公开(公告)号：KR1020090046353A

公开(公告)日：2009-05-11

申请号：KR1020070112449

申请日：2007-11-06

Applicant: 숭실대학교산학협력단

Inventor： 이수원 ,  이동복

IPC: H04N21/466 ,  H04N21/25

CPC classification number: H04N21/4668 ,  G06Q50/20

Abstract: 본 발명은 개인 맞춤형 다중 추천 방법 학습을 이용하여 추천 성능을 향상시키기 위한 방법으로서, 유사 사용자의 군집 선호도를 이용한 추천 방법과 사용자 개인의 이력정보와 디지털 컨텐츠의 속성 정보를 활용한 내용 기반 추천 방법을 학습기간과 사용자별로 동시에 적용한 후 추천 정확도가 높은 방법을 적용하는 방법에 관한 것이다. 본 발명은 사용자의 인구통계학적 정보를 기반으로 군집을 생성하는 1단계; 생성된 군집원들의 컨텐츠 이력 히스토리로부터 군집의 선호도를 추출하는 2단계; 컨텐츠 속성별로 각 사용자의 컨텐츠 이용 빈도수와 시간 비율을 정규화하는 3단계; 사용자 모델 정보에서 프로그램 속성별 선호도 값을 학습주기 단위로 갱신하는 4단계; 사용자 모델 정보로부터 추천하고자 하는 프로그램 속성에 대한 선호도 값을 추출하고, 속성에 대한 선호도 값을 다양한 추천 방법에 의하여 해당 프로그램의 선호도를 계산하여 추천 방법을 평가하고 결정하는 과정을 학습하는 5단계를 포함한다.
다중 추천 방법 학습, 개인 맞춤형 추천, DTV 프로그램 추천

公开(公告)号：KR101143508B1

公开(公告)日：2012-05-09

申请号：KR1020070112449

申请日：2007-11-06

Applicant: 숭실대학교산학협력단

Inventor： 이수원 ,  이동복

IPC: H04N21/466 ,  H04N21/25

Abstract: 본 발명은 개인 맞춤형 다중 추천 방법 학습을 이용하여 추천 성능을 향상시키기 위한 방법으로서, 유사 사용자의 군집 선호도를 이용한 추천 방법과 사용자 개인의 이력정보와 디지털 컨텐츠의 속성 정보를 활용한 내용 기반 추천 방법을 학습기간과 사용자별로 동시에 적용한 후 추천 정확도가 높은 방법을 적용하는 방법에 관한 것이다. 본 발명은 (a) 학습 시작시점으로부터 제1일정시간이 경과한 시점인 제1기준시간 동안 스테레오 타입에 의한 제1선호도 값을 산출하는 단계; (b) 상기 제1기준시간 이후 제2일정시간이 경과한 시점인 제2기준시간 동안 콘텐츠 속성별 선호도에 가중치를 더한 제2선호도 값을 산출하는 단계; 및 (c) 상기 제2기준시간 이후 학습기간이 종료되는 시점인 제3기준시간 동안 콘텐츠 속성별 선호도를 곱하여 제3선호도 값을 산출하는 단계;를 포함하고, 상기 학습기간의 경과에 대응하여 상기 제1선호도, 제2선호도 및 제3선호도 값을 순차적으로 최종 선호도 값으로 결정한다.
다중 추천 방법 학습, 개인 맞춤형 추천, DTV 프로그램 추천