WO2019147110A2 - 자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치 - Google Patents

자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치 Download PDF

Info

Publication number
WO2019147110A2
WO2019147110A2 PCT/KR2019/004469 KR2019004469W WO2019147110A2 WO 2019147110 A2 WO2019147110 A2 WO 2019147110A2 KR 2019004469 W KR2019004469 W KR 2019004469W WO 2019147110 A2 WO2019147110 A2 WO 2019147110A2
Authority
WO
WIPO (PCT)
Prior art keywords
app
frequently used
time
extracting
application
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.)
Ceased
Application number
PCT/KR2019/004469
Other languages
English (en)
French (fr)
Other versions
WO2019147110A3 (ko
Inventor
박성현
윤문호
이수진
이용석
최일환
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG Electronics Inc
Original Assignee
LG Electronics Inc
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 LG Electronics Inc filed Critical LG Electronics Inc
Priority to CN201980004018.XA priority Critical patent/CN111868686B/zh
Priority to US16/640,335 priority patent/US11228675B2/en
Priority to EP19743243.8A priority patent/EP3657325A4/en
Publication of WO2019147110A2 publication Critical patent/WO2019147110A2/ko
Priority to KR1020190110991A priority patent/KR102913029B1/ko
Publication of WO2019147110A3 publication Critical patent/WO2019147110A3/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
    • G06F9/4451—User profiles; Roaming
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44568—Immediately runnable code
    • G06F9/44584—Portable applications, i.e. making applications self-contained, e.g. U3 standard
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72469—User interfaces specially adapted for cordless or mobile telephones for operating the device by selecting functions from two or more displayed items, e.g. menus or icons
    • H04M1/72472—User interfaces specially adapted for cordless or mobile telephones for operating the device by selecting functions from two or more displayed items, e.g. menus or icons wherein the items are sorted according to specific criteria, e.g. frequency of use
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72451—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to schedules, e.g. using calendar applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions

Definitions

  • the present invention relates to a method for deriving a frequently used app and an apparatus for deriving the app using the app, And a derivation apparatus using the same.
  • smartphone manufacturers and communication companies provide convenience to smartphone users by using a folder in which apps are gathered based on frequency of use of apps, alphabetical order, type of service, etc.
  • apps are gathered based on frequency of use of apps, alphabetical order, type of service, etc.
  • the number of installed apps is increasing, so the inconvenience of finding and executing the app is still not solved.
  • Korean Patent Laid-Open Publication No. 10-2019-0007513 discloses an 'App recommendation system, a user terminal and method using the same', discloses an application recommendation time point, and provides at least one execution candidate application with a user interface And a step of outputting the output signal through the output terminal.
  • Korean Patent Laid-Open Publication No. 10-2019-0007513 proposes a system for estimating a plurality of situations of a user terminal while a user terminal and an application recommendation service server are connected through a communication network, After you decide on an app, you will learn when to recommend an app to run. Thereafter, it is possible to estimate the probability that the situation of the user terminal is a specific situation, and to detect and present an execution candidate app determined corresponding to the estimated specific situation. In this case, Therefore, there is no consideration of the number of times the app is executed or the usage time, so that it may be inconvenient to find and execute an application corresponding to the user's demand more accurately.
  • Korean Patent Registration No. 10-1579585 discloses a 'user behavior monitoring method, apparatus, system and a recording medium for performing the same' that can provide a service based on user's behavior information. Specifically, Biometric signal, movement information, and the like are monitored, and the application according to the situation mode of the monitored user is driven.
  • Korean Patent Registration No. 10-1579585 a user's behavior is monitored, and a situation mode is set according to a behavior of a monitored user. Then, the user's behavior information is collected and analyzed to detect a drowsiness Services, momentum measurement services, and the like.
  • Korean Patent No. 10-1579585 also has a problem in deriving an application mainly used by a user because the information such as the number of times the user uses the application and the usage time is not taken into consideration, Such as the ability to run frequently used apps without having to search for a service.
  • One of the problems of the present invention is to provide a method and apparatus for improving the accessibility of an app by using frequently used apps corresponding to the user's situation in order to solve the troubles of searching and executing the apps frequently used in the past Thereby improving convenience.
  • Another aspect of the present invention is to extract frequently used apps based on a plurality of conditions, thereby improving the accuracy of extracting frequently used apps according to users.
  • Another object of the present invention is to simplify an app displayed on a user terminal by preventing frequently used apps from being frequently extracted in a daily time zone using a mobile terminal installed with an app, Making it easy to make an app choice.
  • Another object of the present invention is to minimize the inconvenience of using an app in daily time by preventing an app frequently used in a specific time period and a specific situation from being displayed in a mobile terminal in a daily time period using a portable terminal equipped with the app have.
  • a method for deriving a frequently used application comprising: collecting usage information of an application performed by a user terminal; Extracting a frequently used app based on the learned application usage pattern after learning the pattern, and recommending the extracted app to a frequently used app.
  • a method of extracting and recommending frequently used apps according to a method of deriving a frequently used app according to an embodiment of the present invention, including a daily time period, a pre-bedtime period, And at least one of a time zone and a driving situation.
  • extraction and recommendation of frequently used apps can be performed based on any one condition, and extraction and recommendation of frequently used apps can be performed according to various conditions.
  • an app frequently used in daily time zones and an app frequently used in a time zone before sleeping can be based on the number of times the number of times of using the app is numerically expressed.
  • the apps often used in the driving situation are classified into numerical values, Can be extracted as the first frequently used app in the driving situation.
  • the driving situation it is possible to extract the first executed application as the most preferred one.
  • the frequently used application deriving method after extracting a frequently used app in a driving situation to extract it as a first frequently used app in a driving situation, After extracting the second frequently used apps in the driving situation according to the preference determined based on the time at the same time, the third frequently used app in the driving situation based on the use time proximity determined based only on the use time of the app Can be extracted.
  • the time when the application was last used by the user terminal is determined, and when the application is executed again from the user terminal after the last time the application is used, If it is determined that the user has used the app again for more than 4 hours after determining that the app has been used again for at least 4 hours from the last time the app was used, Can be determined as the time zone before sleeping.
  • a user terminal is determined to be used in a driving situation, when a walk of a user holding the user terminal through the motion sensor of the user terminal is recognized, If the system connection signal of the vehicle is weak to a certain level or less, it can be judged that the driving situation has ended.
  • an apparatus for deriving a frequently used app includes at least one of a daily time period, a pre-bedtime period, and a driving situation Memory for collecting application usage information in any one time zone and situation, and application usage patterns through artificial intelligence algorithms based on collected application usage information, and frequently used in time zones and situations based on learned application usage patterns And a processor capable of extracting and recommending an app to be used.
  • a processor may frequently use an app frequently used in a daily time zone and a frequently used app Can be extracted and extracted.
  • a processor of a device for deriving a frequently used app can extract and recommend an app that is frequently used in a driving situation based on an execution order in which the app is executed.
  • an apparatus for deriving a frequently used app includes a daily time period using a user terminal, a pre-bedtime period, A memory for collecting the application usage information in at least one of time zones and a driving situation and learning application usage patterns of the collected applications through an artificial intelligence algorithm; And a processor that can extract and recommend frequently used apps in time zones and situations.
  • an apparatus for deriving a frequently used application comprising: And a first processor for extracting an application to be used.
  • a method of extracting a frequently used application from a plurality of applications And a second processor.
  • a processor of a device for deriving a frequently used app may include a third processor for extracting a third frequently used app based on use time alone .
  • the most preferred app is extracted according to the time and situation of using the user terminal, so that it can be used without searching for the most preferred app.
  • a first frequently used app in a daily life and a sleeping time period of a device for deriving a frequently used app includes a maximum number of apps Can be determined by the app with the degree of proximity.
  • a first frequently used app in a driving situation of a device for deriving a frequently used app is a device that sequentially It can be determined that the app with the maximum degree of order approximation based on the proximity degree is determined.
  • a second frequently used app in daily time and a pre-sleep time period includes a preference degree Can be determined accordingly. Also, the second frequently used app in the driving situation can be determined according to the degree of preference determined based on both the order proximity and the usage time of the app simultaneously.
  • a third frequently used app in a daily life and a sleeping time period of a device for deriving a frequently used app may include a usage time proximity determined based only on an application usage time And the third frequently used app in the driving situation can be determined according to the use time proximity determined based only on the usage time of the app.
  • the usage information of the app is collected, the usage information of the collected app is learned through the artificial intelligence algorithm, You can extract and recommend frequently used apps. Accordingly, even if the usage information of the application changes according to the date and time, it is possible to extract and recommend frequently used apps according to the time zone and the situation. In addition, since the apps that are frequently used are displayed on the user terminal where the app is executed, the user using the user terminal can easily execute the app without searching for the frequently used apps.
  • the frequently used application deriving method according to the embodiments of the present invention and the frequently used application deriving device using the same it is possible to extract an app frequently used in daily life time and an app frequently used in a time slot before bedtime. Especially, it is easy to check the preference of frequently used apps in each time zone by making sure that apps that are frequently used in daily life time periods, the apps that are frequently used in the nighttime before sleeping time, and the types of apps are extracted without overlapping.
  • a method for extracting a frequently used app a condition for extracting a first favorite application most frequently used by a frequently used application deriving apparatus using the same, a condition for extracting a second frequently used application, You can avoid extracting frequently used apps by biasing the conditions for extracting the third frequently used app.
  • a frequently used app derivation method and a frequently used app derivation apparatus using the same can be classified into a condition for extracting the most preferred app in a daily time zone and a pre-sleep time zone,
  • the extraction conditions are set differently so that frequently used apps can be appropriately extracted in the situation and time zone.
  • FIG. 1 is a diagram illustrating a user terminal from which an application frequently used by a frequently used application derivation method according to an embodiment of the present invention is derived.
  • a frequently used app shown in accordance with time zone and situation is shown in a dotted line.
  • FIG. 2 is a diagram showing a condition for deriving the frequently used app shown in FIG.
  • FIG. 2 shows an example in which the conditions used are differently applied to each frequently used application when the frequently used application is derived.
  • FIG. 3 is an exemplary diagram for explaining how frequently used applications are changed according to the flow of time.
  • FIG. 3 shows an example in which frequently used apps are frequently used in everyday time and apps frequently used in driving situations.
  • FIG. 4 is a block diagram showing a schematic configuration of a frequently used application derivation apparatus according to an embodiment of the present invention.
  • FIG. 5 is a block diagram showing a schematic configuration of a processor and a memory according to the embodiment of the present invention shown in Fig.
  • FIG. 6 is a flowchart illustrating a method of deriving a frequently used app according to an embodiment of the present invention.
  • FIG. 7 is a flowchart showing an application deriving method frequently used in a specific time zone of FIG.
  • FIG. 7 shows an example of deriving a frequently used app in a time zone before sleeping.
  • Fig. 8 is a diagram showing an example in which a frequently used app in a daily time zone and a frequently used app in a time zone before going to bed are extracted.
  • FIG. 9 is a flowchart showing an application deriving method frequently used in the specific situation of FIG. Fig. 9 shows an example of deriving frequently used apps in a driving situation.
  • FIG. 10 is a diagram showing an example in which frequently used apps in a daily time zone and frequently used apps in a driving situation are extracted.
  • FIG. 11 is a diagram illustrating an example of extracting a frequently used app from an app that has been used for one day to derive a frequently used app according to an embodiment of the present invention.
  • FIG. 12 is a diagram illustrating an example of integrating usage data of an app for deriving a frequently used app according to an embodiment of the present invention.
  • FIG. 13 is a diagram showing an example of deriving a frequently used app based on the integrated data of FIG.
  • FIG. 1 is a diagram illustrating a user terminal derived from an application frequently used by a frequently-used application derivation method according to an exemplary embodiment of the present invention.
  • FIG. 2 is a diagram illustrating a condition for deriving the frequently- Fig.
  • the frequently used application deriving device may be a user terminal 10 capable of executing an app, and may be any of various devices such as a smart phone, a tablet PC, a notebook, and the like.
  • a frequently used app derivation device is a smart phone, and will be referred to as a user terminal 10 for convenience of explanation.
  • a variety of apps are installed and operated in the user terminal 10 according to the embodiment of the present invention, and a plurality of frequently used apps of the user using the user terminal 10 are displayed. Specifically, by selecting a frequently used app according to the preference of the user using the user terminal 10 and displaying the selected preferred app on the screen of the user terminal 10, the user can easily and quickly use the preferred app .
  • a frequently used application is a program that allows a user of the user terminal 10 to execute most of the applications for a certain period of time from the user terminal 10 via the web browser without using the functions of weather, calendar, calculator, Means an app that is displayed using a widget function that is a mini application that can be used immediately. In this way, by displaying an application frequently used by the user on the user terminal 10, it is possible to easily execute a user-preferred app.
  • a user may use a daily time period using the user terminal 10, (N), a pre-bedtime period (B) in which the user prepares for sleeping, and a driving situation (D) in which the user is driving.
  • the types of frequently used apps displayed on the user terminal 10 can be changed according to the time zone and the situation thus classified. More specifically, an app such as a setting app, a gallery app, and a clock app can be displayed as shown in (a) of FIG. 1 for a frequently used app in the daily time zone (N). Alternatively, as shown in FIG. 1 (b), an application such as a memo app or an email app can be displayed in a frequently used app in a time zone (B) before sleeping in a specific time zone. At this time, the frequently used apps shown in the time zone B before bedtime are displayed simultaneously with the frequently used apps in the daily time zone N, so that the preferences of frequently used apps can be easily confirmed in each time zone and situation .
  • the selected apps may be extracted by the same condition, but in other embodiments, they may be extracted by different conditions.
  • an app frequently used in the daily time zone N can be extracted by a plurality of conditions.
  • usage information using an app can be collected.
  • the criteria for extracting an app based on the usage information of the collected app is the first frequently used app (N 1) which is given the maximum number of approximations based on proximity based on the number of times of using the app Can be extracted.
  • the first and most frequently used apps based on these criteria can be messenger apps
  • the second frequently used app N2
  • the condition for extracting the second frequently used apps can be extracted on the basis of the preference based on the number of times of using the app and the use time of using the app simultaneously.
  • a plurality of second frequently used apps can be extracted in order of high preference, and the second frequently used apps extracted based on these criteria can be set apps, memo apps, music apps, and the like.
  • the third frequently used app N 3 can be extracted from the remaining apps except for the first and second frequently used apps.
  • the conditions for extracting a third frequently used app may be based solely on the time spent using the app, and the third frequently used app extracted from these criteria can be an SNS app.
  • the first frequently used app the second frequently used app
  • the third frequently used app it is possible to extract based on usage information using the app for at least one day, preferably 4 to 7 days It is desirable to collect and extract usage information using the app.
  • the most preferred app extracts one app, then extracts a plurality of frequently used apps, and finally, You can change the number of apps you want to extract, although it is an example of extracting an app.
  • 3 is an exemplary diagram for explaining how frequently used applications are changed according to the flow of time.
  • the apps displayed in the frequently used apps in the daily time zone N include a setting app for setting the details of the user terminal 10, a gallery app for displaying pictures, Time app to check time.
  • the usage history of the user frequently used by the user during the period from the first time of holding the user terminal 10 to the past date (d + ⁇ ) remains.
  • the app usage data for one day can be stored in the user terminal 10, and a frequently used app can be extracted and recommended based on the stored app usage data (See Fig. 3 (b)).
  • the frequently used app in the changed daily time zone N is extracted according to the passage of time (refer to (c) of FIG. 3). For example, assuming that seven days have elapsed since a certain time elapsed after having held the user terminal 10, (Nd + 7) the user terminal 10 may store the app usage data executed by the user for 7 days have. At this time, it is possible to integrate the application usage data for the last 4 days among 7 days without using all of the stored application usage data, and to finally extract five preferred applications.
  • the app usage data using the app under a specific situation such as the driving situation D may be stored in addition to the everyday time zone N.
  • the user terminal (10) It is possible to extract frequently used apps to be displayed at the same time (refer to FIG. 3 (d)).
  • frequently used apps in the daily time zone (N) and frequently used apps in the driving situation (D) may be recommended not to overlap.
  • the types of the applications and the like are not overlapped to show the frequently used apps in each situation so that the user of the user terminal 10 can accurately confirm which app is mainly used in the time zone and the situation.
  • FIG. 4 is a block diagram showing a schematic configuration of a frequently used application derivation apparatus according to an embodiment of the present invention
  • FIG. 5 is a block diagram showing a schematic configuration of a processor and a memory according to the embodiment of the present invention shown in FIG. to be.
  • an apparatus 100 for deriving a frequently used app may include a memory 165 and a processor 163.
  • the device 100 for deriving a frequently used app is a device for deriving a frequently used app from a fifth generation mobile communication 5G) to collect the apps, learn the collected app usage patterns, and then use the learned app usage patterns to extract frequently used apps.
  • a fifth generation mobile communication 5G fifth generation mobile communication 5G
  • the device 100 for deriving a frequently used app may be a user terminal 10_ (see FIG. 1) such as a tablet or a smart phone, which is a smart device in which an application can be installed,
  • a smartphone for example, will be described.
  • the memory 165 of the device 100 that derives frequently used apps is a device that derives a frequently used app, for example, a time zone in which a user terminal is used and a daily time zone N ), The sleeping time zone (B), and the driving situation (D).
  • the memory 165 may collect such application usage information.
  • the application usage information collected in the memory 165 can learn an application usage pattern about which application is mainly used by the device 100 that derives a frequently used app.
  • the usage pattern of the application can be learned through the artificial intelligence algorithm based on the collected application usage information. Learning the pattern of use of the application in this way allows the user to use the user terminal 10 in the daily time zone N based on the learned usage pattern of the processor 163, You will be able to extract and recommend apps you frequently use.
  • the processor 163 may include reference information for determining a time zone and a situation for recommending frequently used applications, conditions for extracting frequently used apps in a time zone and a situation, and the like.
  • the processor 163 may include a first processor 163-1 for extracting a first frequently used application based on any one of a use frequency of using an application and a procedure of executing an application .
  • a plurality of processors capable of extracting a frequently used app by varying the conditions according to time zone and situation.
  • Proximity is a measure of the number of times an app has been launched, giving it the highest score (e.g., 10) based on the most frequently run app, This is a condition that allows the points that decrease by points to be assigned differentially so that the most frequently used apps can be listed sequentially. In this case, if the number of executed apps is the same, the score can be given differently according to the time of using the app, and a sequential list of apps can give one point to all apps starting from 10 times or more.
  • the first processor 163-1 may include the first processor 163-1b in a driving situation.
  • the first processor 163-1b in the driving situation extracts the first frequently used app in the driving situation in which the maximum degree of order proximity is given based on the order proximity obtained by digitizing whether or not the app is executed first .
  • the processor 163 may comprise a second processor 163-2 and a third processor 163-3.
  • the second processor 164 can extract a plurality of apps that are assigned in order of the degree of preference that simultaneously considers the use time of using the app in the proximity extracted number of times.
  • an example of extracting one of the most preferred apps and then extracting a plurality of apps of about three or more is preferred, but the number of extracted apps may be changed according to conditions have.
  • the third processor 163-3 can extract the third frequently used app, which is the last favorite app next to the second frequently used app.
  • the criteria for extracting the third frequently used app can be based on the use time proximity based only on the use time of the app, and can be extracted specifically for the most time-consuming application.
  • the frequently used application derivation apparatus 100 includes an input device 120, a display device 140, A communication unit 160, a communication unit 180, and an information DB 130.
  • the input device 120 can generate an app execution signal for executing an app in the device 100 that derives a frequently used app.
  • the generated application execution signal is transmitted to the control unit 160 and can be a reference for extracting frequently used applications.
  • the control unit 160 collects and learns an application execution signal and can recommend a frequently used app appropriately according to the time zone or the situation in which the device 100 for deriving a frequently used app is used based on the learned result You can choose an app.
  • the control unit 160 may include a collection module 162, a learning module 164, and an information selection module 166.
  • the acquisition module 162 may collect the application execution signal transmitted to the control unit 160.
  • the learning module 164 can learn what apps have been executed according to the collected app execution signals. At this time, the learning module 164 can learn execution signals of frequently used applications in the time zone and the situation of any one of the daily time zone N, the sleeping time zone B, and the driving situation D, respectively.
  • the information selection module 166 can extract an application corresponding to a time zone and a situation in which the device 100 for deriving an application frequently used by the user is used according to the learning result learned in the learning module 164.
  • the communication unit 180 may be configured to allow the control unit 160 to learn an application based on an application execution input or to correspond to a time zone and a situation in which the device 100 for deriving a frequently used application is used Or extracting an application to be downloaded from the server.
  • the information DB 130 may store the application execution input information input from the input device 120. [ To this end, the information DB 130 may include a storage unit for storing the application execution input information.
  • the user frequently extracts and recommends an application frequently used by the user through the information executed during the use of the user terminal 10, so that the user can reduce the time and hassle of searching for frequently used apps .
  • FIG. 6 is a flowchart illustrating a method of deriving a frequently used app according to an embodiment of the present invention.
  • an apparatus for deriving a frequently used app can be any one of a smart phone and a tablet on which an app can be installed and executed.
  • a user terminal 10 I will explain.
  • usage information using an application is collected using a device that derives a frequently used app (S110) (S130, S140, S150) of extracting a frequently used app through an artificial intelligence algorithm based on the learned usage information of the learned application and recommending the extracted frequently used app, . ≪ / RTI >
  • usage information using the app it is used in at least one of the daily time period using the app, the pre-bedtime period, and the driving situation. Usage information of the application is collected (S110).
  • the information may be information on usage of a device used during a day in the daily time zone N. In the time zone B before sleeping, the information may be used before 2 hours to 3 hours before sleeping.
  • the Bluetooth and the car kit which are one of the systems of the vehicle, and the application usage information used while the user terminal 10 is connected.
  • the usage information of the app for the last 4 days using the user terminal 10 may be collected and integrated to finally derive about 5 preferred apps.
  • usage information of the app can be learned (S120).
  • the usage information of the application to be used is learned according to each situation and time, so that the user can recommend an appropriate app using the user terminal 10 in any circumstance or time.
  • Time to learn apps You can also learn on different terms depending on the time zone and context in which you use the app. For example, the time for learning the apps collected in the daily time zone N can be learned from 2:00 am to less than 4:00 am every day. This is generally a time set assuming that the user who uses the user terminal 10 is sleeping and is not using the app. Alternatively, the time for learning the apps collected in the pre-sleep time zone B can be learned from 10 am to less than 11 am every day. As described above, in general, a user who uses the user terminal 10 sleeps at an early morning time (early morning time) and may be a weather time from 7:00 am onward. Therefore, from 10:00 am to 11:00 am It is possible to learn usage information of the application used in the time zone B before bedtime.
  • the time for learning the apps collected in the daily time zone N can be learned from 2:00 am to less than 4:00 am every day. This is generally a time set assuming that the user who uses the user terminal 10 is sleeping and is not using the app.
  • the usage information of the apps collected in the driving situation (D) can be learned every day from 3 am to less than 4 am. Generally, since driving is performed in the daytime, it can be performed so as to learn the application usage information collected in the driving situation (D) in the morning hours of less than 3:00 am to 4:00 am.
  • the time for learning an application is described on the basis of a general situation, but the time for learning an application is appropriately determined in accordance with the situation of a user who uses the user terminal 10 in accordance with artificial intelligence learning, . ≪ / RTI >
  • an app frequently used in the daily time zone (N) and an app frequently used in the pre-sleep time zone (B) can be based on the number of times the app is used and the number of times the app is used.
  • the app with the maximum number of degrees of proximity may be the first frequently used app in the daytime and before bedtime (S132, S134, S1322).
  • Proximity refers to the number of times your app has been run, giving you the highest score (for example, 10) based on the app you've run most often, This is a condition that allows the points that decrease by points to be assigned differentially so that the most frequently used apps can be listed sequentially. In this case, if the number of executed apps is the same, the score can be given differently according to the time of using the app, and a sequential list of apps can give one point to all apps starting from 10 times or more.
  • the second frequently used app can be extracted based on the preference based on the use time simultaneously in the number of times of proximity (S140).
  • the condition for extracting the second frequently used application is a condition for multiplying the number of times of proximity, which is the condition of each of the applications that extracted the first frequently used app in the daytime and before the sleeping time, .
  • the third frequently used app can be extracted based on the use time proximity based only on the use time (S150).
  • the use time close-up condition is the most used time.
  • the condition for deriving the first frequently used app in the most preferred driving situation is based on the order approximation according to the execution order of the app (S136).
  • the order close proximity is the highest score (for example, 10 points) And a point that a point is decremented by 1 point in a sequentially executed application.
  • condition for deriving the most favorite app in the driving situation D is applied differently from the condition for deriving the most preferable app in the daily time zone N and the sleeping time zone B, According to the condition, not only the preferred app can be derived, but also a more favorable app can be derived (S1364).
  • the second frequently used app and the third frequently used app are extracted from the driving situation (D) under the same condition as the second frequently used application extracting condition and the third frequently used application extracting condition .
  • FIG. 7 is a flowchart showing an application deriving method frequently used in a specific time zone in FIG. 6,
  • FIG. 8 is a diagram showing an example in which frequently used apps in a daily time zone and frequently used apps in a time zone before sleeping are extracted to be.
  • the appara- tus is first determined (S1321). Sleep is a situation in which no other activity occurs, such as running an app, so it can be judged that you are sleeping if you do not use the app for a certain amount of time after determining the last time you used the app.
  • the user wakes up after a predetermined time, and then the app can be executed again at the user terminal 10.
  • the time zone from the last time of using the app to the time before the predetermined time can be determined as the time zone B before sleeping.
  • the time period from the last time of using the app to a time before the certain time may be from 2 hours to less than 3 hours, and this time period may be changed depending on conditions.
  • the app was used at the time when the app was last used 4 hours before the last time it was used, check the usage time using the app, that is, the loading time of the app. It can be judged as the entire time zone B.
  • the user terminal 10 can be used to check the current time while sleeping. In this case, the user terminal 10 can be confirmed by turning on the screen of the user terminal 10 rather than executing the application. Therefore, in this case, it is preferable to determine that the user terminal 10 is in the time zone B before sleeping, so that it is not judged as the time when the application is executed again.
  • the frequently used app in the pre-sleep time zone B can extract and recommend the frequently used app use information in the pre-sleep time zone B during the previous period.
  • frequently used apps in the pre-sleep time zone (B) can be displayed at the bottom of frequently used apps in the daily time zone (N) have.
  • Frequently used apps in the pre-sleep time zone (B) may be automatically deleted after a certain period of time based on the last time the app was last used. This is because the user can not remove the frequently used app in the time zone (B) before sleeping because the time zone is before bedtime (B).
  • a driving situation (D) is exemplified in order to derive a frequently used app depending on a time zone and a situation, and a condition for extracting a frequently used app in the driving situation (D) will be described in detail with reference to FIG. 9 and FIG. Let's look at it.
  • FIG. 9 is a flowchart showing an application deriving method frequently used in the specific situation of FIG. 6, and FIG. 10 is a diagram illustrating an example of extracting a frequently used app in daily life time and a frequently used app in a driving situation .
  • the driving situation D is determined based on the usage information of the frequently used app in the driving situation D from the time when the user terminal 10 is connected to the system of the app and the vehicle of the user terminal 10,
  • the user terminal 10 can extract a preferred application from the user terminal 10 (S1363).
  • the preferred applications in the driving situation (D) can be simultaneously extracted with the frequently used apps in the daily time zone (N) and can be simultaneously displayed on the screen of the user terminal (10).
  • the app frequently used in the driving situation (D) is continuously exposed on the screen of the user terminal (10), thereby minimizing the hassle of searching for the frequently used app in the driving situation (D).
  • the user's walking number recognizing whether the driving situation D has ended is determined to have walked at least five steps by using the motion sensor included in the user terminal 10, .
  • the driving situation D is ended through the case where the distance between the system of the vehicle and the app is not more than a minimum distance, or the signal connected to the vehicle system is reduced.
  • an app frequently used in the driving situation (D) can be displayed less than the number of frequently used apps in the daily time zone (N).
  • N the number of frequently used apps in the daily time zone
  • the user terminal 10 determines that the driving situation D, You can extract frequently used apps at the same time.
  • a frequently used app in the driving situation (D) can be displayed at the bottom of the display of frequently used apps in the daily time zone (N), so that a frequently used app can be displayed mainly in the everyday time zone .
  • a frequently used app in order to derive a frequently used app, at least one day of app use information is collected, and a frequently used app can be derived by integrating the app usage information collected every day.
  • a method of extracting frequently used apps throughout the day from the app usage information collected during one day, and a method of deriving frequently used apps by integrating the app usage information collected every day will be described.
  • FIG. 11 is a diagram illustrating an example of extracting a frequently used app from an app that has been used for one day to derive a frequently used app according to an embodiment of the present invention.
  • use information of the apps used from 0:00 on March 1 to 24:00 on March 1 Can be collected. If you look at the usage information of collected apps in detail, if your most frequently used app is a messenger app, you will be given the highest score (10 points) for proximity score, plus the total time spent and the number of executions ). When all of these measured values are extracted, a favorite score can be obtained. The preference can be obtained by multiplying the proximity (10) by the sum of the usage time (19). In this way, you can list your favorite apps in the order of your favorite apps, based on your usage information for the day.
  • FIG. 12 is a diagram illustrating an example of integrating usage data of an app for deriving a frequently used app according to an embodiment of the present invention.
  • FIG. 2 is a diagram showing an example of deriving an app.
  • the period of collecting the usage information of the app can collect usage information for the last 4 days from the date of using the current user terminal 10.
  • usage information using the app can be collected from March 1.
  • the use information of the application on March 1 is frequently used sequentially from the messenger application, it extracts the usage frequency and the usage time of the used apps and gives a preference score according to the extracted application usage information can do.
  • the app with the highest preference score on March 1 can be extracted by the messenger app. In this way, it is possible to sequentially extract the app with the highest preference score based on the usage information of frequently used apps from March 2, March 3, and March 4.
  • the usage information ranking of the app can be extracted for four days prior to March 5. It can be a sequential messenger app, setting app, internet browser app, SNS app and music app. If you look at the usage information of the integrated app, you can see that the proximity (Proximity) is extracted the highest for the messenger app. Therefore, it can be the first favorite application of Messenger app. Then, you can see that setting apps, internet browser apps, and music apps have been extracted in order of their favorite scores. Therefore, setting apps, internet browser apps, and music apps can be the second most frequently used apps. Thereafter, if the application having the highest usage time is extracted among the other applications other than the first and second frequently used applications, it can be confirmed as an SNS application. In the case of SNS apps, it can be judged to be one of the most frequently used apps, apart from the apps that have a low preference but have extracted usage time (first and second frequently used apps). The five apps thus extracted can be displayed on the screen of the user terminal 10.
  • the frequently used apps displayed on the user terminal 10 on March 6 collect and integrate the usage information of the used apps from March 2 to March 5, Can be extracted in the same way as the method of extracting the app.
  • the usage information of the application is collected and integrated by the frequently used application deriving method according to the embodiment of the present invention and the frequently used application deriving device using the same, and then the integrated usage information of the app is transmitted through the artificial intelligence algorithm After learning, you can extract and recommend frequently used apps. Therefore, it is possible to extract and recommend frequently used apps in response to a change in usage information using the app according to the flow of date, time, and the like.
  • the user terminal that the app is running shows frequently used apps, so users who use the user terminal can easily launch the app without searching for the frequently used apps.

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Stored Programmes (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Debugging And Monitoring (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

본 발명은, 자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치를 제공한다. 본 발명의 실시예에 따른 도출 방법은, 일상 시간대(daily time period), 취침 전 시간대(pre-bedtime period) 및 드라이빙 상황(driving situation) 중 적어도 어느 하나의 시간대 및 상황에서 앱 사용정보를 수집하는 단계, 수집된 앱 사용정보에 기초하여 기계학습 또는 인공지능 알고리즘을 통해 앱 사용패턴을 학습하는 단계, 및 학습된 앱 사용패턴에 기초하여 시간대 및 상황에서 자주 사용하는 앱을 추출하고, 추출된 자주 사용하는 앱을 추천하는 단계를 포함하고, 자주 사용하는 앱을 추출 및 추천하는 단계는, 일상 시간대와 취침 전 시간대에서 앱을 사용한 사용횟수를 기초로 일상 시간대에서 자주 사용하는 앱과 상기 취침 전 시간대에서 자주 사용하는 앱을 추출하는 단계, 및 드라이빙 상황에서 앱을 실행한 실행순서를 기초로 드라이빙 상황에서 자주 사용하는 앱을 추출하는 단계를 포함할 수 있다. 이로 인해, 사용자는 자주 사용하는 앱을 찾는 번거로움을 최소화할 수 있다.

Description

자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치
본 발명은 자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치에 관한 것으로서, 보다 상세하게는, 시간대 및 상황에 따라 사용한 앱을 학습하여 시간대 및 상황에 따라 자주 사용하는 앱을 추천하기 위한 자주 사용하는 앱 도출 방법, 이를 이용한 도출 장치에 관한 것이다.
앱(App)은 스마트폰 어플리케이션을 약칭한 것으로, 하루에도 수백 개의 새로운 앱이 등장할 정도로 그 숫자는 빠르게 늘어나고 있다.
대표적인 앱 거래 사이트인 구글 플레이와 애플 앱 스토어에 등록된 앱 개수가 260만개 이상이 될 만큼 앱의 종류는 다양하고, 그 수 또한 증가하고 있는 것이 사실이다.
이와 같이 다양하고, 많은 수의 앱이 스마트폰에 설치됨에 따라 스마트폰 사용자는 실행하고자 하는 앱을 찾아 실행해야 한다. 이로 인해 사용자가 필요한 앱을 실행하기 위한 노력 및 시간이 증가하기 때문에 사용자에 따라 자주 사용하는 앱을 실행하는 효과를 기대하기 어려웠다.
이를 위해 스마트폰 제조사, 통신사 등은 앱의 사용 빈도수, 알파벳 순, 서비스의 종류 등의 기준으로 앱을 모아 놓은 폴더를 사용하는 등의 방법으로 스마트폰 사용자에게 편리성을 제공하고 있지만, 스마트폰 자체에 설치된 앱의 개수가 증가하고 있기 때문에 앱을 찾고 실행시키는 작업의 불편함을 여전히 해소되지 않는 문제점이다.
이와 관련된 특허문헌으로서, 한국공개특허 제10-2019-0007513호는 '앱 추천 시스템, 이를 이용한 사용자 단말기 및 방법'을 개시하며, 앱 추천 시점을 학습하고, 적어도 하나의 실행 후보 앱을 사용자 인터페이스를 통해 출력하는 단계들을 포함하도록 하고 있다.
한국공개특허 제10-2019-0007513호에서의 앱 추천 시스템은, 사용자 단말기와 앱 추천 서비스 서버가 통신망을 통해 접속된 상태에서, 사용자 단말기의 복수의 상황을 추정하고, 각 상황에 대응하는 실행 후보 앱을 결정한 뒤, 실행 후보 앱을 추천할 시점을 학습한다. 이후, 사용자 단말기의 상황이 특정 상황일 확률을 추정하고, 추정된 특정 상황에 대응하여 결정되어 있는 실행후보 앱을 검출, 제시할 수 있는데, 이 경우 지정된 시간 동안 지정된 개수의 상황을 확률로 추정하기 때문에 앱의 실행횟수나 사용 시간 등의 고려하지 않은 상태이므로 보다 정확하게 사용자의 요구에 대응하는 앱을 찾고 실행시키는데 불편함이 따를 수 있다.
또한, 한국등록특허 제10-1579585호에 따르면, 사용자의 행동 정보를 바탕으로 서비스를 제공할 수 있도록 하는 '사용자 행동 모니터링 방법, 장치, 시스템 및 이를 수행하기 위한 기록매체'를 개시하며, 구체적으로 생체 신호 또는 이동 정보 등을 모니터링하고, 모니터링된 사용자의 상황 모드에 따른 애플리케이션을 구동하도록 하고 있다.
우선, 한국등록특허 제10-1579585호에서 사용자의 행동을 모니터링하고, 모니터링 된 사용자의 행동에 따라 상황 모드를 설정한 뒤, 사용자의 행동 정보를 수집, 분석하여 미리 설정된 상황 모드에 부합하는 졸음 감지 서비스, 운동량 측정 서비스 등의 애플리케이션을 구동하도록 이루어진다.
또한, 한국등록특허 제10-1579585호에서도 사용자가 앱을 사용하는 사용 횟수, 사용 시간 등의 정보는 고려되지 않은 상황이므로 사용자가 주로 사용하는 앱을 도출하는데 따른 문제점을 여전히 가지고 있으며, 사용자가 앱을 찾지 않고도 자주 사용하는 앱을 실행할 수 있는 등의 서비스에 관한 고려가 필요하게 된다.
[선행기술문헌]
[특허문헌]
한국공개특허 제10-2019-0007513호 (2019.01.22.)
한국등록특허 제10-1579585호 (2015.12.16.)
본 발명의 일 과제는, 종래 자주 사용하는 앱을 찾고자 일일이 검색하거나 실행시키는 번거로움을 해소하기 위하여 사용자의 상황에 대응하는 자주 사용하는 앱을 도출하도록 하여 앱 접근성을 향상하면서 앱을 사용하는 사용자의 편의성을 향상시키는 데에 있다.
또한 본 발명의 다른 과제는, 자주 사용하는 앱을 복수의 조건에 기준하여 추출하도록 하여 사용자에 따라 자주 사용하는 앱을 추출하는 정확도를 향상시킬 수 있다.
또한 본 발명의 다른 과제는, 앱이 설치된 휴대 단말을 사용하는 일상 시간대에서 자주 사용하는 앱과 특정 시간대 및 특정 상황 등에서 자주 사용하는 앱이 중복되게 추출되지 않도록 하여 사용자 단말에 보여지는 앱을 단순화하여 쉽게 앱의 선택이 이루어질 수 있게 하는데 있다.
또한 본 발명의 다른 과제는, 특정 시간대 및 특정 상황 등에서 자주 사용하는 앱은 앱이 설치된 휴대 단말을 사용하는 일상 시간대에서는 휴대 단말에서 보여지지 않도록 하여 일상 시간대에서 앱 사용의 번거로움을 최소화할 수 있는데 있다.
상기 과제를 달성하기 위하여 본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법은, 사용자 단말에 의해 수행되는 앱의 사용정보를 수집하고, 수집된 앱 사용정보에 기초하여 인공지능 알고리즘을 통해 앱 사용패턴을 학습한 뒤, 학습된 앱 사용패턴에 기초하여 자주 사용하는 앱을 추출하고, 추출한 앱을 자주 사용하는 앱으로 추천하는 단계를 포함하여 이루어질 수 있다.
상기 과제를 달성하기 위하여 본 발명의 실시예에 따른 자주 사용하는 앱 도출하는 방법에 따라 자주 사용하는 앱을 추출 및 추천할 때, 일상 시간대(daily time period), 취침 전 시간대(pre-bedtime period) 및 드라이빙 상황(driving situation) 중 적어도 어느 하나의 시간대 및 상황에서 앱의 사용정보를 수집할 수 있다.
또한, 상기 과제를 달성하기 위하여 일상 시간대와 취침 전 시간대에서 앱을 사용한 사용횟수를 기초로 자주 사용하는 앱을 추출하고, 드라이빙 상황에서 앱을 실행한 실행순서를 기초로 자주 사용하는 앱을 추출할 수 있다.
즉, 어느 하나의 조건에 기준하여 자주 사용하는 앱의 추출 및 추천이 이루어지는 것이 아닌 다양한 조건에 의하여 자주 사용하는 앱의 추출 및 추천이 이루어질 수 있다.
이에 따라, 편향적으로 자주 사용하는 앱을 추출하고 추천하는 것이 지양될 수 있으며, 보다 객관적인 조건에서 자주 사용하는 앱이 추출될 수 있다.
본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에서 일상 시간대에서 자주 사용하는 앱과 취침 전 시간대에서 자주 사용하는 앱은 앱을 사용한 사용횟수를 수치화한 횟수 근접도를 기초로 할 수 있다. 이때, 최대 횟수 근접도가 부여된 앱을 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱으로 추출할 수 있다. 즉, 일상 시간대 및 취침 전 시간대에서 가장 선호하는 앱을 추출할 때, 가장 많이 실행한 앱 하나를 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱으로 추출할 수 있다.
또한, 본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에서 드라이빙 상황에서 자주 사용하는 앱은 선(先_먼저) 실행된 여부를 수치화하여 추출한 순서 근접도를 기초로 최대의 순서 근접도가 부여된 앱을 드라이빙 상황에서의 제1 자주 사용하는 앱으로 추출할 수 있다. 즉, 드라이빙 상황에서는 가장 먼저 실행한 앱을 가장 선호하는 앱으로 추출할 수 있게 된다.
상술한 바와 같이 특정 시간대 및 특정 상황에 따라 각기 다른 조건에 기초하여 가장 선호하는 앱을 추출함으로써, 보다 객관적인 조건에 기초하여 자주 사용하는 앱을 도출할 수 있게 된다.
본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에서 일상 시간대에서 자주 사용하는 앱과 취침 전 시간대에서 자주 사용하는 앱을 추출할 때, 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱으로 추출한 뒤, 앱의 횟수 근접도에 앱을 사용한 사용시간을 동시에 기반하여 결정된 선호도 일살 및 취침 전 시간대에서의 따라 제2 자주 사용하는 앱을 추출한 뒤, 앱을 사용한 사용시간에만 기반한 사용시간 근접도를 기초로 일상 및 취침 전 시간대에서의 제3 자주 사용하는 앱을 추출할 수 있다.
또한, 본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에서 드라이빙 상황에서 자주 사용하는 앱을 추출하기 위해 드라이빙 상황에서의 제1 자주 사용하는 앱으로 추출한 이후, 앱의 순서 근접도 및 앱의 사용시간을 동시에 기반하여 결정되는 선호도에 따라 드라이빙 상황에서의 제2 자주 사용하는 앱을 추출한 뒤, 앱의 사용시간에만 기반하여 결정되는 사용시간 근접도를 기초로 드라이빙 상황에서의 제3 자주 사용하는 앱을 추출할 수 있다.
이와 같이 가장 선호하는 앱과, 순차적으로 선호하는 앱을 추출하는 조건을 다르게 하여 편향적으로 앱이 추출되는 것을 지양할 수 있다.
본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에서 사용자 단말에서 앱을 마지막으로 사용된 시간을 판단하고, 앱을 마지막으로 사용된 시간 이후에 사용자 단말에서 앱이 다시 실행되면 앱이 마지막으로 사용된 시간으로부터 사용자 단말에서 앱이 다시 사용된 시간이 4시간 이상 경과 하였는지 판단한 뒤, 사용자 단말에서 앱이 다시 사용된 4시간 이상 경과 한 것으로 판단되면, 앱을 마지막으로 사용된 시간에서부터 일정 시간 이전까지의 시간대를 취침 전 시간대라고 판단할 수 있다.
또한, 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에서 취침 전 시간대에서 자주 사용하는 앱과 일상 시간대에서 자주 사용하는 앱이 중첩되지 않도록 추천할 수 있다.
본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에서 사용자 단말이 차량의 시스템과 연결되는지 여부를 판단하고, 사용자 단말이 차량의 시스템과 연결되는 시점에서 사용자 단말이 드라이빙 상황에서 사용되는 것을 판단할 수 있다.
또한, 본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에서, 드라이빙 상황에서 자주 사용하는 앱과 일상 시간대에서 자주 사용하는 앱이 중첩되지 않도록 추천될 수 있다.
즉, 드라이빙 상황에서 추출되는 자주 사용하는 앱과 일상 시간대에서 추출되는 자주 사용하는 앱이 동시에 보여지도록 하여 추천하는 자주 사용하는 앱이 어떠한 상황에서 추천하고 있는지 여부를 알게 하여 사용자의 앱 사용 편의성을 향상시킬 수 있다.
본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에서 사용자 단말이 드라이빙 상황에서 사용되는 것으로 판단한 이후에, 사용자 단말의 모션 센서를 통해 사용자 단말을 소지한 사용자의 도보가 인지되는 경우 또는 사용자 단말과 차량의 시스템 연결 신호가 일정 수준 이하로 약해지는 경우 드라이빙 상황이 종료된 것으로 판단할 수 있다.
이와 같이 조건에 따라 사용자 단말과 차량의 시스템의 연결이 해제된 것으로 판단되면, 드라이빙 상황에서 자주 사용하는 앱의 추출은 중지하고 일상 시간대에서 자주 사용하는 앱의 추출만이 이루어질 수 있다. 이로 인해, 시간대 및 상황이 변경되면 일상 시간대에서의 자주 사용하는 앱만 보여지게 함으로써, 시간대 및 상황에 맞도록 자주 사용하는 앱을 보여지게 할 수 있게 된다.
상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치는, 일상 시간대(daily time period), 취침 전 시간대(pre-bedtime period) 및 드라이빙 상황(driving situation) 중 적어도 어느 하나의 시간대 및 상황에서 앱 사용정보를 수집하는 메모리와, 수집된 앱 사용정보에 기초하여 인공지능 알고리즘을 통해 앱 사용패턴을 학습하고, 학습된 앱 사용패턴에 기초하여 시간대 및 상황에서 자주 사용하는 앱을 추출 및 추천할 수 있는 프로세서를 포함하여 이루어질 수 있다.
또한, 상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치에서, 프로세서는 앱을 사용한 사용횟수를 기초로 일상 시간대에서 자주 사용하는 앱과 취침 전 시간대에서 자주 사용하는 앱을 추출 및 추출할 수 있다.
또한, 상기 과제를 달성하기 위하여 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치의 프로세서는 앱을 실행한 실행순서에 기반하여 드라이빙 상황에서 자주 사용하는 앱을 추출 및 추천할 수 있다.
즉, 어느 하나의 조건에 기준하여 자주 사용하는 앱을 추출하고, 추출된 앱을 추천하지 않고, 다양한 조건을 기초로 자주 사용하는 앱을 추출 및 추천할 수 있으므로, 편향적으로 자주 사용하는 앱을 추출하고 추천하는 것이 지양될 뿐 아니라 보다 객관적으로 자주 사용하는 앱을 추출할 수 있게 된다.
또한, 상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치는, 사용자 단말을 사용하는 일상 시간대(daily time period), 취침 전 시간대(pre-bedtime period) 및 드라이빙 상황(driving situation) 중 적어도 어느 하나의 시간대 및 상황에서 앱 사용정보를 수집하고, 수집된 앱의 사용정보를 인공지능 알고리즘을 통해 앱 사용패턴을 학습하는 메모리와, 학습된 앱 사용패턴에 기초하여 시간대 및 상황에서 자주 사용하는 앱을 추출 및 추천할 수 있는 프로세서를 포함하여 이루어질 수 있다.
또한, 상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치의 프로세서는, 앱의 사용횟수, 앱을 실행한 실행순서 중 어느 하나의 조건을 기반으로 제1 자주 사용하는 앱을 추출하는 제1 프로세서를 포함하여 이루어질 수 있다.
또한, 상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치의 프로세서는, 앱의 사용횟수에 앱의 사용시간을 동시에 기반하여 제2 자주 사용하는 앱을 추출하는 제2 프로세서를 포함하여 이루어질 수 있다.
또한, 상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치의 프로세서는 사용시간에만 기반하여 제3 자주 사용하는 앱을 추출하는 제3 프로세서를 포함하여 이루어질 수 있다.
즉, 사용자 단말을 사용하는 시간 및 상황에 따라 가장 선호하는 앱이 추출되도록 하여 사용하자 가장 선호하는 앱을 찾지 않고도 사용할 수 있게 된다.
상기 과제를 달성하기 위하여 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치의 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱은 앱의 사용횟수를 수치화한 횟수 근접도를 기초로 최대의 횟수 근접도가 부여된 앱으로 결정될 수 있다.
또한, 상기 과제를 달성하기 위하여 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치의 드라이빙 상황에서의 제1 자주 사용하는 앱은, 앱의 선(先) 실행 여부를 수치화하여 도출한 순서 근접도를 기초로 최대의 순서 근접도가 부여된 앱으로 결정될 수 있다.
즉, 시간대 및 상황에 따라 가장 선호하는 앱을 추출할 때, 프로세서를 다르게 적용함으로써, 보다 정확한 기준으로 각각의 시간대 및 상황에 맞게 선호하는 앱을 추출 및 추천할 수 있게 된다.
상기 과제를 달성하기 위하여 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치에서 일상 및 취침 전 시간대에서의 제2 자주 사용하는 앱은, 횟수 근접도에 사용시간을 동시에 기반하여 결정된 선호도에 따라 결정될 수 있다. 또한, 드라이빙 상황에서의 제2 자주 사용하는 앱은 순서 근접도 및 앱의 사용시간을 동시에 기반하여 결정되는 선호도에 따라 결정될 수 있다.
상기 과제를 달성하기 위하여 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치의 일상 및 취침 전 시간대에서의 제3 자주 사용하는 앱은 앱의 사용 시간에만 기반하여 결정되는 사용시간 근접도에 따라 결정되고, 드라이빙 상황에서의 제3 자주 사용하는 앱은 앱의 사용시간에만 기반하여 결정되는 사용시간 근접도에 따라 결정될 수 있다.
즉, 시간대나 상황에 따라 가장 선호하는 제1 자주 사용하는 앱을 추출한 뒤, 사용시간과 사용횟수의 조건을 변경하여 제2 자주 사용하는 앱과 제3 자주 사용하는 앱을 추출할 수 있다. 제1 자주 사용하는 앱을 추출하는 조건과 제2 및 제3 자주 사용하는 앱을 추출하는 조건을 다르게 함으로써, 편향적으로 앱을 추출하는 것을 지양할 수 있게 된다.
본 발명의 실시예들에 따른 자주 사용하는 앱 도출 방법, 이를 이용한 자주 사용하는 앱 도출 장치에 따르면, 앱의 사용 정보를 수집하고, 수집한 앱의 사용 정보를 인공지능 알고리즘을 통해 학습한 뒤, 자주 사용하는 앱을 추출 및 추천할 수 있다. 이로 인해, 날짜 및 시간의 흐름에 따라 앱 사용 정보가 변화하여도 시간대 및 상황에 따라 자주 사용하는 앱을 추출 및 추천할 수 있다. 또한, 앱이 실행되는 사용자 단말에 자주 사용하는 앱이 표시되므로 사용자 단말을 사용하는 사용자가 자주 사용하는 앱을 찾지 않고도 쉽게 앱을 실행할 수 있게 된다.
또한 본 발명의 실시예들에 따른 자주 사용하는 앱 도출 방법, 이를 이용한 자주 사용하는 앱 도출 장치에서는 일상 시간대에서 자주 사용하는 앱과 취침 전 시간대에서 자주 사용하는 앱을 동시간에 추출될 수 있다. 특히 일상 시간대에서 자주 사용하는 앱과 취침 전 시간대에서 자주 사용하는 앱이 표시되는 위치나, 앱의 종류가 중첩 없이 추출되게 함으로써, 시간대마다 자주 사용하는 앱의 선호도를 쉽게 확인할 수 있다.
이와 비슷하게, 드라이빙 상황에서 자주 사용하는 앱을 추출할 때, 일상 시간대에서 자주 사용하는 앱을 함께 추출할 수 있다. 드라이빙 상황에서 자주 사용하는 앱과 일상 시간대에서 자주 사용하는 앱 또한 사용자 단말에서 앱을 표시하는 위치나, 앱을 표시할 때, 앱의 중첩 없이 추출되게 하여 특정 상황에서 자주 사용하는 앱의 선호도를 쉽게 확인할 수 있게 된다.
또한 본 발명의 실시예들에 따른 자주 사용하는 앱 도출 방법, 이를 이용한 자주 사용하는 앱 도출 장치에서 가장 선호하는 제1 자주 사용하는 앱을 추출하는 조건과 제2 자주 사용하는 앱을 추출하는 조건 및 제3 자주 사용하는 앱을 추출하는 조건을 서로 다르게 하여 편향적으로 자주 사용하는 앱을 추출하는 것을 지양할 수 있다.
또한 본 발명의 실시예들에 따른 자주 사용하는 앱 도출 방법, 이를 이용한 자주 사용하는 앱 도출 장치는, 일상 시간대 및 취침 전 시간대에서 가장 선호하는 앱을 추출하는 조건과 드라이빙 상황에서 가장 선호하는 앱을 추출하는 조건을 다르게 기준하여 상황 및 시간대에 적절하게 자주 사용하는 앱이 추출될 수 있도록 한다.
도 1은 본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에 의해 자주 사용하는 앱이 도출된 사용자 단말을 도시한 도면이다. 도 1에서 시간대 및 상황에 따라 도시된 자주 사용하는 앱이 점선 형태로 도시되어 있다.
도 2는 도 1에 도시된 자주 사용하는 앱을 도출하기 위한 조건을 도시한 도면이다. 도 2에서 자주 사용하는 앱 도출 시, 사용한 조건이 각각의 자주 사용하는 앱에 따라 다르게 적용된 예시가 도시되어 있다.
도 3은 시간의 흐름에 따라 자주 사용하는 앱이 변경되는 설명하기 위한 예시도이다. 도 3에서 일상 시간대에서 자주 사용하는 앱과 드라이빙 상황에서 자주 사용하는 앱이 함께 도출된 예시가 도시되어 있다.
도 4는 본 발명의 실시예에 따른 자주 사용하는 앱 도출장치의 개략적인 구성을 나타내는 블록도이다.
도 5는 도 4의 본 발명의 실시예에 따른 프로세서 및 메모리의 개략적인 구성을 나타내는 블록도 이다.
도 6은 본 발명의 실시예에 따른 자주 사용하는 앱 도출방법을 도시한 흐름도이다.
도 7은 도 6의 특정 시간대에서 자주 사용하는 앱 도출방법을 도시한 흐름도이다. 도 7은 취침 전 시간대에서의 자주 사용하는 앱을 도출하는 예시가 도시되어 있다.
도 8은 일상 시간대에서의 자주 사용하는 앱과 취침 전 시간대에서의 자주 사용하는 앱이 추출되는 예시를 도시한 도면이다.
도 9는 도 6의 특정 상황에서 자주 사용하는 앱 도출방법을 도시한 흐름도이다. 도 9는 드라이빙 상황에서의 자주 사용하는 앱을 도출하는 예시가 도시되어 있다.
도 10은 일상 시간대에서의 자주 사용하는 앱과 드라이빙 상황에서의 자주 사용하는 앱이 추출되는 예시를 도시한 도면이다.
도 11은 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하기 위해 하루 동안 사용한 앱에서 자주 사용하는 앱을 추출하는 예시를 도시한 도면이다.
도 12는 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하기 위한 앱의 사용 데이터를 통합하는 예시를 도시한 도면이다.
도 13은 도 12의 통합된 데이터를 기초로 자주 사용하는 앱을 도출한 예시를 도시한 도면이다.
이하, 본 발명을 보다 구체적으로 설명하기 위하여 본 발명에 따른 실시예들을 첨부 도면을 참조하면서 보다 상세하게 설명하고자 한다. 상세한 설명 전체에 걸쳐 동일한 참조번호는 동일한 구성요소를 나타낸다.
또한 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다. 또한 본 발명의 일 실시 예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시 예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의되지 않는 한, 기술적이거나 과 학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과 도하게 형식적인 의미로 해석되지 않는 것이 바람직하다.
도 1은 본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법에 의해 자주 사용하는 앱이 도출된 사용자 단말을 도시한 도면이고, 도 2는 도 1에 도시된 자주 사용하는 앱을 도출하기 위한 조건을 도시한 도면이다.
본 발명의 실시예에 따른 자주 사용하는 앱 도출 장치는 앱(App)의 실행이 가능한 사용자 단말(10)이 될 수 있으며, 예컨대 스마트폰, 태블릿 PC, 노트북 등 다양한 장치 중 어느 하나일 수 있다. 이하 본 발명의 실시예에서는 자주 사용하는 앱 도출 장치가 스마트폰인 경우를 설명하기로 하며, 설명의 편의상 사용자 단말(10)이라 지칭하기로 한다.
본 발명의 실시예에 따른 사용자 단말(10)에는 다양한 앱(App)이 설치되어 구동되고 있고, 그 중 사용자 단말(10)을 사용하는 사용자가 자주 사용하는 복수의 앱이 보여지도록 이루어져 있다. 구체적으로, 사용자 단말(10)을 사용하는 사용자의 선호에 따라 자주 사용하는 앱을 선정하고, 선정된 선호 앱을 사용자 단말(10)의 화면에 보여지도록 함으로써 사용자가 보다 쉽고 빠르게 선호 앱을 사용할 수 있도록 할 수 있다.
즉 자주 사용하는 앱은, 사용자 단말(10) 사용자가 일정 기간 동안 가장 많이 실행한 앱을 사용자 단말(10)에서 웹브라우저를 통하지 않고, 날씨, 달력, 계산기 등의 기능과 뉴스, 게임 등의 정보를 바로 이용할 수 있는 미니 응용프로그램인 위젯(widget) 기능을 이용하여 보여지는 앱을 의미한다. 이와 같이, 사용자가 자주 사용하는 앱을 사용자 단말(10)에 보여줌으로써, 사용자가 선호하는 앱을 쉽게 실행할 수 있게 할 수 있다.
이러한 자주 사용하는 앱은 사용자의 시간대 및 상황에 따라 다른 종류의 앱이 보여지도록 이루어질 수 있다. 예컨대, 사용자 단말(10)을 사용하는 시간대 및 상황은 다양한 조건에 의해 구분될 수 있으나, 이하 본 발명의 실시예에서는 설명의 편의상 사용자가 사용자 단말(10)을 사용하는 일상 시간대(daily time period)(N), 사용자가 취침을 준비하는 시간대인 취침 전 시간대(pre-bedtime period)(B) 및 사용자가 운전 중인 상황인 드라이빙 상황(driving situation)(D)으로 나뉘어 설명하기로 한다.
이와 같이 구분된 시간대 및 상황에 따라 사용자 단말(10)에 보여지는 자주 사용하는 앱의 종류가 달라질 수 있다. 구체적으로 일상 시간대(N)에서 자주 사용하는 앱은 도 1의 (a)와 같이 설정앱, 갤러리앱, 시계앱 등의 앱이 보여질 수 있다. 이와 다르게, 특정 시간대인 취침 전 시간대(B)에서 자주 사용하는 앱은 도 1의 (b)와 같이 메모앱, 이메일앱 등의 앱이 보여질 수 있다. 이때, 취침 전 시간대(B)에서 보여지는 자주 사용하는 앱은 일상 시간대(N)에서 자주 사용하는 앱과 동시에 보여지게 함으로써, 각각의 시간대 및 상황에서 자주 사용하는 앱의 선호도를 쉽게 확인할 수 있게 된다.
이때, 사용자 단말(10)에 보여지는 자주 사용하는 앱은 5개 내외가 될 수 있으며, 선택된 앱은 동일한 조건에 의해 추출될 수 있지만, 다른 실시예에서는 서로 다른 조건에 의해 추출될 수도 있다.
본 발명의 실시예에 따라 예를 들어 일상 시간대(N)에서 자주 사용하는 앱은 복수의 조건에 의해 추출될 수 있다. 구체적으로 도 2를 참고하면, 앱을 사용하는 사용 정보를 수집할 수 있다. 수집된 앱의 사용정보를 기반으로 앱을 추출하는 기준은 앱을 사용하는 사용횟수를 수치화한 근접도(Proximity)를 기초로 최대의 횟수 근접도가 부여된 제1 자주 사용하는 앱(N₁)을 추출할 수 있다. 이러한 조건을 기준으로 추출한 제1 자주 사용하는 앱은 메신저 앱이 될 수 있다
이후, 제1 자주 사용하는 앱을 제외한 나머지 앱에서 제2 자주 사용하는 앱(N₂)을 추출할 수 있다. 이때, 제2 자주 사용하는 앱들을 추출하기 위한 조건은 앱을 사용한 사용횟수와 앱을 사용한 사용 시간을 동시에 기반한 선호도를 기초로 추출될 수 있다. 이때 제2 자주 사용하는 앱은 선호도가 높은 순서대로 복수 개 추출될 수 있으며, 이러한 기준으로 추출한 제2 자주 사용하는 앱들은 설정앱, 메모앱, 음악앱 등이 될 수 있다.
이와 같이 제1 및 제2 자주 사용하는 앱들(N₁, N₂)을 추출하면, 제1 및 제2 자주 사용하는 앱들을 제외한 나머지 앱에서 제3 자주 사용하는 앱(N₃)을 추출할 수 있다. 제3 자주 사용하는 앱을 추출하기 위한 조건은 앱을 사용한 사용시간에만 기반할 수 있으며, 이러한 기준으로 추출된 제3 자주 사용하는 앱은 SNS앱이 될 수 있다.
한편, 제1 자주 사용하는 앱, 제2 자주 사용하는 앱 및 제3 자주 사용하는 앱을 추출하기 위해서 최소 하루 동안 앱을 사용한 사용정보를 기초로 추출할 수 있으며, 바람직하게는 4일 내지 7일 미만 동안 앱을 사용한 사용정보를 통합하여 추출하는 것이 바람직하다.
또한, 본 발명의 실시예에서 자주 사용하는 앱을 추출할 때, 가장 선호하는 앱은 하나의 앱을 추출하고, 다음으로 자주 사용하는 앱은 복수 개 추출하며, 마지막으로 자주 사용하는 앱은 하나의 앱을 추출하는 예를 들지만, 추출하는 앱의 개수는 변경 가능하다.
한편, 사용자가 사용자 단말(10)을 사용하는 동안 동일한 앱을 사용하는 것은 아니므로, 일정 시간이 지나면 자주 사용하는 앱의 종류가 달라질 수 있다. 이하 도 3을 참조하여 자세하게 설명하기로 한다.
도 3은 시간의 흐름에 따라 자주 사용하는 앱이 변경되는 설명하기 위한 예시도이다.
도 3의 (a)는 처음 사용자 단말(10)을 보유한 시점이라 가정하고, 사용자 단말(10)을 처음 보유하게 되면 이 전에 사용자의 앱 사용 내역이 남아 있지 않는다. 따라서, 사용자 단말(10) 자체에 설정된 임의의 조건으로 일상 시간대(N)에서 자주 사용하는 앱의 추출 및 추천이 이루어질 수 있다. 구체적으로 처음 사용자 단말(10)을 보유하는 경우, 일상 시간대(N)에서의 자주 사용하는 앱에서 보여지는 앱은 사용자 단말(10)의 세부 내용을 설정할 수 있는 설정앱, 사진을 보여주는 갤러리앱, 시간을 체크하는 시간앱 등이 될 수 있다.
이후, 일정 시간(Nd+α_d: date)이 지나면 사용자 단말(10)을 처음 보유한 시점에서부터 지난 날짜(d+α) 동안 사용자가 자주 사용하는 앱의 사용 내역이 남아 있게 된다. 예컨대, 사용자 단말(10)을 보유한 날로부터 하루가 지나면 하루 동안의 앱 사용 데이터가 사용자 단말(10)에 저장될 수 있으며, 저장된 앱 사용 데이터를 기준으로 자주 사용하는 앱을 추출 및 추천할 수 있다(도 3의 (b) 참고). 구체적으로, 메신저앱, 설정앱, 지도앱 등이 보여질 수 있다.
이후, 일정 시간이 더 지나면 시간의 흐름에 따라 변경된 일상 시간대(N)에서의 자주 사용하는 앱이 추출된다(도 3의 (c) 참고). 예를 들어, 사용자 단말(10)을 보유하고 일정 시간이 지난 시점으로부터 7일이 경과 되었다 가정하면(Nd+7) 사용자 단말(10)에는 7일동안 사용자가 실행한 앱 사용 데이터가 저장될 수 있다. 이때, 저장된 앱 사용 데이터를 모두 사용하지 않고, 7일 중 최근 4일 동안의 앱 사용 데이터를 통합하여 최종적으로 선호하는 앱 5개를 추출하도록 이루어질 수 있다.
한편, 사용자 단말(10)을 보유한 날로부터 사용자 단말(10)을 사용하는 동안, 일상 시간대(N) 이외에 드라이빙 상황(D)과 같은 특정 상황에서 앱을 사용하는 앱 사용 데이터가 저장될 수도 있다. 이와 같이, 드라이빙 상황(D)에서의 앱 사용 데이터가 저장된 상태에서 사용자가 드라이빙 상황(D)인 경우, 사용자 단말(10)에는 일상 시간대(N)에서 자주 사용하는 앱과 드라이빙 상황(D)에서 자주 사용하는 앱을 동시에 보여지도록 추출할 수 있다(도 3의 (d) 참고).
이때, 일상 시간대(N)에서 자주 사용하는 앱과 드라이빙 상황(D)에서 자주 사용하는 앱은 중첩되지 않도록 추천될 수 있다. 예컨대, 일상 시간대(N)에서 자주 사용하는 앱과 드라이빙 상황(D)에서 자주 사용하는 앱이 추출되는 위치, 일상 시간대(N)에서 자주 사용하는 앱의 종류와 드라이빙 상황(D)에서 자주 사용하는 앱의 종류 등이 중첩되지 않도록 하여 각각의 상황에서 자주 사용하는 앱을 보여주어 사용자 단말(10) 사용자는 시간대 및 상황에서 어떠한 앱을 주로 사용하는지를 정확하게 확인할 수 있다.
한편, 사용자의 드라이빙 상황(D)이 종료되면 드라이빙 상황(D)에서 자주 사용하는 앱은 제거되어 일상 시간대(N)에서 자주 사용하는 앱만 추출될 수 있다. 이로 인해, 사용자 단말(10)을 사용하는 시간대 및 상황의 혼선을 최소화할 수 있게 된다. 이러한 자주 사용하는 앱 도출 방법의 특징은 하기의 도면을 참고하여 보다 자세하게 설명하기로 한다.
이하 도면을 참고하여, 시간대 및 상황에 따라 추출되는 자주 사용하는 앱을 도출하는 도출 장치에 대해 자세하게 살펴보기로 한다.
도 4는 본 발명의 실시예에 따른 자주 사용하는 앱 도출장치의 개략적인 구성을 나타내는 블록도이고, 도 5는 도 4의 본 발명의 실시예에 따른 프로세서 및 메모리의 개략적인 구성을 나타내는 블록도이다.
우선 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치(100)는, 메모리(165)와 프로세서(163)를 포함하여 이루어질 수 있다.
자주 사용하는 앱을 도출하는 장치(100)의 상세한 설명에 앞서, 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치(100)는 최대 속도가 20Gbps에 달하는 이동통신 기술인 5세대 이동통신(5G)를 이용하여 앱을 수집하고 수집된 앱 사용패턴을 학습한 뒤, 학습된 앱 사용패턴을 이용하여 자주 사용하는 앱을 추출하는 장치가 될 수 있다.
또한, 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 장치(100)는, 앱이 설치 가능한 스마트 장치인 태블릿, 스마트폰 등과 같은 사용자 단말(10_ 도 1 참고)일 수 있으며, 본 발명의 실시예에서는 스마트폰인 예를 들어 설명하기로 한다.
구체적으로 도면을 참고하면, 자주 사용하는 앱을 도출하는 장치(100)의 메모리(165)는 자주 사용하는 앱을 도출하는 장치(100)인 예컨대 사용자 단말을 사용하는 시간대 및 상황인 일상 시간대(N), 취침 전 시간대(B) 및 드라이빙 상황(D)에서 자주 사용하는 앱을 도출하기 위한 앱 사용정보를 수집할 수 있다.
즉, 사용자가 일정 시간대에서 메신저앱, 카메라앱, 갤러리앱 등을 중심으로 앱을 사용한다고 가정하면, 메모리(165)는 이러한 앱 사용정보를 수집할 수 있다. 또한, 메모리(165)에서 수집된 앱 사용정보는 자주 사용하는 앱을 도출하는 장치(100)에서 어떠한 앱을 주로 사용하는지에 대한 앱 사용패턴을 학습할 수 있다.
즉, 수집된 앱 사용정보에 기초하여 인공지능 알고리즘을 통해 앱의 사용패턴을 학습할 수 있다. 이렇게 앱 사용패턴을 학습하면, 프로세서(163)에서 학습된 앱 사용패턴에 기초하여 사용자가 일상 시간대(N)에서 사용자 단말(10)을 사용한다고 판단되면 판단된 결과를 기초로 일상 시간대(N)에서 자주 사용하는 앱을 추출 및 추천하게 되는 것이다.
즉, 일정 시간대에서 학습된 앱 사용패턴에 따라 사용자가 일정 시간대에서 사용자 단말(10)을 사용한다고 판단되면, 자주 사용하는 앱을 도출하는 장치(100)의 화면을 통해 일정 시간대에서 주로 사용한 메신저앱, 카메라앱, 갤러리앱 등을 보여지도록 하여 사용자가 사용하고자 하는 앱을 찾지 않아도 쉽게 자주 사용하는 앱을 선택, 실행할 수 있도록 할 수 있다.
이때, 프로세서(163)는 자주 사용하는 앱을 추천하기 위해 시간대 및 상황을 판단하는 기준 정보와 시간대 및 상황에서 자주 사용하는 앱을 추출하는 조건 등을 포함하여 이루어질 수 있다.
구체적으로 프로세서(163)는 앱을 사용하는 사용횟수, 앱을 실행한 순서 중 어느 하나의 조건을 기반으로 제1 자주 사용하는 앱을 추출하는 제1 프로세서(163-1)를 포함하여 이루어질 수 있다. 이때, 시간대 및 상황에 따라 조건을 달리하여 자주 사용하는 앱을 추출할 수 있는 복수의 프로세서를 포함하여 이루어질 수 있다.
자세하게, 제1 프로세서(163-1)는 일상 시간대(N) 및 취침 전 시간대(B)에서 가장 자주 사용하는 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱을 추출하는 일상 및 취침 전 시간대에서의 제1 프로세서(163-1a)를 포함할 수 있다. 즉, 일상 시간대(N)와 취침 전 시간대(B)에서 가장 자주 사용하는 앱을 추출하는 기준이 동일할 수 있으며, 구체적으로, 앱의 사용횟수를 수치화하여 추출한 횟수 근접도를 기초로 횟수 근접도가 부여된 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱을 추출할 수 있다.
횟수 근접도(Proximity)란, 앱을 실행한 횟수에 대한 점수라고 할 수 있으며, 가장 자주 실행한 앱을 기준으로 가장 높은 점수(예: 10점)을 부여하고, 다음으로 자주 실행한 앱부터 1점씩 감소하는 점수가 차등 부여되도록 하여 가장 자주 사용하는 앱부터 순차적으로 나열될 수 있게 하는 조건이다. 이때, 실행한 횟수가 동일한 앱인 경우 앱을 사용한 시간에 따라 점수를 차등 부여할 수 있으며, 순차적으로 나열된 앱이 10번 이상부터의 앱에는 모두 1점을 부여할 수 있다.
이와 다르게 제1 프로세서(163-1)는 드라이빙 상황에서의 제1 프로세서(163-1b)를 포함하여 이루어질 수 있다. 드라이빙 상황에서의 제1 프로세서(163-1b)는 앱을 먼저 실행한 여부를 수치화한 순서 근접도를 기초로 최대의 순서 근접도가 부여된 드라이빙 상황에서의 제1 자주 사용하는 앱을 추출하게 된다.
이와 같이, 시간대 및 상황에 따라 서로 다른 조건을 기준으로 가장 선호하는 앱을 추출함으로써, 하나의 기준에 의해 선호하는 앱을 추출하지 않게 되어 편향적인 앱 추천을 지양할 수 있게 된다.
시간대 및 상황에 따라 가장 선호하는 앱을 추출하면, 다음으로 선호하는 앱을 추출할 수 있다. 이를 위해, 프로세서(163)는 제2 프로세서(163-2) 및 제3 프로세서(163-3)를 포함하여 이루어질 수 있다.
구체적으로 제2 프로세서(164)는 앞서 추출한 횟수 근접도에 앱을 사용하는 사용시간을 동시에 고려한 선호도가 높은 순서대로 부여된 앱을 여러 개 추출할 수 있다. 한편, 본 발명의 실시예에서는 가장 선호하는 앱을 하나를 추출하고, 다음으로 선호하는 앱은 3개 내외의 복수의 앱을 추출하는 예를 들지만, 추출되는 앱의 개수는 조건에 따라 변경될 수 있다.
제3 프로세서(163-3)는 제2 자주 사용하는 앱 다음으로 선호하는 마지막 앱인 제3 자주 사용하는 앱을 추출할 수 있다. 제3 자주 사용하는 앱을 추출하는 기준은 앱을 사용하는 사용시간만을 기반한 사용시간 근접도를 기초할 수 있으며, 구체적으로 가장 사용시간이 많은 앱을 추출하는 것이 될 수 있다.
이상과 같이 다양한 조건에 의해 선호하는 앱을 추출함으로써, 선호하는 앱을 추출하기 위한 방식의 차이를 두어 보다 정확하고 객관적으로 선호하는 앱을 추출할 수 있게 된다.
한편, 본 발명의 실시예에 따른 자주 사용하는 앱 도출 장치(100)는 메모리(165)와 프로세서(163) 이외에 자주 사용하는 앱을 도출하기 위해 입력장치(120), 표시장치(140), 제어부(160), 통신부(180) 및 정보 DB(130)를 포함하여 이루어질 수 있다.
입력장치(120)는 자주 사용하는 앱을 도출하는 장치(100)에서 앱을 실행하는 앱 실행 신호를 생성할 수 있다. 생성된 앱 실행 신호는 제어부(160)로 전송되어 자주 사용하는 앱을 추출하는 기준이 될 수 있다.
제어부(160)는 앱 실행 신호를 수집, 학습하고, 학습된 결과 에 기초하여 자주 사용하는 앱을 도출하는 장치(100)가 사용되는 시간대나 상황에 따라 적절하게 자주 사용하는 앱을 추천할 수 있는 앱을 선택할 수 있다. 이를 위해, 제어부(160)는 수집모듈(162), 학습모듈(164) 및 정보선택모듈(166)을 포함하여 이루어질 수 있다.
구체적으로, 수집모듈(162)은 제어부(160)로 전송된 앱 실행 신호를 수집할 수 있다. 수집된 앱 실행 신호에 따라 어떠한 앱을 실행하였는지를 학습모듈(164)에서 학습될 수 있다. 이때 학습모듈(164)은 일상 시간대(N), 취침 전 시간대(B) 및 드라이빙 상황(D) 중 어느 하나의 시간대 및 상황에서 자주 사용하는 앱의 실행 신호를 각각 학습할 수 있다. 정보선택모듈(166)은 학습모듈(164)에서 학습된 학습 결과 에 따라 사용자가 자주 사용하는 앱을 도출하는 장치(100)가 사용되는 시간대 및 상황에 대응하는 앱을 추출할 수 있다.
통신부(180)는 사용자가 앱을 실행하는 앱 실행 입력에 따라 제어부(160)에서 앱 실행 입력에 따른 앱을 학습하는지, 자주 사용하는 앱을 도출하는 장치(100)가 사용되는 시간대 및 상황에 대응하는 앱을 추출하는 지 등의 여부에 따른 정보를 수신하는 역할을 할 수 있다.
정보 DB(130)는 입력장치(120)에서 입력된 앱 실행 입력 정보를 저장할 수 있다. 이를 위해 정보 DB(130)는 앱 실행 입력 정보를 저장할 수 있는 저장부를 포함하여 이루어질 수 있다.
이상과 같이, 사용자 단말(10)을 사용하는 동안 앱을 실행한 정보를 통해 자동으로 사용자가 자주 사용하는 앱을 추출 및 추천함으로써, 사용자는 자주 사용하는 앱을 찾는 시간 및 번거로움을 줄일 수 있다.
이하, 도면을 참고하여 자주 사용하는 앱을 도출하는 과 정을 살펴보기로 한다.
도 6은 본 발명의 실시예에 따른 자주 사용하는 앱 도출방법을 도시한 흐름도이다.
도면 설명에 앞서, 도 1 내지 도 5의 도면에서 설명된 장치 및 구성의 도면 부호와 동일한 도면 부호의 경우, 동일 장치 및 구성이라 가정하여 상세한 설명은 생략하기로 한다.
또한, 도 6 내지 도 8의 설명에서 자주 사용하는 앱을 도출하는 장치는 앱이 설치되어 실행될 수 있는 스마트폰, 태블릿 등 어느 할 수 있으며, 이하 설명에서는 사용자 단말(10_ 도 1 참고)이라고 지칭하여 설명하기로 한다.
우선 도 6을 참고하면, 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하는 방법은 자주 사용하는 앱을 도출하는 장치를 이용하여 앱을 사용하는 사용정보를 수집하고(S110), 수집된 앱의 사용정보를 학습한 뒤(S120), 학습된 앱의 사용 정보에 기초하여 인공지능 알고리즘을 통해 자주 사용하는 앱을 추출하고, 추출된 자주 사용하는 앱을 추천하는 단계(S130, S140, S150)를 포함하여 이루어질 수 있다.
앱을 사용하는 사용정보를 수집하기 위해서, 앱을 사용하는 일상 시간대(daily time period), 취침 전 시간대(pre-bedtime period) 및 드라이빙 상황(driving situation) 중 적어도 어느 하나의 시간대 및 상황에서 사용하는 앱의 사용 정보를 수집한다(S110).
이때, 앱의 사용 정보를 수집할 때, 앱을 사용하는 시간대 및 상황에 따라 다른 조건으로 앱의 사용 정보를 수집할 수 있다. 구체적으로 일상 시간대(N)에서는 하루 동안 사용한 앱 사용 정보가 될 수 있고, 취침 전 시간대(B)에서는 일정 시간 이전의 시간인 취침 직전 2 시간 내지 3 시간 미만 전에 사용한 앱 사용 정보가 될 수 있다. 또한, 드라이빙 상황(D)에서는 차량의 시스템 중 하나인 블루투스 및 카킷(Car Kit)과 사용자 단말(10)이 연결되는 동안 사용된 앱 사용 정보가 될 수 있다.
한편 앱의 사용정보를 수집할 때, 최근 앱의 사용정보를 수집할 수 있다. 예를 들어, 사용자 단말(10)을 사용한 최근 4일 동안의 앱의 사용 정보를 수집, 통합하여 최종적으로 선호하는 앱 5개 내외를 도출할 수 있다. 이 경우, 최소 하루 동안의 앱 사용 정보가 반드시 필요하며, 최근 앱을 사용한 정보가 없을 경우, 최대 과 거 30일 동안의 앱 사용 정보를 활용하여 앱 사용 정보를 수집, 통합할 수 있다.
앱의 사용정보를 수집하면, 수집된 앱의 사용정보를 학습할 수 있다(S120). 이때, 각각의 상황과 시간에 따라 사용하는 앱의 사용정보를 학습하게 되어 사용자가 어느 상황이나 시간대에서 사용자 단말(10)을 사용하여도 적절한 앱을 추천할 수 있게 된다.
앱을 학습하는 시간 또한, 앱을 사용하는 시간대 및 상황에 따라 다른 조건으로 학습할 수 있다. 예컨대 일상 시간대(N)에서 수집한 앱을 학습하는 시간은 매일 오전 2 시 내지 오전 4시 미만의 시간 동안 학습할 수 있다. 이는, 일반적으로 사용자 단말(10)을 사용하는 사용자가 취침하는 시간대이므로 앱을 사용하고 있지 않다고 가정하여 설정된 시간일 것이다. 이와 다르게 취침 전 시간대(B)에서 수집한 앱을 학습하는 시간은 매일 오전 10 시 내지 11 미만의 시간 동안 학습할 수 있다. 앞서 설명한 바와 같이 일반적으로 사용자 단말(10)을 사용하는 사용자는 이른 오전 시간(새벽시간)에 취침하고 오전 7 시 이후부터는 기상시간이 될 수 있으므로 충분히 기상했을 것이라 판단되는 오전 10 시 내지 11 시 미만의 시간 동안 취침 전 시간대(B)에서 사용한 앱의 사용 정보를 학습할 수 있게 된다. 아울러, 드라이빙 상황(D)에서 수집한 앱의 사용 정보는 매일 오전 3 시 내지 4 시 미만의 시간 동안 학습이 이루어질 수 있다. 일반적으로 드라이빙은 낮 시간에 이루어지기 때문에 새벽 시간인 오전 3 시 내지 4 시 미만의 시간에서는 드라이빙 상황(D)에서 수집한 앱 사용 정보를 학습하도록 이루어질 수 있다.
한편, 본 발명의 실시예에서는 앱을 학습하는 시간을 일반적인 상황을 기준하여 설명하지만, 인공지능 학습에 따라 사용자 단말(10)을 사용하는 사용자의 상황에 적절하게 대응하여 앱을 학습하는 시간은 자율적으로 변경될 수 있다.
이와 같이 시간대 및 상황에 따라 사용한 앱의 사용 정보를 학습하면, 학습된 앱의 사용패턴에 기초하여 사용자 단말(10)을 사용하는 시간대나 상황에 따라 사용자가 자주 사용하는 앱을 추출 및 추천할 수 있다.
구체적으로, 앱을 사용한 사용횟수를 기초로 일상 시간대(N)에서 자주 사용하는 앱과, 취침 전 시간대(B)에서 자주 사용하는 앱을 추출할 수 있다. 자세하게, 일상 시간대(N)에서 자주 사용하는 앱과 취침 전 시간대(B)에서 자주 사용하는 앱은 앱을 사용한 사용횟수를 수치화하여 추출한 횟수 근접도를 기초로 할 수 있다. 이때, 최대의 횟수 근접도가 부여된 앱이 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱이 될 수 있다(S132, S134, S1322).
횟수 근접도(Proximity)란, 앱을 실행한 횟수에 대한 정도라고 할 수 있으며, 가장 자주 실행한 앱을 기준으로 가장 높은 점수(예: 10점)을 부여하고, 다음으로 자주 실행한 앱부터 1점씩 감소하는 점수가 차등 부여되도록 하여 가장 자주 사용하는 앱부터 순차적으로 나열될 수 있게 하는 조건이다. 이때, 실행한 횟수가 동일한 앱인 경우 앱을 사용한 시간에 따라 점수를 차등 부여할 수 있으며, 순차적으로 나열된 앱이 10번 이상부터의 앱에는 모두 1점을 부여할 수 있다.
이러한 알고리즘을 통해 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱을 추출하면, 횟수 근접도에 사용시간을 동시에 기반한 선호도를 기초로 제2 자주 사용하는 앱을 추출할 수 있다(S140). 구체적으로, 제2 자주 사용하는 앱을 추출하는 조건은, 앞서 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱을 추출한 각각의 앱의 조건인 횟수 근접도와 앱을 사용한 사용 시간의 합을 곱한 조건이 될 수 있다.
이후, 사용시간만을 기반한 사용시간 근접도를 기초로 제3 자주 사용하는 앱을 추출할 수 있다(S150). 사용시간 근접도란, 앞서 추출된 제1 자주 사용하는 앱과 제2 자주 사용하는 앱 이외에 사용시간이 가장 많은 조건이다. 이러한 조건으로 앱을 추출하여 자주 사용하는 앱을 5개 내외로 추출 및 추천할 수 있게 된다.
이와 다르게, 사용자 단말(10)을 사용하는 상황이 드라이빙 상황(D)인 경우, 가장 선호하는 드라이빙 상황에서의 제1 자주 사용하는 앱을 도출하는 조건은 앱의 실행 순서에 따른 순서 근접도를 기초로 할 수 있다(S136).
순서 근접도란, 앞서 설명한 바와 같이 드라이빙 상황(D)인 차량의 시스템과 사용자 단말(10)이 연결됨이 판단된 상태에서(S1362), 가장 먼저 실행한 앱에 가장 높은 점수(예: 10점)을 부여하고, 순차적으로 실행한 앱에 1점씩 감소하는 점수를 차등 부여하는 조건을 의미한다.
이와 같이, 드라이빙 상황(D)에서 가장 선호하는 앱을 도출하는 조건이 일상 시간대(N) 및 취침 전 시간대(B)에서 가장 선호하는 앱을 도출하는 조건과 다르게 적용되므로, 시간대 및 상황에 따라 적절한 조건에 따라 선호하는 앱을 도출할 뿐 아니라 보다 객관적으로 선호하는 앱을 도출할 수 있게 된다(S1364).
이후 앞서 설명된 제2 자주 사용하는 앱 추출하는 조건 및 제3 자주 사용하는 앱 추출하는 조건과 동일한 조건으로 드라이빙 상황(D)에서의 제2 자주 사용하는 앱과 제3 자주 사용하는 앱을 추출할 수 있다.
설명한 바와 같이 자주 사용하는 앱을 추출하기 위해, 시간대 및 상황을 나누어 조건을 다르게 적용한다. 이하 도 7을 참고하고 취침 전 시간대(B) 상황에서 자주 사용하는 앱을 추출하는 조건을 보다 자세하게 살펴보기로 한다.
도 7은 도 6의 특정 시간대에서 자주 사용하는 앱 도출방법을 도시한 흐름도이고, 도 8은 일상 시간대에서의 자주 사용하는 앱과 취침 전 시간대에서의 자주 사용하는 앱이 추출되는 예시를 도시한 도면이다.
취침 전 시간대(B)에서 자주 사용하는 앱을 도출하기 위해서는 우선 앱을 마지막으로 사용한 시각을 판단한다(S1321). 취침이란, 앱을 실행하는 행위와 같은 다른 행위가 일어나지 않는 상황이므로, 앱을 마지막으로 사용한 시간을 판단하여 일정 시간이 지나도록 앱을 사용하지 않는다면 취침 중이라고 판단할 수 있다.
이후, 일정 시간이 지나면 사용자가 기상하고, 이후 사용자 단말(10)에서 앱을 다시 실행될 수 있다. 이때, 앱을 마지막으로 사용한 시간으로부터 앱을 다시 실행한 시간이 4시간 이상 경과 하였는지를 판단할 수 있다(S1323, S1325). 이렇게 앱을 마지막으로 실행한 시각부터 앱을 다시 실행한 시간이 4 시간 이상이라 판단되면, 앱을 사용한 마지막 시각에서 일정 시간 이전까지의 시간대를 취침 전 시간대(B)라고 판단할 수 있다. 예를 들어 앱을 사용한 마지막 시각에서 일정 시간 이전까지의 시간대는 2시간 내지 3시간 미만이 될 수 있으며, 이러한 시간대는 조건에 따라 변경될 수 있다.
이때, 앱을 실행한 시점이 앱을 마지막으로 사용한 시간에서부터 4시간 이전에 사용한 것으로 판단되는 경우, 앱을 사용한 사용시간, 즉 앱의 로딩 시간을 확인하여 앱의 로딩 시간이 일정 시간 이내인 경우 취침 전 시간대(B)라고 판단할 수 있다. 구체적으로, 취침 중에 사용자 단말(10)을 사용하여 현재 시간을 확인할 수 있다. 이 경우, 앱을 실행하기 보다 사용자 단말(10)의 화면을 온(on)하여 사용자 단말(10)을 확인할 수 있다. 따라서, 이러한 경우 사용자 단말(10)이 취침 전 시간대(B)에 있다고 판단하는 것이 바람직하므로 앱을 다시 실행한 시간으로 판단하지 않게 된다.
이와 같이 취침 전 시간대(B)를 판단하면, 사용자 단말(10)에 적용된 시간이 취침 전 시간대(B)가 되었을 때, 취침 전 시간대(B)에서 자주 사용하는 앱을 추출 및 추천할 수 있다(S1322, S140, S150).
이때, 취침 전 시간대(B)에서 자주 사용하는 앱은 이전의 기간 동안 취침 전 시간대(B)에서 자주 사용한 앱의 사용정보를 학습하여 추출 및 추천할 수 있다.
취침 전 시간대(B)에서 자주 사용하는 앱을 추출 및 추천할 때, 일상 시간대(N)에서 자주 사용하는 앱과 동시에 추출 및 추천할 수 있다. 즉, 도 8에 도시된 바와 같이, 사용자 단말(10)의 화면에 취침 전 시간대(B)에서 자주 사용하는 앱과 일상 시간대(N)에서 자주 사용하는 앱이 동시에 보여질 수 있다. 이는 특정 시간대에서 자주 사용하는 앱만 별도로 노출하여 사용자에게 현재 특정 시간대(취침 전 시간대)임을 알릴 수 있게 된다.
한편, 취침 전 시간대(B)에서 자주 사용하는 앱 중에서 일상 시간대(N)에서 자주 사용하는 앱과 중첩 없이 추천될 수 있으며, 만약 일상 시간대(N)에서 자주 사용하는 앱과 취침 전 시간대(B)에서 자주 사용하는 앱이 중복될 경우, 취침 전 시간대(B)의 앱을 제외하여 표시할 수 있다.
더불어, 취침 전 시간대(B)에서 자주 사용하는 앱은 일상 시간대(N)에서 자주 사용하는 앱이 표시되는 하단에 표시되도록 함으로써, 일상 시간대(N)에서 자주 사용하는 앱이 중심으로 보여지도록 할 수 있다.
취침 전 시간대(B)에서 자주 사용하는 앱은 앱을 마지막으로 사용한 마지막 시간을 기준으로 일정 시간이 지나면 자동으로 삭제될 수 있다. 취침 전 시간대(B) 이므로 사용자가 임의로 취침 전 시간대(B)에서 자주 사용하는 앱을 제거할 수 없기 때문이다.
한편, 시간대 및 상황에 따라 자주 사용하는 앱을 도출하기 위해 드라이빙 상황(D)을 예로 하였으며, 도 9 및 도 10을 참고하여 드라이빙 상황(D)에서 자주 사용하는 앱을 추출하는 조건을 보다 자세하게 살펴보기로 한다.
도 9는 도 6의 특정 상황에서 자주 사용하는 앱 도출방법을 도시한 흐름도이고, 도 10은 일상 시간대에서의 자주 사용하는 앱과 드라이빙 상황에서의 자주 사용하는 앱이 추출되는 예시를 도시한 도면이다.
도면을 참고하면, 드라이빙 상황(D)에서 자주 사용하는 앱을 추출하기 위해서는 사용자 단말(10)에 설치된 앱과 차량의 시스템 중 하나인 블루투스 및 카킷 중 어느 하나와 연결되는지 여부를 판단해야 한다(S1362).
이후, 사용자 단말(10)의 앱과 차량의 시스템과 연결된 시점에서부터 사용자 단말(10)이 드라이빙 상황이라고 판단하고, 드라이빙 상황(D)에서 자주 사용하는 앱의 사용 정보를 기초로 드라이빙 상황(D)에서의 선호하는 앱을 사용자 단말(10)로 추출할 수 있다(S1363).
이때, 드라이빙 상황(D)에서 선호하는 앱은 일상 시간대(N)에서 자주 사용하는 앱과 동시에 추출되어 사용자 단말(10) 화면에 동시에 보여질 수 있다. 특히 차량이 주행 상황이면, 드라이빙 상황(D)에서 자주 사용하는 앱은 지속적으로 사용자 단말(10) 화면에 노출되어 드라이빙 상황(D)에서 자주 사용하는 앱을 찾는 번거로움을 최소화할 수 있다.
이후, 차량이 정차하거나 주차하면 드라이빙 상황(D)에서의 자주 사용하는 앱의 지속 추출 여부를 판단해야 한다. 즉, 사용자 단말(10)이 드라이빙 상황에서 사용되고 있는 여부를 판단해야 한다. 이를 위해, 차량이 정차하거나 주차한 뒤, 차량의 시스템과 사용자 단말(10)의 앱의 연결이 해제되는 여부를 판단할 수 있다(S1365).
구체적으로, 사용자 단말(10)이 포함하는 모션 센서를 통해 사용자 단말(10)을 소지한 사용자가 차량에서 벗어나 일정 걸음 이상 도보를 인지하거나, 사용자 단말(10)과 차량의 시스템의 연결 신호가 일정 수준 이하로 약해지는 경우 드라이빙 상황이 종료된 것으로 판단하게 된다(S1367).
이때, 드라이빙 상황(D)이 종료된 여부를 인지하는 사용자의 도보 수는 사용자 단말(10)에 포함된 모션 센서를 이용하여 사용자가 최소 5걸음 도보한 것으로 판단하면 드라이빙 상황(D)이 종료된 것으로 판단할 수 있다.
이와 다르게, 차량의 시스템과 앱과의 연결이 이루어질 수 없는 최소 거리 이상인 경우나, 차량의 시스템과 연결되는 신호가 줄어드는 경우를 통해 드라이빙 상황(D) 이 종료된 것으로 판단할 수 있다.
앞서 설명한 바와 같이, 일상 시간대(N)에서의 자주 사용하는 앱은 5개 내외의 앱을 추출할 수 있다. 이와 다르게, 드라이빙 상황(D)에서의 자주 사용하는 앱을 추출할 때, 5개의 앱을 모두 추출하지 못할 수도 있다. 드라이빙 상황(D)이라는 특수 상황에서 자주 사용하는 앱이 5개보다 적을 수 있기 때문이다.
이 경우, 도 10에 도시된 바와 같이 드라이빙 상황(D)에서 자주 사용하는 앱은 일상 시간대(N)에서 자주 사용하는 앱의 개수보다 적게 표시하도록 할 수 있다. 즉, 특수 상황에서 자주 사용하는 앱만을 보여줌으로써, 불필요한 앱의 추천은 지양할 수 있게 된다.
한편, 취침 전 시간대(B)에서 사용자 단말(10)과 차량의 블루투스 및 카킷 중 어느 하나와의 연결이 인지되면, 사용자 단말(10)은 드라이빙 상황(D)이라고 판단하여, 드라이빙 상황(D)에서 자주 사용하는 앱을 동시에 추출할 수 있다.
또한, 드라이빙 상황(D)에서 자주 사용하는 앱 중에서 일상 시간대(N)에서 자주 사용하는 앱과 중복되어 추출되는 앱이 발생한 경우, 중복되는 앱은 제외하고 드라이빙 상황(D)에서 자주 사용하는 앱을 추출할 수 있다.
더불어, 드라이빙 상황(D)에서 자주 사용하는 앱은 일상 시간대(N)에서 자주 사용하는 앱이 표시되는 하단에 표시되도록 함으로써, 일상 시간대(N)에서 자주 사용하는 앱이 중심으로 보여지도록 할 수 있다.
한편, 드라이빙 상황(D)에서 자주 사용하는 앱이 5개 미만인 경우 5개의 앱을 모두 추출하지 않는 경우를 예를 들지만, 취침 전 시간대(B) 또한, 취침 전 시간대(B)에서 자주 사용하는 앱이 5개 미만인 경우 5개의 앱을 모두 추출하지 않을 수 있음은 당연할 것이다.
이상과 같이 특정 시간대 및 특정 상황에서 자주 사용하는 앱을 추출함으로써, 시간대 및 상황이 변화하여도 자주 사용하는 앱을 추출하는 객관성이 향상될 수 있다.
앞서 설명한 바와 같이, 자주 사용하는 앱을 도출하기 위하여 최소 하루 동안의 앱 사용 정보를 수집하고, 매일 수집한 앱 사용 정보를 통합하여 자주 사용하는 앱을 도출할 수 있다. 이하 도면을 참고하여 하루 동안 수집한 앱 사용 정보를 통해 하루 동안 자주 사용하는 앱을 추출하는 방법과, 매일 수집한 앱 사용 정보를 통합하여 자주 사용하는 앱 도출 방법을 살펴보기로 한다.
도 11은 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하기 위해 하루 동안 사용한 앱에서 자주 사용하는 앱을 추출하는 예시를 도시한 도면이다.
도면에 도시된 바와 같이, 예를 들어 3월 1일 하루 동안 사용한 앱의 사용 정보를 통해 자주 사용한 앱의 순차를 정하기 위해서 3월 1일 0시부터 3월 1일 24시까지 사용한 앱을 사용 정보를 수집할 수 있다. 수집된 앱의 사용정보를 상세히 살펴보면 가장 자주 사용한 앱이 메신저앱인 경우, 근접도 점수를 가장 높은 점수로 부여하고(10점), 사용한 시간을 모두 더한 값 및 앱을 실행한 실행횟수(Frequency_3회)를 추출한다. 이러한 측정값을 모두 추출하면, 선호도(Favorite score)를 구할 수 있다. 선호도는 근접도(10)와 사용시간의 총합(19)의 곱으로 구해질 수 있다. 이러한 방법으로 하루 동안 자주 사용하는 앱의 사용 정보를 기반으로 자주 사용하는 앱 순서대로 나열할 수 있다.
이렇게 일별로 기록된 앱 사용 정보를 통합하면 자주 사용하는 앱을 추출할 수 있다.
구체적으로, 도 12는 본 발명의 실시예에 따른 자주 사용하는 앱을 도출하기 위한 앱의 사용 데이터를 통합하는 예시를 도시한 도면이고, 도 13은 도 12의 통합된 데이터를 기초로 자주 사용하는 앱을 도출한 예시를 도시한 도면이다.
도면을 참고하면, 자주 사용하는 앱을 추출하기 위해 사용자 단말(10)에서 사용한 앱의 사용 정보를 수집할 수 있다. 이때, 앱의 사용 정보를 수집하는 기간은 현재 사용자 단말(10)을 사용하는 일자로부터 최근 4일간의 사용 정보를 수집할 수 있다.
예를 들어, 현재 사용자 단말(10)을 사용하는 날짜가 3월 5일이라고 가정하면, 3월 1일부터 앱을 사용한 사용정보를 수집할 수 있다. 이때, 3월 1일의 앱의 사용정보가 메신저앱부터 다양한 앱을 순차적으로 자주 사용했다고 가정하면, 사용한 앱들의 사용 횟수, 사용 시간 등을 추출하고, 추출된 앱 사용 정보에 따라 선호도 점수를 부여할 수 있다. 그 결과, 3월 1일에 선호도 점수가 가장 높은 앱은 메신저 앱으로 추출될 수 있다. 이와 같은 방법으로 3월2일, 3월3일 및 3월4일까지의 매일 자주 사용한 앱의 사용 정보를 기초로 선호도 점수가 가장 높은 앱부터 순차적으로 추출할 수 있다.
이렇게 추출된 4일간의 앱의 사용정보를 통합하면, 3월 5일에 앞서 4일 간의 앱의 사용정보 순위가 추출될 수 있다. 순차적으로 메신저앱, 셋팅앱, 인터넷브라우저앱, SNS앱 및 음악앱이 될 수 있다. 통합된 앱의 사용 정보를 살펴보면, 메신저앱의 경우, 근접도(Proximity)가 가장 높게 추출된 것을 확인할 수 있다. 따라서, 메신저앱이 가장 선호하는 제1 자주 사용하는 앱이 될 수 있다. 이후, 선호도(Favorite score)가 높은 순서대로 셋팅앱, 인터넷브라우저앱, 음악앱이 추출된 것을 확인할 수 있다. 따라서, 셋팅앱, 인터넷브라우저앱, 음악앱이 제2 자주 사용하는 앱이 될 수 있다. 이후, 제1 및 제2 자주 사용하는 앱을 제외한 나머지 다른 앱 중에서 가장 사용 시간이 높은 앱을 추출하면, SNS앱으로 확인될 수 있다. SNS앱의 경우, 선호도는 낮으나 사용시간이 추출된 앱(제1 및 제2 자주 사용하는 앱) 이외에 가장 높아 자주 사용하는 앱 중 하나라고 판단될 수 있다. 이렇게 추출된 5개의 앱은 사용자 단말(10)의 화면에 표시될 수 있다.
이와 유사하게, 3월 6일에 사용자 단말(10)에 표시되는 자주 사용하는 앱은 3월 2일부터 3월 5일까지 사용한 앱의 사용 정보를 수집, 통합하여 앞서 3월 5일에 자주 사용하는 앱을 추출한 방법과 동일한 방법으로 추출할 수 있다.
이상과 같이, 본 발명의 실시예에 따른 자주 사용하는 앱 도출 방법, 이를 이용한 자주 사용하는 앱 도출 장치에 의하여 앱의 사용정보를 수집, 통합한 뒤 통합된 앱의 사용 정보를 인공지능 알고리즘을 통해 학습한 뒤, 자주 사용하는 앱을 추출 및 추천할 수 있다. 이로 인하여 날짜나 시간 등의 흐름에 따라 앱을 사용하는 사용 정보 변화에 대응하여 자주 사용하는 앱을 추출 및 추천할 수 있다. 또한, 앱이 실행되는 사용자 단말에 자주 사용하는 앱이 표시되므로 사용자 단말을 사용하는 사용자가 자주 사용하는 앱을 찾지 않고도 쉽게 앱을 실행할 수 있다.
또한, 자주 사용하는 앱을 추출 및 추천할 때, 시간대 및 상황에 따라 다른 조건을 기준하여 추출 및 추천할 수 있다. 이로 인해, 특정 시간대 및 특정 상황에서 자주 사용하는 앱을 편향적인 기준으로 추출하는 것을 지양할 수 있다.
앞에서, 본 발명의 특정한 실시예가 설명되고 도시되었지만 본 발명은 기재된 실시예에 한정되는 것이 아니고, 이 기술 분야에서 통상의 지식을 가진 자는 본 발명의 사상 및 범위를 벗어나지 않고서 다른 구체적인 실시예로 다양하게 수정 및 변형할 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 설명된 실시예에 의하여 정하여 질 것이 아니고 청구범위에 기재된 기술적 사상에 의해 정하여져야 할 것이다.

Claims (15)

  1. 사용자 단말에 의해 수행되는, 자주 사용하는 앱을 도출하는 방법으로서,
    일상 시간대(daily time period), 취침 전 시간대(pre-bedtime period) 및 드라이빙 상황(driving situation) 중 적어도 어느 하나의 시간대 및 상황에서 앱 사용정보를 수집하는 단계;
    상기 수집된 앱 사용정보에 기초하여 인공지능 알고리즘을 통해 앱 사용패턴을 학습하는 단계; 및
    상기 학습된 앱 사용패턴에 기초하여 상기 시간대 및 상황에서 자주 사용하는 앱을 추출하고, 상기 추출된 자주 사용하는 앱을 추천하는 단계를 포함하고,
    상기 자주 사용하는 앱을 추출 및 추천하는 단계는,
    상기 일상 시간대와 상기 취침 전 시간대에서 앱을 사용한 사용횟수를 기초로 상기 일상 시간대에서 자주 사용하는 앱과 상기 취침 전 시간대에서 자주 사용하는 앱을 추출하는 단계; 및
    상기 드라이빙 상황에서 앱을 실행한 실행순서를 기초로 상기 드라이빙 상황에서 자주 사용하는 앱을 추출하는 단계를 포함하는,
    자주 사용하는 앱 도출 방법.
  2. 제 1 항에 있어서,
    상기 일상 시간대에서 자주 사용하는 앱과 상기 취침 전 시간대에서 자주 사용하는 앱을 추출하는 단계는, 상기 사용횟수를 수치화한 횟수 근접도를 기초로 최대의 횟수 근접도가 부여된 앱을 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱으로 추출하는 단계를 포함하는,
    자주 사용하는 앱 도출 방법.
  3. 제 1 항에 있어서,
    상기 드라이빙 상황에서 자주 사용하는 앱을 추출하는 단계는,
    앱의 선(先) 실행 여부를 수치화한 순서 근접도를 기초로 최대의 순서 근접도가 부여된 앱을 드라이빙 상황에서의 제1 자주 사용하는 앱으로 추출하는 단계를 포함하는,
    자주 사용하는 앱 도출 방법.
  4. 제 2 항에 있어서,
    상기 일상 시간대에서 자주 사용하는 앱과 상기 취침 전 시간대에서 자주 사용하는 앱을 추출하는 단계는,
    상기 일상 및 취침 전 시간대에서의 제1 자주 사용하는 앱으로 추출하는 단계 이후에,
    앱의 횟수 근접도 및 앱의 사용시간을 동시에 기반하여 결정되는 선호도에 따라 상기 일상 및 취침 전 시간대에서의 제2 자주 사용하는 앱을 추출하는 단계; 및
    앱의 사용시간에만 기반하여 결정되는 사용시간 근접도를 기초로 상기 일상 및 취침 전 시간대에서의 제3 자주 사용하는 앱을 추출하는 단계를 포함하는,
    자주 사용하는 앱 도출 방법.
  5. 제 3 항에 있어서,
    상기 드라이빙 상황에서 자주 사용하는 앱을 추출하는 단계는,
    상기 드라이빙 상황에서의 제1 자주 사용하는 앱으로 추출하는 단계 이후에,
    앱의 순서 근접도 및 앱의 사용시간을 동시에 기반하여 결정되는 선호도에 따라 드라이빙 상황에서의 제2 자주 사용하는 앱을 추출하는 단계; 및
    앱의 사용시간에만 기반하여 결정되는 사용시간 근접도를 기초로 드라이빙 상황에서의 제3 자주 사용하는 앱을 추출하는 단계를 포함하는,
    자주 사용하는 앱 도출 방법.
  6. 제 1 항에 있어서,
    사용자 단말에서 앱이 마지막으로 사용된 시각을 판단하는 단계;
    상기 판단하는 단계 이후에 사용자 단말에서 앱이 다시 실행되면, 상기 앱이 마지막으로 사용된 시각으로부터 상기 사용자 단말에서 앱이 다시 사용된 시각까지 4시간 이상 경과 하였는지 여부를 판단하는 단계; 및
    상기 사용자 단말에서 앱이 다시 사용된 시각까지 4시간 이상 경과 한 것으로 판단되는 경우, 상기 앱이 마지막으로 사용된 시각으로부터 일정 시간 이전까지의 시간대를 상기 취침 전 시간대로 판단하는 단계를 더 포함하는,
    자주 사용하는 앱 도출 방법.
  7. 제 1 항에 있어서,
    상기 취침 전 시간대에서 자주 사용하는 앱을 추출 및 추천하는 단계에서는, 상기 취침 전 시간대에서 자주 사용하는 앱과 상기 일상 시간대에서 자주 사용하는 앱이 중첩되지 않도록 추천되는,
    자주 사용하는 앱 도출 방법.
  8. 제 1 항에 있어서,
    상기 사용자 단말이 차량의 시스템과 연결되는지 여부를 판단하는 단계; 및
    상기 사용자 단말이 차량의 시스템과 연결되는 시점에서부터 상기 사용자 단말이 드라이빙 상황에서 사용되는 것으로 판단하는 단계를 더 포함하는,
    자주 사용하는 앱 도출 방법.
  9. 제 1 항에 있어서,
    상기 드라이빙 상황에서 자주 사용하는 앱을 추출하는 단계에서는,
    상기 드라이빙 상황에서 자주 사용하는 앱과 상기 일상 시간대에서 자주 사용하는 앱이 중첩되지 않도록 추천되는,
    자주 사용하는 앱 도출 방법.
  10. 제 8 항에 있어서,
    상기 사용자 단말이 드라이빙 상황에서 사용되는 것으로 판단하는 단계 이후에,
    상기 사용자 단말의 모션 센서를 통해 상기 사용자 단말을 소지한 사용자의 도보가 인지되는 경우 또는 상기 사용자 단말과 차량의 시스템의 연결 신호가 일정 수준 이하로 약해지는 경우 드리이빙 상황이 종료된 것으로 판단하는 단계를 더 포함하는,
    자주 사용하는 앱 도출 방법.
  11. 자주 사용하는 앱을 도출하는 장치로서,
    일상 시간대(daily time period), 취침 전 시간대(pre-bedtime period) 및 드라이빙 상황(driving situation) 중 적어도 어느 하나의 시간대 및 상황에서의 앱 사용정보를 수집하는 메모리;
    상기 수집된 앱 사용정보에 기초하여 인공지능 알고리즘을 통해 앱 사용패턴을 학습하고, 상기 학습된 앱 사용패턴에 기초하여 상기 시간대 및 상기 상황에서 자주 사용하는 앱을 추출 및 추천하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 일상 시간대와 상기 취침 전 시간대에서 앱을 사용한 사용횟수를 기초로 상기 일상 시간대에서 자주 사용하는 앱과 상기 취침 전 시간대에서 자주 사용하는 앱을 추출 및 추천하고,
    상기 드라이빙 상황에서 앱을 실행한 실행순서를 기초로 상기 드라이빙 상황에서 자주 사용하는 앱을 추출 및 추천하는,
    자주 사용하는 앱 도출 장치.
  12. 일상 시간대(daily time period), 취침 전 시간대(pre-bedtime period) 및 드라이빙 상황(driving situation) 중 적어도 어느 하나의 시간대 및 상황에서 앱 사용정보를 수집하는 메모리;
    상기 수집된 앱 사용정보에 기초하여 인공지능 알고리즘을 통해 앱 사용패턴을 학습하고, 상기 학습된 앱 사용패턴에 기초하여 상기 시간대 및 상기 상황에서 자주 사용하는 앱을 추출 및 추천하는 프로세서를 포함하고,
    상기 프로세서는,
    앱의 사용횟수 및 앱을 실행한 실행순서 중 어느 하나의 조건을 기반으로 제1 자주 사용하는 앱을 추출하고,
    앱의 사용 횟수 및 앱의 사용시간을 동시에 기반하여 제2 자주 사용하는 앱을 추출하고,
    앱의 사용시간에만 기반하여 제3 자주 사용하는 앱을 추출하도록 구성되는,
    자주 사용하는 앱 도출 장치.
  13. 제 12 항에 있어서,
    상기 일상 및 취침 전 시간대에서의 상기 제1 자주 사용하는 앱은 앱의 사용횟수를 수치화한 횟수 근접도를 기초로 최대의 횟수 근접도가 부여된 앱으로 결정되고,
    상기 드라이빙 상황에서의 상기 제1 자주 사용하는 앱은 앱의 선(先) 실행 여부를 수치화한 순서 근접도를 기초로 최대의 순서 근접도가 부여된 앱으로 결정되는,
    자주 사용하는 앱 도출 장치.
  14. 제 12 항에 있어서,
    상기 일상 및 취침 전 시간대에서의 상기 제2 자주 사용하는 앱은 상기 횟수 근접도 및 앱의 사용시간을 동시에 기반하여 결정되는 선호도에 따라 결정되고,
    상기 드라이빙 상황에서의 상기 제2 자주 사용하는 앱은 상기 순서 근접도 및 앱의 사용시간을 동시에 기반하여 결정되는 선호도에 따라 결정되는,
  15. 제 12 항에 있어서,
    상기 일상 및 취침 전 시간대에서의 상기 제3 자주 사용하는 앱은 앱의 사용시간에만 기반하여 결정되는 사용시간 근접도에 따라 결정되고,
    상기 드라이빙 상황에서의 상기 제3 자주 사용하는 앱은 앱의 사용시간에만 기반하여 결정되는 사용시간 근접도에 따라 결정되는,
    자주 사용하는 앱 도출 장치.
PCT/KR2019/004469 2019-02-20 2019-04-12 자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치 Ceased WO2019147110A2 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201980004018.XA CN111868686B (zh) 2019-02-20 2019-04-12 常用应用程序的导出方法和使用该方法的导出设备
US16/640,335 US11228675B2 (en) 2019-02-20 2019-04-12 Method for deriving frequently used application, and apparatus using the same
EP19743243.8A EP3657325A4 (en) 2019-02-20 2019-04-12 METHOD FOR DERIVING FREQUENTLY USED APPLICATIONS AND DERIVING DEVICE THEREOF
KR1020190110991A KR102913029B1 (ko) 2019-02-20 2019-09-06 자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962808245P 2019-02-20 2019-02-20
US62/808,245 2019-02-20

Publications (2)

Publication Number Publication Date
WO2019147110A2 true WO2019147110A2 (ko) 2019-08-01
WO2019147110A3 WO2019147110A3 (ko) 2020-01-02

Family

ID=67395662

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/004469 Ceased WO2019147110A2 (ko) 2019-02-20 2019-04-12 자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치

Country Status (5)

Country Link
US (1) US11228675B2 (ko)
EP (1) EP3657325A4 (ko)
KR (1) KR102913029B1 (ko)
CN (1) CN111868686B (ko)
WO (1) WO2019147110A2 (ko)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4235410B1 (en) * 2017-11-30 2025-01-01 Honor Device Co., Ltd. Method for displaying application shortcut menus on different screens
KR102759001B1 (ko) * 2019-11-18 2025-01-23 삼성전자주식회사 어플리케이션을 프리로드하는 방법 및 이를 지원하는 전자 장치
US11281558B2 (en) * 2020-01-06 2022-03-22 International Business Machines Corporation Cognitive and deep learning-based software component distribution
WO2021246816A1 (en) 2020-06-04 2021-12-09 Samsung Electronics Co., Ltd. Method for enhancing performance of electronic device
JP7442948B2 (ja) * 2021-10-18 2024-03-05 矢崎総業株式会社 車外表示装置
US12216901B2 (en) * 2022-09-20 2025-02-04 International Business Machines Corporation Environment- and preference-based application and operation guidance selection
JP2024049711A (ja) * 2022-09-29 2024-04-10 フォルシアクラリオン・エレクトロニクス株式会社 情報機器およびメニュー表示方法
KR102906999B1 (ko) 2022-12-23 2025-12-31 쿠팡 주식회사 서비스 간 상호 연계 방법
KR20240152696A (ko) * 2023-04-13 2024-10-22 삼성전자주식회사 뉴럴 네트워크를 이용하여 실행될 소프트웨어 어플리케이션을 추론하기 위한 컴퓨터 판독 가능 저장 매체 및 방법
KR20250105992A (ko) * 2024-01-02 2025-07-09 현대오토에버 주식회사 위젯을 제공하는 방법 및 이를 수행하는 내비게이션 장치
WO2026005299A1 (ko) * 2024-06-28 2026-01-02 삼성전자 주식회사 상태 변경이 가능한 전자 장치 및 이의 구동 방법
WO2026054245A1 (ko) * 2024-09-03 2026-03-12 삼성전자 주식회사 플렉서블 디스플레이를 포함하는 웨어러블 전자 장치 및 그 동작 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101579585B1 (ko) 2014-06-18 2015-12-22 경북대학교 산학협력단 사용자 행동 모니터링 방법, 장치, 시스템 및 이를 수행하기 위한 기록매체
KR20190007513A (ko) 2019-01-14 2019-01-22 주식회사 엘렉시 앱 추천 시스템, 이를 위한 사용자 단말기 및 방법

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1256875A1 (en) * 2001-05-10 2002-11-13 Nokia Corporation Method and device for context dependent user input prediction
US20040260801A1 (en) * 2003-02-12 2004-12-23 Actiontec Electronics, Inc. Apparatus and methods for monitoring and controlling network activity using mobile communications devices
US20050138564A1 (en) * 2003-12-17 2005-06-23 Fogg Brian J. Visualization of a significance of a set of individual elements about a focal point on a user interface
JP2007193700A (ja) * 2006-01-20 2007-08-02 Ricoh Co Ltd アプリケーション選択管理装置、画像形成装置、アプリケーション選択管理方法及びアプリケーション選択管理プログラム
KR101179917B1 (ko) * 2010-11-16 2012-09-05 김지수 시간-위치공간 적응형 사용자 인터페이스를 제공하는 이동통신 단말기
KR101782649B1 (ko) * 2011-04-28 2017-09-28 삼성전자주식회사 휴대단말기에서 외부 악세사리에 대한 어플리케이션 제공 장치 및 방법
KR101793999B1 (ko) * 2011-07-22 2017-11-06 삼성전자주식회사 휴대용 단말기에서 사용자 인터페이스 객체를 배치하는 방법 및 장치
US9417754B2 (en) * 2011-08-05 2016-08-16 P4tents1, LLC User interface system, method, and computer program product
KR101233955B1 (ko) * 2012-05-17 2013-02-15 권오형 사용자 중심의 메인 화면 아이콘 구성 장치 및 방법
US8490006B1 (en) * 2012-09-04 2013-07-16 State Farm Mutual Automobile Insurance Company Scene creation for building automation systems
KR20140091633A (ko) * 2013-01-11 2014-07-22 삼성전자주식회사 모바일 장치에서의 상황 인지에 따른 추천 항목을 제공하기 위한 방법 및 이를 위한 모바일 장치
US20140282207A1 (en) * 2013-03-15 2014-09-18 Rita H. Wouhaybi Integration for applications and containers
US10719122B2 (en) * 2013-11-15 2020-07-21 Apple Inc. Automated environment providing feedback based on user routine
US10768784B2 (en) * 2013-12-06 2020-09-08 Vivint, Inc. Systems and methods for rules-based automations and notifications
US9272714B2 (en) * 2014-04-28 2016-03-01 Ford Global Technologies, Llc Driver behavior based vehicle application recommendation
US9547683B2 (en) * 2014-05-30 2017-01-17 Apple Inc. Application suggestion features
JP6684449B2 (ja) * 2014-06-09 2020-04-22 ソニー株式会社 情報処理装置、情報処理方法、及び、プログラム
US10289260B2 (en) 2014-08-27 2019-05-14 Honda Motor Co., Ltd. Systems and techniques for application multi-tasking
US10764424B2 (en) * 2014-12-05 2020-09-01 Microsoft Technology Licensing, Llc Intelligent digital assistant alarm system for application collaboration with notification presentation
CN106227723A (zh) * 2016-01-25 2016-12-14 百度在线网络技术（北京）有限公司 用于推荐应用和呈现推荐应用的方法和装置
KR20170138667A (ko) * 2016-06-08 2017-12-18 삼성전자주식회사 어플리케이션을 활성화하는 방법 및 이를 제공하는 전자 장치
CN106202358A (zh) * 2016-07-06 2016-12-07 深圳市金立通信设备有限公司 一种推荐应用程序的方法及终端
JP6733434B2 (ja) * 2016-09-02 2020-07-29 富士ゼロックス株式会社 情報表示システムおよび画像形成装置
DE102017203570A1 (de) * 2017-03-06 2018-09-06 Volkswagen Aktiengesellschaft Verfahren und vorrichtung zur darstellung von empfohlenen bedienhandlungen eines vorschlagssystems und interaktion mit dem vorschlagssystem
WO2018169372A1 (en) * 2017-03-17 2018-09-20 Samsung Electronics Co., Ltd. Method and system for routine disruption handling and routine management in a smart environment
US10470015B1 (en) * 2018-12-12 2019-11-05 Citrix Systems, Inc. System with automatic creation of application-orchestration widgets for multi-application interaction

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101579585B1 (ko) 2014-06-18 2015-12-22 경북대학교 산학협력단 사용자 행동 모니터링 방법, 장치, 시스템 및 이를 수행하기 위한 기록매체
KR20190007513A (ko) 2019-01-14 2019-01-22 주식회사 엘렉시 앱 추천 시스템, 이를 위한 사용자 단말기 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3657325A4

Also Published As

Publication number Publication date
CN111868686B (zh) 2023-12-08
US11228675B2 (en) 2022-01-18
EP3657325A4 (en) 2021-05-26
CN111868686A (zh) 2020-10-30
US20210073008A1 (en) 2021-03-11
KR102913029B1 (ko) 2026-01-15
WO2019147110A3 (ko) 2020-01-02
EP3657325A2 (en) 2020-05-27
KR20190109339A (ko) 2019-09-25

Similar Documents

Publication Publication Date Title
WO2019147110A2 (ko) 자주 사용하는 앱 도출 방법 및 이를 이용한 도출 장치
WO2016186418A1 (en) Sensor information using method and electronic device using the same
WO2017142341A1 (en) Method for integrating and providing collected data from multiple devices and electronic device for implementing same
WO2019083271A1 (ko) 어플리케이션 프로그램을 제어하는 전자 장치 및 그 제어 방법
WO2019039915A1 (en) METHOD FOR ACTIVATION OF VOICE RECOGNITION SERVICE AND ELECTRONIC DEVICE IMPLEMENTING THE SAME
WO2014209078A1 (en) Method and apparatus for updating application
WO2018186580A1 (ko) 디스플레이로 영상 데이터가 전송되지 않는 구간에 생체 정보를 획득하기 위한 방법 및 전자 장치
WO2020171518A1 (en) Electronic device for adaptive power management
WO2018074799A1 (ko) 공작 기계의 상태를 감시하는 전자 장치 및 그의 제어 방법
WO2017116054A1 (en) Method for controlling content and electronic device thereof
WO2018155928A1 (ko) 복수의 생체 센서를 이용하여 인증을 수행하기 위한 전자 장치 및 그의 동작 방법
WO2017142370A1 (ko) 사용자의 피부 유형에 따른 콘텐트를 제공하기 위한 전자 장치 및 방법
WO2018080023A1 (ko) 전자 장치 및 그의 동작을 제어하는 방법
WO2017116052A1 (ko) 컨텐트 인식 장치 및 그 동작 방법
WO2020159213A1 (ko) 상황에 기반한 사용자 맞춤형 설정 방법 및 장치
WO2018203623A1 (en) Electronic apparatus for processing user utterance
WO2018199432A1 (ko) 객체에 대응하는 콘텐트를 출력하기 위한 방법 및 그 전자 장치
WO2017131401A1 (ko) 전자 장치 및 전자 장치의 사용자 인터페이스 제어 방법
WO2016048019A1 (en) Method and device for outputting content and recording medium for executing the method
WO2018135750A1 (ko) 전자 장치 및 전자 장치 제어 방법
WO2015108396A1 (ko) 사용자 맞춤형 정보를 제공하는 방법 및 장치
WO2017126878A1 (ko) 사용자 인터페이스를 표시하는 방법 및 이를 지원하는 전자 장치
WO2018110847A1 (ko) 생체 데이터를 등록 및 인증하기 위한 방법 및 그 전자 장치
WO2018021764A1 (ko) 어플리케이션에 대한 알림을 관리하는 방법 및 그 전자 장치
WO2020101285A1 (en) Electronic device including rotatable member and method for operating same

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2019743243

Country of ref document: EP

Effective date: 20200223

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19743243

Country of ref document: EP

Kind code of ref document: A2

NENP Non-entry into the national phase

Ref country code: DE