WO2023017942A1 - 아이템을 사용자에게 추천하기 위한 전자 장치 및 방법 - Google Patents

아이템을 사용자에게 추천하기 위한 전자 장치 및 방법 Download PDF

Info

Publication number
WO2023017942A1
WO2023017942A1 PCT/KR2022/003901 KR2022003901W WO2023017942A1 WO 2023017942 A1 WO2023017942 A1 WO 2023017942A1 KR 2022003901 W KR2022003901 W KR 2022003901W WO 2023017942 A1 WO2023017942 A1 WO 2023017942A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
items
server
item
vector
Prior art date
Application number
PCT/KR2022/003901
Other languages
English (en)
French (fr)
Inventor
민황기
남윤영
이정수
이건봉
이창구
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
Publication of WO2023017942A1 publication Critical patent/WO2023017942A1/ko
Priority to US18/504,613 priority Critical patent/US20240078589A1/en

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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Definitions

  • Various embodiments relate to an electronic device that recommends an item (or content) using artificial intelligence.
  • the recommendation system may collect user information representing a user's response to an item and a user's individual profile, and may introduce an item that the user has not encountered yet to the user based on the collected user information. For example, a recommendation system inputs user information and information about items to a machine-learned artificial intelligence model as input values, and outputs the result value from the artificial intelligence model (eg, a score representing the user's preference for each item). Based on , items may be sorted in descending order, and an item with a high ranking may be preferentially provided through the display of the user device.
  • the recommendation system may be built on a server or user device. If built on the server, there is a risk that user information (personal profile) may be exposed to the outside. As the number of users to receive the recommendation service increases and the recommendation service is required in real time, the cost of building a recommendation system in the server may increase. When built into a user device, the performance of the recommendation system is limited by the resources provided in the user device, and the user may have resistance to the user device's resources (eg, processor, memory) being put into the recommendation system.
  • resources eg, processor, memory
  • some functions related to user personal information may be decomposed from a recommendation system (eg, a recommendation model) and performed in an electronic device (eg, a user device).
  • the electronic device may prevent user information from being exposed to the outside as much as possible and provide a recommendation service at low cost/high efficiency.
  • an electronic device includes communication circuitry for communicating with a server; display; a processor coupled to the communication circuitry and the display; and a memory coupled to the processor, wherein the memory, when executed by the processor, causes the processor to: an intermediate operation value corresponding to an item to which the user reacts among first items introduced to the user through the display; is collected, the collected intermediate operation values are stored in the memory as a user response item vector, and item information on second items to be introduced to the user and intermediate operation values respectively corresponding to the second items are stored in the memory. It is received from the server through a communication circuit, intermediate calculation values received from the server are input to a recommendation model learned using an artificial intelligence algorithm, and the first user information representing the user's profile and the user's reaction are inputted.
  • An item vector as a parameter used to score each of the second items, is put into the recommendation model, and by putting the input value and the parameter into the recommendation model, the result value output from the recommendation model It may store instructions for obtaining points assigned to each of the second items and providing the item information to the user through the display based on the points assigned to each of the second items.
  • the recommendation system includes a server; and a user device.
  • the server may be configured to encode a recommendation item to be introduced to the user of the user device into an intermediate operation value expressed as a plurality of real values, and transmit information about the recommendation item and the intermediate operation value to the user device.
  • the user device encodes the first user information representing the profile of the user into a first user vector expressed as a plurality of real values, and uses the first user vector and an intermediate calculation value received from the server to recommend the recommended item. It may be configured to score and control the display of information about the recommended item based on the score.
  • a method of operating an electronic device may include collecting an intermediate calculation value corresponding to an item to which the user reacts among first items introduced to the user through a display of the electronic device, and calculating the collected intermediate calculation value. storing in a memory of the electronic device as a user response item vector; receiving item information on second items to be introduced to the user and intermediate calculation values respectively corresponding to the second items from a server through a communication circuit of the electronic device; Intermediate calculation values received from the server are input to a recommendation model learned using an artificial intelligence algorithm, and first user information representing the user's profile and the user response item vector are assigned to the second items.
  • parameters used for scoring each an operation of putting them into the recommendation model; obtaining scores respectively assigned to the second items from result values output from the recommendation model by inputting the input value and the parameter into the recommendation model; and providing the item information to the user through the display based on scores assigned to the second items.
  • the electronic device may provide a recommendation service at low cost/high efficiency while maximally preventing user information from being exposed to the outside.
  • various effects identified directly or indirectly through this document may be provided.
  • FIG. 1 is a block diagram of an electronic device in a network environment, according to various embodiments.
  • FIG. 2 illustrates a system configured to support recommendation services, in accordance with various embodiments.
  • FIG. 3 is a block diagram of a recommendation model-S configured in a server in a recommendation system according to an embodiment.
  • FIG. 4 is a block diagram of a recommendation model-S according to an embodiment.
  • FIG. 5 is a block diagram of a recommendation model-U configured in a user device in a recommendation system according to an embodiment.
  • FIG. 6 is a block diagram of a recommendation model-U according to an embodiment.
  • FIG. 7 is a diagram for explaining a news recommendation service according to an exemplary embodiment.
  • FIG. 8 is a flowchart illustrating operations of a processor for recommending an item in a user device, according to an exemplary embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 within a network environment 100, according to various embodiments.
  • an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or through a second network 199. It may communicate with at least one of the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • a first network 198 eg, a short-range wireless communication network
  • the server 108 e.g, a long-distance wireless communication network
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or the antenna module 197 may be included.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added.
  • some of these components eg, sensor module 176, camera module 180, or antenna module 197) are integrated into a single component (eg, display module 160). It can be.
  • the processor 120 for example, executes software (eg, the program 140) to cause at least one other component (eg, hardware or software component) of the electronic device 101 connected to the processor 120. It can control and perform various data processing or calculations. According to one embodiment, as at least part of data processing or operation, processor 120 transfers instructions or data received from other components (e.g., sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • software eg, the program 140
  • processor 120 transfers instructions or data received from other components (e.g., sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • the processor 120 includes a main processor 121 (eg, a central processing unit or an application processor) or a secondary processor 123 (eg, a graphic processing unit, a neural network processing unit ( NPU: neural processing unit (NPU), image signal processor, sensor hub processor, or communication processor).
  • a main processor 121 eg, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit ( NPU: neural processing unit (NPU), image signal processor, sensor hub processor, or communication processor.
  • NPU neural network processing unit
  • the secondary processor 123 may use less power than the main processor 121 or be set to be specialized for a designated function.
  • the secondary processor 123 may be implemented separately from or as part of the main processor 121 .
  • the secondary processor 123 may, for example, take the place of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or the main processor 121 is active (eg, running an application). ) state, together with the main processor 121, at least one of the components of the electronic device 101 (eg, the display module 160, the sensor module 176, or the communication module 190) It is possible to control at least some of the related functions or states.
  • the auxiliary processor 123 eg, an image signal processor or a communication processor
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model.
  • AI models can be created through machine learning. Such learning may be performed, for example, in the electronic device 101 itself where the artificial intelligence model is performed, or may be performed through a separate server (eg, the server 108).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning or reinforcement learning, but in the above example Not limited.
  • the artificial intelligence model may include a plurality of artificial neural network layers.
  • Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the foregoing, but is not limited to the foregoing examples.
  • the artificial intelligence model may include, in addition or alternatively, software structures in addition to hardware structures.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101 .
  • the data may include, for example, input data or output data for software (eg, program 140) and commands related thereto.
  • the memory 130 may include volatile memory 132 or non-volatile memory 134 .
  • the program 140 may be stored as software in the memory 130 and may include, for example, an operating system 142 , middleware 144 , or an application 146 .
  • the input module 150 may receive a command or data to be used by a component (eg, the processor 120) of the electronic device 101 from the outside of the electronic device 101 (eg, a user).
  • the input module 150 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
  • the sound output module 155 may output sound signals to the outside of the electronic device 101 .
  • the sound output module 155 may include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • a receiver may be used to receive an incoming call. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 may visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor configured to detect a touch or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 170 may convert sound into an electrical signal or vice versa. According to an embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, a user state), and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an infrared (IR) sensor, a bio sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that may be used to directly or wirelessly connect the electronic device 101 to an external electronic device (eg, the electronic device 102).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 may be physically connected to an external electronic device (eg, the electronic device 102).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 may convert electrical signals into mechanical stimuli (eg, vibration or motion) or electrical stimuli that a user may perceive through tactile or kinesthetic senses.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 may capture still images and moving images. According to one embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 may manage power supplied to the electronic device 101 .
  • the power management module 188 may be implemented as at least part of a power management integrated circuit (PMIC), for example.
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • the battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). Establishment and communication through the established communication channel may be supported.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 may be a wireless communication module 192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, a : a local area network (LAN) communication module or a power line communication module).
  • a corresponding communication module is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, a legacy communication module).
  • the wireless communication module 192 uses subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199.
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, NR access technology (new radio access technology).
  • NR access technologies include high-speed transmission of high-capacity data (enhanced mobile broadband (eMBB)), minimization of terminal power and access of multiple terminals (massive machine type communications (mMTC)), or high reliability and low latency (ultra-reliable and low latency (URLLC)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low latency
  • -latency communications can be supported.
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • the wireless communication module 192 uses various technologies for securing performance in a high frequency band, such as beamforming, massive multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. Technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna may be supported.
  • the wireless communication module 192 may support various requirements defined for the electronic device 101, an external electronic device (eg, the electronic device 104), or a network system (eg, the second network 199).
  • the wireless communication module 192 may be used to realize peak data rate (eg, 20 Gbps or more) for realizing eMBB, loss coverage (eg, 164 dB or less) for realizing mMTC, or U-plane latency (for realizing URLLC).
  • peak data rate eg, 20 Gbps or more
  • loss coverage eg, 164 dB or less
  • U-plane latency for realizing URLLC.
  • DL downlink
  • UL uplink each of 0.5 ms or less, or round trip 1 ms or less
  • the antenna module 197 may transmit or receive signals or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator formed of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is selected from the plurality of antennas by the communication module 190, for example. can be chosen A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna.
  • other components eg, a radio frequency integrated circuit (RFIC) may be additionally formed as a part of the antenna module 197 in addition to the radiator.
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module includes a printed circuit board, an RFIC disposed on or adjacent to a first surface (eg, a bottom surface) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, array antennas) disposed on or adjacent to a second surface (eg, a top surface or a side surface) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or part of operations executed in the electronic device 101 may be executed in one or more external electronic devices among the external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 when the electronic device 101 needs to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device 101 instead of executing the function or service by itself.
  • one or more external electronic devices may be requested to perform the function or at least part of the service.
  • One or more external electronic devices receiving the request may execute at least a part of the requested function or service or an additional function or service related to the request, and deliver the execution result to the electronic device 101 .
  • the electronic device 101 may provide the result as at least part of a response to the request as it is or additionally processed.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an internet of things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks. According to one embodiment, the external electronic device 104 or server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to intelligent services (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • Electronic devices may be devices of various types.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a camera
  • a wearable device e.g., a smart bracelet
  • first, second, or first or secondary may simply be used to distinguish that component from other corresponding components, and may refer to that component in other respects (eg, importance or order) is not limited.
  • a (eg, first) component is said to be “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively.”
  • the certain component may be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logical blocks, parts, or circuits.
  • a module may be an integrally constructed component or a minimal unit of components or a portion thereof that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • a storage medium eg, internal memory 136 or external memory 138
  • a machine eg, electronic device 101
  • a processor eg, the processor 120
  • a device eg, the electronic device 101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • the storage medium is a tangible device and does not contain a signal (e.g. electromagnetic wave), and this term refers to the case where data is stored semi-permanently in the storage medium. It does not discriminate when it is temporarily stored.
  • a signal e.g. electromagnetic wave
  • the method according to various embodiments disclosed in this document may be included and provided in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • a computer program product is distributed in the form of a device-readable storage medium (e.g. compact disc read only memory (CD-ROM)), or through an application store (e.g. Play Store TM ) or on two user devices (e.g. It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • a device e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play Store TM
  • It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • at least part of the computer program product may be temporarily stored or temporarily created in a storage medium readable by a device such as a manufacturer's server, an application store server, or a relay server's memory.
  • each component (eg, module or program) of the above-described components may include a single object or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. there is.
  • one or more components or operations among the aforementioned corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg modules or programs
  • the integrated component may perform one or more functions of each of the plurality of components identically or similarly to those performed by a corresponding component of the plurality of components prior to the integration. .
  • the actions performed by a module, program, or other component are executed sequentially, in parallel, iteratively, or heuristically, or one or more of the actions are executed in a different order, or omitted. or one or more other actions may be added.
  • Components with a prefix “first” or a suffix “-S” below may be components located in the server 201 .
  • Components with a prefix “second” or a suffix “-U” may be components located in the user device 202 .
  • Data with the suffix “-S” may be data produced by the server 201 or data received by the user device 202 from the server 201 .
  • Data with the suffix “-U” may be data generated by the user device 202, data stored in the user device 202, or data to which the user reacts among data provided to the user by the user device 202. .
  • These suffixes and prefixes are for distinguishing components or data, but do not have a special meaning per se.
  • a system 200 may include a server 201 and a user device 202 .
  • Server 201 eg, server 108 in FIG. 1
  • connects user device 202 eg, FIG. 1
  • a network eg, first network 198 and/or second network 199 in FIG. 1
  • the server 201 may also communicate with other user devices (eg, the electronic device 102 or 104 of FIG. 1 ) over a network.
  • the server 201 may include a first communication circuit 211 , a first memory 212 , a first processor 213 , a recommendation model-S 214 , and a data providing module 215 .
  • the first communication circuit 211, the first memory 212, and the first processor 213 are implemented substantially the same as the communication module 190, the memory 130, and the processor 120 of FIG. 1, respectively. can perform the same function.
  • the recommendation model-S 214 may be configured as an artificial intelligence model machine-learned using an artificial intelligence algorithm, stored in the first memory 212, and executed by the first processor 213.
  • the data providing module 215 may be composed of instructions, stored in the first memory 212 and executed by the first processor 213 .
  • the data providing module 215 may sequentially input N items into the recommendation model-S 214 as first input values. Items to be input to the recommendation model-S 214 may be composed of the same type of content as candidates to be recommended to the user of the user device 202 . For example, the data providing module 215 may input recent news articles, latest movies (or each highlight video), or latest music to the recommendation model-S 214 as candidates to be recommended to the user. there is.
  • Recommendation module-S (214) is input item n (here, n is 1, 2, ..., or N) of the feature information (eg, keyword, category) within a specified range (eg, between -1 and 1) It is expressed (or encoded) with real values, and an nth intermediate operation value (or item vector-S) including these real values may be output as a result value.
  • the intermediate calculation values output from the recommendation module-S 214 are ⁇ 0.13, -0.12, ... , 0.56 ⁇ .
  • the data providing module 215 may receive N intermediate calculation values from the recommendation model-S 214 as a result of inputting the N items to the recommendation model-S.
  • the data providing module 215 may transmit the N intermediate operation values together with the N items (or item information representing them) to the user device 202 through the first communication circuit 211 .
  • Item information includes, for each item, a site address for accessing a service provider (eg server 201) providing the item, an identifier (eg article title, thumbnail, still image), and meta data (eg: If the item is a movie, it may include the actor, director, date of release, etc.).
  • the data providing module 215 may input user information-S into the recommendation model-S 214 as a second input value.
  • the server 201 recommends items to the user by transmitting items to the user device 202 through the first communication circuit 211, and among the recommended items, the user responds to the item (or interacts with the user). Information on user history items) may be received from the user device 202 .
  • the server 201 may estimate a user profile (eg, interest, gender, age) based on characteristic information of an item to which the user reacted among items recommended to the user through the user device 202 .
  • the server 201 may use the estimated user profile as user information-S to be input to the recommendation model-S 214 .
  • the recommendation module-S 214 converts the user information-S into a resultant value for which the second input value (or the first input value and the second input value) is input within a specified range (eg, between -1 and 1). It is expressed as real values, and a user vector-S including these real values can be output as a result value.
  • the user vector-S output from the recommendation module-S 214 is ⁇ 0.05, 0.83, ... , 0.26 ⁇ .
  • the data providing module 215 receives the user vector-S from the recommendation model-S 214 as a result of inputting user information-S (or user information-S and N items) to the recommendation model-S. can do.
  • the data providing module 215 may transmit the user vector-S to the user device 202 through the first communication circuit 211 .
  • the user device 202 includes a second communication circuit 221, a second memory 222, and a second processor 223, a display 224, a user information providing module 225, a user response collection module 226, A recommendation model-U 227 and a display control module 228 may be included.
  • the second communication circuit 221, the second memory 222, the second processor 223, and the display 224 are the communication module 190, memory 130, processor 120, And since it is implemented substantially the same as the display module 160, it can perform the same function.
  • the user information providing module 225, the user reaction collection module 226, and the display control module 228 are composed of instructions, stored in the second memory 222, and executed by the second processor 223.
  • the recommendation model-U 227 may be configured as an artificial intelligence model machine-learned using an artificial intelligence algorithm, stored in the second memory 222, and executed by the second processor 223.
  • the user information providing module 225 may acquire the user information-U stored in the second memory 222 and put it into the recommendation model-U 227 as a first parameter.
  • the user information providing module 225 is associated with a user account (e.g., e-mail address) stored in the second memory 222 and used by the user to log in to the user device 202, a user profile ( Example: Age, gender, address, hobbies, interests, preferred items) can be acquired.
  • the user information providing module 225 includes a user profile (e.g., interests, preferences by type of item, favorite information, frequently A list of used services, applications, or frequently visited site addresses (e.g., uniform resource locator (URL)) may be acquired
  • a user profile e.g., interests, preferences by type of item, favorite information, frequently
  • a list of used services, applications, or frequently visited site addresses e.g., uniform resource locator (URL)
  • URL uniform resource locator
  • the profile prediction model is a data (eg, application usage record) collected from an application (eg, a web browser) installed on the user device 202 or resources (eg, a GNSS communication module, a gyro sensor) of the user device 202 , Internet usage history, activity time, and visiting places) as input values, and the user's profile can be output as a result value of the input values
  • the user profile output from the profile prediction model is stored in the second memory 222.
  • the user information providing module 225 may input the user profile (user information-S) to the recommendation model-U 225 as a third input value.
  • the user response collection module 226 may collect information about an item to which the user reacted among items recommended (or introduced) to the user through the display 224 .
  • the user reaction may include an interaction between the user and the user device 202 through the item.
  • the user response collection module 226 may recognize, as a user response, that the user selects (eg, touches) an item recommended to the user through the display 224 .
  • the second processor 223 may display a user interface (UI) element for inducing a user response on the display 224 .
  • UI user interface
  • UI elements include, for example, a 'Like' button indicating that the user prefers the item, a 'Dislike' button indicating non-preference, a 'Share' button for sharing the item with others, and a user device ( 202) may include a 'save' button for saving.
  • the user response collection module 226 may collect information about an item corresponding to the user's response when the user presses a 'Like', 'Share', or 'Save' button.
  • the user response collection module 226 may collect an intermediate calculation value corresponding to an item to which the user reacted from among intermediate calculation values received from the server 201 through the second communication circuit 221 .
  • the user response collection module 226 may store the collected item information in the second memory 222 as history information indicating a result of item recommendation.
  • the user response collection module 226 may store the collected intermediate calculation values in the second memory 222 as a user response item vector (or item vector-U).
  • the user response collection module 226 may input the user response item vector to the recommendation model-U 227 as a second parameter.
  • the user device 202 may input the user vector-S to the recommendation model 225 as a third parameter.
  • the user device 202 may input N intermediate calculation values received from the server 201 through the second communication circuit 221 into the recommendation model-U 225 as input values.
  • the recommended model-U (227) uses the first parameter and the second parameter (or the first parameter, the second parameter, and the third parameter) within a specified range for the nth intermediate operation value (eg, 0 to 100), and the score n for the nth intermediate operation value can be output as the result value.
  • the score n may be used as a reference value for recommending the nth item. For example, an item with a higher score than an item with a low score may be preferentially recommended to the user.
  • the display control module 228 may control the display of N items based on the score information received from the recommendation model-U 227 . For example, the display control module 228 may control the display of item information so that an item with a high score is preferentially exposed to a user over an item with a low score.
  • FIG. 3 is a block diagram of a recommendation model-S 214 according to an embodiment.
  • the recommendation model-S 214 may be logically divided into an item feature extractor 310 and an item encoder 320 .
  • the contents described in FIG. 2 are briefly described or omitted.
  • the item feature extractor 310 may sequentially receive N items from item 1 to item N from the data providing module 215 .
  • the item feature extractor 310 may extract feature information from the received n-th item.
  • the extracted individual feature information may be converted into a character string or a real number (eg, an integer or a fraction). Characteristic information may consist of a combination of letters and real numbers.
  • the item encoder 320 may sequentially receive N pieces of feature information from feature information 1 to feature information N from the item feature extractor 310 .
  • the item encoder 320 may encode the received n-th feature information as an intermediate operation value.
  • the data providing module 215 sequentially receives N intermediate calculation values from the intermediate calculation value_1 to the intermediate calculation value_N from the item encoder 320 and transmits the N intermediate calculation values through the first communication circuit 211. It can be delivered to the user device 202.
  • FIG. 4 is a block diagram of a recommendation model-S 214 according to an embodiment.
  • the recommendation model-S 214 may be logically divided into an item feature extractor 310, an item encoder 320, and a user encoder-S 410. Details described in FIGS. 2 and 3 are briefly described or omitted.
  • User Encoder-S 410 may receive User Information-S from Data Providing Module 215 .
  • the user encoder-S 410 may encode the received user information-S into a user vector-S.
  • the user encoder-S 410 is a parameter used to express the user's interest (or preference) for each item to be recommended to the user, and the item encoder 320 provides N values as result values. Intermediate calculation values may be received.
  • the user encoder-S 410 may encode the user information-S into a user vector-S using the received parameters.
  • the user encoder-S 410 may return the user vector-S to the data providing module 215 .
  • the data providing module 215 may transmit the user vector-S returned from the user encoder-S 410 to the user device 202 through the first communication circuit 211 .
  • FIG. 5 is a block diagram of a recommendation model-U 227 according to an embodiment.
  • the recommendation model-U 227 can be logically divided into a user encoder-U 510 and a user-item score calculation unit 520 .
  • the contents described in FIG. 2 are briefly described or omitted.
  • the user encoder-U uses the user response item vector as a first parameter used to express the user's interest (or preference) for each item to be recommended to the user (user response collection module 226). ) can be received from The user encoder-U 510 may receive user information-U from the user information providing module 225 . The user encoder-U 510 may encode the user information-U into the user vector-U using the first parameter.
  • the user encoder-U 510 sets N intermediate operation values as second parameters used to express the user's interest (or preference) for each item to be recommended to the user as a second communication circuit ( It can be received from the server 201 through 221).
  • the user encoder-U 510 may encode the user information-U into the user vector-U using the first parameter and the second parameter.
  • the user-item score calculation unit 520 may receive the user vector-U from the user encoder-U 510 as a parameter used to score an item to be recommended to the user.
  • the user-item score calculation unit 520 may sequentially receive N intermediate calculation values from the intermediate calculation value_1 to the intermediate calculation value_N from the server 201 through the second communication circuit 221 .
  • the user-item score calculation unit 520 may calculate a score for the nth intermediate calculation value using the parameter.
  • the user-item score calculator 520 may output the calculated n scores to the display control module 228 .
  • the display control module 228 may determine a rank of the items based on scores assigned to the items.
  • the display control module 228 may display the identifiers (eg, titles) corresponding to the items on the display 224 by sorting them according to the determined rank. For example, the display control module 228 may display the identifiers on the display 224 by arranging the identifiers in the order of higher ranks (or scores). For example, as shown, an item 2 identifier, an item 1 identifier, an item N identifier, . . . , and item 3 identifiers can be sorted in the list. As another example, the display control module 228 may select items having scores higher than or equal to a specified value or items having a determined rank higher than or equal to a specified rank, and display identifiers representing the selected items on the display 224 . As another example, the display control module 228 may display the calculated scores respectively corresponding to the identifiers on the display 224 along with the identifiers.
  • the display control module 228 may display the identifiers (eg, titles) corresponding to the items on the display 224
  • FIG. 6 is a block diagram of a recommendation model-U 227 according to an embodiment.
  • the recommendation model-U 227 can be logically divided into a user encoder-U 510, a user-item score calculator 520, and a user vector combiner 61. Details described in FIGS. 2 and 5 are briefly described or omitted.
  • the user vector combiner 610 may receive the user vector-S from the server 201 through the communication circuit 221 .
  • the user vector combiner 610 may combine the received user vector-S with the user vector-U output as a result of the user encoder-U 510 to obtain an end user vector.
  • the user vector combiner 610 may receive N intermediate calculation values from the server 201 through the communication circuit 221 .
  • the user vector combiner 610 may use N intermediate operation values as parameters for obtaining a final user vector.
  • the user-item score calculation unit 520 may use the end user vector received from the user vector combiner 610 as a parameter for scoring the intermediate operation value.
  • FIG. 7 is a diagram for explaining a news recommendation service according to an exemplary embodiment.
  • contents overlapping with those previously described through FIGS. 2 to 6 are briefly described or omitted.
  • Recommended news items 710 are sequentially input to the recommendation model-S 214, and intermediate calculation values 720 are sequentially output from the recommendation model-S 214 as a result.
  • Each of the intermediate calculation values 720 may be bundled with corresponding recommended news items 710 and transmitted to the user device 202 of the first user.
  • User information-S 730 of the first user may be input to the recommendation model-S 214 , and the first user vector-S 740 may be output from the recommendation model-S 214 as a result.
  • the first user vector-S 740 may be transmitted to the user device 202 of the first user.
  • Intermediate calculation values 720 received from the recommendation model-S 214 of the server 201 to the user device 202 are sequentially input to the recommendation model-U 227, and scores are obtained as a result. ) to the display control module 228 in turn.
  • the recommendation model-U 227 may receive a first user vector-S 740 as a first parameter from the recommendation model-S 214 of the server 201 .
  • the recommendation model-U 227 may obtain the first user information-U 750 from the user device 202 as a second parameter.
  • the recommendation model-U 227 may acquire the user response item vector 760 from the user device 202 as a third parameter.
  • the user response item vector 760 is an item vector corresponding to the news 770 to which the first user reacted, and may be collected by the user response collection module 226 and transmitted to the recommendation model-U 227 .
  • the recommendation model-U 227 may calculate scores for intermediate calculation values using the parameters.
  • the display control module 228 may determine a rank of the recommended news items 710 based on scores respectively assigned to the recommended news items 710 .
  • the display control module 228 may display the titles (identifiers) of the recommended news items 710 on the display 224 by sorting them according to the number assigned to each of the recommended news items 710 . For example, news titled “B Lions Pitcher 20 Wins” and News titled “Electronic A Record Highest Price” get first and second place scores, respectively, and the titles may be arranged in descending order and introduced to the first user.
  • the first news can be considered to be recommended because the first user saw a similar topic of sports in the past, “Pitcher C Enters MLB”.
  • the display control module 228 may increase the reliability of the recommendation by providing the user profile related to the reason and/or basis for recommending the news together with the recommended news through the display 224 .
  • the user response collection module 226 collects information on the recommended news to which the user reacted among the recommended news 710 introduced to the user through the display 224 and the user response item vector of the corresponding recommended news, and collects the memory 222 ) can be stored.
  • the user response item vector updated in the memory 222 in this way can be used as an input value to be put into the recommendation model-U 227 later.
  • FIG. 8 is a flowchart illustrating operations of the second processor 223 for item recommendation, according to an exemplary embodiment. The contents described in FIG. 2 are briefly described or omitted.
  • the second processor 223 may collect the user response item vector from the second memory 222 .
  • the user response item vector may correspond to an item for which the user reacted among items provided from the server 201 to the user device 201 and introduced to the user through the display 224 .
  • the second processor 223 may receive item information about N items and intermediate calculation values (N) from the server 201 through the second communication circuit 221 .
  • the second processor 223 inserts the intermediate calculation values received from the server 201 into the recommendation model-U 227 as input values, and the user information-U and the user response item vector are converted to the server 201. As a parameter used to score each of the intermediate operation values received from , it may be put into the recommendation model-U (227).
  • the second processor 223 may obtain scores respectively assigned to N items from the result value output from the recommendation model-U 227.
  • the second processor 223 may provide item information received from the server 201 to the user through the display 224 based on the scores assigned to the items.
  • an electronic device eg, user device 202 of FIG. 2
  • a recommendation model eg, recommendation model-U 227 in FIG. 2
  • the first user information representing the profile of the user and the user response item vector are input into the recommendation model as parameters used to score the second items, respectively, and the input value and the parameter are used as the recommendation model.
  • Scores assigned to each of the second items are obtained from the result values output from the recommendation model by putting them in the model, and based on the scores assigned to each of the second items, the item information is transmitted to the user through the display. You can store instructions to provide to.
  • the instructions cause the processor to: receive a user vector corresponding to second user information of the user and expressed as a plurality of real values from the server through the communication circuit, and input the user vector as an additional parameter into the recommendation model.
  • the instructions may cause the processor to: sort identifiers representing the second items in the order of highest scores given to the second items and display them on the display.
  • the instructions may cause the processor to: select items having a score equal to or higher than a specified value from among the second items, and display identifiers representing the selected items on the display.
  • the instructions may cause the processor to sequentially insert intermediate calculation values received from the server into the recommendation model, and sequentially obtain scores assigned to the second items from the recommendation model.
  • the recommendation model encodes the first user information into a user vector expressed as a plurality of real values, and an item corresponding to an intermediate operation value received from the server through the communication circuit using the first user vector
  • An electronic device configured to score
  • the recommendation model encodes the first user information into a first user vector expressed as a plurality of real values, and the second user vector corresponding to the second user information of the user and expressed as a plurality of real values is encoded in the communication receiving from the server through the circuit, combining the first user vector and the second user vector to obtain an end-user vector, and using the end-user vector, an intermediate operation received from the server through the communication circuit It can be configured to score items corresponding to values.
  • the recommendation model may be configured to use intermediate operation values received from the server as parameters for obtaining the end user vector.
  • the recommendation system may include a server (eg, server 201 of FIG. 2 ); and a user device (eg, user device 202 of FIG. 2 ).
  • the server may be configured to encode a recommendation item to be introduced to the user of the user device into an intermediate operation value expressed as a plurality of real values, and transmit information about the recommendation item and the intermediate operation value to the user device.
  • the user device encodes the first user information representing the profile of the user into a first user vector expressed as a plurality of real values, and uses the first user vector and an intermediate calculation value received from the server to recommend the recommended item. It may be configured to score and control the display of information about the recommended item based on the score.
  • the server may be configured to encode second user information of the user into a second user vector expressed as a plurality of real values and transmit the second user vector to the user device.
  • the server may be configured to use an intermediate calculation value to be transmitted to the user device as a parameter for obtaining the second user vector.
  • the user device obtains an end-user vector by combining the first-user vector and the second-user vector received from the server, and uses the end-user vector and an intermediate calculation value received from the server to obtain the recommended item. It can be configured to score.
  • the user device may be configured to use an intermediate calculation value received from the server as a parameter for obtaining the end user vector.
  • a method of operating an electronic device may include an intermediate item corresponding to an item to which the user reacts among first items introduced to the user through a display of the electronic device. collecting operation values and storing the collected intermediate operation values as a user response item vector in a memory of the electronic device; receiving item information on second items to be introduced to the user and intermediate calculation values respectively corresponding to the second items from a server through a communication circuit of the electronic device; Intermediate calculation values received from the server are input to a recommendation model learned using an artificial intelligence algorithm, and first user information representing the user's profile and the user response item vector are assigned to the second items.
  • parameters used for scoring each an operation of putting them into the recommendation model; obtaining scores respectively assigned to the second items from result values output from the recommendation model by inputting the input value and the parameter into the recommendation model; and providing the item information to the user through the display based on scores assigned to the second items.
  • the method may include: receiving a user vector, which corresponds to second user information of the user and is expressed as a plurality of real values, from the server through the communication circuit; and inserting the user vector into the recommendation model as an additional parameter.
  • the providing of the item information to the user through the display may include arranging identifiers indicating each of the second items in the order of highest score given to the second items and displaying the second items on the display. there is.
  • the providing of the item information to the user through the display may include selecting items having a score equal to or higher than a specified value from among the second items; and displaying identifiers representing the selected items on the display.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

다양한 실시예에서, 전자 장치는 서버와 통신을 위한 통신 회로; 디스플레이; 상기 통신 회로 및 디스플레이에 연결된 프로세서; 및 상기 프로세서와 연결된 메모리를 포함하고, 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가: 상기 디스플레이를 통해 사용자에게 소개된 제1아이템들 중에서 상기 사용자가 반응한 아이템에 대응하는 중간 연산 값을 수집하고, 상기 수집된 중간 연산 값을 사용자 반응 아이템 벡터로서 상기 메모리에 저장하고, 상기 사용자에게 소개할 제2아이템들에 관한 아이템 정보와 상기 제2아이템들에 각각 대응하는 중간 연산 값들을 상기 통신 회로를 통해 상기 서버로부터 수신하고, 인공 지능 알고리즘을 이용하여 학습된 추천 모델에 상기 서버로부터 수신된 중간 연산 값들을 입력 값으로 넣어 주고, 상기 사용자의 프로파일을 나타내는 제1사용자 정보와 상기 사용자 반응 아이템 벡터를, 상기 제2아이템들에 각각 점수를 매기기 위해 이용되는 파라미터로서, 상기 추천 모델에 넣어 주고, 상기 입력 값과 상기 파라미터를 상기 추천 모델에 넣어 줌으로써 상기 추천 모델로부터 출력된 결과 값에서 상기 제2아이템들에 각각 매겨진 점수들을 획득하고, 상기 제2아이템들에 각각 매겨진 점수들에 기반하여, 상기 아이템 정보를 상기 디스플레이를 통해 상기 사용자에게 제공하도록 하는 인스트럭션들을 저장할 수 있다. 그 외에도, 다양한 실시예들이 가능하다.

Description

아이템을 사용자에게 추천하기 위한 전자 장치 및 방법
다양한 실시예는 인공 지능을 이용하여 아이템(또는, 컨텐츠)을 추천하는 전자 장치에 관한 것이다.
추천 시스템은 아이템에 대한 사용자의 반응과 사용자 개인의 프로파일을 나타내는 사용자 정보를 수집하고, 수집된 사용자 정보에 기반하여 사용자가 아직 접하지 못한 아이템을 사용자에게 소개할 수 있다. 예컨대, 추천 시스템은 기계 학습된 인공 지능 모델에 사용자 정보와 아이템들에 관한 정보를 입력 값으로 넣어주고, 인공 지능 모델로부터 출력된 결과 값(예: 아이템들 각각에 대한 사용자의 선호도를 나타내는 점수)에 기반하여, 아이템들을 내림 차순으로 정렬하고, 순위가 높은 아이템을 우선적으로 사용자 장치의 디스플레이를 통해 제공할 수 있다.
추천 시스템은 서버 또는 사용자 장치에 구축될 수 있다. 서버에 구축될 경우 사용자 정보(개인 프로파일)가 외부로 노출될 수 있는 위험성이 있다. 추천 서비스 받을 사용자 수의 증가 그리고 추천 서비스가 실시간으로 요구됨에 따라 서버에 추천 시스템을 구축하기 위한 비용이 증가할 수 있다. 사용자 장치에 구축될 경우 추천 시스템의 성능이 사용자 장치에 마련된 자원들에 의해 제약되고 사용자 장치의 자원들(예: 프로세서, 메모리)이 추천 시스템에 투입되는 것에 대해 사용자가 거부감을 가질 수 있다.
다양한 실시예에 따르면, 사용자의 개인 정보와 관련된 일부 기능이 추천 시스템(예: 추천 모델)으로부터 분해되어 전자 장치(예: 사용자 장치)에서 수행될 수 있다. 전자 장치는 사용자 정보의 외부 노출을 최대한 막고 저비용/고효율로 추천 서비스를 제공할 수 있다.
본 개시에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 실시예에서, 전자 장치는 서버와 통신을 위한 통신 회로; 디스플레이; 상기 통신 회로 및 디스플레이에 연결된 프로세서; 및 상기 프로세서와 연결된 메모리를 포함하고, 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가: 상기 디스플레이를 통해 사용자에게 소개된 제1아이템들 중에서 상기 사용자가 반응한 아이템에 대응하는 중간 연산 값을 수집하고, 상기 수집된 중간 연산 값을 사용자 반응 아이템 벡터로서 상기 메모리에 저장하고, 상기 사용자에게 소개할 제2아이템들에 관한 아이템 정보와 상기 제2아이템들에 각각 대응하는 중간 연산 값들을 상기 통신 회로를 통해 상기 서버로부터 수신하고, 인공 지능 알고리즘을 이용하여 학습된 추천 모델에 상기 서버로부터 수신된 중간 연산 값들을 입력 값으로 넣어 주고, 상기 사용자의 프로파일을 나타내는 제1사용자 정보와 상기 사용자 반응 아이템 벡터를, 상기 제2아이템들에 각각 점수를 매기기 위해 이용되는 파라미터로서, 상기 추천 모델에 넣어 주고, 상기 입력 값과 상기 파라미터를 상기 추천 모델에 넣어 줌으로써 상기 추천 모델로부터 출력된 결과 값에서 상기 제2아이템들에 각각 매겨진 점수들을 획득하고, 상기 제2아이템들에 각각 매겨진 점수들에 기반하여, 상기 아이템 정보를 상기 디스플레이를 통해 상기 사용자에게 제공하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시예에서, 추천 시스템은 서버; 및 사용자 장치를 포함할 수 있다. 상기 서버는 상기 사용자 장치의 사용자에게 소개할 추천 아이템을 다수의 실수 값들로 표현된 중간 연산 값으로 부호화하고, 상기 추천 아이템에 관한 정보와 상기 중간 연산 값을 상기 사용자 장치로 전송하도록 구성될 수 있다. 상기 사용자 장치는 상기 사용자의 프로파일을 나타내는 제1사용자 정보를 다수의 실수 값들로 표현된 제1사용자 벡터로 부호화하고, 상기 제1사용자 벡터와 상기 서버로부터 수신된 중간 연산 값을 이용하여 상기 추천 아이템에 점수를 매기고, 상기 점수에 기반하여 상기 추천 아이템에 관한 정보의 표시를 제어하도록 구성될 수 있다.
다양한 실시예에서 전자 장치를 동작하는 방법은, 상기 전자 장치의 디스플레이를 통해 사용자에게 소개된 제1아이템들 중에서 상기 사용자가 반응한 아이템에 대응하는 중간 연산 값을 수집하고 상기 수집된 중간 연산 값을 사용자 반응 아이템 벡터로서 상기 전자 장치의 메모리에 저장하는 동작; 상기 사용자에게 소개할 제2아이템들에 관한 아이템 정보와 상기 제2아이템들에 각각 대응하는 중간 연산 값들을 상기 전자 장치의 통신 회로를 통해 서버로부터 수신하는 동작; 인공 지능 알고리즘을 이용하여 학습된 추천 모델에 상기 서버로부터 수신된 중간 연산 값들을 입력 값으로 넣어 주고, 상기 사용자의 프로파일을 나타내는 제1사용자 정보와 상기 사용자 반응 아이템 벡터를, 상기 제2아이템들에 각각 점수를 매기기 위해 이용되는 파라미터로서, 상기 추천 모델에 넣어 주는 동작; 상기 입력 값과 상기 파라미터를 상기 추천 모델에 넣어 줌으로써 상기 추천 모델로부터 출력된 결과 값에서 상기 제2아이템들에 각각 매겨진 점수들을 획득하는 동작; 및 상기 제2아이템들에 각각 매겨진 점수들에 기반하여, 상기 아이템 정보를 상기 디스플레이를 통해 상기 사용자에게 제공하는 동작을 포함할 수 있다.
다양한 실시예에 따르면, 전자 장치는 사용자 정보의 외부 노출을 최대한 막고 저비용/고효율로 추천 서비스를 제공할 수 있다. 이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1 은, 다양한 실시예에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는, 다양한 실시예에 따른, 추천 서비스를 지원하도록 구성된 시스템을 도시한다.
도 3은, 일 실시예에 따른, 추천 시스템에서 서버에 구성된 추천 모델-S의 블록 구성도이다.
도 4는, 일 실시예에 따른, 추천 모델-S의 블록 구성도이다.
도 5는, 일 실시예에 따른, 추천 시스템에서 사용자 장치에 구성된 추천 모델-U의 블록 구성도이다.
도 6은, 일 실시예에 따른, 추천 모델-U의 블록 구성도이다.
도 7은, 일 실시예에 따른, 뉴스 추천 서비스를 설명하기 위한 도면이다.
도 8은, 일 실시예에 따른, 사용자 장치에서 아이템 추천을 위한 프로세서의 동작들을 설명하기 위한 흐름도이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는, 다양한 실시예에 따른, 추천 서비스를 지원하도록 구성된 시스템(200)을 도시한다. 아래에서 접두사 “제1” 또는 접미사 “-S”가 붙은 구성 요소는 서버(201)에 위치한 구성 요소일 수 있다. 접두사 “제2” 또는 접미사 “-U”가 붙은 구성 요소는 사용자 장치(202)에 위치한 구성 요소일 수 있다. 접미사 “-S”가 붙은 데이터는 서버(201)에서 생산된 데이터이거나 사용자 장치(202)가 서버(201)로부터 수신한 데이터일 수 있다. 접미사 “-U”가 붙은 데이터는 사용자 장치(202)에서 생산된 데이터, 사용자 장치(202)에 저장된 데이터, 또는 사용자 장치(202)가 사용자에게 제공한 데이터 중에서 사용자가 반응을 보인 데이터일 수 있다. 이러한 접미사 및 접두사는, 구성 요소나 데이터 구분을 위한 것이지, 그 자체에 특별한 의미가 부여된 것은 아니다.
도 2를 참조하면, 시스템(200)은 서버(201)와 사용자 장치(202)를 포함할 수 있다. 서버(201)(예: 도 1의 서버(108))는 네트워크(예: 도 1의 제1네트워크(198) 및/또는 제2네트워크(199))를 통해 사용자 장치(202)(예: 도 1의 전자 장치(101))와 통신할 수 있다. 서버(201)는 네트워크를 통해 다른 사용자 장치들(예: 도 1의 전자 장치(102 또는 104))과도 통신할 수 있다.
서버(201)는 제1통신 회로(211), 제1메모리(212), 및 제1프로세서(213), 추천 모델-S(214), 및 데이터 제공 모듈(215)를 포함할 수 있다. 제1통신 회로(211), 제1메모리(212), 및 제1프로세서(213)는 각각, 도 1의 통신 모듈(190), 메모리(130), 및 프로세서(120)와 실질적으로 동일하게 구현됨으로써 동일한 기능을 수행할 수 있다. 추천 모델-S(214)는 인공 지능 알고리즘을 이용하여 기계 학습된 인공 지능 모델로 구성되어 제1메모리(212)에 저장되고, 제1프로세서(213)에 의해 실행될 수 있다. 데이터 제공 모듈(215)은 인스트럭션들(instructions)로 구성되어 제1메모리(212)에 저장되고 제1프로세서(213)에 의해 실행될 수 있다.
데이터 제공 모듈(215)은 추천 모델-S(214)에 제1입력 값으로 N개의 아이템들을 순차적으로 넣어줄 수 있다. 추천 모델-S(214)로 입력될 아이템들은 사용자 장치(202)의 사용자에게 추천할 후보로서 동일한 종류의 컨텐츠로 구성될 수 있다. 예를 들어, 데이터 제공 모듈(215)은 사용자에게 추천할 후보로서 최근 뉴스 기사들, 최신 영화들(또는, 각각의 하이라이트 영상들), 또는 최신 음악들을 추천 모델-S(214)에 입력할 수 있다. 추천 모듈-S(214)는 입력된 아이템 n(여기서, n은 1, 2, …, or N임)의 특징 정보(예: 키워드, 카테고리)를 지정된 범위(예: -1~1 사이) 내 실수 값들로 표현(또는, 부호화(encoding))하고, 이러한 실수 값들을 포함하는 n번째 중간 연산 값(또는, 아이템 벡터-S)를 결과 값으로 출력할 수 있다. 이를 테면, 추천 모듈-S(214)에서 출력된 중간 연산 값은 {0.13, -0.12, …, 0.56}로 표현될 수 있다. 데이터 제공 모듈(215)은 N개의 아이템들을 추천 모델-S에 입력한 것에 대한 결과로서 N개의 중간 연산 값들을 추천 모델-S(214)로부터 수신할 수 있다. 데이터 제공 모듈(215)은 N개의 중간 연산 값들을 N개의 아이템들(또는, 이들을 나타내는 아이템 정보)와 함께 제1통신 회로(211)를 통해 사용자 장치(202)로 전송할 수 있다. 아이템 정보는, 각각의 아이템마다, 해당 아이템을 제공하는 서비스 제공자(예: 서버(201))에 접속하기 위한 사이트 주소, 식별자(예: 기사 제목, 썸네일, 스틸 이미지), 및 메타 데이터(예: 아이템이 영화인 경우, 배우, 감독, 개봉일 등등)을 포함할 수 있다.
데이터 제공 모듈(215)은 추천 모델-S(214)에 제2입력 값으로 사용자 정보-S를 넣어줄 수 있다. 서버(201)는 제1통신 회로(211)를 통해 사용자 장치(202)에 아이템들을 전송함으로써 사용자에게 아이템들을 추천하고, 추천된 아이템들 중에서 사용자가 반응을 보인 아이템(또는, 사용자와 상호 작용한 사용자 히스토리 아이템)에 대한 정보를 사용자 장치(202)로부터 수신할 수 있다. 서버(201)는, 사용자 장치(202)를 통해 사용자에게 추천된 아이템들 중에서 사용자가 반응을 보인 아이템의 특징 정보에 기반하여, 사용자 프로파일(예: 관심사, 성별, 나이)을 추정할 수 있다. 서버(201)는, 추정된 사용자 프로파일을 추천 모델-S(214)에 입력할 사용자 정보-S로 사용할 수 있다. 추천 모듈-S(214)은 제2입력 값(또는, 제1입력 값 및 제2입력 값)이 입력된 것에 대한 결과 값을 사용자 정보-S를 지정된 범위(예: -1~1 사이) 내 실수 값들로 표현하고, 이러한 실수 값들을 포함하는 사용자 벡터-S를 결과 값으로 출력할 수 있다. 이를 테면, 추천 모듈-S(214)에서 출력된 사용자 벡터-S는 {0.05, 0.83, …, 0.26}로 표현될 수 있다.
데이터 제공 모듈(215)은 사용자 정보-S(또는, 사용자 정보-S와 N개의 아이템들)을 추천 모델-S에 입력한 것에 대한 결과로서 사용자 벡터-S를 추천 모델-S(214)로부터 수신할 수 있다. 데이터 제공 모듈(215)은 사용자 벡터-S를 제1통신 회로(211)를 통해 사용자 장치(202)로 전송할 수 있다.
사용자 장치(202)는 제2통신 회로(221), 제2메모리(222), 및 제2프로세서(223), 디스플레이(224), 사용자 정보 제공 모듈(225), 사용자 반응 수집 모듈(226), 추천 모델-U(227), 및 표시 제어 모듈(228)을 포함할 수 있다. 제2통신 회로(221), 제2메모리(222), 및 제2프로세서(223), 및 디스플레이(224)는 각각, 도 1의 통신 모듈(190), 메모리(130), 프로세서(120), 및 디스플레이 모듈(160)과 실질적으로 동일하게 구현됨으로써 동일한 기능을 수행할 수 있다. 사용자 정보 제공 모듈(225), 사용자 반응 수집 모듈(226), 및 표시 제어 모듈(228)은 인스트럭션들로 구성되어 제2메모리(222)에 저장되고 제2프로세서(223)에 의해 실행될 수 있다. 추천 모델-U(227)는 인공 지능 알고리즘을 이용하여 기계 학습된 인공 지능 모델로 구성되어 제2메모리(222)에 저장되고 제2프로세서(223)에 의해 실행될 수 있다.
사용자 정보 제공 모듈(225)은 제2메모리(222)에 저장된 사용자 정보-U를 획득해서 추천 모델-U(227)에 제1파라미터로 넣어줄 수 있다. 예를 들어, 사용자 정보 제공 모듈(225)은 제2메모리(222)에 저장된, 사용자가 사용자 장치(202)에 로그인 시 이용하는 사용자 계정(user account)(예: 이메일 주소)과 연관된, 사용자 프로파일(예: 나이, 성별, 주소, 취미, 관심 사항, 선호하는 아이템)를 획득할 수 있다. 사용자 정보 제공 모듈(225)은, 사용자 장치(202)에 설치된 프로파일 예측 모델에 의해 생산되어 제2메모리(222)에 저장된 사용자 프로파일(예: 관심 사항, 아이템의 종류 별 선호도, 즐겨 찾는 정보, 자주 이용하는 서비스, 어플리케이션 리스트, 또는 자주 방문하는 사이트 주소(예: URL(uniform resource locator))를 획득할 수 있다. 예를 들어, 프로파일 예측 모델은 인공 지능 알고리즘을 이용하여 기계 학습된 인공 지능 모델일 수 있다. 프로파일 예측 모델은, 사용자 장치(202)에 설치된 어플리케이션(예: 웹 브라우저)나 사용자 장치(202)의 자원들(예: GNSS 통신 모듈, 자이로 센서)로부터 수집된 데이터(예: 어플리케이션 사용 기록, 인터넷 이용 기록, 활동 시간, 방문 장소)를 입력 값으로 수신하고, 입력 값에 대한 결과 값으로 사용자의 프로파일을 출력할 수 있다. 프로파일 예측 모델에서 출력된 사용자 프로파일은 제2메모리(222)에 저장될 수 있다. 사용자 정보 제공 모듈(225)은 사용자 프로파일(사용자 정보-S)을 추천 모델-U(225)에 제3입력 값으로 넣어줄 수 있다.
사용자 반응 수집 모듈(226)은 디스플레이(224)를 통해 사용자에게 추천(또는, 소개)된 아이템들 중에서 사용자가 반응을 보인 아이템에 대한 정보를 수집할 수 있다. 여기서, 사용자 반응은 아이템을 통한 사용자와 사용자 장치(202) 간의 상호 작용을 포함할 수 있다. 예를 들어, 사용자 반응 수집 모듈(226)은 디스플레이(224)를 통해 사용자에게 추천된 아이템을 사용자가 선택(예: 터치)한 것을 사용자 반응으로 인식할 수 있다. 다른 예로, 추천 아이템으로서 동영상이 디스플레이(224)를 통해 재생되는 동안, 제2프로세서(223)는 사용자 반응을 유도하기 위한 UI(user interface) 요소를 디스플레이(224)에 표시할 수 있다. UI 요소는 이를 테면, 해당 아이템을 사용자가 선호함을 의미하는 ‘좋아요’ 버튼, 비선호를 의미하는 ‘싫어요’ 버튼, 다른 사람에게 해당 아이템을 공유하기 위한 ‘공유’ 버튼, 해당 아이템을 사용자 장치(202)에 저장하기 위한 ‘저장’ 버튼을 포함할 수 있다. 사용자 반응 수집 모듈(226)은, 사용자가 ‘좋아요’, ‘공유’, 또는 ‘저장’ 버튼을 누를 경우, 이러한 사용자 반응에 해당하는 아이템에 대한 정보를 수집할 수 있다. 사용자 반응 수집 모듈(226)은 제2통신 회로(221)를 통해 서버(201)로부터 수신된 중간 연산 값들 중에서 사용자가 반응한 아이템에 대응하는 중간 연산 값을 수집할 수 있다. 사용자 반응 수집 모듈(226)은 수집된 아이템 정보 아이템 추천에 대한 결과를 나타내는 히스토리 정보로서 제2메모리(222)에 저장할 수 있다. 사용자 반응 수집 모듈(226)은 상기 수집된 중간 연산 값을 사용자 반응 아이템 벡터(또는, 아이템 벡터-U)로서 제2메모리(222)에 저장할 수 있다. 사용자 반응 수집 모듈(226)은 사용자 반응 아이템 벡터를 추천 모델-U(227)에 제2파라미터로 넣어줄 수 있다.
제2통신 회로(221)를 통해 서버(201)로부터 사용자 벡터-S가 수신될 경우, 사용자 장치(202)는 사용자 벡터-S를 추천 모델-(225)에 제3파라미터로 넣어줄 수도 있다.
사용자 장치(202)는 제2통신 회로(221)를 통해 서버(201)로부터 수신된 N개의 중간 연산 값들을 추천 모델-U(225)에 입력 값으로 넣어줄 수 있다.
추천 모델-U(227)은, 제1파라미터 및 제2파라미터(또는, 제1파라미터, 제2파라미터 및 제3파라미터)를 이용하여, n번째 중간 연산 값에 대해 지정된 범위 내(예: 0~100)에서 점수를 매기고, n번째 중간 연산 값에 대한 점수 n을 결과 값으로 출력할 수 있다. 점수 n은 n번째 아이템을 추천하기 위한 참조 값으로 이용될 수 있다. 예를 들어, 점수가 낮게 책정된 아이템보다 높게 책정된 아이템이 사용자에게 우선적으로 추천될 수 있다.
표시 제어 모듈(228)은 추천 모델-U(227)로부터 수신된 점수 정보에 기반하여 N개의 아이템들에 대한 표시를 제어할 수 있다. 예를 들어, 표시 제어 모듈(228)은 점수가 높게 책정된 아이템이 낮게 책정된 아이템보다 사용자에게 우선적으로 노출되도록 아이템 정보의 표시를 제어할 수 있다.
도 3은, 일 실시예에 따른, 추천 모델-S(214)의 블록 구성도이다. 도 3을 참조하면, 추천 모델-S(214)는 논리적으로, 아이템 특징 추출부(310) 및 아이템 인코더(320)로 구분될 수 있다. 도 2에서 설명된 내용은 간략히 기재되거나 생략된다.
아이템 특징 추출부(310)는 아이템 1부터 아이템 N까지 N개의 아이템들을 데이터 제공 모듈(215)로부터 순차적으로 수신할 수 있다. 아이템 특징 추출부(310)는 수신된 n번째 아이템에서 특징 정보를 추출할 수 있다. 추출된 개개의 특징 정보는 문자열이나 실수(예: 정수, 분수)로 변환될 수 있다. 특징 정보는 문자와 실수의 조합으로 이루어질 수도 있다. 아이템 인코더(320)는 특징 정보 1부터 특징 정보 N까지 N개의 특징 정보를 아이템 특징 추출부(310)로부터 순차적으로 수신할 수 있다. 아이템 인코더(320)는 수신된 n번째 특징 정보를 중간 연산 값으로 부호화할 수 있다. 데이터 제공 모듈(215)는 중간 연산 값_1부터 중간 연산 값_N까지 N개의 중간 연산 값들을 아이템 인코더(320)로부터 순차적으로 수신하고 N개의 중간 연산 값들을 제1통신 회로(211)를 통해 사용자 장치(202)로 전달할 수 있다.
도 4는, 일 실시예에 따른, 추천 모델-S(214)의 블록 구성도이다. 도 4를 참조하면, 추천 모델-S(214)는 논리적으로, 아이템 특징 추출부(310), 아이템 인코더(320), 및 사용자 인코더-S(410)로 구분될 수 있다. 도 2 및 도 3에서 설명된 내용은 간략히 기재되거나 생략된다.
일 실시예에서, 사용자 인코더-S(410)는 사용자 정보-S를 데이터 제공 모듈(215)로부터 수신할 수 있다. 사용자 인코더-S(410)는 수신된 사용자 정보-S를 사용자 벡터-S로 부호화할 수 있다.
일 실시예에서, 사용자 인코더-S(410)는 사용자에게 추천할 아이템 개개에 대한 사용자의 관심도(또는, 선호도)를 표현하기 위해 이용되는 파라미터로서, 아이템 인코더(320)가 결과 값으로 내놓은 N개의 중간 연산 값들을 수신할 수 있다. 사용자 인코더-S(410)는, 수신된 파라미터를 이용하여, 사용자 정보-S를 사용자 벡터-S로 부호화할 수 있다.
사용자 인코더-S(410)는 사용자 벡터-S를 데이터 제공 모듈(215)로 회신할 수 있다. 데이터 제공 모듈(215)은 사용자 인코더-S(410)로부터 회신 받은 사용자 벡터-S를 제1통신 회로(211)를 통해 사용자 장치(202)로 전달할 수 있다.
도 5는, 일 실시예에 따른, 추천 모델-U(227)의 블록 구성도이다. 도 5를 참조하면, 추천 모델-U(227)는 논리적으로, 사용자 인코더-U(510) 및 사용자-아이템 점수 계산부(520)로 구분될 수 있다. 도 2에서 설명된 내용은 간략히 기재되거나 생략된다.
일 실시예에서, 사용자 인코더-U(510)는 사용자에게 추천할 아이템 개개에 대한 사용자의 관심도(또는, 선호도)를 표현하기 위해 이용되는 제1파라미터로서 사용자 반응 아이템 벡터를 사용자 반응 수집 모듈(226)로부터 수신할 수 있다. 사용자 인코더-U(510)는 사용자 정보-U를 사용자 정보 제공 모듈(225)로부터 수신할 수 있다. 사용자 인코더-U(510)는, 제1파라미터를 이용하여, 사용자 정보-U를 사용자 벡터-U로 부호화할 수 있다.
일 실시예에서, 사용자 인코더-U(510)는 사용자에게 추천할 아이템 개개에 대한 사용자의 관심도(또는, 선호도)를 표현하기 위해 이용되는 제2파라미터로서 N개의 중간 연산 값들을 제2통신 회로(221)를 통해 서버(201)로부터 수신할 수 있다. 사용자 인코더-U(510)는, 제1파라미터와 제2파라미터를 이용하여, 사용자 정보-U를 사용자 벡터-U로 부호화할 수 있다.
사용자-아이템 점수 계산부(520)는 사용자에게 추천할 아이템에 점수를 매기기 위해 이용되는 파라미터로서 사용자 벡터-U를 사용자 인코더-U(510)로부터 수신할 수 있다. 사용자-아이템 점수 계산부(520)는 중간 연산 값_1부터 중간 연산 값_N까지 N개의 중간 연산 값들을 제2통신 회로(221)를 통해 서버(201)로부터 순차적으로 수신할 수 있다. 사용자-아이템 점수 계산부(520)는, 파라미터를 이용하여, n번째 중간 연산 값에 대해 점수를 계산할 수 있다. 사용자-아이템 점수 계산부(520)는 계산된 n개의 점수들을 표시 제어 모듈(228)로 출력할 수 있다. 표시 제어 모듈(228)은 아이템들에 각각 매겨진 점수에 기반하여, 아이템들의 등수(rank)를 결정할 수 있다. 표시 제어 모듈(228)는 아이템들에 대응하는 식별자들(예: 제목들)을 상기 결정된 등수대로 정렬하여 디스플레이(224)에 표시할 수 있다. 예를 들어, 표시 제어 모듈(228)은 등수(또는, 점수)가 높은 순서대로 식별자들을 정렬하여 디스플레이(224)에 표시할 수 있다. 이를 테면, 도시된 바와 같이, 등수가 높은 순서대로 아이템 2 식별자, 아이템 1 식별자, 아이템 N 식별자, …, 및 아이템 3 식별자가 리스트에 정렬될 수 있다. 다른 예로, 표시 제어 모듈(228)은 지정된 값 이상의 점수를 갖는 아이템들 또는 결정된 등수가 지정된 순위 이상인 아이템들을 선택하고, 선택된 아이템들을 나타내는 식별자들을 디스플레이(224)에 표시할 수 있다. 또 다른 예로, 표시 제어 모듈(228)은 상기 식별자들과 함께, 상기 식별자들에 각각 대응하는 계산된 점수를 디스플레이(224)에 표시할 수도 있다.
도 6은, 일 실시예에 따른, 추천 모델-U(227)의 블록 구성도이다. 도 6을 참조하면, 추천 모델-U(227)는 논리적으로, 사용자 인코더-U(510), 사용자-아이템 점수 계산부(520), 및 사용자 벡터 결합부(61)로 구분될 수 있다. 도 2 및 도 5에서 설명된 내용은 간략히 기재되거나 생략된다.
일 실시예에서, 사용자 벡터 결합부(610)는 통신 회로(221)를 통해 서버(201)로부터 사용자 벡터-S를 수신할 수 있다. 사용자 벡터 결합부(610)는 수신된 사용자 벡터-S를 사용자 인코더-U(510)가 결과물로 출력한 사용자 벡터-U와 결합하여 최종 사용자 벡터를 획득할 수 있다.
일 실시예에서, 사용자 벡터 결합부(610)는 통신 회로(221)를 통해 서버(201)로부터 N개의 중간 연산 값들을 수신할 수 있다. 사용자 벡터 결합부(610)는 N개의 중간 연산 값들을 최종 사용자 벡터를 얻기 위한 파라미터로 이용할 수 있다.
사용자-아이템 점수 계산부(520)는 중간 연산 값에 점수를 매기기 위한 파라미터로서 사용자 벡터 결합부(610)로부터 수신된 최종 사용자 벡터를 이용할 수 있다.
도 7은, 일 실시예에 따른, 뉴스 추천 서비스를 설명하기 위한 도면이다. 도 7을 설명함에 있어 앞서 도 2 내지 도 6을 통해 설명된 바와 중복된 내용은 간략히 기재되거나 생략된다.
추천 모델-S(214)에 추천 뉴스들(710)이 추천 모델-S(214)에 차례로 입력되고 결과물로서 중간 연산 값들(720)이 차례로 추천 모델-S(214)에서 출력될 수 있다. 중간 연산 값들(720) 각각 그에 해당하는 추천 뉴스들(710)과 묶여서 제1사용자의 사용자 장치(202)로 전송될 수 있다. 추천 모델-S(214)에 제1사용자의 사용자 정보-S(730)가 입력되고 결과물로서 제1사용자 벡터-S(740)가 추천 모델-S(214)에서 출력될 수 있다. 제1사용자 벡터-S(740)는 제1사용자의 사용자 장치(202)로 전송될 수 있다.
서버(201)의 추천 모델-S(214)에서 사용자 장치(202)로 수신된 중간 연산 값들(720)이 추천 모델-U(227)에 차례로 입력되고, 결과물로 점수들이 추천 모델-U(227)에서 표시 제어 모듈(228)로 차례로 출력될 수 있다. 예를 들어, 추천 모델-U(227)는 제1 파라미터로서 제1사용자 벡터-S(740)를 서버(201)의 추천 모델-S(214)로부터 수신할 수 있다. 추천 모델-U(227)은 제2파라미터로서 제1사용자 정보-U(750)를 사용자 장치(202)에서 획득할 수 있다. 추천 모델-U(227)은 제3파라미터로서 사용자 반응 아이템 벡터(760)를 사용자 장치(202)에서 획득할 수 있다. 사용자 반응 아이템 벡터(760)는 제1사용자가 반응하였던 뉴스(770)에 해당하는 아이템 벡터로서 사용자 반응 수집 모듈(226)에 의해 수집되어 추천 모델-U(227)에 전달될 수 있다. 추천 모델-U(227)은 파라미터들을 이용하여 중간 연산 값에 대한 점수를 계산할 수 있다.
표시 제어 모듈(228)은 추천 뉴스들(710)에 대해 각각 매겨진 점수들에 기반하여, 추천 뉴스들(710)의 등수(rank)를 결정할 수 있다. 표시 제어 모듈(228)는 추천 뉴스들(710)의 제목들(식별자들)을 추천 뉴스들(710)에 각각 부여된 등수대로 정렬하여 디스플레이(224)에 표시할 수 있다. 예를 들어, “B라이온즈 투수 20승” 이라는 뉴스와 “A전자 상한가 기록”이라는 뉴스가 각각 1, 2위의 점수를 얻고 그 제목들이 내림차순으로 정렬되어 제1사용자에게 소개될 수 있다. 첫 번째 뉴스는 제1사용자가 과거에 스포츠라는 비슷한 주제의 “투수 C MLB 진출” 뉴스를 보았기 때문에 추천되었다고 볼 수 있다. 두 번째 뉴스의 경우, 추천 모델-U(227)가 “30대 남성이 주식 관련 뉴스를 많이 읽는다”라는 학습 데이터로 학습되었다는 점 그리고 제1사용자가 30대 남성이라는 사용자 프로파일을 바탕으로, 제1사용자에게 추천된 결과로 볼 수 있다. 표시 제어 모듈(228)은 추천 뉴스와 함께, 뉴스를 왜 추천하는지 그 이유 및/또는 근거에 관한 사용자 프로파일을 디스플레이(224)를 통해 사용자에게 제공함으로써 추천의 신뢰도를 높일 수 있다.
사용자 반응 수집 모듈(226)은 디스플레이(224)를 통해 사용자에게 소개된 추천 뉴스들(710) 중에서 사용자가 반응을 보인 추천 뉴스에 대한 정보와 해당 추천 뉴스의 사용자 반응 아이템 벡터를 수집해서 메모리(222)에 저장할 수 있다. 이와 같이 메모리(222)에 업데이트된 사용자 반응 아이템 벡터는 추후, 추천 모델-U(227)에 넣어 줄 입력 값으로 이용될 수 있다.
도 8은, 일 실시예에 따른, 아이템 추천을 위한 제2프로세서(223)의 동작들을 설명하기 위한 흐름도이다. 도 2에서 설명된 내용은 간략히 기재되거나 생략된다.
동작 810에서 제2프로세서(223)는 사용자 반응 아이템 벡터를 제2메모리(222)에서 수집할 수 있다. 사용자 반응 아이템 벡터는, 서버(201)에서 사용자 장치(201)로 제공되고 디스플레이(224)를 통해 사용자에게 소개된 아이템들 중에서 사용자가 반응을 보인 아이템에 대응하는 것일 수 있다.
동작 820에서 제2프로세서(223)는 아이템들(N개)에 관한 아이템 정보와 중간 연산 값들(N개)을 제2통신 회로(221)를 통해 서버(201)로부터 수신할 수 있다.
동작 830에서 제2프로세서(223)는 추천 모델-U(227)에 서버(201)로부터 수신된 중간 연산 값들을 입력 값으로 넣어 주고, 사용자 정보-U와 사용자 반응 아이템 벡터를, 서버(201)로부터 수신된 중간 연산 값들에 각각 점수를 매기기 위해 이용되는 파라미터로서, 추천 모델-U(227)에 넣어 줄 수 있다.
동작 840에서 제2프로세서(223)는 추천 모델-U(227)로부터 출력된 결과 값에서 아이템들(N개)에 각각 매겨진 점수들을 획득할 수 있다.
동작 850에서 제2프로세서(223)는, 아이템들에 각각 매겨진 점수들에 기반하여, 서버(201)로부터 수신된 아이템 정보를 디스플레이(224)를 통해 사용자에게 제공할 수 있다.
다양한 실시예에서, 전자 장치(예: 도 2의 사용자 장치(202))는 서버와 통신을 위한 통신 회로; 디스플레이; 상기 통신 회로 및 디스플레이에 연결된 프로세서; 및 상기 프로세서와 연결된 메모리를 포함하고, 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가: 상기 디스플레이를 통해 사용자에게 소개된 제1아이템들 중에서 상기 사용자가 반응한 아이템에 대응하는 중간 연산 값을 수집하고, 상기 수집된 중간 연산 값을 사용자 반응 아이템 벡터로서 상기 메모리에 저장하고, 상기 사용자에게 소개할 제2아이템들에 관한 아이템 정보와 상기 제2아이템들에 각각 대응하는 중간 연산 값들을 상기 통신 회로를 통해 상기 서버로부터 수신하고, 인공 지능 알고리즘을 이용하여 학습된 추천 모델(예: 도 2의 추천 모델-U(227))에 상기 서버로부터 수신된 중간 연산 값들을 입력 값으로 넣어 주고, 상기 사용자의 프로파일을 나타내는 제1사용자 정보와 상기 사용자 반응 아이템 벡터를, 상기 제2아이템들에 각각 점수를 매기기 위해 이용되는 파라미터로서, 상기 추천 모델에 넣어 주고, 상기 입력 값과 상기 파라미터를 상기 추천 모델에 넣어 줌으로써 상기 추천 모델로부터 출력된 결과 값에서 상기 제2아이템들에 각각 매겨진 점수들을 획득하고, 상기 제2아이템들에 각각 매겨진 점수들에 기반하여, 상기 아이템 정보를 상기 디스플레이를 통해 상기 사용자에게 제공하도록 하는 인스트럭션들을 저장할 수 있다.
상기 인스트럭션들은 상기 프로세서가: 상기 사용자의 제2사용자 정보에 대응하고 다수의 실수 값들로 표현된 사용자 벡터를 상기 통신 회로를 통해 상기 서버로부터 수신하고, 상기 사용자 벡터를 추가적인 파라미터로서 상기 추천 모델에 넣어 주도록 할 수 있다.
상기 인스트럭션들은 상기 프로세서가: 상기 제2아이템들을 각각 나타내는 식별자들을 상기 제2아이템들에 부여된 점수가 높은 순서대로 정렬하여 상기 디스플레이에 표시하도록 할 수 있다.
상기 인스트럭션들은 상기 프로세서가: 상기 제2아이템들 중에서 지정된 값 이상의 점수를 갖는 아이템들을 선택하고, 상기 선택된 아이템들을 나타내는 식별자들을 상기 디스플레이에 표시하도록 할 수 있다.
상기 인스트럭션들은 상기 프로세서가: 상기 추천 모델에 상기 서버로부터 수신된 중간 연산 값들을 차례로 넣어주고, 상기 추천 모델로부터 상기 제2아이템들에 각각 매겨진 점수들을 차례로 획득하도록 할 수 있다.
상기 추천 모델이, 상기 제1사용자 정보를 다수의 실수 값들로 표현된 사용자 벡터로 부호화하고, 상기 제1사용자 벡터를 이용하여, 상기 통신 회로를 통해 상기 서버로부터 수신된 중간 연산 값에 대응하는 아이템에 점수를 매기도록 구성된 전자 장치.
상기 추천 모델이, 상기 제1사용자 정보를 다수의 실수 값들로 표현된 제1사용자 벡터로 부호화하고, 상기 사용자의 제2사용자 정보에 대응하고 다수의 실수 값들로 표현된 제2사용자 벡터를 상기 통신 회로를 통해 상기 서버로부터 수신하고, 상기 제1사용자 벡터와 상기 제2사용자 벡터를 결합하여 최종 사용자 벡터를 획득하고, 상기 최종 사용자 벡터를 이용하여, 상기 통신 회로를 통해 상기 서버로부터 수신된 중간 연산 값에 대응하는 아이템에 점수를 매기도록 구성될 수 있다.
상기 추천 모델이, 상기 서버로부터 수신된 중간 연산 값들을 상기 최종 사용자 벡터를 얻기 위한 파라미터로 이용하도록 구성될 수 있다.
다양한 실시예에서, 추천 시스템은 서버(예: 도 2의 서버(201)); 및 사용자 장치(예: 도 2의 사용자 장치(202))를 포함할 수 있다. 상기 서버는 상기 사용자 장치의 사용자에게 소개할 추천 아이템을 다수의 실수 값들로 표현된 중간 연산 값으로 부호화하고, 상기 추천 아이템에 관한 정보와 상기 중간 연산 값을 상기 사용자 장치로 전송하도록 구성될 수 있다. 상기 사용자 장치는 상기 사용자의 프로파일을 나타내는 제1사용자 정보를 다수의 실수 값들로 표현된 제1사용자 벡터로 부호화하고, 상기 제1사용자 벡터와 상기 서버로부터 수신된 중간 연산 값을 이용하여 상기 추천 아이템에 점수를 매기고, 상기 점수에 기반하여 상기 추천 아이템에 관한 정보의 표시를 제어하도록 구성될 수 있다.
상기 서버는, 상기 사용자의 제2사용자 정보를 다수의 실수 값들로 표현된 제2사용자 벡터로 부호화하고 제2사용자 벡터를 상기 사용자 장치로 전송하도록 구성될 수 있다.
상기 서버는, 상기 사용자 장치로 전송할 중간 연산 값을 상기 제2사용자 벡터를 얻기 위한 파라미터로 이용하도록 구성될 수 있다.
상기 사용자 장치는, 상기 제1사용자 벡터와 상기 서버로부터 수신된 제2사용자 벡터를 결합하여 최종 사용자 벡터를 획득하고, 상기 최종 사용자 벡터와 상기 서버로부터 수신된 중간 연산 값을 이용하여, 상기 추천 아이템에 점수를 매기도록 구성될 수 있다.
상기 사용자 장치는 상기 서버로부터 수신된 중간 연산 값을 상기 최종 사용자 벡터를 얻기 위한 파라미터로 이용하도록 구성될 수 있다.
다양한 실시예에서 전자 장치(예: 도 2의 사용자 장치(202))를 동작하는 방법은, 상기 전자 장치의 디스플레이를 통해 사용자에게 소개된 제1아이템들 중에서 상기 사용자가 반응한 아이템에 대응하는 중간 연산 값을 수집하고 상기 수집된 중간 연산 값을 사용자 반응 아이템 벡터로서 상기 전자 장치의 메모리에 저장하는 동작; 상기 사용자에게 소개할 제2아이템들에 관한 아이템 정보와 상기 제2아이템들에 각각 대응하는 중간 연산 값들을 상기 전자 장치의 통신 회로를 통해 서버로부터 수신하는 동작; 인공 지능 알고리즘을 이용하여 학습된 추천 모델에 상기 서버로부터 수신된 중간 연산 값들을 입력 값으로 넣어 주고, 상기 사용자의 프로파일을 나타내는 제1사용자 정보와 상기 사용자 반응 아이템 벡터를, 상기 제2아이템들에 각각 점수를 매기기 위해 이용되는 파라미터로서, 상기 추천 모델에 넣어 주는 동작; 상기 입력 값과 상기 파라미터를 상기 추천 모델에 넣어 줌으로써 상기 추천 모델로부터 출력된 결과 값에서 상기 제2아이템들에 각각 매겨진 점수들을 획득하는 동작; 및 상기 제2아이템들에 각각 매겨진 점수들에 기반하여, 상기 아이템 정보를 상기 디스플레이를 통해 상기 사용자에게 제공하는 동작을 포함할 수 있다.
상기 방법은, 상기 사용자의 제2사용자 정보에 대응하고 다수의 실수 값들로 표현된 사용자 벡터를 상기 통신 회로를 통해 상기 서버로부터 수신하는 동작; 및 상기 사용자 벡터를 추가적인 파라미터로서 상기 추천 모델에 넣어 주는 동작을 더 포함할 수 있다.
상기 아이템 정보를 상기 디스플레이를 통해 상기 사용자에게 제공하는 동작은, 상기 제2아이템들을 각각 나타내는 식별자들을 상기 제2아이템들에 부여된 점수가 높은 순서대로 정렬하여 상기 디스플레이에 표시하는 동작을 포함할 수 있다.
상기 아이템 정보를 상기 디스플레이를 통해 상기 사용자에게 제공하는 동작은, 상기 제2아이템들 중에서 지정된 값 이상의 점수를 갖는 아이템들을 선택하는 동작; 및 상기 선택된 아이템들을 나타내는 식별자들을 상기 디스플레이에 표시하는 동작을 포함할 수 있다.
본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 실시예에 따른 기술 내용을 쉽게 설명하고 본 발명의 실시예의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 실시예의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 다양한 실시예의 범위는 여기에 개시된 실시예들 이외에도 본 발명의 다양한 실시예의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 다양한 실시예의 범위에 포함되는 것으로 해석되어야 한다.

Claims (15)

  1. 전자 장치에 있어서,
    서버와 통신을 위한 통신 회로;
    디스플레이;
    상기 통신 회로 및 디스플레이에 연결된 프로세서; 및
    상기 프로세서와 연결된 메모리를 포함하고, 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가:
    상기 디스플레이를 통해 사용자에게 소개된 제1아이템들 중에서 상기 사용자가 반응한 아이템에 대응하는 중간 연산 값을 수집하고, 상기 수집된 중간 연산 값을 사용자 반응 아이템 벡터로서 상기 메모리에 저장하고,
    상기 사용자에게 소개할 제2아이템들에 관한 아이템 정보와 상기 제2아이템들에 각각 대응하는 중간 연산 값들을 상기 통신 회로를 통해 상기 서버로부터 수신하고,
    인공 지능 알고리즘을 이용하여 학습된 추천 모델에 상기 서버로부터 수신된 중간 연산 값들을 입력 값으로 넣어 주고,
    상기 사용자의 프로파일을 나타내는 제1사용자 정보와 상기 사용자 반응 아이템 벡터를, 상기 제2아이템들에 각각 점수를 매기기 위해 이용되는 파라미터로서, 상기 추천 모델에 넣어 주고,
    상기 입력 값과 상기 파라미터를 상기 추천 모델에 넣어 줌으로써 상기 추천 모델로부터 출력된 결과 값에서 상기 제2아이템들에 각각 매겨진 점수들을 획득하고,
    상기 제2아이템들에 각각 매겨진 점수들에 기반하여, 상기 아이템 정보를 상기 디스플레이를 통해 상기 사용자에게 제공하도록 하는 인스트럭션들을 저장하는 전자 장치.
  2. 제1항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 사용자의 제2사용자 정보에 대응하고 다수의 실수 값들로 표현된 사용자 벡터를 상기 통신 회로를 통해 상기 서버로부터 수신하고,
    상기 사용자 벡터를 추가적인 파라미터로서 상기 추천 모델에 넣어 주도록 하는 전자 장치.
  3. 제1항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 제2아이템들을 각각 나타내는 식별자들을 상기 제2아이템들에 부여된 점수가 높은 순서대로 정렬하여 상기 디스플레이에 표시하도록 하는 전자 장치.
  4. 제1항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 제2아이템들 중에서 지정된 값 이상의 점수를 갖는 아이템들을 선택하고,
    상기 선택된 아이템들을 나타내는 식별자들을 상기 디스플레이에 표시하도록 하는 전자 장치.
  5. 제1항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 추천 모델에 상기 서버로부터 수신된 중간 연산 값들을 차례로 넣어주고,
    상기 추천 모델로부터 상기 제2아이템들에 각각 매겨진 점수들을 차례로 획득하도록 하는 전자 장치.
  6. 제1항에 있어서, 상기 추천 모델이,
    상기 제1사용자 정보를 다수의 실수 값들로 표현된 사용자 벡터로 부호화하고,
    상기 제1사용자 벡터를 이용하여, 상기 통신 회로를 통해 상기 서버로부터 수신된 중간 연산 값에 대응하는 아이템에 점수를 매기도록 구성된 전자 장치.
  7. 제1항에 있어서, 상기 추천 모델이,
    상기 제1사용자 정보를 다수의 실수 값들로 표현된 제1사용자 벡터로 부호화하고,
    상기 사용자의 제2사용자 정보에 대응하고 다수의 실수 값들로 표현된 제2사용자 벡터를 상기 통신 회로를 통해 상기 서버로부터 수신하고,
    상기 제1사용자 벡터와 상기 제2사용자 벡터를 결합하여 최종 사용자 벡터를 획득하고,
    상기 최종 사용자 벡터를 이용하여, 상기 통신 회로를 통해 상기 서버로부터 수신된 중간 연산 값에 대응하는 아이템에 점수를 매기도록 구성된 전자 장치.
  8. 제7항에 있어서, 상기 추천 모델이,
    상기 서버로부터 수신된 중간 연산 값들을 상기 최종 사용자 벡터를 얻기 위한 파라미터로 이용하도록 구성된 전자 장치.
  9. 추천 시스템에 있어서,
    서버; 및
    사용자 장치를 포함하되,
    상기 서버는 상기 사용자 장치의 사용자에게 소개할 추천 아이템을 다수의 실수 값들로 표현된 중간 연산 값으로 부호화하고, 상기 추천 아이템에 관한 정보와 상기 중간 연산 값을 상기 사용자 장치로 전송하도록 구성되고,
    상기 사용자 장치는 상기 사용자의 프로파일을 나타내는 제1사용자 정보를 다수의 실수 값들로 표현된 제1사용자 벡터로 부호화하고, 상기 제1사용자 벡터와 상기 서버로부터 수신된 중간 연산 값을 이용하여 상기 추천 아이템에 점수를 매기고, 상기 점수에 기반하여 상기 추천 아이템에 관한 정보의 표시를 제어하도록 구성된 추천 시스템.
  10. 제9항에 있어서, 상기 서버는,
    상기 사용자의 제2사용자 정보를 다수의 실수 값들로 표현된 제2사용자 벡터로 부호화하고 제2사용자 벡터를 상기 사용자 장치로 전송하도록 구성된 추천 시스템.
  11. 제10항에 있어서, 상기 서버는,
    상기 사용자 장치로 전송할 중간 연산 값을 상기 제2사용자 벡터를 얻기 위한 파라미터로 이용하도록 구성된 추천 시스템.
  12. 제10항에 있어서, 상기 사용자 장치는,
    상기 제1사용자 벡터와 상기 서버로부터 수신된 제2사용자 벡터를 결합하여 최종 사용자 벡터를 획득하고,
    상기 최종 사용자 벡터와 상기 서버로부터 수신된 중간 연산 값을 이용하여, 상기 추천 아이템에 점수를 매기도록 구성된 추천 시스템.
  13. 제12항에 있어서, 상기 사용자 장치는,
    상기 서버로부터 수신된 중간 연산 값을 상기 최종 사용자 벡터를 얻기 위한 파라미터로 이용하도록 구성된 추천 시스템.
  14. 전자 장치를 동작하는 방법에 있어서,
    상기 전자 장치의 디스플레이를 통해 사용자에게 소개된 제1아이템들 중에서 상기 사용자가 반응한 아이템에 대응하는 중간 연산 값을 수집하고 상기 수집된 중간 연산 값을 사용자 반응 아이템 벡터로서 상기 전자 장치의 메모리에 저장하는 동작;
    상기 사용자에게 소개할 제2아이템들에 관한 아이템 정보와 상기 제2아이템들에 각각 대응하는 중간 연산 값들을 상기 전자 장치의 통신 회로를 통해 서버로부터 수신하는 동작;
    인공 지능 알고리즘을 이용하여 학습된 추천 모델에 상기 서버로부터 수신된 중간 연산 값들을 입력 값으로 넣어 주고, 상기 사용자의 프로파일을 나타내는 제1사용자 정보와 상기 사용자 반응 아이템 벡터를, 상기 제2아이템들에 각각 점수를 매기기 위해 이용되는 파라미터로서, 상기 추천 모델에 넣어 주는 동작;
    상기 입력 값과 상기 파라미터를 상기 추천 모델에 넣어 줌으로써 상기 추천 모델로부터 출력된 결과 값에서 상기 제2아이템들에 각각 매겨진 점수들을 획득하는 동작; 및
    상기 제2아이템들에 각각 매겨진 점수들에 기반하여, 상기 아이템 정보를 상기 디스플레이를 통해 상기 사용자에게 제공하는 동작을 포함하는 방법.
  15. 제14항에 있어서,
    상기 사용자의 제2사용자 정보에 대응하고 다수의 실수 값들로 표현된 사용자 벡터를 상기 통신 회로를 통해 상기 서버로부터 수신하는 동작; 및
    상기 사용자 벡터를 추가적인 파라미터로서 상기 추천 모델에 넣어 주는 동작을 더 포함하는 방법.
PCT/KR2022/003901 2021-08-11 2022-03-21 아이템을 사용자에게 추천하기 위한 전자 장치 및 방법 WO2023017942A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/504,613 US20240078589A1 (en) 2021-08-11 2023-11-08 Electronic device and method for recommending item to user

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0105872 2021-08-11
KR1020210105872A KR20230023954A (ko) 2021-08-11 2021-08-11 아이템을 사용자에게 추천하기 위한 전자 장치 및 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/504,613 Continuation US20240078589A1 (en) 2021-08-11 2023-11-08 Electronic device and method for recommending item to user

Publications (1)

Publication Number Publication Date
WO2023017942A1 true WO2023017942A1 (ko) 2023-02-16

Family

ID=85200797

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/003901 WO2023017942A1 (ko) 2021-08-11 2022-03-21 아이템을 사용자에게 추천하기 위한 전자 장치 및 방법

Country Status (3)

Country Link
US (1) US20240078589A1 (ko)
KR (1) KR20230023954A (ko)
WO (1) WO2023017942A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010073195A (ja) * 2008-08-22 2010-04-02 Osaka Prefecture Univ 協調フィルタリング処理方法および協調フィルタリング処理プログラム
KR100961782B1 (ko) * 2009-05-28 2010-06-07 주식회사 모임 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체
JP2012190061A (ja) * 2011-03-08 2012-10-04 Sony Corp 情報処理装置、端末装置、情報提示システム、評価スコアの算出方法、及びプログラム
KR20150105830A (ko) * 2014-03-10 2015-09-18 단국대학교 산학협력단 사용자 프로파일과 상황 정보를 이용한 선호도 기반 하이브리드 필터링 콘텐츠 추천 장치 및 방법
KR20210066513A (ko) * 2019-11-28 2021-06-07 (주)양유 온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010073195A (ja) * 2008-08-22 2010-04-02 Osaka Prefecture Univ 協調フィルタリング処理方法および協調フィルタリング処理プログラム
KR100961782B1 (ko) * 2009-05-28 2010-06-07 주식회사 모임 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체
JP2012190061A (ja) * 2011-03-08 2012-10-04 Sony Corp 情報処理装置、端末装置、情報提示システム、評価スコアの算出方法、及びプログラム
KR20150105830A (ko) * 2014-03-10 2015-09-18 단국대학교 산학협력단 사용자 프로파일과 상황 정보를 이용한 선호도 기반 하이브리드 필터링 콘텐츠 추천 장치 및 방법
KR20210066513A (ko) * 2019-11-28 2021-06-07 (주)양유 온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법

Also Published As

Publication number Publication date
KR20230023954A (ko) 2023-02-20
US20240078589A1 (en) 2024-03-07

Similar Documents

Publication Publication Date Title
WO2021025397A1 (en) Method and electronic device for quantifying user interest
WO2019203494A1 (ko) 문자를 입력하기 위한 전자 장치 및 그의 동작 방법
CN110555155B (zh) 物品信息推荐方法、设备和存储介质
WO2023017942A1 (ko) 아이템을 사용자에게 추천하기 위한 전자 장치 및 방법
US11556604B2 (en) Electronic device and search keyword processing method thereof
WO2022071708A1 (ko) 컨텐츠 추천 서비스를 제공하는 전자 장치 및 그 방법
WO2022035105A1 (en) Electronic device for recommending contents
WO2021221317A1 (ko) 광고 공유 방법 및 그 장치
WO2023146348A1 (ko) 운동 경로를 추천하는 전자 장치 및 그 제어 방법
WO2022098193A1 (ko) 확장 가능한 디스플레이를 갖는 전자 장치 및 이의 제어 방법
WO2022182020A1 (ko) 검색 서비스를 제공하기 위한 전자 장치 및 그 작동 방법
WO2022215890A1 (ko) 저장 공간을 관리하는 방법 및 이를 지원하는 전자 장치
WO2023167428A1 (ko) 전자 장치의 화면 표시 방법
WO2023146351A1 (ko) 채팅 메시지와 운동 상태 정보를 함께 제공하는 전자 장치 및 그 제어 방법
WO2023018151A1 (ko) 인증 타입에 따라 상이한 로그인 프로세스를 수행하는 전자 장치 및 그 제어 방법
WO2023163403A1 (ko) 스크린샷 생성 방법 및 상기 방법을 수행하는 전자 장치
WO2023106607A1 (ko) 콘텐트를 검색하는 전자 장치 및 그 방법
WO2023096135A1 (ko) 위치에 기반한 사용자 액션 추천 방법 및 전자 장치
US11463539B2 (en) Electronic device for transmitting and receiving data with server device
WO2023022359A1 (ko) 어플리케이션의 실행 오류를 검출하는 전자 장치 및 그 작동 방법
WO2022244961A1 (ko) 제어 방법 및 그 방법을 이용하는 장치
WO2022177293A1 (ko) 추천 컨텐츠를 제공하기 위한 방법, 이를 위한 서버 및 전자 장치
WO2023017987A1 (ko) 플렉서블 디스플레이를 포함하는 전자 장치와 이의 동작 방법
WO2022158932A1 (ko) 개인화된 미디어 컨텐츠를 제공하는 방법 및 이를 이용한 전자 장치
WO2022085926A1 (ko) 전자 장치 및 서버를 포함하는 시스템, 및 그 시스템을 이용한 컨텐츠 추천 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: 22855944

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE