KR101062927B1 - 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 - Google Patents
적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 Download PDFInfo
- Publication number
- KR101062927B1 KR101062927B1 KR1020110000651A KR20110000651A KR101062927B1 KR 101062927 B1 KR101062927 B1 KR 101062927B1 KR 1020110000651 A KR1020110000651 A KR 1020110000651A KR 20110000651 A KR20110000651 A KR 20110000651A KR 101062927 B1 KR101062927 B1 KR 101062927B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- information
- specific
- topic information
- thing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 2
- 229940061368 sonata Drugs 0.000 description 28
- 230000006870 function Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000533293 Sesbania emerus Species 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- UZCGKGPEKUCDTF-UHFFFAOYSA-N fluazinam Chemical compound [O-][N+](=O)C1=CC(C(F)(F)F)=C(Cl)C([N+]([O-])=O)=C1NC1=NC=C(C(F)(F)F)C=C1Cl UZCGKGPEKUCDTF-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
특정 사용자의 성향과 유사한 특정 타사용자를 추천하기 위한 방법에 있어서, (a) 특정 사용자 및 임의의 타사용자가 각각 별도로 기선택한 사물 정보를 획득하는 단계, (b) 사물 정보를 각 사물마다의 특성을 참조로 하여 그룹핑한 정보를 토픽 정보로서 획득하는 단계, (c) 특정 사용자 및 임의의 타사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 단계, (d) 특정 사용자, 임의의 타사용자와 토픽 정보의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 참조로 하여, 임의의 타사용자 중 제k 타사용자가 특정 사용자와 동시에 특정 사물을 선택하였을 확률로서 제k 타사용자와 특정 사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 특정 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사용자 유사도를 타사용자별로 구하는 단계, 및 (e) 제1 내지 제r 타사용자 중 사용자 유사도가 높은 특정 타사용자를 특정 사용자의 성향과 유사한 사용자로서 추천하는 단계를 포함하는 방법이 제공된다. 본 발명에 의하면, 사물을 포괄하는 개념인 토픽에 관한 정보를 이용하여 특정 사용자와 타사용자의 유사도를 구하므로, 사물의 종류가 매우 많은 경우에도 보다 폭넓고 정확하게 유사한 성향을 가지는 타사용자를 찾아낼 수 있게 되는 효과가 달성된다.
Description
본 발명은 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체에 관한 것으로, 보다 상세하게는, 특정 사용자와 임의의 타사용자가 각각 별도로 기선택한 사물 정보를 획득하고 각 사물마다의 특성을 참조로 하여 획득된 사물 정보를 그룹핑한 정보를 토픽 정보로서 획득한 후 특정 사용자 및 임의의 타사용자가 각각 어떠한 토픽 정보에 대응되는지를 판단하고, 사용자 및 임의의 타사용자와 토픽 정보 사이의 대응 관계와 토픽 정보와 사물 정보의 대응 관계를 참조로 하여 특정 사용자와 타사용자 간의 사용자 유사도를 타사용자별로 구하고, 타사용자들 중 사용자 유사도가 높은 특정 타사용자를 특정 사용자의 성향과 유사한 사용자로서 추천하거나, 특정 사용자와 토픽 정보 사이의 대응 관계와 토픽 정보와 사물 정보의 대응 관계를 참조로 하여 특정 사용자와 사물 각각의 사물 유사도를 구하고, 이 중 높은 사물 유사도를 점하는 특정 사물을 특정 사용자와 가장 관련성이 높은 특정 사물로서 결정한 후, 이러한 특정 사물을 특정 사용자와 관련도가 높은 특정 타사용자에게 추천함으로써 보다 폭넓고 정확하게 타사용자 또는 사물을 추천할 수 있도록 하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
근래에 들어, 인터넷 기술이 비약적으로 발전됨에 따라, 인터넷을 이용하여 사용자 사이에 네트워크를 형성하고 이를 이용하여 다양한 서비스를 제공해 주는 소셜 네트워크 서비스(SNS)가 각광받고 있는 실정이다.
특히, 이러한 소셜 네트워크 서비스의 가장 핵심적인 기능 중 하나가 사용자에게 다양한 다른 사용자를 소개시켜 줌으로써 온라인 상에서 사용자가 자신의 인맥을 넓힐 수 있도록 해주는 기능(소위, 친구 추천 기능)인데, 이러한 친구 추천 기술로서 많이 소개되고 있는 종래기술로는 네트워크 상의 사용자가 각자 관심을 두고 있는 사물에 관한 정보를 분석하여 특정 사용자에게 자신과 유사한 성향을 가진 기타 사용자를 추천해 주는 기술이 있었다. 예를 들면, A사용자는 커피숍 중에서 스타벅스와 커피빈을 주로 이용하고, B사용자는 탐앤탐스와 파스쿠찌를 주로 이용하며, C 사용자는 스타벅스와 카페베네를 주로 이용하는 사람인 경우, A사용자에겐 A사용자와 더 유사한 성향을 가진 것으로 판단되는 C 사용자를 추천하여 주는 것이다.
다만, 위와 같이 단순하게 사용자와 사물의 대응 관계를 이용하는 종래기술의 경우, 사물의 종류가 너무나도 방대하여 동일하게 특정 사물이 선택되는 빈도가 그다지 높지 않았는바, 유사한 성향을 가지는 사용자를 발견하는 것이 매우 곤란하였다. 즉, 상기의 예에서, A, B, C 사용자가 공통으로 관심 있어 하는 커피숍이 존재하지 않는 경우에는 A, B, C 각 사용자는 모두 커피를 좋아하는 사용자들임에도 불구하고 서로 비유사한 성향을 가진 사용자로 분류되어 버리는 문제가 발생하였다. 그나마 종류가 적은 커피숍에서 벗어나 보다 다양한 상품류 등이 존재하는 경우를 상정해 본다면, 더더욱 이러한 문제에 직면하게 될 것이다.
따라서, 본 출원인은 사물 개념보다 더 포괄적인 개념에 해당하는 토픽 개념을 도입하여 각 사용자 사이의 유사도를 보다 폭넓게 산출하고, 특정 사용자와 비슷한 성향을 가진 다른 사용자에게 공통 성향의 특정 사물을 추천하여 줄 수 있도록 지원하는 기술을 개발하기에 이르렀다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은 사용자들이 선택한 사물을 각 사물마다의 공통되는 특성을 참조로 하여 그룹핑한 토픽 정보를 획득하고, 이러한 토픽 정보를 매개로 하여 특정 사용자의 성향과 유사한 타사용자를 보다 폭넓고 정확하게 찾아낼 수 있도록 하는 것을 다른 목적으로 한다.
또한, 본 발명은 특정 사용자와 유사한 성향을 가지는 타사용자에게 특정 사용자가 기선택한 사물을 추천함에 있어서 토픽 정보를 이용하여 보다 신속하고 정확하게 추천될 사물을 결정할 수 있도록 하는 것을 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 특정 사용자의 성향과 유사한 특정 타사용자를 추천하기 위한 방법에 있어서, (a) 상기 특정 사용자 및 임의의 타사용자가 각각 별도로 기선택한 사물 정보를 획득하는 단계 - 상기 임의의 타사용자는 제1 내지 제r 타사용자를 포함하고 상기 사물 정보는 제1 내지 제s 사물을 포함하며, 상기 제1 내지 제s 사물 중 특정 사물은 상기 특정 사용자에 의해 선택됨 -, (b) 상기 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득하는 단계 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -, (c) 상기 특정 사용자 및 상기 임의의 타사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 단계, (d) 상기 특정 사용자, 상기 임의의 타사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 임의의 타사용자 중 제k 타사용자가 상기 특정 사용자와 동시에 특정 사물을 선택하였을 확률로서 상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사용자 유사도를 타사용자별로 구하는 단계 - 상기 k는 1 이상 r 이하임 -, 및 (e) 상기 제1 내지 제r 타사용자 중 상기 사용자 유사도가 높은 상위 등수의 특정 타사용자를 상기 특정 사용자의 성향과 유사한 사용자로서 추천하는 단계를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 특정 사용자의 성향과 유사한 특정 사물을 타사용자에게 추천하기 위한 방법에 있어서, (a) 전체 사물 정보 중 상기 특정 사용자가 기선택한 사물에 대한 정보를 획득하는 단계, (b) 상기 전체 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득하는 단계 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -, (c) 상기 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 상기 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 단계, (d) 상기 특정 사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사용자가 기선택한 각각의 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사물 유사도를 구하고, 이중 상위 k의 사물 유사도를 점하는 k개의 특정 사물을 상기 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별하는 단계, 및 (e) 상기 특정 사용자와 관련도가 높은 특정 타사용자에 대한 정보를 참조로 하여, 상기 특정 타사용자에게 상기 k개의 특정 사물에 대한 정보를 제공하는 단계를 포함하는 방법이 제공된다.
본 발명의 또 다른 태양에 따르면, 특정 사용자의 성향과 유사한 특정 사물을 타사용자에게 추천하기 위한 방법에 있어서, (a) 전체 사물 정보 중 상기 특정 사용자가 기선택한 사물에 대한 정보를 획득하는 단계, (b) 상기 전체 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득하는 단계 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -, (c) 상기 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 상기 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 단계, (d) 상기 특정 사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 각각을 가지는 확률 중 높은 확률을 가지는 상위 h개의 토픽 정보를 결정하고, 상기 상위 h개의 토픽 정보를 대상으로 하여 해당하는 각각의 사물이 나타날 확률이 높은 경우의 상위 k개의 사물을 상기 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별하는 단계, 및 (e) 상기 특정 사용자와 관련도가 높은 특정 타사용자에 대한 정보를 참조로 하여, 상기 특정 타사용자에게 상기 k개의 특정 사물에 대한 정보를 제공하는 단계를 포함하는 방법이 제공된다.
본 발명의 또 다른 태양에 따르면, 특정 사용자의 성향과 유사한 특정 타사용자를 추천하기 위한 시스템에 있어서, 상기 특정 사용자 및 임의의 타사용자가 각각 별도로 기선택한 사물 정보를 획득하고 - 상기 임의의 타사용자는 제1 내지 제r 타사용자를 포함하고 상기 사물 정보는 제1 내지 제s 사물을 포함하며, 상기 제1 내지 제s 사물 중 특정 사물은 상기 특정 사용자에 의해 선택됨 -, 획득된 상기 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득하여, 상기 특정 사용자 및 상기 임의의 타사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 대응 관계 판단부 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -, 상기 특정 사용자, 상기 임의의 타사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 임의의 타사용자 중 제k 타사용자가 상기 특정 사용자와 동시에 특정 사물을 선택하였을 확률로서 상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사용자 유사도를 타사용자별로 구하는 유사도 산출부 - 상기 k는 1 이상 r 이하임 -, 및 상기 제1 내지 제r 타사용자 중 상기 사용자 유사도가 높은 상위 등수의 특정 타사용자를 상기 특정 사용자의 성향과 유사한 사용자로서 추천하는 추천 정보 제공부를 포함하는 시스템이 제공된다.
본 발명의 또 다른 태양에 따르면, 특정 사용자의 성향과 유사한 특정 사물을 타사용자에게 추천하기 위한 시스템에 있어서, 전체 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득한 후 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -, 상기 전체 사물 정보 중 상기 특정 사용자가 기선택한 사물에 대한 정보를 획득하고, 상기 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 상기 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 대응 관계 판단부, 상기 특정 사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사용자가 기선택한 각각의 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사물 유사도를 구하고, 이중 상위 k의 사물 유사도를 점하는 k개의 특정 사물을 상기 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별하는 유사도 산출부, 및 상기 특정 사용자와 관련도가 높은 특정 타사용자에 대한 정보를 참조로 하여, 상기 특정 타사용자에게 상기 k개의 특정 사물에 대한 정보를 제공하는 추천 정보 제공부를 포함하는 시스템이 제공된다.
본 발명의 또 다른 태양에 따르면, 특정 사용자의 성향과 유사한 특정 사물을 타사용자에게 추천하기 위한 시스템에 있어서, 전체 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득한 후 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -, 상기 전체 사물 정보 중 상기 특정 사용자가 기선택한 사물에 대한 정보를 획득하고, 상기 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 상기 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 대응 관계 판단부, 상기 특정 사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 각각을 가지는 확률 중 높은 확률을 가지는 상위 h개의 토픽 정보를 결정하고, 상기 상위 h개의 토픽 정보를 대상으로 하여 해당하는 각각의 사물이 나타날 확률이 높은 경우의 상위 k개의 특정 사물을 상기 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별하는 유사도 산출부, 및 상기 특정 사용자와 관련도가 높은 특정 타사용자에 대한 정보를 참조로 하여, 상기 특정 타사용자에게 상기 k개의 특정 사물에 대한 정보를 제공하는 추천 정보 제공부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하기 위한 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 사물을 포괄하는 개념인 토픽에 관한 정보를 이용하여 특정 사용자와 타사용자의 유사도를 구하므로, 사물의 종류가 매우 많은 경우에도 보다 폭넓고 정확하게 유사한 성향을 가지는 타사용자를 찾아낼 수 있게 된다.
또한, 본 발명에 의하면 특정 사용자와 유사한 성향을 가지는 타사용자에게 특정 사용자가 기선택한 사물을 추천함에 있어서 보다 신속하고 정확하게 추천될 사물이 결정될 수 있도록 할 수 있다.
도 1은 본 발명의 일 실시예에 따라 특정 사용자의 성향과 유사한 특정 타사용자 및 특정 사물을 추천하기 위한 전체 시스템의 구성을 개략적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 사용자/사물 추천 시스템(200)의 내부 구성을 예시적으로 나타내는 도면이다.
도 3은 특정 사용자 및 임의의 타사용자와 토픽 정보 사이의 대응 관계와 토픽 정보와 사물 정보의 대응 관계를 예시적으로 나타내는 도면이다.
도 4는 특정 사용자와 토픽 정보의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 예시적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 사용자/사물 추천 시스템(200)의 내부 구성을 예시적으로 나타내는 도면이다.
도 3은 특정 사용자 및 임의의 타사용자와 토픽 정보 사이의 대응 관계와 토픽 정보와 사물 정보의 대응 관계를 예시적으로 나타내는 도면이다.
도 4는 특정 사용자와 토픽 정보의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 예시적으로 나타내는 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
[본 발명의 바람직한 실시예]
본 발명의 명세서에서, 토픽(토픽 정보)이란, 사용자들의 주변에 존재하는 사물마다의 특성을 참조로 하여 공통된 특성의 사물을 묶어 그룹핑한 정보를 의미하는 것으로 이해될 수 있다. 예를 들면, 사용자에 의해 선택 가능한(또는 콜렉션 가능한) 사물로서 쏘나타, 아반테, 마티즈, 제네시스가 있는 경우, 이러한 사물들은 모두 자동차라는 공통된 특성도 있고 국산이라는 공통된 특성도 갖고 있는바 자동차라는 토픽에 해당되면서도 국산이라는 토픽에 해당되는 것으로 분류될 수 있을 것이다. 참고로, 상기 토픽 정보는 사용자들에게 공개되지 않는 히든 상태(hidden state)인 것을 특징으로 할 수 있다.
전체 시스템의 구성
도 1은 본 발명의 일 실시예에 따라 임의의 사용자의 성향과 유사한 특정 타사용자 및 특정 사물을 추천하기 위한 전체 시스템의 구성을 개략적으로 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은, 통신망(100), 사용자/사물 추천 시스템(200), 사용자 단말 장치(300)로 구성될 수 있다.
먼저, 본 발명의 일 실시예에 따르면, 통신망(100)은 유선 및 무선과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 이동 통신망, 근거리 통신망(LAN: Local Area Network), 도시권 통신망(MAN: Metropolitan Area Network), 광역 통신망(WAN: Wide Area Network), 인공 위성 통신망 등 다양한 통신망으로 구성될 수 있다. 보다 구체적으로, 본 발명에서 말하는 통신망(100)은 공지의 월드와이드웹(WWW: World Wide Web), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access) 또는 GSM(Global System for Mobile communications) 통신망 등을 모두 포함하는 개념인 것으로 이해되어야 한다.
다음으로, 본 발명의 일 실시예에 따르면, 사용자/사물 추천 시스템(200)은, 특정 사용자와 임의의 타사용자가 각각 별도로 기선택한 사물 정보를 획득하고, 각 사물에 해당되는 토픽 정보를 획득하며, 이를 바탕으로 특정 사용자 및 임의의 타사용자가 각각 어떠한 토픽 정보에 대응되는지를 판단하는 기능을 수행할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 사용자/사물 추천 시스템(200)은, 특정 사용자, 임의의 타사용자와 토픽 정보 사이의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 참조로 하여, 임의의 타사용자 중 특정 사용자와 관련성이 높은 특정 타사용자를 결정하고 특정 사용자의 성향과 유사한 사용자로서 추천하는 기능을 수행할 수도 있다.
또한, 본 발명의 일 실시예에 따르면, 사용자/사물 추천 시스템(200)은, 특정 사용자, 임의의 타사용자와 토픽 정보 사이의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 참조로 하여, 특정 사용자와 관련성이 높은 특정 사물을 결정하고 이러한 특정 사물에 대한 정보를 특정 사용자와 관련도가 높은 특정 타사용자에게 추천하는 기능을 수행할 수도 있다.
사용자/사물 추천 시스템(200)의 내부 구성 및 각 구성요소에 대한 상세한 설명은 후술하기로 한다. 참고로, 사용자/사물 추천 시스템(200)은 사용자 추천 시스템과 사물 추천 시스템이 별도로 구성될 수도 있고 통합하여 구성될 수도 있음은 물론이라 할 것이다.
다음으로, 본 발명의 일 실시예에 따르면, 사용자 단말 장치(300)는 사용자가 자신이 관심 있는 사물을 선택하는 경우 이러한 사물 선택 요청을 사용자/사물 추천 시스템(200)에 전송하는 기능을 수행할 수 있고, 또한 사용자/사물 추천 시스템(200)으로부터 사용자의 성향과 유사한 것으로 추천된 타사용자나 특정 사물에 관한 정보를 수신하여 제공 받는 기능을 수행할 수 있다. 여기서, 사용자는 임의의 사물에 대한 정보를 콜렉션을 수행함으로써 해당 사물 정보를 선택하는 경우를 상정할 수도 있는데, 이러한 콜렉션의 대표적인 예로서는 각 사용자가 사용자 단말 장치(300)에 존재하는 카메라 모듈 등을 통해 임의의 사물에 대한 디지털 이미지를 생성하고 이에 대한 정보를 등록하는 경우를 생각해 볼 수 있을 것이나, 이에 한정되는 것은 아닐 것이다.
또한, 본 발명의 일 실시예에 따른 사용자 단말 장치(300)는 통신망(100) 또는 사용자/사물 추천 시스템(200)에 접속한 후 통신할 수 있도록 하는 기능을 포함하는 디지털 기기로서, 개인용 컴퓨터(예를 들어, 데스크탑 컴퓨터, 노트북 컴퓨터 등), 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 사용자 단말 장치(300)로서 채택될 수 있다.
사용자/사물 추천 시스템의 구성
도 2는 본 발명의 일 실시예에 따른 사용자/사물 추천 시스템(200)의 내부 구성을 예시적으로 나타내는 도면이다.
도 2를 참조하면, 사용자/사물 추천 시스템(200)은 대응 관계 판단부(210), 유사도 산출부(220), 추천 정보 제공부(230), 통신부(240) 및 제어부(250)를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 대응 관계 판단부(210), 유사도 산출부(220), 추천 정보 제공부(230), 통신부(240) 및 제어부(250)는 그 중 적어도 일부가 사용자/사물 추천 시스템(200)에 포함되거나 사용자/사물 추천 시스템(200)과 통신하는 프로그램 모듈들일 수 있다. 다만, 도 2에서 사용자/사물 추천 시스템(200)은 대응 관계 판단부(210), 유사도 산출부(220), 추천 정보 제공부(230), 통신부(240) 및 제어부(250)가 모두 사용자/사물 추천 시스템(200)에 포함되어 있는 것으로 예시하고 있다. 이러한 프로그램 모듈들은 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 사용자/사물 추천 시스템(200)에 포함될 수 있으며, 물리적으로 여러 가지 공지의 기억 장치 상에 저장될 수도 있다. 또한, 이러한 프로그램 모듈들은 사용자/사물 추천 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 이러한 프로그램 모듈들은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
먼저, 본 발명의 제1 실시예에 따르면, 대응 관계 판단부(210)는 특정 사용자와 임의의 타사용자가 각각 별도로 기선택한 사물 정보를 획득하고, 각 사물마다의 특성을 참조로 하여 그룹핑된 정보를 토픽 정보로서 획득한 후, 특정 사용자 및 임의의 타사용자가 각각 어떠한 토픽 정보에 대응되는지를 판단하는 기능을 수행할 수 있다. 이와 같이, 특정 사용자와 임의의 타사용자가 각각 별도로 기선택한 사물 정보를 획득하고 획득된 사물 정보를 그룹핑한 정보를 토픽 정보로서 획득하기 위하여 대응 관계 판단부(210)는 사용자와 사물에 관한 정보 및 사용자와 사물간의 기선택 관계에 관한 정보가 기록되어 있는 소정의 데이터베이스(미도시됨)와 연동될 수 있다. 한편, 이하의 명세서에서는, 임의의 타사용자는 제1 내지 제r 타사용자를 포함하고, 사물 정보는 제1 내지 제s 사물을 포함하며, 특정 사용자는 이러한 제1 내지 제s 사물 중 적어도 하나의 특정 사물을 기선택하여 놓은 경우를 상정하여 설명하기로 한다.
다음으로, 본 발명의 제1 실시예에 따르면, 유사도 산출부(220)는 특정 사용자 및 임의의 타사용자와 토픽 정보 사이의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 참조로 하여, 임의의 타사용자 중 제k 타사용자가(k는 1 이상 r 이하임) 특정 사용자와 동시에 특정 사물을 선택하였을 확률을 구하기 위해 제k 타사용자와 특정 사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 특정 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사용자 유사도를 타사용자별로 구하는 기능을 수행할 수 있다.
구체적으로, 유사도 산출부(220)는 제k 타사용자와 특정 사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 특정 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 특정 사물이 독립적으로 나타날 확률(즉, 소정의 데이터베이스(미도시됨) 상에 기록되어 있는 전체 사물 중 특정 사물이 발견될 확률로서 프리퀀시의 개념)을 곱함으로써 사용자 유사도를 구할 수 있으며, 여기서, 제k 타사용자와 특정 사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률은 제k 타사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률과 특정 사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률을 곱함으로써 구해질 수 있다.
이러한 사용자 유사도를 구하는 프로세스는 다음과 같이 수학식1로 표현될 수 있다.
[수학식 1]
수학식 1에서 볼 수 있는 바와 같이, 사용자(U)가 특정 사물(O)을 선택하였을 확률 P(U,O)는 특정 사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서(P(T|U)) 각각 해당 토픽 정보 상태에서 특정 사물이 나타날 확률(P(O|T))을 모든 토픽 정보에 대하여 합한 값에 특정 사물이 독립적으로 나타날 확률(P(O))을 곱함으로써 구해질 수 있으며, 이를 바탕으로 제k 타사용자가 특정 사용자와 동시에 특정 사물을 선택하였을 확률을 구하는 과정을 도 3을 참조하여 설명하면 이하와 같다.
도 3은 특정 사용자, 임의의 타사용자와 토픽 정보 사이의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 예시적으로 나타내는 도면이다.
도 3을 참조하면, me라는 사용자는 camry, sonata, avante라는 사물을, bob이라는 사용자는 accord라는 사물을, alice라는 사용자는 matiz, altima라는 사물을 각각 기선택하였는데, 대응 관계 판단부(210)는 이와 같이 기선택한 사물 정보에 해당되는 토픽 정보(가령, car 토픽, korea 토픽이 이에 해당됨. 참고로, youth토픽은 상기 사물에는 해당되지 않음.)와 이와 관련된 대응 관계를 획득할 수 있고, 유사도 산출부(220)는 이와 같은 대응 관계를 통해 특정 사용자가 특정 사물을 매개로 했을 때 어떠한 타사용자와 관련도가 높은지(즉, 사용자 유사도가 높은지)를 판단할 수 있다.
가령, 특정 사용자 me가 기선택한 특정 사물 sonata를 매개로 했을 때의 특정 사용자 me와 타사용자인 bob과 alice라는 사람 각각과의 사용자 유사도인 P(sonata, me, bob)(즉, me와 bob이 동시에 sonata를 선택하였을 확률)와 P(sonata, me, alice)(즉, me와 alice가 동시에 sonata를 선택하였을 확률)를 위와 같은 수학식 1을 이용하여 구해 보면 다음과 같다. 여기서, 하기 확률을 구함에 있어서, 각각의 관련되는 토픽(즉, car, korea)이 전부 매개로 사용되었음을 알 수 있다.
1) P(sonata, me, bob)
= P(sonata) * (P(car|me, bob) * P(sonata|car) + P(korea|me, bob) * P(sonata|korea))
= P(sonata) * (P(car|me) * P(car|bob) * P(sonata|car) + P(korea|me) * P(korea|bob) * P(sonata|korea))
= 1/6 * (1/2 * 1/2* 1/6 +1/2 * 0 *1/3)
= 1/144
2) P(sonata, me, alice)
= P(sonata) * (P(car|me, alice) * P(sonata|car) + P(korea|me,alice) * P(sonata|korea))
= P(sonata) * (P(car|me) * P(car|alice) * P(sonata|car) + P(korea|me) * P(korea|alice) * P(sonata|korea))
= 1/6 * (1/2 * 1/2* 1/6 +1/2 * 1/2 *1/3)
= 1/48
결과적으로, sonata를 매개로 할 경우에 bob보다 alice라는 타사용자가 특정 사용자 me와 사용자 유사도가 더 높은 사용자인 것으로 산출되는데, 이는, alice는 me와 동일하게 car 토픽과 korea 토픽에 관심이 많은 반면, bob은 car 토픽에 관심이 있지만 korea 토픽이 아닌 youth 토픽에 관심이 많은 사용자이기 때문이다.
한편, 본 발명의 제1 실시예에 따르면, 유사도 산출부(220)는 상기와 같은 단일 특정 사용자와의1:n 매칭에 의한 사용자 유사도를 구하는 개념을 확장하여, 복수의 특정 사용자 전체에 대해 타사용자와의 성향을 비교하여 사용자 유사도를 구하고 유사한 타사용자를 추천해 주는 m:n 매칭 방법을 상정할 수도 있을 것이다.
이러한, m:n 사용자 유사도를 구하는 과정에는 다음의 수학식2가 사용될 수 있다.
[수학식 2]
특정 사용자에 제1 내지 제m 특정 사용자가 포함되는 경우, 유사도 산출부(220)는 수학식 2에서 볼 수 있는 바와 같이, 특정 사용자별로 임의의 토픽 정보를 가지는 확률을 구하고 이러한 각각의 확률을 곱하여(P(T|U1)*‥*P(T|Um)) 제1 내지 제m 특정 사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률을 구할 수 있고, 이러한 확률에 임의의 타사용자(즉 U*)가 임의의 토픽 정보를 가지는 확률인 P(T|U*)을 곱하여 타사용자(U*)와 제1 내지 제m 특정 사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률을 구할 수 있으며, 이를 통해 복수의 특정 사용자와 타사용자(U*)의 사용자 유사도를 산출할 수 있으며, 이와 같은 과정을 타사용자별로 구하여 높은 사용자 유사도를 가지는 타사용자를 산출할 수 있다.
다음으로, 본 발명의 제1 실시예에 따르면, 추천 정보 제공부(230)는 제1 내지 제r 타사용자 중 높은 사용자 유사도 값이 산출된 특정 타사용자를 특정 사용자의 성향과 유사한 사용자로서 추천하는 기능을 수행할 수 있다.
다음으로, 본 발명의 제1 실시예에 따른 통신부(240)는 사용자/사물 추천 시스템(200)이 사용자 단말 장치(300) 등과 같은 외부 장치와 통신할 수 있도록 하는 기능을 수행할 수 있다.
다음으로, 본 발명의 제1 실시예에 따른 제어부(250)는, 대응 관계 판단부(210), 유사도 산출부(220), 추천 정보 제공부(230) 및 통신부(240) 간의 데이터의 흐름을 제어하는 기능을 수행한다. 즉, 제어부(250)는 외부로부터의 또는 사용자/사물 추천 시스템(200)의 각 구성요소 간의 데이터의 흐름을 제어함으로써, 대응 관계 판단부(210), 유사도 산출부(220), 추천 정보 제공부(230) 및 통신부(240)에서 각각 고유 기능을 수행하도록 제어한다.
이상에서는 본 발명의 제1 실시예에 따라 특정 사용자의 성향과 유사한 특정 타사용자를 추천하는 방법에 관하여 설명하였으며, 이하에서는 본 발명의 제2 실시예에 따라 특정 사용자의 성향과 유사한 특정 사물을 타사용자에게 추천하는 방법에 관하여 설명한다.
먼저, 본 발명의 제2 실시예에 따르면, 대응 관계 판단부(210)는 전체 사물 정보를 각 사물마다의 특성을 참조로 하여 그룹핑한 정보를 토픽 정보(제1 내지 제n 토픽을 포함함)로서 획득한 후, 전체 사물 정보 중 특정 사용자가 기선택한 사물에 대한 정보를 획득하고, 이러한 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지를 판단하는 기능을 수행할 수 있다. 이와 같이, 전체 사물 정보 중 특정 사용자가 기선택한 사물에 대한 정보를 획득하고, 이러한 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지를 판단하기 위하여 대응 관계 판단부(210)는 사용자와 사물에 관한 정보 및 사용자와 사물간의 기선택 관계에 관한 정보가 기록되어 있는 소정의 데이터베이스(미도시됨)와 연동될 수 있다.
다음으로, 본 발명의 제2 실시예에 따르면, 유사도 산출부(220)는 대응 관계 판단부(210)에 의해 판단된 특정 사용자와 토픽 정보의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 참조로 하여, 특정 사용자가 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 특정 사용자가 기선택한 각각의 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사물 유사도를 구하고, 이중 상위 k의 사물 유사도를 점하는 k개의 특정 사물을 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별하는 기능을 수행할 수 있다. 다만, 특정 사용자와 가장 관련성이 높은 특정 사물을 판별하는 방법은 위와 같은 방법에 한정되지 않으며, 본 발명의 제2 실시예에 따른 유사도 산출부(220)는 특정 사용자와 토픽 정보의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 참조로 하여, 특정 사용자가 제1 내지 제n 토픽 정보 각각을 가지는 확률 중 높은 확률을 가지는 상위 h개의 토픽 정보를 먼저 결정하고, 상위 h개의 토픽 정보를 대상으로 하여 해당하는 각각의 사물이 나타날 확률이 높은 경우의 상위 k개의 특정 사물을 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별할 수도 있다.
도 4는 특정 사용자와 토픽 정보의 대응 관계 및 토픽 정보와 사물 정보의 대응 관계를 예시적으로 나타내는 도면이다.
도 4를 참조하여 본 발명의 제2 실시예에 따른 유사도 산출부(220)가 특정 사용자 me와 가장 관련성이 높은 특정 사물을 판별하는 과정을 설명하면, 유사도 산출부(220)는 특정 사용자 me가 car 토픽, korea 토픽, book토픽 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 me가 기선택한 각각의 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사물 유사도를 다음과 같이 구할 수 있다.
1) P(camry, me)
= P(car|me) * P(camry|car) + P(korea|me) * P(camry|korea) + P(book|me) * P(camry|book)
= 1/2 * 1/5 + 1/2 * 0 + 0 * 0
= 1/10
2) P(sonata, me)
= P(car|me) * P(sonata|car) + P(korea|me) * P(sonata|korea) + P(book|me) * P(sonata|book)
= 1/2 * 1/5 + 1/2 * 1/3 + 0 * 0
= 4/15
3) P(avante, me)
= P(car|me) * P(avante|car) + P(korea|me) * P(avante|korea) + P(book|me) * P(avante|book)
= 1/2 * 1/5 + 1/2 * 1/3 + 0 * 0
= 4/15
4) P(accord, me)
= P(car|me) * P(accord|car) + P(korea|me) * P(accord|korea) + P(book|me) * P(accord|book)
= 1/2 * 1/5 + 1/2 * 0 + 0 * 0
= 1/10
5) P(matiz, me)
= P(car|me) * P(matiz|car) + P(korea|me) * P(matiz|korea) + P(book|me) * P(matiz|book)
= 1/2 * 1/5 + 1/2 * 1/3 + 0 * 0
= 4/15
6) P(Algebra, me)
= P(car|me) * P(Algebra|car) + P(korea|me) * P(Algebra|korea) + P(book|me) * P(Algebra|book)
= 0 * 0 + 0 * 0 + 0 * 1/2
= 0
7) P(Physics, me)
= P(car|me) * P(Physics|car) + P(korea|me) * P(Physics|korea) + P(book|me) * P(Physics|book)
= 0 * 0 + 0 * 0 + 0 * 1/2
= 0
결과적으로, sonata, avante, matiz의 사물 유사도 값이 가장 높아 특정 사용자 me와 가장 관련성이 높은 특정 사물로서 결정되는데, 이는 sonata, avante, matiz는 me가 관심 있어 하는 car 토픽 및 korea 토픽에 모두 대응되는 사물이기 때문이다.
한편, 위에서 볼 수 있는 바와 같이, Algebra와 Physics는 me와의 사물 유사도 값이 0인데, 이는 me가 Algebra와 Physics가 속하는 book 토픽에 전혀 관심이 없기 때문이다. 따라서, 본 발명의 제2 실시예에 따른 유사도 산출부(220)는 me가 car 토픽, korea 토픽, book토픽 정보 각각을 가지는 확률 중 높은 확률을 가지는 상위 2개(car 토픽, korea 토픽)의 토픽 정보를 먼저 결정하고, 이러한 토픽 정보만을 대상으로 하여 해당하는 각각의 사물이 나타날 확률이 높은 경우의 특정 사물을 특정 사용자 me와 가장 관련성이 높은 특정 사물로서 판별함으로써 전체적인 연산 횟수를 감소시킬 수 있을 것이다. 참고로, 이와 같이 특정 사용자 me와 가장 관련성이 높은 상위 몇몇 개의 특정 사물에 대한 정보를 상기 특정 사용자와 관련도가 높은 타사용자에게 제공하는 등의 서비스를 제공할 수 있을 것이며, 이는 이하의 예에도 그대로 적용된다 할 것이다.
또한, 본 발명의 제2 실시예에 따르면, 유사도 산출부(220)는 상기와 같은 사용자와 사물 간의 1:n 사물 유사도를 구하는 개념을 확장하여 특정 사용자가 제1 내지 제m 특정 사용자의 복수 사용자를 포함할 경우 복수의 특정 사용자와 가장 관련성이 높은 특정 사물을 판별하는 기능을 수행할 수도 있다.
구체적으로, 본 발명의 제2 실시예에 따른 유사도 산출부(220)는 각각의 특정 사용자가 제x 토픽 정보(x는 1 이상 n 이하임)를 가지는 확률을 구하고 각각의 구해진 확률을 곱하여 제1 내지 제m 특정 사용자가 제1 내지 제n 토픽 정보 중 제x 토픽 정보를 가지는 확률을 구한 후, 제1 내지 제m 특정 사용자가 제1 내지 제n 토픽 정보 각각을 가지는 확률 중 높은 확률을 가지는 상위 h개의 토픽 정보를 결정하고, 결정된 상위 h개의 토픽 정보를 대상으로 하여 해당하는 각각의 사물이 나타날 확률이 높은 경우의 상위 k개의 사물을 복수의 특정 사용자와 가장 관련성이 높은 특정 사물로서 결정할 수 있다. 다만, 이에 한정되는 것은 아니며, 다양한 변형예를 상정할 수 있을 것이다.
마지막으로, 본 발명의 제2 실시예에 따르면, 추천 정보 제공부(230)는 특정 사용자와 관련도가 높은 특정 타사용자를 선정하고, 이러한 특정 타사용자에게 특정 사용자와 관련성이 높은 k개의 특정 사물에 대한 정보를 제공하는 기능을 수행할 수 있다. 여기서, 추천 정보 제공부(230)가 특정 사용자와 관련도가 높은 특정 타사용자를 선정하는 과정에는 상기에서 설명한 바와 같은 본 발명의 제1 실시예가 적용될 수 있을 것이나 반드시 이에 한정되는 것은 아니며 다양한 변형예를 상정할 수 있을 것이다.
이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 통신말
200: 사용자/사물 추천 시스템
300: 사용자 단말 장치
210: 대응 관계 판단부
220: 유사도 산출부
230: 추천 정보 제공부
240: 통신부
250: 제어부
200: 사용자/사물 추천 시스템
300: 사용자 단말 장치
210: 대응 관계 판단부
220: 유사도 산출부
230: 추천 정보 제공부
240: 통신부
250: 제어부
Claims (27)
- 특정 사용자의 성향과 유사한 특정 타사용자를 추천하기 위한 방법에 있어서,
(a) 시스템이 상기 특정 사용자 및 임의의 타사용자가 각각 별도로 기선택한 사물 정보를 획득하는 단계 - 상기 임의의 타사용자는 제1 내지 제r 타사용자를 포함하고 상기 사물 정보는 제1 내지 제s 사물을 포함하며, 상기 제1 내지 제s 사물 중 특정 사물은 상기 특정 사용자에 의해 선택됨 -,
(b) 상기 시스템이 상기 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득하는 단계 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -,
(c) 상기 시스템이 상기 특정 사용자 및 상기 임의의 타사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 단계,
(d) 상기 특정 사용자, 상기 임의의 타사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 시스템이 상기 임의의 타사용자 중 제k 타사용자가 상기 특정 사용자와 동시에 특정 사물을 선택하였을 확률로서 상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사용자 유사도를 타사용자별로 구하는 단계 - 상기 k는 1 이상 r 이하임 -, 및
(e) 상기 시스템이 상기 제1 내지 제r 타사용자 중 상기 사용자 유사도가 높은 상위 등수의 특정 타사용자를 상기 특정 사용자의 성향과 유사한 사용자로서 추천하는 단계
를 포함하는 방법에 있어서,
상기 (d) 단계에서,
상기 사용자 유사도는,
상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 상기 특정 사물이 독립적으로 나타날 확률을 곱한 값으로 구해지는 것을 특징으로 하는 방법. - 삭제
- 제1항에 있어서,
상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률은 상기 제k 타사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률과 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률의 곱으로 구해지는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 토픽 정보는 상기 특정 사용자 및 상기 임의의 타사용자에게 공개되지 않는 히든 상태(hidden state)인 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 (a) 단계에서,
상기 특정 사용자 또는 상기 임의의 타사용자가 각각 별도로 임의의 사물의 정보에 대하여 콜렉션을 수행하는 경우, 상기 특정 사용자 또는 상기 임의의 타사용자가 상기 해당하는 사물 정보를 기선택한 것으로 취급하는 것을 특징으로 하는 방법. - 제5항에 있어서,
상기 콜렉션은,
상기 특정 사용자 또는 상기 임의의 타사용자가 각각 별도로 임의의 사물에 대하여 디지털 이미지를 생성하고 이에 대한 정보를 등록함으로써 수행되는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 특정 사용자는 복수 사용자를 포함하는 것을 특징으로 하는 방법. - 제7항에 있어서,
상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률은 상기 제k 타사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률과 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률의 곱으로 구해지는 것을 특징으로 하는 방법. - 제8항에 있어서,
상기 특정 사용자가 제1 내지 제m 특정 사용자를 포함할 경우,
상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률은 상기 특정 사용자별로 상기 임의의 토픽 정보를 가지는 확률을 구하고 이러한 각각의 확률을 곱하여 구해지는 것을 특징으로 하는 방법. - 특정 사용자의 성향과 유사한 특정 사물을 타사용자에게 추천하기 위한 방법에 있어서,
(a) 시스템이 전체 사물 정보 중 상기 특정 사용자가 기선택한 사물에 대한 정보를 획득하는 단계,
(b) 상기 시스템이 상기 전체 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득하는 단계 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -,
(c) 상기 시스템이 상기 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 상기 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 단계,
(d) 상기 특정 사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 시스템이 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사용자가 기선택한 각각의 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사물 유사도를 구하고, 이중 상위 k의 사물 유사도를 점하는 k개의 특정 사물을 상기 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별하는 단계, 및
(e) 상기 시스템이 상기 특정 사용자와 관련도가 높은 특정 타사용자에 대한 정보를 참조로 하여, 상기 특정 타사용자에게 상기 k개의 특정 사물에 대한 정보를 제공하는 단계
를 포함하는 방법에 있어서,
상기 특정 사용자가 제1 내지 제m 특정 사용자의 복수 사용자를 포함할 경우,
상기 제1 내지 제m 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 제1 내지 제m 특정 사용자가 기선택한 각각의 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사물 유사도를 구하고, 이중 상위 k의 사물 유사도를 점하는 사물을 상위 k개의 특정 사물로서 결정하는 것을 특징으로 하는 방법. - 특정 사용자의 성향과 유사한 특정 사물을 타사용자에게 추천하기 위한 방법에 있어서,
(a) 시스템이 전체 사물 정보 중 상기 특정 사용자가 기선택한 사물에 대한 정보를 획득하는 단계,
(b) 상기 시스템이 상기 전체 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득하는 단계 - 토픽 정보는 제1 내지 제n 토픽을 포함함 -,
(c) 상기 시스템이 상기 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 상기 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 단계,
(d) 상기 특정 사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 시스템이 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 각각을 가지는 확률 중 높은 확률을 가지는 상위 h개의 토픽 정보를 결정하고, 상기 상위 h개의 토픽 정보를 대상으로 하여 해당하는 각각의 사물이 나타날 확률이 높은 경우의 상위 k개의 사물을 상기 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별하는 단계, 및
(e) 상기 시스템이 상기 특정 사용자와 관련도가 높은 특정 타사용자에 대한 정보를 참조로 하여, 상기 특정 타사용자에게 상기 k개의 특정 사물에 대한 정보를 제공하는 단계
를 포함하는 방법에 있어서,
상기 특정 사용자가 제1 내지 제m 특정 사용자의 복수 사용자를 포함할 경우,
상기 제1 내지 제m 특정 사용자가 상기 제1 내지 제n 토픽 정보 각각을 가지는 확률 중 높은 확률을 가지는 상위 h개의 토픽 정보를 결정하고, 상기 상위 h개의 토픽 정보를 대상으로 하여 해당하는 각각의 사물이 나타날 확률이 높은 경우의 사물을 상위 k개의 특정 사물로서 결정하는 것을 특징으로 하는 방법. - 삭제
- 제11항에 있어서,
상기 제1 내지 제m 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 제x 토픽 정보를 가지는 확률은 상기 각각의 특정 사용자가 상기 제x 토픽 정보를 가지는 확률을 구하고 각각의 구해진 확률을 곱하여 구해지는 것을 특징으로 하는 방법. - 특정 사용자의 성향과 유사한 특정 타사용자를 추천하기 위한 시스템에 있어서,
상기 특정 사용자 및 임의의 타사용자가 각각 별도로 기선택한 사물 정보를 획득하고 - 상기 임의의 타사용자는 제1 내지 제r 타사용자를 포함하고 상기 사물 정보는 제1 내지 제s 사물을 포함하며, 상기 제1 내지 제s 사물 중 특정 사물은 상기 특정 사용자에 의해 선택됨 -, 획득된 상기 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득하여, 상기 특정 사용자 및 상기 임의의 타사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 대응 관계 판단부 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -,
상기 특정 사용자, 상기 임의의 타사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 임의의 타사용자 중 제k 타사용자가 상기 특정 사용자와 동시에 특정 사물을 선택하였을 확률로서 상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사용자 유사도를 타사용자별로 구하는 유사도 산출부 - 상기 k는 1 이상 r 이하임 -, 및
상기 제1 내지 제r 타사용자 중 상기 사용자 유사도가 높은 상위 등수의 특정 타사용자를 상기 특정 사용자의 성향과 유사한 사용자로서 추천하는 추천 정보 제공부
를 포함하는 시스템에 있어서,
상기 유사도 산출부는,
상기 사용자 유사도를, 상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 상기 특정 사물이 독립적으로 나타날 확률을 곱한 값으로서 구하는 것을 특징으로 하는 시스템. - 삭제
- 제14항에 있어서,
상기 유사도 산출부는,
상기 제k 타사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률과 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률을 곱하여 상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률을 구하는 것을 특징으로 하는 시스템. - 제14항에 있어서,
상기 토픽 정보는 상기 특정 사용자 및 상기 임의의 타사용자에게 공개되지 않는 히든 상태(hidden state)인 것을 특징으로 하는 시스템. - 제14항에 있어서,
상기 대응 관계 판단부는,
상기 특정 사용자 또는 상기 임의의 타사용자가 각각 별도로 임의의 사물의 정보에 대하여 콜렉션을 수행하는 경우, 상기 특정 사용자 또는 상기 임의의 타사용자가 상기 해당하는 사물 정보를 기선택한 것으로 취급하는 것을 특징으로 하는 시스템. - 제18항에 있어서,
상기 콜렉션은,
상기 특정 사용자 또는 상기 임의의 타사용자가 각각 별도로 임의의 사물에 대하여 디지털 이미지를 생성하고 이에 대한 정보를 등록함으로써 수행되는 것을 특징으로 하는 시스템. - 제14항에 있어서,
상기 특정 사용자는 복수 사용자를 포함하는 것을 특징으로 하는 시스템. - 제20항에 있어서,
상기 유사도 산출부는,
상기 제k 타사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률과 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률을 곱하여 상기 제k 타사용자와 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률을 구하는 것을 특징으로 하는 시스템. - 제21항에 있어서,
상기 특정 사용자가 제1 내지 제m 특정 사용자를 포함할 경우,
상기 유사도 산출부는,
상기 특정 사용자별로 상기 임의의 토픽 정보를 가지는 확률을 구하고 이러한 각각의 확률을 곱하여 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지는 확률을 구하는 것을 특징으로 하는 시스템. - 특정 사용자의 성향과 유사한 특정 사물을 타사용자에게 추천하기 위한 시스템에 있어서,
전체 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득한 후 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -, 상기 전체 사물 정보 중 상기 특정 사용자가 기선택한 사물에 대한 정보를 획득하고, 상기 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 상기 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 대응 관계 판단부,
상기 특정 사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 특정 사용자가 기선택한 각각의 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사물 유사도를 구하고, 이중 상위 k의 사물 유사도를 점하는 k개의 특정 사물을 상기 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별하는 유사도 산출부, 및
상기 특정 사용자와 관련도가 높은 특정 타사용자에 대한 정보를 참조로 하여, 상기 특정 타사용자에게 상기 k개의 특정 사물에 대한 정보를 제공하는 추천 정보 제공부
를 포함하는 시스템에 있어서,
상기 특정 사용자가 제1 내지 제m 특정 사용자의 복수 사용자를 포함할 경우,
상기 유사도 산출부는,
상기 제1 내지 제m 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 임의의 토픽 정보를 가지면서 각각 해당 토픽 정보 상태에서 상기 제1 내지 제m 특정 사용자가 기선택한 각각의 사물이 나타날 확률을 모든 토픽 정보에 대하여 합한 값에 대응되는 사물 유사도를 구하고, 이중 상위 k의 사물 유사도를 점하는 사물을 상위 k개의 특정 사물로서 결정하는 것을 특징으로 하는 시스템. - 특정 사용자의 성향과 유사한 특정 사물을 타사용자에게 추천하기 위한 시스템에 있어서,
전체 사물 정보를 각 사물마다의 특성을 참조로 하여 각각 그룹핑한 정보를 토픽 정보로서 획득한 후 - 상기 토픽 정보는 제1 내지 제n 토픽을 포함함 -, 상기 전체 사물 정보 중 상기 특정 사용자가 기선택한 사물에 대한 정보를 획득하고, 상기 특정 사용자가 기선택한 사물에 대한 정보를 참조로 하여 상기 특정 사용자가 각각 어떠한 토픽 정보에 대응되는지 판단하는 대응 관계 판단부,
상기 특정 사용자와 상기 토픽 정보의 대응 관계 및 상기 토픽 정보와 상기 사물 정보의 대응 관계를 참조로 하여, 상기 특정 사용자가 상기 제1 내지 제n 토픽 정보 각각을 가지는 확률 중 높은 확률을 가지는 상위 h개의 토픽 정보를 결정하고, 상기 상위 h개의 토픽 정보를 대상으로 하여 해당하는 각각의 사물이 나타날 확률이 높은 경우의 상위 k개의 특정 사물을 상기 특정 사용자와 가장 관련성이 높은 특정 사물로서 판별하는 유사도 산출부, 및
상기 특정 사용자와 관련도가 높은 특정 타사용자에 대한 정보를 참조로 하여, 상기 특정 타사용자에게 상기 k개의 특정 사물에 대한 정보를 제공하는 추천 정보 제공부
를 포함하는 시스템에 있어서,
상기 특정 사용자가 제1 내지 제m 특정 사용자의 복수 사용자를 포함할 경우,
상기 유사도 산출부는,
상기 제1 내지 제m 특정 사용자가 상기 제1 내지 제n 토픽 정보 각각을 가지는 확률 중 높은 확률을 가지는 상위 h개의 토픽 정보를 결정하고, 상기 상위 h개의 토픽 정보를 대상으로 하여 해당하는 각각의 사물이 나타날 확률이 높은 경우의 사물을 상위 k개의 특정 사물로서 결정하는 것을 특징으로 하는 시스템. - 삭제
- 제24항에 있어서,
상기 유사도 산출부는,
상기 각각의 특정 사용자가 상기 제1 내지 제n 토픽 정보 중 제x 토픽 정보를 가지는 확률을 구하고 각각의 구해진 확률을 곱하여 상기 제1 내지 제m 특정 사용자가 상기 제x 토픽 정보를 가지는 확률을 구하는 것을 특징으로 하는 시스템. - 제1항, 제3항 내지 제11항, 제13항 중 어느 한 항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110000651A KR101062927B1 (ko) | 2011-01-04 | 2011-01-04 | 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 |
US13/299,294 US8484209B2 (en) | 2011-01-04 | 2011-11-17 | Method, system and computer-readable recording medium for recommending other users or objects by considering at least one user's preference |
EP11855197.7A EP2662821A4 (en) | 2011-01-04 | 2011-12-30 | METHOD, SYSTEM AND COMPUTER READABLE RECORDING MEDIUM FOR RECOMMENDING OTHER USERS OR OBJECTS IN ACCORDANCE WITH PREFERENCES OF AT LEAST ONE USER |
CN201180068950.2A CN103718206B (zh) | 2011-01-04 | 2011-12-30 | 推荐其他用户或对象的方法、***和装置 |
JP2013548345A JP5795387B2 (ja) | 2011-01-04 | 2011-12-30 | 少なくとも1人のユーザの存在を考慮することにより他のユーザ又はオブジェクトを推奨する方法、システム及びコンピュータ可読記録媒体 |
PCT/KR2011/010385 WO2012093815A2 (ko) | 2011-01-04 | 2011-12-30 | 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110000651A KR101062927B1 (ko) | 2011-01-04 | 2011-01-04 | 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101062927B1 true KR101062927B1 (ko) | 2011-09-07 |
Family
ID=44957031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020110000651A KR101062927B1 (ko) | 2011-01-04 | 2011-01-04 | 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8484209B2 (ko) |
EP (1) | EP2662821A4 (ko) |
JP (1) | JP5795387B2 (ko) |
KR (1) | KR101062927B1 (ko) |
CN (1) | CN103718206B (ko) |
WO (1) | WO2012093815A2 (ko) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8458193B1 (en) | 2012-01-31 | 2013-06-04 | Google Inc. | System and method for determining active topics |
US8458195B1 (en) * | 2012-01-31 | 2013-06-04 | Google Inc. | System and method for determining similar users |
US8458197B1 (en) * | 2012-01-31 | 2013-06-04 | Google Inc. | System and method for determining similar topics |
US8458194B1 (en) | 2012-01-31 | 2013-06-04 | Google Inc. | System and method for content-based document organization and filing |
US8886648B1 (en) | 2012-01-31 | 2014-11-11 | Google Inc. | System and method for computation of document similarity |
US8756236B1 (en) | 2012-01-31 | 2014-06-17 | Google Inc. | System and method for indexing documents |
US8458196B1 (en) | 2012-01-31 | 2013-06-04 | Google Inc. | System and method for determining topic authority |
CN103530416B (zh) * | 2013-10-28 | 2017-01-18 | 海南大学 | 项目数据预测评分库的生成、项目数据的推送方法和*** |
US9661138B2 (en) * | 2015-01-14 | 2017-05-23 | Unify Gmbh & Co. Kg | System and method for automatic intention evaluation and communication routing |
CN106157150B (zh) * | 2015-03-30 | 2019-12-24 | 联想(北京)有限公司 | 信息处理方法与信息处理装置 |
CN106156117B (zh) * | 2015-04-07 | 2018-05-01 | 中国科学院信息工程研究所 | 面向特定主题的隐蔽社区核心交际圈检测发现方法和*** |
CN107908761B (zh) * | 2017-11-24 | 2020-10-02 | 阿里巴巴集团控股有限公司 | 基于地理位置的关键词提取方法及装置 |
CN108133357A (zh) * | 2017-12-22 | 2018-06-08 | 北京拉勾科技有限公司 | 一种人才推荐方法及计算设备 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5950200A (en) * | 1997-01-24 | 1999-09-07 | Gil S. Sudai | Method and apparatus for detection of reciprocal interests or feelings and subsequent notification |
US6735568B1 (en) * | 2000-08-10 | 2004-05-11 | Eharmony.Com | Method and system for identifying people who are likely to have a successful relationship |
US20040249811A1 (en) * | 2000-12-14 | 2004-12-09 | Shostack Ronald N. | Web based dating service with filter for filtering potential friends/mates using physical and/or personality attractiveness criteria |
US7454464B2 (en) * | 2001-09-10 | 2008-11-18 | Intel Corporation | Peer discovery and connection management based on context sensitive social networks |
KR20070099709A (ko) | 2006-04-05 | 2007-10-10 | 김길호 | 기호지수 기반 사용자 매칭 방법 및 시스템 |
WO2008033840A2 (en) * | 2006-09-12 | 2008-03-20 | Eyespot Corporation | System and methods for creating, collecting, and using metadata |
KR100786342B1 (ko) * | 2007-01-30 | 2007-12-17 | (주) 프람트 | 사용자 동적 정보를 이용한 콘텐츠의 검색 방법 |
US8825802B2 (en) * | 2007-09-04 | 2014-09-02 | Sony Computer Entertainment America Llc | System and method for identifying compatible users |
US8073793B2 (en) * | 2007-11-28 | 2011-12-06 | International Business Machines Corporation | Determining a common social context |
JP4538760B2 (ja) * | 2007-12-04 | 2010-09-08 | ソニー株式会社 | 情報処理装置および方法、プログラム、並びに記録媒体 |
US8073794B2 (en) * | 2007-12-20 | 2011-12-06 | Yahoo! Inc. | Social behavior analysis and inferring social networks for a recommendation system |
CN101206752A (zh) * | 2007-12-25 | 2008-06-25 | 北京科文书业信息技术有限公司 | 电子商务网站相关商品推荐***及其方法 |
KR101020206B1 (ko) * | 2008-06-16 | 2011-03-08 | 성균관대학교산학협력단 | 사용자 추천 방법 및 이를 위한 프로그램이 기록된 기록매체 |
US8484297B2 (en) * | 2008-07-31 | 2013-07-09 | Palo Alto Research Center Incorporated | Method for collaboratively tagging and highlighting electronic documents |
KR20100003184A (ko) * | 2009-04-06 | 2010-01-07 | 쏠스펙트럼(주) | 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치 및 방법 |
US20110191352A1 (en) * | 2009-12-03 | 2011-08-04 | New Jersey Institute Of Technology | Socially- And Context-Aware People-Matching Systems and Methods Relating Thereto |
-
2011
- 2011-01-04 KR KR1020110000651A patent/KR101062927B1/ko active IP Right Grant
- 2011-11-17 US US13/299,294 patent/US8484209B2/en not_active Expired - Fee Related
- 2011-12-30 WO PCT/KR2011/010385 patent/WO2012093815A2/ko active Application Filing
- 2011-12-30 EP EP11855197.7A patent/EP2662821A4/en not_active Ceased
- 2011-12-30 JP JP2013548345A patent/JP5795387B2/ja not_active Expired - Fee Related
- 2011-12-30 CN CN201180068950.2A patent/CN103718206B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2014503096A (ja) | 2014-02-06 |
EP2662821A4 (en) | 2016-01-27 |
CN103718206B (zh) | 2017-09-15 |
WO2012093815A2 (ko) | 2012-07-12 |
CN103718206A (zh) | 2014-04-09 |
US8484209B2 (en) | 2013-07-09 |
JP5795387B2 (ja) | 2015-10-14 |
WO2012093815A3 (ko) | 2012-09-27 |
EP2662821A2 (en) | 2013-11-13 |
US20120173561A1 (en) | 2012-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101062927B1 (ko) | 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
US9589025B2 (en) | Correlated information recommendation | |
Braunhofer et al. | Selective contextual information acquisition in travel recommender systems | |
US8468155B2 (en) | Collaborative filtering-based recommendations | |
JP6293642B2 (ja) | 推薦エンジンに基づく汎用グラフ、ルール及び空間構造 | |
US10162868B1 (en) | Data mining system for assessing pairwise item similarity | |
US9110894B2 (en) | Systems and methods for determining related places | |
JP5831204B2 (ja) | 情報提供システム、情報提供方法及びプログラム | |
US20170024766A1 (en) | Enabling Access to Third-Party Digital Assets for Systems that Market Content to Target Audiences | |
KR101725510B1 (ko) | 사용자 성향을 고려한 소셜 이벤트 추천 방법 및 장치 | |
JP5849952B2 (ja) | コミュニケーション支援装置、コミュニケーション支援方法、およびプログラム | |
KR101639656B1 (ko) | 광고 제공 방법 및 서버 장치 | |
JP5364184B2 (ja) | 情報提供装置、情報提供方法、プログラム、情報記憶媒体及び情報提供システム | |
WO2017190093A1 (en) | Generating a personalized list of items | |
KR101334096B1 (ko) | 높은 연관성을 가지는 아이템을 추천하는 아이템 기반의 추천 엔진 | |
KR102051311B1 (ko) | 개인화 알고리즘을 이용하여 고객 로그 맞춤형 사이트를 추천하는 방법 및 개인화 알고리즘 서버 | |
JP2011108034A (ja) | 複数の属性を利用したWebページ推薦方法 | |
Kompan et al. | Personalized recommendation for individual users based on the group recommendation principles | |
Özsoy et al. | Multi-objective optimization based location and social network aware recommendation | |
Müllner et al. | Towards employing recommender systems for supporting data and algorithm sharing | |
Braunhofer et al. | Parsimonious and Adaptive Contextual Information Acquisition in Recommender Systems. | |
JP5451644B2 (ja) | 推薦システム、推薦方法、推薦プログラム及び情報記憶媒体 | |
US20140325378A1 (en) | Method and apparatus for generating a personalized page | |
Hu et al. | A context-aware collaborative filtering approach for service recommendation | |
CN115082844A (zh) | 相似人群扩展方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
A302 | Request for accelerated examination | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20150730 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20160727 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20180730 Year of fee payment: 8 |