KR20220047055A - 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법 및 상기 방법을 수행하는 컨텐츠 추천 장치 - Google Patents

사용자에게 컨텐츠 추천 메뉴를 제공하는 방법 및 상기 방법을 수행하는 컨텐츠 추천 장치 Download PDF

Info

Publication number
KR20220047055A
KR20220047055A KR1020200130517A KR20200130517A KR20220047055A KR 20220047055 A KR20220047055 A KR 20220047055A KR 1020200130517 A KR1020200130517 A KR 1020200130517A KR 20200130517 A KR20200130517 A KR 20200130517A KR 20220047055 A KR20220047055 A KR 20220047055A
Authority
KR
South Korea
Prior art keywords
menu
content
recommended
sample user
content recommendation
Prior art date
Application number
KR1020200130517A
Other languages
English (en)
Inventor
정진환
이화남
박지형
Original Assignee
에스케이텔레콤 주식회사
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 에스케이텔레콤 주식회사 filed Critical 에스케이텔레콤 주식회사
Priority to KR1020200130517A priority Critical patent/KR20220047055A/ko
Publication of KR20220047055A publication Critical patent/KR20220047055A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4784—Supplemental services, e.g. displaying phone caller identification, shopping application receiving rewards

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 일 실시 예에 따른 컨텐츠 추천 장치에 의해 수행되는 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법은, 복수의 사용자들 중에서 일부인 표본 사용자로부터, 상기 표본 사용자에게 기 제공한 컨텐츠 추천 메뉴를 상기 표본 사용자가 이용한 이용 정보를 수신하는 단계; 상기 이용 정보에 기초하여, 상기 표본 사용자에게 제공한 상기 컨텐츠 추천 메뉴를 업데이트하는 단계; 및 상기 복수의 사용자들 중에서 나머지 일부인 비표본 사용자의 재생 이력에 기초하여, 상기 업데이트된 컨텐츠 추천 메뉴를 상기 비표본 사용자에게 제공하는 단계를 포함할 수 있다.

Description

사용자에게 컨텐츠 추천 메뉴를 제공하는 방법 및 상기 방법을 수행하는 컨텐츠 추천 장치 {METHOD OF PROVIDING CONTENT RECOMMENDATION MENU TO USER, AND CONTENT RECOMMENDATION DEVICE PERFORMING METHOD}
본 발명은 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법 및 상기 방법을 수행하는 컨텐츠 추천 장치에 관한 것이다.
최근에, 데이터 전송 속도의 비약적인 발전으로 인하여, OTT(Over-The-Top), IPTV 등의 영상 제공 서비스가 활발하게 운영 중에 있다.
각 영상 제공 서비스는 서비스의 사용자에게 적합한 영상을 제공하기 위하여 각자의 추천 알고리즘을 이용하여 선별된 영상들을 사용자에게 추천하고 있으며, 사용자에게 추천하는 추천 메뉴로는 실시간 순위 추천, 최신 콘텐츠 추천, 취향 추천, 유사 콘텐츠 추천, Trending Now 추천 등이 있다.
이때, 서비스 운영자는 운영자의 경험과 오랜 기간 축적된 데이터에 따라 알고리즘을 배치하기도 하고, 또는 일정 기간 동안의 사용자의 시청 데이터를 분석한 후 추천 성과가 높은 순서로 컨텐츠를 배치하기도 하는데, 전자의 경우, 담당자의 역량에 지나치게 의존한다는 문제가 있고, 후자의 경우, 수많은 사용자의 데이터를 모두 반영하기에는 연산량이 지나치게 많다는 문제가 있다.
따라서, 추천 알고리즘의 객관성 및 정확성을 담보하기 위하여 데이터 분석 결과를 반영하면서, 컨텐츠 추천 시스템의 연산량을 감소시키는 방법이 문제될 수 있다.
본 발명이 해결하고자 하는 과제는 전술한 문제를 해결하기 위하여, 복수의 사용자들 중에서 표본 사용자들만을 추출하여 컨텐츠 추천 메뉴를 업데이트한 후, 비표본 사용자에게는 표본 사용자들 중에서 비표본 사용자와 취향 값이 동일한 표본 사용자의 컨텐츠 추천 메뉴를 제공하는 방법을 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시 예에 따른 컨텐츠 추천 장치에 의해 수행되는 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법은, 복수의 사용자들 중에서 일부인 표본 사용자로부터, 상기 표본 사용자에게 기 제공한 컨텐츠 추천 메뉴를 상기 표본 사용자가 이용한 이용 정보를 수신하는 단계; 상기 이용 정보에 기초하여, 상기 표본 사용자에게 제공한 상기 컨텐츠 추천 메뉴를 업데이트하는 단계; 및 상기 복수의 사용자들 중에서 나머지 일부인 비표본 사용자의 재생 이력에 기초하여, 상기 업데이트된 컨텐츠 추천 메뉴를 상기 비표본 사용자에게 제공하는 단계를 포함할 수 있다.
상기 기 제공한 컨텐츠 추천 메뉴는 상기 표본 사용자에게 추천하는 컨텐츠들을 분류한 복수의 추천 메뉴들을 포함하고, 상기 컨텐츠 추천 메뉴를 업데이트하는 단계는, 상기 이용 정보에 기초하여, 상기 복수의 추천 메뉴들에 대한 보상을 결정하는 단계; 및 상기 복수의 추천 메뉴들에 대한 보상을 이용하여 상기 컨텐츠 추천 메뉴를 업데이트하는 단계를 포함할 수 있다.
상기 이용 정보는, 상기 복수의 추천 메뉴들 중에서 상기 표본 사용자에게 선택된 추천 메뉴에 대한 정보, 상기 복수의 추천 메뉴들 중에서 상기 표본 사용자에게 제공되었지만 선택되지 않은 추천 메뉴에 대한 정보, 및 상기 복수의 추천 메뉴들 중에서 상기 표본 사용자에게 제공되지 않은 추천 메뉴에 대한 정보 중에서 적어도 하나를 포함하고, 상기 복수의 추천 메뉴들에 대한 보상을 결정하는 단계는, 상기 복수의 추천 메뉴들 중에서, 상기 표본 사용자에게 선택된 추천 메뉴, 상기 표본 사용자에게 제공되었지만 선택되지 않은 추천 메뉴 및 상기 표본 사용자에게 제공되지 않은 추천 메뉴에 서로 다른 보상을 부여할 수 있다.
상기 방법은, 상기 비표본 사용자의 재생 이력을 이용하여, 상기 비표본 사용자의 컨텐츠에 대한 취향 값을 결정하는 단계를 더 포함하고, 상기 업데이트된 컨텐츠 추천 메뉴를 상기 비표본 사용자에게 제공하는 단계는, 상기 비표본 사용자의 컨텐츠에 대한 취향 값이 상기 표본 사용자의 컨텐츠에 대한 취향 값과 동일한 경우, 상기 비표본 사용자에게 상기 업데이트된 컨텐츠 추천 메뉴를 제공할 수 있다.
상기 방법은, 상기 표본 사용자의 상기 재생 이력에 기초하여, 상기 표본 사용자에게 추천할 하나 이상의 추천 컨텐츠를 결정하는 단계; 및 상기 하나 이상의 추천 컨텐츠를 이용하여, 상기 표본 사용자의 컨텐츠에 대한 취향 값을 결정하는 단계를 더 포함할 수 있다.
상기 표본 사용자에게 추천할 하나 이상의 추천 컨텐츠를 결정하는 단계는, 최근 재생 이력들 중에서 가장 최근 재생 이력을 제외한 재생 이력들을 입력받으면, 정답으로서 상기 가장 최근 재생 이력을 출력하도록 기 학습된 인공 신경망을 이용하여 수행될 수 있다.
상기 복수의 사용자들 중에서 표본으로 선택된 사용자들 각각의 컨텐츠 재생 횟수가 기 설정된 기준 값보다 적고, 상기 표본으로 선택된 사용자들 각각의 재생 이력이 동일한 카테고리에 포함되는 경우, 상기 표본으로 선택된 사용자들의 그룹이 상기 표본 사용자를 형성하고, 상기 표본 사용자의 이용 정보는 상기 표본으로 선택된 사용자들의 이용 정보의 합에 해당할 수 있다
본 발명의 다른 실시예에 따른 컨텐츠 추천 장치는, 복수의 사용자들 중에서 일부인 표본 사용자로부터, 상기 표본 사용자에게 기 제공한 컨텐츠 추천 메뉴를 상기 표본 사용자가 이용한 이용 정보를 수신하는 송수신기; 및 상기 이용 정보에 기초하여, 상기 표본 사용자에게 제공한 상기 컨텐츠 추천 메뉴를 업데이트하고, 상기 복수의 사용자들 중에서 나머지 일부인 비표본 사용자의 재생 이력에 기초하여, 상기 업데이트된 컨텐츠 추천 메뉴를 상기 비표본 사용자에게 제공하는 프로세서를 포함할 수 있다.
본 발명의 또 다른 실시예에 따른 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체는, 복수의 사용자들 중에서 일부인 표본 사용자로부터, 상기 표본 사용자에게 기 제공한 컨텐츠 추천 메뉴를 상기 표본 사용자가 이용한 이용 정보를 수신하는 단계; 상기 이용 정보에 기초하여, 상기 표본 사용자에게 제공한 상기 컨텐츠 추천 메뉴를 업데이트하는 단계; 및 상기 복수의 사용자들 중에서 나머지 일부인 비표본 사용자의 재생 이력에 기초하여, 상기 업데이트된 컨텐츠 추천 메뉴를 상기 비표본 사용자에게 제공하는 단계를 포함하고, 컨텐츠 추천 장치에 의해 수행되는 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.
본 발명의 실시예에 의하면, 복수의 사용자들 중에서 표본 사용자들만을 추출하여 컨텐츠 추천 메뉴를 업데이트한 후, 비표본 사용자에게는 표본 사용자들 중에서 비표본 사용자와 취향 값이 동일한 표본 사용자의 컨텐츠 추천 메뉴를 제공하는 방법을 제공함으로써, 컨텐츠 추천 장치의 연산량을 감소시킬 수 있다.
또한, 본 발명의 실시예에 의하면, 표본 사용자가 컨텐츠 추천 메뉴를 이용한 이용 정보에 기초하여 표본 사용자의 컨텐츠 추천 메뉴를 업데이트하고, 표본 사용자와 비표본 사용자의 취향 값을 비교하여, 비표본 사용자에게 제공할 컨텐츠 추천 메뉴를 결정함으로써, 서비스를 이용하는 사용자들에게 보다 적합한 컨텐츠들을 추천할 수 있다.
또한, 본 발명의 실시예에 의하면, 사용자에게 추천하는 추천 순위에 따라 컨텐츠 추천 메뉴에 컨텐츠들을 배치함으로써, 사용자의 편의성이 증대될 수 있다.
도 1은 본 발명의 일 실시예에 따른 컨텐츠 추천 시스템을 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 컨텐츠 추천 모델의 기능을 관념적으로 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 메뉴 순서 결정부를 이용하여 복수의 추천 메뉴들의 순서를 결정하는 방법을 나타낸다.
도 4는 본 발명의 일 실시예에 따른 취향 결정부 및 메뉴 순서 전이부를 이용하여 비표본 사용자에게 컨텐츠 추천 메뉴를 전이시키는 방법을 나타내는 흐름도이다.
도 5 및 도 6은 본 발명의 일 실시예에 따라 추천 메뉴 별로 보상을 부여하는 방법을 설명하는 도면이다.
도 7은 본 발명의 일 실시예에 따른 취향 결정부를 학습시키는 방법을 나타내는 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 컨텐츠 추천 시스템을 나타내는 블록도이다.
도 1을 참조하면, 컨텐츠 추천 시스템(10)은 컨텐츠 추천 장치(100) 및 컨텐츠 재생 장치(200)를 포함할 수 있다.
컨텐츠 추천 장치(100)는 컨텐츠 재생 장치(200)로부터 컨텐츠 추천 메뉴에 대한 이용 정보 및 컨텐츠에 대한 재생 이력을 수신하고, 상기 컨텐츠 추천 메뉴에 대한 이용 정보에 기초하여 컨텐츠 재생 장치(200)에게 컨텐츠 추천 메뉴를 제공하고, 상기 컨텐츠에 대한 재생 이력에 기초하여 취향 값을 결정하고, 결정된 취향 값에 따라 다른 컨텐츠 재생 장치에게 컨텐츠 추천 메뉴를 제공할 수 있다.
실시예에 따라, 컨텐츠 추천 장치(100)는 컨텐츠 재생 장치(200)로 컨텐츠를 제공하고, 컨텐츠를 추천하는 서버로 구현될 수 있다.
본 명세서에서 컨텐츠는 동영상, 음악 및 이미지 중에서 적어도 하나를 포함할 수 있으나, 이에 한정되지 않는다. 즉, 본 명세서에서의 컨텐츠는 컨텐츠 재생 장치(200)에 의해 재생되는 것으로서, 컨텐츠 추천 장치(100)에 의해 제공된 추천 메뉴에 따라 카테고리가 분류될 수 있는 모든 종류의 컨텐츠를 의미할 수 있다.
컨텐츠 추천 장치(100)는 프로세서(110), 송수신기(120) 및 메모리(130)를 포함할 수 있다.
프로세서(110)는 컨텐츠 추천 장치(100)의 기능을 전반적으로 제어할 수 있다.
송수신기(120)는 컨텐츠 재생 장치(200)로부터 컨텐츠 추천 메뉴에 대한 이용 정보 및 컨텐츠에 대한 재생 이력을 수신하고, 컨텐츠 재생 장치(200)에게 컨텐츠 추천 메뉴를 전송할 수 있다. 실시예에 따라, 송수신기(120)는 컨텐츠 추천 메뉴에 대한 이용 정보 및 컨텐츠에 대한 재생 이력을 동시에 또는 이시(異時)에 수신할 수 있다.
메모리(130)는 컨텐츠 추천 모델(300) 및 컨텐츠 추천 모델(300)의 실행에 필요한 정보를 저장할 수 있다.
프로세서(110)는 컨텐츠 추천 모델(300)을 실행하기 위해 메모리(130)에 저장된 컨텐츠 추천 모델(300) 및 컨텐츠 추천 모델(300)의 실행에 필요한 정보를 로드할 수 있다.
프로세서(110)는, 컨텐츠 추천 모델(300)을 실행하여, 컨텐츠 재생 장치(200)로부터 컨텐츠 추천 메뉴에 대한 이용 정보 및 컨텐츠에 대한 재생 이력을 수신하고, 상기 컨텐츠 추천 메뉴에 대한 이용 정보에 기초하여 컨텐츠 재생 장치(200)에게 컨텐츠 추천 메뉴를 제공하고, 상기 컨텐츠에 대한 재생 이력에 기초하여 취향 값을 결정하고, 결정된 취향 값에 따라, 다른 컨텐츠 재생 장치에게 컨텐츠 추천 메뉴를 제공할 수 있으며, 이를 위하여 송수신기(120) 및 메모리(130) 중에서 적어도 하나를 제어할 수 있다. 컨텐츠 추천 모델(300)의 기능은 도 2를 통해 보다 자세하게 설명하기로 한다.
컨텐츠 재생 장치(200)는 컨텐츠 추천 장치(100)로 컨텐츠 추천 메뉴에 대한 이용 정보 및 컨텐츠에 대한 재생 이력을 전송하고, 컨텐츠 추천 장치(100)로부터 수신한 컨텐츠 추천 메뉴를 이용하여 컨텐츠 추천 장치(100)의 사용자에게 복수의 컨텐츠들을 제공할 수 있다.
본 명세서에서는, 설명의 편의를 위해, 컨텐츠 재생 장치(200)는 컨텐츠 추천 시스템(10)에 포함된 복수의 컨텐츠 재생 장치들 중에서 컨텐츠 추천 메뉴를 업데이트하기 위해 선발된 표본 장치이고, 컨텐츠 재생 장치(200)의 사용자는 표본 사용자임을 전제로 설명하기로 한다.
또한, 실시예에 따라, 컨텐츠 재생 장치(200)는 IPTV 서비스 또는 OTT 서비스를 제공하기 위한 셋톱 박스, 컴퓨터, 스마트폰 및 TV 중에서 어느 하나일 수 있으나, 이에 한정되지 않는다. 즉, 컨텐츠 재생 장치(200)는 컨텐츠 추천 장치(100)로부터 컨텐츠 추천 메뉴를 수신하여 사용자에게 컨텐츠를 제공할 수 있는 모든 종류의 전자 기기일 수 있다.
컨텐츠 재생 장치(200)는 프로세서(210), 송수신기(220) 및 메모리(230)를 포함할 수 있다.
프로세서(210)는 컨텐츠 재생 장치(200)를 전반적으로 제어할 수 있다.
송수신기(220)는 컨텐츠 추천 장치(100)로 컨텐츠 추천 메뉴에 대한 이용 정보 및 컨텐츠에 대한 재생 이력을 전송하고, 컨텐츠 재생 장치(200)로부터 컨텐츠 추천 메뉴를 수신할 수 있다. 실시예에 따라, 송수신기(220)는 컨텐츠 추천 메뉴에 대한 이용 정보 및 컨텐츠에 대한 재생 이력을 동시에 또는 이시(異時)에 전송할 수 있다.
메모리(230)는 컨텐츠 재생 모델(400) 및 컨텐츠 재생 모델(400)의 실행에 필요한 정보를 저장할 수 있다.
프로세서(210)는 컨텐츠 재생 모델(400)을 실행하기 위해 메모리(230)에 저장된 컨텐츠 재생 모델(400) 및 컨텐츠 재생 모델(400)의 실행에 필요한 정보를 로드할 수 있다.
프로세서(210)는, 컨텐츠 재생 모델(400)을 실행하여, 컨텐츠 추천 장치(100)로 컨텐츠 추천 메뉴에 대한 이용 정보 및 컨텐츠에 대한 재생 이력을 전송하고, 컨텐츠 추천 장치(100)로부터 컨텐츠 추천 메뉴를 수신하고, 수신한 컨텐츠 추천 메뉴를 이용하여 복수의 컨텐츠들을 사용자에게 제공할 수 있으며, 이를 위하여 송수신기(220) 및 메모리(230) 중에서 적어도 하나를 제어할 수 있다.
도 2는 본 발명의 일 실시예에 따른 컨텐츠 추천 모델의 기능을 관념적으로 나타내는 블록도이고, 도 3은 본 발명의 일 실시예에 따른 메뉴 순서 결정부를 이용하여 복수의 추천 메뉴들의 순서를 결정하는 방법을 나타내는 흐름도이고, 도 4는 본 발명의 일 실시예에 따른 취향 결정부 및 메뉴 순서 전이부를 이용하여 비표본 사용자에게 컨텐츠 추천 메뉴를 전이시키는 방법을 나타내는 흐름도이다.
도 2를 참조하면, 컨텐츠 추천 모델(300)은 메뉴 순서 결정부(310), 취향 결정부(320) 및 메뉴 순서 전이부(330)를 포함할 수 있다.
도 2에 도시된 메뉴 순서 결정부(310), 취향 결정부(320) 및 메뉴 순서 전이부(330)는 컨텐츠 추천 모델(300)의 기능을 쉽게 설명하기 위하여 컨텐츠 추천 모델(300)의 기능을 개념적으로 나눈 것으로서, 이에 한정되지 않는다. 실시예들에 따라, 메뉴 순서 결정부(310), 취향 결정부(320) 및 메뉴 순서 전이부(330)의 기능은 병합/분리 가능하며, 하나 이상의 프로그램에 포함된 일련의 명령어들로 구현될 수도 있다.
컨텐츠 추천 모델(300)은 컨텐츠 재생 장치(200)로부터 컨텐츠 메뉴를 이용한 이용 정보를 수신하고, 수신한 이용 정보를 이용하여 컨텐츠 재생 장치(200)에 제공되는 컨텐츠 추천 메뉴를 업데이트할 수 있으며, 또한, 컨텐츠 재생 장치(200)로부터 재생 이력을 수신하고, 수신한 재생 이력에 기초하여 컨텐츠 재생 장치(200)의 사용자(즉, 표본 사용자)의 취향 값을 결정하고, 컨텐츠 재생 장치(200)의 사용자와 취향 값이 동일한 다른 사용자(즉, 비표본 사용자)에게 컨텐츠 재생 장치(200)의 사용자의 컨텐츠 추천 메뉴를 전이시킬 수 있다.
우선, 컨텐츠 추천 모델(300)이 메뉴 순서 결정부(310)를 이용하여, 컨텐츠 추천 메뉴를 업데이트하는 방법을 설명하기로 한다.
도 3을 더 참조하면, 메뉴 순서 결정부(310)는 컨텐츠 재생 장치(200)로부터 컨텐츠 추천 메뉴에 대한 이용 정보를 수신할 수 있다(S300).
여기서, 상기 컨텐츠 추천 메뉴에 대한 이용 정보는 컨텐츠 재생 장치(200)의 사용자(즉, 표본 사용자)가 컨텐츠 추천 장치(100)가 제공한 컨텐츠 추천 메뉴를 이용했던 히스토리 정보를 나타내는 것으로서, 컨텐츠 추천 메뉴에 포함된 추천 메뉴들 중에서 표본 사용자에게 선택된 추천 메뉴에 대한 정보, 추천 메뉴들 중에서 표본 사용자에게 제공되었지만(즉, 컨텐츠 재생 장치(200)에 디스플레이되었지만) 표본 사용자에게 선택되지 않은 추천 메뉴에 대한 정보, 및 추천 메뉴들 중에서 표본 사용자에게 제공되지 않은 메뉴에 대한 정보를 포함할 수 있다.
또한, 상기 컨텐츠 추천 메뉴에 포함된 추천 메뉴들은, 컨텐츠 재생 장치(200)에서 재생 가능한 컨텐츠들 중에서 일부를 컨텐츠 재생 장치(200)의 사용자에게 추천하기 위해, 컨텐츠 재생 장치(200)에서 재생 가능한 컨텐츠들 중에서 일부를 추천 이유에 따라 카테고리화한 것으로서, 실시예에 따라, 신규 추천, 인기 추천, 취향 추천, Trending Now 등을 포함할 수 있으나, 이에 한정되지 않는다. 실시예에 따라, 추천 메뉴는 컨텐츠를 추천하려는 이유에 따라 다양할 수 있다.
또한, 실시예에 따라, 각 추천 메뉴들은 하나 이상의 컨텐츠들을 포함할 수 있으며, 각 추천 메뉴들에 포함된 컨텐츠들은 서로 중복되지 않을 수 있다.
메뉴 순서 결정부(310)는 컨텐츠 추천 메뉴에 대한 이용 정보에 기초하여 컨텐츠 추천 메뉴에 포함된 추천 메뉴들에 대한 보상을 결정할 수 있다(S310).
여기서, 보상은 컨텐츠 재생 장치(200)의 사용자의 이용 내용에 따라 추천 메뉴들에 더하는 가중치로서, 실시예에 따라, 메뉴 순서 결정부(310)는 컨텐츠 추천 메뉴에 포함된 추천 메뉴들 중에서 표본 사용자에게 선택된 추천 메뉴, 표본 사용자에게 제공되었지만 표본 사용자에게 선택되지 않은 추천 메뉴와 표본 사용자에게 제공되지 않은 메뉴 별로 보상을 다르게 결정할 수 있다.
실시예에 따라, 메뉴 순서 결정부(310)는 기 설정된 주기 및/또는 기 설정된 트리거 포인트마다 추천 메뉴들에 대한 보상을 결정할 수 있다. 여기서, 상기 기 설정된 주기는 12시간, 24시간 등의 시간 단위를 포함할 수 있으며, 상기 기 설정된 트리거 포인트는, 사용자가 메인 화면을 디스플레이할 때, 사용자가 로그인할 때, 사용자가 컨텐츠를 재생할 때 등의 이벤트를 포함할 수 있다.
예컨대, 도 5를 더 참조하면, 메뉴 순서 결정부(310)가 컨텐츠 재생 장치(200)에게 제공한 컨텐츠 추천 메뉴의 추천 순위에 따라, 제1 추천 메뉴(예컨대, 신규 추천), 제2 추천 메뉴(예컨대, 인기 추천), 제3 추천 메뉴(예컨대, 취향 추천) 및 제 4 추천 메뉴(예컨대, Trending Now)의 순서로 정렬된 추천 메뉴들이 컨텐츠 재생 장치(200)에게 제공되는 경우, 컨텐츠 재생 장치(200)는 기 설정된 화면 설정 정보에 따라 제1 추천 메뉴, 제2 추천 메뉴, 제3 추천 메뉴 및 제4 추천 메뉴 중에서 추천 순위가 높은 순서로 적어도 일부(예컨대, 제1 추천 메뉴 및 제2 추천 메뉴)를 화면에 디스플레이할 수 있다. 본 명세서에서는 설명의 편의상 컨텐츠 추천 메뉴에 네 개의 추천 메뉴들이 포함되는 것으로 설명하지만, 이에 한정되지 않는다. 즉, 컨텐츠 추천 메뉴에 포함된 추천 메뉴의 개수는 실시예에 따라 변경될 수 있다.
컨텐츠 재생 장치(200)의 사용자는 컨텐츠 재생 장치(200)의 화면에 디스플레이된 추천 메뉴에 포함된 컨텐츠들을 확인할 수 있다.
화면에 디스플레이된 컨텐츠들 중에서 컨텐츠 재생 장치(200)의 사용자가 시청하고자 하는 컨텐츠가 있거나, 컨텐츠 재생 장치(200)의 화면에 디스플레이된 추천 메뉴 중에서 세부 내용을 확인하고 싶은 추천 메뉴가 있는 경우, 상기 사용자는 해당 컨텐츠 또는 해당 추천 메뉴를 선택할 수 있으며, 이로 인해 상기 사용자는 컨텐츠를 시청하거나 추천 메뉴의 세부 내용을 확인할 수 있다.
반면, 컨텐츠 재생 장치(200)의 화면에 디스플레이된 컨텐츠들 중에 시청할만한 컨텐츠가 없다고 판단한 경우, 컨텐츠 재생 장치(200)의 사용자는 화면의 터치, 입력 장치의 조작 등을 이용하여 컨텐츠 재생 장치(200)의 화면에 디스플레이된 추천 메뉴를 변경할 수 있다.
예컨대, 도 6을 더 참조하면, 컨텐츠 재생 장치(200)의 사용자가 화면에 디스플레이된 컨텐츠들 중에 시청할만한 컨텐츠가 없다고 판단한 경우, 추천 순위에 따라 컨텐츠 재생 재생 장치(200)의 화면에 디스플레이된 추천 메뉴들이 제2 추천 메뉴 및 제3 추천 메뉴로 변경될 수 있다.
이때, 컨텐츠 재생 장치(200)의 사용자가 제3 추천 메뉴에 포함된 컨텐츠(예컨대, 제3 컨텐츠(C3))를 시청한다면, 컨텐츠 추천 메뉴에 대한 이용 정보는 제1 추천 메뉴 및 제2 추천 메뉴는 표본 사용자에게 제공되었지만 선택되지 않았으며, 제3 추천 메뉴에 포함된 컨텐츠는 재생되었으며, 제4 추천 메뉴는 표본 사용자에게 제공되지 않았음을 나타낼 수 있으며, 컨텐츠 재생 장치(200)는 상기 컨텐츠 추천 메뉴에 대한 이용 정보를 컨텐츠 추천 장치(100)로 전송할 수 있다.
메뉴 순서 결정부(310)는 컨텐츠 재생 장치(200)로부터 수신한 컨텐츠 추천 메뉴에 대한 이용 정보를 이용하여 컨텐츠 추천 메뉴에 포함된 추천 메뉴들에 대한 보상을 결정할 수 있다. 예컨대, 메뉴 순서 결정부(310)는 표본 사용자에게 제공되었지만 선택되지 않은 제1 추천 메뉴 및 제2 추천 메뉴에는 마이너스(-) 보상을 부여하고, 표본 사용자에게 선택된 제3 추천 메뉴에는 플러스(+) 보상을 부여하고, 표본 사용자에게 제공되지 않은 제4 추천 메뉴에는 제로(zero) 보상을 부여할 수 있다.
이후, 메뉴 순서 결정부(310)는 보상을 누적한 횟수(또는 주기)가 기 설정된 횟수에 도달했는지 여부를 판단할 수 있다(S320). 여기서, 보상을 누적한 횟수는 주기는 30회, 1달 등 누적된 보상으로부터 유의미한 데이터를 추출할 수 있을 만큼의 횟수 또는 주기를 의미할 수 있다.
보상을 누적한 횟수가 기 설정된 횟수에 도달하지 않은 경우(S320의 '아니오'), 메뉴 순서 결정부(310)는 결정된 추천 메뉴들에 대한 보상을 추천 메뉴들 별로 기 누적된 보상에 누적할 수 있다(S330).
반면, 보상을 누적한 횟수가 기 설정된 횟수에 도달한 경우(S320의 '예'), 메뉴 순서 결정부(310)는 추천 메뉴들 별로 누적된 보상에 기초하여 컨텐츠 추천 메뉴를 업데이트하고(S340), 업데이트한 컨텐츠 추천 메뉴를 반영하여 컨텐츠 재생 장치(200)에서 추천 메뉴의 순서를 디스플레이할 수 있도록, 업데이트한 컨텐츠 추천 메뉴를 컨텐츠 재생 장치(200)로 전송할 수 있다.
이상에서는, 메뉴 순서 결정부(310)가 컨텐츠 재생 장치(200)에게 제공할 컨텐츠 추천 메뉴를 업데이트하는 방법을 살펴보았다.
이하에서는, 취향 결정부(320) 및 메뉴 순서 전이부(330)가 표본 사용자의 컨텐츠 추천 메뉴를 비표본 사용자에게 전이시키는 방법을 설명하기로 한다.
도 4를 참조하면, 취향 결정부(320)는 컨텐츠 재생 장치(200)로부터 재생 이력을 수신하고, 수신한 재생 이력(또는 재생 이력 및 재생 이력의 부가 정보)에 기초하여 사용자의 취향 값을 결정할 수 있다. 실시예에 따라, 재생 이력의 부가 정보는 메모리(130)에 기 저장된 것으로서, 메모리(130)로부터 로드한 정보일 수 있다.
여기서, 재생 이력은 사용자가 어떤 컨텐츠를 재생했는지에 대한 정보로서, 사용자가 재생한 컨텐츠를 식별할 수 있는 정보를 포함할 수 있다. 또한, 재생 이력의 부가 정보는 사용자가 재생한 컨텐츠에 대한 부가 정보로서, 사용자가 재생한 컨텐츠의 장르, 사용자가 해당 컨텐츠를 재생한 횟수, 사용자가 해당 컨텐츠를 보관(저장)했는지 여부 등을 포함할 수 있으나, 이에 한정되지 않는다. 즉, 재생 이력의 부가 정보는 해당 컨텐츠를 재생한 사용자의 취향을 추측할 수 있을만한 모든 정보를 포함할 수 있다.
보다 자세하게는, 취향 결정부(320)는 컨텐츠 재생 장치(200)로부터 컨텐츠를 재생했던 재생 이력을 수신하면(입력 받으면)(S400), 컨텐츠 재생 장치(200)가 추후에 재생할 것으로 예상되는 예상 컨텐츠에 대한 정보를 생성할 수 있다(S410). 이때, 상기 예상 컨텐츠에 대한 정보는 하나 이상의 컨텐츠를 포함할 수 있다.
취향 결정부(320)는 컨텐츠 재생 장치(200)가 재생할 것으로 예상되는 하나 이상의 컨텐츠를 재생이 예상되는 확률에 따라 정렬하여 예상 컨텐츠에 대한 정보를 생성할 수 있으며, 컨텐츠 재생 장치(200)가 재생할 것으로 예상되는 컨텐츠는 컨텐츠 재생 장치(200)에 전송되는 컨텐츠 추천 메뉴에 포함되어 사용자에게 추천될 수 있다.
취향 결정부(320)는 컨텐츠 재생 장치(200)가 추후에 재생할 것으로 예상되는 예상 컨텐츠에 대한 정보를 이용하여 컨텐츠 재생 장치(200)의 사용자의 취향 값을 결정할 수 있다(S420).
즉, 상기 예상 컨텐츠에 대한 정보는 실행이 예상되는 컨텐츠의 수에 따라 벡터로 표현될 수 있다. 예컨대, 취향 결정부(320)가 10개의 컨텐츠를 예상하는 경우, 상기 예상 컨텐츠에 대한 정보는 10차원 벡터로 표현될 수 있다.
이와 같은 경우, 취향 결정부(320)는 벡터로 표현되는 예상 컨텐츠에 대한 정보를 스칼라(scalar) 값으로 변환하여 취향 값을 결정할 수 있다(S420). 취향 결정부(320)가 벡터로 표현되는 예상 컨텐츠에 대한 정보를 스칼라로 표현되는 취향 값으로 변환함으로써, 사용자(예컨대, 표본 사용자)의 취향 값과 다른 사용자(예컨대, 비표본 사용자)의 취향 값 사이의 비교가 보다 용이할 수 있으며, 따라서 컨텐츠 추천 메뉴 전이부(330)는 비표본 사용자와 표본 사용자의 취향의 비교를 용이하게 수행할 수 있다.
실시예에 따라, 취향 결정부(320)는 기 설정된 주기 또는 기 설정된 트리거 포인트마다 취향 값을 결정할 수 있다. 여기서, 상기 기 설정된 주기는 하루, 12시간 등의 시간 단위를 포함할 수 있으며, 상기 기 설정된 트리거 포인트는, 사용자가 메인 화면을 디스플레이할 때, 사용자가 로그인할 때, 사용자가 특정 컨텐츠를 재생할 때 등의 이벤트를 포함할 수 있다.
또한, 실시예에 따라, 취향 결정부(320)는 취향 값을 결정하기 위하여, 재생 이력을 입력하면 취향 값을 출력하도록 기 학습된 인공 신경망을 포함할 수 있다. 상기 인공 신경망은 협업 필터링(Collaborative filtering) 기반의 인공 신경망을 포함할 수 있으며, 예컨대, 상기 인공 신경망은 Long Short-Term Memory (LSTM)을 포함할 수 있다.
취향 결정부(320)에 포함된 인공 신경망을 학습시키는 방법은 도 8에서 설명하기로 한다.
본 명세서에서는, 컨텐츠 재생 장치(200)가 표본 장치임을 전제로 설명하였지만, 취향 결정부(320)의 기능과 관련된 동작은 컨텐츠 추천 메뉴를 결정하는데 이용되지 않는 비표본 장치에 해당하는 컨텐츠 재생 장치에 대해서도 동일하게 적용될 수 있다. 즉, 비표본 장치 또한 컨텐츠 추천 장치(100)로 재생 이력을 전송하고, 비표본 장치로부터 재생 이력을 수신한 경우 취향 결정부(320)는 재생 이력을 이용하여 비표본 장치의 예상 컨텐츠에 대한 정보를 생성하고, 취향 값을 결정할 수 있다.
메뉴 순서 전이부(330)는 비표본 장치의 사용자(이하, 비표본 사용자)의 취향 값을 표본 사용자의 취향 값과 비교하고, 표본 사용자 중에서 취향 값이 동일한 표본 사용자의 컨텐츠 추천 메뉴를 비표본 사용자에게 전이시킬(전송할) 수 있다(S430). 이는, 표본 사용자와 비표본 사용자의 취향이 동일하다면, 비표본 사용자에게 최적의 추천 메뉴를 제공하는 기준 또한 표본 사용자와 동일할 가능성이 있음에 따른 것이다. 이로 인하여, 다수의 비표본 사용자들에 대해서 컨텐츠 추천 메뉴를 생성할 필요가 없으며, 컨텐츠 추천 장치(100)의 부하는 경감될 수 있다.
실시예에 따라, 비표본 사용자의 취향 값이 표본 사용자의 취향 값과 동일하지 않더라도, 특정 표본 사용자들의 취향 값이 비표본 사용자의 취향 값에 가장 근접한지 여부 및/또는 비표본 사용자의 취향 값과 특정 표본 사용자의 취향 값의 차이가 기 설정된 오차 값 미만인지 여부를 만족하는 경우, 메뉴 순서 전이부(330)는 상기 특정 표본 사용자의 취향 값이 비표본 사용자의 취향 값과 동일한 것으로 간주하고, 상기 특정 표본 사용자의 컨텐츠 추천 메뉴를 비표본 사용자에게 전이시킬 수 있다.
도 7은 본 발명의 일 실시예에 따른 취향 결정부를 학습시키는 방법을 나타내는 도면이다.
도 7을 참조하면, 취향 결정부(320)에 포함된 인공 신경망은 이전 재생 이력들을 입력받으면, 최근 재생 이력을 출력하도록 학습될 수 있다.
예컨대, 컨텐츠 재생 장치(200)가 최근에 재생한 컨텐츠들이 시간 순으로 {A, B, C, D, E}인 경우, 인공 신경망은 {A, B, C, D}를 입력받으면, {E}를 출력하도록 학습될 수 있다.
이때, 취향 결정부(320)는 학습 과정에서 실제로 출력된 출력 값과 {E} 사이의 오차를 줄이기 위하여 역전파(backpropagation) 값을 생성할 수 있고, 출력에 대한 피드백으로서 역전파 값을 입력받음으로써 더 학습될 수 있다.
본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방법으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시 예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 컨텐츠 추천 시스템
100: 컨텐츠 추천 장치
200: 컨텐츠 재생 장치
300: 컨텐츠 추천 모델
310: 메뉴 순서 결정부
320: 취향 결정부
330: 메뉴 순서 전이부
400: 컨텐츠 재생 모델

Claims (10)

  1. 컨텐츠 추천 장치에 의해 수행되는 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법에 있어서,
    복수의 사용자들 중에서 일부인 표본 사용자로부터, 상기 표본 사용자에게 기 제공한 컨텐츠 추천 메뉴를 상기 표본 사용자가 이용한 이용 정보를 수신하는 단계;
    상기 이용 정보에 기초하여, 상기 표본 사용자에게 제공한 상기 컨텐츠 추천 메뉴를 업데이트하는 단계; 및
    상기 복수의 사용자들 중에서 나머지 일부인 비표본 사용자의 재생 이력에 기초하여, 상기 업데이트된 컨텐츠 추천 메뉴를 상기 비표본 사용자에게 제공하는 단계를 포함하는
    사용자에게 컨텐츠 추천 메뉴를 제공하는 방법.
  2. 제1 항에 있어서,
    상기 기 제공한 컨텐츠 추천 메뉴는 상기 표본 사용자에게 추천하는 컨텐츠들을 분류한 복수의 추천 메뉴들을 포함하고,
    상기 컨텐츠 추천 메뉴를 업데이트하는 단계는,
    상기 이용 정보에 기초하여, 상기 복수의 추천 메뉴들에 대한 보상을 결정하는 단계; 및
    상기 복수의 추천 메뉴들에 대한 보상을 이용하여 상기 컨텐츠 추천 메뉴를 업데이트하는 단계를 포함하는
    사용자에게 컨텐츠 추천 메뉴를 제공하는 방법.
  3. 제2 항에 있어서,
    상기 이용 정보는,
    상기 복수의 추천 메뉴들 중에서 상기 표본 사용자에게 선택된 추천 메뉴에 대한 정보, 상기 복수의 추천 메뉴들 중에서 상기 표본 사용자에게 제공되었지만 선택되지 않은 추천 메뉴에 대한 정보, 및 상기 복수의 추천 메뉴들 중에서 상기 표본 사용자에게 제공되지 않은 추천 메뉴에 대한 정보 중에서 적어도 하나를 포함하고,
    상기 복수의 추천 메뉴들에 대한 보상을 결정하는 단계는,
    상기 복수의 추천 메뉴들 중에서, 상기 표본 사용자에게 선택된 추천 메뉴, 상기 표본 사용자에게 제공되었지만 선택되지 않은 추천 메뉴 및 상기 표본 사용자에게 제공되지 않은 추천 메뉴에 서로 다른 보상을 부여하는
    사용자에게 컨텐츠 추천 메뉴를 제공하는 방법.
  4. 제1 항에 있어서,
    상기 비표본 사용자의 재생 이력을 이용하여, 상기 비표본 사용자의 컨텐츠에 대한 취향 값을 결정하는 단계를 더 포함하고,
    상기 업데이트된 컨텐츠 추천 메뉴를 상기 비표본 사용자에게 제공하는 단계는,
    상기 비표본 사용자의 컨텐츠에 대한 취향 값이 상기 표본 사용자의 컨텐츠에 대한 취향 값과 동일한 경우, 상기 비표본 사용자에게 상기 업데이트된 컨텐츠 추천 메뉴를 제공하는
    사용자에게 컨텐츠 추천 메뉴를 제공하는 방법.
  5. 제4 항에 있어서,
    상기 표본 사용자의 상기 재생 이력에 기초하여, 상기 표본 사용자에게 추천할 하나 이상의 추천 컨텐츠를 결정하는 단계; 및
    상기 하나 이상의 추천 컨텐츠를 이용하여, 상기 표본 사용자의 컨텐츠에 대한 취향 값을 결정하는 단계를 더 포함하는
    사용자에게 컨텐츠 추천 메뉴를 제공하는 방법.
  6. 제5 항에 있어서,
    상기 표본 사용자에게 추천할 하나 이상의 추천 컨텐츠를 결정하는 단계는,
    최근 재생 이력들 중에서 가장 최근 재생 이력을 제외한 재생 이력들을 입력받으면, 정답으로서 상기 가장 최근 재생 이력을 출력하도록 기 학습된 인공 신경망을 이용하여 수행되는
    사용자에게 컨텐츠 추천 메뉴를 제공하는 방법.
  7. 제1 항에 있어서,
    상기 복수의 사용자들 중에서 표본으로 선택된 사용자들 각각의 컨텐츠 재생 횟수가 기 설정된 기준 값보다 적고, 상기 표본으로 선택된 사용자들 각각의 재생 이력이 동일한 카테고리에 포함되는 경우, 상기 표본으로 선택된 사용자들의 그룹이 상기 표본 사용자를 형성하고, 상기 표본 사용자의 이용 정보는 상기 표본으로 선택된 사용자들의 이용 정보의 합에 해당하는
    사용자에게 컨텐츠 추천 메뉴를 제공하는 방법.
  8. 복수의 사용자들 중에서 일부인 표본 사용자로부터, 상기 표본 사용자에게 기 제공한 컨텐츠 추천 메뉴를 상기 표본 사용자가 이용한 이용 정보를 수신하는 송수신기; 및
    상기 이용 정보에 기초하여, 상기 표본 사용자에게 제공한 상기 컨텐츠 추천 메뉴를 업데이트하고, 상기 복수의 사용자들 중에서 나머지 일부인 비표본 사용자의 재생 이력에 기초하여, 상기 업데이트된 컨텐츠 추천 메뉴를 상기 비표본 사용자에게 제공하는 프로세서를 포함하는
    컨텐츠 추천 장치.
  9. 제8 항에 있어서,
    상기 기 제공한 컨텐츠 추천 메뉴는 상기 표본 사용자에게 추천하는 컨텐츠들을 분류한 복수의 추천 메뉴들을 포함하고,
    상기 프로세서는,
    상기 이용 정보에 기초하여, 상기 복수의 추천 메뉴들에 대한 보상을 결정하고, 상기 복수의 추천 메뉴들에 대한 보상을 이용하여 상기 컨텐츠 추천 메뉴를 업데이트하는
    컨텐츠 추천 장치.
  10. 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은,
    제1 항 내지 제7 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는
    컴퓨터 프로그램.
KR1020200130517A 2020-10-08 2020-10-08 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법 및 상기 방법을 수행하는 컨텐츠 추천 장치 KR20220047055A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200130517A KR20220047055A (ko) 2020-10-08 2020-10-08 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법 및 상기 방법을 수행하는 컨텐츠 추천 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200130517A KR20220047055A (ko) 2020-10-08 2020-10-08 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법 및 상기 방법을 수행하는 컨텐츠 추천 장치

Publications (1)

Publication Number Publication Date
KR20220047055A true KR20220047055A (ko) 2022-04-15

Family

ID=81212243

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200130517A KR20220047055A (ko) 2020-10-08 2020-10-08 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법 및 상기 방법을 수행하는 컨텐츠 추천 장치

Country Status (1)

Country Link
KR (1) KR20220047055A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102564511B1 (ko) * 2023-04-26 2023-08-08 티오더 주식회사 사용자 커스터마이징 기반의 메뉴판 인터페이스 제공 장치 및 방법
WO2024107040A1 (ko) * 2022-11-16 2024-05-23 삼성전자 주식회사 개인화된 메뉴를 제공하는 방법 및 전자 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024107040A1 (ko) * 2022-11-16 2024-05-23 삼성전자 주식회사 개인화된 메뉴를 제공하는 방법 및 전자 장치
KR102564511B1 (ko) * 2023-04-26 2023-08-08 티오더 주식회사 사용자 커스터마이징 기반의 메뉴판 인터페이스 제공 장치 및 방법

Similar Documents

Publication Publication Date Title
KR102433834B1 (ko) 신경망 모델을 압축하는 방법 및 장치, 코퍼스 번역 방법 및 장치, 전자 장치, 프로그램 및 기록 매체
US8656280B2 (en) Device for estimating user operation intention and electronic device using the same
US9430532B2 (en) Media content rankings for discovery of novel content
CN110766164A (zh) 用于执行机器学习过程的方法和系统
US11036938B2 (en) Machine learning system for optimizing projects
KR20220047055A (ko) 사용자에게 컨텐츠 추천 메뉴를 제공하는 방법 및 상기 방법을 수행하는 컨텐츠 추천 장치
US20230319357A1 (en) Deep reinforcement learning for personalized screen content optimization
CN112905839A (zh) 模型训练方法、模型使用方法、装置、存储介质及设备
US20200184495A1 (en) Prediction of Business Outcomes by Analyzing Image Interests of Users
CN113710336B (zh) 服务器负载预测和高级性能度量
CN112231497B (zh) 信息分类方法、装置、存储介质及电子设备
CN107810638A (zh) 通过跳过冗余片段优化顺序内容的传递
EP3475850A1 (en) Selectively playing videos
KR20220140226A (ko) 콘텐츠 결정 방법, 장치 및 컴퓨터 프로그램
US20240037145A1 (en) Product identification in media items
US11252375B2 (en) Electronic apparatus and control method thereof
US20200326822A1 (en) Next user interaction prediction
JP2021114097A (ja) 画像判定システム
KR20050116254A (ko) 사용자 취향에 맞춘 영화 관련 미디어 리스트 및 서비스 제공 시스템
CN114998068A (zh) 学习计划的生成方法及电子设备
KR20240011370A (ko) 코딩학습데이터에 기반한 비대면 학습 커리큘럼 생성 및 추천 시스템
CN115842937A (zh) 视频播放方法、装置、设备及存储介质
CN115017362A (zh) 数据处理方法、电子设备及存储介质
CN114331637A (zh) 对象推荐方法及装置、存储介质、电子设备
KR102273511B1 (ko) 선호도 예측 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination