JP2002259438A - 協調的フィルタリングにおけるデフォルト値設定方法及びシステム - Google Patents
協調的フィルタリングにおけるデフォルト値設定方法及びシステムInfo
- Publication number
- JP2002259438A JP2002259438A JP2001060704A JP2001060704A JP2002259438A JP 2002259438 A JP2002259438 A JP 2002259438A JP 2001060704 A JP2001060704 A JP 2001060704A JP 2001060704 A JP2001060704 A JP 2001060704A JP 2002259438 A JP2002259438 A JP 2002259438A
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- default value
- value
- default
- data
- 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)
- Complex Calculations (AREA)
Abstract
の評価デフォルト値を設定する。 【解決手段】 この発明の協調的フィルタリングにおけ
るデフォルト値設定方法では、複数の利用者各々が未評
価の1又は複数の対象アイテムそれぞれに対して評価デ
フォルト値を設定し、特定の利用者と他の任意の利用者
との間の相関係数を計算し、この相関係数を利用して特
定の対象アイテムに対する特定の利用者の評価予測値を
算出する手順を複数種の評価デフォルト値に対して繰り
返す。そして、得られた複数種の評価予測値を比較し、
最も現実に即した評価予測値を前記特定の対象アイテム
に対する評価データとして採用する。これにより、精度
の高い協調的フィルタリングを可能とする。
Description
ングにおけるデフォルト値設定方法及びシステムに関す
る。
定の利用者の評価を予測する方法の1つに、利用者間の
相関係数を利用するものがある。この利用者間の相関係
数を求めるためには、相関を求める利用者二者が共に評
価しているアイテムの評価データを利用するが、対象ア
イテムによっては二者共に評価しているアイテムが非常
に少ないことがある。そこで従来では、各々の利用者が
評価していないアイテムに評価デフォルト値を設定し、
相関係数を求めるために利用することのできるアイテム
を増やす手法がとられている。
数を求める際に未評価のアイテムに対する評価データに
デフォルト値を設定すると、評価デフォルト値を設定し
ない場合と比べて、求められる相関係数の値が変化し、
結果として利用者の評価の予測値も変化してしまう。例
えば、本来の評価データに比べて評価予測値が低い場合
には予測値を高めることが求められ、反対に評価予測値
が本来の評価データに比べて高い場合には予測値を低く
することが求められる。したがって、本来の評価データ
と評価予測値との関係によって、設定するデフォルト値
を適当に変更調整する必要がある。
々が未評価のアイテムに対して評価データデフォルト値
を設定し、任意の利用者二者間の相関係数を求め、その
相関係数を利用して、特定の利用者の未評価のアイテム
に対する評価予測値を求める方法において、最適な評価
デフォルト値がどのような値であるかを探る工夫がされ
ることはなかった。
解決するためになされたもので、最適な評価デフォルト
値を設定することができる協調的フィルタリングにおけ
るデフォルト値設定方法及びシステムを提供すること目
的とする。
フィルタリングにおけるデフォルト値設定方法は、1又
は複数の利用者それぞれの未評価の1又は複数の対象ア
イテムそれぞれに複数種の評価デフォルト値の中から選
んだ1つを設定するステップ(1)と、現実の評価デー
タとステップ(1)で設定された評価デフォルト値とを
用いて、特定の利用者と他の任意の利用者それぞれとの
二者間の相関係数を演算するステップ(2)と、ステッ
プ(2)で得られた相関係数を用いて特定の対象アイテ
ムに対する前記特定の利用者の前記評価デフォルト値に
対応する評価予測値を演算するステップ(3)と、前記
評価デフォルト値を変更して前記ステップ(2)及び
(3)を実行し、最適な評価デフォルト値を決定するス
テップ(4)とから成るものである。
おけるデフォルト値設定方法では、複数の利用者各々が
未評価の1又は複数の対象アイテムそれぞれに対して評
価デフォルト値を設定し、特定の利用者と他の任意の利
用者との間の相関係数を計算し、この相関係数を利用し
て特定の対象アイテムに対する特定の利用者の評価予測
値を算出する手順を複数種の評価デフォルト値に対して
繰り返す。そして、得られた複数種の評価予測値を比較
し、最も現実に即した評価予測値を前記特定の対象アイ
テムに対する評価データとして採用する。これにより、
精度の高い協調的フィルタリングを可能とする。
おけるデフォルト値設定方法は、1又は複数の利用者そ
れぞれの未評価の1又は複数の対象アイテムそれぞれに
複数種の評価デフォルト値の中から選んだ1つを設定す
るステップ(1)と、現実の評価データとステップ
(1)で設定された評価デフォルト値とを用いて、特定
の利用者と他の任意の利用者それぞれとの二者間の相関
係数を演算するステップ(2)と、ステップ(2)で得
られた相関係数を用いて特定の対象アイテムに対する前
記特定の利用者の前記評価デフォルト値に対応する評価
予測値を演算するステップ(3)と、前記特定の対象ア
イテムに対する前記特定の利用者の現実の評価データと
ステップ(3)で得られた前記評価デフォルト値に対応
する評価予測値とを比較するステップ(4)と、前記評
価デフォルト値を変更して前記ステップ(2)〜(4)
を実行し、最適な評価デフォルト値を決定するステップ
(5)から成るものである。
おけるデフォルト値設定方法では、複数の利用者各々が
未評価の1又は複数の対象アイテムそれぞれに対して評
価デフォルト値を設定し、特定の利用者と他の任意の利
用者との間の相関係数を計算し、この相関係数を利用し
て特定の対象アイテムに対する特定の利用者の評価予測
値を演算し、前述の評価デフォルト値を変更した場合に
現実の評価データと各評価デフォルト値に対応する評価
予測値とがどの程度一致するかにより、最適な評価デフ
ォルト値を決定する。こうして決定された評価デフォル
ト値は、同種の利用者あるいは同種の対象アイテムに対
する協調的フィルタリングにおける評価デフォルト値と
して利用する。これにより、精度の高い協調的フィルタ
リングを可能とする。
的フィルタリングにおけるデフォルト値設定方法におい
て、前記ステップ(4)において、前記評価デフォルト
値に対応する評価予測値と現実の評価データとの絶対偏
差を求め、前記ステップ(5)において、前記絶対偏差
を最も小さくする評価予測値を与える評価デフォルト値
を最適なものと決定することにより、最適な評価デフォ
ルト値の客観的な決定が可能となる。
おけるデフォルト値設定システムは、複数の対象アイテ
ムそれぞれに対する複数の利用者それぞれの評価データ
を保存する評価データ保存手段と、前記評価データに基
づき、前記複数の利用者それぞれの評価平均値を求める
平均値演算手段と、前記複数の対象アイテムそれぞれに
対する前記複数の利用者それぞれの未評価アイテムに対
して複数種の評価デフォルト値の1つを設定する評価デ
フォルト値設定手段と、前記任意の利用者二者間の前記
評価データ及び評価デフォルト値に基づいて当該二者を
メンバーとする両者間の相関係数を計算する相関係数演
算手段と、前記評価デフォルト値設定手段が設定する評
価デフォルト値を変更して前記相関係数演算手段に前記
相関係数を計算させる評価デフォルト値変更手段と、前
記任意の利用者の特定の対象アイテムに関して、前記複
数の利用者それぞれの評価データと評価平均値と複数種
の評価デフォルト値、及び当該利用者を一方のメンバー
とする前記相関係数を用いて、複数種の評価デフォルト
値毎の評価データの予測演算を行う評価予測値演算手段
とを備えたものである。
おけるデフォルト値設定システムでは、平均値演算手段
が評価データ保存手段に保存されている評価データに基
づき、複数の利用者それぞれの評価平均値を求め、評価
デフォルト値設定手段が複数の対象アイテムそれぞれに
対する複数の利用者それぞれの未評価アイテムに対して
複数種の評価デフォルト値の1つを設定し、相関係数演
算手段が任意の利用者二者間の評価データ及び評価デフ
ォルト値に基づいて当該二者をメンバーとする両者間の
相関係数を計算する。そして、評価デフォルト値変更手
段が、評価デフォルト値設定手段の設定する評価デフォ
ルト値を変更し、相関係数演算手段に相関係数を再計算
させ、評価予測値演算手段が、任意の利用者の特定の対
象アイテムに関して、複数の利用者それぞれの評価デー
タと評価平均値と複数種の評価デフォルト値、及び当該
利用者を一方のメンバーとする相関係数を用いて、設定
した複数種の評価デフォルト値毎の評価予測値を算出す
ることにより、複数種の異なる評価デフォルト値それぞ
れに対応する評価予測値を得る。
の異なる評価デフォルト値それぞれに対応する評価予測
値を比較し、現実の評価データに最も近しい評価予測値
を与える評価デフォルト値がいずれであるかを容易に決
定することができる。
おけるデフォルト値設定システムは、複数の対象アイテ
ムそれぞれに対する複数の利用者それぞれの評価データ
を保存する評価データ保存手段と、前記評価データに基
づき、前記複数の利用者それぞれの評価平均値を求める
平均値演算手段と、前記複数の対象アイテムそれぞれに
対する前記複数の利用者それぞれの未評価アイテムに対
して複数種の評価デフォルト値の1つを設定する評価デ
フォルト値設定手段と、前記任意の利用者二者間の前記
評価データ及び評価デフォルト値に基づいて当該二者を
メンバーとする両者間の相関係数を計算する相関係数演
算手段と、前記評価デフォルト値設定手段が設定する評
価デフォルト値を変更して前記相関係数演算手段に前記
相関係数を計算させる評価デフォルト値変更手段と、前
記任意の利用者の特定の対象アイテムに関して、前記複
数の利用者それぞれの評価データと評価平均値と複数種
の評価デフォルト値、及び当該利用者を一方のメンバー
とする前記相関係数を用いて、複数種の評価デフォルト
値毎の評価データの予測演算を行う評価予測値演算手段
と、前記特定の対象アイテムに対する現実の評価データ
と前記評価予測値演算手段の算出した複数種のデフォル
ト値それぞれに対する評価予測値とを比較する比較手段
とを備えたものである。
おけるデフォルト値設定システムでは、平均値演算手段
が評価データ保存手段に保存されている評価データに基
づき、複数の利用者それぞれの評価平均値を求め、評価
デフォルト値設定手段が複数の対象アイテムそれぞれに
対する複数の利用者それぞれの未評価アイテムに対して
複数種の評価デフォルト値の1つを設定し、相関係数演
算手段が任意の利用者二者間の評価データ及び評価デフ
ォルト値に基づいて当該二者をメンバーとする両者間の
相関係数を計算する。そして、評価デフォルト値変更手
段が、評価デフォルト値設定手段の設定する評価デフォ
ルト値を変更し、相関係数演算手段に相関係数を再計算
させ、評価予測値演算手段が、任意の利用者の特定の対
象アイテムに関して、複数の利用者それぞれの評価デー
タと評価平均値と複数種の評価デフォルト値、及び当該
利用者を一方のメンバーとする相関係数を用いて、複数
種の異なる評価デフォルト値それぞれに対応する評価予
測値を得る。そして、比較手段が、特定の対象アイテム
に対する現実の評価データと前記評価予測値演算手段の
算出した複数種のデフォルト値それぞれに対する評価予
測値とを比較して評価デフォルト値の適否を評価する。
評価デフォルト値それぞれに対応する評価予測値とがど
の程度一致するかにより、最適な評価デフォルト値を決
定することができ、当該最適な評価デフォルト値を、同
種の利用者あるいは同種の対象アイテムに対する協調的
フィルタリングにおける評価デフォルト値として利用す
ることにより、精度の高い協調的フィルタリングを可能
とする。
ルタリングにおけるデフォルト値設定システムにおい
て、前記比較手段は、前記評価デフォルト値に対応する
評価予測値と現実の評価データとの絶対偏差を求め、当
該絶対偏差を最も小さくする評価予測値を与える評価デ
フォルト値を最適なものと決定することを特徴とするも
のであり、最適な評価デフォルト値の客観的な決定が可
能となる。
おけるデフォルト値設定方法は、既存の評価データ群を
所定の指標に従って複数群にランク分けするステップ
(1)と、ステップ(1)でランク分けされたそれぞれ
のランク又は全体での既存の評価データの平均値を求
め、未評価のアイテムに対して複数種の評価デフォルト
値の1つを設定し、特定の利用者の評価データと他の利
用者の評価データとの二者間の相関係数を演算し、特定
の対象アイテムについての特定の利用者の評価予測値を
求めるステップ(2)と、評価デフォルト値を変更して
前記ステップ(2)を繰り返すステップ(3)と、既存
の評価データと複数種の評価デフォルト値それぞれを用
いて評価予測を行った場合の評価予測値それぞれとを比
較し、絶対偏差を最小にする評価予測値を与える評価デ
フォルト値をランク毎に求めるステップ(4)と、同種
の対象アイテムに対して協調的フィルタリングを行う際
に、対象とするそれぞれのアイテムについて、既存の評
価データ群が属するランクに対してステップ(4)で求
めた最適な評価デフォルト値をそのアイテムに対する最
適な評価デフォルト値として採用し、特定のアイテムに
対する評価予測値を求めるステップ(5)とから成るも
のである。
おけるデフォルト値設定方法では、既存の評価データ群
を所定の指標に従って複数群にランク分けし、このラン
ク分けされたそれぞれのランク又は全体での既存の評価
データの平均値を求め、未評価のアイテムに対して複数
種の評価デフォルト値の1つを設定し、特定の利用者の
評価データと他の利用者の評価データとの二者間の相関
係数を演算し、特定の対象アイテムについての特定の利
用者の評価予測値を求める。さらに、評価デフォルト値
を変更して上記の演算処理を繰り返して、複数種の評価
デフォルト値それぞれを用いた場合の評価予測値を得
る。そして、既存の評価データと複数種の評価デフォル
ト値それぞれを用いて評価予測を行った場合の評価予測
値それぞれとを比較し、絶対偏差を最小にする評価予測
値を与える評価デフォルト値をランク毎に求めて保持し
ておく。
的フィルタリングを行う際に、対象とするそれぞれのア
イテムについての既存の評価データ群が属するランクに
対して上記の演算処理で求めた最適な評価デフォルト値
を全対象アイテムに対する最適な評価デフォルト値とし
て採用し、特定のアイテムに対する評価予測値を求め
る。
れに対する既存データに対して最適な評価デフォルト値
を選定し、それを用いて特定の対象アイテムに対する特
定の利用者の評価予測値を求めることができ、精度の高
い協調的フィルタリングが可能となる。
おけるデフォルト値設定システムは、複数の対象アイテ
ムそれぞれに対する複数の利用者それぞれの評価データ
を保存する評価データ保存手段と、前記評価データ保存
手段に保存されている評価データに対し、所定の指標に
従って複数種のランクにランク分けするランク設定手段
と、前記評価データ保存手段に保存されている評価デー
タに基づき、前記ランク設定手段により設定された複数
種のランクの1つに属する評価データ又は全評価データ
の平均値を求める平均値演算手段と、複数の対象アイテ
ムそれぞれに対する複数の利用者それぞれの未評価アイ
テムに対して複数種の評価デフォルト値の1つを設定す
るデフォルト値設定手段と、指定された任意の利用者二
者間の評価データ及び評価デフォルト値に基づいて当該
二者をメンバーとする両者間の相関係数を計算する相関
係数演算手段と、前記評価デフォルト値設定手段が設定
する評価デフォルト値を変更して前記相関係数演算手段
に前記相関係数を計算させる評価デフォルト値変更手段
と、指定された任意の利用者の特定の対象アイテムに関
して、複数の利用者それぞれの評価データと評価平均値
と複数種の評価デフォルト値、及び当該利用者を一方の
メンバーとする相関係数を用いて、複数種の評価デフォ
ルト値毎の評価予測値を算出する評価予測値演算手段
と、特定の対象アイテムに対する現実の評価データと評
価予測値演算手段の算出した複数種のデフォルト値それ
ぞれに対する評価予測値とを比較し、絶対偏差を最小と
する評価予測値に対応する評価デフォルト値を該当する
ランクにおける最適な評価デフォルト値と決定する評価
手段と、前記評価手段が最適な評価デフォルト値と決定
した評価デフォルト値をそれに対応するランクと対照さ
せた形で保持するランク別デフォルト値データ保持手段
と、同種の対象アイテムに対して協調的フィルタリング
を行う際に、対象とするそれぞれのアイテムについて、
既存の評価データ群をランク付けし、前記デフォルト値
設定手段により、当該ランクに対する最適な評価デフォ
ルト値を前記ランク別デフォルト値データ保持手段から
読み出して対象アイテムに対する最適な評価デフォルト
値として採用し、全対象アイテムのうちの未評価のアイ
テムに対して設定させ、前記相関係数演算手段により、
指定された任意の利用者二者間の評価データ及び評価デ
フォルト値に基づいて当該二者をメンバーとする両者間
の相関係数を計算させ、前記評価予測値演算手段によ
り、指定された任意の利用者の特定の対象アイテムに関
して、最適な評価デフォルト値による評価予測値を算出
させる最適評価予測値算出手段とを備えたものである。
おけるデフォルト値設定システムでは、評価データ保存
手段に保存されている評価データに対し、ランク設定手
段により所定の指標に従って複数種のランクにランク分
けし、平均値演算手段により、複数種のランクの1つに
属する評価データ又は全評価データの平均値を求め、デ
フォルト値設定手段により、複数の対象アイテムそれぞ
れに対する複数の利用者それぞれの未評価アイテムに対
して複数種の評価デフォルト値の1つを設定し、相関係
数演算手段により、指定された任意の利用者二者間の評
価データ及び評価デフォルト値に基づいて当該二者をメ
ンバーとする両者間の相関係数を計算する。そして、評
価予測値演算手段により、指定された任意の利用者の特
定の対象アイテムに関して、複数の利用者それぞれの評
価データと評価平均値と評価デフォルト値、及び当該利
用者を一方のメンバーとする相関係数を用いて、複数種
の評価デフォルト値毎の評価データの予測演算を行う。
さらに、評価デフォルト値変更手段により、評価デフォ
ルト値設定手段が設定する評価デフォルト値を変更し、
相関係数演算手段により相関係数を再計算させ、評価手
段により、特定の対象アイテムに対する現実の評価デー
タと評価予測値演算手段の算出した複数種のデフォルト
値それぞれに対する評価予測値とを比較し、絶対偏差を
最小とする評価予測値に対応する評価デフォルト値を該
当するランクにおける最適な評価デフォルト値と決定
し、ランク別デフォルト値データ保持手段により、ラン
ク毎の最適な評価デフォルト値をそれに対応するランク
と対照させた形で保持する。
的フィルタリングを行う際に、最適評価予測値算出手段
が、対象とするそれぞれのアイテムについての既存の評
価データが属するランクに対する最適な評価デフォルト
値をランク別デフォルト値データ保持手段から読み出し
て全対象アイテムに対する最適な評価デフォルト値とし
て採用し、デフォルト値設定手段により、全対象アイテ
ムのうちの未評価のアイテムに対してそのデフォルト値
を設定させ、相関係数演算手段により、指定された任意
の利用者二者間の評価データ及び評価デフォルト値に基
づいて当該二者をメンバーとする両者間の相関係数を計
算させ、評価予測値演算手段により、指定された任意の
利用者の特定の対象アイテムに関して、最適な評価デフ
ォルト値による評価予測値を算出させる。
れに対する既存データに対して最適な評価デフォルト値
を選定し、それを用いて特定の対象アイテムに対する特
定の利用者の評価予測値を求めることができ、精度の高
い協調的フィルタリングが可能となる。
基づいて詳説する。図1は本発明の1つの実施の形態の
協調的フィルタリングにおけるデフォルト値設定システ
ムの機能的構成を示し、評価データ保存部1、平均値演
算部2、評価デフォルト値設定部3、相関係数演算部
4、評価予測値演算部5、評価部6から構成されてい
る。
ムそれぞれに対する複数の利用者それぞれの評価データ
を保存する。平均値演算部2は、この評価データ保存部
1に保存されている評価データに基づき、複数の利用者
それぞれの評価平均値を求める。評価デフォルト値設定
部3は、複数の対象アイテムそれぞれに対する複数の利
用者それぞれの未評価アイテムに対して複数種の評価デ
フォルト値を設定する。相関係数計算部4は、任意の利
用者二者間の評価データ及び評価デフォルト値に基づい
て当該二者をメンバーとする両者間の相関係数を計算す
る。評価予測値演算部5は、任意の利用者の特定の対象
アイテムに関して、複数の利用者それぞれの評価データ
と評価平均値と複数種の評価デフォルト値、及び当該利
用者を一方のメンバーとする相関係数を用いて、複数種
の評価デフォルト値毎の評価データの予測演算を行う。
評価部6は、特定の対象アイテムに対する現実の評価デ
ータと評価予測値演算部5の算出した複数種のデフォル
ト値それぞれに対する評価予測値とを比較し評価する。
ュータシステムに所要のプログラムをインストールする
ことにより実現されるものであるが、ここではコンピュ
ータシステムの実行する各機能を構成要素として分けて
示している。
おけるデフォルト値設定システムによるデフォルト値設
定方法について、図2のフローチャートを用いて説明す
る。評価データ保存部1には、あらかじめ、少なくても
一群の複数種の対象アイテム(例えば、複数種の映画、
複数種の音楽、複数種の雑誌、複数種の番組あるいは複
数種の商品)それぞれに対する、多数の利用者それぞれ
の評価データがアンケートその他の方法によって収集さ
れ、保存されている。
均値演算部2が評価データ保存部1から利用者各々iの
評価データvi,j を読み出し、平均値演算を次の数1式
によって行う(ステップS1,S3)。
対象アイテムjに対して行った評価データ、Ii :利用
者iが評価している対象アイテム群、|Ii |:対象アイ
テム群Ii に含まれるアイテム数である。
て、各利用者の未評価の対象アイテムそれぞれに1つの
評価デフォルト値D1を設定する(ステップS5)。そ
して、相関係数演算部4によって、評価予測をしようと
している利用者aを特定し(ステップS7)、この利用
者aと他のすべての登録されている利用者iとの相関係
数w(a,i)を次の数2式によって計算する(ステップS
9)。
テムそれぞれ、va, j:利用者aが対象アイテムjに対
して行った評価データ又は評価デフォルト値、vi,j:
利用者iが対象アイテムjに対して行った評価データ又
は評価デフォルト値、va ,vi (バー):数1式で求
めた利用者a,jそれぞれの実評価データの平均値であ
る。
算部4が算出した相関係数w(a,i)(ただし、iは登録
利用者数分だけ存在する)を用いて、次の数3式により
利用者aが対象アイテムjに対して下す評価の予測値p
a,j を求める(ステップS11)。
の相関係数、κ:正規化係数である。
て、ステップS5〜S11の演算処理を繰り返し、以
下、用いることができるすべての評価デフォルト値D3
〜Dnについて同様にステップS5〜S11の演算処理
を繰り返す(ステップS13)。
対話形式により、複数種の評価デフォルト値D1,D
2,…,Dnそれぞれを用いた場合の利用者aの対象ア
イテムjに対する評価予測値pa,j −1,pa,j −2
,…,pa,j −nを現実の評価データva,j と比較する
ことにより、いずれの評価デフォルト値を用いた場合の
評価予測値が現実の評価データによく近似するか評価
し、最適な評価デフォルト値を決定する(ステップS1
5,S17)。
て特定の利用者が特定の対象アイテムに対してどのよう
な評価を下すかを予測するのに、最適な評価デフォルト
値を用いて、登録されている多数の利用者それぞれの未
評価の対象アイテムにその評価デフォルト値を設定し、
相関係数を算出し、この相関係数を利用して特定の対象
アイテムに対する特定の利用者の下す評価を精度良く予
測することができるようになる。
明の第1の実施の形態の特徴を説明する。いま、利用者
a,b,cそれぞれが5つの対象アイテムI〜Vそれぞ
れについて、表1の評価を下しているとする。これは評
価データ保存部1に登録されたデータである。
イテムVに対して下すであろう評価データpa,V を、評
価デフォルト値を用いずに相関係数を用いて評価予測し
たのが表2に示すものである。
は、利用者aが対象アイテムVに対して下す評価予測値
pa,V =2である。
a,b,cそれぞれの未評価の対象アイテムそれぞれに
対して設定し、実評価データおよび評価デフォルト値を
用いて相関係数を計算し、この相関係数に基づき利用者
aが対象アイテムVに対して下すであろう評価データp
a,V を計算したのが表3に示すものである。
評価予測値pa,V =1.0である。したがって、実評価
データだけを用いて計算した場合とは、評価予測値が異
なっている。ところが従来は、1つの評価デフォルト値
だけを用いて評価予測を行っており、評価デフォルト値
の最適化を図ることはなかった。
を変化させ、それぞれの評価デフォルト値を用いた場合
の評価予測値を計算する。その計算例は、次の表4に示
すものである。
他に、D=3,4それぞれについて計算している。そし
て評価デフォルト値D=3を用いた場合、利用者aが対
象アイテムVに対して下す評価予測値pa,V =2.1で
あり、評価デフォルト値D=4を用いた場合、同様の評
価予測値pa,V =3.0である。
々の値を設定し、それぞれの場合の相関係数を求め、得
られた相関係数を用いて特定の利用者の特定の対象アイ
テムに対する評価予測を行い、これを現実の評価データ
と比較して近似度の高い結果を与える評価デフォルト値
を最適なものと決定する。
ずしも一意的に決定するものではなく、例えば映画、音
楽、雑誌、番組、商品それぞれの対象アイテムによって
大きく異なり、また年齢層、男性、女性、地域等の利用
者層によっても大きく異なり、さらに標本数によっても
大きく異なるものである。したがって、協調的フィルタ
リングに用いるための評価デフォルト値を決定する場
合、それらの多種多様な対象アイテムや利用者層に応じ
て種々決定する必要がある。
フィルタリングにおけるデフォルト値設定方法につい
て、説明する。この第2の実施の形態に使用するデフォ
ルト値設定システムは、図1に示した第1の実施の形態
のシステムと共通する。ただし、各構成要素の演算処理
機能は一部下記のように、第1の実施の形態と異なる。
におけるデフォルト値設定方法は、コンピュータの演算
処理手順として採用されるものであり、その演算処理手
順は図3のフローチャートに示すものである。以下、こ
れについて説明する。
ップS1〜S13の処理は第1の実施の形態による図2
のフローチャートと共通する。ただし、本実施の形態の
場合には、第1の実施の形態の場合とは異なり、評価デ
ータ保存部1には、最適な評価デフォルト値を設定する
ために算出しようとする特定の対象アイテムにもすでに
評価データが設定されているものとする。
数種の評価デフォルト値それぞれに対応する評価予測値
が算出されれば、本実施の形態の場合にはステップS1
50において、それぞれの評価予測値を現実の評価デー
タと比較することによって評価し、続くステップS17
において最適な評価デフォルト値を決定する。
価は、図4に示すフローチャートに従う。最初に、特定
の対象アイテムjに対する複数種の評価デフォルト値そ
れぞれによる評価予測値pi,j を取込み、現実の評価デ
ータvi,j を評価データ保存部1から取り込む(ステッ
プS150‐1,S150‐3)。そして次の数4式に
したがって絶対偏差Sj の演算を行う(ステップS15
0‐5)。
ある。
々の評価予測値の誤差を平均したものとなる。
を最小とする評価予測値pi,j を決定してメインフロー
に戻る(ステップS150‐7)。
17においては、絶対偏差Sj を最小とする評価予測値
pi,j に対応する評価デフォルト値を最適なものとして
決定する。
的フィルタリングにおけるデフォルト値設定方法では、
すでに評価データが得られている特定の対象アイテムに
対して、複数種の評価デフォルト値を用いてそれぞれの
評価予測値を算出し、評価データとの絶対偏差を最小に
する評価予測値に対応する評価デフォルト値を最適なも
のと決定するので、客観的に最適な評価デフォルト値を
得ることができる。
発明の第2の実施の形態の特徴を説明する。いま、利用
者a,b,cそれぞれが5つの対象アイテムI〜Vそれ
ぞれについて、表5の評価を下しているとする。これは
評価データ保存部1に登録されたデータである。
価「3」を行っている特定の対象アイテムVに対して、
複数種の評価デフォルト値D=2,3,4それぞれを用
いた場合の評価予測を行ってみる。
cそれぞれの未評価の対象アイテムそれぞれに対して設
定し、実評価データおよび評価デフォルト値を用いて相
関係数を計算し、この相関係数に基づき利用者aが対象
アイテムVに対して下すであろう評価予測値pa,V を計
算すると、pa,V =1.0である。そして、評価デフォ
ルト値D=3の場合、同じ対象アイテムVに対する評価
予測値pa,V =2.10であり、評価デフォルト値D=
4の場合、pa,V =3.00である。
象アイテムVに対する利用者aの既存の評価データはv
a,V =3であるので、各評価デフォルト値それぞれに対
して、評価予測値pa,V の絶対偏差|pa,V −va,V |
は、D=2ときに2.00、D=3のときに0.90、
そしてD=4のときに0.00(最小)となる。したが
って、最適な評価デフォルト値はD=4であると決定で
きることになる。
フィルタリングにおけるデフォルト値設定システム及び
それによるデフォルト値設定方法について説明する。
データ群を所定の指標に従って複数群にランク分けし、
それぞれのランク及び全体での既存の評価データの平均
値を求め、相関係数を演算し、特定の対象アイテムにつ
いての既存の評価データと評価デフォルト値を用いて評
価予測を行った場合の評価予測値と比較し、絶対偏差を
最小にする評価予測値を与える評価デフォルト値をラン
ク毎に求めて保存しておく。そして、同種の対象アイテ
ムに対して協調的フィルタリングを行う際に、対象とす
るアイテムについて前記と同様の指標に従ってランク付
けし、該当するランクに対して前段階で求めて保存して
ある最適な評価デフォルト値を全対象アイテムに対する
最適な評価デフォルト値として採用し、特定のアイテム
に対する評価予測値を求めるのである。
法としては、(1)評価データの平均値によってランク
分けする場合、(2)標本数に従ってランク分けする場
合、(3)標本数に従って大ランクにランク分けし、さ
らに標本数による大ランクごとに評価データの平均値に
従って小ランクにランク分けする場合がある。
ングにおけるデフォルト値設定システムについて、図5
及び図6を用いて説明する。図5は、本実施の形態の評
価デフォルト値設定システムの機能的構成を示し、図1
に示した第1の実施の形態のシステムと同様の評価デー
タ保存部1、平均値演算部2、評価デフォルト値設定部
3、相関係数演算部4、評価予測値演算部5及び評価部
6を備えており、さらに、本実施の形態の特徴的要素と
して、ランク設定部7及びデフォルト値データテーブル
8を備えている。
ムそれぞれに対する複数の利用者それぞれの評価データ
を保存する。平均値演算部2は、この評価データ保存部
1に保存されている評価データに基づき、指定されたラ
ンクに属する評価データ又は全評価データの平均値を求
める。評価デフォルト値設定部3は、複数の対象アイテ
ムそれぞれに対する複数の利用者それぞれの未評価アイ
テムに対して複数種の評価デフォルト値を設定する。相
関係数計算部4は、指定された任意の利用者二者間の評
価データ及び評価デフォルト値に基づいて当該二者をメ
ンバーとする両者間の相関係数を計算する。評価予測値
演算部5は、指定された任意の利用者の特定の対象アイ
テムに関して、複数の利用者それぞれの評価データと評
価平均値と複数種の評価デフォルト値、及び当該利用者
を一方のメンバーとする相関係数を用いて、複数種の評
価デフォルト値毎の評価データの予測演算を行う。評価
部6は、特定の対象アイテムに対する現実の評価データ
と評価予測値演算部5の算出した複数種のデフォルト値
それぞれに対する評価予測値とを比較し評価する。
存部1に保存された既存の評価データ群を評価データに
よって複数群にランク分けする。デフォルト値データテ
ーブル8は、ランク設定部7が設定した各ランク毎の最
適評価デフォルト値を登録する。
ータシステムに所要のプログラムをインストールするこ
とにより実現されるものであるが、ここではコンピュー
タシステムの実行する各機能を構成要素として分けて示
している。
おけるデフォルト値設定システムによるデフォルト値設
定方法について、図6のフローチャートを用いて説明す
る。評価データ保存部1には、第1の実施の形態と同様
に、複数種の対象アイテムそれぞれに対する多数の利用
者それぞれの評価データがアンケートその他の方法によ
って収集され、保存されている。
部1の評価データ群を見て、所定指標に従ってランク分
けする。このランク分けの指標には上で列挙したような
3つの場合が考えられる(ステップS21,S23)。
選択し、そのランクに属する評価データの平均値を前述
の数1式によって算出する。平均値演算部2はまた、既
存の評価データの全体の平均値も算出する(ステップS
25)。
て、各利用者の未評価の対象アイテムそれぞれに1つの
評価デフォルト値(デフォルト値設定せずも含む)を設
定し、相関係数演算部4によって、評価予測をしようと
している利用者を特定し、相関係数を前述の数2式によ
って計算する(ステップS27,S29)。
算部4が算出した相関係数を用いて、前述の数3式によ
り利用者が対象アイテムに対して下す評価の予測値を求
める(ステップS31)。続いて、別の評価デフォルト
値を用いて、ステップS27〜S31の演算処理を繰り
返し、以下、用いることができるすべての評価デフォル
ト値について同様にステップS27〜S31の演算処理
を繰り返す(ステップS33)。
フォルト値それぞれを用いた場合の利用者の対象アイテ
ムに対する評価予測値を現実の評価データと比較するこ
とにより、ある1つのランクにおいていずれの評価デフ
ォルト値を用いた場合の評価予測値による絶対偏差が最
小になるかにより、最適な評価デフォルト値を決定する
(ステップS35,S37)。なお、このステップS3
5の処理は、第2の実施の形態と同様に図4のフローチ
ャートに示すものである。
な評価デフォルト値が決定されると、他のランクについ
てもステップS25〜S37の処理を繰り返し、各ラン
ク毎の最適な評価デフォルト値を決定する。そして得ら
れた各ランク毎の最適デフォルト値は、デフォルト値デ
ータテーブル8に登録する(ステップS37,S3
9)。
ンク毎の最適な評価デフォルト値が決定できれば、後に
同種の対象アイテムについて協調的フィルタリングを行
う際には、図7のフローチャートに示すように、所定の
指標に従ってランク付けし(ステップS51,S5
3)、デフォルト値データテーブル8に登録された各ラ
ンク毎の評価デフォルト値から該当ランクの最適な評価
デフォルト値を選択して未評価のアイテムに対して設定
し(ステップS55)、特定の対象アイテムに対する評
価予測値を、第2の実施の形態と同様の処理により求め
る(ステップS57〜S61)。
ィルタリングにおけるデフォルト値設定システム及びデ
フォルト値設定方法によると、より精度の高い協調的フ
ィルタリングが可能になる。
グにおけるデフォルト値設定方法を、具体的な数値を用
いて詳しく説明する。
例>実際に映画500作品についてのアンケートで得ら
れた評価データ群を利用して説明する。利用者の評価
は、各作品について1.0(良い)〜0.0(悪い)ま
で0.2刻みで与えられている。そして、評価データの
平均値が0.0〜0.2に属する作品から0.8〜1.
0に属する作品まで5ランクに分け、それぞれのランク
において、そのランクに属する作品を見ていない利用者
に対する評価デフォルト値として次の表6に示すものを
設定し、絶対偏差を計算してみた。
価ランクの作品では、評価デフォルト値として0.6を
設定したものが最も良く、0.2〜0.4の評価ランク
の作品では、評価デフォルト値を設定しない場合が最も
良く、0.6〜0.8の評価ランクの作品では、評価デ
フォルト値0.4、0.8〜1.0の評価ランクの作品
では、評価デフォルト値0.4のものが最も良いことが
判った。
値に対応する評価デフォルト値を設定し評価予測を行う
と、次の表7のようになり、本発明により採用した評価
デフォルト値による評価予測値の絶対偏差が最小となっ
た。
0作品について得られた評価データを利用して、評価者
の人数に基づいて複数種のランクに分割し、それぞれの
ランクのアイテムに対して相関係数を求め、評価デフォ
ルト値を設定しない場合、評価デフォルト値を0.0〜
1.0まで0.2刻みで設定した場合それぞれでの評価
予測値を既存の評価データと比較し、絶対偏差を求めた
のが、次の表8である。
作品では、評価デフォルト値を設定しないものが最も良
く、100〜400のランクの作品でも、評価デフォル
ト値なしのものが最も良く、400〜1600のランク
の作品では、評価デフォルト値0.6、1600〜64
00のランクの作品では、評価デフォルト値0.6、6
400以上のランクの作品では、評価デフォルト値0.
4のものが最も良いことが判った。
する評価デフォルト値を設定し評価予測を行うと、次の
表9のようになり、本発明により採用した評価デフォル
ト値による評価予測値の絶対偏差が最小となった。
>実際に映画500作品について得られた評価データを
利用して、評価データの平均値及び評価者の人数に基づ
いて複数種のランクに分割し、それぞれのランクのアイ
テムに対して相関係数を求め、評価デフォルト値を設定
しない場合、評価デフォルト値を0.0〜1.0まで
0.2刻みで設定した場合それぞれでの評価予測値を既
存の評価データと比較し、絶対偏差を求めたのが、次の
表10である。
評価者の人数が0〜100のランクの作品では、評価デ
フォルト値0.4を設定するのが最も良く、評価者の人
数が100〜400のランクの作品では、評価デフォル
ト値0.4、400〜1600のランクの作品では、評
価デフォルト値0.6、1600〜6400のランクの
作品では、評価デフォルト値0.6を設定するのが最も
良いことが判った。
4の場合、評価者の人数が0〜100のランクの作品で
は、評価デフォルト値0.2、100〜400のランク
の作品では、評価デフォルト値0.4、400〜160
0のランクの作品では評価デフォルト値0.6、160
0〜6400のランクの作品では評価デフォルト値0.
6、6400以上のランクの作品では、評価デフォルト
値0.8のものが最も良いことが判った。
の場合には、評価者の人数が0〜100のランクの作品
では、評価デフォルト値を設定しない場合が最も良く、
100〜400のランクの作品でも、評価デフォルト値
を設定しない場合が最も良く、400〜1600のラン
クの作品では、評価デフォルト値0.6、1600〜6
400のランクの作品では、評価デフォルト値0.6、
6400以上のランクの作品では、評価デフォルト値
0.8で設定するものが最も良いことが判った。
の場合には、評価者の人数が0〜100のランクの作品
では、評価デフォルト値0.0に設定するのが最も良
く、100〜400のランクの作品では、評価デフォル
ト値を設定しない場合が最も良く、400〜1600の
ランクの作品では、評価デフォルト値0.6、1600
〜6400のランクの作品では、評価デフォルト値0.
4、6400以上のランクの作品では、評価デフォルト
値0.2に設定するものが最も良いことが判った。そし
て、本評価データの平均が0.8〜1.0の場合には、
評価者の人数が6400以上のランクでは、評価デフォ
ルト値0.4のものが最も良いことが判った。
者の人数に対応する評価デフォルト値を設定し評価予測
を行うと、次の表11のようになり、本発明により採用
した評価デフォルト値による評価予測値の絶対偏差が最
小となった。
標)に基づいていくつかのランクに分割し、それぞれの
ランクでの最適な評価デフォルト値をあらかじめ求めて
おき、それをテーブル形式で保存しておく。そして現実
のアンケート結果、その他で取得した評価データに基づ
いて、協調的フィルタリングによりある利用者の特定の
対象アイテムに対する評価予測値を得る場合には、当該
対象アイテムを所定の指標に従ってランク付けし、その
ランクに対応する最適な評価デフォルト値を前述のテー
ブルから取り出して、未評価のアイテムに対してその評
価デフォルト値を設定して、特定の利用者と他のすべて
の利用者との相関係数を計算し、この相関係数群と評価
データ、評価デフォルト値を用いて特定の対象アイテム
に対する評価予測値を算出するようにすれば、精度の高
い評価予測値を得ることができることになる。
いて例示し、評価データを0.2刻みでランク分けし、
また評価者の人数によってランク分けし、さらにはそれ
らの組合せによってランク分けしたが、評価データは必
ずしも0.0〜1.0の範囲に限定されるものではな
く、例えば1〜5までの5段階評価や、1〜3までの3
段階評価等の段階評価であってもよく、特に限定される
ことはない。また対象アイテムも映画作品に限定される
ものではなく、種々のコンテンツ、書籍、テレビ番組、
ゲーム、音楽等を対象とすることができ、アンケート対
象となる種々のアイテムを対象とすることができる。
フィルタリングにおける評価デフォルト値として最適な
もの設定することができ、精度の高い評価予測を可能に
し、協調的フィルタリングを精度の高いものにすること
ができる。
ングにおけるデフォルト値設定システムの機能的構成を
示すブロック図。
ォルト値の決定処理のフローチャート。
ングにおけるデフォルト値設定システムによる最適な評
価デフォルト値の決定処理のフローチャート。
価ステップの詳しい処理内容を示すフローチャート。
ングにおけるデフォルト値設定システムの機能的構成を
示すブロック図。
な評価デフォルト値の決定処理のフローチャート。
算処理のフローチャート。
Claims (8)
- 【請求項1】 1又は複数の利用者それぞれの未評価の
1又は複数の対象アイテムそれぞれに複数種の評価デフ
ォルト値の中から選んだ1つを設定するステップ(1)
と、 現実の評価データとステップ(1)で設定された評価デ
フォルト値とを用いて、特定の利用者と他の任意の利用
者それぞれとの二者間の相関係数を演算するステップ
(2)と、 ステップ(2)で得られた相関係数を用いて特定の対象
アイテムに対する前記特定の利用者の前記評価デフォル
ト値に対応する評価予測値を演算するステップ(3)
と、 前記評価デフォルト値を変更して前記ステップ(2)及
び(3)を実行し、最適な評価デフォルト値を決定する
ステップ(4)とから成る協調的フィルタリングにおけ
るデフォルト値設定方法。 - 【請求項2】 1又は複数の利用者それぞれの未評価の
1又は複数の対象アイテムそれぞれに複数種の評価デフ
ォルト値の中から選んだ1つを設定するステップ(1)
と、 現実の評価データとステップ(1)で設定された評価デ
フォルト値とを用いて、特定の利用者と他の任意の利用
者それぞれとの二者間の相関係数を演算するステップ
(2)と、 ステップ(2)で得られた相関係数を用いて特定の対象
アイテムに対する前記特定の利用者の前記評価デフォル
ト値に対応する評価予測値を演算するステップ(3)
と、 前記特定の対象アイテムに対する前記特定の利用者の現
実の評価データとステップ(3)で得られた前記評価デ
フォルト値に対応する評価予測値とを比較するステップ
(4)と、 前記評価デフォルト値を変更して前記ステップ(2)〜
(4)を実行し、最適な評価デフォルト値を決定するス
テップ(5)から成る協調的フィルタリングにおけるデ
フォルト値設定方法。 - 【請求項3】 前記ステップ(4)において、前記評価
デフォルト値に対応する評価予測値と現実の評価データ
との絶対偏差を求め、前記ステップ(5)において、前
記絶対偏差を最も小さくする評価予測値を与える評価デ
フォルト値を最適なものと決定することを特徴とする請
求項2に記載の協調的フィルタリングにおけるデフォル
ト値設定方法。 - 【請求項4】 複数の対象アイテムそれぞれに対する複
数の利用者それぞれの評価データを保存する評価データ
保存手段と、 前記評価データに基づき、前記複数の利用者それぞれの
評価平均値を求める平均値演算手段と、 前記複数の対象アイテムそれぞれに対する前記複数の利
用者それぞれの未評価アイテムに対して複数種の評価デ
フォルト値の1つを設定する評価デフォルト値設定手段
と、 前記任意の利用者二者間の前記評価データ及び評価デフ
ォルト値に基づいて当該二者をメンバーとする両者間の
相関係数を計算する相関係数演算手段と、 前記評価デフォルト値設定手段が設定する評価デフォル
ト値を変更して前記相関係数演算手段に前記相関係数を
計算させる評価デフォルト値変更手段と、 前記任意の利用者の特定の対象アイテムに関して、前記
複数の利用者それぞれの評価データと評価平均値と複数
種の評価デフォルト値、及び当該利用者を一方のメンバ
ーとする前記相関係数を用いて、複数種の評価デフォル
ト値毎の評価データの予測演算を行う評価予測値演算手
段とを備えて成る協調的フィルタリングにおけるデフォ
ルト値設定システム。 - 【請求項5】 複数の対象アイテムそれぞれに対する複
数の利用者それぞれの評価データを保存する評価データ
保存手段と、 前記評価データに基づき、前記複数の利用者それぞれの
評価平均値を求める平均値演算手段と、 前記複数の対象アイテムそれぞれに対する前記複数の利
用者それぞれの未評価アイテムに対して複数種の評価デ
フォルト値の1つを設定する評価デフォルト値設定手段
と、 前記任意の利用者二者間の前記評価データ及び評価デフ
ォルト値に基づいて当該二者をメンバーとする両者間の
相関係数を計算する相関係数演算手段と、 前記評価デフォルト値設定手段が設定する評価デフォル
ト値を変更して前記相関係数演算手段に前記相関係数を
計算させる評価デフォルト値変更手段と、 前記任意の利用者の特定の対象アイテムに関して、前記
複数の利用者それぞれの評価データと評価平均値と複数
種の評価デフォルト値、及び当該利用者を一方のメンバ
ーとする前記相関係数を用いて、複数種の評価デフォル
ト値毎の評価データの予測演算を行う評価予測値演算手
段と、 前記特定の対象アイテムに対する現実の評価データと前
記評価予測値演算手段の算出した複数種のデフォルト値
それぞれに対する評価予測値とを比較する比較手段とを
備えて成る協調的フィルタリングにおけるデフォルト値
設定システム。 - 【請求項6】 前記比較手段は、前記評価デフォルト値
に対応する評価予測値と現実の評価データとの絶対偏差
を求め、当該絶対偏差を最も小さくする評価予測値を与
える評価デフォルト値を最適なものと決定することを特
徴とする請求項5に記載の協調的フィルタリングにおけ
るデフォルト値設定システム。 - 【請求項7】 既存の評価データ群を所定の指標に従っ
て複数群にランク分けするステップ(1)と、 ステップ(1)でランク分けされたそれぞれのランク又
は全体での既存の評価データの平均値を求め、未評価の
アイテムに対して複数種の評価デフォルト値の1つを設
定し、特定の利用者の評価データと他の利用者の評価デ
ータとの二者間の相関係数を演算し、特定の対象アイテ
ムについての特定の利用者の評価予測値を求めるステッ
プ(2)と、 評価デフォルト値を変更して前記ステップ(2)を繰り
返すステップ(3)と、 既存の評価データと、複数種の評価デフォルト値それぞ
れを用いて評価予測を行った場合の評価予測値それぞれ
とを比較し、絶対偏差を最小にする評価予測値を与える
評価デフォルト値をランク毎に求めるステップ(4)
と、 同種の対象アイテムに対して協調的フィルタリングを行
う際に、対象とするそれぞれのアイテムについて、既存
の評価データ群が属するランクに対してステップ(4)
で求めた最適な評価デフォルト値をそのアイテムに対す
る最適な評価デフォルト値として採用し、特定のアイテ
ムに対する評価予測値を求めるステップ(5)とから成
る協調的フィルタリングにおけるデフォルト値設定方
法。 - 【請求項8】 複数の対象アイテムそれぞれに対する複
数の利用者それぞれの評価データを保存する評価データ
保存手段と、 前記評価データ保存手段に保存されている評価データに
対し、所定の指標に従って複数種のランクにランク分け
するランク設定手段と、 前記評価データ保存手段に保存されている評価データに
基づき、前記ランク設定手段により設定された複数種の
ランクの1つに属する評価データ又は全評価データの平
均値を求める平均値演算手段と、 複数の対象アイテムそれぞれに対する複数の利用者それ
ぞれの未評価アイテムに対して複数種の評価デフォルト
値の1つを設定するデフォルト値設定手段と、 指定された任意の利用者二者間の評価データ及び評価デ
フォルト値に基づいて当該二者をメンバーとする両者間
の相関係数を計算する相関係数演算手段と、 前記評価デフォルト値設定手段が設定する評価デフォル
ト値を変更して前記相関係数演算手段に前記相関係数を
計算させる評価デフォルト値変更手段と、 指定された任意の利用者の特定の対象アイテムに関し
て、複数の利用者それぞれの評価データと評価平均値と
複数種の評価デフォルト値、及び当該利用者を一方のメ
ンバーとする相関係数を用いて、複数種の評価デフォル
ト値毎の評価予測値を算出する評価予測値演算手段と、 特定の対象アイテムに対する現実の評価データと評価予
測値演算手段の算出した複数種のデフォルト値それぞれ
に対する評価予測値とを比較し、絶対偏差を最小とする
評価予測値に対応する評価デフォルト値を該当するラン
クにおける最適な評価デフォルト値と決定する評価手段
と、 前記評価手段が最適な評価デフォルト値と決定した評価
デフォルト値をそれに対応するランクと対照させた形で
保持するランク別デフォルト値データ保持手段と、 同種の対象アイテムに対して協調的フィルタリングを行
う際に、対象とするそれぞれのアイテムについて、既存
の評価データ群をランク付けし、前記デフォルト値設定
手段により、当該ランクに対する最適な評価デフォルト
値を前記ランク別デフォルト値データ保持手段から読み
出して対象アイテムに対する最適な評価デフォルト値と
して採用し、全対象アイテムのうちの未評価のアイテム
に対して設定させ、前記相関係数演算手段により、指定
された任意の利用者二者間の評価データ及び評価デフォ
ルト値に基づいて当該二者をメンバーとする両者間の相
関係数を計算させ、前記評価予測値演算手段により、指
定された任意の利用者の特定の対象アイテムに関して、
最適な評価デフォルト値による評価予測値を算出させる
最適評価予測値算出手段とを備えて成る協調的フィルタ
リングにおけるデフォルト値設定システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001060704A JP3832720B2 (ja) | 2001-03-05 | 2001-03-05 | 協調的フィルタリングにおけるデフォルト値設定方法及びシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001060704A JP3832720B2 (ja) | 2001-03-05 | 2001-03-05 | 協調的フィルタリングにおけるデフォルト値設定方法及びシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002259438A true JP2002259438A (ja) | 2002-09-13 |
JP3832720B2 JP3832720B2 (ja) | 2006-10-11 |
Family
ID=18920090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001060704A Expired - Fee Related JP3832720B2 (ja) | 2001-03-05 | 2001-03-05 | 協調的フィルタリングにおけるデフォルト値設定方法及びシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3832720B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011512597A (ja) * | 2008-02-13 | 2011-04-21 | マイクロソフト コーポレーション | 関連するユーザのデータを使用したウェブ検索の向上 |
WO2016191959A1 (zh) * | 2015-05-29 | 2016-12-08 | 深圳市汇游智慧旅游网络有限公司 | 一种时变的协同过滤推荐方法 |
JP2018518722A (ja) * | 2015-04-23 | 2018-07-12 | ロヴィ ガイズ, インコーポレイテッド | メディアアセット推奨モデルにおける正確度を向上させるためのシステムおよび方法 |
-
2001
- 2001-03-05 JP JP2001060704A patent/JP3832720B2/ja not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011512597A (ja) * | 2008-02-13 | 2011-04-21 | マイクロソフト コーポレーション | 関連するユーザのデータを使用したウェブ検索の向上 |
JP2018518722A (ja) * | 2015-04-23 | 2018-07-12 | ロヴィ ガイズ, インコーポレイテッド | メディアアセット推奨モデルにおける正確度を向上させるためのシステムおよび方法 |
WO2016191959A1 (zh) * | 2015-05-29 | 2016-12-08 | 深圳市汇游智慧旅游网络有限公司 | 一种时变的协同过滤推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
JP3832720B2 (ja) | 2006-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101166102B (zh) | 信息处理设备及方法 | |
US6438579B1 (en) | Automated content and collaboration-based system and methods for determining and providing content recommendations | |
US6249785B1 (en) | Method for predicting ratings | |
JP2005509964A (ja) | 選択された第三者の好みに基づいて興味のあるアイテムを推薦するための方法及び装置 | |
US8762310B2 (en) | Evaluating recommendations | |
JP2005530255A (ja) | 適応性ステレオタイプ・プロフィールを適用してユーザに関心アイテムを推奨するための方法及び装置 | |
KR20080027257A (ko) | 사용자에게의 커뮤니티 기반 미디어 아이템 등급 제공 | |
WO1997002537A1 (en) | Method and apparatus for item recommendation using automated collaborative filtering | |
JP5533880B2 (ja) | コンテンツ推薦システム、推薦方法及び推薦プログラム | |
US8510235B2 (en) | Information processing apparatus, information processing method, and program | |
JP2006227994A (ja) | 画像検索表示装置、画像検索表示方法及びプログラム | |
US20060277174A1 (en) | Method and device for searching a data unit in a database | |
US20040267553A1 (en) | Evaluating storage options | |
AU2008362901B2 (en) | Method and apparatus for default rating estimation | |
RU2633096C2 (ru) | Устройство и способ для автоматического регулирования фильтра | |
KR101143508B1 (ko) | 개인 맞춤형 다중 추천 학습 방법 | |
CN104854588A (zh) | 用于搜索标记的主要为非文本的项目的系统和方法 | |
JP2002366838A (ja) | リコメンデーション方法及びサーバ・システム並びにプログラム | |
JP3975768B2 (ja) | コンテンツ推薦装置、コンテンツ推薦方法、そのプログラム、および、そのプログラム記憶媒体 | |
JP2002259438A (ja) | 協調的フィルタリングにおけるデフォルト値設定方法及びシステム | |
JPH09167152A (ja) | 対話的モデル作成方法 | |
JP4806465B2 (ja) | コンテンツ説明装置及び方法 | |
JPH11184872A (ja) | 多属性データ群に対する検索支援システム | |
Dai et al. | Dynamic personalized TV recommendation system | |
KR20100048218A (ko) | 협업 필터링 시스템과 방법 및 이를 구현할 수 있는 컴퓨터로 읽을 수 있는 기록 매체 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060419 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060613 |
|
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: 20060712 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060713 |
|
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: 20120728 Year of fee payment: 6 |
|
LAPS | Cancellation because of no payment of annual fees |