협업적 필터링과 캐릭터 넷을 이용한 스토리 기반의 영화 추전 시스템 및 방법.
STORY-BASED RECOMMENDATION SYSTEM AND METHOD FOR MOVIES BY CHARACTER-NET AND COLLABORATIVE FILTERING
특허 요약
본 발명은 스토리 기반의 영화 추천 시스템 및 방법에 관한 것으로서, 특히 협업적 필터링과 캐릭터 넷을 통해 요청자의 선호도를 고려한 유사한 영화를 추천하는 영화 추천 시스템 및 방법에 관한 것이다. 요청자의 평가도를 분석하여 통해 추천 영화를 제공하는 영화 추천 방법에 있어서, 영화에 등장하는 캐릭터들 간의 스토리 전개 방향 및 중요도를 분석하여 캐릭터 넷 기반으로 각 영화마다 스토리 유사도를 산출하는 단계; 영화를 기 관람한 사용자들의 사용자 평가도를 산출하는 단계; 및 스토리 유사도와 사용자 평가도를 소정의 가중치를 두어 각 영화에 대한 추천도를 산출하는 단계;를 포함하고, 추천도의 내림 차순으로 순위를 부여하여 요청자에게 추천 영화를 제공하는 영화 추천 방법에 관한 것이다. 본 발명에 따르면, 분석부를 통해 캐릭터 넷 기반으로 매트릭스를 구축하고 각 영화의 스토리 유사도를 산출하여 요청자의 평가가 없이도 요청자가 원하는 영화를 추천할 수 있는 이점과 요청자의 평가가 있는 경우 분석부를 통해 산출된 스토리 유사도와 사용자 평가도를 계산부의 가중치 계산을 통해 요청자가 원하는 영화와의 정확도가 높은 영화를 요청자에게 추천할 수 있는 이점이 있다.
청구항
번호청구항
1

요청자의 평가도를 분석하여 추천 영화를 제공하는 영화 추천 방법에 있어서,상기 영화에 등장하는 캐릭터들 간의 스토리 전개 방향 및 중요도를 분석하여 캐릭터 넷 기반으로 각 영화마다 스토리 유사도를 산출하는 단계; 및상기 요청자가 기 관람한 영화의 평가도와 스토리 유사도가 동일 또는 유사한 영화를 선별하는 단계;를 포함하고,상기 스토리 유사도를 산출하는 단계는,상기 캐릭터의 스토리 전개 방향 및 중요도를 분석하여 캐릭터 매트릭스를 구성하는 단계;상기 캐릭터 매트릭스를 이용하여 코사인 유사도(Cosine Similarity), 맨하탄 디스턴스(Manhattan Distance) 및 자카드 유사도(Jaccard Index)를 산출하는 단계; 및상기 코사인 유사도(Cosine Similarity), 맨하탄 디스턴스(Manhattan Distance) 및 자카드 유사도(Jaccard Index)를 소정의 가중치를 두어 상기 스토리 유사도를 산출하는 단계;를 포함하는 것이고,상기 동일 또는 유사한 영화를 상기 스토리 유사도의 내림 차순으로 순위를 부여하여 상기 요청자에게 상기 추천 영화를 제공하는 것을 특징으로 하는 영화 추천 방법.

2

삭제

3

제 1 항에 있어서,상기 동일 또는 유사한 영화를 선별하는 단계는,상기 요청자가 기 관람한 영화의 스토리 유사도를 산출하는 단계; 및추천할 대상 영화들에 대해 기 산출했던 스토리 유사도와 상기 요청자가 기 관람한 영화의 스토리 유사도를 비교하는 단계를 포함하는 것을 특징으로 하는 영화 추천 방법.

4

제 1 항에 있어서,상기 추천 영화를 제공한 이후,상기 요청자가 선호하는 영화와 상기 추천 영화의 일치 여부를 조사하여 정확도를 산출하는 단계; 및상기 정확도가 소정의 범위 이상이 되도록 상기 가중치를 조절하는 단계를 더 포함하는 영화 추천 방법.

5

요청자의 평가도를 분석하여 통해 추천 영화를 제공하는 영화 추천 방법에 있어서,상기 영화에 등장하는 캐릭터들 간의 스토리 전개 방향 및 중요도를 분석하여 캐릭터 넷 기반으로 각 영화마다 스토리 유사도를 산출하는 단계;상기 영화를 기 관람한 사용자들의 사용자 평가도를 산출하는 단계; 및상기 스토리 유사도 및 상기 사용자 평가도를 소정의 가중치를 두어 각 영화에 대한 추천도를 산출하는 단계;를 포함하고,상기 스토리 유사도를 산출하는 단계는,상기 캐릭터의 스토리 전개 방향 및 중요도를 분석하여 캐릭터 매트릭스를 구성하는 단계;상기 캐릭터 매트릭스를 이용하여 코사인 유사도(Cosine Similarity), 맨하탄 디스턴스(Manhattan Distance) 및 자카드 유사도(Jaccard Index)를 산출하는 단계; 및상기 코사인 유사도(Cosine Similarity), 맨하탄 디스턴스(Manhattan Distance) 및 자카드 유사도(Jaccard Index)를 소정의 가중치를 두어 상기 스토리 유사도를 산출하는 단계;를 포함하는 것이고,상기 추천도의 내림 차순으로 순위를 부여하여 상기 요청자에게 추천 영화를 제공하는 것을 특징으로 하는 영화 추천 방법.

6

삭제

7

제 5 항에 있어서,상기 추천 영화를 제공한 이후,상기 요청자가 선호하는 영화와 상기 추천 영화의 일치 여부를 조사하여 정확도를 산출하는 단계;상기 정확도가 소정의 범위 이상이 되도록 상기 스토리 유사도의 코사인 유사도(Cosine Similarity), 맨하탄 디스턴스(Manhattan Distance) 및 자카드 유사도(Jaccard Index)의 가중치를 조절하는 단계; 및상기 정확도가 소정의 범위 이상이 되도록 상기 스토리 유사도 및 상기 사용자 평가도의 가중치를 조절하는 단계;를 더 포함하는 영화 추천 방법.

8

제 1 항 또는 제 5항에 있어서,상기 추천 영화는,특이값 분해(SVD : Singular Value Decomposition)를 이용한 랭크(rank) 축소가 적용되어 상기 요청자에게 제공되는 것을 특징으로 하는 영화 추천 방법.

9

단말기에 접속한 요청자의 평가도를 분석하여 추천 영화를 제공하는 영화 추천 시스템에 있어서,상기 영화에 등장하는 캐릭터들 간의 스토리 전개 방향 및 중요도를 분석하여 각 영화마다 캐릭터 넷 기반으로 스토리 유사도를 산출하거나 상기 영화를 기 관람한 사용자들의 사용자 평가도를 산출하는 분석부;상기 스토리 유사도 또는 상기 사용자 평가도를 비교하여 상기 영화에 순위를 부여하는 계산부; 및상기 계산부의 순위가 부여된 상기 추천 영화를 상기 요청자에게 제공하는 추천부;를 포함하고,상기 분석부는,상기 영화에 등장하는 캐리터들 간의 스토리 전개 방향 및 중요도를 분석하여 캐릭터 넷 기반으로 매트릭스를 구축하고 각 영화의 스토리 유사도를 산출하는 캐릭터 넷 모듈; 및상기 사용자 평가도를 각 영화에 매칭시켜 산출하는 사용자 평가 모듈;을 포함하는 것을 특징으로 하는 영화 추천 시스템.

10

삭제