KR20220140226A - 콘텐츠 결정 방법, 장치 및 컴퓨터 프로그램 - Google Patents

콘텐츠 결정 방법, 장치 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR20220140226A
KR20220140226A KR1020210046446A KR20210046446A KR20220140226A KR 20220140226 A KR20220140226 A KR 20220140226A KR 1020210046446 A KR1020210046446 A KR 1020210046446A KR 20210046446 A KR20210046446 A KR 20210046446A KR 20220140226 A KR20220140226 A KR 20220140226A
Authority
KR
South Korea
Prior art keywords
content
neural network
present
artificial neural
display terminal
Prior art date
Application number
KR1020210046446A
Other languages
English (en)
Other versions
KR102481439B1 (ko
Inventor
손문일
Original Assignee
주식회사 닐슨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 닐슨 filed Critical 주식회사 닐슨
Priority to KR1020210046446A priority Critical patent/KR102481439B1/ko
Publication of KR20220140226A publication Critical patent/KR20220140226A/ko
Application granted granted Critical
Publication of KR102481439B1 publication Critical patent/KR102481439B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0454—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H04N21/45—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 매장에 설치된 디스플레이 단말에 매장과 관련된 제1 콘텐츠와 함께 제공되는 제2 콘텐츠를 결정하는 방법, 장치 및 컴퓨터 프로그램에 관한 것 이다.

Description

콘텐츠 결정 방법, 장치 및 컴퓨터 프로그램{Method, apparatus and computer program for determining contents}
본 발명은 매장에 설치된 디스플레이 단말에 매장과 관련된 제1 콘텐츠와 함께 제공되는 제2 콘텐츠를 결정하는 방법, 장치 및 컴퓨터 프로그램에 관한 것 이다.
정보통신 기술의 발달로 상점이나 매장에 구비되는 정보 전달 매체가 기존의 인쇄물 형태에서 디스플레이 장치의 형태로 빠르게 변경되고 있는 추세이다. 가령 음식점의 경우, 종래에는 인쇄된 메뉴판의 형태로 음식점에서 판매하는 음식과 가격 등을 표시했으나 최근에는 디스플레이 단말에서 메뉴를 소개하는 콘텐츠를 재생하는 형태로 표시한다.
그러나 이와 같은 디스플레이 단말은 미리 저장 된 콘텐츠로써 해당 상점과 관련된 콘텐츠 만을 표시할 수 있다는 점에서 활용도의 한계가 있다. 예를 들어 메뉴판을 표시하는 디스플레이 단말의 경우 매장을 이용하는 손님이 많지 않은 시간대나, 매장이 종료하여 손님이 없는 시간대에서는 반드시 메뉴판을 표시할 필요가 없음에도 불구하고 종래기술에 따르면 반드시 메뉴판만 표시하여 제대로 활용되지 못하는 문제점이 있었다.
물론 일부 종래 기술에 있어서, 매장과 관련된 콘텐츠와 더불어 제3 자의 콘텐츠를 같이 표시하고자 하는 시도가 있었으나, 그와 같은 종래기술은 매장과 관련된 콘텐츠와 함께 표시되는 제3 자의 콘텐츠의 종류나 내용을 전혀 고려하지 않을 뿐만 아니라, 단순히 매장과 관련된 콘텐츠와 제3 자의 콘텐츠 교번하여 표시하는 것에 그쳐 디스플레이 단말의 본래 목적을 상실하게 하는 부작용이 존재하였다.
본 발명은 전술한 문제점을 해결하기 위한 것으로, 매장에 설치된 디스플레이 단말의 활용도를 향상시키고자 한다.
또한 본 발명은 디스플레이 단말에 본래 목적에 따른 콘텐츠와 제3 자의 콘텐츠를 함께 표시할 수 있도록 하되, 본래 목적에 따른 콘텐츠와의 유사도를 고려하여 제3 자의 콘텐츠를 추천 및 결정함으로써 보다 자연스러운 콘텐츠 표시가 이루어 지도록 하고자 한다.
또한 본 발명은 디스플레이 단말에 제3 자의 콘텐츠가 표시되도록 함으로써 디스플레의 단말의 운영 주체에게 경제적 이득을 제공하고자 한다.
본 발명의 일 실시예에 따른 매장에 설치된 디스플레이 단말에 상기 매장과 관련된 제1 콘텐츠와 함께 제공되는 제2 콘텐츠를 결정하는 방법은, 매장에 설치된 디스플레이 단말로부터 제1 콘텐츠를 수신하는 단계로써, 상기 제1 콘텐츠는 상기 매장과 관련된 정보를 제공하는 콘텐츠이고; 학습된 제1 인공 신경망을 이용하여, 상기 제1 콘텐츠로부터 제1 메타 데이터를 생성하는 단계; 상기 제1 메타 데이터에 기반하여 적어도 하나의 제2 콘텐츠를 결정하는 단계; 및 상기 적어도 하나의 제2 콘텐츠를 상기 디스플레이 단말에 전송하는 단계;를 포함할 수 있다.
상기 적어도 하나의 제2 콘텐츠를 결정하는 단계는 상기 제1 메타 데이터 및 복수의 제3 콘텐츠 각각의 메타 데이터 간의 유사도에 기반하여 상기 복수의 제3 콘텐츠 중 적어도 일부를 상기 적어도 하나의 제2 콘텐츠로 결정하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 따른 콘텐츠 결정 방법은 상기 적어도 하나의 제2 콘텐츠를 결정하는 단계 이후에, 상기 제1 메타 데이터 및 상기 적어도 하나의 제2 콘텐츠 각각의 제2 메타 데이터에 기반하여 상기 제1 콘텐츠 및 상기 적어도 하나의 제2 콘텐츠의 표시 시간대를 포함하는 표시 스케쥴을 생성하는 단계;를 더 포함 할 수 있다.
상기 디스플레이 단말은 상기 디스플레이 단말을 주시하는 사용자에 대한 영상을 획득하는 영상 획득부를 구비하고, 본 발명의 일 실시예에 따른 콘텐츠 결정 방법은 상기 디스플레이 단말로부터 상기 사용자에 대한 영상을 획득하는 단계; 학습된 제2 인공 신경망을 이용하여, 상기 사용자에 대한 영상으로부터 제3 메타 데이터를 생성하는 단계;를 더 포함할 수 있다. 이때 상기 제2 콘텐츠를 결정하는 단계는 상기 제1 메타 데이터 및 상기 제3 메타 데이터 중 적어도 하나에 기반하여 적어도 하나의 제2 콘텐츠를 결정할 수 있다.
본 발명의 일 실시예에 따른 콘텐츠 결정 방법은 상기 제1 콘텐츠를 수신하는 단계 이전에, 복수의 제1 학습 데이터를 이용하여 상기 제1 인공 신경망을 학습시키고, 복수의 제2 학습 데이터를 이용하여 상기 제2 인공 신경망을 학습시키는 단계;를 더 포함할 수 있다.
이때 상기 제1 인공 신경망은 상기 복수의 제1 학습 데이터에 포함된 복수의 콘텐츠와 콘텐츠를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망이고, 상기 제2 인공 신경망은 상기 복수의 제2 학습 데이터에 포함된 복수의 사용자 영상과 영상 내의 사용자를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망일 수 있다.
상기 제1 메타 데이터를 생성하는 단계는 상기 제1 콘텐츠를 상기 제1 인공 신경망에 입력함에 따라 출력된 하나 이상의 태그를 이용하여 상기 제1 메타 데이터를 생성하는 단계;를 포함할 수 있다.
상기 제3 메타 데이터를 생성하는 단계는 상기 사용자에 대한 영상을 상기 제2 인공 신경망에 입력함에 따라 출력된 하나 이상의 태그를 이용하여 상기 제3 메타 데이터를 생성하는 단계;를 포함할 수 있다.
상기 표시 스케쥴을 생성하는 단계는 상기 표시 스케쥴을 상기 디스플레이 단말 및 상기 매장의 관리자의 단말 중 적어도 하나에 전송하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 따른 매장에 설치된 디스플레이 단말에 상기 매장과 관련된 제1 콘텐츠와 함께 제공되는 제2 콘텐츠를 결정하는 장치는 제어부를 포함하고, 상기 제어부는 매장에 설치된 디스플레이 단말로부터 제1 콘텐츠를 수신하고, 상기 제1 콘텐츠는 상기 매장과 관련된 정보를 제공하는 콘텐츠이고, 학습된 제1 인공 신경망을 이용하여, 상기 제1 콘텐츠로부터 제1 메타 데이터를 생성하고, 상기 제1 메타 데이터에 기반하여 적어도 하나의 제2 콘텐츠를 결정하고, 상기 적어도 하나의 제2 콘텐츠를 상기 디스플레이 단말에 전송할 수 있다.
상기 제어부는 상기 제1 메타 데이터 및 복수의 제3 콘텐츠 각각의 메타 데이터 간의 유사도에 기반하여 상기 복수의 제3 콘텐츠 중 적어도 일부를 상기 적어도 하나의 제2 콘텐츠로 결정할 수 있다.
상기 제어부는 상기 제1 메타 데이터 및 상기 적어도 하나의 제2 콘텐츠 각각의 제2 메타 데이터에 기반하여 상기 제1 콘텐츠 및 상기 적어도 하나의 제2 콘텐츠의 표시 시간대를 포함하는 표시 스케쥴을 생성할 수 있다.
상기 디스플레이 단말은 상기 디스플레이 단말을 주시하는 사용자에 대한 영상을 획득하는 영상 획득부를 구비하고, 상기 제어부는 상기 디스플레이 단말로부터 상기 사용자에 대한 영상을 획득하고, 학습된 제2 인공 신경망을 이용하여, 상기 사용자에 대한 영상으로부터 제3 메타 데이터를 생성하고, 상기 제1 메타 데이터 및 상기 제3 메타 데이터 중 적어도 하나에 기반하여 적어도 하나의 제2 콘텐츠를 결정할 수 있다.
상기 제어부는 복수의 제1 학습 데이터를 이용하여 상기 제1 인공 신경망을 학습시키고, 복수의 제2 학습 데이터를 이용하여 상기 제2 인공 신경망을 학습시킬 수 있다.
상기 제1 인공 신경망은 상기 복수의 제1 학습 데이터에 포함된 복수의 콘텐츠와 콘텐츠를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망이고, 상기 제2 인공 신경망은 상기 복수의 제2 학습 데이터에 포함된 복수의 사용자 영상과 영상 내의 사용자를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망일 수 있다.
상기 제어부는 상기 제1 콘텐츠를 상기 제1 인공 신경망에 입력함에 따라 출력된 하나 이상의 태그를 이용하여 상기 제1 메타 데이터를 생성할 수 있다.
상기 제어부는 상기 사용자에 대한 영상을 상기 제2 인공 신경망에 입력함에 따라 출력된 하나 이상의 태그를 이용하여 상기 제3 메타 데이터를 생성할 수 있다.
상기 제어부는 상기 표시 스케쥴을 상기 디스플레이 단말 및 상기 매장의 관리자의 단말 중 적어도 하나에 전송할 수 있다.
본 발명에 따르면 매장에 설치된 디스플레이 단말의 활용도를 향상시킬 수 있다.
또한 본 발명은 디스플레이 단말에 본래 목적에 따른 콘텐츠와 제3 자의 콘텐츠를 함께 표시할 수 있도록 하되, 본래 목적에 따른 콘텐츠와의 유사도를 고려하여 제3 자의 콘텐츠를 추천 및 결정함으로써 보다 자연스러운 콘텐츠 표시가 이루어 지도록 한다.
또한 본 발명은 디스플레이 단말에 제3 자의 콘텐츠가 표시되도록 함으로써 디스플레의 단말의 운영 주체에게 경제적 이득을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 콘텐츠 관리 시스템의 구성을 개략적으로 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 서버(100)의 구성을 개략적으로 도시한 도면이다.
도 3 및 도 4는 본 발명의 서버(100)에 의해 학습된 인공 신경망의 예시적인 구조를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 제어부(120)가 복수의 제1 학습 데이터(510)를 이용하여 제1 인공 신경망(520)을 학습하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 제어부(120)가 복수의 제2 학습 데이터(530)를 이용하여 제2 인공 신경망(540)을 학습하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 제어부(120)가 제1 콘텐츠(551)로부터 제2 콘텐츠(555)를 결정하는 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 다른 실시예에 따른 제어부(120)가 제1 콘텐츠(551) 및 디스플레이 단말(300)을 주시하는 사용자에 대한 영상(564)으로부터 제2 콘텐츠(568)를 결정하는 과정을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 제어부(120)에 의해 수행되는 콘텐츠 결정 방법을 설명하기 위한 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 관리자 단말(200)에 표시되는 화면(600)을 도시한 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다. 도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 형태는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
도 1은 본 발명의 일 실시예에 따른 콘텐츠 관리 시스템의 구성을 개략적으로 도시한 도면이다.
본 발명의 일 실시예에 따른 콘텐츠 관리 시스템은 개별 매장에 설치된 디스플레이 단말(300)에 매장과 관련된 제1 콘텐츠와 함께 시스템에 의해 추천된 제2 콘텐츠가 표시되도록 제2 콘텐츠를 제공할 수 있다.
또한 본 발명의 일 실시예에 따른 콘텐츠 관리 시스템은 디스플레이 단말(300)의 운영 주체(예를 들어 매장 소유자 등)에게 디스플레이 단말(300)에 표시되는 콘텐츠들을 관리할 수 있도록 하는 인터페이스를 제공할 수 있다. 아울러 콘텐츠 관리 시스템은 디스플레이 단말(300)에 제3 자의 콘텐츠가 표시되도록 함에 따라 디스플레이 단말(300)의 운영 주체에게 리워드를 제공할 수 있다.
이와 같은 본 발명의 일 실시예에 따른 콘텐츠 관리 시스템은 도 1에 도시된 바와 같이 서버(100), 관리자 단말(200), 디스플레이 단말(300) 및 통신망(400)을 포함할 수 있다.
본 발명의 일 실시예에 따른 관리자 단말(200)은 매장의 관리자가 서버(100)에 의해 제공되는 다양한 서비스를 이용할 수 있도록 관리자와 서버(100)를 매개하는 다양한 형태의 전자 장치를 의미할 수 있다.
본 발명의 일 실시예에 따른 관리자 단말(200)은 서버(100)와 데이터를 송수신 하는 다양한 장치를 의미할 수 있다. 예를 들어 도 1에 도시된 바와 같이 관리자 단말(200)은 휴대형 전자 기기(201, 202, 203)를 의미할 수도 있고, 컴퓨터(204)를 의미할 수도 있다. 다만 이와 같은 관리자 단말(200)의 형태는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 관리자 단말(200)은 서버(100)에 의해 결정된 제2 콘텐츠에 대한 정보, 제2 콘텐츠의 표시 시각에 관한 정보 등을 포함하는 디스플레이 단말(300)의 관리 페이지를 제공할 수 있다. 관리자는 서버(100)에 의해 제공된 관리 페이지를 통해 제2 콘텐츠를 추가 및/또는 삭제할 수도 있고, 제2 콘텐츠가 표시되는 시각, 표시되는 기간을 변경할 수도 있다.
선택적 실시예에서 관리자는 서버(100)에 의해 제공된 관리 페이지를 통해 목표 수익을 설정하고, 그에 따른 제2 콘텐츠의 표시 시각 및/또는 표시 기간을 추천 받을 수도 있다. 제2 콘텐츠에 대한 상세한 설명은 후술한다.
본 발명의 일 실시예에서 사용자 단말(200)은 상술한 기능을 수행하기 위해 콘텐츠 등을 표시하기 위한 표시수단, 이러한 콘텐츠에 대한 사용자의 입력을 획득하기 위한 입력수단을 구비할 수 있다. 이 때 입력수단 및 표시수단은 다양하게 구성될 수 있다. 가령 입력수단은 키보드, 마우스, 트랙볼, 마이크, 버튼, 터치패널 등을 포함할 수 있으나 이에 한정되지 않는다.
본 발명의 일 실시예에 따른 디스플레이 단말(300)은 복수의 매장(또는 상점)에 설치되어 전기적 신호에 따라 소정의 문자, 영상(정지 영상), 동영상 등을 표시하는 다양한 형태의 장치를 의미할 수 있다. 예를 들어 디스플레이 단말(300)은 매장의 내부에서 외부로 향하도록 설치되는 디스플레이 장치(301, 302)일 수 있다.
또한 디스플레이 단말(300)은 매장 내부에서 매장에서 제공되는 서비스 및/또는 상품을 안내하기 위한 디스플레이 장치일 수도 있다. 예를 들어 디스플레이 단말(300)은 매장에서 판매하는 음료, 음식 등의 메뉴를 표시하기 위한 디스플레이 장치일 수 있다.
다만 디스플레이 단말(300)이 상술한 디스플레이 장치들에 한정되는 것은 아니며, 전기적 신호에 따라 문자, 영상(정지 영상), 동영상 등을 표시하는 장치라면 본 발명의 디스플레이 단말(300)에 해당할 수 있다.
본 발명에서 디스플레이 단말(300)에 표시되는 '제1 콘텐츠'는 디스플레이 단말(300)이 설치된 목적에 따라 표시되는 콘텐츠를 의미할 수 있다. 가령 제1 콘텐츠는 디스플레이 단말(300)이 설치된 매장과 관련된 정보를 제공하는 콘텐츠 일 수 있다. 예를 들어 매장이 커피 등과 같은 음료를 제공하는 곳인 경우, 제1 콘텐츠는 매장에서 판매하는 음료의 종류와 가격을 표시하기 위한 콘텐츠 일 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명에서 디스플레이 단말(300)에 표시되는 '제2 콘텐츠'는 서버(100)에 의해 결정된 콘텐츠로, 상술한 제1 콘텐츠와 함께 디스플레이 단말(300)에 표시되는 콘텐츠 일 수 있다. 서버(100)가 제2 콘텐츠를 결정하는 방법에 대해서는 후술한다.
본 발명에서 두 개의 콘텐츠가 '함께' 표시되는 것은 하나의 디스플레이 단말(300)에 서로 다른 시간대에 콘텐츠가 표시되는 것 또는 동일한 시간대에 디스플레이 단말(300)의 디스플레이 영역을 분할하여 표시되는 것 중 어느 하나를 의미할 수 있다.
본 발명의 일 실시예에 따른 디스플레이 단말(300)은 디스플레이 단말(300)에 표시되는 콘텐츠를 주시하는 사용자에 대한 영상을 획득하는 영상 획득부(미도시)를 구비할 수 있다. 이때 영상 획득부는 사용자에 대한 단일 이미지를 획득할 수도 있고, 시간의 흐름에 따른 영상(동영상)을 획득할 수도 있다.
본 발명의 일 실시예에 따른 통신망(400)은 콘텐츠 관리 시스템의 각 구성 간의 데이터 송수신을 매개하는 통신망을 의미할 수 있다. 가령 통신망(400)은 LANs(Local Area Networks), WANs(Wide Area Networks), MANs(Metropolitan Area Networks), ISDNs(Integrated Service Digital Networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 서버(100)는 제1 콘텐츠 및/또는 제1 콘텐츠를 주시하는 사용자에 대한 영상에 기초하여 제2 콘텐츠를 결정할 수 있다.
도 2는 본 발명의 일 실시예에 따른 서버(100)의 구성을 개략적으로 도시한 도면이다. 본 발명에서 때때로 서버(100)는 '콘텐츠 결정 장치'로 명명되어 설명될 수 있다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 서버(100)는 통신부(110), 제어부(120) 및 메모리(130)를 포함할 수 있다. 또한 도면에는 도시되지 않았으나, 본 발명의 일 실시예에 따른 서버(100)는 입/출력부, 프로그램 저장부 등을 더 포함할 수 있다.
통신부(110)는 서버(100)가 관리자 단말(200) 및/또는 디스플레이 단말(300)과 같은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
제어부(120)는 프로세서(Processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(Processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(Microprocessor), 중앙처리장치(Central Processing Unit: CPU), 프로세서 코어(Processor Core), 멀티프로세서(Multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
메모리(130)는 서버(100)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 메모리는 자기 저장 매체(Magnetic Storage Media) 또는 플래시 저장 매체(Flash Storage Media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 가령 메모리(130)는 인공 신경망들을 구성하는 데이터들(가령 계수들)을 일시적 및/또는 영구적으로 저장할 수 있다. 물론 메모리(130)는 인공 신경망들을 학습하기 위한 학습 데이터도 저장할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
도 3 및 도 4는 본 발명의 서버(100)에 의해 학습된 인공 신경망의 예시적인 구조를 설명하기 위한 도면이다. 이하에서는 설명의 편의를 위하여 제1 인공 신경망 및 제2 인공 신경망을 '인공 신경망'으로 통칭하여 설명한다.
본 발명의 일 실시예에 따른 인공 신경망은 도 3에 도시된 바와 같은 합성 곱 신경망(CNN: Convolutional Neural Network) 모델에 따른 인공 신경망일 수 있다. 이때 CNN 모델은 복수의 연산 레이어(Convolutional Layer, Pooling Layer)를 번갈아 수행하여 최종적으로는 입력 데이터의 특징을 추출하는 데 사용되는 계층 모델일 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 학습 데이터를 지도학습(Supervised Learning) 기법에 따라 처리하여 인공 신경망 모델을 구축하거나 학습시킬 수 있다. 제어부(120)가 인공 신경망을 학습시키는 방법에 대한 상세한 설명은 후술한다.
본 발명의 일 실시예에 따른 제어부(120)는 복수의 학습 데이터를 이용하여, 어느 하나의 입력 데이터를 인공 신경망에 입력하여 생성된 출력 값이 해당 학습 데이터에 표지된 값에 근접하도록 각 레이어 및/또는 각 노드의 가중치를 갱신하는 과정을 반복하여 수행함으로써 인공 신경망을 학습시킬 수 있다.
이때 본 발명의 일 실시예에 따른 제어부(120)는 역전파(Back Propagation) 알고리즘에 따라 각 레이어 및/또는 각 노드의 가중치(또는 계수)를 갱신할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 입력 데이터의 특징 값을 추출하기 위한 컨볼루션 레이어(Convolution layer), 추출된 특징 값을 결합하여 특징 맵을 구성하는 풀링 레이어(pooling layer)를 생성할 수 있다.
또한 본 발명의 일 실시예에 따른 제어부(120)는 생성된 특징 맵을 결합하여, 입력 데이터가 복수의 항목 각각에 해당할 확률을 결정할 준비를 하는 풀리 커넥티드 레이어(Fully Conected Layer)를 생성할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 입력 데이터에 대응되는 출력을 포함하는 아웃풋 레이어(Output Layer)를 산출할 수 있다.
도 3에 도시된 예시에서는, 입력 데이터가 5X7 형태의 블록으로 나누어지며, 컨볼루션 레이어의 생성에 5X3 형태의 단위 블록이 사용되고, 풀링 레이어의 생성에 1X4 또는 1X2 형태의 단위 블록이 사용되는 것으로 도시되었지만, 이는 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다. 따라서 입력 데이터의 종류 및/또는 각 블록의 크기는 다양하게 구성될 수 있다.
한편 이와 같은 인공 신경망은 전술한 메모리(130)에 인공 신경망을 구성하는 적어도 하나의 노드의 계수, 노드의 가중치 및 인공 신경망을 구성하는 복수의 레이어 간의 관계를 정의하는 함수의 계수들의 형태로 저장될 수 있다. 물론 인공 신경망의 구조 또한 메모리(130)에 소스코드 및/또는 프로그램의 형태로 저장될 수 있다.
본 발명의 일 실시예에 따른 인공 신경망은 도 4에 도시된 바와 같은 순환 신경망(Recurrent Neural Network, RNN) 모델에 따른 인공 신경망일 수 있다.
도 4를 참조하면, 이와 같은 순환 신경망(RNN) 모델에 따른 인공 신경망은 적어도 하나의 입력 노드(N1)를 포함하는 입력 레이어(L1), 복수의 히든 노드(N2)를 포함하는 히든 레이어(L2) 및 적어도 하나의 출력 노드(N3)를 포함하는 출력 레이어(L3)를 포함할 수 있다.
히든 레이어(L2)는 도시된 바와 같이 전체적으로 연결된(Fully Connected) 하나 이상의 레이어를 포함할 수 있다. 히든 레이어(L2)가 복수의 레이어를 포함하는 경우, 인공 신경망은 각각의 히든 레이어 사이의 관계를 정의하는 함수(미도시)를 포함할 수 있다.
출력 레이어(L3)의 적어도 하나의 출력 노드(N3)는 제어부(120)의 제어에 따라 인공 신경망이 입력 레이어(L1)의 입력 값으로부터 생성한 출력 값을 포함할 수 있다.
한편 각 레이어의 각 노드에 포함되는 값은 벡터일 수 있다. 또한 각 노드는 해당 노드의 중요도에 대응되는 가중치를 포함할 수도 있다.
한편 인공 신경망은 입력 레이어(L1)와 히든 레이어(L2)의 관계를 정의하는 제1 함수(F1) 및 히든 레이어(L2)와 출력 레이어(L3)의 관계를 정의하는 제2 함수(F2)를 포함할 수 있다.
제1 함수(F1)는 입력 레이어(L1)에 포함되는 입력 노드(N1)와 히든 레이어(L2)에 포함되는 히든 노드(N2)간의 연결관계를 정의할 수 있다. 이와 유사하게, 제2 함수(F2)는 히든 레이어(L2)에 포함되는 히든 노드(N2)와 출력 레이어(L2)에 포함되는 출력 노드(N2)간의 연결관계를 정의할 수 있다.
이와 같은 제1 함수(F1), 제2 함수(F2) 및 히든 레이어 사이의 함수들은 이전 노드의 입력에 기초하여 결과물을 출력하는 순환 신경망 모델을 포함할 수 있다.
제어부(120)에 의해 인공 신경망이 학습되는 과정에서, 복수의 학습 데이터에 기초하여 제1 함수(F1) 및 제2 함수(F2)가 학습될 수 있다. 물론 인공 신경망이 학습되는 과정에서 전술한 제1 함수(F1) 및 제2 함수(F2) 외에 복수의 히든 레이어 사이의 함수들 또한 학습될 수 있다.
본 발명의 일 실시예에 따른 인공 신경망은 표지(Labeled)된 학습 데이터를 기반으로 지도학습(Supervised Learning) 방식으로 학습될 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 복수의 학습 데이터를 이용하여, 어느 하나의 입력 데이터를 인공 신경망에 입력하여 생성된 출력 값이 해당 학습 데이터에 표지된 값에 근접하도록 전술한 함수들(F1, F2, 히든 레이어 사이의 함수들 등)을 갱신하는 과정을 반복하여 수행함으로써 인공 신경망을 학습시킬 수 있다.
이때 본 발명의 일 실시예에 따른 제어부(120)는 역전파(Back Propagation) 알고리즘에 따라 전술한 함수들(F1, F2, 히든 레이어 사이의 함수들 등)을 갱신할 수 있다. 다만 이는 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
한편 도 3 및 도 4에서 설명한 인공 신경망의 종류 및/또는 구조는 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다. 따라서 다양한 종류의 모델의 인공 신경망이 명세서를 통하여 설명하는 '인공 신경망'에 해당할 수 있다.
이하에서는 서버(100)의 제어부(120)가 제1 인공 신경망 및 제2 인공 신경망을 학습하는 과정에 대해서 먼저 설명하고, 학습된 제1 인공 신경망 및 제2 인공 신경망을 이용하여 제2 콘텐츠를 결정하는 방법에 대해서는 나중에 설명한다.
본 발명의 일 실시예에 따른 제어부(120)는 학습 데이터를 이용하여 제1 인공 신경망 및 제2 인공 신경망을 학습시킬 수 있다.
도 5는 본 발명의 일 실시예에 따른 제어부(120)가 복수의 제1 학습 데이터(510)를 이용하여 제1 인공 신경망(520)을 학습하는 방법을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 제1 인공 신경망(520)은 복수의 제1 학습 데이터(510)에 포함된 복수의 콘텐츠와 콘텐츠를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망을 의미할 수 있다. 바꾸어말하면, 본 발명의 일 실시예에 따른 제1 인공 신경망(520)은 콘텐츠를 입력함에 따라 입력된 콘텐츠를 기술하는 태그를 출력하도록 학습된 신경망 일 수 있다.
이와 같은 제1 인공 신경망(520)을 학습 시키기 위한 복수의 제1 학습 데이터(510) 각각은 콘텐츠와 해당 콘텐츠를 기술하는 하나 이상의 태그를 포함할 수 있다. 이때 복수의 제1 학습 데이터(510) 각각에 포함되는 '콘텐츠'는 이미지일 수도 있고, 복수의 프레임으로 구성되는 동영상일 수도 있다.
본 발명의 선택적 실시예에서, 콘텐츠는 동영상과 함께 재생되는 음향 콘텐츠일 수도 있다.
가령 첫 번째 제1 학습 데이터(511)의 경우 커피잔을 포함하는 이미지 콘텐츠(511A)와 콘텐츠(511A)를 묘사하는 태그(511B, 511C, 511D)를 포함할 수 있다. 이때 태그(511B, 511C, 511D)는 가령 콘텐츠에 포함된 객체에 대한 설명으로써 '커피', '커피잔', '원두' 등일 수도 있고, 콘텐츠의 주요 수요자층인 '성인', '30대', '여성' 등일 수도 있고, 콘텐츠에 의해 선전되는 대상의 주요 소비 시간대인 '오전 시간대', '식후 시간대' 등일 수도 있고, 콘텐츠에 포함된 객체의 가격대인 '1만원 미만'일 수도 있다. 다만 이와 같은 태그(511B, 511C, 511D)는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
이와 유사하게 두 번째 제1 학습 데이터(512) 및 세 번째 제1 학습 데이터(513)도 각각 콘텐츠와 해당 콘텐츠를 묘사하는 태그를 포함할 수 있다.
도 6은 본 발명의 일 실시예에 따른 제어부(120)가 복수의 제2 학습 데이터(530)를 이용하여 제2 인공 신경망(540)을 학습하는 방법을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 제2 인공 신경망(540)은 복수의 제2 학습 데이터(530)에 포함된 복수의 사용자 영상과 영상 내의 사용자를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망을 의미할 수 있다. 바꾸어 말하면, 본 발명의 일 실시예에 따른 제2 인공 신경망(540)은 사용자에 대한 영상을 입력함에 따라 입력된 사용자의 영상을 기술하는 태그를 출력하도록 학습된 신경망 일 수 있다.
이와 같은 제2 인공 신경망(540)을 학습 시키기 위한 복수의 제2 학습 데이터(530) 각각은 사용자 영상과 영상 내의 사용자를 묘사하는 복수의 태그를 포함할 수 있다. 이때 복수의 제2 학습 데이터(530) 각각에 포함되는 '사용자 영상'은 단일 이미지일 수도 있고, 복수의 프레임으로 구성되는 동영상일 수도 있다.
가령 첫 번째 제2 학습 데이터(531)의 경우 사용자 이미지(531A)와 이미지(531A) 내의 사용자를 묘사하는 태그(531B, 531C, 531D)를 포함할 수 있다. 이때 태그(531B, 531C, 531D)는 가령 '남성', '30대', '긴머리', '안경'과 같이 사용자 그 자체를 묘사하는 것일 수도 있고, '30초', '시선 고정', '근접'과 같이 사용자의 행위를 묘사하는 것일 수도 있다. 다만 이와 같은 태그(531B, 531C, 531D)는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
이와 유사하게 두 번째 제2 학습 데이터(532) 및 세 번째 제2 학습 데이터(533)도 각각 사용자 영상과 영상 내의 사용자를 묘사하는 복수의 태그를 포함할 수 있다.
이하에서는 도 5 내지 도 6에서 설명한 과정에 따라 제1 인공 신경망(520) 및 제2 인공 신경망(540)이 학습되었음을 전제로 설명한다.
도 7은 본 발명의 일 실시예에 따른 제어부(120)가 제1 콘텐츠(551)로부터 제2 콘텐츠(555)를 결정하는 과정을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 제어부(120)는 매장에 설치된 디스플레이 단말(300)로부터 제1 콘텐츠(551)를 수신할 수 있다. 이때 제1 콘텐츠(551)는 전술한 바와 같이 매장의 운영 주체(또는 디스플레이 단말(300)의 운영 주체)가 자신의 매장과 관련된 정보를 표시하기 위해 디스플레이 단말(300)에 저장한 콘텐츠 일 수 있다. 가령 제1 콘텐츠(551)는 매장에서 제공되는 음료 및/또는 음식에 대한 정보를 제공하기 위한 메뉴판 콘텐츠 일 수도 있고, 매장 내의 이벤트 및/또는 행사에 대한 정보를 제공하기 위한 콘텐츠 일 수도 있다.
본 발명의 일 실시예에 따른 제어부(120)는 학습된 제1 인공 신경망(520)을 이용하여, 제1 콘텐츠(551)로부터 제1 메타 데이터(553)를 생성할 수 있다. 전술한 바와 같이 제1 인공 신경망(520)은 콘텐츠를 입력함에 따라 입력된 콘텐츠를 기술하는 태그를 출력하도록 학습된 신경망 일 수 있다.
먼저, 본 발명의 일 실시예에 따른 제어부(120)는 제1 콘텐츠(551)를 제1 인공 신경망(520)에 입력함에 따라, 인공 신경망(520)으로부터 하나 이상의 태그(552)를 획득할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 하나 이상의 태그(552)를 이용하여 제1 메타 데이터(553)를 생성할 수 있다. 가령 제어부(120)는 하나 이상의 태그(552)를 구성 성분으로 하는 백터를 생성하는 방식으로 제1 메타 데이터(553)를 생성할 수 있다. 다만 이와 같은 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 생성된 제1 메타 데이터(553)에 기반하여 적어도 하나의 제2 콘텐츠를 결정할 수 있다.
가령 제어부(120)는 복수의 제3 콘텐츠의 메타 데이터가 저장된 데이터 베이스(554)를 참조하여, 제1 메타 데이터(553) 및 복수의 제3 콘텐츠 각각의 메타 데이터 간의 유사도에 기반하여 복수의 제3 콘텐츠 중 적어도 일부를 적어도 하나의 제2 콘텐츠(555)로 결정할 수 있다.
이때 복수의 제3 콘텐츠는 가령 복수의 매장에 설치된 디스플레이 단말에 표시하고자 하는 콘텐츠(예를 들어 매장의 운영 주체와 관련 없는 제3 자의 광고) 이고, 제어부(120)는 이와 같은 복수의 제3 콘텐츠를 사전에 수신하여 각각의 메타 데이터를 포함하는 데이터 베이스(554)를 생성할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 제1 메타 데이터(553)와 유사한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(555)로 결정할 수 있다. 이러한 경우 제1 콘텐츠(551)와 적어도 하나의 제2 콘텐츠(555)는 표시 시간대, 수요자 층 등이 동일하거나 유사할 수 있다.
한편 본 발명의 일 실시예에 따른 제어부(120)는 제1 메타 데이터(553)와 상이한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(555)로 결정할 수도 있다. 이러한 경우 제1 콘텐츠(551)와 적어도 하나의 제2 콘텐츠(555)는 표시 시간대, 수요자 층 등이 서로 상이하거나 구분될 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 제1 콘텐츠(551)에 대한 제1 메타 데이터(553) 및 상술한 과정에 따라 결정된 적어도 하나의 제2 콘텐츠(555) 각각의 제2 메타 데이터(미도시)에 기반하여, 제1 콘텐츠(551) 및 적어도 하나의 제2 콘텐츠(555)의 표시 시간대를 포함하는 표시 스케쥴을 생성할 수 있다.
이를 위해 본 발명의 일 실시예에 따른 제어부(120)는 학습된 제1 인공 신경망(520)에 적어도 하나의 제2 콘텐츠(555) 각각을 입력하여 각각에 대한 제2 메타 데이터(미도시)를 생성할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 메타 데이터의 내용에 기반하여 표시 스케쥴을 생성할 수 있다.
가령 제어부(120)는 제1 메타 데이터(553) 및 제2 메타 데이터(미도시) 각각의 표시 시간대 및/또는 수요자 층을 고려하여 메타 표시 스케쥴을 생성할 수 있다. 예를 들어 제어부(120)가 제1 메타 데이터(553)와 유사한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(555)로 결정한 경우, 제어부(120)는 특정 시간대를 분할하여 제1 콘텐츠(551)와 적어도 하나의 제2 콘텐츠(555)가 서로 교번하여 표시되도록 표시 스케쥴을 생성할 수 있다.
이와 반대로, 제어부(120)가 제1 메타 데이터(553)와 상이한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(555)로 결정한 경우, 제어부(120)는 제1 콘텐츠(551)와 적어도 하나의 제2 콘텐츠(555)가 서로 다른 시간대에 표시되도록 표시 스케쥴을 생성할 수 있다.
다만 이와 같은 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 제어부(120)는 적어도 하나의 제2 콘텐츠(555)의 표시에 따라 디스플레이 단말(300)의 운영 주체가 받을 수 있는 리워드를 산출할 수 있다. 가령 제2 콘텐츠(555)가 단수개인 경우, 해당 콘텐츠의 표시 횟수 등에 따른 리워드에 기반하여 예상 리워드를 산출할 수 있다. 물론 제2 콘텐츠(555)가 복수개인 경우 개별 제2 콘텐츠에 대한 리워드의 합산으로 예상 리워드를 산출할 수도 있다.
본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 결정된 적어도 하나의 제2 콘텐츠(555)를 디스플레이 단말(300)에 전송할 수 있다. 디스플레이 단말(300)이 복수인 경우, 제어부(120)는 각각의 디스플레이 단말(300)로부터 제1 콘텐츠를 수신하고, 상술한 과정에 따라 각각에 대한 적어도 하나의 제2 콘텐츠를 결정하여 각각의 디스플레이 단말(300)로 전송할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 적어도 하나의 제2 콘텐츠(555)와 함께 표시 스케쥴을 디스플레이 단말(300)에 전송할 수 있다. 디스플레이 단말(300)은 표시 스케쥴에 따라 제1 콘텐츠와 적어도 하나의 제2 콘텐츠를 표시할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 표시 스케쥴을 관리자 단말(200)에도 전송할 수 있으며, 이에 대해서는 도 10을 참조하여 설명한다.
이로써 본 발명은 매장에 구비되는 디스플레이 단말(300)을 보다 비용 효율적으로 운영하도록 할 수 있으며, 특히 매장의 특징과 관련 있는 콘텐츠를 제2 콘텐츠로써 제공함으로써 서로 다른 주체에 의한 광고의 표시에도 불구하고 이질감을 최소화 할 수 있다.
도 8은 본 발명의 다른 실시예에 따른 제어부(120)가 제1 콘텐츠(551) 및 디스플레이 단말(300)을 주시하는 사용자에 대한 영상(564)으로부터 적어도 하나의 제2 콘텐츠(568)를 결정하는 과정을 설명하기 위한 도면이다.
도 8의 제1 콘텐츠(561)로부터 태그(562) 및 제1 메타 데이터(563)를 생성하는 과정은 도 7의 제1 콘텐츠(551)로부터 제1 메타 데이터(553)를 생성하는 과정과 사실상 동일하기에, 이에 대한 상세한 설명은 생략한다.
본 발명의 일 실시예에 따른 제어부(120)는 디스플레이 단말(300)로부터 제1 콘텐츠를 주시하는 사용자에 대한 영상을 획득할 수 있다. 이때 '사용자에 대한 영상'은 전술한 바와 같이 단일 이미지일 수도 있고, 시간의 흐름에 따른 영상(동영상)일 수도 있다.
본 발명의 일 실시예에 따른 제어부(120)는 학습된 제2 인공 신경망(540)을 이용하여, 사용자에 대한 영상(564)으로부터 제3 메타 데이터(566)를 생성할 수 있다. 전술한 바와 같이 제2 인공 신경망(540)은 사용자에 대한 영상을 입력함에 따라 입력된 사용자의 영상을 기술하는 태그를 출력하도록 학습된 신경망 일 수 있다.
먼저, 본 발명의 일 실시예에 따른 제어부(120)는 사용자에 대한 영상(564)을 제2 인공 신경망(540)에 입력함에 따라, 인공 신경망(540)으로부터 하나 이상의 태그(565)를 획득할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 하나 이상의 태그(565)를 이용하여 제3 메타 데이터(566)를 생성할 수 있다. 가령 제어부(120)는 하나 이상의 태그(565)를 구성 성분으로 하는 백터를 생성하는 방식으로 제3 메타 데이터(566)를 생성할 수 있다. 다만 이와 같은 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 제어부(120)는 제1 메타 데이터(563) 및 제3 메타 데이터(566) 중 적어도 하나에 기반하여 적어도 하나의 제2 콘텐츠(568)를 결정할 수 있다. 가령 본 발명의 일 실시예에 따른 제어부(120)는 제1 메타 데이터(563) 및/또는 제3 메타 데이터(566)와 유사한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(568)로 결정할 수 있다. 이때 제어부(120)는 미리 생성된 데이터 베이스(567)를 이용하여 적어도 하나의 제2 콘텐츠(568)를 결정할 수 있으며, 이에 대해서는 도 7에서 설명였으므로, 상세한 설명은 생략한다.
본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 결정된 적어도 하나의 제2 콘텐츠(568)를 디스플레이 단말(300)에 전송할 수 있다. 디스플레이 단말(300)이 복수인 경우, 제어부(120)는 각각의 디스플레이 단말(300)로부터 제1 콘텐츠 및 사용자에 대한 영상을 수신하고, 상술한 과정에 따라 각각에 대한 적어도 하나의 제2 콘텐츠를 결정하여 각각의 디스플레이 단말(300)로 전송할 수 있다.
물론 본 발명의 일 실시예에 따른 제어부(120)는 적어도 하나의 제2 콘텐츠(568)와 함께 표시 스케쥴을 디스플레이 단말(300)에 전송할 수 있다. 이때 제어부(120)는 표시 스케쥴을 관리자 단말(200)에도 전송할 수 있다.
본 발명의 선택적 실시예에서, 제어부(120)는 디스플레이 단말(300)로부터 적어도 하나의 제2 콘텐츠가 표시될 때 디스플레이 단말(300)을 주시하는 사용자에 대한 영상을 수신할 수 있다. 또한 제어부(120)는 제2 인공 신경망(540)에 수신된 사용자에 대한 영상을 입력함에 따라 획득되는 하나 이상의 태그를 이용하여 디스플레이 단말(300)의 운영 주체가 받을 수 있는 리워드를 산출할 수도 있다.
가령 제어부(120)는 하나 이상의 태그를 참조하여, 제2 콘텐츠가 실제로 사용자(또는 사용자들)에게 노출된 시간, 관심 정도, 타겟 적중률 등을 확인하고 그에 따라 리워드를 산출할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
도 9는 본 발명의 일 실시예에 따른 제어부(120)에 의해 수행되는 콘텐츠 결정 방법을 설명하기 위한 흐름도이다. 이하에서는 도 1 내지 도 8을 함께 참조하여 설명하되, 도 1 내지 도 8에서 설명한 내용과 중복되는 내용의 설명은 생략한다.
본 발명의 일 실시예에 따른 제어부(120)는 학습 데이터를 이용하여 제1 인공 신경망 및 제2 인공 신경망을 학습시킬 수 있다.(S1010)
도 5는 본 발명의 일 실시예에 따른 제어부(120)가 복수의 제1 학습 데이터(510)를 이용하여 제1 인공 신경망(520)을 학습하는 방법을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 제1 인공 신경망(520)은 복수의 제1 학습 데이터(510)에 포함된 복수의 콘텐츠와 콘텐츠를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망을 의미할 수 있다. 바꾸어말하면, 본 발명의 일 실시예에 따른 제1 인공 신경망(520)은 콘텐츠를 입력함에 따라 입력된 콘텐츠를 기술하는 태그를 출력하도록 학습된 신경망 일 수 있다.
이와 같은 제1 인공 신경망(520)을 학습 시키기 위한 복수의 제1 학습 데이터(510) 각각은 콘텐츠와 해당 콘텐츠를 기술하는 하나 이상의 태그를 포함할 수 있다. 이때 복수의 제1 학습 데이터(510) 각각에 포함되는 '콘텐츠'는 이미지일 수도 있고, 복수의 프레임으로 구성되는 동영상일 수도 있다.
본 발명의 선택적 실시예에서, 콘텐츠는 동영상과 함께 재생되는 음향 콘텐츠일 수도 있다.
가령 첫 번째 제1 학습 데이터(511)의 경우 커피잔을 포함하는 이미지 콘텐츠(511A)와 콘텐츠(511A)를 묘사하는 태그(511B, 511C, 511D)를 포함할 수 있다. 이때 태그(511B, 511C, 511D)는 가령 콘텐츠에 포함된 객체에 대한 설명으로써 '커피', '커피잔', '원두' 등일 수도 있고, 콘텐츠의 주요 수요자층인 '성인', '30대', '여성' 등일 수도 있고, 콘텐츠에 의해 선전되는 대상의 주요 소비 시간대인 '오전 시간대', '식후 시간대' 등일 수도 있고, 콘텐츠에 포함된 객체의 가격대인 '1만원 미만'일 수도 있다. 다만 이와 같은 태그(511B, 511C, 511D)는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
이와 유사하게 두 번째 제1 학습 데이터(512) 및 세 번째 제1 학습 데이터(513)도 각각 콘텐츠와 해당 콘텐츠를 묘사하는 태그를 포함할 수 있다.
도 6은 본 발명의 일 실시예에 따른 제어부(120)가 복수의 제2 학습 데이터(530)를 이용하여 제2 인공 신경망(540)을 학습하는 방법을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 제2 인공 신경망(540)은 복수의 제2 학습 데이터(530)에 포함된 복수의 사용자 영상과 영상 내의 사용자를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망을 의미할 수 있다. 바꾸어 말하면, 본 발명의 일 실시예에 따른 제2 인공 신경망(540)은 사용자에 대한 영상을 입력함에 따라 입력된 사용자의 영상을 기술하는 태그를 출력하도록 학습된 신경망 일 수 있다.
이와 같은 제2 인공 신경망(540)을 학습 시키기 위한 복수의 제2 학습 데이터(530) 각각은 사용자 영상과 영상 내의 사용자를 묘사하는 복수의 태그를 포함할 수 있다. 이때 복수의 제2 학습 데이터(530) 각각에 포함되는 '사용자 영상'은 단일 이미지일 수도 있고, 복수의 프레임으로 구성되는 동영상일 수도 있다.
가령 첫 번째 제2 학습 데이터(531)의 경우 사용자 이미지(531A)와 이미지(531A) 내의 사용자를 묘사하는 태그(531B, 531C, 531D)를 포함할 수 있다. 이때 태그(531B, 531C, 531D)는 가령 '남성', '30대', '긴머리', '안경'과 같이 사용자 그 자체를 묘사하는 것일 수도 있고, '30초', '시선 고정', '근접'과 같이 사용자의 행위를 묘사하는 것일 수도 있다. 다만 이와 같은 태그(531B, 531C, 531D)는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
이와 유사하게 두 번째 제2 학습 데이터(532) 및 세 번째 제2 학습 데이터(533)도 각각 사용자 영상과 영상 내의 사용자를 묘사하는 복수의 태그를 포함할 수 있다.
이하에서는 도 5 내지 도 6에서 설명한 과정에 따라 제1 인공 신경망(520) 및 제2 인공 신경망(540)이 학습되었음을 전제로 설명한다.
도 7은 본 발명의 일 실시예에 따른 제어부(120)가 제1 콘텐츠(551)로부터 제2 콘텐츠(555)를 결정하는 과정을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 제어부(120)는 매장에 설치된 디스플레이 단말(300)로부터 제1 콘텐츠(551)를 수신할 수 있다.(S1020)
이때 제1 콘텐츠(551)는 전술한 바와 같이 매장의 운영 주체(또는 디스플레이 단말(300)의 운영 주체)가 자신의 매장과 관련된 정보를 표시하기 위해 디스플레이 단말(300)에 저장한 콘텐츠 일 수 있다. 가령 제1 콘텐츠(551)는 매장에서 제공되는 음료 및/또는 음식에 대한 정보를 제공하기 위한 메뉴판 콘텐츠 일 수도 있고, 매장 내의 이벤트 및/또는 행사에 대한 정보를 제공하기 위한 콘텐츠 일 수도 있다.
본 발명의 일 실시예에 따른 제어부(120)는 학습된 제1 인공 신경망(520)을 이용하여, 제1 콘텐츠(551)로부터 제1 메타 데이터(553)를 생성할 수 있다.(S1030) 전술한 바와 같이 제1 인공 신경망(520)은 콘텐츠를 입력함에 따라 입력된 콘텐츠를 기술하는 태그를 출력하도록 학습된 신경망 일 수 있다.
먼저, 본 발명의 일 실시예에 따른 제어부(120)는 제1 콘텐츠(551)를 제1 인공 신경망(520)에 입력함에 따라, 인공 신경망(520)으로부터 하나 이상의 태그(552)를 획득할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 하나 이상의 태그(552)를 이용하여 제1 메타 데이터(553)를 생성할 수 있다. 가령 제어부(120)는 하나 이상의 태그(552)를 구성 성분으로 하는 백터를 생성하는 방식으로 제1 메타 데이터(553)를 생성할 수 있다. 다만 이와 같은 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 생성된 제1 메타 데이터(553)에 기반하여 적어도 하나의 제2 콘텐츠를 결정할 수 있다. (S1050)
가령 제어부(120)는 복수의 제3 콘텐츠의 메타 데이터가 저장된 데이터 베이스(554)를 참조하여, 제1 메타 데이터(553) 및 복수의 제3 콘텐츠 각각의 메타 데이터 간의 유사도에 기반하여 복수의 제3 콘텐츠 중 적어도 일부를 적어도 하나의 제2 콘텐츠(555)로 결정할 수 있다.
이때 복수의 제3 콘텐츠는 가령 복수의 매장에 설치된 디스플레이 단말에 표시하고자 하는 콘텐츠(예를 들어 매장의 운영 주체와 관련 없는 제3 자의 광고) 이고, 제어부(120)는 이와 같은 복수의 제3 콘텐츠를 사전에 수신하여 각각의 메타 데이터를 포함하는 데이터 베이스(554)를 생성할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 제1 메타 데이터(553)와 유사한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(555)로 결정할 수 있다. 이러한 경우 제1 콘텐츠(551)와 적어도 하나의 제2 콘텐츠(555)는 표시 시간대, 수요자 층 등이 동일하거나 유사할 수 있다.
한편 본 발명의 일 실시예에 따른 제어부(120)는 제1 메타 데이터(553)와 상이한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(555)로 결정할 수도 있다. 이러한 경우 제1 콘텐츠(551)와 적어도 하나의 제2 콘텐츠(555)는 표시 시간대, 수요자 층 등이 서로 상이하거나 구분될 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 제1 콘텐츠(551)에 대한 제1 메타 데이터(553) 및 상술한 과정에 따라 결정된 적어도 하나의 제2 콘텐츠(555) 각각의 제2 메타 데이터(미도시)에 기반하여, 제1 콘텐츠(551) 및 적어도 하나의 제2 콘텐츠(555)의 표시 시간대를 포함하는 표시 스케쥴을 생성할 수 있다.(S1060)
이를 위해 본 발명의 일 실시예에 따른 제어부(120)는 학습된 제1 인공 신경망(520)에 적어도 하나의 제2 콘텐츠(555) 각각을 입력하여 각각에 대한 제2 메타 데이터(미도시)를 생성할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 메타 데이터의 내용에 기반하여 표시 스케쥴을 생성할 수 있다.
가령 제어부(120)는 제1 메타 데이터(553) 및 제2 메타 데이터(미도시) 각각의 표시 시간대 및/또는 수요자 층을 고려하여 메타 표시 스케쥴을 생성할 수 있다. 예를 들어 제어부(120)가 제1 메타 데이터(553)와 유사한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(555)로 결정한 경우, 제어부(120)는 특정 시간대를 분할하여 제1 콘텐츠(551)와 적어도 하나의 제2 콘텐츠(555)가 서로 교번하여 표시되도록 표시 스케쥴을 생성할 수 있다.
이와 반대로, 제어부(120)가 제1 메타 데이터(553)와 상이한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(555)로 결정한 경우, 제어부(120)는 제1 콘텐츠(551)와 적어도 하나의 제2 콘텐츠(555)가 서로 다른 시간대에 표시되도록 표시 스케쥴을 생성할 수 있다.
다만 이와 같은 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 제어부(120)는 적어도 하나의 제2 콘텐츠(555)의 표시에 따라 디스플레이 단말(300)의 운영 주체가 받을 수 있는 리워드를 산출할 수 있다. 가령 제2 콘텐츠(555)가 단수개인 경우, 해당 콘텐츠의 표시 횟수 등에 따른 리워드에 기반하여 예상 리워드를 산출할 수 있다. 물론 제2 콘텐츠(555)가 복수개인 경우 개별 제2 콘텐츠에 대한 리워드의 합산으로 예상 리워드를 산출할 수도 있다.
본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 결정된 적어도 하나의 제2 콘텐츠(555)를 디스플레이 단말(300)에 전송할 수 있다.(S1070) 디스플레이 단말(300)이 복수인 경우, 제어부(120)는 각각의 디스플레이 단말(300)로부터 제1 콘텐츠를 수신하고, 상술한 과정에 따라 각각에 대한 적어도 하나의 제2 콘텐츠를 결정하여 각각의 디스플레이 단말(300)로 전송할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 적어도 하나의 제2 콘텐츠(555)와 함께 표시 스케쥴을 디스플레이 단말(300)에 전송할 수 있다. 디스플레이 단말(300)은 표시 스케쥴에 따라 제1 콘텐츠와 적어도 하나의 제2 콘텐츠를 표시할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 표시 스케쥴을 관리자 단말(200)에도 전송할 수 있으며, 이에 대해서는 도 10을 참조하여 설명한다.
이로써 본 발명은 매장에 구비되는 디스플레이 단말(300)을 보다 비용 효율적으로 운영하도록 할 수 있으며, 특히 매장의 특징과 관련 있는 콘텐츠를 제2 콘텐츠로써 제공함으로써 서로 다른 주체에 의한 광고의 표시에도 불구하고 이질감을 최소화 할 수 있다.
한편 본 발명의 다른 실시예에 따른 제어부(120)는 단계 S1020에서 디스플레이 단말(300)로부터 사용자에 대한 영상을 더 획득하고, 이를 이용하여 제3 메타 데이터를 생성할 수 있다. 이하에서는 도 8을 참조하여 단계 S1020 alc 단계 S1040을 중심으로 설명한다.
도 8은 본 발명의 다른 실시예에 따른 제어부(120)가 제1 콘텐츠(551) 및 디스플레이 단말(300)을 주시하는 사용자에 대한 영상(564)으로부터 적어도 하나의 제2 콘텐츠(568)를 결정하는 과정을 설명하기 위한 도면이다.
도 8의 제1 콘텐츠(561)로부터 태그(562) 및 제1 메타 데이터(563)를 생성하는 과정은 도 7의 제1 콘텐츠(551)로부터 제1 메타 데이터(553)를 생성하는 과정과 사실상 동일하기에, 이에 대한 상세한 설명은 생략한다.
본 발명의 일 실시예에 따른 제어부(120)는 디스플레이 단말(300)로부터 제1 콘텐츠를 주시하는 사용자에 대한 영상을 획득할 수 있다.(S1020) 이때 '사용자에 대한 영상'은 전술한 바와 같이 단일 이미지일 수도 있고, 시간의 흐름에 따른 영상(동영상)일 수도 있다.
본 발명의 일 실시예에 따른 제어부(120)는 학습된 제2 인공 신경망(540)을 이용하여, 사용자에 대한 영상(564)으로부터 제3 메타 데이터(566)를 생성할 수 있다.(S1040) 전술한 바와 같이 제2 인공 신경망(540)은 사용자에 대한 영상을 입력함에 따라 입력된 사용자의 영상을 기술하는 태그를 출력하도록 학습된 신경망 일 수 있다.
먼저, 본 발명의 일 실시예에 따른 제어부(120)는 사용자에 대한 영상(564)을 제2 인공 신경망(540)에 입력함에 따라, 인공 신경망(540)으로부터 하나 이상의 태그(565)를 획득할 수 있다.
본 발명의 일 실시예에 따른 제어부(120)는 하나 이상의 태그(565)를 이용하여 제3 메타 데이터(566)를 생성할 수 있다. 가령 제어부(120)는 하나 이상의 태그(565)를 구성 성분으로 하는 백터를 생성하는 방식으로 제3 메타 데이터(566)를 생성할 수 있다. 다만 이와 같은 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 다른 실시예에 따른 제어부(120)는 제1 메타 데이터(563) 및 제3 메타 데이터(566) 중 적어도 하나에 기반하여 적어도 하나의 제2 콘텐츠(568)를 결정할 수 있다.(S1050) 가령 본 발명의 일 실시예에 따른 제어부(120)는 제1 메타 데이터(563) 및/또는 제3 메타 데이터(566)와 유사한 메타 데이터를 갖는 제3 콘텐츠를 적어도 하나의 제2 콘텐츠(568)로 결정할 수 있다. 이때 제어부(120)는 미리 생성된 데이터 베이스(567)를 이용하여 적어도 하나의 제2 콘텐츠(568)를 결정할 수 있으며, 이에 대해서는 도 7에서 설명였으므로, 상세한 설명은 생략한다.
본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 결정된 적어도 하나의 제2 콘텐츠(568)를 디스플레이 단말(300)에 전송할 수 있다. (S1070) 디스플레이 단말(300)이 복수인 경우, 제어부(120)는 각각의 디스플레이 단말(300)로부터 제1 콘텐츠 및 사용자에 대한 영상을 수신하고, 상술한 과정에 따라 각각에 대한 적어도 하나의 제2 콘텐츠를 결정하여 각각의 디스플레이 단말(300)로 전송할 수 있다. 물론 본 발명의 일 실시예에 따른 제어부(120)는 적어도 하나의 제2 콘텐츠(568)와 함께 단계 S1060에서 생성된 표시 스케쥴을 디스플레이 단말(300)에 전송할 수 있다. 이때 제어부(120)는 표시 스케쥴을 관리자 단말(200)에도 전송할 수 있다.
도 10은 본 발명의 일 실시예에 따른 관리자 단말(200)에 표시되는 화면(600)을 도시한 도면이다.
전술한 바와 같이 본 발명의 일 실시예에 따른 제어부(120)는 제1 콘텐츠와 제2 콘텐츠의 표시 스케쥴을 디스플레이 단말(300) 외에 관리자 단말(200)로 전송할 수 있다. 이에 따라 도 10은 관리자 단말(200)에 콘텐츠 표시 스케쥴이 표시된 화면의 예시이다. 이와 같은 화면에서 관리자는 자신의 디스플레이 단말(300)에 표시되는 콘텐츠들을 관리할 수 있다. 예를 들어 관리자는 자신의 디스플레이 단말(300)에 표시되는 제3 자의 콘텐츠의 종류 및/또는 시간을 적절하게 설정할 수 있다.
도 10을 참조하면, 화면(600)은 각 시간대 별 표시 콘텐츠의 종류가 표시되는 타임라인(610), 타임라인(610)에서 선택된 시간대에 표시되는 콘텐츠에 대한 상세 정보가 표시되는 영역(620)을 포함할 수 있다.
가령 타임라인(610)에서 관리자가 오전 시간대(611)를 선택한 경우, 영역(620)에는 해당 시간대에 표시되는 제2 콘텐츠들의 정보가 제공될 수 있다.
한편 관리자는 자신의 매장에 특정 제2 콘텐츠가 표시되지 않기를 원하는 경우, 해당 콘텐츠에 대한 제외 요청을 서버(100)에 전송함으로써 디스플레이 단말(300)에 해당 콘텐츠가 표시되지 않도록 할 수 있다. 가령 관리자는 두 번째 제2 콘텐츠(621)에 대해서 '제외하기' 요청을 서버(100)에 전송하여 해당 콘텐츠가 자신의 매장의 디스플레이 단말(300)에 표시되지 않도록 할 수 있다.
이와 반대로 관리자는 '좋아요' 요청을 서버(100)에 전송하여, 해당 콘텐츠와 유사한 제2 콘텐츠가 디스플레이 단말(300)에 더 많이 표시되도록 할 수도 있다.
이상 설명된 본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 저장하는 것일 수 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 서버
110: 통신부
120: 제어부
130: 메모리
200: 관리자 단말
300: 디스플레이 단말
301, 302: 디스플레이 단말
400: 통신망

Claims (5)

  1. 매장에 설치된 디스플레이 단말에 상기 매장과 관련된 제1 콘텐츠와 함께 제공되는 제2 콘텐츠를 결정하는 방법에 있어서,
    매장에 설치된 디스플레이 단말로부터 제1 콘텐츠를 수신하는 단계로써, 상기 제1 콘텐츠는 상기 매장과 관련된 정보를 제공하는 콘텐츠이고;
    학습된 제1 인공 신경망을 이용하여, 상기 제1 콘텐츠로부터 제1 메타 데이터를 생성하는 단계;
    상기 제1 메타 데이터에 기반하여 적어도 하나의 제2 콘텐츠를 결정하는 단계; 및
    상기 적어도 하나의 제2 콘텐츠를 상기 디스플레이 단말에 전송하는 단계;를 포함하는, 콘텐츠 결정 방법.
  2. 청구항 1에 있어서
    상기 콘텐츠 결정 방법은
    상기 적어도 하나의 제2 콘텐츠를 결정하는 단계 이후에,
    상기 제1 메타 데이터 및 상기 적어도 하나의 제2 콘텐츠 각각의 제2 메타 데이터에 기반하여 상기 제1 콘텐츠 및 상기 적어도 하나의 제2 콘텐츠의 표시 시간대를 포함하는 표시 스케쥴을 생성하는 단계;를 더 포함하는, 콘텐츠 결정 방법.
  3. 청구항 1에 있어서
    상기 디스플레이 단말은 상기 디스플레이 단말을 주시하는 사용자에 대한 영상을 획득하는 영상 획득부를 구비하고,
    상기 콘텐츠 결정 방법은
    상기 디스플레이 단말로부터 상기 사용자에 대한 영상을 획득하는 단계;
    학습된 제2 인공 신경망을 이용하여, 상기 사용자에 대한 영상으로부터 제3 메타 데이터를 생성하는 단계;를 더 포함하고,
    상기 제2 콘텐츠를 결정하는 단계는
    상기 제1 메타 데이터 및 상기 제3 메타 데이터 중 적어도 하나에 기반하여 적어도 하나의 제2 콘텐츠를 결정하는, 콘텐츠 결정 방법.
  4. 청구항 3에 있어서
    상기 콘텐츠 결정 방법은
    상기 제1 콘텐츠를 수신하는 단계 이전에,
    복수의 제1 학습 데이터를 이용하여 상기 제1 인공 신경망을 학습시키고, 복수의 제2 학습 데이터를 이용하여 상기 제2 인공 신경망을 학습시키는 단계;를 더 포함하는, 콘텐츠 결정 방법.
  5. 청구항 4에 있어서
    상기 제1 인공 신경망은
    상기 복수의 제1 학습 데이터에 포함된 복수의 콘텐츠와 콘텐츠를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망이고,
    상기 제2 인공 신경망은
    상기 복수의 제2 학습 데이터에 포함된 복수의 사용자 영상과 영상 내의 사용자를 묘사하는 복수의 태그 간의 상관 관계를 학습한 신경망인, 콘텐츠 결정 방법.
KR1020210046446A 2021-04-09 2021-04-09 콘텐츠 결정 방법, 장치 및 컴퓨터 프로그램 KR102481439B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210046446A KR102481439B1 (ko) 2021-04-09 2021-04-09 콘텐츠 결정 방법, 장치 및 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210046446A KR102481439B1 (ko) 2021-04-09 2021-04-09 콘텐츠 결정 방법, 장치 및 컴퓨터 프로그램

Publications (2)

Publication Number Publication Date
KR20220140226A true KR20220140226A (ko) 2022-10-18
KR102481439B1 KR102481439B1 (ko) 2022-12-27

Family

ID=83803772

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210046446A KR102481439B1 (ko) 2021-04-09 2021-04-09 콘텐츠 결정 방법, 장치 및 컴퓨터 프로그램

Country Status (1)

Country Link
KR (1) KR102481439B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102605100B1 (ko) * 2023-04-10 2023-11-23 주식회사 티빙 콘텐츠 스트리밍 시스템에서 콘텐츠를 검색하기 위한 방법 및 장치
KR102615165B1 (ko) * 2023-02-24 2023-12-15 주식회사 티빙 콘텐츠 스트리밍 시스템에서 유사 콘텐츠를 제공하기 위한 방법 및 장치
KR102615164B1 (ko) * 2023-02-15 2023-12-15 주식회사 티빙 콘텐츠 스트리밍 시스템에서 유사 콘텐츠를 제공하기 위한 방법 및 장치
WO2024172254A1 (ko) * 2023-02-15 2024-08-22 주식회사 티빙 콘텐츠 스트리밍 시스템에서 유사 콘텐츠를 제공하기 위한 방법 및 장치
KR102704034B1 (ko) * 2023-09-06 2024-09-05 주식회사 티빙 콘텐츠 스트리밍 시스템에서 유사 콘텐츠를 제공하기 위한 방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100084052A (ko) * 2009-01-15 2010-07-23 전자부품연구원 연관 콘텐츠 수신 장치, 연관 콘텐츠 제공 장치 및 그를 이용한 연관 콘텐츠 전송 시스템
KR20140064412A (ko) * 2012-11-20 2014-05-28 한국전자통신연구원 실시간 시청자 정보 기반 광고 제공 장치 및 방법
KR20180054505A (ko) * 2016-11-15 2018-05-24 주식회사 로보러스 매장 관리 장치, 그 방법 및 매장 관리 로봇

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100084052A (ko) * 2009-01-15 2010-07-23 전자부품연구원 연관 콘텐츠 수신 장치, 연관 콘텐츠 제공 장치 및 그를 이용한 연관 콘텐츠 전송 시스템
KR20140064412A (ko) * 2012-11-20 2014-05-28 한국전자통신연구원 실시간 시청자 정보 기반 광고 제공 장치 및 방법
KR20180054505A (ko) * 2016-11-15 2018-05-24 주식회사 로보러스 매장 관리 장치, 그 방법 및 매장 관리 로봇

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102615164B1 (ko) * 2023-02-15 2023-12-15 주식회사 티빙 콘텐츠 스트리밍 시스템에서 유사 콘텐츠를 제공하기 위한 방법 및 장치
WO2024172254A1 (ko) * 2023-02-15 2024-08-22 주식회사 티빙 콘텐츠 스트리밍 시스템에서 유사 콘텐츠를 제공하기 위한 방법 및 장치
KR102615165B1 (ko) * 2023-02-24 2023-12-15 주식회사 티빙 콘텐츠 스트리밍 시스템에서 유사 콘텐츠를 제공하기 위한 방법 및 장치
KR102605100B1 (ko) * 2023-04-10 2023-11-23 주식회사 티빙 콘텐츠 스트리밍 시스템에서 콘텐츠를 검색하기 위한 방법 및 장치
KR102704034B1 (ko) * 2023-09-06 2024-09-05 주식회사 티빙 콘텐츠 스트리밍 시스템에서 유사 콘텐츠를 제공하기 위한 방법 및 장치

Also Published As

Publication number Publication date
KR102481439B1 (ko) 2022-12-27

Similar Documents

Publication Publication Date Title
KR102481439B1 (ko) 콘텐츠 결정 방법, 장치 및 컴퓨터 프로그램
Park et al. A metaverse: Taxonomy, components, applications, and open challenges
US10628635B1 (en) Artificially intelligent hologram
CN111711828B (zh) 一种信息处理方法、装置和电子设备
CN110489582B (zh) 个性化展示图像的生成方法及装置、电子设备
CN103760968B (zh) 数字标牌显示内容选择方法和装置
CN1980332A (zh) 控制个人喜好的信息加入到媒体演示中去的方法和装置
CN1980333A (zh) 产生媒体演示的方法和装置
US9877058B2 (en) Presenting personalized advertisements on smart glasses in a movie theater based on emotion of a viewer
US12118042B2 (en) Method, system, and non-transitory computer-readable record medium for providing multiple models of federated learning using personalization
KR102132714B1 (ko) 몰입형 가상피팅 연계 서비스 제공 시스템 및 몰입형 가상피팅 연계 서비스 제공 방법
Solima et al. Managing adaptive orientation systems for museum visitors from an IoT perspective
CN109087162A (zh) 数据处理方法、系统、介质和计算设备
CN111708948A (zh) 内容项推荐方法、装置、服务器及计算机可读存储介质
KR102273511B1 (ko) 선호도 예측 방법 및 장치
KR20230128833A (ko) 전시 서비스 제공 방법
CN106687944A (zh) 使用语言生成进行的基于活动的文本重写
JP2024073473A (ja) コンピュータプログラム、方法、及び、サーバ装置
KR20190103649A (ko) 몰입형 가상피팅 연계 서비스 제공 시스템 및 몰입형 가상피팅 연계 서비스 제공 방법
JP2022549986A (ja) サードパーティシステムからの拡張現実データの効果的なストリーミング
US11107129B1 (en) Dynamic media content for in-store screen experiences
JP2020042433A (ja) 情報提供システム、ユーザ携帯装置、情報提供装置、コンピュータプログラム及び情報提供方法
CN114998068A (zh) 学习计划的生成方法及电子设备
US20240282018A1 (en) Information processing apparatus, information processing system, information processing method, and non-transitory computer readable medium
CN112041787A (zh) 利用应用来输出对用户输入的响应的电子装置及其操作方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant