KR20230119977A - 언어 분석에 기초한 광고 서비스 방법 - Google Patents

언어 분석에 기초한 광고 서비스 방법 Download PDF

Info

Publication number
KR20230119977A
KR20230119977A KR1020220016406A KR20220016406A KR20230119977A KR 20230119977 A KR20230119977 A KR 20230119977A KR 1020220016406 A KR1020220016406 A KR 1020220016406A KR 20220016406 A KR20220016406 A KR 20220016406A KR 20230119977 A KR20230119977 A KR 20230119977A
Authority
KR
South Korea
Prior art keywords
community
frequency
words
communities
word
Prior art date
Application number
KR1020220016406A
Other languages
English (en)
Inventor
이상욱
Original Assignee
주식회사 어웨이크스퀘어
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 어웨이크스퀘어 filed Critical 주식회사 어웨이크스퀘어
Priority to KR1020220016406A priority Critical patent/KR20230119977A/ko
Publication of KR20230119977A publication Critical patent/KR20230119977A/ko

Links

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0263—Targeted advertisements based upon Internet or website rating
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • 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
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일실시예에 따른 광고 서비스 방법은: (a) 서버의 메모리에 복수의 커뮤니티를 포함하는 커뮤니티 풀의 데이터베이스를 저장하는 단계; (b) 상기 서버의 프로세서에 의하여, 상기 복수의 커뮤니티별로 상대 빈도가 가장 높은 m개의 고빈도 단어를 확인하는 단계로서, 제1 커뮤니티에서 제1 단어의 상기 상대 빈도는 상기 제1 단어가 상기 제1 커뮤니티에서 사용된 빈도를 상기 제1 단어가 상기 커뮤니티 풀 내에 포함된 상기 복수의 커뮤니티 전체에서 사용된 빈도로 나눈 값으로 정의되는 단계; (c) 상기 서버의 프로세서에 의하여, 상기 커뮤니티 풀에 포함되는 임의의 2개의 커뮤니티의 조합에 대하여, 상기 2개의 커뮤니티의 고빈도 단어 중 서로 일치하는 고빈도 단어에 기초하여 상기 2개의 커뮤니티의 유사도를 계산하여 커뮤니티 맵으로서 저장하는 단계; (d) 상기 서버가 광고 대상 제품과 관련된 컨셉 단어를 상기 사용자 장치로부터 수신하는 단계; (e) 상기 서버의 프로세서에 의하여, 상기 커뮤니티 풀에 포함된 상기 복수의 커뮤니티 내 상기 컨셉 단어가 언급된 아티클들에서 사용된 빈도수가 가장 많은 k개의 컨셉 연관 단어를 확인하는 단계; (f) 상기 서버의 프로세서에 의하여, 상기 커뮤니티 풀 내에 포함된 상기 복수의 커뮤니티 중, 상기 컨셉 단어 및 상기 컨셉 연관 단어를 포괄하는 상품 연관 키워드의 상대 빈도가 가장 높은 제1 커뮤니티 및 상기 제1 커뮤니티와 상기 커뮤니티 맵 상의 유사도가 가장 높은 제2 커뮤니티를 확인하는 단계; 및 (g) 상기 제1 커뮤니티 및 상기 제2 커뮤니티에 광고를 노출시키는 단계를 포함한다.

Description

언어 분석에 기초한 광고 서비스 방법{METHOD OF PROVIDING ADVERTISEMENT SERVICE BASED ON LANGUAGE ANALYSIS}
본 발명은 언어 분석에 기초한 광고 서비스 방법에 관한 것이다.
기업은 광고를 통해 브랜드 이미지를 창출하고 개선해 나가며 상품 정보를 수요자에게 널리 알려 구매 욕구를 증대시킨다. 여기서 광고는 기업의 매출 상승과 직결되기 때문에, 기업의 운영과 성장에 있어서 매우 중요한 수단이라고 할 것이다. 한편 광고를 집행하기 위해서는 광고주가 비용을 부담해야 하므로, 비용 낭비를 막기 위해서는 최적의 광고 수단을 선택하여 광고를 집행할 필요가 있다.
광고주는 자신의 상품을 중점적으로 판매하고자 하는 타겟 소비자를 가지고 있다. 통상적으로는 연령, 성별, 및 지역에 따라 소비자를 분류하여 타겟 소비자를 정의한다. 그러나, 소비자의 취향이 세분화되고 니치(niche) 상품 또한 증가하면서 단순히 연령, 성별, 및 지역에 따라 타겟 소비자를 정의하는 것보다 더 세밀하게 고객을 특정할 필요가 대두되었다. 그러나, 고객에 관하여 얻을 수 있는 정보가 제한적이고, 이마저도 개인 정보에 대한 인식이 높아지면서 고객들이 개인정보 노출을 꺼리기 때문에, 세밀하게 특정된 고객만 노려 광고를 노출시키는 데 한계가 있다.
온라인 마케팅에서 광고를 노출시킬 커뮤니티를 결정할 때, 기존에는 광고 서비스 제공자가 경험적 지식 및 조사를 통해 직접 제품 및 고객군에 부합하는 커뮤니티를 선정하였다. 그러나, 취향이 세분화되는 트렌드에 발맞추어 인터넷상의 커뮤니티 공간의 개수가 점점 많아지고 있기 때문에, 광고 서비스 제공자가 어떤 트렌드에 부합하는 소비자가 어떤 커뮤니티를 많이 이용하는지를 직접 파악하는 작업은 한계가 있으며 앞으로도 점점 더 어려워질 것으로 예상된다.
인터넷상의 커뮤니티에서는 각종 논란과 사건사고가 빈번하게 발생하고, 이에 따른 이용자의 이동도 빈번하게 발생한다. 따라서, 인플루언서와 관련된 논란 등의 이유로 광고가 노출되던 커뮤니티에서 이용자가 이탈하는 경우, 광고 서비스 제공자는 기존에 광고가 노출되던 커뮤니티와 유사한 이용자를 갖는 커뮤니티를 새롭게 알아내어 광고를 다시 집행해야 하는데, 다시 광고를 집행할 새로운 커뮤니티를 선정하는 데 어려움이 있을 수 있다.
본 발명의 일실시예에 따른 광고 서비스 방법은: (a) 서버의 메모리에 복수의 커뮤니티를 포함하는 커뮤니티 풀의 데이터베이스를 저장하는 단계; (b) 상기 서버의 프로세서에 의하여, 상기 복수의 커뮤니티별로 상대 빈도가 가장 높은 m개의 고빈도 단어를 확인하는 단계로서, 제1 커뮤니티에서 제1 단어의 상기 상대 빈도는 상기 제1 단어가 상기 제1 커뮤니티에서 사용된 빈도를 상기 제1 단어가 상기 커뮤니티 풀 내에 포함된 상기 복수의 커뮤니티 전체에서 사용된 빈도로 나눈 값으로 정의되는 단계; (c) 상기 서버의 프로세서에 의하여, 상기 커뮤니티 풀에 포함되는 임의의 2개의 커뮤니티의 조합에 대하여, 상기 2개의 커뮤니티의 고빈도 단어 중 서로 일치하는 고빈도 단어에 기초하여 상기 2개의 커뮤니티의 유사도를 계산하여 커뮤니티 맵으로서 저장하는 단계; (d) 상기 서버가 광고 대상 제품과 관련된 컨셉 단어를 상기 사용자 장치로부터 수신하는 단계; (e) 상기 서버의 프로세서에 의하여, 상기 커뮤니티 풀에 포함된 상기 복수의 커뮤니티 내 상기 컨셉 단어가 언급된 아티클들에서 사용된 빈도수가 가장 많은 k개의 컨셉 연관 단어를 확인하는 단계; (f) 상기 서버의 프로세서에 의하여, 상기 커뮤니티 풀 내에 포함된 상기 복수의 커뮤니티 중, 상기 컨셉 단어 및 상기 컨셉 연관 단어를 포괄하는 상품 연관 키워드의 상대 빈도가 가장 높은 제1 커뮤니티 및 상기 제1 커뮤니티와 상기 커뮤니티 맵 상의 유사도가 가장 높은 제2 커뮤니티를 확인하는 단계; 및 (g) 상기 제1 커뮤니티 및 상기 제2 커뮤니티에 광고를 노출시키는 단계를 포함한다.
본 발명의 일실시예에 따른 광고 서비스 방법은 언어 습관에 따라 인터넷 커뮤니티를 분석하여 각 커뮤니티가 가진 특징적인 언어 습관을 파악할 수 있다. 따라서 연령, 성별, 및 지역과 같은 개별 고객에 대한 개인정보 없이도 세밀하게 특정된 고객 특징에 부합하는 커뮤니티를 특정하여 광고를 노출시킬 수 있다.
또한, 본 발명의 일실시예에 따른 광고 서비스 방법은 다수의 인터넷 커뮤니티들을 자동적으로 분석하여 각 커뮤니티가 나타내는 언어적인 특징을 파악하므로, 광고 서비스 제공자가 어떤 트렌드에 부합하는 소비자가 어떤 커뮤니티를 많이 이용하는지를 직접 파악하지 않아도 광고를 노출시키고자 하는 커뮤니티를 특정할 수 있다.
또한, 본 발명의 일실시예에 따른 광고 서비스 방법은 유사한 언어 습관을 가진 커뮤니티들을 커뮤니티 맵 형태로 파악하므로, 기존에 광고를 집행하던 커뮤니티에서 이용자가 이탈하더라도 효율적으로 새롭게 광고를 집행할 커뮤니티를 선정하는 데 기여할 수 있다.
도 1은 본 발명의 다양한 실시예에 따른 광고 서비스 방법을 제공하기 위한 시스템을 도시한다.
도 2는 본 발명의 다양한 실시예에 따른, 광고 서비스 방법을 제공하기 위한 시스템에 포함되는 서버의 구성요소를 도시한다.
도 3은 본 발명의 다양한 실시예에 따른, 광고 서비스 방법을 제공하기 위한 서버에서 수행되는 방법을 도시한다.
도 4는 본 발명의 다양한 실시예에 따른 방법에서 커뮤니티 풀의 예시적인 구조를 도시한다.
도 5는 본 발명의 다양한 실시예에 따른 방법에서 고빈도 단어가 저장되는 예시적인 구조를 도시한다.
도 6은 본 발명의 다양한 실시예에 따른 방법에서 커뮤니티 맵의 예시적인 구조를 도시한다.
본 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 본 명세서의 다양한 실시예들 및 이에 사용된 용어들은 본 명세서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 명세서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, " 연결된다"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 명세서의 다양한 실시예들은 기기(machine)의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리 또는 외장 메모리)에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어로서 구현될 수 있다. 예를 들면, 기기의 프로세서는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 명세서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 단계들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 단계들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 단계들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 단계들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 단계들이 추가될 수 있다.
도 1은 본 발명의 다양한 실시예에 따른, 광고 서비스 방법을 제공하기 위한 시스템(100)을 도시한다. 도 1을 참조하면, 광고 서비스 방법을 제공하기 위한 시스템(100)은 서버(110) 및 사용자 장치(120)를 포함할 수 있다.
서버(110)는 복수의 커뮤니티를 포함하는 커뮤니티 풀의 데이터베이스를 저장하고, 저장된 데이터베이스에 기초하여 광고를 집행할 커뮤니티를 선정할 수 있다. 서버(110)는 결정된 커뮤니티 및 결정된 커뮤니티에 관한 정보를 사용자 장치(120)에 전송할 수 있다. 서버(110)로부터 사용자 장치(120)에 전송된 정보는 사용자 장치(120) 상에 표시되어 사용자에게 제공될 수 있다.
커뮤니티 풀의 데이터베이스에는 커뮤니티 풀에 포함되는 복수의 커뮤니티에 게시된 모든 아티클이 저장될 수 있다. 본 명세서에서 커뮤니티란, 인터넷 공간에서 사람들이 모인 어떠한 공간으로도 정의될 수 있다. 예를 들어, 유튜브의 특정 채널의 컨텐츠 및 컨텐츠에 달린 댓글들의 집합이 하나의 커뮤니티로 정의될 수 있다. 예를 들어, 특정 사이트 전체가 하나의 커뮤니티로 정의될 수도 있고, 특정 사이트의 특정한 한 게시판이 하나의 커뮤니티로 정의될 수 있다.
본 명세서에서 아티클이란 게시글 및 게시글에 달린 댓글 등 커뮤니티의 사용자들이 게시한 컨텐츠들을 포함할 수 있다.
서버(110)에서 수행되는, 광고 서비스 방법에 대해서는 도 3을 참조하여 후술한다.
다양한 실시예에 따라서, 사용자 장치(120)는 광고 서비스 제공자가 이용하는 전자 장치일 수 있다. 사용자 장치(120)는, 예를 들어 컴퓨터일 수 있고, 다양한 실시예에 따라서 사용자 장치(120)의 종류는 제한되지 않는다.
도 2는 본 발명의 다양한 실시예에 따른, 광고 서비스 방법을 제공하기 위한 시스템에 포함되는 서버의 구성요소를 도시한다. 도 2를 참조하면 서버(110)는 통신 회로(210), 프로세서(220), 및 메모리(230)를 포함할 수 있다.
통신 회로(210)는 다른 전자 장치에 정보를 송신하거나 다른 전자 장치로부터 정보를 수신할 수 있고, 통신 회로(210)가 지원하는 통신의 종류는 제한되지 않는다.
프로세서(220)는 통신 회로(210)를 통하여 수신된 데이터 및/또는 메모리(230)에 저장된 데이터에 기초하여 연산을 수행하고, 연산의 결과의 적어도 일부를 통신 회로(210)를 통하여 다른 전자 장치(예를 들어, 사용자 단말(120, 130, 140))에 송신하거나, 메모리(230)에 저장할 수 있다.
이하에서, 프로세서(220)가 사용자 단말로부터 데이터를 수신하거나, 사용자 단말에 데이터를 제공한다는 것은, 프로세서(220)가 통신 회로(210)를 통하여 사용자 단말로부터 데이터를 수신한다는 것 또는 사용자 단말에 데이터를 송신하도록 통신 회로(210)를 제어한다는 것을 의미한다.
메모리(230)는 프로세서(220)에서 연산된 결과 및 통신 회로(210)를 통하여 수신된 데이터를 저장할 수 있다. 메모리(230)에는 커뮤니티 풀에 포함되는 복수의 커뮤니티의 이름, 복수의 커뮤니티 각각에 게시된 모든 아티클, 복수의 커뮤니티의 고빈도 단어, 고빈도 단어의 순위, 고빈도 단어의 상대 빈도, 커뮤니티 맵, 광고 대상 제품과 관련된 컨셉 단어, 컨셉 단어와 관련된 컨셉 연관 단어, 및 고위험 단어가 저장될 수 있다.
도 3은 본 발명의 다양한 실시예에 따른, 영상 컨텐츠를 위한 언어 위기 관리 시스템에 포함되는 서버에서 수행되는 방법을 도시한다.
310 단계에서, 서버(110)의 프로세서(220)는 커뮤니티 풀 내에 포함되는 복수의 커뮤니티 각각에 대하여, 상대 빈도가 가장 높은 m개의 고빈도 단어를 확인할 수 있다.
도 3에는 도시되지 않았으나, 310 단계를 수행하기 전에, 서버(110)의 프로세서(220)는 복수의 커뮤니티를 포함하는 커뮤니티 풀의 데이터베이스를 저장할 수 있다. 도 4를 참조하면, 커뮤니티 풀에는 커뮤니티 A, 커뮤니티 B, 커뮤니티 C 등의 복수의 커뮤니티가 포함될 수 있다.
다양한 실시예에 따라서, 커뮤니티 풀에 포함되기 위한 커뮤니티의 종류는 제한되지 않는다. 다양한 실시예에 따라서, 커뮤니티 풀에 포함되기 위한 커뮤니티는 사용자의 입력에 적어도 부분적으로 기초하여 결정될 수 있다.
고빈도 단어는 커뮤니티별로 m개가 정의될 수 있고, m은 임의의 양수일 수 있다. 다양한 실시예에 따라서, 사용자 입력에 기초하여 m 값이 결정될 수 있다.
특정한 커뮤니티에서 특정 단어의 상대 빈도는, 특정한 단어가 특정 커뮤니티 내에서 사용된 빈도를, 특정한 단어가 커뮤니티 풀에 포함된 복수의 커뮤니티 전체에서 사용된 빈도로 나눈 값으로 정의될 수 있다.
서버(110)의 프로세서(220)는 커뮤니티 풀 데이터베이스에 다양한 자연언어 처리 기술을 적용하여 상대 사용 빈도를 산출하기 위한 분석 대상 단어를 추출할 수 있다. 예를 들어, 서버(110)는 형태소 분석을 통하여 커뮤니티 풀 데이터베이스에 포함된 문장 형태의 텍스트를 형태소 단위로 파싱하고, 형태소들 중 실질적인 의미를 가지고 구체적인 대상이나 동작을 표시하는 형태소인 실질 형태소만을 분석 대상 단어로 정의할 수 있다. 명사, 대명사, 수사, 관형사, 부사, 감탄사, 어간, 및 어근이 실질 형태소에 포함된다. 실질 형태소에 결합하여 말과 말 사이의 관계를 형식적으로 표시하는 형태소, 예를 들어, 조사, 접사, 어미는 형식 형태소에 포함된다. 다른 실시예에서, 서버(110)는 텍스트에 포함된 형태소들 중 실질 형태소 및 실질 형태소와 형식 형태소가 결합된 단어를 모두 분석 대상 단어로 정의할 수 있다.
서버(110)는 커뮤니티 풀 데이터베이스에서 추출된 모든 분석 대상 단어의 각 커뮤니티 내에서의 상대 빈도를 산출하고, 각 커뮤니티별로 분석 대상 단어들 중 상대 빈도가 가장 높은 m개의 단어를 고빈도 단어로 확인할 수 있다. m의 값은 사용자 장치(120)에 대한 사용자의 입력에 기초하여 결정될 수 있다.
도 5에는 고빈도 단어가 저장되는 예시적인 구조가 도시되어 있다. 도 5를 참조하면, 서버(110)는 고빈도 단어를 상대 빈도의 내림차순으로 정렬하고, 상대 빈도에 따른 순위, 고빈도 단어, 및 상대 빈도를 커뮤니티 이름과 연관시켜 저장할 수 있다. 다양한 실시예에 따라서, 서버(110)는 고빈도 단어만 저장하고 상대 빈도 또는 순위 중 적어도 하나는 저장하지 않을 수 있다.
320 단계에서, 서버(110)의 프로세서(220)는 커뮤니티 풀에 포함되는 임의의 2개의 커뮤니티의 조합에 대하여, 2개의 커뮤니티의 고빈도 단어 중 서로 일치하는 고빈도 단어에 기초하여 2개의 커뮤니티의 유사도를 계산하여 커뮤니티 맵으로서 저장할 수 있다.
2개의 커뮤니티의 유사도는 다양한 방식으로 계산될 수 있다. 제1 예시에서, 2개의 커뮤니티의 유사도는 2개의 커뮤니티 각각의 고빈도 단어들 m개 중 서로 일치하는 고빈도 단어의 개수로 정의될 수 있다. 이 경우, 유사도는 0 이상 m 이하의 값을 가질 수 있다.
제2 예시에서, 커뮤니티 풀 내에 포함되는 커뮤니티 A의 고빈도 단어가
Figure pat00001
라고 할 때, 커뮤니티 풀 내에 포함되는 커뮤니티 A 및 커뮤니티 B 사이의 유사도
Figure pat00002
는 수학식 1과 같이 정의될 수 있다.
Figure pat00003
수학식 1에서,
Figure pat00004
는
Figure pat00005
가 커뮤니티 B의 고빈도 단어에 포함될 때 1의 값을 가지고,
Figure pat00006
가 커뮤니티 B의 고빈도 단어에 포함되지 않을 때 0의 값을 가질 수 있다.
Figure pat00007
는
Figure pat00008
가 0이상
Figure pat00009
미만일 때는
Figure pat00010
,
Figure pat00011
가
Figure pat00012
이상
Figure pat00013
미만일 때는
Figure pat00014
,
Figure pat00015
가
Figure pat00016
이상
Figure pat00017
미만일 때는 1의 값을 가지고,
Figure pat00018
및
Figure pat00019
는
Figure pat00020
를 만족시킬 수 있다.
Figure pat00021
는
Figure pat00022
의 커뮤니티 A에서의 상대 빈도와 커뮤니티 B에서의 상대 빈도의 차의 절댓값이고,
Figure pat00023
는 커뮤니티 풀에 포함되는 복수의 커뮤니티의 고빈도 단어들 중 임의의 하나가 임의의 두 커뮤니티에서의 상대 빈도의 차이 중 최댓값일 수 있다.
Figure pat00024
및
Figure pat00025
는 사용자 장치를 통한 입력에 기초하여 결정될 수 있다.
제2 예시에서는, 커뮤니티 A 및 커뮤니티 B 모두에 포함되는 고빈도 단어의 수뿐만 아니라, 해당 고빈도 단어의 커뮤니티 A에서의 상대 빈도와 커뮤니티 B에서의 상대 빈도 차이도 함께 고려되어, 상대 빈도 차이가 적을수록 높은 가중치가 부여되어 유사도가 더 높게 나타난다.
Figure pat00026
는 상대 빈도 차이를 세 구간으로 나눈 계단 함수의 형태를 예시로 들었으나, 다양한 실시예에 따라서, 상대 빈도 차이가 적을수록
Figure pat00027
의 값이 더 커지는 함수라면
Figure pat00028
는 제한되지 않는다.
제3 예시에서, 커뮤니티 풀 내에 포함되는 커뮤니티 A의 고빈도 단어가
Figure pat00029
라고 할 때, 커뮤니티 풀 내에 포함되는 커뮤니티 A 및 커뮤니티 B 사이의 유사도
Figure pat00030
는 수학식 2와 같이 정의될 수 있다.
Figure pat00031
수학식 2에서,
Figure pat00032
는
Figure pat00033
가 0이상
Figure pat00034
미만일 때는
Figure pat00035
,
Figure pat00036
가
Figure pat00037
이상
Figure pat00038
미만일 때는
Figure pat00039
,
Figure pat00040
가
Figure pat00041
이상 (m-1) 미만일 때는 1의 값을 가지고,
Figure pat00042
및
Figure pat00043
는
Figure pat00044
를 만족킬 수 있다.
Figure pat00045
및
Figure pat00046
는 사용자 장치를 통한 입력에 기초하여 결정될 수 있다.
Figure pat00047
는 커뮤니티 A의 고빈도 단어 중 의 순위와 커뮤니티 B의 고빈도 단어 중 의 순위의 차의 절댓값이다.
제3 예시에서는, 커뮤니티 A 및 커뮤니티 B 모두에 포함되는 고빈도 단어의 수뿐만 아니라, 해당 고빈도 단어의 커뮤니티 A에서의 순위와 커뮤니티 B에서의 순위의 차이도 함께 고려되어, 순위 차이가 적을수록 높은 가중치가 부여되어 유사도가 더 높게 나타난다.
Figure pat00050
는 순위 차이를 세 구간으로 나눈 계단 함수의 형태를 예시로 들었으나, 다양한 실시예에 따라서, 순위 차이가 적을수록
Figure pat00051
의 값이 더 커지는 함수라면
Figure pat00052
는 제한되지 않는다.
제4 예시에서는, 제2 예시의
Figure pat00053
함수 및 제3 예시의
Figure pat00054
함수가 모두 고려될 수 있다. 즉, 커뮤니티 풀 내에 포함되는 커뮤니티 A의 고빈도 단어가
Figure pat00055
라고 할 때, 커뮤니티 풀 내에 포함되는 커뮤니티 A 및 커뮤니티 B 사이의 유사도
Figure pat00056
는 수학식 3과 같이 정의될 수 있다.
Figure pat00057
Figure pat00058
,
Figure pat00059
, 및
Figure pat00060
함수의 정의에 대해서는 상술하였다.
제4 예시에서는, 커뮤니티 A 및 커뮤니티 B 모두에 포함되는 고빈도 단어의 수뿐만 아니라, 해당 고빈도 단어의 커뮤니티 A에서의 상대 빈도와 커뮤니티 B에서의 상대 빈도 차이, 및 해당 고빈도 단어의 커뮤니티 A에서의 순위와 커뮤니티 B에서의 순위의 차이가 함께 고려되어, 상대 빈도 차이 및 순위 차이가 적을수록 높은 가중치가 부여되어 유사도가 더 높게 나타난다.
도 6에는 커뮤니티 맵의 예시적인 구조가 도시되어 있다. 도 6을 참조하면, 커뮤니티 맵은 커뮤니티 풀에 포함되는 2개의 커뮤니티의 조합과, 해당 조합에 포함되는 2개의 커뮤니티 사이의 유사도가 연관되어 저장된 형태를 가질 수 있다.
330 단계에서, 서버(110)는 컨셉 단어를 수신하고 컨셉 연관 단어를 확인할 수 있다. 컨셉 단어는 광고 대상 제품과 관련된 단어로서, 광고주가 부각시키고자 하는 특성을 드러내는 단어, 광고 대상 제품의 제품명, 광고주가 타겟하고자 하는 수요자층의 특징을 드러내는 단어를 포함할 수 있다. 서버(110)는 사용자 장치(120)로부터 컨셉 단어를 수신할 수 있다. 다양한 실시예에 따라서, 컨셉 단어는 단어는 사용자 장치(120)를 통한 입력에 기초하여, 1개로 정의되거나, 복수 개로 정의될 수 있다.
서버(110)의 프로세서(220)는 커뮤니티 풀에 포함된 복수의 커뮤니티 전체를 대상으로 컨셉 단어가 언급된 아티클들을 추출하고, 추출된 아티클들에서 이용된 단어들을 분석하여 추출된 아티클들 내에서 사용된 빈도수가 가장 많은 컨셉 연관 단어를 확인할 수 있다. 다양한 실시예에 따라서, 컨셉 연관 단어는 사용자 장치(120)를 통한 입력에 기초하여, 컨셉 단어 하나당 1개로 정의되거나, 복수 개로 정의될 수 있다.
서버(110)의 프로세서(220)는 컨셉 단어 및 컨셉 연관 단어를 포괄하여 상품 연관 키워드로 정의할 수 있다.
340 단계에서, 서버(110)의 프로세서(220)는 상품 연관 키워드의 상대 빈도가 가장 높은 제1 커뮤니티 및 제1 커뮤니티와 커뮤니티 맵 상의 유사도가 가장 높은 제2 커뮤니티를 확인할 수 있다.
다양한 실시예에 따라서, 제1 커뮤니티의 개수는 사용자 장치(120)를 통한 입력에 기초하여, 1개로 정의되거나, 복수 개로 정의될 수 있다. 다양한 실시예에 따라서, 하나의 제1 커뮤니티에 대응하는 제2 커뮤니티의 개수는 사용자 장치(120)를 통한 입력에 기초하여, 1개로 정의되거나, 복수 개로 정의될 수 있다.
다양한 실시예에 따라서, 서버(110)의 프로세서(220)는 제1 커뮤니티를 결정함에 있어서, 커뮤니티별로 상품 연관 키워드 중 컨셉 단어와 컨셉 연관 단어의 상대 빈도에 각각 가중치를 부여하여 합산한 제1 함수를 정의하되, 컨셉 연관 단어보다 컨셉 단어에 더 큰 가중치를 부여할 수 있다. 서버(110)의 프로세서(220)는 제1 함수의 값이 가장 높은 커뮤니티를 제1 커뮤니티로 정의할 수 있다.
서버(110)의 프로세서(220)는 커뮤니티 맵을 참조하여, 제1 커뮤니티와 유사도가 가장 높은 커뮤니티를 제2 커뮤니티로 결정할 수 있다.
350 단계에서, 서버(110)의 프로세서(220)는 제1 커뮤니티 및 제2 커뮤니티에 광고가 노출될 수 있도록, 제1 커뮤니티 및 제2 커뮤니티를 사용자 장치(120)에 전송할 수 있다. 다양한 실시예에 따라서, 사용자 장치(120)에는 제1 커뮤니티 및 제2 커뮤니티의 목록뿐 아니라, 컨셉 단어, 컨셉 연관 단어, 제1 커뮤니티의 고빈도 단어들의 목록, 및 제2 커뮤니티의 고빈도 단어들의 목록이 표시될 수 있다. 사용자 장치(120)의 사용자는 제1 커뮤니티 및 제2 커뮤니티에 광고를 노출시킬 수 있다.
도 3에는 도시되지 않았으나, 다양한 실시예에 따라서, 사용자 장치(120)는 제1 커뮤니티 및 제2 커뮤니티 중 주의가 필요한 커뮤니티들은 시각적으로 상이하게 표시할 수 있다.
주의가 필요한 커뮤니티들을 선별하기 위하여, 서버(110)는 사용자 장치(120)로부터 고위험 단어를 수신하여 메모리(230)에 저장할 수 있다. 고위험 단어는 다수 고객의 반감을 사는 커뮤니티에서 사용되는 유행어 및 비하적 표현을 포함할 수 있다. 고위험 단어는 사용자 장치(120)의 사용자가 입력한 것일 수 있다.
서버(110)의 프로세서(220)는 340 단계에서 결정된 제1 커뮤니티 및 제2 커뮤니티에서 고위험 단어의 상대 빈도를 확인하고, 제1 커뮤니티 및 제2 커뮤니티 중 고위험 단어의 상대 빈도가 제1 빈도 이상인 제3 커뮤니티를 확인할 수 있다. 고위험 단어가 복수 개 존재하는 경우, 특정 커뮤니티에서 고위험 단어의 상대 빈도는 해당 커뮤니티에서 복수의 고위험 단어의 상대 빈도의 평균값으로 정의될 수 있다. 제1 빈도는 사용자 장치(120)의 사용자가 입력한 값일 수 있다.
서버(110)의 프로세서(220)는 확인된 제3 커뮤니티 및 커뮤니티 맵을 참조하여, 제3 커뮤니티와 커뮤니티 맵 상에서의 유사도가 가장 높은 제4 커뮤니티를 확인할 수 있다.
다양한 실시예에 따라서, 제3 커뮤니티의 개수는 사용자 장치(120)를 통한 입력에 기초하여, 1개로 정의되거나, 복수 개로 정의될 수 있다. 다양한 실시예에 따라서, 하나의 제3 커뮤니티에 대응하는 제4 커뮤니티의 개수는 사용자 장치(120)를 통한 입력에 기초하여, 1개로 정의되거나, 복수 개로 정의될 수 있다.
서버(110)는 확인된 제3 커뮤니티, 제4 커뮤니티, 제3 커뮤니티에서 하나 이상의 고위험 단어의 상대 빈도 및 대응되는 고위험 단어, 제4 커뮤니티에서 하나 이상의 고위험 단어의 상대 빈도 및 대응되는 고위험 단어, 제3 커뮤니티의 고빈도 단어의 목록, 및 제4 커뮤니티의 고빈도 단어의 목록을 사용자 장치에 전송할 수 있다.
사용자 장치(120)는 서버(110)로부터 수신된 정보에 기초하여, 제1 커뮤니티 및 제2 커뮤니티를 표시하되, 제3 커뮤니티 및 제4 커뮤니티를 나머지 커뮤니티와 시각적으로 상이하게 표시할 수 있다. 다양한 실시예에 따라서, 사용자 장치(120)는 시각적으로 상이하게 표시된 제3 커뮤니티 및 제4 커뮤니티가 왜 주의를 요하는 것인지 산출 근거를 제공하는 사용자 인터페이스를 제공할 수 있다. 사용자 장치(120)는 제3 커뮤니티에서 하나 이상의 고위험 단어의 상대 빈도 및 대응되는 고위험 단어, 제4 커뮤니티에서 하나 이상의 고위험 단어의 상대 빈도 및 대응되는 고위험 단어, 제3 커뮤니티의 고빈도 단어의 목록, 및 제4 커뮤니티의 고빈도 단어의 목록을 표시하기 위한 사용자 인터페이스를 제공할 수 있다. 예를 들어, 커뮤니티 A 가 강조되어 표시된 경우, 사용자가 강조 표시된 커뮤니티 A 위에 마우스 오버하면, “커뮤니티 A에서는 고위험 단어인 'xxx 단어'가 커뮤니티 풀 전체에 비하여 7배 많이 사용되었습니다.”라는 메시지 및 커뮤니티 A의 고빈도 단어 목록이 포함되는 창이 표시될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (5)

  1. 광고 서비스 방법에 있어서:
    (a) 서버의 메모리에 복수의 커뮤니티를 포함하는 커뮤니티 풀의 데이터베이스를 저장하는 단계;
    (b) 상기 서버의 프로세서에 의하여, 상기 복수의 커뮤니티별로 상대 빈도가 가장 높은 m개의 고빈도 단어를 확인하는 단계로서, 제1 커뮤니티에서 제1 단어의 상기 상대 빈도는 상기 제1 단어가 상기 제1 커뮤니티에서 사용된 빈도를 상기 제1 단어가 상기 커뮤니티 풀 내에 포함된 상기 복수의 커뮤니티 전체에서 사용된 빈도로 나눈 값으로 정의되는 단계;
    (c) 상기 서버의 프로세서에 의하여, 상기 커뮤니티 풀에 포함되는 임의의 2개의 커뮤니티의 조합에 대하여, 상기 2개의 커뮤니티의 고빈도 단어 중 서로 일치하는 고빈도 단어에 기초하여 상기 2개의 커뮤니티의 유사도를 계산하여 커뮤니티 맵으로서 저장하는 단계;
    (d) 상기 서버가 광고 대상 제품과 관련된 컨셉 단어를 상기 사용자 장치로부터 수신하는 단계;
    (e) 상기 서버의 프로세서에 의하여, 상기 커뮤니티 풀에 포함된 상기 복수의 커뮤니티 내 상기 컨셉 단어가 언급된 아티클들에서 사용된 빈도수가 가장 많은 컨셉 연관 단어를 확인하는 단계;
    (f) 상기 서버의 프로세서에 의하여, 상기 커뮤니티 풀 내에 포함된 상기 복수의 커뮤니티 중, 상기 컨셉 단어 및 상기 컨셉 연관 단어를 포괄하는 상품 연관 키워드의 상대 빈도가 가장 높은 제1 커뮤니티 및 상기 제1 커뮤니티와 상기 커뮤니티 맵 상의 유사도가 가장 높은 제2 커뮤니티를 확인하는 단계; 및
    (g) 상기 제1 커뮤니티 및 상기 제2 커뮤니티에 광고를 노출시키는 단계
    를 포함하는, 광고 서비스 방법.
  2. 제1항에 있어서,
    상기 커뮤니티 풀 내에 포함되는 커뮤니티 A의 상기 고빈도 단어가
    Figure pat00061
    라고 할 때,
    상기 커뮤니티 풀 내에 포함되는 커뮤니티 A 및 커뮤니티 B 사이의 유사도
    Figure pat00062
    는
    Figure pat00063

    로 정의되고,
    Figure pat00064
    는
    Figure pat00065
    가 커뮤니티 B의 고빈도 단어에 포함될 때 1의 값을 가지고,
    Figure pat00066
    가 커뮤니티 B의 고빈도 단어에 포함되지 않을 때 0의 값을 가지고,
    Figure pat00067
    는
    Figure pat00068
    가 0이상
    Figure pat00069
    미만일 때는
    Figure pat00070
    ,
    Figure pat00071
    가
    Figure pat00072
    이상
    Figure pat00073
    미만일 때는
    Figure pat00074
    ,
    Figure pat00075
    가
    Figure pat00076
    이상
    Figure pat00077
    미만일 때는 1의 값을 가지고,
    Figure pat00078
    는
    Figure pat00079
    의 커뮤니티 A에서의 상대 빈도와 커뮤니티 B에서의 상대 빈도의 차의 절댓값이고,
    Figure pat00080
    는 상기 커뮤니티 풀에 포함되는 복수의 커뮤니티의 고빈도 단어들 중 임의의 두 커뮤니티에서의 상대 빈도의 차이 중 최댓값이고,
    Figure pat00081
    및
    Figure pat00082
    는
    Figure pat00083
    를 만족시키는, 방법.
  3. 제1항에 있어서,
    상기 커뮤니티 풀 내에 포함되는 커뮤니티 A의 상기 고빈도 단어가
    Figure pat00084
    라고 할 때,
    상기 커뮤니티 풀 내에 포함되는 커뮤니티 A 및 커뮤니티 B 사이의 유사도
    Figure pat00085
    는
    Figure pat00086

    로 정의되고,
    Figure pat00087
    는
    Figure pat00088
    가 커뮤니티 B의 고빈도 단어에 포함될 때 1의 값을 가지고,
    Figure pat00089
    가 커뮤니티 B의 고빈도 단어에 포함되지 않을 때 0의 값을 가지고,
    Figure pat00090
    는
    Figure pat00091
    가 0이상
    Figure pat00092
    미만일 때는
    Figure pat00093
    ,
    Figure pat00094
    가
    Figure pat00095
    이상
    Figure pat00096
    미만일 때는
    Figure pat00097
    ,
    Figure pat00098
    가
    Figure pat00099
    이상 (m-1) 미만일 때는 1의 값을 가지고,
    Figure pat00100
    는 커뮤니티 A의 고빈도 단어 중
    Figure pat00101
    의 순위와 커뮤니티 B의 고빈도 단어 중
    Figure pat00102
    의 순위의 차의 절댓값이고,
    Figure pat00103
    및
    Figure pat00104
    는
    Figure pat00105
    를 만족시키는, 방법.
  4. 제1항에 있어서,
    상기 커뮤니티 풀 내에 포함되는 커뮤니티 A의 상기 고빈도 단어가
    Figure pat00106
    라고 할 때,
    상기 커뮤니티 풀 내에 포함되는 커뮤니티 A 및 커뮤니티 B 사이의 유사도
    Figure pat00107
    는
    Figure pat00108

    로 정의되고,
    Figure pat00109
    는
    Figure pat00110
    가 커뮤니티 B의 고빈도 단어에 포함될 때 1의 값을 가지고,
    Figure pat00111
    가 커뮤니티 B의 고빈도 단어에 포함되지 않을 때 0의 값을 가지고,
    Figure pat00112
    는
    Figure pat00113
    가 0이상
    Figure pat00114
    미만일 때는
    Figure pat00115
    ,
    Figure pat00116
    가
    Figure pat00117
    이상
    Figure pat00118
    미만일 때는
    Figure pat00119
    ,
    Figure pat00120
    가
    Figure pat00121
    이상
    Figure pat00122
    미만일 때는 1의 값을 가지고,
    Figure pat00123
    는
    Figure pat00124
    의 커뮤니티 A에서의 상대 빈도와 커뮤니티 B에서의 상대 빈도의 차의 절댓값이고,
    Figure pat00125
    는 상기 커뮤니티 풀에 포함되는 복수의 커뮤니티의 고빈도 단어들 중 임의의 두 커뮤니티에서의 상대 빈도의 차이 중 최댓값이고,
    Figure pat00126
    및
    Figure pat00127
    는
    Figure pat00128
    를 만족시키고,
    Figure pat00129
    는
    Figure pat00130
    가 0이상
    Figure pat00131
    미만일 때는
    Figure pat00132
    ,
    Figure pat00133
    가
    Figure pat00134
    이상
    Figure pat00135
    미만일 때는
    Figure pat00136
    ,
    Figure pat00137
    가
    Figure pat00138
    이상 (m-1) 미만일 때는 1의 값을 가지고,
    Figure pat00139
    는 커뮤니티 A의 고빈도 단어 중
    Figure pat00140
    의 순위와 커뮤니티 B의 고빈도 단어 중
    Figure pat00141
    의 순위의 차의 절댓값이고,
    Figure pat00142
    및
    Figure pat00143
    는
    Figure pat00144
    를 만족시키는, 방법.
  5. 제1항에 있어서,
    상기 서버가 고위험 단어를 상기 사용자 장치로부터 수신하는 단계;
    상기 서버의 프로세서에 의하여, 상기 제1 커뮤니티 및 상기 제2 커뮤니티에서 상기 고위험 단어의 상대 빈도를 확인하는 단계;
    상기 서버의 프로세서에 의하여, 상기 제1 커뮤니티 및 상기 제2 커뮤니티 중 상기 고위험 단어의 상대 빈도가 제1 빈도 이상인 제3 커뮤니티를 확인하는 단계;
    상기 서버의 프로세서에 의하여, 상기 제1 커뮤니티 및 상기 제2 커뮤니티 중 상기 제3 커뮤니티와 상기 커뮤니티 맵 상의 유사도가 가장 높은 제4 커뮤니티를 확인하는 단계;
    상기 제3 커뮤니티 및 상기 제4 커뮤니티에서 상기 고위험 단어의 상대 빈도, 상기 제3 커뮤니티 및 상기 제4 커뮤니티의 고빈도 단어, 및 상기 고위험 단어를 상기 서버에서 상기 사용자 장치에 전송하는 단계; 및
    상기 사용자 장치에서, 상기 제1 커뮤니티 및 상기 제2 커뮤니티를 표시하되, 상기 제3 커뮤니티 및 상기 제4 커뮤니티를 나머지 커뮤니티와 시각적으로 상이하게 표시하고, 상기 제3 커뮤니티 및 상기 제4 커뮤니티에서 상기 고위험 단어의 상대 빈도, 상기 제3 커뮤니티 및 상기 제4 커뮤니티의 고빈도 단어, 및 상기 고위험 단어를 표시하기 위한 인터페이스를 제공하는 단계
    를 더 포함하는 광고 서비스 방법.
KR1020220016406A 2022-02-08 2022-02-08 언어 분석에 기초한 광고 서비스 방법 KR20230119977A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220016406A KR20230119977A (ko) 2022-02-08 2022-02-08 언어 분석에 기초한 광고 서비스 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220016406A KR20230119977A (ko) 2022-02-08 2022-02-08 언어 분석에 기초한 광고 서비스 방법

Publications (1)

Publication Number Publication Date
KR20230119977A true KR20230119977A (ko) 2023-08-16

Family

ID=87848445

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220016406A KR20230119977A (ko) 2022-02-08 2022-02-08 언어 분석에 기초한 광고 서비스 방법

Country Status (1)

Country Link
KR (1) KR20230119977A (ko)

Similar Documents

Publication Publication Date Title
KV et al. Social media advertisements and their influence on consumer purchase intention
Dinner et al. Driving online and offline sales: The cross-channel effects of traditional, online display, and paid search advertising
Sudhir et al. Do slotting allowances enhance efficiency or hinder competition?
Robson et al. Making sense of online consumer reviews: A methodology
Boateng et al. Determinants of consumers’ attitude towards social media advertising
US10192238B2 (en) Real-time bidding and advertising content generation
US10467660B2 (en) Centralized publisher management
US20130325552A1 (en) Initiating Root Cause Analysis, Systems And Methods
US20160012511A1 (en) Methods and systems for generating recommendation list with diversity
WO2005013149A1 (en) Methods and systems for understanding a meaning of a knowledge item using information associated with the knowledge item
US20160042403A1 (en) Extraction device, extraction method, and non-transitory computer readable storage medium
WO2014089108A1 (en) Ad-words optimization based on performance across multiple channels
AU2018211215A1 (en) Method and system for modifying a webpage
Kondo et al. A cross-national analysis of intention to use multiple mobile entertainment services
Rutz et al. A new method to aid copy testing of paid search text advertisements
US11487835B2 (en) Information processing system, information processing method, and program
Thompson et al. Thematic discrepancy analysis: a method to gain insights into lurkers and test for non-response bias
US20090198553A1 (en) System and process for generating a user model for use in providing personalized advertisements to retail customers
US20090198552A1 (en) System and process for identifying users for which cooperative electronic advertising is relevant
Horváth et al. The Impact of Influencers on Consumers’ Purchasing Decisions When Shopping Online
JP7525750B1 (ja) サーバ、及び、コンピュータプログラム
Zhang et al. Predicting temporary deal success with social media timing signals
US20090198556A1 (en) System and process for selecting personalized non-competitive electronic advertising
US11042896B1 (en) Content influencer scoring system and related methods
KR20230119977A (ko) 언어 분석에 기초한 광고 서비스 방법