JP2002520743A - 高ユーザ価値推薦を行うシステム、方法および製品 - Google Patents
高ユーザ価値推薦を行うシステム、方法および製品Info
- Publication number
- JP2002520743A JP2002520743A JP2000560527A JP2000560527A JP2002520743A JP 2002520743 A JP2002520743 A JP 2002520743A JP 2000560527 A JP2000560527 A JP 2000560527A JP 2000560527 A JP2000560527 A JP 2000560527A JP 2002520743 A JP2002520743 A JP 2002520743A
- Authority
- JP
- Japan
- Prior art keywords
- item
- serendipity
- data
- processing system
- user
- 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
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99934—Query formulation, input preparation, or translation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99935—Query augmenting and refining, e.g. inexact access
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
本発明は、少なくとも部分的にセレンディピティ関数に基づきセレンディピティ加重済推薦出力セットをユーザに対して生成する電子的処理システム、方法およびコンピュータ可読記憶デバイスを含む。上記システムは、ユーザ・アイテム嗜好性データおよびコミュニティ・アイテム評判データを受信する処理システムを含む。上記処理システムはまた、上記ユーザ・アイテム嗜好性データからアイテム推薦セットを生成し、上記セレンディピティ関数および上記コミュニティ・アイテム評判データに応じて一組のアイテム・セレンディピティ制御値を生成し、且つ、上記アイテム推薦セットを上記一組のアイテム・セレンディピティ制御値に組合せてセレンディピティ加重済/選別済推薦出力セットを生成すべく構成される。上記方法は、アイテム嗜好性データおよびコミュニティ・アイテム評判データを受信する段階を含む。上記方法は更に、上記処理システムを使用して上記ユーザ・アイテム嗜好性データからアイテム推薦セットを生成する段階、および、これもまた上記処理システムを使用して上記コミュニティ・アイテム評判データおよびセレンディピティ関数に応じて一組のアイテム・セレンディピティ制御値を生成する段階を含む。上記方法はまた、上記処理システムを使用し、上記アイテム推薦セットおよび上記一組のアイテム・セレンディピティ制御値を組合せてセレンディピティ加重済出力/選別済推薦出力セットを生成する段階を含む。上記コンピュータ可読記憶デバイス上では、直上に記述されたのと同様の方法を実施すべくコンピュータにより実行され得る一組のプログラム命令が物理的に具現される。
Description
【0001】 〔背景〕 本発明はデータ処理システムに関し、特に、協力的選別/推薦システムに関す
る。
る。
【0002】 推薦システムは、当該ユーザに関する既知の属性に基づき、または、過去にお
ける当該ユーザの嗜好性もしくは消費の履歴に基づき、ユーザの嗜好性を予測す
る。例えば推薦システムは、ユーザが“タイタニック”という映画を好むものと
予測し得る、と言うのも、該ユーザは以前に“アラビアのロレンス”もしくは“
ベン・ハー”などの他の勇壮な映画に対する嗜好を示したからである。
ける当該ユーザの嗜好性もしくは消費の履歴に基づき、ユーザの嗜好性を予測す
る。例えば推薦システムは、ユーザが“タイタニック”という映画を好むものと
予測し得る、と言うのも、該ユーザは以前に“アラビアのロレンス”もしくは“
ベン・ハー”などの他の勇壮な映画に対する嗜好を示したからである。
【0003】 推薦システムは、推薦されるアイテムの品質ならびにコンテンツを考慮するこ
とが重要である。しかし乍ら、推薦システムの主題である殆どのアイテムのコン
テンツ、特に映画およびビデオなどの非テキスト・マルチメディアのコンテンツ
の品質を評価する上で信頼できるコンピュータ化プロセスは存在しない。たとえ
ば、映画“カサブランカ”のリメーク版の出来具合に関してコンピュータ・プロ
グラムは情報を告げ得ない。協力的な選別テクノロジに依れば推薦システムは、
コンテンツの自動化コンピュータ分析によってでは無く、品質およびコンテンツ
に対して他のユーザにより為された判定を用いて推薦を行うことにより、コンテ
ンツおよび品質に基づく推薦を提供し得る。協力的選別は、ユーザのコミュニテ
ィにより明示された嗜好性を一箇所に蓄積することから、ユーザ・コミュニティ
は各嗜好性を匿名的に且つ大規模に共有し得る。所定アイテムに対するひとりの
ユーザの嗜好性は、興味および希望が該ユーザと如何に類似するかに基づいて選
択された他の人々の該アイテムに対する嗜好性を考慮することにより計算される
。たとえばJane Austenの映画を共に好むコミュニティ内の他のユーザが“意識
と感覚"という映画は良かったと考えたなら、所定のユーザには“意識と感覚"と
いう映画に対して大きな予測値が与えられ得る。
とが重要である。しかし乍ら、推薦システムの主題である殆どのアイテムのコン
テンツ、特に映画およびビデオなどの非テキスト・マルチメディアのコンテンツ
の品質を評価する上で信頼できるコンピュータ化プロセスは存在しない。たとえ
ば、映画“カサブランカ”のリメーク版の出来具合に関してコンピュータ・プロ
グラムは情報を告げ得ない。協力的な選別テクノロジに依れば推薦システムは、
コンテンツの自動化コンピュータ分析によってでは無く、品質およびコンテンツ
に対して他のユーザにより為された判定を用いて推薦を行うことにより、コンテ
ンツおよび品質に基づく推薦を提供し得る。協力的選別は、ユーザのコミュニテ
ィにより明示された嗜好性を一箇所に蓄積することから、ユーザ・コミュニティ
は各嗜好性を匿名的に且つ大規模に共有し得る。所定アイテムに対するひとりの
ユーザの嗜好性は、興味および希望が該ユーザと如何に類似するかに基づいて選
択された他の人々の該アイテムに対する嗜好性を考慮することにより計算される
。たとえばJane Austenの映画を共に好むコミュニティ内の他のユーザが“意識
と感覚"という映画は良かったと考えたなら、所定のユーザには“意識と感覚"と
いう映画に対して大きな予測値が与えられ得る。
【0004】 而して推薦システムは、以前のユーザ嗜好性データを検証することで推薦を決
定する。嗜好性データは、単項的(unary)とされ、または、数値とされ得る。単
項的嗜好性データは一組の“顧客/アイテム”対であり;一つの“顧客/アイテ
ム”対は、その顧客をそのアイテムにリンクしているイベントが発生したことを
表している。上記推薦システムに対しては、“ユーザ/アイテム”イベントが発
生したこと以外には付加的な嗜好性情報は利用され得ない。(より概略的には要
素組(tuple)としても知られる)“顧客/アイテム”対が特定の“顧客/アイテ
ム”対に対して存在しないことは嗜好性を表さず;それは情報の欠如を表すのみ
である。単項的顧客データの例は購入記録データであり、その場合に“顧客/ア
イテム”対はその顧客が表示アイテムを購入したことを表す。単項的データの別
の例は、ウェブ・ページ・ログに含まれ、この場合に“顧客/アイテム”対はそ
の顧客が特定ウェブ・ページを訪れたことを表す。
定する。嗜好性データは、単項的(unary)とされ、または、数値とされ得る。単
項的嗜好性データは一組の“顧客/アイテム”対であり;一つの“顧客/アイテ
ム”対は、その顧客をそのアイテムにリンクしているイベントが発生したことを
表している。上記推薦システムに対しては、“ユーザ/アイテム”イベントが発
生したこと以外には付加的な嗜好性情報は利用され得ない。(より概略的には要
素組(tuple)としても知られる)“顧客/アイテム”対が特定の“顧客/アイテ
ム”対に対して存在しないことは嗜好性を表さず;それは情報の欠如を表すのみ
である。単項的顧客データの例は購入記録データであり、その場合に“顧客/ア
イテム”対はその顧客が表示アイテムを購入したことを表す。単項的データの別
の例は、ウェブ・ページ・ログに含まれ、この場合に“顧客/アイテム”対はそ
の顧客が特定ウェブ・ページを訪れたことを表す。
【0005】 2値(binary)および数値による嗜好性データは一般的に3要素組(3-tuples)の
形態であり、その場合に該要素組の3個の要素は、顧客ID、アイテムIDおよび嗜
好性値である。而して嗜好性値は、たとえばそのアイテムに対するユーザ嗜好性
の強度を表すか、または、そのユーザ嗜好性がそのアイテムを好むのか嫌うのか
を表す。表示する上で、嗜好性が2値形態で表されるとき、“0”はアイテムを
嫌う嗜好性を意味し得る一方、“1”はそのアイテムを好む嗜好性を意味し得る
。嗜好性が数値データとして示される場合にデータ値は1次元嗜好性軸を表し得
るものであり、中央点はそのアイテムに対する両向性を示し、小さな値はそのア
イテムを強く嫌うことを表し、且つ、大きな値はそのアイテムを強く嗜好するこ
とを表し得る。
形態であり、その場合に該要素組の3個の要素は、顧客ID、アイテムIDおよび嗜
好性値である。而して嗜好性値は、たとえばそのアイテムに対するユーザ嗜好性
の強度を表すか、または、そのユーザ嗜好性がそのアイテムを好むのか嫌うのか
を表す。表示する上で、嗜好性が2値形態で表されるとき、“0”はアイテムを
嫌う嗜好性を意味し得る一方、“1”はそのアイテムを好む嗜好性を意味し得る
。嗜好性が数値データとして示される場合にデータ値は1次元嗜好性軸を表し得
るものであり、中央点はそのアイテムに対する両向性を示し、小さな値はそのア
イテムを強く嫌うことを表し、且つ、大きな値はそのアイテムを強く嗜好するこ
とを表し得る。
【0006】 嗜好性データは、明示的もしくは暗示的な形態にて推薦システムに対して示さ
れ得る。明示的嗜好性データとは、たとえばアンケートを埋めることによりユー
ザが直接的に提供した嗜好性値である。暗示的嗜好性データは、ユーザの行動を
観察することにより推定された嗜好性値から成る。ユーザがアイテムを購入する
行為自体は嗜好性の明示的宣言ではないが、購入したアイテムに対して一定の嗜
好性を有することは推定され得る。ウェブ・ページに対するユーザの嗜好性もま
た、たとえばユーザがウェブ・ページを読む時間の長さ、または、ユーザがその
ページに再来する回数を測ることにより推定され得る。
れ得る。明示的嗜好性データとは、たとえばアンケートを埋めることによりユー
ザが直接的に提供した嗜好性値である。暗示的嗜好性データは、ユーザの行動を
観察することにより推定された嗜好性値から成る。ユーザがアイテムを購入する
行為自体は嗜好性の明示的宣言ではないが、購入したアイテムに対して一定の嗜
好性を有することは推定され得る。ウェブ・ページに対するユーザの嗜好性もま
た、たとえばユーザがウェブ・ページを読む時間の長さ、または、ユーザがその
ページに再来する回数を測ることにより推定され得る。
【0007】 上述の如く、推薦システムに対する入力は嗜好性値が典型的である。而して推
薦システムの出力は、特にユーザが未だ嗜好性を示していないアイテムに対する
嗜好性値の予測値である。入力値と同様に、出力される嗜好性値は単項的、2値
、または数値とされ得る。単項的推薦を出力するシステムは、ユーザが興味を有
するアイテムを予測するが、各アイテムに対するユーザ嗜好性の強度予測は試行
しない。2値予測値はユーザが高嗜好性であろうアイテムとユーザが低嗜好性で
あろうアイテムとを表すが、これもまた嗜好性強度の評価は提供し得ない。数値
化された嗜好性はそのアイテムを好むまたは嫌う嗜好性を示すと共に、嗜好性強
度も表す。嗜好性入力の定義域は、出力嗜好性予測値の定義域と異なり得ること
を銘記されたい。たとえば、嗜好性入力は単項的とされ得る一方、出力嗜好性予
測値は数値とされ得る。
薦システムの出力は、特にユーザが未だ嗜好性を示していないアイテムに対する
嗜好性値の予測値である。入力値と同様に、出力される嗜好性値は単項的、2値
、または数値とされ得る。単項的推薦を出力するシステムは、ユーザが興味を有
するアイテムを予測するが、各アイテムに対するユーザ嗜好性の強度予測は試行
しない。2値予測値はユーザが高嗜好性であろうアイテムとユーザが低嗜好性で
あろうアイテムとを表すが、これもまた嗜好性強度の評価は提供し得ない。数値
化された嗜好性はそのアイテムを好むまたは嫌う嗜好性を示すと共に、嗜好性強
度も表す。嗜好性入力の定義域は、出力嗜好性予測値の定義域と異なり得ること
を銘記されたい。たとえば、嗜好性入力は単項的とされ得る一方、出力嗜好性予
測値は数値とされ得る。
【0008】 単項的および2値的な嗜好性値は嗜好性の強度を表さないが、一定の推薦シス
テムは、最高ランク予測値が正しさに対する最大の可能性を有する如く、該シス
テムにより戻されつつある嗜好性予測値を付加的にランク付けし得る。数値化ア
イテムは、暗示的にランク付けされている。 既存の推薦システムは、最高ランクの肯定的嗜好性値を選択することにより推
薦を生成する。しかし、この技術は常に望ましい効果を提供するものでない。多
くの場合、確実に良好な推薦とするに十分なデータを推薦システムが有していた
なら、その推薦はユーザに取り自明である。もし推薦が自明なら、推薦システム
は無意味である。たとえば食料品店でユーザに対してアイテムを推薦するシステ
ムに関し、その推薦システムはユーザがミルク購入の可能性が高いとして、顧客
にミルクの購入を推薦するかも知れない。しかし、その様に推薦されなくても食
料品店の客の大部分はミルクを買うことから、ミルク購入の推薦は自明である。
故に、顧客に対する斯かる推薦はそれほど有用ではない。それが正確な推薦であ
るにも関わらず有用でもなく有益でもない、と言うのも、顧客に対して新たな情
報を提供しないからである。
テムは、最高ランク予測値が正しさに対する最大の可能性を有する如く、該シス
テムにより戻されつつある嗜好性予測値を付加的にランク付けし得る。数値化ア
イテムは、暗示的にランク付けされている。 既存の推薦システムは、最高ランクの肯定的嗜好性値を選択することにより推
薦を生成する。しかし、この技術は常に望ましい効果を提供するものでない。多
くの場合、確実に良好な推薦とするに十分なデータを推薦システムが有していた
なら、その推薦はユーザに取り自明である。もし推薦が自明なら、推薦システム
は無意味である。たとえば食料品店でユーザに対してアイテムを推薦するシステ
ムに関し、その推薦システムはユーザがミルク購入の可能性が高いとして、顧客
にミルクの購入を推薦するかも知れない。しかし、その様に推薦されなくても食
料品店の客の大部分はミルクを買うことから、ミルク購入の推薦は自明である。
故に、顧客に対する斯かる推薦はそれほど有用ではない。それが正確な推薦であ
るにも関わらず有用でもなく有益でもない、と言うのも、顧客に対して新たな情
報を提供しないからである。
【0009】 故に、高い確信レベルでアイテムを推薦し得るがユーザに取り自明なアイテム
の推薦も多い、という既存の推薦システムには問題が在る。従って、推薦の価値
は低い。故に、低価値な推薦を行うという問題を克服する必要がある。 〔発明の要約〕 上記で列挙した問題に対処すべく本発明は、少なくとも部分的にセレンディピ
ティ(serendipity)関数に基づき、セレンディピティ加重済推薦出力セットを生
成する電子的処理システムに関する。該システムは、ユーザ・アイテム嗜好性デ
ータおよびコミュニティ的アイテム評判データを含む適用可能なデータを受信す
べく構成された一個以上のプロセッサから成る処理システムを含む。該処理シス
テムはまた、上記ユーザ・アイテム嗜好性データからアイテム推薦セットを生成
し、上記セレンディピティ関数および上記コミュニティ的アイテム評判データに
応じて一組のアイテム・セレンディピティ制御値を生成し、且つ、上記アイテム
推薦セットを上記一組のアイテム・セレンディピティ制御値と組合せることによ
りセレンディピティ加重済出力/選別済推薦出力セットを生成すべく構成される
。
の推薦も多い、という既存の推薦システムには問題が在る。従って、推薦の価値
は低い。故に、低価値な推薦を行うという問題を克服する必要がある。 〔発明の要約〕 上記で列挙した問題に対処すべく本発明は、少なくとも部分的にセレンディピ
ティ(serendipity)関数に基づき、セレンディピティ加重済推薦出力セットを生
成する電子的処理システムに関する。該システムは、ユーザ・アイテム嗜好性デ
ータおよびコミュニティ的アイテム評判データを含む適用可能なデータを受信す
べく構成された一個以上のプロセッサから成る処理システムを含む。該処理シス
テムはまた、上記ユーザ・アイテム嗜好性データからアイテム推薦セットを生成
し、上記セレンディピティ関数および上記コミュニティ的アイテム評判データに
応じて一組のアイテム・セレンディピティ制御値を生成し、且つ、上記アイテム
推薦セットを上記一組のアイテム・セレンディピティ制御値と組合せることによ
りセレンディピティ加重済出力/選別済推薦出力セットを生成すべく構成される
。
【0010】 別実施例において本発明は、メモリ・ユニットと、一個以上のプロセッサを有
する処理システムと、入力/出力インタフェースとを有するコンピュータを使用
してユーザに対しセレンディピティ加重済推薦を生成する方法を提供する。該方
法は、上記処理システムにより適用可能なデータを受信する段階を含む。上記適
用可能なデータは、ユーザ・アイテム嗜好性データおよびコミュニティ的アイテ
ム評判データを含む。上記方法は更に、上記処理システムを使用して上記ユーザ
・アイテム嗜好性データからアイテム推薦セットを生成する段階と、同様に上記
処理システムを使用して上記コミュニティ的アイテム評判データおよび上記セレ
ンディピティ関数に応じて一組のアイテム・セレンディピティ制御値を生成する
段階とを含む。上記方法はまた、上記処理システムを使用して、上記アイテム推
薦セットおよび上記一組のアイテム・セレンディピティ制御値を組合せることに
よりセレンディピティ加重済出力/選別済推薦出力セットを生成する段階を含む
。
する処理システムと、入力/出力インタフェースとを有するコンピュータを使用
してユーザに対しセレンディピティ加重済推薦を生成する方法を提供する。該方
法は、上記処理システムにより適用可能なデータを受信する段階を含む。上記適
用可能なデータは、ユーザ・アイテム嗜好性データおよびコミュニティ的アイテ
ム評判データを含む。上記方法は更に、上記処理システムを使用して上記ユーザ
・アイテム嗜好性データからアイテム推薦セットを生成する段階と、同様に上記
処理システムを使用して上記コミュニティ的アイテム評判データおよび上記セレ
ンディピティ関数に応じて一組のアイテム・セレンディピティ制御値を生成する
段階とを含む。上記方法はまた、上記処理システムを使用して、上記アイテム推
薦セットおよび上記一組のアイテム・セレンディピティ制御値を組合せることに
よりセレンディピティ加重済出力/選別済推薦出力セットを生成する段階を含む
。
【0011】 本発明の別実施例は、セレンディピティ加重済/選別済推薦を提供する方法を
実施すべくコンピュータ上で実行可能な一組のプログラム命令が物理的に具現さ
れたコンピュータ可読プログラム記憶デバイスを提供する。上記方法はユーザ・
アイテム嗜好性データおよびコミュニティ的アイテム評判データを含む適用可能
なデータを受信する段階を含む。上記方法は更に、上記ユーザ・アイテム嗜好性
データからアイテム推薦セットを生成する段階と、上記コミュニティ的アイテム
評判データおよびセレンディピティ関数に応じて一組のアイテム・セレンディピ
ティ制御値を生成する段階と、上記アイテム推薦セットおよび上記一組のアイテ
ム・セレンディピティ制御値を組合せることによりセレンディピティ加重済出力
/選別済推薦出力セットを生成する段階と、を含む。
実施すべくコンピュータ上で実行可能な一組のプログラム命令が物理的に具現さ
れたコンピュータ可読プログラム記憶デバイスを提供する。上記方法はユーザ・
アイテム嗜好性データおよびコミュニティ的アイテム評判データを含む適用可能
なデータを受信する段階を含む。上記方法は更に、上記ユーザ・アイテム嗜好性
データからアイテム推薦セットを生成する段階と、上記コミュニティ的アイテム
評判データおよびセレンディピティ関数に応じて一組のアイテム・セレンディピ
ティ制御値を生成する段階と、上記アイテム推薦セットおよび上記一組のアイテ
ム・セレンディピティ制御値を組合せることによりセレンディピティ加重済出力
/選別済推薦出力セットを生成する段階と、を含む。
【0012】 本発明の上記要約は、本発明の各図示実施例もしくは全ての実施方式の記述を
企図するものでない。添付図面と併せて以下の説明および請求の範囲を参照すれ
ば、本発明の他の特徴が明らかになり且つ本発明はより良く理解されよう。 以下における本発明の各実施例の詳細説明を添付図面に関して考慮すれば、本
発明は更に十分に理解されよう。
企図するものでない。添付図面と併せて以下の説明および請求の範囲を参照すれ
ば、本発明の他の特徴が明らかになり且つ本発明はより良く理解されよう。 以下における本発明の各実施例の詳細説明を添付図面に関して考慮すれば、本
発明は更に十分に理解されよう。
【0013】 本発明の種々の改変および代替的形態が可能であるが、本発明の詳細は図面中
に例示されて詳述される。但し、これは本発明を特定の記述実施例に限定するこ
とを意図するものでない。寧ろ、添付の請求の範囲により定義された本発明の精
神および範囲内である全ての改変、均等物ならびに代替例を包含することが意図
される。 〔発明の詳細な説明〕 本発明の推薦システムは、正確な推薦を行うことに焦点を当てている。但し、
最も正確な推薦はユーザに対して価値の低い自明な推薦かも知れない。たとえば
書籍に対するユーザ嗜好性に関するデータにアクセスし得る推薦システムは、或
るユーザがハイテク軍事劇を好むことを理解し得たとする。すると、Tom Clancy
による新たなリリースを読むことをそのユーザに推薦することは自明である。し
かし、斯かる推薦はそのユーザにとりおそらく無用であろう、と言うのも、Clan
cyは極めて有名な著者であり、その推薦に関わり無くユーザは最近のClancyのリ
リースを既に認識している可能性が高いからである。この場合に推薦システムは
ユーザの書籍選択に対し、または、ユーザに奉仕する(仮想)書店の機能に対して
ほとんど価値を付加しない。
に例示されて詳述される。但し、これは本発明を特定の記述実施例に限定するこ
とを意図するものでない。寧ろ、添付の請求の範囲により定義された本発明の精
神および範囲内である全ての改変、均等物ならびに代替例を包含することが意図
される。 〔発明の詳細な説明〕 本発明の推薦システムは、正確な推薦を行うことに焦点を当てている。但し、
最も正確な推薦はユーザに対して価値の低い自明な推薦かも知れない。たとえば
書籍に対するユーザ嗜好性に関するデータにアクセスし得る推薦システムは、或
るユーザがハイテク軍事劇を好むことを理解し得たとする。すると、Tom Clancy
による新たなリリースを読むことをそのユーザに推薦することは自明である。し
かし、斯かる推薦はそのユーザにとりおそらく無用であろう、と言うのも、Clan
cyは極めて有名な著者であり、その推薦に関わり無くユーザは最近のClancyのリ
リースを既に認識している可能性が高いからである。この場合に推薦システムは
ユーザの書籍選択に対し、または、ユーザに奉仕する(仮想)書店の機能に対して
ほとんど価値を付加しない。
【0014】 推薦システムは典型的には、もしユーザに対して推薦されたアイテムをそのユ
ーザが知らないが該ユーザにより好まれるのであれば、ユーザおよびサービス・
プロバイダの両者に取り高価値を有する。故に、推薦システムの望ましい特性は
、セレンディピティとして知られている。セレンディピティは、ユーザが通常で
は為されない嬉しい発見をしたときに生ずるものである。セレンディピティ的推
薦システムとは、ユーザが通常では出会わないであろう推薦を提供する特性を有
する推薦システムである。しかし乍ら、既存の推薦システムは正確な推薦の提供
に焦点を当てることから、自明でありセレンディピティ的でない推薦がユーザに
呈されることも多い。
ーザが知らないが該ユーザにより好まれるのであれば、ユーザおよびサービス・
プロバイダの両者に取り高価値を有する。故に、推薦システムの望ましい特性は
、セレンディピティとして知られている。セレンディピティは、ユーザが通常で
は為されない嬉しい発見をしたときに生ずるものである。セレンディピティ的推
薦システムとは、ユーザが通常では出会わないであろう推薦を提供する特性を有
する推薦システムである。しかし乍ら、既存の推薦システムは正確な推薦の提供
に焦点を当てることから、自明でありセレンディピティ的でない推薦がユーザに
呈されることも多い。
【0015】 以下に記述かつ権利請求される本発明は、セレンディピティ的推薦の生成方法
に関すると共に、リアルタイムで作動してユーザもしくは顧客との高速な相互作
用を提供し得る。本発明は、明示的および暗示的な嗜好性尺度の両者でユーザ嗜
好性を表すデータを受信し、これに応じてセレンディピティ加重済/選別済推薦
セットを生成する推薦システムに関している。
に関すると共に、リアルタイムで作動してユーザもしくは顧客との高速な相互作
用を提供し得る。本発明は、明示的および暗示的な嗜好性尺度の両者でユーザ嗜
好性を表すデータを受信し、これに応じてセレンディピティ加重済/選別済推薦
セットを生成する推薦システムに関している。
【0016】 図1は、本発明を実施するに適した典型的なコンピュータ・システムの概略図
を示している。上記コンピュータは、一個以上の中央処理ユニット(CPU)102、メ
モリ・システム104、入力/出力(I/O)アダプタ106、補助記憶装置108、ネットワ
ーク・インタフェース110、ユーザ・インタフェース・アダプタ114およびディス
プレイ・アダプタ112から成るシステムを含み得る。コンピュータ構成要素の全
ては、システム・バス115により接続される。ディスプレイ・アダプタ112は、ユ
ーザに対して推薦を表示するディスプレイ116に接続され得る。ユーザ・インタ
フェース・アダプタ114は、ユーザ入力装置118へと接続され得る。
を示している。上記コンピュータは、一個以上の中央処理ユニット(CPU)102、メ
モリ・システム104、入力/出力(I/O)アダプタ106、補助記憶装置108、ネットワ
ーク・インタフェース110、ユーザ・インタフェース・アダプタ114およびディス
プレイ・アダプタ112から成るシステムを含み得る。コンピュータ構成要素の全
ては、システム・バス115により接続される。ディスプレイ・アダプタ112は、ユ
ーザに対して推薦を表示するディスプレイ116に接続され得る。ユーザ・インタ
フェース・アダプタ114は、ユーザ入力装置118へと接続され得る。
【0017】 上記コンピュータ・システムは一個以上のプロセッサを含み得るものであり、
その場合に各プロセッサは異なる箇所とされ得る。斯かる場合に各プロセッサは
、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワークまたはイン
ターネットなどのネットワークを介して入力/出力インタフェースによりリンク
され得る。
その場合に各プロセッサは異なる箇所とされ得る。斯かる場合に各プロセッサは
、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワークまたはイン
ターネットなどのネットワークを介して入力/出力インタフェースによりリンク
され得る。
【0018】 本発明の特定の一実施例において推薦は、図2に示された如く、ユーザ・アイ
テム嗜好性データと、全ユーザの嗜好性データの要約である母集団嗜好性データ
(population preference data)と、セレンディピティ制御関数とに基づき生成さ
れる。該実施例において、上記推薦システムは3個の重要な構成要素を含んでい
る:推薦エンジン202、セレンディピティ制御関数アプリケータ204およびセレン
ディピティ統合ユニット206である。制御関数アプリケータ204および推薦エンジ
ン202の出力は、セレンディピティ統合ユニット206へと供給される。セレンディ
ピティ統合ユニット206からの出力は、アイテムに対するセレンディピティ加重
済/選別済推薦である。セレンディピティ加重済/選別済推薦は、ユーザ・アイ
テム嗜好性データの受信時に自動的に生成され得るか、または、ユーザ入力装置
118によりユーザから受信した特定要求に応じて生成され得る。
テム嗜好性データと、全ユーザの嗜好性データの要約である母集団嗜好性データ
(population preference data)と、セレンディピティ制御関数とに基づき生成さ
れる。該実施例において、上記推薦システムは3個の重要な構成要素を含んでい
る:推薦エンジン202、セレンディピティ制御関数アプリケータ204およびセレン
ディピティ統合ユニット206である。制御関数アプリケータ204および推薦エンジ
ン202の出力は、セレンディピティ統合ユニット206へと供給される。セレンディ
ピティ統合ユニット206からの出力は、アイテムに対するセレンディピティ加重
済/選別済推薦である。セレンディピティ加重済/選別済推薦は、ユーザ・アイ
テム嗜好性データの受信時に自動的に生成され得るか、または、ユーザ入力装置
118によりユーザから受信した特定要求に応じて生成され得る。
【0019】 推薦エンジン202は、セレンディピティに関わらずデータ・セットの各アイテ
ムに対するユーザの嗜好性を予測する。上記エンジンはユーザ嗜好性データ内に
現存する各ユーザに対して興味プロファイルを構築して保持する。上記推薦エン
ジンは次に、上記嗜好性データ内に現存する各ユーザに対して推薦を生成し得る
。上記推薦エンジンが使用し得る、ユーザ興味プロファイルから個人用推薦を生
成する技術は数多く在る。推薦を生成すべく使用され得る2つの技術の例は、Re
snick Iacovo, Susha, BergstromおよびRiedl, GroupLensで記述された自動化協
力的選別である:1994年コンピュータ支援協力活動会議の講演要旨集(1994)にお
ける“ネットニュースの協力的選別のオープン・アーキテクチャ”(An open arc
hitecture for collaborative filtering of netnews, Proceedings of the 199
4 Computer Supported Collaborative Work Conference (1994))。
ムに対するユーザの嗜好性を予測する。上記エンジンはユーザ嗜好性データ内に
現存する各ユーザに対して興味プロファイルを構築して保持する。上記推薦エン
ジンは次に、上記嗜好性データ内に現存する各ユーザに対して推薦を生成し得る
。上記推薦エンジンが使用し得る、ユーザ興味プロファイルから個人用推薦を生
成する技術は数多く在る。推薦を生成すべく使用され得る2つの技術の例は、Re
snick Iacovo, Susha, BergstromおよびRiedl, GroupLensで記述された自動化協
力的選別である:1994年コンピュータ支援協力活動会議の講演要旨集(1994)にお
ける“ネットニュースの協力的選別のオープン・アーキテクチャ”(An open arc
hitecture for collaborative filtering of netnews, Proceedings of the 199
4 Computer Supported Collaborative Work Conference (1994))。
【0020】 他の推薦技術は、1996年10月7日に出願されると共に“予測情報システムにお
ける暗示的格付けを利用するシステム、方法および製品(System, Method And Ar
ticle Of Manufacture For Utilizing Implicit Ratings In Prediction Inform
ation Systems)”と称された米国特許出願第08/725,580号;1996年10月8日に出
願されると共に“受信器作動曲線に基づき暗示的格付けを生成するシステム、方
法および製品(System, Method, And Article Of Manufacture For Generating I
mplicit Ratings Based On Receiver Operating Curves)”と称された米国特許
出願第08/729,787号;および、1996年10月18日に出願されると共に“受信器作動
曲線を使用して予測有用性を評価するシステム、方法および製品(System, Metho
d And Article Of Manufacture For Using Receiver Operating Curves To Eval
uate Predictive Utility)”と称された米国特許出願第08/733,806号;に記述さ
れているがこれらの全ては言及したことにより本明細書中に援用する。
ける暗示的格付けを利用するシステム、方法および製品(System, Method And Ar
ticle Of Manufacture For Utilizing Implicit Ratings In Prediction Inform
ation Systems)”と称された米国特許出願第08/725,580号;1996年10月8日に出
願されると共に“受信器作動曲線に基づき暗示的格付けを生成するシステム、方
法および製品(System, Method, And Article Of Manufacture For Generating I
mplicit Ratings Based On Receiver Operating Curves)”と称された米国特許
出願第08/729,787号;および、1996年10月18日に出願されると共に“受信器作動
曲線を使用して予測有用性を評価するシステム、方法および製品(System, Metho
d And Article Of Manufacture For Using Receiver Operating Curves To Eval
uate Predictive Utility)”と称された米国特許出願第08/733,806号;に記述さ
れているがこれらの全ては言及したことにより本明細書中に援用する。
【0021】 自動化協力的選別において、推薦に対する候補アイテムは過去において興味を
共有した各ユーザをグループへと対応させることで生成される。これらのグルー
プは、アフィニティ・グループ(affinity group)もしくは近所(neighborhood)と
称される。ユーザのアフィニティ・グループの構成員は、隣人(neighbor)と称さ
れる。或るユーザに対して近所を形成すべく、上記推薦エンジンは上記嗜好性デ
ータ内において該ユーザのプロファイルに最も類似したプロファイルを有する一
組の人々を見い出す。2つのプロファイル間の類似性は、2つのプロファイルに
より共有されたアイテムをカウントすることにより測定され得る。
共有した各ユーザをグループへと対応させることで生成される。これらのグルー
プは、アフィニティ・グループ(affinity group)もしくは近所(neighborhood)と
称される。ユーザのアフィニティ・グループの構成員は、隣人(neighbor)と称さ
れる。或るユーザに対して近所を形成すべく、上記推薦エンジンは上記嗜好性デ
ータ内において該ユーザのプロファイルに最も類似したプロファイルを有する一
組の人々を見い出す。2つのプロファイル間の類似性は、2つのプロファイルに
より共有されたアイテムをカウントすることにより測定され得る。
【0022】 アフィニティ・グループを形成する多くの異なる方法が在るが、これらの方法
は推薦エンジンに関して刊行された文献中に記述されている。以下の各段落にお
いては、ユーザ嗜好性データに基づきユーザのアフィニティ・グループを形成す
べく使用され得る一つの特定方法が記述される。これは一例として提供されるに
過ぎず、詳細に記述されたアルゴリズムの使用に対して本発明を限定することを
意図するものでない。近所形成アルゴリズムの他の例は、Resnick Iacovo, Sush
a, BergstromおよびRiedl, GroupLens:1994年コンピュータ支援協力活動会議の
講演要旨集(1994)における“ネットニュースの協力的選別のオープン・アーキテ
クチャ”(An open architecture for collaborative filtering of netnews, Pr
oceedings of the 1994 Computer Supported Collaborative Work Conference (
1994));並びに、ShardanandおよびMaesによる“社会情報の選別”:コンピュー
タと人間の相互作用95年、“言葉”を自動化するアルゴリズム;コンピュータ・
システムにおける人的要因に関する会議の講演要旨集(1995)(Social informatio
n filtering: algorithms for automating "word of mouth", CHI '95: Confere
nce proceedings on Human factors in computing systems (1995))に見られる
が、両件ともに言及したことにより本明細書中に援用する。推薦は、ユーザから
単項的、2値または数値化アイテムを受信した時点で為され得る。
は推薦エンジンに関して刊行された文献中に記述されている。以下の各段落にお
いては、ユーザ嗜好性データに基づきユーザのアフィニティ・グループを形成す
べく使用され得る一つの特定方法が記述される。これは一例として提供されるに
過ぎず、詳細に記述されたアルゴリズムの使用に対して本発明を限定することを
意図するものでない。近所形成アルゴリズムの他の例は、Resnick Iacovo, Sush
a, BergstromおよびRiedl, GroupLens:1994年コンピュータ支援協力活動会議の
講演要旨集(1994)における“ネットニュースの協力的選別のオープン・アーキテ
クチャ”(An open architecture for collaborative filtering of netnews, Pr
oceedings of the 1994 Computer Supported Collaborative Work Conference (
1994));並びに、ShardanandおよびMaesによる“社会情報の選別”:コンピュー
タと人間の相互作用95年、“言葉”を自動化するアルゴリズム;コンピュータ・
システムにおける人的要因に関する会議の講演要旨集(1995)(Social informatio
n filtering: algorithms for automating "word of mouth", CHI '95: Confere
nce proceedings on Human factors in computing systems (1995))に見られる
が、両件ともに言及したことにより本明細書中に援用する。推薦は、ユーザから
単項的、2値または数値化アイテムを受信した時点で為され得る。
【0023】 図4は、推薦エンジンとの相互作用の単純な例に依る近所の形成を示している
。この例において上記推薦エンジンは、ユーザ全体集合400内に示された10人
のユーザに対する嗜好性情報を有している。一般化のために、推薦されつつある
各アイテムは幾何的形状で示されるが、このことはユーザにより選択された他の
タイプのアイテムに対する該システムの適用性を制限するものではない。ユーザ
が選択もしくは購入した(以下では単に選択した、と称する)各アイテムのリスト
はプロファイル(profile)と称され、且つ、嗜好性は、上記システムの10人の
ユーザの各々に対するプロファイルを含む。各プロファイルは、当該ユーザが選
択した各アイテムの絵画的表示を含むべく各ユーザの横に置かれた小さな“買い
物カゴ”として表される。 〔推薦〕 10人のユーザのひとり402は以下において顧客と称されるが、該顧客402は推
薦システムからの推薦を要求する。この推薦は、リアルタイムで上記顧客に対し
て返答され得る。
。この例において上記推薦エンジンは、ユーザ全体集合400内に示された10人
のユーザに対する嗜好性情報を有している。一般化のために、推薦されつつある
各アイテムは幾何的形状で示されるが、このことはユーザにより選択された他の
タイプのアイテムに対する該システムの適用性を制限するものではない。ユーザ
が選択もしくは購入した(以下では単に選択した、と称する)各アイテムのリスト
はプロファイル(profile)と称され、且つ、嗜好性は、上記システムの10人の
ユーザの各々に対するプロファイルを含む。各プロファイルは、当該ユーザが選
択した各アイテムの絵画的表示を含むべく各ユーザの横に置かれた小さな“買い
物カゴ”として表される。 〔推薦〕 10人のユーザのひとり402は以下において顧客と称されるが、該顧客402は推
薦システムからの推薦を要求する。この推薦は、リアルタイムで上記顧客に対し
て返答され得る。
【0024】 上記顧客402は、3個のアイテムを選択した:円形、三角形および十字形であ
る。結果として、該顧客のプロファイル404は円形、三角形および十字形を含ん
でいる。 近所を形成すべく上記推薦エンジンは、上記ユーザ母集団から上記顧客のプロ
ファイルに最も類似したプロファイルを有する一組のユーザを選択する。近所に
おける構成員を、上記顧客への個人用推薦に対して肯定的に寄与し得る隣人に制
限することが重要である。ユーザ嗜好性データは多数のユーザに対する情報を含
むことが多いので、隣人として選択されるユーザの人数を制限することも重要で
ある。故に、近所の形成は基本的に2つのパラメータ、すなわち、i)最小限の隣
人類似性およびii)最大限の近所サイズにより制御される。これらのパラメータ
は、上記推薦エンジンの管理者により構成され得る。隣人類似性を最小限とする
ことにより、隣人の全て構成員は、近所に含まれる前の上記顧客と共通する最少
数のアイテムを有することが確実とされる。上記システムを大きな最大近所サイ
ズに対して構成すれば各ユーザに対して推薦され得る多数群のアイテムが提供さ
れる一方、最大近所サイズを小さくすれば最適隣人のみの包含に焦点を当てるこ
とになる。
る。結果として、該顧客のプロファイル404は円形、三角形および十字形を含ん
でいる。 近所を形成すべく上記推薦エンジンは、上記ユーザ母集団から上記顧客のプロ
ファイルに最も類似したプロファイルを有する一組のユーザを選択する。近所に
おける構成員を、上記顧客への個人用推薦に対して肯定的に寄与し得る隣人に制
限することが重要である。ユーザ嗜好性データは多数のユーザに対する情報を含
むことが多いので、隣人として選択されるユーザの人数を制限することも重要で
ある。故に、近所の形成は基本的に2つのパラメータ、すなわち、i)最小限の隣
人類似性およびii)最大限の近所サイズにより制御される。これらのパラメータ
は、上記推薦エンジンの管理者により構成され得る。隣人類似性を最小限とする
ことにより、隣人の全て構成員は、近所に含まれる前の上記顧客と共通する最少
数のアイテムを有することが確実とされる。上記システムを大きな最大近所サイ
ズに対して構成すれば各ユーザに対して推薦され得る多数群のアイテムが提供さ
れる一方、最大近所サイズを小さくすれば最適隣人のみの包含に焦点を当てるこ
とになる。
【0025】 本例においては最小限隣人類似性は2個の共有アイテムにて設定されると共に
最大近所サイズは設定されない(またはユーザの合計数に等しく設定される)、と
言うのも、嗜好性データにおけるユーザの人数は未だ少なく且つ上記推薦システ
ムの性能に対して影響しないからである。結果として近所406は、上記顧客プロ
ファイルと少なくとも2個のアイテムを共有するプロファイルの全ユーザを選択
することにより形成される。故に近所は:円形および三角形;円形および十字形
;又は、三角形および十字形;のいずれかを有する全ユーザである。この場合、
近所の構成員としては5人のユーザが選択される。
最大近所サイズは設定されない(またはユーザの合計数に等しく設定される)、と
言うのも、嗜好性データにおけるユーザの人数は未だ少なく且つ上記推薦システ
ムの性能に対して影響しないからである。結果として近所406は、上記顧客プロ
ファイルと少なくとも2個のアイテムを共有するプロファイルの全ユーザを選択
することにより形成される。故に近所は:円形および三角形;円形および十字形
;又は、三角形および十字形;のいずれかを有する全ユーザである。この場合、
近所の構成員としては5人のユーザが選択される。
【0026】 図5に示されたフローチャートは、近所を作成する上で行われる処理手順の一
実施例を示している。ステップ500にては近所判定基準が設定される。たとえば
該ステップは、最小類似個数n-similarをn0(この例ではn0=2)に等しく設定する
段階を含み得る。該ステップはまた、最大類似個数n-maximumをnmaxに設定する
段階も含み得る。ステップ502にては、上記顧客のユーザ・アイテム嗜好性が(デ
ータベース・ユーザとして既知の)データベースに記憶された各ユーザの各嗜好
性と比較される。ステップ504にては上記顧客の嗜好性とデータベース・ユーザ
の嗜好性との間の類似嗜好性の個数がカウントされ、もしこの個数が上記n-simi
larに等しくもしくはこれより大きければ、ステップ506にてその特定データベー
ス・ユーザは上記近所に入れられる。嗜好性が検証されるべき更なるデータベー
ス・ユーザがいるとステップ508にて決定されたなら、ステップ510にては次のデ
ータベース・ユーザの嗜好性が上記顧客の嗜好性と比較される。
実施例を示している。ステップ500にては近所判定基準が設定される。たとえば
該ステップは、最小類似個数n-similarをn0(この例ではn0=2)に等しく設定する
段階を含み得る。該ステップはまた、最大類似個数n-maximumをnmaxに設定する
段階も含み得る。ステップ502にては、上記顧客のユーザ・アイテム嗜好性が(デ
ータベース・ユーザとして既知の)データベースに記憶された各ユーザの各嗜好
性と比較される。ステップ504にては上記顧客の嗜好性とデータベース・ユーザ
の嗜好性との間の類似嗜好性の個数がカウントされ、もしこの個数が上記n-simi
larに等しくもしくはこれより大きければ、ステップ506にてその特定データベー
ス・ユーザは上記近所に入れられる。嗜好性が検証されるべき更なるデータベー
ス・ユーザがいるとステップ508にて決定されたなら、ステップ510にては次のデ
ータベース・ユーザの嗜好性が上記顧客の嗜好性と比較される。
【0027】 上記顧客の各嗜好性に対して全てのデータベース・ユーザの嗜好性が比較され
たなら、ステップ512て近所のサイズが検証される。もし近所が大きすぎる、す
なわち、近所の構成員の数がn-maximumを超えると決定されたなら、ステップ514
では上記顧客の嗜好性と最も類似する嗜好性を有するn-maximum人のデータベー
ス・ユーザが上記近所に対して選択される。ステップ516にて、上記近所は完成
した。
たなら、ステップ512て近所のサイズが検証される。もし近所が大きすぎる、す
なわち、近所の構成員の数がn-maximumを超えると決定されたなら、ステップ514
では上記顧客の嗜好性と最も類似する嗜好性を有するn-maximum人のデータベー
ス・ユーザが上記近所に対して選択される。ステップ516にて、上記近所は完成
した。
【0028】 上記近所が形成されたなら、該近所からは推薦に対する一組の候補アイテムが
生成される。この候補アイテム群は、各隣人(neighbor)の各プロファイルに現存
するが上記顧客のプロファイル内には現存しない全てのアイテムを含む。ユーザ
のプロファイルに現存するアイテムを排除することにより、上記顧客が既に選択
したアイテムを上記推薦システムが推薦することが防止される。上記推薦エンジ
ンは、ユーザの近所内における各アイテムの発生頻度(fn)を計算する。特定アイ
テムに対するfnの値は、近所における隣人の数に対して該アイテムが現存する隣
人プロファイルの個数である。上記推薦エンジンは、候補アイテムのリストを、
近所における各アイテムの夫々の発生頻度と共に出力する。
生成される。この候補アイテム群は、各隣人(neighbor)の各プロファイルに現存
するが上記顧客のプロファイル内には現存しない全てのアイテムを含む。ユーザ
のプロファイルに現存するアイテムを排除することにより、上記顧客が既に選択
したアイテムを上記推薦システムが推薦することが防止される。上記推薦エンジ
ンは、ユーザの近所内における各アイテムの発生頻度(fn)を計算する。特定アイ
テムに対するfnの値は、近所における隣人の数に対して該アイテムが現存する隣
人プロファイルの個数である。上記推薦エンジンは、候補アイテムのリストを、
近所における各アイテムの夫々の発生頻度と共に出力する。
【0029】 図7に示されたフローチャートは、各アイテムに対してfnを決定する簡単な処
理手順を示している。最初に、近所における全てのアイテムが選択され、次に、
ステップ702ては上記顧客が既に嗜好性を示した各アイテムがアイテムのリスト
から除去され、上記顧客が未だ選択していないアイテムのみが近所内に残される
。ステップ704にては、各アイテムに対しそのアイテムを含む隣人プロファイル
の個数がカウントされて、アイテム頻度fiが与えられる。上記近所には、合計で
total-neigh人の隣人がプロファイルされているものとする。故にアイテム頻度f n はfn=fi/total-neighで与えられる。
理手順を示している。最初に、近所における全てのアイテムが選択され、次に、
ステップ702ては上記顧客が既に嗜好性を示した各アイテムがアイテムのリスト
から除去され、上記顧客が未だ選択していないアイテムのみが近所内に残される
。ステップ704にては、各アイテムに対しそのアイテムを含む隣人プロファイル
の個数がカウントされて、アイテム頻度fiが与えられる。上記近所には、合計で
total-neigh人の隣人がプロファイルされているものとする。故にアイテム頻度f n はfn=fi/total-neighで与えられる。
【0030】 図示例においては円形、三角形および十字形は推薦とは見做されない、と言う
のも、それらは既に上記顧客のプロファイル内に現存するからである。但し、ハ
ート、ダイヤおよび三日月は各隣人のプロファイルには現存するが上記顧客プロ
ファイル内には現存しない。各々に対する発生頻度は、上記推薦エンジンにより
計算かつ出力される。上記例に対して計算された頻度は、表1に示されている。
正方形は推薦とは見做されないことを銘記されたい、と言うのも、顧客の近所に
は正方形が無いからである。
のも、それらは既に上記顧客のプロファイル内に現存するからである。但し、ハ
ート、ダイヤおよび三日月は各隣人のプロファイルには現存するが上記顧客プロ
ファイル内には現存しない。各々に対する発生頻度は、上記推薦エンジンにより
計算かつ出力される。上記例に対して計算された頻度は、表1に示されている。
正方形は推薦とは見做されないことを銘記されたい、と言うのも、顧客の近所に
は正方形が無いからである。
【0031】
【表1】
【0032】 〔コミュニティ・アイテム評判〕 コミュニティ評判データ210は、全体集合400の各構成員により選択された種々
のアイテムの全体的評判を要約するデータを含んでいる。コミュニティ評判デー
タ210はメモリ・システム内に記憶されると共に、一組のセレンディピティ加重
済/選別済推薦が計算されつつあるときに検索され得る。コミュニティ評判デー
タ210は、該データに対する要求の受信時にリアルタイムでも計算され得る。そ
のときにコミュニティ評判データ210は、以下の各段落で記述される如くユーザ
嗜好性データの全体集合から計算され得る。
のアイテムの全体的評判を要約するデータを含んでいる。コミュニティ評判デー
タ210はメモリ・システム内に記憶されると共に、一組のセレンディピティ加重
済/選別済推薦が計算されつつあるときに検索され得る。コミュニティ評判デー
タ210は、該データに対する要求の受信時にリアルタイムでも計算され得る。そ
のときにコミュニティ評判データ210は、以下の各段落で記述される如くユーザ
嗜好性データの全体集合から計算され得る。
【0033】 図10には、コミュニティ評判データを計算する処理手順の一実施例を示すフ
ローチャートが示されている。上述の推薦技術とは異なり、コミュニティ評判デ
ータを計算する上で問題となる母集団はユーザ・プロファイルの集合全体である
。 ステップ1000にては、ユーザ・プロファイルの全体集合における合計発生数f-
univが各アイテムに対して計算される。ステップ1010にては、合計ユーザ・プロ
ファイル数T-univが計算される。各アイテムに対し、コミュニティ・アイテム評
判fpは、fp=f-univ/T-univにより与えられる。
ローチャートが示されている。上述の推薦技術とは異なり、コミュニティ評判デ
ータを計算する上で問題となる母集団はユーザ・プロファイルの集合全体である
。 ステップ1000にては、ユーザ・プロファイルの全体集合における合計発生数f-
univが各アイテムに対して計算される。ステップ1010にては、合計ユーザ・プロ
ファイル数T-univが計算される。各アイテムに対し、コミュニティ・アイテム評
判fpは、fp=f-univ/T-univにより与えられる。
【0034】 図示例においては、10人のユーザが明確な嗜好性を有している。8人のユー
ザの部分集合はハートを有し、別の6人の部分集合は円形を選択し、他の5人の
部分集合は三角形を選択し、別の4人の部分集合は十字形を選択し、他の4人の
部分集合はダイヤを選択し、他の2人の部分集合は正方形を選択し、最後の1人
のユーザの部分集合は三日月を選択している。この例においてアイテムのコミュ
ニティ評判は、全てのユーザ・プロファイルにおけるそのアイテムの発生頻度に
関して記述される。本例に対するコミュニティ評判データは表2に示された如く
要約され得る。
ザの部分集合はハートを有し、別の6人の部分集合は円形を選択し、他の5人の
部分集合は三角形を選択し、別の4人の部分集合は十字形を選択し、他の4人の
部分集合はダイヤを選択し、他の2人の部分集合は正方形を選択し、最後の1人
のユーザの部分集合は三日月を選択している。この例においてアイテムのコミュ
ニティ評判は、全てのユーザ・プロファイルにおけるそのアイテムの発生頻度に
関して記述される。本例に対するコミュニティ評判データは表2に示された如く
要約され得る。
【0035】
【表2】
【0036】 〔セレンディピティ制御関数〕 コミュニティ評判入力210における各アイテムに対し、セレンディピティ制御
関数アプリケータ204は、212にて入力されたセレンディピティ制御関数を、コミ
ュニティ評判データ・セット210内に現存する各アイテムに適用することにより
セレンディピティ制御値を計算する。
関数アプリケータ204は、212にて入力されたセレンディピティ制御関数を、コミ
ュニティ評判データ・セット210内に現存する各アイテムに適用することにより
セレンディピティ制御値を計算する。
【0037】 セレンディピティ制御関数212は、コミュニティ評判入力値210をアプリケータ
204からのセレンディピティ制御値出力へと如何にマッピングするかを指定する
。直上で論じられた如く、コミュニティ評判値は上記ユーザ嗜好性データ内に現
存する各アイテムに対して存在する。この実施例において上記セレンディピティ
制御関数212は、ユーザにより指定され、又は、上記推薦システムの管理者によ
り指定され得る関数を含む。上記制御関数は、任意の(ユーザ、アイテム)組合せ
に対して異なる様にされ、又は、複数のユーザおよびアイテムに亙り共有され得
る。図示例において、ハートは80%のコミュニティ評判値を有している。
204からのセレンディピティ制御値出力へと如何にマッピングするかを指定する
。直上で論じられた如く、コミュニティ評判値は上記ユーザ嗜好性データ内に現
存する各アイテムに対して存在する。この実施例において上記セレンディピティ
制御関数212は、ユーザにより指定され、又は、上記推薦システムの管理者によ
り指定され得る関数を含む。上記制御関数は、任意の(ユーザ、アイテム)組合せ
に対して異なる様にされ、又は、複数のユーザおよびアイテムに亙り共有され得
る。図示例において、ハートは80%のコミュニティ評判値を有している。
【0038】 上記セレンディピティ制御関数は、ユーザ・インタフェース・アダプタ114を
介してユーザもしくはシステム管理者から受信した入力に基づき、たとえば上記
コミュニティ的アイテム評判データベースが記憶されるシステムなどの外部情報
源から受信しても良く、又は、メモリ・システム104内にもしくは補助記憶装置1
08内に記憶され、或いは、多数の関数の中からCPU 102が選択しても良い。ユー
ザは、ユーザ・インタフェース・アダプタ114を介して要求を指示し得る。
介してユーザもしくはシステム管理者から受信した入力に基づき、たとえば上記
コミュニティ的アイテム評判データベースが記憶されるシステムなどの外部情報
源から受信しても良く、又は、メモリ・システム104内にもしくは補助記憶装置1
08内に記憶され、或いは、多数の関数の中からCPU 102が選択しても良い。ユー
ザは、ユーザ・インタフェース・アダプタ114を介して要求を指示し得る。
【0039】 上記コミュニティ評判値に対してセレンディピティ制御関数を適用した結果、
そのアイテムに対するセレンディピティ制御値が生成されるが、これは0と1の間
の実数値であって、1はそのアイテムが上記セレンディピティ制御関数のセレン
ディピティ要件を完全に満足することを示し、且つ、0はそのアイテムが上記セ
レンディピティ制御関数のセレンディピティ要件を満足しないことを表す。
そのアイテムに対するセレンディピティ制御値が生成されるが、これは0と1の間
の実数値であって、1はそのアイテムが上記セレンディピティ制御関数のセレン
ディピティ要件を完全に満足することを示し、且つ、0はそのアイテムが上記セ
レンディピティ制御関数のセレンディピティ要件を満足しないことを表す。
【0040】 上記セレンディピティ制御関数は、アイテムのコミュニティ評判fpを0≦w≦1
の確率値wに関連付ける任意の一般的数学関数であり得る。故に、アイテムが特
定のコミュニティ評判値と共に現存する場合、該アイテムに対してはそのコミュ
ニティ評判値に依存するセレンディピティ制御値が割当てられる。セレンディピ
ティ制御関数がseren-fun(x)であれば、特定アイテムに対するセレンディピティ
制御値wは次式により与えられる: w=seren-fun(fp) 以下においては、本発明の範囲を制限するのでは無く、セレンディピティ制御
関数を構築する一定の一般的な方策を特に図6を参照して記述する。
の確率値wに関連付ける任意の一般的数学関数であり得る。故に、アイテムが特
定のコミュニティ評判値と共に現存する場合、該アイテムに対してはそのコミュ
ニティ評判値に依存するセレンディピティ制御値が割当てられる。セレンディピ
ティ制御関数がseren-fun(x)であれば、特定アイテムに対するセレンディピティ
制御値wは次式により与えられる: w=seren-fun(fp) 以下においては、本発明の範囲を制限するのでは無く、セレンディピティ制御
関数を構築する一定の一般的な方策を特に図6を参照して記述する。
【0041】 高頻度カットオフ(切捨て)。高頻度カットオフ制御は、指定されたカットオ
フ値より大きなコミュニティ評判値を有する全てのアイテムに対して0を割当て
ると共に、他の全てのアイテムに1を割当てる。高頻度カットオフ制御関数のグ
ラフは、602に示されている。全体ユーザ内で極めて評判が高いことから大きな
コミュニティ評判値を有する各アイテムは、ユーザが知っている可能性が高いの
である。自明なアイテムを推薦することは、推薦システムに取り有用な機能性で
はない。上記高頻度カットオフ関数は、流布済アイテムの推薦を防止する方法を
提供する。
フ値より大きなコミュニティ評判値を有する全てのアイテムに対して0を割当て
ると共に、他の全てのアイテムに1を割当てる。高頻度カットオフ制御関数のグ
ラフは、602に示されている。全体ユーザ内で極めて評判が高いことから大きな
コミュニティ評判値を有する各アイテムは、ユーザが知っている可能性が高いの
である。自明なアイテムを推薦することは、推薦システムに取り有用な機能性で
はない。上記高頻度カットオフ関数は、流布済アイテムの推薦を防止する方法を
提供する。
【0042】 図示例においては、表2に要約されたコミュニティ評判入力を考察する。高頻
度カットオフ関数は、母集団の75%以上により購入された一切のアイテムを考慮
から除外すべく構成され得る、と言うのも、75%より大きなコミュニティ評判値
を有するアイテムを推薦することは、顧客に対して何らの価値も提供しないから
である。結果として、上記高頻度カットオフ関数は75%より大きなfpを有する一
切のアイテムに対して0のセレンディピティ制御値を割当て、且つ、他の全ての
アイテムに対しては1を割当てる。この場合、ハートには0の値が割当てられ、他
の全てのアイテムには1のアイテム値が割当てられる。
度カットオフ関数は、母集団の75%以上により購入された一切のアイテムを考慮
から除外すべく構成され得る、と言うのも、75%より大きなコミュニティ評判値
を有するアイテムを推薦することは、顧客に対して何らの価値も提供しないから
である。結果として、上記高頻度カットオフ関数は75%より大きなfpを有する一
切のアイテムに対して0のセレンディピティ制御値を割当て、且つ、他の全ての
アイテムに対しては1を割当てる。この場合、ハートには0の値が割当てられ、他
の全てのアイテムには1のアイテム値が割当てられる。
【0043】 この関数は、次の記述を使用して計算され得る: if fp<0.75 then w=1 else w=0 低頻度カットオフ。低頻度カットオフ関数は、604に示されている。特定カッ
トオフ値より小さなコミュニティ評判値を有するアイテムには0の値が割当てら
れる一方、残りの全てのアイテムには1の値が割当てられる。この関数は、母集
団内の一定数のユーザがアイテムを選択するまではそのアイテムを推薦するのが
望ましくない場合に有用であり得る。この関数における暗示的な前提は、アイテ
ム自体が一定の値を有することから、該アイテムが少なくとも所定の最少回数だ
け以前に選択されたときにのみユーザに推薦する価値がある、というものである
。
トオフ値より小さなコミュニティ評判値を有するアイテムには0の値が割当てら
れる一方、残りの全てのアイテムには1の値が割当てられる。この関数は、母集
団内の一定数のユーザがアイテムを選択するまではそのアイテムを推薦するのが
望ましくない場合に有用であり得る。この関数における暗示的な前提は、アイテ
ム自体が一定の値を有することから、該アイテムが少なくとも所定の最少回数だ
け以前に選択されたときにのみユーザに推薦する価値がある、というものである
。
【0044】 ここで再び、表2に示されたデータを考慮する。15%より小さなfpを有するア
イテムが廃棄される如く低頻度カットオフ関数が選択された場合、上記三日月に
は0のセレンディピティ制御値が割当てられる、と言うのも、そのコミュニティ
評判値は10%だからである。他の全てのアイテムには1の値が割当てられる。 この関数は、次の記述を使用して計算され得る: if fp>0.15 then w=1 else w=0 高頻度減衰(High Frequency Dampening)。この関数はグラフ606として示され
ると共に、上記高頻度カットオフ関数の広範囲な変更例として記述され得る。上
記高頻度カットオフ関数と同様に、該制御関数は指定カットオフ値までのコミュ
ニティ評判値で現存する各アイテムには1のセレンディピティ制御値を割当てる
。上記指定カットオフ値より大きなコミュニティ評判値により現存する各アイテ
ムに対し、上記制御関数は漸進的に小さな値を戻す。この関数は、そのアイテム
が更に普及しているときにアイテムを推薦することはセレンディピティ的でない
と確信される場合に使用され得る。但し該高頻度減衰関数は、更なる高頻度の発
生を上記高頻度カットオフ関数よりも許容する、と言うのも、1より小さな値に
てではあるが該高頻度減衰関数は大きなコミュニティ評判を有する一定のアイテ
ムに対して非ゼロのセレンディピティ制御値の割当てを許容するからである。
イテムが廃棄される如く低頻度カットオフ関数が選択された場合、上記三日月に
は0のセレンディピティ制御値が割当てられる、と言うのも、そのコミュニティ
評判値は10%だからである。他の全てのアイテムには1の値が割当てられる。 この関数は、次の記述を使用して計算され得る: if fp>0.15 then w=1 else w=0 高頻度減衰(High Frequency Dampening)。この関数はグラフ606として示され
ると共に、上記高頻度カットオフ関数の広範囲な変更例として記述され得る。上
記高頻度カットオフ関数と同様に、該制御関数は指定カットオフ値までのコミュ
ニティ評判値で現存する各アイテムには1のセレンディピティ制御値を割当てる
。上記指定カットオフ値より大きなコミュニティ評判値により現存する各アイテ
ムに対し、上記制御関数は漸進的に小さな値を戻す。この関数は、そのアイテム
が更に普及しているときにアイテムを推薦することはセレンディピティ的でない
と確信される場合に使用され得る。但し該高頻度減衰関数は、更なる高頻度の発
生を上記高頻度カットオフ関数よりも許容する、と言うのも、1より小さな値に
てではあるが該高頻度減衰関数は大きなコミュニティ評判を有する一定のアイテ
ムに対して非ゼロのセレンディピティ制御値の割当てを許容するからである。
【0045】 この関数は、次の記述を使用して計算され得る: if fp<fh then w=1 else w=1−(fp−fh)/m1 式中、fhはこれ以上ではカットオフが始まるコミュニティ・アイテム評判を表
し、m1はカットオフの勾配を決定する。該実施例で採用された直線関係以外のカ
ットオフ関係が採用され得ることは理解されよう。
し、m1はカットオフの勾配を決定する。該実施例で採用された直線関係以外のカ
ットオフ関係が採用され得ることは理解されよう。
【0046】 頻度正規化。この関数においては、より大きな発生頻度のアイテムに対してよ
り小さなセレンディピティ制御値が組合される。制御値は、アイテムのコミュニ
ティ評判が増大するにつれて線形的に減少する。頻度正規化関数のグラフの例は
、曲線608として示されている。上記頻度正規化曲線は線形的である必要は無く
、コミュニティ評判値に対してたとえば指数的もしくは多項的関係などの異なる
形状を有し得る。頻度正規化関数は、2個のアイテムのコミュニティ評判値が如
何なるものであれ、普及度の低いアイテムが普及度の高いアイテムよりも大きな
値を有するという利点を有している。また、上記頻度正規化関数は一切のアイテ
ムを考慮から外さず、且つ、多くの場合には異なるデータ群に対して異なり得る
定義カットオフ値の詳細を要しない。
り小さなセレンディピティ制御値が組合される。制御値は、アイテムのコミュニ
ティ評判が増大するにつれて線形的に減少する。頻度正規化関数のグラフの例は
、曲線608として示されている。上記頻度正規化曲線は線形的である必要は無く
、コミュニティ評判値に対してたとえば指数的もしくは多項的関係などの異なる
形状を有し得る。頻度正規化関数は、2個のアイテムのコミュニティ評判値が如
何なるものであれ、普及度の低いアイテムが普及度の高いアイテムよりも大きな
値を有するという利点を有している。また、上記頻度正規化関数は一切のアイテ
ムを考慮から外さず、且つ、多くの場合には異なるデータ群に対して異なり得る
定義カットオフ値の詳細を要しない。
【0047】 線形頻度正規化関数は、次の如く与えられ得る: w=1−fp/m2 式中、m2は正規化の勾配を決定する。 動的適合(Dynamically Adapted)。動的適合セレンディピティ制御関数は、時
間と共に一定のままでなく、ユーザから受信したフィードバックに応じて変化す
る。フィードバックは、ユーザにより明示的に要求された変更として、又は、ユ
ーザの行動を観察して獲得された情報として、提供され得る。たとえばユーザは
与えられた各推薦の精度の指示を提供し得ると共に、斯かる指示はユーザが真価
を認めるセレンディピティのレベルを識別すべく使用され得る。この指示はまた
、そのユーザに対して個人化されたセレンディピティ制御関数を動的に生成する
上で使用され得る。たとえば動的に適合される関数が高頻度カットオフ関数に基
づく場合、カットオフ評判値は動的に制御され得る。故にユーザは、アイテムの
自明性のレベルを推薦レベルへと制御し得る。
間と共に一定のままでなく、ユーザから受信したフィードバックに応じて変化す
る。フィードバックは、ユーザにより明示的に要求された変更として、又は、ユ
ーザの行動を観察して獲得された情報として、提供され得る。たとえばユーザは
与えられた各推薦の精度の指示を提供し得ると共に、斯かる指示はユーザが真価
を認めるセレンディピティのレベルを識別すべく使用され得る。この指示はまた
、そのユーザに対して個人化されたセレンディピティ制御関数を動的に生成する
上で使用され得る。たとえば動的に適合される関数が高頻度カットオフ関数に基
づく場合、カットオフ評判値は動的に制御され得る。故にユーザは、アイテムの
自明性のレベルを推薦レベルへと制御し得る。
【0048】 また、上記セレンディピティ関数を制御するフィードバックは、顧客から暗示
的に受信され得る。たとえばフィードバックは、該ユーザに対して呈されたセレ
ンディピティ加重済/選別済推薦を該ユーザが受け入れる割合を含み得る。各推
薦の受け入れ割合が低い場合、上記セレンディピティ関数は多数のセレンディピ
ティ加重済/選別済推薦を生成すべく変更され得る。フィードバックは更に、顧
客が付加的なアイテムを要求する割合、又は、顧客が非推薦アイテムを受け入れ
る割合に基づき得る。もし、顧客が非推薦アイテムを受け入れる割合がたとえば
推薦アイテムを受け入れる割合よりも高ければ、上記セレンディピティ関数は顧
客に対して推薦されるアイテムの範囲を広げるべく変更され得る。
的に受信され得る。たとえばフィードバックは、該ユーザに対して呈されたセレ
ンディピティ加重済/選別済推薦を該ユーザが受け入れる割合を含み得る。各推
薦の受け入れ割合が低い場合、上記セレンディピティ関数は多数のセレンディピ
ティ加重済/選別済推薦を生成すべく変更され得る。フィードバックは更に、顧
客が付加的なアイテムを要求する割合、又は、顧客が非推薦アイテムを受け入れ
る割合に基づき得る。もし、顧客が非推薦アイテムを受け入れる割合がたとえば
推薦アイテムを受け入れる割合よりも高ければ、上記セレンディピティ関数は顧
客に対して推薦されるアイテムの範囲を広げるべく変更され得る。
【0049】 混合関数。推薦システムにおいては、上記各関数の一つ以上の特性が望ましい
こともある。この限りにおいて、上述の関数の幾つかを組合せて単一関数とする
混合関数が使用され得る。たとえば、組合せ関数610を考える。この関数は、高
頻度カットオフ、低頻度カットオフ、及び、頻度正規化の組合せを示している。
もしコミュニティ評判値が低いカットオフ値より小さく又は高いカットオフ値よ
り大きければアイテムに対して0のセレンディピティ制御値を割当てる。もしア
イテムが上記低いカットオフ値と上記高いカットオフ値との間の評判値を有すれ
ば、頻度正規化関数が適用され、高い評判値ほど低い制御値が割当てられる。
こともある。この限りにおいて、上述の関数の幾つかを組合せて単一関数とする
混合関数が使用され得る。たとえば、組合せ関数610を考える。この関数は、高
頻度カットオフ、低頻度カットオフ、及び、頻度正規化の組合せを示している。
もしコミュニティ評判値が低いカットオフ値より小さく又は高いカットオフ値よ
り大きければアイテムに対して0のセレンディピティ制御値を割当てる。もしア
イテムが上記低いカットオフ値と上記高いカットオフ値との間の評判値を有すれ
ば、頻度正規化関数が適用され、高い評判値ほど低い制御値が割当てられる。
【0050】 推薦システムにより推薦されるアイテムの自明性を減少する上では、上述され
た以外のセレンディピティ制御関数も使用され得ることは理解されよう。 図11には、セレンディピティ制御関数を適用する方法の一実施例のフローチ
ャートが示されている。このセレンディピティ制御関数アプリケータのリアルタ
イム実施例において、ステップ1100にてはアイテムのセレンディピティ制御値に
対して受信された要求に応じてセレンディピティ制御値が計算される。ステップ
1102にては、ユーザ・プロファイルの全体集合内におけるアイテムの発生頻度f-
univと合計ユーザ・プロファイル数T-univとがユーザ・プロファイルのデータベ
ースから検索される。ステップ1104にては、f-univおよびT-univと、コミュニテ
ィ・アイテム評判値に対して適用された上記セレンディピティ関数とからコミュ
ニティ・アイテム評判が決定されて、セレンディピティ制御値が生成される。
た以外のセレンディピティ制御関数も使用され得ることは理解されよう。 図11には、セレンディピティ制御関数を適用する方法の一実施例のフローチ
ャートが示されている。このセレンディピティ制御関数アプリケータのリアルタ
イム実施例において、ステップ1100にてはアイテムのセレンディピティ制御値に
対して受信された要求に応じてセレンディピティ制御値が計算される。ステップ
1102にては、ユーザ・プロファイルの全体集合内におけるアイテムの発生頻度f-
univと合計ユーザ・プロファイル数T-univとがユーザ・プロファイルのデータベ
ースから検索される。ステップ1104にては、f-univおよびT-univと、コミュニテ
ィ・アイテム評判値に対して適用された上記セレンディピティ関数とからコミュ
ニティ・アイテム評判が決定されて、セレンディピティ制御値が生成される。
【0051】 セレンディピティ制御値を生成すべく図11に示された方法は、上記セレンデ
ィピティ加重済/選別済推薦を計算するプロセッサとは別のプロセッサにより実
行され得る。故に、ステップ1106にては上記セレンディピティ制御値がそのプロ
セッサに対して出力され得る。但し、上記セレンディピティ制御値および上記セ
レンディピティ加重済/選別済推薦の両者を計算すべく同一のプロセッサが使用
され得る。このセレンディピティ制御関数アプリケータはリアルタイムで動作し
、要求が在る毎に新しくセレンディピティ制御値を計算する。
ィピティ加重済/選別済推薦を計算するプロセッサとは別のプロセッサにより実
行され得る。故に、ステップ1106にては上記セレンディピティ制御値がそのプロ
セッサに対して出力され得る。但し、上記セレンディピティ制御値および上記セ
レンディピティ加重済/選別済推薦の両者を計算すべく同一のプロセッサが使用
され得る。このセレンディピティ制御関数アプリケータはリアルタイムで動作し
、要求が在る毎に新しくセレンディピティ制御値を計算する。
【0052】 図12には、セレンディピティ制御値を計算する別の方法がフローチャート形
態で示されている。セレンディピティ制御関数アプリケータの該実施例において
、セレンディピティ制御値は図11に示された実施例の場合の様にはオンデマン
ドでは計算されない。代わりに、セレンディピティ制御値は斯かる時点の前に計
算されると共に、容易に検索のためアクセスし得るメモリ上に格納される。この
試みは、図11に示された方法と比較して処理時間を節約し得る。但し、この方
法において使用されるコミュニティ的アイテム評判データは図11の方法で計算
されたコミュニティ的アイテム評判データの様に最新版とはならないこともある
。
態で示されている。セレンディピティ制御関数アプリケータの該実施例において
、セレンディピティ制御値は図11に示された実施例の場合の様にはオンデマン
ドでは計算されない。代わりに、セレンディピティ制御値は斯かる時点の前に計
算されると共に、容易に検索のためアクセスし得るメモリ上に格納される。この
試みは、図11に示された方法と比較して処理時間を節約し得る。但し、この方
法において使用されるコミュニティ的アイテム評判データは図11の方法で計算
されたコミュニティ的アイテム評判データの様に最新版とはならないこともある
。
【0053】 この方法において、ステップ1200にてはユーザ嗜好性データベースにおける第
1アイテムが選択される。ステップ1202にては、ユーザ・プロファイルの全体集
合におけるそのアイテムの発生頻度freq-occurrenceとユーザ・プロファイル合
計数num-usersが検索され、且つ、そのアイテムに対するコミュニティ・アイテ
ム評判が計算される。上記セレンディピティ制御値は次にステップ1204にて上記
コミュニティ・アイテム評判およびセレンディピティ関数から計算され、ステッ
プ1206にては、後に検索(ルックアップ)され得るデータベース内に上記セレン
ディピティ制御値が格納される。もし更に考慮されるべきアイテムが在るとステ
ップ1208にて決定されたなら、プロセッサはステップ1210にて次のアイテムを選
択し、同様にして次のアイテムに対するセレンディピティ制御値の計算および格
納を続行する。全てのアイテムが考慮されたなら、ステップ1212にてはセレンデ
ィピティ制御値の上記データベースが完成される。
1アイテムが選択される。ステップ1202にては、ユーザ・プロファイルの全体集
合におけるそのアイテムの発生頻度freq-occurrenceとユーザ・プロファイル合
計数num-usersが検索され、且つ、そのアイテムに対するコミュニティ・アイテ
ム評判が計算される。上記セレンディピティ制御値は次にステップ1204にて上記
コミュニティ・アイテム評判およびセレンディピティ関数から計算され、ステッ
プ1206にては、後に検索(ルックアップ)され得るデータベース内に上記セレン
ディピティ制御値が格納される。もし更に考慮されるべきアイテムが在るとステ
ップ1208にて決定されたなら、プロセッサはステップ1210にて次のアイテムを選
択し、同様にして次のアイテムに対するセレンディピティ制御値の計算および格
納を続行する。全てのアイテムが考慮されたなら、ステップ1212にてはセレンデ
ィピティ制御値の上記データベースが完成される。
【0054】 この方法は、たとえばプロセッサに高負荷が掛けられていないときにバックグ
ラウンドで動作するに適している。これに加え、セレンディピティ制御値データ
ベースが完成したなら、上記セレンディピティ制御関数アプリケータは再始動し
て新たな群の制御値を計算し得る。但し、ボリュームが大きく且つ発生頻度の経
時的な変化が大きくは見込まれないアプリケーションに対し、上記セレンディピ
ティ制御値データベースはおそらくは1日1回もしくは1週間に1回などの様に
長い間隔で更新され得る。
ラウンドで動作するに適している。これに加え、セレンディピティ制御値データ
ベースが完成したなら、上記セレンディピティ制御関数アプリケータは再始動し
て新たな群の制御値を計算し得る。但し、ボリュームが大きく且つ発生頻度の経
時的な変化が大きくは見込まれないアプリケーションに対し、上記セレンディピ
ティ制御値データベースはおそらくは1日1回もしくは1週間に1回などの様に
長い間隔で更新され得る。
【0055】 図2を再び考慮すると、セレンディピティ統合ユニット206はアプリケータ204
により生成されたアイテムのセレンディピティ制御値と、推薦エンジン202によ
り生成されたそのアイテムの推薦値とを獲得すると共に、計算を行うことにより
最終的なセレンディピティ加重済推薦を生成する。 〔セレンディピティ統合〕 上記セレンディピティ統合ユニットの目的は、上記推薦エンジンの予測精度と
その推薦のセレンディピティ的値を加重済/選別済推薦の最終リストへと仲裁す
ることである。セレンディピティ統合は、アイテムのセレンディピティ制御値w
および推薦値rをセレンディピティ加重済/選別済推薦rwへと関連付ける任意の
計算とされ得る。上記セレンディピティ統合器に対して呈される推薦は、単項的
、2値もしくは数値形態とされ得る。同様に、上記セレンディピティ加重済/選
別済推薦もまた、単項的、2値もしくは数値形態とされ得る。
により生成されたアイテムのセレンディピティ制御値と、推薦エンジン202によ
り生成されたそのアイテムの推薦値とを獲得すると共に、計算を行うことにより
最終的なセレンディピティ加重済推薦を生成する。 〔セレンディピティ統合〕 上記セレンディピティ統合ユニットの目的は、上記推薦エンジンの予測精度と
その推薦のセレンディピティ的値を加重済/選別済推薦の最終リストへと仲裁す
ることである。セレンディピティ統合は、アイテムのセレンディピティ制御値w
および推薦値rをセレンディピティ加重済/選別済推薦rwへと関連付ける任意の
計算とされ得る。上記セレンディピティ統合器に対して呈される推薦は、単項的
、2値もしくは数値形態とされ得る。同様に、上記セレンディピティ加重済/選
別済推薦もまた、単項的、2値もしくは数値形態とされ得る。
【0056】 一定の可能的なセレンディピティ統合の方策としては: 積rw=w*rが挙げられる。推薦エンジンにより生成された推薦rは、上記セレン
ディピティ制御値により価値が減少される。セレンディピティ要件を完全に満足
する(が故に1の値を有する)アイテムは上記推薦の価値を全く減少せず、rw=rで
ある。セレンディピティ要件を全く満足しない(ことから0の値を有する)アイテ
ムは、0の加重済推薦に帰着する。0と1との間の制御値を有するアイテムに対す
る推薦は、セレンディピティ制御値wの値に逆比例した量により価値が減少され
る。
ディピティ制御値により価値が減少される。セレンディピティ要件を完全に満足
する(が故に1の値を有する)アイテムは上記推薦の価値を全く減少せず、rw=rで
ある。セレンディピティ要件を全く満足しない(ことから0の値を有する)アイテ
ムは、0の加重済推薦に帰着する。0と1との間の制御値を有するアイテムに対す
る推薦は、セレンディピティ制御値wの値に逆比例した量により価値が減少され
る。
【0057】 図4に示された例を再び考慮するが、この場合には更に、低頻度カットオフセ
レンディピティ制御関数が使用されると共に、低いカットオフ値は15%に設定さ
れるものと仮定する。表1からは、推薦エンジンがハート、ダイヤおよび三日月
に対して夫々80%、60%および20%の推薦値を以て推薦を生成することが理解さ
れる。また表2からは、ハートおよびダイヤが夫々80%および40%のコミュニテ
ィ評判値を有することから関数アプリケータ204はハートおよびダイヤの両者に
対して1のセレンディピティ制御値を割当てることが理解される。
レンディピティ制御関数が使用されると共に、低いカットオフ値は15%に設定さ
れるものと仮定する。表1からは、推薦エンジンがハート、ダイヤおよび三日月
に対して夫々80%、60%および20%の推薦値を以て推薦を生成することが理解さ
れる。また表2からは、ハートおよびダイヤが夫々80%および40%のコミュニテ
ィ評判値を有することから関数アプリケータ204はハートおよびダイヤの両者に
対して1のセレンディピティ制御値を割当てることが理解される。
【0058】 上記セレンディピティ統合ユニットは上記積を適用することにより、ハートお
よびダイヤに対するセレンディピティ加重済推薦を計算し、80%(1*80%)および6
0%(1*60%)の加重済/選別済推薦に帰着する。この場合の加重済/選別済推薦は
、元の推薦と厳密に同一である。 但し、三日月は10%のコミュニティ評判値を有することから、該三日月に対し
て関数アプリケータ204は0のセレンディピティ制御値を割当てる。これにより統
合ユニット206は上記積を適用し、0の制御値を三日月に割当てる。これにより三
日月は一組のセレンディピティ加重済/選別済推薦から実効的に除外される。
よびダイヤに対するセレンディピティ加重済推薦を計算し、80%(1*80%)および6
0%(1*60%)の加重済/選別済推薦に帰着する。この場合の加重済/選別済推薦は
、元の推薦と厳密に同一である。 但し、三日月は10%のコミュニティ評判値を有することから、該三日月に対し
て関数アプリケータ204は0のセレンディピティ制御値を割当てる。これにより統
合ユニット206は上記積を適用し、0の制御値を三日月に割当てる。これにより三
日月は一組のセレンディピティ加重済/選別済推薦から実効的に除外される。
【0059】 これは数学的には以下の様にも記述され得る: fp≧0.15ならw=1、 fp<0.15ならw=0として、 rw=r*w。 〔カットオフによる積〕 上述の如くセレンディピティ統合ユニットは積を適用するが、計算されたセレ
ンディピティ加重済/選別済推薦が特定カットオフ値より小さければ、上記統合
ユニットはそのアイテムに対して推薦を出力しない。
ンディピティ加重済/選別済推薦が特定カットオフ値より小さければ、上記統合
ユニットはそのアイテムに対して推薦を出力しない。
【0060】 これは数学的には以下の様にも記述され得る: fp≧0.15ならw=1、 fp<0.15ならw=0として、 rw≧r1ならば、 rw=r*w rw<r1ならば、 rw=0、 式中、r1は推薦に対する低いカットオフ値である。 〔トップn個による積〕 上記セレンディピティ統合ユニットは全てのアイテムに対してセレンディピテ
ィ加重済推薦を計算するが、n個の最大側の加重済推薦を有するアイテムに対す
る推薦のみを出力する。 〔カットオフ値およびトップn個による積〕 上記した2種の計算の組合せであり、この場合には先ずカットオフ値未満の加
重済推薦を有するアイテムが廃棄され、次に残りのアイテムの内からトップn個
の最大側の加重済推薦を有するアイテムが出力される。カットオフ値未満のアイ
テムを廃棄した後に残るアイテムがn個より少なければ、残っている全てのアイ
テムに対して加重済推薦が出力される。
ィ加重済推薦を計算するが、n個の最大側の加重済推薦を有するアイテムに対す
る推薦のみを出力する。 〔カットオフ値およびトップn個による積〕 上記した2種の計算の組合せであり、この場合には先ずカットオフ値未満の加
重済推薦を有するアイテムが廃棄され、次に残りのアイテムの内からトップn個
の最大側の加重済推薦を有するアイテムが出力される。カットオフ値未満のアイ
テムを廃棄した後に残るアイテムがn個より少なければ、残っている全てのアイ
テムに対して加重済推薦が出力される。
【0061】 上記計算に関わらず上記セレンディピティ統合ユニットは一組のセレンディピ
ティ加重済/選別済推薦を出力する。この一組の推薦は空集合でも良い。上記セ
レンディピティ統合ユニットは加重済/選別済推薦をユーザに戻す前にこれらの
推薦をソートし得るか、又は、推薦要求リストが受信された順番に加重済推薦を
戻し得る。上記加重済/選別済推薦は、リスト214へと出力される。セレンディ
ピティ加重済/選別済推薦の上記リストは、たとえばユーザのコンピュータ画面
などのディスプレイ装置116上への直接表示の為にディスプレイ・アダプタ112を
介して出力され得る。上記セレンディピティ統合器206はたとえば補助記憶装置1
08などのメモリ・システムにも一組のセレンディピティ加重済/選別済推薦を記
憶し得ることから、ユーザもしくはシステム管理者は後の時点で上記一組のセレ
ンディピティ加重済/選別済推薦に対してアクセスし得る。
ティ加重済/選別済推薦を出力する。この一組の推薦は空集合でも良い。上記セ
レンディピティ統合ユニットは加重済/選別済推薦をユーザに戻す前にこれらの
推薦をソートし得るか、又は、推薦要求リストが受信された順番に加重済推薦を
戻し得る。上記加重済/選別済推薦は、リスト214へと出力される。セレンディ
ピティ加重済/選別済推薦の上記リストは、たとえばユーザのコンピュータ画面
などのディスプレイ装置116上への直接表示の為にディスプレイ・アダプタ112を
介して出力され得る。上記セレンディピティ統合器206はたとえば補助記憶装置1
08などのメモリ・システムにも一組のセレンディピティ加重済/選別済推薦を記
憶し得ることから、ユーザもしくはシステム管理者は後の時点で上記一組のセレ
ンディピティ加重済/選別済推薦に対してアクセスし得る。
【0062】 図13は、一個以上のプロセッサを有する処理システムを作動させて一組のセ
レンディピティ加重済/選別済推薦を生成する方法の一実施例をフローチャート
形態で示している。先ずステップ1300にては、推薦エンジン202から一組のアイ
テム推薦が受信される。ステップ1302にては上記一組のアイテム推薦の第1のア
イテムが選択され、ステップ1304にては該第1アイテムに対するセレンディピテ
ィ制御値の要求が為される。該セレンディピティ制御値は、図2に関して前述さ
れた如くセレンディピティ制御値データベースに格納され得る。代替的に、上記
セレンディピティ制御値は図11に関して前述された如くリアルタイムで計算さ
れ得る。セレンディピティ制御値が受信もしくは計算されたなら、ステップ1306
にては上記アイテム推薦を上記セレンディピティ制御値と統合することにより、
この場合には上記推薦値を上記セレンディピティ制御値と乗算することにより、
セレンディピティ加重済/選別済推薦が生成され、次にステップ1308にては該セ
レンディピティ加重済/選別済推薦が上記一組のセレンディピティ加重済/選別
済推薦に付加される。
レンディピティ加重済/選別済推薦を生成する方法の一実施例をフローチャート
形態で示している。先ずステップ1300にては、推薦エンジン202から一組のアイ
テム推薦が受信される。ステップ1302にては上記一組のアイテム推薦の第1のア
イテムが選択され、ステップ1304にては該第1アイテムに対するセレンディピテ
ィ制御値の要求が為される。該セレンディピティ制御値は、図2に関して前述さ
れた如くセレンディピティ制御値データベースに格納され得る。代替的に、上記
セレンディピティ制御値は図11に関して前述された如くリアルタイムで計算さ
れ得る。セレンディピティ制御値が受信もしくは計算されたなら、ステップ1306
にては上記アイテム推薦を上記セレンディピティ制御値と統合することにより、
この場合には上記推薦値を上記セレンディピティ制御値と乗算することにより、
セレンディピティ加重済/選別済推薦が生成され、次にステップ1308にては該セ
レンディピティ加重済/選別済推薦が上記一組のセレンディピティ加重済/選別
済推薦に付加される。
【0063】 もしステップ1310にて、考慮されるべき更なるアイテム推薦が在ると判断され
たなら、処理システムはステップ1312にて次の候補アイテムを選択し、上述の統
合処理を続行する。全てのアイテム推薦が考慮されたなら、上記一組のセレンデ
ィピティ加重済/選別済推薦は顧客に対して出力される。 図14には、セレンディピティ制御値をアイテム推薦セットと統合する方法の
別実施例がフローチャート形態で示されている。該実施例においては、ステップ
1400にて推薦エンジン202から一組のアイテム推薦が受信される。ステップ1402
にては上記一組のアイテム推薦の第1アイテムが選択され、ステップ1404にては
該第1アイテムに対するセレンディピティ制御値の要求が為される。図13のス
テップ1304に関して上述された如く、上記セレンディピティ制御値はリアルタイ
ムで計算されて供給されても良く、又は、セレンディピティ制御値データベース
から検索されても良い。次に、加重済推薦はカットオフ値r1に対して検査される
。もし上記加重済推薦が上記カットオフ値未満であると判断されたなら、ステッ
プ1410にては、そのアイテムは更なる考慮から除外される。一方、もし上記加重
済推薦が上記カットオフ値より大きければ、ステップ1412にて該アイテムは加重
済/選別済推薦リストに付加される。
たなら、処理システムはステップ1312にて次の候補アイテムを選択し、上述の統
合処理を続行する。全てのアイテム推薦が考慮されたなら、上記一組のセレンデ
ィピティ加重済/選別済推薦は顧客に対して出力される。 図14には、セレンディピティ制御値をアイテム推薦セットと統合する方法の
別実施例がフローチャート形態で示されている。該実施例においては、ステップ
1400にて推薦エンジン202から一組のアイテム推薦が受信される。ステップ1402
にては上記一組のアイテム推薦の第1アイテムが選択され、ステップ1404にては
該第1アイテムに対するセレンディピティ制御値の要求が為される。図13のス
テップ1304に関して上述された如く、上記セレンディピティ制御値はリアルタイ
ムで計算されて供給されても良く、又は、セレンディピティ制御値データベース
から検索されても良い。次に、加重済推薦はカットオフ値r1に対して検査される
。もし上記加重済推薦が上記カットオフ値未満であると判断されたなら、ステッ
プ1410にては、そのアイテムは更なる考慮から除外される。一方、もし上記加重
済推薦が上記カットオフ値より大きければ、ステップ1412にて該アイテムは加重
済/選別済推薦リストに付加される。
【0064】 もし考慮されるべき更なるアイテムが在るとステップ141にて判断されたなら
、ステップ1416にては次のアイテム候補が考慮される。もし考慮されるべき更な
るアイテム推薦が無ければ、ステップ1418にては加重済/選別済推薦リストが降
順の加重済/選別済推薦値へとソートされ、ステップ1420にてユーザへの呈示の
為に出力される。
、ステップ1416にては次のアイテム候補が考慮される。もし考慮されるべき更な
るアイテム推薦が無ければ、ステップ1418にては加重済/選別済推薦リストが降
順の加重済/選別済推薦値へとソートされ、ステップ1420にてユーザへの呈示の
為に出力される。
【0065】 図3は、本発明の第2実施例を示している。このセレンディピティ・アプリケ
ータ/統合器300の実施例は、セレンディピティ制御関数アプリケータおよび/
またはセレンディピティ統合ユニットとは異なる処理システム上に配置され得る
別体の推薦システムにより生成された一組の推薦入力データ306に対して適用す
るに有効である。アプリケータ/統合器300からの出力は、一組のセレンディピ
ティ加重済/選別済推薦である。推薦入力データ306は、各アイテムに対してユ
ーザが明示した嗜好性もしくは各アイテムに対して観察された嗜好性を表す一組
の要素組(ユーザ、アイテム、嗜好性値)の形態とされ得る。上記嗜好性値は、単
項的、2値、または数値とされ得る。上記推薦入力データは、セレンディピティ
的推薦をサポートしない別の推薦システムなどの任意の情報源から到来し得る。
コミュニティ評判入力304は、推薦入力306における各アイテムに対するコミュニ
ティ評判値を含む。セレンディピティ制御関数アプリケータ204はセレンディピ
ティ制御関数入力302をコミュニティ評判入力304に対して適用することによりセ
レンディピティ制御値を計算する。セレンディピティ統合ユニット206は上記推
薦入力および上記セレンディピティ制御値を組合せ、セレンディピティ加重済且
つ/又は選別済推薦312を出力する。
ータ/統合器300の実施例は、セレンディピティ制御関数アプリケータおよび/
またはセレンディピティ統合ユニットとは異なる処理システム上に配置され得る
別体の推薦システムにより生成された一組の推薦入力データ306に対して適用す
るに有効である。アプリケータ/統合器300からの出力は、一組のセレンディピ
ティ加重済/選別済推薦である。推薦入力データ306は、各アイテムに対してユ
ーザが明示した嗜好性もしくは各アイテムに対して観察された嗜好性を表す一組
の要素組(ユーザ、アイテム、嗜好性値)の形態とされ得る。上記嗜好性値は、単
項的、2値、または数値とされ得る。上記推薦入力データは、セレンディピティ
的推薦をサポートしない別の推薦システムなどの任意の情報源から到来し得る。
コミュニティ評判入力304は、推薦入力306における各アイテムに対するコミュニ
ティ評判値を含む。セレンディピティ制御関数アプリケータ204はセレンディピ
ティ制御関数入力302をコミュニティ評判入力304に対して適用することによりセ
レンディピティ制御値を計算する。セレンディピティ統合ユニット206は上記推
薦入力および上記セレンディピティ制御値を組合せ、セレンディピティ加重済且
つ/又は選別済推薦312を出力する。
【0066】 本発明は単一プロセッサ・システム上での動作に制限されないことは理解され
る。たとえば図2に示された実施例において、セレンディピティ制御関数アプリ
ケータ204はセレンディピティ統合器206とは別の処理システム上に配置され得る
一方、推薦エンジン202は更に別のプロセッサ上に配置され得る。但し、推薦エ
ンジン202、関数アプリケータ204および統合器206という3個のシステム要素の
内の任意の2個が一つのプロセッサ上とされ且つ残りの1個が別体のプロセッサ
上に配置され、又は、全ての3個202、204および206が単一プロセッサ上とされ
ても良い。図3に示された実施例においては、セレンディピティ制御アプリケー
タ204およびセレンディピティ統合器206は、協働して処理システムを構成する別
個のプロセッサ上とされ、又は、単一プロセッサ上とされ得る。推薦入力306は
、プロセッサ上において関数アプリケータ204および/または統合器206と共配置
された推薦エンジンから受信され得る。
る。たとえば図2に示された実施例において、セレンディピティ制御関数アプリ
ケータ204はセレンディピティ統合器206とは別の処理システム上に配置され得る
一方、推薦エンジン202は更に別のプロセッサ上に配置され得る。但し、推薦エ
ンジン202、関数アプリケータ204および統合器206という3個のシステム要素の
内の任意の2個が一つのプロセッサ上とされ且つ残りの1個が別体のプロセッサ
上に配置され、又は、全ての3個202、204および206が単一プロセッサ上とされ
ても良い。図3に示された実施例においては、セレンディピティ制御アプリケー
タ204およびセレンディピティ統合器206は、協働して処理システムを構成する別
個のプロセッサ上とされ、又は、単一プロセッサ上とされ得る。推薦入力306は
、プロセッサ上において関数アプリケータ204および/または統合器206と共配置
された推薦エンジンから受信され得る。
【0067】 上記セレンディピティ的推薦システムおよびセレンディピティ・アプリケータ
/統合器には多くの用途があるが、その幾つかは以下に記述される。セレンディ
ピティ的推薦システムもしくはセレンディピティ・アプリケータ/統合器を実現
すべく、システム管理者はセレンディピティ制御関数に対する適切な方策を案出
し、ユーザ嗜好性データにアクセスする。以下においては、本発明の2つの特定
適用例を列挙してから、本発明が有用である種々のコンテンツ分野を記述する。
/統合器には多くの用途があるが、その幾つかは以下に記述される。セレンディ
ピティ的推薦システムもしくはセレンディピティ・アプリケータ/統合器を実現
すべく、システム管理者はセレンディピティ制御関数に対する適切な方策を案出
し、ユーザ嗜好性データにアクセスする。以下においては、本発明の2つの特定
適用例を列挙してから、本発明が有用である種々のコンテンツ分野を記述する。
【0068】 本発明は、ユーザにより選択され得るアイテムの個数が膨大であるなどの種々
の消費者環境で使用され得る。斯かる環境において消費者は、どのアイテムを選
択するかを判断する為に全てのアイテムを閲覧すべく十分な時間を費やし得ず、
或いは費やさないのが通常である。 用途の一例として、本発明はインターネット上の電子商取引サーバを強化すべ
く使用され得る。図8は、ウェブ式商取引サイトに推薦システムを統合した例を
示している。顧客802はネットワーク803を使用してウェブ・サーバ804に接続す
る。商取引サーバ806は該顧客に対する全ての金銭取引を処理すると共に、販売
用製品のデータベースを含んでいる。ウェブ・サーバ804はこの一組の販売用製
品を顧客802に対して呈示する。商取引サーバ806に連結された購入データベース
808は、顧客802および他の顧客による以前の購入のレコードを含んでいる。
の消費者環境で使用され得る。斯かる環境において消費者は、どのアイテムを選
択するかを判断する為に全てのアイテムを閲覧すべく十分な時間を費やし得ず、
或いは費やさないのが通常である。 用途の一例として、本発明はインターネット上の電子商取引サーバを強化すべ
く使用され得る。図8は、ウェブ式商取引サイトに推薦システムを統合した例を
示している。顧客802はネットワーク803を使用してウェブ・サーバ804に接続す
る。商取引サーバ806は該顧客に対する全ての金銭取引を処理すると共に、販売
用製品のデータベースを含んでいる。ウェブ・サーバ804はこの一組の販売用製
品を顧客802に対して呈示する。商取引サーバ806に連結された購入データベース
808は、顧客802および他の顧客による以前の購入のレコードを含んでいる。
【0069】 ウェブ・サーバ804、商取引サーバ806および購入データベース808に連結され
たセレンディピティ加重済推薦システム810は、購入データベース808から購入情
報を受信する。推薦システム810はまた、ウェブ・サーバ804を介して顧客802か
ら明示的評価を受信し、推薦されたアイテムであって該顧客802が未だ購入して
いないアイテムに関する該顧客の嗜好性を予測しても良い。これらの推薦は次に
ウェブ・サーバ804および商取引サーバ806により使用されて、特定アイテムの購
入推薦、特定アイテムもしくは目標広告の閲覧の推薦などの詳細目標コンテンツ
を顧客802に提供し得る。
たセレンディピティ加重済推薦システム810は、購入データベース808から購入情
報を受信する。推薦システム810はまた、ウェブ・サーバ804を介して顧客802か
ら明示的評価を受信し、推薦されたアイテムであって該顧客802が未だ購入して
いないアイテムに関する該顧客の嗜好性を予測しても良い。これらの推薦は次に
ウェブ・サーバ804および商取引サーバ806により使用されて、特定アイテムの購
入推薦、特定アイテムもしくは目標広告の閲覧の推薦などの詳細目標コンテンツ
を顧客802に提供し得る。
【0070】 上述の如く実現される推薦システムの特定例として、ウェブ式書店を考察する
。商取引サーバ806は、ISBN、題名、著者および主題によりインデックス化され
た販売用の全書籍のデータベースを含んでいる。ウェブ・サーバ804は、ユーザ
が関心書籍を2通りで発見し得るウェブ式インタフェースを提供する。もし顧客
が特定の書籍を探しているのでなければ、上記ウェブ・サーバはセレンディピテ
ィ加重済推薦システム810により提供された個人用書籍推薦のリストをユーザに
呈示し得るが、該推薦のリストはおそらくは特定主題もしくは特定著者に制限さ
れるものである。一方、顧客が特定書籍を探していれば顧客はISBN、題名、著者
もしくは主題により検索を行うが、顧客が関心書籍を見つけたとき、該顧客に対
しては、該書籍を該顧客がどれほど好むかの予測として、その書籍に対するセレ
ンディピティ加重済/選別済推薦値が呈示され得る。セレンディピティ加重済推
薦システム808は、購入データベース808内に見られる該顧客および他の顧客の過
去の購入履歴を使用してセレンディピティ加重済/選別済推薦を提供する。これ
らの推薦はリアルタイムで提供され得る。但し、顧客の好き嫌いに関して更に詳
細な情報を獲得すべく、顧客に対しては、以前に読んだ書籍の格付けなどの明示
的嗜好性情報を呈示することが要求され得る。これの例は、1を“良くない”と
し且つ5を“素晴らしい”とした1〜5の評価で各書籍の格付けを顧客に尋ねるこ
とである。この明示的嗜好性情報はウェブ・サーバ804により収集されると共に
、推薦に対する嗜好性情報として使用されるべく推薦システム810へと送信され
る。
。商取引サーバ806は、ISBN、題名、著者および主題によりインデックス化され
た販売用の全書籍のデータベースを含んでいる。ウェブ・サーバ804は、ユーザ
が関心書籍を2通りで発見し得るウェブ式インタフェースを提供する。もし顧客
が特定の書籍を探しているのでなければ、上記ウェブ・サーバはセレンディピテ
ィ加重済推薦システム810により提供された個人用書籍推薦のリストをユーザに
呈示し得るが、該推薦のリストはおそらくは特定主題もしくは特定著者に制限さ
れるものである。一方、顧客が特定書籍を探していれば顧客はISBN、題名、著者
もしくは主題により検索を行うが、顧客が関心書籍を見つけたとき、該顧客に対
しては、該書籍を該顧客がどれほど好むかの予測として、その書籍に対するセレ
ンディピティ加重済/選別済推薦値が呈示され得る。セレンディピティ加重済推
薦システム808は、購入データベース808内に見られる該顧客および他の顧客の過
去の購入履歴を使用してセレンディピティ加重済/選別済推薦を提供する。これ
らの推薦はリアルタイムで提供され得る。但し、顧客の好き嫌いに関して更に詳
細な情報を獲得すべく、顧客に対しては、以前に読んだ書籍の格付けなどの明示
的嗜好性情報を呈示することが要求され得る。これの例は、1を“良くない”と
し且つ5を“素晴らしい”とした1〜5の評価で各書籍の格付けを顧客に尋ねるこ
とである。この明示的嗜好性情報はウェブ・サーバ804により収集されると共に
、推薦に対する嗜好性情報として使用されるべく推薦システム810へと送信され
る。
【0071】 一般分野における別の用途は、電話呼出センタに対するサポートである。電話
呼出センタは、電話により製品注文を受ける組織のオペレータをサポートする為
に使用されるコンピュータ・システムおよび電話スィッチを含んでいる。呼出セ
ンタのコンピュータ・システムは全ての電話注文を記録して処理すると共に、以
前の注文の顧客レコードを保持し得る。図9は、本発明を使用する呼出センタ実
施方式を示している。顧客902はアイテムの購入を企図して電話ネットワーク903
を介して呼出センタ904へと電話する。顧客902は、呼出センタ・コンソール906
を操作する呼出センタの手空きオペレータに接続される。商取引サーバ908は、
全ての購入および金銭取引を処理すると共に、購入情報を購入データベース910
へと記録する。セレンディピティ加重済推薦システム912は購入データベース910
内に格納された購入情報を使用し、顧客902に対するセレンディピティ加重済/
選別済推薦を生成する。これらの推薦は、上記呼出センタ・コンソールを介して
呼出センタ・オペレータへと連絡される。すると呼出センタ・オペレータは、顧
客902が推薦アイテムに興味があるか否かを尋ねる。たとえば電話式書店によれ
ば、セレンディピティ加重済推薦システム912は顧客が特定の新刊を楽しみたい
ことを表すこともある。顧客902に対して推薦アイテムを勧める上で呼出センタ
・オペレータは、値引価格、又は、ユーザ購入に対する他の一定の優遇策も呈示
し得る。
呼出センタは、電話により製品注文を受ける組織のオペレータをサポートする為
に使用されるコンピュータ・システムおよび電話スィッチを含んでいる。呼出セ
ンタのコンピュータ・システムは全ての電話注文を記録して処理すると共に、以
前の注文の顧客レコードを保持し得る。図9は、本発明を使用する呼出センタ実
施方式を示している。顧客902はアイテムの購入を企図して電話ネットワーク903
を介して呼出センタ904へと電話する。顧客902は、呼出センタ・コンソール906
を操作する呼出センタの手空きオペレータに接続される。商取引サーバ908は、
全ての購入および金銭取引を処理すると共に、購入情報を購入データベース910
へと記録する。セレンディピティ加重済推薦システム912は購入データベース910
内に格納された購入情報を使用し、顧客902に対するセレンディピティ加重済/
選別済推薦を生成する。これらの推薦は、上記呼出センタ・コンソールを介して
呼出センタ・オペレータへと連絡される。すると呼出センタ・オペレータは、顧
客902が推薦アイテムに興味があるか否かを尋ねる。たとえば電話式書店によれ
ば、セレンディピティ加重済推薦システム912は顧客が特定の新刊を楽しみたい
ことを表すこともある。顧客902に対して推薦アイテムを勧める上で呼出センタ
・オペレータは、値引価格、又は、ユーザ購入に対する他の一定の優遇策も呈示
し得る。
【0072】 本発明の別の用途は、オーディオ/ビジュアル・コンテンツを有するアイテム
にてセレンディピティ的発見を予測することである。斯かるアイテムとしては、
テレビ番組、映画、ラジオ番組もしくはデジタル・メディア・プログラムが挙げ
られる。人々が現在どのプログラムを楽しんでいるかを突き止めるべく調査し、
ビデオ店からレンタルされたビデオを記録し、又は、ビデオ・オン・デマンドも
しくはペイ・パー・ビューの場合にはユーザがリクエストしたプログラムを記録
することにより、嗜好性データが収集され得る。而して推薦システムは、ユーザ
が楽しめるであろう新プログラムを推薦する。別のマルチメディア・コンテンツ
領域は音楽(CD、テープ、DVDなど)である。各ユーザは、未だ知らない音楽家を
発見するかも知れない。音楽店は顧客による全ての音楽作品購入を記録し、その
情報をユーザ・アイテム嗜好性情報として使用し得る。その場合に音楽店は、お
そらくはPR誌でもしくは店内に置かれた情報キオスクを介してもしくはウェブ式
インタフェースを介して、セレンディピティ的推薦を提供し得る。画像、写真お
よび芸術作品などの静止メディアもまた推薦され得る。ユーザに対する斯かる静
止メディアの質および価値は、ユーザに依り大きく異なる。上記好適な推薦シス
テムからの個人用推薦に依れば、質、興味およびセレンディピティを確かなもの
とする様にして、ユーザは新たな画像、写真および芸術作品を容易に発見し得る
。
にてセレンディピティ的発見を予測することである。斯かるアイテムとしては、
テレビ番組、映画、ラジオ番組もしくはデジタル・メディア・プログラムが挙げ
られる。人々が現在どのプログラムを楽しんでいるかを突き止めるべく調査し、
ビデオ店からレンタルされたビデオを記録し、又は、ビデオ・オン・デマンドも
しくはペイ・パー・ビューの場合にはユーザがリクエストしたプログラムを記録
することにより、嗜好性データが収集され得る。而して推薦システムは、ユーザ
が楽しめるであろう新プログラムを推薦する。別のマルチメディア・コンテンツ
領域は音楽(CD、テープ、DVDなど)である。各ユーザは、未だ知らない音楽家を
発見するかも知れない。音楽店は顧客による全ての音楽作品購入を記録し、その
情報をユーザ・アイテム嗜好性情報として使用し得る。その場合に音楽店は、お
そらくはPR誌でもしくは店内に置かれた情報キオスクを介してもしくはウェブ式
インタフェースを介して、セレンディピティ的推薦を提供し得る。画像、写真お
よび芸術作品などの静止メディアもまた推薦され得る。ユーザに対する斯かる静
止メディアの質および価値は、ユーザに依り大きく異なる。上記好適な推薦シス
テムからの個人用推薦に依れば、質、興味およびセレンディピティを確かなもの
とする様にして、ユーザは新たな画像、写真および芸術作品を容易に発見し得る
。
【0073】 別の応用分野はテキスト情報源であり、書籍もしくは雑誌および他の刊行物な
どのコンテンツ集が挙げられる。テキスト情報源としては、雑誌、新聞および他
の記事発行体からの個別記事、並びに、膨大な数で多様な品質のインターネット
文書も挙げられる。電子テキスト情報の膨大さにより、個人が検討し得る時間よ
りも多くの情報源が存在する。本発明に係るセレンディピティ加重済推薦システ
ムに依ればユーザは、興味のある新たな高品質の刊行物を見い出すことにより、
自身の興味を容易に広げ得る。上記推薦システムのセレンディピティ的品質は、
標準的なコンテンツ式推薦システムが呈示し得ない価値をユーザに提供する。
どのコンテンツ集が挙げられる。テキスト情報源としては、雑誌、新聞および他
の記事発行体からの個別記事、並びに、膨大な数で多様な品質のインターネット
文書も挙げられる。電子テキスト情報の膨大さにより、個人が検討し得る時間よ
りも多くの情報源が存在する。本発明に係るセレンディピティ加重済推薦システ
ムに依ればユーザは、興味のある新たな高品質の刊行物を見い出すことにより、
自身の興味を容易に広げ得る。上記推薦システムのセレンディピティ的品質は、
標準的なコンテンツ式推薦システムが呈示し得ない価値をユーザに提供する。
【0074】 比較すると、テキストおよび図書目録の検索エンジンは、指定された一定の検
索語句もしくは単語を含む文書を発見する。通常、検索エンジンは異なる前後関
係で使用された同一の単語を区別できず、文書の“品質”の概念を有していない
。同様に、従来のテキスト検索エンジンはテキスト的アイテムのセレンディピテ
ィ的価値を判断する手段を有していない。しかし乍ら、標準的な検索エンジンは
本発明と連携されてセレンディピティ的発見を提供し得る。一つの可能的技術は
、検索エンジンから戻されたアイテムのリストを本発明のセレンディピティ的推
薦値により順序付けすることである。故に、“アイテム推薦データ”という語句
は、推薦システムからの結果だけでなく検索エンジンからの結果も包含すること
を理解すべきである。また、“推薦エンジン”という語句は、検索エンジンも包
含することを理解すべきである。
索語句もしくは単語を含む文書を発見する。通常、検索エンジンは異なる前後関
係で使用された同一の単語を区別できず、文書の“品質”の概念を有していない
。同様に、従来のテキスト検索エンジンはテキスト的アイテムのセレンディピテ
ィ的価値を判断する手段を有していない。しかし乍ら、標準的な検索エンジンは
本発明と連携されてセレンディピティ的発見を提供し得る。一つの可能的技術は
、検索エンジンから戻されたアイテムのリストを本発明のセレンディピティ的推
薦値により順序付けすることである。故に、“アイテム推薦データ”という語句
は、推薦システムからの結果だけでなく検索エンジンからの結果も包含すること
を理解すべきである。また、“推薦エンジン”という語句は、検索エンジンも包
含することを理解すべきである。
【0075】 食料品アイテム、衣服、家具用品および家庭用品などの消費物品の市場におい
ては、殆どのアイテムに対して多様な物品およびブランドが在る。また、これら
の物品およびブランドの間にも多様な品質、形式および味が在る。(仮想的なも
しくは現実の)大型小売店は、顧客が適切な品質の物品およびブランドを容易に
発見するのを助力すると共に、ユーザが未だ知らないかもしれないが楽しめるで
あろう新たな消費アイテムをユーザに紹介すべく、好適な推薦システムを配備し
得る。
ては、殆どのアイテムに対して多様な物品およびブランドが在る。また、これら
の物品およびブランドの間にも多様な品質、形式および味が在る。(仮想的なも
しくは現実の)大型小売店は、顧客が適切な品質の物品およびブランドを容易に
発見するのを助力すると共に、ユーザが未だ知らないかもしれないが楽しめるで
あろう新たな消費アイテムをユーザに紹介すべく、好適な推薦システムを配備し
得る。
【0076】 現在、多くの大型小売店は顧客に対して“ショッピング・クラブ”カードを提
供することにより個々の顧客の購入情報を得ると共に、頻繁な購入に対しては報
奨を提供している。顧客は勘定カウンタにて自身のカードを呈示することにより
値引きを受け、勘定レジスタは顧客が購入したアイテムの全てを記録する。この
購入記録は、セレンディピティ的推薦を生成する為の個人的プロファイルとして
使用され得る。その場合に大型小売店は、一組のセレンディピティ加重済/選別
済推薦内で識別されたアイテムに対するクーポンを顧客に対して送付することに
より、推薦されたアイテムの購入に対する優遇策を顧客に提供し得る。
供することにより個々の顧客の購入情報を得ると共に、頻繁な購入に対しては報
奨を提供している。顧客は勘定カウンタにて自身のカードを呈示することにより
値引きを受け、勘定レジスタは顧客が購入したアイテムの全てを記録する。この
購入記録は、セレンディピティ的推薦を生成する為の個人的プロファイルとして
使用され得る。その場合に大型小売店は、一組のセレンディピティ加重済/選別
済推薦内で識別されたアイテムに対するクーポンを顧客に対して送付することに
より、推薦されたアイテムの購入に対する優遇策を顧客に提供し得る。
【0077】 本発明はまた、ユーザが興味のあるサービスを発見するのを助力する為にも使
用され得る。多くの人々は食事および娯楽サービスにおける変化を楽しむもので
あり、新たな別のレストラン、レストランにおける別の食事オプション、新たな
劇場のショー、並びに別のバーおよびナイトクラブを試すことに興味を覚える。
本発明はセレンディピティを用いて、ユーザが興味を有すると共に適切な品質の
サービスのみを確実に推薦し乍ら、娯楽サービスの変化を強めるべく使用され得
る。推薦され得る他のサービスとしては、金融サービス、不動産、建築物もしく
はサービス、旅行関連物品もしくはサービス、および、特に購入、レンタルおよ
び修理などの自動車関連サービスが挙げられる。
用され得る。多くの人々は食事および娯楽サービスにおける変化を楽しむもので
あり、新たな別のレストラン、レストランにおける別の食事オプション、新たな
劇場のショー、並びに別のバーおよびナイトクラブを試すことに興味を覚える。
本発明はセレンディピティを用いて、ユーザが興味を有すると共に適切な品質の
サービスのみを確実に推薦し乍ら、娯楽サービスの変化を強めるべく使用され得
る。推薦され得る他のサービスとしては、金融サービス、不動産、建築物もしく
はサービス、旅行関連物品もしくはサービス、および、特に購入、レンタルおよ
び修理などの自動車関連サービスが挙げられる。
【0078】 本発明により利益を得る他のコンテンツ分野は、コンピュータ・ハードウェア
、ソフトウェア、および、ハードウェア/ソフトウェア・サービス製品である。
ハードウェア/ソフトウェアの市場は極めて競争が激しい。故に、多数のブラン
ド選択肢、並びに、ブランド間品質の大きな相違が在る。また、多くの新たなハ
ードウェアおよびソフトウェア製品は毎年投入されており、ユーザが情報を得る
には膨大すぎることが多い。本発明は、ユーザが興味あるハードウェアおよびソ
フトウェアのブランドを発見すると共にユーザが以前は購入を考えなかった新た
なハードウェアおよびソフトウェアを発見するのを助力する機能を有している。
、ソフトウェア、および、ハードウェア/ソフトウェア・サービス製品である。
ハードウェア/ソフトウェアの市場は極めて競争が激しい。故に、多数のブラン
ド選択肢、並びに、ブランド間品質の大きな相違が在る。また、多くの新たなハ
ードウェアおよびソフトウェア製品は毎年投入されており、ユーザが情報を得る
には膨大すぎることが多い。本発明は、ユーザが興味あるハードウェアおよびソ
フトウェアのブランドを発見すると共にユーザが以前は購入を考えなかった新た
なハードウェアおよびソフトウェアを発見するのを助力する機能を有している。
【0079】 図15に示された本発明の別実施例は、i)アイテム推薦データ306およびii)コ
ミュニティ・アイテム評判データ304を含む該当データを受信すべく構成された
一個以上のプロセッサを有する処理システム1500を含む。該処理システムは、セ
レンディピティ関数302およびコミュニティ・アイテム評判データ204に応じて一
組のアイテム・セレンディピティ制御値1502を生成すべく構成される。処理シス
テム1500はまた、アイテム推薦データ306を上記一組のアイテム・セレンディピ
ティ制御値1502と組合せてセレンディピティ加重済/選別済推薦出力セット312
を生成する為にも構成される。
ミュニティ・アイテム評判データ304を含む該当データを受信すべく構成された
一個以上のプロセッサを有する処理システム1500を含む。該処理システムは、セ
レンディピティ関数302およびコミュニティ・アイテム評判データ204に応じて一
組のアイテム・セレンディピティ制御値1502を生成すべく構成される。処理シス
テム1500はまた、アイテム推薦データ306を上記一組のアイテム・セレンディピ
ティ制御値1502と組合せてセレンディピティ加重済/選別済推薦出力セット312
を生成する為にも構成される。
【0080】 上記処理システムはまた、単一プロセッサのみを含んでも良く、又は、多数の
異なるプロセッサを含んでも良い。図15には処理システムの一実施例が示され
ており、この場合に上記処理システムは(破線で示された)第1プロセッサ1504を
含むが、該第1プロセッサ1504はコミュニティ評判データ304を受信すると共にセ
レンディピティ関数302およびコミュニティ評判データ304に応じて上記一組のア
イテム・セレンディピティ制御値1502を生成すべく構成される。(これもまた破
線とされた)第2プロセッサ1506は、アイテム推薦データ306を受信すると共に該
アイテム推薦データ306を上記一組のアイテム・セレンディピティ制御値1502と
組合せてセレンディピティ加重済/選別済推薦出力セット312を生成すべく構成
される。上記第2プロセッサは上記第1プロセッサとは異なるものとされ、且つ、
ネットワーク、インターネットもしくは他の一定の通信チャネルを介して上記第
1プロセッサに連結され得る。
異なるプロセッサを含んでも良い。図15には処理システムの一実施例が示され
ており、この場合に上記処理システムは(破線で示された)第1プロセッサ1504を
含むが、該第1プロセッサ1504はコミュニティ評判データ304を受信すると共にセ
レンディピティ関数302およびコミュニティ評判データ304に応じて上記一組のア
イテム・セレンディピティ制御値1502を生成すべく構成される。(これもまた破
線とされた)第2プロセッサ1506は、アイテム推薦データ306を受信すると共に該
アイテム推薦データ306を上記一組のアイテム・セレンディピティ制御値1502と
組合せてセレンディピティ加重済/選別済推薦出力セット312を生成すべく構成
される。上記第2プロセッサは上記第1プロセッサとは異なるものとされ、且つ、
ネットワーク、インターネットもしくは他の一定の通信チャネルを介して上記第
1プロセッサに連結され得る。
【0081】 図16Aに示された別実施例は、i)ユーザ・アイテム嗜好性データ208およびi
i)コミュニティ・アイテム評判データ210を含む該当データを受信すべく構成さ
れた一個以上のプロセッサを有する処理システム1600を含んでいる。該処理シス
テムは、ユーザ・アイテム嗜好性データ208からアイテム推薦セット1603を生成2
02し、上記セレンディピティ関数および上記コミュニティ・アイテム評判データ
に応じて一組のアイテム・セレンディピティ制御値1602を生成し、且つ、アイテ
ム推薦セット1603を一組のアイテム・セレンディピティ制御値1602と組合せるこ
とによりセレンディピティ加重済/選別済推薦出力セット214を生成すべく構成
される。
i)コミュニティ・アイテム評判データ210を含む該当データを受信すべく構成さ
れた一個以上のプロセッサを有する処理システム1600を含んでいる。該処理シス
テムは、ユーザ・アイテム嗜好性データ208からアイテム推薦セット1603を生成2
02し、上記セレンディピティ関数および上記コミュニティ・アイテム評判データ
に応じて一組のアイテム・セレンディピティ制御値1602を生成し、且つ、アイテ
ム推薦セット1603を一組のアイテム・セレンディピティ制御値1602と組合せるこ
とによりセレンディピティ加重済/選別済推薦出力セット214を生成すべく構成
される。
【0082】 上記処理システムは、推薦202、セレンディピティ関数適用204およびセレンデ
ィピティ統合206を実施し得る単一プロセッサから形成され得る。上記処理シス
テムは所定数のプロセッサで構成されても良く、たとえば、第1プロセッサ1604(
破線)はユーザ嗜好性データ208を受信してアイテム推薦セット1603を生成すべく
構成される一方、第2プロセッサ1606(破線)はコミュニティ・アイテム評判デー
タ210およびセレンディピティ制御関数212を受信してセレンディピティ制御値16
02を生成すべく構成される。第3プロセッサ1608(破線)は、第1プロセッサ1604か
らのアイテム推薦セット1603と第2プロセッサ1606からのセレンディピティ制御
値1602とを受信し、セレンディピティ加重済/選別済推薦出力セット214を生成
すべく構成される。上記各プロセッサは全てが相互から離間されると共に、ネッ
トワーク、インターネットもしくは他の一定の通信チャネルを介して相互連結さ
れ得る。
ィピティ統合206を実施し得る単一プロセッサから形成され得る。上記処理シス
テムは所定数のプロセッサで構成されても良く、たとえば、第1プロセッサ1604(
破線)はユーザ嗜好性データ208を受信してアイテム推薦セット1603を生成すべく
構成される一方、第2プロセッサ1606(破線)はコミュニティ・アイテム評判デー
タ210およびセレンディピティ制御関数212を受信してセレンディピティ制御値16
02を生成すべく構成される。第3プロセッサ1608(破線)は、第1プロセッサ1604か
らのアイテム推薦セット1603と第2プロセッサ1606からのセレンディピティ制御
値1602とを受信し、セレンディピティ加重済/選別済推薦出力セット214を生成
すべく構成される。上記各プロセッサは全てが相互から離間されると共に、ネッ
トワーク、インターネットもしくは他の一定の通信チャネルを介して相互連結さ
れ得る。
【0083】 上記処理システムはまた、たとえば図16Bに示された如く2個のプロセッサ
からも形成され得る。この場合に第1プロセッサ1608は、ユーザ・アイテム嗜好
性データ208、コミュニティ・アイテム評判データ210およびセレンディピティ制
御関数212を受信すべく構成される。上記第1プロセッサは更に、ユーザ・アイテ
ム嗜好性データ208からアイテム推薦セット1603を生成し、且つ、セレンディピ
ティ制御関数212およびコミュニティ・アイテム評判データ210から一組のセレン
ディピティ制御値を生成すべく構成される。第2プロセッサ1612は、アイテム推
薦セット1603を一組のセレンディピティ制御値1602と組合せることにより一組の
セレンディピティ加重済/選別済推薦214を生成すべく構成される。
からも形成され得る。この場合に第1プロセッサ1608は、ユーザ・アイテム嗜好
性データ208、コミュニティ・アイテム評判データ210およびセレンディピティ制
御関数212を受信すべく構成される。上記第1プロセッサは更に、ユーザ・アイテ
ム嗜好性データ208からアイテム推薦セット1603を生成し、且つ、セレンディピ
ティ制御関数212およびコミュニティ・アイテム評判データ210から一組のセレン
ディピティ制御値を生成すべく構成される。第2プロセッサ1612は、アイテム推
薦セット1603を一組のセレンディピティ制御値1602と組合せることにより一組の
セレンディピティ加重済/選別済推薦214を生成すべく構成される。
【0084】 上記処理システム1600は2個のプロセッサを別様に組合せても形成され得るこ
とは理解される。たとえば、第1プロセッサはセレンディピティ関数適用204を実
施すべく構成され得る一方、第2プロセッサは推薦202およびセレンディピティ統
合206を実施すべく構成される。これに加え、第1プロセッサが推薦202を実施す
べく構成され得る一方、第2プロセッサはセレンディピティ関数適用およびセレ
ンディピティ統合206を実施すべく構成される。上述の各実施例と同様に、各プ
ロセッサは相互から離間されると共にネットワーク、インターネットもしくは他
の一定の通信チャネルを介して相互接続され得る。
とは理解される。たとえば、第1プロセッサはセレンディピティ関数適用204を実
施すべく構成され得る一方、第2プロセッサは推薦202およびセレンディピティ統
合206を実施すべく構成される。これに加え、第1プロセッサが推薦202を実施す
べく構成され得る一方、第2プロセッサはセレンディピティ関数適用およびセレ
ンディピティ統合206を実施すべく構成される。上述の各実施例と同様に、各プ
ロセッサは相互から離間されると共にネットワーク、インターネットもしくは他
の一定の通信チャネルを介して相互接続され得る。
【0085】 上記の如く、本発明は推薦システムに適用可能である。本発明は、推薦システ
ムがユーザに取り正確であるだけでなく高価値を有する推薦、すなわち、自明で
は無い推薦を生成するのを許容する上で特に有用と確信される。故に、本発明は
上述の各特定例に制限されると考えてはならず、寧ろ添付の請求の範囲に十分に
示された本発明の全ての側面を包含するものと理解すべきである。当業者であれ
ば、本発明が適用され得る種々の改変物、均等プロセスならびに幾多の構造は本
明細書を吟味すれば容易に明らかであろう。請求の範囲は、斯かる改変物および
案出物を包含することが意図される。
ムがユーザに取り正確であるだけでなく高価値を有する推薦、すなわち、自明で
は無い推薦を生成するのを許容する上で特に有用と確信される。故に、本発明は
上述の各特定例に制限されると考えてはならず、寧ろ添付の請求の範囲に十分に
示された本発明の全ての側面を包含するものと理解すべきである。当業者であれ
ば、本発明が適用され得る種々の改変物、均等プロセスならびに幾多の構造は本
明細書を吟味すれば容易に明らかであろう。請求の範囲は、斯かる改変物および
案出物を包含することが意図される。
【図1】 本発明の実施例と共に使用されるコンピュータ・システムを示す図である。
【図2】 本発明の一実施例に従いユーザに対してセレンディピティ加重済/選別済推薦
を生成するシステムを示す図である。
を生成するシステムを示す図である。
【図3】 本発明の別実施例に従いユーザに対してセレンディピティ加重済/選別済推薦
を生成するシステムを示す図である。
を生成するシステムを示す図である。
【図4】 顧客およびユーザ・アイテム嗜好性プロファイルを含むユーザの全体集合の一
例を示す図である。
例を示す図である。
【図5】 近所を構築する処理手順の一実施例に対するフローチャートである。
【図6】 多数の異なるセレンディピティ制御関数を示す図である。
【図7】 近所におけるアイテム発生頻度を計算する方法の一実施例に対するフローチャ
ートである。
ートである。
【図8】 本発明で使用される電子商取引サーバの実施例を示す図である。
【図9】 本発明で使用される電話呼出センタの実施例を示す図である。
【図10】 コミュニティ的アイテム評判データを計算する方法の一実施例を示す図である
。
。
【図11】 コミュニティ的アイテム評判データに対してセレンディピティ制御関数を適用
してセレンディピティ制御値を生成する方法の実施例を示す図である。
してセレンディピティ制御値を生成する方法の実施例を示す図である。
【図12】 コミュニティ的アイテム評判データに対してセレンディピティ制御関数を適用
してセレンディピティ制御値を生成する方法の実施例を示す図である。
してセレンディピティ制御値を生成する方法の実施例を示す図である。
【図13】 セレンディピティ制御値をアイテム推薦と統合する方法の実施例を示す図であ
る。
る。
【図14】 セレンディピティ制御値をアイテム推薦と統合する方法の実施例を示す図であ
る。
る。
【図15】 本発明を実現すべく構成された処理システムの種々の実施例を示す図である。
【図16A】 本発明を実現すべく構成された処理システムの種々の実施例を示す図である。
【図16B】 本発明を実現すべく構成された処理システムの種々の実施例を示す図である。
───────────────────────────────────────────────────── フロントページの続き (81)指定国 EP(AT,BE,CH,CY, DE,DK,ES,FI,FR,GB,GR,IE,I T,LU,MC,NL,PT,SE),OA(BF,BJ ,CF,CG,CI,CM,GA,GN,GW,ML, MR,NE,SN,TD,TG),AP(GH,GM,K E,LS,MW,SD,SL,SZ,UG,ZW),E A(AM,AZ,BY,KG,KZ,MD,RU,TJ ,TM),AE,AL,AM,AT,AU,AZ,BA ,BB,BG,BR,BY,CA,CH,CN,CU, CZ,DE,DK,EE,ES,FI,GB,GD,G E,GH,GM,HR,HU,ID,IL,IN,IS ,JP,KE,KG,KP,KR,KZ,LC,LK, LR,LS,LT,LU,LV,MD,MG,MK,M N,MW,MX,NO,NZ,PL,PT,RO,RU ,SD,SE,SG,SI,SK,SL,TJ,TM, TR,TT,UA,UG,UZ,VN,YU,ZA,Z W (72)発明者 リーデル,ジョン ティー. アメリカ合衆国,ミネソタ 55108,ファ ルコン ハイツ,カリフォルニア アベニ ュ ウエスト 1340 Fターム(参考) 5B075 NS10 PR08 【要約の続き】 ディピティ関数に応じて一組のアイテム・セレンディピ ティ制御値を生成する段階を含む。上記方法はまた、上 記処理システムを使用し、上記アイテム推薦セットおよ び上記一組のアイテム・セレンディピティ制御値を組合 せてセレンディピティ加重済出力/選別済推薦出力セッ トを生成する段階を含む。上記コンピュータ可読記憶デ バイス上では、直上に記述されたのと同様の方法を実施 すべくコンピュータにより実行され得る一組のプログラ ム命令が物理的に具現される。
Claims (62)
- 【請求項1】 少なくとも部分的にセレンディピティ関数に基づきユーザに
対してセレンディピティ加重済推薦出力セットを生成する電子的処理システムで
あって、該システムは、 a.以下のデータi.およびii.を含む適用可能なデータを受信し、 i.ユーザ・アイテム嗜好性データ、 ii.コミュニティ・アイテム評判データ、 b.前記ユーザ・アイテム嗜好性データからアイテム推薦セットを生成し、 c.前記セレンディピティ関数および前記コミュニティ・アイテム評判データに
応じて一組のアイテム・セレンディピティ制御値を生成し、且つ、 d.前記アイテム推薦セットを前記一組のアイテム・セレンディピティ制御値と
組合せてセレンディピティ加重済/選別済推薦出力セットを生成する、 如く構成された一個以上のプロセッサを有する処理システムを備える、電子的
処理システム。 - 【請求項2】 前記処理システムは更に、 a.前記セレンディピティ制御関数を受信し、且つ、 b.前記受信したセレンディピティ関数および前記コミュニティ・アイテム評判
データに応じて前記一組のアイテム・セレンディピティ制御値を生成する、 如く構成される、請求項1記載のシステム。 - 【請求項3】 前記処理システムは更に、 a.前記セレンディピティ制御関数に関してセレンディピティ選別システム管理
者およびユーザの一方からの入力を受信し、 b.前記セレンディピティ選別システム管理者および前記ユーザの一方から受信
した入力に応じてセレンディピティ関数を選択し、且つ、 c.前記選択されたセレンディピティ関数および前記コミュニティ・アイテム評
判データに応じて前記一組のアイテム・セレンディピティ制御値を生成する、 如く構成される、請求項1記載のシステム。 - 【請求項4】 前記適用可能なデータを受信すると共に該適用可能なデータ
を前記処理システムに送信すべく該処理システムに作用的に連結された入力イン
タフェースを更に備えて成る、請求項1記載のシステム。 - 【請求項5】 a.前記適用可能なデータは更に前記セレンディピティ関数を
含み、 b.前記入力インタフェースは更にメモリ・システムに連結されるべく構成され
、且つ、 c.前記処理システムは、 i)前記メモリ・システムから前記セレンディピティ関数を受信し、且つ、 ii)前記コミュニティ・アイテム評判データと前記メモリ・システムから受
信した前記セレンディピティ関数とに応じて前記一組のセレンディピティ制御値
を生成する、 如く構成される、請求項4記載のシステム。 - 【請求項6】 a.前記入力インタフェースは更に、セレンディピティ加重済
/選別済推薦に対してユーザから要求を受信すべく連結される如く構成され、且
つ、 b.前記処理システムは前記ユーザから受信した要求に応じて前記アイテム推薦
セットを前記一組のアイテム・セレンディピティ制御値と組合せて前記セレンデ
ィピティ加重済/選別済推薦出力セットを生成する、 請求項4記載のシステム。 - 【請求項7】 前記入力インタフェースは更に、単項的値、2値および数値
の少なくとも一つを含むユーザ・アイテム嗜好性データを受信すべく構成され、
且つ、 前記処理システムは更に、前記単項的値、2値および数値の少なくとも一つか
ら前記アイテム推薦セットを生成すべく構成される、 請求項4記載のシステム。 - 【請求項8】 前記セレンディピティ加重済/選別済推薦出力セットを受信
すべく前記処理システムに作用的に連結された出力インタフェースを更に備えて
成る、請求項1記載のシステム。 - 【請求項9】 前記セレンディピティ加重済推薦出力セットを表示すべく前
記出力インタフェースに作用的に連結されたディスプレイ装置を更に備えて成る
、請求項8記載のシステム。 - 【請求項10】 前記セレンディピティ加重済推薦出力セットを受信して格
納すべく前記出力インタフェースに作用的に連結されたメモリ・システムを更に
備えて成る、請求項8記載のシステム。 - 【請求項11】 前記処理システムに作用的に連結されるべく構成されたメ
モリ・システムを更に備え、 前記処理システムは前記メモリ・システムから前記コミュニティ・アイテム評
判データを受信すべく構成される、請求項1記載のシステム。 - 【請求項12】 前記処理システムは単一プロセッサを含み、該単一プロセ
ッサは、 a.以下のデータi.およびii.を含む前記適用可能なデータを受信し、 i.ユーザ・アイテム嗜好性データ、 ii.コミュニティ・アイテム評判データ、 b.前記ユーザ・アイテム嗜好性データから前記アイテム推薦セットを生成し、 c.前記セレンディピティ関数および前記コミュニティ・アイテム評判データに
応じて前記一組のアイテム・セレンディピティ制御値を生成し、且つ、 d.前記アイテム推薦セットを前記一組のアイテム・セレンディピティ制御値と
組合せて前記セレンディピティ加重済/選別済推薦出力セットを生成する、 如く構成される、請求項1記載のシステム。 - 【請求項13】 前記処理システムは、 a)以下のi)およびii)を行うべく構成された第1プロセッサ、 i)前記コミュニティ・アイテム評判データを受信し、且つ、 ii)前記セレンディピティ制御関数および前記コミュニティ評判データに応
じて前記一組のアイテム・セレンディピティ制御値を生成する、 及び、 b)前記第1プロセッサに作用的に連結されるべく且つ以下のi)、ii)、iii)およ
びiii)を行うべく構成された第2プロセッサ、 i)前記ユーザ・アイテム嗜好性データを受信し、 ii)前記ユーザ・アイテム嗜好性データから前記アイテム推薦セットを生成
し、 iii)前記第1プロセッサから前記一組のアイテム・セレンディピティ制御値
を受信し、且つ、 iii)前記アイテム推薦セットを前記一組のアイテム・セレンディピティ制御
値と組合せて前記セレンディピティ加重済/選別済推薦出力セットを生成する、 を含む、請求項1記載のシステム。 - 【請求項14】 前記処理システムは、 a)以下のi)およびii)を行うべく構成された第1プロセッサ、 i)前記コミュニティ・アイテム評判データを受信し、且つ、 ii)前記セレンディピティ制御関数および前記コミュニティ評判データに応
じて前記一組のアイテム・セレンディピティ制御値を生成する、 b)以下のi)およびii)を行うべく構成された第2プロセッサ、 i)前記ユーザ・アイテム嗜好性データを受信し、且つ、 ii)前記ユーザ・アイテム嗜好性データから前記アイテム推薦セットを生成
する、 及び、 c)以下のi)およびii)を行うべく構成された第3プロセッサ、 i)前記第1プロセッサから前記一組のアイテム・セレンディピティ制御値を
且つ前記第2プロセッサから前記アイテム推薦セットを受信し、且つ、 ii)前記アイテム推薦セットを前記一組のアイテム・セレンディピティ制御
値と組合せて前記セレンディピティ加重済/選別済推薦出力セットを生成する、 を含む、請求項1記載のシステム。 - 【請求項15】 前記処理システムは、 a)以下のi)およびii)を行うべく構成された第1プロセッサ、 i)前記ユーザ・アイテム嗜好性データを受信し、且つ、 ii)前記ユーザ・アイテム嗜好性データから前記アイテム推薦セットを生成
する、 及び、 b)以下のi)、ii)、iii)およびiv)を行うべく構成された第2プロセッサ、 i)前記コミュニティ・アイテム評判データを受信し、 ii)前記セレンディピティ制御関数および前記コミュニティ評判データに応
じて前記一組のアイテム・セレンディピティ制御値を生成し、 iii)前記第1プロセッサから前記アイテム推薦セットを受信し、且つ、 iv)前記アイテム推薦セットを前記一組のアイテム・セレンディピティ制御
値と組合せて前記セレンディピティ加重済/選別済推薦出力セットを生成する、 を含む、請求項1記載のシステム。 - 【請求項16】 前記処理システムは、リアルタイムでインタラクティブな
時間制約の下で前記セレンディピティ加重済推薦出力を生成すべく構成される、
請求項1記載のシステム。 - 【請求項17】 前記処理システムは更に、単項的で順序付けされない推薦
、および、優先順序付けされた推薦の少なくとも一方として前記セレンディピテ
ィ加重済/選別済推薦出力セットを生成すべく構成される、請求項1記載のシス
テム。 - 【請求項18】 前記セレンディピティ関数は以下のa)乃至e)のうちの少な
くとも一つである、 a)制御可能パラメータを有する固定関数; b)事前選択された上方頻度値より大きな頻度にてコミュニティ・アイテム評判
データ内で生ずるアイテムを除外する2レベル関数; c)事前選択された下方頻度値より小さな頻度にてコミュニティ・アイテム評判
データ内で生ずるアイテムを除外する2レベル関数; d)コミュニティ・アイテム評判データにおいて発生頻度が増加するにつれて減
少する値を有する連続関数;および、 e)コミュニティ・アイテム評判データにおいて選択頻度より小さな発生頻度を
有するアイテムには一定値を割当て、且つ、前記選択頻度より大きな発生頻度と
共に減少する値を割当てる関数、 請求項1記載のシステム。 - 【請求項19】 a.前記処理システムは更にフィードバック・データを使用
して前記セレンディピティ関数を選択すべく構成され、該フィードバック・デー
タは、前記セレンディピティ加重済/選別済アイテム推薦セットからユーザがア
イテムを受け入れる割合、ユーザが付加的な予測を要求する割合、および、ユー
ザが非推薦アイテムを受け入れる割合、の一つを含み、且つ、 b.前記処理システムは、前記コミュニティ・アイテム評判データと、前記フィ
ードバック・データを使用して選択された前記セレンディピティ関数とに応じて
前記一組のアイテム・セレンディピティ制御値を生成する、 請求項1記載のシステム。 - 【請求項20】 a.前記アイテム推薦データは、音楽アイテム、オーディオ
/ビジュアル・アイテム、書面刊行物、書面刊行物からの記事、インターネット
文書、消費可能物品、食事および娯楽サービス、金融サービス商品、不動産、建
築物品、建築サービス、自動車関連物品、自動車関連サービス、旅行関連物品、
旅行関連サービス、画像、写真、芸術作品、コンピュータ関連ハードウェア、コ
ンピュータ・ソフトウェア、およびコンピュータ関連サービス製品、の一つに関
し、且つ、 b.前記セレンディピティ加重済/選別済推薦出力セットは夫々、音楽アイテム
、オーディオ/ビジュアル・アイテム、書面刊行物、書面刊行物からの記事、イ
ンターネット文書、消費可能物品、食事および娯楽サービス、金融サービス商品
、不動産、建築物品、建築サービス、自動車関連物品、自動車関連サービス、旅
行関連物品、旅行関連サービス、画像、写真、芸術作品、コンピュータ関連ハー
ドウェア、コンピュータ・ソフトウェア、およびコンピュータ関連サービス製品
、の一つに関する、 請求項1記載のシステム。 - 【請求項21】 メモリ・ユニットと、一個以上のプロセッサと、入力/出
力インタフェースとを有するコンピュータを使用し、ユーザに対するセレンディ
ピティ加重済推薦を生成する方法であって、 a.前記処理システムにより以下のデータi.およびii.を含む適用可能なデータ
を受信する段階、 i.ユーザ・アイテム嗜好性データ、 ii.コミュニティ・アイテム評判データ、 b.前記処理システムを使用し、前記ユーザ・アイテム嗜好性データからアイテ
ム推薦セットを生成する段階、 c.前記処理システムを使用し、前記コミュニティ・アイテム評判データおよび
セレンディピティ関数に応じて一組のアイテム・セレンディピティ制御値を生成
する段階、および、 c.前記処理システムを使用し、前記アイテム推薦セットおよび前記一組のアイ
テム・セレンディピティ制御値を組合せてセレンディピティ加重済/選別済推薦
出力セットを生成する段階、 を備える、方法。 - 【請求項22】 a.前記処理システムにより、前記セレンディピティ制御関
数を受信する段階、および、 b.前記処理システムにより受信された前記セレンディピティ制御関数と、前記
コミュニティ・アイテム評判データと、に応じて前記一組のアイテム・セレンデ
ィピティ制御値を生成する段階、 を更に備えて成る、請求項21記載の方法。 - 【請求項23】 a.前記処理システムにより、前記セレンディピティ制御関
数に関してセレンディピティ選別システム管理者およびユーザの一方からの入力
を受信する段階、 b.前記処理システムにより、前記セレンディピティ選別システム管理者および
前記ユーザの一方から受信した入力に応じてセレンディピティ関数を選択する段
階、および、 c.前記処理システムにより、選択されたセレンディピティ関数および前記コミ
ュニティ・アイテム評判データに応じて前記一組のアイテム・セレンディピティ
制御値を生成する段階、 を更に備えて成る、請求項21記載の方法。 - 【請求項24】 a.入力/出力インタフェースを介し、推薦システム管理者
およびユーザの一方からセレンディピティ関数選択制御入力を受信する段階、お
よび、 b.受信されたセレンディピティ関数選択制御入力に応じ、前記処理システムを
使用して選択可能セレンディピティ関数を選択する段階、 を更に備えて成る、請求項21記載の方法。 - 【請求項25】 前記入力/出力インタフェースにより前記適用可能なデー
タを受信する段階、および、前記入力/出力インタフェースにより前記適用可能
なデータを前記処理システムへと送信する段階を更に備えて成る、請求項21記
載の方法。 - 【請求項26】 前記処理システムを使用して、前記セレンディピティ関数
を前記入力/出力インタフェースを介して受信されたフィードバック・データに
より制御する段階を更に備え、該フィードバック・データは、前記セレンディピ
ティ加重済/選別済推薦アイテムをユーザが受け入れる割合、ユーザが付加的な
セレンディピティ加重済/選別済推薦を要求する割合、および、ユーザが非推薦
アイテムを受け入れる割合、の一つを含む、請求項21記載の方法。 - 【請求項27】 a.前記処理システムにより、前記メモリ・システムから前
記セレンディピティ関数を受信する段階、および、 b.前記コミュニティ・アイテム評判データと、前記メモリ・システムから受信
した前記セレンディピティ関数とに応じ、前記処理システムにより前記一組のセ
レンディピティ制御値を生成する段階、 を更に備えて成る、請求項21記載の方法。 - 【請求項28】 a.前記処理システムにより、セレンディピティ加重済/選
別済推薦に対してユーザから要求を受信する段階、および、 b.前記処理システムにより、前記アイテム・セレンディピティ制御値を前記一
組のアイテム・セレンディピティ制御値に組合せ、前記ユーザから受信した前記
要求に応じて前記セレンディピティ加重済/選別済推薦出力セットを生成する段
階、 を更に備えて成る、請求項27記載の方法。 - 【請求項29】 前記処理システムにより、単項的値、2値および数値の少
なくとも一つを含むユーザ・アイテム嗜好性データを受信する段階、および、 前記処理システムにより、前記単項的値、2値および数値の少なくとも一つか
ら前記アイテム推薦セットを生成する段階、 を更に備えて成る、請求項21記載のシステム。 - 【請求項30】 前記処理システムを使用し、前記入力/出力インタフェー
スに対して前記セレンディピティ加重済出力/選別済推薦出力セットを出力する
段階を更に備えて成る、請求項21記載の方法。 - 【請求項31】 前記入力/出力インタフェースを使用して前記セレンディ
ピティ加重済/選別済推薦出力セットをディスプレイ装置へと送信する段階、お
よび、該ディスプレイ装置上にて前記セレンディピティ加重済/選別済推薦出力
セットを表示する段階、を更に備えて成る請求項30記載の方法。 - 【請求項32】 処理システムを使用し、前記セレンディピティ加重済/選
別済推薦出力セットを前記メモリ・システムに送信して該メモリ・システム内に
格納する段階を更に備えて成る、請求項30記載の方法。 - 【請求項33】 前記処理システムを使用し、前記メモリ・システムから前
記コミュニティ・アイテム評判データを受信する段階を更に備えて成る、請求項
21記載の方法。 - 【請求項34】 a)前記一個以上のプロセッサの内の単一プロセッサにより
前記適用可能なデータを受信する段階、 b)前記単一プロセッサにより、前記ユーザ・アイテム嗜好性データから前記ア
イテム推薦セットを生成する段階、 c)前記単一プロセッサにより、前記セレンディピティ制御関数および前記コミ
ュニティ・アイテム評判データに応じて前記一組のアイテム・セレンディピティ
制御値を生成する段階、および、 d)前記単一プロセッサにより、前記アイテム推薦セットを前記一組のアイテム
・セレンディピティ制御値と組合せて前記セレンディピティ加重済/選別済推薦
出力セットを生成する段階、 を更に備えて成る、請求項21記載の方法。 - 【請求項35】 a)前記一個以上のプロセッサの第1プロセッサにより前記
コミュニティ・アイテム評判データを受信する段階、 b)前記第1プロセッサにより、前記セレンディピティ制御関数および前記コミ
ュニティ評判データに応じて前記一組のアイテム・セレンディピティ制御値を生
成する段階、 c)前記一個以上のプロセッサの第2プロセッサにより前記ユーザ・アイテム嗜
好性データを受信する段階、 d)前記第2プロセッサより、前記ユーザ・アイテム嗜好性データから前記アイ
テム推薦セットを生成する段階、 e)前記第2プロセッサにより、前記第1プロセッサから前記一組のアイテム・セ
レンディピティ制御値を受信する段階、および、 f)前記第2プロセッサにより、前記アイテム推薦セットを前記一組のアイテム
・セレンディピティ制御値と組合せて前記セレンディピティ加重済/選別済推薦
出力セットを生成する段階、 を更に備えて成る、請求項21記載の方法。 - 【請求項36】 a)前記一個以上のプロセッサの第1プロセッサにより前記
コミュニティ・アイテム評判データを受信する段階、 b)前記第1プロセッサにより、前記セレンディピティ制御関数および前記コミ
ュニティ評判データに応じて前記一組のアイテム・セレンディピティ制御値を生
成する段階、 c)前記一個以上のプロセッサの第2プロセッサにより前記ユーザ・アイテム嗜
好性データを受信する段階、 d)前記第2プロセッサにより、前記ユーザ・アイテム嗜好性データから前記ア
イテム推薦セットを生成する段階、 e)前記一個以上のプロセッサの第3プロセッサにより、前記第1プロセッサから
前記一組のアイテム・セレンディピティ制御値を且つ前記第2プロセッサから前
記アイテム推薦セットを受信する段階、および、 f)前記第3プロセッサにより、前記アイテム推薦セットを前記一組のアイテム
・セレンディピティ制御値に組合せて前記セレンディピティ加重済/選別済推薦
出力セットを生成する段階、 を更に備えて成る、請求項21記載の方法。 - 【請求項37】 前記処理システムにより、リアルタイムでインタラクティ
ブな制約の下で前記セレンディピティ加重済出力/選別済推薦出力セットを生成
する段階を更に備えて成る、請求項21記載の方法。 - 【請求項38】 前記処理システムにより、単項的で順序付けされない推薦
、および、優先順序付けされた推薦の少なくとも一方として前記セレンディピテ
ィ加重済/選別済推薦出力セットを生成する段階を更に備えて成る、請求項21
記載の方法。 - 【請求項39】 前記処理システムにより、単項的値、2値および数値の少
なくとも一つとして前記アイテム推薦データを受信する段階を更に備えて成る、
請求項21記載の方法。 - 【請求項40】 前記処理システムを使用し、前記コミュニティ・アイテム
評判データおよび前記セレンディピティ関数に応じて前記一組のアイテム・セレ
ンディピティ制御値を生成する段階を更に備え、前記セレンディピティ関数は以
下の少なくとも一つである、 制御可能パラメータを有する固定関数; 事前選択された上方頻度値より大きな頻度にてコミュニティ・アイテム評判デ
ータ内で生ずるアイテムを除外する2レベル関数; 事前選択された下方頻度値より小さな頻度にてコミュニティ・アイテム評判デ
ータ内で生ずるアイテムを除外する2レベル関数; コミュニティ・アイテム評判データにおいて発生頻度が増加するにつれて減少
する値を有する連続関数;および、 コミュニティ・アイテム評判データにおいて選択頻度より小さな発生頻度を有
するアイテムには一定値を割当て、且つ、前記選択頻度より大きな発生頻度と共
に減少する値を割当てる関数、 請求項21記載の方法。 - 【請求項41】 a.前記アイテム推薦データは、音楽アイテム、オーディオ
/ビジュアル・アイテム、書面刊行物、書面刊行物からの記事、インターネット
文書、消費可能物品、食事および娯楽サービス、金融サービス商品、不動産、建
築物品、建築サービス、自動車関連物品、自動車関連サービス、旅行関連物品、
旅行関連サービス、画像、写真、芸術作品、コンピュータ関連ハードウェア、コ
ンピュータ・ソフトウェア、およびコンピュータ関連サービス製品、の一つに関
し、且つ、 b.前記セレンディピティ加重済/選別済推薦出力セットは夫々、音楽アイテム
、オーディオ/ビジュアル・アイテム、書面刊行物、書面刊行物からの記事、イ
ンターネット文書、消費可能物品、食事および娯楽サービス、金融サービス商品
、不動産、建築物品、建築サービス、自動車関連物品、自動車関連サービス、旅
行関連物品、旅行関連サービス、画像、写真、芸術作品、コンピュータ関連ハー
ドウェア、コンピュータ・ソフトウェア、およびコンピュータ関連サービス製品
、の一つに関する、 請求項21記載の方法。 - 【請求項42】 セレンディピティ加重済/選別済推薦を提供する方法であ
って、 a.処理システムにより以下のデータi.およびii.を含む適用可能なデータを受
信する段階、 i.ユーザ・アイテム嗜好性データ、 ii.コミュニティ・アイテム評判データ、 b.前記処理システムを使用し、前記ユーザ・アイテム嗜好性データからアイテ
ム推薦セットを生成する段階、 c.前記処理システムを使用し、前記コミュニティ・アイテム評判データおよび
セレンディピティ関数に応じて一組のアイテム・セレンディピティ制御値を生成
する段階、および、 c.前記処理システムを使用し、前記アイテム推薦セットおよび前記一組のアイ
テム・セレンディピティ制御値と組合せてセレンディピティ加重済/選別済推薦
出力セットを生成する段階、 を備える方法、 を実施すべくコンピュータにより実行され得る一組のプログラム命令が物理的
に具現されたコンピュータ可読プログラム記憶デバイス。 - 【請求項43】 前記方法は、 a.前記処理システムにより、前記セレンディピティ制御関数を受信する段階、
および、 b.前記処理システムにより受信された前記セレンディピティ制御関数と、前記
コミュニティ・アイテム評判データと、に応じて前記処理システムにより前記一
組のアイテム・セレンディピティ制御値を生成する段階、 を更に備えて成る、請求項42記載のデバイス。 - 【請求項44】 前記方法は、 a.前記処理システムにより、前記セレンディピティ制御関数に関してセレンデ
ィピティ選別システム管理者およびユーザの一方からの入力を受信する段階、 b.前記処理システムにより、前記セレンディピティ選別システム管理者および
前記ユーザの一方から受信した入力に応じてセレンディピティ関数を選択する段
階、および、 c.前記処理システムにより、選択されたセレンディピティ関数および前記コミ
ュニティ・アイテム評判データに応じて前記一組のアイテム・セレンディピティ
制御値を生成する段階、 を更に備えて成る、請求項42記載のデバイス。 - 【請求項45】 前記方法は、 a.入力/出力インタフェースを介し、推薦システム管理者およびユーザの一方
からセレンディピティ関数選択制御入力を受信する段階、および、 b.受信されたセレンディピティ関数選択制御入力に応じ、前記処理システムを
使用して選択可能セレンディピティ関数を選択する段階、 を更に備えて成る、請求項42記載のデバイス。 - 【請求項46】 前記方法は、 入力/出力インタフェースにより前記適用可能なデータを受信する段階、およ
び、前記入力/出力インタフェースにより前記適用可能なデータを前記処理シス
テムへと送信する段階を更に備えて成る、請求項42記載のデバイス。 - 【請求項47】 前記方法は、前記処理システムを使用して、前記セレンデ
ィピティ関数を入力/出力インタフェースを介して受信されたフィードバック・
データにより制御する段階を更に備え、該フィードバック・データは、前記セレ
ンディピティ加重済/選別済推薦アイテムをユーザが受け入れる割合、ユーザが
付加的なセレンディピティ加重済/選別済推薦を要求する割合、および、ユーザ
が非推薦アイテムを受け入れる割合、の一つを含む、請求項42記載のデバイス
。 - 【請求項48】 前記方法は、 a.前記処理システムにより、前記メモリ・システムから前記セレンディピティ
関数を受信する段階、および、 b.前記コミュニティ・アイテム評判データと、前記メモリ・システムから受信
した前記セレンディピティ関数とに応じ、前記処理システムにより前記一組のセ
レンディピティ制御値を生成する段階、 を更に備えて成る、請求項42記載のデバイス。 - 【請求項49】 前記方法は、 a.前記処理システムにより、セレンディピティ加重済/選別済推薦に対してユ
ーザから要求を受信する段階、および、 b.前記処理システムにより、前記アイテム・セレンディピティ制御値を前記一
組のアイテム・セレンディピティ制御値に組合せ、前記ユーザから受信した前記
要求に応じて前記セレンディピティ加重済/選別済推薦出力セットを生成する段
階、 を更に備えて成る、請求項48記載のデバイス。 - 【請求項50】 前記処理システムにより、単項的値、2値および数値の少
なくとも一つを含むユーザ・アイテム嗜好性データを受信する段階、および、 前記処理システムにより、前記単項的値、2値および数値の少なくとも一つか
ら前記アイテム推薦セットを生成する段階、 を更に備えて成る、請求項42記載のデバイス。 - 【請求項51】 前記方法は、前記処理システムを使用し、前記入力/出力
インタフェースに対して前記セレンディピティ加重済出力/選別済推薦出力セッ
トを出力する段階を更に備えて成る、請求項42記載のデバイス。 - 【請求項52】 前記方法は、入力/出力インタフェースを使用して前記セ
レンディピティ加重済/選別済推薦出力セットをディスプレイ装置へと送信する
段階、および、該ディスプレイ装置上にて前記セレンディピティ加重済/選別済
推薦出力セットを表示する段階、を更に備えて成る請求項51記載のデバイス。 - 【請求項53】 前記方法は、前記処理システムを使用し、前記セレンディ
ピティ加重済/選別済推薦出力セットを前記メモリ・システムに送信して該メモ
リ・システム内に格納する段階を更に備えて成る、請求項51記載のデバイス。 - 【請求項54】 前記方法は、前記処理システムを使用し、前記メモリ・シ
ステムから前記コミュニティ・アイテム評判データを受信する段階を更に備えて
成る、請求項42記載のデバイス。 - 【請求項55】 前記方法は、 a)前記一個以上のプロセッサの内の単一プロセッサにより前記適用可能なデー
タを受信する段階、 b)前記単一プロセッサにより、前記ユーザ・アイテム嗜好性データから前記ア
イテム推薦セットを生成する段階、 c)前記単一プロセッサにより、前記セレンディピティ制御関数および前記コミ
ュニティ・アイテム評判データに応じて前記一組のアイテム・セレンディピティ
制御値を生成する段階、および、 d)前記単一プロセッサにより、前記アイテム推薦セットを前記一組のアイテム
・セレンディピティ制御値と組合せて前記セレンディピティ加重済/選別済推薦
出力セットを生成する段階、 を更に備えて成る、請求項42記載のデバイス。 - 【請求項56】 前記方法は、 a)前記一個以上のプロセッサの第1プロセッサにより前記コミュニティ・アイ
テム評判データを受信する段階、 b)前記第1プロセッサにより、前記セレンディピティ制御関数および前記コミ
ュニティ評判データに応じて前記一組のアイテム・セレンディピティ制御値を生
成する段階、 c)前記一個以上のプロセッサの第2プロセッサにより前記ユーザ・アイテム嗜
好性データを受信する段階、 d)前記第2プロセッサより、前記ユーザ・アイテム嗜好性データから前記アイ
テム推薦セットを生成する段階、 e)前記第2プロセッサにより、前記第1プロセッサから前記一組のアイテム・セ
レンディピティ制御値を受信する段階、および、 f)前記第2プロセッサにより、前記アイテム推薦セットを前記一組のアイテム
・セレンディピティ制御値と組合せて前記セレンディピティ加重済/選別済推薦
出力セットを生成する段階、 を更に備えて成る、請求項42記載のデバイス。 - 【請求項57】 前記方法は、 a)前記一個以上のプロセッサの第1プロセッサにより前記コミュニティ・アイ
テム評判データを受信する段階、 b)前記第1プロセッサにより、前記セレンディピティ制御関数および前記コミ
ュニティ評判データに応じて前記一組のアイテム・セレンディピティ制御値を生
成する段階、 c)前記一個以上のプロセッサの第2プロセッサにより前記ユーザ・アイテム嗜
好性データを受信する段階、 d)前記第2プロセッサにより、前記ユーザ・アイテム嗜好性データから前記ア
イテム推薦セットを生成する段階、 e)前記一個以上のプロセッサの第3プロセッサにより、前記第1プロセッサから
前記一組のアイテム・セレンディピティ制御値を且つ前記第2プロセッサから前
記アイテム推薦セットを受信する段階、および、 f)前記第3プロセッサにより、前記アイテム推薦セットを前記一組のアイテム
・セレンディピティ制御値に組合せて前記セレンディピティ加重済/選別済推薦
出力セットを生成する段階、 を更に備えて成る、請求項42記載のデバイス。 - 【請求項58】 前記方法は、前記処理システムにより、リアルタイムでイ
ンタラクティブな制約の下で前記セレンディピティ加重済出力/選別済推薦出力
セットを生成する段階を更に備えて成る、請求項42記載のデバイス。 - 【請求項59】 前記方法は、前記処理システムにより、単項的で順序付け
されない推薦、および、優先順序付けされた推薦の少なくとも一方として前記セ
レンディピティ加重済/選別済推薦出力セットを生成する段階を更に備えて成る
、請求項42記載のデバイス。 - 【請求項60】 前記方法は、前記処理システムにより、単項的値、2値お
よび数値の少なくとも一つとして前記アイテム推薦データを受信する段階を更に
備えて成る、請求項42記載のデバイス。 - 【請求項61】 前記方法は、 前記処理システムを使用し、前記コミュニティ・アイテム評判データおよび前
記セレンディピティ関数に応じて前記一組のアイテム・セレンディピティ制御値
を生成する段階を更に備え、前記セレンディピティ関数は以下の少なくとも一つ
である、 制御可能パラメータを有する固定関数; 事前選択された上方頻度値より大きな頻度にてコミュニティ・アイテム評判デ
ータ内で生ずるアイテムを除外する2レベル関数; 事前選択された下方頻度値より小さな頻度にてコミュニティ・アイテム評判デ
ータ内で生ずるアイテムを除外する2レベル関数; コミュニティ・アイテム評判データにおいて発生頻度が増加するにつれて減少
する値を有する連続関数;および、 コミュニティ・アイテム評判データにおいて選択頻度より小さな発生頻度を有
するアイテムには一定値を割当て、且つ、前記選択頻度より大きな発生頻度と共
に減少する値を割当てる関数、 請求項42記載のデバイス。 - 【請求項62】 a.前記アイテム推薦データは、音楽アイテム、オーディオ
/ビジュアル・アイテム、書面刊行物、書面刊行物からの記事、インターネット
文書、消費可能物品、食事および娯楽サービス、金融サービス商品、不動産、建
築物品、建築サービス、自動車関連物品、自動車関連サービス、旅行関連物品、
旅行関連サービス、画像、写真、芸術作品、コンピュータ関連ハードウェア、コ
ンピュータ・ソフトウェア、およびコンピュータ関連サービス製品、の一つに関
し、且つ、 b.前記セレンディピティ加重済/選別済推薦出力セットは夫々、音楽アイテム
、オーディオ/ビジュアル・アイテム、書面刊行物、書面刊行物からの記事、イ
ンターネット文書、消費可能物品、食事および娯楽サービス、金融サービス商品
、不動産、建築物品、建築サービス、自動車関連物品、自動車関連サービス、旅
行関連物品、旅行関連サービス、画像、写真、芸術作品、コンピュータ関連ハー
ドウェア、コンピュータ・ソフトウェア、およびコンピュータ関連サービス製品
、の一つに関する、 請求項42記載のデバイス。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/118,026 US6334127B1 (en) | 1998-07-17 | 1998-07-17 | System, method and article of manufacture for making serendipity-weighted recommendations to a user |
US09/118,026 | 1998-07-17 | ||
PCT/US1999/015350 WO2000004474A1 (en) | 1998-07-17 | 1999-07-07 | System, method and article of manufacture for making high user value recommendations |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002520743A true JP2002520743A (ja) | 2002-07-09 |
JP2002520743A5 JP2002520743A5 (ja) | 2006-08-24 |
Family
ID=22376102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000560527A Pending JP2002520743A (ja) | 1998-07-17 | 1999-07-07 | 高ユーザ価値推薦を行うシステム、方法および製品 |
Country Status (5)
Country | Link |
---|---|
US (1) | US6334127B1 (ja) |
EP (1) | EP1099177A1 (ja) |
JP (1) | JP2002520743A (ja) |
AU (1) | AU4973999A (ja) |
WO (1) | WO2000004474A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004501411A (ja) * | 1999-12-14 | 2004-01-15 | ヨードリー・コム・インコーポレイテツド | ユーザの複数のウエッブ−サービスからのデータの知識に基づいて、オンライン活動に関する知的提案をユーザに提供するための方法および装置 |
JP2009003920A (ja) * | 2000-07-11 | 2009-01-08 | Yahoo Inc | コミュニティの偏りを用いたオンライン再生システム |
JP2013257793A (ja) * | 2012-06-13 | 2013-12-26 | Nippon Telegr & Teleph Corp <Ntt> | 商品多様化推薦装置及び方法及びプログラム |
JP2017049910A (ja) * | 2015-09-04 | 2017-03-09 | 株式会社東芝 | アイテム推薦システム、アイテム推薦方法およびプログラム |
Families Citing this family (212)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7253731B2 (en) | 2001-01-23 | 2007-08-07 | Raymond Anthony Joao | Apparatus and method for providing shipment information |
US10011247B2 (en) | 1996-03-27 | 2018-07-03 | Gtj Ventures, Llc | Control, monitoring and/or security apparatus and method |
US10152876B2 (en) * | 1996-03-27 | 2018-12-11 | Gtj Ventures, Llc | Control, monitoring, and/or security apparatus and method |
US20020002039A1 (en) | 1998-06-12 | 2002-01-03 | Safi Qureshey | Network-enabled audio device |
US9075136B1 (en) | 1998-03-04 | 2015-07-07 | Gtj Ventures, Llc | Vehicle operator and/or occupant information apparatus and method |
US7386485B1 (en) | 2004-06-25 | 2008-06-10 | West Corporation | Method and system for providing offers in real time to prospective customers |
US7729945B1 (en) | 1998-03-11 | 2010-06-01 | West Corporation | Systems and methods that use geographic data to intelligently select goods and services to offer in telephonic and electronic commerce |
US7437313B1 (en) | 1998-03-11 | 2008-10-14 | West Direct, Llc | Methods, computer-readable media, and apparatus for offering users a plurality of scenarios under which to conduct at least one primary transaction |
US8315909B1 (en) | 1998-03-11 | 2012-11-20 | West Corporation | Methods and apparatus for intelligent selection of goods and services in point-of-sale commerce |
US7364068B1 (en) | 1998-03-11 | 2008-04-29 | West Corporation | Methods and apparatus for intelligent selection of goods and services offered to conferees |
US6055513A (en) | 1998-03-11 | 2000-04-25 | Telebuyer, Llc | Methods and apparatus for intelligent selection of goods and services in telephonic and electronic commerce |
US6317722B1 (en) * | 1998-09-18 | 2001-11-13 | Amazon.Com, Inc. | Use of electronic shopping carts to generate personal recommendations |
AU5934900A (en) * | 1999-07-16 | 2001-02-05 | Agentarts, Inc. | Methods and system for generating automated alternative content recommendations |
GB2353112A (en) * | 1999-08-10 | 2001-02-14 | Int Computers Ltd | Computer system for providing travel services |
KR100304482B1 (ko) * | 1999-09-22 | 2001-11-02 | 구자홍 | 다중 계층구조를 가지는 사용자 선호도 정보구조와 이를 이용한 멀티미디어 정보 서비스 방법 |
US7461058B1 (en) * | 1999-09-24 | 2008-12-02 | Thalveg Data Flow Llc | Optimized rule based constraints for collaborative filtering systems |
US7373317B1 (en) * | 1999-10-27 | 2008-05-13 | Ebay, Inc. | Method and apparatus for facilitating sales of goods by independent parties |
US7370006B2 (en) * | 1999-10-27 | 2008-05-06 | Ebay, Inc. | Method and apparatus for listing goods for sale |
EP1236354A4 (en) * | 1999-11-10 | 2009-04-22 | Yahoo Inc | INTERNET RADIO AND BROADCASTING METHOD |
US6389467B1 (en) | 2000-01-24 | 2002-05-14 | Friskit, Inc. | Streaming media search and continuous playback system of media resources located by multiple network addresses |
US8533094B1 (en) | 2000-01-26 | 2013-09-10 | Ebay Inc. | On-line auction sales leads |
KR100358203B1 (ko) * | 2000-01-29 | 2002-10-25 | 주식회사 이네트 | 네트워크를 기반으로 하는 사용자별 차등 가격 처리시스템 및 그 방법 |
US6618714B1 (en) * | 2000-02-10 | 2003-09-09 | Sony Corporation | Method and system for recommending electronic component connectivity configurations and other information |
DE10195918T1 (de) | 2000-03-17 | 2003-04-03 | Ebay Inc | Verfahren und Einrichtung zur Erleichterung von Zahlungstransaktionen in einem auf einer Netzwerk basierenden Transaktionseinrichtung unter Verwendung verschiedener Zahlungsinstrumente |
US7499875B1 (en) | 2000-03-17 | 2009-03-03 | Ebay Inc. | Method and apparatus for facilitating online payment transactions in a network-based transaction facility using multiple payment instruments |
US7546252B2 (en) * | 2000-04-28 | 2009-06-09 | Netflix, Inc. | Approach for managing rental items across a plurality of distribution locations |
US7403910B1 (en) | 2000-04-28 | 2008-07-22 | Netflix, Inc. | Approach for estimating user ratings of items |
US7617127B2 (en) | 2000-04-28 | 2009-11-10 | Netflix, Inc. | Approach for estimating user ratings of items |
US6584450B1 (en) | 2000-04-28 | 2003-06-24 | Netflix.Com, Inc. | Method and apparatus for renting items |
US8352331B2 (en) | 2000-05-03 | 2013-01-08 | Yahoo! Inc. | Relationship discovery engine |
CA2410869A1 (en) * | 2000-06-01 | 2001-12-06 | Iselect Pty Ltd. | Customer decision support at point-of-sale |
CA2419120A1 (en) * | 2000-06-22 | 2003-08-19 | Yaron Mayer | System and method for searching, finding and contacting dates on the internet in instant messaging networks and/or in other methods that enable immediate finding and creating immediate contact |
US7788123B1 (en) * | 2000-06-23 | 2010-08-31 | Ekhaus Michael A | Method and system for high performance model-based personalization |
US7937725B1 (en) * | 2000-07-27 | 2011-05-03 | Koninklijke Philips Electronics N.V. | Three-way media recommendation method and system |
US7840691B1 (en) | 2000-09-07 | 2010-11-23 | Zamora Radio, Llc | Personal broadcast server system for providing a customized broadcast |
US7650304B1 (en) | 2000-09-08 | 2010-01-19 | Capital One Financial Corporation | Solicitation to web marketing loop process |
US7567916B1 (en) * | 2000-09-12 | 2009-07-28 | Capital One Financial Corporation | System and method for performing Web based in-view monitoring |
EP1193625B1 (fr) * | 2000-09-27 | 2006-09-13 | Pertinence Data Intelligence | Moteur de recherche collaboratif |
US7069271B1 (en) * | 2000-11-03 | 2006-06-27 | Oracle International Corp. | Methods and apparatus for implementing internet storefronts to provide integrated functions |
JP4191377B2 (ja) * | 2000-11-30 | 2008-12-03 | 富士通株式会社 | 電子商取引方法、電子商取引プログラムを格納したコンピュータ読取り可能な記録媒体及びサーバ |
WO2002056135A2 (en) * | 2000-12-07 | 2002-07-18 | Newsgrade Corporation | System and method for providing data analysis and interpretation |
US7398270B1 (en) * | 2001-01-31 | 2008-07-08 | Choi Lawrence J | Method and system for clustering optimization and applications |
US6996560B1 (en) * | 2001-01-31 | 2006-02-07 | Rmsg Llc | Method, system, and device for typing customers/prospects |
JP2002230411A (ja) * | 2001-02-05 | 2002-08-16 | Isao:Kk | コミュニケーションシステム、コミュニケーション情報処理装置、情報端末装置、商品リコメンド方法、および、プログラム |
FR2821187B1 (fr) * | 2001-02-19 | 2003-05-16 | Pierre Dukan | Procede d'elaboration de supports d'informations personnalises thematiques |
US7376576B2 (en) | 2001-03-16 | 2008-05-20 | Portblue Corporation | Decision making and implementation system |
US7406436B1 (en) | 2001-03-22 | 2008-07-29 | Richard Reisman | Method and apparatus for collecting, aggregating and providing post-sale market data for an item |
US6728706B2 (en) * | 2001-03-23 | 2004-04-27 | International Business Machines Corporation | Searching products catalogs |
US8260656B1 (en) | 2001-04-19 | 2012-09-04 | Amazon.Com, Inc. | Mining of user-generated playlists for data regarding relationships between digital works |
US7739162B1 (en) | 2001-05-04 | 2010-06-15 | West Corporation | System, method, and business method for setting micropayment transaction to a pre-paid instrument |
DE60239742D1 (de) | 2001-05-10 | 2011-05-26 | Amdocs Software Systems Ltd | Intelligente internet-website mit hierarchischem menü |
CN101853473B (zh) * | 2001-05-18 | 2013-08-14 | 株式会社尼康 | 登载图像的电子公告牌和电子相册服务的提供方法 |
WO2002095641A1 (fr) * | 2001-05-18 | 2002-11-28 | Nikon Corporation | Procede d'enregistrement de client de magasin electronique |
US7110525B1 (en) | 2001-06-25 | 2006-09-19 | Toby Heller | Agent training sensitive call routing system |
US7194477B1 (en) * | 2001-06-29 | 2007-03-20 | Revenue Science, Inc. | Optimized a priori techniques |
FI115419B (fi) * | 2001-08-20 | 2005-04-29 | Helsingin Kauppakorkeakoulu | Informaatiopalveluiden käyttäjäkohtainen personointi |
EP1288795A1 (en) * | 2001-08-24 | 2003-03-05 | BRITISH TELECOMMUNICATIONS public limited company | Query systems |
US7231419B1 (en) * | 2001-10-19 | 2007-06-12 | Outlooksoft Corporation | System and method for adaptively selecting and delivering recommendations to a requester |
US7295995B1 (en) * | 2001-10-30 | 2007-11-13 | A9.Com, Inc. | Computer processes and systems for adaptively controlling the display of items |
US7533093B2 (en) * | 2001-11-13 | 2009-05-12 | Koninklijke Philips Electronics N.V. | Method and apparatus for evaluating the closeness of items in a recommender of such items |
US7372952B1 (en) | 2002-03-07 | 2008-05-13 | Wai Wu | Telephony control system with intelligent call routing |
US8275673B1 (en) | 2002-04-17 | 2012-09-25 | Ebay Inc. | Method and system to recommend further items to a user of a network-based transaction facility upon unsuccessful transacting with respect to an item |
US7783514B2 (en) * | 2002-04-22 | 2010-08-24 | Nbc Universal, Inc. | Method, apparatus and article for displaying targeted content on web pages by predicting the group membership of individual visitors |
US20030204435A1 (en) * | 2002-04-30 | 2003-10-30 | Sbc Technology Resources, Inc. | Direct collection of customer intentions for designing customer service center interface |
US10562492B2 (en) | 2002-05-01 | 2020-02-18 | Gtj Ventures, Llc | Control, monitoring and/or security apparatus and method |
US20040230440A1 (en) * | 2002-06-21 | 2004-11-18 | Anil Malhotra | System for automating purchase recommendations |
US20040015416A1 (en) * | 2002-07-22 | 2004-01-22 | Benjamin David Foster | Seller configurable merchandising in an electronic marketplace |
US7257774B2 (en) * | 2002-07-30 | 2007-08-14 | Fuji Xerox Co., Ltd. | Systems and methods for filtering and/or viewing collaborative indexes of recorded media |
US8370203B2 (en) * | 2002-10-07 | 2013-02-05 | Amazon Technologies, Inc. | User interface and methods for recommending items to users |
US20050125240A9 (en) * | 2002-10-21 | 2005-06-09 | Speiser Leonard R. | Product recommendation in a network-based commerce system |
AU2003279992A1 (en) | 2002-10-21 | 2004-05-13 | Ebay Inc. | Listing recommendation in a network-based commerce system |
US7130844B2 (en) * | 2002-10-31 | 2006-10-31 | International Business Machines Corporation | System and method for examining, calculating the age of an document collection as a measure of time since creation, visualizing, identifying selectively reference those document collections representing current activity |
US7853594B2 (en) * | 2002-10-31 | 2010-12-14 | International Business Machines Corporation | System and method for determining founders of an information aggregate |
US7080082B2 (en) * | 2002-10-31 | 2006-07-18 | International Business Machines Corporation | System and method for finding the acceleration of an information aggregate |
US7103609B2 (en) | 2002-10-31 | 2006-09-05 | International Business Machines Corporation | System and method for analyzing usage patterns in information aggregates |
US7065532B2 (en) * | 2002-10-31 | 2006-06-20 | International Business Machines Corporation | System and method for evaluating information aggregates by visualizing associated categories |
US20040088322A1 (en) * | 2002-10-31 | 2004-05-06 | International Business Machines Corporation | System and method for determining connections between information aggregates |
US7257569B2 (en) * | 2002-10-31 | 2007-08-14 | International Business Machines Corporation | System and method for determining community overlap |
US7249123B2 (en) * | 2002-10-31 | 2007-07-24 | International Business Machines Corporation | System and method for building social networks based on activity around shared virtual objects |
US8306908B1 (en) | 2002-12-31 | 2012-11-06 | West Corporation | Methods and apparatus for intelligent selection of goods and services in telephonic and electronic commerce |
US8700538B2 (en) * | 2003-01-31 | 2014-04-15 | Media Queue, Llc | Media exchange system and method |
US7389243B2 (en) * | 2003-01-31 | 2008-06-17 | Gross John N | Notification system and method for media queue |
US8712867B2 (en) * | 2003-01-31 | 2014-04-29 | Media Queue, Llc | System for providing access to playable media |
US20040158503A1 (en) * | 2003-01-31 | 2004-08-12 | Gross John N. | Media queue monitor |
US8688462B2 (en) * | 2003-01-31 | 2014-04-01 | Media Queue, Llc | Media auto exchange system and method |
US20040162783A1 (en) * | 2003-01-31 | 2004-08-19 | Gross John N. | Media queue replenisher |
US9818136B1 (en) | 2003-02-05 | 2017-11-14 | Steven M. Hoffberg | System and method for determining contingent relevance |
US7676034B1 (en) | 2003-03-07 | 2010-03-09 | Wai Wu | Method and system for matching entities in an auction |
US8712857B1 (en) | 2003-03-31 | 2014-04-29 | Tuxis Technologies Llc | Methods and apparatus for intelligent selection of goods and services in mobile commerce |
US8612311B2 (en) * | 2004-05-28 | 2013-12-17 | Media Queue, Llc | Hybrid distribution method for playable media |
US7685028B2 (en) * | 2003-05-28 | 2010-03-23 | Gross John N | Method of testing inventory management/shipping systems |
US8433622B2 (en) * | 2003-05-28 | 2013-04-30 | Media Queue, Llc | Method of controlling electronic commerce queue |
US8630960B2 (en) * | 2003-05-28 | 2014-01-14 | John Nicholas Gross | Method of testing online recommender system |
US20040243479A1 (en) * | 2003-05-28 | 2004-12-02 | Gross John N. | Method of monitoring electronic commerce queue |
US20060212367A1 (en) * | 2003-05-28 | 2006-09-21 | Gross John N | Method of selecting and distributing items to consumers of electronic media |
US20040244029A1 (en) * | 2003-05-28 | 2004-12-02 | Gross John N. | Method of correlating advertising and recommender systems |
US7783512B2 (en) * | 2003-05-28 | 2010-08-24 | Gross John N | Method of evaluating learning rate of recommender systems |
US20060036510A1 (en) * | 2003-06-02 | 2006-02-16 | W.W. Grainger, Inc. | System and method for directing a customer to additional purchasing opportunities |
US7313536B2 (en) * | 2003-06-02 | 2007-12-25 | W.W. Grainger Inc. | System and method for providing product recommendations |
US8738541B2 (en) * | 2003-06-25 | 2014-05-27 | Media Queue, Llc | Method of processing rental requests and returns |
US7246106B2 (en) * | 2003-07-02 | 2007-07-17 | Red Paper Llc | System and method for distributing electronic information |
US8458033B2 (en) * | 2003-08-11 | 2013-06-04 | Dropbox, Inc. | Determining the relevance of offers |
US8554601B1 (en) | 2003-08-22 | 2013-10-08 | Amazon Technologies, Inc. | Managing content based on reputation |
US7822631B1 (en) * | 2003-08-22 | 2010-10-26 | Amazon Technologies, Inc. | Assessing content based on assessed trust in users |
US7836051B1 (en) * | 2003-10-13 | 2010-11-16 | Amazon Technologies, Inc. | Predictive analysis of browse activity data of users of a database access system in which items are arranged in a hierarchy |
US20050096997A1 (en) * | 2003-10-31 | 2005-05-05 | Vivek Jain | Targeting shoppers in an online shopping environment |
US7319998B2 (en) * | 2003-11-14 | 2008-01-15 | Universidade De Coimbra | Method and system for supporting symbolic serendipity |
US8306874B2 (en) * | 2003-11-26 | 2012-11-06 | Buy.Com, Inc. | Method and apparatus for word of mouth selling via a communications network |
US10339538B2 (en) * | 2004-02-26 | 2019-07-02 | Oath Inc. | Method and system for generating recommendations |
US8028323B2 (en) | 2004-05-05 | 2011-09-27 | Dryden Enterprises, Llc | Method and system for employing a first device to direct a networked audio device to obtain a media item |
US8346673B2 (en) * | 2004-05-10 | 2013-01-01 | Blockbuster L.L.C. | System and method for provisioning audiovisual works |
US20060020995A1 (en) * | 2004-07-20 | 2006-01-26 | Comcast Cable Communications, Llc | Fast channel change in digital media systems |
US8165281B2 (en) * | 2004-07-28 | 2012-04-24 | At&T Intellectual Property I, L.P. | Method and system for mapping caller information to call center agent transactions |
US7580837B2 (en) | 2004-08-12 | 2009-08-25 | At&T Intellectual Property I, L.P. | System and method for targeted tuning module of a speech recognition system |
US7178720B1 (en) | 2004-09-30 | 2007-02-20 | West Corporation | Methods, computer-readable media, and computer program product for intelligent selection of items encoded onto portable machine-playable entertainment media |
US7242751B2 (en) | 2004-12-06 | 2007-07-10 | Sbc Knowledge Ventures, L.P. | System and method for speech recognition-enabled automatic call routing |
US20060123014A1 (en) * | 2004-12-07 | 2006-06-08 | David Ng | Ranking Internet Search Results Based on Number of Mobile Device Visits to Physical Locations Related to the Search Results |
US7751551B2 (en) | 2005-01-10 | 2010-07-06 | At&T Intellectual Property I, L.P. | System and method for speech-enabled call routing |
US7703030B2 (en) | 2005-01-11 | 2010-04-20 | Trusted Opinion, Inc. | Method and system for providing customized recommendations to users |
US8306975B1 (en) * | 2005-03-08 | 2012-11-06 | Worldwide Creative Techniques, Inc. | Expanded interest recommendation engine and variable personalization |
US8365306B2 (en) * | 2005-05-25 | 2013-01-29 | Oracle International Corporation | Platform and service for management and multi-channel delivery of multi-types of contents |
US7783635B2 (en) * | 2005-05-25 | 2010-08-24 | Oracle International Corporation | Personalization and recommendations of aggregated data not owned by the aggregator |
US7917612B2 (en) | 2005-05-25 | 2011-03-29 | Oracle International Corporation | Techniques for analyzing commands during streaming media to confirm delivery |
US7657020B2 (en) | 2005-06-03 | 2010-02-02 | At&T Intellectual Property I, Lp | Call routing system and method of using the same |
US8200687B2 (en) | 2005-06-20 | 2012-06-12 | Ebay Inc. | System to generate related search queries |
US8181201B2 (en) * | 2005-08-30 | 2012-05-15 | Nds Limited | Enhanced electronic program guides |
US8874477B2 (en) | 2005-10-04 | 2014-10-28 | Steven Mark Hoffberg | Multifactorial optimization system and method |
US8504606B2 (en) * | 2005-11-09 | 2013-08-06 | Tegic Communications | Learner for resource constrained devices |
US20080250010A1 (en) * | 2007-04-05 | 2008-10-09 | Samsung Electronics Co., Ltd. | Method and system for determining and pre-processing potential user queries related to content in a network |
US20070214123A1 (en) * | 2006-03-07 | 2007-09-13 | Samsung Electronics Co., Ltd. | Method and system for providing a user interface application and presenting information thereon |
US9100723B2 (en) * | 2006-03-07 | 2015-08-04 | Samsung Electronics Co., Ltd. | Method and system for managing information on a video recording |
US8200688B2 (en) | 2006-03-07 | 2012-06-12 | Samsung Electronics Co., Ltd. | Method and system for facilitating information searching on electronic devices |
US8732154B2 (en) | 2007-02-28 | 2014-05-20 | Samsung Electronics Co., Ltd. | Method and system for providing sponsored information on electronic devices |
US8843467B2 (en) | 2007-05-15 | 2014-09-23 | Samsung Electronics Co., Ltd. | Method and system for providing relevant information to a user of a device in a local network |
US8115869B2 (en) | 2007-02-28 | 2012-02-14 | Samsung Electronics Co., Ltd. | Method and system for extracting relevant information from content metadata |
US8510453B2 (en) | 2007-03-21 | 2013-08-13 | Samsung Electronics Co., Ltd. | Framework for correlating content on a local network with information on an external network |
US8209724B2 (en) | 2007-04-25 | 2012-06-26 | Samsung Electronics Co., Ltd. | Method and system for providing access to information of potential interest to a user |
US8863221B2 (en) | 2006-03-07 | 2014-10-14 | Samsung Electronics Co., Ltd. | Method and system for integrating content and services among multiple networks |
US8195650B2 (en) | 2007-02-28 | 2012-06-05 | Samsung Electronics Co., Ltd. | Method and system for providing information using a supplementary device |
US8300798B1 (en) | 2006-04-03 | 2012-10-30 | Wai Wu | Intelligent communication routing system and method |
US20070264982A1 (en) * | 2006-04-28 | 2007-11-15 | Nguyen John N | System and method for distributing media |
US7814112B2 (en) | 2006-06-09 | 2010-10-12 | Ebay Inc. | Determining relevancy and desirability of terms |
US8560463B2 (en) | 2006-06-26 | 2013-10-15 | Oracle International Corporation | Techniques for correlation of charges in multiple layers for content and service delivery |
US8935269B2 (en) | 2006-12-04 | 2015-01-13 | Samsung Electronics Co., Ltd. | Method and apparatus for contextual search and query refinement on consumer electronics devices |
US7562816B2 (en) * | 2006-12-18 | 2009-07-21 | International Business Machines Corporation | Integrating touch, taste, and/or scent with a visual interface of an automated system for an enhanced user experience |
US8166058B2 (en) | 2006-12-28 | 2012-04-24 | Yahoo! Inc. | Identifying interest twins in an online community |
US20130031104A1 (en) * | 2007-01-04 | 2013-01-31 | Choicestream, Inc | Recommendation jitter |
US20080183681A1 (en) * | 2007-01-29 | 2008-07-31 | Samsung Electronics Co., Ltd. | Method and system for facilitating information searching on electronic devices |
US8220023B2 (en) * | 2007-02-21 | 2012-07-10 | Nds Limited | Method for content presentation |
US7801888B2 (en) | 2007-03-09 | 2010-09-21 | Microsoft Corporation | Media content search results ranked by popularity |
US7681140B2 (en) * | 2007-03-23 | 2010-03-16 | Sap Ag | Model-based customer engagement techniques |
WO2008121872A1 (en) * | 2007-03-30 | 2008-10-09 | Amazon Technologies, Inc. | Cluster-based assessment of user interests |
US8180680B2 (en) | 2007-04-16 | 2012-05-15 | Jeffrey Leventhal | Method and system for recommending a product over a computer network |
US9286385B2 (en) | 2007-04-25 | 2016-03-15 | Samsung Electronics Co., Ltd. | Method and system for providing access to information of potential interest to a user |
US8050998B2 (en) | 2007-04-26 | 2011-11-01 | Ebay Inc. | Flexible asset and search recommendation engines |
US8301623B2 (en) | 2007-05-22 | 2012-10-30 | Amazon Technologies, Inc. | Probabilistic recommendation system |
US8219447B1 (en) | 2007-06-06 | 2012-07-10 | Amazon Technologies, Inc. | Real-time adaptive probabilistic selection of messages |
US8051040B2 (en) | 2007-06-08 | 2011-11-01 | Ebay Inc. | Electronic publication system |
US20130066673A1 (en) * | 2007-09-06 | 2013-03-14 | Digg, Inc. | Adapting thresholds |
US8176068B2 (en) * | 2007-10-31 | 2012-05-08 | Samsung Electronics Co., Ltd. | Method and system for suggesting search queries on electronic devices |
US7921071B2 (en) * | 2007-11-16 | 2011-04-05 | Amazon Technologies, Inc. | Processes for improving the utility of personalized recommendations generated by a recommendation engine |
US8001561B2 (en) * | 2007-11-20 | 2011-08-16 | Samsung Electronics Co., Ltd. | System and method for automatically rating video content |
US8127235B2 (en) | 2007-11-30 | 2012-02-28 | International Business Machines Corporation | Automatic increasing of capacity of a virtual space in a virtual world |
US9015147B2 (en) | 2007-12-20 | 2015-04-21 | Porto Technology, Llc | System and method for generating dynamically filtered content results, including for audio and/or video channels |
US8316015B2 (en) | 2007-12-21 | 2012-11-20 | Lemi Technology, Llc | Tunersphere |
US8117193B2 (en) * | 2007-12-21 | 2012-02-14 | Lemi Technology, Llc | Tunersphere |
US20090164919A1 (en) | 2007-12-24 | 2009-06-25 | Cary Lee Bates | Generating data for managing encounters in a virtual world environment |
US8583524B2 (en) * | 2008-05-06 | 2013-11-12 | Richrelevance, Inc. | System and process for improving recommendations for use in providing personalized advertisements to retail customers |
US8364528B2 (en) * | 2008-05-06 | 2013-01-29 | Richrelevance, Inc. | System and process for improving product recommendations for use in providing personalized advertisements to retail customers |
US8700508B2 (en) * | 2008-05-06 | 2014-04-15 | Blackboard, Inc. | Systems and methods for providing spending information and budgeting recommendations to students |
US8332414B2 (en) | 2008-07-01 | 2012-12-11 | Samsung Electronics Co., Ltd. | Method and system for prefetching internet content for video recorders |
US8938465B2 (en) | 2008-09-10 | 2015-01-20 | Samsung Electronics Co., Ltd. | Method and system for utilizing packaged content sources to identify and provide information based on contextual information |
EP2164227A1 (en) * | 2008-09-15 | 2010-03-17 | Alcatel, Lucent | Providing digital assets and a network therefor |
US8494899B2 (en) | 2008-12-02 | 2013-07-23 | Lemi Technology, Llc | Dynamic talk radio program scheduling |
US7657337B1 (en) * | 2009-04-29 | 2010-02-02 | Lemi Technology, Llc | Skip feature for a broadcast or multicast media station |
US20100293053A1 (en) * | 2009-05-13 | 2010-11-18 | Ebay Inc. | Price-based delay of an advertisement |
US20100324968A1 (en) * | 2009-06-19 | 2010-12-23 | Roland Schoettle | System and method for automatically restructuring database entries based on data obtained among a plurality of users |
US8311893B2 (en) * | 2009-06-19 | 2012-11-13 | Roland Schoettle | System and method for providing information on selected topics to interested users |
US9205328B2 (en) | 2010-02-18 | 2015-12-08 | Activision Publishing, Inc. | Videogame system and method that enables characters to earn virtual fans by completing secondary objectives |
CN102314450B (zh) * | 2010-06-30 | 2014-11-26 | 国际商业机器公司 | 用于增强网页浏览的方法和设备 |
JP2011065670A (ja) * | 2010-11-12 | 2011-03-31 | Nikon Corp | 電子ショップの提供方法 |
US9153000B2 (en) | 2010-12-13 | 2015-10-06 | Microsoft Technology Licensing, Llc | Presenting content items shared within social networks |
US20120159329A1 (en) * | 2010-12-16 | 2012-06-21 | Yahoo! Inc. | System for creating anchors for media content |
US9185152B2 (en) * | 2011-08-25 | 2015-11-10 | Ustream, Inc. | Bidirectional communication on live multimedia broadcasts |
US8842840B2 (en) | 2011-11-03 | 2014-09-23 | Arvind Gidwani | Demand based encryption and key generation and distribution systems and methods |
US8892130B2 (en) | 2011-11-14 | 2014-11-18 | Robert P. Hudson | System for enabling interactive socialization of users at a location or geographic radius thereof |
CN103116581B (zh) * | 2011-11-16 | 2018-05-08 | 阿里巴巴集团控股有限公司 | 一种电子信息的推荐方法以及装置 |
JP5890539B2 (ja) | 2012-02-22 | 2016-03-22 | ノキア テクノロジーズ オーユー | 予測に基づくサービスへのアクセス |
EP2680209A1 (en) * | 2012-06-29 | 2014-01-01 | Axel Springer Digital TV Guide GmbH | Device and method for automatic generation of a recommendation |
US8863162B2 (en) * | 2012-12-03 | 2014-10-14 | At&T Intellectual Property I, L.P. | System and method of content and merchandise recommendation |
US10546441B2 (en) | 2013-06-04 | 2020-01-28 | Raymond Anthony Joao | Control, monitoring, and/or security, apparatus and method for premises, vehicles, and/or articles |
US20150278353A1 (en) * | 2014-03-31 | 2015-10-01 | Linkedln Corporation | Methods and systems for surfacing content items based on impression discounting |
US9821738B2 (en) | 2014-06-30 | 2017-11-21 | Raymond Anthony Joao | Battery power management apparatus and method |
US10286326B2 (en) | 2014-07-03 | 2019-05-14 | Activision Publishing, Inc. | Soft reservation system and method for multiplayer video games |
US10445811B2 (en) * | 2014-10-27 | 2019-10-15 | Tata Consultancy Services Limited | Recommendation engine comprising an inference module for associating users, households, user groups, product metadata and transaction data and generating aggregated graphs using clustering |
US10118099B2 (en) | 2014-12-16 | 2018-11-06 | Activision Publishing, Inc. | System and method for transparently styling non-player characters in a multiplayer video game |
US10315113B2 (en) | 2015-05-14 | 2019-06-11 | Activision Publishing, Inc. | System and method for simulating gameplay of nonplayer characters distributed across networked end user devices |
US10471348B2 (en) | 2015-07-24 | 2019-11-12 | Activision Publishing, Inc. | System and method for creating and sharing customized video game weapon configurations in multiplayer video games via one or more social networks |
US10500498B2 (en) | 2016-11-29 | 2019-12-10 | Activision Publishing, Inc. | System and method for optimizing virtual games |
KR101983635B1 (ko) * | 2017-09-22 | 2019-05-29 | 정우주 | 개인방송 컨텐츠 추천방법 |
US10561945B2 (en) | 2017-09-27 | 2020-02-18 | Activision Publishing, Inc. | Methods and systems for incentivizing team cooperation in multiplayer gaming environments |
US10974150B2 (en) | 2017-09-27 | 2021-04-13 | Activision Publishing, Inc. | Methods and systems for improved content customization in multiplayer gaming environments |
US11040286B2 (en) | 2017-09-27 | 2021-06-22 | Activision Publishing, Inc. | Methods and systems for improved content generation in multiplayer gaming environments |
US10765948B2 (en) | 2017-12-22 | 2020-09-08 | Activision Publishing, Inc. | Video game content aggregation, normalization, and publication systems and methods |
US10826862B1 (en) | 2018-02-27 | 2020-11-03 | Amazon Technologies, Inc. | Generation and transmission of hierarchical notifications to networked devices |
US11679330B2 (en) | 2018-12-18 | 2023-06-20 | Activision Publishing, Inc. | Systems and methods for generating improved non-player characters |
CN110516147A (zh) * | 2019-07-22 | 2019-11-29 | 平安科技(深圳)有限公司 | 页面数据生成方法、装置、计算机设备及存储介质 |
US11097193B2 (en) | 2019-09-11 | 2021-08-24 | Activision Publishing, Inc. | Methods and systems for increasing player engagement in multiplayer gaming environments |
US11712627B2 (en) | 2019-11-08 | 2023-08-01 | Activision Publishing, Inc. | System and method for providing conditional access to virtual gaming items |
US11351459B2 (en) | 2020-08-18 | 2022-06-07 | Activision Publishing, Inc. | Multiplayer video games with virtual characters having dynamically generated attribute profiles unconstrained by predefined discrete values |
US11524234B2 (en) | 2020-08-18 | 2022-12-13 | Activision Publishing, Inc. | Multiplayer video games with virtual characters having dynamically modified fields of view |
US11760227B2 (en) | 2021-02-15 | 2023-09-19 | Raymond Anthony Joao | Battery power management apparatus and method |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07234881A (ja) * | 1993-09-09 | 1995-09-05 | Mni Interactive | マルチユーザシステムにおけるユーザの選好項目に基づいて選択項目を推薦するための方法と装置 |
JPH09153027A (ja) * | 1995-11-29 | 1997-06-10 | Matsushita Electric Ind Co Ltd | 商品情報提供装置 |
Family Cites Families (104)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4996642A (en) | 1987-10-01 | 1991-02-26 | Neonics, Inc. | System and method for recommending items |
US5201010A (en) | 1989-05-01 | 1993-04-06 | Credit Verification Corporation | Method and system for building a database and performing marketing based upon prior shopping history |
US5353219A (en) | 1989-06-28 | 1994-10-04 | Management Information Support, Inc. | Suggestive selling in a customer self-ordering system |
US5383111A (en) | 1989-10-06 | 1995-01-17 | Hitachi, Ltd. | Visual merchandizing (VMD) control method and system |
US5311424A (en) | 1991-06-28 | 1994-05-10 | International Business Machines Corporation | Method and system for product configuration definition and tracking |
AU674189B2 (en) | 1993-02-23 | 1996-12-12 | Moore North America, Inc. | A method and system for gathering and analyzing customer and purchasing information |
US5515269A (en) | 1993-11-08 | 1996-05-07 | Willis; Donald S. | Method of producing a bill of material for a configured product |
JP3315781B2 (ja) * | 1993-11-30 | 2002-08-19 | 株式会社東芝 | 利用者情報管理装置、情報フィルタ、情報分類装置、情報再生装置、情報検索装置及び仮名漢字変換装置 |
US5459306A (en) | 1994-06-15 | 1995-10-17 | Blockbuster Entertainment Corporation | Method and system for delivering on demand, individually targeted promotions |
US5794209A (en) | 1995-03-31 | 1998-08-11 | International Business Machines Corporation | System and method for quickly mining association rules in databases |
US5749081A (en) | 1995-04-06 | 1998-05-05 | Firefly Network, Inc. | System and method for recommending items to a user |
JP4332224B2 (ja) * | 1995-05-30 | 2009-09-16 | ソニー株式会社 | 情報受信装置および方法 |
US5768142A (en) | 1995-05-31 | 1998-06-16 | American Greetings Corporation | Method and apparatus for storing and selectively retrieving product data based on embedded expert suitability ratings |
US6112186A (en) | 1995-06-30 | 2000-08-29 | Microsoft Corporation | Distributed system for facilitating exchange of user information and opinion using automated collaborative filtering |
US6092049A (en) | 1995-06-30 | 2000-07-18 | Microsoft Corporation | Method and apparatus for efficiently recommending items using automated collaborative filtering and feature-guided automated collaborative filtering |
US6049777A (en) | 1995-06-30 | 2000-04-11 | Microsoft Corporation | Computer-implemented collaborative filtering based method for recommending an item to a user |
US6041311A (en) | 1995-06-30 | 2000-03-21 | Microsoft Corporation | Method and apparatus for item recommendation using automated collaborative filtering |
IL118580A0 (en) | 1995-06-30 | 1996-10-16 | Massachusetts Inst Technology | Method and apparatus for item recommendation using automated collaborative filtering |
WO1997026729A2 (en) | 1995-12-27 | 1997-07-24 | Robinson Gary B | Automated collaborative filtering in world wide web advertising |
US6119101A (en) | 1996-01-17 | 2000-09-12 | Personal Agents, Inc. | Intelligent agents for electronic commerce |
US5704017A (en) | 1996-02-16 | 1997-12-30 | Microsoft Corporation | Collaborative filtering utilizing a belief network |
JP3647967B2 (ja) * | 1996-03-28 | 2005-05-18 | 東京電力株式会社 | 画面遷移システム |
US5867799A (en) * | 1996-04-04 | 1999-02-02 | Lang; Andrew K. | Information system and method for filtering a massive flow of information entities to meet user information classification needs |
JP3534977B2 (ja) * | 1996-05-29 | 2004-06-07 | 富士通株式会社 | 情報源に関する知識を協調的に活用する情報アクセス装置および方法 |
US6092105A (en) * | 1996-07-12 | 2000-07-18 | Intraware, Inc. | System and method for vending retail software and other sets of information to end users |
CA2261058A1 (en) | 1996-07-15 | 1998-01-22 | David A. Post | A method and apparatus for expertly matching products, services, and consumers |
JPH1032797A (ja) * | 1996-07-17 | 1998-02-03 | Matsushita Electric Ind Co Ltd | 放送信号伝送方法,および受信装置 |
JPH1063749A (ja) * | 1996-08-23 | 1998-03-06 | Hitachi Ltd | 商品情報提示方法及びシステム |
JPH1063681A (ja) * | 1996-08-23 | 1998-03-06 | Toshiba Corp | 情報検索システム |
JPH1063680A (ja) * | 1996-08-23 | 1998-03-06 | Toshiba Corp | 情報検索システム |
JPH1074206A (ja) * | 1996-08-30 | 1998-03-17 | Matsushita Electric Ind Co Ltd | 情報提供システム |
US5825651A (en) | 1996-09-03 | 1998-10-20 | Trilogy Development Group, Inc. | Method and apparatus for maintaining and configuring systems |
JP3523027B2 (ja) * | 1996-09-13 | 2004-04-26 | 株式会社東芝 | 情報フィルタリング装置および情報フィルタリング方法 |
JP3683687B2 (ja) * | 1996-09-13 | 2005-08-17 | 株式会社ニューズウオッチ | 情報フィルタリング装置および情報フィルタリング方法 |
JPH1091686A (ja) * | 1996-09-17 | 1998-04-10 | Hitachi Ltd | サービス提供方法 |
JPH1091642A (ja) * | 1996-09-18 | 1998-04-10 | Nippon Telegr & Teleph Corp <Ntt> | 個人向けナビゲーション情報提供方法及びシステム |
US6108493A (en) * | 1996-10-08 | 2000-08-22 | Regents Of The University Of Minnesota | System, method, and article of manufacture for utilizing implicit ratings in collaborative filters |
US6016475A (en) * | 1996-10-08 | 2000-01-18 | The Regents Of The University Of Minnesota | System, method, and article of manufacture for generating implicit ratings based on receiver operating curves |
US5842199A (en) | 1996-10-18 | 1998-11-24 | Regents Of The University Of Minnesota | System, method and article of manufacture for using receiver operating curves to evaluate predictive utility |
US6085190A (en) * | 1996-11-15 | 2000-07-04 | Digital Vision Laboratories Corporation | Apparatus and method for retrieval of information from various structured information |
JP4223578B2 (ja) * | 1996-11-29 | 2009-02-12 | ソニー株式会社 | キーワード生成方法及びその装置 |
JPH10162027A (ja) * | 1996-11-29 | 1998-06-19 | Sony Corp | 情報検索方法及びその装置 |
JPH10162028A (ja) * | 1996-11-29 | 1998-06-19 | Sony Corp | 情報検索方法及びその装置 |
JPH10228482A (ja) * | 1997-02-14 | 1998-08-25 | Nippon Telegr & Teleph Corp <Ntt> | 嗜好推定方法、情報抽出方法および情報提供方法 |
JP2962264B2 (ja) * | 1997-02-17 | 1999-10-12 | 日本電気株式会社 | ユーザ嗜好自動学習方式 |
JP3116851B2 (ja) * | 1997-02-24 | 2000-12-11 | 日本電気株式会社 | 情報フィルタリング方法及びその装置 |
US6006218A (en) * | 1997-02-28 | 1999-12-21 | Microsoft | Methods and apparatus for retrieving and/or processing retrieved information as a function of a user's estimated knowledge |
JPH10247198A (ja) * | 1997-03-05 | 1998-09-14 | Nippon Telegr & Teleph Corp <Ntt> | 嗜好分類方法および装置 |
JPH10257405A (ja) * | 1997-03-11 | 1998-09-25 | Mitsubishi Electric Corp | 番組選択装置及び映像受信機 |
JPH10260955A (ja) * | 1997-03-19 | 1998-09-29 | Toshiba Corp | 情報収集装置、情報評価装置、情報処理システム、情報収集方法、情報評価方法及び情報処理方法 |
JPH10283403A (ja) * | 1997-04-01 | 1998-10-23 | Casio Comput Co Ltd | 情報処理装置及び記憶媒体 |
JPH10289245A (ja) * | 1997-04-15 | 1998-10-27 | Canon Inc | 画像処理装置及びその制御方法 |
JPH117453A (ja) * | 1997-04-22 | 1999-01-12 | Mitsubishi Electric Corp | メディア情報推薦装置 |
JPH10301950A (ja) * | 1997-04-25 | 1998-11-13 | Nippon Telegr & Teleph Corp <Ntt> | 情報回覧支援方法及び装置及び情報回覧支援プログラムを格納する記憶媒体 |
JPH10307845A (ja) * | 1997-05-01 | 1998-11-17 | Nippon Telegr & Teleph Corp <Ntt> | 閲覧支援装置およびその方法 |
JPH10320415A (ja) * | 1997-05-14 | 1998-12-04 | Sony Corp | 情報処理装置および情報処理方法、並びに記録媒体 |
JPH10340270A (ja) * | 1997-06-06 | 1998-12-22 | N T T Data:Kk | 情報フィルタリング方法、情報フィルタリング装置、及び記録媒体 |
JPH117472A (ja) * | 1997-06-17 | 1999-01-12 | Fuji Xerox Co Ltd | 商品情報提供装置及び方法 |
JP3803189B2 (ja) * | 1998-01-07 | 2006-08-02 | 松下電器産業株式会社 | 番組情報編成装置 |
JPH1115840A (ja) * | 1997-06-23 | 1999-01-22 | N T T Data:Kk | 情報提示支援方法、情報提示支援システム、記録媒体 |
JPH1145284A (ja) * | 1997-07-28 | 1999-02-16 | Just Syst Corp | プロファイルの作成方法およびその方法の各工程をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP4021525B2 (ja) * | 1997-07-28 | 2007-12-12 | 株式会社ジャストシステム | 文書処理装置、文書処理プログラムが記憶された記憶媒体、及び文書処理方法 |
JP4005672B2 (ja) * | 1997-07-28 | 2007-11-07 | 株式会社ジャストシステム | 文書処理装置、文書処理プログラムが記憶された記憶媒体、及び文書処理方法 |
JPH1145265A (ja) * | 1997-07-28 | 1999-02-16 | Just Syst Corp | 情報配信システムおよびそのシステムとしてコンピュータを機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
JPH1145289A (ja) * | 1997-07-28 | 1999-02-16 | Just Syst Corp | 文書処理装置、文書処理プログラムが記憶された記憶媒体、及び文書処理方法 |
JPH1153394A (ja) * | 1997-07-29 | 1999-02-26 | Just Syst Corp | 文書処理装置、文書処理プログラムが記憶された記憶媒体、及び文書処理方法 |
JP4179675B2 (ja) * | 1997-08-11 | 2008-11-12 | 旭化成ケミカルズ株式会社 | 不飽和ニトリルを製造する方法 |
JPH1166081A (ja) * | 1997-08-12 | 1999-03-09 | N T T Data:Kk | プロファイル取得システム、情報提供システム、プロファイル取得方法及び媒体 |
JP3085254B2 (ja) * | 1997-08-26 | 2000-09-04 | 日本電気株式会社 | 情報物件推薦装置 |
JPH1166098A (ja) * | 1997-08-27 | 1999-03-09 | Nippon Telegr & Teleph Corp <Ntt> | 情報取得伝達方法および装置 |
JPH1196164A (ja) * | 1997-09-22 | 1999-04-09 | Nippon Telegr & Teleph Corp <Ntt> | 有効情報配信方法、有効情報配信システムおよび記事閲覧プログラム、中継配信プログラム、情報配信プログラムをそれぞれ記録した記録媒体 |
JPH11110410A (ja) * | 1997-10-08 | 1999-04-23 | Toshiba Corp | データ検索装置及び方法、情報処理システム及び方法並びにデータ検索用プログラムを記録した記録媒体 |
JPH11120189A (ja) * | 1997-10-15 | 1999-04-30 | Hitachi Ltd | 情報検索結果表示方法及び情報検索装置 |
JPH11134345A (ja) * | 1997-10-27 | 1999-05-21 | Fuji Xerox Co Ltd | 嗜好情報選択装置 |
JP3468062B2 (ja) * | 1997-11-11 | 2003-11-17 | 松下電器産業株式会社 | 情報フィルタ装置及び情報フィルタリング方法 |
JPH11164217A (ja) * | 1997-11-25 | 1999-06-18 | Nec Corp | 嗜好統計番組検索テレビシステム |
JP3497712B2 (ja) * | 1997-12-01 | 2004-02-16 | 株式会社エヌ・ティ・ティ・データ | 情報フィルタリング方法、装置及びシステム |
JPH11175546A (ja) * | 1997-12-11 | 1999-07-02 | Hitachi Ltd | 著作物探索支援システム |
JP3704933B2 (ja) * | 1997-12-18 | 2005-10-12 | 富士ゼロックス株式会社 | 個人プロファイル管理装置及び方法 |
JPH11184890A (ja) * | 1997-12-18 | 1999-07-09 | Fuji Xerox Co Ltd | 個人関心事辞書作成装置 |
JP3186683B2 (ja) * | 1997-12-26 | 2001-07-11 | 日本電気株式会社 | 情報配信方法、情報配信方式及び装置 |
US6018738A (en) * | 1998-01-22 | 2000-01-25 | Microsft Corporation | Methods and apparatus for matching entities and for predicting an attribute of an entity based on an attribute frequency value |
JPH11212996A (ja) * | 1998-01-28 | 1999-08-06 | Ntt Data Corp | 情報提供装置、情報提供方法及び記録媒体 |
JP4059970B2 (ja) * | 1998-02-12 | 2008-03-12 | 富士通株式会社 | 情報源推薦装置 |
JP4025408B2 (ja) * | 1998-02-12 | 2007-12-19 | 富士通株式会社 | ユーザ適応情報配信システムおよび情報配信プログラムを記録した記憶媒体 |
JPH11250091A (ja) * | 1998-03-04 | 1999-09-17 | Hitachi Ltd | 類推と遺伝的アルゴリズムを利用した情報提供方法 |
JPH11259497A (ja) * | 1998-03-10 | 1999-09-24 | Fujitsu Ltd | インタネットサービス提供装置 |
US6064980A (en) | 1998-03-17 | 2000-05-16 | Amazon.Com, Inc. | System and methods for collaborative recommendations |
JPH11272574A (ja) * | 1998-03-19 | 1999-10-08 | Seiko Epson Corp | 情報配信方法および情報配信システム並びに情報配信処理プログラムを記録した記録媒体 |
JP3692416B2 (ja) * | 1998-03-27 | 2005-09-07 | 沖電気工業株式会社 | 情報フィルタリング方法および装置 |
JPH11282875A (ja) * | 1998-03-27 | 1999-10-15 | Oki Electric Ind Co Ltd | 情報フィルタリング装置 |
JPH11308547A (ja) * | 1998-04-23 | 1999-11-05 | Matsushita Electric Ind Co Ltd | 番組表表示装置 |
JPH11312177A (ja) * | 1998-04-28 | 1999-11-09 | Victor Co Of Japan Ltd | ホームページ嗜好評価装置 |
JPH11316759A (ja) * | 1998-05-06 | 1999-11-16 | Karen:Kk | 現時点指向性を利用者ごとに複次元で把握し、多面的要求予測する情報提供システム |
JPH11328266A (ja) * | 1998-05-13 | 1999-11-30 | Casio Comput Co Ltd | 顧客データ処理装置、顧客データ処理システムおよび記憶媒体 |
JPH11338869A (ja) * | 1998-05-25 | 1999-12-10 | Nippon Telegr & Teleph Corp <Ntt> | 情報推薦方法及びシステム及び情報推薦プログラムを格納した記憶媒体及び情報蓄積方法及び装置及び情報蓄積プログラムを格納した記憶媒体 |
JPH11338872A (ja) * | 1998-05-26 | 1999-12-10 | Nippon Telegr & Teleph Corp <Ntt> | パーソナルチャネル用検索論理生成方法及びシステム及びパーソナルチャネル用検索論理生成プログラムを格納した記憶媒体 |
JPH11338879A (ja) * | 1998-05-28 | 1999-12-10 | Recruit Co Ltd | 求人求職仲介システム |
JP4487332B2 (ja) * | 1998-05-29 | 2010-06-23 | ソニー株式会社 | 情報処理装置および方法、記録媒体、並びに情報処理システム |
JP3682162B2 (ja) * | 1998-05-29 | 2005-08-10 | 株式会社東芝 | 自動録画方法 |
JP2000013708A (ja) * | 1998-06-26 | 2000-01-14 | Hitachi Ltd | 番組選択支援装置 |
JP4198786B2 (ja) * | 1998-06-30 | 2008-12-17 | 株式会社東芝 | 情報フィルタリングシステム、情報フィルタリング装置、映像機器および情報フィルタリング方法 |
JP3669167B2 (ja) * | 1998-08-12 | 2005-07-06 | 日本電信電話株式会社 | 他者グループ嗜好情報を利用した情報提供方法及び情報提供装置、並びに、情報提供プログラムを記録した記録媒体 |
US6161681A (en) * | 1999-01-28 | 2000-12-19 | Rapistan Systems Advertising Corp. | Roller conveyer and roller shaft support bracket |
-
1998
- 1998-07-17 US US09/118,026 patent/US6334127B1/en not_active Expired - Lifetime
-
1999
- 1999-07-07 WO PCT/US1999/015350 patent/WO2000004474A1/en not_active Application Discontinuation
- 1999-07-07 AU AU49739/99A patent/AU4973999A/en not_active Abandoned
- 1999-07-07 JP JP2000560527A patent/JP2002520743A/ja active Pending
- 1999-07-07 EP EP99933748A patent/EP1099177A1/en not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07234881A (ja) * | 1993-09-09 | 1995-09-05 | Mni Interactive | マルチユーザシステムにおけるユーザの選好項目に基づいて選択項目を推薦するための方法と装置 |
JPH09153027A (ja) * | 1995-11-29 | 1997-06-10 | Matsushita Electric Ind Co Ltd | 商品情報提供装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004501411A (ja) * | 1999-12-14 | 2004-01-15 | ヨードリー・コム・インコーポレイテツド | ユーザの複数のウエッブ−サービスからのデータの知識に基づいて、オンライン活動に関する知的提案をユーザに提供するための方法および装置 |
JP2009003920A (ja) * | 2000-07-11 | 2009-01-08 | Yahoo Inc | コミュニティの偏りを用いたオンライン再生システム |
JP2013257793A (ja) * | 2012-06-13 | 2013-12-26 | Nippon Telegr & Teleph Corp <Ntt> | 商品多様化推薦装置及び方法及びプログラム |
JP2017049910A (ja) * | 2015-09-04 | 2017-03-09 | 株式会社東芝 | アイテム推薦システム、アイテム推薦方法およびプログラム |
WO2017038947A1 (ja) * | 2015-09-04 | 2017-03-09 | 株式会社東芝 | アイテム推薦システム、アイテム推薦方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
AU4973999A (en) | 2000-02-07 |
EP1099177A1 (en) | 2001-05-16 |
WO2000004474A1 (en) | 2000-01-27 |
US6334127B1 (en) | 2001-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2002520743A (ja) | 高ユーザ価値推薦を行うシステム、方法および製品 | |
JP2002520739A (ja) | ユーザ価値推薦を増加するシステム、方法および製品 | |
EP2304619B1 (en) | Correlated information recommendation | |
US7359894B1 (en) | Methods and systems for requesting and providing information in a social network | |
CA2710883C (en) | Enhancing and storing data for recall and use | |
US10290039B2 (en) | System and method for automating market analysis from anonymous behavior profiles | |
US7703030B2 (en) | Method and system for providing customized recommendations to users | |
US6438579B1 (en) | Automated content and collaboration-based system and methods for determining and providing content recommendations | |
US20060143094A1 (en) | Providing purchasing opportunities for performances | |
US20120185481A1 (en) | Method and Apparatus for Executing a Recommendation | |
JP5831204B2 (ja) | 情報提供システム、情報提供方法及びプログラム | |
JP2004535015A (ja) | 電子カタログのブラウズ中における関連注文についての情報のコンテキスト表示 | |
WO1998033135A1 (en) | Improved method and apparatus for item recommendation using automated collaborative filtering | |
JP2007510967A (ja) | 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 | |
WO2001024032A2 (en) | Optimized rule based constraints for collaborative filtering systems | |
JP2005135071A (ja) | 商品購入における信頼値の算出方法及び装置 | |
JP2011039909A (ja) | 提示情報の最適化方法及びシステム | |
JP2003085433A (ja) | 情報評価システムおよびそのプログラム | |
US8682746B2 (en) | Techniques for correlating events to digital media assets | |
JP2003122937A (ja) | 情報提供システムおよび方法 | |
CN113077319A (zh) | 针对微详情页面的动态推荐方法及装置 | |
JP6424194B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2020194284A (ja) | レコメンド装置、レコメンド方法、及びレコメンドプログラム | |
JP2002133260A (ja) | 取引支援システム、取引情報処理装置、情報端末装置、取引支援方法、および、記録媒体 | |
CN113158032B (zh) | 一种信息推送方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060707 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060707 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090324 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090818 |