KR20230064810A

KR20230064810A - 소셜 플랫폼의 계정을 점수화하기 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램

Info

Publication number: KR20230064810A
Application number: KR1020210150314A
Authority: KR
Inventors: 이충우; 조영인; 김도현; 윤명한; 김서현; 김미나
Original assignee: 라인플러스 주식회사
Priority date: 2021-11-04
Filing date: 2021-11-04
Publication date: 2023-05-11
Also published as: JP2023070114A

Abstract

소셜 플랫폼의 계정을 점수화하기 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램이 개시된다. 계정 점수화 방법은, 소셜 플랫폼 상의 계정에 대한 팔로어(follower) 증감율을 기초로 팔로어 스코어를 산정하는 단계; 상기 계정이 보유한 포스트(post)에 대한 사용자 반응을 기초로 사용자 반응 스코어를 산정하는 단계; 및 상기 팔로어 스코어와 상기 사용자 반응 스코어를 이용하여 상기 계정의 저자 점수(author score)를 산정하는 단계를 포함한다.

Description

소셜 플랫폼의 계정을 점수화하기 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램{METHOD, COMPUTER DEVICE, AND COMPUTER PROGRAM TO SCORE ACCOUNT IN SOCIAL PLATFORM}

아래의 설명은 소셜 플랫폼을 통해 추천 정보를 제공하는 기술에 관한 것이다.

소셜 네트워크 서비스(SNS)나 메신저와 같은 소셜 플랫폼은 사용자 간에 관계를 형성하여 게시물을 통한 상호작용을 지원하고 있다.

소셜 플랫폼은 사용자에게 서로 다른 컨텍스트로 정보를 제공할 수 있다. 예를 들어, 소셜 플랫폼은 사용자의 연결 관계에 대한 업데이트 정보, 게시물 업데이트 정보, 콘텐츠 추천, 다양한 다른 유형의 정보 아이템들을 제공할 수 있다.

예컨대, 한국등록특허 제10-1754373호(등록일 2017년 06월 29일)에는 SNS를 이용하여 게시글을 관리하는 기술이 개시되어 있다.

소셜 플랫폼 중 일부는 게시물들을 열람할 수 있는 뷰(view) 형태를 타임라인(timeline) 타입으로 제공하고 있다. 타임라인 타입의 게시물 표시 방법은 최근 빠른 콘텐츠 업데이트와 소비가 이루어지는 사적인 커뮤니케이션에 주로 사용되고 있다.

소셜 플랫폼에서 계정에 대한 팔로어(follower) 증감 정도와 계정의 포스트에 대한 사용자 반응을 이용하여 계정을 점수화할 수 있다.

소셜 플랫폼 내에서 인기 계정 선정 기준으로 계정 점수를 이용할 수 있다.

컴퓨터 장치에서 실행되는 방법에 있어서, 상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 방법은, 상기 적어도 하나의 프로세서에 의해, 소셜 플랫폼 상의 계정에 대한 팔로어(follower) 증감율을 기초로 팔로어 스코어를 산정하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 계정이 보유한 포스트(post)에 대한 사용자 반응을 기초로 사용자 반응 스코어를 산정하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 팔로어 스코어와 상기 사용자 반응 스코어를 이용하여 상기 계정의 저자 점수(author score)를 산정하는 단계를 포함하는 방법을 제공한다.

일 측면에 따르면, 상기 팔로어 스코어를 산정하는 단계는, 상기 계정의 팔로어가 일정 수 이상으로 누적된 시점부터 일정 기간을 주기로 이전 팔로어 수와 비교하여 상기 팔로어 스코어를 산정할 수 있다.

다른 측면에 따르면, 상기 사용자 반응 스코어를 산정하는 단계는, 상기 포스트에 대한 사용자 반응으로 입력된 클릭 로그들을 점수화하여 클릭 스코어를 산정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 클릭 스코어를 산정하는 단계는, 클릭 유형 별로 정해진 점수를 부여하는 방식을 통해 상기 클릭 스코어를 산정할 수 있다.

또 다른 측면에 따르면, 상기 클릭 유형은 가산 점수가 부여되는 포지티브 유형(positive type)과 감산 점수가 부여되는 네가티브 유형(negative type)으로 분류될 수 있다.

또 다른 측면에 따르면, 상기 사용자 반응 스코어를 산정하는 단계는, 상기 계정이 보유한 포스트 중 비디오 포스트를 대상으로 비디오 소비 시간을 점수화하여 비디오 스코어를 산정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 비디오 스코어를 산정하는 단계는, 전체 계정의 총 비디오 듀레이션(video duration) 대비 상기 계정의 비디오 듀레이션 비율을 이용하여 상기 비디오 스코어를 산정할 수 있다.

또 다른 측면에 따르면, 상기 계정의 저자 점수를 산정하는 단계는, 상기 팔로어 스코어와 상기 사용자 반응 스코어 중 어느 하나에 다른 하나보다 높은 가중치를 부여하여 상기 팔로어 스코어와 상기 사용자 반응 스코어를 합산함으로써 상기 저자 점수를 산정할 수 있다.

또 다른 측면에 따르면, 상기 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 소셜 플랫폼에 포함된 기능 중 하나인 타임라인 서비스를 통해 적어도 하나의 계정을 추천하는 단계를 더 포함하고, 상기 추천하는 단계는, 상기 저자 점수를 이용하여 인기 기반 추천 계정을 선정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 추천하는 단계는, 상기 타임라인 서비스 내에서 구독 관계를 나타내는 팔로우 연관도에 기초하여 팔로우 기반 추천 계정을 선정하는 단계; 및 상기 인기 기반 추천 계정과 함께 상기 팔로우 기반 추천 계정을 혼합하여 추천 풀(recommend pool)을 구성하는 단계를 더 포함할 수 있다.

상기 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램을 제공한다.

컴퓨터 장치에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 소셜 플랫폼 상의 계정에 대한 팔로어 증감율을 기초로 팔로어 스코어를 산정하고, 상기 계정이 보유한 포스트(post)에 대한 사용자 반응을 기초로 사용자 반응 스코어를 산정하고, 상기 팔로어 스코어와 상기 사용자 반응 스코어를 이용하여 상기 계정의 저자 점수를 산정하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.

도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 컴퓨터 장치의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 방법의 일례를 도시한 순서도이다.
도 5는 본 발명의 일실시예에 있어서 저자 점수를 산정하는 과정의 일례를 도시한 순서도이다.
도 6은 본 발명의 일실시예에 있어서 클릭 스코어를 산정하는 과정의 예시를 도시한 것이다.
도 7은 본 발명의 일실시예에 있어서 비디오 스코어를 산정하는 과정의 일례를 도시한 순서도이다.
도 8은 본 발명의 일실시예에 있어서 계정 추천 풀을 구성하는 과정의 일례를 도시한 순서도이다.
도 9는 본 발명의 일실시예에 있어서 계정 추천 풀의 구성 예시를 도시한 것이다.
도 10 내지 도 11은 본 발명의 일실시예에 있어서 계정 추천 목록을 노출하는 예시 화면을 도시한 것이다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 발명의 실시예들은 소셜 플랫폼에서 추천 정보를 제공하는 기술에 관한 것이다.

본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 소셜 플랫폼에 포함된 기능으로 팔로우 기반의 구독 관계를 이용한 타임라인 서비스를 제공할 수 있고, 이때 타임라인 서비스에서의 계정을 점수화하여 다양한 추천 로직에 활용할 수 있다.

본 발명의 실시예들에 따른 계정 점수화 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 계정 점수화 방법은 계정 점수화 시스템에 포함되는 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 계정 점수화 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 계정 점수화 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.

도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시예들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.

복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.

통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 콘텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 서비스(일례로, 소셜 서비스)를 제공하는 시스템일 수 있다.

도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다.

이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.

프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 인터페이스(230)는 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.

입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.

또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.

이하에서는 타임라인 서비스에서의 계정을 점수화하기 위한 방법 및 장치의 구체적인 실시예를 설명하기로 한다.

본 명세서에서 소셜 플랫폼은 메신저와 같이 관계를 기반으로 한 인터넷 상의 커뮤니케이션 공간을 포괄하여 의미할 수 있다. 예를 들어, 소셜 플랫폼은 전화번호나 아이디(ID) 등을 이용한 친구 추가 과정을 거쳐 친구 관계가 설정된 사용자 간에 채팅 서비스, 타임라인 서비스, 통화 서비스 등을 제공할 수 있다. 이에 한정되는 것은 아니며, 일종의 관계를 기반으로 다양한 커뮤니케이션 기능을 통해 소통할 수 있는 공간이라면 얼마든지 확대 적용 가능하다.

도 3은 본 발명의 일실시예에 따른 컴퓨터 장치의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 블록도이고, 도 4는 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 계정 점수화 방법의 일례를 도시한 순서도이다.

본 실시예에 따른 컴퓨터 장치(200)는 전용 어플리케이션이나 웹/모바일 사이트 접속을 통해 소셜 서비스를 제공할 수 있다. 컴퓨터 장치(200)에는 컴퓨터로 구현된 계정 점수화 시스템이 구성될 수 있다. 일례로, 계정 점수화 시스템은 독립적으로 동작하는 프로그램 형태로 구현되거나, 혹은 특정 어플리케이션의 인-앱(in-app) 형태로 구성되어 상기 특정 어플리케이션 상에서 동작이 가능하도록 구현될 수 있다.

컴퓨터 장치(200)의 프로세서(220)는 이후 설명될 계정 점수화 방법을 수행하기 위한 구성요소로서 도 3에 도시된 바와 같이, 계정 점수 산정부(310), 및 계정 추천부(320)를 포함할 수 있다. 실시예에 따라 프로세서(220)의 구성요소들은 선택적으로 프로세서(220)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(220)의 구성요소들은 프로세서(220)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.

이러한 프로세서(220) 및 프로세서(220)의 구성요소들은 이후 설명될 계정 점수화 방법이 포함하는 단계들을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 예를 들어, 프로세서(220) 및 프로세서(220)의 구성요소들은 메모리(210)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.

여기서, 프로세서(220)의 구성요소들은 컴퓨터 장치(200)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(220)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 컴퓨터 장치(200)가 타임라인 서비스에서의 계정을 점수화하도록 상술한 명령에 따라 컴퓨터 장치(200)를 제어하는 프로세서(220)의 기능적 표현으로서 계정 점수 산정부(310)가 이용될 수 있다.

프로세서(220)는 컴퓨터 장치(200)의 제어와 관련된 명령이 로딩된 메모리(210)로부터 필요한 명령을 읽어들일 수 있다. 이 경우, 상기 읽어들인 명령은 프로세서(220)가 이후 설명될 계정 점수화 방법을 실행하도록 제어하기 위한 명령을 포함할 수 있다.

이후 설명될 계정 점수화 방법이 포함하는 단계들은 도시된 순서와 다른 순서로 수행될 수 있으며, 단계들 중 일부가 생략되거나 추가의 과정이 더 포함될 수 있다.

계정 점수화 방법이 포함하는 단계들은 예를 들어, 메신저가 설치된 클라이언트(client)에서 수행될 수 있으며, 실시예에 따라서는 단계들 중 일부가 서버(150)에서 수행되는 것 또한 가능하다.

도 4를 참조하면, 단계(S410)에서 계정 점수 산정부(310)는 소셜 플랫폼 상의 계정 각각에 대하여 계정에 대한 팔로어 증감 정도와 계정이 보유한 포스트들에 대한 사용자 반응을 이용하여 계정 점수를 산정할 수 있다. 본 명세서에서 계정 점수는 소셜 플랫폼에 계정을 가진 저자(author)에 대한 점수를 의미하는 것으로, 이하에서는 저자 점수와 계정 점수를 같은 의미로 혼용하여 기재할 수 있다.

본 실시예에서는 타임라인 서비스에 적용 가능한 추천 로직에 저자 점수를 사용할 수 있다. 본 실시예들은 보증된 계정(이미 인기가 많은 계정)을 지속적으로 추천하는 로직이 아닌, 최근에 관심 받고 있는 계정이면서 사람들이 좋아하는 포스트가 많은 계정을 추천할 수 있는 방향으로 고도화하기 위한 추천 로직을 구현할 수 있다.

계정 점수 산정부(310)는 인기있는 계정을 판단하는 데에 영향을 주는 요인으로서 계정의 최근 팔로어 증감 정도, 그리고 계정에서 보유하고 있는 포스트의 사용자 반응을 점수화함으로써 해당 계정의 저자 점수를 산정할 수 있다.

단계(S420)에서 계정 추천부(320)는 각 계정의 저자 점수를 기준으로 인기 기반 추천 계정을 선정할 수 있다. 계정 추천부(320)는 타임라인 서비스 내에서 인기 계정 선정 기준으로 저자 점수를 사용할 수 있다. 다시 말해, 계정 추천부(320)는 타임라인 서비스에서 계정을 추천함에 있어 저자 점수가 높은 계정을 인기 계정으로 추천할 수 있다.

저자 점수는 계정 추천은 물론이고, 포스트 추천 등 타임라인 서비스에 적용 가능한 다양한 추천 로직에 활용될 수 있다.

도 5는 본 발명의 일실시예에 있어서 저자 점수를 산정하는 과정의 일례를 도시한 순서도이다.

일례로, 도 5의 과정은 상기한 단계(S410)에 포함될 수 있으며, 실시예에 따라서는 단계들 중 일부가 서버(150)에서 수행되는 것 또한 가능하다.

도 5를 참조하면, 단계(S501)에서 계정 점수 산정부(310)는 계정에 대한 팔로어 스코어를 산정할 수 있다. 계정 점수 산정부(310)는 계정에 대한 팔로어 증감 정도를 크기로 계산할 수 있다. 이때, 계정 점수 산정부(310)는 사전에 정해진 기간을 주기로 팔로어 증감 정도를 판단할 수 있다. 예를 들어, 계정 점수 산정부(310)는 일주일 단위로 계정에 대한 팔로어 스코어를 산정할 수 있다. 또한, 계정 점수 산정부(310)는 계정의 팔로어 수가 사전에 정해진 일정 수 이상인 시점 이후부터 팔로어 스코어를 산정할 수 있다. 팔로어 수가 일정 수 미만인 계정에 대해 별도의 스코어 산정 없이 기본값(default score)(예를 들어, 0)을 적용하고, 팔로어 수가 일정 수 이상으로 누적된 시점 이후부터 일정 주기로 이전 팔로어 수와 비교하여 팔로어 스코어를 산정할 수 있다.

단계(S502)에서 계정 점수 산정부(310)는 계정이 보유하고 있는 전체 포스트에 대해 사용자 반응 스코어를 산정할 수 있다. 포스트는 텍스트, 이미지, 비디오, 오디오 등 다양한 타입의 콘텐츠로 작성되어 등록될 수 있다. 계정 점수 산정부(310)는 포스트에 대한 로그를 수집하여 수집된 로그를 바탕으로 사용자 반응을 점수화할 수 있다.

특히, 계정 점수 산정부(310)는 사용자 반응으로 입력된 클릭 로그들을 점수화한 클릭 스코어와 비디오 포스트의 비디오 소비 시간을 점수화한 비디오 스코어를 합산하여 사용자 반응 스코어를 산정할 수 있다. 이때, 계정 점수 산정부(310)는 클릭 스코어와 비디오 스코어 중 어느 하나에 다른 하나보다 높은 가중치를 부여할 수 있다. 예를 들어, 비디오 스코어에 가중치 1을 부여하고 클릭 스코어에 가중치 2를 부여할 수 있다.

단계(S503)에서 계정 점수 산정부(310)는 계정의 팔로어 스코어와 사용자 반응 스코어를 합산하여 저자 점수를 산정할 수 있다. 이때, 계정 점수 산정부(310)는 팔로어 스코어와 사용자 반응 스코어 중 어느 하나에 다른 하나보다 높은 가중치를 부여할 수 있다. 예를 들어, 팔로어 스코어에 가중치 1을 부여하고 사용자 반응 스코어에 가중치 2를 부여할 수 있다.

사용자 반응 스코어는 클릭 스코어와 비디오 스코어를 합산한 것이므로 비디오 포스트를 보유하고 있지 않은 계정의 경우 비디오 포스트를 보유하고 있는 계정보다 상대적으로 저자 점수가 낮은 형태를 가진다.

도 6은 본 발명의 일실시예에 있어서 클릭 스코어를 산정하는 과정의 예시를 도시한 것이다.

계정 점수 산정부(310)는 계정이 보유하고 있는 포스트 중 공개된 포스트를 대상으로 클릭 로그를 수집할 수 있으며, 사전에 정해진 기간을 주기로 해당 기간 동안 수집된 클릭 로그를 점수화하여 클릭 스코어를 산정할 수 있다.

클릭 로그는 실제 리액션을 나타내는 클릭 유형과 관심도를 나타내는 클릭 유형을 포함할 수 있다. 클릭 스코어는 클릭 유형 별로 정해진 점수를 부여하는 방식으로 산출 가능하다.

도 6을 참조하면, 클릭 유형(610) 별 점수(620)가 사전에 정의되어 있으며, 계정 점수 산정부(310)는 클릭 로그에 포함된 클릭 유형(610) 각각에 대해 해당 점수(620)를 누적하는 방식으로 클릭 스코어를 산정할 수 있다.

클릭 유형(610)은 가산 점수를 가진 포지티브 유형(positive type)과 감산 점수를 가진 네가티브 유형(negative type)으로 분류될 수 있다. 예를 들어, 댓글 화면에 진입한 이력, 댓글을 입력한 이력, 좋아요를 입력한 이력, 프로필 화면에 진입한 이력, 콘텐츠를 실행한 이력, 포스트를 공유한 이력, 썸네일 화면에 진입한 이력 등은 점수(620)가 가산될 수 있고, 계정 또는 포스트를 신고 접수한 이력, 계정 또는 포스트를 숨김 처리한 이력 등은 점수(620)가 감산될 수 있다.

도 7은 본 발명의 일실시예에 있어서 비디오 스코어를 산정하는 과정의 일례를 도시한 순서도이다.

일례로, 도 7의 과정은 상기한 단계(S502)에 포함될 수 있으며, 실시예에 따라서는 단계들 중 일부가 서버(150)에서 수행되는 것 또한 가능하다.

도 7을 참조하면, 단계(S701)에서 계정 점수 산정부(310)는 계정이 보유하고 있는 포스트 중 비디오 포스트에 대한 로그를 수집할 수 있다. 이때, 계정 점수 산정부(310)는 사람들에 의해 비디오가 소비된 시간을 점수화하기 위해 비디오 소비 로그를 수집할 수 있으며, 특히 재생 시간(비디오 길이)이 제1 시간(T1) 이상인 비디오 포스트에 대해 비디오 소비 시간이 제2 시간(T2, T2≤T1) 이상인 로그만을 수집 대상으로 할 수 있다. 예를 들어, 노출과 동시에 자동 재생되는 로그를 배제하기 위해 재생 시간이 3초 이상인 비디오 포스트에 대해 비디오 소비 시간이 3초 이상인 로그를 이용할 수 있다.

단계(S702)에서 계정 점수 산정부(310)는 계정의 비디오 포스트에 대한 로그를 바탕으로 해당 계정의 비디오 소비 비율과 비디오 듀레이션(video duration) 기여도 비율을 산정할 수 있다.

계정의 비디오 스코어를 산정함에 있어 해당 계정의 비디오 소비 비율을 반영할 필요가 있다. 비디오 소비 비율은 사람들에 의해 실제 재생되는 비율로, 비디오 재생 시간에 대비하여 사람들이 비디오를 실제 소비하는 시간이 차지하는 비율을 의미한다. 계정 점수 산정부(310)는 비디오 로그 각각에 대해 비디오 소비 비율을 산정할 수 있고, 모든 비디오 로그에 대해 산정된 비디오 소비 비율을 평균하여 최종 값으로 이용할 수 있다.

소셜 플랫폼 상의 계정은 일정 길이 미만의 숏(short) 포맷의 비디오 포스트만을 작성하는 저자 유형의 계정과, 일정 길이 이상의 롱(long) 포맷의 비디오 포스트만을 작성하는 저자 유형의 계정, 그리고 숏 포맷의 비디오 포스트와 롱 포맷의 비디오 포스트를 모두 작성하는 저자 유형의 계정으로 구분될 수 있다.

계정의 비디오 스코어를 산정함에 있어 해당 계정의 저자 유형에 따른 비디오 듀레이션 측면의 기여도를 반영할 필요가 있다. 비디오 듀레이션 기여도 비율은 일정 기간(예를 들어, 한달) 동안 사람들이 전체 계정의 비디오를 소비한 비디오 소비 시간에 대비하여 일정 기간 동안 사람들이 특정 계정의 비디오를 소비한 비디오 소비 시간이 차지하는 비율을 의미한다. 비디오 소비 시간 자체만을 고려할 경우 롱 포맷의 비디오에 불리한 측면이 있기 때문에 전체 계정의 총 비디오 소비 시간 대비 한 계정의 총 비디오 소비 시간의 비율인 비디오 듀레이션 기여도 비율을 고려하여 비디오 스코어를 산정할 수 있다.

숏 포맷의 비디오 포스트와 롱 포맷의 비디오 포스트를 모두 보유하고 있는 저자 유형의 계정이 다른 계정보다 비디오 듀레이션 기여도가 높게 나타나게 되며, 숏 포맷과 롱 포맷을 가리지 않고 비디오 포스트를 많이 올리는 계정일수록 활발히 활동하고 인기가 많은 계정이라 할 수 있다.

계정 점수 산정부(310)는 비디오 듀레이션 기여도 비율을 통해 계정의 저자 유형을 고려하여 균등한 점수가 반영된 비디오 스코어를 얻을 수 있다.

단계(S703)에서 계정 점수 산정부(310)는 계정의 비디오 소비 비율과 비디오 듀레이션 기여도 비율을 이용하여 해당 계정의 비디오 스코어를 산정할 수 있다. 계정 점수 산정부(310)는 계정의 비디오 소비 비율과 비디오 듀레이션 기여도 비율을 승산하여 비디오 스코어를 산정할 수 있고, 이때 비디오 스코어를 다른 스코어(팔로어 스코어와 클릭 스코어)의 단위와 맞추기 위해 비디오 최대 점수를 함께 추가로 승산할 수 있다. 또한, 계정 점수 산정부(310)는 비디오 듀레이션 기여도 비율에 일정 값을 더한 최종 값을 비디오 듀레이션 기여도 비율로 적용할 수 있다. 비디오 듀레이션 기여도가 1% 미만인 계정이 많은 경우 스코어 산정 시 일정 값(예를 들어, 1)을 더해서 비디오 듀레이션 기여도 비율이 0에 가까워지는 것을 방지할 수 있다.

따라서, 계정 점수 산정부(310)는 계정의 팔로어 스코어와 클릭 스코어 및 비디오 스코어를 모두 합산하여 해당 계정의 저자 점수를 산정할 수 있다. 이때, 계정 점수 산정부(310)는 스코어 간의 크기 단위를 맞추기 위해 스케일링, 예를 들어 로버스트 스케일링(robust scaling)을 적용할 수 있다.

상기한 비디오 스코어는 인기 계정 선정 기준이 되는 저자 점수를 산정하기 위해 다른 스코어와 함께 이용될 수 있으며, 실시예에 따라서는 소셜 플랫폼에 적용 가능한 추천 로직이나 랭킹 로직에 단독으로 활용될 수 있다. 소셜 플랫폼 이외에도 비디오 공유 서비스를 제공하는 비디오 플랫폼에 적용 가능한 추천 로직이나 랭킹 로직에 비디오 스코어를 적용할 수 있다.

도 8은 본 발명의 일실시예에 있어서 계정 추천 풀을 구성하는 과정의 일례를 도시한 순서도이다.

일례로, 도 8의 과정은 상기한 단계(S420)에 포함될 수 있으며, 실시예에 따라서는 단계들 중 일부가 서버(150)에서 수행되는 것 또한 가능하다.

도 8을 참조하면, 단계(S801)에서 계정 추천부(320)는 타임라인 서비스 내에서 구독 관계를 나타내는 팔로우 연관도에 기초하여 적어도 하나의 추천 계정(이하, '팔로우 기반 추천 계정'이라 칭함)을 선정할 수 있다. 일례로, 계정 추천부(320)는 사용자가 팔로우하고 있는 계정의 팔로우를 팔로우 기반 추천 계정으로 선정할 수 있다. 예를 들어, User A가 User B와 User C를 팔로우하고 있고, User B가 User D와 User E를 팔로우하고 있고, User C가 User F를 팔로우하고 있을 때, User A에게 User D, User E, User F를 추천할 수 있다. 다른 예로, 계정 추천부(320)는 사용자가 팔로우하고 있는 계정과 유사한 계정을 팔로우 기반 추천 계정으로 선정할 수 있다. 예를 들어, User A가 User B와 User C를 팔로우하고 있고, User B가 User D와 공통된 팔로우(co-follow)가 많고, User C가 User E와 공통된 팔로우가 많을 때, User A에게 User D, User E를 추천할 수 있다. 또 다른 예로, 계정 추천부(320)는 사용자를 팔로우하고 있는 계정 중 사용자가 팔로우하지 않은 계정, 즉 사용자가 맞팔로우하고 있지 않은 계정을 팔로우 기반 추천 계정으로 선정할 수 있다. 예를 들어, User A를 팔로우하고 있는 User D를 User A가 팔로우하고 있지 않을 때, User A에게 User D를 추천할 수 있다.

단계(S802)에서 계정 추천부(320)는 타임라인 서비스 내에서 각 계정의 저자 점수를 이용하여 적어도 하나의 추천 계정(이하, '인기 기반 추천 계정'이라 칭함)을 선정할 수 있다. 계정 추천부(320)는 계정에 대한 팔로어 증감 정도와 계정의 포스트에 대한 사용자 반응을 점수화한 저자 점수를 기준으로 인기 기반 추천 계정을 선정할 수 있다. 계정 추천부(320)는 저자 점수가 높은 계정을 인기 기반 추천 계정으로 선정할 수 있다. 다시 말해, 계정 추천부(320)는 타임라인 서비스 내에서 활동하고 있는 계정 중 다른 사용자에 의해 긍정적인 반응이 많고 최근 급속도로 팔로어 수가 증가한 계정을 인기 기반 추천 계정으로 선정할 수 있다.

단계(S803)에서 계정 추천부(320)는 사용자를 대상으로 한 관계 기반 추천으로서 팔로우 기반 추천 계정과 인기 기반 추천 계정을 포함한 추천 풀을 구성할 수 있다. 도 9를 참조하면, 계정 추천부(320)는 새로운 계정의 팔로우를 유도하기 위해 팔로우 기반 추천 계정(910)과 인기 기반 추천 계정(920)을 혼합하여 추천 풀(900)을 구성할 수 있다. 일례로, 계정 추천부(320)는 팔로우 기반 추천 계정(910)과 인기 기반 추천 계정(920)을 사전에 정해진 고정 비율로 혼합하여 추천 풀(900)을 구성할 수 있다. 예를 들어, 계정 추천부(320)는 팔로우 기반 추천 계정(910)과 인기 기반 추천 계정(920)을 50:50 비율로 유지할 수 있다. 이때, 팔로우 기반 추천 계정(910)에 속하는 팔로잉 계정의 팔로우, 팔로잉 계정과 유사한 계정, 맞팔로우하지 않은 계정은 대략 16.6:16.6:16.6 비율로 나누고, 인기 기반 추천 계정(920)에 속하는 일반 계정과 공식 계정, 인플루언서 계정은 15:15:20 비율로 나눌 수 있다. 다른 예로, 계정 추천부(320)는 팔로우 기반 추천 계정(910)과 인기 기반 추천 계정(920)을 조정된 비율로 혼합하여 추천 풀(900)을 구성할 수 있다. 각 유형의 계정이 차지하는 비율에 따라 추천 풀(900)을 구성하기 위한 비율이 결정될 수 있다. 선정된 전체 계정이 100개이고 그 중 팔로우 기반 추천 계정(910)이 40개, 인기 기반 추천 계정(920)이 60개라고 할 때, 팔로우 기반 추천 계정(910)과 인기 기반 추천 계정(920)을 40:60 비율로 조정하여 추천 풀(900)을 구성할 수 있다. 팔로우 기반 추천 계정(910)과 인기 기반 추천 계정(920)에 속하는 하위 계정 또한 마찬가지로 각 유형의 계정이 차지하는 비율에 따라 조정된 비율로 나누어 혼합할 수 있다.

계정 추천부(320)는 타임라인 서비스 내에서 새로운 계정의 팔로우를 지속적으로 유도하기 위해 인기 계정뿐만 아니라 사용자와의 팔로우 연관도를 바탕으로 개인화된 추천 계정을 포함한 추천 풀을 구성하여 제공할 수 있다. 계정 추천부(320)는 팔로잉 계정의 포스트를 타임라인 타입으로 제공하는 서비스 화면 등 다양한 경로를 통해 추천 풀의 계정을 노출할 수 있다.

도 10 내지 도 11은 본 발명의 일실시예에 있어서 계정 추천 목록을 노출하는 예시 화면을 도시한 것이다.

도 10을 참조하면, 프로세서(220)는 사용자가 팔로잉하는 계정의 포스트(1010)가 최근 시간 순으로 정렬되어 표시되는 타임라인 서비스 화면(1000) 상에 새로운 계정의 팔로우를 유도하기 위해 계정 추천 목록(1020)을 노출할 수 있다.

계정 추천 목록(1020)은 팔로우 기반 추천 계정과 인기 기반 추천 계정을 포함할 수 있으며, 프로세서(220)는 계정 추천 목록(1020)에 대한 스크롤에 따라 추천 풀에 포함된 계정을 순서대로 노출할 수 있다.

프로세서(220)는 추천 풀에 포함된 계정 중 인기 기반 추천 계정을 계정 추천 목록(1020)의 상위 슬롯에 우선적으로 고정 배치하여 노출할 수 있다. 인기 기반 추천 계정이 다른 계정에 비해 더 높은 CTR(click through rate)이 예상되므로 우선 배치를 통해 관심을 독려할 수 있다. 이때, 추천 풀에 팔로우 기반 추천 계정이 없는 경우 인기 기반 추천 계정이 계정 추천 목록(1020)을 모두 점유할 수 있다.

계정 추천 목록(1020)에 포함된 각 계정 별로 구독 관계인 팔로우 설정을 위한 '팔로우' 메뉴(1021)를 제공할 수 있다.

그리고, 계정 추천 목록(1020)에 포함된 각 계정에 대해 해당 계정을 추천 풀에서 제거하기 위한 '제거' 메뉴(1022)가 제공될 수 있다. '제거' 메뉴(1022)를 이용하여 추천 풀에서 제거된 계정은 일정 시간(예를 들어, 7일) 동안 추천 대상에서 제외될 수 있다.

계정 추천 목록(1020)과 관련하여 '더 보기' 메뉴(1023)를 제공할 수 있으며, '더 보기' 메뉴(1023)가 선택되는 경우, 도 11에 도시한 바와 같이 계정 추천 목록 페이지(1100)로 랜딩될 수 있다.

프로세서(220)는 계정 추천 목록 페이지(1100)를 통해 추천 풀에 포함된 전체 계정 추천 목록(1110)을 제공할 수 있다. 추천 계정 목록 페이지(1100)에는 전체 계정 추천 목록(1110)에 포함된 각 계정 별로 구독 관계인 팔로우 설정을 위한 '팔로우' 메뉴(1021)와, 해당 계정을 추천 풀에서 제거하기 위한 '제거' 메뉴(1022) 등이 포함될 수 있다.

프로세서(220)는 타임라인 서비스 내 다양한 경로를 통해 사용자가 팔로잉할 만한 계정을 추천해 줄 수 있고, 이때 추천 계정에는 저자 점수를 기준으로 선정된 인기 기반 추천 계정이 포함될 수 있다.

본 실시예에서는 타임라인 서비스 내에서 새로운 계정의 팔로우를 유도하기 위해 팔로우 연관도를 통해 개인화된 관계 기반 추천을 제공할 수 있으며, 더 나아가 관계 기반 추천을 보다 고도화하기 위해 팔로어 증감율과 사용자 반응 점수를 점수화한 저자 점수를 추천 조건으로 추가 적용할 수 있다.

계정의 저자 점수는 인기 계정 선정 기준 이외에도 타임라인 서비스에서 포스트 추천, 친구 추천 등 다양한 추천 로직에 활용할 수 있다.

이처럼 본 발명의 실시예들에 따르면, 타임라인 서비스에서 계정에 대한 팔로어 증감 정도와 계정의 포스트에 대한 사용자 반응을 기초로 계정을 점수화하여 이를 다양한 추천 로직에 활용할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 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. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

컴퓨터 장치에서 실행되는 방법에 있어서,
상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
상기 방법은,
상기 적어도 하나의 프로세서에 의해, 소셜 플랫폼 상의 계정에 대한 팔로어(follower) 증감율을 기초로 팔로어 스코어를 산정하는 단계;
상기 적어도 하나의 프로세서에 의해, 상기 계정이 보유한 포스트(post)에 대한 사용자 반응을 기초로 사용자 반응 스코어를 산정하는 단계; 및
상기 적어도 하나의 프로세서에 의해, 상기 팔로어 스코어와 상기 사용자 반응 스코어를 이용하여 상기 계정의 저자 점수(author score)를 산정하는 단계
를 포함하는 방법.
제1항에 있어서,
상기 팔로어 스코어를 산정하는 단계는,
상기 계정의 팔로어가 일정 수 이상으로 누적된 시점부터 일정 기간을 주기로 이전 팔로어 수와 비교하여 상기 팔로어 스코어를 산정하는 것
을 특징으로 하는 방법.
제1항에 있어서,
상기 사용자 반응 스코어를 산정하는 단계는,
상기 포스트에 대한 사용자 반응으로 입력된 클릭 로그들을 점수화하여 클릭 스코어를 산정하는 단계
를 포함하는 방법.
제3항에 있어서,
상기 클릭 스코어를 산정하는 단계는,
클릭 유형 별로 정해진 점수를 부여하는 방식을 통해 상기 클릭 스코어를 산정하는 것
을 특징으로 하는 방법.
제4항에 있어서,
상기 클릭 유형은 가산 점수가 부여되는 포지티브 유형(positive type)과 감산 점수가 부여되는 네가티브 유형(negative type)으로 분류되는 것
을 특징으로 하는 방법.
제1항에 있어서,
상기 사용자 반응 스코어를 산정하는 단계는,
상기 계정이 보유한 포스트 중 비디오 포스트를 대상으로 비디오 소비 시간을 점수화하여 비디오 스코어를 산정하는 단계
를 포함하는 방법.
제6항에 있어서,
상기 비디오 스코어를 산정하는 단계는,
전체 계정의 총 비디오 듀레이션(video duration) 대비 상기 계정의 비디오 듀레이션 비율을 이용하여 상기 비디오 스코어를 산정하는 것
을 특징으로 하는 방법.
제1항에 있어서,
상기 계정의 저자 점수를 산정하는 단계는,
상기 팔로어 스코어와 상기 사용자 반응 스코어 중 어느 하나에 다른 하나보다 높은 가중치를 부여하여 상기 팔로어 스코어와 상기 사용자 반응 스코어를 합산함으로써 상기 저자 점수를 산정하는 것
을 특징으로 하는 방법.
제1항에 있어서,
상기 방법은,
상기 적어도 하나의 프로세서에 의해, 상기 소셜 플랫폼에 포함된 기능 중 하나인 타임라인 서비스를 통해 적어도 하나의 계정을 추천하는 단계
를 더 포함하고,
상기 추천하는 단계는,
상기 저자 점수를 이용하여 인기 기반 추천 계정을 선정하는 단계
를 포함하는 방법.
제9항에 있어서,
상기 추천하는 단계는,
상기 타임라인 서비스 내에서 구독 관계를 나타내는 팔로우 연관도에 기초하여 팔로우 기반 추천 계정을 선정하는 단계; 및
상기 인기 기반 추천 계정과 함께 상기 팔로우 기반 추천 계정을 혼합하여 추천 풀(recommend pool)을 구성하는 단계
를 더 포함하는 방법.
제1항 내지 제10항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램.
컴퓨터 장치에 있어서,
메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로세서는,
소셜 플랫폼 상의 계정에 대한 팔로어 증감율을 기초로 팔로어 스코어를 산정하고,
상기 계정이 보유한 포스트(post)에 대한 사용자 반응을 기초로 사용자 반응 스코어를 산정하고,
상기 팔로어 스코어와 상기 사용자 반응 스코어를 이용하여 상기 계정의 저자 점수를 산정하는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
상기 계정의 팔로어가 일정 수 이상으로 누적된 시점부터 일정 기간을 주기로 이전 팔로어 수와 비교하여 상기 팔로어 스코어를 산정하는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
상기 포스트에 대한 사용자 반응으로 입력된 클릭 로그들을 점수화하여 클릭 스코어를 산정하는 것
을 특징으로 하는 컴퓨터 장치.
제14항에 있어서,
상기 적어도 하나의 프로세서는,
클릭 유형 별로 정해진 점수를 부여하는 방식을 통해 상기 클릭 스코어를 산정하는 것
을 특징으로 하는 컴퓨터 장치.
제15항에 있어서,
상기 클릭 유형은 가산 점수가 부여되는 포지티브 유형과 감산 점수가 부여되는 네가티브 유형으로 분류되는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
상기 계정이 보유한 포스트 중 비디오 포스트를 대상으로 비디오 소비 시간을 점수화하여 비디오 스코어를 산정하는 것
을 특징으로 하는 컴퓨터 장치.
제17항에 있어서,
상기 적어도 하나의 프로세서는,
전체 계정의 총 비디오 듀레이션 대비 상기 계정의 비디오 듀레이션 비율을 이용하여 상기 비디오 스코어를 산정하는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
상기 팔로어 스코어와 상기 사용자 반응 스코어 중 어느 하나에 다른 하나보다 높은 가중치를 부여하여 상기 팔로어 스코어와 상기 사용자 반응 스코어를 합산함으로써 상기 저자 점수를 산정하는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
상기 소셜 플랫폼에 포함된 기능 중 하나인 타임라인 서비스를 통해 적어도 하나의 계정을 추천하기 위해 상기 저자 점수를 이용하여 인기 기반 추천 계정을 선정하는 것
을 특징으로 하는 컴퓨터 장치.