JP2002215665A - 情報推薦サーバー装置 - Google Patents
情報推薦サーバー装置Info
- Publication number
- JP2002215665A JP2002215665A JP2001008052A JP2001008052A JP2002215665A JP 2002215665 A JP2002215665 A JP 2002215665A JP 2001008052 A JP2001008052 A JP 2001008052A JP 2001008052 A JP2001008052 A JP 2001008052A JP 2002215665 A JP2002215665 A JP 2002215665A
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- profile
- document
- recommendation
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】Content-based Filteringの正確さはあるけれ
ども、同じ傾向のものを推薦しがちになるという欠点
と、協調フィルタリングの、単によく似た人が閲覧した
文書を内容を吟味せずに推薦するという漠然性の欠点を
補う情報推薦サーバー装置を提供することを課題とす
る。 【解決手段】ユーザーの嗜好を抽出するユーザープロフ
ァイル作成更新手段１５と、ユーザーの嗜好にあった情
報を選択する情報推薦手段１２と、ユーザーに提供する
情報である文書データと各文書データの内容を表現する
文書ベクトルデータを格納したコンテンツデータベース
２１と各ユーザーの嗜好情報を表すユーザープロファイ
ルを格納したユーザープロファイルデータベース２２
と、を備えてユーザーからの要求に応じて適切な情報を
推薦する情報推薦サーバー装置１０、により上記課題を
解決する。
ども、同じ傾向のものを推薦しがちになるという欠点
と、協調フィルタリングの、単によく似た人が閲覧した
文書を内容を吟味せずに推薦するという漠然性の欠点を
補う情報推薦サーバー装置を提供することを課題とす
る。 【解決手段】ユーザーの嗜好を抽出するユーザープロフ
ァイル作成更新手段１５と、ユーザーの嗜好にあった情
報を選択する情報推薦手段１２と、ユーザーに提供する
情報である文書データと各文書データの内容を表現する
文書ベクトルデータを格納したコンテンツデータベース
２１と各ユーザーの嗜好情報を表すユーザープロファイ
ルを格納したユーザープロファイルデータベース２２
と、を備えてユーザーからの要求に応じて適切な情報を
推薦する情報推薦サーバー装置１０、により上記課題を
解決する。
Description
【０００１】
【発明の属する技術分野】本発明は、情報を推薦する技
術およびその技術を利用した情報推薦サーバー装置に関
する。
術およびその技術を利用した情報推薦サーバー装置に関
する。
【０００２】
【従来技術】情報技術の発展とインターネットの普及に
伴い、情報源が増大する一方、本当に必要な情報を入手
することが困難になりつつある。このような状況を解決
するための情報技術の領域として情報フィルタリングが
ある。情報フィルタリングは、ユーザーの関心に従って
自動的に情報収集する技術を総称する。何らかの情報フ
ィルタリング技術を実装して、または利用して、ユーザ
ーに情報を提供する仕組みがリコメンデーションシステ
ムである。
伴い、情報源が増大する一方、本当に必要な情報を入手
することが困難になりつつある。このような状況を解決
するための情報技術の領域として情報フィルタリングが
ある。情報フィルタリングは、ユーザーの関心に従って
自動的に情報収集する技術を総称する。何らかの情報フ
ィルタリング技術を実装して、または利用して、ユーザ
ーに情報を提供する仕組みがリコメンデーションシステ
ムである。
【０００３】情報フィルタリングの方式には、情報の内
容に基づくフィルタリング（Content-based Filterin
g）、実社会の人間関系に基づくフィルタリング（Socia
l Filtering）、生産コストが高い情報は有用と判断す
るフィルタリング（Economic Filtering）、情報の重要
度を類似の関心を持つ他人がどう見たかに基づいて評価
する協調フィルタリング（Collaborative Filterin
g）、協調フィルタリングの一手法である他人の評価点
に基づくフィルタリング（Rating-based Filtering）な
どの手法がある。
容に基づくフィルタリング（Content-based Filterin
g）、実社会の人間関系に基づくフィルタリング（Socia
l Filtering）、生産コストが高い情報は有用と判断す
るフィルタリング（Economic Filtering）、情報の重要
度を類似の関心を持つ他人がどう見たかに基づいて評価
する協調フィルタリング（Collaborative Filterin
g）、協調フィルタリングの一手法である他人の評価点
に基づくフィルタリング（Rating-based Filtering）な
どの手法がある。
【０００４】Content-based Filteringでは、情報（文
書）を何か文書間の類似度を測る表現に変換し、その表
現形式上で定義される類似度によって情報をフィルタリ
ングする。つまり、ユーザーがある文書を閲覧したら、
次にその文書と類似した文書を推薦する。類似度を測る
表現として代表的なものは、その情報に含まれる重要単
語の重み付きリストである。Content-based Filtering
を用いたリコメンデーションシステムでは、対象文書か
らこの重要単語リストへの変換方法が、フィルタリング
の性能に大きく影響する。公知の技術であるTF/IDF法
は、この処理を行うための代表的手法である。Content-
based Filteringでは、同じ傾向のものだけが選択ある
いは推薦されるという欠点がある。
書）を何か文書間の類似度を測る表現に変換し、その表
現形式上で定義される類似度によって情報をフィルタリ
ングする。つまり、ユーザーがある文書を閲覧したら、
次にその文書と類似した文書を推薦する。類似度を測る
表現として代表的なものは、その情報に含まれる重要単
語の重み付きリストである。Content-based Filtering
を用いたリコメンデーションシステムでは、対象文書か
らこの重要単語リストへの変換方法が、フィルタリング
の性能に大きく影響する。公知の技術であるTF/IDF法
は、この処理を行うための代表的手法である。Content-
based Filteringでは、同じ傾向のものだけが選択ある
いは推薦されるという欠点がある。
【０００５】Rating-based Filteringは、協調フィルタ
リングの一手法であるが、ユーザーが閲覧した情報に対
していちいち評価点を与える必要があるので、ユーザー
に負荷がかかるため、その文書を閲覧した全てのユーザ
ーが評価点を与えるとはいえないという問題点がある。
そこで、ユーザーに負荷をかけない協調フィルタリング
手法として、ユーザーのアクセス履歴を用いる方法が登
場してきた。この方法は、ユーザーがアクセスした文書
等の履歴を解析して、ユーザーごとのプロファイルを作
成更新し、ユーザープロファイルの比較から自分に似た
人を選択して、その人が最近閲覧した情報を推薦する方
法であり、最近多用されている。しかしこの方法は、似
ているとシステムが判断した人が閲覧した情報を内容を
吟味せずに推薦する（選択する）だけなので、内容の正
確さは期待できないという問題点がある。
リングの一手法であるが、ユーザーが閲覧した情報に対
していちいち評価点を与える必要があるので、ユーザー
に負荷がかかるため、その文書を閲覧した全てのユーザ
ーが評価点を与えるとはいえないという問題点がある。
そこで、ユーザーに負荷をかけない協調フィルタリング
手法として、ユーザーのアクセス履歴を用いる方法が登
場してきた。この方法は、ユーザーがアクセスした文書
等の履歴を解析して、ユーザーごとのプロファイルを作
成更新し、ユーザープロファイルの比較から自分に似た
人を選択して、その人が最近閲覧した情報を推薦する方
法であり、最近多用されている。しかしこの方法は、似
ているとシステムが判断した人が閲覧した情報を内容を
吟味せずに推薦する（選択する）だけなので、内容の正
確さは期待できないという問題点がある。
【０００６】
【発明が解決しようとする課題】本発明は以上のような
問題点を考慮してなされたものであり、Content-basedF
ilteringの正確さはあるけれども、同じ傾向のものを推
薦しがちになるという欠点と、協調フィルタリングの、
単によく似た人が閲覧した文書を内容を吟味せずに推薦
するという漠然性の欠点を補う情報フィルタリング技
術、及びそれを利用したリコメンデーションシステムの
具体形である情報推薦サーバー装置を提供することを課
題とする。
問題点を考慮してなされたものであり、Content-basedF
ilteringの正確さはあるけれども、同じ傾向のものを推
薦しがちになるという欠点と、協調フィルタリングの、
単によく似た人が閲覧した文書を内容を吟味せずに推薦
するという漠然性の欠点を補う情報フィルタリング技
術、及びそれを利用したリコメンデーションシステムの
具体形である情報推薦サーバー装置を提供することを課
題とする。
【０００７】
【課題を解決するための手段】上記課題を解決するため
の本発明の第１の態様は、ユーザーがアクセスした文書
の文書ベクトルに基づいてユーザーの嗜好を抽出し更新
するユーザープロファイル作成更新手段と、ユーザーの
嗜好にあった情報を選択する情報推薦手段と、ユーザー
に提供する情報である文書データと各文書データの内容
を表現する文書ベクトルデータを格納したコンテンツデ
ータベースと各ユーザーの嗜好情報を表すユーザープロ
ファイルを格納したユーザープロファイルデータベース
と、を備えてユーザーからの要求に応じて適切な情報を
推薦する情報推薦サーバー装置である。
の本発明の第１の態様は、ユーザーがアクセスした文書
の文書ベクトルに基づいてユーザーの嗜好を抽出し更新
するユーザープロファイル作成更新手段と、ユーザーの
嗜好にあった情報を選択する情報推薦手段と、ユーザー
に提供する情報である文書データと各文書データの内容
を表現する文書ベクトルデータを格納したコンテンツデ
ータベースと各ユーザーの嗜好情報を表すユーザープロ
ファイルを格納したユーザープロファイルデータベース
と、を備えてユーザーからの要求に応じて適切な情報を
推薦する情報推薦サーバー装置である。
【０００８】本発明のより好ましい第２の態様は、前記
第１の態様の情報推薦サーバー装置において、前記情報
推薦手段は、ユーザープロファイルを比較することによ
り、対象とするユーザーに最も良く似た嗜好を持つ協調
ユーザーを選定し、協調ユーザーの保有するいずれかの
ユーザープロファイルから推薦用プロファイルを１つ選
択し、コンテンツデータベースをこの推薦用プロファイ
ルによって類似検索することによって対象ユーザーに推
薦するコンテンツを選択するものである。
第１の態様の情報推薦サーバー装置において、前記情報
推薦手段は、ユーザープロファイルを比較することによ
り、対象とするユーザーに最も良く似た嗜好を持つ協調
ユーザーを選定し、協調ユーザーの保有するいずれかの
ユーザープロファイルから推薦用プロファイルを１つ選
択し、コンテンツデータベースをこの推薦用プロファイ
ルによって類似検索することによって対象ユーザーに推
薦するコンテンツを選択するものである。
【０００９】第２の態様の情報推薦サーバー装置によれ
ば、協調ユーザーのユーザープロファイルから選んだ推
薦用プロファイルによって、推薦用プロファイルと類似
度の大きい文書ベクトルを持つ文書を選択することがで
きるので、協調ユーザーが閲覧した文書を内容を吟味せ
ずに推薦するという従来の協調フィルタリング方式の欠
点を回避することが期待できる。
ば、協調ユーザーのユーザープロファイルから選んだ推
薦用プロファイルによって、推薦用プロファイルと類似
度の大きい文書ベクトルを持つ文書を選択することがで
きるので、協調ユーザーが閲覧した文書を内容を吟味せ
ずに推薦するという従来の協調フィルタリング方式の欠
点を回避することが期待できる。
【００１０】また、本発明の好適な第３の態様は、前記
第１の態様の情報推薦サーバー装置において、前記情報
推薦手段は、ユーザープロファイルを比較することによ
り、対象とするユーザーに最も良く似た嗜好を持つ協調
ユーザーを選定し、協調ユーザーの保有するユーザープ
ロファイルのうち、対象ユーザーの保有するユーザープ
ロファイルと最も類似度の小さいプロファイルを推薦用
プロファイルとして選択し、コンテンツデータベースを
この推薦用プロファイルによって類似検索することによ
って対象ユーザーに推薦するコンテンツを選択するもの
である。
第１の態様の情報推薦サーバー装置において、前記情報
推薦手段は、ユーザープロファイルを比較することによ
り、対象とするユーザーに最も良く似た嗜好を持つ協調
ユーザーを選定し、協調ユーザーの保有するユーザープ
ロファイルのうち、対象ユーザーの保有するユーザープ
ロファイルと最も類似度の小さいプロファイルを推薦用
プロファイルとして選択し、コンテンツデータベースを
この推薦用プロファイルによって類似検索することによ
って対象ユーザーに推薦するコンテンツを選択するもの
である。
【００１１】第３の態様の情報推薦サーバー装置によれ
ば、同じ傾向のものばかり推薦してしまうというリコメ
ンデーションシステムにありがちな欠点を回避すること
が期待できる。しかも、第３の態様の情報推薦サーバー
装置では、対象ユーザーと全体として良く似た傾向を持
つユーザーのプロファイルに基づいているので、これま
でと異なる傾向の情報ではあるが、対象ユーザーの関心
が高い情報を推薦できる可能性が、全くでたらめに情報
を推薦する場合と比較して高い。
ば、同じ傾向のものばかり推薦してしまうというリコメ
ンデーションシステムにありがちな欠点を回避すること
が期待できる。しかも、第３の態様の情報推薦サーバー
装置では、対象ユーザーと全体として良く似た傾向を持
つユーザーのプロファイルに基づいているので、これま
でと異なる傾向の情報ではあるが、対象ユーザーの関心
が高い情報を推薦できる可能性が、全くでたらめに情報
を推薦する場合と比較して高い。
【００１２】
【発明の実施の形態】以下図面を参照しながら、本発明
の実施形態を説明する。図１は、本発明の好適な一実施
形態である情報推薦装置１の全体構成図である。１０は
情報推薦サーバーである。情報推薦サーバー１０は、情
報配信手段１１、情報推薦手段１２、文書ベクトル作成
手段１３、ユーザープロファイル作成更新手段１５を備
える。２１はコンテンツデータベースであり文書データ
２１１と各文書データの文書ベクトル２１２を収納して
いる。２２はユーザープロファイルデータベースであ
り、各ユーザーの登録情報のほか、ユーザーがこの情報
推薦装置１を利用するにしたがって形成されるユーザー
プロファイルデータ２２２を記録管理する。コンテンツ
データベース２１およびユーザープロファイルデータベ
ース２２は情報推薦サーバー１０に内蔵されるかまたは
接続されるハードディスク装置上に記録される。
の実施形態を説明する。図１は、本発明の好適な一実施
形態である情報推薦装置１の全体構成図である。１０は
情報推薦サーバーである。情報推薦サーバー１０は、情
報配信手段１１、情報推薦手段１２、文書ベクトル作成
手段１３、ユーザープロファイル作成更新手段１５を備
える。２１はコンテンツデータベースであり文書データ
２１１と各文書データの文書ベクトル２１２を収納して
いる。２２はユーザープロファイルデータベースであ
り、各ユーザーの登録情報のほか、ユーザーがこの情報
推薦装置１を利用するにしたがって形成されるユーザー
プロファイルデータ２２２を記録管理する。コンテンツ
データベース２１およびユーザープロファイルデータベ
ース２２は情報推薦サーバー１０に内蔵されるかまたは
接続されるハードディスク装置上に記録される。
【００１３】情報推薦サーバー１０はネットワーク９を
介してユーザーのコンピュータ３０に情報を提供する。
情報推薦装置１は、World Wide Web（ＷＷＷ）の技術を
用いて構築することができる。この場合、コンテンツで
ある文書データはＨＴＭＬ（HyperText Markup Languag
e）等で記述し、情報配信手段１１として、ＨＴＴＰ（H
yperText Transfer Protocol）サーバーとして動作する
ＷＷＷサーバーソフトウエアを使用し、中継網９はネッ
トワーク層レベルでＩＰ（Internet Protocol）のパケ
ットが行き来できるネットワークとする。ＷＷＷブラウ
ザソフトウエアが搭載されたユーザーコンピュータ３０
によりストレージ２１に格納されているコンテンツを閲
覧することができる。
介してユーザーのコンピュータ３０に情報を提供する。
情報推薦装置１は、World Wide Web（ＷＷＷ）の技術を
用いて構築することができる。この場合、コンテンツで
ある文書データはＨＴＭＬ（HyperText Markup Languag
e）等で記述し、情報配信手段１１として、ＨＴＴＰ（H
yperText Transfer Protocol）サーバーとして動作する
ＷＷＷサーバーソフトウエアを使用し、中継網９はネッ
トワーク層レベルでＩＰ（Internet Protocol）のパケ
ットが行き来できるネットワークとする。ＷＷＷブラウ
ザソフトウエアが搭載されたユーザーコンピュータ３０
によりストレージ２１に格納されているコンテンツを閲
覧することができる。
【００１４】文書ベクトル作成手段１３は、コンテンツ
データベース２１に登録されている個々の文書の内容を
表現する文書ベクトルを作成更新する。文書ベクトル
は、情報を推薦する際に、ある文書またはあるクエリー
と近い内容の文書を選択する時に参照されるもので、そ
の文書に含まれる単語（重要単語）の重み付きリストで
ある。また文書ベクトルは、後述するように、ユーザー
プロファイルを作成更新する際にも参照される。
データベース２１に登録されている個々の文書の内容を
表現する文書ベクトルを作成更新する。文書ベクトル
は、情報を推薦する際に、ある文書またはあるクエリー
と近い内容の文書を選択する時に参照されるもので、そ
の文書に含まれる単語（重要単語）の重み付きリストで
ある。また文書ベクトルは、後述するように、ユーザー
プロファイルを作成更新する際にも参照される。
【００１５】ある文書Ｄ1の文書ベクトルは、例えば、 Ｄ1＝（遺伝（0.6）、ゲノム（0.5）、DNA（0.3）、・
・ ） などと表現される。ここで、「遺伝」、「ゲノム」、
「DNA」、等がその文書の内容を表す単語であり、()の
中の数字はその単語の重み(重要度)を表す。重要単語
数、すなわち、文書ベクトルの次元数は、Ｌとして決め
られている。文書に含まれる単語は、公知技術である形
態素解析により、文書を構成する個々の文を品詞毎に分
解し、名詞と固有名詞を切出すことにより得られる。こ
のようにして得た用語（名詞、固有名詞）の重要度は、
例えば公知の技術であるTF/IDF法を用いて、数１で表さ
れるある文書ベクトルDiに関して、数２のような計算式
で定められる。結局、対象文書を形態素解析した結果得
られた単語を数２により重み付けし、重要度の高い順に
降順にソートして、上からＬ個までの単語で文書ベクト
ルが決められる。TF/IDF法が使用される場合は、新しい
文書データがコンテンツデータベース２１に登録される
度に、文書ベクトル作成手段１３が起動され、全ての文
書の文書ベクトルを作成・更新する。
・ ） などと表現される。ここで、「遺伝」、「ゲノム」、
「DNA」、等がその文書の内容を表す単語であり、()の
中の数字はその単語の重み(重要度)を表す。重要単語
数、すなわち、文書ベクトルの次元数は、Ｌとして決め
られている。文書に含まれる単語は、公知技術である形
態素解析により、文書を構成する個々の文を品詞毎に分
解し、名詞と固有名詞を切出すことにより得られる。こ
のようにして得た用語（名詞、固有名詞）の重要度は、
例えば公知の技術であるTF/IDF法を用いて、数１で表さ
れるある文書ベクトルDiに関して、数２のような計算式
で定められる。結局、対象文書を形態素解析した結果得
られた単語を数２により重み付けし、重要度の高い順に
降順にソートして、上からＬ個までの単語で文書ベクト
ルが決められる。TF/IDF法が使用される場合は、新しい
文書データがコンテンツデータベース２１に登録される
度に、文書ベクトル作成手段１３が起動され、全ての文
書の文書ベクトルを作成・更新する。
【数１】
【数２】
【００１６】ユーザープロファイル作成更新手段１５
は、ユーザーが情報推薦装置１を利用する１回のセッシ
ョンが終了した時にユーザープロファイルを作成・更新
する。ユーザープロファイルは、ユーザーがアクセスし
た文書の文書ベクトルに基づいて作成更新される。ユー
ザープロファイルを作成・更新する方法は様々なものが
可能であるが、以下に一例を示す。
は、ユーザーが情報推薦装置１を利用する１回のセッシ
ョンが終了した時にユーザープロファイルを作成・更新
する。ユーザープロファイルは、ユーザーがアクセスし
た文書の文書ベクトルに基づいて作成更新される。ユー
ザープロファイルを作成・更新する方法は様々なものが
可能であるが、以下に一例を示す。
【００１７】ユーザーＸが情報推薦装置１を利用する１
回のセッションで文書Ｄ1、Ｄ2をアクセスしたとする。
それぞれの文書の文書ベクトルが、 Ｄ1＝（遺伝（0.6）、ゲノム（0.5）、DNA（0.3）、・
・ ） Ｄ2＝（DNA（0.4）、ゲノム（0.3）、RNA（0.2）、・・
） の場合、ユーザーＸのその時のセッションプロファイル
は、 SP＝（遺伝（0.6）、ゲノム（0.5）、 DNA （0.4）、RN
A（0.2）、・・ ） となる。アクセスした文書ベクトルからセッションプロ
ファイルを構成する方法は様々に可能であるが、上の例
は、下記の「マージ規則１」を適用した場合である。マ
ージ規則１： １）閲覧した文書の文書ベクトルに現れる各単語の重要
度の最大値をセッションプロフ ァイルのその単語の
重要度とする（文書ベクトルに存在しない単語の重要度
は零と 考える）。 ２）単語を重要度の大きい順に並ベ、上から２Ｌ個まで
を選択し、それ以下の単語は捨 てる（セッションプ
ロファイルをベクトルとしてみた場合の次元数は２
Ｌ）。尚、ユーザーが文書を新しくアクセスする度にユ
ーザープロファイルの更新を行ってもよい。その場合は
新しくアクセスした文書の文書ベクトルをセッションプ
ロファイルSPとすればよい（この場合SPの後半Ｌ個の要
素は零となる）。
回のセッションで文書Ｄ1、Ｄ2をアクセスしたとする。
それぞれの文書の文書ベクトルが、 Ｄ1＝（遺伝（0.6）、ゲノム（0.5）、DNA（0.3）、・
・ ） Ｄ2＝（DNA（0.4）、ゲノム（0.3）、RNA（0.2）、・・
） の場合、ユーザーＸのその時のセッションプロファイル
は、 SP＝（遺伝（0.6）、ゲノム（0.5）、 DNA （0.4）、RN
A（0.2）、・・ ） となる。アクセスした文書ベクトルからセッションプロ
ファイルを構成する方法は様々に可能であるが、上の例
は、下記の「マージ規則１」を適用した場合である。マ
ージ規則１： １）閲覧した文書の文書ベクトルに現れる各単語の重要
度の最大値をセッションプロフ ァイルのその単語の
重要度とする（文書ベクトルに存在しない単語の重要度
は零と 考える）。 ２）単語を重要度の大きい順に並ベ、上から２Ｌ個まで
を選択し、それ以下の単語は捨 てる（セッションプ
ロファイルをベクトルとしてみた場合の次元数は２
Ｌ）。尚、ユーザーが文書を新しくアクセスする度にユ
ーザープロファイルの更新を行ってもよい。その場合は
新しくアクセスした文書の文書ベクトルをセッションプ
ロファイルSPとすればよい（この場合SPの後半Ｌ個の要
素は零となる）。
【００１８】ここで、どのような時に文書を「アクセス
した」ことになるのかは、情報推薦装置１を応用したア
プリケーションによって違ってくるということに注意し
ておく。例えば、単なる情報提供サイトである場合に
は、文字どおり、文書を単に閲覧した時がアクセスした
時となろう。あるいは、有料コンテンツの販売サイトで
ある場合には、ユーザーが実際に購入した場合に限り、
その文書（有料コンテンツ）の文書ベクトルを上記セッ
ションプロファイル設定の対象としてもよい。以下、こ
のSPに基づいてユーザープロファイルを更新する手順を
述べる。
した」ことになるのかは、情報推薦装置１を応用したア
プリケーションによって違ってくるということに注意し
ておく。例えば、単なる情報提供サイトである場合に
は、文字どおり、文書を単に閲覧した時がアクセスした
時となろう。あるいは、有料コンテンツの販売サイトで
ある場合には、ユーザーが実際に購入した場合に限り、
その文書（有料コンテンツ）の文書ベクトルを上記セッ
ションプロファイル設定の対象としてもよい。以下、こ
のSPに基づいてユーザープロファイルを更新する手順を
述べる。
【００１９】（ユーザープロファイルが１種類だけの場
合）ユーザーＸのユーザープロファイルが、存在しない
場合は、セッションプロファイルをユーザーＸのユーザ
ープロファイルとする。ユーザーＸのユーザープロファ
イルが、存在する場合は、既存のユーザープロファイル
とセッションプロファイルを、先のマージ規則１と同様
な考え方でマージしたものを更新されたユーザープロフ
ァイルとする。
合）ユーザーＸのユーザープロファイルが、存在しない
場合は、セッションプロファイルをユーザーＸのユーザ
ープロファイルとする。ユーザーＸのユーザープロファ
イルが、存在する場合は、既存のユーザープロファイル
とセッションプロファイルを、先のマージ規則１と同様
な考え方でマージしたものを更新されたユーザープロフ
ァイルとする。
【００２０】次に、プロファイルの類似度評価について
説明する。情報フィルタリングのアプリケーションで
は、文書ベクトルと文書ベクトルまたはクエリーと文書
ベクトルまたはユーザープロファイルとユーザープロフ
ァイルの間の類似度を評価する必要がたびたび生じる。
ここで、クエリーとは、情報を検索する時に与える文書
ベクトルと同様な構造のデータである。数３は、このよ
うなベクトル間の類似度を求める計算式である。類似度
Simを求めることは二つのベクトルの内積を求めること
と同じである。これは直感的にも当たり前のことである
が。当然ながら、２つのベクトルの間で共通の単語が全
く存在しない場合の類似度Simは零である。
説明する。情報フィルタリングのアプリケーションで
は、文書ベクトルと文書ベクトルまたはクエリーと文書
ベクトルまたはユーザープロファイルとユーザープロフ
ァイルの間の類似度を評価する必要がたびたび生じる。
ここで、クエリーとは、情報を検索する時に与える文書
ベクトルと同様な構造のデータである。数３は、このよ
うなベクトル間の類似度を求める計算式である。類似度
Simを求めることは二つのベクトルの内積を求めること
と同じである。これは直感的にも当たり前のことである
が。当然ながら、２つのベクトルの間で共通の単語が全
く存在しない場合の類似度Simは零である。
【数３】
【００２１】情報推薦装置を利用するユーザーは、長い
時間間隔で見れば、複数の異なる目的を持って情報推薦
装置を利用すると考える方が自然である。ユーザープロ
ファイルが各ユーザーに１つだけであると、異なる目的
で閲覧した文書から１つのプロファイルを作ることにな
るので、リコメンデーションの精度が悪くなる。これを
解決するために、一ユーザーに複数のプロファイルを認
める方が望ましい。
時間間隔で見れば、複数の異なる目的を持って情報推薦
装置を利用すると考える方が自然である。ユーザープロ
ファイルが各ユーザーに１つだけであると、異なる目的
で閲覧した文書から１つのプロファイルを作ることにな
るので、リコメンデーションの精度が悪くなる。これを
解決するために、一ユーザーに複数のプロファイルを認
める方が望ましい。
【００２２】１ユーザーに複数のプロファイルを認める
考え方も２通りある。一つは、提供するコンテンツを最
初からジャンル分けしておき、各ユーザーのプロファイ
ルをこのジャンル毎に１つ持たせるやり方である。例え
ば、Ｅコマースサイトであれば、提供する商品ジャンル
毎に、例えば、電気製品、パソコン関連製品、日用雑
貨、スポーツ・アウトドア用品などとジャンル分けし、
ユーザーの閲覧した文書を上記ジャンル毎に分けてそれ
ぞれでユーザープロファイルの作成更新を行う方法が考
えられる。コンテンツのジャンル分けは、コンテンツデ
ータベース管理者が人為的に行う場合と、そうではなく
て、コンテンツとしての文書データの文書ベクトルを計
算する時に、予め設定しておいた分野別標準ベクトルと
の類似度を計算させて最も類似度の大きい分野に設定す
る場合とがある。提供する情報の内容や情報提供サイト
の目的によって相応しい方を選択すればよい。
考え方も２通りある。一つは、提供するコンテンツを最
初からジャンル分けしておき、各ユーザーのプロファイ
ルをこのジャンル毎に１つ持たせるやり方である。例え
ば、Ｅコマースサイトであれば、提供する商品ジャンル
毎に、例えば、電気製品、パソコン関連製品、日用雑
貨、スポーツ・アウトドア用品などとジャンル分けし、
ユーザーの閲覧した文書を上記ジャンル毎に分けてそれ
ぞれでユーザープロファイルの作成更新を行う方法が考
えられる。コンテンツのジャンル分けは、コンテンツデ
ータベース管理者が人為的に行う場合と、そうではなく
て、コンテンツとしての文書データの文書ベクトルを計
算する時に、予め設定しておいた分野別標準ベクトルと
の類似度を計算させて最も類似度の大きい分野に設定す
る場合とがある。提供する情報の内容や情報提供サイト
の目的によって相応しい方を選択すればよい。
【００２３】他方は、コンテンツのジャンル分けを前提
とせずに１ユーザーに複数のプロファイルを認めるやり
方である。この時は、セッションプロファイルと既存の
ユーザープロファイル（複数存在する）の類似度を数３
により求めて、類似度がある閾値より大きい場合のみそ
のプロファイルとマージを行う。既存のどのプロファイ
ルと比較してもマージできない場合は、そのセッション
プロファイルを新しいユーザープロファイルとして登録
する。
とせずに１ユーザーに複数のプロファイルを認めるやり
方である。この時は、セッションプロファイルと既存の
ユーザープロファイル（複数存在する）の類似度を数３
により求めて、類似度がある閾値より大きい場合のみそ
のプロファイルとマージを行う。既存のどのプロファイ
ルと比較してもマージできない場合は、そのセッション
プロファイルを新しいユーザープロファイルとして登録
する。
【００２４】（ユーザープロファイルの分野が固定され
ていない場合）次に、情報推薦手段１２の動作を説明す
る。まず、コンテンツのジャンル分けをせずに１ユーザ
ーに複数のプロファイルを認める場合の情報推薦手段１
２の動作を、図３から図５の図と図６のフローチャート
を用いて述べる。
ていない場合）次に、情報推薦手段１２の動作を説明す
る。まず、コンテンツのジャンル分けをせずに１ユーザ
ーに複数のプロファイルを認める場合の情報推薦手段１
２の動作を、図３から図５の図と図６のフローチャート
を用いて述べる。
【００２５】３人のユーザーがいて、それぞれ図２のよ
うにユーザープロファイルを持っていたとする。図２に
よると、ユーザーＡは３つのプロファイルＰ１，Ｐ２，
Ｐ３を持ち、ユーザーＢはＰ４を一つだけ持ち、ユーザ
ーＣはＰ５とＰ６の２個のプロファイルを持つとする。
ここで、ユーザーＣに対して情報推薦処理を行うために
情報推薦手段１２が起動されたものと仮定する。
うにユーザープロファイルを持っていたとする。図２に
よると、ユーザーＡは３つのプロファイルＰ１，Ｐ２，
Ｐ３を持ち、ユーザーＢはＰ４を一つだけ持ち、ユーザ
ーＣはＰ５とＰ６の２個のプロファイルを持つとする。
ここで、ユーザーＣに対して情報推薦処理を行うために
情報推薦手段１２が起動されたものと仮定する。
【００２６】すると、まず、ユーザーＣが保持している
Ｐ５とＰ６のそれぞれのプロファイルに関して他のユー
ザーのプロファイルとの類似度を数３により計算する
（Ｓ１００）。図３は、プロファイルＰ５に対する各プ
ロファイルの類似度を計算して、類似度の大きい順にリ
ストしたものである。図４は、同様に、プロファイルＰ
６に対する各プロファイルの類似度を計算して、類似度
の大きい順にリストしたものである。
Ｐ５とＰ６のそれぞれのプロファイルに関して他のユー
ザーのプロファイルとの類似度を数３により計算する
（Ｓ１００）。図３は、プロファイルＰ５に対する各プ
ロファイルの類似度を計算して、類似度の大きい順にリ
ストしたものである。図４は、同様に、プロファイルＰ
６に対する各プロファイルの類似度を計算して、類似度
の大きい順にリストしたものである。
【００２７】次に、上記類似度の値をユーザー毎に加え
てユーザーのスコアを計算する。最もスコアの高いユー
ザーが類似ユーザーということになる（Ｓ１０４）。図
３、図４の例では、図５のように、ユーザーＡのスコア
が0.55でユーザーＢのスコア0.50より大きいのでユーザ
ーＡが協調ユーザと決定される。
てユーザーのスコアを計算する。最もスコアの高いユー
ザーが類似ユーザーということになる（Ｓ１０４）。図
３、図４の例では、図５のように、ユーザーＡのスコア
が0.55でユーザーＢのスコア0.50より大きいのでユーザ
ーＡが協調ユーザと決定される。
【００２８】次に協調ユーザーＡのプロファイルから情
報推薦用のプロファイルを選択する（Ｓ１０８）。この
場合、協調ユーザーＡのプロファイルから任意に１つ選
んでもよいし、ユーザーＣのプロファイルＰ５またはＰ
６と最も類似していないプロファイルを選択してもよ
い。後者の場合はＰ２が推薦用プロファイルとして選択
される。
報推薦用のプロファイルを選択する（Ｓ１０８）。この
場合、協調ユーザーＡのプロファイルから任意に１つ選
んでもよいし、ユーザーＣのプロファイルＰ５またはＰ
６と最も類似していないプロファイルを選択してもよ
い。後者の場合はＰ２が推薦用プロファイルとして選択
される。
【００２９】最後に、選択した推薦用プロファイルによ
りコンテンツを推薦する（Ｓ１１２）。すなわち、推薦
用プロファイルとコンテンツデータベース中の全ての文
書ベクトルデータの類似度を数３により計算して、最も
類似度の高い順に文書をリストアップする。この処理を
類似度検索と呼ぶ。通常、類似度検索された文書のトッ
プを推薦する。
りコンテンツを推薦する（Ｓ１１２）。すなわち、推薦
用プロファイルとコンテンツデータベース中の全ての文
書ベクトルデータの類似度を数３により計算して、最も
類似度の高い順に文書をリストアップする。この処理を
類似度検索と呼ぶ。通常、類似度検索された文書のトッ
プを推薦する。
【００３０】（ユーザープロファイルの分野が固定され
ている場合）次に、ユーザープロファイルの分野が固定
されている場合の情報推薦手段１２の動作を図６のフロ
ーチャートに従って説明する。例えば、４つの分野「電
気製品」「パソコン」「雑貨」「スポーツ」が予め決ま
っているものとし、各ユーザーにはシステムの利用につ
れて、この４つの分野のユーザープロファイルが各分野
に１つずつ作成更新されるものとする。ここで、ユーザ
ーＣに対して情報推薦する場合は、各分野毎に、ユーザ
ーＣのプロファイルと対応する他のユーザーのプロファ
イルの類似度を数３により計算する。プロファイルがま
だ作成されていない場合は類似度を零とする（Ｓ１０
２）。この結果を例示したのが図７の表である。
ている場合）次に、ユーザープロファイルの分野が固定
されている場合の情報推薦手段１２の動作を図６のフロ
ーチャートに従って説明する。例えば、４つの分野「電
気製品」「パソコン」「雑貨」「スポーツ」が予め決ま
っているものとし、各ユーザーにはシステムの利用につ
れて、この４つの分野のユーザープロファイルが各分野
に１つずつ作成更新されるものとする。ここで、ユーザ
ーＣに対して情報推薦する場合は、各分野毎に、ユーザ
ーＣのプロファイルと対応する他のユーザーのプロファ
イルの類似度を数３により計算する。プロファイルがま
だ作成されていない場合は類似度を零とする（Ｓ１０
２）。この結果を例示したのが図７の表である。
【００３１】次にユーザー毎に求めた類似度スコアを評
価して協調ユーザーを決定する（Ｓ１０６）。ユーザー
Ｃに全体として傾向が似た人を選択するために、ユーザ
ーＣがユーザープロファイルを保有している分野に関し
てユーザー毎に分野別類似度を加えて、正規化する。図
７の場合では、 ユーザーＡについては、（0.9+0.4+0.8）/3 = 0.7 ユーザーBについては、（0.4+0+0）/3 = 0.13 となりユーザーＡが協調ユーザーとして決定される。除
数の３は、ユーザーＣがプロファイルを保有している分
野が３つあるからである。
価して協調ユーザーを決定する（Ｓ１０６）。ユーザー
Ｃに全体として傾向が似た人を選択するために、ユーザ
ーＣがユーザープロファイルを保有している分野に関し
てユーザー毎に分野別類似度を加えて、正規化する。図
７の場合では、 ユーザーＡについては、（0.9+0.4+0.8）/3 = 0.7 ユーザーBについては、（0.4+0+0）/3 = 0.13 となりユーザーＡが協調ユーザーとして決定される。除
数の３は、ユーザーＣがプロファイルを保有している分
野が３つあるからである。
【００３２】協調ユーザーＡのプロファイルから推薦用
のプロファイルを選択する（Ｓ１１０）。協調ユーザー
に存在して、ユーザーＣに存在しない分野のプロファイ
ルがある場合には、その分野の協調ユーザーのプロファ
イルを推薦用プロファイルとする。どの分野のプロファ
イルも両者が保有している場合は、最も類似度が小さい
分野の協調ユーザーのプロファイルを推薦用プロファイ
ルとする。
のプロファイルを選択する（Ｓ１１０）。協調ユーザー
に存在して、ユーザーＣに存在しない分野のプロファイ
ルがある場合には、その分野の協調ユーザーのプロファ
イルを推薦用プロファイルとする。どの分野のプロファ
イルも両者が保有している場合は、最も類似度が小さい
分野の協調ユーザーのプロファイルを推薦用プロファイ
ルとする。
【００３３】そして、選択された推薦用プロファイルを
利用して類似度検索を行いコンテンツを推薦する（Ｓ１
１２）。
利用して類似度検索を行いコンテンツを推薦する（Ｓ１
１２）。
【００３４】以上、本発明の好適な実施形態である情報
推薦サーバー装置１を説明した。情報推薦サーバー装置
１を利用すれば、ユーザーを退屈させずにユーザーの嗜
好に応じて最適な情報案内を行う、有料または無料の情
報提供サービスや、有料のコンテンツ販売（配信）サー
ビスを構築することができる。従って例えば、ユーザー
がコンテンツを購入するたびにその購入したコンテンツ
の文書ベクトルによってユーザーのプロファイルを更新
させて、さらにユーザーが購入する可能性の高いコンテ
ンツを案内させるようなサービスを実現することが可能
となる。
推薦サーバー装置１を説明した。情報推薦サーバー装置
１を利用すれば、ユーザーを退屈させずにユーザーの嗜
好に応じて最適な情報案内を行う、有料または無料の情
報提供サービスや、有料のコンテンツ販売（配信）サー
ビスを構築することができる。従って例えば、ユーザー
がコンテンツを購入するたびにその購入したコンテンツ
の文書ベクトルによってユーザーのプロファイルを更新
させて、さらにユーザーが購入する可能性の高いコンテ
ンツを案内させるようなサービスを実現することが可能
となる。
【００３５】本発明は、ここで説明した情報推薦サーバ
ー装置１の態様に限られるものではない。例えば、情報
配信手段１１を省いた構成でもよい。この場合は、通常
のＷＷＷサーバーとしての機能を持つ別サーバーと連携
して動作させる構成とすればよい。また、文書ベクトル
作成手段１３を省いた構成でもよい。この場合には、文
書ベクトルデータは別のコンピュータ上で作成し、得ら
れた文書ベクトルデータをコンテンツデータベース２１
に登録するという運用とすればよい。ユーザープロファ
イルの作成更新手順は、対象ユーザーがアクセスした文
書の文書ベクトルに基づくものであるならばここで説明
した方法と異なるものでもよい。尚、情報配信の技術と
してＷＷＷを用いない構成の装置であってもよい。
ー装置１の態様に限られるものではない。例えば、情報
配信手段１１を省いた構成でもよい。この場合は、通常
のＷＷＷサーバーとしての機能を持つ別サーバーと連携
して動作させる構成とすればよい。また、文書ベクトル
作成手段１３を省いた構成でもよい。この場合には、文
書ベクトルデータは別のコンピュータ上で作成し、得ら
れた文書ベクトルデータをコンテンツデータベース２１
に登録するという運用とすればよい。ユーザープロファ
イルの作成更新手順は、対象ユーザーがアクセスした文
書の文書ベクトルに基づくものであるならばここで説明
した方法と異なるものでもよい。尚、情報配信の技術と
してＷＷＷを用いない構成の装置であってもよい。
【００３６】
【発明の効果】以上説明したように、本発明によれば、
Content-based Filteringの正確さはあるけれども、同
じ傾向のものを推薦しがちになるという欠点と、協調フ
ィルタリングの、単によく似た人が閲覧した文書を内容
を吟味せずに推薦するという漠然性の欠点を回避したリ
コメンデーションシステムの仕組みを実現できるという
顕著な効果を奏することができる。
Content-based Filteringの正確さはあるけれども、同
じ傾向のものを推薦しがちになるという欠点と、協調フ
ィルタリングの、単によく似た人が閲覧した文書を内容
を吟味せずに推薦するという漠然性の欠点を回避したリ
コメンデーションシステムの仕組みを実現できるという
顕著な効果を奏することができる。
【図１】 本発明の好適な実施形態である情報推薦装置
１の全体構成図である。
１の全体構成図である。
【図２】 ユーザー毎の保有するユーザープロファイル
を示す表である。
を示す表である。
【図３】 ユーザープロファイルＰ５の類似度を比較し
た表である。
た表である。
【図４】 ユーザープロファイルＰ６の類似度を比較し
た表である。
た表である。
【図５】 協調ユーザーの選択方法を説明する計算例で
ある。
ある。
【図６】 情報推薦手段１２の動作を説明するフローチ
ャートである。
ャートである。
【図７】 ユーザー毎の保有するユーザープロファイル
を示す表である。
を示す表である。
１ 情報推薦装置 ９ ネットワーク １０ 情報推薦サーバー １１ 情報配信手段 １２ 情報推薦手段 １３ 文書ベクトル作成手段 １５ ユーザープロファイル作成更新手段 ２１ コンテンツデータベース ２１１ 文書（コンテンツ）データ ２１２ 文書ベクトルデータ ２２ ユーザープロファイルデータベース ２２２ ユーザープロファイルデータ ３０ ユーザーコンピュータ
Claims (3)
- 【請求項１】 ユーザーがアクセスした文書の文書ベク
トルに基づいてユーザーの嗜好を抽出し更新するユーザ
ープロファイル作成更新手段と、ユーザーの嗜好にあっ
た情報を選択する情報推薦手段と、ユーザーに提供する
情報である文書データと各文書データの内容を表現する
文書ベクトルデータを格納したコンテンツデータベース
と各ユーザーの嗜好情報を表すユーザープロファイルを
格納したユーザープロファイルデータベースと、を備え
てユーザーからの要求に応じて適切な情報を推薦する情
報推薦サーバー装置。 - 【請求項２】 前記情報推薦手段は、ユーザープロファ
イルを比較することにより、対象とするユーザーに最も
良く似た嗜好を持つ協調ユーザーを選定し、協調ユーザ
ーの保有するいずれかのユーザープロファイルから推薦
用プロファイルを１つ選択し、コンテンツデータベース
をこの推薦用プロファイルによって類似検索することに
よって対象ユーザーに推薦するコンテンツを選択するも
のである請求項１に記載の情報推薦サーバー装置。 - 【請求項３】 前記情報推薦手段は、ユーザープロファ
イルを比較することにより、対象とするユーザーに最も
良く似た嗜好を持つ協調ユーザーを選定し、協調ユーザ
ーの保有するユーザープロファイルのうち、対象ユーザ
ーの保有するユーザープロファイルと最も類似度の小さ
いプロファイルを推薦用プロファイルとして選択し、コ
ンテンツデータベースをこの推薦用プロファイルによっ
て類似検索することによって対象ユーザーに推薦するコ
ンテンツを選択するものである請求項１に記載の情報推
薦サーバー装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001008052A JP2002215665A (ja) | 2001-01-16 | 2001-01-16 | 情報推薦サーバー装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001008052A JP2002215665A (ja) | 2001-01-16 | 2001-01-16 | 情報推薦サーバー装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002215665A true JP2002215665A (ja) | 2002-08-02 |
Family
ID=18875707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001008052A Pending JP2002215665A (ja) | 2001-01-16 | 2001-01-16 | 情報推薦サーバー装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002215665A (ja) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004114155A1 (ja) * | 2003-06-20 | 2004-12-29 | Fujitsu Limited | コンテンツ推薦装置、方法及びプログラム |
| JP2006505988A (ja) * | 2002-11-08 | 2006-02-16 | 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 | コンテンツ推奨装置及び方法 |
| JP2006505989A (ja) * | 2002-11-08 | 2006-02-16 | 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 | 推奨器及びそのためのコンテンツ推奨方法 |
| JP2007510967A (ja) * | 2003-08-13 | 2007-04-26 | アマゾン ドット コム インコーポレイテッド | 電子カタログのブラウズを促進するユーザ供給コンテンツの個人化選択及び表示 |
| JP2009129458A (ja) * | 2007-11-19 | 2009-06-11 | Core Logic Inc | コンテンツ推薦装置及び方法 |
| JP2009223372A (ja) * | 2008-03-13 | 2009-10-01 | Yahoo Japan Corp | リコメンド装置、リコメンドシステム、リコメンド装置の制御方法、およびリコメンドシステムの制御方法 |
| WO2009125712A1 (ja) | 2008-04-10 | 2009-10-15 | 株式会社エヌ・ティ・ティ・ドコモ | レコメンド情報生成装置およびレコメンド情報生成方法 |
| JP2009266056A (ja) * | 2008-04-28 | 2009-11-12 | Nippon Telegr & Teleph Corp <Ntt> | 情報推薦装置、情報推薦方法、プログラム及び記録媒体 |
| JP2009282957A (ja) * | 2008-04-22 | 2009-12-03 | Ntt Docomo Inc | 文書処理装置および文書処理方法 |
| US7706918B2 (en) | 2004-07-13 | 2010-04-27 | Panasonic Corporation | Article holding system, robot, and method of controlling robot |
| JP2010146288A (ja) * | 2008-12-18 | 2010-07-01 | Dainippon Printing Co Ltd | 組合せ商品の情報提供と顧客の反応情報収集をする方法、装置、プログラム、記録媒体 |
| JP2011070422A (ja) * | 2009-09-25 | 2011-04-07 | Dainippon Printing Co Ltd | 商品推薦装置 |
| JP2015195055A (ja) * | 2011-04-04 | 2015-11-05 | クアルコム，インコーポレイテッド | 類似のユーザをマッチングさせることによるモバイルコンテンツの推奨 |
| JP2016057855A (ja) * | 2014-09-10 | 2016-04-21 | Ｎｅｃパーソナルコンピュータ株式会社 | 情報処理装置、情報処理システム及びプログラム |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06124309A (ja) * | 1992-10-14 | 1994-05-06 | Hitachi Ltd | 情報サービスシステムおよび放送受信システム |
| JPH10240749A (ja) * | 1997-02-24 | 1998-09-11 | Nec Corp | 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体 |
| JPH117453A (ja) * | 1997-04-22 | 1999-01-12 | Mitsubishi Electric Corp | メディア情報推薦装置 |
| JP2000105764A (ja) * | 1998-09-28 | 2000-04-11 | Hitachi Ltd | 情報フィルタリングシステム |
| JP2000293531A (ja) * | 1999-04-06 | 2000-10-20 | Ntt Data Corp | 情報検索方法及び装置 |
-
2001
- 2001-01-16 JP JP2001008052A patent/JP2002215665A/ja active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06124309A (ja) * | 1992-10-14 | 1994-05-06 | Hitachi Ltd | 情報サービスシステムおよび放送受信システム |
| JPH10240749A (ja) * | 1997-02-24 | 1998-09-11 | Nec Corp | 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体 |
| JPH117453A (ja) * | 1997-04-22 | 1999-01-12 | Mitsubishi Electric Corp | メディア情報推薦装置 |
| JP2000105764A (ja) * | 1998-09-28 | 2000-04-11 | Hitachi Ltd | 情報フィルタリングシステム |
| JP2000293531A (ja) * | 1999-04-06 | 2000-10-20 | Ntt Data Corp | 情報検索方法及び装置 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006505988A (ja) * | 2002-11-08 | 2006-02-16 | 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 | コンテンツ推奨装置及び方法 |
| JP2006505989A (ja) * | 2002-11-08 | 2006-02-16 | 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 | 推奨器及びそのためのコンテンツ推奨方法 |
| WO2004114155A1 (ja) * | 2003-06-20 | 2004-12-29 | Fujitsu Limited | コンテンツ推薦装置、方法及びプログラム |
| JP2007510967A (ja) * | 2003-08-13 | 2007-04-26 | アマゾン ドット コム インコーポレイテッド | 電子カタログのブラウズを促進するユーザ供給コンテンツの個人化選択及び表示 |
| US7706918B2 (en) | 2004-07-13 | 2010-04-27 | Panasonic Corporation | Article holding system, robot, and method of controlling robot |
| JP2009129458A (ja) * | 2007-11-19 | 2009-06-11 | Core Logic Inc | コンテンツ推薦装置及び方法 |
| JP2009223372A (ja) * | 2008-03-13 | 2009-10-01 | Yahoo Japan Corp | リコメンド装置、リコメンドシステム、リコメンド装置の制御方法、およびリコメンドシステムの制御方法 |
| WO2009125712A1 (ja) | 2008-04-10 | 2009-10-15 | 株式会社エヌ・ティ・ティ・ドコモ | レコメンド情報生成装置およびレコメンド情報生成方法 |
| US8032526B2 (en) | 2008-04-10 | 2011-10-04 | Ntt Docomo, Inc. | Recommendation information generation apparatus and recommendation information generation method |
| JP2009282957A (ja) * | 2008-04-22 | 2009-12-03 | Ntt Docomo Inc | 文書処理装置および文書処理方法 |
| JP2009266056A (ja) * | 2008-04-28 | 2009-11-12 | Nippon Telegr & Teleph Corp <Ntt> | 情報推薦装置、情報推薦方法、プログラム及び記録媒体 |
| JP2010146288A (ja) * | 2008-12-18 | 2010-07-01 | Dainippon Printing Co Ltd | 組合せ商品の情報提供と顧客の反応情報収集をする方法、装置、プログラム、記録媒体 |
| JP2011070422A (ja) * | 2009-09-25 | 2011-04-07 | Dainippon Printing Co Ltd | 商品推薦装置 |
| JP2015195055A (ja) * | 2011-04-04 | 2015-11-05 | クアルコム，インコーポレイテッド | 類似のユーザをマッチングさせることによるモバイルコンテンツの推奨 |
| JP2016057855A (ja) * | 2014-09-10 | 2016-04-21 | Ｎｅｃパーソナルコンピュータ株式会社 | 情報処理装置、情報処理システム及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7640232B2 (en) | Search enhancement system with information from a selected source | |
| US7467232B2 (en) | Search enhancement system and method having rankings, explicitly specified by the user, based upon applicability and validity of search parameters in regard to a subject matter | |
| JP6246259B2 (ja) | デジタル・ソーシャル・ネットワーク上でセマンティック操作を実行するためのシステム及び方法 | |
| US10198503B2 (en) | System and method for performing a semantic operation on a digital social network | |
| US7565627B2 (en) | Query graphs indicating related queries | |
| US20190087504A1 (en) | Search engine that applies feedback from users to improve search results | |
| Perugini et al. | Recommender systems research: A connection-centric survey | |
| KR101171405B1 (ko) | 검색 결과에서 배치 내용 정렬의 맞춤화 | |
| US8676732B2 (en) | Methods and apparatus for providing information of interest to one or more users | |
| Zhang et al. | Personalised online sales using web usage data mining | |
| JP3717808B2 (ja) | 情報検索システム | |
| US20100274753A1 (en) | Methods for filtering data and filling in missing data using nonlinear inference | |
| Jung et al. | User preference mining through hybrid collaborative filtering and content-based filtering in recommendation system | |
| US20060155751A1 (en) | System and method for document analysis, processing and information extraction | |
| US20080140641A1 (en) | Knowledge and interests based search term ranking for search results validation | |
| US20070156677A1 (en) | Database access system | |
| WO1997002537A1 (en) | Method and apparatus for item recommendation using automated collaborative filtering | |
| JP2002215665A (ja) | 情報推薦サーバー装置 | |
| Soriano et al. | Text mining in computational advertising | |
| KR20030058660A (ko) | 개인화 시스템에서 사용자의 컨텐트 선호도를 이용한협업필터링 학습방법 | |
| US20050049987A1 (en) | Systems and methods for optimizing decision graph collaborative filtering | |
| Perugini et al. | A connection-centric survey of recommender systems research | |
| Janchevski et al. | A study of different models for subreddit recommendation based on user-community interaction | |
| WO2008032037A1 (en) | Method and system for filtering and searching data using word frequencies | |
| Chee | Rectree: A linear collaborative filtering algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070828 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100210 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100223 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100622 |