CN103198082B - 信息处理装置和信息处理方法 - Google Patents
信息处理装置和信息处理方法 Download PDFInfo
- Publication number
- CN103198082B CN103198082B CN201210262513.0A CN201210262513A CN103198082B CN 103198082 B CN103198082 B CN 103198082B CN 201210262513 A CN201210262513 A CN 201210262513A CN 103198082 B CN103198082 B CN 103198082B
- Authority
- CN
- China
- Prior art keywords
- feedback
- user
- content
- unit
- acceptance
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种信息处理装置、信息处理方法和程序。所述信息处理装置包括:收集单元,其被配置来收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈;以及预测单元,其被配置来基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值。
Description
技术领域
本公开涉及信息处理装置、信息处理方法和程序,并且更具体地涉及适合于在推荐内容等时使用的信息处理装置、信息处理方法和程序。
背景技术
在推荐内容等的技术领域中,通常设计用于允许用户接受推荐内容等的各种计划。
例如,使用用于改善用户对于内容的评价的预测精度并且推荐与用户的偏好匹配的内容的技术,其中协作过滤(collaborative filtering)等技术名列前茅。
另外,例如,已经提出了提取用于指示推荐内容的特征的关键字等并且将关键字等作为推荐原因呈现的技术(例如,参见日本公开专利公布No.2007-58842)。
发明内容
因此,在推荐内容等的技术领域中,预期推荐的内容等被用户可靠地接受。
做出本公开以提高推荐内容等被用户接受的可能性。
根据本公开的第一方面,提供了一种信息处理装置,其包括:收集单元,其被配置来收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈;以及预测单元,其被配置来基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值。
所述信息处理装置可以进一步包括:选择单元,其被配置来基于所述 预测接受度来选择包括已经给出了对于要向所述活动用户呈现的内容的反馈的用户和所述反馈的至少一个与所述内容的组合;以及呈现控制单元,其被配置来控制向所述活动用户呈现在所选择的组合中包括的所述用户和所述反馈的至少一个与在所选择的组合中包括的所述内容。
所述选择单元可以优先地选择具有较高预测接受度的组合。
所述信息处理装置可以进一步包括:选择单元,其被配置来基于所述活动用户相对于所述内容和提示提供反馈的所述用户的组合的预测接受度或所述活动用户相对于所述用户的预测接受度来选择所述内容和所述用户的组合;引导单元,其被配置来提示在所选择的组合中包括的用户给出对于在所选择的组合中包括的内容的反馈;以及呈现控制单元,其被配置来控制向所述活动用户呈现在所选择的组合中包括的所述用户和由所述用户给出的所述反馈的至少一个与在所选择的组合中包括的内容。
所述选择单元可以优先地选择具有较高预测接受度的内容和用户的组合或包括具有所述较高预测接受度的用户的内容和用户的组合。
所述信息处理装置可以进一步包括:计数单元,其被配置来对于每一个用户、对于每一个反馈或对于所述用户和所述反馈的每一个组合计数多个活动用户的预测接受度;选择单元,其被配置来基于所述预测接受度的计数结果来选择包括所述用户和所述反馈的至少一个与要呈现的内容的组合;以及呈现控制单元,其被配置来控制呈现在所选择的组合中包括的所述用户和所述反馈的至少一个与在所选择的组合中包括的所述内容。
所述选择单元可以优先地选择包括具有所述多个活动用户的较高预测接受度的用户和反馈的组合。
所述信息处理装置可以进一步包括:计数单元,其被配置来对于每一个用户计数多个活动用户相对于所述内容和所述用户的组合的预测接受度或所述多个活动用户相对于所述用户的预测接受度;选择单元,其被配置来基于所述预测接受度的计数结果来选择提示提供反馈的所述内容和所述用户的组合;引导单元,其被配置来提示在所选择的组合中包括的用户给出对于在所选择的组合中包括的内容的反馈;以及呈现控制单元,其被配置来控制呈现在所选择的组合中包括的用户和由所述用户给出的所述反馈的至少一个与在所选择的组合中包括的内容。
所述选择单元可以优先地选择包括具有所述多个活动用户的较高预测接受度的用户的组合。
所述信息处理装置可以进一步包括:计数单元,其被配置来对于每一个用户计数所述活动用户相对于至少包括所述用户的组合的预测接受度;选择单元,其被配置来优先地选择具有所述活动用户的较高预测接受度的用户;以及呈现控制单元,其被配置来控制向所述活动用户呈现所选择的用户。
所述预测单元可以包括:接受模型产生单元,其被配置来基于所收集的元反馈来产生用于获得所述预测接受度的接受模型;以及接受预测单元,其被配置来基于所述接受模型来获得所述预测接受度。
根据本公开的第一方面,提供了一种信息处理方法,包括:由信息处理装置收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈;以及由所述信息处理装置基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值。
根据本公开的第一方面,提供了一种程序,用于使得计算机执行处理,所述处理包括:收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈;以及基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值。
根据本公开的第二方面,提供了一种信息处理装置,其包括:收集单元,其被配置来收集元反馈,所述元反馈是对于包括内容和对于所述内容的反馈的组合的反馈;以及预测单元,其被配置来基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容和所述反馈的至少一个的组合的程度的预测值。
所述信息处理装置可以进一步包括:选择单元,其被配置来基于所述预测接受度来选择包括要向所述活动用户呈现的内容与对于所述内容给出的反馈的组合;以及呈现控制单元,其被配置来控制向所述活动用户呈现在所选择的组合中包括的内容和在所选择的组合中包括的反馈。
所述信息处理装置可以进一步包括:计数单元,其被配置来对于每一个反馈计数多个活动用户的预测接受度;选择单元,其被配置来基于所述预测接受度的计数结果来选择包括要呈现的内容和所述反馈的组合;以及呈现控制单元,其被配置来控制呈现在所选择的组合中包括的内容和在所选择的组合中包括的反馈。
所述预测单元可以包括:接受模型产生单元,其被配置来基于所收集的元反馈来产生用于获得所述预测接受度的接受模型;以及接受预测单元,其被配置来基于所述接受模型来获得所述预测接受度。
根据本公开的第二方面,提供了一种信息处理方法,包括:由信息处理装置收集元反馈,所述元反馈是对于包括内容和对于所述内容的反馈的组合的反馈;以及由所述信息处理装置基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容和所述反馈的至少一个的组合的程度的预测值。
根据本公开的第二方面,提供了一种程序,用于使得计算机执行处理,所述处理包括:收集元反馈,所述元反馈是对于包括内容和对于所述内容的反馈的组合的反馈;以及基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容和所述反馈的至少一个的组合的程度的预测值。
根据本公开的第一方面,收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈,并且,基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值。
根据本公开的第二方面,收集元反馈,所述元反馈是对于包括内容和对于所述内容的反馈的组合的反馈,并且,基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容和所述反馈的至少一个的组合的程度的预测值。
根据本公开的第一方面或第二方面,可以增大用户接受推荐的内容等的可能性。
附图说明
图1是图示应用了本公开的信息处理系统的实施例的框图;
图2是图示用户网络DB(数据库)的数据配置的示例的图;
图3是图示接受模型产生处理的流程图;
图4是图示内容呈现屏幕的第一示例的图;
图5是图示内容呈现屏幕的第二示例的图;
图6是图示反馈DB的数据配置的示例的图;
图7是图示元反馈DB的数据配置的示例的图;
图8是图示在反馈分析后的反馈DB的数据配置的示例的图;
图9是图示在反馈分析后的元反馈DB的数据配置的示例的图;
图10是图示在反馈辨别后的元反馈DB的数据配置的示例的图;
图11是图示用于使用协作过滤产生接受模型的元反馈的数据的具体示例的图;
图12是图示用于使用协作过滤产生接受模型的元反馈的数据的具体示例的图;
图13是图示用于使用协作过滤产生接受模型的元反馈的数据的具体示例的图;
图14是图示相对于在使用协作过滤的接受模型中包括的活动用户的本征向量的示例的图;
图15是图示相对于在使用协作滤波的接受模型中包括的内容的本征向量的示例的图;
图16是图示相对于在使用协作过滤的接受模型中包括的用户的本征向量的示例的图;
图17是图示在使用协作过滤的接受模型中包括的权重向量的示例的图;
图18是图示CUF元组的特征量的示例的图;
图19是图示相对于用于使用基于内容的过滤(CBF)的接受模型的各个特征量的权重的示例的图;
图20是图示内容推荐处理的第一实施例的流程图;
图21是图示接受预测结果的第一示例的图;
图22是图示内容推荐屏幕的第一示例的图;
图23是图示内容推荐屏幕的第二示例的图;
图24是图示内容推荐屏幕的第三示例的图;
图25是图示内容推荐屏幕的第四示例的图;
图26是图示内容推荐屏幕的第五示例的图;
图27是图示内容推荐屏幕的第六示例的图;
图28是图示内容推荐处理的第二实施例的流程图;
图29是图示内容推荐处理的第三实施例的流程图;
图30是图示接受预测结果的第二示例的图;
图31是图示通过内容ID和用户ID排序的图30的接受预测结果的图;
图32是图示内容推荐处理的第四实施例的流程图;
图33是图示用户推荐处理的流程图;以及
图34是图示计算机的配置示例的框图。
具体实施方式
以下,将参考附图详细描述本公开的优选实施例。注意,在本说明书和附图中,使用相同的附图标号来表示具有基本上相同的功能和结构的结构元件,并且省略这些结构元件的重复描述。
以下,将以下面的顺序来描述用于体现本公开的形式(将被称为实施例):
1.实施例
1-1.信息处理系统1的配置示例
1-2.信息处理系统1的处理
2.修改示例
另外,以下,在本说明书中使用的术语被定义如下。
活动用户指示要向其推荐内容等的目标用户。
反馈是对于所呈现的内容等的用户响应,并且主要被划分为显式反馈和隐式反馈。显式反馈例如包括喜欢/厌恶、诸如5阶段评价的评价信息、使用词级或自然语句的标签的评述和图标。隐式反馈例如包括诸如再现、停止和跳过的对于用户终端的操作和内容购买等。
另外,以下,对于所呈现的内容、用户和用户的对于内容的反馈的组合的反馈或对于所呈现的内容和对于内容的反馈的组合的反馈具体被称 为元反馈。
CUF元组(tuple)是包括内容、用户和用户的对于内容的反馈的三个元素的组合集合。该元组也以类似的方式用于包括内容、用户和反馈的一部分的集合。例如,仅包括内容的集合被称为C元组,并且包括内容和用户的集合被称为CU元组。即,该元组具有根据要包括的项目的种类的多个类型。
另外,以下,例如,包括内容Ci(i是自然数)、用户Uj(j是自然数)和反馈Fk(k是自然数)的元组被表示为(Ci,Uj,Fk)元组。
<1.实施例>
[1-1.信息处理系统1的配置示例]
图1是图示应用了本公开的信息处理系统1的实施例的框图。
信息处理系统1包括服务器11和用户终端12-1至12-n。服务器11和用户终端12-1至12-n经由网络13互连。
另外,以下,当不必单独地在用户终端12-1至12-n之间区分时,用户终端被简称为用户终端12。
服务器11向每一个用户终端12提供内容等,或者向每一个用户终端推荐该内容等。
另外,内容的种类不被特别限制,并且,可以使用各种内容,例如:运动图像,诸如电影或电视节目;静止图像,诸如照片或图片;音乐数据;电子书籍、游戏或文档文件。
服务器11包括通信单元21、反馈收集单元22、反馈数据库(DB)23、元反馈DB 24、反馈分析单元25、反馈辨别单元26、用户DB 27、内容元数据DB 28、预测单元29、预测计数单元30、内容促进DB 31、用户网络DB 32、呈现元组选择单元33、呈现控制单元34和反馈引导单元35。
通信单元21与每一个用户终端12进行通信,并且经由网络13来收发数据。
反馈收集单元22通过经由网络13和通信单元21从用户终端12接收由活动用户给出的反馈或与元反馈相关联的反馈信息来收集反馈信息。反馈收集单元22当所收集的反馈信息与反馈相关联时在反馈DB 23中存储反馈信息。另一方面,反馈收集单元22当所接收的反馈信息与对于CUF元组的元反馈相关联时在元反馈DB 24中存储反馈信息。
反馈DB 23存储与由活动用户对于每一个内容给出的反馈相关联的信息。另外,随后将参考图6等来描述反馈DB 23的数据配置。
元反馈DB 24存储与由活动用户对于每一个CUF元组给出的元反馈相关联的信息。另外,随后将参考图7等来描述元反馈DB 24的数据配置。
反馈分析单元25分析存储在反馈DB 23中的反馈,并且在反馈DB 23中存储分析结果。另外,反馈分析单元25分析存储在元反馈DB 24中的元反馈,并且在元反馈DB 24中存储分析结果。
反馈辨别单元26辨别存储在元反馈DB 24中的元反馈是否是肯定的或否定的,并且在元反馈DB 24中存储辨别结果。
用户DB 27存储与使用信息处理系统1的用户相关联的信息(例如,特征量,诸如年龄、性别、工作或住址等)。
内容元数据DB 28存储与由服务器11提供的内容相关联的元数据(例如,特征量,诸如内容的类别或关键字、内容名称和用于指示内容的图像等)。
预测单元29基于从每一个用户终端12收集的元反馈来预测每一个活动用户接受包括内容、用户和反馈的至少一个的元组的程度,并且获得作为预测值的预测接受度。
在此,接受CUF元组的活动用户的行为例如包括:内部行为,诸如具有关于所呈现的CUF元组的肯定感觉;以及外部行为,诸如进行关于所呈现的CUF元组的肯定行为。例如,前者可以包括具有对于所呈现的CUF元组的良好印象或兴趣。例如,后者可以包括:给出关于所呈现的CUF元组的肯定反馈、购买包括在CUF元组中的内容、使用元组(再现和下载等)、向另一个用户推荐元组和查看与对应的内容相关联的信息等。
另外,这对于除了CUF元组之外的类型的元组、内容和用户等的接受也成立。
预测单元29包括接受模型产生单元51、接受模型DB 52和接受预测单元53。
接受模型产生单元51基于从每一个用户终端12收集的元反馈来产生用于获得每一个活动用户相对于每一个类型的元组的预测接受度的接受模型。即,如下所述,接受模型产生单元51使用在反馈DB 23、元反馈DB 24、用户DB 27和内容元数据DB 28中存储的信息来相对于每一个类 型的元组产生接受模型。接受模型产生单元51在接受模型DB 52中存储所产生的接受模型。
接受预测单元53基于在接受模型DB 52中存储的接受模型来预测每个活动用户接受每一个类型的元组的程度,并且获得预测接受度。即,如下所述,接受预测单元53使用在反馈DB 23、用户DB 27、内容元数据DB 28和接受模型DB 52中存储的信息来获得每个活动用户相对于每种类型的元组的预测接受度。接受预测单元53向预测计数单元30和呈现元组选择单元33通知预测结果。
预测计数单元30执行来自接受预测单元53的预测结果的各种计数,并且向呈现元组选择单元33通知计数结果。
在内容促进DB 31中,登记由使用信息处理系统1来提供服务的服务提供商执行诸如促销的促进的内容(的ID)。其内容ID被登记在内容促进DB 31中的内容因此优先地被推荐到例如用户。
用户网络DB 32是其中存储用于指示在使用信息处理系统1的用户之间的关系的信息的DB。图2图示用户网络DB 32的数据配置的示例。用户网络DB 32包括用于关系ID、来自ID和至ID的项目。
关系ID是用于识别在用户之间的每一个关系的ID。
来自ID是跟随源(follow-source)的用户的用户ID。
至ID是跟随目的地(follow-destination)的用户的用户ID。
因此示出,在例如关系ID的记录1中,用户U1跟随用户U2。即,示出了用户U1知道用户U2或对于用户U2感兴趣。另外,该跟随不必是双向的,并且该跟随也可以仅是单向的。
呈现元组选择单元33基于来自接受预测单元53的预测结果、来自预测计数单元30的计数结果与在内容促进DB 31和用户网络DB 32中存储的信息来选择作为包括内容、用户和要向活动用户呈现的反馈的至少一个的组合的呈现元组。呈现元组选择单元33向呈现控制单元34和反馈引导单元35通知所选择的呈现元组。
呈现控制单元34基于由呈现元组选择单元33选择的呈现元组和在反馈DB 23、用户DB 27、内容元数据DB 28和用户网络DB 32中存储的信息来产生用于显示呈现内容等的屏幕的显示数据。呈现控制单元34经由通信单元21和网络13向用户终端12发送所产生的显示数据。
反馈引导单元35基于由呈现元组选择单元33选择的呈现元组与在用户DB 27和内容元数据DB 28中存储的信息来产生用于屏幕显示的显示数据,该屏幕显示用于提示用户给出对于特定内容的反馈。反馈引导单元35经由通信单元21和网络13向用户终端12发送所产生的显示数据。
用户终端12也例如用于利用从服务器11呈现的内容或显示各种信息。另外,活动用户可以使用用户终端12的操作单元(未示出)来给出对于内容的反馈或对于CUF元组的元反馈。
另外,例如,用户终端12包括诸如个人计算机、计算机游戏系统或家用服务器的计算机系统或诸如便携游戏机、蜂窝电话、个人数字助理或便携音乐播放器的便携计算机系统。
[1-2.信息处理系统1的处理]
接着,将参考图3至图33来描述由信息处理系统1执行的处理。
(反馈收集处理)
首先,将参考图3的流程图来描述由信息处理系统1执行的接受模型产生处理。
在步骤S1,服务器11呈现内容。具体地说,例如,用户终端12经由网络13向服务器11发送用于呈现由活动用户输入的内容的指令。
服务器11的通信单元21接收来自用户终端12的指令,并且向呈现控制单元34提供该指令。呈现控制单元34从内容元数据DB 28获取与要向活动用户呈现的内容相关联的信息(元数据)。另外,呈现控制单元34从反馈DB 23获取与对于要呈现的内容的反馈相关联的信息。另外,呈现控制单元34从用户DB 27获取与已经给出了对于要呈现的内容的反馈的用户相关联的信息。
呈现控制单元34基于所获取的信息来产生显示数据,该显示数据用于显示用于向活动用户呈现内容的内容呈现屏幕。呈现控制单元34然后经由通信单元21和网络13向活动用户的用户终端12发送所产生的显示数据。
用户终端12基于从服务器11接收的显示数据来显示内容呈现屏幕。
图4和图5图示内容呈现屏幕的示例。
图4图示与由用户给出的诸如评述等的反馈信息一起显示与内容相关联的信息的示例。具体地说,在左上角显示内容名称(内容A),并且在内 容名称下显示用于表示内容的图像101和用于对应的内容的用户评价102。例如,通过由多个用户给出的5阶段评价的平均值来表示用户评价102。另外,在用户评价102下显示按钮103。当按下按钮103时显示评述输入屏幕,并且活动用户可以输入作为对于内容A的反馈的评述。
另外,在如上所述的显示器的右侧显示与对于内容A的反馈相关联的信息。即,显示图像104a,该图像104a表示已经给出对于内容A的反馈的用户A、用户A的用户名(包括昵称等)和包括由用户A给出的反馈的内容(例如,评述等)的气球105a。类似地,显示图像104b,该图像104b表示已经给出对于内容A的反馈的用户B、用户B的用户名和包括由用户B给出的反馈的内容的气球105b。
另外,在气球104a右面显示拇指向上按钮106a和拇指向下按钮107a。当活动用户给出用于对于用户A的内容A的反馈的肯定评价(例如,同意或同情等)时,活动用户按下拇指向上按钮106a。另一方面,当活动用户给出用于对于用户A的内容A的反馈的否定评价(例如,不同意或不快等)时,活动用户按下拇指向下按钮107a。
类似地,也在气球104b的右面显示用于给出关于对于用户B的内容A的反馈的评价的拇指向上按钮106b和拇指向下按钮107b。
因此,在图4的内容呈现屏幕中,活动用户可以通过输入评述来直接地给出对于所呈现的内容的反馈。另外,活动用户可以通过按下拇指向上按钮106a和106b与拇指向下按钮107a和107b来对于所呈现的内容、给出反馈的用户和给出的反馈的集合(CUF元组)给出显式元反馈。
图5图示以列表形式显示每一个用户的反馈信息的示例。在该情况下,在第一行显示对于用户A的内容A的反馈信息,并且,在第二行显示对于用户B的内容B的反馈信息。
具体地说,在第一行显示用于表示内容A的图像121a、内容名称(内容A)、关于内容A的用户评价122a、用于表示用户A的图像123a和包括对于用户A的内容A的反馈的气球124a。
另外,在气球124a的右面显示观看按钮125a和购买按钮126a。活动用户可以通过按下观看按钮125a来观看内容A,并且可以通过按下购买按钮126a来购买内容A。
类似地,在第二行显示用于表示内容B的图像121b、内容名称(内容B)、关于内容B的用户评价122b、用于表示用户B的图像123b和包括对 于用户B的内容B的反馈的气球124b。另外,在气球124b的右面显示观看按钮125b和购买按钮126b。
因此,在图5的内容呈现屏幕中,活动用户可以通过按下观看按钮125a和125b与购买按钮126a和126b来对于呈现的内容、已经给出对于内容的反馈的用户和给出的反馈的集合(CUF元组)给出隐式元反馈。
另外,以下,当不必在拇指向上按钮106a和106b之间单独区分时,该多个拇指向上按钮被简称为拇指向上按钮106,当不必在拇指向下按钮107a和107b之间单独区分时,该多个拇指向下按钮被简称为拇指向下按钮107。另外,以下,当不必在观看按钮125a和125b之间单独区分时,该多个观看按钮被简称为观看按钮125,并且当不必在购买按钮126a和126b之间单独区分时,该多个购买按钮被简称为购买按钮126。
在步骤S2中,服务器11获取反馈。具体地说,例如,活动用户通过使用预定接口输入关于在内容呈现屏幕中呈现的内容的5阶段评价或评述来直接地给出对于所呈现的内容的反馈。替代地,例如,活动用户通过按下图4的拇指向上按钮106和拇指向下按钮107或图5的观看按钮125和购买按钮126来给出对于所呈现的CUF元组的元反馈。
用户终端12经由网络13向服务器11发送由活动用户给出的反馈或与元反馈相关联的反馈信息。
服务器11的通信单元21接收从用户终端12发送的反馈信息,并且,向反馈收集单元22供应反馈信息。当所接收的反馈信息与对于所呈现的内容的反馈相关联时,反馈收集单元22在反馈DB 23中存储该反馈信息。另一方面,当所接收的反馈信息与对于所呈现的CUF元组的元反馈相关联时,反馈收集单元22在元反馈DB 24中存储该反馈信息。
图6图示反馈DB 23的数据配置的示例。在该情况下,反馈DB 23包括诸如反馈ID、用户ID、内容ID、反馈类型和反馈的项目。
反馈ID是用于识别单独的反馈的ID。
用户ID是用于允许用户给出反馈的用户ID。
内容ID是给出了关于其的反馈的内容的内容ID。
反馈类型指示给出的反馈的类型,并且被分类为例如“字符串”、“5阶段”和“操作”等。例如,使用诸如评述或标签的字符信息的反馈被分类为“字符串”。使用5阶段评价的反馈被分类为“5阶段”。使用诸如相 对于内容的再现或跳过的用户操作的反馈被分类为“操作”。
反馈项目指示由用户实际上给出的反馈的内容。
例如,用于指示用户U2已经给出了关于内容C1的字符串类型的反馈诸如“这是酷的!”的信息被存储在图6的反馈ID的记录F1中。用于指示用户U3已经给出了关于内容C3的5阶段评价的“5”的评价的信息被存储在反馈ID的记录F2中。用于指示用户U3已经对于内容C3执行了“再现”操作的信息被存储在反馈ID的记录F3中。用于指示用户U1已经给出了关于内容C2的5阶段评价的评价“2”的信息被存储在反馈ID的记录F4中。
图7图示元反馈DB 24的数据配置的示例。在该情况下,元反馈DB 24包括用于元反馈ID、用户ID、目标反馈ID、元反馈类型和元反馈的项目。
元反馈ID是用于识别单独的元反馈的ID。
用户ID是已经给出元反馈的用户的用户ID。
目标反馈ID对应于图6的反馈DB 23的反馈ID,并且指示作为元反馈的目标的反馈ID。即,目标反馈ID指示与被给出元反馈的CUF元组对应的反馈DB 23的反馈ID。
元反馈类型指示给出的元反馈的类型,并且被分类为例如“字符串”、“操作”、“拇指向上/拇指向下”和“购买”等。例如,使用诸如评述的字符信息的元反馈被分类为“字符串”。使用诸如观看的用户操作的元反馈被分类为“操作”。使用图4的拇指向上按钮106和拇指向下按钮107的元反馈被分类为“拇指向上/拇指向下”。使用内容购买的元反馈被分类为“购买”。
元反馈项目指示由用户实际上给出的元反馈的内容。
例如,在图7的元反馈ID的记录MF1中存储用于指示用户U1已经给出了对于其中反馈DB 23的反馈ID是记录F1的CUF元组的、诸如“我同意那个意见!”的字符串类型的元反馈的信息。在元反馈ID的记录MF2中存储了用于指示用户U1已经对于其中反馈DB 23的反馈ID是记录F2的CUF元组执行“再现”操作的信息。在元反馈ID的记录MF3中存储了用于指示用户U2已经对于其中反馈DB 23的反馈ID是记录F4的CUF元组给出了“拇指向下”评价的信息。在元反馈ID的记录MF4中存储了用于指示用户U2已经对于其中反馈DB 23的反馈ID是记录F5的CUF元组执行内容“购买”的信息。
在步骤S3中,反馈分析单元25执行反馈分析。具体地说,反馈分析单元25从在反馈DB 23的每一个记录中存储的反馈提取特征元素来作为特征量。例如,反馈分析单元25使用词素分析、句法分析等来使用诸如字符串类型的自然语言从反馈提取特征词来作为特征量。反馈分析单元25然后将所提取的特征量存储在反馈DB 23的对应记录中。
图8图示在对于图6的反馈DB 23执行反馈分析后的示例。例如,从在反馈ID的记录F1中的反馈“这是酷的!”提取“酷的”和“!”两个特征量。
反馈分析单元25也对于元反馈DB 24执行类似的分析处理。
图9图示在对于图7的元反馈DB 24执行反馈分析后的示例。例如,从在元反馈ID的记录MF1中的元反馈“我同意那个意见!”提取三个特征量“意见”、“同意”和“!”。
在步骤S4中,反馈辨别单元26执行反馈辨别。例如,反馈辨别单元26辨别元反馈DB24的每一个记录的元反馈是否是用于指示对于作为目标的CUF元组的同意的正的或用于指示对于作为目标的CUF元组的反对的负的。换句话说,反馈辨别单元26辨别用户是否已经接受了作为目标的CUF元组。
例如,关于使用5阶段评价或喜欢/不喜欢的元反馈,反馈辨别单元26原样使用元反馈的值来执行正或负的辨别。
另外,例如,关于使用自然语言的元反馈,反馈辨别单元26基于从对应的元反馈提取的特征量使用主观表示的正/负辨别技术等,以执行正或负辨别。另外,例如,在下文中公开了主观表示的正/负辨别技术的细节:N.Kobayashi,“Opinion Mining from WebDocuments:Extraction and Structurization”,Journal of artifcial intelligence,Vol.22,No.2,2007,pp.227-238。
另外,例如,反馈分析单元25考虑与其他元反馈的相关或根据关于使用隐式反馈的元反馈的预定规则来执行正或负辨别。在后一种情况下,例如,当元反馈是“再现”或“拇指向上”时元反馈被分类为正的,并且当元反馈是“停止”、“跳过”或“拇指向下”时元反馈被分类为负的。
反馈辨别单元26然后在元反馈DB 24的每一个记录中存储辨别结果。
图10图示在对于图9的元反馈DB 24执行反馈辨别后的示例。例如,诸如“我同意那个意见!”、“再现”和“购买”的元反馈被分类为正的, 并且诸如“拇指向下”的元反馈被分类为负的。
除了简单的正或负辨别之外,例如,可以确定辨别的正和负程度,并且可以在数值上表示这些程度。
另外,辨别结果是在产生下一个接受模型时的监督数据(supervised data)。
在步骤S5中,接受模型产生单元51产生接受模型。即,接受模型产生单元51使用在反馈DB 23、元反馈DB 24、用户DB 27和内容元数据DB 28中存储的信息,以相对于每一个类型的元组产生接受模型。
例如,用于CUF元组的接受模型是用于预测每一个用户将在何种程度上接受内容、用户和反馈的每一个组合的模型。除了CUF元组之外,对于CU、UF、CF、C、U和F元组产生接受模型。
用于产生接受模型的方法广义上包括使用协作过滤的方法和使用CBF的方法。
另外,将描述使用协作过滤的方法的示例。
例如,将协作过滤定义为矩阵的预测问题,该矩阵包括使用用户和内容作为行和列的非观察元素,如在非专利文件1(Zheng,V W,et al.,″Collaborative FilteringMeets Mobile Recommendation:A User-centered Approach",AAAI,2010)中所述,并且,不使用与用户或内容相关联的附加信息(元数据)。
例如,用于产生关于CUF元组的接受模型的协作过滤是四维布置(张量)的预测问题,该四维布置包括四个元素,诸如在接受侧上的用户(活动用户)加上内容、用户和反馈。另一方面,用于产生关于F元组的接受模型的协作过滤是二维布置(矩阵)的预测问题,该二维布置包括两个元素,诸如在接受侧上的用户(活动用户)和反馈。
为了预测在张量内的元素,例如,可以使用在非专利文件2(Zheng,VW,et al.,"Collaborative Filtering Meets Mobile Recommendation:A User-centeredApproach",AAAI,2010)、非专利文件3(Symeonidis,P.,et al.,"Tag RecommendationsBased on Tensor Dimensionality Reduction",Proceedings of Recommender Systems,2008)和非专利文件4(Kolda,T.G.,Bader,B.W.,"Tensor Decompositions andApplications",SIAM Review, 2008)中描述的方法。
例如,将描述下述情况:其中,活动用户A1至A3(对应于相应的用户U1至U3)给出对于CU元组(C∈{C1,C2,C3,C4},U∈{U1,U2,U3,U4})的元反馈,如相应的图11至13中所示。
另外,作为在相应项目中所示的值,1对应于给出了正元反馈,-1对应于给出了负元反馈,并且0对应于未给出任何元反馈。例如,在图11中看到活动用户A1未给出对于(C1,U1)元组的任何元反馈,并且给出对于(C1,U2)元组的正元反馈和对于(C1,U4)元组的负元反馈。
当在活动用户方向上执行给出作为如上所述的值的元反馈、该活动用户方向被用作3x4x4的第三张量并且被应用到在非专利文件4中描述的CANDECOMP/PARAFAC分解时,如图14至17中所示获得结果。
另外,图14图示相对于活动用户A1至A3的二维本征向量。图15图示相对于内容C1至C4的二维本征向量。图16图示相对于已经给出反馈的用户U1至U4的二维本征向量。图17图示将下述的等式1的二维权重向量λ。
在此,当每个矩阵的元素是{air}、{cjr}、{ukr}并且λ=[λ1,λ2]时,如下面的等式1中那样近似原始张量的值xijk:
等式1是接受模型。即,在等式1中的计算的值是活动用户对于在原始张量中未向其给出元反馈的CUF元组的预测接受度。活动用户将接受作为目标的CUF元组的可能性因此当预测接受度高时高,并且当预测接受度低时低。
接着,将描述使用CBF的方法的示例。
在例如使用CBF的方法中,基于在用户DB 27中存储的用户的特征量、在内容元数据DB 28中存储的内容的特征量(元数据)和如上所述的反馈的特征量来产生接受模型。
例如,如上所述的所有特征量被用作一个向量,来自步骤S4的正或负辨别结果被用作正例或负例,并且应用诸如支持向量机或逻辑回归的辨别技术(例如,参考非专利文件5:Bishop C.M.,"Pattern Recognition and Machine Learning",Springer-Verlag,2006),由此获得接受模型。
另外,当反馈辨别结果具有诸如5阶段的三个或更多值时,使用线性回归等。另外,例如,当忽略反馈的内容时,以与协作过滤的情况类似的方式对于仅具有CUF元组的特征量的向量空间执行辨别。
例如,如图18中所示表示CUF元组的特征量向量。
另外,在图18的相应项目中的值指示在第一列中所示的评价目标元组中包括的内容、用户和反馈的第二或更高列中所示的各个项目的特征量。例如,在图18的第一行的记录指示在作为评价目标元组的(C1,U2,F1)元组中包括的内容、用户和反馈的特征量。具体地说,内容C1的诸如“类别摇滚乐”、“类别流行音乐”、“类别爵士乐”、“拍子”、“音量”和“节奏乐器比例”的项目的特征量分别是1、0、0、40、55和40。用户U1的诸如“男性”、“女性”、“二十多岁或更小”、“三十多岁”和“四十多岁或更大”的项目的特征量分别是1、0、0、1和0。反馈F1的诸如“酷的”、“!”、特征量4和特征量5的项目的特征量分别是1、1、0和0。
然后基于元反馈的辨别结果使用逻辑回归等来执行学习,由此获得用于计算如图19中所示的每一个活动用户相对于CUF元组的预测接受度的每一个特征的权重。
另外,图19的各个项目的值指示在第一列中所示的活动用户的第二或更高列中所示的各个项目的权重。例如,图19的第一记录指示活动用户A1相对于每一个项目的权重。具体地说,活动用户A1的与内容相关联的诸如“类别摇滚乐”、“类别流行音乐”、“类别爵士乐”、“拍子”、“音量”和“节奏乐器比例”的项目的权重分别是0.85、0.20、-0.42、0.021、0.152和0.002。活动用户A1的与用户相关联的诸如“男性”、“女性”、“二十多岁或更小”、“三十多岁”和“四十多岁或更大”的项目的权重分别是0.51,0.22,0.11,0.53和0.33。活动用户A1的与反馈相关联的诸如“酷的”、“!”、特征量4和特征量5的特征的权重分别是0.79、0.35、1.24和0.80。
使用图19的每个权重的相加等式然后变为接受模型。即,通过将在CUF元组中包括的内容、用户和反馈的特征量乘以图19的对应的各自权重而相加的值是相对于CUF元组的活动用户的预测接受度。
另外,如上所述的方法是产生接受模型的方法的示例,并且可以使用其他方法。例如,如在非专利文件6(Agarwal,D.,Chen,B.-C.,"Regression-based Latent Factormodels,"KDD,2009)中所述,有可能使 用组合协作过滤和CBF的特性的方法。
另外,也以与CUF元组的情况类似的方式来产生用于CU元组、UF元组、CF元组、C元组、U元组和F元组的接受模型。
接受模型产生单元51然后在接受模型DB 52中存储所产生的接受模型。
然后结束处理。
另外,例如,每当执行步骤S1至S4的处理时、每当对于给定的数量收集反馈时或每当给定的时间段已经过去时,可以执行接受模型产生处理。
另外,上面的描述对应于自动地产生接受模型的示例,但是,可以根据预定规则来手动产生和在接受模型DB 52中存储接受模型。
(内容推荐处理1)
接着,将参考图20的流程图描述由服务器11执行的内容推荐处理1的第一实施例。
另外,在这个处理中,找到和呈现对于每一个活动用户具有高接受可能性的元组。
在步骤S101中,接受预测单元53执行接受预测。具体地说,接受预测单元53首先在除了C元组之外的类型中选择被执行接受预测的元组的类型,换句话说,选择用于推荐内容的元组的类型。因此选择了CUF元组、CF元组、CU元组、UF元组、U元组和F元组的一种类型。
接着,接受预测单元53对于所选择类型的每一个元组使用在接受模型DB 52中存储的接受模型来执行对于接收内容推荐的活动用户的接受预测。结果,计算活动用户相对于所选择的类型的每一个元组的预测接受度。
另外,在此,仅在反馈DB 23中具有数据的元组是预测目标。因此,从预测目标排除包括未实际上给出反馈的用户或未实际上给出的反馈的元组。例如,当用户U1给出对于内容C1的反馈并且未给出对于内容C2的反馈时,(C1,U1)元组是预测目标,并且从预测目标排除(C2,U1)元组。
接受预测单元53然后向呈现元组选择单元33通知预测结果。
图21图示当活动用户是用户U1时相对于CUF元组的接受预测结果 的示例。例如,活动用户U1相对于(C1,U2,F2)元组的预测接受度被示出为0.32。
另外,以下,将具体描述当使用步骤S101获得图21的接受预测结果时的处理。
在步骤S102中,呈现元组选择单元33选择呈现元组。
例如,呈现元组选择单元33将以较高的预测接受度的降序的预定数量的元组选择为呈现元组。即,呈现元组选择单元33优先地将具有较高的预测接受度的元组选择为呈现元组。
例如,当使用图21的接受预测结果来选择两个呈现元组时,选择具有最高预测接受度0.88的元组(C1,U3,F3)和具有下一个最高的预测接受度0.67的(C5,U4,F6)元组。
替代地,由熟人或感兴趣的人推荐的内容倾向于容易被接受。然后可以使用用户网络DB 32来搜索与活动用户相关联的用户,并且,可以优先地将包括搜索到的用户的元组选择为呈现元组。
例如,向包括与活动用户相关联的用户的元组的预测接受度加上预定权重,并且,可以基于被加上权重的预测接受度来选择呈现元组。
例如,在图2的用户网络DB 32中,作为活动用户的用户U1跟随用户U2和用户U5。因此,例如,当权重被设置为0.5时,在图21的预测接受度中的、相对于包括用户U2的(C1,U2,F2)元组和(C3,U2,F4)元组的预测接受度被加上权重,由此分别获得0.82和0.60。因此,当选择两个呈现元组时,选择具有最高预测接受度0.88的(C1,U3,F3)元组和具有下一个最高预测接受度0.82的(C1,U2,F2)元组。
在步骤S103中,呈现元组选择单元33选择要向活动用户推荐的内容。具体地说,当在步骤S102的处理中选择的呈现元组是UF元组或F元组时,作为目标的内容通常存在于包括在呈现元组中的反馈中。呈现元组选择单元33然后将包括在呈现元组中的作为反馈的目标的内容选择为要向活动用户推荐的内容。呈现元组选择单元33然后将所选择的内容加到呈现元组(UF元组或F元组)。结果,呈现元组是CUF元组或CF元组。
另外,当在步骤S102中选择的呈现元组是U元组时,在所选择的元组中包括的用户(在这个处理中以下被称为呈现用户)给出对于其的反馈的内容的数量不必然限于1。呈现元组选择单元33因此在呈现用户给出对其的反馈的内容中选择要向活动用户推荐的内容。
例如,可以选择呈现用户给出对于其的反馈的所有内容,或者,可以随机地选择在所有内容中的预定数量的内容。替代地,在呈现用户给出对于其的反馈的内容中,可以优先地选择在内容促进DB 31中登记的内容。替代地,当内容提供商向服务提供商支付促销费用时,可以优先地在呈现用户给出对于其的反馈的内容中选择具有高促销费用的内容。
另外,在该情况下,可以仅将呈现用户给出对于其的正反馈的内容用作目标。
呈现元组选择单元33然后向呈现元组(U元组)加上所选择的内容。结果,呈现元组变为CU元组。
另外,当在步骤S102的处理中选择的呈现元组是CUF元组、CU元组和CF元组的任何一个时,已经在呈现元组中包括内容。在呈现元组中包括的内容因此是要原样向活动用户推荐的内容。
呈现元组选择单元33然后向呈现控制单元34通知呈现元组。
在步骤S104中,服务器11呈现内容。具体地说,呈现控制单元34从元数据DB 28获取与在呈现元组中包括的内容相关联的信息(元数据)。另外,当在呈现元组中包括用户时,呈现控制单元34从用户DB 27获取与用户相关联的信息。另外,当在呈现元组中包括反馈时,呈现控制单元34从反馈DB 23获取与反馈相关联的信息。
呈现控制单元34基于所获取的信息来产生显示数据,该显示数据用于显示用于向活动用户推荐内容的内容推荐屏幕。呈现控制单元34然后经由通信单元21和网络13向活动用户的用户终端12通知所产生的显示数据。
活动用户的用户终端12基于从服务器11接收的显示数据来显示内容推荐屏幕。
图22至24图示了内容推荐屏幕的示例。
图22图示当呈现元组是CUF元组时的内容推荐屏幕的示例。具体地说,在左上角中显示内容名称(内容A),并且在内容名称下显示用于指示内容的图像201。
另外,在如上所述的显示器的右侧上显示与对于内容A的反馈相关联的信息。即,显示用于指示已经给出了对于内容A的反馈的用户A的图像202a、用户A的用户名和包括用户A的反馈的内容(例如,评述等)的气 球203a。以类似的方式,显示用于指示已经给出了对于内容A的反馈的用户B的图像202b、用户B的用户名和包括用户B的反馈的内容(例如,评述等)的气球203b。
图23图示当呈现元组是CF元组时的内容推荐屏幕的示例。在这个内容推荐屏幕中,与图22的内容推荐屏幕作比较,不显示图像202a和202b与用户A和用户B的用户名。即,不显示与已经给出对于内容A的反馈的用户相关联的信息,并且仅在内容推荐屏幕中显示反馈的内容。
图24图示当呈现元组是CU元组时的内容推荐屏幕的示例。在这个内容推荐屏幕中,与图22的内容推荐屏幕作比较,不显示气球203a和203b。即,不显示向内容A给出的反馈的内容,并且仅在内容推荐屏幕中显示与已经给出反馈的用户相关联的信息。
图25至27图示了当以列表形式显示推荐内容时的内容推荐屏幕的示例。
图25图示当呈现元组是CUF元组时的列表形式的内容推荐屏幕的示例。在该情况下,在第一行显示与内容A相关联的信息,并且,在第二行中显示与内容B相关联的信息。具体地说,在第一行中以从左起的顺序来显示用于指示内容A的图像221a、内容A的内容名称、用于指示用户A已经给出了对于内容A的反馈的图像222a和用户名以及包括用户A对于内容A的反馈的气球223a。类似地,在第二行中以从左起的顺序来显示用于指示内容B的图像221b、内容B的内容名称、用于指示用户B已经给出了对于内容B的反馈的图像222b和用户名以及包括用户B对于内容B的反馈的气球223b。
图26图示当呈现元组是CF元组时的列表形式的内容推荐屏幕的示例。在这个内容推荐屏幕中,与图25的内容推荐屏幕作比较,不显示图像222a和222b与用户A和用户B的用户名。相反,增加了包括对于内容A的反馈的气球223c和包括对于内容B的反馈的气球223d。即,不显示与已经给出了对于每一个内容的反馈的用户相关联的信息,并且在内容推荐屏幕中仅显示反馈的内容。
图27图示当呈现元组是CU元组时的内容推荐屏幕的示例。在这个内容推荐屏幕中,与图25的内容推荐屏幕作比较,不显示气球223a和223b。相反,增加了用于指示已经给出了对于内容A的反馈的用户C的图像222c和用户名。即,不显示向每一个内容给出的反馈的内容,并且在内容推荐 屏幕中仅显示与已经给出反馈的用户相关联的信息。
另外,例如,当在呈现元组中包括用户U和反馈F时,可以显示诸如“这是其中用户U已经说“反馈F”的内容”的信息。在该情况下,例如,可以优先地显示与活动用户相关联的用户和该用户的反馈。
另外,例如,当仅包括反馈F并且在呈现元组中不包括用户U时,可以显示信息“这是其中说了“反馈F”的内容”。
另外,例如,当仅包括用户U并且在呈现元组中不包括反馈F时,可以显示信息“这是用户U说的内容”。在该情况下,例如,可以优先地显示与活动用户相关联的用户。
另外,可以根据在图22至27的内容推荐屏幕中的反馈词的内容等来切换和显示用于指示用户的图像或发言(utterance)内容。
该处理然后结束。
以这种方式,优先地向活动用户呈现具有高的预测接受度的CUF元组、CF元组或CU元组。因此,活动用户将接受呈现的内容的可能性高。
另外,因为呈现了内容与给出对于内容的反馈的用户和对于内容的反馈的至少一个,所以用户可以知道内容推荐原因。
另外,当呈现反馈时,因为原样呈现由另一个用户给出的反馈的内容,所以推荐原因更清楚地被传送到活动用户。
(内容推荐处理2)
接着,将参考图28的流程图来描述由服务器11执行的内容推荐处理2的第二实施例。
另外,这个处理找到使得活动用户容易接受发言等的有影响的用户,提示所找到的有影响的用户给出对于内容的反馈,并且与对应的内容一起向活动用户呈现对应的用户或对应的反馈。
在步骤S121中,呈现元组选择单元33选择要向活动用户推荐的内容。例如,呈现元组选择单元33在内容促进DB 31中登记的内容中选择预定数量的内容来作为要向活动用户推荐的内容(以下称为推荐内容)。
在步骤S122中,呈现元组选择单元33执行接受预测。具体地说,接受预测单元53使用与图20的步骤S101类似的处理来对于CU元组或U元组执行对活动用户的接受预测。
另外,当对于CU元组执行接受预测时,当CU元组包括推荐内容时CU元组变为预测目标。
接受预测单元53然后向呈现元组选择单元33通知预测结果。
在步骤S123中,以与图21的步骤S102类似的方式来选择呈现元组。然而,当对于U元组执行接受预测时,呈现元组选择单元33将其中向所选择的呈现元组(U元组)加上推荐内容的CU元组设置为呈现元组。
这使得当对于CU元组执行接受预测时具有活动用户的较高预测接受度的CU元组优先地被选择为呈现元组。另一方面,当对于U元组执行接受预测时,将包括具有活动用户的较高预测接受度的用户(U元组)的CU元组选择为呈现元组。
呈现元组选择单元33然后向呈现控制单元34和反馈引导单元35通知呈现元组。
另外,以下,在该处理中,在呈现元组中包括的用户被称为推荐者。
在步骤S124中,反馈引导单元35提示推荐者给出对于推荐内容的反馈。具体地说,反馈引导单元35从内容元数据DB 28获取与推荐内容相关联的信息(元数据)。反馈引导单元35基于所获取的信息来产生显示数据,该显示数据用于显示反馈引导屏幕,以提示推荐者给出对于推荐内容的反馈。反馈引导单元35然后经由通信单元21和网络13向推荐者的用户终端12发送所产生的显示数据。
推荐者的用户终端12基于从服务器接收的显示数据来显示反馈引导屏幕。例如,用户终端12显示推荐内容的信息和用于提示推荐者给出反馈的诸如“将此向X先生(活动用户)推荐如何”的消息。
当推荐者给出对于推荐内容的反馈时,推荐者的用户终端12经由网络13向服务器11发送与给出的反馈相关联的反馈信息。服务器11的反馈收集单元22经由通信单元21接收反馈信息,并且在反馈DB 23中存储反馈信息。
在步骤S125中,服务器11呈现内容。具体地说,呈现控制单元34从内容元数据DB28获取与在呈现元组中包括的推荐内容相关联的信息。另外,呈现控制单元34从用户DB 27获取与推荐者相关联的信息。另外,呈现控制单元34从反馈DB 23获取与对于推荐者的推荐内容的反馈相关联的信息。
呈现控制单元34基于所获取的信息来产生显示数据,该显示数据用于显示用于向活动用户推荐内容的内容推荐屏幕。呈现控制单元34然后经由通信单元21和网络13向活动用户的用户终端12发送所产生的显示数据。
活动用户的用户终端12基于从服务器11接收的显示数据来显示内容推荐屏幕。
在该情况下,认为推荐者给出反馈对于活动用户重要。因此,例如,可以与诸如“这是用户B(推荐者)说的内容”的词一起显示与内容相关联的信息,而不显示推荐者的反馈。
另一方面,可以和与内容相关联的内容一起仅呈现推荐者的反馈,而不呈现推荐者。
该处理然后结束。
以这种方式,因为与内容一起呈现使得活动用户容易接受内容的有影响的用户作为推荐者,所以活动用户接受所呈现的内容的可能性变高。
另外,当推荐者已经给出了对于推荐内容的反馈时,有可能跳过步骤S124。
替代地,例如,可以从接受预测目标或呈现元组目标中排除包括给出对于推荐内容的反馈的用户的CU元组。这使得包括还没有给出对于推荐内容的反馈的用户的元组被选择为呈现元组。
另外,例如,在步骤S124中,可以不明显地引导推荐者来给出反馈,可以简单地向推荐者推荐推荐内容,并且可以等待反馈的提供。
(内容推荐处理3)
接着,将参考图29的流程图来描述由服务器11执行的内容推荐处理3的第三实施例。
另外,这个处理找到容易被多个活动用户接受的用户或反馈,并且优先地与内容一起呈现所找到的用户或反馈。
在步骤S141中,接受预测单元53执行接受预测。具体地说,接受预测单元53使用与图20的步骤S101类似的处理来对于CUF元组、CF元组、CU元组、UF元组、U元组和F元组的任何一个执行多个用户(活动用户)的接受预测。接受预测单元53向预测计数单元30通知该预测结果。
另外,作为执行接受预测的目标的活动用户可以是系统范围的用户或特定的部分用户组。
另外,在此,仅在反馈DB 23中具有数据的元组是预测目标。因此从预测目标排除包括未实际上给出反馈的用户或未实际上被给出的反馈的元组。
在步骤S142中,预测计数单元30计数预测结果。具体地说,预测计数单元30计数每一个用户ID(每一个U元组)、每一个反馈ID(每一个F元组)或用户ID和反馈ID的每个组合(每一个UF元组)的预测接受度,并且获得诸如平均值的统计量。
在此,在如图30中所示示出每一个活动用户的CUF元组的接受预测结果的情况下描述计数方法的具体示例。
另外,图30分别图示活动用户的CUF元组的预测接受度。例如,将活动用户U1的(C1,U2,F102)元组的预测接受度示出为0.32。另外,图31图示通过图30的内容ID和用户ID排序的预测接受度。
例如,将描述其中对于每一个UF元组(用户ID和反馈ID的组合)计数图30的接受预测结果的情况。
例如,(U2,F102)元组的各个活动用户的预测接受度的平均值是0.463(=(0.32+0.65+0.42)/3)。另外,(U3,F103)元组的各个活动用户的预测接受度的平均值是0.643(=(0.88+0.41+0.64)/3)。
另外,作为(U2,F102)元组和(U3,F103)元组的目标的内容是内容C1。
另外,例如,(U1,F107)元组的各个活动用户的预测接受度的平均值是0.493(=(0.54+0.60+0.34)/3)。另外,(U3,F105)元组的各个活动用户的预测接受度的平均值是0.650(=(0.54+0.63+0.78)/3)。
另外,作为(U1,F107)元组和(U3,F105)元组的目标的内容是内容C4。
以这种方式,计算各个UF元组的预测接受度的平均值。
当UF元组具有预测接受度的较高平均值时,在UF元组中包括的用户和反馈的组合容易被更多的活动用户接受。换句话说,可以说该组合是相对于每一个活动用户的更有影响的组合。例如,(U3,F105)元组在内容C1上比(U2,F102)元组更有影响,并且,(U3,F105)元组在内容C4上比(U1,F107)元组更有影响。
另外,可以不是每一个UF元组而是每一个U元组(每一个用户ID) 或每一个F元组(每一个反馈ID)执行计数。
例如,当每个U元组执行计数时,(U2)元组的各个活动用户的预测接受度的平均值是0.455(=(0.32+0.65+0.42+0.21+0.23+0.9)/6)。
当U元组具有预测接受度的较高平均值时,在U元组中包括的用户容易被更多的活动用户接受。换句话说,可以说,用户是相对于每一个活动用户更有影响的用户。
另外,当每一个F元组执行计数时,反馈ID通常对应于一个用户ID,并且因此等于每个UF元组的计数结果。
预测计数单元30然后向呈现元组选择单元33通知计数结果。
在步骤S143中,呈现元组选择单元33基于计数结果来选择呈现元组。
例如,当每一个UF元组计数接受预测时,呈现元组选择单元33每一个内容从对于每一个内容给出的UF元组选择具有预测接受度的较高平均值的降序的预定数量的UF元组。呈现元组选择单元33然后将其中内容作为目标被加到所选择的UF元组的CUF元组设置为呈现元组。包括具有作为接受预测目标的多个活动用户的较高预测接受度的UF元组的CUF元组因此优先地被选择为呈现元组。
例如,在如上所述的情况下,在向内容C1给出的UF元组中选择具有高预测接受度的(U3,F103)元组。因此,其中向所选择的(U3,F103)元组加上内容C1的(C1,U3,F103)元组是呈现元组。
类似地,当每一个F元组计数接受预测时,呈现元组选择单元33对于每一个内容从向每一个内容给出的F元组中选择具有预测接受度的较高平均值的预定数量的F元组。呈现元组选择单元33然后将其中向所选择的F元组加上作为目标的内容的CF元组设置为呈现元组。因此,包括具有作为接受预测目标的多个活动用户的较高预测接受度的F元组的CF元组优先地被选择为呈现元组。
另外,在该情况下,可以将向其加上已经给出了包括在F元组中的反馈的用户的CUF元组可以被选择为呈现元组。
另一方面,当每一个U元组计数接受预测时,呈现元组选择单元33将以预测接受度的较高平均值的降序的预定数量的U元组选择为呈现元组。具有作为接受预测目标的多个活动用户的较高预测接受度的F元组(用户)因此优先地被选择为呈现元组。
呈现元组选择单元33然后向呈现控制单元34通知呈现元组。
在步骤S144中,通过与图20的步骤S104类似的处理来呈现内容。
例如,当由呈现元组选择单元33选择的呈现元组是CUF元组时,向活动用户呈现在每一个呈现元组包括的内容、用户和反馈的组合。因此,与每一个内容一起向每一个活动用户优先地呈现相对于内容和反馈更有影响的用户的组合。
类似地,当由呈现元组选择单元33选择的呈现元组是CF元组时,向活动用户呈现在每一个呈现元组中包括的内容和反馈的组合。对于内容更有影响的反馈因此优先地与每一个内容一起被呈现给每一个活动用户。
另一方面,当由呈现元组选择单元33选择的呈现元组是U元组时,与要向每一个活动用户呈现的内容一起优先地呈现在呈现元组中包括的用户。即,当在呈现元组中包括的用户给出对于要向每一个活动用户呈现的内容的反馈时,向每一个活动用户优先地呈现对应的内容和对应的用户的组合。因此优先地与每一个内容一起呈现在已经给出了对于对应的内容的反馈的用户中的对于内容具有较高影响的用户。另外,在该情况下,也可以因此呈现由对应的用户给出的反馈。
该处理然后结束。
以这种方式,当向每一个活动用户呈现内容时,优先呈现使得许多活动用户容易接受内容、反馈或用户和反馈的组合的有影响的用户。这增大了每个活动用户将接受所呈现的内容的可能性。
(内容推荐处理4)
接着,将参考图32的流程图来描述由服务器11执行的内容推荐处理4的第四实施例。
另外,这个处理找到使得许多用户容易接受发言等的有影响的用户(影响者),提示所找到的用户给出对于内容的反馈,并且与对应的内容一起呈现对应的用户或对应的反馈。
在步骤S161中,接受预测单元53执行接受预测。具体地说,接受预测单元53使用与图20的步骤S101类似的处理来对于CU元组或U元组执行多个用户(活动用户)的接受预测。接受预测单元53向预测计数单元30通知预测结果。
另外,作为执行接受预测的目标的活动用户可以是系统范围中的用户 或特定的部分用户组。
在步骤S162中,预测计数单元30计数预测结果。具体地说,预测计数单元30对每一个用户ID(每一个U元组)计数预测接受度,并且获得诸如平均值的统计量。
例如,当使用图30的接受预测结果时,U1元组(用户U1)的各个活动用户的预测接受度的平均值是0.493(=(0.54+0.60+0.34)/3)。U2元组(用户U2)的各个活动用户的预测接受度的平均值是0.455(=(0.32+0.21+0.65+0.23+0.42+0.90)/6)。U3元组(用户U3)的各个活动用户的预测接受度的平均值是0.643(=(0.88+0.41+0.64)/3)。U4元组(用户U4)的各个活动用户的预测接受度的平均值是0.562(=(0.54+0.73+0.63+0.15+0.78+0.54)/6)。
当U元组具有预测接受度的较高平均值时,在U元组中包括的用户容易被更多的活动用户接受。换句话说,可以说,用户对于每一个活动用户更有影响。
预测计数单元30然后向呈现元组选择单元33通知计数结果。
在步骤S163中,呈现元组选择单元33选择呈现元组。具体地说,呈现元组选择单元33选择具有预测接受度的较高平均值的降序的预定数量的U元组,并且在所选择的U元组中包括的用户是推荐者。具有作为接受预测目标的多个活动用户的较高预测接受度的在U组中包括的用户因此优先地被选择为推荐者。
另外,呈现元组选择单元33选择向每一个活动用户推荐的内容。例如,呈现元组选择单元33将在内容促进DB 31中登记的内容中的预定数量的内容选择为推荐内容。
替代地,例如,呈现元组选择单元33获得在包括推荐者的每一个CU元组中的预测接受度的平均值。呈现元组选择单元33然后选择具有预测接受度的高平均值的降序的预定数量的CU元组,并且将在所选择的CU元组中包括的内容选择为推荐内容。
呈现元组选择单元33将包括所选择的推荐者和推荐内容的组合的CU元组设置为呈现元组。呈现元组选择单元33向反馈引导单元35和呈现控制单元34通知呈现元组。
在步骤S164中,以与图28的步骤S124类似的方式,提示推荐者给出对于推荐内容的反馈。
在步骤S165中,以与图29的步骤S125类似的方式呈现内容。因此,当向每一个活动用户的用户终端12呈现推荐内容时,与推荐内容一起呈现推荐者和由推荐者向推荐内容给出的反馈中的至少一个。
该处理然后结束。
以这种方式,例如,当执行内容促进时,许多活动用户容易接受高度有影响的用户或者对应的用户给出的反馈优先地与内容一起呈现。这提高了每个活动用户将接受所呈现的内容的可能性。
(用户推荐处理)
接着,将参考图33的流程图来描述由服务器11执行的用户推荐处理。
另外,这个处理找到容易被活动用户接受的用户,换句话说,找到容易影响活动用户的用户,并且将该用户呈现给活动用户。
在步骤S181中,接受预测单元53执行接受预测。具体地说,接受预测单元53使用与图20的步骤S101类似的处理来对于至少包括用户的元组、即CUF元组、CU元组、UF元组或U元组执行活动用户的接受预测。接受预测单元53向预测计数单元30通知预测结果。
在步骤S182中,预测计数单元30计数预测结果。具体地说,预测计数单元30使用与图29的步骤S142类似的处理以获得每一个用户ID(U元组ID)的预测接受度的平均值。预测计数单元30向呈现元组选择单元33通知计数结果。
在步骤S183中,呈现元组选择单元33选择要向活动用户推荐的用户。具体地说,呈现元组选择单元33将具有较高预测接受度的降序的预定数量的U元组选择为呈现元组。在呈现元组中包括的用户因此是要向活动用户推荐的用户(在这个处理中以下被称为推荐用户)。具有较高预测接受度的U元组中包括的用户因此优先地被选择为推荐用户。
呈现元组选择单元33然后向呈现控制单元34通知呈现元组。
在步骤S184中,服务器11向活动用户推荐用户。具体地说,呈现控制单元34从用户DB 27获取与在呈现元组中包括的推荐者相关联的信息。另外,呈现控制单元34从在反馈DB23中存储的信息获取与由推荐用户给出的反馈相关联的信息。另外,呈现控制单元34从内容元数据DB 28获取与作为所获取的反馈的目标的内容相关联的信息(元数据)。
呈现控制单元34基于所获取的信息来产生显示数据,该显示数据用 于显示用于向活动用户推荐推荐用户的用户推荐屏幕。呈现控制单元34然后经由通信单元21和网络13向活动用户的用户终端12发送所产生的显示数据。
活动用户的用户终端12基于从服务器11接收的显示数据来显示用户推荐屏幕。在该情况下,与关联于推荐用户的信息一起呈现推荐用户给出对于其的反馈的内容和反馈的内容的至少一部分。
该处理然后结束。
以这种方式,有可能推荐容易由活动用户接受的用户。
如上所述,例如,活动用户可以执行诸如购买或使用未知内容以及关于其他用户的适当的反馈信息的确定。
另外,服务提供商可以预期活动用户接受更多的内容或用户,并且预期内容或服务的购买和使用机会增加。
<2.修改示例>
以下,将描述本公开的实施例的修改示例。
[修改示例1]
在上面的描述中,当计数接受预测时,计算预测接受度的平均值,并且,基于该平均值来选择呈现元组等。然而,可以使用除了该平均值之外的统计量。例如,可以使用预测接受度的和、最大值或方差,或者,可以使用多个统计量的组合。
[修改示例2]
另外,在上面的描述中,产生接受模型,并且基于CUF元组的元反馈来获得预测接受度。然而,本公开可以例如使用对于CF元组的元反馈。
即,可以收集内容和对于对应的内容的反馈的元反馈,可以产生接受模型,并且可以基于所收集的元反馈来获得预测接受度。在该情况下,有可能在如上所述的内容推荐处理中执行使用相对于CF元组或F元组的预测接受度的处理。
[修改示例3]
另外,在上面的说明中,当选择呈现元组时以具有较高预测接受度的降序来选择元组。然而,可以使用其他方法来优先地选择具有较高预测接受度的元组。例如,可以选择具有大于或等于阈值的预测接受度的元组。
[计算机的配置示例]
如上所述的系列处理可以通过硬件被执行,但是也可以通过软件被执行。当通过软件来执行该系列处理时,向计算机内安装构成这样的软件的程序。在此,措辞“计算机”包括其中包含专用硬件的计算机和能够当安装各种程序时执行各种功能的通用个人计算机等。
图34是示出根据程序来执行如上所述的系列处理的计算机的硬件的配置示例的框图。
在计算机中,通过总线404来互连中央处理单元(CPU)401、只读存储器(ROM)402和随机存取存储器(RAM)403。
输入/输出接口405也连接到总线404。输入单元406、输出单元407、存储单元408、通信单元419和驱动器410连接到输入/输出接口405。
输入单元406由键盘、鼠标或麦克风等构成。输出单元407由显示器或扬声器等构成。存储单元408由硬盘或非易失性存储器等构成。通信单元419由网络接口等构成。驱动器410驱动可移除介质411,诸如磁盘、光盘、磁光盘或半导体存储器等。
在如上所述构成的计算机中,CPU 401经由输入/输出接口405和总线404向RAM403上加载例如在存储单元408中存储的程序,并且执行该程序。因此,执行上述的系列处理。
要由计算机(CPU 401)执行的程序以被记录在作为封装介质等的可移除介质411中的方式提供。此外,可以经由诸如局域网、因特网或数字卫星广播的有线或无线通信介质来提供程序。
在计算机中,通过向驱动器410内插入可移除介质411,可以经由输入/输出接口405在存储单元408中安装程序。此外,程序可以经由有线或无线传输介质被通信单元419接收,并且被安装在存储单元408中。此外,可以预先在ROM 402或存储单元408中安装程序。
应当注意,由计算机执行的程序可以是根据在本说明书中描述的顺序以时间顺序被处理的程序或并行地或在诸如在调用时的必要时刻被处理的程序。
在本发明中,术语“系统”表示使用多个装置和机构构成的整体设备。
本领域内的技术人员应当明白,各种修改、组合、子组合和改变可以根据设计要求和其他因素而出现,只要它们在所附的权利要求或其等同内 容的范围内。
而且,例如,本技术也可以被如下配置。
(1)一种信息处理装置,包括:
收集单元,其被配置来收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈;以及
预测单元,其被配置来基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值。
(2)根据(1)所述的信息处理装置,进一步包括:
选择单元,其被配置来基于所述预测接受度来选择包括已经给出了对于要向所述活动用户呈现的内容的反馈的用户和所述反馈的至少一个与所述内容的组合;以及
呈现控制单元,其被配置来控制向所述活动用户呈现在所选择的组合中包括的所述用户和所述反馈的至少一个与在所选择的组合中包括的所述内容。
(3)根据(2)所述的信息处理装置,其中,所述选择单元优先地选择具有较高预测接受度的组合。
(4)根据(1)所述的信息处理装置,进一步包括:
选择单元,其被配置来基于所述活动用户相对于所述内容和提示提供反馈的所述用户的组合的预测接受度或所述活动用户相对于所述用户的预测接受度来选择所述内容和所述用户的组合;
引导单元,其被配置来提示在所选择的组合中包括的用户给出对于在所选择的组合中包括的内容的反馈;以及
呈现控制单元,其被配置来控制向所述活动用户呈现在所选择的组合中包括的所述用户和由所述用户给出的所述反馈的至少一个与在所选择的组合中包括的内容。
(5)根据(4)所述的信息处理装置,其中,所述选择单元优先地选择具有较高预测接受度的内容和用户的组合或包括具有所述较高预测接受度的用户的内容和用户的组合。
(6)根据(1)所述的信息处理装置,进一步包括:
计数单元,其被配置来对于每一个用户、对于每一个反馈或对于所述用户和所述反馈的每一个组合计数多个活动用户的预测接受度;
选择单元,其被配置来基于所述预测接受度的计数结果来选择包括所述用户和所述反馈的至少一个与要呈现的内容的组合;以及
呈现控制单元,其被配置来控制呈现在所选择的组合中包括的所述用户和所述反馈的至少一个与在所选择的组合中包括的所述内容。
(7)根据(6)所述的信息处理装置,其中,所述选择单元优先地选择包括具有所述多个活动用户的较高预测接受度的用户和反馈的组合。
(8)根据(1)所述的信息处理装置,进一步包括:
计数单元,其被配置来对于每一个用户计数多个活动用户相对于所述内容和所述用户的组合的预测接受度或所述多个活动用户相对于所述用户的预测接受度;
选择单元,其被配置来基于所述预测接受度的计数结果来选择提示提供反馈的所述内容和所述用户的组合;
引导单元,其被配置来提示在所选择的组合中包括的用户给出对于在所选择的组合中包括的内容的反馈;以及
呈现控制单元,其被配置来控制呈现在所选择的组合中包括的用户和由所述用户给出的所述反馈的至少一个与在所选择的组合中包括的内容。
(9)根据(8)所述的信息处理装置,其中,所述选择单元优先地选择包括具有所述多个活动用户的较高预测接受度的用户的组合。
(10)根据(1)所述的信息处理装置,进一步包括:
计数单元,其被配置来对于每一个用户计数所述活动用户相对于至少包括所述用户的组合的预测接受度;
选择单元,其被配置来优先地选择具有所述活动用户的较高预测接受度的用户;以及
呈现控制单元,其被配置来控制向所述活动用户呈现所选择的用户。
(11)根据(1)至(10)的任何一项所述的信息处理装置,其中,所述预测单元包括:
接受模型产生单元,其被配置来基于所收集的元反馈来产生用于获得所述预测接受度的接受模型;以及
接受预测单元,其被配置来基于所述接受模型来获得所述预测接受度。
(12)一种信息处理方法,包括:
由信息处理装置收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈;以及
由所述信息处理装置基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值。
(13)一种程序,用于使得计算机执行处理,所述处理包括:
收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈;以及
基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值。
(14)一种信息处理装置,包括:
收集单元,其被配置来收集元反馈,所述元反馈是对于包括内容和对于所述内容的反馈的组合的反馈;以及
预测单元,其被配置来基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容和所述反馈的至少一个的组合的程度的预测值。
(15)根据(14)所述的信息处理装置,进一步包括:
选择单元,其被配置来基于所述预测接受度来选择包括要向所述活动用户呈现的内容与对于所述内容给出的反馈的组合;以及
呈现控制单元,其被配置来控制向所述活动用户呈现在所选择的组合中包括的内容和在所选择的组合中包括的反馈。
(16)根据(14)所述的信息处理装置,进一步包括:
计数单元,其被配置来对于每一个反馈计数多个活动用户的预测接受度;
选择单元,其被配置来基于所述预测接受度的计数结果来选择包括要呈现的内容和所述反馈的组合;以及
呈现控制单元,其被配置来控制呈现在所选择的组合中包括的内容和 在所选择的组合中包括的反馈。
(17)根据(14)所述的信息处理装置,其中,所述预测单元包括:
接受模型产生单元,其被配置来基于所收集的元反馈来产生用于获得所述预测接受度的接受模型;以及
接受预测单元,其被配置来基于所述接受模型来获得所述预测接受度。
(18)一种信息处理方法,包括:
由信息处理装置收集元反馈,所述元反馈是对于包括内容和对于所述内容的反馈的组合的反馈;以及
由所述信息处理装置基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容和所述反馈的至少一个的组合的程度的预测值。
(19)一种程序,用于使得计算机执行处理,所述处理包括:
收集元反馈,所述元反馈是对于包括内容和对于所述内容的反馈的组合的反馈;以及
基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容和所述反馈的至少一个的组合的程度的预测值。
本公开包含与在2011年8月2日在日本专利局提交的日本在先专利申请JP 2011-168975中公开的主题相关的主题,其整体内容通过引用被包含在此。
Claims (15)
1.一种信息处理装置,包括:
收集单元,其被配置来收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈;
预测单元,其被配置来基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值;以及
内容促进数据库,其被配置来登记由使用信息处理装置来提供服务的服务提供商执行促进的内容,所登记的内容被优先地推荐到用户;
其中,所述预测单元包括:
接受模型产生单元,其被配置来基于所收集的元反馈来产生用于获得所述预测接受度的接受模型;以及
接受预测单元,其被配置来基于所述接受模型来获得所述预测接受度。
2.根据权利要求1所述的信息处理装置,进一步包括:
选择单元,其被配置来基于所述预测接受度来选择包括已经给出了对于要向所述活动用户呈现的内容的反馈的用户和所述反馈的至少一个与所述内容的组合;以及
呈现控制单元,其被配置来控制向所述活动用户呈现在所选择的组合中包括的所述用户和所述反馈的至少一个与在所选择的组合中包括的所述内容。
3.根据权利要求2所述的信息处理装置,其中,所述选择单元优先地选择具有较高预测接受度的组合。
4.根据权利要求1所述的信息处理装置,进一步包括:
选择单元,其被配置来基于所述活动用户相对于所述内容和提示提供反馈的所述用户的组合的预测接受度或所述活动用户相对于所述用户的预测接受度来选择所述内容和所述用户的组合;
引导单元,其被配置来提示在所选择的组合中包括的用户给出对于在所选择的组合中包括的内容的反馈;以及
呈现控制单元,其被配置来控制向所述活动用户呈现在所选择的组合中包括的所述用户和由所述用户给出的所述反馈的至少一个与在所选择的组合中包括的内容。
5.根据权利要求4所述的信息处理装置,其中,所述选择单元优先地选择具有较高预测接受度的内容和用户的组合或包括具有所述较高预测接受度的用户的内容和用户的组合。
6.根据权利要求1所述的信息处理装置,进一步包括:
计数单元,其被配置来对于每一个用户、对于每一个反馈或对于所述用户和所述反馈的每一个组合计数多个活动用户的预测接受度;
选择单元,其被配置来基于所述预测接受度的计数结果来选择包括所述用户和所述反馈的至少一个与要呈现的内容的组合;以及
呈现控制单元,其被配置来控制呈现在所选择的组合中包括的所述用户和所述反馈的至少一个与在所选择的组合中包括的所述内容。
7.根据权利要求6所述的信息处理装置,其中,所述选择单元优先地选择包括具有所述多个活动用户的较高预测接受度的用户和反馈的组合。
8.根据权利要求1所述的信息处理装置,进一步包括:
计数单元,其被配置来对于每一个用户计数多个活动用户相对于所述内容和所述用户的组合的预测接受度或所述多个活动用户相对于所述用户的预测接受度;
选择单元,其被配置来基于所述预测接受度的计数结果来选择提示提供反馈的所述内容和所述用户的组合;
引导单元,其被配置来提示在所选择的组合中包括的用户给出对于在所选择的组合中包括的内容的反馈;以及
呈现控制单元,其被配置来控制呈现在所选择的组合中包括的用户和由所述用户给出的所述反馈的至少一个与在所选择的组合中包括的内容。
9.根据权利要求8所述的信息处理装置,其中,所述选择单元优先地选择包括具有所述多个活动用户的较高预测接受度的用户的组合。
10.根据权利要求1所述的信息处理装置,进一步包括:
计数单元,其被配置来对于每一个用户计数所述活动用户相对于至少包括所述用户的组合的预测接受度;
选择单元,其被配置来优先地选择具有所述活动用户的较高预测接受度的用户;以及
呈现控制单元,其被配置来控制向所述活动用户呈现所选择的用户。
11.一种信息处理方法,包括:
由信息处理装置收集元反馈,所述元反馈是对于包括内容、用户和所述用户的对于所述内容的反馈的组合的反馈;
由所述信息处理装置基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容、所述用户和所述反馈的至少一个的组合的程度的预测值;以及
由内容促进数据库登记由使用信息处理装置来提供服务的服务提供商执行促进的内容,所登记的内容被优先地推荐到用户;
其中,所述获得预测接受度包括:
基于所收集的元反馈来产生用于获得所述预测接受度的接受模型;以及
基于所述接受模型来获得所述预测接受度。
12.一种信息处理装置,包括:
收集单元,其被配置来收集元反馈,所述元反馈是对于包括内容和对于所述内容的反馈的组合的反馈;
预测单元,其被配置来基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容和所述反馈的至少一个的组合的程度的预测值;以及
内容促进数据库,其被配置来登记由使用信息处理装置来提供服务的服务提供商执行促进的内容,所登记的内容被优先地推荐到用户;
其中,所述预测单元包括:
接受模型产生单元,其被配置来基于所收集的元反馈来产生用于获得所述预测接受度的接受模型;以及
接受预测单元,其被配置来基于所述接受模型来获得所述预测接受度。
13.根据权利要求12所述的信息处理装置,进一步包括:
选择单元,其被配置来基于所述预测接受度来选择包括要向所述活动用户呈现的内容与对于所述内容给出的反馈的组合;以及
呈现控制单元,其被配置来控制向所述活动用户呈现在所选择的组合中包括的内容和在所选择的组合中包括的反馈。
14.根据权利要求12所述的信息处理装置,进一步包括:
计数单元,其被配置来对于每一个反馈计数多个活动用户的预测接受度;
选择单元,其被配置来基于所述预测接受度的计数结果来选择包括要呈现的内容和所述反馈的组合;以及
呈现控制单元,其被配置来控制呈现在所选择的组合中包括的内容和在所选择的组合中包括的反馈。
15.一种信息处理方法,包括:
由信息处理装置收集元反馈,所述元反馈是对于包括内容和对于所述内容的反馈的组合的反馈;
由所述信息处理装置基于所收集的元反馈来获得预测接受度,所述预测接受度是作为目标用户的活动用户接受包括所述内容和所述反馈的至少一个的组合的程度的预测值;以及
由内容促进数据库登记由使用信息处理装置来提供服务的服务提供商执行促进的内容,所登记的内容被优先地推荐到用户;
其中,所述获得预测接受度包括:
基于所收集的元反馈来产生用于获得所述预测接受度的接受模型;以及
基于所述接受模型来获得所述预测接受度。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011-168975 | 2011-08-02 | ||
JP2011168975A JP2013033376A (ja) | 2011-08-02 | 2011-08-02 | 情報処理装置、情報処理方法、および、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103198082A CN103198082A (zh) | 2013-07-10 |
CN103198082B true CN103198082B (zh) | 2017-06-09 |
Family
ID=47627606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210262513.0A Expired - Fee Related CN103198082B (zh) | 2011-08-02 | 2012-07-26 | 信息处理装置和信息处理方法 |
Country Status (3)
Country | Link |
---|---|
US (2) | US8943012B2 (zh) |
JP (1) | JP2013033376A (zh) |
CN (1) | CN103198082B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9460416B2 (en) * | 2012-08-16 | 2016-10-04 | Microsoft Technology Licensing, Llc | Reading mode for interactive slide presentations with accompanying notes |
US20140298364A1 (en) * | 2013-03-26 | 2014-10-02 | Rawllin International Inc. | Recommendations for media content based on emotion |
JP5439620B1 (ja) * | 2013-05-07 | 2014-03-12 | 株式会社 ディー・エヌ・エー | 電子コンテンツを推奨するシステム |
JP5478767B1 (ja) | 2013-11-05 | 2014-04-23 | 株式会社 ディー・エヌ・エー | 電子コンテンツを提供するシステム及び方法 |
US9619470B2 (en) | 2014-02-04 | 2017-04-11 | Google Inc. | Adaptive music and video recommendations |
CN110647356A (zh) * | 2018-06-27 | 2020-01-03 | 北京中科寒武纪科技有限公司 | 运算装置及相关产品 |
US11922328B1 (en) * | 2023-04-10 | 2024-03-05 | Snowflake Inc. | Generating machine-learning model for document extraction |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7272793B2 (en) * | 2002-10-21 | 2007-09-18 | Canon Kabushiki Kaisha | Information processing device and method |
CN102075352A (zh) * | 2010-12-17 | 2011-05-25 | 北京邮电大学 | 一种网络用户行为预测的方法和装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995017711A1 (en) * | 1993-12-23 | 1995-06-29 | Diacom Technologies, Inc. | Method and apparatus for implementing user feedback |
JP2007058842A (ja) | 2005-07-26 | 2007-03-08 | Sony Corp | 情報処理装置、特徴抽出方法、記録媒体、および、プログラム |
US8359276B2 (en) * | 2006-09-20 | 2013-01-22 | Microsoft Corporation | Identifying influential persons in a social network |
JP4240096B2 (ja) * | 2006-09-21 | 2009-03-18 | 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 |
EP2073130A1 (en) * | 2007-12-17 | 2009-06-24 | Sony Corporation | Method and device for content recommendation |
US20100125507A1 (en) * | 2008-11-17 | 2010-05-20 | Escape Media Group, Inc. | Method and system for presenting sponsored content |
JP5359399B2 (ja) * | 2009-03-11 | 2013-12-04 | ソニー株式会社 | テキスト分析装置および方法、並びにプログラム |
US20110093520A1 (en) * | 2009-10-20 | 2011-04-21 | Cisco Technology, Inc.. | Automatically identifying and summarizing content published by key influencers |
JP5446800B2 (ja) * | 2009-12-04 | 2014-03-19 | 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 |
WO2012090697A1 (ja) * | 2010-12-28 | 2012-07-05 | 日本電気株式会社 | サーバ装置、行動促進抑制システム、行動促進抑制方法および記録媒体 |
US10390090B2 (en) * | 2010-12-30 | 2019-08-20 | Sony Corporation | System and method for social interaction about content items such as movies |
-
2011
- 2011-08-02 JP JP2011168975A patent/JP2013033376A/ja not_active Withdrawn
-
2012
- 2012-07-26 US US13/559,099 patent/US8943012B2/en not_active Expired - Fee Related
- 2012-07-26 CN CN201210262513.0A patent/CN103198082B/zh not_active Expired - Fee Related
-
2015
- 2015-01-09 US US14/593,209 patent/US20150120634A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7272793B2 (en) * | 2002-10-21 | 2007-09-18 | Canon Kabushiki Kaisha | Information processing device and method |
CN102075352A (zh) * | 2010-12-17 | 2011-05-25 | 北京邮电大学 | 一种网络用户行为预测的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US20150120634A1 (en) | 2015-04-30 |
JP2013033376A (ja) | 2013-02-14 |
US20130036081A1 (en) | 2013-02-07 |
CN103198082A (zh) | 2013-07-10 |
US8943012B2 (en) | 2015-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103198082B (zh) | 信息处理装置和信息处理方法 | |
US20220114199A1 (en) | System and method for information recommendation | |
CN102262647B (zh) | 信息处理装置、信息处理方法和程序 | |
US8234311B2 (en) | Information processing device, importance calculation method, and program | |
US7953735B2 (en) | Information processing apparatus, method and program | |
WO2017096877A1 (zh) | 一种推荐方法和装置 | |
CN103455538B (zh) | 信息处理装置、信息处理方法和程序 | |
US20150213361A1 (en) | Predicting interesting things and concepts in content | |
JP4897738B2 (ja) | キーワード推薦方法、コンピュータ読み取り可能な記録媒体、キーワード推薦システム | |
CA2610038A1 (en) | Providing community-based media item ratings to users | |
CN106326391A (zh) | 多媒体资源推荐方法及装置 | |
JP4538760B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
KR101206160B1 (ko) | 사용자 선호도와 컨텐츠 내용을 고려한 컨텐츠 추천 방법 | |
US20090144226A1 (en) | Information processing device and method, and program | |
JP2007018285A (ja) | 情報提供システム、情報提供方法、情報提供装置並びに情報提供プログラム | |
JP2008084193A (ja) | インスタンス選択装置、インスタンス選択方法及びインスタンス選択プログラム | |
CN102982018A (zh) | 信息处理设备、信息处理方法和程序 | |
Pichl et al. | User models for multi-context-aware music recommendation | |
US9785404B2 (en) | Method and system for analyzing data in artifacts and creating a modifiable data network | |
KR102251612B1 (ko) | 콘텐츠의 분류 관리 방법 및 시스템 | |
KR102269425B1 (ko) | 토픽 선정을 위한 자동화된 정보 처리 방법 | |
Kowalczyk et al. | The complexity of social media response: Statistical evidence for one-dimensional engagement signal in twitter | |
Huda et al. | Feature Extraction Amazon Customer Review to Determine Topic on Smartphone Domain | |
Ahmed | Analyzing user behavior and sentiment in music streaming services | |
Cossu et al. | Towards the improvement of topic priority assignment using various topic detection methods for e-reputation monitoring on twitter |
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: 20170609 |