CN102270214A - 内容推荐系统、内容推荐设备和内容推荐方法 - Google Patents
内容推荐系统、内容推荐设备和内容推荐方法 Download PDFInfo
- Publication number
- CN102270214A CN102270214A CN2011101475216A CN201110147521A CN102270214A CN 102270214 A CN102270214 A CN 102270214A CN 2011101475216 A CN2011101475216 A CN 2011101475216A CN 201110147521 A CN201110147521 A CN 201110147521A CN 102270214 A CN102270214 A CN 102270214A
- Authority
- CN
- China
- Prior art keywords
- content
- information
- user
- preference information
- preferred
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 72
- 238000003860 storage Methods 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 26
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims description 14
- 238000009825 accumulation Methods 0.000 claims description 13
- 230000010354 integration Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 31
- 238000012545 processing Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 21
- 230000003287 optical effect Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008676 import Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 210000004247 hand Anatomy 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000013011 mating Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- RKTYLMNFRDHKIL-UHFFFAOYSA-N copper;5,10,15,20-tetraphenylporphyrin-22,24-diide Chemical compound [Cu+2].C1=CC(C(=C2C=CC([N-]2)=C(C=2C=CC=CC=2)C=2C=CC(N=2)=C(C=2C=CC=CC=2)C2=CC=C3[N-]2)C=2C=CC=CC=2)=NC1=C3C1=CC=CC=C1 RKTYLMNFRDHKIL-UHFFFAOYSA-N 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/61—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio
- H04L65/612—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio for unicast
Abstract
一种内容推荐系统,包括:由用户操作的客户端;以及通过网络向客户端推荐内容的内容推荐服务器,内容推荐服务器包括优选判别信息存储部件,积累和存储优选判别信息,在优选判别信息中与用户输入到客户端的内容评价有关的信息与用户的识别信息相互关联;以及内容特征信息存储部件,存储内容特征信息,在内容特征信息中指示内容特征的数据与内容的识别信息相关联;优选信息产生部件,基于优选判别信息和内容特征信息,通过对每个用户统合内容评价以及内容特征,产生每个用户的优选信息;以及推荐内容列表提供部件,向客户端发送推荐内容的列表,推荐内容的列表是基于内容特征信息、通过评价与优选信息的特征的相似度提取的。
Description
技术领域
本发明涉及一种信息处理技术,更具体地涉及一种向用户推荐内容的内容推荐系统、内容推荐设备和内容推荐方法。
背景技术
近年来,采用诸如互联网的通信网络从大量的内容中享用期望的内容。由于可用内容的数量巨大,因而也提出了各种推荐技术。例如,存在一种技术,用于检索用户喜欢的内容类型并将该内容呈现给用户(例如参见JP-A-2006-58947)。另一方面,还提出了一种基于内容的过滤技术,用于检测具有与用户喜欢的内容的特征信息高度类似的特征信息的内容。
发明内容
上述技术每次搜索与用户输入的关键字相匹配的内容。这种情况下,因为经常出现这样的情况:检索范围因内容的著录信息被设为关键字而受限,并且因模糊的关键字而造成检测到的内容不同于用户的期望,所以从内容推荐适于用户优选的角度看存在问题。
除了当前提出的技术之外,采用基于内容过滤的推荐技术未来可能有发展的领域。然而,由于算术运算愈加复杂,处理负荷更大。此外,需要大量与内容相关的元数据。例如,难以使用诸如便携式音频播放器或移动电话之类的处理能力或资源相对缺乏的设备方便地选择内容。
因此,需要提供一种能够实现内容推荐、具有高准确度的信息处理技术,其符合用户优选或者需求而无需考虑用户的当前环境。
根据本发明的实施例,提供一种内容推荐系统,包括:用户操作的客户端;以及内容推荐服务器,其通过网络向客户端推荐内容,其中内容推荐服务器包括优选判别信息存储部件,积累和存储优选判别信息,在优选判别信息中与用户输入到客户端的内容的评价有关的信息与用户的识别信息相互关联;内容特征信息存储部,存储内容特征信息,在内容特征信息中指示内容特征的数据与内容的识别信息相关联;优选信息产生部件,基于优选判别信息和内容特征信息,通过对每个用户统合内容评价与内容特征,产生每个用户的优选信息;以及推荐内容列表提供部件,向客户端发送推荐内容列表,推荐内容列表是基于内容特征信息、通过估计与优选信息的特征的相似度提取的。
根据本发明的另一个实施例,提供一种内容推荐设备,通过网络连接到多个客户端,向每个客户端推荐内容,包括:优选判别信息存储部件,积累和存储优选判别信息,在优选判别信息中与用户输入到客户端的内容评价有关的信息与用户的识别信息相互关联;以及推荐内容列表提供部件,用于参考优选判别信息,为每个用户比较要由相同用户评价的内容组合,通过评价相同组合的用户数量来评价所述组合的内容项目之间的关联程度,然后通过将评价结果反映到推荐内容的提取处理以产生推荐内容的列表,并且将所述列表发送到客户端。
根据本发明的又一实施例,提供一种允许推荐服务器通过网络向用户操作的客户端推荐内容的内容推荐方法,包括:在推荐服务器中积累优选判别信息,在优选判别信息中与用户输入客户端的内容评价有关信息和用户识别信息相互关联,将优选判别信息存储在存储器中;参考存储有内容特征信息的数据库中的内容特征信息,在内容特征信息中指示内容特征的数据与内容识别信息相关联;通过对每个用户统合优选判别信息中对内容的评价以及内容特征信息中的内容特征,产生每个用户的优选信息;以及向客户端发送推荐内容的列表,推荐内容的列表是基于内容特征信息、通过评价与优选信息的特征的相似度提取的。
同时,上述元件的任意组合,以及通过在方法、设备、系统、计算机程序、其上记录有计算机程序的记录介质等中转换本公开的表达形式所获得的表达形式作为本公开的实施例也是有效的。
根据本发明,有可能在各种环境中推荐与用户的期望匹配的内容。
附图说明
图1是根据实施例的内容推荐系统的整体配置图。
图2是示出该实施例中优选信息提供服务器和内容分发服务器的硬件配置例子的图。
图3是该实施例中用作用户设备的计算机游戏系统的外观图。
图4是示出图3的计算机游戏系统中游戏机的内部电路配置的图。
图5是该实施例中用户设备、优选信息提供服务器和内容分发服务器的功能框图。
图6是示出该实施例中内容分发服务器的内容数据存储部件中所存储的乐曲的著录信息的例子的图。
图7是示出该实施例中优选信息提供服务器的内容特征信息存储部件中存储的内容特征信息的例子的图。
图8是示出该实施例中优选信息提供服务器的优选判别信息存储部件中存储的优选判别信息的例子的图。
图9是示出该实施例中优选信息提供服务器的用户信息存储部件存储的用户信息的例子的图。
图10是示出该实施例中优选信息提供服务器的优选信息存储部件存储的优选信息的例子的图。
图11是该实施例中内容推荐系统的操作顺序图。
图12是该实施例中内容推荐系统的操作顺序图。
图13是该实施例中作为用户设备的便携式游戏机的外观图。
图14是示出图13的便携式游戏机的内部电路配置图。
图15是示出该实施例中用作用户设备的通用个人计算机的内部电路配置的图。
具体实施方式
一种根据本发明实施例的内容推荐系统包括:由用户操作的客户端;以及内容推荐服务器,用于通过网络向所述客户端推荐内容,其中所述内容推荐服务器包括:优选判别信息存储部件,用于积累和存储优选判别信息,在所述优选判别信息中用户输入到所述客户端的与内容的评价有关的信息与用户的识别信息相互关联,内容特征信息存储部件,用于存储内容特征信息,在所述内容特征信息中指示内容的特征的数据与内容的识别信息相关联;优选信息产生部件,用于基于所述优选判别信息和所述内容特征信息,通过对于每个用户统合针对内容的评价和所述内容的特征来产生每个用户的优选信息,以及推荐内容列表提供部件,用于向所述客户端发送推荐内容的列表,所述推荐内容的列表是基于所述内容特征信息评价与优选信息的特征的相似度而提取的。
图1是根据本发明实施例的上述内容推荐系统的一个具体实例的整体配置图。如图1所示,内容推荐系统10包括连接到诸如因特网的数据通信网络18的优选信息提供服务器13、内容分发服务器14和多个用户设备12,它们能够相互进行数据通信。
用户设备12比如是个人计算机、计算机游戏系统以及在各家庭中安装的家庭服务器之类的计算机系统,或者是诸如便携式游戏机或移动电话之类的可运输计算机系统,并且可访问优选信息提供服务器13以接收优选信息和用户设备12的用户可能期望获得的推荐内容的列表。用户设备从内容分发服务器14中请求包含在列表中的内容的数据,并接收这些数据以进行其再现或执行。
另一方面,优选信息提供服务器13包括诸如根据现有技术的服务器计算机之类的计算机系统,并从每个用户设备12中收集作为用户针对内容的评价的优选判别信息,从而基于优选判别信息得出该用户的优选信息。另外,优选信息提供服务器13基于优选信息向用户提供推荐内容的列表。本文中,术语“优选信息”是通过特定项目评价并输入数据库的作为请求者的用户设备12的用户的优选或另一用户的优选的信息。尽管优选信息的具体示例将在下文中详细描述,但是术语“优选”自然地对不同的个体是不同的,并且随着时间或环境等进一步地改变。优选信息提供服务器13考虑到该各种优选的改变而得出优选信息,并对与此高度类似的内容产生列表且发送该内容,从而向用户设备12的用户推荐合适的内容。
内容分发服务器14响应于每个用户设备12的请求发送单个内容的数据。本文中,术语“内容”不特别地限于以下类型:乐曲、诸如电影之类的移动图片、诸如照片之类的静止图像、诸如小说之类的字符介质、诸如游戏之类的应用程序等。在该实施例中,实现了不限内容类型的跨媒介推荐,比如,可响应于用户设备12的用户的请求从乐曲的优选信息推荐游戏。
图2是优选信息提供服务器13和内容分发服务器14的硬件配置示例图。如该图所示,优选信息提供服务器13和内容分发服务器14包括处理器70、存储器71、硬盘驱动器73、介质驱动器74和通信接口76,并且这些元件连接到总线72且被配置为相互交互数据。存储器71包括ROM和RAM。ROM存储各种系统程序,而RAM主要用于处理器70的操作。
在硬盘驱动器73上,存储有用于提供优选信息或推荐内容列表或用于分发内容的程序,并且建立了用于提供优选信息或分发内容的各种数据库。介质驱动器74是读出诸如CD-ROM或DVD-RAM之类的计算机可读介质75上存储的数据或者向该介质写数据的单元。通信接口76是控制优选信息提供服务器13或内容分发服务器14通过数据通信网络18与另一计算机系统的数据通信的单元。另外,处理器70是根据存储在存储器71、硬盘驱动器73或计算机可读介质75中的程序控制服务器的每个部件的单元。
接下来,详细描述用户设备12。图3是作为用户设备12使用的计算机游戏系统的外观图。该计算机游戏系统包括游戏机200、操作设备202和电视监视器204。游戏机200是计算机游戏系统,不仅执行游戏程序,还执行各种类型的程序,比如网页浏览器以及用于电影或音乐的再现程序。这些程序可从诸如各种光盘、内部或者外部硬盘驱动器以及半导体存储器之类的各种计算机可读介质读出,或者可通过诸如因特网之类的通信网络进行下载。操作设备202以无线或者有线的通信方式连接到游戏机200。
游戏机200包括对应于光盘的光盘插槽206或USB接线端子208。诸如BD(蓝光光盘(商标))、DVD-ROM或CD-ROM之类的光盘被插入到光盘插槽206中。接触式传感器210用于指示游戏机200弹出光盘,接触式传感器212用于指示游戏机200开/关电源。游戏机200背侧设置有电源开关、音乐和图像输出端、光学数字输出端、交流电源端子、局域网连接器和HDMI端子(全部未示出)。
游戏机200还包括多媒体插槽,用于接收多种可移除的半导体存储器。当设置到游戏机200前部的盖214打开时,用于接收每个不同类型的半导体存储器的多个插槽(未示出)就显现出来。
操作设备202由未在图中示出的电池驱动,且包括用于用户执行操作输入的多个按钮或按键。当用户操作操作设备202的按钮或者按键时,操作的细节以无线或有线的方式被发送到游戏机200。
操作设备202设置有方向键216、操纵杆218和操作按钮组220。方向键216、操纵杆218和和操作按钮组220被设置到前壳222。在四类操作按钮224、226、228和230中,以不同的颜色在其上刻有四个不同的图形,以便彼此区分。即,操作按钮224上刻有红色圆形标记,操作按钮226刻有蓝色十字标记,操作按钮228上刻有紫色正方形标记,操作按钮230上刻有绿色三角形标记。同时,操作设备202的后壳232上设置有多个LED(未示出)。
用户用左手把持住左把持部件234b,用右手把持住右把持部件234a,从而操作操作设备202。方向键216、操纵杆218和操作按钮组220被设置到前壳222上,以便用户能够在双手握持左把持部件234b和右把持部件234a的情况下对其进行操作。
前壳222还设置有带有LED的按钮236。带有LED的按钮236比如用作用于使用游戏机200在电视监视器204上显示特定菜单屏幕的按钮。此外,带有LED的按钮具有根据LED的发光状态指示操作设备202的电池状态的功能。例如,在充电期间该按钮以红色照亮,充满电时以绿色照亮,而在剩余电荷量少时则以红色闪烁。
方向键216被配置为能够在上、下、左、右四个方向上进行键入,或者在通过在上、下、左、右这四个方向之间增加四个方向获得的八个方向上进行键入,或者在任意方向进行键入,且用来例如在电视监视器204的屏幕上上、下、左、右地移动光标,或者滚动屏幕上的各种信息。通过应用程序将每个不同的功能分配给操作按钮组220。
操纵杆218包括可在任意方向上被倾斜地支撑的杆,以及检测倾斜量的传感器。通过诸如弹簧之类的偏置单元将该杆偏置到中立位置,当不被操作时该杆返回到中立位置。传感器包括根据杆的倾斜改变电阻值的可变电阻器以及将电阻值转换为数字值的A/D转换器电路。当操作杆倾斜时,在多个参考方向上的倾斜量被转换为数字值,该值作为操作信号被发送到游戏机200。
操作设备202还包括选择按钮240和启动按扭238。启动按扭238比如用于用户给出指令以启动程序,或者进行电影或音乐再现的开始或暂停。另一方面,选择按钮240比如用于用户选择显示在电视监视器204上的任一菜单项。
在此将描述游戏机200的内部电路配置。如图4所示,作为基本配置,游戏机200包括主CPU 300、GPU(图形处理单元)302、输入和输出处理器304、光盘再现部件306、主存储器308、掩模ROM 310和声音处理器312。主CPU 300基于各类程序执行信号处理或内部配置的控制。GPU 302执行图像处理。输入和输出处理器304执行设备外部的一部分元件或设备内部的元件及主CPU 300之间的接口处理。此外,其可被配置成使得输入和输出处理器304具有执行应用程序的功能,而且游戏机200与其它游戏机可兼容。
光盘再现部件306再现其上记录有应用程序或多媒体数据的诸如BD、DVD-ROM和CD-ROM之类的光盘。主存储器308用作缓存器,用于临时存储从主CPU 300的工作区或光盘读出的数据。掩模ROM 310存储主要由主CPU 300或输入和输出处理器304执行的操作系统程序。声音处理器312处理语音信号。
另外,游戏机200还包括CD/DVD/BD处理器314、光盘再现驱动器316、机械控制器318、硬盘驱动器334和卡片型连接器(例如PC卡插槽)320。CD/DVD/BD处理器314执行如下处理,例如关于由光盘再现部件306从CD/DVD/BD读出且被RF放大器328放大的光盘再现信号的误差校正处理(例如CIRC(交叉交织里德-所罗门编码)处理)或扩展解码处理,从而再现记录在这些CD/DVD/BD上的数据。光盘再现驱动器316和机械控制器318执行如下处理,例如光盘再现部件306的主轴电动机的旋转控制、光学拾取器的焦点/跟踪控制、光盘托盘的加载控制等。
硬盘驱动器334例如存储程序或者保存在光盘再现部件306中读出的游戏程序的数据,或者存储通过输入和输出处理器304获取的数据如照片、移动图像和语音。卡片型连接器320例如是通信卡或者外部硬盘驱动器的连接端口。
这些内部元件主要分别通过总线322和324相互连接。同时,主CPU300和GPU 302通过专用总线互相连接。此外,主CPU 300与输入和输出处理器304通过高速总线互相连接。输入和输出处理器304和CD/DVD/BD处理器314、掩模ROM 310、声音处理器312、卡片型连接器320和硬盘驱动器334也通过高速总线类似地相互连接。
主CPU 300通过执行存储在掩模ROM 310中的用于主CPU 300的操作系统来控制游戏机200的操作。此外,除各类程序之外的数据从诸如BD、DVD-ROM和CD-ROM之类的光盘中读出,并载入主存储器308。另外,执行载入主存储器308的程序。可选地,除各类程序之外的数据通过通信网络下载,然后执行下载的程序。
输入和输出处理器304执行存储在掩模ROM 310中的用于输入和输出处理器的操作系统程序,从而控制到操作设备202、存储卡326、USB连接端子208、以太网(注册商标)330和图中未示出的IEEE 1394终端或PC卡插槽的数据输入及从其的数据输出。同时,通过包含多媒体插槽与无线接收和发送端口的接口332进行到操作设备202或存储卡326的数据的输入控制和从其的数据的输出控制。
GPU 302具有执行诸如坐标变换之类处理的几何转移引擎的功能,和渲染(rendering)处理器的功能,并根据来自主CPU 300的绘制指令将图像绘制到未示出的帧缓存器。例如,当记录在光盘上的程序是使用3D图形的程序时,GPU 302通过几何算术计算形成三维对象的多边形的坐标。此外,通过渲染处理生成使用虚拟照相机拍摄该三维对象的图像获得的图像。将用这种方式获得的图像存储在帧缓存器中,且GPU 302将对应于已存储图像的视频信号输出到电视监视器204。以这种方式,在电视监视器204的屏幕204b上显示图像。
声音处理器312包括ADPCM(自适应差分脉冲编码调制)解码功能、音频信号再生功能和信号调制功能。ADPCM解码功能是从ADPCM解码的声音数据生成波形数据的功能。音频信号再生功能是从存储在声音缓存器中的波形数据生成诸如声音效果之类的音频信号的功能,声音缓存器建立在声音处理器312中,或者与声音处理器312分离地设置。从电视监视器204的内置扬声器204a和204a输出该音频信号表示的声音。信号调制功能是调制存储在声音缓存器中的波形数据的功能。
在游戏机200中,当打开电源时,从掩模ROM 310中读出用于主CPU 300及用于输入和输出处理器304的操作系统程序。主CPU 300与输入和输出处理器304执行每个操作系统程序。因此,主CPU 300作为整体控制游戏机200的每个部件。此外,输入和输出处理器304控制到诸如操作设备202或存储卡326之类元件的信号的输入及从其的信号输出。
另外,当执行操作系统程序时,主CPU 300首先进行初始化处理,比如操作确认。随后,在控制光盘再现部件306读出诸如存储在光盘上的游戏之类的应用程序之后,该程序被加载到主存储器308,且然后被执行。通过执行该程序,主CPU 300根据通过输入和输出处理器304从操作设备202接收到的用户指令控制GPU 302或声音处理器312,并控制图像的显示或声音效果以及音乐声音的生成。
除了图3、4所示的计算机游戏系统之外,用户设备12可通过具有上述各种配置的设备实现。下文将描述具体配置示例。
图5是用户设备12、优选信息提供服务器13和内容分发服务器14的功能框图。如图5所示,用户设备12包括内容再现部件30、优选判别信息提供部件32、优选信息获取部件34和内容列表获取部件36。例如通过光盘再现部件306从光盘中读出用于实现这些元件的程序,并将其安装在硬盘驱动器334上。可选地,可通过以太网330从通信网络上的另一计算机下载该程序。
根据本发明实施例的内容推荐设备(如图5所示的优选信息提供服务器13)包括:优选判别信息存储部件,积累和存储优选判别信息,在所述优选判别信息中与用户输入到所述客户端的内容的评价有关的信息与用户的识别信息相互关联;以及推荐内容列表提供部件,用于参考所述优选判别信息,为每个用户比较要由相同用户评价的内容的组合,通过评价相同组合的用户数量来评价所述组合的内容项目之间的关联程度,然后通过将评价结果反映到推荐内容的提取处理以产生推荐内容的列表,并且将所述列表发送到所述客户端。
以下描述根据本发明实施例的上述内容推荐设备的具体实例。
优选信息提供服务器13包括内容特征信息产生部件50、内容特征信息存储部件52、优选判别信息获取部件54、优选判别信息存储部件56、用户信息存储部件57、优选信息产生部件58、优选信息存储部件60、优选信息提供部件62和内容列表产生部件64。内容分发服务器14包括内容提供部件40、著录信息提供部件42和内容数据存储部件44。这些包括在优选信息提供服务器13和内容分发服务器14中的元件还可以由存储在硬盘驱动器73上的由处理器70执行的程序来实现。
用户设备12的内容再现部件30接收用户指示的输入并再现内容。此处将内容列表获取部件36所提供的内容列表发送到内容分发服务器14而获取的内容也包含在要再现的内容中。同时,内容再现部件30进行的“再现”等同于游戏应用程序情况下的“执行”,并且随内容类型而适当地变化。
优选判别信息提供部件32将用户对内容再现部件30中再现或者已再现的内容的评价发送给优选信息提供服务器13作为优选判别信息。优选判别信息是与用户对于目标内容的好恶有关的信息,并且成为用于产生用户的优选信息的源。例如,当再现期间的内容是令人愉快的,则用户通过按下操作设备202的特定按钮(比如按钮224)来输入积极评价。反之,当再现期间的内容不令人愉快时,则用户通过按下操作设备202的另一个按钮(比如按钮226)来输入负面评价。
与用户的内容再现有关的一般输入,即诸如再现、快进和暂停之类的指令可被设置到优选判别信息。例如,内容再现至结束的情况可被设到正面评价输入,而内容暂停的情况可被设到负面评价输入。另外,在电视监视器204上可显示评价输入屏幕,以能够执行阶段性评价。
优选判别信息提供部件32将以这种方式输入的优选判别信息和要评价内容的识别信息一起发送到优选信息提供服务器13。内容的识别信息是用于识别由内容推荐系统10分发给用户的大量内容项中的每个内容项的信息,且被用户设备12、优选信息提供服务器13和内容分发服务器14共享。
优选信息获取部件34从优选信息提供服务器13请求优选信息,并获取作为请求结果发送的优选信息。比如,请求的优选信息可以是例如基于优选判别信息提供部件32发送到优选信息提供服务器13的优选判别信息的作为请求者的用户自己的优选信息,还可以是另一个用户的优选信息。在此,另一个用户可以是用户指定的特定人员,还可以是适于用户指定特征且具有居住区域、性别、年龄范围、职业和类似优选的人员或者一组人员。
内容列表获取部件36从优选信息提供服务器13请求内容列表,并获取作为请求结果发送的内容列表。当请求该内容列表时,内容列表获取部件36产生请求数据,在该请求数据中产生该内容列表时的过滤条件被加到优选信息获取部件34获取的优选信息,然后将请求数据发送到优选信息提供服务器13。从优选信息提供服务器13发送的内容列表被提供给内容再现部件30。
内容分发服务器14的内容数据存储部件44是用于存储内容数据体和各项著录信息的数据库。内容提供部件40基于用户设备12发送的内容列表从内容数据存储部件44读出对应的内容数据,以将其发送到用户设备12。著录信息提供部件42将用于各项内容的著录信息发送到优选信息提供服务器13。基本上在系统被建立且内容数据被存储在内容数据存储部件44中的时间点处进行著录信息的发送。然而,在那之后,每当新的内容被加到内容数据存储部件44时,发送加入的内容的著录信息。
优选信息提供服务器13的内容特征信息产生部件50从内容分发服务器14所发送的内容的著录信息产生内容特征信息,并将其存储在内容特征信息存储部件52中。内容特征信息是以与用户的优选信息相似的格式指示内容的特征的信息,以便能够得出与用户的优选信息的相似度。下文将描述其具体示例。内容特征信息存储部件52是用于存储其中内容的识别信息和内容特征信息相互关联的信息的数据库。
优选判别信息获取部件54从用户设备12获取作为用户对内容的评价的优选判别信息,并将其存储在优选判别信息存储部件56中。优选判别信息存储部件56是其中内容的识别信息、评价结果以及评价的日期和时间相互关联的信息与用户的识别信息相关联、从而积累和存储其结果的数据库。用户信息存储部件57是其中用户的识别信息与诸如住所、性别、职业、年龄等之类的用户属性相关联、从而存储其结果的数据库。在初次使用由内容推荐系统10提供的服务时,通过获取用户输入到用户设备12的项目建立数据库。
当优选判别信息获取部件54从用户设备12获取新的优选判别信息时,或者从用户设备12接收到对于优选信息的请求时,优选信息产生部件58产生优选信息。基本上,从优选判别信息为每个用户产生优选信息。然而,根据针对优选信息的请求首先产生适于特定条件的用户组,然后基于属于对应组的用户的优选判别信息产生用户组的优选信息。
用于产生优选信息的优选信息产生部件58首先从优选判别信息存储部件56读出目标用户的优选判别信息。从读出的优选判别信息中分别读出已给予正面评价的一组内容项以及已给予负面评价的一组内容项中的各项内容的识别信息。接下来,基于对应的识别信息,从内容特征信息存储部件52读出对应内容的特征信息,并且对各组合成该特征信息。因此,有可能产生指示特定用户正面评价的内容的特征的优选信息,和指示该用户负面评价的内容的特征的优选信息。
将所产生的优选信息存储在优选信息存储部件60中。优选信息存储部件60是其中用户或用户组与优选信息相关联、从而存储其结果的数据库。优选信息提供部件62响应于请求从优选信息存储部件60中读出与来自用户设备12的请求匹配的优选信息,然后将其发送到作为请求者的用户设备12。同时,优选信息提供部件62可以直接从优选信息产生部件58接收优选信息,以将其发送到作为请求者的用户设备12。
内容列表产生部件64从用户设备12接收内容列表的请求,产生内容列表并将其发送到用户设备12。此时,参考用户设备12产生的请求数据中所包含的优选信息以及过滤条件,从内容特征信息存储部件52提取出具有高度类似的优选信息和特征信息的内容中的适于过滤条件的内容,并且通过生成识别信息列表来设置内容列表。
接下来,参考内容为乐曲的情况,示出该实施例中产生和处理的各信息项的具体示例。图6示出内容分发服务器14的内容数据存储部件44所存储的乐曲的著录信息的示例。乐曲的著录信息是其中作为乐曲识别信息的乐曲ID与乐曲的著录信息相互关联的信息。在图6中,作为著录信息,准备了适于指示每个乐曲的特征的多个信息项,比如乐曲的流派、指示该流派中的小分类的细分流派、乐曲的歌唱者或演出者等的艺术家姓名、发布乐曲的日期、具有受影响的艺术家名称或亲密的艺术家名称的相关艺术家,以及乐曲的旋律。
例如,作为流派提及了摇滚、流行、古典、爵士乐等,作为日期提及了20世纪50年代、60年代、70年代等。同时,除了使用每次内容产生和运行时人工输入的信息之外,关于信息中的一部分如旋律,可作为通过计算机进行的分析处理的结果输入著录信息。
图7示出了优选信息提供服务器13的内容特征信息存储部件52存储的内容特征信息的示例。内容特征信息是乐曲ID和乐曲的特征信息相互关联的信息。特征信息例如是对各项内容评价诸如乐曲节奏、乐曲包括特定频率声音的水平以及乐曲评注文本中包括特定关键字的频率之类的预定项(在该图中示为″特征1″、″特征2″.....),并且作为特征量数字化该预定项的信息。
可作为通过计算机进行的分析处理的结果输入特征量。这样一组特征量用于评价与优选信息的相似度,这样有可能将该组视为多维空间内的特征数的向量。下文中,使用各特征的特征量作为分量的向量被称为特征向量。作为特征信息,可进一步地包括在产生内容列表时用于过滤的内容类型和著录信息。它们可以被数字化并包含在特征向量中,并可作为字符串被存储。
图8示出优选信息提供服务器13的优选判别信息存储部件56存储的优选判别信息的示例。优选判别信息是其中对作为用户识别信息的每个用户ID,乐曲ID、用户对乐曲的评价以及评价日期与时间相互关联的信息。例如,用户ID为″0001″的用户从用户设备12获取在“2010年2月8日”将乐曲ID″004″评价为“喜欢”的信息,并将该信息存储在优选判别信息存储部件56中。
即使当相同用户使用另一个用户设备12请求优选信息或内容列表时,通过以这种方式为每个用户存储优选判别信息,无论用户设备12的处理能力如何都可获取相同的信息。同时,优选信息提供服务器13可响应于用户请求将同一图中所示的优选判别信息的一部分发送到用户设备12。因此用户获取例如在另一个用户设备12中由用户评价为“喜欢”的乐曲、过去评价为“喜欢”的乐曲或者由另一个用户评价的乐曲的识别信息,这样用户可将识别信息应用于选择要再现的乐曲。
图9示出优选信息提供服务器13的用户信息存储部件57存储的用户信息的示例。该用户信息是用户ID和诸如年龄、居住城市和语言之类的用户属性相互关联的信息。例如,用户ID为″0001″的用户在用户注册信息时从用户设备12获取他/她年龄为“28”、居住城市为“东京”以及语言为“日语”的信息,且该信息被存储在用户信息存储部件57中。
图10示出优选信息提供服务器13的优选信息存储部件60存储的示例优选信息。在优选信息中,用户ID和作为用户的优选信息的优选向量相互关联。通过合成每个用户都做出相同评价的内容组的特征向量,得出优选向量。例如,从如图8所示的优选判别信息中提取出由用户ID为″0001″的用户评价为“喜欢”的内容的识别信息,并且从图7所示的内容特征信息中读出对应内容的特征向量。通过合成多个读出的特征向量,获得用户ID为″0001″的用户评价为“喜欢”的优选向量。
可在从用户设备12请求优选信息的时间点处进行优选向量的产生,也可以每当从用户设备12提供优选判别信息时根据新的优选判别信息通过修改对应用户的优选向量来更新优选向量的产生。在后一种情况下,已存储的优选向量基于过去进行的所有评价,包括最新的评价。同时,在同一附图中,为了便于理解,逐个地指示“喜欢”和“不喜欢”的优选向量作为关于一个用户的优选信息。然而,在实施例中,有可能通过产生各种优选向量扩展能够提供的信息的范围。
例如,可根据评价内容的周期、时间间隙、地点、用户设备12的类型等为评价时的每个环境类型产生优选向量。在这种情况下,从用户设备12发送含有优选判别信息的评价时间、评价地点和用户设备的类型等信息,并将所发送的信息存储在优选判别信息存储部件56中。提取在每个环境类型中评价的内容的识别信息,并且基于内容的特征信息为每个类型得出优选向量。
另外,通过合成多个用户的优选向量,可以对对应的用户组产生一个优选向量。可基于用户信息存储部件57存储的用户属性形成用户组。例如,通过用户的年龄范围(比如10多岁、20多岁等)、职业、居住地区提取出对应的用户ID,并且对每个属性合成用户的优选向量。可选地,从存储在优选判别信息存储部件56中的优选判别信息获取过去的评价历史,并且通过提取出对相同内容给出相同评价的用户来形成用户组。
除了通过具有完全匹配的属性或相似评价的用户形成用户组之外,可使用诸如K均值方法之类的统计方法将与优选判别信息或优选信息的部分数据接近的用户集合以形成用户组。当产生关于用户组的优选信息时,图10的优选信息中的用户ID成为用户组的识别信息。在评价时用于每个环境类型的优选向量或者用户组的优选向量可以以任意方式被组合。
根据本发明实施例的一种允许推荐服务器通过网络向由用户操作的客户端推荐内容的内容推荐方法包括:在所述推荐服务器中积累优选判别信息,在所述优选判别信息中与用户输入到客户端的内容的评价有关的信息与用户的识别信息相互关联,并将所述优选判别信息存储在存储器中;参考来自存储有内容特征信息的数据库的内容特征信息,在所述内容特征信息中指示内容的特征的数据与内容的识别信息相关联;通过对每个用户统合所述优选判别信息中针对内容的评价以及所述内容特征信息中内容的特征,产生每个用户的优选信息;以及向所述客户端发送推荐内容的列表,所述推荐内容的列表是基于所述内容特征信息通过评价与优选信息的特征的相似度来提取的
接下来,将描述由上述配置所实现的内容推荐系统10的操作,作为上述本发明实施例的这种内容推荐方法的示例。图11和12是内容推荐系统10的操作顺序图。在图11和12所示的顺序图中,通过表示步骤的字母S(Step的第一个字母)和数字的组合示出每个部件的处理步骤。同时,在之前的步骤中执行如下处理:优选信息提供服务器13从内容分发服务器14获取著录信息,且内容特征信息被产生和存储在内容特征信息存储部件52中。
另外,可在时间上连续地且可分别单独地执行图11示出的从内容的评价输入到产生优选信息的处理,以及图12示出的从优选信息条件的输入到推荐内容的再现的处理。例如,图12所示的用户设备12的各种处理可在不同于图11所示的用户设备12的设备中执行。
首先,在图11中,当用户将对诸如再现期间的内容的特定内容的评价输入到用户设备12中时(S10),优选判别信息提供部件32将预定的信息、诸如对应用户的用户识别信息、内容识别信息、评价详情以及评价日期与时间,作为优选判别信息发送到优选信息提供服务器13(S12)。
优选信息提供服务器13的优选判别信息获取部件54获取从用户设备12发送的优选判别信息,并将该信息存储在优选判别信息存储部件56中(S14)。虽然未在图中示出,如上所述,当从用户设备12请求优选判别信息时,在任何时间从优选判别信息存储部件56读出适于请求条件的内容的识别信息,并将其发送到用户设备12。
另一方面,优选信息产生部件58基于优选判别信息产生用户的优选向量作为优选信息(S16)。如上所述,完整地产生相同用户的优选向量,从优选信息存储部件60读出对应的优选向量,并且基于重新发送的优选判别信息再次修改和存储读出的优选向量。
接着,如图12所示,当用户向用户设备12输入优选信息的条件时(S18),优选信息获取部件34通过将条件发送给优选信息提供服务器13来请求优选信息(S20)。最简单地说,在S18输入的优选信息的条件是作为请求者的用户自己正面感觉的优选信息,除此之外,例如如上所述,在评价时的环境类型可被设到条件。另外,当需要其他优选信息时,可指定用户的属性,并且可以指定诸如过去的再生成历史之类的用户组的形成条件。
当获取从用户设备12发送的优选信息的请求时,优选信息提供服务器13的优选信息产生部件58从优选信息存储部件60中读出适于包含在该请求中的条件的优选信息,并将其提供给优选信息提供部件62,以便优选信息提供部件62将优选信息发送到用户设备12(S22)。在此,当适于条件的优选信息没有存储在优选信息存储部件60中时,优选信息产生部件58在需要时参考优选判别信息、用户信息和内容特征信息,产生新的优选信息,然后将其提供给优选信息提供部件62。
同时,发送到用户设备12的优选信息被转换为二进制文件,优选信息的细节不会对操作用户设备12的所有用户开放,这样有可能防止与优选信息有关的技术流出。
当从优选信息提供服务器13获取所请求的优选信息时,用户设备12的优选信息获取部件34将优选信息提供给内容列表获取部件36。内容列表获取部件36产生请求数据,用于从优选信息请求内容列表(S24)。请求数据包括优选信息和对具有与此类似的特征的内容列表时的过滤条件。在该步骤中过滤条件可由用户设置,并可根据先前设置的预定规则确定。
例如,当内容为乐曲时,用户根据当时心情指定期望再现的流派或旋律。可选地,可设置如下条件,在该条件中排除了过去对用户自身或指定条件适合的、其他人负面评价的乐曲。参照优选信息提供服务器13保持的内容特征信息、优选判别信息和用户信息,只要条件具有可能的过滤模式,该条件可以是任一个。
在用户设备12中显示能够被设为过滤条件的多个模式,并且用户可选择模式。此时,用户一次所选的模式被存储,并且当产生下一个请求数据时,可通过跟随模式来设置过滤条件。另外,在过滤条件中可包括内容的类型。例如,指定仅针对游戏应用程序的过滤条件,从而即使当该用户仅对乐曲进行评价时,也有可能接收游戏应用程序的推荐。
内容列表获取部件36通过将以这种方式产生的请求数据发送到优选信息提供服务器13以请求内容列表(S26)。当获取内容列表的请求时,优选信息提供服务器13的内容列表产生部件64提取与请求数据所含的优选信息高度类似并且适于过滤条件的内容的识别信息,以产生内容列表,然后将其发送到用户设备12(S28)。
在这种情况下,内容列表产生部件64首先参考内容特征信息存储部件52存储的内容特征信息,以提取具有与请求数据所含的优选信息高度类似的特征的内容的识别信息。当优选信息和内容特征信息被设置到上述优选向量和特征向量时,通过向量之间的角度来评价二者的相似度。也就是说,二者之间的角度越小,相似度越高。
当请求数据的优选信息和内容特征信息所含的各内容项的特征信息的相似度被分别评价时,内容列表产生部件64提取出相似度超过预定阈值的内容的识别信息。可选地,按照相似度高的次序,提取出预定数目内容的识别信息。通过过滤条件过滤已提取出其识别信息的内容,排除不适于条件的内容的识别信息。
当诸如内容类型、流派和旋律之类的内容属性被指定为过滤条件时,参考内容特征信息存储部件52,当指定了过去的评价时,参考优选判别信息存储部件56或在某些情况下参考用户信息存储部件57,从而获取要排除的内容的识别信息。列出作为优选信息的、在具有高相似度的内容中过滤后剩余的内容的识别信息,生成最后的内容列表。同时,相似度的评价和过滤顺序不限于此,考虑到提取效率等,过滤可大约在相似度评价之前或者之后进行。诸如提取处理的顺序或者列出的内容数目之类的规则是预先设置的。
当从优选信息提供服务器13获取内容列表时,用户设备12的内容列表获取部件36将其提供给内容再现部件30。内容再现部件30将内容列表发送到内容分发服务器14,并请求内容数据(S30)。当从用户设备12获取内容列表时,内容分发服务器14的内容提供部件40基于内容列表中描述的内容识别信息,从内容数据存储部件44读出对应内容的数据,并将数据发送到用户设备12(S32)。
用户设备12的内容再现部件30顺序地再现从内容分发服务器14发送的内容数据(S34)。当对再现内容进行评价输入时,再次重复从S12开始的处理。通过上述处理,有可能基于用户对内容的评价根据各种条件推荐内容数据。
接下来,描述作为用户设备12的设备的另一例子。图13示出用作用户设备12的便携式游戏机的外观图。除了再现诸如移动图像、静止图像和音乐之类的数字化内容之外,便携式游戏机400还执行游戏程序之类的程序。从能够附着到便携式游戏机400且与其分离的外部存储介质读出各内容,或者通过数据通信下载各内容。
外部存储介质是小尺寸光盘402,比如UMD(通用媒体光盘)、存储卡426等。光盘402和存储卡426被分别加载到驱动单元(未示出),被提供给便携式游戏机400。光盘402不但能存储音乐数据或静止图像数据,而且还可以存储具有相对较大数据尺寸的内容的移动图像数据,比如电影。存储卡426是小尺寸存储卡,能够附着到甚至数字照相机或移动电话且从其分离,而且由用户自己在其它设备中产生的数据,比如静止图像数据、移动图像数据和语音数据,或者被传递到其他设备且从其传递的数据都主要存储在存储卡中。
便携式游戏机400设置有操作元件,比如液晶显示屏404、十字键416和模拟杆418或按钮420。用户双手持握便携式游戏机400的左右端,主要利用左手拇指使用十字键416或模拟杆418指示上、下、左、右方向,并主要利用右手拇指使用按钮420进行各种指示。主按钮436是与十字键416或按钮420不同的按钮,其被设置盗当用双手持握便携式游戏机400左右两端时、使用任何手指都难以按下的位置,从而防止误操作。
在液晶显示器404上显示各项内容的菜单屏幕和再现屏幕。便携式游戏机400设置有通过USB端口或无线局域网的通信功能,并使用该功能从其它设备接收并向其发送数据。便携式游戏机400进一步包括选择按钮440和启动按扭438。启动按扭438是用于由用户给出启动游戏、诸如电影或音乐的内容的再现开始、暂停等的指令的按钮。选择按钮440是用于选择显示在液晶显示屏404上的菜单项的按钮。
图14示出便携式游戏机400的内部电路配置。便携式游戏机400包括由CPU 541及其外围设备等组成的控制系统540,由在帧缓存器553上进行绘制的GPU 552等所组成的图形系统550,由用于生成乐声、声音效果等的SPU(声音处理单元)561等组成的声音系统560,对记录有应用程序的光盘402进行控制的光盘控制部件570,无线通信部件580,接口部件590,操作输入部件502,上述每个部件连接到的总线等。
声音系统560包括用于在控制系统540控制下生成乐声、音响效果等的SPU 561、由SPU 561记录波形数据等的声音缓存器562、用于输出由SPU 561生成的乐声、声音效果等的扬声器544。
SPU 561包括再现ADPCM解码的语音数据的ADPCM解码功能、通过再现存储在声音缓存器562中的波形数据而生成声音效果等的再现功能、调制和再现存储在声音缓存器562中的波形数据的调制功能。
光盘控制部件570包括光盘设备571,用于再现诸如记录于光盘上的程序之类的数据;解码器572,用于解码数据,在该数据中比如添加和记录了误差校正码(ECC);缓存器573,用于通过临时存储来自光盘设备571的数据加速从光盘读出数据。次级CPU 574连接到上述解码器572。
接口部件590包括并行I/O接口(PIO)591和串行I/O接口(SIO)592。这些组件是用于将存储卡426和便携式游戏机400相互连接的接口。
操作输入部件502将根据用户操作的操作信号提供给CPU 541。无线通信部件580通过红外端口或无线局域网进行无线通信。该无线通信部件580在控制系统540的控制下,直接地或者通过诸如因特网之类的无线通信网络,向其它设备发送数据或者从其它设备接收数据。
图形系统550包括几何变换引擎(GTE)551、GPU 552、帧缓存器553、图像解码器554和液晶显示器404。
GTE 551包括并行算术运算机构,用于并行执行多个算术运算,并响应于来自主CPU 541的算术运算请求高速进行坐标变换、光源计算和诸如矩阵或向量之类的算术运算。该控制系统540基于通过GTE 551得到的算术运算结果,将三维模型限定为诸如三角形或四边形的基本单位图形(多边形)的组合,然后将与用于绘制三维图像的各多边形对应的绘图指令发送到GPU 552。
GPU 552根据来自控制系统540的绘图指令,在帧缓存器553上进行多边形的绘制。另外,GPU 552能够进行平面着色、高洛德(Gouraud)着色,以补充多边形顶部的颜色从而确定多边形内的颜色,或者能够进行纹理映射,以将存储在帧缓存器的纹理区域中的纹理粘贴到多边形。
帧缓存器553存储GPU 552绘制的图像。该帧缓存器553包括所谓的双端口RAM,并且能够同时执行来自GPU 552的绘制或者来自主存储器543的变换以及用于显示的读出。另外,除了作为视频输出而输出的显示区域之外,该帧缓存器553还设置有存储了在GPU 552进行多边形的绘制时参考的颜色锁存表(CLUT)的颜色锁存表(CLUT)区域,以及存储有纹理的上述纹理区域。CLUT区域和纹理区域随着显示区域等的改变而动态地改变。
显示部件3在控制系统540的控制下显示存储在帧缓存器553中的图像。通过上述CPU 541的控制,图像解码器554对存储在主存储器543中且通过正交变换(例如离散余弦变换)压缩和编码的静止图像或移动图像的图像数据进行解码,且将该图像数据存储在主存储器543中。
控制系统540包括CPU 541、用于进行中断控制或直接存储器访问(DMA)变换的控制等的外围设备控制部件542、含有RAM的主存储器543以及ROM 545。比如操作系统之类用于控制便携式游戏机400的每个部件的程序存储在ROM 545中。CPU 541通过将存储在ROM 545中的操作系统读出到主存储器543中并执行已读出的操作系统来控制整个便携式游戏机400。用户设备12也可采用这种便携式游戏机400实现。
图15示出用作用户设备12的通用个人计算机的内部电路配置。作为基本配置,通用个人计算机包括主CPU 600、图形处理器单元602、输入部件604和输出部件605、驱动器614、主存储器608和ROM 610。主CPU 600基于诸如操作系统或应用程序之类的程序,控制信号处理或内部组件。GPU 602执行图像处理。
这些部件中的每个通过总线622相互连接。输入和输出接口632进一步地连接到总线622。对输入和输出接口632连接诸如硬盘或非易失存储器之类的存储部件634,包含显示器或者扬声器的输出部件605,包含键盘、鼠标、话筒等的输入部件604,包含诸如USB或IEEE 1394之类外围设备接口的通信部件630,有线或无线局域网的网络接口,用于驱动诸如磁盘、光盘或半导体存储器之类可移动记录介质626的驱动器614。
主CPU 600通过执行存储在存储部件634中的操作系统控制整个个人计算机。另外,主CPU 600执行从可移除记录介质626读出并加载到主存储器608、或者通过通信部件630下载的各种程序。
GPU 602具有几何变换引擎的功能以及渲染处理器的功能,并且根据来自主CPU 600的绘图指令执行绘制处理,从而在帧缓存器(未示出)中存储显示图像。GPU 602将存储在帧缓存器中的显示图像转换为视频信号并输出结果。用户设备12也可采用这种个人计算机来实现。
根据上述实施例,用户在用户设备上对内容的评价被聚集到优选信息提供服务器中,并且使用评价产生优选信息,然后将其提供给用户。使用基于优选信息在用户设备中产生的请求数据,优选信息提供服务器产生内容列表并进一步将该内容列表提供给用户。使用这种配置,当作为API提供优选信息的条件输入以及在用户设备中进行的请求数据的产生时诸如内容评价之类的最小处理、与内容的特征信息或优选信息有关的详细处理都可在优选信息服务器中执行。因此,有可能使优选信息的生成过程不公开,从而防止知识产权外流。另一方面,使用户的评价输入或条件输入有可能,从而有可能提供适于单独的用户的信息,并在优选信息提供服务器中持续积累新的信息。
优选信息提供服务器可以基于以这种方式积累的信息提供各种最新信息。由于内容的积累的信息或特征信息非常大,所以其分类和存储处理负荷大,因而需要诸如硬盘容量之类的大量资源。所有这些从优选信息提供服务器提供,从而有可能在任何用户设备中接收相同的服务,而不管处理能力或资源容量等。从而例如有可能在用户设备之间共享信息,仿佛在便携式音频设备中接收了基于一个用户在平常时间使用的个人计算机中进行的评价结果的内容列表。
另外,在富有资源的服务器侧管理各种类型的信息,从而有可能增加指示内容的特征信息或优选信息的特征的项数,并实现具有高水平准确度的内容推荐技术。进一步地,因为无需向用户设备发送内容的元数据等,所以几乎不发生由通信引起的开销。另外,当与优选信息有关的处理算法被更新时,有可能在优选信息提供服务器内关闭更新处理。
进一步地,每个用户的优选判别信息或优选信息聚集在优选信息提供服务器中,从而有可能考虑到其他用户的评价或优选提供各种信息。例如可通过各种统计方法提取具有指定属性的另一用户、具有与用户自身相似的优选的用户、以及已评价一些内容的用户或用户组,从而允许提供优选判别信息或优选信息。
进一步地,在该实施例中,因为评价了内容本身的特征且生成了内容特征信息,因此有可能通过使感兴趣的特征共同来相似地处理各种内容项。为此,要处理的内容在移动图像、静止图像、游戏应用程序、字符介质等上广泛地跨越,而不限于乐曲。以这种方式,可根据情况提供用户在那个时间所期望的内容列表。如上所述,因为为每个用户积累和存储优选判别信息或优选信息,因此有可能不考虑类型来评价内容的关联,并将内容添加到推荐内容的列表中。
例如,当通过优选判别信息的统计分析证明了内容项之间的关联时、比如喜好动画的人玩特定游戏的高概率,关联程度被数字化,并被存储在未示出的存储设备中。在这种情况下,比如,为每个用户比较要由相同用户评价的内容的组合,而且评价相同组合的用户数目越多,内容项之间的关联越高。
在产生内容列表时,关于优选信息和内容特征信息之间的相似度,进行基于关联程度的加权,因此容易推荐具有高关联的内容。以这种方式,有可能不但基于优选信息还基于多方评价来实现具有高准确度的推荐。
进一步地,当用户设备中的内容的再现状态被包含在优选判别信息中并且积累和存储在优选信息提供服务器中时,对每个用户证明了内容再现趋势的时间变化。有可能从该时间变化类推专注于内容或者厌倦内容的用户的感觉变化。因此,有可能通过将对应信息添加到推荐内容的列表中来实现更有效的推荐。
例如,当获得购买特定游戏的用户在购买游戏之后每天玩游戏持续一个月且此后享用频率变小的信息时,则可以类推出用户厌烦该游戏的事实。在这种情况下,在从游戏运行频率剧烈下降的时间经过预定时间段之后,当容易推荐能够用于该游戏的附加项或另一个同种游戏时,这对于用户而言是优选的定时。因此,当该实施例的内容推荐系统用于产品销售系统时,可实现更有效的促销。
在优选判别信息中包含诸如评价地区或评价环境的环境类型,从而有可能除用户属性之外获取对各环境类型的优选趋势、内容受欢迎和不受欢迎或其时间变化。因此,有可能以每个用户的最小时间和努力容易地提供包括市场的各种区域中具有高实用价值的信息。
如上所述,已经描述了本发明的具体实施方式。上述具体实施方式仅示意性地说明本发明,对于本领域的技术人员而言,很明显可将多种变更实例应用于每个组件或各流程的组合,并且这些变更的例子也包含在本发明的范围内。
本发明包含与2010年6月3日提交日本专利局的日本在先专利申请JP2010-128242的公开有关的主题内容,其全文内容以引用方式合并于本文中。
Claims (16)
1.一种内容推荐系统,包括:
由用户操作的客户端;以及
内容推荐服务器,用于通过网络向所述客户端推荐内容,
其中所述内容推荐服务器包括:
优选判别信息存储部件,用于积累和存储优选判别信息,在所述优选判别信息中用户输入到所述客户端的与内容的评价有关的信息与用户的识别信息相互关联,
内容特征信息存储部件,用于存储内容特征信息,在所述内容特征信息中指示内容的特征的数据与内容的识别信息相关联,
优选信息产生部件,用于基于所述优选判别信息和所述内容特征信息,通过对于每个用户统合针对内容的评价和所述内容的特征来产生每个用户的优选信息,以及
推荐内容列表提供部件,用于向所述客户端发送推荐内容的列表,所述推荐内容的列表是基于所述内容特征信息、评价与优选信息的特征的相似度而提取的。
2.根据权利要求1所述的内容推荐系统,
其中所述推荐内容列表提供部件将基于用户的优选信息的推荐内容的列表发送到所述客户端,其中所述用户与操作作为推荐内容的列表的目的地的客户端的用户不同,以及
所述客户端包括优选信息产生条件设置部件,用于从操作所述客户端的用户接收用于指定针对不同用户的提取条件的输入,并将所述输入发送到所述内容推荐服务器。
3.根据权利要求2所述的内容推荐系统,其中所述优选信息产生部件进一步地通过统合通过从所述客户端发送的条件提取的多个用户的优选信息,产生包括所述多个用户的用户组的优选信息。
4.根据权利要求1所述的内容推荐系统,其中所述优选信息产生部件进一步通过统合属于根据预定规则集合的用户组的用户的优选信息,产生每个用户组的优选信息。
5.根据权利要求1所述的内容推荐系统,其中所述内容特征信息存储部件存储具有不同的再现格式的多种内容的内容特征信息,以及
所述推荐内容列表提供部件另外地将与操作作为目的地的客户端的用户评价的内容的类型不同的内容的类型设置到推荐内容。
6.根据权利要求1所述的内容推荐系统,其中所述内容推荐服务器进一步地包括优选信息提供部件,用于将所述优选信息产生部件产生的优选信息发送到所述客户端,
所述客户端进一步地包括请求数据发送部件,用于生成通过将过滤条件添加到从所述内容推荐服务器获取的所述优选信息获得的请求数据,并将所述请求数据发送到所述内容推荐服务器,以及
所述推荐内容列表提供部件在提取出推荐内容的列表时在指定给所述请求数据的所述过滤条件下进行过滤。
7.根据权利要求6所述的内容推荐系统,其中所述优选信息提供部件将所述优选信息以使内容不可被用户读出的格式发送给所述客户端。
8.根据权利要求1所述的内容推荐系统,其中所述优选判别信息中包括的与内容的评价有关的信息包括评价日期与时间,
所述客户端包括优选信息产生条件设置部件,用于从操作所述客户端的用户接收用于将评价时间间隙指定为优选信息的产生条件的输入,并将所述输入发送到所述内容推荐服务器,以及
所述内容推荐服务器中的所述优选信息产生部件基于所述内容特征信息以及在用户指定的时间间隙处评价的所述优选判别信息,产生用于限制时间间隙的优选信息。
9.根据权利要求1所述的内容推荐系统,其中所述优选判别信息中包括的与内容的评价有关的信息包括评价地点,
所述客户端包括优选信息产生条件设置部件,用于从操作所述客户端的用户接收用于将评价的区域指定为优选信息的产生条件的输入,并将所述输入发送到所述内容推荐服务器,以及
所述内容推荐服务器中的所述优选信息产生部件基于所述内容特征信息和在用户指定的区域内评价的所述优选判别信息,产生用于限制评价区域的优选信息。
10.根据权利要求1所述的内容推荐系统,其中所述推荐内容列表提供部件参考所述优选判别信息,为每个用户比较要由相同用户评价的内容的组合,通过评价相同组合的用户数量来评价所述组合的内容项目之间的关联程度,并且当已评价内容的特征和优选信息的相似度时,根据所述关联程度对所述相似度进行加权。
11.一种内容推荐设备,通过网络连接到多个客户端,向每个客户端推荐内容,该内容推荐设备包括:
优选判别信息存储部件,积累和存储优选判别信息,在所述优选判别信息中与用户输入到所述客户端的内容的评价有关的信息与用户的识别信息相互关联;以及
推荐内容列表提供部件,用于参考所述优选判别信息,为每个用户比较要由相同用户评价的内容的组合,通过评价相同组合的用户数量来评价所述组合的内容项目之间的关联程度,然后通过将评价结果反映到推荐内容的提取处理以产生推荐内容的列表,并且将所述列表发送到所述客户端。
12.根据权利要求11所述的内容推荐设备,其中所述推荐内容列表提供部件另外地将与操作作为目的地的客户端的用户评价的内容的类型不同的内容的类型设置到推荐内容。
13.一种允许推荐服务器通过网络向由用户操作的客户端推荐内容的内容推荐方法,包括:
在所述推荐服务器中积累优选判别信息,在所述优选判别信息中与用户输入到客户端的内容的评价有关的信息与用户的识别信息相互关联,并将所述优选判别信息存储在存储器中;
参考来自存储有内容特征信息的数据库的内容特征信息,在所述内容特征信息中指示内容的特征的数据与内容的识别信息相关联;
通过对每个用户统合所述优选判别信息中针对内容的评价以及所述内容特征信息中内容的特征,产生每个用户的优选信息;以及
向所述客户端发送推荐内容的列表,所述推荐内容的列表是基于所述内容特征信息、通过评价与优选信息的特征的相似度来提取的。
14.根据权利要求13所述的允许推荐服务器通过网络向由用户操作的客户端推荐内容的内容推荐方法,进一步包括:
生成通过将过滤条件添加到从所述推荐服务器获取的所述优选信息获得的请求数据,并将所述请求数据发送到所述推荐服务器,以及在提取出推荐内容的列表时在指定给所述请求数据的所述过滤条件下进行过滤。
15.根据权利要求13所述的允许推荐服务器通过网络向由用户操作的客户端推荐内容的内容推荐方法,进一步包括:
参考所述优选判别信息,为每个用户比较要由相同用户评价的内容的组合,通过评价相同组合的用户数量来评价所述组合的内容项目之间的关联程度,并且当已评价内容的特征和优选信息的相似度时,根据所述关联程度对所述相似度进行加权。
16.一种使推荐服务器通过网络实现向由用户操作的客户端推荐内容的功能的计算机程序,该功能包括:
积累优选判别信息并将优选判别信息存储在存储器中的功能,在所述优选判别信息中与用户输入到所述客户端的内容的评价有关的信息与用户的识别信息相互关联;
参考来自存储有内容特征信息的数据库的内容特征信息的功能,在所述内容特征信息中指示内容的特征的数据与内容的识别信息相关联;
通过对每个用户统合所述优选判别信息中针对内容的评价以及所述内容特征信息中内容的特征,产生针对每个用户的优选信息的功能;以及
向所述客户端发送推荐内容的列表的功能,所述推荐内容的列表是基于所述内容特征信息、通过评价与所述优选信息的特征的相似度来提取的。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010-128242 | 2010-06-03 | ||
JP2010128242A JP2011253462A (ja) | 2010-06-03 | 2010-06-03 | コンテンツ推薦システム、コンテンツ推薦装置、およびコンテンツ推薦方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102270214A true CN102270214A (zh) | 2011-12-07 |
Family
ID=45052521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101475216A Pending CN102270214A (zh) | 2010-06-03 | 2011-05-27 | 内容推荐系统、内容推荐设备和内容推荐方法 |
Country Status (3)
Country | Link |
---|---|
US (2) | US9536246B2 (zh) |
JP (1) | JP2011253462A (zh) |
CN (1) | CN102270214A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722838A (zh) * | 2012-05-25 | 2012-10-10 | 北京邮电大学 | 用于网站向用户推荐物品的方法和装置 |
CN103559309A (zh) * | 2013-11-19 | 2014-02-05 | 北京航空航天大学 | 一种基于gpu加速的音乐检索与推荐系统 |
CN107390983A (zh) * | 2017-04-28 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 业务指令执行方法、客户端和存储介质 |
CN104142835B (zh) * | 2013-05-10 | 2017-12-05 | 中国电信股份有限公司 | 应用下载列表调整方法、专用记录客户端及应用下载平台 |
CN108829808A (zh) * | 2018-06-07 | 2018-11-16 | 麒麟合盛网络技术股份有限公司 | 一种页面个性化排序方法、装置及电子设备 |
CN108885639A (zh) * | 2016-03-29 | 2018-11-23 | 斯纳普公司 | 内容集合导航和自动转发 |
CN109429178A (zh) * | 2017-09-04 | 2019-03-05 | 腾讯科技(北京)有限公司 | 信息推送方法、装置、存储介质和电子装置 |
CN109857498A (zh) * | 2019-01-09 | 2019-06-07 | 明基智能科技(上海)有限公司 | 智能内容模板推荐系统及其方法 |
CN110020145A (zh) * | 2017-11-23 | 2019-07-16 | 北京搜狗科技发展有限公司 | 一种信息推荐方法及装置 |
CN111369987A (zh) * | 2018-12-26 | 2020-07-03 | 上海擎感智能科技有限公司 | 信息分享方法、信息分享系统、第一终端及存储介质 |
CN111949860A (zh) * | 2019-05-15 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 用于生成相关度确定模型的方法和装置 |
CN113298283A (zh) * | 2020-10-19 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种内容对象预测方法和装置以及内容对象推荐方法 |
US20220114199A1 (en) * | 2016-09-02 | 2022-04-14 | Hithink Financial Services Inc. | System and method for information recommendation |
CN117035887A (zh) * | 2023-10-08 | 2023-11-10 | 中质国优测评技术(北京)有限公司 | 一种汽车用户满意度测评方法与系统 |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8185487B2 (en) | 2001-02-12 | 2012-05-22 | Facebook, Inc. | System, process and software arrangement for providing multidimensional recommendations/suggestions |
US9788069B1 (en) * | 2011-06-24 | 2017-10-10 | The Directv Group, Inc. | Method and system for recording recommended content within a user device |
JP5124681B1 (ja) * | 2011-12-16 | 2013-01-23 | シャープ株式会社 | コンテンツサービスシステム |
JP5846442B2 (ja) * | 2012-05-28 | 2016-01-20 | ソニー株式会社 | 情報処理装置、情報処理方法、および、プログラム |
JP5999425B2 (ja) * | 2012-09-26 | 2016-09-28 | ソニー株式会社 | 情報処理装置及び情報処理方法 |
JP5373172B2 (ja) * | 2012-10-26 | 2013-12-18 | シャープ株式会社 | コンテンツサービスシステム |
JP5250149B2 (ja) * | 2012-10-26 | 2013-07-31 | シャープ株式会社 | コンテンツサービスシステム |
US9374411B1 (en) * | 2013-03-21 | 2016-06-21 | Amazon Technologies, Inc. | Content recommendations using deep data |
WO2015019264A1 (en) * | 2013-08-03 | 2015-02-12 | Gamesys Ltd | Systems and methods for integrating musical features into a game |
KR101655834B1 (ko) * | 2013-08-08 | 2016-09-09 | 연세대학교 산학협력단 | 음원 추천 방법, 장치, 시스템 및 기록매체 |
JP2015049810A (ja) * | 2013-09-03 | 2015-03-16 | 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 |
KR102268052B1 (ko) * | 2013-11-11 | 2021-06-22 | 삼성전자주식회사 | 디스플레이 장치, 서버 장치 및 그 제어 방법 |
JP2017527049A (ja) * | 2014-07-03 | 2017-09-14 | ビー−スマーク リミテッド | フィードバックおよび/または評価情報を収集するための方法および装置 |
JP6330239B2 (ja) * | 2014-09-04 | 2018-05-30 | 株式会社コナミデジタルエンタテインメント | 管理装置、およびプログラム |
US20160078520A1 (en) * | 2014-09-12 | 2016-03-17 | Microsoft Corporation | Modified matrix factorization of content-based model for recommendation system |
JP6576069B2 (ja) * | 2015-03-24 | 2019-09-18 | 任天堂株式会社 | 情報処理システム、情報処理装置、情報処理プログラム、および、情報処理方法 |
JP5925935B1 (ja) * | 2015-04-22 | 2016-05-25 | 株式会社アクアティカ | 管理装置及び嗜好性特定方法 |
US10592956B2 (en) * | 2015-05-22 | 2020-03-17 | Mastercard International Incorporated | Adaptive recommendation system and methods |
JP6533416B2 (ja) * | 2015-06-03 | 2019-06-19 | 株式会社日立製作所 | 営業支援サーバ、営業支援端末及び営業支援システム |
KR20170093644A (ko) * | 2016-02-05 | 2017-08-16 | 삼성전자주식회사 | 휴대용 단말기 및 그 제어방법 |
CA3027866A1 (en) | 2016-06-15 | 2017-12-21 | Walmart Apollo, Llc | Vector-based characterizations of products and individuals with respect to customer service agent assistance |
CA3047395A1 (en) * | 2016-12-20 | 2018-06-28 | Walmart Apollo, Llc | Vector-based optimization of media presentations |
CN106997383A (zh) * | 2017-03-22 | 2017-08-01 | 山东大学 | 基于PageRank算法的问题推荐方法及系统 |
KR101888305B1 (ko) * | 2017-07-03 | 2018-08-13 | 네이버웹툰 주식회사 | 컨텐츠 서비스에서 개인화 된 알림을 제공하는 방법 및 시스템 |
CN108256067B (zh) * | 2018-01-16 | 2021-07-06 | 平安好房(上海)电子商务有限公司 | 计算房源相似度的方法、装置、设备及存储介质 |
CN110197191B (zh) * | 2018-08-15 | 2022-09-02 | 腾讯科技(深圳)有限公司 | 电子游戏推荐方法 |
CN110674416A (zh) * | 2019-09-20 | 2020-01-10 | 北京小米移动软件有限公司 | 游戏推荐方法及装置 |
KR102313806B1 (ko) * | 2019-11-19 | 2021-10-19 | 디에스글로벌(주) | 네일스티커용 기록매체 |
KR102313807B1 (ko) * | 2019-11-19 | 2021-10-19 | 디에스글로벌(주) | 네일스티커용 기록매체 |
KR102335261B1 (ko) * | 2019-11-20 | 2021-12-07 | 디에스글로벌(주) | 네일스티커용 기록매체 제조방법 |
KR102313808B1 (ko) * | 2019-11-19 | 2021-10-19 | 디에스글로벌(주) | 네일스티커용 기록매체 |
KR102203048B1 (ko) * | 2019-11-20 | 2021-01-14 | 곽제일 | 유사도를 이용한 교육 프로그램 추천방법 및 그 시스템 |
JP2022041553A (ja) * | 2020-09-01 | 2022-03-11 | ヤマハ株式会社 | 通信制御方法 |
CN112565242B (zh) * | 2020-12-02 | 2023-04-07 | 携程计算机技术(上海)有限公司 | 基于声纹识别的远程授权方法、系统、设备及存储介质 |
CN113780721B (zh) * | 2021-07-29 | 2024-04-09 | 深圳市思为软件技术有限公司 | 一种数据整合方法及系统 |
CN116228282B (zh) * | 2023-05-09 | 2023-08-11 | 湖南惟客科技集团有限公司 | 一种用户数据倾向的智能商品分销方法 |
CN116796076B (zh) * | 2023-08-29 | 2023-11-03 | 中亿(深圳)信息科技有限公司 | 业务推荐方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080082633A1 (en) * | 2006-08-24 | 2008-04-03 | Kabushiki Kaisha Toshiba | Recommending system, recommending server, content recommending method, and recommending program product |
CN101493832A (zh) * | 2009-03-06 | 2009-07-29 | 辽宁般若网络科技有限公司 | 网站内容联合推荐系统与方法 |
CN101540874A (zh) * | 2009-04-23 | 2009-09-23 | 中山大学 | 一种基于协同过滤的互动电视节目推荐方法 |
CN101615961A (zh) * | 2008-06-24 | 2009-12-30 | 华为技术有限公司 | 媒体内容推荐方法、装置和系统 |
US20100070507A1 (en) * | 2008-09-12 | 2010-03-18 | Kabushiki Kaisha Toshiba | Hybrid content recommending server, system, and method |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6308175B1 (en) * | 1996-04-04 | 2001-10-23 | Lycos, Inc. | Integrated collaborative/content-based filter structure employing selectively shared, content-based profile data to evaluate information entities in a massive information network |
US20040068552A1 (en) * | 2001-12-26 | 2004-04-08 | David Kotz | Methods and apparatus for personalized content presentation |
JP4511281B2 (ja) | 2004-08-17 | 2010-07-28 | ヤフー株式会社 | コンテンツ検索装置およびコンテンツ検索方法 |
JP2006339794A (ja) * | 2005-05-31 | 2006-12-14 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
JP2007042173A (ja) * | 2005-08-01 | 2007-02-15 | Sony Corp | 電子機器、データ処理方法及びプログラム |
JP4179341B2 (ja) * | 2006-06-01 | 2008-11-12 | ソニー株式会社 | 情報処理装置および方法、プログラム、並びに記録媒体 |
US8417573B2 (en) * | 2007-03-14 | 2013-04-09 | Yahoo! Inc. | Sponsored listing recommendation engine |
US20090210475A1 (en) * | 2008-02-18 | 2009-08-20 | Motorola Inc. | Recommendation system and method of operation therefor |
US8386519B2 (en) * | 2008-12-30 | 2013-02-26 | Expanse Networks, Inc. | Pangenetic web item recommendation system |
US9172482B2 (en) * | 2009-03-31 | 2015-10-27 | At&T Intellectual Property I, L.P. | Content recommendations based on personal preferences |
-
2010
- 2010-06-03 JP JP2010128242A patent/JP2011253462A/ja not_active Withdrawn
-
2011
- 2011-05-26 US US13/116,932 patent/US9536246B2/en active Active
- 2011-05-27 CN CN2011101475216A patent/CN102270214A/zh active Pending
-
2016
- 2016-11-28 US US15/362,007 patent/US20170076005A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080082633A1 (en) * | 2006-08-24 | 2008-04-03 | Kabushiki Kaisha Toshiba | Recommending system, recommending server, content recommending method, and recommending program product |
CN101615961A (zh) * | 2008-06-24 | 2009-12-30 | 华为技术有限公司 | 媒体内容推荐方法、装置和系统 |
US20100070507A1 (en) * | 2008-09-12 | 2010-03-18 | Kabushiki Kaisha Toshiba | Hybrid content recommending server, system, and method |
CN101493832A (zh) * | 2009-03-06 | 2009-07-29 | 辽宁般若网络科技有限公司 | 网站内容联合推荐系统与方法 |
CN101540874A (zh) * | 2009-04-23 | 2009-09-23 | 中山大学 | 一种基于协同过滤的互动电视节目推荐方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722838A (zh) * | 2012-05-25 | 2012-10-10 | 北京邮电大学 | 用于网站向用户推荐物品的方法和装置 |
CN104142835B (zh) * | 2013-05-10 | 2017-12-05 | 中国电信股份有限公司 | 应用下载列表调整方法、专用记录客户端及应用下载平台 |
CN103559309A (zh) * | 2013-11-19 | 2014-02-05 | 北京航空航天大学 | 一种基于gpu加速的音乐检索与推荐系统 |
CN103559309B (zh) * | 2013-11-19 | 2016-05-25 | 北京航空航天大学 | 一种基于gpu加速的音乐检索与推荐系统 |
CN108885639B (zh) * | 2016-03-29 | 2022-12-06 | 斯纳普公司 | 内容集合导航和自动转发 |
CN108885639A (zh) * | 2016-03-29 | 2018-11-23 | 斯纳普公司 | 内容集合导航和自动转发 |
US20220114199A1 (en) * | 2016-09-02 | 2022-04-14 | Hithink Financial Services Inc. | System and method for information recommendation |
CN107390983A (zh) * | 2017-04-28 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 业务指令执行方法、客户端和存储介质 |
CN109429178A (zh) * | 2017-09-04 | 2019-03-05 | 腾讯科技(北京)有限公司 | 信息推送方法、装置、存储介质和电子装置 |
CN109429178B (zh) * | 2017-09-04 | 2021-06-25 | 腾讯科技(北京)有限公司 | 信息推送方法、装置、存储介质和电子装置 |
CN110020145A (zh) * | 2017-11-23 | 2019-07-16 | 北京搜狗科技发展有限公司 | 一种信息推荐方法及装置 |
CN108829808A (zh) * | 2018-06-07 | 2018-11-16 | 麒麟合盛网络技术股份有限公司 | 一种页面个性化排序方法、装置及电子设备 |
CN108829808B (zh) * | 2018-06-07 | 2021-07-13 | 麒麟合盛网络技术股份有限公司 | 一种页面个性化排序方法、装置及电子设备 |
CN111369987A (zh) * | 2018-12-26 | 2020-07-03 | 上海擎感智能科技有限公司 | 信息分享方法、信息分享系统、第一终端及存储介质 |
CN111369987B (zh) * | 2018-12-26 | 2023-12-01 | 上海擎感智能科技有限公司 | 信息分享方法、信息分享系统、第一终端及存储介质 |
CN109857498A (zh) * | 2019-01-09 | 2019-06-07 | 明基智能科技(上海)有限公司 | 智能内容模板推荐系统及其方法 |
CN111949860B (zh) * | 2019-05-15 | 2022-02-08 | 北京字节跳动网络技术有限公司 | 用于生成相关度确定模型的方法和装置 |
CN111949860A (zh) * | 2019-05-15 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 用于生成相关度确定模型的方法和装置 |
CN113298283A (zh) * | 2020-10-19 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种内容对象预测方法和装置以及内容对象推荐方法 |
CN117035887A (zh) * | 2023-10-08 | 2023-11-10 | 中质国优测评技术(北京)有限公司 | 一种汽车用户满意度测评方法与系统 |
CN117035887B (zh) * | 2023-10-08 | 2023-12-26 | 中质国优测评技术(北京)有限公司 | 一种汽车用户满意度测评方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
US20170076005A1 (en) | 2017-03-16 |
US9536246B2 (en) | 2017-01-03 |
JP2011253462A (ja) | 2011-12-15 |
US20110302240A1 (en) | 2011-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102270214A (zh) | 内容推荐系统、内容推荐设备和内容推荐方法 | |
CN102124465B (zh) | 内容推荐系统、内容推荐方法、内容推荐装置、程序和信息存储介质 | |
CN102124466B (zh) | 内容推荐系统、内容推荐方法和内容推荐设备 | |
JP5445339B2 (ja) | コンテンツ推薦装置およびコンテンツ推薦方法 | |
JP5533868B2 (ja) | コンテンツ推薦システム、コンテンツ推薦方法、コンテンツ推薦装置及び情報記憶媒体 | |
CN1967695B (zh) | 信息处理装置、再现装置、通信方法、再现方法及计算机程序 | |
US20110302032A1 (en) | Content recommendation device and content recommendation method | |
US20070243930A1 (en) | System and method for using user's audio environment to select advertising | |
US20090125934A1 (en) | User rating mechanism for media content | |
US20070255630A1 (en) | System and method for using user's visual environment to select advertising | |
CN103207675A (zh) | 制作媒体节目集锦或扩充媒体节目 | |
JP2008165759A (ja) | 情報処理装置及び方法並びにプログラム | |
JP2008117222A (ja) | 情報処理装置および方法、並びにプログラム | |
JP2011145742A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN104823424A (zh) | 基于内容访问跟踪推荐内容 | |
CN101527726A (zh) | 用于对多媒体应用程序进行个性化的方法和装置 | |
Forman | ‘How we feel the music’: popular music by elders and for elders | |
Maalsen | The social life of sound | |
JPWO2011052424A1 (ja) | コンテンツ選択システム、コンテンツ選択装置、コンテンツ選択方法及びプログラム | |
Werning | Itch. io and the One-Dollar-Game | |
Putra et al. | Selection Platform Music Service Cloud with Simple Multi-Attribute Rating Technique–User Service Application (SMART ALP) | |
JP2017064167A (ja) | ゲーム機、ゲームシステム、及びそれらに用いられるコンピュータプログラム | |
JP2021086343A (ja) | プログラム、情報処理方法、情報処理装置 | |
JP2006244651A (ja) | 携帯型音楽再生装置及び音楽再生システム | |
Mumm et al. | The Vinyl Record |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111207 |