WO2012002685A2 - 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템 - Google Patents

협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템 Download PDF

Info

Publication number
WO2012002685A2
WO2012002685A2 PCT/KR2011/004670 KR2011004670W WO2012002685A2 WO 2012002685 A2 WO2012002685 A2 WO 2012002685A2 KR 2011004670 W KR2011004670 W KR 2011004670W WO 2012002685 A2 WO2012002685 A2 WO 2012002685A2
Authority
WO
WIPO (PCT)
Prior art keywords
program
viewer
recommendation
preference
viewers
Prior art date
Application number
PCT/KR2011/004670
Other languages
English (en)
French (fr)
Other versions
WO2012002685A3 (ko
Inventor
최중인
Original Assignee
아코지토(주)
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
Priority claimed from KR1020110047758A external-priority patent/KR20120003362A/ko
Application filed by 아코지토(주) filed Critical 아코지토(주)
Priority to US13/807,513 priority Critical patent/US8799936B2/en
Publication of WO2012002685A2 publication Critical patent/WO2012002685A2/ko
Publication of WO2012002685A3 publication Critical patent/WO2012002685A3/ko

Links

Images

Classifications

    • 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
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • 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
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
    • 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
    • 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 
    • H04N21/61—Network physical structure; Signal processing
    • H04N21/6106—Network physical structure; Signal processing specially adapted to the downstream path of the transmission network
    • H04N21/6125—Network physical structure; Signal processing specially adapted to the downstream path of the transmission network involving transmission via Internet

Definitions

  • the present invention relates to a system for recommending a desired channel or program to an IPTV viewer, and more particularly, to an IPTV personal preference program recommendation system based on a collaborative filtering algorithm.
  • IP-based infrastructure With the addition of IP-based infrastructure to the existing TV reception infrastructure, terrestrial, cable, and satellite, the number of programs for viewers to choose from is almost infinite. Therefore, it is very important and difficult for viewers to search for and select the program exactly as they want, and the technology that makes this possible will be very useful. This can be estimated by considering the usefulness and value of search engines such as Google on the Internet. Therefore, it would be very useful to have a search tool such as Google even in the TV viewing area where the number of programs that can be watched is infinitely increased like the Internet. However, the use of the Internet and watching TV must recognize that people's basic behavior patterns are different.
  • a user when using the Internet, a user sits in front of a PC at an office desk and uses a keyboard to enter a keyword to be searched by using a keyboard in a lease-forward position.
  • the user when watching TV, the user can search and select a desired channel by simply changing the channel from left to right and up and down using the remote control in a sitting-room position on the living room sofa. Therefore, when watching TV, input is performed in an implicit manner rather than an explicit method such as keyboard input. Therefore, the search is performed through the navigation of the hierarchical menu in a form similar to searching for and selecting a program in a predetermined menu such as the initial Yahoo.
  • broadcast information or an electronic program guide (EPG) provided through a broadcast reception or a network in an existing TV or STB / PVR provides a broadcast program in various forms.
  • the most representative method of the electronic program guide may show only one-dimensionally arranged channel information or two-dimensionally provided channel information in the form of a channel / time band.
  • EPG information may be edited to show a favorite channel in the form of EPG. These are all shown in the order determined by channel, and this order can be changed according to individual preferences.
  • IPTV is a service that provides TV contents to viewers through the Internet method, and IPTV provides interactive services to viewers unlike conventional terrestrial, cable, and satellite TV service methods.
  • Related fields of the present invention include interactive TV related technologies, which include higher content service platform technology, broadband network technology, load distribution technology, set-top box (STB) hardware and software, and remote control technology.
  • the technique of recommending a preference program is called a collaborative filtering technique, which is a technique of quantifying the relation between a viewer or a user and a program and calculating a preference therefrom.
  • Collaborative Filtering is a technique used for personalization and recommendation algorithms that estimates the preferences of other viewers based on the preferences of one viewer's program.
  • This collaborative filtering technology is already widely used to recommend products on e-commerce sites such as Amazon.com, and is also used to recommend related searches or related videos on portal sites.
  • Such collaborative filtering (CF) techniques include memory-based (CF), model-based (CF), and hybrid (CF) or content-based (CF) techniques.
  • memory-based techniques the first thing to calculate is the similarity between the user and the use, or between items. Based on this similarity, weights for preference influences are calculated and the recommendation list is generated by these weights.
  • the representative methods used here are the correlation-based similarity calculation method and the vector cosine-based similarity calculation method. Based on these methods, preference predictions for new items of the active user are calculated, and a recommendation list is generated based on these predictions.
  • the present invention creates a personalized real-time recommendation program list devised under the background as described above, gives this list to the TV screen, and efficiently searches and selects programs based on the cooperative filtering algorithm.
  • the purpose of this paper is to provide an IPTV personal preference program recommendation system based on a collaborative filtering algorithm that can recommend a desired channel or program to IPTV viewers.
  • IPP personal preference program recommendation system based on the collaborative filtering algorithm according to an embodiment of the present invention for achieving the above object is broadcast as an IPTV (Internet Protocol Television) broadcasting provider that provides the TV content to the viewer in the Internet method Provider;
  • IPTV Internet Protocol Television
  • Receives broadcast signals and program information from the broadcast provider stores information corresponding to each database, calculates based on a recommendation algorithm that quantitatively calculates priority, and recommends priority based on programs currently being broadcasted and played.
  • a service server listing ;
  • a relay device receiving recommendation list information and a broadcast signal from the service server and transmitting the received list information through a network
  • a personal preference program recommendation system based on a collaborative filtering algorithm comprising a TV for outputting recommendation list information and a broadcast signal from the relay device.
  • a very efficient and useful TV watching is possible by searching for and selecting a program in the list. Will be able to. It's similar to doing a Google search on the Internet where you can find most of what you're looking for in about 10 to 20 pieces of content on your first search page. Of course, if you want a more detailed search, you can request a recommendation list of the next rank or go out of the recommendation list menu and enter text in a hierarchical menu or search box to keep the existing method.
  • the front part of these programs can be downloaded to the TV in advance so that they can be displayed immediately when searching or selecting a program.
  • the live channel is a conventional method (terrestrial wave, cable, satellite, etc.)
  • the VOD program is mixed with the IPTV method
  • the recommendation list is mixed and listed according to the ranking.
  • the recommendation list since the front part of the VOD program is already stored, it is shown as seamless and several existing channels are displayed. If it doesn't, you'll be able to watch comfortably as if you were watching this while changing channels with the remote control without worrying about lying down.
  • a high preference may be generated within a similar viewer group for an unpopular niche channel or a hidden program, thereby creating a long-tail TV program market.
  • referral lists are very important for marketing, it provides a useful advertising business model like Google's AdSense.
  • FIG. 1A is a diagram conceptualizing searching of a content desired by a user using a search engine.
  • FIG. 1B conceptualizes a TV preference program recommendation process according to the present invention.
  • FIG. 2 is a block diagram of an IPTV personal preference program recommendation system based on a collaborative filtering algorithm of the present invention.
  • FIG. 3 is a diagram illustrating a recommendation list implemented by the present invention.
  • FIG. 4 is a diagram illustrating an example of generating a personalized recommendation list by the collaborative filtering algorithm of the present invention.
  • FIG. 5 illustrates a viewer-program matrix for memory-based collaborative filtering of the present invention.
  • FIG. 6 is a diagram illustrating a viewer's gentic code of the present invention.
  • IPTV personal preference program recommendation system based on a collaborative filtering algorithm according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings.
  • FIG. 1A is a conceptual diagram of searching for content desired by a user using a search engine
  • FIG. 1B is a conceptual diagram of a TV preference program recommendation process according to the present invention.
  • the user enters a desired keyword through the keyboard 30 in a posture (Lean-Forward) in front of the desk PC through the search engine 10. That is, a method of searching for related content by using metadata about content to be searched by a user.
  • FIG. 2 is a block diagram of an IPTV personal preference program recommendation system based on a collaborative filtering algorithm of the present invention.
  • the system of the present invention is a broadcast provider 100, service server 200, network 300, STB (400, 400), PVR (Personal Video Recorder; 400 '), TV (500) , 500, 500, and a remote controller 510
  • the service server 200 includes a broadcast information DB 110, a recommended program list DB 120, and other information DB 130.
  • the broadcast provider 100 is an IPTV broadcast provider that provides TV contents to viewers through the Internet, but is not limited thereto.
  • the broadcast provider 100 may include an airwave, a cable broadcast, and a satellite broadcast provider.
  • the service server 200 receives the broadcast signal and program information from the broadcast provider 100, stores information corresponding to each database, and recommends quantitatively calculating the priority such as Google's Page Rank. Based on an algorithm, for example, Aco (specific brand name) rank, it is listed by recommendation priority based on the currently aired / played program.
  • the STB 400 and the PVR 400 ′ are relay devices that receive recommendation list information and broadcast signals from the service server 20 and transmit the received list information and the broadcast signal to the TV 500 through the network 300.
  • the service server 200 is based on a broadcast information DB 110 and a memory-based algorithm (Memory-based algorithm) for storing program information for each channel or time zone provided in real time from the broadcast provider 100.
  • DB for recommendation program list generation that provides viewers with a personalized recommendation program list in real time by a collaborative filtering method that quantifies and calculates a relationship matrix between viewers and programs, and other information DB including other information data. 130.
  • FIG. 3 is a diagram illustrating a recommendation list implemented by the present invention.
  • the recommendation list generated in the recommendation program list generation DB 120 may be listed by a title or a representative image. Use the up and down buttons of the remote control 60 shown in Figure 1 to select the desired program, or if this recommendation list disappears, just use the remote control to move up and down to change the channel in the recommended program as if changing the channel on the existing TV Through the selected program can be broadcast / played.
  • the recommendation list 600 lists the VOD program as well as the live program currently being aired.
  • the receiving method of live and VOD programs may be different from satellite and IP, but viewers can select all of these programs simultaneously from one list and seamlessly integrate them. Search and watch is possible.
  • IP-based VOD the program play time is slow compared to the live, so this must be solved.
  • a program / channel changing time can be made as fast as live by calling the front part of the recommended program in advance and storing it temporarily in the TV 500 or the STB 400.
  • This function can be realized because the number of recommended programs is limited. Let's look at an example implementation. It is usually assumed that the number of recommended programs is about 20. However, in general, the average number of programs that an individual watches on TV per day is only about 10, so if the recommendation algorithm is properly operated, it will satisfy all the viewers' desires within these 20 programs.
  • the initial part of the VOD file is played back, and may not exceed 5-10 seconds. If the playback of a program exceeds 15 to 20 seconds, it is determined that the program is selected. Therefore, the part of the program is continuously played after 30 seconds through the additional connection directly in the background within the remaining 10 seconds.
  • the present invention even in the current TV service situation, no matter how many programs are provided, only those programs that you want to receive the recommendation in real time, as if there are only a few past channels, just quickly Changing the channel with the remote control can have a dramatic effect on watching TV while maintaining a comfortable user experience. That is, as shown in Figure 4, Mike, Jessica and John can select the desired program by recommending different programs in real time. As a result, every viewer can provide different recommendations.
  • a sponsor or an advertisement program / channel may be inserted between changes in the recommendation program. This is like inserting an advertisement such as home shopping or a sponsored channel between major channels such as watching TV, thus providing a new revenue model to a recommendation list service provider.
  • This advertising or sponsorship program is either compulsory or optional and can be personalized according to the viewer's preference to provide customer-based target marketing.
  • the personal preference program recommendation algorithm recommends the function depends on whether the viewer can effectively watch the desired channel. For example, we introduced the concept of collective intelligence, where several people search collaboratively, such as Google's search engine, to suggest that content that many people have experienced and judged or valued will be useful to me. Based on the algorithm called PageRank, the recommendation algorithm was developed on the premise that a program that many people see in TV programs and finds it fun or useful is also fun or useful for me. Currently, the most popular recommendation algorithm for e-commerce sites, such as Amazon, is by collaborative filtering. The concept is based on the fact that a lot of people who bought something similar to me would be useful to me. The present invention also presumes that those who have seen programs similar to me based on such cooperative filtering algorithms are currently watching or have fun and useful to me.
  • Collaborative filtering is a method of quantifying the relation matrix between viewers and programs based on memory-based algorithms.
  • the algorithm of the present invention models the viewing history pattern of viewers based on the scalability problem of the recommended program list DB 220 according to the increase in the number of viewers and the number of programs, and calculates similarity based on the modeling.
  • the solution is to adopt a method of reducing the modeling order by operating a recommendation algorithm within the group.
  • the Bayesian Theorem is applied to a model-based algorithm to solve the Cold Start Problem for viewers with a low viewing history.
  • FIG. 5 illustrates a viewer-program matrix for memory-based collaborative filtering of the present invention.
  • FIG. 5 shows a matrix showing a preference value v for N viewers such as Mike and Jessica and M programs such as Grace Anatomy and avatar.
  • v i, j is the i-th viewer's preference for the j-th program.
  • the preference value is defined as follows by normalizing from 0 to 10.
  • VT Percentage of Watching Time [%], if the program shows less than 10%, it is determined that there is no preference. As defined.
  • the preference prediction Pa, j for the new program j of the active user Ua (e.g. '60Minutes', a preview program) is
  • k denotes a normalization coefficient
  • ⁇ (a, i) denotes weights for n similar viewers.
  • Va is the preference
  • V (i, j) is the preference that viewer Ui likes program j.
  • Va j is the preference that the viewer Ua ends the program called j.
  • the same method as the above calculation method is applied to other new programs to compare all the calculated values and to make a recommendation list in the highest order.
  • the recommendation list can be improved by using data such as viewer's age, gender, occupation, and the genre of the program. Also, as Google's page rank, more algorithms are used by more viewers, thereby providing a system that can increase accuracy by using learning functions.
  • a viewer's viewing pattern is defined as a viewer's genetic code (VGC) in the form of a color bar code, and an average RGB value thereof is mapped to a two-dimensional RGB plane. Quantitative modeling for grouping similar viewers was established.
  • the program is defined as a color value 700 using metadata such as the genre of each program as shown in FIG. 6 showing the viewer's gentic code of the present invention, and the average viewing pattern of each viewer is defined. It was defined as VGC in the color bar code form 800 for the main viewing time zone. For example, 6 hours divided by 6 minutes from 6 pm to 12 pm, which is the main viewing time of TV, are divided into 30 minute intervals. It is represented by an average value.
  • the individual color bar codes thus created are defined as individual viewer free codes and the average color obtained by mixing color values and color bar codes is displayed on the two-dimensional RGB plane 900. In this position, the viewers can be defined as similar viewers as they are closer to each other and as non-viewers as far as they are.
  • the viewer-program matrix for the cooperative filtering algorithm is generated in the viewer group to which the viewer belongs, the size of the matrix is greatly reduced.
  • the number of viewers as well as the number of interested programs is drastically reduced.
  • the viewer group increases again, it subdivides again, allowing the viewer group to expand and expand as if it were cell division.
  • These characteristics of VGCs have the unique viewing characteristics of individual viewers like genes, and when they evolve over time or when new TV viewers are added within the same household, they cause rapid genetic mutations such as mutations to other similar viewer groups. It has properties that can be transferred. This provides a personal information protection function through anonymization of an individual because the personalization characteristic by color appears as an efficient way to group viewers first.
  • a real-time personalized 'recommended program list' is generated, and only a program that is currently personally visible among a myriad of programs can be selected and shown in order, so that a program can be selected and searched for in a very efficient and useful TV. You can do it. It's a bit like searching Google on the Internet and finding what you're looking for most of the 10-20 content on the first search page. Of course, if you want a more detailed search, you can request a recommendation list of the next rank or go out of the recommendation list menu and enter text into a hierarchical menu or search box to maintain the existing method of searching.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 IPTV(Internet Protocol Television) 시청자에게 원하는 채널 혹은 프로그램을 추천하는 시스템에 관한 것으로 특히, 협력적 필터링 알고리즘 기반의 IPTV 개인별 선호프로그램 추천 시스템에 관한 것이다. 상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템은, 인터넷방식으로 TV용 컨텐츠를 시청자에게 제공하는 IPTV(Internet Protocol Television) 방송 제공업체로서 방송제공 업체; 상기 방송제공 업체로부터의 방송신호와 프로그램 정보를 수신하여 각 데이터베이스에 해당하는 정보를 저장하고 우선순위를 정량적으로 계산하는 추천 알고리즘을 기반으로 계산하여 현재 방영 및 재생되는 프로그램을 중심으로 추천우선순위별로 나열하는 서비스 서버; 상기 서비스 서버로부터 추천목록 정보와 방송신호를 수신하여 네트워크를 통해 전송하는 중계장치; 및 상기 중계장치로부터의 추천목록 정보와 방송신호를 출력하는 TV를 포함하는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템을 제시한다.

Description

협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템
본 발명은 IPTV(Internet Protocol Television) 시청자에게 원하는 채널 혹은 프로그램을 추천하는 시스템에 관한 것으로서, 특히, 협력적 필터링 알고리즘 기반의 IPTV 개인별 선호프로그램 추천 시스템에 관한 것이다.
기존의 TV 수신 인프라인 지상파, 케이블, 위성에 IP 기반의 인프라가 추가되면서 이제는 시청자가 선택할 프로그램의 수가 거의 무한대에 이르게 되었다. 따라서, 시청자가 원하는 프로그램을 정확히 그리고 빠르게 검색해서 선택하는 것이 시청자에게 매우 중요하면서도 어려운 일이며 이러한 일을 가능하게 해주는 기술이 매우 유용하게 될 것이다. 이는 인터넷에서 구글(Google)과 같은 검색엔진의 유용성 및 가치를 생각해 보면 가히 짐작이 가능하다. 따라서, 시청가능 프로그램의 수가 인터넷처럼 무한히 증대되는 TV 시청 영역에서도 구글과 같은 검색도구가 있다면 매우 유용하게 될 것이다. 하지만, 인터넷 사용과 TV 시청은 사람의 기본적 행동 패턴이 다르다는 것을 인식해야 한다. 즉, 인터넷 사용시에는 사용자가 사무실 책상의 PC앞에 앉아서 수그리는 자세(Lean-Forward Position)로 키보드를 사용해서 자신이 검색하고자 하는 찾고자 키 워드를 텍스트로 입력한다. 하지만, TV시청시에는 거실 소파에 앉아서 기대는 자세(Lean-Back Position)로 리모컨을 사용하여 단순 좌우상하로 채널변경을 하면서 원하는 채널을 검색하고 선택한다. 따라서, TV 시청시는 키보드 입력과 같은 표시적(explicit) 방법이 아니라 암묵적(implicit) 방법으로 입력을 하게 된다. 따라서, 초기 야후(Yahoo)와 같은 정해진 메뉴에서 프로그램을 검색하고 선택하는 것과 유사한 형태로 계층구조적 메뉴의 내비게이션을 통해서 검색을 수행하고 있다. 하지만, 채널 및 프로그램의 수가 점점 많아지게 되면서 이러한 방법은 인터넷과 같은 롱 테일(Long-Tail) 시장의 출현을 가져오는 원천적 걸림돌이 되고 있다. 즉, 제작된 TV용 프로그램 중 대부분이 시청자들에 의해 선택되지 못하거나 방송도 되지 못한 채 사장되게 된다. 예컨대, 미국의 경우 연간 3천만 시간 분량의 프로그램이 제작되지만 TV 평균 연간 시청시간이 1,6400시간이므로 0.005%의 프로그램만 시청되고 나머지 99.995 %의 프로그램들은 그대로 사장된다. 또한, IPTV의 경우 프로그램 검색시에 직접 보고 선택하려고 한다면 내비게이션 혹은 프로그램 변경시간이 너무 느려서 사실상 검색이 거의 이루어지지 못하고 있는 실정이다.
그런데, 기존의 TV나 STB/PVR 내에서 방송 수신 또는 네트워크를 통해서 제공되는 방송 정보 혹은 전자프로그램가이드(EPG)는 다양한 형태로 방송 프로그램을 제공한다.
그러나, 현재 10,000개가 넘는 다채널 시대에서 방대한 테이블 형태의 전자프로그램가이드(EPG)를 이용하여 시간별 방송정보 화면을 바탕으로 자신이 원하는 프로그램을 선택하여 시청한다는 것이 매우 불편하고 어려운 일이 되었다.
상기 전자프로그램가이드의 가장 대표적인 방법은 채널별/시간대별 테이블 형태의 이차원적으로 제공되거나 현재 방송되는 채널 정보만을 1차원적 나열 형태로 보여주기도 한다.
또한, 이러한 EPG 정보를 편집해서 선호 채널을 EPG 형태로 보여주기도 한다. 이는 모두 채널을 기준으로 정해진 순서대로 보여주는 것으로 이 순서를 개인의 선호도에 따라 변경할 수도 있다.
그러나, 아직까지 한 시청자 집단에 대한 선호도를 기반으로 다른 시청자의 선호도를 추정하여 추천 목록을 제공하는 기술은 존재하지 않는다.
IPTV는 인터넷방식으로 TV용 컨텐츠를 시청자에게 제공하는 서비스로서 IPTV는 기존의 지상파, 케이블, 위성 TV 서비스 방식과 달리 시청자에게 양방향 서비스를 제공한다. 본 발명과 관련된 분야로는 인터액티브 TV 관련 기술이 있는데 상위 컨텐츠 서비스 플랫폼 기술, 광대역 통신망 기술, 부하 분배 기술, 셋탑박스(STB) 하드웨어 및 소프트웨어 그리고 리모트 컨트롤 기술 분야를 포함한다. 선호프로그램을 추천하는 기술은 협력적 필터링 기술이라 하는데 시청자 혹은 사용자와 프로그램 간의 관련도를 정량화 및 데이터베이스화하여 이로부터 선호도를 계산하는 기술이다.
협력적 필터링(Collaborative Filtering)은 개인화 및 추천 알고리즘에 쓰이는 기술로서 한 시청자 집단의 프로그램에 대한 선호도를 기반으로 다른 시청자의 선호도를 추정하는 기술이다. 이러한 협력적 필터링 기술은 이미 아마존닷컴과 같은 전자상거래 사이트서 상품을 추천하는데 널리 사용되고 있으며, 또한 포털사이트에서 연관검색어 혹은 연관 동영상 등을 추천하는데도 사용되고 있다.
이러한 협력적 필터링(CF) 기법은 메모리기반(Memory-based CF) 기법, 모델 기반(Model-based CF), 그리고 혼합형(Hybrid CF) 혹은 콘텐츠 기반(Contents-based CF) 기법 등이 있다. 일반적으로, 메모리기반 기법에서 제일 먼저 계산해야하는 것이 사용자와 사용간, 혹은 아이템과 아이템간의 유사성(Similarity)이다. 이 유사성을 기초로 선호도 영향에 대한 가중치를 계산하고 이러한 가중치에 의해 추천목록이 생성되도록 한다. 여기서 사용되는 대표적 방법이 연관도 기반(Correlation-Based) 유사성 계산방법과 벡터-코사인 기반(Vector Cosine-Based) 유사성 계산방법이다. 이들 방법을 기초로 해당 사용자(active user)의 새로운 아이템(new-item)에 대한 선호도 예측치가 계산되며 이 예측치를 기초로 추천목록이 생성된다.
따라서, 본 발명은 상기와 같은 배경하에서 안출된 것으로 개인화된 실시간 추천프로그램목록을 생성하여 이 목록을 TV 화면에 주여주고 이 목록 내에서 프로그램 검색 및 선택을 할 수 있도록 협동 필터링 알고리즘을 기반으로 하여 효율적 방법으로 IPTV 시청자에게 원하는 채널 혹은 프로그램을 추천할 수 있는 협력적 필터링 알고리즘 기반의 IPTV 개인별 선호프로그램 추천 시스템을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템은, 인터넷방식으로 TV용 컨텐츠를 시청자에게 제공하는 IPTV(Internet Protocol Television) 방송 제공업체로서 방송제공 업체;
상기 방송제공 업체로부터의 방송신호와 프로그램 정보를 수신하여 각 데이터베이스에 해당하는 정보를 저장하고 우선순위를 정량적으로 계산하는 추천 알고리즘을 기반으로 계산하여 현재 방영 및 재생되는 프로그램을 중심으로 추천우선순위별로 나열하는 서비스 서버;
상기 서비스 서버로부터 추천목록 정보와 방송신호를 수신하여 네트워크를 통해 전송하는 중계장치; 및
상기 중계장치로부터의 추천목록 정보와 방송신호를 출력하는 TV를 포함하는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템을 제시한다.
본 발명에 의하면, 실시간 개인화된 '추천프로그램목록’이 생성되어 무수히 많은 프로그램 중에서 현재 개인적으로 볼만한 프로그램만을 엄선하여 순서대로 보여줄 수 있으므로, 상기 목록 내에서 프로그램을 검색하여 선택함으로써 매우 효율적이고 유용한 TV시청을 할 수 있게 된다. 이는 마치 인터넷에서 구글 검색을 하면 첫 검색 페이지에 나오는 10~20개 내외의 컨텐츠에서 대부분 원하는 것을 찾을 수 있는 것과 유사한 것이다. 물론, 더 상세한 검색을 원하면 다음 순위의 추천목록을 요청하던지 추천목록 메뉴 밖으로 나가서 계층적 메뉴나 검색창에 텍스트입력을 해서 찾는 기존의 방법을 그대로 유지할 수 있다.
또한, 추천목록의 개수가, 예를 들면 20개 정도로 제한되어 있다고 하면, 이들 프로그램의 앞 부분(예를 들면, 30초 분)을 미리 TV에 다운받아서 프로그램 검색이나 선택시 바로 보여 지도록 할 수 있다. 특히, 하이브리드 TV와 같이 Live채널은 기존 방식(지상파, 케이블, 위성 등)으로, VOD 프로그램은 IPTV 방식이 혼합될 경우, 추천목록은 이를 혼합하여 순위대로 나열을 하게 된다. 이때, Live채널에서 다른 VOD 프로그램으로 변경될 때, 상당한 지연이 발생하게 되는데, 추천목록 내에서는 VOD 프로그램의 앞 부분이 이미 저장되어 있기 때문에 바로 거침 없이(Seamless) 보여 지게 됨으로써 기존의 채널이 몇 개 안될 때, 누워 아무런 신경을 쓰지 않고 리모컨으로 채널을 변경해가면서 이것 저것을 시청하던 경우와 동일하게 편안한 시청이 가능하게 된다.
또한, 협렵적 알고리즘에 의해 비인기 니치 채널(niche channel) 혹은 숨어있는 프로그램에 대해서 높은 선호도가 유사 시청자 그룹 내에서 발생할 수가 있어 Long-Tail TV 프로그램 시장이 생성될 수 있다.
또한, 추천목록에 노출되는 것이 마케팅적으로 매우 중요하기 때문에, Google의 AdSense와 같이 유용한 광고 사업모델을 제공하게 된다. 즉, 추천목록 중, 일부분을 홈쇼핑 TV와 같이, 광고 방송이나 연관 스폰서 프로그램으로 할애하여 중간중간 삽입함으로써 프로그램 변경시 자연스럽게 시청하게 할 수 있는 효과가 있다.
도 1a는 검색 엔진을 이용하여 사용자가 원하는 컨텐츠를 검색하는 것을 개념화한 도면이다.
도 1b는 본 발명에 의한 TV 선호프로그램 추천 과정을 개념화한 도면이다.
도 2는 본 발명의 협력적 필터링 알고리즘 기반의 IPTV 개인별 선호프로그램 추천 시스템의 블록도를 도시한다.
도 3은 본 발명에 의해 구현되는 추천목록을 도시한 도면이다.
도 4는 본 발명의 협력적 필터링 알고리즘에 의해 개인화된 추천목록 생성 예를 도시한 도면이다.
도 5는 본 발명의 메모리 기반 협력적 필터링을 위한 시청자-프로그램 행렬을 도시한 도면이다.
도 6은 본 발명의 시청자 유전자코드(Viewer's Gentic Code)를 도시한 도면이다.
이하에서 본 발명의 일 실시예에 따른 협력적 필터링 알고리즘 기반의 IPTV 개인별 선호프로그램 추천 시스템을 도면을 참조로 하여 구체적으로 설명하도록 한다.
도 1a는 검색 엔진을 이용하여 사용자가 원하는 콘텐츠를 검색하는 개념화한 도면이고, 도 1b는 본 발명에 의한 TV 선호프로그램 추천 과정을 개념화한 도면이다.
도 1a의 컴퓨터 모니터 화면(20)에서 볼 수 있는 바와 같이, 검색 엔진(10)을 통해서 사용자가 책상 PC 앞에 수그리는 자세(Lean-Forward)로 키보드(30)를 통하여 원하는 키 워드를 입력한다. 즉, 사용자가 검색하고자 하는 콘텐츠에 대한 메타데이터를 사용해서 관련 콘텐츠를 검색하는 방법이다.
이와 유사하게 TV 프로그램 검색에 있어서는 도 1b의 TV 화면(50)에서 볼 수 있는 바와 같이, 시청자가 소파에 기대는 자세(Lean-Back)로 앉아 리모컨(60)으로 TV 화면을 변경해가면서 원하는 프로그램을 찾는데, 프로그램이 많으면 이 과정이 시간도 많이 소요되고 불편하기 때문에 시청자가 원하는 프로그램을 추천해 주는 기능이 매우 필요하다. 본 발명에서는 이러한 기능을 구글 등의 검색엔진과 같이, 여러 사람이 협동해서 뽑아내는 협동 필터링에 의해 추천알고리즘을 만들어 이를 개인화된 추천프로그램목록(40) 형태로 생성하여 시청자에게 제공한다.
도 2는 본 발명의 협력적 필터링 알고리즘 기반의 IPTV 개인별 선호프로그램 추천 시스템의 블록도를 도시한다.
도면에 도시된 바와 같이, 본 발명의 시스템은 방송제공 업체(100), 서비스 서버(200), 네트워크(300), STB(400, 400), PVR(Personal Video Recoder; 400'), TV(500, 500, 500), 리모컨(510)으로 구성되고, 상기 서비스 서버(200)는 방송정보 DB(110), 추천프로그램목록 DB(120) 및 기타정보 DB(130)을 포함한다.
상기 방송제공 업체(100)는 인터넷방식으로 TV용 컨텐츠를 시청자에게 제공하는 IPTV 방송 제공업체이지만, 이에 한정되지 않으며 공중파, 케이블 방송, 위성 방송제공업체를 포함할 수도 있다. 서비스 서버(200)는 상기 방송제공 업체(100)로부터의 방송신호와 프로그램 정보를 수신하여 각 데이터베이스에 해당하는 정보를 저장하고 구글의 페이지 랭크(Page Rank)와 같이 우선순위를 정량적으로 계산하는 추천 알고리즘, 예를 들면 Aco(특정브랜드명) Rank를 기반으로 계산하여 현재 방영/재생되는 프로그램을 중심으로 추천우선순위별로 나열한다. 상기 STB(400) 및 PVR(400')은 상기 서비스 서버(20)로부터 추천목록 정보와 방송신호를 수신하여 네트워크(300)를 통해 TV(500)에 전송하는 중계장치이다.
상기 서비스 서버(200)는 방송제공 업체(100)로부터 실시간으로 제공받은 채널별 또는 시간대별 프로그램 정보를 저장하는 방송정보 DB(110), 메모리-기반의 알고리즘(Memory-based CF)을 근간으로 하여 시청자와 프로그램과의 관계행렬을 정량화하여 산정하는 협력적 필터링 방식에 의해 실시간으로 개인화된 추천 프로그램목록을 시청자에게 제공하는 추천프로그램목록 생성 DB(120), 및 기타 정보 데이터를 포함하고 있는 기타 정보 DB(130)를 포함한다.
도 3은 본 발명에 의해 구현되는 추천목록을 도시한 도면이다.
상기 추천프로로그램 목록 생성 DB(120)에서 생성되는 추천목록은 제목으로 나열하거나 대표이미지로 나열할 수도 있다. 도 1에 도시된 리모컨(60)의 상하버튼을 사용하여 원하는 프로그램을 선택하도록 하거나, 이 추천목록이 사라지면 그냥 리모콘을 사용해서 상하로 움직이면 기존 TV에서 채널을 변경하듯이 추천된 프로그램 내에서 변경기능을 통하여 선택된 프로그램이 방영/재생되도록 할 수 있다.
도 3에 도시된 바와 같이, 추천목록(600)은 현재 방영되는 Live 프로그램뿐 아니라 VOD 프로그램도 통합해서 나열한다. 특히, 하이브리드 IPTV, 국내의 SkyQook TV 같이, Live 프로그램과 VOD 프로그램의 수신 방법이 위성과 IP로 다를 수 있겠으나 시청자는 모두 하나의 목록에서 이들 프로그램을 동시에 선택하도록 함으로써 걸림없는(seamless) 통합된 단순한 검색 및 시청이 가능하다. 일반적으로, IP기반의 VOD의 경우 프로그램 재생시간이 라이브에 비해 느리기 때문에, 이점을 해결해야만 된다.
그런데, 본 발명에서는 추천프로그램의 앞 부분을 미리 불러와서 TV(500) 혹은 STB(400) 내에 잠시 저장시켜 놓음으로써 프로그램/채널 변경시간(Zapping Time)을 라이브같이 빠르게 할 수 있다. 이는 추천프로그램의 개수가 제한되어 있기 때문에 이러한 기능을 실현할 수 있다. 실제 구현되는 예를 보자. 보통 추천프로그램의 개수를 20개 정도로 가정한다. 그런데 일반적으로 개인이 하루에 TV로 시청하는 프로그램의 평균 숫자는 10개 내외에 불과하므로 추천알고리즘을 적절하게 가동시키면 이 20개 내에서 시청자가 원하는 시청욕구를 다 만족시킬 수 있을 것이다. 이 경우, 한 프로그램에 대해서 초기 30초 분량만 미리 불러오면 총 10분 정도의 분량의 동영상 파일이 TV(500) 또는 STB(400)의 임시공간 내에 저장되어 있기 때문에 사실상 네트워크(300) 또는 TV(500)나 STB(400)의 기능에는 아무런 영향을 주지 않을 수 있다. 따라서, 프로그램/채널 검색 중에는 VOD 파일의 초기부분이 재생되는데 5~10초 이상을 넘지 않을 것이다. 만일, 한 프로그램의 재생이 15~20초 이상을 넘어가면 이는 이 프로그램을 선택했다고 판단되기 때문에 재생을 하면서 남은 10초 내에 백그라운드에서 바로 추가적 연결을 통해 30초 이후 부분을 지속적으로 이어서 재생하면 된다.
따라서, 본 발명은 도 4와 같이, 시청자는 아무리 많은 프로그램이 제공되는 현재 TV 서비스 상황에서도, 그 중에 자신이 원하는 프로그램만 필터링해서 실시간으로 추천을 받아서, 마치 과거 채널이 몇 개 안될 때, 그냥 빠르게 리모컨으로 채널을 변경해 가면서 편안하게 보던 사용자 경험을 그대로 유지하면서 TV를 시청할 수 있는 획기적인 효과를 가져올 수 있다. 즉, 도 4에서와 같이, 마이크, 제시카 그리고 존은 서로 다른 프로그램을 실시간으로 추천받아서 자신이 원하는 프로그램을 선택할 수 있다. 결국 시청자 개개인에 따라 모두 다른 추천목록을 제공할 수 있다. 또한, 도 3에서와 같이, 스폰서 혹은 광고 프로그램/채널이 추천프로그램 변경시 사이 사이에 삽입될 수 있다. 이는 현재 TV 시청과 같이 주요채널 사이 사이에 홈쇼핑 등의 광고 혹은 스폰서 채널이 삽입되는 것과 같으며, 따라서 추천목록 서비스 제공자에게 새로운 수익모델을 제공해 줄 수 있다. 이 광고 혹은 스폰서 프로그램은 강제적 혹은 선택적으로 제공되며 시청자의 성향에 따라 개인화해서 제공할 수도 있어서 고객기반 타켓 마케팅 기능을 제공할 수 있게 된다.
결국, 개인별 선호 프로그램 추천 알고리즘이 얼마나 빠르고 정확하게 추천기능을 하는가에 따라 효과적으로 시청자가 원하는 채널을 볼 수 있는지 여부가 달려있다. 예를 들어, 구글의 검색 엔진처럼 여러 사람이 협력적으로 검색을 하는 이른바 집단지성(Collective Intelligence)의 개념을 도입하여 많은 사람들이 경험해보고 유용하다고 판단 혹은 평가한 컨텐츠가 나에게도 유용할 것이라는 개념을 기반으로 페이지 랭크라는 알고리즘을 만들어 TV프로그램에서도 많은 사람들이 보고 재미있거나 유용하다고 판단하는 프로그램이 나에게도 재미있거나 유용하다는 전제하에서 추천알고리즘이 개발되었다. 현재 아마존 사이트와 같이 전자상거래사이트에서 가장 많이 쓰이는 추천알고리즘은 협력 필터링에 의한 방법이다. 그 개념은 나와 비슷한 물건을 산 사람들이 많이 산 물건이 나에게도 유용할 것이라는데 기반을 두고 있다. 본 발명에서도 이러한 협동 필터링 알고리즘에 기반을 두고 나와 유사한 프로그램을 본 사람들이 현재 보고 있거나 본 프로그램들이 나에도 재미있고 유용할 것이라고 추정한다.
협력적 필터링은 메모리-기반의 알고리즘 (Memory-based CF)을 기초로 하여 시청자와 프로그램과의 관계행렬을 정량화하여 산정하는 방식이다. 특히, 본 발명의 알고리즘에서는 시청자수와 프로그램수의 증가에 따른 추천프로그램목록 DB(220)의 확장성 문제를 시청자의 시청 이력 패턴을 모델링하고, 이 모델링을 기초로 유사성(Similarity)을 계산하여 유사시청자 그룹을 선정한 후, 이 그룹 내에서 추천 알고리즘을 동작시키는 방식으로 모델링 차수를 감소시켜 나가는 방식을 채택하여 해결하고 있다. 또한, 시청 이력이 적은 시청자를 대상으로 하는 초기 안정화 문제(Cold Start Problem)를 해결하기 위해 모델-기반의 알고리즘(Model-based CF)에 베이스 이론(Bayesian Theorem) 등을 적용하였다.
이하에서는 본 발명의 협동 필터링 알고리즘이 구현되는 실시 예를 도면을 참조로 하여 보다 상세하게 설명하도록 한다.
도 5는 본 발명의 메모리 기반 협동적 필터링을 위한 시청자-프로그램 행렬을 도시한 도면이다.
도 5에서는 마이크, 제시카 등의 N명의 시청자와 그레이스 아나토미, 아바타 등의 M 프로그램에 대하여 선호도값 v 를 보여주는 행렬을 나타내고 있다. 여기서 vi,j는 i-th 시청자가 j-th 프로그램에 선호도를 의미한다. 본 발명에서 선호도 값은 0에서 10으로 정규화해서 다음과 같이 정의하였다.
즉, v = 5 + 4 x (VT)/100 (10 < VT < 80)
= 0 (VT < 10)
= 10 (VT > 80)
여기서, VT : 시청시간 백분율 [%] 이고, 프로그램이 10% 이하를 보이면 선호도가 없다고 판단하며, 10%가 넘어서면 일단 선호를 한다고 판단하고, 5점에서 시작하며 80% 이상을 보면 선호도가 10으로 정의하였다.
관심 대상 시청자(active user) Ua의 새로운 프로그램 j(예를 들면, 시사프로그램인 '60Minutes')에 대한 선호도 예측치 Pa,j는,
Figure PCTKR2011004670-appb-I000001
로 된다. 여기서, k는 정규화계수, ω(a,i)는 n명의 유사시청자에 대한 가중치를 나타낸다. Va는 선호도이고, V(i,j)는 시청자 Ui가 프로그램 j를 좋아하는 선호도이다.
Figure PCTKR2011004670-appb-I000002
여기서. 유사시청자 i와의 유사도에 따른 가중치 계산은 다음과 같이 수행한다.
여기서 Va,j는 시청가 Ua가 j라는 프로그램을 종아하는 선호도이다.
위의 계산 방법과 같은 방법을 다른 새로운 프로그램에도 적용하여 계산된 모든 값을 비교해서 가장 높은 순서대로 추천목록을 작성하는 것이다. 본 발명에서는 이때 보다 많은 메타데이터를 사용할 수 있으면, 예를 들어 시청자의 나이, 성별, 직업 등과, 또한 프로그램의 장르 등의 데이터를 이용하여 추천목록을 신뢰도를 개선할 수 있도록 하였으며. 또한 구글의 페이지 랭크와 같이 상기 알고리즘을 보다 많은 시청자가 사용함에 따라 학습기능을 이용하여 점점 정확도를 증진시킬 수 있는 체제를 제공하고 있다.
그런데, 여기서 가장 중요한 것은 시청자수가 많아지고 프로그램수가 증가할 때 이를 처리하는 확장성이다. 특히, 이러한 추천목록은 실시간으로 제공되어야 하기 때문에 연산시간의 개선도 매우 중요하다. 따라서, 도 5의 행렬식을 성능이 검증된 규모의 작은 여러 개의 행렬로 분리하는 방법이 확장성을 확보하는데 중요한 관건이 된다. 이를 위해 본 발명에서는 창의적 아이디어의 하나로 시청자의 시청 패턴을 컬러 바코드 (Color Bar Code) 형태의 시청자유전자코드(VGC : Viewer's Genetic Code)로 정의하고, 이에 대한 평균 RGB 값을 2차원 RGB 평면에 매핑시킴으로써 유사시청자 그룹화를 위한 정량적 모델링을 수립하였다. 즉, 본 발명의 시청자유전자코드(Viewer's Gentic Code)를 도시한 도 6에서와 같이 각 프로그램의 장르 등의 메타데이터를 이용하여 프로그램을 색상값(700)으로 정의하고, 각 시청자의 평균 시청 패턴을 주요시청시간대에 대하여 컬러바코드형태(800)의 VGC로 정의하였다. 예를 들면, TV 주요시청시간인 오후 6시부터 12시까지 6시간을 30분간격의 구간으로 나누어서 이 나눈 값을 각 구간의 최근(1달 정도) 시청프로그램의 앞서 정의한 색상값(700)의 평균값으로 나타낸다. 이렇게 만들어진 개인별 컬러바코드를 개인별 시청자유전자코드로 정의하고 색상값과 컬러바코드를 혼합한 평균 색상을 2차원 RGB 평면(900)에 표시하도록 한다. 이렇게 표시된 위치에서 임의의 시청자가 가까우면 가까울수록 유사시청자로 정의하고 멀면 멀수록 유사시청자가 아닌 것으로 정의함으로써 일정 반경 내에 모여있는 유사 시청자 그룹을 정의할 수 있다. 따라서 해당 시청자가 속해 있는 유사시청자 그룹 내에서 협동 필터링 알고리즘을 위한 시청자-프로그램 행렬을 만들면, 그 행렬의 크기는 매우 줄어들게 되는 것이다. 즉, 그 그룹 내의 유사시청자들이 보거나 관심 있는 프로그램만을 포함하기 때문에 상대적으로 시청자수뿐 아니라 관심프로그램 수도 급격히 줄어들게 되는 것이다. 다시 시청자그룹이 증가하면 다시 세분화하면서 마치 세포분열을 하듯이 시청자그룹이 세분화되면서 확장해 나아갈 수 있도록 한다. 이와 같은 VGC의 특성은 마치 유전자와 같이 개인별 시청자의 고유시청특성을 가지게 되며, 시간에 따라 진화하거나 동일 가구 내에서 새로운 TV 시청자가 추가될 때 돌연변이와 같이 급격한 유전자 변이를 일으킴으로써 다른 유사시청자 그룹으로 전이될 수 있는 특성을 지니게 된다. 이는 일단 1차적으로 시청자를 그룹화하는 효율적인 방법으로 색상에 의한 개인화 특성이 나타나기 때문에 개인의 익명화를 통한 개인정보 보호 기능을 제공하여 준다.
본 발명에 의하면, 실시간 개인화된 '추천프로그램목록’이 생성되어 무수히 많은 프로그램 중에서 현재 개인적으로 볼만한 프로그램만을 엄선하여 순서대로 보여줄 수 있으므로 상기 목록 내에서 프로그램을 검색하여 선택함으로써 매우 효율적이고 유용한 TV시청을 할 수 있게 된다. 이는 마치 인터넷에서 Google 검색을 하면 첫 검색 페이지에 나오는 10~20개 내외의 컨텐츠에서 대부분 원하는 것을 찾을 수 있는 것과 유사한 것이다. 물론 더 상세한 검색을 원하면 다음 순위의 추천목록을 요청하던지 추천목록 메뉴 밖으로 나가서 계층적 메뉴나 검색창에 텍스트입력을 해서 찾는 기존의 방법을 그대로 유지할 수 있는 등의 효과를 얻을 수 있다.
지금까지 본 발명의 일 실시 예에 따른 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템을 첨부 도면을 참조로 하여 설명하였으나 이것은 예시 목적이지 이것으로 본 발명을 한정하고자 함은 아니며, 본 발명의 범위는 상세한 설명보다는 이하의 부속청구범위에 의해 정해지며, 본 발명의 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형 형태는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (10)

  1. 인터넷방식으로 TV용 컨텐츠를 시청자에게 제공하는 IPTV(Internet Protocol Television) 방송 제공업체로서 방송제공 업체;
    상기 방송제공 업체로부터의 방송신호와 프로그램 정보를 수신하여 각 데이터베이스에 해당하는 정보를 저장하고 우선순위를 정량적으로 계산하는 추천 알고리즘을 기반으로 계산하여 현재 방영 및 재생되는 프로그램을 중심으로 추천우선순위별로 나열하는 서비스 서버;
    상기 서비스 서버로부터 추천목록 정보와 방송신호를 수신하여 네트워크를 통해 전송하는 중계장치; 및
    상기 중계장치로부터의 추천목록 정보와 방송신호를 출력하는 TV를 포함하는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
  2. 청구항 1에 있어서,
    상기 서비스 서버는 방송제공 업체로부터 실시간으로 제공받은 채널별 또는 시간대별 프로그램 정보를 저장하는 방송정보 DB;
    메모리-기반의 알고리즘(Memory-based CF)을 근간으로 하여 임의의 시청자와 임의의 프로그램과의 관계행렬을 정량화하여 산정하는 협력적 필터링 방식에 의해 실시간으로 개인화된 추천 프로그램목록을 시청자에게 제공하는 추천프로그램목록 생성 DB; 및
    기타 정보 데이터를 포함하고 있는 기타 정보 DB를 포함하는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
  3. 청구항 2에 있어서,
    상기 추천프로그램목록은 프로그램 랭크(Program Rank)에서 계산된 추천우선순위에 따라 만들어지며, 상기 프로그램 랭크는 여러 시청자가 프로그램을 선호하여 선택하고 시청하는 정보를 바탕으로 협력적 필터링(Collaborative Filtering)을 통한 집단지성(Collective Intelligence)을 기반으로 정해지는 정량화된 순위를 산정하는 알고리즘을 기반으로 하는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
  4. 청구항 2에 있어서,
    상기 추천프로그램목록은 많은 프로그램 중에서 제한된 개수의 상위 프로그램만을 포함하는 목록이며, 상기 알고리즘에서 시청자수와 프로그램수의 증가에 따른 추천프로그램목록 DB의 확장성 문제를 시청자의 시청 이력 패턴을 모델링하고, 이 모델링을 기초로 유사성(Similarity)을 계산하여 유사시청자 그룹을 선정한 후, 이 그룹 내에서 추천 알고리즘을 동작시키는 방식으로 모델링 차수를 감소시켜 나가는 방식을 채택함으로써 해결하고, 또한 시청 이력이 적은 시청자를 대상으로 하는 초기 안정화 문제(Cold Start Problem)를 해결하도록 모델-기반의 알고리즘(Model-based CF)에 베이스 이론(Bayesian Theorem)을 적용한 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
  5. 청구항 4에 있어서,
    상기 추천프로그램목록의 개수가 제한되어 있으므로 추천된 모든 재생 프로그램의 앞 부분의 일정 분량을 실시간으로 미리 상기 중계장치 또는 TV에 다운받아서 현재 방송중인 프로그램처럼 프로그램 검색 또는 선택시 바로 보여 질 수 있도록 하여 생방송과 재생 프로그램과의 이동을 빠르고 동일하게 하고, 한 재생 프로그램이 선택되면 이 프로그램의 다운 받은 나머지 부분이 재생되는 동안 이 프로그램의 앞 부분의 연결부분이 바로 이어서 재생될 수 있도록 하는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
  6. 청구항 5에 있어서,
    상기 추천프로그램목록의 추천프로그램은 제목 또는 대표이미지로 나열될 수 있으며, 리모컨의 상하버튼을 사용하여 원하는 프로그램을 선택하도록 하거나, 상기 추천목록이 사라지면 리모콘을 사용해서 상하로 움직이면 추천된 프로그램 내에서 변경기능을 통하여 선택된 프로그램이 방영 및 재생되고, 또한 추천프로그램의 변경시에 스폰서 또는 광고 프로그램 및 채널이 프로그램 변경 사이 사이에 삽입 제공되며, 상기 광고 또는 스폰서 프로그램은 강제적 또는 선택적으로 제공되며 시청자의 성향에 따라 개인화되어 제공될 수 있는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
  7. 청구항 2에 있어서,
    상기 임의의 시청자와 임의의 프로그램과의 관계행렬에서 정량화된 선호도 v를 계산하는 방법은 다음 식,
    v = 5 + 4 x (VT)/100 (10 < VT < 80)
    = 0 (VT < 10)
    = 10 (VT > 80)(여기서, VT : 시청시간 백분율 [%] 이고, 프로그램이 10% 이하를 보이면 선호도가 없다고 판단하며+, 10%가 넘어서면 일단 선호를 한다고 판단하고, 5점에서 시작하며 80% 이상을 보면 선호도가 10으로 정의함.)에 의하는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
  8. 청구항 7에 있어서,
    상기 임의의 시청자의 수를 n이라 하고, 관심대상 시청자(active user)를 Ua라 하고, 새로운 프로그램을 j라 할 때,
    상기 관심 대상 시청자 Ua의 새로운 프로그램 j에 대한 선호도 예측치 pa,j 는,
    Figure PCTKR2011004670-appb-I000003
    로 되며(여기서, k는 정규화계수, ω(a,i)는 n명의 유사시청자에 대한 가중치를 나타냄, Va는 선호도이고, V(i,j)는 시청자 Ui가 프로그램 j를 좋아하는 선호도임), ω(a,i)의 계산은 다음 식,
    Figure PCTKR2011004670-appb-I000004
    (여기서 Va,j는 시청가 Ua가 j라는 프로그램을 종아하는 선호도이다.)
    에 의해 구해지는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
  9. 청구항 2에 있어서
    상기 임의의 시청자와 임의의 프로그램간의 관계행렬의 성능이 검증된 규모의 작은 여러 개의 유사 시청자 그룹으로 행렬을 분리해나가는 방법으로 확장성을 확보하는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
  10. 청구항 9에 있어서,
    상기 임의의 시청자의 시청 패턴을 컬러 바코드 (Color Bar Code) 형태의 시청자 유전자코드(VGC : Viewer's Genetic Code)로 정의하고, 시청 유전자 코드에 대한 평균 RGB 값을 2차원 RGB 평면에 매핑시킴으로써 유사시청자 그룹화를 위한 정량적 모델링을 수립하고, 각 프로그램의 장르와 같은 메타데이터를 이용하여 프로그램을 색상값으로 정의하고, 각 시청자의 평균 시청 패턴을 주요시청시간대에 대하여 컬러바코드형태의 VGC로 정의하고, 상기와 같이 생성된 개인별 컬러바코드를 개인별 시청자유전자코드로 정의하고 색상값과 컬러바코드를 혼합한 평균 색상을 2차원 RGB 평면에 표시하여 이렇게 표시된 위치에서 임의의 시청자가 가까우면 가까울수록 유사시청자로 정의하고 멀면 멀수록 유사시청자가 아닌 것으로 정의하는 것을 특징으로 하는 협력적 필터링 알고리즘 기반의 ＩＰＴＶ 개인별 선호프로그램 추천시스템.
PCT/KR2011/004670 2010-07-02 2011-06-27 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템 WO2012002685A2 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US13/807,513 US8799936B2 (en) 2010-07-02 2011-06-27 Cooperative filtering algorithm-based personal preference program recommendation system for IPTV

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2010-0063705 2010-07-02
KR20100063705 2010-07-02
KR10-2011-0047758 2011-05-20
KR1020110047758A KR20120003362A (ko) 2010-07-02 2011-05-20 협력적 필터링 알고리즘 기반의 ｉｐｔｖ 개인별 선호프로그램 추천시스템

Publications (2)

Publication Number Publication Date
WO2012002685A2 true WO2012002685A2 (ko) 2012-01-05
WO2012002685A3 WO2012002685A3 (ko) 2012-02-23

Family

ID=45402532

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2011/004670 WO2012002685A2 (ko) 2010-07-02 2011-06-27 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템

Country Status (1)

Country Link
WO (1) WO2012002685A2 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107608990A (zh) * 2016-07-12 2018-01-19 上海视畅信息科技有限公司 一种直播个性化推荐方法
CN112740712A (zh) * 2019-10-10 2021-04-30 海信视像科技股份有限公司 接收装置、服务器、内容推荐***及内容推荐方法
CN113132749A (zh) * 2021-04-28 2021-07-16 广州虎牙科技有限公司 直播间的推荐方法、装置、设备及介质
CN114915844A (zh) * 2021-11-08 2022-08-16 海看网络科技(山东)股份有限公司 一种iptv上实现实时智能推荐的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050053345A (ko) * 2003-12-02 2005-06-08 소니 가부시끼 가이샤 정보 처리 장치 및 정보 처리 방법, 및 컴퓨터·프로그램
KR20050061548A (ko) * 2002-10-21 2005-06-22 코닌클리케 필립스 일렉트로닉스 엔.브이. 사용자 그룹 또는 사용자에게 미디어 컨텐츠를 제공하는방법 및 시스템
KR20080074681A (ko) * 2007-02-08 2008-08-13 최중인 Ｔｖ 방송 프로그램의 선호 목록 자동 생성 및 표시 방법및 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050061548A (ko) * 2002-10-21 2005-06-22 코닌클리케 필립스 일렉트로닉스 엔.브이. 사용자 그룹 또는 사용자에게 미디어 컨텐츠를 제공하는방법 및 시스템
KR20050053345A (ko) * 2003-12-02 2005-06-08 소니 가부시끼 가이샤 정보 처리 장치 및 정보 처리 방법, 및 컴퓨터·프로그램
KR20080074681A (ko) * 2007-02-08 2008-08-13 최중인 Ｔｖ 방송 프로그램의 선호 목록 자동 생성 및 표시 방법및 시스템

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107608990A (zh) * 2016-07-12 2018-01-19 上海视畅信息科技有限公司 一种直播个性化推荐方法
CN107608990B (zh) * 2016-07-12 2023-03-24 上海视畅信息科技有限公司 一种直播个性化推荐方法
CN112740712A (zh) * 2019-10-10 2021-04-30 海信视像科技股份有限公司 接收装置、服务器、内容推荐***及内容推荐方法
CN113132749A (zh) * 2021-04-28 2021-07-16 广州虎牙科技有限公司 直播间的推荐方法、装置、设备及介质
CN113132749B (zh) * 2021-04-28 2022-10-04 广州虎牙科技有限公司 直播间的推荐方法、装置、设备及介质
CN114915844A (zh) * 2021-11-08 2022-08-16 海看网络科技(山东)股份有限公司 一种iptv上实现实时智能推荐的方法
CN114915844B (zh) * 2021-11-08 2023-02-28 海看网络科技(山东)股份有限公司 一种iptv上实现实时智能推荐的方法及***

Also Published As

Publication number Publication date
WO2012002685A3 (ko) 2012-02-23

Similar Documents

Publication Publication Date Title
KR20120003362A (ko) 협력적 필터링 알고리즘 기반의 ｉｐｔｖ 개인별 선호프로그램 추천시스템
US8639826B2 (en) Providing personalized resources on-demand over a broadband network to consumer device applications
US8903863B2 (en) User interface with available multimedia content from multiple multimedia websites
US10575057B2 (en) Systems and methods for improving accuracy in media asset recommendation models
US20120317123A1 (en) Systems and methods for providing media recommendations
CN106471498B (zh) 用于使用元数据和使用数据分析的过滤技术的***和方法
KR20050085287A (ko) 유사한 시청 습관을 갖고 있는 사용자의 사용자 프로파일에기초한 비디오 콘텐트의 추천 방법
CN101888527A (zh) 推荐本地和远程内容的方法
WO2017126873A1 (en) Content selection for networked media devices
CN106471819B (zh) 用于提高媒体资产推荐模型中的精确性的***和方法
JP2012015917A (ja) コンテンツ視聴システム、コンテンツ推薦方法およびコンテンツ表示装置
US20160314410A1 (en) Systems and methods for improving accuracy in media asset recommendations based on data from one data space
Chang et al. 3PRS: a personalized popular program recommendation system for digital TV for P2P social networks
US10003836B2 (en) Systems and methods for improving accuracy in media asset recommendation models based on users&#39; levels of enjoyment with respect to media assets
US20160314404A1 (en) Systems and methods for improving accuracy in media asset recommendations based on data from multiple data spaces
WO2012002685A2 (ko) 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템
WO2011118249A1 (ja) コンテンツ推薦サーバ、コンテンツ表示端末、およびコンテンツ推薦システム
López-Nores et al. Spontaneous interaction with audiovisual contents for personalized e-commerce over Digital TV
JP2019134391A (ja) 広告配信システム、コンテンツ視聴端末、広告配信装置及びプログラム
Thawani et al. Viewing characteristics based personalized ad streaming in an interactive TV environment
JP7011122B1 (ja) 情報処理方法
JP7011121B1 (ja) 情報処理装置、情報処理方法及びプログラム
Yoon et al. TV-Anytime based personalized bi-directional metadata service system

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11801092

Country of ref document: EP

Kind code of ref document: A2

NENP Non-entry into the national phase in:

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 13807513

Country of ref document: US

122 Ep: pct application non-entry in european phase

Ref document number: 11801092

Country of ref document: EP

Kind code of ref document: A2