CN104679811A - 用于处理信息的装置和方法 - Google Patents

Abstract

本发明的各实施例涉及用于处理信息的装置和方法。由于没有用于关联在SNS等中的用户的传输历史与比如产品购买的用户的实际行为的已知方法，在本发明的第一方面中，提供了一种信息处理装置、用于利用该信息处理装置处理信息的方法和使用该信息处理装置的程序，该信息处理装置包括：被配置为获取由第一用户标识信息标识的第一用户的行为历史的行为历史获取单元、被配置为获取由第二用户标识信息标识的第二用户的信息传输历史的传输历史获取单元和被配置为基于在行为历史中包括的行为细节和在传输历史中包括的传输细节确定在第一用户与第二用户之间的同一性的确定单元。

Description

用于处理信息的装置和方法

技术领域

本发明涉及一种用于处理信息的装置和方法及其程序。

背景技术

在相关技术中已知一种用于标识在多个社交网络服务(SNS)中的用户的方法(例如专利文献1)

[引用列表]

[专利文献]

[专利文献1]日本待审专利申请公开号2013-122630

发明内容

[技术问题]

然而，没有用于通过关联在SNS等中的用户的传输历史与用户的实际行为(比如产品购买)来指定在用户之间的同一性的已知方法。

[对问题的解决方案]

在本发明的第一方面中，提供了一种信息处理装置、用于用该信息处理装置处理信息的方法和使用该信息处理装置的程序，该信息处理装置包括：行为历史获取单元，被配置为获取由第一用户标识信息标识的第一用户的行为历史、传输历史获取单元，被配置为获取由第二用户标识信息标识的第二用户的信息传输历史，以及确定单元，被配置为基于在行为历史中包括的行为细节和在传输历史中包括的传输细节确定在第一用户与第二用户之间的同一性。

注意，以上描述的本发明的概况未包括本发明的所有必需特征并且这些特征的子组合也可以是本发明。

附图说明

[图1]图1是图示了一个实施例的信息处理装置10的配置的示图。

[图2]图2是用于该实施例的信息处理装置10的过程的流程图。

[图3]图3是图示了该实施例的传输历史的示例的示图。

[图4]图4是图示了这一实施例的行为历史的示例的示图。

[图5]图5是图示了相似度程度计算部114在这一实施例中计算的相似度程度的示例的示图。

[图6]图6是图示了关联程度计算部112在这一实施例中计算的关联程度的示例的示图。

[图7]图7是图示了计算机1900的硬件配置的示例的示图。

具体实施方式

虽然下文将基于实施例描述本发明，但是将理解，实施例并不限制本发明的权利要求的范围。并不是所有在实施例中描述的特征组合都是对本发明的解决方案绝对地必需的。

图1图示了一个实施例的信息处理装置10的配置。信息处理装置10从外部服务器20获取行为历史(比如产品购买历史)并且从外部服务器30获取SNS发表传输历史。这里，可以分离地提供外部服务器20的服务和外部服务器30的服务。因此，同一个人分离地注册外部服务器20的服务和外部服务器30的服务并且具有分离的登录ID等。

信息处理装置10检测这样的分离地注册的服务的ID是否属于同一个人。信息处理装置10包括行为历史获取单元102、传输历史获取单元104、确定单元110、重要程度计算单元120和递送单元130。

行为历史获取单元102获取由第一用户标识信息标识的第一用户的行为历史。例如，行为历史获取单元102从外部服务器20获取用于由外部服务器20提供的第一用户标识信息(比如在在线购物服务等中的登录ID)标识的多个第一用户的行为历史(比如产品购买历史)。行为历史获取单元102向确定单元110提供获取的行为历史。

传输历史获取单元104获取由第二用户标识信息标识的第二用户的信息传输历史。例如，传输历史获取单元104从外部服务器30获取由外部服务器30提供的第二用户标识信息(比如在SNS服务中的登录ID)标识的多个第二用户的消息传输历史。传输历史获取单元104向确定单元110提供获取的传输历史。

确定单元110基于在行为历史中包括的行为细节和在传输历史中包括的传输细节确定在第一用户与第二用户之间的同一性。例如，确定单元110也基于在行为历史和行为定时中包括的行为细节以及在传输历史和传输定时中包括的传输细节计算每个第一用户的行为历史和每个第二用户的传输历史的组合的关联程度，并且基于多个组合的多个关联程度确定在第一用户与第二用户之间的同一性。确定单元110包括关联程度计算部112、相似度程度计算部114和相同用户提取部116。

关联程度计算部112为每个第一用户的行为历史和每个第二用户的传输历史的组合中的每个组合计算关联程度。另外，关联程度计算部112可以为每个第一用户的行为历史和每个第二用户的传输历史的组合中的每个组合计算指示在每个第一用户与每个第二用户之间的差异程度的差值。关联程度计算部112向相似度程度计算部114提供计算的关联程度和差异程度。

相似度程度计算部114基于多个关联程度等为第一用户和第二用户的组合中的每个组合计算相似度程度。相似度程度计算部114向相同用户提取部116提供计算的相似度程度。

相同用户提取部116从第一用户和第二用户的组合之中提取其相似度为预定阈值或者更大的第一用户和第二用户的组合。相同用户提取部116向重要程度计算单元120提供每个第一用户和每个第二用户的提取的组合。

重要程度计算单元120基于在第一用户与第二用户之间的相似度程度以及从在第一用户和第二用户的组合中包括的第二用户传输信息的影响程度计算从与该组合对应的第一用户和第二用户指定的用户的重要程度。例如，重要程度计算单元120高度地估计从其相似度程度和传输的影响程度高的第一用户和第二用户的组合指定的用户的重要程度。重要程度计算单元120向递送单元130提供用户的计算的重要程度。

递送单元130向其重要程度满足预定条件的用户递送信息。例如，递送单元130可以向其重要程度为阈值值或者更大的第一用户递送与产品等有关的直接邮件。

以这一方式，信息处理装置10可以通过使用在行为历史中包括的第一用户和在传输历史中包括的第二用户的行为细节和传输细节关联他们来提取可以是相同用户的第一用户和第二用户的组合。另外，信息处理装置10可以有效地向可以具有高影响程度的第一用户传输信息。

图2是用于这一实施例的信息处理装置10的过程的流程图。信息处理装置10通过执行从S110到S180的过程来执行根据这一实施例的用于处理信息的方法。

首先，在步骤S110中，行为历史获取单元102从外部服务器20获取由第一用户标识信息标识的第一用户的行为历史。例如，行为历史获取单元102可以经由因特网获取作为第一用户的行为历史的产品或者服务购买历史。在示例中，行为历史获取单元102可以为多个第一用户获取第一标识信息的集合，比如用户ID和产品购买历史，该产品购买历史包括已购买产品名昵称、已购买产品价格、已购买产品类别、已购买产品目的地地址以及购买日期和时间。行为历史获取单元102可以从用于多个相同/不同服务的多个外部服务器20获取行为历史。

另外，行为历史获取单元102可以从电子商务(EC)站点等获取关于第一用户的第一简档信息。例如，行为历史获取单元102可以获取用户简档作为第一简档信息，每个用户简档包括第一用户的第一标识信息、姓名、邮件地址、地址和/或口味等。行为历史获取单元102向目的地单元110提供获取的行为历史等。

接着，在S120中，传输历史获取单元104从外部服务器30获取由第二用户标识信息标识的第二用户的信息传输历史。例如，传输历史获取单元104可以使用第二用户标识信息来获取第二用户的发表历史，这些发表历史是向接收发表的网站发表信息的历史。传输历史获取单元104可以从用于多个相同/不同服务的多个外部服务器30获取传输历史。

在示例中，传输历史获取单元104可以获取第二用户标识信息(比如用户ID、在因特网上传输的文本、向网站发表的文本、声音、图像和/或活动图像作为多个第二用户的传输历史。这里，传输历史获取单元104可以获取发表的文本、从发表的声音提取的文本和/或从发表的图像或者活动图像分析的文本作为第二用户的信息传输历史。

这里，传输历史获取单元104可以获取通过搜寻与另一外部服务器的原有传输历史而获得的传输历史。例如，传输历史获取单元104可以获取通过搜寻利用Web搜索引擎的搜索服务器的由外部服务器30在因特网上打开的传输历史而提取的传输历史。

在示例中，传输历史获取单元104可以从多个传输历史提取如下传输历史，该传输历史包括与行为细节有关的信息或者关于与行为历史有关的产品或者服务的信息，例如，包括关键字的历史，该关键字指示购买与行为历史有关的产品或者服务。

具体而言，在行为历史获取单元102获取在因特网上的产品购买历史的情况下，传输历史获取单元104可以使用与在因特网上的产品购买有关的关键字(比如“买入”、“购买”、“销售”、“预订”、“分发”、“递送”和/或“外部服务器20提供的服务的名称(例如，EC站点提供的服务的名称)”来搜寻传输历史以搜寻包括关键字的传输历史。

另外，传输历史获取单元104可以从作为发表目的地而服务的网站获取关于第二用户的第二简档信息。例如，传输历史获取单元104可以获取用户简档作为第二简档信息，每个用户简档包括第二用户的第二标识信息、邮件地址、姓名、地址、第二用户属于的团体和/或口味。

另外，传输历史获取单元104可以从网站获取关于第二用户的影响程度的信息(例如，第二用户在网站中的来自网站的追随者和/或好友的数目)。传输历史获取单元104可以向确定单元110提供多个第二用户的传输历史和简档信息，并且可以向重要程度计算单元120提供关于多个第二用户的影响程度的信息。

接着，在步骤S130中，关联程度计算部112为第一用户的行为历史和第二用户的传输历史的组合中的每个组合计算关联程度。例如，首先，关联程度计算部112计算相符程度q(x(id,n),y(ID,N))，从而使得该程度随着在具有第一标识信息id的第一用户id的行为历史中的行为细节x(id,n)与在具有提取的第二标识信息ID的第二用户ID的传输历史中的传输细节之间的相符程度增加而变成更高。

在示例中，如果在行为历史中的行为细节是“第一用户在具体EC站点(例如，在线商店ABC)中买入了具体产品(例如，产品XXX)”，并且如果在传输历史中的传输细节是“第二用户通过在SNS中点击发表按钮(例如，tweet按钮或者相似按钮)并且通过发表第二用户在具体EC站点(例如，在线商店ABC)中买入了具体产品(例如，产品XXX)这样的评论而发表的文本”，则关联程度计算部112可以估计相符程度为1。

在另一示例中，如果在行为历史中的行为细节是“第一用户在具体EC站点(例如，在线商店ABC)中买入了具体产品(例如，产品XXX)”，并且如果在传输历史中的传输细节是“包括具体产品(例如，产品XXX)在具体EC站点(例如，在线商店ABC)中的URL和与购买接近地有关的单词(比如“购买”、“买入”、“分发”或者“递送”)的文本”，则关联程度计算部112可以估计相符程度为0.8。

在另一示例中，如果在行为历史中的行为细节是“第一用户在具体EC站点(例如，在线商店ABC)中买入了具体产品(例如，产品XXX)”，并且如果在传输历史中的传输细节是“包括具体产品(例如，产品XXX)的名称的部分字符串和与购买有关的单词(比如“购买”、“买入”、“接收”、“分发”或者“递送”)的文本”，则关联程度计算部112可以估计相符程度为0.6。

在另一示例中，如果在行为历史中的行为细节是“第一用户在具体EC站点(例如，在线商店ABC)中买入了具体产品(例如，产品XXX)”，并且如果在传输历史中的传输细节是“包括具体产品(例如，产品XXX)的名称的部分字符串的文本”，则关联程度计算部112可以估计相符程度为0.5。

在另一示例中，如果在行为历史中的行为细节是“第一用户在具体EC站点(例如，在线商店ABC)中买入了具体产品(例如，产品XXX)”，并且如果在传输历史中的传输细节是“包括具体产品(例如，产品XX)在具体EC站点(例如，在线商店ABC)中的类别名称(例如，“书籍”、“音乐”和/或“日常产品”)的文本”，则关联程度计算部112可以估计相符程度为0.2。

关联程度计算部112可以考虑时间以及在行为历史中的行为的日期和时间与在传输历史中的传输日期和时间之间的差异来指派相符程度。例如，如果传输日期和时间在行为日期和时间之后，则关联程度计算部112可以指派比在传输日期和时间在行为日期和时间之前时的相符程度更高的相符程度。例如，如果在传输日期和时间与行为日期和时间之间的差异在一天内，则关联程度计算部112可以将相符程度乘以1；如果差异在两天内，则可以将相符程度乘以0.8；如果程度在三天内，则可以将相符程度乘以0.5；如果差异在一周内，则可以将相符程度乘以0.2；并且如果差异为一周或者更多，则可以将相符程度乘以0。这里，在行为历史中的购买的产品的价格高的情况下，关联程度计算部112可以将在传输日期和时间与行为日期和时间之间的参考差异设置比在产品价格低时的参考差异更长。

备选地，关联程度计算部112可以使用对数回归来计算在行为历史中的行为细节和在传输历史中的传输细节的组合中的每个组合的相符程度。例如，关联程度计算部112可以考虑(i)在传输历史中的传输细节是否包括商店的名称的部分字符串、(ii)在传输历史中的传输细节是否包括买入的产品的URL、(iii)在传输历史中的传输细节是否包括买入的产品的名称的部分字符串、(iv)在传输历史中的传输细节是否包括与购买有关的字词(比如“购买”和“接收”)以及(v)在行为日期和时间与传输日期和时间之间的时间差异来指派相符程度。在示例中，关联程度计算部112可以使用条件(i)至(v)作为特征来计算相符程度，从而使得相符程度随着行为细节和行为细节相符增加而增加至范围0至1。

接着，关联程度计算部112基于计算的相符程度q(x(id,n),y(ID,N))计算在行为历史中的行为细节x(id,n)与在传输历史中的传输细节y(ID,N)之间的关联程度λ(x(id,n),y(ID,N)).

关联程度计算部112可以使用等式1来计算关联程度λ(x,y)。

[数学式1]

λ(x,y)＝1+(r-1)q(x,y)  等式1

其中r是向行为历史和传输历史的全部给予的超过1的系数，并且是相符程度q向关联程度λ给予的权值。例如，关联程度计算部112可以使用预定实数r或者通过使用行为历史和传输历史或者测试数据的部分的交叉验证而确定的实数r。

接着，在S140中，关联程度计算部112为每个第一用户id的行为历史n和每个第二用户ID的传输历史N的组合中的每个组合计算指示在第一用户id与第二用户ID之间的差异程度的差异程度κ(x(id,n),y(ID,N))。

例如，首先，关联程度计算部112为在第一用户的行为历史中的行为细节和在第二用户的传输历史中的传输细节的组合中的每个组合计算指示在行为历史中的行为细节x(id,n)与在传输历史中的传输细节y(ID,N)之间的不相符程度的不相符程度q'(x(id,n),y(ID,N))。

在示例中，如果在传输历史中的传输细节包括对地点名称的描述并且在传输历史中的传输日期和时间与在行为历史中的行为日期和时间之间的差异在预定差异内，则关联程度计算部112可以计算范围从0至1的不相符程度，从而使得该值随着在行为历史中包括的产品目的地地址与在传输细节中包括的地点名称之间的距离增加而增加。

在另一示例中，如果在传输历史中的传输细节包括产品名称的至少部分和与购买矛盾的评论(比如“想要”或者“羡慕”)的至少部分，则关联程度计算部112可以计算范围从0至1的不相符程度，从而使得该值随着在传输细节与产品名称之间的相符比例和在传输细节和与购买矛盾的评论之间的相符比例增加而增加。

接着，关联程度计算部112基于计算的不相符程度q'(x(id,n),y(ID,N))计算在行为历史n与传输历史N之间的差异程度κ(x(id,n),y(ID,N))。

关联程度计算部112可以使用等式2来计算差异程度κ(x,y)。

[数学式2]

κ(x,y)＝1+(r'-1)q'(x,y)  等式2

其中r'是向行为历史和传输历史的全部给予的小于1的系数，并且是不相符程度q'向差异程度κ给予的权值。例如，关联程度计算部112可以使用预定实数r'或者通过使用行为历史和传输历史或者测试数据的部分的交叉验证而确定的实数r'。

接着，在S150中，相似度程度计算部114基于在S130中计算的关联程度λ和在S140中计算的差异程度κ的累计的结果为每个第一用户id和每个第二用户ID的组合中的每个组合计算相似度程度。相似程度计算部114还可以基于关于第一用户的简档信息和关于第二用户的简档信息计算相似度程度。例如，相似度程度计算部114可以使用等式3来计算在第一用户id与第二用户ID之间的相似度程度S(id,ID)。

[数学式3]

$S(\mathrm{id},\mathrm{ID})=\left(\underset{n}{\mathrm{\Π}}\underset{N}{\mathrm{\Π}}\mathrm{\λ}(x(\mathrm{id},n),y(\mathrm{ID},N))\right)\left(\underset{n}{\mathrm{\Π}}\underset{N}{\mathrm{\Π}}k(x(\mathrm{id},n),y(\mathrm{ID},N))\right)p(\mathrm{id},\mathrm{ID})$

等式3

其中p(id,ID)是指示在关于第一用户id的第一简档信息与关于第二用户ID的第二简档信息之间的相似度程度的简档相似度。

例如，相似度程度计算部114可以在关于第一用户id的第一简档信息中的地址的辖区(perfecture)和在关于第二用户ID的第二简档信息中包括的地址的辖区相符时将简档相似度p(id,ID)设置为高。备选地，相似度程度计算部114可以在第一简档信息中的邮件地址中和在第二用户ID的账户字符串中均包括的字符串存在时将简档相似度p(id,ID)设置为高。

备选地，例如，相似度程度计算部114可以基于关于第一用户id的简档信息和关于第二用户ID的简档信息是否包括(i)相同辖区、(ii)在第一用户id的第一标识信息或者邮件地址与第二用户ID的第二标识信息或者邮件地址之间的公共字符串和/或(iii)公共字符串使用对数回归来设置简档相似度p(id,ID)。

相似度程度计算部114可以也基于计算在关于第一用户id的除了第一简档信息之外的信息(例如，第一用户的登录状态和/或登录频率)与关于第二用户ID的除了第二简档信息之外的信息(例如，第二用户的登录状态和/或登录频率)之间的相似度程度计算简档相似度p(id,ID)。相似度程度计算部114可以在不能从简档信息获得充分信息的情况下(比如在不能从第一简档和第二简档中的至少一个简档获得多于预定数量的信息时)设置简档相似度p(id,ID)＝1。

接着，在S160中，相同用户提取部116指定可以在高可能性是相同用户的第一用户id和第二用户ID的组合。例如，相同用户提取部116从第一用户id和第二用户ID的组合提取其相似度程度为预定阈值或者更大的第一用户id和第二用户ID的组合。相同用户提取部116向重要程度计算单元120提供第一用户id和第二用户ID的提取的组合。

接着，在S170中，重要程度计算单元120计算作为相同用户而被指定的组合的用户的重要程度。例如，重要程度计算单元120根据关于第二用户ID的影响程度的信息计算第二用户ID的影响程度E(例如，第二用户ID的跟随者和/或好友的数目)。

在示例中，重要程度计算单元120可以根据第二用户ID的跟随者的数目将影响程度E设置为1(跟随者：1,000或者更多)、0.8(跟随者：100至少于1,000)、0.5(跟随者：20或者更多至少于100)、0.2(跟随者：10或者更多至少于20)或者0(跟随者：少于10)。

接着，重要程度计算单元120通过将第一用户id和第二用户ID的组合的相似度程度S(id,ID)乘以第二用户ID的影响程度E(ID)来计算第一用户id和第二用户ID的重要程度I(id,ID)。重要程度计算单元120向递送单元130提供计算的重要程度I(id,ID)。

接着，在S180中，递送单元向被确定为重要的第一用户id递送信息。例如，递送单元130可以向其重要程度I(id,ID)为预定阈值或者更大的第一用户id传输与和第一用户id对应的第二用户ID买入的产品有关的产品的直接邮件、广告和/或样本。

以这一方式，信息处理装置10为行为历史和传输历史的组合中的每个组合计算关联程度q和差异程度q'、基于第一用户id和第二用户ID的组合的累计的关联程度和差异程度计算第一用户id和第二用户ID的相似度程度S(id,ID)，并且将具有高相似度程度S(id,ID)的第一用户id和第二用户ID的组合指定为可以在高可能性是相同用户的组合。以这一方式，信息处理装置10可以实现在行为历史中的用户和在传输历史中的用户的姓名标识。

另外，信息处理装置10确定在被指定为相同的用户之中具有高影响程度的第一用户id是具有高重要程度的用户，并且向具有高重要程度的用户有选择地传输信息，并且因此可以向用户做产品等广告。

在这一实施例的第一修改中，关联程度计算部112可以省略在S140中的过程。在这一情况下，在S150中，相似程度计算部114可以使用等式3来计算相似度程度S(id,ID)，在等式3中从其右侧去除ΠΠκ(x,y)。

在这一实施例的第二修改中，在S140中，关联程度计算部112可以为在传输历史中的第一用户id和传输细节y(ID,N)的组合中的每个组合计算不相符程度q"(X(id,n),y(ID,N))而不是为第一用户id的香行为细节x(id,n)和第二用户ID的传输细节y(ID,N)的组合中的每个组合计算不相符程度q'(x(id,n),y(ID,N))。

例如，第二用户ID的传输细节涉及购买的产品等；然而，如果没有与第一用户id的购买历史对应的产品等，则关联程度计算部112可以向第一用户id和第二用户ID的评论N的组合指派高不相符程度q"(X(id,n),y(ID,N))。

在这一实施例的第三修改中，信息处理装置10可以使用运输使用历史作为行为历史而不是产品等的购买历史。例如，在S110中，行为历史获取单元102获取运输使用历史作为行为历史。在示例中，行为历史获取单元102可以从外部运输的使用示例数据库服务器获取多个用户的包括进站和离站的使用历史。

在S130中，关联程度计算部112可以向第一用户id的运输使用细节x(id,n)和第二用户ID的传输细节y(N,ID)的组合中的每个组合指派相符程度q(x(id,n),y(ID,N))。例如，如果运输使用历史包括进站或者离站的单词或者其部分、进站或者离站的地点名称的单词或者其部分或者假设被使用的线路名称的单词或者其部分，则关联程度计算部112可以设置相符程度以便按照这一顺序增加。

在这一实施例的第四修改中，信息处理装置10可以基于获取的行为历史和传输历史预先计算在行为历史与传输历史之间的关联程度以指定第一用户和第二用户的组合。

这一修改的信息处理装置10除了获取的行为历史和传输历史之外还可以在需要出现时获取新行为历史和传输历史，并且可以计算在新行为历史和传输历史与获取的行为历史和传输历史之间的关联程度(和差异程度)，由此更新在第一用户与第二用户之间的相似程度以由此更新第一用户和第二用户的组合。

在这一情况下，在S130中，关联程度计算部112可以基于等式4计算在等式1中的系数r。

[数学式4]

$r=\frac{\frac{\underset{\mathrm{id}}{\mathrm{\Σ}}m\left(\mathrm{id}\right)}{\underset{\mathrm{id}}{\mathrm{\Σ}}M\left(\mathrm{id}\right)}}{\frac{\underset{\mathrm{id}}{\mathrm{\Σ}}n\left(\mathrm{id}\right)N\left(\mathrm{id}\right)}{\left(\underset{\mathrm{id}}{\mathrm{\Σ}}n\left(\mathrm{id}\right)\right)\left(\underset{\mathrm{id}}{\mathrm{\Σ}}N\left(\mathrm{id}\right)\right)}}$   等式4

其中在等式4中的id可以是向从获取的行为历史和传输历史确定为相同用户的第一用户和第二用户的组合提供的标识信息；例如，向第一用户id和第二用户ID的第一组合给予相同用户1的id，并且向第一用户id和第二用户ID的第二组合给予相同用户2的id。

这里，n(id)是与相同用户id有关的行为历史的数目(例如，购买的数目)，并且Σn(id)是所有相同用户的行为历史的数目之和。N(id)是与相同用户id有关的传输历史的数目(例如，在SNS上发表的评论的数目)，并且ΣN(id)是所有相同用户的传输历史的数目之和。

这里，m(id)是在与相同用户id有关的传输历史中的传输细节(例如，其计算的关联程度为预定阈值或者更大的传输细节)之中的与在相同用户的行为历史中的行为细节中的任何行为细节有关的传输细节的数目，并且Σm(id)是所有相同用户的数目m(id)之和。

M(id)是在相同用户id的传输历史中的传输细节(例如，其计算的关联程度为预定阈值或者更大的传输细节)之中的与所有相同用户的行为历史中的任何行为历史有关的传输细节的数目，并且ΣM(id)是所有相同用户的数目M(id)之和。Σn(id)N(id)是所有相同用户id的数目n(id)×N(id)之和。

在S140中，这一修改的关联程度计算部112可以基于等式5计算r’。

[数学式5]

$r^{\′}=\frac{\frac{\underset{\mathrm{id}}{\mathrm{\Σ}}{m}^{\′\left(\mathrm{id}\right)}}{\underset{\mathrm{id}}{\mathrm{\Σ}}{M}^{\′\left(\mathrm{id}\right)}}}{\frac{\underset{\mathrm{id}}{\mathrm{\Σ}}{n}^{\′\left(\mathrm{id}\right)}{N}^{\′\left(\mathrm{id}\right)}}{\left(\underset{\mathrm{id}}{\mathrm{\Σ}}{n}^{\′}\left(\mathrm{id}\right)\right)\left(\underset{\mathrm{id}}{\mathrm{\Σ}}{N}^{\′}\left(\mathrm{id}\right)\right)}}$   等式5

其中在等式5中的id、n'(id)和N'(id)可以与在等式4中的id、n(id)和N(id)相同。

其中，m'(id)是在与相同用户id有关的传输历史中的传输细节(例如，其计算的差异程度为预定阈值或者更大的传输细节)之中的被确定为与在相同用户的行为历史中的行为细节中的任何行为细节矛盾的传输细节的数目，并且Σm'(id)是所有相同用户的数目m'(id)之和。M'(id)是在与相同用户id有关的传输细节(例如，其计算的差异程度为预定阈值或者更大的传输细节)之中的被确定为与相同用户的行为细节中的任何行为细节矛盾的传输细节的数目，并且ΣM'(id)是所有相同用户的数目M'(id)之和。

图3图示了根据这一实施例的传输历史的示例。传输历史获取单元104可以获取向SNS(比如微博站点)的发表的历史。例如，如在图3中所示，传输历史获取单元104获取的传输历史包括第二用户的第二标识信息(例如，“yamadataro”)、发表的评论、发表日期和时间。发表的评论包括信息，比如第二用户买入产品所在的商店(“在线商店ABC”和“ABC”)和购买的产品信息(“CD”、“乐队XXX”和“XXX限量唱片”)。

图4图示了这一实施例的行为历史的示例。行为历史获取单元102可以获取在EC站点中的购买历史。例如，如在图4中所示，行为历史获取单元102获取关于第一用户的第一标识信息(例如，“TaroYamada”)、第一用户买入的产品(“书籍AAA”等)、地址(“AA辖区AA”等)、购买日期和递送日期。

图5图示了相似度程度计算部114在这一实施例中计算的相似度程度的示例。如在图5中所示，相似程度计算部114计算多个第一用户A至D和多个第二用户A至D的组合的相似度程度。例如，相似度程度计算部114为第一用户A和第二用户A的组合计算相似度程度AA、为第一用户A和第二用户B的组合计算相似度程度AB、为第一用户A和第三用户C的组合计算相似度程度AC并且为第一用户A和第二用户D的组合计算相似度程度AD。以这一方式，相似度程度计算部114为所有第一用户和所有第二用户的所有组合计算相似度程度。

图6图示了关联程度计算部112在这一实施例中计算的关联程度的示例。如在图6中所示，关联程度计算部112为第一用户A的多个行为历史A至D和第二用户A的多个传输历史A至D的组合中的每个组合计算关联程度。例如，关联程度计算部112为第一用户A的行为历史A和第二用户A的传输历史的组合计算关联程度AA、为第一用户A的行为历史A和第二用户A的传输历史B的组合计算关联程度AB、为第一用户A的行为历史A和第二用户A的传输历史C的组合计算关联程度AC并且为第一用户A的行为历史A和第二用户A的传输历史D的组合计算关联程度AD。如以上描述的那样，关联程度计算部112为一个第一用户A的所有行为历史和一个第二用户A的所有传输历史的所有组合计算关联程度。

图7图示了作为信息处理装置10而服务的计算机1900的示例硬件配置。根据这一实施例的计算机1900包括：CPU外围设备，包括由主机控制器2082相互连接的CPU 2000、RAM 2020和图形控制器2075以及显示设备2080；输入/输出部，包括由输入/输出控制器2084连接到主机控制器2082的通信接口2030、硬盘驱动2040、输入/输出控制器2084和CD-ROM驱动2060；以及旧式输入/输出部，包括连接到输入/输出控制器2084的ROM 2010、软盘驱动2050和输入/输出芯片2070。

主机控制器2082将RAM 2020、以高传送速率访问RAM 2020的CPU 2000和图形控制器2075连接在一起。CPU 2000基于在ROM2010和RAM 2020中存储的程序操作以控制部件。

图形控制器2075获取CPU 2000等在被提供在RAM 2020中的帧缓冲器上生成的图像数据并且在显示设备2080上显示数据。备选地，图形控制器2075可以包括存储由CPU 2000生成的图像数据等的帧缓冲器。

输入/输出控制器2084连接主机控制器2082与作为相对高速输入/输出设备的通信接口2030、硬盘驱动2040和CD-ROM驱动2060。通信接口2030经由网络相互有线或者无线通信。

通信接口2030作为用于在信息处理装置10中通信的硬件工作。硬盘驱动2040存储计算机1900中的CPU 2000使用的程序和数据。

CD-ROM驱动2060从CD-ROM 2095读取程序或者数据并且经由RAM 2020向硬盘驱动2040提供它。

输入/输出控制器2084连接到作为相对低速输入/输出设备的ROM 2010、软盘驱动2050和输入/输出芯片2070。ROM 2010存储计算机1900在启动时执行的引导程序和/或取决于计算机1900的硬件的程序等。

软盘驱动2050从软盘2090读取程序或者数据并且经由RAM2020向硬盘驱动2040提供它。输入/输出芯片2070将软盘驱动2050连接到输入/输出控制器2084并且经由并行端口、串行端口、键盘端口或者鼠标端口将各种输入-输出设备连接到输入/输出控制器2084。

经由RAM 2020向硬盘驱动2040提供的程序被存储于存储介质(比如软盘2090、CD-ROM 2095或者IC卡)中并且由用户提供。程序从存储介质被读取、经由RAM 2020被安装于计算机1900中的硬盘驱动2040中并且在CPU 2000中被执行。

在计算机1900中安装的用于使计算机1900作为信息处理装置100工作的程序包括行为历史获取模块、传输历史获取模块、确定模块、关联程度计算模块、相似度程度计算模块、相同用户提取模块、重要程度计算模块和递送模块。这些程序和模块可以在CPU 2000等中工作，从而使得计算机1900作为历史获取单元102、传输历史获取单元104、确定单元110、关联程度计算部112、相似度程度计算部114、相同用户提取部116、重要程度计算单元120和递送单元130工作。

在程序中描述的信息处理由计算机1900读取并且作为行为历史获取单元102、传输历史获取单元104、确定单元110、关联程度计算部112、相似度程度计算部114、相同用户提取部116、重要程度计算单元120和递送单元130动作，它们是软件和以上描述的各种硬件资源在其中配合的具体单元。适合用于既定用途的信息处理装置10由根据这一实施例的计算机1900的既定用途实施信息计算或者处理的这些具体装置配置。

在示例中，为了在计算机1900与外部设备等之间的通信，CPU2000执行在RAM 2020上加载的通信程序并且指令通信接口2030以基于在通信程序中描述的处理细节执行通信处理。

通信接口2030在CPU 2000的控制之下读取在存储设备(比如RAM 2020、硬盘设备2040、软盘2090或者CD-ROM 2095)中提供的传输缓冲区域等中存储的传输数据，并且向网络传输该传输数据或者向在存储设备中提供的接收缓冲区域等写入从网络接收的接收数据。

通信接口2030可以如以上描述的那样通过直接存储器存取(DMA)向/从存储设备传送传输/接收数据，或者备选地，CPU 2000可以通过从目的地通信接口2030或者存储设备读取数据和向目的地通信接口2030或者存储设备写入数据来传送传输/接收数据。

另外，CPU 2000通过DMA传送等向RAM 2020中读取在外部存储设备(比如硬盘驱动2040、CD-ROM驱动2060(CD-ROM 2095)和软盘驱动2050(软盘2090))中存储的文件或者数据库的所有或者必需部分并且对在RAM 2020中的数据执行各种过程。

CPU 2000通过DMA传送等向外部存储设备回写处理的数据。由于RAM 2020可以在这样的过程中被视为在外部存储设备中的内容的暂时存储装置，所以RAM 2020和外部存储设备在这一实施例中被统称为存储器、存储装置或者存储设备。

在这一实施例中的各项信息(比如程序、数据、表和数据库)存储于这样的存储设备上并且受到信息处理。CPU 2000也可以在高速缓存存储器中存储RAM 2020的内容的部分并且可以写入和读取高速缓存存储器。由于高速缓存存储器也在这样的配置中负责RAM2020的功能的部分，所以高速缓存存储器除了它与之有区别的情况之外在这一实施例中也被包括在RAM 2020、存储器和/或存储设备中。

另外，CPU 2000对从RAM 2020读取的数据执行在这一实施例中描述的由程序的指令序列指明的包括计算、信息处理、关于条件的确定、搜寻信息和替换信息的各种过程，并且向RAM 2020回写数据。例如，对于关于条件的确定，CPU 2000确定在这一实施例中示处的各种变量是否满足条件(比如大于、小于、大于等于、小于等于或者等于另一变量或者常数，并且如果满足(或者不满足)条件，则CPU 200前往不同指令序列或者调用子例程。

另外，CPU 2000可以搜寻在存储设备中的文件、数据库等中存储的信息。例如，在其中第二属性值与第一属性值关联的多个条目存储于存储设备中的情况下，CPU 2000从在存储设备中存储的多个条目之中发现其第一属性值与指明的条件匹配的条目，并且读取在条目中存储的第二属性值，以由此获得与满足预定条件的第一属性值关联的第二属性值。

以上描述的程序或者模块可以存储于外部记录介质中。记录介质的示例除了软盘2090和CD-ROM 2095之外还包括光记录介质(比如DVD和CD)、光磁记录介质(比如MO)、带介质和半导体存储器(比如IC卡)。程序可以使用存储设备(比如硬盘和RAM)经由网络被提供到计算机1900、被提供在连接到专用通信网络或者因特网的服务器系统中作为记录介质。

虽然已经使用实施例描述了本发明，但是本发明的技术范围不限于实施例的范围。本领域技术人员将清楚可以进行实施例的各种改变和修改。也将从本发明的范围清楚在本发明的技术范围中也包括这样的改变和修改。

将理解，除非另有指定(比如“在……之前”)和除非在后继过程中使用先前过程的输出，否则可以在任何执行序列中实现在权利要求、说明书和附图的范围中示出的设备、系统、程序和方法的过程，比如操作、程序、步骤和阶段。即使为了方便而使用“第一”、“第二”等来描述权利要求、说明书和在附图中的操作程序的范围，也并非绝对地有必要按照这一顺序执行操作。

[标号列表]

10：信息处理装置

20：外部服务器

30：外部服务器

102：行为历史获取单元

104：传输历史获取单元

110：确定单元

112：关联程度计算部

114：相似度程度计算部

116：相同用户提取部

120：重要程度计算单元

130：递送单元

1900：计算机

2000：CPU

2010：ROM

2020：RAM

2030：通信接口

2040：硬盘驱动

2050：软盘驱动

2060：CD-ROM驱动

2070：输入/输出芯片

2075：图形控制器

2080：显示设备

2082：主机控制器

2084：输入/输出控制器

2090：软盘

2095：CD-ROM

Claims (14)

1.一种信息处理装置，包括：

行为历史获取单元，被配置为获取由第一用户标识信息标识的第一用户的行为历史；

传输历史获取单元，被配置为获取由第二用户标识信息标识的第二用户的信息传输历史；以及

确定单元，被配置为基于在所述行为历史中包括的行为细节和在所述传输历史中包括的传输细节确定在所述第一用户与所述第二用户之间的同一性。

2.根据权利要求1所述的信息处理装置，其中：

所述确定单元基于在所述行为历史中包括的行为定时和在所述传输历史中包括的传输定时确定在所述第一用户与所述第二用户之间的同一性。

3.根据权利要求1所述的信息处理装置，其中：

所述确定单元为所述第一用户的一个或者多个行为历史和所述第二用户的一个或者多个传输历史的组合中的每个组合计算所述关联程度，并且基于用于所述多个组合的多个所述关联程度确定在所述第一用户与所述第二用户之间的同一性。

4.根据权利要求3所述的信息处理装置，其中：

所述确定单元基于多个所述关联程度为多个所述第一用户中的每个第一用户和多个所述第二用户中的每个第二用户的组合中的每个组合计算相似度程度以提取其相似度为预定阈值或者更大的第一用户和第二用户的组合。

5.根据权利要求4所述的信息处理装置，其中：

所述确定单元为所述第一用户的一个或者多个行为历史和所述第二用户的一个或者多个传输历史的组合中的每个组合计算指示在所述第一用户中的每个第一用户与所述第二用户中的每个第二用户之间的差异程度的差异程度，并且基于所述关联程度和所述差异程度确定在所述第一用户与所述第二用户之间的同一性。

6.根据权利要求3所述的信息处理装置，其中：

所述确定单元基于关于所述第一用户的简档信息和关于所述第二用户的简档信息确定在所述第一用户与所述第二用户之间的同一性。

7.根据权利要求4所述的信息处理装置，还包括：

重要程度计算单元，被配置为基于第一用户和第二用户的所述组合的相似度程度和从在所述组合中包括的所述第二用户的传输信息的影响程度计算从与所述第一用户和所述第二用户的所述组合对应的所述第一用户和所述第二用户指定的用户的重要程度。

8.根据权利要求1所述的信息处理装置，其中：

所述传输历史获取单元获取使用所述第二用户标识信息来登入接收发表的信息的网站并且向所述网站发表信息的所述第二用户的信息发表历史作为所述第二用户的信息传输历史。

9.根据权利要求1所述的信息处理装置，其中：

所述行为历史获取单元经由因特网获取产品或者服务购买历史作为所述用户的行为历史。

10.根据权利要求1至9中的任一权利要求所述的信息处理装置，其中：

所述行为历史获取单元获取运输使用历史作为所述用户的行为历史。

11.根据权利要求1所述的信息处理装置，其中：

所述传输历史获取单元获取通过搜寻与外部服务器的传输历史而获得的所述传输历史；以及

所述确定单元从取回的所述传输历史提取包括与所述行为历史有关的信息的传输历史。

12.根据权利要求11所述的信息处理装置，其中：

所述确定单元从取回的所述传输历史提取包括和与所述行为历史有关的产品或者服务有关的信息的传输历史。

13.根据权利要求11所述的信息处理装置，其中：

所述确定单元从取回的所述传输历史提取包括关键字的传输历史，所述关键字指示购买与所述行为历史有关的产品或者服务。

14.一种由计算机实施的用于处理信息的方法，所述方法包括以下步骤：

获取由第一用户标识信息标识的第一用户的行为历史；

获取由第二用户标识信息标识的第二用户的信息传输历史；以及

基于在所述行为历史中包括的行为细节和在所述传输历史中包括的传输细节确定在所述第一用户与所述第二用户之间的同一性。