 직접 수정/조정할 수 있다. 이 경우, 사용자 장치(300)는 수정/조정된 감정 지수에 대한 정보를 감정 지수 제공 서버에 제공할 수 있으며, 감정 지수 제공 서버는 제공받은 정보를 기초로 감정 지수 예측 모델을 업데이트할 수 있다. 사용자의 감정 지수 수정/조정은, 기존의 감정 지수 예측 모델의 감정 지수 예측 정확도가 떨어짐을 의미하므로, 감정 지수 제공 서버는 사용자 장치(300)로부터 수신한 정보를 중심으로 감정 지수 예측의 정확도가 더 높아질 수 있도록 감정 지수 예측 모델을 업데이트할 수 있다.
도 4는 본 발명의 일 실시예에 따른 지역별 감정 지수를 제공하는 실시예를 예시한 도면이다.
감정 지수 제공 서버는 각 지역별로 감정 지수를 통계 낸 결과를 사용자에게 제공할 수도 있다. 보다 상세하게는, 감정 지수 제공 서버는 감정 지수를 지역별로 수집할 수 있으며, 지역별로 수집된 감정 지수를 평균 연산함으로써 지역별 감정 지수를 도출할 수 있다.
예를 들어, 감정 지수 제공 서버는 서울 지역의 900만명의 사용자 장치들로부터 각 사용자의 감정 지수 값을 수집하고, 수집한 감정 지수 값을 900만명의 사용자를 기준으로 평균 연산하여 서울 지역의 감정 지수 값을 도출해낼 수 있다. 감정 지수 제공 서버는 다른 지역에 대해서도 이와 동일한 평균 연산을 수행함으로써 각 지역별 감정 지수 값을 도출할 수 있다.
이렇게 도출한 지역별 감정 지수 값에 대한 정보는, 다양한 실시예의 형태로 사용자에 제공될 수 있다. 일 예로서, 본 도면에 도시한 바와 같이, 각 지역별로 도출된 감정 지수 및 날씨를 아이콘/이모티콘/UI(User Interface) 등으로 표현하고, 지도 내에서 해당하는/대응되는 지역에 이들을 위치시킴으로써 지역별 감정 상태 정보를 사용자에게 제공할 수 있다.
도 5는 본 발명의 일 실시예에 따른 감정 지수의 컨텐츠 마케팅 활용 방법을 예시한 도면이다.
감정 지수는 다양한 분야에 활용도가 매우 높은데, 특히 컨텐츠 마케팅에 활용도가 매우 높다. 그 이유는, 같은 사용자라 할지라도, 현재의 기분/감정에 따라 동일한 컨텐츠를 구매하고 싶거나 구매하고 싶지 않는 경우가 있기 때문이다. 즉, 사용자의 감정은 컨텐츠 구매 욕구에 매우 큰 영향을 미친다고 볼 수 있다. 특히, 음악과 같은 컨텐츠의 경우, 현재 우울감을 크게 느끼고 있는 사용자라면, 기분 전환을 위해 발랄하고 신나는 음악을 구매하고 싶은 욕구가 더 클 수 있다. 여기서, 컨텐츠는 음악, 영화, 음식, 여행지, 동영상, 상품, TV(Television) 프로그램 및 게임 중 적어도 하나를 포함할 수 있다.
이러한 점을 고려하여, 본 명세서의 감정 지수 제공 서버는 사용자의 감정 지수를 고려한 컨텐츠 추천 방식으로 마케팅에 활용할 수 있다.
예를 들어, 도 5(a)에 도시한 바와 같이, 슬픔 감정 지수가 높게 도출된 사용자의 경우, 신나는 댄스 음악을 들으면서 기분 전환하고자 하는 욕구가 클 수 있으므로, 감정 지수 제공 서버는 최신 댄스 음악 컨텐츠를 추천 컨텐츠로서 사용자 장치(500-1)를 통해 사용자에게 제공할 수 있다. 또는, 도 5(b)에 도시한 바와 같이, 우울 감정 지수가 높게 도출된 사용자의 경우, 맛있는 음식을 먹으면서 스트레스를 풀고자 하는 욕구가 클 수 있으므로, 감정 지수 제공 서버는 최신 음식 메뉴의 배달을 추천 컨텐츠로서 사용자 장치(500-2)를 통해 사용자에게 제공할 수 있다.
따라서, 컨텐츠/상품을 마케팅하고자 하는 사업자의 경우, 팔고자 하는 컨텐츠/상품의 마케팅을 감정 지수 제공 서버의 운영자에게 의뢰할 수 있으며, 운영자는 감정 지수별로 추천할 컨텐츠/상품을 설정하여 사용자에게 제공함으로써 보다 효율적인 컨텐츠/상품 마케팅 시스템을 구축할 수 있다.
특히, 감정 지수 제공 서버는 어떤 컨텐츠를 추천할 것인지를 결정하기 위한 감정 지수 기준 값을 미리 설정하고, 현재 도출된 감정 지수가 기준 값을 초과하는지 또는 이하인지 여부를 기초로 추천할 컨텐츠를 결정할 수 있다. 예를 들어, 감정 지수 제공 서버는 제1 감정 상태에 대한 감정 지수가 제1 기준 값보다 높은 경우, 코메디 장르의 영화, 예능 TV 프로그램 또는 댄스 음악을 컨텐츠로서 추천할 수 있다. 여기서, 제1 감정 상태는, 슬픔, 우울함, 짜증남, 불쾌함, 거북함, 분노, 괴로움 및 화남 등과 같은 부정적인 감정 상태에 해당할 수 있으며, 제1 기준 값은 최대 감정 지수가 10이라고 했을 때, '6'으로 설정될 수 있다. 제1 기준 값은 감정 지수 제공 서버의 관리자/운영자 또는 사용자에 의해 다양한 값으로 설정될 수 있다.
이외에도, 본 도면에는 도시하지 않았으나, 감정 지수는 인공 인터랙티브 다이얼로그 시스템(artificial interactive dialog system)에도 활용될 수 있다. 인공 인터랙티브 다이얼로그 시스템은 음성 인식, 인터랙티브 다이얼로그 및 음성 합성 소프트웨어를 통합하여, 정보와 뉴스, 원격 디바이스 구성 및 프로그래밍, 대화식 친밀관계(conversational rapport) 등의 서비스를 제공하기 위해 사용자와의 실시간 인터랙티브 대화를 제공하는 시스템을 의미한다.
사용자가 다이얼로그 시스템과의 보다 자연스럽고 끊김없는 대화를 경험하게 하기 위해서는 사용자의 감정을 파악하여 그에 따른 인터랙션을 제공하는 것이 바람직하다. 예를 들어, 뉴스를 전달하거나, 태스크를 스케줄링하거나, 또는 다른 식으로 사용자와 상호작용할 때, 합성된 음성 및/또는 다른 출력에 감정적인 특성을 부여하여 사용자를 대화에 보다 효과적으로 참여시킬 수 있는 것이 바람직할 것이다.
이러한 점에 기초하여, 감정 지수 제공 서버는 사용자의 감정 지수를 기반으로 사용자의 현재 감정 상태를 파악하고, 그에 따른 인공 인터랙티브 다이얼로그 시스템을 사용자 장치를 통해 제공할 수 있다. 이를 통해, 사용자는 사용자 장치와 감정적 교류를 하면서 자연스러운 대화를 이어갈 수 있으며, 감정 지수 제공 서버는 사용자의 현재 요구 및 의도를 보다 효율적으로 잘 파악하여 사용자가 원하는 시스템 환경 및 기능을 제공할 수 있다는 효과가 있다.
도 6은 본 발명의 일 실시예에 따른 감정 지수 제공 서버의 블록도이다.
도 6을 참조하면, 감정 지수 제공 서버는 프로세서(610), 메모리 유닛(620) 및 통신 유닛(630)을 포함할 수 있다. 프로세서(610), 메모리 유닛(620) 및 통신 유닛(630)은 적어도 하나의 하드웨어/소프트웨어적인 구성 요소를 포함하여 구현될 수 있다.
메모리 유닛(620)은, 비디오, 오디오, 사진, 동영상, 어플리케이션 등의 다양한 디지털 데이터를 저장할 수 있다. 메모리 유닛(620)은 플래시 메모리, HDD(Hard Disk Drive), SSD(Solid State Drive) 등의 다양한 디지털 데이터 저장 공간에 해당할 수 있다.
통신 유닛(630)은 다양한 유선/무선 통신 프로토콜을 사용하여 통신을 수행, 데이터를 송신/수신할 수 있다. 통신 유닛(630)은 유선 또는 무선으로 외부 네트워크에 접속하여, 디지털 데이터를 송신/수신할 수 있다.
프로세서(610)는 감정 지수 제공 서버에 포함된 적어도 하나의 구성 요소/유닛을 제어할 수 있다. 특히, 프로세서(610)는 본 명세서에서 제안된 실시예를 주체적으로 수행할 수 있으며, 실시예를 구현하기 위해 적어도 하나의 구성 요소/유닛을 제어할 수 있다. 따라서, 본 명세서에서 감정 지수 제공 서버는 프로세서(610)로 대체되어 설명될 수 있다. 프로세서(610)는 메모리 유닛(620)에 저장된 다양한 애플리케이션을 실행하고, 내부의 데이터를 프로세싱할 수 있다. 프로세서(610)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), AP(Application Processor), AP(Application Processor) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 적어도 하나 포함하여 구성될 수 있다. 프로세서(610)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다.
상술한 감정 지수 제공 서버의 블록도는 사용자 장치에도 동일/유사하게 적용될 수 있다. 즉, 사용자 장치 역시, 상술한 프로세서(610), 메모리 유닛(620) 및 통신 유닛(630)을 포함하도록 구성될 수 있다. 이외에, 사용자 장치는 실시예에 따라 추가적으로 디스플레이 유닛(640) 및 센서 유닛(650)을 포함할 수 있다.
디스플레이 유닛(640)은 이미지/영상 등 다양한 시각적 데이터/정보를 디스플레이할 수 있다. 특히, 디스플레이 유닛(640)은 사용자의 다양한 입력을 센싱하기 위한 적어도 하나의 수단(예를 들어, 터치 센서, 압력 센서, 카메라 센서 등)을 포함하여 사용자의 다양한 입력을 센싱할 수 있다.
센서 유닛(650)은 다양한 센싱 수단을 통칭하는 것으로, 사용자의 다양한 입력 및 디바이스의 환경을 센싱하여, 사용자 장치가 그에 따른 동작을 수행할 수 있도록 센싱 결과를 프로세서(610)에 전달할 수 있다. 상술한 센서들은 별도의 엘러먼트로 사용자 장치에 포함되거나, 적어도 하나 이상의 엘러먼트로 통합되어 포함될 수 있다.
특히, 본 명세서의 일 실시예에 따른 센서 유닛(650)은, 사용자의 다양한 생체 정보/신호를 센싱하기 위한 적어도 하나의 센서를 포함할 수 있다. 예를 들어, 센서 유닛(650)은, 적외선 센서, 카메라 센서, 온도 센서, 맥박 센서 등 다양한 생체 정보/신호를 센싱하기 위한 센서를 포함할 수 있다.
본 발명에 따른 실시예는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시예는 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
또한, 펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 일 실시예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현되어, 다양한 컴퓨터 수단을 통하여 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
아울러, 본 발명에 따른 장치나 단말은 하나 이상의 프로세서로 하여금 앞서 설명한 기능들과 프로세스를 수행하도록 하는 명령에 의하여 구동될 수 있다. 예를 들어 그러한 명령으로는, 예컨대 JavaScript나 ECMAScript 명령 등의 스크립트 명령과 같은 해석되는 명령이나 실행 가능한 코드 혹은 컴퓨터로 판독 가능한 매체에 저장되는 기타의 명령이 포함될 수 있다. 나아가 본 발명에 따른 장치는 서버 팜(Server Farm)과 같이 네트워크에 걸쳐서 분산형으로 구현될 수 있으며, 혹은 단일의 컴퓨터 장치에서 구현될 수도 있다.
또한, 본 발명에 따른 장치에 탑재되고 본 발명에 따른 방법을 실행하는 컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일 되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시예들을 병합하여 새로운 실시예를 구현하도록 설계하는 것도 가능하다. 또한, 본 발명은 상술한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상술한 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
또한, 이상에서는 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 명세서는 상술한 특정의 실시예에 한정되지 아니하며, 청구 범위에서 청구하는 요지를 벗어남이 없이 당해 명세서가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 명세서의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
610: 프로세서
620: 메모리 유닛
630: 통신 유닛
620: 메모리 유닛
630: 통신 유닛
Claims (12)
- 날씨 기반의 감정 지수 제공 방법에 있어서,
날씨 정보를 수집하는 단계; 및
사용자의 생체 정보를 수집하는 단계;
상기 사용자의 생체 정보를 기반으로 상기 사용자의 감정 상태를 예측하는 단계;
상기 사용자의 감정 상태와 상기 날씨 정보를 학습하고, 상기 감정 상태와 상기 날씨 사이의 상관 관계를 추출하는 단계;
상기 추출한 상관 관계를 기반으로 날씨 기반의 감정 지수 예측 모델을 확립하는 단계; 및
상기 확립된 감정 지수 예측 모델을 기반으로 현재 날씨에 따른 상기 사용자의 감정 지수를 도출하는 단계; 를 포함하되,
상기 감정 지수 예측 모델은, 날씨를 입력 데이터로서 입력받고 상기 사용자의 감정 지수를 출력 데이터로서 출력하는 모델이며,
상기 감정 지수는 상기 사용자의 감정을 감정 상태별로 수치화 한 감정 지표인, 날씨 기반의 감정 지수 제공 방법. - 제 1 항에 있어서,
상기 사용자의 생체 정보는,
상기 사용자의 표정, 맥박, 체온, 혈압, 동공 확장 정도, 동공의 흔들림 정도, 눈썹의 형태, 눈의 형태 및 입술의 형태 중 적어도 하나를 포함하는, 날씨 기반의 감정 지수 제공 방법. - 제 1 항에 있어서,
상기 상관 관계를 추출하는 단계는,
ANN(Artificial Neural Network), 딥러닝, CNN(Convolutional Neural Network) 및 RNN(Recurrent Neural Network) 중 적어도 하나를 기초로 상기 상관 관계를 추출하는 단계인, 날씨 기반의 감정 지수 제공 방법. - 제 1 항에 있어서,
상기 상관 관계를 추출하는 단계는,
선형 회귀 분석 알고리즘 및 다중 회귀 분석 알고리즘 중 적어도 하나를 기초로 추출하는 단계인, 날씨 기반의 감정 지수 제공 방법. - 제 1 항에 있어서,
상기 감정 지수를 지역별로 수집하는 단계; 및
상기 지역별로 수집된 감정 지수를 상기 지역별로 평균 연산하여 지역별 감정 지수를 도출하는 단계; 를 더 포함하는, 날씨 기반의 감정 지수 제공 방법. - 제 5 항에 있어서,
상기 지역별 감정 지수를 지역별 날씨 정보와 함께 상기 사용자에게 제공하는 단계; 를 더 포함하는, 날씨 기반의 감정 지수 제공 방법. - 제 1 항에 있어서,
상기 사용자로부터 개인 정보를 입력받는 단계; 를 더 포함하되,
상기 개인 정보는, 상기 사용자의 직업, 나이, 취미, 관심 분야 및 성별 중 적어도 하나를 포함하는, 날씨 기반의 감정 지수 제공 방법. - 제 7 항에 있어서,
상기 상관 관계를 추출하는 단계는,
상기 날씨에 추가로 상기 개인 정보를 고려하여 상기 상관 관계를 추출하는 단계인, 날씨 기반의 감정 지수 제공 방법. - 제 1 항에 있어서,
상기 감정 지수를 고려하여 컨텐츠를 추천하는 단계; 를 더 포함하는, 날씨 기반의 감정 지수 제공 방법. - 제 9 항에 있어서,
상기 컨텐츠는,
음악, 영화, 음식, 여행지, 동영상, 상품, TV(Television) 프로그램 및 게임 중 적어도 하나를 포함하는, 날씨 기반의 감정 지수 제공 방법. - 제 10 항에 있어서,
제1 감정 상태에 대한 감정 지수가 제1 기준 값보다 높은 경우, 상기 컨텐츠를 추천하는 단계는,
상기 컨텐츠로서 코메디 장르의 영화, 예능 TV 프로그램 또는 댄스 음악을 추천하는 단계인, 날씨 기반의 감정 지수 제공 방법. - 제 11 항에 있어서,
상기 제1 감정 상태는,
슬픔, 우울함, 짜증남, 불쾌함, 거북함, 분노, 괴로움 및 화남 중 적어도 하나에 해당하는, 날씨 기반의 감정 지수 제공 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200111320A KR102378412B1 (ko) | 2020-09-01 | 2020-09-01 | 날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200111320A KR102378412B1 (ko) | 2020-09-01 | 2020-09-01 | 날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220030473A true KR20220030473A (ko) | 2022-03-11 |
| KR102378412B1 KR102378412B1 (ko) | 2022-03-25 |
Family
ID=80814637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200111320A KR102378412B1 (ko) | 2020-09-01 | 2020-09-01 | 날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102378412B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102493790B1 (ko) * | 2022-11-07 | 2023-01-31 | 프랭크엑스 주식회사 | 인공지능 기반 장소 연계 안면 인식 정보 생성 방법, 장치 및 시스템 |
| KR102529245B1 (ko) * | 2022-10-31 | 2023-05-04 | (주)휴먼아이티솔루션 | 얼굴 표정 및 환경 분석을 통한 감정 분석에 따른 맞춤형 디지털 헬스케어 명상 컨텐츠 제공 방법, 장치 및 컴퓨터-판독가능 기록매체 |
| KR102617004B1 (ko) * | 2022-12-27 | 2023-12-27 | 쿠팡 주식회사 | 추천 컨텐츠를 제공하는 전자 장치 및 방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140060112A (ko) * | 2012-11-09 | 2014-05-19 | 삼성전자주식회사 | 사용자의 심리 상태 판단 장치 및 방법 |
| KR20150137307A (ko) * | 2014-05-29 | 2015-12-09 | 경북대학교 산학협력단 | 사용자 맞춤형 정보를 제공하는 방법 및 시스템, 이를 수행하기 위한 기록매체 |
| KR20200080494A (ko) * | 2018-12-26 | 2020-07-07 | 한국전자통신연구원 | 감정 노동자를 위한 스트레스 관리 장치 및 그것의 동작 방법 |
-
2020
- 2020-09-01 KR KR1020200111320A patent/KR102378412B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140060112A (ko) * | 2012-11-09 | 2014-05-19 | 삼성전자주식회사 | 사용자의 심리 상태 판단 장치 및 방법 |
| KR20150137307A (ko) * | 2014-05-29 | 2015-12-09 | 경북대학교 산학협력단 | 사용자 맞춤형 정보를 제공하는 방법 및 시스템, 이를 수행하기 위한 기록매체 |
| KR20200080494A (ko) * | 2018-12-26 | 2020-07-07 | 한국전자통신연구원 | 감정 노동자를 위한 스트레스 관리 장치 및 그것의 동작 방법 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102529245B1 (ko) * | 2022-10-31 | 2023-05-04 | (주)휴먼아이티솔루션 | 얼굴 표정 및 환경 분석을 통한 감정 분석에 따른 맞춤형 디지털 헬스케어 명상 컨텐츠 제공 방법, 장치 및 컴퓨터-판독가능 기록매체 |
| KR102493790B1 (ko) * | 2022-11-07 | 2023-01-31 | 프랭크엑스 주식회사 | 인공지능 기반 장소 연계 안면 인식 정보 생성 방법, 장치 및 시스템 |
| KR102617004B1 (ko) * | 2022-12-27 | 2023-12-27 | 쿠팡 주식회사 | 추천 컨텐츠를 제공하는 전자 장치 및 방법 |
| WO2024143664A1 (ko) * | 2022-12-27 | 2024-07-04 | 쿠팡 주식회사 | 추천 컨텐츠를 제공하는 전자 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102378412B1 (ko) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11334804B2 (en) | Cognitive music selection system and method | |
| US11887352B2 (en) | Live streaming analytics within a shared digital environment | |
| US10867197B2 (en) | Drowsiness mental state analysis using blink rate | |
| US20240061504A1 (en) | System and method for embedded cognitive state metric system | |
| US10911829B2 (en) | Vehicle video recommendation via affect | |
| US10796176B2 (en) | Personal emotional profile generation for vehicle manipulation | |
| US11206450B2 (en) | System, apparatus and method for providing services based on preferences | |
| US10922566B2 (en) | Cognitive state evaluation for vehicle navigation | |
| US10779761B2 (en) | Sporadic collection of affect data within a vehicle | |
| US10204625B2 (en) | Audio analysis learning using video data | |
| US10922567B2 (en) | Cognitive state based vehicle manipulation using near-infrared image processing | |
| US10592757B2 (en) | Vehicular cognitive data collection using multiple devices | |
| US10074024B2 (en) | Mental state analysis using blink rate for vehicles | |
| US11017250B2 (en) | Vehicle manipulation using convolutional image processing | |
| US10401860B2 (en) | Image analysis for two-sided data hub | |
| US20190172458A1 (en) | Speech analysis for cross-language mental state identification | |
| US11700420B2 (en) | Media manipulation using cognitive state metric analysis | |
| US20200342979A1 (en) | Distributed analysis for cognitive state metrics | |
| KR102378412B1 (ko) | 날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치 | |
| US20170095192A1 (en) | Mental state analysis using web servers | |
| US20160132607A1 (en) | Sorting information by relevance to individuals with passive data collection and real-time injection | |
| US20200074154A1 (en) | Image analysis using a semiconductor processor for facial evaluation in vehicles | |
| US11430561B2 (en) | Remote computing analysis for cognitive state data metrics | |
| US12076149B2 (en) | Vehicle manipulation with convolutional image processing | |
| US20200302235A1 (en) | Convolutional computing using multilayered analysis engine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |