KR102104100B1 - Method to recommend digital contents based on usage log and apparatus therefor - Google Patents
Method to recommend digital contents based on usage log and apparatus therefor Download PDFInfo
- Publication number
- KR102104100B1 KR102104100B1 KR1020130007512A KR20130007512A KR102104100B1 KR 102104100 B1 KR102104100 B1 KR 102104100B1 KR 1020130007512 A KR1020130007512 A KR 1020130007512A KR 20130007512 A KR20130007512 A KR 20130007512A KR 102104100 B1 KR102104100 B1 KR 102104100B1
- Authority
- KR
- South Korea
- Prior art keywords
- execution
- content
- activity
- user
- execution activity
- Prior art date
Links
- 238000000034 method Methods 0.000 title description 21
- 230000000694 effects Effects 0.000 claims abstract description 175
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 10
- 230000007423 decrease Effects 0.000 description 8
- 235000019640 taste Nutrition 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
본 명세서는 컨텐츠 추천 장치를 개시한다. 상기 장치는 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하는 실행정보 수신부와; 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하는 실행활성도 산출부와; 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 추천 컨텐츠 결정부를 포함한다.This specification discloses a content recommendation device. The apparatus includes an execution information receiver configured to receive content execution history information including execution times and execution times of content stored in a user terminal; An execution activity calculating unit for calculating execution activity of the content based on the received content execution history information; And a recommendation content determination unit that determines recommendation content based on the calculated execution activity.
Description
본 명세서는 컨텐츠 추천 장치 및 컨텐츠 추천 서비스 방법에 관한 것으로서, 더욱 상세하게는 사용자의 컨텐츠 실행 이력으로부터 획득한 정보를 바탕으로 사용자의 취향에 가장 가까운 컨텐츠를 추천하는 방법 및 그에 사용되는 장치에 관한 것이다.The present specification relates to a content recommendation device and a content recommendation service method, and more particularly, to a method for recommending content closest to a user's preference based on information obtained from a user's content execution history, and a device used therein. .
최근, 통신 네트워크가 비약적으로 발전함에 따라, 기존의 고정된 컴퓨터를 이용하는 통신 서비스 뿐만 아니라 이동단말을 이용한 통신 서비스의 이용률이 급증하고 있고 이에 힘입어 각종 통신 서비스의 종류가 매우 다양해지고 있다.In recent years, as the communication network has rapidly developed, the utilization rate of communication services using mobile terminals as well as communication services using existing fixed computers is rapidly increasing, and various types of communication services have been greatly increased thanks to this.
이러한 컴퓨터 및/또는 이동단말을 위한 통신 서비스 중 가장 대표적인 것으로는, 음악, 동영상, 쿠폰 등의 다양한 컨텐츠나 어플리케이션 프로그램을 구매할 수 있도록 하는 컨텐츠 제공서비스, 앱 스토어 등이 있다.One of the most representative communication services for computers and / or mobile terminals is a content providing service, an app store, and the like, that enable purchase of various contents or application programs such as music, video, and coupons.
최근 이러한 컨텐츠 또는 어플리케이션을 전문 제작자가 아닌 일반 사용자들도 충분히 자체 제작이 가능한 환경이 조성됨에 따라, 온라인 상에 존재하는 컨텐츠의 수와 종류가 무수히 많아지고 있는 실정이다.In recent years, as an environment capable of self-producing such contents or applications even by general users who are not professional producers has been created, the number and types of contents existing online are increasing.
이와 같이 디지? 컨텐츠(앱,비디오, 오디오, eBook) 등을 제공하는 마켓의 규모가 커져갈 수록 사용자의 선택권은 높아지는데 반해 사용자의 관심사나 취향과 관련성이 높은 컨텐츠의 발견이 어려워진다. 따라서 사용자의 사용 행태에 기반한 컨텐츠의 선별 및 추천의 중요성이 높아지는데, 사용자의 구매/평가 이력을 바탕으로 하는 기존의 추천 시스템의 경우, 구매/평가 이력만을 사용하고 실제 사용자가 해당 컨텐츠를 소비하는 패턴을 반영하지 못한다. 특히, 네트워크 속도의 향상과 다양한 컨텐츠 마켓으로의 접근성 향상, 부분 유료화 모델등의 비즈니스 모델 변화등으로 디지털 컨텐츠 마켓의 경우에는 사용자의 구매 신중성이 낮아져 구매 자체로는 사용자의 선호도를 정확하게 판별하기 힘들다.Digi like this? As the size of the market providing content (app, video, audio, eBook) increases, the user's choice increases, while it is difficult to find content related to the user's interests or tastes. Therefore, the importance of selecting and recommending content based on the user's usage behavior increases. In the case of the existing recommendation system based on the user's purchase / evaluation history, only the purchase / evaluation history is used and the actual user consumes the content. It does not reflect the pattern. Particularly, in the case of digital content markets, the user's purchasing discretion is lowered due to the increase in network speed, access to various content markets, and changes in business models such as partial pay models.
따라서, 구매 컨텐츠에 대한 실제 사용이력을 분석하여 해당 컨텐츠에 대한 사용활성도에 따라 고객의 실제 선호도를 반영한 컨텐츠를 추천할 수 있는 방안이 요청되고 있다.Accordingly, there is a demand for a method of analyzing the actual usage history of purchased content and recommending the content reflecting the actual preference of the customer according to the usage activity of the corresponding content.
본 명세서는 컨텐츠 추천 장치 및 방법을 제공하는 데에 그 목적이 있다. 보다 구체적으로는 컨텐츠에 대한 실제 사용이력을 분석하여 해당 컨텐츠에 대한 사용활성도에 따라 고객의 실제 선호도를 반영한 컨텐츠를 추천해 줌으로써 사용자의 서비스 사용을 촉진하는 방법 및 장치를 제공하는 것에 목적이 있다. 또한 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하고, 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하고, 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 컨텐츠 추천 장치를 제공함으로써 사용자의 만족도를 제고하는 것이 본 명세서의 목적이다.The purpose of this specification is to provide a content recommendation apparatus and method. More specifically, it is an object of the present invention to provide a method and apparatus for promoting a user's use of a service by analyzing the actual usage history of the content and recommending the content reflecting the actual preference of the customer according to the usage activity of the content. In addition, content execution history information including execution times and execution times of contents stored in the user terminal is received, the execution activity of the content is calculated based on the received content execution history information, and the calculated execution activity is based on It is an object of the present specification to improve user satisfaction by providing a content recommendation device for determining recommended content.
본 명세서의 일 실시예에 따라 컨텐츠 추천 장치가 제공된다. 상기 장치는 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하는 실행정보 수신부와; 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하는 실행활성도 산출부와; 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 추천 컨텐츠 결정부를 포함할 수 있다.A content recommendation device is provided according to an embodiment of the present specification. The apparatus includes an execution information receiver configured to receive content execution history information including execution times and execution times of content stored in a user terminal; An execution activity calculating unit for calculating execution activity of the content based on the received content execution history information; A recommendation content determination unit may determine a recommendation content based on the calculated execution activity.
상기 실행활성도 산출부는, 상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하고, 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다.The execution activity calculating unit calculates the content execution score for each predetermined period based on the number of execution times and the execution time of the predetermined period of the content, and calculates the execution activity of the content by summing the calculated content execution score for each predetermined period You can.
상기 실행활성도 산출부는, 상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하고, 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고, 상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다.The execution activity calculation unit calculates the content execution score for each predetermined period based on the number of execution times and the execution time of the predetermined period of the content, and decreases the execution activity from the predetermined period to the execution activity calculation time point based on the execution score for each predetermined period. Adjustment execution scores may be calculated by assigning a ratio, and the execution execution of the content may be calculated by summing the adjustment execution scores.
상기 실행활성도 산출부는, 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간과 타 사용자의 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 비교하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다.The execution activity calculating unit may calculate the execution activity of the content by comparing the average execution count and average execution time of the predetermined period of the content with the average execution count and average execution time of the predetermined period of the content of another user.
상기 추천 컨텐츠 결정부는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천할 수 있다.The recommended content determination unit searches for other users having the execution activity of the predefined content and the similarity of the user's execution activity and above a threshold value, and recommends the content executed by the other user to the user. You can.
본 명세서의 다른 실시예에 따라 컨텐츠 추천 방법이 제공된다. 상기 방법은 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하는 단계와; 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하는 단계와; 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 단계를 포함할 수 있다.A content recommendation method is provided according to another embodiment of the present specification. The method includes receiving content execution history information including execution times and execution times of content stored in a user terminal; Calculating an execution activity of the content based on the received content execution history information; And determining recommended content based on the calculated execution activity.
상기 실행 활성도를 산출하는 단계는, 상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하는 단계와; 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계를 포함할 수 있다.The calculating of the execution activity may include calculating the content execution score for each predetermined period based on the number of execution times and the execution time of the predetermined period of the content; And calculating the execution activity of the content by summing the calculated content execution scores for each predetermined period.
상기 실행 활성도를 산출하는 단계는, 상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하는 단계와; 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하는 단계와; 상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계를 포함 포함할 수 있다.The calculating of the execution activity may include calculating the content execution score for each predetermined period based on the number of execution times and the execution time of the predetermined period of the content; Calculating an adjusted execution score by assigning a execution activity reduction ratio from the predetermined period to a execution activity calculation time point in the execution score for each predetermined period; And calculating the execution activity of the content by summing the adjustment execution scores.
상기 실행 활성도를 산출하는 단계는, 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간과 타 사용자의 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 비교하여 상기 컨텐츠의 실행 활성도를 산출하는 단계일 수 있다. The calculating of the execution activity is a step of calculating the execution activity of the content by comparing the average execution time and average execution time of the predetermined period of the content with the average execution time and average execution time of the predetermined period of the content of another user You can.
상기 추천 컨텐츠를 결정하는 단계는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천하는 단계일 수 있다.Determining the recommended content includes searching for another user having a similarity of the user's execution activity and a threshold value or more, and the user's execution content of a predetermined content or more, which is greater than a predetermined execution activity. It can be a recommended step.
본 명세서의 또 다른 실시예에 따라 컨텐츠 추천 서비스 시스템이 제공된다. 상기 시스템은 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하고, 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하고, 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 컨텐츠 추천 장치와; 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 전송하고, 상기 컨텐츠 실행이력 정보를 기초로 상기 컨텐츠 추천 장치에 의해 추천된 추천 컨텐츠를 표시하는 사용자 단말을 포함할 수 있다.A content recommendation service system is provided according to another embodiment of the present specification. The system receives content execution history information including execution times and execution times of content stored in a user terminal, calculates execution activity of the content based on the received content execution history information, and calculates the execution activity A content recommendation device for determining recommended content based on; It may include a user terminal that transmits content execution history information including the number of execution times and execution time of the stored content, and displays recommended content recommended by the content recommendation device based on the content execution history information.
본 명세서의 실시예들은 사용자가 구매한 컨텐츠의 실제 사용 이력을 분석한 결과를 바탕으로 사용자의 선호도를 반영한 개인 맞춤형 추천 서비스를 제공할 수 있다. 더 나아가 사용자의 최신 컨텐츠 사용 취향을 분석하여 최신 관심사에 적합한 추천 제공을 할 수 있는 효과도 성취할 수 있다.The embodiments of the present specification may provide a personalized recommendation service reflecting a user's preference based on a result of analyzing a user's actual use history of purchased content. Furthermore, it is possible to achieve the effect of providing recommendations suitable for the latest interests by analyzing the user's preference for using the latest content.
도 1은 본 발명의 일 실시예에 따른 컨텐츠 추천 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 컨텐츠 추천 서비스 시스템을 나타낸 구성도이다.
도 3은 본 발명의 일 실시예에 따른 컨텐츠 추천 방법을 나타낸 흐름도이다.1 is a block diagram of a content recommendation apparatus according to an embodiment of the present invention.
2 is a block diagram showing a content recommendation service system according to an embodiment of the present invention.
3 is a flowchart illustrating a content recommendation method according to an embodiment of the present invention.
본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.It should be noted that the technical terms used in this specification are only used to describe specific embodiments and are not intended to limit the present invention. In addition, technical terms used in this specification should be interpreted as meanings generally understood by those having ordinary knowledge in the technical field to which the present invention pertains, unless defined otherwise. It should not be interpreted as a meaning, or an excessively reduced meaning. In addition, when the technical term used in this specification is a wrong technical term that does not accurately represent the spirit of the present invention, it should be understood as being replaced by a technical term that can be correctly understood by those skilled in the art. In addition, the general terms used in the present invention should be interpreted as defined in the dictionary or in context before and after, and should not be interpreted as an excessively reduced meaning.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니됨을 유의해야 한다. 본 발명의 사상은 첨부된 도면 외에 모든 변경, 균등물 내지 대체물에 까지도 확장되는 것으로 해석되어야 한다.
Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings, but the same or similar elements will be given the same reference numbers regardless of the reference numerals, and redundant descriptions thereof will be omitted. In addition, in the description of the present invention, when it is determined that detailed descriptions of related known technologies may obscure the subject matter of the present invention, detailed descriptions thereof will be omitted. In addition, it should be noted that the accompanying drawings are only for easy understanding of the spirit of the present invention and should not be interpreted as limiting the spirit of the present invention by the accompanying drawings. The spirit of the present invention should be interpreted to extend to all changes, equivalents, and substitutes in addition to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 컨텐츠 추천 장치의 블록도이다.1 is a block diagram of a content recommendation apparatus according to an embodiment of the present invention.
도 1을 참고하여 보면, 상기 컨텐츠 추천 장치(100)는 실행정보 수신부(101), 실행활성도 산출부(102), 추천 컨텐츠 결정부(103)을 포함하여 구성될 수 있다.Referring to FIG. 1, the
상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 사용 이력을 분석하여 해당 사용자의 관심 컨텐츠와 관심 카테고리를 분석하고, 그 결과를 이용하여 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 특정 사용자가 소유하고 있는 컨텐츠의 실제 실행이력 정보를 분석하여 해당 사용자의 관심 컨테츠, 관심 카테고리 등을 파악할 수 있다. 본 명세서에서 개시하는 방법 및 장치에 의해 사용자의 관심 컨테츠, 관심 카테고리 등이 분석되면, 해당 관심사와 가장 밀접한 컨텐츠의 추천이 제공될 수 있다.The
컨텐츠의 실행이력으로부터 분석한 사용자의 컨텐츠 사용 특성에 따라 효율적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 각 사용자가 보유한 컨텐츠를 사용(재생, 실행 등)한 이력(history)을 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치(100)의 실행정보 수신부(101)는 각각의 사용자 단말로부터 컨텐츠 실행이력 정보를 수신하고 저장할 수 있다. 이때 상기 컨텐츠 실행이력 정보는 상기 단말에 저장된 1 이상의 컨텐츠 각각의 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등의 정보를 포함할 수 있다. 한편 특정 사용자의 컨텐츠 실행기록이 서버 등에 저장되는 경우에는 상기 실행정보 수신부(101)는 해당 서버 등으로부터 특정 사용자의 컨텐츠 실행이력 정보를 수신할 수도 있다.In order to efficiently select recommended content according to the content usage characteristics of the user analyzed from the execution history of the content, the
상기 컨텐츠 추천 장치(100)의 실행활성도 산출부(102)는 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 여기서 실행 활성도는 특정 컨텐츠에 대한 사용 정도를 나타내는 척도이며, 실행활성도가 큰 컨텐츠는 사용자가 좀 더 관심을 기울이는 분야의 컨텐츠로 추정될 수 있다.The execution
일반적으로 디지털 컨텐츠 마켓은 사용자의 구매이력을 기초로 하여 추천 컨텐츠를 제공한다. 하지만 동일한 구매 컨텐츠에 대해서 각 사용자 별로 만족도 및 활용도가 다르기 때문에, 단순 구매이력 기반 추천은 사용자의 실제 선호도를 제대로 반영하지 못하는 경우가 많다. 또한 과거에 발생한 구매이력을 기반으로 추정되는 사용자의 관심사는, 시간에 따라 변한 현재의 관심사를 제대로 반영하지 못하는 경우도 있다. 따라서 각 컨텐츠 구매 이후 사용자의 실행활성도를 측정하고 해당 값에 따라 추천제공을 한다면 사용자의 기호에 더 적합한 컨텐츠 추천이 이루어질 수 있다.In general, the digital content market provides recommended content based on the user's purchase history. However, since the satisfaction and utilization of each user are different for the same purchase content, simple purchase history-based recommendation often does not properly reflect the user's actual preference. In addition, the user's interest estimated based on the past purchase history may not properly reflect the current interest changed over time. Therefore, if the user's execution activity is measured after each content is purchased and recommendations are provided according to the corresponding values, content recommendations more suited to the user's preferences can be made.
특정 사용자의 컨텐츠 실행활성도를 산출하기 위해 다양한 인자가 사용될 수 있다. 전술하였듯이 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등이 상기 인자로 사용될 수 있다. 이하에서는 컨텐츠의 실행 횟수, 실행 시간을 주요한 인자로 하여 컨텐츠의 실행 활성도를 산출하는 방법을 설명한다.Various factors can be used to calculate a specific user's content execution activity. As described above, the number of executions, execution time, execution time (date, time, etc.), execution place, and the like can be used as the above factors. Hereinafter, a method of calculating the execution activity of the content will be described using the number of execution times and the execution time of the content as main factors.
실행 활성도 산출의 제1 실시예로서 상기 실행활성도 산출부(102)는 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 기초로 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 예컨대, 컨텐츠 A의 2012년 12월 한 달 간의 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이라면, 컨텐츠 A의 실행활성도 = (기본 점수)+(3*30)과 같은 수식으로 계산될 수 있다. 이때 실행 활성도는 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 계산될 수도 있다. 즉, 특정 사용자(U)가 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이며, 타 사용자들의 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 6회이고 1일 평균 실행시간이 20분인 경우라면, 컨텐츠 A의 실행활성도 = (기본 점수) + w1*(3/6) + w2*(30/20)과 같은 수식으로 계산될 수 있다. (w1, w2는 실행 활성도에 있어서 실행횟수 및 실행시간에 각각 부여되는 가중치이다.) 이 경우 기본 점수가 0.5, w1, w2이 각각 0.5 라면, 컨텐츠 A의 실행활성도는 0.5 + 0.5*(3/6) + 0.5*(30/20) = 1.833 이 된다.As a first embodiment of calculating the execution activity, the execution
실행 활성도 산출의 제2 실시예로서 상기 실행활성도 산출부(102)는 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하고, 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 즉, 단위 기간(1일, 1주일 등)을 정하여 각 단위 시간 동안의 특정 컨텐츠 실행 횟수, 실행 시간에 기초한 점수를 계산하고, 원하는 시점까지의 점수를 모두 합산하여 실행활성도를 계산하는 것이다.As a second embodiment of the calculation of execution activity, the execution
예를 들어, 1일 단위로 수집한 특정 사용자(U)의 컨텐츠 A와 컨텐츠 B에 대한 실행이력이 아래 표1과 같다면,For example, if the execution history of content A and content B of a specific user U collected on a daily basis is shown in Table 1 below,
2012.12
2012년 12월 기준으로 계산한 컨텐츠 A의 실행 활성도 U(A)는 U(A) = 10*30 + 12*45 + 7*16 + … + 4*15 + 2*14 + … + 0*0 + 0*0 + 0*0 이고, 컨텐츠 B의 실행 활성도 U(B)는 U(B)= 0*0 + 0*0 + 0*0 + … + 2*10 + 3*12 + … +5*7 + 10*25 + 8*19 이다. 이때 컨텐츠의 속성에 따라 실행횟수 및 실행시간에 각각 별도의 가중치를 부여할 수도 있다.The execution activity U (A) of content A calculated as of December 2012 is U (A) = 10 * 30 + 12 * 45 + 7 * 16 +… + 4 * 15 + 2 * 14 +… + 0 * 0 + 0 * 0 + 0 * 0, and the execution activity U (B) of content B is U (B) = 0 * 0 + 0 * 0 + 0 * 0 +… + 2 * 10 + 3 * 12 +… + 5 * 7 + 10 * 25 + 8 * 19. In this case, separate weights may be assigned to the number of execution times and the execution time according to the properties of the content.
또한 실행 활성도를 구하기 위한 대상 기간을 달리하면 위의 예를 든 컨텐츠 A와 B의 실행 활성도 값도 달라질 수 있다. 즉, 위의 예에서는 실행활성도 산출대상 기간을 2012년 12월로 하였으나, 그 산출대상 기간을 2012년 12월 15일~2012년 12월 31일 변경한다면, 컨텐츠 A와 B의 실행 활성도 값도 달라진다. 이는 실행활성도 산출대상 기간을 유연하게 변경해 가며 타겟팅 사용자의 특성을 보다 더 적합하게 반영한 실행활성도를 구할 수 있음을 의미한다. 예를 들어 유의미한 기간(명절연휴기간, 바캉스 기간, 연말연시 등)을 대상으로 특정 컨텐츠의 실행활성도를 산출한다면 해당 기간의 사용자 맞춤 컨텐츠 프로모션에 적절히 활용할 수 있을 것이다.In addition, if the target period for obtaining the execution activity is different, the execution activity values of the contents A and B in the above example may also be changed. In other words, in the above example, the execution activity calculation target period is set to December 2012, but if the calculation target period is changed from December 15, 2012 to December 31, 2012, the execution activity values of content A and B also change. This means that it is possible to flexibly change the period for calculating the execution activity and to obtain the execution activity that reflects the characteristics of the targeting user more appropriately. For example, if the execution activity of specific content is calculated for a meaningful period (holiday holiday period, vacation period, year-end and New Year holidays, etc.), it may be appropriately used for user-specific content promotion during the period.
실행 활성도 산출의 제3 실시예로서 상기 실행활성도 산출부(102)는 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하고, 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고, 상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 즉, 실행활성도가 시간에 따라 감소하여(일정 기간동안 실행을 하지 않으면 활성도가 0으로 수렴하도록 함으로써), 최근에 자주 사용한 컨텐츠를 사용자의 관심 컨텐츠로 분류하는 것이다. 예컨대 (해당일 +1)일 사용자의 컨텐츠 A에 대한 활성도는 전일 실행활성도에 실행 활성도 감소 비율을 반영하여 계산된다. 즉, x일의 실행활성도가 1.833이었고 실행 활성도 감소 비율이 0.9로 정의된다면, x+1일의 실행활성도는 1.833 * 0.9 = 1.6499이 되고, x+2일의 실행활성도는 1.833 * 0.92 = 1.487이 되는 방식이다.As a third embodiment of calculating execution activity, the execution
위의 표 1과 같이 실행이력에 대하여 실행 활성도 감소 비율을 부여하여 12월 31일 기준 실행활성도를 계산한다면, 컨텐츠 A의 실행 활성도 U(A)는 U(A) = 10*30*0.930 + 12*45*0.929 + 7*16*0.928 + … + 4*15*0.916 + 2*14*0.915 + … + 0*0*0.92 + 0*0*0.91 + 0*0과 같은 방식으로 계산된다. 동일한 방식을 컨텐츠 B의 실행 활성도 계산에 적용하면, 컨텐츠 B는 12월 31일 직전에 많이 실행되었으므로 상대적으로 실행활성도의 감소가 적게 나타날 것이다. 이와 같이 방식의 계산은 동일 기간의 컨텐츠 실행이라도 더 최근에 실행된 컨텐츠가 사용자의 관심사를 더 많이 반영하고 있음을 이용하는 것이다.As shown in Table 1 above, if the execution activity is calculated as of December 31 by assigning the execution activity reduction ratio to the execution history, the execution activity U (A) of the content A is U (A) = 10 * 30 * 0.9 30 + 12 * 45 * 0.9 29 + 7 * 16 * 0.9 28 +… + 4 * 15 * 0.9 16 + 2 * 14 * 0.9 15 +… It is calculated in the same way as + 0 * 0 * 0.9 2 + 0 * 0 * 0.9 1 + 0 * 0. If the same method is applied to the calculation of the execution activity of the content B, the content B is executed a lot immediately before December 31, so the decrease in the execution activity will be relatively small. In this way, calculation of the method is to utilize that contents executed more recently reflect more of the user's interests even if contents are executed in the same period.
상기 실시예들은 상호 조합되어 사용될 수도 있다. 예를 들어 제2, 제3 실시예의 실행활성도 계산도, 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 수행될 수 있다.The above embodiments may be used in combination with each other. For example, the execution activity calculation of the second and third embodiments may also be performed based on a ratio of execution times and execution times compared to other users.
위와 같이 각 컨텐츠마다의 실행 활성도가 계산되면, 상기 컨텐츠 추천 장치(100)의 추천 컨텐츠 결정부(103)는 계산된 실행 활성도에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정할 수 있다. When the execution activity for each content is calculated as described above, the recommended content determination unit 103 of the
예를 들어, 실행 활성도가 가장 높은 컨텐츠와 동일 카테고리의 컨텐츠를 추천하거나, 실행 활성도가 일정 기준 이상인 컨텐츠와 동일 카테고리의 컨텐츠를 추천하는 등 다양한 방식으로 추천 컨텐츠를 결정할 수 있다. 또한 일 실시예로서 상기 추천 컨텐츠 결정부(103)는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천할 수도 있다. 즉, 컨텐츠 실행 취향이 비슷할 것으로 예상되는 다른 사용자가 자주 또는 많이 실행한 컨텐츠를 추천하는 것이다. 이는 유사한 개성을 갖는 사용자간에는 어느 일방의 취향에 맞는 컨텐츠를 추천했을 때 그 추천에 대한 반응도가 높을 것으로 기대하는 것이다. 또 다른 실시예로서, 어느 사용자가 특정 컨텐츠에 대해 타 사용자의 평균적인 실행활성도에 비해 특이한 추이를 보인다면, 이를 기초로 한 컨텐츠 추천도 가능하다. 예를 들어 타 사용자의 경우 평균적으로 1주일 정도 후에 실행 빈도/시간이 줄어드는 컨텐츠임에도, 어느 사용자는 최근까지 꾸준히 계속 실행활성도가 높다면, 이러한 매니아적인 취향에 부합되는 컨텐츠를 찾아서 추천 제공하는 것이다.For example, the recommended content may be determined in various ways, such as recommending the content having the highest execution activity and content in the same category, or recommending the content having the execution activity higher than a certain criterion and the content in the same category. In addition, as an embodiment, the recommended content determination unit 103 searches for other users having a similarity of the execution activity of the predefined content and a threshold or higher of the user's predefined activity, and the execution activity of the other user is greater than or equal to a predetermined execution activity. The executed content may be recommended to the user. In other words, content that is frequently or frequently executed by another user who is expected to have a similar content execution taste is recommended. This is to expect that users who have similar personality will have high response to the recommendation when recommending content that matches one's taste. As another embodiment, if a user shows a specific trend compared to the average execution activity of another user for a specific content, content recommendation based on this is also possible. For example, in the case of other users, although the frequency / time of execution decreases on average after about a week, if a user continues to have high execution activity until recently, he / she finds and recommends content that meets this enthusiast's preference.
이와 같은 방법으로 상기 컨텐츠 추천 장치(100)는 사용자의 컨텐츠 실행 이력에 근거한 추천 결과를 생성할 수 있으며, 실행 이력으로부터 사용자의 선호 카테고리 등을 파악함으로써 고객 취향에 대한 분석의 정확도를 높일 수 있다.
In this way, the
도 2는 본 발명의 일 실시예에 따른 컨텐츠 추천 서비스 시스템을 나타낸 구성도이다.2 is a block diagram showing a content recommendation service system according to an embodiment of the present invention.
상기 컨텐츠 추천 서비스 시스템은 컨텐츠 추천 장치(100) 및 사용자 단말(10)을 포함하여 구성될 수 있다. 이때 상기 컨텐츠 추천 장치(100)는 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하고, 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하고, 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정할 수 있다. 또한 상기 사용자 단말(10)은 상기 컨텐츠 추천 장치로 저장된 컨텐츠의 컨텐츠 실행이력 정보를 전송하고, 상기 컨텐츠 추천 장치에 의해 추천된 추천 컨텐츠를 표시할 수 있다.The content recommendation service system may include a
상기 사용자 단말(10)은, 컨텐츠 추천 장치(100)에서 제공하는 서비스에 접속하여 컨텐츠 추천 장치(100)로부터 제공되는 컨텐츠를 수신할 수 있는 단말로서, 예컨대 이동단말 또는 컴퓨터일 수 있다. 이러한 사용자 단말(10)은, 특정 가입자에 의해 일련의 로그인 과정을 거쳐 컨텐츠 추천 장치(100)에서 제공하는 서비스에 접속할 수 있다.The
이에, 사용자 단말(10)은, 특정 카테고리에 대한 컨텐츠 추천을 요청하고, 이에 따라 컨텐츠 추천 장치(100)로부터 제공되는 추천 컨텐츠를 표시할 수 있다. 즉, 사용자 단말(10)은, 사용자에 의해 특정 컨텐츠 카테고리(예: 영화)가 입력 또는 선택되면, 이러한 특정 카테고리(예: 영화)에 대한 컨텐츠 추천을 컨텐츠 추천 장치(100)에 요청할 수 있다.Accordingly, the
또는, 사용자 단말(10)은, 컨텐츠 추천 요청을 위한 시간대별 추천요청정보가 미리 설정되어, 특정 시간대에 도달하면 해당 시간대의 추천요청정보에 따른 특정 컨텐츠카테고리(예: 연예오락)에 대한 컨텐츠 추천을 컨텐츠 추천 장치(100)에 요청할 수도 있다. 이 밖에도, 사용자 단말(10)이 가입자와 관련하여 특정 컨텐츠카테고리에 대한 컨텐츠 추천을 요청하는 방식은 다양하게 실현될 수 있다. Alternatively, the
사용자 단말(10)은 컨텐츠 추천 장치(100)로부터 컨텐츠 즉 추천 컨텐츠가 제공되면, 추천 컨텐츠 예컨대 추천 컨텐츠를 열람할 수 있도록 하는 컨텐츠 접속정보를 바로 표시할 수 있고, 또는 가입자가 표시를 선택하면 추천 컨텐츠의 컨텐츠 접속정보를 표시할 수도 있다.When the
한편 상기 사용자 단말(10)은 컨텐츠 추천 장치(100)에게 컨텐츠 실행 이력 정보를 제공할 수도 있다. 이는 사용자 단말(10) 또는 컨텐츠 서버를 통해 이루어 질 수 있다. 필요한 경우, 사용자 단말(10)은 상기 정보 제공을 위한 사용자의 사전 동의를 전송할 수도 있다.Meanwhile, the
상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 사용 이력을 분석하여 해당 사용자의 관심 컨텐츠와 관심 카테고리를 분석하고, 그 결과를 이용하여 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 특정 사용자가 소유하고 있는 컨텐츠의 실제 실행이력 정보를 분석하여 해당 사용자의 관심 컨테츠, 관심 카테고리 등을 파악할 수 있다.The
컨텐츠의 실행이력으로부터 분석한 사용자의 컨텐츠 사용 특성에 따라 효율적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 각 사용자가 보유한 컨텐츠를 사용(재생, 실행 등)한 이력(history)을 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치(100)는 각각의 사용자 단말로부터 컨텐츠 실행이력 정보를 수신하고 저장할 수 있다. 이때 상기 컨텐츠 실행이력 정보는 상기 단말에 저장된 1 이상의 컨텐츠 각각의 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등의 정보를 포함할 수 있다. 한편 특정 사용자의 컨텐츠 실행기록이 서버 등에 저장되는 경우에는 상기 컨텐츠 추천 장치(100)는 해당 서버 등으로부터 특정 사용자의 컨텐츠 실행이력 정보를 수신할 수도 있다.In order to efficiently select recommended content according to the content usage characteristics of the user analyzed from the execution history of the content, the
상기 컨텐츠 추천 장치(100)는 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 여기서 실행 활성도는 특정 컨텐츠에 대한 사용 정도를 나타내는 척도이며, 실행활성도가 큰 컨텐츠는 사용자가 좀 더 관심을 기울이는 분야의 컨텐츠로 추정될 수 있다.The
특정 사용자의 컨텐츠 실행활성도를 산출하기 위해 다양한 인자가 사용될 수 있다. 전술하였듯이 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등이 상기 인자로 사용될 수 있다. 컨텐츠의 실행 횟수, 실행 시간을 주요한 인자로 하여 컨텐츠의 실행 활성도를 산출하는 방법은 도 1에서 설명한 바와 같다.Various factors can be used to calculate a specific user's content execution activity. As described above, the number of executions, execution time, execution time (date, time, etc.), execution place, and the like can be used as the above factors. A method of calculating the execution activity of the content using the number of execution times and the execution time as the main factors is as described in FIG. 1.
각 컨텐츠마다의 실행 활성도가 계산되면, 상기 컨텐츠 추천 장치(100)는 계산된 실행 활성도에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정할 수 있다. When the execution activity for each content is calculated, the
예를 들어, 실행 활성도가 가장 높은 컨텐츠와 동일 카테고리의 컨텐츠를 추천하거나, 실행 활성도가 일정 기준 이상인 컨텐츠와 동일 카테고리의 컨텐츠를 추천하는 등 다양한 방식으로 추천 컨텐츠를 결정할 수 있다. 또한 일 실시예로서 상기 컨텐츠 추천 장치는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천할 수도 있다. 즉, 컨텐츠 실행 취향이 비슷할 것으로 예상되는 다른 사용자가 자주 또는 많이 실행한 컨텐츠를 추천하는 것이다. 이는 유사한 개성을 갖는 사용자간에는 어느 일방의 취향에 맞는 컨텐츠를 추천했을 때 그 추천에 대한 반응도가 높을 것으로 기대하는 것이다. 또 다른 실시예로서, 어느 사용자가 특정 컨텐츠에 대해 타 사용자의 평균적인 실행활성도에 비해 특이한 추이를 보인다면, 이를 기초로 한 컨텐츠 추천도 가능하다. 예를 들어 타 사용자의 경우 평균적으로 1주일 정도 후에 실행 빈도/시간이 줄어드는 컨텐츠임에도, 어느 사용자는 최근까지 꾸준히 계속 실행활성도가 높다면, 이러한 매니아적인 취향에 부합되는 컨텐츠를 찾아서 추천 제공하는 것이다.For example, the recommended content may be determined in various ways, such as recommending the content having the highest execution activity and content in the same category, or recommending the content having the execution activity higher than a certain criterion and the content in the same category. In addition, as an embodiment, the content recommendation device searches for another user having a similarity of the execution activity of the predefined content and a threshold or higher of the user, and the content executed by the other user with a predetermined execution activity or higher. It can also be recommended to the user. In other words, content that is frequently or frequently executed by another user who is expected to have a similar content execution taste is recommended. This is to expect that users who have similar personality will have high response to the recommendation when recommending content that matches one's taste. As another embodiment, if a user shows a specific trend compared to the average execution activity of another user for a specific content, content recommendation based on this is also possible. For example, in the case of other users, although the frequency / time of execution decreases on average after about a week, if a user continues to have high execution activity until recently, he / she finds and recommends content that meets this enthusiast's preference.
도 3은 본 발명의 일 실시예에 따른 컨텐츠 추천 방법을 나타낸 흐름도이다.3 is a flowchart illustrating a content recommendation method according to an embodiment of the present invention.
이하에서 상술하는 컨텐츠 추천 방법은 컨텐츠 추천 장치에 의해 수행될 수 있다.The content recommendation method described below may be performed by a content recommendation device.
상기 컨텐츠 추천 장치는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 사용 이력을 분석하여 해당 사용자의 관심 컨텐츠와 관심 카테고리를 분석하고, 그 결과를 이용하여 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 특정 사용자가 소유하고 있는 컨텐츠의 실제 실행이력 정보를 분석하여 해당 사용자의 관심 컨테츠, 관심 카테고리 등을 파악할 수 있다.The content recommendation apparatus analyzes a user's history of using digital content (application, multimedia content, etc.) of a specific user, analyzes content of interest and a category of interest, and recommends personalized content using the result. In particular, the device may analyze the actual execution history information of the content owned by a specific user to grasp the content, interest category, and the like of the user.
컨텐츠의 실행이력으로부터 분석한 사용자의 컨텐츠 사용 특성에 따라 효율적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치는 각 사용자가 보유한 컨텐츠를 사용(재생, 실행 등)한 이력(history)을 수집할 수 있다(S210). 일 실시예로서, 상기 컨텐츠 추천 장치는 각각의 사용자 단말로부터 컨텐츠 실행이력 정보를 수신하고 저장할 수 있다. 이때 상기 컨텐츠 실행이력 정보는 상기 단말에 저장된 1 이상의 컨텐츠 각각의 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등의 정보를 포함할 수 있다. 한편 특정 사용자의 컨텐츠 실행기록이 서버 등에 저장되는 경우에는 상기 컨텐츠 추천 장치는 해당 서버 등으로부터 특정 사용자의 컨텐츠 실행이력 정보를 수신할 수도 있다.In order to efficiently select recommended content according to the content usage characteristics of the user analyzed from the execution history of the content, the content recommendation device may collect a history of using (playing, executing, etc.) the content held by each user. Yes (S210). As an embodiment, the content recommendation device may receive and store content execution history information from each user terminal. At this time, the content execution history information may include information such as the execution number, execution time, execution time (date, time, etc.) of each of the one or more contents stored in the terminal, execution place, and the like. Meanwhile, when a content execution record of a specific user is stored in a server or the like, the content recommendation device may receive content execution history information of a specific user from the server or the like.
상기 컨텐츠 추천 장치는 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다(S220). 여기서 실행 활성도는 특정 컨텐츠에 대한 사용 정도를 나타내는 척도이며, 실행활성도가 큰 컨텐츠는 사용자가 좀 더 관심을 기울이는 분야의 컨텐츠로 추정될 수 있다.The content recommendation device may calculate the execution activity of the content based on the received content execution history information (S220). Here, the execution activity is a measure indicating the degree of use for a specific content, and the content having a large execution activity may be estimated as content in a field in which the user pays more attention.
특정 사용자의 컨텐츠 실행활성도를 산출하기 위해 다양한 인자가 사용될 수 있다. 전술하였듯이 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등이 상기 인자로 사용될 수 있다. 이하에서는 컨텐츠의 실행 횟수, 실행 시간을 주요한 인자로 하여 컨텐츠의 실행 활성도를 산출하는 방법을 설명한다.Various factors can be used to calculate a specific user's content execution activity. As described above, the number of executions, execution time, execution time (date, time, etc.), execution place, and the like can be used as the above factors. Hereinafter, a method of calculating the execution activity of the content will be described using the number of execution times and the execution time of the content as main factors.
실행 활성도 산출의 제1 실시예로서 상기 실행 활성도를 산출하는 단계는 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 기초로 상기 컨텐츠의 실행 활성도를 산출하는 단계일 수 있다. 예컨대, 컨텐츠 A의 2012년 12월 한 달 간의 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이라면, 컨텐츠 A의 실행활성도 = (기본 점수)+(3*30)과 같은 수식으로 계산될 수 있다. 이때 실행 활성도는 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 계산될 수도 있다. 즉, 특정 사용자(U)가 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이며, 타 사용자들의 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 6회이고 1일 평균 실행시간이 20분인 경우라면, 컨텐츠 A의 실행활성도 = (기본 점수) + w1*(3/6) + w2*(30/20)과 같은 수식으로 계산될 수 있다. (w1, w2는 실행 활성도에 있어서 실행횟수 및 실행시간에 각각 부여되는 가중치이다.) 이 경우 기본 점수가 0.5, w1, w2이 각각 0.5 라면, 컨텐츠 A의 실행활성도는 0.5 + 0.5*(3/6) + 0.5*(30/20) = 1.833 이 된다.As a first embodiment of calculating execution activity, calculating the execution activity may be calculating an execution activity of the content based on an average number of execution times and an average execution time of a predetermined period of content. For example, if the average number of executions per day for a month in December 2012 of content A is 3 times and the average execution time per day is 30 minutes, the execution activity of content A = (base score) + (3 * 30) Can be calculated as At this time, the execution activity may be calculated based on the ratio of execution times and execution times compared to other users. That is, the average number of executions per day by a specific user (U) for content A in December 2012 is 3 times, the average execution time per day is 30 minutes, and the content of other users by December 2012 for content A If the average number of executions per day is 6 times per month and the average execution time per day is 20 minutes, the execution activity of content A = (base score) + w1 * (3/6) + w2 * (30/20) It can be calculated with an equation. (w1, w2 are weights assigned to the number of executions and the execution time in execution activity.) In this case, if the basic score is 0.5, and w1 and w2 are 0.5, the execution activity of content A is 0.5 + 0.5 * (3 / 6) + 0.5 * (30/20) = 1.833.
실행 활성도 산출의 제2 실시예로서 상기 실행 활성도를 산출하는 단계는 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하고, 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계일 수 있다. 즉, 단위 기간(1일, 1주일 등)을 정하여 각 단위 시간 동안의 특정 컨텐츠 실행 횟수, 실행 시간에 기초한 점수를 계산하고, 원하는 시점까지의 점수를 모두 합산하여 실행활성도를 계산하는 것이다.In the second embodiment of calculating execution activity, calculating the execution activity comprises calculating the content execution score for each predetermined period based on the number of execution times and the execution time of a predetermined period of content, and calculating the calculated content execution score for each predetermined period. The summation may be a step of calculating the execution activity of the content. That is, a unit period (1 day, 1 week, etc.) is determined to calculate a score based on the number of execution times of a specific content during each unit time and execution time, and the execution activity is calculated by summing all the scores up to a desired time point.
예를 들어, 1일 단위로 수집한 특정 사용자(U)의 컨텐츠 A와 컨텐츠 B에 대한 실행이력이 도 1에서 설명한 상기 표 1과 같다면,For example, if the execution history for content A and content B of a specific user U collected on a daily basis is as shown in Table 1 described in FIG. 1,
2012년 12월 기준으로 계산한 컨텐츠 A의 실행 활성도 U(A)는 U(A) = 10*30 + 12*45 + 7*16 + … + 4*15 + 2*14 + … + 0*0 + 0*0 + 0*0 이고, 컨텐츠 B의 실행 활성도 U(B)는 U(B)= 0*0 + 0*0 + 0*0 + … + 2*10 + 3*12 + … +5*7 + 10*25 + 8*19 이다. 이때 컨텐츠의 속성에 따라 실행횟수 및 실행시간에 각각 별도의 가중치를 부여할 수도 있다.The execution activity U (A) of content A calculated as of December 2012 is U (A) = 10 * 30 + 12 * 45 + 7 * 16 +… + 4 * 15 + 2 * 14 +… + 0 * 0 + 0 * 0 + 0 * 0, and the execution activity U (B) of content B is U (B) = 0 * 0 + 0 * 0 + 0 * 0 +… + 2 * 10 + 3 * 12 +… + 5 * 7 + 10 * 25 + 8 * 19. In this case, separate weights may be assigned to the number of execution times and the execution time according to the properties of the content.
또한 실행 활성도를 구하기 위한 대상 기간을 달리하면 위의 예를 든 컨텐츠 A와 B의 실행 활성도 값도 달라질 수 있다. 즉, 위의 예에서는 실행활성도 산출대상 기간을 2012년 12월로 하였으나, 그 산출대상 기간을 2012년 12월 15일~2012년 12월 31일 변경한다면, 컨텐츠 A와 B의 실행 활성도 값도 달라진다. 이는 실행활성도 산출대상 기간을 유연하게 변경해 가며 타겟팅 사용자의 특성을 보다 더 적합하게 반영한 실행활성도를 구할 수 있음을 의미한다. 예를 들어 유의미한 기간(명절연휴기간, 바캉스 기간, 연말연시 등)을 대상으로 특정 컨텐츠의 실행활성도를 산출한다면 해당 기간의 사용자 맞춤 컨텐츠 프로모션에 적절히 활용할 수 있을 것이다.In addition, if the target period for obtaining the execution activity is different, the execution activity values of the contents A and B in the above example may also be changed. In other words, in the above example, the execution activity calculation target period is set to December 2012, but if the calculation target period is changed from December 15, 2012 to December 31, 2012, the execution activity values of content A and B also change. This means that it is possible to flexibly change the period for calculating the execution activity and to obtain the execution activity that reflects the characteristics of the targeting user more appropriately. For example, if the execution activity of specific content is calculated for a meaningful period (holiday holiday period, vacation period, year-end and New Year holidays, etc.), it may be appropriately used for user-specific content promotion during the period.
실행 활성도 산출의 제3 실시예로서 상기 실행 활성도를 산출하는 단계는 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하고, 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고, 상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계일 수 있다. 즉, 실행활성도가 시간에 따라 감소하여(일정 기간동안 실행을 하지 않으면 활성도가 0으로 수렴하도록 함으로써), 최근에 자주 사용한 컨텐츠를 사용자의 관심 컨텐츠로 분류하는 것이다. 예컨대 (해당일 +1)일 사용자의 컨텐츠 A에 대한 활성도는 전일 실행활성도에 실행 활성도 감소 비율을 반영하여 계산된다. 즉, x일의 실행활성도가 1.833이었고 실행 활성도 감소 비율이 0.9로 정의된다면, x+1일의 실행활성도는 1.833 * 0.9 = 1.6499이 되고, x+2일의 실행활성도는 1.833 * 0.92 = 1.487이 되는 방식이다.In the third embodiment of calculating execution activity, calculating the execution activity comprises calculating the content execution score for each predetermined period based on the number of execution times and execution time of the predetermined period of content, and the predetermined period based on the execution score for each predetermined period. It may be a step of calculating the execution execution score of the content by adding the execution activity reduction rate from to the execution activity calculation time point, and adding the adjustment execution scores to calculate the execution activity of the content. That is, the execution activity decreases with time (by causing the activity to converge to 0 if the execution is not performed for a certain period of time), the recently used content is classified as the user's interest content. For example, the activity of the user's content A on the day (+1 of the corresponding day) is calculated by reflecting the execution activity reduction ratio to the execution activity of the previous day. That is, if the execution activity of x days is 1.833 and the reduction ratio of execution activity is defined as 0.9, the execution activity of x + 1 day is 1.833 * 0.9 = 1.6499, and the execution activity of x + 2 day is 1.833 * 0.9 2 = 1.487 This is how it works.
위의 표 1과 같이 실행이력에 대하여 실행 활성도 감소 비율을 부여하여 12월 31일 기준 실행활성도를 계산한다면, 컨텐츠 A의 실행 활성도 U(A)는 U(A) = 10*30*0.930 + 12*45*0.929 + 7*16*0.928 + … + 4*15*0.916 + 2*14*0.915 + … + 0*0*0.92 + 0*0*0.91 + 0*0과 같은 방식으로 계산된다. 동일한 방식을 컨텐츠 B의 실행 활성도 계산에 적용하면, 컨텐츠 B는 12월 31일 직전에 많이 실행되었으므로 상대적으로 실행활성도의 감소가 적게 나타날 것이다. 이와 같이 방식의 계산은 동일 기간의 컨텐츠 실행이라도 더 최근에 실행된 컨텐츠가 사용자의 관심사를 더 많이 반영하고 있음을 이용하는 것이다.As shown in Table 1 above, if the execution activity is calculated as of December 31 by assigning the execution activity reduction ratio to the execution history, the execution activity U (A) of the content A is U (A) = 10 * 30 * 0.9 30 + 12 * 45 * 0.9 29 + 7 * 16 * 0.9 28 +… + 4 * 15 * 0.9 16 + 2 * 14 * 0.9 15 +… It is calculated in the same way as + 0 * 0 * 0.9 2 + 0 * 0 * 0.9 1 + 0 * 0. If the same method is applied to the calculation of the execution activity of the content B, the content B is executed a lot immediately before December 31, so the decrease in the execution activity will be relatively small. In this way, calculation of the method is to utilize that contents executed more recently reflect more of the user's interests even if contents are executed in the same period.
상기 실시예들은 상호 조합되어 사용될 수도 있다. 예를 들어 제2, 제3 실시예의 실행활성도 계산도, 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 수행될 수 있다.The above embodiments may be used in combination with each other. For example, the execution activity calculation of the second and third embodiments may also be performed based on a ratio of execution times and execution times compared to other users.
위와 같이 각 컨텐츠마다의 실행 활성도가 계산되면, 상기 컨텐츠 추천 장치는 계산된 실행 활성도에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정할 수 있다(S230). When the execution activity for each content is calculated as above, the content recommendation device may determine recommended content to be recommended to the user according to the calculated execution activity (S230).
예를 들어, 실행 활성도가 가장 높은 컨텐츠와 동일 카테고리의 컨텐츠를 추천하거나, 실행 활성도가 일정 기준 이상인 컨텐츠와 동일 카테고리의 컨텐츠를 추천하는 등 다양한 방식으로 추천 컨텐츠를 결정할 수 있다. 또한 일 실시예로서 상기 추천 컨텐츠를 결정하는 단계는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천하는 단계일 수도 있다. 즉, 컨텐츠 실행 취향이 비슷할 것으로 예상되는 다른 사용자가 자주 또는 많이 실행한 컨텐츠를 추천하는 것이다. 이는 유사한 개성을 갖는 사용자간에는 어느 일방의 취향에 맞는 컨텐츠를 추천했을 때 그 추천에 대한 반응도가 높을 것으로 기대하는 것이다. 또 다른 실시예로서, 어느 사용자가 특정 컨텐츠에 대해 타 사용자의 평균적인 실행활성도에 비해 특이한 추이를 보인다면, 이를 기초로 한 컨텐츠 추천도 가능하다. 예를 들어 타 사용자의 경우 평균적으로 1주일 정도 후에 실행 빈도/시간이 줄어드는 컨텐츠임에도, 어느 사용자는 최근까지 꾸준히 계속 실행활성도가 높다면, 이러한 매니아적인 취향에 부합되는 컨텐츠를 찾아서 추천 제공하는 것이다.For example, the recommended content may be determined in various ways, such as recommending the content having the highest execution activity and content in the same category, or recommending the content having the execution activity higher than a certain criterion and the content in the same category. In addition, as an embodiment, the determining of the recommended content may include searching for other users having a similarity of the execution activity of the predefined content and a threshold or higher of the user's execution activity, and the other user executes the execution activity of the preset content or higher. It may be a step of recommending a content to the user. In other words, content that is frequently or frequently executed by another user who is expected to have a similar content execution taste is recommended. This is to expect that users who have similar personality will have high response to the recommendation when recommending content that matches one's taste. As another embodiment, if a user shows a specific trend compared to the average execution activity of another user for a specific content, content recommendation based on this is also possible. For example, in the case of other users, although the frequency / time of execution decreases on average after about a week, if a user continues to have high execution activity until recently, he / she finds and recommends content that meets this enthusiast's preference.
이와 같은 방법으로 상기 컨텐츠 추천 장치는 사용자의 컨텐츠 실행 이력에 근거한 추천 결과를 생성할 수 있으며, 실행 이력으로부터 사용자의 선호 카테고리 등을 파악함으로써 고객 취향에 대한 분석의 정확도를 높일 수 있다.In this way, the content recommendation apparatus can generate a recommendation result based on the user's content execution history, and can grasp the user's preference category from the execution history to increase the accuracy of analysis on customer preferences.
이상, 본 발명의 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.The embodiments of the present invention have been described above, but those skilled in the art can add, change, delete, or add components within the scope of the present invention as described in the claims. By this, the present invention can be variously modified and changed, and it will be said that it is also included within the scope of the present invention.
100 : 컨텐츠 추천 장치
101 : 실행정보 수신부
102 : 실행활성도 산출부
103 : 추천 컨텐츠 결정부100: content recommendation device
101: execution information receiving unit
102: execution activity calculation unit
103: recommended content determination unit
Claims (11)
상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하는 실행활성도 산출부;
산출한 상기 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 추천 컨텐츠 결정부를 포함하며;
상기 추천 컨텐츠 결정부는, 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행 활성도와 임계값 이상의 유사도를 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 추천 컨텐츠로 결정하며,
상기 실행활성도 산출부는, 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 소정 기간 별 컨텐츠 실행점수를 계산하고, 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고, 상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하며,
상기 추천 컨텐츠 결정부는, 상기 사용자의 실행 활성도가 타 사용자의 실행활성도와 상이한 추이를 보이는 경우를 기초로 추천 컨텐츠를 결정하는 것을 특징으로 하는 컨텐츠 추천 장치.An execution information receiver configured to receive content execution history information including execution times and execution times of content stored in a user terminal;
An execution activity calculator for calculating execution activity of the content based on the received content execution history information;
A recommendation content determination unit for determining recommended content based on the calculated execution activity;
The recommended content determination unit searches for another user having a similarity of the execution activity of the user and a threshold or higher of a predefined content, and the content executed by the other user with a predetermined execution activity or more as the recommended content Decide,
The execution activity calculation unit calculates the content execution score for each predetermined period based on the number of execution times and the execution time of the predetermined period of content, and the execution activity reduction rate from the predetermined period to the execution activity calculation time point is calculated based on the execution score for each predetermined period. To calculate the adjustment execution score, sum the adjustment execution scores to calculate the execution activity of the content,
The recommended content determining unit determines a recommended content based on a case in which the execution activity of the user shows a different trend from the execution activity of another user.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130007512A KR102104100B1 (en) | 2013-01-23 | 2013-01-23 | Method to recommend digital contents based on usage log and apparatus therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130007512A KR102104100B1 (en) | 2013-01-23 | 2013-01-23 | Method to recommend digital contents based on usage log and apparatus therefor |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140094892A KR20140094892A (en) | 2014-07-31 |
| KR102104100B1 true KR102104100B1 (en) | 2020-04-23 |
Family
ID=51740385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130007512A KR102104100B1 (en) | 2013-01-23 | 2013-01-23 | Method to recommend digital contents based on usage log and apparatus therefor |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102104100B1 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102002896B1 (en) * | 2016-02-16 | 2019-10-01 | 네이버 주식회사 | Method and system for personalization notification time within contents service |
| KR101943639B1 (en) * | 2016-06-13 | 2019-01-30 | 한국전자통신연구원 | Saving Power Consumption of Terminals based on Context Information and Usage Pattern Analysis apparatus and method therefor |
| KR101870276B1 (en) * | 2016-12-30 | 2018-06-22 | 주식회사 픽스게임즈 | System and method for providing augmented reality contents using markers |
| KR101985743B1 (en) | 2017-12-21 | 2019-06-04 | 애니포인트미디어 주식회사 | Apparatus of providing personalized home shopping contents |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004222239A (en) * | 2002-12-27 | 2004-08-05 | Hiranuma Shoji Kk | On-demand video delivery system, and its contents search and display method |
| JP2009178363A (en) | 2008-01-31 | 2009-08-13 | Namco Bandai Games Inc | Program, information storage medium and content providing device |
| JP2010141559A (en) | 2008-12-11 | 2010-06-24 | Sharp Corp | Content selection device, content reproduction device, content selection method, program, and recording medium |
| JP2012015917A (en) * | 2010-07-02 | 2012-01-19 | Sharp Corp | Content viewing system, content recommendation method and content display apparatus |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100898713B1 (en) * | 2007-06-01 | 2009-05-25 | 삼성전자주식회사 | Method and apparatus for producing play list of media content, method and apparatus for playing media content |
| KR101166130B1 (en) * | 2007-08-30 | 2012-07-23 | 삼성전자주식회사 | Method and apparatus for constructing user profile using contents tag, and method for contents recommendation using the constructed user profile |
| JP5328212B2 (en) * | 2008-04-10 | 2013-10-30 | 株式会社エヌ・ティ・ティ・ドコモ | RECOMMENDATION INFORMATION EVALUATION DEVICE AND RECOMMENDATION INFORMATION EVALUATION METHOD |
-
2013
- 2013-01-23 KR KR1020130007512A patent/KR102104100B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004222239A (en) * | 2002-12-27 | 2004-08-05 | Hiranuma Shoji Kk | On-demand video delivery system, and its contents search and display method |
| JP2009178363A (en) | 2008-01-31 | 2009-08-13 | Namco Bandai Games Inc | Program, information storage medium and content providing device |
| JP2010141559A (en) | 2008-12-11 | 2010-06-24 | Sharp Corp | Content selection device, content reproduction device, content selection method, program, and recording medium |
| JP2012015917A (en) * | 2010-07-02 | 2012-01-19 | Sharp Corp | Content viewing system, content recommendation method and content display apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20140094892A (en) | 2014-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11562394B2 (en) | Methods and apparatus to associate transactions with media impressions | |
| KR102150660B1 (en) | Method to recommend digital contents based on search log and apparatus therefor | |
| US10630794B2 (en) | Multi computing device network based conversion determination based on computer network traffic | |
| US8600838B2 (en) | Website, user interfaces, and applications facilitating improved media search capability | |
| US9467744B2 (en) | Comment-based media classification | |
| US20220277328A1 (en) | Methods and apparatus to enable duplication correction for broadcast station audience measurement data | |
| KR102131791B1 (en) | Method to provide recommended contents and associated contents | |
| US11403681B1 (en) | SMS-based review requests | |
| US20180365709A1 (en) | Personalized creator recommendations | |
| KR102104100B1 (en) | Method to recommend digital contents based on usage log and apparatus therefor | |
| US20160371731A1 (en) | Identifying Media Store Users Eligible for Promotions | |
| EP3776432A1 (en) | Processor systems to estimate audience sizes and impression counts for different frequency intervals | |
| US11997354B2 (en) | Methods and apparatus to identify and triage digital ad ratings data quality issues | |
| KR20140096411A (en) | Method to recommend digital contents based on reliavility of contents assessment and apparatus therefor | |
| US10217142B1 (en) | Selective solicitation of user feedback for digital goods markets | |
| KR102086041B1 (en) | Method to recommend digital contents using multi-period user profile and apparatus therefor | |
| CN112287208A (en) | User portrait generation method and device, electronic equipment and storage medium | |
| CN113011985A (en) | Financial product push data processing method and device | |
| US11023905B2 (en) | Algorithm for identification of trending content | |
| KR101596900B1 (en) | System and method for ranking advertisement | |
| US20150332192A1 (en) | Estimating Future Inventory | |
| KR101684855B1 (en) | The maketing method using smartphone | |
| CN110891095A (en) | Client information verification method and device | |
| TW201642221A (en) | Jest contents website |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E90F | Notification of reason for final refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |