[go: up one dir, main page]

KR20100052896A - Mehod and system for recommending intelligent contents according to user - Google Patents

Mehod and system for recommending intelligent contents according to user Download PDF

Info

Publication number
KR20100052896A
KR20100052896A KR1020080111780A KR20080111780A KR20100052896A KR 20100052896 A KR20100052896 A KR 20100052896A KR 1020080111780 A KR1020080111780 A KR 1020080111780A KR 20080111780 A KR20080111780 A KR 20080111780A KR 20100052896 A KR20100052896 A KR 20100052896A
Authority
KR
South Korea
Prior art keywords
content
user
recommendation
users
score
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
KR1020080111780A
Other languages
Korean (ko)
Other versions
KR101022886B1 (en
Inventor
배영인
최준균
최상현
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020080111780A priority Critical patent/KR101022886B1/en
Publication of KR20100052896A publication Critical patent/KR20100052896A/en
Application granted granted Critical
Publication of KR101022886B1 publication Critical patent/KR101022886B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템을 제공한다. 지능형 콘텐츠 추천 방법은 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색하는 단계와, 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 단계와, 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산하는 단계 및 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 단계를 포함한다.An intelligent content recommendation method and system according to a user is provided. The intelligent content recommendation method includes searching for the content usage history of the users and the evaluation scores of the users on the content, classifying the users into groups according to the searched content usage history and the user's evaluation score on the content; And calculating a recommendation score for new content in the categorized group and recommending content for each group user to the user according to the calculated recommendation score.

Description

사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템{MEHOD AND SYSTEM FOR RECOMMENDING INTELLIGENT CONTENTS ACCORDING TO USER}Intelligent content recommendation method and system by user {MEHOD AND SYSTEM FOR RECOMMENDING INTELLIGENT CONTENTS ACCORDING TO USER}

본 발명은 사용자의 콘텐츠 소비 또는 평가에 따른 지능형 콘텐츠 추천 방법 및 시스템에 관한 것으로, 더욱 상세하게는 인터넷 콘텐츠 서비스에서 콘텐츠를 사용한 사용자들의 콘텐츠 소비 목록 및 사용자들에 의해 기입된 콘텐츠의 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천하는 지능형 콘텐츠 추천 방법 및 시스템에 관한 것이다. The present invention relates to a method and system for intelligent content recommendation according to a user's content consumption or evaluation. More particularly, the present invention relates to a content consumption list of users who have used content in an Internet content service and an evaluation score of content written by users. An intelligent content recommendation method and system for classifying users into groups, calculating a recommendation score for each group, and recommending content for each group user to be recommended to each group user.

일반적으로 콘텐츠(contents)는 유무선 전기 통신망에서 사용하기 위해 문자, 부호, 음성, 음향, 이미지, 영상 등을 디지털 방식으로 제작하여 처리 유통되는 각종 정보 또는 그 내용을 통틀어 이르는 개념이다. 이러한 콘텐츠는 크게 디지털 콘텐츠와 멀티미디어 콘텐츠로 구분된다. 디지털 콘텐츠는 구입, 결제, 이용에 이르기까지 모든 네트워크와 퍼스널 컴퓨터를 통해 이루어지기 때문에 기존의 통신 판매 범위를 훨씬 뛰어넘어 전자상거래의 새로운 형태로 확고한 자리를 잡았고 갈수록 시장 수요도 확대되고 있는 추세이다. 멀티미디어 콘텐츠는 콤팩트디스 크, CD-ROM, 비디오 테이프 등에 담긴 사진, 미술, 음악, 영화, 게임 등 읽기 전용의 다중매체 저작물과 광대역 통신망이나 고속 데이터망을 통해 양방향으로 송수신되는 각종 정보 또는 내용물, 디지털화되어 정보기기를 통해 제작, 판매, 이용되는 정보 등을 말한다. In general, content is a concept that digitally produces characters, codes, voice, sound, images, images, and the like for use in wired / wireless telecommunication networks, and processes various types of information or its contents. Such content is largely divided into digital content and multimedia content. Digital content is delivered through all networks and personal computers, from purchases to payments to use, so that it is far beyond traditional telesales and has established itself as a new form of e-commerce, and market demand is growing. Multimedia contents are digital contents, such as photographs, art, music, movies, and games on compact discs, CD-ROMs, video tapes, etc., and various information or contents transmitted and received in both directions through broadband or high-speed data networks. It refers to information produced, sold, and used through information equipment.

인터넷 콘텐츠 서비스는 인터넷을 통해 접속된 사용자의 요청에 따라 각종 콘텐츠를 제공하는 서비스이다. 이러한 인터넷 콘텐츠 서비스에서는 콘텐츠를 사용한 사용자들이 사용 후기 또는 평가 점수를 부여하여 다른 사용자가 콘텐츠를 선택할 때 참고할 수 있도록 한다.The Internet content service is a service that provides various contents at the request of a user connected via the Internet. In such an Internet content service, users who use the content give a testimonial score or a rating score so that other users can refer to the content when selecting the content.

하지만 종래 콘텐츠 추천 방법은 단순하게 콘텐츠를 사용한 사용자들에 의한 사용 후기 또는 평가 점수만을 제공하므로 자신과 취향이 전혀 다른 사람이 작성한 사용 후기나 평가 점수만을 보고 콘텐츠를 사용하였다가 실망하거나 불만을 토로하는 문제점이 발생한다.However, the conventional content recommendation method simply provides testimonials or evaluation scores by users who use the content, so they are disappointed or dissatisfied when they use the content based only on testimonials or testimonials written by completely different users. A problem occurs.

본 발명은 인터넷 콘텐츠 서비스에서 콘텐츠를 사용하는 사용자들에 의한 콘텐츠 소비 목록 및 콘텐츠에 대한 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천하는 지능형 콘텐츠 추천 방법 및 시스템을 제공한다.The present invention categorizes users into groups according to content consumption lists and evaluation scores by users using content in the Internet content service, calculates recommendation scores for each group, and recommends the content to group users. Provides intelligent content recommendation method and system to recommend it.

본 발명의 일실시예에 따른 지능형 콘텐츠 추천 방법은 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색하는 단계와, 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 단계와, 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산하는 단계 및 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 단계를 포함한다. Intelligent content recommendation method according to an embodiment of the present invention comprises the steps of retrieving the content usage history for the user and the user's evaluation score for the content, according to the searched content usage history and the user's evaluation score for the content Classifying users by group, calculating a recommendation score for new content in the classified group, and recommending content for each group user to the user according to the calculated recommendation score.

본 발명의 일실시예에 따른 지능형 콘텐츠 추천 시스템은 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색하는 검색부와, 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 분류부와, 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산하는 연산부 및 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 추천부를 포함한다.Intelligent content recommendation system according to an embodiment of the present invention is a search unit for searching the content usage history for the user and the user's evaluation score for the content, according to the user's evaluation score for the searched content usage history and content A classification unit for classifying the users into groups, an operation unit for calculating a recommendation score for new content in the classified group, and a recommendation unit for recommending content for each group user to the user according to the calculated recommendation score.

본 발명은 인터넷 콘텐츠 서비스에서 콘텐츠를 사용하는 사용자들에 의한 콘텐츠 소비 목록 및 콘텐츠에 대한 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천함으로써 사용자의 콘텐츠 소비 및 평가에 따른 지능형 콘텐츠 추천 방법 및 시스템을 제공할 수 있다.The present invention categorizes users into groups according to content consumption lists and evaluation scores by users using content in the Internet content service, calculates recommendation scores for each group, and recommends the content to group users. By recommending can provide an intelligent content recommendation method and system according to the user's content consumption and evaluation.

이하 첨부된 도면들을 참조하여 본 발명의 실시예에 따른 지능형 콘텐츠 추천 방법 및 시스템을 상세하게 설명하기로 한다. Hereinafter, an intelligent content recommendation method and system according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 시스템의 구성을 나타내는 도면이다.1 is a view showing the configuration of an intelligent content recommendation system according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 시스템(100)은 입력부(110), 검색부(120), 콘텐츠 데이터베이스(130), 사용자 데이터베이스(140), 분류부(150), 판단부(160), 연산부(170) 및 추천부(180)를 포함한다.Referring to FIG. 1, the intelligent content recommendation system 100 according to an embodiment of the present invention may include an input unit 110, a search unit 120, a content database 130, a user database 140, and a classification unit 150. , The determination unit 160, the operation unit 170, and the recommendation unit 180.

입력부(110)는 지능형 콘텐츠 추천 시스템(100)을 통해 인터넷 콘텐츠 서비스를 사용하는 사용자로부터 신규 콘텐츠에 접근하기 위해 상기 신규 콘텐츠에 대한 정보를 입력 받는다. 일례로 입력부(110)는 상기 사용자로부터 상기 신규 콘텐츠에 대한 제목 또는 내용 등과 같이 상기 신규 콘텐츠를 검색할 수 있는 각종 정보를 입력 받을 수 있다. The input unit 110 receives information about the new content from the user who uses the Internet content service through the intelligent content recommendation system 100 to access the new content. For example, the input unit 110 may receive various information for searching for the new content, such as a title or content of the new content, from the user.

예를 들어, 상기 사용자가 IPTV(Internet Protocol Television) 서비스를 사용하는 경우, 입력부(110)는 상기 사용자로부터 상기 IPTV 서비스를 요청 받을 수 있다. 지능형 콘텐츠 추천 시스템(100)은 상기 IPTV 서비스 요청이 입력되면, 상기 사용자에게 제공되는 콘텐츠 목록들을 제공할 수 있다. 여기서, 상기 콘텐츠 목록은 사용자의 선호도에 따른 내 취향 추천 점수가 포함될 수 있다. For example, when the user uses an IPTV (Internet Protocol Television) service, the input unit 110 may receive a request for the IPTV service from the user. The intelligent content recommendation system 100 may provide a list of contents provided to the user when the IPTV service request is input. Here, the content list may include my taste recommendation score according to the user's preference.

검색부(120)는 상기 사용자에 의해 상기 신규 콘텐츠에 대한 정보가 입력되면, 인터넷 콘텐츠 서비스를 사용하는 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색한다. 즉, 검색부(120)는 상기 사용자로부터 상기 신규 콘텐츠에 접근하기 위해 상기 신규 콘텐츠에 대한 정보를 입력 받으면, 상기 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색한다. When the information about the new content is input by the user, the search unit 120 searches for the content usage history of the users who use the Internet content service and the evaluation scores of the users on the content. That is, when the searcher 120 receives the information on the new content from the user to access the new content, the search unit 120 searches for the content usage history of the users and the evaluation scores of the users on the content.

콘텐츠 데이터베이스(130)는 인터넷 콘텐츠 서비스에서 제공될 각종 콘텐츠를 기록하고 유지하며, 상기 콘텐츠에 대한 사용자들의 사용 이력 또는 상기 콘텐츠에 대한 사용자들의 평가 점수가 포함되는 콘텐츠 소비 목록을 기록하고 유지한다. 일례로 콘텐츠 데이터베이스(130)는 도 2에 도시된 것과 같이 각 사용자별로 콘텐츠 소비 목록(200~230)을 기록하고 유지할 수 있다. The content database 130 records and maintains various contents to be provided in the Internet content service, and records and maintains a content consumption list including a user's usage history of the content or a user's evaluation score of the content. For example, the content database 130 may record and maintain the content consumption list 200 to 230 for each user as shown in FIG. 2.

도 2는 본 발명에 따른 사용자의 콘텐츠 소비 목록에 대한 일례를 나타내는 도면이다.2 is a diagram illustrating an example of a content consumption list of a user according to the present invention.

도 2를 참조하면, 사용자의 콘텐츠 소비 목록(200)은 사용자가 사용한 콘텐츠1~5의 목록과 상기 사용된 콘텐츠1~5에 대한 평가 점수들 포함한다. 일례로 사용자의 콘텐츠 소비 목록(200)은 콘텐츠1에 대한 평가 점수가 2개의 별점으로 부여되고, 콘텐츠2에 평가 점수가 4개의 별점으로 부여되고, 콘텐츠3에 대한 평가 점수 가 3개의 별점으로 부여되고, 콘텐츠4에 대한 평가 점수가 5개의 별점으로 부여되고, 콘텐츠5에 대한 평가 점수가 1개의 별점으로 부여된다. Referring to FIG. 2, the content consumption list 200 of the user includes a list of contents 1 to 5 used by the user and evaluation scores for the used contents 1 to 5. For example, the user's content consumption list 200 is given a rating of 2 stars for content 1, a rating of 4 stars for content 2, and a rating of 3 stars for content 3 Then, the evaluation score for the content 4 is given to five stars, and the evaluation score for the content 5 is given to one star.

제1 사용자의 콘텐츠 소비 목록(210)은 제1 사용자가 사용한 콘텐츠1, 콘텐츠2, 콘텐츠4, 콘텐츠A, 콘텐츠6의 목록과 상기 사용된 콘텐츠들(1,2,4,A,6)에 대한 평가 점수들을 포함한다. 일례로 사용자의 콘텐츠 소비 목록(210)은 콘텐츠1에 대한 평가 점수가 2개의 별점으로 부여되고, 콘텐츠2에 평가 점수가 4개의 별점으로 부여되고, 콘텐츠4에 대한 평가 점수가 3개의 별점으로 부여되고, 콘텐츠A에 대한 평가 점수가 5개의 별점으로 부여되고, 콘텐츠6에 대한 평가 점수가 1개의 별점으로 부여된다. The content consumption list 210 of the first user is included in the list of content 1, content 2, content 4, content A, and content 6 used by the first user and the used contents 1, 2, 4, A, and 6. Evaluation scores. For example, the user's content consumption list 210 is given a rating of 2 stars for content 1, a rating of 4 stars for content 2, and a rating of 3 stars for content 4 Then, the evaluation score for the content A is given five stars, and the evaluation score for the content 6 is given one star.

제2 사용자의 콘텐츠 소비 목록(220)은 제2 사용자가 사용한 콘텐츠2, 콘텐츠A, 콘텐츠3, 콘텐츠4, 콘텐츠7의 목록과 상기 사용된 콘텐츠들(2,A,3,4,7)에 대한 평가 점수들을 포함한다. 일례로 사용자의 콘텐츠 소비 목록(210)은 콘텐츠2에 대한 평가 점수가 2개의 별점으로 부여되고, 콘텐츠A에 평가 점수가 4개의 별점으로 부여되고, 콘텐츠3에 대한 평가 점수가 3개의 별점으로 부여되고, 콘텐츠4에 대한 평가 점수가 5개의 별점으로 부여되고, 콘텐츠7에 대한 평가 점수가 1개의 별점으로 부여된다.The content consumption list 220 of the second user includes a list of content 2, content A, content 3, content 4, and content 7 used by the second user and the used contents 2, A, 3, 4, and 7. Evaluation scores. For example, the user's content consumption list 210 is given a rating of 2 stars for Content 2, a rating of 4 stars for Content A, and a rating of 3 stars for Content 3 Then, the evaluation score for the content 4 is given five stars, and the evaluation score for the content 7 is given one star.

제3 사용자의 콘텐츠 소비 목록(230)은 제3 사용자가 사용한 콘텐츠1, 콘텐츠A, 콘텐츠3, 콘텐츠4, 콘텐츠5의 목록과 상기 사용된 콘텐츠들(1,A,3,4,5)에 대한 평가 점수들을 포함한다. 일례로 사용자의 콘텐츠 소비 목록(210)은 콘텐츠1에 대한 평가 점수가 2개의 별점으로 부여되고, 콘텐츠A에 평가 점수가 4개의 별점으 로 부여되고, 콘텐츠3에 대한 평가 점수가 3개의 별점으로 부여되고, 콘텐츠4에 대한 평가 점수가 5개의 별점으로 부여되고, 콘텐츠5에 대한 평가 점수가 1개의 별점으로 부여된다.The content consumption list 230 of the third user is included in the list of content 1, content A, content 3, content 4, and content 5 used by the third user and the used contents 1, A, 3, 4, and 5. Evaluation scores. For example, the user's content consumption list 210 is given a rating of 2 stars for Content 1, a rating of 4 stars for Content A, and a rating of 3 stars for Content 3 Is given, the evaluation score for the content 4 is given five stars, and the evaluation score for the content 5 is given one star.

일례로 검색부(120)는 콘텐츠 데이터베이스(130)에 기록된 사용자의 콘텐츠 소비 목록(200)를 참조하여 상기 사용자가 사용한 콘텐츠들(콘텐츠1~5) 및 상기 콘텐츠들에 대한 각 평가 점수를 검색할 수 있다. For example, the search unit 120 searches for the contents (contents 1 to 5) and the evaluation scores for the contents used by the user by referring to the content consumption list 200 of the user recorded in the content database 130. can do.

사용자 데이터베이스(140)는 인터넷 콘텐츠 서비스를 사용하는 사용자 정보, 사용자에 대한 콘텐츠 사용 이력 또는 상기 사용자에 대한 콘텐츠 평가 점수를 기록하고 유지한다. 일례로 사용자 데이터베이스(140)는 인터넷 콘텐츠 서비스를 사용하는 사용자 정보, 상기 사용자에 대한 콘텐츠 사용 이력 또는 상기 사용자에 대한 콘텐츠 평가 점수를 포함하는 도 2에 도시된 것과 같은 콘텐츠 소비 목록(200~230)을 기록하고 유지할 수도 있다.The user database 140 records and maintains user information using the Internet content service, a content usage history for the user, or a content evaluation score for the user. For example, the user database 140 may include a content consumption list 200 to 230 as illustrated in FIG. 2, which includes user information using an Internet content service, a content usage history for the user, or a content evaluation score for the user. You can also record and keep a record.

또한 검색부(120)는 사용자 데이터베이스(140)를 참조하여 상기 사용자에 대한 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 다른 사용자들을 검색한다. 일례로 검색부(120)는 사용자 데이터베이스(140)를 참조하여 도 2에 도시된 것과 같이 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠(1~5)를 사용한 다른 사용자들로서 제1 내지 제3 사용자를 검색할 수 있다.In addition, the search unit 120 searches for other users who have used the contents included in the content consumption list for the user by referring to the user database 140. For example, the search unit 120 may refer to the user database 140, and may be used as first to third users as other users who have used the contents 1 to 5 included in the content consumption list 200 of the user as shown in FIG. 2. You can search for users.

또한 검색부(120)는 상기 검색된 다른 사용자들에 대한 콘텐츠 소비 목록을 검색한다. 일례로 검색부(120)는 도 2에 도시된 것과 같이 상기 사용자에 대한 콘텐츠 소비 목록(200)에 포함된 콘텐츠1~5를 사용한 다른 사용자들에 해당되는 제1 내지 제3 사용자의 콘텐츠 소비 목록(210~230)을 검색할 수 있다.In addition, the search unit 120 retrieves a content consumption list for the searched other users. For example, the search unit 120 may include content consumption lists of first to third users corresponding to other users who have used contents 1 to 5 included in the content consumption list 200 for the user, as shown in FIG. 2. (210-230).

분류부(150)는 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류한다. 일례로 분류부(150)는 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 및 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)에 대한 비(n/m)가 기준치 이상인 다른 사용자들을 상기 사용자와 동일한 그룹으로 분류할 수 있다. 상기 기준치는 상기 사용자들을 그룹별로 분류하는 목적에 따라 다르게 부여될 수 있다. 예를 들어, 분류부(150)는 m개를 동시에 시청하고 총 n개와 평가 점수가 동일하다고 판명되면, 나라는 사용자와 k라는 사용자k와의 관계수를 n/m으로 나타내고, 상기 관계수가 n/m≥1/2인 다른 사용자들을 나와 동일한 그룹으로 분류할 수 있다. The classification unit 150 classifies the users into groups according to the searched content usage history and the user's evaluation score of the content. For example, the classification unit 150 may determine the number of contents (m) used by the other users and the user in the same manner, and the number of contents to which the same evaluation score is assigned to the contents used by the other users and the user ( Other users whose ratio (n / m) for n) is greater than or equal to the reference value may be classified into the same group as the user. The reference value may be given differently according to the purpose of classifying the users by groups. For example, if the classification unit 150 watches m at the same time and the total of n and the evaluation scores are found to be the same, the country indicates the relationship between the user k and the user k as n / m, and the relationship count is n / m. Other users with m≥1 / 2 can be classified into the same group as me.

또한 분류부(150)는 동일한 취향의 그룹을 맨 처음 생성하기 위해서 특정 사용자들을 추출하거나 전체 사용자들을 대상으로 선택하여 상기 사용자들을 그룹으로 분류할 수 있다. In addition, the classification unit 150 may classify the users into groups by extracting specific users or selecting all users as a target in order to first generate a group having the same taste.

또한 분류부(150)는 상기 동일한 그룹으로 분류된 사용자들이라고 해도 이후 콘텐츠 사용 패턴을 달라질 수 있으므로 주기적으로 상기 사용자들에 대한 그룹을 다시 분류하여 업데이트할 수 있다. In addition, since the classifier 150 may change the content usage pattern even after the users classified into the same group, the classifier 150 may periodically classify and update the groups for the users.

또한 분류부(150)는 동일한 그룹으로 분류되더라도 상기 그룹 내 사용자들 중에서 나와 가장 유사한 콘텐츠 사용 내역을 가지는 사용자의 순서에 따라 리스트를 구성할 수도 있다. In addition, even if classified into the same group, the classification unit 150 may form a list according to the order of users having the content usage history that is most similar to the ones among the users in the group.

판단부(160)는 상기 검색된 콘텐츠 소비 목록을 비교하여 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 존재하는지 여부를 판단한다. 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 존재하는 경우, 판단부(160)는 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 상기 신규 콘텐츠를 사용하였는지 여부를 판단한다. The determination unit 160 compares the searched content consumption list to determine whether there is another user using the same content as the user's evaluation score. If there is another user using the same content as the user's evaluation score, the determination unit 160 determines whether another user using the same content as the user's evaluation score used the new content.

연산부(170)는 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산한다. 일례로 상기 분류된 그룹에서 상기 다른 사용자가 신규 콘텐츠를 사용한 경우, 연산부(170)는 상기 다른 사용자의 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다. The calculator 170 calculates a recommendation score for new content in the classified group. For example, when the other user uses the new content in the classified group, the calculator 170 may calculate a recommendation score for the new content of the other user.

일례로 연산부(170)는 상기 다른 사용자들과 상기 사용자가 모두 시청한 콘텐츠(PR(a)), 상기 콘텐츠에 대한 평가 점수(Rk(PR(a))), 상기 사용자와 동일한 콘텐츠를 사용한 다른 사용자들에 대한 전체 인원수(N), 상기 다른 사용자들이 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 또는 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)를 고려하여 상기 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다.For example, the calculation unit 170 uses the content PR (a) watched by both the other users and the user, an evaluation score R k (PR (a)) for the content, and the same content as the user. Total number of users (N) for other users, the number of contents (m) used by the same users by the other users, or the content of which the same evaluation score is given to the contents used by the other users and the same users In consideration of the number n, a recommendation score for the new content may be calculated.

예를 들어, 상기 신규 콘텐츠가 콘텐츠A인 경우, 연산부(170)는 하기 수학식 1을 이용하여 상기 사용자가 콘텐츠A에 대해 동일한 그룹 내 취향 추천 점수를 연산할 수 있다.For example, when the new content is the content A, the calculation unit 170 may calculate the taste recommendation score within the same group for the content A using Equation 1 below.

콘텐츠A에 대한 동일한 그룹 내 취향 점수 = (5*2+4*2+4*3)/7 = 4.3Taste Score in Same Group for Content A = (5 * 2 + 4 * 2 + 4 * 3) / 7 = 4.3

도 2 및 수학식 1을 참조하면, 연산부(170)는 제1 사용자의 콘텐츠 소비 목록(210)에서 콘텐츠A에 대한 별점이 5이고, 제1 사용자의 콘텐츠 소비 목록(210)에서 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠와 동일한 평가 점수를 가지는 콘텐츠(1,2)가 2개이므로 '5*2'로 연산할 수 있다. 또한 연산부(170)는 제2 사용자의 콘텐츠 소비 목록(220)에서 상기 콘텐츠A에 대한 별점이 4이고, 제2 사용자의 콘텐츠 소비 목록(220)에서 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠와 동일한 평가 점수를 가지는 콘텐츠(3,4)가 2개이므로 '4*2'로 연산할 수 있다. 또한 연산부(170)는 제3 사용자의 콘텐츠 소비 목록(230)에서 콘텐츠A에 대한 별점이 4이고, 제3 사용자의 콘텐츠 소비 목록(230)에서 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠와 동일한 평가 점수를 가지는 콘텐츠(1,3,5)가 3개이므로 '4*3'으로 연산할 수 있다. 또한 연산부(170)는 콘텐츠A에 대한 각 사용자별 평가 점수를 합산한 후 사용자와 동일한 콘텐츠를 사용한 전체 인원수가 7명인 경우, '(5*2+4*2+4*3)/7'로 콘텐츠A에 대한 상기 사용자와 동일한 그룹 내 취향 점수를 연산할 수 있다. Referring to FIG. 2 and Equation 1, the operation unit 170 has a star rating of 5 in the content consumption list 210 of the first user for the content A, and the content consumption of the user in the content consumption list 210 of the first user. Since two contents (1, 2) having the same evaluation score as the contents included in the list 200 can be calculated as '5 * 2'. In addition, the operation unit 170 has a rating of 4 for the content A in the content consumption list 220 of the second user, and the content included in the content consumption list 200 of the user in the content consumption list 220 of the second user. Since there are two contents (3,4) having the same evaluation score as, it can be calculated as '4 * 2'. In addition, the operation unit 170 has a rating of 4 for the content A in the content consumption list 230 of the third user, and the content included in the content consumption list 200 of the user in the content consumption list 230 of the third user. Since three contents (1, 3, 5) having the same evaluation score can be calculated as '4 * 3'. In addition, the operation unit 170 sums up the evaluation scores for each user of the content A, and then, if the total number of people using the same content as the user is seven, set to '(5 * 2 + 4 * 2 + 4 * 3) / 7'. The taste score in the same group as the user for the content A can be calculated.

추천부(180)는 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천한다. 일례로 상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영된 경우, 추천부(180)는 상기 신규 콘텐츠에 대한 추천 점수를 디스플레이하여 상기 그룹 사용자별 콘텐츠를 추천할 수 있다.The recommendation unit 180 recommends content for each group user to the user based on the calculated recommendation score. For example, when all evaluations of new contents of other users classified into the same group as the user are reflected, the recommendation unit 180 may recommend the content for each group user by displaying a recommendation score for the new content.

도 3은 본 발명에 따른 콘텐츠에 대한 추천 점수를 디스플레이하는 일례를 나타내는 도면이다.3 is a diagram illustrating an example of displaying a recommendation score for content according to the present invention.

도 3을 참조하면, 콘텐츠 추천 디스플레이 화면(300)은 각 콘텐츠에 대한 대표 영상(310~330) 및 각 콘텐츠에 대한 추천 점수 정보(311~331)가 디스플레이된다. 일례로 콘텐츠에 대한 추천 점수 정보(311~331)는 상기 콘텐츠의 제목, 상기 콘텐츠에 대한 전체 사용자의 평가 점수를 평균한 값인 일반 추천 및 사용자와 선호도가 동일한 그룹 내의 다른 사용자들에 의해 부여된 상기 콘텐츠에 대한 평가 점수를 평균한 값인 내 취향 추천 정보를 포함할 수 있다. 추천부(180)는 상기 신규 콘텐츠에 대한 추천 점수를 콘텐츠 추천 디스플레이 화면(300)과 같이 디스플레이함으로써 상기 사용자와 동일한 그룹 내 사용자들의 신규 콘텐츠에 대한 추천 점수를 제공할 수 있다. Referring to FIG. 3, the content recommendation display screen 300 displays representative images 310 to 330 for each content and recommendation score information 311 to 331 for each content. For example, the recommendation score information 311 to 331 for the content may include the title of the content, a general recommendation that is an average value of all users' evaluation scores for the content, and the information given by other users in the same group as the user. My taste recommendation information, which is an average value of the evaluation scores for the content, may be included. The recommendation unit 180 may provide a recommendation score for new content of users in the same group as the user by displaying the recommendation score for the new content together with the content recommendation display screen 300.

제1 콘텐츠에 대한 대표 영상(310)은 제1 콘텐츠를 대표하는 영상이고, 제1 콘텐츠에 대한 추천 정보(311)는 상기 제1 콘텐츠를 사용한 모든 사용자들에 대한 평가 점수를 평균한 값을 1개의 별점으로 나타내는 일반 추천 및 사용자와 선호도가 동일한 그룹 내의 다른 사용자들에 의해 부여된 상기 제1 콘텐츠에 대한 평가 점수를 평균한 값을 4개의 별점으로 나타내는 내 취향 추천 정보를 포함한다. 예를 들어, 상기 사용자는 제1 콘텐츠에 대한 추천 정보(311)에서 1개의 별점인 일반 추천과 4개의 별점인 내 취향 추천이 전혀 다르기 때문에 상기 일반 추천보다 상기 내 취향 추천을 더 우선적으로 고려하여 신규 콘텐츠인 상기 제1 콘텐츠를 사용할 수 있다.The representative image 310 for the first content is an image representing the first content, and the recommendation information 311 for the first content is a value obtained by averaging evaluation scores for all users who used the first content. General recommendation represented by four stars and my taste recommendation information representing an average value of evaluation scores for the first content given by other users in the same group as the user as four stars. For example, the user may consider my preference recommendation more preferentially than the general recommendation because the general recommendation of one star and the four tastes of my taste recommendation are completely different in the recommendation information 311 for the first content. The first content that is new content may be used.

제2 콘텐츠에 대한 대표 영상(320)은 제2 콘텐츠를 대표하는 영상이고, 제2 콘텐츠에 대한 추천 정보(321)는 상기 제2 콘텐츠를 사용한 모든 사용자들에 대한 평가 점수를 평균한 값을 5개의 별점으로 나타내는 일반 추천 및 상기 사용자와 선호도가 동일한 그룹 내의 다른 사용자들에 의해 부여된 상기 제2 콘텐츠에 대한 평가 점수를 평균한 값을 2개의 별점으로 나타내는 내 취향 추천 정보를 포함한다. 예를 들어, 상기 사용자는 제2 콘텐츠에 대한 추천 정보(321)에서 5개의 별점인 일반 추천과 2개의 별점인 내 취향 추천이 다르기 때문에 상기 일반 추천보다 상기 내 취향 추천을 더 우선적으로 고려하여 상기 제2 콘텐츠를 사용하지 않을 수 있다. The representative image 320 for the second content is an image representing the second content, and the recommendation information 321 for the second content is a value obtained by averaging evaluation scores for all users who have used the second content. General recommendation represented by two stars and my taste recommendation information representing a value obtained by averaging evaluation scores for the second content given by other users in the same group as the user as two stars. For example, the user considers my preference recommendation more preferentially than the general recommendation because the general recommendation of 5 stars and the my taste recommendation of 2 stars are different in the recommendation information 321 for the second content. The second content may not be used.

제3 콘텐츠에 대한 대표 영상(330)은 제3 콘텐츠를 대표하는 영상이고, 제3 콘텐츠에 대한 추천 정보(331)는 상기 제3 콘텐츠를 사용한 모든 사용자들에 대한 평가 점수를 평균한 값을 3개의 별점으로 나타내는 일반 추천 및 상기 사용자와 선호도가 동일한 그룹 내의 다른 사용자들에 의해 부여된 상기 제3 콘텐츠에 대한 평가 점수를 평균한 값을 3개의 별점으로 나타내는 내 취향 추천 정보를 포함한다. 예를 들어, 상기 사용자는 제3 콘텐츠에 대한 추천 정보(331)에서 3개의 별점인 일반 추천과 3개의 별점인 내 취향 추천이 동일하므로 별점 개수로 상기 제3 콘텐츠에 대한 사용 여부를 결정할 수 있다. The representative image 330 for the third content is an image representing the third content, and the recommendation information 331 for the third content is a value obtained by averaging evaluation scores for all users who have used the third content. General recommendation represented by three stars and my taste recommendation information representing three average rating values of the third content given by other users in the same group as the user with three stars. For example, in the recommendation information 331 for the third content, the user may determine whether to use the third content based on the number of stars because the general recommendation, which is three stars, and my taste recommendation, which is three stars, are the same. .

이와 같이, 본 발명에 따른 지능형 콘텐츠 추천 시스템(100)은 사용자가 사용한 동일한 콘텐츠에 대해 동일한 평가 점수를 부여한 다른 사용자들에 의해 부여된 신규 콘텐츠에 대한 평가 점수를 이용하여 신규 콘텐츠에 대한 추천 점수를 연 산함으로써 사용자의 취향이나 선호도와 유사한 사용자들을 그룹으로 분류하여 동일 그룹 내 취향 추천 정보를 제공할 수 있다. As such, the intelligent content recommendation system 100 according to the present invention calculates a recommendation score for new content by using an evaluation score for new content given by other users who have given the same evaluation score to the same content used by the user. By performing the operation, users who have similar user preferences or preferences may be classified into groups to provide taste recommendation information within the same group.

또한 추천부(180)는 상기 신규 콘텐츠에 대한 추천 점수로서 일반 추천 점수를 디스플레이하지 않고 상기 사용자와 취향이 동일한 그룹 내 취향 추천 점수만을 디스플레이함으로써 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천할 수도 있다. In addition, the recommendation unit 180 may recommend content in which the user's content preference is reflected by displaying only a recommendation score in a group having the same taste as the user without displaying a general recommendation score as a recommendation score for the new content.

또한 추천부(180)는 상기 추천 점수가 기준치 이상인 콘텐츠들만을 모은 추천 페이지를 기본 페이지로 구성하고, 상기 추천 페이지를 통해 상기 사용자에게 상기 콘텐츠들을 추천할 수 있다.In addition, the recommendation unit 180 may configure a recommendation page that collects only content having a recommendation score equal to or greater than a reference value as a basic page, and recommend the contents to the user through the recommendation page.

또한 추천부(180)는 동일한 콘텐츠를 사용하고, 동일한 평가 점수를 부여한 다른 사용자들의 평가, 후기, 댓글 등을 우선적으로 디스플레이함으로써 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천할 수 있다. 예를 들어, 추천부(180)는 상기 사용자와 가장 유사한 콘텐츠 사용자 내역을 가지는 다른 사용자의 평가부터 우선적으로 디플레이할 수 있다. In addition, the recommendation unit 180 may recommend content in which the user's content preference is reflected by preferentially displaying the ratings, reviews, and comments of other users who use the same content and have given the same evaluation score. For example, the recommendation unit 180 may preferentially deplay the evaluation of another user having a content user history most similar to that of the user.

도 4는 사용자k와 나의 시청 목록 및 공동 시청 목록에 대한 일례를 나타내는 도면이다.4 is a diagram illustrating an example of a user k and my watch list and a joint watch list.

도 4를 참조하면, 사용자k에 대한 시청 목록(410)은 k라는 사용자가 시청한 콘텐츠들에 대한 목록으로서 PR(1)~PR(100)을 포함하고, 나에 대한 시청 목록(420)은 나라는 사용자가 시청한 콘텐츠들에 대한 목록으로서 PR(1)~PR(100)을 포함하고, 사용자k와 나의 공동 시청 목록(430)은 k라는 사용자와 나라는 사용자가 모두 시청한 콘텐츠들에 대한 목록으로서 PR(1)~PR(50)를 포함한다.Referring to FIG. 4, the watch list 410 for user k includes PR (1) to PR 100 as a list of contents watched by the user k, and the watch list 420 for me is The country includes PR (1) to PR (100) as a list of the contents watched by the user, and the user k and my joint viewing list 430 indicate that the user k and the country refer to the contents watched by the user. As a list, PR (1) to PR (50) are included.

Figure 112008078015148-PAT00001
Figure 112008078015148-PAT00001

PR(a): 사용자들이 모두 사용한 콘텐츠PR (a): content used by all users

Rk(PR(a)): 사용자k의 PR(a)에 대한 평가 점수R k (PR (a)): Score for user k's PR (a)

N: 나와 동일한 콘텐츠를 시청한 사용자의 전체 인원수N: total number of users who watched the same content as you

n: 사용자k와 내가 동일하게 시청하였으며, 평가 점수가 동일한 콘텐츠의 개수n: Number of content that user k and I watched the same, and scored the same

연산부(170)은 수학식 2을 이용하여 나와 동일한 그룹 내 사용자들에 의한 상기 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다. The calculator 170 may calculate a recommendation score for the new content by the users in the same group as the equation 2.

이와 같이, 본 발명에 따른 지능형 콘텐츠 추천 시스템(100)은 인터넷 콘텐츠 서비스에서 콘텐츠를 사용하는 사용자들에 의한 콘텐츠 소비 목록 및 콘텐츠에 대한 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천할 수 있다. As such, the intelligent content recommendation system 100 according to the present invention classifies users into groups according to content consumption lists and evaluation scores of the content by users who use the content in the Internet content service, and calculates the recommendation score for each group. By calculating, the content for each group user recommended to each group user can be recommended.

도 5는 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 방법의 동작 흐름을 나타내는 도면이다.5 is a diagram illustrating an operation flow of an intelligent content recommendation method according to an embodiment of the present invention.

도 1 내지 도 5를 참조하면, 단계(S511)에서 지능형 콘텐츠 추천 시스템(100)은 사용자가 신규 콘텐츠에 접근하는 것을 파악한다. 예를 들어, 상기 신 규 콘텐츠는 상기 사용자가 아직 사용하지 않은 콘텐츠A일 수 있다. 일례로 단계(S511)에서 지능형 콘텐츠 추천 시스템(100)은 상기 사용자가 상기 신규 콘텐츠와 연관된 정보를 입력하여 상기 신규 콘텐츠를 검색한 결과를 확인하면 상기 신규 콘텐츠에 접근하는 것으로 파악할 수 있다.1 to 5, in step S511, the intelligent content recommendation system 100 determines that a user accesses new content. For example, the new content may be content A that the user has not yet used. For example, in operation S511, the intelligent content recommendation system 100 may determine that the new content is accessed when the user inputs the information related to the new content and checks a result of searching for the new content.

단계(S512)에서 지능형 콘텐츠 추천 시스템(100)은 사용자의 콘텐츠 소비 목록을 검색한다. 일례로 단계(S512)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)을 검색하여 상기 사용자가 사용한 콘텐츠를 검색할 수 있다.In operation S512, the intelligent content recommendation system 100 retrieves a content consumption list of the user. For example, in operation S512, the intelligent content recommendation system 100 may search for a content consumption list 200 of a user as shown in FIG. 2 to search for content used by the user.

단계(S513)에서 지능형 콘텐츠 추천 시스템(100)은 사용자의 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 다른 사용자들을 모두 검색한다. 일례로 단계(S513)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같이 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠1~5를 사용한 다른 사용자들로서 제1 내지 제3 사용자를 검색할 수 있다. In operation S513, the intelligent content recommendation system 100 searches for all other users who have used content included in the user's content consumption list. For example, in step S513, the intelligent content recommendation system 100 searches for the first to third users as other users using the contents 1 to 5 included in the user's content consumption list 200 as shown in FIG. 2. can do.

단계(S514)에서 지능형 콘텐츠 추천 시스템(100)은 상기 검색된 다른 사용자들의 콘텐츠 소비 목록을 검색한다. 일례로 단계(S514)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같이 상기 검색된 제1 내지 제3 사용자의 콘텐츠 소비 목록(210~230)을 검색할 수 있다.In step S514, the intelligent content recommendation system 100 retrieves the content consumption list of the searched other users. For example, in operation S514, the intelligent content recommendation system 100 may search the searched content consumption lists 210 to 230 of the searched first to third users as illustrated in FIG. 2.

이와 같이, 본 발명에 따른 지능형 콘텐츠 추천 방법은 단계(S512) 내지 단계(S514)에 의해 검색된 결과에 따라 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 및 상기 다른 사용자들과 상기 사용자가 동일하게 사 용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)에 대한 비(n/m)가 기준치 이상인 다른 사용자들을 상기 사용자와 동일한 그룹으로 분류할 수 있다. As described above, the intelligent content recommendation method according to the present invention is based on the search results in steps S512 to S514 and the number (m) of content used by the user and the other users and the other users. Other users whose ratio (n / m) with respect to the number n of contents to which the same evaluation score is assigned to the same content used by the user are equal to or greater than a reference value may be classified into the same group as the user.

단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 상기 검색한 결과에 따라 다른 사용자와 사용자의 콘텐츠 소비 목록 중 평가 점수가 동일한 콘텐츠가 존재하는지 판단한다. 일례로 단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 콘텐츠 소비 목록(200~230)을 검색한 결과로서 제1 내지 제3 사용자와 사용자의 콘텐츠 소비 목록 중 평가 점수가 동일한 콘텐츠가 존재하는지 판단할 수 있다. In operation S515, the intelligent content recommendation system 100 determines whether there is content having the same evaluation score in the content consumption list of the other user and the user according to the search result. For example, in step S515, the intelligent content recommendation system 100 searches for the content consumption lists 200 to 230 as shown in FIG. 2, and the evaluation scores of the first to third users and the user's content consumption lists. Can determine whether the same content exists.

예를 들어, 단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)와 제1 사용자의 콘텐츠 소비 목록(210)을 비교하여 동일한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠1 및 콘텐츠2가 존재하는 것으로 판단할 수 있다. For example, in step S515, the intelligent content recommendation system 100 compares the user's content consumption list 200 and the first user's content consumption list 210, as shown in FIG. 2, for the same content. It may be determined that the content 1 and the content 2 to which the same evaluation score is assigned exist.

예를 들어, 단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)와 제2 사용자의 콘텐츠 소비 목록(220)을 비교하여 동일한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠3 및 콘텐츠4가 존재하는 것으로 판단할 수 있다. For example, in step S515, the intelligent content recommendation system 100 compares the user's content consumption list 200 and the second user's content consumption list 220 as shown in FIG. 2 for the same content. It may be determined that the content 3 and the content 4 to which the same evaluation score is assigned exist.

예를 들어, 단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)와 제3 사용자의 콘텐츠 소비 목록(230)을 비교하여 동일한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠1, 콘 텐츠3, 콘텐츠5가 존재하는 것으로 판단할 수 있다. For example, in step S515, the intelligent content recommendation system 100 compares the user's content consumption list 200 and the third user's content consumption list 230 as shown in FIG. It may be determined that the content 1, the content 3, and the content 5 given the same evaluation score exist.

상기 평가 점수가 동일한 콘텐츠가 존재하면, 단계(S516)에서 지능형 콘텐츠 추천 시스템(100)은 상기 다른 사용자가 상기 신규 콘텐츠를 이미 사용하였는지 여부를 판단한다. If the content having the same evaluation score exists, in step S516, the intelligent content recommendation system 100 determines whether the new user has already used the new content.

예를 들어, 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠1, 콘텐츠2, 콘텐츠4를 사용한 제1 사용자의 콘텐츠 소비 목록(210)에서 평가 점수가 동일한 콘텐츠로서 콘텐츠1 및 콘텐츠2가 존재하면, 단계(S516)에서 지능형 콘텐츠 추천 시스템(100)은 제1 사용자의 콘텐츠 소비 목록(210)을 검색하여 상기 제1 사용자가 상기 신규 콘텐츠인 콘텐츠A를 이미 사용한 것으로 판단할 수 있다. For example, the content as the content having the same evaluation score in the content consumption list 210 of the first user using the content 1, content 2, and content 4 included in the content consumption list 200 of the user as shown in FIG. If 1 and content 2 exist, in step S516, the intelligent content recommendation system 100 searches the content consumption list 210 of the first user to determine that the first user has already used the new content A. can do.

예를 들어, 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠2, 콘텐츠3, 콘텐츠4를 사용한 제2 사용자의 콘텐츠 소비 목록(220)에서 평가 점수가 동일한 콘텐츠로서 콘텐츠3 및 콘텐츠4가 존재하면, 단계(S516)에서 지능형 콘텐츠 추천 시스템(100)은 제2 사용자의 콘텐츠 소비 목록(220)을 검색하여 상기 제2 사용자가 상기 신규 콘텐츠인 콘텐츠A를 이미 사용한 것으로 판단할 수 있다. For example, the content as the content having the same evaluation score in the content consumption list 220 of the second user using content 2, content 3, and content 4 included in the content consumption list 200 of the user as shown in FIG. 3 and 4 exist, the intelligent content recommendation system 100 searches the content consumption list 220 of the second user in step S516 to determine that the second user has already used the new content A. can do.

예를 들어, 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠1, 콘텐츠3, 콘텐츠4, 콘텐츠5를 사용한 제3 사용자의 콘텐츠 소비 목록(230)에서 평가 점수가 동일한 콘텐츠로서 콘텐츠3 및 콘텐츠5가 존재하면, 단계(S516)에서 지능형 콘텐츠 추천 시스템(100)은 제3 사용자의 콘텐츠 소비 목 록(230)을 검색하여 상기 제3 사용자가 상기 신규 콘텐츠인 콘텐츠A를 이미 사용한 것으로 판단할 수 있다. For example, in the content consumption list 230 of the third user using the content 1, the content 3, the content 4, and the content 5 included in the content consumption list 200 of the user as shown in FIG. If the content 3 and the content 5 exist as the content, the intelligent content recommendation system 100 searches the content consumption list 230 of the third user in step S516, and the third user searches for the content A which is the new content. It can be judged that it is already used.

단계(S517)에서 지능형 콘텐츠 추천 시스템(100)은 상기 다른 사용자의 신규 콘텐츠에 대한 추천 점수를 연산한다. 일례로 단계(S517)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 제1 내지 제3 사용자 콘텐츠 소비 목록(210~230)에 기재된 상기 신규 콘텐츠인 콘텐츠A에 대한 평가 점수를 이용하여 상기 사용자와 동일한 그룹 내에서 상기 다른 사용자의 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다.In operation S517, the intelligent content recommendation system 100 calculates a recommendation score for the new content of the other user. For example, in step S517, the intelligent content recommendation system 100 uses an evaluation score for the new content, Content A, which is listed in the first to third user content consumption lists 210 to 230 as shown in FIG. 2. By calculating the recommendation score for the new content of the other user in the same group as the user.

예를 들어, 단계(S517)에서 지능형 콘텐츠 추천 시스템(100)은 상기 다른 사용자들과 상기 사용자가 모두 시청한 콘텐츠(PR(a)), 상기 콘텐츠에 대한 평가 점수(Rk(PR(a))), 상기 사용자와 동일한 콘텐츠를 사용한 다른 사용자들에 대한 전체 인원수(N), 상기 다른 사용자들이 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 또는 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)를 고려하여 상기 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다. For example, in operation S517, the intelligent content recommendation system 100 may include content PR (a) viewed by both the other users and the user, and an evaluation score R k (PR (a) for the content. )), The total number of users (N) for other users who used the same content as the user, the number of contents (m) that the other users used equally by the user, or the content used by the other users and the same user A recommendation score for the new content may be calculated in consideration of the number n of contents to which the same evaluation score is assigned to.

단계(S518)에서 지능형 콘텐츠 추천 시스템(100)은 상기 검색된 다른 사용자들의 신규 콘텐츠에 대한 평가 점수가 모두 반영되었는지 여부를 판단한다. 일례로 단계(S518)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같이 상기 검색된 다른 사용자들인 제1 내지 제3 사용자의 콘텐츠 소비 목록(210~230)에 기재된 상기 신규 콘텐츠인 콘텐츠A에 대한 평가 점수가 모두 반영되었는지 여부를 판단할 수 있다.In operation S518, the intelligent content recommendation system 100 determines whether all the evaluation scores for the new contents of the searched other users are reflected. As an example, in step S518, the intelligent content recommendation system 100 is the new content, which is the content A listed in the content consumption lists 210 to 230 of the first to third users, which are the searched other users, as shown in FIG. It can be determined whether all the evaluation scores for the are reflected.

상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되지 않은 경우, 지능형 콘텐츠 추천 시스템(100)은 단계(S515)부터 다시 수행하여 상기 검색된 다른 사용자들에 대한 평가가 모두 반영될 때까지 상기 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다. When all evaluations of new contents of other users classified into the same group as the user are not reflected, the intelligent content recommendation system 100 performs the operation again from step S515 to reflect all evaluations of the searched other users. The recommendation score for the new content may be calculated until

상기 신규 콘텐츠에 대한 평가 점수가 모두 반영된 경우, 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 신규 콘텐츠에 대한 추천 점수를 디스플레이한다. 즉, 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 연산된 신규 콘텐츠에 대한 추천 점수를 디스플레이하여 상기 사용자에게 그룹 사용자별 콘텐츠를 추천한다. 일례로 도 2에 도시된 것과 같이 제1 내지 제3 사용자의 콘텐츠 소비 목록(210~230)에 기재된 상기 신규 콘텐츠인 콘텐츠A에 대한 평가 점수가 모두 반영된 경우, 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 연산된 신규 콘텐츠인 콘텐츠A에 대한 추천 점수를 디스플레이함으로써 상기 신규 콘텐츠에 대해 상기 사용자가 속한 그룹 내 취향 추천 정보를 파악할 수 있다.When all evaluation scores for the new content are reflected, the intelligent content recommendation system 100 displays the recommendation score for the new content in step S519. That is, in step S519, the intelligent content recommendation system 100 displays the recommendation score for the calculated new content and recommends content for each group user to the user. For example, as shown in FIG. 2, when all of the evaluation scores for the new content A included in the content consumption lists 210 to 230 of the first to third users are reflected, the intelligent content recommendation system in step S519. The display 100 may determine taste recommendation information in the group to which the user belongs to the new content by displaying the calculated score for the content A, which is the calculated new content.

또한 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 신규 콘텐츠에 대한 추천 점수로서 일반 추천 점수를 디스플레이하지 않고 상기 사용자와 취향이 동일한 그룹 내 취향 추천 점수만을 디스플레이함으로써 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천할 수도 있다. Also, in step S519, the intelligent content recommendation system 100 displays only the content recommendation scores in the same taste group as the user, without displaying a general recommendation score as the recommendation score for the new content, thereby reflecting the user's content preference. You can also recommend

또한 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 추천 점수가 기준치 이상인 콘텐츠들만을 모은 추천 페이지를 구성하고, 상기 추천 페이지를 통해 상기 사용자에게 상기 콘텐츠들을 추천할 수 있다.In operation S519, the intelligent content recommendation system 100 may configure a recommendation page that collects only contents whose recommendation score is greater than or equal to a reference value, and recommend the contents to the user through the recommendation page.

또한 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 동일한 콘텐츠를 사용하고, 동일한 평가 점수를 부여한 다른 사용자들의 평가, 후기, 댓글 등을 우선적으로 디스플레이함으로써 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천할 수 있다. 예를 들어, 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 사용자와 가장 유사한 콘텐츠 사용자 내역을 가지는 다른 사용자의 평가부터 우선적으로 디플레이할 수 있다. In operation S519, the intelligent content recommendation system 100 may recommend content reflecting the user's content preference by preferentially displaying ratings, reviews, and comments of other users who use the same content and have given the same evaluation score. have. For example, in operation S519, the intelligent content recommendation system 100 may preferentially deplay the evaluation of another user having a content user history most similar to the user.

이와 같이, 본 발명에 따른 지능형 콘텐츠 추천 방법은 인터넷 콘텐츠 서비스에서 콘텐츠를 사용하는 사용자들에 의한 콘텐츠 소비 목록 및 콘텐츠에 대한 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천할 수 있다.As described above, the intelligent content recommendation method according to the present invention classifies users into groups according to content consumption lists and evaluation scores of contents by users who use the content in the Internet content service, and calculates recommendation scores for each group. Group-specific content recommended to the group user can be recommended.

한편 본 발명에 따른 사용자의 콘텐츠 소비 및 평가에 따른 지능형 콘텐츠 추천 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기 록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.On the other hand, the intelligent content recommendation method according to the user's content consumption and evaluation according to the present invention can be implemented in the form of program instructions that can be executed by various computer means can be recorded on a computer-readable recording medium. The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. Program instructions recorded on the media may be those specially designed and constructed for the purposes of the present invention, or they may be of the kind well-known and available to those having skill in the computer software arts. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical media such as CD-ROMs, DVDs, and magnetic disks such as floppy disks. Magneto-optical media, and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like. The hardware device described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.

이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. As described above, the present invention has been described by way of limited embodiments and drawings, but the present invention is not limited to the above embodiments, and those skilled in the art to which the present invention pertains various modifications and variations from such descriptions. This is possible.

그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.Therefore, the scope of the present invention should not be limited to the described embodiments, but should be determined not only by the claims below but also by the equivalents of the claims.

도 1은 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 시스템의 구성을 나타내는 도면이다.1 is a view showing the configuration of an intelligent content recommendation system according to an embodiment of the present invention.

도 2는 본 발명에 따른 사용자의 콘텐츠 소비 목록에 대한 일례를 나타내는 도면이다.2 is a diagram illustrating an example of a content consumption list of a user according to the present invention.

도 3은 본 발명에 따른 콘텐츠에 대한 추천 점수를 디스플레이하는 일례를 나타내는 도면이다.3 is a diagram illustrating an example of displaying a recommendation score for content according to the present invention.

도 4는 사용자k와 나의 시청 목록 및 공동 시청 목록에 대한 일례를 나타내는 도면이다.4 is a diagram illustrating an example of a user k and my watch list and a joint watch list.

도 5는 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 방법의 동작 흐름을 나타내는 도면이다.5 is a diagram illustrating an operation flow of an intelligent content recommendation method according to an embodiment of the present invention.

<도면의 주요 부분에 대한 부호의 설명><Explanation of symbols for the main parts of the drawings>

100: 지능형 콘텐츠 추천 시스템100: intelligent content recommendation system

110: 입력부 120: 검색부110: input unit 120: search unit

130: 콘텐츠 데이터베이스 140: 사용자 데이터베이스130: content database 140: user database

150: 분류부 160: 판단부150: classification unit 160: determination unit

170: 연산부 180: 추천부170: calculation unit 180: recommendation unit

Claims (25)

사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색하는 단계;Retrieving content usage history for users and a user's evaluation score for the content; 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 단계; Classifying the users into groups according to the searched content usage history and the user's evaluation score of the content; 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산하는 단계; 및Calculating a recommendation score for new content in the classified group; And 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 단계Recommending content for each group user to the user based on the calculated recommendation score. 를 포함하는 사용자에 따른 지능형 콘텐츠 추천 방법.Intelligent content recommendation method according to the user including. 제1항에 있어서, The method of claim 1, 상기 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색하는 단계는,Searching for the evaluation score of the user for the content usage history and content, 상기 사용자가 신규 콘텐츠에 접근하면, 상기 사용자에 대한 콘텐츠 소비 목록을 검색하는 단계;When the user accesses new content, retrieving a content consumption list for the user; 상기 사용자의 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 다른 사용자들을 검색하는 단계; 및Searching for other users who have used content included in the user's content consumption list; And 상기 검색된 다른 사용자들에 대한 콘텐츠 소비 목록을 검색하는 단계Retrieving a content consumption list for the retrieved other users 를 포함하는 사용자에 따른 지능형 콘텐츠 추천 방법.Intelligent content recommendation method according to the user including. 제2항에 있어서, The method of claim 2, 인터넷 콘텐츠 서비스에서 제공되는 각종 콘텐츠를 저장하고, 상기 콘텐츠에 대한 사용자들의 사용 이력 또는 상기 콘텐츠에 대한 사용자들의 평가 점수가 포함되는 콘텐츠 소비 목록을 콘텐츠 데이터베이스에 기록하고 유지하는 단계를 더 포함하고,Storing various contents provided by the Internet content service, and recording and maintaining a content consumption list including a user's usage history of the content or a user's evaluation score of the content in a content database, 상기 사용자에 대한 콘텐츠 소비 목록을 검색하는 단계는,Retrieving the content consumption list for the user, 상기 콘텐츠 데이터베이스를 참조하여 상기 사용자에 대한 콘텐츠 소비 목록을 검색하는 사용자에 따른 지능형 콘텐츠 추천 방법.Intelligent content recommendation method according to a user searching a content consumption list for the user by referring to the content database. 제2항에 있어서, The method of claim 2, 인터넷 콘텐츠 서비스를 사용하는 사용자 정보, 상기 사용자에 대한 콘텐츠 사용 이력 또는 상기 사용자에 대한 콘텐츠 평가 점수를 사용자 데이터베이스에 기록하고 유지하는 단계를 더 포함하고,Recording and maintaining user information using the Internet content service, a history of content usage for the user, or a content evaluation score for the user in a user database, 상기 콘텐츠를 사용한 다른 사용자들을 검색하는 단계는,Searching for other users who used the content may include: 상기 사용자 데이터베이스를 참조하여 상기 사용자에 대한 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 다른 사용자들을 검색하는 사용자에 따른 지능형 콘텐츠 추천 방법.Intelligent content recommendation method according to a user searching for other users using content included in the content consumption list for the user by referring to the user database. 제2항에 있어서, The method of claim 2, 상기 검색된 콘텐츠 소비 목록을 비교하여 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 존재하는지 여부를 판단하는 단계; 및Comparing the searched content consumption list to determine whether there is another user using the same content as the user's evaluation score; And 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 상기 신규 콘텐츠를 사용하였는지 여부를 판단하는 단계를 더 포함하고, Determining whether another user who used the same content as the user's evaluation score used the new content; 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 단계는,Computing the recommendation score for the new content, 상기 다른 사용자가 신규 콘텐츠를 사용한 경우, 상기 다른 사용자의 신규 콘텐츠에 대한 추천 점수를 연산하는 사용자에 따른 지능형 콘텐츠 추천 방법.Intelligent content recommendation method according to the user to calculate the recommendation score for the new content of the other user, if the other user used the new content. 제5항에 있어서, The method of claim 5, 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 단계는,Computing the recommendation score for the new content, 상기 다른 사용자들과 상기 사용자가 모두 시청한 콘텐츠(PR(a)), 상기 콘텐츠에 대한 평가 점수(Rk(PR(a))), 상기 사용자와 동일한 콘텐츠를 사용한 다른 사용자들에 대한 전체 인원수(N), 상기 다른 사용자들이 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 또는 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)를 고려하여 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 사용자에 따른 지능형 콘텐츠 추천 방법.The total number of the other users and the content viewed by the user (PR (a)), the evaluation score for the content (R k (PR (a))), and other users using the same content as the user (N) taking into account the number (m) of the content that the other users have used equally by the user or the number (n) of the content that has been given the same evaluation score for the content that the other users and the user have used equally; Intelligent content recommendation method according to a user for calculating a recommendation score for the new content. 제6항에 있어서, The method of claim 6, 상기 사용자들을 그룹별로 분류하는 단계는,Categorizing the users into groups, 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 및 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)에 대한 비(n/m)가 기준치 이상인 다른 사용자들을 상기 사용자와 동일한 그룹으로 분류하는 사용자에 따른 지능형 콘텐츠 추천 방법.The ratio m of the number m of content used by the other users and the user and the number n of content to which the same evaluation score is given to the content used by the other users and the user equally (n / Intelligent content recommendation method according to the user to classify other users with m) or more than the reference value in the same group as the user. 제7항에 있어서, The method of claim 7, wherein 상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되었는지 여부를 판단하는 단계를 더 포함하고,Determining whether all evaluations of new contents of other users classified into the same group as the user are reflected; 상기 그룹 사용자별 콘텐츠를 추천하는 단계는,Recommend content for each group user, 상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영된 경우, 상기 신규 콘텐츠에 대한 추천 점수를 디스플레이하여 상기 그룹 사용자별 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 방법.Intelligent content recommendation method according to the user to recommend the content for each group user by displaying the recommendation score for the new content when all the evaluation of the new content of other users classified into the same group as the user is reflected. 제8항에 있어서, The method of claim 8, 상기 그룹 사용자별 콘텐츠를 추천하는 단계는,Recommend content for each group user, 상기 사용자와 동일한 그룹 내 취향 추천 점수를 디스플레이하여 상기 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 방법.Intelligent content recommendation method according to the user to recommend the content reflecting the user's content preference by displaying the taste recommendation score in the same group as the user. 제8항에 있어서, The method of claim 8, 상기 그룹 사용자별 콘텐츠를 추천하는 단계는,Recommend content for each group user, 상기 추천 점수가 기준치보다 높은 콘텐츠들을 포함하는 추천 페이지를 구성하고, 상기 추천 페이지를 통해 상기 사용자에게 상기 콘텐츠들을 추천하는 사용자에 따른 지능형 콘텐츠 추천 방법.Intelligent content recommendation method according to the user to form a recommendation page containing the content with the recommendation score is higher than the reference value, and recommending the content to the user through the recommendation page. 제8항에 있어서, The method of claim 8, 상기 그룹 사용자별 콘텐츠를 추천하는 단계는,Recommend content for each group user, 동일한 콘텐츠를 사용하고, 동일한 평가 점수를 부여한 다른 사용자들의 평가, 후기 또는 댓글을 우선적으로 디스플레이하여 상기 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 방법.An intelligent content recommendation method according to a user who uses the same content and preferentially displays the ratings, reviews, or comments of other users who have given the same evaluation score to reflect the user's content preference. 제8항에 있어서, The method of claim 8, 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 단계는,Computing the recommendation score for the new content, 상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되지 않은 경우, 상기 검색된 다른 사용자들에 대한 평가가 모두 반영될 때까지 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 사용자에 따른 지능형 콘텐츠 추천 방법.When all evaluations of new contents of other users classified into the same group as the user are not reflected, the user who calculates a recommendation score for the new content until all the evaluations of the searched other users are reflected How to recommend intelligent content. 제1항 내지 제12항 중 어느 한 항의 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체. A computer-readable recording medium having recorded thereon a program for performing the method of any one of claims 1 to 12. 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색하는 검색부;A search unit for searching contents usage history of users and evaluation scores of users of the contents; 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 분류부; A classification unit classifying the users into groups according to the searched content usage history and the user's evaluation score of the content; 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산하는 연산부; 및A calculator for calculating a recommendation score for new content in the classified group; And 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 추천부Recommendation unit for recommending content for each group user to the user according to the calculated recommendation score 를 포함하는 사용자에 따른 지능형 콘텐츠 추천 시스템.Intelligent content recommendation system according to the user including. 제14항에 있어서, The method of claim 14, 상기 검색부는,The search unit, 상기 사용자가 신규 콘텐츠에 접근하면, 상기 사용자에 대한 콘텐츠 소비 목록을 검색하고, 상기 사용자의 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 다른 사용자들을 검색하고, 상기 다른 사용자들에 대한 콘텐츠 소비 목록을 검색하는 사용자에 따른 지능형 콘텐츠 추천 시스템.When the user accesses new content, retrieve the content consumption list for the user, search for other users who have used the content included in the user's content consumption list, and search the content consumption list for the other users. Intelligent content recommendation system according to the user. 제15항에 있어서, The method of claim 15, 인터넷 콘텐츠 서비스에서 제공되는 각종 콘텐츠를 저장하고, 상기 콘텐츠에 대한 사용자들의 사용 이력 또는 상기 콘텐츠에 대한 사용자들의 평가 점수가 포함 되는 콘텐츠 소비 목록을 기록하고 유지하는 콘텐츠 데이터베이스를 더 포함하고,A content database for storing various contents provided by the Internet content service, and recording and maintaining a content consumption list including a user's usage history of the content or a user's evaluation score of the content; 상기 검색부는,The search unit, 상기 콘텐츠 데이터베이스를 참조하여 상기 사용자에 대한 콘텐츠 소비 목록을 검색하는 사용자에 따른 지능형 콘텐츠 추천 시스템.Intelligent content recommendation system according to a user searching a content consumption list for the user by referring to the content database. 제15항에 있어서, The method of claim 15, 인터넷 콘텐츠 서비스를 사용하는 사용자 정보, 사용자에 대한 콘텐츠 사용 이력 또는 상기 사용자에 대한 콘텐츠 평가 점수를 기록하고 유지하는 사용자 데이터베이스를 더 포함하고,A user database for recording and maintaining user information using the Internet content service, a history of content usage for the user, or a content evaluation score for the user, 상기 검색부는,The search unit, 상기 콘텐츠 데이터베이스를 참조하여 상기 사용자의 콘텐츠 소비 목록 리스트에 포함된 콘텐츠를 사용한 다른 사용자들을 검색하는 사용자에 따른 지능형 콘텐츠 추천 시스템.Intelligent content recommendation system according to a user searching for other users using content included in the content consumption list list of the user by referring to the content database. 제15항에 있어서, The method of claim 15, 상기 검색된 콘텐츠 소비 목록을 비교하여 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 존재하는지 여부를 판단하고, 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 상기 신규 콘텐츠를 사용하였는지 여부를 판단하는 판단부를 더 포함하고, The searched content consumption list is compared to determine whether there is another user using the same content as the user's evaluation score, and whether or not another user who uses the same content as the user's evaluation score has used the new content. Further comprising a judging unit, 상기 연산부는,The calculation unit, 상기 다른 사용자가 신규 콘텐츠를 사용한 경우, 상기 다른 사용자의 신규 콘텐츠에 대한 추천 점수를 연산하는 사용자에 따른 지능형 콘텐츠 추천 시스템.Intelligent content recommendation system according to the user to calculate the recommendation score for the new content of the other user, when the other user used the new content. 제18항에 있어서, The method of claim 18, 상기 연산부는,The calculation unit, 상기 다른 사용자들과 상기 사용자가 모두 시청한 콘텐츠(PR(a)), 상기 콘텐츠에 대한 평가 점수(Rk(PR(a))), 상기 사용자와 동일한 콘텐츠를 사용한 다른 사용자들에 대한 전체 인원수(N), 상기 다른 사용자들이 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 또는 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)를 고려하여 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 사용자에 따른 지능형 콘텐츠 추천 시스템.The total number of the other users and the content viewed by the user (PR (a)), the evaluation score for the content (R k (PR (a))), and other users using the same content as the user (N) taking into account the number (m) of the content that the other users have used equally by the user or the number (n) of the content that has been given the same evaluation score for the content that the other users and the user have used equally; Intelligent content recommendation system according to a user for calculating a recommendation score for the new content. 제19항에 있어서, The method of claim 19, 상기 분류부는,The classification unit, 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 및 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 추천 점수가 부여된 콘텐츠의 개수(n)에 대한 비(n/m)가 기준치 이상인 다른 사용자들을 상기 사용자와 동일한 그룹으로 분류하는 사용자에 따른 지능형 콘텐츠 추천 시스템.The ratio of the number m of content used by the other users and the user (m) and the number n of content to which the same recommendation score is given to the content used by the other users and the user (n) Intelligent content recommendation system according to a user for classifying other users whose m) is greater than or equal to the reference value into the same group as the user. 제20항에 있어서, The method of claim 20, 상기 판단부는,The determination unit, 상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되었는지 여부를 판단하고,It is determined whether all evaluations of new contents of other users classified into the same group as the user are reflected. 상기 추천부는,The recommendation unit, 상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영된 경우, 상기 신규 콘텐츠에 대한 추천 점수를 디스플레이하여 상기 그룹 사용자별 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 시스템.Intelligent content recommendation system according to a user for recommending the content for each group user by displaying a recommendation score for the new content when all the evaluation of the new content of other users classified into the same group as the user is reflected. 제21항에 있어서, The method of claim 21, 상기 추천부는,The recommendation unit, 상기 사용자와 동일한 그룹 내 취향 추천 점수를 디스플레이하여 상기 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 시스템.Intelligent content recommendation system according to the user to recommend the content reflecting the user's content preference by displaying the taste recommendation score in the same group as the user. 제21항에 있어서, The method of claim 21, 상기 추천부는,The recommendation unit, 상기 추천 점수가 기준치보다 높은 콘텐츠들을 포함하는 추천 페이지를 구성하고, 상기 추천 페이지를 통해 상기 사용자에게 상기 콘텐츠들을 추천하는 사용자 에 따른 지능형 콘텐츠 추천 시스템.An intelligent content recommendation system according to a user, comprising a recommendation page including contents with the recommendation score higher than a reference value, and recommending the contents to the user through the recommendation page. 제21항에 있어서, The method of claim 21, 상기 추천부는,The recommendation unit, 동일한 콘텐츠를 사용하고, 동일한 평가 점수를 부여한 다른 사용자들의 평가, 후기 또는 댓글을 우선적으로 디스플레이하여 상기 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 시스템.An intelligent content recommendation system according to a user who uses the same content and preferentially displays the ratings, reviews, or comments of other users who have given the same evaluation score, thereby reflecting the content preference of the user. 제21항에 있어서, The method of claim 21, 상기 연산부는,The calculation unit, 상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되지 않은 경우, 상기 검색된 다른 사용자들에 대한 평가가 모두 반영될 때까지 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 사용자에 따른 지능형 콘텐츠 추천 시스템.When all evaluations of new contents of other users classified into the same group as the user are not reflected, the user who calculates a recommendation score for the new content until all the evaluations of the searched other users are reflected Intelligent content recommendation system.
KR1020080111780A 2008-11-11 2008-11-11 Intelligent Content Recommendation Method and System by User Active KR101022886B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080111780A KR101022886B1 (en) 2008-11-11 2008-11-11 Intelligent Content Recommendation Method and System by User

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080111780A KR101022886B1 (en) 2008-11-11 2008-11-11 Intelligent Content Recommendation Method and System by User

Publications (2)

Publication Number Publication Date
KR20100052896A true KR20100052896A (en) 2010-05-20
KR101022886B1 KR101022886B1 (en) 2011-03-16

Family

ID=42278082

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080111780A Active KR101022886B1 (en) 2008-11-11 2008-11-11 Intelligent Content Recommendation Method and System by User

Country Status (1)

Country Link
KR (1) KR101022886B1 (en)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012044692A3 (en) * 2010-10-01 2012-06-28 Billshrink, Inc. System and method for spend pattern analysis and application thereof
KR101319647B1 (en) * 2011-10-25 2013-10-17 한양대학교 산학협력단 Method for providing scalable collaborative filtering framework with overlapped information
KR20140096410A (en) * 2013-01-24 2014-08-06 에스케이플래닛 주식회사 Method to recommend digital contents using multi-period user profile and apparatus therefor
KR20140096412A (en) * 2013-01-24 2014-08-06 에스케이플래닛 주식회사 Method to recommend digital contents based on search log and apparatus therefor
KR20150024465A (en) * 2013-08-26 2015-03-09 네이버 주식회사 System and method for recommending contents based on user characteristics and transactions, and recording media thereof
WO2017026852A1 (en) * 2015-08-13 2017-02-16 정진호 Method for service of recommending product through relative comparison, and recommendation service apparatus and program therefor
US9830375B2 (en) 2014-03-13 2017-11-28 Korea Institute Of Science And Technology Apparatus for selecting and providing media content on social network service and method thereof
WO2019198950A1 (en) * 2018-04-13 2019-10-17 (주)스마일게이트스토브 Apparatus for providing content information and method therefor
US10504126B2 (en) 2009-01-21 2019-12-10 Truaxis, Llc System and method of obtaining merchant sales information for marketing or sales teams
US10594870B2 (en) 2009-01-21 2020-03-17 Truaxis, Llc System and method for matching a savings opportunity using census data
US11250308B2 (en) 2016-06-01 2022-02-15 Seoul National University R&Db Foundation Apparatus and method for generating prediction model based on artificial neural network
KR20220132297A (en) * 2021-03-23 2022-09-30 주식회사 넥슨코리아 A game providing device that provides product information within a set purchase amount and a method of operation of the game providing device
CN116389836A (en) * 2023-06-07 2023-07-04 深圳市天空创想科技有限公司 Multimedia information interaction system and interaction method
KR102692909B1 (en) * 2023-08-18 2024-08-08 쿠팡 주식회사 Electronic apparatus for providing information on content streaming service and method therefor

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200481145Y1 (en) 2015-03-18 2016-08-19 (주)엘피스메디칼 Shadowless Lamp
KR20210036184A (en) 2019-09-25 2021-04-02 이미진 Item recommendation module based on user taste information and method for identifying user taste information
KR102426939B1 (en) 2020-03-24 2022-07-28 부산대학교병원 User Customized Training System And Method For Improving Cognitive Using Cognitive Impairment Analysis By Virtual Reality Based Cognitive Game Score

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100429054B1 (en) * 1999-09-29 2004-05-03 주식회사 온빛시스템 Automated intelligent item recommending system
KR20010091458A (en) * 2000-03-15 2001-10-23 김용환 System for network-based recommendation of product information and method for the same
KR20040042065A (en) * 2002-11-12 2004-05-20 하창승 Intelligent information searching method using case-based reasoning algorithm and association rule mining algorithm
KR100859918B1 (en) * 2007-08-09 2008-09-23 김서준 Method and apparatus for evaluating searched contents using user feedback and providing search results using evaluation results

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10504126B2 (en) 2009-01-21 2019-12-10 Truaxis, Llc System and method of obtaining merchant sales information for marketing or sales teams
US10594870B2 (en) 2009-01-21 2020-03-17 Truaxis, Llc System and method for matching a savings opportunity using census data
WO2012044692A3 (en) * 2010-10-01 2012-06-28 Billshrink, Inc. System and method for spend pattern analysis and application thereof
KR101319647B1 (en) * 2011-10-25 2013-10-17 한양대학교 산학협력단 Method for providing scalable collaborative filtering framework with overlapped information
KR20140096412A (en) * 2013-01-24 2014-08-06 에스케이플래닛 주식회사 Method to recommend digital contents based on search log and apparatus therefor
KR20140096410A (en) * 2013-01-24 2014-08-06 에스케이플래닛 주식회사 Method to recommend digital contents using multi-period user profile and apparatus therefor
KR20150024465A (en) * 2013-08-26 2015-03-09 네이버 주식회사 System and method for recommending contents based on user characteristics and transactions, and recording media thereof
US9830375B2 (en) 2014-03-13 2017-11-28 Korea Institute Of Science And Technology Apparatus for selecting and providing media content on social network service and method thereof
WO2017026852A1 (en) * 2015-08-13 2017-02-16 정진호 Method for service of recommending product through relative comparison, and recommendation service apparatus and program therefor
US11250308B2 (en) 2016-06-01 2022-02-15 Seoul National University R&Db Foundation Apparatus and method for generating prediction model based on artificial neural network
WO2019198950A1 (en) * 2018-04-13 2019-10-17 (주)스마일게이트스토브 Apparatus for providing content information and method therefor
KR20220132297A (en) * 2021-03-23 2022-09-30 주식회사 넥슨코리아 A game providing device that provides product information within a set purchase amount and a method of operation of the game providing device
CN116389836A (en) * 2023-06-07 2023-07-04 深圳市天空创想科技有限公司 Multimedia information interaction system and interaction method
KR102692909B1 (en) * 2023-08-18 2024-08-08 쿠팡 주식회사 Electronic apparatus for providing information on content streaming service and method therefor
WO2025041923A1 (en) * 2023-08-18 2025-02-27 쿠팡 주식회사 Electronic device for providing information in content streaming service and method therefor

Also Published As

Publication number Publication date
KR101022886B1 (en) 2011-03-16

Similar Documents

Publication Publication Date Title
KR101022886B1 (en) Intelligent Content Recommendation Method and System by User
US9519716B2 (en) System and method for conducting a profile based search
JP4678546B2 (en) RECOMMENDATION DEVICE AND METHOD, PROGRAM, AND RECORDING MEDIUM
US8135739B2 (en) Online relevance engine
TWI472720B (en) Systems and methods for presenting point of interest (poi) information map, and storage medium thereof
US7882175B1 (en) Selecting an advertising message for presentation on a page of a publisher web site based upon both user history and page context
JP4650541B2 (en) RECOMMENDATION DEVICE AND METHOD, PROGRAM, AND RECORDING MEDIUM
US7743067B2 (en) Mixed-model recommender for leisure activities
CN108140041B (en) Watch Time Clustering for Video Search
US9292863B2 (en) Representative keyword selection
US20170091839A1 (en) Product recommendation using sentiment and semantic analysis
US20090006368A1 (en) Automatic Video Recommendation
US20090210409A1 (en) Increasing online search engine rankings using click through data
CN106022842A (en) Product information recommending method and product information recommending device
KR100970335B1 (en) How to update a keyword of interest to you and a system for performing that method
CN102693252A (en) System and method for effectively providing entertainment recommendations to device users
JP2011145742A (en) Apparatus and method for processing information, and program
CN107408122B (en) Medium and method for efficient retrieval of fresh Internet content
EP3446235A1 (en) Optimizing content distribution using a model
US20160379270A1 (en) Systems and methods for customized internet searching and advertising
JP2004362019A (en) Information recommendation device, information recommendation method, information recommendation program, and recording medium
US8620966B2 (en) Network content modification
KR101347220B1 (en) System for providing advertisement contents
JP5938002B2 (en) Content recommendation device and operation method thereof
CA2709599A1 (en) Method and system for recommending articles

Legal Events

Date Code Title Description
A201 Request for examination
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20081111

PA0201 Request for examination
N231 Notification of change of applicant
PN2301 Change of applicant

Patent event date: 20090707

Comment text: Notification of Change of Applicant

Patent event code: PN23011R01D

PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20100825

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20110201

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20110309

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20110309

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
FPAY Annual fee payment

Payment date: 20140303

Year of fee payment: 4

PR1001 Payment of annual fee

Payment date: 20140303

Start annual number: 4

End annual number: 4

FPAY Annual fee payment

Payment date: 20150226

Year of fee payment: 5

PR1001 Payment of annual fee

Payment date: 20150226

Start annual number: 5

End annual number: 5

FPAY Annual fee payment

Payment date: 20160225

Year of fee payment: 6

PR1001 Payment of annual fee

Payment date: 20160225

Start annual number: 6

End annual number: 6

FPAY Annual fee payment

Payment date: 20170224

Year of fee payment: 7

PR1001 Payment of annual fee

Payment date: 20170224

Start annual number: 7

End annual number: 7

FPAY Annual fee payment

Payment date: 20180226

Year of fee payment: 8

PR1001 Payment of annual fee

Payment date: 20180226

Start annual number: 8

End annual number: 8

FPAY Annual fee payment

Payment date: 20200302

Year of fee payment: 10

PR1001 Payment of annual fee

Payment date: 20200302

Start annual number: 10

End annual number: 10

PR1001 Payment of annual fee

Payment date: 20210302

Start annual number: 11

End annual number: 11

PR1001 Payment of annual fee

Payment date: 20220302

Start annual number: 12

End annual number: 12

PR1001 Payment of annual fee

Payment date: 20230424

Start annual number: 13

End annual number: 13