METHOD AND SYSTEM FOR PREDICTING SONG REPRODUCTION LENGTH ON BASIS OF PLAYLIST CONFIGURATION

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 발명의 실시예들은 스트리밍 기반의 음악 서비스를 제공하는 기술에 관한 것이다.

본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 플레이리스트 구성에 기반하여 곡 재생 길이를 예측할 수 있고, 이를 통해 효율성, 리소스 절감, 비용 절감, 서비스 품질, 편의성 등의 측면에 있어서 상당한 장점들을 달성할 수 있다.

도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.

복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 시스템으로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable MultimediaPlayer), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 시스템들 중 하나를 의미할 수 있다.

통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제1 서비스를 제공하는 시스템일 수 있으며, 서버(160) 역시 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제2 서비스를 제공하는 시스템일 수 있다. 보다 구체적인 예로, 서버(150)는 복수의 전자 기기들(110, 120, 130, 140)에 설치되어 구동되는 컴퓨터 프로그램으로서의 어플리케이션을 통해, 해당 어플리케이션이 목적하는 서비스(일례로, 음악 서비스 등)를 제1 서비스로서 복수의 전자 기기들(110, 120, 130, 140)로 제공할 수 있다. 다른 예로, 서버(160)는 상술한 어플리케이션의 설치 및 구동을 위한 파일을 복수의 전자 기기들(110, 120, 130, 140)로 배포하는 서비스를 제2 서비스로서 제공할 수 있다.

도 2는 본 발명의 일실시예에 있어서 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다. 도 2에서는 전자 기기에 대한 예로서 전자 기기(110), 그리고 서버(150)의 내부 구성을 설명한다. 또한, 다른 전자 기기들(120, 130, 140)이나 서버(160) 역시 상술한 전자 기기(110) 또는 서버(150)와 동일한 또는 유사한 내부 구성을 가질 수 있다.

전자 기기(110)와 서버(150)는 메모리(211, 221), 프로세서(212, 222), 통신 모듈(213, 223) 그리고 입출력 인터페이스(214, 224)를 포함할 수 있다. 메모리(211, 221)는 비-일시적인 컴퓨터 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리(211, 221)와는 구분되는 별도의 영구 저장 장치로서 전자 기기(110)나 서버(150)에 포함될 수도 있다. 또한, 메모리(211, 221)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 전자 기기(110)에 설치되어 구동되는 브라우저나 특정 서비스의 제공을 위해 전자 기기(110)에 설치된 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(211, 221)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(213, 223)을 통해 메모리(211, 221)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로, 상술한 서버(160))이 네트워크(170)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(211, 221)에 로딩될 수 있다.

프로세서(212, 222)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(211, 221) 또는 통신 모듈(213, 223)에 의해 프로세서(212, 222)로 제공될 수 있다. 예를 들어 프로세서(212, 222)는 메모리(211, 221)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(213, 223)은 네트워크(170)를 통해 전자 기기(110)와 서버(150)가 서로 통신하기 위한 기능을 제공할 수 있으며, 전자 기기(110) 및/또는 서버(150)가 다른 전자 기기(일례로 전자 기기(120)) 또는 다른 서버(일례로 서버(160))와 통신하기 위한 기능을 제공할 수 있다. 일례로, 전자 기기(110)의 프로세서(212)가 메모리(211)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(213)의 제어에 따라 네트워크(170)를 통해 서버(150)로 전달될 수 있다. 역으로, 서버(150)의 프로세서(222)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈(223)과 네트워크(170)를 거쳐 전자 기기(110)의 통신 모듈(213)을 통해 전자 기기(110)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(150)의 제어 신호나 명령, 컨텐츠, 파일 등은 프로세서(212)나 메모리(211)로 전달될 수 있고, 컨텐츠나 파일 등은 전자 기기(110)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.

입출력 인터페이스(214)는 입출력 장치(215)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드, 마우스, 마이크로폰, 카메라 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(214)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(215)는 전자 기기(110)와 하나의 장치로 구성될 수도 있다. 또한, 서버(150)의 입출력 인터페이스(224)는 서버(150)와 연결되거나 서버(150)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 보다 구체적인 예로, 전자 기기(110)의 프로세서(212)가 메모리(211)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(150)나 전자 기기(120)가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(214)를 통해 디스플레이에 표시될 수 있다.

또한, 다른 실시예들에서 전자 기기(110) 및 서버(150)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 전자 기기(110)는 상술한 입출력 장치(215) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 전자 기기(110)가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 전자 기기(110)에 더 포함되도록 구현될 수 있다.

이하에서는 플레이리스트 구성에 기반하여 곡 재생 길이를 예측하는 방법 및 시스템의 구체적인 실시예를 설명하기로 한다.

일반적으로 플레이리스트는 단순 규칙에 의해 순차적으로 곡들이 재생된다. 사용자가 끝까지 재생하지 않고 중간에 스킵(skip)할 확률이 높은 곡에 대해서도 재생을 위한 리소스가 소모되기 때문에 이러한 불필요한 리소스 소모로 인해 전체적인 서비스가 원활하지 않을 수 있다.

본 발명은 플레이리스트의 재생 흐름을 확률적 모델로 예측하여 그에 맞춰 곡 재생에 필요한 리소스를 효과적으로 배분할 수 있다.

도 3은 본 발명의 일실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 블록도이고, 도 4는 본 발명의 일실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.

본 실시예에 따른 서버(150)는 클라이언트(client)인 복수의 전자 기기들(110, 120, 130, 140)을 대상으로 스트리밍 기반의 음악 서비스를 제공하는 플랫폼 역할을 한다. 서버(150)는 전자 기기들(110, 120, 130, 140) 상에 설치되는 어플리케이션과 연동하여 음악 서비스를 제공할 수 있다.

서버(150)의 프로세서(222)는 도 4에 따른 음악 제공 방법을 수행하기 위한 구성요소로서 도 3에 도시된 바와 같이, 정보 관리부(310), 재생 길이 예측부(320), 및 데이터 제공부(330)를 포함할 수 있다. 실시예에 따라 프로세서(222)의 구성요소들은 선택적으로 프로세서(222)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(222)의 구성요소들은 프로세서(222)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.

이러한 프로세서(222) 및 프로세서(222)의 구성요소들은 도 4의 음악 제공 방법이 포함하는 단계들(S410 내지 S440)을 수행하도록 서버(150)를 제어할 수 있다. 예를 들어, 프로세서(222) 및 프로세서(222)의 구성요소들은 메모리(221)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.

여기서, 프로세서(222)의 구성요소들은 서버(150)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(222)에 의해 수행되는 프로세서(222)의 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 서버(150)가 플레이리스트와 관련된 정보를 관리하도록 상술한 명령에 따라 서버(150)를 제어하는 프로세서(222)의 기능적 표현으로서 정보 관리부(310)가 이용될 수 있다.

단계(S410)에서 프로세서(222)는 서버(150)의 제어와 관련된 명령이 로딩된 메모리(221)로부터 필요한 명령을 읽어들일 수 있다. 이 경우, 상기 읽어들인 명령은 프로세서(222)가 이후 설명될 단계들(S420 내지 S440)을 실행하도록 제어하기 위한 명령을 포함할 수 있다.

단계(S420)에서 정보 관리부(310)는 플레이리스트 각각에 대한 곡 구성 정보와 재생 이력 정보를 조사 및 집계하여 저장 및 관리할 수 있다. 플레이리스트는 적어도 하나의 음악 컨텐츠(곡)로 이루어진 트랙 모음으로, 사용자가 직접 구성하거나 타인으로부터 공유 받은 재생 목록, 혹은 서비스 상에서 자동 추천된 재생 목록 등을 포함할 수 있다. 정보 관리부(310)는 음악 서비스를 통해 사용자들이 소비한 이력이 있는 플레이리스트를 대상으로 각 플레이리스트의 곡 구성과 관련된 전반적인 정보, 그리고 사용자들에 의한 재생 로그 데이터를 저장 및 관리할 수 있다. 도 5는 플레이리스트_A의 곡 구성 정보(500)를 포함하는 관리 테이블의 예시를 도시한 것이다. 도 5에 도시한 바와 같이, song_1→song_2→song_3→song_4의 순서로 구성된 플레이리스트_A에 대해, 곡 구성 정보(500)는 곡 재생 순서(501), 곡 구성 테마나 타이틀 등과 같은 주제(502), 전체 재생 길이(503), 평균 재생 길이(504), 곡 별 재생 길이(505), 장르(506), BPM(beat per minute)(507) 등을 포함할 수 있다. 도 6은 플레이리스트_A의 재생 이력 정보(600)를 포함하는 관리 테이블의 예시를 도시한 것이다. 플레이리스트_A에 대해 모든 사용자가 동일한 순서로 곡을 재생한 것으로 가정한다. 도 6에 도시한 바와 같이, song_1→song_2→song_3→song_4의 순서로 구성된 플레이리스트_A에 대해, 재생 이력 정보(600)는 곡 재생 순서(601)와, 곡 별로 사용자 각각이 전체 재생 길이에 대비하여 실제로 얼마나 재생했는지를 나타내는 재생 비율인 실제 재생 길이(602) 등을 포함할 수 있다. 더 나아가, 정보 관리부(310)는 플레이리스트_A의 각 곡에 대해 해당 곡이 재생된 시점과 관련된 추가 정보로서 곡 재생 시점의 시간대, 날씨, 위치, 사회적 이슈 등을 추가로 수집하여 사용자 별 실제 재생 길이(602)와 함께 관리할 수 있다. 이러한 추가 정보는 음악 서비스를 이용하는 사용자의 전자 기기들(110, 120, 130, 140)로부터 획득한 정보, 그리고 전자 기기들(110, 120, 130, 140)로부터 획득한 정보를 이용하여 인터넷 상에서 획득한 정보를 포괄하여 의미할 수 있다.

다시 도 4에서, 단계(S430)에서 재생 길이 예측부(320)는 전자 기기(110)로부터 특정 플레이리스트에 대한 재생 요청이 수신되면 단계(S420)를 통해 관리되고 있는 플레이리스트의 곡 구성 정보와 재생 이력 정보를 이용하여 특정 플레이리스트의 곡 구성에 따른 곡 별 재생 길이를 예측할 수 있다. 재생 길이 예측부(320)는 전자 기기(110)의 사용자가 요청한 특정 플레이리스트의 재생 흐름을 확률적 모델로 예측할 수 있다. 본 발명에서는 각 플레이리스트의 곡 구성 정보와 재생 이력 정보를 연관지을 수 있는 모델을 설계하고 이러한 모델을 통해 미리 계산된 데이터를 확보할 수 있다. 예를 들어, Track 1 이후에 Track 2가 배치되는 곡 구성을 포함하는 플레이리스트 중에서 주제 A의 플레이리스트에서는 평균적으로 Track 2가 전체 재생시간 120초 중 90초 재생될 수 있고, 주제 B의 플레이리스트에서는 평균적으로 Track 2가 전체 재생시간 120초 중 80초 재생될 수 있다. 재생 길이 예측부(320)는 사용자가 특정 플레이리스트의 재생을 요청하면 해당 플레이리스트의 곡 구성에 대응되는 기존 플레이리스트의 로그 데이터를 획득하여 전자 기기(110)와 공유할 수 있다. 일례로, 재생 길이 예측부(320)는 곡 간의 유사도를 바탕으로 하여 사용자들에 의한 재생 이력이 있는 플레이리스트 중 전자 기기(110)가 요청한 특정 플레이리스트의 곡 구성과 대응되는 기존 플레이리스트를 찾아 해당 플레이리스트의 재생 이력 정보를 이용하여 특정 플레이리스트의 곡 별 예상 재생 길이를 산출할 수 있다.

도 7은 본 발명의 일실시예에 있어서 곡 간의 유사도를 바탕으로 플레이리스트의 곡 별 예상 재생 길이를 산출하는 과정의 일례를 도시한 순서도이다.

단계(S701)에서 재생 길이 예측부(320)는 각 곡에 대하여 해당 곡의 음원 데이터를 입력받아 입력받은 음원 데이터를 학습 데이터 형태로 처리할 수 있다. 이때, 음악 컨텐츠인 곡은 오디오 파일 포맷을 가진 모든 디지털 데이터를 의미할 수 있으며, 예를 들어 MP3(MPEG AudioLayer-3), WAVE(Waveform AudioFormat), FLAC(Free Lossless AudioCodec) 등을 포함할 수 있다. 또한, 재생 길이 예측부(320)는 곡과 관련된 텍스트 정보를 함께 입력받을 수 있으며, 이때 텍스트 정보는 가사를 포함하거나, 혹은 가수, 장르, 제목, 앨범명 등과 같은 메타 정보, 그리고 곡의 분류나 검색 등과 관련하여 입력된 해시 태그(hashtag), 쿼리(query) 등의 정보를 포함할 수 있다. 이어, 재생 길이 예측부(320)는 전처리를 통해 음원 데이터를 시간-주파수로 표현할 수 있다. 예를 들어 재생 길이 예측부(320)는 음원 데이터를 멜-스펙트로그램(Mel-spectrogram)이나 MFCC(Mel Frequency Cepstral Coefficient)와 같은 시간-주파수-크기 형태의 데이터로 변환할 수 있다. 그리고, 재생 길이 예측부(320)는 각 곡에 대해 텍스트 정보를 함께 입력 받은 경우 텍스트 정보를 전처리 할 수 있다. 일례로, 재생 길이 예측부(320)는 형태소 분석기, 색인어 추출기 등 언어 전처리기를 이용하여 입력된 텍스트 정보로부터 무의미한 텍스트들을 필터링할 수 있다. 다시 말해, 재생 길이 예측부(320)는 텍스트 정보에 포함된 조사, 조용사 등 불필요한 품사의 단어나 특수 기호(!, ?, / 등, 예컨대) 등을 제거하고 체언이나 어근에 해당되는 단어를 추출할 수 있다.

단계(S702)에서 재생 길이 예측부(320)는 음원 데이터에 대해 전처리된 학습 데이터를 학습 모델을 통해 학습하여 고유 특징을 생성한 후 생성된 고유 특징을 데이터베이스(미도시)에 저장할 수 있다. 재생 길이 예측부(320)는 딥 러닝을 이용하여 음원 데이터 자체의 고유한 음향 특징(acoustic features)을 생성할 수 있다. 일례로, 재생 길이 예측부(320)는 CNN(Convolutional Neural Network) 기반의 학습 모델을 이용할 수 있다. 재생 길이 예측부(320)는 CNN 학습 모델을 이용하여 음원 데이터를 다차원 실수 벡터로 표현할 수 있다. CNN 학습 모델은 음원 데이터 학습 계층을 포함할 수 있으며, 아래 과정 1 내지 3은 음원 데이터 학습 계층에서 음원 데이터에 대응하는 실수 벡터를 생성하는 과정의 예일 수 있다.

과정 1에서 곡의 음원 데이터(일례로, mp3 파일)는 전처리를 통해 멜-스펙트로그램이나 MFCC와 같은 시간-주파수-크기 형태의 데이터로 변환될 수 있다.

과정 2에서 변환된 음원 데이터로부터 한 개 이상의 짧은 시간 구간 동안(1초 내지 10초)의 복수 개의 주파수 프레임들이 샘플링 되어 음원 데이터의 학습 모델에 대한 입력 데이터로서 사용될 수 있다. 예를 들어, 재생 길이 예측부(320)는 복수 개의 프레임들을 샘플링하여 음원 데이터 학습 계층에서 음악 모델의 예시로 제시되는 CNN 모델의 입력으로서 활용할 수 있다. 그러므로, 음원 데이터의 학습을 위한 CNN 모델은 샘플링 된 프레임들의 수와 동일한 수의 채널을 갖는 모델이 될 수 있다. 혹은, 생성된 프레임 각각을 단일 채널로 사용하고 각 프레임에 대하여 고유의 콘벌루션/풀링 과정을 거친 후 생성된 프레임 별 특징벡터들을 접합하여 완전 연결층의 입력으로 사용 가능하다.

과정 3에서는 음원 데이터 학습 계층이 포함할 수 있는 복수 개의 콘벌루션(convolution) 및 풀링(pooling) 계층을 반복적으로 구성함으로써 음악 프레임으로부터 추상화된 특징(feature)을 생성할 수 있다. 콘벌루션에서 패치의 크기는 다양하게 구성될 수 있으며 풀링도 최대값(max)을 이용한 풀링 기법, 평균값(average)을 이용한 풀링 기법 및 상기 두 풀링 기법을 접합한 하이브리드 풀링 기법 등 여러 풀링 기법들 중 적어도 하나가 사용될 수 있다.

복수 개의 콘벌루션 및 풀링 계층 위에는 음향 특징을 생성하기 위한 완전 연결(fully-connected) 계층이 있으며 각 계층별 함수는 시그모이드(sigmoid) 함수, 하이퍼볼릭 탄젠트(Hyperbolic Tangent: tanh) 함수, ReLU(Rectified Linear Unit) 함수 등 다양한 함수가 사용될 수 있다. 결국, 음원 데이터에 대해 하나의 다차원 실수 벡터가 생성될 수 있다. 예를 들어, 주어진 첫 번째 음원 데이터 m0은 음악 학습 모델의 출력 계층에서 x0={0.2, -0.1, 0.3, 쪋}의 형태와 같이 하나의 다차원 실수 벡터로 표현될 수 있다.

그리고, 재생 길이 예측부(320)는 각 곡에 대해 텍스트 정보를 함께 입력 받은 경우 텍스트 정보 또한 다차원 실수 벡터로 표현할 수 있다. 일례로, 재생 길이 예측부(320)는 텍스트 정보에 대한 전처리를 통해 필터링 된 텍스트들을 사전에 학습된 학습 모델을 이용하여 워드 벡터(word vector)로 생성할 수 있다. 예를 들어, 워드 벡터는 수치형(numerical) 다차원 벡터 형태로 표현될 수 있다. 워드 벡터 생성을 위하여 단어 출현 빈도 히스토그램, TF(term frequency)/IDF(inverse document frequency), 언어 학습 모델(예컨대, word2vec, phrase2vec, document2vec 등) 등이 사용될 수 있다. 예를 들어, "이승환 좋은날 발라드 1992" 등과 같이 가수/장르/제목/년도는 하나의 n차원 실수 벡터 v={0.3, -1.2, 1.2, 쪋}와 같이 표현 가능하다. 또한, 언어 학습 모델을 위한 텍스트 정보 필드(가수, 장르, 제목, 년도 등)의 순서는 고정되지 않고 목적에 맞게 변경이 가능하다.

상기한 재생 길이 예측부(320)는 곡 별로 음원 데이터에 대한 특징 벡터와 텍스트 정보에 대한 워드 벡터를 데이터베이스에 저장 및 유지할 수 있다. 음원 데이터에 대한 특징 벡터와 텍스트 정보에 대한 워드 벡터는 각각 개별 데이터베이스로 구축되거나, 혹은 하나의 데이터베이스로 구축될 수 있다. 이러한 데이터베이스는 서버(150)에 포함된 구성 요소로 구현되거나, 혹은 서버(150)와 연동 가능한 별개의 시스템 상에 구축된 외부 데이터베이스로서 존재하는 것 또한 가능하다.

단계(S703)에서 재생 길이 예측부(320)는 곡 각각에 대하여 데이터베이스에 저장된 음원 데이터에 대한 고유 특징을 이용하여 곡 간의 유사도를 산출할 수 있고, 곡 간의 유사도를 바탕으로 사용자들에 의한 재생 이력이 있는 플레이리스트 중에서 전자 기기(110)가 요청한 특정 플레이리스트의 곡 구성과 대응되는 플레이리스트를 획득할 수 있다. 다른 예로, 재생 길이 예측부(320)는 음원 데이터에 대한 특징 벡터와 함께 텍스트 정보에 대한 워드 벡터를 복합적으로 이용하여 곡 간의 유사도를 산출하는 것 또한 가능하다. 다시 말해, 재생 길이 예측부(320)는 곡 간의 유사도를 바탕으로 전자 기기(110)가 요청한 특정 플레이리스트의 곡들과 동일하거나 유사한 곡들로 이루어진 플레이리스트를 획득할 수 있다.

단계(S704)에서 재생 길이 예측부(320)는 단계(S703)에서 획득한 플레이리스트의 재생 이력 정보를 이용하여 특정 플레이리스트를 구성하고 있는 각 곡과 대응되는 곡의 여러 사용자에 의한 실제 재생 길이를 평균하는 방식으로 특정 플레이리스트의 곡 별 예상 재생 길이를 산출할 수 있다.

도 8에 도시한 바와 같이, 재생 길이 예측부(320)는 전자 기기(110)가 요청한 특정 플레이리스트가 song_A→song_B→song_C→song_D의 순서로 구성된 Playlist_Ⅰ(800)라 할 때, 곡 구성이 song_A, song_B, song_C, song_D와 동일하거나 유사한 곡(song_A', song_A", ..., song_B', song_B", ..., song_C', song_C", ..., song_D', song_D", ...)을 포함하는 플레이리스트들(Playlist_1~N)(810)찾는다. 플레이리스트들(Playlist_1~N)(810)에는 Playlist_Ⅰ(800)의 곡 구성 song_A→song_B→song_C→song_D 중 적어도 두 곡 이상의 연속된 곡 구성(예컨대, song_A→song_B, song_B→song_C, song_C→song_D)과 대응되는 플레이리스트가 포함될 수 있다.

도 9를 참조하면, 재생 길이 예측부(320)는 전자 기기(110)가 요청한 특정 플레이리스트(800)와 대응되는 플레이리스트(810)를 찾아 해당 플레이리스트들(810)의 곡 별 재생 길이를 평균할 수 있다. 예를 들어, 특정 플레이리스트의 첫 번째 곡인 song_A과 동일하거나 유사한 곡(song_A, song_A', song_A")의 실제 재생 길이를 평균하여 특정 플레이리스트의 재생을 요청한 사용자에 의해 song_A이 얼마나 재생될지를 미리 예측할 수 있다. 특정 플레이리스트(800)의 곡 구성과 동일하거나 유사한 플레이리스트(810)의 재생 이력 정보에 따라 사용자들에 의한 재생 길이가 평균적으로 90%, 10%, 20%, 75%인 경우 song_A→song_B→song_C→song_D의 순서로 구성된 Playlist_Ⅰ(800)에 대해 곡 별 재생 길이를 90%, 10%, 20%, 75%로 예측할 수 있다.

따라서, 재생 길이 예측부(320)는 사용자가 요청한 특정 플레이리스트에 대해 곡 구성이 동일하거나 유사한 플레이리스트들을 소비한 다른 사용자들의 재생 로그를 평균하여 특정 플레이리스트의 곡 별 재생 길이를 예측할 수 있다. 이때, 재생 길이 예측부(320)는 플레이리스트에 대한 사용자의 재생 로그가 충분히 축적되어 있는 경우 다른 사용자들의 재생 로그가 아닌 사용자만의 재생 로그를 이용하여 특정 플레이리스트의 곡 별 재생 길이를 개인화하여 예측하는 것 또한 가능하다. 또한, 재생 길이 예측부(320)는 전자 기기(110)가 특정 플레이리스트를 요청한 시점의 시간대, 날씨, 위치, 사회적 이슈 등과 매칭되는 추가 정보를 가진 재생 로그를 이용하여 사용자 상황에 따른 특정 플레이리스트의 곡 별 재생 길이를 예측할 수도 있다.

다시 도 4에서, 단계(S440)에서 데이터 제공부(330)는 전자 기기(110)가 요청한 특정 플레이리스트에 대하여 단계(S430)에서 예측한 곡 별 재생 길이에 대응되는 리소스를 분배하여 특정 플레이리스트의 재생을 위한 음원 데이터를 전자 기기(110)로 제공할 수 있다. 데이터 제공부(330)는 특정 플레이리스트에 대해 예측된 곡 별 재생 길이에 맞춰 곡 재생에 필요한 리소스를 효과적으로 분배하여 프리페칭을 실시할 수 있다. 예컨대, 도 10에 도시한 바와 같이 곡 구성이 동일하거나 유사한 플레이리스트들을 소비한 다른 사용자들의 재생 로그에 의해 song_A→song_B→song_C→song_D의 순서로 구성된 Playlist_Ⅰ(800)의 곡 별 재생 길이가 90%, 10%, 20%, 75%로 예측된 경우 전자 기기(110)에서는 song_A의 음원 데이터를 9.0초 단위의 청크(chunk)로 받아와 재생하는 동시에, song_B는 1.0초, song_C은 2.0초, song_D는 7.5초 단위로 해당 음원 데이터를 미리 다운로드 받아 다음 재생을 준비하도록 한다. 다시 말해, 데이터 제공부(330)는 전자 기기(110)의 사용자가 요청한 특정 플레이리스트(800)에 대해 끝까지 재생될 확률이 높은 곡의 경우 보다 많은 데이터를 보다 먼저 프리페칭하고 끝까지 재생될 확률이 낮은 곡의 경우 보다 적은 데이터를 보다 천천히 프리페칭한다.

이처럼 본 발명의 실시예들에 따르면, 플레이리스트의 곡 구성에 기반하여 각 곡 별로 해당 곡이 끝까지 재생될 확률인 재생 길이를 예측할 수 있고 이를 기초로 곡별 프리페칭을 효율적으로 수행하여 매끄러운 재생 환경을 제공할 수 있다. 그리고, 본 발명의 실시예들에 따르면, 플레이리스트에 대해 곡 별 재생 길이에 기초하여 불필요한 데이터 페칭을 줄임에 따라 서비스 전반에 소모되는 리소스를 효율적으로 사용할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.