| 1 |
1
단말에서 이용되는 복수의 어플리케이션을 미리 설정된 기준에 따라 복수의 카테고리로 분류하는 제 1 단계;복수의 사용자의 상기 단말 사용과 관련된 복수의 데이터를 수집하는 제 2 단계;상기 복수의 데이터를 상기 복수의 어플리케이션 각각의 단위로 구분하여 제 1 데이터를 생성하는 제 3 단계;상기 제 1 데이터를 상기 복수의 카테고리 각각의 단위로 축소하여 제 2 데이터를 생성하는 제 4 단계;상기 제 2 데이터를 이용하여 상기 복수의 사용자의 상기 단말 사용과 관련된 패턴을 추출하는 제 5 단계;상기 제 1 단계 내지 제 5 단계를 반복하여 복수의 패턴을 추출함으로써, 상기 복수의 사용자의 단말 과의존 여부를 판단하기 위한 모델(model)을 생성하는 제 6 단계;상기 복수의 사용자 중 제 1 사용자와 관련된 제 3 데이터를 수집하는 제 7 단계;상기 모델 및 상기 제 3 데이터를 이용하여 상기 제 1 사용자의 상기 단말 과의존 여부를 판단하는 제 8 단계;를 포함하는 단말 과의존 예측 방법
|
| 2 |
2
제 1항에 있어서,상기 복수의 카테고리는 SNS, Health/exercise, Game, Education, Transportation, Finance, Weather, Decoration, Tool/Productivity, Lifestyle, Business, Pictures, Shopping, System, Entertainment 및 Web을 포함하는 것을 특징으로 하는 단말 과의존 예측 방법
|
| 3 |
3
제 1항에 있어서,상기 제 3 단계에서,상기 복수의 데이터를 상기 복수의 어플리케이션 각각의 단위로 사용량 및 사용 시간 팩터(factor)로 구분하여 상기 제 1 데이터를 생성하는 것을 특징으로 하는 단말 과의존 예측 방법
|
| 4 |
4
제 1항에 있어서,상기 제 4 단계는,상기 복수의 어플리케이션을 상기 복수의 카테고리로 묶어서 구분하는 제 4-1 단계;상기 복수의 카테고리 중 동일한 카테고리에 속하는 적어도 하나의 어플리케이션의 데이터를 합치는 제 4-2 단계;를 포함하는 것을 특징으로 하는 단말 과의존 예측 방법
|
| 5 |
5
제 1항에 있어서,상기 제 5 단계에서 추출되는 패턴은,상기 복수의 사용자의 상기 단말의 하루 총 사용량 중 상기 복수의 카테고리 각각이 사용되는 양의 비율을 나타내는 것을 특징으로 하는 단말 과의존 예측 방법
|
| 6 |
6
제 1항에 있어서,상기 모델이 복수인 경우,상기 제 7 단계와 상기 제 8 단계 사이에는,상기 제 3 데이터를 이용하여, 상기 복수의 모델 중 상기 제 1 사용자에 적용할 제 1 모델을 선택하는 제 7-5 단계를 더 포함하고,상기 제 8 단계에서,상기 제 1 모델 및 상기 제 3 데이터를 이용하여 상기 제 1 사용자의 상기 단말 과의존 여부를 판단하는 것을 특징으로 하는 단말 과의존 예측 방법
|
| 7 |
7
제 1항에 있어서,상기 제 1 사용자의 상기 단말 과의존 여부를 상기 제 1 사용자에게 전송하거나 디스플레이부를 통해 표시하는 제 9 단계;를 더 포함하는 것을 특징으로 하는 단말 과의존 예측 방법
|
| 8 |
8
단말에서 이용되는 복수의 어플리케이션을 미리 설정된 기준에 따라 복수의 카테고리로 분류하고, 복수의 사용자의 상기 단말 사용과 관련된 복수의 데이터를 수집하며, 상기 복수의 데이터를 상기 복수의 어플리케이션 각각의 단위로 구분하여 제 1 데이터를 생성하고, 상기 제 1 데이터를 상기 복수의 카테고리 각각의 단위로 축소하여 제 2 데이터를 생성하며, 상기 제 2 데이터를 이용하여 상기 복수의 사용자의 상기 단말 사용과 관련된 패턴을 추출하는 패턴 추출부;상기 패턴 추출부의 동작을 반복하도록 제어하여 복수의 패턴을 추출함으로써, 상기 복수의 사용자의 단말 과의존 여부를 판단하기 위한 모델(model)을 생성하는 벡터 생성부; 및상기 복수의 사용자 중 제 1 사용자와 관련된 제 3 데이터를 수집하고, 상기 모델 및 상기 제 3 데이터를 이용하여 상기 제 1 사용자의 상기 단말 과의존 여부를 판단하는 예측부;를 포함하는 단말 과의존 예측 장치
|
| 9 |
9
제 8항에 있어서,상기 복수의 카테고리는 SNS, Health/exercise, Game, Education, Transportation, Finance, Weather, Decoration, Tool/Productivity, Lifestyle, Business, Pictures, Shopping, System, Entertainment 및 Web을 포함하는 것을 특징으로 하는 단말 과의존 예측 장치
|
| 10 |
10
제 8항에 있어서,상기 패턴 추출부는, 상기 복수의 데이터를 상기 복수의 어플리케이션 각각의 단위로 사용량 및 사용 시간 팩터(factor)로 구분하여 상기 제 1 데이터를 생성하는 것을 특징으로 하는 단말 과의존 예측 장치
|
| 11 |
11
제 8항에 있어서,상기 패턴 추출부는,상기 복수의 어플리케이션을 상기 복수의 카테고리로 묶어서 구분하고, 상기 복수의 카테고리 중 동일한 카테고리에 속하는 적어도 하나의 어플리케이션의 데이터를 합치는 것을 특징으로 하는 단말 과의존 예측 장치
|
| 12 |
12
제 8항에 있어서,상기 추출되는 패턴은,상기 복수의 사용자의 상기 단말의 하루 총 사용량 중 상기 복수의 카테고리 각각이 사용되는 양의 비율을 나타내는 것을 특징으로 하는 단말 과의존 예측 장치
|
| 13 |
13
제 8항에 있어서,상기 모델이 복수인 경우,상기 벡터 생성부는, 상기 제 3 데이터를 이용하여, 상기 복수의 모델 중 상기 제 1 사용자에 적용할 제 1 모델을 선택하고, 상기 제 1 모델 및 상기 제 3 데이터를 이용하여 상기 제 1 사용자의 상기 단말 과의존 여부를 판단하는 것을 특징으로 하는 단말 과의존 예측 장치
|
| 14 |
14
제 8항에 있어서,상기 제 1 사용자의 상기 단말 과의존 여부를 상기 제 1 사용자에게 전송하는 무선통신부; 및 상기 단말 과의존 여부를 표시하는 디스플레이부; 중 적어도 하나를 더 포함하는 것을 특징으로 하는 단말 과의존 예측 장치
|
