KR20220076765A - 커뮤니티의 카테고리를 설정하기 위한 방법, 시스템, 및 컴퓨터 프로그램 - Google Patents

커뮤니티의 카테고리를 설정하기 위한 방법, 시스템, 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR20220076765A
KR20220076765A KR1020200165580A KR20200165580A KR20220076765A KR 20220076765 A KR20220076765 A KR 20220076765A KR 1020200165580 A KR1020200165580 A KR 1020200165580A KR 20200165580 A KR20200165580 A KR 20200165580A KR 20220076765 A KR20220076765 A KR 20220076765A
Authority
KR
South Korea
Prior art keywords
community
category
processor
topic
user
Prior art date
Application number
KR1020200165580A
Other languages
English (en)
Inventor
장혁재
Original Assignee
라인플러스 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 라인플러스 주식회사 filed Critical 라인플러스 주식회사
Priority to KR1020200165580A priority Critical patent/KR20220076765A/ko
Priority to JP2021194541A priority patent/JP2022087835A/ja
Publication of KR20220076765A publication Critical patent/KR20220076765A/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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/355—Class or cluster creation or modification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/358—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/258—Heading extraction; Automatic titling; Numbering

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Operations Research (AREA)

Abstract

커뮤니티의 카테고리를 설정하기 위한 방법, 시스템, 및 컴퓨터 프로그램이 개시된다. 커뮤니티의 카테고리를 설정하기 위한 방법은, 각 커뮤니티 별로 해당 커뮤니티의 활동 정보로부터 커뮤니티 특성을 추출하는 단계; 및 분류하고자 하는 타겟 커뮤니티에 대해 상기 커뮤니티 특성에 기초하여 적어도 하나의 카테고리를 추천하는 단계를 포함한다.

Description

커뮤니티의 카테고리를 설정하기 위한 방법, 시스템, 및 컴퓨터 프로그램{METHOD, SYSTEM, AND COMPUTER PROGRAM FOR SETTING CATEGORIES OF COMMUNITY}
아래의 설명은 커뮤니티를 분류하는 기술에 관한 것이다.
일반적인 커뮤니티 도구 중 하나인 인스턴트 메신저(instant messenger)는 실시간으로 메시지나 데이터를 송수신할 수 있는 소프트웨어로서, 사용자가 메신저 상에 대화 상대를 등록하고 대화 상대 목록에 있는 상대방과 실시간으로 메시지를 주고 받을 수 있다.
이러한 메신저 기능은 PC 뿐만 아니라 이동 통신 단말의 모바일 환경에서도 이용 가능하여 메신저의 사용이 점차 보편화되고 있다.
예컨대, 한국공개특허 제10-2002-0074304호(공개일 2002년 09월 30일)에는 휴대 단말기에 설치된 모바일 메신저 간에 메신저 서비스를 제공할 수 있도록 한 무선 통신망을 이용한 휴대 단말기의 모바일 메신저 서비스 시스템 및 방법이 개시되어 있다.
커뮤니티 내의 실제 활동을 분석하여 실제 활동에 맞는 카테고리를 설정할 수 있다.
커뮤니티의 카테고리를 커뮤니티 특성에 맞게 세분화하거나 새로운 카테고리로 갱신할 수 있다.
커뮤니티 내에서 실제 활동에 기반한 카테고리에 타겟팅된 정보 컨텐츠를 제공할 수 있다.
사용자 개인의 활동 특성과 유사성이 높은 카테고리의 커뮤니티를 추천할 수 있다.
컴퓨터 장치에서 실행되는 커뮤니티 분류 방법에 있어서, 상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 커뮤니티 분류 방법은, 상기 적어도 하나의 프로세서에 의해, 각 커뮤니티 별로 해당 커뮤니티의 활동 정보로부터 커뮤니티 특성을 추출하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 분류하고자 하는 타겟 커뮤니티에 대해 상기 커뮤니티 특성에 기초하여 적어도 하나의 카테고리를 추천하는 단계를 포함하는 커뮤니티 분류 방법을 제공한다.
일 측면에 따르면, 제1항에 있어서, 상기 추출하는 단계는, 상기 커뮤니티 내 실제 활동으로서 상기 커뮤니티에서 공유되는 자료를 분석하여 상기 커뮤니티 특성을 나타내는 키워드 리스트를 추출하는 단계를 포함할 수 있다.
다른 측면에 따르면, 상기 추천하는 단계는, 상기 타겟 커뮤니티와 기준 커뮤니티 간의 커뮤니티 특성 유사도를 측정하는 단계; 및 상기 커뮤니티 특성 유사도를 기준으로 적어도 하나의 기준 커뮤니티의 카테고리를 상기 타겟 커뮤니티의 카테고리로 결정하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 추천하는 단계는, 카테고리가 설정되어 있는 커뮤니티 중에서 일정 기준에 부합되는 커뮤니티를 상기 기준 커뮤니티로 선정하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 커뮤니티 분류 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티 특성을 나타내는 키워드 리스트를 토픽 모델링에 적용하여 상기 커뮤니티에 대한 카테고리 가중치 조합을 생성하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티에 대해 상기 카테고리 가중치 조합을 기반으로 적어도 하나의 카테고리를 상기 커뮤니티에 할당하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 커뮤니티 분류 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티의 카테고리 개편을 위해 상기 커뮤니티에 할당된 카테고리를 상기 커뮤니티의 관리자에게 추천하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 커뮤니티 분류 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티 내의 타겟 컨텐츠로서 상기 커뮤니티에 할당된 카테고리에 대응되는 정보가 타겟팅 요소로 포함된 정보 컨텐츠를 추천하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 커뮤니티 분류 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티에 제공 가능한 정보 컨텐츠에 대해 상기 정보 컨텐츠를 분석한 특성으로서 추출된 키워드 리스트를 토픽 모델링에 적용하여 상기 정보 컨텐츠에 대한 토픽 가중치 조합을 생성하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 정보 컨텐츠에 대한 토픽 가중치 조합을 상기 커뮤니티에 대한 카테고리 가중치 조합과 비교하여 적어도 하나의 커뮤니티를 상기 정보 컨텐츠의 타겟 대상으로 선정하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 커뮤니티 분류 방법은, 상기 적어도 하나의 프로세서에 의해, 사용자 개인의 활동 특성으로서 추출된 키워드 리스트를 토픽 모델링에 적용하여 상기 사용자에 대한 토픽 가중치 조합을 생성하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 사용자에 대한 토픽 가중치 조합을 상기 커뮤니티에 대한 카테고리 가중치 조합과 비교하여 적어도 하나의 커뮤니티를 상기 사용자에게 추천하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 사용자에 대한 토픽 가중치 조합을 생성하는 단계는, 상기 사용자와 관련된 활동 정보를 분석하여 상기 활동 특성을 나타내는 키워드 리스트를 추출하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 사용자에 대한 토픽 가중치 조합을 생성하는 단계는, 상기 사용자가 가입한 적어도 하나의 커뮤니티의 카테고리 가중치 조합을 이용하여 상기 사용자에 대한 토픽 가중치 조합을 산출하는 단계를 포함할 수 있다.
상기 커뮤니티 분류 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램을 제공한다.
컴퓨터 장치에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 각 커뮤니티 별로 해당 커뮤니티의 활동 정보로부터 커뮤니티 특성을 추출하고, 상기 적어도 하나의 프로세서에 의해, 분류하고자 하는 타겟 커뮤니티에 대해 상기 커뮤니티 특성에 기초하여 적어도 하나의 카테고리를 추천하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 컴퓨터 장치의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 커뮤니티 분류 방법의 일례를 도시한 순서도이다.
도 5는 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 커뮤니티 분류 방법의 다른 예를 도시한 순서도이다.
도 6과 도 7은 본 발명의 일실시예에 있어서 커뮤니티 분류를 위한 토픽 모델링 기법을 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 있어서 정보 컨텐츠 추천 방법의 일례를 설명하기 위한 순서도이다.
도 9는 본 발명의 일실시예에 있어서 커뮤니티 추천 방법의 일례를 설명하기 위한 순서도이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명의 실시예들은 커뮤니티를 분류하는 기술에 관한 것이다.
본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 커뮤니티의 효율적인 관리와 마케팅을 위해 실제 활동에 맞는 카테고리를 설정할 수 있고, 이를 통해 사용성, 편의성, 효율성, 비용 절감 등의 측면에 있어서 상당한 장점들을 달성할 수 있다.
본 발명의 실시예들에 따른 커뮤니티 분류 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 커뮤니티 분류 방법은 커뮤니티 분류 시스템에 포함되는 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 커뮤니티 분류 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 커뮤니티 분류 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시예들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 서비스(일례로, 커뮤니티 서비스(메신저나 SNS 등), 검색 서비스, 컨텐츠 제공 서비스, 지도 서비스 등)를 제공하는 시스템일 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다.
이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(230)는 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
이하에서는 커뮤니티의 카테고리를 설정하기 위한 방법 및 시스템의 구체적인 실시예를 설명하기로 한다.
본 명세서에서 커뮤니티는 분류 대상이 되는 것으로, 메신저 또는 SNS(social network service) 등 인터넷 상의 커뮤니케이션 공간을 포괄하여 의미할 수 있다. 예를 들어, 전화번호나 아이디(ID) 등을 이용한 친구 추가 과정 없이 URL과 같은 링크로 바로 채팅 가능한 오픈챗(openchat), 각종 서비스나 컨텐츠를 제공하는 봇(bot) 형태의 계정을 의미하는 공식 계정(official account) 등이 본 발명의 분류 대상에 포함될 수 있다. 이에 한정되는 것은 아니며, 공통의 관심사나 환경을 가진 사람들이 채팅, 게시글, 포스트, 쪽지, 댓글 등 다양한 커뮤니케이션 기능을 통해 소통할 수 있는 공간이라면 본 발명의 분류 대상으로서 얼마든지 확대 적용 가능하다.
커뮤니티는 단순한 커뮤니케이션 기능을 넘어 여러 정보를 공유하는 공간으로 사용되고 있다. 이러한 커뮤니티는 관리와 마케팅에 이용하기 위해서 카테고리 설정이 필요하다.
그러나, 사용자 입장에서는 카테고리 설정의 필요성이나 이득을 인식하지 못해 설정하지 않는 경우가 많고, 카테고리가 설정되어 있다 하더라도 설정된 카테고리가 실제 활동과 거리가 먼 경우가 많다.
이에, 본 발명에서는 실제 활동에 기반하여 커뮤니티의 카테고리를 설정할 수 있는 방법과 시스템을 제공한다.
도 3은 본 발명의 일실시예에 따른 컴퓨터 장치의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 블록도이다.
본 실시예에 따른 컴퓨터 장치(200)는 클라이언트를 대상으로 클라이언트 상에 설치된 전용 어플리케이션이나 컴퓨터 장치(200)와 관련된 웹/모바일 사이트 접속을 통해 커뮤니티 서비스를 제공할 수 있다. 컴퓨터 장치(200)에는 컴퓨터로 구현된 커뮤니티 분류 시스템이 구성될 수 있다. 일례로, 커뮤니티 분류 시스템은 독립적으로 동작하는 프로그램 형태로 구현되거나, 혹은 특정 어플리케이션의 인-앱(in-app) 형태로 구성되어 상기 특정 어플리케이션 상에서 동작이 가능하도록 구현될 수 있다.
컴퓨터 장치(200)의 프로세서(220)는 이후 설명될 커뮤니티 분류 방법을 수행하기 위한 구성요소로서 도 3에 도시된 바와 같이, 특성 추출부(310), 커뮤니티 분류부(320), 및 추천부(330)를 포함할 수 있다. 실시예에 따라 프로세서(220)의 구성요소들은 선택적으로 프로세서(220)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(220)의 구성요소들은 프로세서(220)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.
이러한 프로세서(220) 및 프로세서(220)의 구성요소들은 이후 설명될 커뮤니티 분류 방법이 포함하는 단계들을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 예를 들어, 프로세서(220) 및 프로세서(220)의 구성요소들은 메모리(210)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
여기서, 프로세서(220)의 구성요소들은 컴퓨터 장치(200)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(220)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 컴퓨터 장치(200)가 커뮤니티 특성을 추출하도록 상술한 명령에 따라 컴퓨터 장치(200)를 제어하는 프로세서(220)의 기능적 표현으로서 특성 추출부(310)가 이용될 수 있다.
프로세서(220)는 컴퓨터 장치(200)의 제어와 관련된 명령이 로딩된 메모리(210)로부터 필요한 명령을 읽어들일 수 있다. 이 경우, 상기 읽어들인 명령은 프로세서(220)가 이후 설명될 커뮤니티 분류 방법을 실행하도록 제어하기 위한 명령을 포함할 수 있다.
이후 설명될 커뮤니티 분류 방법이 포함하는 단계들은 도시된 순서와 다른 순서로 수행될 수 있으며, 단계들 중 일부가 생략되거나 추가의 과정이 더 포함될 수 있다.
도 4는 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 커뮤니티 분류 방법의 일례를 도시한 순서도이다.
프로세서(220)는 커뮤니티 내의 실제 활동을 분석하여 카테고리가 설정되지 않은 커뮤니티를 대상으로 활동이 유사한 커뮤니티의 카테고리를 추천할 수 있다.
도 4를 참조하면, 단계(S410)에서 특성 추출부(310)는 각 커뮤니티 별로 해당 커뮤니티의 활동 정보를 이용하여 커뮤니티 특성을 추출할 수 있다. 커뮤니티의 활동 정보란, 커뮤니티 내에서 이루어지고 있는 실제 활동을 의미하는 것으로 커뮤니티에서 공유되는 모든 자료를 포함할 수 있다. 예를 들어, 사용자 간에 메시지를 통하여 공유되는 텍스트, 사진, 동영상 등을 포함하는 대화 내용, 사용자 간에 링크 등을 통하여 공유되는 문서, 사진, 동영상 등을 포함하는 컨텐츠, 커뮤니티 관리자에 의해 게시되는 게시글 등을 포함할 수 있다. 특성 추출부(310)는 커뮤니티의 활동 정보를 분석하여 커뮤니티 특성을 나타내는 키워드 리스트를 추출할 수 있다. 일례로, 특성 추출부(310)는 자연어 처리 기술을 기반으로 커뮤니티 내에서 이루어지는 대화 내용을 분석하여 키워드 리스트를 추출할 수 있다. 다른 예로, 특성 추출부(310)는 이미지 분석 기술이나 OCR(광학 문자 판독) 등을 기반으로 커뮤니티 내에서 공유되는 사진이나 동영상을 분석하여 키워드 리스트를 추출할 수 있다. 또 다른 예로, 특성 추출부(310)는 커뮤니티 내에서 공유되는 사진이나 동영상의 카테고리를 추출함으로써 키워드 리스트를 추출할 수 있다. 이때, 특성 추출부(310)는 커뮤니티의 활동 정보 중 커뮤니티 관리자의 활동 정보에서 추출된 키워드에 대해서는 다른 키워드에 비해 높은 가중치를 부여할 수 있다. 또한, 특성 추출부(310)는 커뮤니티에서 공유되는 자료로부터 추출된 키워드에 대해 각각의 자료 형식에 따라 다른 가중치를 부여할 수 있다. 예를 들어, 텍스트 유형의 자료에서 추출된 키워드에 비해 동영상이나 사진에서 추출된 키워드에 높은 가중치를 부여할 수 있다. 특성 추출부(310)는 커뮤니티에서 공유되는 자료로부터 추출된 키워드 리스트를 워드임베딩(word embedding) 등을 통해 벡터화함으로써 해당 커뮤니티에 대한 특성 벡터 셋을 추출할 수 있다.
단계(S420)에서 커뮤니티 분류부(320)는 단계(S410)에서 추출된 커뮤니티 특성을 이용하여 커뮤니티 분류를 위한 타겟 커뮤니티를 대상으로 카테고리가 이미 설정되어 있는 적어도 하나의 커뮤니티(이하, '기준 커뮤니티'라 칭함)와의 유사도를 측정할 수 있다. 커뮤니티 분류부(320)는 카테고리가 이미 설정되어 있는 커뮤니티 중에서 일정 기준에 부합하는 커뮤니티를 기준 커뮤니티로 선정할 수 있다. 예를 들어, 커뮤니티 분류부(320)는 시스템 내부적으로 커뮤니티의 가입 회원 수, 오가는 대화 수, 공유되는 자료 수 등이 일정 기준을 초과하는 경우에 해당 커뮤니티를 자동으로 기준 커뮤니티에 포함시킬 수 있다. 일례로, 커뮤니티 분류부(320)는 카테고리가 설정되어 있지 않은 커뮤니티를 타겟 커뮤니티로 선정하여 타겟 커뮤니티와 기준 커뮤니티 간에 커뮤니티 특성을 나타내는 키워드 리스트를 비교하여 유사도를 측정할 수 있다. 커뮤니티 분류부(320)는 타겟 커뮤니티에 대해 기준 커뮤니티와의 유사도를 측정함에 있어 협업 필터링(collaborative filtering) 알고리즘 등을 활용할 수 있다. 협업 필터링은 사용자들의 사용 형태, 소비 기록 등 활동 정보를 분석하여 사용자가 선호하는 정보를 예측하는 방법으로, 커뮤니티 분류부(320)는 커뮤니티 특성을 바탕으로 비슷한 패턴을 가진 커뮤니티를 식별할 수 있다. 협업 필터링은 기존의 어느 정도 예측이 가능한 커뮤니티들과 비슷한 패턴을 가진 커뮤니티를 찾은 후 해당 커뮤니티의 행동을 수치화하여 사용하는 방법과, 아이템 간의 상관관계를 결정하는 아이템 매트릭스를 만든 후 매트릭스를 사용하여 최근 커뮤니티 특성을 기반으로 해당 커뮤니티의 특성을 유추하는 방법, 그리고 커뮤니티의 행동에 대한 암시적인 관찰(implicit observation)을 기반으로 한 방법 등이 있다. 상기한 협업 필러링을 기반으로 하여 타겟 커뮤니티와 기준 커뮤니티 간의 유사도를 측정할 수 있다.
상기한 협업 필터링 이외에도 기 공지된 클러스터링 알고리즘이나 기계학습 알고리즘 등을 이용하여 커뮤니티 간의 유사도를 측정하는 것 또한 가능하다.
단계(S430)에서 커뮤니티 분류부(320)는 기준 커뮤니티와의 유사도를 기반으로 타겟 커뮤니티의 카테고리를 추정하여 타겟 커뮤니티를 적어도 하나 이상의 카테고리로 분류할 수 있다. 일례로, 커뮤니티 분류부(320)는 커뮤니티 특성이 가장 유사한 기준 커뮤니티의 카테고리를 타겟 커뮤니티의 카테고리로 결정할 수 있다. 다른 예로, 커뮤니티 분류부(320)는 커뮤니티 특성 유사도를 기준으로 선정된 복수 개의 커뮤니티의 카테고리를 타겟 커뮤니티의 카테고리로 결정할 수 있다. 예를 들어, 커뮤니티 분류부(320)는 커뮤니티 특성이 일정 레벨 이상 유사한 커뮤니티의 카테고리로 타겟 커뮤니티를 분류할 수 있다.
추천부(330)는 카테고리가 설정되어 있지 않은 커뮤니티를 대상으로 카테고리 설정을 제안할 수 있으며, 카테고리 설정을 제안하는 과정에서 기준 커뮤니티와의 유사도를 기반으로 추정된 적어도 하나의 카테고리를 추천할 수 있다.
따라서, 프로세서(220)는 커뮤니티 내의 실제 활동을 분석하여 카테고리가 설정되어 있지 않은 커뮤니티를 대상으로 활동이 유사한 커뮤니티의 카테고리를 추천할 수 있다.
도 5는 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 커뮤니티 분류 방법의 다른 예를 도시한 순서도이다. 도 5의 커뮤니티 분류 방법은 도 4를 통해 설명한 커뮤니티 분류 방법에 포함될 수 있으며, 실시예에 따라서는 별개의 과정으로 수행될 수 있다.
프로세서(220)는 커뮤니티에 설정된 카테고리가 실제 활동과 상이한 경우 해당 커뮤니티를 대상으로 카테고리 변경을 제안하거나 시스템 내부적으로 실제 활동에 부합되는 카테고리를 적용할 수 있다.
도 5를 참조하면, 단계(S540)에서 커뮤니티 분류부(320)는 각 커뮤니티 별로 커뮤니티 특성을 나타내는 키워드 리스트를 클러스터링 기법 중 하나인 토픽 모델링에 적용하여 해당 커뮤니티에 대한 카테고리의 가중치 조합을 생성할 수 있다.
도 6에 도시한 바와 같이, 토픽 모델링은 문서(601)에서 토픽(602)을 찾는 과정으로, 문서(601)를 구성하는 키워드(603)가 어떤 토픽(602)에 속하는지를 확률 값으로 나타내는 방법론이다. 토픽(602)은 k개의 키워드 조합으로 정의될 수 있다. 토픽 모델링은 베이지안 확률 모델을 사용하며, 모델링 결과는 문서(601)에 존재하는 각 키워드(603)가 토픽(602) 각각에 속할 확률로 표현될 수 있다.
커뮤니티 분류부(320)는 토픽 모델링을 커뮤니티 분류에 적용할 수 있으며, 도 7에 도시한 바와 같이 토픽 모델링을 커뮤니티 분류에 적용하기 위해 문서(601)를 대신하여 커뮤니티(701)를, 토픽(602)을 대신하여 카테고리(702)를, 문서(601)에 존재하는 키워드(603)를 대신하여 카테고리 특성을 나타내는 카테고리(703)로 적용할 수 있다. 토픽 모델링의 일례로, LSI(Latent Semantic Indexing) 기법을 이용하여 문서(601)-키워드(603) 행렬과 같이 커뮤니티(701)-키워드(703) 행렬에 SVD(Singular Value Decomposition)를 할 수 있으며, SVD에 의해 저차원으로 변환된 벡터가 시맨틱, 즉 카테고리(703)를 표현할 수 있다. 커뮤니티 분류부(320)는 토픽 모델링 기법을 통해 커뮤니티(701)의 실제 활동에서 추출된 각 키워드(703)가 카테고리(702) 각각에 속할 확률, 즉 카테고리(702)의 가중치 조합을 산출할 수 있다. 예를 들어, 전체 커뮤니티(701)에서 나타난 키워드들(703)이 10개의 카테고리(702)로 분류된다고 가정할 때, 커뮤니티(701) 각각에 대한 모델링 결과는 (W1C1, W2C2, ??, W10C10)(여기서, Cn은 n번째 카테고리, Wn은 n번째 카테고리에 대한 가중치)와 같이 카테고리(702)의 가중치 조합으로 출력될 수 있다.
커뮤니티 분류부(320)는 토픽 모델링을 이용하여 커뮤니티들과 학습을 통해 생성된 카테고리들 간의 유사도 집합을 산출할 수 있다. 커뮤니티에 대한 토픽 모델링을 통해 생성된 토픽 각각은 목적에 따라 적당한 카테고리 타이틀로 선정될 수 있다.
다시 도 5를 참조하면, 단계(S550)에서 커뮤니티 분류부(320)는 각 커뮤니티 별로 카테고리의 가중치 조합을 기반으로 적어도 하나의 카테고리를 해당 커뮤니티에 할당할 수 있다. 일례로, 커뮤니티 분류부(320)는 카테고리의 가중치 조합에서 가중치가 가장 큰 카테고리를 커뮤니티의 카테고리로 결정할 수 있다. 다른 예로, 커뮤니티 분류부(320)는 카테고리 가중치를 기준으로 선정된 복수 개의 카테고리를 커뮤니티의 카테고리로 결정할 수 있다. 예를 들어, 커뮤니티 분류부(320)는 카테고리의 가중치 조합에서 가중치가 일정 레벨 이상인 카테고리로 커뮤니티를 분류할 수 있다.
프로세서(220)는 카테고리 개편을 위한 제안으로 카테고리의 가중치 조합을 기반으로 해당 커뮤니티에 할당된 카테고리를 커뮤니티 관리자에게 추천할 수 있으며, 실시예에 따라서는 내부적으로만 활용하는 것 또한 가능하다. 내부적으로 활용한다는 것은, 커뮤니티 평가 로직, 컨텐츠 추천 로직 등과 같이 내부적인 로직에 필요한 기준으로 활용하는 것을 의미할 수 있다. 커뮤니티 각각에 대해서는 관리자에 의해 설정된 카테고리와 함께 카테고리의 가중치 조합을 기반으로 할당된 카테고리가 관리될 수 있으며, 커뮤니티에 할당된 카테고리를 내부적으로 활용하기 위해서는 관리자에 의해 설정된 카테고리와 구별하여 관리할 수 있다.
프로세서(220)는 도 5를 통해 설명한 커뮤니티 분류 방법을 통해 커뮤니티의 카테고리를 주기적으로 개편할 수 있다. 커뮤니티 분류를 위한 카테고리 셋을 서비스 운영자 측에서 직접 설정하는 것을 대신하여, 커뮤니티의 실제 활동을 기반으로 카테고리를 자동 생성할 수 있다. 토픽 모델링을 적용하여 커뮤니티의 실제 활동에 따라 카테고리를 개편하는 것은 물론이고, 하나의 카테고리가 세분화될 수도 있고 활동이 없는 카테고리의 경우 삭제되는 등 커뮤니티 분류를 위한 카테고리 셋이 자동 갱신될 수 있다. 게임 관련 커뮤니티가 많아지고 사용자 활동이 활발한 경우 게임 카테고리를 커뮤니티 특성에 맞게 세분화할 수 있다. 예를 들어, 커뮤니티 활동에 따라 게임 카테고리를 게임 기종을 기준으로 콘솔 게임, PC 게임, 모바일 게임 등으로 나누거나, 게임 장르를 기준으로 RPG 게임, 리듬 게임, 아케이드 게임, 시뮬레이션 게임 등으로 나누어 게임 관련 커뮤니티를 분류할 수 있다.
단계(S560)에서 추천부(330)는 커뮤니티에 할당된 카테고리를 내부적으로 활용하기 위한 일례로, 커뮤니티 내의 타겟 컨텐츠로서 해당 커뮤니티에 할당된 카테고리에 대응되는 정보가 타겟팅 요소로 포함된 정보 컨텐츠를 추천할 수 있다. 추천부(330)는 커뮤니티의 실제 활동에 부합되는 카테고리를 이용하여 타겟 광고 등의 정보 컨텐츠를 제공할 수 있다.
더 나아가, 프로세서(220)는 정보 컨텐츠에 대해 토픽 모델링을 이용하여 정확한 타겟 대상을 결정할 수 있다.
도 8은 본 발명의 일실시예에 있어서 정보 컨텐츠 추천 방법의 일례를 설명하기 위한 순서도이다. 도 8의 정보 컨텐츠 추천 방법은 도 5를 통해 설명한 커뮤니티 분류 방법에 포함될 수 있으며, 실시예에 따라서는 별개의 과정으로 수행될 수 있다.
도 8을 참조하면, 단계(S801)에서 추천부(330)는 정보 컨텐츠를 분석한 특성으로서 추출된 키워드 리스트를 도 7을 통해 설명한 토픽 모델링 기법과 같은 방식으로 적용하여 해당 정보 컨텐츠에 대한 토픽의 가중치 조합을 생성할 수 있다. 예를 들어, 광고의 경우 광고의 문구나 카테고리, 영상 등을 분석하여 해당 광고의 특성을 나타내는 키워드를 추출할 수 있고, 이를 토픽 모델링에 적용하여 광고에서 추출된 각 키워드가 토픽 각각에 속할 확률, 즉 토픽의 가중치 조합을 산출할 수 있다.
단계(S802)에서 추천부(330)는 정보 컨텐츠에 대한 토픽의 가중치 조합을 전체 커뮤니티에 대해 단계(S540)에서 생성된 카테고리의 가중치 조합과 비교하여 동일하거나 유사한 카테고리의 가중치 조합을 가진 적어도 하나의 커뮤니티를 선정할 수 있다.
단계(S803)에서 추천부(330)는 단계(S802)에서 선정된 커뮤니티를 타겟으로 정보 컨텐츠를 추천할 수 있다.
따라서, 프로세서(220)는 정보 컨텐츠를 제공할 타겟 대상으로서 전체 커뮤니티 중에서 해당 정보 컨텐츠에 대한 토픽의 가중치 조합과 동일하거나 유사한 커뮤니티를 찾을 수 있다.
도 9는 본 발명의 일실시예에 있어서 커뮤니티 추천 방법의 일례를 설명하기 위한 순서도이다. 도 9의 커뮤니티 추천 방법은 도 5를 통해 설명한 커뮤니티 분류 방법에 포함될 수 있으며, 실시예에 따라서는 별개의 과정으로 수행될 수 있다.
프로세서(220)는 사용자 개인의 활동 특성과 유사성이 높은 카테고리의 커뮤니티를 추천할 수 있다.
도 9를 참조하면, 단계(S901)에서 추천부(330)는 사용자 개인의 활동 특성으로서 추출된 키워드 리스트를 토픽 모델링에 적용하여 해당 사용자에 대한 토픽의 가중치 조합을 생성할 수 있다. 일례로, 추천부(330)는 사용자와 관련하여 획득 가능한 활동 정보, 예를 들어 사용자 개인이 다른 사용자와 주고 받은 대화 내용, 사용자가 촬영한 사진이나 동영상, 사용자가 소비한 사진이나 동영상 등을 분석하여 사용자의 활성 특성을 나타내는 키워드 리스트를 추출할 수 있다. 사용자와 관련된 활동 정보는 프로세서(220)와 연동 가능한 플랫폼(예를 들어, 메신저나 SNS 등)으로부터 수집되거나 혹은 사용자의 전자 기기(예를 들어, 전자 기기(110) 등)로부터 수집될 수도 있다. 추천부(330)는 사용자 개인의 활동 특성으로서 추출된 키워드 리스트를 도 7을 통해 설명한 토픽 모델링 기법과 같은 방식으로 적용하여 해당 사용자에 대한 토픽의 가중치 조합을 생성할 수 있다. 다른 예로, 추천부(330)는 사용자가 이미 가입한 커뮤니티가 존재하는 경우 해당 커뮤니티에 대해 단계(S540)에서 생성된 카테고리의 가중치 조합을 추출하여 해당 사용자에 대한 토픽의 가중치 조합으로 활용할 수 있다. 추천부(330)는 사용자가 가입한 커뮤니티가 복수 개인 경우 커뮤니티 각각에 대한 카테고리의 가중치 조합을 결합하여(aggregation) 하나의 가중치 조합을 산출할 수 있다. 예를 들어, 추천부(330)는 평균값, 최대값, 최소값, 중간값 등을 이용하여 사용자가 가입한 전체 커뮤니티의 카테고리의 가중치 조합을 결합할 수 있다.
단계(S902)에서 추천부(330)는 사용자 개인에 대한 토픽의 가중치 조합을 전체 커뮤니티에 대해 단계(S540)에서 생성된 카테고리의 가중치 조합과 비교하여 동일하거나 유사한 카테고리의 가중치 조합을 가진 적어도 하나의 커뮤니티를 선정할 수 있다.
단계(S903)에서 추천부(330)는 사용자를 대상으로 단계(S902)에서 선정된 커뮤니티를 추천할 수 있다.
따라서, 프로세서(220)는 사용자 개인의 활동 특성과 유사한 커뮤니티를 찾아 추천할 수 있다.
이처럼 본 발명의 실시예들에 따르면, 커뮤니티 내의 실제 활동을 분석하여 실제 활동에 맞는 카테고리를 설정할 수 있으며, 더 나아가 커뮤니티의 카테고리를 커뮤니티 특성에 맞게 세분화하거나 새로운 카테고리로 갱신할 수 있다. 그리고, 본 발명의 실시예들에 따르면, 커뮤니티 내에서 실제 활동에 기반한 카테고리에 타겟팅된 정보 컨텐츠를 추천할 수 있으며, 사용자 개인의 활동 특성과 유사성이 높은 카테고리의 커뮤니티를 추천할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 컴퓨터 장치에서 실행되는 커뮤니티 분류 방법에 있어서,
    상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 커뮤니티 분류 방법은,
    상기 적어도 하나의 프로세서에 의해, 각 커뮤니티 별로 해당 커뮤니티의 활동 정보로부터 커뮤니티 특성을 추출하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 분류하고자 하는 타겟 커뮤니티에 대해 상기 커뮤니티 특성에 기초하여 적어도 하나의 카테고리를 추천하는 단계
    를 포함하는 커뮤니티 분류 방법.
  2. 제1항에 있어서,
    상기 추출하는 단계는,
    상기 커뮤니티 내 실제 활동으로서 상기 커뮤니티에서 공유되는 자료를 분석하여 상기 커뮤니티 특성을 나타내는 키워드 리스트를 추출하는 단계
    를 포함하는 커뮤니티 분류 방법.
  3. 제1항에 있어서,
    상기 추천하는 단계는,
    상기 타겟 커뮤니티와 기준 커뮤니티 간의 커뮤니티 특성 유사도를 측정하는 단계; 및
    상기 커뮤니티 특성 유사도를 기준으로 적어도 하나의 기준 커뮤니티의 카테고리를 상기 타겟 커뮤니티의 카테고리로 결정하는 단계
    를 포함하는 커뮤니티 분류 방법.
  4. 제3항에 있어서,
    상기 추천하는 단계는,
    카테고리가 설정되어 있는 커뮤니티 중에서 일정 기준에 부합되는 커뮤니티를 상기 기준 커뮤니티로 선정하는 단계
    를 더 포함하는 커뮤니티 분류 방법.
  5. 제1항에 있어서,
    상기 커뮤니티 분류 방법은,
    상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티 특성을 나타내는 키워드 리스트를 토픽 모델링에 적용하여 상기 커뮤니티에 대한 카테고리 가중치 조합을 생성하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티에 대해 상기 카테고리 가중치 조합을 기반으로 적어도 하나의 카테고리를 상기 커뮤니티에 할당하는 단계
    를 더 포함하는 커뮤니티 분류 방법.
  6. 제5항에 있어서,
    상기 커뮤니티 분류 방법은,
    상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티의 카테고리 개편을 위해 상기 커뮤니티에 할당된 카테고리를 상기 커뮤니티의 관리자에게 추천하는 단계
    를 더 포함하는 커뮤니티 분류 방법.
  7. 제5항에 있어서,
    상기 커뮤니티 분류 방법은,
    상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티 내의 타겟 컨텐츠로서 상기 커뮤니티에 할당된 카테고리에 대응되는 정보가 타겟팅 요소로 포함된 정보 컨텐츠를 추천하는 단계
    를 더 포함하는 커뮤니티 분류 방법.
  8. 제5항에 있어서,
    상기 커뮤니티 분류 방법은,
    상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티에 제공 가능한 정보 컨텐츠에 대해 상기 정보 컨텐츠를 분석한 특성으로서 추출된 키워드 리스트를 토픽 모델링에 적용하여 상기 정보 컨텐츠에 대한 토픽 가중치 조합을 생성하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 정보 컨텐츠에 대한 토픽 가중치 조합을 상기 커뮤니티에 대한 카테고리 가중치 조합과 비교하여 적어도 하나의 커뮤니티를 상기 정보 컨텐츠의 타겟 대상으로 선정하는 단계
    를 더 포함하는 커뮤니티 분류 방법.
  9. 제5항에 있어서,
    상기 커뮤니티 분류 방법은,
    상기 적어도 하나의 프로세서에 의해, 사용자 개인의 활동 특성으로서 추출된 키워드 리스트를 토픽 모델링에 적용하여 상기 사용자에 대한 토픽 가중치 조합을 생성하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 사용자에 대한 토픽 가중치 조합을 상기 커뮤니티에 대한 카테고리 가중치 조합과 비교하여 적어도 하나의 커뮤니티를 상기 사용자에게 추천하는 단계
    를 더 포함하는 커뮤니티 분류 방법.
  10. 제9항에 있어서,
    상기 사용자에 대한 토픽 가중치 조합을 생성하는 단계는,
    상기 사용자와 관련된 활동 정보를 분석하여 상기 활동 특성을 나타내는 키워드 리스트를 추출하는 단계
    를 포함하는 커뮤니티 분류 방법.
  11. 제9항에 있어서,
    상기 사용자에 대한 토픽 가중치 조합을 생성하는 단계는,
    상기 사용자가 가입한 적어도 하나의 커뮤니티의 카테고리 가중치 조합을 이용하여 상기 사용자에 대한 토픽 가중치 조합을 산출하는 단계
    를 포함하는 커뮤니티 분류 방법.
  12. 제1항 내지 제11항 중 어느 한 항의 커뮤니티 분류 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램.
  13. 컴퓨터 장치에 있어서,
    메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    각 커뮤니티 별로 해당 커뮤니티의 활동 정보로부터 커뮤니티 특성을 추출하고,
    상기 적어도 하나의 프로세서에 의해, 분류하고자 하는 타겟 커뮤니티에 대해 상기 커뮤니티 특성에 기초하여 적어도 하나의 카테고리를 추천하는 것
    을 특징으로 하는 컴퓨터 장치.
  14. 제13항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 타겟 커뮤니티와 기준 커뮤니티 간의 커뮤니티 특성 유사도를 측정하고,
    상기 커뮤니티 특성 유사도를 기준으로 적어도 하나의 기준 커뮤니티의 카테고리를 상기 타겟 커뮤니티의 카테고리로 결정하는 것
    을 특징으로 하는 컴퓨터 장치.
  15. 제13항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 커뮤니티 특성을 나타내는 키워드 리스트를 토픽 모델링에 적용하여 상기 커뮤니티에 대한 카테고리 가중치 조합을 생성하고,
    상기 적어도 하나의 프로세서에 의해, 상기 커뮤니티에 대해 상기 카테고리 가중치 조합을 기반으로 적어도 하나의 카테고리를 상기 커뮤니티에 할당하는 것
    을 특징으로 하는 컴퓨터 장치.
  16. 제15항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 커뮤니티의 카테고리 개편을 위해 상기 커뮤니티에 할당된 카테고리를 상기 커뮤니티의 관리자에게 추천하는 것
    을 특징으로 하는 컴퓨터 장치.
  17. 제15항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 커뮤니티 내의 타겟 컨텐츠로서 상기 커뮤니티에 할당된 카테고리에 대응되는 정보가 타겟팅 요소로 포함된 정보 컨텐츠를 추천하는 것
    을 특징으로 하는 컴퓨터 장치.
  18. 제15항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 커뮤니티에 제공 가능한 정보 컨텐츠에 대해 상기 정보 컨텐츠를 분석한 특성으로서 추출된 키워드 리스트를 토픽 모델링에 적용하여 상기 정보 컨텐츠에 대한 토픽 가중치 조합을 생성하고,
    상기 적어도 하나의 프로세서에 의해, 상기 정보 컨텐츠에 대한 토픽 가중치 조합을 상기 커뮤니티에 대한 카테고리 가중치 조합과 비교하여 적어도 하나의 커뮤니티를 상기 정보 컨텐츠의 타겟 대상으로 선정하는 것
    을 특징으로 하는 컴퓨터 장치.
  19. 제15항에 있어서,
    상기 적어도 하나의 프로세서는,
    사용자 개인의 활동 특성으로서 추출된 키워드 리스트를 토픽 모델링에 적용하여 상기 사용자에 대한 토픽 가중치 조합을 생성하고,
    상기 적어도 하나의 프로세서에 의해, 상기 사용자에 대한 토픽 가중치 조합을 상기 커뮤니티에 대한 카테고리 가중치 조합과 비교하여 적어도 하나의 커뮤니티를 상기 사용자에게 추천하는 것
    을 특징으로 하는 컴퓨터 장치.
  20. 제19항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 사용자가 가입한 적어도 하나의 커뮤니티의 카테고리 가중치 조합을 이용하여 상기 사용자에 대한 토픽 가중치 조합을 산출하는 것
    을 특징으로 하는 컴퓨터 장치.
KR1020200165580A 2020-12-01 2020-12-01 커뮤니티의 카테고리를 설정하기 위한 방법, 시스템, 및 컴퓨터 프로그램 KR20220076765A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200165580A KR20220076765A (ko) 2020-12-01 2020-12-01 커뮤니티의 카테고리를 설정하기 위한 방법, 시스템, 및 컴퓨터 프로그램
JP2021194541A JP2022087835A (ja) 2020-12-01 2021-11-30 コミュニティ分類方法、コンピュータプログラム、およびコンピュータ装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200165580A KR20220076765A (ko) 2020-12-01 2020-12-01 커뮤니티의 카테고리를 설정하기 위한 방법, 시스템, 및 컴퓨터 프로그램

Publications (1)

Publication Number Publication Date
KR20220076765A true KR20220076765A (ko) 2022-06-08

Family

ID=81975877

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200165580A KR20220076765A (ko) 2020-12-01 2020-12-01 커뮤니티의 카테고리를 설정하기 위한 방법, 시스템, 및 컴퓨터 프로그램

Country Status (2)

Country Link
JP (1) JP2022087835A (ko)
KR (1) KR20220076765A (ko)

Also Published As

Publication number Publication date
JP2022087835A (ja) 2022-06-13

Similar Documents

Publication Publication Date Title
US10937060B2 (en) Intelligent location based notification
Wang et al. An improved density peaks-based clustering method for social circle discovery in social networks
EP3098770A1 (en) Advertising method and device using cohort-based user analysis platform and marketing platform
CN109086439A (zh) 信息推荐方法及装置
CN109471978B (zh) 一种电子资源推荐方法及装置
KR102365967B1 (ko) 위치 데이터가 포함된 컨텐츠를 이용한 추천 방법 및 그 시스템
KR102501496B1 (ko) 개인화를 통한 연합 학습의 다중 모델 제공 방법, 시스템, 및 컴퓨터 프로그램
KR20190015333A (ko) 효과적으로 컨텐츠를 전달하기 위한 동적 소재 최적화
KR20210050166A (ko) 그룹 앨범을 이용하는 대화방에서 프로필 사진 기반 사용자 얼굴 인식과 활용 방법
KR101981136B1 (ko) 추천 컨텐츠 제공 시스템, 방법 및 프로그램
CN106447419A (zh) 基于特征选择的拜访者标识
US20120046937A1 (en) Semantic classification of variable data campaign information
CN116595398A (zh) 基于元宇宙的资源智能匹配方法及相关装置
KR102351879B1 (ko) 상품 또는 서비스에 대한 비정형의 품목데이터를 자동으로 분류하는 방법 및 디바이스
Kostakos et al. Human sensors
CN117597905A (zh) 与云计算环境分离的基于用户的位置和活动数据的边缘计算存储节点
US20210350202A1 (en) Methods and systems of automatic creation of user personas
CN107948312B (zh) 一种以位置点作为信息出入口的信息归类发布方法及系统
JP2020057221A (ja) 情報処理方法、情報処理装置及びプログラム
CN111787042A (zh) 用于推送信息的方法和装置
US20160042277A1 (en) Social action and social tie prediction
KR20230151704A (ko) 지역 지식 그래프를 기반으로 추천 정보를 제공하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램
KR20220076765A (ko) 커뮤니티의 카테고리를 설정하기 위한 방법, 시스템, 및 컴퓨터 프로그램
JP6998354B2 (ja) 検索に基づく収集支援方法およびコンピュータ装置
KR102095622B1 (ko) 온라인 소셜 네트워크 서비스 데이터로부터 공간 기반 사회적 행위를 추출하는 방법 및 시스템

Legal Events

Date Code Title Description
A201 Request for examination