1 |
1
사용자의 상태 정보를 구성하는 컨텍스트별 서비스들이 쌍으로 구성되며, 각각의 쌍에 대해 학습값이 기록되는 사용자 모델이 저장된 사용자 모델 데이터베이스;
사용자에 의해 선택된 서비스 정보를 수집하는 서비스 정보 수집부;
사용자의 상태 정보를 수집하는 상태 정보 수집부; 및
사용자에 의해 선택된 서비스 정보와 사용자의 서비스 이용시의 상태 정보를 기반으로 사용자의 서비스 이용 패턴을 학습하고, 학습 결과에 따라 상기 사용자 모델에서 해당하는 적어도 하나의 컨텍스트-서비스 쌍에 대한 학습값을 갱신하는 학습부;
를 포함하는 것을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
2 |
2
제1항에 있어서,
상기 상태 정보를 이루는 컨텍스트들 중 적어도 하나는, 위치, 시간, 액티비티 정보 중 하나임을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
3 |
3
제1항에 있어서,
다수의 컨텍스트들, 각 컨텍스트의 속성, 및 다수의 서비스들에 대한 정보가 정의된 컨텍스트 프로파일이 저장된 컨텍스트 프로파일부;를 더 포함하며,
상기 학습부는, 상기 컨텍스트 프로파일부에 저장된 컨텍스트 프로파일에 기반하여 상기 사용자 모델을 구성하고 학습 결과에 따라 해당하는 컨텍스트-서비스 쌍에 대한 학습값을 갱신함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
4 |
4
제3항에 있어서,
상기 컨텍스트 프로파일부는, 도메인별 대응되는 컨텍스트 프로파일이 저장되며,
상기 학습부는, 상기 사용자의 서비스 이용시의 상태 정보를 가지고 도메인을 결정하며, 결정된 도메인에 대응되는 컨텍스트 프로파일을 이용함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
5 |
5
제1항에 있어서,
상기 상태 정보 수집부에 의해 수집된 사용자의 현재 상태에 따라 상기 사용자 모델로부터 사용자가 이용할 것으로 예측되는 서비스 예측 테이블을 생성하고, 생성된 서비스 예측 테이블에 따라 서비스를 추천하는 추천부;
를 더 포함하는 것을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
6 |
6
제5항에 있어서,
상기 추천부는, 서비스별로 사용자의 현재 상태에 속하는 컨텍스트들에 기록된 모든 학습값을 합하고, 그 결과를 나타내는 서비스 예측 테이블을 생성함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
7 |
7
제6항에 있어서,
상기 추천부는, 사용자의 현재 상태를 나타내는 컨텍스트 각각에 대해 가중치를 달리하여 컨텍스트-서비스 쌍에 기록된 학습값에 반영하여 서비스 예측 테이블을 생성함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
8 |
8
제7항에 있어서,
상기 추천부는, 상기 사용자 모델을 가지고 컨텍스트 각각에 대한 가중치를 나타내는 이득 값을 산출하고, 산출된 컨텍스트별 이득 값을 상기 사용자의 현재 상태를 나타내는 컨텍스트별 가중치로써 해당 컨텍스트-서비스 쌍에 기록된 학습값에 반영함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
9 |
9
제7항에 있어서,
사용자별 컨텍스트 각각에 대한 가중치 정보가 저장된 사용자 프로파일부;를 더 포함하며,
상기 추천부는, 상기 사용자 프로파일부에 저장된 컨텍스트별 가중치를 해당 컨텍스트-서비스 쌍에 기록된 학습값에 반영함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
10 |
10
제9항에 있어서,
상기 사용자 프로파일부에 저장된 컨텍스트들에 대한 가중치 정보는 서비스별로 저장됨을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
11 |
11
제5항에 있어서,
상기 학습부는, 상기 추천된 서비스에 대한 사용자의 이용 여부를 학습하여 상기 사용자 모델에 반영함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
12 |
12
제11항에 있어서,
상기 학습부는, 사용자가 능동적으로 서비스를 선택한 경우의 제1보상값, 사용자가 사용자가 추천된 서비스를 긍정한 경우의 제2보상값, 및 사용자가 추천된 서비스를 부정한 경우의 제3보상값 중 해당되는 보상값으로 상기 사용자 모델의 해당 학습값을 갱신함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
13 |
13
제11항에 있어서,
다수의 컨텍스트들, 각 컨텍스트의 속성, 다수의 서비스들, 및 상기 사용자 모델의 학습값을 갱신하기 위해 이용되는 적어도 하나의 보상값에 대한 정보가 정의되며, 도메인별로 일대일 대응되는 컨텍스트 프로파일들이 저장된 컨텍스트 프로파일부;를 더 포함하며,
상기 학습부는, 상기 사용자의 서비스 이용시의 상태 정보를 가지고 도메인을 결정하며, 결정된 도메인에 대응되는 컨텍스트 프로파일에 기반하여 상기 사용자 모델을 구성하고 학습 결과에 따라 해당 보상값으로 해당하는 컨텍스트-서비스 쌍에 대한 학습값을 갱신함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
14 |
14
제13항에 있어서,
상기 보상값들은 도메인별로 대응되는 컨텍스트 프로파일에 다르게 설정됨을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
15 |
15
제13항에 있어서,
상기 컨텍스트 프로파일에 정의된 보상값은 사용자가 서비스를 능동적으로 선택한 경우의 제1보상값, 사용자가 추천된 서비스를 긍정한 경우의 제2보상값, 및 사용자가 추천된 서비스를 부정한 경우의 제3보상값이며,
상기 학습부는, 상기 사용자가 서비스 정보를 능동적으로 선택한 경우는 상기 제1보상값으로 상기 사용자 모델을 갱신하고, 상기 사용자가 추천된 서비스를 긍정한 경우는 제2보상값으로 상기 사용자 모델을 갱신하며, 상기 사용자가 추천된 서비스를 부정한 경우는 제3보상값으로 상기 사용자 모델을 갱신함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 장치
|
16 |
16
사용자에 의해 선택된 서비스 정보와 사용자의 서비스 선택시의 적어도 하나의 컨텍스트로 이루어지는 상태 정보를 수집하는 단계;
상기 수집된 정보를 기반으로 사용자의 서비스 이용 패턴을 학습하는 단계; 및
학습 결과에 따라 컨텍스트별 서비스 쌍으로 구성되는 사용자 모델에서 해당되는 컨텍스트-서비스 쌍에 대한 학습값을 갱신하는 단계;
를 포함하는 것을 특징으로 하는 사용자 서비스 이용 패턴 모델링 방법
|
17 |
17
제16항에 있어서,
상기 학습 단계 이전에 상기 수집된 상태 정보를 가지고 도메인을 결정하는 단계;를 더 포함하며,
상기 학습값을 갱신하는 단계는, 상기 결정된 도메인에 대응되는 컨텍스트 프로파일에 정의된 보상값을 이용하여 해당되는 컨텍스트-서비스 쌍에 대한 학습값을 갱신함을 특징으로 하는 사용자 서비스 이용 패턴 모델링 방법
|
18 |
18
제16항에 있어서,
상기 학습 단계 이전에 상기 결정된 도메인에 대응되는 컨텍스트 프로파일을 해석하여 상기 컨텍스트 프로파일에 정의된 적어도 하나의 컨텍스트-서비스 쌍이 상기 사용자 모델에 구성되어 있는지 확인하는 단계; 및
상기 사용자 모델에 구성되어 있지 않으면, 해당 컨텍스트-서비스 쌍을 상기 사용자 모델에 추가로 구성하는 단계;
를 더 포함하는 것을 특징으로 하는 사용자 서비스 이용 패턴 모델링 방법
|
19 |
19
제16항에 있어서,
사용자의 현재 상태에 따라 상기 사용자 모델로부터 사용자가 이용할 것으로 예측되는 서비스 예측 테이블을 생성하는 단계; 및
상기 생성된 서비스 예측 테이블에 따라 서비스를 추천하는 단계;
를 더 포함하는 것을 특징으로 하는 사용자 서비스 이용 패턴 모델링 방법
|
20 |
20
제19항에 있어서,
상기 추천된 서비스에 대한 사용자의 이용 여부를 피드백 받는 단계; 및
상기 피드백 결과에 따라 상기 사용자 모델에서 해당되는 컨텍스트-서비스 쌍에 대한 학습값을 갱신하는 단계;
를 더 포함하는 것을 특징으로 하는 사용자 서비스 이용 패턴 모델링 방법
|