CN108733760A - 检索方法、检索装置以及程序 - Google Patents
检索方法、检索装置以及程序 Download PDFInfo
- Publication number
- CN108733760A CN108733760A CN201810336267.6A CN201810336267A CN108733760A CN 108733760 A CN108733760 A CN 108733760A CN 201810336267 A CN201810336267 A CN 201810336267A CN 108733760 A CN108733760 A CN 108733760A
- Authority
- CN
- China
- Prior art keywords
- mapping
- concept
- word
- association
- degree
- 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.)
- Granted
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3322—Query formulation using system suggestions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Dermatology (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Biomedical Technology (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及检索方法、检索装置及程序。检索方法是通过处理器执行的方法,处理器执行:(a)取得检索单词;(b)从存储器取得包含多个单词和该多个单词彼此之间的语义距离的第一~第三概念映射;(c)取得第一关联度映射,该第一关联度映射包含表示第一及第二概念映射各自所包含的语义距离的接近度的关联度;(d)取得第二关联度映射,该第二关联度映射包含表示第一~第三概念映射各自所包含的语义距离的接近度的关联度;(e)从多个单词中提取第一关联度映射所包含的相对于检索单词的关联度与第二关联度映射所包含的相对于检索单词的关联度的差量在第一阈值以上的至少一个单词作为关联单词;(f)输出基于检索单词及关联单词检索到的结果。
Description
技术领域
本公开涉及检索(搜索)方法、检索装置以及程序。
背景技术
用户利用互联网上的检索服务等来检索与商品或者服务等有关的信息的机会在增多。例如在检索用于由特定的组(group)前往的旅行目的地或者餐饮店等的候补的情况下,需要向信息终端等输入满足属于特定组的所有用户共同(共通)的喜好的检索关键字(keyword)。
专利文献1中公开了如下技术:属于特定组的所有用户预先输入对于商品或者服务等的评分(score),由此,基于根据所输入的评分的历史记录算出的评价值,向特定组推荐商品或者服务等。
现有技术文献
专利文献
专利文献1:日本特开2015-18453号公报
非专利文献
非专利文献1:G.Linden,B.Smith,and J.York,"Amazon.com Recommendations:Item-to-Item Collaborative Filtering",IEEE Internet Computing,vol.7,no.1,2003,pp.76-80.
发明内容
然而,在上述专利文献1所公开的技术中,需要用户预先输入评分,因而,例如无法向特定组推荐诸如用户没有购入过的商品或者没有利用过的服务等、没有预先输入评分的商品或者服务等。
此外,在非专利文献1所公开的技术中,虽然无需用户预先输入评分,但是基于实际的购买行为,因而没能适用于不存在购买行为信息的商品领域。
于是,本公开提供不使用购买历史记录也能够向特定组推荐最适合的商品或者服务等的检索方法、检索装置以及程序。
本公开的一个技术方案涉及的检索方法,是通过处理器执行的检索方法,所述处理器执行:(a)取得检索单词;(b)从存储器取得属于第一组的第一用户所固有的第一概念映射(map)、属于所述第一组的第二用户所固有的第二概念映射、以及属于与所述第一组不同的第二组的第三用户所固有的第三概念映射,第一概念映射、第二概念映射以及第三概念映射包含多个单词和所述多个单词彼此之间的语义距离;(c)取得第一关联度映射,所述第一关联度映射包含表示所述第一概念映射所包含的所述语义距离与所述第二概念映射所包含的所述语义距离的接近度(远近)的关联度;(d)取得第二关联度映射,所述第二关联度映射包含表示所述第一概念映射所包含的所述语义距离、所述第二概念映射所包含的所述语义距离与所述第三概念映射所包含的所述语义距离的接近度的关联度;(e)从所述多个单词中,提取所述第一关联度映射所包含的相对于所述检索单词的所述关联度与所述第二关联度映射所包含的相对于所述检索单词的所述关联度的差量大于等于第一阈值的至少一个单词作为关联单词;(f)输出基于所述检索单词以及所述关联单词所检索到的结果。
此外,这些总括性或具体的技术方案既可以通过装置、系统、集成电路、计算机程序或计算机可读取的记录介质来实现,也可以通过装置、系统、方法、集成电路、计算机程序以及记录介质的任意组合来实现。计算机可读取的记录介质例如包括CD-ROM(CompactDisc-Read Only Memory)等非易失性记录介质。
根据本公开的一个技术方案涉及的检索方法等,不使用购买历史记录也能够向特定组推荐最适合的商品或者服务等。从本说明书及附图可知晓本公开的一个技术方案的附加的益处及优点。该益处和/或优点可以单独地由本说明书及附图所公开的各种技术方案及特征而得到,无需为了得到一个以上益处和/或优点而实施所有的技术方案及特征。
附图说明
图1A是表示实施方式1涉及的检索系统的应用例的图。
图1B是表示实施方式1涉及的检索系统的另一应用例的图。
图2是表示实施方式1涉及的检索系统的概要的框图。
图3是表示实施方式1涉及的检索系统的构成的框图。
图4A是表示第一概念映射的一例的图。
图4B是表示第二概念映射的一例的图。
图4C是表示第三概念映射的一例的图。
图4D是表示第四概念映射的一例的图。
图5是用于概念性地说明第一~第四概念映射的图。
图6是用于概念性地说明第一~第四概念映射的图。
图7是表示实施方式1涉及的组共同概念提取部的工作的流程的流程图。
图8A是表示实施方式1涉及的组共同概念提取部所进行的概念间距离的算出例的图。
图8B是表示实施方式1涉及的组共同概念提取部所进行的关联度的算出例的图。
图9是表示实施方式1涉及的全体共同概念提取部的工作的流程的流程图。
图10A是表示实施方式1涉及的全体共同概念提取部所进行的概念间距离的算出例的图。
图10B是表示实施方式1涉及的全体共同概念提取部所进行的关联度的算出例的图。
图11是表示实施方式1涉及的全体共同概念排除部的工作的流程的流程图。
图12是示意性地表示从第一概念映射提取到的相关矩阵的图。
图13是示意性地表示分别从第一概念映射以及第二概念映射提取到的相关矩阵的图。
图14是示意性地表示分别从第一~第四概念映射提取到的相关矩阵的图。
图15是表示实施方式1涉及的推荐请求部的工作例的图。
图16A是表示实施方式1涉及的推荐对象用户终端的显示部中的推荐结果的显示例1的图。
图16B是表示实施方式1涉及的推荐对象用户终端的显示部中的推荐结果的显示例1的图。
图17是表示实施方式1涉及的推荐对象用户终端的显示部中的推荐结果的显示例2的图。
图18是表示实施方式1涉及的推荐对象用户终端的显示部中的推荐结果的显示例3的图。
图19是表示实施方式2涉及的检索系统的构成的框图。
图20是表示实施方式2涉及的概念平均距离运算部所进行的概念平均距离的算出例的图。
图21是表示实施方式2涉及的全体共同概念排除部的工作的流程的流程图。
图22是表示实施方式3涉及的检索系统的构成的框图。
图23是表示实施方式4涉及的检索系统的构成的框图。
标号说明
2、2A、2B、2C检索系统;4组;6用户;8语音终端;10信息终端;12、12A推荐概念运算部;14推荐服务提供部;16a、16b、16Ca、16Cb推荐对象用户终端;18a、18b推荐对象外用户终端;20互联网;22检索单词发送部;24概念映射保持部;26推荐结果接收部;28检索单词接收部;30推荐对象终端概念映射接收部;32推荐对象外终端概念映射接收部;34组共同概念提取部;36全体共同概念提取部;38、38A全体共同概念排除部;40推荐概念发送部;42推荐概念接收部;44数据库;46推荐请求部;48推荐内容生成部;50推荐结果发送部;52、54、92框线;56、62组共同概念;58、60全体共同概念;64关联单词;66检索查询(query);68物件数据库;70显示部;72、74、86、88显示区域;76、78选项按钮;80推荐结果显示画面;82、84推荐结果;90概念平均距离运算部;94中继装置。
具体实施方式
本公开的一个技术方案涉及的检索方法,是通过处理器执行的检索方法,所述处理器执行:(a)取得检索单词;(b)从存储器取得属于第一组的第一用户所固有的第一概念映射、属于所述第一组的第二用户所固有的第二概念映射、以及属于与所述第一组不同的第二组的第三用户所固有的第三概念映射,第一概念映射、第二概念映射以及第三概念映射包含多个单词和所述多个单词彼此之间的语义距离;(c)取得第一关联度映射,所述第一关联度映射包含表示所述第一概念映射所包含的所述语义距离与所述第二概念映射所包含的所述语义距离的接近度的关联度;(d)取得第二关联度映射,所述第二关联度映射包含表示所述第一概念映射所包含的所述语义距离、所述第二概念映射所包含的所述语义距离与所述第三概念映射所包含的所述语义距离的接近度的关联度;(e)从所述多个单词中,提取所述第一关联度映射所包含的相对于所述检索单词的所述关联度与所述第二关联度映射所包含的相对于所述检索单词的所述关联度的差量大于等于第一阈值的至少一个单词作为关联单词;(f)输出基于所述检索单词以及所述关联单词所检索到的结果。
根据本技术方案,基于第一概念映射以及第二概念映射,提取对于属于第一组的第一用户以及第二用户而言表示对检索单词的共同的概念的关联单词。由于基于该提取到的关联单词与检索单词进行检索,因此即使是第一用户或者第二用户没有购入过的商品或者没有利用过的服务等,也能够向第一组推荐最适合的商品或者服务等。再者,从多个单词中提取第一关联度映射所包含的相对于检索单词的关联度与第二关联度映射所包含的相对于检索单词的关联度的差量大于等于第一阈值的单词作为关联单词。由此,能够提取仅对属于第一组的第一用户以及第二用户表示共同的概念的关联单词,能够提高关联单词的提取精度。
例如,也可以构成为,在所述(e)中,对于所述差量大于等于所述第一阈值的所述至少一个单词,在基于所述第一概念映射所包含的相对于所述检索单词的所述语义距离与所述第二概念映射所包含的相对于所述检索单词的所述语义距离之和的值小于等于第二阈值的情况下,提取所述单词作为所述关联单词。
根据本技术方案,能够从关联单词中排除虽然对于第一用户以及第二用户而言表示与检索单词共同的概念、但是相对于检索单词的语义距离远的单词。由此,能够向第一组推荐更加适合的商品或者服务等。
例如,也可以构成为,在所述(f)中,对属于所述第一组的所述第一用户或者所述第二用户显示基于所述检索单词以及所述关联单词所检索到的结果。
根据本技术方案,能够通过显示检索结果来向第一组推荐商品或者服务等。
例如,也可以构成为,在所述(f)中,按所述第一关联度映射所包含的所述检索单词和所述关联单词的所述关联度从高到低的顺序显示基于所述检索单词以及所述关联单词所检索到的结果。
根据本技术方案,能够按照对第一组的推荐顺序显示检索结果。
例如,也可以构成为,在所述(f)中,以比由其他用户做出高评价的内容(contents)更靠上位的方式显示基于所述检索单词以及所述关联单词所检索到的结果。
根据本技术方案,能够优先显示应向第一组推荐的检索结果。
例如,也可以构成为,所述第一概念映射、所述第二概念映射以及所述第三概念映射各自基于脑测量的结果来生成。
根据本技术方案,能够基于脑测量的结果,生成第一概念映射、第二概念映射以及第三概念映射。
例如,也可以构成为,所述第一概念映射、所述第二概念映射以及所述第三概念映射各自基于使用了fMRI即功能性磁共振成像法的脑测量的结果来生成。
根据本技术方案,能够基于使用了fMRI的脑测量的结果,生成第一概念映射、第二概念映射以及第三概念映射。
本公开的一个技术方案涉及的检索装置,其具备处理器和存储器,所述处理器执行:(a)取得检索单词;(b)从所述存储器取得属于第一组的第一用户所固有的第一概念映射、属于所述第一组的第二用户所固有的第二概念映射、以及属于与所述第一组不同的第二组的第三用户所固有的第三概念映射,第一概念映射、第二概念映射以及第三概念映射包含多个单词和所述多个单词彼此之间的语义距离;(c)取得第一关联度映射,所述第一关联度映射包含表示所述第一概念映射所包含的所述语义距离与所述第二概念映射所包含的所述语义距离的接近度的关联度;(d)取得第二关联度映射,所述第二关联度映射包含表示所述第一概念映射所包含的所述语义距离、所述第二概念映射所包含的所述语义距离与所述第三概念映射所包含的所述语义距离的接近度的关联度;(e)从所述多个单词中,提取所述第一关联度映射所包含的相对于所述检索单词的所述关联度与所述第二关联度映射所包含的相对于所述检索单词的所述关联度的差量大于等于第一阈值的至少一个单词作为关联单词;(f)基于所述检索单词以及所述关联单词输出检索用的单词。
根据本技术方案,基于第一概念映射以及第二概念映射,提取对于属于第一组的第一用户以及第二用户而言表示对检索单词的共同的概念的关联单词。由于基于该提取到的关联单词与检索单词进行检索,因此即使是第一用户或者第二用户没有购入过的商品或者没有利用过的服务等,也能够向第一组推荐最适合的商品或者服务等。再者,从多个单词中提取第一关联度映射所包含的相对于检索单词的关联度与第二关联度映射所包含的相对于检索单词的关联度的差量大于等于第一阈值的单词作为关联单词。由此,能够提取仅对属于第一组的第一用户以及第二用户表示共同的概念的关联单词,能够提高关联单词的提取精度。
例如,也可以构成为,在所述(e)中,对于所述差量大于等于所述第一阈值的所述至少一个单词,在基于相对于所述第一概念映射所包含的相对于所述检索单词的所述语义距离与相对于所述第二概念映射所包含的相对于所述检索单词的所述语义距离的之和的值小于等于第二阈值的情况下,提取所述单词所述大于等于所述第一阈值的所述至少一个单词作为所述关联单词。
根据本技术方案,能够从关联单词中排除虽然对于第一用户以及第二用户而言表示与检索单词共同的概念、但是相对于检索单词的语义距离远的单词。由此,能够向第一组推荐更加适合的商品或者服务等。
例如,也可以构成为,所述处理器进一步执行:(g)对属于所述第一组的所述第一用户或者所述第二用户显示基于所述检索单词以及所述关联单词所检索到的结果。
根据本技术方案,能够通过显示检索结果来向第一组推荐商品或者服务等。
例如,也可以构成为,在所述(g)中,按所述第一关联度映射所包含的所述检索单词和所述关联单词的所述关联度从高到低的顺序显示基于所述检索单词以及所述关联单词所检索到的结果。
根据本技术方案,能够按照对第一组的推荐顺序显示检索结果。
例如,也可以构成为,在所述(g)中,以比由其他用户做出高评价的内容更靠上位的方式显示基于所述检索单词以及所述关联单词所检索到的结果。
根据本技术方案,能够优先显示应向第一组推荐的检索结果。
例如,也可以构成为,所述第一概念映射、所述第二概念映射以及所述第三概念映射各自基于脑测量的结果来生成。
根据本技术方案,能够基于脑测量的结果,生成第一概念映射、第二概念映射以及第三概念映射。
例如,也可以构成为,所述第一概念映射、所述第二概念映射以及所述第三概念映射各自基于使用了fMRI即功能性磁共振成像法的脑测量的结果来生成。
根据本技术方案,能够基于使用了fMRI的脑测量的结果,生成第一概念映射、第二概念映射以及第三概念映射。
本公开的一个技术方案涉及的程序,是使计算机执行检索方法的程序,所述程序使所述计算机执行:(a)取得检索单词;(b)从存储器取得属于第一组的第一用户所固有的第一概念映射、属于所述第一组的第二用户所固有的第二概念映射、以及属于与所述第一组不同的第二组的第三用户所固有的第三概念映射,第一概念映射、第二概念映射以及第三概念映射包含多个单词和所述多个单词彼此之间的语义距离;(c)取得第一关联度映射,所述第一关联度映射包含表示所述第一概念映射所包含的所述语义距离与所述第二概念映射所包含的所述语义距离的接近度的关联度;(d)取得第二关联度映射,所述第二关联度映射包含表示所述第一概念映射所包含的所述语义距离、所述第二概念映射所包含的所述语义距离与所述第三概念映射所包含的所述语义距离的接近度的关联度;(e)从所述多个单词中,提取所述第一关联度映射所包含的相对于所述检索单词的所述关联度与所述第二关联度映射所包含的相对于所述检索单词的所述关联度的差量大于等于第一阈值的至少一个单词作为关联单词;(f)输出基于所述检索单词以及所述关联单词所检索到的结果。
根据本技术方案,基于第一概念映射以及第二概念映射,提取对于属于第一组的第一用户以及第二用户而言表示对检索单词的共同的概念的关联单词。由于基于该提取到的关联单词与检索单词进行检索,因此即使是第一用户或者第二用户没有购入过的商品或者没有利用过的服务等,也能够向第一组推荐最适合的商品或者服务等。再者,从多个单词中提取第一关联度映射所包含的相对于检索单词的关联度与第二关联度映射所包含的相对于检索单词的关联度的差量大于等于第一阈值的单词作为关联单词。由此,能够提取仅对属于第一组的第一用户以及第二用户表示共同的概念的关联单词,能够提高关联单词的提取精度。
此外,这些总括性或具体的技术方案既可以通过系统、方法、集成电路、计算机程序或计算机可读取的CD-ROM等记录介质来实现,也可以通过系统、方法、集成电路、计算机程序和记录介质的任意组合来实现。
以下,参照附图,具体地对实施方式进行说明。
此外,在以下说明的实施方式均表示总括性或具体的例子。以下的实施方式中表示的数值、形状、材料、构成要素、构成要素的配置位置以及连接方式、步骤、步骤的顺序等为一例,并非旨在限定本公开。另外,对于以下的实施方式中的构成要素中的、没有记载在表示最上位概念的独立权利要求中的构成要素,作为任意的构成要素进行说明。
(实施方式1)
[1-1.检索系统的概要]
首先,参照图1A~图2,对实施方式1涉及的检索系统2的概要进行说明。图1A是表示实施方式1涉及的检索系统2的应用例的图。图1B是表示实施方式1涉及的检索系统2的另一应用例的图。图2是表示实施方式1涉及的检索系统2的概要的框图。
如图1A及图1B所示,实施方式1涉及的检索系统2是用于在属于特定的组4的用户6输入了检索单词时通过EC(Electronic Commerce,电子商务)网站等执行检索并输出检索结果的系统。由此,检索系统2向特定的组4推荐满足属于特定的组4的所有用户6共同的喜好的商品或者服务等。
在图1A所示的例子中,检索系统2具备具有语音接口的语音终端8。用户6通过对语音终端8发出语音来向语音终端8输入检索单词。由此,语音终端8通过语音输出检索结果。具体而言,在用户6向语音终端8输入了用于请求推荐的餐饮店等的检索单词的情况下,语音终端8通过语音来提供与该检索单词对应的适合的服务。
在图1B所示的例子中,检索系统2具备具有触摸面板的平板电脑或者智能手机等信息终端10。用户6通过操作信息终端10的触摸面板来输入检索单词。由此,信息终端10将检索结果显示于触摸面板。
如图2所示,检索系统2具备推荐概念运算部12(检索装置的一例)、推荐服务提供部14、多个推荐对象用户终端16a及16b、和多个推荐对象外用户终端18a及18b。它们以能够经由互联网20相互通信的方式连接。
多个推荐对象用户终端16a及16b分别是由属于第一组的第一用户以及第二用户进行操作的信息终端。第一组是成为检索系统2的商品或者服务等的推荐对象的组。多个推荐对象用户终端16a及16b分别受理由第一用户以及第二用户输入的检索单词,并将受理到的检索单词发送给推荐概念运算部12。
多个推荐对象外用户终端18a及18b分别是由属于与第一组不同的第二组的第三用户以及第四用户进行操作的信息终端。此外,第二组是成为检索系统2的商品或者服务等的推荐对象外的组。
推荐概念运算部12接收从多个推荐对象用户终端16a及16b的每一个发送来的检索单词。推荐概念运算部12对接收到的检索单词附加表示属于第一组的第一用户以及第二用户共同的组共同概念的关联单词,并将这些检索单词与关联单词的组合、即检索用的单词作为推荐概念发送给推荐服务提供部14。
推荐服务提供部14接收从推荐概念运算部12发送来的推荐概念。推荐服务提供部14基于接收到的推荐概念执行检索,并将检索结果作为推荐结果发送给多个推荐对象用户终端16a及16b中的至少一个。
[1-2.推荐对象用户终端的构成]
接下来,参照图3,对推荐对象用户终端16a的构成进行说明。图3是表示实施方式1涉及的检索系统2的构成的框图。此外,多个推荐对象用户终端16a及16b具有相同的构成,因此,以下仅对推荐对象用户终端16a的构成进行说明。
如图3所示,推荐对象用户终端16a具有检索单词发送部22、概念映射保持部24以及推荐结果接收部26。
检索单词发送部22将作为推荐对象用户终端16a的利用者的第一用户输入的检索单词发送给推荐概念运算部12。
概念映射保持部24是保持第一用户所固有的第一概念映射的存储器。概念映射保持部24基于来自推荐概念运算部12的请求,将第一概念映射发送给推荐概念运算部12。
推荐结果接收部26接收从推荐服务提供部14发送来的推荐结果。此外,由推荐结果接收部26接收到的推荐结果例如显示于推荐对象用户终端16a所搭载的触摸面板等显示部70(参照后述的图16A)。
此外,在推荐对象用户终端16b的概念映射保持部中,保持有作为推荐对象用户终端16b的利用者的第二用户所固有的第二概念映射。另外,多个推荐对象外用户终端18a及18b的每一个与上述同样地具有概念映射保持部。在推荐对象外用户终端18a的概念映射保持部中,保持有作为推荐对象外用户终端18a的利用者的第三用户所固有的第三概念映射。另外,在推荐对象外用户终端18b的概念映射保持部中,保持有作为推荐对象外用户终端18b的利用者的第四用户所固有的第四概念映射。
在此,参照图4A~图6,对上述的第一~第四概念映射的各个构成进行说明。图4A是表示第一概念映射的一例的图。图4B是表示第二概念映射的一例的图。图4C是表示第三概念映射的一例的图。图4D是表示第四概念映射的一例的图。图5及图6分别是用于概念性地说明第一~第四概念映射的图。
第一~第四概念映射分别与第一~第四用户相关联、且例如表现为图4A~图4D所示的二维表。如图4A~图4D所示,第一~第四概念映射各自含有多个一般单词(单词的一例)和多个一般单词彼此之间的语义距离。
第一~第四概念映射的每一个中例如含有1000种一般单词。在该情况下,第一~第四概念映射的每一个成为1000行×1000列大小(尺寸)的二维表。多个一般单词的每一个例如是“home”、“rent”、“owner”以及“house”等表示在日常生活中使用的概念的英语单词。此外,为了便于说明,在图4A~图4D中,将第一~第四概念映射的每一个表现成了包含8种单词的8行×8列大小的二维表。
语义距离是以相对大小来表现多个一般单词彼此之间的语义上的距离的接近度而得到的值。在图4A~图4D所示的例子中,语义距离以“0”~“10”的整数值来表现。语义距离的值越小,表示了多个一般单词彼此之间的语义上的距离越近。具体而言,在语义距离为“1”的情况下,不同的两种一般单词之间的语义上的距离最近,在语义距离为“10”的情况下,不同的两种一般单词之间的语义上的距离最远。此外,例如像“home”与“home”之间那样,相同种类的一般单词之间的语义距离为“0”。
第一用户的“第一单词”和“第二单词”的语义距离也可以是表示用户容易联想到“第一单词”和“第二单词”的程度的信息。
在图4A所示的例子中,关于相对于“home”的语义距离,“house”、“car”以及“weekend”为“1”,“rent”以及“place”为“2”,“owner”为“4”,“park”为“5”。另一方面,在图4B所示的例子中,关于相对于“home”的语义距离,“house”以及“car”为“1”,“owner”以及“place”为“2”,“rent”为“3”,“park”以及“weekend”为“5”。
对于第一用户而言,例如“home”和“weekend”是在语义上近的概念,可以认为第一用户大多在家中度过周末。另一方面,对于第二用户而言,例如“home”和“weekend”是在语义上远的概念,可以认为第二用户周末大多外出。即,在图4A所示的第一概念映射与图4B所示的第二概念映射之间的语义距离的差异表示了在第一用户与第二用户之间的概念的个人差异。同样地,在图4C所示的第三概念映射与图4D所示的第四概念映射之间的语义距离的差异表示了在第三用户与第四用户之间的概念的个人差异。
上述的第一~第四概念映射的每一个例如基于脑测量的结果来生成。具体而言是在第一~第四用户以语音的方式收听多个故事时,通过fMRI(功能性磁共振成像法:functional Magnetic Resonance Imaging)来测量第一~第四用户的脑反应。多个故事中包含有约1000种英文单词。基于脑反应的测量结果,将多个英文单词彼此之间的相关性视觉性地映射到大脑皮质上。例如利用下述文献中记载的方法,能够定义1000种英文单词彼此之间的语义距离。即,例如如图5及图6所示,能够生成具有多个英文单词彼此之间的语义距离的概念映射。此外,图5及图6是为互不相同的用户所固有的概念映射,图5及图6中的多个英文单词彼此之间的物理上的距离表示了用户之间的概念的个人差异。例如也能够对大脑皮质上的多个英文单词彼此之间的物理上的距离进行标准化(归一化),定义“0.0”~“1.0”的范围的语义距离。
对于上述的脑测量,例如能够使用“Alexander G.Huth,Wendy A.de Heer,ThomasL.Griffiths,Frederic E.Theunissen,Jack L.Gallant,‘Natural speech reveals thesemantic maps that tile human cerebral cortex’,Nature,Vol.532,p.453-458,2016年4月28日,Nature Publishing Group”等文献中所公开的公知方法。
此外,只要定义了多个概念彼此之间的语义距离,概念映射除了上述的基于脑测量的结果来生成的方法之外,还可以通过其他方法来生成。例如,也可以基于第一~第四用户在日常生活中的发言(说的话)以及行为等,推定多个概念彼此之间的语义距离,由此生成概念映射。
[1-3.推荐概念运算部的构成]
接下来,参照图3,对推荐概念运算部12的构成进行说明。如图3所示,推荐概念运算部12具有检索单词接收部28、推荐对象终端概念映射接收部30、推荐对象外终端概念映射接收部32、组共同概念提取部34、全体共同概念提取部36、全体共同概念排除部38以及推荐概念发送部40。
检索单词接收部28接收从推荐对象用户终端16a的检索单词发送部22以及推荐对象用户终端16b的检索单词发送部各自发送来的检索单词。
推荐对象终端概念映射接收部30接收分别从推荐对象用户终端16a的概念映射保持部24以及推荐对象用户终端16b的概念映射保持部发送来的第一概念映射以及第二概念映射。
推荐对象外终端概念映射接收部32接收分别从推荐对象外用户终端18a的概念映射保持部以及推荐对象外用户终端18b的概念映射保持部发送来的第三概念映射以及第四概念映射。
组共同概念提取部34基于由推荐对象终端概念映射接收部30接收到的第一概念映射以及第二概念映射,提取第一概念映射以及第二概念映射共同的至少一个一般单词来作为组共同概念。
全体共同概念提取部36基于由推荐对象终端概念映射接收部30接收到的第一概念映射以及第二概念映射、和由推荐对象外终端概念映射接收部32接收到的第三概念映射以及第四概念映射,提取第一概念映射、第二概念映射、第三概念映射以及第四概念映射共同的至少一个一般单词来作为全体共同概念。
全体共同概念排除部38从通过组共同概念提取部34提取到的组共同概念中排除通过全体共同概念提取部36提取到的全体共同概念,由此提取与由检索单词接收部28接收到的检索单词的关联性高、且仅对第一组表示共同的概念的关联单词。全体共同概念排除部38将检索单词与关联单词的组合作为推荐概念输出给推荐概念发送部40。
推荐概念发送部40将从全体共同概念排除部38输出的推荐概念发送给推荐服务提供部14。
[1-4.推荐服务提供部的构成]
接下来,参照图3,对推荐服务提供部14的构成进行说明。如图3所示,推荐服务提供部14具有推荐概念接收部42、数据库44、推荐请求部46、推荐内容生成部48以及推荐结果发送部50。
推荐概念接收部42接收从推荐概念运算部12发送来的推荐概念,并将接收到的推荐概念输出给推荐请求部46。
数据库44存储与用于向第一组等推荐的例如住宅物件等有关的数据。
推荐请求部46通过参照数据库44,提取与从推荐概念接收部42输出的推荐概念关联性最高的数据。
推荐内容生成部48将由推荐请求部46提取到的数据转换成适合显示于推荐对象用户终端16a的显示部70(参照后述的图16A)的形式。推荐内容生成部48将该转换出的数据作为用于向第一组推荐的推荐内容输出给推荐结果发送部50。
推荐结果发送部50将从推荐内容生成部48输出的推荐内容例如作为推荐结果发送给输入了检索单词的推荐对象用户终端16a。
[1-5.检索系统的工作]
[1-5-1.组共同概念提取部的工作]
参照图7~图8B,对组共同概念提取部34的工作进行说明。图7是表示实施方式1涉及的组共同概念提取部34的工作的流程的流程图。图8A是表示实施方式1涉及的组共同概念提取部34所进行的概念间距离的算出例的图。图8B是表示实施方式1涉及的组共同概念提取部34所进行的关联度的算出例的图。
以下,例如对如下情况进行说明:为了检索适于第一组的住宅物件,属于第一组的第一用户将检索单词“home”输入到了推荐对象用户终端16a。
如图7所示,首先,组共同概念提取部34从推荐对象终端概念映射接收部30取得第一概念映射以及第二概念映射(S101)。接下来,组共同概念提取部34基于下述式1,算出第一概念映射与第二概念映射之间的概念间距离(S102)。
在上述式1中,Dij为i行j列的概念间距离,dAij为第一概念映射的i行j列的语义距离,dBij为第二概念映射的i行j列的语义距离。例如,图4A所示的第一概念映射的i行j列的语义距离指的是,第一概念映射的i行的一般单词(例如“home”)、与第一概念映射的j列的一般单词(例如“rent”)之间的语义距离(例如“2”)。
在此,所谓概念间距离,表示第一概念映射与第二概念映射之间的语义距离的接近度。概念间距离越小,表示第一概念映射的i行的一般单词与j列的一般单词之间的语义距离、和第二概念映射的i行的一般单词与j列的一般单词之间的语义距离越近。如图8A所示,组共同概念提取部34基于上述式1,算出图4A所示的第一概念映射与图4B所示的第二概念映射之间的概念间距离。
此外,在本实施方式中,对两个用户属于第一组的情况进行了说明,但是在三个以上的用户属于第一组的情况下,组共同概念提取部34也可以针对从三个以上的概念映射提取到的任意两个概念映射算出概念间距离。
接下来,组共同概念提取部34基于下述式2,将在步骤S102中算出的概念间距离Dij转换成关联度vij(S103)。
在此,所谓关联度,表示第一概念映射与第二概念映射之间的语义距离的接近度。例如,组共同概念提取部34基于上述式2将图8A所示的概念间距离转换成关联度,由此取得图8B所示的第一关联度映射。第一关联度映射指的是,将第一概念映射与第二概念映射之间的概念间距离转换成关联度而得到的二维表。
在图8B所示的例子中,关联度为小于等于“1.00”的正值。关联度越大,表示第一概念映射的i行的一般单词与j列的一般单词之间的语义距离、和第二概念映射的i行的一般单词与j列的一般单词之间的语义距离越近。例如,“car”相对于“home”的关联度为“1.00”,这对于第一用户以及第二用户而言,表示“home”和“car”的关联性最高。此外,在图8B中用虚线的框线52包围的行表示第一关联度映射中的相对于检索单词“home”的多个一般单词的每一个的关联度。
在本实施方式中,组共同概念提取部34提取图8B所示的所有一般单词作为组共同概念。此外,组共同概念提取部34也可以提取具有大于等于预定阈值(例如“0.50”)的关联度的一般单词作为组共同概念。
最后,组共同概念提取部34将在步骤S103中取得的第一关联度映射输出给全体共同概念排除部38(S104)。
[1-5-2.全体共同概念提取部的工作]
参照图9~图10B,对全体共同概念提取部36的工作进行说明。图9是表示实施方式1涉及的全体共同概念提取部36的工作的流程的流程图。图10A是表示实施方式1涉及的全体共同概念提取部36所进行的概念间距离的算出例的图。图10B是表示实施方式1涉及的全体共同概念提取部36所进行的关联度的算出例的图。
如图9所示,首先,全体共同概念提取部36从推荐对象终端概念映射接收部30取得第一概念映射以及第二概念映射(S201)。接下来,全体共同概念提取部36从推荐对象外终端概念映射接收部32取得第三概念映射以及第四概念映射(S202)。接下来,全体共同概念提取部36基于下述式3,算出第一~第四概念映射之间的概念间距离(S203)。
在上述式3中,D'ij为i行j列的概念间距离,dxij及dyij分别为第一~第四概念映射中任意两个概念映射的每一个的i行j列的语义距离。如图10A所示,全体共同概念提取部36基于上述式3,算出图4A~图4D分别所示的第一~第四概念映射之间的概念间距离。
例如在“car”和“weekend”的情况下,D'78=|d178-d278|2+|d178-d378|2+|d178-d478|2+|d278-d378|2+|d278-d478|2+|d378-d478|2=|2-1|2+|2-4|2+|2-1|2+|1-4|2+|1-1|2+|4-1|2。
接下来,全体共同概念提取部36基于下述式4,将在步骤S203中算出的概念间距离D'ij转换成关联度v'ij(S204)。
例如,全体共同概念提取部36基于上述式4,将图10A所示的概念间距离转换成关联度,由此取得图10B所示的第二关联度映射。第二关联度映射指的是,将第一~第四概念映射之间的概念间距离转换成关联度而得到的二维表。例如,“house”相对于“home”的关联度为“1.00”,这对于第一~第四用户而言,表示“home”与“house”的关联性最高。此外,在图10B中用虚线的框线54包围的行表示第二关联度映射中的相对于检索单词“home”的多个一般单词的每一个的关联度。
在本实施方式中,全体共同概念提取部36提取图10B所示的所有一般单词作为全体共同概念。此外,全体共同概念提取部36也可以提取具有大于等于预定阈值(例如“0.50”)的关联度的一般单词作为全体共同概念。
最后,全体共同概念提取部36将在步骤S204中取得的第二关联度映射输出给全体共同概念排除部38(S205)。
[1-5-3.全体共同概念排除部的工作]
参照图11,对全体共同概念排除部38的工作进行说明。图11是表示实施方式1涉及的全体共同概念排除部38的工作的流程的流程图。
如图11所示,首先,全体共同概念排除部38分别从组共同概念提取部34以及全体共同概念提取部36取得第一关联度映射以及第二关联度映射(S301)。接下来,全体共同概念排除部38从检索单词接收部28取得检索单词“home”(S302)。
接下来,全体共同概念排除部38从第一关联度映射取得相对于检索单词“home”的多个一般单词的每一个的关联度v(S303)。具体而言,全体共同概念排除部38从图8B所示的第一关联度映射取得用虚线的框线52包围的行中的多个一般单词的每一个的关联度v。
接下来,全体共同概念排除部38从第二关联度映射取得相对于检索单词“home”的多个一般单词的每一个的关联度v'(S304)。具体而言,全体共同概念排除部38从图10B所示的第二关联度映射取得用虚线的框线54包围的行中的多个一般单词的每一个的关联度v'。
接下来,全体共同概念排除部38提取多个一般单词中的一个一般单词,对于提取到的一般单词,算出关联度v与关联度v'的差量v-v'(S305)。全体共同概念排除部38判定所算出的差量v-v'是否大于等于第一阈值(例如“0.20”)(S306)。
在差量v-v'大于等于第一阈值的情况下(S306:是),全体共同概念排除部38采用所提取到的一般单词作为关联单词(S307)。另一方面,在差量v-v'小于第一阈值的情况下(S306:否),全体共同概念排除部38不采用所提取到的一般单词作为关联单词(S308)。此外,在图8B及图10B所示的例子中,作为关联单词采用了“rent”(v-v'=0.30)、“park”(v-v'=0.96)以及“car”(v-v'=0.96)。
在没有对所有一般单词算出差量v-v'的情况下(S309:否),再次执行步骤S305。另一方面,在对所有一般单词算出了差量v-v'的情况下(S309:是),全体共同概念排除部38将检索单词“home”和关联单词“rent”、“park”以及“car”的组合作为推荐概念输出给推荐概念发送部40(S310)。
在此,参照图12~图14,概念性地对全体共同概念排除部38的处理进行说明。图12是示意性地表示从第一概念映射生成的相关矩阵的图。图13是示意性地表示分别从第一概念映射以及第二概念映射提取到的相关矩阵的图。图14是示意性地表示分别从第一~第四概念映射提取到的相关矩阵的图。
在图12中,图示了从第一概念映射生成的、检索单词“home”与多个一般单词的每一个的相关矩阵。图12的横轴表示将多个一般单词横向排列成一行所得的列表(list)。在图12中,对与检索单词“home”之间的语义距离近的一般单词附加了阴影图案。
在图13中,图示了从第一概念映射生成的相关矩阵以及从第二概念映射生成的相关矩阵。这两个相关矩阵按照与图12所示的相关矩阵相同的步骤生成。通过比较图13所示的两个相关矩阵,能够提取在第一用户与第二用户之间共同的、与检索单词“home”之间的语义距离近的一般单词。然而,这样提取到的一般单词存在不仅包含只在第一用户与第二用户之间共同的组共同概念56(例如“rent”等)而且还包含在第一~第四用户之间共同的全体共同概念58(例如“house”)的可能性,无法区分组共同概念56和全体共同概念58。在提取到的一般单词包含全体共同概念58的情况下,会产生无法采用仅对第一用户以及第二用户表示共同的概念的一般单词来作为关联单词这一问题。
在图14中,图示了从第一~第四概念映射分别生成的相关矩阵的图。通过比较图14所示的四个相关矩阵,能够提取在第一~第四用户之间共同的、与检索单词“home”之间的语义距离近的一般单词。这样提取到的一般单词不包含第一~第四用户之间共同的全体共同概念60,而包含仅在第一用户与第二用户之间共同的组共同概念62。因此,能够采用仅对第一用户以及第二用户表示共同的概念的一般单词作为关联单词。即,通过全体共同概念排除部38执行上述的步骤S301~S310,能够解决上述图13所示的问题。
[1-5-4.推荐请求部的工作例]
参照图15,对推荐服务提供部14的推荐请求部46的工作例进行说明。图15是表示实施方式1涉及的推荐请求部46的工作例的图。
推荐请求部46保持有与和多个一般单词的每一个关联性最高的检索查询有关的信息。如图15所示,推荐请求部46基于该信息,以使与从推荐概念接收部42输出的推荐概念所包含的关联单词64(例如“rent”、“park”以及“car”)关联性最高的检索查询66优先的方式在数据库44内的物件数据库68中进行查询。在图15所示的例子中,检索查询66针对“rent”为合约条件、针对“park”为到附近公园的距离、针对“car”为有无停车场。
推荐请求部46根据向物件数据库68查询的结果,例如从存储于物件数据库68的“物件A”~“物件F”之中提取“物件E”作为与推荐概念关联性最高的数据。
[1-5-5.推荐结果的显示例]
接下来,参照图16A~图18,对推荐对象用户终端16a的显示部70中的推荐结果的显示例进行说明。图16A及图16B分别是表示实施方式1涉及的推荐对象用户终端16a的显示部70中的推荐结果的显示例1的图。图17是表示实施方式1涉及的推荐对象用户终端16a的显示部70中的推荐结果的显示例2的图。图18是表示实施方式1涉及的推荐对象用户终端16a的显示部70中的推荐结果的显示例3的图。
在图16A所示的显示例1中,推荐对象用户终端16a的显示部70中显示有:用于显示所输入的检索单词(例如“home”)的显示区域72、用于显示推荐结果所包含的关联单词(例如“rent”、“park”以及“car”)的显示区域74、以及选项按钮76和78。第一用户在希望显示推荐结果的情况下触摸选项按钮76,在不希望显示推荐结果的情况下触摸选项按钮78。
如图16B所示,在第一用户触摸了选项按钮76的情况下,推荐结果显示画面80显示于推荐对象用户终端16a的显示部70。推荐结果显示画面80中显示有从第一个推荐结果82到第N个的推荐结果84的各个推荐结果。例如第一个推荐结果82中包含有第一个推荐物件的照片及说明内容。此外,推荐结果显示画面80中的多个推荐结果的显示顺序也可以为第一关联度映射所包含的关联度从高到低的顺序。
在图17所示的显示例2中,推荐对象用户终端16a的显示部70中显示有:用于显示所输入的检索单词的显示区域72、用于显示推荐结果所包含的关联单词的显示区域74、以及用于显示推荐结果的显示区域86。显示区域86中显示有从第一个推荐结果82到第N个推荐结果84的各个推荐结果。
在图18所示的显示例3中,推荐对象用户终端16a的显示部70中显示有:用于显示所输入的检索单词的显示区域72、用于显示推荐结果所包含的关联单词的显示区域74、用于显示推荐结果的显示区域86、以及用于显示由一般用户做出的评价高的物件的显示区域88。显示区域86以比显示区域88更靠上位的方式显示。此外,显示区域88中显示出在利用检索系统2的多个用户6之间人气高(受欢迎)的内容。
[1-6.效果]
如上所述,基于第一概念映射以及第二概念映射,提取对于属于第一组的第一用户以及第二用户而言表示对检索单词的共同的概念的关联单词。由于基于该提取到的关联单词与检索单词进行检索,因此即使是第一用户或者第二用户没有购入过的商品或者没有利用过的服务等,也能够向第一组推荐最适合的商品或者服务等。
再者,如上所述,从多个一般单词中,采用第一关联度映射所包含的相对于检索单词的关联度与第二关联度映射所包含的相对于检索单词的关联度的差量v-v'大于等于第一阈值的一般单词作为关联单词。由此,能够提取仅对属于第一组的第一用户以及第二用户表示共同的概念的关联单词,能够提高关联单词的提取精度。
(实施方式2)
[2-1.推荐概念运算部的构成]
参照图19及图20,对实施方式2涉及的检索系统2A的推荐概念运算部12A的构成进行说明。图19是表示实施方式2涉及的检索系统2A的构成的框图。图20是表示实施方式2涉及的概念平均距离运算部90所进行的概念平均距离的算出例的图。此外,在以下的各个实施方式中,对与上述实施方式1相同的构成要素赋予同一标号,并省略其说明。
如图19所示,在实施方式2涉及的检索系统2A中,推荐概念运算部12A的构成与上述实施方式1不同。具体而言,推荐概念运算部12A在上述实施方式1中说明的构成要素之外,还具有概念平均距离运算部90。
概念平均距离运算部90基于由推荐对象终端概念映射接收部30接收到的第一概念映射以及第二概念映射,算出概念平均距离,并将算出的概念平均距离输出给全体共同概念排除部38A。具体而言,概念平均距离运算部90基于下述式5,算出概念平均距离Daveij。
在上述式5中,Daveij为i行j列的概念平均距离,dxij为第一概念映射的i行j列的语义距离,dyij为第二概念映射的i行j列的语义距离。在此,概念平均距离指的是,基于第一概念映射的语义距离与第二概念映射的语义距离之和的值。概念平均距离越大,表示第一概念映射的i行的一般单词与j列的一般单词之间的语义距离和第二概念映射的i行的一般单词与j列的一般单词之间的语义距离中的至少一方越大。即,概念平均距离越大,表示对于第一用户和第二用户中的至少一方而言,检索单词与一般单词之间的语义上的距离越远。如图20所示,概念平均距离运算部90基于上述式5,算出图4A所示的第一概念映射的语义距离与图4B所示的第二概念映射的语义距离之间的概念平均距离。此外,在图20中用虚线的框线92包围的行表示相对于检索单词“home”的多个一般单词的每一个的概念平均距离。
[2-2.全体共同概念排除部的工作]
接下来,参照图21,对全体共同概念排除部38A的工作进行说明。图21是表示实施方式2涉及的全体共同概念排除部38A的工作的流程的流程图。此外,在图21的流程图中,对与上述图11的流程图的处理相同的处理赋予同一步骤编号,并省略其说明。
首先,与上述实施方式1同样地,执行步骤S301~S306。在步骤S306中,在差量v-v'大于等于第一阈值的情况下(S306:是),全体共同概念排除部38A判定概念平均距离是否小于等于第二阈值(例如“10”)(S401)。
在概念平均距离小于等于第二阈值的情况下(S401:是),全体共同概念排除部38A采用所提取到的一般单词作为关联单词(S307)。另一方面,在概念平均距离超过第二阈值的情况下(S401:否),全体共同概念排除部38A不采用所提取到的一般单词作为关联单词(S308)。
[2-3.效果]
如上所述,在概念平均距离超过第二阈值的情况下,全体共同概念排除部38A不采用所提取到的一般单词作为关联单词。由此,能够从关联单词中排除虽然对于第一用户以及第二用户而言表示与检索单词共同的概念、但是相对于检索单词的语义距离远的一般单词。其结果是,能够向第一组推荐更加适合的商品或者服务等。
(实施方式3)
参照图22,对实施方式3涉及的检索系统2B的构成进行说明。图22是表示实施方式3涉及的检索系统2B的构成的框图。
如图22所示,在实施方式3涉及的检索系统2B中,推荐概念运算部12以及推荐服务提供部14搭载于同一中继装置94(检索装置的一例)。即使是这样的构成,也能够得到与上述实施方式1同样的效果。
(实施方式4)
参照图23,对实施方式4涉及的检索系统2C的构成进行说明。图23是表示实施方式4涉及的检索系统2C的构成的框图。
如图23所示,在实施方式4涉及的检索系统2C中,推荐概念运算部12搭载于推荐对象用户终端16Ca及16Cb(检索装置的一例)的每一个。从推荐对象用户终端16Ca发送来的推荐概念由推荐服务提供部14接收。即使是这样的构成,也能够得到与上述实施方式1同样的效果。
(其他变形例)
以上,基于上述实施方式1~4,对一个或者多个技术方案涉及的检索方法等进行了说明,但是本公开不限定于上述实施方式1~4。只要不偏离本公开的宗旨,将本领域技术人员想到的各种变形应用于实施方式而得到的方式、和将不同的实施方式中的构成要素组合而构建的方式也可以包含在一个或者多个技术方案的范围内。
在上述各个实施方式中,全体共同概念提取部36在提取关联单词时利用了第一~第四概念映射,但是也可以利用例如wordnet那样的概念词典来代替第一~第四概念映射。此外,wordnet例如是文献“George A.Miller‘WordNet:A Lexical Database forEnglish’,Communications of the ACM,Volume 38Issue 11,Nov.1995”中公开的公知的概念词典。
在上述各个实施方式中,全体共同概念提取部36在提取关联单词时利用了第一~第四概念映射,但是也可以省略第四概念映射并至少利用第一~第三概念映射。
在上述各个实施方式中,推荐服务提供部14的数据库44存储了与住宅物件有关的信息,但是不限定于此,例如也可以存储与旅行目的地、住宿目的地或者餐饮店等有关的各种信息。
在上述各个实施方式中,用“0”~“10”的整数值表现了第一~第四概念映射的每一个中的语义距离,但是不限定于此,例如也可以用“0.0”~“1.0”的小数值等来表现。
在上述各个实施方式中,语义距离的值越小,表示多个一般单词彼此之间的语义上的距离越近,但是不限定于此,例如也可以为,语义距离的值越大,表示多个一般单词彼此之间的语义上的距离越近。
此外,在上述各实施方式中,各构成要素也可以由专用的硬件构成,或者通过执行适用于各构成要素的软件程序来实现。各构成要素也可以通过由CPU或者处理器等程序执行部读取并执行记录在硬盘或者半导体存储器等记录介质中的软件程序来实现。
另外,上述各实施方式涉及的检索装置的功能的一部分或者全部也可以通过CPU等处理器执行程序来实现。
构成上述各装置的构成要素的一部分或者全部也可以由能够对各装置进行装卸的IC卡或者单体模块来构成。所述IC卡或者所述模块为由微处理器、ROM、RAM等构成的计算机系统。所述IC卡或者所述模块也可以包含上述的超多功能LSI。通过由微处理器按照计算机程序工作,所述IC卡或者所述模块实现其功能。该IC卡或者该模块也可以具有防篡改性能。
本公开也可以为上述的方法。另外,既可以为通过计算机实现这些方法的计算机程序,也可以为由所述计算机程序构成的数字信号。另外,本公开也可以将所述计算机程序或者所述数字信号记录到计算机可读取的记录介质、例如软盘、硬盘、CD-ROM、MO、DVD、DVD-ROM、DVD-RAM、BD(Blu-ray(注册商标)Disc)、半导体存储器等。另外,也可以为记录到这些记录介质中的所述数字信号。另外,本公开也可以经由电气通信线路、无线或者有线通信线路、以互联网为代表的网络、数据广播等传送所述计算机程序或者所述数字信号。另外,本公开也可以为具备微处理器和存储器的计算机系统,所述存储器存储有上述计算机程序,所述微处理器也可以按照所述计算机程序工作。另外,也可以通过将所述程序或者所述数字信号记录于所述记录介质而传送,或者通过将所述程序或者所述数字信号经由所述网络等进行传送,从而由独立的其他计算机系统实施。
本公开涉及的检索方法对用于向特定的组推荐商品或者服务等的检索系统等是有用的。
Claims (15)
1.一种检索方法,是通过处理器执行的检索方法,
所述处理器执行:
(a)取得检索单词;
(b)从存储器取得属于第一组的第一用户所固有的第一概念映射、属于所述第一组的第二用户所固有的第二概念映射、以及属于与所述第一组不同的第二组的第三用户所固有的第三概念映射,第一概念映射、所述第二概念映射以及所述第三概念映射包含多个单词和所述多个单词彼此之间的语义距离;
(c)取得第一关联度映射,所述第一关联度映射包含表示所述第一概念映射所包含的所述语义距离与所述第二概念映射所包含的所述语义距离的接近度的关联度;
(d)取得第二关联度映射,所述第二关联度映射包含表示所述第一概念映射所包含的所述语义距离、所述第二概念映射所包含的所述语义距离与所述第三概念映射所包含的所述语义距离的接近度的关联度;
(e)从所述多个单词中,提取所述第一关联度映射所包含的相对于所述检索单词的所述关联度与所述第二关联度映射所包含的相对于所述检索单词的所述关联度的差量大于等于第一阈值的至少一个单词作为关联单词;
(f)输出基于所述检索单词以及所述关联单词所检索到的结果。
2.根据权利要求1所述的检索方法,
在所述(e)中,对于所述差量大于等于所述第一阈值的所述至少一个单词,在基于所述第一概念映射所包含的相对于所述检索单词的所述语义距离与所述第二概念映射所包含的相对于所述检索单词的所述语义距离之和的值小于等于第二阈值的情况下,提取所述单词作为所述关联单词。
3.根据权利要求1或2所述的检索方法,
在所述(f)中,对属于所述第一组的所述第一用户或者所述第二用户显示基于所述检索单词以及所述关联单词所检索到的结果。
4.根据权利要求3所述的检索方法,
在所述(f)中,按所述第一关联度映射所包含的所述检索单词和所述关联单词的所述关联度从高到低的顺序显示基于所述检索单词以及所述关联单词所检索到的结果。
5.根据权利要求4所述的检索方法,
在所述(f)中,以比由其他用户做出高评价的内容更靠上位的方式显示基于所述检索单词以及所述关联单词所检索到的结果。
6.根据权利要求1所述的检索方法,
所述第一概念映射、所述第二概念映射以及所述第三概念映射各自基于脑测量的结果来生成。
7.根据权利要求6所述的检索方法,
所述第一概念映射、所述第二概念映射以及所述第三概念映射各自基于使用了功能性磁共振成像法的脑测量的结果来生成。
8.一种检索装置,其具备处理器和存储器,
所述处理器执行:
(a)取得检索单词;
(b)从所述存储器取得属于第一组的第一用户所固有的第一概念映射、属于所述第一组的第二用户所固有的第二概念映射、以及属于与所述第一组不同的第二组的第三用户所固有的第三概念映射,第一概念映射、第二概念映射以及第三概念映射包含多个单词和所述多个单词彼此之间的语义距离;
(c)取得第一关联度映射,所述第一关联度映射包含表示所述第一概念映射所包含的所述语义距离与所述第二概念映射所包含的所述语义距离的接近度的关联度;
(d)取得第二关联度映射,所述第二关联度映射包含表示所述第一概念映射所包含的所述语义距离、所述第二概念映射所包含的所述语义距离与所述第三概念映射所包含的所述语义距离的接近度的关联度;
(e)从所述多个单词中,提取所述第一关联度映射所包含的相对于所述检索单词的所述关联度与所述第二关联度映射所包含的相对于所述检索单词的所述关联度的差量大于等于第一阈值的至少一个单词作为关联单词;
(f)基于所述检索单词以及所述关联单词输出检索用的单词。
9.根据权利要求8所述的检索装置,
在所述(e)中,对于所述差量大于等于所述第一阈值的所述至少一个单词,在基于所述第一概念映射所包含的相对于所述检索单词的所述语义距离与所述第二概念映射所包含的相对于所述检索单词的所述语义距离之和的值小于等于第二阈值的情况下,提取所述单词作为所述关联单词。
10.根据权利要求8或9所述的检索装置,
所述处理器进一步执行:
(g)对属于所述第一组的所述第一用户或者所述第二用户显示基于所述检索单词以及所述关联单词所检索到的结果。
11.根据权利要求10所述的检索装置,
在所述(g)中,按所述第一关联度映射所包含的所述检索单词和所述关联单词的所述关联度从高到低的顺序显示基于所述检索单词以及所述关联单词所检索到的结果。
12.根据权利要求11所述的检索装置,
在所述(g)中,以比由其他用户做出高评价的内容更靠上位的方式显示基于所述检索单词以及所述关联单词所检索到的结果。
13.根据权利要求8所述的检索装置,
所述第一概念映射、所述第二概念映射以及所述第三概念映射各自基于脑测量的结果来生成。
14.根据权利要求13所述的检索装置,
所述第一概念映射、所述第二概念映射以及所述第三概念映射各自基于使用了功能性磁共振成像法的脑测量的结果来生成。
15.一种程序,是使计算机执行检索方法的程序,
所述程序使所述计算机执行:
(a)取得检索单词;
(b)从存储器取得属于第一组的第一用户所固有的第一概念映射、属于所述第一组的第二用户所固有的第二概念映射、以及属于与所述第一组不同的第二组的第三用户所固有的第三概念映射,第一概念映射、第二概念映射以及第三概念映射包含多个单词和所述多个单词彼此之间的语义距离;
(c)取得第一关联度映射,所述第一关联度映射包含表示所述第一概念映射所包含的所述语义距离与所述第二概念映射所包含的所述语义距离的接近度的关联度;
(d)取得第二关联度映射,所述第二关联度映射包含表示所述第一概念映射所包含的所述语义距离、所述第二概念映射所包含的所述语义距离与所述第三概念映射所包含的所述语义距离的接近度的关联度;
(e)从所述多个单词中,提取所述第一关联度映射所包含的相对于所述检索单词的所述关联度与所述第二关联度映射所包含的相对于所述检索单词的所述关联度的差量大于等于第一阈值的至少一个单词作为关联单词;
(f)输出基于所述检索单词以及所述关联单词所检索到的结果。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762489739P | 2017-04-25 | 2017-04-25 | |
US62/489739 | 2017-04-25 | ||
JP2017170860 | 2017-09-06 | ||
JP2017-170860 | 2017-09-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108733760A true CN108733760A (zh) | 2018-11-02 |
CN108733760B CN108733760B (zh) | 2023-05-12 |
Family
ID=63854515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810336267.6A Active CN108733760B (zh) | 2017-04-25 | 2018-04-16 | 检索方法、检索装置以及程序 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10984026B2 (zh) |
CN (1) | CN108733760B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180366013A1 (en) * | 2014-08-28 | 2018-12-20 | Ideaphora India Private Limited | System and method for providing an interactive visual learning environment for creation, presentation, sharing, organizing and analysis of knowledge on subject matter |
US11551567B2 (en) * | 2014-08-28 | 2023-01-10 | Ideaphora India Private Limited | System and method for providing an interactive visual learning environment for creation, presentation, sharing, organizing and analysis of knowledge on subject matter |
CN113538062B (zh) * | 2021-07-28 | 2024-05-07 | 福州果集信息科技有限公司 | 一种反推商品推广笔记所购买竞价词的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087669A (zh) * | 2011-03-11 | 2011-06-08 | 北京汇智卓成科技有限公司 | 基于语义关联的智能搜索引擎系统 |
US20110161311A1 (en) * | 2009-12-28 | 2011-06-30 | Yahoo! Inc. | Search suggestion clustering and presentation |
JP2011175328A (ja) * | 2010-02-23 | 2011-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 意味属性推定装置、意味属性推定方法、意味属性推定プログラム |
CN103210387A (zh) * | 2010-11-10 | 2013-07-17 | 乐天株式会社 | 关联词登记装置、信息处理装置、关联词登记方法、关联词登记装置用程序、记录介质以及关联词登记系统 |
CN104160392A (zh) * | 2012-03-07 | 2014-11-19 | 三菱电机株式会社 | 语义推测装置、方法以及程序 |
CN104199965A (zh) * | 2014-09-22 | 2014-12-10 | 吴晨 | 一种语义信息检索方法 |
US20160179945A1 (en) * | 2014-12-19 | 2016-06-23 | Universidad Nacional De Educación A Distancia (Uned) | System and method for the indexing and retrieval of semantically annotated data using an ontology-based information retrieval model |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2008338259A1 (en) * | 2007-12-17 | 2009-06-25 | Leximancer Pty Ltd | Methods for determining a path through concept nodes |
JP5941875B2 (ja) | 2013-07-11 | 2016-06-29 | 日本電信電話株式会社 | 推薦装置及び方法及びプログラム |
-
2018
- 2018-04-03 US US15/943,743 patent/US10984026B2/en active Active
- 2018-04-16 CN CN201810336267.6A patent/CN108733760B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110161311A1 (en) * | 2009-12-28 | 2011-06-30 | Yahoo! Inc. | Search suggestion clustering and presentation |
JP2011175328A (ja) * | 2010-02-23 | 2011-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 意味属性推定装置、意味属性推定方法、意味属性推定プログラム |
CN103210387A (zh) * | 2010-11-10 | 2013-07-17 | 乐天株式会社 | 关联词登记装置、信息处理装置、关联词登记方法、关联词登记装置用程序、记录介质以及关联词登记系统 |
CN102087669A (zh) * | 2011-03-11 | 2011-06-08 | 北京汇智卓成科技有限公司 | 基于语义关联的智能搜索引擎系统 |
CN104160392A (zh) * | 2012-03-07 | 2014-11-19 | 三菱电机株式会社 | 语义推测装置、方法以及程序 |
CN104199965A (zh) * | 2014-09-22 | 2014-12-10 | 吴晨 | 一种语义信息检索方法 |
US20160179945A1 (en) * | 2014-12-19 | 2016-06-23 | Universidad Nacional De Educación A Distancia (Uned) | System and method for the indexing and retrieval of semantically annotated data using an ontology-based information retrieval model |
Also Published As
Publication number | Publication date |
---|---|
US20180307694A1 (en) | 2018-10-25 |
US10984026B2 (en) | 2021-04-20 |
CN108733760B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145219A (zh) | 基于互联网文本挖掘的兴趣点有效性判断方法和装置 | |
US8595210B2 (en) | Search apparatus, search method and program | |
CN108733760A (zh) | 检索方法、检索装置以及程序 | |
Arribas-Bel et al. | Use and validation of location-based services in urban research: An example with Dutch restaurants | |
US20150379610A1 (en) | Recommendation information presentation device, recommendation information presentation method, and recommendation information presentation program | |
CN103365812A (zh) | 用于数据隐私引擎的方法和系统 | |
CN108733759A (zh) | 单词扩展方法、单词扩展装置以及程序 | |
CN106570020A (zh) | 用于提供推荐信息的方法和装置 | |
CN111461827A (zh) | 产品评价信息的推送方法和装置 | |
CN116109373A (zh) | 金融产品的推荐方法、装置、电子设备和介质 | |
CN111078997B (zh) | 一种资讯推荐方法及装置 | |
Liu et al. | Detecting industry clusters from the bottom up based on co-location patterns mining: A case study in Dongguan, China | |
CN110992215A (zh) | 基于语义分析的旅游服务推荐系统、数据库和推荐方法 | |
Yin et al. | Spatial analysis of primary and secondary syphilis incidence in China, 2004-2010 | |
Fay-Ramirez | The comparative context of collective efficacy: Understanding neighbourhood disorganisation and willingness to intervene in Seattle and Brisbane | |
US9442918B2 (en) | Perspective data management for common features of multiple items | |
Bibi et al. | Public perception based recommendation system for cryptocurrency | |
CN113127738A (zh) | 信息的推荐方法、装置、电子设备及计算机可读介质 | |
CN110765328B (zh) | 一种数据处理的方法、装置及存储介质 | |
CN112288510A (zh) | 物品推荐方法、装置、设备及存储介质 | |
Fry et al. | A best practice framework to measure spatial variation in alcohol availability | |
CN112131502A (zh) | 数据处理方法、数据处理装置、电子设备和介质 | |
JP7117640B2 (ja) | 検索方法、検索装置及びプログラム | |
Putta et al. | Impact of one-way streets and contraflow on low-stress bicycle network connectivity | |
KR102323153B1 (ko) | 고객의 무의식 영역에 기반하여 의사결정 지원자료를 제공하는 의사결정 지원서버 및 그 의사결정 지원방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |