WO2018038384A1 - 서버 장치 및 그 제어 방법 - Google Patents

서버 장치 및 그 제어 방법 Download PDF

Info

Publication number
WO2018038384A1
WO2018038384A1 PCT/KR2017/007059 KR2017007059W WO2018038384A1 WO 2018038384 A1 WO2018038384 A1 WO 2018038384A1 KR 2017007059 W KR2017007059 W KR 2017007059W WO 2018038384 A1 WO2018038384 A1 WO 2018038384A1
Authority
WO
WIPO (PCT)
Prior art keywords
users
user information
user
broadcast receiving
log data
Prior art date
Application number
PCT/KR2017/007059
Other languages
English (en)
French (fr)
Inventor
에브게니 산체스샤이다에르네스토
아가르왈비벡
가르그자틴
송민석
권재욱
Original Assignee
삼성전자 주식회사
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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to US16/328,055 priority Critical patent/US10750239B2/en
Publication of WO2018038384A1 publication Critical patent/WO2018038384A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H04N21/44224—Monitoring of user activity on external systems, e.g. Internet browsing
    • H04N21/44226—Monitoring of user activity on external systems, e.g. Internet browsing on social networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25883—Management of end-user data being end-user demographical data, e.g. age, family status or address
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/65—Transmission of management data between client and server
    • H04N21/658—Transmission by the client directed to the server
    • H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number

Definitions

  • the present disclosure relates to a server apparatus and a control method thereof, and more particularly, to a server apparatus and a control method capable of predicting user information for each of a plurality of users.
  • the technology of providing personalized service based on various information is applied in various fields.
  • a technology such as a content recommendation system based on a user's purchase pattern.
  • technology for recommending content by learning the behavior history of content item users, recommending media lists according to TV viewers, recommending technology based on local information and user's content usage log, and based on social-network and profile filtering Various recommendation techniques such as recommendation techniques are suggested.
  • this conventional recommendation technology provides a recommendation service using only static information or fragmentary information. That is, in order to provide a recommendation service, a step of directly providing a user's information for use in a recommendation is necessary.
  • the present disclosure is in accordance with the above-described needs, and an object of the present disclosure is to provide a server apparatus and a control method thereof capable of predicting user information for each of a plurality of users using a usage record of a broadcast receiving apparatus.
  • a server apparatus includes a plurality of first viewing log data for each of a plurality of first users using a first broadcast receiving apparatus and each of the plurality of first users.
  • a communication unit for receiving a plurality of pieces of user information from an external server, the number of users using the broadcast receiving apparatus in the viewing log data based on the plurality of received first viewing log data and the received plurality of user information,
  • a processor for updating a prediction model for predicting user information, wherein the processor is further configured to, when the second viewing log data is received from a second broadcasting receiver through the communication unit, using the updated prediction model. Predict the number of users using the receiver and the user information of each user.
  • the processor may search the content information corresponding to the predicted number of users and the predicted user information, and control the communication unit so that the searched content information is transmitted to the second broadcast receiving apparatus.
  • the processor may search for content information corresponding to the user information of each of the predicted users, and control the communication unit to transmit common content information among the searched content information to the second broadcast receiving apparatus.
  • the processor may estimate the number of users using the second broadcast receiving apparatus and the user information of each user for each time zone.
  • the processor may search for content information corresponding to the user information predicted for each time zone, and control the communication unit to transmit the searched content information to the second broadcast receiving apparatus.
  • the processor is to sort the plurality of received first viewing log data in chronological order, the number of users and each of the user using the first broadcast receiving apparatus in the sorted viewing log data using the prediction model
  • the predictive model may be modified by predicting user information and comparing the predicted user information with a plurality of user information of each of the plurality of received first users.
  • the processor may modify the prediction model such that the predicted user information approximates a plurality of user information of each of the plurality of received first users.
  • the prediction model may include any one of a recurrent neural network, a fully connected network, and a convolutional neural network.
  • the user information may include at least one of gender, age, income level, and education level.
  • the first viewing log data and the second viewing log data may be at least one of a watched channel, a channel change time, a volume control time, and a power on / off time of the server device.
  • the control method of the server device a plurality of first viewing log data for each of a plurality of first users using a first broadcast receiving device and a plurality of each of the plurality of first users Receiving user information from an external server, based on the received first plurality of viewing log data and the received plurality of user information, the number of users using the broadcasting receiver in the viewing log data and the user information of each user. Updating a prediction model for predicting the number of times, and when the second viewing log data is received from the second broadcasting receiver, the number of users using the second broadcasting receiver and the user of each user by using the updated prediction model. And predicting the information.
  • the method may further include retrieving the predicted number of users and content information corresponding to the predicted user information, and delivering the retrieved content information to the second broadcast receiving apparatus.
  • the searching may include searching for content information corresponding to the predicted user information of each user, and transmitting the content information to the second broadcast receiving apparatus. I can deliver it.
  • the number of users using the second broadcast receiving apparatus and the user information of each user may be predicted for each time zone.
  • the content information corresponding to the user information predicted for each time zone may be searched, and the searched content information may be transmitted to the second broadcast receiver.
  • the updating may include: sorting the plurality of received first viewing log data in chronological order, using the prediction model, the number of users using the first broadcast receiving apparatus in the sorted viewing log data, and Predicting user information of each user, and comparing the plurality of user information of each of the plurality of received first users with the predicted user information, and modifying the predictive model.
  • the modifying may modify the prediction model such that the predicted user information approximates a plurality of user information of each of the plurality of received first users.
  • the prediction model may include any one of a recurrent neural network, a fully connected network, and a convolutional neural network.
  • the first viewing log data and the second viewing log data may be at least one of a watched channel, a channel change time, a volume control time, and a power on / off time of the server device.
  • FIG. 1 is a view showing the configuration of a user profiling system using a server device according to an embodiment of the present disclosure
  • FIG. 2 is a block diagram schematically illustrating a configuration of a server device according to an embodiment of the present disclosure
  • FIG. 3 is a block diagram specifically illustrating a configuration of a server apparatus according to an embodiment of the present disclosure
  • FIG. 4 is a diagram schematically illustrating a user profiling method according to an embodiment of the present disclosure
  • FIG. 6 is a diagram schematically illustrating a method of collecting first viewing log data and user information in an external server
  • FIG. 7 is a diagram schematically illustrating a method of arranging first viewing log data in chronological order for each first broadcasting receiver according to an embodiment of the present disclosure
  • FIG. 8 is a diagram schematically illustrating a user profiling method using second viewing log data according to an embodiment of the present disclosure.
  • FIG. 9 is a flowchart illustrating a user profiling method according to an embodiment of the present disclosure.
  • FIG. 1 is a diagram illustrating a configuration of a user profiling system using a server device according to an exemplary embodiment.
  • the user profiling system 100 includes a server device 100, an external server 200, and a broadcast receiving device 300.
  • the server apparatus 100 may store a plurality of first viewing log data for each of a plurality of first users using the first broadcast receiving apparatus received from the external server 200 and a plurality of user information of each of the plurality of users. On the basis of the pre-stored predictive model can be updated.
  • the server device 100 may predict the user information. Specifically, when the second viewing log data is received from the second broadcasting receiver, the server device 100 may predict the number of users using the second broadcasting receiver and user information of each user by using the updated prediction model. have.
  • the predictive model is a model for explaining the relationship between the dependent variable to the independent variable or the relationship between the output for the input and the input, the output, and the performing function are known, but the internal implementation is not known or does not matter much. Also referred to as a black box model.
  • the prediction model may predict the number of users using the broadcast receiving apparatus and the user information of each user from the viewing log data.
  • the prediction model may include a recurrent neural network, a fully connected network, a convolutional neural network, and the like. Since the types of the predictive models described above are well known in the art, detailed descriptions thereof will be omitted.
  • server device 100 a detailed configuration of the server device 100 will be described in detail with reference to FIGS. 2 and 3 below.
  • the server device 100 receives the viewing log data for the plurality of users and the user information for the plurality of users using the plurality of broadcast receiving devices from the external server 200, by using the received viewing log data
  • the prediction model may be modified by predicting a plurality of user information and comparing the predicted user information with the received user information.
  • the server device 100 may modify the prediction model by changing a parameter of the prediction model.
  • the server device 100 may be a server connected to the external server 200 and the broadcast receiving device 300, and for convenience of description, the server device 100 and the broadcast receiving device 300 are configured separately. Although shown, in actual implementation may be one configuration.
  • the server device 100 connected to the external server 200 may be a mobile device such as a smartphone, a notebook computer, a tablet PC, a smart TV, a desktop PC, or the like. May be various display devices. Meanwhile, hereinafter, the server device 100 and the broadcast receiving device 300 will be described as separate components for convenience of description.
  • the external server 200 provides the server device 100 with viewing log data for a plurality of users each using a plurality of broadcast receivers connected to the external server 200 and user information for the plurality of users.
  • the external server 200 generates viewing log data for each of the plurality of broadcast receiving apparatuses, and generates a plurality of users for each of the plurality of broadcast receiving apparatuses.
  • the viewing log data may include a watched channel, a channel change time, a volume control time, a power on / off time of the server device, and a use time of the server device. Additionally, the viewing log data may further include a favorite TV channel, a favorite TV program, and content. Purchase history, service usage history.
  • the user information may include personal information of the user such as gender, age, income level, residence area, education level, and household structure of each user.
  • the external server 200 may be at least one of a public institution, a government, a market research agency, a survey agency, and a company. Accordingly, the viewing log data and the user information provided from the external server 200 may be open data or a predetermined cost may be required.
  • the broadcast receiving device 300 may transmit viewing log data of the broadcast receiving device 300 to the server device 100.
  • the viewing log data for the broadcast receiving device 300 does not include the user's personal information including the number of users, and may be a time sequence of the user's use of the broadcast receiving device 300.
  • the broadcast receiving device 300 may be a device that can be shared by a plurality of users, such as a smart phone, a notebook, a desktop PC, a tablet PC, a smart TV, and a set-top box.
  • the viewing log data transmitted from the broadcast receiving device 300 to the server device 100 includes a watched channel, a channel change time, a volume control time, a power on / off time of the server device, and a use time of the server device. And additionally, may include a preferred TV channel, a preferred TV program, a content purchase history, and a service usage history.
  • the server apparatus 100 is a broadcast receiving apparatus.
  • User information including unknown information on at least one item of at least one user using 300 may be transmitted.
  • the server device 100 may predict the unknown information by using the updated prediction model.
  • FIG. 2 is a block diagram briefly illustrating a configuration of a server apparatus according to an exemplary embodiment.
  • the server device 100 includes a communication unit 110 and a processor 120.
  • the communication unit 110 may receive a plurality of first viewing log data for each of the plurality of first users using the first broadcast receiving device and a plurality of user information for each of the plurality of first users from an external server.
  • the communication unit 110 may receive, from an external server, viewing log data for each of the plurality of users using the plurality of broadcast receiving apparatuses and user information including a plurality of items for each of the plurality of users.
  • the viewing log data is generated for each of the plurality of broadcasting receiving apparatuses, and the viewing log data for each of the plurality of broadcasting receiving apparatuses includes a plurality of broadcasting receiving apparatuses.
  • the viewing log data may be generated by classifying usage records by users. A method of generating viewing log data for each of a plurality of users using a plurality of broadcast receiving apparatuses will be described in detail with reference to FIG. 6.
  • the communication unit 110 may receive the viewing log data for the second broadcast receiving device from the second broadcast receiving device connected to the server device 100 in addition to the plurality of first broadcast receiving devices connected to the external server.
  • the viewing log data for the second broadcast receiving apparatus is merely a chronological order of the details of using the second broadcast receiving apparatus, and the number of users using the second broadcast receiving apparatus, the gender, the age of the user, and the like. Personal information is unknown.
  • the user's personal information and the like may be predicted by the processor 120 based on the received viewing log data for the second broadcast receiving apparatus. User information prediction is described in detail below with reference to the description of the processor 120 and FIG. 8.
  • the communication unit 110 corresponds to each of at least one user who uses the second broadcast receiver based on the user information predicted by the processor 120 based on the viewing log data of the second broadcast receiver.
  • the searched content may be transmitted to the second broadcast receiving device.
  • the communicator 110 may transmit the user information predicted by the processor 120 to the second broadcast receiver.
  • the processor 120 is a plurality of first viewing log data for a plurality of first users using a plurality of first broadcast receiving apparatus received from the external server through the communication unit 110 and a plurality of each of the plurality of first users
  • the prediction model may be updated using the user information.
  • the processor 120 may arrange the plurality of first viewing log data received through the communication unit 110 from an external server in chronological order.
  • the processor 120 may arrange the first viewing log data of the plurality of first users using at least one first broadcasting receiver among the plurality of first broadcasting receivers in chronological order for each broadcasting receiver. . This will be described in detail with reference to FIG. 7.
  • the processor 120 may predict at least one item of user information for the plurality of first users using the plurality of first broadcast receiving apparatuses.
  • the processor 120 may include a plurality of users who use the first broadcast receiver in the first viewing log data arranged using a prediction model that predicts the number of users who use the broadcast receiver as viewing log data and the user information.
  • User information for each of the first users may be predicted.
  • at least one item of the plurality of items configuring the user information for each of the plurality of first users may be predicted.
  • the processor 120 may correct the predictive model by comparing the predicted user information with the plurality of user information of each of the plurality of first users received through the communication unit 110. In detail, the processor 120 may modify the prediction model such that the predicted user information approximates a plurality of user information of each of the plurality of received first users.
  • the processor 120 uses the updated prediction model and the number of users who use the second broadcasting receiver and the user of each user. Information can be predicted.
  • the processor 120 may control the communicator 110 to retrieve the predicted number of users using the second broadcast receiving apparatus and content information corresponding to the user information of each user and deliver the same to the second broadcast receiving apparatus. .
  • the processor 120 searches for corresponding content information according to the predicted information of each user, and the common information among the content information corresponding to each of the searched users.
  • the communication unit 110 may be controlled to transmit only content information to the second broadcast receiving device.
  • the processor 120 may predict the number of users using the second broadcast receiving apparatus and the user information of each user for each time zone.
  • the processor 120 may predict the number of users using the second broadcast receiver and the user information of each user from time to time in the second viewing log data generated for each time zone by using the updated prediction model.
  • the processor 120 may control the communication unit 110 to search for content corresponding to the user information predicted for each time zone and deliver the content to the second broadcast receiving apparatus based on the user information predicted for each time zone.
  • FIG. 3 is a block diagram illustrating in detail a configuration of a server device according to an exemplary embodiment.
  • the server device 100 includes a communication unit 110, a processor 120, and a storage unit 130.
  • the storage unit 130 may store various programs and data necessary for the operation of the electronic device 100.
  • the storage unit 130 is a control program for controlling the server device 100, an application initially provided from a manufacturer or downloaded from the outside, a graphical user interface (GUI) related to the application, an object for providing a GUI (eg For example, image text, icons, buttons, etc.), user information, documents, databases, or related data may be stored.
  • GUI graphical user interface
  • the storage unit 130 may include a plurality of first log data for each first user using the first broadcast receiving device received from the communication unit 110, a plurality of user information of each of the first users, and a predicted agent.
  • User information of the broadcast receiving apparatus can be stored.
  • the user information includes gender, age, income level, residential area, household structure, and device usage information of each user of the plurality of broadcast receiving devices
  • viewing log data includes service usage information and device usage in the broadcast receiving device. Time, favorite channels and preferred TV programs, and the like.
  • the storage unit 130 may store a parameter of a prediction model for predicting unknown user information from the viewing log data.
  • the storage unit 130 may store the number of users of the first broadcast receiving apparatus predicted by the processor 120 and the user information of each user using the stored parameters.
  • the storage unit 130 may store the updated prediction model based on the predicted user information and the user information received from the first broadcast receiving apparatus.
  • the storage unit 130 may store the updated prediction model by changing a parameter based on an error calculated by comparing the predicted user information with the user information received from the first broadcast receiving apparatus.
  • the storage unit 130 may store the received second viewing log data, and may predict the second broadcasting receiver predicted using the updated prediction model. The number of users to use and user information of the user can be stored.
  • the storage unit 130 may store various contents.
  • the content may be a video file such as an advertisement, a movie, a TV program, or an image file corresponding to a thumbnail image that may be provided to a user in another broadcasting receiver.
  • the server device 100 and the second broadcast receiving device is shown and described as a separate configuration, in the actual implementation, the server device 100 and the second broadcast receiving device may be one configuration, this In this case, an input unit for receiving an operation command from a user for generating second log data and a display unit for displaying a user interface screen or content may be further included.
  • FIG. 4 is a diagram schematically illustrating a user profiling method according to an embodiment of the present disclosure.
  • the processor 120 of the server apparatus may include a plurality of first viewing log data 41 and a plurality of first viewing log data for each of a plurality of first users using the first broadcasting receiver.
  • the information 43 may be obtained.
  • the processor 120 may profile the user information by collecting the first viewing log data 41 and the user information 42.
  • the first viewing log data 41 and the user information 42 used to predict the unknown information of the user are received from an external server, or a smart TV or a mobile device used by a plurality of users, respectively. It may be directly received from at least one first broadcast receiver.
  • the input user information 42 may include unknown information depending on whether information is input.
  • the ages of the users 1 and 2 of the broadcast receiving device 1 (device ID: 1) and the ages of the users 1 to 3 of the broadcast receiving device 2 (device ID: 2) are input, but the broadcast receiving device 3 (device ID) is input. Since the ages of the users 1 to 3 of: 3) are not input, the ages of the plurality of users of the broadcast receiving apparatus 3 may correspond to unknown information.
  • the processor 120 may predict the user information of each of the plurality of first users for the plurality of first broadcast receiving apparatuses using the first viewing log data 41.
  • the processor 120 sorts the plurality of first viewing log data 41 for the plurality of first broadcasting receivers in chronological order for each broadcasting receiving apparatus to collect the first viewing log data for each first broadcasting receiver.
  • the user information 43 for each of the plurality of first users may be predicted by using the generated first viewing log data and the user information prediction model 121 for each first broadcasting receiver.
  • the processor 120 compares the predicted user information 43 with the received or input user information 42 to calculate an error of the predicted user information 43 and based on the parameter of the predictive model 121.
  • the prediction model 121 can be modified. Machine learning process is well known in the art, detailed description thereof will be omitted.
  • the age is described as the user information 42 of the plurality of users, but in actual implementation, it may further include a gender, an income level, an education level, and the like.
  • the unknown user information can be predicted more accurately.
  • FIG. 5 is a diagram schematically illustrating a user profiling method according to an embodiment of the present disclosure.
  • the processor 120 of the server device uses a plurality of second broadcast receivers to receive a plurality of second broadcast receivers using the second viewing log data 51 received from the second broadcast receiver.
  • the information 52 may be obtained.
  • the predicted result information 52 may include the number of users using the second broadcast receiving apparatus and the user information of each user.
  • the processor 120 receives the second broadcast according to time slots by using second viewing log data 51 which is a use record of each of the plurality of second broadcast receiving devices in which the user who uses the second broadcast receiving device is not distinguished.
  • the number of users using the device and the user information 52 can be estimated.
  • the processor 120 may obtain the prediction result information 52 by using the received or input second viewing log data 51 and the updated prediction model.
  • the prediction model used may be a prediction model modified through machine learning, described in FIG. 4.
  • the modified prediction model even if the user uses the second viewing log data, which is the use record of the second broadcast receiving apparatus, which is not distinguished, the number and at least one of the users using the second broadcasting receiving apparatus for each time period. User information of each user of the can be predicted.
  • FIG. 6 is a diagram schematically illustrating a method of collecting first viewing log data and user information from an external server.
  • the first broadcast receiving device 201 connected to an external server may be used by a plurality of users 20-1 and 20-2.
  • the first broadcast receiving apparatus 201 may receive inputs by dividing the operations of each of the plurality of users 20-1 and 20-2.
  • the plurality of users 20-1 and 20-2 receive the first broadcast by using the plurality of remote controllers 10-1 and 10-2 that can operate the first broadcast receiving apparatus 201, respectively.
  • the device 201 can be operated.
  • the present invention is not limited thereto, and the first broadcast reception may be performed on a single remote control by a plurality of users 20-1 and 20-2, respectively, or after inputting who is the user to operate before the operation.
  • the device 201 can be used in any method that can distinguish the operations of the plurality of users 20-1 and 20-2.
  • the first broadcast receiving device 201 may generate first viewing log data 61, which is a record of the plurality of users 20-1 and 20-2 using the first broadcast receiving device 201.
  • the first broadcast receiving device 201 may generate the first viewing log data 61 by classifying the usage record for each of the plurality of users 20-1 and 20-2.
  • the first broadcast receiving device 201 may generate user information 62 for each of the plurality of users 20-1 and 20-2.
  • the user information 62 may be input by the plurality of users 20-1 and 20-2 to the first broadcast receiving device 201 through the remote controllers 10-1 and 10-2.
  • the user information 62 may be provided that the results of the census for each household surveyed from an external agency.
  • the first broadcast receiving device 201 connected to the external server has been described as one, but in actual implementation, there may be a plurality of server devices connected to the external server.
  • the first broadcast receiving device 201 broadcasts the first viewing log data 61 and the user information 62 for the generated plurality of users 20-1 and 20-2 to an external server (not shown). It can transmit to a receiver (not shown).
  • the external server that receives the first viewing log data 61 and the user information 62 from the first broadcast receiving device 201 is a first received by a server device (not shown) according to an embodiment of the present disclosure.
  • the viewing log data 61 and the user information 62 can be transmitted.
  • FIG. 7 is a diagram schematically illustrating a method of arranging first viewing log data in chronological order for each first broadcasting receiver according to an embodiment of the present disclosure.
  • the server apparatus records first viewing log data 71 which are records of a plurality of first users using a plurality of first broadcast receiving apparatuses for a plurality of first broadcast receiving apparatuses connected to an external server from an external server. ) And sort the received first viewing log data 71 in chronological order to generate the sorted first viewing log data 72.
  • the server device may store the aligned first viewing log data 72.
  • the server device may receive user information for each of the plurality of first users from an external server together, and the sorted first viewing log data 72 and the received user information may be obtained without the user information.
  • the second viewing log data for the broadcast receiving device may be a database used to update the prediction model for predicting the number of users and user information using the second broadcast receiving device.
  • FIG. 8 is a diagram schematically illustrating a user profiling method using second viewing log data according to an embodiment of the present disclosure.
  • the second broadcast receiving apparatus 300 connected to the server apparatus may be used by a plurality of users 20-1 and 20-2.
  • the second broadcast receiving device 300 may receive an operation of the plurality of users 20-1 and 20-2.
  • the second broadcast receiving apparatus 300 may only receive an operation by the remote controller 10 and may not distinguish whether the plurality of users 20-1 and 20-2 operate.
  • the server device may receive second viewing log data 81, which is a record used by the second broadcast receiving device 300, from the connected second broadcast receiving device 300, and FIG. 8.
  • second viewing log data 81 is illustrated to distinguish the users to indicate that the plurality of users have used the second broadcast receiving device 300, in actual implementation, the second broadcast receiving device 300 receives the second broadcast receiving device 300.
  • the second viewing log data 81 may be recorded in chronological order of the usage history of the second broadcasting receiver 300.
  • the processor 120 of the server apparatus may use the received second viewing log data 81 and the modified prediction model to determine the number of users of the second broadcasting receiver 300 and the users for each user. Information can be predicted.
  • the modified prediction model may be a prediction model capable of more accurate prediction by performing machine learning as shown in FIG. 4.
  • the processor 120 of the server apparatus may use the number of the second broadcast receiving apparatus 300 and the number of users using the received second viewing log data 81 and the modified prediction model.
  • Each user information 82 can be predicted. For example, information such as the number of members of the family 1 who share the second broadcast receiving apparatus 300, the gender and the age of each member may be profiled.
  • the plurality of members who use the broadcast receiving apparatus can be profiled more accurately using the viewing log data in which the usage record of the broadcast receiving apparatus is sorted in chronological order and the predictive model on which the machine learning is performed.
  • FIG. 9 is a flowchart illustrating a user profiling method according to an embodiment of the present disclosure.
  • the external server 200 may collect first viewing log data and user information in operation S901.
  • the external server 200 may collect a plurality of first viewing log data for each of the plurality of first users using the first broadcast receiving device and user information for each of the plurality of users.
  • the collected first viewing log data is data for each of a plurality of first users who use each of the plurality of first broadcast receiving apparatuses, and includes a plurality of first input commands in which an operation command is input, such as using a remote controller distinguished by each user.
  • Each of the broadcast receiving apparatuses may distinguish each of the first users who input a command.
  • the user information may be directly input by each of the plurality of users.
  • the external server 200 may transmit the collected first viewing log data and user information to the server device 100.
  • the server device 100 receiving the first viewing log data and the user information received from the external server 200 may sort the received first viewing log data in chronological order (S903). For example, when the user 1 and the user 2 use the broadcast receiving device 1, the server device 100 merges the received first viewing log data for the user 1 and the first viewing log data for the user 2, You can sort by time.
  • the server apparatus 100 may predict the number of the plurality of first users and the user information of each user using the plurality of first broadcast receiving apparatuses, respectively (S904).
  • the server apparatus 100 may include the plurality of first broadcasts in the first viewing log data arranged using a prediction model predicting the number of users who use the broadcasting receiving device as the first viewing log data and the respective user information. It is possible to estimate the number of users using the receiving apparatus and the user information of each user.
  • the server device 100 may update the prediction model based on the predicted number of users and the user information in operation S905. Specifically, the server device 100 compares the predicted number and user information of the user with the user information of the plurality of first users received from the external server 200 and updates the predictive model based on the error of the predicted information. can do. Meanwhile, in FIG. 9, for convenience of description, the step of predicting user information (S904) and the step of modifying the prediction model based on this (S905) are illustrated and described as being performed only once, but in actual implementation, prediction and The update step may be repeated several times to implement a form in which machine learning is performed to enable more accurate prediction.
  • the second broadcast receiving device 300 connected to the server device 100 may generate second viewing log data for at least one user who uses the second broadcast receiving device 300 (S906).
  • the second viewing log data for the second broadcast receiving device 300 is merely a chronological order of the details of using the second broadcast receiving device 300, and the number of users using the second broadcast receiving device 300.
  • the user's information such as gender and age of the user is unknown.
  • the time point at which the second viewing log data for the second broadcast receiving device 300 is generated may be separate from the operation order of the server device 100.
  • the second broadcast receiving device 300 may transmit the generated second viewing log data to the server device 100 (S907).
  • the server device 100 that receives the second viewing log data for the second broadcast receiving device 300 from the second broadcast receiving device 300 uses the updated prediction model to display the second broadcast receiving device 300.
  • the user information for the user may be predicted (S908).
  • the server device 100 may transmit the predicted user information about the user of the second broadcast receiving device 300 to the second broadcast receiving device 300.
  • the server apparatus 100 may search for content corresponding to each of the at least one user based on the user information that is predicted to be rented to the at least one user who uses the second broadcast receiving apparatus 300.
  • the server device 100 may transmit the searched content to the second broadcast receiving device 300 so that the searched content is displayed on the second broadcast receiving device 300 (S910).
  • a plurality of users received from an external server repeatedly updated the prediction model using the separated first viewing log data and user information, thereby using more input data User profiling through a plurality of user information predictions may be possible.
  • the computer readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the computer readable medium may or may not be erased or rewritable, such as volatile or nonvolatile storage devices such as storage devices such as ROM, or RAM, memory chips, devices or integrated circuits, for example. It may be stored in a memory or a storage medium that is optically or magnetically recordable such as, for example, CD, DVD, magnetic disk or magnetic tape and the like, and which can be read by a machine (eg, a computer).
  • a memory that can be included in a mobile terminal is an example of a machine-readable storage medium suitable for storing a program or programs containing instructions for implementing embodiments of the present disclosure.
  • Program instructions recorded on the media may be those specially designed and constructed for the purposes of this disclosure, or they may be of the kind well-known and available to those having skill in the computer software arts.

