KR101871827B1

KR101871827B1 - Content priority personalization apparatus, method and program

Info

Publication number: KR101871827B1
Application number: KR1020170016913A
Authority: KR
Inventors: 노마이클명헌
Original assignee: (주)망고플레이트
Priority date: 2017-02-07
Filing date: 2017-02-07
Publication date: 2018-06-28

Abstract

The present invention relates to a content priority personalization apparatus, method and program. To this end, the content priority personalization apparatus includes an action-attribute correlation module for calculating action-attribute correlation information, which is a correlation between a plurality of actions included in action information of online content and a plurality of attributes included in attribute information of the online content, for a particular user; an attribute-specific representative action setting module for selecting a representative action having the highest correlation for each attribute through the action-attribute correlation information; a representative action scoring module for calculating a representative action score for each attribute by evaluating the degree of the representative action with respect to total user actions; an attribute weighting module for generating an attribute weight, which is a weight calculated for each attribute, by using the action-attribute correlation information and the representative action score; and a priority module for calculating the priority of the online content by using the attribute weight and the attribute information of the online content.

Description

콘텐츠 우선순위 개인화 장치, 방법 및 프로그램{Content priority personalization apparatus, method and program}[0001] Content Priority Personalization Apparatus, Method and Program [0002]

본 발명은 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램에 관한 것이다. The present invention relates to an apparatus, method and program for personalizing content priority.

망고플레이트와 같은 식당 정보제공 애플리케이션에는 특정 식당에 대해 적어도 하나 이상의 리뷰 방식의 온라인 콘텐츠가 구성될 수 있다. 도 1은 망고플레이트 애플리케이션의 특정 식당 페이지를 도시한 캡쳐 사진, 도 2는 망고플레이트 애플리케이션의 리뷰 페이지를 도시한 캡쳐 사진이다. 도 1, 2에 도시된 바와 같이 리뷰 방식의 온라인 콘텐츠인 리뷰 콘텐츠는 특정 식당에 대한 사용자의 설명으로서, 텍스트, 비디오, 오디오, 프레젠테이션, 또는 이미지를 수록한 멀티미디어 콘텐츠를 포함하는 다양한 디지털 콘텐츠를 포함할 수 있다. 망고플레이트와 같은 식당 정보제공 어플리케이션은 위와 같은 리뷰 콘텐츠로의 엑세스를 사용자 클라이언트에 제공한다. In a restaurant information providing application such as a mango plate, online contents of at least one review method for a specific restaurant may be configured. FIG. 1 is a captured picture showing a specific restaurant page of a mango plate application, and FIG. 2 is a captured picture showing a review page of a mango plate application. As shown in FIGS. 1 and 2, review content, which is an online content of a review method, includes various digital contents including a multimedia content including text, video, audio, presentation, or image as a description of a user of a specific restaurant can do. A restaurant information providing application such as a mango plate provides the user client with access to the above review content.

사용자들은 클라이언트 장치, 가령 데스크톱 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨팅 장치, 또는 스마트폰과 같은 데이터-인에이블드 모바일 디바이스에서 동작하는 독립적(standalone) 애플리케이션(예컨대, 식당 정보제공 애플리케이션의 웹 페이지를 액세스할 수 있는 애플리케이션 또는 웹 브라우저 전용 모바일 애플리케이션)을 통해 식당 정보 및 그들의 관련 콘텐츠를 액세스한다. 이러한 리뷰 콘텐츠는 해당 리뷰 콘텐츠가 저장되는 식당의 마케팅과 식당 정보제공 서비스의 사용자 경험에 직접적인 영향을 주게 된다. Users can access standalone applications (e. G., Web pages of a restaurant information providing application) that operate on a client device, such as a desktop computer, a laptop computer, a tablet computing device, or a data- Or mobile applications dedicated to web browsers) to access the restaurant information and their associated content. Such review content directly affects the user experience of the restaurant's marketing and restaurant information services where the review content is stored.

리뷰 콘텐츠는 망고플레이트와 같은 식당 정보제공 애플리케이션뿐만 아니라, 각종 정보를 제공해주는 웹/앱 서비스에 적용될 수 있다. 예를 들어 Amazon.com과 같은 커머스 서비스에서도 특정 제품에 대한 사용자들의 리뷰 콘텐츠를 확인할 수 있다. 사용자들은 이러한 리뷰 콘텐츠에서 해당 제품의 정보를 취득하고 구매 여부를 결정하게 되므로, 정보제공 서비스에서 리뷰 콘텐츠는 매우 중요한 역할을 한다.The review content can be applied not only to a restaurant information providing application such as a mango plate but also to a web / app service providing various information. For example, in a commerce service like Amazon.com, you can see the content of users' reviews on a particular product. The review content plays a very important role in the information providing service because the users acquire the information of the corresponding product from these review contents and decide whether to purchase the information.

대한민국 공개특허 10-2016-0106626, 페이스북, 인크.Korean Patent Publication No. 10-2016-0106626, Facebook, Inc .;

정보제공 서비스에서 리뷰 콘텐츠는 사용자 경험에 매우 중요한 역할을 하고 있음에도 불구하고 이의 우선순위는 개인화되고 있지 않다. 또한, 사용자별 리뷰의 기호를 평가할 속성의 비교가 매우 모호하고 어려워서 리뷰 디스플레이를 개인화하는 것은 시도되고 있지 않다.Although review content plays a very important role in the user experience for informational services, its priorities are not personalized. Also, it is not attempted to personalize the review display because the comparison of the attributes to evaluate the symbol of the user-specific review is very vague and difficult.

따라서 본 발명의 목적은, 정보제공 서비스에 있어서, 리뷰 콘텐츠에 우선순위를 설정하고 이러한 우선순위로 정보제공 서비스에서의 리뷰의 디스플레이를 개인화하기 위한 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램을 제공하는데에 있다.Accordingly, it is an object of the present invention to provide an apparatus, a method and a program for personalizing a content priority for an information providing service for setting a priority to a review content and personalizing a display of a review in an information providing service with this priority have.

이하 본 발명의 목적을 달성하기 위한 구체적 수단에 대하여 설명한다.Hereinafter, specific means for achieving the object of the present invention will be described.

본 발명의 목적은, 특정 사용자에 관하여, 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 모듈; 상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 모듈; 상기 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 모듈; 상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 모듈; 및 상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위를 계산하는 우선순위 모듈;을 포함하는, 콘텐츠 우선순위 개인화 장치를 제공하여 달성될 수 있다.An object of the present invention is to provide an information processing apparatus and a method and a device for processing information on a specific user by using action-attribute correlation information, which is a correlation between a plurality of actions included in action information of an online content and a plurality of attributes included in attribute information of the online content An action-attribute correlation module to calculate; A representative action setting module for each attribute for selecting a representative action having the highest correlation for each attribute through the action-attribute correlation information; A representative action scoring module for evaluating the level of the representative action with respect to an action of all users and calculating a representative action score for each attribute; An attribute weight module for generating an attribute weight which is a weight calculated for each attribute by using the action-attribute correlation information and the representative action score; And a priority module for calculating a priority of the online contents using the attribute weight and the attribute information of the online contents.

또한, 상기 대표액션 스코어링 모듈은, 최근 특정 기간 동안의 상기 대표액션이 상기 특정 사용자의 나머지 기간 동안의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 것을 특징으로 할 수 있다.In addition, the representative action scoring module may calculate a representative action score for each attribute by evaluating the level of the representative action during a specific period compared to the action during the remaining period of the specific user .

본 발명의 다른 목적은, 콘텐츠 우선순위 개인화 장치의 일구성인 액션-속성 코릴레이션 모듈이, 특정 사용자에 관하여 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성별 대표액션 설정 모듈이, 상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 대표액션 스코어링 모듈이, 상기 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성 가중치 모듈이, 상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 단계; 및 상기 콘텐츠 우선순위 개인화 장치의 일구성인 우선순위 모듈이, 상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위를 계산하는 우선순위 단계;를 포함하는, 콘텐츠 우선순위 개인화 방법을 제공하여 달성될 수 있다.It is another object of the present invention to provide an action-attribute correlation module, which is a constitution of a content priority personalizing apparatus, for a plurality of actions included in action information of an online content with respect to a specific user, An action-attribute correlation step of calculating action-attribute correlation information that is a correlation between the attributes of the attributes; A representative action setting module for each attribute, which is a component of the content priority personalizing device, includes: a representative action setting step for selecting a representative action having the highest correlation for each attribute through the action-attribute correlation information; A representative action scoring module that is a component of the content priority personalizing device calculates a representative action score for each attribute by evaluating how much the representative action is in relation to the action of all users; An attribute weighting step of generating an attribute weighting value, which is a weight calculated for each attribute by using the action-attribute correlation information and the representative action score, as an element of the content priority personalizing apparatus; And a priority step of calculating a priority of the online contents using the attribute weight and attribute information of the online content, wherein the priority module, which is a component of the content priority personalizing apparatus, A method can be provided.

또한, 상기 대표액션 스코어링 단계는, 최근 특정 기간 동안의 상기 대표액션이 상기 특정 사용자의 나머지 기간 동안의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 것을 특징으로 할 수 있다.Also, the representative action scoring step may include calculating a representative action score for each attribute by evaluating the level of the representative action during a specific period in recent years relative to the action during the remaining period of the specific user .

본 발명의 다른 목적은, 콘텐츠 우선순위 개인화 장치의 일구성인 액션-속성 코릴레이션 모듈이, 특정 사용자에 관하여 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성별 대표액션 설정 모듈이, 상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 대표액션 스코어링 모듈이, 상기 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성 가중치 모듈이, 상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 단계; 및 상기 콘텐츠 우선순위 개인화 장치의 일구성인 우선순위 모듈이, 상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위를 계산하는 우선순위 단계;를 포함하는, 콘텐츠 우선순위 개인화 방법을 컴퓨터 상에서 수행하는 기록매체에 저장된 프로그램을 제공하여 달성될 수 있다.It is another object of the present invention to provide an action-attribute correlation module, which is a constitution of a content priority personalizing apparatus, for a plurality of actions included in action information of an online content with respect to a specific user, An action-attribute correlation step of calculating action-attribute correlation information that is a correlation between the attributes of the attributes; A representative action setting module for each attribute, which is a component of the content priority personalizing device, includes: a representative action setting step for selecting a representative action having the highest correlation for each attribute through the action-attribute correlation information; A representative action scoring module that is a component of the content priority personalizing device calculates a representative action score for each attribute by evaluating how much the representative action is in relation to the action of all users; An attribute weighting step of generating an attribute weighting value, which is a weight calculated for each attribute by using the action-attribute correlation information and the representative action score, as an element of the content priority personalizing apparatus; And a priority step of calculating a priority of the online contents using the attribute weight and attribute information of the online content, wherein the priority module, which is a component of the content priority personalizing apparatus, The present invention can be achieved by providing a program stored in a recording medium for performing a method on a computer.

상기한 바와 같이, 본 발명에 의하면 이하와 같은 효과가 있다.As described above, the present invention has the following effects.

첫째, 본 발명의 일실시예에 따르면, 정보제공 서비스에서의 리뷰의 디스플레이가 개인화되는 효과가 발생된다.First, according to one embodiment of the present invention, the effect of personalizing the display of the review in the information providing service is generated.

둘째, 본 발명의 일실시예에 따르면, 리뷰에 포함되는 복수개의 속성과 복수개의 액션이 각각 비교되어 리뷰가 개인화될 수 있는 효과가 발생된다. Second, according to one embodiment of the present invention, a plurality of attributes included in a review and a plurality of actions are compared with each other, and an effect that a review can be personalized is generated.

본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 망고플레이트 애플리케이션의 특정 식당 페이지를 도시한 캡쳐 사진,
도 2는 망고플레이트 애플리케이션의 리뷰 페이지를 도시한 캡쳐 사진,
도 3은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 시스템을 도시한 것,
도 4는 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 장치를 구체적으로 도시한 모식도,
도 5는 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법의 흐름도,
도 6은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법을 도시한 흐름도,
도 7은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법의 흐름도이다. BRIEF DESCRIPTION OF THE DRAWINGS The accompanying drawings, which are included to provide a further understanding of the invention and are incorporated in and constitute a part of this application, illustrate preferred embodiments of the invention and, together with the description, And shall not be interpreted.
BRIEF DESCRIPTION OF THE DRAWINGS Figure 1 is a captured picture depicting a particular restaurant page of a mango plate application,
Figure 2 shows a captured picture showing a review page of a mango plate application,
3 illustrates a content prioritization personalization system in accordance with an embodiment of the present invention,
FIG. 4 is a schematic diagram illustrating a content priority personalizing apparatus according to an exemplary embodiment of the present invention.
5 is a flow chart of a content priority personalization method according to an embodiment of the present invention;
FIG. 6 is a flowchart illustrating a content priority personalization method according to an exemplary embodiment of the present invention;
7 is a flowchart of a content priority personalization method according to an embodiment of the present invention.

이하 첨부된 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 쉽게 실시할 수 있는 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예에 대한 동작원리를 상세하게 설명함에 있어서 관련된 공지기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following detailed description of the operation principle of the preferred embodiment of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may unnecessarily obscure the subject matter of the present invention.

또한, 도면 전체에 걸쳐 유사한 기능 및 작용을 하는 부분에 대해서는 동일한 도면 부호를 사용한다. 명세서 전체에서, 특정 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고, 간접적으로 연결되어 있는 경우도 포함한다. 또한, 특정 구성요소를 포함한다는 것은 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다.The same reference numerals are used for portions having similar functions and functions throughout the drawings. In the specification, when a specific portion is connected to another portion, it includes not only a direct connection but also a case where the other portion is indirectly connected with another element in between. In addition, the inclusion of a specific constituent element does not exclude other constituent elements unless specifically stated otherwise, but may include other constituent elements.

콘텐츠 우선순위 개인화 시스템Content Priority Personalization System

도 3은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 시스템을 도시한 것이다. 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 시스템(Content priority personalization system, 1)은 사용자 클라이언트(User Client, 10), 서버(Server, 12), 콘텐츠 우선순위 개인화 장치(Alternative Currency management apparatus, 13), 데이터베이스(Database, 14)를 포함할 수 있다. 3 illustrates a content prioritization personalization system in accordance with an embodiment of the present invention. 3, a content priority personalization system 1 according to an exemplary embodiment of the present invention includes a user client 10, a server 12, a content priority personalization An alternative currency management apparatus 13, and a database 14.

네트워크는 사용자 클라이언트(10), 및 서버(12) 간의 통신 경로를 나타낸다. 일 실시예에서, 상기 네트워크는 인터넷이다. 또한, 상기 네트워크는 상기 인터넷의 필수적인 부분이 아닌, 전용 또는 프라이빗 통신 링크들(예를 들어, VPN, WAN, MAN 또는 LAN)을 이용할 수 있다. 상기 네트워크는 표준 통신 기술 및/또는 프로토콜을 이용한다.The network represents a communication path between the user client 10 and the server 12. [ In one embodiment, the network is the Internet. In addition, the network may utilize dedicated or private communication links (e.g., VPN, WAN, MAN or LAN), rather than being an integral part of the Internet. The network uses standard communication technologies and / or protocols.

사용자(User)는 상기 콘텐츠 우선순위 개인화 시스템(1)의 사용자의 한 유형이다. 사용자는 사용자 클라이언트(10)를 이용하여, 일련의 특정 파라미터들에 기초한 상기 콘텐츠 우선순위 개인화 시스템(1)으로부터 리뷰 콘텐츠 정보를 요청한다. 이어, 콘텐츠 우선순위 개인화 시스템(1)은, 상기 사용자로부터 제공된 액션 정보를 통해 가장 적합하게 계산되는 리뷰 우선순위 정보를 토대로 리뷰 콘텐츠의 리스트를 제공한다.A user is a type of user of the content priority personalization system 1. A user uses the user client 10 to request review content information from the content priority personalization system 1 based on a series of specific parameters. Then, the content priority personalization system 1 provides a list of review contents based on the review priority information which is calculated most suitably through the action information provided by the user.

사용자 클라이언트(10)는, 사용자가 사용하는 이동단말기와 같은 클라이언트(Client)를 의미하고, 사용자와 콘텐츠 우선순위 개인화 시스템(1)의 상호작용을 위해 이용되는 구성이다. 사용자 클라이언트(10)는 퍼스널 컴퓨터(PC), 데스크톱 컴퓨터, 랩톱 컴퓨터, 노트북, 스마트폰, 기타 등등과 같은 컴퓨터이거나 이를 포함하는 장치가 될 수 있다. 컴퓨터는 하나 이상의 일반적이거나 특수한 목적의 프로세서, 메모리, 스토리지, 및 네트워킹 컴포넌트(유선 또는 무선)를 가진 장치이다. 상기 장치는, 예를 들어, Microsoft Windows-compatible 오퍼레이팅 시스템(OS), Apple OS X 또는 iOS, Linux 배포판, 또는 Google의 Android OS와 같은 오퍼레이팅 시스템을 실행할 수 있다. 일부 실시예들에서, 사용자 클라이언트(10)는, 상기 콘텐츠 우선순위 개인화 시스템(1)과 상호 작용하기 위한 인터페이스로서 Microsoft Internet Explorer, Mozilla Firefox, Google Chrome, Apple Safari 및/또는 Opera와 같은 웹 브라우저를 이용할 수 있다.The user client 10 means a client such as a mobile terminal used by a user and is a configuration used for interaction between a user and a content priority personalization system 1. [ The user client 10 may be a computer, such as a personal computer (PC), a desktop computer, a laptop computer, a notebook, a smart phone, and the like, or a device including the same. A computer is a device having one or more general purpose or special purpose processors, memory, storage, and networking components (wired or wireless). The device may be capable of running an operating system such as, for example, a Microsoft Windows-compatible operating system (OS), Apple OS X or iOS, a Linux distribution, or Google's Android OS. In some embodiments, the user client 10 may include a web browser such as Microsoft Internet Explorer, Mozilla Firefox, Google Chrome, Apple Safari, and / or Opera as an interface for interacting with the content prioritization personalization system 1 Can be used.

서버(12)는, 상기 사용자 클라이언트(10)에 기본 인터페이스를 형성하는 웹 페이지, 웹 컨텐츠 또는 앱 컨텐츠를 전달하는 장치를 의미하고, 본 발명에서는 사용자 클라이언트(10)와 콘텐츠 우선순위 개인화 장치(13) 사이의 데이터 통신 채널을 의미할 수 있다. 상기 사용자는, 리뷰 콘텐츠 정보의 제공과 관련된 하나 이상의 웹 페이지 또는 애플리케이션에 접근하기 위해, 그리고 콘텐츠 우선순위 개인화 장치(13)에 데이터를 제공하기 위해, 사용자 클라이언트(10)를 이용할 수 있다. The server 12 means a device for delivering web pages, web content or app contents forming a basic interface to the user client 10. In the present invention, the user client 10 and the content priority personalizing device 13 &Lt; / RTI > The user can use the user client 10 to access one or more web pages or applications related to the provision of review content information and to provide data to the content priority personalization device 13.

본 명세서에서, "데이터(data)"는 사용자에 대한 데이터, 리뷰 콘텐츠에 관한 데이터, 리뷰 콘텐츠가 연결되어 저장되는 온라인 콘텐츠에 대한 데이터(예를 들어, 식당 정보제공 서비스에서는 레스토랑 페이지), 액션에 대한 데이터(액션 정보), 속성 가중치에 대한 데이터를 포함하는 것으로 이해된다. 예를 들어, 사용자에 대한 데이터는 개인 식별 정보, 현재 위치 정보, 일정 정보, 소비한 리뷰 콘텐츠 정보, 소비한 온라인 콘텐츠 정보, 액션 정보, 세션 시간 정보, 친구 리스트 정보 등을 포함할 수 있다. 리뷰 콘텐츠에 관한 데이터는 사진 개수, 사진 품질, 호감도 수, 공유 수, 댓글 수, 댓글 길이, 액션 사용자 리스트, 사용자와 리뷰 작성자와의 관계 거리, 최신 정도 스코어, 리뷰 긍부정 스코어, 댓글 긍부정 스코어 등을 포함할 수 있다. 액션 정보는 호감도 정보, 클릭 정보, 댓글 정보, 체크인 정보, 체류시간 정보를 포함할 수 있다. 속성 가중치 데이터는 해당 리뷰 콘텐츠 정보, 해당 사용자 정보, 속성별 대표액션 정보, 대표액션 스코어 정보, 속성 가중치 정보를 포함할 수 있다. 본 명세서에서 용어 '데이터'는 용어 '정보'와 혼용될 수 있다. 본 명세서에서 용어 '온라인 콘텐츠'는 리뷰가 달릴 수 있는 정보 전달 페이지로서, 예를 들어 상점 정보제공 서비스에서의 온라인 콘텐츠는 상점 페이지가 될 수 있다. 본 명세서에서 용어 '리뷰 콘텐츠'는 온라인 콘텐츠에 달리는 리뷰의 정보를 의미할 수 있다. 리뷰에는 이미지, 텍스트 등이 포함될 수 있고, 좋아요 등 각종 액션이 적용될 수 있다. In this specification, the term "data" includes data about the user, data about the review content, data about the online content to which the review content is linked and stored (for example, restaurant page in the restaurant information providing service) (Action information), and attribute weights. For example, the data for the user may include personal identification information, current location information, schedule information, spent review content information, consumed online content information, action information, session time information, friend list information, and the like. The data about the review content includes the number of pictures, the quality of the photos, the likelihood, the number of shares, the number of comments, the length of the comments, the list of action users, the distance between the user and the reviewer, the latest score, And the like. The action information may include favorability information, click information, comment information, check-in information, and residence time information. The attribute weight data may include corresponding review content information, corresponding user information, representative action information for each attribute, representative action score information, and attribute weight information. The term " data " may be used interchangeably with the term " information " herein. In this specification, the term " online content " is an information delivery page through which a review can be performed. For example, the online content in the store information providing service may be a store page. As used herein, the term " review content " may refer to information of reviews running on the online content. The review can include images, text, etc., and various actions such as likes can be applied.

본 명세서에서 '액션 정보'는, 특정 리뷰 콘텐츠에 대한 사용자의 액션을 지시하는 정보를 의미하는 것으로서, '좋아요'와 같은 호감도, 클릭, 체류시간, 체크인, 댓글 등을 포함할 수 있다. 본 명세서에서 '속성'은 특정 리뷰 콘텐츠의 특성을 나타내는 적어도 하나 이상의 요소를 의미하는 것으로, 사진 개수, 사진 품질, 호감도 수, 공유 수, 댓글 수, 댓글 길이, 액션 사용자 리스트, 사용자와 리뷰 작성자와의 관계 거리, 최신 정도 스코어, 리뷰 긍부정 스코어, 댓글 긍부정 스코어 등이 포함될 수 있다. In the present specification, 'action information' refers to information indicating a user's action with respect to a specific review content, and may include a liking such as 'likes', a click, a stay time, a check-in, a comment, In the present specification, 'attribute' means at least one element indicating characteristics of a specific review content, and includes at least one of a number of pictures, a photograph quality, a favorable number, a share number, a comment number, a comment length, an action user list, The relationship distance, the latest score, the review positive negative score, the comment positive negative score, and so on.

콘텐츠 우선순위 개인화 장치(13)는, 사용자 클라이언트(10)의 리뷰 콘텐츠에 대한 액션에 따라, 리뷰 콘텐츠에 대한 속성 중 어떤 속성을 기준으로 리뷰 콘텐츠의 추천 또는 우선순위의 설정을 수행할 것인지를 결정하고, 이러한 리뷰 우선순위 정보를 사용자 클라이언트(10)에 제공하는 구성이다. 콘텐츠 우선순위 개인화 장치(13)에는 액션 정보 수집 모듈, 액션-속성 코릴레이션(correlation) 모듈, 속성별 대표액션 설정 모듈, 전체 유저 대비 스코어 모듈, 속성 가중치 모듈, 리뷰 우선순위 모듈 등이 포함될 수 있다.The content priority personalization apparatus 13 determines whether to set recommendation or priority of the review content based on an attribute of the review content, based on an action on the review content of the user client 10 And provides such review priority information to the user client 10. [ The content priority personalization apparatus 13 may include an action information collection module, an action-attribute correlation module, a property-specific representative action setting module, a total user comparison score module, an attribute weight module, a review priority module, .

데이터베이스(14)는, 사용자 정보, 리뷰 콘텐츠, 액션 정보, 속성 가중치, 리뷰 우선순위 등에 대한 정보를 저장하고, 콘텐츠 우선순위 개인화 장치(13)에 제공하는 구성이다.The database 14 stores information on user information, review content, action information, attribute weights, review priority, and the like, and provides the content priority personalization apparatus 13 with the information.

상기 콘텐츠 우선순위 개인화 시스템(1)은 사용자 클라이언트(10)의 리뷰 콘텐츠에 대한 액션에 따라, 리뷰 콘텐츠에 대한 속성 중 어떤 속성을 기준으로 리뷰 콘텐츠의 추천 또는 우선순위의 설정을 수행할 것인지를 결정하고, 이러한 리뷰 우선순위 정보를 사용자 클라이언트(10)가 제공받을 수 있도록 한다. 상기 콘텐츠 우선순위 개인화 시스템(1)은, 이하에서 기술되는 추가적인 컴포넌트들 및 모듈들을 포함한다.The content priority personalizing system 1 determines whether to set recommendation or priority of the review content based on an attribute of the review content, based on the action on the review content of the user client 10 And allows the user client 10 to receive such review priority information. The content priority personalization system 1 includes additional components and modules described below.

도 4는 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 장치를 구체적으로 도시한 모식도이다. 도 4에 도시된 바와 같이, 본 발명의 일실시예에 다른 콘텐츠 우선순위 개인화 장치(13)는 액션정보 수집 모듈(131), 액션-속성 코릴레이션 모듈(132), 속성별 대표액션 설정 모듈(133), 대표액션 스코어링 모듈(134), 속성 가중치 모듈(135), 리뷰 우선순위 모듈(136)을 포함할 수 있다. 또한, 데이터베이스(14)는 사용자 정보 DB(141), 리뷰 콘텐츠 DB(142), 액션 정보 DB(143), 속성 가중치 DB(144), 리뷰 우선순위 DB(145)를 포함할 수 있다. FIG. 4 is a schematic diagram showing a content priority personalizing apparatus according to an exemplary embodiment of the present invention. Referring to FIG. 4, the content priority personalization apparatus 13 according to an exemplary embodiment of the present invention includes an action information collection module 131, an action-attribute correlation module 132, a representative action setting module 133, a representative action scoring module 134, an attribute weight module 135, and a review priority module 136. The database 14 may include a user information DB 141, a review content DB 142, an action information DB 143, an attribute weight DB 144, and a review priority DB 145.

통상의 기술자들은 상기 콘텐츠 우선순위 개인화 시스템(1)이 본 문서에 기술되지 않은 다른 모듈들을 포함할 수 있다는 것을 이해할 것이다. 덧붙여, 방화벽, 인증 시스템, 결제 처리 시스템, 네트워크 관리 도구, 로드 밸런서 등과 같은 종래의 구성요소들은 본 발명에서 중요하지 않은 것이므로 도시되지 않았다. 상기 콘텐츠 우선순위 개인화 시스템(1)은 클라우드-기반 컴퓨터 구현을 포함하는 컴퓨터들의 네트워크, 또는 단일의 컴퓨터를 이용하여 구현될 수 있다. 상기 컴퓨터들은 바람직하게는 하나 이상의 고성능 CPU 및 1G 또는 그 이상의 메인 메모리를 포함하고, LINUX 또는 그것의 변형과 같은 오퍼레이팅 시스템을 구동하는 서버 클래스 컴퓨터들이다. 본 문서에서 기술된 상기 콘텐츠 우선순위 개인화 시스템(1)의 상기 작동은, 하드웨어 또는 비-일시적인 컴퓨터 스토리지 내에 설치된 컴퓨터 프로그램을 통하여 제어될 수 있고, 본 문서에서 기술된 상기 기능들을 수행하기 위한 상기 프로세서에 의해 실행될 수 있다. 상기 다양한 데이터베이스들은 비-일시적인 컴퓨터로 판독 가능한 스토리지 장치들과 데이터 접근 및 검색을 위한 적절한 데이터베이스 관리 시스템들을 이용하여 구현될 수 있다. 콘텐츠 우선순위 개인화 시스템(1)은, 여기서 기술된 상기 작동을 위해 필수적인 다른 하드웨어 구성요소들을 포함하고, 네트워크 인터페이스 및 프로토콜, 데이터 입력을 위한 입력 장치, 및 디스플레이, 인쇄, 또는 데이터의 다른 표현을 위한 출력 장치를 포함한다.Those skilled in the art will appreciate that the content prioritization personalization system 1 may include other modules not described in this document. In addition, conventional components such as firewalls, authentication systems, payment processing systems, network management tools, load balancers, and the like are not shown in FIG. The content prioritization personalization system 1 may be implemented using a single computer or a network of computers including a cloud-based computer implementation. The computers are preferably server class computers that include one or more high performance CPUs and 1G or more main memory and run an operating system such as LINUX or a variant thereof. The operation of the content prioritization personalization system 1 described in this document may be controlled through a computer program installed in hardware or non-temporary computer storage and may be controlled by the processor < RTI ID = 0.0 >Lt; / RTI > The various databases may be implemented using non-temporal computer-readable storage devices and appropriate database management systems for data access and retrieval. The content priority personalization system 1 includes other hardware components essential for the operation described herein, and includes a network interface and protocol, an input device for data input, and a display device for printing, Output device.

콘텐츠 우선순위 개인화 장치(13)의 구성 요소는 아래와 같이 구성될 수 있다.The components of the content priority personalizing device 13 may be configured as follows.

사용자 정보 모듈(131)은 사용자 정보 DB(141)에 대한 사용자 정보의 입출력을 담당하는 모듈이다. The user information module 131 is a module responsible for inputting / outputting user information to / from the user information DB 141.

액션-속성 코릴레이션 모듈(132)은 액션정보와 리뷰 콘텐츠의 속성 정보 사이의 상관관계를 계산하는 모듈이다. 예를 들어, 본 발명의 일실시예에 따른 액션-속성 코릴레이션 모듈(132)은 주어진 날짜 또는 기간에 대해 특정 사용자의 액션정보의 특정 액션과 특정 속성 간의 상관관계(correlation)를 계산한다. 예를 들어, 액션-속성 코릴레이션 모듈(132)은 '사진의 개수'라는 속성과 특정 사용자의 '클릭'이라는 액션의 코릴레이션을 분석하여 추세의 유사성을 계산하게 된다. The action-attribute correlation module 132 is a module for calculating the correlation between the action information and the attribute information of the review content. For example, the action-attribute correlation module 132 according to an embodiment of the present invention calculates a correlation between a specific action and a specific attribute of a particular user's action information for a given date or period. For example, the action-attribute correlation module 132 analyzes a correlation between an attribute 'number of pictures' and an action called 'click' of a specific user to calculate the similarity of trends.

상기 액션-속성 코릴레이션 모듈(132)의 실시예들은 일반적인 상관관계뿐만 아니라 기계 학습 예측 모델(machine learned, predictive model)을 이용할 수 있다. 일 실시예에서, 상기 예측 모델을 구성하기 위해, 서포트 벡터 머신(support vector machine)과 같은 지도식 기계 학습 알고리즘(supervised machine learning algorithm)이 이용되거나 클러스터링과 같은 비지도식 기계 학습 알고리즘(unsupervised machine learning algorithm) 또는 딥러닝(deep learning)과 강화학습을 결합한 반지도식 기계 학습 알고리즘(semi-supervised machine learning algorithm) 등이 이용될 수 있다. 다른 실시예에서, 예측 모델을 만들기 위해 신경망(neural network), 랜덤 포레스트(random forest) 또는 다른 지도식 학습 알고리즘과 같은 타 기계 학습 알고리즘이 이용될 수 있다. 본 발명의 일실시예에 따른 액션-속성 코릴레이션 모듈(132)은 특정 주기로(예를 들어, 최근 1주일을 moving average로), 액션정보와 속성의 정량적인 수치에 대해 상관관계를 계산하고, 예측되는 액션정보의 확률로 모델의 cost function을 업데이트할 수 있다. 이에 따르면, 예를 들어, 액션-속성 코릴레이션 모듈(132)은 사진의 개수라는 속성을 토대로 클릭이라는 액션정보가 얼마나 발생될지를 예측하는 것이 가능해진다. 이를 액션발생 가능성 정보로 명명할 수 있다. 이러한 상관관계 정보 또는 예측되는 액션발생 가능성 정보는, 속성별 대표액션 설정 모듈(133) 또는 리뷰 우선순위 모듈(136)에 의해 이용될 수 있다. 예를 들어, 본 발명의 일실시예에 따른 액션-속성 코릴레이션 모듈(132)은 사진의 개수라는 속성과 체류시간이라는 액션 정보가 어느 정도의 상관관계 또는 어느 정도의 액션발생 가능성을 보이는지 계산할 수 있다.The embodiments of the action-attribute correlation module 132 may use a machine learning (Predictive) model as well as a general correlation. In one embodiment, a supervised machine learning algorithm, such as a support vector machine, is used to construct the prediction model, or an unsupervised machine learning algorithm such as clustering Or a semi-supervised machine learning algorithm combining deep learning and reinforcement learning may be used. In other embodiments, other machine learning algorithms, such as neural networks, random forests, or other instructional learning algorithms, may be used to create predictive models. The action-attribute correlation module 132 according to an exemplary embodiment of the present invention calculates the correlation between the action information and the quantitative value of the attribute at a specific period (for example, as a moving average of the last week) The cost function of the model can be updated with the probability of the predicted action information. According to this, for example, the action-attribute correlation module 132 can predict how much action information, such as click, will be generated based on the attribute of the number of pictures. It can be named as action occurrence information. Such correlation information or predicted action occurrence possibility information can be used by the property-specific representative action setting module 133 or the review priority module 136. [ For example, the action-attribute correlation module 132 according to an exemplary embodiment of the present invention can calculate how much action information such as the number of pictures and action time information such as stay time show a correlation or a certain degree of action occurrence have.

속성별 대표액션 설정 모듈(133)은 리뷰 콘텐츠의 속성별로 리뷰 우선순위를 위해 대표적인 액션을 선정하는 모듈이다. 대표액션 설정 기준으로는 액션-속성 코릴레이션 모듈(132)에서의 속성과 액션의 상관관계 또는 인공신경망 모델에 따른 액션정보 예측값(액션발생 가능성 정보)이 이용될 수 있다. 예를 들어, 본 발명의 일실시예에 따른 속성별 대표액션 설정 모듈(133)은 '사진의 개수'라는 속성과 '체류시간'이라는 액션이 상관관계 또는 액션발생 가능성이 가장 높게 나오는 것을 기준으로, '사진의 개수'라는 속성에 대한 '대표액션'은 '체류시간'으로 설정할 수 있다. 이에 따르면, 예를 들어, 사용자 A에 대해서는 '사진의 개수'라는 속성에 대한 대표액션은 '체류시간'으로 설정될 수 있고, 사용자 B에 대해서는 '사진의 개수'라는 속성에 대한 대표액션으로 '호감도'가 설정될 수 있는 것이다. 또한, 사용자 A에 대해서, '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '사용자와 리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정될 수 있다.The per-attribute representative action setting module 133 is a module for selecting a representative action for review priority according to the attribute of the review content. As a representative action setting reference, a correlation between an attribute and an action in the action-attribute correlation module 132 or an action information predicted value (action occurrence possibility information) according to an artificial neural network model can be used. For example, the per-attribute representative action setting module 133 according to an exemplary embodiment of the present invention determines whether or not the attribute 'number of pictures' and the 'stay time' , And 'representative action' for the attribute 'number of pictures' can be set as 'stay time'. For example, for the user A, the representative action for the attribute 'number of pictures' can be set to 'stay time', and for the user B, the representative action for the attribute 'number of pictures' Good feeling 'can be set. For the user A, the representative actions of 'number of pictures' include 'stay time' as a representative action of 'favorability' and 'picture quality', 'staying time', 'staying time' , 'Comment' can be set as a representative action of 'click' as the representative action of 'length', 'favorability' as a representative action of 'number of actions', and 'distance of relation with user and review author'.

대표액션 스코어링 모듈(134)은 속성별 대표액션의 스코어를 계산하는 모듈이다. 속성별 대표액션의 스코어를 계산하는 방법으로는 해당 대표액션의 수준이 전체 유저 대비 어느 정도 수준인지를 평가하는 방법이 제시될 수 있다. 예를 들어, 본 발명의 일실시예에 따른 대표액션 스코어링 모듈(134)은 속성별 대표액션의 수준이 전체 유저 중 상위 n% 라는 것을 계산하고, 속성별 대표액션에 이에 따른 점수(스코어)를 부여할 수 있다. 예를 들어, 사용자 A에 대해서 '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정된 뒤에, 대표액션 스코어링 모듈(134)이 사용자 A의 '체류시간'은 전체 사용자 중 상위 10%, '클릭'은 상위 20%, '호감도'는 상위 50%, '댓글'은 상위 70%라는 것을 계산하여 각각의 대표액션에 대해 상위 10%는 90점, 상위 70%는 30점 등으로 스코어링을 수행할 수 있다. 이때 전체 사용자와의 비교를 위해서 일평균값, 월평균값, 일중앙값, 월중앙값 등의 통계값이 이용될 수 있다.The representative action scoring module 134 is a module for calculating a score of a representative action by attribute. A method of calculating the score of a representative action by an attribute may be a method of evaluating the level of the representative action to the level of the entire user. For example, the representative action scoring module 134 according to an exemplary embodiment of the present invention calculates that the level of the representative action for each attribute is the upper n% of the entire users, and calculates a score (score) . For example, for the user A, the representative actions of 'number of pictures' include 'likelihood' as a representative action of 'quality of photo', 'stay time' as a representative action of 'picture content' The representative action scoring module 134 sets the 'comment' as the representative action of 'click' as the representative action of 'length of the action', 'likelihood' as the representative action of 'number of actions' It is calculated that the 'staying time' of the user A is the top 10% of all users, 'click' is the top 20%, 'favorability' is the top 50%, and 'comment' is the top 70% 10% can score 90 points, and the top 70% can score 30 points. At this time, statistical values such as a daily average value, a monthly average value, a median median value, and a median median value can be used for comparison with the entire user.

본 발명의 다른 실시예에 따른 대표액션 스코어링 모듈(134)은 속성별 대표액션의 특정 기간에 대한 수준이 해당 유저의 전체 기간에 대한 수준 중 상위 n% 라는 것을 계산하고, 속성별 대표액션에 이에 따른 점수(스코어)를 부여할 수 있다. 이에 따르면, 사용자 A에 대해서 '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정된 뒤에, 대표액션 스코어링 모듈(134)이 일주일간 사용자 A의 '체류시간'은 전체 기간 중 상위 10%, '클릭'은 상위 20%, '호감도'는 상위 50%, '댓글'은 상위 70%라는 것을 계산하여 각각의 대표액션에 대해 스코어링을 수행할 수 있다. 속성별 대표액션의 스코어를 계산하는 방법은 이 밖에도 여러 방식이 제안될 수 있다. The representative action scoring module 134 according to another exemplary embodiment of the present invention calculates that the level of the representative action for each attribute for the specific period is the upper n% of the level for the entire period of the corresponding user, The score (score) can be given. According to this, as a representative action of the 'number of pictures', a typical action of 'likelihood', 'picture quality', 'stay time', and 'text content' The representative action scoring module 134 sets a 'comment' as a representative action of 'click' as a representative action of 'length', 'favorability' as a representative action of 'number of actions' For a week, user A's 'stay time' is calculated by calculating that the top 10% of the time, 'click' is the top 20%, 'favorability' is the top 50%, and 'comment' is the top 70% Scoring can be performed. There are many other ways to calculate the score of a representative action by attribute.

속성 가중치 모듈(135)은 액션-속성 코릴레이션 모듈(132)에서 계산된 액션정보와 리뷰 콘텐츠의 속성 정보 사이의 상관관계와 대표액션 스코어링 모듈(134)에서 계산된 속성별 대표액션의 스코어를 이용하여 속성별로 가중치를 계산하는 모듈이다. 예를 들어, 본 발명의 일실시예에 따른 속성 가중치 모듈(135)에 따르면 액션-속성 코릴레이션 정보와 대표액션 스코어 정보를 이용하여 '사진의 개수'에 0.5의 가중치, '댓글의 개수'에 0.2의 가중치, '리뷰의 최신성'에 0.1, '리뷰 작성자와의 관계 거리'에 0.1의 가중치가 부여될 수 있다. 이하 수학식 1은 속성 가중치 모듈(135)에서 각각의 속성별 가중치를 계산하는 것에 관한 것이다. The attribute weight module 135 uses the correlation between the action information calculated in the action-attribute correlation module 132 and the attribute information of the review content and the score of the representative action per attribute calculated in the representative action scoring module 134 And calculates weights for each property. For example, according to the attribute weight module 135 according to an exemplary embodiment of the present invention, a weight of 0.5 and a number of 'comments' are added to the 'number of pictures' using the action-property correlation information and the representative action score information A weight of 0.2, a rating of 0.1 for "reviewability", and a rating of 0.1 for "distance to reviewer". Equation (1) relates to calculating the weight for each attribute in the attribute weight module 135. < EMI ID = 1.0 >

수학식 1에서 Pi는 속성 i의 가중치, Cij는 대표액션 j와 속성 i의 코릴레이션, Sj는 대표액션 j의 스코어를 의미한다.In Equation (1), Pi denotes the weight of the attribute i, Cij denotes the correlation between the representative action j and the attribute i, and Sj denotes the score of the representative action j.

리뷰 우선순위 모듈(136)은 속성 가중치 모듈(135)에서 계산된 가중치를 토대로 각각의 리뷰 콘텐츠에 우선순위를 계산하는 모듈이다. 예를 들어, 특정 식당 페이지에 10개의 리뷰가 있는데, A 리뷰는 가중치 0.4, B 리뷰는 가중치 0.1, C 리뷰는 가중치 0.9로 계산되는 경우, C가 가장 우선적으로 디스플레이 되도록 리뷰의 우선순위가 설정될 수 있다. 이하 수학식 2는 리뷰 우선순위 모듈(136)에서 각각의 리뷰에 대한 우선순위를 계산하는 것에 대한 것이다.The review priority module 136 is a module for calculating a priority for each review content based on the weights calculated in the attribute weight module 135. [ For example, if there are 10 reviews on a particular restaurant page, a review has a weight of 0.4, a B review of a weight of 0.1, and a C review of a weight of 0.9, the priority of the review is set so that C is displayed first . Equation (2) below is for calculating the priority for each review in the review priority module 136.

수학식 2에서 Rk는 리뷰 k의 우선순위, Pi는 속성 i의 가중치, Iki는 리뷰 k의 속성 i에 대한 속성값을 의미한다.In Equation (2), Rk denotes a priority of review k, Pi denotes a weight of attribute i, and Iki denotes an attribute value for attribute i of review k.

본 발명의 다른 실시예에 따른 리뷰 우선순위 모듈(136)에 따르면, 리뷰의 어뷰징 가능성을 파악하여 음(-)의 가중치를 줄 수 있다. 이하 수학식 3은 리뷰 우선순위 모듈(136)에서 각각의 리뷰에 대한 우선순위를 계산할 때 어뷰징 가능성을 적용한 것이다. 이때 어뷰징 가능성은 리뷰의 텍스트 마이닝, 리뷰 작성자의 과거 어뷰징 횟수 등을 토대로 계산될 수 있다.According to the review priority module 136 according to another embodiment of the present invention, it is possible to grasp the possibility of an evaluation of the review and give a negative weight. Equation (3) below applies the possibility of invasion when calculating the priority for each review in the review priority module 136. At this time, the possibility of an invasion can be calculated based on the text mining of the review, the number of times the reviewer has been exposed to the past, and so on.

수학식 3에서 Rk는 리뷰 k의 우선순위, Ak는 리뷰 k의 어뷰징 가능성, Pi는 속성 i의 가중치, Iki는 리뷰 k의 속성 i에 대한 속성값을 의미한다.In Equation (3), Rk denotes the priority of review k, Ak denotes the probability of invoking the review k, Pi denotes the weight of the attribute i, and Iki denotes the attribute value of the attribute i of the review k.

리뷰의 우선순위 설정은 리뷰 콘텐츠의 표시 여부에 대한 사항이 될 수도 있고, 리뷰 콘텐츠의 표시 순서에 대한 사항이 될 수도 있다.The priority setting of a review may be whether the review content is displayed or may be a display order of the review content.

데이터베이스(14)의 구성 요소는 아래와 같이 구성될 수 있다. The components of the database 14 may be configured as follows.

사용자 정보 DB(141)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 리뷰 콘텐츠를 요청했던 사용자들을 설명하는 데이터를 지속적으로 저장하고 이용하기 위한 수단이다. The user information DB 141 is a means for continuously storing and using data describing users who have requested the review content in the content priority personalization system 1. [

리뷰 콘텐츠 DB(142)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 복수개의 리뷰 콘텐츠 각각에 대한 속성을 저장하고 이용하기 위한 수단이다.The review content DB 142 is means for storing and using attributes for each of a plurality of review contents in the content priority personalization system 1. [

액션정보 DB(143)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 사용자의 액션 각각에 대한 속성을 저장하고 이용하기 위한 수단이다. The action information DB 143 is means for storing and using the attributes for each action of the user in the content priority personalization system 1. [

속성 가중치 DB(144)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 리뷰 콘텐츠의 속성별 가중치를 저장하고 이용하기 위한 수단이다.The attribute weight DB 144 is a means for storing and using the property weight of the review content in the content priority personalization system 1. [

리뷰 우선순위 DB(145)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 리뷰 콘텐츠의 우선순위를 저장하고 이용하기 위한 수단이다.The review priority DB 145 is means for storing and using the priority of the review content in the content priority personalization system 1. [

도 3은 본 발명의 일실시예에 따른 데이터베이스의 연결관계를 도시한 것이다. 도 3에 도시된 바와 같이, 사용자 정보 DB(141), 리뷰 콘텐츠 DB(142), 액션정보 DB(143), 속성 가중치 DB(144), 리뷰 우선순위 DB(145)는 사용자 정보 테이블(301), 리뷰 콘텐츠 테이블(303), 액션 정보 테이블(305), 속성 가중치 테이블(307)을 포함할 수 있고, 각각은 Many-to-Many로 연결될 수 있다. 도 3에 도시된 데이터 세트의 구성은 예시적인 것이고, 본 발명은 이에 한정되지 않는다. 3 illustrates a connection relationship of a database according to an embodiment of the present invention. 3, the user information DB 141, the review content DB 142, the action information DB 143, the attribute weight DB 144, and the review priority DB 145 are stored in the user information table 301, A review content table 303, an action information table 305, and an attribute weight table 307, each of which can be connected many-to-many. The configuration of the data set shown in FIG. 3 is illustrative, and the present invention is not limited thereto.

사용자 정보 테이블(301)은 속성(attribute)으로서, ID, 이름, 생년월일, 위치정보와 같은 개인 식별정보(311), 로그(log)로 저장되는 소비한 리뷰 콘텐츠(313), 로그(log)로 저장되는 액션(315), 세션 정보(317), 친구에 대한 정보인 친구 리스트(319)를 포함할 수 있다. The user information table 301 stores personal identification information 311 such as ID, name, date of birth, and location information, consumed review content 313 stored as a log, and log An action 315 to be stored, session information 317, and a friend list 319, which is information on a friend.

리뷰 콘텐츠 테이블(303)은 리뷰의 우선순위에 대한 정보인 리뷰 우선순위 정보(331), 리뷰에 사진이 몇 개인지 또는 리뷰에 포함된 사진의 퀄리티가 얼마나 좋은지에 대한 스코어인 사진 품질 스코어(332), 리뷰에 어떤 액션(댓글, 클릭, 좋아요, 공유 등)들이 행해졌는지에 대한 액션 정보(333), 액션을 행한 유저(사용자)에 대한 정보인 액션 유저 리스트(335), 얼마나 최신의 리뷰인지에 대한 최신 정도 스코어(337), 리뷰의 내용이 얼마나 성실한지에 대한 리뷰 내용 스코어(338), 리뷰의 내용에 긍부정 단어가 얼마나 많이 쓰였는지에 대한 긍부정 스코어(339)를 포함할 수 있다. The review content table 303 includes review priority information 331 that is information on the priority of the review, a number of pictures in the review, or a picture quality score 332 that is a score on how good the quality of the pictures included in the review is Action information 333 indicating whether an action (comment, click, favorite, sharing, etc.) has been performed on the review, an action user list 335 which is information on a user who performed the action, (337), a review content score (338) about how sincere the review content is, and a positive negative score (339) about how many negative words are used in the content of the review.

액션 정보 테이블(305)은 사용자가 리뷰에 행한 액션에 대한 데이터 테이블이고, 좋아요나 별의 개수로 호감도를 표현한 정보인 호감도 정보(351), 리뷰를 클릭하여 다음 레이어(layer)로 진입하였는지에 대한 정보인 클릭 정보(353), 리뷰를 다른 채널에 공유한 것에 대한 정보인 공유 정보(354), 리뷰에 입력된 댓글에 관한 정보인 댓글 정보(355), 특정 식당 온라인 콘텐츠에 체크인하였다는 정보인 체크인 정보(357), 특정 리뷰 콘텐츠에 사용자가 머문 시간에 대한 정보인 체류시간 정보(359)를 포함할 수 있다.The action information table 305 is a data table for an action performed by a user in a review. The action information table 305 includes likelihood information 351 that is information representing the likelihood by the number of likes or stars, information about whether the user clicked on the review to enter the next layer The comment information 355 that is information on the comment entered in the review, and the check-in information 352 that is the information that the check-in is made to the online contents of the specific restaurant Information 357, and residence time information 359, which is information on a user's staying time in the specific review content.

속성 가중치 테이블(307)은 특정 리뷰 콘텐츠에 대해 어떤 속성을 위주로 우선순위를 정할 것인가에 대한 테이블이고, 어떤 리뷰 콘텐츠에 대한 정보인지를 나타내는 해당 리뷰 콘텐츠(371), 어떤 사용자에 대한 정보인지를 나타내는 해당 사용자(373), 해당 리뷰 콘텐츠에서 속성별로 대표액션으로 설정된 것에 대한 정보인 속성별 대표액션(375), 각 속성별 대표액션의 스코어에 대한 정보인 대표액션 스코어(377), 리뷰 콘텐츠의 속성 가중치에 대한 정보인 속성 가중치(379)를 포함할 수 있다.The attribute weight table 307 is a table for determining which property is to be prioritized with respect to a specific review content, and includes a corresponding review content 371 indicating which review content is information, A representative action 375 corresponding to an attribute, information on a set of a representative action for each attribute in the review content, a representative action score 377 indicating information on the score of the representative action for each attribute, And an attribute weight 379, which is information on the weight.

콘텐츠 우선순위 개인화 방법How to personalize your content priority

콘텐츠 우선순위 개인화 방법과 관련하여, 도 6은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법을 도시한 흐름도이다. 도 6에 도시된 바와 같이, 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법은 액션정보 수신단계(S10), 코릴레이션 계산 단계(S11), 속성 가중치 부여 단계(S12), 리뷰 우선순위 결정 단계(S13), 리뷰 콘텐츠 식별 단계(S14), 리뷰 콘텐츠 송신 단계(S15)를 포함할 수 있다.With respect to the content priority personalization method, FIG. 6 is a flowchart illustrating a content priority personalization method according to an embodiment of the present invention. 6, the content priority personalization method according to an exemplary embodiment of the present invention includes an action information receiving step S10, a correlation calculating step S11, an attribute weighting step S12, Step S13, review content identification step S14, and review content transmission step S15.

액션정보 수신단계(S10)는 액션정보 수집 모듈(131)이 사용자의 액션 정보(호감도, 댓글, 클릭, 공유, 체류시간, 체크인 등)를 수신하는 단계이다. The action information receiving step S10 is a step in which the action information collecting module 131 receives action information of the user (favorability, comment, click, sharing, residence time, check-in, etc.).

코릴레이션 계산 단계(S11)는 액션-속성 코릴레이션 모듈(132)이 수신된 액션 정보와 리뷰 콘텐츠의 속성 사이의 상관관계 분석을 통해 코릴레이션을 계산하는 단계이다. 예를 들어, 특정 사용자 개인의 액션정보를 기준으로, 리뷰 콘텐츠의 사진 개수라는 속성과 사용자 개인의 액션정보와의 정량적인 코릴레이션을 계산하게 된다. 계산의 대상이 되는 리뷰 콘텐츠의 속성에는 사진 개수, 사진 품질, 호감도 수, 공유 수, 댓글 수, 댓글 길이, 액션 사용자 리스트, 사용자와 리뷰 작성자와의 관계 거리, 최신 정도 스코어, 리뷰 성실도, 리뷰 긍부정 스코어, 댓글 긍부정 스코어 등이 포함될 수 있다. The correlation calculation step S11 is a step in which the action-attribute correlation module 132 calculates a correlation by analyzing a correlation between the received action information and the attributes of the review content. For example, based on the action information of a particular user, a quantitative correlation between the attribute of the number of pictures in the review content and the action information of the user is calculated. The attributes of the review content to be calculated include the number of pictures, the quality of the photos, the number of likes, the number of shares, the number of comments, the length of comments, the list of action users, the distance between users and reviewers, Positive negative scores, comment positive negative scores, and so on.

속성 가중치 부여 단계(S12)는 속성 가중치 모듈(135)이 계산된 코릴레이션을 토대로 리뷰 콘텐츠의 속성에 가중치를 부여하는 단계이다. 예를 들어, 사진과 사용자의 액션이 가장 코릴레이션이 높을 경우, 사진이라는 속성에 가장 큰 가중치를 부여하는 것이다. The attribute weighting step S12 is a step in which the attribute weighting module 135 weights attributes of the review content based on the calculated correlation. For example, if the photo and the user's actions are the most correlated, the greatest weight is given to the property called photo.

리뷰 우선순위 결정 단계(S13)는 리뷰 우선순위 모듈(136)이 S12의 속성 가중치를 이용하여 각 리뷰간 우선순위를 정하는 단계이다. 예를 들어, 사진, 친구, 최신성의 순서로 속성에 가중치가 부여된 경우, 이러한 기준을 통해 해당 온라인 콘텐츠에 연결되어 있는 복수개의 리뷰의 우선순위를 정하는 것이다. The review priority determining step S13 is a step in which the review priority module 136 determines the priority among the reviews using the attribute weight of S12. For example, if a property is weighted in the order of photo, friend, and up-to-date, these criteria will prioritize multiple reviews linked to that online content.

리뷰 콘텐츠 식별 단계(S14)는 리뷰 우선순위 모듈(136)이 리뷰 콘텐츠 DB(142)에서 설정된 리뷰 우선순위에 따라 리뷰 콘텐츠를 식별하는 단계이다. 예를 들어, 사용자 클라이언트(10)에 3개의 리뷰 콘텐츠를 송신하기로 결정한 경우, 우선순위 상위 3개의 리뷰 콘텐츠를 리뷰 콘텐츠 DB(142)에서 식별하는 것이다. The review content identification step (S14) is a step in which the review priority module 136 identifies the review content according to the review priority set in the review content DB 142. [ For example, when it is determined to transmit three review content to the user client 10, the top three review content items are identified in the review content DB 142.

리뷰 콘텐츠 송신 단계(S15)는 리뷰 우선순위 모듈(136)이 식별된 리뷰 콘텐츠를 사용자 클라이언트(10)에 송신하는 단계이다. 예를 들어, S14에서 식별한 3개의 리뷰 콘텐츠를 사용자 클라이언트(10)에 송신하는 것이다. The review content sending step (S15) is a step in which the review priority module 136 sends the identified review content to the user client 10. [ For example, the three review contents identified in S14 are transmitted to the user client 10. [

본 발명의 다른 실시예에 따르면, 아래와 같은 콘텐츠 우선순위 개인화 방법이 제안될 수 있다. 도 7은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법의 흐름도이다. 도 7에 따른 콘텐츠 우선순위 개인화 방법은 액션정보 수신단계(S10), 코릴레이션 계산 단계(S11), 속성별 대표액션 설정 단계(S120), 대표액션 스코어링 단계(S121), 속성 가중치 계산 단계(S122), 리뷰 우선순위 결정 단계(S13), 리뷰 콘텐츠 식별 단계(S14), 리뷰 콘텐츠 송신 단계(S15)를 포함할 수 있다. S10, S11, S13, S14, S15는 도 6의 콘텐츠 우선순위 개인화 방법과 동일하다. According to another embodiment of the present invention, a content priority personalizing method as described below may be proposed. 7 is a flowchart of a content priority personalization method according to an embodiment of the present invention. 7, the content priority personalizing method includes an action information receiving step S10, a correlation calculating step S11, a representative action setting step S120, a representative action scoring step S121, an attribute weight calculating step S122 ), A review priority determination step (S13), a review content identification step (S14), and a review content transmission step (S15). S10, S11, S13, S14, and S15 are the same as the content priority personalization method of FIG.

속성별 대표액션 설정 단계(S120)는 속성별 대표액션 설정 모듈(133)이 리뷰 콘텐츠의 속성별로 가장 코릴레이션이 높은 액션 정보를 해당 속성의 대표 액션으로 설정하는 단계이다. 예를 들어, 속성 중 하나인 '사진의 개수'에 대해 '호감도', '클릭', '체류시간' 등의 액션 각각에 대해 상관관계 분석을 수행하고, 이 중 호감도가 가장 코릴레이션이 높은 경우 사진에 대한 대표액션을 호감도로 설정하는 것이다. 예를 들어, 본 발명의 일실시예에 따른 S120에서 속성별 대표액션 설정 모듈(133)은 '사진의 개수'라는 속성과 '체류시간'이라는 액션이 상관관계 또는 액션발생 가능성이 가장 높게 나오는 것을 기준으로, '사진의 개수'라는 속성에 대한 '대표액션'은 '체류시간'으로 설정할 수 있다. 이에 따르면, 예를 들어, 사용자 A에 대해서는 '사진의 개수'라는 속성에 대한 대표액션은 '체류시간'으로 설정될 수 있고, 사용자 B에 대해서는 '사진의 개수'라는 속성에 대한 대표액션으로 '호감도'가 설정될 수 있는 것이다. 또한, 사용자 A에 대해서, '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '사용자와 리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정될 수 있다.In the representative action setting step (S120), the representative action setting module 133 for each attribute sets the action information having the highest correlation for each attribute of the review content as the representative action of the attribute. For example, a correlation analysis is performed for each of the actions such as 'likelihood', 'click', and 'stay time' for one of the attributes 'number of pictures' It is to set the representative action for the photograph as the favorability. For example, in S120 according to an exemplary embodiment of the present invention, the attribute-specific action setting module 133 may determine that an attribute 'number of pictures' and an action of 'stay time' As a standard, the 'representative action' for the attribute 'number of pictures' can be set as 'stay time'. For example, for the user A, the representative action for the attribute 'number of pictures' can be set to 'stay time', and for the user B, the representative action for the attribute 'number of pictures' Good feeling 'can be set. For the user A, the representative actions of 'number of pictures' include 'stay time' as a representative action of 'favorability' and 'picture quality', 'staying time', 'staying time' , 'Comment' can be set as a representative action of 'click' as the representative action of 'length', 'favorability' as a representative action of 'number of actions', and 'distance of relation with user and review author'.

대표액션 스코어링 단계(S121)는 대표액션 스코어링 모듈(134)이 해당 속성의 대표액션을 전체 유저의 액션정보와 비교하여, 전체 유저 대비 수준을 스코어링하여 대표액션 스코어를 생성하는 단계이다. 예를 들어, 본 발명의 일실시예에 따른 S121에서 대표액션 스코어링 모듈(134)은 속성별 대표액션의 수준이 전체 유저 중 상위 n% 라는 것을 계산하고, 속성별 대표액션에 이에 따른 점수(스코어)를 부여할 수 있다. 예를 들어, 사용자 A에 대해서 '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정된 뒤에, 대표액션 스코어링 모듈(134)이 사용자 A의 '체류시간'은 전체 사용자 중 상위 10%, '클릭'은 상위 20%, '호감도'는 상위 50%, '댓글'은 상위 70%라는 것을 계산하여 각각의 대표액션에 대해 상위 10%는 90점, 상위 70%는 30점 등으로 스코어링을 수행할 수 있다. 이때 전체 사용자와의 비교를 위해서 일평균값, 월평균값, 일중앙값, 월중앙값 등의 통계값이 이용될 수 있다.In the representative action scoring step S121, the representative action scoring module 134 compares the representative action of the attribute with the action information of the entire user, and scales the level of the entire user to generate a representative action score. For example, in S121 according to an embodiment of the present invention, the representative action scoring module 134 calculates that the level of the representative action by attribute is the upper n% of the entire users, and adds a corresponding score ) Can be given. For example, for the user A, the representative actions of 'number of pictures' include 'likelihood' as a representative action of 'quality of photo', 'stay time' as a representative action of 'picture content' The representative action scoring module 134 sets the 'comment' as the representative action of 'click' as the representative action of 'length of the action', 'likelihood' as the representative action of 'number of actions' It is calculated that the 'staying time' of the user A is the top 10% of all users, 'click' is the top 20%, 'favorability' is the top 50%, and 'comment' is the top 70% 10% can score 90 points, and the top 70% can score 30 points. At this time, statistical values such as a daily average value, a monthly average value, a median median value, and a median median value can be used for comparison with the entire user.

본 발명의 다른 실시예에 따른 S121에서 대표액션 스코어링 모듈(134)은 속성별 대표액션의 특정 기간에 대한 수준이 해당 유저의 전체 기간에 대한 수준 중 상위 n% 라는 것을 계산하고, 속성별 대표액션에 이에 따른 점수(스코어)를 부여할 수 있다. 이에 따르면, 사용자 A에 대해서 '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정된 뒤에, 대표액션 스코어링 모듈(134)이 일주일간 사용자 A의 '체류시간'은 전체 기간 중 상위 10%, '클릭'은 상위 20%, '호감도'는 상위 50%, '댓글'은 상위 70%라는 것을 계산하여 각각의 대표액션에 대해 스코어링을 수행할 수 있다. 속성별 대표액션의 스코어를 계산하는 방법은 이 밖에도 여러 방식이 제안될 수 있다.The representative action scoring module 134 in S121 according to another embodiment of the present invention calculates that the level for the specific period of the representative action by attribute is the upper n% of the level for the entire period of the user, A score (score) can be given accordingly. According to this, as a representative action of the 'number of pictures', a typical action of 'likelihood', 'picture quality', 'stay time', and 'text content' The representative action scoring module 134 sets a 'comment' as a representative action of 'click' as a representative action of 'length', 'favorability' as a representative action of 'number of actions' For a week, user A's 'stay time' is calculated by calculating that the top 10% of the time, 'click' is the top 20%, 'favorability' is the top 50%, and 'comment' is the top 70% Scoring can be performed. There are many other ways to calculate the score of a representative action by attribute.

속성 가중치 계산 단계(S122)는 속성 가중치 모듈(135)이 생성된 대표액션 스코어와 액션-속성 코릴레이션을 기준으로 속성 가중치를 계산하는 단계이다. 예를 들어, 사진에 대해서는 대표액션(호감도)의 대표액션 스코어가 60, 리뷰 길이에 대해서는 대표액션(댓글)의 대표액션 스코어가 20 등이었으면, 이를 토대로 사진 가중치 60, 리뷰 길이 가중치 20 등으로 설정하는 것이다. 속성 가중치의 계산과 관련해서는 위의 수학식 1이 참고될 수 있다.The attribute weight calculation step S122 is a step in which the attribute weight module 135 calculates an attribute weight based on the generated representative action score and the action-attribute correlation. For example, if the representative action score of the representative action (favorability) is 60 and the representative action score of the representative action (comment) is 20 or so on the review length, the picture weight value 60 and the review length weight value 20 are set based on the representative action score . With respect to the calculation of the attribute weight, the above Equation 1 can be referred to.

리뷰 우선순위 결정 단계(S13)는 리뷰 우선순위 모듈(136)이 S122의 속성 가중치와 해당 속성의 실제 속성값(예를 들어, 표준화 된 값)을 이용하여 각 리뷰간 우선순위를 정하게 된다. 예를 들어, 해당 온라인 콘텐츠에 대한 모든 리뷰에 대하여, 사진의 개수 가중치 60 및 리뷰 길이 가중치 20을 부여하고, 여기에 해당 리뷰의 실제 속성값(예를 들어, 사진의 개수가 10장이고 사진 개수 가중치가 0.1인 경우 리뷰 우선순위값은 1)을 곱하고 이를 종합하여 해당 리뷰 콘텐츠의 우선순위를 결정하는 것이다. 본 발명의 다른 실시예에 따르면, S13에서 리뷰의 어뷰징 가능성 파악하여 음(-)의 가중치를 줄 수 있다. 리뷰 우선순위 결정과 관련해서는 위의 수학식 2,3이 참고될 수 있다. 해당 속성의 실제 속성값의 표준화 관련해서는, 해당 유저의 속성값 평균과 표준편차가 이용될 수 있다. In the review priority determining step S13, the review priority module 136 determines the priority among the reviews using the attribute weight of S122 and the actual attribute value of the attribute (for example, the standardized value). For example, for all reviews of the online content, the number of pictures 60 and the weight 20 of the review are given, and the actual attribute value of the review (for example, the number of pictures is 10 and the number of pictures When the weight is 0.1, the review priority value is multiplied by 1), and the priority of the review content is determined by summing the results. According to another embodiment of the present invention, it is possible to grasp the possibility of the evaluation of the review at S13 and give a negative weight. In relation to the review priority determination, Equations 2 and 3 above can be referred to. Regarding the normalization of the actual attribute value of the attribute, the attribute value average and standard deviation of the user can be used.

이상에서 설명한 바와 같이, 본 발명이 속하는 기술 분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 상술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함하는 것으로 해석되어야 한다.As described above, those skilled in the art will appreciate that the present invention may be embodied in other specific forms without departing from the spirit or essential characteristics thereof. It is therefore to be understood that the above-described embodiments are to be considered in all respects only as illustrative and not restrictive. The scope of the present invention is defined by the appended claims rather than the detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present invention.

본 명세서 내에 기술된 특징들 및 장점들은 모두를 포함하지 않으며, 특히 많은 추가적인 특징들 및 장점들이 도면들, 명세서, 및 청구항들을 고려하여 당업자에게 명백해질 것이다. 더욱이, 본 명세서에 사용된 언어는 주로 읽기 쉽도록 그리고 교시의 목적으로 선택되었고, 본 발명의 주제를 묘사하거나 제한하기 위해 선택되지 않을 수도 있다는 것을 주의해야 한다.The features and advantages described herein are not all inclusive, and in particular, many additional features and advantages will be apparent to those skilled in the art in view of the drawings, specification, and claims. Moreover, it should be noted that the language used herein is primarily chosen for readability and for purposes of teaching, and may not be selected to delineate or limit the subject matter of the invention.

본 발명의 실시예들의 상기한 설명은 예시의 목적으로 제시되었다; 이는 개시된 정확한 형태로 본 발명을 제한하거나, 빠뜨리는 것 없이 만들려고 의도한 것이 아니다. 당업자는 상기한 개시에 비추어 많은 수정 및 변형이 가능하다는 것을 이해할 수 있다.The foregoing description of embodiments of the invention has been presented for purposes of illustration; It is not intended to be exhaustive or to limit the invention to the precise form disclosed. Those skilled in the art will appreciate that many modifications and variations are possible in light of the above teachings.

본 설명의 일부는 정보 상 연산의 기호 표현 및 알고리즘에 관한 본 발명의 실시예들을 기술한다. 이러한 알고리즘적 설명 및 표현은, 일반적으로 그들의 작업의 핵심을 효율적으로 다른 당업자에게 전달하기 위해 데이터 처리 분야의 당업자에 의해 사용된다. 이러한 동작은 기능적, 연산적, 또는 논리적으로 설명되지만, 컴퓨터나 이와 동등한 전기 회로, 마이크로코드 등에 의해 구현될 것으로 이해된다. 나아가, 또한 이것은 모듈로서의 이러한 동작의 배열을 나타내기 위해, 때때로 일반성의 상실 없이 편리하게 입증된다. 상기 기술된 동작 및 그들의 연관된 모듈은 소프트웨어, 펌웨어, 하드웨어, 또는 이들의 임의의 조합 내에서 구현될 수 있다.Some portions of this description describe embodiments of the present invention relating to symbolic representations and algorithms of informational operations. These algorithmic descriptions and representations are generally used by those skilled in the data processing arts to efficiently convey the essence of their work to the other skilled artisan. While such operations are described functionally, computationally, or logically, they are understood to be implemented by a computer or equivalent electrical circuitry, microcode, or the like. Furthermore, this is also conveniently demonstrated without loss of generality, sometimes to represent an arrangement of such operations as a module. The operations described above and their associated modules may be implemented in software, firmware, hardware, or any combination thereof.

여기서 기술된 임의의 단계, 동작, 또는 프로세스는, 하나 이상의 하드웨어 또는 소프트웨어 모듈과 함께 단독으로 또는 다른 장치와 조합하여 수행되거나 구현될 수 있다. 일 실시예에서, 소프트웨어 모듈은 컴퓨터 프로그램 코드를 포함하는 컴퓨터-판독 가능 매체로 구성되는 컴퓨터 프로그램 제품과 함께 구현되고, 컴퓨터 프로그램 코드는 기술된 임의의 또는 모든 공정, 단계, 또는 동작을 수행하기 위한 컴퓨터 프로세서에 의해 실행될 수 있다.Any of the steps, operations, or processes described herein may be performed or implemented in conjunction with one or more hardware or software modules, alone or in combination with other devices. In one embodiment, a software module is implemented with a computer program product comprised of a computer-readable medium comprising computer program code, and the computer program code is executable to perform any or all of the processes, steps, May be executed by a computer processor.

또한, 본 발명의 실시예들은, 여기서의 동작을 수행하기 위한 장치와 관련될 수 있다. 이들 장치는 요구되는 목적을 위해 특별히 제작될 수 있고/있거나, 컴퓨터 내에 저장된 컴퓨터 프로그램에 의해 선택적으로 활성화되거나 재구성되는 일반적-목적의 연산 장치를 포함할 수 있다. 이러한 컴퓨터 프로그램은, 유형의 컴퓨터 판독가능 저장 매체 또는 전자 명령어를 저장하기 위해 적합한 임의의 유형의 미디어 내에 저장될 수 있고, 컴퓨터 시스템 버스에 결합될 수 있다. 나아가, 본 명세서에 참조되는 임의의 연산 시스템은 단일 프로세서를 포함할 수 있거나, 증가한 연산 능력을 위한 다중 프로세서 디자인을 채택한 구조가 될 수 있다.Furthermore, embodiments of the invention may relate to an apparatus for performing the operations herein. These devices may include a general-purpose computing device that may be specially constructed and / or selectively activated or reconfigured by a computer program stored within the computer for the required purpose. Such a computer program may be stored in any type of media suitable for storing computer readable storage media or type of instructions, and may be coupled to a computer system bus. Further, any computing system referred to herein may comprise a single processor, or it may be a structure employing a multiprocessor design for increased computing power.

마지막으로, 본 명세서에 사용된 언어는 주로 읽기 쉽도록 그리고 교시의 목적으로 선택되었고, 본 발명의 주제를 묘사하거나 제한하기 위해 선택되지 않을 수 있다.Finally, the language used herein has been chosen primarily for readability and for purposes of teaching, and may not be selected to describe or limit the subject matter of the invention.

그러므로 본 발명의 범위는 상세한 설명에 의해 한정되지 않고, 이를 기반으로 하는 출원의 임의의 청구항들에 의해 한정된다. 따라서, 본 발명의 실시예들의 개시는 예시적인 것이며, 이하의 청구항에 기재된 본 발명의 범위를 제한하는 것은 아니다.The scope of the invention is, therefore, not to be limited by the Detailed Description, but is to be defined by the claims of any application based thereon. Accordingly, the disclosure of embodiments of the invention is illustrative and not restrictive of the scope of the invention, which is set forth in the following claims.

1: 콘텐츠 우선순위 개인화 시스템
10: 사용자 클라이언트
12: 서버
13: 콘텐츠 우선순위 개인화 장치
14: 데이터베이스
131: 액션 정보 수집 모듈
132: 액션-속성 코릴레이션 모듈
133: 속성별 대표액션 설정 모듈
134: 대표액션 스코어링 모듈
135: 속성 가중치 모듈
136: 리뷰 우선순위 모듈
141: 사용자 정보 DB
142: 리뷰 콘텐츠 DB
143: 액션 정보 DB
144: 속성 가중치 DB
145: 리뷰 우선순위 DB1: Content Priority Personalization System
10: User Client
12: Server
13: Content priority personalization device
14: Database
131: Action information collection module
132: Action-attribute correlation module
133: Representative action setting module by property
134: Representative Action Scoring Module
135: Attribute weighting module
136: Review Priority Module
141: User information DB
142: Review content DB
143: Action information DB
144: Property weight DB
145: Review priority DB

Claims

특정 사용자에 관하여, 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 모듈;
상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 모듈;
상기 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 모듈;
상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 모듈; 및
상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위를 계산하는 우선순위 모듈;
을 포함하고,
상기 대표액션 스코어링 모듈은, 최근 특정 기간 동안의 상기 대표액션이 상기 특정 사용자의 나머지 기간 동안의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 것을 특징으로 하는,
콘텐츠 우선순위 개인화 장치.
Attribute-correlation information, which is a correlation between a plurality of actions included in the action information of the online content and a plurality of attributes included in the attribute information of the online content, Relation module;
A representative action setting module for each attribute for selecting a representative action having the highest correlation for each attribute through the action-attribute correlation information;
A representative action scoring module for evaluating the level of the representative action with respect to an action of all users and calculating a representative action score for each attribute;
An attribute weight module for generating an attribute weight which is a weight calculated for each attribute by using the action-attribute correlation information and the representative action score; And
A priority module for calculating a priority of the online contents using the attribute weight and attribute information of the online contents;
/ RTI >
Wherein the representative action scoring module calculates a representative action score for each attribute by evaluating the degree of the representative action during a specific period compared to the action during the remaining period of the specific user.
Content priority personalization device.

삭제delete

콘텐츠 우선순위 개인화 장치의 일구성인 액션-속성 코릴레이션 모듈이, 특정 사용자에 관하여 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 단계;
상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성별 대표액션 설정 모듈이, 상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 단계;
상기 콘텐츠 우선순위 개인화 장치의 일구성인 대표액션 스코어링 모듈이, 상기 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 단계;
상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성 가중치 모듈이, 상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 단계; 및
상기 콘텐츠 우선순위 개인화 장치의 일구성인 우선순위 모듈이, 상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위를 계산하는 우선순위 단계;
를 포함하고,
상기 대표액션 스코어링 단계에서 상기 대표액션 스코어링 모듈은, 최근 특정 기간 동안의 상기 대표액션이 상기 특정 사용자의 나머지 기간 동안의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 것을 특징으로 하는,
콘텐츠 우선순위 개인화 방법.
The action-attribute correlation module, which is a component of the content priority personalizing device, calculates a correlation between a plurality of actions included in the action information of the online content with respect to a specific user and a plurality of attributes included in the attribute information of the online content correlation-information-correlation-action-attribute correlation information that is correlation-attribute correlation correlation information;
A representative action setting module for each attribute, which is a component of the content priority personalizing device, includes: a representative action setting step for selecting a representative action having the highest correlation for each attribute through the action-attribute correlation information;
A representative action scoring module that is a component of the content priority personalizing device calculates a representative action score for each attribute by evaluating how much the representative action is in relation to the action of all users;
An attribute weighting step of generating an attribute weighting value, which is a weight calculated for each attribute by using the action-attribute correlation information and the representative action score, as an element of the content priority personalizing apparatus; And
A priority module for calculating a priority of the online contents using the attribute weight and the attribute information of the online content, the priority module being a component of the content priority personalizing device;
Lt; / RTI >
In the representative action scoring step, the representative action scoring module evaluates whether the representative action during a specific period in recent years is at a level with respect to an action during the remaining period of the specific user, and calculates a representative action score for each attribute As a result,
How to personalize content priority.

삭제delete

특정 사용자에 관하여 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 단계;
상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 단계;
상기 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 단계;
상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 단계; 및
상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위를 계산하는 우선순위 단계;
를 포함하고,
상기 대표액션 스코어링 단계는, 최근 특정 기간 동안의 상기 대표액션이 상기 특정 사용자의 나머지 기간 동안의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 것을 특징으로 하는,
콘텐츠 우선순위 개인화 방법을 컴퓨터 상에서 실행시키기 위하여 기록매체에 저장된 프로그램.
And an action-attribute correlation calculation unit that calculates action-attribute correlation information, which is a correlation between a plurality of actions included in the action information of the online content with respect to a specific user and a plurality of attributes included in the attribute information of the online content, step;
A representative action setting step for selecting a representative action having the highest correlation for each attribute through the action-attribute correlation information;
A representative action scoring step of evaluating a level of the representative action with respect to an action of all users and calculating a representative action score for each attribute;
An attribute weight step of generating an attribute weight which is a weight calculated for each attribute by using the action-attribute correlation information and the representative action score; And
A priority step of calculating a priority of the online contents using the attribute weight and attribute information of the online contents;
Lt; / RTI >
Wherein the representative action scoring step calculates a representative action score for each attribute by evaluating whether the representative action during a specific period in recent years is at a level with respect to an action during the remaining period of the specific user,
A program stored on a recording medium for causing a computer to execute a content priority personalization method.