KR20240040322A

KR20240040322A - 개인화된 예상 평점을 기초로 콘텐츠를 추천하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램

Info

Publication number: KR20240040322A
Application number: KR1020220119180A
Authority: KR
Inventors: 이윤지
Original assignee: 라인플러스 주식회사
Priority date: 2022-09-21
Filing date: 2022-09-21
Publication date: 2024-03-28

Abstract

개인화 예상 평점을 기초로 콘텐츠를 추천하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램이 개시된다. 콘텐츠 추천 방법은, 각 사용자에 대하여 소비 콘텐츠 별로 해당 사용자에 의해 등록된 평점을 수집하는 단계; 상기 소비 콘텐츠를 이용하여 타겟 사용자와 유사한 취향의 유사 사용자를 선별하는 단계; 및 상기 타겟 사용자가 소비하지 않은 타겟 콘텐츠에 대한 상기 유사 사용자의 평점을 이용하여 상기 타겟 콘텐츠에 대한 상기 타겟 사용자의 예상 평점을 산출하는 단계를 포함할 수 있다.

Description

개인화된 예상 평점을 기초로 콘텐츠를 추천하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램{METHOD, COMPUTER DEVICE, AND COMPUTER PROGRAM TO RECOMMEND CONTENT BASED ON PERSONALIZED EXPECTED RATING}

아래의 설명은 사용자에게 개인화된 평점을 기초로 콘텐츠를 추천하는 기술에 관한 것이다.

콘텐츠 추천을 위해 주로 사용되는 방법은 크게 사용자들 간의 유사도를 활용한 협력적 필터링(Collaborative filtering) 방식, 그리고 콘텐츠 및 사용자의 특성 값을 활용하는 내용 기반 필터링(Content-based filtering) 방식 등으로 구분될 수 있다.

또한, 인터넷 상의 콘텐츠에 대한 사용자 리뷰로 평점(예를 들어, 별점 등) 리뷰를 이용한 평가 체계가 활용되고 있으며, 사용자들에 의한 평균 평점을 이용하여 콘텐츠를 추천하는 방식이 적용되고 있다.

인터넷 상의 콘텐츠를 추천하는 기술의 일례로, 한국 공개특허공보 제10-2013-0009360호(공개일 2013년 01월 23일)에는 사용자의 취향이나 선호도에 적합한 영화를 추천하는 기술이 개시되어 있다.

콘텐츠에 대해 사용자와 취향이 비슷한 다른 사용자들의 평점을 분석하여 사용자의 예상 평점을 산출할 수 있다.

콘텐츠 별 사용자의 예상 평점을 기초로 사용자에게 개인화된 콘텐츠를 추천할 수 있다.

컴퓨터 장치에서 실행되는 콘텐츠 추천 방법에 있어서, 상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 콘텐츠 추천 방법은, 상기 적어도 하나의 프로세서에 의해, 각 사용자에 대하여 소비 콘텐츠 별로 해당 사용자에 의해 등록된 평점을 수집하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 소비 콘텐츠를 이용하여 타겟 사용자와 유사한 취향의 유사 사용자를 선별하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 타겟 사용자가 소비하지 않은 타겟 콘텐츠에 대한 상기 유사 사용자의 평점을 이용하여 상기 타겟 콘텐츠에 대한 상기 타겟 사용자의 예상 평점을 산출하는 단계를 포함하는 콘텐츠 추천 방법을 제공한다.

일 측면에 따르면, 상기 선별하는 단계는, 상기 타겟 사용자와 상기 소비 콘텐츠가 적어도 하나 이상 중복되는 사용자를 상기 유사 사용자로 선정하는 단계를 포함할 수 있다.

다른 측면에 따르면, 상기 선별하는 단계는, 상기 타겟 사용자와 상기 소비 콘텐츠가 적어도 하나 이상 중복되는 사용자를 상기 유사 사용자로 선정하는 단계; 및 동일 콘텐츠에 대한 평점이 상기 타겟 사용자의 평점과 일정 점수 이상 차이가 나는 사용자의 경우 상기 유사 사용자에게 제외시키는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 선별하는 단계는, 각 사용자에 대하여 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠의 개수 및 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠에 대한 상기 타겟 사용자의 평점과의 차이를 기초로 상기 타겟 사용자와의 취향 유사도를 나타내는 취향 점수를 산출하는 단계; 및 상기 취향 점수를 이용하여 상기 유사 사용자를 선별하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 수집하는 단계는, 각 사용자 별로 해당 사용자가 등록한 평점의 통계치에 따라 상기 소비 콘텐츠 별 평점을 보정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 보정하는 단계는, 상기 소비 콘텐츠에 대한 사용자 간의 점수 편차를 줄이는 형태로 사용자 각각의 상기 소비 콘텐츠 별 평점을 보정할 수 있다.

또 다른 측면에 따르면, 상기 산출하는 단계는, 각 사용자에 대하여 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠의 개수 및 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠에 대한 상기 타겟 사용자의 평점과의 차이를 기초로 상기 타겟 사용자와의 취향 유사도를 나타내는 취향 점수를 산출하는 단계; 및 상기 타겟 콘텐츠에 대한 상기 유사 사용자의 평점에 상기 취향 점수에 따른 가중치를 부여하여 상기 예상 평점을 산출하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 콘텐츠 추천 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 타겟 사용자를 대상으로 상기 타겟 콘텐츠에 대한 상기 타겟 사용자의 예상 평점을 제공하는 단계를 더 포함할 수 있다.

또 다른 측면에 따르면, 상기 제공하는 단계는, 상기 타겟 콘텐츠와 관련된 정보로 상기 타겟 콘텐츠를 소비한 전체 사용자의 평균 평점과 함께 상기 타겟 사용자의 예상 평점을 제공할 수 있다.

또 다른 측면에 따르면, 상기 제공하는 단계는, 상기 예상 평점을 이용하여 상기 타겟 사용자가 소비하지 않은 적어도 하나의 콘텐츠를 추천하는 단계를 포함할 수 있다.

상기 콘텐츠 추천 방법을 상기 컴퓨터 장치에 실행시키기 위해 비-일시적인 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, 각 사용자에 대하여 소비 콘텐츠 별로 해당 사용자에 의해 등록된 평점을 수집하는 과정; 상기 소비 콘텐츠를 이용하여 타겟 사용자와 유사한 취향의 유사 사용자를 선별하는 과정; 및 상기 타겟 사용자가 소비하지 않은 타겟 콘텐츠에 대한 상기 유사 사용자의 평점을 이용하여 상기 타겟 콘텐츠에 대한 상기 타겟 사용자의 예상 평점을 산출하는 과정을 처리하는 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 장치가 수행할 수 있는 방법의 일례를 도시한 순서도이다.
도 4는 본 발명의 일실시예에 있어서 사용자 별 콘텐츠 평점의 수집 예시를 도시한 것이다.
도 5는 본 발명의 일실시예에 있어서 콘텐츠 평점의 보정 예시를 도시한 것이다.
도 6은 본 발명의 일실시예에 있어서 유사 사용자의 선별 예시를 도시한 것이다.
도 7은 본 발명의 일실시예에 있어서 타겟 사용자의 예상 평점 산출 예시를 도시한 것이다.
도 8 내지 도 10은 본 발명의 일실시예에 있어서 타겟 사용자의 예상 평점 제공 예시를 도시한 것이다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 발명의 실시예들은 사용자에게 개인화된 콘텐츠를 추천하는 기술에 관한 것이다.

본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 각 콘텐츠에 대해 사용자와 취향이 비슷한 다른 사용자들의 평점을 기초로 해당 사용자의 예상 평점을 산출하여 사용자의 예상 평점을 기준으로 사용자에게 개인화된 콘텐츠를 추천할 수 있다.

본 발명의 실시예들에 따른 콘텐츠 추천 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 콘텐츠 추천 방법은 콘텐츠 추천 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 콘텐츠 추천 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 콘텐츠 추천 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 기기들 간의 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, 콘텐츠 추천 서비스 등)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 개인화된 예상 평점을 기초로 콘텐츠를 추천하는 방법 및 장치의 구체적인 실시예를 설명하기로 한다.

본 명세서에서 콘텐츠는 추천 대상을 의미하는 것으로, 이용이나 방문, 구매 등에 따른 사용자 경험을 평점 등으로 리뷰할 수 있는 대상을 포괄하여 의미할 수 있다.

일례로, 콘텐츠는 영화, 음원, 이미지와 같은 디지털 콘텐츠를 의미할 수 있고, 더 나아가 식당이나 카페, 상점, 명소, 인기장소(hot place) 등과 같은 장소는 물론이고, 장소와 관련된 하위 아이템(예를 들어, 식당이나 카페의 메뉴 등) 또한 추천 대상에 포함될 수 있다.

콘텐츠를 추천하는 기술의 일례로, 콘텐츠를 이용한 모든 사용자의 평균 평점을 계산하여 제공할 수 있다. 콘텐츠 추천 기술의 다른 예로, 사용자가 이용한 콘텐츠를 기준으로 해당 콘텐츠를 이용한 다른 사용자들이 이용한 다른 콘텐츠를 추천할 수 있다.

콘텐츠에 대한 전체 사용자의 평균 평점은 콘텐츠의 유형, 내용 등에 대한 개인의 선호를 반영할 수 없고, 개인별 평점의 편차를 고려할 수 없는 한계가 있다.

본 실시예들은 사용자의 취향에 적합한 콘텐츠를 추천하기 위한 기술로 각 콘텐츠에 대해 사용자의 개인화된 예상 평점을 미리 산출하여 제공할 수 있다.

본 실시예에 따른 컴퓨터 장치(200)는 클라이언트(client)를 대상으로 클라이언트 상에 설치된 전용 어플리케이션이나 컴퓨터 장치(200)와 관련된 웹/모바일 사이트 접속을 통해 콘텐츠 추천 서비스를 제공할 수 있다. 컴퓨터 장치(200)에는 컴퓨터로 구현된 콘텐츠 추천 시스템이 구성될 수 있다. 일례로, 콘텐츠 추천 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 이하의 콘텐츠 추천 방법을 수행하기 위한 구성요소로 구현될 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 이하의 콘텐츠 추천 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.

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 단계들을 실행하도록 제어하기 위한 명령을 포함할 수 있다.

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

콘텐츠 추천 방법이 포함하는 단계들은 서버(150)에서 수행될 수 있으며, 실시예에 따라서는 단계들 중 적어도 일부가 클라이언트에서 수행되는 것 또한 가능하다.

도 3은 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 방법의 일례를 도시한 흐름도이다.

도 3을 참조하면, 단계(S310)에서 프로세서(220)는 사용자 각각에 대하여 사용자가 소비한 콘텐츠(이하, '소비 콘텐츠'라 칭함) 별로 해당 사용자에 의해 리뷰 점수로 등록된 평점을 수집할 수 있다. 다시 말해, 프로세서(220)는 각 사용자에 대하여 소비 콘텐츠 별로 등록된 평점을 수집할 수 있다.

단계(S320)에서 프로세서(220)는 사용자 각각에 대하여 해당 사용자가 등록한 평점의 통계치를 기초로 해당 사용자의 소비 콘텐츠 별 평점을 보정할 수 있다. 프로세서(220)는 사용자 각각에 대하여 해당 사용자가 등록한 전체 평점 중 최고점과 최저점을 기초로 해당 사용자의 소비 콘텐츠 별 평점을 보정할 수 있다. 프로세서(220)는 사용자 간의 점수 편차를 줄이기 위해 최고점과 최저점을 이용하여 각 사용자의 콘텐츠 별 평점을 보정할 수 있다. 일례로, 프로세서(220)는 사용자 각각에 대하여 해당 사용자가 평점으로 등록한 점수 분포에서 최고점과 최저점 간의 점수 간격(차이)에 따라 가중치를 부여하여 소비 콘텐츠 별 평점을 보정할 수 있다. 콘텐츠에 대한 평점으로 등록 가능한 최저점이 1이고 최고점이 5라 할 때, 리뷰 점수가 1점에서 5점까지 고루 분포하는 사용자의 경우 가중치 1를 적용하고, 중간 점수(3점) 이상의 높은 점수가 주로 분포하는 사용자의 경우 1미만의 가중치를 적용하고, 중간 점수(3점) 이하로 낮은 점수가 주로 분포하는 사용자의 경우 1보다 큰 가중치를 적용할 수 있다. 다른 예로, 프로세서(220)는 사용자 각각에 대하여 해당 사용자가 등록한 평점의 평균을 기초로 해당 사용자의 소비 콘텐츠 별 평점을 보정할 수 있다.

단계(S330)에서 프로세서(220)는 타겟 사용자를 대상으로 타겟 사용자와 취향이 유사한 사용자(이하, '유사 사용자'라 칭함)를 선별할 수 있다. 일례로, 프로세서(220)는 타겟 사용자와 소비 콘텐츠가 중복되는 유사 사용자를 선정할 수 있다. 프로세서(220)는 사전에 정해진 일정 개수 이상 소비 콘텐츠가 겹치는 사용자를 타겟 사용자와 취향이 유사한 사용자로 선정할 수 있다. 이때, 프로세서(220)는 동일 콘텐츠에 대한 평점이 타겟 사용자의 평점과 일정 점수 이상 차이가 나는 사용자의 경우 유사 사용자에서 제외시킬 수 있다.

프로세서(220)는 타겟 사용자와 다른 사용자 간에 중복되는 소비 콘텐츠의 개수를 기초로 타겟 사용자와 소비 콘텐츠가 얼마나 많이 겹치는지를 나타내는 콘텐츠 중복 스코어를 계산할 수 있다. 그리고, 프로세서(220)는 소비 콘텐츠에 대한 타겟 사용자의 평점과 다른 사용자의 평점의 차이를 기초로 소비 콘텐츠에 대한 평점이 타겟 사용자와 얼마나 유사한지를 나타내는 평점 유사도 스코어를 계산할 수 있다. 프로세서(220)는 각 사용자 별로 타겟 사용자에 대한 콘텐츠 중복 스코어와 평점 유사도 스코어를 합산하여 타겟 사용자와의 취향 유사도를 나타내는 취향 점수를 계산할 수 있다. 프로세서(220)는 각 사용자에 대해 취향 점수에 비례하는 가중치를 부여하여 임계치 이상의 가중치가 부여된 사용자를 타겟 사용자와 취향이 유사한 사용자로 선별할 수 있다.

타겟 사용자에 대한 유사 사용자를 선별하기 위해 중복되는 소비 콘텐츠와 소비 콘텐츠에 대한 평점은 물론이고, 그 외 사용자 프로필이나 인터넷 상의 사용자 이력 등을 활용하는 것 또한 가능하다.

단계(S340)에서 프로세서(220)는 타겟 사용자가 소비하지 않은 타겟 콘텐츠에 대하여 유사 사용자의 평점을 이용하여 타겟 사용자의 예상 평점을 산출할 수 있다. 프로세서(220)는 타겟 사용자와 취향이 유사한 사용자들이 타겟 콘텐츠에 준 평점을 취합하여 해당 콘텐츠에 대한 타겟 사용자의 평점을 예측할 수 있다. 유사 사용자가 타겟 콘텐츠의 평점을 어떻게 줬는지 참고하여 타겟 사용자의 예상 평점을 계산할 수 있다. 이때, 프로세서(220)는 타겟 콘텐츠에 대한 유사 사용자의 평점에 유사 사용자의 취향 점수에 따른 가중치를 반영하여 타겟 사용자의 예상 평점을 계산할 수 있다.

단계(S350)에서 프로세서(220)는 타겟 콘텐츠에 대한 타겟 사용자의 예상 평점을 제공할 수 있다. 일례로, 프로세서(220)는 타겟 콘텐츠와 관련된 정보를 제공함에 있어 타겟 콘텐츠에 대한 평점으로 타겟 콘텐츠를 소비한 전체 사용자의 평균 평점과 함께, 타겟 콘텐츠를 아직 소비하지 않은 타겟 사용자의 예상 평점을 제공할 수 있다. 다른 예로, 프로세서(220)는 타겟 사용자를 대상으로 타겟 사용자의 예상 평점을 기초로 타겟 사용자가 소비하지 않은 타겟 콘텐츠를 추천할 수 있다. 타겟 사용자가 소비하지 않은 타겟 콘텐츠 각각에 대하여 타겟 사용자의 예상 평점을 산출한 후 예상 평점이 높은 적어도 하나의 타겟 콘텐츠를 추천하거나 혹은 예상 평점이 높은 순으로 타겟 콘텐츠를 정렬한 콘텐츠 목록을 제공하는 것 또한 가능하다.

도 4는 본 발명의 일실시예에 있어서 사용자 별 콘텐츠 평점의 수집 예시를 도시한 것이다.

도 4를 참조하면, 프로세서(220)는 콘텐츠 추천 서비스를 이용하는 사용자 단위로 각 사용자가 소비한 소비 콘텐츠 별로 해당 사용자에 의해 리뷰 점수로 등록된 평점을 수집할 수 있다. 프로세서(220)는 사용자 별로 각 사용자가 어떤 콘텐츠를 소비하고 소비한 콘텐츠마다 평점을 어떻게 줬는지를 실시간 혹은 주기적으로 수집할 수 있다.

예를 들어, 도 4에 도시한 바와 같이 사용자1은 movie_a, movie_b, movie_c, movie_d, movie_e를 소비하고 각각 4점, 5점, 1점, 3점, 5점을 준 것으로 나타나 있고, 사용자2는 movie_a, movie_d, movie_e, movie_f, movie_g를 소비하고 각각 4점, 5점, 4점, 4점, 5점을 준 것으로 나타나 있다. 사용자3은 movie_e, movie_f, movie_g, movie_h, movie_i를 소비하고 각각 1점, 1점, 3점, 2점, 3점을 준 것으로 나타나 있고, 사용자4는 movie_a, movie_b, movie_c, movie_d, movie_f를 소비하고 각각 4점, 5점, 1점, 3점, 4점을 준 것으로 나타나 있다.

도 5는 본 발명의 일실시예에 있어서 콘텐츠 평점의 보정 예시를 도시한 것이다.

프로세서(220)는 사용자 간의 점수 편차를 줄이기 위해 최고점과 최저점을 이용하여 각 사용자의 콘텐츠 별 평점을 보정할 수 있다.

도 5를 참조하면, 콘텐츠에 대한 평점으로 등록 가능한 최저점이 1이고 최고점이 5라 할 때, 사용자1과 사용자4는 소비 콘텐츠에 대한 평점이 1점에서 5점까지 고루 분포하는 반면에, 사용자2는 소비 콘텐츠에 대한 평점으로 4점 이상의 분포를 보이고, 사용자3은 소비 콘텐츠에 대한 평점으로 3점 이하의 분포를 보이고 있다.

이러한 점수 편차를 줄이기 위해, 프로세서(220)는 사용자1과 사용자4의 경우 가중치 1를 적용하고, 중간 점수(3점) 이상의 높은 점수가 주로 분포하는 사용자2의 경우 1미만의 가중치를 적용하고, 중간 점수(3점) 이하로 낮은 점수가 주로 분포하는 사용자3의 경우 1보다 큰 가중치를 적용하여 각 사용자의 콘텐츠 별 평점을 보정할 수 있다.

도 6은 본 발명의 일실시예에 있어서 유사 사용자의 선별 예시를 도시한 것이다.

도 6을 참조하면, 프로세서(220)는 사용자1을 타겟 사용자라 할 때 사용자 간의 소비 콘텐츠를 비교하여 사용자1과 취향이 유사한 사용자를 선별할 수 있다.

예를 들어, 프로세서(220)는 사용자1과 소비 콘텐츠가 적어도 하나 이상 중복되는 사용자를 유사 사용자로 선별할 수 있고, 이때 동일 콘텐츠에 대한 평점이 사용자1의 평점과 일정 점수 이상 차이가 나는 사용자의 경우 유사 사용자에서 제외시킬 수 있다.

사용자2의 경우 movie_a, movie_d, movie_e가 사용자1과 겹치고, 사용자3의 경우 movie_e가 사용자1과 겹치고, 사용자4의 경우 movie_a, movie_b, movie_c, movie_d가 사용자1과 겹침을 알 수 있다.

프로세서(220)는 사용자 간에 중복되는 소비 콘텐츠에 대한 평점을 비교하여 타겟 사용자와 어느 정도로 취향이 유사한지 평가할 수 있고, 더 나아가 중복되는 소비 콘텐츠를 기준으로 선별된 유사 사용자 중에서 노이즈를 제거할 수 있다.

사용자1과 중복되는 소비 콘텐츠가 일정 개수(또는 일정 비율) 이상이 되는 사용자2와 사용자4는 사용자1과 취향이 유사한 사용자로 볼 수 있다. 이때, 사용자2와 사용자4 중 동일 콘텐츠에 대한 평점이 사용자1과 대부분 일치하는 사용자4에게 사용자2보다 높은 취향 점수를 매길 수 있다.

사용자3은 사용자1과 중복되는 소비 콘텐츠가 존재하기는 하나 중복 콘텐츠인 movie_e에 2점을 준 사용자3과 5점을 준 사용자1은 취향이 서로 맞다고 볼 수 없기 때문에 사용자3을 노이즈로 판단하여 사용자1의 유사 사용자 군에서 제외시킬 수 있다.

따라서, 프로세서(220)는 사용자1과 취향이 유사한 사용자로 사용자2와 사용자4를 선별할 수 있다.

도 7은 본 발명의 일실시예에 있어서 타겟 사용자의 예상 평점 산출 예시를 도시한 것이다.

프로세서(220)는 타겟 사용자인 사용자1이 소비하지 않은 타겟 콘텐츠에 대해 사용자1과 취향이 맞는 유사 사용자의 평점을 이용하여 사용자1의 예상 평점을 구할 수 있다.

도 7을 참조하면, 프로세서(220)는 movie_f가 사용자1이 소비하지 않은 타겟 콘텐츠로 주어지는 경우 사용자1의 유사 사용자로 선별된 사용자2와 사용자4의 movie_f 평점을 이용하여 사용자1이 movie_f를 소비한 후 줄 것으로 예상되는 평점을 산출할 수 있다.

사용자1과 취향이 맞지 않는다고 판단된 사용자3의 movie_f 평점은 사용자1의 예상 평점을 구하는데 참고하지 않는다.

일례로, 프로세서(220)는 사용자2와 사용자4의 movie_f 평점을 평균하여 사용자1의 예상 평점으로 구할 수 있다. 다른 예로, 프로세서(220)는 사용자2와 사용자4의 movie_f 평점에 취향 점수에 따른 가중치를 반영하여 사용자1의 예상 평점으로 구할 수 있다.

사용자2와 사용자4 중 동일 콘텐츠에 대한 평점이 사용자1과 대부분 일치하는 사용자4에게 사용자2보다 높은 취향 점수를 매김에 따라 사용자4의 movie_f 평점에 사용자2보다 높은 가중치를 적용할 수 있다.

movie_f에 대한 사용자2와 사용자4의 평점이 각각 3점과 4점일 때, movie_f에 대한 사용자1의 예상 평점은 수학식 1과 같이 정의될 수 있다.

[수학식 1]

예상 평점(Expected rating) = {(3×a)+(4×b)}÷n

여기서, a는 사용자2의 취향 점수에 따른 가중치, b는 사용자4의 취향 점수에 따른 가중치, n은 유사 사용자 인원 수를 의미한다.

사용자2와 사용자4에 대한 가중치가 동일한 경우 평균 평점 3.5가 movie_f에 대한 사용자1의 예상 평점이 된다.

사용자 1와의 취향 점수가 높은 사용자4의 movie_f 평점에 사용자2보다 높은 가중치가 적용되는 경우 사용자4의 movie_f 평점에 보다 가까운 점수가 movie_f에 대한 사용자1의 예상 평점이 된다. 예를 들어, 사용자1에 대한 취향 점수를 기준으로 사용자2의 movie_f 평점에 가중치 1을 적용하고 사용자4의 movie_f 평점에 가중치 1.15를 적용하는 경우 사용자1이 movie_f에 줄 것으로 예상되는 평점은 3.8이 된다.

프로세서(220)는 상기 수학식 1에 의해 계산된 사용자의 예상 평점에 대해 추가로 사용자의 평점 가중치에 기초하여 예상 평점을 보정함으로써 최종 예상 평점을 결정할 수 있다. 다른 사용자의 평점에 의해 결정된 예상 평점에, 예를 들어 사용자의 평균 평점/3을 가중치로 곱함으로써 최종 예상 평점을 결정할 수 있다.

도 8 내지 도 10은 본 발명의 일실시예에 있어서 타겟 사용자의 예상 평점 제공 예시를 도시한 것이다.

도 8은 영화 정보를 제공하는 서비스 화면(800)을 나타내고 있다.

도 8을 참조하면, 프로세서(220)는 서비스 화면(800)을 통해 특정 영화에 대한 기본 정보, 감독/출연 정보, 상영일정, 포토, 리뷰 등 상세 정보를 제공함에 있어 해당 영화의 전체 관람객에 의해 등록된 평점을 평균한 평균 평점(810)을 제공할 수 있다.

특히, 본 실시예에서는 평균 평점(810)과 함께 사용자가 해당 영화를 보고 줄 것으로 예상되는 예상 평점(820)을 제공할 수 있다. 사용자가 실제 보지 못한 영화라 하더라도 사용자의 취향에 얼마나 맞을지에 대한 척도가 될 수 있는 예상 평점(820)을 함께 제공할 수 있다.

도 9는 영화 목록을 제공하는 서비스 화면(900)을 나타내고 있다.

도 9를 참조하면, 프로세서(220)는 서비스 화면(900)을 통해 영화 별 관람객의 평균 평점을 기준으로 평균 평점이 높은 순으로 정렬된 영화 목록(910)을 제공할 수 있다.

프로세서(220)는 관람객이 실제로 등록한 평점을 이용하여 평균 평점을 산출할 수 있으며, 실시예에 따라서는 도 5를 통해 설명한 과정을 거쳐 보정된 평점을 이용하여 평균 평점을 산출할 수 있다.

도 10을 참조하면, 프로세서(220)는 서비스 화면(900)을 통해 영화 별 사용자의 예상 평점을 기준으로 예상 평점이 높은 순으로 정렬된 영화 목록(1020)을 제공할 수 있다.

영화 목록(1020)은 사용자에게 개인화된 영화 목록으로, 사용자와 취향이 맞는 다른 사용자들이 추천한 영화로 구성될 수 있다. 사용자는 개인화 예상 평점으로 정렬된 영화 목록(1020)을 통해 자신의 취향에 맞는 영화를 쉽게 탐색할 수 있다.

이처럼 본 발명의 실시예들에 따르면, 각 콘텐츠에 대해 사용자와 취향이 비슷한 다른 사용자들의 평점을 기초로 해당 사용자의 예상 평점을 산출하여 사용자의 예상 평점을 기준으로 사용자에게 개인화된 콘텐츠를 추천할 수 있다. 다시 말해, 사용자의 취향에 얼마나 잘 맞는지에 대한 척도가 되는 예상 평점을 콘텐츠 추천에 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 콘텐츠 추천 방법에 있어서,
상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
상기 콘텐츠 추천 방법은,
상기 적어도 하나의 프로세서에 의해, 각 사용자에 대하여 소비 콘텐츠 별로 해당 사용자에 의해 등록된 평점을 수집하는 단계;
상기 적어도 하나의 프로세서에 의해, 상기 소비 콘텐츠를 이용하여 타겟 사용자와 유사한 취향의 유사 사용자를 선별하는 단계; 및
상기 적어도 하나의 프로세서에 의해, 상기 타겟 사용자가 소비하지 않은 타겟 콘텐츠에 대한 상기 유사 사용자의 평점을 이용하여 상기 타겟 콘텐츠에 대한 상기 타겟 사용자의 예상 평점을 산출하는 단계
를 포함하는 콘텐츠 추천 방법.
제1항에 있어서,
상기 선별하는 단계는,
상기 타겟 사용자와 상기 소비 콘텐츠가 적어도 하나 이상 중복되는 사용자를 상기 유사 사용자로 선정하는 단계
를 포함하는 콘텐츠 추천 방법.
제1항에 있어서,
상기 선별하는 단계는,
상기 타겟 사용자와 상기 소비 콘텐츠가 적어도 하나 이상 중복되는 사용자를 상기 유사 사용자로 선정하는 단계; 및
동일 콘텐츠에 대한 평점이 상기 타겟 사용자의 평점과 일정 점수 이상 차이가 나는 사용자의 경우 상기 유사 사용자에게 제외시키는 단계
를 포함하는 콘텐츠 추천 방법.
제1항에 있어서,
상기 선별하는 단계는,
각 사용자에 대하여 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠의 개수 및 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠에 대한 상기 타겟 사용자의 평점과의 차이를 기초로 상기 타겟 사용자와의 취향 유사도를 나타내는 취향 점수를 산출하는 단계; 및
상기 취향 점수를 이용하여 상기 유사 사용자를 선별하는 단계
를 포함하는 콘텐츠 추천 방법.
제1항에 있어서,
상기 수집하는 단계는,
각 사용자 별로 해당 사용자가 등록한 평점의 통계치에 따라 상기 소비 콘텐츠 별 평점을 보정하는 단계
를 포함하는 콘텐츠 추천 방법.
제5항에 있어서,
상기 보정하는 단계는,
상기 소비 콘텐츠에 대한 사용자 간의 점수 편차를 줄이는 형태로 사용자 각각의 상기 소비 콘텐츠 별 평점을 보정하는 것
을 특징으로 하는 콘텐츠 추천 방법.
제1항에 있어서,
상기 산출하는 단계는,
각 사용자에 대하여 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠의 개수 및 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠에 대한 상기 타겟 사용자의 평점과의 차이를 기초로 상기 타겟 사용자와의 취향 유사도를 나타내는 취향 점수를 산출하는 단계; 및
상기 타겟 콘텐츠에 대한 상기 유사 사용자의 평점에 상기 취향 점수에 따른 가중치를 부여하여 상기 예상 평점을 산출하는 단계
를 포함하는 콘텐츠 추천 방법.
제1항에 있어서,
상기 콘텐츠 추천 방법은,
상기 적어도 하나의 프로세서에 의해, 상기 타겟 사용자를 대상으로 상기 타겟 콘텐츠에 대한 상기 타겟 사용자의 예상 평점을 제공하는 단계
를 더 포함하는 콘텐츠 추천 방법.
제8항에 있어서,
상기 제공하는 단계는,
상기 타겟 콘텐츠와 관련된 정보로 상기 타겟 콘텐츠를 소비한 전체 사용자의 평균 평점과 함께 상기 타겟 사용자의 예상 평점을 제공하는 것
을 특징으로 하는 콘텐츠 추천 방법.
제8항에 있어서,
상기 제공하는 단계는,
상기 예상 평점을 이용하여 상기 타겟 사용자가 소비하지 않은 적어도 하나의 콘텐츠를 추천하는 단계
를 포함하는 콘텐츠 추천 방법.
제1항 내지 제10항 중 어느 한 항의 콘텐츠 추천 방법을 상기 컴퓨터 장치에 실행시키기 위해 비-일시적인 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,
각 사용자에 대하여 소비 콘텐츠 별로 해당 사용자에 의해 등록된 평점을 수집하는 과정;
상기 소비 콘텐츠를 이용하여 타겟 사용자와 유사한 취향의 유사 사용자를 선별하는 과정; 및
상기 타겟 사용자가 소비하지 않은 타겟 콘텐츠에 대한 상기 유사 사용자의 평점을 이용하여 상기 타겟 콘텐츠에 대한 상기 타겟 사용자의 예상 평점을 산출하는 과정
을 처리하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
상기 타겟 사용자와 상기 소비 콘텐츠가 적어도 하나 이상 중복되는 사용자를 상기 유사 사용자로 선정하는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
상기 타겟 사용자와 상기 소비 콘텐츠가 적어도 하나 이상 중복되는 사용자를 상기 유사 사용자로 선정하고,
동일 콘텐츠에 대한 평점이 상기 타겟 사용자의 평점과 일정 점수 이상 차이가 나는 사용자의 경우 상기 유사 사용자에게 제외시키는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
각 사용자에 대하여 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠의 개수 및 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠에 대한 상기 타겟 사용자의 평점과의 차이를 기초로 상기 타겟 사용자와의 취향 유사도를 나타내는 취향 점수를 산출하고,
상기 취향 점수를 이용하여 상기 유사 사용자를 선별하는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
각 사용자 별로 해당 사용자가 등록한 평점의 통계치에 따라 상기 소비 콘텐츠 별 평점을 보정하는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
각 사용자에 대하여 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠의 개수 및 상기 타겟 사용자와 중복되는 상기 소비 콘텐츠에 대한 상기 타겟 사용자의 평점과의 차이를 기초로 상기 타겟 사용자와의 취향 유사도를 나타내는 취향 점수를 산출하고,
상기 타겟 콘텐츠에 대한 상기 유사 사용자의 평점에 상기 취향 점수에 따른 가중치를 부여하여 상기 예상 평점을 산출하는 것
을 특징으로 하는 컴퓨터 장치.
제12항에 있어서,
상기 적어도 하나의 프로세서는,
상기 타겟 사용자를 대상으로 상기 타겟 콘텐츠에 대한 상기 타겟 사용자의 예상 평점을 제공하는 것
을 특징으로 하는 컴퓨터 장치.
제18항에 있어서,
상기 적어도 하나의 프로세서는,
상기 타겟 콘텐츠와 관련된 정보로 상기 타겟 콘텐츠를 소비한 전체 사용자의 평균 평점과 함께 상기 타겟 사용자의 예상 평점을 제공하는 것
을 특징으로 하는 컴퓨터 장치.
제18항에 있어서,
상기 적어도 하나의 프로세서는,
상기 예상 평점을 이용하여 상기 타겟 사용자가 소비하지 않은 적어도 하나의 콘텐츠를 추천하는 것
을 특징으로 하는 컴퓨터 장치.