KR20130122346A - 평판 정보 제공 장치 및 방법 - Google Patents

평판 정보 제공 장치 및 방법 Download PDF

Info

Publication number
KR20130122346A
KR20130122346A KR1020120045603A KR20120045603A KR20130122346A KR 20130122346 A KR20130122346 A KR 20130122346A KR 1020120045603 A KR1020120045603 A KR 1020120045603A KR 20120045603 A KR20120045603 A KR 20120045603A KR 20130122346 A KR20130122346 A KR 20130122346A
Authority
KR
South Korea
Prior art keywords
evaluation
evaluator
information
reputation
evaluators
Prior art date
Application number
KR1020120045603A
Other languages
English (en)
Inventor
한상용
서지완
김무철
Original Assignee
중앙대학교 산학협력단
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 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020120045603A priority Critical patent/KR20130122346A/ko
Publication of KR20130122346A publication Critical patent/KR20130122346A/ko

Links

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
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • 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)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

평판 정보 제공 장치 및 방법이 개시된다. 개시된 평판 정보 제공 장치는 평가 대상에 대한 다수의 평가자의 평가 값들을 이용하여 상기 평가 대상에 대한 평판 정보를 사용자에게 제공하는 장치에 있어서, 상기 다수의 평가자 각각이 상기 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가에 관한 정보를 이용하여 상기 평가 값들 각각에 가중치를 부여하는 가중치 부여부; 및 상기 가중치가 부여된 평가 값들을 이용하여 상기 평가 대상에 대한 평판을 추론하는 평판 추론부;를 포함한다. 본 발명에 따르면, 평가 대상에 대한 평가자의 부당 평가를 효과적으로 배제하여 평판 모델의 신뢰성을 향상시킬 수 있는 장점이 있다.

Description

평판 정보 제공 장치 및 방법{APPARATUS AND METHOD FOR PROVIDING REPUTATION INFORMATION}
본 발명의 실시예들은 평판 정보 제공 장치 및 방법에 관한 것으로서, 더욱 상세하게는 평가 대상에 대한 평가자의 부당 평가를 효과적으로 배제하여 평판 모델의 신뢰성을 향상시킬 수 있는 평판 정보 제공 장치 및 방법에 관한 것이다.
인터넷 관련 기술의 발전에 따라, 현재에는 인터넷을 통해 다양한 서비스들이 제공되고 있고, 오프라인에서 수행되던 일들도 대부분 인터넷을 통하여 온라인에서 가능하게 되었다.
그러나, 온라인에서는 사용자가 직접적 경험을 얻기 어렵기 때문에, 어떠한 대상에 대한 신뢰 여부의 판단 문제로서, 사전 품질 위험(Risk of Prior performance)이 야기될 수 있다.
사전 품질 위험이란, 사용자가 어떠한 대상에 대해 직접적인 경험을 얻기 전에 그 대상에 대한 값을 지불해야 하는 상황에서 발생하는 위험을 의미하는 것으로서, 사용자는 값을 지불하고 나서야 물건을 직접 볼 수 있기 때문에, 물건에 대한 잘못된 이해, 정보의 오류 등으로 인해 사용자가 만족스럽지 못한 선택을 하게 되는 문제점이 발생하게 된다.
따라서, 인터넷 환경에서는 사용자의 의사 결정에 영향을 주게 되는 신뢰 여부 판단 문제가 중요한 역할을 하게 되며, 기존의 신뢰 여부 판단의 방법으로는 신뢰도 모델(Trust model)과 평판 모델(Reputation Model)이 있다.
먼저, 신뢰도 모델은 어떠한 대상에 대한 다른 사용자의 직접적인 경험을 이용하여 신뢰 여부를 추론하는 것으로서, 각 사용자가 가지는 직접적인 신뢰의 정도를 이용하여 신뢰 여부를 추론하는 것을 의미한다.
즉, 도 1a에 도시된 바와 같이, A와 B 및 B와 C가 서로 직접적인 신뢰(Direct Trust)를 가지는 경우, 이 신뢰 관계를 바탕으로 A와 C의 간접적인 신뢰(Indirect Trust)를 추론할 수 있다.
그리고, 평판 모델은 평가 대상에 대해 직접적인 경험이 있는 피드백 집단(Feedback Group)의 평가를 조합하여 선택 대상에 대한 신뢰 여부를 판단하는 것으로서, 도 1b에 도시된 바와 같이, 특정 집단 Group(P)에 속한 평가자들이 가지는 직접적인 평가로부터 대상에 대한 평판 값을 다양한 방법을 이용하여 추론하는 것을 의미한다.
평판 모델은 어떠한 대상에 대한 다른 사용자의 직접적인 경험을 이용하여 신뢰 여부를 추론한다는 점에서 신뢰도 모델과 유사하지만, 대상을 제대로 평가할 수 있는 평가자 집단을 선정하고 집단의 객관적인 의견을 통해 선택 대상의 신뢰 여부를 판단한다는 점에서 차이가 있다.
이러한 신뢰도 모델 및 평판 모델은 모두 서비스에 도움을 주는 요소와 서비스에 저해가 되는 요소들을 구분하고 제어함으로써 양질의 온라인 서비스를 제공할 수 있게 한다는 장점을 가지고 있어, 최근 전자 상거래, 인터넷 소셜 커뮤니티 등 사업적인 부분에서 많이 이용되고 있다.
한편, 평판 모델이 전자 상거래나 소셜 커뮤니티에 많이 적용되면서, 개인적인 이윤이나 악의적인 목적을 위해 평판 시스템을 공격하는 시도도 함께 생겨나게 되었다.
이러한 공격들 중 평가자의 평가에 진실성이 결여되어 있는 부당 평가(Unfair rating)가 대표적이며, 부당 평가는 동일한 평가 대상이라 하더라도 사람들의 의견이 다양할 수 있다는 점에서 여러 공격 유형 중에서 감지가 가장 어려운 문제점을 갖고 있다.
또한, 기존의 부당 평가를 제어하는 기법들은 평가자 중 정직한 평가자의 수가 그렇지 않은 평가자의 수보다 많다는 다수 법칙(Major role)에 기반하고 있으나, 최근에는 인터넷 관련 기술의 발전에 따라 평판 모델에 다양한 사람들이 참여할 수 있게 되어, 한 사람이 여러 아이디를 가지거나 여러 사람을 선동함으로써 집단적으로 부당 평가(Collaborative Unfair rating)하는 것이 어렵지 않게 되었다.
상기한 바와 같은 종래기술의 문제점을 해결하기 위해, 본 발명에서는 평가 대상에 대한 평가자의 부당 평가를 효과적으로 배제하여 평판 모델의 신뢰성을 향상시킬 수 있는 평판 정보 제공 장치 및 방법을 제안하고자 한다.
본 발명의 다른 목적들은 하기의 실시예를 통해 당업자에 의해 도출될 수 있을 것이다.
상기한 목적을 달성하기 위해 본 발명의 바람직한 일 실시예에 따르면, 평가 대상에 대한 다수의 평가자의 평가 값들을 이용하여 상기 평가 대상에 대한 평판 정보를 사용자에게 제공하는 장치에 있어서, 상기 다수의 평가자 각각이 상기 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가에 관한 정보를 이용하여 상기 평가 값들 각각에 가중치를 부여하는 가중치 부여부; 및 상기 가중치가 부여된 평가 값들을 이용하여 상기 평가 대상에 대한 평판을 추론하는 평판 추론부;를 포함하는 것을 특징으로 하는 평판 정보 제공 장치가 제공된다.
상기 가중치 부여부는 상기 다수의 평가자 중 제1 평가자가 상기 적어도 하나의 이전 평가 대상에 대하여 기 수행한 평가의 횟수에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여할 수 있다.
상기 가중치 부여부는 상기 제1 평가자의 평가의 총 횟수 및 상기 제1 평가자의 평가의 대상이 된 콘텐츠 분류의 총 개수에 관한 정보를 더 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여할 수 있다.
상기 가중치 부여부는 상기 다수의 평가자 중에서 상기 제1 평가자의 기 수행한 평가의 평가 값과 동일한 값으로 평가한 평가자의 수에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여할 수 있다.
상기 가중치 부여부는 상기 적어도 하나의 이전 평가 대상에 대하여 기 수행된 상기 제1 평가자의 평가 횟수가 미리 설정된 임계값을 초과하는 경우에 상기 제1 평가자의 평가 값에 가중치를 부여할 수 있다.
상기 미리 설정된 임계값은 상기 적어도 하나의 이전 평가 대상에 대한 상기 다수의 평가자별 평균 평가 횟수에 기초하여 설정될 수 있다.
상기 가중치 부여부는 상기 다수의 평가자 중 제1 평가자가 상기 적어도 하나의 이전 평가 대상 중 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값과 상기 사용자가 상기 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값 사이의 평가 값 유사도에 관한 정보를 산출하고, 상기 평가 값 유사도에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여할 수 있다.
상기 평가 값 유사도에 관한 정보는 상기 어느 하나의 이전 평가 대상에 대하여 상기 제1 평가자의 기 수행한 평가의 평가 값과 상기 사용자의 기 수행한 평가의 평가 값 사이의 유클리드 거리에 기초하여 산출될 수 있다.
상기 가중치 부여부는 상기 제1 평가자에 의해 기 평가된 적어도 하나의 이전 평가 대상 중 상기 사용자에 의해 기 평가된 평가 대상의 비율에 기초하여 평가 대상 유사도에 관한 정보를 더 산출하고, 상기 평가 대상 유사도에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여할 수 있다.
또한, 본 발명의 다른 실시예에 따르면, 평가 대상에 대한 다수의 평가자의 평가 값들을 이용하여 상기 평가 대상에 대한 평판 정보를 사용자에게 제공하는 방법에 있어서, 상기 다수의 평가자 각각이 상기 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가에 관한 정보를 이용하여 상기 평가 값들 각각에 가중치를 부여하는 단계; 및 상기 가중치가 부여된 평가 값들을 이용하여 상기 평가 대상에 대한 평판을 추론하는 단계;를 포함하는 것을 특징으로 하는 평판 정보 제공 방법이 제공된다.
본 발명에 따르면, 평가 대상에 대한 평가자의 부당 평가를 효과적으로 배제하여 평판 모델의 신뢰성을 향상시킬 수 있는 장점이 있다.
도 1a는 기존의 신뢰도 모델에 관한 개략도를 도시하는 도면이다.
도 1b는 기존의 평판 모델에 관한 개략도를 도시하는 도면이다.
도 2는 본 발명에 따른 평판 정보 제공 장치가 평가 대상인 영화 콘텐츠에 대한 평판 정보를 사용자에게 제공하는 동작을 개략적으로 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 평판 정보 제공 장치의 상세한 구성을 도시하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 가중치 부여부의 상세한 구성을 도시하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 가중치 부여부가 평가자의 양적 역량 및 질적 역량을 평가 값에 반영하기 위한 평가 도수에 관한 그래프를 도시하는 도면이다.
도 6은 본 발명의 일 실시예에 따른 평판 정보 제공 방법의 상세한 구성을 시간의 흐름에 따라 도시한 순서도이다.
도 7은 본 발명의 일 실시예에 따른 가중치를 부여하는 단계의 상세한 구성을 시간의 흐름에 따라 도시한 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
본 발명에 따른 평판 정보 제공 장치는 다양한 평가 대상에 대한 평판 정보를 추론하여 사용자에게 제공하는 장치에는 제한 없이 적용될 수 있다. 일례로서, 평판 정보 제공 장치는 콘텐츠에 대한 평가자들의 평판 정보를 추론하여 사용자에게 제공하는 서버에 적용될 수 있다.
특히, 본 발명에 따른 평판 정보 제공 장치는 영화 평점 정보의 제공을 위한 서버에 용이하게 적용될 수 있으므로, 이하에서는 영화 평점 정보의 제공을 위한 서버에 평판 정보 제공 장치가 적용된 일례를 중심으로 설명하기로 한다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 2는 본 발명에 따른 평판 정보 제공 장치(100)가 평가 대상인 영화 콘텐츠에 대한 평판 정보를 사용자에게 제공하는 동작을 개략적으로 도시한 도면이다.
도 2에 도시된 바와 같이, 평판 정보 제공 장치(100)는 콘텐츠에 대한 다수의 평가자의 평가 값들을 이용하여 콘텐츠에 대한 평판 정보를 사용자에게 제공할 수 있다.
콘텐츠는 웹을 통하여 사용자에게 제공되는 웹 콘텐츠일 수 있으며, 평판 정보 또한 웹을 통하여 콘텐츠를 이용하는 사용자에게 콘텐츠와 함께 제공될 수 있다.
즉, 웹을 통하여 콘텐츠를 이용하는 사용자에게 본 발명에 따른 평판 정보 제공 장치(100)는 해당 콘텐츠에 대한 평판 정보를 제공할 수 있다.
평판 정보 제공 장치(100)가 평판의 추론을 위하여 이용하는 콘텐츠에 대한 다수의 평가자의 평가 값들은 본 발명에 따른 평판 정보가 제공되기 전에 미리 평가자들에 의해 수행된 해당 콘텐츠에 대한 평가 값들로서, 이 평가 값들로부터 추론된 해당 콘텐츠에 대한 평판 정보가 사용자에게 제공되는 것이다.
이때, 본 발명의 일 실시예에 따른 평판 정보 제공 장치(100)는 평판 정보를 추론함에 있어서, 개별 평가자의 평가 값에 가중치를 부여함으로써 콘텐츠에 대한 영향력이 높은 평가자의 평가 값이 보다 높은 비율로 평판 정보에 반영될 수 있도록 한다.
즉, 해당 콘텐츠와 유사한 콘텐츠에 대해 평가한 경험이 많고, 양질의 평가를 수행한 평가자의 평가 값에는 높은 가중치를 부여하고, 경험이 거의 없거나, 저질의 평가를 수행한 평가자의 평가 값에는 낮은 가중치를 부여하여, 부당 평가(Unfair Rating)가 배제된 신뢰도 높은 평판 정보를 사용자에게 제공한다.
또한, 본 발명의 일 실시예에 따른 평판 정보 제공 장치(100)는 콘텐츠를 이용하는 사용자와 평가자 사이의 평가 성향을 평판 정보에 반영하여 사용자에게 최적화된 평판 정보를 제공한다.
즉, 콘텐츠를 이용하는 사용자 입장에서는 자신과 전혀 상이한 성향을 가진 평가자의 평가가 부당 평가로 인식될 수 있다는 점에서 평판 정보 제공 장치(100)는 사용자와 평가자의 평가 성향의 유사도를 고려하여 유사도가 높은 평가자의 평가가 보다 높은 비율로 평판에 반영될 수 있도록 한다.
이를 위해, 평가 대상인 콘텐츠와 유사한 콘텐츠에 대한 다수의 평가자의 평가 이력에 관한 정보나 사용자의 평가 이력에 관한 정보는 데이터베이스화되어 저장되어 있을 수 있으며, 평판 정보 제공 장치(100)는 저장된 정보를 이용하여 평판을 추론하고 사용자에게 제공할 수 있다.
이와 같이, 본 발명에 따르면, 평가 대상인 콘텐츠에 대한 평가자의 부당 평가를 효과적으로 배제하여 평판 모델의 신뢰성을 향상시킬 수 있으며, 집단적인 부당 평가가 이루어지는 경우에도 이를 효과적으로 배제할 수 있는 장점을 갖는다.
또한, 본 발명에 따르면, 사용자에게 보다 최적화된 평판 정보를 제공할 수 있는 장점을 갖는다.
이하, 도 3 내지 도 5를 참조하여 본 발명에 따른 평판 정보 제공 장치(100)의 구성을 보다 상세하게 살펴보기로 한다.
도 3은 본 발명의 일 실시예에 따른 평판 정보 제공 장치(100)의 상세한 구성을 도시하는 도면이며, 도 3에 도시된 바와 같이, 평판 정보 제공 장치(100)는 가중치 부여부(110) 및 평판 추론부(120)를 포함한다.
그리고, 도 4는 본 발명의 일 실시예에 따른 가중치 부여부(110)의 상세한 구성을 도시하는 도면이며, 도 4에 도시된 바와 같이, 가중치 부여부(110)는 양적 역량 산출부(112), 질적 역량 산출부(114), 평가 값 유사도 산출부(116) 및 평가 대상 유사도 산출부(118)를 포함할 수 있다.
먼저, 가중치 부여부(110)는 다수의 평가자 각각이 평가 대상과 상응하는 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가에 관한 정보를 이용하여 평가 값들 각각에 가중치를 부여한다.
즉, 가중치 부여부(110)는 다수의 평가자 중 제1 평가자가 평가 대상과 상응하는 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가에 관한 정보를 이용하여 제1 평가자의 평가 대상에 대한 평가 값에 가중치를 부여할 수 있다.
이때, 평가 대상과 상응하는 적어도 하나 이상의 이전 평가 대상은 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상을 의미할 수 있다. 콘텐츠 분류는 콘텐츠의 속성이나 특성에 따른 분류 내지는 카테고리를 의미하며, 영화 콘텐츠의 경우, 영화의 장르에 따라 콘텐츠 분류는 액션, 드라마, 환타지, 멜로 등이 될 수 있다.
예를 들어, 평가 대상이 '슈퍼맨'인 경우, 본 발명의 일 실시예에 따른 적어도 하나 이상의 이전 평가 대상은 '슈퍼맨'의 콘텐츠 분류인 액션 영화에 포함되는 영화로서, '엑스맨', '스파이더맨', '판타스틱4' 등일 수 있다.
요컨대, 적어도 하나 이상의 이전 평가 대상은 평가 대상과 콘텐츠 분류가 일치하는 평가 대상일 수 있다.
그리고, 본 발명의 일 실시예에 따르면, 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행된 평가에 관한 정보는 평가의 횟수에 관한 정보 및 평가의 평가 값에 관한 정보 중 하나 이상을 포함할 수 있다.
먼저, 평가의 횟수에 관한 정보를 이용하여 평가 값에 가중치를 부여하는 동작을 설명하면, 가중치 부여부(110)는 다수의 평가자 중 제1 평가자가 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가의 횟수에 관한 정보를 이용하여 제1 평가자의 평가 값에 가중치를 부여할 수 있다.
예를 들어, 제1 평가자가 액션 영화 콘텐츠에 대하여 과거에 100회의 평가를 수행한 경우, 10회의 평가를 수행한 제2 평가자의 평가 값보다 높은 가중치가 부여되도록 한다.
이를 위해, 본 발명의 일 실시예에 따른 가중치 부여부(110)의 양적 역량 산출부(112)는 하기의 수학식에 따라, 다수의 평가자 각각에 대하여 양적 역량을 산출하여 평가 값에 가중치로 부여되도록 할 수 있다.
Figure pat00001
여기서, QuantitativeE(x)는 평가자 x에 대한 양적 역량, ntid(x)는 평가자 x가 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상에 대하여 수행한 평가의 횟수, nrating(x)는 평가자 x가 수행한 모든 평가의 횟수, k(x)는 평가자 x가 수행한 모든 평가의 콘텐츠 분류의 개수를 각각 의미한다.
일례로, 평가 대상이 '슈퍼맨'이고, 평가자 x가 '엑스맨', '스파이더맨', '판타스틱4', '로미오와 줄리엣', '타이타닉'을 평가한 경험이 있는 경우, ntid(x)는 '슈퍼맨'의 콘텐츠 분류인 액션에 포함되는 '엑스맨', '스파이더맨', '판타스틱4'에 대하여 수행한 평가의 횟수로서 3일 수 있으며, nrating(x)는 모든 평가의 횟수로서 5, k(x)는 모든 평가의 콘텐츠 분류의 수로서 2(액션과 드라마)일 수 있다. 이때, 수학식 1에 따르면, 평가자 x의 양적 역량 QuantitativeE(x)는 0.3일 수 있다.
다음으로, 평가의 평가 값에 관한 정보를 이용하여 평가자의 평가 값에 가중치를 부여하는 동작을 설명하면, 가중치 부여부(110)는 다수의 평가자 중에서 제1 평가자의 기 수행한 평가의 평가 값과 동일한 값으로 평가한 평가자의 수에 관한 정보를 이용하여 제1 평가자의 평가 값에 가중치를 부여할 수도 있다.
예를 들어, 다수의 평가자 중에서 제1 평가자와 동일한 값으로 평가한 평가자의 수가 과반수를 초과하는 경우, 제1 평가자의 평가가 대중적이라는 점에서, 동일한 값으로 평가한 평가자의 수가 극소수에 불과한 제2 평가자보다 높은 가중치가 평가 값에 부여되도록 할 수 있다.
이를 위해, 본 발명의 일 실시예에 따른 가중치 부여부(110)의 질적 역량 산출부(114)는 하기의 수학식에 따라, 다수의 평가자 각각에 대하여 질적 역량을 산출하여 평가 값에 가중치로 부여되도록 할 수 있다.
Figure pat00002
여기서, QualitativeE(x)는 평가자 x에 대한 질적 역량, Ntid(Fdi(x))는 평가자 x가 속하는 평가자 집단 X 중에서 평가자 x가 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상 중 어느 하나의 이전 평가 대상 i에 대하여 수행한 평가의 평가 값과 동일한 값으로 평가한 평가자의 수, Ntid(Fdi(n))은 평가자 집단 X 중에서 어느 하나의 이전 평가 대상 i를 평가한 평가자의 수, k는 평가자 집단 X가 평가 대상의 콘텐츠 분류에 속하는 적어도 하나 이상의 이전 평가 대상에 대하여 수행한 평가의 횟수를 각각 의미한다.
일례로, 평가 대상이 '슈퍼맨'이고, 평가자 집단 X가 '엑스맨', '스파이더맨', '판타스틱4', '로미오와 줄리엣', '타이타닉', '라이언 일병 구하기', '태극기 휘날리며'를 평가한 이력을 갖고 있으며, 평가자 x가 평가 대상인 '슈퍼맨'에 대하여 5점으로 평가한 경우, Ntid(Fdi(x))는 평가자 집단 X 중에서 '슈퍼맨'에 대하여 5점으로 평가한 평가자의 수, Ntid(Fdi(n))은 평가자 집단 X 중에서 '슈퍼맨'에 대하여 평가한 평가자의 수, k는 평가자 집단 X가 '슈퍼맨'의 콘텐츠 분류인 액션에 포함되는 '엑스맨', '스파이더맨', '판타스틱4'에 대하여 수행한 평가의 횟수일 수 있다.
한편, 영화의 콘텐츠 분류는 하나의 영화라 하더라도 여러 개의 콘텐츠로 분류될 수 있으므로, 본 발명에서는 설명의 편의를 위해, 하나의 영화는 대표 콘텐츠 분류 하나를 갖는 것으로 가정하여 설명하기로 한다.
상기한 바와 같이, 본 발명에 따른 평판 정보 제공 장치(100)는 평가자의 과거 평가 이력으로부터 현재 평가 값에 가중치를 부여함으로써, 해당 평가 대상에 대한 평가의 경험이 거의 없거나 대중적인 평가를 하지 않은 평가자의 평가는 평판에 미치는 영향이 작도록 제어할 수 있다. 반대로, 해당 평가 대상에 대한 평가의 경험이 많고 대중적인 평가를 주로 수행한 평가자의 평가는 평판에 미치는 영향이 크도록 제어함으로써, 해당 평가 대상에 대한 부당 평가가 효과적으로 배제될 수 있도록 한다.
한편, 상기의 수학식 1 및 수학식 2에 따르면, 평가자 각각의 평가 대상에 대한 양적 역량 및 질적 역량은 비율에 의해 결정되는 수치이므로, 평가자 각각의 절대적인 평가 횟수를 반영하지 못하는 문제점이 발생될 수 있다.
즉, 100회의 평가를 수행한 평가자와 10회의 평가를 수행한 평가자의 평가 값이 서로 다른 가중치로 평판 정보에 반영될 수 있어야 된다.
이에, 본 발명의 일 실시예에 따른 가중치 부여부(110)는 하기의 수학식에 따라, 평가자 각각의 절대적인 평가 횟수가 양적 역량 및 질적 역량에 반영되도록 할 수 있다.
Figure pat00003
여기서, Frequency(x)는 평가자 x의 평가 도수, ntid(x)는 평가자 x가 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가의 횟수, threshold는 임계값을 각각 의미한다. 본 발명의 일 실시예에 따르면, 임계값은 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상에 대한 평균 평가 횟수일 수 있다. 일례로, 평가 대상인 '슈퍼맨'의 콘텐츠 분류, 액션에 포함되는 적어도 하나의 이전 평가 대상에 대한 평가 횟수가 100이고, 평가자 집단의 평가자 수가 20명인 경우, 임계값은 5일 수 있다.
수학식 3에 따르면, 도 5에 도시된 바와 같이, 임계값을 기준으로 결과 값이 크게 변하므로, 임계값 이상의 평가 횟수를 갖는 평가자의 평가 값은 평판에 더 높은 가중치로 반영될 수 있으며, 임계값 이하의 평가 횟수를 갖는 평가자의 평가 값은 낮은 가중치로 평판에 반영되게 된다. 한편, 도 4에서는 임계값이 90으로 설정되었다.
상기의 수학식 1 내지 수학식 3에 따라 평가자 각각의 평가 대상에 대한 양적 역량, 질적 역량 및 평가 도수가 산출된 경우, 본 발명의 일 실시예에 따른 가중치 부여부(110)는 하기의 수학식에 따라, 평가 대상에 대한 평가자 각각의 전문성을 산출할 수 있다.
Figure pat00004
여기서, Expertise(x)는 평가 대상에 대한 평가자 x의 전문성을 의미한다.
계속하여, 본 발명의 일 실시예에 따른 가중치 부여부(110)는 평가 대상과 상응하는 적어도 하나 이상의 이전 평가 대상에 대하여 다수의 평가자 각각이 기 수행한 평가에 관한 정보와 사용자가 기 수행한 평가에 관한 정보 사이의 유사도를 이용하여 평가 값들 각각에 가중치를 부여할 수 있다.
즉, 가중치 부여부(110)는 평가자와 사용자의 평가 성향의 유사도가 평판에 반영될 수 있도록 적어도 하나 이상의 이전 평가 대상에 대한 평가 값의 유사도 및 평가 대상의 유사도에 관한 정보를 산출하여 유사도가 높은 평가자의 평판 값이 높은 비율로 평판에 반영될 수 있도록 가중치를 부여한다.
이를 위해, 본 발명의 일 실시예에 따른 가중치 부여부(110)의 평가 값 유사도 산출부(116)는 다수의 평가자 중 제1 평가자가 평가 대상과 상응하는 적어도 하나의 이전 평가 대상 중 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값과 사용자가 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값 사이의 평가 값 유사도에 관한 정보를 산출하고, 가중치 부여부(110)가 평가 값 유사도에 관한 정보를 이용하여 제1 평가자의 평가 값에 가중치를 부여할 수 있도록 한다.
이때, 평가 값 유사도 산출부(116)는 하기의 수학식에 따라, 평가 값 유사도에 관한 정보를 산출할 수 있다.
Figure pat00005
여기서, Ed(a, b)는 a와 b 사이의 유클리드 거리를 의미하며, a는 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상 중 어느 하나의 이전 평가 대상에 대한 평가자 x의 평가 값, b는 사용자의 평가 값을 각각 의미한다.
상기의 수학식 5에 따르면, 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상 중 어느 하나의 이전 평가 대상에 대하여 사용자와 평가자의 평가 값 차이가 작을수록 평가 값 유사도는 큰 값을 가지게 된다.
그리고, 본 발명의 일 실시예에 따른 가중치 부여부(110)의 평가 대상 유사도 산출부(118)는 제1 평가자에 의해 기 평가된 적어도 하나의 이전 평가 대상 중 사용자에 의해 기 평가된 평가 대상의 비율에 기초하여 평가 대상 유사도에 관한 정보를 더 산출하고, 가중치 부여부(110)가 평가 대상 유사도에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여할 수 있도록 한다.
이때, 평가 대상 유사도 산출부(118)는 하기의 수학식에 따라, 평가 대상 유사도에 관한 정보를 산출할 수 있다.
Figure pat00006
여기서, Na는 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상 중 평가자 x가 기 수행한 평가 대상의 수, Nb는 사용자가 기 수행한 평가 대상의 수, Na∩b는 적어도 하나 이상의 이전 평가 대상 중 평가자 x 및 사용자 둘 다 평가하게 된 평가 대상의 수를 각각 의미한다.
상기의 수학식 6에 따르면, 평가 대상의 유사도는 타니모토 계수(Tanimoto Coefficient)의 산출 방식으로 산출될 수 있다.
한편, 상기의 수학식 4 내지 수학식 6에 따라, 평가 대상에 대한 평가자의 전문성과 평가자 및 사용자 사이의 평가 성향에 대한 유사도가 산출된 경우, 두 요소의 합성을 위해, 정규화 과정이 수행될 수 있다.
계속하여, 가중치 부여부(110)는 상기의 수학식 4 내지 수학식 6에 따라 산출된 평가 대상에 대한 평가자 각각의 전문성 및 유사도를 이용하여 영향력을 산출한다.
즉, 본 발명의 일 실시예에 따른 가중치 부여부(110)는 하기의 수학식에 따라, 평가 대상에 대한 평가자 각각의 영향력을 산출할 수 있다.
Figure pat00007
여기서, InflueneceM(FGx)는 평가자 집단(FG)을 구성하는 평가자 x의 평가 대상에 대한 영향력, Expertise(FGx)는 평가자 x의 평가 대상에 대한 전문성, Similarity(FGx)는 평가 대상에 대한 평가자 x와 사용자의 평가 성향의 유사도, α와 β는 합이 1이 되는 수로서, 사용자에 의해 설정 가능한 임의의 계수를 각각 의미한다.
수학식 7에 따르면, 사용자는 α와 β값의 조절을 통하여, 평가 대상에 대하여 평가자의 전문성에 더 많은 비중을 둘 수 있으며, 반대로, 자신과 평가 성향의 유사도에 더 많은 비중을 둘 수도 있다.
이러한 방식으로 평가자 각각의 영향력이 산출되기 되면, 본 발명의 일 실시예에 따른 가중치 부여부(110)는 최종적으로 평가 대상에 대한 평가자 x의 평가 값에 앞서 산출된 영향력을 가중치로서 부여하여 평가자의 영향력에 따라 서로 다른 비율로 평가 값이 평판에 반영될 수 있도록 한다.
본 발명의 일 실시예에 따르면, 가중치 부여부(110)는 앞서 산출된 평가 대상에 대한 평가자 x의 영향력(InfluenceM(FGx))을 단순히 평가자 x의 평가 값에 가중치로서 부여할 수 있으며, 평가 대상에 대한 평가자 집단 전체의 영향력 평균을 평가자 x의 평가 값에 가중치로서 부여할 수도 있다.
즉, 본 발명의 일 실시예에 따른 가중치 부여부(110)는 하기의 수학식에 따라, 평가자 x의 평가 값에 가중치를 부여할 수 있다.
Figure pat00008
여기서, RevisedRating(t)는 평가 대상 t에 대하여 가중치가 부여된 평가 값, InfluenceM(t, FGx)는 평가 대상 t에 대한 평가자 x의 영향력, ΣInfluenceM(t, FGx)는 평가 대상 t에 대한 평가자 집단 전체의 영향력의 합, InitialRating(t, FGx)는 평가 대상 t에 대한 평가자 x의 평가 값을 각각 의미한다.
상기한 바와 같이, 가중치 부여부(110)에 의해 평가 대상에 대한 평가자 각각의 평가 값들에 가중치가 부여되게 되면, 본 발명의 일 실시예에 따른 평판 추론부(120)는 이를 이용하여 평가 대상에 대한 평판을 추론한다.
일반적으로, 평판의 추론은 평가 대상에 대한 다수의 평가자의 가중치가 부여된 평가 값들의 평균으로부터 추론될 수 있다.
도 6은 본 발명의 일 실시예에 따른 평판 정보 제공 방법의 상세한 구성을 시간의 흐름에 따라 도시한 순서도이다.
도 6에 도시된 바와 같이, 평판 정보 제공 방법은 가중치를 부여하는 단계(S610) 및 평판을 추론하는 단계(S620)를 포함한다.
먼저, 단계(S610)에서는 다수의 평가자 각각이 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가에 관한 정보를 이용하여 평가 값들 각각에 가중치를 부여한다.
이때, 평가 대상과 상응하는 적어도 하나 이상의 이전 평가 대상은 앞서 설명한 바와 같이, 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나의 이전 평가 대상을 의미할 수 있다.
그리고, 본 발명의 일 실시예에 따르면, 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행된 평가에 관한 정보는 평가의 횟수에 관한 정보 및 평가의 평가 값에 관한 정보 중 하나 이상을 포함할 수 있다.
즉, 본 발명의 일 실시예에 따른 단계(S610)는 도 7에 도시된 바와 같이, 평가의 횟수에 관한 정보를 이용하여 평가자의 양적 역량을 산출하는 단계(S612) 및 평가 값에 관한 정보를 이용하여 평가자의 질적 역량을 산출하는 단계(S614)를 포함할 수 있다.
보다 상세하게, 단계(S612)에서는 다수의 평가자 중 제1 평가자가 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가의 횟수에 관한 정보를 이용하여 제1 평가자의 평가 값에 가중치를 부여하기 위한 제1 평가자의 양적 역량을 산출할 수 있다.
또한, 본 발명의 일 실시예에 따른 단계(S614)에서는 다수의 평가자 중에서 제1 평가자의 기 수행한 평가의 평가 값과 동일한 값으로 평가한 평가자의 수에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하기 위한 제1 평가자의 질적 역량을 산출할 수 있다.
그리고, 본 발명의 일 실시예에 따른 단계(S610)는 도 7에 도시된 바와 같이, 평가 값에 관한 정보를 이용하여 평가자와 사용자의 평가 값 유사도를 산출하는 단계(S616) 및 평가 대상에 관한 정보를 이용하여 평가자와 사용자의 평가 대상 유사도를 산출하는 단계(S618)를 더 포함할 수 있다.
즉, 본 발명의 일 실시예에 따른 단계(S616)에서는 제1 평가자가 적어도 하나의 이전 평가 대상 중 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값과 사용자가 상기 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값 사이의 평가 값 유사도에 관한 정보를 산출할 수 있다.
그리고, 본 발명의 일 실시예에 따른 단계(S618)에서는 제1 평가자에 의해 기 평가된 적어도 하나의 이전 평가 대상 중 사용자에 의해 기 평가된 평가 대상의 비율에 기초하여 평가 대상 유사도에 관한 정보를 더 산출할 수 있다.
상기한 단계(S612 내지 S618)에 따라, 제1 평가자의 평가 대상에 대한 양적 역량과 질적 역량, 제1 평가자와 사용자 사이의 평가 값 유사도에 관한 정보, 평가 대상 유사도에 관한 정보가 산출되면, 단계(S610)에서는 이를 이용하여 제1 평가자의 평가 값에 가중치를 부여할 수 있다.
이러한 과정에 의하여, 평가자 중 과거에 평가 경험이 거의 전무하거나 대중적이지 않은 평가를 주로 수행한 평가자의 평가 값이 평가 대상의 평판에 낮은 비중으로 반영될 수 있게 되며, 평가 대상과 관련된 평가의 경험이 풍부하고 대중적인 평가를 주로 수행한 평가자의 평가 값이 높은 비중으로 평판에 반영될 수 있게 된다.
그리고, 부당 평가는 사용자의 평가 성향과도 관련이 있다는 점에서, 본 발명에 따르면, 사용자와 평가 성향이 유사한 평가자의 평가가 보다 높게 평판에 반영될 수 있는 장점이 있다.
계속하여, 본 발명의 일 실시예에 따른 단계(S620)에서는 단계(S610)에서 가중치가 부여된 평가 값들을 이용하여 평가 대상에 대한 평판을 추론한다.
지금까지 본 발명에 따른 평판 정보 제공 방법의 실시예들에 대하여 설명하였고, 앞서 도 1 내지 도 5에서 설명한 평판 정보 제공 장치(100)에 관한 구성이 본 실시예에도 그대로 적용 가능하다. 이에, 보다 상세한 설명은 생략하기로 한다.
또한, 본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 일 실시예들의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
100 : 평판 정보 제공 장치 110 : 가중치 부여부
112 : 양적 역량 산출부 114 : 질적 역량 산출부
116 : 평가 값 유사도 산출부 118 : 평가 대상 유사도 산출부
120 : 평판 추론부

Claims (15)

  1. 평가 대상에 대한 다수의 평가자의 평가 값들을 이용하여 상기 평가 대상에 대한 평판 정보를 사용자에게 제공하는 장치에 있어서,
    상기 다수의 평가자 각각이 상기 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가에 관한 정보를 이용하여 상기 평가 값들 각각에 가중치를 부여하는 가중치 부여부; 및
    상기 가중치가 부여된 평가 값들을 이용하여 상기 평가 대상에 대한 평판을 추론하는 평판 추론부;
    를 포함하는 것을 특징으로 하는 평판 정보 제공 장치.
  2. 제1항에 있어서,
    상기 가중치 부여부는 상기 다수의 평가자 중 제1 평가자가 상기 적어도 하나의 이전 평가 대상에 대하여 기 수행한 평가의 횟수에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 장치.
  3. 제2항에 있어서,
    상기 가중치 부여부는 상기 제1 평가자의 평가의 총 횟수 및 상기 제1 평가자의 평가의 대상이 된 콘텐츠 분류의 총 개수에 관한 정보를 더 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 장치.
  4. 제2항에 있어서,
    상기 가중치 부여부는 상기 다수의 평가자 중에서 상기 제1 평가자의 기 수행한 평가의 평가 값과 동일한 값으로 평가한 평가자의 수에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 장치.
  5. 제4항에 있어서,
    상기 가중치 부여부는 상기 적어도 하나의 이전 평가 대상에 대하여 기 수행된 상기 제1 평가자의 평가 횟수가 미리 설정된 임계값을 초과하는 경우에 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 장치.
  6. 제5항에 있어서,
    상기 미리 설정된 임계값은 상기 적어도 하나의 이전 평가 대상에 대한 상기 다수의 평가자별 평균 평가 횟수에 기초하여 설정되는 것을 특징으로 하는 평판 정보 제공 장치.
  7. 제1항에 있어서,
    상기 가중치 부여부는 상기 다수의 평가자 중 제1 평가자가 상기 적어도 하나의 이전 평가 대상 중 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값과 상기 사용자가 상기 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값 사이의 평가 값 유사도에 관한 정보를 산출하고, 상기 평가 값 유사도에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 장치.
  8. 제7항에 있어서,
    상기 평가 값 유사도에 관한 정보는 상기 어느 하나의 이전 평가 대상에 대하여 상기 제1 평가자의 기 수행한 평가의 평가 값과 상기 사용자의 기 수행한 평가의 평가 값 사이의 유클리드 거리에 기초하여 산출되는 것을 특징으로 하는 평판 정보 제공 장치.
  9. 제7항에 있어서,
    상기 가중치 부여부는 상기 제1 평가자에 의해 기 평가된 적어도 하나의 이전 평가 대상 중 상기 사용자에 의해 기 평가된 평가 대상의 비율에 기초하여 평가 대상 유사도에 관한 정보를 더 산출하고, 상기 평가 대상 유사도에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 장치.
  10. 평가 대상에 대한 다수의 평가자의 평가 값들을 이용하여 상기 평가 대상에 대한 평판 정보를 사용자에게 제공하는 방법에 있어서,
    상기 다수의 평가자 각각이 상기 평가 대상의 콘텐츠 분류에 포함되는 적어도 하나 이상의 이전 평가 대상에 대하여 기 수행한 평가에 관한 정보를 이용하여 상기 평가 값들 각각에 가중치를 부여하는 단계; 및
    상기 가중치가 부여된 평가 값들을 이용하여 상기 평가 대상에 대한 평판을 추론하는 단계;
    를 포함하는 것을 특징으로 하는 평판 정보 제공 방법.
  11. 제10항에 있어서,
    상기 가중치를 부여하는 단계는 상기 다수의 평가자 중 제1 평가자가 상기 적어도 하나의 이전 평가 대상에 대하여 기 수행한 평가의 횟수에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 방법.
  12. 제11항에 있어서,
    상기 가중치를 부여하는 단계는 상기 다수의 평가자 중에서 상기 제1 평가자의 기 수행한 평가의 평가 값과 동일한 값으로 평가한 평가자의 수에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 방법.
  13. 제12항에 있어서,
    상기 가중치를 부여하는 단계는 상기 적어도 하나의 이전 평가 대상에 대하여 기 수행된 상기 제1 평가자의 평가 횟수가 미리 설정된 임계값을 초과하는 경우에 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 방법.
  14. 제10항에 있어서,
    상기 가중치를 부여하는 단계는 상기 다수의 평가자 중 제1 평가자가 상기 적어도 하나의 이전 평가 대상 중 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값과 상기 사용자가 상기 어느 하나의 이전 평가 대상에 대하여 기 수행한 평가의 평가 값 사이의 평가 값 유사도에 관한 정보를 산출하고, 상기 평가 값 유사도에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 방법.
  15. 제14항에 있어서,
    상기 가중치를 부여하는 단계는 상기 제1 평가자에 의해 기 평가된 적어도 하나의 이전 평가 대상 중 상기 사용자에 의해 기 평가된 평가 대상의 비율에 기초하여 평가 대상 유사도에 관한 정보를 더 산출하고, 상기 평가 대상 유사도에 관한 정보를 이용하여 상기 제1 평가자의 평가 값에 가중치를 부여하는 것을 특징으로 하는 평판 정보 제공 방법.
KR1020120045603A 2012-04-30 2012-04-30 평판 정보 제공 장치 및 방법 KR20130122346A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120045603A KR20130122346A (ko) 2012-04-30 2012-04-30 평판 정보 제공 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120045603A KR20130122346A (ko) 2012-04-30 2012-04-30 평판 정보 제공 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20130122346A true KR20130122346A (ko) 2013-11-07

Family

ID=49852157

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120045603A KR20130122346A (ko) 2012-04-30 2012-04-30 평판 정보 제공 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20130122346A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110719506A (zh) * 2019-10-21 2020-01-21 广州酷狗计算机科技有限公司 用户对视频的兴趣度确定方法、装置、服务器及存储介质
KR102184206B1 (ko) * 2019-08-19 2020-11-27 이명근 동영상 플랫폼 서비스를 제공하는 서버 및 그 동작 방법
WO2022149891A1 (ko) * 2021-01-08 2022-07-14 신현철 개인 또는 단체의 평판 평가 시스템 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102184206B1 (ko) * 2019-08-19 2020-11-27 이명근 동영상 플랫폼 서비스를 제공하는 서버 및 그 동작 방법
CN110719506A (zh) * 2019-10-21 2020-01-21 广州酷狗计算机科技有限公司 用户对视频的兴趣度确定方法、装置、服务器及存储介质
CN110719506B (zh) * 2019-10-21 2022-02-11 广州酷狗计算机科技有限公司 用户对视频的兴趣度确定方法、装置、服务器及存储介质
WO2022149891A1 (ko) * 2021-01-08 2022-07-14 신현철 개인 또는 단체의 평판 평가 시스템 및 방법

Similar Documents

Publication Publication Date Title
US11659050B2 (en) Discovering signature of electronic social networks
Simcoe et al. Status, quality, and attention: What's in a (missing) name?
Martin et al. Why experience matters to privacy: How context‐based experience moderates consumer privacy expectations for mobile applications
Jøsang et al. Challenges for robust trust and reputation systems
US20080077517A1 (en) Reputation, Information & Communication Management
US20120004959A1 (en) Systems and methods for measuring consumer affinity and predicting business outcomes using social network activity
US20130159069A1 (en) Monitoring method and system using collective intelligence and rating propagation in virtual world community
Kumar et al. Should I share it? Factors influencing fake news-sharing behaviour: A behavioural reasoning theory perspective
US20140280568A1 (en) Method and system for providing trust analysis for members of a social network
Nunes et al. Improving trust using online credibility sources and social network quality in P2P marketplaces
Wang et al. An unsupervised strategy for defending against multifarious reputation attacks
Lee et al. Management response to online WOM: Helpful or detrimental?
Gal-Oz et al. A robust and knot-aware trust-based reputation model
KR20130122346A (ko) 평판 정보 제공 장치 및 방법
Yan et al. User‐centric trust and reputation model for personal and trusted service selection
CN109284932B (zh) 一种基于大数据的陌生人社交用户评价方法与***
Martínez-Torres et al. Identifying the features of reputable users in eWOM communities by using Particle Swarm Optimization
CN104394162B (zh) 一种考虑服务质量可信性的网络服务选取方法
Serov et al. An experimental approach to reputation in e-participation
Zhao et al. The effect of privacy concerns on privacy recommenders
Allahbakhsh et al. Harnessing implicit teamwork knowledge to improve quality in crowdsourcing processes
Sanubari Arbitrator’s Conduct on Social Media
Roy Computational trust at various granularities in social networks
Lee et al. Manipulation: Online platforms’ inescapable fate
KR20130082788A (ko) 선택적 온라인 매칭 서비스 제공 시스템 및 제공 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application