Personalized EPG Application using Automatic User Preference Learning Method

사용자 선호도 자동 학습 방법을 이용한 개인용 전자 프로그램 가이드 어플리케이션 개발

  • Lim Jeongyeon (School of Engineering Information and Communications Univ. (ICU)) ;
  • Jeong Hyun (School of Engineering Information and Communications Univ. (ICU)) ;
  • Kim Munchurl (Information Engineeing, Department of Computer Suwon Univ.) ;
  • Kang Sanggil (School of Engineering Information and Communications Univ. (ICU)) ;
  • Kang Kyeongok (Broadcting Media Research Department Electronics and Telecommunication Research Institute)
  • 임정연 (한국정보통신대학교 공학부) ;
  • 정현 (한국정보통신대학교 공학부) ;
  • 강상길 (수원대학교 정보공학대학 컴퓨터학과) ;
  • 김문철 (한국정보통신대학교 공학부) ;
  • 강경옥 (한국전자통신연구원 방송미디어연구부)
  • Published : 2004.12.01

Abstract

With the advent of the digital broadcasting, the audiences can access a large number of TV programs and their information through the multiple channels on various media devices. The access to a large number of TV programs can support a user for many chances with which he/she can sort and select the best one of them. However, the information overload on the user inevitably requires much effort with a lot of patience for finding his/her favorite programs. Therefore, it is useful to provide the persona1ized broadcasting service which assists the user to automatically find his/her favorite programs. As the growing requirements of the TV personalization, we introduce our automatic user preference learning algorithm which 1) analyzes a user's usage history on TV program contents: 2) extracts the user's watching pattern depending on a specific time and day and shows our automatic TV program recommendation system using MPEG-7 MDS (Multimedia Description Scheme: ISO/IEC 15938-5) and 3) automatically calculates the user's preference. For our experimental results, we have used TV audiences' watching history with the ages, genders and viewing times obtained from AC Nielson Korea. From our experimental results, we observed that our proposed algorithm of the automatic user preference learning algorithm based on the Bayesian network can effectively learn the user's preferences accordingly during the course of TV watching periods.

디지털 방송의 시작과 함께, 지상파, 위성, 케이블과 같은 다양한 매체를 통한 다채널 방송 시청 환경의 도래는 사용자에게 많은 방송 프로그램 시청 정보를 전달하게 되었다. 이와 더불어, 방송 단말에 전송된 다양한 방송 프로그램 정보를 탐색하고 선호 방송 프로그램을 선별하기 위해서는 사용자에게 많은 노력이 요구된다. 따라서, 사용자로 하여금 자신의 취향 및 자신이 원하는 방송 프로그램 정보에 자동적으로 근접할 수 있도록 하는 개인화된 방송 서비스가 요구되고 있다. 이러한 요구에 따라, 본 논문에서는 다채널 방송 시청 환경 하에서 사용자의 방송 프로그램 시청 히스토리를 분석하고, 특정 시간에 따른 사용자의 방송 프로그램 시청 패턴윽 추출하여 방송 프로그램 장르에 대한 사용자 선호도를 자동으로 계산하는 알고리즘을 제안하고. MPEG-7 MDS 구조에 따른 사응자 선호토 서술과 이를 이용하여 사용자의 선호도에 따라 방송 프로그램을 자동적으로 추천하는 TV 프로그램 추천 어플리케이션을 소개한다. 본 논룬의 실헐을 위해 AC Nielsen Korea에서 제공된 실제 연령대별, 성별, 시간대별로 사용자의 TV 시청 자료를 사용하였으며, 실험결과를 통해 본 논문에 제안된 베이시안 네트워크 기반 사용자 자동 학습 알고리즘이 효과적으로 사용자 선호도를 학습한 수 있음을 확인하였다.

Keywords

References

  1. 류지웅, 김문철, 남제호, 강경옥, 김진웅, '사용자 선호도 기반 지능형 프로그램 가이드,' 한국방송공학회 논문지 2002년 제 7권 제 2호,pp153 167
  2. Hee-kyung Lee, Han-kyu Lee, Jeho Nam, Beetnara Bae, Munchurl Kim, Kyeungok Kang and Jinwoong Kim (2002). 'Personalized Content Guide and Browsing based on User Preference,' Proceedings of the AH2002 Workshop on Personalization in Future TV, pp. 130 137, Malaga, Spain
  3. Mark T Maybury (2001). 'Personalcasting: Tailored Broadcasting news,' Proceedings of the 1st Workshop on Personalization in Future TV, pp. 39-41, Sonhofen. German
  4. Munchurl Kim, Jeongyeon Lim, Kyeongok Kang and Jinwoong Kim (2004). 'Agent-based Intelligent Multimedia Broadcasting within MPEG-21 Multimedia Framework,' ETRI journal, Vol. 26, No. 2
  5. Seongjoon Pak, Geewoong Ryu and Munchurl Kim (2003). 'Agent-based Multimedia Personalcasting,' Proceedings of the International Workshop on Advanced Image Technology, pp. 311 - pp. 316, Nagasaki, Japan
  6. Munchurl. Kim, Geewoong. Ryu, Beetnara. Bae, Jeho. Nam, Kyeongok Kang and Jinwoong Kim (2002). 'Intelligent program guide for digital broadcasting,'Proceedings of the IWAIT2002, pp. 257-263, Hualien, Taiwan, R.O.C.
  7. ISO/IEC JTC1/SC29/WG11 (2001). 'ISO/IEC 15938-5 FDIS: Multimedia content Description Interface' MPEG2001/N4242, Sydney, Australia
  8. F.V. Jensen (2001).Bayesian Networks and Decision Graphs, Springer
  9. Tom M. Mitchell (1997). Machine Learning, The McGraw-Hill
  10. Y.J. Sung, J.H. Hong, T.S. Kim (2002). A formal model for user preference, Proceedings of IEEE International Conference on Data Mining, pp. 235-242, Maebashi City, Japan
  11. Sanggil Kang, Jeongyeon Lim, Munchurl Kim (2004). 'Modeling the user preference on broadcasting contents using Bayesian belief network,' proceeding of VCIP, San Jose