KR101111121B1 - Apparatus and method for providing personalized content based on artificial intelligence and its recording medium - Google Patents

Abstract

Translated fromKorean

인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체가 개시된다. 본 발명은 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치에 관한 것으로, 사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하여 분석하는 사용자 정보 분석부; 상기 사용자가 선택하거나 구매한 컨텐츠와 관련된 데이터를 수집하여 분석하는 컨텐츠 정보 분석부; 상기 사용자 정보 분석부 및 상기 컨텐츠 정보 분석부에서 분석된 결과를 이용하여 행태 분석 및 시간 분석을 수행하여 하나 이상의 클러스터링 클래스를 출력하는 AIRAS; 상기 출력된 클러스터링 클래스에 대응하는 컨텐츠의 정보를 컨텐츠 데이터베이스에서 추출하는 맞춤형 컨텐츠 생성부; 및 상기 클러스터링 클래스에 대응하는 사용자 그래픽 인터페이스를 구성하여 상기 컨텐츠와 함께 클라이언트에 전송하는 맞춤형 인터페이스 생성부를 포함한다. 본 발명에 의하면, 조회수, 인기도 등의 단편적인 정보에 의존하지 않고 변화하는 사용자의 취향을 반영하여 사용자의 행동 패턴을 예측함으로써, 평균적인 예측으로 알 수 없는 개별 사용자의 독특한 취향을 반영하여 컨텐츠를 추천할 수 있고, 컨텐츠 추천 서비스의 실시간성을 극대화할 수 있으며, 시간 분석을 적용하는 경우, 과거의 특정 컨텐츠가 과도하게 추천되는 것을 방지할 수 있어 컨텐츠 다양화에 기여할 수 있다.Disclosed are an apparatus and method for providing personalized content based on artificial intelligence, and a recording medium thereof. The present invention relates to a device for providing personalized personalized content based on artificial intelligence, comprising: a user information analyzer configured to collect and analyze current pattern data including login information of a user; A content information analyzer configured to collect and analyze data related to content selected or purchased by the user; AIRAS outputting one or more clustering classes by performing behavioral analysis and time analysis using the results analyzed by the user information analyzer and the content information analyzer; A customized content generation unit extracting information of content corresponding to the output clustering class from a content database; And a customized interface generator configured to configure a user graphic interface corresponding to the clustering class and transmit the same to the client together with the contents. According to the present invention, the user's behavior pattern is predicted by reflecting the changing user's taste without relying on the fragmented information such as the number of views and popularity, and the content is reflected by reflecting the unique taste of the individual user, which is not known by the average prediction. It can recommend, maximize the real-time of the content recommendation service, and when time analysis is applied, it is possible to prevent excessively recommended specific content in the past can contribute to content diversification.

Description

Translated fromKorean

인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체 {Apparatus and Method for presenting personalized contents information based on artificial intelligence, and Recording medium thereof}Apparatus and Method for presenting personalized contents information based on artificial intelligence, and Recording medium

본 발명은 통계 분석에 관한 것으로, 보다 구체적으로, 사용자의 행동 패턴을 예측하여 실시간으로 개인의 선호나 취향에 최적화된 컨텐츠 정보를 제공할 수 있는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체에 관한 것이다.The present invention relates to statistical analysis, and more particularly, an apparatus and method for providing personalized content for each individual based on artificial intelligence capable of predicting a user's behavioral pattern and providing content information optimized to an individual's preference or taste in real time, and its A recording medium.

최근, 각종 A/V 미디어의 전송 및 저장 기술의 발전으로 사용자가 접할 수 있는 컨텐츠는 기하 급수적으로 늘어나고 있다. 특히, 디지털 방송 및 초고속 인터넷 인프라가 도입되고 각종 A/V기기의 대용량화가 진행됨에 따라 사용자는 때와 장소에 구애됨 없이 수많은 컨텐츠들을 즐길 수 있게 되었다.In recent years, the content accessible to the user is increasing exponentially due to the development of various A / V media transmission and storage technologies. In particular, with the introduction of digital broadcasting and high-speed Internet infrastructure and increasing the capacity of various A / V devices, users can enjoy numerous contents regardless of time and place.

그러나, 이렇게 컨텐츠의 양이 늘어남에 따라 사용자가 원하는 것을 찾는 데 걸리는 시간과 노력도 증가하게 된다. 이를 해결하기 위해 여러 효과적인 인터페이스 기술들의 개발이 시도되고 있다. 여러 대안들 중 사용자의 성향에 기반한 컨텐츠 추천방법은 사용자의 부담을 덜어 주는 새로운 방법으로 시도되고 있지만 아직 많이 활용되고 있지는 않은 실정이다.However, as the amount of content increases, so does the time and effort required to find what the user wants. To solve this problem, various effective interface technologies have been developed. Among various alternatives, the content recommendation method based on the user's disposition is being attempted as a new method to reduce the burden on the user, but it is not used yet.

도 1은 종래의 컨텐츠 추천 시스템의 화면 및 동작과정을 나타낸 도면이다.1 is a diagram illustrating a screen and an operation process of a conventional content recommendation system.

도시된 바와 같이, 화면상에 컨텐츠 A가 디스플레이되고, 사용자의 추천 요청 시 추천 컨텐츠 목록과 각 컨텐츠의 요약 정보로 구성된 화면이 디스플레이 된다. 그 다음, 사용자가 추천 컨텐츠 목록과 각 컨텐츠의 요약 정보를 확인한 후, 소정의 선택 방법을 사용하여 원하는 컨텐츠를 선택한다. 이에, 사용자로부터 선택된 컨텐츠(예를 들어, 컨텐츠 B)가 화면에 디스플레이 된다. 즉, 사용자는 원하는 컨텐츠를 추천 시스템에서 얻어내기 위해서 컨텐츠 추천을 요청하는 과정과, 디스플레이된 추천 컨텐츠 목록을 확인하는 과정 및, 입력장치를 사용하여 원하는 컨텐츠를 선택하는 과정을 수행함으로써 원하는 컨텐츠를 시청할 수 있다.As shown, the content A is displayed on the screen, and a screen composed of a list of recommended content and summary information of each content is displayed when the user requests a recommendation. Then, the user checks the list of recommended content and summary information of each content, and then selects the desired content using a predetermined selection method. Thus, the content selected by the user (for example, content B) is displayed on the screen. That is, the user can view the desired content by performing a process of requesting content recommendation in order to obtain desired content from the recommendation system, checking a list of displayed recommended content, and selecting a desired content using an input device. Can be.

그러나, 추천 목록 화면에 제시된 컨텐츠가 사용자가 원하는 컨텐츠인지를 알기 어려우며, 추천 컨텐츠의 목록 갱신 주기가 사용자의 요구에 실시간으로 대응하지 못하며, 추천에 오류가 있을 경우 회복에 많은 시간이 걸린다는 문제점이 있다.However, it is difficult to know whether the content presented on the recommendation list screen is the content desired by the user, the list update cycle of the recommended content does not correspond to the user's request in real time, and when there is an error in the recommendation, recovery takes a long time. have.

한편, 이동통신 시스템에서는 VOD(Video On Demand), MOD(Music On Demand)와 같은 실시간 스트리밍 또는 다운로드 형태의 다양한 컨텐츠에 대한 부가 서비스를 제공하고 있다. 이때 제공되는 컨텐츠는 통신 사업자 또는 통신 사업자와 연계된 컨텐츠 제공자에 의해 생성되어, 통신 사업자가 제공하는 포탈(Potal) 서버를 통해 단말기 사용자에게 제공되고 있다. 이를 위해 통신 사업자 및 컨텐츠 제공자는 다양한 사용자들이 공통으로 관심을 가질 수 있는 컨텐츠를 주로 생성하여 포탈 서버에 등록하고, 통신 사업자의 포탈 서버는 일정 부분의 정보 이용료를 지불하는 단말기 사용자에 대해 이동통신망을 통해 서비스를 제공하게 된다.On the other hand, the mobile communication system provides an additional service for a variety of content in the form of real-time streaming or download, such as VOD (Video On Demand), MOD (Music On Demand). At this time, the provided content is generated by a communication provider or a content provider linked with the communication provider and provided to the terminal user through a portal server provided by the communication provider. To this end, service providers and content providers mainly generate contents that may be of interest to various users and register them in the portal server, and the portal server of the service provider establishes a mobile communication network for a terminal user who pays a certain portion of information usage fee. To provide services.

그런데, 무선 인터넷을 통하여 컨텐츠를 제공받는 이동통신 단말기에서 이러한 컨텐츠를 이용하기 위해 사용자는 컨텐츠 제공 서버에 접속하여 자신이 원하는 컨텐츠를 탐색하는 데 많은 시간과 통신비용을 부담하여야 한다.However, in order to use such contents in a mobile communication terminal provided with contents through the wireless Internet, a user has to pay a lot of time and communication cost to access a contents providing server and search for contents desired by the user.

또한, 종래 이동통신 단말기를 이용한 컨텐츠 관련 부가 서비스는 통신 사업자 및 컨텐츠 제공자에 의해 생성되고 서비스 되므로, 컨텐츠가 충분한 시장성을 갖기 위해서는 컨텐츠의 다양화를 기대할 수 없고, 이러한 이유로 인해 개인의 취향에 부합하는 특정 컨텐츠 서비스를 제공할 수 없는 문제점이 있다.In addition, since the content-related additional service using the conventional mobile communication terminal is generated and serviced by the communication service provider and the content provider, it is not possible to expect the diversification of the content in order to have sufficient marketability, and for this reason, There is a problem that can not provide a specific content service.

본 발명이 이루고자 하는 첫 번째 기술적 과제는 조회수, 인기도 등의 단편적인 정보에 의존하지 않고, 변화하는 사용자의 취향을 반영하여 사용자의 행동 패턴을 예측함으로써 사용자가 원하는 컨텐츠를 제시할 수 있는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치를 제공하는 데 있다.The first technical problem to be achieved by the present invention is not to rely on fragmented information such as views and popularity, but to artificial intelligence that can present content desired by a user by predicting a user's behavior pattern by reflecting a changing user's taste. It is to provide a personalized content providing device based on the individual.

본 발명이 이루고자 하는 두 번째 기술적 과제는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치에 적용되어 인기도 등의 단편적인 정보에 의존하지 않고, 변화하는 사용자의 취향을 반영하여 사용자가 원하는 컨텐츠를 제시함으로써 컨텐츠 추천 서비스의 실시간성을 극대화할 수 있는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법을 제공하는 데 있다.The second technical problem to be achieved by the present invention is applied to a device for providing personalized personalized content based on artificial intelligence, and recommends content by presenting content desired by a user reflecting a changing user's taste without relying on fragmented information such as popularity. It is to provide a personalized content providing method based on artificial intelligence that can maximize the real-time of the service.

상기의 첫 번째 기술적 과제를 이루기 위하여, 본 발명은 사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하여 분석하는 사용자 정보 분석부; 상기 사용자가 선택하거나 구매한 컨텐츠와 관련된 데이터를 수집하여 분석하는 컨텐츠 정보 분석부; 상기 사용자 정보 분석부 및 상기 컨텐츠 정보 분석부에서 분석된 결과를 이용하여 행태 분석 및 시간 분석을 수행하여 하나 이상의 클러스터링 클래스를 출력하는 AIRAS; 상기 출력된 클러스터링 클래스에 대응하는 컨텐츠의 정보를 컨텐츠 데이터베이스에서 추출하는 맞춤형 컨텐츠 생성부; 및 상기 클러스터링 클래스에 대응하는 사용자 그래픽 인터페이스를 구성하여 상기 컨텐츠와 함께 클라이 언트에 전송하는 맞춤형 인터페이스 생성부를 포함하는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치를 제공한다.In order to achieve the first technical problem, the present invention provides a user information analysis unit for collecting and analyzing the current pattern data including the user's login information; A content information analyzer configured to collect and analyze data related to content selected or purchased by the user; AIRAS outputting one or more clustering classes by performing behavioral analysis and time analysis using the results analyzed by the user information analyzer and the content information analyzer; A customized content generation unit extracting information of content corresponding to the output clustering class from a content database; And a personalized content providing device based on artificial intelligence, comprising a user interface interface configured to configure a user graphic interface corresponding to the clustering class and transmit the same to the client together with the content.

본 발명의 일 실시 예에서, 상기 사용자 정보 분석부는 맞춤형 상품 제공 장치에 연결되어, 상기 사용자가 선택하거나 구매한 상품에 대한 사용자 행태 분석 결과를 상기 맞춤형 상품 제공 장치로부터 수신하고, 상기 사용자 행태 분석 결과와 상기 현재 패턴 데이터를 클러스터링 알고리즘에 적용하여 사용자 분석을 수행한다.In an embodiment of the present disclosure, the user information analysis unit is connected to a customized product providing device to receive a user behavior analysis result for the product selected or purchased by the user from the customized product providing device, and the user behavior analysis result. User analysis is performed by applying the current pattern data to the clustering algorithm.

본 발명의 일 실시 예에서, 상기 컨텐츠 정보 분석부는 컨텐츠 랭킹 장치와 연결되어, 상기 컨텐츠 랭킹 장치가 산출하는 컨텐츠 인기 순위를 반영하는 컨텐츠 분석을 수행한다.In an embodiment of the present disclosure, the content information analyzer is connected to a content ranking device to perform content analysis reflecting the content popularity ranking calculated by the content ranking device.

본 발명의 일 실시 예에서, 상기 사용자 정보 분석부 및 상기 컨텐츠 정보 분석부로부터 상기 분석된 결과를 수신하고, 상기 분석된 결과와 함께 상기 컨텐츠 질의를 상기 AIRAS에 전달하며, 상기 AIRAS로부터 상기 클러스터링 클래스를 수신하여 상기 맞춤형 컨텐츠 생성부 및 상기 맞춤형 인터페이스 생성부에 전달하는 AIRAS 연동부를 더 포함할 수 있다.In an embodiment of the present disclosure, the analysis result is received from the user information analyzer and the content information analyzer, the content query is transmitted to the AIRAS together with the analyzed result, and the clustering class is configured from the AIRAS. The mobile terminal may further include an AIRAS interworking unit configured to receive and deliver the customized content generation unit and the customized interface generation unit.

본 발명의 일 실시 예에서, 상기 AIRAS는 상기 사용자의 속성 및 상기 컨텐츠의 속성들 사이의 관계를 설정하는 속성 매칭부; 상기 사용자의 속성 및 상기 컨텐츠의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 가치 측정부; 상기 사용자가 컨텐츠마다 머문 시간 또는 현재 시간 중 적어도 하나에 기반하여 시간 분석을 수행하여 상기 가치 측정부에서 계산된 가치에 가중치를 부여하는 시간 분석부; 및 상기 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 클러스터링 클래스를 추출하는 클러스터링부를 포함할 수 있다.According to an embodiment of the present disclosure, the AIRAS may include: an attribute matching unit configured to set a relationship between attributes of the user and attributes of the content; A value measuring unit measuring a value of each of the attributes of the user and the attributes of the content and calculating a value for the set relationship; A time analyzer for weighting the value calculated by the value measurer by performing time analysis based on at least one of a time spent by each user or a current time; And a clustering unit extracting a clustering class by applying the weighted value to a clustering algorithm.

본 발명의 다른 실시 예에서, 상기 AIRAS는 상기 사용자를 포함한 복수의 사용자들이 클릭한 대상 및 사용자들이 웹이나 네트워크에서 이동한 경로에 대한 기록을 바탕으로 상기 사용자들의 관심사에 대한 가치를 측정하며, 상기 사용자들의 공통 관심사를 측정하는 가치 측정부; 및 상기 가치 측정부에서 상기 측정된 공통 관심사가 시간 분석부에 의해 가중치가 부여되면, 가중치가 부여된 값을 바탕으로 클러스터링을 수행하는 클러스터링부를 포함한다.In another embodiment of the present invention, the AIRAS measures the value of the interests of the users based on a record of the object clicked by a plurality of users including the user and the path that the user traveled on the web or network, A value measuring unit measuring common interests of users; And a clustering unit performing clustering based on the weighted value when the measured common interest is weighted by the time analyzer in the value measuring unit.

보다 구체적으로, 상기 클라이언트는 인터넷이나 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 중 적어도 하나일 수 있다.More specifically, the client may be at least one of a desktop computer, a notebook computer, a PDA, a PMP, and a mobile phone capable of accessing the Internet or a network.

본 발명의 다른 실시 예에서, 상기 맞춤형 컨텐츠 생성부는 상기 컨텐츠를 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 포맷으로 변환한다.In another embodiment of the present invention, the customized content generation unit converts the content into a screen size, a playing time, and a format corresponding to the clustering class.

본 발명의 또다른 실시 예에서, 상기 맞춤형 컨텐츠 생성부는 상기 클라이언트로부터 상기 컨텐츠에 대한 반응을 피드백받아 상기 컨텐츠의 상기 사용자에 대한 적합성 여부를 판단한다.In another embodiment of the present disclosure, the customized content generation unit receives feedback of the content from the client to determine whether the content is appropriate for the user.

상기의 두 번째 기술적 과제를 이루기 위하여, 본 발명은 사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하여 사용자 분석을 수행하고, 사용자가 선택하거나 구매한 컨텐츠와 관련된 데이터를 수집하여 컨텐츠 분석을 수행하는 단계; 상기 사용자 분석 및 컨텐츠 분석의 결과에 기반한 행태 분석 및 시간 분석을 수행하여 하나 이상의 클러스터링 클래스를 출력하는 단계; 상기 출력된 클러스터 링 클래스에 대응하는 컨텐츠의 정보를 컨텐츠 데이터베이스에서 추출하는 단계; 및 상기 클러스터링 클래스에 대응하는 사용자 그래픽 인터페이스를 구성하여 상기 컨텐츠와 함께 클라이언트에 전송하는 단계를 포함하는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법을 제공한다.In order to achieve the second technical problem, the present invention collects current pattern data including user login information to perform user analysis, and collects data related to content selected or purchased by the user to perform content analysis. step; Outputting one or more clustering classes by performing behavioral analysis and time analysis based on the results of the user analysis and content analysis; Extracting information of content corresponding to the output clustering class from a content database; And constructing a user graphic interface corresponding to the clustering class and transmitting the same to the client together with the contents to a client.

본 발명의 일 실시 예에서, 상기 클러스터링 클래스를 출력하는 단계는 상기 사용자의 속성 및 상기 컨텐츠의 속성들 사이의 관계를 설정하는 단계; 상기 사용자의 속성 및 상기 컨텐츠의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 단계; 상기 사용자가 컨텐츠마다 머문 시간 또는 현재 시간 중 적어도 하나에 기반하여 시간 분석을 수행하여 상기 가치 측정부에서 계산된 가치에 가중치를 부여하는 단계; 및 상기 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 클러스터링 클래스를 추출하는 단계를 포함한다.In an embodiment of the present disclosure, the outputting of the clustering class may include establishing a relationship between attributes of the user and attributes of the content; Measuring a value of each of the user's attributes and the attributes of the content and calculating a value for the established relationship; Weighting the value calculated by the value measurer by performing a time analysis based on at least one of a time spent by each user or a current time; And extracting a clustering class by applying the weighted value to a clustering algorithm.

본 발명의 다른 실시 예는 상기 컨텐츠를 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 포맷으로 변환하는 단계를 더 포함한다.Another embodiment of the present invention further includes converting the content into a screen size, a playback time, and a format corresponding to the clustering class.

본 발명의 다른 실시 예에서, 상기 사용자 분석 및 컨텐츠 분석을 수행하는 단계는 상기 사용자가 선택하거나 구매한 상품에 대한 사용자 행태 분석 결과를 맞춤형 상품 제공 장치로부터 수신하고, 상기 사용자 행태 분석 결과와 상기 현재 패턴 데이터를 클러스터링 알고리즘에 적용하여 사용자 분석을 수행하는 단계를 포함한다.In another embodiment of the present disclosure, the performing of the user analysis and the content analysis may include receiving a user behavior analysis result for a product selected or purchased by the user from a customized product providing device, and analyzing the user behavior analysis result and the current Applying pattern data to the clustering algorithm to perform user analysis.

본 발명의 다른 실시 예에서, 상기 사용자 분석 및 컨텐츠 분석을 수행하는 단계는 컨텐츠 랭킹 장치가 산출하는 컨텐츠 인기 순위를 반영하는 컨텐츠 분석을 수행하는 단계를 포함한다.In another embodiment of the present disclosure, the performing of the user analysis and the content analysis includes performing a content analysis reflecting the content popularity ranking calculated by the content ranking device.

본 발명의 또다른 실시 예는 상기 클라이언트로부터 상기 컨텐츠에 대한 반응을 피드백받아 상기 컨텐츠의 상기 사용자에 대한 적합성 여부를 판단하는 단계를 더 포함한다.Another embodiment of the present invention further includes the step of determining whether the content is appropriate for the user by receiving a feedback on the content from the client.

본 발명에 의하면, 조회수, 인기도 등의 단편적인 정보에 의존하지 않고 변화하는 사용자의 취향을 반영하여 사용자의 행동 패턴을 예측함으로써, 평균적인 예측으로 알 수 없는 개별 사용자의 독특한 취향을 반영하여 컨텐츠를 추천할 수 있고, 컨텐츠 추천 서비스의 실시간성을 극대화할 수 있으며, 시간 분석을 적용하는 경우, 과거의 특정 컨텐츠가 과도하게 추천되는 것을 방지할 수 있어 컨텐츠 다양화에 기여할 수 있다.According to the present invention, the user's behavior pattern is predicted by reflecting the changing user's taste without relying on the fragmented information such as the number of views, popularity, etc. It can recommend, maximize the real-time of the content recommendation service, and when time analysis is applied, it is possible to prevent excessively recommended specific content in the past can contribute to content diversification.

이하에서는 도면을 참조하여 본 발명의 바람직한 실시 예를 설명하기로 한다. 그러나, 다음에 예시하는 본 발명의 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시 예에 한정되는 것은 아니다.Hereinafter, with reference to the drawings will be described a preferred embodiment of the present invention. However, embodiments of the present invention illustrated below may be modified in various other forms, and the scope of the present invention is not limited to the embodiments described below.

도 2a는 본 발명의 일 실시 예에 따라 인공지능에 기반한 랭킹 분석 장치(AIRAS)(100)와 연동하는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치(Customized Contents Feeding System, 이하 'CCFS')의 블록도이다.FIG. 2A is a block diagram of an individual customized content providing system (CCFS) based on artificial intelligence linked to an artificial intelligence-based ranking analysis apparatus (AIRAS) 100 according to an embodiment of the present invention. to be.

사용자 정보 분석부(210) 및 컨텐츠 정보 분석부(220)는 사용자의 로그인 정보, 사용자가 선택하거나 구매한 컨텐츠와 관련된 자료를 수집한다. 이하에서 컨텐 츠는 영화, 애니메이션, 광고 동영상, 사용자 제작 동영상, TV 컨텐츠, 이미지, 음악, 플래시 기반의 애니메이션 등을 포함한다. 사용자 정보 분석부(210) 및 컨텐츠 정보 분석부(220)와 같은 자료 수집 모듈은 AIRAS 연동부(230)를 통해 AIRAS(100)와 네트워크로 연결될 수 있다.Theuser information analyzer 210 and thecontent information analyzer 220 collect user login information and data related to content selected or purchased by the user. Hereinafter, the content includes a movie, animation, advertisement video, user-generated video, TV content, images, music, flash-based animation, and the like. The data collection module such as theuser information analyzer 210 and thecontent information analyzer 220 may be connected to the AIRAS 100 through the AIRASinterworking unit 230.

사용자 정보 분석부(210)는 현재 패턴 수집 데이터를 수신하거나 생성한다. 현재 패턴 수집 데이터는 사용자가 클릭한 대상, 사용자가 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 의미한다. 수집된 데이터는 AIRAS 연동부(230)를 통해 AIRAS(100)에 전달된다. 사용자 정보 분석부(210)에서 분석되는 것은 현재 웹이나 네트워크에 접속한 특정 사용자의 일시적인 패턴이다. 즉, 이러한 분석 결과에는 사용자의 각종 정보에 대한 히스토리가 반영되지 않는다.Theuser information analyzer 210 receives or generates current pattern collection data. The current pattern collection data refers to a record of the object clicked on by the user and the path the user has taken on the web or the network. The collected data is delivered to the AIRAS 100 through the AIRASinterlocking unit 230. Analyzed by theuser information analyzer 210 is a temporary pattern of a specific user who currently accesses the web or network. That is, the history of various information of the user is not reflected in the analysis result.

사용자 정보 분석부(210)는 개인별 맞춤형 상품 제공 장치(Customized Product Recommendation System, 이하 'CPRS')와 연결될 수 있다. CPRS는 사용자의 행동 패턴을 예측하여 실시간으로 개인의 선호나 취향에 최적화된 상품 정보를 제공한다. 본 발명의 일 실시 예에 따른 CCFS는 CPRS에서 분석된 사용자의 구매 행동 패턴, 웹 서핑 패턴 등의 정보를 수신하여 현재 컨텐츠 수집 데이터와 함께 사용자의 성향을 분석하는데 이용할 수 있다. 사용자 정보 분석부(210)는 사용자 데이터베이스(211)과 연결될 수 있다. 사용자 데이터베이스(211)는 사용자의 프로파일 정보를 저장한다. 사용자의 프로파일은 연령, 성별, 주소, 직업, 취미 등을 포함한다.Theuser information analyzer 210 may be connected to a customized product recommendation system (CPRS). CPRS predicts user behavior patterns and provides product information optimized for individual preferences and tastes in real time. CCFS according to an embodiment of the present invention can receive information such as the purchase behavior pattern, web surfing pattern of the user analyzed in the CPRS can be used to analyze the user's disposition with the current content collection data. Theuser information analyzer 210 may be connected to theuser database 211. Theuser database 211 stores profile information of the user. The user's profile includes age, gender, address, occupation, hobbies, and the like.

컨텐츠 정보 분석부(220)는 현재 컨텐츠 수집 데이터를 수신하거나 생성한 다. 현재 컨텐츠 수집 데이터는 사용자가 클릭한 컨텐츠에 대한 정보, 컨텐츠를 클릭하지 않은 경우에는 최근 유행 컨텐츠에 대한 정보 등을 포함한다. 컨텐츠 정보 분석부(220)는 컨텐츠들의 조회수 순위를 나타내는 인기 컨텐츠 데이터나 추천수가 많은 순위를 나타내는 우수 컨텐츠 데이터를 수신하여 현재 컨텐츠 수집 데이터와 함께 컨텐츠 분석에 적용한다. 이를 위해 컨텐츠 정보 분석부(220)는 컨텐츠 랭킹 장치와 연결되어 컨텐츠 랭킹 장치가 산출하는 컨텐츠 인기 순위를 수신할 수 있다. 수집된 데이터는 AIRAS 연동부(230)를 통해 AIRAS(100)에 전달된다.Thecontent information analyzer 220 receives or generates current content collection data. The current content collection data includes information about the content clicked by the user, information about the latest trending content, etc., if the content is not clicked. The contentinformation analysis unit 220 receives popular content data indicating a ranking number of views of contents or excellent content data indicating a ranking with a large number of recommendation numbers and applies the same to content analysis along with current content collection data. To this end, thecontent information analyzer 220 may be connected to the content ranking device to receive a content popularity ranking calculated by the content ranking device. The collected data is delivered to theAIRAS 100 through theAIRAS interlocking unit 230.

컨텐츠 정보 분석부(220)는 컨텐츠 데이터베이스(221)과 연결될 수 있다. 컨텐츠 데이터베이스(221)는 컨텐츠몰 사이트나 포탈 사이트에서 취급하는 모든 컨텐츠 또는 일부의 컨텐츠에 대한 프로파일 정보를 저장한다.Thecontent information analyzer 220 may be connected to thecontent database 221. Thecontent database 221 stores profile information for all or some of the contents handled by the content mall site or portal site.

AIRAS 연동부(230)는 사용자 정보 분석부(210) 및 컨텐츠 정보 분석부(220)에서 수집되고 분석된 결과와 함께 컨텐츠 질의를 질의 분석부(120)에 전달한다. AIRAS(100)는 사용자 분석의 결과와 컨텐츠 분석의 결과를 서로 매칭하여 사용자의 성향이나 선호가 어떤 종류의 컨텐츠와 대응되는지 분석한다.TheAIRAS linker 230 transmits the content query to thequery analyzer 120 along with the results collected and analyzed by theuser information analyzer 210 and thecontent information analyzer 220. TheAIRAS 100 matches the results of the user analysis with the results of the content analysis to analyze what kind of content the propensity or preference of the user corresponds to.

이하에서는 AIRAS(100)의 동작에 대해 설명한다.Hereinafter, the operation of theAIRAS 100 will be described.

질의 분석부(120)는 입력된 질의(외부 검색 엔진에서 입력되는 질의어, AIRAS 연동부(230)에서 수신되는 질의 명령 등)를 분석하여 질의 내용을 분한다. 질의 분석을 통해서 검색되어야 할 오브젝트, 시간, 관계, AIRAS(100)의 동작(분석, 입력, 검색 등)이 결정된다. 질의 분석부(120)는 인터넷 상에서의 다른 객체와 연결되는 인터페이스의 역할을 수행한다. 그러나, 당업자의 필요에 따라 질의 분석 부(120)를 생략하고, 행태 분석부(130)를 기기간 인터페이스로 사용하거나 질의 분석 기능을 행태 분석부(130)에 병합시킬 수도 있다.Thequery analyzing unit 120 analyzes the input query (a query input from an external search engine, a query command received from theAIRAS interlocking unit 230, etc.) and divides the content of the query. Through query analysis, objects, time, relations, and operations (analysis, input, search, etc.) of theAIRAS 100 are determined. Thequery analyzer 120 serves as an interface for connecting to other objects on the Internet. However, according to the needs of those skilled in the art, thequery analysis unit 120 may be omitted, and thebehavior analysis unit 130 may be used as an interface between devices, or the query analysis function may be merged into thebehavior analysis unit 130.

여기서, 질의 명령은 AIRAS(100)와 사전에 약속된 코드를 포함한다. 그러나, 네이버 기타 검색엔진과 연동하는 경우에는 약속되지 않은 코드 또는 일반적인 문장을 포함할 수 있다. 이 경우, 이를 질의 명령의 형태로 변환하는 것이 질의 분석부(120)이다. 예를 들어, AIRAS(100)에 "나는 최근 유행하는 컨텐츠 중 Top 컨텐츠를 찾고 있다." 라는 질의가 입력되면, "최근 유행", "컨텐츠 Top 검색" 등과 같은 단순화된 질의 명령이 도출될 수 있다.Here, the query command includes a code promised in advance with the AIRAS (100). However, when interworking with Naver or other search engines, it may include unscheduled code or general sentences. In this case, thequery analyzing unit 120 converts it into a form of a query command. For example,AIRAS 100, "I'm looking for the top content of the most popular content." If a query is input, a simplified query command such as "recent fashion", "content top search", and the like may be derived.

행태 분석부(130)는 사용자 정보 분석부(210) 및 컨텐츠 정보 분석부(220)에서 수집된 자료들을 미리 정의된 행태 분석 메타데이터와 매칭하여 분석한다. 오브젝트 속성 매칭부(140)는 오브젝트 별로 다양한 속성을 서로 매칭하여 측정 및 분석 한다. 가치 측정부(150)는 오브젝트의 속성 자체의 가치뿐만 아니라, 각 속성끼리의 관계에 대해 가치를 측정한다.Thebehavior analysis unit 130 analyzes the data collected by the userinformation analysis unit 210 and the contentinformation analysis unit 220 by matching the predefined behavior analysis metadata. The objectattribute matching unit 140 measures and analyzes various attributes by matching each object with each other. Thevalue measuring unit 150 measures not only the value of the attribute itself of the object but also the value of the relationship between each attribute.

시간 분석부(160)는 시간에 따른 가중치를 부여하기 위해 시간 분석 결과를 가치 측정부(150)의 결과에 반영한다.Thetime analyzer 160 reflects the time analysis result in the result of thevalue measuring unit 150 to give a weight over time.

클러스터링부(170)는 시간 분석부(160)에서 출력되는 가중치가 부여된 속성들의 가치에 따라 클러스터링을 수행한다.Theclustering unit 170 performs clustering according to the values of the weighted attributes output from thetime analyzing unit 160.

본 발명의 다른 실시 예에서, 클러스터링부(170)는 특정 사용자에 대한 분석 뿐만 아니라, 사용자들 간의 공통 관심 컨텐츠에 대한 분석을 수행한다. 이를 위해, 가치 측정부(150)는 사용자들 사이의 공통 관심사를 하나의 속성으로 설정하 여, 사용자들이 클릭한 대상, 사용자들이 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 바탕으로 사용자들 사이의 공통 관심사를 수치로 측정한다. 클러스터링부(170)는 가치 측정부(150)에서 측정된 공통 관심사가 시간 분석부(160)에 의해 시간별 가중치가 부여되면, 가중치가 부여된 값을 바탕으로 클러스터링을 수행한다. 공통 관심사를 고려한 클러스터링은 컨텐츠 추천에 있어서, 특정 개인의 성향 이외에 공통된 집단 내의 성향을 고려할 수 있다는 장점이 있다.In another embodiment of the present invention, theclustering unit 170 analyzes not only a specific user but also common interest content among users. To this end, thevalue measuring unit 150 sets common interests among users as a single property, and based on a record of a target clicked by a user, a path taken by a user on the web or a network, and the like. Measure common interests numerically. Theclustering unit 170 performs clustering based on the weighted value when the common interest measured by thevalue measuring unit 150 is weighted for each hour by thetime analyzer 160. Clustering in consideration of common interests has an advantage in that the content recommendation can consider the propensity within a common group in addition to the propensity of a particular individual.

출력부(180)는 클러스터링부(170)의 분석 결과를 사용자 정보 분석부(210) 및 컨텐츠 정보 분석부(220), 기타 인터넷 상의 디바이스에 전송한다.Theoutput unit 180 transmits the analysis result of theclustering unit 170 to theuser information analyzer 210, thecontent information analyzer 220, and other devices on the Internet.

데이터 저장 모듈(190)은 히스토리나 메타데이터를 저장 관리 한다. 데이터 저장 모듈(190)은 행태 분석부(130)의 행태 분석 결과, 클러스터링부(170)의 클러스터링 결과(예를 들어, 질의에 맞는 컨텐츠 분석 내용)을 저장한다.Thedata storage module 190 stores and manages history or metadata. Thedata storage module 190 stores the behavior analysis result of thebehavior analysis unit 130 and the clustering result (for example, content analysis contents corresponding to the query) of theclustering unit 170.

AIRAS(100)의 동작에 따른 결과로 컨텐츠 질의에 매칭되는 하나 이상의 클러스터링 클래스가 출력된다. 한편, 도 1에서는 AIRAS(100)가 AIRAS 연동부(230)와 독립된 모듈로 도시되어 있으나, 당업자의 선택에 따라 AIRAS 연동부(230)와 일체화된 모듈 형태로 제작될 수도 있다.As a result of the operation of theAIRAS 100, one or more clustering classes matching the content query are output. Meanwhile, although FIG. 1 illustrates theAIRAS 100 as an independent module from theAIRAS interlocking unit 230, theAIRAS 100 may be manufactured in the form of a module integrated with theAIRAS interlocking unit 230 according to the choice of those skilled in the art.

AIRAS 연동부(230)는 상기 클러스터링 클래스를 수신하고, 수신한 클래스를 맞춤형 컨텐츠 생성부(240) 및 맞춤형 인터페이스 생성부(250)에 전달한다.TheAIRAS interworking unit 230 receives the clustering class and transfers the received class to the customizedcontent generation unit 240 and the custominterface generation unit 250.

맞춤형 컨텐츠 생성부(240)는 상기 클래스에 따라 컨텐츠 데이터베이스(221)를 검색하여 사용자의 취향에 적합한 컨텐츠 정보를 추출한다. 맞춤형 컨텐츠 생성부(240)는 추출된 컨텐츠를 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시 간 및 포맷으로 변환할 수 있다. 컨텐츠의 화면 크기, 재생시간, 포맷 등도 사용자의 취향을 고려하여 조절해주기 위함이다.The customizedcontent generator 240 searches thecontent database 221 according to the class and extracts content information suitable for a user's taste. The customizedcontent generator 240 may convert the extracted content into a screen size, a playback time, and a format corresponding to the clustering class. This is to adjust the screen size, playback time, and format of the content in consideration of the user's taste.

맞춤형 컨텐츠 생성부(240) 클라이언트(290)로부터 상기 컨텐츠에 대한 반응을 피드백받아 상기 컨텐츠의 사용자에 대한 적합성 여부를 판단할 수 있다. 여기서, 맞춤형 컨텐츠로 제시된 컨텐츠가 사용자에 의해 선택되지 않거나 추천되지 않거나, 추천하지 않는다는 정보가 입력되는 등의 경우 해당 컨텐츠의 속성을 AIRAS(100)의 분석 과정에 반영할 수 있다.The customizedcontent generation unit 240 may receive a feedback on the content from theclient 290 to determine whether the content is suitable for the user. In this case, when the information presented as the customized content is not selected by the user, is not recommended, or is not recommended, the attribute of the corresponding content may be reflected in the analysis process of theAIRAS 100.

맞춤형 인터페이스 생성부(250)는 미리 저장된 복수의 인터페이스 중 상기 클래스에 대응하는 하나의 인터페이스를 선택한다. 또한, 맞춤형 인터페이스 생성부(250)는 선택된 인터페이스를 상기 컨텐츠 정보를 표시할 수 있는 형태로 변형할 수도 있다. AIRAS(100)에 의해 출력되는 클래스와 특정 인터페이스 사이의 대응 관계는 CCFS의 학습에 따라 결정되거나 갱신될 수 있다. 본 발명의 다른 실시 예에 따른 CCFS는 클라이언트(290)에 컨텐츠 정보 및 인터페이스를 제공한 후, 클라이언트(290)가 제공된 컨텐츠 정보를 조회하는지 여부에 따라 해당 사용자의 취향이 제공된 인터페이스에 호의적인지 판단할 수 있다. 이를 위해, 본 발명의 다른 실시 예에 따른 CCFS는 맞춤형 컨텐츠 및 맞춤형 인터페이스의 제공 이후에도 클라이언트(290)로부터의 피드백을 모니터링할 수 있다. 여기서, 클라이언트(290)는 인터넷이나 기타 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 등일 수 있다.Thecustom interface generator 250 selects one interface corresponding to the class from a plurality of pre-stored interfaces. In addition, thecustom interface generator 250 may transform the selected interface into a form capable of displaying the content information. Correspondence between the class output by theAIRAS 100 and a specific interface may be determined or updated according to learning of the CCFS. According to another embodiment of the present invention, after providing the content information and the interface to theclient 290, the CCFS determines whether the user's taste is favorable to the provided interface according to whether theclient 290 views the provided content information. Can be. To this end, the CCFS according to another embodiment of the present invention may monitor feedback from theclient 290 even after providing customized content and a customized interface. Here, theclient 290 may be a desktop computer, a notebook computer, a PDA, a PMP, a mobile phone, or the like that can access the Internet or other network.

도 2b는 상품에 기반한 사용자의 성향이나 선호에 대한 분석 결과를 제공하 는 CPRS의 상세 블록도이다.FIG. 2B is a detailed block diagram of CPRS that provides an analysis result of a user's disposition or preference based on a product.

사용자 정보 분석부(310) 및 상품 정보 분석부(220)는 사용자의 로그인 정보, 사용자가 선택하거나 구매한 상품과 관련된 자료를 수집한다. 이러한 자료 수집 모듈은 AIRAS 연동부(330)를 통해 AIRAS(100)와 네트워크로 연결될 수 있다. 현재 패턴 수집 데이터는 사용자가 클릭한 대상, 사용자가 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 의미한다. 현재 상품 수집 데이터는 사용자가 클릭한 상품에 대한 정보, 상품을 클릭하지 않은 경우에는 최근 유행 상품에 대한 정보 등을 포함한다. 수집된 데이터는 AIRAS 연동부(230)를 통해 AIRAS(100)에 전달된다.Theuser information analyzer 310 and theproduct information analyzer 220 collect user login information and data related to a product selected or purchased by the user. The data collection module may be connected to the network with theAIRAS 100 through theAIRAS interlocking unit 330. The current pattern collection data refers to a record of the object clicked on by the user and the path the user has taken on the web or the network. The current product collection data includes information about the product clicked by the user, and information on the latest trendy product if the product is not clicked. The collected data is delivered to theAIRAS 100 through theAIRAS interlocking unit 230.

사용자 정보 분석부(310)는 쇼핑몰 등의 사용자 데이터베이스(311)와 연결될 수 있다. 사용자 데이터베이스(311, 321)는 사용자의 프로파일 정보를 저장한다. 즉, 쇼핑몰 회원이나 포탈 사이트 회원의 프로파일로서 연령, 성별, 주소, 직업, 취미 등을 포함할 수 있다.Theuser information analyzer 310 may be connected to auser database 311 such as a shopping mall. Theuser databases 311 and 321 store profile information of the user. That is, the profile of the shopping mall member or the portal site member may include age, gender, address, occupation, hobby, and the like.

상품 정보 분석부(320)는 상품 데이터베이스(321)과 연결될 수 있다. 상품 데이터베이스(321)는 쇼핑몰 사이트나 각종 경매 사이트에서 취급하는 모든 상품 또는 일부의 상품에 대한 프로파일 정보를 저장한다.Theproduct information analyzer 320 may be connected to theproduct database 321. Themerchandise database 321 stores profile information about all or some of the merchandise handled by a shopping mall site or various auction sites.

AIRAS 연동부(330)는 사용자 정보 분석부(310) 및 상품 정보 분석부(320)에서 수집되고 분석된 결과와 함께 상품 질의를 AIRAS(100)에 전달한다.TheAIRAS linker 330 transmits a product query to theAIRAS 100 together with the result collected and analyzed by theuser information analyzer 310 and theproduct information analyzer 320.

AIRAS(100)는 현재 사용자의 사용자 정보 및 현재 사용자가 조회, 구매하려는 상품 정보, 현재 사용자가 조회하는 리뷰와 관련된 상품 정보 등을 이용하여 사용자의 행태를 분석하고, 사용자의 행태, 상품 정보 등을 오브젝트로 설정하여 오 브젝트마다 가지고 있는 속성별 가치를 측정하며, 속성 간의 가치를 계산하고, 여기에 시간 분석에 따른 가중치를 부여함으로써, 사용자 성향에 최적화된 클러스터링 클래스를 출력한다. 이 클러스터링 클래스는 상품 질의에 대응하는 정보로서, 현재 사용자의 성향, 행동 패턴에 어울리는 상품의 속성들을 나타내는 일종의 인덱스일 수 있다.TheAIRAS 100 analyzes the user's behavior using the current user's user information, the current user's inquiry, the product information to be purchased, and the product information related to the review viewed by the current user, and the user's behavior and product information. By setting it as an object, it measures the value of each property that has each object, calculates the value between the properties, and assigns the weight according to time analysis to output the clustering class optimized for the user's disposition. This clustering class is information corresponding to a product query, and may be a kind of index indicating attributes of a product that matches the current user's disposition and behavior pattern.

AIRAS 연동부(330)는 상기 클러스터링 클래스를 수신하고, 상기 클래스에 대응하는 사용자의 취향, 선호도, 구매 행태, 행동 패턴에 대한 정보를 본 발명의 일 실시 예에 따른 CCFS(200)에 전송한다.TheAIRAS interworking unit 330 receives the clustering class and transmits information on a taste, preference, purchase behavior, and behavior pattern of the user corresponding to the class to theCCFS 200 according to an embodiment of the present invention.

도 3은 본 발명의 또 다른 실시 예에 따라 컨텐츠몰 서버(410) 또는 포탈 서버(420)와 연동하는 CCFS의 블록도이다.3 is a block diagram of CCFS interoperating with acontent mall server 410 or aportal server 420 according to another embodiment of the present invention.

도 3에서는 복수의 클라이언트(291-299)가 인터넷을 통해 컨텐츠몰 서버(410)나 포탈 서버(420)에 접속한 경우를 가정한다. 클라이언트(291-299)는 컨텐츠몰 서버(410)나 포탈 서버(420)와 직접 접속되지 않고, 중간에 접속 서버, 캐시 서버, 중계 서버 등에 의해 간접적으로 연결될 수도 있다.In FIG. 3, it is assumed that a plurality of clients 291-299 access thecontent mall server 410 or theportal server 420 through the Internet. The clients 291-299 may not be directly connected to thecontent mall server 410 or theportal server 420, but may be indirectly connected by an access server, a cache server, a relay server, or the like.

사용자 정보 분석부(210) 및 컨텐츠 정보 분석부(220)는 컨텐츠몰 서버(410)나 포탈 서버(420)로부터 사용자의 로그인 정보, 사용자가 선택하거나 구매한 컨텐츠와 관련된 자료를 수집한다. 이러한 자료 수집 모듈은 AIRAS 연동부(230)를 통해 AIRAS(100)와 네트워크로 연결될 수 있다.Theuser information analyzer 210 and thecontent information analyzer 220 collect user login information and data related to content selected or purchased by the user from thecontent mall server 410 or theportal server 420. This data collection module may be connected to the network with theAIRAS 100 through theAIRAS interlocking unit 230.

사용자 정보 분석부(210)는 컨텐츠몰 서버(410)가 관리하는 사용자 데이터베이스(411)나 포탈 서버(420)가 관리하는 사용자 데이터베이스(421)와 연결될 수 있 다. 사용자 데이터베이스(411, 421)는 사용자의 프로파일 정보를 저장한다. 즉, 컨텐츠몰 회원이나 포탈 사이트 회원의 프로파일로서 연령, 성별, 주소, 직업, 취미 등을 포함할 수 있다.Theuser information analyzer 210 may be connected to auser database 411 managed by thecontent mall server 410 or auser database 421 managed by theportal server 420. Theuser databases 411 and 421 store user profile information. That is, the profile of the content mall member or the portal site member may include age, gender, address, occupation, hobby, and the like.

사용자 정보 분석부(210)는 CPRS(300)로부터 수신되는 사용자의 취향, 선호도, 구매 행태, 행동 패턴에 대한 정보를 현재 패턴 수집 데이터, 사용자 데이터베이스(411, 421)의 사용자의 프로파일 정보를 이용하여 사용자 분석을 수행한다. 사용자의 성향을 하나 이상의 카테고리로 분류하기 위해 AIRAS(100)에 질의하는 방식을 이용할 수도 있다.Theuser information analyzer 210 uses the current pattern collection data and the user profile information of theuser database 411 and 421 to obtain information on the taste, preference, purchase behavior, and behavior pattern of the user received from theCPRS 300. Perform user analysis. A method of querying theAIRAS 100 may be used to classify the user's disposition into one or more categories.

컨텐츠 정보 분석부(220)는 컨텐츠 랭킹 장치(430)와 연결되어 컨텐츠 랭킹 장치(430)가 산출하는 컨텐츠 인기 순위를 수신할 수 있다. 컨텐츠 정보 분석부(220)는 컨텐츠 데이터베이스(221)과 연결될 수 있다. 컨텐츠 데이터베이스(221)는 컨텐츠몰 사이트에서 취급하는 모든 컨텐츠 또는 일부의 컨텐츠에 대한 프로파일 정보를 저장한다.Thecontent information analyzer 220 may be connected to thecontent ranking device 430 to receive a content popularity ranking calculated by thecontent ranking device 430. Thecontent information analyzer 220 may be connected to thecontent database 221. Thecontent database 221 stores profile information about all or some of the contents handled by the content mall site.

컨텐츠 데이터베이스(221)는 컨텐츠몰 서버(410)가 직접 관리하는 형태일 수도 있고, 본 발명의 다른 실시 예에 따른 CCFS에 부속되는 형태일 수도 있다.Thecontent database 221 may be directly managed by thecontent mall server 410 or may be attached to a CCFS according to another embodiment of the present invention.

본 발명의 다른 실시 예에 따른 CCFS에 부속되는 형태인 경우에는 컨텐츠 데이터베이스(221)가 실제 컨텐츠몰 사이트나 포탈 사이트에서 취급하는 모든 컨텐츠를 커버할 수 없는 경우가 발생할 수 있다.In the case of being attached to the CCFS according to another embodiment of the present invention, thecontent database 221 may not cover all the contents handled by the actual content mall site or portal site.

이 경우에, CCFS는 컨텐츠몰 사이트 또는 포탈 사이트가 취급하는 컨텐츠에 대한 정보를 컨텐츠몰 서버(410)나 포탈 서버(420)로부터 수신함으로써 컨텐츠 데 이터베이스(221)를 갱신할 수 있다. 또는 CCFS는 컨텐츠몰 사이트 또는 포탈 사이트에서 취급될 수 있는 컨텐츠의 유형을 제시할 수도 있다.In this case, the CCFS may update thecontent database 221 by receiving information about the content handled by the content mall site or the portal site from thecontent mall server 410 or theportal server 420. Alternatively, the CCFS may suggest a type of content that can be handled at a content mall site or portal site.

AIRAS 연동부(230)는 사용자 정보 분석부(210) 및 컨텐츠 정보 분석부(220)에서 수집되고 분석된 결과와 함께 컨텐츠 질의를 질의 분석부(120)에 전달한다.TheAIRAS linker 230 transmits the content query to thequery analyzer 120 along with the results collected and analyzed by theuser information analyzer 210 and thecontent information analyzer 220.

AIRAS(100)는 상술한 바와 같이, 현재 사용자의 사용자 정보 및 현재 사용자가 조회, 시청, 구매하려는 컨텐츠 정보, 현재 사용자가 조회하는 리뷰와 관련된 컨텐츠 정보 등을 이용하여 사용자의 행태를 분석하고, 사용자의 행태, 컨텐츠 정보 등을 오브젝트로 설정하여 오브젝트마다 가지고 있는 속성별 가치를 측정하며, 속성 간의 가치를 계산하고, 여기에 시간 분석에 따른 가중치를 부여함으로써, 사용자 성향에 최적화된 클러스터링 클래스를 출력한다. 이 클러스터링 클래스는 컨텐츠 질의에 대응하는 정보로서, 현재 사용자의 성향, 행동 패턴에 어울리는 컨텐츠의 속성들을 나타내는 일종의 인덱스일 수 있다.As described above, theAIRAS 100 analyzes the behavior of the user by using the user information of the current user, content information that the current user wants to view, watch, and purchase, and content information related to a review that the current user views. Measure the value of each property that each object has, set the value of each property, calculate the value between the properties, and give weights according to time analysis to output the clustering class optimized for the user's disposition. . This clustering class is information corresponding to a content query, and may be a kind of index indicating attributes of content that matches the current user's disposition and behavior pattern.

AIRAS 연동부(230)는 상기 클러스터링 클래스를 수신하고, 수신한 클래스를 맞춤형 컨텐츠 생성부(240) 및 맞춤형 인터페이스 생성부(250)에 전달한다.TheAIRAS interworking unit 230 receives the clustering class and transfers the received class to the customizedcontent generation unit 240 and the custominterface generation unit 250.

맞춤형 컨텐츠 생성부(240)는 상기 클래스를 컨텐츠 데이터베이스(221)과 대비하여 사용자의 취향에 적합한 컨텐츠 정보를 추출한다.The customizedcontent generator 240 extracts content information suitable for a user's taste by comparing the class with thecontent database 221.

맞춤형 인터페이스 생성부(250)는 미리 저장된 복수의 인터페이스 중 상기 클래스에 대응하는 하나의 인터페이스를 선택하거나 난수 함수에 따라 인터페이스를 생성하되, 상기 클래스에 대응하는 인터페이스 요소를 부가하는 방식으로 맞춤형 인터페이스를 생성할 수 있다. 맞춤형 인터페이스는 화면에 표시되는 글자의 크 기, 색상, 폰트, 표시되는 메뉴의 배경색, 화면에 표시되는 객체들의 배치 형태를 사용자의 선호나 취향에 맞게 조절한 구성을 의미한다.Thecustom interface generator 250 selects one interface corresponding to the class from a plurality of pre-stored interfaces or generates an interface according to a random number function, and generates a custom interface by adding an interface element corresponding to the class. can do. The customized interface refers to a configuration in which the size, color, font, background color of the displayed menu, and the arrangement of objects displayed on the screen are adjusted to the user's preference or taste.

또한, 맞춤형 인터페이스 생성부(250)는 상기 컨텐츠 정보를 표시할 수 있는 형태로 선택된 인터페이스를 변형할 수 있다. 이 경우, 표시될 컨텐츠 정보에 적합하게 인터페이스를 변형해야 하므로 맞춤형 인터페이스 생성부(250)는 맞춤형 컨텐츠 생성부(240)의 출력을 수신한다.In addition, the customizedinterface generator 250 may modify the selected interface in a form capable of displaying the content information. In this case, since the interface needs to be modified to be suitable for the content information to be displayed, the customizedinterface generator 250 receives the output of the customizedcontent generator 240.

맞춤형 인터페이스 생성부(250)는 맞춤형 인터페이스와 맞춤형 컨텐츠를 클라이언트(291-299)에 직접 전송하거나 컨텐츠몰 서버(410) 또는 포탈 서버(420)를 경유하여 클라이언트(291-299)에 전송할 수 있다.The customizedinterface generator 250 may directly transmit the customized interface and the customized content to the client 291-299, or transmit the customized interface and the customized content to the client 291-299 via thecontent mall server 410 or theportal server 420.

클라이언트(291-299)에 맞춤형 인터페이스와 맞춤형 컨텐츠를 전송하는 경우에는 컨텐츠 중계 서버(440)나 웹캐시를 경유할 수도 있다.When transmitting the customized interface and the customized content to the client (291-299) may be via thecontent relay server 440 or the web cache.

도 4는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법의 흐름도이다.4 is a flowchart illustrating a method for providing personalized content based on artificial intelligence according to an embodiment of the present invention.

먼저, CCFS에서 사용자의 로그인 정보, 사용자가 선택하거나 구매한 컨텐츠와 관련된 자료 등을 수집하고 분석한다(S450). 상술한 바와 같이, 사용자 분석에 CPRS의 분석 결과를 반영할 수도 있다. 컨텐츠 분석을 위해 사용되는 수집 데이터는 사용자가 클릭한 컨텐츠에 대한 정보, 컨텐츠를 클릭하지 않은 경우에는 최근 유행 컨텐츠에 대한 정보 등을 포함한다. 또한, 컨텐츠 분석을 위해 컨텐츠몰 사이트나 각종 경매 사이트에서 취급하는 컨텐츠들의 프로파일 정보를 이용할 수 있다. 사용자 정보와 컨텐츠 정보의 분석 결과는 사용자의 현재 패턴에 대한 정보, 사용 자가 관심을 가지고 있는 현재 컨텐츠에 대한 정보일 수 있다.First, CCFS collects and analyzes the user's login information, data related to the content selected or purchased by the user (S450). As described above, the analysis result of CPRS may be reflected in user analysis. The collected data used for content analysis includes information about the content clicked by the user, information about the latest trending content if the content is not clicked. In addition, profile information of contents handled by a content mall site or various auction sites may be used for content analysis. The analysis result of the user information and the content information may be information about the current pattern of the user and information about the current content of which the user is interested.

다음, 위에서 분석된 결과에 매칭되는 최적 클래스를 클러스터링 장치에 질의한다(S460). 여기서, 질의가 전달되는 클러스터링 장치는 상술한 AIRAS일 수도 있고, 그 밖에 사용자의 컨텐츠와 관련한 행태를 분석하고 여기에 시간 분석에 따른 가중치를 부여하는 클러스터링 장치일 수 있다.Next, the clustering device is queried for an optimal class matching the result analyzed above (S460). Here, the clustering device to which the query is delivered may be the above-described AIRAS, or may be a clustering device that analyzes a behavior related to a content of a user and assigns a weight according to time analysis thereto.

컨텐츠 질의에 매칭되는 하나 이상의 클러스터링 클래스가 수신되면, 미리 구비된 컨텐츠 데이터베이스에서 상기 클래스에 대응하는 즉, 사용자의 선호나 취향에 어울리는 컨텐츠를 추출한다(S470).When at least one clustering class matching the content query is received, content corresponding to the class, that is, the user's preference or taste is extracted from the content database provided in advance (S470).

마지막으로, 상기 수신된 클래스에 대응하는 인터페이스를 생성하고 이를 위에서 추출한 컨텐츠와 함께 클라이언트 디바이스에 표시한다(S480). 여기서, 클라이언트 디바이스는 인터넷이나 기타 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 등일 수 있다.Finally, an interface corresponding to the received class is generated and displayed on the client device together with the extracted contents (S480). Here, the client device may be a desktop computer, a notebook computer, a PDA, a PMP, a mobile phone, or the like, which can connect to the Internet or other network.

도 5는 도 3의 최적 클래스 질의 과정(S340)의 상세 흐름도이다.FIG. 5 is a detailed flowchart of an optimal class query process S340 of FIG. 3.

먼저, 외부 통계자료 수집 모듈이나 검색 엔진으로부터 데이터를 입력받는다(S510). 이 과정은 경우에 따라 생략될 수 있다.First, data is received from an external statistical data collection module or a search engine (S510). This process may be omitted in some cases.

다음, AIRAS가 질의를 입력받는다(S520). 이 과정(S520)에서 상술한 질의 분석을 수행할 수 있다. AIRAS는 메타데이터를 이용하여 복수의 오브젝트 각각에 대응하는 복수의 속성들을 정의한다. 여기서, 복수의 오브젝트는 의류, 잡화 등의 패션 제품, 일반 생활 용품, 디지털 컨텐츠 등일 수 있다.Next, AIRAS receives a query (S520). In step S520, the above-described query analysis may be performed. AIRAS uses metadata to define a plurality of attributes corresponding to each of the plurality of objects. Here, the plurality of objects may be fashion products such as clothing and sundries, general household goods, digital content, and the like.

다음, 입력받은 질의, 사용자가 접속한 정보 제공 페이지 상에서 사용자의 반응 정보 등에 기반하여 행태 분석을 수행하여 사용자의 행동 패턴을 추출한다(S530). 정보 제공 페이지는 일반적인 웹 페이지, 네트워크 상의 문서, 이들을 연결하는 링크 페이지, 모바일 접속이 가능한 사이트 등을 포함한다. 여기서, 반응 정보는 사용자의 로그인 정보, 사용자가 리뷰를 읽은 객체에 대한 정보, 사용자가 구매한 객체에 대한 정보, 사용자의 구매 횟수 정보, 객체마다 머문 시간 정보 또는 사용자가 입력한 게시물 내용 중 적어도 하나일 수 있다. 행태 분석의 대상이 되는 정보 제공 페이지는 특정 온라인 컨텐츠몰, 특정 포탈 사이트 등이 될 수 있다. 행태 분석에 따라 추출되는 행동 패턴은 사용자의 관심도, 구매력, 구매 성향, 주활동 시간, 구매 시간, 선호 브랜드 또는 선호 날씨 등을 포함하는 정보일 수 있다.Next, the user's behavior pattern is extracted by performing a behavioral analysis based on the input query, the user's response information, etc. on the information providing page accessed by the user (S530). Informational pages include general web pages, documents on the network, link pages linking them, sites with mobile access, and the like. Here, the reaction information may include at least one of a user's login information, information on an object read by the user, information on an object purchased by the user, information on the number of purchases of the user, time spent on each object, or content posted by the user. Can be. The information providing page targeted for the behavior analysis may be a specific online content mall or a specific portal site. The behavior pattern extracted according to the behavior analysis may be information including the user's interest, purchasing power, purchase propensity, main activity time, purchase time, preferred brand, or preferred weather.

이후, 복수의 속성들 사이의 관계를 설정한다(S540). 이 과정(S540)에서, 이전에 속성들 사이에 설정된 관계에 대한 관계 히스토리 데이터에 기반하여 상기 관계를 설정할 수 있다.Thereafter, a relationship between a plurality of attributes is set (S540). In this process (S540), the relationship may be established based on relationship history data for a relationship previously set between the attributes.

다음, 정보 제공 페이지에 접속한 사용자에 대해, 복수의 속성들 각각의 가치를 측정한다. 또한, 이를 이용하여 복수의 속성들 사이의 관계에 대한 가치를 계산한다(S550).Next, for each user accessing the informational page, the value of each of the plurality of attributes is measured. In addition, the value of the relationship between the plurality of attributes is calculated using this (S550).

가치 측정이 완료되면, 사용자가 정보 제공 페이지의 객체마다 머문 시간 또는 현재 시간 등, 사용자와 관련된 각종의 시간 데이터에 기반하여 시간 분석을 수행하여 위에서 계산된 가치에 가중치를 부여한다(S560). 보다 구체적으로, 사용자에 대해 누적된 머문 시간 또는 과거 및 현재의 주요 활동 시간 중 적어도 하나를 포함하는 시간 히스토리 데이터에 기반하여 위에서 계산된 가치에 부여할 가중치를 결정할 수 있다.When the value measurement is completed, the user performs a time analysis based on various time data related to the user, such as the time stayed for each object of the information providing page or the current time, and weights the calculated value (S560). More specifically, a weight to be assigned to the value calculated above may be determined based on time history data including at least one of accumulated time for the user or past and present main activity time.

다음, 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 상기 질의에 대응하는 클러스터링 클래스를 추출한다(S570). 본 발명의 일 예에서는 클러스터링 클래스를 추출할 때, 사용자의 행동 패턴에 기반하여 데이터 마이닝을 함으로써 사용자의 취향에 보다 가까운 클러스터링 클래스를 추출할 수 있다. 본 발명의 다른 예에서는 클러스터링 클래스에 해당하는 객체(예를 들어, 쇼핑 아이템, 디지털 컨텐츠 등)을 추출할 수도 있다.Next, the clustered class corresponding to the query is extracted by applying the weighted value to the clustering algorithm (S570). In an example of the present invention, when extracting a clustering class, the clustering class closer to the user's taste may be extracted by performing data mining based on the user's behavior pattern. In another example of the present invention, an object (eg, shopping item, digital content, etc.) corresponding to a clustering class may be extracted.

본 발명의 다른 실시 예에서, 복수의 사용자들의 관심사를 측정하고 상기 관심사들 사이의 관계인 공통 관심사를 측정하는 경우, 클러스터링 클래스를 추출하는 과정(S570)은 상술한 바와 같이, 사용자들의 공통 관심사를 클러스터링 알고리즘에 적용하는 과정일 수 있다.In another embodiment of the present disclosure, when measuring interests of a plurality of users and measuring common interests that are relationships among the interests, the process of extracting a clustering class (S570) may cluster the common interests of the users as described above. It may be a process applied to an algorithm.

이후, 클러스터링 클래스를 출력하고(S580), 위에서 분석된 여러 결과들을 히스토리 데이터로서 저장한다(S590). 이 과정들(S580, S590)은 필수적인 과정이 아니므로, 당업자의 필요에 따라 생략이 가능하다.Thereafter, the clustering class is output (S580), and various results analyzed above are stored as history data (S590). These processes (S580, S590) is not an essential process, it can be omitted according to the needs of those skilled in the art.

도 6은 도 5의 시간 분석 과정(S560)의 상세 흐름도이다.FIG. 6 is a detailed flowchart of the time analysis process S560 of FIG. 5.

먼저, 현재 시간에 따른 각종 관계 데이터를 결정한다(S661). 예를 들어, 사용자가 페이지에 머문 시간, 현재 시간이 주중, 주말, 요일, 공유일/휴일인지 등 환경 변수를 계산한다.First, various relationship data according to the current time are determined (S661). For example, calculate environment variables such as the time a user stays on the page, whether the current time is weekday, weekend, day of the week, or shared / holiday.

시간 클러스터링 메타데이터를 로드하고(S662), 과거에 측정 가치와 시간을 매칭했던 시간 히스토리 데이터를 로드한다(S663). 시간 히스토리 데이터는 해당 관계나 속성이 새로 추가된 것이 아닌 경우에 사용될 수 있다.The temporal clustering metadata is loaded (S662), and the temporal history data that matches the measured value and the time in the past is loaded (S663). The time history data can be used when the relationship or attribute is not newly added.

예를 들어, 컨텐츠의 조회수에 관련되어 가치 측정을 할 경우, 총 100 점 만점에 표 1과 같이 조회수에 대한 가중치를 부여 할 수 있다.For example, if the value is measured in relation to the number of views of the content, a weight for the number of views can be given to a total of 100 points as shown in Table 1.

최근 1주일간 누적 조회수Cumulative views over last week50 점50points1주전 1주일간 누적 조회수1 week ago30 점30points2주전 1주일간 누적 조회수1 week cumulative views two weeks ago10 점10points3주전 1주일간 누적 조회수1 weekcumulative views 3 weeks ago5 점5 points4주전~2달간 누적 조회수Cumulative views from 4 weeks to 2 months5 점5 points그외의 누적 조회수Other cumulative views0 점0 points

표 1과 같이 가중치를 다르게 부여하여 조회수의 가치를 시간별로 다르게 측정할 수 있다.As shown in Table 1, the weight of the hit can be measured differently according to time.

전체 조회수의 합계로만 히트 컨텐츠를 출력 하는 경우에는 특정 시즌 동안 최대 조회수를 냈던 컨텐츠가 항상 탑 1순위에 올라올 수 있다. 그러나, 시간 히스토리 데이터를 사용하면, 시시 각각 변하는 개인의 취향을 적응적으로 트래킹할 수 있다.When the hit content is output only as the sum of the total views, the content that has the maximum number of views during a particular season may always be ranked in the top one. However, by using the time history data, it is possible to adaptively track the tastes of individuals that change from time to time.

즉, 최근 1~2주간의 조회수의 합계로만 히트 컨텐츠를 출력 하는 경우에는 특정 시즌에 최대 조회수를 냈던 컨텐츠가 순위와 관계 없이 2주후에는 순위 밖으로 밀려나게 된다. 컨텐츠의 공급자의 입장에서도 시간 히스토리 데이터를 사용함으로써 판매 가능성이 유력한 컨텐츠를 보다 정확히 판단 할 수 있다.In other words, when the hit content is output only as the sum of the number of hits in the last 1-2 weeks, the content that has the maximum number of hits in a particular season is pushed out of the rank after 2 weeks regardless of the rank. From the perspective of the content provider, the time history data can be used to more accurately determine the content that is likely to be sold.

다음, 시간 분석을 위한 필수 요소(평균, 분산, 표준편차 등)을 계산한다(S664).Next, the necessary elements (average, variance, standard deviation, etc.) for time analysis are calculated (S664).

다음, 클러스터링 메타데이터에 결정되어 있는 내용에 따라 가치 측정 자료를 시간대별로 클러스터링한다(S665). 예를 들어, 현재 사용자는 주말에 교회 관련 웹서핑을 많이하고, 5시 경에는 저녁 식사에 메뉴에 대한 검색을 많이 한다는 식의 클러스터링 결과를 얻을 수 있다.Next, the value measurement data is clustered by time zone according to the content determined in the clustering metadata (S665). For example, the current user can get a lot of church-related web surfing on weekends and a search for menus at dinner around 5 o'clock.

이후, 클러스터링 클래스별로 가중치를 계산한다(S666). 예를 들어, 현재 시간대, 오늘 요일 등 공통 변수에서 가중치가 높도록 계산할 수 있다.Thereafter, the weight is calculated for each clustering class (S666). For example, it can be calculated to have a higher weight on common variables such as the current time zone and today's day.

다음, 가중치를 양자화하고(S667), 양자화된 가중치를 가치 측정 데이터에 반영한다(S668). 이에 따라, 가치 측정 데이터에 시간 요소를 반영할 수 있다.Next, the weight is quantized (S667), and the quantized weight is reflected in the value measurement data (S668). Accordingly, the time factor can be reflected in the value measurement data.

도 6의 프로세스는 이미 측정된 가치 측정 데이터에 시간 분석 결과를 반영하는 부분이다. 현재 사용자가 회사인지 교회인지 집인지에 대한 정확한 정보를 파악할 순 없어도 사용자에 대한 행태 분석을 통해 현재 상황을 추정할 수 있으며, 추정된 결과를 가치 측정 데이터에 반영하여 현재 시간에 가장 알맞은 데이터를 추천할 수 있다.The process of FIG. 6 reflects the time analysis result in the already measured value measurement data. Even if you don't have accurate information about whether the current user is a business, church, or home, you can estimate the current situation by analyzing the user's behavior, and recommend the most appropriate data for the current time by reflecting the estimated result in the value measurement data. can do.

도 7은 도 5의 클러스터링 과정(S570)의 상세 흐름도이다.FIG. 7 is a detailed flowchart of the clustering process S570 of FIG. 5.

먼저, 오브젝트를 속성에 따라 구분 지어 데이터를 분류한다(S771).First, data is classified by classifying objects according to attributes (S771).

다음, 관계별 측정된 가치를 분석한다(S772). 분석되는 가치에는 시간 분석에 따른 가중치가 반영되어 있다.Next, the measured value for each relationship is analyzed (S772). The value analyzed reflects the weight of the time analysis.

다음, 클러스터링 알고리즘(예를 들어, K-평균(K-means) 알고리즘, 나이브 베이즈 분류 (Naive Bayes classifier) 등)을 실행하여 관계별 측정된 가치의 분석 결과를 비슷한 가치끼리 정리 한다(S773).Next, a clustering algorithm (eg, K-means algorithm, Naive Bayes classifier, etc.) is executed to organize similar analysis results of the measured values by relations (S773). .

도 9a는 K-평균 알고리즘의 예를 도시한 것이다. 먼저, 임의의 K개의 군집수를 결정하고, 각 군집에 초기치 또는 군집 중심을 1개씩 할당하여 위치 설정한다. 다음, 각각의 데이터에 대해 K개의 위치까지의 거리를 구하고 가장 가까운 군집에 소속시킨다(유클리드 거리를 이용). 이후, 군집으로 나뉘어진 데이터를 기준으로 새로운 군집 중앙의 위치를 최소가 되도록 재설정한다. 마지막으로, 새롭게 구한 군집 중앙의 위치가 기존과 동일하면 알고리즘 종료하고 다르면 두 번째부터 재수행한다. 이 과정을 통하여 K개의 군집으로 데이터를 구분하고 K값에 따라 클러스터링에 많은 영향을 받는다.9A shows an example of a K-average algorithm. First, an arbitrary number of K clusters is determined, and each cluster is located by assigning one initial value or cluster center. Next, for each data, the distances to K locations are obtained and belong to the nearest cluster (using Euclidean distance). Then, the position of the center of the new cluster is reset to the minimum based on the data divided into the clusters. Finally, if the newly obtained cluster center is the same as the existing one, the algorithm is terminated. Through this process, data is divided into K clusters and clustering is affected by K values.

도 9b는 응집적 계층 클러스터링(Hierarchical agglomerative clustering)의 예를 도시한 것이다. 여기서, 컨텐츠가 갖는 속성들 간의 관계를 이용하여 속성간의 분류가 이루어진다.9B shows an example of hierarchical agglomerative clustering. Here, classification between attributes is performed using the relation between attributes of the content.

이후, 클러스터링 알고리즘의 결과를 저장하고(S774), 정리된 결과를 통해 최종적인 클러스터링 클래스를 추출한다(S775).Thereafter, the result of the clustering algorithm is stored (S774), and the final clustering class is extracted through the cleaned up result (S775).

도 8은 본 발명의 다른 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법의 흐름도이다.8 is a flowchart illustrating a method for providing personalized content based on artificial intelligence according to another embodiment of the present invention.

먼저, CCFS에서 CPRS의 사용자 행태 분석 결과를 수신한다(S810).First, the user behavior analysis result of CPRS is received in CCFS (S810).

다음, CCFS에서 CPRS로부터 수신한 사용자 행태 분석 결과 및/또는 현재 사용자의 컨텐츠와 관련된 행동 패턴을 수집하여 사용자 분석을 수행한다(S830). 사용자 분석은 일 예로, 수신한 사용자 행태 분석 결과 및/또는 현재 사용자의 컨텐츠와 관련된 행동 패턴을 AIRAS에 질의하여 AIRAS가 클러스터링을 수행하게 함으로써 사용자가 어떤 카테고리(클래스)에 속하는지를 확인하는 방식으로 이루어 질 수 있다.Next, the user behavior analysis result and / or the behavior pattern related to the content of the current user received from the CPRS in CCFS to collect the user analysis (S830). For example, user analysis may be performed by querying AIRAS on a received user behavior analysis result and / or a behavioral pattern related to the content of the current user so that AIRAS performs clustering to determine which category (class) the user belongs to. Can lose.

다음, CCFS에서 컨텐츠 분석을 수행하고, 분석된 결과(사용자 분석 결과, 컨텐츠 분석 결과)에 매칭되는 최적 클래스를 클러스터링 장치에 질의한다(S860).Next, content analysis is performed in CCFS, and the clustering device is queried for an optimal class matching the analyzed result (user analysis result, content analysis result) (S860).

컨텐츠 질의에 매칭되는 하나 이상의 클러스터링 클래스가 수신되면, 미리 구비된 컨텐츠 데이터베이스에서 상기 클래스에 대응하는 즉, 사용자의 선호나 취향에 어울리는 컨텐츠를 추출한다(S870). 이 과정에서, 클래스의 종류에 따라 컨텐츠를 변형/변환할 수도 있다. 즉, 추출된 컨텐츠를 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 포맷으로 변환할 수 있다. 컨텐츠의 화면 크기, 재생시간, 포맷 등도 사용자의 취향을 고려하여 조절해주는 것이다.When one or more clustering classes matching the content query are received, content corresponding to the class, that is, the user's preference or taste, is extracted from the content database provided in advance (S870). In this process, the content may be transformed / converted according to the type of class. That is, the extracted content may be converted into a screen size, a playback time, and a format corresponding to the clustering class. The screen size, playback time, and format of the content are also adjusted in consideration of the user's taste.

다음, CCFS가 맞춤형 인터페이스 및 맞춤형 컨텐츠를 클라이언트 디바이스에 제공한 후, 사용자의 행동이나 컨텐츠에 대한 반응을 모니터링한다(S880). 여기서, 클라이언트 디바이스는 인터넷이나 기타 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 등일 수 있다. 모니터링 결과는 다음번 컨텐츠 추천에 반영하도록 한다(S880).Next, after the CCFS provides the customized interface and the customized content to the client device, the user monitors the user's behavior or response to the content (S880). Here, the client device may be a desktop computer, a notebook computer, a PDA, a PMP, a mobile phone, or the like, which can connect to the Internet or other network. The monitoring result is reflected in the next content recommendation (S880).

마지막으로, 사용자에 추천된 컨텐츠, 모니터링 결과 등을 히스토리 파일로 하여 저장해둔다(S890).Finally, the content recommended for the user, the monitoring result, and the like are stored as a history file (S890).

도 10a 내지 10d는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법을 실제 컨텐츠 제공 사이트에 적용한 예이다.10A to 10D are examples of applying a personalized content providing method based on artificial intelligence according to an embodiment of the present invention to an actual content providing site.

도 10a는 사용자 성향이나 선호도에 가장 근접하는 음악 컨텐츠만을 추출하여 컨텐츠의 정보를 화면에 표시한 예이다. 이때, 컨텐츠의 정보를 표시함에 있어서, 사용자의 성향이나 선호도에 대응하는 배경 이미지를 사용할 수도 있다. 컨텐츠의 정보에 각 컨텐츠에 대한 간단한 코멘트(인기도, 제작자 정보, 전문가 리뷰, 컨텐츠 재생 시간 등)가 부가될 수도 있다.FIG. 10A illustrates an example of extracting only music content closest to a user's disposition or preference and displaying information of the content on a screen. In this case, in displaying the content information, a background image corresponding to the user's disposition or preference may be used. Simple comments (popularity, creator information, expert review, content playback time, etc.) for each content may be added to the information of the content.

도 10b는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법을 사용자가 제작한 컨텐츠에 연동한 예이다.10B illustrates an example in which a method for providing personalized content based on artificial intelligence according to an embodiment of the present invention is linked to content produced by a user.

왼쪽에는 사용자가 선호는 분야(예를 들어, 패션)에서 사용자의 성향(예를 들어, 유행 지향적, 진취적)에 따른 컨텐츠들의 리스트가 표시된다. 리스트에는 컨텐츠의 제목, 간단한 설명, 출처, 추천 정도 등이 표시된다. 또한, 오른쪽의 "컨텐츠 직접 제시"에는 해당 사용자가 가장 선호하는 것으로 판단되는 컨텐츠를 자동으로 재생한다. 도 10b에서는 CPRS에 대한 분석에서 해당 사용자가 특정 브랜드의 자동차를 선호하는 것으로 분석되었다고 가정하였다. 사용자는 자신에게 추천된 컨텐츠 외에 가장 인기가 있는 컨텐츠들을 "실시간 이유 동영상" 리스트에서 확인할 수도 있다.On the left side, a list of contents according to the user's propensity (eg, fashion-oriented, enterprising) in the field (eg, fashion) that the user prefers is displayed. The list shows the title, short description, source, and recommendation of the content. In addition, the "present content directly" on the right side automatically plays the content which is determined to be most preferred by the user. In FIG. 10B, it is assumed that the analysis of CPRS shows that the user prefers a specific brand of car. The user may check the most popular contents in addition to the contents recommended to the user in the "real time reason video" list.

도 10c는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법을 상품 리뷰 컨텐츠에 연동한 예이다.10C illustrates an example in which a method for providing personalized content based on artificial intelligence according to an embodiment of the present invention is linked to product review content.

본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법은 상업용 컨텐츠 뿐만 아니라, 사용자의 취향에 맞는 상품에 대한 상품 리뷰도 추천할 수 있다.The method for providing personalized content for each individual based on artificial intelligence according to an embodiment of the present invention may recommend a product review for a product suitable for a user's taste as well as commercial content.

도 10d는 사용자의 성향이나 선호도에 따라 인터페이스를 구성하고 구성된 인터페이스에 맞춤형 컨텐츠를 표시하는 예를 도시한 것이다. 특히, 인터페이스의 디자인 뿐만 아니라, 화면 메뉴의 구성을 사용자의 성향에 매칭시킬 수도 있다.FIG. 10D illustrates an example of configuring an interface according to a user's preference or preference and displaying customized content on the configured interface. In particular, not only the design of the interface, but also the configuration of the screen menu may be matched to the user's disposition.

본 발명은 소프트웨어를 통해 실행될 수 있다. 바람직하게는, 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법을 컴퓨터에서 실행시키기 위한 프로그램을 컴퓨터로 읽을 수 있는 기록매체에 기록하여 제공할 수 있다. 소프트웨어로 실행될 때, 본 발명의 구성 수단들은 필요한 작업을 실행하는 코드 세그먼트들이다. 프로그램 또는 코드 세그먼트들은 프로세서 판독 가능 매체에 저장되거나 전송 매체 또는 통신망에서 반송파와 결합된 컴퓨터 데이터 신호에 의하여 전송될 수 있다.The invention can be implemented via software. Preferably, a method for providing personalized content based on artificial intelligence according to an embodiment of the present invention may be provided by recording a program for executing on a computer in a computer-readable recording medium. When implemented in software, the constituent means of the present invention are code segments that perform the necessary work. The program or code segments may be stored on a processor readable medium or transmitted by a computer data signal coupled with a carrier on a transmission medium or network.

컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는 ROM, RAM, CD-ROM, DVD±ROM, DVD-RAM, 자기 테이프, 플로피 디스크, 하드 디스크(hard disk), 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.Computer-readable recording media include all kinds of recording devices that store data that can be read by a computer system. Examples of the computer readable recording medium include ROM, RAM, CD-ROM, DVD 占 ROM, DVD-RAM, magnetic tape, floppy disk, hard disk, optical data storage, and the like. The computer readable recording medium can also be distributed over network coupled computer devices so that the computer readable code is stored and executed in a distributed fashion.

본 발명은 도면에 도시된 일 실시 예를 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시 예의 변형이 가능하다는 점을 이해할 것이다. 그리고, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.Although the present invention has been described with reference to one embodiment shown in the drawings, this is merely exemplary, and it will be understood by those skilled in the art that various modifications and variations may be made therefrom. And, such modifications should be considered to be within the technical protection scope of the present invention. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.

본 발명은 사용자의 행동 패턴을 예측하여 실시간으로 개인의 선호나 취향에 최적화된 컨텐츠 정보를 제공할 수 있는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법에 관한 것으로, 컨텐츠 제공 사이트, 컨텐츠 판매를 위한 포탈 사이트, 컨텐츠 제공 사이트 등에 적용되는 통계 분석 모듈, 시장 분석 모듈 등에 적용될 수 있고, 모바일과 기존 유선 망을 연결하여 개인화된 데이터를 생성하는 분석 모듈로 사용될 수도 있다.The present invention relates to an apparatus and method for providing personalized content for each individual based on artificial intelligence that can provide content information optimized for individual preferences or tastes in real time by predicting a user's behavior pattern. It can be applied to statistical analysis module, market analysis module applied to portal site, content providing site, etc., or can be used as an analysis module for generating personalized data by connecting mobile and existing wired network.

도 1은 종래의 컨텐츠 추천 시스템의 화면 및 동작과정을 나타낸 도면이다.1 is a diagram illustrating a screen and an operation process of a conventional content recommendation system.

도 2a는 본 발명의 일 실시 예에 따라 인공지능에 기반한 랭킹 분석 장치(AIRAS)와 연동하는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치의 블록도이다.FIG. 2A is a block diagram of an apparatus for providing personalized content based on artificial intelligence, which interworks with an artificial intelligence-based ranking analysis apparatus (AIRAS) according to an embodiment of the present invention.

도 2b는 상품에 기반한 사용자의 성향이나 선호에 대한 분석 결과를 제공하는 CPRS의 상세 블록도이다.FIG. 2B is a detailed block diagram of CPRS providing an analysis result of a user's disposition or preference based on a product.

도 3은 본 발명의 또 다른 실시 예에 따라 컨텐츠몰 서버 또는 포탈 서버와 연동하는 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치의 블록도이다.3 is a block diagram of an apparatus for providing personalized personalized content based on artificial intelligence interworking with a content mall server or a portal server, according to another exemplary embodiment.

도 4는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법의 흐름도이다.4 is a flowchart illustrating a method for providing personalized content based on artificial intelligence according to an embodiment of the present invention.

도 5는 도 3의 최적 클래스 질의 과정의 상세 흐름도이다.5 is a detailed flowchart of an optimal class query process of FIG. 3.

도 6은 도 5의 시간 분석 과정의 상세 흐름도이다.6 is a detailed flowchart of the time analysis process of FIG. 5.

도 7은 도 5의 클러스터링 과정의 상세 흐름도이다.7 is a detailed flowchart of the clustering process of FIG. 5.

도 8은 본 발명의 다른 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법의 흐름도이다.8 is a flowchart illustrating a method for providing personalized content based on artificial intelligence according to another embodiment of the present invention.

도 9a는 K-평균 알고리즘의 예를 도시한 것이고, 도 9b는 클러스터링의 예를 도시한 것이다.FIG. 9A shows an example of a K-average algorithm, and FIG. 9B shows an example of clustering.

도 10a 내지 10d는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법을 실제 컨텐츠 제공 사이트에 적용한 예이다.10A to 10D are examples of applying a personalized content providing method based on artificial intelligence according to an embodiment of the present invention to an actual content providing site.

Claims (14)

Translated fromKorean

사용자의 로그인 정보, 상기 사용자가 클릭한 대상, 또는 상기 사용자가 웹이나 네트워크에서 이동한 경로를 포함하는 현재 패턴 수집 데이터로부터 상기 사용자의 구매 성향을 포함하는 사용자 속성을 추출하는 사용자 정보 분석부;A user information analyzer extracting a user attribute including a purchase tendency of the user from current pattern collection data including login information of the user, a target clicked by the user, or a path taken by the user on the web or network;상기 사용자가 선택하거나 구매한 컨텐츠와 관련된 데이터로부터 상기 컨텐츠의 종류 및 재생 시간을 포함하는 컨텐츠 속성을 추출하고, 상기 사용자가 컨텐츠를 선택하지 않은 경우에는 조회수 또는 추천수가 가장 많은 컨텐츠와 관련된 데이터로부터 상기 컨텐츠 속성을 추출하는 컨텐츠 정보 분석부;Extracts a content attribute including the type and the playback time of the content from data related to the content selected or purchased by the user; and if the content is not selected by the user, from the data related to the content with the highest number of views or recommendations A content information analyzer extracting content attributes;상기 사용자 속성 및 상기 컨텐츠 속성 사이의 관계를 설정하는 속성 매칭부;An attribute matching unit for setting a relationship between the user attribute and the content attribute;상기 사용자 속성이 추출되는 빈도값에 해당하는 제1가치를 측정하고 상기 컨텐츠 속성이 추출되는 빈도값에 해당하는 제2가치를 측정하고, 상기 제1가치 및 제2가치를 이용하여 상기 설정된 관계에 대한 척도에 해당하는 관계 가치를 계산하는 가치 측정부;Measure a first value corresponding to a frequency value at which the user attribute is extracted, a second value corresponding to a frequency value at which the content attribute is extracted, and measure the first value and the second value at the set relationship using the first value and the second value A value measurer that calculates a relationship value corresponding to the measure for the;상기 사용자의 활동 시간, 상기 사용자가 컨텐츠마다 머문 시간 및 현재 시간에 기반하여 시간 분석을 수행하여 상기 관계 가치에 상기 시간 분석에 따른 가중치를 부여하는 시간 분석부;A time analyzer configured to perform a time analysis based on the activity time of the user, the time the user stayed for each content, and the current time to give weight to the relationship value according to the time analysis;상기 가중치가 부여된 관계 가치에 기반하여 제공하고자 하는 컨텐츠들을 클러스터링하여 클러스터링 클래스를 추출하는 클러스터링부;A clustering unit which clusters contents to be provided based on the weighted relationship value and extracts a clustering class;상기 클러스터링 클래스에 대응하는 컨텐츠의 정보를 컨텐츠 데이터베이스에서 추출하는 맞춤형 컨텐츠 생성부; 및A customized content generation unit extracting information of content corresponding to the clustering class from a content database; And상기 클러스터링 클래스에 대응하는 사용자 그래픽 인터페이스를 구성하여 상기 컨텐츠와 함께 클라이언트에 전송하는 맞춤형 인터페이스 생성부를 포함하고,A custom interface generator configured to configure a user graphic interface corresponding to the clustering class and transmit the same to the client together with the contents;상기 시간 분석부는 가중치와 시간을 매칭하는 시간 히스토리 데이터를 이용하여 상기 시간 분석에 따른 가중치를 부여하고,The time analyzer applies weights according to the time analysis by using time history data that matches weights and time,상기 가치 측정부는 사용자들 사이의 공통 관심사를 하나의 속성으로 설정하여, 상기 사용자들이 클릭한 대상, 상기 사용자들이 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 바탕으로 상기 사용자들 사이의 공통 관심사를 수치로 측정하고,The value measuring unit sets common interests among users as a single property, and calculates common interests among the users based on a record of the object clicked on by the user, a path taken by the users on the web or the network, and the like. Measured with상기 클러스터링부는 상기 가치 측정부에서 측정된 공통 관심사에 시간별 가중치가 부여되면, 상기 가중치가 부여된 값을 바탕으로 클러스터링을 수행하고,The clustering unit performs clustering based on the weighted value when the weighted time is added to the common interest measured by the value measuring unit.상기 제2가치는 상기 사용자가 컨텐츠를 선택하거나 구매한 시간별로 가치를 다르게 부여하되, 가장 최근에 조회된 컨텐츠에 대하여 가치가 높게 설정되는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치.The second value is assigned to the value different for each time the user selected or purchased the content, characterized in that the value is set to a high value for the most recently viewed content, artificial intelligence-based personalized content providing device.삭제delete제1항에 있어서,The method of claim 1,상기 사용자 정보 분석부는The user information analysis unit맞춤형 상품 제공 장치에 연결되어, 상기 사용자가 선택하거나 구매한 상품에 대한 사용자 행태 분석 결과를 상기 맞춤형 상품 제공 장치로부터 수신하고, 상기 사용자 행태 분석 결과와 상기 현재 패턴 수집 데이터를 클러스터링 알고리즘에 적용하여 상기 사용자 속성을 추출하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치.A user behavior analysis result for the product selected or purchased by the user, received from the customized product providing device, and applying the user behavior analysis result and the current pattern collection data to a clustering algorithm; Apparatus for providing personalized content for each individual based on artificial intelligence, comprising: extracting user attributes.제1항에 있어서,The method of claim 1,상기 컨텐츠 정보 분석부는The content information analysis unit컨텐츠 랭킹 장치와 연결되어, 상기 컨텐츠 랭킹 장치가 산출하는 컨텐츠 인기 순위를 반영하는 컨텐츠 분석을 수행하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치.Connected to a content ranking device, characterized in that to perform a content analysis reflecting the ranking of the content popularity calculated by the content ranking device, characterized in that the personalized content providing device based on artificial intelligence.삭제delete제1항에 있어서,The method of claim 1,상기 맞춤형 컨텐츠 생성부는The custom content generation unit상기 컨텐츠를 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 포맷으로 변환하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치.And converting the content into a screen size, a playing time, and a format corresponding to the clustering class.제1항에 있어서,The method of claim 1,상기 맞춤형 컨텐츠 생성부는The custom content generation unit상기 클라이언트로부터 상기 컨텐츠에 대한 반응을 피드백받아 상기 컨텐츠의 상기 사용자에 대한 적합성 여부를 판단하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치.And receiving feedback of the response from the client to determine the suitability of the content to the user.유선 또는 무선으로 통신망에 연결된 분석 장치가 사용자 분석 결과에 따라 컨텐츠를 제공하는 방법에 있어서,In the method of providing the content according to the user analysis result by the analysis device connected to the communication network by wire or wireless,상기 분석 장치에서 사용자의 로그인 정보, 상기 사용자가 클릭한 대상, 또는 상기 사용자가 웹이나 네트워크에서 이동한 경로를 포함하는 현재 패턴 수집 데이터로부터 상기 사용자의 구매성향을 포함하는 사용자 속성을 추출하고, 상기 사용자가 선택하거나 구매한 컨텐츠와 관련된 데이터로부터 상기 컨텐츠의 종류 및 재생시간을 포함하는 컨텐츠 속성을 추출하고, 상기 사용자가 컨텐츠를 선택하지 않은 경우에는 조회수 또는 추천수가 가장 많은 컨텐츠와 관련된 데이터로부터 상기 컨텐츠 속성을 추출하는 단계;Extracting a user attribute including a purchase tendency of the user from current pattern collection data including login information of the user, a target clicked by the user, or a path taken by the user on the web or network; Extracts a content attribute including the type and the playback time of the content from data related to the content selected or purchased by the user, and, if the content is not selected by the user, the content from the data related to the content with the highest number of views or recommendations. Extracting an attribute;상기 사용자 속성 및 상기 컨텐츠 속성 사이의 관계를 설정하는 단계;Establishing a relationship between the user attribute and the content attribute;상기 사용자 속성이 추출되는 빈도값에 해당하는 제1가치를 측정하고 상기 컨텐츠 속성이 추출되는 빈도값에 해당하는 제2가치를 측정하고, 상기 제1가치 및 제2가치를 이용하여 상기 설정된 관계에 대한 척도에 해당하는 관계 가치를 계산하는 단계;Measure a first value corresponding to a frequency value at which the user attribute is extracted, a second value corresponding to a frequency value at which the content attribute is extracted, and measure the first value and the second value at the set relationship using the first value and the second value Calculating a relationship value corresponding to the measure for the;상기 사용자의 활동 시간, 상기 사용자가 컨텐츠마다 머문 시간 및 현재 시간에 기반하여 시간 분석을 수행하여 상기 관계 가치에 상기 시간 분석에 따른 가중치를 부여하는 단계;Performing a time analysis based on the activity time of the user, the time the user stays for each content, and the current time to give the relationship value a weight according to the time analysis;상기 분석 장치에서 상기 가중치가 부여된 관계 가치에 기반하여 제공하고자 하는 컨텐츠들을 클러스터링하여 클러스터링 클래스를 추출하는 단계;Extracting a clustering class by clustering contents to be provided based on the weighted relation value in the analysis device;상기 클러스터링 클래스에 대응하는 컨텐츠의 정보를 컨텐츠 데이터베이스에서 추출하는 단계; 및Extracting information of content corresponding to the clustering class from a content database; And상기 클러스터링 클래스에 대응하는 사용자 그래픽 인터페이스를 구성하여 상기 컨텐츠와 함께 클라이언트에 전송하는 단계를 포함하고,Constructing a user graphic interface corresponding to the clustering class and transmitting the same to the client together with the contents;상기 가중치를 부여하는 단계는,The assigning weights may include:가중치와 시간을 매칭하는 시간 히스토리 데이터를 이용하여 상기 시간 분석에 따른 가중치를 부여하는 단계이고,Assigning a weight according to the time analysis using time history data matching a weight and time,상기 제2가치는 상기 사용자가 컨텐츠를 선택하거나 구매한 시간별로 가치를 다르게 부여하되, 가장 최근에 조회된 컨텐츠에 대하여 가치가 높게 설정되고,The second value is assigned a different value for each time the user selects or purchases the content, but the value is set high for the most recently viewed content.사용자들 사이의 공통 관심사를 하나의 속성으로 설정하여, 상기 사용자들이 클릭한 대상, 상기 사용자들이 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 바탕으로 상기 사용자들 사이의 공통 관심사를 수치로 측정하고,By setting common interests among users as a property, the common interests among the users are measured numerically based on the record of the object clicked on by the users, the path of the users traveling on the web or the network, and the like.상기 측정된 공통 관심사에 시간별 가중치가 부여되면, 상기 가중치가 부여된 값을 바탕으로 클러스터링을 수행하는 단계를 더 포함하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법.If the weighted time is given to the measured common interest, further comprising the step of performing clustering based on the weighted value, AI-based personalized content providing method.삭제delete제8항에 있어서,The method of claim 8,상기 클라이언트에 전송하는 단계는Sending to the client상기 분석 장치에서 상기 사용자 그래픽 인터페이스를 구성한 후에, 상기 컨텐츠를 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 포맷으로 변환하는 단계를 더 포함하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법.After configuring the user graphic interface in the analysis device, converting the content into a screen size, a playback time, and a format corresponding to the clustering class, wherein the personalized content providing method based on artificial intelligence is provided. .제8항에 있어서,The method of claim 8,상기 사용자 분석 및 컨텐츠 분석을 수행하는 단계는The step of performing the user analysis and content analysis상기 사용자가 선택하거나 구매한 상품에 대한 사용자 행태 분석 결과를 맞춤형 상품 제공 장치로부터 수신하고, 상기 사용자 행태 분석 결과와 상기 현재 패턴 수집 데이터를 클러스터링 알고리즘에 적용하여 상기 사용자 속성을 추출하는 단계를 포함하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법.Receiving a user behavior analysis result for a product selected or purchased by the user from a customized product providing device, and extracting the user attribute by applying the user behavior analysis result and the current pattern collection data to a clustering algorithm; Characterized in that, personalized content providing method based on artificial intelligence.제8항에 있어서,The method of claim 8,상기 사용자 분석 및 컨텐츠 분석을 수행하는 단계는The step of performing the user analysis and content analysis컨텐츠 랭킹 장치가 산출하는 컨텐츠 인기 순위를 반영하는 컨텐츠 분석을 수행하는 단계를 포함하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법.And performing content analysis reflecting the content popularity ranking calculated by the content ranking device.제8항에 있어서,The method of claim 8,상기 컨텐츠를 상기 클라이언트에 전송한 후에, 상기 분석 장치에서 상기 클라이언트로부터 상기 컨텐츠에 대한 반응을 피드백받아 상기 컨텐츠의 상기 사용자에 대한 적합성 여부를 판단하는 단계를 더 포함하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 방법.And after transmitting the content to the client, receiving the feedback of the content from the client in response to the content of the client, and determining whether the content is suitable for the user. Based on personalized content provision method.제8항, 또는 제10항 내지 제13항 중 어느 한 항의 방법을 컴퓨터 시스템에서 실행하기 위한 프로그램이 기록된, 컴퓨터 시스템이 판독할 수 있는 기록매체.A computer-readable recording medium having recorded thereon a program for executing the method of any one of claims 8 or 10 to 13 in a computer system.

Images