1 |
1
사용자로부터 하나 이상의 추천 뉴스 각각에 대한 뉴스 저장 신호 및 뉴스 삭제 신호가 입력되는 사용자 인터페이스부;상기 사용자 인터페이스부로부터의 상기 뉴스 저장 신호와, 상기 뉴스 삭제 신호에 따라, 상기 하나 이상의 추천 뉴스 각각을 저장 뉴스와 삭제 뉴스로 분류하는 행동 탐지부;상기 저장 뉴스를 이용하여 긍정 프로파일을 생성하고, 상기 삭제 뉴스를 이용하여 부정 프로파일을 생성하며, 상기 긍정 프로파일 및 상기 부정 프로파일에 기초하여 상기 사용자에 대한 상태 정보 프로파일을 갱신하는 프로파일 갱신부; 및상기 상태 정보 프로파일에 기초하여 뉴스들 중에서 사용자에게 추천할 뉴스를 추출하는 뉴스 추천부를 포함하는 뉴스 추천 시스템
|
2 |
2
제1 항에 있어서,상기 프로파일 갱신부는,상기 저장 뉴스를 이용하여 긍정 프로파일을 생성하는 긍정 프로파일 산출부;상기 삭제 뉴스를 이용하여 부정 프로파일을 산출하는 부정 프로파일 산출부;상기 긍정 프로파일 및 상기 부정 프로파일에 기초하여 상기 사용자에 대한 상태 정보 프로파일을 산출하는 상태 정보 프로파일 산출부; 및산출된 상기 상태 정보 프로파일과 이전의 상태 정보 프로파일을 이용하여 상태 정보 프로파일을 갱신하는 상태 정보 프로파일 갱신부를 포함하는 뉴스 추천 시스템
|
3 |
3
제2 항에 있어서,상기 긍정 프로파일 산출부는 용어 빈도 역문서 빈도(term frequency inverse document frequency)를 이용하여 상기 저장 뉴스의 단어 가중치 값을 산출하여 상기 긍정 프로파일을 산출하고,상기 부정 프로파일 산출부는 용어 빈도 역문서 빈도(term frequency inverse document frequency)를 이용하여 상기 삭제 뉴스의 단어 가중치 값을 산출하여 상기 부정 프로파일을 산출하는 뉴스 추천 시스템
|
4 |
4
제3 항에 있어서,상기 긍정 프로파일의 상기 단어 가중치 값은 양수의 가중치 벡터로서 표현되고,상기 부정 프로파일의 상기 단어 가중치 값은 음수의 가중치 벡터로서 표현되는 뉴스 추천 시스템
|
5 |
5
제4 항에 있어서,상기 상태 정보 프로파일 산출부는 상기 긍정 프로파일의 상기 양수의 가중치 벡터와, 상기 부정 프로파일의 상기 음수의 가중치 벡터를 합한 값을 상기 상태 정보 프로파일로 결정하는 뉴스 추천 시스템
|
6 |
6
제2 항에 있어서,상기 상태 정보 프로파일 갱신부는 산출된 상기 상태 정보 프로파일의 단어 가중치 값과 상기 이전의 상태 정보 프로파일의 단어 가중치 값의 평균값을 산출하여 상기 상태 정보 프로파일을 갱신하는 뉴스 추천 시스템
|
7 |
7
제1 항에 있어서,상기 프로파일 갱신부는,사용자에게 추천되는 뉴스의 개수가 증가하면, 상기 긍정 프로파일의 단어 수를 줄이고 상기 부정 프로파일의 단어 수를 증가시키며,사용자에게 추천되는 뉴스의 개수가 감소하면, 상기 긍정 프로파일의 단어 수를 증가시키고 상기 부정 프로파일의 단어 수를 감소시키는 뉴스 추천 시스템
|
8 |
8
제1 항에 있어서,상기 뉴스 추천부는,각 뉴스의 단어들 각각에 대하여 단어 가중치를 산출하는 단어 가중치 산출부;상기 단어 가중치와, 상기 상태 정보 프로파일의 유사도를 산출하는 유사도 산출부; 및상기 유사도에 기초하여 각 뉴스에 대해 사용자에게 추천할 뉴스인지를 판단하는 적합도를 산출하는 뉴스 적합도 판단부를 포함하는 뉴스 추천 시스템
|
9 |
9
제8 항에 있어서,상기 유사도 산출부는,상기 단어 가중치와, 상기 상태 정보 프로파일의 단어 가중치 값 사이의 벡터 내적의 합을 산출하여 상기 유사도를 산출하는 뉴스 추천 시스템
|
10 |
10
사용자로부터 하나 이상의 추천 뉴스 각각에 대한 뉴스 저장 신호 및 뉴스 삭제 신호가 입력되는 단계;상기 사용자 인터페이스부로부터의 상기 뉴스 저장 신호와, 상기 뉴스 삭제 신호에 따라, 상기 하나 이상의 추천 뉴스 각각을 저장 뉴스와 삭제 뉴스로 분류하는 단계;상기 저장 뉴스를 이용하여 긍정 프로파일을 생성하고, 상기 삭제 뉴스를 이용하여 부정 프로파일을 생성하며, 상기 긍정 프로파일 및 상기 부정 프로파일에 기초하여 상기 사용자에 대한 상태 정보 프로파일을 갱신하는 단계; 및상기 상태 정보 프로파일에 기초하여 뉴스들 중에서 사용자에게 추천할 뉴스를 추출하는 단계를 포함하는 뉴스 추천 방법
|
11 |
11
제10 항에 있어서,상기 상태 정보 프로파일을 갱신하는 단계는,상기 저장 뉴스를 이용하여 긍정 프로파일을 생성하는 단계;상기 삭제 뉴스를 이용하여 부정 프로파일을 산출하는 단계;상기 긍정 프로파일 및 상기 부정 프로파일에 기초하여 상기 사용자에 대한 상태 정보 프로파일을 산출하는 단계; 및산출된 상기 상태 정보 프로파일과 이전의 상태 정보 프로파일을 이용하여 상태 정보 프로파일을 갱신하는 단계를 포함하는 뉴스 추천 방법
|
12 |
12
제11 항에 있어서,상기 긍정 프로파일의 상기 단어 가중치 값은 양수의 가중치 벡터로서 표현되고,상기 부정 프로파일의 상기 단어 가중치 값은 음수의 가중치 벡터로서 표현되는 뉴스 추천 방법
|
13 |
13
제12 항에 있어서,상기 상태 정보 프로파일을 산출하는 단계는 상기 긍정 프로파일의 상기 양수의 가중치 벡터와, 상기 부정 프로파일의 상기 음수의 가중치 벡터를 합한 값을 상기 상태 정보 프로파일로 결정하는 뉴스 추천 방법
|
14 |
14
제10 항에 있어서,상기 상태 정보 프로파일을 갱신하는 단계는,사용자에게 추천되는 뉴스의 개수가 증가하면 상기 긍정 프로파일의 단어 수를 줄이고 상기 부정 프로파일의 단어 수를 증가시키고, 상기 사용자에게 추천되는 뉴스의 개수가 감소하면 상기 긍정 프로파일의 단어 수를 증가시키고 상기 부정 프로파일의 단어 수를 감소시키는 단계를 포함하는 뉴스 추천 방법
|
15 |
15
제10 항에 있어서,상기 뉴스를 추출하는 단계는,각 뉴스의 단어들 각각에 대하여 단어 가중치를 산출하는 단계;상기 단어 가중치와, 상기 상태 정보 프로파일의 유사도를 산출하는 단계; 및상기 유사도에 기초하여 각 뉴스에 대해 사용자에게 추천할 뉴스인지를 판단하는 적합도를 산출하는 단계를 포함하는 뉴스 추천 방법
|
16 |
16
제10 항 내지 제15 항 중 어느 한 항에 기재된 방법을 실행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
|