KR20230019821A

KR20230019821A - 멀티미디어 메시징 애플리케이션에서의 수정 가능한 동영상 검색 및 순위 지정

Info

Publication number: KR20230019821A
Application number: KR1020227038092A
Authority: KR
Inventors: 제레미 보스; 빅터 샤브로프; 알렉산더 마슈라보프; 드미트리 마토브; 한나 루레프스카; 드미트로 이슈첸코
Original assignee: 스냅 아이엔씨
Priority date: 2020-03-31
Filing date: 2021-03-03
Publication date: 2023-02-09
Also published as: US20210303622A1; EP4127974A1; CN115362438A; US20220147566A1; US11263260B2; US20230334090A1; WO2021202042A1; US11669569B2

Abstract

멀티미디어 메시징 애플리케이션(MMA)의 수정 가능한 동영상을 검색하고 순위를 정하기 위한 시스템이 제공된다. 예시적인 일 구현예에서, 본 시스템은 수정 가능한 동영상을 저장하도록 구성된 데이터베이스(상기 수정 가능한 동영상은 텍스트 메시지 및 순위와 연관됨), 프로세서, 및 프로세스-실행가능 코드를 저장하는 메모리를 포함하되, 상기 프로세서는 상기 프로세서-실행가능 코드를 실행할 때, 멀티미디어 메시징 애플리케이션(MMA)을 통해, 사용자의 입력을 수신하는 단계; 상기 입력에 기초하여, 상기 데이터베이스로부터 관련 수정 가능한 동영상의 목록을 선택하는 단계; 상기 MMA를 통해 상기 사용자가 조회하기 위한 관련 수정 가능한 동영상의 목록을 렌더링하는 단계; 상기 MMA를 통해 상기 사용자가 상기 목록으로부터 수정 가능한 동영상을 공유했다는 것을 결정하는 단계; 상기 목록 및 상기 공유된 수정 가능한 동영상에 관한 정보를 통계 로그에 저장하는 단계; 및 상기 통계 로그 내의 정보에 기초하여, 상기 데이터베이스 내의 수정 가능한 동영상의 순위를 업데이트하는 단계의 작동을 구현하도록 구성된다.

Description

멀티미디어 메시징 애플리케이션에서의 수정 가능한 동영상 검색 및 순위 지정

본 개시는 대체적으로 멀티미디어 메시징 애플리케이션(MMA)에 관한 것이며, 보다 구체적으로, MMA의 수정 가능한 동영상에서의 검색 및 순위 지정에 관한 것이다.

스티커 및 이모티콘과 같은 공유 미디어는 MMA의 표준 옵션이 되고 있다. 현재 일부 MMA는 통신 채팅을 통해 짧은 동영상을 교환할 수 있는 옵션을 사용자에게 제공한다. 이러한 짧은 동영상은 사전에 생성되어 데이터베이스에 저장되며 필요에 따라 MMA에 제공될 수 있다.

구현예는 예로서 예시되며, 첨부된 도면의 도면으로 제한되지 않으며, 여기에서 유사한 참조 번호는 유사한 요소를 나타낸다.
도 1은 MMA의 수정 가능한 동영상을 검색하고 순위를 정하기 위한 시스템 및 방법이 구현될 수 있는 예시적인 환경을 도시하는 블록 다이어그램이다.
도 2는 수정 가능한 동영상을 검색하고 순위를 정하기 위한 방법을 구현하기 위한 컴퓨팅 디바이스의 예시적인 일 구현예를 도시하는 블록 다이어그램이다.
도 3은 본 개시의 일부 예시적인 구현예에 따른, 수정 가능한 동영상을 검색하고 순위를 정하기 위한 시스템을 도시하는 블록 다이어그램이다.
도 4는 본 개시의 일부 예시적인 구현예에 따른, 수정 가능한 동영상의 카테고리를 도시하는 개략적인 다이어그램이다.
도 5는 본 개시의 예시적인 일 구현예에 따른, MMA에서의 통신 채팅의 예시적인 스크린을 도시한다.
도 6은 예시적인 구현예에 따른, MMA에서 수정 가능한 동영상을 검색하고 순위를 정하기 위한 방법을 도시하는 흐름도이다.
도 7은 수정 가능한 동영상을 검색하고 순위를 정하기 위한 방법을 구현하는 데 사용될 수 있는 예시적인 컴퓨터 시스템을 도시한다.

구현예에 대한 다음의 상세한 설명은 상세한 설명의 일부를 형성하는 첨부된 도면에 대한 언급을 포함한다. 본 섹션에 기재된 접근법은 청구항에 대한 선행 기술이 아니며, 본 섹션에 포함됨으로써 선행 기술로 인정되지 않는다. 도면은 예시적인 구현예에 따른 예시를 도시한다. 본원에서 "실시예"로도 언급되는 이들 예시적인 구현예는 당업자가 본 주제를 실시할 수 있도록 충분히 상세하게 설명된다. 구현예는 조합될 수 있고, 다른 구현예가 활용될 수 있거나, 청구되는 내용의 범위를 벗어나지 않으면서 구조적, 논리적 및 작동적 변경이 이루어질 수 있다. 따라서, 다음의 상세한 설명은 제한적인 의미로 취해져서는 안되며, 그 범위는 첨부된 청구항들 및 이의 등가물에 의해 정의된다.

본 개시는 MMA에서 사용되는 릴(Reel)을 검색하고 순위를 정하는 것에 관한 것이다. 본원에서 수정 가능한 동영상으로도 지칭되는 릴은 짧은 동영상 또는 동영상 클립을 포함할 수 있다. MMA는 개인용 컴퓨팅 디바이스(PCD), 예컨대 스마트폰, 태블릿, 랩톱 등에서 실행될 수 있는 애플리케이션이다. MMA는 PCD의 사용자가 메시지 및 릴로부터 생성되는 개인화된 동영상을 교환하는 데 사용할 수 있는 통신 채팅을 가능하게 할 수 있다.

릴은 MMA의 개발자가 생성하여 데이터베이스에 저장할 수 있다. 데이터베이스는 컴퓨팅 클라우드에 상주할 수 있다. MMA를 사용하는 동안, 사용자는 예를 들어, "최근", "특화(Upset)", "인사말", "사랑", "행복", "화남(Upset)", "축하" 등과 같은 다양한 카테고리에서의 릴을 조회할 수 있다. "최근" 카테고리는 사용자를 위해 개인화될 수 있고, 사용자에 의해 다른 사용자와 최근에 공유된 릴을 포함할 수 있다. 일 구현예에서, "최근" 카테고리 내의 릴의 수는 사전에 결정된 수로 제한될 수 있다. 최근에 공유된 릴의 수가 사전에 결정된 수보다 작은 경우, "최근" 카테고리의 나머지 부분은 "특화" 카테고리의 릴로 채워질 수 있다.

MMA는 또한 "검색" 옵션을 포함할 수 있다. "검색" 옵션을 선택하면, 사용자는 하나 이상의 키워드를 포함하는 검색 요청을 입력할 수 있다. 검색 요청을 제출하고 이에 대한 응답을 얻으면, 사용자는 데이터베이스에서 발견되고 검색 요청에 응답하여 답변 된 릴의 목록을 검토할 수 있다. 릴의 검색은 해당 릴의 순위에 기초하여 수행될 수 있다.

일부 예시적인 구현예에서, 사용자는 카테고리 또는 검색 결과로부터 릴을 선택하고, 선택된 릴을 통신 채팅을 통해 공유할 수 있다. 선택된 릴은 프레임을 포함할 수 있으며, 프레임 중 일부는 안면 이미지에 대해 지정된 영역을 포함할 수 있다. 안면 이미지는 또한 셀카로도 지칭된다. MMA는 사용자가 PCD와 연관된 카메라 어플리케이션 또는 사용자에 의해 제공된 사진을 이용하여 셀카를 생성할 수 있게 할 수 있다. 셀카는 프레임의 영역 내에 삽입될 수 있다. 프레임은 안면 표정을 나타내는 안면 파라미터의 세트를 포함할 수 있다. 프레임에 삽입되는 동안, 셀카는 안면 표정을 채택할 수 있다. 릴이 재생될 때, 셀카는 해당 릴의 프레임에 걸친 안면 표정을 변경할 수 있다. 선택된 릴은 사전에 생성된 텍스트 메시지를 포함할 수 있다. 통신 채팅을 통해 릴을 전송하는 단계 전, 사용자는 텍스트 메시지 및 텍스트 메시지의 스타일을 수정할 수 있다.

본원에서 제공되는 본 개시의 일부 구현예는 카테고리의 릴의 목록을 업데이트하는 것에 관한 것이다. 예를 들어, MMA는 사전에 결정된 스케줄에 따라 카테고리의 목록을 업데이트할 수 있다. 업데이트는 카테고리에 새로운 릴을 추가하는 단계를 포함할 수 있다. 업데이트는 또한 데이터베이스의 릴의 현재 순위에 따라 카테고리의 릴의 나머지 목록을 새로 고치는 단계를 포함할 수 있다. 데이터베이스의 릴의 순위는 사용자로부터 수집된 통계에 기초하여 업데이트될 수 있다. 이러한 통계는 각각의 릴에 대한 전환율을 포함할 수 있다. 릴에 대한 전환율은 사용자의 릴에 대한 조회수에 대한, 사용자가 통신 채팅을 통해 해당 릴을 전송한 횟수의 비율로서 결정될 수 있다. 통계는 사용자가 카테고리에서 릴을 조회할 때마다 업데이트될 수 있으며, 사용자가 통신 채팅을 통해 릴을 전송하는 경우 증가할 수 있거나, 사용자가 통신 채팅을 통해 릴을 전송하지 않는 경우 감소할 수 있다.

일부 예시적인 구현예에서, 릴의 순위는 세 가지 인자에 기초하여 결정될 수 있다: 관련도, 인기도, 및 신선도. 관련도는 릴이 특정 카테고리에 일치되는 측정치로서 결정될 수 있다. 인기도는 릴의 전환율에 기초할 수 있다. 신선도는 릴이 생성되어 데이터베이스에 저장된 이후 경과된 시간에 기초할 수 있다. 릴의 순위는 가중 인자의 특정 조합에 기초할 수 있다. 사용자의 의도와 일치하는 특정 조합은 예를 들어, 실험적으로 또는 과거 데이터에 기초하여 결정될 수 있다. 특정 조합은 또한 사용자 로그 및 사용자 피드백에 기초하여 결정될 수 있다.

본 개시의 일부 구현예는 사용자 요청에 응답하여 릴을 검색하기 위한 알고리즘을 업데이트하는 단계를 포함할 수 있다. MMA는 또한 데이터베이스에서 릴을 검색하기 위한 알고리즘을 실행하기 위한 검색 엔진을 포함할 수 있다. 검색 엔진은 PCD 또는 컴퓨팅 클라우드에 상주할 수 있다.

데이터베이스에 저장된 릴은 검색을 용이하도록 속성을 할당할 수 있다. 속성은 릴의 생성 시점, 릴의 순위, 검색 태그, 및 검색 설명을 포함할 수 있다. 검색을 위한 알고리즘을 업데이트하는 단계는 데이터베이스의 릴의 순위를 업데이트하고, 사용자 요청에서의 사용자의 의도와 일치하도록 릴의 검색 태그 및 검색 설명을 조정하는 단계를 포함할 수 있다. 검색 태그 및 검색 설명은 삭제, 편집 또는 추가될 수 있다.

릴을 검색하기 위한 알고리즘은 인공 신경망(ANN), 의사 결정 트리, SVM(지원 벡터 머신), 회귀 분석 등과 같은 머신 러닝을 사용하는 하나 이상의 모델에 기초할 수 있다. 모델에 대한 학습 세트는 사용자 로그 및 사용자 피드백에 기초할 수 있다. 예를 들어, 로그는 다음을 포함할 수 있다: 사용자 요청 -> 사용자 요청에 응답하여 발견된 릴의 목록 -> 사용자에 의해 조회된 릴의 목록 -> 사용자에 의해 전송된 릴 또는 어떤 릴도 전송되지 않았다는 표시. 사용자 로그에 기초하여, 릴 쌍의 세트가 생성될 수 있으며, 각 쌍은 제1 릴 및 제2 릴을 포함한다. 제1 릴은 사용자 요청 후 사용자에 의해 검토되고 전송된 릴을 포함할 수 있다. 제2 릴은 사용자 요청 후 사용자에 의해 검토되었지만 전송되지 않은 릴을 포함할 수 있다. 이어서, 해당 쌍 세트를 사용하여 검색 알고리즘을 위한 모델을 학습시킬 수 있다.

본 개시의 일부 예시적인 구현예는 또한 2개의 검색 알고리즘의 비교를 위한 기술을 포함할 수 있다. 제1 비교 기술은 A/B 테스트를 포함할 수 있다. 검색 알고리즘 A 및 검색 알고리즘 B는 테스트 기간(예를 들어, 일주일) 동안 사용자의 두 그룹을 사용하여 동시에 테스트될 수 있다. 메트릭은 각 알고리즘에 대한 사용자 로그에 기초하여 계산될 수 있다. 메트릭은 검색 요청 후에 사용자에 의해 전송된 릴의 수 및 검색 알고리즘에 의해 처리된 검색 요청의 수의 비율에 기초할 수 있다. 검색 알고리즘 A의 메트릭이 검색 알고리즘 B의 메트릭보다 높은 경우, 검색 엔진은 검색 알고리즘 A를 사용하도록 업데이트될 수 있다.

제2 비교 기술은 다양한 실험 요청 및 해당 요청에 대한 응답의 팩에 기초할 수 있다. 요청에 대한 응답은 릴의 목록을 포함할 수 있다. 목록 내의 릴은 참조 알고리즘에 의해 순위가 정해질 수 있다. 동일한 요청의 팩은 제1 응답 팩을 얻도록 제1 검색 알고리즘에 의해 처리되어 수 있으며, 여기에서 해당 응답은 제1 검색 알고리즘에 의해 순위가 정해진 릴의 목록을 포함한다. 제1 메트릭은 참조 알고리즘에 의해 결정된 릴의 순위와 제1 검색 알고리즘에 의해 결정된 릴의 순위 사이의 차이에 기초하여 계산될 수 있다. 유사하게, 요청의 팩은 제2 응답 팩을 얻도록 제2 검색 알고리즘에 의해 처리되어 수 있으며, 여기에서 해당 응답은 제2 검색 알고리즘에 의해 순위가 정해진 릴의 목록을 포함한다. 제2 메트릭은 참조 알고리즘에 의해 결정된 릴의 순위와 제2 검색 알고리즘에 의해 결정된 릴의 순위의 차이에 기초하여 계산될 수 있다. 제1 메트릭이 제2 메트릭보다 낮은 경우, 검색 엔진은 제1 검색 알고리즘을 사용하도록 업데이트될 수 있다. 제2 메트릭이 제1 메트릭보다 낮은 경우, 검색 엔진은 제2 검색 알고리즘을 사용하도록 업데이트될 수 있다.

제3 비교 기술은 두 개의 검색 알고리즘의 결과 품질에 대한 평가에 기초할 수 있다. 먼저, 요청 세트를 생성할 수 있다. 요청 세트는, 예를 들어, 릴에 대한 50 내지 100개의 검색 요청을 포함할 수 있다. 그 후, 각각의 요청은 제1 릴 목록을 얻도록 제1 검색 알고리즘에 의해 처리될 수 있고, 제2 릴 목록을 얻도록 제2 검색 알고리즘에 의해 처리될 수 있다. 제1 릴 목록과 제2 릴 목록을 비교하여 어떤 목록이 보다 나은 품질을 갖는지를 결정할 수 있다. 따라서, 제1 검색 알고리즘이 보다 나은 품질의 목록을 생성하는 경우, 제1 카운터는 증가하거나, 제2 검색 알고리즘이 보다 나은 품질의 목록을 생성하는 경우, 제2 카운터가 증가한다. 세트 내의 모든 요청에 대해 절차를 반복한 후, 보다 큰 카운터를 갖는 알고리즘이 검색 엔진을 업데이트하도록 선택될 수 있다.

도 1은 수정 가능한 동영상을 검색하고 순위를 정하기 위한 방법이 구현될 수 있는 예시적인 환경(100)을 도시한다. 해당 환경(100)은 PCD(105), 사용자(102), PCD(110), 사용자(104), 네트워크(120), 및 메시징 서버 시스템(MSS)(130)을 포함할 수 있다. PCD(105) 및 PCD(110)는 모바일 폰, 스마트폰, 또는 태블릿 컴퓨터와 같은 모바일 디바이스를 지칭할 수 있다. 그러나, 다른 구현예에서, PCD(110)는 개인용 컴퓨터, 랩탑 컴퓨터, 넷북, 셋톱박스, 텔레비전 디바이스, 멀티미디어 디바이스, 개인 디지털 어시스턴트, 게임 콘솔, 엔터테인먼트 시스템, 인포테인먼트 시스템, 차량 컴퓨터, 또는 임의의 다른 컴퓨팅 디바이스를 지칭할 수 있다.

PCD(105) 및 PCD(110)는 네트워크(120)을 통해 MSS(120)에 통신 가능하게 연결될 수 있다. MSS(130)는 클라우드 기반 컴퓨팅 리소스(들)로서 구현될 수 있다. MSS(130)는 원격 위치에서 이용가능하고 네트워크(예를 들어, 인터넷)를 통해 액세스가 가능한 컴퓨팅 리소스(들)(하드웨어 및 소프트웨어)를 포함할 수 있다. 클라우드 기반 컴퓨팅 리소스(들)는 여러 사용자가 공유할 수 있으며, 수요에 따라 동적으로 재할당될 수 있다. 클라우드 기반 컴퓨팅 자원은 네트워크 스위치 또는 라우터와 함께 배치될 수 있는 컴퓨터 서버의 컬렉션을 포함하는 하나 이상의 서버 팜/클러스터를 포함할 수 있다.

네트워크(120)는, 예를 들어, 인터넷, 인트라넷, 근거리 통신망(LAN), 개인 영역 네트워크(PAN), 광역 네트워크(WAN), 가상 사설망(VPN), 셀룰러 전화 네트워크(예를 들어, GSM(Global System for Mobile) 통신 네트워크 등)을 포함하는 임의의 유선, 무선 또는 광 네트워크를 포함할 수 있다.

본 개시의 일부 구현예에서, PCD(105) 및 PCD(110)는 사용자(102)와 사용자(104) 사이의 통신 채팅이 가능하도록 구성되는 MMA(160)을 포함할 수 있다. 사용자(102) 및 사용자(104)는 통신 채팅 동안 문자 메시지 및 동영상을 교환할 수 있다. 동영상은 개인화된 동영상을 포함할 수 있다. 개인화된 동영상은 PCD(105) 또는 PCD(110)에 저장된 릴에 기초하여 생성될 수 있다. 일부 구현예에서, 릴은 MSS(130)에 저장될 수 있고, 필요에 따라 MMA(160)를 통해 PCD(105) 또는 PCD(110)에 다운로드될 수 있다.

MSS(130)는 릴을 저장하기 위한 릴 데이터베이스(145)를 포함할 수 있다. 릴은 애니메이션 동영상 또는 라이브 액션 동영상에 기초하여 생성될 수 있다. 릴은 PCD(105) 또는 PCD(110)에 다운로드될 수 있다. MSS(130)는 동영상 템플릿에 대한 인기도 메트릭을 결정하기 위한 릴의 다운로드의 통계를 저장하기 위한 통계 로그(150)를 포함할 수 있다. 인기도 메트릭은 사용자의 나이, 사용자의 성별, 지리적 영역 등에 기초하는 카테고리 내로 나뉘어질 수 있다. 통계 로그(150)는 또한 MMA(160)를 통한 PCD(105) 및 PCD(110)의 사용자에 의한 릴 공유의 통계를 저장할 수 있다.

MMS(130)는 또한 사용자 프로필(135)을 저장하도록 구성될 수 있다. 사용자 프로필(135)은 사용자(102)의 안면 이미지, 사용자(104)의 안면 이미지, 및 다른 사람의 안면의 이미지를 포함할 수 있다. 안면 이미지는 필요에 따라 그리고 허가에 기초하여 PCD(105) 또는 PCD(110)에 다운로드될 수 있다. 추가적으로, 사용자(102)의 안면 이미지는 PCD(105)를 사용하여 생성될 수 있고, PCD(105)의 로컬 메모리에 저장될 수 있다. 안면 이미지는 PCD(105)에 저장된 다른 이미지에 기초하여 생성될 수 있다. 안면 이미지는 릴에 기초하여 개인화된 동영상을 생성하도록 PCD(105)에 의해 추가로 사용될 수 있다. 유사하게, PCD(110)는 사용자(104)의 안면 이미지를 생성하는 데 사용될 수 있다. 사용자(104)의 안면 이미지는 PCD(110) 상에서 개인화된 동영상인 릴로부터 생성하는 데 사용될 수 있다.

추가의 구현예에서, 사용자(102)의 안면 이미지 및 사용자(104)의 안면 이미지는 둘 모두 PCD(105) 또는 PCD(110) 상에서 개인화된 동영상을 생성하는 데 사용될 수 있다.

일부 구현예에서, 릴은 사전에 설정된 기본 텍스트 메시지를 포함할 수 있다. 릴은 해당 릴에 기초하여 생성된 개인화된 동영상에서 사전에 설정된 기본 텍스트 메시지의 애니메이션을 위한 사전에 설정된 텍스트 파라미터를 추가로 포함할 수 있다. PCD(105) 및 PCD(110)는 사전에 설정된 텍스트 파라미터에 기초하여 애니메이션화된 사전에 설정된 텍스트 메시지를 특징으로 하는 개인화된 동영상을 재생하도록 구성될 수 있다. 개인화된 동영상의 재생 동안, MMA(160)는 개인화된 동영상에서 텍스트 메시지를 디스플레이하기 위한 사전에 설정된 기본 텍스트 메시지 및 파라미터를 변경하는 옵션을 제공할 수 있다. PCD(105)는 개인화된 동영상이 재생되는 동안 개인화된 동영상에서 사전에 설정된 기본 텍스트 메시지를 동적으로 변경할 수 있다. 그 후, 사용자(105)는 변경된 텍스트 메시지와 함께 개인화된 동영상을 MMA(160)를 통해 PCD(110)의 사용자(104)에게 전송할 수 있다.

도 2는 검색하고 순위를 정하기 위한 방법을 구현하기 위한 PCD(105)(또는 PCD(110))의 예시적인 구현예를 도시하는 블록 다이어그램이다. 도 2에 도시된 예에서, PCD(105)는 하드웨어 컴포넌트 및 소프트웨어 컴포넌트 둘 모두를 포함한다. 특히, PCD(105)는 디지털 이미지를 획득하기 위한 카메라(205) 또는 임의의 다른 이미지 캡처 디바이스 또는 스캐너를 포함한다. PCD(105)는 소프트웨어 컴포넌트 및 프로세서-판독가능(머신-판독가능) 명령어 또는 코드를 저장하기 위한 프로세서 모듈(210) 및 메모리 저장소(215)를 추가로 포함할 수 있으며, 이는 프로세서 모듈(210)에 의해 수행될 때, PCD(105)로 하여금 본원에 기술되는 바와 같은 수정 가능한 동영상을 검색하고 순위를 정하기 위한 방법의 적어도 일부 단계를 수행하게 한다. PCD(105)는 그래픽 디스플레이 시스템(230) 및 통신 모듈(240)을 포함할 수 있다. 다른 구현예에서, PCD(105)는 추가적이거나 상이한 컴포넌트를 포함할 수 있다. 이에 더하여, PCD(105)는 도 2에 도시된 것과 유사하거나 동등한 기능을 수행하는 더 적은 수의 컴포넌트를 포함할 수 있다.

PCD(105)는 MMA(160)를 추가로 포함할 수 있다. MMA(160)는 메모리 저장소(215)에 저장된 소프트웨어 컴포넌트 및 프로세서-판독가능(머신-판독가능) 명령어 또는 코드로서 구현될 수 있으며, 이는 프로세서 모듈(210)에 의해 수행될 때, PCD(105)로 하여금 본원에 기술되는 바와 같은 통신 채팅을 제공하고, 개인화된 동영상을 생성하고, 개인화된 동영성에 대한 릴을 검색하기 위한 방법의 적어도 일부 단계를 수행하게 한다. MMA(160)의 사용자 인터페이스는 그래픽 디스플레이 시스템(230)을 통해 제공될 수 있다. 통신 채팅은 통신 모듈(240) 및 네트워크(120)를 통해 MMA(160)에 의해 활성화될 수 있다. 통신 모듈(240)은 GSM 모듈, WiFi 모듈, BluetoothTM 모듈 등을 포함할 수 있다.

도 3은 예시적인 일 구현예에 따른, 수정 가능한 동영상을 검색하고 순위를 정하기 위한 예시적인 시스템(300)을 도시하는 블록 다이어그램이다. 시스템(300)은 카탈로그 모듈(310) 및 검색 엔진(320)을 포함할 수 있다. 시스템(300)은 MSS(130)에 상주할 수 있다.

카탈로그 모듈(310)은 릴의 목록을 제공하도록 구성될 수 있다. 각각의 목록은 특정 카테고리와 일치하고 릴 데이터베이스(145) 내의 릴 중에서 가장 높은 순위를 갖는 릴을 포함할 수 있다. 카탈로그 모듈(310)은 통계 로그(150) 내의 정보에 기초하여 릴의 순위를 결정할 수 있다. 순위는 인기도 메트릭에 기초할 수 있다. 인기도 메트릭은 MMA의 사용자에 의한 수정 가능한 동영상의 조회수에 대한 통신 채팅의 릴에 기초하여 생성된 개인화된 동영상을, MMA를 통해, 사용자가 공유한 횟수의 비율에 기초할 수 있다.

도 4는 일부 예시적인 구현예에 따른 릴의 카테고리를 도시한다. MMA(160)의 사용자는 카테고리 "최근", "특집", "인사말", "사랑", "행복", "화남" 및 "축하" 하의 릴을 조회할 수 있다. "최근" 카테고리는 사용자를 위해 개인화될 수 있고, 사용자에 의해 다른 사용자와 최근에 공유된 릴을 포함할 수 있다. 각 카테고리의 릴의 수는 사전에 결정된 수로 제한될 수 있다. 최근에 공유된 릴의 수가 사전에 결정된 수보다 작은 경우, "최근" 카테고리의 나머지 부분은 "특집" 카테고리의 릴로 채워질 수 있다. "특집" 카테고리는 릴 데이터베이스(145) 내의 모든 릴 중에서 가장 높은 순위를 갖는 릴들로 채워질 수 있다.

릴 데이터베이스(145) 내의 릴은 다음의 속성을 포함할 수 있다: 검색 태그, 검색 설명, 및 릴이 해당 릴 데이터베이스에 추가된 시점. 카탈로그 모듈(310)은 릴 데이터베이스 내의 릴의 순위 및 사전에 결정된 스케줄(예를 들어, 매일 또는 매주)에 따라 릴의 카테고리의 목록을 주기적으로 업데이트할 수 있다. 카탈로그 모듈(310)은 릴의 검색 태그 및 검색 설명에 대해 카테고리를 일치시키는 것에 기초하여 릴 데이터베이스(145)로부터의 릴이 소정의 카테고리와 일치한다는 것을 결정할 수 있다. 일부 구현예에서, 릴의 카테고리들의 목록 내의 사전에 결정된 수의 위치는 카테고리와 일치하는 릴 및 최근에 릴 데이터베이스(145)에 추가된 릴로 채워질 수 있다. 목록 내의 나머지 위치는 릴 데이터베이스(145)에서 가장 높은 순위를 갖는 릴로 채워질 수 있다. 릴의 카테고리의 업데이트된 목록은 MMA(160)로 전송될 수 있다.

검색 엔진(320)은 MMA로부터 요청을 수신할 수 있다. 요청은 하나 이상의 키워드를 포함할 수 있다. 검색 엔진(320)은 릴 데이터베이스(145)에서 검색을 수행하여 키워드와 일치하는 관련 릴의 목록을 결정할 수 있다.

도 5는 본 개시의 예시적인 구현예에 따른, MMA(160)에 의해 제공되는 통신 채팅의 예시적인 스크린(500)을 도시한다. 빠른 검색 아이콘(515)을 탭하면 검색 탭(520) 상의 스티커 선택기가 열릴 수 있다. 검색 탭(520)은 MMA(160)의 사용자가 개인화된 동영상(510) 중 하나를 선택하는 것을 허용할 수 있다. 개인화된 동영상(510)은 사용자가 검색 문자열(505)에 타이핑하는 키워드에 기초하여 검색 탭(520)에 의해 결정된 릴로부터 생성될 수 있다. 사용자의 셀카는 개인화된 동영상(510)에 삽입될 수 있고, 릴에 특정된 안면 표정 파라미터에 따라 감정적인 재연 및 그 주위의 일부 시각적 요소를 가질 수 있다. 개인화된 동영상(510)의 목록은 사용자가 검색 문자열(505) 내의 키워드들을 변경할 때마다 업데이트된다.

일 구현예에서, 검색 엔진(320)은 릴의 순위에 기초하여 릴 데이터베이스(145)로부터 릴을 선택할 수 있다. 검색 엔진(320)에 의해 사용되는 릴의 순위는 카탈로그 모듈(310)에 의해 사용되는 릴의 순위와 상이할 수 있다. 검색 엔진(320)에 의해 사용되는 릴의 순위는 관련도 인자, 신선도 인자, 및 인기도 인자의 가중 합에 기초하여 결정될 수 있다. 관련도 인자는 검색 문자열의 키워드에 대한 수정 가능한 동영상의 검색 태그 및 검색 설명의 일치 척도에 기초할 수 있다. 신선도 인자는 수정 가능한 동영상이 릴 데이터베이스(145)에 추가된 시점에 기초할 수 있다. 인기도 메트릭은 MMA의 사용자에 의한 수정 가능한 동영상의 조회수에 대한 사용자가 MMA를 통해 수정 가능한 동영상을 공유한 횟수의 비율에 기초한다. 관련도 인자, 신선도 인자, 및 인기도 인자의 가중치는 통계 로그(150) 내의 과거 데이터에 기초하여 결정될 수 있다. 가중치의 특정 조합은 또한 사용자 피드백에 기초하여 결정될 수 있다.

일부 구현예에서, 통계 로그(150) 및 사용자 피드백은 사용자 요청에서의 사용자의 의도와 일치하도록 릴의 검색 태그 및 검색 설명을 조정하는 데 사용될 수 있다. 검색 태그 및 검색 설명은 삭제, 편집 또는 추가될 수 있다.

특정 구현예에서, 검색 엔진(320)은 키워드에 의해 특정된 사용자 요청에 응답하여 가장 관련도가 높은 릴을 선택하기 위한 검색 알고리즘을 적용할 수 있다. 검색은 인공 신경망(ANN), 의사 결정 트리, SVM, 회귀 분석 등과 같은 머신 러닝을 사용하는 하나 이상의 모델에 기초할 수 있다. 모델에 대한 학습 세트는 통계 로그(150) 및 사용자 피드백에 기초하여 생성될 수 있다.

일부 구현예에서, 통계 로그(150)는 다음을 포함할 수 있다: 사용자 요청 -> 사용자 요청에 응답하여 발견된 릴의 목록 -> 사용자에 의해 조회된 릴의 목록 -> 사용자에 의해 MMA(160를 통해 전송된 릴 또는 어떤 릴도 전송되지 않았다는 표시. 기록은 사용자 그룹의 PCD로부터 수집될 수 있다.

통계 로그(150)에 기초하여, 릴 쌍의 세트가 생성될 수 있으며, 각 쌍은 제1 릴 및 제2 릴을 포함한다. 제1 릴은 사용자 요청 후 사용자에 의해 검토되고 전송된 릴이다. 제2 릴은 사용자 요청 후 사용자에 의해 검토되었지만 전송되지 않은 릴이다. 이어서, 해당 쌍 세트는 검색 알고리즘을 위한 모델을 학습시키는 데 사용된다.

본 개시의 일부 예시적인 구현예는 또한 2개의 검색 알고리즘의 비교를 위한 기술을 포함할 수 있다. 일 구현예에서, 비교 기술은 A/B 테스트를 포함한다. 검색 알고리즘 A 및 검색 알고리즘 B는 테스트 기간(예를 들어, 일주일) 동안 사용자의 두 그룹에 대해 동시에 테스트될 수 있다. 각각의 알고리즘에 대해, 메트릭은 일주일 동안 수집된 통계 로그(150)에 기초하여 계산될 수 있다. 메트릭은 검색 요청 후에 사용자에 의해 전송된 릴의 수 및 검색 알고리즘에 의해 처리된 검색 요청의 수의 비율에 기초할 수 있다. 검색 알고리즘 A의 메트릭이 검색 알고리즘 B의 메트릭보다 높은 경우, 검색 엔진(320)은 검색 알고리즘 A를 사용하도록 업데이트될 수 있다. 검색 알고리즘 B의 메트릭이 검색 알고리즘 A의 메트릭보다 높은 경우, 검색 엔진(320)은 검색 알고리즘 B를 사용하도록 업데이트될 수 있다.

다른 예시적인 구현예에서, 비교 기술은 다양한 실험 요청 {R}={R1, R2, …Rn} 및 해당 요청에 대한 응답 {Ref_Reels} = {{Ref_Reel_11, Ref_Reel_12, …Ref_Reel_1m}, {Ref_Reel_21, Ref_Reel_22, …Ref_Reel_2m}, …{Ref_Reel_N1, Ref_Reel_N2, …Ref_Reel_Nm}}에 기초할 수 있다. 요청 {R}에 대한 응답 {Ref_Reels}은 참조 알고리즘을 사용하여 생성될 수 있다. 참조 알고리즘은 응답에서의 릴의 순위를 결정하고 해당 순위에 따라 릴을 정렬할 수 있다. 전술한 바와 같이, 순위는 관련도 인자, 신선도 인자 및 인기도 인자의 가중 합으로서 결정될 수 있으며, 여기에서 관련도 인자는 요청의 키워드에 의존한다.

참조 알고리즘은 정렬된 릴의 쌍, {(Reel_k_1; Reel_k_2)}, k= 1, ..., N (여기에서 Reel_k_1은 Reel_k_2보다 높은 순위가 할당됨)의 집합에 대해 학습될 수 있다. 예를 들어, 요청 {R}의 키워드와 일치하는 릴의 쌍을 수동으로 검사하고, 해당 쌍에서의 어떤 릴이 보다 높은 순위를 가져야 하는지를 결정하고, 해당 릴을 쌍으로 정렬함으로써 정렬된 릴의 쌍 세트가 생성될 수 있다.

동일한 요청의 팩 {R}은 제1 응답 팩 {A_Reels} = {{A_Reel_11, A_Reel_12, …A_Reel_1m}, {A_Reel_21, A_Reel_22, …A_Reel_2m}, …{A_Reel_N1, A_Reel_N2, …}}을 얻도록 제1 검색 알고리즘에 의해 처리될 수 있으며, 여기에서 해당 응답은 제1 검색 알고리즘에 의해 생성되고 정렬된 릴의 목록을 포함한다. 제1 메트릭은 참조 알고리즘에 의해 결정된 응답 {Ref_Reels}과 제1 검색 알고리즘에 의해 결정된 응답 {A_Reels}의 차이에 기초하여 계산될 수 있다.

유사하게, 요청의 팩 {R}은 제2 응답 팩 {B_Reels} = {{B_Reel_11, B_Reel_12, …B_Reel_1m}, {B_Reel_21, B_Reel_22, …B_Reel_2m}, …{B_Reel_N1, B_Reel_N2, …}}을 얻도록 제2 검색 알고리즘에 의해 처리될 수 있으며, 여기에서 해당 응답은 제2 검색 알고리즘에 의해 생성되고 정렬된 릴의 목록을 포함한다. 제2 메트릭은 참조 알고리즘에 의해 결정된 응답 {Ref_Reels}과 제2 검색 알고리즘에 의해 결정된 응답 {B_Reels}의 차이에 기초하여 계산될 수 있다. 제1 메트릭이 제2 메트릭보다 낮은 경우, 검색 엔진(320)은 제1 검색 알고리즘을 사용하도록 업데이트될 수 있다. 제2 메트릭이 제1 메트릭보다 낮은 경우, 검색 엔진(320)은 제2 검색 알고리즘을 사용하도록 업데이트될 수 있다.

또 다른 예시적인 구현예에서, 비교 기술은 두 개의 검색 알고리즘의 결과 품질에 대한 평가에 기초할 수 있다. 먼저, 요청 세트 {R}={R1, R2, …Rn}을 생성할 수 있다. 요청 {R}의 세트는 예를 들어, 50 내지 100개의 검색 요청을 포함할 수 있다. 검색 요청은 상이한 키워드를 포함할 수 있다.

각각의 요청, Ri, i=1,…은 제1 릴 목록 {A_Reel_i} ={A_Reel_1_i,A_Reel_2_i, …A_Reel_m_i}}를 얻도록 제1 검색 알고리즘에 의해 처리될 수 있고, 제2 릴 목록 {B_Reel_i} ={B_Reel_1_i, B_Reel_2_i, …B_Reel_m_i}}를 얻도록 제2 검색 알고리즘에 의해 처리될 수 있다. 제1 릴 목록 {A_Reel_i}와 제2 릴 목록 {B_Reel_i}를 비교하여 어떤 목록이 보다 나은 품질을 갖는지를 결정할 수 있다. 제1 릴 목록 {A_Reel_i}와 제2 릴 목록 {B_Reel_i}의 품질 추정은 수동으로 수행될 수 있다.

목록 {A_Reel_i}의 품질이 목록 {B_Reel_i}에 비해 양호한 경우, 제1 계수 C_A가 증가한다. 목록 {B_Reel_i}의 품질이 목록 {A_Reel_i}에 비해 양호한 경우, 제2 계수 C_B가 증가한다. 이 절차는 세트 {R}의 모든 요청에 대해 반복된다. C_A > C_B인 경우, 검색 엔진(320)은 제1 검색 알고리즘으로 업데이트된다. C_B > C_A인 경우, 검색 엔진(320)은 제2 검색 알고리즘으로 업데이트된다.

도 6은 일부 예시적인 구현예에 따른, 수정 가능한 동영상을 선택하고 순위를 정하기 위한 방법(600)을 도시하는 흐름도이다. 방법(600)은 도 3을 참조하여 기술된 시스템(300)에 의해, 도 1을 참조하여 기술된 예시적인 환경(100) 내에서 구현될 수 있다.

방법(600)은 블록(605)에서의, MMA를 통해 사용자의 입력을 수신하는 단계로부터 시작할 수 있다. 일 구현예에서, 입력은 수정 가능한 동영상의 카테고리를 포함할 수 있다. 다른 구현예에서, 입력은 검색 요청을 포함할 수 있다. 검색 요청은 적어도 하나의 키워드를 포함할 수 있다.

방법(600)은 블록(610)에서의, 입력에 기초하여 수정 가능한 동영상을 저장하도록 구성된 데이터베이스로부터의 관련 수정 가능한 동영상의 목록을 선택하는 단계를 포함할 수 있다. 수정 가능한 동영상은 텍스트 메시지 및 순위와 연관될 수 있다. 입력이 카테고리를 포함하는 경우, 관련 수정 가능한 동영상의 목록은 카테고리와 일치하는 수정 가능한 동영상을 포함할 수 있다. 카테고리는 수정 가능한 동영상이 MMA를 통해 공유된 시점, 사용자가 MMA를 통해 해당 수정 가능한 동영상을 공유한 횟수, 및 수정 가능한 동영상의 텍스트 메시지와 연관된 감정적 상태에 기초할 수 있다.

카테고리에 대한 관련 수정 가능한 동영상의 목록은 사전에 결정된 스케줄(예를 들어, 매일 또는 매주)에 따라 업데이트될 수 있다. 목록을 업데이트하는 단계는 해당 목록의 사전에 결정된 제1 위치를 데이터베이스에 가장 최근에 추가된 수정 가능한 동영상으로 채우고 가장 높은 순위를 갖는 수정 가능한 동영상으로 해당 목록의 나머지 위치를 채우는 단계에 의해 수행될 수 있다. 수정된 동영상의 순위는 MMA의 사용자에 의한 수정 가능한 동영상의 조회수에 대한, 사용자가 MMA를 통해 수정 가능한 동영상을 공유한 횟수의 비율에 기초할 수 있다.

입력이 검색 요청을 포함하는 경우, 관련 수정 가능한 동영상의 목록은, 검색 알고리즘에 의해, 가장 높은 순위를 갖는 수정 가능한 동영상으로부터 선택될 수 있다. 이 경우, 수정 가능한 동영상의 순위는 검색 요청의 키워드에 기초할 수 있다. 예를 들어, 수정 가능한 동영상의 순위는 관련도 인자, 신선도 인자 및 인기도 인자의 가중 합에 기초할 수 있다. 관련도 인자는 적어도 하나의 키워드에 대한 수정 가능한 동영상의 검색 태그 및 검색 설명의 일치 정도에 기초할 수 있다. 신선도 인자는 수정 가능한 동영상이 데이터베이스에 추가된 시점에 기초할 수 있다. 인기도 메트릭은 MMA의 사용자에 의한 수정 가능한 동영상의 조회수에 대한 사용자가 MMA를 통해 수정 가능한 동영상을 공유한 횟수의 비율에 기초할 수 있다. 관련도 인자, 신선도 인자, 및 인기도 인자의 가중치는 통계 로그로부터의 과거 데이터에 기초하는 머신 러닝 모델에 의해 결정될 수 있다.

방법(600)은 블록(615)에서의, MMA를 통해 사용자가 조회하기 위한 관련 수정 가능한 동영상의 목록을 렌더링하는 단계를 포함할 수 있다. MMA는 사용자의 의해 조회된 수정 가능한 동영상에 관한 정보를 저장할 수 있다.

방법(600)은 블록(620)에서의, MMA를 통해 사용자가 목록으로부터 수정 가능한 동영상을 공유했다는 것을 결정하는 단계를 포함할 수 있다. MMA는 MMA를 통해 사용자의 의해 공유된 수정 가능한 동영상에 관한 정보를 저장할 수 있다.

방법(600)은 블록(625)에서의, 목록 및 공유된 수정 가능한 동영상에 관한 정보를 통계 로그에 저장하는 단계를 포함할 수 있다. 정보는 카테고리 또는 검색 요청을 갖는 입력을 갖는 기록, 해당 입력에 응답하여 사용자에게 제시된 수정 가능한 동영상의 목록, MMA를 통해 사용자에 의해 공유된 목록으로부터의 수정 가능한 동영상, 또는 사용자가 해당 목록으로부터 임의의 수정 가능한 동영상을 공유하지 않았다는 표시를 포함할 수 있다.

방법(600)은 블록(630)에서의, 통계 로그 내의 정보에 기초하여, 데이터베이스 내의 수정 가능한 동영상의 순위를 업데이트하는 단계를 포함할 수 있다. 수정 가능한 동영상의 순위는 수정 가능한 동영상의 검색 태그 또는 검색 설명을 조정하는 단계에 의해 업데이트될 수 있다. 통계 로그는 또한 검색 알고리즘을 업데이트하는 데 사용될 수 있다. 예를 들어, 통계 로그는 관련도 인자, 신선도 인자 및 인기도 인자에 대한 가중치를 업데이트하는 데 사용될 수 있다.

도 7은 본원에 기술된 방법을 구현하는 데 사용될 수 있는 예시적인 컴퓨팅 시스템(700)을 도시한다. 컴퓨팅 시스템(700)은 수정 가능한 동영상의 검색 및 순위를 정하기 위한 PCD(105 및 110), MSS(130), MMA(160) 및 시스템(300) 등의 콘텍스트에서 구현될 수 있다.

도 7에 도시된 바와 같이, 컴퓨팅 시스템(700)의 하드웨어 컴포넌트는 하나 이상의 프로세서(710) 및 메모리(720)를 포함할 수 있다. 메모리(720)는 부분적으로, 프로세서(710)에 의한 실행을 위한 명령어 및 데이터를 저장한다. 메모리(720)는 시스템(700)이 작동할 때 실행가능한 코드를 저장할 수 있다. 시스템(700)은 선택적인 대용량 저장 디바이스(730), 선택적인 휴대용 저장 매체 드라이브(들)(740), 하나 이상의 선택적인 출력 디바이스(750), 하나 이상의 선택적인 입력 디바이스(760), 선택적인 네트워크 인터페이스(770), 및 하나 이상의 선택적인 주변 디바이스(780)를 추가로 포함할 수 있다. 컴퓨팅 시스템(700)은 또한 하나 이상의 소프트웨어 컴포넌트(795)(예를 들어, 본원에 기술된 바와 같은 개인화된 동영상을 제공하기 위한 방법을 구현할 수 있는 것)을 포함할 수 있다.

도 7에 도시된 컴포넌트는 단일 버스(790)를 통해 연결되는 것으로 도시된다. 컴포넌트는 하나 이상의 데이터 전송 수단 또는 데이터 네트워크를 통해 연결될 수 있다. 프로세서(710) 및 메모리(720)는 로컬 마이크로프로세서 버스를 통해 연결될 수 있고, 대용량 저장 디바이스(730), 주변 디바이스(들)(780), 휴대용 저장 디바이스(740) 및 네트워크 인터페이스(770)는 하나 이상의 입/출력(I/O) 버스를 통해 연결될 수 있다.

자기 디스크 드라이브, 솔리드 스테이트 디스크 드라이브 또는 광학 디스크 드라이브로 구현될 수 있는 대용량 저장 디바이스(730)는 프로세서(710)에 의해 사용하기 위한 데이터 및 명령어를 저장하기 위한 비휘발성 저장 디바이스이다. 대용량 저장 디바이스(730)는 본원에 기술된 구현예를 구현하기 위한 시스템 소프트웨어(예를 들어, 소프트웨어 컴포넌트(795))를 저장할 수 있다.

휴대용 저장 매체 드라이브(들)(740)는 콤팩트 디스크(CD) 또는 디지털 동영상 디스크(DVD)와 같은 휴대용 비휘발성 저장 매체와 함께 작동하여, 컴퓨팅 시스템(700)에게 및 이로부터 데이터 및 코드를 입력 및 출력한다. 본원에 기술된 구현예를 구현하기 위한 시스템 소프트웨어(예를 들어, 소프트웨어 컴포넌트(795))는 이러한 휴대용 매체 상에 저장될 수 있고, 휴대용 저장 매체 드라이브(들)(740)를 통해 컴퓨팅 시스템(700)에 입력될 수 있다.

선택적인 입력 디바이스(760)는 사용자 인터페이스의 일부를 제공한다. 입력 디바이스(760)는 영숫자 및 다른 정보를 입력하기 위한, 키보드와 같은 영숫자 키패드, 또는 마우스, 트랙볼, 스타일러스 또는 커서 방향 키와 같은 포인팅 디바이스를 포함할 수 있다. 입력 디바이스(760)는 또한 카메라 또는 스캐너를 포함할 수 있다. 추가적으로, 도 7에 도시된 바와 같은 시스템(700)은 선택적인 출력 디바이스(750)를 포함한다. 적합한 출력 디바이스는 스피커, 프린터, 네트워크 인터페이스 및 모니터를 포함한다.

네트워크 인터페이스(770)는 예를 들어, 다른 것들 중에서도 인터넷, 인트라넷, LAN, WAN, 셀룰러 폰 네트워크, Bluetooth 라디오, 및 IEEE 802.11-기반 무선 주파수 네트워크를 포함하는, 하나 이상의 유선, 무선, 또는 광 네트워크와 같은 하나 이상의 통신 네트워크를 통해 외부 디바이스, 외부 컴퓨팅 디바이스, 서버, 및 네트워크 시스템과 통신하는데 이용될 수 있다. 네트워크 인터페이스(770)는 이더넷 카드, 광 트랜시버, 무선 주파수 송수신기, 또는 정보를 송수신할 수 있는 임의의 다른 유형의 디바이스와 같은 네트워크 인터페이스 카드일 수 있다. 선택적인 주변 디바이스(780)는 컴퓨터 시스템에 추가적인 기능을 추가하기 위해 임의의 유형의 컴퓨터 지원 디바이스를 포함할 수 있다.

컴퓨팅 시스템(700)에 포함된 컴포넌트는 컴퓨터 컴포넌트의 광범위한 카테고리를 나타내도록 의도된다. 따라서, 컴퓨팅 시스템(700)은 서버, 개인용 컴퓨터, 핸드헬드 컴퓨팅 디바이스, 전화, 모바일 컴퓨팅 디바이스, 워크스테이션, 미니컴퓨터, 메인프레임 컴퓨터, 네트워크 노드, 또는 임의의 다른 컴퓨팅 디바이스일 수 있다. 컴퓨팅 시스템(700)은 또한 상이한 버스 구성, 네트워크화된 플랫폼, 멀티-프로세서 플랫폼 등을 포함할 수 있다. UNIX, Linux, Windows, Macintosh OS, Palm OS, iOD, 안드로이드 및 다른 적합한 운영 체제를 포함하는 다양한 운영 체제(OS)가 사용될 수 있다.

전술한 기능 중 일부는 저장 매체(예를 들어, 컴퓨터 판독가능 매체 또는 프로세서-판독가능 매체) 상에 저장되는 명령어로 구성될 수 있다. 명령어는 프로세서에 의해 검색되고 실행될 수 있다. 저장 매체의 일부 예는 메모리 디바이스, 테이프, 디스크 등이다. 명령어는 프로세서에 의해 실행될 때 작동가능하여 프로세서가 본 개시에 따라 작동하도록 지시한다. 당업자는 명령어, 프로세서(들) 및 저장 매체에 익숙할 것이다.

본원에 기술된 프로세스를 수행하기에 적합한 임의의 하드웨어 플랫폼이 본 개시와 함께 사용하기에 적합하다는 것은 주목할 만하다. 본원에서 사용되는 용어 "컴퓨터 판독가능 저장 매체" 및 "컴퓨터 판독가능 저장 미디어"는 실행을 위해 프로세서에 명령어를 제공하는 데 참여하는 임의의 매체 또는 미디어를 지칭한다. 이러한 매체는 비휘발성 매체, 휘발성 매체, 및 전송 매체를 포함하나 이에 한정되지 않는 많은 형태를 취할 수 있다. 비휘발성 매체는 예를 들어, 고정 디스크와 같은 광학 또는 자기 디스크를 포함한다. 휘발성 매체는 시스템 랜덤 액세스 메모리(RAM)와 같은 동적 메모리를 포함한다. 전송 매체는, 다른 것들 중에서도 버스의 일 구현예를 포함하는 와이어를 포함하는, 동축 케이블, 구리 와이어, 및 광섬유를 포함한다. 전송 매체는 또한 무선 주파수(RF) 및 적외선(IR) 데이터 통신 동안 생성되는 것과 같은 음파 또는 광파의 형태를 취할 수 있다. 컴퓨터 판독가능 매체의 일반적인 형태는 예를 들어, 플로피 디스크, 가요성 디스크, 하드 디스크, 자기 테이프, 임의의 다른 자기 매체, CD-판독 전용 메모리(ROM) 디스크, DVD, 임의의 다른 광학 매체, 마크 또는 구멍의 패턴을 갖는 임의의 다른 물리적 매체, RAM, PROM, EPROM, EEPROM, 임의의 다른 메모리 칩 또는 카트리지, 캐리어 웨이브, 또는 컴퓨터가 판독할 수 있는 임의의 다른 매체를 포함한다.

컴퓨터 판독가능 매체의 다양한 형태는 실행을 위해 하나 이상의 명령어의 하나 이상의 시퀀스를 프로세서로 전달하는 데 관련될 수 있다. 버스는 데이터를 시스템 RAM으로 전달하며, 이 RAM에서 프로세서는 명령어를 검색하고 실행한다. 시스템 프로세서에 의해 수신된 명령어는 프로세서에 의한 실행 전 또는 후에 고정된 디스크 상에 선택적으로 저장될 수 있다.

이와 같이, MMA의 수정 가능한 동영상을 선택하고 순위를 정하기 위한 방법 및 시스템이 기술되었다. 구현예는 비록 특정 예시적인 구현예를 참조하여 기술되었지만, 본 출원의 보다 넓은 사상 및 범위를 벗어나지 않으면서 이러한 예시적인 구현예에 대해 다양한 수정 및 변경이 이루어질 수 있음은 명백할 것이다. 따라서, 본 명세서 및 도면은 제한적인 의미라기 보다는 예시적인 것으로 간주되어야 한다.

Claims

수정 가능한 동영상을 검색하고 순위를 정하기 위한 시스템으로서, 상기 시스템은,
상기 수정 가능한 동영상을 저장하도록 구성된 데이터베이스로서, 상기 수정 가능한 동영상은 텍스트 메시지 및 순위와 연관되는, 데이터베이스; 및
적어도 하나의 프로세서 및 프로세서-실행가능 코드를 저장하는 메모리를 포함하되, 상기 적어도 하나의 프로세서는 상기 프로세서-실행가능 코드를 실행할 때,
멀티미디어 메시징 애플리케이션(MMA)을 통해, 사용자의 입력을 수신하는 단계;
상기 입력에 기초하여, 상기 데이터베이스로부터 관련 수정 가능한 동영상의 목록을 선택하는 단계;
상기 MMA를 통해 상기 사용자가 조회하기 위한 관련 수정 가능한 동영상의 목록을 렌더링하는 단계;
상기 MMA를 통해 상기 사용자가 상기 목록으로부터 수정 가능한 동영상을 공유했다는 것을 결정하는 단계;
상기 목록 및 상기 공유된 수정 가능한 동영상에 관한 정보를 통계 로그에 저장하는 단계; 및
상기 통계 로그 내의 정보에 기초하여, 상기 데이터베이스 내의 수정 가능한 동영상의 순위를 업데이트하는 단계의 작동을 구현하도록 구성되는, 시스템.
제1항에 있어서,
입력은 수정 가능한 동영상의 카테고리를 포함하고;
관련 수정 가능한 동영상의 목록은 상기 카테고리와 일치하는 수정 가능한 동영상을 포함하는, 시스템.
제2항에 있어서, 카테고리는, 수정 가능한 동영상이 MMA를 통해 공유된 시점, 사용자가 MMA를 통해 상기 수정 가능한 동영상을 공유한 횟수, 및 상기 수정 가능한 동영상의 텍스트 메시지와 연관된 감정적 상태 중 적어도 하나에 기초하는, 시스템.
제2항에 있어서, 관련 수정 가능한 동영상의 목록은 사전에 결정된 스케줄에 따라 업데이트되며,
여기에서, 상기 목록을 업데이트하는 단계는,
상기 목록의 사전에 결정된 제1 위치를 데이터베이스에 가장 최근에 추가된 수정 가능한 동영상으로 채우는 단계; 및
가장 높은 순위를 갖는 수정 가능한 동영상으로 상기 목록의 나머지 위치를 채우는 단계를 포함하는, 시스템.
제2항에 있어서, 수정된 동영상의 순위는 MMA의 사용자에 의한 수정 가능한 동영상의 조회수에 대한, MMA를 통해 상기 수정 가능한 동영상이 공유된 횟수의 비율에 기초하는, 시스템.
제1항에 있어서,
입력은 적어도 하나의 키워드를 갖는 검색 요청을 포함하고;
수정 가능한 동영상의 순위는 상기 적어도 하나의 키워드에 기초하며;
관련 수정 가능한 동영상 목록의 선택은, 검색 알고리즘에 의해 가장 높은 순위를 갖는 수정 가능한 동영상의 사전에 결정된 수의 결정을 포함하는, 시스템.
제6항에 있어서, 수정 가능한 동영상의 순위는 관련도 인자, 신선도 인자 및 인기도 인자의 가중 합에 기초하고, 여기에서;
상기 관련도 인자는 적어도 하나의 키워드에 대한 수정 가능한 동영상의 검색 태그 및 검색 설명의 일치 척도에 기초하고;
상기 신선도 인자는 수정 가능한 동영상이 데이터베이스에 추가된 시점에 기초하고;
상기 인기도 메트릭은 MMA의 사용자에 의한 수정 가능한 동영상의 조회수에 대한, 사용자가 MMA를 통해 상기 수정 가능한 동영상을 공유한 횟수의 비율에 기초하는, 시스템.
제6항에 있어서, 관련도 인자, 신선도 인자, 및 인기도 인자의 가중치는 통계 로그로부터의 과거 데이터에 기초하는 머신 러닝 모델에 의해 결정되는, 시스템.
제6항에 있어서, 수정 가능한 동영상의 순위를 업데이트하는 단계는 상기 수정 가능한 동영상의 검색 태그 또는 검색 설명 중 하나를 조정하는 단계를 포함하는, 시스템.
제6항에 있어서, 통계 로그로부터의 과거 데이터에 기초하여 검색 알고리즘을 조정하는 단계를 추가로 포함하는, 시스템.
수정 가능한 동영상을 검색하고 순위를 정하기 위한 방법으로서, 상기 방법은,
멀티미디어 메시징 애플리케이션(MMA)을 통해, 사용자의 입력을 수신하는 단계;
상기 입력에 기초하여, 수정 가능한 동영상을 저장하도록 구성된 데이터베이스로부터 관련 수정 가능한 동영상의 목록을 선택하는 단계로서, 상기 수정 가능한 동영상은 텍스트 메시지 및 순위와 연관되는, 단계;
상기 MMA를 통해 상기 사용자가 조회하기 위한 관련 수정 가능한 동영상의 목록을 렌더링하는 단계;
상기 MMA를 통해 상기 사용자가 상기 목록으로부터 수정 가능한 동영상을 공유했다는 것을 결정하는 단계;
상기 목록 및 상기 공유된 수정 가능한 동영상에 관한 정보를 통계 로그에 저장하는 단계; 및
상기 통계 로그 내의 정보에 기초하여, 상기 데이터베이스 내의 수정 가능한 동영상의 순위를 업데이트하는 단계를 포함하는, 방법.
제11항에 있어서,
입력은 수정 가능한 동영상의 카테고리를 포함하고;
관련 수정 가능한 동영상의 목록은 상기 카테고리와 일치하는 수정 가능한 동영상을 포함하는, 방법.
제12항에 있어서, 카테고리는, 수정 가능한 동영상이 MMA를 통해 공유된 시점, 사용자가 MMA를 통해 상기 수정 가능한 동영상을 공유한 횟수, 및 상기 수정 가능한 동영상의 텍스트 메시지와 연관된 감정적 상태 중 하나에 기초하는, 방법.
제12항에 있어서, 관련 수정 가능한 동영상의 목록은 사전에 결정된 스케줄에 따라 업데이트되며,
여기에서, 상기 목록을 업데이트하는 단계는,
상기 목록의 사전에 결정된 제1 위치를 데이터베이스에 가장 최근에 추가된 수정 가능한 동영상으로 채우는 단계; 및
가장 높은 순위를 갖는 수정 가능한 동영상으로 상기 목록의 나머지 위치를 채우는 단계를 포함하는, 방법.
제11항에 있어서,
입력은 적어도 하나의 키워드를 갖는 검색 요청을 포함하고;
수정 가능한 동영상의 순위는 상기 적어도 하나의 키워드에 기초하며;
관련 수정 가능한 동영상 목록을 선택하는 단계는, 검색 알고리즘에 의해 가장 높은 순위를 갖는 수정 가능한 동영상의 사전에 결정된 수를 결장하는 단계를 포함하는, 방법.
제11항에 있어서,
입력은 적어도 하나의 키워드를 포함하는 검색 요청을 포함하고;
관련 수정 가능한 동영상 목록을 선택하는 단계는, 검색 알고리즘에 의해 순위에서 가장 높은 순위를 갖는 수정 가능한 동영상의 검색을 수행하는 단계를 포함하되, 상기 순위는 적어도 하나의 키워드에 의존하는 단계를 포함하는, 방법.
제16항에 있어서, 수정 가능한 동영상의 순위는 관련도 인자, 신선도 인자 및 인기도 인자의 가중 합에 기초하고,
여기에서;
상기 관련도 인자는 적어도 하나의 키워드에 대한 수정 가능한 동영상의 검색 태그 및 검색 설명의 일치 척도에 기초하고;
상기 신선도 인자는 수정 가능한 동영상이 데이터베이스에 추가된 시점에 기초하고;
상기 인기도 메트릭은 MMA의 사용자에 의한 수정 가능한 동영상의 조회수에 대한, 사용자가 MMA를 통해 상기 수정 가능한 동영상을 공유한 횟수의 비율에 기초하는, 방법.
제16항에 있어서, 관련도 인자, 신선도 인자, 및 인기도 인자의 가중치는 통계 로그로부터의 과거 데이터에 기초하는 머신 러닝 모델에 의해 결정되는, 방법.
제16항에 있어서, 수정 가능한 동영상의 순위를 업데이트하는 단계는 상기 수정 가능한 동영상의 검색 태그 또는 검색 설명 중 하나를 조정하는 단계를 포함하는, 방법.
저장된 명령어를 갖는 비일시적 프로세서-판독가능 매체로서, 이는 하나 이상의 프로세서에 의해 실행될 때, 하나 이상의 프로세서로 하여금 수정 가능한 동영상을 검색하고 순위를 정하기 위한 방법을 구현하게 하되, 상기 방법은,
멀티미디어 메시징 애플리케이션(MMA)을 통해, 사용자의 입력을 수신하는 단계;
상기 입력에 기초하여, 수정 가능한 동영상을 저장하도록 구성된 데이터베이스로부터 관련 수정 가능한 동영상의 목록을 선택하는 단계로서, 상기 수정 가능한 동영상은 텍스트 메시지 및 순위와 연관되는, 단계;
상기 MMA를 통해 상기 사용자가 조회하기 위한 관련 수정 가능한 동영상의 목록을 렌더링하는 단계;
상기 MMA를 통해 상기 사용자가 상기 목록으로부터 수정 가능한 동영상을 공유했다는 것을 결정하는 단계;
상기 목록 및 상기 공유된 수정 가능한 동영상에 관한 정보를 통계 로그에 저장하는 단계; 및
상기 통계 로그 내의 정보에 기초하여, 상기 데이터베이스 내의 수정 가능한 동영상의 순위를 업데이트하는 단계를 포함하는, 비일시적 프로세서-판독가능 매체.