CN117546193A - 推荐信息提示装置、推荐信息提示装置的工作方法、推荐信息提示装置的工作程序 - Google Patents
推荐信息提示装置、推荐信息提示装置的工作方法、推荐信息提示装置的工作程序 Download PDFInfo
- Publication number
- CN117546193A CN117546193A CN202280019003.2A CN202280019003A CN117546193A CN 117546193 A CN117546193 A CN 117546193A CN 202280019003 A CN202280019003 A CN 202280019003A CN 117546193 A CN117546193 A CN 117546193A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- recommendation information
- image
- event
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 34
- 238000004458 analytical method Methods 0.000 claims description 58
- 238000012545 processing Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 abstract description 34
- 238000011017 operating method Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 53
- 238000012546 transfer Methods 0.000 description 45
- 230000001186 cumulative effect Effects 0.000 description 44
- 238000010586 diagram Methods 0.000 description 31
- 230000006870 function Effects 0.000 description 19
- 238000003860 storage Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 10
- 239000000203 mixture Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000035935 pregnancy Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 241000253999 Phasmatodea Species 0.000 description 1
- 235000010724 Wisteria floribunda Nutrition 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Library & Information Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
提供一种无需麻烦用户就能够提示用户感兴趣的可能性高的推荐信息的推荐信息提示装置、推荐信息提示装置的工作方法、推荐信息提示装置的工作程序。图像管理服务器的CPU具备推断部、信息获取部及传送控制部。在用户于设定期间内获得的图像中,成为在设定期间以后用户可能经历的未来事件的推断依据的多个图像为预先设定的第1阈值以上的情况下,推断部推断为在设定期间以后用户将经历未来事件。信息获取部生成与所推断的未来事件相应的推荐信息。传送控制部向用户提示推荐信息。
Description
技术领域
本发明的技术涉及一种推荐信息提示装置、推荐信息提示装置的工作方法、推荐信息提示装置的工作程序。
背景技术
进行适于用户的推荐信息的提示。例如,专利文献1中记载有一种技术,其从用户登记的未来事件的日程信息推断用户可能感兴趣的推荐信息,并向用户提示所推断的推荐信息。专利文献1中,例如在将孩子的生日登记为日程信息的情况下,提示玩具的特卖信息作为推荐信息。
以往技术文献
专利文献
专利文献1:日本特开2002-041537号公报
发明内容
发明要解决的技术课题
在智能手机、平板终端等带有相机功能的用户终端爆发式普及的当前,大部分用户能够利用用户终端轻松拍摄图像。用户以这种方式获得图像中有可能存在成为用户将来可能经历的事件的推断依据的被摄体。例如,即将结婚的用户的图像中存在bridal salon等。
因此,本发明人等想到了如下方法,即,不根据专利文献1所述的日程信息,而是根据由用户获得图像来推断用户可能感兴趣的推荐信息,由此省去用户登记日程信息的麻烦。然而,若基于图像的推荐信息的推断精度差,则会提示不相关的推荐信息,从而错失商机。
本发明的技术所涉及的一实施方式提供一种无需麻烦用户就能够提示用户感兴趣的可能性高的推荐信息的推荐信息提示装置、推荐信息提示装置的工作方法、推荐信息提示装置的工作程序。
用于解决技术课题的手段
本发明的推荐信息提示装置具备:处理器;以及存储器,其与处理器连接或内置于处理器,处理器进行如下处理:在用户于预先设定的期间内获得的图像中,成为未来事件的推断依据的多个图像为预先设定的第1阈值以上的情况下,推断为在期间以后用户将经历未来事件,所述未来事件是在期间以后用户可能经历的事件;生成与所推断的未来事件相应的推荐信息;以及向用户提示推荐信息。
优选处理器进行如下处理:根据图像的分析结果及图像中附带的信息中的至少任一个信息,来判断图像是否为成为未来事件的推断依据的图像。
优选处理器进行如下处理:关于特定相关事件,在与特定相关事件相关的图像全部为预先设定的第2阈值以上的情况下,推断为在期间以后用户将经历未来事件,所述特定相关事件是与未来事件相关的事件即相关事件中的至少两个。
优选处理器进行如下处理:在用户采用推荐信息的采用频度满足预先设定的条件的情况下,停止推荐信息的提示。
优选处理器优先提示其他用户相对多地采用的推荐信息。
优选如下,即,其他用户是属性与被提示推荐信息的用户类似或一致的用户。
优选如下,即,其他用户是事件经历顺序与被提示推荐信息的用户类似或一致的用户。
优选处理器从预先登记的多个推荐信息中选择与所推断的未来事件相应的推荐信息。
本发明的推荐信息提示装置的工作方法,其包括:在用户于预先设定的期间内获得的图像中,成为未来事件的推断依据的多个图像为预先设定的第1阈值以上的情况下,推断为在期间以后用户将经历未来事件,所述未来事件是在期间以后用户可能经历的事件;生成与所推断的未来事件相应的推荐信息;以及向用户提示推荐信息。
本发明的推荐信息提示装置的工作程序,其用于使计算机执行如下处理,所述处理包括:在用户于预先设定的期间内获得的图像中,成为未来事件的推断依据的多个图像为预先设定的第1阈值以上的情况下,推断为在期间以后用户将经历未来事件,所述未来事件是在期间以后用户可能经历的事件;生成与所推断的未来事件相应的推荐信息;以及向用户提示推荐信息。
发明效果
根据本发明的技术,能够提供一种无需麻烦用户就能够提示用户感兴趣的可能性高的推荐信息的推荐信息提示装置、推荐信息提示装置的工作方法、推荐信息提示装置的工作程序。
附图说明
图1是表示图像管理系统的图。
图2是表示在图像管理服务器与用户终端之间交换的信息的图。
图3是表示图像DB的内部的图。
图4是表示推荐信息DB的内部及推荐信息的内容的图。
图5是表示构成图像管理服务器及用户终端的计算机的框图。
图6是表示图像管理服务器的CPU的处理部的框图。
图7是表示分析部的处理的图。
图8是表示推断参考信息的图。
图9是表示推断部的处理的图。
图10是表示推断部的处理的另一例的图。
图11是表示推断部的处理的图。
图12是表示推断部的处理的另一例的图。
图13是表示信息获取请求的图。
图14是表示信息获取请求的另一例的图。
图15是表示用户终端的CPU的处理部的框图。
图16是表示图像一览显示画面的图。
图17是表示显示有推荐信息的一览的图像一览显示画面的图。
图18是表示图像管理服务器的处理步骤的流程图。
图19是表示使用摄影位置信息的方式的图。
图20是表示使用标签信息的方式的图。
图21是表示第2实施方式的推断部的处理的图。
图22是表示第2实施方式的推断部的处理的另一例的图。
图23是表示在基于用户的推荐信息的采用次数满足预先设定的传送停止条件的情况下,停止推荐信息的提示的第3实施方式的图。
图24是表示第4_1实施方式的推荐信息的图。
图25是表示以累计采用次数从多到少的顺序设定多个推荐信息的一览中的显示顺序的情况的图。
图26是表示第4_2实施方式的推荐信息的图。
图27是表示以与被提示推荐信息的用户一致的属性中的累计采用次数从多到少的顺序设定多个推荐信息的一览中的显示顺序的情况的图。
图28是表示第4_3实施方式的推荐信息的图。
图29是表示以与被提示推荐信息的用户一致的事件经历顺序中的累计采用次数从多到少的顺序设定多个推荐信息的一览中的显示顺序的情况的图。
图30是表示未来事件“育儿”的推断参考信息的图。
图31是表示未来事件“人生的结尾”的推断参考信息的图。
图32是表示未来事件“就业”的推断参考信息的图。
具体实施方式
[第1实施方式]
作为一例,如图1所示,图像管理系统2具备图像管理服务器10及多台用户终端11。图像管理服务器10和用户终端11经由网络12以能够相互通信的方式连接。网络12例如为互联网或公用通信网等WAN(广域网,Wide Area Network)。
图像管理服务器10例如为服务器计算机、工作站等,是本发明的技术所涉及的“推荐信息提示装置”的一例。用户终端11是各用户13所拥有的终端。用户终端11至少具有播放显示图像22(参考图2等)的功能及将图像22发送至图像管理服务器10的功能。用户终端11例如为智能手机、平板终端及个人电脑等。
作为一例,如图2所示,在图像管理服务器10经由LAN(局域网,Local AreaNetwork)等网络(省略图示)连接有图像数据库(以下,简称为DB(Data Base))服务器20及推荐信息DB服务器21。图像管理服务器10将来自用户终端11的图像22发送至图像DB服务器20。图像DB服务器20具有图像DB23。图像DB服务器20将来自图像管理服务器10的图像22积蓄在图像DB23并进行管理。并且,图像DB服务器20根据来自图像管理服务器10的请求,将积蓄在图像DB23的图像22发送至图像管理服务器10。
推荐信息DB服务器21具有推荐信息DB24。推荐信息DB24中存储有推荐信息25。推荐信息25是向用户13推荐的商品、店铺及设施等信息。推荐信息25由商品销售源的职员或者店铺或设施的职员预先登记。推荐信息DB服务器21根据来自图像管理服务器10的请求,将推荐信息DB24的推荐信息25发送至图像管理服务器10。图像管理服务器10将推荐信息25传送至用户终端11。
作为一例,如图3所示,在图像DB23设置有多个图像文件夹30。图像文件夹30对各个用户13逐一分配的文件夹,是1名用户13所固有的文件夹。因此,图像文件夹30按照用户13的人数来设置。图像文件夹30与[U0001]、[U0002]等用于唯一识别用户13的用户ID(识别数据,Identification Data)建立有关联。
图像文件夹30中存储用户13所拥有的图像22。用户13所拥有的图像22中包含用户13利用用户终端11的相机功能来拍摄的图像。并且,用户13所拥有的图像22中还包含利用除用户终端11以外的数码相机来拍摄的图像。而且,用户13所拥有的图像22中还包含用户13从朋友、家人等其他用户13接收的图像、用户13在互联网站下载的图像及用户13通过扫描器读取的图像等。图像文件夹30内的图像22与在用户终端11中本地存储的图像22定期地取得同步。
图像文件夹30与用户13的属性信息31及脸部图像32建立有关联。属性信息31及脸部图像32由用户13登记。属性信息31包含用户13的出生年月日、性别、居住地区及家庭组成等。居住地区是都道府县和市区镇村的组合。脸部图像32是拍摄用户13本人、用户13的家人和/或亲属以及用户13的恋人和/或朋友等的脸部而得的图像。脸部图像32中还一并登记有“父母”、“孙子”、“恋人”及“朋友”等与用户13的关系。
作为一例,如图4所示,推荐信息DB24被分为多个类别33,在各类别33中存储有多个推荐信息25。按照每个未来事件设定类别33,该未来事件是用户13可能经历的事件。未来事件是例示的“就业”、“结婚”等所谓的生活事件。
推荐信息25有商品的推荐信息25和店铺或设施的推荐信息25。商品的推荐信息25中登记有商品图像、商品名、建议零售价、经销商及与商品相关的相关事件等。店铺或设施的推荐信息25中登记有店铺或设施的图像、店铺或设施名、地址、主要商品及与店铺或设施相关的相关事件等。相关事件是与未来事件相关的事件。例如,未来事件为“结婚”的情况下,相关事件是“参观礼堂”、“试穿服装”及“购买戒指”等(还参考图8)。在图4中,作为商品例示了结婚信息杂志,作为店铺或设施例示了珠宝店。
作为一例,如图5所示,构成图像管理服务器10及用户终端11的计算机的结构基本相同,具备存储装置(storage)40、存储器41、CPU(中央处理器,Central Processing Unit)42、通信部43、显示器44及输入设备45。它们经由总线46彼此连接。
存储装置40为内置于构成图像管理服务器10及用户终端11的计算机或通过电缆、网络与构成图像管理服务器10及用户终端11的计算机连接的硬盘驱动器。或者,存储装置40为联装多台硬盘驱动器而成的磁盘阵列。在存储装置40存储有操作系统等控制程序、各种应用程序(以下,简称为AP(Application Program))及这些程序中附带的各种数据等。另外,也可以代替硬盘驱动器使用固态驱动器。
存储器41是用于CPU42执行处理的工作存储器。CPU42将存储于存储装置40的程序加载至存储器41,并执行按照程序的处理。由此,CPU42集中控制计算机的各部。CPU42为本发明的技术所涉及的“处理器”的一例。另外,存储器41可以内置于CPU42。
通信部43是进行经由网络12等的各种信息的传输控制的网络接口。显示器44显示各种画面。在各种画面具备基于GUI(图形用户界面,Graphical User Interface)的操作功能。构成图像管理服务器10及用户终端11的计算机通过各种画面接收来自输入设备45的操作指示的输入。输入设备45为键盘、鼠标及触摸面板等。
另外,在以下说明中,对构成图像管理服务器10的计算机的各部标注后缀“A”,对构成用户终端11的计算机的各部标注后缀“B”,以此区分。
作为一例,如图6所示,在图像管理服务器10的存储装置40A存储有工作程序50。工作程序50是用于使构成图像管理服务器10的计算机作为本发明的技术所涉及的“推荐信息提示装置”发挥作用的AP。即,工作程序50是本发明的技术所涉及的“推荐信息提示装置的工作程序”的一例。在存储装置40A除了存储有工作程序50以外,还存储有内容分析用机器学习模型(以下,简称为内容分析用模型)51、推断参考信息52及推断条件53。
若工作程序50启动,则图像管理服务器10的CPU42A与存储器41等协作,作为请求接收部60、图像获取部61、读写(以下,简称为RW(Read Write))控制部62、分析部63、推断部64、信息获取部65及传送控制部66发挥作用。
请求接收部60接收来自用户终端11的各种请求。例如,请求接收部60接收推荐信息传送请求70。推荐信息传送请求70请求传送推荐信息25。推荐信息传送请求70每隔预先设定的期间(以下,称为设定期间)从用户终端11自动发送。设定期间例如为一周、两周、一个月或者半年等。
推荐信息传送请求70包含用户ID及终端ID。终端ID是发送了推荐信息传送请求70的用户终端11的ID。请求接收部60将推荐信息传送请求70中的用户ID输出至图像获取部61。并且,请求接收部60将推荐信息传送请求70中的终端ID输出至传送控制部66。
在从请求接收部60输入了推荐信息传送请求70的情况下,图像获取部61将图像获取请求71发送至图像DB服务器20。图像获取请求71复制推荐信息传送请求70的用户ID,是请求该用户ID的用户13在设定期间内获得的图像22的内容。例如,在设定期间为两周,且发送图像获取请求71的日期为2月4日的情况下,图像获取请求71是请求用户13在2月4日的两周前即1月22日至2月4日为止所获得的图像22的内容。
图像DB服务器20从图像DB23读出与图像获取请求71相应的图像22,并将所读出的图像22发送至图像管理服务器10。图像获取部61获取根据图像获取请求71而从图像DB服务器20发送的图像22。图像获取部61将所获取的图像22输出至分析部63。另外,虽然省略图示,但图像获取部61除了图像22以外,还获取属性信息31及脸部图像32。图像获取部61将属性信息31输出至信息获取部65,并将脸部图像32输出至推断部64。
RW控制部62控制各种信息向存储装置40A的存储及存储装置40A内的各种信息的读出。例如,RW控制部62从存储装置40A读出内容分析用模型51,并将所读出的内容分析用模型51输出至分析部63。并且,RW控制部62从存储装置40A读出推断参考信息52及推断条件53,并将所读出的推断参考信息52及推断条件53输出至推断部64。
分析部63使用内容分析用模型51从图像22生成内容分析信息72。内容分析信息72是分析图像22的内容而得的信息(还参考图7)。分析部63将内容分析信息72输出至推断部64。内容分析信息72是本发明的技术所涉及的“分析结果”的一例。
推断部64根据推断参考信息52及内容分析信息72,判断来自图像DB服务器20的图像22是否为成为未来事件的推断依据的图像22。然后,推断部64判断被判断为成为未来事件的推断依据的图像22是否满足推断条件53。在判断为被判断为成为未来事件的推断依据的图像22满足推断条件53的情况下,推断部64推断在设定期间以后用户13将经历该未来事件。推断部64将推断为在设定期间以后用户13将经历的未来事件的信息(以下,称为未来事件信息)73输出至信息获取部65。
信息获取部65将请求与未来事件信息73相应的推荐信息25的信息获取请求74发送至推荐信息DB服务器21。推荐信息DB服务器21从推荐信息DB24读出信息获取请求74中请求的推荐信息25,并将所读出的推荐信息25发送至图像管理服务器10。信息获取部65获取从推荐信息DB服务器21发送的推荐信息25。如此,信息获取部65从预先登记于推荐信息DB24的多个推荐信息25中选择与未来事件信息73相应的推荐信息25。信息获取部65将所获取的推荐信息25输出至传送控制部66。另外,由信息获取部65选择推荐信息25是本发明的技术所涉及的“推荐信息的生成”及“生成推荐信息”的一例。
传送控制部66进行将来自信息获取部65的推荐信息25传送至推荐信息传送请求70的发送源的用户终端11的控制。此时,传送控制部66根据来自请求接收部60的终端ID,确定推荐信息传送请求70的发送源的用户终端11。传送控制部66通过将推荐信息25传送至用户终端11,向用户13提示推荐信息25。
作为一例,如图7所示,分析部63将图像22输入至内容分析用模型51,使内容分析用模型51输出内容分析信息72。内容分析用模型51例如组合提取图像22的特征量的卷积神经网络(CNN;Convolutional Neural Network)和提取单词的特征量的递归神经网络(RNN;Recurrent Neural Network)而成。内容分析用模型51输出表示所输入的图像22的内容的多个单词作为内容分析信息72。另外,也可以输出表示所输入的图像22的内容的短句(标题)作为内容分析信息72。
并且,分析部63判断用户13本人、用户13的家人和/或亲属、以及用户13的恋人和/或朋友等登记有脸部图像32的人是否出现在图像22中。然后,在判断为登记有脸部图像32的人出现在图像22中的情况下,使表示该情况的单词包含在内容分析信息72中。例如,在用户13本人出现在图像22中的情况下,使“当事人”这一单词包含在内容分析信息72中。并且,在用户13的恋人出现在图像22中的情况下,使“恋人”这一单词包含在内容分析信息72中。
在图7中,例示了拍摄婚前两家的双方家长见面的场面而得的图像22的例子。然后,例示了对该图像22输出了“当事人、双亲、恋人、夫妻、正装、聚餐、餐厅、酒杯、酒、笑脸……”等内容的内容分析信息72的例子。
作为一例,如图8所示,对每个未来事件准备了推断参考信息52。推断参考信息52中登记有对未来事件的各相关事件的关键词。作为相关事件,列举了在未来事件之前用户13通常会经历的事件。并且,相关事件按照用户13将遵循的通常的顺序来登记。因此,并非所有的用户13都经历所有的相关事件。并且,并非所有的用户13都按该顺序经历相关事件。
在图8中,例示了未来事件“结婚”的推断参考信息52。作为该情况下的相关事件,有“双方家长见面”、“订婚”、“参观礼堂”、“试穿服装”、“预拍”及“购买戒指”等。并且,作为关键词,例如有相关事件“双方家长见面”的“当事人、双亲、恋人、兄弟、姐妹、正装、聚餐、餐厅、餐馆、酒……”、相关事件“参观礼堂”的“寺庙、教堂、婚礼礼堂、料理、试餐……”等。
作为一例,如图9及图10所示,推断部64对各未来事件的推断参考信息52的各相关事件中登记的关键词和内容分析信息72中包含的单词进行对照。然后,对每个未来事件且每个相关事件查看对照结果是否满足预先设定的条件。在存在对照结果满足条件的相关事件的情况下,推断部64判断为出现在图像22中的事件为该相关事件。如此判断为出现相关事件的图像22就是成为未来事件的推断依据的图像22。另外,条件例如为推断参考信息52中登记的关键词和内容分析信息72中包含的单词一致的数量为5个以上等。或者,条件例如可以是推断参考信息52中登记的关键词和内容分析信息72中包含的单词一致的数量为登记于推断参考信息52的关键词的数量的70%以上等。
在图9中,例示了拍摄图7所示的双方家长见面的场面而得的图像22。在该情况下,未来事件“结婚”的推断参考信息52的相关事件“双方家长见面”中登记的关键词和内容分析信息72中包含的单词中,“当事人”、“双亲”、“恋人”、“正装”、“聚餐”、“餐厅”及“酒”等一致。因此,推断部64判断出现在图像22中的事件为“双方家长见面”。
在图10中,例示了拍摄订婚场面而得的图像22。内容分析信息72是“当事人、双亲、恋人、夫妻、正装、壁龛、端坐、礼袋、扇子……”的内容。在该情况下,未来事件“结婚”的推断参考信息52的相关事件“订婚”中登记的关键词和内容分析信息72中包含的单词中,“当事人”、“双亲”、“恋人”、“正装”、“壁龛”、“礼袋”及“扇子”等一致。因此,推断部64判断出现在图像22中的事件为“订婚”。
作为一例,如图11及图12的表80所示,推断部64对判断为出现了相关事件的图像22即成为未来事件的推断依据的图像22的合计数量进行计数。推断部64判断成为未来事件的推断依据的图像22的合计数量是否满足推断条件53。推断条件53是成为未来事件的推断依据的图像22的合计数量为第1阈值以上等。在图11及图12中,例示了第1阈值为5(推断条件:合计数量≥5)的情况。
在成为未来事件的推断依据的图像22的合计数量为第1阈值以上的情况下,推断部64推断在设定期间以后用户13将经历未来事件。然后,将包含所推断的未来事件及成为其推断依据的相关事件的未来事件信息73输出至信息获取部65。另一方面,在成为未来事件的推断依据的图像22的合计数量小于第1阈值的情况下,推断部64推断在设定期间以后用户13不会经历未来事件。在该情况下,推断部64不将未来事件信息73输出至信息获取部65。
在图11中,例示了成为未来事件的推断依据的图像22的合计数量是判断为出现相关事件“双方家长见面”的7张的情况。在该情况下,推断部64推断在设定期间以后用户13将结婚。然后,将包含未来事件“结婚”及相关事件“双方家长见面”的未来事件信息73输出至信息获取部65。
在图12中,例示了成为未来事件的推断依据的图像22的合计数量是判断为出现相关事件“订婚”的4张及判断为出现“参观礼堂”的4张的合计即8张的情况。在该情况下,推断部64推断在设定期间以后用户13将结婚。然后,输出包含未来事件“结婚”以及相关事件“订婚”及“参观礼堂”的未来事件信息73。
作为一例,如图13及图14所示,信息获取部65根据属性信息31及未来事件信息73生成信息获取请求74。更详细而言,信息获取部65生成登记有与属性信息31的居住地区相应的地区、未来事件信息73的未来事件及未来事件信息73的相关事件以外的信息获取请求74。因此,信息获取请求74成为如下内容,即,请求未来事件信息73的未来事件的类别33中存储的推荐信息25并且登记有与属性信息31的居住地区相应的地区且登记有未来事件信息73的相关事件以外的推荐信息25。
在图13中,例示了属性信息31的居住地区为“东京都港区”且未来事件信息73为图11所示的未来事件信息的情况。在该情况下,信息获取部65生成作为与属性信息31的居住地区相应的地区登记有“东京都、关东”、作为未来事件登记有“结婚”、作为相关事件登记有“双方家长见面以外”的信息获取请求74。
在图14中,例示了属性信息31的居住地区为“大阪府堺市”且未来事件信息73为图12所示的未来事件信息的情况。在该情况下,信息获取部65生成作为与属性信息31的居住地区相应的地区登记有“大阪府、关西”、作为未来事件登记有“结婚”、作为相关事件登记有“订婚、参观礼堂以外”的信息获取请求74。
作为一例,如图15所示,在用户终端11的存储装置40B存储有图像阅览AP85。若执行图像阅览AP85,在图像阅览AP85中启动专用网页浏览器,则用户终端11的CPU42B与存储器41等协作而作为浏览器控制部90发挥作用。浏览器控制部90控制网页浏览器的动作。
浏览器控制部90通过各种画面接收由用户13从输入设备45B输入的各种操作指示。浏览器控制部90将与操作指示等相应的请求发送至图像管理服务器10。例如,浏览器控制部90每隔设定期间将推荐信息传送请求70发送至图像管理服务器10。并且,浏览器控制部90生成一览显示图像22的图像一览显示画面95(参考图16等)等各种画面并显示于显示器44B。
图16表示图像一览显示画面95的一例。在图像一览显示画面95上,沿纵横方向以等间隔排列有将图像22剪切成正方形的缩略图像96。
在从图像管理服务器10传送了推荐信息25的情况下,在图像一览显示画面95的下部设置用于显示推荐信息25的显示按钮97。当选择显示按钮97时,作为一例,如图17所示,浏览器控制部90将推荐信息25的一览98显示于图像一览显示画面95上。一览98的推荐信息25是可选的。当选择推荐信息25时,推荐信息25的全貌被放大显示。
在一览98的上部设置有不显示按钮99。当选择不显示按钮99时,浏览器控制部90不显示一览98,使图像一览显示画面95返回到图16所示的显示状态。
在图17中,示出了推断用户13将经历的未来事件为“结婚”且结婚信息杂志的推荐信息25及珠宝店的推荐信息25等显示于一览98的例子。
接着,作为一例,参考图18所示的流程图,对基于上述结构的作用进行说明。若工作程序50启动,则如图6所示,图像管理服务器10的CPU42A作为请求接收部60、图像获取部61、RW控制部62、分析部63、推断部64、信息获取部65及传送控制部66发挥作用。
并且,若图像阅览AP85启动,则如图15所示,用户终端11的CPU42B作为浏览器控制部90发挥作用。
每隔设定期间从浏览器控制部90发放推荐信息传送请求70。推荐信息传送请求70从用户终端11发送至图像管理服务器10。
如图18所示,在请求接收部60中接收到来自用户终端11的推荐信息传送请求70的情况下(步骤ST100中,是),从图像获取部61向图像DB服务器20发送请求用户13于设定期间内获得的图像22的内容的图像获取请求71(步骤ST110)。然后,在图像获取部61中获取根据图像获取请求71从图像DB服务器20发送的图像22(步骤ST120)。图像22从图像获取部61输出至分析部63。
如图7所示,在分析部63中,使用脸部图像32及内容分析用模型51,从图像22生成内容分析信息72(步骤ST130)。内容分析信息72从分析部63输出至推断部64。
如图9及图10所示,在推断部64中,对推断参考信息52中登记的关键词和内容分析信息72中包含的单词进行对照。然后,根据对照结果,判断来自图像DB服务器20的图像22是否为成为未来事件的推断依据的图像22(步骤ST140)。
如图11及图12所示,在推断部64中,对成为未来事件的推断依据的图像22的合计数量进行计数(步骤ST150)。然后,对成为未来事件的推断依据的图像22的合计数量和推断条件53的第1阈值进行比较。
在成为未来事件的推断依据的图像22的合计数量为第1阈值以上的情况下(步骤ST160中,是),由推断部64推断在设定期间以后用户13将经历未来事件,生成未来事件信息73(步骤ST170)。未来事件信息73从推断部64输出至信息获取部65。
如图13及图14所示,从信息获取部65向推荐信息DB服务器21发送与属性信息31及未来事件信息73相应的信息获取请求74(步骤ST180)。然后,在信息获取部65中获取根据信息获取请求74从推荐信息DB服务器21发送的推荐信息25(步骤ST190)。由此,选择与所推断的未来事件相应的推荐信息25。推荐信息25从信息获取部65输出至传送控制部66。
在传送控制部66的控制下,推荐信息25传送至推荐信息传送请求70的发送源的用户终端11(步骤ST200)。
如图17所示,在用户终端11中,显示被传送的推荐信息25供用户13阅览。用户13计划访问推荐信息25的店铺或设施或者考虑购买推荐信息25的商品。
如以上说明,图像管理服务器10的CPU42A具备推断部64、信息获取部65及传送控制部66。在用户13于设定期间内获得的图像22中,成为在设定期间以后用户13可能经历的未来事件的推断依据的多个图像22为预先设定得第1阈值以上的情况下,推断部64推断为在设定期间以后用户13将经历未来事件。信息获取部65从预先登记于推荐信息DB24的多个推荐信息25中选择与所推断的未来事件相应的推荐信息25,由此生成与所推断的未来事件相应的推荐信息25。传送控制部66通过将推荐信息25传送至用户终端11,向用户13提示推荐信息25。因此,无需如专利文献1所述的技术那样麻烦用户13登记日程信息就能够提示用户13感兴趣的可能性高的推荐信息25。
例如,考虑哥哥即将结婚,由没有结婚计划的妹妹拍摄哥哥的订婚场面的情况。在该情况下,认为在妹妹所拥有的图像22中,成为未来事件的推断依据的图像22的数量相对较少。在这样的情况下,如果设定为即使存在1个成为未来事件的推断依据的图像22,也推断为在期间以后用户13将经历未来事件,则会错误地判断为妹妹将结婚,对没有结婚计划的妹妹提示与结婚相关的推荐信息25。但是,在本发明的技术中,在成为未来事件的推断依据的多个图像22存在第1阈值以上的情况下,推断为在期间以后用户13将经历未来事件,因此能够降低如上述那样做出错误推断的可能性。其结果,能够抑制产生提示不相关的推荐信息25而错失商机的不良情况。
推断部64根据内容分析信息72判断是否为成为未来事件的推断依据的图像22。因此,不麻烦用户13就能够判断是否为成为未来事件的推断依据的图像22。
信息获取部65从预先登记于推荐信息DB24的多个推荐信息25中选择与所推断的未来事件相应的推荐信息25。因此,能够容易生成推荐信息25。
也可以适用图19所示的方式。作为一例,如图19所示,在本方式中,从图像22中附带的摄影位置信息110确定摄影地点,使所确定的摄影地点的店铺或设施的名称包含在内容分析信息72中。摄影位置信息110例如为通过搭载于用户终端11的GPS(全球定位系统,Global Positioning System)功能获取的经纬度及高度。摄影位置信息110是本发明的技术所涉及的“图像中附带的信息”的一例。在图19中,示出了在拍摄预拍场面而得的图像22中,使从摄影位置信息110确定的摄影地点的设施名称“富士教堂”包含在内容分析信息72中的例子。
并且,也可以适用图20所示的方式。作为一例,如图20所示,在本方式中,根据图像22中附带的标签信息112来判断是否为成为未来事件的推断依据的图像22。标签信息112是表示图像22的内容的单词。标签信息112例如由用户13操作用户终端11的输入设备45B来输入。标签信息112与摄影位置信息110同样地是本发明的技术所涉及的“图像中附带的信息”的一例。在图20中,例示了推断部64根据标签信息112中登记的“富士、足柄两家订婚仪式”,推断出现在图像22的事件为“订婚”的情况。另外,也可以登记内容分析信息72的单词作为标签信息112。
如图19及图20所示,也可以除了由内容分析用模型51输出的内容分析信息72以外或者代替其,根据如摄影位置信息110及标签信息112的图像22中附带的信息来判断是否为成为未来事件的推断依据的图像22。如此一来,能够提高是否为成为未来事件的推断依据的图像22的判断的可靠性。并且,使用标签信息112时,不需要内容分析用模型51及推断参考信息52。
另外,作为图像中附带的信息,可以是摄影日期和时间信息。例如,将在以根据内容分析信息72或标签信息112判断为出现了相关事件“订婚”的图像22的摄影日期和时间为基准的期间内拍摄的图像22无条件地判断为出现了相关事件“订婚”的图像22。
[第2实施方式]
在上述第1实施方式中,在成为未来事件的推断依据的图像22的合计数量为第1阈值以上的情况下,推断在设定期间以后用户13将经历未来事件,但并不限于此。也可以如图21及图22所示的第2实施方式那样进行推断。
作为一例,如图21及图22所示,在第2实施方式中,准备针对特定相关事件的推断条件115,该特定相关事件是多个相关事件中的两个事件。即,推断条件115为如下内容,即,与作为特定相关事件之一的第1相关事件相关的图像22的数量为第2阈值以上且与作为特定相关事件之一的第2相关事件相关的图像22的数量为第2阈值以上。在图21及图22中,例示了第2阈值为5(推断条件:与第1相关事件相关的图像22的数量≥5且与第2相关事件相关的图像22的数量≥5)的情况。
在与第1相关事件相关的图像22的数量及与第2相关事件相关的图像22的数量均为第2阈值以上的情况下,推断部64推断在设定期间以后用户13将经历未来事件。
在图21中,例示了判断为出现了相关事件“参观礼堂”的图像22为6个,判断为出现了相关事件“订婚”的图像22为7个,推断在设定期间以后用户13将结婚的情况。在该情况下,相关事件“参观礼堂”及相关事件“订婚”是本发明的技术所涉及的“特定相关事件”的一例。
在图22中,例示了判断为出现了相关事件“参观礼堂(第1次)”的图像22为6个,判断为出现了相关事件“参观礼堂(第2次)”的图像22为10个,推断在设定期间以后用户13将结婚的情况。在该情况下,相关事件“参观礼堂(第1次)”及相关事件“参观礼堂(第2次)”是本发明的技术所涉及的“特定相关事件”的一例。从该图22的例子明确可知,第1相关事件及第2相关事件可以相同。
如此,在第2实施方式中,在与两个特定相关事件相关的图像22均为预先设定的第2阈值以上的情况下,推断部64推断在设定期间以后用户13将经历未来事件。因此,能够进一步降低做出错误推断的可能性。
另外,特定相关事件并不限于第1相关事件及第2相关事件这两个。也可以是三个以上的相关事件。并且,在多个特定相关事件中,第2阈值可以不是相同的值。例如,可以将针对与第1相关事件相关的图像22的第2阈值设为3,将针对与第2相关事件相关的图像22的第2阈值设为5。
[第3实施方式]
作为一例,如图23所示,在第3实施方式中,在图像管理服务器10中,如表120那样在推荐信息25的每个传送日统计基于用户13的推荐信息25的采用次数。采用次数例如为为了在一览98中放大显示推荐信息25的全貌而用户13选择了推荐信息25的次数。采用次数是本发明的技术所涉及的“采用频度”的一例。
传送控制部66根据传送停止条件121判断是否停止推荐信息25的传送。传送停止条件121例如为采用次数为第3阈值以下的传送日连续3次的内容。在采用次数为第3阈值以下的传送日连续3次的情况下,传送控制部66停止下一次传送日的推荐信息25的传送。
在图23中,例示了第3阈值为1(传送停止条件:采用次数≤1的情况连续3次)的情况。并且,在图23中,例示了传送日“2021.01.03”、“2021.01.10”及“2021.01.17”的采用次数分别为“1”、“0”及“0”,采用次数连续3次成为1以下,停止了传送日“2021.01.24”的推荐信息25的传送的情况。
如此,在第3实施方式中,在基于用户13的推荐信息25的采用次数满足预先设定的传送停止条件121的情况下,停止推荐信息25的提示。因此,能够防止在用户13已经经历未来事件以后无用地传送认为用户13已失去兴趣的推荐信息25。
采用次数可以是购买推荐信息25的商品的次数。并且,采用频度可以是各传送日的采用次数的平均。该情况下的传送停止条件例如设为采用次数的平均成为第3阈值以下的传送日连续3次的内容。
[第4_1实施方式]
作为一例,如图24所示,在第4_1实施方式中,使用登记有累计采用次数125的推荐信息25。累计采用次数125为为了在一览98中放大显示推荐信息25的全貌而各用户13选择了推荐信息25的次数的累计。在图24中,例示了作为累计采用次数125登记有“200次”的推荐信息25。
作为一例,如图25所示,传送控制部66以累计采用次数125从多到少的顺序设定来自信息获取部65的多个推荐信息25在一览98中的显示顺序。通过如此以累计采用次数125从多到少的顺序设定显示顺序,传送控制部66优先提示其他用户13相对多地采用的推荐信息25。传送控制部66将所设定的显示顺序和推荐信息25一同传送至推荐信息传送请求70的发送源的用户终端11。用户终端11的浏览器控制部90按照显示顺序在一览98中显示推荐信息25。
在图25中,示出了设定累计采用次数125为“200次”的推荐信息25A、累计采用次数125为“300次”的推荐信息25B、累计采用次数125为“50次”的推荐信息25C及累计采用次数125为“100次”的推荐信息25D这4个推荐信息25A~25D的显示顺序的例子。在该情况下,传送控制部66以推荐信息25B、推荐信息25A、推荐信息25D及推荐信息25C的顺序设定显示顺序。
如此,在第4_1实施方式中,优先提示其他用户13相对多地采用的推荐信息25。关于其他用户13相对多地采用的推荐信息25,在推荐信息25与商品相关时为畅销商品的推荐信息25,在推荐信息25与店铺或设施相关时为热门店铺或热门设施的推荐信息25。因此,传送控制部66能够优先提示对用户13更有利的推荐信息25。
[第4_2实施方式]
作为一例,如图26所示,在第4_2实施方式中,使用登记有用户13的每个属性的累计采用次数130的推荐信息25。用户13的属性例如为“20多岁男性”、“40多岁女性”等用户13的年龄和性别的组合。用户13的年龄能够从属性信息31的出生年月日计算出。在图26中,例示了作为20多岁男性的累计采用次数130登记有“60次”,作为30多岁女性的累计采用次数130登记有“15次”等的推荐信息25。另外,属性信息31中未登记出生年月日时,可以从脸部图像32推断用户13的年龄。
作为一例,如图27所示,传送控制部66以与被提示推荐信息25的用户13一致的属性中的累计采用次数130从多到少的顺序设定来自信息获取部65的多个推荐信息25在一览98中的显示顺序。通过如此以与被提示推荐信息25的用户13一致的属性中的累计采用次数130从多到少的顺序设定显示顺序,传送控制部66优先提示属性与被提示推荐信息25的用户13一致的用户13相对多地采用的推荐信息25。传送控制部66将所设定的显示顺序和推荐信息25一同传送至推荐信息传送请求70的发送源的用户终端11。用户终端11的浏览器控制部90按照显示顺序在一览98中显示推荐信息25。
在图27中,例示了被提示推荐信息25的用户13为30多岁男性的情况。并且,示出了设定30多岁男性的累计采用次数130为“50次”的推荐信息25E、30多岁男性的累计采用次数130为“150次”的推荐信息25F及30多岁男性的累计采用次数130为“350次”的推荐信息25G这三个推荐信息25E~25G的显示顺序的例子。在该情况下,传送控制部66以推荐信息25G、推荐信息25F及推荐信息25E的顺序设定显示顺序。
如此,在第4_2实施方式中,本发明的技术所涉及的“其他用户”是属性与被提示推荐信息25的用户13一致的用户13。因此,传送控制部66能够优先提示属性与自身一致的用户13采用较多的推荐信息25。
另外,可以在登记累计采用次数130的属性中包含居住地区及家庭组成等。并且,可以将登记累计采用次数130的属性设为以5年为间隔的用户13的年龄,如20岁、25岁、30岁……。在该情况下,有时被提示推荐信息25的用户13的年龄不属于属性,例如23岁等。在这样的情况下,使用以5年为间隔的年龄中相近的年龄的累计采用次数130。例如,在被提示推荐信息25的用户13的年龄为34岁的情况下,使用30岁的累计采用次数130和35岁的累计采用次数130中的35岁的累计采用次数130。即,本发明的技术所涉及的“其他用户”也可以是属性与被提示推荐信息25的用户13类似的用户13。
[第4_3实施方式]
作为一例,如图28所示,在第4_3实施方式中,使用登记有用户13的每个事件经历顺序的累计采用次数135的推荐信息25。用户13的事件经历顺序是用户13所经历的相关事件的顺序,例如“双方家长见面→订婚→参观礼堂”等。相关事件的顺序能够通过参考图像22的摄影日期和时间信息,以时序列排列根据推断参考信息52及内容分析信息72由推断部64判断的相关事件来获得。在图28中,例示了作为“双方家长见面→订婚→参观礼堂”的事件经历顺序的累计采用次数135登记有“100次”,作为只有“双方家长见面”的事件经历顺序的累计采用次数135登记有“40次”等的推荐信息25。
作为一例,如图29所示,传送控制部66以与被提示推荐信息25的用户13一致的事件经历顺序中的累计采用次数135从多到少的顺序设定来自信息获取部65的多个推荐信息25在一览98中的显示顺序。通过如此以与被提示推荐信息25的用户13一致的事件经历顺序中的累计采用次数135从多到少的顺序设定显示顺序,传送控制部66优先提示事件经历顺序与被提示推荐信息25的用户13一致的用户13相对多地采用的推荐信息25。传送控制部66将所设定的显示顺序和推荐信息25一同传送至推荐信息传送请求70的发送源的用户终端11。用户终端11的浏览器控制部90按照显示顺序在一览98中显示推荐信息25。
在图29中,例示了被提示推荐信息25的用户13的事件经历顺序为“双方家长见面→参观礼堂”的情况。并且,示出了设定“双方家长见面→参观礼堂”的事件经历顺序的累计采用次数135为“500次”的推荐信息25H、“双方家长见面→参观礼堂”的事件经历顺序的累计采用次数135为“50次”的推荐信息25I及“双方家长见面→参观礼堂”的事件经历顺序的累计采用次数135为“100次”的推荐信息25J这三个推荐信息25H~25J的显示顺序的例子。在该情况下,传送控制部66以推荐信息25H、推荐信息25J及推荐信息25I的顺序设定显示顺序。
如此,在第4_3实施方式中,本发明的技术所涉及的“其他用户”是事件经历顺序与被提示推荐信息25的用户13一致的用户13。因此,传送控制部66能够优先提示事件经历顺序与自身一致的用户13采用较多的推荐信息25。
另外,也可以将登记累计采用次数135的事件经历顺序缩小为代表性的几种。在该情况下,有时被提示推荐信息25的用户13的事件经历顺序与代表性的事件经历顺序不一致。在这样的情况下,使用与被提示推荐信息25的用户13的事件经历顺序类似的代表性的事件经历顺序的累计采用次数135。例如,在被提示推荐信息25的用户13的事件经历顺序为“双方家长见面→订婚→参观礼堂→试穿服装”,没有与此一致的事件经历顺序的情况下,使用代表性的事件经历顺序的“双方家长见面→订婚→参观礼堂→试穿服装→预拍”的累计采用次数135。即,本发明的技术所涉及的“其他用户”也可以是事件经历顺序属性与被提示推荐信息25的用户13类似的用户13。
作为优先提示其他用户13相对多地采用的推荐信息25的方法,并不限于例示的以累计采用次数125、130或135从多到少的顺序设定一览98中的显示顺序的方法。也可以采用如下方法,即,仅将累计采用次数125、130或135为预先设定的阈值以上的推荐信息25传送至用户终端11,在累计采用次数125、130或135相对较多的推荐信息25显示闪烁框等,将其设为比累计采用次数125、130或135相对较少的推荐信息25更显眼的显示方式。
与上述第3实施方式的采用次数同样地,累计采用次数125可以是购买推荐信息25的商品的次数。并且,也可以代替累计采用次数125登记月平均采用次数。
可以结合上述第4_2实施方式和上述第4_3实施方式来实施。即,使用登记有用户13的每个属性且用户13的每个事件经历顺序的累计采用次数的推荐信息25。然后,优先提示属性及事件经历顺序与被提示推荐信息25的用户13类似或一致的用户相对多地采用的推荐信息25。
在上述各实施方式中,作为未来事件例示了“结婚”,但并不限于此。
图30表示未来事件“育儿”的推断参考信息52的一例。作为该情况下的相关事件,有“妊娠”、“分娩”、“参观寺庙”、“初食”、“半岁生日”、“七五三”及“幼儿园入园”等。并且,作为关键词,例如有相关事件“妊娠”的“孕肚、超声波回声、胎儿、母子手册……”、相关事件“七五三”的“当事人、妻子、双亲、儿子、女儿、寺庙、正装、和服、千岁糖……”等。在该情况下,图像管理服务器10作为商品的推荐信息25向用户13提示孕妇用品、奶瓶、奶粉、婴儿玩具、参观寺庙用庆祝服装、七五三用租借和服等。并且,作为店铺或设施的推荐信息25,向用户13提示孕妇教室、婴儿用品店、托儿所、玩具店等。
图31表示未来事件“人生的结尾”的推断参考信息52的一例。作为该情况下的相关事件,有“花甲”、“退休”、“古稀”、“米寿”、“白寿”及“百寿”等。并且,作为关键词,例如有相关事件“古稀”的“当事人、妻子、儿子、女儿、孙子、紫色坎肩、紫色头巾、紫色坐垫、扇子……”、相关事件“百寿”的“当事人、妻子、儿子、女儿、孙子、曾孙、粉色坎肩、粉色头巾、粉色坐垫、扇子……”等。在该情况下,图像管理服务器10作为商品的推荐信息25向用户13提示地面高尔夫用品、老花镜、手杖等。并且,作为店铺或设施的推荐信息25,向用户13提示围棋沙龙、交际舞俱乐部、举办老年人旅行团的旅行社、举办葬礼安排、财产分配等所谓的临终说明会的设施等。另外,着眼于将以往拍摄于摄影胶片的图像数字化的用户13中高龄者较多的情况,可以将数字化后的图像22判断为成为未来事件“人生的结尾”的推断依据的图像22。
图32表示未来事件“就业”的推断参考信息52的一例。作为该情况下的相关事件,有“实习”、“就业指导”及“联合公司说明会”等。并且,作为关键词,例如有相关事件“实习”的“当事人、西装、工作服、办公室、椅子、桌子、个人电脑、投影仪屏幕……”、相关事件“联合公司说明会”的“当事人、学生、多人、摊位、椅子、桌子、横幅……”等。在该情况下,图像管理服务器10作为商品的推荐信息25向用户13提示就业信息杂志、文具等。并且,作为店铺或设施的推荐信息25,向用户13提示举办联合公司说明会的设施、进行模拟面试的就业考试补习班等。
在未来事件“结婚”、“育儿”、“就业”等人生大事中,通常会购买新房、私家车、家用电器等比较昂贵的商品。因此,作为成为上述未来事件的推断依据的图像22,可以添加拍摄所购买的新房而得的图像22、拍摄搬家场面而得的图像22、拍摄所购买的私家车而得的图像22及拍摄所购买的家用电器而得的图像22等。并且,在推断为用户13将经历上述未来事件的情况下,可以向用户13提示与新房、搬家、私家车及家用电器等相关的推荐信息25。
也可以将“家庭组成的变化”作为未来事件,如子女独立而用户13成为夫妻二人或者用户13离家独自生活等。在该情况下,着眼于由于孤独而购买宠物的人较多的情况,作为成为未来事件“家庭组成的变化”的推断依据的图像22,可以添加拍摄所购买的宠物而得的图像22。并且,例如至今为止是当事人、妻子、女儿一起去旅行,但女儿结婚离家,当事人和妻子去旅行的机会增加等,旅行中同行的人也发生变化,因此作为成为未来事件“家庭组成的变化”的推断依据的图像22,可以添加拍摄旅行场面而得的图像22。另外,作为针对未来事件“家庭组成的变化”的推荐信息25,可以提示宠物店的推荐信息25、夫妻旅行特辑的旅游杂志等。
通过从登记于推荐信息DB24的多个推荐信息25中选择与所推断的未来事件相应的推荐信息25来生成推荐信息25,但并不限于此。也可以使用将所推断的未来事件作为输入数据并将推荐信息25作为输出数据的机器学习模型,生成与所推断的未来事件相应的推荐信息25。
在上述第1实施方式等中,使用内容分析用模型51从图像22生成内容分析信息72,并根据推断参考信息52及内容分析信息72判断出现在图像22的相关事件,但并不限于此。也可以使用若输入图像22则输出出现在图像22的相关事件的机器学习模型。
在上述第1实施方式等中,每隔设定期间从用户终端11向图像管理服务器10发送推荐信息传送请求70,但并不限于此。可以在执行图像阅览AP85而在图像阅览AP85中启动了专用网页浏览器的情况下,从用户终端11向图像管理服务器10发送推荐信息传送请求70。
在上述第1实施方式等中,在图像一览显示画面95上显示了推荐信息25的一览98,但并不限于此。也可以在与图像一览显示画面95分开的独立画面显示推荐信息25的一览98。
也可以在图像管理服务器10中生成图像一览显示画面95等各种画面,以例如通过XML(可扩展标记语言,Extensible Markup Language)等标记语言创建的网页传送用画面数据形式传送至用户终端11。在该情况下,浏览器控制部90根据画面数据再现显示于网页浏览器上的各种画面,并将其显示于显示器44B。另外,也可以代替XML,利用JSON(对象标记,Javascript(注册商标)Object Notation)等其他数据描述语言。
向图像管理服务器10发送图像22的用户终端11和从图像管理服务器10接受推荐信息25的传送的用户终端11可以是不同的。例如,在存在具有相同的用户13的账户的多个用户终端11的情况下,可以从其中一台向图像管理服务器10发送图像22,从图像管理服务器10向另外一台传送推荐信息25。
作为对用户13提示推荐信息25的方式,并不限于传送至用户终端11的方式。可以将推荐信息25打印在纸质介质上,并将纸质介质邮寄给用户13,也可以将推荐信息25附加在电子邮件中来发送。
构成图像管理服务器10的计算机的硬件结构能够进行各种变形。例如,为了提高处理能力及可靠性,还能够由作为硬件而分离的多台计算机构成图像管理服务器10。例如,可以将请求接收部60、图像获取部61、信息获取部65及传送控制部66的功能和RW控制部62、分析部63及推断部64的功能分散分配给两台计算机。在该情况下,由两台计算机构成图像管理服务器10。并且,也可以将图像管理服务器10、图像DB服务器20及推荐信息DB服务器21集成为一个服务器。
如此,图像管理服务器10的计算机的硬件结构能够根据处理能力、安全性、可靠性等所要求的性能而适当变更。而且,不仅是硬件,工作程序50等AP当然也能够为了确保安全性及可靠性,进行双重化或者分散存储于多个存储装置。
可以由用户终端11执行图像管理服务器10的各处理部的功能的一部分或全部。
在上述各实施方式中,例如作为请求接收部60、图像获取部61、RW控制部62、分析部63、推断部64、信息获取部65、传送控制部66及浏览器控制部90等执行各种处理的处理部(Processing Unit)的硬件结构,能够适用以下示出的各种处理器(Processor)。各种处理器除了包含执行软件(工作程序50及图像阅览AP85)来作为各种处理部发挥作用的通用的处理器即CPU42A及42B以外,还包含FPGA(现场可编程门阵列,Field Programmable GateArray)等能够在制造之后变更电路结构的处理器即可编程逻辑器件(Programmable LogicDevice:PLD)和/或具有ASIC(专用集成电路,Application Specific IntegratedCircuit)等为了执行特定处理而专门设计的电路结构的处理器即专用电路等。
一个处理部可由这些各种处理器中的一个构成,也可以由相同种类或不同种类的两个以上的处理器的组合(例如,多个FPGA的组合和/或CPU和FPGA的组合)构成。并且,也可以由一个处理器构成多个处理部。
作为由一个处理器构成多个处理部的例子,第1,有如客户机及服务器等计算机为代表,由一个以上的CPU和软件的组合构成一个处理器,该处理器作为多个处理部发挥作用的方式。第2,有如系统芯片(System On Chip:SoC)等为代表,使用通过一个IC(集成电路,Integrated Circuit)芯片实现包含多个处理部的整个系统的功能的处理器的方式。如此,各种处理部作为硬件结构利用一个以上的上述各种处理器来构成。
而且,作为这些各种处理器的硬件结构,更具体而言,能够利用组合了半导体元件等电路元件的电路(Circuitry)。
本发明的技术还能够适当地组合上述各种实施方式和/或各种变形例。并且,不限于上述各实施方式,只要不脱离主旨,则可采用各种结构是理所当然的。而且,本发明的技术除了程序以外,还涉及非暂时性地存储程序的存储介质。
以上示出的记载内容及图示内容为针对本发明的技术所涉及的部分的详细说明,仅仅是本发明的技术的一例。例如,与上述的结构、功能、作用及效果相关的说明是与本发明的技术所涉及的部分的结构、功能、作用及效果的一例相关的说明。因此,可以在不脱离本发明的技术宗旨的范围内,对以上示出的记载内容及图示内容,删除不需要的部分或追加新的要素或替换是毋庸置疑的。并且,为了避免复杂化并且便于理解本发明的技术所涉及的部分,在以上示出的记载内容及图示内容中,省略了与在本发明的技术的实施中无需特别说明的技术常识等相关的说明。
在本说明书中,“A和/或B”的含义与“A及B中的至少1个”相同。即,“A和/或B”意味着可以只是A,也可以只是B,还可以是A及B的组合。并且,在本说明书中,利用“和/或”结合三个以上的事项来表述时,也适用与“A和/或B”相同的概念。
就本说明书中记载的全部文献、专利申请以及技术规格而言,与具体且分别记载通过参考而引入的各个文献、专利申请以及技术规格的情况同样地,通过参考而编入本说明书。
符号说明
2-图像管理系统,10-图像管理服务器,11-用户终端,12-网络,13-用户,20-图像数据库服务器(图像DB服务器),21-推荐信息数据库服务器(推荐信息DB服务器),22-图像,23-图像数据库(图像DB),24-推荐信息数据库(推荐信息DB),25、25A~25J-推荐信息,30-图像文件夹,31-属性信息,32-脸部图像,33-类别,40、40A、40B-存储装置,41-存储器,42、42A、42B-CPU,43-通信部,44、44B-显示器,45、45B-输入设备,46-总线,50-工作程序,51-内容分析用机器学习模型(内容分析用模型),52-推断参考信息,53、115-推断条件,60-请求接收部,61-图像获取部,62-读写控制部(RW控制部),63-分析部,64-推断部,65-信息获取部,66-传送控制部,70-推荐信息传送请求,71-图像获取请求,72-内容分析信息,73-未来事件信息,74-信息获取请求,80、120-表,85-图像阅览应用程序(图像阅览AP),90-浏览器控制部,95-图像一览显示画面,96-缩略图像,97-显示按钮,98-一览,99-不显示按钮,110-摄影位置信息,112-标签信息,121-传送停止条件,125-累计采用次数,130-用户的每个属性的累计采用次数,135-用户的每个事件经历顺序的累计采用次数,ST100、ST110、ST120、ST130、ST140、ST150、ST160、ST170、ST180、ST190、ST200-步骤。
Claims (10)
1.一种推荐信息提示装置,其具备:
处理器;以及
存储器,其与所述处理器连接或内置于所述处理器,
所述处理器进行如下处理:
在用户于预先设定的期间内获得的图像中,成为未来事件的推断依据的多个图像为预先设定的第1阈值以上的情况下,推断为在所述期间以后所述用户将经历所述未来事件,所述未来事件是在所述期间以后所述用户可能经历的事件;
生成与所推断的所述未来事件相应的推荐信息;以及
向所述用户提示所述推荐信息。
2.根据权利要求1所述的推荐信息提示装置,其中,
所述处理器进行如下处理:
根据所述图像的分析结果及所述图像中附带的信息中的至少任一个信息,来判断所述图像是否为成为所述未来事件的推断依据的图像。
3.根据权利要求1或2所述的推荐信息提示装置,其中,
所述处理器进行如下处理:
关于特定相关事件,在与所述特定相关事件相关的图像全部为预先设定的第2阈值以上的情况下,推断为在所述期间以后所述用户将经历所述未来事件,所述特定相关事件是与所述未来事件相关的事件即相关事件中的至少两个。
4.根据权利要求1至3中任一项所述的推荐信息提示装置,其中,
所述处理器进行如下处理:
在所述用户采用所述推荐信息的采用频度满足预先设定的条件的情况下,停止所述推荐信息的提示。
5.根据权利要求1至4中任一项所述的推荐信息提示装置,其中,
所述处理器优先提示其他用户相对多地采用的所述推荐信息。
6.根据权利要求5所述的推荐信息提示装置,其中,
所述其他用户是属性与被提示所述推荐信息的所述用户类似或一致的用户。
7.根据权利要求5或6所述的推荐信息提示装置,其中,
所述其他用户是所述事件的经历顺序与被提示所述推荐信息的所述用户类似或一致的用户。
8.根据权利要求1至7中任一项所述的推荐信息提示装置,其中,
所述处理器从预先登记的多个所述推荐信息中选择与所推断的所述未来事件相应的推荐信息。
9.一种推荐信息提示装置的工作方法,其包括:
在用户于预先设定的期间内获得的图像中,成为未来事件的推断依据的多个图像为预先设定的第1阈值以上的情况下,推断为在所述期间以后所述用户将经历所述未来事件,所述未来事件是在所述期间以后所述用户可能经历的事件;
生成与所推断的所述未来事件相应的推荐信息;以及
向所述用户提示所述推荐信息。
10.一种推荐信息提示装置的工作程序,其用于使计算机执行如下处理,所述处理包括:
在用户于预先设定的期间内获得的图像中,成为未来事件的推断依据的多个图像为预先设定的第1阈值以上的情况下,推断为在所述期间以后所述用户将经历所述未来事件,所述未来事件是在所述期间以后所述用户可能经历的事件;
生成与所推断的所述未来事件相应的推荐信息;以及
向所述用户提示所述推荐信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-037590 | 2021-03-09 | ||
JP2021037590 | 2021-03-09 | ||
PCT/JP2022/000993 WO2022190618A1 (ja) | 2021-03-09 | 2022-01-13 | レコメンド情報提示装置、レコメンド情報提示装置の作動方法、レコメンド情報提示装置の作動プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117546193A true CN117546193A (zh) | 2024-02-09 |
Family
ID=83227262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280019003.2A Pending CN117546193A (zh) | 2021-03-09 | 2022-01-13 | 推荐信息提示装置、推荐信息提示装置的工作方法、推荐信息提示装置的工作程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230385775A1 (zh) |
JP (1) | JPWO2022190618A1 (zh) |
CN (1) | CN117546193A (zh) |
WO (1) | WO2022190618A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009301119A (ja) * | 2008-06-10 | 2009-12-24 | Olympus Corp | 画像表示装置 |
US9008438B2 (en) * | 2011-04-25 | 2015-04-14 | Panasonic Intellectual Property Corporation Of America | Image processing device that associates photographed images that contain a specified object with the specified object |
JP6030865B2 (ja) * | 2012-06-13 | 2016-11-24 | ユニ・チャーム株式会社 | 推奨製品提示システム |
JP7221156B2 (ja) * | 2019-06-28 | 2023-02-13 | 富士フイルム株式会社 | 画像処理システム、画像処理方法及びプログラム |
-
2022
- 2022-01-13 JP JP2023505152A patent/JPWO2022190618A1/ja active Pending
- 2022-01-13 CN CN202280019003.2A patent/CN117546193A/zh active Pending
- 2022-01-13 WO PCT/JP2022/000993 patent/WO2022190618A1/ja active Application Filing
-
2023
- 2023-08-10 US US18/447,745 patent/US20230385775A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
JPWO2022190618A1 (zh) | 2022-09-15 |
US20230385775A1 (en) | 2023-11-30 |
WO2022190618A1 (ja) | 2022-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021503147A (ja) | 給食管理システム及びその運営方法 | |
KR101687927B1 (ko) | 이벤트 리뷰들을 획득하는 방법 및 시스템 | |
CA2761548C (en) | Linking a retail user profile to a social network user profile | |
US10628872B2 (en) | Browsing device, information processing system, method of controlling browsing device, recording medium, and program | |
CN111512119A (zh) | 增强现实、计算机视觉和数字售票系统 | |
JP2020190774A (ja) | 提供装置、提供方法、提供プログラム及び提供システム | |
JP2013025386A (ja) | 商品情報提供装置、商品情報提供方法及びプログラム | |
KR101657588B1 (ko) | 웹을 이용한 상품 이미지 기반 상품 거래 정보 제공 시스템 및 방법 | |
Fuchs et al. | Towards tailoring digital food labels: insights of a smart-RCT on user-specific interpretation of food composition data | |
JP6420949B2 (ja) | カタログ出力装置、カタログ出力方法、およびプログラム | |
CN117546193A (zh) | 推荐信息提示装置、推荐信息提示装置的工作方法、推荐信息提示装置的工作程序 | |
JP2017228921A (ja) | 投影システム、投影方法、および投影プログラム | |
JP2013097465A (ja) | 推奨情報提示システムおよび写真シール機 | |
JP7188427B2 (ja) | 情報提供システム | |
JP7319826B2 (ja) | 情報表示プログラム、情報表示装置及び情報表示方法 | |
JP7291535B2 (ja) | 提供装置、提供方法、提供プログラム及び提供システム | |
CN112148967A (zh) | 信息处理装置及方法以及记录介质 | |
JP2022025700A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
KR101800660B1 (ko) | 개인과 업체를 하나로 이어주는 연결서비스 시스템 | |
JP2004078454A (ja) | 購買時点広告制作方法 | |
KR101657589B1 (ko) | 모바일 애플리케이션을 이용한 상품 이미지 기반 상품 거래 정보 제공 시스템 및 방법 | |
EP4312181A1 (en) | Information processing device, method for operating information processing device, and program for operating information processing device | |
US20230394879A1 (en) | Information processing apparatus, operation method of information processing apparatus, and operation program of information processing apparatus | |
JP7386272B2 (ja) | 情報処理装置及び情報処理方法 | |
JP2004078885A (ja) | 購買時点広告印刷方法及び購買時点広告制作支援サーバ |
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 |