[go: up one dir, main page]

KR102302359B1 - Recommendation system for multiple kinds of media and recommendation method therefor - Google Patents

Recommendation system for multiple kinds of media and recommendation method therefor Download PDF

Info

Publication number
KR102302359B1
KR102302359B1 KR1020190117642A KR20190117642A KR102302359B1 KR 102302359 B1 KR102302359 B1 KR 102302359B1 KR 1020190117642 A KR1020190117642 A KR 1020190117642A KR 20190117642 A KR20190117642 A KR 20190117642A KR 102302359 B1 KR102302359 B1 KR 102302359B1
Authority
KR
South Korea
Prior art keywords
environment information
driving environment
media
content
recommendation
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.)
Active
Application number
KR1020190117642A
Other languages
Korean (ko)
Other versions
KR20210035621A (en
Inventor
허권
서형진
Original Assignee
주식회사 투비원솔루션즈
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 주식회사 투비원솔루션즈 filed Critical 주식회사 투비원솔루션즈
Priority to KR1020190117642A priority Critical patent/KR102302359B1/en
Publication of KR20210035621A publication Critical patent/KR20210035621A/en
Application granted granted Critical
Publication of KR102302359B1 publication Critical patent/KR102302359B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/10—Interpretation of driver requests or demands

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Transportation (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Mechanical Engineering (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

미디어 추천 시스템은, M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 미디어 종류 추천부; 및 사용자의 사용 이력 정보 또는 사용자의 그룹 정보 중 적어도 하나를 이용하여, 상기 미디어 종류 추천부에서 추천된 N개의 미디어 종류 각각에 대해 하나의 콘텐츠를 추천하는 콘텐츠 추천부;를 포함한다.The media recommendation system includes: a media type recommendation unit for recommending N media types among M recommended media types; and a content recommendation unit that recommends one content for each of the N media types recommended by the media type recommendation unit by using at least one of the user's usage history information and the user's group information.

Description

다수의 종류의 미디어 추천 시스템 및 그 추천 방법{RECOMMENDATION SYSTEM FOR MULTIPLE KINDS OF MEDIA AND RECOMMENDATION METHOD THEREFOR}Multiple types of media recommendation system and method for recommending the same

본 발명은 다수의 종류의 미디어 추천 시스템 및 그 추천 방법에 관한 것이다.The present invention relates to multiple types of media recommendation systems and methods for recommending the same.

국내공개특허 제10-2016-0051922호(이하 '종래 기술'이라 함)에는, 운전자가 청취한 음악 리스트 및 주행 상황 정보를 기반으로 적어도 하나의 음악을 추천하여 제공하는 차량의 음악 추천 시스템 및 그 방법이 개시되어 있다.In Korean Patent Laid-Open No. 10-2016-0051922 (hereinafter referred to as 'prior art'), a vehicle music recommendation system and its A method is disclosed.

종래 기술은, '음악'이라는 하나의 종류의 콘텐츠를 추천하는 것에 관한 것이다. 그런데, 최근에는 다양한 형태의 콘텐츠가 다양한 종류의 미디어를 통해 이용 가능한 데, 종래 기술을 이용할 경우에는 다양한 형태의 콘텐츠를 추천하는 것에는 어려움이 예상된다.The prior art relates to recommending one type of content, 'music'. However, recently, various types of contents are available through various types of media, and it is expected that it will be difficult to recommend various types of contents when using the prior art.

본 발명은 전술한 바와 같은 기술적 과제를 해결하는 데 목적이 있는 발명으로서, 다양한 종류의 미디어를 통해 제공되는 다양한 콘텐츠를 동시에 추천할 수 있는 다수의 종류의 미디어 추천 시스템 및 그 추천 방법을 제공하는 것에 그 목적이 있다.The present invention aims to solve the technical problem as described above, to provide a plurality of types of media recommendation system capable of simultaneously recommending various contents provided through various types of media, and a method for recommending the same There is a purpose.

본 발명의 미디어 추천 시스템은, M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 미디어 종류 추천부; 및 사용자의 사용 이력 정보 또는 사용자의 그룹 정보 중 적어도 하나를 이용하여, 상기 미디어 종류 추천부에서 추천된 N개의 미디어 종류 각각에 대해 하나의 콘텐츠를 추천하는 콘텐츠 추천부;를 포함한다.A media recommendation system of the present invention includes: a media type recommendation unit for recommending N media types among M recommended media types; and a content recommendation unit that recommends one content for each of the N media types recommended by the media type recommendation unit by using at least one of the user's usage history information and the user's group information.

구체적으로, 상기 미디어 종류 추천부는, 미리 지정된 일정 기간 동안 해당 미디어 종류에 대한 사용자의 선택 횟수를 이용하여, 상기 M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 것을 특징으로 한다.Specifically, the media type recommendation unit may recommend N media types among the M recommendable media types by using the number of times the user selects the corresponding media type during a predetermined period.

아울러, 상기 콘텐츠 추천부는, M개의 미디어 종류에 각각에 포함된 적어도 하나의 미디어 각각에 대해 해당 미디어를 계층적 구조로 구분할 경우, 미리 지정된 계층 정보를 해당 콘텐츠로서 추천하는 것이 바람직하다.In addition, it is preferable that the content recommendation unit recommends predetermined hierarchical information as the corresponding content when classifying the corresponding media in a hierarchical structure for each of the at least one media included in each of the M media types.

구체적으로, 상기 콘텐츠 추천부는, 사용자의 사용 이력 정보를 이용하여, 상기 미디어 종류 추천부에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 1 추천기;를 포함하되, 상기 제 1 추천기는, 차량의 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하는 것에 의해, N개의 미디어 종류 각각에 대해 콘텐츠를 추천하는 것을 특징으로 한다. Specifically, the content recommendation unit may be configured to use the user's usage history information to recommend a first piece of content for 0 or at least some of the N media types recommended by the media type recommendation unit, respectively. a recommender; wherein the first recommender is configured to recommend content for each of the N media types by comparing a plurality of pieces of current driving environment information of the vehicle with a plurality of pieces of past driving environment information. characterized.

상기 다수의 주행 환경 정보는, 주행 날씨, 주행 요일, 주행 시간대, 주행 속도, 주행 거리, 주행 지역 또는 동승자 여부 중 적어도 3개를 포함하는 것이 바람직하다.The plurality of driving environment information may include at least three of driving weather, driving day, driving time zone, driving speed, driving distance, driving region, or whether a passenger is present.

또한, 상기 제 1 추천기는, 상기 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리의 설정 정보; 또는, 상기 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리 중 적어도 하나의 카테고리를 포함하여 분류하는 적어도 하나의 유사 카테고리의 설정 정보; 중 적어도 하나를 이용하여, 콘텐츠를 추천하는 것을 특징으로 한다. In addition, the first recommender may include: setting information of a plurality of categories for classifying each of the plurality of driving environment information; Alternatively, setting information of at least one similar category for classifying including at least one category among a plurality of categories for classifying each of the plurality of driving environment information; It is characterized in that the content is recommended by using at least one of them.

아울러, 상기 제 1 추천기는, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 동일 카테고리인지를 판단하고, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것을 특징으로 한다. 또한, 상기 제 1 추천기는, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우에는, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것이 바람직하다. 바람직하게는, 상기 제 1 추천기는, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 동일 카테고리인지를 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보가 없는 경우, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 유사 카테고리인지를 판단하고, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것을 특징으로 한다. 아울러, 상기 제 1 추천기는, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우에는, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것이 바람직하다.In addition, the first recommender compares a plurality of pieces of current driving environment information with a plurality of pieces of past driving environment information to determine whether the corresponding driving environment information is in the same category, and sets the driving environment information of the same category in advance. It is characterized in that the content used by the user is recommended in the past driving environment information that has the most driving environment information of the same category among K or more pieces of past driving environment information. In addition, the first recommender is configured to, when a plurality of pieces of past driving environment information having the largest amount of driving environment information of the same category among K or more pieces of preset driving environment information of the same category exist, It is preferable to select past driving environment information by using preset weights for each environment information, and to recommend content used by the user from the selected past driving environment information. Preferably, the first recommender compares a plurality of pieces of current driving environment information with a plurality of pieces of past driving environment information, and determines whether the corresponding driving environment information is in the same category. When there is no preset K or more pieces of past driving environment information, a plurality of pieces of current driving environment information and a plurality of pieces of past driving environment information are compared to determine whether the corresponding driving environment information is a similar category, and It is characterized in that the content used by the user is recommended in the past driving environment information in which the driving environment information of a similar category is the most among the L or more pieces of driving environment information preset in advance. In addition, the first recommender is configured to, when there is a plurality of pieces of past driving environment information having the largest amount of driving environment information of a similar category among L or more pieces of previously set driving environment information of a similar category, each driving environment It is preferable to select past driving environment information by using preset weights for each environment information, and to recommend content used by the user from the selected past driving environment information.

또한, 상기 콘텐츠 추천부는, 사용자의 그룹 정보를 이용하여, 상기 미디어 종류 추천부에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 2 추천기;를 더 포함하되, 상기 제 1 추천기가 N개의 미디어 종류 중 적어도 일부에 대해 미디어를 선택하지 못한 경우, 상기 제 2 추천기가 해당 미디어의 종류에 대해 콘텐츠를 추천하는 것을 특징으로 한다.In addition, the content recommendation unit is a second recommender that recommends one content for 0 or at least some of the N media types recommended by the media type recommendation unit, respectively, using group information of the user. and ;, wherein when the first recommender fails to select media for at least some of the N media types, the second recommender recommends content for the corresponding media type.

아울러, 본 발명의 미디어 추천 시스템은, N개의 미디어 종류 각각에 대해 추천된 하나의 콘텐츠를 표시하는 표시부;를 더 포함하되, 상기 표시부는, N개의 미디어 종류 각각에 대해, 해당 콘텐츠의 명칭, 해당 콘텐츠의 요약 정보, 해당 콘텐츠가 포함된 미디어 정보 및 해당 콘텐츠가 포함된 미디어가 속한 미디어의 종류 중 다수를 표시하는 것이 바람직하다.In addition, the media recommendation system of the present invention further includes a display unit for displaying one content recommended for each of the N media types, wherein the display unit includes, for each of the N media types, a name of the corresponding content, a corresponding It is preferable to display a plurality of types of summary information of the content, media information including the corresponding content, and media including the corresponding content.

본 발명의 미디어 추천 방법은, M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 미디어 종류 추천 단계; 및 사용자의 사용 이력 정보 또는 사용자의 그룹 정보 중 적어도 하나를 이용하여, 상기 미디어 종류 추천 단계에서 추천된 N개의 미디어 종류 각각에 대해 하나의 콘텐츠를 추천하는 콘텐츠 추천 단계;를 포함한다.A media recommendation method of the present invention includes a media type recommendation step of recommending N media types among M recommended media types; and a content recommendation step of recommending one content for each of the N media types recommended in the media type recommendation step by using at least one of the user's usage history information and the user's group information.

구체적으로, 상기 미디어 종류 추천 단계는, 미리 지정된 일정 기간 동안 해당 미디어 종류에 대한 사용자의 선택 횟수를 이용하여, 상기 M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 것을 특징으로 한다.Specifically, the media type recommendation step is characterized in that it recommends N media types among the M recommendable media types by using the number of selections by the user for the corresponding media type during a predetermined period.

아울러, 상기 콘텐츠 추천 단계는, M개의 미디어 종류에 각각에 포함된 적어도 하나의 미디어 각각에 대해 해당 미디어를 계층적 구조로 구분할 경우, 미리 지정된 계층 정보를 해당 콘텐츠로서 추천하는 것이 바람직하다.In addition, in the content recommendation step, when the corresponding media is classified into a hierarchical structure for each of the at least one media included in each of the M media types, it is preferable to recommend predetermined hierarchical information as the corresponding content.

구체적으로, 상기 콘텐츠 추천 단계는, 사용자의 사용 이력 정보를 이용하여, 상기 미디어 종류 추천 단계에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 1 추천 단계;를 포함하되, 상기 제 1 추천 단계는, 차량의 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하는 것에 의해, N개의 미디어 종류 각각에 대해 콘텐츠를 추천하는 것을 특징으로 한다.Specifically, the content recommendation step includes a method of recommending one piece of content for 0 or at least some of the N media types recommended in the media type recommendation step, respectively, using the user's usage history information. 1 recommendation step; wherein the first recommendation step recommends content for each of the N media types by comparing a plurality of pieces of current driving environment information of the vehicle with a plurality of pieces of past driving environment information of the vehicle. characterized in that

상기 다수의 주행 환경 정보는, 주행 날씨, 주행 요일, 주행 시간대, 주행 속도, 주행 거리, 주행 지역 또는 동승자 여부 중 적어도 3개를 포함하는 것이 바람직하다.The plurality of driving environment information may include at least three of driving weather, driving day, driving time zone, driving speed, driving distance, driving region, or whether a passenger is present.

또한, 상기 제 1 추천 단계는, 상기 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리의 설정 정보; 또는, 상기 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리 중 적어도 하나의 카테고리를 포함하여 분류하는 적어도 하나의 유사 카테고리의 설정 정보; 중 적어도 하나를 이용하여, 콘텐츠를 추천하는 것을 특징으로 한다.In addition, the first recommendation step may include: setting information of a plurality of categories for classifying each of the plurality of driving environment information; Alternatively, setting information of at least one similar category for classifying including at least one category among a plurality of categories for classifying each of the plurality of driving environment information; It is characterized in that the content is recommended by using at least one of them.

바람직하게는, 상기 제 1 추천 단계는, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 동일 카테고리인지를 판단하는 동일 카테고리 판단 단계; 및 상기 동일 카테고리 판단 단계에서 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-1 추천 단계;를 포함하는 것을 특징으로 한다. 아울러, 상기 제 1 추천 단계는, 상기 동일 카테고리 판단 단계에서 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-2 추천 단계;를 더 포함하는 것이 바람직하다. 또한, 상기 제 1 추천 단계는, 상기 동일 카테고리 판단 단계에서 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보가 없는 경우, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 유사 카테고리인지를 판단하는 유사 카테고리 판단 단계; 및 상기 유사 카테고리 판단 단계에서 판단한 결과, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-3 추천 단계;를 더 포함하는 것을 특징으로 한다. 아울러, 상기 제 1 추천 단계는, 상기 유사 카테고리 판단 단계에서 판단한 결과, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-4 추천 단계;를 더 포함하는 것을 특징으로 한다.Preferably, the first recommendation step comprises: a same category determination step of comparing a plurality of pieces of current driving environment information with a plurality of pieces of past driving environment information to determine whether the corresponding driving environment information is the same category; And as a result of the determination in the same category determination step, among the K or more pieces of previously set driving environment information of the same category, the content used by the user is recommended in the past driving environment information having the largest amount of driving environment information of the same category and a 1-1 recommendation step. In addition, in the first recommendation step, as a result of the determination in the same category determination step, past driving environment information having the largest amount of driving environment information of the same category among K or more pieces of preset driving environment information of the same category a 1-2 recommendation step of selecting past driving environment information by using a weight preset for each driving environment information and recommending content used by the user in the selected past driving environment information when there are a plurality of . It is preferable to further include Also, in the first recommendation step, if, as a result of the determination in the same category determination step, there is no past driving environment information for which the driving environment information of the same category is preset K or more, a plurality of current driving environment information and a plurality of past driving environment information a similar category determination step of comparing a plurality of pieces of driving environment information of , and determining whether the corresponding driving environment information is a similar category; and as a result of the determination in the similar category determination step, the content used by the user is recommended in the past driving environment information having the largest amount of driving environment information of a similar category among L or more pieces of previously set driving environment information of a similar category It characterized in that it further comprises; the 1-3 recommendation step. In addition, in the first recommendation step, as a result of the determination in the similar category determination step, past driving environment information in which driving environment information of a similar category is the most among L or more pieces of previously set driving environment information of a similar category a 1-4 recommendation step of selecting past driving environment information by using a preset weight for each driving environment information and recommending content used by the user in the selected past driving environment information when there are a plurality of . It is characterized in that it further comprises.

바람직하게는, 상기 콘텐츠 추천 단계는, 사용자의 그룹 정보를 이용하여, 상기 미디어 종류 추천 단계에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 2 추천 단계;를 더 포함하되, 상기 제 1 추천 단계에서 N개의 미디어 종류 중 적어도 일부에 대해 미디어를 선택하지 못한 경우, 상기 제 2 추천 단계에서 해당 미디어의 종류에 대해 콘텐츠를 추천하는 것을 특징으로 한다.Preferably, the content recommendation step includes a method of recommending one piece of content for 0 or at least some of the N media types recommended in the media type recommendation step, respectively, using group information of the user. 2 Recommendation step; further comprising, wherein when media is not selected for at least some of the N media types in the first recommendation step, content is recommended for the corresponding media type in the second recommendation step do.

아울러, 본 발명의 미디어 추천 방법은, N개의 미디어 종류 각각에 대해 추천된 하나의 콘텐츠를 표시하는 표시 단계;를 더 포함하되, 상기 표시 단계는, N개의 미디어 종류 각각에 대해, 해당 콘텐츠의 명칭, 해당 콘텐츠의 요약 정보, 해당 콘텐츠가 포함된 미디어 정보 및 해당 콘텐츠가 포함된 미디어가 속한 미디어의 종류 중 다수를 표시하는 것을 특징으로 한다.In addition, the media recommendation method of the present invention further includes a displaying step of displaying one content recommended for each of the N media types, wherein the displaying step includes: for each of the N media types, a name of the corresponding content , summary information of the corresponding content, media information including the corresponding content, and a plurality of types of media to which the media including the corresponding content belongs are displayed.

본 발명의 다수의 종류의 미디어 추천 시스템 및 그 추천 방법에 따르면, 다양한 종류의 미디어를 통해 제공되는 다양한 콘텐츠를 동시에 추천할 수 있다.According to the multiple types of media recommendation system and the recommendation method of the present invention, it is possible to simultaneously recommend various contents provided through various types of media.

도 1은 본 발명의 바람직한 일실시예에 따른 다수의 종류의 미디어 추천 시스템의 구성도.
도 2는 스트리밍 뮤직 서비스, 스트리밍 비디오 서비스, 개인 방송 서비스 및 뉴스 언론사에 포함될 수 있는 미디어의 예시.
도 3은 미디어에 따른 계층적 구조의 예시도.
도 4a 및 도 4b는 제 1 추천기에 의한 다수의 주행 환경 정보에 대한 카테고리 분류에 대한 설명도.
도 5는 제 1 추천기에 의한 콘텐츠의 추천 방법에 대한 설명도.
도 6은 표시부에 의한 표시 예시도.1 is a block diagram of a plurality of types of media recommendation system according to a preferred embodiment of the present invention.
2 is an example of media that may be included in a streaming music service, a streaming video service, a personal broadcasting service, and a news media company.
3 is an exemplary diagram of a hierarchical structure according to media.
4A and 4B are explanatory diagrams for category classification of a plurality of driving environment information by a first recommender;
Fig. 5 is an explanatory diagram of a content recommendation method by a first recommender;
6 is an exemplary view of a display by a display unit;

이하, 첨부된 도면을 참조하면서 본 발명의 실시예들에 따른 다수의 종류의 미디어 추천 시스템 및 그 추천 방법에 대해 상세히 설명하기로 한다. 본 발명의 하기의 실시예들은 본 발명을 구체화하기 위한 것일 뿐 본 발명의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 발명의 상세한 설명 및 실시예들로부터 본 발명이 속하는 기술 분야의 전문가가 용이하게 유추할 수 있는 것은 본 발명의 권리 범위에 속하는 것으로 해석된다.Hereinafter, various types of media recommendation systems and methods for recommending the same according to embodiments of the present invention will be described in detail with reference to the accompanying drawings. Of course, the following examples of the present invention are not intended to limit or limit the scope of the present invention only to embody the present invention. What an expert in the technical field to which the present invention pertains can easily infer from the detailed description and embodiments of the present invention is construed as belonging to the scope of the present invention.

먼저, 도 1은 본 발명의 바람직한 일실시예에 따른 다수의 종류의 미디어 추천 시스템(1000)의 구성도를 나타낸다.First, FIG. 1 shows a configuration diagram of a plurality of types of media recommendation system 1000 according to a preferred embodiment of the present invention.

본 발명의 바람직한 일실시예에 따른 다수의 종류의 미디어 추천 시스템(1000)은, 프로세서 및 메모리를 포함하는 적어도 하나의 컴퓨팅 장치를 이용하여 구현될 수 있다.A plurality of types of media recommendation system 1000 according to a preferred embodiment of the present invention may be implemented using at least one computing device including a processor and a memory.

도 1로부터 알 수 있는 바와 같이, 본 발명의 바람직한 일실시예에 따른 다수의 종류의 미디어 추천 시스템(1000)은, 미디어 종류 추천부(100), 콘텐츠 추천부(200) 및 표시부(300)를 포함한다.As can be seen from FIG. 1 , a plurality of types of media recommendation system 1000 according to a preferred embodiment of the present invention includes a media type recommendation unit 100 , a content recommendation unit 200 , and a display unit 300 . include

미디어 종류 추천부(100)는, M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 역할을 한다. 여기서, M은 3 이상의 정수이고, N은 2 이상의 정수인 것이 바람직하다. 아울러, M은 N보다 큰 정수이다.The media type recommendation unit 100 serves to recommend N media types among M recommended media types. Here, it is preferable that M is an integer of 3 or more, and N is an integer of 2 or more. In addition, M is an integer greater than N.

구체적으로, 미디어 종류 추천부(100)는, 미리 지정된 일정 기간 동안 해당 미디어 종류에 대한 사용자의 선택 횟수를 이용하여, M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 것을 특징으로 한다. 즉, 미디어 종류 추천부(100)는 이전 일정 기간 동안의 사용자의 사용 이력 중, 사용자의 선택에 의해 동작이 많이 된 미디어의 종류를 선택한다.Specifically, the media type recommendation unit 100 is characterized in that it recommends N media types among M recommendable media types by using the number of times the user selects the corresponding media type for a predetermined period. That is, the media type recommendation unit 100 selects a type of media that has been operated a lot by the user's selection from among the user's usage histories for the previous predetermined period.

미디어의 종류는, FM 라디오, AM 라디오, 스트리밍 뮤직(Streaming Music) 서비스, 스트리밍 비디오(Streaming Video) 서비스, 개인 방송 서비스, 뉴스 언론사 등을 들 수 있다. 예를 들면, 미디어 종류 추천부(100)는, FM 라디오, AM 라디오, 스트리밍 뮤직 서비스, 스트리밍 비디오 서비스, 개인 방송 서비스, 뉴스 언론사라는 6개의 미디어의 종류 중, FM 라디오, AM 라디오, 스트리밍 뮤직 서비스, 스트리밍 비디오 서비스라는 4개의 미디어의 종류를 추천할 수 있다.The types of media may include FM radio, AM radio, streaming music service, streaming video service, personal broadcasting service, news media, and the like. For example, the media type recommendation unit 100 may include FM radio, AM radio, and streaming music service among six types of media such as FM radio, AM radio, streaming music service, streaming video service, personal broadcasting service, and news media. , we can recommend 4 types of media: streaming video service.

아울러, 각각의 미디어의 종류에는 적어도 하나의 미디어가 포함될 수 있다. 예를 들면 FM 라디오에는 수신 주파수에 따른 다수의 FM 채널이 포함될 수 있고, AM 라디오에는 수신 주파수에 따른 다수의 AM 채널이 포함될 수 있다.In addition, each type of media may include at least one media. For example, an FM radio may include a plurality of FM channels according to a reception frequency, and the AM radio may include a plurality of AM channels according to a reception frequency.

도 2는 스트리밍 뮤직 서비스, 스트리밍 비디오 서비스, 개인 방송 서비스 및 뉴스 언론사에 포함될 수 있는 미디어의 예시이다.2 is an example of media that may be included in a streaming music service, a streaming video service, a personal broadcasting service, and a news media company.

콘텐츠 추천부(200)는, 사용자의 사용 이력 정보 또는 사용자의 그룹 정보 중 적어도 하나를 이용하여, 미디어 종류 추천부(100)에서 추천된 N개의 미디어 종류 각각에 대해 하나의 콘텐츠를 추천하는 역할을 한다.The content recommendation unit 200 serves to recommend one content for each of the N media types recommended by the media type recommendation unit 100 using at least one of the user's usage history information and the user's group information. do.

콘텐츠 추천부(200)는, M개의 미디어 종류에 각각에 포함된 적어도 하나의 미디어 각각에 대해 해당 미디어를 계층적 구조로 구분할 경우, 미리 지정된 특징적인 계층 정보인 '미디어 스팟' 정보를 해당 콘텐츠로서 추천하는 것을 특징으로 한다.The content recommendation unit 200, when classifying the corresponding media into a hierarchical structure for each of the at least one media included in each of the M media types, uses 'media spot' information, which is predetermined characteristic hierarchical information, as the corresponding content. It is characterized as recommended.

예를 들면, 계층적 구조는, 미디어의 종류, 미디어, 미디어 스팟이라는 계층 정보 순으로 나타낼 수 있다.For example, the hierarchical structure may be represented in the order of the type of media, the media, and hierarchical information such as a media spot.

도 3은 미디어에 따른 계층적 구조의 예시도이다.3 is an exemplary diagram of a hierarchical structure according to media.

즉, 콘텐츠 추천부(200)는, 차량 주행 환경인 상황에 따라 사용자가 선택한 미디어 스팟 정보를 저장하고, 이후 동일 또는 유사한 상황에서는 이전에 선택한 이력을 기준으로 해당 미디어 스팟을 추천하게 된다. 참고로, 미디어에 따른 계층적 구조는, 해당 미디어를 제공하는 서비스 제공자로부터 제공된 정보를 이용할 수 있다. That is, the content recommendation unit 200 stores the media spot information selected by the user according to the vehicle driving environment, and then recommends the media spot based on the previously selected history in the same or similar situation. For reference, the hierarchical structure according to the media may use information provided from a service provider that provides the corresponding media.

구체적으로 콘텐츠 추천부(200)는, 제 1 추천기(210)와 제 2 추천기(220)를 포함하여 구성될 수 있다.Specifically, the content recommendation unit 200 may include a first recommender 210 and a second recommender 220 .

제 1 추천기(210)는, 사용자의 사용 이력 정보를 이용하여, 미디어 종류 추천부(100)에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 역할을 한다. 구체적으로, 제 1 추천기(210)는, 차량의 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하는 것에 의해, N개의 미디어 종류 각각에 대해 콘텐츠를 추천하는 것을 특징으로 한다. 즉, 제 1 추천기(210)는 N개의 미디어별로, 콘텐츠를 추천한다.The first recommender 210 recommends one content for 0 or at least some media types among the N media types recommended by the media type recommendation unit 100 using the user's usage history information. plays a role Specifically, the first recommender 210 recommends content for each of the N media types by comparing a plurality of pieces of current driving environment information of the vehicle with a plurality of pieces of past driving environment information. do it with That is, the first recommender 210 recommends content for each N media.

참고로, 다수의 주행 환경 정보는, 주행 날씨, 주행 요일, 주행 시간대, 주행 속도, 주행 거리, 주행 지역 또는 동승자 여부 중 적어도 3개를 포함하는 것이 바람직하다.For reference, the plurality of driving environment information preferably includes at least three of driving weather, driving day, driving time zone, driving speed, driving distance, driving region, or whether a passenger is a passenger.

아울러, 제 1 추천기(210)는, 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리의 설정 정보; 또는, 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리 중 적어도 하나의 카테고리를 포함하여 분류하는 적어도 하나의 유사 카테고리의 설정 정보; 중 적어도 하나를 이용하여, 콘텐츠를 추천하는 것을 특징으로 한다.In addition, the first recommender 210 may include setting information of a plurality of categories for classifying each of a plurality of pieces of driving environment information; Alternatively, setting information of at least one similar category for classifying including at least one category among a plurality of categories for classifying each of the plurality of driving environment information; It is characterized in that the content is recommended by using at least one of them.

도 4a 및 도 4b는 제 1 추천기(210)에 의한 다수의 주행 환경 정보에 대한 카테고리 분류에 대한 설명도를 나타낸다.4A and 4B are explanatory diagrams for category classification of a plurality of driving environment information by the first recommender 210 .

도 4a로부터 알 수 있는 바와 같이, 주행 날씨는 '1-1' 내지 '1-7'이라는 7개의 카테고리로 분류될 수 있고, 7개의 카테고리는 다시 적어도 하나의 카테고리를 포함하는 그룹화에 의해 '1-a', '1-b' 및 '1-c'라는 3개의 유사 카테고리로 분류될 수 있다.As can be seen from FIG. 4A , driving weather may be classified into seven categories '1-1' to '1-7', and the seven categories are again '1' by grouping including at least one category. It can be classified into three similar categories: -a', '1-b' and '1-c'.

도 5는 제 1 추천기(210)에 의한 콘텐츠의 추천 방법에 대한 설명도를 나타낸다.5 is an explanatory diagram illustrating a content recommendation method by the first recommender 210 .

도 5로부터 알 수 있는 바와 같이, 제 1 추천기(210)는 1차적으로 동일 카테고리 정보를 이용하여 콘텐츠를 추천하고, 동일 카테고리 정보에 의해 콘텐츠의 추천이 완료되지 않은 경우 2차적으로 유사 카테고리 정보를 이용하여 콘텐츠를 추천하게 된다.As can be seen from FIG. 5 , the first recommender 210 primarily recommends content using the same category information, and when the content recommendation is not completed based on the same category information, secondarily, similar category information to recommend content.

아울러, 제 1 추천기(210)에 의해 콘텐츠의 추천이 완료되지 않은 경우, 제 2 추천기(220)에 의해 콘텐츠를 추천하게 된다.In addition, when content recommendation is not completed by the first recommender 210 , the content is recommended by the second recommender 220 .

구체적으로, 제 1 추천기(210)는, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 동일 카테고리인지를 판단한다.Specifically, the first recommender 210 compares a plurality of pieces of current driving environment information with a plurality of pieces of past driving environment information to determine whether the corresponding driving environment information is in the same category.

제 1 추천기(210)는, 동일 카테고리인지를 판단한 결과 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하게 된다. 여기서, K는 1 이상의 정수인 것이 바람직하다.As a result of judging whether the first recommender 210 is in the same category, the user is selected from the past driving environment information in which the driving environment information of the same category is the most among K or more pieces of preset driving environment information of the same category. We recommend the content you use. Here, it is preferable that K is an integer of 1 or more.

참고로, 도 5에서 '과거 1'의 경우 현재와 1개의 동일한 카테고리의 주행 환경 정보를 갖고, '과거 2'의 경우 현재와 4개의 동일한 카테고리의 주행 환경 정보를 갖는 것을 알 수 있다. For reference, in FIG. 5 , it can be seen that 'Past 1' has one category of driving environment information of the same category as the present, and 'Past 2' has four categories of driving environment information of the same category as that of the present.

아울러, 제 1 추천기(210)는, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우에는, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것을 특징으로 한다. 즉, 제 1 추천기(210)는, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우에, 동일한 카테고리의 주행 환경 정보에 할당된 가중치를 합산하여, 그 합산값이 큰 콘텐츠를 추천할 수 있다.In addition, the first recommender 210 may provide a plurality of pieces of past driving environment information with the largest amount of driving environment information of the same category among K or more pieces of preset driving environment information of the same category. It is characterized in that the past driving environment information is selected by using a weight preset for each driving environment information, and content used by the user is recommended from the selected past driving environment information. That is, when the first recommender 210 has a plurality of pieces of past driving environment information having the greatest amount of driving environment information of the same category among K or more pieces of preset driving environment information of the same category, By summing the weights assigned to the driving environment information of the same category, it is possible to recommend content having a large sum value.

또한, 제 1 추천기(210)는, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 동일 카테고리인지를 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보가 없는 경우, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 유사 카테고리인지를 판단하고, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천한다. 여기서, L은 1 이상의 정수인 것이 바람직하다. Also, the first recommender 210 compares a plurality of pieces of current driving environment information with a plurality of pieces of past driving environment information and determines whether the corresponding driving environment information is in the same category. As a result, the driving environment information of the same category When there is no past driving environment information of K or more preset, by comparing a plurality of current driving environment information and a plurality of past driving environment information, it is determined whether the corresponding driving environment information is a similar category, and a similar category Among the L or more pieces of preset driving environment information, the content used by the user is recommended in the past driving environment information that has the most driving environment information of a similar category. Here, L is preferably an integer of 1 or more.

예를 들면, 도 5에서 만약 K가 5인 경우, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보가 없으므로, 유사 카테고리 판단을 하게 된다. 참고로, 도 5에서 '과거 1'의 경우 현재와 3개의 유사한 카테고리의 주행 환경 정보를 갖고, '과거 2'의 경우 현재와 5개의 유사한 카테고리의 주행 환경 정보를 갖는 것을 알 수 있다. For example, in FIG. 5 , if K is 5, since there is no previous driving environment information in which the driving environment information of the same category is set in advance, the similar category is determined. For reference, in FIG. 5 , it can be seen that 'Past 1' has three categories of driving environment information similar to the present, and 'Past 2' has five categories of driving environment information similar to the present.

아울러, 제 1 추천기(210)는, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우에는, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것을 특징으로 한다. 즉, 제 1 추천기(210)는, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우에, 유사한 카테고리의 주행 환경 정보에 할당된 가중치를 합산하여, 그 합산값이 큰 콘텐츠를 추천할 수 있다.In addition, the first recommender 210 is configured to, when there is a plurality of past driving environment information having the largest amount of driving environment information of a similar category among L or more pieces of previously set driving environment information of a similar category, It is characterized in that the past driving environment information is selected by using a weight preset for each driving environment information, and content used by the user is recommended from the selected past driving environment information. That is, the first recommender 210, when there is a plurality of past driving environment information having the largest amount of driving environment information of a similar category among L or more pieces of preset driving environment information of a similar category, Weights assigned to driving environment information of similar categories may be summed, and content having a large sum value may be recommended.

제 2 추천기(220)는, 사용자의 그룹 정보를 이용하여, 미디어 종류 추천부(100)에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하게 된다.The second recommender 220 recommends one content for 0 or at least some of the N media types recommended by the media type recommendation unit 100, respectively, using the user's group information. do.

다만, 제 1 추천기(210)가 N개의 미디어 종류 중 적어도 일부에 대해 미디어를 선택하지 못한 경우, 제 2 추천기(220)가 해당 미디어의 종류에 대해 콘텐츠를 추천하는 것이 바람직하다.However, when the first recommender 210 fails to select media for at least some of the N media types, it is preferable that the second recommender 220 recommends content for the corresponding media type.

사용자의 그룹 정보는, 성별, 나이와 같은 사용자의 특징 정보를 이용하여 다수의 사용자를 다수의 그룹으로 미리 그룹화하여 분류한 정보를 말한다. 이 사용자 그룹 정보를 이용하여, 해당 그룹의 사용자가 해당 상황, 즉 차량의 주행 환경에서 많이 선택한 콘텐츠를 제 2 추천기(220)가 추천하게 된다.The user group information refers to information obtained by pre-grouping and classifying a plurality of users into a plurality of groups using user characteristic information such as gender and age. Using this user group information, the second recommender 220 recommends content that the user of the corresponding group has selected a lot in the corresponding situation, that is, the driving environment of the vehicle.

표시부(300)는, N개의 미디어 종류 각각에 대해 추천된 하나의 콘텐츠를 표시하는 역할을 한다.The display unit 300 serves to display one piece of content recommended for each of the N media types.

도 6은 표시부(300)에 의한 표시 예시도를 나타낸다.6 shows an exemplary view of display by the display unit 300 .

도 6으로부터 알 수 있는 바와 같이, 표시부(300)는, N개의 미디어 종류 각각에 대해, 해당 콘텐츠의 명칭, 해당 콘텐츠 관련 이미지 정보, 해당 콘텐츠의 요약 정보, 해당 콘텐츠가 포함된 미디어 정보 및 해당 콘텐츠가 포함된 미디어가 속한 미디어의 종류 중 다수를 표시하는 것을 특징으로 한다.As can be seen from FIG. 6 , the display unit 300, for each of the N media types, the name of the corresponding content, image information related to the corresponding content, summary information of the corresponding content, media information including the corresponding content, and the corresponding content It is characterized in that it displays a plurality of types of media to which the media includes.

다만, 도 6에서는 해당 콘텐츠가 포함된 미디어가 속한 미디어의 종류는 표시되지 않았다. 아울러, 콘텐츠의 명칭은, 미리 지정된 특징적인 계층 정보인 '미디어 스팟' 정보에 해당한다.However, in FIG. 6 , the type of media to which the media including the corresponding content belongs is not displayed. In addition, the name of the content corresponds to 'media spot' information that is predetermined characteristic hierarchical information.

즉, 도 6으로부터 알 수 있는 바와 같이, 표시부(300)는 사용자의 선호도가 높은 미디어 종류 중 N개를 메인 화면에 동시에 표시할 수 있고, 표시된 미디어별로 추천하는 콘텐츠인 해당 미디어 스팟에 대한 정보를 표시할 수 있다.That is, as can be seen from FIG. 6 , the display unit 300 can simultaneously display N pieces of media types with high user preference on the main screen, and display information on a corresponding media spot, which is content recommended for each displayed media. can be displayed

표시부(300)에 표시되는 해당 콘텐츠의 명칭, 해당 콘텐츠 관련 이미지 정보, 해당 콘텐츠의 요약 정보, 해당 콘텐츠가 포함된 미디어 정보 및 해당 콘텐츠가 포함된 미디어가 속한 미디어의 종류 중 다수는, 해당 콘텐츠와 관련된 실시간 정보 또는 실시간 정보가 없는 경우 가장 최근 정보를 표시하게 된다.Many of the names of the corresponding content displayed on the display unit 300, image information related to the corresponding content, summary information of the corresponding content, media information including the corresponding content, and the type of media to which the media including the corresponding content belongs, include: If there is no related real-time information or real-time information, the most recent information is displayed.

하기에 본 발명의 바람직한 일실시예에 따른 다수의 종류의 미디어 추천 방법에 대해 설명하기로 한다.Hereinafter, a plurality of types of media recommendation methods according to a preferred embodiment of the present invention will be described.

본 발명의 바람직한 일실시예에 따른 다수의 종류의 미디어 추천 방법은, 상술한 본 발명의 바람직한 일실시예에 따른 다수의 종류의 미디어 추천 시스템(1000)을 이용하므로 별도의 설명이 없더라도 미디어 추천 시스템(1000)의 모든 특징을 포함하고 있음은 물론이다.The multiple types of media recommendation method according to the preferred embodiment of the present invention uses the multiple types of media recommendation system 1000 according to the above-described preferred embodiment of the present invention. It goes without saying that all features of (1000) are included.

아울러 본 발명의 바람직한 일실시예에 따른 다수의 종류의 미디어 추천 방법은, 프로세서의 의해 실시되는 컴퓨터 프로그램의 형태로 구현될 수 있다.In addition, a plurality of media recommendation methods according to a preferred embodiment of the present invention may be implemented in the form of a computer program executed by a processor.

본 발명의 바람직한 일실시예에 따른 다수의 종류의 미디어 추천 방법은, M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 미디어 종류 추천 단계(S100); 사용자의 사용 이력 정보 또는 사용자의 그룹 정보 중 적어도 하나를 이용하여, 미디어 종류 추천 단계에서 추천된 N개의 미디어 종류 각각에 대해 하나의 콘텐츠를 추천하는 콘텐츠 추천 단계(S200); 및 N개의 미디어 종류 각각에 대해 추천된 하나의 콘텐츠를 표시하는 표시 단계(S300);를 포함하는 것을 특징으로 한다.A method for recommending multiple types of media according to a preferred embodiment of the present invention includes: a media type recommendation step (S100) of recommending N media types among M recommended media types; a content recommendation step (S200) of recommending one content for each of the N media types recommended in the media type recommendation step using at least one of the user's usage history information or the user's group information; and a display step (S300) of displaying one piece of content recommended for each of the N media types.

구체적으로, 미디어 종류 추천 단계(S100)는, 미리 지정된 일정 기간 동안 해당 미디어 종류에 대한 사용자의 선택 횟수를 이용하여, M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 것이 바람직하다.Specifically, in the media type recommendation step ( S100 ), it is preferable to recommend N media types among M recommendable media types using the number of times the user selects the corresponding media type for a predetermined period of time.

아울러, 콘텐츠 추천 단계(S200)는, M개의 미디어 종류에 각각에 포함된 적어도 하나의 미디어 각각에 대해 해당 미디어를 계층적 구조로 구분할 경우, 미리 지정된 특징적인 계층 정보를 해당 콘텐츠로서 추천하는 것을 특징으로 한다.In addition, in the content recommendation step ( S200 ), when the corresponding media is classified into a hierarchical structure for each of the at least one media included in each of the M media types, predetermined characteristic hierarchical information is recommended as the corresponding content do it with

콘텐츠 추천 단계(S200)는, 사용자의 사용 이력 정보를 이용하여, 미디어 종류 추천 단계(S100)에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 1 추천 단계(S210); 및 사용자의 그룹 정보를 이용하여, 미디어 종류 추천 단계(S100)에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 2 추천 단계(S220);를 포함하는 것을 특징으로 한다.In the content recommendation step (S200), one content is recommended for 0 or at least some media types among the N media types recommended in the media type recommendation step (S100) using the user's usage history information. a first recommendation step (S210); and a second recommendation step (S220) of recommending, respectively, one content for 0 or at least some of the N media types recommended in the media type recommendation step (S100) by using the user's group information; It is characterized in that it includes.

콘텐츠 추천 단계(S200)는, 제 1 추천 단계(S210)에서 N개의 미디어 종류 중 적어도 일부에 대해 미디어를 선택하지 못한 경우, 제 2 추천 단계(S220)에서 해당 미디어의 종류에 대해 콘텐츠를 추천하는 것이 바람직하다.In the content recommendation step S200, if media is not selected for at least some of the N media types in the first recommendation step S210, recommending content for the corresponding media type in the second recommendation step S220 it is preferable

구체적으로, 제 1 추천 단계(S210)는, 차량의 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하는 것에 의해, N개의 미디어 종류 각각에 대해 콘텐츠를 추천하는 것을 특징으로 한다.Specifically, the first recommendation step ( S210 ) recommends content for each of the N media types by comparing a plurality of pieces of current driving environment information of the vehicle with a plurality of pieces of past driving environment information. do it with

아울러, 다수의 주행 환경 정보는, 주행 날씨, 주행 요일, 주행 시간대, 주행 속도, 주행 거리, 주행 지역 또는 동승자 여부 중 적어도 3개를 포함할 수 있다.In addition, the plurality of driving environment information may include at least three of driving weather, driving day, driving time zone, driving speed, driving distance, driving region, or whether a passenger is present.

제 1 추천 단계(S210)는, 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리의 설정 정보; 또는, 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리 중 적어도 하나의 카테고리를 포함하여 분류하는 적어도 하나의 유사 카테고리의 설정 정보; 중 적어도 하나를 이용하여, 콘텐츠를 추천하는 것을 특징으로 한다.The first recommendation step ( S210 ) may include setting information of a plurality of categories for classifying each of a plurality of pieces of driving environment information; Alternatively, setting information of at least one similar category for classifying including at least one category among a plurality of categories for classifying each of the plurality of driving environment information; It is characterized in that the content is recommended by using at least one of them.

구체적으로, 제 1 추천 단계(S210)는, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 동일 카테고리인지를 판단하는 동일 카테고리 판단 단계(S211); 동일 카테고리 판단 단계(S211)에서 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-1 추천 단계(S212); 동일 카테고리 판단 단계(S211)에서 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-2 추천 단계(S212);를 포함하는 것이 바람직하다.Specifically, the first recommendation step ( S210 ) is a same category determination step ( S211 ) of comparing a plurality of pieces of current driving environment information with a plurality of pieces of past driving environment information to determine whether the corresponding driving environment information is the same category ( S211 ). ); As a result of the determination in the same category determination step (S211), the content used by the user in the past driving environment information in which the driving environment information of the same category is the most among K or more pieces of previously set driving environment information of the same category 1-1 recommendation step (S212); As a result of the determination in the same category determination step S211, if there is a plurality of past driving environment information having the greatest amount of driving environment information of the same category among K or more pieces of preset driving environment information of the same category, each A first and second recommendation step (S212) of selecting past driving environment information by using a weight preset for each driving environment information of desirable.

아울러, 제 1 추천 단계(S210)는, 동일 카테고리 판단 단계(S211)에서 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보가 없는 경우, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 유사 카테고리인지를 판단하는 유사 카테고리 판단 단계(S213); 및 유사 카테고리 판단 단계(S213)에서 판단한 결과, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-3 추천 단계(S214); 및 유사 카테고리 판단 단계(S213)에서 판단한 결과, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-4 추천 단계(S215);를 더 포함하는 것을 특징으로 한다.In addition, in the first recommendation step ( S210 ), as a result of the determination in the same category determination step ( S211 ), when there is no previous driving environment information in which the driving environment information of the same category is preset K or more, a plurality of current driving environment information and a similar category determination step (S213) of comparing a plurality of pieces of past driving environment information and determining whether the corresponding driving environment information is a similar category; And as a result of determining in the similar category determination step ( S213 ), the content used by the user in the past driving environment information in which the driving environment information of the similar category is the most among the L or more pieces of previous driving environment information in which the driving environment information of the similar category is preset a 1-3 recommendation step (S214) of recommending And as a result of determination in the similar category determination step S213, if there is a plurality of past driving environment information having the most driving environment information of a similar category among L or more pieces of previously set driving environment information of a similar category, A 1-4 recommendation step (S215) of selecting past driving environment information by using a preset weight for each driving environment information, and recommending content used by the user from the selected past driving environment information; characterized in that

표시 단계(S300)는, N개의 미디어 종류 각각에 대해, 해당 콘텐츠의 명칭, 해당 콘텐츠의 요약 정보, 해당 콘텐츠가 포함된 미디어 정보 및 해당 콘텐츠가 포함된 미디어가 속한 미디어의 종류 중 다수를 표시할 수 있다.In the display step (S300), for each of the N media types, a name of the corresponding content, summary information of the corresponding content, media information including the corresponding content, and a plurality of types of media to which the media including the corresponding content belongs are displayed. can

상술한 바와 같이, 본 발명의 다수의 종류의 미디어 추천 시스템(1000) 및 그 추천 방법에 따르면, 다양한 종류의 미디어를 통해 제공되는 다양한 콘텐츠를 동시에 추천할 수 있음을 알 수 있다.As described above, according to the multiple types of media recommendation system 1000 and its recommendation method of the present invention, it can be seen that various contents provided through various types of media can be simultaneously recommended.

1000 : 미디어 추천 시스템
100 : 미디어 종류 추천부
200 : 콘텐츠 추천부
300 : 표시부
210 : 제 1 추천기
220 : 제 2 추천기1000: media recommendation system
100: media type recommendation section
200: content recommendation unit
300: display
210: first recommender
220: second recommender

Claims (24)

미디어 추천 시스템에 있어서,
M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 미디어 종류 추천부; 및 사용자의 사용 이력 정보 또는 사용자의 그룹 정보 중 적어도 하나를 이용하여, 상기 미디어 종류 추천부에서 추천된 N개의 미디어 종류 각각에 대해 하나의 콘텐츠를 추천하는 콘텐츠 추천부;를 포함하고,
상기 콘텐츠 추천부는, 사용자의 사용 이력 정보를 이용하여, 상기 미디어 종류 추천부에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 1 추천기;를 포함하고,
상기 제 1 추천기는, 차량의 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하는 것에 의해, N개의 미디어 종류 각각에 대해 콘텐츠를 추천하고,
상기 다수의 주행 환경 정보는, 주행 날씨, 주행 요일, 주행 시간대, 주행 속도, 주행 거리, 주행 지역 또는 동승자 여부 중 적어도 3개를 포함하고,
상기 제 1 추천기는, 상기 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리의 설정 정보; 또는, 상기 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리 중 적어도 하나의 카테고리를 포함하여 분류하는 적어도 하나의 유사 카테고리의 설정 정보; 중 적어도 하나를 이용하여, 콘텐츠를 추천하고,
상기 제 1 추천기는, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 동일 카테고리인지를 판단하고, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것을 특징으로 하는 미디어 추천 시스템.In the media recommendation system,
a media type recommendation unit that recommends N media types among M recommended media types; and a content recommendation unit for recommending one piece of content for each of the N media types recommended by the media type recommendation unit using at least one of the user's usage history information and the user's group information;
The content recommendation unit may include: a first recommender that recommends one piece of content for 0 or at least some of the N media types recommended by the media type recommendation unit, respectively, by using the user's usage history information; including,
The first recommender recommends content for each of the N media types by comparing a plurality of current driving environment information of the vehicle with a plurality of past driving environment information;
The plurality of driving environment information includes at least three of driving weather, driving day, driving time zone, driving speed, driving distance, driving region, or whether a passenger is present,
The first recommender may include: setting information of a plurality of categories for classifying each of the plurality of driving environment information; Alternatively, setting information of at least one similar category for classifying including at least one category among a plurality of categories for classifying each of the plurality of driving environment information; Recommend content using at least one of
The first recommender compares a plurality of pieces of current driving environment information with a plurality of pieces of past driving environment information to determine whether the corresponding driving environment information is in the same category, and K pieces of preset driving environment information of the same category A media recommendation system, characterized in that it recommends content used by the user in the past driving environment information that has the most driving environment information of the same category among the above driving environment information. 제1항에 있어서,
상기 미디어 종류 추천부는,
미리 지정된 일정 기간 동안 해당 미디어 종류에 대한 사용자의 선택 횟수를 이용하여, 상기 M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 것을 특징으로 하는 미디어 추천 시스템.According to claim 1,
The media type recommendation unit,
A media recommendation system, characterized in that it recommends N media types out of the M recommendable media types by using the number of times a user selects a corresponding media type for a predetermined period. 제1항에 있어서,
상기 콘텐츠 추천부는,
M개의 미디어 종류에 각각에 포함된 적어도 하나의 미디어 각각에 대해 해당 미디어를 계층적 구조로 구분할 경우, 미리 지정된 계층 정보를 해당 콘텐츠로서 추천하는 것을 특징으로 하는 미디어 추천 시스템.According to claim 1,
The content recommendation unit,
A media recommendation system, characterized in that when the media is classified into a hierarchical structure for each of the at least one media included in each of the M media types, predetermined hierarchical information is recommended as the corresponding content. 삭제delete 삭제delete 삭제delete 삭제delete 제1항에 있어서,
상기 제 1 추천기는,
동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우에는,
각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것을 특징으로 하는 미디어 추천 시스템.According to claim 1,
The first recommender,
If there is a lot of past driving environment information having the most driving environment information of the same category among K or more pieces of previously set driving environment information of the same category,
A media recommendation system, comprising: selecting past driving environment information by using a preset weight for each driving environment information, and recommending content used by a user from the selected past driving environment information. 제1항에 있어서,
상기 제 1 추천기는,
현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 동일 카테고리인지를 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보가 없는 경우,
현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 유사 카테고리인지를 판단하고, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것을 특징으로 하는 미디어 추천 시스템.According to claim 1,
The first recommender,
As a result of comparing a plurality of current driving environment information and a plurality of pieces of past driving environment information to determine whether the corresponding driving environment information is in the same category, past driving environment information in which the driving environment information of the same category is preset K or more If there is no
By comparing a plurality of current driving environment information and a plurality of pieces of past driving environment information, it is determined whether the corresponding driving environment information is a similar category, and past driving environment information in which driving environment information of a similar category is preset L or more A media recommendation system, characterized in that it recommends content used by the user in the past driving environment information that has the most driving environment information of a similar category among them. 제9항에 있어서,
상기 제 1 추천기는,
유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우에는,
각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 것을 특징으로 하는 미디어 추천 시스템.10. The method of claim 9,
The first recommender,
If there is a plurality of past driving environment information having the largest amount of driving environment information of a similar category among L or more pieces of driving environment information of a similar category in advance,
A media recommendation system, comprising: selecting past driving environment information by using a preset weight for each driving environment information, and recommending content used by a user from the selected past driving environment information. 제1항에 있어서,
상기 콘텐츠 추천부는,
사용자의 그룹 정보를 이용하여, 상기 미디어 종류 추천부에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 2 추천기;를 더 포함하되,
상기 제 1 추천기가 N개의 미디어 종류 중 적어도 일부에 대해 미디어를 선택하지 못한 경우, 상기 제 2 추천기가 해당 미디어의 종류에 대해 콘텐츠를 추천하는 것을 특징으로 하는 미디어 추천 시스템.According to claim 1,
The content recommendation unit,
A second recommender that recommends one content for 0 or at least some of the N media types recommended by the media type recommendation unit by using the user's group information, respectively;
If the first recommender fails to select media for at least some of the N media types, the second recommender recommends content for the corresponding media type. 제1항에 있어서,
상기 미디어 추천 시스템은,
N개의 미디어 종류 각각에 대해 추천된 하나의 콘텐츠를 표시하는 표시부;를 더 포함하되,
상기 표시부는,
N개의 미디어 종류 각각에 대해, 해당 콘텐츠의 명칭, 해당 콘텐츠의 요약 정보, 해당 콘텐츠가 포함된 미디어 정보 및 해당 콘텐츠가 포함된 미디어가 속한 미디어의 종류 중 다수를 표시하는 것을 특징으로 하는 미디어 추천 시스템.According to claim 1,
The media recommendation system,
A display unit for displaying one piece of content recommended for each of the N media types;
The display unit,
Media recommendation system, characterized in that for each of the N media types, a plurality of types of media including a name of the corresponding content, summary information of the corresponding content, media information including the corresponding content, and media including the corresponding content are displayed. . 프로세서에 의해 실시되는 미디어 추천 방법에 있어서,
M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 미디어 종류 추천 단계; 및 사용자의 사용 이력 정보 또는 사용자의 그룹 정보 중 적어도 하나를 이용하여, 상기 미디어 종류 추천 단계에서 추천된 N개의 미디어 종류 각각에 대해 하나의 콘텐츠를 추천하는 콘텐츠 추천 단계;를 포함하고,
상기 콘텐츠 추천 단계는, 사용자의 사용 이력 정보를 이용하여, 상기 미디어 종류 추천 단계에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 1 추천 단계;를 포함하고,
상기 제 1 추천 단계는, 차량의 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하는 것에 의해, N개의 미디어 종류 각각에 대해 콘텐츠를 추천하고,
상기 다수의 주행 환경 정보는, 주행 날씨, 주행 요일, 주행 시간대, 주행 속도, 주행 거리, 주행 지역 또는 동승자 여부 중 적어도 3개를 포함하고,
상기 제 1 추천 단계는, 상기 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리의 설정 정보; 또는, 상기 다수의 주행 환경 정보 각각을 분류하는 다수의 카테고리 중 적어도 하나의 카테고리를 포함하여 분류하는 적어도 하나의 유사 카테고리의 설정 정보; 중 적어도 하나를 이용하여, 콘텐츠를 추천하고,
상기 제 1 추천 단계는, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 동일 카테고리인지를 판단하는 동일 카테고리 판단 단계; 및 상기 동일 카테고리 판단 단계에서 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-1 추천 단계;를 포함하는 것을 특징으로 하는 미디어 추천 방법.A media recommendation method implemented by a processor, comprising:
a media type recommendation step of recommending N media types among M recommended media types; and a content recommendation step of recommending one content for each of the N media types recommended in the media type recommendation step by using at least one of the user's usage history information or the user's group information;
The content recommendation step may include a first recommendation step of recommending one piece of content for 0 or at least some of the N media types recommended in the media type recommendation step, respectively, using the user's usage history information. including;
The first recommendation step is to recommend content for each of the N media types by comparing a plurality of current driving environment information of the vehicle with a plurality of past driving environment information;
The plurality of driving environment information includes at least three of driving weather, driving day, driving time zone, driving speed, driving distance, driving region, or whether a passenger is present,
The first recommendation step may include: setting information of a plurality of categories for classifying each of the plurality of driving environment information; Alternatively, setting information of at least one similar category for classifying including at least one category among a plurality of categories for classifying each of the plurality of driving environment information; Recommend content using at least one of
The first recommendation step may include: a same category determination step of comparing a plurality of pieces of current driving environment information with a plurality of pieces of past driving environment information to determine whether the corresponding driving environment information is the same category; And as a result of the determination in the same category determination step, among the K or more pieces of previously set driving environment information of the same category, the content used by the user is recommended in the past driving environment information having the largest amount of driving environment information of the same category Media recommendation method comprising; a 1-1 recommendation step. 제13항에 있어서,
상기 미디어 종류 추천 단계는,
미리 지정된 일정 기간 동안 해당 미디어 종류에 대한 사용자의 선택 횟수를 이용하여, 상기 M개의 추천 가능한 미디어 종류 중 N개의 미디어 종류를 추천하는 것을 특징으로 하는 미디어 추천 방법.14. The method of claim 13,
The media type recommendation step includes:
A media recommendation method, characterized in that it recommends N media types among the M recommendable media types by using the number of times a user selects a corresponding media type for a predetermined period. 제13항에 있어서,
상기 콘텐츠 추천 단계는,
M개의 미디어 종류에 각각에 포함된 적어도 하나의 미디어 각각에 대해 해당 미디어를 계층적 구조로 구분할 경우, 미리 지정된 계층 정보를 해당 콘텐츠로서 추천하는 것을 특징으로 하는 미디어 추천 방법.14. The method of claim 13,
The content recommendation step is
A method of recommending media, characterized in that, when the media is classified into a hierarchical structure for each of the at least one media included in each of the M media types, predetermined hierarchical information is recommended as the corresponding content. 삭제delete 삭제delete 삭제delete 삭제delete 제13항에 있어서,
상기 제 1 추천 단계는,
상기 동일 카테고리 판단 단계에서 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보 중 동일한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-2 추천 단계;를 더 포함하는 것을 특징으로 하는 미디어 추천 방법.14. The method of claim 13,
The first recommendation step is
As a result of the determination in the same category determination step, when a plurality of pieces of past driving environment information having the largest amount of driving environment information of the same category exist among K or more pieces of previously set driving environment information of the same category, each driving Media characterized by further comprising: a 1-2 recommendation step of selecting past driving environment information by using preset weights for each environment information, and recommending content used by the user from the selected past driving environment information Recommended way. 제13항에 있어서,
상기 제 1 추천 단계는,
상기 동일 카테고리 판단 단계에서 판단한 결과, 동일한 카테고리의 주행 환경 정보가 미리 설정된 K개 이상인 과거의 주행 환경 정보가 없는 경우, 현재의 다수의 주행 환경 정보와 다수의 과거의 다수의 주행 환경 정보를 비교하여, 해당 주행 환경 정보가 유사 카테고리인지를 판단하는 유사 카테고리 판단 단계; 및
상기 유사 카테고리 판단 단계에서 판단한 결과, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-3 추천 단계;를 더 포함하는 것을 특징으로 하는 미디어 추천 방법.14. The method of claim 13,
The first recommendation step is
As a result of the determination in the same category determination step, when there is no past driving environment information for which the driving environment information of the same category is preset K or more, a plurality of current driving environment information and a plurality of past driving environment information are compared. , a similar category determination step of determining whether the corresponding driving environment information is a similar category; and
As a result of the determination in the similar category determination step, content used by the user is recommended in the past driving environment information in which the driving environment information of the similar category is the most among the L or more pieces of previous driving environment information in which the driving environment information of the similar category is preset. The media recommendation method further comprising; a 1-3 recommendation step. 제21항에 있어서,
상기 제 1 추천 단계는,
상기 유사 카테고리 판단 단계에서 판단한 결과, 유사한 카테고리의 주행 환경 정보가 미리 설정된 L개 이상인 과거의 주행 환경 정보 중 유사한 카테고리의 주행 환경 정보가 가장 많은 과거의 주행 환경 정보가 다수 존재하는 경우, 각각의 주행 환경 정보별로 미리 설정된 가중치를 이용하는 것에 의해 과거의 주행 환경 정보를 선택하고, 선택된 과거의 주행 환경 정보에서 사용자가 이용했던 콘텐츠를 추천하는 제 1-4 추천 단계;를 더 포함하는 것을 특징으로 하는 미디어 추천 방법.22. The method of claim 21,
The first recommendation step is
As a result of the determination in the similar category determination step, when there is a plurality of past driving environment information having the largest amount of driving environment information of a similar category among L or more pieces of preset driving environment information of a similar category, each driving Media characterized by further comprising: a 1-4 recommendation step of selecting past driving environment information by using preset weights for each environment information, and recommending content used by the user from the selected past driving environment information Recommended way. 제13항에 있어서,
상기 콘텐츠 추천 단계는,
사용자의 그룹 정보를 이용하여, 상기 미디어 종류 추천 단계에서 추천된 N개의 미디어 종류 중 0개 또는 적어도 일부의 미디어 종류에 대해 각각, 하나의 콘텐츠를 추천하는 제 2 추천 단계;를 더 포함하되,
상기 제 1 추천 단계에서 N개의 미디어 종류 중 적어도 일부에 대해 미디어를 선택하지 못한 경우, 상기 제 2 추천 단계에서 해당 미디어의 종류에 대해 콘텐츠를 추천하는 것을 특징으로 하는 미디어 추천 방법.14. The method of claim 13,
The content recommendation step is
A second recommendation step of recommending, respectively, one content for 0 or at least some of the N media types recommended in the media type recommendation step by using the user's group information;
and recommending content for the corresponding media type in the second recommendation step when the media is not selected for at least some of the N media types in the first recommendation step. 제13항에 있어서,
상기 미디어 추천 방법은,
N개의 미디어 종류 각각에 대해, 상기 콘텐츠 추천 단계에서 추천된 하나의 콘텐츠를 표시하는 표시 단계;를 더 포함하되,
상기 표시 단계는,
N개의 미디어 종류 각각에 대해, 해당 콘텐츠의 명칭, 해당 콘텐츠의 요약 정보, 해당 콘텐츠가 포함된 미디어 정보 및 해당 콘텐츠가 포함된 미디어가 속한 미디어의 종류 중 다수를 표시하는 것을 특징으로 하는 미디어 추천 방법.14. The method of claim 13,
The media recommendation method is
A display step of displaying one piece of content recommended in the content recommendation step for each of the N media types;
The display step is
Media recommendation method, characterized in that, for each of the N media types, a plurality of types of media including a name of the corresponding content, summary information of the corresponding content, media information including the corresponding content, and media including the corresponding content are displayed .
KR1020190117642A 2019-09-24 2019-09-24 Recommendation system for multiple kinds of media and recommendation method therefor Active KR102302359B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190117642A KR102302359B1 (en) 2019-09-24 2019-09-24 Recommendation system for multiple kinds of media and recommendation method therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190117642A KR102302359B1 (en) 2019-09-24 2019-09-24 Recommendation system for multiple kinds of media and recommendation method therefor

Publications (2)

Publication Number Publication Date
KR20210035621A KR20210035621A (en) 2021-04-01
KR102302359B1 true KR102302359B1 (en) 2021-09-15

Family

ID=75441622

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190117642A Active KR102302359B1 (en) 2019-09-24 2019-09-24 Recommendation system for multiple kinds of media and recommendation method therefor

Country Status (1)

Country Link
KR (1) KR102302359B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230099930A (en) 2021-12-28 2023-07-05 현대오토에버 주식회사 Method for providing curated content considering the travel time and apparatus thereof

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005339279A (en) * 2004-05-27 2005-12-08 Nec Corp On-vehicle terminal device, content recommendation system, center server, content recommendation method, and content recommendation program
JP2013219562A (en) * 2012-04-09 2013-10-24 Sharp Corp Content recommendation system, content reproduction device, content recommendation server, information processing method and program

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100493902B1 (en) * 2003-08-28 2005-06-10 삼성전자주식회사 Method And System For Recommending Contents
KR20100053135A (en) * 2008-11-12 2010-05-20 에스케이 텔레콤주식회사 Contents recommendation system and contents recommendation method
KR101543294B1 (en) * 2013-09-26 2015-08-10 에스케이플래닛 주식회사 Apparatus for providing recommendation using history of content use in n-screen environment and method thereof

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005339279A (en) * 2004-05-27 2005-12-08 Nec Corp On-vehicle terminal device, content recommendation system, center server, content recommendation method, and content recommendation program
JP2013219562A (en) * 2012-04-09 2013-10-24 Sharp Corp Content recommendation system, content reproduction device, content recommendation server, information processing method and program

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230099930A (en) 2021-12-28 2023-07-05 현대오토에버 주식회사 Method for providing curated content considering the travel time and apparatus thereof
KR20240010739A (en) 2021-12-28 2024-01-24 현대오토에버 주식회사 Method for providing curated content considering the travel time and apparatus thereof

Also Published As

Publication number Publication date
KR20210035621A (en) 2021-04-01

Similar Documents

Publication Publication Date Title
US7657906B2 (en) Program recommendation apparatus, method and program used in the program recommendation apparatus
US10304113B2 (en) Method and medium for determining whether a target item is related to a candidate affinity item
US10306327B2 (en) Method and apparatus for providing enhanced electronic program guide with personalized selection of broadcast content using affinities data and user preferences
US7979880B2 (en) Method and system for profiling iTV users and for providing selective content delivery
US8893012B1 (en) Visual indicator based on relative rating of content item
US20120185481A1 (en) Method and Apparatus for Executing a Recommendation
WO2001015449A1 (en) Method and apparatus for creating recommendations from users profile built interactively
US20110035277A1 (en) System for scheduling advertisements and method thereof
CN1386373A (en) Method and system for determining a user profile
JP2005513687A (en) Hierarchical fusion judgment function for recommender scores
JP2006526817A (en) Apparatus and method for performing profile-based collaborative filtering
JP2004536488A (en) Recommendation generation method and apparatus based on user preference and environmental features
CN106507143A (en) Video recommendation method and device
US20100063881A1 (en) Algorithm for storyboarding in display advertising
CN103425664A (en) Method and equipment for searching and displaying entity data units
US20110238605A1 (en) Information processing apparatus, information processing method, and program
US9426507B2 (en) Information recommendation device, information recommendation system, and information recommendation method
KR20040093089A (en) System for recommending program information in accordance with user preferences
CN104102733B (en) Search for content providing and search engine
CN109086822A (en) A kind of main broadcaster's user classification method, device, equipment and storage medium
KR102302359B1 (en) Recommendation system for multiple kinds of media and recommendation method therefor
JP2008210010A (en) Content delivery method and system
CN111435371A (en) Video recommendation method and system, computer program product and readable storage medium
CN105574015A (en) Search recommendation method and device
KR102312420B1 (en) Method and apparatus for providing digital advertisement solution using artificial intelligence learning based on big data

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20190924

PA0201 Request for examination
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210308

Patent event code: PE09021S01D

PG1501 Laying open of application
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: 20210907

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20210909

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20210909

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20240704

Start annual number: 4

End annual number: 4