KR100871873B1 - 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법 - Google Patents

맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법 Download PDF

Info

Publication number
KR100871873B1
KR100871873B1 KR1020070087888A KR20070087888A KR100871873B1 KR 100871873 B1 KR100871873 B1 KR 100871873B1 KR 1020070087888 A KR1020070087888 A KR 1020070087888A KR 20070087888 A KR20070087888 A KR 20070087888A KR 100871873 B1 KR100871873 B1 KR 100871873B1
Authority
KR
South Korea
Prior art keywords
preference information
user
pattern
preference
information
Prior art date
Application number
KR1020070087888A
Other languages
English (en)
Inventor
신사임
이종설
이석필
임태범
Original Assignee
전자부품연구원
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 전자부품연구원 filed Critical 전자부품연구원
Priority to KR1020070087888A priority Critical patent/KR100871873B1/ko
Application granted granted Critical
Publication of KR100871873B1 publication Critical patent/KR100871873B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/8126—Monomedia components thereof involving additional data, e.g. news, sports, stocks, weather forecasts
    • H04N21/8133—Monomedia components thereof involving additional data, e.g. news, sports, stocks, weather forecasts specifically related to the content, e.g. biography of the actors in a movie, detailed information about an article seen in a video program

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

본 발명은 맞춤형 방송 시스템에서 수집 및 관리하는 사용자 선호정보를 확장할 수 있는 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법에 관한 것이다. 이와 같은 본 발명은, 사용자의 시청 패턴을 기반으로 사용자의 선호 정보를 분석하는 단계와; 상기 분석된 사용자 선호 정보를 온톨로지 매핑(Ontology mapping)을 통해 확장하는 단계와; 상기 확장된 개념정보를 기반으로 사용자의 선호도가 높은 콘텐츠를 추천하는 단계를 포함하여 이루어짐으로써, 수집되는 사용자 선호 정보를 온톨로지 맵핑을 통해 프로그램 추천에 충분할 만큼 확장하고, 확장된 사용자 선호 정보를 기반으로 신뢰도와 만족도가 높은 맞춤형 서비스를 제공하는 방법을 제안한다.
맞춤형 방송 시스템, 선호정보, 온톨로지

Description

맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법{APPARATUS AND METHOD FOR MANAGING USER PREFERENCE INFORMATIONS OF THE CUSTOM BROADCASTING SYSTEM}
본 발명은 맞춤형 방송 시스템에 관한 것으로, 특히 맞춤형 방송 시스템에서 수집 및 관리하는 사용자 선호정보를 확장할 수 있는 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법에 관한 것이다.
디지털 텔레비전 환경이 대중화되면서 메타데이터를 이용한 사용자 맞춤형 방송 서비스의 개발이 두드러지고 있다. 맞춤형 방송 서비스란 사용자 기호, 단말기 성능, 망 특성, 주변 환경(예컨대, 시간, 장소, 사용자 기분상태 등) 등을 포함하는 사용 환경(usage environment)에 적합한 맞춤형 방송 콘텐츠를 제공하고자 하는 서비스이다. 상기 맞춤형 방송 서비스는 시청자들이 제한된 채널 선택만으로 방송 프로그램을 수신하는 수동적인 시청에서 벗어나 방송 서비스에 직접 참여하거나 또는 원하는 시간에 원하는 프로그램을 수신, 시청할 수 있도록 한다.
민간 표준 기구인 'TV-Anytime' 포럼은 개개인의 사용자 선호정보를 바탕으로 한 타겟팅(targeting) 서비스에 대한 표준을 제정하였다. 타겟팅 서비스란 사용자 선호 정보에 추가적인 세부 정보(예컨대, 사용자 기분, 기호, 개인 소비정보 등)를 바탕으로 개개인의 현재 상황에 적합한 콘텐츠(예컨대, TV 프로그램, 광고, 정보 등)를 제공하기 위한 것으로, 맞춤형 방송 서비스와 같은 뜻을 갖는다.
상기 'TV-Anytime'이 맞춤형 방송 서비스를 위해 제안한 사용자 관련 메타데이터 표준으로서 사용자 히스토리와 사용자 선호정보가 있다. 상기 사용자 히스토리는 사용자별로 각 사용자가 시청 중에 수행한 명령 및 대상 프로그램, 시간 등을 기록하여 저장한다. 상기 사용자 선호정보는 선호하는 프로그램의 제목, 선호하는 프로그램의 주제나 장르, 선호채널, 선호시청 시간대 등과 같은 사용자별 선호 프로그램 추천에 유용한 정보들을 저장한다.
방송 시청 시 선호 프로그램은 사용자의 생활 패턴과 취향 등에 따라 다양하게 나타난다. 예컨대, 드라마와 영화를 선호하여 즐겨 시청하는 사용자가 있는 반면, 시사 프로그램이나 스포츠를 주로 시청하는 사용자도 있다. 이런 사용자들의 선호도는 시청 시간이나 계절 등에 따라 변하는 경우도 많기 때문에, 사용자들의 선호 패턴은 복잡하고 다양하게 나타난다. 따라서, 사용자별 선호 프로그램에 관한 패턴을 자동으로 파악하고 관리하여, 각 사용자에 적합한 선호 프로그램을 우선적으로 추천 및 제공하는 방식으로 시청 만족도를 높이는 방법이 필요하다.
그러나 사용자 시청 데이터 축적 및 획득의 어려움으로 인해 종래의 맞춤형 방송 시스템들은 프로그램 추천에 충분할 만큼 다양한 사용자 선호정보를 추출하지 못하였고, 결국 맞춤 서비스를 제공하는데 있어서 신뢰도 및 만족도가 저하되는 문제점이 따랐다.
따라서 본 발명은 상기와 같은 문제점을 해결하기 위해 고안된 것으로, 본 발명의 목적은 수집되는 사용자 선호 정보를 프로그램 추천에 충분할 만큼 확장할 수 있는 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법을 제공함에 있다.
또한 본 발명의 목적은 확장된 사용자 선호 정보를 기반으로 신뢰도와 만족도가 높은 맞춤형 서비스를 제공할 수 있는 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법을 제공함에 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 일 양상에 따른 맞춤형 방송 시스템의 선호 정보 관리 장치는, 사용자의 시청 패턴을 기반으로 사용자의 선호 정보를 분석하는 선호정보 분석 수단과; 상기 선호정보 분석 수단으로부터 출력되는 사용자 선호 정보를 온톨로지 매핑(Ontology mapping)을 통해 확장하는 선호정보 확장 수단과; 상기 선호정보 확장 수단에 의해 확장된 선호정보를 기반으로 사용자의 선호도가 높은 콘텐츠를 추천하는 선호 콘텐츠 추천 수단을 포함하여 구성될 수 있다.
바람직하게, 상기 선호정보 분석 수단은 사용자별 시청 패턴을 수집하는 패턴 수집 수단과; 상기 패턴 수집 수단에 의해 수집된 시청 패턴을 기반으로 선호 패턴과 비선호 패턴의 특성을 결정하는 특성 예측 수단과; 상기 특성 예측 수단에서 결정된 특성을 정량화하여 선호 정보의 순위를 결정하는 선호도 예측 수단을 포 함하여 구성될 수 있다.
바람직하게, 상기 패턴 수집 수단은 사용자 기기들로부터 입력되는 신호로부터 사용자별 시청 패턴을 추출하여 수집할 수 있다.
바람직하게, 상기 특성 예측 수단은 상기 패턴 수집 수단에 의해 수집된 시청 패턴의 상호 정보(Mutual Information: MI) 값을 산출한 후 산출된 MI값과 전체 패턴의 평균 상호 정보(MIavg)값을 기준으로 선호 패턴과 비선호 패턴으로 특성을 분류하여 관리할 수 있다.
바람직하게, 상기 특성 예측 수단은 상기 MIavg와 0보다 큰 MI값을 갖는 패턴을 선호 패턴으로, 0보다 작은 MI값을 갖는 패턴을 비선호 패턴으로 결정할 수 있다.
바람직하게, 상기 MI 값은 하기 수식에 의해 산출될 수 있다.
Figure 112007063408899-pat00001
, 여기에서
Figure 112007063408899-pat00002
는 패턴 A의 빈도수이고,
Figure 112007063408899-pat00003
는 사용자의 패턴 풀에서 패턴 A가 나타날 확률이며,
Figure 112007063408899-pat00004
는 사용자가 선호 프로그램을 시청하는 동안에 패턴 A가 나타날 확률을 의미한다.
바람직하게, 상기 선호도 예측 수단은 상기 특성 예측 수단에 의해 결정된 선호패턴의 선호도를 점수화하고, 여기에 비선호패턴의 비선호도를 반영하여 사용자별 선호정보를 순위화할 수 있다.
바람직하게, 상기 선호정보 확장 수단은 상기 선호정보 분석 수단으로부터 출력되는 사용자별 선호정보를 온톨로지 맵핑을 통해 개념화하는 온톨로지 맵핑 수단과; 상기 온톨로지 맵핑 수단으로부터 출력되는 개념화된 사용자별 선호정보의 키워드 정보를 확장하여 개념 벡터를 추출하는 개념벡터 추출 수단을 포함하여 구성될 수 있다.
바람직하게, 상기 개념벡터 추출 수단은 개념벡터 추출을 통해 사용자 선호정보의 키워드 정보를 기본 키워드 벡터(original keyword vector: okv)와 개념 키워드 벡터(concept keyword vector: ckv)로 나누어 관리할 수 있다.
바람직하게, 상기 기본 키워드 벡터 및 개념 키워드 벡터는 하기 수식에 의해 정의될 수 있다.
ckvi = {c1, c2, , ck} k = # of concept
okvi = {w1, w2, , wk'} k'= # of uniq word , 여기에서, i는 사용자, c는 개념화된 사용자 i의 선호정보에서 각 개념 k의 등장 빈도수, w는 사용자 i의 선호정보에서 각 기본 키워드 k'의 등장 빈도수를 의미한다.
바람직하게, 상기 선호 콘텐츠 추천 수단은 상기 선호정보 확장 수단에 의해 확장된 선호정보와 각 콘텐츠의 메타데이터 정보와의 유사도(similarity: sim)를 점수화 및 순위화하여 사용자가 선호할 것으로 예측되는 콘텐츠들을 추천할 수 있다.
바람직하게, 상기 선호 콘텐츠 추천 수단은 상기 선호정보 확장 수단에 의해 확장된 선호정보의 각 요소들의 벡터와 각 콘텐츠의 해당 메타데이터 정보의 벡터를 하기 수식의 코사인 유사도 계산에 의해 벡터 유사도를 측정한 후 그 평균 유사도를 점수화할 수 있다.
Figure 112007063408899-pat00005
바람직하게, 상기 점수화는 하기 수식의 점수(score) 계산에 의해 수행될 수 있다.
Figure 112007063408899-pat00006
Figure 112007063408899-pat00007
, 여기에서
Figure 112007063408899-pat00008
,
Figure 112007063408899-pat00009
는 각 요소벡터 유사도의 가중치, N은 선호정보에서 벡터화하고 있는 요소의 개수를 의미한다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 다른 양상에 따른 맞춤형 방송 시스템의 선호 정보 관리 방법은, 사용자의 시청 패턴을 기반으로 사용자의 선호 정보를 분석하는 단계와; 상기 분석된 사용자 선호 정보를 온톨로지 매핑(Ontology mapping)을 통해 확장하는 단계와; 상기 확장된 개념정보를 기반으로 사용자의 선호도가 높은 콘텐츠를 추천하는 단계를 포함하여 이루어질 수 있다.
바람직하게, 상기 분석 단계는 사용자별 시청 패턴을 수집하는 단계와; 상기 수집된 시청 패턴을 기반으로 선호 패턴과 비선호 패턴의 특성을 결정하는 단계와; 상기 결정된 특성을 정량화하여 선호 정보의 순위를 결정하는 단계를 포함하여 이루어질 수 있다.
바람직하게, 상기 특성 결정 단계는 상기 수집된 시청 패턴의 상호 정보(Mutual Information: MI) 값을 구한 후 이를 전체 패턴의 평균 상호 정보(MIavg)값을 기준으로 선호 패턴과 비선호 패턴으로 특성을 분류하여 관리할 수 있다.
바람직하게, 상기 MIavg와 0보다 큰 MI를 갖는 패턴은 선호 패턴으로 결정되고, 0보다 작은 MI를 갖는 패턴은 비선호 패턴으로 결정될 수 있다.
바람직하게, 상기 MI 값은 하기 수식에 의해 산출될 수 있다.
Figure 112007063408899-pat00010
, 여기에서
Figure 112007063408899-pat00011
는 패턴 A의 빈도수이고,
Figure 112007063408899-pat00012
는 사용자의 패턴 풀에서 패턴 A가 나타날 확률이며,
Figure 112007063408899-pat00013
는 사용자가 선호 프로그램을 시청하는 동안에 패턴 A가 나타날 확률을 의미한다.
바람직하게, 상기 순위 결정 단계는 상기 결정된 선호패턴의 선호도를 점수화하고, 여기에 비선호패턴의 비선호도를 반영하여 사용자별 선호정보를 순위화할 수 있다.
바람직하게, 상기 확장 단계는 상기 분석된 사용자별 선호정보를 온톨로지 맵핑을 통해 개념화하는 단계와; 상기 개념화된 사용자별 선호정보의 키워드 정보를 확장하여 개념 벡터를 추출하는 단계를 포함하여 이루어질 수 있다.
바람직하게, 상기 개념벡터 추출 단계는 사용자 선호정보의 키워드 정보를 기본 키워드 벡터(original keyword vector: okv)와 개념 키워드 벡터(concept keyword vector: ckv)로 나누어 관리하는 단계를 더 포함하여 이루어질 수 있다.
바람직하게, 상기 기본 키워드 벡터 및 개념 키워드 벡터는 하기 수식에 의해 정의될 수 있다.
ckvi = {c1, c2, , ck} k = # of concept
okvi = {w1, w2, , wk'} k'= # of uniq word, 여기에서 i는 사용자, c는 개념화된 사용자 i의 선호정보에서 각 개념 k의 등장 빈도수, w는 사용자 i의 선호정보에서 각 기본 키워드 k'의 등장 빈도수를 의미한다.
바람직하게, 상기 추천 단계는 상기 확장된 선호정보와 각 콘텐츠의 메타데이터 정보와의 유사도(similarity: sim)를 점수화 및 순위화하여 사용자가 선호할 것으로 예측되는 콘텐츠들을 추천할 수 있다.
바람직하게, 상기 추천 단계는 상기 확장된 선호정보의 각 요소들의 벡터와 각 콘텐츠의 해당 메타데이터 정보의 벡터를 하기 수식의 코사인 유사도 계산에 의해 벡터 유사도를 측정한 후 그 평균 유사도의 점수화에 의해 수행될 수 있다.
Figure 112007063408899-pat00014
바람직하게, 상기 점수화는 하기 수식의 점수(score) 계산에 의해 수행될 수 있다.
Figure 112007063408899-pat00015
Figure 112007063408899-pat00016
, 여기에서
Figure 112007063408899-pat00017
,
Figure 112007063408899-pat00018
는 각 요소벡터 유사도의 가중치, N은 선호정보에서 벡터화하고 있는 요소의 개수를 의미한다.
본 발명에 따른 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법은, 수집되는 사용자 선호 정보를 프로그램 추천에 충분할 만큼 확장함으로써, 확장된 사용자 선호 정보를 기반으로 신뢰도와 만족도가 높은 맞춤형 서비스를 제공할 수 있는 효과가 있다.
온톨로지(Ontology)란 어휘나 개념의 정의 또는 명세로서, 정보시스템 분야에서는 시스템이 취급하는 내용에 해당하는 구성요소(개념)을 의미한다. 온톨로지는 특정 분야의 기본 개념에 대한 정의와 그들 간의 관계에 대한 명세로 이루어지도록 만들어지는데, 단순히 열거되는 형태가 아니라 컴퓨터로 처리할 수 있을 만큼의 구조성과 구체성을 갖도록 만들어진다. 온톨로지의 기본은 해당 영역에 존재하는 개념들이다. 예를 들어 책·컴퓨터·책상·의자·구매·입찰 등이다. 각 개념은 다시 그 개념을 설명하는 속성들을 갖게 되는데, 예를 들어 책은 저자·출판사·쪽·가격 등의 속성을 갖고 입찰은 대상·날짜·방식·조건 등의 속성을 가질 수 있 을 것이다. 또 개념들은 서로 관계를 가질 수 있는데, 가장 기본적인 관계는 상하포함관계다. 예를 들어 동화책은 책에 포함되는 하위개념이 된다.
본 발명에서는 이러한 온톨로지를 이용하여 패턴분석을 통해 추출된 사용자의 선호정보를 개념화하고 확장하여 데이터 부족문제를 완화하려는 방법을 제안한다. 예컨대, 어떤 사용자의 선호정보에 ‘야구’란 기본 키워드가 있다면, 이 키워드는 온톨로지 맵핑을 통해 ‘스포츠’나 ‘구기종목’의 상위 개념으로 개념화되고, 개념화된 키워드의 하위 분류(하위 개념)에 속하는 ‘배구’, ‘축구’, ‘농구’ 등의 키워드들을 해당 사용자의 선호정보로 활용할 수 있다.
이하, 본 발명의 바람직한 실시 예들을 첨부한 도면을 참조하여 상세히 설명한다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다. 또한 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
도 1은 본 발명의 일 실시 예에 따른 맞춤형 방송 시스템의 선호 정보 관리 장치의 구성을 나타내는 구성도이다.
도 1에 도시된 바와 같이, 맞춤형 방송 시스템의 선호 정보 관리 장치(100)는, 사용자의 시청 패턴을 기반으로 사용자의 선호 정보를 분석하는 선호정보 분석부(110)와; 상기 선호정보 분석부(110)로부터 출력되는 사용자 선호 정보를 온톨로지 매핑(Ontology mapping)을 통해 확장하는 선호정보 확장부(120)와; 상기 선호정보 확장부(120)에 의해 확장된 선호정보를 기반으로 사용자의 선호도가 높은 콘텐츠를 추천하는 선호 콘텐츠 추천부(130)를 포함하여 구성될 수 있다.
상기 선호정보 분석부(110)는 사용자별 시청 패턴을 수집하는 패턴 수집부(112)와; 상기 패턴 수집부(112)에 의해 수집된 시청 패턴을 기반으로 선호 패턴과 비선호 패턴의 특성을 결정하는 특성 예측부(114)와; 상기 특성 예측부(114)에서 결정된 특성을 정량화하여 선호 정보의 순위를 결정하는 선호도 예측부(116)를 포함하여 구성될 수 있다.
상기 패턴 수집부(112)는 사용자 기기들로부터 입력되는 신호로부터 사용자별 시청 패턴을 추출하여 수집한다.
상기 특성 예측부(114)는 상기 패턴 수집부(112)에 의해 수집된 시청 패턴의 상호 정보(Mutual Information: MI) 값을 구한 후 이를 전체 패턴의 평균 상호 정보(MIavg)값을 기준으로 선호 패턴과 비선호 패턴으로 특성을 분류하여 관리한다. 이때 상기 특성 예측부(114)는 MIavg와 0보다 큰 MI를 갖는 패턴을 선호 패턴으로, 0보다 작은 MI를 갖는 패턴을 비선호 패턴으로 결정한다. 상기 MI 값은 하기의 [수학식 1]에 의해 산출될 수 있다.
Figure 112007063408899-pat00019
상기 [수학식 1]에서
Figure 112007063408899-pat00020
는 패턴 A의 빈도수이고,
Figure 112007063408899-pat00021
는 사용자의 패턴 풀에서 패턴 A가 나타날 확률이며,
Figure 112007063408899-pat00022
는 사용자가 선호 프로그램 을 시청하는 동안에 패턴 A가 나타날 확률을 의미한다.
상기 선호도 예측부(116)는 상기 특성 예측부(114)에 의해 결정된 선호패턴의 선호도를 점수화하고, 여기에 비선호패턴의 비선호도를 반영하여 사용자별 선호정보를 순위화한다.
상기 선호정보 확장부(120)는 상기 선호정보 분석부(110)로부터 출력되는 사용자별 선호정보를 온톨로지 맵핑을 통해 개념화하는 온톨로지 맵핑부(122)와; 상기 온톨로지 맵핑부(122)로부터 출력되는 개념화된 사용자별 선호정보의 키워드 정보를 확장하여 개념 벡터를 추출하는 개념벡터 추출부(124)를 포함하여 구성될 수 있다.
상기 온톨로지 맵핑부(122)는 상기 선호정보 분석부(110)로부터 출력되는 순위를 갖는 사용자별 선호정보를 온톨로지 맵핑을 통하여 개념화한다. 이렇게 개념화된 사용자 선호정보는 온톨로지의 해당 개념에 속해있는 용어들을 공유하게 됨으로써 선호정보의 확장효과를 기대할 수 있게 된다.
상기 개념벡터 추출부(124)는 상기 온톨로지 맵핑부(122)로부터 출력되는 개념화된 사용자별 선호정보의 여러 요소들(예컨대 장르, 타이틀, 키워드 등) 중 확장의 효과를 긍정적으로 기대할 수 있는 키워드 정보를 확장하여 개념 벡터를 추출한다. 이에 따라 사용자 선호정보의 키워드 정보는 기본 키워드 벡터(original keyword vector: okv)와 개념 키워드 벡터(concept keyword vector: ckv)로 나누어 관리할 수 있다. 상기 기본 키워드 벡터 및 개념 키워드 벡터와 관련된 수식은 다음 [수학식 2]와 같다.
ckvi = {c1, c2, , ck} k = # of concept
okvi = {w1, w2, , wk'} k'= # of uniq word
상기 [수학식 2]에서 사용자 i를 위한 선호정보의 개념 키워드 벡터(ckvi)의 c값은 각 키워드를 개념화시킨 후 각 개념 k의 등장 빈도수를 나타낸다. 기본 키워드 벡터(okvi)의 w값은 각 기본 키워드 k'의 등장 빈도수를 나타낸다.
상기 선호 콘텐츠 추천부(130)는 상기 선호정보 확장부(120)에 의해 확장된 선호정보와 각 콘텐츠의 메타데이터 정보와의 유사도(similarity: sim)를 점수화 및 순위화하여 사용자가 선호할 것으로 예측되는 콘텐츠들을 추천한다.
각 콘텐츠의 점수(score)는 하기 [수학식 3] 및 [수학식 4]를 통해 산출될 수 있다.
Figure 112007063408899-pat00023
Figure 112007063408899-pat00024
Figure 112007063408899-pat00025
상기 [수학식 4]는 사용자별 선호정보와 각 프로그램의 메타데이터의 유사도 정도를 점수화하는 것으로서, 선호정보의 각 요소들의 벡터와 각 프로그램 정보의 해당 메타데이터 정보의 벡터를 [수학식 3]의 코사인 유사도 계산에 의해 벡터 유사도를 측정한 후 그 평균 유사도를 점수화한다. 이때, 키워드 벡터의 경우 상술된 바와 같은 온톨로지 맵핑을 통해 추출한 개념 키워드 벡터와 기본 키워드 벡터를 모두 고려하여 점수화한다. 상기 [수학식 4]에서
Figure 112007063408899-pat00026
,
Figure 112007063408899-pat00027
는 각 요소벡터 유사도의 가중치를 의미한다. N은 선호정보에서 벡터화하고 있는 요소의 개수이다.
상술한 바와 같은 본 발명의 장치의 유닛들은 소프트웨어 모듈의 형태로 구성되어 동일한 기능을 수행할 수 있다.
도 2는 본 발명의 다른 실시 예에 따른 맞춤형 방송 시스템의 선호 정보 관리 방법의 절차를 나타내는 흐름도이다.
도 2를 참조하면, S210 단계에서 상기 선호정보 분석부(110)는 사용자별 시청 패턴을 수집한다.
또한 S220 단계에서 상기 선호정보 분석부(110)는 상기 수집된 시청 패턴을 기반으로 선호 패턴과 비선호 패턴의 특성을 결정한다. 이때, 전술한 바와 같이, 수집된 시청 패턴의 상호 정보(Mutual Information: MI) 값을 구한 후 이를 전체 패턴의 평균 상호 정보(MIavg)값을 기준으로 선호 패턴과 비선호 패턴으로 특성을 분류하여 관리한다. 여기에서, MIavg와 0보다 큰 MI를 갖는 패턴은 선호 패턴으로, 0보다 작은 MI를 갖는 패턴은 비선호 패턴으로 결정되며, 상기 MI 값은 상기 [수학식 1]에 의해 산출될 수 있다.
그리고 S230 단계에서 상기 선호정보 분석부(110)는 상기 결정된 특성을 정량화하여 선호 정보의 순위를 결정한다. 이때, 상기 결정된 선호패턴의 선호도를 점수화하고, 여기에 비선호패턴의 비선호도를 반영하여 사용자별 선호정보를 순위화한다.
상기 패턴 수집 및 특성 결정은 사용자가 방송을 시청하지 않는 시간에도 주기적으로 새로운 패턴을 수집하여 최적으로 선호 패턴 및 비선호 패턴으로 분류하여 관리할 수 있다. 이러한 자동적인 사용자별 행동패턴 관찰은 사용자의 최신의 선호 정보를 관리하는데 유리하다.
이어서, S240 단계에서 상기 선호정보 확장부(120)는 상기 순위화된 사용자별 선호정보를 온톨로지 맵핑을 통해 개념화한다.
그리고, S250 단계에서 상기 개념화된 사용자별 선호정보의 키워드 정보를 확장하여 개념 벡터를 추출한다. 이에 따라 사용자 선호정보의 키워드 정보를 기본 키워드 벡터(original keyword vector: okv)와 개념 키워드 벡터(concept keyword vector: ckv)로 나누어 관리할 수 있다. 상기 기본 키워드 벡터 및 개념 키워드 벡터는 상기 [수학식 2]에 의해 정의된다.
이어서, S260 단계에서 상기 선호 콘텐츠 추천부(130)는 상기 확장된 선호정 보와 각 콘텐츠의 메타데이터 정보와의 유사도(similarity: sim)를 점수화 및 순위화하여 사용자가 선호할 것으로 예측되는 콘텐츠들을 추천한다. 이때, 각 콘텐츠의 점수(score)는 상기 [수학식 3] 및 [수학식 4]를 통해 산출될 수 있다.
상술한 바와 같은 본 발명의 방법들은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 형태로 기록매체(예컨대, 씨디롬, 램, 플로피 디스크, 하드 디스크, 광자기 디스크, 플래쉬 메모리 등)에 저장될 수 있다.
이상에서는 본 발명에서 특정의 바람직한 실시 예에 대하여 도시하고 또한 설명하였다. 그러나 본 발명은 상술한 실시 예에 한정되지 아니하며, 특허 청구의 범위에서 첨부하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능할 것이다.
도 1은 본 발명의 일 실시 예에 따른 맞춤형 방송 시스템의 선호 정보 관리 장치의 구성을 나타내는 구성도.
도 2는 본 발명의 다른 실시 예에 따른 맞춤형 방송 시스템의 선호 정보 관리 방법의 절차를 나타내는 흐름도.

Claims (26)

  1. 사용자의 시청 패턴을 기반으로 사용자의 선호 정보를 분석하는 선호정보 분석 수단과;
    상기 선호정보 분석 수단으로부터 출력되는 사용자 선호 정보를 온톨로지 매핑(Ontology mapping)을 통해 개념화하고, 개념화된 사용자 선호정보의 키워드 정보를 이용하여 상기 사용자 선호 정보를 확장하는 선호정보 확장 수단과;
    상기 선호정보 확장 수단에 의해 확장된 선호정보의 빈도를 기반으로 사용자의 선호도가 높은 콘텐츠를 추천하는 선호 콘텐츠 추천 수단을 포함하여 구성되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
  2. 제 1항에 있어서, 상기 선호정보 분석 수단은
    사용자별 시청 패턴을 수집하는 패턴 수집 수단과;
    상기 패턴 수집 수단에 의해 수집된 시청 패턴을 기반으로 선호 패턴과 비선호 패턴의 특성을 결정하는 특성 예측 수단과;
    상기 특성 예측 수단에서 결정된 특성을 정량화하여 선호 정보의 순위를 결정하는 선호도 예측 수단을 포함하여 구성되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
  3. 제 2항에 있어서, 상기 패턴 수집 수단은
    사용자 기기들로부터 입력되는 신호로부터 사용자별 시청 패턴을 추출하여 수집하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
  4. 제 2항에 있어서, 상기 특성 예측 수단은
    상기 패턴 수집 수단에 의해 수집된 시청 패턴의 상호 정보(Mutual Information: MI) 값을 산출한 후 산출된 MI값과 전체 패턴의 평균 상호 정보(MIavg)값을 기준으로 선호 패턴과 비선호 패턴으로 특성을 분류하여 관리하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
  5. 제 4항에 있어서, 상기 특성 예측 수단은
    상기 MIavg와 0보다 큰 MI값을 갖는 패턴을 선호 패턴으로, 0보다 작은 MI값을 갖는 패턴을 비선호 패턴으로 결정하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
  6. 제 4항에 있어서, 상기 MI 값은
    하기 [수학식 5]에 의해 산출되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
    Figure 112007063408899-pat00028
    Figure 112007063408899-pat00029
    는 패턴 A의 빈도수이고,
    Figure 112007063408899-pat00030
    는 사용자의 패턴 풀에서 패턴 A가 나타날 확률이며,
    Figure 112007063408899-pat00031
    는 사용자가 선호 프로그램을 시청하는 동안에 패턴 A가 나타날 확률을 의미한다.
  7. 제 2항에 있어서, 상기 선호도 예측 수단은
    상기 특성 예측 수단에 의해 결정된 선호패턴의 선호도를 점수화하고, 여기에 비선호패턴의 비선호도를 반영하여 사용자별 선호정보를 순위화하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
  8. 제 1항에 있어서, 상기 선호정보 확장 수단은
    상기 선호정보 분석 수단으로부터 출력되는 상기 사용자 선호정보를 상기 온톨로지 맵핑을 통해 개념화하는 온톨로지 맵핑 수단과;
    상기 온톨로지 맵핑 수단으로부터 출력되는 상기 개념화된 사용자 선호정보의 키워드 정보를 이용하여 개념 벡터를 추출하는 개념벡터 추출 수단을 포함하여 구성되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
  9. 제 8항에 있어서, 상기 개념벡터 추출 수단은
    개념벡터 추출을 통해 사용자 선호정보의 키워드 정보를 기본 키워드 벡터(original keyword vector: okv)와 개념 키워드 벡터(concept keyword vector: ckv)로 나누어 관리하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
  10. 제 9항에 있어서, 상기 기본 키워드 벡터 및 개념 키워드 벡터는
    하기 [수학식 6]에 의해 정의되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
    ckvi = {c1, c2, , ck} k = # of concept
    okvi = {w1, w2, , wk'} k'= # of uniq word
    여기에서, i는 사용자, c는 개념화된 사용자 i의 선호정보에서 각 개념 k의 등장 빈도수, w는 사용자 i의 선호정보에서 각 기본 키워드 k'의 등장 빈도수를 의미한다.
  11. 제 1항에 있어서, 상기 선호 콘텐츠 추천 수단은
    상기 선호정보 확장 수단에 의해 확장된 선호정보와 각 콘텐츠의 메타데이터 정보와의 유사도(similarity: sim)를 점수화 및 순위화하여 사용자가 선호할 것으로 예측되는 콘텐츠들을 추천하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
  12. 제 11항에 있어서, 상기 선호 콘텐츠 추천 수단은
    상기 선호정보 확장 수단에 의해 확장된 선호정보의 각 요소들의 벡터와 각 콘텐츠의 해당 메타데이터 정보의 벡터를 하기 [수학식 7]의 코사인 유사도 계산에 의해 벡터 유사도를 측정한 후 그 평균 유사도를 점수화하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
    Figure 112007063408899-pat00032
  13. 제 12항에 있어서, 상기 점수화는
    하기 [수학식 8]의 점수(score) 계산에 의해 수행되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 장치.
    Figure 112007063408899-pat00033
    Figure 112007063408899-pat00034
    여기에서
    Figure 112007063408899-pat00035
    ,
    Figure 112007063408899-pat00036
    는 각 요소벡터 유사도의 가중치, N은 선호정보에서 벡터 화하고 있는 요소의 개수를 의미한다.
  14. 사용자의 시청 패턴을 기반으로 사용자의 선호 정보를 분석하는 단계와;
    상기 분석된 사용자 선호 정보를 온톨로지 매핑(Ontology mapping)을 통해 개념화하는 단계와;
    개념화된 사용자 선호정보의 키워드 정보를 이용하여 상기 사용자 선호정보를 확장하는 단계와;
    상기 확장된 선호정보의 빈도를 기반으로 사용자의 선호도가 높은 콘텐츠를 추천하는 단계를 포함하여 이루어지는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
  15. 제 14항에 있어서, 상기 분석 단계는
    사용자별 시청 패턴을 수집하는 단계와;
    상기 수집된 시청 패턴을 기반으로 선호 패턴과 비선호 패턴의 특성을 결정하는 단계와;
    상기 결정된 특성을 정량화하여 선호 정보의 순위를 결정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
  16. 제 15항에 있어서, 상기 특성 결정 단계는
    상기 수집된 시청 패턴의 상호 정보(Mutual Information: MI) 값을 구한 후 이를 전체 패턴의 평균 상호 정보(MIavg)값을 기준으로 선호 패턴과 비선호 패턴으 로 특성을 분류하여 관리하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
  17. 제 16항에 있어서, 상기 MIavg와 0보다 큰 MI를 갖는 패턴은 선호 패턴으로 결정되고, 0보다 작은 MI를 갖는 패턴은 비선호 패턴으로 결정되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
  18. 제 16항에 있어서, 상기 MI 값은
    하기 [수학식 9]에 의해 산출되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
    Figure 112007063408899-pat00037
    Figure 112007063408899-pat00038
    는 패턴 A의 빈도수이고,
    Figure 112007063408899-pat00039
    는 사용자의 패턴 풀에서 패턴 A가 나타날 확률이며,
    Figure 112007063408899-pat00040
    는 사용자가 선호 프로그램을 시청하는 동안에 패턴 A가 나타날 확률을 의미한다.
  19. 제 15항에 있어서, 상기 순위 결정 단계는
    상기 결정된 선호패턴의 선호도를 점수화하고, 여기에 비선호패턴의 비선호도를 반영하여 사용자별 선호정보를 순위화하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
  20. 제 14항에 있어서, 상기 확장 단계는
    상기 개념화된 사용자별 선호정보의 키워드 정보를 이용하여 개념 벡터를 추출하는 단계를 포함하여 이루어지는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
  21. 제 20항에 있어서, 상기 개념벡터 추출 단계는
    사용자 선호정보의 키워드 정보를 기본 키워드 벡터(original keyword vector: okv)와 개념 키워드 벡터(concept keyword vector: ckv)로 나누어 관리하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
  22. 제 21항에 있어서, 상기 기본 키워드 벡터 및 개념 키워드 벡터는
    하기 [수학식 10]에 의해 정의되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
    ckvi = {c1, c2, , ck} k = # of concept
    okvi = {w1, w2, , wk'} k'= # of uniq word
    여기에서, i는 사용자, c는 개념화된 사용자 i의 선호정보에서 각 개념 k의 등장 빈도수, w는 사용자 i의 선호정보에서 각 기본 키워드 k'의 등장 빈도수를 의미한다.
  23. 제 14항에 있어서, 상기 추천 단계는
    상기 확장된 선호정보와 각 콘텐츠의 메타데이터 정보와의 유사도(similarity: sim)를 점수화 및 순위화하여 사용자가 선호할 것으로 예측되는 콘텐츠들을 추천하는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
  24. 제 23항에 있어서, 상기 추천 단계는
    상기 확장된 선호정보의 각 요소들의 벡터와 각 콘텐츠의 해당 메타데이터 정보의 벡터를 하기 [수학식 11]의 코사인 유사도 계산에 의해 벡터 유사도를 측정한 후 그 평균 유사도의 점수화에 의해 수행되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
    Figure 112007063408899-pat00041
  25. 제 24항에 있어서, 상기 점수화는
    하기 [수학식 12]의 점수(score) 계산에 의해 수행되는 것을 특징으로 하는 맞춤형 방송 시스템의 선호 정보 관리 방법.
    Figure 112007063408899-pat00042
    Figure 112007063408899-pat00043
    여기에서
    Figure 112007063408899-pat00044
    ,
    Figure 112007063408899-pat00045
    는 각 요소벡터 유사도의 가중치, N은 선호정보에서 벡터화하고 있는 요소의 개수를 의미한다.
  26. 사용자의 시청 패턴을 기반으로 사용자의 선호 정보를 분석하는 단계와;
    상기 분석된 사용자 선호 정보를 온톨로지 매핑(Ontology mapping)을 통해 개념화하는 단계와;
    개념화된 사용자 선호 정보의 키워드 정보를 이용하여 상기 사용자 선호 정보를 확장하는 단계와;
    상기 확장된 선호정보의 빈도를 기반으로 사용자의 선호도가 높은 콘텐츠를 추천하는 단계를 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체.
KR1020070087888A 2007-08-30 2007-08-30 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법 KR100871873B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070087888A KR100871873B1 (ko) 2007-08-30 2007-08-30 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070087888A KR100871873B1 (ko) 2007-08-30 2007-08-30 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법

Publications (1)

Publication Number Publication Date
KR100871873B1 true KR100871873B1 (ko) 2008-12-03

Family

ID=40371845

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070087888A KR100871873B1 (ko) 2007-08-30 2007-08-30 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법

Country Status (1)

Country Link
KR (1) KR100871873B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101043623B1 (ko) 2009-03-18 2011-06-24 주식회사 케이티 컨텐츠 푸쉬 장치 및 방법
CN102630049A (zh) * 2011-12-31 2012-08-08 上海聚力传媒技术有限公司 一种用于确定用户关于在播视频的兴趣度的方法和设备
KR101471940B1 (ko) * 2012-02-03 2014-12-24 한국과학기술원 Tv 프로그램 콘텐츠와 웹 콘텐츠의 연계추천 장치, 시스템, 방법 및 그 방법을 실행하는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
KR101496181B1 (ko) * 2013-10-04 2015-03-02 성균관대학교산학협력단 컨텐츠의 주제를 사용하는 컨텐츠 추천 방법 및 장치
KR101607698B1 (ko) * 2009-09-04 2016-03-30 주식회사 케이티 인터넷 프로토콜 텔레비젼 검색 서비스 시스템 및 방법
WO2017196013A1 (en) * 2016-05-10 2017-11-16 Samsung Electronics Co., Ltd. Electronic device and method for providing content
KR20220033941A (ko) * 2020-09-10 2022-03-17 주식회사 엘지유플러스 Vod 컨텐츠 추천 방법 및 장치
WO2024096276A1 (ko) * 2022-11-03 2024-05-10 캡슐미디어 주식회사 컨텐츠 분석 및 컨텐츠 추천 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100525072B1 (ko) * 2005-03-31 2005-10-28 대한민국 온톨로지 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100525072B1 (ko) * 2005-03-31 2005-10-28 대한민국 온톨로지 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문 : IEEE

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101043623B1 (ko) 2009-03-18 2011-06-24 주식회사 케이티 컨텐츠 푸쉬 장치 및 방법
KR101607698B1 (ko) * 2009-09-04 2016-03-30 주식회사 케이티 인터넷 프로토콜 텔레비젼 검색 서비스 시스템 및 방법
CN102630049A (zh) * 2011-12-31 2012-08-08 上海聚力传媒技术有限公司 一种用于确定用户关于在播视频的兴趣度的方法和设备
CN102630049B (zh) * 2011-12-31 2014-12-10 上海聚力传媒技术有限公司 一种用于确定用户关于在播视频的兴趣度的方法和设备
KR101471940B1 (ko) * 2012-02-03 2014-12-24 한국과학기술원 Tv 프로그램 콘텐츠와 웹 콘텐츠의 연계추천 장치, 시스템, 방법 및 그 방법을 실행하는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
KR101496181B1 (ko) * 2013-10-04 2015-03-02 성균관대학교산학협력단 컨텐츠의 주제를 사용하는 컨텐츠 추천 방법 및 장치
WO2017196013A1 (en) * 2016-05-10 2017-11-16 Samsung Electronics Co., Ltd. Electronic device and method for providing content
US11023525B2 (en) 2016-05-10 2021-06-01 Samsung Electronics Co., Ltd Electronic device and method for providing content
KR20220033941A (ko) * 2020-09-10 2022-03-17 주식회사 엘지유플러스 Vod 컨텐츠 추천 방법 및 장치
KR102399834B1 (ko) * 2020-09-10 2022-05-18 주식회사 엘지유플러스 Vod 컨텐츠 추천 방법 및 장치
WO2024096276A1 (ko) * 2022-11-03 2024-05-10 캡슐미디어 주식회사 컨텐츠 분석 및 컨텐츠 추천 방법

Similar Documents

Publication Publication Date Title
KR100871873B1 (ko) 맞춤형 방송 시스템의 선호 정보 관리 장치 및 방법
CN110209843B (zh) 多媒体资源播放方法、装置、设备及存储介质
US9402101B2 (en) Content presentation method, content presentation device, and program
US8244751B2 (en) Information processing apparatus and presenting method of related items
JP4636147B2 (ja) 情報処理装置および方法、プログラム、並びに記録媒体
US8750681B2 (en) Electronic apparatus, content recommendation method, and program therefor
CN107832437B (zh) 音/视频推送方法、装置、设备及存储介质
CN102265276B (zh) 基于上下文的推荐***
KR101061234B1 (ko) 정보처리 장치와 방법, 및 기록 매체
US9092829B2 (en) Generating audience response metrics and ratings from social interest in time-based media
JP4650541B2 (ja) 推薦装置および方法、プログラム、並びに記録媒体
US8200667B2 (en) Method and apparatus for constructing user profile using content tag, and method for content recommendation using the constructed user profile
KR102008000B1 (ko) 매체 프로그램들 사이의 유사성 계산
CN109511015B (zh) 多媒体资源推荐方法、装置、存储介质及设备
JP5285196B1 (ja) お薦めコンテンツ提供装置、お薦めコンテンツ提供プログラムおよびお薦めコンテンツ提供方法
EP2116969A1 (en) Advertisement distribution system, advertisement distribution server, advertisement distribution method, program, and recording medium
KR101022886B1 (ko) 사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템
JP4370850B2 (ja) 情報処理装置および方法、プログラム、並びに記録媒体
KR20120088650A (ko) 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체
KR100970335B1 (ko) 사용자의 관심 키워드를 업데이트 하는 방법과 그 방법을수행하기 위한 시스템
US8174579B2 (en) Related scene addition apparatus and related scene addition method
KR101051804B1 (ko) 웹 기반의 미디어 콘텐츠를 위한 선호도 정보 관리 시스템
JP2004362019A (ja) 情報推薦装置、情報推薦方法、情報推薦プログラム及び記録媒体
WO2016206035A1 (zh) 一种信息推荐方法及用户终端
JP2006094018A (ja) 番組推薦装置、番組推薦方法、プログラムおよびそのプログラムを記録した記録媒体

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee