KR20130121372A - 영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법 - Google Patents

영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법 Download PDF

Info

Publication number
KR20130121372A
KR20130121372A KR1020120044512A KR20120044512A KR20130121372A KR 20130121372 A KR20130121372 A KR 20130121372A KR 1020120044512 A KR1020120044512 A KR 1020120044512A KR 20120044512 A KR20120044512 A KR 20120044512A KR 20130121372 A KR20130121372 A KR 20130121372A
Authority
KR
South Korea
Prior art keywords
situation
value
attribute
seamless service
user
Prior art date
Application number
KR1020120044512A
Other languages
English (en)
Inventor
이규명
김정윤
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020120044512A priority Critical patent/KR20130121372A/ko
Priority to US13/649,674 priority patent/US8756621B2/en
Publication of KR20130121372A publication Critical patent/KR20130121372A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/238—Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams
    • H04N21/2387—Stream processing in response to a playback request from an end-user, e.g. for trick-play
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2402—Monitoring of the downstream path of the transmission network, e.g. bandwidth available
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25808—Management of client data
    • H04N21/25825—Management of client data involving client display capabilities, e.g. screen resolution of a mobile phone
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25808—Management of client data
    • H04N21/25841—Management of client data involving the geographical location of the client
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/414—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance
    • H04N21/41407—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance embedded in a portable device, e.g. video client on a mobile phone, PDA, laptop
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/436—Interfacing a local distribution network, e.g. communicating with another STB or one or more peripheral devices inside the home
    • H04N21/43615—Interfacing a Home Network, e.g. for connecting the client to a plurality of peripherals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H04N21/44224—Monitoring of user activity on external systems, e.g. Internet browsing
    • H04N21/44226—Monitoring of user activity on external systems, e.g. Internet browsing on social networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/643—Communication protocols
    • H04N21/64322—IP

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 IPTV 서비스를 끊김없이 제공하기 위한 서비스 방안 추론 장치 및 방법에 관한 것이다. 본 발명에서는 다양한 유형의 정보 단말로 구성된 유비쿼터스 홈 네트워킹 환경에서 기기 및 환경의 변화 등을 인식할 수 있는 상황 인지 기술을 이용하여 끊김없는 IPTV 서비스를 제공하기 위한 상황 추론 장치를 통해 상황 정보 평가 기능의 계층 분석 과정(AHP)을 이용하여 다기준 의사 결정을 수행하는 상황 추론 알고리즘을 제안한다.

Description

영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법 {Apparatus and method for inferring seamless service plan of video contents}
본 발명은 영상 콘텐츠 서비스를 끊김없이 제공하기 위한 서비스 방안 추론 장치 및 방법에 관한 것이다. 보다 상세하게는, IPTV 서비스를 끊김없이 제공하기 위한 서비스 방안 추론 장치 및 방법에 관한 것이다.
IPTV 서비스에서의 상황 인식 기술은 서비스를 보다 사용자 중심적이면서 사용자의 선호도에 적응적인 형태로 만들어 준다. 실제 환경에서 여러 유형의 상황 인식 요인들을 고려할 수 있고, 이런 요인들은 매우 동적으로 변화된다.
홈 네트워킹 환경에서 상황 인지 IPTV 서비스는 위치, 시간, 디바이스 능력, 네트워크 특성 등과 같은 요인에 영향을 받는다. 홈 네트워킹 환경에서는 상황 정보가 음성, 움직임, 온도, 습도, 밝기 등과 같은 환경 요인을 감지하는 센서를 통해 얻어진다. RFID 또한 소형 및 낮은 제조 비용으로 인해 상황 정보를 획득하기 위해 흔히 사용될 수 있는 기술이다. 이렇게 얻어진 모든 상황 정보는 실내에 있는 로컬 상황 매니저(ex. 셋톱박스)로 집중된다. 그런데 로컬 상황 매니저는 상황 정보를 토대로 흐름 제어, 서비스 품질 관리 등과 관련된 상황 추론 결정을 내릴 수 있을 만큼 충분히 스마트하지 않다. 또한 여러 가지 요인들을 고려하여 상황 추론 결정을 내릴 경우 IPTV 서비스의 끊김 현상이 자주 발생한다.
본 발명은 상기한 문제점을 해결하기 위해 안출된 것으로서, 계층 분석 과정(AHP; Analytic Hierarchy Process)을 이용하여 상황 정보를 평가하여 IPTV 서비스를 끊김없이 제공하기 위한 방안을 추론하는 영상 콘텐츠의 심리스(seamless) 서비스 방안 추론 장치 및 방법을 제안함을 목적으로 한다.
본 발명은 상기한 목적을 달성하기 위해 안출된 것으로서, 미리 정해지거나 사용자 주변 상황에 따라 가변적인 상황 요소들을 추적하는 상황 요소 추적부; 및 추적된 상황 요소들 중 하나의 상황 요소 내 속성들을 먼저 비교 분석하고 동일 계층에 속하는 상황 요소들 간 속성을 나중 비교 분석하여 영상 콘텐츠의 심리스(seamless) 서비스를 제공하기 위한 방안을 추론하는 심리스 서비스 방안 추론부를 포함하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치를 제안한다.
바람직하게는, 상기 심리스 서비스 방안 추론부는, 특정 상황 요소에서 선택된 속성 값과 다른 속성 값 간의 관계값을 이용하여 상기 특정 상황 요소에 대한 속성 비교 매트릭스를 생성하는 속성 비교 매트릭스 생성부; 상기 관계값을 이용하여 상기 특정 상황 요소의 각 속성마다 가중치를 계산하는 가중치 계산부; 계산된 가중치를 기초로 상기 특정 상황 요소의 각 속성이 상기 방안을 결정할 때의 기여 여부를 정의하는 속성 기여 여부 정의부; 및 정의된 기여 여부에 따라 상기 특정 상황 요소의 각 속성에 대하여 우선순위 값을 계산하는 우선순위 값 계산부를 포함한다.
바람직하게는, 상기 심리스 서비스 방안 추론부는 각 상황 요소의 속성들에 대하여 상기 우선순위 값이 계산되면 이 우선순위 값에 기초하여 서로 다른 상황 요소들을 비교 평가하여 상기 방안을 추론한다.
바람직하게는, 상기 가중치 계산부는 모든 관계값들을 합산한 값에 대한 각 관계값의 비율을 기초로 상기 가중치를 계산한다.
바람직하게는, 상기 속성 기여 여부 정의부는 미리 정해진 기준에 부합하는 가중치들의 평균값에 대한 각 가중치의 비율을 기초로 상기 기여 여부를 정의한다.
바람직하게는, 상기 속성 비교 매트릭스 생성부는 상기 선택된 속성 값을 상기 다른 속성 값으로 나누어 얻은 값을 상기 관계값으로 이용한다.
바람직하게는, 상기 상황 정보 추적부는 미리 정해진 상황 요소들 중 미리 정해진 존(zone)에 위치하는 디바이스들을 정적 상황 요소들로 추적하며, 사용자 주변 상황에 따라 가변적인 상황 요소들 중 상기 사용자의 위치와 상기 사용자의 서비스 처리 요청 및 상기 사용자의 위치에 기반한 네트워크 상황 중 적어도 한 분류를 동적 상황 요소들로 추적한다. 더욱 바람직하게는, 상기 상황 정보 추적부는 선호도가 서로 다른 디바이스들을 상기 정적 상황 요소들로 추적한다.
바람직하게는, 상기 심리스 서비스 방안 추론부는 상기 사용자의 위치를 우선으로 하고 디바이스의 성능을 차선으로 하여 상기 영상 콘텐츠의 심리스 서비스를 제공할 디바이스를 결정한다.
바람직하게는, 상기 심리스 서비스 방안 추론부는 상기 영상 콘텐츠의 심리스 서비스로 홈 네트워킹 환경에서 IPTV 서비스를 제공한다.
또한, 본 발명은 미리 정해지거나 사용자 주변 상황에 따라 가변적인 상황 요소들을 추적하는 상황 요소 추적 단계; 및 추적된 상황 요소들 중 하나의 상황 요소 내 속성들을 먼저 비교 분석하고 동일 계층에 속하는 상황 요소들 간 속성을 나중 비교 분석하여 영상 콘텐츠의 심리스(seamless) 서비스를 제공하기 위한 방안을 추론하는 심리스 서비스 방안 추론 단계를 포함하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 방법을 제안한다.
바람직하게는, 상기 심리스 서비스 방안 추론 단계는, 특정 상황 요소에서 선택된 속성 값과 다른 속성 값 간의 관계값을 이용하여 상기 특정 상황 요소에 대한 속성 비교 매트릭스를 생성하는 속성 비교 매트릭스 생성 단계; 상기 관계값을 이용하여 상기 특정 상황 요소의 각 속성마다 가중치를 계산하는 가중치 계산 단계; 계산된 가중치를 기초로 상기 특정 상황 요소의 각 속성이 상기 방안을 결정할 때의 기여 여부를 정의하는 속성 기여 여부 정의 단계; 및 정의된 기여 여부에 따라 상기 특정 상황 요소의 각 속성에 대하여 우선순위 값을 계산하는 우선순위 값 계산 단계를 포함한다.
바람직하게는, 상기 심리스 서비스 방안 추론 단계는 각 상황 요소의 속성들에 대하여 상기 우선순위 값이 계산되면 이 우선순위 값에 기초하여 서로 다른 상황 요소들을 비교 평가하여 상기 방안을 추론한다.
바람직하게는, 상기 가중치 계산 단계는 모든 관계값들을 합산한 값에 대한 각 관계값의 비율을 기초로 상기 가중치를 계산한다.
바람직하게는, 상기 속성 기여 여부 정의 단계는 미리 정해진 기준에 부합하는 가중치들의 평균값에 대한 각 가중치의 비율을 기초로 상기 기여 여부를 정의한다.
바람직하게는, 상기 속성 비교 매트릭스 생성 단계는 상기 선택된 속성 값을 상기 다른 속성 값으로 나누어 얻은 값을 상기 관계값으로 이용한다.
바람직하게는, 상기 상황 정보 추적 단계는 미리 정해진 상황 요소들 중 미리 정해진 존(zone)에 위치하는 디바이스들을 정적 상황 요소들로 추적하며, 사용자 주변 상황에 따라 가변적인 상황 요소들 중 상기 사용자의 위치와 상기 사용자의 서비스 처리 요청 및 상기 사용자의 위치에 기반한 네트워크 상황 중 적어도 한 분류를 동적 상황 요소들로 추적한다. 더욱 바람직하게는, 상기 상황 정보 추적 단계는 선호도가 서로 다른 디바이스들을 상기 정적 상황 요소들로 추적한다.
바람직하게는, 상기 심리스 서비스 방안 추론 단계는 상기 사용자의 위치를 우선으로 하고 디바이스의 성능을 차선으로 하여 상기 영상 콘텐츠의 심리스 서비스를 제공할 디바이스를 결정한다.
바람직하게는, 상기 심리스 서비스 방안 추론 단계는 상기 영상 콘텐츠의 심리스 서비스로 홈 네트워킹 환경에서 IPTV 서비스를 제공한다.
본 발명은 계층 분석 과정(AHP)을 이용하여 상황 정보를 평가하여 영상 콘텐츠의 심리스(seamless) 서비스 방안을 추론함으로써 다량의 상황 정보들이 동시 추적되거나 여러 환경 요인들이 동적으로 변화되더라도 분석 과정의 복잡하고 불필요한 계산을 줄일 수 있으며, IPTV 서비스를 끊김없이 제공할 수 있다. 또한, 계층적인 상황 트리에 기반한 빈번한 평가를 수행할 수 있기 때문에 정적 데이트 뿐만 아니라 동적 데이트에도 적합하게 동작될 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 영상 콘텐츠의 심리스 서비스 방안 추론 장치를 개략적으로 도시한 블록도이다.
도 2는 도 1에 도시된 추론 장치의 내부 구성을 세부적으로 도시한 블록도이다.
도 3은 본 발명에서 고려하는 유비쿼터스 홈 네트워킹 환경에서의 IPTV 서비스 구성도이다.
도 4는 본 발명에서 제안하는 상황 인지 IPTV 서비스 제공을 위한 상황 추론자의 의사 결정 프로세스를 도시한 개념도이다.
도 5는 본 발명에서 고려하는 상황 인지 기술을 이용하여 디바이스 선택을 위한 확장된 부분 트리를 도시한 도면이다.
도 6은 본 발명에서 제안한 계층 분석 과정(AHP)을 이용한 상황 추론 단계별 메커니즘에서 적용된 정규화된 원리 벡터, 다른 속성들의 상대적인 영향력을 정의하는 벡터 및 두 매트릭스 P와 O로부터 합성 매트릭스를 구하는 알고리즘을 도시한 도면이다.
도 7은 본 발명에서 제안된 기법에 따라 두 매트릭스 P와 O로부터 합성 매트릭스를 구하는 알고리즘을 도시한 도면이다.
도 8은 도 7에 도시된 알고리즘을 활용한 매트릭스 계산 기법의 예시도이다.
도 9는 본 발명의 바람직한 실시예에 따른 영상 콘텐츠의 심리스 서비스 방안 추론 방법을 개략적으로 도시한 흐름도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
도 1은 본 발명의 바람직한 실시예에 따른 영상 콘텐츠의 심리스(seamless) 서비스 방안 추론 장치를 개략적으로 도시한 블록도이다. 도 2는 도 1에 도시된 추론 장치의 내부 구성을 세부적으로 도시한 블록도이다. 이하 설명은 도 1과 도 2를 참조한다.
도 1에 따르면, 영상 콘텐츠의 심리스 서비스 방안 추론 장치(100)는 상황 요소 추적부(110), 심리스 서비스 방안 추론부(120), 전원부(130) 및 주제어부(140)를 포함한다.
영상 콘텐츠의 심리스 서비스 방안 추론 장치(100)는 다양한 유형의 정보 단말로 구성된 유비쿼터스 홈 네트워킹 환경에서 기기 및 환경의 변화 등을 인식할 수 있는 상황 인지 기술을 이용하여 끊김없는 IPTV 서비스를 제공하기 위한 상황 추론 장치로서, 상황 정보 평가 기능의 계층 분석 과정(AHP; Analytic Hierarchy Process)을 이용하여 다기준(Multiple-criteria) 의사 결정(decision-making)을 수행하는 상황 추론 알고리즘을 제안한다. 이하에서는 영상 콘텐츠의 심리스 서비스 방안 추론 장치(100)를 추론 장치(100)로 약칭한다.
상황 요소 추적부(110)는 미리 정해지거나 사용자 주변 상황에 따라 가변적인 상황 요소들을 추적하는 기능을 수행한다.
상황 정보 추적부(110)는 미리 정해진 상황 요소들 중 미리 정해진 존(zone)에 위치하는 디바이스들을 정적 상황 요소들로 추적한다. 또한, 상황 정보 추적부(110)는 사용자 주변 상황에 따라 가변적인 상황 요소들 중 사용자의 위치와 사용자의 서비스 처리 요청 및 사용자의 위치에 기반한 네트워크 상황 중 적어도 한 분류를 동적 상황 요소들로 추적한다. 상황 정보 추적부(110)는 선호도가 서로 다른 디바이스들을 정적 상황 요소들로 추적할 수 있다.
심리스 서비스 방안 추론부(120)는 추적된 상황 요소들 중 하나의 상황 요소 내 속성들을 먼저 비교 분석하고 동일 계층에 속하는 상황 요소들 간 속성을 나중 비교 분석하여 영상 콘텐츠의 심리스(seamless) 서비스를 제공하기 위한 심리스 서비스 방안을 추론하는 기능을 수행한다. 심리스 서비스 방안 추론부(120)는 영상 콘텐츠의 심리스 서비스로 상대적으로 이벤트의 변화가 낮은 홈 네트워킹 환경에서 IPTV 서비스를 제공할 수 있다.
심리스 서비스 방안 추론부(120)는 도 2에 도시된 바와 같이 속성 비교 매트릭스 생성부(121), 가중치 계산부(122), 속성 기여 여부 정의부(123) 및 우선순위 값 계산부(124)를 포함할 수 있다.
속성 비교 매트릭스 생성부(121)는 특정 상황 요소에서 선택된 속성 값과 다른 속성 값 간의 관계값을 이용하여 특정 상황 요소에 대한 속성 비교 매트릭스를 생성하는 기능을 수행한다. 속성 비교 매트릭스 생성부(121)는 선택된 속성 값을 다른 속성 값으로 나누어 얻은 값을 관계값으로 이용할 수 있다.
가중치 계산부(122)는 관계값을 이용하여 특정 상황 요소의 각 속성마다 가중치를 계산하는 기능을 수행한다. 가중치 계산부(122)는 모든 관계값들을 합산한 값에 대한 각 관계값의 비율을 기초로 가중치를 계산할 수 있다.
속성 기여 여부 정의부(123)는 계산된 가중치를 기초로 특정 상황 요소의 각 속성이 심리스 서비스 방안을 결정할 때의 기여 여부를 정의하는 기능을 수행한다. 속성 기여 여부 정의부(123)는 미리 정해진 기준에 부합하는 가중치들의 평균값에 대한 각 가중치의 비율을 기초로 기여 여부를 정의할 수 있다.
우선순위 값 계산부(124)는 정의된 기여 여부에 따라 특정 상황 요소의 각 속성에 대하여 우선순위 값을 계산하는 기능을 수행한다.
심리스 서비스 방안 추론부(120)는 각 상황 요소의 속성들에 대하여 우선순위 값이 계산되면 이 우선순위 값에 기초하여 서로 다른 상황 요소들을 비교 평가하여 심리스 서비스 방안을 추론할 수 있다.
심리스 서비스 방안 추론부(120)는 사용자의 위치를 우선으로 하고 디바이스의 성능을 차선으로 하여 영상 콘텐츠의 심리스 서비스를 제공할 디바이스를 결정할 수 있다. 이때 심리스 서비스 방안 추론부(120)는 사용자의 현재 위치로부터 가장 가까운 곳에 위치하는 디바이스를 영상 콘텐츠 서비스를 제공할 디바이스로 결정할 수 있다. 그런데 사용자가 현재 위치에서 시청 가능한 디바이스가 복수개일 수도 있다. 그래서 심리스 서비스 방안 추론부(120)가 전자와 같이 사용자의 현재 위치로부터 가장 가까운 곳에 위치하는 디바이스를 영상 콘텐츠 서비스를 제공할 디바이스로 결정할 수 있으나, 시청 가능한 디바이스들 중 디바이스가 제공하는 영상의 품질을 고려하여 해상도가 가장 우수한 디바이스를 영상 콘텐츠 서비스를 제공할 디바이스로 결정할 수도 있다. 한편, 심리스 서비스 방안 추론부(120)는 사용자의 위치가 변경될 때 핸드오버 기능을 이용하여 사용자가 접속중인 디바이스로 영상 콘텐츠 서비스를 끊김없이 제공할 수도 있다.
전원부(130)는 추론 장치(100)를 구성하는 각 구성부에 전원을 공급하는 기능을 수행한다.
주제어부(140)는 추론 장치(100)를 구성하는 각 구성부의 전체 작동을 제어하는 기능을 수행한다.
본 발명은 다양한 유형의 디바이스로 구성된 유비쿼터스 홈 네트워킹(home networking) 환경에서 상황 인식(context awareness)을 통한 끊김 없는 IPTV(Internet Protocol TeleVision) 서비스를 제공하기 위해 계층 분석 과정(AHP; Analytic Hierarchy Process)을 이용하여 상황 정보와 의사 결정(decision-making) 시스템을 다루기 위한 새로운 상황 추론(context reasoning) 기법을 제안한다. AHP는 다기준(Multiple-criteria) 의사 결정 문제를 해결하는 도구로서 본 방법은 상황 정보 평가와 관련된 일반적인 수학적 모델로 구현될 수 있다.
상황 인지 기술을 이용하여 IPTV 서비스에 적용할 수 있는 전형적인 예로 시간 변경 TV(Time shift TV)가 있다. 시간 변경 TV는 forward, backward, pause, play 등과 같은 트릭 모드 동작을 지원할 수 있는 것으로 가입자에게 원하는 콘텐츠를 시간 도메인에서 유연성을 제공할 수 있는 장점이 있다. 본 기술을 적용하면 거실에서 대형 TV로 방송 TV를 즐기고 있는 가입자가 침실로 자리를 옮길 경우 위치 이동을 상황 인지 기술을 통해 인지하고, 현재 보고 있는 TV 콘텐츠를 침실에 있는 소형 TV로 옮겨서 원하는 시간에 계속 이어서 시청이 가능하도록 해준다. 즉 시간과 장소, 디바이스 등의 제약이 없이 항상 원하는 컨텐츠를 언제든지 볼 수 있는 유비쿼터스 서비스 환경을 제공해 줄 수 있는 것이다.
상황 추론을 위해 본 발명에서 적용한 AHP(Analytic Hierarchy Process) 기술은 한 명 혹은 여러 명의 의사결정자가 참여하는 다기준(Multiple-criteria) 의사 결정 (Decision-Making) 문제를 해결할 수 있다. 평가 기준과 대안을 계층적(Hierarchy)인 구조로 파악하여 최적 대안을 선택하고 자료가 완비되지 않은 여건하에서 계획 수립, 시간적으로 촉박한 상황에서의 의사 결정 지원 및 부서 간의 의견 대립된 상황 하에서 대응 방안 수립에 활용 가능한 기술이다. AHP에서 가장 중요한 고려 사항은 최종 결정에 크게 영향을 미치는 여러 가지 요인에 우선 순위를 두는 것이다. 이로 인하여 기준이나 중요성 등의 동적 변화에 대해 주기적으로 가용한 정보를 점검하고, 동시에 일부 요인들은 최종 결정에 있어 불충분한 정보나 낮은 가중치로 인해 처리 과정에서 고려 대상에서 제외될 수도 있다.
본 발명은 유비쿼터스 홈 네트워킹 환경에서 끊김 없는 IPTV 서비스를 제공함에 있어, 단말이 변경되더라도 언제 어디서나 원하는 IPTV 컨텐츠를 스트리밍받아 서비스를 제공받을 수 있도록 하기 위한 상황 인지 메커니즘을 통해 서비스 환경에 맞도록 상황 정보에 기반한 최적 의사 결정이 가능하도록 하는 상황 추론 기법을 제안하는 것을 목적으로 한다. 본 발명은 IPTV 서비스를 받으려고 하는 사용자들이 상황 인지 기술을 이용하기 위해 여러 가지 상황 정보를 바탕으로 최적 의사 결정이 이루어질 수 있도록 상황 추론 메커니즘을 제공하는 데 있어 상황 추론자의 복잡하고 불필요한 계산 및 분석 과정을 줄이기 위해 의사 결정을 위해 여러 서브 파트로 나누는 계층 분석 과정 (AHP)을 적용함으로써 상기 목적을 달성할 수 있다.
도 3은 본 발명에서 고려하는 유비쿼터스 홈 네트워킹 환경에서의 IPTV 서비스 구성도로서, 본 발명에서 고려하는 상황 인지 관련 여러 기기들을 보여준다.
제안된 환경에서 가입자의 상황 정보를 계속해서 추적하기 위하여 상황 매니저(Context Manager)를 이용한다. 끊김 없는 시간 변경 TV 요구는 모든 서비스가 시간 도메인에서 구현되기 때문에 가입자의 타이밍 정보와 밀접하게 관련되기 때문이다. 로컬 상황 매니저(Local Context Manager: 310)는 동일 프로파일 혹은 도메인에 있는 임의의 기기와 트릭 모드(Trick Mode) 오퍼레이션(ex. play, forward, backward 등)을 지원하기 위해 현재 콘텐츠에 태깅을 하는 동안 가입자의 타이밍 정보를 추적한다.
같은 콘텐츠가 동시에 두 개 이상의 디바이스로 전달되어야 하는 경우가 있다. 이런 경우는 가입자가 기존 디바이스에서 다른 디바이스로 변경하는 핸드오버 동안에 발생할 수 있다. 이는 핸드오버 시간 동안 가입자당 더 많은 대역폭이 필요하다는 것을 의미한다.
로컬 상황 매니저(310)는 대상 환경에서 지원되는 모든 디바이스를 식별하고 그들 간의 정보를 교환한다. 핸드오버가 한쪽 디바이스에서 다른 쪽 디바이스로 홈에서 발생하게 되면, 로컬 상황 매니저(310)가 미디어 포맷, 해상도, 볼륨 레벨 등의 정합(adaptation)을 위해 원격 서버에게 필요한 정보를 보낸다. 여기서 로컬 상황 매니저(310)는 홈 환경 내의 핸드오버와 같은 로컬 결정(local decision)을 담당하고 있다. 가입자가 홈에서 외출하게 되면, 이와 관련된 임무(Task)가 사업자 네트워크에 있는 글로벌 상황 매니저(Global Context Manager: 320)에게 전달된다. 글로벌 상황 매니저(320)는 전략적으로 망 사업자가 신속한 응답을 제공해 주기 위하여 액세스 네트워크 가까이에 위치한다.
도 4는 본 발명에서 제안하는 상황 인지 IPTV 서비스 제공을 위한 상황 추론자의 의사 결정(decision-making) 프로세스를 도시한 개념도이다. 상황 정보에 기반한 의사 결정을 위한 제안 방식은 데이트의 정적 및 동적 특징을 이용한다.
본 발명에서 디바이스 변경(Change in device), 위치 변경(Change in location), 가입자 요청(Action by the user: play, pause, stop), 네트워크 결함(Network failure), 신규 서비스 요구(New service request) 등과 같은 상황 변화(Context change: 410)를 고려한다. 이들 변화에는 가입자가 이벤트에 대한 책임을 가진 상황도 있고, 환경 및 소셜 상호작용의 변화에 따른 변화일 수도 있다. 예를 들면, 비디오를 보고 있는 가입자가 외출을 위해 홈 밖으로 나가는 동안 모바일 디바이스로 비디오 콘텐츠를 전달하는 상황을 가정할 수 있다.
상황 인지 서비스는 항상 가입자에게 연속적으로 끊김 없이 비디오 스트림을 전달할 수 있는 기능을 지원해야 한다. '스마트 홈' 및 '항상 가입자를 따르는 콘텐츠(contents following user)'와 같은 개념을 실현하는 핵심 기술로 상황 인지 서비스가 활용된다. 그러나 구현을 위해서는 올바른 결정을 유도할 수 있는 상황 추론자(Context Reasoner)에 정확한 상황 정보가 제공되어야 한다.
유비쿼터스 네트워킹 환경에서는 가입자의 위치가 수시로 변경되는 상황을 고려하여 언제 어디서나 접속 가능한 환경을 지원한다. 위치 변경은 상황 추론자에게 가입자가 접속 가능한 네트워크 가운데 가장 최선의 품질과 핸드오버를 제공할 수 있는 적합한 네트워크를 선택할 수 있도록 해야 한다.
VoD 및 시간 변경 TV 등을 위해 트릭 모드 오퍼레이션을 용이하게 하려면 끊김 없는 서비스의 연속성을 제공하기 위한 가입자의 행동(activities) 및 주변 환경을 추적하여 상황 정보의 적절한 처리가 요구된다. 특히 최소 지연, 지터 및 패킷 손실로 원하는 콘텐츠를 전달할 수 있는 네트워크 지원 능력 (supportability)도 중요하다.
상황 정보는 두 가지 유형 즉, 정적 상황 정보(static profile: 420)와 동적 상황 정보(dynamic profile: 430)로 나뉜다. 정적 상황 정보(420)는 기기에 의해 정해진 정보이거나 가입자, 사업자 및 밴더에 의해 정해진 정보인 반면에 동적 상황 정보(430)는 신간, 위치, 시스템 조건 및 네트워크 상황에 따라 변화하는 정보이다. 게다가 동적 상황 정보(430)는 다른 많은 외부 요인에 영향을 받기 때문에 이 정보의 예측이 힘들다. 따라서 이전 정보를 바탕으로 향후 예상 결과를 예측할 수 있는 메커니즘이 필요하다. 이들 정보들은 가중치(weightings)를 두어 서비스 환경에 맞게 접합한 서비스 제공이 가능하도록 할 수 있다.
도 5는 본 발명에서 고려하는 상황 인지 기술을 이용하여 디바이스 선택을 위한 확장된 부분 트리를 도시한 도면이다. 도 5에서는 본 발명에서 제안한 시나리오에 수학적 모델을 적용할 때, 모든 상황 정보를 단일 계층 트리 (Hierarchical Tree)에 넣는 것을 고려한다. 예를 들면, 도 4에서 설명한 시나리오는 5가지의 상황 변화로 구성되어 있다. 기본적으로 이런 변화를 도 5에 나타낸 것처럼 트리의 부문(branch)로 정의할 수 있다.
도 5는 디바이스 변화에 대한 상황 정보를 전달하기 위해 가장 적합한 디바이스를 선택하기 위한 부분 트리를 보여준다. 이 목표(510)를 달성하기 위해 레벨 1(520)은 서로 다른 사용자 선호도를 가진 디바이스 Device 1, Device 2 및Device 3를 나타낸다. 여기서 각 선호도의 합(디바이스 Device 1, Device 2 및Device 3의 선호도의 합)은 100%가 됨을 의미한다. 각 디바이스는 개별 디바이스의 속성(attribute)을 기술하는 디바이스 고유의 특성 리스트(property list: 530)를 가진다. 그렇지만 디바이스에 따른 이런 특성의 영향력(impact)은 계속 변화된다. 따라서 디바이스의 모든 속성에 대해 다른 디바이스와 상대적인 각 디바이스의 영향력을 표시할 수 있는 비교 매트릭스(comparison matrix)가 필요하다.
도 6은 본 발명에서 제안한 계층 분석 과정(AHP)을 이용한 상황 추론 단계별 메커니즘에서 적용된 정규화된 원리 벡터, 다른 속성들의 상대적인 영향력을 정의하는 벡터 및 두 매트릭스 P와 O로부터 합성 매트릭스를 구하는 알고리즘을 도시한 도면이다.
도 6은 본 발명에서 제안한 비교 매트릭스의 계산 과정을 보여준다. 디바이스 특성 리스트는 목표(즉, 디바이스 변화)에 관련된 각 속성에 대응하는 값(score)을 가진다. 여러 가지 상황에 따라 다른 목표들이 함께 고려될 수 있다. 본 발명에서 계층 구조에서는 단일 목표 혹은 한 시점에 하나의 목표를 고려한다.
단계 1: 도 5에서 나타낸 레벨 2에 있는 속성들을 위한 비교 매트릭스를 계산한다. 이 값들은 수학식 1과 같이 표현된다.
Figure pat00001
pij는 속성 j와 비교된 속성 i에 매겨진 상대적인 값(score)의 비율이다. pij는 pji에 대하여 pij=1/pji의 관계를 가진다. 이런 시나리오는 목표에 높은 영향력을 가진 팩트를 분리시키고 상황 추론의 복잡성을 최소화할 수 있는 다른 팩트들을 제거하기 위해서이다.
단계 2: 매트릭스에 있는 각 원소(element)에 대한 정규화된 상대적인 가중치(normalized relative weight)를 계산한다. 가중치 계산은 수학식 2를 따른다.
Figure pat00002
단계 3: 단일 열 상에 있는 원소에 대해 평균을 낸 정규화된 원리 벡터(normalized principle vector)를 구한다. 원리 벡터는 수학식 3을 이용하여 구할 수 있다.
Figure pat00003
상기에서 n은 단일 열 상에 있는 원소의 개수를 의미한다. 이 벡터는 어느 정도까지 각 속성이 최종 결정에 영향력을 가지게 될 것인지를 정의한다. 도 6의 (a)는 정규화된 원리 벡터를 도시한 것이다.
단계 4: 다른 속성들의 상대적인 영향력을 정의하는 벡터를 계산한다. N은 정규화된 고유 벡터(Normalized Eigen Vector)에 의해 구한 각 속성에 대한 영향력을 의미하며, 수학식 4에 도시된 바와 같다.
Figure pat00004
도 6의 (b)는 다른 속성들의 상대적인 영향력을 정의하는 벡터를 도시한 것이다.
다음으로, 계층 구조의 목적 혹은 목표에 관계가 있는 레벨 1에 있는 옵션들에 대해 동일 절차를 따른다.
단계 5: 두 가지 매트릭스가 있다. 즉, 특성 우선순위 매트릭스 P와 옵션 우선순위 매트릭스 O가 있다. 오퍼레이션 {P,O}를 가지고 합성 매트릭스(Composition Matrix) C를 평가한다. 이 오퍼레이션은 최대화해야 하는 최종 목표와 관련되어 레벨 1에 있는 서로 다른 옵션들을 비교한다. 여기서, 지금까지 언급된 시나리오의 평가를 위한 알고리즘을 정의한다.
규칙: 2 레벨 이상을 초과하는 계층화된 트리의 경우 문제를 여러 가지 하위 문제(sub problems)로 구분하여 부분적으로 해결 가능하다. 본 발명에서 적용한 알고리즘은 가장 최선의 옵션과 속성들을 선택할 수 있는 계층 구조 상에 임의의 레벨에 적용 가능하다. 동일 오퍼레이션이 속성들에 우선순위를 매긴 다음에 옵션들 간에 선택하기 위하여 반복될 수도 있다. 트리의 부분 최소화(partial minimization)는 계층 구조의 전체적인 복잡성을 줄이고 최종 목적을 향한 예상 계산의 수를 줄이는데 도움을 준다.
도 7은 본 발명에서 제안된 기법에 따라 두 매트릭스 P와 O로부터 합성 매트릭스를 구하는 알고리즘을 도시한 도면이다. 도 8은 도 7에 도시된 알고리즘을 활용한 매트릭스 계산 기법의 예시도이다.
도 7은 본 발명에서 제안된 기법을 위한 샘플 시나리오로서, 본 발명에서는 도 7에 도시된 바를 일례로 처리 과정의 복잡성을 줄일 수 있도록 하기 위한 상황 정보를 바탕으로 한 매트릭스 계산 기법을 제안한다. 이 과정은 상황 정보 처리를 담당하고 있는 상황 추론자에 의해 조종된다. 제안한 방식은 1부터 9까지 범위에 있는 값을 매긴다. 옵션과 특징 혹은 속성들이 최종 목적에 기반한 영향력에 따라 1부터 9까지 값이 매겨지는 것이다. 이를 바탕으로 도 8을 참조하여 상황 평가의 계산 기법의 예를 보인다.
매트릭스 P는 정의된 상황 트리에 있는 목표 혹은 루트에 기반하여 얻어진다. 다음으로 서로 다른 특징 혹은 속성과 비교된 비교 매트릭스를 각각 구할 수 있다. 모든 옵션 및 목표에 관하여 정의된 환경에서 주어진 옵션들에 대하여 특징-1(P1)의 비교 매트릭스를 구한다. 시스템 및 최종 목표에 대한 상세한 지식을 가지고 있는 전문가의 의견에 의해 값(score)이 정해진다. 여기서 매트릭스 O는 특징 P1에 대응되는 옵션 비교 매트릭스를 나타낸다. 이는 목표에 관하여 옵션들의 상대적인 등급 매김(grading)을 표현하는 합성 매트릭스를 나타낸다. 마지막으로 O1:O2:O3의 비율이 1.82:1.71:1임을 구할 수 있다. 이는 옵션 1의 영향력이 특성 1과 비교하여 옵션 3보다 1.82배 더 이익이 있음을 표현한다. 이런 방식은 가장 덜 복잡하게 상황 정보에 대한 의사 결정이 가능해진다. 게다가 상황 평가를 위해 정의한 계층적 트리를 간소화할 수 있다.
도 9는 본 발명의 바람직한 실시예에 따른 영상 콘텐츠의 심리스 서비스 방안 추론 방법을 개략적으로 도시한 흐름도이다.
먼저 미리 정해지거나 사용자 주변 상황에 따라 가변적인 상황 요소들을 추적한다(S10). 이 단계는 미리 정해진 상황 요소들 중 미리 정해진 존(zone)에 위치하는 디바이스들을 정적 상황 요소들로 추적하며, 사용자 주변 상황에 따라 가변적인 상황 요소들 중 사용자의 위치와 사용자의 서비스 처리 요청 및 사용자의 위치에 기반한 네트워크 상황 중 적어도 한 분류를 동적 상황 요소들로 추적한다. 이 단계는 선호도가 서로 다른 디바이스들을 정적 상황 요소들로 추적할 수 있다.
이후 추적된 상황 요소들 중 하나의 상황 요소 내 속성들을 먼저 비교 분석하고(S20) 동일 계층에 속하는 상황 요소들 간 속성을 나중 비교 분석하여(S30) 영상 콘텐츠의 심리스(seamless) 서비스를 제공하기 위한 심리스 서비스 방안을 추론한다(S40). 이하에서는 S20 단계 내지 S40 단계를 종합하여 심리스 서비스 방안 추론 단계로 정의한다.
심리스 서비스 방안 추론 단계에서 S20 단계는 다음과 같이 구체화될 수 있다. 먼저 특정 상황 요소에서 선택된 속성 값과 다른 속성 값 간의 관계값을 이용하여 특정 상황 요소에 대한 속성 비교 매트릭스를 생성한다. 이 단계에서는 선택된 속성 값을 다른 속성 값으로 나누어 얻은 값을 관계값으로 이용할 수 있다. 이후 관계값을 이용하여 특정 상황 요소의 각 속성마다 가중치를 계산한다. 이 단계에서는 모든 관계값들을 합산한 값에 대한 각 관계값의 비율을 기초로 가중치를 계산할 수 있다. 이후 계산된 가중치를 기초로 특정 상황 요소의 각 속성이 심리스 서비스 방안을 결정할 때의 기여 여부를 정의한다. 이 단계에서는 미리 정해진 기준에 부합하는 가중치들의 평균값에 대한 각 가중치의 비율을 기초로 기여 여부를 정의할 수 있다. 이후 정의된 기여 여부에 따라 특정 상황 요소의 각 속성에 대하여 우선순위 값을 계산한다.
심리스 서비스 방안 추론 단계는 각 상황 요소의 속성들에 대하여 우선순위 값이 계산되면 이 우선순위 값에 기초하여 서로 다른 상황 요소들을 비교 평가하여 심리스 서비스 방안을 추론할 수 있다.
심리스 서비스 방안 추론 단계는 사용자의 위치를 우선으로 하고 디바이스의 성능을 차선으로 하여 영상 콘텐츠의 심리스 서비스를 제공할 디바이스를 결정할 수 있다.
심리스 서비스 방안 추론 단계는 영상 콘텐츠의 심리스 서비스로 홈 네트워킹 환경에서 IPTV 서비스를 제공할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
100: 영상 콘텐츠의 심리스 서비스 방안 추론 장치
110: 상황 요소 추적부 120: 심리스 서비스 방안 추론부
121: 속성 비교 매트릭스 생성부 122: 가중치 계산부
123: 속성 기여 여부 정의부 124: 우선순위 값 계산부
130: 전원부 140: 주제어부
310: 로컬 상황 매니저 320: 글로벌 상황 매니저
410: 상황 변화 420: 정적 상황 정보
430: 동적 상황 정보

Claims (16)

  1. 미리 정해지거나 사용자 주변 상황에 따라 가변적인 상황 요소들을 추적하는 상황 요소 추적부; 및
    추적된 상황 요소들 중 하나의 상황 요소 내 속성들을 먼저 비교 분석하고 동일 계층에 속하는 상황 요소들 간 속성을 나중 비교 분석하여 영상 콘텐츠의 심리스(seamless) 서비스를 제공하기 위한 방안을 추론하는 심리스 서비스 방안 추론부
    를 포함하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  2. 제 1 항에 있어서,
    상기 심리스 서비스 방안 추론부는,
    특정 상황 요소에서 선택된 속성 값과 다른 속성 값 간의 관계값을 이용하여 상기 특정 상황 요소에 대한 속성 비교 매트릭스를 생성하는 속성 비교 매트릭스 생성부;
    상기 관계값을 이용하여 상기 특정 상황 요소의 각 속성마다 가중치를 계산하는 가중치 계산부;
    계산된 가중치를 기초로 상기 특정 상황 요소의 각 속성이 상기 방안을 결정할 때의 기여 여부를 정의하는 속성 기여 여부 정의부; 및
    정의된 기여 여부에 따라 상기 특정 상황 요소의 각 속성에 대하여 우선순위 값을 계산하는 우선순위 값 계산부
    를 포함하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  3. 제 2 항에 있어서,
    상기 심리스 서비스 방안 추론부는 각 상황 요소의 속성들에 대하여 상기 우선순위 값이 계산되면 이 우선순위 값에 기초하여 서로 다른 상황 요소들을 비교 평가하여 상기 방안을 추론하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  4. 제 2 항에 있어서,
    상기 가중치 계산부는 모든 관계값들을 합산한 값에 대한 각 관계값의 비율을 기초로 상기 가중치를 계산하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  5. 제 2 항에 있어서,
    상기 속성 기여 여부 정의부는 미리 정해진 기준에 부합하는 가중치들의 평균값에 대한 각 가중치의 비율을 기초로 상기 기여 여부를 정의하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  6. 제 2 항에 있어서,
    상기 속성 비교 매트릭스 생성부는 상기 선택된 속성 값을 상기 다른 속성 값으로 나누어 얻은 값을 상기 관계값으로 이용하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  7. 제 1 항에 있어서,
    상기 상황 정보 추적부는 미리 정해진 상황 요소들 중 미리 정해진 존(zone)에 위치하는 디바이스들을 정적 상황 요소들로 추적하며, 사용자 주변 상황에 따라 가변적인 상황 요소들 중 상기 사용자의 위치와 상기 사용자의 서비스 처리 요청 및 상기 사용자의 위치에 기반한 네트워크 상황 중 적어도 한 분류를 동적 상황 요소들로 추적하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  8. 제 7 항에 있어서,
    상기 상황 정보 추적부는 선호도가 서로 다른 디바이스들을 상기 정적 상황 요소들로 추적하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  9. 제 1 항에 있어서,
    상기 심리스 서비스 방안 추론부는 상기 사용자의 위치를 우선으로 하고 디바이스의 성능을 차선으로 하여 상기 영상 콘텐츠의 심리스 서비스를 제공할 디바이스를 결정하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  10. 제 1 항에 있어서,
    상기 심리스 서비스 방안 추론부는 상기 영상 콘텐츠의 심리스 서비스로 홈 네트워킹 환경에서 IPTV 서비스를 제공하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 장치.
  11. 미리 정해지거나 사용자 주변 상황에 따라 가변적인 상황 요소들을 추적하는 상황 요소 추적 단계; 및
    추적된 상황 요소들 중 하나의 상황 요소 내 속성들을 먼저 비교 분석하고 동일 계층에 속하는 상황 요소들 간 속성을 나중 비교 분석하여 영상 콘텐츠의 심리스(seamless) 서비스를 제공하기 위한 방안을 추론하는 심리스 서비스 방안 추론 단계
    를 포함하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 방법.
  12. 제 11 항에 있어서,
    상기 심리스 서비스 방안 추론 단계는,
    특정 상황 요소에서 선택된 속성 값과 다른 속성 값 간의 관계값을 이용하여 상기 특정 상황 요소에 대한 속성 비교 매트릭스를 생성하는 속성 비교 매트릭스 생성 단계;
    상기 관계값을 이용하여 상기 특정 상황 요소의 각 속성마다 가중치를 계산하는 가중치 계산 단계;
    계산된 가중치를 기초로 상기 특정 상황 요소의 각 속성이 상기 방안을 결정할 때의 기여 여부를 정의하는 속성 기여 여부 정의 단계; 및
    정의된 기여 여부에 따라 상기 특정 상황 요소의 각 속성에 대하여 우선순위 값을 계산하는 우선순위 값 계산 단계
    를 포함하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 방법.
  13. 제 12 항에 있어서,
    상기 심리스 서비스 방안 추론 단계는 각 상황 요소의 속성들에 대하여 상기 우선순위 값이 계산되면 이 우선순위 값에 기초하여 서로 다른 상황 요소들을 비교 평가하여 상기 방안을 추론하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 방법.
  14. 제 12 항에 있어서,
    상기 가중치 계산 단계는 모든 관계값들을 합산한 값에 대한 각 관계값의 비율을 기초로 상기 가중치를 계산하거나,
    상기 속성 기여 여부 정의 단계는 미리 정해진 기준에 부합하는 가중치들의 평균값에 대한 각 가중치의 비율을 기초로 상기 기여 여부를 정의하거나, 또는
    상기 속성 비교 매트릭스 생성 단계는 상기 선택된 속성 값을 상기 다른 속성 값으로 나누어 얻은 값을 상기 관계값으로 이용하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 방법.
  15. 제 11 항에 있어서,
    상기 상황 정보 추적 단계는 미리 정해진 상황 요소들 중 미리 정해진 존(zone)에 위치하는 디바이스들을 정적 상황 요소들로 추적하며, 사용자 주변 상황에 따라 가변적인 상황 요소들 중 상기 사용자의 위치와 상기 사용자의 서비스 처리 요청 및 상기 사용자의 위치에 기반한 네트워크 상황 중 적어도 한 분류를 동적 상황 요소들로 추적하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 방법.
  16. 제 11 항에 있어서,
    상기 심리스 서비스 방안 추론 단계는 상기 영상 콘텐츠의 심리스 서비스로 홈 네트워킹 환경에서 IPTV 서비스를 제공하는 것을 특징으로 하는 영상 콘텐츠의 심리스 서비스 방안 추론 방법.
KR1020120044512A 2012-04-27 2012-04-27 영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법 KR20130121372A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120044512A KR20130121372A (ko) 2012-04-27 2012-04-27 영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법
US13/649,674 US8756621B2 (en) 2012-04-27 2012-10-11 Apparatus and method for inferring seamless service plan of video contents

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120044512A KR20130121372A (ko) 2012-04-27 2012-04-27 영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20130121372A true KR20130121372A (ko) 2013-11-06

Family

ID=49478544

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120044512A KR20130121372A (ko) 2012-04-27 2012-04-27 영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법

Country Status (2)

Country Link
US (1) US8756621B2 (ko)
KR (1) KR20130121372A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160004615A (ko) * 2014-07-03 2016-01-13 공주대학교 산학협력단 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템
WO2022169016A1 (ko) * 2021-02-05 2022-08-11 삼성전자(주) 전자장치 및 그 제어방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102284658B1 (ko) * 2015-03-19 2021-08-02 삼성전자 주식회사 비휘발성 메모리 장치, 이를 포함하는 메모리 시스템 및 상기 비휘발성 메모리 장치의 동작 방법
CN106339779B (zh) * 2016-10-11 2020-04-21 东南大学 一种配电网中分布式电源配置方案评价方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4908517B2 (ja) 2006-10-02 2012-04-04 富士通株式会社 文書の誤り推論処理プログラム，処理装置および処理方法
US20090027222A1 (en) * 2007-07-23 2009-01-29 Sony Ericsson Mobile Communications Ab Providing services to a mobile device in a personal network
US8032589B2 (en) * 2008-10-27 2011-10-04 Telefonaktiebolaget L M Ericsson (Publ) Methods and systems for resuming, transferring or copying a multimedia session
JP5148534B2 (ja) * 2009-03-03 2013-02-20 株式会社東芝 通信サーバ、装置及びセッション制御方法
KR101757230B1 (ko) * 2010-01-20 2017-07-13 삼성전자주식회사 멀티미디어 데이터 제공 시스템에서 컨텐츠 재생 방법 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160004615A (ko) * 2014-07-03 2016-01-13 공주대학교 산학협력단 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템
WO2022169016A1 (ko) * 2021-02-05 2022-08-11 삼성전자(주) 전자장치 및 그 제어방법

Also Published As

Publication number Publication date
US20130290998A1 (en) 2013-10-31
US8756621B2 (en) 2014-06-17

Similar Documents

Publication Publication Date Title
US10169904B2 (en) Systems and methods for presenting intermediaries
US9560399B2 (en) Personalized generation of watch list of shows in a video delivery system
US11507867B2 (en) Systems and methods for managing interactions between an individual and an entity
Yu et al. QoE-driven dynamic adaptive video streaming strategy with future information
US20160029055A1 (en) Method, system and device for proactive content customization
US9807457B1 (en) Predictive content placement on a managed services system
US20190079898A1 (en) Distributed machine learning platform using fog computing
US10616625B2 (en) Reinforcement learning network for recommendation system in video delivery system
Jin et al. Reducing operational costs in cloud social TV: An opportunity for cloud cloning
US9015599B2 (en) Devices, methods and computer-readable media for providing control of switching between media presentation screens
KR20130121372A (ko) 영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법
Huo et al. A meta-learning framework for learning multi-user preferences in QoE optimization of DASH
Hafez et al. Reinforcement learning-based rate adaptation in dynamic video streaming
US20220295131A1 (en) Systems, methods, and apparatuses for trick mode implementation
US10482428B2 (en) Systems and methods for presenting metaphors
US20230011528A1 (en) Methods, systems, and media for selecting formats for streaming media content items
Khosroshahi et al. IPTV channel switching delay reduction through predicting subscribers’ behaviors and preferences
Sekine et al. Tile quality selection method in 360-degree tile-based video streaming
Saleem et al. Quality enhanced multimedia content delivery for mobile cloud with deep reinforcement learning
US20220303306A1 (en) Compression of uniform resource locator sequences for machine learning-based detection of target category examples
US10743070B2 (en) Fast channel change for a set top box based on channel viewing behaviors
US12028369B2 (en) Compression of user interaction data for machine learning-based detection of target category examples
Yang et al. Enhancing User Experience in Ultra HD Cloud Performing Arts Live Streaming: A QoS-to-QoE Mapping Approach
US20230064341A1 (en) Methods and systems for detecting interruptions while streaming media content
US20220385689A1 (en) Compression of user interaction data for machine learning-based detection of target category examples

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid