KR20230114337A - 엔터테인먼트 추천 장치 및 방법 - Google Patents

Abstract

엔터테인먼트 추천 장치 및 방법에 관한 것으로, 엔터테인먼트 추천 장치는 엔터테인먼트 또는 상기 엔터테인먼트에 대한 카테고리를 포함하는 엔터테인먼트 데이터베이스 및 추천 요청자에 대한 사용자 정보가 입력되면, 상기 사용자 정보에 대응하는 사용자 속성 벡터를 생성하고, 상기 사용자 속성 벡터와 상기 엔터테인먼트 또는 상기 엔터테인먼트에 대한 카테고리에 대한 엔터테인먼트 속성 벡터 사이의 유사도를 기반으로 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리를 결정하는 프로세서를 포함할 수 있다.

Description

엔터테인먼트 추천 장치 및 방법{APPARATUS AND METHOD FOR RECOMMENDATIONF OF ENTERTAINMENT}

엔터테인먼트 추천 장치 및 방법에 관한 것이다.

국민 소득 증가 및 노동 시간 감소에 기인하여 삶의 질을 중시하는 경향이 점점 더 확대되고 있으며, 여가 활동에 투자하는 시간과 비용도 증가하고 있다. 최근 정보통신기술의 발전에 따라 웹 또는 앱 기반 서비스도 급성장하고 있으며, 개인들은 자신이 이들 서비스를 통해 여가 활동을 즐길 수 있는 음식점, 놀이 시설, 관람 시설, 스포츠 시설, 공연 시설, 여흥 시설, 휴게 시설 또는 숙박 시설 등에 대한 정보를 언제 어디서나 쉽고 편리하게 제공받을 수 있게 되었다. 그러나, 통상적으로 이들 서비스들은 지역이나 광고비의 지불 여부 등을 기준으로 개인이 입력한 키워드에 대응하는 검색 결과를 찾아 사용자에게 제시하기 때문에, 사용자 각각의 취향에 부합하는 엔터테인먼트와 관련 시설을 다양한 지역 범위에 걸쳐 추천하기 어려운 점이 있었다. 특히 이들 서비스는 개인이 입력한 업종, 지역 또는 목적 등과 같은 키워드를 기반으로 결과를 획득하기 때문에, 사용자가 사전에 미처 고려하지 못하였으나 해당 사용자의 취향에 부합하는 새로운 엔터테인먼트 시설을 추천하는 것은 거의 불가능하였다. 또한, 원하는 엔터테인먼트 시설이 다수인의 동반 참여를 필요로 하는 경우, 개개인은 엔터테인먼트 시설을 함께 방문할 다른 동반자(들)을 찾아야 하는데, 해당 시설을 방문할 동반자를 찾는 것은 결코 쉬운 일은 아니다. 이는 개개인이 해당 시설로의 방문을 포기하게 하는 원인이 되고 있다.

사용자의 성향에 부합하는 엔터테인먼트를 사용자에게 추천하면서, 사용자의 성향에 따라 해당 엔터테인먼트를 함께 할 수 있는 동반자를 추천할 수 있는 엔터테인먼트 추천 장치 및 방법을 제공하는 것을 해결하고자 하는 과제로 한다.

상술한 과제를 해결하기 위하여 엔터테인먼트 추천 장치 및 방법이 제공된다.

엔터테인먼트 추천 장치는, 엔터테인먼트 또는 상기 엔터테인먼트에 대한 카테고리를 포함하는 엔터테인먼트 데이터베이스 및 추천 요청자에 대한 사용자 정보가 입력되면, 상기 사용자 정보에 대응하는 사용자 속성 벡터를 생성하고, 상기 사용자 속성 벡터와 상기 엔터테인먼트 또는 상기 엔터테인먼트에 대한 카테고리에 대한 엔터테인먼트 속성 벡터 사이의 유사도를 기반으로 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리를 결정하는 프로세서를 포함할 수 있다.

엔터테인먼트 추천 장치는, 사용자에 대한 정보를 포함하는 사용자 데이터베이스를 더 포함할 수 있고, 상기 프로세서는, 상기 사용자 데이터베이스로부터 사용자를 선택하여 적어도 하나의 사용자 조합을 생성하고, 상기 적어도 하나의 사용자 조합 각각에 대한 부적합도를 결정하고, 상기 적어도 하나의 사용자 조합에 대한 부적합도를 기반으로 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정하고, 상기 최적의 사용자 조합을 이용하여 적어도 하나의 동반자를 결정할 수도 있다.

상기 사용자 데이터베이스로부터 선택되는 사용자는, 상기 추천 요청자를 포함하거나, 또는 상기 추천 엔터테인먼트 또는 상기 추천 엔터테인먼트 카테고리와 동일 또는 유사한 엔터테인먼트를 기 추천 받은 사용자를 포함하는 것도 가능하다.

상기 프로세서는, 상기 적어도 하나의 사용자 조합 내의 모든 또는 일부의 사용자의 성향과 모든 또는 일부의 다른 사용자의 성향 사이의 어울림 수준을 결정하고, 적어도 하나의 특정 어울림 수준을 계수하여 상기 적어도 하나의 사용자 조합에 대한 부적합도를 결정할 수도 있다.

상기 프로세서는, 상기 추천 엔터테인먼트에 대응하는 협동 점수를 획득하고, 상기 협동 점수를 기반으로 계수될 어울림 수준을 결정할 수도 있다.

상기 프로세서는, 모의 담금질 기법을 이용하여 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정할 수도 있다.

엔터테인먼트 추천 방법은, 추천 요청자에 대한 사용자 정보가 입력되는 단계, 상기 사용자 정보에 대응하는 사용자 속성 벡터를 생성하는 단계, 엔터테인먼트 또는 상기 엔터테인먼트에 대한 카테고리에 대한 엔터테인먼트 속성 벡터와 상기 사용자 속성 벡터 사이의 유사도를 연산하는 단계 및 상기 엔터테인먼트 속성 벡터와 상기 사용자 속성 벡터 사이의 유사도를 기반으로 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리를 결정하는 단계를 포함할 수 있다.

엔터테인먼트 추천 방법은, 사용자 데이터베이스로부터 사용자를 선택하여 적어도 하나의 사용자 조합을 생성하는 단계, 상기 적어도 하나의 사용자 조합 각각에 대한 부적합도를 결정하는 단계, 상기 적어도 하나의 사용자 조합에 대한 부적합도를 기반으로 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정하는 단계 및 상기 최적의 사용자 조합을 이용하여 적어도 하나의 동반자를 결정하는 단계를 더 포함할 수도 있다.

상기 사용자 데이터베이스로부터 선택되는 사용자는, 상기 추천 요청자를 포함하거나, 또는 상기 추천 엔터테인먼트 또는 상기 추천 엔터테인먼트 카테고리와 동일 또는 유사한 엔터테인먼트를 기 추천 받은 사용자를 포함할 수도 있다.

상기 적어도 하나의 사용자 조합 각각에 대한 부적합도를 결정하는 단계는, 상기 적어도 하나의 사용자 조합 내의 모든 또는 일부의 사용자의 성향과 모든 또는 일부의 다른 사용자의 성향 사이의 어울림 수준을 결정하는 단계 및 상기 적어도 하나의 특정 어울림 수준을 계수하여 상기 적어도 하나의 사용자 조합에 대한 부적합도를 결정하는 단계를 포함할 수도 있다.

상기 적어도 하나의 사용자 조합 각각에 대한 부적합도를 결정하는 단계는, 상기 추천 엔터테인먼트에 대응하는 협동 점수를 획득하는 단계 및 상기 협동 점수를 기반으로 계수될 어울림 수준을 결정하는 단계를 더 포함하는 것도 가능하다.

상기 적어도 하나의 사용자 조합에 대한 부적합도를 기반으로 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정하는 단계는, 모의 담금질 기법을 이용하여 상기 적어도 하나의 사용자 조합에 대한 부적합도를 기반으로 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정하는 단계를 포함할 수도 있다.

상술한 엔터테인먼트 추천 장치 및 방법에 의하면, 사용자는 사용자의 성향에 부합하는 엔터테인먼트를 추천 받으면서도, 해당 엔터테인먼트가 다수의 참여자(동반자)를 필요로 하는 경우 해당 엔터테인먼트를 함께 할 수 있는 동반자를 적절하게 추천 받을 수 있게 되는 효과를 얻을 수 있다.

상술한 엔터테인먼트 추천 장치 및 방법에 의하면, 사용자 성향에 적합한 엔터테인먼트를 기반으로 해당 엔터테인먼트를 즐길 수 있는 시설을 사용자에게 제시하여 추천할 수 있는 장점도 얻을 수 있다.

상술한 엔터테인먼트 추천 장치 및 방법에 의하면, 엔터테인먼트를 즐기기 위해 다수의 참여자(동반자)가 필요한 경우에도 사용자는 본인 성향과 맞는 적어도 하나의 참여자를 용이하게 찾아 엔터테인먼트에 대한 참여를 제안할 수 있게 되는 장점도 존재한다.

도 1은 엔터테인먼트 추천 장치의 일 실시예에 대한 블록도이다.
도 2는 사용자 질의의 예시를 도시한 도면이다.
도 3은 엔터테인먼트 추천부의 일 실시예에 대한 블록도이다.
도 4는 속성 벡터 생성 과정의 일 실시예를 설명하기 위한 도면이다.
도 5는 동반자 추천부의 일 실시예에 대한 블록도이다.
도 6은 성향 적합도 판단을 위한 기초 데이터의 일 실시예에 대한 도면이다.
도 7은 엔터테인먼트 추천 방법의 일 실시예에 대한 블록도이다.

이하 명세서 전체에서 동일 참조 부호는 특별한 사정이 없는 한 동일 구성요소를 지칭한다. 이하에서 사용되는 '부'가 부가된 용어는, 소프트웨어 및/또는 하드웨어로 구현될 수 있으며, 실시예에 따라 하나의 '부'가 하나의 물리적 또는 논리적 부품으로 구현되거나, 복수의 '부'가 하나의 물리적 또는 논리적 부품으로 구현되거나, 하나의 '부'가 복수의 물리적 또는 논리적 부품들로 구현되는 것도 가능하다. 명세서 전체에서 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 어떤 부분과 다른 부분이 상호 간에 물리적으로 연결되었음을 의미할 수도 있고, 및/또는 전기적으로 연결되었음을 의미할 수도 있다. 또한, 어떤 부분이 다른 부분을 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 부분 이외의 또 다른 부분을 제외하는 것이 아니며, 설계자의 선택에 따라서 또 다른 부분을 더 포함할 수 있음을 의미한다. 제1 내지 제N(N은 1 이상의 자연수) 등의 표현은, 적어도 하나의 부분(들)을 다른 부분(들)으로부터 구분하기 위한 것으로, 특별한 기재가 없는 이상 이들이 순차적임을 반드시 의미하지는 않는다. 또한 단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함할 수 있다.

이하 도 1 내지 도 6을 참조하여 엔터테인먼트 추천 장치(10)의 일 실시예에 대해서 설명하도록 한다.

도 1은 엔터테인먼트 추천 장치의 일 실시예에 대한 블록도이고, 도 2는 사용자 질의의 예시를 도시한 도면이다.

엔터테인먼트 추천 장치(10)는, 일 실시예에 있어서, 도 1에 도시된 바와 같이 저장부(20)와, 저장부(20)와 데이터의 송수신이 가능하게 마련된 프로세서(100)를 포함할 수 있으며, 필요에 따라 입력부(11) 및 출력부(15) 중 적어도 하나를 더 포함할 수 있다. 입력부(11), 출력부(15), 저장부(20) 및 프로세서(100) 중 적어도 둘은, 회로, 케이블 또는 무선통신네트워크를 통해 전기적 신호의 전달이 가능하게 연결되어 있다.

입력부(11)는, 사용자로부터 사용자에 대한 정보(이하 사용자 정보)를 수신하고, 수신한 정보를 저장부(20) 및 프로세서(100) 중 적어도 하나로 전달할 수 있다. 여기서, 사용자는 추천 대상의 제공을 엔터테인먼트 추천 장치(10)에 요청하는 자(이하 추천 요청자)를 포함할 수 있다. 추천 대상은 추천 요청자의 개인 성향에 부합하는 적어도 하나의 엔터테인먼트(이하 추천 엔터테인먼트), 추천 엔터테인먼트를 행할 수 있는 적어도 하나의 장소나 시설(이하 추천 엔터테인먼트 시설) 및 추천 엔터테인먼트를 함께 수행할 적어도 하나의 자(이하 동반자) 중 적어도 하나를 포함할 수 있고, 적어도 하나의 엔터테인먼트는, 영화, 공연, 전시, 애니메이션 또는 스포츠 등의 관람, 스포츠 활동, 여행, 게임, 캠핑 및/또는 놀이 시설 방문 등과 같은 오락적 여흥을 포함할 수 있다. 일 실시예에 의하면, 사용자는 도 2에 도시된 바와 같이 출력부(15)에 의해 출력되는 질의(16)에 대응하는 응답의 형식으로 사용자 정보를 입력부(11)에 입력할 수도 있다. 예를 들어, 사용자는, 출력부(15)가 적어도 하나의 질의(16)를 순차적으로 또는 동시에 출력하면, 입력부(11)를 직접 조작하거나 또는 입력부(11)와 통신 가능하게 연결된 다른 정보처리장치(일례로 스마트폰이나 데스크톱 컴퓨터 등)를 이용하여, 제시된 선택지 중 어느 하나를 선택하거나 숫자나 문자 등을 입력함으로써 해당 질의(16)에 대한 응답을 입력할 수 있다. 이에 따라 엔터테인먼트 추천 장치(10)는 사용자 정보를 획득할 수 있게 된다. 입력부(11)는 필요에 따라서, 사용자 개인에 대한 성향에 대한 정보(예를 들어, 마이어스-브릭스 유형 지표(MBTI: Myers-Briggs-Type Indicator) 등)를 입력 받거나, 또는 사용자 개인에 대한 성향을 결정하기 위한 다수의 정보를 입력 받을 수도 있다. 사용자 개인에 대한 성향을 결정하기 위한 다수의 정보도, 출력부(15)를 통해 제시되는 질의에 대한 응답 형태로 입력부(11)에 입력될 수도 있다. 입력부(11)는, 예를 들어, 키보드, 마우스, 태블릿, 터치 스크린, 터치 패드, 트랙 볼, 트랙패드, 스캐너 엔터테인먼트 추천 장치, 영상 촬영 모듈, 초음파 스캐너, 동작 감지 센서, 진동 센서, 수광 센서, 감압 센서, 근접 센서 및/또는 마이크로 폰 등을 포함할 수 있다. 또한 실시예에 따라, 입력부(11)는, 외부의 다른 엔터테인먼트 추천 장치(일례로 휴대용 메모리 엔터테인먼트 추천 장치 등)로부터 데이터 등의 수신이 가능한 데이터 입출력 단자나, 외부의 다른 엔터테인먼트 추천 장치와 유무선 통신 네트워크를 통해 연결되는 통신 모듈(일례로 랜 카드, 근거리 통신 모듈 또는 이동통신 모듈 등) 등을 포함할 수도 있다.

출력부(15)는, 사용자로부터 정보를 획득하기 위한 요청(시각적 또는 청각적으로 출력되는 질의 등)이나, 프로세서(100)의 처리 과정에서 획득된 데이터나, 프로세서(100)의 처리 결과나 저장부(20)에 저장된 데이터를 사용자에게 시각적 또는 청각적으로 제시하거나 다른 정보처리장치로 전달할 수 있다. 예를 들어, 출력부(15)는 추천 요청자의 요청에 대응하는 적어도 하나의 추천 엔터테인먼트(엔터테인먼트 리스트를 포함 가능함)나, 추천 요청자와 함께 적어도 하나의 엔터테인먼트에 참가할 수 있는 적어도 하나의 동반자(동반자 리스트를 포함 가능함)나, 또는 이와 관련된 세부 정보(엔터테인먼트 상세 정보, 엔터테인먼트 시설의 위치나, 동반자의 거주지나 연락처 등)를 외부로 출력하여 추천 요청자에게 제공할 수 있다. 이에 따라 추천 요청자는 자신이 현 시점에서 또는 미래에 즐길 수 있는 추천 엔터테인먼트과, 해당 추천 엔터테인먼트를 즐길 수 있는 시설과, 해당 추천 엔터테인먼트를 함께 할 동반자를 쉽게 파악할 수 있게 된다. 출력부(15)는, 예를 들어, 디스플레이, 프린터 장치, 스피커 장치, 영상 출력 단자, 데이터 입출력 모듈 또는 유무선 통신 모듈 등을 포함할 수 있다.

저장부(20)는 엔터테인먼트 추천 장치(10)의 동작에 필요한 데이터나, 프로그램(앱, 애플리케이션 또는 소프트웨어 등으로 지칭 가능함) 등을 일시적 또는 비일시적으로 저장할 수 있다. 엔터테인먼트 추천 장치(10)의 동작에 필요한 데이터는 데이터베이스의 형태로 저장부(20)에 저장될 수 있으며, 여기서 데이터베이스는, 예를 들어, 적어도 하나의 사용자(추천 요청자 및 동반자 등을 포함 가능함)에 대한 사용자 정보로 구축된 사용자 데이터베이스(21)와, 적어도 하나의 엔터테인먼트에 대한 정보로 구축된 엔터테인먼트 데이터베이스(25)를 포함할 수 있다. 사용자 정보는, 각각의 사용자에 대한 세부 정보를 포함할 수 있으며, 세부 정보는, 예를 들어, 사용자 식별 번호, 성별, 연령, 지역, 활동성, 선호 인원수, 선호 공간 및/또는 사용자 성향 등을 포함할 수 있다. 여기서, 사용자 성향은 사용자가 직접 입력한 것일 수도 있고, 외부의 다른 정보처리장치로부터 전달 받은 것일 수도 있고, 또는 사용자의 입력 정보를 기반으로 프로세서(100)에 의해 판단된 것일 수도 있다. 또한, 사용자 데이터베이스(21)는, 필요에 따라 적어도 하나의 사용자에게 기 제공되었던 추천 엔터테인먼트나 기 추천되었던 동반자에 대한 정보를 더 포함할 수도 있다. 뿐만 아니라, 사용자 데이터베이스(21)는 사용자에 대한 세부 정보를 기반으로 획득한 사용자에 대한 속성 벡터(도 4의 24, 이하 사용자 속성 벡터)를 더 저장할 수도 있다. 엔터테인먼트에 대한 정보는, 엔터테인먼트 명칭, 엔터테인먼트가 속하는 카테고리(상위 카테고리 및 하위 카테고리를 포함 가능함), 활동성, 필요인원수, 해당 엔터테인먼트 또는 카테고리의 적어도 하나의 속성(일례로 외향적/내향적, 직관적 판단 요구/감각적 판단 요구, 감정 위주/이성적 사고 위주 및/또는 인식 경향/판단 경향 등), 엔터테인먼트 또는 카테고리의 적어도 하나의 속성을 기반으로 획득된 속성 벡터(이하 엔터테인먼트 속성 벡터), 해당 엔터테인먼트 또는 카테고리에 대한 협동 점수 및/또는 엔터테인먼트 시설에 대한 정보(명칭, 업종, 주소, 실내외 여부, 시설 출입 요건 또는 비용 등)를 포함할 수 있다. 여기서, 해당 엔터테인먼트에 대한 협동 점수는, 해당 엔터테인먼트 수행 시 다수인 간의 협동력이 얼마나 요구하는지를 나타내는 점수이다. 예를 들어, 농구나 축구 등의 스포츠는 다수인이 함께 해야 하므로 협동 점수가 상대적으로 높은 값(예를 들어, 3점)으로 주어지고, 스키나 달리기 등은 협동 없이 단독으로 즐길 수 있으므로 협동 점수가 상대적으로 낮은 값(예를 들어, 1점)으로 주어진다. 놀이 공원 방문 등은 단독도 가능하고 협동도 가능하므로 이에 대한 협동 점수는 대략 중간 정도의 값(예를 들어 2점)을 갖는다. 협동 점수는 후술하는 바와 같이 동반자 추천을 위해 이용된다. 또한, 저장부(20)는 엔터테인먼트나 동반자의 추천을 위한 데이터(예를 들어, 도 6의 성향 적합도 테이블(152-1) 등)를 더 저장할 수도 있다. 상술한 데이터는 프로세서(100)의 호출에 따라 프로세서(100)에 제공될 수 있고 및/또는 프로세서(100)의 처리에 따라 생성, 추가, 수정 또는 갱신될 수 있다. 저장부(20)에 저장된 프로그램은, 엔터테인먼트 또는 동반자 추천 동작의 수행을 위해 마련된 것으로, 프로그래머 등의 설계자에 의해 직접 작성 또는 수정된 것일 수도 있고, 다른 물리적 기록 매체(외장 메모리 엔터테인먼트 추천 장치나 콤팩트 디스크(CD) 등)으로부터 전달받은 것일 수도 있으며, 및/또는 유무선 통신 네트워크를 통해 접속 가능한 전자 소프트웨어 유통망을 통하여 획득 또는 갱신된 것일 수도 있다. 저장부(20)는, 예를 들어, 주기억장치 및 보조기억장치 중 적어도 하나를 포함할 수 있다. 주기억장치는 롬(ROM) 및/또는 램(RAM)과 같은 반도체 저장 매체를 이용하여 구현된 것일 수 있고, 보조기억장치는, 플래시 메모리나 자기디스크 등을 이용하여 구현된 것일 수도 있다.

프로세서(100)는, 일 실시예에 의하면, 저장부(20)에 저장된 사용자 데이터베이스(21) 및 엔터테인먼트 데이터베이스(25) 중 적어도 하나를 이용하여, 다수의 엔터테인먼트 중에서 추천 요청자를 위한 적어도 하나의 추천 엔터테인먼트를 결정하거나 및/또는 추천 요청자와 함께 적어도 하나의 추천 엔터테인먼트에 참가할 수 있는 적어도 하나의 동반자를 결정할 수 있다. 프로세서(100)는, 예를 들어, 중앙 처리 엔터테인먼트 추천 장치(CPU: Central Processing Unit), 그래픽 처리 엔터테인먼트 추천 장치(GPU: Graphic Processing Unit), 마이크로 컨트롤러 유닛(MCU: Micro Controller Unit), 애플리케이션 프로세서(AP: Application Processor), 전자 제어 유닛(ECU: Electronic Controlling Unit), 기본보드 관리 컨트롤러(BMC: Baseboard Management Controller), 마이컴(Micom: Micro Processor) 및/또는 이외 각종 연산 및 제어 처리를 수행할 수 있는 적어도 하나의 전자 엔터테인먼트 추천 장치 등을 포함할 수 있다. 이들 처리 또는 제어 엔터테인먼트 추천 장치는, 예를 들어, 하나 또는 둘 이상의 반도체 칩, 회로 또는 관련 부품 등을 단독으로 이용하거나 조합하여 구현된 것일 수도 있다.

도 1에 도시된 바를 참조하면, 프로세서(100)는, 다수의 엔터테인먼트 중에서 추천 요청자의 성향에 부합하는 엔터테인먼트를 적어도 하나의 추천 엔터테인먼트로 결정하는 엔터테인먼트 추천부(110)와, 다수의 사용자 중에서 사용자 성향에 부합하고 추천 엔터테인먼트를 함께 할 가능성이 있는 적어도 하나의 동반자를 결정하는 동반자 추천부(130)를 포함할 수 있다. 또한, 필요에 따라서 프로세서(100)는 결정된 동반자와의 메시지 송수신 처리를 위한 메시징 처리부(150)를 더 포함하는 것도 가능하다. 엔터테인먼트 추천부(110), 동반자 추천부(130) 및 메시징 처리부(150) 중 적어도 둘은 일방으로 또는 쌍방으로 데이터나 명령 지시를 전달할 수도 있다. 이들(110, 130, 150)은 실시예에 따라서, 상호 간에 논리적으로 또는 물리적으로 구분된 것일 수 있다.

도 3은 엔터테인먼트 추천부의 일 실시예에 대한 블록도이고, 도 4는 속성 벡터 생성 과정의 일 실시예를 설명하기 위한 도면이다.

도 3에 도시된 바에 의하면, 엔터테인먼트 추천부(110)는 일 실시예에 있어서, 속성 벡터 생성부(111), 유사도 판단부(112) 및 추천 엔터테인먼트 획득부(113)를 포함할 수 있다.

속성 벡터 생성부(111)는, 사용자에 대한 정보를 기반으로 사용자에 대응하는 사용자 속성 벡터(24)를 생성할 수 있다. 여기서, 사용자는 추천 요청자를 포함할 수도 있고, 및/또는 사용자 데이터베이스(21)의 복수의 사용자 중에서 임의적으로 또는 미리 정의된 설정에 따라 선택된 적어도 하나의 사용자를 포함할 수도 있다. 사용자 속성 벡터(24)의 생성을 위해 이용되는 사용자 정보는, 예를 들어, 사용자 식별 번호, 성별, 연령, 지역, 활동성, 선호 인원수, 선호 공간 및 사용자 성향 등과 같은 사용자에 대한 세부 정보 중에서 적어도 하나를 포함할 수 있다. 구체적으로 예를 들어, 속성 벡터 생성부(111)는, 사용자에 의해 직접 입력되거나 프로세서(100)가 산출한 사용자의 성향(23)을 기반으로 사용자 속성 벡터(24)를 결정할 수도 있다. 성향(23)은 사용자의 에너지 방향, 인식 기능, 판단 기능 및 생활 양식을 포함할 수 있다. 각각의 성향(23)은 서로 대립되는 방향성 및 해당 방향으로 성향의 크기나 정도를 포함할 수 있다. 서로 대립되는 방향성은 양수 및 음수 중 어느 하나로 정의될 수 있다. 예를 들어, 에너지 방향은 외향성(양으로 정의될 수 있음)과 내향성(음으로 정의될 수 있음)을 포함할 수 있다. 인식 기능은 직관적 인신 경향(양으로 정의될 수 있음) 및 감각적 인식 경향(음으로 정의될 수 있음)을 포함할 수 있고, 판단 기능은 감정 기반 판단(양으로 정의될 수 있음) 및 이성적 사고 기반 판단(음으로 정의될 수 있음)을 포함하다. 생활 양식은 실생활 대처에 있어서 인식 기능 선호 경향(양으로 정의될 수 있음) 및 판단 기능 선호 경향(음으로 정의될 수 있음)을 포함할 수 있다. 또한, 각각의 성향(23)의 정도는 수치적으로 표현될 수 있으며, 수치가 클수록 해당 성향의 경향성이 큼을 의미하도록 정의될 수 있다. 예를 들어, 도 4에 도시된 바와 같이 특정한 사용자의 경우 에너지 방향성이 내향성이고 그 정도에 대한 점수는 25점이고, 인식 기능은 직관적이면서 그 점수는 8점이고, 판단 기능은 감정 기반 판단이면서 점수는 9점이고, 생활 양식은 판단 기능 선호 경향이면서 그 점수는 10일 수도 있다. 이 경우, 속성 벡터 생성부(111)는 해당 속성에 대한 점수를 벡터의 각각의 요소로 하고 방향성을 해당 값의 부호로 하여 성향(23)에 대응하는 4차원의 사용자 속성 벡터(24)를 생성할 수 있다. 획득된 사용자 속성 벡터(24)는 유사도 판단부(112)로 전달될 수 있다.

유사도 판단부(112)는, 획득된 사용자 속성 벡터(24)와, 적어도 하나의 엔터테인먼트에 관한 엔터테인먼트 속성 벡터 사이의 유사도를 연산할 수 있다. 여기서, 엔터테인먼트 속성 벡터는, 특정한 엔터테인먼트에 대한 속성을 벡터화한 것일 수도 있고, 또는 특정한 엔터테인먼트가 속한 카테고리(상위 카테고리 또는 하위 카테고리)의 적어도 하나의 속성을 벡터화한 것일 수도 있다. 유사도는 사용자 속성 벡터(24)와 엔터테인먼트 속성 벡터 간의 성향적, 특성적 유사성이 있는 경우 그 값이 크게 정의될 수 있다. 구체적으로 예를 들어, 엔터테인먼트가 영화 관람인 경우, 엔터테인먼트 또는 이를 포함하는 카테고리(일례로 착석 공연 관람)는 그 활동이 정적이고, 관찰 및 주의력을 요구하고, 직관적이면서 감정적인 특성을 갖는다. 따라서, 만약 사용자의 속성 벡터(24)가 에너지 방향성은 상대적으로 높은 내향성 점수를 갖고, 인식 기능은 상대적으로 높은 직관성 점수를 가지며, 판단 기능은 상대적으로 높은 감정 기반 판단 점수를 갖는다면, 해당 사용자 속성 벡터(24)와 영화 관람에 대한 엔터테인먼트 속성 벡터는 상호 유사도가 높게 나타나게 된다. 상술한 사용자 속성 벡터(24)와 엔터테인먼트 속성 벡터 사이의 유사도는, 예를 들어, 코사인 유사도를 이용하여 연산될 수도 있다.

추천 엔터테인먼트 획득부(113)는 상술한 사용자 속성 벡터(24)와 엔터테인먼트 속성 벡터 사이의 유사도를 기반으로, 적어도 하나의 추천 엔터테인먼트 또는 적어도 하나의 추천 엔터테인먼트 카테고리를 선택할 수 있다. 예를 들어, 추천 엔터테인먼트 획득부(113)는 연산된 유사도가 큰 순서대로 하나 또는 둘 이상의 엔터테인먼트 또는 해당 카테고리를 선택하거나, 또는 유사도가 미리 정의된 기준 값보다 큰 엔터테인먼트 또는 해당 카테고리를 선택함으로써 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리를 결정할 수 있다. 필요에 따라, 추천 엔터테인먼트 획득부(113)는, 엔터테인먼트의 카테고리가 선택된 경우에는 해당 카테고리로부터 적어도 하나의 추천 엔터테인먼트를 추출할 수도 있다. 또한, 추천 엔터테인먼트 획득부(113)는 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리를 리스트화하는 것도 가능하다. 이에 따라 추천 엔터테인먼트가 결정될 수 있게 된다. 일 실시예에 따르면, 추천 엔터테인먼트 획득부(113)는 동반자의 엔터테인먼트 또는 이의 카테고리를 더 반영하여 추천 엔터테인먼트 또는 추천할 엔터테인먼트 카테고리를 보정할 수도 있다. 구체적으로 후술하는 바와 같이 동반자 추천부(150)에 의해 동반자가 추천되거나 또는 추천 요청자의 선택 등에 따라 적어도 하나의 동반자가 선택된 경우, 추천 엔터테인먼트 획득부(113)는 해당 동반자에게 추천되었거나, 해당 동반자가 선택하였거나 또는 경험적으로 해당 동반자가 선호하는 것으로 판단된 엔터테인먼트 또는 카테고리를 더 이용하여 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리를 결정할 수 있다. 예를 들어, 추천 엔터테인먼트 획득부(113)는 동반자 엔터테인먼트와 동일하거나 상응하는 엔터테인먼트에 대해 보다 가중치를 두어 다수의 엔터테인먼트 또는 카테고리로부터 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리를 결정할 수도 있다. 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리는, 출력부(5)로 전달되고, 출력부(5)는 이를 추천 요청자에게 제공할 수 있다. 이에 따라 사용자의 성향에 부합하는 엔터테인먼트가 추천될 수 있게 된다.

도 5는 동반자 추천부의 일 실시예에 대한 블록도이고, 도 6은 성향 적합도 판단을 위한 기초 데이터의 일 실시예에 대한 도면이다.

도 5에 도시된 바에 의하면, 동반자 추천부(150)는 일 실시예에 있어서 조합 생성부(151), 부적합도 결정부(152), 최적조합 획득부(153) 및 동반자 획득부(154)를 포함할 수 있다.

조합 생성부(151)는 사용자 데이터베이스(21) 내의 사용자(들)(갑, 을, 병 정, ?? 등)을 조합하여 하나 또는 둘 이상의 사용자 조합을 생성할 수 있다. 예를 들어, 조합 생성부(151)는 사용자 데이터베이스(21) 내의 사용자(들) 중에서 소정의 인원수(사용자가 입력한 선호 인원수 또는 이에 1을 차감한 수를 포함할 수 있음)의 사용자(들)을 임의적으로 선출하고, 선출된 사용자(들)을 조합하거나 또는 선출된 사용자(들)과 추천 요청자를 조합하여 사용자 조합을 생성할 수도 있다. 조합 생성부(151)는 임의적으로 사용자(들)을 선택하여 사용자 조합을 생성하므로, 해당 사용자 조합은 다양한 성향의 사용자(들)를 포함하게 된다. 일 실시예에 의하면, 조합 생성부(151)는 미리 정의된 설정이나 추천 요청자 등의 선택에 따라 적어도 하나의 조건(예를 들어, 지역, 연령 또는 성별 등)에 해당하는 사용자만으로 사용자 조합을 생성할 수도 있다. 또한, 조합 생성부(151)는 사용자 데이터베이스(21) 내의 사용자 중에서 상술한 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리와 동일 또는 유사한 엔터테인먼트 또는 엔터테인먼트 카테고리를 추천 받은 적어도 하나의 사용자만을 사용자 조합에 이용할 수도 있다. 생성된 하나 또는 둘 이상의 사용자 조합은 부적합도 결정부(152)로 전달된다.

부적합도 결정부(152)는, 사용자 조합의 모든 또는 일부의 사용자의 성향과 동일 사용자 조합의 모든 또는 일부의 다른 사용자의 성향을 비교하여 양 사용자 성향이 어울리는 수준(조화롭거나 또는 상충하는 수준, 이하 어울림 수준)을 결정하고, 결정된 어울림 수준을 종합하여 해당 사용자 조합에 대한 부적합도를 결정할 수 있다. 일 실시예에 따르면, 부적합도 결정부(152)는 사용자 조합 내에서 획득된 모든 어울림 수준 중에서 하나 또는 둘 이상의 특정한 어울림 수준을 계수하여 부적합도를 결정할 수 있다. 이 경우, 부적합도 결정부(152)는, 적어도 하나의 사용자의 성향과 다른 사용자의 성향 비교를 위해, 도 6에 도시된 바와 같이, 성향 간의 어울림 수준 테이블(152-1)을 이용하는 것도 가능하다. 예를 들어, 어울림 수준 테이블(152-1)을 참조하면, AB 성향의 경우, AB 성향과는 잘 맞고, Ab 성향과는 매우 잘 맞으며, aB나 ab 성향과는 매우 맞지 않을 수 있다. Ab 성향은 Ab 성향과는 잘 맞고, aB 성향과는 잘 맞지 않는다. 또한, Ab 성향은 ab 성향과는 보통으로 맞을 수도 있다(즉, 잘 맞을 수도 있고 잘 안 맞을 수도 있다). 또한, aB 성향은 aB 성향과는 매우 잘 맞고, ab 성향과는 잘 맞으며, ab 성향은 ab 성향과 매우 잘 맞을 수 있다. 부적합도 결정부(152)는 이와 같이 어울림 수준 테이블(152-1)을 참조하여, 사용자 조합 내의 두 사용자 간의 성향이 보통으로 맞는 경우(일례로 Ab 성향 및 ab 성향), 사용자 조합 내의 두 사용자 간의 성향이 잘 맞지 않는 경우(일례로 Ab 성향 및 aB 성향) 및 사용자 조합 내의 두 사용자 간의 성향이 매우 맞지 않는 경우(일례로 AB 성향 및 aB 성향 등) 중 적어도 하나를 계수하고, 계수 결과를 해당 사용자 조합에 대한 부적합도로 결정할 수 있다. 일 실시예에 의하면, 계수 대상이 되는 어울림 수준은 엔터테인먼트 데이터베이스(25)의 협동 점수를 이용하여 결정될 수도 있다. 즉, 엔터테인먼트 추천부(110)에 의해 추천 엔터테인먼트가 결정되면, 부적합도 결정부(152)는 결정된 추천 엔터테인먼트에 대응하는 협동 점수를 획득하고, 획득한 협동 점수를 기반으로 계수 대상이 되는 어울림 수준을 결정할 수 있다. 보다 구체적으로 예를 들어, 만약 추천 엔터테인먼트(일례로 스키 등)의 협동 점수가 1이라면, 동반자 간의 협동 필요성이 낮으므로, 사용자 조합 내에서 성향이 매우 맞지 않는 경우(일례로 AB 성향 및 aB 성향 등)가 부적합도 결정부(152)의 계수 대상이 될 수 있다. 즉, 부적합도 결정부(152)는 성향이 매우 맞지 않는 경우만을 계수하여 부적합도를 결정할 수 있다. 만약 추천 엔터테인먼트(예를 들어, 놀이공원 방문 등)의 협동 점수가 2라면, 동반자 간의 협동 필요성이 보통이므로, 부적합도 결정부(152)는 사용자 조합 내에서 성향이 잘 맞지 않는 경우(일례로 Ab 성향 및 aB 성향)와, 성향이 매우 맞지 않는 경우(일례로 AB 성향 및 aB 성향 등)를 계수 대상으로 하고, 이들을 계수하여 부적합도를 결정할 수 있다. 또한, 만약 추천 엔터테인먼트(일례로 농구나 축구 등)의 협동 점수가 3이라면, 동반자 간의 협동 필요성이 상당하므로, 사용자 조합 내에서 성향이 보통으로 맞는 경우(일례로 Ab 성향 및 ab 성향)와, 성향이 잘 맞지 않는 경우(일례로 Ab 성향 및 aB 성향)와, 성향이 매우 맞지 않는 경우(일례로 AB 성향 및 aB 성향 등)가 계수 대상으로 취급되고, 부적합도 결정부(152)는 성향이 보통으로 맞는 경우와, 성향이 잘 맞지 않는 경우와, 사용자 조합 내에서 성향이 매우 맞지 않는 경우를 계수하여 해당 사용자 조합에 대한 부적합도를 결정할 수 있다.

최적조합 획득부(153)는 부적합도 결정부(153)가 획득한 적어도 하나의 사용자 조합에 대한 부적합도를 수신하고, 수신한 적어도 하나의 사용자 조합 중에서 최적의 조합을 검출할 수 있다. 이 경우, 부적합도가 더 작을수록 해당 부적합도에 대응하는 사용자 조합이 보다 최적인 조합으로 결정될 수 있다. 일 실시예에 따르면, 최적조합 획득부(153)는 모의 담금질(Simulated Annealing) 기법을 이용하여 대략적으로 최적의 조합을 검출할 수도 있다. 예를 들어, 최적조합 획득부(153)는, 이전 시점에 조합 생성부(151)에 의해 생성된 제1 사용자 조합을 기반으로 부적합도 결정부(152)가 획득한 제1 부적합도와, 다음 시점에 조합 생성부(151)에 의해 생성된 제2 사용자 조합을 기반으로 부적합도 결정부(152)가 획득한 제2 부적합도를 상호 비교하고, 만약 제1 부적합도가 제2 부적합도보다 작으면 제2 부적합도를 선택하고, 반대로 제1 부적합도가 제2 부적합보다 더 큰 경우 미리 주어진 확률에 따라서 제2 부적합도를 선택하도록 한다. 이후 그 다음 시점에서 조합 생성부(151)에 의해 제3 사용자 조합이 생성되고, 부적합도 결정부(152)에 의해 제3 사용자 조합에 대한 제3 부적합도가 획득된 후, 최적조합 획득부(153)는 상술한 바와 같이 반복적으로 획득된 제3 부적합도를 기존의 제2 부적합도와 비교하고 비교 결과에 따라 제2 부적합도 및 제3 부적합도 중 어느 하나를 선택한다. 이는 소정 회수로 반복될 수 있으며, 전역 인자(T)가 충분히 작을 때까지 반복될 수 있다. 이에 따라 전역적으로 대략 가장 작은 값의 부적합도를 획득할 수 있다. 대략 가장 작은 값의 부적합도의 사용자 조합은 최적의 사용자 조합으로 결정될 수 있다. 최적의 사용자 조합은 동반자 획득부(154)로 전달된다.

동반자 획득부(154)는 최적조합 획득부(153)가 획득한 최적의 사용자 조합으로부터 적어도 하나의 사용자를 추출하고, 추출한 적어도 하나의 사용자를 적어도 하나의 동반자로 결정한다. 이에 따라 추천 요청자의 성향에 부합하면서도 추천 엔터테인먼트에 참가할 수 있는 동반자가 제공될 수 있게 된다. 적어도 하나의 동반자는 리스트 형식으로 구축될 수도 있다. 결정된 적어도 하나의 동반자는 출력부(15)로 전달되고, 출력부(15)는 적어도 하나의 동반자를 추천 요청자에게 제공한다. 이 경우, 출력부(15)는 적어도 하나의 동반자에 대한 성향에 대한 정보나, 적어도 하나의 동반자에게 기 추천된 엔터테인먼트에 대한 정보 등을 더 출력할 수도 있다.

메시징 처리부(150)는 동반자 추천부(130)에 의해 추천된 동반자에게 추천 엔터테인먼트 활동에의 참여를 요청하는 메시지를 발송하거나 및/또는 동반자로부터 이에 대한 동의 또는 거절에 대한 메시지를 수신할 수 있도록 한다. 예를 들어, 메시징 처리부(150)는, 추천 요청자가 입력부(11)를 조작하여 제시된 동반자 중에서 적어도 하나의 동반자를 선택하면, 해당 동반자의 단말 장치(미도시, 예를 들어, 스마트 폰이나 데스크톱 컴퓨터 등)에 대한 식별 번호(전화번호, 메일 주소 또는 아이디 등)를 획득하고, 사용자의 조작이나 미리 정의된 설정에 따라 출력부(15) 등을 제어하여, 동반자의 단말 장치로 참여 의사 질의에 대한 메시지를, 직접 또는 해당 단말 장치가 연결될 수 있는 서버 장치 등을 경유하여 전달할 수 있다. 이에 따라 보다 추천 요청자는 보다 쉽게 동반자와 연락하여 함께 엔터테인먼트를 즐길 수 있게 된다.

필요에 따라서, 프로세서(100)는 사용자 등의 선택에 따라 유무선 네트워크 등을 통하여 추천 엔터테인먼트 시설에 대한 예약이나 구매 등을 더 수행할 수도 있다. 이외에도 프로세서(100)는 엔터테인먼트 추천 장치(10)의 전반적인 동작을 위한 제어나 연산 처리를 더 수행할 수도 있다.

상술한 엔터테인먼트 추천 장치(10)는, 상술한 추천 동작 등을 수행할 수 있도록 특별히 고안된 소정의 장치를 이용하여 구현될 수도 있고, 또는 적어도 하나의 정보처리 장치를 단독으로 이용하거나 조합 이용함으로써 구현될 수도 있다. 여기서, 정보처리장치는, 예를 들어, 데스크톱 컴퓨터, 랩톱 컴퓨터, 서버용 하드웨어 장치, 스마트 폰, 태블릿 피씨, 스마트 시계, 스마트 밴드, 두부 장착형 디스플레이(HMD: Head Mounted Display) 장치, 휴대용 게임기, 내비게이션 장치, 리모트 컨트롤러(리모컨), 디지털 텔레비전, 셋 톱 박스, 디지털 미디어 플레이어 장치, 미디어 스트리밍 장치, 음향 재생 장치(인공 지능 스피커 등), 가전 기기, 유인 또는 무인 이동체(일례로 승용차, 버스나 이륜차와 같은 차량, 이동성 로봇, 무선 모형 차량, 로봇 청소기 등), 유인 또는 무인 비행체(일례로 항공기나, 헬리콥터나, 드론, 모형 비행기, 모형 헬리콥터 등), 가정용, 산업용 또는 군사용 로봇, 산업용 또는 군사용 기계 또는 전자 광고판 등을 포함할 수 있으나 이에 한정되는 것은 아니다. 설계자 등은 상황이나 조건에 따라서 상술한 정보처리장치 이외에도 정보의 연산 처리 등이 가능한 다양한 장치 중 적어도 하나를 상술한 엔터테인먼트 추천 장치(10)로 고려하여 채용할 수 있다.

이하 도 7 을 참조하여 엔터테인먼트 추천 방법의 일 실시예를 설명하도록 한다.

도 7은 엔터테인먼트 추천 방법의 일 실시예에 대한 블록도이다.

도 7에 도시된 바에 의하면, 먼저 엔터테인먼트 데이터베이스가 구축된다(200). 엔터테인먼트 데이터베이스는 적어도 하나의 엔터테인먼트 및 이에 대한 정보를 포함할 수 있으며, 예를 들어, 엔터테인먼트 명칭, 엔터테인먼트가 속하는 카테고리, 활동성, 필요인원수, 엔터테인먼트 또는 카테고리의 속성, 엔터테인먼트 또는 카테고리에 대한 엔터테인먼트 속성 벡터, 엔터테인먼트 또는 카테고리에 대한 협동 점수 및/또는 엔터테인먼트를 즐길 수 있는 시설에 대한 정보 등을 포함할 수 있다. 여기서 협동 점수는 엔터테인먼트 수행 시 다수인 간의 협동력이 얼마나 요구하는지를 나타내며, 설계자나 사용자 등에 의해 미리 정의된 것일 수 있다. 또한, 추천 요청자의 추천 요청 이전에, 동반자가 될 수 있는 적어도 하나의 사용자에 대한 사용자 정보를 포함하는 사용자 데이터베이스가 더 구축될 수도 있다. 여기서, 사용자 정보는 사용자 식별 번호, 성별, 연령, 지역, 활동성, 선호 인원수, 선호 공간 및/또는 사용자 성향 등의 세부 정보를 포함 가능하다.

이어서 추천 요청자에 의해 추천 요청자에 관한 사용자 정보가 입력될 수 있다(202). 여기서 사용자 정보는 사용자 식별 번호, 성별, 연령, 지역, 활동성, 선호 인원수, 선호 공간 및 사용자 성향 중 적어도 하나를 포함 가능하며, 사용자 성향은, 예를 들어, 마이어스-브릭스 유형 지표 등을 포함할 수도 있다. 사용자 정보는, 질의에 대한 응답 형식으로 수집될 수도 있다.

추천 요청자에 대한 사용자 정보가 획득되면, 사용자 정보에 대응하여 사용자 속성 벡터가 생성될 수 있다(204). 예를 들어, 사용자의 성향은 사용자의 에너지 방향, 인식 기능, 판단 기능 및 생활 양식을 포함하고, 각각은 서로 대립되는 방향성 및 해당 방향으로 성향의 크기나 정도를 포함할 수 있다. 속성 벡터는, 에너지 방향, 인식 기능, 판단 기능 및 생활 양식의 점수를 해당 속성에 대응하는 각각의 요소의 값으로 하고, 방향성을 해당 값의 부호로 하여 획득된 것일 수 있다.

사용자 속성 벡터가 생성되면, 사용자 속성 벡터와 엔터테인먼트 속성 벡터 간의 유사도가 연산될 수 있다(206). 여기서 유사도는 코인 유사도를 포함할 수 있다. 유사도가 연산되면, 유사도를 기반으로 다수의 엔터테인먼트 또는 다수의 엔터테인먼트 카테고리 중에서 적어도 하나의 추천 엔터테인먼트 또는 적어도 하나의 추천 엔터테인먼트 카테고리가 결정될 수 있다. 예를 들어, 유사도가 가장 큰 엔터테인먼트 또는 엔터테인먼트 카테고리가 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리로 결정될 수 있다. 추천 엔터테인먼트 카테고리가 결정된 경우, 추천 엔터테인먼트 카테고리 중 적어도 하나의 엔터테인먼트가 추천 엔터테인먼트로 선택된다. 필요에 따라서, 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리의 결정을 위해서 후술하는 바와 같이 결정된 동반자의 엔터테인먼트가 더 이용될 수도 있다.

한편, 상술한 속성 벡터 생성 내지 추천 엔터테인먼트 결정 과정(204 내지 206)에 후행하여, 동시에 또는 선행하여 동반자의 결정 과정(208 내지 212)이 수행될 수도 있다.

동반자의 결정을 위해서 먼저 사용자 데이터베이스 내의 적어도 하나의 사용자를 조합하여 사용자 조합이 생성되고, 사용자 조합이 생성되면, 사용자 조합에 대응하는 부적합도가 획득될 수 있다(208). 사용자 조합에 이용되는 사용자는, 사용자 데이터베이스 내의 모든 또는 일부의 사용자 중에서 임의적으로 선택된 것일 수 있다. 예를 들어, 조합에 이용되는 사용자는 특정한 조건(예를 들어, 추천 엔터테인먼트와 동일 또는 유사한 엔터테인먼트를 기 추천 받았거나, 추천 엔터테인먼트 카테고리와 동일 또는 유사한 엔터테인먼트 카테고리를 기 추천 받았는지 여부 등)을 만족하는 사용자 중에서 임의적으로 선택된 것일 수도 있다. 또한, 사용자 조합은 적어도 추천 요청자를 포함하여 생성될 수도 있다. 이에 따라, 사용자 조합은 다양한 성향의 사용자를 포함할 수도 있게 된다.

사용자 조합은 다수 회수로 반복 생성되는 것도 가능하다. 사용자 조합에 대한 부적합도는 사용자 조합 내의 임의의 사용자와 다른 사용자 사이의 성향 간의 어울림 수준을 종합하여 획득된 것일 수 있다. 사용자 간 성향의 어울림 수준은, 예를 들어, 매우 잘 맞음, 잘 맞음, 보통 수준으로 맞음, 안 맞음 및 매우 안 맞음으로 표현될 수 있으며, 이는 소정의 어울림 수준 테이블을 참조하여 결정된 것일 수 있다. 이 경우, 사용자 조합에 대한 부적합도는 사용자 조합 내의 모든 또는 일부의 사용자에 대해 모든 또는 일부의 다른 사용자에 대한 성향의 어울림 수준을 판단하고, 적어도 하나의 특정 어울림 수준을 계수함으로써 획득될 수도 있다. 여기서, 계수 대상이 되는 어울림 수준은 보통 수준으로 맞음, 안 맞음 및 매우 안 맞음 중 적어도 하나인 경우를 포함할 수 있다. 일 실시예에 의하면, 계수될 어울림 수준은 엔터테인먼트 데이터베이스의 협동 점수에 따라 결정될 수도 있다. 예를 들어, 협동 필요성이 높은 경우에는 어울림 수준이 보통 수준으로 맞음, 안 맞음 및 매우 안 맞음에 해당하는 경우를 모두 계수하고, 협동 필요성이 낮은 경우에는 어울림 수준이 매우 안 맞음에 해당하는 경우를 계수하여 사용자 조합에 대한 부적합도를 획득할 수 있다.

이어서 임의적으로 생성된 다수의 사용자 조합에 대한 부적합도를 기반으로 최적의 사용자 조합이 결정될 수 있다(210). 일 실시예에 의하면, 최적 사용자 조합의 결정은 모의 담금질 기법을 이용하여 수행될 수도 있다. 예를 들어, 이전 시점에 생성된 제1 사용자 조합에 대한 제1 부적합도와 다음 시점에 생성된 제2 사용자 조합에 대한 제2 부적합도 사이의 비교 결과에 따라서 제2 부적합도가 그대로 선택되거나 또는 확률적으로 선택되고, 그 다음 시점에 생성된 제3 사용자 조합에 대한 제3 부적합도와 제2 부적합도 사이의 비교 결과에 따라서 제3 부적합도가 그대로 선택되거나 또는 확률적으로 선택되는 과정을 반복 수행함으로써, 대략 가장 작은 값의 부적합도 및 이에 대응하는 사용자 조합을 획득할 수 있다. 획득된 사용자 조합은 최적 사용자 조합으로 결정된다.

최적의 사용자 조합이 결정되면, 이로부터 적어도 하나의 사용자가 추출되고, 추출된 적어도 하나의 사용자는 적어도 하나의 동반자로 결정될 수 있다(212). 결정된 적어도 하나의 동반자는 추천 요청자에게 제공된다. 이에 따라 추천 요청자의 성향에 부합하면서도 추천 엔터테인먼트에 참가할 수 있는 동반자가 제공될 수 있게 된다.

상술한 실시예에 따른 엔터테인먼트 추천 방법은, 컴퓨터 엔터테인먼트 추천 장치에 의해 구동될 수 있는 프로그램의 형태로 구현될 수 있다. 프로그램은, 명령어, 라이브러리, 데이터 파일 및/또는 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있으며, 기계어 코드나 고급 언어 코드를 이용하여 설계 및 제작된 것일 수 있다. 프로그램은 상술한 엔터테인먼트 추천 방법을 구현하기 위하여 특별히 설계된 것일 수도 있고, 컴퓨터 소프트웨어 분야에서 통상의 기술자에게 기 공지되어 사용 가능한 각종 함수나 정의를 이용하여 구현된 것일 수도 있다. 또한, 여기서, 컴퓨터 엔터테인먼트 추천 장치는, 프로그램의 기능을 실현 가능하게 하는 프로세서나 메모리 등을 포함하여 구현된 것일 수 있으며, 필요에 따라 통신 엔터테인먼트 추천 장치를 더 포함할 수도 있다. 상술한 엔터테인먼트 추천 방법을 구현하기 위한 프로그램은, 컴퓨터 등의 엔터테인먼트 추천 장치에 의해 판독 가능한 기록 매체에 기록될 수 있다. 컴퓨터에 의해 판독 가능한 기록 매체는, 예를 들어, 롬, 램, SD카드 또는 플래시 메모리(일례로 솔리드 스테이트 드라이브(SSD) 등)와 같은 반도체 저장 매체나, 하드 디스크 또는 플로피 디스크 등과 같은 자기 디스크 저장 매체나, 콤팩트 디스크 또는 디브이디 등과 같은 광 기록 매체나, 또는 플롭티컬 디스크 등과 같은 자기-광 기록 매체 등과 같이 컴퓨터 등의 엔터테인먼트 추천 장치의 호출에 따라 실행되는 하나 이상의 프로그램을 일시적 또는 비일시적으로 저장 가능한 적어도 한 종류의 물리적 저장 매체를 포함할 수 있다.

이상 엔터테인먼트 추천 장치 및 방법의 여러 실시예에 대해 설명하였으나, 엔터테인먼트 추천 장치 또는 엔터테인먼트 추천 방법은 오직 상술한 실시예에 한정되는 것은 아니다. 해당 기술 분야에서 통상의 지식을 가진 자가 상술한 실시예를 기초로 수정 및 변형하여 구현할 수 있는 다른 다양한 엔터테인먼트 추천 장치나 엔터테인먼트 추천 방법 역시 상술한 엔터테인먼트 추천 장치 또는 엔터테인먼트 추천 방법의 일 실시예가 될 수 있다. 예를 들어, 설명된 엔터테인먼트 추천 방법(들)이 설명된 바와 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 엔터테인먼트 추천 장치, 회로 등의 구성 요소(들)가 설명된 바와 다른 형태로 결합, 연결 또는 조합되거나 다른 구성 요소 또는 균등물 등에 의하여 대치 또는 치환되더라도, 상술한 엔터테인먼트 추천 장치 및/또는 엔터테인먼트 추천 방법의 일 실시예가 될 수 있다.

10: 엔터테인먼트 추천 장치 11: 입력부
15: 출력부 20: 저장부
21: 사용자 데이터베이스 25: 엔터테인먼트 데이터베이스
100: 프로세서 110: 엔터테인먼트 추천부
130: 동반자 추천부 150: 메시징 처리부

Claims (12)

1. 엔터테인먼트 또는 상기 엔터테인먼트에 대한 카테고리를 포함하는 엔터테인먼트 데이터베이스; 및
   추천 요청자에 대한 사용자 정보가 입력되면, 상기 사용자 정보에 대응하는 사용자 속성 벡터를 생성하고, 상기 사용자 속성 벡터와 상기 엔터테인먼트 또는 상기 엔터테인먼트에 대한 카테고리에 대한 엔터테인먼트 속성 벡터 사이의 유사도를 기반으로 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리를 결정하는 프로세서;를 포함하는 엔터테인먼트 추천 장치.
2. 제1항에 있어서,
   사용자에 대한 정보를 포함하는 사용자 데이터베이스;를 더 포함하고,
   상기 프로세서는, 상기 사용자 데이터베이스로부터 사용자를 선택하여 적어도 하나의 사용자 조합을 생성하고, 상기 적어도 하나의 사용자 조합 각각에 대한 부적합도를 결정하고, 상기 적어도 하나의 사용자 조합에 대한 부적합도를 기반으로 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정하고, 상기 최적의 사용자 조합을 이용하여 적어도 하나의 동반자를 결정하는 엔터테인먼트 추천 장치.
3. 제2항에 있어서,
   상기 사용자 데이터베이스로부터 선택되는 사용자는, 상기 추천 요청자를 포함하거나, 또는 상기 추천 엔터테인먼트 또는 상기 추천 엔터테인먼트 카테고리와 동일 또는 유사한 엔터테인먼트를 기 추천 받은 사용자를 포함하는 엔터테인먼트 추천 장치.
4. 제2항에 있어서,
   상기 프로세서는, 상기 적어도 하나의 사용자 조합 내의 모든 또는 일부의 사용자의 성향과 모든 또는 일부의 다른 사용자의 성향 사이의 어울림 수준을 결정하고, 적어도 하나의 특정 어울림 수준을 계수하여 상기 적어도 하나의 사용자 조합에 대한 부적합도를 결정하는 엔터테인먼트 추천 장치.
5. 제4항에 있어서,
   상기 프로세서는, 상기 추천 엔터테인먼트에 대응하는 협동 점수를 획득하고, 상기 협동 점수를 기반으로 계수될 어울림 수준을 결정하는 엔터테인먼트 추천 장치.
6. 제2항에 있어서,
   상기 프로세서는, 모의 담금질 기법을 이용하여 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정하는 엔터테인먼트 추천 장치.
7. 추천 요청자에 대한 사용자 정보가 입력되는 단계;
   상기 사용자 정보에 대응하는 사용자 속성 벡터를 생성하는 단계;
   엔터테인먼트 또는 상기 엔터테인먼트에 대한 카테고리에 대한 엔터테인먼트 속성 벡터와 상기 사용자 속성 벡터 사이의 유사도를 연산하는 단계; 및
   상기 엔터테인먼트 속성 벡터와 상기 사용자 속성 벡터 사이의 유사도를 기반으로 추천 엔터테인먼트 또는 추천 엔터테인먼트 카테고리를 결정하는 단계;를 포함하는 엔터테인먼트 추천 방법.
8. 제7항에 있어서,
   사용자 데이터베이스로부터 사용자를 선택하여 적어도 하나의 사용자 조합을 생성하는 단계;
   상기 적어도 하나의 사용자 조합 각각에 대한 부적합도를 결정하는 단계;
   상기 적어도 하나의 사용자 조합에 대한 부적합도를 기반으로 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정하는 단계; 및
   상기 최적의 사용자 조합을 이용하여 적어도 하나의 동반자를 결정하는 단계;를 더 포함하는 엔터테인먼트 추천 방법.
9. 제8항에 있어서,
   상기 사용자 데이터베이스로부터 선택되는 사용자는, 상기 추천 요청자를 포함하거나, 또는 상기 추천 엔터테인먼트 또는 상기 추천 엔터테인먼트 카테고리와 동일 또는 유사한 엔터테인먼트를 기 추천 받은 사용자를 포함하는 엔터테인먼트 추천 방법.
10. 제8항에 있어서,
    상기 적어도 하나의 사용자 조합 각각에 대한 부적합도를 결정하는 단계는,
    상기 적어도 하나의 사용자 조합 내의 모든 또는 일부의 사용자의 성향과 모든 또는 일부의 다른 사용자의 성향 사이의 어울림 수준을 결정하는 단계; 및
    상기 적어도 하나의 특정 어울림 수준을 계수하여 상기 적어도 하나의 사용자 조합에 대한 부적합도를 결정하는 단계;를 포함하는 엔터테인먼트 추천 방법.
11. 제10항에 있어서,
    상기 적어도 하나의 사용자 조합 각각에 대한 부적합도를 결정하는 단계는,
    상기 추천 엔터테인먼트에 대응하는 협동 점수를 획득하는 단계; 및
    상기 협동 점수를 기반으로 계수될 어울림 수준을 결정하는 단계;를 더 포함하는 엔터테인먼트 추천 방법.
12. 제8항에 있어서,
    상기 적어도 하나의 사용자 조합에 대한 부적합도를 기반으로 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정하는 단계는,
    모의 담금질 기법을 이용하여 상기 적어도 하나의 사용자 조합에 대한 부적합도를 기반으로 상기 적어도 하나의 사용자 조합 중에서 최적의 사용자 조합을 결정하는 단계;를 포함하는 엔터테인먼트 추천 방법.