WO2024010206A1 - 광고를 제공하는 전자 장치 및 그 제어 방법 - Google Patents

광고를 제공하는 전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
WO2024010206A1
WO2024010206A1 PCT/KR2023/006417 KR2023006417W WO2024010206A1 WO 2024010206 A1 WO2024010206 A1 WO 2024010206A1 KR 2023006417 W KR2023006417 W KR 2023006417W WO 2024010206 A1 WO2024010206 A1 WO 2024010206A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
electronic device
advertising content
artificial intelligence
intelligence model
Prior art date
Application number
PCT/KR2023/006417
Other languages
English (en)
French (fr)
Inventor
천현우
김원균
박상훈
염혜수
조성민
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Publication of WO2024010206A1 publication Critical patent/WO2024010206A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof

Definitions

  • the similar groups extracted may also be the same. If a suitable advertisement is provided to the user, suitable advertisements will be provided repeatedly through an artificial intelligence model in the future. However, if an advertisement that is not suitable for the user is provided, there is a high possibility that advertisements that the user does not want will be repeatedly provided in the future.
  • the electronic device includes a display, a memory storing the learned first artificial intelligence model, and context information including user profile information and usage history information of the electronic device.
  • Obtaining the user's viewing group information by inputting it into an artificial intelligence model, controlling the display to display advertising content identified based on the viewing group information, and obtaining the user's feedback information related to the displayed advertising content, and at least one processor that updates the first artificial intelligence model to a second artificial intelligence model retrained based on the context information and the feedback information.
  • the profile information may include at least one of the user's age, gender, country, or region of residence
  • the usage history information may include usage information about functions of the electronic device and usage of applications installed on the electronic device. It may include at least one of information or usage information about an external device that communicates with the electronic device.
  • the viewing group information may include at least one of a viewing group representing the user or a probability value corresponding to a viewing group representing the user.
  • the electronic device may further include a communication interface for communicating with a server, and the at least one processor may transmit the first viewing group information obtained through the first artificial intelligence model to the server through the communication interface.
  • the display can be controlled to display the first advertising content in a first style, and the communication interface
  • the second viewing group information obtained through the second artificial intelligence model can be transmitted to the server, and when second advertising content corresponding to the second viewing group information is received from the server through the communication interface, The display may be controlled to display the second advertising content in a second style.
  • the profile information may include at least one of the user's age, gender, country, or region of residence
  • the usage history information may include usage information about functions of the electronic device and usage of applications installed on the electronic device. It may include at least one of information or usage information about an external device that communicates with the electronic device.
  • the viewing group information may include at least one of a viewing group representing the user or a probability value corresponding to a viewing group representing the user.
  • control method may further include transmitting the viewing group information to a server that communicates with the electronic device and receiving the advertising content identified based on the viewing group information from the server,
  • the step of displaying advertising content may display the received advertising content.
  • control method includes identifying a preset number of viewing groups based on a probability value corresponding to each of a plurality of viewing groups, and transmitting the preset number of viewing groups to a server that communicates with the electronic device. It may further include, when at least one advertising content corresponding to the preset number of viewing groups is received from the server, the step of displaying the advertising content includes a probability value corresponding to each of the preset number of viewing groups. Based on this, the at least one advertisement content may be displayed.
  • the feedback information includes information on whether the advertising content is displayed, information on whether the advertising content is selected, information on whether or not a service corresponding to the advertising content is used, the cumulative number of display times of the advertising content, and the advertising content. It may include at least one of the cumulative number of selections, the cumulative number of uses of the service corresponding to the advertising content, or contribution information of the advertising content.
  • control method may further include identifying at least one label information based on the context information
  • the updating step may include combining the first artificial intelligence model with the context information and the at least one label information. and may be updated to a second artificial intelligence model re-trained based on the feedback information, wherein the first artificial intelligence model includes a plurality of learning context information, a plurality of learning label information, and learning feedback information for a plurality of advertising contents. It may be a model learned based on
  • control method includes transmitting first viewing group information obtained through the first artificial intelligence model to a server that communicates with the electronic device, and first advertising content corresponding to the first viewing group information to the server.
  • first advertising content corresponding to the first viewing group information
  • second advertising content When received from, displaying the first advertising content in a first style, transmitting second viewing group information obtained through the second artificial intelligence model to the server, and
  • the method may further include displaying the second advertising content in a second style.
  • the indicator may include at least one of icon information indicating an update, version information of the second artificial intelligence model, or text information indicating an update.
  • Figure 2 is a block diagram illustrating an electronic device according to an embodiment of the present disclosure.
  • FIG. 3 is a block diagram for explaining the specific configuration of the electronic device of FIG. 2.
  • Figure 5 is a flowchart for explaining an operation of updating an artificial intelligence model based on context information and feedback information.
  • FIG. 6 is a diagram for explaining an embodiment of storing a first artificial intelligence model and a second artificial intelligence model in an electronic device.
  • Figure 8 is a diagram for explaining an embodiment of storing a first artificial intelligence model and a second artificial intelligence model in a server.
  • FIG. 9 is a flowchart for explaining specific operations of the embodiment of FIG. 8.
  • FIG. 10 is a diagram illustrating an embodiment of updating a second artificial intelligence model in an electronic device.
  • FIG. 11 is a flowchart for explaining specific operations of the embodiment of FIG. 10.
  • Figure 12 is a diagram to explain the process of updating an artificial intelligence model using context information.
  • Figure 13 is a diagram to explain the process of updating an artificial intelligence model using feedback information.
  • Figure 14 is a diagram to explain the process of updating an artificial intelligence model using context information and feedback information.
  • Figure 15 is a flowchart for explaining an embodiment of providing advertising content based on a preset number of viewing groups.
  • Figure 16 is a diagram for explaining an operation in which a plurality of advertising contents are provided.
  • Figure 18 is a flowchart for explaining the operation of providing advertising content based on a probability value.
  • Figure 19 is a diagram for explaining an operation of providing a plurality of advertising contents in different styles.
  • Figure 20 is a diagram for explaining viewing group information.
  • Figure 21 is a flowchart for explaining the operation of updating an artificial intelligence model based on context information, label information, and feedback information.
  • Figure 22 is a table for explaining context information and label information.
  • Figure 23 is a table for explaining feedback information.
  • Figure 24 is a diagram to explain the contribution calculation process.
  • Figure 25 is a flow chart to explain the operation of providing advertising content in different styles depending on whether the artificial intelligence model is updated.
  • Figure 27 is a diagram for explaining the operation of displaying information indicating whether the artificial intelligence model has been updated.
  • Figure 28 is a diagram for explaining an update module related to an artificial intelligence model.
  • Figure 29 is a diagram for explaining a plurality of update modules related to an artificial intelligence model.
  • Figure 30 is a flowchart for explaining a control operation of an electronic device according to an embodiment of the present disclosure.
  • expressions such as “have,” “may have,” “includes,” or “may include” refer to the presence of the corresponding feature (e.g., component such as numerical value, function, operation, or part). , and does not rule out the existence of additional features.
  • a or/and B should be understood as referring to either “A” or “B” or “A and B”.
  • expressions such as “first,” “second,” “first,” or “second,” can modify various components regardless of order and/or importance, and can refer to one component. It is only used to distinguish from other components and does not limit the components.
  • a component e.g., a first component
  • another component e.g., a second component
  • connection to it should be understood that a certain component can be connected directly to another component or connected through another component (e.g., a third component).
  • a “module” or “unit” performs at least one function or operation, and may be implemented as hardware or software, or as a combination of hardware and software. Additionally, a plurality of “modules” or a plurality of “units” are integrated into at least one module and implemented by at least one processor (not shown), except for “modules” or “units” that need to be implemented with specific hardware. It can be.
  • the term user may refer to a person using an electronic device or a device (eg, an artificial intelligence electronic device) using an electronic device.
  • a device eg, an artificial intelligence electronic device
  • Figure 1 is a diagram for explaining a system 1000 that provides advertising content.
  • the system 1000 may include a plurality of electronic devices 100, 100-2, 100-3, 100-n, and a server 200.
  • the plurality of electronic devices 100, 100-2, 100-3, 100-n may refer to various devices that display advertising content.
  • the plurality of electronic devices 100, 100-2, 100-3, x, 100-n may refer to devices including a display, such as a TV, a smartphone, a wearable device, or a signage device.
  • the server 200 may refer to a device that provides advertising content.
  • the server 200 may refer to a device that stores a plurality of advertising contents and provides specific advertising contents to a plurality of electronic devices (100, 100-2, 100-3, 100-n). .
  • the server 200 may provide advertising content suitable for each of the plurality of electronic devices 100, 100-2, 100-3, 100-n, and 100-n. Accordingly, each of the plurality of electronic devices 100, 100-2, 100-3, 100-n, and 100-n may receive different advertising content from the server 200.
  • the electronic device 100 may include a display 110, a memory 120, and at least one processor 130.
  • the display 110 may be implemented as various types of displays, such as a Liquid Crystal Display (LCD), Organic Light Emitting Diodes (OLED) display, or Plasma Display Panel (PDP).
  • the display 110 may also include a driving circuit, a backlight unit, etc. that can be implemented in the form of an amorphous silicon thin film transistor (a-si TFT), low temperature poly silicon (LTPS) TFT, organic TFT (OTFT), etc.
  • a-si TFT amorphous silicon thin film transistor
  • LTPS low temperature poly silicon
  • OFT organic TFT
  • the display 110 may be implemented as a touch screen combined with a touch sensor, a flexible display, a three-dimensional display, etc.
  • the display 110 may include a bezel housing the display panel as well as a display panel that outputs an image.
  • the bezel may include a touch sensor (not shown) to detect user interaction.
  • the memory 120 is implemented as internal memory such as ROM (e.g., electrically erasable programmable read-only memory (EEPROM)) and RAM included in the processor 130, or is implemented by the processor 130 and the It may also be implemented as a separate memory.
  • the memory 120 may be implemented as a memory embedded in the electronic device 100 or as a memory detachable from the electronic device 100 depending on the data storage purpose. For example, in the case of data for driving the electronic device 100, it is stored in the memory embedded in the electronic device 100, and in the case of data for the expansion function of the electronic device 100, it is detachable from the electronic device 100. It can be stored in available memory.
  • volatile memory e.g., dynamic RAM (DRAM), static RAM (SRAM), or synchronous dynamic RAM (SDRAM), etc.
  • non-volatile memory Examples: one time programmable ROM (OTPROM), programmable ROM (PROM), erasable and programmable ROM (EPROM), electrically erasable and programmable ROM (EEPROM), mask ROM, flash ROM, flash memory (e.g.
  • OTPROM one time programmable ROM
  • PROM programmable ROM
  • EPROM erasable and programmable ROM
  • EEPROM electrically erasable and programmable ROM
  • mask ROM e.g.
  • a memory card e.g., compact flash (CF), SD ( secure digital), Micro-SD (micro secure digital), Mini-SD (mini secure digital), xD (extreme digital), MMC (multi-media card), etc.
  • CF compact flash
  • SD secure digital
  • Micro-SD micro secure digital
  • Mini-SD mini secure digital
  • xD extreme digital
  • MMC multi-media card
  • USB port e.g. It can be implemented in a form such as USB memory
  • the memory 120 may store the learned first artificial intelligence model.
  • At least one processor 130 may perform overall control operations of the electronic device 100. Specifically, at least one processor 130 functions to control the overall operation of the electronic device 100.
  • At least one processor 130 may be implemented as a digital signal processor (DSP), microprocessor, or time controller (TCON) that processes digital signals.
  • DSP digital signal processor
  • MCU micro controller unit
  • MPU micro processing unit
  • AP application processor
  • GPU graphics-processing unit
  • communications processor communications processor
  • CP communication processor
  • RISC advanced reduced instruction set computer
  • the processor 130 has a built-in processing algorithm. It may be implemented in the form of a System on Chip (SoC), large scale integration (LSI), or a Field Programmable Gate Array (FPGA).
  • SoC System on Chip
  • LSI large scale integration
  • FPGA Field Programmable Gate Array
  • the processor 130 is configured to store computer-executable instructions stored in the memory 120. Various functions can be performed by executing (computer executable instructions).
  • At least one processor 130 inputs context information including the user's profile information and usage history information of the electronic device into the first artificial intelligence model to obtain the user's viewing group information, and identifies the user's viewing group information based on the viewing group information.
  • At least one processor 130 may obtain viewing group information using the first artificial intelligence model. At least one processor 130 may input (or apply) context information as input data to the first artificial intelligence model and obtain viewing group information as output data.
  • context information may refer to various information obtained from the electronic device 100.
  • Context information may refer to information related to user behavior.
  • Context information may include at least one of profile information or usage history information.
  • profile information may include at least one of the user's age, gender, country, or region of residence.
  • Profile information may include the user's personal information.
  • the usage history information may include at least one of usage information about functions of the electronic device, usage information about applications installed on the electronic device, or usage information about external devices that communicate with the electronic device.
  • the use information (or function use information) about the function of the electronic device may be information indicating the user's use history in relation to at least one function (eg, broadcast signal output) provided by the electronic device 100.
  • function use information may include information about when and how much the function of the electronic device 100 was used by the user.
  • Usage information (or application usage information) about an application installed on the electronic device 100 may be information indicating the user's usage history in relation to an application (eg, a video platform application) installed on the electronic device 100.
  • application use information may include information about when and how much the user used the application installed on the electronic device 100.
  • Usage information (or external device usage information) about external devices that communicate with the electronic device indicates the user's usage history in relation to external devices (e.g., game consoles) that can be connected wirelessly or wired to the electronic device 100. It could be information.
  • the external device use information may include information about when and how much the user used the external device connected to the electronic device 100.
  • the context information may additionally include cumulative feedback information.
  • Cumulative feedback information may include feedback information about advertising content provided from an electronic device. Feedback information mentioned below may be included in the context information.
  • At least one processor 130 may obtain data about user behavior using the electronic device 100 as context information. Also, at least one processor 130 may obtain viewing group information corresponding to context information based on the first artificial intelligence model.
  • viewing group information may mean representative data representing users using the electronic device 100.
  • viewing group information may be described as representative data, user characteristic data, similar group information, etc.
  • the viewing group information may include a specific viewing group and a probability value corresponding to the specific viewing group.
  • the viewing group information may include at least one of a viewing group representing the user or a probability value corresponding to a viewing group representing the user.
  • the first artificial intelligence model may store a plurality of preset viewing groups. And, the first artificial intelligence model may output a probability value for a specific viewing group among the plurality of viewing groups stored based on the input data. For example, the first artificial intelligence model may receive context information of the first device as input data and output soccer (probability value: 90), a viewing group representing the first device, as output data.
  • soccer probability value: 90
  • At least one processor 130 may obtain advertising content corresponding to the viewing group information. Since viewing group information is data that can represent the user, the advertising content most suitable for the user can be determined based on the viewing group information.
  • At least one processor 130 may receive advertising content through the server 200.
  • the server 200 may be described as an external device or external device.
  • the electronic device 100 may further include a communication interface 140 that communicates with the server 200.
  • At least one processor 130 transmits viewing group information to the server 200 through the communication interface 140, and receives advertising content identified based on the viewing group information from the server 200 through the communication interface 140.
  • the display 110 can be controlled to receive and display the received advertising content.
  • the server 200 may identify advertising content based on viewing group information received from the electronic device 100. Then, the server 200 may transmit the identified advertising content to the electronic device 100.
  • operations necessary to provide advertising content to users may be separately performed in the electronic device 100 or the server 200, etc. according to various embodiments.
  • the electronic device 100 may obtain context information and viewing group information, and the server 200 may determine advertising content.
  • the artificial intelligence model used to obtain viewing group information may be updated in the server 200. Detailed descriptions related to this are described in FIGS. 6 and 7.
  • the electronic device 100 may obtain context information, and the server 200 may obtain viewing group information and determine advertising content.
  • the artificial intelligence model used to obtain viewing group information may be updated in the server 200. Detailed descriptions related to this are provided in FIGS. 8 and 9.
  • the electronic device 100 may obtain context information and viewing group information, and the server 200 may determine advertising content.
  • the artificial intelligence model used to obtain viewing group information may be updated in the electronic device 100. Detailed descriptions related to this are described in FIGS. 10 and 11.
  • viewing group information may include information about a plurality of viewing groups.
  • Viewing group information may include a plurality of viewing groups and probability values corresponding to each of the plurality of viewing groups. Information on multiple viewing groups is described in table 2010 of FIG. 20.
  • At least one processor 130 identifies a preset number of viewing groups based on probability values corresponding to each of the plurality of viewing groups, and selects the preset number of viewing groups through the communication interface 140 to the server 200. ), and when at least one advertising content corresponding to a preset number of viewing groups is received from the server 200 through the communication interface 140, based on the probability value corresponding to each of the preset number of viewing groups
  • the display 110 may be controlled to display at least one advertisement content.
  • At least one processor 130 may obtain information about a plurality of viewing groups (viewing group information) through the first artificial intelligence model. Additionally, at least one processor 130 may transmit information about a plurality of viewing groups to the server 200.
  • the server 200 may identify at least one advertising content based on information about a plurality of viewing groups received from the electronic device 100.
  • the server 200 may obtain at least one advertisement content and priority information. When identifying two or more advertisement contents, the server 200 may obtain priority information together. The server 200 may transmit two or more advertisement contents and priority information to the electronic device 100. Operations related to this are described in FIG. 17.
  • the server 200 may identify a preset number of advertising contents. Additionally, the server 200 may map a preset number of viewing groups and a preset number of advertising content. For example, the server 200 maps a first viewing group (soccer) and first advertising content (soccer ball advertising), and maps a second viewing group (baseball) and second advertising content (baseball advertising). A mapping table containing result data can be created (or obtained).
  • FIGS. 16 and 19 A method of displaying multiple advertising contents is described in FIGS. 16 and 19.
  • an embodiment of displaying advertising content in different sizes based on probability values corresponding to each viewing group is described in FIG. 19.
  • At least one processor 130 may update the artificial intelligence model based on at least one of context information or feedback information. Specifically, at least one processor 130 may obtain a second artificial intelligence model using at least one of context information or feedback information.
  • feedback information includes information on whether advertising content is displayed, information on whether advertising content is selected, information on whether or not services corresponding to advertising content are used, cumulative number of display times of advertising content, cumulative number of selections of advertising content, It may include at least one of the cumulative number of uses of the service corresponding to the advertising content or information on the contribution of the advertising content.
  • the operation of generating the second artificial intelligence model itself may be performed in the server 200 or the electronic device 100.
  • the operation of acquiring the second artificial intelligence model may be performed in the server 200. Descriptions related to this are shown in FIGS. 6 to 9.
  • an operation of acquiring a second artificial intelligence model may be performed in the electronic device 100. Descriptions related to this are described in FIGS. 10 and 11.
  • label information may be used in an update operation.
  • the update operation may use context information and feedback information.
  • the update operation may use label information and feedback information.
  • the update operation may use context information, label information, and feedback information.
  • At least one processor 130 identifies at least one label information based on context information, and converts the first artificial intelligence model into a second artificial intelligence model retrained based on the context information, at least one label information, and feedback information.
  • An electronic device wherein the first artificial intelligence model is a model learned based on a plurality of learning context information, a plurality of learning label information, and learning feedback information for a plurality of advertising contents.
  • Label information may refer to representative data determined based on context information. Label information may include at least one piece for each user or device. Label information may refer to information specific to one group among a plurality of groups in which context information is already stored. Detailed descriptions related to label information are described in FIGS. 21 and 22.
  • At least one processor 130 transmits the first viewing group information obtained through the first artificial intelligence model to the server 200 through the communication interface 140, and When the first advertising content corresponding to the first viewing group information is received from the server 200, the display 110 is controlled to display the first advertising content in the first style, and the second artificial advertising content is displayed through the communication interface 140.
  • the second viewing group information obtained through the intelligent model is transmitted to the server 200, and when the second advertising content corresponding to the second viewing group information is received from the server 200 through the communication interface 140, the second viewing group information is transmitted to the server 200.
  • the display 110 may be controlled to display advertising content in a second style.
  • the first style and the second style may be different styles.
  • the first style and the second style may have different shapes of areas that display advertising content.
  • the first style and the second style may differ in whether or not an indicator indicating whether an update is included is included. Detailed descriptions related to the style are described in Figures 25 to 27.
  • At least one processor 130 inputs context information into the second artificial intelligence model to obtain updated user's viewing group information, and when advertising content is obtained based on the updated viewing group information, advertising content and update
  • the display can be controlled to display an indicator corresponding to the selected viewing group information.
  • At least one processor 130 may display an indicator indicating an updated second artificial intelligence model in addition to the advertising content.
  • the indicator may include at least one of icon information indicating an update, version information of the second artificial intelligence model, or text information indicating an update. Specific operations related to the indicator display operation are described in FIG. 27.
  • Icon information indicating an update may include an icon indicating an update.
  • the version information of the artificial intelligence model may refer to information indicating the software development stage of the current artificial intelligence model.
  • Text information indicating an update may include text indicating an update.
  • output data of the artificial intelligence model is described as viewing group information.
  • output data of the first artificial intelligence model may be advertising content.
  • the first artificial intelligence model can immediately output advertising content as output data based on context information that is input data.
  • the artificial intelligence model is described as being updated based on context information and feedback information obtained from the electronic device 100.
  • the artificial intelligence model may be updated considering context information and feedback information obtained not only from the electronic device 100 but also from other users' terminal devices.
  • the electronic device 100 may update an artificial intelligence model for obtaining viewing group information representing a user based on feedback information.
  • the update operation may take into account user behavior related to the device as well as user behavior related to advertising. Accordingly, the updated artificial intelligence model can be retrained to be specialized for each user.
  • Administrators or users can make management easier by automatically performing update operations to reflect user behavior. Additionally, as updates are repeated, more user behavior is applied, which can increase user satisfaction with the output data and improve target performance in providing appropriate advertisements.
  • FIG. 3 is a block diagram for explaining the specific configuration of the electronic device 100 of FIG. 2.
  • the electronic device 100 includes a display 110, a memory 120, at least one processor 130, a communication interface 140, an operation interface 150, an input/output interface 160, and a speaker ( 170) or a microphone 180.
  • the Wi-Fi module and Bluetooth module can communicate using Wi-Fi and Bluetooth methods, respectively.
  • various connection information such as SSID (service set identifier) and session key are first transmitted and received, and various information can be transmitted and received after establishing a communication connection using this.
  • SSID service set identifier
  • the infrared communication module performs communication based on infrared communication (IrDA, infrared data association) technology, which transmits data wirelessly over a short distance using infrared rays that lie between visible light and millimeter waves.
  • IrDA infrared communication
  • other communication modules include zigbee, 3G (3rd Generation), 3GPP (3rd Generation Partnership Project), LTE (Long Term Evolution), LTE-A (LTE Advanced), 4G (4th Generation), and 5G. It may include at least one communication chip that performs communication according to various wireless communication standards such as (5th Generation).
  • the wired communication module may be a module that communicates with an external device by wire.
  • the wired communication module may include at least one of a local area network (LAN) module, an Ethernet module, a pair cable, a coaxial cable, an optical fiber cable, or an ultra wide-band (UWB) module.
  • LAN local area network
  • Ethernet Ethernet
  • UWB ultra wide-band
  • the manipulation interface 150 may be implemented as a device such as buttons, a touch pad, a mouse, and a keyboard, or as a touch screen that can also perform the display function and manipulation input function described above.
  • the button may be various types of buttons such as mechanical buttons, touch pads, wheels, etc. formed on any area of the exterior of the main body of the electronic device 100, such as the front, side, or back.
  • the input/output interface 160 includes High Definition Multimedia Interface (HDMI), Mobile High-Definition Link (MHL), Universal Serial Bus (USB), Display Port (DP), Thunderbolt, Video Graphics Array (VGA) port, It may be any one of an RGB port, D-SUB (D-subminiature), or DVI (Digital Visual Interface).
  • HDMI High Definition Multimedia Interface
  • MHL Mobile High-Definition Link
  • USB Universal Serial Bus
  • DP Display Port
  • Thunderbolt Video Graphics Array
  • VGA Video Graphics Array
  • the input/output interface 160 can input and output at least one of audio and video signals.
  • the input/output interface 160 may include a port that inputs and outputs only audio signals and a port that inputs and outputs only video signals as separate ports, or may be implemented as a single port that inputs and outputs both audio signals and video signals.
  • the electronic device 100 may transmit at least one of audio and video signals to an external device (eg, an external display device or an external speaker) through the input/output interface 160.
  • an external device eg, an external display device or an external speaker
  • the output port included in the input/output interface 160 may be connected to an external device, and the electronic device 100 may transmit at least one of an audio and video signal to the external device through the output port.
  • the input/output interface 160 may be connected to the communication interface 140.
  • the input/output interface 160 may transmit information received from an external device to the communication interface 140 or may transmit information received through the communication interface 140 to an external device.
  • the speaker 170 may be a component that outputs not only various audio data but also various notification sounds or voice messages.
  • the microphone 180 is configured to receive a user's voice or other sounds and convert them into audio data.
  • the microphone 180 can receive the user's voice when activated.
  • the microphone 180 may be formed integrally with the electronic device 100, such as on the top, front, or side surfaces.
  • the microphone 180 includes a microphone that collects user voice in analog form, an amplifier circuit that amplifies the collected user voice, an A/D conversion circuit that samples the amplified user voice and converts it into a digital signal, and noise components from the converted digital signal. It may include various configurations such as a filter circuit to remove .
  • Figure 4 is a flowchart for explaining the operation of updating an artificial intelligence model.
  • the electronic device 100 may obtain context information (S405).
  • Context information may refer to various information obtained from the electronic device 100.
  • Context information may refer to various information related to user behavior.
  • the electronic device 100 may provide advertising content (S410).
  • the electronic device 100 may obtain advertising content based on context information. Context information can be used to provide the most appropriate advertising content to the user.
  • the electronic device 100 may provide advertising content corresponding to context information based on an artificial intelligence model.
  • the electronic device 100 may input (apply) context information to an artificial intelligence model as input data.
  • the electronic device 100 may obtain viewing group information as output data from the artificial intelligence model.
  • the electronic device 100 may obtain advertising content based on the acquired viewing group information. Advertising content suitable for the user may be determined based on viewing group information.
  • the electronic device 100 may obtain feedback information (S415).
  • the electronic device 100 may obtain feedback information related to the advertising content provided in step S410.
  • Feedback information may refer to information related to the provision, selection, or use of advertising content.
  • the electronic device 100 may update the artificial intelligence model (S420).
  • the electronic device 100 may update the artificial intelligence model based on at least one of context information or feedback information.
  • the updated artificial intelligence model may be a model used to obtain viewing group information based on context information.
  • Figure 5 is a flowchart for explaining an operation of updating an artificial intelligence model based on context information and feedback information.
  • the electronic device 100 may obtain context information including at least one of profile information or usage history information (S505).
  • Usage history information may refer to information about how the user used the electronic device 100.
  • usage history information may include usage information about the functions of the electronic device, usage information about applications installed on the electronic device, usage information about external devices that communicate with the electronic device, or feedback information about advertising content provided from the electronic device. It can contain at least one.
  • the electronic device 100 may obtain viewing group information based on context information (S510).
  • Viewing group information may include representative data representing users who use the electronic device 100. Viewing group information may be described as similar group information.
  • the electronic device 100 may identify the user's viewing group information based on context information.
  • the electronic device 100 may obtain viewing group information based on an artificial intelligence model.
  • the electronic device 100 may provide advertising content based on viewing group information (S515).
  • Advertising content may be content corresponding to viewing group information.
  • Advertising content may be content that a user is likely to prefer.
  • Viewing group information may be used to determine preference.
  • the electronic device 100 may obtain feedback information based on the provided advertising content (S520).
  • Feedback information may include user feedback data regarding provided advertising content.
  • the electronic device 100 may update the artificial intelligence model based on at least one of context information or feedback information (S525).
  • the electronic device 100 may update the artificial intelligence model using at least one of context information indicating how the user used the electronic device 100 or feedback information indicating how the user viewed advertising content.
  • FIG. 6 is a diagram for explaining an embodiment of storing a first artificial intelligence model and a second artificial intelligence model in the electronic device 100.
  • the electronic device 100 may store a first artificial intelligence model.
  • the electronic device 100 may transmit the user's viewing group information to the server 200.
  • the server 200 may transmit advertising content corresponding to viewing group information to the electronic device 100.
  • the electronic device 100 may provide advertising content received from the server 200 to the user and obtain feedback information about the advertising content.
  • the electronic device 100 may transmit context information and feedback information to the server 200.
  • the server 200 may update the artificial intelligence model using context information and feedback information as learning data.
  • the server 200 may transmit the updated second artificial intelligence model to the electronic device 100.
  • the electronic device 100 may obtain viewing group information based on the second artificial intelligence model.
  • FIG. 7 is a flowchart for explaining specific operations of the embodiment of FIG. 6.
  • the electronic device 100 may obtain viewing group information by inputting context information into the first artificial intelligence model (S705).
  • the electronic device 100 may transmit viewing group information to the server 200 (S710).
  • the server 200 may receive viewing group information from the electronic device 100.
  • the server 200 may identify advertising content based on viewing group information (S715).
  • the server 200 may transmit the identified advertising content to the electronic device 100 (S720).
  • the electronic device 100 may receive advertising content from the server 200.
  • the electronic device 100 may display advertising content (S725).
  • the electronic device 100 may obtain feedback information corresponding to the displayed advertising content (S730).
  • the electronic device 100 may transmit context information and feedback information to the server 200 (S735).
  • the server 200 may receive context information and feedback information from the electronic device 100.
  • the server 200 may obtain a second artificial intelligence model based on context information and feedback information (S740).
  • the server 200 may transmit the second artificial intelligence model to the electronic device 100 (S745).
  • the electronic device 100 may receive the second artificial intelligence model from the server 200.
  • the electronic device 100 may update the first artificial intelligence model to the second artificial intelligence model (S750).
  • the electronic device 100 may obtain viewing group information using the second artificial intelligence model instead of the first artificial intelligence model.
  • FIG. 8 is a diagram for explaining an embodiment of storing a first artificial intelligence model and a second artificial intelligence model in the server 200.
  • an artificial intelligence model may be stored in the server 200.
  • the electronic device 100 may transmit context information to the server 200.
  • the transmitted context information can be used as input data in the server 200.
  • the server 200 may determine advertising content suitable for the electronic device 100 by inputting context information into the first artificial intelligence model.
  • the server 200 may receive learning data from the electronic device 100 and update the artificial intelligence model.
  • Learning data may include context information and feedback information.
  • the server 200 may update the first artificial intelligence model to the second artificial intelligence model using learning data.
  • the update operation may be a re-learning operation.
  • the server 200 may obtain viewing group information based on the second artificial intelligence model.
  • FIG. 9 is a flowchart for explaining specific operations of the embodiment of FIG. 8.
  • Steps S905, S920, S925, S930, and S940 of FIG. 9 may correspond to steps S705, S720, S725, S730, and S740 of FIG. 7. Therefore, redundant description is omitted.
  • the electronic device 100 may transmit the context information to the server 200 (S910).
  • the server 200 may receive context information from the electronic device 100.
  • the server 200 may identify advertising content based on the first artificial intelligence model (S915). Specifically, the server 200 may input context information received from the electronic device 100 into the first artificial intelligence model to identify advertising content.
  • the server 200 may input context information as input data to the first artificial intelligence model, obtain viewing group information as output data, and identify advertising content corresponding to the viewing group information.
  • the server 200 may transmit advertising content to the electronic device 100 (S920).
  • the electronic device 100 may display advertising content received from the server 200 (S925).
  • the electronic device 100 may obtain feedback information corresponding to the displayed advertising content (S930).
  • the electronic device 100 may transmit the feedback information to the server 200 (S935).
  • the server 200 may receive feedback information from the electronic device 100.
  • the server 200 may obtain a second artificial intelligence model based on context information and feedback information (S940).
  • the server 200 may update the first artificial intelligence model to the second artificial intelligence model (S945).
  • FIG. 10 is a diagram for explaining an embodiment of updating a second artificial intelligence model in the electronic device 100.
  • the electronic device 100 can directly update the artificial intelligence model.
  • the electronic device 100 may obtain viewing group information by storing the first artificial intelligence model.
  • the server 200 may receive viewing group information from the electronic device 100 and determine advertising content.
  • the electronic device 100 may receive advertising content from the server 200 and display the advertising content.
  • the electronic device 100 may update the first artificial intelligence model to the second artificial intelligence model based on feedback information corresponding to the displayed advertising content.
  • FIG. 11 is a flowchart for explaining specific operations of the embodiment of FIG. 10.
  • Steps S1105, S1110, S1115, S1120, S1125, and S1130 of FIG. 11 may correspond to steps S705, S710, S715, S720, S725, and S730 of FIG. 7. Therefore, redundant description is omitted.
  • the electronic device 100 may acquire a second artificial intelligence model based on the context information and the feedback information (S1140). And, the electronic device 100 may update the first artificial intelligence model to the second artificial intelligence model (S1150).
  • the artificial intelligence model update operation is performed in the server 200.
  • the artificial intelligence model may be self-retrained in the electronic device 100. Since the artificial intelligence model is retrained using only the data of the electronic device 100, the electronic device 100 can obtain a second artificial intelligence model suitable for the individual user.
  • Figure 12 is a diagram to explain the process of updating an artificial intelligence model using context information.
  • the electronic device 100 may update the first artificial intelligence model 1210 to the second artificial intelligence model 1220.
  • the second artificial intelligence model 1220 may be a retrained model based on context information.
  • the electronic device 100 may update the first artificial intelligence model 1210 to the second artificial intelligence model 1220 based on context information of the electronic device 100.
  • the context information may include at least one of profile information or usage history information.
  • Profile information may include at least one of the user's age, gender, country, or region of residence.
  • the usage history information may include at least one of function usage information, application usage information, or external device usage information.
  • function usage information may be information indicating the user's usage history in relation to at least one function (eg, broadcast signal output) provided by the electronic device 100.
  • function use information may include information about when and how much the function of the electronic device 100 was used by the user.
  • application usage information may be information indicating the user's usage history in relation to an application (eg, a video platform application) installed on the electronic device 100.
  • application use information may include information about when and how much the user used the application installed on the electronic device 100.
  • the external device usage information may be information indicating the user's usage history in relation to an external device (eg, a game console) that can be wirelessly or wiredly connected to the electronic device 100.
  • the external device use information may include information about when and how much the user used the external device connected to the electronic device 100.
  • Figure 13 is a diagram to explain the process of updating an artificial intelligence model using feedback information.
  • the electronic device 100 may update the first artificial intelligence model 1310 to the second artificial intelligence model 1320.
  • the second artificial intelligence model 1320 may be a retrained model based on feedback information.
  • the electronic device 100 may update the first artificial intelligence model 1310 to the second artificial intelligence model 1320 based on feedback information of advertising content.
  • the feedback information may include at least one of information on whether the advertisement is displayed, information on whether the advertisement is selected, information on whether the advertisement service is used, cumulative number of displays, cumulative number of selections, cumulative number of service uses, or contribution information. You can.
  • information about whether an advertisement is displayed may indicate information about whether an advertisement is displayed on the electronic device 100.
  • information about whether or not an advertisement has been selected may indicate whether the user has selected the advertisement content displayed on the electronic device 100.
  • information on whether the advertising service is used may indicate whether the user used a service related to the advertising content after selecting the advertising content displayed on the electronic device 100.
  • the cumulative number of display times may represent the accumulated number of display times of advertising content displayed (or provided) on the electronic device 100.
  • the cumulative number of times a service has been used may represent the accumulated number of times a service related to selected advertising content has been used.
  • the cumulative number of displays, the cumulative number of selections, and the cumulative number of service uses can be expressed as cumulative values.
  • the cumulative value may mean the cumulative value for all advertising content.
  • the cumulative value may mean the cumulative value for specific advertising content.
  • contribution information may include a value indicating how much the user will use the advertising content. If users frequently select advertising content, the contribution score may be relatively high. Conversely, if users do not frequently select advertising content, the contribution score may be relatively low.
  • Figure 14 is a diagram to explain the process of updating an artificial intelligence model using context information and feedback information.
  • the electronic device 100 may update the first artificial intelligence model 1410 to the second artificial intelligence model 1420.
  • the second artificial intelligence model 1420 may be a retrained model based on context information and feedback information.
  • the electronic device 100 may update the first artificial intelligence model 1410 to the second artificial intelligence model 1420 based on the context information of the electronic device 100 and the feedback information of the advertising content.
  • Figure 15 is a flowchart for explaining an embodiment of providing advertising content based on a preset number of viewing groups.
  • Steps S1530, S1535, S1540, S1545, and S1550 of FIG. 15 may correspond to steps S730, S735, S740, S745, and S750 of FIG. 7. Therefore, redundant description is omitted.
  • the electronic device 100 may acquire a plurality of viewing groups by inputting context information into the first artificial intelligence model (S1505).
  • the electronic device 100 may identify a plurality of viewing groups representing (or representing) a user.
  • a probability value may be determined for each of the identified plurality of viewing groups.
  • the first artificial intelligence model may output a plurality of viewing groups and probability values corresponding to each of the plurality of viewing groups.
  • the probability value may mean a value by which a viewing group can represent a user.
  • the probability value can be written as a viewing group score. A higher probability value may indicate a better representation of the user.
  • the electronic device 100 may identify a preset number of viewing groups based on a probability value corresponding to each of the plurality of viewing groups (S1506).
  • the electronic device 100 may identify a preset number of viewing groups among a plurality of viewing groups. If all viewing group information obtained in step S1505 is used, processing time for transmission and calculation operations may take a long time. Accordingly, the electronic device 100 can select a preset number of viewing groups. A description related to this is provided in FIG. 20.
  • the electronic device 100 may transmit a preset number of viewing groups to the server 200 (S1510).
  • the server 200 may receive a preset number of viewing groups from the electronic device 100.
  • the server 200 may identify at least one advertising content based on a preset number of viewing groups (S1515).
  • the server 200 may identify one advertising content based on a preset number of viewing groups.
  • the server 200 may identify two or more advertising contents based on a preset number of viewing groups.
  • the server 200 may transmit at least one identified advertising content to the electronic device 100 (S1520).
  • the electronic device 100 may receive at least one advertisement content from the server 200.
  • the electronic device 100 may display at least one received advertisement content (S1525). The operation of displaying a plurality of advertising contents is described in FIG. 16.
  • the electronic device 100 may perform steps S1530, S1535, S1540, S1545, and S1550.
  • Figure 16 is a diagram for explaining an operation in which a plurality of advertising contents are provided.
  • the electronic device 100 may receive a plurality of advertising contents 1610, 1620, 1630, and 1640 from the server 200.
  • the electronic device 100 may provide a plurality of received advertising contents 1610, 1620, 1630, and 1640.
  • Viewing group information may be determined as a soccer group. If the viewing group information is a soccer group, the advertisement content may be determined to be an advertisement related to soccer.
  • Advertising content 1610 may be a soccer ball advertisement.
  • Advertising content 1620 may be a soccer shoe advertisement.
  • Advertising content 1630 may be a soccer uniform advertisement.
  • Advertising content 1640 may be a soccer cap advertisement.
  • the electronic device 100 may display a plurality of advertising contents 1610, 1620, 1630, and 1640 received from the server 200 on one screen.
  • Figure 17 is a flowchart for explaining the operation of providing advertising content based on priority.
  • Steps S1705, S1706, S1710, S1730, S1735, S1740, S1745, and S1750 of FIG. 17 may correspond to steps S1505, S1506, S1510, S1530, S1535, S1540, S1545, and S1550 of FIG. 15. Therefore, redundant description is omitted.
  • the server 200 may identify at least one advertisement content and priority information based on a preset number of viewing groups received from the electronic device 100 (S1715).
  • the server 200 may identify the relative priority of each of the plurality of advertisement contents. Priority information may indicate which advertising content is more suitable for the user. A higher priority may mean that the user is more likely to prefer it.
  • the server 200 may transmit at least one advertisement content and priority information to the electronic device 100 (S1720).
  • the electronic device 100 may receive at least one advertisement content and priority information from the server 200.
  • the electronic device 100 may display at least one advertisement content based on priority information (S1725). The operation of displaying a plurality of advertisement contents based on priority information is described in FIG. 19.
  • the electronic device 100 may perform steps S1730, S1735, S1740, S1745, and S1750.
  • Figure 18 is a flowchart for explaining the operation of providing advertising content based on a probability value.
  • Steps S1805, S1806, S1810, S1830, S1835, S1840, S1845, and S1850 of FIG. 18 may correspond to steps S1505, S1506, S1510, S1530, S1535, S1540, S1545, and S1550 of FIG. 15. Therefore, redundant description is omitted.
  • the server 200 may identify a preset number of advertising contents based on the preset number of viewing groups received from the electronic device 100 (S1815).
  • the number of viewing group information and the number of advertising contents may be the same. For example, upon receiving information on four viewing groups, the server 200 can identify four advertising contents.
  • the server 200 may obtain mapping information by mapping viewing group information and advertising content (S1816).
  • the server 200 may map first viewing group information and first advertising content, and map second viewing group information and second advertising content. Additionally, a mapping table in which a plurality of viewing groups and a plurality of advertising contents are mapped can be obtained.
  • Mapping information may include a mapping table.
  • the server 200 may transmit mapping information to the electronic device 100 (S1820).
  • the electronic device 100 may receive mapping information from the server 200.
  • the electronic device 100 may display a preset number of advertising contents based on mapping information (S1825).
  • Mapping information may include multiple viewing groups.
  • the viewing group information may include a plurality of viewing groups and probability values corresponding to each of the plurality of viewing groups.
  • the probability values corresponding to each viewing group may be different.
  • the electronic device 100 may display advertising content based on a probability value.
  • the electronic device 100 may determine the size of the area where advertising content is displayed based on the probability value.
  • the electronic device 100 displays first advertising content corresponding to a first probability value in a first area, and displays second advertising content corresponding to a second probability value smaller than the first probability value in a second advertising content smaller than the first area. It can be displayed in the area. A detailed explanation related to this is shown in FIG. 19.
  • the electronic device 100 may perform steps S1830, S1835, S1840, S1845, and S1850.
  • Figure 19 is a diagram for explaining an operation of providing a plurality of advertising contents in different styles.
  • the electronic device 100 may receive a plurality of advertisement contents 1910, 1920, 1930, and 1940 from the server 200.
  • the electronic device 100 may provide a plurality of received advertising contents 1910, 1920, 1930, and 1940.
  • the first viewing group information is a soccer group
  • the second viewing group information is a baseball group
  • the third viewing group information is a basketball group
  • the fourth viewing group information is a tennis group.
  • the first advertising content 1910 corresponding to the soccer group is a soccer ball advertisement.
  • the second advertising content (1920) corresponding to the baseball group is a baseball advertisement.
  • the third advertising content (1930) corresponding to the basketball group is a basketball advertisement.
  • the fourth advertising content (1940) corresponding to the tennis group is a tennis ball advertisement.
  • the first probability value included in the first viewing group information is 90
  • the second probability value included in the second viewing group information is 85
  • the third probability value included in the third viewing group information is 85
  • the fourth probability value included in the fourth viewing group information is 85.
  • the electronic device 100 may display the first advertising content 1910 in a size corresponding to the first probability value.
  • the electronic device 100 may display the second advertising content 1920 in a size corresponding to the second probability value.
  • the size of the area where the second advertising content 1920, the third advertising content 1930, and the fourth advertising content 1940 are displayed is may be the same.
  • the size of the area where the first advertising content 1910 is displayed may be larger than the size of the area where the second advertising content 1920 is displayed.
  • Figure 20 is a diagram for explaining viewing group information.
  • viewing group information may include a viewing group category or probability value.
  • the probability value may be written as a viewing group score.
  • Viewing group categories may be divided into multiple depths.
  • the plurality of depths may include a first depth and a second depth representing a sub-concept of the first depth.
  • Sports categories at the first depth may include soccer, baseball, and basketball at the second depth.
  • First-depth movie categories may include second-depth sports, action, and drama. As a result, viewing groups may be divided according to the second depth.
  • the viewing group information may include viewing groups divided into a first depth and a second depth. Additionally, the viewing group information may include a probability value corresponding to the viewing group.
  • a high probability value may mean that there is a high possibility that the group represents the user.
  • the electronic device 100 may identify only a preset number of viewing groups among a plurality of viewing groups. This is because data processing speed may slow down if all information on a large number of viewing groups is used.
  • the electronic device 100 may identify viewing group information whose probability value is equal to or greater than the threshold. This is because if the probability value is low, the reliability of the output data may be low.
  • the electronic device 100 may identify viewing group information (item 1, item 2, and item 3) with a probability value of 80 or more among six pieces of viewing group information included in the table 2010. And, the electronic device 100 can finally identify the two viewing group information (item 1, item 2) with the highest probability value among the three identified viewing group information. Table 2020 shows the finally identified viewing group information.
  • Figure 21 is a flowchart for explaining the operation of updating an artificial intelligence model based on context information, label information, and feedback information.
  • Steps S2115, S2120, S2125, S2130, S2135, S2145, and S2150 of FIG. 21 may correspond to steps S715, S720, S725, S730, S735, S745, and S750 of FIG. 7. Therefore, redundant description is omitted.
  • the electronic device 100 may obtain viewing group information by inputting at least one of context information or label information into the first artificial intelligence model (S2105). Additionally, the electronic device 100 may transmit viewing group information including label information (S2115).
  • the server 200 may identify advertising content based on viewing group information including label information (S2120).
  • the server 200 may obtain a second artificial intelligence model based on at least one of context information, label information, or feedback information (S2140).
  • the server 200 may transmit the second artificial intelligence model obtained using the label information to the electronic device 100 (S2145). Detailed descriptions related to label information are described in FIG. 22.
  • Figure 22 is a table for explaining context information and label information.
  • Label information may refer to representative data determined based on context information. Label information may include at least one piece for each user or device. Label information may refer to information specific to one group among a plurality of groups in which context information is already stored.
  • the electronic device 100 may determine the label information to be in the 30s. If the age included in the context information is male, the label information may also be male. If the country included in the context information is Korea, the electronic device 100 may determine the label information to be Asia. If the residential area included in the context information is Seoul, the electronic device 100 may determine the label information to be a city with a population of 10 million or more.
  • the electronic device 100 may analyze the function use information included in the context information and determine the label information as 'weekday afternoon/news'.
  • the electronic device 100 may analyze the application usage information included in the context information and determine the label information as 'weekend afternoon/sports'.
  • the electronic device 100 may analyze the external device usage information included in the context information and determine the label information as 'weekend morning/game'.
  • the electronic device 100 may obtain viewing group information using only label information. According to another embodiment, the electronic device 100 may obtain viewing group information using both context information and label information.
  • the electronic device 100 may provide advertising content to the user using only label information without separately obtaining viewing group information.
  • Figure 23 is a table for explaining feedback information.
  • the feedback information may include at least one of whether an advertisement is displayed, whether an advertisement is selected, whether an advertisement service is used, a cumulative number of displays, a cumulative number of selections, a cumulative number of uses, or contribution.
  • the electronic device 100 may determine the contribution of the first device to the user to be 70%.
  • the contribution may be described as a probability value of using advertising content or advertising target suitability.
  • Table 2320 in FIG. 23 may be additional information included in feedback information.
  • Feedback information may further include whether the user is a new user, whether the user is a returning user after dropping out, whether the user is a churning user, whether the user sees a lot of advertisements, whether the user uses the service a lot, etc.
  • the contribution of users who view a lot of advertisements or use a lot of services may be relatively large.
  • the contribution may be relatively small for users who drop out or users who return after leaving.
  • Figure 24 is a diagram to explain the contribution calculation process.
  • Table 2410 in FIG. 24 shows information and weights included in feedback information.
  • the value for whether to display an advertisement may be d1, and the weight corresponding to whether to display an advertisement may be w1. If an advertisement is displayed, d1 may be 1, and if an advertisement is not displayed, d1 may be 0.
  • the value for whether or not an advertisement is selected may be d2, and the weight corresponding to whether or not an advertisement is selected may be w2. If an advertisement is selected, d2 may be 1, and if an advertisement is not selected, d2 may be 0.
  • the value for whether the advertising service is used may be d3, and the weight corresponding to whether the advertising service is used may be w3. If the advertising service is used, d3 may be 1, and if the advertising service is not used, d3 may be 0.
  • the value for the cumulative number of (advertisement) display times may be d4, and the weight corresponding to the cumulative number of display times may be w4. The higher the cumulative display count, the larger d4 can be.
  • the value for the cumulative number of (advertising) selections may be d5, and the weight corresponding to the cumulative number of selections may be w5. The higher the cumulative number of selections, the larger d5 can be.
  • the value for the accumulated number of uses may be d6, and the weight corresponding to the accumulated number of uses may be w5. The higher the cumulative number of uses, the larger d6 can be.
  • the electronic device 100 may calculate the contribution based on data (d1 to d6) and weights (w1 to w6) included in the feedback information.
  • the electronic device 100 may calculate the contribution based on the calculation formula 2420.
  • m may mean the number of detailed information included in the feedback information.
  • di may refer to detailed data included in feedback information.
  • wi may mean a weight corresponding to each detailed data.
  • the contribution corresponding to table 2410 may be (d1*w1+ d2*w2+ d3*w3+ d4*w4+ d5*w5+ d6*w6)/6.
  • Figure 25 is a flow chart to explain the operation of providing advertising content in different styles depending on whether the artificial intelligence model is updated.
  • Steps S2530, S2535, S2540, S2545, and S2550 of FIG. 25 are S730 and S735 of FIG. 7. It may correspond to steps S740, S745, and S750. Therefore, redundant description is omitted.
  • the electronic device 100 may acquire first viewing group information by inputting context information into the first artificial intelligence model (S2505).
  • the electronic device 100 may transmit first viewing group information to the server 200 (S2510).
  • the server 200 may receive first viewing group information from the electronic device 100.
  • the server 200 may identify the first advertising content based on the first viewing group information (S2515).
  • the server 200 may transmit the first advertisement content to the electronic device 100 (S2520).
  • the electronic device 100 may receive first advertising content from the server 200.
  • the electronic device 100 may display the first advertisement content in the first style (S2525).
  • the electronic device 100 may obtain feedback information based on the displayed first advertisement content (S2530).
  • the electronic device 100 may obtain second viewing group information by inputting context information into the second artificial intelligence model (S2555).
  • the electronic device 100 may transmit second viewing group information to the server 200 (S2560).
  • the server 200 may receive second viewing group information from the electronic device 100.
  • the server 200 may identify the second advertising content based on the second viewing group information (S2565).
  • the server 200 may transmit the second advertisement content to the electronic device 100 (S2570).
  • the electronic device 100 may receive second advertising content from the server 200.
  • the electronic device 100 may display the second advertising content in a second style (S2575).
  • the first style and the second style may be different styles. Detailed descriptions related to this are provided in FIGS. 26 and 27.
  • Figure 26 is a diagram for explaining the operation of displaying different shapes of advertising content.
  • the embodiment 2610 of FIG. 26 represents first advertising content 2611 provided in a first style.
  • the first style refers to a method of providing advertising content in a square shape.
  • the shape of the area where advertising content is displayed may be square.
  • the embodiment 2620 of FIG. 26 shows second advertising content 2621 provided in a second style.
  • the second style refers to a method of providing advertising content in an oval shape.
  • the shape of the area where advertising content is displayed may be oval.
  • the electronic device 100 may display advertising content in different styles depending on the artificial intelligence model.
  • Figure 27 is a diagram for explaining the operation of displaying information indicating whether the artificial intelligence model has been updated.
  • the embodiment 2710 of FIG. 27 represents the first advertising content 2711 provided to the user.
  • the electronic device 100 may display a screen including first advertising content 2711 and text information 2712 indicating the first artificial intelligence model.
  • the first artificial intelligence model may be a model used to obtain the first advertising content 2711.
  • the embodiment 2720 of FIG. 27 shows the second advertising content 2721 provided to the user.
  • the electronic device 100 may display a screen including second advertising content 2721 and indicators 2722, 2723, and 2724 indicating the second artificial intelligence model.
  • the second artificial intelligence model may be a model used to obtain the second advertising content 2721.
  • the indicator may include at least one of icon information 2722 indicating whether the artificial intelligence model has been updated, version information 2723 of the current artificial intelligence model, or text information 2724 indicating whether the artificial intelligence model has been updated.
  • the electronic device 100 may display whether the currently used artificial intelligence model is updated along with the advertisement provided to the user. Users can check the reliability of the artificial intelligence model through the displayed update information.
  • Figure 28 is a diagram for explaining an update module related to an artificial intelligence model.
  • the advertising content provision system includes a device information collection module 2810, a viewing group inference module 2820, a target device determination module 2830, a feedback information collection module 2840, or an update module related to an artificial intelligence model. At least one of (2850) may be used.
  • a module may represent a software or hardware concept.
  • the device information collection module 2810 may include at least one of a context information acquisition module or a label information acquisition module.
  • the device information collection module 2810 may collect user behavior related to the electronic device 100.
  • context information may include overall data of the TV, such as App Session Duration / App Open Count / Linear TV Viewing / Advertisement Impression and Click data.
  • the context information may include information on the region where the user resides, such as subdivision data.
  • Label information may include the user group of the content to be targeted.
  • the device information collection module 2810 records the user's use of the device data (TV program viewing history / TV application use history / external device use history / TV program genre viewing history / VoD viewing history / TV Game Play history / Game played Genre/Game Publicher, etc. can be collected. Additionally, the device information collection module 2810 can collect viewing data and device usability data to extract device usage characteristics and obtain them as context information.
  • the device data TV program viewing history / TV application use history / external device use history / TV program genre viewing history / VoD viewing history / TV Game Play history / Game played Genre/Game Publicher, etc. can be collected. Additionally, the device information collection module 2810 can collect viewing data and device usability data to extract device usage characteristics and obtain them as context information.
  • the device information collection module 2810 includes App Session/App Open data, TV Viewing data, external device usage days/time data, Advertising Impression and Click data, VoD Genre data, SmartHub usage data, Game-related data, User Profile data, Subdivision data, etc. can be collected.
  • the device information collection module 2810 includes App Session/App Open data, TV Viewing data, external device usage days/time data, Advertising Impression and Click data, VoD Genre data, SmartHub usage data, Game-related data, User Profile data, Subdivision data, etc. can be collected.
  • the device information collection module 2810 can obtain App Session/App Open data by combining Session fragments into one Session and removing values outside the Boundary area that may affect the model by determining them as missing values. .
  • the device information collection module 2810 can obtain VoD Genre data by mapping VoD Program information to Genre to prevent overfitting due to the curse of dimension problem.
  • the viewing group inference module 2820 may infer a viewing group that may represent the user based on at least one of context information or label information acquired by the device information collection module 2810. Viewing group inference module 2820 may include an artificial intelligence model. The viewing group inference module 2820 can infer a viewing group representing a specific device using an artificial intelligence model.
  • the target device determination module 2830 may determine whether the device is targeted for a specific advertisement based on the viewing group inferred by the viewing group inference module 2820. For example, an advertiser may want to expose their advertisements only to users who will like their advertisements. Accordingly, the target device determination module 2830 can determine which device among the plurality of devices a specific advertisement should be exposed to. The target device determination module 2830 can obtain a viewing group (viewing group information) corresponding to each device from a plurality of devices.
  • the feedback information collection module 2840 can analyze information related to user feedback through provided advertising content.
  • the feedback information collection module 2840 may generate feedback information based on the selection and use of advertising content provided to the user.
  • the update module 2850 related to the artificial intelligence model may receive context information or label information received from the device information collection module 2810. Additionally, the update module 2850 may receive feedback information from the feedback information collection module 2840. The update module 2850 may update the artificial intelligence model used in the viewing group inference module 2820 based on at least one of context information, label information, or feedback information. Additionally, the update module 2850 may transmit the updated artificial intelligence model to the viewing group inference module 2820.
  • the update module (2850) can be utilized by various Machine Learning techniques.
  • the update module 2850 can perform HyperParameter Tuning for each parameter of the model for optimization.
  • the update module 2850 can use Incremental Learning, Online Learning, Transfer Learning, etc. to update the existing model.
  • the update module 2850 can keep the learning rate for learning the model low, or freeze some neurons in the neural network so that they are not learned during the update.
  • the update module 2850 can maintain and improve targeting performance by updating the model without catastrophic forgetting problems.
  • the update module 2850 can change the model update cycle according to intention.
  • the cycle can be one week, one month, or quarterly.
  • the update module 2850 can update the model sequentially in chronological order.
  • the update module (2850) can update the model using Ads Feedback Data from the last week of March on April 1.
  • the update module 2850 can update the model updated in the previous cycle again by using Ads Feedback Data from April 1 to April 7.
  • the update module 2850 repeats the update operation according to the cycle.
  • the devices performed by the plurality of modules may be different depending on the implementation example.
  • the device information collection module 2810, the viewing group inference module 2820, and the feedback information collection module 2840 are present in the electronic device 100, and the target device determination module 2830 and the update module ( 2850) may exist in the server 200.
  • the device information collection module 2810 and the feedback information collection module 2840 are present in the electronic device 100, and the viewing group inference module 2820, the target device determination module 2830, and the update module ( 2850) may exist in the server 200.
  • the device information collection module 2810, the viewing group inference module 2820, the feedback information collection module 2840, and the update module 2850 are present in the electronic device 100, and the target device determination module 2830 may exist in the server 200.
  • Figure 29 is a diagram for explaining a plurality of update modules related to an artificial intelligence model.
  • the advertising content provision system includes a device information collection module 2910, a viewing group inference module 2920, a target device determination module 2930, a feedback information collection module 2940, and a first device related to an artificial intelligence model. At least one of the update module 2950 or the second update module 2960 related to the artificial intelligence model may be used.
  • the device information collection module 2910, viewing group inference module 2920, target device determination module 2930, and feedback information collection module 2940 are the device information collection module 2810 and viewing group inference module 2820 of FIG. 28. , may correspond to the target device determination module 2830 and the feedback information collection module 2840. Additionally, the first update module 2950 may correspond to the update module 2850 of FIG. 28. Therefore, redundant description is omitted.
  • the advertising content provision system may additionally include a second update module 2960.
  • the second update module 2960 may receive device information (including at least one of context information and label information) from the device information collection module 2910. Additionally, the second update module 2960 may update the artificial intelligence model used in the viewing group inference module 2920 based on device information. And, the second update module 2960 may transmit the updated artificial intelligence model to the viewing group inference module 2920.
  • the update operation may be performed in two modules 2950 and 2960, respectively.
  • the advertising content providing system may update the artificial intelligence model based on learning data including feedback information.
  • the advertising content providing system may update the artificial intelligence model based on learning data that does not include feedback information and includes only device information.
  • the advertising content provision system may collect feedback information only during a preset period (eg, campaign period) and transmit it to the first update module 2950. Accordingly, the advertising content providing system can update the artificial intelligence model using the first update module 2950 during a preset period. Additionally, the advertising content providing system may update the artificial intelligence model using the second update module 2960 if it is not a preset period.
  • a preset period eg, campaign period
  • FIG. 30 is a flowchart for explaining a control operation of the electronic device 100 according to an embodiment of the present disclosure.
  • a method of controlling an electronic device in which a learned first artificial intelligence model is stored inputs context information including the user's profile information and usage history information of the electronic device into the first artificial intelligence model to control the user's Obtaining viewing group information (S3005), displaying advertising content identified based on the viewing group information (S3010), obtaining feedback information of the user related to the displayed advertising content (S3015), and It includes updating the first artificial intelligence model with a second artificial intelligence model retrained based on the context information and the feedback information (S3020).
  • the profile information may include at least one of the user's age, gender, country, or region of residence
  • the usage history information may include usage information about functions of the electronic device and usage of applications installed on the electronic device. It may include at least one of information or usage information about an external device that communicates with the electronic device.
  • the viewing group information may include at least one of a viewing group representing the user or a probability value corresponding to a viewing group representing the user.
  • control method may further include transmitting the viewing group information to a server that communicates with the electronic device and receiving the advertising content identified based on the viewing group information from the server,
  • the step of displaying advertising content may display the received advertising content.
  • control method includes identifying a preset number of viewing groups based on a probability value corresponding to each of a plurality of viewing groups, and transmitting the preset number of viewing groups to a server that communicates with the electronic device. It may further include, in the step of displaying the advertising content (S3015), when at least one advertising content corresponding to the preset number of viewing groups is received from the server, The at least one advertisement content may be displayed based on the probability value.
  • the feedback information includes information on whether the advertising content is displayed, information on whether the advertising content is selected, information on whether or not a service corresponding to the advertising content is used, the cumulative number of display times of the advertising content, and the advertising content. It may include at least one of the cumulative number of selections, the cumulative number of uses of the service corresponding to the advertising content, or contribution information of the advertising content.
  • control method may further include identifying at least one label information based on the context information
  • the updating step (S3020) may include combining the first artificial intelligence model with the context information and the at least one label information. It can be updated to a second artificial intelligence model retrained based on the label information and the feedback information, and the first artificial intelligence model learns a plurality of learning context information, a plurality of learning label information, and a plurality of advertising contents. It may be a model learned based on feedback information.
  • control method includes transmitting first viewing group information obtained through the first artificial intelligence model to a server that communicates with the electronic device, and first advertising content corresponding to the first viewing group information to the server.
  • first advertising content corresponding to the first viewing group information
  • second advertising content When received from, displaying the first advertising content in a first style, transmitting second viewing group information obtained through the second artificial intelligence model to the server, and
  • the method may further include displaying the second advertising content in a second style.
  • control method includes obtaining updated viewing group information of the user by inputting the context information into the second artificial intelligence model, and when advertising content is obtained based on the updated viewing group information, the advertising content And it may further include displaying an indicator corresponding to the updated second artificial intelligence model.
  • the indicator may include at least one of icon information indicating an update, version information of the second artificial intelligence model, or text information indicating an update.
  • control method of an electronic device as shown in FIG. 30 can be executed on an electronic device having the configuration of FIG. 2 or FIG. 3, and can also be executed on an electronic device having other configurations.
  • the various embodiments of the present disclosure described above can also be performed through an embedded server provided in an electronic device or an external server of at least one of the electronic device and the display device.
  • the various embodiments described above may be implemented as software including instructions stored in a machine-readable storage media (e.g., a computer).
  • the device is a device capable of calling instructions stored from a storage medium and operating according to the called instructions, and may include an electronic device according to the disclosed embodiments.
  • the processor may perform the function corresponding to the instruction directly or using other components under the control of the processor.
  • Instructions may contain code generated or executed by a compiler or interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium does not contain signals and is tangible, and does not distinguish whether the data is stored semi-permanently or temporarily in the storage medium.
  • the method according to the various embodiments described above may be included and provided in a computer program product.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed on a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)) or online through an application store (e.g. Play StoreTM).
  • an application store e.g. Play StoreTM
  • at least a portion of the computer program product may be at least temporarily stored or created temporarily in a storage medium such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component e.g., module or program
  • each component may be composed of a single or multiple entities, and some of the sub-components described above may be omitted, or other sub-components may be omitted. Additional components may be included in various embodiments. Alternatively or additionally, some components (e.g., modules or programs) may be integrated into a single entity and perform the same or similar functions performed by each corresponding component prior to integration. According to various embodiments, operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or at least some operations may be executed in a different order, omitted, or other operations may be added. You can.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 전자 장치는 디스플레이, 학습된 제1 인공 지능 모델을 저장하는 메모리 및 사용자의 프로필 정보 및 전자 장치의 이용 히스토리 정보를 포함하는 컨텍스트 정보를 제1 인공 지능 모델에 입력하여 사용자의 시청 그룹 정보를 획득하고, 시청 그룹 정보에 기초하여 식별된 광고 컨텐츠를 표시하도록 디스플레이를 제어하고, 표시된 광고 컨텐츠와 관련된 사용자의 피드백 정보를 획득하고, 제1 인공 지능 모델을 컨텍스트 정보 및 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트하는 적어도 하나 이상의 프로세서를 포함한다.

Description

광고를 제공하는 전자 장치 및 그 제어 방법
본 개시는 전자 장치 및 그 제어방법에 관한 것으로, 더욱 상세하게는 사용자에게 적합한 광고 컨텐츠를 제공하는 전자 장치 및 그 제어방법에 대한 것이다.
광고 컨텐츠에 적합한 사용자 단말 장치를 특정하기 위해 사용자 단말 장치에서 획득되는 데이터에 기초하여 유사 집단을 추출할 수 있다. 추출된 유사 집단은 사용자 단말 장치에 적합한 광고를 제공하기 위한 광고 타겟팅 동작에 이용될 수 있다.
여기서, 유사 집단을 추출하는데 인공 지능 모델이 이용될 수 있다. 인공 지능 모델은 사용자 단말 장치에서 획득되는 데이터를 입력 데이터로서 이용하여 유사 집단 및 유사 집단에 대응되는 확률 값을 출력할 수 있다.
한번 정해진 인공 지능 모델은 실시간으로 업데이트되지 않으므로, 동일한 데이터가 입력되는 경우 추출되는 유사 집단 역시 동일할 수 있다. 사용자에게 적합한 광고가 제공되는 경우, 추후 인공 지능 모델을 통해 반복적으로 적합한 광고가 제공될 것이다. 하지만, 사용자에게 적합하지 않은 광고가 제공되는 경우, 추후 반복적으로 사용자가 원하지 않는 광고가 제공될 가능성이 높다.
본 개시는 상술한 문제를 개선하기 위해 고안된 것으로, 본 개시의 목적은 사용자의 컨텍스트 정보 및 사용자의 피드백 정보를 고려하여 사용자를 대표하는 시청 그룹 정보를 획득하는데 이용되는 인공 지능 모델을 업데이트하는 전자 장치 및 그의 제어 방법을 제공함에 있다.
상술한 목적을 달성하기 위한 본 실시 예에 따른 전자 장치는 디스플레이, 학습된 제1 인공 지능 모델을 저장하는 메모리 및 사용자의 프로필 정보 및 상기 전자 장치의 이용 히스토리 정보를 포함하는 컨텍스트 정보를 상기 제1 인공 지능 모델에 입력하여 사용자의 시청 그룹 정보를 획득하고, 상기 시청 그룹 정보에 기초하여 식별된 광고 컨텐츠를 표시하도록 상기 디스플레이를 제어하고, 상기 표시된 광고 컨텐츠와 관련된 상기 사용자의 피드백 정보를 획득하고, 상기 제1 인공 지능 모델을 상기 컨텍스트 정보 및 상기 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트하는 적어도 하나 이상의 프로세서를 포함한다.
한편, 상기 프로필 정보는 상기 사용자의 나이, 성별, 국가 또는 거주 지역 중 적어도 하나를 포함할 수 있고, 상기 이용 히스토리 정보는 상기 전자 장치의 기능에 대한 이용 정보, 상기 전자 장치에 설치된 어플리케이션에 대한 이용 정보 또는 상기 전자 장치와 통신하는 외부 기기에 대한 이용 정보 중 적어도 하나를 포함할 수 있다.
한편, 상기 시청 그룹 정보는 상기 사용자를 대표하는 시청 그룹 또는 사용자를 대표하는 시청 그룹에 대응되는 확률 값 중 적어도 하나를 포함할 수 있다.
한편, 전자 장치는 서버와 통신하는 통신 인터페이스를 더 포함할 수 있고, 상기 적어도 하나의 프로세서는 상기 통신 인터페이스를 통해 상기 시청 그룹 정보를 상기 서버로 전송할 수 있고, 상기 통신 인터페이스를 통해 상기 시청 그룹 정보에 기초하여 식별된 상기 광고 컨텐츠를 상기 서버로부터 수신할 수 있고, 상기 수신된 광고 컨텐츠를 표시하도록 상기 디스플레이를 제어할 수 있다.
한편, 전자 장치는 서버와 통신하는 통신 인터페이스를 더 포함할 수 있고, 상기 적어도 하나의 프로세서는 복수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 기 설정된 개수의 시청 그룹을 식별할 수 있고, 상기 통신 인터페이스를 통해 상기 기 설정된 개수의 시청 그룹을 상기 서버로 전송할 수 있고, 상기 통신 인터페이스를 통해 상기 기 설정된 개수의 시청 그룹에 대응되는 적어도 하나의 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 기 설정된 개수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 상기 적어도 하나의 광고 컨텐츠를 표시하도록 상기 디스플레이를 제어할 수 있다.
한편, 상기 피드백 정보는 광고 컨텐츠의 표시 여부에 대한 정보, 상기 광고 컨텐츠의 선택 여부에 대한 정보, 상기 광고 컨텐츠에 대응되는 서비스의 이용 여부에 대한 정보, 상기 광고 컨텐츠의 누적 표시 횟수, 상기 광고 컨텐츠의 누적 선택 횟수, 상기 광고 컨텐츠에 대응되는 상기 서비스의 누적 이용 횟수 또는 상기 광고 컨텐츠의 기여도 정보 중 적어도 하나를 포함할 수 있다.
한편, 상기 적어도 하나의 프로세서는 상기 컨텍스트 정보에 기초하여 적어도 하나의 레이블 정보를 식별할 수 있고, 상기 제1 인공 지능 모델을 상기 컨텍스트 정보, 상기 적어도 하나의 레이블 정보 및 상기 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트할 수 있으며, 상기 제1 인공 지능 모델은 복수의 학습 컨텍스트 정보, 복수의 학습 레이블 정보 및 복수의 광고 컨텐츠에 대한 학습 피드백 정보에 기초하여 학습된 모델일 수 있다.
한편, 전자 장치는 서버와 통신하는 통신 인터페이스를 더 포함할 수 있으며, 상기 적어도 하나의 프로세서는 상기 통신 인터페이스를 통해 상기 제1 인공 지능 모델을 통해 획득된 제1 시청 그룹 정보를 상기 서버로 전송할 수 있고, 상기 통신 인터페이스를 통해 상기 제1 시청 그룹 정보에 대응되는 제1 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 제1 광고 컨텐츠를 제1 스타일로 표시하도록 상기 디스플레이를 제어할 수 있고, 상기 통신 인터페이스를 통해 상기 제2 인공 지능 모델을 통해 획득된 제2 시청 그룹 정보를 상기 서버로 전송할 수 있고, 상기 통신 인터페이스를 통해 상기 제2 시청 그룹 정보에 대응되는 제2 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 제2 광고 컨텐츠를 제2 스타일로 표시하도록 상기 디스플레이를 제어할 수 있다.
한편, 상기 적어도 하나의 프로세서는 상기 컨텍스트 정보를 상기 제2 인공 지능 모델에 입력하여 업데이트된 상기 사용자의 시청 그룹 정보를 획득할 수 있고, 상기 업데이트된 시청 그룹 정보에 기초하여 광고 컨텐츠가 획득되면, 상기 광고 컨텐츠 및 상기 업데이트된 제2 인공 지능 모델에 대응되는 인디케이터를 표시하도록 상기 디스플레이를 제어할 수 있다.
한편, 상기 인디케이터는 업데이트를 나타내는 아이콘 정보, 상기 제2 인공 지능 모델의 버전 정보 또는 업데이트를 나타내는 텍스트 정보 중 적어도 하나를 포함할 수 있다.
본 실시 예에 따른 학습된 제1 인공 지능 모델이 저장된 전자 장치의 제어 방법은 사용자의 프로필 정보 및 상기 전자 장치의 이용 히스토리 정보를 포함하는 컨텍스트 정보를 상기 제1 인공 지능 모델에 입력하여 사용자의 시청 그룹 정보를 획득하는 단계, 상기 시청 그룹 정보에 기초하여 식별된 광고 컨텐츠를 표시하는 단계, 상기 표시된 광고 컨텐츠와 관련된 상기 사용자의 피드백 정보를 획득하는 단계 및 상기 제1 인공 지능 모델을 상기 컨텍스트 정보 및 상기 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트하는 단계를 포함한다.
한편, 상기 프로필 정보는 상기 사용자의 나이, 성별, 국가 또는 거주 지역 중 적어도 하나를 포함할 수 있고, 상기 이용 히스토리 정보는 상기 전자 장치의 기능에 대한 이용 정보, 상기 전자 장치에 설치된 어플리케이션에 대한 이용 정보 또는 상기 전자 장치와 통신하는 외부 기기에 대한 이용 정보 중 적어도 하나를 포함할 수 있다.
한편, 상기 시청 그룹 정보는 상기 사용자를 대표하는 시청 그룹 또는 사용자를 대표하는 시청 그룹에 대응되는 확률 값 중 적어도 하나를 포함할 수 있다.
한편, 상기 제어 방법은 상기 시청 그룹 정보를 상기 전자 장치와 통신하는 서버로 전송하는 단계 및 상기 시청 그룹 정보에 기초하여 식별된 상기 광고 컨텐츠를 상기 서버로부터 수신하는 단계를 더 포함할 수 있고, 상기 광고 컨텐츠를 표시하는 단계는 상기 수신된 광고 컨텐츠를 표시할 수 있다.
한편, 상기 제어 방법은 복수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 기 설정된 개수의 시청 그룹을 식별하는 단계, 상기 기 설정된 개수의 시청 그룹을 상기 전자 장치와 통신하는 서버로 전송하는 단계를 더 포함할 수 있고, 상기 광고 컨텐츠를 표시하는 단계는 상기 기 설정된 개수의 시청 그룹에 대응되는 적어도 하나의 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 기 설정된 개수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 상기 적어도 하나의 광고 컨텐츠를 표시할 수 있다.
한편, 상기 피드백 정보는 광고 컨텐츠의 표시 여부에 대한 정보, 상기 광고 컨텐츠의 선택 여부에 대한 정보, 상기 광고 컨텐츠에 대응되는 서비스의 이용 여부에 대한 정보, 상기 광고 컨텐츠의 누적 표시 횟수, 상기 광고 컨텐츠의 누적 선택 횟수, 상기 광고 컨텐츠에 대응되는 상기 서비스의 누적 이용 횟수 또는 상기 광고 컨텐츠의 기여도 정보 중 적어도 하나를 포함할 수 있다.
한편, 상기 제어 방법은 상기 컨텍스트 정보에 기초하여 적어도 하나의 레이블 정보를 식별하는 단계를 더 포함할 수 있고, 상기 업데이트하는 단계는 상기 제1 인공 지능 모델을 상기 컨텍스트 정보, 상기 적어도 하나의 레이블 정보 및 상기 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트할 수 있고, 상기 제1 인공 지능 모델은 복수의 학습 컨텍스트 정보, 복수의 학습 레이블 정보 및 복수의 광고 컨텐츠에 대한 학습 피드백 정보에 기초하여 학습된 모델일 수 있다.
한편, 상기 제어 방법은 상기 제1 인공 지능 모델을 통해 획득된 제1 시청 그룹 정보를 상기 전자 장치와 통신하는 서버로 전송하는 단계, 상기 제1 시청 그룹 정보에 대응되는 제1 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 제1 광고 컨텐츠를 제1 스타일로 표시하는 단계, 상기 제2 인공 지능 모델을 통해 획득된 제2 시청 그룹 정보를 상기 서버로 전송하는 단계 및 상기 제2 시청 그룹 정보에 대응되는 제2 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 제2 광고 컨텐츠를 제2 스타일로 표시하는 단계를 더 포함할 수 있다.
한편, 상기 제어 방법은 상기 컨텍스트 정보를 상기 제2 인공 지능 모델에 입력하여 업데이트된 상기 사용자의 시청 그룹 정보를 획득하는 단계 및 상기 업데이트된 시청 그룹 정보에 기초하여 광고 컨텐츠가 획득되면, 상기 광고 컨텐츠 및 상기 업데이트된 제2 인공 지능 모델에 대응되는 인디케이터를 표시하는 단계를 더 포함할 수 있다.
한편, 상기 인디케이터는 업데이트를 나타내는 아이콘 정보, 상기 제2 인공 지능 모델의 버전 정보 또는 업데이트를 나타내는 텍스트 정보 중 적어도 하나를 포함할 수 있다.
도 1은 광고 컨텐츠를 제공하는 시스템을 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치를 도시한 블록도이다.
도 3은 도 2의 전자 장치의 구체적인 구성을 설명하기 위한 블록도이다.
도 4는 인공 지능 모델을 업데이트하는 동작을 설명하기 위한 흐름도이다.
도 5는 컨텍스트 정보 및 피드백 정보에 기초하여 인공 지능 모델을 업데이트하는 동작을 설명하기 위한 흐름도이다.
도 6은 전자 장치에서 제1 인공 지능 모델 및 제2 인공 지능 모델을 저장하는 실시 예를 설명하기 위한 도면이다.
도 7은 도 6의 실시 예의 구체적인 동작을 설명하기 위한 흐름도이다.
도 8은 서버에서 제1 인공 지능 모델 및 제2 인공 지능 모델을 저장하는 실시 예를 설명하기 위한 도면이다.
도 9는 도 8의 실시 예의 구체적인 동작을 설명하기 위한 흐름도이다.
도 10은 전자 장치에서 제2 인공 지능 모델을 업데이트하는 실시 예를 설명하기 위한 도면이다.
도 11은 도 10의 실시 예의 구체적인 동작을 설명하기 위한 흐름도이다.
도 12는 컨텍스트 정보를 이용하여 인공 지능 모델을 업데이트하는 과정을 설명하기 위한 도면이다.
도 13은 피드백 정보를 이용하여 인공 지능 모델을 업데이트하는 과정을 설명하기 위한 도면이다.
도 14는 컨텍스트 정보 및 피드백 정보를 이용하여 인공 지능 모델을 업데이트하는 과정을 설명하기 위한 도면이다.
도 15는 기 설정된 개수의 시청 그룹에 기초하여 광고 컨텐츠를 제공하는 실시 예를 설명하기 위한 흐름도이다.
도 16은 복수의 광고 컨텐츠가 제공되는 동작을 설명하기 위한 도면이다.
도 17은 우선 순위에 기초하여 광고 컨텐츠를 제공하는 동작을 설명하기 위한 흐름도이다.
도 18은 확률 값에 기초하여 광고 컨텐츠를 제공하는 동작을 설명하기 위한 흐름도이다.
도 19는 복수의 광고 컨텐츠를 상이한 스타일로 제공하는 동작을 설명하기 위한 도면이다.
도 20은 시청 그룹 정보를 설명하기 위한 도면이다.
도 21은 컨텍스트 정보, 레이블 정보 및 피드백 정보에 기초하여 인공 지능 모델을 업데이트하는 동작을 설명하기 위한 흐름도이다.
도 22는 컨텍스트 정보 및 레이블 정보를 설명하기 위한 표이다.
도 23은 피드백 정보를 설명하기 위한 표이다.
도 24는 기여도 계산 과정을 설명하기 위한 도면이다.
도 25는 인공 지능 모델 업데이트 여부에 따라 상이한 스타일로 광고 컨텐츠를 제공하는 동작을 설명하기 위한 흐름도이다.
도 26은 광고 컨텐츠의 모양이 상이하게 표시되는 동작을 설명하기 위한 도면이다.
도 27은 인공 지능 모델의 업데이트 여부를 나타내는 정보를 표시하는 동작을 설명하기 위한 도면이다.
도 28은 인공 지능 모델과 관련된 업데이트 모듈을 설명하기 위한 도면이다.
도 29는 인공 지능 모델과 관련된 복수의 업데이트 모듈을 설명하기 위한 도면이다.
도 30은 본 개시의 일 실시 예에 따른 전자 장치의 제어 동작을 설명하기 위한 흐름도이다.
이하에서는 첨부 도면을 참조하여 본 개시를 상세히 설명한다.
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
A 또는/및 B 중 적어도 하나라는 표현은 "A" 또는 "B" 또는 "A 및 B" 중 어느 하나를 나타내는 것으로 이해되어야 한다.
본 명세서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 어떤 구성요소가 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시에서 "모듈" 혹은 "부"는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈" 혹은 복수의 "부"는 특정한 하드웨어로 구현될 필요가 있는 "모듈" 혹은 "부"를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서(미도시)로 구현될 수 있다.
본 명세서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
이하 첨부된 도면들을 참조하여 본 개시의 일 실시 예를 보다 상세하게 설명한다.
도 1은 광고 컨텐츠를 제공하는 시스템(1000)을 설명하기 위한 도면이다.
도 1을 참조하면, 시스템(1000)은 복수의 전자 장치(100, 100-2, 100-3, 쪋 , 100-n) 및 서버(200)를 포함할 수 있다.
여기서, 복수의 전자 장치(100, 100-2, 100-3, 쪋 , 100-n)는 광고 컨텐츠를 표시하는 다양한 기기를 의미할 수 있다. 예를 들어, 복수의 전자 장치(100, 100-2, 100-3, 쪋 , 100-n)는 TV, 스마트폰, 웨어러블 디바이스, 사이니지 기기 등 디스플레이를 포함하는 장치를 의미할 수 있다.
여기서, 서버(200)는 광고 컨텐츠를 제공하는 기기를 의미할 수 있다. 예를 들어, 서버(200)는 복수의 광고 컨텐츠를 저장하고 복수의 전자 장치(100, 100-2, 100-3, 쪋 , 100-n)에 특정 광고 컨텐츠를 제공하는 기기를 의미할 수 있다.
또한, 서버(200)는 복수의 전자 장치(100, 100-2, 100-3, 쪋 , 100-n) 각각에 적합한 광고 컨텐츠를 제공할 수 있다. 따라서, 복수의 전자 장치(100, 100-2, 100-3, 쪋 , 100-n) 각각은 서버(200)로부터 상이한 광고 컨텐츠를 제공 받을 수 있다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치(100)를 도시한 블록도이다.
도 2를 참조하면, 전자 장치(100)는 디스플레이(110), 메모리(120) 또는 적어도 하나의 프로세서(130)를 포함할 수 있다.
전자 장치(100)는 디스플레이(110), 메모리(120) 및 적어도 하나의 프로세서(130)를 포함할 수 있다.
디스플레이(110)는 LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes) 디스플레이, PDP(Plasma Display Panel) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 디스플레이(110)내에는 a-si TFT(amorphous silicon thin film transistor), LTPS(low temperature poly silicon) TFT, OTFT(organic TFT) 등과 같은 형태로 구현될 수 있는 구동 회로, 백라이트 유닛 등도 함께 포함될 수 있다. 한편, 디스플레이(110)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display, three-dimensional dispaly) 등으로 구현될 수 있다. 또한, 본 개시의 일 실시 예에 따른, 디스플레이(110)는 영상을 출력하는 디스플레이 패널뿐만 아니라, 디스플레이 패널을 하우징하는 베젤을 포함할 수 있다. 특히, 본 개시의 일 실시 예에 따른, 베젤은 사용자 인터렉션을 감지하기 위한 터치 센서(미도시)를 포함할 수 있다.
메모리(120)는 프로세서(130)에 포함된 롬(ROM)(예를 들어, EEPROM(electrically erasable programmable read-only memory)), 램(RAM) 등의 내부 메모리로 구현되거나, 프로세서(130)와 별도의 메모리로 구현될 수도 있다. 이 경우, 메모리(120)는 데이터 저장 용도에 따라 전자 장치(100)에 임베디드된 메모리 형태로 구현되거나, 전자 장치(100)에 탈부착이 가능한 메모리 형태로 구현될 수도 있다. 예를 들어, 전자 장치(100)의 구동을 위한 데이터의 경우 전자 장치(100)에 임베디드된 메모리에 저장되고, 전자 장치(100)의 확장 기능을 위한 데이터의 경우 전자 장치(100)에 탈부착이 가능한 메모리에 저장될 수 있다.
한편, 전자 장치(100)에 임베디드된 메모리의 경우 휘발성 메모리(예: DRAM(dynamic RAM), SRAM(static RAM), 또는 SDRAM(synchronous dynamic RAM) 등), 비휘발성 메모리(non-volatile Memory)(예: OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, 플래시 메모리(예: NAND flash 또는 NOR flash 등), 하드 드라이브, 또는 솔리드 스테이트 드라이브(solid state drive(SSD)) 중 적어도 하나로 구현되고, 전자 장치(100)에 탈부착이 가능한 메모리의 경우 메모리 카드(예를 들어, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital), MMC(multi-media card) 등), USB 포트에 연결 가능한 외부 메모리(예를 들어, USB 메모리) 등과 같은 형태로 구현될 수 있다.
여기서, 메모리(120)는 학습된 제1 인공 지능 모델을 저장할 수 있다.
적어도 하나의 프로세서(130)는 전자 장치(100)의 전반적인 제어 동작을 수행할 수 있다. 구체적으로, 적어도 하나의 프로세서(130)는 전자 장치(100)의 전반적인 동작을 제어하는 기능을 한다.
적어도 하나의 프로세서(130)는 디지털 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), TCON(Time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), GPU(graphics-processing unit) 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM(advanced reduced instruction set computer (RISC) machines) 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(130)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다. 또한, 프로세서(130)는 메모리(120)에 저장된 컴퓨터 실행가능 명령어(computer executable instructions)를 실행함으로써 다양한 기능을 수행할 수 있다.
적어도 하나의 프로세서(130)는 사용자의 프로필 정보 및 전자 장치의 이용 히스토리 정보를 포함하는 컨텍스트 정보를 제1 인공 지능 모델에 입력하여 사용자의 시청 그룹 정보를 획득하고, 시청 그룹 정보에 기초하여 식별된 광고 컨텐츠를 표시하도록 디스플레이(110)를 제어하고, 표시된 광고 컨텐츠와 관련된 사용자의 피드백 정보를 획득하고, 제1 인공 지능 모델을 컨텍스트 정보 및 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트할 수 있다.
여기서, 적어도 하나의 프로세서(130)는 제1 인공 지능 모델을 이용하여 시청 그룹 정보를 획득할 수 있다. 적어도 하나의 프로세서(130)는 제1 인공 지능 모델에 컨텍스트 정보를 입력 데이터로서 입력(또는 적용)하고 시청 그룹 정보를 출력 데이터로서 획득할 수 있다.
여기서, 컨텍스트 정보는 전자 장치(100)에서 획득되는 다양한 정보를 의미할 수 있다. 컨텍스트 정보는 사용자의 행동과 관련된 정보를 의미할 수 있다. 컨텍스트 정보는 프로필 정보 또는 이용 히스토리 정보 중 적어도 하나를 포함할 수 있다.
한편, 프로필 정보는 사용자의 나이, 성별, 국가 또는 거주 지역 중 적어도 하나를 포함할 수 있다. 프로필 정보는 사용자의 개인 정보를 포함할 수 있다.
이용 히스토리 정보는 전자 장치의 기능에 대한 이용 정보, 전자 장치에 설치된 어플리케이션에 대한 이용 정보 또는 전자 장치와 통신하는 외부 기기에 대한 이용 정보 중 적어도 하나를 포함할 수 있다.
전자 장치의 기능에 대한 이용 정보 (또는 기능 이용 정보)는 전자 장치(100)에서 제공하는 적어도 하나의 기능(예를 들어, 방송 신호 출력)과 관련하여 사용자의 이용 히스토리를 나타내는 정보일 수 있다. 예를 들어, 기능 이용 정보는 전자 장치(100)의 기능을 사용자가 언제, 얼마나 이용했는지에 대한 정보를 포함할 수 있다.
전자 장치에 설치된 어플리케이션에 대한 이용 정보 (또는 어플리케이션 이용 정보)는 전자 장치(100)에 설치된 어플리케이션(예를 들어, 동영상 플랫폼 어플리케이션)과 관련하여 사용자의 이용 히스토리를 나타내는 정보일 수 있다. 예를 들어, 어플리케이션 이용 정보는 전자 장치(100)에 설치된 어플리케이션을 사용자가 언제, 얼마나 이용했는지에 대한 정보를 포함할 수 있다.
전자 장치와 통신하는 외부 기기에 대한 이용 정보(또는 외부 기기 이용 정보)는 전자 장치(100)와 무선 또는 유선으로 연결 가능한 외부 기기(예를 들어, 게임 콘솔)와 관련하여 사용자의 이용 히스토리를 나타내는 정보일 수 있다. 예를 들어, 외부 기기 이용 정보는 전자 장치(100)에 연결된 외부 기기를 사용자가 언제, 얼마나 이용했는지에 대한 정보를 포함할 수 있다.
한편, 컨텍스트 정보는 누적 피드백 정보를 추가적으로 포함할 수 있다. 누적 피드백 정보는 전자 장치에서 제공된 광고 컨텐츠에 대한 피드백 정보를 포함할 수 있다. 아래에서 언급하는 피드백 정보가 컨텍스트 정보에 포함될 수 있다.
적어도 하나의 프로세서(130)는 전자 장치(100)를 이용한 사용자 행동에 대한 데이터를 컨텍스트 정보로서 획득할 수 있다. 그리고, 적어도 하나의 프로세서(130)는 제1 인공 지능 모델에 기초하여 컨텍스트 정보에 대응되는 시청 그룹 정보를 획득할 수 있다.
여기서, 시청 그룹 정보는 전자 장치(100)를 이용하는 사용자를 나타내는 대표 데이터를 의미할 수 있다. 여기서, 시청 그룹 정보는 대표 데이터, 사용자 특성 데이터, 유사 집단 정보 등으로 기재될 수 있다. 여기서, 시청 그룹 정보는 특정 시청 그룹 및 특정 시청 그룹에 대응되는 확률 값을 포함할 수 있다.
시청 그룹 정보는 사용자를 대표하는 시청 그룹 또는 사용자를 대표하는 시청 그룹에 대응되는 확률 값 중 적어도 하나를 포함할 수 있다.
제1 인공 지능 모델은 복수의 기 설정된 시청 그룹을 저장할 수 있다. 그리고, 제1 인공 지능 모델은 입력 데이터에 기초하여 저장된 복수의 시청 그룹 중 특정 시청 그룹에 대한 확률 값을 출력할 수 있다. 예를 들어, 제1 인공 지능 모델은 제1 기기의 컨텍스트 정보를 입력 데이터로서 입력 받고, 제1 기기를 대표하는 시청 그룹인 축구(확률 값: 90)를 출력 데이터로서 출력할 수 있다.
시청 그룹 정보가 특정되면, 적어도 하나의 프로세서(130)는 시청 그룹 정보에 대응되는 광고 컨텐츠를 획득할 수 있다. 시청 그룹 정보가 사용자를 대표할 수 있는 데이터이므로, 사용자에게 가장 적합한 광고 컨텐츠는 시청 그룹 정보에 기초하여 결정될 수 있다.
적어도 하나의 프로세서(130)는 광고 컨텐츠를 서버(200)를 통해 수신할 수 있다. 여기서, 서버(200)는 외부 장치 또는 외부 기기 등으로 기재될 수 있다.
한편, 전자 장치(100)는 서버(200)와 통신하는 통신 인터페이스(140)를 더 포함할 수 있다. 적어도 하나의 프로세서(130)는 통신 인터페이스(140)를 통해 시청 그룹 정보를 서버(200)로 전송하고, 통신 인터페이스(140)를 통해 시청 그룹 정보에 기초하여 식별된 광고 컨텐츠를 서버(200)로부터 수신하고, 수신된 광고 컨텐츠를 표시하도록 디스플레이(110)를 제어할 수 있다.
서버(200)는 전자 장치(100)로부터 수신된 시청 그룹 정보에 기초하여 광고 컨텐츠를 식별할 수 있다. 그리고, 서버(200)는 식별된 광고 컨텐츠를 전자 장치(100)에 전송할 수 있다.
상술한 실시 예 뿐 아니라, 광고 컨텐츠를 사용자에게 제공하는데 필요한 동작들이 다양한 실시 예에 따라 전자 장치(100) 또는 서버(200) 등에서 구분되어 수행될 수 있다.
일 실시 예에 따라, 전자 장치(100)는 컨텍스트 정보 및 시청 그룹 정보를 획득하고, 서버(200)가 광고 컨텐츠를 결정할 수 있다. 시청 그룹 정보를 획득하는데 이용되는 인공 지능 모델은 서버(200)에서 업데이트될 수 있다. 이와 관련된 구체적인 설명은 도 6 및 도 7에서 기재한다.
다른 실시 예에 따라, 전자 장치(100)는 컨텍스트 정보를 획득하고, 서버(200)가 시청 그룹 정보를 획득하고, 광고 컨텐츠를 결정할 수 있다. 시청 그룹 정보를 획득하는데 이용되는 인공 지능 모델은 서버(200)에서 업데이트될 수 있다. 이와 관련된 구체적인 설명은 도 8 및 도 9에서 기재한다.
또 다른 실시 예에 따라, 전자 장치(100)는 컨텍스트 정보 및 시청 그룹 정보를 획득하고, 서버(200)가 광고 컨텐츠를 결정할 수 있다. 시청 그룹 정보를 획득하는데 이용되는 인공 지능 모델은 전자 장치(100)에서 업데이트될 수 있다. 이와 관련된 구체적인 설명은 도 10 및 도 11에서 기재한다.
한편, 시청 그룹 정보는 복수의 시청 그룹에 대한 정보를 포함할 수 있다. 시청 그룹 정보는 복수의 시청 그룹 및 복수의 시청 그룹 각각에 대응되는 확률 값을 포함할 수 있다. 복수의 시청 그룹에 대한 정보는 도 20의 표(2010)에서 기재한다.
한편, 적어도 하나의 프로세서(130)는 복수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 기 설정된 개수의 시청 그룹을 식별하고, 통신 인터페이스(140)를 통해 기 설정된 개수의 시청 그룹을 서버(200)로 전송하고, 통신 인터페이스(140)를 통해 기 설정된 개수의 시청 그룹에 대응되는 적어도 하나의 광고 컨텐츠가 서버(200)로부터 수신되면, 기 설정된 개수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 적어도 하나의 광고 컨텐츠를 표시하도록 디스플레이(110)를 제어할 수 있다.
기 설정된 개수의 시청 그룹을 이용하는 동작은 도 15및 도 20에서 구체적으로 기재한다.
여기서, 적어도 하나의 프로세서(130)는 제1 인공 지능 모델을 통해 복수의 시청 그룹에 대한 정보(시청 그룹 정보)를 획득할 수 있다. 그리고, 적어도 하나의 프로세서(130)는 복수의 시청 그룹에 대한 정보를 서버(200)에 전송할 수 있다.
서버(200)는 전자 장치(100)로부터 수신한 복수의 시청 그룹에 대한 정보에 기초하여 적어도 하나의 광고 컨텐츠를 식별할 수 있다.
일 실시 예에 따라, 서버(200)는 적어도 하나의 광고 컨텐츠 및 우선 순위 정보를 획득할 수 있다. 서버(200)는 두 개 이상의 광고 컨텐츠를 식별하는 경우 우선 순위 정보를 함께 획득할 수 있다. 서버(200)는 두 개 이상의 광고 컨텐츠 및 우선 순위 정보를 전자 장치(100)에 전송할 수 있다. 이와 관련된 동작은 도 17에서 기재한다.
다른 실시 예에 따라, 서버(200)는 기 설정된 개수의 광고 컨텐츠를 식별할 수 있다. 그리고, 서버(200)는 기 설정된 개수의 시청 그룹과 기 설정된 개수의 광고 컨텐츠를 맵핑할 수 있다. 예를 들어, 서버(200)는 제1 시청 그룹(축구)과 제1 광고 컨텐츠(축구공 광고)를 맵핑하고, 제2 시청 그룹(야구)과 제2 광고 컨텐츠(야구공 광고)를 맵핑한 결과 데이터를 포함하는 맵핑 테이블을 생성(또는 획득)할 수 있다.
복수의 광고 컨텐츠를 표시하는 방법에 대해서는 도 16 및 도 19에서 기재한다. 특히, 시청 그룹 각각에 대응되는 확률 값에 기초하여 광고 컨텐츠를 다른 크기로 표시하는 실시 예를 도 19에서 기재한다.
한편, 적어도 하나의 프로세서(130)는 컨텍스트 정보 또는 피드백 정보 중 적어도 하나에 기초하여 인공 지능 모델을 업데이트할 수 있다. 구체적으로, 적어도 하나의 프로세서(130)는 컨텍스트 정보 또는 피드백 정보 중 적어도 하나를 이용하여 제2 인공 지능 모델을 획득할 수 있다.
한편, 피드백 정보는 광고 컨텐츠의 표시 여부에 대한 정보, 광고 컨텐츠의 선택 여부에 대한 정보, 광고 컨텐츠에 대응되는 서비스의 이용 여부에 대한 정보, 광고 컨텐츠의 누적 표시 횟수, 광고 컨텐츠의 누적 선택 횟수, 광고 컨텐츠에 대응되는 서비스의 누적 이용 횟수 또는 광고 컨텐츠의 기여도 정보 중 적어도 하나를 포함할 수 있다.
제2 인공 지능 모델 자체를 생성하는 동작은 서버(200) 또는 전자 장치(100)에서 수행될 수 있다.
일 실시 예에 따라, 제2 인공 지능 모델을 획득하는 동작은 서버(200)에서 수행될 수 있다. 이와 관련된 설명을 도 6 내지 도 9에서 기재한다.
따른 실시 예에 따라, 제2 인공 지능 모델을 획득하는 동작은 전자 장치(100)에서 수행될 수 있다. 이와 관련된 설명을 도 10 내지 도 11에서 기재한다.
한편, 상술한 설명에서 업데이트 동작은 컨텍스트 정보 및 피드백 정보를 이용하는 것으로 기재되었다.
다양한 실시 예에 따라, 업데이트 동작에 레이블 정보가 이용될 수 있다.
일 실시 예에 따라, 업데이트 동작은 컨텍스트 정보 및 피드백 정보를 이용할 수 있다.
다른 실시 예에 따라, 업데이트 동작은 레이블 정보 및 피드백 정보를 이용할 수 있다.
또 다른 실시 예에 따라, 업데이트 동작은 컨텍스트 정보, 레이블 정보 및 피드백 정보를 이용할 수 있다.
한편, 적어도 하나의 프로세서(130)는 컨텍스트 정보에 기초하여 적어도 하나의 레이블 정보를 식별하고, 제1 인공 지능 모델을 컨텍스트 정보, 적어도 하나의 레이블 정보 및 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트하며, 제1 인공 지능 모델은 복수의 학습 컨텍스트 정보, 복수의 학습 레이블 정보 및 복수의 광고 컨텐츠에 대한 학습 피드백 정보에 기초하여 학습된 모델인, 전자 장치.
레이블 정보는 컨텍스트 정보에 기초하여 결정된 대표 데이터를 의미할 수 있다. 레이블 정보는 사용자 또는 기기 별로 적어도 하나를 포함할 수 있다. 레이블 정보는 컨텍스트 정보를 기 저장된 복수의 그룹 중 어느 하나의 그룹으로 특정한 정보를 의미할 수 있다. 레이블 정보와 관련된 구체적인 설명은 도 21 및 도 22에서 기재한다.
한편, 적어도 하나의 적어도 하나의 프로세서(130)는 통신 인터페이스(140)를 통해 제1 인공 지능 모델을 통해 획득된 제1 시청 그룹 정보를 서버(200)로 전송하고, 통신 인터페이스(140)를 통해 제1 시청 그룹 정보에 대응되는 제1 광고 컨텐츠가 서버(200)로부터 수신되면, 제1 광고 컨텐츠를 제1 스타일로 표시하도록 디스플레이(110)를 제어하고, 통신 인터페이스(140)를 통해 제2 인공 지능 모델을 통해 획득된 제2 시청 그룹 정보를 서버(200)로 전송하고, 통신 인터페이스(140)를 통해 제2 시청 그룹 정보에 대응되는 제2 광고 컨텐츠가 서버(200)로부터 수신되면, 제2 광고 컨텐츠를 제2 스타일로 표시하도록 디스플레이(110)를 제어할 수 있다.
제1 스타일 및 제2 스타일은 상이한 스타일일 수 있다. 예를 들어, 제1 스타일 및 제2 스타일은 광고 컨텐츠를 표시하는 영역의 모양이 상이할 수 있다. 또한, 제1 스타일 및 제2 스타일은 업데이트 여부를 나타내는 인디케이터의 포함 여부가 상이할 수 있다. 스타일과 관련된 구체적인 설명은 도 25 내지 도 27에서 기재한다.
한편, 적어도 하나의 프로세서(130)는 컨텍스트 정보를 제2 인공 지능 모델에 입력하여 업데이트된 사용자의 시청 그룹 정보를 획득하고, 업데이트된 시청 그룹 정보에 기초하여 광고 컨텐츠가 획득되면, 광고 컨텐츠 및 업데이트된 시청 그룹 정보에 대응되는 인디케이터를 표시하도록 디스플레이를 제어할 수 있다.
광고 컨텐츠를 특정 스타일로 제공함에 있어, 적어도 하나의 프로세서(130)는 광고 컨텐츠이외에 업데이트된 제2 인공 지능 모델을 나타내는 인디케이터를 함께 표시할 수 있다.
한편, 인디케이터는 업데이트를 나타내는 아이콘 정보, 제2 인공 지능 모델의 버전 정보 또는 업데이트를 나타내는 텍스트 정보 중 적어도 하나를 포함할 수 있다. 인디케이터 표시 동작과 관련한 구체적인 동작은 도 27에서 기재한다.
업데이트를 나타내는 아이콘 정보(예를 들어, 도 27의 2722)는 업데이트를 나타내는 아이콘을 포함할 수 있다.
인공 지능 모델의 버전 정보(예를 들어, 도 27의 2723)는 현재 인공 지능 모델의 소프트웨어 개발 단계를 나타내는 정보를 의미할 수 있다.
업데이트를 나타내는 텍스트 정보(예를 들어, 도 27의 2724)는 업데이트를 나타내는 텍스트를 포함할 수 있다.
한편, 상술한 설명에서는 인공 지능 모델의 출력 데이터가 시청 그룹 정보인 것으로 기재하였다. 다른 구현 예에 따라, 제1 인공 지능 모델의 출력 데이터가 광고 컨텐츠일 수 있다. 구체적으로, 제1 인공 지능 모델은 입력 데이터인 컨텍스트 정보에 기초하여 바로 광고 컨텐츠를 출력 데이터로서 출력할 수 있다.
한편, 상술한 설명에서는 인공 지능 모델은 전자 장치(100)에서 획득한 컨텍스트 정보 및 피드백 정보에 기초하여 업데이트되는 것으로 기재하였다. 하지만, 인공 지능 모델은 전자 장치(100)뿐 아니라 다른 사용자의 단말 장치에서 획득한 컨텍스트 정보 및 피드백 정보를 고려하여 업데이트될 수 있다.
한편, 다양한 실시 예에 따른 전자 장치(100)는 사용자를 대표하는 시청 그룹 정보를 획득하기 위한 인공 지능 모델을 피드백 정보에 기초하여 업데이트할 수 있다.
여기서, 업데이트 동작은 기기와 관련된 사용자 행동뿐 아니라 광고와 관련된 사용자 행동을 고려할 수 있다. 따라서, 업데이트되는 인공 지능 모델은 사용자 개인에게 특화되도록 재학습될 수 있다.
사용자 행동을 반영하기 위한 업데이트 동작이 자동으로 이루어짐으로써 관리자 또는 사용자는 관리가 수월해질 수 있다. 또한, 업데이트가 반복됨에 따라 사용자의 행동이 더 많이 적용되기 때문에, 출력 데이터에 대한 사용자의 만족감이 높아지고 적합한 광고를 제공하는 타겟 성능이 높아질 수 있다.
한편, 이상에서는 전자 장치(100)를 구성하는 간단한 구성에 대해서만 도시하고 설명하였지만, 구현 시에는 다양한 구성이 추가로 구비될 수 있다. 이에 대해서는 도 3을 참조하여 이하에서 설명한다.
도 3은 도 2의 전자 장치(100)의 구체적인 구성을 설명하기 위한 블록도이다.
도 3을 참조하면, 전자 장치(100)는 디스플레이(110), 메모리(120), 적어도 하나의 프로세서(130), 통신 인터페이스(140), 조작 인터페이스(150), 입출력 인터페이스(160), 스피커(170) 또는 마이크(180) 중 적어도 하나를 포함할 수 있다.
한편, 디스플레이(110), 메모리(120) 및 적어도 하나의 프로세서(130)의 동작 중에서 앞서 설명한 것과 동일한 동작에 대해서는 중복 설명은 생략한다.
통신 인터페이스(140)는 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 장치와 통신을 수행하는 구성이다. 통신 인터페이스(140)는 무선 통신 모듈 또는 유선 통신 모듈을 포함할 수 있다. 여기서, 각 통신 모듈은 적어도 하나의 하드웨어 칩 형태로 구현될 수 있다.
무선 통신 모듈은 무선으로 외부 장치와 통신하는 모듈일 수 있다. 예를 들어, 무선 통신 모듈은 와이파이 모듈, 블루투스 모듈, 적외선 통신 모듈 또는 기타 통신 모듈 중 적어도 하나의 모듈을 포함할 수 있다.
와이파이 모듈, 블루투스 모듈은 각각 와이파이 방식, 블루투스 방식으로 통신을 수행할 수 있다. 와이파이 모듈이나 블루투스 모듈을 이용하는 경우에는 SSID(service set identifier) 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다.
적외선 통신 모듈은 가시 광선과 밀리미터파 사이에 있는 적외선을 이용하여 근거리에 무선으로 데이터를 전송하는 적외선 통신(IrDA, infrared Data Association)기술에 따라 통신을 수행한다.
기타 통신 모듈은 상술한 통신 방식 이외에 지그비(zigbee), 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 4G(4th Generation), 5G(5th Generation)등과 같은 다양한 무선 통신 규격에 따라 통신을 수행하는 적어도 하나의 통신 칩을 포함할 수 있다.
유선 통신 모듈은 유선으로 외부 장치와 통신하는 모듈일 수 있다. 예를 들어, 유선 통신 모듈은 LAN(Local Area Network) 모듈, 이더넷 모듈, 페어 케이블, 동축 케이블, 광섬유 케이블 또는 UWB(Ultra Wide-Band) 모듈 중 적어도 하나를 포함할 수 있다.
조작 인터페이스(150)는 버튼, 터치 패드, 마우스 및 키보드와 같은 장치로 구현되거나, 상술한 디스플레이 기능 및 조작 입력 기능도 함께 수행 가능한 터치 스크린으로도 구현될 수 있다. 여기서, 버튼은 전자 장치(100)의 본체 외관의 전면부나 측면부, 배면부 등의 임의의 영역에 형성된 기계적 버튼, 터치 패드, 휠 등과 같은 다양한 유형의 버튼이 될 수 있다.
입출력 인터페이스(160)는 HDMI(High Definition Multimedia Interface), MHL (Mobile High-Definition Link), USB (Universal Serial Bus), DP(Display Port), 썬더볼트(Thunderbolt), VGA(Video Graphics Array)포트, RGB 포트, D-SUB(D-subminiature), DVI(Digital Visual Interface) 중 어느 하나의 인터페이스일 수 있다. 입출력 인터페이스(160)는 오디오 및 비디오 신호 중 적어도 하나를 입출력 할 수 있다. 구현 예에 따라, 입출력 인터페이스(160)는 오디오 신호만을 입출력하는 포트와 비디오 신호만을 입출력하는 포트를 별개의 포트로 포함하거나, 오디오 신호 및 비디오 신호를 모두 입출력하는 하나의 포트로 구현될 수 있다. 한편, 전자 장치(100)는 입출력 인터페이스(160)를 통해 오디오 및 비디오 신호 중 적어도 하나를 외부 장치(예를 들어, 외부 디스플레이 장치 또는 외부 스피커)에 전송할 수 있다. 구체적으로, 입출력 인터페이스(160)에 포함된 출력 포트가 외부 장치와 연결될 수 있으며, 전자 장치(100)는 오디오 및 비디오 신호 중 적어도 하나를 출력 포트를 통해 외부 장치에 전송할 수 있다.
여기서, 입출력 인터페이스(160)는 통신 인터페이스(140)와 연결될 수 있다. 입출력 인터페이스(160)는 외부 기기로부터 수신되는 정보를 통신 인터페이스(140)에 전송하거나 통신 인터페이스(140)를 통해 수신되는 정보를 외부 기기에 전송할 수 있다.
스피커(170)는 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지 등을 출력하는 구성요소일 수 있다.
마이크(180)는 사용자 음성이나 기타 소리를 입력 받아 오디오 데이터로 변환하기 위한 구성이다. 마이크(180)는 활성화 상태에서 사용자의 음성을 수신할 수 있다. 예를 들어, 마이크(180)는 전자 장치(100)의 상측이나 전면 방향, 측면 방향 등에 일체형으로 형성될 수 있다. 마이크(180)는 아날로그 형태의 사용자 음성을 수집하는 마이크, 수집된 사용자 음성을 증폭하는 앰프 회로, 증폭된 사용자 음성을 샘플링하여 디지털 신호로 변환하는 A/D 변환회로, 변환된 디지털 신호로부터 노이즈 성분을 제거하는 필터 회로 등과 같은 다양한 구성을 포함할 수 있다.
도 4는 인공 지능 모델을 업데이트하는 동작을 설명하기 위한 흐름도이다.
도 4를 참조하면, 전자 장치(100)는 컨텍스트 정보를 획득할 수 있다 (S405). 컨텍스트 정보는 전자 장치(100)에서 획득되는 다양한 정보를 의미할 수 있다. 컨텍스트 정보는 사용자의 행동과 관련된 다양한 정보를 의미할 수 있다.
또한, 전자 장치(100)는 광고 컨텐츠를 제공할 수 있다 (S410). 전자 장치(100)는 컨텍스트 정보에 기초하여 광고 컨텐츠를 획득할 수 있다. 사용자에게 가장 적합한 광고 컨텐츠를 제공하기 위해 컨텍스트 정보가 이용될 수 있다. 전자 장치(100)는 인공 지능 모델에 기초하여 컨텍스트 정보에 대응되는 광고 컨텐츠를 제공할 수 있다. 구체적으로, 전자 장치(100)는 인공 지능 모델에 컨텍스트 정보를 입력 데이터로서 입력(적용)할 수 있다. 전자 장치(100)는 인공 지능 모델로부터 시청 그룹 정보를 출력 데이터로서 획득할 수 있다. 전자 장치(100)는 획득된 시청 그룹 정보에 기초하여 광고 컨텐츠를 획득할 수 있다. 시청 그룹 정보에 기초하여 사용자에게 적합한 광고 컨텐츠가 결정될 수 있다.
또한, 전자 장치(100)는 피드백 정보를 획득할 수 있다 (S415). 전자 장치(100)는 S410 단계에서 제공된 광고 컨텐츠와 관련된 피드백 정보를 획득할 수 있다. 피드백 정보는 광고 컨텐츠의 제공, 선택 또는 이용과 관련된 정보를 의미할 수 있다.
또한, 전자 장치(100)는 인공 지능 모델을 업데이트할 수 있다 (S420). 전자 장치(100)는 컨텍스트 정보 또는 피드백 정보 중 적어도 하나에 기초하여 인공 지능 모델을 업데이트할 수 있다. 업데이트 되는 인공 지능 모델은 컨텍스트 정보에 기초하여 시청 그룹 정보를 획득하는데 이용되는 모델일 수 있다.
도 5는 컨텍스트 정보 및 피드백 정보에 기초하여 인공 지능 모델을 업데이트하는 동작을 설명하기 위한 흐름도이다.
도 5를 참조하면, 전자 장치(100)는 프로필 정보 또는 이용 히스토리 정보 중 적어도 하나를 포함하는 컨텍스트 정보를 획득할 수 있다 (S505).
프로필 정보는 사용자의 개인 정보와 관련된 정보를 의미할 수 있다. 예를 들어, 프로필 정보는 사용자의 나이, 성별, 국가 또는 거주 지역 중 적어도 하나를 포함할 수 있다.
이용 히스토리 정보는 사용자가 전자 장치(100)를 어떻게 이용했는지에 대한 정보를 의미할 수 있다. 예를 들어, 이용 히스토리 정보는 전자 장치의 기능에 대한 이용 정보, 전자 장치에 설치된 어플리케이션에 대한 이용 정보, 전자 장치와 통신하는 외부 기기에 대한 이용 정보 또는 전자 장치에서 제공된 광고 컨텐츠에 대한 피드백 정보 중 적어도 하나를 포함할 수 있다.
또한, 전자 장치(100)는 컨텍스트 정보에 기초하여 시청 그룹 정보를 획득할 수 있다 (S510). 시청 그룹 정보는 전자 장치(100)를 이용한 사용자를 나타내는 대표 데이터를 포함할 수 있다. 시청 그룹 정보는 유사 집단 정보로 기재될 수 있다. 전자 장치(100)는 컨텍스트 정보에 기초하여 사용자의 시청 그룹 정보를 식별할 수 있다. 전자 장치(100)는 인공 지능 모델에 기초하여 시청 그룹 정보를 획득할 수 있다.
또한, 전자 장치(100)는 시청 그룹 정보에 기초하여 광고 컨텐츠를 제공할 수 있다 (S515). 광고 컨텐츠는 시청 그룹 정보에 대응되는 컨텐츠일 수 있다. 광고 컨텐츠는 사용자가 선호할 가능성이 높은 컨텐츠일 수 있다. 선호 여부를 판단하기 위해 시청 그룹 정보가 이용될 수 있다.
또한, 전자 장치(100)는 제공된 광고 컨텐츠에 기초하여 피드백 정보를 획득할 수 있다 (S520). 피드백 정보는 제공된 광고 컨텐츠에 대한 사용자의 피드백 데이터를 포함할 수 있다.
또한, 전자 장치(100)는 컨텍스트 정보 또는 피드백 정보 중 적어도 하나에 기초하여 인공 지능 모델을 업데이트할 수 있다 (S525). 전자 장치(100)는 사용자가 전자 장치(100)를 어떻게 이용했는지를 나타내는 컨텍스트 정보 또는 사용자가 광고 컨텐츠를 어떻게 시청했는지를 나타내는 피드백 정보 중 적어도 하나를 이용하여 인공 지능 모델을 업데이트할 수 있다.
도 6은 전자 장치(100)에서 제1 인공 지능 모델 및 제2 인공 지능 모델을 저장하는 실시 예를 설명하기 위한 도면이다.
도 6을 참조하면, 전자 장치(100)는 제1 인공 지능 모델을 저장할 수 있다. 전자 장치(100)는 사용자의 시청 그룹 정보를 서버(200)에 전송할 수 있다. 서버(200)는 시청 그룹 정보에 대응되는 광고 컨텐츠를 전자 장치(100)에 전송할 수 있다.
여기서, 전자 장치(100)는 서버(200)로부터 수신된 광고 컨텐츠를 사용자에게 제공하고, 광고 컨텐츠에 대한 피드백 정보를 획득할 수 있다. 전자 장치(100)는 컨텍스트 정보 및 피드백 정보를 서버(200)에 전송할 수 있다.
여기서, 서버(200)는 컨텍스트 정보 및 피드백 정보를 학습 데이터로 이용하여 인공 지능 모델을 업데이트할 수 있다. 서버(200)는 업데이트된 제2 인공 지능 모델을 전자 장치(100)에 전송할 수 있다.
이후, 전자 장치(100)는 제2 인공 지능 모델에 기초하여 시청 그룹 정보를 획득할 수 있다.
도 7은 도 6의 실시 예의 구체적인 동작을 설명하기 위한 흐름도이다.
도 7을 참조하면, 전자 장치(100)는 컨텍스트 정보를 제1 인공 지능 모델에 입력하여 시청 그룹 정보를 획득할 수 있다 (S705). 전자 장치(100)는 시청 그룹 정보를 서버(200)에 전송할 수 있다 (S710).
여기서, 서버(200)는 전자 장치(100)로부터 시청 그룹 정보를 수신할 수 있다. 서버(200)는 시청 그룹 정보에 기초하여 광고 컨텐츠를 식별할 수 있다 (S715). 서버(200)는 식별된 광고 컨텐츠를 전자 장치(100)에 전송할 수 있다 (S720).
여기서, 전자 장치(100)는 서버(200)로부터 광고 컨텐츠를 수신할 수 있다. 전자 장치(100)는 광고 컨텐츠를 표시할 수 있다 (S725). 전자 장치(100)는 표시된 광고 컨텐츠에 대응되는 피드백 정보를 획득할 수 있다 (S730). 전자 장치(100)는 컨텍스트 정보 및 피드백 정보를 서버(200)에 전송할 수 있다 (S735).
여기서, 서버(200)는 전자 장치(100)로부터 컨텍스트 정보 및 피드백 정보를 수신할 수 있다. 서버(200)는 컨텍스트 정보 및 피드백 정보에 기초하여 제2 인공 지능 모델을 획득할 수 있다 (S740). 서버(200)는 제2 인공 지능 모델을 전자 장치(100)에 전송할 수 있다 (S745).
여기서, 전자 장치(100)는 서버(200)로부터 제2 인공 지능 모델을 수신할 수 있다. 전자 장치(100)는 제1 인공 지능 모델을 제2 인공 지능 모델로 업데이트할 수 있다 (S750). 전자 장치(100)는 제1 인공 지능 모델 대신 제2 인공 지능 모델을 이용하여 시청 그룹 정보를 획득할 수 있다.
도 8은 서버(200)에서 제1 인공 지능 모델 및 제2 인공 지능 모델을 저장하는 실시 예를 설명하기 위한 도면이다.
도 8을 참조하면, 인공 지능 모델이 서버(200)에 저장될 수 있다. 전자 장치(100)는 컨텍스트 정보를 서버(200)에 전송할 수 있다. 여기서, 전송된 컨텍스트 정보는 서버(200)에서 입력 데이터로서 이용될 수 있다. 서버(200)는 컨텍스트 정보를 제1 인공 지능 모델에 입력함으로써 전자 장치(100)에 적합한 광고 컨텐츠를 결정할 수 있다.
또한, 서버(200)는 전자 장치(100)로부터 학습 데이터를 수신하여 인공 지능 모델을 업데이트할 수 있다. 학습 데이터는 컨텍스트 정보 및 피드백 정보를 포함할 수 있다. 서버(200)는 학습 데이터를 이용하여 제1 인공 지능 모델을 제2 인공 지능 모델로 업데이트할 수 있다. 여기서, 업데이트 동작은 재학습 동작일 수 있다.
이후, 서버(200)는 제2 인공 지능 모델에 기초하여 시청 그룹 정보를 획득할 수 있다.
도 9는 도 8의 실시 예의 구체적인 동작을 설명하기 위한 흐름도이다.
도 9의 S905, S920, S925, S930, S940 단계는 도 7의 S705, S720, S725, S730, S740 단계에 대응될 수 있다. 따라서, 중복 설명을 생략한다.
컨텍스트 정보를 획득한 후 (S905), 전자 장치(100)는 컨텍스트 정보를 서버(200)에 전송할 수 있다 (S910).
서버(200)는 전자 장치(100)로부터 컨텍스트 정보를 수신할 수 있다. 서버(200)는 제1 인공 지능 모델에 기초하여 광고 컨텐츠를 식별할 수 있다 (S915). 구체적으로, 서버(200)는 전자 장치(100)로부터 수신된 컨텍스트 정보를 제1 인공 지능 모델에 입력하여 광고 컨텐츠를 식별할 수 있다. 서버(200)는 컨텍스트 정보를 제1 인공 지능 모델에 입력 데이터로서 입력하여 시청 그룹 정보를 출력 데이터로서 획득할 수 있으며, 시청 그룹 정보에 대응되는 광고 컨텐츠를 식별할 수 있다. 서버(200)는 광고 컨텐츠를 전자 장치(100)에 전송할 수 있다 (S920). 전자 장치(100)는 서버(200)로부터 수신된 광고 컨텐츠를 표시할 수 있다 (S925). 전자 장치(100)는 표시된 광고 컨텐츠에 대응되는 피드백 정보를 획득할 수 있다 (S930).
또한, 피드백 정보를 획득한 후, 전자 장치(100)는 피드백 정보를 서버(200)에 전송할 수 있다 (S935). 서버(200)는 전자 장치(100)로부터 피드백 정보를 수신할 수 있다. 서버(200)는 컨텍스트 정보 및 피드백 정보에 기초하여 제2 인공 지능 모델을 획득할 수 있다 (S940). 서버(200)는 제1 인공 지능 모델을 제2 인공 지능 모델로 업데이트할 수 있다 (S945).
도 10은 전자 장치(100)에서 제2 인공 지능 모델을 업데이트하는 실시 예를 설명하기 위한 도면이다.
도 10을 참조하면, 전자 장치(100)가 직접 인공 지능 모델을 업데이트할 수 있다. 전자 장치(100)는 제1 인공 지능 모델을 저장하여 시청 그룹 정보를 획득할 수 있다. 서버(200)는 전자 장치(100)로부터 시청 그룹 정보를 수신하여 광고 컨텐츠를 결정할 수 있다. 전자 장치(100)는 서버(200)로부터 광고 컨텐츠를 제공 받아 광고 컨텐츠를 표시할 수 있다.
또한, 전자 장치(100)는 표시된 광고 컨텐츠에 대응되는 피드백 정보에 기초하여 제1 인공 지능 모델을 제2 인공 지능 모델로 업데이트할 수 있다.
도 11은 도 10의 실시 예의 구체적인 동작을 설명하기 위한 흐름도이다.
도 11의 S1105, S1110, S1115, S1120, S1125, S1130 단계는 도 7의 S705, S710, S715, S720, S725, S730 단계에 대응될 수 있다. 따라서, 중복 설명을 생략한다.
피드백 정보를 획득 (S1130)한 후, 전자 장치(100)는 컨텍스트 정보 및 피드백 정보에 기초하여 제2 인공 지능 모델을 획득할 수 있다 (S1140). 그리고, 전자 장치(100)는 제1 인공 지능 모델을 제2 인공 지능 모델로 업데이트할 수 있다 (S1150).
도 6 내지 도 9에서는 인공 지능 모델 업데이트 동작이 서버(200)에서 수행되는 것으로 기재하였다. 하지만, 인공 지능 모델은 전자 장치(100)에서 자체 재학습될 수 있다. 인공 지능 모델은 전자 장치(100)의 데이터만을 이용하여 재학습되므로, 전자 장치(100)는 개인 사용자에게 적합한 제2 인공 지능 모델을 획득할 수 있다.
도 12는 컨텍스트 정보를 이용하여 인공 지능 모델을 업데이트하는 과정을 설명하기 위한 도면이다.
도 12를 참조하면, 전자 장치(100)는 제1 인공 지능 모델(1210)을 제2 인공 지능 모델(1220)로 업데이트할 수 있다. 여기서, 제2 인공 지능 모델(1220)은 컨텍스트 정보에 기초하여 재학습된 모델일 수 있다. 전자 장치(100)는 전자 장치(100)의 컨텍스트 정보에 기초하여 제1 인공 지능 모델(1210)을 제2 인공 지능 모델(1220)로 업데이트할 수 있다.
여기서, 컨텍스트 정보는 프로필 정보 또는 이용 히스토리 정보 중 적어도 하나를 포함할 수 있다. 프로필 정보는 사용자의 나이, 성별, 국가 또는 거주 지역 중 적어도 하나를 포함할 수 있다.
여기서, 이용 히스토리 정보는 기능 이용 정보, 어플리케이션 이용 정보 또는 외부 기기 이용 정보 중 적어도 하나를 포함할 수 있다.
구체적으로, 기능 이용 정보는 전자 장치(100)에서 제공하는 적어도 하나의 기능(예를 들어, 방송 신호 출력)과 관련하여 사용자의 이용 히스토리를 나타내는 정보일 수 있다. 예를 들어, 기능 이용 정보는 전자 장치(100)의 기능을 사용자가 언제, 얼마나 이용했는지에 대한 정보를 포함할 수 있다.
또한, 어플리케이션 이용 정보는 전자 장치(100)에 설치된 어플리케이션(예를 들어, 동영상 플랫폼 어플리케이션)과 관련하여 사용자의 이용 히스토리를 나타내는 정보일 수 있다. 예를 들어, 어플리케이션 이용 정보는 전자 장치(100)에 설치된 어플리케이션을 사용자가 언제, 얼마나 이용했는지에 대한 정보를 포함할 수 있다.
또한, 외부 기기 이용 정보는 전자 장치(100)와 무선 또는 유선으로 연결 가능한 외부 기기(예를 들어, 게임 콘솔)와 관련하여 사용자의 이용 히스토리를 나타내는 정보일 수 있다. 예를 들어, 외부 기기 이용 정보는 전자 장치(100)에 연결된 외부 기기를 사용자가 언제, 얼마나 이용했는지에 대한 정보를 포함할 수 있다.
도 13은 피드백 정보를 이용하여 인공 지능 모델을 업데이트하는 과정을 설명하기 위한 도면이다.
도 13을 참조하면, 전자 장치(100)는 제1 인공 지능 모델(1310)을 제2 인공 지능 모델(1320)로 업데이트할 수 있다. 여기서, 제2 인공 지능 모델(1320)은 피드백 정보에 기초하여 재학습된 모델일 수 있다. 전자 장치(100)는 광고 컨텐츠의 피드백 정보에 기초하여 제1 인공 지능 모델(1310)을 제2 인공 지능 모델(1320)로 업데이트할 수 있다.
여기서, 피드백 정보는 광고 표시 여부에 대한 정보, 광고 선택 여부에 대한 정보, 광고 서비스의 이용 여부에 대한 정보, 누적 표시 횟수, 누적 선택 횟수, 서비스의 누적 이용 횟수 또는 기여도 정보 중 적어도 하나를 포함할 수 있다.
구체적으로, 광고 표시 여부에 대한 정보는 전자 장치(100)에 광고가 표시되었는지 여부에 대한 정보를 나타낼 수 있다.
또한, 광고 선택 여부에 대한 정보는 전자 장치(100)에 표시된 광고 컨텐츠를 사용자가 선택하였는지 여부를 나타낼 수 있다.
또한, 광고 서비스의 이용 여부에 대한 정보는 전자 장치(100)에 표시된 광고 컨텐츠를 사용자가 선택한 후 광고 컨텐츠와 관련된 서비스를 이용했는지 여부를 나타낼 수 있다.
또한, 누적 표시 횟수는 전자 장치(100)에서 표시된(또는 제공된) 광고 컨텐츠의 표시 횟수를 누적한 값을 나타낼 수 있다.
또한, 누적 선택 횟수는 전자 장치(100)에서 표시된 광고 컨텐츠가 선택된 횟수를 누적한 값을 나타낼 수 있다.
또한, 서비스의 누적 이용 횟수는 선택된 광고 컨텐츠와 관련된 서비스가 이용된 횟수를 누적한 값을 나타낼 수 있다.
누적 표시 횟수, 누적 선택 횟수 및 서비스의 누적 이용 횟수 등은 누적 값으로 나타낼 수 있다. 일 예로, 누적 값은 모든 광고 컨텐츠에 대한 누적 값을 의미할 수 있다. 다른 예로, 누적 값은 특정 광고 컨텐츠에 대한 누적 값을 의미할 수 있다.
또한, 기여도 정보는 사용자가 광고 컨텐츠를 얼마나 이용할 것인지를 나타내는 값을 포함할 수 있다. 사용자가 광고 컨텐츠를 자주 선택하는 경우 기여도 점수가 상대적으로 높을 수 있다. 반대로, 사용자가 광고 컨텐츠를 자주 선택하지 않는 경우 기여도 점수가 상대적으로 낮을 수 있다.
도 14는 컨텍스트 정보 및 피드백 정보를 이용하여 인공 지능 모델을 업데이트하는 과정을 설명하기 위한 도면이다.
도 14를 참조하면, 전자 장치(100)는 제1 인공 지능 모델(1410)을 제2 인공 지능 모델(1420)로 업데이트할 수 있다. 여기서, 제2 인공 지능 모델(1420)은 컨텍스트 정보 및 피드백 정보에 기초하여 재학습된 모델일 수 있다. 전자 장치(100)는 전자 장치(100)의 컨텍스트 정보 및 광고 컨텐츠의 피드백 정보에 기초하여 제1 인공 지능 모델(1410)을 제2 인공 지능 모델(1420)로 업데이트할 수 있다.
컨텍스트 정보 및 피드백 정보와 관련된 설명은 도 12 및 도 13에서 기재하였으므로, 중복 설명을 생략한다.
도 15는 기 설정된 개수의 시청 그룹에 기초하여 광고 컨텐츠를 제공하는 실시 예를 설명하기 위한 흐름도이다.
도 15의 S1530, S1535, S1540, S1545, S1550 단계는 도 7의 S730, S735, S740, S745, S750 단계에 대응될 수 있다. 따라서, 중복 설명을 생략한다.
전자 장치(100)는 컨텍스트 정보를 제1 인공 지능 모델에 입력하여 복수의 시청 그룹을 획득할 수 있다 (S1505). 전자 장치(100)는 사용자를 나타내는(또는 대표하는) 시청 그룹을 복수 개 식별할 수 있다. 여기서, 식별된 복수의 시청 그룹 각각은 확률 값이 정해질 수 있다. 제1 인공 지능 모델은 복수의 시청 그룹 및 복수의 시청 그룹 각각에 대응되는 확률 값을 출력할 수 있다. 여기서 확률 값은 시청 그룹이 사용자를 대표할 수 있는 값을 의미할 수 있다. 확률 값은 시청 그룹 점수로 기재될 수 있다. 확률 값이 높을수록 사용자를 잘 나타내는 것을 의미할 수 있다.
또한, 전자 장치(100)는 복수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 기 설정된 개수의 시청 그룹을 식별할 수 있다 (S1506). 전자 장치(100)는 복수의 시청 그룹 중 기 설정된 개수의 시청 그룹을 식별할 수 있다. S1505 단계에서 획득되는 시청 그룹 정보를 모두 이용한다면 전송 동작 및 계산 동작의 처리 시간이 오래 걸릴 수 있다. 따라서, 전자 장치(100)는 기 설정된 개수의 시청 그룹을 선별할 수 있다. 이와 관련된 설명은 도 20에서 기재한다.
또한, 전자 장치(100)는 기 설정된 개수의 시청 그룹을 서버(200)에 전송할 수 있다 (S1510). 서버(200)는 전자 장치(100)로부터 기 설정된 개수의 시청 그룹을 수신할 수 있다. 서버(200)는 기 설정된 개수의 시청 그룹에 기초하여 적어도 하나의 광고 컨텐츠를 식별할 수 있다 (S1515).
일 실시 예에 따라, 서버(200)는 기 설정된 개수의 시청 그룹에 기초하여 하나의 광고 컨텐츠를 식별할 수 있다.
다른 실시 예에 따라, 서버(200)는 기 설정된 개수의 시청 그룹에 기초하여 두 개 이상의 광고 컨텐츠를 식별할 수 있다.
서버(200)는 식별된 적어도 하나의 광고 컨텐츠를 전자 장치(100)에 전송할 수 있다 (S1520). 전자 장치(100)는 서버(200)로부터 적어도 하나의 광고 컨텐츠를 수신할 수 있다. 전자 장치(100)는 수신된 적어도 하나의 광고 컨텐츠를 표시할 수 있다 (S1525). 복수의 광고 컨텐츠를 표시하는 동작은 도 16에서 기재한다.
적어도 하나의 광고 컨텐츠를 표시 (S1525) 한 후, 전자 장치(100)는 S1530, S1535, S1540, S1545, S1550 단계를 수행할 수 있다.
도 16은 복수의 광고 컨텐츠가 제공되는 동작을 설명하기 위한 도면이다.
도 16을 참조하면, 전자 장치(100)는 서버(200)로부터 복수의 광고 컨텐츠(1610, 1620, 1630, 1640)를 수신할 수 있다. 전자 장치(100)는 수신된 복수의 광고 컨텐츠(1610, 1620, 1630, 1640)를 제공할 수 있다.
예를 들어, 사용자가 축구를 좋아하는 사용자라고 가정한다. 시청 그룹 정보는 축구 그룹으로 결정될 수 있다. 시청 그룹 정보가 축구 그룹이면, 광고 컨텐츠는 축구와 관련된 광고로 결정될 수 있다.
광고 컨텐츠(1610)는 축구공 광고일 수 있다. 광고 컨텐츠(1620)는 축구화 광고일 수 있다. 광고 컨텐츠(1630)는 축구 유니폼 광고일 수 있다. 광고 컨텐츠(1640)는 축구 모자 광고일 수 있다.
전자 장치(100)는 서버(200)로부터 수신된 복수의 광고 컨텐츠(1610, 1620, 1630, 1640)를 하나의 화면으로 표시할 수 있다.
도 17은 우선 순위에 기초하여 광고 컨텐츠를 제공하는 동작을 설명하기 위한 흐름도이다.
도 17의 S1705, S1706, S1710, S1730, S1735, S1740, S1745, S1750 단계는 도 15의 S1505, S1506, S1510, S1530, S1535, S1540, S1545, S1550 단계에 대응될 수 있다. 따라서, 중복 설명을 생략한다.
서버(200)는 전자 장치(100)로부터 수신한 기 설정된 개수의 시청 그룹에 기초하여 적어도 하나의 광고 컨텐츠 및 우선 순위 정보를 식별할 수 있다 (S1715). 서버(200)는 복수의 광고 컨텐츠 각각의 상대적인 우선 순위를 식별할 수 있다. 우선 순위 정보는 어떤 광고 컨텐츠가 사용자에게 더 적합한지를 나타낼 수 있다. 우선 순위가 높을수록 사용자가 더 선호할 가능성이 높다는 것을 의미할 수 있다. 서버(200)는 적어도 하나의 광고 컨텐츠 및 우선 순위 정보를 전자 장치(100)에 전송할 수 있다 (S1720).
전자 장치(100)는 서버(200)로부터 적어도 하나의 광고 컨텐츠 및 우선 순위 정보를 수신할 수 있다. 전자 장치(100)는 우선 순위 정보에 기초하여 적어도 하나의 광고 컨텐츠를 표시할 수 있다 (S1725). 우선 순위 정보에 기초하여 복수의 광고 컨텐츠를 표시하는 동작은 도 19에서 기재한다.
적어도 하나의 광고 컨텐츠를 표시 (S1725) 한 후, 전자 장치(100)는 S1730, S1735, S1740, S1745, S1750 단계를 수행할 수 있다.
도 18은 확률 값에 기초하여 광고 컨텐츠를 제공하는 동작을 설명하기 위한 흐름도이다.
도 18의 S1805, S1806, S1810, S1830, S1835, S1840, S1845, S1850 단계는 도 15의 S1505, S1506, S1510, S1530, S1535, S1540, S1545, S1550 단계에 대응될 수 있다. 따라서, 중복 설명을 생략한다.
서버(200)는 전자 장치(100)로부터 수신한 기 설정된 개수의 시청 그룹에 기초하여 기 설정된 개수의 광고 컨텐츠를 식별할 수 있다 (S1815). 여기서, 시청 그룹 정보의 개수와 광고 컨텐츠의 개수가 동일할 수 있다. 예를 들어, 4개의 시청 그룹 정보를 수신하면, 서버(200)는 4개의 광고 컨텐츠를 식별할 수 있다.
또한, 서버(200)는 시청 그룹 정보와 광고 컨텐츠를 맵핑하여 맵핑 정보를 획득할 수 있다 (S1816). 서버(200)는 제1 시청 그룹 정보와 제1 광고 컨텐츠를 맵핑하고, 제2 시청 그룹 정보와 제2 광고 컨텐츠를 맵핑할 수 있다. 그리고, 복수의 시청 그룹 및 복수의 광고 컨텐츠가 맵핑된 맵핑 테이블을 획득할 수 있다. 맵핑 정보는 맵핑 테이블을 포함할 수 있다. 서버(200)는 맵핑 정보를 전자 장치(100)에 전송할 수 있다 (S1820).
전자 장치(100)는 서버(200)로부터 맵핑 정보를 수신할 수 있다. 전자 장치(100)는 맵핑 정보에 기초하여 기 설정된 개수의 광고 컨텐츠를 표시할 수 있다 (S1825). 맵핑 정보는 복수의 시청 그룹이 포함될 수 있다. 여기서, 시청 그룹 정보는 복수의 시청 그룹 및 복수의 시청 그룹 각각에 대응되는 확률 값을 포함할 수 있다. 여기서, 시청 그룹 각각에 대응되는 확률 값이 서로 다를 수 있다. 전자 장치(100)는 확률 값에 기초하여 광고 컨텐츠를 표시할 수 있다.
구체적으로, 전자 장치(100)는 확률 값에 기초하여 광고 컨텐츠가 표시되는 영역의 크기를 결정할 수 있다. 전자 장치(100)는 제1 확률 값에 대응되는 제1 광고 컨텐츠를 제1 영역에 표시하고, 제1 확률 값보다 작은 제2 확률 값에 대응되는 제2 광고 컨텐츠를 제1 영역보다 작은 제2 영역에 표시할 수 있다. 이와 관련된 구체적인 설명은 도 19에 기재한다.
기 설정된 개수의 광고 컨텐츠를 표시 (S1825) 한 후, 전자 장치(100)는 S1830, S1835, S1840, S1845, S1850 단계를 수행할 수 있다.
도 19는 복수의 광고 컨텐츠를 상이한 스타일로 제공하는 동작을 설명하기 위한 도면이다.
도 19를 참조하면, 전자 장치(100)는 서버(200)로부터 복수의 광고 컨텐츠(1910, 1920, 1930, 1940)를 수신할 수 있다. 전자 장치(100)는 수신된 복수의 광고 컨텐츠(1910, 1920, 1930, 1940)를 제공할 수 있다.
예를 들어, 제1 시청 그룹 정보가 축구 그룹이고, 제2 시청 그룹 정보가 야구 그룹이고, 제3 시청 그룹 정보가 농구 그룹이고, 제4 시청 그룹 정보가 테니스 그룹이라고 가정한다.
여기서, 축구 그룹에 대응되는 제1 광고 컨텐츠(1910)는 축구공 광고라고 가정한다. 야구 그룹에 대응되는 제2 광고 컨텐츠(1920)는 야구공 광고라고 가정한다. 농구 그룹에 대응되는 제3 광고 컨텐츠(1930)는 농구공 광고라고 가정한다. 테니스 그룹에 대응되는 제4 광고 컨텐츠(1940)는 테니스공 광고라고 가정한다.
여기서, 제1 시청 그룹 정보에 포함된 제1 확률 값이 90이고, 제2 시청 그룹 정보에 포함된 제2 확률 값이 85이고, 제3 시청 그룹 정보에 포함된 제3 확률 값이 85이고, 제4 시청 그룹 정보에 포함된 제4 확률 값이 85라고 가정한다.
전자 장치(100)는 제1 확률 값에 대응되는 크기로 제1 광고 컨텐츠(1910)를 표시할 수 있다. 전자 장치(100)는 제2 확률 값에 대응되는 크기로 제2 광고 컨텐츠(1920)를 표시할 수 있다. 여기서, 제3 확률 값 및 제4 확률 값이 제2 확률 값과 동일하므로, 제2 광고 컨텐츠(1920), 제3 광고 컨텐츠(1930) 및 제4 광고 컨텐츠(1940)가 표시되는 영역의 크기가 동일할 수 있다. 다만, 제2 확률 값보다 제1 확률 값이 더 크므로, 제1 광고 컨텐츠(1910)가 표시되는 영역의 크기가 제2 광고 컨텐츠(1920)가 표시되는 영역의 크기보다 클 수 있다.
도 20은 시청 그룹 정보를 설명하기 위한 도면이다.
도 20의 표(2010)를 참조하면, 시청 그룹 정보는 시청 그룹 카테고리 또는 확률 값을 포함할 수 있다. 여기서, 확률 값은 시청 그룹 점수로 기재될 수 있다.
시청 그룹 카테고리는 복수의 뎁스로 구분될 수 있다. 여기서, 복수의 뎁스는 제1 뎁스와 제1 뎁스의 하위 개념을 나타내는 제2 뎁스를 포함할 수 있다. 제1 뎁스의 스포츠 카테고리는 제2 뎁스의 축구, 야구, 농구를 포함할 수 있다. 제1 뎁스의 영화 카테고리는 제2 뎁스의 운동, 액션, 드라마를 포함할 수 있다. 결과적으로, 제2 뎁스에 따라 시청 그룹이 구분될 수 있다.
결과적으로, 시청 그룹 정보는 제1 뎁스, 제2 뎁스로 구분된 시청 그룹이 포함될 수 있다. 또한, 시청 그룹 정보는 시청 그룹에 대응되는 확률 값을 포함할 수 있다. 여기서, 확률 값이 높다는 것은 사용자를 대표하는 그룹일 가능성이 높다는 것을 의미할 수 있다.
한편, 전자 장치(100)는 복수의 시청 그룹 중 기 설정된 개수의 시청 그룹만을 식별할 수 있다. 많은 수의 시청 그룹 정보를 모두 이용하는 경우 데이터 처리 속도가 느려질 수 있기 때문이다.
한편, 전자 장치(100)는 확률 값이 임계값 이상인 시청 그룹 정보를 식별할 수 있다. 확률 값이 낮으면 출력 데이터의 신뢰도가 낮을 수 있기 때문이다.
확률 값에 대한 임계값이 80이고 기 설정된 개수가 2라고 가정한다. 전자 장치(100)는 표(2010)에 포함된 6개의 시청 그룹 정보 중 확률 값이 80 이상인 시청 그룹 정보(1항목, 2항목, 3항목)를 식별할 수 있다. 그리고, 전자 장치(100)는 식별된 3개의 시청 그룹 정보 중 확률 값이 가장 높은 2개의 시청 그룹 정보(1 항목, 2항목)를 최종적으로 식별할 수 있다. 표(2020)는 최종적으로 식별된 시청 그룹 정보를 나타낸다.
도 21은 컨텍스트 정보, 레이블 정보 및 피드백 정보에 기초하여 인공 지능 모델을 업데이트하는 동작을 설명하기 위한 흐름도이다.
도 21의 S2115, S2120, S2125, S2130, S2135, S2145, S2150 단계는 도 7의 S715, S720, S725, S730, S735, S745, S750 단계에 대응될 수 있다. 따라서, 중복 설명을 생략한다.
전자 장치(100)는 컨텍스트 정보 또는 레이블 정보 중 적어도 하나를 제1 인공 지능 모델에 입력하여 시청 그룹 정보를 획득할 수 있다 (S2105). 그리고, 전자 장치(100)는 레이블 정보를 포함하는 시청 그룹 정보를 전송할 수 있다 (S2115).
서버(200)는 레이블 정보를 포함하는 시청 그룹 정보에 기초하여 광고 컨텐츠를 식별할 수 있다 (S2120).
한편, S2125, S2130, S2135 단계 후, 서버(200)는 컨텍스트 정보, 레이블 정보 또는 피드백 정보 중 적어도 하나에 기초하여 제2 인공 지능 모델을 획득할 수 있다 (S2140). 서버(200)는 레이블 정보를 이용하여 획득한 제2 인공 지능 모델을 전자 장치(100)에 전송할 수 있다 (S2145). 레이블 정보와 관련된 구체적인 설명은 도 22에서 기재한다.
도 22는 컨텍스트 정보 및 레이블 정보를 설명하기 위한 표이다.
도 22의 표(2210)는 레이블 정보를 포함한다. 레이블 정보는 컨텍스트 정보에 기초하여 결정된 대표 데이터를 의미할 수 있다. 레이블 정보는 사용자 또는 기기 별로 적어도 하나를 포함할 수 있다. 레이블 정보는 컨텍스트 정보를 기 저장된 복수의 그룹 중 어느 하나의 그룹으로 특정한 정보를 의미할 수 있다.
예를 들어, 컨텍스트 정보에 포함된 나이가 35이면, 전자 장치(100)는 레이블 정보를 30대로 결정할 수 있다. 컨텍스트 정보에 포함된 나이가 남자이면 레이블 정보 역시 남자일 수 있다. 컨텍스트 정보에 포함된 국가가 한국이면, 전자 장치(100)는 레이블 정보를 아시아로 결정할 수 있다. 컨텍스트 정보에 포함된 거주 지역이 서울이면, 전자 장치(100)는 레이블 정보는 인구 1000만명 이상의 도시로 결정할 수 있다.
한편, 전자 장치(100)는 컨텍스트 정보에 포함된 기능 이용 정보를 분석하여 레이블 정보를 '평일 오후/뉴스'로 결정할 수 있다. 전자 장치(100)는 컨텍스트 정보에 포함된 어플리케이션 이용 정보를 분석하여 레이블 정보를 '주말 오후/스포츠'로 결정할 수 있다. 전자 장치(100)는 컨텍스트 정보에 포함된 외부 기기 이용 정보를 분석하여 레이블 정보를 '주말 오전/게임'으로 결정할 수 있다.
전자 장치(100)는 컨텍스트 정보 또는 레이블 정보 중 적어도 하나에 기초하여 시청 그룹 정보를 획득할 수 있다.
일 실시 예에 따라, 전자 장치(100)는 레이블 정보만을 이용하여 시청 그룹 정보를 획득할 수 있다. 다른 실시 예에 따라, 전자 장치(100)는 컨텍스트 정보 및 레이블 정보를 모두 이용하여 시청 그룹 정보를 획득할 수 있다.
한편, 구현 예에 따라, 전자 장치(100)는 시청 그룹 정보를 별도로 획득하지 않고 레이블 정보만을 이용하여 광고 컨텐츠를 사용자에게 제공할 수 있다.
도 23은 피드백 정보를 설명하기 위한 표이다.
도 23의 표(2310)는 피드백 정보를 나타낸다. 피드백 정보는 광고 표시 여부, 광고 선택 여부, 광고 서비스 이용 여부, 누적 표시 횟수, 누적 선택 횟수, 누적 이용 횟수 또는 기여도 중 적어도 하나를 포함할 수 있다.
예를 들어, 제1 장치에서 광고가 표시되고 사용자가 광고를 선택하여 특정 서비스를 이용하였다고 가정한다. 제1 장치의 사용자는 총 10번 중 7번 광고를 선택하였으며, 7번의 광고 선택 동작 이후 3번 서비스를 이용하였다고 가정한다. 전자 장치(100)는 제1 장치의 사용자에 대한 기여도를 70%로 결정할 수 있다. 여기서, 기여도는 광고 컨텐츠를 이용할 확률 값 또는 광고 타겟 적합도 등으로 기재될 수 있다.
도 23의 표(2320)는 피드백 정보에 포함되는 추가 정보일 수 있다. 피드백 정보는 신규 사용자 여부, 이탈 후 재이용 사용자인지 여부, 이탈 사용자인지 여부, 광고를 많이 보는 사용자인지 여부, 서비스를 많이 이용하는 사용자인지 여부 등을 더 포함할 수 있다.
광고를 많이 보는 사용자 또는 서비스를 많이 이용하는 사용자의 기여도가 상대적으로 클 수 있다. 이탈 사용자 또는 이탈 후 재이용 사용자일수록 기여도가 상대적으로 작을 수 있다.
도 24는 기여도 계산 과정을 설명하기 위한 도면이다.
도 24의 표(2410)는 피드백 정보에 포함되는 정보 및 가중치를 나타낸다. 광고 표시 여부에 대한 값이 d1이고, 광고 표시 여부에 대응되는 가중치가 w1일 수 있다. 광고가 표시되면 d1은 1이고 광고가 표시되지 않으면 d1은 0일 수 있다.
또한, 광고 선택 여부에 대한 값이 d2이고, 광고 선택 여부에 대응되는 가중치가 w2일 수 있다. 광고가 선택되면 d2는 1이고 광고가 선택되지 않으면 d2는 0일 수 있다.
또한, 광고 서비스 이용 여부에 대한 값이 d3이고, 광고 서비스 이용 여부에 대응되는 가중치가 w3일 수 있다. 광고 서비스가 이용되면 d3는 1이고 광고 서비스가 이용되지 않으면 d3는 0일 수 있다.
또한, 누적 (광고) 표시 횟수에 대한 값이 d4이고, 누적 표시 횟수에 대응되는 가중치가 w4일 수 있다. 누적 표시 횟수가 높을수록 d4는 클 수 있다.
또한, 누적 (광고) 선택 횟수에 대한 값이 d5이고, 누적 선택 횟수에 대응되는 가중치가 w5일 수 있다. 누적 선택 횟수가 높을수록 d5는 클 수 있다.
또한, 누적 (광고 서비스) 이용 횟수에 대한 값이 d6이고, 누적 이용 횟수 여부에 대응되는 가중치가 w5일 수 있다. 누적 이용 횟수가 높을수록 d6은 클 수 있다.
한편, 전자 장치(100)는 피드백 정보에 포함된 데이터(d1~d6) 및 가중치(w1~w6)에 기초하여 기여도를 산출할 수 있다.
구체적으로, 전자 장치(100)는 계산식(2420)에 기초하여 기여도를 산출할 수 있다. 계산식(2420)에서, m은 피드백 정보에 포함된 세부 정보의 개수를 의미할 수 있다. di은 피드백 정보에 포함된 세부 데이터를 의미할 수 있다. wi은 세부 데이터 각각에 대응되는 가중치를 의미할 수 있다.
표(2410)에 대응되는 기여도는 (d1*w1+ d2*w2+ d3*w3+ d4*w4+ d5*w5+ d6*w6)/6일 수 있다.
도 25는 인공 지능 모델 업데이트 여부에 따라 상이한 스타일로 광고 컨텐츠를 제공하는 동작을 설명하기 위한 흐름도이다.
도 25의 S2530, S2535, S2540, S2545, S2550 단계는 도 7의 S730, S735. S740, S745, S750 단계에 대응될 수 있다. 따라서, 중복 설명을 생략한다.
전자 장치(100)는 컨텍스트 정보를 제1 인공 지능 모델에 입력하여 제1 시청 그룹 정보를 획득할 수 있다 (S2505). 전자 장치(100)는 제1 시청 그룹 정보를 서버(200)에 전송할 수 있다 (S2510).
서버(200)는 전자 장치(100)로부터 제1 시청 그룹 정보를 수신할 수 있다. 서버(200)는 제1 시청 그룹 정보에 기초하여 제1 광고 컨텐츠를 식별할 수 있다 (S2515). 서버(200)는 제1 광고 컨텐츠를 전자 장치(100)에 전송할 수 있다 (S2520).
전자 장치(100)는 서버(200)로부터 제1 광고 컨텐츠를 수신할 수 있다. 전자 장치(100)는 제1 광고 컨텐츠를 제1 스타일로 표시할 수 있다 (S2525). 전자 장치(100)는 표시된 제1 광고 컨텐츠에 기초하여 피드백 정보를 획득할 수 있다 (S2530).
S2535, S2540, S2545, S2550 단계가 수행된 후, 전자 장치(100)는 컨텍스트 정보를 제2 인공 지능 모델에 입력하여 제2 시청 그룹 정보를 획득할 수 있다 (S2555). 전자 장치(100)는 제2 시청 그룹 정보를 서버(200)에 전송할 수 있다 (S2560).
서버(200)는 전자 장치(100)로부터 제2 시청 그룹 정보를 수신할 수 있다. 서버(200)는 제2 시청 그룹 정보에 기초하여 제2 광고 컨텐츠를 식별할 수 있다 (S2565). 서버(200)는 제2 광고 컨텐츠를 전자 장치(100)에 전송할 수 있다 (S2570).
전자 장치(100)는 서버(200)로부터 제2 광고 컨텐츠를 수신할 수 있다. 전자 장치(100)는 제2 광고 컨텐츠를 제2 스타일로 표시할 수 있다 (S2575).
제1 스타일과 제2 스타일은 상이한 스타일일 수 있다. 이와 관련된 구체적인 설명은 도 26 및 도 27에서 기재한다.
도 26은 광고 컨텐츠의 모양이 상이하게 표시되는 동작을 설명하기 위한 도면이다.
도 26의 실시 예(2610)는 제1 스타일로 제공되는 제1 광고 컨텐츠(2611)를 나타낸다. 여기서, 제1 스타일은 사각형으로 광고 컨텐츠를 제공하는 방법을 의미한다. 광고 컨텐츠가 표시되는 영역의 모양이 사각형일 수 있다.
도 26의 실시 예(2620)는 제2 스타일로 제공되는 제2 광고 컨텐츠(2621)를 나타낸다. 여기서, 제2 스타일은 타원형으로 광고 컨텐츠를 제공하는 방법을 의미한다. 광고 컨텐츠가 표시되는 영역의 모양이 타원형일 수 있다.
전자 장치(100)는 인공 지능 모델에 따라 상이한 스타일로 광고 컨텐츠를 표시할 수 있다.
도 27은 인공 지능 모델의 업데이트 여부를 나타내는 정보를 표시하는 동작을 설명하기 위한 도면이다.
도 27의 실시 예(2710)는 사용자에게 제공되는 제1 광고 컨텐츠(2711)를 나타낸다. 여기서, 전자 장치(100)는 제1 광고 컨텐츠(2711) 및 제1 인공 지능 모델을 나타내는 텍스트 정보(2712)를 포함하는 화면을 표시할 수 있다. 여기서, 제1 인공 지능 모델은 제1 광고 컨텐츠(2711)를 획득하는데 이용되는 모델일 수 있다.
도 27의 실시 예(2720)는 사용자에게 제공되는 제2 광고 컨텐츠(2721)를 나타낸다. 여기서, 전자 장치(100)는 제2 광고 컨텐츠(2721) 및 제2 인공 지능 모델을 나타내는 인디케이터(2722, 2723, 2724)를 포함하는 화면을 표시할 수 있다. 여기서, 제2 인공 지능 모델은 제2 광고 컨텐츠(2721)를 획득하는데 이용되는 모델일 수 있다. 인디케이터는 인공 지능 모델의 업데이트 여부를 나타내는 아이콘 정보(2722), 현재 인공 지능 모델의 버전 정보(2723) 또는 업데이트 여부를 나타내는 텍스트 정보(2724) 중 적어도 하나를 포함할 수 있다.
전자 장치(100)는 사용자에게 제공되는 광고와 함께 현재 이용된 인공 지능 모델의 업데이트 여부를 표시할 수 있다. 사용자는 표시된 업데이트 정보를 통해 인공 지능 모델의 신뢰성을 확인할 수 있다.
도 28은 인공 지능 모델과 관련된 업데이트 모듈을 설명하기 위한 도면이다.
도 28을 참조하면, 광고 컨텐츠 제공 시스템은 기기 정보 수집 모듈(2810), 시청 그룹 추론 모듈(2820), 타겟 기기 결정 모듈(2830), 피드백 정보 수집 모듈(2840) 또는 인공 지능 모델과 관련된 업데이트 모듈(2850) 중 적어도 하나가 이용될 수 있다. 여기서, 모듈은 소프트웨어 또는 하드웨어 개념을 나타낼 수 있다.
기기 정보 수집 모듈(2810)은 컨텍스트 정보 획득 모듈 또는 레이블 정보 획득 모듈 중 적어도 하나를 포함할 수 있다. 기기 정보 수집 모듈(2810)은 전자 장치(100)와 관련된 사용자의 행동을 수집할 수 있다. 예를 들어, 컨텍스트 정보는 App Session Duration / App Open Count / Linear TV Viewing / 광고 Impression 및 Click 데이터와 같은 TV의 전반적인 데이터를 포함할 수 있다. 또한, 컨텍스트 정보는 Subdivision 데이터 와 같은 사용자가 거주하는 지역 정보를 포함할 수 있다. 레이블 정보는 타겟하고자 하는 컨텐츠의 사용자 그룹을 포함할 수 있다.
기기 정보 수집 모듈(2810)은 사용자가 기기를 사용한 기록 Data (TV 프로그램 시청 이력 / TV 어플리케이션 이용 이력 / 외부 기기 이용 이력 / TV 프로그램 장르의 시청 이력 / VoD 시청 이력/ TV Game Play 이력/ Play 한 Game Genre/ Game Publicher 등을 수집할 수 있다. 또한, 기기 정보 수집 모듈(2810)은 기기사용 특징을 추출하기 위해 시청 데이터와 기기 사용성 데이터 등을 수집하여 컨텍스트 정보로서 획득할 수 있다.
기기 정보 수집 모듈(2810)은 App Session/ App Open 데이터, TV Viewing데이터, 외부기기 사용 일 수/시간 데이터, 광고 Impression 및 Click 데이터, VoD Genre 데이터, SmartHub 사용 데이터, Game 관련 데이터, 사용자 Profile데이터, Subdivision 데이터 등을 수집할 수 있다.
기기 정보 수집 모듈(2810)은 App Session/ App Open 데이터, TV Viewing데이터, 외부기기 사용 일 수/시간 데이터, 광고 Impression 및 Click 데이터, VoD Genre 데이터, SmartHub 사용 데이터, Game 관련 데이터, 사용자 Profile데이터, Subdivision 데이터 등을 수집할 수 있다.
기기 정보 수집 모듈(2810)은 Session 조각들을 하나의 Session으로 합치고, 모델에 영향을 줄 수 있는 Boundary 영역 밖의 값은 결측치로 판단해 제거하는 동작을 수행함으로써 App Session/ App Open 데이터를 획득할 수 있다.
기기 정보 수집 모듈(2810)은 VoD Program 정보를 Genre로 Mapping 하여 curse of dimension 문제에 의한 Overfitting을 방지함으로써 VoD Genre 데이터를 획득할 수 있다.
시청 그룹 추론 모듈(2820)은 기기 정보 수집 모듈(2810)에서 획득한 컨텍스트 정보 또는 레이블 정보 중 적어도 하나에 기초하여 사용자를 대표할 수 있는 시청 그룹을 추론할 수 있다. 시청 그룹 추론 모듈(2820)은 인공 지능 모델을 포함할 수 있다. 시청 그룹 추론 모듈(2820)은 인공 지능 모델을 이용하여 특정 기기를 대표하는 시청 그룹을 추론할 수 있다.
타겟 기기 결정 모듈(2830)은 시청 그룹 추론 모듈(2820)에서 추론된 시청 그룹에 기초하여 특정 광고에 타겟되는 기기인지 여부를 판단할 수 있다. 예를 들어, 광고주는 자시의 광고를 좋아할 사용자에게만 광고를 노출시키고 싶을 수 있다. 따라서, 타겟 기기 결정 모듈(2830)은 특정 광고가 복수의 기기 중 어느 기기에 노출되어야 하는지 여부를 결정할 수 있다. 타겟 기기 결정 모듈(2830)은 복수의 기기로부터 각 기기에 대응되는 시청 그룹(시청 그룹 정보)을 획득할 수 있다.
피드백 정보 수집 모듈(2840)은 제공된 광고 컨텐츠를 통한 사용자 피드백과 관련된 정보를 분석할 수 있다. 피드백 정보 수집 모듈(2840)은 사용자에게 제공된 광고 컨텐츠의 선택 및 이용 여부 등에 기초하여 피드백 정보를 생성할 수 있다.
인공 지능 모델과 관련된 업데이트 모듈(2850)은 기기 정보 수집 모듈(2810)로부터 수신된 컨텍스트 정보 또는 레이블 정보를 수신할 수 있다. 또한, 업데이트 모듈(2850)은 피드백 정보 수집 모듈(2840)로부터 피드백 정보를 수신할 수 있다. 업데이트 모듈(2850)은 컨텍스트 정보, 레이블 정보 또는 피드백 정보 중 적어도 하나에 기초하여 시청 그룹 추론 모듈(2820)에서 이용되는 인공 지능 모델을 업데이트할 수 있다. 그리고, 업데이트 모듈(2850)은 업데이트된 인공 지능 모델을 시청 그룹 추론 모듈(2820)에 전송할 수 있다.
업데이트 모듈(2850)은 다양한 Machine Learning기법이 활용할 수 있다. 업데이트 모듈(2850)은 최적화를 위해서 Model의 각 Parameter 들에 대한 HyperParameter Tuning을 진행할 수 있다. 업데이트 모듈(2850)은 기존 모델을 업데이트하기 위해 Incremental Learning, Online Learning, Transfer Learning 등을 이용할 수 있다.
이때, 기존 모델로 학습된 Neural Network의 weight 값이 크게 변화되면 Catastrophic Forgetting 문제가 발생할 수 있다. 즉, 모델이 최신 데이터 특성에 편향되어 학습되어 과거 데이터에 대한 정확도가 떨어질 수 있다. 이 문제를 해결하기 위해 업데이트 모듈(2850)은 모델을 학습하는 Learning Rate을 낮게 유지하거나, Neural Network의 일부 Neural을 Frozen시켜 업데이트 동안 학습되지 않도록 조정할 수 있다. 업데이트 모듈(2850)은 Catastrophic Forgetting 문제없이 모델을 업데이트시켜 타겟팅 성능을 유지 및 개선할 수 있다.
한편, 업데이트 모듈(2850)은 모델을 update하는 주기를 의도에 따라 변경할 수 있다. 주기는 1주일 혹은 한 달, 분기 단위일 수 있다. 업데이트 모듈(2850)은 시간순으로 순차적으로 모델을 업데이트할 수 있다. 1주일 단위로 업데이트를 진행할 경우에는 업데이트 모듈(2850)은 4월 1일 3월 마지막주 Ads Feedback Data를 활용해 모델을 업데이트할 수 있다. 그리고, 업데이트 모듈(2850)은 4월8일이 되는 시점에 4월1일~4월7일 Ads Feedback Data를 활용해서 이전 주기에 업데이트된 모델을 또 다시 업데이트할 수 있다. 업데이트 모듈(2850)은 주기에 따라 업데이트 동작을 반복한다.
또한, 업데이트 모듈(2850)은 모델을 검증하고 일반화 성능을 높이기 위해 n-fold cross-validation이나 hold-out 검증 등을 진행할 수 있다.
한편, 복수의 모듈은 구현 예에 따라 수행되는 장치가 상이할 수 있다.
일 실시 예에 따라, 기기 정보 수집 모듈(2810), 시청 그룹 추론 모듈(2820) 및 피드백 정보 수집 모듈(2840)은 전자 장치(100)에 존재하고, 타겟 기기 결정 모듈(2830) 및 업데이트 모듈(2850)은 서버(200)에 존재할 수 있다.
다른 실시 예에 따라, 기기 정보 수집 모듈(2810) 및 피드백 정보 수집 모듈(2840)은 전자 장치(100)에 존재하고, 시청 그룹 추론 모듈(2820), 타겟 기기 결정 모듈(2830) 및 업데이트 모듈(2850)은 서버(200)에 존재할 수 있다.
또 다른 실시 예에 따라, 기기 정보 수집 모듈(2810), 시청 그룹 추론 모듈(2820), 피드백 정보 수집 모듈(2840) 및 업데이트 모듈(2850)은 전자 장치(100)에 존재하고, 타겟 기기 결정 모듈(2830)은 서버(200)에 존재할 수 있다.
도 29는 인공 지능 모델과 관련된 복수의 업데이트 모듈을 설명하기 위한 도면이다.
도 29를 참조하면, 광고 컨텐츠 제공 시스템은 기기 정보 수집 모듈(2910), 시청 그룹 추론 모듈(2920), 타겟 기기 결정 모듈(2930), 피드백 정보 수집 모듈(2940), 인공 지능 모델과 관련된 제1 업데이트 모듈(2950) 또는 인공 지능 모델과 관련된 제2 업데이트 모듈(2960)중 적어도 하나가 이용될 수 있다.
기기 정보 수집 모듈(2910), 시청 그룹 추론 모듈(2920), 타겟 기기 결정 모듈(2930) 및 피드백 정보 수집 모듈(2940)은 도 28의 기기 정보 수집 모듈(2810), 시청 그룹 추론 모듈(2820), 타겟 기기 결정 모듈(2830) 및 피드백 정보 수집 모듈(2840)에 대응될 수 있다. 또한, 제1 업데이트 모듈(2950)은 도 28의 업데이트 모듈(2850)에 대응될 수 있다. 따라서, 중복 설명을 생략한다.
광고 컨텐츠 제공 시스템은 제2 업데이트 모듈(2960)을 추가로 포함할 수 있다. 제2 업데이트 모듈(2960)은 기기 정보 수집 모듈(2910)로부터 기기 정보(컨텍스트 정보 또는 레이블 정보 중 적어도 하나를 포함)를 수신할 수 있다. 그리고, 제2 업데이트 모듈(2960)은 기기 정보에 기초하여 시청 그룹 추론 모듈(2920)에서 이용되는 인공 지능 모델을 업데이트할 수 있다. 그리고, 제2 업데이트 모듈(2960)은 업데이트된 인공 지능 모델을 시청 그룹 추론 모듈(2920)에 전송할 수 있다.
업데이트 동작이 2가지 모듈(2950, 2960)에서 각각 수행될 수 있다.
일 실시 예에 따라, 광고 컨텐츠 제공 시스템은 피드백 정보를 포함하는 학습 데이터에 기초하여 인공 지능 모델을 업데이트할 수 있다.
다른 실시 예에 따라, 광고 컨텐츠 제공 시스템은 피드백 정보를 포함하지 않고 기기 정보만을 포함하는 학습 데이터에 기초하여 인공 지능 모델을 업데이트할 수 있다.
광고 컨텐츠 제공 시스템은 기 설정된 기간(예를 들어, 캠페인 기간)에만 피드백 정보를 수집하여 제1 업데이트 모듈(2950)로 전송할 수 있다. 따라서, 광고 컨텐츠 제공 시스템은 기 설정된 기간에는 제1 업데이트 모듈(2950)을 이용하여 인공 지능 모델을 업데이트할 수 있다. 그리고 광고 컨텐츠 제공 시스템은 기설정된 기간이 아니면 제2 업데이트 모듈(2960)을 이용하여 인공 지능 모델을 업데이트할 수 있다.
도 30은 본 개시의 일 실시 예에 따른 전자 장치(100)의 제어 동작을 설명하기 위한 흐름도이다.
도 30을 참조하면, 학습된 제1 인공 지능 모델이 저장된 전자 장치의 제어 방법은 사용자의 프로필 정보 및 상기 전자 장치의 이용 히스토리 정보를 포함하는 컨텍스트 정보를 상기 제1 인공 지능 모델에 입력하여 사용자의 시청 그룹 정보를 획득하는 단계 (S3005), 상기 시청 그룹 정보에 기초하여 식별된 광고 컨텐츠를 표시하는 단계 (S3010), 상기 표시된 광고 컨텐츠와 관련된 상기 사용자의 피드백 정보를 획득하는 단계 (S3015) 및 상기 제1 인공 지능 모델을 상기 컨텍스트 정보 및 상기 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트하는 단계 (S3020)를 포함한다.
한편, 상기 프로필 정보는 상기 사용자의 나이, 성별, 국가 또는 거주 지역 중 적어도 하나를 포함할 수 있고, 상기 이용 히스토리 정보는 상기 전자 장치의 기능에 대한 이용 정보, 상기 전자 장치에 설치된 어플리케이션에 대한 이용 정보 또는 상기 전자 장치와 통신하는 외부 기기에 대한 이용 정보 중 적어도 하나를 포함할 수 있다.
한편, 상기 시청 그룹 정보는 상기 사용자를 대표하는 시청 그룹 또는 사용자를 대표하는 시청 그룹에 대응되는 확률 값 중 적어도 하나를 포함할 수 있다.
한편, 상기 제어 방법은 상기 시청 그룹 정보를 상기 전자 장치와 통신하는 서버로 전송하는 단계 및 상기 시청 그룹 정보에 기초하여 식별된 상기 광고 컨텐츠를 상기 서버로부터 수신하는 단계를 더 포함할 수 있고, 상기 광고 컨텐츠를 표시하는 단계 (S3015)는 상기 수신된 광고 컨텐츠를 표시할 수 있다.
한편, 상기 제어 방법은 복수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 기 설정된 개수의 시청 그룹을 식별하는 단계, 상기 기 설정된 개수의 시청 그룹을 상기 전자 장치와 통신하는 서버로 전송하는 단계를 더 포함할 수 있고, 상기 광고 컨텐츠를 표시하는 단계 (S3015)는 상기 기 설정된 개수의 시청 그룹에 대응되는 적어도 하나의 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 기 설정된 개수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 상기 적어도 하나의 광고 컨텐츠를 표시할 수 있다.
한편, 상기 피드백 정보는 광고 컨텐츠의 표시 여부에 대한 정보, 상기 광고 컨텐츠의 선택 여부에 대한 정보, 상기 광고 컨텐츠에 대응되는 서비스의 이용 여부에 대한 정보, 상기 광고 컨텐츠의 누적 표시 횟수, 상기 광고 컨텐츠의 누적 선택 횟수, 상기 광고 컨텐츠에 대응되는 상기 서비스의 누적 이용 횟수 또는 상기 광고 컨텐츠의 기여도 정보 중 적어도 하나를 포함할 수 있다.
한편, 상기 제어 방법은 상기 컨텍스트 정보에 기초하여 적어도 하나의 레이블 정보를 식별하는 단계를 더 포함할 수 있고, 상기 업데이트하는 단계 (S3020) 는 상기 제1 인공 지능 모델을 상기 컨텍스트 정보, 상기 적어도 하나의 레이블 정보 및 상기 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트할 수 있고, 상기 제1 인공 지능 모델은 복수의 학습 컨텍스트 정보, 복수의 학습 레이블 정보 및 복수의 광고 컨텐츠에 대한 학습 피드백 정보에 기초하여 학습된 모델일 수 있다.
한편, 상기 제어 방법은 상기 제1 인공 지능 모델을 통해 획득된 제1 시청 그룹 정보를 상기 전자 장치와 통신하는 서버로 전송하는 단계, 상기 제1 시청 그룹 정보에 대응되는 제1 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 제1 광고 컨텐츠를 제1 스타일로 표시하는 단계, 상기 제2 인공 지능 모델을 통해 획득된 제2 시청 그룹 정보를 상기 서버로 전송하는 단계 및 상기 제2 시청 그룹 정보에 대응되는 제2 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 제2 광고 컨텐츠를 제2 스타일로 표시하는 단계를 더 포함할 수 있다.
한편, 상기 제어 방법은 상기 컨텍스트 정보를 상기 제2 인공 지능 모델에 입력하여 업데이트된 상기 사용자의 시청 그룹 정보를 획득하는 단계 및 상기 업데이트된 시청 그룹 정보에 기초하여 광고 컨텐츠가 획득되면, 상기 광고 컨텐츠 및 상기 업데이트된 제2 인공 지능 모델에 대응되는 인디케이터를 표시하는 단계를 더 포함할 수 있다.
한편, 상기 인디케이터는 업데이트를 나타내는 아이콘 정보, 상기 제2 인공 지능 모델의 버전 정보 또는 업데이트를 나타내는 텍스트 정보 중 적어도 하나를 포함할 수 있다.
한편, 도 30과 같은 전자 장치의 제어 방법은 도 2 또는 도 3의 구성을 가지는 전자 장치 상에서 실행될 수 있으며, 그 밖의 구성을 가지는 전자 장치 상에서도 실행될 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 설치 가능한 어플리케이션 형태로 구현될 수 있다.
또한, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 대한 소프트웨어 업그레이드, 또는 하드웨어 업그레이드 만으로도 구현될 수 있다.
또한, 상술한 본 개시의 다양한 실시 예들은 전자 장치에 구비된 임베디드 서버, 또는 전자 장치 및 디스플레이 장치 중 적어도 하나의 외부 서버를 통해 수행되는 것도 가능하다.
한편, 본 개시의 일시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치를 포함할 수 있다. 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 프로세서의 제어 하에 다른 구성요소들을 이용하여 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장 매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
또한, 본 개시의 일 실시 예에 따르면, 이상에서 설명된 다양한 실시 예들에 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, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
또한, 상술한 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

Claims (15)

  1. 전자 장치에 있어서,
    디스플레이;
    학습된 제1 인공 지능 모델을 저장하는 메모리; 및
    사용자의 프로필 정보 및 상기 전자 장치의 이용 히스토리 정보를 포함하는 컨텍스트 정보를 상기 제1 인공 지능 모델에 입력하여 사용자의 시청 그룹 정보를 획득하고,
    상기 시청 그룹 정보에 기초하여 식별된 광고 컨텐츠를 표시하도록 상기 디스플레이를 제어하고,
    상기 표시된 광고 컨텐츠와 관련된 상기 사용자의 피드백 정보를 획득하고,
    상기 제1 인공 지능 모델을 상기 컨텍스트 정보 및 상기 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트하는 적어도 하나 이상의 프로세서;를 전자 장치.
  2. 제1항에 있어서,
    상기 프로필 정보는,
    상기 사용자의 나이, 성별, 국가 또는 거주 지역 중 적어도 하나를 포함하고,
    상기 이용 히스토리 정보는,
    상기 전자 장치의 기능에 대한 이용 정보, 상기 전자 장치에 설치된 어플리케이션에 대한 이용 정보 또는 상기 전자 장치와 통신하는 외부 기기에 대한 이용 정보 중 적어도 하나를 포함하는, 전자 장치.
  3. 제1항에 있어서,
    상기 시청 그룹 정보는,
    상기 사용자를 대표하는 시청 그룹 또는 사용자를 대표하는 시청 그룹에 대응되는 확률 값 중 적어도 하나를 포함하는, 전자 장치.
  4. 제1항에 있어서,
    서버와 통신하는 통신 인터페이스;를 더 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 통신 인터페이스를 통해 상기 시청 그룹 정보를 상기 서버로 전송하고,
    상기 통신 인터페이스를 통해 상기 시청 그룹 정보에 기초하여 식별된 상기 광고 컨텐츠를 상기 서버로부터 수신하고,
    상기 수신된 광고 컨텐츠를 표시하도록 상기 디스플레이를 제어하는, 전자 장치.
  5. 제1항에 있어서,
    서버와 통신하는 통신 인터페이스;를 더 포함하고,
    상기 적어도 하나의 프로세서는,
    복수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 기 설정된 개수의 시청 그룹을 식별하고,
    상기 통신 인터페이스를 통해 상기 기 설정된 개수의 시청 그룹을 상기 서버로 전송하고,
    상기 통신 인터페이스를 통해 상기 기 설정된 개수의 시청 그룹에 대응되는 적어도 하나의 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 기 설정된 개수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 상기 적어도 하나의 광고 컨텐츠를 표시하도록 상기 디스플레이를 제어하는, 전자 장치.
  6. 제1항에 있어서,
    상기 피드백 정보는,
    광고 컨텐츠의 표시 여부에 대한 정보, 상기 광고 컨텐츠의 선택 여부에 대한 정보, 상기 광고 컨텐츠에 대응되는 서비스의 이용 여부에 대한 정보, 상기 광고 컨텐츠의 누적 표시 횟수, 상기 광고 컨텐츠의 누적 선택 횟수, 상기 광고 컨텐츠에 대응되는 상기 서비스의 누적 이용 횟수 또는 상기 광고 컨텐츠의 기여도 정보 중 적어도 하나를 포함하는, 전자 장치.
  7. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 컨텍스트 정보에 기초하여 적어도 하나의 레이블 정보를 식별하고,
    상기 제1 인공 지능 모델을 상기 컨텍스트 정보, 상기 적어도 하나의 레이블 정보 및 상기 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트하며,
    상기 제1 인공 지능 모델은,
    복수의 학습 컨텍스트 정보, 복수의 학습 레이블 정보 및 복수의 광고 컨텐츠에 대한 학습 피드백 정보에 기초하여 학습된 모델인, 전자 장치.
  8. 제1항에 있어서,
    서버와 통신하는 통신 인터페이스;를 더 포함하며,
    상기 적어도 하나의 프로세서는,
    상기 통신 인터페이스를 통해 상기 제1 인공 지능 모델을 통해 획득된 제1 시청 그룹 정보를 상기 서버로 전송하고,
    상기 통신 인터페이스를 통해 상기 제1 시청 그룹 정보에 대응되는 제1 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 제1 광고 컨텐츠를 제1 스타일로 표시하도록 상기 디스플레이를 제어하고,
    상기 통신 인터페이스를 통해 상기 제2 인공 지능 모델을 통해 획득된 제2 시청 그룹 정보를 상기 서버로 전송하고,
    상기 통신 인터페이스를 통해 상기 제2 시청 그룹 정보에 대응되는 제2 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 제2 광고 컨텐츠를 제2 스타일로 표시하도록 상기 디스플레이를 제어하는, 전자 장치.
  9. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 컨텍스트 정보를 상기 제2 인공 지능 모델에 입력하여 업데이트된 상기 사용자의 시청 그룹 정보를 획득하고,
    상기 업데이트된 시청 그룹 정보에 기초하여 광고 컨텐츠가 획득되면, 상기 광고 컨텐츠 및 상기 업데이트된 제2 인공 지능 모델에 대응되는 인디케이터를 표시하도록 상기 디스플레이를 제어하는, 전자 장치.
  10. 제9항에 있어서,
    상기 인디케이터는,
    업데이트를 나타내는 아이콘 정보, 상기 제2 인공 지능 모델의 버전 정보 또는 업데이트를 나타내는 텍스트 정보 중 적어도 하나를 포함하는, 전자 장치.
  11. 학습된 제1 인공 지능 모델이 저장된 전자 장치의 제어 방법에 있어서,
    사용자의 프로필 정보 및 상기 전자 장치의 이용 히스토리 정보를 포함하는 컨텍스트 정보를 상기 제1 인공 지능 모델에 입력하여 사용자의 시청 그룹 정보를 획득하는 단계;
    상기 시청 그룹 정보에 기초하여 식별된 광고 컨텐츠를 표시하는 단계;
    상기 표시된 광고 컨텐츠와 관련된 상기 사용자의 피드백 정보를 획득하는 단계; 및
    상기 제1 인공 지능 모델을 상기 컨텍스트 정보 및 상기 피드백 정보에 기초하여 재학습된 제2 인공 지능 모델로 업데이트하는 단계;를 포함하는, 전자 장치의 제어 방법.
  12. 제11항에 있어서,
    상기 프로필 정보는,
    상기 사용자의 나이, 성별, 국가 또는 거주 지역 중 적어도 하나를 포함하고,
    상기 이용 히스토리 정보는,
    상기 전자 장치의 기능에 대한 이용 정보, 상기 전자 장치에 설치된 어플리케이션에 대한 이용 정보 또는 상기 전자 장치와 통신하는 외부 기기에 대한 이용 정보 중 적어도 하나를 포함하는, 제어 방법.
  13. 제11항에 있어서,
    상기 시청 그룹 정보는,
    상기 사용자를 대표하는 시청 그룹 또는 사용자를 대표하는 시청 그룹에 대응되는 확률 값 중 적어도 하나를 포함하는, 제어 방법.
  14. 제11항에 있어서,
    상기 제어 방법은,
    상기 시청 그룹 정보를 상기 전자 장치와 통신하는 서버로 전송하는 단계; 및
    상기 시청 그룹 정보에 기초하여 식별된 상기 광고 컨텐츠를 상기 서버로부터 수신하는 단계;를 더 포함하고,
    상기 광고 컨텐츠를 표시하는 단계는,
    상기 수신된 광고 컨텐츠를 표시하는, 제어 방법.
  15. 제11항에 있어서,
    상기 제어 방법은,
    복수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 기 설정된 개수의 시청 그룹을 식별하는 단계;
    상기 기 설정된 개수의 시청 그룹을 상기 전자 장치와 통신하는 서버로 전송하는 단계;를 더 포함하고,
    상기 광고 컨텐츠를 표시하는 단계는,
    상기 기 설정된 개수의 시청 그룹에 대응되는 적어도 하나의 광고 컨텐츠가 상기 서버로부터 수신되면, 상기 기 설정된 개수의 시청 그룹 각각에 대응되는 확률 값에 기초하여 상기 적어도 하나의 광고 컨텐츠를 표시하는, 제어 방법.
PCT/KR2023/006417 2022-07-07 2023-05-11 광고를 제공하는 전자 장치 및 그 제어 방법 WO2024010206A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220084035A KR20240007021A (ko) 2022-07-07 2022-07-07 광고를 제공하는 전자 장치 및 그 제어 방법
KR10-2022-0084035 2022-07-07

Publications (1)

Publication Number Publication Date
WO2024010206A1 true WO2024010206A1 (ko) 2024-01-11

Family

ID=89453657

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/006417 WO2024010206A1 (ko) 2022-07-07 2023-05-11 광고를 제공하는 전자 장치 및 그 제어 방법

Country Status (2)

Country Link
KR (1) KR20240007021A (ko)
WO (1) WO2024010206A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150113370A (ko) * 2014-03-28 2015-10-08 에스케이플래닛 주식회사 개인화된 광고를 사용자 장치에 타겟팅하는 광고 서비스 장치, 개인화된 광고를 수신하는 사용자 장치, 개인화된 광고를 사용자 장치에 타겟팅하는 방법 및 컴퓨터 프로그램이 기록된 기록매체
KR20190068347A (ko) * 2017-12-08 2019-06-18 최정오 소비자 능동형 광고 플랫폼 서버 및 광고 제공 방법
KR102004949B1 (ko) * 2019-01-17 2019-07-29 주식회사 아드리엘 인공 지능 기반의 광고 방법 및 이러한 방법을 수행하는 장치
KR20200102065A (ko) * 2019-02-21 2020-08-31 김명식 맞춤형 광고 콘텐츠 및 피드백 기반 실시간 광고 변경 플랫폼을 이용한 타겟 광고 서비스 제공 시스템 및 방법
KR20220088191A (ko) * 2020-12-18 2022-06-27 삼성전자주식회사 전자 장치 및 그 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150113370A (ko) * 2014-03-28 2015-10-08 에스케이플래닛 주식회사 개인화된 광고를 사용자 장치에 타겟팅하는 광고 서비스 장치, 개인화된 광고를 수신하는 사용자 장치, 개인화된 광고를 사용자 장치에 타겟팅하는 방법 및 컴퓨터 프로그램이 기록된 기록매체
KR20190068347A (ko) * 2017-12-08 2019-06-18 최정오 소비자 능동형 광고 플랫폼 서버 및 광고 제공 방법
KR102004949B1 (ko) * 2019-01-17 2019-07-29 주식회사 아드리엘 인공 지능 기반의 광고 방법 및 이러한 방법을 수행하는 장치
KR20200102065A (ko) * 2019-02-21 2020-08-31 김명식 맞춤형 광고 콘텐츠 및 피드백 기반 실시간 광고 변경 플랫폼을 이용한 타겟 광고 서비스 제공 시스템 및 방법
KR20220088191A (ko) * 2020-12-18 2022-06-27 삼성전자주식회사 전자 장치 및 그 제어 방법

Also Published As

Publication number Publication date
KR20240007021A (ko) 2024-01-16

Similar Documents

Publication Publication Date Title
WO2016144044A1 (en) Remote controller and method for controlling screen of display apparatus
WO2018110968A1 (en) Display apparatus and method of controlling the same
WO2018169222A1 (en) Method and electronic apparatus for displaying information
WO2015182869A1 (en) Display apparatus and method thereof
WO2015111833A1 (ko) 가상 광고 제공 장치 및 방법
WO2015160039A1 (en) Method for operating image display device
EP3342170A1 (en) Electronic device and method of scanning channels in electronic device
WO2016013705A1 (ko) 원격제어장치 및 그의 동작 방법
WO2017034180A1 (ko) 애플리케이션 리스트를 제공하는 시스템 및 그 방법
WO2021162320A1 (en) Electronic device and method for operating high speed screen of electronic device
WO2018190517A1 (en) Electronic apparatus and method for displaying contents thereof
WO2016111487A1 (en) Display apparatus and display method
WO2019203421A1 (ko) 디스플레이 장치 및 디스플레이 장치의 제어 방법
WO2020218686A1 (en) Display device and controlling method of display device
WO2019031676A1 (ko) 이미지 처리 방법 및 그에 따른 장치
WO2020017827A1 (ko) 전자 장치, 및 전자 장치의 제어 방법
WO2024010206A1 (ko) 광고를 제공하는 전자 장치 및 그 제어 방법
WO2021137629A1 (en) Display device, mobile device, video calling method performed by the display device, and video calling method performed by the mobile device
WO2018097504A2 (en) Electronic device and method for updating channel map thereof
WO2016200059A1 (en) Method and apparatus for providing advertisement content and recording medium
WO2019088627A1 (en) Electronic apparatus and controlling method thereof
WO2021010549A1 (en) Display apparatus and controlling method thereof
WO2018074702A1 (en) Electronic apparatus and method for providing blood sugar care service
WO2021080154A1 (ko) 전자 장치 및 그 제어 방법
WO2024096253A1 (ko) 전자 장치 및 그 제어 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: 23835675

Country of ref document: EP

Kind code of ref document: A1