CN102289759B - 项目推荐系统以及项目推荐方法 - Google Patents

项目推荐系统以及项目推荐方法 Download PDF

Info

Publication number
CN102289759B
CN102289759B CN201110159198.4A CN201110159198A CN102289759B CN 102289759 B CN102289759 B CN 102289759B CN 201110159198 A CN201110159198 A CN 201110159198A CN 102289759 B CN102289759 B CN 102289759B
Authority
CN
China
Prior art keywords
feedback
project
degree
unit
mrow
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.)
Expired - Fee Related
Application number
CN201110159198.4A
Other languages
English (en)
Other versions
CN102289759A (zh
Inventor
上前田直树
金本胜吉
宫原正典
萩原丈博
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.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Publication of CN102289759A publication Critical patent/CN102289759A/zh
Application granted granted Critical
Publication of CN102289759B publication Critical patent/CN102289759B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种项目推荐系统、项目推荐方法以及程序，其中，该项目推荐系统包括：反馈接收单元，其接收用户对于项目的反馈；反馈历史存储单元，其以用户与项目的组合的单元存储由反馈接收单元在现在或过去接收的反馈的信息；关联度计算单元，其在由反馈接收单元接收到反馈时，通过使用由反馈历史存储单元存储的反馈信息，基于表示同一用户对各个项目给予反馈的程度的第一信息和表示许多用户给予反馈的程度的第二信息，计算项目间的关联度；以及推荐单元，其基于由关联度计算单元计算出的关联度，立即向已通过反馈接收单元对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。

Description

项目推荐系统以及项目推荐方法
技术领域
本公开涉及一种项目推荐系统以及项目推荐方法。
背景技术
近年来，使用网络的商务迅速地扩大。例如，在网络上的网上商店购买商品的系统被广泛使用。在大多数这样的网上商店中，提供了向用户推荐商品的系统。例如，当用户访问某一商品的详细信息时，将与该商品相关的商品的信息作为相关商品或推荐商品呈现给用户。这样的系统通过例如使用在JP-A-2003-167901(专利文献1)中描述的协同过滤方法来实现。协同过滤方法是使用具有相似嗜好的用户的信息(例如，购买历史等)的推荐方法。
发明内容
当使用上述协同过滤方法时，对于没有购买历史的新用户，可以通过使用嗜好与该用户相似的用户的信息来推荐商品。另一方面，在通过使用用户的购买历史来推荐商品的基于内容的过滤方法的情况下，难以向没有购买历史的新用户推荐商品。相应地，协同过滤方法对于具有较少商品购买历史的用户是有效的。
基于内容的过滤方法是通过分析各个用户的购买历史来确定要推荐的商品的方法，因此，该方法具有可以容易地反映各个用户的嗜好的优点。在用户的数量较少并且难以找到具有相似嗜好的用户的状况下，基于内容的过滤方法比协同过滤方法更有效。
在网上商店，通过使用上述过滤方法等来分析商品的购买历史、详细信息的访问历史等，由此准备用于向用户推荐商品的信息。然而，使用上述过滤方法等的分析处理需要足够长的时间。另一方面，商品的推荐结果对网上商店的销售具有较大影响，因此，需要立即呈现与用户的嗜好对应的商品的系统。
然而，在目前的网上商店中，使用了如下系统：针对给定的时间段(例如，一天)存储购买历史和详细信息的访问历史，并且以给定间隔执行通过使用上述过滤方法等进行的分析处理(在下文中，称为批处理)。相应地，当用户购买商品时，购买历史没有反映在购买时的推荐结果上。例如，当用户A购买商品X时，在批处理完成之前，用户A的购买历史没有反映在针对购买商品X的用户B的推荐结果上。
如以上那样示出了将在用户在网上商店处购买商品时获得的购买历史用于推荐的示例，然而，也将在用户评价某一商品时获得的评价结果、在用户访问某一商品的详细信息时获得的访问历史用于商品的推荐。在以下说明中，将用户对于商品或服务(在下文中称为项目)执行的动作(例如，购买、评价、信息访问等)称为反馈。
鉴于以上，期望提供一种新颖且改进的、能够实现立即反映用户的反馈的推荐的项目推荐系统、项目推荐方法以及程序。
根据本公开的实施例，提供了一种项目推荐系统，其包括：反馈接收单元，其接收用户对于项目的反馈；反馈历史存储单元，其以用户与项目的组合的单元存储由反馈接收单元在现在或过去接收的反馈的信息；关联度计算单元，其在由反馈接收单元接收到反馈时，通过使用由反馈历史存储单元存储的反馈信息，基于表示同一用户对各个项目给予反馈的程度的第一信息和表示许多用户给予反馈的程度的第二信息，计算项目间的关联度；以及推荐单元，其基于由关联度计算单元计算出的关联度，立即向已通过反馈接收单元对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。
该项目推荐系统还可包括：变化检测单元，其通过对由关联度计算单元在时刻t1处计算出的项目间的关联度J(t1)与由关联度计算单元在时刻t2处计算出的项目间的关联度J(t2)进行比较，检测在时刻t1与时刻t2之间关联度变化到最高程度的项目i、j的组合，其中，时刻t2是紧接时刻t1的时刻；以及关联度预测单元，其根据由变化检测单元检测到的关于项目i、i的关联度之间的差J(t2)-J(t1)，预测在紧接时刻t2的时刻t3处的项目间的关联度J(t3)。在这种情况下，推荐单元在给定定时处基于由关联度计算单元计算出的关联度而推荐项目，并且在不同于给定定时的定时处基于由关联度预测单元预测出的关联度而推荐项目。
该项目推荐系统还可以包括嗜好信息生成单元，其基于由反馈历史存储单元存储的反馈信息，生成表示用户的嗜好的嗜好信息。在这种情况下，嗜好信息生成单元刚好在由反馈接收单元接收反馈之前，基于由反馈历史存储单元存储的反馈信息而生成嗜好信息，并且推荐单元基于刚好在由反馈接收单元接收反馈之前生成的嗜好信息，从具有较高关联度的项目中推荐对于已通过反馈接收单元对项目给予反馈的用户而言嗜好较高的项目。
在为每个项目设置了优先级系数时，推荐单元可以被配置为基于通过乘以优先级系数计算出的关联度，向已通过反馈接收单元对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。
反馈历史存储单元可以被配置为将反馈历史存储在通过网络连接的存储装置中。
当在通过反馈接收单元接收用户u对于项目i的反馈时由反馈历史存储单元存储的反馈信息为P(i，u)时，并且当在接收到反馈的情况下设置P(i，u)＝1时以及在没有接收到反馈的情况下设置P(i，u)＝0时，通过稍后描述的表达式(1)、(2)表示项目i与项目j(j≠i)之间的关联度J(i，j)。
另外，根据本公开的另一实施例，提供了一种项目推荐方法，其包括：接收用户对于项目的反馈；以用户与项目的组合的单元存储在现在或过去接收的反馈的信息；当在接收反馈的步骤中接收到反馈时，通过使用通过存储反馈历史的步骤所存储的反馈信息，基于表示同一用户对各个项目给予反馈的程度的第一信息和表示许多用户给予反馈的程度的第二信息，计算项目间的关联度；以及基于在计算关联度的步骤中计算出的关联度，立即向已在接收反馈的步骤中对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。
另外，根据本公开的又一实施例，提供了一种用于允许计算机执行以下功能的程序：反馈接收功能，其接收用户对于项目的反馈；反馈历史存储功能，其以用户与项目的组合的单元存储通过反馈接收功能现在或过去接收的反馈的信息；关联度计算功能，其在通过反馈接收功能接收到反馈时，通过使用通过反馈历史存储功能存储的反馈信息，基于表示同一用户对各个项目给予反馈的程度的第一信息和表示许多用户给予反馈的程度的第二信息，计算项目间的关联度；以及推荐功能，其基于通过关联度计算功能计算出的关联度，立即向已通过反馈接收功能对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。
另外，根据本公开的实施例的又一实施例，提供了一种可以由计算机读取的、记录上述程序的记录介质。
如上所述，根据本公开的实施例，可以实现立即反映用户的反馈的推荐。
附图说明
图1是用于说明根据本公开的实施例的推荐系统的配置的说明图；
图2是用于说明包括在根据实施例的推荐系统中的服务器装置的配置和存储装置的配置的说明图；
图3是用于说明根据实施例的推荐系统中所使用的历史表格的配置的说明图；
图4是用于说明根据实施例的推荐系统中所使用的中间值表格的配置的说明图；
图5是用于说明根据实施例的推荐系统中所使用的关联度表格的配置的说明图；
图6是用于说明根据实施例的推荐系统中所使用的嗜好信息的配置的说明图；
图7是用于说明根据实施例的推荐系统中所使用的历史矩阵(P矩阵)的配置的说明图；
图8是用于说明根据实施例的推荐系统中所使用的中间值矩阵(D矩阵)的配置的说明图；
图9是用于说明根据实施例的推荐系统中所使用的关联度矩阵(J矩阵)的配置的说明图；
图10是用于说明根据实施例的项目推荐方法的说明图；
图11是用于具体说明根据实施例的项目推荐方法的说明图；
图12是用于具体说明根据实施例的项目推荐方法的说明图；
图13是用于说明根据实施例的历史矩阵(P矩阵)的更新方法的说明图；
图14是用于说明根据实施例的中间值矩阵(D矩阵)的更新方法的说明图；
图15是用于说明根据实施例的关联度矩阵(J矩阵)的更新方法的说明图；
图16是用于说明根据实施例的使用嗜好信息的推荐方法的说明图；
图17是用于说明根据实施例的推荐系统中所使用的购买数量的表格的配置的说明图；
图18是用于说明根据实施例的推荐系统中所使用的同现(co-occurrence)数量的表格的配置的说明图；
图19是用于说明根据实施例的第一修改示例的关联度表格(J矩阵)的更新方法的说明图；
图20是用于说明根据实施例的第一修改示例的关联度表格(J矩阵)的更新方法的说明图；
图21是用于说明根据实施例的第一修改示例的关联度表格(J矩阵)的更新方法的说明图；
图22是用于说明根据实施例的第二修改示例的、使用偏向参数的关联度表格(J矩阵)的更新方法的说明图；以及
图23是用于说明能够实现根据实施例的服务器装置和用户终端的功能的硬件配置的说明图。
具体实施方式
根据本公开的实施例，提供了一种项目推荐系统，其包括：反馈接收单元，其接收用户对于项目的反馈；反馈历史存储单元，其以用户与项目的组合的单元存储由反馈接收单元在现在或过去接收的反馈的信息；关联度计算单元，其在由反馈接收单元接收到反馈时，通过使用由反馈历史存储单元存储的反馈信息，基于表示同一用户对各个项目给予反馈的程度的第一信息和表示许多用户给予反馈的程度的第二信息，计算项目间的关联度；以及推荐单元，其基于由关联度计算单元计算出的关联度，立即向已通过反馈接收单元对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。
根据本公开的另一实施例，提供了一种项目推荐方法，其包括：接收用户对于项目的反馈；以用户与项目的组合的单元存储在现在或过去接收的反馈的信息；当在接收反馈的步骤中接收到反馈时，通过使用通过存储反馈历史的步骤所存储的反馈信息，基于表示同一用户对各个项目给予反馈的程度的第一信息和表示许多用户给予反馈的程度的第二信息，计算项目间的关联度；以及基于在计算关联度的步骤中计算出的关联度，立即向已在接收反馈的步骤中对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。
在下文中，将参照附图详细说明本公开的优选实施例。在说明书和附图中，相同的附图标记被给予具有基本相同功能配置的部件，以省略重复说明。
[说明的流程]
将简要地描述关于如下所述的本公开的实施例的说明流程。
首先，将参照图1说明根据实施例的推荐系统10的配置。接下来，将参照图2说明包括在实施例的推荐系统10中的服务器装置11的配置和存储装置12的配置。在该说明中，还将参照图3至图6说明根据实施例的推荐系统10中所使用的历史表格、中间值表格、关联度表格以及嗜好信息的配置。
接下来，将参照图7至图9说明根据实施例的推荐系统中所使用的历史矩阵(P矩阵)、中间值矩阵(D矩阵)以及关联度矩阵(J矩阵)的配置。另外，将参照图10说明使用历史矩阵(P矩阵)、中间值矩阵(D矩阵)以及关联度矩阵(J矩阵)的、根据实施例的项目推荐方法。
接下来，将参照图11和图12更具体地说明根据实施例的项目推荐方法。在说明中，将参照图13至图16具体地说明根据实施例的、历史矩阵(P矩阵)、中间值矩阵(D矩阵)和关联度矩阵(J矩阵)的更新方法以及使用嗜好信息的推荐方法。此外，将参照图17、图18和图19说明根据实施例的推荐系统中所使用的购买数量的表格和同现数量的表格的配置。
接下来，将参照图19至图21说明根据实施例的第一修改示例的关联度矩阵(J矩阵)的更新方法。接下来，将参照图22说明根据实施例的第二修改示例的、使用偏向参数的关联度矩阵(J矩阵)的更新方法。接下来，将参照图23说明能够实现根据实施例的服务器装置11和用户终端13的功能的硬件配置。最后，总结实施例的技术思想，然后，简要地说明根据技术思想获得的作用和效果。
(说明项目)
1：实施例
1-1：推荐系统10的配置
1-2：服务器装置11和存储装置12的功能配置
1-3：使用P矩阵、D矩阵以及J矩阵的推荐方法
1-3-1：P矩阵、D矩阵以及J矩阵的配置
1-3-2：大致的处理流程
1-3-3：具体的处理流程
1-3-4：使用嗜好信息的推荐方法
1-3-5：关于效率化方法
1-4：修改示例
1-4-1：J矩阵的近似更新方法(第一修改示例)
1-4-2：基于偏向参数更新J矩阵的方法(第二修改示例)
1-5：硬件配置
2：总结
<1：实施例>
将说明本公开的实施例。该实施例涉及如下系统：其当接收到来自用户的反馈时，除了用户的嗜好之外还考虑对于全部用户的倾向的影响，立即执行反映用户的嗜好和全部用户的倾向的推荐。
[1-1：推荐系统10的配置]
首先，将参照图1说明根据实施例的推荐系统10的配置。图1是用于说明推荐系统10的配置的说明图。图1中所示的推荐系统10的系统配置是一个示例。
如图1所示，推荐系统10包括服务器装置11、存储装置12以及多个用户终端13。服务器装置11通过网络14连接到多个用户终端13。在图1中，示出个人计算机和蜂窝电话作为用户终端13的示例，然而，用户终端13的形式不限于以上形式，并且可以应用信息终端、游戏机、视频装置、信息家电等。
服务器装置11是用于接收用户的反馈并且根据所接收到的反馈为用户提供服务的装置。例如，服务器装置11具有网上商店的功能，从而为用户提供商品的销售服务。服务器装置11通过网络14向用户终端13提供商品信息，并且根据从用户终端13接收到的反馈提供诸如网上支付服务的服务。服务器装置11还在从用户终端13接收到反馈时将反馈的信息(例如，购买历史和评价信息)存储在存储装置12中。存储装置12可以设置在服务器装置11的壳体内部。
存储在存储装置12中的反馈的信息用于分析用户的嗜好或者用于分析项目间的关联度。例如，服务器装置11基于每个用户购买项目的数量和每个用户附加到各个项目的评价值而分析每个用户的嗜好，并且生成如下嗜好信息(例如，参照图6)：其中，高得分被分配给具有较大购买数量的项目和具有较高评价值的项目。服务器装置11还基于每个用户对于各个项目所附加的反馈的存在而分析项目间的关联度，并且计算项目间的关联度(例如，参照图5)。服务器装置11还基于嗜好信息和项目间的关联度，向已给予反馈的用户推荐与已被给予反馈的项目相关的项目。
以上是推荐系统10的配置的说明。在推荐系统10中推荐项目是通过服务器装置11和存储装置12的功能来实现的。相应地，如下将关注服务器装置11和存储装置12的功能配置而进行说明。
[1-2：服务器装置11和存储装置12的功能配置]
将参照图2说明根据实施例的服务器装置11和存储装置12的功能配置。图2是用于说明根据实施例的服务器装置11和存储装置12的功能配置的说明图。
如图2所示，服务器装置11包括反馈接收单元111、反馈信息更新单元112、中间值表格生成单元113、关联度计算单元114、项目推荐单元115以及嗜好分析单元116。存储装置12主要包括历史表格存储单元121、中间值表格存储单元122以及关联度表格存储单元123。
首先，将通过使用用户终端13从用户给予的反馈输入到反馈接收单元111。例如，当用户执行项目的购买操作时，将表示项目的购买的信息作为反馈输入到反馈接收单元111。输入到反馈接收单元111中的反馈信息被输入到反馈信息更新单元112。当输入反馈信息时，反馈信息更新单元112将所输入的反馈信息存储在历史表格存储单元121中。
如图3所示的历史表格存储在历史表格存储单元121中。历史表格存储表示已接收到反馈的项目与已给予反馈的用户的组合的信息，使得可以看出哪个用户已对哪个项目给予反馈。
在作为示例的、图3所示的历史表格中，“用户ID(标识符)”表示已给予反馈的用户的标识信息。“项目ID”表示被给予反馈的项目的标识信息。相应地，从图3的示例中可见，具有“用户ID”＝1的用户对于具有“项目ID”＝1、2的项目已给予反馈。类似地，具有“用户ID”＝2的用户对于具有“项目ID”＝1的项目已给予反馈，以及具有“用户ID”＝3的用户对于具有“项目ID”＝2的项目已给予反馈。
当通过反馈信息更新单元112将反馈信息存储在历史表格存储单元121中时，中间值表格生成单元113基于存储在历史表格存储单元121中的历史表格，生成中间值表格(参照图4)。中间值表格表示关于项目间的关联度的信息。由中间值表格生成单元113生成的中间值表格存储在中间值表格存储单元122中。
当中间值表格存储在中间值表格存储单元122中时，关联度计算单元114通过使用存储在中间值表格存储单元122中的中间值表格，计算项目间的关联度。然后，将由关联度计算单元114计算出的项目间的关联度作为关联度表格存储在关联度表格存储单元123中(参照图5)。
当项目间的关联度存储在关联度存储单元123中时，项目推荐单元115基于存储在关联度存储单元123中的关联度表格，选择相对于已被给予反馈的项目具有高关联度的项目组。接下来，项目推荐单元115从所选择的项目组中选择与用户的嗜好对应的给定数量的项目，并且向已给予反馈的用户推荐项目。此时，项目推荐单元115基于由嗜好分析单元116生成的嗜好信息，从所选择的项目组中选择与用户的嗜好对应的给定数量的项目。
例如，嗜好分析单元116为已给予反馈的用户在过去给予了大量反馈的项目分配较高的得分，从而将分配给各个项目的得分存储为嗜好信息(参照图6)。在图6的示例中，具有“用户ID＝1”的用户对于具有“项目ID”＝1的项目具有较高的嗜好。另外，优选地，嗜好分析单元116具有如下配置：其为已给予反馈的用户在过去给予良好反馈的项目分配较高的得分。
以上是服务器装置11和存储装置12的功能配置的说明。然而，在以上说明中，省略了历史表格、中间值表格和关联度表格的配置、以及根据历史表格的存储值计算中间值表格的存储值的方法和根据中间值表格的存储值计算关联度表格的存储值的方法。相应地，将更详细地说明根据反馈信息计算项目间的关联度的具体方法和基于关联度推荐项目的方法。
[1-3：使用P矩阵、D矩阵以及J矩阵的推荐方法]
根据实施例的服务器装置11使用历史表格、中间值表格以及关联度表格，来选择要推荐给已给予反馈的用户的项目。然而，替代使用图3至图5所示的历史表格、中间值表格以及关联度表格，实际使用如图7至图9所示的历史矩阵(下文中称为P矩阵)、中间值矩阵(下文中称为D矩阵)以及关联度矩阵(下文中称为J矩阵)。
(1-3-1：P矩阵、D矩阵以及J矩阵的配置)
这里，将说明P矩阵、D矩阵以及J矩阵的配置。
(P矩阵)
如图7所示，P矩阵是表示已给予反馈的用户与接收反馈的项目之间的关系的矩阵。当用户u对项目i给予反馈时，将1输入到与用户u和项目i对应的元素P(i，u)。例如，将1输入到与用户2(用户2)和项目1(项目1)对应的列(P矩阵的元素P(1，2))，因此，可见用户2已对于项目1给予反馈。
P矩阵存储在历史表格存储单元121中。当反馈接收单元111接收到反馈时，反馈信息更新单元112更新存储在历史表格存储单元121中的P矩阵。
(D矩阵)
如图8所示，D矩阵是表示项目间的关系的矩阵。D矩阵用于计算稍后描述的J矩阵，D矩阵是基于P矩阵而计算出的。通过以下表达式(1)定义关于项目i和项目j的、D矩阵的元素D(i，j)。D矩阵由中间值表格生成单元113生成，并且存储在中间值表格存储单元122中。由于D矩阵关于i、j对称，因此，如图8所示，仅将i＞j的元素存储在中间值表格存储单元122中就足够了。
(J矩阵)
如图9所示，J矩阵是表示项目间的关联度的矩阵。J矩阵是基于P矩阵和D矩阵而计算出的。通过以下表达式(2)定义关于项目i和项目j的、J矩阵的元素J(i，j)。J矩阵由关联度计算单元114计算，并且存储在关联度表格存储单元123中。由于J矩阵关于i、j对称，因此，如图9所示，仅将i＞j的元素存储在关联度表格存储单元123中就足够了。
以上是P矩阵、D矩阵以及J矩阵的配置的说明。在下文中，将说明以上P矩阵、D矩阵和J矩阵的更新方法、以及使用以上方法推荐项目的方法。
(1-3-2：大致的处理流程)
首先，将参照图10说明与使用P矩阵、D矩阵以及J矩阵推荐项目的方法相关的处理的大致流程。图10是用于说明与使用P矩阵、D矩阵以及J矩阵推荐项目的方法相关的处理的大致流程的说明图。
如图10所示，首先，服务器装置11确定是否存在反馈(S101)。当反馈接收单元111接收到反馈时，服务器装置11允许处理前进到步骤S102。另一方面，当反馈接收单元111没有接收到反馈时，服务器装置11使处理返回到步骤S101。当处理前进到步骤S102时，服务器装置11使用反馈信息更新单元112的功能、基于由反馈接收单元111接收到的反馈信息，对存储在历史表格存储单元121中的P矩阵进行更新(S102)。
随后，已对存储在历史表格存储单元121中的P矩阵进行更新的服务器装置11使用中间值表格生成单元113的功能、基于更新后的P矩阵，对存储在中间值表格存储单元122中的D矩阵进行更新(S103)。接下来，已对存储在中间值表格存储单元122中的D矩阵进行更新的服务器装置11使用关联度计算单元114的功能、基于更新后的D矩阵和P矩阵，对存储在关联度表格存储单元123中的J矩阵进行更新(步骤S104)。接下来，服务器装置11使用项目推荐单元115的功能、基于更新后的J矩阵和嗜好信息，推荐与接收到反馈的项目相关的项目(S105)。
以上是与使用P矩阵、D矩阵以及J矩阵推荐项目的方法相关的处理的大致流程的说明。
(1-3-3：具体的处理流程)
接下来，将参照图11和图12说明P矩阵、D矩阵以及J矩阵的具体更新处理。图11和图12是用于说明P矩阵、D矩阵以及J矩阵的具体更新处理的说明图。这里，将说明当用户u购买项目i时所执行的具体处理流程作为示例。除购买以外的反馈与该情况相同。
首先，如图11所示，服务器装置11通过参照存储在历史表格存储单元121中的P矩阵来确定P矩阵的元素P(i，u)是否为0(S111)。当P矩阵的元素P(i，u)为0时，服务器装置11允许处理前进到步骤S112。另一方面，当P矩阵的元素P(i，u)不为0时，服务器装置11允许处理前进到步骤S113。P矩阵的元素P(i，u)为0的情况表示用户u之前尚未对项目i给予反馈的情况。
当处理前进到步骤S112时，服务器装置11使用反馈信息更新单元112的功能，在P矩阵的元素P(i，u)中设置1，并且对存储在历史表格存储单元121中的P矩阵进行更新(S112)。例如，当用户5购买了项目2时，如图13所示，将P矩阵的元素P(2，5)更新为1。已对P矩阵进行更新的服务器装置11允许处理进行到步骤S113。
当处理前进到步骤S113时，服务器装置11开始关于参数k(k＝1至i-1)的处理循环(S113)。首先，服务器装置11通过参照存储在历史表格存储单元121中的更新后的P矩阵，确定P矩阵的元素P(k，u)是否为1(S114)。当P矩阵的元素P(k，u)为1时，服务器装置11允许处理进行到步骤S115。另一方面，当P矩阵的元素P(k，u)不为1时，服务器装置11允许处理前进到步骤S116。
当处理前进到步骤S115时，服务器装置11参照存储在中间值表格存储单元122中的D矩阵，通过使用D矩阵的元素D(i，k)来对存储在关联度存储单元123中的J矩阵进行更新(S115)。具体地，服务器装置11使用关联度计算单元114的功能，将1/D(i，k)与存储在关联度存储单元123中的J矩阵的元素J(i，k)相加，以计算新的J矩阵的元素J(i，k)。然后，将新的J矩阵的元素J(i，k)存储在关联度存储单元123中，并且处理前进到步骤S118。
当在步骤S114中处理前进到步骤S116时，服务器装置11通过中间值表格生成单元113的功能，将1与存储在中间值表格存储单元122中的D矩阵的元素D(i，k)相加，以计算新的D矩阵的元素D(i，k)(S116)。然后，将新的D矩阵的元素D(i，k)存储在中间值表格存储单元122中，并且处理前进到步骤S117。
接下来，服务器装置11通过关联度计算单元114的功能，通过使用存储在中间值表格存储单元122中的更新后的D矩阵和存储在关联度表格存储单元123中的J矩阵，计算新的J矩阵的元素J(i，k)(S117)。此时，服务器装置11通过使用关联度计算单元114的功能，基于以下表达式(3)而计算新的J矩阵的元素J(i，k)。然后，将新的J矩阵的元素J(i，k)存储在关联度表格存储单元123中，并且处理前进到步骤S118。
当处理前进到步骤S118时，服务器装置11确定关于参数k的处理循环是否完成(S118)。具体地，在步骤S118中确定参数k是否为i-1。当k＜i-1时，将1与参数k相加，并且处理返回到步骤S113。另一方面，当k＝i-1时，处理前进到步骤S119(图12)。
这里，在参照图14和图15的同时，将利用具体示例进行D矩阵的更新处理(参照S114、S116)和J矩阵的更新处理(参照S114、S115以及S117)的补充说明。在这种情况下，作为示例，将考虑用户5已购买项目2的情况(u＝5，i＝2)。在用户5已购买项目2时的P矩阵的更新方法与参照图13进行的以上说明中相同。
在用户5已购买项目2的情况下，如图13所示，将P矩阵的元素P(2，5)更新为1(对应于步骤S112)。
当对P(2，5)进行更新时，开始步骤S113至S118中的参数k(k＝1至4)的处理循环。首先，在步骤S114中确定P(k，5)是否为1。在图14的示例中，在更新后的P矩阵中，P(1，5)≠1，P(2，5)＝1，P(3，5)＝1，P(4，5)≠1，因此，当k＝1、4时处理前进到步骤S115，而当k＝2、3时处理前进到步骤S116。
当处理前进到步骤S115时，不执行D矩阵的更新处理。即，当k＝2、3时，不执行D矩阵的更新处理。另一方面，当处理前进到步骤S116时，执行D矩阵的更新处理。具体地，当k＝1、4时，执行步骤S116中的D矩阵的更新处理。因此，在图14的示例中，在D矩阵中仅D(1，2)和D(2，4)为更新对象，并且分别加1以更新为新的D(1，2)和D(2，4)。
接下来，执行J矩阵的更新处理。当处理前进到步骤S115时(当k＝2、3时)，如图15所示，将1/D(2，3)与J(2，3)相加以更新为新的J(2，3)。另一方面，当处理前进到步骤S117时(当k＝1、4)，如图15所示，基于以上表达式(3)，将元素J更新为新的J(1，2)和J(2，4)。
如以上所说明，在关于参数k(k＝1至i-1)的处理循环(S113至S118)中，对D矩阵和J矩阵进行更新。当完成处理循环(S113至S118)时，处理前进到步骤S119(图12)。
当处理前进到步骤S119(图12)时，服务器装置11开始关于参数k的处理循环(k＝i+1至n)(S119)。首先，服务器装置11通过参照存储在历史表格存储单元121中的更新后的P矩阵，确定P矩阵的元素P(k，u)是否为1(S120)。当P矩阵的元素P(k，u)为1时，服务器装置11允许处理前进到步骤S121。另一方面，当P矩阵的元素P(k，u)不为1时，服务器装置11允许处理前进到步骤S122。
当处理前进到步骤S121时，服务器装置11参照存储在中间值表格存储单元122中的D矩阵，通过使用D矩阵的元素D(k，i)来对存储在关联度表格存储单元123中的J矩阵进行更新(S121)。具体地，服务器装置11使用关联度计算单元114的功能，将1/D(k，i)与存储在关联度表格存储单元123中的J矩阵的元素J(k，i)相加，以计算新的J矩阵的元素J(k，i)。然后，将新的J矩阵的元素J(k，i)存储在关联度表格存储单元123中，并且处理前进到步骤S124。
当在步骤S120中处理前进到步骤S122时，服务器装置11使用中间值表格生成单元113的功能，将1与存储在中间值表格存储单元122中的D矩阵的元素D(k，i)相加，以计算新的D矩阵的元素D(k，i)(S122)。然后，将新的D矩阵的元素D(k，i)存储在中间值表格存储单元122中，并且处理前进到步骤S123。
接下来，服务器装置11使用关联度计算单元114的功能，通过使用存储在中间值表格存储单元122中的更新后的D矩阵和存储在关联度表格存储单元123中的J矩阵，计算新的J矩阵的元素J(k，i)(S123)。此时，服务器装置11使用关联度计算单元114的功能，基于以下表达式(4)而计算新的J矩阵的元素J(k，i)。然后，将新的J矩阵的元素J(k，i)存储在关联度表格存储单元123中，并且处理前进到步骤S124。
当处理前进到步骤S124时，服务器装置11确定关于参数k的处理循环是否完成(S124)。具体地，在步骤S124中确定参数k是否为n。当k＜n时，将1与参数k相加，并且处理返回到步骤S119。另一方面，当k＝n时，完成与P矩阵、D矩阵以及J矩阵的更新相关的系列处理。步骤S119至S124的处理循环中对D矩阵和J矩阵的具体更新方法与参照图14和图15说明的步骤S113至S118的处理循环中对D矩阵和J矩阵的具体更新方法基本相同。
以上是P矩阵、D矩阵以及J矩阵的更新方法的说明。
(1-3-4：使用嗜好信息的推荐方法)
接下来，将参照图16说明与使用嗜好信息和J矩阵推荐项目的方法相关的处理流程。图16是用于说明与使用嗜好信息和J矩阵推荐项目的方法相关的处理流程的说明图。
如图16所示，首先，服务器装置11使用嗜好分析单元116的功能，对反馈进行学习，并且基于学习结果而获取嗜好信息(S131)。服务器装置11可以被配置成使用嗜好分析单元116的功能而使用用户的手输入的嗜好信息。
例如，通过反馈接收单元111将诸如购买历史、评价值以及详细信息的访问历史的反馈输入到嗜好分析单元116。当输入这样的反馈时，嗜好分析单元116对具有较高购买频率的项目、具有较高评价值的项目以及具有较高的详细信息的访问频率的项目分配较高的得分，以生成如图6所示的嗜好信息。如图6所示，嗜好信息由表示各个用户对于各个项目的嗜好的得分来表示。因此，可以通过以嗜好信息比较对于给予反馈的用户的各个项目的得分并提取具有较高得分的项目，检测用户喜好的项目。
这里，将进行嗜好信息的生成方法的补充说明。如上所述，基于用户给予的反馈而生成嗜好信息。然而，存在各种类型的反馈，诸如购买、评价以及对详细信息的访问。例如，可以想到，用户对购买的项目的嗜好比对仅详细信息被访问的项目的嗜好高。当然，可以想到，用户对附加了较高评价值的项目的嗜好比对附加了较低评价值的项目的嗜好更高。因此，当生成嗜好信息时，需要考虑与反馈的类型对应的权重。
例如，当将表示用户u对于项目i的嗜好度的得分表示为UP(u，i)时，将关于第k个反馈的权重表示为ak，并且将在给予对于项目i的第k个反馈时附加的得分(与反馈的类型无关的得分)表示为xi，k，通过以下表达式(5)表示得分UP(u，i)。可以将得分xi，k设置为与k无关的给定值，以及设置为根据k变化的得分。例如，还优选的是，得分xi，k按给予反馈的定时的顺序增加。作为权重ak，例如，对购买设置大权重值(1.0)，对评价设置中间权重值(0.6)，以及对详细信息的访问设置小权重值(0.3)。
当如上所述由嗜好分析单元116生成嗜好信息时，服务器装置11将由嗜好分析单元116生成的嗜好信息输入到项目推荐单元115。服务器装置11还通过项目推荐单元115的功能，提取与已接收到反馈的项目相关的项目组(在下文中称为相关项目组)(S132)。此时，服务器装置11通过项目推荐单元115的功能，参照存储在关联度表格存储单元123中的J矩阵，以提取相对于接收反馈的项目具有较高相关值(J矩阵的值)的项目组。
已提取相关项目组的服务器装置11通过项目推荐单元115的功能，使用由嗜好分析单元116输入的嗜好信息来从相关项目组中选择与用户的嗜好相对应(具有较高得分)的给定数量的项目。然后，服务器装置11通过项目推荐单元115的功能，生成包括从相关项目组中所选择的项目(在下文中称为相关项目)的推荐列表(S133)。随后，服务器装置11通过项目推荐单元115的功能，向已给予反馈的用户推荐包括在推荐列表中的相关项目(S134)。
以上是使用嗜好信息的推荐方法的说明。
(1-3-5：关于效率化方法)
接下来，将参照图17和图18说明用于增加计算J矩阵时的计算效率和存储器的使用效率的装置。图17和图18是用于说明用于增加计算J矩阵时的计算效率和存储器的使用效率的装置的说明图。如上所述，J矩阵的计算与以上表达式(1)、(2)的计算对应。当参照以上表达式(1)、(2)时，可见关于P矩阵的元素的两种求和S1、S2(以下表达式(6)、(7))包括在计算中。
以上的S1(i)表示所有用户对项目i给予反馈的频率。另一方面，以上的S2(i，j)表示同一用户对项目i、j两者给予反馈的频率。例如，当反馈的类型是购买时，如图17所示，每个项目的购买数量对应于以上表达式(6)。另外，如图18所示，每个项目组合的购买数量(同现数量)对应于以上表达式(7)。因此，通过存储如图17和图18所示的购买数量和同现数量的表格，可以省略由以上表达式(6)、(7)表示的求和计算。结果，可以使得在以上表达式(1)、(2)中表示的对J矩阵的计算更有效。
以上是使得计算J矩阵时的计算更有效的方法的说明。
[1-4：修改示例]
接下来，将说明实施例的修改示例。
(1-4-1J矩阵的近似更新方法(第一修改示例))
当应用如上说明的使用P矩阵、D矩阵以及J矩阵的推荐方法时，可以在接收用户的反馈时实时地执行反映反馈的相关项目的推荐。然而，存在减少J矩阵的计算负荷以尽可能缩短推荐相关项目所需的时间的要求。相应地，本发明的发明人设计了一种减少推荐相关项目所需的计算负荷以缩短推荐相关项目所需的时间的方法。
在下文中，将参照图19至图21说明J矩阵的近似更新方法。图19至图21是用于说明J矩阵的近似更新方法的说明图。
首先，将参照图19说明与J矩阵的近似更新方法相关的处理流程。如图19所示，首先，服务器装置11基于在时刻(t+1)处的反馈信息而计算J矩阵(S141)。步骤S141中计算J矩阵的方法与以上说明的方法相同。接下来，服务器装置11将在前一时刻t处的J矩阵与在时刻(t+1)处的J矩阵进行比较以计算更新值δ(S142)。
更新值δ是用于近似计算在时刻(t+2)处的J矩阵的参数。这里，将进行更新值δ的计算方法的补充说明。
如图20所示，服务器装置11参照从时刻t至时刻(t+1)给予各个项目的反馈(举出“购买”的情况作为示例)的数量(购买数量)。在图20的示例中，在项目4(项目4)中购买数量最大，服务器装置11选择项目4。另外，服务器装置11将所选择的项目4的购买数量存储为n＝64。
随后，服务器装置11参照在t时刻处的J矩阵。此时，服务器装置11参照与购买数量最大的项目4相关的J矩阵的元素J(1，4)、J(2，4)、J(3，4)。服务器11还参照在时刻(t+1)处的J矩阵。此时，服务器装置11参照与购买数量最大的项目4相关的J矩阵的元素J(1，4)、J(2，4)、J(3，4)。然后，服务器装置11将在时刻t处的J矩阵的元素J(1，4)、J(2，4)、J(3，4)与在时刻(t+1)处的J矩阵的元素J(1，4)、J(2，4)、J(3，4)进行比较。
服务器装置11从J矩阵的元素J(1，4)、J(2，4)、J(3，4)的差值ΔJ(1，4)＝0.12、ΔJ(2，4)＝0.16以及ΔJ(3，4)＝0.06中选择最大值ΔJ(2，4)＝0.16。将该最大值表示为d。此外，服务器装置11通过使用最大值d＝ΔJ(2，4)来计算更新值δ＝d/n＝0.16/62＝0.00258。已用具体示例(反馈类型是“购买”的情况)进行了说明，然而，还可以在反馈类型或J矩阵的值不同的情况下以相同的方式计算更新值δ。
再次参照图19。在步骤S142中计算出更新值δ之后，服务器装置11确定在下一时刻(t+2)处是否存在反馈(S143)。当存在反馈时，服务器装置11允许处理前进到步骤S144。另一方面，当不存在反馈时，服务器装置11使处理返回到步骤S143并等待反馈。
当处理前进到步骤S144时，服务器装置11基于在时刻(t+2)处的反馈而对P矩阵进行更新(S144)。随后，服务器装置11通过使用在步骤S142中所计算出的更新值δ来计算在时刻(t+2)处的J矩阵(S145)。然而，这里所计算出的J矩阵不是通过基于在步骤S144中所更新的P矩阵的以上表达式(1)、(2)而计算出的，因此，J矩阵基本对应于根据在时刻t和时刻(t+1)处的J矩阵预测出的、在时刻(t+2)处的J矩阵。
这里，将参照图21进行与使用更新值δ计算在时刻(t+2)处的J矩阵的方法有关的补充说明。将考虑如下情况：在过去对项目2、3给予反馈(在这种情况下，举出“购买”的情况作为示例)的用户在时刻(t+2)处已对项目1给予反馈。
如图21所示，服务器装置11首先参照在时刻(t+1)处的J矩阵。此时，服务器装置11关注关于在时刻(t+2)处购买的项目1与之前购买的项目2、3之间的组合的元素(下文中称为关注元素)。接下来，服务器装置11将在步骤S142中所计算出的更新值δ与在时刻(t+1)处的关注元素的值相加，以计算在时刻(t+2)处的J矩阵。
如上所述，服务器装置11执行使用更新值δ更新J矩阵的处理。在给定定时，服务器装置11通过上述方法，基于以上表达式(1)、(2)执行J矩阵的计算。如上所述，通过使用更新值δ来更新J矩阵，实现了高速更新处理。另外，通过在给定定时执行根据P矩阵计算J矩阵的处理，可以抑制由于近似产生的误差的累积。
将如以上那样说明J矩阵的近似更新方法。
(1-4-2：基于偏向参数更新J矩阵的方法(第二修改示例))
接下来，将参照图22说明基于偏向参数更新J矩阵的方法。图22是用于说明基于偏向参数更新J矩阵的方法的说明图。该情况下的偏向参数表示用于对J矩阵的元素执行加权以便对应于用户的嗜好的参数。
如图22所示，根据项目类型预先确定偏向参数。在图22的示例中，当项目是游戏软件时，偏向参数被设置为1.2n-1，当项目是视频软件时，偏向参数被设置为1.1n-1，以及当项目是漫画书时，偏向参数被设置为1.4n-1。n表示购买顺序。例如，当用户顺序地购买了项目2、3(游戏软件)时，服务器装置11计算关于项目2、3的偏向参数。在这种情况下，项目2的偏向参数b1将为1.20＝1.0，而项目3的偏向参数b2将为1.21＝1.2。
在计算出偏向参数b1、b2之后，服务器装置11参照J矩阵，并且关注与项目2、3有关的J矩阵的元素J(1，2)、J(1，3)以及J(2，3)。然后，服务器装置11将J矩阵的元素J(1，2)乘以偏向参数b1，并且将J矩阵的元素J(1，3)、J(2，3)乘以偏向参数b2。如上所述，通过偏向参数更新J矩阵的服务器装置11基于更新后的J矩阵而生成推荐列表，并且基于所生成的推荐列表而向用户推荐相关项目。
以上是基于偏向参数更新J矩阵的方法的说明。
[1-5：硬件配置]
包括在以上服务器装置11和用户终端13中的各个部件的功能可以通过使用例如图23所示的信息处理设备的硬件配置来实现。即，各个部件的功能通过使用计算机程序控制图23所示的硬件来实现。硬件的形式是可选的，包括例如个人计算机、诸如蜂窝电话、PHS和PDA的信息终端、游戏机以及各种信息家电。PHS是“个人手持式电话系统”的缩写。PDA是“个人数字助理”的缩写。
如图23所示，硬件主要包括CPU 902、ROM 904、RAM 906、主机总线908以及桥接器910。硬件还包括外部总线912、接口914、输入单元916、输出单元918、存储单元920、驱动器922、连接端口924以及通信单元926。CPU是“中央处理单元”的缩写。ROM是“只读存储器”的缩写。RAM是“随机存取存储器”的缩写。
CPU 902起计算处理装置或控制装置的作用，其基于存储在ROM 904、RAM 906、存储单元920或可移动记录介质928中的各种类型的程序，控制各个部件的整体操作或其部分。ROM 904是用于存储由CPU 902读取的程序、用于计算的数据等的装置。例如，要由CPU902读取的程序、在执行程序时适当变化的各种参数等临时或永久存储在RAM 906中。
这些部件例如通过能够高速传送数据的主机总线908彼此连接。主机总线908例如通过桥接器910连接到以相对低的速度传送数据的外部总线912。例如，使用鼠标、键盘、触摸板、按钮、开关、操纵杆等作为输入单元916。另外，有时也将能够通过使用红外线或其它电波传送控制信号的远程控制器用作输入单元916。
可以使用能够视觉上或听觉上向用户通知所获取的信息的装置(例如，诸如CRT、LCD、PDP和ELD的显示装置，诸如扬声器、头戴式耳机的音频输出装置以及打印机、蜂窝电话、传真机等)作为输出单元918。CRT是“阴极射线管”的缩写。LCD是“液晶显示器”的缩写。PDP是“等离子显示板”的缩写。ELD是“电致发光显示器”的缩写。
存储单元920是用于存储各种数据的装置。例如，使用诸如硬盘驱动器(HDD)的磁存储装置、半导体存储装置、光存储装置、磁-光存储装置等作为存储单元920。HDD是“硬盘驱动器”的缩写。
驱动器922是读取记录在可移动记录介质928(诸如，磁盘、光盘、磁-光盘、半导体存储器等)中的信息并且将信息写入可移动记录介质928中的装置。例如，可以使用DVD(数字多功能盘)介质、蓝光介质、HD DVD(高清数字多功能盘)介质、各种半导体存储介质等作为可移动记录介质928。当然，可移动记录介质928可以应用例如安装有非接触式IC芯片的IC卡、电子装置等。IC是“集成电路”的缩写。
连接端口924是用于连接外部连接装置930的端口，该端口是例如USB端口、IEEE1394端口、SCSI、RS-232C端口或者光学音频终端。可以举出打印机、便携式音乐播放器、数码照相机、数码摄像机、IC记录器等作为外部连接装置930。USB是“通用串行总线”的缩写。SCSI是“小型计算机系统接口”的缩写。
可以使用用于连接到网络932的通信装置作为通信单元926，该通信装置是例如用于有线或无线LAN、蓝牙(注册商标)以及WUSB的通信卡、用于光通信的路由器、用于ADSL的路由器、用于各种通信的调制解调器。连接到通信单元926的网络932包括通过有线或无线通信连接的网络，例如，因特网、家庭LAN、红外通信、可见光通信、广播、卫星通信等。LAN是“局域网”的缩写。WUSB是“无线USB”的缩写。另外，ADSL是“非对称数字用户线”的缩写。
<2：总结>
最后，简要总结根据本公开的实施例的技术内容。这里描述的技术内容可应用于各种信息处理设备，诸如PC(个人计算机)、蜂窝电话、便携式游戏机、便携式信息终端、信息家电以及汽车导航系统。
可以如下表示信息处理设备的功能配置。信息处理设备包括反馈接收单元、反馈历史存储单元、关联度计算单元以及推荐单元。反馈接收单元是用于接收用户对于项目的反馈的装置。使用项目的购买、对关于项目的信息的访问、对项目的评价等作为反馈。
反馈历史存储单元是如下装置：其以用户与项目的组合的单元存储由反馈接收单元在现在或过去接收的反馈的信息。例如，反馈信息包括项目的购买历史、关于项目的信息的访问历史、对于项目的评价信息等。
关联度计算单元是如下装置：其在由反馈接收单元接收到反馈时，通过使用存储在反馈历史存储单元中的反馈信息，基于表示同一用户对各个项目给予反馈的程度的第一信息和表示许多用户给予反馈的程度的第二信息，计算项目间的关联度。例如，当反馈信息表示用户的购买历史时，第一信息将是表示同一用户对项目的购买数量的信息。第二信息将是表示由多个用户购买的项目的数量的信息。
通过考虑以上第一信息，项目间的关联度将是反映用户的嗜好的信息。另一方面，通过考虑第二信息，项目间的关联度将是反映经由项目的在用户间的关联度的信息。即，由关联度计算单元计算出的关联度表示如下的项目间的关联度：其反映用户的嗜好和用户间的关联度。推荐单元向已通过反馈接收单元对项目给予反馈的用户立即推荐相对于该项目具有较高关联度的项目。
结果，可以考虑用户的嗜好和经由项目的在用户间的关联度两者，向用户推荐所选择的项目。另外，在用户给予反馈之后，反馈立即反映在推荐结果上，因此，向用户推荐适合反馈时的用户的嗜好的项目。
(补充)
推荐系统10是项目推荐系统的示例。反馈信息更新单元112和历史表格存储单元121是反馈历史存储单元的示例。中间值表格生成单元113和关联度计算单元114是关联度计算单元的示例。项目推荐单元115是推荐单元的示例。关联度计算单元114是变化检测单元和关联度预测单元的示例。嗜好分析单元116是嗜好信息生成单元的示例。
已参照附图说明了本公开的优选实施例，不言而喻，本公开不限于以上示例。本领域的技术人员应该理解，在所附权利要求的范围内可以进行各种变更和修改，并且这些变更和修改当然属于本公开的技术范围。
例如，除了实施例的基本配置之外，还示出了两种类型的修改示例。可以将基本配置与修改示例进行组合，并且组合的方式不受限。另外，在以上说明中具体示出了反馈的类型、偏向参数的类型，然而，实施例的技术范围不限于这些具体示例。
本公开包含与2010年6月15日向日本专利局提交的日本优先权专利申请2010-135655中公开的主题内容相关的主题内容，在此通过引用将其全文合并于此。
本领域的技术人员应该理解，在所附权利要求或其等同方案的范围内，根据设计需要和其它因素，可进行各种修改、组合、子组合以及变更。

Claims (7)

1.一种项目推荐系统，包括：
反馈接收单元，其接收用户对于项目的反馈，其中，所述反馈包括关于购买、评价或信息访问中的至少一个动作的信息；
反馈历史存储单元，其存储由所述反馈接收单元在现在或过去接收的反馈的信息，所述反馈的信息表示用户与具有所述用户给予的反馈的项目的组合；
关联度计算单元，其在由所述反馈接收单元接收到反馈时，基于存储在所述反馈历史存储单元中的第一信息和第二信息，计算项目间的关联度，所述第一信息表示同一用户对各个项目给予反馈的程度和时间序列，所述第二信息表示许多用户在过去给予反馈的程度；以及
推荐单元，其基于由所述关联度计算单元计算出的关联度，立即向已通过所述反馈接收单元对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。
2.根据权利要求1所述的项目推荐系统，还包括：
变化检测单元，其通过对由所述关联度计算单元在时刻t1处计算出的项目间的关联度J(t1)和由所述关联度计算单元在时刻t2处计算出的项目间的关联度J(t2)进行比较，检测在时刻t1与时刻t2之间关联度变化到最高程度的项目i、j的组合，其中，所述时刻t2是紧接所述时刻t1的时刻；以及
关联度预测单元，其根据由所述变化检测单元检测到的关于项目i、j的关联度之间的差J(t2)-J(t1)，预测在紧接所述时刻t2的时刻t3处的项目间的关联度J(t3)，
其中，所述推荐单元在给定定时处基于由所述关联度计算单元计算出的关联度而推荐项目，并且在不同于所述给定定时的定时处基于由所述关联度预测单元预测出的关联度而推荐项目。
3.根据权利要求2所述的项目推荐系统，还包括：
嗜好信息生成单元，其基于由所述反馈历史存储单元存储的反馈信息，生成表示用户的嗜好的嗜好信息，
其中，所述嗜好信息生成单元刚好在由所述反馈接收单元接收反馈之前，基于由所述反馈历史存储单元存储的反馈信息而生成嗜好信息，并且
所述推荐单元基于刚好在由所述反馈接收单元接收反馈之前生成的嗜好信息，从具有较高关联度的项目中推荐对于已通过所述反馈接收单元对项目给予反馈的用户而言嗜好较高的项目。
4.根据权利要求3所述的项目推荐系统，
其中，在为每个项目设置了优先级系数时，所述推荐单元基于通过乘以所述优先级系数计算出的关联度，向已通过所述反馈接收单元对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。
5.根据权利要求4所述的项目推荐系统，
其中，所述反馈历史存储单元将所述反馈的信息存储在通过网络连接的存储装置中。
6.根据权利要求1所述的项目推荐系统，
其中，当在通过所述反馈接收单元接收用户u对于项目i的反馈时由所述反馈历史存储单元存储的所述反馈信息为P(i，u)时，并且当在接收到反馈的情况下设置P(i，u)＝1时以及在没有接收到反馈的情况下设置P(i，u)＝0时，通过以下表达式(1)表示项目i与项目j(j≠i)之间的关联度Ji，j
<mrow> <msub> <mi>J</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <munder> <mi>&amp;Sigma;</mi> <mi>U</mi> </munder> <mi>P</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>U</mi> </mrow> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>P</mi> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>U</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mrow> <munder> <mi>&amp;Sigma;</mi> <mi>U</mi> </munder> <mi>P</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>U</mi> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <munder> <mi>&amp;Sigma;</mi> <mi>U</mi> </munder> <mi>P</mi> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>U</mi> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <munder> <mi>&amp;Sigma;</mi> <mi>U</mi> </munder> <mi>P</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>U</mi> </mrow> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>P</mi> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>U</mi> </mrow> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>...</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>.</mo> </mrow>
7.一种项目推荐方法，包括：
接收用户对于项目的反馈，其中，所述反馈包括关于购买、评价或信息访问中的至少一个动作的信息；
存储在现在或过去接收的反馈的信息，所述反馈的信息表示用户与具有所述用户给予的反馈的项目的组合；
当在所述接收中接收到反馈时，基于通过所述存储所存储的反馈的信息的第一信息和第二信息，计算项目间的关联度，所述第一信息表示同一用户对各个项目给予反馈的程度和时间序列，所述第二信息表示许多用户在过去给予反馈的程度；以及
基于在所述计算中计算出的关联度，立即向已在所述接收中对项目给予反馈的用户推荐相对于该项目具有较高关联度的项目。
CN201110159198.4A 2010-06-15 2011-06-08 项目推荐系统以及项目推荐方法 Expired - Fee Related CN102289759B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010135655A JP2012003359A (ja) 2010-06-15 2010-06-15 アイテム推薦システム、アイテム推薦方法、及びプログラム
JP2010-135655 2010-06-15

Publications (2)

Publication Number Publication Date
CN102289759A CN102289759A (zh) 2011-12-21
CN102289759B true CN102289759B (zh) 2017-09-08

Family

ID=45096990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110159198.4A Expired - Fee Related CN102289759B (zh) 2010-06-15 2011-06-08 项目推荐系统以及项目推荐方法

Country Status (3)

Country Link
US (4) US8666834B2 (zh)
JP (1) JP2012003359A (zh)
CN (1) CN102289759B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5880101B2 (ja) * 2012-02-10 2016-03-08 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
JP5548235B2 (ja) * 2012-05-11 2014-07-16 日本電信電話株式会社 履歴情報利用装置、方法、及びプログラム
JP5843104B2 (ja) 2012-05-11 2016-01-13 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
US20150074544A1 (en) 2012-05-11 2015-03-12 Sony Corporation Information processing apparatus, information processing method, and program
JP5469233B1 (ja) * 2012-11-12 2014-04-16 ヤフー株式会社 レコメンド情報配信装置およびレコメンド情報配信方法
JP5878914B2 (ja) * 2013-12-26 2016-03-08 株式会社三井住友銀行 電子記録債権一括開示システム
JP2015135598A (ja) * 2014-01-17 2015-07-27 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
CN105450691B (zh) 2014-08-21 2019-08-16 阿里巴巴集团控股有限公司 业务处理方法、装置及服务器
KR102251285B1 (ko) * 2014-08-27 2021-05-14 주식회사 케이티 사용자의 실시간 선호도를 반영한 추천 시스템 및 서버
CN108090782B (zh) * 2016-11-21 2021-09-14 华为技术有限公司 一种网游推荐方法及服务器
US10445742B2 (en) 2017-01-31 2019-10-15 Walmart Apollo, Llc Performing customer segmentation and item categorization
US10657575B2 (en) * 2017-01-31 2020-05-19 Walmart Apollo, Llc Providing recommendations based on user-generated post-purchase content and navigation patterns
US11361347B2 (en) * 2019-06-14 2022-06-14 Apple Inc. Techniques for implementing advertisement auctions on client devices
US11805160B2 (en) 2020-03-23 2023-10-31 Rovi Guides, Inc. Systems and methods for concurrent content presentation
US11790364B2 (en) 2020-06-26 2023-10-17 Rovi Guides, Inc. Systems and methods for providing multi-factor authentication for vehicle transactions
US11599880B2 (en) 2020-06-26 2023-03-07 Rovi Guides, Inc. Systems and methods for providing multi-factor authentication for vehicle transactions
CN114071119B (zh) * 2020-07-31 2024-03-19 北京达佳互联信息技术有限公司 资源的测试方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101166102A (zh) * 2006-09-21 2008-04-23 索尼株式会社 信息处理设备及方法
CN101197929A (zh) * 2006-12-08 2008-06-11 索尼株式会社 信息处理装置、显示控制处理方法、及显示控制处理程序
CN101408960A (zh) * 2007-10-12 2009-04-15 阿里巴巴集团控股有限公司 一种个性化信息推荐方法和装置
CN101452480A (zh) * 2007-12-04 2009-06-10 索尼株式会社 信息处理设备、信息处理方法,以及信息处理程序
CN101452472A (zh) * 2007-12-03 2009-06-10 索尼株式会社 信息处理设备和方法以及程序
CN101571878A (zh) * 2008-04-28 2009-11-04 索尼株式会社 信息处理设备,以及相关项目的呈现方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020198882A1 (en) * 2001-03-29 2002-12-26 Linden Gregory D. Content personalization based on actions performed during a current browsing session
JP2003167901A (ja) 2001-11-29 2003-06-13 Kddi Corp 協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラム
WO2009021198A1 (en) * 2007-08-08 2009-02-12 Baynote, Inc. Method and apparatus for context-based content recommendation
US8260787B2 (en) * 2007-06-29 2012-09-04 Amazon Technologies, Inc. Recommendation system with multiple integrated recommenders
US20110093520A1 (en) * 2009-10-20 2011-04-21 Cisco Technology, Inc.. Automatically identifying and summarizing content published by key influencers
US20110131077A1 (en) * 2009-12-01 2011-06-02 Microsoft Corporation Context-Aware Recommendation Module Using Multiple Models

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101166102A (zh) * 2006-09-21 2008-04-23 索尼株式会社 信息处理设备及方法
CN101197929A (zh) * 2006-12-08 2008-06-11 索尼株式会社 信息处理装置、显示控制处理方法、及显示控制处理程序
CN101408960A (zh) * 2007-10-12 2009-04-15 阿里巴巴集团控股有限公司 一种个性化信息推荐方法和装置
CN101452472A (zh) * 2007-12-03 2009-06-10 索尼株式会社 信息处理设备和方法以及程序
CN101452480A (zh) * 2007-12-04 2009-06-10 索尼株式会社 信息处理设备、信息处理方法,以及信息处理程序
CN101571878A (zh) * 2008-04-28 2009-11-04 索尼株式会社 信息处理设备,以及相关项目的呈现方法

Also Published As

Publication number Publication date
JP2012003359A (ja) 2012-01-05
US20140129376A1 (en) 2014-05-08
US20210182938A1 (en) 2021-06-17
CN102289759A (zh) 2011-12-21
US20110307350A1 (en) 2011-12-15
US20180225740A1 (en) 2018-08-09
US8666834B2 (en) 2014-03-04

Similar Documents

Publication Publication Date Title
CN102289759B (zh) 项目推荐系统以及项目推荐方法
US10679233B2 (en) Systems and methods for interfacing with a website to modify content
US20190244269A1 (en) Product identification using multiple services
US10409821B2 (en) Search result ranking using machine learning
WO2009102826A3 (en) Online marketplace for sale of discounted stated value vouchers redeemable by vendors
CN109670903B (zh) 物品的处理方法、装置、存储介质和电子装置
JP2018005563A (ja) 処理装置、処理方法及びプログラム
CN112950322A (zh) 一种基于协同过滤优化的电力零售套餐推荐方法和系统
Newberry et al. Heterogeneous effects of online reputation for local and national retailers
CN106030641A (zh) 对于用户生成的游戏内容的微支付补偿
KR100891930B1 (ko) 상품 평가 데이터를 사용하여 인기 상품을 제공하는 방법,시스템 및 컴퓨터 판독 가능한 기록 매체
CN117172887B (zh) 商品推荐模型训练方法及商品推荐方法
JP2019164772A (ja) 提供装置、提供方法および提供プログラム
US20080172309A1 (en) Online marketing
JP5639314B1 (ja) 検索装置、検索方法、記録媒体、および、プログラム
JP6305595B1 (ja) 情報提供装置、情報提供方法および情報提供プログラム
KR101222251B1 (ko) 온라인 게임의 아이템 추천 방법 및 장치
JP6694087B1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN113781171A (zh) 信息推送方法、装置、设备及存储介质
US20080059322A1 (en) Method and system to generate a portable contract document
CN113807907B (zh) 一种电子交易方法、系统、装置、电子设备及其存储介质
WO2017166536A1 (zh) 在线购买电影票的方法和装置
KR20110136201A (ko) 최저가 쇼핑몰 제공 방법
JP6680917B1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP6246987B2 (ja) 商品検索装置、検索方法、記録媒体、および、プログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170908

Termination date: 20210608