WO2018174469A1 - 디지털 정보 제공 시스템 및 방법 - Google Patents

디지털 정보 제공 시스템 및 방법 Download PDF

Info

Publication number
WO2018174469A1
WO2018174469A1 PCT/KR2018/003068 KR2018003068W WO2018174469A1 WO 2018174469 A1 WO2018174469 A1 WO 2018174469A1 KR 2018003068 W KR2018003068 W KR 2018003068W WO 2018174469 A1 WO2018174469 A1 WO 2018174469A1
Authority
WO
WIPO (PCT)
Prior art keywords
digital information
cluster
user
representative
representative cluster
Prior art date
Application number
PCT/KR2018/003068
Other languages
English (en)
French (fr)
Inventor
이명기
백승빈
이정환
Original Assignee
(주)플랜아이
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 (주)플랜아이 filed Critical (주)플랜아이
Publication of WO2018174469A1 publication Critical patent/WO2018174469A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement

Definitions

  • the present invention relates to a digital information providing system and method for predicting and providing digital information. Specifically, the present invention relates to a system for dynamically predicting and providing predetermined digital information according to a consumption pattern of a user by dynamically managing a representative population of a user; It's about how.
  • Pattern recognition refers to dividing a group into several groups based on input criteria for a given set of data.
  • the core of the pattern recognition problem is to effectively express and distinguish various deformations, and the methodology in the field of machine learning can be applied to solve the problems caused by the deformation of these patterns.
  • Machine learning is the study of how to implement the learning ability through the machine, which is one of human's unique intelligent functions. Develop methodologies to analyze given information and automatically extract general rules or new knowledge from it.
  • the learning phase is usually performed only once in the first process of creating the recognizer, and the recognition phase is performed whenever new data is given.
  • classification is a problem of dividing a given data set into several predefined classes.
  • clustering simply takes a single chunk of data without class information and analyzes its distribution characteristics. Dividing into any plurality of groups. In other words, since there is no predetermined class label, data having similar input values is similarly clustered according to similarity of input values.
  • classification and clustering problems The biggest difference between the classification and clustering problems is whether the data used for learning is provided with the desired output information (class information).
  • classification and clustering problems in the field of pattern recognition lead to supervised learning and unsupervised learning in machine learning.
  • Supervised learning means that there is a supervisor that informs in advance the output information (class information) output by the recognizer at the time of learning. In the non-supervised learning, there is no supervisor that informs the output information (class information). Do not. In the end, supervised learning is used to create classifiers, and unsupervised learning is used for clustering. In the case of a data set for clustering, non-supervised learning should be performed because there is no information on class labels, that is, desirable output information (class information).
  • 3V volume, Velocity, and Variety.
  • value and complexity have been added, and the result reflects the demand for valuable data, not just big data analysis of quantitative information.
  • prediction means that the accuracy is quite high, including statistical algorithms and the composition of many characteristic layers, without depending on human sense or perception.
  • the present invention is to solve the above problems, in order to efficiently provide digital information to the user to continuously search and store the user's consumption pattern to dynamically manage the user's representative cluster to recommend the digital information more precisely The purpose.
  • the present invention provides a storage unit 108 for storing digital information, a cluster of the digital information, and a representative cluster of the digital information selected by measuring a score of the digital information, and when a user consumes the digital information.
  • a digital information providing system comprising a; user analysis unit 110 for analyzing a preference response of any user, the user analysis unit 110 is to present the digital information based on the preference response of the arbitrary user; Storing as digital information and dynamically setting the representative cluster of the arbitrary user based on the representative cluster of the current digital information, and according to the consumption pattern of the preceding user corresponding to the dynamically set representative cluster of the arbitrary user. It is characterized by providing a predetermined digital information to predict.
  • the present invention is characterized in that it further comprises an input unit 104 for receiving a large amount of digital information for machine learning and an analysis unit 106 for analyzing the input digital information.
  • the analysis unit 106 performs the clustering of the large amount of digital information by morphological analysis, and measures the score of each digital information based on the number of views, preference response of each input digital information A score is measured for the cluster formed by the clustering based on the score of the digital information, and one of the clusters to which each digital information belongs is selected as a representative cluster of the digital information, and the point of time of inquiry of the digital information And sorting the digital information, the cluster of the digital information, and the representative cluster of the digital information in chronological order according to a preferred response time.
  • the predetermined digital information predicted and provided by the user analyzer 110 may include a consumption pattern of a preceding user belonging to the representative cluster of the arbitrarily set user and digital information corresponding to the consumption pattern. It is characterized in that provided in consideration of the score of the cluster score and digital information.
  • the present invention after storing the digital information as the current digital information based on the preference response of the arbitrary user and dynamically set the representative cluster of the arbitrary user based on the representative cluster of the current digital information,
  • the new digital information is newly stored as the current digital information, and the representative population of the arbitrary user is dynamically changed based on the representative cluster of the newly stored current digital information. It characterized in that it is set to.
  • the present invention is characterized in that when the new inflow is generated through the switching device 702 separately analyzing the consumption pattern of the new inflow 704, it is applied to the storage unit 108 through the connection device 706 do.
  • the present invention relates to a method for providing digital information, the preference response of any user consuming the digital information from the cluster of the preceding user and the representative cluster of the preceding user based on the cluster of digital information and the representative cluster of the digital information.
  • the present invention in another aspect, the step of receiving a large amount of digital information for machine learning to form the cluster of the digital information, the representative cluster of the digital information, the cluster of the preceding user, the representative cluster of the preceding user; Extracting one or more subject words for each digital information to form a cluster of one or more digital information; Selecting a representative cluster of digital information by measuring a score of the digital information and a cluster of the digital information; Analyzing the time points of consumption of the digital information and sorting the digital information, the cluster of the digital information, and the representative cluster of the digital information in chronological order; And forming a cluster of the user and a representative cluster of the user based on the cluster of the digital information and the representative cluster of the digital information.
  • the present invention also relates to a computer program stored in a medium for executing a method for providing digital information, wherein the digital information is derived from a group of preceding users and a representative group of preceding users based on the cluster of digital information and the representative cluster of the digital information. Storing the digital information as current digital information based on a preference response of any user consuming the dynamic and dynamically setting the representative community of the arbitrary users based on the representative cluster of the current digital information; And predicting and providing predetermined digital information according to a consumption pattern of a preceding user corresponding to the representative population of the dynamically set user.
  • the present invention it is possible to reduce the manpower and cost input by the service provider that provides information online, and the existing disadvantage that the user can only receive curation in the already divided cluster or the corresponding cluster is eliminated and in various forms. There is an effect that can be provided by accurately predicting the digital information suitable for the necessary information and the digital information that users prefer.
  • FIG 1 and 2 show the overall configuration of the artificial intelligence curation system according to an embodiment of the present invention.
  • FIG. 3 is a flowchart of an information analysis method of a digital information providing system analyzer according to an exemplary embodiment of the present invention.
  • FIG. 4 is a flowchart illustrating a process of providing digital information according to an embodiment of the present invention.
  • FIG. 5 is a flowchart illustrating a user behavior pattern learning process of a digital information providing system according to an exemplary embodiment of the present invention.
  • FIG. 6 is a flowchart illustrating a curation system advancement process through learning according to an embodiment of the present invention.
  • FIG. 7 is a flowchart of a user-customized prediction curation system according to an embodiment of the present invention.
  • FIG. 8 is a flowchart of a new influent customized curation system according to an embodiment of the present invention.
  • FIG. 1 and 2 show an overall configuration diagram of a digital information providing system (artificial intelligence curation system) according to an embodiment of the present invention.
  • a digital information providing system artificial intelligence curation system
  • a digital information providing system 102 includes an input unit 104, an analysis unit 106, a storage unit 108, and a user analysis unit 110.
  • the manager inputs big data, which is a large amount of digital information, through the input unit 104, and the input large amount of digital information is analyzed and clustered by the analysis unit 106 and stored in the storage unit 108. do.
  • the preference expression is transmitted to the user analyzer 110 to display the curation information accordingly. To the user of.
  • the input unit 104 receives a small number and a large amount of digital information, and receives information such as the number of inquiry, title, content, unique ID, and unique ID of the user, a specific response, and the like. Each service can be specified differently or updated to reflect continuously.
  • the analysis unit 106 performs morphological analysis and clustering on small and large amounts of digital information input through the input unit 104, and reflects the number of digital information and the number of clusters by reflecting the user's number of views and specific responses. The score is also measured and forms a network of clusters.
  • the storage unit 108 stores clusters of the digital information, including the score of each digital information, the score of each cluster, and the information about the network type of the clusters, and passes through the input unit 104 and the analysis unit 106. Inquiry about digital information and specific response of delivered users can be continuously reflected and stored.
  • the user analyzing unit 110 continuously analyzes and updates information of arbitrary users and updates clustering when any user consumes specific digital information stored in the storage unit 108.
  • FIG. 3 is a flowchart of an information analysis method of the analysis unit 106 of the digital information providing system according to the embodiment of the present invention.
  • the analysis unit 106 When the small and large amounts of digital information and information about the digital information are received through the input unit 104, information such as the number, title, contents, and unique IDs of the digital information, and unique IDs and specific responses of the users, the analysis unit 106 is received. ) Performs clustering and scoring.
  • the clustering of the digital information is performed through morpheme analysis, and the manager selects and stores the most detected morphemes for each digital information, and combines the digital information sharing the selected morphemes into one cluster.
  • the form of the morpheme is selected as 'noun more than two letters' to limit the range of the cluster to increase the efficiency of clustering.
  • Score measurement for each digital information is performed using the number of inquiries about the digital information received from the input unit 104 and the specific response information of the users. For example, if all users who consumed certain digital information showed positive responses, they would be given a score by giving 100 points, and for the digital information without views, the average active user's views would be the number of views for each digital information. It should be assumed to be used.
  • the scores of each digital information included in each cluster were averaged and used as the score of each cluster.
  • a network of clusters of digital information is formed through a process of analyzing user's consumption pattern 204 for digital information.
  • the user's consumption pattern analysis process 204 is performed through time series ordering of each user's digital information consumption process, selection of a representative cluster of each digital information, and time series of the representative clusters of the digital information.
  • the time series order of the digital information consumption process of each user extracts the consumption time and reaction time for each digital information of the user input from the input unit 104 of the digital information providing system 102 and organizes them in chronological order, This cleanup method is very efficient when learning large amounts of historical data.
  • the clusters to which each digital information belongs are selected and stored according to the number of points set by the administrator, and then selected as the cluster with the highest score among them.
  • the time series connection of the representative clusters of the digital information is performed in a manner of forming a connection of the representative clusters of the digital information by mapping the representative clusters of the digital information to each digital information arranged in the time series, and performing this for each user. To organize the digital information consumption pattern of a specific user.
  • the analysis unit 106 stores the analyzed information in the storage unit 108, and then transfers a series of processes and learned information to the user analysis unit 110.
  • the user analyzer 110 continuously analyzes and updates the information of arbitrary users and predicts in updating clustering.
  • the prediction preference information cluster calculating unit 112 arranges in advance through a score measurement process. After this process, the user analyzer 110 transmits the entire analysis result to the storage unit 108 again, and the storage unit 108 forms a network of clusters based on this.
  • the data input through the detailed process of FIG. 3 is stored in the storage unit 108 of the digital information providing system, for example, the AI curation system 102, and the user who consumes the digital information performs curation. I can receive it.
  • FIG. 4 is a flowchart illustrating a digital information providing process (curation process) according to an embodiment of the present invention.
  • the storage 108 dynamically converts the specific digital information into the current digital information 302 of the arbitrary user and the representative cluster 304 of the current digital information. Curation for storing and predicting and providing the digital information 312 in consideration of all information such as moving information of other users belonging to the representative cluster 304 of the current digital information to other clusters and scores of the other clusters. Will be performed.
  • curation first establishes a representative cluster 314 of new digital information corresponding to the representative cluster 304 of current digital information, and then scores each user's information and scores of the digital information belonging to the representative cluster 314. Accordingly, the appropriate digital information 312 is selected and provided to the user.
  • FIG. 5 is a flowchart illustrating a user behavior pattern learning process of the digital information providing system according to an embodiment of the present invention.
  • the storage unit 108 stores the digital information 402 as the current digital information ( 402 and a representative cluster 404 of current digital information. Thereafter, when the user expresses a specific reaction while consuming the next digital information 412, the storage unit 108 may store the digital information 412 and the current digital information 412 of the new user expressing the specific reaction. The information is changed to the representative cluster 414 and stored. As a result, the current digital information and the representative cluster of the current digital information are dynamically set.
  • the digital information movement pattern of the user can be efficiently and precisely learned by keeping the current digital information and the representative cluster of the current digital information unchanged.
  • the digital information providing system 102 of the present invention can continuously update the digital information movement pattern of each user, and the performance of curation proceeding by reflecting such information is continuously improved.
  • the digital information stored in the storage unit 108 of the artificial intelligence curation system 102 through the learning process of FIG. 5 may be advanced in real time through learning of a digital information consumption pattern that is continuously generated.
  • the manager examines the morphemes of the clusters of digital information stored in the storage unit 108 to store information on the clusters that are excessively consumed according to the characteristics of the service, and the first dictionary 502, which implies implications but is clearly morphological.
  • the second dictionary 504 may include information about a specific morpheme community such as terminology, foreign words, proper nouns, and the like, which are not divided into the specific fields.
  • the analysis unit 106 of the AI curation system 102 reflects the information stored in the first dictionary 502 and the second dictionary 504 to remove clusters that have low consumption or meaninglessness, and are clear. Morphologically indistinguishable is analyzed in a semantic unit and stored in the storage unit 108.
  • the AI curation system 102 can continuously update the storage form of digital information according to each service, which continuously improves the quality of curated digital information and the improved digital information More and more continuously, large groups of users are quick to search for information, creating new links.
  • Such information is continuously stored in the storage unit 108 in the form of a network 604, and the AI curation system 102 analyzes and stores the digital information consumption pattern 602 of the user through the prediction process of FIG. After comparison with the network 604, the user's demand is predicted 604 to provide appropriate digital information.
  • the consumption pattern of the new inflower is separately analyzed (704) without being re-analyzed the entire learned data according to the occurrence of the new inflow through the switching device 702 of FIG.
  • the existing storage unit 108 and the cluster 504 By applying to the existing storage unit 108 and the cluster 504 through the continuous maintenance of the performance of the entire system consumed in real time.
  • AI curation system 104 input unit
  • first dictionary 504 second dictionary
  • 604 stored network 606: user demand forecast
  • switching device 704 new influent pattern analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 디지털 정보 제공 시스템에 관한 것으로서, 디지털 정보, 상기 디지털 정보의 군집, 상기 디지털 정보의 점수를 측정하여 선정된 상기 디지털 정보의 대표 군집을 저장하는 보관부(108), 임의의 사용자가 상기 디지털 정보를 소비하는 경우 상기 임의의 사용자의 선호 반응을 분석하는 사용자 분석부(110);를 포함하는 디지털 정보 제공 시스템에 있어서, 상기 사용자 분석부(110)는 상기 임의의 사용자의 선호 반응을 기반으로 상기 디지털 정보를 현재 디지털 정보로 저장하고 상기 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정하고, 상기 동적으로 설정되는 상기 임의의 사용자의 대표 군집에 대응하는 선행 사용자의 소비 패턴에 따라 소정의 디지털 정보를 예측하여 제공하는 것을 특징으로 한다.

Description

디지털 정보 제공 시스템 및 방법
본 발명은 디지털 정보를 예측하여 제공하는 디지털 정보 제공 시스템 및 그 방법에 관한 것으로서, 구체적으로는 사용자의 대표 군집을 동적으로 관리하여 사용자의 소비 패턴에 따라 소정의 디지털 정보를 예측하여 제공하는 시스템 및 그 방법에 대한 것이다.
패턴 인식(pattern recognition)이란, 주어진 데이터의 집합에 대해 입력 값을 바탕으로 특정 기준에 따라 여러 개의 그룹으로 구분하는 것이다. 패턴 인식 문제의 핵심은 다양한 변형을 효과적으로 표현하고 구분하는 것이고, 이러한 패턴의 변형에 따른 문제를 해결하기 위하여 기계학습 분야의 방법론이 적용될 수 있다.
기계학습(machine learning)이란, 인간이 가지고 있는 고유의 지능적 기능 중 하나인 학습 능력을 기계를 통해 구현하는 방법들에 대한 연구이다. 주어진 정보들을 분석하여 그로부터 일반적인 규칙이나 새로운 지식을 자동적으로 추출해 내는 방법론들을 개발한다.
기계학습 기법을 사용하는 패턴 인식에는 크게 두 가지의 처리단계가 존재한다. 먼저 학습단계에서는 주어지는 데이터 집합(학습 데이터)을 이용하여 패턴의 특성을 분석하여 서로 다른 패턴들을 구분하기 위한 핵심정보를 추출한다.
학습이 완료되고 나면 새롭게 주어지는 데이터가 어떤 패턴에 해당하는지 분류하고 인식하는 단계가 수행된다. 학습단계는 주로 인식기를 만드는 첫 과정에서 한 번만 수행되며, 인식단계는 새로운 데이터가 주어질 때마다 수행된다.
패턴 인식 문제에서 데이터를 분석하는 방법은 크게 분류(classification)와 군집화(clustering)의 두 가지로 나눌 수 있다. 분류(classification)란, 주어진 데이터 집합을 이미 정의되어 있는 몇 개의 클래스로 나누는 문제이고, 이와 달리 군집화(clustering)란, 주어지는 클래스 정보 없이 단순히 하나의 덩어리로 이루어진 데이터를 받아서, 그 분포 특성을 분석하여 임의의 복수 개의 그룹으로 나누는 것을 말한다. 즉, 미리 정해진 클래스 레이블이 없으므로 단순히 입력값의 유사성에 따라서 비슷한 입력값을 가진 데이터들끼리 같은 군집(cluster)을 이루도록 한다.
분류(classification) 문제와 군집화(clustering) 문제의 가장 큰 차이점은 학습에 사용되는 데이터에 원하는 출력정보(클래스 정보)가 함께 주어지는지의 여부로 볼 수 있다. 따라서 패턴 인식 분야에서의 분류(classification) 문제와 군집화(clustering) 문제는 기계학습에서의 감독학습(supervised learning)과 비감독학습(unsupervised learning) 문제로 연결된다.
감독학습이란, 학습시에 그 인식기가 출력하는 출력정보(클래스 정보)를 미리 알려주는 감독(supervisor)이 존재하는 것을 의미하고, 비감독학습은 출력정보(클래스 정보)를 알려주는 감독이 존재하지 않는다. 결국 감독학습은 분류기를 만들 때 사용되며, 비감독학습은 군집화를 위하여 사용된다고 볼 수 있다. 군집화를 위한 데이터 집합의 경우 클래스 라벨에 대한 정보, 즉 바람직한 출력정보(클래스 정보)가 없으므로 비감독학습을 수행해야 한다.
패턴 인식의 가장 초기 연구 대상이 되었던 것 중의 하나로 숫자 인식과 문자 인식이 있으며, 나아가 특정 형태의 문서를 분석하고 인식하여 자동 처리하는 문제까지 확장되었다.
정보의 홍수 시대를 맞아 새로운 유형의 멀티미디어 콘텐츠, SNS(Social Network Service)의 확장, 그리고 스마트 기기들의 보급과 이용으로 온라인 상에서 취득할 수 있는 정보가 기하급수적으로 늘어나면서 특정 정보를 탐색하고 적절한 정보인지 여부를 확신할 수 없다는 문제 등 정보에 대한 불확실성의 문제가 발생한다. 이러한 문제를 극복하고자, 빅데이터에 대한 분석과 통계에 대한 사회적 수요가 높아지고 있다. 빅데이터란 디지털화된 방대한 양의 정보를 뜻하며 이를 토대로 한 다양한 기계학습 기술은 예측(Prediction)을 목표로 하고 있다.
빅데이터의 특징은 3V로 요약되며 Volume(양), Velocity(생성 속도), Variety(다양성)를 의미한다. 최근에는 Value(가치)나 Complexity(복잡성)을 더하고 있으며 단순한 양적 정보의 빅데이터 분석이 아닌 가치 있는 데이터에 대한 수요를 반영한 결과라고 할 수 있다. 또한 디지털 정보에 있어 예측은 인간의 감각 혹은 인지에 의존하지 않고 통계적 알고리즘과 다수의 특징적인 레이어의 구성을 포함하여 그 정확도가 상당 수준에 이르는 것을 말한다.
이러한 사회적 수요에 발맞춰 전문적인 정보를 포함한 온라인 상에서 취득할 수 있는 불규칙적이고 다양한 정보들을 인간이 특정한 주제를 정하여 많은 정보를 세분화하고 있으며, 세분화된 정보에서 해당되는 사람이 속한 정보들 중에서 인기가 많거나 유사한 정보를 추천하는 큐레이션 시스템을 적용하는 것이 최근 추세이다.
최근에는 이런 큐레이션 시스템이 발전하여 개인정보와 연결시켜 개인 맞춤형 큐레이션 시스템이 적용되고 있으며 이러한 큐레이션 서비스를 제공받기 위해서는 특정인의 개인정보가 입력되거나 장르, 분야 등의 관리자가 임의로 설정해서 나눈 분류가 필수적으로 적용되어 있어야 하는 실정이다. 이러한 서비스들은 실제 사용자들에게 적정한 맞춤정보라 할 수 없으며 정보를 제공하는 서비스 역시 관리를 위한 인력 소모가 높다. 이에 따라 적정하게 분류되지 않은 디지털 정보들을 보다 효율적이고 창의적으로 제공하기 위한 방법이 요구된다.
이는 기존의 빅데이터에서 기존의 방식대로 단순히 추려내서 보여주는 디지털 정보가 아닌 사용자가 예측하지 못했던 특정 디지털 정보를 필요할 것이라 예측하여 제공하는 방법이 요구된다는 것을 의미한다.
본 발명은 상기 문제점을 해결하기 위한 것으로서, 디지털 정보를 사용자에게 효율적으로 제공하기 위하여 사용자의 소비패턴을 지속적으로 탐색, 저장하여 사용자의 대표 군집을 동적으로 관리하여 보다 정교하게 디지털 정보를 추천하는 것을 목적으로 한다.
본 발명이 해결하고자 하는 과제는 상기 목적으로만 제한하지 아니하고, 위에서 명시적으로 나타내지 아니한 다른 기술적 과제는 이하 본 발명의 구성 및 작용을 통하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 쉽게 이해할 수 있을 것이다.
본 발명에서는, 상기 과제를 해결하기 위하여 이하의 구성을 포함한다.
본 발명은, 디지털 정보, 상기 디지털 정보의 군집, 상기 디지털 정보의 점수를 측정하여 선정된 상기 디지털 정보의 대표 군집을 저장하는 보관부(108), 임의의 사용자가 상기 디지털 정보를 소비하는 경우 상기 임의의 사용자의 선호 반응을 분석하는 사용자 분석부(110);를 포함하는 디지털 정보 제공 시스템에 관한 것으로서, 상기 사용자 분석부(110)는 상기 임의의 사용자의 선호 반응을 기반으로 상기 디지털 정보를 현재 디지털 정보로 저장하고 상기 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정하고, 상기 동적으로 설정되는 상기 임의의 사용자의 대표 군집에 대응하는 선행 사용자의 소비 패턴에 따라 소정의 디지털 정보를 예측하여 제공하는 것을 특징으로 한다.
또한 본 발명은, 기계학습을 위한 대량의 디지털 정보를 입력받는 입력부(104)와 상기 입력되는 디지털 정보를 분석하는 분석부(106)를 더 포함하는 것을 특징으로 한다.
또한 본 발명은, 상기 분석부(106)는 형태소 분석에 의하여 상기 대량의 디지털 정보의 군집화를 수행하고, 상기 입력되는 각각의 디지털 정보의 조회수, 선호 반응을 기반으로 각각의 디지털 정보의 점수를 측정하며, 상기 디지털 정보의 점수를 기반으로 상기 군집화에 의하여 형성된 군집에 대해서 점수를 측정하고, 각각의 디지털 정보가 속하는 군집들 중 어느 하나를 디지털 정보의 대표 군집으로 선정하며, 상기 디지털 정보의 조회 시점 및 선호 반응 시점에 따라 상기 디지털 정보, 상기 디지털 정보의 군집, 상기 디지털 정보의 대표 군집을 시계열 순으로 정렬하는 것을 특징으로 한다.
또한 본 발명은 상기 사용자 분석부(110)가 예측하여 제공하는 소정의 디지털 정보는 상기 동적으로 설정되는 상기 임의의 사용자의 대표 군집에 속하는 선행 사용자의 소비 패턴과 상기 소비 패턴에 대응하는 디지털 정보의 군집 점수와 디지털 정보의 점수를 고려하여 제공되는 것을 특징으로 한다.
또한 본 발명은, 상기 임의의 사용자의 선호 반응을 기반으로 상기 디지털 정보를 현재 디지털 정보로 저장하고 상기 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정한 후, 상기 임의의 사용자가 새로운 디지털 정보를 소비하고 선호 반응을 하는 경우 상기 새로운 디지털 정보를 현재 디지털 정보로 새롭게 저장하고, 상기 새롭게 저장되는 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정하는 것을 특징으로 한다.
또한 본 발명은, 신규 유입자가 발생되는 경우 전환 장치(702)를 통하여 신규 유입자의 소비 패턴을 별도로 분석하고(704), 연결 장치(706)를 통하여 상기 보관부(108)에 적용하는 것을 특징으로 한다.
또한 본 발명은, 디지털 정보 제공 방법에 관한 것으로서, 디지털 정보의 군집 및 상기 디지털 정보의 대표 군집을 기반으로 선행 사용자의 군집 및 선행 사용자의 대표 군집으로부터 상기 디지털 정보를 소비하는 임의의 사용자의 선호 반응을 기반으로 상기 디지털 정보를 현재 디지털 정보로 저장하고 상기 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정하는 단계; 상기 동적으로 설정되는 상기 임의의 사용자의 대표 군집에 대응하는 선행 사용자의 소비 패턴에 따라 소정의 디지털 정보를 예측하여 제공하는 단계;를 포함하는 것을 특징으로 한다.
또한 본 발명은, 상기 디지털 정보의 군집, 상기 디지털 정보의 대표 군집, 상기 선행 사용자의 군집, 상기 선행 사용자의 대표 군집을 형성하기 위하여, 기계학습을 위한 대량의 디지털 정보를 입력 받는 단계; 각 디지털 정보에 대하여 하나 이상의 주제어를 추출하여 하나 이상의 디지털 정보의 군집을 형성하는 단계; 상기 디지털 정보 및 상기 디지털 정보의 군집의 점수를 측정하여 디지털 정보의 대표 군집을 선정하는 단계; 상기 디지털 정보에 대한 사용자의 소비 시점을 분석하여 상기 디지털 정보, 상기 디지털 정보의 군집, 상기 디지털 정보의 대표 군집을 시계열 순으로 정렬하는 단계; 상기 디지털 정보의 군집 및 상기 디지털 정보의 대표 군집을 기반으로 사용자의 군집 및 사용자의 대표 군집을 형성하는 단계;를 포함하는 것을 특징으로 한다.
또한 본 발명은, 디지털 정보 제공 방법을 실행시키기 위하여 매체에 저장된 컴퓨터프로그램에 관한 것으로서, 디지털 정보의 군집 및 상기 디지털 정보의 대표 군집을 기반으로 선행 사용자의 군집 및 선행 사용자의 대표 군집으로부터 상기 디지털 정보를 소비하는 임의의 사용자의 선호 반응을 기반으로 상기 디지털 정보를 현재 디지털 정보로 저장하고 상기 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정하는 단계; 상기 동적으로 설정되는 상기 임의의 사용자의 대표 군집에 대응하는 선행 사용자의 소비 패턴에 따라 소정의 디지털 정보를 예측하여 제공하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 의하면, 온라인 상에서 정보를 제공하는 서비스 제공자가 투입하는 인력과 비용을 줄일 수 있으며 사용자는 이미 구분된 군집 혹은 해당되는 군집 안에서만 큐레이션을 받을 수 있는 기존의 단점이 제거되고 다양한 형태로 실제 필요한 정보와 사용자들이 선호 반응을 하는 디지털 정보에 적합한 디지털 정보를 정교하게 예측하여 제공받을 수 있는 효과가 있다.
본 발명에 의한 효과는 상기 효과로만 제한하지 아니하고, 위에서 명시적으로 나타내지 아니한 다른 효과는 이하 본 발명의 구성 및 작용을 통하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 쉽게 이해할 수 있을 것이다.
도 1 및 도 2는 본 발명의 실시예에 따른 인공지능 큐레이션 시스템의 전체적인 구성도를 도시한다.
도 3은 본 발명의 실시예에 따른 디지털 정보 제공 시스템 분석부의 정보 분석 방법의 흐름도이다.
도 4는 본 발명의 실시예에 따른 디지털 정보 제공 과정에 대한 흐름도이다.
도 5는 본 발명의 실시예에 따른 디지털 정보 제공 시스템의 사용자 행동 패턴 학습 과정에 대한 흐름도이다.
도 6는 본 발명의 실시예에 따른 학습을 통한 큐레이션 시스템 고도화 과정에 대한 흐름도이다.
도 7은 본 발명의 실시예에 따른 사용자 맞춤형 예측 큐레이션 시스템의 흐름도이다.
도 8은 본 발명의 실시예에 따른 신규 유입자 맞춤형 큐레이션 시스템의 흐름도이다.
이하 본 발명의 바람직한 실시예에 따른 전체적인 구성 및 작용에 대해 설명하기로 한다. 이러한 실시예는 예시적인 것으로서 본 발명의 구성 및 작용을 제한하지는 아니하고, 실시예에서 명시적으로 나타내지 아니한 다른 구성 및 작용도 이하 본 발명의 실시예를 통하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 쉽게 이해할 수 있는 경우는 본 발명의 기술적 사상으로 볼 수 있을 것이다.
이하 발명의 구체적인 실시예에 따른 전체적인 구성 및 동작에 대해 설명하기로 한다.
도 1 및 도 2는 본 발명의 실시예에 따른 디지털 정보 제공 시스템(인공지능 큐레이션 시스템)의 전체적인 구성도를 도시한다.
도 1을 참조하면, 본 발명의 실시예에 따른 디지털 정보 제공 시스템(인공지능 큐레이션 시스템)은 빅데이터를 입력하여 빅데이터 학습 시스템에 의하여 콘텐츠를 군집화하고, 사용자의 소비 패턴 또는 이동 패턴을 분석하여 사용자를 군집화하며, 사용자의 선호 표현을 수집하여 사용자의 행동 패턴을 학습하고, 사용자의 수요를 예측하여 적합한 디지털 정보를 제공하는 큐레이션을 수행한다.
도 2를 참조하면, 본 발명의 실시예에 따른 디지털 정보 제공 시스템(102)은 입력부(104), 분석부(106), 보관부(108), 사용자 분석부(110)를 포함하고, 상기 시스템 관리자는 상기 입력부(104)를 통하여 보유하고 있는 대량의 디지털 정보인 빅데이터를 입력하며, 입력된 상기 대량의 디지털 정보는 상기 분석부(106)에서 분석 및 군집화되어 상기 보관부(108)에 저장된다.
그 후, 임의의 사용자가 상기 보관부(108)에 저장된 특정 디지털 정보에 접근하여 소정의 선호 표현을 하게 되면, 이러한 선호 표현이 사용자 분석부(110)에 전달되어 그에 따른 큐레이션 정보를 상기 임의의 사용자에게 제공하게 된다.
상기 입력부(104)는 소량 및 대량의 디지털 정보와 함께 상기 디지털 정보에 대한 조회수, 제목, 내용, 고유 ID등의 정보와 사용자들의 고유 ID, 특정 반응 등의 정보를 입력 받고, 상기 입력되는 정보는 각 서비스마다 다르게 지정할 수도 있으며, 지속적으로 반영하여 업데이트 할 수도 있다.
상기 분석부(106)는 상기 입력부(104)를 통하여 입력되는 소량 및 대량의 디지털 정보에 대하여 형태소 분석을 하고 군집화를 수행하고,사용자의 조회수 및 특정 반응을 반영하여 각 디지털 정보의 점수 및 각 군집의 점수도 측정하며, 군집들의 네트워크를 형성한다.
상기 보관부(108)는 각 디지털 정보의 점수 및 각 군집의 점수와 군집들의 네트워크 형태에 대한 정보를 포함하여 상기 디지털 정보의 군집들을 저장하고, 상기 입력부(104)와 분석부(106)를 거쳐 전달되는 사용자들의 디지털 정보에 대한 조회와 특정 반응에 대해서도 지속적으로 반영하여 저장할 수 있다.
상기 사용자 분석부(110)는 임의의 사용자가 보관부(108)에 저장되어 있는 특정의 디지털 정보를 소비하는 경우 임의의 사용자들의 정보를 지속적으로 분석하여 업데이트하며 군집화를 갱신한다.
이하에서는 본 발명의 실시예에 따른 디지털 정보 제공 시스템의 구체적인 작동 방식을 도면을 통해 설명한다.
도 3은 본 발명의 실시예에 따른 디지털 정보 제공 시스템의 분석부(106)의 정보 분석 방법의 흐름도이다.
상기 입력부(104)를 통하여 소량 및 대량의 디지털 정보와 상기 디지털 정보에 대한 조회수, 제목, 내용, 고유 ID등의 정보와 사용자들의 고유 ID, 특정 반응 등의 정보를 입력 받으면, 상기 분석부(106)는 군집화와 점수 측정을 수행한다.
상기 디지털 정보의 군집화는 형태소 분석을 통하여 수행되며, 각 디지털 정보별로 가장 많이 검출되는 형태소를 관리자가 선별하여 저장하고, 상기 선별된 형태소를 공유하는 디지털 정보들을 하나의 군집으로 묶게 된다. 이때, 형태소의 형태를 ‘두 글자 이상의 명사’로 선택하여 군집의 범위를 제한함으로써 군집화의 효율성을 높이고자 한다.
각 디지털 정보에 대한 점수 측정은 상기 입력부(104)에서 입력받은 디지털 정보에 대한 조회수 및 사용자들의 특정 반응 정보를 이용하여 수행한다. 예를 들면, 특정 디지털 정보를 소비한 모든 사용자들이 긍정 반응을 보인 경우에 100점을 부여하여 상대적으로 점수를 부여하며, 조회수가 없는 디지털 정보에 대해서는 평균 액티브 사용자의 조회수를 각 디지털 정보에 대한 조회수로 가정하여 사용할 수 있도록 한다.
또한 상기 각 디지털 정보의 점수를 이용하여 각 디지털 정보가 속하는 각 군집의 점수를 측정하는데 있어서, 각 군집이 포함하는 각 디지털 정보의 점수들을 평균 내어 각 군집의 점수로 하였다.
다음은, 디지털 정보에 대한 사용자들의 소비 패턴 분석 과정(204)을 통하여 상기 디지털 정보의 군집들의 네트워크를 형성한다. 상기 사용자들의 소비 패턴 분석 과정(204)은 각 사용자의 디지털 정보 소비 과정의 시계열 순 정리, 각 디지털 정보의 대표 군집 선정, 상기 디지털 정보의 대표 군집의 시계열 순 연결을 통하여 수행된다.
상기 각 사용자의 디지털 정보 소비 과정의 시계열 순 정리는 상기 디지털 정보 제공 시스템(102)의 입력부(104)에서 입력받은 사용자들의 각 디지털 정보에 대한 소비 시점 및 반응 시점을 추출하여 시계열 순으로 정리하며, 이러한 정리 방법은 대량의 과거 데이터를 학습시킬 때 아주 효율적으로 활용된다.
각 디지털 정보의 대표 군집 선정을 위하여 먼저 각 디지털 정보가 속하는 군집을 점수에 따라 관리자가 설정한 임의의 갯수로 선별하여 저장한 후, 그 중 가장 점수가 높은 군집으로 선정하는 방식으로 진행한다.
상기 디지털 정보의 대표 군집의 시계열 순 연결은 시계열 순으로 정리된 각 디지털 정보에 상기 디지털 정보의 대표 군집을 대응시켜 디지털 정보의 대표 군집들의 연결을 형성하는 방식으로 수행하고, 이를 각 사용자에 대해 수행하여 특정 사용자의 디지털 정보 소비 패턴으로 정리하도록 한다.
상기의 분석 과정이 완료되면 상기 분석부(106)는 보관부(108)에 분석된 정보들을 저장한 후, 사용자 분석부(110)로 일련의 과정들과 학습된 정보를 전달한다.
한편 상기 사용자 분석부(110)는 임의의 사용자가 보관부(108)에 저장되어 있는 특정의 디지털 정보를 소비하는 경우 임의의 사용자들의 정보를 지속적으로 분석하여 업데이트하며 군집화를 갱신하는데 있어서, 예측하여 제공 가능한 여러 디지털 정보 중 적정한 디지털 정보를 예측하여 제공하기 위하여 예측 선호 정보 군집 연산부(112)에서 점수 측정 과정을 통하여 사전에 정렬한다. 이러한 과정을 거친 뒤 사용자 분석부(110)는 다시 보관부(108)에 전체 분석 결과를 전달하며 보관부(108)는 이를 바탕으로 군집들의 네트워크를 형성하게 된다.
도 3의 구체적인 과정을 통하여 입력된 데이터는 디지털 정보 제공 시스템, 예를 들면, 인공지능 큐레이션 시스템(102)의 보관부(108)에 저장되며, 디지털 정보를 소비하는 사용자는 이를 통해 큐레이션을 받을 수 있다.
도 4는 본 발명의 실시예에 따른 디지털 정보 제공 과정(큐레이션 과정)에 대한 흐름도로서 이 과정을 구체적으로 나타낸다.
임의의 사용자가 특정 디지털 정보를 소비하면서 특정 반응을 표현하면 보관부(108)는 상기 특정 디지털 정보를 상기 임의의 사용자의 현재 디지털 정보(302)와 현재 디지털 정보의 대표 군집(304)으로 동적으로 저장하고, 상기 현재 디지털 정보의 대표 군집(304)에 속하는 다른 사용자들의 다른 군집들로의 이동 정보 및 상기 다른 군집들의 점수 등의 정보를 모두 고려하여 디지털 정보(312)를 예측하여 제공하는 큐레이션을 수행하게 된다.
상기의 과정에서 큐레이션은 먼저 현재 디지털 정보의 대표 군집(304)에 대응하는 새로운 디지털 정보의 대표 군집(314)을 책정하고 상기 대표 군집(314)에 속하는 각 디지털 정보들의 점수 및 사용자의 정보에 따라 적정 디지털 정보(312)를 선정하여 사용자에게 제공하게 된다.
상기 현재 디지털 정보(302)와 현재 디지털 정보의 대표 군집(304)으로 동적으로 저장하는 과정에 대해서 좀 더 구체적으로 설명하면, 이러한 과정을 통하여 본 발명의 실시예에 따른 디지털 정보 제공 시스템(102)은 지속적으로 학습이 가능한데, 도 5는 본 발명의 실시예에 따른 디지털 정보 제공 시스템의 사용자 행동 패턴 학습 과정에 대한 흐름도로서 이 과정을 좀 더 구체적으로 나타낸다.
도 5를 참조하면, 임의의 사용자가 특정 디지털 정보(402)를 소비하면서 특정 반응을 표현하면 도 4의 과정에서 설명한 바와 같이, 보관부(108)는 상기 디지털 정보(402)를 현재 디지털 정보(402)와 현재 디지털 정보의 대표 군집(404)으로 저장한다. 이 후 사용자가 다음의 디지털 정보(412)를 소비하면서 특정 반응을 표현하면 보관부(108)는 상기 사용자가 새롭게 소비하면서 특정 반응을 표현한 디지털 정보(412)를 현재 디지털 정보(412)와 현재 디지털 정보의 대표 군집(414)으로 변경하여 저장하게 되는바, 결국 현재 디지털 정보와 현재 디지털 정보의 대표 군집이 동적으로 설정된다.
한편, 사용자가 특정 디지털 정보를 소비하면서 별다른 반응을 보이지 아니하는 경우에는 현재 디지털 정보와 현재 디지털 정보의 대표 군집을 변경하지 않고 그대로 유지함으로써 사용자의 디지털 정보 이동 패턴을 효율적으로 정교하게 학습할 수 있다.
상기의 과정을 통하여 본 발명의 디지털 정보 제공 시스템(102)은 지속적으로 각 사용자의 디지털 정보 이동 패턴을 업데이트 할 수 있으며, 이러한 정보를 반영하여 진행되는 큐레이션의 성능이 지속적으로 향상되도록 한다.
또한 도 5의 학습과정을 통하여 인공지능 큐레이션 시스템(102)의 보관부(108)에 저장되어 있는 디지털 정보는 지속적으로 발생하는 사용자의 디지털 정보 소비 패턴의 학습을 통하여 실시간으로 고도화될 수 있다. 관리자는 보관부(108)에 저장된 디지털 정보의 군집의 형태소를 조사하여 서비스의 특성에 따라 과도하게 소비되는 군집에 대한 정보를 저장하는 제1 사전(502)과, 함축적 의미를 내포하지만 명확하게 형태소로 구분되지 않는 특정 분야의 전문 용어, 외래어, 고유명사 등의 특정 형태소 군집에 대한 정보를 담고 있는 제2 사전(504)을 구비할 수 있다.
상기 인공지능 큐레이션 시스템(102)의 분석부(106)는 상기 제1 사전(502) 및 상기 제2 사전(504)에 저장된 정보를 반영하여 소비가 적거나 의미가 없는 군집은 제거하고, 명확하게 구분되지 않는 형태소는 의미 단위로 분석하여 보관부(108)에 저장한다.
상기의 과정을 통하여 인공지능 큐레이션 시스템(102)은 지속적으로 각 서비스에 맞추어 디지털 정보의 보관 형태를 업데이트 할 수 있으며, 이는 큐레이션되는 디지털 정보의 질을 지속적으로 향상되도록 하고 이러한 향상된 디지털 정보는 정보 탐색이 빠른 특정 사용자 집단에 의해 더욱더 지속적으로 크게 발전하여 새로운 링크를 만들어 낸다.
이러한 정보들은 계속하여 보관부(108)에 네트워크(604)의 형태로 보관되며, 인공지능 큐레이션 시스템(102)은 도 7의 예측 과정을 통하여 사용자의 디지털 정보 소비 패턴(602)을 분석하고 저장된 네트워크(604)와 비교한 뒤, 사용자의 수요를 예측(604)하여 적합한 디지털 정보를 제공하게 된다.
또한 신규 유입자가 발생되는 경우, 도8의 전환 장치(702)를 통하여 신규 유입자의 발생에 따른 전체 학습된 데이터를 재분석하지 아니하고 신규 유입자의 소비 패턴을 별도로 분석하고(704), 연결 장치(706)를 통하여 기존의 보관부(108)와 군집(504)에 적용함으로써 실시간으로 소비되는 전체 시스템의 성능을 지속적으로 유지한다.
도면부호의 설명
10 : 디지털 정보 기반 확장형 인공지능 큐레이션 시스템
102: 인공지능 큐레이션 시스템 104: 입력부
106: 분석부 108: 보관부
110: 사용자 분석부
112: 예측 선호 정보 군집 연산부
20: 디지털 정보 분석 시스템
202: 디지털 정보의 군집화 및 점수 측정 과정
204: 디지털 정보 소비 패턴 분석
206: 군집들의 네트워크 형성 과정
30: 인공지능 큐레이션 시스템의 큐레이션 과정
302: 현재 디지털 정보 304: 현재 대표 군집
312: 큐레이션 디지털 정보 314: 새로운 대표 군집
40: 사용자 행동 패턴 학습 과정
402: 이전 디지털 정보 404: 이전 대표 군집
412: 현재 디지털 정보 414: 현재 대표 군집
50: 인공지능 큐레이션 시스템의 학습 과정
502: 제1 사전 504: 제2 사전
60: 인공지능 큐레이션 시스템의 예측 과정
602: 사용자의 디지털 정보 소비 패턴
604: 저장된 네트워크 606: 사용자의 수요 예측
70: 신규 유입자 맞춤형 학습 과정
702: 전환 장치 704: 신규 유입자 패턴 분석
706: 연결 장치

Claims (9)

  1. 디지털 정보, 상기 디지털 정보의 군집, 상기 디지털 정보의 점수를 측정하여 선정된 상기 디지털 정보의 대표 군집을 저장하는 보관부(108), 임의의 사용자가 상기 디지털 정보를 소비하는 경우 상기 임의의 사용자의 선호 반응을 분석하는 사용자 분석부(110);를 포함하는 디지털 정보 제공 시스템에 있어서,
    상기 사용자 분석부(110)는 상기 임의의 사용자의 선호 반응을 기반으로 상기 디지털 정보를 현재 디지털 정보로 저장하고 상기 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정하고, 상기 동적으로 설정되는 상기 임의의 사용자의 대표 군집에 대응하는 선행 사용자의 소비 패턴에 따라 소정의 디지털 정보를 예측하여 제공하는 것을 특징으로 하는 디지털 정보 제공 시스템.
  2. 제 1 항에 있어서,
    기계학습을 위한 대량의 디지털 정보를 입력받는 입력부(104)와 상기 입력되는 디지털 정보를 분석하는 분석부(106)를 더 포함하는 것을 특징으로 하는 디지털 정보 제공 시스템.
  3. 제 2 항에 있어서,
    상기 분석부(106)는 형태소 분석에 의하여 상기 대량의 디지털 정보의 군집화를 수행하고, 상기 입력되는 각각의 디지털 정보의 조회수, 선호 반응을 기반으로 각각의 디지털 정보의 점수를 측정하며, 상기 디지털 정보의 점수를 기반으로 상기 군집화에 의하여 형성된 군집에 대해서 점수를 측정하고, 각각의 디지털 정보가 속하는 군집들 중 어느 하나를 디지털 정보의 대표 군집으로 선정하며, 상기 디지털 정보의 조회 시점 및 선호 반응 시점에 따라 상기 디지털 정보, 상기 디지털 정보의 군집, 상기 디지털 정보의 대표 군집을 시계열 순으로 정렬하는 것을 특징으로 하는 디지털 정보 제공 시스템.
  4. 제 1 항 또는 제 2 항에 있어서,
    상기 사용자 분석부(110)가 예측하여 제공하는 소정의 디지털 정보는 상기 동적으로 설정되는 상기 임의의 사용자의 대표 군집에 속하는 선행 사용자의 소비패턴과 상기 소비 패턴에 대응하는 디지털 정보의 군집 점수와 디지털 정보의 점수를 고려하여 제공되는 것을 특징으로 하는 디지털 정보 제공 시스템.
  5. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서, 상기 임의의 사용자의 선호 반응을 기반으로 상기 디지털 정보를 현재 디지털 정보로 저장하고 상기 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정한 후,
    상기 임의의 사용자가 새로운 디지털 정보를 소비하고 선호 반응을 하는 경우 상기 새로운 디지털 정보를 현재 디지털 정보로 새롭게 저장하고, 상기 새롭게 저장되는 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정하는 것을 특징으로 하는 디지털 정보 제공 시스템.
  6. 제 1 항 또는 제 2 항에 있어서,
    신규 유입자가 발생되는 경우 전환 장치(702)를 통하여 신규 유입자의 소비패턴을 별도로 분석하고(704), 연결 장치(706)를 통하여 상기 보관부(108)에 적용하는 것을 특징으로 하는 디지털 정보 제공 시스템.
  7. 디지털 정보의 군집 및 상기 디지털 정보의 대표 군집을 기반으로 선행 사용자의 군집 및 선행 사용자의 대표 군집으로부터 상기 디지털 정보를 소비하는 임의의 사용자의 선호 반응을 기반으로 상기 디지털 정보를 현재 디지털 정보로 저장하고 상기 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정하는 단계;
    상기 동적으로 설정되는 상기 임의의 사용자의 대표 군집에 대응하는 선행 사용자의 소비 패턴에 따라 소정의 디지털 정보를 예측하여 제공하는 단계;
    를 포함하는 것을 특징으로 하는 디지털 정보 제공 방법.
  8. 제7항에 있어서,
    상기 디지털 정보의 군집, 상기 디지털 정보의 대표 군집, 상기 선행 사용자의 군집, 상기 선행 사용자의 대표 군집을 형성하기 위하여,
    기계학습을 위한 대량의 디지털 정보를 입력 받는 단계;
    각 디지털 정보에 대하여 하나 이상의 주제어를 추출하여 하나 이상의 디지털 정보의 군집을 형성하는 단계;
    상기 디지털 정보 및 상기 디지털 정보의 군집의 점수를 측정하여 디지털 정보의 대표 군집을 선정하는 단계;
    상기 디지털 정보에 대한 사용자의 소비 시점을 분석하여 상기 디지털 정보, 상기 디지털 정보의 군집, 상기 디지털 정보의 대표 군집을 시계열 순으로 정렬하는 단계;
    상기 디지털 정보의 군집 및 상기 디지털 정보의 대표 군집을 기반으로 사용자의 군집 및 사용자의 대표 군집을 형성하는 단계;
    를 포함하는 것을 특징으로 하는 디지털 정보 제공 방법.
  9. 디지털 정보 제공 방법을 실행시키기 위하여 매체에 저장된 컴퓨터프로그램에 있어서,
    디지털 정보의 군집 및 상기 디지털 정보의 대표 군집을 기반으로 선행 사용자의 군집 및 선행 사용자의 대표 군집으로부터 상기 디지털 정보를 소비하는 임의의 사용자의 선호 반응을 기반으로 상기 디지털 정보를 현재 디지털 정보로 저장하고 상기 현재 디지털 정보의 대표 군집을 기반으로 상기 임의의 사용자의 대표 군집을 동적으로 설정하는 단계;
    상기 동적으로 설정되는 상기 임의의 사용자의 대표 군집에 대응하는 선행 사용자의 소비 패턴에 따라 소정의 디지털 정보를 예측하여 제공하는 단계;를 포함하는 것을 특징으로 하는 디지털 정보 제공 방법을 실행시키기 위하여 매체에 저장된 컴퓨터프로그램.
PCT/KR2018/003068 2017-03-23 2018-03-16 디지털 정보 제공 시스템 및 방법 WO2018174469A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170036585A KR101856115B1 (ko) 2017-03-23 2017-03-23 디지털 정보 제공 시스템 및 방법
KR10-2017-0036585 2017-03-23

Publications (1)

Publication Number Publication Date
WO2018174469A1 true WO2018174469A1 (ko) 2018-09-27

Family

ID=62200624

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/003068 WO2018174469A1 (ko) 2017-03-23 2018-03-16 디지털 정보 제공 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR101856115B1 (ko)
WO (1) WO2018174469A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102243182B1 (ko) * 2019-01-23 2021-04-22 (주)티비스톰 인공지능 개체에 대한 정보를 블록체인으로 관리하는 방법 및 그 플랫폼

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110000996A (ko) * 2009-06-29 2011-01-06 주식회사 모임 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체
US20120124037A1 (en) * 2010-11-17 2012-05-17 Electronics And Telecommunications Research Institute Multimedia data searching method and apparatus and pattern recognition method
KR20150024465A (ko) * 2013-08-26 2015-03-09 네이버 주식회사 사용자 특성정보 및 상호작용 기반의 컨텐츠 추천 시스템，방법 및 그 기록매체
KR20160043601A (ko) * 2014-10-13 2016-04-22 고려대학교 산학협력단 디지털 컨텐츠 추천 단말 및 방법
KR20160106289A (ko) * 2015-03-02 2016-09-12 삼성전자주식회사 컨텐츠 제공 시스템 및 전자 장치의 컨텐츠 제공 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110000996A (ko) * 2009-06-29 2011-01-06 주식회사 모임 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체
US20120124037A1 (en) * 2010-11-17 2012-05-17 Electronics And Telecommunications Research Institute Multimedia data searching method and apparatus and pattern recognition method
KR20150024465A (ko) * 2013-08-26 2015-03-09 네이버 주식회사 사용자 특성정보 및 상호작용 기반의 컨텐츠 추천 시스템，방법 및 그 기록매체
KR20160043601A (ko) * 2014-10-13 2016-04-22 고려대학교 산학협력단 디지털 컨텐츠 추천 단말 및 방법
KR20160106289A (ko) * 2015-03-02 2016-09-12 삼성전자주식회사 컨텐츠 제공 시스템 및 전자 장치의 컨텐츠 제공 방법

Also Published As

Publication number Publication date
KR101856115B1 (ko) 2018-05-09

Similar Documents

Publication Publication Date Title
WO2019103183A1 (ko) Esg 기반의 기업 평가 수행 장치 및 이의 작동 방법
Xing et al. Extracting interpretable features for early classification on time series
WO2015167074A1 (ko) 토픽을 추출하고, 추출된 토픽의 적합성을 평가하는 방법 및 서버
CN109299271A (zh) 训练样本生成、文本数据、舆情事件分类方法及相关设备
WO2018131955A1 (ko) 디지털 컨텐츠를 분석하는 방법
CN113095080B (zh) 基于主题的语义识别方法、装置、电子设备和存储介质
WO2017155292A1 (ko) 비정상행위 탐색방법 및 탐색프로그램
WO2021112463A1 (ko) 기업을 위한 정보 제공 장치 및 방법
WO2020122487A1 (ko) 기업 부도 예측 시스템 및 이의 동작 방법
WO2021235617A1 (ko) 과학기술 지식정보 추천 시스템 및 그 방법
CN108320798A (zh) 病症结果生成方法与装置
CN111309916A (zh) 摘要抽取方法和装置、存储介质和电子装置
CN114491034B (zh) 一种文本分类方法及智能设备
WO2020130418A1 (ko) 협력업체 공급망 리스크 분석 방법
WO2019039659A1 (ko) 감성 기반의 사용자 관리 방법 및 이를 수행하는 장치들
WO2018174469A1 (ko) 디지털 정보 제공 시스템 및 방법
WO2022080583A1 (ko) 시계열 분포 특징을 고려한 딥러닝 기반 비트코인 블록 데이터 예측 시스템
CN112685573A (zh) 一种知识图谱嵌入训练方法和相关装置
WO2012030049A2 (ko) 동적 임계값이 적용된 유사문서 분류화 장치 및 방법
WO2023093116A1 (zh) 企业的产业链节点确定方法、装置、终端及存储介质
CN116978087A (zh) 模型更新方法、装置、设备、存储介质及程序产品
WO2022092497A1 (ko) 유사 사건 정보제공시스템 및 그 방법
CN115050484A (zh) 基于防疫布控场景建模的分析预判方法及系统
CN114064897A (zh) 一种情感文本数据标注方法、装置、系统及电子设备
US20210264113A1 (en) Automatically extending a domain taxonomy to the level of granularity present in glossaries in documents

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: 18770319

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: 18770319

Country of ref document: EP

Kind code of ref document: A1