JP2000105766A - 情報フィルタリング装置および方法および記憶媒体 - Google Patents
情報フィルタリング装置および方法および記憶媒体Info
- Publication number
- JP2000105766A JP2000105766A JP10274539A JP27453998A JP2000105766A JP 2000105766 A JP2000105766 A JP 2000105766A JP 10274539 A JP10274539 A JP 10274539A JP 27453998 A JP27453998 A JP 27453998A JP 2000105766 A JP2000105766 A JP 2000105766A
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- profile
- feedback information
- user profile
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】ユーザー数が増大した場合、検索結果に対する
フィードバックを各ユーザーから収集し、それを各ユー
ザーのユーザープロファイルに反映させることは困難で
あった。 【解決手段】ユーザー数が増大しても、その中に共通の
要求・興味をもったユーザーが存在する場合に、ユーザ
ー毎ではなくユーザーグループ毎にrelevance feedback
を行うことにより、フィードバックの処理量が軽減さ
れ、かつ個々のユーザーから見ても効果的なフィードバ
ックを行うことができる。また、複数のグループ化方法
により様々なユーザーグループを定義し、これらに対し
てrelevance feedbackを行った場合のフィルタリング精
度を実際にテストしてみることにより、relevance feed
backの観点から効果的なユーザーグループを構成するこ
とができる。
フィードバックを各ユーザーから収集し、それを各ユー
ザーのユーザープロファイルに反映させることは困難で
あった。 【解決手段】ユーザー数が増大しても、その中に共通の
要求・興味をもったユーザーが存在する場合に、ユーザ
ー毎ではなくユーザーグループ毎にrelevance feedback
を行うことにより、フィードバックの処理量が軽減さ
れ、かつ個々のユーザーから見ても効果的なフィードバ
ックを行うことができる。また、複数のグループ化方法
により様々なユーザーグループを定義し、これらに対し
てrelevance feedbackを行った場合のフィルタリング精
度を実際にテストしてみることにより、relevance feed
backの観点から効果的なユーザーグループを構成するこ
とができる。
Description
【０００１】
【発明の属する技術分野】本発明は、ユーザーの要求・
興味にあった情報を選出して配信する情報フィルタリン
グ装置および方法および記憶媒体に関する。
興味にあった情報を選出して配信する情報フィルタリン
グ装置および方法および記憶媒体に関する。
【０００２】
【従来の技術】近年、ＷＷＷ(World Wide Web)や電子図
書館の発展に見られるように、テキスト、音声、画像な
どの大量の情報に個人がアクセスすることが可能になり
つつある。アクセス可能な情報が増えるほど、その中か
ら個人の要求・興味にあった情報を効率よくかつ精度よ
く選出して提示してくれる情報フィルタリングの技術が
重要となる。
書館の発展に見られるように、テキスト、音声、画像な
どの大量の情報に個人がアクセスすることが可能になり
つつある。アクセス可能な情報が増えるほど、その中か
ら個人の要求・興味にあった情報を効率よくかつ精度よ
く選出して提示してくれる情報フィルタリングの技術が
重要となる。
【０００３】情報フィルタリングにおいては、個々のユ
ーザーの要求・興味はユーザープロファイルにより表現
される。例えばテキスト情報のフィルタリングの場合に
は、ユーザープロファイルにユーザーの要求・興味に関
連する語彙を用いた検索条件を記述する方法などが用い
られる。
ーザーの要求・興味はユーザープロファイルにより表現
される。例えばテキスト情報のフィルタリングの場合に
は、ユーザープロファイルにユーザーの要求・興味に関
連する語彙を用いた検索条件を記述する方法などが用い
られる。
【０００４】しかし、ユーザーの要求・興味を始めから
ユーザープロファイルにより精緻に表現することは困難
であり、さらに、ユーザーの要求・興味自体、時間や状
況とともに推移していくという問題がある。
ユーザープロファイルにより精緻に表現することは困難
であり、さらに、ユーザーの要求・興味自体、時間や状
況とともに推移していくという問題がある。
【０００５】このため情報フィルタリングにおいては、
情報検索の分野で古くから研究されているrelevance fe
edbackという技術を用いてユーザープロファイルを修正
していくことが重要であると考えられる。Relevance fe
edbackは、まず初期プロファイルにより得られたフィル
タリング結果に対してユーザーが評価を行い、この評価
情報を利用してプロファイルを修正することにより、次
回のフィルタリングの精度を高めようとするものであ
る。
情報検索の分野で古くから研究されているrelevance fe
edbackという技術を用いてユーザープロファイルを修正
していくことが重要であると考えられる。Relevance fe
edbackは、まず初期プロファイルにより得られたフィル
タリング結果に対してユーザーが評価を行い、この評価
情報を利用してプロファイルを修正することにより、次
回のフィルタリングの精度を高めようとするものであ
る。
【０００６】例えばテキスト情報のフィルタリングの場
合には、ユーザーにフィルタリング結果の中から「興味
のある文書」、「興味のない文書」などをいくつか選択
してもらい、これらの本文中から新しい語彙を抽出し
て、プロファイルに反映させるといった方法が考えられ
る。テキスト情報を対象としたrelevance feedbackの具
体的手法は、例えば文献（"Introduction to Modern In
formation Retrieval, Salton & McGill, McGraw-Hill
Book Company, 1983）に開示されている。
合には、ユーザーにフィルタリング結果の中から「興味
のある文書」、「興味のない文書」などをいくつか選択
してもらい、これらの本文中から新しい語彙を抽出し
て、プロファイルに反映させるといった方法が考えられ
る。テキスト情報を対象としたrelevance feedbackの具
体的手法は、例えば文献（"Introduction to Modern In
formation Retrieval, Salton & McGill, McGraw-Hill
Book Company, 1983）に開示されている。
【０００７】従来の情報フィルタリングシステムでは、
複数のユーザーに対してサービスを行う場合、以下のふ
たつの方法のいずれかをとっていた。第一は、個々のユ
ーザーの興味に応じて個々のユーザープロファイルを修
正する方法である。
複数のユーザーに対してサービスを行う場合、以下のふ
たつの方法のいずれかをとっていた。第一は、個々のユ
ーザーの興味に応じて個々のユーザープロファイルを修
正する方法である。
【０００８】第二は、個々のユーザーに対してユーザー
プロファイルをもつのではなく、あらかじめいくつかの
トピックをシステム側で用意し、ユーザーにこの中から
選択してもらう方法である。
プロファイルをもつのではなく、あらかじめいくつかの
トピックをシステム側で用意し、ユーザーにこの中から
選択してもらう方法である。
【０００９】前者では、ユーザ数の増大に比例してrele
vance feedback処理のシステム負荷が増大してしまうと
いう問題がある。後者では、この問題を回避するために
ユーザー毎ではなくトピック毎にプロファイルをもつも
のであり、一般にひとつのトピックプロファイルを複数
ユーザーが共有することになる。
vance feedback処理のシステム負荷が増大してしまうと
いう問題がある。後者では、この問題を回避するために
ユーザー毎ではなくトピック毎にプロファイルをもつも
のであり、一般にひとつのトピックプロファイルを複数
ユーザーが共有することになる。
【００１０】また、複数ユーザーを扱い、ユーザーの要
求・興味に合った情報を提供する他の試みとしては、協
調フィルタリング（collaborative filtering, social
filtering ）という技術が知られている。これは、例え
ば文献（"Social Information Filtering:Algorithms f
or Automating Word of Mouth, Upendra Shardanandand
Pattie Maes, ACM CHI'95 Proceedings, 1995 ）に開
示されているように、ユーザーのもつ興味の間の類似度
をもとに、あるユーザーがおもしろいと判断した情報
は、そのユーザーと似たユーザーにも提供しようとする
ものである。
求・興味に合った情報を提供する他の試みとしては、協
調フィルタリング（collaborative filtering, social
filtering ）という技術が知られている。これは、例え
ば文献（"Social Information Filtering:Algorithms f
or Automating Word of Mouth, Upendra Shardanandand
Pattie Maes, ACM CHI'95 Proceedings, 1995 ）に開
示されているように、ユーザーのもつ興味の間の類似度
をもとに、あるユーザーがおもしろいと判断した情報
は、そのユーザーと似たユーザーにも提供しようとする
ものである。
【００１１】
【発明が解決しようとする課題】しかし、同一トピック
を選択した複数ユーザーの要求・興味は必ずしも似てい
るとは限らないため、これらのユーザーから得たフィー
ドバック情報を利用して共通のトピックプロファイルを
修正することは難しい。
を選択した複数ユーザーの要求・興味は必ずしも似てい
るとは限らないため、これらのユーザーから得たフィー
ドバック情報を利用して共通のトピックプロファイルを
修正することは難しい。
【００１２】例えば、ユーザーＡとユーザーＢが共に
「ＤＶＤ」というトピックを選択し、ユーザーＡのフィ
ードバック情報からユーザーＡは、「ＤＶＤプレーヤ
ー」などハード面に興味があるが、ユーザーＢのフィー
ドバック情報からユーザーＢは、「映画」「ＤＶＤタイ
トル」などソフト面に興味があることがわかる場合、両
者を満足させるように「ＤＶＤ」のプロファイルを修正
することは難しい。
「ＤＶＤ」というトピックを選択し、ユーザーＡのフィ
ードバック情報からユーザーＡは、「ＤＶＤプレーヤ
ー」などハード面に興味があるが、ユーザーＢのフィー
ドバック情報からユーザーＢは、「映画」「ＤＶＤタイ
トル」などソフト面に興味があることがわかる場合、両
者を満足させるように「ＤＶＤ」のプロファイルを修正
することは難しい。
【００１３】本発明は、このような状況に鑑み、ユーザ
ー数の増大を許容し、かつ個々のユーザーにとって効果
的なrelevance feedbackを実現することを目的としたも
のである。
ー数の増大を許容し、かつ個々のユーザーにとって効果
的なrelevance feedbackを実現することを目的としたも
のである。
【００１４】また、協調フィルタリングの方法では、ど
のユーザーも評価を行ったことのない未知の情報は扱う
ことができない。これに対しRelevance feedbackは、既
知の情報に対するユーザーの評価情報を利用してプロフ
ァイルの修正を行い、これにより未知の情報に対するフ
ィルタリングの精度を向上することを目的とする。
のユーザーも評価を行ったことのない未知の情報は扱う
ことができない。これに対しRelevance feedbackは、既
知の情報に対するユーザーの評価情報を利用してプロフ
ァイルの修正を行い、これにより未知の情報に対するフ
ィルタリングの精度を向上することを目的とする。
【００１５】
【課題を解決するための手段】これらの課題を解決する
ために、本願発明はユーザーの要求・興味を表すユーザ
ープロファイルを格納するプロファイル格納手段と、こ
のプロファイル格納手段に格納されたユーザープロファ
イルに基づいてユーザーに配信すべき情報を、データベ
ースから選出する選出手段と、この選出手段によって選
出された情報に対する個々のユーザーのフィードバック
情報を収集するための収集手段と、この収集手段によっ
て収集されたフィードバック情報に基づいて、要求・興
味の類似するユーザーを集めたユーザーグループを作成
する作成手段と、この作成手段で作成されたユーザーグ
ループ毎のユーザープロファイルを、前記収集手段によ
って収集されたフィードバック情報をもとに修正するプ
ロファイル修正手段とを具備することを特徴とする。
ために、本願発明はユーザーの要求・興味を表すユーザ
ープロファイルを格納するプロファイル格納手段と、こ
のプロファイル格納手段に格納されたユーザープロファ
イルに基づいてユーザーに配信すべき情報を、データベ
ースから選出する選出手段と、この選出手段によって選
出された情報に対する個々のユーザーのフィードバック
情報を収集するための収集手段と、この収集手段によっ
て収集されたフィードバック情報に基づいて、要求・興
味の類似するユーザーを集めたユーザーグループを作成
する作成手段と、この作成手段で作成されたユーザーグ
ループ毎のユーザープロファイルを、前記収集手段によ
って収集されたフィードバック情報をもとに修正するプ
ロファイル修正手段とを具備することを特徴とする。
【００１６】このような本願発明により、ユーザー数が
増大しても、その中に共通の要求・興味をもったユーザ
ーが存在する場合に、ユーザー毎ではなくユーザーグル
ープ毎にrelevance feedbackを行うことにより、フィー
ドバックの処理量が軽減され、かつ個々のユーザーから
見ても効果的なフィードバックを行うことができる。
増大しても、その中に共通の要求・興味をもったユーザ
ーが存在する場合に、ユーザー毎ではなくユーザーグル
ープ毎にrelevance feedbackを行うことにより、フィー
ドバックの処理量が軽減され、かつ個々のユーザーから
見ても効果的なフィードバックを行うことができる。
【００１７】また、複数のグループ化方法により様々な
ユーザーグループを定義し、これらに対してrelevance
feedbackを行った場合のフィルタリング精度を実際にテ
ストしてみることにより、relevance feedbackの観点か
ら効果的なユーザーグループを構成することができる。
ユーザーグループを定義し、これらに対してrelevance
feedbackを行った場合のフィルタリング精度を実際にテ
ストしてみることにより、relevance feedbackの観点か
ら効果的なユーザーグループを構成することができる。
【００１８】
【発明の実施の形態】（実施例１）図１に、本実施例に
おける情報フィルタリング装置の構成を示す。矢印はデ
ータの流れを表している。本装置は、ユーザープロファ
イル格納部１、情報選出部２、情報提示部３、フィード
バック情報収集部４、ユーザーグループ作成部５、ユー
ザープロファイル修正部６により構成される。
おける情報フィルタリング装置の構成を示す。矢印はデ
ータの流れを表している。本装置は、ユーザープロファ
イル格納部１、情報選出部２、情報提示部３、フィード
バック情報収集部４、ユーザーグループ作成部５、ユー
ザープロファイル修正部６により構成される。
【００１９】ここで、ユーザープロファイル格納部１は
主記憶や外部記憶装置などに、情報提示部３はユーザー
に情報を配信するための計算機ネットワークや表示する
ための計算機ディスプレイなどの出力装置に、フィード
バック情報収集部４はユーザーからのフィルタリング結
果に対する評価情報の入力を受けつける入力装置に、そ
の他の構成要素は計算機のプログラムに対応する。
主記憶や外部記憶装置などに、情報提示部３はユーザー
に情報を配信するための計算機ネットワークや表示する
ための計算機ディスプレイなどの出力装置に、フィード
バック情報収集部４はユーザーからのフィルタリング結
果に対する評価情報の入力を受けつける入力装置に、そ
の他の構成要素は計算機のプログラムに対応する。
【００２０】以下に、図１に沿って本発明における全体
的な処理の流れを説明する。はじめに情報選出部２は、
ユーザープロファイル格納部１に格納されている初期ユ
ーザープロファイルをもとに、情報フィルタリングの対
象となる情報データベース７から個々のユーザーにふさ
わしいと思われる情報を選出し、これを情報提示部３に
わたす。各ユーザーは、自分に提示された初期フィルタ
リング結果を見て、これに対する評価情報をフィードバ
ック情報収集部４をとおして入力する。
的な処理の流れを説明する。はじめに情報選出部２は、
ユーザープロファイル格納部１に格納されている初期ユ
ーザープロファイルをもとに、情報フィルタリングの対
象となる情報データベース７から個々のユーザーにふさ
わしいと思われる情報を選出し、これを情報提示部３に
わたす。各ユーザーは、自分に提示された初期フィルタ
リング結果を見て、これに対する評価情報をフィードバ
ック情報収集部４をとおして入力する。
【００２１】次に、ユーザーグループ作成部５は、各ユ
ーザーのフィードバック情報をもとに、要求・興味が類
似していると思われるユーザーを集めたユーザーグルー
プを作成する。最後に、ユーザープロファイル修正部６
は、ユーザーグループ毎にrelevance feedbackを行い、
修正されたユーザープロファイルをユーザープロファイ
ル格納部１に格納する。
ーザーのフィードバック情報をもとに、要求・興味が類
似していると思われるユーザーを集めたユーザーグルー
プを作成する。最後に、ユーザープロファイル修正部６
は、ユーザーグループ毎にrelevance feedbackを行い、
修正されたユーザープロファイルをユーザープロファイ
ル格納部１に格納する。
【００２２】本実施例の従来の情報フィルタリングシス
テムとの相違点は、フィードバック情報収集部４とユー
ザープロファイル修正部６の間にユーザーグループ作成
部５を有する点である。
テムとの相違点は、フィードバック情報収集部４とユー
ザープロファイル修正部６の間にユーザーグループ作成
部５を有する点である。
【００２３】図２に、本実施例における情報選出部２の
処理の流れの一例を示す。情報選出部２は、各ユーザー
ごとにユーザープロファイルをユーザープロファイル格
納部１から取り出し（Ｓ２１）、ユーザープロファイル
と情報との類似度を算出し（Ｓ２２）、類似度の高いも
ののみを情報提示部３にわたすことにより情報を絞り込
む（Ｓ２３）。
処理の流れの一例を示す。情報選出部２は、各ユーザー
ごとにユーザープロファイルをユーザープロファイル格
納部１から取り出し（Ｓ２１）、ユーザープロファイル
と情報との類似度を算出し（Ｓ２２）、類似度の高いも
ののみを情報提示部３にわたすことにより情報を絞り込
む（Ｓ２３）。
【００２４】ここで、本発明は類似度算出の具体的手法
を問うものではなく、例えばテキスト情報のフィルタリ
ングの場合には、ユーザープロファイルとテキスト情報
の双方を単語の重みつきベクトルで表現し、このベクト
ル間の余弦により類似度を決定する文献（"Introductio
n to Modern Information Retrieval, Salton & McGil
l, McGraw-Hill Book Company,1983 ）などに開示され
ている手法などを用いればよい。
を問うものではなく、例えばテキスト情報のフィルタリ
ングの場合には、ユーザープロファイルとテキスト情報
の双方を単語の重みつきベクトルで表現し、このベクト
ル間の余弦により類似度を決定する文献（"Introductio
n to Modern Information Retrieval, Salton & McGil
l, McGraw-Hill Book Company,1983 ）などに開示され
ている手法などを用いればよい。
【００２５】例えば、ユーザーが「ＤＶＤ」に関する話
題について興味がある場合には、このユーザーの初期ユ
ーザープロファイルを図３（ａ）のような、「ＤＶ
Ｄ」、「デジタル」、「ディスク」という単語の集合で
表しておき、これらの語が出現する頻度に応じて各テキ
スト情報の類似度を算出することが考えられる。
題について興味がある場合には、このユーザーの初期ユ
ーザープロファイルを図３（ａ）のような、「ＤＶ
Ｄ」、「デジタル」、「ディスク」という単語の集合で
表しておき、これらの語が出現する頻度に応じて各テキ
スト情報の類似度を算出することが考えられる。
【００２６】図４に、本実施例におけるフィードバック
情報収集部４の処理の流れの一例を示す。フィードバッ
ク情報収集部４は、各ユーザーに、初期フィルタリング
結果に対する評価情報を入力させ（Ｓ４１）、これをユ
ーザーグループ作成部５に渡す（Ｓ４２）。
情報収集部４の処理の流れの一例を示す。フィードバッ
ク情報収集部４は、各ユーザーに、初期フィルタリング
結果に対する評価情報を入力させ（Ｓ４１）、これをユ
ーザーグループ作成部５に渡す（Ｓ４２）。
【００２７】図５に、各ユーザーのフィードバック情報
の一例を示す。この例は、簡単のためにユーザー数を４
人としており、各ユーザーが情報１〜５に対して２段階
評価を行った様子を表している。例えばユーザー１は、
情報２および情報３に対しては「興味がある」という判
定を行ったが、情報１，情報４および情報５に対しては
「興味がない」という判定を行ったことを示している。
の一例を示す。この例は、簡単のためにユーザー数を４
人としており、各ユーザーが情報１〜５に対して２段階
評価を行った様子を表している。例えばユーザー１は、
情報２および情報３に対しては「興味がある」という判
定を行ったが、情報１，情報４および情報５に対しては
「興味がない」という判定を行ったことを示している。
【００２８】あるいは、「興味がある」という情報だけ
を収集して、「興味がある」という評価がされなかった
残りの情報に対しては“０”とするという方法も考えら
れる。さらに、以上の変形例として、各情報に対する評
価を多段階評価にすることも考えられる。本発明は、以
上で説明したようなフィードバック情報の形態を問うも
のではない。
を収集して、「興味がある」という評価がされなかった
残りの情報に対しては“０”とするという方法も考えら
れる。さらに、以上の変形例として、各情報に対する評
価を多段階評価にすることも考えられる。本発明は、以
上で説明したようなフィードバック情報の形態を問うも
のではない。
【００２９】図６に、本実施例におけるユーザーグルー
プ作成部５の処理の流れの一例を示す。ユーザーグルー
プ作成部５は、図５で例示したような各ユーザーのフィ
ードバック情報をフィードバック情報収集部４から受け
取り（Ｓ６１）、これをもとに、要求・興味が類似して
いると思われるユーザーを集めてユーザーグループを作
成し（Ｓ６２）、このユーザーグループ情報をユーザー
プロファイル修正部６にわたす（Ｓ６３）。
プ作成部５の処理の流れの一例を示す。ユーザーグルー
プ作成部５は、図５で例示したような各ユーザーのフィ
ードバック情報をフィードバック情報収集部４から受け
取り（Ｓ６１）、これをもとに、要求・興味が類似して
いると思われるユーザーを集めてユーザーグループを作
成し（Ｓ６２）、このユーザーグループ情報をユーザー
プロファイル修正部６にわたす（Ｓ６３）。
【００３０】本発明は、ユーザーグループのグループ化
方法を問うものではないが、図５のようなフィードバッ
ク情報が与えられた場合のグループ化の方法の簡単な例
を図７を利用して説明する。図７では、図５で示したフ
ィードバック情報に対してクラスター分析を行うことに
よりユーザーグループを作成している。
方法を問うものではないが、図５のようなフィードバッ
ク情報が与えられた場合のグループ化の方法の簡単な例
を図７を利用して説明する。図７では、図５で示したフ
ィードバック情報に対してクラスター分析を行うことに
よりユーザーグループを作成している。
【００３１】まず図５において、各ユーザーベクトル間
の類似度をJaccard 係数（対応する要素が１−１である
個数をａ、１−０である個数をｂ、０−１である個数を
ｃ、０−０である個数をｄとしたとき、ａ／（ａ＋ｂ＋
ｃ）で算出される）という尺度により算出する。
の類似度をJaccard 係数（対応する要素が１−１である
個数をａ、１−０である個数をｂ、０−１である個数を
ｃ、０−０である個数をｄとしたとき、ａ／（ａ＋ｂ＋
ｃ）で算出される）という尺度により算出する。
【００３２】例えばユーザ１とユーザ２の類似度は、ａ
＝１，ｂ＝１，ｃ＝２よりsim(1,2)＝sim(2,1)＝１／４
となる。同様に、sim(3,1)＝０，sim(3,2)＝１／４，si
m(4,1)＝１／４，sim(4,2)＝１／２，sim(4,3)＝１／４
となる。
＝１，ｂ＝１，ｃ＝２よりsim(1,2)＝sim(2,1)＝１／４
となる。同様に、sim(3,1)＝０，sim(3,2)＝１／４，si
m(4,1)＝１／４，sim(4,2)＝１／２，sim(4,3)＝１／４
となる。
【００３３】以上のうち、類似度が最も高かったユーザ
対を同一グループとしてグループ化する。これにより、
ユーザ２とユーザ４を同一グループとし、ユーザーグル
ープは、(2,4) (1) (3) の３つになる。
対を同一グループとしてグループ化する。これにより、
ユーザ２とユーザ４を同一グループとし、ユーザーグル
ープは、(2,4) (1) (3) の３つになる。
【００３４】次に、例えばＵＰＧＭＡ法（算術平均を用
いた対グループ法）という手法を用いて、sim((2,4),1)
＝(sim(2,1) ＋sim(4,1)) ／２＝１／４のように、ユー
ザーグループ間の類似度を計算する。その他の組合せに
ついては図７に示したようになる。
いた対グループ法）という手法を用いて、sim((2,4),1)
＝(sim(2,1) ＋sim(4,1)) ／２＝１／４のように、ユー
ザーグループ間の類似度を計算する。その他の組合せに
ついては図７に示したようになる。
【００３５】ここで、sim((2,4),1)＝１／４，sim((2,
4),3)＝１／４，sim(1,3)＝０のうち類似度の大きいの
はsim((2,4),1)あるいはsim((2,4),3)である。仮に後者
を選べば、新しいユーザーグループ(2,3,4) ができるこ
とになる。ちなみに、sim((2,3,4),1)＝１／６となる。
4),3)＝１／４，sim(1,3)＝０のうち類似度の大きいの
はsim((2,4),1)あるいはsim((2,4),3)である。仮に後者
を選べば、新しいユーザーグループ(2,3,4) ができるこ
とになる。ちなみに、sim((2,3,4),1)＝１／６となる。
【００３６】以上のようにして、(1) (2) (3) (4) →
(2,4) (1) (3) →(2,3,4) (1) →(1,2,3,4) のようにク
ラスター分析を行うことができるので、これから指定し
たクラスタ数あるいは指定した類似度のもとでのユーザ
ーグループ群を決定することができる。
(2,4) (1) (3) →(2,3,4) (1) →(1,2,3,4) のようにク
ラスター分析を行うことができるので、これから指定し
たクラスタ数あるいは指定した類似度のもとでのユーザ
ーグループ群を決定することができる。
【００３７】以上では、グループ化の手法の一例として
クラスター分析について説明したが、このようなグルー
プ化の手法自体は例えば文献（"Cluster Analysis for
Researchers,Romesburg,Robert E.Krieger Publishing
Company,Malabar,Florida,1989）に開示された公知の技
術であり、本発明の主眼ではない。例えば、Jaccard係
数の他にもSorenson係数というものがあり、また、ＵＰ
ＧＭＡ法の他にもWard法などがある。
クラスター分析について説明したが、このようなグルー
プ化の手法自体は例えば文献（"Cluster Analysis for
Researchers,Romesburg,Robert E.Krieger Publishing
Company,Malabar,Florida,1989）に開示された公知の技
術であり、本発明の主眼ではない。例えば、Jaccard係
数の他にもSorenson係数というものがあり、また、ＵＰ
ＧＭＡ法の他にもWard法などがある。
【００３８】図８に、本実施例におけるユーザープロフ
ァイル修正部６の処理の流れの一例を示す。本実施例に
おけるユーザープロファイル修正部６は、従来の情報フ
ィルタリングシステムのようにユーザー毎にrelevance
feedbackを行うのではなく、ユーザーグループ毎にrele
vance feedbackを行うことを特徴とする。具体的には、
ユーザープロファイル修正部は、各ユーザーグループに
対して以下の処理を行う。
ァイル修正部６の処理の流れの一例を示す。本実施例に
おけるユーザープロファイル修正部６は、従来の情報フ
ィルタリングシステムのようにユーザー毎にrelevance
feedbackを行うのではなく、ユーザーグループ毎にrele
vance feedbackを行うことを特徴とする。具体的には、
ユーザープロファイル修正部は、各ユーザーグループに
対して以下の処理を行う。
【００３９】まずユーザーグループ情報をユーザーグル
ープ作成部５から受け取り（Ｓ８１）、ユーザーグルー
プに属する各ユーザーのフィードバック情報を用いて、
「ユーザーグループのフィードバック情報」を決定する
（Ｓ８２）。例えば、図５および図７の例の場合、ユー
ザーグループ(2,4) に対しては、ユーザー２のベクトル
(01011) とユーザー４のベクトル(00111) をビット毎に
ＯＲをとることにより(01111) とするなどして、ひとり
のユーザーのフィードバック情報と同様の形態のフィー
ドバック情報を作成する。
ープ作成部５から受け取り（Ｓ８１）、ユーザーグルー
プに属する各ユーザーのフィードバック情報を用いて、
「ユーザーグループのフィードバック情報」を決定する
（Ｓ８２）。例えば、図５および図７の例の場合、ユー
ザーグループ(2,4) に対しては、ユーザー２のベクトル
(01011) とユーザー４のベクトル(00111) をビット毎に
ＯＲをとることにより(01111) とするなどして、ひとり
のユーザーのフィードバック情報と同様の形態のフィー
ドバック情報を作成する。
【００４０】他には、例えば多数決で、個々の情報を
「興味がある」と見倣すか否かを決定する方法が考えら
れる。ただし本発明は、以上で例をあげて説明したよう
な、複数ユーザーのフィードバック情報をひとつに統合
する具体的な手法を問うものではなく、これは本発明の
主眼ではない。これにより、従来のrelevance feedback
手法は本発明にそのまま適用可能となる。
「興味がある」と見倣すか否かを決定する方法が考えら
れる。ただし本発明は、以上で例をあげて説明したよう
な、複数ユーザーのフィードバック情報をひとつに統合
する具体的な手法を問うものではなく、これは本発明の
主眼ではない。これにより、従来のrelevance feedback
手法は本発明にそのまま適用可能となる。
【００４１】ユーザーグループに対するフィードバック
情報が決定されると、ユーザープロファイル修正部６
は、そのユーザーグループに属する各ユーザーのユーザ
ープロファイルに対して、上記フィードバック情報を反
映させる（Ｓ８３）。本発明は、具体的なrelevance fe
edback手法を問うものではないが、テキスト情報のフィ
ルタリングなどの場合には、フィードバック情報の反映
とは、ユーザープロファイルに記述された単語の重みの
調整や、新しい単語の追加などを意味する。
情報が決定されると、ユーザープロファイル修正部６
は、そのユーザーグループに属する各ユーザーのユーザ
ープロファイルに対して、上記フィードバック情報を反
映させる（Ｓ８３）。本発明は、具体的なrelevance fe
edback手法を問うものではないが、テキスト情報のフィ
ルタリングなどの場合には、フィードバック情報の反映
とは、ユーザープロファイルに記述された単語の重みの
調整や、新しい単語の追加などを意味する。
【００４２】例えば、図３（ａ）のような初期ユーザー
プロファイルに対して、フィードバック情報をもとに新
しい単語を追加した例が図３（ｂ）である。本発明で
は、このようなユーザープロファイルの修正処理を、複
数のユーザープロファイルに対して一括して行う。
プロファイルに対して、フィードバック情報をもとに新
しい単語を追加した例が図３（ｂ）である。本発明で
は、このようなユーザープロファイルの修正処理を、複
数のユーザープロファイルに対して一括して行う。
【００４３】以上、主にテキスト情報を対象としたフィ
ルタリングにおいて、単語の羅列によりユーザープロフ
ァイルを表現した場合を例に説明したが、本発明はフィ
ルタリングの対象となる情報の種類や、ユーザープロフ
ァイルの表現形式を限定するものではない。
ルタリングにおいて、単語の羅列によりユーザープロフ
ァイルを表現した場合を例に説明したが、本発明はフィ
ルタリングの対象となる情報の種類や、ユーザープロフ
ァイルの表現形式を限定するものではない。
【００４４】（実施例２）図９に、本実施例における情
報フィルタリングシステムの構成を示す。本実施例と実
施例１との構成上の違いは、ユーザープロファイル評価
部８を有する点である。以下、実施例１と異なる点のみ
について説明する。
報フィルタリングシステムの構成を示す。本実施例と実
施例１との構成上の違いは、ユーザープロファイル評価
部８を有する点である。以下、実施例１と異なる点のみ
について説明する。
【００４５】全体の流れについては、情報選出部２、情
報提示部３、フィードバック情報収集部４までは実施例
１と同じであるが、それ以降、複数のグループ化手法が
用いられる点が異なる。すなわち、本実施例では、ユー
ザーグループ作成部５が、複数のグループ化手法を用い
ることにより、ユーザーグループ群を複数セット作成し
て以降の処理にわたす。
報提示部３、フィードバック情報収集部４までは実施例
１と同じであるが、それ以降、複数のグループ化手法が
用いられる点が異なる。すなわち、本実施例では、ユー
ザーグループ作成部５が、複数のグループ化手法を用い
ることにより、ユーザーグループ群を複数セット作成し
て以降の処理にわたす。
【００４６】例えば、図７の例において、実施例１の場
合は、例えばユーザーグループ数を２あるいは類似度を
１／４と決めることにより、ひとつのユーザーグループ
群(2,3,4) (1) が決定されるが、本実施例では、例えば
ユーザーグループ数を２〜３、あるいは類似度を１／２
〜１／４と変化させることにより、ふたつのユーザーグ
ループ群(2,4) (1) (3) および(2,3,4) (1) を得ること
ができる。
合は、例えばユーザーグループ数を２あるいは類似度を
１／４と決めることにより、ひとつのユーザーグループ
群(2,3,4) (1) が決定されるが、本実施例では、例えば
ユーザーグループ数を２〜３、あるいは類似度を１／２
〜１／４と変化させることにより、ふたつのユーザーグ
ループ群(2,4) (1) (3) および(2,3,4) (1) を得ること
ができる。
【００４７】また、図７の説明では、ユーザーベクトル
間の類似度の尺度としてＪａｃｃａｒｄ係数を用い、ク
ラスター分析の手法としてはＵＰＧＭＡ法を用いた場合
について説明したが、これら以外のクラスター分析手法
を用いて異なるユーザーグループ群を得ることもでき
る。さらに、ユーザーを分類するためにクラスター分析
以外の手法を用いてもよい。本実施例では、以上のよう
なグループ化における様々なバリエーションを総称して
グループ化手法と呼ぶ。
間の類似度の尺度としてＪａｃｃａｒｄ係数を用い、ク
ラスター分析の手法としてはＵＰＧＭＡ法を用いた場合
について説明したが、これら以外のクラスター分析手法
を用いて異なるユーザーグループ群を得ることもでき
る。さらに、ユーザーを分類するためにクラスター分析
以外の手法を用いてもよい。本実施例では、以上のよう
なグループ化における様々なバリエーションを総称して
グループ化手法と呼ぶ。
【００４８】図１０に、本実施例におけるユーザープロ
ファイル評価部８の処理の流れの一例を示す。ユーザー
プロファイル評価部８は、各グループ化手法を以下の手
順で評価し、最終的にどのグループ化手法がよいか、ひ
いてはどのようなユーザーグループ群が適切であるかを
決定する。
ファイル評価部８の処理の流れの一例を示す。ユーザー
プロファイル評価部８は、各グループ化手法を以下の手
順で評価し、最終的にどのグループ化手法がよいか、ひ
いてはどのようなユーザーグループ群が適切であるかを
決定する。
【００４９】ユーザープロファイル評価部８は、あるグ
ループ化手法をもとに修正されたユーザープロファイル
の各々をユーザープロファイル格納部１から取り出し
（Ｓ１０１）、そのフィルタリング精度を評価する（Ｓ
１０２）。ここで、フィルタリング精度の尺度として
は、例えば適合率（フィルタリング結果中の何パーセン
トが実際にユーザーが求めているものであるか）などが
考えられる。フィルタリング精度の評価実験には、ユー
ザーが既に評価を行った情報を含むデータをフィルタリ
ング対象として用いることが考えられる。
ループ化手法をもとに修正されたユーザープロファイル
の各々をユーザープロファイル格納部１から取り出し
（Ｓ１０１）、そのフィルタリング精度を評価する（Ｓ
１０２）。ここで、フィルタリング精度の尺度として
は、例えば適合率（フィルタリング結果中の何パーセン
トが実際にユーザーが求めているものであるか）などが
考えられる。フィルタリング精度の評価実験には、ユー
ザーが既に評価を行った情報を含むデータをフィルタリ
ング対象として用いることが考えられる。
【００５０】例えば、図５の例のユーザー１は、既に情
報１〜情報５に対しては興味があるかないかの判定を行
っているので、これらを評価用のデータに含めて、情報
選出部２による仮のフィルタリング結果を作成し、この
上位にユーザー１が興味があると判定した情報２や情報
３がくるかを確認することができる。
報１〜情報５に対しては興味があるかないかの判定を行
っているので、これらを評価用のデータに含めて、情報
選出部２による仮のフィルタリング結果を作成し、この
上位にユーザー１が興味があると判定した情報２や情報
３がくるかを確認することができる。
【００５１】ユーザープロファイル評価部８は、個々の
ユーザープロファイルのフィルタリング精度を算出する
と、次にそのグループ化手法の平均的フィルタリング精
度を算出する（Ｓ１０３）。これは例えば前述の各ユー
ザープロファイルの適合率を平均するなどして算出すれ
ばよい。
ユーザープロファイルのフィルタリング精度を算出する
と、次にそのグループ化手法の平均的フィルタリング精
度を算出する（Ｓ１０３）。これは例えば前述の各ユー
ザープロファイルの適合率を平均するなどして算出すれ
ばよい。
【００５２】以上の処理を全てのグループ化手法に対し
て行い、最後に全グループ化手法のフィルタリング精度
を比較し、もっとも効果的と思われるグループ化手法を
採用し、これにより最終的なユーザークラスタを定める
（Ｓ１０４）。
て行い、最後に全グループ化手法のフィルタリング精度
を比較し、もっとも効果的と思われるグループ化手法を
採用し、これにより最終的なユーザークラスタを定める
（Ｓ１０４）。
【００５３】以上の流れを、図１１の具体例を用いて説
明する。この例では、図５およびユーザー１〜４の初期
ユーザープロファイルがそれぞれ図の上部に示されてい
る。これらの４人のユーザーに対して、例えば図７のよ
うなクラスター分析を行い、ユーザーグループが３の場
合および２の場合を採用することにより、図１１の２つ
の矢印で示されるように、ユーザーグループ群(2,4)
(1) (3) および(2,3,4)(1) をもとにした２とおりのグ
ループ化手法によるrelevance feedbackを行うことがで
きる。
明する。この例では、図５およびユーザー１〜４の初期
ユーザープロファイルがそれぞれ図の上部に示されてい
る。これらの４人のユーザーに対して、例えば図７のよ
うなクラスター分析を行い、ユーザーグループが３の場
合および２の場合を採用することにより、図１１の２つ
の矢印で示されるように、ユーザーグループ群(2,4)
(1) (3) および(2,3,4)(1) をもとにした２とおりのグ
ループ化手法によるrelevance feedbackを行うことがで
きる。
【００５４】これにより得られた修正後のユーザープロ
ファイルの概念的に表したものが図１１の中央に示され
ている。各長方形の上半分は、初期ユーザープロファイ
ルの時点で既にあった情報を表し、下半分は、relevanc
e feedbackにより新たに付加された情報の部分を表して
いる。
ファイルの概念的に表したものが図１１の中央に示され
ている。各長方形の上半分は、初期ユーザープロファイ
ルの時点で既にあった情報を表し、下半分は、relevanc
e feedbackにより新たに付加された情報の部分を表して
いる。
【００５５】ここで、修正されたユーザープロファイル
のうち左側のユーザー２，ユーザー４の下半分を同じ模
様で図示しているのは、グループ化手法１ではユーザー
１とユーザー２が同じユーザーグループに属するとみな
され、共通のrelevance feedbackが行われたことを表し
ている。右側のユーザ，３，４の下半分の模様が共通で
あるのも同様のことを表している。
のうち左側のユーザー２，ユーザー４の下半分を同じ模
様で図示しているのは、グループ化手法１ではユーザー
１とユーザー２が同じユーザーグループに属するとみな
され、共通のrelevance feedbackが行われたことを表し
ている。右側のユーザ，３，４の下半分の模様が共通で
あるのも同様のことを表している。
【００５６】この例では、グループ化手法１の平均的フ
ィルタリング精度は、図の左側の４つのユーザープロフ
ァイルのフィルタリング精度の平均により算出され、グ
ループ化手法２の平均的フィルタリング精度は右側の４
つの平均により算出される。そして、例えば前者が後者
よりも大きい場合、グループ化手法１のほうが最終的に
採用され、ユーザーグループ群は(2,4) (1) (3) と決定
される。
ィルタリング精度は、図の左側の４つのユーザープロフ
ァイルのフィルタリング精度の平均により算出され、グ
ループ化手法２の平均的フィルタリング精度は右側の４
つの平均により算出される。そして、例えば前者が後者
よりも大きい場合、グループ化手法１のほうが最終的に
採用され、ユーザーグループ群は(2,4) (1) (3) と決定
される。
【００５７】ユーザーをグループ化する場合、どのよう
な大きさのユーザーグループをいくつくらい作成すれば
よいのかを予め定めることが難しいが、本手法によれ
ば、個々のユーザーにとってrelevance feedbackの効果
が大きくなるように適切なグループ化を行うことができ
ると考えられる。
な大きさのユーザーグループをいくつくらい作成すれば
よいのかを予め定めることが難しいが、本手法によれ
ば、個々のユーザーにとってrelevance feedbackの効果
が大きくなるように適切なグループ化を行うことができ
ると考えられる。
【００５８】（記憶媒体の実施形態）本願発明は、専用
のハードウェアを用いずとも、汎用のプロセッサを用い
たソフトウェアによる処理で実現することができる。例
えば、図２，図４，図６，図８，図１０の処理はコンピ
ュータプログラムを用いて実現でき、これをフロッピー
ディスクやＣＤ−ＲＯＭなどの記録媒体を通じてコンピ
ュータに導入して実行させることにより、本願発明を実
施することができる。
のハードウェアを用いずとも、汎用のプロセッサを用い
たソフトウェアによる処理で実現することができる。例
えば、図２，図４，図６，図８，図１０の処理はコンピ
ュータプログラムを用いて実現でき、これをフロッピー
ディスクやＣＤ−ＲＯＭなどの記録媒体を通じてコンピ
ュータに導入して実行させることにより、本願発明を実
施することができる。
【００５９】
【発明の効果】このような本願発明により、ユーザー数
が増大しても、その中に共通の要求・興味をもったユー
ザーが存在する場合に、ユーザー毎ではなくユーザーグ
ループ毎にrelevance feedbackを行うことにより、フィ
ードバックの処理量が軽減され、かつ個々のユーザーか
ら見ても効果的なフィードバックを行うことができる。
が増大しても、その中に共通の要求・興味をもったユー
ザーが存在する場合に、ユーザー毎ではなくユーザーグ
ループ毎にrelevance feedbackを行うことにより、フィ
ードバックの処理量が軽減され、かつ個々のユーザーか
ら見ても効果的なフィードバックを行うことができる。
【００６０】また、複数のグループ化方法により様々な
ユーザーグループを定義し、これらに対してrelevance
feedbackを行った場合のフィルタリング精度を実際にテ
ストしてみることにより、relevance feedbackの観点か
ら効果的なユーザーグループを構成することができる。
ユーザーグループを定義し、これらに対してrelevance
feedbackを行った場合のフィルタリング精度を実際にテ
ストしてみることにより、relevance feedbackの観点か
ら効果的なユーザーグループを構成することができる。
【図１】本願発明の一実施形態である実施例１の構成を
示すブロック図。
示すブロック図。
【図２】本願発明の一実施形態である実施例１における
情報選出部の処理の流れの一例を示す図。
情報選出部の処理の流れの一例を示す図。
【図３】本願発明の一実施形態である実施例１における
ユーザープロファイルの表現例を示す図。
ユーザープロファイルの表現例を示す図。
【図４】本願発明の一実施形態である実施例１における
フィードバック情報収集部の処理の流れの一例を示す
図。
フィードバック情報収集部の処理の流れの一例を示す
図。
【図５】本願発明の一実施形態である実施例１における
各ユーザーのフィードバック情報の一例を示す図。
各ユーザーのフィードバック情報の一例を示す図。
【図６】本願発明の一実施形態である実施例１における
ユーザーグループ作成部の処理の流れの一例を示す図。
ユーザーグループ作成部の処理の流れの一例を示す図。
【図７】本願発明の一実施形態である実施例１における
ユーザーグループ作成方法の一例を示す図。
ユーザーグループ作成方法の一例を示す図。
【図８】本願発明の一実施形態である実施例１における
ユーザープロファイル修正部の処理の流れの一例を示す
図。
ユーザープロファイル修正部の処理の流れの一例を示す
図。
【図９】本願発明の一実施形態である実施例２の構成を
示すブロック図。
示すブロック図。
【図１０】本願発明の一実施形態である実施例２におけ
るユーザープロファイル評価部の処理の流れの一例を示
す図。
るユーザープロファイル評価部の処理の流れの一例を示
す図。
【図１１】本願発明の一実施形態である実施例２におけ
るグループ化手法の比較の流れの概念の一例を示す図。
るグループ化手法の比較の流れの概念の一例を示す図。
１…ユーザープロファイル格納部 ２…情報選出部 ３…情報提示部 ４…フィードバック情報収集部 ５…ユーザーグループ作成部 ６…ユーザープロファイル修正部 ７…情報データベース ８…ユーザープロファイル評価部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 住田 一男 神奈川県川崎市幸区小向東芝町１番地 株 式会社東芝研究開発センター内 Ｆターム(参考） 5B075 NR10 NR12 PR03 PR06 PR08 UU40
Claims (4)
- 【請求項１】ユーザーの要求・興味を表すユーザープロ
ファイルを格納するプロファイル格納手段と、 このプロファイル格納手段に格納されたユーザープロフ
ァイルに基づいてユーザーに配信すべき情報を、データ
ベースから選出する選出手段と、 この選出手段によって選出された情報に対する個々のユ
ーザーのフィードバック情報を収集するための収集手段
と、 この収集手段によって収集されたフィードバック情報に
基づいて、要求・興味の類似するユーザーを集めたユー
ザーグループを作成する作成手段と、 この作成手段で作成されたユーザーグループ毎のユーザ
ープロファイルを、前記収集手段によって収集されたフ
ィードバック情報をもとに修正するプロファイル修正手
段とを具備することを特徴とする情報フィルタリング装
置。 - 【請求項２】前記プロファイル修正手段によって修正さ
れたユーザープロファイルの精度を評価する評価手段を
さらに有し、 前記作成手段は、複数のユーザーグループ作成方法で、
複数のユーザーグループを作成し、前記評価手段によっ
て評価された最も精度の高いユーザプロファイルを持つ
ユーザーグループのユーザーグループ作成方法を採用す
ることにより最終的なユーザーグループを決定すること
を特徴とする請求項１記載の情報フィルタリング装置。 - 【請求項３】格納されたユーザーの要求・興味を表すユ
ーザープロファイルに基づいてユーザーに配信すべき情
報を、データベースから選出し、 この選出された情報に対する個々のユーザーのフィード
バック情報を収集し、 この収集されたフィードバック情報に基づいて、要求・
興味の類似するユーザーを集めたユーザーグループを作
成し、 この作成されたユーザーグループ毎のユーザープロファ
イルを、収集された前記フィードバック情報をもとに修
正することを特徴とする情報フィルタリング方法。 - 【請求項４】ユーザーの要求・興味を満たす情報を選出
して配信するプログラムをコンピュータに読み取り可能
なように記憶させた記憶媒体であって、 格納されたユーザーの要求・興味を表すユーザープロフ
ァイルに基づいてユーザーに配信すべき情報を、データ
ベースから選出し、 この選出された情報に対する個々のユーザーのフィード
バック情報を収集し、 この収集されたフィードバック情報に基づいて、要求・
興味の類似するユーザーを集めたユーザーグループを作
成し、 この作成されたユーザーグループ毎のユーザープロファ
イルを、収集された前記フィードバック情報をもとに修
正するプログラムを記憶した記憶媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27453998A JP3673093B2 (ja) | 1998-09-29 | 1998-09-29 | 情報フィルタリング装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27453998A JP3673093B2 (ja) | 1998-09-29 | 1998-09-29 | 情報フィルタリング装置 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005107994A Division JP2005267654A (ja) | 2005-04-04 | 2005-04-04 | 情報フィルタリング方法および記憶媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000105766A true JP2000105766A (ja) | 2000-04-11 |
| JP3673093B2 JP3673093B2 (ja) | 2005-07-20 |
Family
ID=17543129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27453998A Expired - Fee Related JP3673093B2 (ja) | 1998-09-29 | 1998-09-29 | 情報フィルタリング装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3673093B2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002279153A (ja) * | 2001-03-15 | 2002-09-27 | Just Syst Corp | ユーザ別統計情報演算装置およびユーザ別統計情報演算方法 |
| WO2003017137A1 (fr) * | 2001-08-21 | 2003-02-27 | Fujitsu Limited | Dispositif de gestion de profils d'utilisateurs et dispositif de recommandation |
| JP2004501462A (ja) * | 2000-06-20 | 2004-01-15 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | スマート電子機器のトークンに基づくパーソナル化 |
| US7620621B2 (en) | 2001-05-01 | 2009-11-17 | General Electric Company | Methods and system for providing context sensitive information |
| US7860945B2 (en) | 2001-05-29 | 2010-12-28 | Fujitsu Limited | Information and programming browse sharing method |
| WO2011049037A1 (ja) * | 2009-10-19 | 2011-04-28 | 日本電気株式会社 | 情報推薦システム、方法、及び、プログラム |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09153063A (ja) * | 1995-11-30 | 1997-06-10 | Toshiba Corp | 情報フィルタリング装置 |
| JPH10171837A (ja) * | 1996-12-06 | 1998-06-26 | Nec Corp | 個人向け情報提供システムおよび利用者情報管理方法 |
| JPH10187761A (ja) * | 1996-10-29 | 1998-07-21 | Matsushita Electric Ind Co Ltd | 情報検索装置 |
| JPH10222530A (ja) * | 1997-01-31 | 1998-08-21 | Nec Corp | 情報配信システム及び情報配信方法ならびにプログラムを記録した機械読み取り可能な記録媒体 |
-
1998
- 1998-09-29 JP JP27453998A patent/JP3673093B2/ja not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09153063A (ja) * | 1995-11-30 | 1997-06-10 | Toshiba Corp | 情報フィルタリング装置 |
| JPH10187761A (ja) * | 1996-10-29 | 1998-07-21 | Matsushita Electric Ind Co Ltd | 情報検索装置 |
| JPH10171837A (ja) * | 1996-12-06 | 1998-06-26 | Nec Corp | 個人向け情報提供システムおよび利用者情報管理方法 |
| JPH10222530A (ja) * | 1997-01-31 | 1998-08-21 | Nec Corp | 情報配信システム及び情報配信方法ならびにプログラムを記録した機械読み取り可能な記録媒体 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004501462A (ja) * | 2000-06-20 | 2004-01-15 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | スマート電子機器のトークンに基づくパーソナル化 |
| JP2002279153A (ja) * | 2001-03-15 | 2002-09-27 | Just Syst Corp | ユーザ別統計情報演算装置およびユーザ別統計情報演算方法 |
| US7620621B2 (en) | 2001-05-01 | 2009-11-17 | General Electric Company | Methods and system for providing context sensitive information |
| US7860945B2 (en) | 2001-05-29 | 2010-12-28 | Fujitsu Limited | Information and programming browse sharing method |
| WO2003017137A1 (fr) * | 2001-08-21 | 2003-02-27 | Fujitsu Limited | Dispositif de gestion de profils d'utilisateurs et dispositif de recommandation |
| WO2011049037A1 (ja) * | 2009-10-19 | 2011-04-28 | 日本電気株式会社 | 情報推薦システム、方法、及び、プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3673093B2 (ja) | 2005-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7154334B2 (ja) | ライブストリームコンテンツを推奨するための機械学習の使用 | |
| CN101673286B (zh) | 用于内容推荐的设备、方法 | |
| WO2017159403A1 (ja) | 予測システム、方法およびプログラム | |
| JP2005165632A (ja) | 情報処理装置および方法、プログラム、並びに、情報処理システムおよび方法 | |
| CN109299245B (zh) | 知识点召回的方法和装置 | |
| JP2007304647A (ja) | リクエスト種別プログラム、リクエスト種別装置およびリクエスト種別方法 | |
| JP2009140042A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| CN109903127A (zh) | 一种群组推荐方法、装置、存储介质及服务器 | |
| JP5368430B2 (ja) | 共通接辞を用いたキーワード順位を提供する方法およびシステム | |
| CN102163208A (zh) | 信息处理装置、方法和程序 | |
| CN116595398A (zh) | 基于元宇宙的资源智能匹配方法及相关装置 | |
| KR20180029509A (ko) | 사용자를 위한 항목을 추천하는 장치 및 방법 | |
| KR20170107868A (ko) | 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 | |
| JP3673093B2 (ja) | 情報フィルタリング装置 | |
| JP2004515837A (ja) | サーチプロファイルの比較方法 | |
| Ul Rahman et al. | Additive parameter for deep face recognition | |
| Fukumoto et al. | The efficiency of interactive differential evolution in creation of sound contents: In comparison with interactive genetic algorithm | |
| CN107886132A (zh) | 一种求解音乐流量预测的时间序列分解方法及系统 | |
| Maršík et al. | Evaluation of chord and chroma features and dynamic time warping scores on cover song identification task | |
| JP2005267654A (ja) | 情報フィルタリング方法および記憶媒体 | |
| CN108959387A (zh) | 信息获取方法及装置 | |
| CN108280511A (zh) | 一种基于卷积网络进行网络访问数据进行处理的方法 | |
| ALRossais | Integrating item based stereotypes in recommender systems | |
| JP2003016106A (ja) | 関連度値算出装置 | |
| JP2017182746A (ja) | 情報提供サーバ装置、プログラム及び情報提供方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041029 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20041203 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041224 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050201 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050404 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050419 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050421 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080428 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090428 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110428 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110428 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |