KR20090050405A - Method and apparatus for classifying user behaviors based on the event log generated from the context aware system environment - Google Patents
Method and apparatus for classifying user behaviors based on the event log generated from the context aware system environment Download PDFInfo
- Publication number
- KR20090050405A KR20090050405A KR1020070116813A KR20070116813A KR20090050405A KR 20090050405 A KR20090050405 A KR 20090050405A KR 1020070116813 A KR1020070116813 A KR 1020070116813A KR 20070116813 A KR20070116813 A KR 20070116813A KR 20090050405 A KR20090050405 A KR 20090050405A
- Authority
- KR
- South Korea
- Prior art keywords
- action
- event
- behavior
- user
- time
- Prior art date
Links
- 230000006399 behavior Effects 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000009471 action Effects 0.000 claims abstract description 150
- 239000013598 vector Substances 0.000 claims description 59
- 230000001788 irregular Effects 0.000 claims description 7
- 230000003989 repetitive behavior Effects 0.000 claims description 4
- 208000013406 repetitive behavior Diseases 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 abstract description 7
- 238000003860 storage Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002618 waking effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000005406 washing Methods 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은, 상황 인식 시스템 환경 내에서 발생하는 이벤트들을 기록한 이벤트 로그를 이용하여 사용자의 행동을 분류하는 방법 및 장치에 관한 것이다. 상황 인식 시스템 환경에서 능동적이고 지능적인 서비스를 사용자에게 제공하는 데 이용될 정보로서, 일련의 이벤트 동작을 조건으로서 포함하는 행위 항목들이 행위 분류표 상에 분류된다. 본 발명의 행위 분류 장치는, 특정 시각에 발생한 이벤트 동작이 행위 분류표 상의 행위 항목 중 어떤 행위 항목에 연관되는지를 결정한 후, 그 이벤트 동작을 포함한 이후의 이벤트 동작들이 해당 행위 항목의 조건(즉 일련의 이벤트 동작)을 만족할 확률을 계산한다. 이렇게 계산된 확률은 관련 이벤트 동작에 첨부되어 행위 확률 리스트로서 작성된다. 행위 확률 리스트는 학습 엔진에 의해 학습되고, 학습에 의해 생성된 사용자 행동 패턴은 사용자에게 능동적이고 지능적인 서비스를 제공하는 데 이용된다.The present invention relates to a method and apparatus for classifying a user's behavior using an event log that records events occurring in a context aware system environment. As information to be used to provide an active and intelligent service to a user in a context aware system environment, action items including a series of event actions as conditions are classified on the action classification table. The action classifier of the present invention determines which action item of the action item on the action classification table is associated with an event action occurring at a specific time, and then the subsequent event actions including the event action are defined as the condition of the action item. Calculate the probability of satisfying the event action). The probability thus calculated is appended to the associated event action and created as a behavioral probability list. The behavior probability list is learned by the learning engine, and the user behavior pattern generated by the learning is used to provide active and intelligent services to the user.
Description
본 발명은, 이벤트 로그에 기반한 사용자 행위의 분류에 관한 것이고, 특히 상황 인식 시스템 환경에서 발생하는 이벤트 로그에 기반한 사용자 행위 분류 방법 및 장치에 관한 것이다.The present invention relates to the classification of user actions based on event logs, and more particularly, to a method and apparatus for classifying user actions based on event logs occurring in a context aware system environment.
본 발명은 정보통신부의 IT성장동력핵심기술개발사업의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호: 2006-S-026-02, 과제명: 능동형 서비스를 위한 URC 서버 프레임웍 개발].The present invention is derived from the research conducted as part of the IT growth engine core technology development project of the Ministry of Information and Communication [Task Management Number: 2006-S-026-02, Title: Development of URC server framework for active services].
이벤트 로깅(event logging)은, 컴퓨터 시스템에서 소프트웨어 및 하드웨어 이벤트를 기록하는 표준적인 방법이다. 컴퓨터 시스템의 하드웨어 모듈 또는 소프트웨어 모듈은 이벤트를 생성하여 이벤트 로거(event logger)에 전달하고, 이벤트 로거는 이벤트를 메모리에 저장한다. 즉 이벤트 로그는 컴퓨터 시스템 상에서 실행 되는 프로세스들의 일련의 동작에 대한 기록이라고 할 수 있다.Event logging is a standard way of recording software and hardware events on computer systems. The hardware module or software module of the computer system generates an event and sends it to an event logger, which stores the event in memory. In other words, an event log is a record of a series of actions of processes running on a computer system.
이벤트 로그는 장애 발생 원인을 규명하는 데 주로 이용되고 있다. 예를 들어, 이벤트 로그를 분석함으로써, 프로세스 사이의 충돌, 해킹이나 바이러스의 침투 등을 탐지할 수 있다.Event logs are mainly used to determine the cause of failures. For example, by analyzing the event log, you can detect conflicts between processes, hacks or infiltrations of viruses.
최근에는, 특정 응용(application)에 대한 사용자로부터의 요청 횟수 또는 시스템에 대한 사용자의 접속 횟수와 같은 통계를 생성하는 데에도 이벤트 로그가 이용되고 있다. 이벤트 로그를 이용한 이러한 통계 생성 기능은, 불특정 다수에 대한 상업적인 서비스를 제공하는 시스템에서 특히 유용하게 활용되고 있다.Recently, event logs have also been used to generate statistics such as the number of requests from a user for a particular application or the number of times a user connects to the system. This statistics generation function using the event log is particularly useful in a system providing a commercial service for an unspecified number.
E-bay와 Amazon과 같은 대형 인터넷 쇼핑 사이트는, 이벤트 로그를 활용하여 도서간의 구매 상관 관계를 사용자 그룹별로 분석해 두었다가, 사용자가 특정 도서를 구입하려고 할 때 그 도서를 구매한 사용자 그룹이 이미 구매하였던 다른 도서를 추천하는 개인화 서비스 기법을 사용하고 있다.Large Internet shopping sites, such as E-bay and Amazon, use event logs to analyze purchase correlations between books by user group, and then when a user wants to buy a particular book, He uses a personalization service technique that recommends other books.
이와 같은 온라인상의 개인화 서비스 기법 중 하나로서, 인터넷 웹사이트에 접속한 복수의 사용자에 의해 발생된 이벤트 정보 등을 토대로 해당 사용자의 성향을 분석하여 그 성향에 적합한 복수의 카테고리 데이터를 해당 사용자의 컴퓨터에 출력하는 기술이 알려져 있다. 이 기술은, 대규모의 전자상거래 사이트 또는 대규모의 정보제공 포털 사이트와 같은 개인화 서비스가 필요한 사이트에서 온라인 상의 개인화된 정보 제공과 표적 마케팅 등의 서비스에 적합하다.As one of such online personalization service techniques, the user's propensity is analyzed based on event information generated by a plurality of users accessing an Internet website, and a plurality of category data suitable for the propensity is transmitted to the user's computer. The technique of outputting is known. This technology is suitable for services such as personalized information online and targeted marketing in sites that require personalization services such as large e-commerce sites or large information portal sites.
한편, 상황 인식 시스템(Context Aware System)은, 가정, 사무실 등과 같은 제한된 공간 내에서 유비쿼터스(Ubiquitous) 컴퓨팅을 실현하기 위한 시스템으로 서, 주어진 공간 내의 모든 기기들을 제어할 수 있어야 하며, 주어진 공간 내의 사용자 및 그 사용자의 위치를 인식할 수 있어야 한다.Meanwhile, a context aware system (Context Aware System) is a system for realizing ubiquitous computing in a limited space such as home, office, etc., and should be able to control all devices in a given space, and user in a given space. And the location of the user.
상황 인식 시스템에서, 사용자는 자신의 고유 정보를 저장하며 상황 인식 시스템과 통신할 수 있는 사용자 단말기를 갖는다. 사용자 단말기는, 또한, 상황 인식 시스템과의 통신 내용을 표시하는 디스플레이를 가진다. 상황 인식 시스템은 사용자 단말기와의 통신에 의해 사용자 및 그 사용자의 위치를 인식하고, 인식된 정보에 적합한 서비스를 사용자에게 디스플레이해준다. 사용자는 디스플레이된 정보에 따라 자신이 원하는 서비스를 선택한다.In a context aware system, a user has a user terminal that stores his own information and can communicate with the context aware system. The user terminal also has a display which displays the contents of communication with the situation recognition system. The context aware system recognizes the user and the location of the user by communication with the user terminal and displays a service suitable for the recognized information to the user. The user selects the desired service according to the displayed information.
예를 들어, 어느 공간이 여러 개의 방으로 구분되어 있고, 그 여러 개의 방들 중 일부에 프린터가 설치되어 있으며, 사용자가 프린터를 이용하고자 하는 경우에, 상황 인식 시스템은 사용자 단말기와의 통신에 의해 해당 사용자 및 그 위치를 인식하고, 그 사용자와 가장 가까운 프린터의 위치를 사용자 단말기의 디스플레이를 통해 사용자에게 알려준다.For example, if a space is divided into several rooms, and a printer is installed in some of the several rooms, and the user wants to use the printer, the situation recognition system is configured to communicate with the user terminal. It recognizes the user and its location and informs the user of the location of the printer closest to the user through the display of the user terminal.
또한, 사용자가 언제, 그리고 어디에 있는지에 따라, 사용자 단말기의 동일한 버튼에 대한 입력이, 사용자에게 서로 다른 서비스를 제공하게 하는 상황 인식 시스템이 알려져 있다.In addition, depending on when and where the user is, a situational awareness system is known in which inputs to the same button of the user terminal provide different services to the user.
종래의 이벤트 로그 활용 기술은, 이벤트 로그를 이용한 장애 원인 분석 뿐 만 아니라, 구매 이력 로그에 기초한 구매 성향 정보를 이용하여 특정 웹 사이트를 방문하는 불특정 다수에 대한 서비스 만족도를 높이는 기법에도 활용되고 있다. 그러나 해당 구매와 간접적으로 연관된 다른 이력 정보, 예컨대 주위 사람들로부터 얻은 구매 정보라든가, 혹은 TV와 같은 다른 매체로부터 얻은 구매 정보를 반영할 수 없는 한계가 있다. 즉 인테넛과 같은 개방된 광대역 네트워크 상에서는, 특정 개인의 서비스 만족도를 향상시키기 위해, 특정 개인을 둘러싼 가능한 모든 서비스 환경을 고려할 수 없는 한계가 있다.Conventional event log utilization technology is used not only for analyzing the cause of failure using the event log, but also for a technique of increasing service satisfaction for an unspecified number of visitors visiting a specific web site using purchase tendency information based on a purchase history log. However, there is a limit in that it cannot reflect other historical information that is indirectly related to the purchase, such as purchase information obtained from surrounding people, or purchase information obtained from another medium such as a TV. In other words, on an open broadband network such as Internet, there is a limit in that it is impossible to consider all possible service environments surrounding a specific individual in order to improve the service satisfaction of the specific individual.
상황 인식 시스템은 제한된 공간 내에서 작동하기 때문에, 종래의 이벤트 로그 활용 기술의 상기와 같은 문제점에 대한 해결의 실마리를 제공할 수는 있겠지만, 종래의 상황 인식 시스템은, 사용자를 둘러싼 물리적인 환경에 대한 전형적이고 미리 설정된 조건 하에서만 작동하기 때문에, 서비스에 대한 사용자의 실행 패턴을 반영한 지능적이고 능동적인 서비스를 제공할 수 없는 한계가 있다.Since the context aware system operates within a limited space, it may provide a clue to solving the above problems of the conventional event log utilization technique, but the conventional context aware system may not provide a solution to the physical environment surrounding the user. Because it operates only under typical and preset conditions, there is a limitation that it cannot provide intelligent and active services that reflect the user's execution pattern for the service.
따라서 본 발명의 목적은, 상황 인식 시스템 환경에서, 사용자의 변화하는 성향을 반영하는 사용자 행동 패턴을 이벤트 로그에 기반하여 학습하고, 이렇게 학습된 사용자 행동 패턴에 기초하여 사용자에게 지능적이고 능동적인 서비스를 제공할 수 있도록 하는 것이다.Accordingly, an object of the present invention is to learn a user behavior pattern reflecting a user's changing tendency based on an event log in a context aware system environment, and provide intelligent and active services to a user based on the learned user behavior pattern. To make it available.
본 발명의 다른 목적은, 상황 인식 시스템 환경에서, 사용자가 요청했던 서비스에 대한 이벤트 로그를 활용하여 사용자 행동 패턴을 학습하고, 이렇게 학습된 사용자 행동 패턴을 기반으로 사용자가 처한 상황에 가장 적절한 서비스를 제공할 수 있도록 하는 것이다.Another object of the present invention is to learn a user behavior pattern by utilizing an event log of a service requested by a user in a context aware system environment, and based on the learned user behavior pattern, provide a service that is most suitable for a user's situation. To make it available.
상기와 같이 목적을 달성하기 위하여 본 발명의 사용자 행위 분류 방법은, 상황 인식 시스템에서 발생하는 이벤트에 대한 이벤트 로그에 기초한 사용자 행위 분류 방법으로서, (a) 일련의 이벤트 동작들을 조건으로서 각각 포함하는 복수의 사용자 행위 항목을 행위 분류표로 분류하는 단계와, (b) 상황 인식 시스템에서 발생하는 이벤트에 대한 이벤트 로그로서, 해당 이벤트에 관련된 사용자 신원 정보와, 시간 정보와, 사용자 위치 정보를 포함하는 이벤트 로그를 작성하는 단계와, (c) 상기 작성된 이벤트 로그를 사용자별, 시간별, 및 사용자 위치별로 인덱싱한 행위 벡터를 생성하는 단계로서, 상기 행위 벡터는 시각별 이벤트 동작을 포함하는 것인, 단계와, (d) 상기 행위 벡터의 시각별 이벤트 동작이 상기 행위 분류표 상의 어떤 행위 항목에 연관되어 있을 것인지를 결정하는 단계와, (e) 상기 결정된 행위 항목에 포함되는 조건을 구성하는 일련의 이벤트 동작들이 상기 행위 벡터의 상기 시각별 이벤트 동작 이후에 발생할 확률을 결정하는 단계와, (f) 상기 확률을 상기 행위 벡터의 상기 시각별 이벤트 동작에 첨부한 행위 확률 리스트를 작성하는 단계를 포함한다.In order to achieve the above object, the user behavior classification method of the present invention is a user behavior classification method based on an event log of an event occurring in a situation recognition system, and (a) a plurality of events each including a series of event operations as conditions. Classifying the user's action items into an action classification table; and (b) an event log of an event occurring in the context awareness system, the event log including user identity information, time information, and user location information related to the event. (C) generating an action vector indexing the created event log by user, by time, and by user location, wherein the action vector includes an event action by time; (d) the time-based event action of the action vector is associated with an action item in the action classification table. Determining whether there will be, (e) determining a probability that a series of event actions constituting a condition included in the determined action item will occur after the time-based event action of the action vector, and (f) the And generating an action probability list appending a probability to the time-based event action of the action vector.
또한, 상기와 같은 목적을 달성하기 위하여 본 발명의 사용자 행위 분류 방법은, (a) 상황 인식 시스템에서 발생하는 이벤트에 대한 이벤트 로그를 사용자별, 시간별, 및 사용자 위치별로 인덱싱한 행위 벡터를 생성하는 단계와, (b) 상기 행위 벡터에 포함되어 있는 시각별 이벤트 동작이, 일련의 이벤트 동작들을 조건으로 서 각각 포함하는 복수의 행위 항목이 분류되어 있는 행위 분류표 상의 어떤 행위 항목에 연관되어 있는지를 결정하는 단계와, (c) 상기 결정된 행위 항목에 포함되는 조건을 구성하는 일련의 이벤트 동작들이 상기 행위 벡터의 상기 시각별 이벤트 동작 이후에 발생할 확률을 계산하는 단계와, (d) 상기 확률을 상기 행위 벡터의 상기 시각별 이벤트 동작에 첨부한 행위 확률 리스트를 생성하는 단계를 포함한다.In addition, in order to achieve the above object, the user behavior classification method of the present invention includes (a) generating an action vector indexing an event log of an event occurring in a situation recognition system by user, by time, and by user location. And (b) which action item in the action classification table includes a plurality of action items each including a series of event actions as conditions for the time-based event actions included in the action vector. (C) calculating a probability that a series of event actions constituting a condition included in the determined action item occur after the time-based event action of the action vector; and (d) the probability Generating a behavior probability list attached to the time-based event action of the behavior vector.
이때, 상기 행위 분류표는 상기 행위 벡터를 참조하여 작성될 수 있다. 그리고 이 행위 분류표 상의 행위 항목 및 조건은, 규칙적/반복적 행동, 불규칙적/간헐적 행동, 습관에 따른 행동, 및 성향/기호에 따른 행동 중 하나 이상의 행동에 의해 결정될 수 있다.In this case, the behavior classification table may be prepared with reference to the behavior vector. And the behavior items and conditions in this behavior classification table may be determined by one or more of regular / repetitive behavior, irregular / intermittent behavior, behavior according to habit, and behavior according to propensity / symbol.
또한, 상기와 같이 목적을 달성하기 위하여 본 발명의 사용자 행위 분류 장치는, 상황 인식 시스템에서 발생하는 이벤트에 대한 이벤트 로그에 기초한 사용자 행위 분류 장치로서, 상황 인식 시스템에서 발생하는 이벤트에 대한 이벤트 로그로서, 해당 이벤트에 관련된 사용자 신원 정보와, 시간 정보와, 사용자 위치 정보를 포함하는 이벤트 로그를 작성하는 이벤트 로그 작성기와, 상기 작성된 이벤트 로그를 사용자별, 시간별, 및 사용자 위치별로 인덱싱한 행위 벡터를 생성하는 행위 벡터 추출기로서, 상기 행위 벡터는 시각별 이벤트 동작을 포함하는 것인, 행위 벡터 추출기와, 상기 행위 벡터의 시각별 이벤트 동작이, 일련의 이벤트 동작들을 조건으로서 각각 포함하는 복수의 행위 항목이 분류되어 있는 행위 분류표 상의 어떤 행위 항목에 연관되어 있을 것인지를 결정하고, 상기 결정된 행위 항목에 포함되는 조건을 구성하는 일련의 이벤트 동작들이 상기 행위 벡터의 상기 시각별 이벤트 동 작 이후에 발생할 확률을 계산하며, 상기 계산된 확률을 상기 행위 벡터의 상기 시각별 이벤트 동작에 첨부한 행위 확률 리스트를 작성하는 행위 분류기를 포함한다.In addition, in order to achieve the object as described above, the user behavior classification apparatus of the present invention is a user behavior classification apparatus based on an event log of an event occurring in the situation recognition system, and is an event log of an event occurring in the situation recognition system. An event logger for generating an event log including user identity information, time information, and user location information related to the event, and an action vector indexing the created event log by user, time, and user location An action vector extractor, wherein the action vector includes a time-based event action, and a time-based event action of the action vector includes a plurality of action items each including a series of event actions as a condition. To any action item in the categorized action taxonomy Calculate a probability that a series of event actions constituting a condition included in the determined action item occur after the time-dependent event action of the action vector, and calculate the calculated probability as the It includes a behavior classifier for creating a behavior probability list attached to the time-based event action.
본 발명에 따르면, 이벤트 로그를 활용한 사용자 행위 벡터를 기초로, 상황 인식 시스템 환경 내에서의 사용자의 행동 패턴을 추출할 수 있는 기반을 제공한다.According to the present invention, a basis for extracting a behavior pattern of a user in a context aware system environment is provided based on a user behavior vector utilizing an event log.
또한, 본 발명에 따르면, 이벤트 로그를 활용하여 상황 인식 시스템 환경 내에서의 사용자의 행동 패턴을 기초로, 사용자를 둘러싼 환경(예를 들어, 사용자 및 그 사용자의 위치)에 따른 지능적이고 능동적인 서비스를 자동으로 사용자에게 제공할 수 있는 기반을 제공한다.Further, according to the present invention, an intelligent and active service according to the environment surrounding the user (for example, the user and the location of the user) based on the user's behavior pattern in the context aware system environment by utilizing the event log. Provides a foundation for automatically providing the user with
또한, 본 발명에 따르면, 이벤트 로그의 분석에 의해 추출된 사용자의 행동 패턴에 기초하여, 해당 사용자가 처한 환경에 가장 적합한 서비스를 지능적이고 능동적으로 제공할 수 있는 기반을 제공한다.In addition, according to the present invention, based on the behavior pattern of the user extracted by the analysis of the event log, it provides a basis for intelligent and active provision of the service most suitable for the environment in which the user.
본 발명의 실시예를 설명하기에 앞서, 본 명세서에서 '이벤트 동작'이라는 용어는, 상황 인식 시스템 환경에서 검출된 시간 정보, 사용자 신원 정보, 사용자 위치 정보, 기기의 동작 정보, 센서 정보 등을 포함하여 상황 인식 시스템 환경에 서 검출될 수 있는 객체의 모든 동작을 포함하는 개념으로 이해되어야 한다. 따라서 도 6 및 도 8의 시각 정보 및 해당 시각 정보에 연관된 기기의 동작은 '이벤트 동작'이다. 또한, 도 7의 '조건'을 구성하는 요소도 '이벤트 동작'이라고 정의할 수 있다.Prior to describing an embodiment of the present invention, the term 'event operation' herein includes time information, user identity information, user location information, device operation information, sensor information, and the like detected in a context aware system environment. Therefore, it should be understood as a concept that includes all operations of objects that can be detected in a context aware system environment. Accordingly, the operation of the device related to the time information of FIG. 6 and FIG. 8 and the corresponding time information is an 'event operation'. In addition, elements constituting 'conditions' of FIG. 7 may also be defined as 'event actions'.
이하에서는, 첨부된 도면을 참조하여 본 발명의 실시예를 설명한다. Hereinafter, with reference to the accompanying drawings will be described an embodiment of the present invention.
도 1에 도시된 본 발명의 실시예에 따른 사용자 행위 분류 장치(10)는, 이벤트 로그 작성기(11), 행위 벡터 추출기(12), 행위 분류기(13), 및 저장소(14)를 포함한다. 사용자 행위 분류 장치(10)를 포함하여 본 명세서에서 설명하는 각종 시스템 및 기능 모듈은, 컴퓨터 시스템의 프로세서, 메모리, 및 I/O 장치들과 같은 일반적인 하드웨어 구성 및 해당 기능을 수행하기 위한 소프트웨어 구성에 의해 구현된다. 또한, 본 실시예에서, 사용자 행위 분류 장치(10)는, 이해의 증진과 설명의 편의를 위해, 상황 인식 시스템(20)과는 별개의 장치인 것처럼 묘사되어 있지만, 상황 인식 시스템(20)과 통합되어 구성될 수도 있다는 점을 이해해야 한다.The user
사용자 행위 분류 장치(10)는, 도 2에 도시된 4개의 서브 시스템(20a, 20b, 20c, 20d)을 포함하는 상황 인식 시스템(20), 그리고 학습 엔진(30), 서비스 추천 엔진(40) 및 사용자 단말기(50)와 연관되어 있다. 상황 인식 시스템(20)은, 사용자 단말기(50)로부터의 입력에 따라 복수의 기기의 동작을 제어하며, 또한, 상황 인식 시스템(20)은, 사용자 단말기(50)로부터 파악되는 정보(예컨대 사용자 ID 및/또는 사용자의 위치 정보)에 따라, 그에 적합한 서비스 목록을 사용자에게 제시하거나, 그에 적합한 서비스를 사용자에게 자동으로 제공한다.The user
도 2에는 본 실시예에 따른 상황 인식 시스템(20)을 구성하는 4개의 서브 시스템이 도시되어 있다. 4개의 서브 시스템은, 복수의 기기를 제어하고 관리하는 홈 네트워크 서브 시스템(20a), 사용자가 누구인지를 확인하는 사용자 확인 서브 시스템(20b), 사용자의 위치를 인식하는 사용자 위치 인식 서브 시스템(20c), 및 복수의 센서를 제어하고 관리하는 센서 네트워크 서브 시스템(20d)을 포함한다.2 shows four subsystems constituting the
홈 네트워크 서브 시스템(20a)은, 가정 내의 전자제품을 포함한 복수의 홈 기기와, 복수의 기기를 유/무선통신에 의해 통합적으로 제어하고 관리하는 홈 서버를 포함하는 공지의 시스템이다. 홈 네트워크 시스템은 사용자 단말기로부터의 기기 제어 신호에 따라 홈 기기의 동작을 제어한다. 또한, 홈 네트워크 시스템은 인터넷 또는 이동통신망에 연결될 수도 있으며, 이 경우 홈 네트워크 시스템의 사용자는 바깥에서도 가정 내의 상황을 모니터링하거나 가정 내의 기기를 직접 제어할 수 있다.The
사용자 확인 서브 시스템(20b)은, 사용자가 소지하며 사용자의 고유 정보가 저장되어 있는 사용자 단말기와, 사용자 단말기로부터 수신한 사용자의 고유 정보를 바탕으로 사용자의 신원을 확인하는 서버를 포함하는 공지의 시스템이다.The
사용자 위치 인식 서브 시스템(20c)은, 공지의 RF 기반 위치 인식 시스템, 적외선 기반 위치 인식 시스템, 초음파 기반 위치 인식 시스템 등, 상황 인식 시스템 환경과 같은 한정된 영역 내에서 객체의 위치를 인식할 수 있는 시스템이라면 어떠한 것이라도 좋다.The user
센서 네트워크 서브 시스템(20d)은, 유비쿼터스 컴퓨팅을 실현하기 위한 기반 시스템으로서, 도어 센서, 창문 개폐 센서, 가스 센서, 화재 센서, 압력 센서, 온도 센서 등과 같은 물리적 센서들로부터 상황 인식 시스템 환경 내에서 발생하는 물리적인 상황을 탐지하는 공지의 시스템이다.The
한편, 학습 엔진(30)은, 본 발명의 실시예에 따른 사용자 행위 분류 방법에 의해 저장소(14)에 저장되어 있는 사용자 행위 확률 리스트(도 7)를 기계 학습 이론 및 신경망 학습 이론 등의 공지의 컴퓨터 학습 이론에 의해 학습하여 사용자 행동 패턴을 구축한다. 서비스 추천 엔진(50)은, 학습 엔진(40)에 의해 구축된 사용자 행동 패턴으로부터, 이벤트 작성기(11)로부터 전달받은 이벤트 로그에 적합한 사용자 행동 패턴을 선택하고, 이어서, 선택된 사용자 행동 패턴에 따라 현재 사용자가 이용할 가능성이 가장 높은 서비스를 사용자 단말기(50)를 통해 사용자에게 제시한다. 학습 엔진(30)과 서비스 추천 엔진(40)에 의해 상황 인식 시스템 환경 내의 사용자에 대한 지능적이고 능동적인 서비스 제공이 가능해진다.On the other hand, the learning engine 30, the user behavior probability list (Fig. 7) stored in the
학습 엔진(30)과 서비스 추천 엔진(40)의 동작은 공지의 컴퓨터 학습 이론 및 앞서 언급한 종래의 서비스 추천 기법 등을 적용하여 구현하는 것이 알려져 있으므로, 학습 엔진(30)과 서비스 추천 엔진(40)에 대한 보다 상세한 설명은 생략한다.Since the operation of the learning engine 30 and the
이하에서는 본 발명의 실시예에 따른 사용자 행위 분류 장치(10)의 구성 및 동작에 대해 구체적으로 설명한다. Hereinafter, the configuration and operation of the user
이벤트 로그 작성기(11)는 이벤트 병합기(11a)와, 이벤트 로거(11b)와, 이벤트 필터(11c)로 구성될 수 있다. 이벤트 병합기(11a)는, 상황 인식 시스템(20)의 각 서브 시스템들(20a, 20b, 20c, 20d)에서 발생한 이벤트를 수집/통합하여 각 서브 시스템들에 대한 원시 이벤트 로그를 생성하여 이벤트 로거(11b)에 전달한다.The
도 3에는, 원시 이벤트 로그의 예들이 도시되어 있다. 홈 네트워크 서브 시스템에서 발생한 이벤트에 대한 원시 이벤트 로그(H_LOG)에는, 사용자 ID(UserID), 이벤트 명칭(EventName), 이벤트 설명(EventDescription), 태스크 ID(TaskID), 태스크 설명(TaskDescription), 타임 스탬프(TimeStamp) 등이 기록될 수 있다. 사용자 ID는, 사용자 확인 서브 시스템(20b)에 의해 인식된 사용자에 부여되는 식별자이다. 이벤트 명칭 및 이벤트 설명은, 해당 이벤트에 고유하게 부여되는 명칭 및 그에 대한 설명이다. 태스크 ID 및 태스크 설명은, 상황 인식 시스템의 특정 응용 애플리케이션 또는 해당 응용 애플리케이션에 의해 실행되는 서비스에 부여되는 식별자 및 그에 관한 설명이다.In Figure 3, examples of raw event logs are shown. The raw event log (H_LOG) for events that occurred in the home network subsystem includes the user ID (UserID), event name (EventName), event description (EventDescription), task ID (TaskID), task description (TaskDescription), and time stamp ( TimeStamp) may be recorded. The user ID is an identifier given to the user recognized by the
사용자 위치 인식 서브 시스템(20c)에서 발생한 이벤트에 대한 원시 이벤트 로그(L_LOG)에는, 사용자 ID(UserID), 위치 ID(LocationID), 영역 ID(ZoneID), 타임 스탬프(TimeStamp) 등이 기록될 수 있다. 위치 ID는, 사용자 위치 인식 서브 시스템(20c)이 인식한 사용자의 위치에 부여되는 식별자이며, 영역 ID는, 사용자 위 치 인식 서브 시스템(20c)이 인식한 사용자의 영역에 부여되는 식별자이다. '위치'는 '영역'보다 넓다. 타임 스탬프는, 사용자의 위치가 인식된 시각 정보이다.A user ID (UserID), a location ID (LocationID), a zone ID (ZoneID), a time stamp (TimeStamp), and the like may be recorded in the raw event log (L_LOG) for an event occurring in the user
센서 네트워크 서브 시스템(20d)에서 발생한 이벤트에 대한 원시 이벤트 로그(S_LOG)에는, 센서 ID(SensorID), 이벤트 명칭(EventName), 이벤트 설명(EventDescription), 타임 스탬프(TimeStamp) 등이 기록될 수 있다. 센서 ID는, 센서 네트워크 시스템(20d)에 의해 인식된 센서의 식별자이다.The sensor ID (SensorID), the event name (EventName), the event description (EventDescription), the time stamp (TimeStamp), and the like may be recorded in the raw event log S_LOG for the event occurring in the
이벤트 로거(11b)는, 이벤트 병합기(11a)로부터 전달받은 원시 이벤트 로그를 내부의 임시 저장소에 저장하고 이를 이벤트 필터(11c)로 전달한다. 이벤트 필터(11c)는, 원시 이벤트 로그 중에서 의미가 없는 이벤트(예컨대 시스템의 정상적인 시작/정지 이벤트) 또는 유효하지 않은 이벤트(예컨대 TV가 켜있지 않은 상태에서의 채널 변경 이벤트)를 제거한 형태의 최종 이벤트 로그를 생성하여 상기 임시 저장소에 다시 저장한다. 이벤트 필터(11c)는 시스템의 처리 부하 감소에 유용하다.The
도 4에는 본 실시예의 최종 이벤트 로그의 예들이 도시되어 있다. 태스크 실행 로그는, 사용자 ID(UserId), 태스크 ID(TaskId), 태스크 설명(TaskDescription), 실행 개시 시각(InvokedTime), 지속 시간(Duration)으로 구성되며, 특정 사용자에 대해, 특정 태스크가 언제 시작되어 어느 정도의 시간만큼 지속적으로 실행되었는지를 나타낸다. 명령실행/위치 로그는, 사용자 ID(UserId), 이벤트 명칭(EventName), 이벤트 설명(EventDesc), 위치 ID(LocationId), 영역 ID(ZoneId), 태스크 ID(TaskId), 실행 개시 시각(InvokedTime)으로 구성되며, 특정 사용자에 대해, 특정 이벤트에 대한 특정 태스크가 어느 위치(영역)에서 언제 개시되었는지를 나타낸다. 연속 실행 태스크 로그는, 사용자 ID(UserId), 태스크 ID(TaskId), 다음 태스크 ID(NextTaskId), 실행 개시 시각(InvokedTime)으로 구성되며, 특정 사용자에 대해, 특정 태스크 및 그 다음 태스크의 연속 실행이 언제 개시되었는지를 나타낸다. 그 밖에도, 최종 이벤트 로그는, 물리적인 환경(빛, 소리, 온도, 움직임 등)에 대한 사용자의 행동 패턴을 파악하기 위해, 센서 네트워크 서브 시스템(20d)에서 발생하는 이벤트를 포함할 수도 있으며, 사용자의 행동 패턴을 추출하는 데 필요하다고 생각되는 어떠한 이벤트라도 최종 이벤트 로그에 포함시킬 수 있다.4 shows examples of the final event log of this embodiment. The task execution log consists of a user ID (UserId), a task ID (TaskId), a task description (TaskDescription), an execution start time (InvokedTime), and a duration (Duration). It indicates how long it has been running continuously. The command execution / location log is composed of user ID (UserId), event name (EventName), event description (EventDesc), location ID (LocationId), zone ID (ZoneId), task ID (TaskId), and execution start time (InvokedTime). Configured, and for a particular user, indicates when and at what location (region) for a particular task for a particular event. The continuous execution task log consists of a user ID (UserId), task ID (TaskId), next task ID (NextTaskId), and execution start time (InvokedTime). For a specific user, continuous execution of a specific task and the next task is performed. Indicates when it started. In addition, the final event log may include events that occur in the
행위 벡터 추출기(12)는, 미리 주어진 시간 간격으로 구동되며, 임시 저장소에 저장되어 있는 최종 이벤트 로그들을 통합/정리하여, 도 5에 도시된 것과 같은 서비스 로그 형식의 행위 벡터를 생성하여 저장소(14)에 저장한다. 또한, 행위 벡터 추출기(12)는 주어진 시간 간격(예컨대 '하루')으로 취합된 행위 벡터들을 사용자별/시간별/장소별로 인덱싱하여 저장소(14)에 저장한다. 도 6은 사용자별/시간별/장소별로 인덱싱된 행위 벡터의 예를 나타내고 있다.The
도 5의 행위 벡터는 후술하는 행위 분류표(도 7)의 작성에 참조되며, 도 6의 인덱싱된 행위 벡터는 후술하는 행위 확률 리스트(도 8)의 작성에 이용된다. 또한, 도 5의 행위 벡터는 8개의 벡터 요소로 구성되어 있지만, 그 밖에도 사용자의 행동 패턴을 결정할 수 있다고 생각되는 다른 벡터 요소들(예컨대, 물리적인 센서들이 감지한 정보 등)을 더 포함할 수도 있다. 이 경우, 후술하는 행위 분류기에 의해, 더욱 다양하고 정교한 사용자 행위 분류가 가능해진다.The behavior vector of FIG. 5 is referred to the preparation of the behavior classification table (FIG. 7) described later, and the indexed behavior vector of FIG. 6 is used for the creation of the behavior probability list (FIG. 8) described later. In addition, although the behavior vector of FIG. 5 is composed of eight vector elements, the behavior vector of FIG. 5 may further include other vector elements (eg, information detected by physical sensors) that are determined to determine a user's behavior pattern. have. In this case, the behavior classifier described later enables more diverse and sophisticated user behavior classification.
행위 분류기(13)는, 행위 벡터 추출기(12)에 의해 통합/정리된 행위 벡터(도 5)를 참조하여 도 6에 도시된 것과 같은 행위 분류표를 작성하여 저장소(14)에 저장해 둔다. 도 7에 도시된 행위 분류표는, 상황 인식 시스템 환경에서 일련의 이벤트들이 발생했을 때, 그러한 일련의 이벤트들에 포함되어 있는 사용자의 행위 또는 주변 기기의 동작(즉 '이벤트 동작')을 사용자의 어떤 행위 항목으로 분류할 것인지를 정리한 것이다. The
또한, 행위 분류기(13)는, 도 7의 행위 분류표를 참조하여 도 8에 도시된 것과 같은 행위 확률 리스트를 작성하여 저장소(14)에 저장한다. 이를 위해, 행위 분류기(13)는 우선, 도 6의 인덱싱된 행위 벡터의 시각별 이벤트 동작이 행위 분류표(도 7) 상의 어떤 행위 항목과 관련되는지를 결정한다. 예를 들어, "06:10 light2 on"이라는 이벤트 동작에 대해서는, 해당 이벤트 동작의 시각 정보를 만족하는 조건을 갖는 행위 항목을 우선 선별한 다음에, 그 선별된 행위 항목들 중에서 "light2 on"이라는 이벤트 동작 정보를 만족하는 조건을 갖는 행위 항목을 또 선별한다. In addition, the
'아침 기상'이라는 행위 항목의 조건 중 GetUp이 오전 6시 10분이라면, 상기 예에서 "Time=GetUp"이라는 조건을 정확히 만족하고, Light(bedroom)이 "light2"에 해당한다면, 상기 예에서 "Light(bedroom)=on"이라는 조건을 정확히 만족하기 때문에, 상기 예의 "06:10 light2 on"이라는 이벤트 동작은 '아침 기상'(A000)이라는 행위 항목에 연관되어 있다고 결정할 수 있을 것이다. 한편, 상기 예에서는 '아침 기상'이라는 행위 항목이 유일하게 결정되었지만(시각 정보만으로도 다른 행위 항목은 선택의 여지가 없다), 적당한 행위 항목이 복수 개가 검출되었을 경우에는 그 복수 개의 행위 항목 모두를 선별할 수도 있고, 미리 정해진 규칙 등에 따라 그 중 하나의 행위 항목을 선별하도록 할 수도 있을 것이다.If GetUp is 6:10 am in the condition of the action item of 'morning weather', in the above example, if the condition of "Time = GetUp" is exactly satisfied and the light (bedroom) corresponds to "light2", the " Since the condition of Light (bedroom) = on ”is met exactly, it may be determined that the event action of“ 06:10 light2 on ”of the above example is associated with an action item of 'morning weather' (A000). On the other hand, in the above example, the action item 'morning weather' is uniquely determined (the visual information alone does not provide a choice for other action items), but when a plurality of suitable action items are detected, all of the plurality of action items are selected. In addition, one action item may be selected according to a predetermined rule or the like.
이어서 행위 분류기(13)는, 선별된 행위 항목(들)에 대한 확률을 각 이벤트 동작에 첨부한 행위 확률 리스트를 작성한다. 즉 도 8에 도시된 행위 확률 리스트는, 도 6의 인덱싱된 행위 벡터의 각 시간별 행위에 확률을 붙여서 정리한 것이다. 행위 확률 리스트는, 특정 사용자가 특정 시간(대)에 특정 행위를 했을 때, 그 행위가 행위 분류표(도 7) 상의 어떤 행위 항목으로 분류될 것인지를 확률적으로 정리한 것이다. 예컨대 도 8에서 "06:10 light2 on (A0000:0.5:NA:0.5)"이라는 표시는, 오전 6시 10분에 전등2를 켠 행위가 행위 분류표(도 7) 상의 '아침 기상'이라는 행위 항목의 일련의 조건들의 내용에 연결될 확률이 0.5이고 그렇지 않을 확률(NA)이 0.5인 것을 나타낸다. 또한, "06:15 window2 open"은, 오전 6시 15분에 창문2를 여는 행위를 의미하며, 이 행위에는 확률 표시가 붙어있지 않다. 그 이유는, 이 행위가 행위 분류표(도 7) 상에 미리 정의되어 있지 않은 행위 또는 조건이기 때문이다. 따라서 창문2를 여는 행위를 행위 분류표(도 7)에 추가해 놓는다면, 그 행위에도 확률이 첨부될 것이다.The
이러한 확률적 정리는, 예컨대 다음과 같은 사후 확률 분포 해석 방법에 의해 수행될 수 있다. 예를 들어, 행위 분류기는, 사용자 A가 매일 오전 6시와 7시 사이에 침실 전등을 켰을 때, 그 행위를 포함하여 후속하는 일련의 사용자 행위 또는 주변기기의 동작들이 행위 분류표(도 7) 상의 '아침기상'이라는 행위를 구성할 확률을 계산한다. 즉, 이전까지 총 10개(즉 상기 주어진 시간 간격이 '하루'라면 총 10일 분량)의 행위 확률 리스트가 축적되어 있고, 그 10개의 행위 확률 리스트 중에서, 사용자 A가 매일 오전 6시와 7시 사이에 침실 전등을 켰을 때, 그 이후의 사용자 행위 또는 주변기기의 동작들이 행위 분류표(도 7) 상의 '아침기상'이라는 행위로 분류되기 위한 모든 조건들을 만족하는 행위 확률 리스트가 7개였다면, 사용자 A가 오늘 오전 6시와 7시 사이에 침실 전등을 켜는 행위를 할 경우에, 행위 분류기는, 해당 행위에 의해 행위 분류표(도 7) 상의 '아침기상'이라는 행위 항목들에 붙은 조건들을 만족할 확률을 70%라고 결정할 수 있을 것이다. This probabilistic theorem can be performed by, for example, the following probability distribution analysis method. For example, the behavior classifier may, when user A turns on the bedroom light between 6 am and 7:00 am each day, a subsequent series of user behaviors or peripheral actions, including that behavior, are displayed on the behavior classification table (FIG. 7). Calculate the probability of constructing a 'morning' behavior. That is, a total of 10 behavior probability lists have been accumulated up to 10 days (that is, a total of 10 days if the given time interval is 'day'), and among the 10 behavior probability lists, User A is 6 AM and 7 AM every day. When the bedroom light was turned on in the meantime, if there were seven behavior probability lists that satisfies all the conditions for subsequent user behaviors or peripheral behaviors to be classified as 'morning' behaviors in the behavior classification table (FIG. 7), If A acts to turn on the bedroom light between 6 am and 7:00 am today, the behavior classifier will satisfy the conditions attached to the 'morning phase' behavioral items on the behavior classification table (Figure 7) by that behavior. You can decide that the probability is 70%.
물론 실제의 확률 계산은 상기의 예보다 더 복잡하고 정밀하게 수행되어야 하겠지만, 이전에 축적된 지식으로부터 현재의 행위에 대한 사후 확률 분포(posterior porbability distribution)를 계산한다는 기본적인 개념은 상기 예와 같다고 할 수 있다.Of course, the actual probability calculation should be performed more complicatedly and precisely than in the above example, but the basic concept of calculating the posterior porbability distribution of the current behavior from previous accumulated knowledge is the same as the above example. have.
이하에서는, 도 7에 도시된 행위 분류표에 대해 좀 더 자세히 설명한다. Hereinafter, the behavior classification table illustrated in FIG. 7 will be described in more detail.
행위 분류표의 각 행위 항목은 각 행위에 부여된 코드, 해당 행위에 대한 설명, 및 해당 행위로 분류되기 위한 조건으로 구성되어 있다. 행위 항목은 그 밖에 도 필요에 따라 추가, 삭제될 수 있음은 물론이다. 또한, 해당 행위로 분류되기 위한 조건은 후술하는 학습 엔진(15)의 학습에 유용한 행동들에 대한 조건으로서, 시간, 기기, 센서, 위치, 영상인식 등을 포함한다. Each action item in the action classification table consists of a code assigned to each action, a description of the action, and the conditions to be classified as the action. Of course, the action items can be added or deleted as necessary. In addition, the condition to be classified as the action is a condition for actions useful for learning of the learning engine 15 to be described later, and includes time, device, sensor, location, image recognition, and the like.
즉 도 7의 행위 분류표는, 학습과 연관된 서비스 제공 또는 서비스 추천에 효과적으로 반영될 수 있다고 간주되는 행동들을 항목별로 정리한 것이다. 또한, 도 7의 행위 분류표 상의 행위 항목 및 조건들은, 규칙적/반복적 행동, 불규칙적/간헐적 행동, 습관에 따른 행동, 성향/기호에 따른 행동 및 각 행동에 대해 예상되는 변수 등을 참조하여 분류하였으며, 이는 다음과 같은 기초 정보들에 기초하여 얻어질 수 있다.That is, the behavior classification table of FIG. 7 is a list of actions that are considered to be effectively reflected in service provision or service recommendation associated with learning. In addition, the behavior items and conditions in the behavior classification table of FIG. 7 are classified by referring to regular / repetitive behavior, irregular / intermittent behavior, behavior according to habit, behavior according to disposition / symbol, and expected variables for each behavior. This can be obtained based on the following basic information.
- 행동 패턴 = 주어진 환경 정보 + 사용자 프로파일 + 서비스 정보-Behavior pattern = given environment information + user profile + service information
- 주어진 환경 정보 = 장소 + 시간 + 일정 + 과거 행동 이력-Given environmental information = place + time + schedule + past behavior history
- 사용자 프로파일 = 인구통계학적 정보 + 선호도(preference)-User profile = demographic information + preference
- 인류통계학적 정보 = 성별 + 연령대 + 직업 + 종교 + 기타 정보-Anthropological information = gender + age + occupation + religion + other information
- 선호도 = 성격유형(예: MBTI) + 기타 정보-Preference = personality type (e.g. MBTI) + other information
- 서비스 정보 = 주어진 상황에서 실행 가능한 서비스 정보 목록Service information = list of service information that can be executed in a given situation
상기 주어진 환경 정보는, 예컨대 도 5의 행위 벡터로부터 다음과 같이 파악할 수 있다. 장소 정보는, 도 5의 행위 벡터의 위치 ID(LocationID) 등에 의해 파악할 수 있다. 시간 정보는, 도 5의 행위 벡터의 실행 개시 시각(InvokedTime) 및 지속 시간(Duration) 등에 의해 파악할 수 있다. 일정 정보는 축적된 시간 정보로부터 파악할 수 있다. 과거 행동 이력은 축적된 장소 정보, 시간 정보, 및 일정 정보로부터 파악할 수 있다.The given environmental information can be grasped as follows, for example, from the behavior vector of FIG. The location information can be grasped by the location ID (LocationID) or the like of the behavior vector of FIG. 5. Time information can be grasped | ascertained from execution start time (InvokedTime), duration (Duration), etc. of the action vector of FIG. The schedule information can be grasped from the accumulated time information. The past behavior history can be grasped from accumulated place information, time information, and schedule information.
상기 사용자 프로파일, 인류통계학적 정보, 및 선호도 등의 정보는, 예컨대 도 5의 사용자 ID(UserID)에 의해 파악할 수 있다. 사용자 ID(UserID)에는 해당 사용자에 대한 다양한 신상 정보와 연관되어 있고, 이러한 신상 정보는 사용자에 의해 시스템에 미리 입력되어 있기 때문에, 사용자 ID(UserID)에 의해 사용자 프로파일을 파악할 수 있다.Information such as the user profile, anthropological information, and preference may be grasped by, for example, a user ID of FIG. 5. The user ID is associated with various personal information about the user, and since the personal information is previously input to the system by the user, the user profile can be identified by the user ID.
상기 서비스 정보는, 도 5의 행위 벡터의 태스크 ID(TaskID) 및 (축적된 태스크 ID에 의한 서비스 정보 파악만으로는 불충분할 경우에는) 선택적으로 시스템에서 미리 정의해 둔 서비스 목록에 의해 파악할 수 있다.The service information can be grasped by the task list (TaskID) of the action vector of FIG. 5 and the service list predefined by the system (when it is not enough to grasp the service information by the accumulated task ID only).
한편, 도 7의 행위 분류표에 포함될 행위 항목 및 조건들을 결정하는 데 참조되는 규칙적/반복적 행동에는 다음과 같은 예를 들 수 있다. 하기의 예들 중에서 '아침 기상'에 관련된 변수를 참조한다면, 특정 사용자가 침대에서 취침하다가 특정 시간(대)에 일어나서, 침실 불을 켜고, 거실로 나가는 일련의 행위들을 도 6의 행위 분류표 상의 '아침 기상'이라는 행위 항목으로 정의할 수 있을 것이다. 이러한 전형적인 일련의 행동들이 특정 행위 항목으로 분류되고(도 7), 행위 확률 리스트(도 8)로 만들어지면, 학습 엔진(30)에 의한 우수한 학습 효과를 기대할 수 있다(전형적인 선행 행동들로부터 더 좋은 학습 효과를 기대할 수 있기 때문이며, 전 형적인 행동 패턴에 대한 예측이 불가능하거나 불충분하다면 어떠한 행동을 학습해야 할 지가 불명확해져서 좋은 학습 효과를 기대할 수 없다). 이하의 다른 행동들에 대한 행위 분류도 이것과 마찬가지 방식으로 행해진다.On the other hand, the following is an example of the regular / repetitive behavior that is used to determine the action items and conditions to be included in the behavior classification table of FIG. In the following examples, referring to the variable related to 'morning weather', a series of actions of a particular user sleeping in bed, waking up at a specific time, turning on the bedroom light, and exiting the living room is described as' It can be defined as an action item of 'morning weather'. If such a typical set of behaviors are classified into specific behavioral categories (FIG. 7) and made into a behavioral probability list (FIG. 8), a good learning effect by the learning engine 30 can be expected (better from typical preceding behaviors). Learning outcomes can be expected, and if typical behavioral patterns are unpredictable or inadequate, it is unclear which behaviors to learn, so good learning outcomes cannot be expected). The behavioral classification for the other actions below is done in the same way.
- 아침 기상-Morning weather
- 침대가 있는 경우 보통 침대에서 취침한다. -If you have a bed, go to bed.
- 직장인은 일반적으로 기상 시간이 일정하다. -Office workers usually have a constant waking time.
- 기상 후 통상적으로 침실 불을 켜고, 거실로 나간다. -After waking up, usually turn on the bedroom lights and go out to the living room.
- 저녁 취침-Evening bedtime
- 취침 시간이 일정하다(혹은 불규칙하다). -Bedtime is constant (or irregular).
- 취침할 때에는 보통 침대에서 잠을 잔다. -When you go to bed, you usually sleep in bed.
- 출근(외출)-Going to work (going out)
- 출근시간은 정해져 있고 규칙적이다(혹은 불규칙적이다). -Time for work is fixed and regular (or irregular).
- 기상이 좋지 않으면(비, 눈 등) 출근이 늦어진다. -If the weather is bad (rain, snow, etc.), you will be late for work.
- 몸 상태가 좋지 않으면 출근이 늦어진다. -If you are in poor condition, you will be late for work.
- 기념일에는 (반드시) 외출을 한다. -Make sure you go out on your anniversary.
- 날씨가 좋지 않으면 외출을 삼가한다. -Do not go out if the weather is bad.
- 퇴근(귀가)Off Work
- 퇴근시간이 정해져 있고 규칙적이다(혹은 불규칙적이다). -The time for leaving work is fixed and regular (or irregular).
- 날씨가 좋지 않으면(비, 눈 등) 퇴근이 늦어진다. -If the weather is bad (rain, snow, etc.), leaving home will be delayed.
- 기념일에는 비교적 늦게 귀가한다. -Return home relatively late on the anniversary.
- 휴식- rest
- 쇼핑- shopping
- 청소/빨래-Cleaning / washing
- (직장인들은 대부분) 휴일에 (음악을 들으면서) 청소를 한다. -(Most workers) clean up (while listening to music) on holidays.
- 점등- light on
- 실내에 있을 때 어두우면 불을 켠다. -Turn on the lights when it is dark when you are indoors.
또한, 도 7의 행위 분류표에 포함될 행위 항목 및 조건들을 결정하는 데 참조되는 불규칙적/간헐적 행동에는 다음과 같은 예들이 있을 수 있다.In addition, there may be examples of irregular / intermittent behavior referred to for determining behavior items and conditions to be included in the behavior classification table of FIG. 7.
- 휴가 시즌에는 관광지 정보를 많이 검색한다(관심이 많아진다).-During the holiday season, search a lot of tourist information (increasing interest).
- 월드컵 시즌에는 스포츠 뉴스를 주로 본다(관심이 많아진다).-I watch sports news mainly during the World Cup season.
- 선거 시즌에는 정치 뉴스를 많이 본다(관심이 많아진다).-I see a lot of political news in election season.
- 감기에 자주 걸리는 사람은 실내에 가습기를 켠다.-People who catch a cold often turn on the humidifier indoors.
또한, 도 7의 행위 분류표에 포함될 행위 항목 및 조건들을 결정하는 데 참조되는, 습관에 따른 행동에는 다음과 같은 예들이 있을 수 있다.In addition, there may be examples of behavior according to a habit, which are referred to for determining behavior items and conditions to be included in the behavior classification table of FIG. 7.
- 주말(토, 일, 국경일 등)에는 늦잠을 잔다.-Sleep late on weekends (Saturday, Sunday, national holidays, etc.).
- 자기 전에 책을 보다가 잔다.-I read a book and sleep before going to bed.
- 거실의 소파에 앉으면 항상 TV를 보거나 음악을 듣는다.-Sitting on the couch in the living room, always watching TV or listening to music.
- 아침에 기상하면 뉴스(신문)를 듣는다(본다).-If you wake up in the morning, listen to the news.
- (직장인들은 대부분) 휴일에 (음악을 들으면서) 청소를 한다.-(Most workers) clean up (while listening to music) on holidays.
- 실내가 더우면 에어컨을 켠다.-If the room is hot, turn on the air conditioner.
- 실내가 덥지 않지만 습도가 높으면 제습기(에어컨)를 켠다.-If the room is not hot but the humidity is high, turn on the dehumidifier.
- 실내가 추우면 난방기를 켠다.-If the room is cold, turn on the heater.
- (직장인들은) 휴일(주말 등)에 이메일(E-MAIL) 확인을 한다.-(Workers) check e-mails on holidays (weekends, etc.).
또한, 도 7의 행위 분류표에 포함될 행위 항목 및 조건들을 결정하는 데 참조되는, 성향/기호에 따른 행동에는 다음과 같은 예들이 있을 수 있다.In addition, there may be examples of the behavior according to the propensity / symbol, which is referred to to determine the action items and conditions to be included in the action classification table of FIG. 7.
- 나이가 어릴수록 유행에 민감하다.-The younger you are, the more sensitive you are to fashion.
- 자기 전에 책을 보다가 잔다.-I read a book and sleep before going to bed.
- 주변에 다른 사람들이 있으면 TV를 안 보거나 주변 사람(아이들)이 원하는 프로그램을 본다.-If there are other people around you, don't watch TV or watch programs that people around you want.
- 취침시간은 사람마다 다르다.-Bedtime varies from person to person.
- 같은 곡의 음악을 (어느 정도까지) 반복해서 듣는 것을 좋아한다.-I like to listen to the same piece of music repeatedly (to some extent).
- 흐린 날(비, 찌푸린 날)에는 슬픈 음악/댄스 음악을 주로 듣는다.-On cloudy days (rain, frowning), I listen to sad music / dance music mainly.
저장소(14)에 저장되어 있는 행위 분류표(도 7) 및 행위 확률 리스트(도 8)는, 전술한 바와 같이 학습 엔진(30) 및 서비스 추천 엔진(40)에 의해 이용되어, 상황 인식 시스템 환경 내의 사용자에게 능동적이고 지능적인 서비스를 제공할 수 있게 해준다.The behavior classification table (FIG. 7) and the behavior probability list (FIG. 8) stored in the
도 9에는, 본 발명의 실시예에 따른 사용자 행위 분류 방법의 흐름도가 도시되어 있다. 9 is a flowchart of a user behavior classification method according to an embodiment of the present invention.
이벤트 병합기(11a)는, 각 서브 시스템(20a, 20b, 20c, 20d)에서 발생한 이벤트들을 수집/통합하여(S501), 원시 이벤트 로그를 작성한다(S503). 이벤트 필터(11c)는, 원시 이벤트 로그로부터 의미가 없는 이벤트 또는 유효하지 않은 이벤트를 제거하여(S505), 최종 이벤트 로그를 작성한다(S507). 행위 벡터 추출기(12)는, 임시 저장소에 저장되어 있는 최종 이벤트 로그들을 통합/정리하여, 도 5에 도시된 것과 같은 서비스 로그 형식의 행위 벡터를 생성하여 저장소(14)에 저장하고, 또한, 주어진 시간 간격(예컨대 '하루')으로 취합된 행위 벡터들을 사용자별/시간별/장소별로 인덱싱하여(도 6) 저장소(14)에 저장한다(S509). 행위 분류기(13)는, 행위 벡터 추출기(12)에 의해 통합/정리된 행위 벡터(도 5)를 참조하여 저장소(14)에 작성해 둔 행위 분류표(도 7)를 참조하여 행위 확률 리스트(도 8)를 작성하여 저장소(14)에 저장한다(S511). The
한편, 본 발명은, 상기 사용자 행위 분류 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 의해 구현될 수도 있다.On the other hand, the present invention may be implemented by a computer-readable recording medium recording a program for executing the user behavior classification method.
앞서 설명한 본 발명의 실시예는 구체적인 구성과 도면에 의해 특정되었지 만, 그러한 구체적인 실시예가 본 발명의 범위를 제한하는 것이 아니라는 점을 명확히 하고자 한다. 따라서, 본 발명은, 본 발명의 본질을 벗어나지 않는 다양한 변형예와 그 균등물들을 포함하는 것으로 이해되어야 한다.Although the embodiments of the present invention described above have been specified by specific configurations and drawings, it is intended to be clear that such specific embodiments do not limit the scope of the present invention. Accordingly, it is to be understood that the invention includes various modifications and equivalents thereof without departing from the spirit of the invention.
도 1은 본 발명의 실시예에 따른 사용자 행위 분류 장치의 구성도.1 is a block diagram of a user behavior classification apparatus according to an embodiment of the present invention.
도 2는 본 발명의 실시예에 따른 상황 인식 시스템의 구성도.2 is a block diagram of a situation recognition system according to an embodiment of the present invention.
도 3은 본 발명의 실시예에 따른 원시 이벤트 로그의 예시도.3 is an exemplary diagram of a raw event log in accordance with an embodiment of the present invention.
도 4는 본 발명의 실시예에 따른 최종 이벤트 로그의 예시도.4 is an exemplary diagram of a final event log in accordance with an embodiment of the present invention.
도 5는 본 발명의 실시예에 따른 서비스 로그 형식의 행위 벡터의 예시도.5 is an exemplary diagram of an action vector in service log format according to an embodiment of the present invention.
도 6은 도 5의 행위 벡터에 대한 사용자별/시간별/장소별 인덱싱의 예시도.FIG. 6 is an exemplary diagram of indexing by user / time / place for the behavior vector of FIG. 5; FIG.
도 7은 본 발명의 실시예에 따른 행위 분류표의 예시도.7 is an exemplary diagram of an activity classification table according to an embodiment of the present invention.
도 8은 본 발명의 실시예에 따른 행위 확률 리스트의 예시도.8 is an exemplary diagram of a behavior probability list according to an embodiment of the present invention.
도 9는 본 발명의 실시예에 따른 사용자 행위 분류 방법의 흐름도.9 is a flowchart of a user behavior classification method according to an embodiment of the present invention.
Claims (5)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020070116813A KR20090050405A (en) | 2007-11-15 | 2007-11-15 | Method and apparatus for classifying user behaviors based on the event log generated from the context aware system environment |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020070116813A KR20090050405A (en) | 2007-11-15 | 2007-11-15 | Method and apparatus for classifying user behaviors based on the event log generated from the context aware system environment |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20090050405A true KR20090050405A (en) | 2009-05-20 |
Family
ID=40858863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020070116813A KR20090050405A (en) | 2007-11-15 | 2007-11-15 | Method and apparatus for classifying user behaviors based on the event log generated from the context aware system environment |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20090050405A (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101221725B1 (en) * | 2010-11-30 | 2013-01-11 | 중앙대학교 산학협력단 | Method and system for heating based on user location |
KR101228336B1 (en) * | 2011-04-01 | 2013-01-31 | 한국과학기술원 | Personalization Service Providing Method by Using Mobile Terminal User's Activity Pattern and Mobile Terminal therefor |
KR20170006120A (en) * | 2015-07-07 | 2017-01-17 | 주식회사 케이티 | Home IoT controlling system based on occupants inference probability and method threreof |
KR20170007180A (en) * | 2015-07-08 | 2017-01-18 | 주식회사 케이티 | Ontology based intelligent smart home system and method |
CN106815274A (en) * | 2015-12-02 | 2017-06-09 | 中兴通讯股份有限公司 | Daily record data method for digging and system based on Hadoop |
-
2007
- 2007-11-15 KR KR1020070116813A patent/KR20090050405A/en not_active Application Discontinuation
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101221725B1 (en) * | 2010-11-30 | 2013-01-11 | 중앙대학교 산학협력단 | Method and system for heating based on user location |
KR101228336B1 (en) * | 2011-04-01 | 2013-01-31 | 한국과학기술원 | Personalization Service Providing Method by Using Mobile Terminal User's Activity Pattern and Mobile Terminal therefor |
KR20170006120A (en) * | 2015-07-07 | 2017-01-17 | 주식회사 케이티 | Home IoT controlling system based on occupants inference probability and method threreof |
KR20170007180A (en) * | 2015-07-08 | 2017-01-18 | 주식회사 케이티 | Ontology based intelligent smart home system and method |
CN106815274A (en) * | 2015-12-02 | 2017-06-09 | 中兴通讯股份有限公司 | Daily record data method for digging and system based on Hadoop |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10657382B2 (en) | Methods and systems for person detection in a video feed | |
Dong et al. | Building energy and comfort management through occupant behaviour pattern detection based on a large-scale environmental sensor network | |
KR20090027000A (en) | Apparatus and method of constructing user behavior pattern based on the event log generated from the context aware system environment | |
Byun et al. | Utilizing context history to provide dynamic adaptations | |
US11050577B2 (en) | Automatically learning and controlling connected devices | |
US10192415B2 (en) | Methods and systems for providing intelligent alerts for events | |
US10957171B2 (en) | Methods and systems for providing event alerts | |
US8751432B2 (en) | Automated facilities management system | |
Park et al. | A context-aware music recommendation system using fuzzy bayesian networks with utility theory | |
US20140316582A1 (en) | Automated Facilities Management System having Occupant Relative Feedback | |
Aragon et al. | Developing English domestic occupancy profiles | |
CN106549833A (en) | A kind of control method and device of intelligent home device | |
US10357199B2 (en) | Sleep and environment monitor and recommendation engine | |
WO2016130230A1 (en) | Methods, systems, and media for recommending computerized services based on the movementsl of a pet in the user's environment | |
JP2018514835A (en) | Method and apparatus for controlling an environmental management system in a building | |
JP6418260B2 (en) | Factor estimation device, factor estimation system, and factor estimation method | |
KR20090050405A (en) | Method and apparatus for classifying user behaviors based on the event log generated from the context aware system environment | |
CN114119055A (en) | Evaluation implementation method and device and storage medium | |
Tran et al. | Towards multi-resident activity monitoring with smarter safer home platform | |
CN114500590A (en) | Intelligent device voice broadcasting method and device, computer device and storage medium | |
Kurihara et al. | Context-aware application prediction and recommendation in mobile devices | |
KR20120038065A (en) | Virtual event channel configuring method for combining event channels and event managing apparatus using the method | |
WO2016073312A1 (en) | Enhanced automated control scheduling | |
De Simone et al. | Occupant behavior: a †œnew†factor in energy performance of buildings. Methods for its detection in houses and in offices. | |
CN114397826B (en) | Smart home control method, system and device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |