1

본 명세서는 초안으로 아직 출원전인 관계로 공유 및 배포를 금합니다.

다만 연구자의 순수한 동기로 참조하자는 의미로 공유하며 몇 달 뒤 출원 및

공개될 예정이오니, 개인적인 읽음 외는 허락하지 않습니다.

【명세서】

【발명의 명칭】

사용자 맞춤형 어플리케이션 자동 추천 방법{Application recommend method

for user on demand}

【기술분야】

본 발명은 사용자 맞춤형 어플리케이션 자동 추천 방법에 관한 것으로, 특히

사용자 단말의 고유 정보 및 네트워크를 통해 단말간 송수신되는 SNS 데이터를

이용하여 사용자 단말을 사용하는 사용자가 처한 현재 상황에 따라 필요한

어플리케이션을 자동으로 추천해주는 사용자 맞춤형 어플리케이션 자동 추천

방법에 관한 것이다.

【배경기술】

IT 기술의 급격한 발전에 따라 남녀노소를 불문하고 많은 사람들이

휴대단말을 사용하고 있어 보다 다양한 종류의 서비스를 많은 사람들에게 제공하기

2

위해, 다양한 종류의 서비스를 제공하는 모바일 어플리케이션이 개발되고 있다.

이와 같이, 다양한 종류의 모바일 어플리케이션이 개발됨에 따라 모바일

어플리케이션에 대한 사용자 요구사항 또한 매우 다양하고 급격히 증가하고 있다.

그러나 이러한 사용자 요구사항은 각 사용자마다 그 종류가 다양하고

복잡함에 따라, 매번 사용자별 요구사항이 발생할 때마다 발생된 사용자별

요구사항을 만족시키기 위한 모바일 어플리케이션을 각 사용자가 직접 검색하고,

검색한 모바일 어플리케이션을 동의 및 수락 과정을 거쳐 휴대단말에 설치해야

하므로 사용자의 요구사항을 신속하게 반영하기 어려운 문제점이 발생했다.

【선행기술문헌】

【특허문헌】

(특허문헌 1) KR 10-2013-0082518호 (소셜 네트워크를 기반으로 하는 개인화

서비스 제공 장치 및 그 방법) 2013.07.22.

【발명의 내용】

【해결하려는 과제】

상기와 같은 종래 기술의 문제점을 해결하기 위해, 본 발명은 사용자 단말의

고유정보 및 SNS 데이터를 통해 사용자 단말의 현재 상황에 따라 상기 사용자

단말이 요구하는 기능을 제공하는 제공하는 모바일 어플리케이션을 실시간으로

3

자동으로 추천하는 사용자 맞춤형 어플리케이션 자동 추천 방법을 제공하고자

한다.

【과제의 해결 수단】

위와 같은 과제를 해결하기 위한 본 발명의 한 실시 예에 따른 사용자 맞춤

형 어플리케이션 자동 추천 방법은 고유정보 수신부가 사용자 단말로부터 적어도

하나의 고유정보를 수신하는 단계; SNS 데이터 수신부가 상기 사용자 단말이 네트워

크를 통해 송수신한 SNS 데이터를 네트워크 서버로부터 수신하는 단계; 데이터 분

석부가 상기 고유정보 및 SNS 데이터를 분석한 후, 분석결과에 따라 상기 고유정보

및 SNS 데이터에 서로 다른 가중치를 할당하는 단계; 및 어플추천부가 상기 고유정

보 및 SNS 데이터에 할당된 가중치에 기초하여 상기 사용자 단말 내 설치를 위한

적어도 하나의 어플리케이션을 추천하는 단계;를 포함한다.

특히, 상기 사용자 단말의 현재 위치, 날짜, 시간, 네트워크, 자이로스코프

값, 나침판값(방향값), 속도계, 조도를 통한 검색 키워드 중 적어도 하나의 정보를

수신하는 고유정보 수신부가 상기 고유정보를 수신하는 단계를 포함할 수 있다.

특히, GPS 정보, 검색한 QR 코드정보, 맥 어드레스 정보, 제3 파티(예:

foursquare 서비스 등)로부터 수신 받은 관심지역(POI; Point of interest)의 위/경

도 정보 중 적어도 하나를 포함하는 사용자 단말의 현재 위치 정보를 포함할 수 있

다.

4

보다 바람직하게는 상기 고유정보와 관련된 어플리케이션이 존재하는지 분석

하여, 그 분석결과 상기 고유정보와 관련된 어플리케이션이 존재하는지 분석하여

관련도가 높은 순서대로 상기 고유정보에 가중치를 차등적으로 할당하거나, 상기

SNS 데이터로부터 상기 사용자 단말과 네트워크를 통해 주변 단말이 검색하거나,

설치 또는 추천한 어플리케이션이 존재하는지 분석하여, 그 분석결과 관련도가 높

은 순서대로 상기 SNS 데이터에 가중치를 차등적으로 할당하는 데이터 분석부가 사

용자 단말의 고유정보 및 SNS 데이터를 분석한 후, 분석결과에 따라 각 정보에 서

로 다른 가중치를 할당하는 단계를 포함할 수 있다.

특히, 할당된 가중치가 높은 순서대로 고유정보 및 SNS 데이터를 정렬한 후,

정렬된 고유정보 및 SNS 데이터와 관련된 적어도 하나의 어플리케이션을 추천하는

어플추천부가 고유정보 및 SNS 데이터에 할당된 가중치에 기초하여 어플리케이션을

추천하는 단계를 포함할 수 있다.

【발명의 효과】

본 발명의 사용자 맞춤형 어플리케이션 자동 추천 방법은 사용자 단말이

처한 현재 상황에 따라 변화하는 사용자 요구사항을 신속하게 반영하는 모바일

어플리케이션을 자동으로 추천할 수 있는 효과가 있다. 특히, 현재 위치한

장소에서 현재 시간에서, 현재 축제 등의 이벤트 상황에서, 현재 이용자의

필요로부터 ‘우수한 애플리케이션이지만 광고 및 홍보 등으로부터 소외되어 쉽게

5

발견되지 못했던 애플리케이션을 이용자 맞춤으로 설치하고 이용자의 요구가

사라지면 자동 삭제(로그 정보만 보관)가 될 수 있다.

【도면의 간단한 설명】

도 1은 본 발명의 일 실시 예에 따른 사용자 맞춤형 어플리케이션 자동 추천

방법을 구현한 시스템의 블록도이다.

도 2는 본 발명의 다른 실시 예에 따른 사용자 맞춤형 어플리케이션 자동

추천 방법의 순서도이다.

【발명을 실시하기 위한 구체적인 내용】

이하, 본 발명을 바람직한 실시 예와 첨부한 도면을 참고로 하여 본 발명이

속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히

설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서

설명하는 실시 예에 한정되는 것은 아니다.

이하, 도 1을 참조하여 본 발명의 일 실시 예에 따른 사용자 맞춤형

어플리케이션 자동 추천 방법을 구현한 시스템에 대하여 자세히 살펴보도록 한다.

도 1은 본 발명의 일 실시 예에 따른 사용자 맞춤형 어플리케이션 자동 추천

방법을 구현하는 시스템의 블록도이다.

도 1에 도시된 바와 같이, 본 발명의 사용자 맞춤형 어플리케이션 자동 추천

6

방법을 구현하는 시스템(100)은 고유정보 수신부(120), SNS 데이터 수신부(140),

데이터 분석부(160) 및 어플추천부(180)를 포함한다.

고유정보 수신부(120)는 사용자 단말(10)로부터 적어도 하나의 고유정보를

수신한다. 이때, 상기 고유정보 수신부(120)는 상기 사용자 단말의 현재 위치,

날짜, 시간, 네트워크를 통한 검색 키워드 중 적어도 하나의 정보를 수신할 수

있다.

SNS 데이터 수신부(140)는 상기 사용자 단말(10)이 네트워크를 통해 단말간

송수신한 SNS 데이터 또는 외부에 오픈된 빅 데이터를 네트워크 서버(20)로부터

수신한다.

데이터 분석부(160)는 상기 고유정보 및 SNS 데이터를 분석한 후,

분석결과에 따라 상기 고유정보 및 SNS 데이터에 서로 다른 가중치를 각각

할당한다.

이러한 데이터 분석부(160)는 사용자 단말의 사용패턴, 상기 사용자 단말이

속한 네트워크 그룹별 특징, 상기 사용자 단말과 네트워크를 통해 연결된 다른

단말 내 설치된 모바일 어플리케이션 리스트 등을 더 분석할 수 있다.

어플추천부(180)는 상기 고유정보 및 SNS 데이터에 각각 할당된 가중치에

기초하여 상기 사용자 단말(10) 내 설치를 위한 적어도 하나의 어플리케이션을

추천한다.

이하, 도 2를 참조하여 본 발명의 다른 실시 예에 따른 사용자 맞춤형

7

어플리케이션 자동 추천 방법에 대하여 자세히 살펴보도록 한다.

도 2는 본 발명의 다른 실시 예에 따른 사용자 맞춤형 어플리케이션 자동

추천 방법의 순서도이다.

도 2에 도시된 바와 같이, 본 발명의 따른 사용자 맞춤형 어플리케이션 자동

추천 방법은 고유정보 수신부(120)가 사용자 단말로부터 적어도 하나의 고유정보를

수신한다(S210). 즉, 상기 고유정보 수신부(120)가 상기 사용자 단말(10)의 현재

위치, 날짜, 시간, 네트워크를 통한 검색 키워드 중 적어도 하나의 정보를 수신한

다. 이때, 상기 사용자 단말의 현재 위치 정보는 상기 사용자 단말이 위치하는 곳

의 GPS 정보, 각 건물마다 구비되어 건물의 위치, 역사, 종류 및 기능을 나타내는

QR 코드정보, 맥 어드레스 정보 중 적어도 하나를 포함할 수 있다.

또한 SNS 데이터 수신부(140)가 상기 사용자 단말(10)이 네트워크를 통해 단

말간 송수신되는 SNS 데이터를 네트워크 서버(20)로부터 수신한다(S220).

데이터 분석부(160)가 상기 고유정보 및 SNS 데이터를 분석한 후, 그 분석결

과에 따라 상기 고유정보 및 SNS 데이터에 서로 다른 가중치를 각각 할당한다

(S230). 이러한 가중치 할당과정은 상기 고유정보와 관련된 어플리케이션이 존재하

는지 분석하여, 그 분석결과 상기 고유정보와 관련된 어플리케이션 중 관련도가 높

은 순서대로 상기 고유정보에 가중치를 차등적으로 할당하거나, 상기 SNS 데이터로

부터 상기 사용자 단말과 네트워크를 통해 주변 단말이 검색하거나, 설치 또는 추

천한 어플리케이션이 존재하는지 분석하여, 그 분석결과에 따라 상기 사용자 단말

8

과 주변 단말이 네트워크를 통해 검색하거나, 설치 또는 추천한 어플리케이션의 존

재하는 경우에 관련도가 높은 순서대로 상기 SNS 데이터에 가중치를 차등적으로 할

당할 수 있다. 이때, 상기 데이터 분석부(160)가 상기 고유정보 및 SNS 데이터에

가중치를 할당하는데 있어서, SVM(Support Vector Machine)에 기초하여 가중치를 할

당할 수 있다. 이러한 SVM은 주어진 데이터의 클래스를 고려하여 각 클래스를 둘로

나눌 수 있는 선 모양의 초평면을 구하는 것으로서, 이러한 초평면에 가장 가까운

원래 데이터 포인트들을 서포트 벡터라고 한다.

어플추천부(180)가 상기 고유정보 및 SNS 데이터에 할당된 가중치에

기초하여 상기 사용자 단말(10) 내 설치를 위한 적어도 하나의 어플리케이션을

추천한다(S240). 이에 따라, 할당된 가중치가 높은 순서대로 고유정보 및 SNS

데이터를 정렬한 후, 정렬된 고유정보 및 SNS 데이터와 관련된 적어도 하나의

어플리케이션을 추천할 수 있다. 이러한 본 발명은 사용자 단말의 가상 머신

상에서 구현됨에 따라 별도의 설치와 삭제가 필요없는 클라우드 개념으로 해당

애플리케이션을 추천 설치 이용 후 삭제하거나 각 개별 사용자 단말의 운영체제

위에 바로 설치하도록 화면을 구성하는 방식으로 발명을 구성할 수 있다.

또한, 상기 어플추천부(180)가 고유정보 중 위치를 기반으로 하여 적어도

하나의 어플리케이션을 추천하는 경우, 지도 상에서 사용자 단말의 현재 위치 및

추천 어플리케이션을 함께 추천할 수 있다.

이때, 데이터 분석부(160)가 사용자 단말을 사용하는 사용자의 행동패턴을

9

인식하여 관련된 모바일 어플리케이션을 추천하는 경우를 살펴보도록 한다.

예를 들어, 상기 데이터 분석부(160)가 상기 사용자 단말의 내부에 포함된

자이로스코프 센서를 통해 센싱한 자이로스코프 센싱값이 기설정된 기준값을

초과하여 변동한다고 판단하면, 상기 사용자가 현재 운동중인 상태로 판단한다.

이에 따라 상기 어플추천부(180)가 운동과 관련 어플리케이션을 검색하여 추천할

수 있다.

이와 달리, 데이터 분석부(160)가 사용자 단말의 내부에 포함된

자이로스코프 센서를 통해 센싱한 자이로스코프 센싱값이 기설정된 기준값

미만으로 변동한다고 판단하면, 상기 사용자 단말의 상기 사용자가 현재 수면 중인

상태로 판단한다. 이에 따라 상기 어플추천부(180)가 수면(숙면 방법 등)과 관련된

어플리케이션을 검색하여 추천할 수 있다. 또는 수면 중인 경우 취침 후 통상

확인하는 애플리케이션(주요 패턴에 대한 라이브러리 확인)을 추천(날씨정보,

커피정보, 일정관리 등)할 수 있다.

(상기 밑줄친 부분에 기재된 자이로스코프 센서를 통해 사용자의 행동패턴을

인식하는 과정에서 센싱값이 심하게 변동하는 경우에는 운동으로 판단하는 것 뿐만

아니라, 운동이 아닌 사용자가 사용자 단말을 손에 들고 이동할 수도 있는데, 운동

중이라는 판단을 정확하게 할 수 있는 지 확인 부탁드립니다.

또한, 자이로스코프 센서의 센싱값이 기준 변동값 이하인 경우에, 사용자가

수면 중일 수도 있지만, 사용자 단말을 일정한 곳에 두고 떨어져 있는 경우도

10

동일한 사용패턴이 발생할 수도 있는데, 이러한 경우의 판단을 어떻게 정확하게 할

수 있는지 설명을 기재 부탁드립니다.)

11

자세한 내용은 뒤에 도면에 추가 설명하였음

서비스 연결된 서비스 자원

(Resource)

가중치

(Weight)

메타 태그

(Meta Tag)

우선순위

(Priority)

Movie Youtube Video, id=1 1 Playlist 1

Text Twitter Text, id=2 2 Book 2

GPS Foursquarer Actuator, id=3 1 Behavior 1

Maps Google Maps Light,

Id=4

0 Behavior 1

Sound Last fm Light,

Id=4

0 Media List 0

CCTV N/A Video, id=6 1 Behavior

Table 1. An example of application description under social collaboration environment

(위 표는 발명자가 최근 Accepted받은 SCI저널에 투고한 “A Study for Mobile

Education Meta-Index Extracted from Life-logging Application under M2M Platform

Environment”의 표1을 인용함”)6월경 공표될 예정이므로 사용하여도 될 것 같음.

추천 애플리케이션의 서비스 종류에 따라 해당 구체적인 서비스 연결이

존재함. 따라서 사용자가 유튜브를 시청하면 이와 유사한 레버 등을 추천할 수

있다. 또한 해당 애플리케이션과 센서가 작동되면 이에 대한 가중치와 해당

메타값이 자동으로 추출되어 서버로 전송된다. 사용자가 해당 애플리케이션과 특정

센서값을 누적해서 사용하거나 특정 장소에서 즐겨사용할 경우 이에 적합한

애플리케이션을 추천할 수 있다. 예를 들어 사용자가 트위터를 신문사 근처에서

자주 사용할 경우 해당 시간 또는 장소에서 트위터 외에 연결된 다른

12

애플리케이션을 추천한다. 또한 이와 같은 가중치 문맥을 통해 특정 행위(이용자의

특정 행위를 측정한 센싱값)에 대한 섬세한 애플리케이션 추천이 가능한데 이에

대한 설명은 뒤에 도면에서 상세하게 기술되어 있다.

또한 데이터 분석부(160)가 일정거리를 초과하여 이동하였다고 판단하면,

어플추천부(180)가 여행, 숙박, 식사, 관광 등에 대한 애플리케이션을 제공한다.

즉, 사용자 단말이 공항근처에 위치한다고 확인되면, 먼저 어플추천부(180)가 택시

관련 어플리케이션을 추천하고, 현재 시간 정보를 확인하여, 11 시 30 분부터 2 시

사이에 해당하는 경우, 현재 사용자 단말 주변 반경 3 km 이내에 위치하는 식당

관련 어플리케이션을 추천할 수 있다.

또한, 사용자 단말이 장례식장, 결혼식장 등과 같이 미리 설정한 관심

지역에 방문한 경우, 결혼축하 이모티콘 애플리케이션을 추천하거나 장례식 예절을

알려주는 어플리케이션을 추천할 수 있다.

이와 같이 어플추천부(180)를 통해 추천된 어플리케이션에 대하여 사용자

단말이 별점, 점수, 선호도 여부, 공감 표시 중 적어도 하나에 대하여 사용자

만족도를 표시하여 네트워크를 통해 다른 단말과 공유할 수 있다. 또한 사용자

맞춤형 애플리케이션의 로그 정보를 재가공하여 개발자에게 해당 애플리케이션이

언제 어디서 어떤 관계로 어떻게 추천되고 설치되었는지를 제공할 수 있다.

13

또한, 이러한 사용자 맞춤형 어플리케이션 자동 추천 방법은 컴퓨터로

실행하기 위한 프로그램이 기록된 컴퓨터 판독가능 기록매체에 저장될 수 있다.

이때, 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는

데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는

기록 장치의 예로는 ROM, RAM, CD-ROM, DVD±ROM, DVD-RAM, 자기 테이프, 플로피

디스크, 하드 디스크(hard disk), 광데이터 저장장치 등이 있다. 또한, 컴퓨터가

읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로

컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

본 발명의 사용자 맞춤형 어플리케이션 자동 추천 방법은 사용자 단말이

처한 현재 상황에 따라 변화하는 사용자 요구사항을 신속하게 반영하는 모바일

어플리케이션을 자동으로 추천할 수 있는 효과가 있다.

상기에서는 본 발명의 바람직한 실시 예에 대하여 설명하였지만, 본 발명은

이에 한정되는 것이 아니고 본 발명의 기술 사상 범위 내에서 여러 가지로

변형하여 실시하는 것이 가능하고 이 또한 첨부된 특허청구범위에 속하는 것은

당연하다.

【부호의 설명】

120: 고유정보 수신부 140: SNS 데이터 수신부

160: 데이터 분석부 180: 어플추천부

14

15

【특허청구범위】

【청구항 1】

고유정보 수신부가 사용자 단말로부터 적어도 하나의 고유정보를 수신하는

단계;

SNS 데이터 수신부가 상기 사용자 단말이 네트워크를 통해 송수신한 SNS 데

이터를 네트워크 서버로부터 수신하는 단계;

데이터 분석부가 상기 고유정보 및 SNS 데이터를 분석한 후, 분석결과에 따

라 상기 고유정보 및 SNS 데이터에 서로 다른 가중치를 할당하는 단계; 및

어플추천부가 상기 고유정보 및 SNS 데이터에 할당된 가중치에 기초하여 상

기 사용자 단말 내 설치를 위한 적어도 하나의 어플리케이션을 추천하는 단계;

를 포함하는 사용자 맞춤형 어플리케이션 자동 추천 방법.

【청구항 2】

제1항에 있어서,

상기 고유정보 수신부가 상기 고유정보를 수신하는 단계는

상기 사용자 단말의 현재 위치, 날짜, 시간, 네트워크를 통한 검색 키워드

중 적어도 하나의 정보를 수신하는 것을 특징으로 하는 사용자 맞춤형 어플리케이

션 자동 추천 방법.

및 SVM으로 군집화된 범주에서 해당 상황에 맞는 라이브러리를 제공하는 방법

16

【청구항 3】

제2항에 있어서,

상기 사용자 단말의 현재 위치 정보는

GPS 정보, 검색한 QR 코드정보, 맥 어드레스 정보 중 적어도 하나를 포함하

는 것을 특징으로 하는 사용자 맞춤형 어플리케이션 자동 추천 방법.

및 사물인터넷을 활용하여 현재 사용자가 처한 문맥을 이해하는 방법.

현재 사용자가 처한 문맥은 범주화(사무, 가사, 병원 등)로 저장되고 해당

범주화 아래에는 센싱값에 따라 매핑되는 세부 라이브러리를 송/수신하는 방법

【청구항 4】

제1항에 있어서,

상기 데이터 분석부가 사용자 단말의 고유정보 및 SNS 데이터를 분석한 후,

분석결과에 따라 각 정보에 서로 다른 가중치를 할당하는 단계는

상기 고유정보와 관련된 어플리케이션이 존재하는지 분석하여, 그 분석결과

상기 고유정보와 관련된 어플리케이션이 존재하는지 분석하여 관련도가 높은 순서

대로 상기 고유정보에 가중치를 차등적으로 할당하거나,

상기 SNS 데이터로부터 상기 사용자 단말과 네트워크를 통해 주변 단말이 검

색하거나, 설치 또는 추천한 어플리케이션이 존재하는지 분석하여, 그 분석결과 관

17

련도가 높은 순서대로 상기 SNS 데이터에 가중치를 차등적으로 할당하는 것을 특징

으로 하는 사용자 맞춤형 어플리케이션 자동 추천 방법.

【청구항 5】

제4항에 있어서,

상기 어플추천부가 고유정보 및 SNS 데이터(패턴 및 범주값에 따른 라이브러

리)에 할당된 가중치에 기초하여 어플리케이션을 추천하는 단계는

할당된 가중치가 높은 순서대로 고유정보 및 SNS 데이터를 정렬한 후, 정렬

된 고유정보 및 SNS 데이터와 관련된 적어도 하나의 어플리케이션을 추천하는 것을

특징으로 하는 사용자 맞춤형 어플리케이션 자동 추천 방법.

【청구항 6】

제1항 내지 제5항 중 어느 한 항에 따른 방법을 컴퓨터로 실행하기 위한 프

로그램이 기록된 컴퓨터 판독가능 기록매체.

18

【요약서】

【요약】

본 발명은 사물 인터넷과 빅데이터 등을 활용하여 사용자 맞춤형 어플리케이

션 자동 추천 방법에 관한 것으로, 보다 구체적으로는 고유정보 수신부가 사용자

단말로부터 적어도 하나의 고유정보를 수신하는 단계 및 사물인터넷으로부터 문맥

을 파악할 수 있는 센싱값을 수신하여 미들웨어에서 처리하는 단계; SNS 데이터 수

신부가 상기 사용자 단말이 네트워크를 통해 송수신한 SNS 데이터를 네트워크 서버

로부터 수신하는 단계 및 애플리케이션 추천 서버에 저장된 센싱값에 부합되는 라

라이브러리부터 해당 정보를 수신하는 단계 ; 데이터 분석부가 상기 고유정보 및

SNS 데이터를 분석한 후, 분석결과에 따라 상기 고유정보 및 SNS 데이터에 서로 다

른 가중치를 할당하는 단계 및 센싱값으로부터 전처리한 결과값으로 해당 카테고리

를 선정하고 주요 메타값과 가중치를 할당하는 단계; 및 어플추천부가 상기 고유정

보 및 SNS 데이터에 할당된 가중치에 기초하여 상기 사용자 단말 내 설치를 위한

적어도 하나의 어플리케이션을 추천하는 단계;를 포함한다.

이러한 구성에 의해, 본 발명의 사용자 맞춤형 어플리케이션 자동 추천

방법은 사용자 단말이 처한 현재 상황에 따라 변화하는 사용자 요구사항을

신속하게 반영하는 모바일 어플리케이션을 자동으로 추천할 수 있는 효과가 있으며

애플리케이션 개발자에게는 해당 애플리케이션에 대한 반응, 리뷰, 다운로드 등을

위치/시간/관계/집단/시나리오 등으로 제공할 수 있다.

19

【대표도】

도 1

20

【도면】

아래 제공된 두 가지의 도면으로는 특허의 신규성 등을 주장하기 어려울 것

같아, 보다 많은 도면과 설명을 추가합니다.

【도 1】

21

【도 2】

22

【 추천 도면 】

사용자 기반의 추천 애플리케이션을 하기 위해

주변 환경 맥락에 대한 분석이 요구된다.

첫째, 주변 맥락인 가전기기 등 센싱 기반으로 정보를 제공받을 수 있는 모든

데이터를 분석한다.

이때, 센서값에 대한 라이브러리가 미리 제공된다.

예를 들어 스마트 TV 에 대한 미리 정의된 라이브러리를 참조한다.

즉 스마트 TV 가 On 된다는 활성화 값이 입력될 경우에는 해당 시간의 패널 및

프로그램 등을 추천해주는 애플리케이션을 라이브러리를 참조하여 제공한다.

또는 스마트 TV에서 사용자가 채널을 0.3sce보다 적은 시간에 N번을 바꾼 로그값이

수신되면(통상 Transceiver 로 수신), 사용자가 즐겨보는 프로그램에 대한

기록정보와 현재 시간(가족과 함께볼 시간인지 저녁이 늦은 시간인지)와 사용자의

연령/성별(여성이고 젊은 경우에는 쇼핑을 남성이고 젊은 경우에는 UFC 등) 등의

사용자 특성 파일을 조합하여 해당 이벤트(N 번 채널을 바꾸는 경우)에 해당하는

애플리케이션 라이브러리를 참조한다.

아래 그림은 이와 같은 사용자 기반의 패턴과 범주화 라이브러리와 클라이언트에

해당하는 스마트폰의 센싱값 그리고 스마트폰 외의 센싱값(스마트 TV 등)으로부터

수신받은 정보를 처리하는 아키텍쳐이다.

23

【 추천 도면 】

아래 그림은

사용자 디바이스 맥락으로 이용자(참여자)의 센싱값을 받고 이것을 다시 축적하여

평판 모델을 제공하는 것에 대한 도면입니다.

여러 사람이 추천 애플리케이션 특허로 제공되는 애플리케이션을 사용할 경우,

과연 해당 이용자와 전체 이용자 간의 데이터 처리를 통해 최적화된

애플리케이션을 추천하는 네트워크 및 시스템 구성도는 아래와 같다.

첫째, N명의 사용자가 존재한다.

둘째, S개의 참여자들이 제공한 센싱값이 있다. 이때 센싱값은 여러 디바이스에서

제공받는다. 특정 개인의 GPS값을 기준으로 다른 이용자의 주변 디바이스값을 받을

수가 있다. 예를 들어 A가 현재 광화문에 위치하는 것을 스마트 디바이스의 GPS로

수신받으면, 익명처리(영지식 암호화처리 등으로 여러명의 실명과 위치에 대한

식별을 하지 않도록 처리, 프라이버시 보호)를 한 여러명의 스마트 디바이스의

센싱 값을 수신받을 수 있다. 이 경우, 해당 사용자가 위치한 곳에서 자이로스코프

또는 이동 속도가 집단적으로 빠르게 변화하는 것으로 수신되는 경우 “마라톤”

또는 이동 중인 시위 또는 출퇴근 시간 등을 참조하여 해당 이용자에게 정보를

제공할 수 있다. 이때 주변인들의 센싱 값을 처리하는 실시예를 위에 기술한

것이다.

셋째, M값으로 모든 센싱 데이터에 대한 가중치이다. 각 센싱값 중 맥락정보와

24

비교(해당 라이브러리 간 상호 비교 등)하여 가중치를 제공한다.

넷째, 참여자 i에 의해 수집된 센싱값의 가충치를 추출한다.

다섯째, 참여자 i이 정규화값을 제공한다.

위 1-5번째 값(N,S,M,정규화)등을 활용하여 평판(추천) 및 의사결정 값을 제공하는

알고리즘을 제안할 수있다. (본 특허에서 이 수식이 필요한 경우, 발명가가 이에

대한 대표적인 알고리즘을 검토하여 제공할 수 있다. 본 특허에 필요한 경우

두번째 피드백에서 의견 주시면 처리하겠습니다.)

위 도면은 여러 사용자가 노트북, 노트, 미니, 스마트 워치, 구글 글라스 등과

같은 디바이스를 통한 현재 이용자에게 최적의 추천 애플리케이션을 제공하는

25

방법을 도식화한 것이다. 각 이용자들의 센싱값들이 ‘추천 애플리케이션 서버’의

트랜스서버(하드웨어적으로 홈네트워크 구성시 해당 홈네트워크 허브가 그 역할,

기업의 경우 해당 허브가 그 역할 등)로 수신받은 값을 전처리하도록

한다.(도면에서 Preprocessing 참조)

각 센서값들이 처리된 기여값(contribution)을 통해 가중치, 메타값 등을 처리할

수 있다. 이를 통해 최종적으로 해당 사용자에게 자동으로 추천 애플리케이션을

제공하는 방식이다.

26

【 추천 도면 】

앞 도면에서 패턴을 인식하여 행위(behavior)을 파악하거나 이용자 성향

라이브러리를 통해 현재 문맥을 이해하거나 외부 서비스로부터 빅데이터 처리를

하여 주요 메타값 또는 가주치값을 추출하거나 사용자의 여러 센싱값을

비교/분석하여 범주화값을 처리할 때, 아래 도면과 같은 실시예를 사용할 수 있다.

범주화는 커뮤니티 기반의 카테고리를 나눌 수 있는데(통상 서비스가 이와 같은

디렉토리형 범주화 또는 여타 서비스형 등으로 나뉜다.) 위 도면에서 건강 서비스,

27

소셜, 고용, 거주, 상업 등의 영역으로 구분할 수 있다. 각 세부 구분은 그 고유의

메타값을 가진다. 예를 들면 소셜 네트워크 서비스인 페이스북 등은 검색 키워드로

SNS 등이 제공되는데 이는 검색 메타값뿐만 아니라, 본 발명에서 메타값으로

추출할 수 있다. 또한 각 범주화 영역은 그 고유의 설명(예)을 통해 어떤 상황

어떤 맥락에서 가중치가 부여될지를 판단할 수 있다. 거주의 경우에는 친환경의

식기세척하는 방법 등을 알려주는 애플리케이션의 우선순위 또는 가중치가 높을 수

있다. 물론 이 경우에는 식사 시간 전후가 더 가중치가 높고 낮시간에는

진공청소기 사용 또는 관련 상품 애플리케이션이 우선순위가 높다. 이처럼

범주화는 해당 카테고리 아래에 각 시간/장소/사용자 별로 다시 세부 카테고리가

나오고 이들간의 조합으로 보다 섬세한 가중치 부여가 가능하다.

예를 들어

거주 카테고리면 그 하위로 오전/오후/저녁, 주거지역/사무지역,

연령(청소년/성인/장년/노년), 성별(남/여)을 관계(종/횡) 테이블로 저장하고 이

저장소로부터 해당 값과 매핑되는 우선순위/가중치 값을 계산할 수 있다.

대분류 성별(남/여) 지역 연령 …

가사 남(1) 주거(3)/

사무(4)

청소년(3-1)

성인(3-2)…

…

여(2) 주거(5)/ …. ..

28

사무(6)..

의료…. … … … …

이상의 범주화는 초기화된 값으로 의료, 가사, 상업 등과 같은 분류를 입력한다.

입력된 범주화 정보에 대한 추가적인 설명과 기준값, 초기화값 등이 저장된다.

여기서의 문제는 범주화의 자동화에 있다. 초기 범주화의 값은 어떤 방식으로

업데이트되어 최신화되는가? 이때, SVM 은 주어진 데이터의 클래스를 고려하여 각

클래스를 둘로 나눌 수 있는 선 모양의 초평면을 구하는 것으로서, 이러한

초평면에 가장 가까운 원래 데이터 포인트들을 서포트 벡터라고 부르는데, 여러

변인들을 군집화시켜 범주화하는데 SVM 도구를 활용할 수 있다.

이 과정에 대한 도면은 다음 도면을 참조하면 된다.

29

【 추천 도면 】

앞에 기술한 SVM 을 이용하여 범주 및 패턴을 저장한 라이브러리를 자동 업데이트할

수 있다. 통상 SVM 은 기계학습을 통해 군집화를 시키는데, 이때 구분된 두 집단이

새롭게 업데이트되는 범주, 패턴으로 저장된다.

<도면> 애플리케이션 추천 정보 순환과 인공지능을 이용한 애플리케이션 추천

과정에 대한 개념도

위 도면에서 미들웨어는 여러 센싱된 값들을 기계값으로 입력받아 처리되는

부분이다. 이 미들웨어의 표준화를 통해 사물 인터넷의 센싱값을 받아올 수 있다.

30

또한 수렴된 센싱값을 바탕으로 자동으로 처리되는 애플리케이션 실행(acting)가

있다. 예를 들면, 스마트폰의 조도값이 어둡게 나타날 경우에는 자동으로 후레쉬

등의 애플리케이션을 팝업 시켜 사용자가 이를 다운로드받도록 돕는 기능이 탑재될

수 있다. 이 외에도 스마트폰의 위치값을 받아 자동으로 해당 위치의 관심

애플리케이션(해당 위치에서 조회수, 다운로드수 등이 높은 애플리케이션 추천)을

notification 할 수 있다.

이상의 실시예 외에도 다양한 방법이 가능하다. 그러나 이 방식은 단순히 사용자가

소지한 스마트폰으로부터 수신받은 센싱(GPS, 중력값, 나침반 등)값이다. 본

발명은 단순히 센싱값을 받아 해당 어플리케이션을 추천하는 간단한 구조를 갖지

않는다.

위 도면을 보면, 스마트폰으로부터 수집된 애플리케이션의 속성값 및 처리값은

다시 사물인터넷(스마트폰 주변 반경에 위치한 여러 사물로부터 센싱된 값)의

센싱값과 결합한다. 그 후 스마트폰의 센싱값과 결합하여 최종적인 센싱값으로

처리된다. 그 결과 값은 다시 미들웨어를 거치거나 상위층의 애플리케이션을 통해

다시 애플리케이션 실행값으로 전달된다. 이상의 루푸를 통해 끊임없이 새롭게

갱신되는 애플리케이션 추천이 센싱 기반으로 이루어진다.

31

【 추천 도면 】

아래 표는 센서, stabilization time, detect sec. Network time 등에 대한 설명이다.

이동 탐지, 스마트폰의 개방 및 닫기, 조명, 온도 등의 네트워크, 탐지 등의

duration 을 두고 이 값이 해당 기간 안에 입력되는지 안되는지에 따라 값의 처리를

폐기할지 진행할지 등을 결정할 수 있다.

이를 활용하면 스마트폰으로 추출된 센싱값을 보다 정확하게 분석할 수 있다. 예를

들면, 사용자의 스마트폰이 장시간 움직임이 포착되지 않는다면(이용자가 회의에

32

들어가서 스마트폰을 두고 나갔는지? 이용자가 잠을 자고 있는지를), 어떤

상태라고 애플리케이션 추천 시스템은 인지할 수 있을까? 이 경우 현재 시간대를

파악하여 업무시간인지 취침시간인지 여부로 파악할 수 있다. 또는 위 표와 같이

다른 센싱값에 대한 정보 예를 들면 조도에 대한 변화가 일정 시간동안 없는

경우이면서 해당 조도가 어둡다면 낮잠을 잔다거나 스마트폰을 어두운 장소에

넣어두고 회의에 간 것으로 추정할 수 있다. 그 다음에는 여타 외부 센서값 또는

다른 외부 서비스로부터(스케줄 서비스의 예약 정보) 현재 상태를 파악하고 이에

대한 추천 애플리케이션을 제공할 수 있다.

33

【 추천 도면 】

센싱 중 이용자 스마트폰에 있는 대표 센싱의 처리 과정을 도식화

이 외에도 다양한 센싱과 여타 서버 처리 과정이 다른 모듈로 구성됨

34

【 추천 도면 】

여러 센싱값을 처리하는 과정을 시나리오식으로 기술하는 과정으로 아래 그림을

참조하여 본 발명의 실시구현 사례를 기술할 수 있다.

출처: http://www.mdpi.com/1424-8220/14/4/5742

35

【 추천 도면 】

여러 센싱값을 처리하는 과정을 서비스 시나리오식으로 아래 도면과 같이 응용하여

기술이 가능함

출처: http://www.mdpi.com/1424-8220/14/3/3833

36

【 추천 도면 】