CN111095240A - 信息处理设备、信息处理方法和程序 - Google Patents
信息处理设备、信息处理方法和程序 Download PDFInfo
- Publication number
- CN111095240A CN111095240A CN201880059039.7A CN201880059039A CN111095240A CN 111095240 A CN111095240 A CN 111095240A CN 201880059039 A CN201880059039 A CN 201880059039A CN 111095240 A CN111095240 A CN 111095240A
- Authority
- CN
- China
- Prior art keywords
- user
- recommendation
- information processing
- acceptability
- information
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
[问题]在适合用户状态的时间呈现更多有益的推荐信息。[解决方案]提供了一种信息处理设备,包括呈现控制单元,用于基于与内容相关的推荐分数来控制向用户的推荐信息的呈现,该呈现控制单元还基于通过将与内容相关的内容状态和与用户相关的用户状态进行匹配而计算的接受度分数,来控制推荐信息的呈现。还提供了一种信息处理方法,包括由处理器基于与内容相关的推荐分数来控制向用户的推荐信息的呈现,对呈现的控制还包括基于通过将与内容相关的内容状态和与用户相关的用户状态进行匹配而计算的接受度分数来控制推荐信息的呈现。
Description
技术领域
本公开涉及一种信息处理设备、信息处理方法和程序。
背景技术
近年来,已经广泛使用了基于用户的喜好等向用户呈现推荐信息的各种设备。例如,专利文献1公开了基于用户关于服务的使用历史向用户推荐内容的技术。
引文列表
专利文献
专利文献1:日本专利申请公开号2015-35140
发明内容
本发明要解决的问题
顺便提及,在上述推荐技术中,向用户呈现推荐信息的时间是重要的。然而,专利文献1中公开的技术没有考虑上述时间。因此,预期可能没有充分使用推荐信息。
有鉴于此,本公开提出了一种信息处理设备、信息处理方法和程序,其中的每一个都是新型改进的,并且能够在适合于用户状态的时间呈现更多有益的推荐信息。
问题的解决方案
根据本公开,提供了一种信息处理设备,包括呈现控制单元,其被配置为基于关于内容的推荐分数来控制向用户的推荐信息的呈现,其中,呈现控制单元还基于从关于内容的内容情况和关于用户的用户情况之间的匹配计算的可接受性分数来控制推荐信息的呈现。
此外,根据本公开,提供了一种信息处理方法,包括使处理器基于关于内容的推荐分数来控制向用户的推荐信息的呈现,其中,使处理器控制呈现,还包括基于从关于内容的内容情况和关于用户的用户情况之间的匹配计算的可接受性分数来控制推荐信息的呈现。
此外,根据本公开,提供了一种用于使计算机用作信息处理设备的程序,包括呈现控制单元,其被配置为基于关于内容的推荐分数来控制向用户的推荐信息的呈现,其中,呈现控制单元还基于从关于内容的内容情况和关于用户的用户情况之间的匹配计算的可接受性分数来控制推荐信息的呈现。
本发明的效果
如上所述,本公开可以在适合用户状态的时间呈现更有益的推荐信息。
注意,上述效果不一定是限制性的。利用或代替上述效果,可以实现本说明书中描述的任何一种效果或可以从本说明书中理解的其他效果。
附图说明
[图1]是本公开的实施方式的概述的说明图;
[图2]是示出根据本实施方式的信息处理系统的系统配置示例的框图;
[图3]是示出根据本实施方式的信息处理终端的功能配置示例的框图;
[图4]是示出根据本实施方式的信息处理服务器的功能配置示例的框图;
[图5]是示出根据本实施方式的呈现控制单元的功能配置示例的框图;
[图6]示出了根据本实施方式的景点分析信息的数据结构的示例;
[图7]示出了根据本实施方式的景点分析信息的数据结构的示例;
[图8]是根据本实施方式的每个情况属性的可接受性的计算的说明图;
[图9]是根据本实施方式的情况原因的说明图;
[图10]示出了根据本实施方式的用户历史的数据结构的示例;
[图11]是示出根据本实施方式的计算推荐分数的流程的流程图;
[图12]是示出根据本实施方式的基于愿望列表获取推荐结果的流程的流程图;
[图13]是示出根据本实施方式的计算可接受性分数的流程的流程图;
[图14]示出了根据本实施方式的计算可接受性分数的具体示例;
[图15]示出了根据本实施方式的计算可接受性分数的具体示例;
[图16]是示出根据本实施方式的呈现推荐信息和获取关于情况原因的用户历史的流程的流程图;
[图17]示出了根据本实施方式的推荐信息的示例;
[图18]是根据本实施方式的向用户个人或用户组呈现推荐信息的说明图;
[图19]是示出根据本公开的实施方式的硬件配置的示例的示图。
具体实施方式
在下文中,将参考附图详细描述本公开的优选实施方式。注意,在本说明书和附图中,具有基本相同的功能和配置的结构元件用相同的附图标记表示,并且省略了这些结构元件的重复说明。
注意,将按以下顺序提供描述。
1.第一实施方式
1.1.概述
1.2.系统配置示例
1.3.信息处理终端10的功能配置示例
1.4.信息处理服务器20的功能配置示例
1.5.操作流程
1.6.向用户个人或用户组的推荐
2.硬件配置示例
3.结论
<1.第一实施方式>
<<1.1.概述>>
首先,将描述本公开的实施方式的概述。如上所述,近年来,已经广泛使用了向用户呈现推荐信息的各种设备。上述设备可以基于例如用户的喜好等,做出关于产品、服务、事件、度假景点等的推荐。
同时,在呈现推荐信息时,向用户做出推荐的时间是极其重要的。例如,在向用户推荐度假景点时,在用户正在旅行时或用户刚回家时推荐另一度假景点的情况下,即使度假景点符合用户的喜好,对于对最近的旅行满意的用户来说,预计推荐效果可能很差。
同时,例如,在用户可以在度假景点预订用户每年进行的长假或家庭旅行的时间,推荐度假景点的情况下,预测推荐信息对用户的吸引力显著增加。
此外,度假景点和用户的情况、情况的变化等也是确定推荐信息的内容及其呈现时间的重要因素。
根据本公开的技术思想已经考虑到以上几点,并且可以在适合于用户状态的时间呈现更多有益的推荐信息。因此,作为一个方面,实现根据本公开的实施方式的信息处理方法的信息处理设备基于关于内容的推荐分数来控制向用户的推荐信息的呈现。此外,作为另一方面,根据本公开的实施方式的信息处理设备进一步基于从内容情况和用户情况之间的匹配计算的可接受性分数来控制推荐信息的呈现。
图1是本公开的实施方式的概述的说明图。图1示出了根据本实施方式的信息处理终端10在信息处理服务器20的控制下向用户U1呈现关于度假景点的推荐信息的示例。
如上所述,根据本实施方式的信息处理方法不仅可以基于作为指示关于诸如度假景点的内容的推荐程度的指标的推荐分数,而且可以基于根据内容情况和用户情况之间的匹配计算的可接受性分数,来控制推荐信息的呈现。
例如,在图1的示例中,信息处理服务器20使得信息处理终端10基于通过与作为一种内容情况和用户情况的目标年龄匹配而计算的可接受性分数,通过使用视觉信息VI1和语音话语SO1来呈现关于X游乐园的推荐信息。
更具体地,信息处理服务器20使得信息处理终端10基于用户U1的孩子达到由X游乐园定义的目标年龄(内容情况)的结果来执行关于X游乐园的推荐的呈现,因为孩子已经进入小学(用户情况)。
此外,信息处理服务器20可以基于用户U1先前已经因为孩子没有达到目标年龄而放弃参观X游乐园这一事实来执行上述呈现控制。此时,根据本实施方式的信息处理服务器20可以通过使用例如语音话语SO1等,使信息处理终端10执行强调儿童已经达到目标年龄的推荐信息的呈现。
如上所述,根据本实施方式的信息处理服务器20可以通过考虑用户的日常变化情况,在更合适的时间向用户提供更有益的推荐信息。
上文已经描述了本实施方式的概述。在下文中,将详细描述根据本实施方式的信息处理设备、信息处理方法和程序的特征以及通过这些特征获得的效果。
<<1.2.系统配置示例>>
接下来,将描述根据本实施方式的信息处理系统的系统配置示例。图2是示出根据本实施方式的信息处理系统的系统配置示例的框图。当参考图2时,根据本实施方式的信息处理系统包括信息处理终端10和信息处理服务器20。此外,根据本实施方式的信息处理终端10和信息处理服务器20经由网络30连接,以便彼此通信。
(信息处理终端10)
根据本实施方式的信息处理终端10是在信息处理服务器20的控制下向用户呈现推荐信息的信息处理设备。根据本实施方式的信息处理终端10将收集的声音信息、图像信息和传感器信息传输到信息处理终端10,并且从信息处理终端10接收关于推荐信息的呈现的控制信号。
根据本实施方式的信息处理终端10可以是例如移动电话、智能手机、平板电脑、各种家用电器或专用固定或自主移动设备。
(信息处理服务器20)
根据本实施方式的信息处理服务器20是控制信息处理终端10向用户的推荐信息的呈现的信息处理设备。如上所述,作为一个方面,根据本实施方式的信息处理服务器20不仅基于关于内容的推荐分数,而且基于根据内容情况和用户情况之间的匹配计算的可接受性分数,来控制推荐信息的呈现。
(网络30)
网络30具有连接信息处理终端10和信息处理服务器20的功能。网络30可以包括诸如互联网、电话网络和卫星通信网络的公共网络、包括以太网(注册商标)的各种局域网(LAN)和各种广域网(WAN)等。此外,网络30还可以包括专用网络,例如,互联网协议虚拟专用网络(IP-VPN)。此外,网络30还可以包括无线通信网络,例如,Wi-Fi(注册商标)和蓝牙(注册商标)。
在上文中,已经描述了根据本实施方式的信息处理系统的配置示例。注意,参考图2描述的上述配置仅仅是示例,并且根据本实施方式的信息处理系统的配置不限于这样的示例。例如,根据本实施方式的信息处理终端10和信息处理服务器20的功能也可以通过单个设备来实现。可以根据规范或使用灵活地修改根据本实施方式的信息处理系统的配置。
<<1.3.信息处理终端10的功能配置示例>>
接下来,将描述根据本实施方式的信息处理终端10的功能配置示例。图3是示出根据本实施方式的信息处理终端10的功能配置示例的框图。当参考图3时,根据本实施方式的信息处理终端10包括显示单元110、语音输出单元120、语音输入单元130、成像单元140、传感器单元150、控制单元160和服务器通信单元170。
(显示单元110)
根据本实施方式的显示单元110具有输出诸如图像和文本的视觉信息的功能。根据本实施方式的显示单元110在信息处理服务器20的控制下显示例如对应于推荐信息的文本和图像。可以说,显示单元110是根据本实施方式的呈现单元中的一个。
因此,根据本实施方式的显示单元110包括呈现视觉信息等的显示装置。上述显示装置的示例包括液晶显示(LCD器)设备、有机发光二极管(OLED)设备、触摸屏等。此外,根据本实施方式的显示单元110可以通过使用投影功能来输出视觉信息。
(语音输出单元120)
根据本实施方式的语音输出单元120具有输出包括语音话语的各种声音的功能。根据本实施方式的语音输出单元120在信息处理服务器20的控制下输出例如对应于推荐信息的语音话语。因此,根据本实施方式的语音输出单元120包括语音输出装置,例如,扬声器和放大器。可以说,语音输出单元120是根据本实施方式的呈现单元中的一个。
(语音输入单元130)
根据本实施方式的语音输入单元130具有收集声音信息的功能,例如,用户的话语和在信息处理终端10周围生成的环境声音。由语音输入单元130收集的声音信息被信息处理服务器20用于语音识别、情况分析等。根据本实施方式的语音输入单元130包括用于收集声音信息的麦克风。
(成像单元140)
根据本实施方式的成像单元140具有捕捉用户和周围环境的图像的功能。由成像单元140捕捉的图像信息被信息处理服务器20用于用户的情况分析等。根据本实施方式的成像单元140包括能够捕捉图像的成像装置。注意,上述图像不仅包括静止图像,还包括运动图像。
(传感器单元150)
根据本实施方式的传感器单元150具有收集关于周围环境和行为以及用户状态的各种传感器信息的功能。由传感器单元150收集的传感器信息被信息处理服务器20用于用户的情况分析等。传感器单元150包括例如光学传感器,该光学传感器包括红外传感器、加速度传感器、陀螺仪传感器、地磁传感器、热传感器、振动传感器、全球导航卫星系统(GNSS)信号接收装置等。
(控制单元160)
根据本实施方式的控制单元160具有控制信息处理终端10中包括的每个配置的功能。控制单元160控制例如每个配置的开始和停止。此外,控制单元160将信息处理服务器20生成的控制信号输入到显示单元110或语音输出单元120。此外,根据本实施方式的控制单元160可以具有等同于稍后描述的信息处理服务器20的呈现控制单元230的功能。
(服务器通信单元170)
根据本实施方式的服务器通信单元170具有经由网络30与信息处理服务器20通信信息的功能。具体地,服务器通信单元170将由语音输入单元130收集的声音信息、由成像单元140捕捉的图像信息以及由传感器单元150收集的传感器信息传输到信息处理服务器20。此外,服务器通信单元170从信息处理服务器20接收关于推荐信息的呈现的控制信号等。
在上文中,已经描述了根据本实施方式的信息处理终端10的功能配置示例。注意,参考图3描述的上述配置仅仅是示例,并且根据本实施方式的信息处理终端10的功能配置不限于这样的示例。例如,根据本实施方式的信息处理终端10不一定需要包括图3所示的所有配置。例如,信息处理终端10也可以被配置为不包括传感器单元150等。此外,如上所述,根据本实施方式的控制单元160可以具有等同于信息处理服务器20的呈现控制单元230的功能。可以根据规范或使用灵活地修改根据本实施方式的信息处理终端10的功能配置。
<<1.4.信息处理服务器20的功能配置示例>>
接下来,将详细描述根据本实施方式的信息处理服务器20的功能配置示例。图4是示出根据本实施方式的信息处理服务器20的功能配置示例的框图。当参考图4时,根据本实施方式的信息处理服务器20包括终端通信单元210、存储单元220和呈现控制单元230。
(终端通信单元210)
根据本实施方式的终端通信单元210具有经由网络30与信息处理终端10通信信息的功能。具体地,终端通信单元210从信息处理终端10接收声音信息、图像信息、传感器信息等。此外,终端通信单元210在呈现控制单元230的控制下,向信息处理终端10传输关于推荐信息的呈现的控制信号。
(存储单元220)
根据本实施方式的存储单元220通过存储程序、操作参数等以用于呈现控制单元230的处理的只读存储器(ROM)和临时存储适当改变的参数等的随机存取存储器(RAM)来实现。
(呈现控制单元230)
根据本实施方式的呈现控制单元230具有基于关于内容的推荐分数来控制向用户的推荐信息的呈现的功能。此外,作为一个方面,根据本实施方式的呈现控制单元230进一步基于从关于内容的内容情况和关于用户的用户情况之间的匹配计算的可接受性分数,来控制信息处理终端10对推荐信息的呈现。
按照根据本实施方式的呈现控制单元230的上述方面,可以基于推荐时的用户情况、由时间流逝引起的用户情况的变化等,在更合适的时间向用户提供更有益的推荐信息。
注意,根据本实施方式的内容广泛地包括产品、服务、事件、度假景点、行为等。在下文中,将描述根据本实施方式的内容是度假景点并且呈现控制单元230控制关于度假景点(在下文中,也简称为“景点”)的推荐信息的呈现的示例。然而,根据本实施方式的呈现控制单元230可以控制关于各种内容的推荐信息的呈现。
接下来,将详细描述根据本实施方式的呈现控制单元230的功能配置示例。图5是示出根据本实施方式的呈现控制单元230的功能配置示例的框图。当参考图5时,根据本实施方式的呈现控制单元230包括信息收集单元240、信息分析单元250、推荐单元260、历史管理单元270、响应分析单元280、情况分析单元290和信息集成单元300。
(信息收集单元240)
根据本实施方式的信息收集单元240具有从网络上的网站、郊游信息站点等收集关于度假景点等的元数据(执行所谓的网络爬行)并将收集的元数据累积在存储单元220中包括的景点信息存储单元中的功能。注意,上述元数据包括目标年龄、地址、营业时间、价格、访问、停车场信息、类型、详细元数据(由信息站点的用户任意附加的标签信息等)、周围地区的天气预报、度假景点的评论(体验)等。
(信息分析单元250)
根据本实施方式的信息分析单元250分析由信息收集单元240收集的元数据。具体地,信息分析单元250通过使用日本专利申请公开号2005-176404中公开的方法或其他方法,为每个景点(内容)生成具有元数据的每个属性值的分数的向量(内容简档)。
在本文中,图6和图7示出了景点分析信息的数据结构的示例。如图6和图7所示,景点分析信息的数据结构包括“ID”、“内容向量”和“内容信息”。
“内容向量”是元数据,用于测量景点的相似性和景点与用户喜好的相关性。“内容向量”包括例如景点的描述(引言句子集群)、一般类别、由服务提供的专门类型、标签、目标年龄、设施的存在/不存在、评论的标题和评论的内容(评论集群)。
此外,“内容信息”是关于该景点的详细信息的元数据。“内容信息”包括例如区域、电话号码、营业时间、地址、价格、纬度和经度、评估等。
注意,“内容向量”和“内容信息”之间的区别仅仅是一个示例。“内容向量”和“内容信息”可以部分重叠,或者可以为其使用适当地定义。此外,对字符串文本进行形态学分析(可以指定目标词性),并将其表示为关键词“(关键词,频率)”的向量。例如,字符串文本转换为(水族馆,2),(景点,3),(餐馆,2),(购物,1),(酒店,1)或(娱乐,1)。
此外,作为潜在主题模型的方法,广泛用于文本分类的概率潜在语义分析(PLSA)和潜在狄利克雷分配(LDA)可用于对引言句子和评论进行聚类。关于PLSA的细节,参考非专利文献1:Thomas Hofmann的“Probabilistic latent semantic indexing”,1999年,第22届国际ACM SIGIR信息检索研究与发展年会论文集。此外,关于LDA的细节,参考非专利文献2:David M.Blei、Andrew Y.Ng、Michael I.Jordan的“Latent Dirichlet Allocation”,2003,Journal of Machine Learning Research,第3卷。
例如,在PLSA,通过使用如下表达式中的潜在主题z来表达引言句子d中单词w的出现概率p(w|d)。
[表达式1]
换言之,通过将潜在主题z考虑为出现引言句子和单词的潜在主题,可以将引言句子中单词的出现概率解析为“每个潜在主题的单词出现概率”和“引言句子的主题属性概率”。在主题z的维数为5的情况下,关于特定景点的介绍的主题的属性概率被表示为{0.4,0.1,0.7,0.2,0.5},并且这是聚类的结果。
此外,在上述元数据中,“微移类别ID”是由系统定义的一般类别,并且“服务类别ID”是由服务提供的专门类别。“微移类别”包括例如CAMP、BBQ、GUEST RANCH、OUTDOORLEISURE、PARK、DOG RUN、AMUSEMENT PARK、THEME PARK、AQUARIUM、ZOO、FOOD THEME PARK、SCIENCE MUSEUM、MUSEUM、ART MUSEUM、SHRINE、TEMPLE等。此外,“服务类别”包括INDOORAMUSEMENT PARK、SAFARI PARK、BOTANICAL GARDEN、FISHING、HIKING、FRUIT PICKING、FARMING ACTIVITY、SOCIAL STUDY、EXPERIENCE FACILITY等。
(推荐单元260)
根据本实施方式的推荐单元260基于用户的喜好或习惯生成关于内容的推荐信息。
首先,推荐单元260基于关于用户喜好的信息和由信息分析单元250分析的景点分析信息(矢量化内容简档),根据用户喜好生成推荐信息。具体地,推荐单元260将通过分析包括在由历史管理单元270管理的用户历史中的用户的行为历史而获得的用户偏好与上述内容简档相匹配,从而在每个条件下生成推荐信息。用户偏好可以表示为从用户历史中的用户行为的元数据生成的向量或者内容简档的加权和。
推荐单元260还可以通过基于用户历史将属性值矢量化来生成用户偏好。在这种情况下,推荐单元260通过使用例如日本专利申请公开号2005-176404中公开的方法,将用户偏好与内容简档匹配(计算每个项目的内积),并基于计算的推荐分数(向量的内积的总和等)来生成推荐信息。
例如,推荐单元260根据季节(春季、夏季、秋季或冬季)、时间段(一天、一夜或两晚或更多)和目的(家庭旅行、作为已婚夫妇外出就餐、作为父母和孩子外出或作为父母和孩子购物),基于用户的喜好生成度假景点的推荐信息。具体地,例如,如下所述,生成基于推荐条件的推荐结果。此时,推荐单元260可以设置预定的过滤器,例如,从推荐结果中排除用户已经访问过的景点。
((景点推荐结果的示例))
推荐条件a:春季,一晚,家庭旅行
第一ABC日式旅馆(日式酒店)
第二ABC主题公园
第三ABC农场
推荐b:夏季,两晚或更多,家庭旅行
第一ABC酒店
第二ABC日式旅馆(日式酒店)
第三ABC游乐园
推荐c:冬季,一日游,父母和孩子外出
第一ABC音乐会
第二ABC水族馆
第三ABC博物馆
注意,推荐单元260也可以基于多个用户偏好类似地为用户组(家庭、朋友群等)生成推荐信息。
此外,推荐单元260具有基于用户历史预测未来可能发生的事件的功能。具体地,推荐单元260从用户历史中提取过去的事件,并预测下一事件将发生的时间。例如,在用户在每年特定时间的连续假日期间出国旅行的情况下,推荐单元260预测在同一时间的下一个连续假日期间也将发生国外旅行事件。如上所述,推荐单元260可以基于用户历史掌握用户的习惯,并预测事件的发生。
然后,推荐单元260通过使用预测事件作为推荐条件来获取推荐结果。注意,推荐单元260可以通过使用预测事件作为推荐条件来获取多个推荐结果(前五个度假景点等)。
接下来,推荐单元260确定通知用户推荐信息的通知时间。如上所述,因为用户确定他/她的行为的时间根据用户而不同,所以推荐单元260基于用户历史来确定适当的通知时间。具体地,例如,推荐单元260可以估计用于相同目的的过去事件的时间信息(实际上已经实际执行的日期)和事件已经记录在时间表信息中的日期(或者来自多个过去事件的差异的平均值)之间的差异,作为事件的准备周期,并且确定通过从预测事件发生的日期和时间中减去准备周期而获得的日期和时间,作为鼓励用户记录预测事件的时间表的最佳时间。
在本文中,作为示例,事件的准备或计划开始的时间被设置为在时间表信息中记录事件的日期和时间。然而,本实施方式不限于这样的示例,并且例如,日期和时间可以是用户出于相同目的执行关于事件的搜索的日期和时间(在网络搜索站点上的搜索、使用语音代理的搜索等),或者可以是用户出于相同目的进行关于事件的对话的日期和时间(经由电子邮件或聊天与另一用户的对话、与语音代理的对话等)。
此外,推荐单元260可以根据推荐事件中的类型,例如,度假景点,来计算上述准备周期。例如,如果事件是酒店,则准备周期被计算为事件前三十天;如果事件是主题公园,则为事件前三天;如果事件是牧场,则为事件前七天;诸如此类。此外,推荐单元260可以基于季节、时间或流行程度进一步改变上述准备周期。因此,例如,在酒店的情况下,需要进行住宿预订,并且酒店根据季节或时间而拥挤。因此,考虑到房间可能订满的风险,推荐单元260可以尽早向用户做出推荐。
此外,作为一个方面,根据本实施方式的推荐单元260不仅基于上述推荐分数,而且基于根据内容情况和用户情况之间的匹配计算的可接受性分数,来生成推荐信息。
更具体地,根据本实施方式的推荐单元260可以计算包括在内容情况和用户情况中的每个情况属性的可接受性,并且基于每个情况属性的可接受性来计算最终可接受性分数。
图8是根据本实施方式的每个情况属性的可接受性的计算的说明图。如图8所示,根据本实施方式的情况属性可以包括诸如景点、日期和时间、气候、年龄、成本、关注程度、拥挤程度、类别和关键词的属性。根据本实施方式的情况属性是指示度假景点和用户的情况的属性。
例如,在情况属性是“地点”的情况下,景点情况(内容情况)包括关于度假景点的位置信息,并且用户情况包括用户的家庭地址、是否拥有车辆等。此时,推荐单元260可以通过在考虑从用户家到度假景点的交通工具的同时标准化移动时间,来计算关于“地点”的情况属性的可接受性。
此外,例如,在情况属性是“日期和时间”的情况下,景点情况包括工作时间和度假景点的正常假日,并且用户情况包括用户计划访问度假景点的日期和时间。此时,推荐单元260可以确定度假景点在访问的日期和时间是否在营业,并且将1或0设置为关于“日期和时间”的情况属性的可接受性。
此外,例如,在情况属性是“气候”的情况下,景点情况包括关于气候影响的情况,例如,度假景点是室内设施的情况,并且用户情况包括在用户要访问的日期和时间度假景点周围区域的天气。如上所述,根据本实施方式的用户情况可以广泛地包括可以放置用户的各种情况。此时,推荐单元260可以通过基于温度和天气对设施内部或外部的行为的容许性进行标准化,来计算关于“气候”的情况属性的可接受性。
此外,例如,在情况属性是“年龄”的情况下,景点情况包括度假景点的目标年龄,并且用户情况包括访问度假景点的目标用户(包括家庭成员和陪同人员)的年龄。此时,推荐单元260可以确定是否所有目标用户都达到目标年龄,并且将1或0设置为关于“年龄”的情况属性的可接受性。此外,推荐单元260可以基于目标用户中达到目标年龄的用户的百分比,来计算可接受性。
此外,例如,在情况属性是“成本”的情况下,景点情况包括度假景点的价格(包括门票、住宿费、折扣等),并且用户情况包括用户的预算。此时,推荐单元260可以确定度假景点的价格是否在用户的预算内,并且将1或0设置为关于“成本”的情况属性的可接受性。
此外,例如,在情况属性是“关注程度”的情况下,景点情况包括关于度假景点的新颖性的情况,例如,流行度、排名、新开业和新设施。此时,推荐单元260可以通过标准化关于流行度、排名和新颖性的线性和来计算关于“关注程度”的情况属性的可接受性。
此外,例如,在情况属性是“拥挤”的情况下,景点情况包括在访问日期和时间的度假景点的拥挤程度。此时,推荐单元260可以通过标准化上述拥挤程度来计算关于“拥挤”的情况属性的可接受性。
此外,例如,在情况属性是“类别”的情况下,景点情况包括指示度假景点是否处于关注程度根据季节而变化的类别中的情况,例如,游泳海滩、旅游农场或体育场,并且用户情况包括访问的日期和时间。此时,推荐单元260可以通过根据季节标准化关注程度来计算关于“类别”的情况属性的可接受性。
此外,例如,在情况属性是“关键词”的情况下,景点情况包括指示度假景点是否与关注程度根据季节而变化的关键词相关的情况,例如,樱花、烟火、秋叶或圣诞节,并且用户情况包括访问的日期和时间。此时,推荐单元260可以通过根据季节标准化关注程度来计算关于“关键词”的情况属性的可接受性。
在上文中,已经通过使用特定示例描述了根据本实施方式的情况属性。如上所述,根据本实施方式的推荐单元260可以基于根据每个情况属性的匹配结果的可接受性来获取关于度假景点的推荐结果。根据推荐单元260的上述功能,不仅可以根据关于度假景点的简单推荐分数,而且可以根据每天变化的用户情况,向用户呈现更灵活和有效的推荐信息。
同时,还期望重要的情况属性可以根据用户的喜好等而不同。因此,根据本实施方式的推荐单元260可以通过基于用户认为重要的情况属性(也称为“情况原因”)动态设置应用于情况属性的权重,来计算更准确的可接受性分数。
在本文中,上述权重是指示用户的情况属性的重要程度的值,并且用于计算可接受性分数。此外,上述情况原因对应于影响权重增加/减少的原因,即用户的喜好。
根据本实施方式的推荐单元260可以基于例如用户对询问的回答、用户的话语、用户个人的倾向等来获取上述情况原因。
图9是根据本实施方式的情况原因的说明图。
推荐单元260可以基于例如用户对用户的肯定或否定询问的响应来获取情况原因。具体地,例如,在获取关于“地点”的情况属性的情况原因的情况下,推荐单元260可以基于用户对诸如“你可以在三十分钟内开车到达”(肯定)或者“你觉得草津太远了吗?”(否定)的询问的响应结果来获取情况原因。例如,在用户响应于对上述肯定询问说“很好”的情况下,或者在用户响应于对上述否定查询说“是的”的情况下,用户可以将关于“地点”的情况属性的权重加上+1.0。
此外,例如,推荐单元260可以基于看到推荐信息的用户给出的否定话语“乘火车和公共汽车需要三个小时才能到达,太远了”来理解用户认为“地点”的情况属性是重要的。在这种情况下,推荐单元260可以将关于“地点”的情况属性的权重加上+1.0。同时,在用户给出诸如“就在附近,太好了”的肯定话语的情况下,推荐单元260可以将关于“地点”的情况属性的权重加上+1.0。
此外,例如,推荐单元260可以基于根据与一般模型的差异的用户个人的趋势来获取情况原因。推荐单元260可以将偏离所有用户的平均值(通用模型)的情况属性视为用户个人的趋势,并且基于为每个情况属性定义的规则来增加或减少权重。例如,在从用户的家到度假景点所需的时间比一般模型的平均值短30分钟以上的情况下,推荐单元260可以将关于“地点”的情况属性的权重加上+1.0。
如上所述,根据本实施方式的推荐单元260可以通过基于对用户重要的每日变化属性动态设置权重,来根据用户的情况或喜好来计算更准确的可接受性分数。
(历史管理单元270)
根据本实施方式的历史管理单元270执行数据管理,例如,在存储单元220中包括的用户历史存储单元中注册和更新用户历史。用户历史包括时间表历史信息、事件发生历史信息(其可以反映与移动装置相关联的用户行为的识别结果)、操作历史(搜索历史、观看历史等)、用户响应历史等,作为行为历史。注意,上述事件发生历史信息可以反映例如与移动装置等相关联的用户行为的识别结果。例如,可以基于从移动装置获取的位置信息、用户在SNS或消息应用程序中输入的句子或图像等来确定用户是否已经实际访问了作为时间表记录的度假景点。
此外,用户响应历史是对由响应分析单元280分析的推荐信息的用户响应(操作历史,例如,查看详细信息、书签、预订、时间表记录或删除、或用户话语)或者对事件体验的用户响应(评估等),并且可以将用户响应与由情况分析单元290分析的用户情况和内容情况一起累积。
在本文中,图10示出了根据本实施方式的用户历史(反馈)的数据结构的示例。如图10所示,用户历史包括用户ID、反馈类型、项目ID(度假景点ID等)、属性ID、对应于属性ID的属性值等。
此外,根据本实施方式的用户历史可以包括上述查询、用户对查询的回答以及与用户的自发话语相对应的文本信息。
注意,如图10所示,反馈类型包括记录出游目的地(度假景点)的时间表(时间表历史信息)、将出游目的地添加到愿望列表、对出游目的地的实际访问(事件发生历史信息)、以及查看出游目的地列表的屏幕和细节屏幕(用户响应历史)。
此外,根据本实施方式的反馈类型还可以包括用户回答询问、检测用户关于情况原因的话语等。
(响应分析单元280)
响应分析单元280分析例如在传递信息时(具体地,例如,在推荐事件时)或在识别行为时(具体地,例如,在经历事件时)的用户响应(操作输入/选择、文本输入、话语、表达、生物响应等)。可以通过例如使语音代理等询问问题以鼓励用户做出评估,来获得经历事件时的用户响应。
(情况分析单元290)
根据本实施方式的情况分析单元290具有分析内容情况和用户情况的功能。如上所述,由情况分析单元290分析的情况属性可以包括景点、日期和时间、气候、年龄、成本、关注程度、拥挤程度、类别、关键词等。同时,上述情况属性仅仅是示例,并且根据本实施方式的情况属性不限于这些示例。根据本实施方式的情况分析单元290可以分析除了上述情况属性之外的情况属性,并且可以不分析所有上述属性。
(信息集成单元300)
信息集成单元300传递从每个配置获得的信息,并控制与信息处理终端10的信息通信。信息集成单元300将例如由信息收集单元240收集的景点信息输出到信息分析单元250,并将由信息分析单元250分析的景点分析信息(内容简档)输出到推荐单元260。此外,信息集成单元300将由历史管理单元270管理的用户历史输出到推荐单元260。此外,信息集成单元300向推荐单元260输出由响应分析单元280获得的用户响应以及由情况分析单元290获得的景点情况和用户情况。
<<1.5.操作流程>>
接下来,将详细描述根据本实施方式的信息处理服务器20的操作流程。
首先,将详细描述根据本实施方式的计算推荐分数的流程。图11是示出根据本实施方式的计算推荐分数的流程的流程图。
当参考图11时,首先,信息分析单元250确定是否执行关于度假景点等的景点分析(S1101)。
在本文中,在执行分析的情况下(S1101:是),信息分析单元250基于由信息收集单元240收集的景点的元数据和文本信息来生成内容简档(S1102)。
接下来,推荐单元260确定是否执行推荐信息的呈现(S1103)。在本文中,在没有呈现推荐信息的情况下(S1103:否),呈现控制单元230终止处理。
同时,在呈现推荐信息的情况下(S1103:是),推荐单元260从历史管理单元270获取用户历史(S1104)。此时,获取关于包括在用户历史中的目标反馈类型的目标景点的内容简档,并且基于内容简档获取用户偏好。注意,可以选择多个目标反馈类型,或者可以对目标反馈类型进行加权。
接下来,推荐单元260设置推荐条件(S1105)。如上所述,上述推荐条件包括例如日期和时间、时间段、目的等。
接下来,推荐单元260基于在步骤S1105中设置的推荐条件来计算推荐分数(S1106)。
接下来,推荐单元260存储与在步骤S1106中计算的推荐分数相关联的推荐结果R(S1107)。
接下来,将通过使用特定示例来描述根据本实施方式的推荐分数的计算。
例如,信息分析单元250在步骤S1102中生成以下内容简档。
景点A:
{温泉=1.0,草津=1.0,露天浴=0.6,自助餐=0.4,按摩=0.2}[纬度=xxx,经度=xxx,流行度=4.1,成人价格=15,000日元,儿童价格=10,000日元]
景点B:
{主题公园=1.0,富士=1.0,野生动物园=0.8,体验=0.5,巴士=0.3}[纬度=xxx,经度=xxx,流行度=4.4,成人价格=27,000日元,儿童价格=1,500日元]
景点C:
{露营地=1.0,丹沢=1.0,遛狗场=0.7,小屋=0.5,面包=0.4}[纬度=xxx,经度=xxx,流行度=3.6,价格=4000日元]
此外,在步骤S1104中,推荐单元260获取以下用户历史。注意,在本文中,获取记录为时间表的点的操作历史,作为反馈类型。
2015/05“家庭旅行”->一晚,景点X:
{温泉=1.0,热海=1.0,露天浴=0.6,意大利美食=0.4,美容院=0.1}[纬度=xxx,经度=xxx,流行度=3.8,成人价格=12,000日元,儿童价格=8,000日元]
2016/05“家庭旅行”->一晚,景点Y:
{温泉=1.0,那须高地=1.0,小屋=0.5,日本料理=0.3,按摩=0.2}[纬度=xxx,经度=xxx,流行度=4.2,成人价格=16,000日元,儿童价格=10,000日元]
2016/11“父母和孩子外出”->一晚,景点Z:
{露营地=1.0,南房总=1.0,钓鱼=0.7,帐篷=0.3,徒步旅行=0.2}[纬度=xxx,经度=xxx,流行度=3.7,价格=5000日元]
此外,在步骤S1105中,推荐单元260设置以下推荐条件。
日期和时间:2017/05/01=[春季],时间段:[一晚],目的:[家庭旅行]
此外,如下所述,推荐单元260在步骤S1106中计算推荐分数。注意,以下描述中的“UP”表示用户偏好。
UP[春季]=景点X+景点Y:
{温泉=2.0,热海=1.0,那须高地=1.0,露天浴=0.6,意大利美食=0.4,美容院=0.1,小屋=0.5,日本料理=0.3,按摩=0.2}
UP[春季]和景点A、B和C之间的矢量余弦计算:
UP-A:{1.0*2.0(温泉)+0.6*0.6(露天浴)+0.2*0.2(按摩)}/{√(2.0^2+1.0^2+1.0^2+0.6^2+0.4^2+0.1^2+0.5^2+0.3^2+0.2^2)(UP标准)*√(1.0^2+1.0^2+0.6^2+0.4^2+0.2^2)(A标准)}=2.4/{√6.91*√2.56}=0.570
UP-B:0.00(无通用元数据)
UP-C:{0.5*0.5(小屋)/{√(2.0^2+1.0^2+1.0^2+0.6^2+0.4^2+0.1^2+0.5^2+0.3^2+0.2^2)(UP标准)*√(1.0^2+1.0^2+0.7^2+0.5^2+0.4^2)(C标准)}=0.25/{√6.91*√2.9}=0.055
UP[一晚]=景点X+景点Y+景点Z:
{温泉=2.0,露营地=1.0,热海=1.0,那须高地=1.0,南房总=1.0,露天浴=0.6,意大利美食=0.4,美容院=0.1,小屋=0.5,日本美食=0.3,按摩=0.2,钓鱼=0.7,帐篷=0.3,徒步旅行=0.2}
UP[一晚]和景点A、B和C之间的矢量余弦计算:
UP-A:{1.0*2.0(温泉)+0.6*0.6(露天浴)+0.2*0.2(按摩)}/{√(2.0^2+1.0^2+1.0^2+1.0^2+1.0^2+0.6^2+0.4^2+0.1^2+0.5^2+0.3^2+0.2^2+0.7^2+0.3^2+0.2^2)(UP标准)*√(1.0^2+1.0^2+0.6^2+0.4^2+0.2^2)(A标准)}=2.4/{√9.53*√2.56}=0.485
UP-B:0.00(无通用元数据)
UP-C:{1.0*1.0(露营地)+0.5*0.5(小屋)/{√(2.0^2+1.0^2+1.0^2+1.0^2+1.0^2+0.6^2+0.4^2+0.1^2+0.5^2+0.3^2+0.2^2+0.7^2+0.3^2+0.2^2)(UP标准)*√(1.0^2+1.0^2+0.7^2+0.5^2+0.4^2)(C标准)}=1.25/{√9.53*√2.9}=0.237
UP[家庭旅行]=景点X+景点Y:
{温泉=2.0,热海=1.0,那须高地=1.0,露天浴=0.6,意大利美食=0.4,美容院=0.1,小屋=0.5,日本料理=0.3,按摩=0.2}
UP[春季]和景点A、B和C之间的矢量余弦计算:
UP-A:{1.0*2.0(温泉)+0.6*0.6(露天浴)+0.2*0.2(按摩)}/{√(2.0^2+1.0^2+1.0^2+0.6^2+0.4^2+0.1^2+0.5^2+0.3^2+0.2^2)(UP标准)*√(1.0^2+1.0^2+0.6^2+0.4^2+0.2^2)(A标准)}=2.4/{√6.91*√2.56}=0.570
UP-B:0.00(无通用元数据)
UP-C:{0.5*0.5(小屋)/{√(2.0^2+1.0^2+1.0^2+0.6^2+0.4^2+0.1^2+0.5^2+0.3^2+0.2^2)(UP标准)*√(1.0^2+1.0^2+0.7^2+0.5^2+0.4^2)(C标准)}=0.25/{√6.91*√2.9}=0.055
根据以上计算得出以下推荐分数。
UP-A[综合]=UP-A[春季]+UP-A[一晚]+UP-A[家庭旅行]=0.570+0.485+0.570=1.625
UP-B[综合]=UP-B[春季]+UP-B[一晚]+UP-B[家庭旅行]=0.000+0.000+0.000=0.000
UP-C[综合]=UP-C[春季]+UP-C[一晚]+UP-C[家庭旅行]=0.055+0.237+0.055=0.347
注意,推荐单元260可以基于计算的推荐分数缩小目标景点。推荐单元260可以执行条件过滤,例如,从推荐结果中排除流行度=小于3.5的结果。
接下来,将描述根据本实施方式的基于愿望列表获取推荐结果的流程。图12是示出根据本实施方式的基于愿望列表获取推荐结果的流程的流程图。
当参考图12时,首先,推荐单元260从用户历史中获取关于添加到愿望列表的操作的历史信息(S1201)。
接下来,推荐单元260基于在步骤S1201中获取的历史信息,将对应于项目ID的景点添加到推荐结果W(S1202)。
接下来,推荐单元260基于在步骤S1201中获取的历史信息搜索匹配类别中的景点,并将该景点添加到推荐结果W(S1203)。
接下来,推荐单元260基于在步骤S1201中获取的历史信息搜索具有匹配关键词的景点,并将该景点添加到推荐结果W(S1204)。
接下来,推荐单元260将在步骤S1202至S1204中生成的推荐结果W传输到信息集成单元300(S1205)。
然后,将详细描述根据本实施方式的计算可接受性分数的流程。根据本实施方式的推荐单元260可以通过使用上述每个属性情况的可接受性和权重来计算最终可接受性分数。
此时,根据本实施方式的推荐单元260可以使用通过使用上述可接受性和权重计算的综合可接受性或者指示先前计算的综合可接受性和当前计算的综合可接受性之间的差异的综合可接受性差异,作为最终可接受性分数。
例如,在可接受性已经改变的情况属性的数量等于或大于阈值的情况下,根据本实施方式的推荐单元260可以采用综合可接受性差异,作为最终可接受性分数。根据推荐单元260的上述功能,可以向用户呈现更适合于随着时间流逝而变化的用户情况的推荐信息。
图13是示出根据本实施方式的计算可接受性分数的流程的流程图。
当参考图13时,首先,情况分析单元290分析用户情况(S1301)。
接下来,推荐单元260获取上述推荐结果R和W(S1302)。
然后,推荐单元260基于用户历史获取情况原因,并更新用于计算可接受性分数的每个情况属性的权重(S1303)。如上所述,推荐单元260可以从对询问的回答、用户的话语、用户个人的倾向等获取情况原因。
然后,推荐单元260计算每个情况属性的可接受性(S1304)。此时,推荐单元260存储当前计算的可接受性的值和与先前计算的可接受性的差值。
接下来,推荐单元260确定其可接受性从先前时间已经改变的情况属性的数量是否小于阈值(S1305)。注意,作为根据用户情况的可接受性变化的示例,预期各种因素,例如,移动、购买车辆、有孩子、孩子达到目标年龄以及预算的增加和减少。
在本文中,在其可接受性已经改变的情况属性的数量小于阈值的情况下(S1305:是),推荐单元260给出推荐结果R和W的综合可接受性,作为最终可接受性分数(S1306)。
同时,在其可接受性已经改变的情况属性的数量等于或大于阈值的情况下(S1305:否),推荐单元260给出推荐结果R和W的综合可接受性差异,作为最终可接受性分数(S1307)。
然后,推荐单元260将与步骤S1306或S1307中采用的推荐分数和可接受性分数相关联的推荐结果R和W传输到信息集成单元300(1308)。
在上文中,已经详细描述了根据本实施方式的计算可接受性分数的流程。接下来,将通过使用具体示例来描述根据本实施方式的可接受性分数的计算。图14和图15示出了根据本实施方式的计算可接受性分数的具体示例。
图14示出了在先前计算时每个景点情况、用户情况和情况属性的可接受性的示例。在本文中,在关于所有情况属性的权重被设置为1.0的情况下,可以如下所述计算先前的综合可接受性。
综合可接受性=0.4*1.0+1.0*1.0+1.0*1.0+0.0*1.0+1.0*1.0+0.82*1.0+0.3*1.0+0.0*1.0+1.0*1.0=+5.52
此外,图15示出了当前计算时每个景点情况、用户情况和情况属性的可接受性的示例。在本文中,在关于所有情况属性的权重被设置为1.0的情况下,可以如下所述计算当前综合可接受性。
综合可接受性=0.6*3.0+1.0*1.0+0.0*2.0+1.0*2.0+1.0*2.0+0.88*2.0+0.15*1.0+0.0*1.0+0.0*1.0=+8.71
在本文中,当比较图14和图15时,发现当用户情况中的“地点”的情况属性和“年龄”的情况属性改变时,与之对应的可接受性也改变。
具体地,因为用户X拥有车辆,所以关于“地点”的情况属性的可接受性变为0.6(+0.2),并且因为用户的孩子已经进入小学,所以关于“年龄”的情况属性的可接受性变为1.0(+1.0)。
在本文中,在采用可接受性分数时改变的属性的数量的阈值为2的情况下,推荐单元260可以采用综合可接受性差异(8.71-5.52=3.19),作为最终可接受性分数,因为“地点”和“年龄”这两个情况属性改变,即,改变的属性的数量等于或大于阈值。
如上所述,按照根据本实施方式的推荐单元260,可以计算更强地反映改变的情况属性的影响的可接受性分数,并且根据用户情况的变化实现推荐信息的灵活和有效的呈现。
接下来,将详细描述根据本实施方式的呈现推荐信息和获取关于情况原因的用户历史的流程。图16是示出根据本实施方式的呈现推荐信息和获取关于情况原因的用户历史的流程的流程图。
当参考图16时,推荐单元260首先确定是否呈现推荐信息(S1401)。此时,推荐单元260可以基于例如用户会话、系统时间和用户情况的变化来确定是否呈现推荐信息。
在本文中,上述用户会话包括例如用户登录系统、用户对系统的查询、系统对用户的识别等。推荐单元260可以在例如检测到上述示例中的一个的情况下确定呈现推荐信息。
此外,上述系统时间包括预定交付、景点信息的更新、活动开始的检测等。
此外,用户情况的上述变化包括例如家庭成员的增加(生育、婚姻等)、孩子的成长(入学、成年、开始进行课外活动等)以及移动方式的变化(拥有车辆、铁路通车等)。此时,根据本实施方式的推荐单元260可以尤其基于用作导致可接受性分数降低的因素的情况属性的变化来确定是否呈现推荐信息。
更具体地,根据本实施方式的推荐单元260可以基于由于用作导致降低的因素的情况属性的变化而提高了关于情况属性的可接受性,来确定呈现推荐信息。上述情况预期是例如儿童先前未达到目标年龄的示例、用户先前未拥有车辆的示例等。
如上所述,根据本实施方式的推荐单元260可以通过在解决导致降低的因素的时间向用户呈现推荐信息,来实现更有效的推荐。
在步骤S1401中,在推荐单元260确定呈现推荐信息的情况下(S1401:是),推荐单元260选择关于推荐信息的呈现的呈现逻辑(S1402)。推荐单元260可以选择呈现逻辑,例如,是否呈现推荐结果R和W中的一个或两者。
然后,信息集成单元300使得信息处理终端10基于在步骤S1401中选择的呈现逻辑呈现前N个目标景点(S1403)。
然后,在通过系统话语获取情况的情况下(S1404:是),推荐单元260获取所呈现的景点的用户历史(S1405),并且执行如上所述的对用户的肯定或否定查询(S1406)。
然后,推荐单元260从用户对在步骤S1406中执行的查询的回答中获取情况原因(S1407)。
此外,在获取基于用户话语的情况原因的情况下(S1408:是),推荐单元260基于由响应分析单元280执行的语音识别的结果,从用户话语的意图中提取情况原因(S1408)。
在上文中,已经描述了根据本实施方式的信息处理服务器20的操作流程。图17示出了由上述流程呈现的推荐信息的示例。图17示出了由信息处理终端10的显示单元110显示的用户界面UI的示例。
如图17所示,根据本实施方式的用户界面UI可以以排名的形式显示基于关于用户情况的推荐分数和可接受性分数确定的推荐景点。此时,信息集成单元300可以使显示单元110显示例如关于用作导致降低的解决因素的属性情况的信息,同时强调该信息。
在图17的示例中,信息集成单元300使得显示单元110显示包括诸如“小学生可以进入”和“开车两小时内”的单词的视觉信息。根据上述控制,可以清楚地示出先前不能采用的选项是可选择的,即,因为情况已经改变,所以选项增加,并且因此可以实现推荐信息的更有效呈现。
<<1.6.对用户个人或用户组的推荐>>
接下来,将再次描述根据本实施方式的用户的定义。如上所述,根据本实施方式的用户可以包括用户个人和用户所属的用户组。
例如,在用户个人是家庭中的妻子的情况下,期望用户个人为自己期望的信息可能不同于用户组(即她的家庭)期望的信息。因此,根据本实施方式的推荐单元260可以计算用户个人或用户组的可接受性分数,并确定推荐景点的排名。
图18是根据本实施方式的向用户个人或用户组呈现推荐信息的说明图。
图18的上部示出了信息处理服务器20经由信息处理终端10向用户组G1呈现推荐信息的示例。在图18上部的示例中,信息处理服务器20向包括所有家庭成员的用户组G1呈现关于ABC商城的推荐信息,作为语音话语SO2。在本文中,用户组G1可以是包括作为妻子的用户U1、作为丈夫的用户U2和作为孩子的用户U3的家庭。
此时,根据本实施方式的推荐单元260不仅可以向用户个人而且可以向用户组G1给出个人ID,并且通过将家庭视为用户来管理用户偏好、用户历史、权重等。
同时,根据本实施方式的推荐单元260还可以基于用户组G1中包括的用户个人(用户U1至U3)的组合来计算关于用户组G1的用户偏好、用户历史、权重等。
推荐单元260可以基于关于用户U1到U3的用户历史的总和来计算例如用户偏好、关于情况属性的权重等,并且计算最终可接受性分数和推荐分数。
根据推荐单元260的上述功能,可以灵活地定义家庭中的多个用户组,并且可以向整个家庭、已婚夫妇、母亲和孩子、父亲和孩子等呈现例如不同的推荐信息。
同时,图18的下部示出了信息处理服务器20经由信息处理终端10向用户U1个人呈现推荐信息的示例。在图18下部的示例中,信息处理服务器20向用户U1个人呈现关于水疗的推荐信息,作为语音话语SO3。
信息处理服务器20可以基于例如信息处理服务器20识别出只有用户U1存在于她周围、已经为用户U2和U3注册了其他时间表等,来控制向用户U1个人呈现推荐信息。
如上所述,根据本实施方式的信息处理服务器20可以实现针对用户个人和用户组的各种推荐信息的呈现。
<2.硬件配置示例>
现在描述根据本公开实施方式的信息处理终端10和信息处理服务器20共有的硬件配置的示例。图19是示出根据本公开的实施方式的信息处理终端10和信息处理服务器20的硬件配置的示例的框图。当参考图19时,信息处理终端10和信息处理服务器20包括例如CPU 871、ROM 872、RAM 873、主机总线874、桥接器875、外部总线876、接口877、输入装置878、输出装置879、存储器880、驱动器881、连接端口882和通信装置883。此外,此处所示的硬件配置是说明性的,并且可以省略一些组件。此外,可以还包括除了此处所示的组件之外的组件。
(CPU 871)
例如,CPU 871用作算术处理单元或控制装置,并且基于记录在ROM872、RAM 873、存储器880或可移动记录介质901中的各种程序来控制每个组件的一些或全部操作。
(ROM 872和RAM 873)
ROM 872是用于存储加载到CPU 871中的程序、用于操作的数据等的装置。例如,RAM 873临时或永久存储要加载到CPU 871中的程序、在执行程序时适当改变的各种参数等。
(主机总线874、桥接器875、外部总线876和接口877)
CPU 871、ROM 872和RAM 873经由例如能够高速数据传输的主机总线874相互连接。另一方面,主机总线874例如经由桥接器875连接到具有较低数据传输速率的外部总线876。此外,外部总线876经由接口877连接到各种组件。
(输入装置878)
输入装置878的示例包括鼠标、键盘、触摸面板、按钮、开关、摇杆等。此外,输入装置878的示例包括能够使用红外线或其他无线电波传输控制信号的遥控器(以下称为遥控器)。此外,输入装置878包括诸如麦克风的音频输入装置。
(输出装置879)
输出装置879例如是能够视觉地或听觉地向用户通知所获取的信息的装置,其包括诸如阴极射线管(CRT)、LCD或有机EL的显示装置、诸如扬声器或耳机的音频输出装置、打印机、移动电话、传真机等。此外,根据本公开的输出装置879包括能够输出触觉刺激的各种振动装置。
(存储器880)
存储器880是用于存储各种类型数据的装置。存储器880的示例包括磁存储装置,例如,硬盘驱动器(HDD)、半导体存储装置、光存储装置、磁光存储装置等。
(驱动器881)
驱动器881例如是读取记录在诸如磁盘、光盘、磁光盘或半导体存储器的可移动记录介质901上的信息或将信息写入可移动记录介质901的装置。
(可移动记录介质901)
可移动记录介质901的示例包括DVD介质、蓝光(注册商标)介质、HD DVD介质、各种半导体存储介质等。当然,可移动记录介质901优选地是例如安装有非接触式IC芯片的IC卡、电子装置等。
(连接端口882)
连接端口882例如是用于与外部连接装置902连接的端口,例如,通用串行总线(USB)端口、IEEE 1394端口、小型计算机系统接口(SCSI)、RS-232C端口或光学音频终端。
(外部连接装置902)
外部连接装置902的示例包括打印机、便携式音乐播放器、数码相机、数码摄像机、IC记录器等。
(通信装置883)
通信装置883是用于与网络连接的通信装置,其示例包括用于有线或无线LAN、蓝牙(注册商标)或无线USB(WUSB)的通信卡、用于光通信的路由器、用于非对称数字用户线路(ADSL)的路由器、各种通信调制解调器等。
<3.结论>
如上所述,根据本公开的实施方式的信息处理服务器20包括呈现控制单元230,呈现控制单元230基于关于内容的推荐分数来控制向用户的推荐信息的呈现。此外,作为一个方面,呈现控制单元230进一步基于从关于内容的内容情况和关于用户的用户情况之间的匹配计算的可接受性分数,来控制推荐信息的呈现。利用这种配置,可以在适合于用户状态的时间呈现更多有益的推荐信息。
上面已经参考附图描述了本公开的优选实施方式,同时本公开不限于上述示例。本领域技术人员可以在所附权利要求的范围内找到各种变更和修改,并且应该理解,这些变更和修改将自然地落入本公开的技术范围内。
此外,本说明书中描述的效果仅仅是说明性的或示例性的效果,而不是限制性的。即,具有或代替上述效果,根据本公开的技术可以实现本领域技术人员从本说明书的描述中清楚的其他效果。
此外,本说明书中的信息处理服务器20的处理中的各个步骤不一定按照流程图中所示的顺序按时间顺序执行。例如,信息处理服务器20的处理中的各个步骤可以以与流程图中所示的顺序不同的顺序来处理,或者也可以并行处理。
另外,本技术也可以如下配置。
(1)一种信息处理设备,包括
呈现控制单元,被配置为基于关于内容的推荐分数来控制向用户的推荐信息的呈现,其中,
呈现控制单元还基于从关于内容的内容情况和关于用户的用户情况之间的匹配计算的可接受性分数来控制推荐信息的呈现。
(2)根据(1)的信息处理设备,其中,
呈现控制单元计算包括在内容情况和用户情况中的每个情况属性的可接受性,并且基于每个情况属性的可接受性来计算可接受性分数。
(3)根据(2)的信息处理设备,其中,
呈现控制单元通过使用每个情况属性的可接受性和基于从用户历史获得的情况原因动态设置的权重来计算可接受性分数。
(4)根据(3)的信息处理设备,其中,
呈现控制单元使用通过使用可接受性和权重计算的综合可接受性和指示先前计算的综合可接受性和当前计算的综合可接受性之间的差异的综合可接受性差异中的一个,作为可接受性分数。
(5)根据(4)的信息处理设备,其中,
呈现控制单元基于其可接受性改变的情况属性,选择综合可接受性和综合可接受性差异中的一个,作为可接受性分数。
(6)根据(4)或(5)的信息处理设备,其中,
在其可接受性改变的情况属性的数量等于或大于阈值的情况下,呈现控制单元采用综合可接受性差异,作为可接受性分数。
(7)根据(2)至(6)中任一项的信息处理设备,其中,
呈现控制单元基于用作导致可接受性分数降低的因素的情况属性的变化,使得推荐信息被呈现。
(8)根据(7)的信息处理设备,其中,
呈现控制单元基于由于用作导致降低的因素的情况属性的变化而提高了关于该情况属性的可接受性,使得推荐信息被呈现。
(9)根据(3)至(6)中任一项的信息处理设备,其中,
呈现控制单元基于用户的话语获取情况原因。
(10)根据(3)至(6)中任一项的信息处理设备,其中,
呈现控制单元基于用户对询问的回答来获取情况原因。
(11)根据(3)至(6)中任一项的信息处理设备,其中,
呈现控制单元基于根据与一般模型的差异的用户个人的趋势来获取情况原因。
(12)根据(1)至(11)中任一项的信息处理设备,其中,
用户包括用户个人和用户所属的用户组,并且
呈现控制单元通过以用户个人和用户组中的一个为目标来计算可接受性分数。
(13)根据(12)的信息处理设备,其中,
呈现控制单元基于关于用户组中包括的用户个人的用户历史来计算可接受性分数。
(14)根据(1)至(13)中任一项的信息处理设备,其中,
内容包括度假景点。
(15)根据(1)至(14)中任一项的信息处理设备,其中,
呈现控制单元基于分析的用户偏好和内容简档来计算推荐分数。
(16)根据(1)至(15)中任一项的信息处理设备,还包括
呈现单元,被配置为在呈现控制单元的控制下向用户呈现推荐信息。
(17)一种信息处理方法,包括
使处理器基于关于内容的推荐分数来控制向用户的推荐信息的呈现,其中,
使处理器控制呈现,还包括
基于从关于内容的内容情况和关于用户的用户情况之间的匹配计算的可接受性分数来控制推荐信息的呈现。
(18)一种用于使计算机用作信息处理设备的程序,包括
呈现控制单元,被配置为基于关于内容的推荐分数来控制向用户的推荐信息的呈现,其中,
呈现控制单元还基于从关于内容的内容情况和关于用户的用户情况之间的匹配计算的可接受性分数来控制推荐信息的呈现。
附图标记列表
20 信息处理服务器
210 终端通信单元
220 存储单元
230 呈现控制单元
240 信息收集单元
250 信息分析单元
260 推荐单元
270 历史管理单元
280 响应分析单元
290 情况分析单元
300 信息集成单元。
Claims (18)
1.一种信息处理设备,包括
呈现控制单元,被配置为基于关于内容的推荐分数来控制向用户的推荐信息的呈现,其中,
所述呈现控制单元还基于从关于所述内容的内容情况和关于所述用户的用户情况之间的匹配计算的可接受性分数来控制所述推荐信息的呈现。
2.根据权利要求1所述的信息处理设备,其中,
所述呈现控制单元计算包括在所述内容情况和所述用户情况中的每个情况属性的可接受性,并且基于所述每个情况属性的可接受性来计算所述可接受性分数。
3.根据权利要求2所述的信息处理设备,其中,
所述呈现控制单元通过使用每个情况属性的可接受性和基于从用户历史获得的情况原因动态设置的权重来计算所述可接受性分数。
4.根据权利要求3所述的信息处理设备,其中,
所述呈现控制单元使用通过使用所述可接受性和所述权重计算的综合可接受性和指示先前计算的综合可接受性和当前计算的综合可接受性之间的差异的综合可接受性差异中的一个,作为所述可接受性分数。
5.根据权利要求4所述的信息处理设备,其中,
所述呈现控制单元基于其可接受性改变的所述情况属性,选择所述综合可接受性和所述综合可接受性差异中的一个,作为所述可接受性分数。
6.根据权利要求4所述的信息处理设备,其中,
在其可接受性改变的情况属性的数量等于或大于阈值的情况下,所述呈现控制单元采用所述综合可接受性差异,作为所述可接受性分数。
7.根据权利要求2所述的信息处理设备,其中,
所述呈现控制单元基于用作导致所述可接受性分数降低的因素的所述情况属性的变化,使得所述推荐信息被呈现。
8.根据权利要求7所述的信息处理设备,其中,
所述呈现控制单元基于由于用作导致降低的因素的所述情况属性的变化而提高了关于所述情况属性的可接受性,使得所述推荐信息被呈现。
9.根据权利要求3所述的信息处理设备,其中,
所述呈现控制单元基于所述用户的话语获取所述情况原因。
10.根据权利要求3所述的信息处理设备,其中,
所述呈现控制单元基于所述用户对询问的回答来获取所述情况原因。
11.根据权利要求3所述的信息处理设备,其中,
所述呈现控制单元基于根据与一般模型的差异的所述用户个人的趋势来获取所述情况原因。
12.根据权利要求1所述的信息处理设备,其中,
所述用户包括用户个人和所述用户所属的用户组,并且
所述呈现控制单元通过以所述用户个人和所述用户组中的一个为目标来计算所述可接受性分数。
13.根据权利要求12所述的信息处理设备,其中,
所述呈现控制单元基于关于所述用户组中包括的所述用户个人的用户历史来计算所述可接受性分数。
14.根据权利要求1所述的信息处理设备,其中,
所述内容包括度假景点。
15.根据权利要求1所述的信息处理设备,其中,
所述呈现控制单元基于分析的用户偏好和内容简档来计算所述推荐分数。
16.根据权利要求1所述的信息处理设备,还包括
呈现单元,被配置为在所述呈现控制单元的控制下向所述用户呈现所述推荐信息。
17.一种信息处理方法,包括
使处理器基于关于内容的推荐分数来控制向用户的推荐信息的呈现,其中,
使所述处理器控制呈现,还包括
基于从关于所述内容的内容情况和关于所述用户的用户情况之间的匹配计算的可接受性分数来控制所述推荐信息的呈现。
18.一种用于使计算机用作信息处理设备的程序,所述信息处理设备包括:
呈现控制单元,被配置为基于关于内容的推荐分数来控制向用户的推荐信息的呈现,其中,
所述呈现控制单元还基于从关于所述内容的内容情况和关于所述用户的用户情况之间的匹配计算的可接受性分数来控制所述推荐信息的呈现。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-221977 | 2017-11-17 | ||
JP2017221977A JP2019095832A (ja) | 2017-11-17 | 2017-11-17 | 情報処理装置、情報処理方法、およびプログラム |
PCT/JP2018/030438 WO2019097785A1 (ja) | 2017-11-17 | 2018-08-16 | 情報処理装置、情報処理方法、およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111095240A true CN111095240A (zh) | 2020-05-01 |
Family
ID=66540100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880059039.7A Withdrawn CN111095240A (zh) | 2017-11-17 | 2018-08-16 | 信息处理设备、信息处理方法和程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200279006A1 (zh) |
JP (1) | JP2019095832A (zh) |
CN (1) | CN111095240A (zh) |
WO (1) | WO2019097785A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309440B (zh) * | 2019-07-10 | 2022-07-05 | 中国民航信息网络股份有限公司 | 机票价格搜索方法及相关设备 |
JP2021039487A (ja) * | 2019-09-02 | 2021-03-11 | 東芝テック株式会社 | マッチング情報出力装置及びマッチング情報出力システム |
CN111143686B (zh) * | 2019-12-30 | 2023-07-07 | 北京百度网讯科技有限公司 | 资源推荐方法及装置 |
JPWO2021145329A1 (zh) * | 2020-01-17 | 2021-07-22 | ||
JP7482473B2 (ja) | 2020-03-19 | 2024-05-14 | Self株式会社 | Webサイト訪問ユーザの案内システム及びコンテンツ案内システム |
JP7181273B2 (ja) * | 2020-12-24 | 2022-11-30 | ミサワホーム株式会社 | 在宅指数算出装置及び在宅指数表示システム |
WO2022190741A1 (ja) * | 2021-03-08 | 2022-09-15 | 日本電気株式会社 | 推薦装置、システム及び方法、並びに、コンピュータ可読媒体 |
CN113127748B (zh) * | 2021-05-18 | 2023-09-05 | 北京奇艺世纪科技有限公司 | 数据过滤方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009129359A (ja) * | 2007-11-27 | 2009-06-11 | Toshiba Corp | 情報提供システム、端末及び情報提供サーバ |
JP5180639B2 (ja) * | 2008-03-21 | 2013-04-10 | 株式会社デンソーアイティーラボラトリ | コンテンツ提示装置、コンテンツ提示方法、およびプログラム |
US9100238B2 (en) * | 2010-06-24 | 2015-08-04 | Nec Corporation | Information providing apparatus, system, method, and program |
JP2012164034A (ja) * | 2011-02-04 | 2012-08-30 | Nec Corp | 情報出力装置、方法、およびプログラム |
WO2013084537A1 (ja) * | 2011-12-09 | 2013-06-13 | シャープ株式会社 | サーバ装置、av装置、およびプログラム |
JP5805548B2 (ja) * | 2012-01-20 | 2015-11-04 | 日立マクセル株式会社 | 情報処理装置、及び、情報処理方法 |
JP6079479B2 (ja) * | 2013-06-28 | 2017-02-15 | 株式会社Jvcケンウッド | 情報処理装置、情報処理方法、及び情報処理プログラム |
-
2017
- 2017-11-17 JP JP2017221977A patent/JP2019095832A/ja active Pending
-
2018
- 2018-08-16 WO PCT/JP2018/030438 patent/WO2019097785A1/ja active Application Filing
- 2018-08-16 CN CN201880059039.7A patent/CN111095240A/zh not_active Withdrawn
- 2018-08-16 US US16/646,180 patent/US20200279006A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
WO2019097785A1 (ja) | 2019-05-23 |
US20200279006A1 (en) | 2020-09-03 |
JP2019095832A (ja) | 2019-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111095240A (zh) | 信息处理设备、信息处理方法和程序 | |
US20210097281A9 (en) | Systems and methods for using persistent, passive, electronic information capturing devices | |
JP6762060B2 (ja) | プログラム、情報処理方法、情報処理装置および情報処理システム | |
Stimson et al. | A push–pull framework for modelling the relocation of retirees to a retirement village: The Australian experience | |
US9996998B2 (en) | Adaptive advisory engine and methods to predict preferential activities available at a region associated with lodging | |
JP6558364B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR101512278B1 (ko) | 스토리라인을 생성하고, 사용자 루틴 및 개성을 모델링하고, 맞춤형 추천 에이전트를 생성하는 모바일 장치 데이터 사용 | |
US8577962B2 (en) | Server apparatus, client apparatus, content recommendation method, and program | |
KR101761999B1 (ko) | 관계 유형을 고려한 코칭 방법 및 시스템 | |
CN103348369A (zh) | 计算建议工具中的兴趣度推荐 | |
JP2014510323A (ja) | コンピューティングアドバイスファシリティにおける地理的に局在化した推薦 | |
US20190325401A1 (en) | Information processing apparatus, information processing method, and program | |
US9609485B2 (en) | Predicting companion data types associated with a traveler at a geographic region including lodging | |
KR101693429B1 (ko) | 대인 관계 유형 파악을 통한 코칭 정보 제공 시스템 | |
Huang et al. | Using ontologies and formal concept analysis to integrate heterogeneous tourism information | |
Terroso-Sáenz et al. | Human mobility prediction based on social media with complex event processing | |
US20160162945A1 (en) | Travel customization system and method to channelize travelers relative to available activities | |
Kokkinou et al. | Are you traveling alone or with your device? The impact of connected mobile device usage on the travel experience | |
JP2019056956A (ja) | 情報処理システム、情報処理プログラム、情報処理装置及び情報処理方法 | |
Tamaki | Likes on image posts in social networking services: Impact of travel episode | |
Zainol et al. | Understanding service experience: a critical incident technique approach | |
US20220373346A1 (en) | Personalized route recommendation and navigation | |
KR102445380B1 (ko) | Poi 모델링을 통한 poi 검색 및 추천 프로세스 및 그 구동 시스템 | |
WO2020196100A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Appel et al. | Destiny: a cognitive mobile guide for the olympics |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200501 |
|
WW01 | Invention patent application withdrawn after publication |