KR20220094101A - Method for analyzing survey data to analyze disposition of user and system thereof - Google Patents
Method for analyzing survey data to analyze disposition of user and system thereof Download PDFInfo
- Publication number
- KR20220094101A KR20220094101A KR1020210088185A KR20210088185A KR20220094101A KR 20220094101 A KR20220094101 A KR 20220094101A KR 1020210088185 A KR1020210088185 A KR 1020210088185A KR 20210088185 A KR20210088185 A KR 20210088185A KR 20220094101 A KR20220094101 A KR 20220094101A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- tendency
- disposition
- personal
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 63
- 230000002996 emotional effect Effects 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims description 78
- 238000004891 communication Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 description 44
- 238000005259 measurement Methods 0.000 description 26
- 238000011156 evaluation Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 18
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000003313 weakening 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 설문 조사 데이터 분석 방법 및 시스템에 관한 것으로, 보다 상세하게는 사용자에게 최적화된 관심사 정보를 제공하기 위해 설문 조사 응답 데이터를 기초로 사용자의 성향을 분석하는 설문 조사 데이터 분석 방법 및 시스템에 관한 것이다. The present invention relates to a survey data analysis method and system, and more particularly, to a survey data analysis method and system for analyzing a user's propensity based on survey response data in order to provide optimized interest information to the user will be.
네트워크를 통해 연결되는 사용자에게 콘텐츠 또는 정보를 추천하고 제공하는 기술이 구현되고 있다. 예컨대, 기존의 콘텐츠 또는 정보를 추천하고 제공하는 방법에 따르면, 서비스 제공자는 기존의 사용자들이 많이 이용한 콘텐츠 또는 정보를 사용자에게 추천할 수 있다. 하지만, 최근의 추세는 사용자들의 특성에 따라 사용자에게 최적화된 콘텐츠를 제공하는 것이다. 사용자 각각에 최적화된 콘텐츠를 제공하기 위해서, 서비스 제공자는 사용자에 대한 정보를 기초로 사용자에게 최적화된 콘텐츠를 결정할 수 있다. 따라서, 사용자에게 컨텐츠를 추천하거나, 사용자에게 최적화된 정보들을 제공하기 위해서는 사용자의 성향 등의 정보를 확보하는 것이 필요하다. A technology for recommending and providing content or information to users connected through a network is being implemented. For example, according to an existing method of recommending and providing content or information, a service provider may recommend content or information frequently used by existing users to a user. However, a recent trend is to provide content optimized to users according to their characteristics. In order to provide content optimized for each user, the service provider may determine content optimized for the user based on information about the user. Accordingly, in order to recommend content to the user or provide information optimized to the user, it is necessary to secure information such as the user's tendency.
사용자의 성향을 분석하기 위한 방법으로, 사용자에게 성향 분석을 위한 설문지를 제공하고, 설문지에 대한 응답을 기초로 사용자의 성향을 분석하는 방식이 주로 사용된다. 여기서, 설문지 및 응답에 대응되는 사용자의 성향 정보는 미리 설정되어 있어, 사용자들의 요청을 반영하지 못하는 문제가 있다. 이에, 설문 조사에 대한 응답 데이터를 보다 사용자의 요구 사항에 적합하게 분석함으로써, 사용자 성향을 확인하는 방법의 필요성이 대두되고 있다. 본 발명은 이와 관련된 것이다.As a method for analyzing a user's tendency, a method of providing the user with a questionnaire for disposition analysis and analyzing the user's tendency based on a response to the questionnaire is mainly used. Here, there is a problem in that the user's propensity information corresponding to the questionnaire and the response is preset, and thus the user's request cannot be reflected. Accordingly, there is a need for a method of confirming user preferences by analyzing response data to a survey more suitable for user requirements. The present invention relates to this.
본 발명은 상기 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 사용자에게 최적화된 오브젝트 및 콘텐츠를 제공하기 위해, 설문 조사의 응답 정보를 기초로 사용자의 성향을 분석하는 설문 조사 데이터 분석 방법 및 시스템을 제공하는 것이다. The present invention has been devised to solve the above problems, and an object of the present invention is to provide an object and content optimized to the user, a survey data analysis method for analyzing the user's tendency based on the response information of the survey, and to provide a system.
본 발명을 통해 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The technical problems to be achieved through the present invention are not limited to the technical problems mentioned above, and other technical problems not mentioned are clearly understood by those of ordinary skill in the art to which the present invention belongs from the description below. it could be
본 발명의 일 실시예에 따른 사용자의 성향 파악을 위한 설문 조사 데이터 분석을 위한 시스템의 동작 방법은, 사용자 단말에게 미리 저장된 설문 조사 데이터를 전송하는 단계; 상기 사용자 단말로부터 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 수신하는 단계; 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 기초로 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 추출하는 단계; 및 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 상기 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성하는 단계를 포함할 수 있다. According to an embodiment of the present invention, there is provided an operating method of a system for analyzing survey data for identifying a user's tendency, the method comprising: transmitting survey data stored in advance to a user terminal; receiving response data for the pre-stored survey data from the user terminal; extracting information on an external tendency, an internal tendency, and an emotional tendency of a user based on response data to the pre-stored survey data; and generating a data set for providing interest information optimized to the user based on the user's external tendency, internal tendency, and emotional tendency information.
여기서, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 추출하는 단계는, 상기 설문 조사 데이터에 포함된 단어들 각각에 미리 정의된 퍼스널 태그를 기초로, 상기 응답 데이터를 기반으로 한 상기 사용자의 퍼스널 태그들의 정보를 획득하는 단계; 및 상기 사용자의 퍼스널 태그들을 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하는 단계를 더 포함할 수 있다. Here, the extracting of the user's external disposition, internal disposition, and emotional disposition information includes: based on a personal tag predefined for each of the words included in the survey data, the user's response data based on the response data. obtaining information of personal tags; and classifying the user's personal tags according to each of the user's external disposition, internal disposition, and emotional disposition.
여기서, 동작 방법은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 상기 사용자의 퍼스널 태그들을 기초로, 상기 사용자에 대한 분석 결과 리포트를 생성하는 단계; 및 상시 생성한 분석 결과 리포트를 상기 사용자 단말에게 전송하는 단계를 포함할 수 있다. Here, the operation method may include: generating an analysis result report for the user based on the user's personal tags classified according to each of the user's external tendency, internal tendency, and emotional tendency; and transmitting the always generated analysis result report to the user terminal.
여기서, 동작 방법은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류하는 단계; 상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하는 단계; 상기 사용자의 상기 우세 요소들 및 상기 약세 요소들 각각에 대한 분석 결과를 생성하는 단계; 및 상기 사용자의 성격 유형을 상기 분석 결과 리포트에 반영하는 단계를 포함할 수 있다. Here, the operation method includes: classifying dominant factors and weakness factors among the user's external tendency, internal tendency, and emotional tendency; deriving a personality type of the user by combining the dominant factors and the weakness factors; generating an analysis result for each of the dominant factors and the bearish factors of the user; and reflecting the personality type of the user in the analysis result report.
여기서, 동작 방법은, 상기 미리 저장된 설문 조사 데이터 중에서, 서로 간의 연관 관계를 가지는 설문들 각각에 대한 응답 정보의 비교 결과를 기초로, 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터의 노이즈를 검출하는 단계를 더 포함할 수 있다. Here, the method includes: detecting noise in response data to the pre-stored survey data based on a comparison result of response information for each of the questionnaires having a correlation with each other from among the pre-stored survey data may further include.
본 발명의 일 실시예에 따른 사용자의 성향 파악을 위한 설문 조사 데이터 분석을 위한 시스템의 서버는, 적어도 하나의 프로그램이 저장된 메모리; 상기 적어도 하나의 프로그램 명령을 수행하는 프로세서; 및 네트워크와 연결되어 통신을 수행하는 송수신 장치를 포함하고, 상기 적어도 하나의 프로그램 명령은, 사용자 단말에게 미리 저장된 설문 조사 데이터를 전송하고; 상기 사용자 단말로부터 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 수신하고; 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 기초로 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 추출하고; 및 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 상기 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성하도록 실행될 수 있다. According to an embodiment of the present invention, a server of a system for analyzing survey data for identifying a user's tendency includes: a memory in which at least one program is stored; a processor executing the at least one program instruction; and a transceiver device connected to a network to perform communication, wherein the at least one program command transmits pre-stored survey data to a user terminal; receiving response data for the pre-stored survey data from the user terminal; extracting the user's external tendency, internal tendency, and emotional tendency information based on the response data to the pre-stored survey data; and generating a data set for providing interest information optimized to the user based on the user's external disposition, internal disposition, and emotional disposition information.
여기서, 상기 적어도 하나의 프로그램 명령은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 추출하도록 실행됨에 있어, 상기 설문 조사 데이터에 포함된 단어들 각각에 미리 정의된 퍼스널 태그를 기초로, 상기 응답 데이터를 기반으로 한 상기 사용자의 퍼스널 태그들의 정보를 획득하고; 그리고 상기 사용자의 퍼스널 태그들을 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하도록 실행될 수 있다. Here, when the at least one program command is executed to extract the user's external tendency, internal tendency, and emotional tendency information, based on a personal tag predefined for each of the words included in the survey data, the obtain information of the user's personal tags based on the response data; And it may be executed to classify the personal tags of the user according to each of the user's external disposition, internal disposition, and emotional disposition.
여기서, 상기 적어도 하나의 프로그램 명령은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 상기 사용자의 퍼스널 태그들을 기초로, 상기 사용자에 대한 분석 결과 리포트를 생성하고; 그리고 상시 생성한 분석 결과 리포트를 상기 사용자 단말에게 전송하도록 더 실행될 수 있다. Here, the at least one program command may include: generating an analysis result report for the user based on the user's personal tags classified according to each of the user's external disposition, internal disposition, and emotional disposition; And it may be further executed to transmit the always generated analysis result report to the user terminal.
여기서, 상기 적어도 하나의 프로그램 명령은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류하고; 상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하고; 상기 사용자의 상기 우세 요소들 및 상기 약세 요소들 각각에 대한 분석 결과를 생성하고; 그리고 상기 사용자의 성격 유형을 상기 분석 결과 리포트에 반영하도록 더 실행될 수 있다. Here, the at least one program command may be configured to classify dominant factors and weakness factors from among the user's extrinsic disposition, internal disposition, and emotional disposition; combining the dominant factors and the bearish factors to derive a personality type of the user; generate an analysis result for each of the dominant factors and the bearish factors of the user; And it may be further executed to reflect the personality type of the user in the analysis result report.
여기서, 상기 적어도 하나의 프로그램 명령은, 상기 미리 저장된 설문 조사 데이터 중에서, 서로 간의 연관 관계를 가지는 설문들 각각에 대한 응답 정보의 비교 결과를 기초로, 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터의 노이즈를 검출하도록 더 실행될 수 있다. Here, the at least one program command may include noise of response data to the pre-stored survey data based on a comparison result of response information for each of the questionnaires having a correlation with each other among the pre-stored survey data. may be further executed to detect
상술한 본 개시의 양태들은 본 개시의 바람직한 실시 예들 중 일부에 불과하며, 본 개시의 기술적 특징들이 반영된 다양한 실시 예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 개시의 상세한 설명을 기반으로 도출되고 이해될 수 있다. Aspects of the present disclosure described above are only some of the preferred embodiments of the present disclosure, and various embodiments in which the technical features of the present disclosure are reflected are detailed descriptions of the present disclosure that will be described below by those of ordinary skill in the art can be derived and understood based on
본 발명의 실시예에 따르면, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템은 설문 조사 데이터에 대한 사용자의 응답 정보를 기초로 사용자의 성향을 분석함으로써, 사용자에게 최적화된 컨텐츠를 추천하기 위한 데이터들을 확보할 수 있다. According to an embodiment of the present invention, the survey data analysis system for analyzing the user's tendency analyzes the user's tendency based on the user's response information to the survey data, thereby generating data for recommending optimized content to the user. can be obtained
본 발명의 실시예에 따르면, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템은 인공 신경망을 이용하여, 설문 조사 데이터에 대한 사용자의 응답 정보를 기초로 사용자의 성향을 분석함으로써, 보다 정확하게 사용자 성향 정보를 분석할 수 있다. According to an embodiment of the present invention, a survey data analysis system for analyzing a user's tendency uses an artificial neural network to analyze a user's tendency based on the user's response information to the questionnaire data, thereby more accurately providing user tendency information can be analyzed.
본 발명을 통해 얻을 수 있는 효과는 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.Effects obtainable through the present invention are not limited to the aforementioned effects, and other effects not mentioned will be clearly understood by those of ordinary skill in the art from the following description. .
도 1은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 구성의 실시예를 도시한 개념도이다.
도 2는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템을 구성하는 디바이스의 구성의 실시예를 도시한 블록도이다.
도 3은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 디바이스에 포함된 인공 신경망의 실시예를 도시한 개념도이다.
도 4는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 사용자 성향 분석 동작의 일 실시예를 도시한 순서도이다.
도 5는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 대상인 퍼스널 태그들의 제1 실시예를 도시한 개념도이다.
도 6은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 대상인 퍼스널 태그들의 제2 실시예를 도시한 개념도이다.
도 7은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 결과 리포트 생성 동작의 일 실시예를 도시한 흐름도이다.
도 8은 사용자의 성향 분석을 위해 우세 요소 및 약세 요소들을 조합하여 설명하는 방법의 제1 실시예를 도시한 개념도이다.
도 9는 사용자의 성향 분석을 위해 우세 요소 및 약세 요소들을 조합하여 설명하는 방법의 제1 실시예를 도시한 개념도이다.
도 10은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 의해 생성되는 분석 결과 리포트의 일 실시예를 도시한 개념도이다.
도 11은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 추가설문 데이터를 통한 사용자 성향 분석 동작의 일 실시예를 도시한 순서도이다.
도 12는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 의해 제공되는 추가 설문 조사 데이터의 일 실시예를 도시한 개념도이다. 1 is a conceptual diagram illustrating an embodiment of the configuration of a survey data analysis system for analyzing user propensity.
2 is a block diagram illustrating an embodiment of the configuration of a device constituting a survey data analysis system for analyzing a user's tendency.
3 is a conceptual diagram illustrating an embodiment of an artificial neural network included in a device of a survey data analysis system for analyzing a user's tendency.
4 is a flowchart illustrating an embodiment of an operation of analyzing user propensity of a survey data analysis system for analyzing user propensity.
FIG. 5 is a conceptual diagram illustrating a first embodiment of personal tags to be analyzed in a survey data analysis system for analyzing a user's disposition.
FIG. 6 is a conceptual diagram illustrating a second embodiment of personal tags that are an analysis target of a survey data analysis system for analyzing a user's disposition.
7 is a flowchart illustrating an operation of generating an analysis result report of a survey data analysis system for analyzing a user's tendency according to an embodiment.
8 is a conceptual diagram illustrating a first embodiment of a method for explaining a user's tendency by combining a dominant element and a bearish element for analysis of a user's tendency.
9 is a conceptual diagram illustrating a first embodiment of a method for explaining a combination of a dominant element and a bearish element for analyzing a user's tendency.
10 is a conceptual diagram illustrating an example of an analysis result report generated by a survey data analysis system for analyzing a user's tendency.
11 is a flowchart illustrating an embodiment of an operation of analyzing user propensity through additional questionnaire data of a survey data analysis system for analyzing user propensity.
12 is a conceptual diagram illustrating an embodiment of additional survey data provided by a survey data analysis system for analyzing user propensity.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and described in detail. However, this is not intended to limit the present invention to specific embodiments, and it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 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.Terms such as first, second, etc. may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, a second component may also be referred to as a first component. and/or includes a combination of a plurality of related listed items or any of a plurality of related listed items.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When an element is referred to as being “connected” or “connected” to another element, it is understood that it may be directly connected or connected to the other element, but other elements may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as "comprise" or "have" are intended to designate that a feature, number, step, operation, component, part, or a combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical and scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.Hereinafter, preferred embodiments of the present invention will be described in more detail with reference to the accompanying drawings. In describing the present invention, in order to facilitate the overall understanding, the same reference numerals are used for the same components in the drawings, and duplicate descriptions of the same components are omitted.
본 발명에 따른 실시예들이 적용되는 은 파일 접근 제어 시스템이 설명될 것이다. 본 발명에 따른 실시예들이 적용되는 은 파일 접근 제어 시스템은 아래 설명된 내용에 한정되지 않으며, 본 발명에 따른 실시예들은 다양한 통신 시스템에 적용될 수 있다. A silver file access control system to which embodiments according to the present invention are applied will be described. The silver file access control system to which the embodiments according to the present invention are applied is not limited to the content described below, and the embodiments according to the present invention can be applied to various communication systems.
도 1은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 구성의 실시예를 도시한 개념도이다. 1 is a conceptual diagram illustrating an embodiment of the configuration of a survey data analysis system for analyzing user propensity.
도 1을 참조하면, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서버(110)와 네트워크(120)를 통해 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서버(110)와 연결되는 사용자 단말(130)을 포함할 수 있다. 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템은 유선 또는 무선 통신 네트워크를 통하여 사용자의 성향을 분석하고 사용자에게 최적화된 오브젝트 및/또는 컨텐츠를 추천하기 위한 시스템일 수 있다. Referring to FIG. 1 , a survey data analysis system for analyzing user propensity includes a survey
설문 조사 데이터 분석 서버(110)는 사용자 성향 분석 서비스 및 오브젝트 및/또는 컨텐츠를 추천하기 위한 서비스를 제공하기 위해 필요한 정보들을 저장할 수 있다. 설문 조사 데이터 분석 서버(110)는 설문 조사 데이터, 사용자 성향 분석 알고리즘, 오브젝트 및/또는 컨텐츠 추천 알고리즘 등을 포함하는 정보들을 미리 저장할 수 있다. 그리고 설문 조사 데이터 분석 서버(110)는 기존 사용자들의 사용자 성향 분석 정보 및 오브젝트 및/또는 컨텐츠 추천 이력 정보를 저장할 수 있다. The survey
네트워크(120)는 설문 조사 데이터 분석 서버(110)와 사용자 단말(130) 상호 간의 정보를 교환하기 위한 연결 구조를 의미할 수 있다. 네트워크(120)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE(long term evolution), VoLTE(voice over LTE), 5G NR(new radio) Wi-Fi(wireless-fidelity), 블루투스(Bluetooth), NFC, RFID (radio frequency identification) 홈 네트워크(home network), IoT(internet of things) 등을 포함할 수 있다. The
사용자 단말(130)은 네트워크(120)를 통해 설문 조사 데이터 분석 서버(110)와 연결될 수 있다. 그리고 사용자 단말(130)은 컴퓨터, 태블릿, 스마트폰과 같은 사용자 장치(user equipment)를 포함할 수 있다. 사용자 단말(130)은 설문 조사 데이터 분석 서버(110)로부터 사용자 성향 분석 서비스 및 오브젝트 및/또는 컨텐츠를 추천하기 위한 서비스를 제공하기 위해 필요한 정보를 수신할 수 있다. 설문 조사 데이터 분석 서버(110)로부터 수신한 정보는 설문 조사 데이터, 사용자 성향 분석 결과 정보, 오브젝트 및/또는 컨텐츠 추천 결과 정보 등을 포함할 수 있다. The
사용자 단말(130)은 수신한 사용자 성향 분석 서비스 및 오브젝트 및/또는 컨텐츠를 추천하기 위한 서비스를 제공하기 위한 정보를 출력 장치를 통해 디스플레이할 수 있다. 그리고 사용자 단말(130)은 사용자로부터 입력받은 정보를 기초로 데이터 분석 서버(110)로부터 제공받은 서비스에 대해 피드백할 수 있다. The
도 1의 데이터 분석 서버(110) 및 사용자 단말(130)는 디바이스로 지칭될 수 있으며, 디바이스의 구성은 아래에 설명하는 바와 같을 수 있다. The
도 2는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템을 구성하는 디바이스의 구성의 실시예를 도시한 블록도이다. 2 is a block diagram illustrating an embodiment of the configuration of a device constituting a survey data analysis system for analyzing a user's tendency.
사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)는, 적어도 하나의 프로세서(210) 및 적어도 하나의 프로세서(210)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(220)를 포함할 수 있다.A
여기서 적어도 하나의 프로세서(210)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(220) 및 저장 장치(260) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(220)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.Here, the at least one
또한, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(230)를 포함할 수 있다. 또한, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)는 입력 인터페이스 장치(240), 출력 인터페이스 장치(250), 저장 장치(260) 등을 더 포함할 수 있다. 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)에 포함된 각각의 구성 요소들은 버스(bus)(270)에 의해 연결되어 서로 통신을 수행할 수 있다.In addition, the
또한 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)는 인공 신경망을 구현/구동하기 위한 하드웨어적인 구성요소 또는 소프트웨어적인 구성요소들을 더 포함할 수 있다. 예를 들어, 하드웨어적인 구성요소들은 NPU(neural processer unit) 등을 포함할 수 있다. 예를 들어, 소프트웨어적인 구성요소들은 프레임워크(framework), 커널(kernel) 또는 장치 드라이버(device driver), 미들웨어(middleware), 어플리케이션 프로그래밍 인터페이스(application programming interface, API), 어플리케이션 프로그램(또는 어플리케이션) 등을 포함할 수 있다. 디바이스에 의해 구현되는 인공 신경망은 아래에 설명하는 바와 같다. In addition, the
도 3은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 디바이스에 포함된 인공 신경망의 실시예를 도시한 개념도이다. 3 is a conceptual diagram illustrating an embodiment of an artificial neural network included in a device of a survey data analysis system for analyzing a user's tendency.
도 3을 참조하면, 인공 신경망은 입력 레이어(IL), 복수의 히든 레이어들(HL1, HL2, ..., HLn) 및 출력 레이어(OL)를 포함할 수 있다.Referring to FIG. 3 , the artificial neural network may include an input layer (IL), a plurality of hidden layers (HL1, HL2, ..., HLn), and an output layer (OL).
입력 레이어(IL)는 i(i는 자연수)개의 입력 노드들(x1, x2, ..., xi)을 포함할 수 있다. 그리고, 길이가 i인 벡터 입력 데이터가 입력 노드에 입력될 수 있다.The input layer IL may include i (i is a natural number) input nodes x1, x2, ..., xi. In addition, vector input data having a length of i may be input to the input node.
복수의 히든 레이어들(HL1, HL2, ..., HLn)은 n(n은 자연수)개의 히든 레이어들을 포함하며, 히든 노드들(h11, h12, h13, ..., h1m, h21, h22, h23, ..., h2m, hn1, hn2, hn3, ..., hnm)을 포함할 수 있다. 예를 들어, 히든 레이어(HL1)는 m(m은 자연수)개의 히든 노드들(h11, h12, h13, ..., h1m)을 포함할 수 있고, 히든 레이어(HL2)는 m개의 히든 노드들(h21, h22, h23, ..., h2m)을 포함할 수 있으며, 히든 레이어(HLn)는 m개의 히든 노드들(hn1, hn2, hn3, ..., hnm)을 포함할 수 있다.The plurality of hidden layers HL1, HL2, ..., HLn includes n (n is a natural number) number of hidden layers, and the hidden nodes h11, h12, h13, ..., h1m, h21, h22, h23, ..., h2m, hn1, hn2, hn3, ..., hnm). For example, the hidden layer HL1 may include m (m is a natural number) number of hidden nodes h11, h12, h13, ..., h1m, and the hidden layer HL2 includes m hidden nodes. (h21, h22, h23, ..., h2m) may be included, and the hidden layer HLn may include m hidden nodes hn1, hn2, hn3, ..., hnm.
출력 레이어(OL)는 분류할 클래스에 대응하는 j(j는 자연수)개의 출력 노드들(y1, y2, ..., yj)을 포함할 수 있고, 입력 데이터에 대하여 각 클래스 별로 결과(예를 들어, 점수 또는 class score)를 출력할 수 있다. 출력 레이어(OL)는 전연결(fully connected) 레이어라고 부를 수 있다. The output layer OL may include j (j is a natural number) number of output nodes (y1, y2, ..., yj) corresponding to the class to be classified, and results (eg, For example, you can output a score or class score). The output layer OL may be referred to as a fully connected layer.
도 3에 도시된 인공 신경망은 두 개의 노드들 사이에 직선으로 도시된 노드들 간의 연결(branch)과, 연결되는 노드들 간의 가중치(weight) 값들을 포함할 수 있다. 여기서, 하나의 레이어 내의 노드들은 서로 연결이 되지 않을 수 있고, 서로 다른 레이어들에 포함되는 노드들은 완전하게 혹은 부분적으로 연결될 수 있다.The artificial neural network shown in FIG. 3 may include a branch between nodes shown as a straight line between two nodes, and weight values between the connected nodes. Here, nodes in one layer may not be connected to each other, and nodes included in different layers may be completely or partially connected.
도 3의 각 노드(예를 들어, h11)는 이전 노드(예를 들어, x1)의 출력을 입력 받아 연산할 수 있고, 연산 결과를 이후 노드(예를 들어, h21)에게 전달할 수 있다. 여기서, 노드들 각각은 입력된 값을 특정 함수(예를 들어, 비선형 함수)에 적용하여 출력할 값을 연산할 수 있다.Each node (eg, h11) of FIG. 3 may receive the output of the previous node (eg, x1) and perform an operation, and may transmit the operation result to a subsequent node (eg, h21). Here, each of the nodes may calculate a value to be output by applying an input value to a specific function (eg, a nonlinear function).
일반적으로 인공 신경망의 구조는 미리 결정되어 있으며, 노드들 간의 연결에 따른 가중치들은 이미 어떤 클래스에 속할지 정답이 알려진 데이터를 이용하여 적절한 값을 산정할 수 있다. 이미 정답이 알려진 데이터들을 '학습 데이터'라고 지칭하고, 가중치를 결정하는 과정을 '학습'이라고 지칭할 수 있다. 또한, 독립적으로 학습이 가능한 구조와 가중치의 묶음을 '모델'이라고 지칭할 수 있다. In general, the structure of the artificial neural network is predetermined, and an appropriate value can be calculated using data whose correct answer is already known as to which class the weights according to the connection between nodes belong to. Data for which the correct answer is already known may be referred to as 'learning data', and the process of determining the weight may be referred to as 'learning'. In addition, a group of independently learnable structures and weights may be referred to as a 'model'.
즉, 도 2에 도시된 서버 등의 디바이스는 도 3에 도시된 인공 신경망을 이용하여, 시스템에서 지원하는 동작들을 수행할 수 있다. 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 포함된 서버 및 사용자 단말의 동작들은 아래에 설명하는 바와 같을 수 있다. That is, the device such as a server shown in FIG. 2 may perform operations supported by the system using the artificial neural network shown in FIG. 3 . Operations of the server and the user terminal included in the survey data analysis system for analyzing the user's tendency may be as described below.
도 4는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 사용자 성향 분석 동작의 일 실시예를 도시한 순서도이다. 4 is a flowchart illustrating an embodiment of an operation of analyzing user propensity of a survey data analysis system for analyzing user propensity.
S401 단계에서, 서버는 사용자 단말에게 미리 저장된 설문 조사 데이터를 전송할 수 있다. 설문 조사 데이터는 사용자의 성향 정보를 파악하기 위한 복수개의 문항들 및 문항들 각각에 대한 선택지인 응답지들을 포함할 수 있다. 복수개의 문항들 각각은 사용자의 퍼스널 태그 등의 성향 정보를 수집하기 위해 설계될 수 있다. 그리고 응답지들 각각은 사용자의 퍼스널 태그 등의 성향 정보의 측정치와 맵핑될 수 있다. In step S401, the server may transmit the pre-stored survey data to the user terminal. The survey data may include a plurality of questions for identifying user propensity information and response sheets that are options for each of the questions. Each of the plurality of items may be designed to collect propensity information such as a personal tag of a user. In addition, each of the responses may be mapped with a measurement value of propensity information such as a user's personal tag.
S403 단계에서, 사용자 단말은 사용자로부터 설문 조사 응답 데이터를 입력받을 수 있다. 사용자는 사용자 단말에 의해 출력되는 설문 조사 데이터의 복수개의 문항들 및 응답지들을 확인할 수 있으며, 복수개의 문항들 각각에 대한 응답지를 선택할 수 있다. 사용자 단말은 사용자로부터 입력 받은 복수개의 문항들 각각에 대한 응답 정보를 저장할 수 있다. In step S403 , the user terminal may receive survey response data from the user. The user may check a plurality of questions and answer sheets of the survey data output by the user terminal, and may select a response sheet for each of the plurality of questions. The user terminal may store response information for each of a plurality of items received from the user.
S405 단계에서, 서버는 사용자 단말로부터 설문 조사 데이터에 대한 응답 데이터를 수신할 수 있다. 서버는 사용자 단말로부터 사용자의 식별 정보(예를 들어, ID 등) 및 사용자에 의해 입력된 복수개의 문항들 각각에 대해 선택된 응답 정보를 포함하는 설문 조사 응답 메시지를 수신할 수 있다. In step S405, the server may receive response data to the survey data from the user terminal. The server may receive a survey response message including user identification information (eg, ID, etc.) and response information selected for each of a plurality of items input by the user from the user terminal.
S407 단계에서, 서버는 사용자 단말로부터 수신한 설문 조사 응답 데이터의 노이즈를 검출할 수 있다. 여기서, 서버는 설문 조사 데이터 중에서 서로 간의 연관 관계를 가지는 설문들 각각에 대한 응답 정보들을 비교할 수 있다. 그리고 서버는, 연관 관계를 가지는 설문들 각각에 대한 응답 정보들의 비교 결과를 기초로, 설문 조사 응답 데이터의 노이즈를 검출할 수 있다. 응답 데이터의 노이즈를 검출한 서버는 설문 조사 응답 데이터의 노이즈를 캔슬링할 수 있다. In step S407, the server may detect noise in the survey response data received from the user terminal. Here, the server may compare response information for each of the questionnaires having a correlation with each other among the questionnaire data. In addition, the server may detect noise in the survey response data based on a comparison result of response information for each of the questionnaires having a correlation relationship. The server that has detected the noise in the response data may cancel the noise in the survey response data.
S409 단계에서, 서버는 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 기초로 사용자의 성향 정보를 추출할 수 있다. 여기서, 사용자의 성향은 외적 성향, 내적 성향 및 감정적 성향 정보를 포함할 수 있다. 여기서, 서버는 설문 조사 데이터에 포함된 문항들 및 설문 조사 응답 데이터에 포함된 응답지들 각각에 미리 정의된 퍼스널 태그를 기초로, 사용자의 퍼스널 태그들의 정보들을 획득할 수 있다. 그리고 서버는 사용자의 퍼스널 태그들을 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하고, 사용자의 성향 정보를 추출할 수 있다. 설문 조사 응답 데이터를 통해 수집되는 퍼스널 태그들은 아래에 설명하는 바와 같을 수 있다. In step S409, the server may extract the user's tendency information based on the response data to the pre-stored survey data. Here, the user's tendency may include information about an external tendency, an internal tendency, and an emotional tendency. Here, the server may acquire information of the user's personal tags based on a personal tag predefined in each of the questions included in the survey data and the response sheets included in the survey response data. In addition, the server may classify the user's personal tags according to the user's external tendency, internal tendency, and emotional tendency, respectively, and extract the user's tendency information. Personal tags collected through survey response data may be as described below.
도 5는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 대상인 퍼스널 태그들의 제1 실시예를 도시한 개념도이다. FIG. 5 is a conceptual diagram illustrating a first embodiment of personal tags to be analyzed in a survey data analysis system for analyzing a user's disposition.
도 5를 참조하면, 퍼스널 태그들은 제1 퍼스널 태그(1st tag) 및 제2 퍼스널 태그(2nd tag)로 구분될 수 있다. 제1 퍼스널 태그는 사람의 성격을 표현할 수 있는 특성(trait)에 관한 정보이다. 그리고 제2 퍼스널 태그는 사람의 다양한 성격적인 측면들을 표현할 수 있는 사용자의 성향(disposition)에 관한 정보이다. Referring to FIG. 5 , personal tags may be divided into a first personal tag (1 st tag) and a second personal tag (2 nd tag). The first personal tag is information about a trait capable of expressing a person's personality. In addition, the second personal tag is information about a disposition of a user capable of expressing various personal aspects of a person.
제2 퍼스널 태그들 각각은 복수의 제1 퍼스널 태그들을 그룹핑하는 태그일 수 있다. 예를 들어, 제2 퍼스널 태그들은 제1 성향 내지 제6 성향으로 지칭될 수 있으며, 각각의 퍼스널 태그들은 하위의 제1 퍼스널 태그들을 포함할 수 있다. 제1 성향의 제2 퍼스널 태그는 제1-1 특성 내지 제1-4 특성 등의 제1 퍼스널 태그들을 포함할 수 있다. Each of the second personal tags may be a tag grouping a plurality of first personal tags. For example, the second personal tags may be referred to as first to sixth preferences, and each of the personal tags may include lower first personal tags. The second personal tag of the first tendency may include first personal tags such as the 1-1 characteristic to the 1-4 characteristic.
여기서, 제2 퍼스널 태그는 외적 성향 및 내적 성향으로 구분될 수 있다. 외적 성향은 특정 인물의 다른 인물과의 관계 형성 및 유지 등에 관한 성향에 관한 정보일 수 있다. 그리고 내적 성향은 특정 인물에 내재되어 있는 성향에 관한 정보일 수 있다. Here, the second personal tag may be divided into an external tendency and an internal tendency. The extrinsic tendency may be information on the tendency of a specific person to form and maintain a relationship with another person. And the inner disposition may be information about the disposition inherent in a specific person.
도 6은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 대상인 퍼스널 태그들의 제2 실시예를 도시한 개념도이다. FIG. 6 is a conceptual diagram illustrating a second embodiment of personal tags that are an analysis target of a survey data analysis system for analyzing a user's disposition.
도 6을 참조하면, 퍼스널 태그들은 제1 퍼스널 태그(1st tag) 및 제2 퍼스널 태그(2nd tag)로 구분될 수 있다. Referring to FIG. 6 , personal tags may be classified into a first personal tag (1 st tag) and a second personal tag (2 nd tag).
일 실시예에 따르면, 서버는 퍼스널 태그들 중 적어도 일부의 퍼스널 태그들을 지속적으로 추가할 수 있다. 예를 들어, 서버는 제2 퍼스널 태그들 및 제2 퍼스널 태그들 각각에 포함되는 제1 퍼스널 태그들에 관한 정보를 지속적으로 추가하고, 수집할 수 있다. 여기서, 지속적으로 추가되는 제2 퍼스널 태그들 각각은 nth 성향으로 지칭되고, 제1 퍼스널 태그들 각각은 nth 특성으로 지칭될 수 있다. 서버는 사용자 특성의 분석의 목적, 사용자 특성의 분석을 통한 서비스를 제공하기 위한 기획, 및 분석하고자 하는 대상에 따라서, 일부의 퍼스널 태그들을 지속적으로 추가할 수 있다.According to an embodiment, the server may continuously add at least some of the personal tags among the personal tags. For example, the server may continuously add and collect the second personal tags and information regarding the first personal tags included in each of the second personal tags. Here, each of the continuously added second personal tags may be referred to as an n th characteristic, and each of the first personal tags may be referred to as an n th characteristic. The server may continuously add some personal tags according to the purpose of the analysis of the user characteristics, the plan for providing a service through the analysis of the user characteristics, and the object to be analyzed.
제1 퍼스널 태그들 중 적어도 일부는 사람의 감정 상태가 발현되는 특성에 관한 정보이다. 예를 들어, 사람의 감정 상태가 발현되는 특성에 관한 제1 퍼스널 태그들은 제7-1 특성 내지 제7-4 특성으로 지칭될 수 있다. 그리고 제2 퍼스널 태그는 복수의 제1 퍼스널 태그들을 그룹핑하는 태그로서, 사람의 다양한 감정적인 측면들을 표현할 수 있는 사용자의 성향에 관한 정보일 수 있다. 제2 퍼스널 태그는 제7 성향으로 지칭될 수 있다. 즉, 제2 퍼스널 태그는 사용자의 감정적 성향에 관한 정보일 수 있다. 제7 성향의 제2 퍼스널 태그는 제7-1 특성 내지 제7-4 특성 등의 제1 퍼스널 태그들을 포함할 수 있다. At least some of the first personal tags are information about a characteristic in which a person's emotional state is expressed. For example, the first personal tags relating to a characteristic in which a person's emotional state is expressed may be referred to as a 7-1 characteristic to a 7-4 characteristic. In addition, the second personal tag is a tag for grouping the plurality of first personal tags, and may be information about a user's tendency to express various emotional aspects of a person. The second personal tag may be referred to as the seventh tendency. That is, the second personal tag may be information about the user's emotional tendency. The second personal tag of the seventh nature may include first personal tags such as the 7-1 characteristic to the 7-4 characteristic.
다시 도 4를 참조하면, S411 단계에서, 서버는 사용자의 성향 정보를 기초로, 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성할 수 있다. 여기서, 데이터 셋은 사용자의 외적 성향, 내적 성향 및 감정적 성향 등의 분석 정보 및 사용자의 성향 정보와 관련되는 평가 요소들의 분석 결과 정보를 포함할 수 있다. 서버가 사용자 단말로부터 사용자의 개인 정보를 추가로 수신한 경우, 데이터 셋은 사용자의 개인 정보를 더 포함할 수 있다. Referring back to FIG. 4 , in step S411 , the server may generate a data set for providing interest information optimized to the user based on the user's disposition information. Here, the data set may include analysis information such as the user's external disposition, internal disposition, and emotional disposition, and analysis result information of evaluation factors related to user disposition information. When the server additionally receives the user's personal information from the user terminal, the data set may further include the user's personal information.
S413 단계에서, 서버는 사용자의 성향 정보에 따른 분석 결과 리포트를 생성할 수 있다. 분석 결과 리포트는 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보들 각각의 평가 요소에 관한 분석 결과 및 정보들을 포함할 수 있다. In step S413, the server may generate an analysis result report according to the user's tendency information. The analysis result report may include analysis results and information regarding each evaluation element of the user's external disposition, internal disposition, and emotional disposition information.
S415 단계에서, 서버는 생성한 사용자의 성향 정보에 따른 분석 결과 리포트를 사용자 단말에게 전송할 수 있다. 여기서, 서버에 의한 분석 결과 리포트 생성 동작 및 서버에 의해 생성된 분석 결과 리포트는 아래에 설명한 바와 같을 수 있다. In step S415 , the server may transmit an analysis result report according to the generated user propensity information to the user terminal. Here, the operation of generating the analysis result report by the server and the analysis result report generated by the server may be as described below.
도 7은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 결과 리포트 생성 동작의 일 실시예를 도시한 흐름도이다. 7 is a flowchart illustrating an operation of generating an analysis result report of a survey data analysis system for analyzing a user's tendency according to an embodiment.
S701 단계에서, 서버는 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류할 수 있다. 구체적으로, 서버는 성향 정보에 따라 분류된 퍼스널 태그들의 값을 기초로, 성향 정보 중에서 우세 요소들 및 약세 요소들을 분류할 수 있다.In step S701 , the server may classify dominant factors and weakness factors among the user's external tendency, internal tendency, and emotional tendency. Specifically, the server may classify the dominant elements and the weak elements among the tendency information based on the values of the personal tags classified according to the tendency information.
S703 단계에서, 서버는 우세 요소들 및 약세 요소들을 조합하여, 사용자의 성격 유형을 도출할 수 있다. 여기서, 사용자의 성격 유형을 도출하기 위해 우세 요소 및 약세 요소의 조합 방식은 아래에 설명하는 바와 같을 수 있다. In step S703 , the server may derive the personality type of the user by combining the dominant factors and the weak factors. Here, in order to derive the personality type of the user, a combination method of the dominant factor and the weakness factor may be as described below.
도 8은 사용자의 성향 분석을 위해 우세 요소 및 약세 요소들을 조합하여 설명하는 방법의 제1 실시예를 도시한 개념도이다. 8 is a conceptual diagram illustrating a first embodiment of a method for explaining a user's tendency by combining a dominant element and a bearish element for analysis of a user's tendency.
서버는 사용자 단말로부터 수신한 설문 조사 응답 데이터를 기초로 각각의 평가 요소들(예를 들어, A, B, C 및 D)의 부호(예를 들어, 양 또는 음) 및 크기 값을 포함하는 평가치를 도출할 수 있다. 서버는 도출한 평가 요소들 각각의 평가치들을 조합할 수 있다. 서버는 우세 요소들 및 약세 요소들을 조합함에 있어, 미리 정의된 조합식을 이용하여 우세 요소들 및 약세 요소들을 조합할 수 있다. The server evaluates including the sign (eg, positive or negative) and magnitude value of each of the evaluation elements (eg, A, B, C and D) based on the survey response data received from the user terminal value can be derived. The server may combine evaluation values of each of the derived evaluation elements. In combining the dominant elements and the bearish elements, the server may combine the dominant elements and the bearish elements using a predefined combination formula.
여기서 조합식들은 전체 요소 조합식, 우세 요소값 조합식, 우세 요소값/약세 요소값 조합식 및 특정 요소 조건 조합식 등을 포함할 수 있다. 서버는 설문 조사 데이터의 유형에 따라서 조합식을 결정하고, 결정한 조합식을 이용하여 요소들을 조합할 수 있다. Here, the combination formulas may include an entire element combination formula, a dominant element value combination formula, a dominant element value/weak element value combination formula, and a specific element condition combination formula. The server may determine a combination formula according to the type of survey data, and combine elements using the determined combination formula.
전체 요소 조합식은 설문 조사의 평가 요소들 전체 요소를 지정하고, 평가 요소들 전체를 조합할 수 있다. 예를 들어, 서버는 전체 요소 조합식을 이용하여, 설문 조사의 평가 요소들 각각의 부호를 기초로 사용자의 성향을 분석할 수 있다. 여기서, 설문 조사의 평가 요소들 각각은 제2 퍼스널 태그들 각각일 수 있으며, 서버는 제2 퍼스널 태그들 각각에 대한 측정치의 부호를 기초로 사용자의 성향을 분석할 수 있다. 제2 퍼스널 태그들 중 A, B, C, D 각각의 부호가 +, -, +, -인 경우, 서버는 A 내지 D 각각의 측정치의 부호(+, -, +, -)를 기초로, A 내지 D에 대응되는 제2 퍼스널 태그에 반영할 수 있다. The total element combination formula may designate all elements of the evaluation elements of the survey, and combine all of the evaluation elements. For example, the server may analyze the user's tendency based on the sign of each evaluation element of the survey by using the whole element combination formula. Here, each of the evaluation elements of the survey may be each of the second personal tags, and the server may analyze the user's tendency based on the sign of the measurement value for each of the second personal tags. If the sign of each of A, B, C, and D among the second personal tags is +, -, +, -, the server based on the sign (+, -, +, -) of each measurement value of A to D, It can be reflected in the second personal tag corresponding to A to D.
우세 요소 조합식은 설문 조사의 평가 요소들 중에서, 우세 요소들을 지정하고, 우세 요소들을 조합함으로써, 사용자의 성향 분석 결과를 도출하는 조합식일 수 있다. 여기서, 설문 조사의 평가 요소들 각각은 제1 퍼스널 태그들 각각일 수 있으며, 서버는 제1 퍼스널 태그들 각각에 대한 측정치의 부호를 기초로 사용자의 성향(예를 들어, 제2 퍼스널 태그)을 분석할 수 있다. A 내지 D의 측정치의 크기가 B, A, C, D 순으로 측정된 경우, 서버는 측정치들 중 상대적으로 큰 값을 가지는 B, A의 측정치를 조합하고, 조합된 측정치 값을 제2 퍼스널 태그에 반영할 수 있다. 서버는 우세 요소 조합식을 이용하여, 우세 요소들 값을 표준 편차에 따라 조합할 수 있다. 여기서, 서버는 우세 요소들 각각의 서로 다른 값에 따라 우세 요소들 각각에 가중치를 더 부여할 수 있다.The dominant factor combination formula may be a combination formula for deriving a user's tendency analysis result by designating dominant factors among evaluation factors of a survey and combining the dominant factors. Here, each of the evaluation elements of the survey may be each of the first personal tags, and the server determines the user's tendency (eg, the second personal tag) based on the sign of the measurement value for each of the first personal tags. can be analyzed. When the magnitudes of the measured values of A to D are measured in the order of B, A, C, and D, the server combines the measured values of B and A having a relatively large value among the measured values, and sets the combined measured value to the second personal tag can be reflected in The server may combine the values of the dominant factors according to the standard deviation by using the dominant factor combination formula. Here, the server may further assign a weight to each of the dominant factors according to different values of each of the dominant factors.
우세 요소값/약세 요소값 조합식은 평가 요소들 중에서, 우세 요소들 및 약세요소들을 분류하고, 최우세 요소 및 최약세 요소 값을 조합함으로써, 사용자의 성향 분석 결과를 도출하는 조합식일 수 있다. 여기서, 설문 조사의 평가 요소들 각각은 제1 퍼스널 태그들 및/또는 제2 퍼스널 태그들 각각일 수 있으며, 서버는 제1 퍼스널 태그들 각각에 대한 측정치의 부호 및/또는 크기를 기초로 사용자의 성향(예를 들어, 제2 퍼스널 태그 등)을 분석할 수 있다. A 내지 D의 측정치들 중에서, A의 측정치가 가장 큰 양수 값이고, B의 측정치가 가장 작은 음수 값인 경우, 서버는 측정치들 중 가장 큰 값을 가지는 A의 측정치와 가장 작은 값을 가지는 B의 측정치를 조합하고, 조합된 측정치 값을 사용자의 성향(예를 들어, 제2 퍼스널 태그 등)에 반영할 수 있다. 서버는 우세 요소값/약세 요소값 조합식을 이용하여, 우세 요소들 및 약세요소들로 분류된 평가 요소들 각각에 대해 결과를 분석하고, 특히 최우세 요소 및 최약세 요소의 분석 결과를 기초로 사용자의 성향 분석 결과를 도출할 수 있다. The dominance element value/weak element value combination formula may be a combination formula for deriving a user's propensity analysis result by classifying dominant elements and weak elements among evaluation elements, and combining the values of the dominant element and the weakest element. Here, each of the evaluation elements of the survey may be first personal tags and/or second personal tags, respectively, and the server determines the user's A tendency (eg, a second personal tag, etc.) may be analyzed. Among the measurements of A to D, when the measurement of A is the largest positive value and the measurement of B is the smallest negative value, the server determines the measurement of A having the largest value and the measurement of B having the smallest value among the measurements. may be combined, and the combined measured value may be reflected in a user's tendency (eg, a second personal tag, etc.). The server analyzes the results for each of the evaluation factors classified into dominant factors and weak factors by using the dominant factor value/weakening factor value combination formula, and in particular, based on the analysis results of the dominant factor and the weakest factor A user's tendency analysis result can be derived.
특정 요소 조건 조합식은 설문 조사의 평가 요소들 중에서 미리 설정된 조건에 따른 특정 요소의 빈출도를 기초로 사용자의 성향 분석 결과를 도출하는 조합식일 수 있다. 여기서, 설문 조사의 평가 요소들 각각은 제1 퍼스널 태그들 및/또는 제2 퍼스널 태그들 각각일 수 있으며, 서버는 제1 퍼스널 태그들 각각에 대한 빈출도를 기초로 사용자의 성향(예를 들어, 제2 퍼스널 태그 등)을 분석할 수 있다. 예를 들어, 복수의 평가 요소들 중에서, 특정 평가 요소(예를 들어, 도 8에 따르면 3번 요소)가 3회 이상 수집된 경우, 서버는 A 결과를 도출할 수 있으며, 특정 평가 요소(예를 들어, 도 8에 따르면 3번 요소)가 3회 미만 수집된 경우, 서버는 B 결과를 도출할 수 있다. 서버는 도출한 결과(예를 들어, A 결과 및/또는 B 결과)를 반영함으로써, 사용자의 성향 분석 결과를 도출할 수 있다. The specific element condition combination formula may be a combination formula for deriving the user's propensity analysis result based on the frequency of a specific element according to a preset condition among evaluation elements of a survey. Here, each of the evaluation elements of the survey may be each of the first personal tags and/or the second personal tags, and the server determines the user's tendency (for example, based on the frequency of each of the first personal tags). , a second personal tag, etc.) can be analyzed. For example, among the plurality of evaluation elements, when a specific evaluation element (eg,
도 9는 사용자의 성향 분석을 위해 우세 요소 및 약세 요소들을 조합하여 설명하는 방법의 제2 실시예를 도시한 개념도이다. 9 is a conceptual diagram illustrating a second embodiment of a method for explaining a combination of a dominant element and a bearish element for analysis of a user's tendency.
서버는 사용자 단말로부터 수신한 설문 조사 응답 데이터를 기초로 각각의 평가 요소들(예를 들어, A, B, C 및 D)의 부호(예를 들어, 양 또는 음) 및 크기 값을 도출 수 있다. 서버는 도출한 평가 요소들 각각의 값들을 조합할 수 있다. 서버는 우세 요소들 및 약세 요소들을 조합함에 있어, 미리 정의된 조합식을 이용하여 우세 요소들 및 약세 요소들을 조합할 수 있다. 여기서 조합식은 우세 요소값 조합식과 우세 요소값/약세 요소값 조합식을 결합한 형태의 조합식일 수 있다. The server may derive a sign (eg, positive or negative) and magnitude value of each of the evaluation elements (eg, A, B, C, and D) based on the survey response data received from the user terminal . The server may combine the values of each of the derived evaluation factors. In combining the dominant elements and the bearish elements, the server may combine the dominant elements and the bearish elements using a predefined combination formula. Here, the combination formula may be a combination formula in which the dominant element value combination formula and the dominant element value/weak element value combination formula are combined.
여기서, 설문 조사의 평가 요소들 각각은 제1 퍼스널 태그들 각각일 수 있으며, 서버는 제1 퍼스널 태그들 각각에 대한 측정치의 부호를 기초로 사용자의 성향(예를 들어, 제2 퍼스널 태그)을 분석할 수 있다. A 내지 D의 측정치들 중에서, B의 측정치가 가장 큰 양수 값이고, A의 측정치가 두번째로 큰 양수 값이며, D의 측정치가 가장 작은 음수 값일 수 있다. 서버는 측정치들 중 가장 큰 값을 가지는 B의 측정치와 두번째로 큰 값을 가지는 A의 측정치를 조합하고, 조합된 결과를 반영함으로써, 사용자의 성향 분석 결과를 도출할 수 있다. Here, each of the evaluation elements of the survey may be each of the first personal tags, and the server determines the user's tendency (eg, the second personal tag) based on the sign of the measurement value for each of the first personal tags. can be analyzed. Among the measurements A to D, the measurement of B may be the largest positive value, the measurement of A may be the second largest positive value, and the measurement of D may be the smallest negative value. The server may derive the user's tendency analysis result by combining the measurement value of B having the largest value among the measurement values and the measurement value of A having the second largest value and reflecting the combined result.
그리고 서버는 가장 큰 값을 가지는 B의 측정치와 가장 작은 값을 가지는 D의 측정치를 조합하고, 조합된 측정치 값을 사용자의 성향(예를 들어, 제2 퍼스널 태그 등)에 추가로 반영할 수 있다.In addition, the server may combine the measurement value of B having the largest value and the measurement value of D having the smallest value, and additionally reflect the combined measurement value to the user's tendency (eg, a second personal tag, etc.) .
서버는 우세 요소 조합식을 이용하여, 우세 요소들 값을 표준 편차에 따라 조합할 수 있다. 여기서, 서버는 우세 요소들 각각의 서로 다른 값에 따라 우세 요소들 각각에 가중치를 더 부여할 수 있다. 그리고, 서버는 약세 요소들 중에서 최약세 요소 값에 대한 결과를 분석하고, 우세 요소들을 반영한 후, 최약세 요소를 더 반영함으로써, 사용자의 성향 분석 결과를 도출할 수 있다. The server may combine the values of the dominant factors according to the standard deviation by using the dominant factor combination formula. Here, the server may further assign a weight to each of the dominant factors according to different values of each of the dominant factors. And, the server may derive the user's tendency analysis result by analyzing the result for the value of the weakest element among the bearish elements, reflecting the dominant elements, and further reflecting the weakest element.
다시 도 7을 참조하면, S705 단계에서, 서버는 사용자의 우세 요소들 및 약세 요소들 각각에 대한 분석 결과를 생성할 수 있다. 여기서, 분석 결과는 분석 결과를 도출하는 데에 이용된 조합식에 따라서, 사용자의 외적 성향, 내적 성향 및 감정적 성향들에 대한 평가 요소들 전체에 대한 분석 결과일 수 있으며, 또는 평가 요소들 중 일부에 대한 분석 결과일 수 있다. Referring back to FIG. 7 , in step S705 , the server may generate analysis results for each of the user's dominant elements and bearish elements. Here, the analysis result may be an analysis result of all evaluation elements for the user's external tendency, internal tendency, and emotional tendency, or some of the evaluation elements, depending on the combination formula used to derive the analysis result. It may be an analysis result for
S707 단계에서, 서버는 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 사용자의 퍼스널 태그들을 기초로, 사용자에 대한 분석 결과 리포트를 생성할 수 있다. 서버에 의해 사용자에 대한 분석 결과 리포트를 생성하기 위한 동작 및 분석 결과 리포트는 아래에 설명하는 바와 같을 수 있다. In step S707 , the server may generate an analysis result report for the user based on the user's personal tags classified according to each of the user's external disposition, internal disposition, and emotional disposition. An operation for generating the analysis result report for the user by the server and the analysis result report may be as described below.
도 10은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 의해 생성되는 분석 결과 리포트의 일 실시예를 도시한 개념도이다. 10 is a conceptual diagram illustrating an example of an analysis result report generated by a survey data analysis system for analyzing a user's tendency.
도 10을 참조하면, 서버는 설문 조사 응답 데이터의 분석 결과 외적 성향, 내적 성향 등을 포함하는 사용자의 성향에 관한 정보를 확보할 수 있으며, 확보한 사용자의 성향 정보를 기초로 사용자의 성향 분석 결과 리포트를 생성할 수 있다. 예를 들어, 서버는 서버는 설문 조사 응답 데이터의 분석 결과 제1 성향 내지 제3 성향에 대한 리포트인 제1 성향 리포트 내지 제3 성향 리포트를 생성할 수 있다. Referring to FIG. 10 , the server may secure information about the user's propensity including an external propensity, an internal propensity, etc. as a result of analyzing the survey response data, and the user's propensity analysis result based on the secured user propensity information You can create a report. For example, the server may generate a first disposition report to a third disposition report that is a report on the first to third dispositions as a result of the analysis of the survey response data.
서버는 사용자의 외적 성향 정보를 기초로 사용자의 인간 관계에 대한 분석 결과 리포트를 생성할 수 있다. 예를 들어, 서버는 사용자의 성향 정보를 기초로 사용자의 인간 관계 형성 능력을 분석한 관계 형성 능력 리포트, 사용자의 인간 관계 지속 능력을 분석한 관계 지속 능력 리포트를 생성할 수 있다. 또한 서버는 사용자의 외적 성향 정보를 기초로 사용자의 미래 산업에 대한 적합도를 분석한 미래 산업 적합도 리포트를 생성할 수 있다. 여기서, 서버는 사용자 단말로부터 수신한 사용자의 요청에 따라 사용자의 성향 분석 결과 리포트를 생성할 수 있다. The server may generate an analysis result report on the user's human relationship based on the user's external tendency information. For example, the server may generate a relationship-forming ability report that analyzes the user's human relationship-forming ability and a relationship-sustaining capability report that analyzes the user's human relationship lasting capability based on the user's propensity information. In addition, the server may generate a future industry fitness report that analyzes the user's fitness for the future industry based on the user's external tendency information. Here, the server may generate the user's tendency analysis result report according to the user's request received from the user terminal.
서버는 사용자의 내적 성향 정보를 기초로 특정한 판단 대상에 대한 사용자의 적합성 여부를 분석한 대상 별 적합성 리포트를 생성할 수 있다. 여기서 판단 대상은 학업, 학과, 진로, 직업, 업무, 특정 인물 중 어느 하나의 대상일 수 있다. 예를 들어, 판단 대상이 학업인 경우, 대상 별 적합성 리포트는 수리 학업 적성 분석 결과 리포트, 논술 성적 향상 가능성 분석 결과 리포트 등과 같이 사용자의 학업 적성에 관한 분석 결과 정보를 포함할 수 있다. 여기서, 서버는 사용자 단말에 요청에 따라서 판단 대상을 결정할 수 있어, 사용자의 요청에 따라 대상 별 적합성 리포트를 생성할 수 있다. The server may generate a suitability report for each object in which the suitability of the user for a specific judgment object is analyzed based on the user's internal tendency information. Here, the judgment target may be any one of academic, department, career, occupation, work, and a specific person. For example, when the target of judgment is academic, the suitability report for each target may include analysis result information regarding the user's academic aptitude, such as a mathematical academic aptitude analysis result report, an essay performance improvement possibility analysis result report, and the like. Here, the server may determine a determination target according to a request from the user terminal, and may generate a suitability report for each target according to the user's request.
서버는 사용자의 외적 성향 분석 결과 및 사용자의 내적 성향 분석 결과를 종합하여 개인별 분석 결과인 개인별 결과 리포트를 생성할 수 있다. 여기서, 외적 성향 분석 결과 리포트는 사용자의 내적 성향 분석 결과 리포트와 연관성을 가질 수 있다. 그리고 서버는 사용자의 성향을 분석하고 개인별 결과 리포트를 생성하기 위해, 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보의 하위 요소들 및 퍼스널 태그들을 지속적으로 수집할 수 있다. The server may generate an individual result report that is an individual analysis result by synthesizing the user's external tendency analysis result and the user's internal tendency analysis result. Here, the external tendency analysis result report may have correlation with the user's internal tendency analysis result report. In addition, the server may continuously collect personal tags and sub-elements of the user's external tendency, internal tendency, and emotional tendency information in order to analyze the user's tendency and generate an individual result report.
도 11은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 추가설문 데이터를 통한 사용자 성향 분석 동작의 일 실시예를 도시한 순서도이다. 11 is a flowchart illustrating an example of an operation of analyzing user propensity through additional questionnaire data of a survey data analysis system for analyzing user propensity.
S1101 단계에서, 서버는 사용자 단말에게 추가 설문 조사 데이터를 전송할 수 있다. 구체적으로, 서버는 데이터베이스에 저장된 복수의 추가 설문 조사 데이터들 중에서, 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 하나의 추가 설문 조사 데이터를 결정할 수 있다. 서버는 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 입력 값으로 하는 인공 신경망 모델에 의해 하나의 추가 설문 조사 데이터를 결정할 수 있다. In step S1101, the server may transmit additional survey data to the user terminal. Specifically, the server may determine one additional questionnaire data from among the plurality of additional questionnaire data stored in the database, based on the user's external tendency, internal tendency, and emotional tendency information. The server may determine one additional survey data by an artificial neural network model using the user's external tendency, internal tendency, and emotional tendency information as input values.
S1103 단계에서, 사용자 단말은 사용자로부터 추가 설문 조사에 대한 응답 데이터를 입력받을 수 있다. 사용자는 사용자 단말에 의해 출력되는 추가 설문 조사 데이터의 복수개의 문항들 및 응답지들을 확인할 수 있으며, 복수개의 문항들 각각에 대한 응답지를 선택할 수 있다. 사용자 단말은 사용자로부터 입력 받은 복수개의 문항들 각각에 대한 응답 정보를 저장할 수 있다. In step S1103, the user terminal may receive response data for the additional survey from the user. The user may check a plurality of questions and answer sheets of the additional survey data output by the user terminal, and may select a response sheet for each of the plurality of questions. The user terminal may store response information for each of a plurality of items received from the user.
S1105 단계에서, 서버는 사용자 단말로부터 추가 설문 조사 데이터에 대한 응답 데이터를 수신할 수 있다. 서버는 사용자 단말로부터 사용자의 식별 정보(예를 들어, ID 등) 및 사용자에 의해 입력된 복수개의 문항들 각각에 대해 선택된 응답지 정보를 포함하는 추가 설문 조사 응답 메시지를 수신할 수 있다. In step S1105, the server may receive response data to the additional survey data from the user terminal. The server may receive an additional survey response message including identification information (eg, ID, etc.) of the user from the user terminal and information on a response sheet selected for each of a plurality of questions input by the user.
S1107 단계에서, 서버는 추가 설문 조사 응답 데이터의 노이즈를 검출할 수 있다. 구체적으로, 서버는 추가 설문 조사 데이터 중에서, 서로 간의 연관 관계를 가지는 설문들 각각에 대한 응답지 정보의 비교 결과를 기초로, 추가 설문 조사 데이터에 대한 응답 데이터의 노이즈를 검출할 수 있다. 또는 서버는 사용자의 기존 성향 분석 결과와 추가 설문 조사의 응답 데이터와의 비교 결과를 기초로 추가 설문 조사 데이터에 대한 응답 데이터의 노이즈를 검출할 수 있다. In step S1107, the server may detect noise in the additional survey response data. Specifically, the server may detect noise in response data to the additional questionnaire data based on a comparison result of response sheet information for each of the questionnaires having a correlation with each other among the additional questionnaire data. Alternatively, the server may detect noise in response data to the additional survey data based on a comparison result between the user's existing tendency analysis result and the response data of the additional survey.
S1109 단계에서, 서버는 추가 설문 조사 데이터에 대한 응답 데이터를 기반으로 사용자의 성향 정보를 업데이트할 수 있다. 예를 들어, 서버는 추가 설문 조사 데이터에 대한 응답 데이터를 기반으로 외적 성향, 내적 성향 및 감정적 성향 중 하나 이상의 성향을 업데이트할 수 있다. In step S1109, the server may update the user's tendency information based on the response data to the additional survey data. For example, the server may update one or more of an external tendency, an internal tendency, and an emotional tendency based on response data to the additional survey data.
도 12는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 의해 제공되는 추가 설문 조사 데이터의 일 실시예를 도시한 개념도이다. 12 is a conceptual diagram illustrating an embodiment of additional survey data provided by a survey data analysis system for analyzing user propensity.
추가 설문 조사 데이터는 외적 성향, 내적 성향 및 감정적 성향 중 하나의 하위 성향에 관한 정보를 획득하기 위한 설문 조사 데이터일 수 있다. 도 12에 도시된 바에 따르면, 추가 설문 조사 데이터는 제6 성향에 관한 정보를 획득하기 위한 설문 조사 데이터일 수 있다. The additional survey data may be survey data for acquiring information on one sub-propensity of an external tendency, an internal tendency, and an emotional tendency. Referring to FIG. 12 , the additional survey data may be survey data for obtaining information on the sixth tendency.
추가 설문 조사 데이터를 통해 획득하고자 하는 성향에 관한 정보는 미리 정의될 수 있다. 그리고 추가 설문 조사 데이터는 미리 설정된 주제와 키워드를 가질 수 있다. 추가 설문 조사 데이터는 미리 설정된 주제와 키워드를 통한 스토리텔링(story telling) 형식의 설문 조사일 수 있다. 추가 설문 조사 데이터의 주제 및 키워드는 사용자에게 적합한 추가 설문 조사 데이터를 탐색하기 위해 활용될 수 있다. Information about a tendency to be obtained through additional survey data may be predefined. In addition, the additional survey data may have preset topics and keywords. The additional survey data may be a survey in the form of story telling through preset topics and keywords. Subjects and keywords of the additional survey data may be utilized to search for additional survey data suitable for the user.
추가 설문 조사 데이터는 복수개의 문항(question)들과 문항들 각각에 대한 보기(answer)를 포함할 수 있다. 보기들 각각은 성향의 하위 요소인 특성 정보를 측정하기 위한 선택지일 수 있다. 보기들 각각과 하위 요소의 측정치는 서로 맵핑되는 관계일 수 있다. 측정치는 특성 정보에 대한 부호와 크기 정보를 포함할 수 있다. 즉, 사용자가 선택한 보기에 따라서 사용자의 하위 요소는 다르게 측정될 수 있다. 서버는 문항에 대한 사용자에 의해 선택된 보기 정보를 기초로 성향의 하위 요소를 측정할 수 있다. 예를 들어, 문항#1에 대한 보기#1-1을 참조하면, 보기#1-1는 측정 대상인 제6 성향에 포함되는 제6-1 특성에 대한 측정치(-1)와 맵핑될 수 있다. The additional survey data may include a plurality of questions and an answer for each of the questions. Each of the examples may be an option for measuring characteristic information, which is a sub-element of a tendency. Each of the views and a measure of a sub-element may have a relationship that maps to each other. The measurement value may include sign and magnitude information for the characteristic information. That is, the sub-elements of the user may be measured differently according to the view selected by the user. The server may measure a sub-element of propensity based on view information selected by the user for the item. For example, referring to example #1-1 with respect to
추가 설문 조사 데이터의 복수개의 문항들 중 적어도 일부는 측정 대상 성향과 연관성을 갖는 별도 성향의 추가 하위 요소들의 측정치와 더 맵핑될 수 있다. 예를 들어, 문항#2에 대한 보기#2-2를 참조하면, 보기#2-2는 별도 성향인 제5 성향에 포함되는 제5-2 특성에 대한 측정치(+0.7)와 맵핑될 수 있다. At least some of the plurality of items of the additional survey data may be further mapped with measurements of additional sub-elements of a separate tendency that are correlated with the measurement target tendency. For example, referring to option #2-2 for
서버는 추가 설문 조사에 대한 응답률을 높이기 위해, 사용자에게 적합한 추가 설문 조사 데이터를 결정하는 인공 신경망 모델을 업데이트할 수 있다. 예를 들어, 서버는 미리 설정된 기간 이내에 사용자 단말로부터 추가 설문 조사 데이터에 대한 응답 데이터를 수신하였는지 여부를 판단할 수 있다. 그리고, 서버는 추가 설문 조사 데이터에 대한 상기 응답 데이터의 수신 여부를 기초로, 인공 신경망 모델을 업데이트할 수 있다. The server may update the artificial neural network model that determines additional survey data suitable for the user in order to increase the response rate to the additional survey. For example, the server may determine whether response data to the additional survey data is received from the user terminal within a preset period. In addition, the server may update the artificial neural network model based on whether the response data to the additional survey data is received.
서버는 사용자로부터 수신한 설문 조사 및/또는 추가 설문 조사에 대한 응답 데이터를 기초로, 사용자에게 최적화된 오브젝트 및/또는 컨텐츠를 추천하거나 제공할 수 있다. 사용자에게 최적화된 오브젝트 및/또는 컨텐츠를 추천하는 서버의 동작은 아래에 설명하는 바와 같을 수 있다. The server may recommend or provide an object and/or content optimized to the user based on response data to the survey and/or additional survey received from the user. An operation of the server for recommending an object and/or content optimized for a user may be described below.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.The methods according to the present invention may be implemented in the form of program instructions that can be executed by various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the computer-readable medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the art of computer software.
컴퓨터 판독 가능 매체의 예에는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.Examples of computer-readable media include hardware devices specially configured to store and carry out program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware device described above may be configured to operate as at least one software module to perform the operations of the present invention, and vice versa.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. Although it has been described with reference to the above embodiments, it will be understood by those skilled in the art that various modifications and changes can be made to the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. will be able
Claims (4)
서버가 사용자 단말에게 미리 저장된 설문 조사 데이터를 전송하는 단계;
서버가 응답 데이터를 수신하는 단계;
서버가 상기 설문 조사 데이터에 포함된 단어들 각각에 미리 정의된 퍼스널 태그를 기초로, 상기 응답 데이터를 기반으로 한 상기 사용자의 퍼스널 태그들의 정보를 획득하는 단계;
서버가 상기 사용자의 퍼스널 태그들을 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하는 단계;
상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 상기 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성하는 단계;
상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 상기 사용자의 퍼스널 태그들을 기초로, 상기 사용자에 대한 분석 결과 리포트를 생성하는 단계; 및
상시 생성한 분석 결과 리포트를 상기 사용자 단말에게 전송하는 단계;를 포함하고,
상기 퍼스널 태그는 복수의 제1 퍼스널 태그 및 상기 복수의 제1 퍼스널 태그를 그룹핑하는 제2 퍼스널 태그를 포함하고, 상기 제2 퍼스널 태그는 외적 성향 및 내적 성향으로 구분되는 제1 성향 내지 제6 성향을 포함하고, 상기 복수의 제1 퍼스널 태그 중 일부는 사람의 감정 상태가 발현되는 특성에 관한 정보이며,
상기 제2 퍼스널 태그는 제7 성향을 더 포함하되, 상기 제7 성향의 제2 퍼스널 태그는 사람의 감정 상태가 발현되는 특성에 관한 정보인 제1 퍼스널 태그로 구성되는, 성향 분석 및 분석 결과 제공 방법. In a method for analyzing a user's tendency using a tendency analysis system and providing analysis results,
transmitting, by the server, pre-stored survey data to the user terminal;
receiving, by the server, response data;
obtaining, by a server, information on the user's personal tags based on the response data based on a personal tag predefined for each of the words included in the survey data;
classifying, by the server, the personal tags of the user according to each of the user's external tendency, internal tendency, and emotional tendency;
generating a data set for providing interest information optimized to the user based on the user's external tendency, internal tendency, and emotional tendency information;
generating an analysis result report for the user based on the user's personal tags classified according to each of the user's external disposition, internal disposition, and emotional disposition; and
Transmitting the always generated analysis result report to the user terminal; includes,
The personal tag includes a plurality of first personal tags and a second personal tag grouping the plurality of first personal tags, and the second personal tag includes first to sixth tendencies divided into an external tendency and an internal tendency. Including, some of the plurality of first personal tags is information about the characteristics of a person's emotional state is expressed,
The second personal tag further includes a seventh tendency, wherein the second personal tag of the seventh tendency is composed of a first personal tag that is information about a characteristic in which a person's emotional state is expressed, and provides a tendency analysis and analysis result Way.
상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류하는 단계;
상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하는 단계;
상기 사용자의 상기 우세 요소들 및 상기 약세 요소들 각각에 대한 분석 결과를 생성하는 단계; 및
상기 사용자의 성격 유형을 상기 분석 결과 리포트에 반영하는 단계를 포함하는, 성향 분석 및 분석 결과 제공 방법. The method according to claim 1,
classifying dominant factors and weakness factors among the user's extrinsic disposition, internal disposition, and emotional disposition;
deriving a personality type of the user by combining the dominant factors and the weakness factors;
generating an analysis result for each of the dominant factors and the bearish factors of the user; and
Including the step of reflecting the user's personality type in the analysis result report, tendency analysis and analysis result providing method.
적어도 하나의 프로그램이 저장된 메모리;
상기 적어도 하나의 프로그램 명령을 수행하는 프로세서; 및
네트워크와 연결되어 통신을 수행하는 송수신 장치를 포함하고,
상기 적어도 하나의 프로그램 명령은,
사용자 단말에게 미리 저장된 설문 조사 데이터를 전송하고;
응답 데이터를 수신하고;
상기 설문 조사 데이터에 포함된 단어들 각각에 미리 정의된 퍼스널 태그를 기초로, 상기 응답 데이터를 기반으로 한 상기 사용자의 퍼스널 태그들의 정보를 획득하고;
상기 사용자의 퍼스널 태그들을 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하고;
상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 상기 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성하고;
상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 상기 사용자의 퍼스널 태그들을 기초로, 상기 사용자에 대한 분석 결과 리포트를 생성하고; 그리고
상시 생성한 분석 결과 리포트를 상기 사용자 단말에게 전송하고,
상기 퍼스널 태그는 복수의 제1 퍼스널 태그 및 상기 복수의 제1 퍼스널 태그를 그룹핑하는 제2 퍼스널 태그를 포함하고, 상기 제2 퍼스널 태그는 외적 성향 및 내적 성향으로 구분되는 제1 성향 내지 제6 성향을 포함하고, 상기 복수의 제1 퍼스널 태그 중 일부는 사람의 감정 상태가 발현되는 특성에 관한 정보이며,
상기 제2 퍼스널 태그는 제7 성향을 더 포함하되, 상기 제7 성향의 제2 퍼스널 태그는 사람의 감정 상태가 발현되는 특성에 관한 정보인 제1 퍼스널 태그로 구성되는, 서버. In the server of the propensity analysis system,
a memory in which at least one program is stored;
a processor executing the at least one program instruction; and
It includes a transceiver device connected to the network to perform communication,
The at least one program instruction comprises:
transmitting pre-stored survey data to the user terminal;
receive response data;
obtaining information on personal tags of the user based on the response data based on a personal tag predefined for each of the words included in the survey data;
classifying the user's personal tags according to each of the user's external disposition, internal disposition and emotional disposition;
generating a data set for providing interest information optimized to the user based on the user's external disposition, internal disposition, and emotional disposition information;
generate an analysis result report for the user based on the user's personal tags classified according to each of the user's external disposition, internal disposition, and emotional disposition; and
Transmitting the always generated analysis result report to the user terminal,
The personal tag includes a plurality of first personal tags and a second personal tag grouping the plurality of first personal tags, and the second personal tag includes first to sixth tendencies divided into an external tendency and an internal tendency. Including, some of the plurality of first personal tags is information about the characteristics of a person's emotional state is expressed,
The second personal tag further includes a seventh tendency, wherein the second personal tag of the seventh tendency is composed of a first personal tag that is information about a characteristic in which a person's emotional state is expressed.
상기 적어도 하나의 프로그램 명령은,
상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류하고;
상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하고;
상기 사용자의 상기 우세 요소들 및 상기 약세 요소들 각각에 대한 분석 결과를 생성하고; 그리고
상기 사용자의 성격 유형을 상기 분석 결과 리포트에 반영하도록 더 실행되는, 서버. 5. The method according to claim 4,
The at least one program instruction comprises:
classifying dominant factors and weakness factors from among the user's extrinsic disposition, intrinsic disposition and emotional disposition;
combining the dominant factors and the bearish factors to derive a personality type of the user;
generate an analysis result for each of the dominant factors and the bearish factors of the user; and
The server is further executed to reflect the personality type of the user in the analysis result report.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210088185A KR102610787B1 (en) | 2020-12-28 | 2021-07-06 | Method for analyzing survey data to analyze disposition of user and system thereof |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200184271 | 2020-12-28 | ||
| KR1020210088185A KR102610787B1 (en) | 2020-12-28 | 2021-07-06 | Method for analyzing survey data to analyze disposition of user and system thereof |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200184271 Division | 2020-12-28 | 2020-12-28 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220094101A true KR20220094101A (en) | 2022-07-05 |
| KR102610787B1 KR102610787B1 (en) | 2023-12-06 |
Family
ID=82402270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210088185A KR102610787B1 (en) | 2020-12-28 | 2021-07-06 | Method for analyzing survey data to analyze disposition of user and system thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102610787B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140060112A (en) * | 2012-11-09 | 2014-05-19 | 삼성전자주식회사 | Apparatus and method for determining user's mental state |
| KR20190115299A (en) * | 2018-04-02 | 2019-10-11 | 스토리앤브라더스(주) | A method and server for providing a service for determining matching fitness of users |
| KR102061893B1 (en) * | 2019-08-18 | 2020-01-06 | 주식회사 알앤디아시아 | Social learning system using question-answering |
| KR102164836B1 (en) | 2019-07-10 | 2020-10-13 | 주식회사 엘지유플러스 | Apparatus for contents recommendation, and control method |
-
2021
- 2021-07-06 KR KR1020210088185A patent/KR102610787B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140060112A (en) * | 2012-11-09 | 2014-05-19 | 삼성전자주식회사 | Apparatus and method for determining user's mental state |
| KR20190115299A (en) * | 2018-04-02 | 2019-10-11 | 스토리앤브라더스(주) | A method and server for providing a service for determining matching fitness of users |
| KR102164836B1 (en) | 2019-07-10 | 2020-10-13 | 주식회사 엘지유플러스 | Apparatus for contents recommendation, and control method |
| KR102061893B1 (en) * | 2019-08-18 | 2020-01-06 | 주식회사 알앤디아시아 | Social learning system using question-answering |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102610787B1 (en) | 2023-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240095381A1 (en) | Personalized privacy assistant | |
| US20210150625A1 (en) | Customizing loan specifics on a per-user basis | |
| US20170154307A1 (en) | Personalized data-driven skill recommendations and skill gap prediction | |
| US11188992B2 (en) | Inferring appropriate courses for recommendation based on member characteristics | |
| CN105074694B (en) | The system and method for natural language processing | |
| US20180349440A1 (en) | Entity based query filtering | |
| US20190065458A1 (en) | Determination of languages spoken by a member of a social network | |
| Bray et al. | Disentangling the effects of self leader perceptions and ideal leader prototypes on leader judgments using loglinear modeling with latent variables | |
| US20180315019A1 (en) | Multinodal job-search control system | |
| KR102008992B1 (en) | Secretary service apparatus and the same methods using chatbot for real estates transaction | |
| Wong | Sequence based course recommender for personalized curriculum planning | |
| US20180218326A1 (en) | Job search with categorized results | |
| US20180218328A1 (en) | Job offerings based on company-employee relationships | |
| Crespo et al. | Predicting teamwork results from social network analysis | |
| KR102669829B1 (en) | Method for recommending object based on analyzing result of user disposition and system thereof | |
| KR20230005753A (en) | Method for, device for, and system for evaluating a learning ability of an user based on search information of the user | |
| KR20230005751A (en) | Method for, device for, and system for recommending solution contents maximizing an educational effect for users | |
| KR20230005752A (en) | Method for, device for, and system for recommending an web page contents maximizing an educational effect for users | |
| JP7505208B2 (en) | MATCHING SYSTEM, MATCHING METHOD, AND MATCHING PROGRAM | |
| Rincon et al. | Using emotions for the development of human-agent societies | |
| KR20220094101A (en) | Method for analyzing survey data to analyze disposition of user and system thereof | |
| KR20180111002A (en) | Method, apparatus and computer program for recommending alternative word for muticultural members | |
| EP3732607A1 (en) | Personalized privacy assistant | |
| US20220245659A1 (en) | Integrated explicit intent and inference based job seeker identification and segmentation | |
| US10275837B2 (en) | Recommending a social structure |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |