KR20220102353A - 전자 장치 및 그 제어 방법 - Google Patents

Abstract

전자 장치가 개시된다. 본 전자 장치는 통신 인터페이스, 제1 신경망 모델이 저장된 메모리 및 통신 인터페이스 및 메모리와 연결되어 전자 장치를 제어하는 프로세서를 포함하고, 프로세서는 통신 인터페이스를 통해 외부 장치로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 가격 요청 신호에 기초하여 시청자와 관련된 제1 정보를 획득하고, 제1 정보, 광고 컨텐츠의 광고주가 설정한 타겟 시청자 및 타겟 시청 컨텐츠에 대한 제2 정보 및 광고 컨텐츠에 대한 제3 정보를 제1 신경망 모델에 입력하여 시청자의 광고 컨텐츠에 대한 예상 참여도를 획득하며, 예상 참여도에 기초하여 가격 요청 신호에 대한 응답 여부를 결정할 수 있다.

Description

전자 장치 및 그 제어 방법 { ELECTRONIC APPARATUS AND CONTROL METHOD THEREOF }

본 개시는 전자 장치 및 그 제어 방법에 대한 것으로, 더욱 상세하게는 광고 컨텐츠에 대한 경매 참여를 보조하는 전자 장치 및 그 제어 방법에 대한 것이다.

또한, 본 개시는 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공 지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관한 것이다.

인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다.

인공지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술 및 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 요소 기술들로 구성된다.

요소기술들은, 예로, 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.

최근 다양한 전자 장치가 개발됨에 따라 컨텐츠의 소비가 기하급수적으로 증가하고 있다. 특히, 최근에는 동영상 컨텐츠가 많이 소비되고 있으며, 동영상 컨텐츠들 사이 또는 동영상 컨텐츠의 재생 중에 광고 컨텐츠가 재생되고 있는 상황이다.

이러한 광고 컨텐츠는 종래 도 1과 같이 실시간 경매 시스템을 통해 시청자에게 제공되었다. 먼저, 시청자가 Publisher의 플랫폼에 접근하면, SSP(Supply-Side Platform)가 AD Exchange로 시청자에게 보여줄 광고를 요청하는 신호(Ad Request)를 전송하고, AD Exchange는 AD Exchange에 연결된 다수의 DSP(Demand-Side Platforms)로 광고 지면에 대한 가격을 요청하는 신호(Bid Request)를 전송한다. 다수의 DSP 각각은 복수의 광고주(Advertisers)들을 대신하여 광고 지면에 대한 입찰 가격(Bid Price)을 산정하고, 가장 높은 가격(Bid Response)을 AD Exchange로 전송한다. AD Exchange는 다수의 DSP 중 가장 높은 가격을 제출한 DSP에게 낙찰 결과(Win Notice)를 전송한다. 낙찰 결과를 수신한 DSP는 AD Server를 통해 시청자에게 광고를 제공하게 된다.

이때, 입찰 가격은 광고주가 입력한 정보에 기초하여 결정되나, 광고주가 입력하는 정보는 입찰 가격 상한 등과 같은 간단한 정보에 불과하다. 즉, 종래의 광고주는 시청자에 대한 정보를 전혀 고려하지 못한 상태에서 입찰 가격과 관련된 정보를 입력하게 된다. 그에 따라, 시청자를 좀더 타겟팅하여 광고를 제공할 필요성이 대두되었다.

본 개시는 상술한 필요성에 따른 것으로, 본 개시의 목적은 광고 컨텐츠에 대한 경매 참여에 과정에서 시청자의 광고 참여 정보 등 광고주에게 좀더 다양한 정보를 제공하는 전자 장치 및 그 제어 방법을 제공함에 있다.

이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 전자 장치는 통신 인터페이스, 제1 신경망 모델이 저장된 메모리 및 상기 통신 인터페이스 및 상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서를 포함하고, 상기 프로세서는 상기 통신 인터페이스를 통해 외부 장치로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 상기 가격 요청 신호에 기초하여 상기 시청자와 관련된 제1 정보를 획득하고, 상기 제1 정보, 상기 광고 컨텐츠의 광고주가 설정한 타겟 시청자 및 타겟 시청 컨텐츠에 대한 제2 정보 및 상기 광고 컨텐츠에 대한 제3 정보를 상기 제1 신경망 모델에 입력하여 상기 시청자의 상기 광고 컨텐츠에 대한 예상 참여도를 획득하며, 상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정할 수 있다.

또한, 상기 프로세서는 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도 및 상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정할 수 있다.

그리고, 상기 프로세서는 상기 광고주가 상기 타겟 참여도를 설정하지 않은 경우, 상기 제3 정보에 포함된 상기 광고 컨텐츠의 전체 재생 시간에 기초하여 상기 타겟 참여도를 획득할 수 있다.

또한, 상기 메모리는 제2 신경망 모델을 더 저장하고, 상기 프로세서는 상기 가격 요청 신호에 대해 응답하는 것으로 결정되면, 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도 및 상기 예상 참여도를 상기 제2 신경망 모델에 입력하여 상기 광고 컨텐츠에 대한 가격을 획득하고, 상기 획득된 가격을 상기 외부 장치로 전송하도록 상기 통신 인터페이스를 제어할 수 있다.

그리고, 상기 메모리는 제3 신경망 모델을 더 저장하고, 상기 프로세서는 상기 제1 정보를 상기 제3 신경망 모델에 입력하여 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하고, 상기 예상 참여도 및 상기 예측 가격에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하며, 상기 가격 요청 신호에 대해 응답하는 것으로 결정되면, 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도, 상기 예상 참여도 및 상기 예측 가격을 상기 제2 신경망 모델에 입력하여 상기 광고 컨텐츠에 대한 가격을 획득할 수 있다.

또한, 상기 프로세서는 상기 획득된 가격을 상기 외부 장치로 전송하도록 상기 통신 인터페이스를 제어하여 상기 시청자에게 제공될 광고 컨텐츠를 결정하는 경매에 참여하고, 상기 통신 인터페이스를 통해 상기 외부 장치로부터 상기 경매에 대한 결과를 수신할 수 있다.

그리고, 상기 프로세서는 상기 광고 컨텐츠가 낙찰된 경우, 상기 시청자에게 상기 광고 컨텐츠를 제공하도록 상기 통신 인터페이스를 제어하고, 상기 광고 컨텐츠가 낙찰되지 않은 경우 상기 타겟 참여도를 변경할 수 있다.

또한, 상기 프로세서는 상기 가격 요청 신호에 기초하여 상기 시청자의 나이, 성별, 위치, 국적 또는 직업 중 적어도 하나를 획득하고, 상기 획득된 정보를 상기 제1 정보로서 식별할 수 있다.

그리고, 상기 예상 참여도는 상기 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간에 대한 상기 시청자가 상기 광고 컨텐츠를 시청할 것으로 예상되는 시간의 비율을 나타낼 수 있다.

한편, 본 개시의 일 실시 예에 따르면, 전자 장치의 제어 방법은 외부 장치로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 상기 가격 요청 신호에 기초하여 상기 시청자와 관련된 제1 정보를 획득하는 단계, 상기 제1 정보, 상기 광고 컨텐츠의 광고주가 설정한 타겟 시청자 및 타겟 시청 컨텐츠에 대한 제2 정보 및 상기 광고 컨텐츠에 대한 제3 정보를 제1 신경망 모델에 입력하여 상기 시청자의 상기 광고 컨텐츠에 대한 예상 참여도를 획득하는 단계 및 상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하는 단계를 포함한다.

또한, 상기 결정하는 단계는 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도 및 상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정할 수 있다.

그리고, 상기 결정하는 단계는 상기 광고주가 상기 타겟 참여도를 설정하지 않은 경우, 상기 제3 정보에 포함된 상기 광고 컨텐츠의 전체 재생 시간에 기초하여 상기 타겟 참여도를 획득할 수 있다.

또한, 상기 가격 요청 신호에 대해 응답하는 것으로 결정되면, 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도 및 상기 예상 참여도를 제2 신경망 모델에 입력하여 상기 광고 컨텐츠에 대한 가격을 획득하는 단계 및 상기 획득된 가격을 상기 외부 장치로 전송하는 단계를 더 포함할 수 있다.

그리고, 상기 제1 정보를 제3 신경망 모델에 입력하여 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하는 단계를 더 포함하며, 상기 결정하는 단계는 상기 예상 참여도 및 상기 예측 가격에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하며, 상기 가격을 획득하는 단계는 상기 가격 요청 신호에 대해 응답하는 것으로 결정되면, 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도, 상기 예상 참여도 및 상기 예측 가격을 상기 제2 신경망 모델에 입력하여 상기 광고 컨텐츠에 대한 가격을 획득할 수 있다.

또한, 상기 전송하는 단계는 상기 획득된 가격을 상기 외부 장치로 전송하여 상기 시청자에게 제공될 광고 컨텐츠를 결정하는 경매에 참여하고, 상기 제어 방법은 상기 외부 장치로부터 상기 경매에 대한 결과를 수신하는 단계를 더 포함할 수 있다.

그리고, 상기 광고 컨텐츠가 낙찰된 경우, 상기 시청자에게 상기 광고 컨텐츠를 제공하고, 상기 광고 컨텐츠가 낙찰되지 않은 경우 상기 타겟 참여도를 변경하는 단계를 더 포함할 수 있다.

또한, 상기 제1 정보를 획득하는 단계는 상기 가격 요청 신호에 기초하여 상기 시청자의 나이, 성별, 위치, 국적 또는 직업 중 적어도 하나를 획득하고, 상기 획득된 정보를 상기 제1 정보로서 식별할 수 있다.

그리고, 상기 예상 참여도는 상기 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간에 대한 상기 시청자가 상기 광고 컨텐츠를 시청할 것으로 예상되는 시간의 비율을 나타낼 수 있다.

한편, 본 개시의 일 실시 예에 따르면, 전자 장치의 동작 방법을 실행하기 위한 프로그램이 저장된 비일시적 컴퓨터 판독가능 기록매체에 있어서, 상기 동작 방법은 외부 장치로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 상기 가격 요청 신호에 기초하여 상기 시청자와 관련된 제1 정보를 획득하는 단계, 상기 제1 정보, 상기 광고 컨텐츠의 광고주가 설정한 타겟 시청자 및 타겟 시청 컨텐츠에 대한 제2 정보 및 상기 광고 컨텐츠에 대한 제3 정보를 제1 신경망 모델에 입력하여 상기 시청자의 상기 광고 컨텐츠에 대한 예상 참여도를 획득하는 단계 및 상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하는 단계를 포함한다.

이상과 같은 본 개시의 다양한 실시 예에 따르면, 전자 장치는 광고주의 광고 컨텐츠에 대해 시청자의 예상 참여도를 제공함에 따라 광고주의 광고 컨텐츠에 대한 경매 참여를 보조할 수 있다.

도 1은 종래 기술을 설명하기 위한 도면이다.
도 2a는 본 개시의 일 실시 예에 따른 전자 장치의 구성을 나타내는 블록도이다.
도 2b는 본 개시의 일 실시 예에 따른 전자 장치의 세부 구성을 나타내는 블럭도이다.
도 3 내지 5는 본 개시의 일 실시 예에 따른 경매 시스템을 설명하기 위한 도면들이다.
도 6은 본 개시의 일 실시 예에 따른 제1 신경망 모델의 학습 방법을 설명하기 위한 도면이다.
도 7a 및 도 7b는 본 개시의 일 실시 예에 따른 응답 여부를 출력하는 신경망 모델의 학습 방법을 설명하기 위한 도면들이다.
도 8a 및 도 8b는 본 개시의 일 실시 예에 따른 제2 신경망 모델의 학습 방법을 설명하기 위한 도면들이다.
도 9는 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.

이하에서는 첨부 도면을 참조하여 본 개시를 상세히 설명한다.

본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

A 또는/및 B 중 적어도 하나라는 표현은 "A" 또는 "B" 또는 "A 및 B" 중 어느 하나를 나타내는 것으로 이해되어야 한다.

본 명세서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 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.

본 명세서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공 지능 전자 장치)를 지칭할 수 있다.

이하 첨부된 도면들을 참조하여 본 개시의 다양한 실시 예를 보다 상세하게 설명한다.

도 2a는 본 개시의 일 실시 예에 따른 전자 장치(100)의 구성을 나타내는 블록도이다.

전자 장치(100)는 광고 컨텐츠의 경매 입찰과 관련된 동작을 처리하는 장치로서, 서버, TV, 데스크탑 PC, 노트북, 비디오 월(video wall), LFD(large format display), Digital Signage(디지털 간판), DID(Digital Information Display), 프로젝터 디스플레이, DVD(digital video disk) 플레이어, 스마트폰, 태블릿 PC, 모니터, 스마트 안경, 스마트 워치, 셋탑박스(STB), 스피커, 컴퓨터 본체 등과 같은 장치일 수 있다. 다만, 이에 한정되는 것은 아니며, 전자 장치(100)는 광고 컨텐츠의 경매 입찰과 관련된 동작을 처리할 수 있는 장치라면 어떠한 장치라도 무방하다.

전자 장치(100)는 도 2a에 도시된 바와 같이, 통신 인터페이스(110), 메모리(120) 및 프로세서(130)를 포함한다.

통신 인터페이스(110)는 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 장치와 통신을 수행하는 구성이다. 예를 들어, 전자 장치(100)는 통신 인터페이스(110)를 통해 AD Exchange 또는 복수의 광고주들의 전가 기기들과 통신을 수행할 수 있다.

통신 인터페이스(110)는 와이파이 모듈, 블루투스 모듈, 적외선 통신 모듈 및 무선 통신 모듈 등을 포함할 수 있다. 여기서, 각 통신 모듈은 적어도 하나의 하드웨어 칩 형태로 구현될 수 있다.

와이파이 모듈, 블루투스 모듈은 각각 WiFi 방식, 블루투스 방식으로 통신을 수행한다. 와이파이 모듈이나 블루투스 모듈을 이용하는 경우에는 SSID 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다. 적외선 통신 모듈은 시 광선과 밀리미터파 사이에 있는 적외선을 이용하여 근거리에 무선으로 데이터를 전송하는 적외선 통신(IrDA, infrared Data Association)기술에 따라 통신을 수행한다.

무선 통신 모듈은 상술한 통신 방식 이외에 지그비(zigbee), 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 4G(4th Generation), 5G(5th Generation)등과 같은 다양한 무선 통신 규격에 따라 통신을 수행하는 적어도 하나의 통신 칩을 포함할 수 있다.

또는, 통신 인터페이스(110)는 HDMI, DP, 썬더볼트, USB, RGB, D-SUB, DVI 등과 같은 유선 통신 인터페이스를 포함할 수 있다.

그 밖에 통신 인터페이스(110)는 LAN(Local Area Network) 모듈, 이더넷 모듈, 또는 페어 케이블, 동축 케이블 또는 광섬유 케이블 등을 이용하여 통신을 수행하는 유선 통신 모듈 중 적어도 하나를 포함할 수도 있다.

메모리(120)는 프로세서(130) 등이 접근할 수 있도록 데이터 등의 정보를 전기 또는 자기 형태로 저장하는 하드웨어를 지칭할 수 있다. 이를 위해, 메모리(120)는 비휘발성 메모리, 휘발성 메모리, 플래시 메모리(Flash Memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD), RAM, ROM 등 중에서 적어도 하나의 하드웨어로 구현될 수 있다.

메모리(120)에는 전자 장치(100) 또는 프로세서(130)의 동작에 필요한 적어도 하나의 인스트럭션(instruction) 또는 모듈이 저장될 수 있다. 여기서, 인스트럭션은 전자 장치(100) 또는 프로세서(130)의 동작을 지시하는 부호 단위로서, 컴퓨터가 이해할 수 있는 언어인 기계어로 작성된 것일 수 있다. 모듈은 작업 단위의 특정 작업을 수행하는 일련의 인스트럭션의 집합체(instruction set)일 수 있다.

메모리(120)에는 문자, 수, 영상 등을 나타낼 수 있는 비트 또는 바이트 단위의 정보인 데이터가 저장될 수 있다. 예를 들어, 메모리(120)에는 복수의 신경망 모델이 저장될 수 있다. 복수의 신경망 모델은 시청자의 광고 컨텐츠에 대한 예상 참여도를 획득하도록 학습된 모델, 광고 컨텐츠에 대한 가격을 획득하도록 학습된 모델, 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하는 모델 등을 포함할 수 있다.

메모리(120)는 프로세서(130)에 의해 액세스되며, 프로세서(130)에 의해 인스트럭션, 모듈 또는 데이터에 대한 독취/기록/수정/삭제/갱신 등이 수행될 수 있다.

프로세서(130)는 전자 장치(100)의 동작을 전반적으로 제어한다. 구체적으로, 프로세서(130)는 전자 장치(100)의 각 구성과 연결되어 전자 장치(100)의 동작을 전반적으로 제어할 수 있다. 예를 들어, 프로세서(130)는 통신 인터페이스(110), 메모리(120) 등과 같은 구성과 연결되어 전자 장치(100)의 동작을 제어할 수 있다.

일 실시 예에 따라 프로세서(130)는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), TCON(Time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(130)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.

프로세서(130)는 통신 인터페이스(110)를 통해 외부 장치로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 가격 요청 신호에 기초하여 시청자와 관련된 제1 정보를 획득할 수 있다.

예를 들어, 프로세서(130)는 통신 인터페이스(110)를 통해 AD Exchange로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 가격 요청 신호에 기초하여 시청자의 나이, 성별, 위치, 국적 또는 직업 중 적어도 하나를 제1 정보로서 식별할 수 있다.

프로세서(130)는 제1 정보, 광고 컨텐츠의 광고주가 설정한 타겟 시청자 및 타겟 시청 컨텐츠에 대한 제2 정보 및 광고 컨텐츠에 대한 제3 정보를 제1 신경망 모델에 입력하여 시청자의 광고 컨텐츠에 대한 예상 참여도(Viewer Engagement Measure, VEM)를 획득할 수 있다. 예를 들어, 예상 참여도는 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간에 대한 시청자가 광고 컨텐츠를 시청할 것으로 예상되는 시간의 비율을 나타낼 수 있으며, 0에서 1 사이의 실수로 결정될 수 있다. 여기서, 제2 정보는 시청자가 시청하고 있는 컨텐츠의 타입, 방송국, 시청 가능 연령, 장르 등에 대한 정보를 포함하고, 제3 정보는 광고 컨텐츠의 타입, 광고 대상이 되는 제품 등에 대한 정보를 포함할 수 있다. 그리고, 제1 신경망 모델은 시청자에 대한 제1 샘플 정보, 타겟 시청 컨텐츠에 대한 제2 샘플 정보 및 광고 컨텐츠에 대한 제3 샘플 정보와 샘플 참여도의 관계를 학습한 모델일 수 있다.

프로세서(130)는 예상 참여도에 기초하여 가격 요청 신호에 대한 응답 여부를 결정할 수 있다. 예를 들어, 프로세서(130)는 예상 참여도가 0.7 이상인 경우, 가격 요청 신호에 대해 응답하여 경매에 참여하는 것으로 결정할 수 있다.

또는, 프로세서(130)는 제3 정보, 광고주가 설정한 타겟 참여도 및 예상 참여도에 기초하여 가격 요청 신호에 대한 응답 여부를 결정할 수도 있다. 예를 들어, 프로세서(130)는 예상 참여도가 광고주가 설정한 타겟 참여도 이상인 경우, 가격 요청 신호에 대해 응답하여 경매에 참여하는 것으로 결정할 수 있다. 이때, 광고주가 설정한 타겟 참여도는 제3 정보에 따라 상이할 수 있다. 가령, 광고 컨텐츠가 구두 광고인 경우 광고주가 설정한 타겟 참여도는 0.5이고, 광고 컨텐츠가 의류 광고인 경우 광고주가 설정한 타겟 참여도는 0.7일 수 있다.

또는, 프로세서(130)는 광고주가 타겟 참여도를 설정하지 않은 경우, 제3 정보에 포함된 광고 컨텐츠의 전체 재생 시간에 기초하여 타겟 참여도를 획득할 수도 있다.

한편, 메모리(120)는 제2 신경망 모델을 더 저장하고, 프로세서(130)는 가격 요청 신호에 대해 응답하는 것으로 결정되면, 제3 정보, 광고주가 설정한 타겟 참여도 및 예상 참여도를 제2 신경망 모델에 입력하여 광고 컨텐츠에 대한 가격을 획득하고, 획득된 가격을 외부 장치로 전송하도록 통신 인터페이스(110)를 제어할 수 있다. 여기서, 제2 신경망 모델은 광고 컨텐츠에 대한 제3 샘플 정보, 샘플 타겟 참여도 및 샘플 예상 참여도와 가격의 관계를 학습한 모델일 수 있다.

또한, 메모리(120)는 제3 신경망 모델을 더 저장하고, 프로세서(130)는 제1 정보를 제3 신경망 모델에 입력하여 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하고, 예상 참여도 및 예측 가격에 기초하여 가격 요청 신호에 대한 응답 여부를 결정할 수도 있다. 여기서, 제3 신경망 모델은 시청자에 대한 제1 샘플 정보와 타 광고주의 샘플 가격의 관계를 학습한 모델일 수 있다.

프로세서(130)는 가격 요청 신호에 대해 응답하는 것으로 결정되면, 제3 정보, 광고주가 설정한 타겟 참여도, 예상 참여도 및 예측 가격을 제2 신경망 모델에 입력하여 광고 컨텐츠에 대한 가격을 획득할 수도 있다. 즉, 제2 신경망 모델은 타 광고주에 대한 예측 가격을 더 고려하는 것으로 학습될 수도 있다.

프로세서(130)는 획득된 가격을 외부 장치로 전송하도록 통신 인터페이스(110)를 제어하여 시청자에게 제공될 광고 컨텐츠를 결정하는 경매에 참여하고, 통신 인터페이스(110)를 통해 외부 장치로부터 경매에 대한 결과를 수신할 수 있다.

한편, 프로세서(130)는 광고 컨텐츠가 낙찰된 경우, 시청자에게 광고 컨텐츠를 제공하도록 통신 인터페이스(110)를 제어하고, 광고 컨텐츠가 낙찰되지 않은 경우 타겟 참여도를 변경할 수 있다.

예를 들어, 프로세서(130)는 광고 컨텐츠가 낙찰된 경우, 시청자에게 광고 컨텐츠를 제공하도록 명령하는 신호를 AD Server로 전송도록 통신 인터페이스(110)를 제어할 수 있다. 또는, 프로세서(130)는 광고 컨텐츠가 낙찰되지 않은 경우 현재 0.7의 타겟 참여도를 0.69로 변경할 수 있다. 타겟 참여도가 낮아짐에 따라 제2 신경망 모델을 이용하여 획득되는 컨텐츠에 대한 가격이 낮아질 수 있다.

또한, 프로세서(130)는 낙찰되지 않은 횟수에 기초하여 타겟 참여도를 변경할 수도 있다. 가령, 프로세서(130)는 낙찰되지 않은 횟수가 3회를 초과하면 현재 0.7의 타겟 참여도를 0.69로 변경할 수 있다. 여기서, 타겟 참여도가 변경되면, 낙찰되지 않은 횟수는 다시 0으로 설정될 수 있다.

도 2b는 본 개시의 일 실시 예에 따른 전자 장치(100)의 세부 구성을 나타내는 블럭도이다. 전자 장치(100)는 통신 인터페이스(110), 메모리(120) 및 프로세서(130)를 포함할 수 있다. 또한, 도 2b에 따르면, 전자 장치(100)는 사용자 인터페이스(140) 또는 디스플레이(150) 중 적어도 하나를 더 포함할 수도 있다. 도 2b에 도시된 구성요소들 중 도 2a에 도시된 구성요소와 중복되는 부분에 대해서는 자세한 설명을 생략하도록 한다.

사용자 인터페이스(140)는 버튼, 터치 패드, 마우스 및 키보드 등으로 구현되거나, 후술할 디스플레이 기능 및 조작 입력 기능도 함께 수행 가능한 터치 스크린으로도 구현될 수 있다. 여기서, 버튼은 전자 장치(100)의 본체 외관의 전면부나 측면부, 배면부 등의 임의의 영역에 형성된 기계적 버튼, 터치 패드, 휠 등과 같은 다양한 유형의 버튼이 될 수 있다. 광고주는 사용자 인터페이스(140)를 통해 입찰과 관련된 정보를 입력할 수도 있다.

디스플레이(150)는 LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes) 디스플레이, PDP(Plasma Display Panel) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 디스플레이(150) 내에는 a-si TFT, LTPS(low temperature poly silicon) TFT, OTFT(organic TFT) 등과 같은 형태로 구현될 수 있는 구동 회로, 백라이트 유닛 등도 함께 포함될 수 있다. 한편, 디스플레이(150)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 등으로 구현될 수 있다.

한편, 본 개시에 따른 인공 지능과 관련된 기능은 프로세서(130)와 메모리(120)를 통해 동작된다.

프로세서(130)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서일 수 있다.

하나 또는 복수의 프로세서는, 메모리(120)에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공 지능 전용 프로세서인 경우, 인공 지능 전용 프로세서는 특정 인공 지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다. 기 정의된 동작 규칙 또는 인공 지능 모델은 학습을 통해 만들어진 것을 특징으로 한다.

여기서, 학습을 통해 만들어진다는 것은, 기본 인공 지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공 지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.

인공 지능 모델은 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공 지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공 지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다.

인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN(Convolutional Neural Network), DNN (Deep Neural Network), RNN(Recurrent Neural Network), RBM(Restricted Boltzmann Machine), DBN(Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network), GAN(Generative Adversarial Network) 또는 심층 Q-네트워크(Deep Q-Networks) 등이 있으나, 이에 한정되는 것은 아니다.

이상과 같이 전자 장치(100)는 전자 장치는 광고주의 광고 컨텐츠에 대해 시청자의 예상 참여도를 제공함에 따라 광고주의 광고 컨텐츠에 대한 경매 참여를 보조할 수 있다.

이하에서는 도 3 내지 도 8b를 통해 전자 장치(100)의 동작을 좀더 구체적으로 설명한다. 도 3 내지 도 8b에서는 설명의 편의를 위해 개별적인 실시 예에 대하여 설명한다. 다만, 도 3 내지 도 8b의 개별적인 실시 예는 얼마든지 조합된 상태로 실시될 수도 있다.

도 3 내지 5는 본 개시의 일 실시 예에 따른 경매 시스템을 설명하기 위한 도면들이다.

도 3에 도시된 바와 같이, 시청자가 동영상 페이지에 접속하면(S310), SSP(Supply-Side Platform)는 AD Exchange로 시청자에게 보여줄 광고를 요청하는 신호(광고(Ad) Request)를 전송하고(S315), AD Exchange는 AD Exchange에 연결된 전자 장치(100)로 광고 지면에 대한 가격을 요청하는 신호(Bid Request)를 전송할 수 있다(S320). 이때, AD Exchange는 AD Exchange에 연결된 적어도 하나의 타 전자 장치(100)로도 광고 지면에 대한 가격을 요청하는 신호를 전송할 수 있다.

전자 장치(100)의 프로세서(130)는 AD Exchange로부터 가격 요청 신호가 수신되면(S325), 입찰을 세분화(Bid Segmentation)할 수 있다(S330). 구체적으로, 프로세서(130)는 도 4에 도시된 바와 같이, 입찰 이력과 시청자 정보에 기초하여 입찰을 세분화할 수 있다. 예를 들어, 프로세서(130)는 가격 요청 신호에 포함된 IP 주소에 기초하여 시청자의 위치, 국적 등을 제1 정보로서 식별하고, 입찰 이력에 기초하여 시청자의 성별, 나이 등을 제1 정보로서 추정할 수 있다. 프로세서(130)는 식별된 정보 및 추정된 정보에 기초하여 입찰을 세분화할 수 있다. 가령, 프로세서(130)는 시청자가 5세 이상인 경우에만 입찰을 진행할 수 있다. 이상과 같은 방법을 통해, 프로세서(130)는 복수의 가격 요청 신호에 대해 입찰을 진행할 후보(Ad Candidates)를 식별할 수 있다.

프로세서(130)는 입찰을 진행할 후보를 필터링할 수 있다(S335). 도 5에 도시된 바와 같이, 프로세서(130)는 광고주가 설정한 타겟 시청자에 대한 정보, 타겟 시청 컨텐츠에 대한 제2 정보 및 광고 컨텐츠에 대한 제3 정보에 기초하여 입찰을 진행할 후보를 필터링할 수 있다. 예를 들어, 프로세서(130)는 광고주가 설정한 타겟 시청자의 나이가 30세 이상인 경우, 시청자가 30세 미만인 후보를 필터링할 수 있다.

프로세서(130)는 광고 컨텐츠의 타입을 식별하고(S340), 광고 컨텐츠의 타입이 동영상인 경우 시청자의 광고 컨텐츠에 대한 예상 참여도를 획득할 수 있다(VEM Prediction, S345). 그리고, 프로세서(130)는 예상 참여도에 기초하여 가격 요청 신호에 대한 응답 여부를 결정하며(VEM-based Throttling, S345), 광고 컨텐츠에 대한 가격을 결정할 수 있다(Bid Price Decision, S345). 예를 들어, 프로세서(130)는 제1 신경망 모델을 이용하여 시청자의 광고 컨텐츠에 대한 예상 참여도를 획득하고, 제2 신경망 모델을 이용하여 광고 컨텐츠에 대한 가격을 획득할 수 있다.

이때, 프로세서(130)는 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하고, 타 광고주의 예측 가격에 기초하여 광고 컨텐츠에 대한 가격을 획득할 수도 있다. 예를 들어, 프로세서(130)는 제3 신경망 모델을 이용하여 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하고, 타 광고주의 예측 가격에 기초하여 광고 컨텐츠에 대한 가격을 획득할 수도 있다.

프로세서(130)는 이상과 같은 동작을 복수의 광고주에 대해 수행하여, 복수의 광고주 각각의 응답 여부 및 응답하는 경우의 가격을 획득할 수 있다. 프로세서(130)는 응답하는 경우의 복수의 가격 중 가장 높은 가격을 Bidding 정보로서 Ad Exchange로 전송하여(S350), Ad Exchange의 경매에 참여할 수 있다(S355). Ad Exchange는 경매 결과(S360)를 전자 장치(100)로 제공할 수 있다. 프로세서(130)는 경매 결과를 업데이트하고(S365), 시청자에게 광고를 제공하도록 AD Server로 신호를 전송할 수 있다. AD Server는 Publisher로 광고를 제공하고(S370), 시청자는 광고에 참여할 수 있다(S375).

프로세서(130)는 시청자의 광고 참여도를 수신하고 데이터베이스를 업데이트할 수 있다(S380).

도 6은 본 개시의 일 실시 예에 따른 제1 신경망 모델의 학습 방법을 설명하기 위한 도면들이다.

제1 신경망 모델은 시청자의 광고 컨텐츠에 대한 예상 참여도를 출력하는 모델로서, 프로세서(130)는 광고 컨텐츠의 전체 길이(TL)을 식별하고, 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간(To)를 획득할 수 있다. 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간(To)은 광고주에 의해 선택되거나 기설정된 값일 수 있다. 또는, 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간(To)은 광고 컨텐츠의 전체 길이(TL)에 대한 비율 또는 광고 컨텐츠의 전체 길이에 대한 함수로 정의될 수도 있다.

프로세서(130)는 실제 시청자의 참여도에 기초하여 학습 과정에서 이용할 샘플 참여도를 산출할 수 있다. 예를 들어, 샘플 참여도(VEM)는 하기의 수학식 1과 같이 정의될 수 있다.

[수학식 1]

VEM≡min(Tw, To)/To

여기서, Tw는 시청자가 광고 컨텐츠를 시청한 시간이고, To는 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간일 수 있다. 그에 따라, 샘플 참여도는 0에서 1 사이의 값을 갖게 된다.

이상과 같이 프로세서(130)는 시청자의 광고 참여도를 기저장해두고, 제1 신경망 모델의 학습에 이용할 수 있다.

프로세서(130)는 시청자에 대한 제1 샘플 정보, 타겟 시청 컨텐츠에 대한 제2 샘플 정보 및 광고 컨텐츠에 대한 제3 샘플 정보와 샘플 참여도의 관계를 통해 제1 신경망 모델을 학습할 수 있다.

도 7a 및 도 7b는 본 개시의 일 실시 예에 따른 응답 여부를 출력하는 신경망 모델의 학습 방법을 설명하기 위한 도면들이다.

프로세서(130)는 도 7b와 같이 과거의 입찰 기록에 기초하여 데이터 베이스를 생성할 수 있다. 구체적으로, 프로세서(130)는 참여도(VEM), 입찰 가격, 낙찰 여부를 획득하고, 낙찰 여부에 대한 레이블을 추가하여 응답 여부를 출력하는 신경망 모델의 학습에 이용할 수 있다. 여기서, 프로세서(130)는 예산 한도, 기간 한도, 일변 예산 한도 등의 제약 조건을 추가하여 학습에 이용할 데이터 중 낙찰 여부에 대한 레이블을 업데이트할 수도 있다.

한편, 프로세서(130)는 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하고, 그 총합을 Predicted Market Price(Pm)로 획득할 수 있다. 그리고, 프로세서(130)는 하기와 같은 수학식 2를 통해 VEM 당 Predicted Market Price인 CPVEM(Cost per VEM)을 획득할 수 있다.

[수학식 2]

CPVEM=Pm/VEM

프로세서(130)는 광고 컨텐츠에 대한 제3 샘플 정보, Bid 정보, Pm, CPVEM, 참여도(VEM), 낙찰 여부에 대한 레이블을 고려하여 응답 여부를 출력하는 신경망 모델의 학습을 수행할 수도 있다. 이 경우, 프로세서(130)는 CPVEM이 낮은 가격 요청 신호(Bid Request) 위주로 응답을 수행할 수 있다.

도 8a 및 도 8b는 본 개시의 일 실시 예에 따른 제2 신경망 모델의 학습 방법을 설명하기 위한 도면들이다.

제2 신경망 모델은 광고 컨텐츠에 대한 가격을 출력하는 모델로서, 프로세서(130)는 광고 컨텐츠에 대한 제3 샘플 정보, 샘플 타겟 참여도 및 샘플 예상 참여도와 가격의 관계를 통해 제2 신경망 모델을 학습할 수 있다.

또한, 프로세서(130)는 도 8a에 도시된 바와 같이, Bid 정보, Pm, CPVEM를 더 고려하여 제2 신경망 모델의 학습을 수행할 수도 있다.

한편, 프로세서(130)는 샘플 예상 참여도를 변수로서 제2 신경망 모델에 입력하여 도 8b과 같은 결과를 출력할 수도 있다. 이 경우, 도 8b와 같은 결과에 기초하여 광고주가 적절한 가격을 결정할 수도 있다.

도 9는 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.

먼저, 외부 장치로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 가격 요청 신호에 기초하여 시청자와 관련된 제1 정보를 획득한다(S910). 그리고, 제1 정보, 광고 컨텐츠의 광고주가 설정한 타겟 시청자 및 타겟 시청 컨텐츠에 대한 제2 정보 및 광고 컨텐츠에 대한 제3 정보를 제1 신경망 모델에 입력하여 시청자의 광고 컨텐츠에 대한 예상 참여도를 획득한다(S920). 그리고, 예상 참여도에 기초하여 가격 요청 신호에 대한 응답 여부를 결정한다(S930).

여기서, 결정하는 단계(S930)는 제3 정보, 광고주가 설정한 타겟 참여도 및 예상 참여도에 기초하여 가격 요청 신호에 대한 응답 여부를 결정할 수 있다.

또한, 결정하는 단계(S930)는 광고주가 타겟 참여도를 설정하지 않은 경우, 제3 정보에 포함된 광고 컨텐츠의 전체 재생 시간에 기초하여 타겟 참여도를 획득할 수 있다.

한편, 가격 요청 신호에 대해 응답하는 것으로 결정되면, 제3 정보, 광고주가 설정한 타겟 참여도 및 예상 참여도를 제2 신경망 모델에 입력하여 광고 컨텐츠에 대한 가격을 획득하는 단계 및 획득된 가격을 외부 장치로 전송하는 단계를 더 포함할 수 있다.

여기서, 제1 정보를 제3 신경망 모델에 입력하여 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하는 단계를 더 포함하며, 결정하는 단계(S930)는 예상 참여도 및 예측 가격에 기초하여 가격 요청 신호에 대한 응답 여부를 결정하며, 가격을 획득하는 단계는 가격 요청 신호에 대해 응답하는 것으로 결정되면, 제3 정보, 광고주가 설정한 타겟 참여도, 예상 참여도 및 예측 가격을 제2 신경망 모델에 입력하여 광고 컨텐츠에 대한 가격을 획득할 수 있다.

그리고, 전송하는 단계는 획득된 가격을 외부 장치로 전송하여 시청자에게 제공될 광고 컨텐츠를 결정하는 경매에 참여하고, 제어 방법은 외부 장치로부터 경매에 대한 결과를 수신하는 단계를 더 포함할 수 있다.

여기서, 광고 컨텐츠가 낙찰된 경우, 시청자에게 광고 컨텐츠를 제공하고, 광고 컨텐츠가 낙찰되지 않은 경우 타겟 참여도를 변경하는 단계를 더 포함할 수 있다.

한편, 제1 정보를 획득하는 단계(S910)는 가격 요청 신호에 기초하여 시청자의 나이, 성별, 위치, 국적 또는 직업 중 적어도 하나를 획득하고, 획득된 정보를 제1 정보로서 식별할 수 있다.

여기서, 예상 참여도는 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간에 대한 시청자가 광고 컨텐츠를 시청할 것으로 예상되는 시간의 비율을 나타낼 수 있다.

이상과 같은 본 개시의 다양한 실시 예에 따르면, 전자 장치는 광고주의 광고 컨텐츠에 대해 시청자의 예상 참여도를 제공함에 따라 광고주의 광고 컨텐츠에 대한 경매 참여를 보조할 수 있다.

한편, 본 개시의 일시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치(예: 전자 장치(A))를 포함할 수 있다. 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 프로세서의 제어 하에 다른 구성요소들을 이용하여 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.

또한, 본 개시의 일 실시 예에 따르면, 이상에서 설명된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

또한, 본 개시의 일 실시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 동작을 수행할 수 있다.

한편, 상술한 다양한 실시 예들에 따른 기기의 프로세싱 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 기기에서의 처리 동작을 특정 기기가 수행하도록 한다. 비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.

또한, 상술한 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

100 : 전자 장치 110 : 통신 인터페이스
120 : 메모리 130 : 프로세서
140 : 사용자 인터페이스 150 : 디스플레이

Claims (19)

1. 전자 장치에 있어서,
   통신 인터페이스;
   제1 신경망 모델이 저장된 메모리; 및
   상기 통신 인터페이스 및 상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서;를 포함하고,
   상기 프로세서는,
   상기 통신 인터페이스를 통해 외부 장치로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 상기 가격 요청 신호에 기초하여 상기 시청자와 관련된 제1 정보를 획득하고,
   상기 제1 정보, 상기 광고 컨텐츠의 광고주가 설정한 타겟 시청자 및 타겟 시청 컨텐츠에 대한 제2 정보 및 상기 광고 컨텐츠에 대한 제3 정보를 상기 제1 신경망 모델에 입력하여 상기 시청자의 상기 광고 컨텐츠에 대한 예상 참여도를 획득하며,
   상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하는, 전자 장치.
2. 제1항에 있어서,
   상기 프로세서는,
   상기 제3 정보, 상기 광고주가 설정한 타겟 참여도 및 상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하는, 전자 장치.
3. 제2항에 있어서,
   상기 프로세서는,
   상기 광고주가 상기 타겟 참여도를 설정하지 않은 경우, 상기 제3 정보에 포함된 상기 광고 컨텐츠의 전체 재생 시간에 기초하여 상기 타겟 참여도를 획득하는, 전자 장치.
4. 제1항에 있어서,
   상기 메모리는, 제2 신경망 모델을 더 저장하고,
   상기 프로세서는,
   상기 가격 요청 신호에 대해 응답하는 것으로 결정되면, 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도 및 상기 예상 참여도를 상기 제2 신경망 모델에 입력하여 상기 광고 컨텐츠에 대한 가격을 획득하고,
   상기 획득된 가격을 상기 외부 장치로 전송하도록 상기 통신 인터페이스를 제어하는, 전자 장치.
5. 제4항에 있어서,
   상기 메모리는, 제3 신경망 모델을 더 저장하고,
   상기 프로세서는,
   상기 제1 정보를 상기 제3 신경망 모델에 입력하여 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하고,
   상기 예상 참여도 및 상기 예측 가격에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하며,
   상기 가격 요청 신호에 대해 응답하는 것으로 결정되면, 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도, 상기 예상 참여도 및 상기 예측 가격을 상기 제2 신경망 모델에 입력하여 상기 광고 컨텐츠에 대한 가격을 획득하는, 전자 장치.
6. 제5항에 있어서,
   상기 프로세서는,
   상기 획득된 가격을 상기 외부 장치로 전송하도록 상기 통신 인터페이스를 제어하여 상기 시청자에게 제공될 광고 컨텐츠를 결정하는 경매에 참여하고,
   상기 통신 인터페이스를 통해 상기 외부 장치로부터 상기 경매에 대한 결과를 수신하는, 전자 장치.
7. 제6항에 있어서,
   상기 프로세서는,
   상기 광고 컨텐츠가 낙찰된 경우, 상기 시청자에게 상기 광고 컨텐츠를 제공하도록 상기 통신 인터페이스를 제어하고, 상기 광고 컨텐츠가 낙찰되지 않은 경우 상기 타겟 참여도를 변경하는, 전자 장치.
8. 제1항에 있어서,
   상기 프로세서는,
   상기 가격 요청 신호에 기초하여 상기 시청자의 나이, 성별, 위치, 국적 또는 직업 중 적어도 하나를 획득하고,
   상기 획득된 정보를 상기 제1 정보로서 식별하는, 전자 장치.
9. 제1항에 있어서,
   상기 예상 참여도는,
   상기 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간에 대한 상기 시청자가 상기 광고 컨텐츠를 시청할 것으로 예상되는 시간의 비율을 나타내는, 전자 장치.
10. 전자 장치의 제어 방법에 있어서,
    외부 장치로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 상기 가격 요청 신호에 기초하여 상기 시청자와 관련된 제1 정보를 획득하는 단계;
    상기 제1 정보, 상기 광고 컨텐츠의 광고주가 설정한 타겟 시청자 및 타겟 시청 컨텐츠에 대한 제2 정보 및 상기 광고 컨텐츠에 대한 제3 정보를 제1 신경망 모델에 입력하여 상기 시청자의 상기 광고 컨텐츠에 대한 예상 참여도를 획득하는 단계; 및
    상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하는 단계;를 포함하는, 제어 방법.
11. 제10항에 있어서,
    상기 결정하는 단계는,
    상기 제3 정보, 상기 광고주가 설정한 타겟 참여도 및 상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하는, 제어 방법.
12. 제11항에 있어서,
    상기 결정하는 단계는,
    상기 광고주가 상기 타겟 참여도를 설정하지 않은 경우, 상기 제3 정보에 포함된 상기 광고 컨텐츠의 전체 재생 시간에 기초하여 상기 타겟 참여도를 획득하는, 제어 방법.
13. 제10항에 있어서,
    상기 가격 요청 신호에 대해 응답하는 것으로 결정되면, 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도 및 상기 예상 참여도를 제2 신경망 모델에 입력하여 상기 광고 컨텐츠에 대한 가격을 획득하는 단계; 및
    상기 획득된 가격을 상기 외부 장치로 전송하는 단계;를 더 포함하는, 제어 방법.
14. 제13항에 있어서,
    상기 제1 정보를 제3 신경망 모델에 입력하여 타 광고주의 광고 컨텐츠에 대한 예측 가격을 획득하는 단계;를 더 포함하며,
    상기 결정하는 단계는,
    상기 예상 참여도 및 상기 예측 가격에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하며,
    상기 가격을 획득하는 단계는,
    상기 가격 요청 신호에 대해 응답하는 것으로 결정되면, 상기 제3 정보, 상기 광고주가 설정한 타겟 참여도, 상기 예상 참여도 및 상기 예측 가격을 상기 제2 신경망 모델에 입력하여 상기 광고 컨텐츠에 대한 가격을 획득하는, 제어 방법.
15. 제14항에 있어서,
    상기 전송하는 단계는,
    상기 획득된 가격을 상기 외부 장치로 전송하여 상기 시청자에게 제공될 광고 컨텐츠를 결정하는 경매에 참여하고,
    상기 제어 방법은,
    상기 외부 장치로부터 상기 경매에 대한 결과를 수신하는 단계;를 더 포함하는, 제어 방법.
16. 제15항에 있어서,
    상기 광고 컨텐츠가 낙찰된 경우, 상기 시청자에게 상기 광고 컨텐츠를 제공하고, 상기 광고 컨텐츠가 낙찰되지 않은 경우 상기 타겟 참여도를 변경하는 단계;를 더 포함하는, 제어 방법.
17. 제10항에 있어서,
    상기 제1 정보를 획득하는 단계는,
    상기 가격 요청 신호에 기초하여 상기 시청자의 나이, 성별, 위치, 국적 또는 직업 중 적어도 하나를 획득하고,
    상기 획득된 정보를 상기 제1 정보로서 식별하는, 제어 방법.
18. 제10항에 있어서,
    상기 예상 참여도는,
    상기 광고 컨텐츠의 전체를 시청한 것으로 간주할 수 있는 시간에 대한 상기 시청자가 상기 광고 컨텐츠를 시청할 것으로 예상되는 시간의 비율을 나타내는, 제어 방법.
19. 전자 장치의 동작 방법을 실행하기 위한 프로그램이 저장된 비일시적 컴퓨터 판독가능 기록매체에 있어서,
    상기 동작 방법은,
    외부 장치로부터 시청자에게 제공될 광고 컨텐츠에 대한 가격 요청 신호가 수신되면, 상기 가격 요청 신호에 기초하여 상기 시청자와 관련된 제1 정보를 획득하는 단계;
    상기 제1 정보, 상기 광고 컨텐츠의 광고주가 설정한 타겟 시청자 및 타겟 시청 컨텐츠에 대한 제2 정보 및 상기 광고 컨텐츠에 대한 제3 정보를 제1 신경망 모델에 입력하여 상기 시청자의 상기 광고 컨텐츠에 대한 예상 참여도를 획득하는 단계; 및
    상기 예상 참여도에 기초하여 상기 가격 요청 신호에 대한 응답 여부를 결정하는 단계;를 포함하는 기록 매체.

Images