KR20210040892A - 융합 관계 네트워크에 기반한 정보 추천 방법, 장치, 전자 장비, 비 일시적 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램 - Google Patents

Abstract

본 발명은, 사용자 관계 발굴, 정보 전파 및 사용자 추천 기술분야에 관한 것으로서, 융합 관계 네트워크에 기반한 정보 추천 방법을 제공한다. 구체적인 실현방안으로는, 에지의 가중치, 인터액션 정보 및 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하고, 연관 관계에 기초하여, 임의의 노드가 나타내는 사용자에 대해 정보 추천을 실행한다. 본 발명은, 융합 관계 네트워크에 기반한 정보 추천 장치, 전자 장비, 비 일시적 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램도 제공한다.

Description

융합 관계 네트워크에 기반한 정보 추천 방법, 장치, 전자 장비, 비 일시적 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램{Information Recommendation Method based on Fusion Relation Network, Apparatus, Electronic Device, Non-transitory Computer Readable Medium, and Computer Program}

본 발명은, 데이터 처리 기술분야에 관한 것으로서, 구체적으로는, 사용자 관계 발굴, 정보 전파 및 사용자 추천 기술에 관한 것이다. 보다 구체적으로는, 본 발명은, 융합 관계 네트워크에 기반한 정보 추천 방법, 장치, 전자 장비, 비 일시적 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램에 관한 것이다.

컴퓨터 및 인터넷 기술의 끊임없는 발전에 따라, 사람들은 점점 인터넷 동작에 습관되고 있으며, 인터넷에서의 데이터 발굴은 점차적으로 핫 이슈로 떠오르고 있다.

현재, 일반적으로, 사용자의 인터넷 플랫폼에서의 동작 데이터에 기초하여, 사용자의 선호 및 수요 등 관련 정보를 발굴함으로써, 사용자를 위해 수요되는 정보를 보다 잘 추천하도록 할 수 있다. 하지만, 사용자 수가 급속히 증가하고, 사용자 관계 또한 나날이 복잡해지고 있으므로, 단순히 사용자의 동작 데이터에 대한 발굴로는, 이미 나날이 다양화해지는 사용자의 수요를 충족하기 어렵게 되었으며, 사용자 추천의 효율 및 정확도도 떨어지게 된다.

본 발명은, 융합 관계 네트워크에 기반한 정보 추천 방법, 장치, 전자 장비, 비 일시적 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램을 제공한다.

제1 측면에 의하면, 융합 관계 네트워크에 기반한 정보 추천 방법에 있어서, 융합 관계 네트워크는 복수의 노드 및 복수의 노드를 연결하는 복수의 에지를 포함하고, 각 노드는 하나의 사용자를 나타내고, 각 에지는, 해당 에지에 연결되는 2개의 노드가 나타내는 사용자사이의 인터액션 정보, 인터액션 정보의 데이터 소스 정보 및 해당 에지에 대해 인터액션 정보 및 데이터 소스 정보에 기초하여 확정한 가중치를 포함하고, 상기 방법은, 에지의 가중치, 인터액션 정보 및 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 것, 및 연관 관계에 기초하여, 임의의 노드가 나타내는 사용자에 대해 정보 추천을 실행하는 것을 포함하는 융합 관계 네트워크에 기반한 정보 추천 방법을 제공한다.

제2 측면에 의하면, 융합 관계 네트워크에 기반한 정보 추천 장치에 있어서, 융합 관계 네트워크는 복수의 노드 및 복수의 노드를 연결하는 복수의 에지를 포함하고, 각 노드는 하나의 사용자를 나타내고, 각 에지는, 해당 에지에 연결되는 2개의 노드가 나타내는 사용자 사이의 인터액션 정보, 인터액션 정보의 데이터 소스 정보 및 해당 에지에 대해 인터액션 정보 및 데이터 소스 정보에 기초하여 확정한 가중치를 포함하고, 상기 장치는, 에지의 가중치, 인터액션 정보 및 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하기 위한 확정 모듈, 및 연관 관계에 기초하여, 임의의 노드가 나타내는 사용자에 대해 정보 추천을 실행하기 위한 추천 모듈을 포함하는 융합 관계 네트워크에 기반한 정보 추천 장치를 제공한다.

제3 측면에 의하면, 적어도 하나의 프로세서, 및 적어도 하나의 프로세서에 통신 연결되는 메모리를 포함하는 전자 장비에 있어서, 메모리에는 적어도 하나의 프로세서에 의해 실행가능한 컴퓨터 프로그램이 저장되어 있고, 컴퓨터 프로그램이 적어도 하나의 프로세서에 의해 실행될 경우, 본 발명에 의해 제공되는 융합 관계 네트워크에 기반한 정보 추천 방법을 구현하는 전자 장비를 제공한다.

제4 측면에 의하면, 컴퓨터 프로그램이 저장되어 있는 비 일시적 컴퓨터 판독가능 저장 매체에 있어서, 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 본 발명에 의해 제공되는 융합 관계 네트워크에 기반한 정보 추천 방법을 구현하는 비 일시적 컴퓨터 판독가능 저장 매체를 제공한다.

제5 측면에 의하면, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램에 있어서, 컴퓨터 프로그램의 명령이 프로세서에 의해 실행될 경우, 본 발명에 의해 제공되는 융합 관계 네트워크에 기반한 정보 추천 방법을 구현하는 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램을 제공한다.

본 명세서에 기술된 내용은 그 목적이 본 발명의 실시예의 핵심 또는 중요한 특징을 지정하기 위한 것이 아니고, 또한, 본 발명의 범위는 이에 한정되지 아니함을 이해하여야 한다. 본 발명의 다른 특징들은 하기 설명으로부터 용이하게 이해할 수 있을 것이다.

첨부된 도면은 본 발명을 보다 쉽게 이해하기 위한 것이며, 본 발명은 이에 한정되지 않는다.
도1은 본 발명의 일 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 방법 및 장치를 응용할 수 있는 예시적인 시스템 구성이다.
도2는 본 발명의 일 실시예에 따른 융합 관계 네트워크의 예시도이다.
도3은 본 발명의 일 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 방법의 흐름도이다.
도4는 본 발명의 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.
도5는 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.
도6은 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.
도7은 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.
도8은 본 발명의 일 실시예에 따른 커뮤니티 구획의 예시도이다.
도9는 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.
도10은 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.
도11은 본 발명의 일 실시예에 따른 융합 관계 네트워크 중 노드 사이의 연관 관계를 나타내는 예시도이다.
도12는 본 발명의 일 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 장치의 블록도이다.
도13은 본 발명의 일 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 방법의 전자 장비의 블록도이다.

이하, 도면을 참조하여 본 발명의 예시적인 실시예들을 설명한다. 쉽게 이해할 수 있도록, 본 명세서에서 설명한 각 실시예의 세부사항을 포함하게 되는데, 이들은 단지 예시적인 것에 불과하다. 따라서, 당업자라면 본 발명의 범위 및 취지를 벗어나지 않으면서 본 발명의 실시예에 대해 여러가지 변경 및 수정이 이루어질 수 있음을 이해할 수 있을 것이다. 또한, 명확성과 간결성을 위해 하기의 설명에 있어서, 공지된 기능 및 구성에 대한 설명은 생략한다.

컴퓨터 및 인터넷 기술의 끊임없는 발전에 따라, 사람들은 점점 인터넷상의 사교 방식에 습관되고 있다. 사용자가 매일 인터넷상의 각 응용 플랫폼에서 진행하는 인터액션 동작은, 사용자의 선호 및 관계 네트워크를 반영한다. 사용자의 선호 및 관계 네트워크는 정보전파, 정보 추천 및 CF(Collaborative Filtering, 협업 필터링 추천) 등 분야에 광범위하게 응용되고 있다.

본 발명을 실현하는 과정에, 발명자들은, 인터넷 플랫폼에서 생성된 대량의 인터액션 데이터에 기초하여 사용자 관계 네트워크를 구축할 수 있고, 상기 관계 네트워크에 기초하여, 상기 인터넷 플랫폼의 사용자 사이의 각종 연관 정보를 발굴해낼 수 있고, 사용자 간의 연관 관계에 기초하여 연관 관계를 가진 사용자에 대해 타깃성있게 추천할 수 있다는 것을 발견하였다. 사용자 관계 네트워크에 기초하여 발굴해낸 사용자 연관 관계는, 전통적인 사용자 동작 데이터에 기초하여 발굴해낸 사용자 정보에 비해, 사용자 그룹에 대한 타깃성이 보다 강하고, 사용자 추천의 정확도를 향상시킬 수 있다.

하지만, 단일 인터넷 플랫폼의 사용자 관계 네트워크는 커버할 수 있는 사용자 수가 적고, 포함하는 정보량이 제한되어, 발굴해낼 수 있는 사용자 관계 유형이 단일하고, 효율성 있게 사용자 추천을 실행할 수 없다.

이를 감안하여, 본 발명의 실시예는 융합 관계 네트워크에 기반한 정보 추천 방법 및 장치를 제공한다. 상기 융합 관계 네트워크는 복수의 노드 및 복수의 노드를 연결하는 복수의 에지를 포함하고, 각 노드는 하나의 사용자를 나타내고, 각 에지는, 해당 에지에 연결되는 2개의 노드가 나타내는 사용자 사이의 인터액션 정보, 인터액션 정보의 데이터 소스 정보 및 해당 에지에 대해 인터액션 정보 및 데이터 소스 정보에 기초하여 확정한 가중치를 포함한다. 상기 방법은, 에지의 가중치, 인터액션 정보 및 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 것, 및 연관 관계에 기초하여, 임의의 노드가 나타내는 사용자에 대해 정보 추천을 실행하는 것을 포함한다.

도1은 본 발명의 일 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 방법 및 장치를 응용할 수 있는 예시적인 시스템 구성(100)이다. 지적해 두어야 할 것은, 도 1에 도시된 것 은 본 발명의 실시예를 응용할 수 있는 시스템 구조의 예시에 지나지 않으며, 당업자가 본 발명의 기술 내용을 보다 쉽게 이해하도록 돕기 위한 것으로서, 본 발명의 실시예가 다른 장비, 시스템, 환경 또는 응용장면에 응용할 수 없음을 의미하는 것은 아니다.

도1에 도시된 바와 같이, 본 실시예의 시스템 구성(100)은, 복수의 단말 장비(101), 네트워크(102) 및 서버(103)를 포함할 수 있다. 네트워크(102)는 단말 장비(101)와 서버(103) 사이에 통신 링크를 제공하기 위한 매체이다. 네트워크(102)에는 예를 들어, 유선 및/또는 무선 통신 링크 등 여러가지 연결형태가 포함될 수 있다.

단말 장비(101)에는, 예를 들어, 쇼핑류 앱, 인터넷 페이지 브라우저 앱, 검색류 앱, 여행류 앱, 인스턴트 메시징 툴, 메일 박스 클라이언트 및/또는 소셜 플랫폼 소프트웨어 등과 같은 각종 클라이언트 앱이 설치될 수 있다. 사용자는 이러한 클라이언트 앱을 통해 앱 서비스를 얻을 수 있고, 인터넷 소셜 활동을 할 수 있으며, 이로써, 이러한 응용 플랫폼에 대량의 동작 데이터 및 인터액션 데이터를 생성하게 된다. 동작 데이터는 예를 들어, 사용자의 검색 동작 데이터 및 전자 지도상에서의 방문한 적이 있는 주소 데이터 등을 포함할 수 있다. 인터액션 데이터는 예를 들어, 사용자가 각 응용 플랫폼에서 실행한 팔로우 클릭, 공유, 댓글 작성, 재전송, 리플, 카본 카피, 리마인드, 댓글에 대한 댓글 작성, 좋아요 클릭 및 배포금 클릭하기 등 인터액션 동작에 의해 생성된 데이터를 포함할 수 있다.

단말 장비(101)는 스마트 폰, 태블릿 PC, 랩탑 컴퓨터 및 데스크 탑 컴퓨터 등 각종 전자 장비를 포함할 수 있고, 이에 한정되지는 않는다. 서버(103)는 일정한 컴퓨팅 능력을 가진 전자 장비일 수 있고, 본 명세서에서는 이에 대해 한정하지 않는다.

서버(103)는, 각 응용 플랫폼의 사용자의 동작 데이터 및/또는 인터액션 데이터를 취득할 수 있고, 이러한 서로 다른 플랫폼으로부터의 동작 데이터 및/또는 인터액션 데이터를 이용하여 사용자 관계 네트워크를 구축할 수 있고, 사용자 관계 네트워크에 기초하여 사용자의 선호, 수요 및 사용자 사이의 연관 관계 등 정보를 발굴해낼 수 있고, 사용자의 선호, 수요 및 연관 관계 등 정보에 기초하여 사용자를 위해 필요하는 정보를 추천하거나 또는 연관 관계가 있는 사용자 그룹을 위해 동일하거나 비슷한 정보를 추천할 수 있다.

예를 들어, 사용자가 전자 지도상에서 방문한 적이 있는 장소에 기초하여, 사용자의 방문 궤적 네트워크를 구축하고, 사용자가 전자 지도에서 검색한 적이 있는 장소 또는 장소 카테고리 라벨(예를 들어, XX지역 또는 XX쇼핑몰 검색)에 기초하여, 사용자의 검색 정보를 방문 궤적 네트워크에 융합할 수 있다. 상기 네트워크에 대해 정보 발굴을 실행하여, 사용자가 선호하는 장소의 카테고리 라벨을 얻을 수 있고, 사용자가 선호하는 장소 카테고리에 기초하여 사용자 수요를 확정함으로써, 사용자를 위해 필요하는 정보를 보다 잘 추천할 수 있다.

또 예를 들면, 단일 소셜 플랫폼은 커버하는 사용자 수가 적고, 사용자 인터액션의 정보량이 제한되어 있으므로, 서로 다른 소셜 플랫폼으로부터의 사용자의 인터액션 데이터에 기초하여, 사용자 융합 관계 네트워크를 구축할 수 있다. 상기 융합 관계 네트워크에 기초하여, 사용자 사이의 여러가지 연관 관계를 발굴해낼 수 있고, 사용자 사이의 여러가지 연관 관계에 기초하여 연관 관계가 있는 사용자 그룹에 대해 타깃성 있는 정보 추천을 실행함으로써, 사용자 추천 효율을 향상시킬 수 있다.

도2는 본 발명의 일 실시예에 따른 융합 관계 네트워크의 예시도이다.

본 발명의 실시예에 의하면, 상기 융합 관계 네트워크는 복수의 노드 및 상기 복수의 노드를 연결하는 복수의 에지를 포함할 수 있다. 도2에 도시된 바와 같이, 복수의 노드는 노드(A) 내지 노드(H)를 포함할 수 있고, 물론 도2에 도시되지 않은 다른 노드를 포함할 수도 있다. 각 노드는 하나의 사용자를 나타낼 수 있다. 예를 들어, 노드(A)는 사용자(A)를 나타내고, 노드(B)는 사용자(B)를 나타내고, ????, 노드(H)는 사용자(H)를 나타낼 수 있다.

본 발명의 실시예에 의하면, 노드 사이의 에지는 해당 에지에 연결되는 2개의 노드의 사용자 사이의 인터액션 정보, 인터액션 정보의 데이터 소스 정보 및 해당 에지에 대해 인터액션 정보 및 데이터 소스 정보에 기초하여 확정한 가중치를 포함할 수 있다. 예시적으로, 노드(A)와 노드(B) 사이의 에지는 사용자(A)와 사용자(B) 사이의 인터액션 정보를 포함할 수 있다. 인터액션 정보는, 예를 들어, 사용자(A)와 사용자(B)가 소셜 사이트에서 서로 팔로우 클릭하는 것, 사용자(A)가 포럼 사이트에서 사용자(B)의 게시글에 대해 댓글을 작성하는 것 등일 수 있다. 인터액션 정보는 인터액션 유형, 인터액션 내용 및 인터액션 정보의 데이터 소스 정보일 수 있다. 인터액션 유형은, 예를 들어 일방적 팔로우 클릭, 상호간 팔로우 클릭, 공유, 댓글 작성, 재전송, 리플, 카본 카피, 리마인드, 댓글에 대한 댓글 작성, 좋아요 클릭 및 배포금 클릭하기 중 적어도 하나를 포함할 수 있다. 인터액션 내용은, 예를 들어 댓글의 텍스트, 이미지, 이모티콘 및 부호 등 내용, 리플의 텍스트, 이미지, 이모티콘 및 부호 등 내용을 포함할 수 있다. 인터액션 정보의 데이터 소스 정보는, 적어도 하나의 앱, 적어도 하나의 사이트 및 적어도 하나의 주소록 중 적어도 하나를 포함할 수 있다. 예시적으로, 앱은 소셜 앱, 통신 앱, 포럼 앱, 클라우드 앱 및 쇼트 클립 앱 등 일 수 있다. 사이트는 각종 소셜류 사이트, 게임류 사이트, 쇼핑류 사이트 및 여행류 사이트 등을 포함할 수 있다. 주소록은 전화번호 주소록, 메일 친구 주소록 및 각종 앱 친구 주소록 등을 포함할 수 있다.

본 발명의 실시예에 의하면, 노드 사이의 에지의 가중치는, 노드가 나타내는 사용자 사이의 인터액션 정보의 인터액션 유형 및 데이터 소스 정보에 기초하여 확정한 것이다. 예시적으로, 서로 다른 인터액션 유형에 대해 서로 다른 가중치를 설정할 수 있고, 예를 들어, 상호간 팔로우 클릭의 가중치를10으로, 일방적 팔로우 클릭의 가중치를 4로, 공유의 가중치를 10으로, 댓글 작성의 가중치를 2로, 재전송의 가중치를 10으로, 좋아요 클릭의 가중치를 1로 설정할 수 있다. 서로 다른 데이터 소스에 대해서도 서로 다른 가중치를 설정할 수 있다. 예를 들어, 포럼 앱의 가중치를 3으로, 클라우드 앱의 가중치를 5로, 소셜 앱의 가중치를 4로, 통신 앱의 가중치를 6으로 설정할 수 있다. 그 다음, 인터액션 유형의 가중치 및 데이터 소스의 가중치에 기초하여, 해당 에지에 대한 종합적 가중치를 계산할 수 있고, 계산 방식은 여러가지가 있을 수 있는데, 예를 들어, 인터액션 유형의 가중치 및 데이터 소스의 가중치의 합을 해당 에지의 종합적 가중치로 할수 있고, 또 예를 들면, 인터액션 유형의 가중치 및 데이터 소스의 가중치에 대해 가중 평균을 구함으로써, 해당 에지의 종합적 가중치를 얻을 수도 있는데, 본 명세서에서는, 종합적 가중치의 계산 방법에 대해 한정하지 않는다.

지적해 두어야 할 것은, 2개의 노드 사이의 에지는 복수 개 일 수 있다. 예시적으로, 사용자(A)와 사용자(B)가 소셜 앱에서 서로 팔로우 클릭하고, 포럼 앱에서 사용자(A)가 사용자(B)의 게시글에 대해 댓글을 작성함으로써, 2개의 인터액션 정보가 생성된다. 이 경우, 융합 관계 네트워크에서, 노드(A)와 노드(B) 사이에는 2개의 에지가 포함되고, 이들 중 하나는 사용자(A)와 사용자(B)가 소셜 앱에서 서로 팔로우 클릭한 인터액션 정보를 탑재하고, 다른 하나는 포럼 앱에서 사용자(A)가 사용자(B)의 게시글에 대해 댓글을 작성한 인터액션 정보를 탑재한다.

지적해 두어야 할 것은, 상기 융합 관계 네트워크는 사용자 사이의 물리적 관계를 더 포함할 수 있다. 예시적으로, 복수의 데이터 소스중의 핸드 폰 주소록 및 메일 주소록중의 정보 등은, 사용자의 오프라인에서의 물리적 관계를 나타낼 수 있고, 사용자가 주소록에 표기한 다른 사용자의 신분 정보에 따라, 해당 사용자와 다른 사용자 사이의 물리적 관계를 확정할 수 있다. 예시적으로, 사용자C가 핸드 폰 주소록에서 사용자D를 "XX선생님"이라고 표기하였을 경우, 사용자C와 사용자D가 스승과 제자 관계임을 확정할 수 있다.

본 발명의 실시예에 의하면, 융합 관계 네트워크는 서로 다른 데이터 소스로부터의 서로 다른 인터액션 유형의 인터액션 정보를 포함하고, 전통적인 사용자 관계 네트워크에 비해, 정보 커버 범위가 넓고, 관련되는 사용자 수가 많으므로, 후속적인 사용자 관계 발굴 및 사용자 맞춤형 추천을 유력하게 지원할 수 있다.

도3은 본 발명의 일 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 방법의 흐름도이다.

도3에 도시된 바와 같이, 상기 융합 관계 네트워크에 기반한 정보 추천 방법(300)은 동작(S310)~동작(S320)을 포함할 수 있다.

동작(S310)에서는, 에지의 가중치, 인터액션 정보 및 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정한다.

본 발명의 실시예에 의하면, 융합 관계 네트워크 중 임의의 노드에 대해, 해당 노드에 연결되는 에지의 가중치, 인터액션 정보, 데이터 소스 정보 중 적어도 하나에 기초하여, 해당 임의의 노드와 다른 노드 사이의 연관 관계를 확정할 수 있다. 여기서, 연관 관계는 여러가지가 있을 수 있다.

예시적으로, 노드 사이의 에지의 가중치는 노드 사이의 관계 밀접도를 나타낼 수 있고, 상기 노드(A)에 대해, 해당 노드(A)와 다른 노드 사이의 에지의 가중치에 기초하여, 다른 노드에 대해 순서를 배열할 수 있다. 예를 들어, 노드(A)와 노드(B) 사이의 에지의 가중치가 10이고, 노드(A)와 노드(C) 사이의 에지의 가중치가 8이고, 노드(A)와 노드(D) 사이의 에지의 가중치가20이고, 노드(A)와 노드(E) 사이의 에지의 가중치가 5이면, 노드(B) 내지 노드(E)를 가중치가 큰 것으로부터 작은 것으로의 순서에 따라 배열하여, 노드(D), 노드(B), 노드(C) 및 노드(E)의 배열 순서를 얻을 수 있고, 이 배열 순서는 노드(A)와 다른 노드(노드(B) 내지 노드(E)) 사이의 관계 밀접도의 순서를 나타낸다.

예시적으로, 노드 사이의 에지가 포함하는 인터액션 정보는 사용자의 흥미, 취미 및 수요 등 정보를 나타낼 수 있고, 인터액션 정보에 대해 시맨틱 분석을 실행함으로써, 해당 노드에 대한 사용자의 관심분야(예를 들어, 스키 및 여행 등) 및 수요(예를 들어, 스키 교육 자료 및 여행 지침 등)를 추출할 수 있다. 동일한 관심분야의 사용자 그룹은 흥미, 취미가 동일하거나 비슷한 연관 관계를 가진다.

예시적으로, 노드 사이의 에지에 탑재된 인터액션 정보의 데이터 소스 정보는, 사용자 사이의 인터액션 정보의 출처를 나타낼 수 있다. 데이터 소스에 따라 노드를 구획함으로써, 융합 관계 네트워크 중의 노드를 데이터 소스에 대한 복수의 노드 그룹으로 구획할 수 있고, 각 노드 그룹 중의 노드의 사용자 사이의 인터액션 정보는 동일한 데이터 소스 관계를 가진다. 예를 들어, 어느 노드 그룹 중의 노드의 사용자 사이의 인터액션 정보는 모두 통신 앱으로부터 얻은 것이고, 다른 하나의 노드 그룹 중의 노드의 사용자 사이의 인터액션 정보는 모두 포럼 앱으로부터 얻은 것이다.

동작(S320)에서는, 연관 관계에 기초하여, 임의의 노드가 나타내는 사용자에 대해 정보 추천을 실행한다.

본 발명의 실시예에 의하면, 발굴해낸 사용자 사이의 연관 관계에 기초하여, 융합 관계 네트워크 중의 노드가 나타내는 사용자에 대해 타깃성 있는 추천을 실행할 수 있다.

예시적으로, 노드(A)와 다른 노드 사이의 밀접도 관계에 기초하여, 밀접도 배열 순서에서 랭킹이 우위인 소정 개수의 노드가 나타내는 사용자를 선택하여 노드(A)의 사용자의 연관 사용자로 할 수 있고, 연관 사용자가 팔로우 클릭한 정보를 해당 노드(A)의 사용자에 푸시(push)할 수 있다.

예시적으로, 동일한 관심분야(예를 들어, 스키 및 여행 등)을 가진 사용자 그룹에 대해, 동일하거나 비슷한 수요 정보(예를 들어, 스키 교육 자료 및 여행 지침 등)를 추천할 수 있다.

예시적으로, 융합 관계 네트워크 중 서로 다른 데이터 소스의 노드 그룹이 나타내는 사용자 그룹에 대해 서로 다른 정보를 송신할 수 있다. 예를 들어, 소셜 앱의 사용자 그룹에 대해 오락 및 드라마 등 정보를 송신하고, 주소록의 사용자 그룹에 대해 날씨 경보 등 문자 정보를 송신할 수 있다.

본 발명의 실시예에 의하면, 여러가지 연관 관계를 결합하여 사용자 추천을 실행할 수도 있다. 예시적으로, 우선, 밀접도 관계에 기초하여 노드(A)의 사용자의 연관 사용자가 팔로우 클릭한 정보를 노드(A)의 사용자에게 추천하고, 그 다음, 노드(A)가 위치한 관심분야 노드 그룹에 기초하여 해당 관심분야에 연관되는 정보를 노드(A)의 사용자에게 추천할 수 있다.

본 발명의 실시예에 의하면, 융합 관계 네트워크 중의 에지의 가중치, 인터액션 정보 및 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하고, 연관 관계에 기초하여 임의의 노드의 사용자에 대해 정보 추천을 실행한다. 당업자라면, 이를 이해할 수 있을 것이다. 융합 관계 네트워크는, 전통적인 단일 데이터 소스에 기반한 관계 네트워크에 비해, 데이터 소스 커버 범위가 넓고, 사용자 관계 정보량이 완전하므로, 사용자 사이의 여러가지 연관 관계를 발굴해낼 수 있고, 전통적인 사용자 동작 데이터에 기초하여 발굴해낸 사용자 정보에 따라 사용자에 대해 추천을 실행하는 것에 비해, 사용자 사이의 연관 관계에 기초하여 연관 관계가 있는 사용자에 대해 정보 추천을 실행하므로, 사용자 그룹에 대한 타깃성이 보다 강하고, 사용자 추천의 효율 및 정확도를 향상시킬 수 있다.

도4는, 본 발명의 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.

도4에 도시된 바와 같이, 상기 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법은 동작(S411)~동작(S413)을 포함할 수 있다.

동작(S411)에서는, 노드 사이의 에지에 기초하여 임의의 노드의 복수의 인접 노드를 확정한다.

본 발명의 실시예에 의하면, 현재의 임의의 노드의 인접 노드는1급 인접 노드, 2급 인접 노드 및 복수 급 인접 노드 등을 포함할 수 있다. 1급 인접 노드는 현재의 임의의 노드와 직접 연결되는 노드이고, 2급 인접 노드는 현재의 임의의 노드와 하나의 노드를 건너 간접적으로 연결되는 노드이고, 복수 급 인접 노드는 현재의 임의의 노드와 복수의 노드를 건너 간접적으로 연결되는 노드이다. 예시적으로, 상기 노드(A)의 1급 인접 노드는 노드(B) 내지 노드(E)를 포함한다. 상기 노드(A)의 2급 인접 노드는 노드(G) 및 노드(H)를 포함하고, 상기 노드(A)의 복수 급 노드는 노드(F)를 포함한다.

동작(S412)에서는, 임의의 노드와 복수의 인접 노드 중 각 인접 노드 사이의 에지의 가중치에 따라, 복수의 인접 노드에 대해 순서를 배열한다.

본 발명의 실시예에 의하면, 1급 인접 노드는 현재의 노드와의 연결이 가장 밀접한 노드이고, 1급 인접 노드가 나타내는 사용자는 우선적으로 노드(A)의 사용자의 연관 사용자로 할 수 있다. 예시적으로, 노드(A)의 복수의 1급 인접 노드에 대해 노드(A)에 연결되는 에지의 가중치가 큰 것으로부터 작은 것으로의 순서에 따라, 복수의 1급 인접 노드에 대해 순서를 배열할 수 있다.

본 발명의 실시예에 의하면, 노드(A)와 2급 인접 노드는 하나의 1급 인접 노드를 건너 간접적으로 연결되고, 노드(A)와 해당 1급 인접 노드 사이의 가중치 및 해당 1급 인접 노드와 2급 인접 노드 사이의 가중치의 가중 평균치를 노드(A)와 2급 인접 노드 사이의 가중치로 할 수 있다. 예를 들어, 노드(A)와 노드(G)는 노드(B)를 건너 간접적으로 연결되고, 노드(A)와 노드(G) 사이의 가중치는 노드(A)와 노드(B) 사이의 가중치 및 노드(B)와 노드(G) 사이의 가중치의 가중 평균치이다.

본 발명의 실시예에 의하면, 노드(A)의 2급 인접 노드가 나타내는 사용자는 노드(A)의 사용자의 보충 연관 사용자로 할 수 있다. 예시적으로, 노드(A)의 복수의 2급 인접 노드에 대해 노드(A)와 2급 인접 노드 사이의 가중치가 큰 것으로부터 작은 것으로의 순서에 따라, 복수의 2급 인접 노드에 대해 순서를 배열할 수 있다.

동작(S413)에서는, 복수의 인접 노드의 배열 순서에 따라, 임의의 노드와 복수의 인접 노드 사이의 인접 관계를 확정한다.

본 발명의 실시예에 의하면, 1급 인접 노드의 배열 순서는 노드(A)와 복수의 1급 인접 노드 사이의 인접 관계를 나타내고, 2급 인접 노드의 배열 순서는 노드(A)와 복수의 2급 인접 노드 사이의 인접 관계를 나타낸다. 예시적으로, 노드(A)의 사용자에 대해 정보 추천을 실행할 경우, 노드(A)의 1급 인접 노드의 사용자가 팔로우 클릭한 정보를 이용하여 추천할 수 있고, 1급 인접 노드 수가 요구에 부합되지 않을 경우, 2급 인접 노드의 사용자가 팔로우 클릭한 정보를 이용하여 추천할 수 있다. 실제 수요에 따라, 3급 노드 및 복수 급 노드의 사용자가 팔로우 클릭한 정보를 이용하여 추천할 수도 있는데, 여기서는 설명을 생략한다.

도5는 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.

도5에 도시된 바와 같이, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법은, 동작(S511)~동작(S513)을 포함할 수 있다.

동작(S511)에서는, 노드 사이의 에지의 인터액션 정보의 데이터 소스 정보에 기초하여, 복수의 노드를 구획함으로써, 각 데이터 소스에 대한 제1 노드 그룹을 생성한다.

동작(S512)에서는, 제1 노드 그룹 중의 노드 사이의 연관 관계를 동일 데이터 소스 관계로 확정한다.

본 발명의 실시예에 의하면, 데이터 소스는, 소셜 앱, 통신 앱, 포럼 앱, 클라우드 앱 및 쇼트 클립 앱 등을 포함할 수 있고, 각종 소셜류 사이트, 게임류 사이트, 쇼핑류 사이트 및 여행류 사이트 등을 포함할 수도 있으며, 전화번호 주소록, 메일 친구 주소록 및 각종 앱 친구 주소록 등을 포함할 수도 있다. 데이터 소스에 따라 노드를 구획함으로써, 융합 관계 네트워크 중의 노드를 복수의 노드 그룹으로 구획할 수 있고, 각 노드 그룹의 사용자 그룹 사이에는 동일한 데이터 소스 관계를 가진다. 예를 들어, 어느 노드 그룹 중의 노드의 사용자 사이의 인터액션 정보는 모두 통신 앱으로부터 얻은 것이고, 다른 하나의 노드 그룹 중의 노드의 사용자 사이의 인터액션 정보는 모두 포럼 앱으로부터 얻은 것이다.

본 발명의 실시예에 의하면, 융합 관계 네트워크 중 서로 다른 데이터 소스의 노드 그룹이 나타내는 사용자 그룹에 대해 서로 다른 정보를 송신할 수 있다. 예를 들어, 소셜 앱의 사용자 그룹에 대해 오락 및 드라마 등 정보를 송신하고, 주소록의 사용자 그룹에 대해 날씨 경보 등 문자 정보를 송신할 수 있다.

동작(S513)에서는, 각 데이터 소스의 접속 권한 등급에 기초하여, 복수의 제1 노드 그룹사이의 비밀유지 등급 관계를 확정한다.

예시적으로, 서로 다른 데이터 소스는 서로 다른 접속 권한 등급을 갖고 있고, 예를 들어, 주소록의 접속 권한 등급이 최고이고, 소셜 앱 및 통신 앱 등 앱의 접속 권한 등급은 비교적 낮다. 서로 다른 데이터 소스의 접속 권한 등급에 기초하여, 해당 데이터 소스에 대한 노드 그룹의 비밀유지 등급을 설정할 수 있다. 예를 들어, 주소록에 대한 노드 그룹의 비밀유지 등급을 최고로, 통신 앱에 대한 노드 그룹의 비밀유지 등급을 그 다음으로, 소셜 앱에 대한 노드 그룹의 비밀유지 등급을 가장 낮게 설정할 수 있다. 일부 정보에 대해서는, 비밀유지 등급이 최고인 노드 그룹의 사용자에게만 추천할 수 있고, 다른 일부 정보에 대해서는, 비밀유지 등급이 가장 낮은 노드 그룹의 사용자에게만 추천할 수 있다.

도6은 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.

도6에 도시된 바와 같이, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법은, 동작(S611)~동작(S614)을 포함할 수 있다.

동작(S611)에서는, 노드 사이의 에지의 가중치, 인터액션 유형, 인터액션 내용, 데이터 소스 정보 및 인접 노드 수 중 적어도 하나를 인코딩함으로써, 노드에 대한 인코딩 서열을 얻는다.

본 발명의 실시예에 의하면, 노드 사이의 에지의 가중치, 인터액션 정보의 인터액션 유형, 인터액션 내용, 데이터 소스 및 이웃 친구의 수를 노드의 속성 정보로 하고, 이들 정보를 인코딩함으로써, 인코딩 방식을 통해 노드의 속성을 나타낼 수 있다. 또한, 노드의 사용자의 다른 속성 정보에 대해서도 인코딩할 수 있다. 다른 속성 정보는 예를 들어 성별, 나이 및 간략 소개 등을 포함할 수 있다.

동작(S612)에서는, 노드에 대한 인코딩 서열에 기초하여, 노드에 대한 벡터를 생성한다.

본 발명의 실시예에 의하면, 인코딩 서열을 벡터로 변환할 수 있다. 예시적으로, GNN(Graph Neutral Network, 그래프 신경망)을 이용하여 벡터 표시 러닝을 실행하고, 융합 관계 네트워크의 토폴로지 맵을 그래프 신경망에 입력할 수 있다. 여기서, 융합 관계 네트워크의 토폴로지 맵 중 각 노드의 속성은 상기 인코딩 방식의 속성 정보를 포함한다. 그래프 신경망은 그래프 임베딩(embedding) 처리층을 포함하고, 상기 그래프 임베딩 처리층은 노드의 속성 정보를 벡터로 변환하여 출력함으로써, 노드의 벡터를 얻는다. 그래프 신경망의 출력 결과(예를 들어, 그래프 신경망이 분류 임무에 사용될 경우, 그래프 신경망의 출력 결과는 분류 결과이다)에 기초하여, 그래프 신경망의 파라미터를 조절함으로써, 트레이닝 과정에, 출력 결과를 끊임없이 최적화함과 동시에 그래프 임베딩 처리층이 출력한 벡터도 최적화함으로써, 노드에 대한 정확도가 보다 높은 벡터 표시를 얻을 수 있다.

동작(S613)에서는, 임의의 노드의 벡터와 다른 각 노드의 벡터 사이의 거리에 기초하여, 다른 각 노드에 대해 순서를 배열한다.

예시적으로, 융합 관계 네트워크의 토폴로지 맵 중의 모든 노드의 벡터는 벡터 공간을 구성한다. ANN알고리즘(Approximate Nearest Neighbor, 근사 최근접 이웃 알고리즘)을 이용하여 벡터 공간의 임의의 노드(A)의 벡터를 처리함으로써, 해당 임의의 노드(A)와의 벡터 거리가 가장 가까운 순으로 앞의 K개의 노드의 벡터를 얻을 수 있다.

동작(S614)에서는, 다른 각 노드의 배열 순서에 기초하여, 임의의 노드와 다른 각 노드 사이의 벡터 연관 관계를 확정한다.

본 발명의 실시예에 의하면, 상기 앞의 K개의 노드의 배열 순서는 해당 임의의 노드(A)와 앞의 K개의 노드 사이의 벡터 연관 관계를 나타낸다. 노드(A)의 사용자에 대해 정보 추천을 실행할 경우, 상기 앞의 K개의 노드의 사용자가 팔로우 클릭한 정보를 이용하여 추천할 수 있다.

도7은 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.

도7에 도시된 바와 같이, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법은, 동작(S711)~동작(S712)을 포함할 수 있다.

동작(S711)에서는, 노드 사이의 에지의 가중치에 기초하여 커뮤니티 발견 알고리즘을 통해 복수의 노드를 구획함으로써, 복수의 제2 노드 그룹을 생성한다.

동작(S712)에서는, 제2 노드 그룹 중의 노드 사이의 연관 관계를 동일 커뮤니티 관계로 확정한다.

본 발명의 실시예에 의하면, 융합 관계 네트워크의 토폴로지 맵에 기초하여, 커뮤니티 발견 알고리즘을 이용하여 융합 관계 네트워크 중의 노드를 복수의 커뮤니티로 구획할 수 있다. 예시적으로, 커뮤니티 발견 알고리즘은 예를 들어 LPA（Label Propagation Algorithm) 알고리즘 및 Louvain알고리즘을 포함할 수 있고, LPA（Label Propagation Algorithm) 및 Louvain알고리즘은 모두 그래프에 기반하여 처리를 실행하는 알고리즘으로서, 토폴로지 맵 중의 노드 사이의 에지의 가중치에 기초하여 복수의 노드를 처리함으로써, 복수의 커뮤니티를 구획해낼 수 있다.

예시적으로, LPA（Label Propagation Algorithm)를 이용하여 커뮤니티를 구획하는 과정은, 다음과 같을 수 있다. 융합 관계 네트워크의 토폴로지 맵 중의 각 노드를 위해 하나의 자신의 라벨을 지정한다. 예를 들어, 상기 자신의 라벨은 각 노드의 사용자의 식별자일 수 있다. 각 노드는 각자의 라벨을 해당 노드와의 에지의 가중치가 소정의 임계치보다 큰 인접 노드로 전달하고, 각 인접 노드는 해당 노드가 전달한 라벨을 수신하여, 자신의 라벨을 업데이트한다. 모든 노드의 라벨이 더 이상 변하지 않을 때까지, 상기의 규칙에 따라 계속하여 전달한다. 예를 들어, 노드(A)의 인접 노드는 노드(B) 내지 노드(E)를 포함하고, 노드(A)의 라벨은 A, 노드(B)의 라벨은 B, ????, 노드(E)의 라벨은 E이고, 노드(A)와 노드(B), 노드(C) 및 노드(E) 사이의 에지의 가중치는 2보다 크고, 노드(A)와 노드(D) 사이의 가중치는 2보다 작으므로, 노드(A)는 자신의 라벨A를 노드(B), 노드(C) 및 노드(E) 에 전달한다. 노드(B), 노드(C) 및 노드(E)는 자신의 라벨을 업데이트 하고, 노드(B)의 라벨은 A 및 B로 업데이트되고, 노드(C)의 라벨은 A 및 C로 업데이트되고, 노드(E)의 라벨은 A 및 E로 업데이트 된다. 그 다음, 노드(B)는 다음 번의 라벨 전달을 실행하여, 자신의 라벨A 및 B를 자신과의 에지의 가중치가 2보다 큰 인접 노드로 전달한다. 모든 노드의 라벨이 더 이상 변하지 않을 때까지, 이렇게 매번 모든 노드의 라벨을 업데이트한다. 동일한 라벨을 가진 노드, 또는 갖고 있는 동일한 라벨이 차지하는 비례가 소정의 비례보다 큰 노드를 동일 커뮤니티로 구획한다. 모든 노드의 라벨이 더 이상 변하지 않고, 라벨에 기초하여 구획한 커뮤니티도 더 이상 변하지 않을 때까지, 토폴로지 맵 중의 모든 노드를 거쳐 상기 절차를 실행한다.

예시적으로, Louvain알고리즘을 이용하여 커뮤니티를 구획하는 과정은, 다음과 같을 수 있다. 초기에, 융합 관계 네트워크의 토폴로지 맵 중의 각 노드를 하나의 커뮤니티로 하고, 순차적으로 각 노드와 인접 노드를 병합하여 하나의 커뮤니티로 하며, 그 다음, 병합 후의 커뮤니티의 모듈화 정도와 병합 전의 커뮤니티(노드 자신)의 모듈화 정도의 이득을 계산하고, 해당 노드를 모듈화 정도의 이득이 0보다 크고 모듈화 정도 이득이 가장 큰 커뮤니티에 분배한다. 여기서, 모듈화 정도 이득은, 구획된 후의 커뮤니티내의 모든 에지의 가중치의 합에서 해당 커뮤니티내의 모든 노드에 연결되는 에지의 가중치의 합을 뺀 값이다. 모든 노드가 속하는 커뮤니티가 더 이상 변하지 않을 때까지, 상기 절차를 중복한다. 예를 들어, 노드(A)의 인접 노드는 노드(B) 내지 노드(E)를 포함하고, 노드(A)를 순차적으로 노드(B) 내지 노드(E)에 구획하여, 노드(A) 및 노드(B)를 포함하는 커뮤니티, 노드(A) 및 노드(C) 를 포함하는 커뮤니티, 노드(A) 및 노드(D)를 포함하는 커뮤니티, 노드(A) 및 노드(E)를 포함하는 커뮤니티를 형성한다. 노드(A)와 노드(B) 사이의 에지의 가중치에서 노드(A)와 노드(C), 노드(A)와 노드(E) 및 노드(B)와 노드(G)의 가중치의 합을 뺀 값을 계산하여, 노드(A) 와 노드(B) 의 커뮤니티의 모듈화 정도 이득으로 한다. 노드(A)와 노드(C) 사이의 에지의 가중치에서 노드(A)와 노드(B), 노드(A)와 노드(E) 및 노드(C)와 노드(H)의 가중치의 합을 뺀 값을 계산하여, 노드(A) 및 노드(C)의 커뮤니티의 모듈화 정도 이득으로 한다. 노드(A)와 노드(D)의 커뮤니티 및 노드(A)와 노드(E)의 커뮤니티의 모듈화 정도 이득의 계산방식도 상기와 동일하다. 계산하여 얻은 모듈화 정도에 있어서, 노드(A) 및 노드(B)의 커뮤니티의 모듈화 정도가 가장 크고, 0보다 클 경우, 노드(A)와 노드(B)를 하나의 커뮤니티로 구획한다. 그 다음, 다른 노드에 대해 상기의 절차를 중복할 수 있다. 예를 들어, 노드(C)에 대해, 노드(C)를 순차적으로 노드(A) 내지 노드(B)에 구획하여 하나의 커뮤니티를 구성하고, 노드(C)를 노드(D)에 구획하여 하나의 커뮤니티를 구성하여, 복수의 새로운 커뮤니티를 얻고, 순차적으로 각 새로운 커뮤니티의 모듈화 정도를 계산한 다음, 노드(C)가 속하는 커뮤니티를 확정한다. 모든 노드가 속하는 커뮤니티가 더 이상 변하지 않을 때까지, 토폴로지 맵 중의 모든 노드를 거쳐 상기의 절차를 실행한다.

본 발명의 실시예에 의하면, 동일 커뮤니티의 노드의 사용자 사이에는, 동일 사교 범위의 연관 관계를 갖고 있으므로, 지정된 커뮤니티에 대해 광고 푸시 또는 Feed 추천을 실행할 수 있다.

도8은 본 발명의 일 실시예에 따른 커뮤니티 구획의 예시도이다.

도8에 도시된 바와 같이, 커뮤니티 발견 알고리즘을 이용하여 융합 관계 네트워크 중의 노드를 복수의 커뮤니티로 구획함으로써, 커뮤니티(801), 커뮤니티(802) 및 커뮤니티(803)를 얻을 수 있다. 여기서, 커뮤니티(801)는 노드(A), 노드(B), 노드(C) 및 노드(G)를 포함한다. 커뮤니티(802)는 노드(A), 노드(C), 노드(D) 및 노드(H)를 포함한다. 커뮤니티(803)는 노드(A), 노드(B), 노드(C), 노드(D) 및 노드(E)를 포함한다. 지적해 두어야 할 것은, 동일 노드는 서로 다른 커뮤니티에 구획될 수 있다. 예를 들어, 노드(A)는 커뮤니티(801), 커뮤니티(802) 및 커뮤니티(803)에 속하고, 노드(B)는 커뮤니티(801) 및 커뮤니티(803)에 속하고, 노드(D)는 커뮤니티(802) 및 커뮤니티(803)에 속한다.

도9는 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.

도9에 도시된 바와 같이, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법은, 동작(S911)~동작(S915)을 포함할 수 있다.

동작(S911)에서는, 노드 사이의 에지의 인터액션 정보의 인터액션 내용을 구획함으로써, 복수의 단어를 얻는다.

본 발명의 실시예에 의하면, 노드 사이의 에지의 인터액션 정보는, 댓글의 문자, 이미지, 부호 및 이모티콘 등, 리플의 문자, 이미지, 부호 및 이모티콘 등일 수 있다. 문자 정보를 구획함으로써, 예를 들어, 문자 중의 명사 및 동사 등을 구획하여, 복수의 단어를 얻을 수 있다.

동작(S912)에서는, 복수의 단어로부터 적어도 하나의 키워드를 추출한다.

예시적으로, 단어로부터 명사를 추출하여 키워드로 할 수 있다.

동작(S913)에서는, 사전에 트레이닝 된 분류 모델을 이용하여 적어도 하나의 키워드를 처리함으로써, 각 노드에 대한 인터액션 분야 정보를 얻는다.

본 발명의 실시예에 의하면, 사전에 트레이닝 된 분류 모델은, 대량의 텍스트 및 사전에 구축된 분류체계를 이용하여 트레이닝하여 얻을 수 있고, 여기서, 텍스트는 대량의 문자 인터액션 내용을 구획하여 얻은 단어 사전일 수 있고, 분류체계는 일정한 분야 분류 규칙에 따라 구축된 것일 수 있고, 예를 들어, 분류체계는 체육, 여행, 의료 및 과학기술 등을 포함할 수 있다. 여기서, 체육은 축구, 농구, 수영 및 스케이트 등을 포함할 수 있다. 분류 모델의 입력은 사전 중의 단어일 수 있고, 출력은 해당 단어에 대응되는 분야 카테고리일수 있다. 예시적으로, 노드의 인터액션 정보중의 텍스트 내용의 단어(예를 들어, 스키 고글)를 분류 모델에 입력하면, 해당 노드에 대한 인터액션 분야 정보(예를 들어, 스키)를 출력할 수 있다.

동작(S914)에서는, 노드에 대한 인터액션 분야 정보에 기초하여 복수의 노드를 구획함으로써, 복수의 제3 노드 그룹을 생성한다.

동작(S915)에서는, 제3 노드 그룹 중의 노드 사이의 연관 관계를 동일 인터액션 분야 관계로 확정한다.

본 발명의 실시예에 의하면, 각 노드의 인터액션 분야 정보에 기초하여 융합 관계 네트워크 중의 노드를 구획함으로써, 인터액션 분야에 대한 복수의 노드 그룹을 얻을 수 있다. 각 노드 그룹 중의 노드의 사용자 사이에는 동일 인터액션 분야의 연관 관계를 갖고 있다. 예를 들어, 어느 노드 그룹 중의 노드의 인터액션 분야는 스키이고, 해당 노드 그룹 중의 노드의 사용자 사이에는 스키 분야의 연관 관계를 갖고 있다. 해당 노드 그룹의 사용자에 대해 스키와 연관되는 광고를 푸시하거나 Feed추천을 실행할 수 있다.

도10은 본 발명의 다른 일 실시예에 따른 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법의 흐름도이다.

도10에 도시된 바와 같이, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 방법은, 동작(S1011)~동작(S1014)을 포함할 수 있다.

동작(S1011)에서는, 노드 사이의 에지에 기초하여, 각 노드의 복수의 인접 노드를 확정한다.

본 발명의 실시예에 의하면, 현재의 임의의 노드의 인접 노드는, 1급 인접 노드, 2급 인접 노드 및 복수 급 인접 노드 등을 포함할 수 있다. 1급 인접 노드는 현재의 임의의 노드에 직접 연결되는 노드이고, 2급 인접 노드는 하나의 노드를 건너 현재의 임의의 노드에 간접적으로 연결되는 노드이며, 복수 급 인접 노드는 복수의 노드를 건너 현재의 임의의 노드에 간접적으로 연결되는 노드이다. 예시적으로, 노드(A)의 1급 인접 노드에는 노드(B) 내지 노드(E)가 포함된다. 노드(A)의 2급 인접 노드에는 노드(G) 및 노드(H)가 포함되고, 노드(A)의 복수 급 노드에는 노드(F)가 포함된다.

동작(S1012)에서는, 노드 사이의 에지의 가중치가 소정의 값보다 큰 인접 노드의 수에 기초하여, 각 노드에 대한 인지도를 확정한다.

본 발명의 실시예에 의하면, 노드(A)와 2급 인접 노드는 하나의 1급 인접 노드를 건너 간접적으로 연결되고, 노드(A)와 해당 1급 인접 노드 사이의 가중치와 해당 1급 인접 노드와 2급 인접 노드 사이의 가중치의 합을 노드(A)와 2급 인접 노드 사이의 가중치로 할 수 있다. 예를 들어, 노드(A)와 노드(G)가 노드(B)를 건너 간접적으로 연결되므로, 노드(A)와 노드(G) 사이의 가중치는 노드(A)와 노드(B) 사이의 가중치에 노드(B)와 노드(G) 사이의 가중치를 합한 것과 같다.

본 발명의 실시예에 의하면, 현재의 임의의 노드의 인접 노드가 많을 수록, 해당 노드의 사용자와 연관되는 사용자가 많음을 의미한다. 현재의 임의의 노드와 인접 노드 사이의 에지의 가중치가 높을수록, 해당 노드의 중요도가 높음을 의미한다. 따라서, 각급 인접 노드 중 해당 노드와의 에지의 가중치가 소정의 값보다 큰 모든 인접 노드의 합계에 기초하여, 해당 노드의 인지도를 가늠할 수 있다. 인지도는 Page Rank알고리즘 및 다른 중심도 알고리즘을 통해 계산할 수 있고, 여러가지 중심도 알고리즘의 계산결과의 가중 합산에 의해 얻을 수 있다. 예시적으로, 노드(A)의 1급 인접 노드의 개수가 10개이고, 이들 중, 노드(A)와의 에지의 가중치가 10보다 큰 1급 인접 노드의 개수가 8개이고, 노드(A)의 2급 인접 노드의 개수가 40개이고, 노드(A)와의 에지의 가중치가 10보다 큰 2급 인접 노드의 개수가 30개 등 일수 있다. 노드(A)의 인지도는 8에 30을 합산하고, 나아가서 복수 급 인접 노드 중 가중치가 10보다 큰 개수를 합산한 것과 같다. 노드(A)의 인지도가 클수록, 해당 노드가 융합 관계 네트워크에서 집체 효과를 보다 용이하게 발생할 수 있음을 나타낸다.

동작(S1013)에서는, 각 노드에 대한 인지도에 기초하여 복수의 노드에 대해 순서를 배열한다.

동작(S1014)에서는, 복수의 노드의 배열 순서에 기초하여, 복수의 노드 서로 간의 인지도 관계를 확정한다.

본 발명의 실시예에 의하면, 각 노드에 대해 인지도를 계산하고, 인지도에 기초하여 큰 것으로부터 작은 것으로의 순서에 따라 배열한다. 인지도가 높은 노드의 사용자는 인지도가 낮은 노드의 사용자에 비해, 더 높은 영향력을 가지고 있다. 사용자 추천을 실행할 때, 인지도가 높은 노드의 사용자에 대해 추천함으로써, 해당 사용자가 다른 노드의 사용자를 영향하도록 하여, 보다 향상된 추천 효과를 얻을 수 있다.

도11은 본 발명의 일 실시예에 따른 융합 관계 네트워크 중 노드 사이의 여러 종류의 연관 관계를 나타내는 예시도이다.

도11에 도시된 바와 같이, 융합 관계 네트워크 중 노드 사이의 연관 관계의 여러가지 표시형태에는, 인접 연관 관계(1101), 벡터 연관 관계(1102), 인터액션 분야 관계(1103), 커뮤니티 관계(1104) 및 인지도 관계(1105)가 포함된다. 예시적으로, 상기 여러가지 연관 관계 중 적어도 하나에 기초하여 사용자 추천을 실행할 수 있다. 예를 들어, 인터액션 분야 관계(1103)에 기초하여, 특정 분야에 대한 노드 그룹 중의 노드의 사용자에 대해 추천하기로 확정하고, 그 다음, 인지도 관계(1105)에 기초하여, 특정 분야의 노드 그룹 중 인지도가 가장 높은 100개의 노드의 사용자를 확정하고, 특정 분야에 속하고 인지도가 가장 높은 이들 100개의 노드의 사용자에 대해 광고 푸시 또는 Feed 추천을 실행함으로써, 정보 추천의 효율 및 정확도를 높일 수 있다.

도12는 본 발명의 일 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 장치의 블록도이다.

본 발명의 실시예에 의하면, 상기 융합 관계 네트워크는 복수의 노드 및 복수의 노드를 연결하는 복수의 에지를 포함하고, 각 노드는 하나의 사용자를 나타내고, 각 에지는 해당 에지에 연결되는 2개의 노드가 나타내는 사용자 사이의 인터액션 정보, 인터액션 정보의 데이터 소스 정보 및 해당 에지에 대해 인터액션 정보 및 데이터 소스 정보에 기초하여 확정한 가중치를 포함한다.

도12에 도시된 바와 같이, 상기 융합 관계 네트워크에 기반한 정보 추천 장치(1200)는 확정 모듈(1201) 및 추천 모듈(1202)을 포함할 수 있다.

확정 모듈(1201)은, 에지의 가중치, 인터액션 정보 및 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정한다.

추천 모듈(1202)은, 연관 관계에 기초하여, 임의의 노드가 나타내는 사용자에 대해 정보 추천을 실행한다.

본 발명의 실시예에 의하면, 확정 모듈(1201)은 제1 확정 유닛, 제1 순서 배열 유닛 및 제2 확정 유닛을 포함한다.

제1 확정 유닛은, 노드 사이의 에지에 기초하여 임의의 노드의 복수의 인접 노드를 확정한다.

제1 순서 배열 유닛은, 임의의 노드와 복수의 인접 노드 중 각 인접 노드 사이의 에지의 가중치에 따라, 복수의 인접 노드에 대해 순서를 배열한다.

제2 확정 유닛은, 복수의 인접 노드의 배열 순서에 따라, 임의의 노드와 복수의 인접 노드 사이의 인접 관계를 확정한다.

본 발명의 실시예에 의하면, 확정 모듈(1201)은 제1 구획 유닛, 제3 확정 유닛 및 제4 확정 유닛을 포함한다.

제1 구획 유닛은, 노드 사이의 에지의 인터액션 정보의 데이터 소스 정보에 기초하여, 복수의 노드를 구획함으로써, 각 데이터 소스에 대한 제1 노드 그룹을 생성한다.

제3 확정 유닛은, 제1 노드 그룹 중의 노드 사이의 연관 관계를 동일 데이터 소스 관계로 확정한다.

제4 확정 유닛은, 각 데이터 소스의 접속 권한 등급에 기초하여, 복수의 제1 노드 그룹사이의 비밀유지 등급 관계를 확정한다.

본 발명의 실시예에 의하면, 에지의 인터액션 정보는 인터액션 유형 및 인터액션 내용을 포함하고, 확정 모듈(1201)은 제5 확정 유닛, 인코딩 유닛, 생성 유닛, 제2 순서 배열 유닛 및 제6 확정 유닛을 포함한다.

제5 확정 유닛은, 노드 사이의 에지에 기초하여 임의의 노드의 복수의 인접 노드를 확정한다.

인코딩 유닛은, 노드 사이의 에지의 가중치, 인터액션 유형, 인터액션 내용, 데이터 소스 정보 및 인접 노드 수 중 적어도 하나를 인코딩함으로써, 노드에 대한 인코딩 서열을 얻는다.

생성 유닛은, 노드에 대한 인코딩 서열에 기초하여, 노드에 대한 벡터를 생성한다.

제2 순서 배열 유닛은, 임의의 노드의 벡터와 다른 각 노드의 벡터 사이의 거리에 기초하여, 다른 각 노드에 대해 순서를 배열한다.

제6 확정 유닛은, 다른 각 노드의 배열 순서에 기초하여, 임의의 노드와 다른 각 노드 사이의 벡터 연관 관계를 확정한다.

본 발명의 실시예에 의하면, 확정 모듈(1201)은 제2 구획 유닛 및 제7 확정 유닛을 포함한다.

제2 구획 유닛은, 노드 사이의 에지의 가중치에 기초하여 커뮤니티 발견 알고리즘을 통해 복수의 노드를 구획함으로써, 복수의 제2 노드 그룹을 생성한다.

제7 확정 유닛은, 제2 노드 그룹 중의 노드 사이의 연관 관계를 동일 커뮤니티 관계로 확정한다.

본 발명의 실시예에 의하면, 에지의 인터액션 정보는 인터액션 내용을 포함하고, 확정 모듈(1201)은 제3 구획 유닛, 추출 유닛, 처리 유닛, 제4 구획 유닛 및 제8 확정 유닛을 포함한다.

제3 구획 유닛은, 노드 사이의 에지의 인터액션 정보의 인터액션 내용을 구획함으로써, 복수의 단어를 얻는다.

추출 유닛은, 복수의 단어로부터 적어도 하나의 키워드를 추출한다.

처리 유닛은, 사전에 트레이닝 된 분류 모델을 이용하여 적어도 하나의 키워드를 처리함으로써, 노드에 대한 인터액션 분야 정보를 얻는다.

제4 구획 유닛은, 노드에 대한 인터액션 분야 정보에 기초하여 복수의 노드를 구획함으로써, 복수의 제3 노드 그룹을 생성한다.

제8 확정 유닛은, 제3 노드 그룹 중의 노드 사이의 연관 관계를 동일 인터액션 분야 관계로 확정한다.

본 발명의 실시예에 의하면, 확정 모듈(1201)은 제9 확정 유닛, 제10 확정 유닛, 제3 순서 배열 유닛 및 제11 확정 유닛을 포함한다.

제9 확정 유닛은, 노드 사이의 에지에 기초하여 각 노드의 복수의 인접 노드를 확정한다.

제10 확정 유닛은, 노드 사이의 에지의 가중치가 소정의 값보다 큰 인접 노드의 수에 기초하여, 각 노드에 대한 인지도를 확정한다.

제3 순서 배열 유닛은, 각 노드에 대한 인지도에 기초하여 복수의 노드에 대해 순서를 배열한다.

제11 확정 유닛은, 복수의 노드의 배열 순서에 기초하여, 복수의 노드 서로 간의 인지도 관계를 확정한다.

본 발명의 실시예에 의하면, 복수의 데이터 소스는, 적어도 하나의 앱, 적어도 하나의 주소록 및 적어도 하나의 사이트 중 적어도 하나를 포함한다.

본 발명의 실시예에 따르면, 본 발명은 전자 장비 및 비 일시적 컴퓨터 판독가능 저장 매체를 더 제공한다.

도 13에 도시된 바와 같이, 본 발명의 일 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 방법을 구현하기 위한 전자 장비의 블록도이다. 전자 장비는 예를 들어, 랩탑 컴퓨터, 데스크 탑 컴퓨터, 워크 스테이션, PDA (Personal Digital Assistants), 서버, 블레이드 서버, 메인프레임 컴퓨터, 및 기타 적절한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 포함할 수 있다. 전자 장비는 예를 들어, PDA (Personal Digital Assistants), 셀룰러 전화기, 스마트 폰, 웨어러블 장비, 및 기타 유사한 컴퓨팅 장비와 같은 다양한 형태의 모바일 장비를 포함할 수 있다. 본 명세서에 기재된 부품, 이들의 연결 및 관계, 그리고 이들의 기능은 단지 예시적인 것에 불과하며, 본 명세서에서 설명 및/또는 요구하는 본 발명의 범위를 한정하기 위한 것이 아니다.

도 13에 도시된 바와 같이, 상기 전자 장비(1300)는, 하나 또는 복수의 프로세서(1301), 메모리(1302), 및 각 부품을 연결하기 위한 인터페이스를 포함하고, 상기 인터페이스에는 고속 인터페이스 및 저속 인터페이스가 포함된다. 각 부품들은 서로 다른 버스를 통해 서로 연결되고, 공공 메인보드에 장착되거나 또는 수요에 따라 기타 방식으로 장착될 수 있다. 프로세서는 전자 장비에서 실행되는 명령들을 실행할 수 있고, 상기 명령은 메모리에 저장되어 외부 입력/출력 장치(예를 들어, 인터페이스에 접속된 표시 장치)에 GUI의 그래픽 정보를 표시하기 위한 명령을 포함할 수 있다. 다른 실시예에서는, 수요에 따라 복수의 프로세서 및/또는 복수의 버스를 복수의 메모리와 함께 사용될 수 있다. 마찬가지로, 복수의 전자 장비를 연결하고, 각 전자 장비에 의해 일부 필요한 동작을 제공할 수 있다(예를 들어, 서버 어레이, 한 세트의 블레이드 서버, 또는 멀티 프로세서 시스템). 도13에서는, 하나의 프로세서(1301)의 경우를 예로 들어 설명한다.

메모리(1302)는 본 발명에 의해 제공되는 비 일시적 컴퓨터 판독가능 저장 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장될 수 있고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행될 경우, 본 발명에 의해 제공되는 융합 관계 네트워크에 기반한 정보 추천 방법을 실행할 수 있다. 본 발명의 비 일시적 컴퓨터 판독가능 저장 매체에는 컴퓨터에 의해 실행 될 경우 컴퓨터로 하여금 본 발명에 의해 제공되는 융합 관계 네트워크에 기반한 정보 추천 방법을 실행하도록 하는 컴퓨터 명령이 저장되어 있다.

메모리(1302)는 비 일시적 컴퓨터 판독가능 저장 매체로서, 예를 들어, 본 발명의 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 방법에 대응하는 프로그램 명령/모듈(예를 들어, 도12에 도시된 확정 모듈(1201) 및 추천 모듈(1202))과 같은 비 일시적 소프트웨어 프로그램, 비 일시적 컴퓨터 실행가능 프로그램 및 모듈을 저장할 수 있다. 프로세서(1301)는 메모리(1302)에 저장된 비 일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써, 서버의 다양한 기능 및 데이터 처리를 실행한다. 즉, 상기 방법 실시예에 따른 융합 관계 네트워크에 기반한 정보 추천 방법을 구현한다.

메모리(1302)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있다. 여기서, 프로그램 저장 영역은 OS 시스템 및 적어도 하나의 기능에 필요한 애플리케이션을 저장할 수 있고, 데이터 저장 영역은 융합 관계 네트워크에 기반한 정보 추천 방법의 전자 장비(1300)의 사용에 따라 생성된 데이터 등을 저장할 수 있다. 또한, 메모리(1302)는 고속 RAM(Random Access Memory)를 포함할 수도 있고, 예를 들어, 적어도 하나의 디스크 저장 디바이스, 플래시 메모리 디바이스, 또는 기타 비 일시적 고체 저장 디바이스와 같은 비 일시적 메모리를 포함할 수도 있다. 일부 실시예에 따르면, 메모리(1302)는 프로세서(1301)에 대해 원격으로 설치된 메모리를 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 융합 관계 네트워크에 기반한 정보 추천 방법의 전자 장비(1300)에 연결될 수 있다. 상기 네트워크의 실예로는 인터넷, 인트라넷, 근거리 통신망(LAN), 이동 통신망 및 이들의 조합을 포함할 수 있는데, 이에 한정되지는 않는다.

융합 관계 네트워크에 기반한 정보 추천 방법의 전자 장비(1300)는, 입력장치(1303) 및 출력장치(1304)를 더 포함할 수 있다. 프로세서(1301), 메모리(1302), 입력장치(1303) 및 출력장치(1304)는 버스 또는 기타 방식으로 연결될 수 있는데, 도13에는 버스를 통해 연결되는 예를 도시한다.

입력장치(1303)는 입력된 숫자 또는 캐릭터 정보를 수신할 수 있고, 또한 융합 관계 네트워크에 기반한 정보 추천 방법의 전자 장비(1300)의 사용자 설정 및 기능 제어와 연관된 키 신호입력을 생성할 수 있으며, 예를 들어, 터치 스크린, 키 패드, 마우스, 트랙 패드, 터치 패드, 인디케이터 로드, 하나 또는 복수의 마우스 버튼, 트랙 볼, 콘트롤러 로드 등과 같은 입력장치를 포함할 수 있다. 출력장치(1304)는 표시 장치, 보조 조명장치(예를 들어, LED) 및 햅틱 피드백 장치(예를 들어, 진동모터) 등을 포함할 수 있다. 상기 표시 장치는 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이 및 플라스마 디스플레이를 포함할 수 있는데, 이에 한정되지는 않는다. 일부 실시 형태에 따르면, 표시 장치는 터치 스크린일 수 있다.

여기서 설명한 시스템 및 기술의 다양한 실시 형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 주문형 ASIC(주문형 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합으로 구현될 수 있다. 이러한 다양한 실시형태는 하나 또는 복수의 컴퓨터 프로그램을 통해 구현될 수 있고, 상기 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력장치, 및 적어도 하나의 출력장치로부터 데이터 및 명령을 수신하고, 데이터 및 명령을 저장 시스템, 적어도 하나의 입력장치, 및 적어도 하나의 출력장치로 전송할 수 있다.

이러한 컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 응용 프로그램, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계언어 명령을 포함하고, 하이 라벨 프로시저 및/또는 객체 지향 프로그래밍 언어, 및/또는 어셈블러/기계언어를 사용하여 이러한 컴퓨터 프로그램을 실시할 수 있다. 본 명세서에서 사용되는 "기계 판독가능 매체" 및 "컴퓨터 판독가능 매체" 등과 같은 용어는, 기계언어 명령 및/또는 데이터를 프로그램 가능 프로세서의 임의의 컴퓨터 프로그램 제품, 장비, 및/또는 장치(예를 들어, 디스크, CD-ROM, 메모리, 프로그램 가능 논리 장치(PLD))에 제공하는데 사용되고, 기계 판독 가능 신호로서의 기계언어 명령을 수신하는 기계 판독가능 매체를 포함한다. "기계 판독가능 신호"라는 용어는 기계언어 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.

사용자와의 인터액션을 제공하기 위해서는, 컴퓨터를 통해 본 명세서에서 설명한 시스템 및 기술을 구현할 있는데, 상기 컴퓨터는, 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 디스플레이) 모니터), 및 사용자가 상기 컴퓨터에 입력을 제공할 수 있는 키보드 및 포인팅 디바이스(예를 들어, 마우스 또는 트랙 볼)를 포함한다. 기타 유형의 디바이스도 사용자와의 인터액션을 제공하는데 사용될 수 있다. 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 센싱 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고, 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력을 포함)로 사용자로부터의 입력을 수신할 수 있다.

본 명세서에서 설명한 시스템 및 기술은, 백 그라운더 부품을 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부품을 포함하는 컴퓨팅 시스템(예를 들어, 애플리케이션 서버), 또는 프론트 앤드 부품을 포함하는 컴퓨팅 시스템(예를 들어, GUI 또는 웹 브라우저를 갖는 사용자 컴퓨터로서, 사용자는 상기 GUI 또는 상기 웹 브라우저를 통하여 본 명세서에서 설명한 상기 시스템 및 기술의 실시 형태와 인터액션을 할 수 있음), 또는 이러한 백 그라운더 부품, 미들웨어 부품, 또는 프론트 앤드 부품의 임의의 조합을 포함하는 컴퓨팅 시스템에서 구현될 수 있다. 시스템의 부품은 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 서로 연결될 수 있다. 통신 네트워크는 예를 들어 근거리 통신망(LAN), 광역 통신망(WAN) 및 인터넷을 포함할 수 있다.

컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고, 통상적으로 통신 네트워크를 통해 인터액션을 진행한다. 클라이언트와 서버의 관계는 대응하는 컴퓨터에서 실행되고 서로 클라이언트-서버의 관계를 갖는 컴퓨터 프로그램에 의해 생성된다.

본 발명의 실시예의 기술방안에 의하면, 융합 관계 네트워크 중의 에지의 가중치, 인터액션 정보 및 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하고, 연관 관계에 기초하여 임의의 노드의 사용자에 대해 정보 추천을 실행한다. 융합 관계 네트워크는, 전통적인 단일 데이터 소스에 기반한 관계 네트워크에 비해, 데이터 소스 커버 범위가 넓고, 사용자 관계 정보량이 완전하므로, 사용자 사이의 여러가지 연관 관계를 발굴해낼 수 있고, 전통적인 사용자 동작 데이터에 기초하여 발굴해낸 사용자 정보에 따라 사용자에 대해 추천을 실행하는 것에 비해, 사용자 사이의 연관 관계에 기초하여 연관 관계가 있는 사용자에 대해 정보 추천을 실행하므로, 사용자 그룹에 대한 타깃성이 보다 강하고, 사용자 추천의 효율 및 정확도를 향상시킬 수 있다.

상기에서 설명한 다양한 프로세스를 사용하여 각 단계의 순서를 조정하거나, 일부 단계를 추가 또는 삭제 할 수 있다는 점을 이해하여야 한다. 예를 들어, 본 발명이 개시된 기술방안이 원하는 결과를 구현할 수 있는 한, 본 발명에 기재된 다양한 단계는 병렬적으로 또는 순차적으로, 또는 서로 다른 순서로 실행될 수 있고, 본 발명은 이에 대해 특별히 한정하지 않는다.

본 발명의 보호범위는 상기 다양한 실시 형태에 의해 제한되지 않는다. 당업자라면, 설계 요구 및 기타 요인에 의해, 다양한 수정, 조합, 서브 조합 및 교체가 이루어질 수 있음을 이해할 것이다. 본 발명의 취지 및 원칙내에서 이루어진 임의의 수정, 등가 교체 및 개선 등은 모두 본 발명의 보호범위에 속한다.

1200: 정보 추천 장치 1201: 확정 모듈
1202: 추천 모듈

Claims (13)

1. 융합 관계 네트워크에 기반한 정보 추천 방법에 있어서,
   상기 융합 관계 네트워크는 복수의 노드 및 상기 복수의 노드를 연결하는 복수의 에지를 포함하고, 각 노드는 하나의 사용자를 나타내고, 각 에지는, 해당 에지에 연결되는 2개의 노드가 나타내는 사용자사이의 인터액션 정보, 상기 인터액션 정보의 데이터 소스 정보 및 해당 에지에 대해 상기 인터액션 정보 및 상기 데이터 소스 정보에 기초하여 확정한 가중치를 포함하고,
   상기 방법은,
   에지의 가중치, 인터액션 정보 및 상기 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 상기 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 것, 및
   상기 연관 관계에 기초하여, 상기 임의의 노드가 나타내는 사용자에 대해 정보 추천을 실행하는 것을 포함하는,
   융합 관계 네트워크에 기반한 정보 추천 방법.
   
2. 제1항에 있어서,
   상기 에지의 가중치, 인터액션 정보 및 상기 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 상기 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 것은,
   노드 사이의 에지에 기초하여 상기 임의의 노드의 복수의 인접 노드를 확정하는 것,
   상기 임의의 노드와 상기 복수의 인접 노드 중 각 인접 노드 사이의 에지의 가중치에 기초하여, 상기 복수의 인접 노드에 대해 순서를 배열하는 것, 및
   상기 복수의 인접 노드의 배열 순서에 따라, 상기 임의의 노드와 상기 복수의 인접 노드 사이의 인접 관계를 확정하는 것을 포함하는,
   융합 관계 네트워크에 기반한 정보 추천 방법.
   
3. 제1항에 있어서,
   상기 에지의 가중치, 인터액션 정보 및 상기 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 상기 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 것은,
   노드 사이의 에지의 인터액션 정보의 데이터 소스 정보에 기초하여, 상기 복수의 노드를 구획함으로써, 각 데이터 소스에 대한 제1 노드 그룹을 생성하는 것, 및
   상기 제1 노드 그룹중의 노드 사이의 연관 관계를 동일 데이터 소스 관계로 확정하는 것을 포함하는,
   융합 관계 네트워크에 기반한 정보 추천 방법.
   
4. 제3항에 있어서,
   각 데이터 소스의 접속 권한 등급에 기초하여, 복수의 제1 노드 그룹사이의 비밀유지 등급 관계를 확정하는 것을 더 포함하는,
   융합 관계 네트워크에 기반한 정보 추천 방법.
   
5. 제1항에 있어서,
   상기 에지의 인터액션 정보는 인터액션 유형 및 인터액션 내용을 포함하고,
   상기 에지의 가중치, 인터액션 정보 및 상기 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 상기 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 것은,
   노드 사이의 에지에 기초하여 상기 임의의 노드의 복수의 인접 노드를 확정하는 것,
   노드 사이의 에지의 가중치, 인터액션 유형, 인터액션 내용, 데이터 소스 정보 및 인접 노드 수 중 적어도 하나를 인코딩함으로써, 노드에 대한 인코딩 서열을 얻는 것,
   상기 노드에 대한 인코딩 서열에 기초하여, 노드에 대한 벡터를 생성하는 것,
   상기 임의의 노드의 벡터와 다른 각 노드의 벡터 사이의 거리에 기초하여, 상기 다른 각 노드에 대해 순서를 배열하는 것, 및
   상기 다른 각 노드의 배열 순서에 기초하여, 상기 임의의 노드와 상기 다른 각 노드 사이의 벡터 연관 관계를 확정하는 것을 포함하는,
   융합 관계 네트워크에 기반한 정보 추천 방법.
   
6. 제1항에 있어서,
   상기 에지의 가중치, 인터액션 정보 및 상기 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 상기 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 것은,
   노드 사이의 에지의 가중치에 기초하여 커뮤니티 발견 알고리즘을 통해 상기 복수의 노드를 구획함으로써, 복수의 제2 노드 그룹을 생성하는 것, 및
   상기 제2 노드 그룹중의 노드 사이의 연관 관계를 동일 커뮤니티 관계로 확정하는 것을 포함하는,
   융합 관계 네트워크에 기반한 정보 추천 방법.
   
7. 제1항에 있어서,
   상기 에지의 인터액션 정보는 인터액션 내용을 포함하고,
   상기 에지의 가중치, 인터액션 정보 및 상기 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 상기 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 것은,
   노드 사이의 에지의 인터액션 정보의 인터액션 내용을 구획함으로써, 복수의 단어를 얻는 것,
   상기 복수의 단어로부터 적어도 하나의 키워드를 추출하는 것,
   사전에 트레이닝 된 분류 모델을 이용하여 상기 적어도 하나의 키워드를 처리함으로써, 노드에 대한 인터액션 분야 정보를 얻는 것,
   노드에 대한 인터액션 분야 정보에 기초하여 상기 복수의 노드를 구획함으로써, 복수의 제3 노드 그룹을 생성하는 것, 및
   상기 제3 노드 그룹중의 노드 사이의 연관 관계를 동일 인터액션 분야 관계로 확정하는 것을 포함하는,
   융합 관계 네트워크에 기반한 정보 추천 방법.
   
8. 제1항에 있어서,
   상기 에지의 가중치, 인터액션 정보 및 상기 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 상기 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하는 것은,
   노드 사이의 에지에 기초하여, 각 노드의 복수의 인접 노드를 확정하는 것,
   노드 사이의 에지의 가중치가 소정의 값보다 큰 인접 노드의 수에 기초하여, 각 노드에 대한 인지도를 확정하는 것,
   각 노드에 대한 인지도에 기초하여 상기 복수의 노드에 대해 순서를 배열하는 것, 및
   상기 복수의 노드의 배열 순서에 기초하여, 상기 복수의 노드 서로 간의 인지도 관계를 확정하는 것을 포함하는,
   융합 관계 네트워크에 기반한 정보 추천 방법.
   
9. 제1항 내지 제8항 중 어느 한 항에 있어서,
   상기 복수의 데이터 소스는, 적어도 하나의 앱, 적어도 하나의 주소록 및 적어도 하나의 사이트 중 적어도 하나를 포함하는,
   융합 관계 네트워크에 기반한 정보 추천 방법.
   
10. 융합 관계 네트워크에 기반한 정보 추천 장치에 있어서,
    상기 융합 관계 네트워크는 복수의 노드 및 상기 복수의 노드를 연결하는 복수의 에지를 포함하고, 각 노드는 하나의 사용자를 나타내고, 각 에지는, 해당 에지에 연결되는 2개의 노드가 나타내는 사용자사이의 인터액션 정보, 상기 인터액션 정보의 데이터 소스 정보 및 해당 에지에 대해 상기 인터액션 정보 및 상기 데이터 소스 정보에 기초하여 확정한 가중치를 포함하고,
    상기 장치는,
    에지의 가중치, 인터액션 정보 및 상기 인터액션 정보의 데이터 소스 정보 중 적어도 하나에 기초하여, 상기 융합 관계 네트워크 중 임의의 노드와 다른 노드 사이의 연관 관계를 확정하기 위한 확정 모듈, 및
    상기 연관 관계에 기초하여, 상기 임의의 노드가 나타내는 사용자에 대해 정보 추천을 실행하기 위한 추천 모듈을 포함하는,
    융합 관계 네트워크에 기반한 정보 추천 장치.
    
11. 적어도 하나의 프로세서, 및
    상기 적어도 하나의 프로세서에 통신 연결되는 메모리를 포함하는 전자 장비에 있어서,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행가능한 컴퓨터 프로그램이 저장되어 있고, 상기 컴퓨터 프로그램이 상기 적어도 하나의 프로세서에 의해 실행될 경우, 상기 적어도 하나의 프로세서는 제1항 내지 제8항 중 어느 한 항의 방법을 실행하는,
    전자 장비.
    
12. 컴퓨터 프로그램이 저장되어 있는 비 일시적 컴퓨터 판독가능 저장 매체에 있어서,
    상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 제1항 내지 제8항 중 어느 한 항의 방법을 구현하는,
    비 일시적 컴퓨터 판독가능 저장 매체.
    
13. 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램의 명령이 프로세서에 의해 실행될 경우, 제1항 내지 제8항 중 어느 한 항의 방법을 구현하는,
    컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
    
    

Images