KR20220095445A - 맞춤형 추천 컨텐츠를 제공하는 서버 및 방법 - Google Patents
맞춤형 추천 컨텐츠를 제공하는 서버 및 방법 Download PDFInfo
- Publication number
- KR20220095445A KR20220095445A KR1020200186946A KR20200186946A KR20220095445A KR 20220095445 A KR20220095445 A KR 20220095445A KR 1020200186946 A KR1020200186946 A KR 1020200186946A KR 20200186946 A KR20200186946 A KR 20200186946A KR 20220095445 A KR20220095445 A KR 20220095445A
- Authority
- KR
- South Korea
- Prior art keywords
- content
- evaluation
- user
- contents
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 259
- 239000000284 extract Substances 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 19
- 230000000875 corresponding effect Effects 0.000 description 14
- 244000045947 parasite Species 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- HVCNNTAUBZIYCG-UHFFFAOYSA-N ethyl 2-[4-[(6-chloro-1,3-benzothiazol-2-yl)oxy]phenoxy]propanoate Chemical compound C1=CC(OC(C)C(=O)OCC)=CC=C1OC1=NC2=CC=C(Cl)C=C2S1 HVCNNTAUBZIYCG-UHFFFAOYSA-N 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- IBBLRJGOOANPTQ-JKVLGAQCSA-N quinapril hydrochloride Chemical compound Cl.C([C@@H](C(=O)OCC)N[C@@H](C)C(=O)N1[C@@H](CC2=CC=CC=C2C1)C(O)=O)CC1=CC=CC=C1 IBBLRJGOOANPTQ-JKVLGAQCSA-N 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4758—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for providing answers, e.g. voting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/482—End-user interface for program selection
- H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
맞춤형 추천 컨텐츠를 제공하는 서버는 사용자 단말로부터 맞춤형 추천 컨텐츠 서비스를 요청받는 요청부, 상기 맞춤형 추천 컨텐츠 서비스에 대한 요청에 기초하여 데이터베이스로부터 복수의 컨텐츠와 관련된 상기 사용자 단말의 사용자의 평가 이력 정보, 상기 사용자의 시청 이력 정보 및 상기 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보를 추출하는 추출부, 상기 추출된 정보에 기초하여 평가 후보 컨텐츠 리스트를 생성하는 평가 컨텐츠 리스트 생성부, 상기 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 상기 사용자 단말로 제공하는 제공부, 상기 사용자 단말로부터 상기 적어도 하나의 평가 후보 컨텐츠에 대한 선택 결과를 수신하는 수신부 및 상기 수신한 선택 결과 및 상기 추출된 정보에 기초하여 추천 컨텐츠 리스트를 생성하는 추천 컨텐츠 리스트 생성부를 포함한다.
Description
본 발명은 맞춤형 추천 컨텐츠를 제공하는 서버 및 방법에 관한 것이다.
IPTV(Internet Protocol Television)란 초고속 인터넷 망을 이용하여 영화와 방송프로그램과 같은 동영상 컨텐츠와 인터넷 검색 등 다양한 멀티미디어 컨텐츠를 텔레비전 수상기로 제공하는 양방향 방송 및 통신 서비스이다. 시청자는 리모컨을 이용하여 간단하게 인터넷 검색은 물론 영화 감상, 홈쇼핑, 홈뱅킹, 온라인 게임, MP3 등 인터넷이 제공하는 다양한 컨텐츠 및 부가 서비스를 IPTV로부터 제공받을 수 있다.
최근의 IPTV는 사용자들에게 주문형 컨텐츠 서비스를 제공하고 있으며, 이러한 서비스와 관련하여, 선행기술인 한국공개특허 제 2012-0124107호는 주문형 컨텐츠 추천 정보 제공 장치 및 방법을 개시하고 있다.
IPTV는 주문형 컨텐츠 서비스를 제공하는 경우, 사용자의 컨텐츠 선택을 돕기 위해 추천 컨텐츠 서비스를 제공하고 있다. 그러나 추천 컨텐츠 서비스의 경우, 사용자의 시청 성향과는 관계 없이 인기 컨텐츠 위주로 컨텐츠가 추천됨에 따라, 사용자의 흥미를 끌기 어렵다는 단점을 가지고 있다.
사용자 단말로부터 맞춤형 추천 컨텐츠 서비스를 요청받으면, 맞춤형 추천 컨텐츠 서비스에 대한 요청에 기초하여 데이터베이스로부터 복수의 컨텐츠와 관련된 사용자 단말의 사용자의 평가 이력 정보, 사용자의 시청 이력 정보 및 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보를 추출하고, 추출된 정보에 기초하여 평가 후보 컨텐츠 리스트를 생성하는 서버 및 방법을 제공하고자 한다.
평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 사용자 단말로 제공하고, 사용자 단말로부터 적어도 하나의 평가 후보 컨텐츠에 대한 선택 결과를 수신하는 서버 및 방법을 제공하고자 한다.
선택 결과 및 추출된 정보에 기초하여 추천 컨텐츠 리스트를 생성하는 서버 및 방법을 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명의 일 실시예는, 사용자 단말로부터 맞춤형 추천 컨텐츠 서비스를 요청받는 요청부, 상기 맞춤형 추천 컨텐츠 서비스에 대한 요청에 기초하여 데이터베이스로부터 복수의 컨텐츠와 관련된 상기 사용자 단말의 사용자의 평가 이력 정보, 상기 사용자의 시청 이력 정보 및 상기 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보를 추출하는 추출부, 상기 추출된 정보에 기초하여 평가 후보 컨텐츠 리스트를 생성하는 평가 컨텐츠 리스트 생성부, 상기 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 상기 사용자 단말로 제공하는 제공부, 상기 사용자 단말로부터 상기 적어도 하나의 평가 후보 컨텐츠에 대한 선택 결과를 수신하는 수신부 및 상기 수신한 선택 결과 및 상기 추출된 정보에 기초하여 추천 컨텐츠 리스트를 생성하는 추천 컨텐츠 리스트 생성부를 포함하는 컨텐츠 제공 서버를 제공할 수 있다.
본 발명의 다른 실시예는, 맞춤형 추천 컨텐츠 서비스를 컨텐츠 제공 서버로 요청하는 단계, 상기 컨텐츠 제공 서버로부터 복수의 컨텐츠와 관련된 상기 사용자 단말의 사용자의 평가 이력 정보, 상기 사용자의 시청 이력 정보 및 상기 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보에 기초하여 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 제공받는 단계, 상기 제공받은 평가 후보 컨텐츠 중 어느 하나를 선택하는 단계, 상기 선택 결과를 상기 컨텐츠 제공 서버로 전송하는 단계 및 상기 컨텐츠 제공 서버로부터 상기 선택 결과 및 상기 정보에 기초하여 생성된 추천 컨텐츠 리스트를 제공받는 단계를 포함하는 컨텐츠 제공 방법을 제공할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 사용자의 평가 이력 정보, 사용자의 시청 이력 정보 및 사용자의 선호 프로파일 정보 중 적어도 하나의 정보에 기초하여 평가 후보 컨텐츠 리스트를 생성함으로써, 사용자의 성향에 기초하여 컨텐츠를 추천할 수 있도록 하는 서버 및 방법을 제공할 수 있다.
평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 사용자 단말로 제공하고, 사용자 단말로부터 적어도 하나의 평가 후보 컨텐츠에 대한 선택 결과를 수신함으로써, 게임적인 요소를 반영한 컨텐츠 선택 과정을 통해 맞춤형 추천 컨텐츠를 제공할 수 있도록 하는 서버 및 방법을 제공할 수 있다.
소정 기간 동안 컨텐츠를 시청하지 않은 기존 사용자 및 신규 사용자의 취향을 반영한 맞춤형 추천 컨텐츠를 제공함으로써, 맞춤형 추천 컨텐츠의 시청 및 구매를 유도하는 서버 및 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 컨텐츠 제공 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 컨텐츠 제공 서버의 구성도이다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 평가 이력 시퀀스 정보가 생성되는 과정을 설명하기 위한 예시적인 도면이다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 신규 평가 후보 컨텐츠의 제공을 통해 평가 이력 시퀀스 정보가 생성되는 과정을 설명하기 위한 예시적인 도면이다.
도 5는 본 발명의 일 실시예에 따른 유사 평가 패턴 정보에 기초하여 평가 후보 컨텐츠를 추출하는 과정을 설명하기 위한 예시적인 도면이다.
도 6은 본 발명의 일 실시예에 따른 컨텐츠 제공 서버에서 맞춤형 추천 컨텐츠를 제공하는 방법의 순서도이다.
도 7은 본 발명의 일 실시예에 따른 사용자 단말에서 맞춤형 컨텐츠를 제공하는 방법의 순서도이다.
도 8a 내지 도 8c는 본 발명의 일 실시예에 따른 사용자 단말에서 맞춤형 추천 컨텐츠 서비스를 제공하는 과정을 설명하기 위한 예시적인 도면이다.
도 9는 본 발명의 일 실시예에 따른 사용자 단말에서 평가 후보 컨텐츠를 선택하는 과정을 설명하기 위한 예시적인 도면이다.
도 10은 본 발명의 일 실시예에 따른 사용자 단말에서 평가 후보 컨텐츠 및 추천 컨텐츠 리스트를 포함하는 UI를 도시한 예시적인 도면이다.
도 2는 본 발명의 일 실시예에 따른 컨텐츠 제공 서버의 구성도이다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 평가 이력 시퀀스 정보가 생성되는 과정을 설명하기 위한 예시적인 도면이다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 신규 평가 후보 컨텐츠의 제공을 통해 평가 이력 시퀀스 정보가 생성되는 과정을 설명하기 위한 예시적인 도면이다.
도 5는 본 발명의 일 실시예에 따른 유사 평가 패턴 정보에 기초하여 평가 후보 컨텐츠를 추출하는 과정을 설명하기 위한 예시적인 도면이다.
도 6은 본 발명의 일 실시예에 따른 컨텐츠 제공 서버에서 맞춤형 추천 컨텐츠를 제공하는 방법의 순서도이다.
도 7은 본 발명의 일 실시예에 따른 사용자 단말에서 맞춤형 컨텐츠를 제공하는 방법의 순서도이다.
도 8a 내지 도 8c는 본 발명의 일 실시예에 따른 사용자 단말에서 맞춤형 추천 컨텐츠 서비스를 제공하는 과정을 설명하기 위한 예시적인 도면이다.
도 9는 본 발명의 일 실시예에 따른 사용자 단말에서 평가 후보 컨텐츠를 선택하는 과정을 설명하기 위한 예시적인 도면이다.
도 10은 본 발명의 일 실시예에 따른 사용자 단말에서 평가 후보 컨텐츠 및 추천 컨텐츠 리스트를 포함하는 UI를 도시한 예시적인 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 컨텐츠 제공 시스템의 구성도이다. 도 1을 참조하면, 컨텐츠 제공 시스템(1)은 컨텐츠 제공 서버(110) 및 사용자 단말(120)을 포함할 수 있다. 컨텐츠 제공 서버(110) 및 사용자 단말(120)은 컨텐츠 제공 시스템(1)에 의하여 제어될 수 있는 구성요소들을 예시적으로 도시한 것이다.
도 1의 컨텐츠 제공 시스템(1)의 각 구성요소들은 일반적으로 네트워크(network)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 컨텐츠 제공 서버(110)는 사용자 단말(120)과 동시에 또는 시간 간격을 두고 연결될 수 있다.
네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
컨텐츠 제공 서버(110)는 사용자 단말(120)로부터 맞춤형 추천 컨텐츠 서비스를 요청받을 수 있다.
컨텐츠 제공 서버(110)는 맞춤형 추천 컨텐츠 서비스에 대한 요청에 기초하여 데이터베이스로부터 복수의 컨텐츠와 관련된 사용자 단말(120)의 사용자의 평가 이력 정보, 사용자의 시청 이력 정보 및 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보를 추출할 수 있다.
컨텐츠 제공 서버(110)는 추출된 정보에 기초하여 평가 후보 컨텐츠 리스트를 생성할 수 있다. 이를 위해, 컨텐츠 제공 서버(110)는 복수의 컨텐츠로부터 평가 후보 컨텐츠 리스트에 포함될 복수의 평가 후보 컨텐츠를 추출할 수 있다.
예를 들어, 컨텐츠 제공 서버(110)는 복수의 컨텐츠에 대한 메타데이터 및 평가 이력 정보 또는 시청 이력 정보에 포함된 적어도 어느 하나의 컨텐츠에 대한 메타데이터 간의 연관도에 기초하여 평가 후보 컨텐츠를 추출할 수 있다.
다른 예를 들어, 컨텐츠 제공 서버(110)는 복수의 컨텐츠 중 적어도 어느 하나의 컨텐츠에 대한 메타데이터와 유사 특징을 가지는 제 1 컨텐츠 및 반대 특징을 가지는 제 2 컨텐츠 중 적어도 하나를 평가 후보 컨텐츠로 추출할 수 있다.
또 다른 예를 들어, 컨텐츠 제공 서버(110)는 복수의 컨텐츠 중 사용자의 시청 이력 정보 및 다른 사용자의 시청 이력 정보 간의 연관도에 기초하여 평가 후보 컨텐츠를 추출할 수 있다.
또 다른 예를 들어, 컨텐츠 제공 서버(110)는 사용자의 평가 이력 정보 및 다른 사용자의 평가 이력 정보에 기초하여 유사 평가 이력 정보를 추출하고, 복수의 컨텐츠 중 추출된 유사 평가 이력 정보에 기초하여 평가 후보 컨텐츠를 추출할 수 있다. 여기서, 사용자의 평가 이력 정보는 미리 정해진 제 1 기간 동안 사용자의 평가 이력을 시간순으로 정렬한 평가 이력 시퀀스 정보이고, 사용자의 시청 이력 정보는 미리 정해진 제 2 기간 동안 사용자의 시청 이력을 시간순으로 정렬한 시청 이력 시퀀스 정보일 수 있다. 평가 이력 시퀀스 정보는 서로 다른 컨텐츠에 대응되는 복수의 노드가 상하위 구조로 배치된 트리 구조를 포함할 수 있다.
컨텐츠 제공 서버(110)는 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 사용자 단말(120)로 제공할 수 있다. 예를 들어, 컨텐츠 제공 서버(110)는 평가 컨텐츠 리스트에 포함된 평가 후보 컨텐츠에 대해 분석 점수를 산출하고, 산출된 분석 점수에 기초하여 평가 후보 컨텐츠 중 적어도 하나를 사용자 단말(120)로 제공할 수 있다.
컨텐츠 제공 서버(110)는 사용자 단말(120)로부터 적어도 하나의 평가 후보 컨텐츠에 대한 선택 결과를 수신할 수 있다.
컨텐츠 제공 서버(110)는 수신한 선택 결과 및 추출된 정보에 기초하여 추천 컨텐츠 리스트를 생성할 수 있다.
컨텐츠 제공 서버(110)는 평가 이력 정보, 시청 이력 정보 및 사용자 선호 프로파일 정보 중 적어도 하나에 기초하여 사용자의 성향 정보를 분석하고, 복수의 컨텐츠 중 사용자의 성향 정보에 기초하여 추천 컨텐츠를 추출하여 사용자 단말(120)로 제공할 수 있다.
컨텐츠 제공 서버(110)는 선택 결과에 기초하여 평가 이력 정보를 업데이트할 수 있다. 이 때, 컨텐츠 제공 서버(110)는 업데이트된 평가 이력 정보에 기초하여 평가 컨텐츠 리스트를 재생성하고, 추천 컨텐츠 리스트 생성부(260)는 재생성된 평가 컨텐츠 리스트에 기초하여 추천 컨텐츠 리스트를 재생성할 수 있다.
사용자 단말(120)은 맞춤형 추천 컨텐츠 서비스를 컨텐츠 제공 서버(110)로 요청할 수 있다.
사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 복수의 컨텐츠와 관련된 사용자 단말(120)의 사용자의 평가 이력 정보, 사용자의 시청 이력 정보 및 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보에 기초하여 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 제공받을 수 있다.
사용자 단말(120)은 제공받은 평가 후보 컨텐츠 중 어느 하나를 선택할 수 있다.
사용자 단말(120)은 선택 결과를 컨텐츠 제공 서버(110)로 전송할 수 있다.
사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 선택 결과 및 정보에 기초하여 생성된 추천 컨텐츠 리스트를 제공받을 수 있다.
사용자 단말(120)은 사용자 단말(120)의 디스플레이의 제 1 영역에 평가 후보 컨텐츠를 표시하고, 디스플레이의 제 2 영역에 추천 컨텐츠 리스트에 포함된 복수의 추천 컨텐츠를 표시할 수 있다.
사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 사용자 단말(120)의 사용자의 성향 정보에 기초하여 추출된 추천 컨텐츠를 제공받고, 제공받은 추천 컨텐츠를 디스플레이의 제 3 영역에 표시할 수 있다.
도 2는 본 발명의 일 실시예에 따른 컨텐츠 제공 서버의 구성도이다. 도 2를 참조하면, 컨텐츠 제공 서버(110)는 요청부(210), 추출부(220), 평가 컨텐츠 리스트 생성부(230), 제공부(240), 수신부(250), 추천 컨텐츠 리스트 생성부(260), 성향 정보 분석부(270) 및 업데이트부(280)를 포함할 수 있다.
요청부(210)는 사용자 단말(120)로부터 맞춤형 추천 컨텐츠 서비스를 요청받을 수 있다.
추출부(220)는 맞춤형 추천 컨텐츠 서비스에 대한 요청에 기초하여 데이터베이스로부터 복수의 컨텐츠와 관련된 사용자 단말(120)의 사용자의 평가 이력 정보, 사용자의 시청 이력 정보 및 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보를 추출할 수 있다. 또한, 추출부(220)는 사용자가 마지막으로 시청한 컨텐츠 정보를 더 추출할 수 있다. 여기서, 사용자의 평가 이력 정보는 미리 정해진 제 1 기간 동안 사용자의 평가 이력을 시간순으로 정렬한 평가 이력 시퀀스 정보이고, 사용자의 시청 이력 정보는 미리 정해진 제 2 기간 동안 사용자의 시청 이력을 시간순으로 정렬한 시청 이력 시퀀스 정보일 수 있다.
평가 컨텐츠 리스트 생성부(230)는 추출된 정보에 기초하여 평가 후보 컨텐츠 리스트를 생성할 수 있다. 이를 위해, 평가 컨텐츠 리스트 생성부(230)는 복수의 컨텐츠로부터 평가 후보 컨텐츠 리스트에 포함될 복수의 평가 후보 컨텐츠를 추출할 수 있다.
예를 들어, 평가 컨텐츠 리스트 생성부(230)는 복수의 컨텐츠에 대한 메타데이터 및 평가 이력 정보 또는 시청 이력 정보에 포함된 적어도 어느 하나의 컨텐츠에 대한 메타데이터 간의 연관도에 기초하여 평가 후보 컨텐츠를 추출할 수 있다. 메타데이터는 예를 들어, 컨텐츠가 보유한 장르, 세부 장르, 주제, 소재, 키워드, 감독, 주연, 조연, 출연배우, 시간적 배경, 공간적 배경, 추천 대상 사용자, 추천 상황, 카테고리, 감성/분위기, 상품정보(월정액 정보), 키즈 여부, 수상정보, 캐릭터 정보, 제목, 시리즈명, 시놉시스 등을 포함할 수 있다.
평가 컨텐츠 리스트 생성부(230)는 메타데이터간 연관도 모델을 이용하여 평가 후보 컨텐츠를 추출할 수 있다. 메타데이터간 연관도 모델은 IPTV 편성 정책에 따라 1일 1회 이상 학습 및 업데이트될 수 있으며, 전체 IPTV 시청자 및 전체 IPTV 컨텐츠를 대상으로 학습될 수 있다.
이하에서는, 잠시 메타데이터간 연관도 모델을 생성하는 과정에 대해 설명하도록 한다. 메타데이터는 컨텐츠의 편성, 관리, 검색 및 추천 등에 활용되기 위해 생성되며, 복수의 컨텐츠 간의 일부 메타데이터는 유사한 특징을 가질 수 있다. 따라서, 메타데이터간 연관도 모델의 생성 전에, 복수의 메타데이터 중 유사 특징을 가지는 일부 메타데이터를 병합하여 특징 그룹을 생성할 수 있다.
특징 그룹은 메타데이터의 특징에 따라, 인물 그룹, 소재 그룹, 장르 그룹, 시놉시스 그룹, 시청 사용자 특징 그룹 등으로 생성될 수 있다.
인물 그룹은 감독, 주연, 조연, 출연배우 등 인물 정보가 병합되어 생성될 수 있다.
소재 그룹은 소재, 주제, 키워드, 감성/분위기, 시간적 배경, 공간적 배경 등이 병합되어 생성될 수 있다.
장르 그룹은 카테고리, 장르, 세부장르 등이 병합되어 생성될 수 있다.
여기서, 카테고리는 계층 구조로 생성된 서비스 메뉴 구조에 기초한 것으로, 카테고리는 영화 및 해외 드라마를 포함하는 영화, 국내 드라마/예능/시사교양 등 TV 방영작을 포함하는 TV 컨텐츠, 애니메이션 컨텐츠를 포함하는 애니메이션, 어린이 애니메이션/어린이 교육 컨텐츠를 포함하는 키즈 랜드 등이 최상위 카테고리로 구성될 수 있다.
각각의 최상위 카테고리는 하나 이상의 레벨의 하위 카테고리를 포함할 수 있다. 이 때, 각각의 하위 카테고리는 하나 이상의 레벨의 하위 카테고리를 더 포함하거나, 또는 복수의 컨텐츠를 포함할 수 있다. 예를 들어, 영화/시리즈의 경우, 하위 카테고리로 무료영화, 한국영화, 외국영화, 시리즈 등을 포함할 수 있다.
장르는 영화, TV 다시보기, 시리즈, 키즈, 애니메이션, 음악, 교육, 다큐멘터리, 스포츠, 라이프, 성인, 기타 등을 포함할 수 있으며, 각 장르는 적어도 하나의 세부 장르를 포함할 수 있다. 예를 들어, 장르가 영화의 경우, 세부 장르는 액션/SF, 범죄/스릴러, 드라마, 로맨스/멜로, 코미디, 공포/호러, 어린이/가족, 다큐멘터리, 무협 등을 포함할 수 있으며, 장르가 TV 다시보기인 경우, 세부 장르는 드라마, 예능, 시사교양 등을 포함하고, 장르가 시리즈인 경우, 세부 장르는 미드, 영드, 일드, 무협, 사극, 트렌드, 기타/해외 드라마를 포함할 수 있다. 이 때, 카테고리는 편성 정책의 변경에 따라 관리자에 의해 추가/삭제/변경될 수 있다.
시놉시스 그룹은 컨텐츠의 시놉시스 및 제목 등의 비정형적인 텍스트 정보에 기초하여 생성될 수 있다.
시청 사용자 특징 그룹은 컨텐츠에 대한 사용자의 시청 여부를 임베딩(embedding)한 것으로, 메타데이터 상의 연관도를 표현하기는 어렵지만, 시청하는 사용자 간의 연관도가 있는 컨텐츠의 연관도가 고려되도록 할 수 있다.
시청 사용자 특징 그룹을 이용하는 경우, 명시된 메타데이터 상으로는 유사하지만, 시청하는 사용자의 묵시적인 연관도가 적은 컨텐츠를 사전에 필터링할 수 있다. 예를 들어, '살인, 범죄' 등과 같이 유사한 키워드를 주제로 가진 어린이 애니메이션 특정 컨텐츠(예를 들어, 명탐정 코난)과 공포/스릴러 특정 컨텐츠(예를 들어, 조커)는 메타데이터 간의 연관도만으로는 유사 컨텐츠로 분류될 수 있다. 그러나 시청 사용자 특징 그룹까지 고려하는 경우, 상기 두 컨텐츠는 상이한 특징을 가지는 것으로 분류될 수 있다.
이러한 각 컨텐츠의 메타데이터에 기초하여 생성된 특징 그룹을 각각 활용하여, 각 컨텐츠의 그룹별 임베딩을 생성하고, 각각 그룹의 가중치를 고려하여 각각 그룹별 임베딩을 결합함으로써, 각 컨텐츠 임베딩을 생성할 수 있다.
이 때, 임베딩은 각 컨텐츠의 해당 속성 그룹 내 속성 값에 대한 빈도 등의 영향도를 수치로 산출된 것일 수 있다. 예를 들어, 각 속성 그룹에 대한 임베딩은 GloVe(Global Vectors for Word Representation)를 사용하여 수행될 수 있으며, 이에 한정하지 않는다. 또한, 임베딩 결합에 사용되는 가중치는 각 특징 그룹으 임베딩 별로 상이하게 결정될 수 있다.
이러한 과정을 거쳐 생성된 메타데이터간 연관도 모델은 각 컨텐츠의 임베딩에 기초하여 서로 다른 두 컨텐츠 간의 연관도를 산출할 수 있다.
메타데이터간 연관도 모델은 각 컨텐츠의 메타데이터 간의 연관도 신경망 알고리즘을 통해 학습될 수 있다. 메타데이터간 연관도 모델은 연관도가 있는 컨텐츠를 추출할 수 있도록 컨텐츠 간의 유사도 매트릭스(matrix)를 포함할 수 있다. 예를 들어, 메타데이터간 연관도 모델은 COS 유사도, 피어슨 상관 계수(Pearson's correlation coefficient) 유사도, Jaccard, Hamming distance 등의 유사도 산출 방법을 통해 두 컨텐츠 간에 산출된 유사도 매트릭스를 포함할 수 있다.
평가 컨텐츠 리스트 생성부(230)는 복수의 컨텐츠 중 적어도 어느 하나의 컨텐츠에 대한 메타데이터와 유사 특징을 가지는 제 1 컨텐츠 및 반대 특징을 가지는 제 2 컨텐츠 중 적어도 하나를 평가 후보 컨텐츠로 추출할 수 있다. 예를 들어, 평가 컨텐츠 리스트 생성부(230)는 메타데이터간 연관도 모델을 이용하여 특정 사용자의 시청 이력에 포함된 컨텐츠와 양의 상관관계인 제 1 컨텐츠와 음의 상관관계인 제 2 컨텐츠를 추출할 수 있다. 이 때, 제 1 컨텐츠는 메타데이터간 연관도 모델을 통하여 산출된 연관도가 양수이며, 가장 큰 값을 가지는 컨텐츠일 수 있다. 또한, 제 2 컨텐츠는 메타데이터간 연관도 모델을 통하여 산출된 연관도가 음수이며, 가장 작은 값을 가지는 컨텐츠일 수 있다.
예를 들어, 양의 상관관계에 해당하는 제 1 컨텐츠는 특징 공간 상에서 거리가 가까운 것으로, 예를 들어, 피어슨 상관 계수 등을 이용하여 유사도를 측정한 경우, '1'에 가까운 값을 가질 수 있다. 즉, 양의 상관관계인 두 컨텐츠 간의 메타데이터는 유사한 특징을 가진 것일 수 있다. 예를 들어, 사용자가 '기생충'을 시청한 경우, 인물(감독, 배우), 소재(공간적 배경, 시간적 배경) 등이 유사하고, '기생충'이란 컨텐츠와 양의 상관관계를 가지는 '괴물'을 평가 후보 컨텐츠로 추출할 수 있다.
다른 예를 들어, 음의 상관관계에 해당하는 제 2 컨텐츠는 특징 공간 상에서 거리가 먼 것으로, 예를 들어, 피어슨 상관 계수 등을 이용하여 유사도를 측정한 경우, '-1'에 가까운 값을 가질 수 있다. 즉, 음의 상관관계인 두 컨텐츠 간의 메타데이터는 상반된 특징을 가질 수 있다. 예를 들어, 사용자가 '기생충'을 시청한 경우, 인물, 소재, 장르 등과 상반된 특징을 가지는 '겨울왕국 2'를 평가 후보 컨텐츠로 추출할 수 있다.
평가 컨텐츠 리스트 생성부(230)는 특정 사용자의 시청 이력에 포함된 컨텐츠에 대응하는 컨텐츠 임베딩을 생성하고, 메타데이터간 연관도 모델을 이용하여 연관도가 있는 다른 컨텐츠를 평가 후보 컨텐츠로 추출할 수 있다. 이 때, 사용되는 시청 이력은 특정 기간(예를 들어, 최근 1일 등) 동안 해당 사용자가 시청한 컨텐츠일 수 있으며, 특정 횟수(예를 들어, 최근 10회 등) 동안 해당 사용자가 시청한 컨텐츠일 수 있으며, 특정 기간 및 특정 횟수가 동시에 고려될 수도 있다. 또한, 시청 이력은 사용자가 시청한 시간의 역순으로 정렬된 것일 수 있다.
이러한 과정을 거쳐, 메타데이터 기반으로 추출된 평가 후보 컨텐츠는 IPTV 전체 컨텐츠 중 어느 하나 이상일 수 있다. 또는, IPTV 전체 컨텐츠 중 평가 후보 컨텐츠 세트로 기추출된 컨텐츠 중 어느 하나 이상일 수 있다. 예를 들어, 평가 후보 컨텐츠 세트가 평가에 용이(변별력이 높음)하다고 판단된 경우, 평가 후보 컨텐츠 세트는 운영자에 의해 미리 추출된 컨텐츠, 다른 사용자들이 평가를 많이 한 컨텐츠, 베스트셀러 또는 스테디셀러 컨텐츠 등을 포함할 수 있다.
평가 컨텐츠 리스트 생성부(230)는 복수의 컨텐츠 중 사용자의 시청 이력 정보 및 다른 사용자의 시청 이력 정보 간의 연관도에 기초하여 평가 후보 컨텐츠를 추출할 수 있다.
예를 들어, 평가 컨텐츠 리스트 생성부(230)는 기학습된 사용자간 연관도 모델을 이용하여 평가 후보 컨텐츠를 추출할 수 있다. 여기서, 사용자간 연관도 모델은 IPTV 사용자의 특정 기간 동안의 시청 이력, 구매 이력, 별점(평가) 이력 등에 기초하여 생성된 것으로, item-to-item CF(collaborative filtering) 알고리즘에 기초하여 생성된 모델, user-to-user CF 알고리즘에 기초하여 생성된 모델 또는 두 모델이 병합되어 생성된 하이브리드 모델일 수 있다.
평가 컨텐츠 리스트 생성부(230)는 사용자의 시청 이력 정보를 기학습된 사용자간 연관도 모델에 입력함으로써, 사용자의 시청 이력 기반의 평가 후보 컨텐츠를 추출할 수 있다. 이 때, 시청 이력 기반의 평가 후보 컨텐츠는 메타데이터 기반의 평가 후보 컨텐츠와 유사하게 IPTV 전체 컨텐츠 중 어느 하나 이상이 추출되거나, IPTV 전체 컨텐츠 중 평가 후보 컨텐츠 세트로 기추출된 컨텐츠 중 어느 하나 이상이 추출될 수 있다.
평가 컨텐츠 리스트 생성부(230)는 사용자의 평가 이력 정보에 기초하여 평가 후보 컨텐츠를 추출할 수 있다. 여기서, 평가 이력 정보는 시간 순서에 따라 사용자가 선택한 컨텐츠의 평가 이력 시퀀스 정보로, 평가 이력 시퀀스 정보는 서로 다른 컨텐츠에 대응되는 복수의 노드가 상하위 구조로 배치된 트리 구조를 포함하고, 각 노드는 평가 후보 컨텐츠 또는 사용자에게 선택된 컨텐츠 정보 및 평가가 제시된 시점의 타임 스탬프(time stamp)를 포함할 수 있다. 이 때, 사용자가 가장 최근에 평가한 컨텐츠는 루트(root) 노드에 위치할 수 있다. 평가 이력 시퀀스 정보가 생성되는 과정에 대해서는 도 3a 내지 도 4b를 통해 상세히 설명하도록 한다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 평가 이력 시퀀스 정보가 생성되는 과정을 설명하기 위한 예시적인 도면이다.
도 3a를 참조하면, 평가 이력 시퀀스 정보가 존재하지 않는 신규 사용자에게 '기생충'(301)과 '겨울왕국'(302)을 평가 후보 컨텐츠로 제공한 경우, 평가 이력 시퀀스 정보는 평가 이력 트리 상의 신규 사용자가 선택한 '기생충'(301)에 기초하여 생성될 수 있다. 이 때, 레벨 1에 해당하는 루트 노드에는 신규 사용자가 최근에 선택한 컨텐츠가 위치하며, 레벨 2에는 레벨 1의 컨텐츠의 선택을 위해 사용자에게 제공된 기존 평가 후보 컨텐츠 및 신규 평가 후보 컨텐츠가 위치할 수 있다.
도 3b를 참조하면, 신규 사용자가 '기생충'(301)을 선택한 경우, 신규 사용자에게 신규 평가 후보 컨텐츠로 '조커'(303)가 제공되었다고 가정하자. 이 때, 신규 평가 후보 컨텐츠는 평가 이력 트리 상에서 기존 평가 후보 컨텐츠의 오른쪽에 위치할 수 있다. 만약, 사용자가 '기생충'(301)을 선택하는 경우, 평가 이력 트리는 확장될 수 있다.
이와 같이, 평가 이력 트리에서 특정 노드의 부모 노드는 해당 노드의 컨텐츠 및 형제 노드의 컨텐츠 중 사용자가 선택한 컨텐츠일 수 있다. 즉, 특정 노드의 자식 노드는 해당 노드를 선택했을 때, 제공된 컨텐츠를 의미할 수 있다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 신규 평가 후보 컨텐츠의 제공을 통해 평가 이력 시퀀스 정보가 생성되는 과정을 설명하기 위한 예시적인 도면이다.
도 3b 및 도 4a를 참조하면, 도 3b의 상태에서, 신규 평가 후보 컨텐츠인 '엽문4'(401) 및 '히트맨'(402)을 제공하였다고 가정하자.
사용자가 '히트맨'(402)을 선택한 경우, 평가 이력 트리는 도 4a와 같이 확장될 수 있다. 이 때, 기존 사용자가 선택했던 평가 이력 트리는 해당 사용자가 신규로 선택한 평가 이력 트리가 더미 노드(403)를 통해 결합될 수 있다.
해당 사용자의 루트 노드가 더미 노드(403)인 경우, 자식 노드의 평가 후보 컨텐츠를 다시 한번 사용자에게 제공하도록 함으로써, 도 4b와 같이, 더미 노드(403)를 사용자가 선택한 노드인 '히트맨'(402)으로 변경될 수 있다.
여기서, 평가 이력 트리는 특정 노드가 상위 노드일수록 최근에 평가된 항목이며, 같은 레벨의 형제 노드인 경우, 오른쪽에 위치할수록 최근 평가 항목으로 추출될 수 있다. 또한, 평가 이력 트리의 사이즈가 커지게 되면, 특정 일을 기준으로 생성된 레벨의 하위 트리를 삭제하여 오래된 트리가 제거되도록 할 수 있다.
이러한 과정을 거쳐, 사용자의 평가 이력 시퀀스 정보가 생성되어 사용자별로 데이터베이스에 저장될 수 있다.
다시 도 2로 돌아와서, 평가 컨텐츠 리스트 생성부(230)는 사용자의 평가 이력 정보 및 다른 사용자의 평가 이력 정보에 기초하여 유사 평가 이력 정보를 추출하고, 복수의 컨텐츠 중 추출된 유사 평가 이력 정보에 기초하여 평가 후보 컨텐츠를 추출할 수 있다.
예를 들어, 평가 컨텐츠 리스트 생성부(230)는 다른 사용자의 평가 패턴 중 루트 노드에 가까운 서브 트리(상위 레벨의 노드 및 해당 상위 노드의 하위 노드)가 해당 사용자의 평가 패턴의 전체 또는 일부와 일치하는 경우, 유사 평가 이력 정보로 추출할 수 있다. 이 때, 평가 컨텐츠 리스트 생성부(230)는 추출된 유사 평가 이력 정보 중 사용자에게 제공되지 않은 컨텐츠를 평가 후보 컨텐츠로 추출할 수 있다.
이 때, 평가 컨텐츠 리스트 생성부(230)는 사용자에게 제공되지 않은 컨텐츠가 복수개인 경우, 루트 레벨에 가까운 컨텐츠를 추출하거나, 최근 평가된 컨텐츠를 추출할 수 있다.
유사 평가 이력 정보에 기초하여 평가 후보 컨텐츠를 추출하는 과정에 대해서는 도 5를 통해 상세히 설명하도록 한다.
도 5를 참조하면, 평가 컨텐츠 리스트 생성부(230)는 사용자2(510)의 평가 이력 서브 트리 중 일부(530)와 사용자3(520)의 평가 이력 서브 트리 중 일부(540)가 일치되는 사용자2(510)의 평가 패턴 및 사용자3(520)의 평가 패턴을 유사 평가 이력 정보로 추출할 수 있다.
평가 컨텐츠 리스트 생성부(230)는 사용자2(510)의 평가 이력 서브 트리 및 사용자3(520)의 평가 이력 서브 트리 중 사용자1(500)의 평가 이력 서브 트리 상 좀더 상위 레벨의 노드가 일치되는 사용자3(520)의 트리를 선택하고, 이에 기초하여 '1917'(550)을 평가 후보 컨텐츠로 추출할 수 있다.
다시 도 2로 돌아와서, 제공부(240)는 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 사용자 단말(120)로 제공할 수 있다. 이 때, 수신부(250)가 통계 서버(미도시)로부터 복수의 베스트셀러 컨텐츠를 수신한 경우, 제공부(240)는 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠와 복수의 베스트 셀러 컨텐츠 중 적어도 하나를 사용자 단말(120)로 제공할 수 있다.
제공부(240)는 평가 컨텐츠 리스트에 포함된 평가 후보 컨텐츠에 대해 분석 점수를 산출하고, 산출된 분석 점수에 기초하여 평가 후보 컨텐츠 중 적어도 하나를 사용자 단말(120)로 제공할 수 있다. 평가 후보 컨텐츠에 대한 분석 점수는 예를 들어 다음의 수학식 1을 통해 도출될 수 있다.
수학식 1을 참조하면, CScore콘텐츠A는 해당 사용자에 대한 콘텐츠 A의 메타데이터 분석 점수, wC는 메타데이터 분석 가중치, UScore콘텐츠A는 해당 사용자에 대한 콘텐츠 A의 이력기반 분석 점수, wU는 이력기반 분석 가중치, EScore콘텐츠A는 콘텐츠 A의 해당 사용자에 대한 평가패턴 분석 점수, wE는 평가 패턴 분석 가중치를 의미할 수 있으며, 각 평가 후보 컨텐츠의 분석 점수는 사용자의 시청 이력 시퀀스 또는 사용자의 평가 이력 시퀀스에 포함된 컨텐츠와 산출된 연관도의 절대값일 수 있다. 예를 들어, 컨텐츠 A의 메타데이터 분석 점수는 해당 사용자의 시청 이력 시퀀스에 포함된 복수의 컨텐츠와 컨텐츠 A의 연관도 절대값의 평균일 수 있다. 또한, 가중치 
, 
, 
는 사용자 각각에 상이하게 설정될 수 있으며, 전체 사용자에게 동일한 값이 설정될 수 있다.
이러한 과정을 거쳐, 제공부(240)는 평가 후보 컨텐츠 리스트에 포함된 A 컨텐츠 및 B 컨텐츠를 동시에 사용자 단말(120)로 제공할 수 있다.
수신부(250)는 사용자 단말(120)로부터 적어도 하나의 평가 후보 컨텐츠에 대한 선택 결과를 수신할 수 있다.
추천 컨텐츠 리스트 생성부(260)는 수신한 선택 결과 및 추출된 정보에 기초하여 추천 컨텐츠 리스트를 생성할 수 있다. 여기서, 추천 컨텐츠는 사용자의 평가 이력 정보, 시청 이력 정보 및 사용자 선호 프로파일 정보 중 적어도 하나에 기초하여 추출된 정보를 이용하여 생성된 복수의 컨텐츠를 포함하며, 평가 컨텐츠 리스트와 상이한 컨텐츠를 포함할 수 있다.
성향 정보 분석부(270)는 평가 이력 정보, 시청 이력 정보 및 사용자 선호 프로파일 정보 중 적어도 하나의 정보에 기초하여 사용자의 성향 정보를 분석할 수 있다. 이 때, 성향 정보 분석부(270)는 사용자의 변화되는 성향 정보를 분석할 수 있다. 예를 들어, 성향 정보 분석부(270)는 사용자가 선택한 평가 이력 시퀀스 정보에 기초하여 선호 감독, 선호 배우, 선호 장르, 선호 키워드 선호 배경 등을 분석할 수 있다.
성향 정보 분석부(270)는 복수의 컨텐츠 중 사용자의 성향 정보에 기초하여 추천 컨텐츠를 추출하고, 제공부(240)는 추출된 추천 컨텐츠를 사용자 단말(120)로 제공할 수 있다.
업데이트부(280)는 선택 결과에 기초하여 평가 이력 정보를 업데이트할 수 있다. 이 때, 평가 컨텐츠 리스트 생성부(230)는 업데이트된 평가 이력 시퀀스 정보에 기초하여 평가 컨텐츠 리스트를 재생성하고, 추천 컨텐츠 리스트 생성부(260)는 재생성된 평가 컨텐츠 리스트에 기초하여 추천 컨텐츠 리스트를 재생성할 수 있다.
이러한 과정을 반복적으로 수행함으로써, 사용자가 선호하는 컨텐츠를 점진적으로 탐색하도록 할 수 있다.
또한, 사용자가 게임적인 요소가 가미된 구성을 통해 재미있게 자신이 원하는 컨텐츠에 쉽고 빠르게 접근하도록 할 수 있도록 함에 따라, 맞춤형 추천 컨텐츠 서비스에 대한 만족도 및 충성도가 향상되도록 하여, 주문형 컨텐츠에 대한 매출이 증대되도록 할 수 있다.
또한, 다양한 사용자들의 평가 패턴을 확보함으로써, 추천 알고리즘 및 추천 컨텐츠의 개선에 이용되도록 할 수 있다.
또한, IPTV 서비스에서 컨텐츠 제공자로부터 구입한 컨텐츠 중 사용자들이 잘 찾지 못하여 시청률이 떨어지는 컨텐츠의 시청률을 향상시킬 수 있으며, 다수의 사용자가 선택하지 않는 컨텐츠의 구매를 보류하거나, 구매를 연장하지 않는 등의 비용 절감에 활용되도록 할 수 있다.
또한, 사용자가 평가를 통해 선택한 컨텐츠와 유사하거나, 반대의 컨텐츠를 평가 후보 컨텐츠로 추출하여 제공함으로써, 사용자가 선택한 소수의 컨텐츠 중 하나의 특징만을 선호 정보로 활용하는 경우에 발생될 수 있는 선호 왜곡을 방지하여 다양한 특징을 가지는 컨텐츠를 추천할 수 잇다.
도 6은 본 발명의 일 실시예에 따른 컨텐츠 제공 서버에서 맞춤형 추천 컨텐츠를 제공하는 방법의 순서도이다. 도 6에 도시된 컨텐츠 제공 서버(110)에서 맞춤형 추천 컨텐츠를 제공하는 방법은 도 1 내지 도 5에 도시된 실시예에 따른 컨텐츠 제공 시스템(1)에 의해 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 5에 도시된 실시예에 따른 컨텐츠 제공 서버(110)에서 맞춤형 추천 컨텐츠를 제공하는 방법에도 적용된다.
단계 S610에서 컨텐츠 제공 서버(110)는 사용자 단말(120)로부터 맞춤형 추천 컨텐츠 서비스를 요청받을 수 있다.
단계 S620에서 컨텐츠 제공 서버(110)는 맞춤형 추천 컨텐츠 서비스에 대한 요청에 기초하여 데이터베이스로부터 복수의 컨텐츠와 관련된 사용자 단말(120)의 사용자의 평가 이력 정보, 사용자의 시청 이력 정보 및 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보를 추출할 수 있다.
단계 S630에서 컨텐츠 제공 서버(110)는 추출된 정보에 기초하여 평가 후보 컨텐츠 리스트를 생성할 수 있다.
단계 S640에서 컨텐츠 제공 서버(110)는 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 사용자 단말(120)로 제공할 수 있다.
단계 S650에서 컨텐츠 제공 서버(110)는 사용자 단말(120)로부터 적어도 하나의 평가 후보 컨텐츠에 대한 선택 결과를 수신할 수 있다.
단계 S660에서 컨텐츠 제공 서버(110)는 수신한 선택 결과 및 추출된 정보에 기초하여 추천 컨텐츠 리스트를 생성할 수 있다.
상술한 설명에서, 단계 S610 내지 S660은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 7은 본 발명의 일 실시예에 따른 사용자 단말에서 맞춤형 추천 컨텐츠를 제공하는 방법의 순서도이다. 도 7에 도시된 사용자 단말(120)에서 맞춤형 추천 컨텐츠를 제공하는 방법은 도 1 내지 도 6에 도시된 실시예에 따른 컨텐츠 제공 시스템(1)에 의해 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 6에 도시된 실시예에 따른 사용자 단말(120)에서 맞춤형 추천 컨텐츠를 제공하는 방법에도 적용된다.
단계 S710에서 사용자 단말(120)은 맞춤형 추천 컨텐츠 서비스를 컨텐츠 제공 서버(110)로 요청할 수 있다.
단계 S720에서 사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 복수의 컨텐츠와 관련된 사용자 단말(120)의 사용자의 평가 이력 정보, 사용자의 시청 이력 정보 및 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보에 기초하여 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 제공받을 수 있다.
단계 S730에서 사용자 단말(120)은 제공받은 평가 후보 컨텐츠 중 어느 하나를 선택할 수 있다.
단계 S740에서 사용자 단말(120)은 선택 결과를 컨텐츠 제공 서버(110)로 전송할 수 있다.
단계 S750에서 사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 선택 결과 및 정보에 기초하여 생성된 추천 컨텐츠 리스트를 제공받을 수 있다.
상술한 설명에서, 단계 S710 내지 S750은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 8a 내지 도 8c는 본 발명의 일 실시예에 따른 사용자 단말에서 맞춤형 추천 컨텐츠 서비스가 제공되는 과정을 설명하기 위한 예시적인 도면이다.
도 8a를 참조하면, 사용자 단말(120)은 메뉴 화면(800)에서 '취향 저격'(801)을 포커싱함으로써, 맞춤형 추천 컨텐츠 서비스로 진입할 수 있다. 사용자 단말(120)은 맞춤형 추천 컨텐츠 서비스를 통해 평가 후보 컨텐츠(802) 및 추천 컨텐츠 리스트(803)를 표시할 수 있다. 이후, 사용자 단말(120)이 맞춤형 추천 컨텐츠 서비스로부터 진출하는 경우, 사용자 단말(120)은 프로모션 정보와 함께 추천 컨텐츠 리스트(803)를 재표시할 수 있다.
도 8b를 참조하면, 사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 평가 후보 컨텐츠로 '위대한 쇼맨' 및 '겨울 왕국'을 제공받을 수 있다. 이 때, 사용자 단말(120)은 사용자(810)로부터 음성 또는 리모트 컨트롤러의 입력을 통해 "겨울왕국"(813)을 입력받을 수 있다. 이 경우, 사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 '라라랜드', '조커', '메리다와 마법의 숲' 등을 포함하는 평가 후보 컨텐츠 리스트(811) 중 '메리다와 마법의 숲'(812)을 신규 평가 후보 컨텐츠로 제공받을 수 있다.
도 8c를 참조하면, 사용자 단말(120)이 사용자(820)로부터 평가 후보 컨텐츠로 '겨울왕국'(821)을 입력받은 경우, 사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 선택된 '겨울 왕국'에 기초하여 생성된 추천 컨텐츠 리스트(822) 및 사용자의 분석된 성향 정보에 기초하여 생성된 추천 컨텐츠(823)를 수신할 수 있다.
도 9는 본 발명의 일 실시예에 따른 사용자 단말에서 평가 후보 컨텐츠를 선택하는 과정을 설명하기 위한 예시적인 도면이다. 도 9를 참조하면, 사용자 단말(120)이 맞춤형 추천 컨텐츠 서비스에 최초 진입한 경우(900), 평가 후보 컨텐츠 및 추천 컨텐츠 리스트를 표시할 수 있다.
예를 들어, 사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 사용자의 기존 평가 이력 시퀀스 정보에 기초하여 추출된 평가 후보 컨텐츠 리스트 중 적어도 하나의 평가 후보 컨텐츠(901, 902)를 수신하여 표시할 수 있다.
사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 기존의 평가 이력 시퀀스 정보, 시청 이력 시퀀스 정보, 사용자 선호 프로파일 정보 중 적어도 하나에 기초하여 분석된 사용자의 성향 정보에 기초하여 추천 컨텐츠를 수신할 수 있다. 예를 들어, 사용자의 성향 정보는 속성 정보(예를 들어, 배경, 장르, 국가, 인물 등)에 기초하여 '현대배경', '송강호', '박찬욱', '한국영화'로 분석될 수 있으며, 이 경우, 사용자 단말(120)은 '박쥐', 'JSA 공동 경비 구역'을 추천 컨텐츠로 표시할 수 있다.
사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 기존의 평가 이력 시퀀스 정보, 시청 이력 시퀀스 정보, 사용자 선호 프로파일 정보 중 적어도 하나에 기초하여 생성된 추천 컨텐츠 리스트를 수신하여 표시할 수 있다.
이후, 사용자 단말(120)이 '기생충'(901)을 선택한 경우(910), 사용자 단말(120)은 기존 평가 후보 컨텐츠인 '기생충'(901)과 함께 컨텐츠 제공 서버(110)로부터 신규 평가 후보 컨텐츠인 '겨울왕국 2'(911)를 수신하여 표시할 수 있다.
사용자 단말(120)은 평가 후보 컨텐츠로 선택된 '기생충'(901)에 기초하여 사용자의 성향 정보를 '현대배경', '송강호', '한국영화'로 업데이트할 수 있으며, 이 경우, 사용자 단말(120)은 '박쥐', '괴물'을 추천 컨텐츠로 표시할 수 있다.
사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 업데이트된 추천 컨텐츠 리스트를 수신하여 표시할 수 있다. 이 때, 추천 컨텐츠 리스트는 '기생충'(901)의 가중치가 높게 설정되어 추출된 것일 수 있다.
이후, 사용자 단말(120)이 '겨울왕국 2'(911)을 선택한 경우(920), 사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 신규 평가 후보 컨텐츠인 '위대한 쇼맨'(921)을 수신하여 표시할 수 있다.
사용자 단말(120)은 선택된 '겨울왕국 2'(911)에 기초하여 사용자 성향 정보를 '현대배경', '송강호', '봉준호', '뮤지컬'로 업데이트하여 표시할 수 있다.
사용자 단말(120)은 컨텐츠 제공 서버(110)로부터 '겨울왕국 2'(911)에 기초하여 업데이트된 추천 컨텐츠 리스트(922)를 수신하여 표시할 수 있다. 이 때, 추천 컨텐츠 리스트(922)는 '겨울왕국 2'(911)의 가중치를 가장 높게 설정되고, '기생충'(901)의 가중치를 '겨울왕국 2'(911) 보다 낮고, 다른 컨텐츠에 비해서는 높게 설정되어 생성된 것일 수 있다.
도 10은 본 발명의 일 실시예에 따른 사용자 단말에서 평가 후보 컨텐츠 및 추천 컨텐츠 리스트를 포함하는 UI를 도시한 예시적인 도면이다. 도 10을 참조하면, 사용자 단말(120)은 평가 후보 컨텐츠(1010), 사용자 성향 기반의 추천 컨텐츠(1020) 및 추천 컨텐츠 리스트 (1030)를 이용하여 맞춤형 추천 컨텐츠 서비스의 UI(1000)를 구성하여 표시할 수 있다.
예를 들어, 사용자가 시청 이력 또는 평가 패턴이 존재하지 않는 신규 사용자인 경우, 사용자 단말(120)은 기정해진 디폴트(default) 평가 후보 컨텐츠(1010) 및 기정해진 추천 컨텐츠 리스트(1030)를 포함하는 UI(1000)를 구성하여 표시할 수 있다. 여기서, 디폴트 평가 후보 컨텐츠(1010)는 인기 컨텐츠 중 어느 하나의 A 컨텐츠 및 특정 컨텐츠와 메타데이터간 연관도 모델을 통해 산출된 연관도가 존재하지 않는(상관관계가 0에 가까움) 다른 하나의 B 컨텐츠를 포함할 수 있다.
이 때, 사용자의 성향 분석 결과가 존재하는 경우, 사용자 단말(120)은 성향 분석 결과를 맞춤형 추천 컨텐츠 서비스의 UI(1000)에 더 구성하여 표시할 수 있다. 예를 들어, 사용자 단말(120)은 평가 후보 컨텐츠(1010) 및 추천 컨텐츠 리스트(1030)의 사이에 사용자의 성향 분석을 통해 추출된 추천 컨텐츠(1020)를 포스터와 함께 배열하여 표시할 수 있다.
이후, 사용자가 평가 대상 컨텐츠(1010) 중 어느 하나를 선택함으로써, 평가 이력 시퀀스 정보가 업데이트된 경우, 사용자 단말(120)은 컨텐츠 제공 서버(110)에 의해 재추출된 평가 후보 컨텐츠(1010) 및 추천 컨텐츠 리스트(1030)를 이용하여 맞춤형 추천 컨텐츠 서비스의 UI(1000)를 재구성할 수 있다. 만약, 사용자의 성향 분석 결과가 변경된 경우, 사용자 단말(120)은 사용자의 기존 성향 분석 결과가 갱신된 성향 분석 결과에 기초하여 생성된 추천 컨텐츠(1020)를 맞춤형 추천 컨텐츠 서비스의 UI(1000)에 재구성하여 표시할 수 있다.
이러한 과정은, 사용자가 추천 컨텐츠 리스트(1030) 중 어느 하나를 선택하거나, 맞춤형 추천 컨텐츠 서비스의 화면을 벗어나기 전까지 반복 수행될 수 있다.
도 1 내지 도 10을 통해 설명된 컨텐츠 제공 서버 및 사용자 단말에서 맞춤형 추천 컨텐츠를 제공하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 도 1 내지 도 10을 통해 설명된 컨텐츠 제공 서버 및 사용자 단말에서 맞춤형 추천 컨텐츠를 제공하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램의 형태로도 구현될 수 있다.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
110: 컨텐츠 제공 서버
120: 사용자 단말
210: 요청부
220: 추출부
230: 평가 컨텐츠 리스트 생성부
240: 제공부
250: 수신부
260: 추천 컨텐츠 리스트 생성부
270: 성향 정보 분석부
280: 업데이트부
120: 사용자 단말
210: 요청부
220: 추출부
230: 평가 컨텐츠 리스트 생성부
240: 제공부
250: 수신부
260: 추천 컨텐츠 리스트 생성부
270: 성향 정보 분석부
280: 업데이트부
Claims (13)
- 맞춤형 추천 컨텐츠를 제공하는 서버에 있어서,
사용자 단말로부터 맞춤형 추천 컨텐츠 서비스를 요청받는 요청부;
상기 맞춤형 추천 컨텐츠 서비스에 대한 요청에 기초하여 데이터베이스로부터 복수의 컨텐츠와 관련된 상기 사용자 단말의 사용자의 평가 이력 정보, 상기 사용자의 시청 이력 정보 및 상기 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보를 추출하는 추출부;
상기 추출된 정보에 기초하여 평가 후보 컨텐츠 리스트를 생성하는 평가 컨텐츠 리스트 생성부;
상기 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 상기 사용자 단말로 제공하는 제공부;
상기 사용자 단말로부터 상기 적어도 하나의 평가 후보 컨텐츠에 대한 선택 결과를 수신하는 수신부; 및
상기 수신한 선택 결과 및 상기 추출된 정보에 기초하여 추천 컨텐츠 리스트를 생성하는 추천 컨텐츠 리스트 생성부
를 포함하는, 컨텐츠 제공 서버.
- 제 1 항에 있어서,
상기 평가 컨텐츠 리스트 생성부는 상기 복수의 컨텐츠에 대한 메타데이터 및 상기 평가 이력 정보 또는 상기 시청 이력 정보에 포함된 적어도 어느 하나의 컨텐츠에 대한 메타데이터 간의 연관도에 기초하여 상기 평가 후보 컨텐츠를 추출하는 것인, 컨텐츠 제공 서버.
- 제 2 항에 있어서,
상기 평가 컨텐츠 리스트 생성부는 상기 복수의 컨텐츠 중 상기 적어도 어느 하나의 컨텐츠에 대한 메타데이터와 유사 특징을 가지는 제 1 컨텐츠 및 반대 특징을 가지는 제 2 컨텐츠 중 적어도 하나를 상기 평가 후보 컨텐츠로 추출하는 것인, 컨텐츠 제공 서버.
- 제 1 항에 있어서,
상기 평가 컨텐츠 리스트 생성부는 상기 복수의 컨텐츠 중 상기 사용자의 시청 이력 정보 및 다른 사용자의 시청 이력 정보 간의 연관도에 기초하여 상기 평가 후보 컨텐츠를 추출하는 것인, 컨텐츠 제공 서버.
- 제 4 항에 있어서,
상기 평가 컨텐츠 리스트 생성부는 상기 사용자의 평가 이력 정보 및 상기 다른 사용자의 평가 이력 정보에 기초하여 유사 평가 이력 정보를 추출하고,
상기 복수의 컨텐츠 중 상기 추출된 유사 평가 이력 정보에 기초하여 상기 평가 후보 컨텐츠를 추출하는 것인, 컨텐츠 제공 서버.
- 제 1 항에 있어서,
상기 제공부는 상기 평가 컨텐츠 리스트에 포함된 평가 후보 컨텐츠에 대해 분석 점수를 산출하고,
상기 산출된 분석 점수에 기초하여 상기 평가 후보 컨텐츠 중 적어도 하나를 평가 대상 컨텐츠로 선택하고,
상기 선택된 평가 대상 컨텐츠를 상기 사용자 단말로 제공하는 것인, 컨텐츠 제공 서버.
- 제 1 항에 있어서,
상기 평가 이력 정보, 상기 시청 이력 정보 및 상기 사용자 선호 프로파일 정보 중 적어도 하나에 기초하여 상기 사용자의 성향 정보를 분석하는 성향 정보 분석부를 더 포함하고,
상기 성향 정보 분석부는 상기 복수의 컨텐츠 중 상기 사용자의 성향 정보에 기초하여 추천 컨텐츠를 추출하고,
상기 추출된 추천 컨텐츠를 상기 사용자 단말로 제공하는 것인, 컨텐츠 제공 서버.
- 제 1 항에 있어서,
상기 사용자의 평가 이력 정보는 미리 정해진 제 1 기간 동안 상기 사용자의 평가 이력을 시간순으로 정렬한 평가 이력 시퀀스 정보이고,
상기 사용자의 시청 이력 정보는 미리 정해진 제 2 기간 동안 상기 사용자의 시청 이력을 시간순으로 정렬한 시청 이력 시퀀스 정보인 것인, 컨텐츠 제공 서버.
- 제 8 항에 있어서,
상기 평가 이력 시퀀스 정보는 서로 다른 컨텐츠에 대응되는 복수의 노드가 상하위 구조로 배치된 트리 구조를 포함하는 것인, 컨텐츠 제공 서버.
- 제 1 항에 있어서,
상기 선택 결과에 기초하여 상기 평가 이력 정보를 업데이트하는 업데이트부를 더 포함하고,
상기 평가 컨텐츠 리스트 생성부는 상기 업데이트된 평가 이력 정보에 기초하여 상기 평가 컨텐츠 리스트를 재생성하고,
상기 추천 컨텐츠 리스트 생성부는 상기 재생성된 평가 컨텐츠 리스트에 기초하여 상기 추천 컨텐츠 리스트를 재생성하는 것인, 컨텐츠 제공 서버.
- 사용자 단말에서 맞춤형 추천 컨텐츠를 제공하는 방법에 있어서,
맞춤형 추천 컨텐츠 서비스를 컨텐츠 제공 서버로 요청하는 단계;
상기 컨텐츠 제공 서버로부터 복수의 컨텐츠와 관련된 상기 사용자 단말의 사용자의 평가 이력 정보, 상기 사용자의 시청 이력 정보 및 상기 사용자의 사용자 선호 프로파일 정보 중 적어도 하나의 정보에 기초하여 생성된 평가 후보 컨텐츠 리스트에 포함된 평가 후보 컨텐츠 중 적어도 하나를 제공받는 단계;
상기 제공받은 적어도 하나의 평가 후보 컨텐츠 중 어느 하나를 선택하는 단계;
상기 선택 결과를 상기 컨텐츠 제공 서버로 전송하는 단계; 및
상기 컨텐츠 제공 서버로부터 상기 선택 결과 및 상기 정보에 기초하여 생성된 추천 컨텐츠 리스트를 제공받는 단계를 포함하는 것인, 컨텐츠 제공 방법.
- 제 11 항에 있어서,
상기 사용자 단말의 디스플레이의 제 1 영역에 상기 평가 후보 컨텐츠를 표시하는 단계; 및
상기 디스플레이의 제 2 영역에 상기 추천 컨텐츠 리스트에 포함된 복수의 추천 컨텐츠를 표시하는 단계를 더 포함하는 것인, 컨텐츠 제공 방법.
- 제 12 항에 있어서,
상기 컨텐츠 제공 서버로부터 상기 사용자 단말의 사용자의 성향 정보에 기초하여 추출된 추천 컨텐츠를 제공받는 단계; 및
상기 제공받은 추천 컨텐츠를 상기 디스플레이의 제 3 영역에 표시하는 단계를 더 포함하는 것인, 컨텐츠 제공 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200186946A KR20220095445A (ko) | 2020-12-30 | 2020-12-30 | 맞춤형 추천 컨텐츠를 제공하는 서버 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200186946A KR20220095445A (ko) | 2020-12-30 | 2020-12-30 | 맞춤형 추천 컨텐츠를 제공하는 서버 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220095445A true KR20220095445A (ko) | 2022-07-07 |
Family
ID=82397506
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200186946A KR20220095445A (ko) | 2020-12-30 | 2020-12-30 | 맞춤형 추천 컨텐츠를 제공하는 서버 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220095445A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102512452B1 (ko) * | 2022-11-15 | 2023-03-23 | 주식회사 테라프티 | 사용자를 위한 맞춤 영상 추천 방법 |
| KR102625227B1 (ko) * | 2023-10-11 | 2024-01-15 | 시노그라피아 주식회사 | 라이센스 유통 플랫폼 제공 방법, 장치 및 시스템 |
| WO2024039220A1 (ko) * | 2022-08-18 | 2024-02-22 | 삼성전자주식회사 | 추천 컨텐츠 리스트를 제공하는 전자 장치 및 그 제어 방법 |
-
2020
- 2020-12-30 KR KR1020200186946A patent/KR20220095445A/ko active Search and Examination
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024039220A1 (ko) * | 2022-08-18 | 2024-02-22 | 삼성전자주식회사 | 추천 컨텐츠 리스트를 제공하는 전자 장치 및 그 제어 방법 |
| KR102512452B1 (ko) * | 2022-11-15 | 2023-03-23 | 주식회사 테라프티 | 사용자를 위한 맞춤 영상 추천 방법 |
| KR102625227B1 (ko) * | 2023-10-11 | 2024-01-15 | 시노그라피아 주식회사 | 라이센스 유통 플랫폼 제공 방법, 장치 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11317163B2 (en) | Systems and methods for providing a contextual menu with information related to an emergency alert | |
| CN107980129B (zh) | 用于重叠的媒体目录的全球推荐系统 | |
| US9235574B2 (en) | Systems and methods for providing media recommendations | |
| KR20220095445A (ko) | 맞춤형 추천 컨텐츠를 제공하는 서버 및 방법 | |
| US9270918B2 (en) | Method of recommending broadcasting contents and recommending apparatus therefor | |
| JP6235556B2 (ja) | コンテンツ提示方法、コンテンツ提示装置及びプログラム | |
| US10523987B2 (en) | Systems and methods for generating aggregated media assets on related content from different sources | |
| JP4370850B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
| JP2005056361A (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
| JP4247280B2 (ja) | 推薦番組情報提供装置、推薦番組情報提供方法及びプログラム | |
| JP4742366B2 (ja) | 番組提示システム | |
| JP2005524349A (ja) | 会話型コンテンツ推奨器 | |
| US10178422B1 (en) | Systems and methods for generating aggregated media assets based on related keywords | |
| US10958980B2 (en) | System and method for locating content related to a media asset | |
| US20070022440A1 (en) | Program recommendation via dynamic category creation | |
| KR101438764B1 (ko) | 사용자 시청 이력 기반 콘텐츠 추천 방법 | |
| US10592831B2 (en) | Methods and systems for recommending actors | |
| CN106462618B (zh) | 用于第二设备的动态当前结果 | |
| KR20120071173A (ko) | Ｓｎｓ 메시지를 활용한 ｖｏｄ 컨텐츠에 대한 부가 서비스 시스템 및 이를 이용한 부가 서비스 방법 | |
| JP5008250B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
| EP3628123B1 (en) | Systems and methods for generating aggregated media assets on related content from different sources | |
| US10187704B1 (en) | Methods and systems for presenting a media asset segment that is associated with a pre-specified quality of acting | |
| JP6381107B2 (ja) | リンク情報生成装置およびリンク情報生成プログラム | |
| KR20210040568A (ko) | 레이블 기반 장면 검색 서비스를 제공하는 서버, 방법 및 학습 서버 | |
| Kim et al. | SNS trend-based TV program recommendation scheme |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |