[논문]사용자 제어기반 OTT 콘텐츠 검색 알고리즘

김기영; 서유화; 박병준

doi:10.9708/jksci.2015.20.5.099

사용자 제어기반 OTT 콘텐츠 검색 알고리즘
User control based OTT content search algorithms 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.20 no.5, 2015년, pp.99 - 106

김기영 (서일대학교 컴퓨터소프트웨어과) , 서유화 (숭실대학교 컴퓨터학과) , 박병준 (서일대학교 컴퓨터소프트웨어과)

초록
AI-Helper

본 논문에서는 비디오 콘텐츠 검색 및 관리를 위하여 OTT 디바이스 내부의 DB 개발과 이와 연동하여 비디오 질의 검색 서비스를 탑재할 인터페이스(리모콘 스마트폰) 어플리케이션에서 필수적인 요소인 검색 알고리즘의 개발 방법을 제안한다. 디지털 방송이 시작되고 각 가정에 보급이 됨으로써 사용자들이 선택하여 시청하는 채널 및 프로그램의 수와 종류는 공중파 환경과 비교하여 폭발적으로 증가하였다. 채널의 수가 수십에서 수백 개로 늘어남에 따라 사용자는 자신이 원하는 프로그램을 찾기가 점점 어려워지게 되었고 이 문제를 해결하기 위해 콘텐츠 공급자는 소비자의 취향에 맞는 프로그램을 추천해줄 방법이 필요하게 되었다. 시청자의 시청 패턴을 분석하여 사용자의 취향을 분석하여 적합한 프로그램을 추천해줄 수 있는 방법이 필요하다. 이러한 문제를 해결하기 위하여 시청자의 시청 패턴을 분석하여 시청자의 취향에 적합한 프로그램을 추천해줄 수 있는 방법이 필요하다. 본 연구는 개인의 시청 패턴과 히스토리를 바탕으로 OTT 프로그램의 콘텐츠를 추천하는 알고리즘을 구현하였다.

Abstract ▼ AI-Helper

This research is focused on the development of the proprietary database embedded in the OTT device, which is used for searching and indexing video contents, and also the development of the search algorithm in the form of the critical components of the interface application with the OTT's database to provide video query searching, such as remote control smartphone application. As the number of available channels has increased to anywhere from dozens to hundreds of channels, it has become increasingly difficult for the viewer to find programs they want to watch. To address this issue, content providers are now in need of methods to recommend programs catering to each viewer's preference. the present study aims provide of the algorithm which recommends contents of OTT program by analyzing personal watching pattern based on one's history.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 시청자의 히스토리 정보를 기반으로 개인의 취향에 적합한 프로그램의 추천을 자동으로 갱신하는 기법을 제안하는 사용자 콘텐츠 기반의 선택 (UCS : User content based Selection) 알고리즘을 개발하였다.[4].
아날로그에서 디지털 방송으로 바뀌면서 TV 시청자에게 수많은 채널이 보급되었고, 이로 인하여 시청자는 원하는 콘텐츠를 찾는 것이 어려워졌다. 이를 해결하기 본 논문은 사용자의 시청 패턴을 분석하여 사용자의 취향과 가장 가까운 콘텐츠를 자동으로 추천하여주는 UCS 기법을 제안하였다.

제안 방법

두 번째 성능비교는 하나의 채널 고정 상태에서 초기 콘텐츠를 300개 선정 후 채널 영역에 남아있는 콘텐츠의 수를 [그림 9]과 같이 측정하였다.
두 번째 실험은 시청자가 선호하는 콘텐츠 범위를 넓혀 추천 수를 늘리면서 실험을 하였다. 5개의 콘텐츠 추천 출력 값을 얻어 출력된 값이 [식 7]의 채널 영역을 벗어날 경우 시청자들이 원하지 않는 새로운 채널을 추천받을 확률이 높은 것으로 본다.
만개의 콘텐츠 데이터를 기반으로 기준이 되는 10개 분류의 가중치를 설정하고 출력된 데이터를 입력에 1,000번 피드백을 하면서 변화를 관측하였다[15].
본 논문에서는 제안하는 시스템은 단순 시청 패턴만이 아니라 시청자의 입력을 통해 얻어지는 가중치 값(시청 시간대, 주중, 주말, 키워드, 프로그램 즐겨찾기 등록과 제거, 유료/무료 사용) 등을 이용하여 차등적인 가중치를 주어 학습 데이터를 갱신한다. 시청자의 시청시간과 시청비율의 정보 패턴에 따라 시청자가 선호하는 방송 프로그램을 찾은 뒤 시청자들이 우선적으로 검색할 수 있게 추천하는 시스템이다.
즉 사용자의 성향을 어떻게 입력, 수치화시켜, 그 정보를 바탕으로 어떻게 활용하는가에 대한 방법이 중요하다. 본 연구에서는 시청자가 즐겨보는 콘텐츠의 접근을 일정데이터에 저장하여 수집된 키워드에 사용자의 개인성향에 대한 가중치를 포함하여 시청자의 성향을 반영한 검색 순위를 도출하였다.
본 장에서는 기존의 MFS와 MRS기법과 본 연구에서 제안하는 UCS기법의 성능을 비교하여 효율성을 평가한다.
사용자의 독립적인 데이터 구축을 위하여, 개별 사용자의 취미나 특기, 자주 보는 페이지를 저장한 데이터와 이를 이용하여 소비자의 성향을 파악한 후 소비자의 취향에 맞는 콘텐츠를 제공해 주는 알고리즘에 대한 가설을 세웠다. 사용자가 원하는 세팅이나 이용하는 콘텐츠의 데이터를 자동으로 저장하여 개인사용자의 취향에 딱 맞는 콘텐츠를 보여줄 수 있다면 한층 더 좋은 서비스라 할 수 있다.
시청 채널을 자유롭게 선택할 경우 서로 다른 채널의 동일 콘텐츠가 추천되는 문제가 발생하였다. 이 문제를 해결하기 위하여 동일 콘텐츠의 추천을 배제하는 방식으로 코드를 수정하였다. 시청 패턴만 고려하는 MFS와 MRS기법은 탐색거리가 많이 늘어나는 반면 UCS기법은 채널 이동 거리가 짧아 중복 문제가 적게 발생하며 채널 이동이 상대적으로 적은 것이 발견되었다.
초깃값의 파라미터 수가 많으면 학습 시간과 계산 시간이 길어져 과다학습이 될 수 있고 학습데이터가 과다적합 되어 일반화 오차가 증가할 수 있다. 이를 막기 위하여 시청자가 설정한 데이터와 유사한 기존 학습데이터를 추가하여 [그림 5]와 같은 복수 선형 분류기로 학습결과를 결합하여 [그림 6]의 신경망에 입력할 출력 데이터를 얻는다.
전체 콘텐츠 데이터에서 선택된 콘텐츠를 면적의 영역 D 값으로 하고 난수 발생기를 이용하여 선택할 콘텐츠를 검색한다. 추천 콘텐츠가 현재 콘텐츠 채널 영역 내부에 있으면 I(Hit) 외부에 있으면 O(Out)로 하여 [식 7]과 같이 선택된 콘텐츠(Select Content)를 구한다[12, 13].

성능/효과

성능비교에서 시청자의 선호도는 첫 번째 실험과 비슷하게 UCS가 채널 이동 범위가 좁아서 다른 방식에 비해 덜 민감한 것으로 확인되었다. 이는 상관관계에 있어 시청자의 패턴을 계속 누적해가며 가중치를 고려했기 때문이다.
시뮬레이션 실험을 통하여 UCS 기법은 MFS와 MRS 기법에 비해 시청자의 채널 이동 민감도와 탐색 거리를 줄일 수 있음을 보였다. UCS 기법의 알고리즘이 OTT에 적용될경우 시청자의 취향에 더욱 가까운 콘텐츠를 추천하여 채널탐색 지연시간을 줄일 수 있을 것으로 기대된다.
이 문제를 해결하기 위하여 동일 콘텐츠의 추천을 배제하는 방식으로 코드를 수정하였다. 시청 패턴만 고려하는 MFS와 MRS기법은 탐색거리가 많이 늘어나는 반면 UCS기법은 채널 이동 거리가 짧아 중복 문제가 적게 발생하며 채널 이동이 상대적으로 적은 것이 발견되었다.
[그림 7]의 초기 채널 이동 범위는 11개 채널이며 출력의 결과를 피드백하면서 1,000번 시뮬레이션 하였다. 실험결과 UCS기법은 MFS와 MRS기법에 비하여 채널의 이동 범위가 짧아 MFS와 MRS기법에 비하여 상대적으로 약 8% 정도 덜 민감한 것으로 확인되었다.
초기값은 처음 실험과 같이 11개의 채널이다. 이 경우 UCS 방식은 다른방식에 비해 상대적으로 10% 이상 덜 채널의 이동 범위가 덜 민감한 것을 확인하였다.

후속연구

시뮬레이션 실험을 통하여 UCS 기법은 MFS와 MRS 기법에 비해 시청자의 채널 이동 민감도와 탐색 거리를 줄일 수 있음을 보였다. UCS 기법의 알고리즘이 OTT에 적용될경우 시청자의 취향에 더욱 가까운 콘텐츠를 추천하여 채널탐색 지연시간을 줄일 수 있을 것으로 기대된다.
또한 시청자의 행동 패턴을 예측하는 분석기법을 추가하면 현재보다 더욱 빠르며 시청자가 원하는 콘텐츠에 더욱 접근하는 서비스를 할 수 있을 것이다.
현재10개로 제한된 기존 콘텐츠 종류를 향후 늘려서 현실적인 콘텐츠에 적용하기 위하여 기존의 신경망의 객체를 추가 및 삭제할 수 있게 수정 할것이다. 이럴 경우 계산량의 증가할 수 있기에 신경망 계산 과정을 모듈화하여 새로운 학습이 추가될 때 전체 학습 값을 다시 계산하는 방식이 아닌 일부 모듈화된 데이터만 다시 계산한다면 계산량을 줄일 수 있으며 무리한 계산으로 인한 일반화 오차도 줄일 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	엑스비엠씨 플랫폼은 무엇인가?	엑스비엠씨 플랫폼은 사용자가 원하는 스트리밍 서비스를 애드온 형식으로 추가와 삭제할 수 있는 오픈 시스템으로 스마트 TV 미들웨어는 사용자의 검색 질의에 대하여 미리 저장된 콘텐츠 DB의 결과를 전달하고, 비디오 플레이나 터치센서 동작 같은 커맨드를 통하여 OTT 디바이스의 미들웨어를 제어한다[6].
	OTT 서비스가 일반 사용자들에게 확대되지 않는 큰 이유는 무엇인가?	OTT 서비스가 일반 사용자에게 확대되지 않는 큰 이유는 방대한 콘텐츠를 검색하는 기능이 없거나 불편으로 IT에 대한 기본적 이해가 낮은 사용자들이 쉽게 사용하기 힘들기 때문이다. 이러한 OTT 서비스들을 전용 셋톱박스를 통하여 제공하는 독자적인 OTT 사업자들이 생겨났으며, 주요 사업자로는 Roku, Apple, Boxee, Google 이 있다[5].
	UCS 기법을 활용한 시스템은 어떤 시스템인가?	본 논문에서는 제안하는 시스템은 단순 시청 패턴만이 아니라 시청자의 입력을 통해 얻어지는 가중치 값(시청 시간대, 주중, 주말, 키워드, 프로그램 즐겨찾기 등록과 제거, 유료/무료 사용) 등을 이용하여 차등적인 가중치를 주어 학습 데이터를 갱신한다. 시청자의 시청시간과 시청비율의 정보 패턴에 따라 시청자가 선호하는 방송 프로그램을 찾은 뒤 시청자들이 우선적으로 검색할 수 있게 추천하는 시스템이다. [그림 3]은 TV 시장 조사 기관인 디스플레이서치(Display Search)에서 조사한 TV의 세계시장 규모이다.

참고문헌 (15)

T. Isobe , M. Fujiwara and H. kaneta "Development and Features of a TV Navigation System," IEEE Trans. on Consumer Electronics, Vol. 50, No. 1, pp.393 -399, Jul 2003.
De Pessemier, Toon, Tom Deryckere, and Luc Martens. "Context aware recommendations for user-generated content on a social network site," Proceedings of the seventh european conference on European interactive television conference. ACM, pp.133 -136, June 2009.
S. H. Koh, "A Software Architecture Life Cycle Model Based on the Program Management Perspective: The Expanded Spiral Model," Journal of information technology application & management, Vol. 20, No. 2. pp.69-87, June 2013.
Chesbrough, H. "Business Model Innovation," Opportunities and Barriers. Long Range Planning, Vol. 43, pp.354-363, Jul 2009.
Benner, Mary J. and Michael L. Tushman. "Exploitation, exploration, and process management: The productivity dilemma revisited." Academy of management review Vol. 28, No. 2, pp.238-256, Sept 2003.

상세보기
S. Choi, "TV Audience Flow and Channel Dynamics: Analysis of Audience Duplication with Panel Data of 2009 and 2012", Korean Journal of Broadcasting and Telecommunication Studies, Vol. 27, No. 5, Sept 2013.
Lee, Hyejeong, et al. "Personalized recommendation schemes for DTV channel selectors," Consumer Electronics, IEEE Transactions, Vol. 52, No. 3, pp.1064-1068, Oct 2006.

상세보기
H, Bahn and Yuncheol Baek, "An Intelligent Channel Navigation Scheme DTV Channel Selectrs," IEEE Trandaction on Consumer Electronics, Vol. 54, No. 3, pp.1098-1102, Oct 2008.

상세보기
Lee, Sang-Ho. "A Study on the Diversification Strategy for Open IPTV Contents with special reference to Activation of Participants." Journal of Digital Contents Society, Vol. 11, No. 3, pp.399-406, Sept 2010.
A. P. Engelbrecht, "A new pruning heuristic based on variance analysis of sensitivity information," IEEE Trandaction on Neural Networks, Vol. 12, No. 6, pp.1386-1399, August 2002.
Sun Jigui, Liu Jie, Zhao Lianyu, "Clustering Algorithms Research", Journal of Software, Vol. 19, No. 1, pp.48-61, Jan, Feb 2008.

상세보기
Zarchan, Paul, "Comparison of statistical digital simulation methods," Techniques DT IC, Vol. 2, No. 2, Oct 1988.
Iwata, Tomoharu, et al. "Sequential modeling of topic dynamics with multiple timescales." ACM Transactions on Knowledge Discovery from Data (TKDD), Vol. 5, No. 4, Feb 2012.
N. Kim and L. Yang, "A new criterion of information theoretic optimization and application to blind channel equalization," Journal of Korean Society for Internet Information, Vol. 10, pp.11-17. Feb 2009.

원문보기 상세보기
C. C. Aggarwal, "Data Streams Models and Algorithms", Springer US, pp. 1-7, Apr 2007.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증