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Graphics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

서버 장치가 개시된다. 서버 장치는, 제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 복수의 제1 시청 로그 데이터와 복수의 제1 사용자 각각의 복수의 사용자 정보를 외부 서버로부터 수신하는 통신부, 수신된 복수의 제1 시청 로그 데이터 및 수신된 복수의 사용자 정보에 기초하여, 시청 로그 데이터에서 방송수신장치를 이용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측하는 예측 모델을 갱신하는 프로세서를 포함하고, 프로세서는, 통신부를 통하여 제2 방송수신장치로부터 제2 시청 로그 데이터가 수신되면, 갱신된 예측 모델을 이용하여 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측한다.

Description

서버 장치 및 그 제어 방법
본 개시는 서버 장치 및 그 제어 방법에 대한 것으로, 보다 상세하게는 복수의 사용자 각각에 대한 사용자 정보를 예측할 수 있는 서버 장치 및 그 제어 방법에 대한 것이다.
다양한 정보에 기반하여 개인화 서비스를 제공하는 기술은 다양한 분야에서 적용되고 있다. 예를 들면 사용자의 구매 패턴에 기반한 컨텐츠 추천시스템과 같은 기술이 있다. 이외에도, 컨텐츠 아이템 사용자의 행동 내역을 학습하여 컨텐츠를 추천하는 기술, TV 시청 사용자에 따라 미디어 리스트를 추천하는 기술, 지역정보와 사용자의 컨텐츠 사용 로그에 기반한 추천 기술, 소셜-네트워크와 프로파일 필터링에 기반한 추천 기술 등 다양한 추천 기술이 제시되어 있다.
그러나, 이러한 종래 추천 기술은 정적인 정보나 단편적인 정보만을 이용하여 추천서비스를 제공한다. 즉, 추천서비스를 제공하기 위해서는 추천에 사용하기 위한 사용자의 정보를 사용자가 직접 제공하는 단계가 반드시 필요하다.
또한, 제공되는 사용자의 정보는 양이 매우 적거나, 불완전하며, 이를 수집하기 위해 높은 비용이 소요된다는 점에서 사용자에게 맞는 적절한 컨텐츠를 추천하기가 곤란하였고, 특히, 가정에서 사용되는 TV와 같이, 동일한 서버 장치를 복수의 사용자가 사용하는 경우, 복수의 사용자 각각에 대응되는 컨텐츠를 추천 및 제공하기 어렵다는 문제점이 있었다.
이에 따라, 서버 장치를 공유하는 복수의 사용자 각각에 대한 프로파일링을 보다 정확하게 하기 위한 기술의 필요성이 대두되고 있다.
본 개시는 상술한 필요성에 따른 것으로, 본 개시의 목적은, 방송수신장치의 사용 기록을 이용하여, 복수의 사용자 각각에 대한 사용자 정보를 예측할 수 있는 서버 장치 및 그 제어 방법을 제공함에 있다.
상술한 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 서버 장치는, 제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 복수의 제1 시청 로그 데이터와 상기 복수의 제1 사용자 각각의 복수의 사용자 정보를 외부 서버로부터 수신하는 통신부, 상기 수신된 복수의 제1 시청 로그 데이터 및 상기 수신된 복수의 사용자 정보에 기초하여, 시청 로그 데이터에서 방송수신장치를 이용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측하는 예측 모델을 갱신하는 프로세서를 포함하고, 상기 프로세서는, 상기 통신부를 통하여 제2 방송수신장치로부터 제2 시청 로그 데이터가 수신되면, 상기 갱신된 예측 모델을 이용하여 상기 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측한다.
이 경우, 상기 프로세서는, 상기 예측된 사용자 수 및 상기 예측된 사용자 정보에 대응되는 컨텐츠 정보를 검색하고, 상기 검색된 컨텐츠 정보가 상기 제2 방송수신장치에 전달되도록 상기 통신부를 제어할 수 있다.
이 경우, 상기 프로세서는, 상기 예측된 각 사용자의 사용자 정보에 각각 대응되는 컨텐츠 정보를 검색하고, 상기 검색된 각 컨텐츠 정보 중 공통된 컨텐츠 정보를 상기 제2 방송수신장치에 전달되도록 상기 통신부를 제어할 수 있다.
한편, 상기 프로세서는, 시간대별로 상기 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측할 수 있다.
이 경우, 상기 프로세서는, 상기 시간대별로 예측된 사용자 정보에 대응되는 컨텐츠 정보를 검색하고, 검색된 컨텐츠 정보가 상기 제2 방송수신장치에 전달되도록 상기 통신부를 제어할 수 있다.
한편, 상기 프로세서는, 상기 수신된 복수의 제1 시청 로그 데이터를 시간순으로 정렬하고, 상기 예측 모델을 이용하여 상기 정렬된 시청 로그 데이터에서 상기 제1 방송수신장치를 사용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측하고, 상기 수신된 복수의 제1 사용자 각각의 복수의 사용자 정보와 상기 예측된 사용자 정보를 비교하여 상기 예측 모델을 수정할 수 있다.
이 경우, 상기 프로세서는, 상기 예측된 사용자 정보가 상기 수신된 복수의 제1 사용자 각각의 복수의 사용자 정보에 근사하도록 상기 예측 모델을 수정할 수 있다.
한편, 상기 예측 모델은, 순환형 신경망(recurrent neural network), 완전 접속망(fully connected network), 회선 신경망(convolutional neural network) 중 어느 하나를 포함할 수 있다.
한편, 상기 사용자 정보는, 성별, 연령, 소득 수준 및 교육 수준 중 적어도 하나를 포함할 수 있다.
한편, 상기 제1 시청 로그 데이터 및 제2 시청 로그 데이터는, 시청된 채널, 채널 변경 시간, 볼륨 조절 시간, 상기 서버 장치의 전원 온/오프 시간 중 적어도 하나일 수 있다.
한편, 본 개시의 일 실시 예에 따른 서버 장치의 제어 방법은, 제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 복수의 제1 시청 로그 데이터와 상기 복수의 제1 사용자 각각의 복수의 사용자 정보를 외부 서버로부터 수신하는 단계, 상기 수신된 복수의 제1 시청 로그 데이터 및 상기 수신된 복수의 사용자 정보에 기초하여, 시청 로그 데이터에서 방송수신장치를 이용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측하는 예측 모델을 갱신하는 단계, 및 제2 방송수신장치로부터 제2 시청 로그 데이터가 수신되면, 상기 갱신된 예측 모델을 이용하여 상기 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측하는 단계를 포함할 수 있다.
이 경우, 상기 예측된 사용자 수 및 상기 예측된 사용자 정보에 대응되는 컨텐츠 정보를 검색하는 단계, 및 상기 검색된 컨텐츠 정보를 상기 제2 방송수신장치에 전달하는 단계;를 더 포함할 수 있다.
이 경우, 상기 검색하는 단계는, 상기 예측된 각 사용자의 사용자 정보에 각각 대응되는 컨텐츠 정보를 검색하고, 상기 전달하는 단계는, 상기 검색된 각 컨텐츠 정보 중 공통된 컨텐츠 정보를 상기 제2 방송수신장치에 전달할 수 있다.
한편, 상기 예측하는 단계는, 시간대별로 상기 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측할 수 있다.
이 경우, 상기 시간대별로 예측된 사용자 정보에 대응되는 컨텐츠 정보를 검색하고, 검색된 컨텐츠 정보를 상기 제2 방송수신장치에 전달할 수 있다.
한편, 상기 갱신하는 단계는, 상기 수신된 복수의 제1 시청 로그 데이터를 시간순으로 정렬하는 단계, 상기 예측 모델을 이용하여 상기 정렬된 시청 로그 데이터에서 상기 제1 방송수신장치를 사용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측하는 단계, 상기 수신된 복수의 제1 사용자 각각의 복수의 사용자 정보와 상기 예측된 사용자 정보를 비교하여 상기 예측 모델을 수정하는 단계를 포함할 수 있다.
이 경우, 상기 수정하는 단계는, 상기 예측된 사용자 정보가 상기 수신된 복수의 제1 사용자 각각의 복수의 사용자 정보에 근사하도록 상기 예측 모델을 수정할 수 있다.
한편, 상기 예측 모델은, 순환형 신경망(recurrent neural network), 완전 접속망(fully connected network), 회선 신경망(convolutional neural network) 중 어느 하나를 포함할 수 있다.
한편, 상기 제1 시청 로그 데이터 및 제2 시청 로그 데이터는, 시청된 채널, 채널 변경 시간, 볼륨 조절 시간, 상기 서버 장치의 전원 온/오프 시간 중 적어도 하나일 수 있다.
도 1은 본 개시의 일 실시 예에 따른 서버 장치를 이용한 사용자 프로파일링 시스템의 구성을 나타내는 도면,
도 2는 본 개시의 일 실시 예에 따른 서버 장치의 구성을 간략하게 나타내는 블럭도,
도 3은 본 개시의 일 실시 예에 따른 서버 장치의 구성을 구체적으로 나타내는 블럭도,
도 4는 본 개시의 일 실시 예에 따른 사용자 프로파일링 방법을 개략적으로 나타내는 도면,
도 5는 본 개시의 따른 실시 예에 따른 사용자 프로파일링 방법을 개략적으로 나타내는 도면,
도 6은 외부 서버에서 제1 시청 로그 데이터 및 사용자 정보를 수집하는 방법을 개략적으로 나타내는 도면,
도 7은 본 개시의 일 실시 예에 따라 제1 시청 로그 데이터를 제1 방송수신장치별로 시간순으로 정렬하는 방법을 개략적으로 나타내는 도면,
도 8은 본 개시의 일 실시 예에 따른 제2 시청 로그 데이터를 이용한 사용자 프로파일링 방법을 개략적으로 나타내는 도면, 그리고,
도 9는 본 개시의 일 실시 예에 따른 사용자 프로파일링 방법을 설명하기 위한 흐름도이다.
이하에서는 도면을 참조하여 본 개시에 대해 상세히 설명하도록 한다. 본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 덧붙여, 하기 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 개시의 기술적 사상의 범위가 하기 실시 예에 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 개시의 기술적 사상을 완전하게 전달하기 위하여 제공되는 것이다.
또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 나아가, 도면에서의 다양한 요소와 영역은 개략적으로 그려진 것이다. 따라서, 본 개시의 기술적 사상은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되지 않는다.
도 1은 본 개시의 일 실시 예에 따른 서버 장치를 이용한 사용자 프로파일링 시스템의 구성을 나타내는 도면이다.
도 1을 참조하면, 본 개시의 일 실시 예에 따른 사용자 프로파일링 시스템(100)은 서버 장치(100), 외부 서버(200) 및 방송수신장치(300)를 포함한다.
이때, 서버 장치(100)는 외부 서버(200)로부터 수신된 제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 복수의 제1 시청 로그 데이터 및 복수의 사용자 각각의 복수의 사용자 정보를 기초로 기저장된 예측 모델(predictive model)을 갱신할 수 있다. 그리고, 서버 장치(100)는 사용자 정보를 예측할 수 있다. 구체적으로, 서버 장치(100)는 제2 방송수신장치로부터 제2 시청 로그 데이터가 수신되면, 갱신된 예측 모델을 이용하여 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측할 수 있다.
이때, 예측 모델은 독립 변수에 대한 종속 변수의 관계를 설명하거나, 투입에 대한 산출의 관계를 설명하는 모델로서, 입력과 출력 및 수행 기능은 알려져 있으나 내부적인 구현은 알려져 있지 않거나, 크게 개의치 않는 모델로, 블랙 박스 모델(black box model)이라고도 한다. 구체적으로, 예측 모델은 시청 로그 데이터에서 방송수신장치를 이용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측할 수 있다.
여기서, 예측 모델은 순환형 신경망(recurrent neural network), 완전 접속망(fully connected network), 회선 신경망(convolutional neural network) 등을 포함할 수 있다. 이상에 기재된 예측 모델의 종류는 당 분야에 널리 알려진 것인 바, 자세한 설명은 생략한다.
한편, 서버 장치(100)의 구체적인 구성은 이하 도 2 및 도 3을 참조하여 자세히 설명한다.
한편, 서버 장치(100)는 외부 서버(200)로부터 복수의 방송수신장치를 사용하는 복수의 사용자에 대한 시청 로그 데이터 및 복수의 사용자에 대한 사용자 정보를 수신하고, 수신된 시청 로그 데이터를 이용하여 복수의 사용자 정보를 예측하고, 예측된 사용자 정보 및 수신된 사용자 정보를 비교하여 예측 모델을 수정할 수 있다. 구체적으로, 서버 장치(100)는 예측 모델의 파라미터를 변경하여 예측 모델을 수정할 수 있다.
이때, 서버 장치(100)는 외부 서버(200) 및 방송수신장치(300)와 연결된 서버일 수 있으며, 설명의 편의를 위하여 서버 장치(100) 및 방송수신장치(300)는 별개의 구성인 것으로 도시하였으나, 실제 구현시에는 하나의 구성일 수 있다. 서버 장치(100)와 방송수신장치(300)가 하나의 구성인 경우, 외부 서버(200)와 연결된 서버 장치(100)는 스마트폰, 노트북, 태블릿 PC 등과 같은 모바일 장치, 스마트 TV, 데스크탑 PC 등의 다양한 디스플레이 장치일 수 있다. 한편, 이하에서는 설명의 편의를 위하여 서버 장치(100)와 방송수신장치(300)는 별개의 구성인 것으로 설명한다.
한편, 외부 서버(200)는 서버 장치(100)에 외부 서버(200)와 연결된 복수의 방송수신장치를 각각 사용하는 복수의 사용자에 대한 시청 로그 데이터 및 복수의 사용자에 대한 사용자 정보를 제공한다. 구체적으로, 외부 서버(200)는 시청 로그 데이터는 복수의 방송수신장치 각각에 대해 생성하며, 복수의 방송수신장치 각각을 사용하는 복수의 사용자 별로 생성한다.
여기서, 시청 로그 데이터는, 시청된 채널, 채널 변경 시간, 볼륨 조절 시간, 서버 장치의 전원 온/오프 시간, 서버 장치의 사용 시간을 포함할 수 있고, 추가적으로, 선호 TV 채널, 선호 TV 프로그램, 컨텐츠 구매 이력, 서비스 사용 이력을 포함할 수 있다. 그리고, 사용자 정보는 사용자 각각의 성별, 연령, 소득 수준, 거주 지역, 교육 수준 및 세대 구조 등 사용자의 개인 정보를 포함할 수 있다.
이때, 외부 서버(200)는 공공 기관, 정부, 시장 조사 기관, 설문 조사 기관 및 기업 중 적어도 하나의 것일 수 있다. 따라서, 외부 서버(200)로부터 제공되는 시청 로그 데이터 및 사용자 정보는 오픈 데이터이거나, 소정의 비용이 요구될 수 있다.
방송수신장치(300)는 서버 장치(100)에 방송수신장치(300)에 대한 시청 로그 데이터를 전송할 수 있다. 이때, 방송수신장치(300)에 대한 시청 로그 데이터는 사용자의 수를 포함한 사용자의 개인 정보는 포함되어 있지 않으며, 사용자가 방송수신장치(300)를 사용한 내역을 시간 순으로 정렬한 것일 수 있다. 구체적으로, 방송수신장치(300)는 스마트폰, 노트북, 데스크탑 PC, 태블릿 PC, 스마트 TV, 셋탑박스 등 복수의 사용자가 공유 가능한 장치일 수 있다.
한편, 방송수신장치(300)에서 서버 장치(100)로 전송되는 시청 로그 데이터는, 시청된 채널, 채널 변경 시간, 볼륨 조절 시간, 서버 장치의 전원 온/오프 시간, 서버 장치의 사용 시간을 포함할 수 있고, 추가적으로, 선호 TV 채널, 선호 TV 프로그램, 컨텐츠 구매 이력, 서비스 사용 이력을 포함할 수 있다.
한편, 이상에서는 방송수신장치(300)에서 서버 장치로(100) 방송수신장치(300)에 대한 시청 로그 데이터만 전송되는 것으로 도시하고 설명하였으나, 실제 구현시 서버 장치(100)는, 방송수신장치(300)를 사용하는 적어도 하나의 사용자의 적어도 하나의 항목에 대한 미지의 정보를 포함하는 사용자 정보를 전송할 수도 있다. 이 경우, 서버 장치(100)는 갱신된 예측 모델을 이용하여 미지의 정보를 예측할 수 있다.
도 2는 본 개시의 일 실시 예에 따른 서버 장치의 구성을 간략하게 나타내는 블럭도이다.
도 2를 참조하면, 본 개시의 일 실시 예에 따른 서버 장치(100)는 통신부(110) 및 프로세서(120)를 포함한다.
통신부(110)는 외부 서버로부터 제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 복수의 제1 시청 로그 데이터 및 복수의 제1 사용자 각각의 복수의 사용자 정보를 수신받을 수 있다. 구체적으로, 통신부(110)는 외부 서버로부터 복수의 방송수신장치를 사용하는 복수의 사용자 각각에 대한 시청 로그 데이터 및 복수의 사용자 각각에 대한 복수의 항목으로 구성된 사용자 정보를 수신할 수 있다.
여기서, 외부 서버와 연결된 방송수신장치가 복수 개이면, 시청 로그 데이터는 복수의 방송수신장치 별로 생성되며, 복수의 방송수신장치 각각에 대한 시청 로그 데이터는 복수의 방송수신장치를 각각 사용하는 복수의 사용자 별로 사용 기록을 분류하여 시청 로그 데이터를 생성할 수 있다. 복수의 방송수신장치를 사용하는 복수의 사용자 각각에 대한 시청 로그 데이터를 생성하는 방법은 이하 도 6을 참조하여 자세히 설명한다.
한편, 통신부(110)는 외부 서버와 연결된 복수의 제1 방송수신장치 이외에 서버 장치(100)와 연결된 제2 방송수신장치로부터 제2 방송수신장치에 대한 시청 로그 데이터를 수신할 수 있다. 구체적으로, 제2 방송수신장치에 대한 시청 로그 데이터는 제2 방송수신장치를 사용한 내역을 시간 순으로 정렬한 것일 뿐, 제2 방송수신장치를 사용한 사용자의 수, 사용자의 성별, 연령 등 사용자의 개인 정보 등은 알 수 없다.
사용자의 개인 정보 등은 수신된 제2 방송수신장치에 대한 시청 로그 데이터에 기초하여 프로세서(120)에 의해 예측될 수 있다. 사용자 정보 예측에 대해서는 이하 프로세서(120)에 대한 기재 및 도 8을 참조하여 자세히 설명한다.
한편, 통신부(110)는 프로세서(120)에 의해 제2 방송수신장치에 대한 시청 로그 데이터에 기초하여 예측된 사용자 정보에 기초하여, 제2 방송수신장치를 사용하는 적어도 하나의 사용자 각각에 대응되는 것으로 검색된 컨텐츠를 제2 방송수신장치로 전송할 수 있다. 그리고, 통신부(110)는 프로세서(120)에 의해 예측된 사용자 정보를 제2 방송수신장치에 전송할 수 있다.
한편, 프로세서(120)는 외부 서버로부터 통신부(110)를 통해 수신된 복수의 제1 방송수신장치를 사용하는 복수의 제1 사용자에 대한 제1 시청 로그 데이터 및 복수의 제1 사용자 각각의 복수의 사용자 정보를 이용하여 예측 모델을 갱신할 수 있다.
구체적으로, 프로세서(120)는 외부 서버로부터 통신부(110)를 통해 수신된 복수의 제1 시청 로그 데이터를 시간순으로 정렬할 수 있다. 구체적으로, 프로세서(120)는 복수의 제1 방송수신장치 중 적어도 하나의 제1 방송수신장치를 사용하는 복수의 제1 사용자에 대한 제1 시청 로그 데이터를 방송수신장치 별로 시간순으로 정렬할 수 있다. 이에 대해서는 이하 도 7을 참조하여 자세히 설명한다.
그리고, 프로세서(120)는 복수의 제1 방송수신장치를 사용하는 복수의 제1 사용자에 대한 사용자 정보의 적어도 하나의 항목을 예측할 수 있다. 구체적으로, 프로세서(120)는 시청 로그 데이터로 방송수신장치를 사용하는 사용자의 수 및 사용자 정보를 예측하는 예측 모델을 이용하여 정렬된 제1 시청 로그 데이터에서 제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 사용자 정보를 예측할 수 있다. 구체적으로, 복수의 제1 사용자 각각에 대한 사용자 정보를 구성하는 복수의 항목 중 적어도 하나의 항목을 예측할 수 있다.
그리고, 프로세서(120)는 통신부(110)를 통해 수신된 복수의 제1 사용자 각각의 복수의 사용자 정보와 예측된 사용자 정보를 비교하여 예측 모델을 수정할 수 있다. 구체적으로, 프로세서(120)는 예측된 사용자 정보가 수신된 복수의 제1 사용자 각각의 복수의 사용자 정보에 근사하도록 예측 모델을 수정할 수 있다.
그리고, 프로세서(120)는 통신부(110)를 통하여 제2 방송수신장치로부터 제2 시청 로그 데이터가 수신되면, 갱신된 예측 모델을 이용하여 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측할 수 있다.
그리고, 프로세서(120)는 예측된 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보에 대응되는 컨텐츠 정보를 검색하여 제2 방송수신장치에 전달되도록 통신부(110)를 제어할 수 있다.
이때, 프로세서(120)는 제2 방송수신장치를 사용하는 사용자가 복수인 것으로 예측되면, 예측된 각 사용자의 정보에 따라 각각 대응되는 컨텐츠 정보를 검색하고, 검색된 각 사용자에 대응되는 컨텐츠 정보 중 공통된 컨텐츠 정보만 제2 방송수신장치로 전송되도록 통신부(110)를 제어할 수 있다.
그리고, 프로세서(120)는 시간대별로 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측할 수 있다. 구체적으로, 프로세서(120)는 갱신된 예측 모델을 이용하여 시간대별로 생성된 제2 시청 로그 데이터에서 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 시간대별로 예측할 수 있다.
이 경우, 프로세서(120)는 시간대별로 예측된 각 사용자 정보에 기초하여, 각 시간대별로 예측된 사용자 정보에 대응되는 컨텐츠를 검색하여 제2 방송수신장치에 전달되도록 통신부(110)를 제어할 수 있다.
이상에 기재한 다양한 실시 예에 따라, 방송수신장치를 사용하는 사용자의 수 및 각 사용자의 사용자 정보를 보다 정확히 예측할 수 있고, 예측된 사용자 정보에 따라 사용자에 따라 보다 적절한 컨텐츠 및 시간대별로 보다 적절한 컨텐츠를 제공할 수 있다.
도 3은 본 개시의 일 실시 예에 따른 서버 장치의 구성을 구체적으로 나타내는 블럭도이다.
도 3을 참조하면, 본 개시의 일 실시 예에 따른 서버 장치(100)는 통신부(110), 프로세서(120) 및 저장부(130)를 포함한다.
통신부(110) 및 프로세서(120)는 도 2에 도시된 구성과 동일한 바, 자세한 설명은 생략한다.
저장부(130)는 전자 장치(100)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 구체적으로, 저장부(130)는 서버 장치(100)의 제어를 위한 제어 프로그램, 제조사에서 최초 제공되거나 외부에서부터 다운로드 받은 어플리케이션, 어플리케이션과 관련된 GUI(graphical user interface), GUI를 제공하기 위한 오브젝트(예를 들어, 이미지 텍스트, 아이콘, 버튼 등), 사용자 정보, 문서, 데이터베이스들 또는 관련 데이터들을 저장할 수 있다.
구체적으로, 저장부(130)는 통신부(110)로부터 수신된 제1 방송수신장치를 사용하는 제1 사용자 각각에 대한 복수의 제1 로그 데이터, 제1 사용자 각각의 복수의 사용자 정보 및 예측된 제2 방송수신장치의 사용자 정보를 저장할 수 있다. 이 때, 사용자 정보는 복수의 방송수신장치 각각의 사용자의 성별, 연령, 소득 수준, 거주 지역, 세대 구조, 장치 사용 정보를 포함하고, 시청 로그 데이터는 방송수신장치에서의 서비스 이용 정보, 장치 이용 시간, 선호 채널 및 선호 TV 프로그램 등을 포함할 수 있다.
그리고, 저장부(130)는 시청 로그 데이터로부터 미지의 사용자 정보를 예측하기 위한 예측 모델의 파라미터를 저장할 수 있다.
그리고, 저장부(130)는 저장된 파라미터를 이용하여 프로세서(120)에 의해 예측된 제1 방송수신장치의 사용자의 수 및 각 사용자의 사용자 정보를 저장할 수 있다. 그리고, 저장부(130)는 예측된 사용자 정보 및 제1 방송수신장치로부터 수신된 사용자 정보에 기초하여 갱신된 예측 모델을 저장할 수 있다. 구체적으로, 저장부(130)는 예측된 사용자 정보를 제1 방송수신장치로부터 수신된 사용자 정보와 비교하여 계산된 에러에 기초하여 파라미터를 변경하여 갱신된 예측 모델을 저장할 수 있다.
그리고, 저장부(130)는 제2 방송수신장치로부터 제2 시청 로그 데이터가 수신되면, 수신된 제2 시청 로그 데이터를 저장할 수 있고, 갱신된 예측 모델을 이용하여 예측된 제2 방송수신장치를 사용하는 사용자의 수 및 사용자의 사용자 정보를 저장할 수 있다.
그리고, 저장부(130)는 각종 컨텐츠를 저장할 수 있다. 여기서 컨텐츠는 타 방송수신장치에서 사용자에게 제공될 수 있는 광고, 영화, TV 프로그램과 같은 동영상 파일이나, 이에 대응되는 썸네일 이미지와 같은 이미지 파일 등일 수 있다.
한편, 이상에서는 서버 장치(100)와 제2 방송수신장치가 별개의 구성인 것으로 도시하고 설명하였으나, 실제 구현시에는 서버 장치(100)와 제2 방송수신장치가 하나의 구성일 수 있으며, 이 경우에는 제2 로그 데이터 생성을 위해 사용자로부터 조작 명령을 입력받는 입력부 및 유저 인터페이스 화면이나 컨텐츠를 표시하는 디스플레이부가 더 포함될 수 있다.
도 4는 본 개시의 일 실시 예에 따른 사용자 프로파일링 방법을 개략적으로 나타내는 도면이다.
도 4를 참조하면, 본 개시의 일 실시 예에 따른 서버 장치의 프로세서(120)는 제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 복수의 제1 시청 로그 데이터(41), 복수의 제1 사용자 각각의 복수의 사용자 정보(42) 및 기계 학습을 수행할 수 있는 예측 모델(121)을 이용하여 사용자의 미지의 정보를 예측한 결과 정보(43)를 획득할 수 있다.
우선, 프로세서(120)는 제1 시청 로그 데이터(41), 사용자 정보(42)를 취합하여 사용자 정보를 프로파일링 할 수 있다. 이때, 사용자의 미지의 정보를 예측하기 위해 이용되는 제1 시청 로그 데이터(41) 및 사용자 정보(42)는 외부 서버로부터 수신된 것이거나, 복수의 사용자가 각각 사용하는 스마트 TV 또는 모바일 장치 등과 같은 적어도 하나의 제1 방송수신장치로부터 직접 수신된 것일 수 있다.
이때, 입력된 사용자 정보(42)는 정보 입력 여부에 따라 미지의 정보가 포함될 수 있다. 예를 들어, 방송수신장치 1(device ID:1)의 사용자 1 및 2의 연령 및 방송수신장치 2(device ID:2)의 사용자 1 내지 3의 연령은 입력되었으나, 방송수신장치 3(device ID:3)의 사용자 1 내지 3의 연령은 입력되지 않았으므로, 방송수신장치 3의 복수의 사용자의 연령은 미지의 정보에 해당할 수 있다.
이때, 프로세서(120)는 제1 시청 로그 데이터(41)를 이용하여 복수의 제1 방송수신장치에 대한 복수의 제1 사용자 각각의 사용자 정보를 예측할 수 있다. 구체적으로, 프로세서(120)는 복수의 제1 방송수신장치에 대한 복수의 제1 시청 로그 데이터(41)를 각 방송수신장치별로 시간순으로 정렬하여 각 제1 방송수신장치별로 제1 시청 로그 데이터를 생성하고, 생성된 각 제1 방송수신장치별 제1 시청 로그 데이터 및 사용자 정보 예측 모델(121)을 이용하여 복수의 제1 사용자 각각에 대한 사용자 정보(43)을 예측할 수 있다.
이때, 프로세서(120)는 예측된 사용자 정보(43)와 수신 또는 입력된 사용자 정보(42)를 비교하여 예측된 사용자 정보(43)의 에러를 계산하고, 이에 기초하여 예측 모델(121)의 파라미터를 수정하여 예측 모델(121)을 수정할 수 있다. 기계 학습 과정은 당 분야에서 잘 알려진 기술인 바, 자세한 설명은 생략한다.
한편, 이상에서는 복수의 사용자의 사용자 정보(42)로 연령만이 기재되었으나, 실제 구현시에는 성별, 소득 수준, 교육 수준 등을 더 포함할 수 있다.
이와 같이, 제1 방송수신장치를 사용하는 복수의 제1 사용자의 복수의 제1 시청 로그 데이터 및 복수의 사용자 정보를 이용하여 예측 모델을 수정함으로써, 보다 정확하게 미지의 사용자 정보를 예측할 수 있다.
도 5는 본 개시의 따른 실시 예에 따른 사용자 프로파일링 방법을 개략적으로 나타내는 도면이다.
도 5를 참조하면, 본 개시의 일 실시 예에 따른 서버 장치의 프로세서(120)는 제2 방송수신장치로부터 수신된 제2 시청 로그 데이터(51)를 이용하여 복수의 제2 방송수신장치를 각각 사용하는 적어도 하나의 사용자의 미지의 정보를 예측한 결과 정보(52)를 획득할 수 있다. 이때, 예측된 결과 정보(52)는 제2 방송수신장치를 사용하는 사용자의 수와 각 사용자의 사용자 정보를 포함할 수 있다.
구체적으로, 프로세서(120)는 제2 방송수신장치를 사용하는 사용자가 구분되지 않은 복수의 제2 방송수신장치 각각의 사용 기록인 제2 시청 로그 데이터(51)를 이용하여 시간대별로 제2 방송수신장치를 사용한 사용자의 수와 사용자 정보(52)를 예측할 수 있다. 이때, 프로세서(120)는 수신 또는 입력된 제2 시청 로그 데이터(51) 및 갱신된 예측 모델을 이용하여 예측 결과 정보(52)를 획득할 수 있다. 여기서, 이용되는 예측 모델은 도 4에 기재된, 기계 학습을 통해 수정된 예측 모델일 수 있다.
이와 같이, 수정된 예측 모델을 사용함으로써, 사용자가 구분되지 않은 제2 방송수신장치의 사용 기록인 제2 시청 로그 데이터를 이용하더라도, 시간대별로 제2 방송수신장치를 사용하는 사용자의 수 및 적어도 하나의 사용자 각각의 사용자 정보를 예측할 수 있게 된다.
도 6은 외부 서버에서 제1 시청 로그 데이터 및 사용자 정보를 수집하는 방법을 개략적으로 나타내는 도면이다.
도 6을 참조하면, 외부 서버(미도시)와 연결된 제1 방송수신장치(201)는 복수의 사용자(20-1, 20-2)에 의해 사용될 수 있다. 구체적으로, 제1 방송수신장치(201)는 복수의 사용자(20-1, 20-2) 각각의 조작을 구분하여 입력받을 수 있다. 예를 들어, 복수의 사용자(20-1, 20-2)는 제1 방송수신장치(201)를 조작할 수 있는 복수의 리모콘(10-1, 10-2)을 각각 사용하여 제1 방송수신장치(201)를 조작할 수 있다. 한편, 이에 한정되지 않고, 하나의 리모콘에 복수의 사용자(20-1, 20-2)가 조작하는 범위가 각각 다르거나, 조작 전 조작하는 사용자가 누구인지 입력 후 조작을 하는 등 제1 방송수신장치(201)가 복수의 사용자(20-1, 20-2)의 조작을 구분할 수 있는 모든 방법에 사용 가능하다.
그리고, 제1 방송수신장치(201)는 복수의 사용자(20-1, 20-2)가 제1 방송수신장치(201)를 사용한 기록인 제1 시청 로그 데이터(61)를 생성할 수 있다. 이때, 제1 방송수신장치(201)는 복수의 사용자(20-1, 20-2)별로 사용 기록을 분류하여 제1 시청 로그 데이터(61)를 생성할 수 있다.
그리고, 제1 방송수신장치(201)는 복수의 사용자(20-1, 20-2) 각각에 대한 사용자 정보(62)를 생성할 수 있다. 이때, 사용자 정보(62)는 복수의 사용자(20-1, 20-2)가 리모콘(10-1, 10-2)을 통하여 제1 방송수신장치(201)에 입력한 것일 수 있다. 한편, 사용자 정보(62)는 제1 방송수신장치(201)에 입력하지 않더라도, 외부 기관으로부터 조사된 각 가정 별 인구 조사 결과를 제공받은 것일 수도 있다.
한편, 도 6에서는 하나의 가족에 두 명의 사용자가 존재하는 것으로 도시하고 설명하였으나, 실제 구현시에는 한 명 또는 세 명 이상의 사용자가 제1 방송수신장치(201)를 공유할 수 있다. 그리고, 이상에서는 외부 서버와 연결된 제1 방송수신장치(201)가 하나인 것으로 설명되었으나, 실제 구현시에는 외부 서버와 연결된 서버 장치는 복수 개 일 수 있다.
그리고, 제1 방송수신장치(201)는 생성된 복수의 사용자(20-1, 20-2)에 대한 제1 시청 로그 데이터(61) 및 사용자 정보(62)를 외부 서버(미도시) 또는 방송수신장치(미도시)에 전송할 수 있다.
그리고, 제1 방송수신장치(201)로부터 제1 시청 로그 데이터(61) 및 사용자 정보(62)를 수신한 외부 서버는 본 개시의 일 실시 예에 따른 서버 장치(미도시)에 수신된 제1 시청 로그 데이터(61) 및 사용자 정보(62)를 전송할 수 있다.
도 7은 본 개시의 일 실시 예에 따라 제1 시청 로그 데이터를 제1 방송수신장치별로 시간순으로 정렬하는 방법을 개략적으로 나타내는 도면이다.
도 7을 참조하면, 서버 장치는 외부 서버로부터 외부 서버와 연결된 복수의 제1 방송수신장치에 대한 복수의 제1 사용자가 복수의 제1 방송수신장치를 각각 사용한 기록인 제1 시청 로그 데이터(71)를 수신하고, 수신된 제1 시청 로그 데이터(71)를 시간순으로 정렬하여 정렬된 제1 시청 로그 데이터(72)를 생성할 수 있다. 그리고, 서버 장치는 정렬된 제1 시청 로그 데이터(72)를 저장할 수 있다.
도시되지는 않았으나, 서버 장치는 외부 서버로부터 복수의 제1 사용자 각각에 대한 사용자 정보를 함께 수신할 수 있으며, 정렬된 제1 시청 로그 데이터(72) 및 수신된 사용자 정보는, 사용자 정보 없이 제2 방송수신장치에 대한 제2 시청 로그 데이터만 입력된 경우, 제2 방송수신장치를 사용한 사용자의 수 및 사용자 정보를 예측하기 위한 예측 모델을 갱신하는 데 사용되는 데이터 베이스가 될 수 있다.
도 8은 본 개시의 일 실시 예에 따른 제2 시청 로그 데이터를 이용한 사용자 프로파일링 방법을 개략적으로 나타내는 도면이다.
도 8을 참조하면, 본 개시의 일 실시 예에 따른 서버 장치와 연결된 제2 방송수신장치(300)는 복수의 사용자(20-1, 20-2)에 의해 사용될 수 있다. 구체적으로, 제2 방송수신장치(300)는 복수의 사용자(20-1, 20-2)의 조작을 입력받을 수 있다. 이때, 제2 방송수신장치(300)는 리모콘(10)에 의한 조작만 입력받을 수 있을 뿐, 복수의 사용자(20-1, 20-2)가 조작하는지 여부는 구분할 수 없다.
본 개시의 일 실시 예에 따른 서버 장치는 연결된 제2 방송수신장치(300)로부터 제2 방송수신장치(300)가 사용된 기록인 제2 시청 로그 데이터(81)를 수신할 수 있으며, 도 8에서는 복수의 사용자가 제2 방송수신장치(300)를 사용하였음을 나타내기 위하여 사용자가 구분되도록 제2 시청 로그 데이터(81)를 도시하였으나, 실제 구현시에는 제2 방송수신장치(300)로부터 수신된 제2 시청 로그 데이터(81)는 제2 방송수신장치(300)의 사용 내역이 시간 순으로 기록된 것일 수 있다.
본 개시의 일 실시 예에 따른 서버 장치의 프로세서(120)는 수신된 제2 시청 로그 데이터(81) 및 수정된 예측 모델을 이용하여 제2 방송수신장치(300)의 사용자의 수 및 사용자별 사용자 정보를 예측할 수 있다. 이때, 수정된 예측 모델은 도 4에 도시된 바와 같이 기계 학습이 수행되어 보다 정확한 예측이 가능한 예측 모델일 수 있다.
본 개시의 일 실시 예에 따른 서버 장치의 프로세서(120)는 수신된 제2 시청 로그 데이터(81) 및 수정된 예측 모델을 이용하여 제2 방송수신장치(300)를 사용하는 사용자의 수 및 사용자 각각의 사용자 정보(82)를 예측할 수 있다. 예를 들어, 제2 방송수신장치(300)를 공유하는 가족 1의 구성원의 수, 각 구성원의 성별 및 연령 등의 정보를 프로파일링할 수 있다.
이와 같이, 방송수신장치의 사용 기록을 시간순으로 정렬한 시청 로그 데이터 및 기계 학습이 수행된 예측 모델을 이용하여 방송수신장치를 사용하는 복수의 구성원을 보다 정확하게 프로파일링할 수 있다.
도 9는 본 개시의 일 실시 예에 따른 사용자 프로파일링 방법을 설명하기 위한 흐름도이다.
우선 외부 서버(200)는 제1 시청 로그 데이터 및 사용자 정보를 수집할 수 있다(S901). 구체적으로, 외부 서버(200)는 제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 복수의 제1 시청 로그 데이터 및 복수의 사용자 각각에 대한 사용자 정보를 수집할 수 있다. 여기서, 수집되는 제1 시청 로그 데이터는 복수의 제1 방송수신장치 각각을 사용하는 복수의 제1 사용자 각각에 대한 데이터로, 사용자마다 구별되는 리모콘을 사용하는 등 조작 명령이 입력된 복수의 제1 방송수신장치 각각은 명령을 입력한 제1 사용자 각각을 구분할 수 있다. 그리고, 사용자 정보는 복수의 사용자 각각에 의해 직접 입력된 것일 수 있다.
그리고, 외부 서버(200)는 수집된 제1 시청 로그 데이터 및 사용자 정보를 서버 장치(100)에 전송할 수 있다.
외부 서버(200)로부터 수신된 제1 시청 로그 데이터 및 사용자 정보를 수신받은 서버 장치(100)는 수신된 제1 시청 로그 데이터를 시간순으로 정렬할 수 있다(S903). 예를 들어, 사용자 1 및 사용자 2가 방송수신장치 1을 사용하는 경우, 서버 장치(100)는 수신된 사용자 1에 대한 제1 시청 로그 데이터와 사용자 2에 대한 제1 시청 로그 데이터를 병합하여, 시간순으로 정렬할 수 있다.
그 다음, 서버 장치(100)는 복수의 제1 방송수신장치를 각각 사용하는 복수의 제1 사용자의 수 및 사용자 각각의 사용자 정보를 예측할 수 있다(S904). 구체적으로, 서버 장치(100)는 제1 시청 로그 데이터로 방송수신장치를 사용하는 사용자의 수 및 각 사용자 정보를 예측하는 예측 모델을 이용하여 정렬된 제1 시청 로그 데이터에서 상기 복수의 제1 방송수신장치를 사용하는 사용자의 수 및 각 사용자의 사용자 정보를 예측할 수 있다.
그 다음, 서버 장치(100)는 예측된 사용자의 수 및 사용자 정보 기초하여 예측 모델을 갱신할 수 있다(S905). 구체적으로, 서버 장치(100)는 예측된 사용자의 수 및 사용자 정보와, 외부 서버(200)로부터 수신된 복수의 제1 사용자의 사용자 정보를 비교하여 예측된 정보의 에러에 기초하여 예측 모델을 갱신할 수 있다. 한편, 도 9에서는 설명의 편의를 위하여 사용자 정보를 예측하는 단계(S904) 및 이에 기초하여 예측 모델을 수정하는 단계(S905)가 한 번씩만 수행되는 것으로 도시하고 설명하였으나, 실제 구현시에는 예측 및 갱신 단계가 수 회 반복되어 보다 정확한 예측을 가능하게 하는 기계 학습이 수행되는 형태로 구현될 수 있다.
한편, 서버 장치(100)와 연결된 제2 방송수신장치(300)는 제2 방송수신장치(300)를 사용하는 적어도 하나의 사용자에 대한 제2 시청 로그 데이터를 생성할 수 있다(S906). 여기서, 제2 방송수신장치(300)에 대한 제2 시청 로그 데이터는 제2 방송수신장치(300)를 사용한 내역을 시간순으로 정렬한 것일 뿐, 제2 방송수신장치(300)를 사용한 사용자의 수, 사용자의 성별, 연령 등 사용자의 정보 등은 알 수 없다. 한편, 제2 방송수신장치(300)에 대한 제2 시청 로그 데이터가 생성되는 시점은, 서버 장치(100)의 동작 순서와는 별개일 수 있다.
그 다음, 제2 방송수신장치(300)는 생성된 제2 시청 로그 데이터를 서버 장치(100)에 전송할 수 있다(S907).
한편, 제2 방송수신장치(300)로부터 제2 방송수신장치(300)에 대한 제2 시청 로그 데이터를 전송 받은 서버 장치(100)는 갱신된 예측 모델을 이용하여 제2 방송수신장치(300)의 사용자에 대한 사용자 정보를 예측할 수 있다(S908). 한편, 도시되지는 않았지만, 서버 장치(100)는 예측된 제2 방송수신장치(300)의 사용자에 대한 사용자 정보를 제2 방송수신장치(300)에 전송할 수 있다.
한편, 서버 장치(100)는 제2 방송수신장치(300)를 사용하는 적어도 하나의 사용자에 대여 예측된 사용자 정보 기초하여, 적어도 하나의 사용자 각각에 대응되는 컨텐츠를 검색할 수 있다(S909). 그리고, 서버 장치(100)는 검색된 컨텐츠가 제2 방송수신장치(300)에 표시되도록 검색된 컨텐츠를 제2 방송수신장치(300)에 전송할 수 있다(S910).
이상에 기재한 바와 같은 다양한 실시 예에 따라, 외부 서버로부터 수신된 복수의 사용자가 구분된 제1 시청 로그 데이터 및 사용자 정보를 이용하여 예측모델을 반복적으로 갱신함으로써, 적은 입력 데이터를 이용하여 보다 정확한 복수의 사용자 정보 예측을 통한 사용자 프로파일링이 가능할 수 있다.
본 개시의 예시적 실시 예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 예를 들어, 상기 컴퓨터 판독 가능 매체는 삭제 가능 또는 재기록 가능 여부와 상관없이, ROM 등의 저장 장치와 같은 휘발성 또는 비휘발성 저장 장치, 또는 예를 들어, RAM, 메모리 칩, 장치 또는 집적 회로와 같은 메모리, 또는 예를 들어 CD, DVD, 자기 디스크 또는 자기 테이프 등과 같은 광학 또는 자기적으로 기록 가능함과 동시에 기계(예를 들어, 컴퓨터)로 읽을 수 있는 저장 매체에 저장될 수 있다. 이동 단말 내에 포함될 수 있는 메모리는 본 개시의 실시 예들을 구현하는 지시들을 포함하는 프로그램 또는 프로그램들을 저장하기에 적합한 기계로 읽을 수 있는 저장 매체의 한 예임을 알 수 있을 것이다. 상기 매체에 기록되는 프로그램 명령은 본 개시를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
이상과 같이 본 개시는 비록 한정된 예시적 실시 예와 도면에 의해 설명되었으나, 본 개시는 상기의 예시적 실시 예에 한정되는 것은 아니며, 본 개시가 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 개시의 범위는 설명된 예시적 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (15)

  1. 서버 장치에 있어서,
    제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 복수의 제1 시청 로그 데이터와 상기 복수의 제1 사용자 각각의 복수의 사용자 정보를 외부 서버로부터 수신하는 통신부;
    상기 수신된 복수의 제1 시청 로그 데이터 및 상기 수신된 복수의 사용자 정보에 기초하여, 시청 로그 데이터에서 방송수신장치를 이용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측하는 예측 모델을 갱신하는 프로세서;를 포함하고,
    상기 프로세서는,
    상기 통신부를 통하여 제2 방송수신장치로부터 제2 시청 로그 데이터가 수신되면, 상기 갱신된 예측 모델을 이용하여 상기 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측하는 서버 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 예측된 사용자 수 및 상기 예측된 사용자 정보에 대응되는 컨텐츠 정보를 검색하고, 상기 검색된 컨텐츠 정보가 상기 제2 방송수신장치에 전달되도록 상기 통신부를 제어하는 서버 장치.
  3. 제2항에 있어서,
    상기 프로세서는,
    상기 예측된 각 사용자의 사용자 정보에 각각 대응되는 컨텐츠 정보를 검색하고, 상기 검색된 각 컨텐츠 정보 중 공통된 컨텐츠 정보를 상기 제2 방송수신장치에 전달되도록 상기 통신부를 제어하는 서버 장치.
  4. 제1항에 있어서,
    상기 프로세서는,
    시간대별로 상기 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측하는 서버 장치.
  5. 제4항에 있어서,
    상기 프로세서는,
    상기 시간대별로 예측된 사용자 정보에 대응되는 컨텐츠 정보를 검색하고, 검색된 컨텐츠 정보가 상기 제2 방송수신장치에 전달되도록 상기 통신부를 제어하는 서버 장치.
  6. 제1항에 있어서,
    상기 프로세서는,
    상기 수신된 복수의 제1 시청 로그 데이터를 시간순으로 정렬하고, 상기 예측 모델을 이용하여 상기 정렬된 시청 로그 데이터에서 상기 제1 방송수신장치를 사용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측하고, 상기 수신된 복수의 제1 사용자 각각의 복수의 사용자 정보와 상기 예측된 사용자 정보를 비교하여 상기 예측 모델을 수정하는 서버 장치.
  7. 제6항에 있어서,
    상기 프로세서는,
    상기 예측된 사용자 정보가 상기 수신된 복수의 제1 사용자 각각의 복수의 사용자 정보에 근사하도록 상기 예측 모델을 수정하는 서버 장치.
  8. 제1항에 있어서,
    상기 예측 모델은,
    순환형 신경망(recurrent neural network), 완전 접속망(fully connected network), 회선 신경망(convolutional neural network) 중 어느 하나를 포함하는 서버 장치.
  9. 제1항에 있어서,
    상기 사용자 정보는,
    성별, 연령, 소득 수준 및 교육 수준 중 적어도 하나를 포함하는 서버 장치.
  10. 제1항에 있어서,
    상기 제1 시청 로그 데이터 및 제2 시청 로그 데이터는,
    시청된 채널, 채널 변경 시간, 볼륨 조절 시간, 상기 서버 장치의 전원 온/오프 시간 중 적어도 하나인 서버 장치.
  11. 서버 장치의 제어 방법에 있어서,
    제1 방송수신장치를 사용하는 복수의 제1 사용자 각각에 대한 복수의 제1 시청 로그 데이터와 상기 복수의 제1 사용자 각각의 복수의 사용자 정보를 외부 서버로부터 수신하는 단계;
    상기 수신된 복수의 제1 시청 로그 데이터 및 상기 수신된 복수의 사용자 정보에 기초하여, 시청 로그 데이터에서 방송수신장치를 이용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측하는 예측 모델을 갱신하는 단계; 및
    제2 방송수신장치로부터 제2 시청 로그 데이터가 수신되면, 상기 갱신된 예측 모델을 이용하여 상기 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측하는 단계;를 포함하는 서버 장치의 제어 방법.
  12. 제11항에 있어서,
    상기 예측된 사용자 수 및 상기 예측된 사용자 정보에 대응되는 컨텐츠 정보를 검색하는 단계; 및
    상기 검색된 컨텐츠 정보를 상기 제2 방송수신장치에 전달하는 단계;를 더 포함하는 서버 장치의 제어 방법.
  13. 제12항에 있어서,
    상기 검색하는 단계는,
    상기 예측된 각 사용자의 사용자 정보에 각각 대응되는 컨텐츠 정보를 검색하고,
    상기 전달하는 단계는,
    상기 검색된 각 컨텐츠 정보 중 공통된 컨텐츠 정보를 상기 제2 방송수신장치에 전달하는 서버 장치의 제어 방법.
  14. 제11항에 있어서,
    상기 예측하는 단계는,
    시간대별로 상기 제2 방송수신장치를 사용하는 사용자 수 및 각 사용자의 사용자 정보를 예측하고,
    상기 시간대별로 예측된 사용자 정보에 대응되는 컨텐츠 정보를 검색하고, 검색된 컨텐츠 정보를 상기 제2 방송수신장치 전달하는 단계;를 더 포함하는 서버 장치의 제어 방법.
  15. 제11항에 있어서,
    상기 갱신하는 단계는,
    상기 수신된 복수의 제1 시청 로그 데이터를 시간순으로 정렬하는 단계;
    상기 예측 모델을 이용하여 상기 정렬된 시청 로그 데이터에서 상기 제1 방송수신장치를 사용하는 사용자 수 및 사용자 각각의 사용자 정보를 예측하는 단계;
    상기 수신된 복수의 제1 사용자 각각의 복수의 사용자 정보와 상기 예측된 사용자 정보를 비교하여 상기 예측 모델을 수정하는 단계;를 포함하는 서버 장치의 제어 방법.
PCT/KR2017/007059 2016-08-26 2017-07-04 서버 장치 및 그 제어 방법 WO2018038384A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/328,055 US10750239B2 (en) 2016-08-26 2017-07-04 Server apparatus and method for controlling same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2016-0109159 2016-08-26
KR1020160109159A KR102536202B1 (ko) 2016-08-26 2016-08-26 서버 장치, 그 제어 방법 및 컴퓨터 판독가능 기록 매체

Publications (1)

Publication Number Publication Date
WO2018038384A1 true WO2018038384A1 (ko) 2018-03-01

Family

ID=61245011

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/007059 WO2018038384A1 (ko) 2016-08-26 2017-07-04 서버 장치 및 그 제어 방법

Country Status (3)

Country Link
US (1) US10750239B2 (ko)
KR (1) KR102536202B1 (ko)
WO (1) WO2018038384A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020189884A1 (en) * 2018-06-04 2020-09-24 Samsung Electronics Co., Ltd. Machine learning-based approach to demographic attribute inference using time-sensitive features

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11916769B2 (en) 2018-06-06 2024-02-27 The Nielsen Company (Us), Llc Onboarding of return path data providers for audience measurement
US10805029B2 (en) * 2018-09-11 2020-10-13 Nbcuniversal Media, Llc Real-time automated classification system
CN109756759B (zh) * 2018-12-26 2021-01-15 北京蓦然认知科技有限公司 一种弹幕信息推荐方法和装置
WO2021041909A1 (en) * 2019-08-29 2021-03-04 The Nielsen Company (Us), Llc Onboarding of return path data providers for audience measurement
US11775196B2 (en) * 2020-05-27 2023-10-03 EMC IP Holding Company LLC Generating data replication configurations using artificial intelligence techniques

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100889987B1 (ko) * 2007-11-30 2009-03-25 엔에이치엔(주) 방송 프로그램 추천 시스템 및 방법
KR20120003362A (ko) * 2010-07-02 2012-01-10 아코지토(주) 협력적 필터링 알고리즘 기반의 ｉｐｔｖ 개인별 선호프로그램 추천시스템
US20120278330A1 (en) * 2011-04-28 2012-11-01 Ray Campbell Systems and methods for deducing user information from input device behavior
US20140280879A1 (en) * 2013-03-14 2014-09-18 Zbignew Skolicki Detecting User Interest in Presented Media Items by Observing Volume Change Events
KR101495297B1 (ko) * 2013-04-29 2015-02-27 에이스텔 주식회사 스마트 티비 기반의 상황 인지를 통한 사용자 이력 분석 제공 시스템, 장치, 방법 및 컴퓨터 판독 가능한 기록 매체

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU761730B2 (en) 1998-12-03 2003-06-05 Samsung Electronics Co., Ltd. Subscriber identification system
US8543456B2 (en) 2003-12-15 2013-09-24 Ip Mining Corporation Media targeting system and method
EP1223757B1 (en) 2001-01-09 2006-03-22 Metabyte Networks, Inc. System, method, and software application for targeted advertising via behavioral model clustering, and preference programming based on behavioral model clusters
US7757250B1 (en) 2001-04-04 2010-07-13 Microsoft Corporation Time-centric training, inference and user interface for personalized media program guides
US8490136B2 (en) * 2009-05-07 2013-07-16 Sirius Xm Radio Inc. Method and apparatus for providing enhanced electronic program guide with personalized selection of broadcast content using affinities data and user preferences
US8504575B2 (en) 2006-03-29 2013-08-06 Yahoo! Inc. Behavioral targeting system
US20070271580A1 (en) * 2006-05-16 2007-11-22 Bellsouth Intellectual Property Corporation Methods, Apparatus and Computer Program Products for Audience-Adaptive Control of Content Presentation Based on Sensed Audience Demographics
US20090024546A1 (en) 2007-06-23 2009-01-22 Motivepath, Inc. System, method and apparatus for predictive modeling of spatially distributed data for location based commercial services
US8180891B1 (en) * 2008-11-26 2012-05-15 Free Stream Media Corp. Discovery, access control, and communication with networked services from within a security sandbox
US20130246164A1 (en) 2010-07-09 2013-09-19 Vimal Kumar Khanna System and method for predicting specific mobile user/specific set of localities for targeting advertisements.
US9269047B2 (en) * 2010-12-09 2016-02-23 At&T Intellectual Property I, L.P. Rule-based selection of content
US9569788B1 (en) * 2011-05-03 2017-02-14 Google Inc. Systems and methods for associating individual household members with web sites visited
US8510770B1 (en) * 2012-02-03 2013-08-13 Google Inc. Predicting live programs
KR101769976B1 (ko) * 2013-03-06 2017-08-21 한국전자통신연구원 시청 가구 구성원 프로파일 추론 방법 및 장치
KR102104355B1 (ko) * 2013-08-30 2020-05-29 엘지전자 주식회사 영상 표시 기기 및 그 동작 방법
KR102214246B1 (ko) * 2014-10-07 2021-02-09 주식회사 케이티 가변형 홈쇼핑 채널 제공 방법, 시스템 및 서버
US9357266B2 (en) * 2014-10-29 2016-05-31 Echostar Technologies L.L.C. Apparatus, systems and methods for media content event recommendation banner
US9967619B2 (en) * 2014-12-01 2018-05-08 Google Llc System and method for associating search queries with remote content display
US9571881B1 (en) * 2015-07-27 2017-02-14 Sling Media Pvt Ltd. Video electronic programming guide
US9807447B2 (en) * 2015-08-31 2017-10-31 Verizon Patent And Licensing Inc. Intelligent scheduling of DVR commands and DVR client status updates
US10257572B2 (en) * 2017-01-03 2019-04-09 Bliss Point Media, Inc. Optimization of broadcast event effectiveness
US10405027B2 (en) * 2017-12-03 2019-09-03 Cisco Technology, Inc. Cloud DVR system with retroactive recording
US10341703B1 (en) * 2018-06-26 2019-07-02 Hitachi, Ltd. Integrated audience interaction measurements for videos

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100889987B1 (ko) * 2007-11-30 2009-03-25 엔에이치엔(주) 방송 프로그램 추천 시스템 및 방법
KR20120003362A (ko) * 2010-07-02 2012-01-10 아코지토(주) 협력적 필터링 알고리즘 기반의 ｉｐｔｖ 개인별 선호프로그램 추천시스템
US20120278330A1 (en) * 2011-04-28 2012-11-01 Ray Campbell Systems and methods for deducing user information from input device behavior
US20140280879A1 (en) * 2013-03-14 2014-09-18 Zbignew Skolicki Detecting User Interest in Presented Media Items by Observing Volume Change Events
KR101495297B1 (ko) * 2013-04-29 2015-02-27 에이스텔 주식회사 스마트 티비 기반의 상황 인지를 통한 사용자 이력 분석 제공 시스템, 장치, 방법 및 컴퓨터 판독 가능한 기록 매체

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020189884A1 (en) * 2018-06-04 2020-09-24 Samsung Electronics Co., Ltd. Machine learning-based approach to demographic attribute inference using time-sensitive features
US11451875B2 (en) 2018-06-04 2022-09-20 Samsung Electronics Co., Ltd. Machine learning-based approach to demographic attribute inference using time-sensitive features

Also Published As

Publication number Publication date
KR20180023584A (ko) 2018-03-07
KR102536202B1 (ko) 2023-05-25
US20190200076A1 (en) 2019-06-27
US10750239B2 (en) 2020-08-18

Similar Documents

Publication Publication Date Title
WO2018038384A1 (ko) 서버 장치 및 그 제어 방법
RU2523930C2 (ru) Основанная на контексте рекомендующая система
JP4795603B2 (ja) 電子番組ガイド閲覧履歴生成方法及びシステム
WO2012057507A2 (en) Server, user terminal apparatus and method of controlling the same, and method of providing service
WO2016117965A1 (ko) 캘린더를 이용한 스케쥴 관리시스템 및 스케쥴 관리방법
CN105635824A (zh) 个性化频道推荐方法和系统
JPH06124309A (ja) 情報サービスシステムおよび放送受信システム
WO2012070880A2 (en) Content-providing method and system
CN101075893B (zh) 网络信息处理设备及其控制方法
CN101888527A (zh) 推荐本地和远程内容的方法
WO2015012581A2 (ko) 동영상 콘텐츠 제공, 편집 및 재생을 위한 장치 및 그 방법
EP3175626A1 (en) Server, information providing method of server, display apparatus, controlling method of display apparatus and information providing system
WO2013103231A1 (ko) 소셜 네트워크 서비스를 통한 콘텐트 리스트 제공 시스템 및 방법
WO2018016810A1 (en) Display device and method for recommending contents of the display device
CN101888501A (zh) 内容检索的方法
EP3056015A1 (en) User terminal apparatus, server, and method for providing broadcast viewing pattern information
CN105122829A (zh) 提供用于广播媒体内容和流媒体内容的相关节目信息
WO2021235643A1 (ko) 컴퓨팅 장치 및 그 동작 방법
WO2017052148A1 (en) Broadcast receiving apparatus and information providing method thereof
EP2497064A2 (en) Service providing apparatus and method for recommending service thereof
WO2014069754A1 (ko) 관심분야 기반 컨텐츠 제공 시스템 및 방법
WO2012176995A1 (en) Apparatus and method for displaying images for different accounts
WO2016129804A1 (ko) 소비자 행동 패턴을 기반으로 한 웹페이지 생성 방법 및 활용 방법
CN103686402A (zh) 一种基于节目信息的视频定位方法及视频播放器
WO2015170851A1 (ko) 방송정보 기반 3d 캐릭터 설치 추천 시스템 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17843804

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17843804

Country of ref document: EP

Kind code of ref document: A1