| 1 |
1
센싱 데이터를 이용하여 사용자의 행위를 인지하는 방법에 있어서, 사용자 스마트폰 및 웨어러블 디바이스에서 센싱 데이터를 생성하는 단계;서버에서, 상기 센싱 데이터를 수집하고, 수집된 데이터를 머신러닝 프레임워크에 적용하여, 상기 스마트폰 생성 데이터에 대한 제 1 모델, 상기 웨어러블 디바이스 생성 데이터에 대한 제 2 모델, 및 상기 스마트폰 생성 데이터와 상기 웨어러블 디바이스 생성 데이터를 통합하는 제 3 모델을 생성하는 단계;상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델 별로 피처를 추출하여 상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델 각각에 대해 사용자 행위를 추정하는 단계;상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델을 통해 추정된 행위 각각에 동일한 제 1 가중치를 적용하는 단계;상기 추정된 행위 중, 오프라인 테스트에서 미리 설정된 정확도 이하의 행위에 대해 상기 제 1 가중치보다 높은 제 2 가중치를 적용하고, 미리 설정된 정확도 이상의 행위에 대해 상기 제 1 가중치 보다 낮은 제 3 가중치를 적용하는 단계; 및행위와 무관한 디바이스를 통해 추정된 행위에 대해 가중치를 0으로 설정하고, 특정 디바이스를 통해서만 추정되는 행위의 가중치를 높여서 설정하는 단계를 포함하는 것을 특징으로 하는 사용자 행위 인지 방법
|
| 2 |
2
제 1 항에 있어서, 상기 사용자 행위를 추정하는 단계 이후에,상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델 각각에 적용하기 위한 가중치 테이블을 생성하는 단계; 및상기 가중치 테이블을 상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델을 통해 추정된 사용자 행위에 적용하는 단계를 포함하는 것을 특징으로 하는 사용자 행위 인지 방법
|
| 3 |
3
삭제
|
| 4 |
4
제 2항에 있어서, 상기 가중치 테이블을 적용하는 단계 이후에,상기 가중치가 동일한 행위에 대해서 우선 순위를 비교하는 단계를 포함하는 것을 특징으로 하는 사용자 행위 인지 방법
|
| 5 |
5
센싱 데이터를 이용하여 사용자의 행위를 인지하는 방법에 있어서, 사용자 스마트폰 및 웨어러블 디바이스에서 센싱 데이터를 생성하는 단계;서버에서, 상기 센싱 데이터를 수집하고, 수집된 데이터를 머신러닝 프레임워크에 적용하여, 상기 스마트폰 생성 데이터에 대한 제 1 모델, 상기 웨어러블 디바이스 생성 데이터에 대한 제 2 모델, 및 상기 스마트폰 생성 데이터와 상기 웨어러블 디바이스 생성 데이터를 통합하는 제 3 모델을 생성하고, 모델 별로 피처를 추출하여 상기 모델 각각에 대해 사용자 행위를 추정하는 단계;상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델 각각에 적용하기 위한 가중치 테이블을 생성하고, 상기 가중치 테이블을 상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델을 통해 추정된 사용자 행위에 적용하는 단계; 및상기 가중치가 동일한 행위에 대해서 우선 순위를 비교하는 단계를 포함하며,상기 사용자 행위에 적용하는 단계는, 상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델을 통해 추정된 행위 각각에 동일한 제 1 가중치를 적용하는 단계;상기 추정된 행위 중, 오프라인 테스트에서 미리 설정된 정확도 이하의 행위에 대해 상기 제 1 가중치보다 높은 제 2 가중치를 적용하고, 미리 설정된 정확도 이상의 행위에 대해 상기 제 1 가중치 보다 낮은 제 3 가중치를 적용하는 단계; 및행위와 무관한 디바이스를 통해 추정된 행위에 대해 가중치를 0으로 설정하고, 특정 디바이스를 통해서만 추정되는 행위의 가중치를 높여서 설정하는 단계를 포함하는 것을 특징으로 하는 사용자 행위 인지 방법
|
| 6 |
6
사용자 행위를 인지하는 시스템에 있어서, 적어도 하나 이상의 센서를 포함하는 사용자 스마트폰;적어도 하나 이상의 센서를 포함하며, 상기 사용자에 부착된 웨어러블 디바이스;상기 스마트폰 및 웨어러블 디바이스에서 생성된 센싱 데이터를 수집하여 처리하는 데이터 처리 서버; 및상기 데이터 처리 서버에서 처리된 데이터를 머신러닝 프레임워크에 적용하여, 상기 스마트폰 생성 데이터에 대한 제 1 모델, 상기 웨어러블 디바이스 생성 데이터에 대한 제 2 모델, 및 상기 스마트폰 생성 데이터와 상기 웨어러블 디바이스 생성 데이터를 통합하는 제 3 모델을 생성하고, 모델 별로 피처를 추출하여 상기 모델 각각에 대해 사용자 행위를 추정하며, 상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델 각각에 적용하기 위한 가중치 테이블을 생성하고, 상기 가중치 테이블을 상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델을 통해 추정된 사용자 행위에 적용하는 행위 인지 서버를 포함하며,상기 행위 인지 서버는,상기 제 1 모델, 상기 제 2 모델 및 상기 제 3 모델을 통해 추정된 행위 각각에 동일한 제 1 가중치를 적용하고, 상기 추정된 행위 중, 오프라인 테스트에서 미리 설정된 정확도 이하의 행위에 대해 상기 제 1 가중치보다 높은 제 2 가중치를 적용하고, 미리 설정된 정확도 이상의 행위에 대해 상기 제 1 가중치 보다 낮은 제 3 가중치를 적용하고, 행위와 무관한 디바이스를 통해 추정된 행위에 대해 가중치를 0으로 설정하고, 특정 디바이스를 통해서만 추정되는 행위의 가중치를 높여서 설정하는 것을 특징으로 하는 사용자 행위 인지 시스템
|
| 7 |
7
삭제
|
| 8 |
8
제 6항에 있어서, 상기 행위 인지 서버는,상기 가중치가 동일한 행위에 대해서 우선 순위를 비교하는 것을 특징으로 하는 사용자 행위 인지 시스템
|
