JP2003167901A - 協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラム - Google Patents
協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラムInfo
- Publication number
- JP2003167901A JP2003167901A JP2001365215A JP2001365215A JP2003167901A JP 2003167901 A JP2003167901 A JP 2003167901A JP 2001365215 A JP2001365215 A JP 2001365215A JP 2001365215 A JP2001365215 A JP 2001365215A JP 2003167901 A JP2003167901 A JP 2003167901A
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- user
- data
- evaluation value
- item
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 244
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 230000009471 action Effects 0.000 claims description 10
- 238000002360 preparation method Methods 0.000 abstract 1
- 230000000452 restraining effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Landscapes
- Reverberation, Karaoke And Other Acoustics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】 ユーザの負担を抑えつつ予測評価値の精度を
向上させることができる協調フィルタリング方法等を提
供する。 【解決手段】 評価データ作成部104は、アクセスロ
グ101bに応じて各々のユーザについて各々のアイテ
ムに対する評価データを作成し、評価データベース10
1cに格納する。予測評価値算出部105は、評価デー
タベース101c中の評価データに応じて特定のユーザ
が未評価であるアイテムについての予測評価値を求め
る。アイテム推薦部106は、求められた予測評価値が
高いアイテムを特定のユーザ宛てに推薦する。
向上させることができる協調フィルタリング方法等を提
供する。 【解決手段】 評価データ作成部104は、アクセスロ
グ101bに応じて各々のユーザについて各々のアイテ
ムに対する評価データを作成し、評価データベース10
1cに格納する。予測評価値算出部105は、評価デー
タベース101c中の評価データに応じて特定のユーザ
が未評価であるアイテムについての予測評価値を求め
る。アイテム推薦部106は、求められた予測評価値が
高いアイテムを特定のユーザ宛てに推薦する。
Description
【0001】
【発明の属する技術分野】本発明は、ユーザの興味に合
う情報を選択する協調フィルタリング方法、協調フィル
タリング装置及び協調フィルタリングプログラムに関す
る。
う情報を選択する協調フィルタリング方法、協調フィル
タリング装置及び協調フィルタリングプログラムに関す
る。
【0002】
【従来の技術】膨大な情報の中からユーザの趣味に合致
する情報を選択する技術として、協調フィルタリングが
知られている。
する情報を選択する技術として、協調フィルタリングが
知られている。
【0003】この協調フィルタリングでは、特定の利用
者が未評価である対象について評価値を予測する際に、
評価済の対象についての評価の傾向が似ている(すなわ
ち評価値に相関がある)他のユーザの評価値に基いて予
測評価値を求めている。
者が未評価である対象について評価値を予測する際に、
評価済の対象についての評価の傾向が似ている(すなわ
ち評価値に相関がある)他のユーザの評価値に基いて予
測評価値を求めている。
【0004】従来の協調フィルタリングでは、評価値を
予測するための基準となる個々のユーザの評価値データ
として、主に明示的(explicit)な評価データと、暗示
的(implicit)な評価データが用いられている。
予測するための基準となる個々のユーザの評価値データ
として、主に明示的(explicit)な評価データと、暗示
的(implicit)な評価データが用いられている。
【0005】明示的な評価データとは、予め実施したア
イテム(コンテンツ等の情報)に対するアンケート等に
対して、ユーザが意図的に評価を与えたデータである。
この明示的な評価データの一例としてEachMovi
eが挙げられる。このEachMovieに置ける評価
データは、図8に示すように、個々のユーザが見た個々
の映画(アイテム)を5段階で評価したデータの集合で
ある。
イテム(コンテンツ等の情報)に対するアンケート等に
対して、ユーザが意図的に評価を与えたデータである。
この明示的な評価データの一例としてEachMovi
eが挙げられる。このEachMovieに置ける評価
データは、図8に示すように、個々のユーザが見た個々
の映画(アイテム)を5段階で評価したデータの集合で
ある。
【0006】これに対し、暗示的な評価データとは、ユ
ーザが意識することなく得られた評価データである。こ
の暗示的な評価データは、Webページ等のアクセス履
歴、テレビ番組の視聴率調査等によって得られるデータ
である。このような暗示的な評価データは、図9に示す
ように、あるアイテムをユーザが参照したか否かを数値
(参照した場合には“1”、参照していない場合には
“0”)で示したものである。
ーザが意識することなく得られた評価データである。こ
の暗示的な評価データは、Webページ等のアクセス履
歴、テレビ番組の視聴率調査等によって得られるデータ
である。このような暗示的な評価データは、図9に示す
ように、あるアイテムをユーザが参照したか否かを数値
(参照した場合には“1”、参照していない場合には
“0”)で示したものである。
【0007】協調フィルタリングでは、上述のように得
られた評価データに基いて、評価データの傾向が類似し
ているユーザをグループ化し、グループ内の他のユーザ
は利用したが当該ユーザが未だ利用していない情報を予
測評価値として求め、予測評価値の高いアイテムをユー
ザに推薦するようになっている。
られた評価データに基いて、評価データの傾向が類似し
ているユーザをグループ化し、グループ内の他のユーザ
は利用したが当該ユーザが未だ利用していない情報を予
測評価値として求め、予測評価値の高いアイテムをユー
ザに推薦するようになっている。
【0008】
【発明が解決しようとする課題】しかしながら、上述の
明示的な評価データに応じた協調フィルタリングでは、
得られる予測評価値の精度は高いものの、ユーザが各々
のアイテムに対して評価を行うことが前提となっている
ため、実際に運用する環境ではユーザの負担が重く、現
実的ではない。
明示的な評価データに応じた協調フィルタリングでは、
得られる予測評価値の精度は高いものの、ユーザが各々
のアイテムに対して評価を行うことが前提となっている
ため、実際に運用する環境ではユーザの負担が重く、現
実的ではない。
【0009】一方、暗示的な評価データを用いる場合に
は、ユーザに負担をかけることなく評価データを得るこ
とができる反面、例えばユーザのアクセス履歴に基く場
合等では、ユーザに対する情報量が少なく、得られる予
測評価値の精度が低くなってしまうことがある。
は、ユーザに負担をかけることなく評価データを得るこ
とができる反面、例えばユーザのアクセス履歴に基く場
合等では、ユーザに対する情報量が少なく、得られる予
測評価値の精度が低くなってしまうことがある。
【0010】本発明は、上述のような課題に鑑みてなさ
れたものであり、ユーザの負担を抑えつつ予測評価値の
精度を向上させることができる協調フィルタリング方
法、協調フィルタリング装置及び協調フィルタリングプ
ログラムを提供することを目的とする。
れたものであり、ユーザの負担を抑えつつ予測評価値の
精度を向上させることができる協調フィルタリング方
法、協調フィルタリング装置及び協調フィルタリングプ
ログラムを提供することを目的とする。
【0011】
【課題を解決するための手段】上述の問題を解決するた
めに、本発明に係る協調フィルタリング方法は、特定の
ユーザが評価していない評価対象についての予測評価値
を求める協調フィルタリング方法であって、ユーザの行
動履歴に応じた評価対象についての評価を示す暗示的評
価データを取得するステップと、暗示的評価データと,
ユーザの行動による評価の時からの経過時間に応じた評
価情報を求めるステップと、特定のユーザと評価情報の
傾向が類似するユーザを選択するステップと、選択した
ユーザが評価している評価対象についての評価情報に応
じて、特定のユーザの当該評価対象についての予測評価
値を求めるステップとを有することを特徴とする。
めに、本発明に係る協調フィルタリング方法は、特定の
ユーザが評価していない評価対象についての予測評価値
を求める協調フィルタリング方法であって、ユーザの行
動履歴に応じた評価対象についての評価を示す暗示的評
価データを取得するステップと、暗示的評価データと,
ユーザの行動による評価の時からの経過時間に応じた評
価情報を求めるステップと、特定のユーザと評価情報の
傾向が類似するユーザを選択するステップと、選択した
ユーザが評価している評価対象についての評価情報に応
じて、特定のユーザの当該評価対象についての予測評価
値を求めるステップとを有することを特徴とする。
【0012】評価対象には、例えばネットワーク経由で
ユーザの端末装置に提供されるニュース等の文字情報,
着信メロディ,音楽等のコンテンツ等が含まれる。
ユーザの端末装置に提供されるニュース等の文字情報,
着信メロディ,音楽等のコンテンツ等が含まれる。
【0013】また、暗示的評価データとは、ユーザが意
図的に評価を行わなくても生成されるデータであり、例
えばサーバ装置に対するアクセスログ等が含まれる。
図的に評価を行わなくても生成されるデータであり、例
えばサーバ装置に対するアクセスログ等が含まれる。
【0014】また、本発明に係る協調フィルタリング装
置は、特定のユーザが評価していない評価対象について
の予測評価値を求める協調フィルタリング装置であっ
て、評価対象をネットワーク経由でユーザに提供する提
供手段と、各ユーザ毎に対する評価対象の提供履歴に応
じて各ユーザの評価対象に対する評価を示す暗示的評価
データを記録する暗示的評価データ記録手段と、記録し
た暗示的評価データと,ユーザに対する評価対象の提供
の時からの経過時間に応じた評価情報を求める評価情報
算出手段と、特定のユーザと評価情報の傾向が類似する
ユーザを選択するユーザ選択手段と、選択したユーザが
評価している評価対象についての評価情報に応じて、特
定のユーザの当該評価対象についての予測評価値を求め
る予測評価値算出手段とを備えることを特徴とする。
置は、特定のユーザが評価していない評価対象について
の予測評価値を求める協調フィルタリング装置であっ
て、評価対象をネットワーク経由でユーザに提供する提
供手段と、各ユーザ毎に対する評価対象の提供履歴に応
じて各ユーザの評価対象に対する評価を示す暗示的評価
データを記録する暗示的評価データ記録手段と、記録し
た暗示的評価データと,ユーザに対する評価対象の提供
の時からの経過時間に応じた評価情報を求める評価情報
算出手段と、特定のユーザと評価情報の傾向が類似する
ユーザを選択するユーザ選択手段と、選択したユーザが
評価している評価対象についての評価情報に応じて、特
定のユーザの当該評価対象についての予測評価値を求め
る予測評価値算出手段とを備えることを特徴とする。
【0015】また、本発明に係る協調フィルタリングプ
ログラムは、コンピュータに、特定のユーザが評価して
いない評価対象についての予測評価値を求めさせる協調
フィルタリングプログラムであって、ユーザの行動履歴
に応じた評価対象についての評価を示す暗示的評価デー
タを取得するステップと、暗示的評価データと,ユーザ
の行動による評価の時からの経過時間に応じた評価情報
を求めるステップと、特定のユーザと評価情報の傾向が
類似するユーザを選択するステップと、選択したユーザ
が評価している評価対象についての評価情報に応じて、
特定のユーザの当該評価対象についての予測評価値を求
めるステップとを有することを特徴とする。
ログラムは、コンピュータに、特定のユーザが評価して
いない評価対象についての予測評価値を求めさせる協調
フィルタリングプログラムであって、ユーザの行動履歴
に応じた評価対象についての評価を示す暗示的評価デー
タを取得するステップと、暗示的評価データと,ユーザ
の行動による評価の時からの経過時間に応じた評価情報
を求めるステップと、特定のユーザと評価情報の傾向が
類似するユーザを選択するステップと、選択したユーザ
が評価している評価対象についての評価情報に応じて、
特定のユーザの当該評価対象についての予測評価値を求
めるステップとを有することを特徴とする。
【0016】
【発明の実施の形態】本発明は、例えばインターネット
を介して、ニュース等の文字情報,着信メロディ,音楽
等のコンテンツ(アイテム)をインターネット、電子メ
ール等によって推薦する推薦システムに適用することが
できる。
を介して、ニュース等の文字情報,着信メロディ,音楽
等のコンテンツ(アイテム)をインターネット、電子メ
ール等によって推薦する推薦システムに適用することが
できる。
【0017】(構成)本発明の一実施形態に係る推薦シ
ステムは、例えば図1に示すように、アイテムの提供等
を行うサーバ装置1と、このサーバ装置1とインターネ
ット等のネットワーク2を介して通信を行うことができ
る携帯端末装置3とを備えている。
ステムは、例えば図1に示すように、アイテムの提供等
を行うサーバ装置1と、このサーバ装置1とインターネ
ット等のネットワーク2を介して通信を行うことができ
る携帯端末装置3とを備えている。
【0018】また、この推薦システムは、サーバ装置1
と携帯端末装置3との間の通信プロトコルの変換を行う
ゲートウェイ装置(G/W)4と、携帯端末装置3との
間で無線通信を行う基地局5とを備えている。
と携帯端末装置3との間の通信プロトコルの変換を行う
ゲートウェイ装置(G/W)4と、携帯端末装置3との
間で無線通信を行う基地局5とを備えている。
【0019】(サーバ構成)サーバ装置1は、例えばM
PU,メモリ,ハードディスクドライブ(HDD)10
1,ネットワークインタフェース(NIC)102,入
出力手段等を有するパーソナルコンピュータ,ワークス
テーション等の情報処理装置から構成されている。
PU,メモリ,ハードディスクドライブ(HDD)10
1,ネットワークインタフェース(NIC)102,入
出力手段等を有するパーソナルコンピュータ,ワークス
テーション等の情報処理装置から構成されている。
【0020】このサーバ装置1では、例えばMPUがH
DD101に格納されている制御プログラムを実行する
ことにより、HTTP(Hyper Text Transfer Protoco
l)サーバ103,評価データ作成部104,予測評価
値算出部105,アイテム推薦部106及びSMTP
(Simple Mail Transfer Protocol)サーバ107等と
して機能するようになっている。
DD101に格納されている制御プログラムを実行する
ことにより、HTTP(Hyper Text Transfer Protoco
l)サーバ103,評価データ作成部104,予測評価
値算出部105,アイテム推薦部106及びSMTP
(Simple Mail Transfer Protocol)サーバ107等と
して機能するようになっている。
【0021】HTTPサーバ103は、ネットワーク2
経由で接続される携帯端末装置3等に対して、ニュース
等の文字情報,着信メロディ,音楽等のアイテムをHT
TPプロトコルによって提供する。
経由で接続される携帯端末装置3等に対して、ニュース
等の文字情報,着信メロディ,音楽等のアイテムをHT
TPプロトコルによって提供する。
【0022】HDD101には、ユーザに提供し得るア
イテムを格納するアイテム格納領域101aが設けられ
ている。このアイテム格納領域101aには、ニュース
等の文字情報,着信メロディ,音楽等のアイテムが格納
される。
イテムを格納するアイテム格納領域101aが設けられ
ている。このアイテム格納領域101aには、ニュース
等の文字情報,着信メロディ,音楽等のアイテムが格納
される。
【0023】また、HDD101には、HTTPサーバ
103によって、ユーザからのアクセスを示すアクセス
ログ101bが格納される。
103によって、ユーザからのアクセスを示すアクセス
ログ101bが格納される。
【0024】また、HDD101には、評価データ作成
部104が上述のアクセスログ101b内のデータから
作成したユーザ毎の評価データが評価データベース10
1cとして格納される。
部104が上述のアクセスログ101b内のデータから
作成したユーザ毎の評価データが評価データベース10
1cとして格納される。
【0025】評価データ作成部104は、アクセスログ
101b中のデータから各々のユーザがアクセスしたア
イテムの評価データを作成し、評価データベース101
cに格納する。
101b中のデータから各々のユーザがアクセスしたア
イテムの評価データを作成し、評価データベース101
cに格納する。
【0026】予測評価値算出部105は、各ユーザ毎
に、評価データベース101c中の評価データに基いて
ユーザに推薦すべきアイテムを選択するための情報とな
る予測評価値を求め、アイテム推薦部106に供給す
る。
に、評価データベース101c中の評価データに基いて
ユーザに推薦すべきアイテムを選択するための情報とな
る予測評価値を求め、アイテム推薦部106に供給す
る。
【0027】アイテム推薦部106は、供給された予測
評価値に基いてユーザに推薦すべきアイテムを決定す
る。このアイテム推薦部106は、例えばSMTPサー
バ107によってユーザに送信するメール、HTTPサ
ーバ103によって提供する推薦するアイテムを示す画
面を表示するページ記述データ等によって、ユーザにア
イテムを推薦する。
評価値に基いてユーザに推薦すべきアイテムを決定す
る。このアイテム推薦部106は、例えばSMTPサー
バ107によってユーザに送信するメール、HTTPサ
ーバ103によって提供する推薦するアイテムを示す画
面を表示するページ記述データ等によって、ユーザにア
イテムを推薦する。
【0028】(端末構成・動作概要)また、携帯端末装
置3は、携帯電話,パーソナル・デジタル・アシスタン
ト(PDA)等の携帯端末装置から構成することができ
る。この携帯端末装置3は、例えばMPU,メモリ,無
線I/F301,表示部304,入力部305,音声I
/F306等を有している。この携帯端末装置3では、
例えばMPUがメモリに格納されている制御プログラム
を実行することにより、Webブラウザ302,メーラ
303,制御部309等が機能するようになっている。
置3は、携帯電話,パーソナル・デジタル・アシスタン
ト(PDA)等の携帯端末装置から構成することができ
る。この携帯端末装置3は、例えばMPU,メモリ,無
線I/F301,表示部304,入力部305,音声I
/F306等を有している。この携帯端末装置3では、
例えばMPUがメモリに格納されている制御プログラム
を実行することにより、Webブラウザ302,メーラ
303,制御部309等が機能するようになっている。
【0029】無線I/F301は、例えば既存のWeb
ブラウザ機能等を備えたデジタルセルラー電話システム
と同様の手順で、基地局5との間で無線通信を行うよう
になっている。この無線I/F301は、基地局5から
受信した信号を復調し、受信データとして制御部309
に供給すると共に、制御部309からの送信データに応
じて送信信号を形成して基地局5に送出している。
ブラウザ機能等を備えたデジタルセルラー電話システム
と同様の手順で、基地局5との間で無線通信を行うよう
になっている。この無線I/F301は、基地局5から
受信した信号を復調し、受信データとして制御部309
に供給すると共に、制御部309からの送信データに応
じて送信信号を形成して基地局5に送出している。
【0030】この無線I/F301と制御部309との
間のデータは、例えば呼の制御等を行う制御データと、
通話用の音声データと、データ通信用のデータ等が多重
化されたデータである。制御部309は、音声データ等
を多重化して無線I/F301に供給する送信データを
形成し、無線I/F301からの受信データを分離して
音声データ、データ通信用のデータ等に分離する。
間のデータは、例えば呼の制御等を行う制御データと、
通話用の音声データと、データ通信用のデータ等が多重
化されたデータである。制御部309は、音声データ等
を多重化して無線I/F301に供給する送信データを
形成し、無線I/F301からの受信データを分離して
音声データ、データ通信用のデータ等に分離する。
【0031】制御部309は、基地局5との間で呼の設
定等の制御を行うようになっている。この制御は、既存
のデジタルセルラー電話と同様に、所定の制御データの
送受信によって行うようになっている。
定等の制御を行うようになっている。この制御は、既存
のデジタルセルラー電話と同様に、所定の制御データの
送受信によって行うようになっている。
【0032】また、送信するデータ通信用のデータは、
例えばWebブラウザ302、メーラ303等が生成
し、制御部309に供給する。また、受信したデータ通
信用のデータは、制御部309が、Webブラウザ30
2,メーラ303に振り分けて供給する。
例えばWebブラウザ302、メーラ303等が生成
し、制御部309に供給する。また、受信したデータ通
信用のデータは、制御部309が、Webブラウザ30
2,メーラ303に振り分けて供給する。
【0033】これらのWebブラウザ302,メーラ3
03が送受信するデータ通信用のデータのフォーマット
は、G/W4との間で設定された所定のフォーマットに
従って構成されている。G/W4は、このフォーマット
と、ネットワーク2において用いられているデータのフ
ォーマット(例えばTCP/IP)パケットとの間の変
換を行う。これにより、例えばWebブラウザ302と
HTTPサーバ103の間,メーラ303とSMTPサ
ーバ107からのメールを受信するPOP(Post Offic
e Protocol)サーバ等との間で通信を行うことができる
ようになっている。
03が送受信するデータ通信用のデータのフォーマット
は、G/W4との間で設定された所定のフォーマットに
従って構成されている。G/W4は、このフォーマット
と、ネットワーク2において用いられているデータのフ
ォーマット(例えばTCP/IP)パケットとの間の変
換を行う。これにより、例えばWebブラウザ302と
HTTPサーバ103の間,メーラ303とSMTPサ
ーバ107からのメールを受信するPOP(Post Offic
e Protocol)サーバ等との間で通信を行うことができる
ようになっている。
【0034】制御部309は、例えばWebブラウザ3
02によってHTTPサーバ103から取得したHTM
L(Hyper Text Markup Language)形式あるいはXML
(eXtensible Markup Language)形式等のページ記述デ
ータに応じた画像データを形成する機能を有している。
また、制御部309は、メーラ303によって取得した
メールのメッセージ等に応じた画像データを形成する機
能を有している。さらに、制御部309は、発信、着信
等の当該携帯端末装置3の動作状態に応じた画像データ
を形成する機能も有している。表示部304に供給する
画像データは、当該携帯端末装置3の動作状態、入力部
305を介して入力されるユーザからの指示等に応じて
制御部309が適宜選択するようになっている。制御部
309は、このように選択した画像データに応じて表示
部304を駆動する。これにより、表示部304には、
動作状態等に応じた画像が表示される。
02によってHTTPサーバ103から取得したHTM
L(Hyper Text Markup Language)形式あるいはXML
(eXtensible Markup Language)形式等のページ記述デ
ータに応じた画像データを形成する機能を有している。
また、制御部309は、メーラ303によって取得した
メールのメッセージ等に応じた画像データを形成する機
能を有している。さらに、制御部309は、発信、着信
等の当該携帯端末装置3の動作状態に応じた画像データ
を形成する機能も有している。表示部304に供給する
画像データは、当該携帯端末装置3の動作状態、入力部
305を介して入力されるユーザからの指示等に応じて
制御部309が適宜選択するようになっている。制御部
309は、このように選択した画像データに応じて表示
部304を駆動する。これにより、表示部304には、
動作状態等に応じた画像が表示される。
【0035】ところで、送信する音声データは、MIC
307からの音声信号に応じて音声I/F306が生成
し、制御部309に供給する。また、受信した音声デー
タは、制御部309から音声I/F306に供給され
る。音声I/F306は、マイク(MIC)307から
の音声信号のアナログ/デジタル変換,符号化等の処
理、制御部309から供給された音声データに応じたス
ピーカ308の駆動等を実行する。
307からの音声信号に応じて音声I/F306が生成
し、制御部309に供給する。また、受信した音声デー
タは、制御部309から音声I/F306に供給され
る。音声I/F306は、マイク(MIC)307から
の音声信号のアナログ/デジタル変換,符号化等の処
理、制御部309から供給された音声データに応じたス
ピーカ308の駆動等を実行する。
【0036】また、この携帯端末装置3では、基地局5
からの着信に応じてメロディを発生することができるよ
うになっている。このために、制御部309は、着信メ
ロディを発生するためのデータを保持する着信メロディ
保持部309aを備えている。この着信メロディ保持部
309aには、例えばメロディを音階,長さ,強度等で
表すデータ(メロディデータ)が格納されている。制御
部309は、このメロディデータに応じて音声データを
生成する機能を有している。この生成機能は、メロディ
データに応じて音声データを生成するソフトウェアとし
て実装することもできるし、同様の機能を有するハード
ウェアとして実装することもできる。
からの着信に応じてメロディを発生することができるよ
うになっている。このために、制御部309は、着信メ
ロディを発生するためのデータを保持する着信メロディ
保持部309aを備えている。この着信メロディ保持部
309aには、例えばメロディを音階,長さ,強度等で
表すデータ(メロディデータ)が格納されている。制御
部309は、このメロディデータに応じて音声データを
生成する機能を有している。この生成機能は、メロディ
データに応じて音声データを生成するソフトウェアとし
て実装することもできるし、同様の機能を有するハード
ウェアとして実装することもできる。
【0037】このようにメロディデータに応じて生成さ
れた音声データは、着信時に制御部309から音声I/
F306に供給される。音声I/F306は供給された
音声データに応じてスピーカ308を駆動し、メロディ
データに応じた着信メロディが発生される。
れた音声データは、着信時に制御部309から音声I/
F306に供給される。音声I/F306は供給された
音声データに応じてスピーカ308を駆動し、メロディ
データに応じた着信メロディが発生される。
【0038】さらに、この携帯端末装置3では、上述の
HTTPサーバ103がアイテムとして提供するメロデ
ィデータをダウンロードして上述の着信メロディ保持部
309aに格納することができるようになっている。
HTTPサーバ103がアイテムとして提供するメロデ
ィデータをダウンロードして上述の着信メロディ保持部
309aに格納することができるようになっている。
【0039】このダウンロードでは、まず、ユーザが入
力部305を操作して、 例えばHTTPサーバ103
が提供するページ記述データ中で定義されているメロデ
ィデータのリストから所望のメロディデータを選択す
る。このようにユーザから特定のメロディデータが指示
されると、Webブラウザ302は、選択されたメロデ
ィーデータを示すデータをHTTPサーバ103宛てに
送信する。このようなデータを受信すると、HTTPサ
ーバ103は、指示されたメロディデータをアイテム格
納領域101aから読み出し、NIC102経由で携帯
端末装置3宛てに送信する。このように送信されたデー
タは、ネットワーク2,G/W4,基地局5,無線I/
F301,制御部309を経由してWebブラウザ30
2に供給される。Webブラウザ302は、供給された
メロディデータを着信メロディ保持部309aに格納す
る。これにより、HTTPサーバ103からダウンロー
ドした、メロディデータに応じた着信メロディを発生し
得る状態となる。
力部305を操作して、 例えばHTTPサーバ103
が提供するページ記述データ中で定義されているメロデ
ィデータのリストから所望のメロディデータを選択す
る。このようにユーザから特定のメロディデータが指示
されると、Webブラウザ302は、選択されたメロデ
ィーデータを示すデータをHTTPサーバ103宛てに
送信する。このようなデータを受信すると、HTTPサ
ーバ103は、指示されたメロディデータをアイテム格
納領域101aから読み出し、NIC102経由で携帯
端末装置3宛てに送信する。このように送信されたデー
タは、ネットワーク2,G/W4,基地局5,無線I/
F301,制御部309を経由してWebブラウザ30
2に供給される。Webブラウザ302は、供給された
メロディデータを着信メロディ保持部309aに格納す
る。これにより、HTTPサーバ103からダウンロー
ドした、メロディデータに応じた着信メロディを発生し
得る状態となる。
【0040】(動作詳細)ところで、携帯端末装置3で
は、携帯性の観点等から表示部304に表示可能な文字
数が制限されている。このため、HTTPサーバ103
が提供するメロディデータの総数が多くなると、上述の
ようなダウンロードするメロディデータを選択するため
の操作は、例えばメロディの分野,アーティスト毎等の
複数回の選択が必要になる等、複雑になってしまう。
は、携帯性の観点等から表示部304に表示可能な文字
数が制限されている。このため、HTTPサーバ103
が提供するメロディデータの総数が多くなると、上述の
ようなダウンロードするメロディデータを選択するため
の操作は、例えばメロディの分野,アーティスト毎等の
複数回の選択が必要になる等、複雑になってしまう。
【0041】このため、この推薦システムでは、予測評
価値算出部105が、上述の評価データ作成部104に
よって作成した評価データベース102cに応じて、ユ
ーザの興味のありそうなメロディデータ(アイテム)を
予測し、予測したアイテムをアイテム推薦部106によ
ってユーザに推薦するようになっている。
価値算出部105が、上述の評価データ作成部104に
よって作成した評価データベース102cに応じて、ユ
ーザの興味のありそうなメロディデータ(アイテム)を
予測し、予測したアイテムをアイテム推薦部106によ
ってユーザに推薦するようになっている。
【0042】この推薦システムでは、このユーザの興味
のありそうなアイテムの予測は、過去のユーザのアクセ
ス履歴等に時間情報を考慮して求めた評価データに基い
て行うようになっている。同種のアイテムを利用するユ
ーザは、当該アイテムを利用する時期によって異なる傾
向を有することが考えられる。このため、時間情報を考
慮して評価データに基いて推薦するアイテムの予測を行
うことにより、ユーザの傾向をより正確に反映した精度
の高い予測を行うことができる。
のありそうなアイテムの予測は、過去のユーザのアクセ
ス履歴等に時間情報を考慮して求めた評価データに基い
て行うようになっている。同種のアイテムを利用するユ
ーザは、当該アイテムを利用する時期によって異なる傾
向を有することが考えられる。このため、時間情報を考
慮して評価データに基いて推薦するアイテムの予測を行
うことにより、ユーザの傾向をより正確に反映した精度
の高い予測を行うことができる。
【0043】また、この推薦システムでは、ユーザにア
イテムを推薦する際に、推薦するアイテムを容易にアク
セスあるいはダウンロードできるように、当該アイテム
にアクセスするための情報(例えば当該アイテムのアド
レス等を示す情報等)を一緒に提供する。このように、
推薦するアイテムのアドレスを示す情報を、ユーザに提
供することにより、ユーザが推薦されたアイテムを容易
にダウンロードし得る状態となる。
イテムを推薦する際に、推薦するアイテムを容易にアク
セスあるいはダウンロードできるように、当該アイテム
にアクセスするための情報(例えば当該アイテムのアド
レス等を示す情報等)を一緒に提供する。このように、
推薦するアイテムのアドレスを示す情報を、ユーザに提
供することにより、ユーザが推薦されたアイテムを容易
にダウンロードし得る状態となる。
【0044】(時間情報を考慮した評価データの作成)
アクセスログ101bにはHTTPサーバ103によっ
て、例えば図2に示すように、個々のアクセスを識別す
るためのID,HTTPサーバ103に対するアクセス
の時刻,アクセス元のIPアドレス,アクセスしたユー
ザを識別するための識別情報(ユーザID),アクセス
対象のアイテム等が対応付けられて記録されている。
アクセスログ101bにはHTTPサーバ103によっ
て、例えば図2に示すように、個々のアクセスを識別す
るためのID,HTTPサーバ103に対するアクセス
の時刻,アクセス元のIPアドレス,アクセスしたユー
ザを識別するための識別情報(ユーザID),アクセス
対象のアイテム等が対応付けられて記録されている。
【0045】評価データ作成部104は、予めアクセス
ログ101bを参照して、各々のユーザ毎に、アクセス
(あるいはダウンロード)した個々のアイテムと、各々
のアイテムにアクセスした時間情報を考慮した評価値を
求め、評価データベース101cに格納する。
ログ101bを参照して、各々のユーザ毎に、アクセス
(あるいはダウンロード)した個々のアイテムと、各々
のアイテムにアクセスした時間情報を考慮した評価値を
求め、評価データベース101cに格納する。
【0046】この評価値は、個々のアイテムに対するア
クセスの有無を示す数値(アクセスがある場合には
“1”、アクセスがない場合には“0”)に、時間情報
を示す係数liを乗じて求める。
クセスの有無を示す数値(アクセスがある場合には
“1”、アクセスがない場合には“0”)に、時間情報
を示す係数liを乗じて求める。
【0047】この係数liは、ユーザの現在の興味等を
正確に評価すべく、現在の時刻を1とし、時間を遡るに
従って値が減少する関数、例えば半減期関数,時間の経
過に従って減少する1次関数あるいはさらに高次の関数
等を用いて求める。
正確に評価すべく、現在の時刻を1とし、時間を遡るに
従って値が減少する関数、例えば半減期関数,時間の経
過に従って減少する1次関数あるいはさらに高次の関数
等を用いて求める。
【0048】係数liとして半減期関数を用いる場合に
は、例えば図3に示すように、次式に従って求めること
ができる。
は、例えば図3に示すように、次式に従って求めること
ができる。
【0049】
【数1】
ここで、tnは現在の時刻、tiはユーザがアイテムi
(i=1,2,…,m−1,m)にアクセス(あるいは
ダウンロード)した時刻、τは係数liの値が0.5に
なる時間(いわゆる半減期)を示している。
(i=1,2,…,m−1,m)にアクセス(あるいは
ダウンロード)した時刻、τは係数liの値が0.5に
なる時間(いわゆる半減期)を示している。
【0050】上述のように、アクセスログ101bから
求めた評価データベース中の個々のアイテムの評価値
は、例えば図4及び図5に示すように、ユーザが個々の
アイテムにアクセスした時刻からの経過時間(アクセス
時刻と現在の時刻の差)を反映した値となっている。例
えば上述の図2中の符号aに対応する図4及び図5中の
ユーザIDが1であるユーザ(以下、単にユーザ1とい
う。)のアイテム2の評価値“0.4”は、これより後
にアクセスされた図2中の符号bに対応するユーザID
がn−2であるユーザ(以下、単にユーザn−2とい
う。)のアイテム2の評価値“0.5”より小さくなっ
ている。
求めた評価データベース中の個々のアイテムの評価値
は、例えば図4及び図5に示すように、ユーザが個々の
アイテムにアクセスした時刻からの経過時間(アクセス
時刻と現在の時刻の差)を反映した値となっている。例
えば上述の図2中の符号aに対応する図4及び図5中の
ユーザIDが1であるユーザ(以下、単にユーザ1とい
う。)のアイテム2の評価値“0.4”は、これより後
にアクセスされた図2中の符号bに対応するユーザID
がn−2であるユーザ(以下、単にユーザn−2とい
う。)のアイテム2の評価値“0.5”より小さくなっ
ている。
【0051】また、予測評価値算出部105は、上述の
ように求められた評価データベース101c中の各評価
値を、例えば学習理論で用いられているメモリベースア
ルゴリズム(Memory-based Algorithm)あるいはメモリ
ベース推論等の計算式に当てはめ、ユーザが評価してい
ないアイテムについての予測評価値を求める。
ように求められた評価データベース101c中の各評価
値を、例えば学習理論で用いられているメモリベースア
ルゴリズム(Memory-based Algorithm)あるいはメモリ
ベース推論等の計算式に当てはめ、ユーザが評価してい
ないアイテムについての予測評価値を求める。
【0052】具体的には、このような予測評価値では、
例えば図6に示すように、まず、あるユーザを特定のユ
ーザとし、特定のユーザが評価しているアイテムと同じ
アイテムに対する評価値を有するユーザであって当該特
定のユーザの評価値との相関が高いユーザを選択する
(S1)。このユーザの選択では、例えば特定のユーザ
と他のユーザによる個々のアイテムの評価値を比較し、
個々のアイテムの評価値毎の相関を求め、例えば相関が
高い場合には高い値として評価する。さらに、ユーザ毎
に全てのアイテムについての相関を示す値の総和を求め
る。このようにして求めた総和が大きいユーザを、例え
ば総和が大きい順に所定数選択する。選択するユーザの
数は、例えばユーザ数と予測評価値の精度の関係を実験
で求め、必要な精度,演算負荷等に応じて適宜設定す
る。
例えば図6に示すように、まず、あるユーザを特定のユ
ーザとし、特定のユーザが評価しているアイテムと同じ
アイテムに対する評価値を有するユーザであって当該特
定のユーザの評価値との相関が高いユーザを選択する
(S1)。このユーザの選択では、例えば特定のユーザ
と他のユーザによる個々のアイテムの評価値を比較し、
個々のアイテムの評価値毎の相関を求め、例えば相関が
高い場合には高い値として評価する。さらに、ユーザ毎
に全てのアイテムについての相関を示す値の総和を求め
る。このようにして求めた総和が大きいユーザを、例え
ば総和が大きい順に所定数選択する。選択するユーザの
数は、例えばユーザ数と予測評価値の精度の関係を実験
で求め、必要な精度,演算負荷等に応じて適宜設定す
る。
【0053】例えば上述の図5に示す状況では、ユーザ
1の評価値の傾向と、ユーザn−2の評価値の傾向が似
ている。このため、ユーザn−2が、ユーザ1と相関が
高いユーザとして選択される。なお、このユーザn−2
の他にも相関が高いユーザが所定数選択される。
1の評価値の傾向と、ユーザn−2の評価値の傾向が似
ている。このため、ユーザn−2が、ユーザ1と相関が
高いユーザとして選択される。なお、このユーザn−2
の他にも相関が高いユーザが所定数選択される。
【0054】次に、選択した所定数のユーザの内、上述
の特定のユーザ(特定ユーザ)が評価していないアイテ
ムについて選択しているユーザを選択し(S2)、当該
選択したユーザ(選択ユーザ)による当該アイテムの評
価値に応じて特定ユーザの予測評価値を求める(S
3)。
の特定のユーザ(特定ユーザ)が評価していないアイテ
ムについて選択しているユーザを選択し(S2)、当該
選択したユーザ(選択ユーザ)による当該アイテムの評
価値に応じて特定ユーザの予測評価値を求める(S
3)。
【0055】上述のメモリベースアルゴリズムによって
求められる予測評価値は、ユーザa(特定ユーザ)のア
イテムjに対する予測評価値をPa,jとすると、例え
ば次式で示される。
求められる予測評価値は、ユーザa(特定ユーザ)のア
イテムjに対する予測評価値をPa,jとすると、例え
ば次式で示される。
【0056】
【数2】
ここで、nは上述のように選択した選択ユーザの数であ
り、va(バー)はユーザaの評価値の平均(平均評価
値)であり、w(a,i)はユーザaとユーザi(ある
選択ユーザ)の相関を表す値(相関係数)であり、v
i,jはユーザiのアイテムjに対する評価値である。
また、Kはw(a,i)の総和が1となるように、すな
わち次式を満たすように設定された正規化係数である。
り、va(バー)はユーザaの評価値の平均(平均評価
値)であり、w(a,i)はユーザaとユーザi(ある
選択ユーザ)の相関を表す値(相関係数)であり、v
i,jはユーザiのアイテムjに対する評価値である。
また、Kはw(a,i)の総和が1となるように、すな
わち次式を満たすように設定された正規化係数である。
【0057】
【数3】
また、ユーザaとユーザiの相関を表す相関係数w
(a,i)は、例えば次式に示すコサイン値による類似
度として求めることができる。
(a,i)は、例えば次式に示すコサイン値による類似
度として求めることができる。
【0058】
【数4】
この数4式中、右辺分子のベクトルvaはユーザaの評
価値を示すベクトル{ベクトルva=(va1,
va2,…,vak)}であり、ベクトルviはユーザ
iの評価値を示すベクトル{ベクトルvi=(vi1,
vi2,…,vik)}であり、ベクトルva・ベクト
ルviは、ベクトルvaとベクトルviの内積である。
また、右辺分母の|ベクトルva|及び|ベクトルvi
|は各々ベクトルva及びベクトルviのユークリッド
長である。
価値を示すベクトル{ベクトルva=(va1,
va2,…,vak)}であり、ベクトルviはユーザ
iの評価値を示すベクトル{ベクトルvi=(vi1,
vi2,…,vik)}であり、ベクトルva・ベクト
ルviは、ベクトルvaとベクトルviの内積である。
また、右辺分母の|ベクトルva|及び|ベクトルvi
|は各々ベクトルva及びベクトルviのユークリッド
長である。
【0059】このようなメモリベースアルゴリズムによ
って、例えば上述の図5に示す状況では、ユーザ1と相
関が高いユーザとして選択されたユーザn−2等による
アイテムmの評価値から求められたユーザ1の予測評価
値が1.0となっている。
って、例えば上述の図5に示す状況では、ユーザ1と相
関が高いユーザとして選択されたユーザn−2等による
アイテムmの評価値から求められたユーザ1の予測評価
値が1.0となっている。
【0060】ところで、上述の数2式によって求められ
る予測評価値は、数2式の右辺第2項に示されるよう
に、特定ユーザとの相関係数に応じて個々の選択ユーザ
の評価値を重み付けして加算した値に応じて求められて
いるため、相関の高いユーザの評価値が予測評価値によ
り大きく反映されることになり、予測評価値の精度が高
くなる。
る予測評価値は、数2式の右辺第2項に示されるよう
に、特定ユーザとの相関係数に応じて個々の選択ユーザ
の評価値を重み付けして加算した値に応じて求められて
いるため、相関の高いユーザの評価値が予測評価値によ
り大きく反映されることになり、予測評価値の精度が高
くなる。
【0061】なお、上述の数2式の代わりに、単純に選
択ユーザのアイテムに対する評価値の平均を予測評価値
とすることもできる。この場合、上述の数2式によって
予測評価値を求める場合に比較して精度は低下するもの
の、予測評価値を求めるための演算負荷を低減すること
ができる。
択ユーザのアイテムに対する評価値の平均を予測評価値
とすることもできる。この場合、上述の数2式によって
予測評価値を求める場合に比較して精度は低下するもの
の、予測評価値を求めるための演算負荷を低減すること
ができる。
【0062】以上のように特定ユーザの未評価アイテム
についての予測評価値を求めると、予測評価値算出部1
05は、未評価アイテムがある他のユーザを特定のユー
ザとし、上述と同様な処理(S1〜S4)を繰り返し、
全てのユーザの未評価アイテムについて予測評価値を求
める。
についての予測評価値を求めると、予測評価値算出部1
05は、未評価アイテムがある他のユーザを特定のユー
ザとし、上述と同様な処理(S1〜S4)を繰り返し、
全てのユーザの未評価アイテムについて予測評価値を求
める。
【0063】全てのユーザの未評価アイテムの予測評価
値が求められると、アイテム推薦部106は、ユーザ毎
に、例えば予測評価値が高い順に所定数のアイテムを推
薦する。あるいは、予め所定の閾値を決めておき、予測
評価値が当該閾値を超えたアイテムを推薦するようにし
てもよい。
値が求められると、アイテム推薦部106は、ユーザ毎
に、例えば予測評価値が高い順に所定数のアイテムを推
薦する。あるいは、予め所定の閾値を決めておき、予測
評価値が当該閾値を超えたアイテムを推薦するようにし
てもよい。
【0064】具体的なアイテムの推薦は、上述のよう
に、例えばSMTPサーバ107による当該ユーザ宛て
のメールの送信あるいはHTTPサーバ103による推
薦するアイテムを示すページ記述データの提供等によっ
て行う。
に、例えばSMTPサーバ107による当該ユーザ宛て
のメールの送信あるいはHTTPサーバ103による推
薦するアイテムを示すページ記述データの提供等によっ
て行う。
【0065】アイテム推薦部106は、メールによって
アイテムを推薦する場合には、例えば推薦するアイテム
を示す文字,当該アイテムのアドレスの記述等を含むメ
ールのメッセージを生成し、SMTPサーバ107によ
ってユーザ宛てに送信させる。また、ページ記述データ
によってアイテムを推薦する場合には、アイテム推薦部
106は、例えば推薦するアイテムを示す文字,当該ア
イテムのアドレスの記述等を含むページ記述データを生
成し、当該ユーザのユーザIDと共に、HTTPサーバ
103に供給する。HTTPサーバ103は、例えば当
該ユーザからのアクセスがあると、アイテム推薦部10
6から供給されたページ記述データを当該ユーザの携帯
端末装置3宛てに送信する。
アイテムを推薦する場合には、例えば推薦するアイテム
を示す文字,当該アイテムのアドレスの記述等を含むメ
ールのメッセージを生成し、SMTPサーバ107によ
ってユーザ宛てに送信させる。また、ページ記述データ
によってアイテムを推薦する場合には、アイテム推薦部
106は、例えば推薦するアイテムを示す文字,当該ア
イテムのアドレスの記述等を含むページ記述データを生
成し、当該ユーザのユーザIDと共に、HTTPサーバ
103に供給する。HTTPサーバ103は、例えば当
該ユーザからのアクセスがあると、アイテム推薦部10
6から供給されたページ記述データを当該ユーザの携帯
端末装置3宛てに送信する。
【0066】(効果)上述のように、この推薦システム
では、ユーザによるアイテムのアクセス履歴,ダウンロ
ード履歴等に基いて求めた暗示的な評価データを用い
て、ユーザに推薦するアイテムを決定しているので、ユ
ーザの負担は非常に軽い。
では、ユーザによるアイテムのアクセス履歴,ダウンロ
ード履歴等に基いて求めた暗示的な評価データを用い
て、ユーザに推薦するアイテムを決定しているので、ユ
ーザの負担は非常に軽い。
【0067】また、この推薦システムでは、ユーザ毎に
個々のアイテムに対するアクセス時刻からの時間の経過
に従って減少する評価値を求めることにより、アクセス
履歴,ダウンロード履歴に相関の高い評価値を求めるこ
とができる。
個々のアイテムに対するアクセス時刻からの時間の経過
に従って減少する評価値を求めることにより、アクセス
履歴,ダウンロード履歴に相関の高い評価値を求めるこ
とができる。
【0068】このような評価値を用いてユーザに推薦す
るアイテムを決定することにより、ユーザの傾向をより
正確に反映したアイテムの推薦を行うことができ、協調
フィルタリングの精度を向上させることができる。
るアイテムを決定することにより、ユーザの傾向をより
正確に反映したアイテムの推薦を行うことができ、協調
フィルタリングの精度を向上させることができる。
【0069】また、上述のように、この推薦システムで
は、ユーザにアイテムを推薦する際に、推薦するアイテ
ムにアクセスするための情報(例えば推薦するアイテム
のアドレス等)をユーザに提供することにより、特に、
携帯電話装置,PDA等の表示能力が制限された携帯端
末装置を用いて、コンテンツをダウンロードする際の手
数を大幅に削減することができる。
は、ユーザにアイテムを推薦する際に、推薦するアイテ
ムにアクセスするための情報(例えば推薦するアイテム
のアドレス等)をユーザに提供することにより、特に、
携帯電話装置,PDA等の表示能力が制限された携帯端
末装置を用いて、コンテンツをダウンロードする際の手
数を大幅に削減することができる。
【0070】(変形例)上述の説明では、上述の図5に
示すように、評価データ作成部104が予めアクセスロ
グ101bに応じてユーザ毎の個々のアイテムの評価値
を求めておくようにしていたが、例えば図7に示すよう
に、評価データ作成部104は、単に、アクセスログ1
01bからユーザ毎の個々のアイテムに対するアクセス
の有無及びアクセス時刻を評価データベース101cに
格納しておくようにしてもよい。なお、この図7は、説
明の便宜上、上述の図5に示す状況とは完全には対応し
ていない。
示すように、評価データ作成部104が予めアクセスロ
グ101bに応じてユーザ毎の個々のアイテムの評価値
を求めておくようにしていたが、例えば図7に示すよう
に、評価データ作成部104は、単に、アクセスログ1
01bからユーザ毎の個々のアイテムに対するアクセス
の有無及びアクセス時刻を評価データベース101cに
格納しておくようにしてもよい。なお、この図7は、説
明の便宜上、上述の図5に示す状況とは完全には対応し
ていない。
【0071】この場合は、予測評価値算出部105が予
測評価値を求める際に、現在の時刻と評価データベース
101c中のアクセス時刻に応じて上述の数1式により
係数を求め、求めた係数を乗じた評価値に応じて、予測
評価値を求める。
測評価値を求める際に、現在の時刻と評価データベース
101c中のアクセス時刻に応じて上述の数1式により
係数を求め、求めた係数を乗じた評価値に応じて、予測
評価値を求める。
【0072】例えばこの図7に示す状況では、ユーザ1
の評価値の傾向とユーザn−2等の評価値の傾向が似て
いる。このため、ユーザn−2等が、ユーザ1と相関が
高いユーザとして選択される。この後、ユーザ1が評価
していないアイテムmに対する予測評価値が、上述と同
様に、ユーザn−2等がアイテムmにアクセスした時刻
に応じた値として求められる。
の評価値の傾向とユーザn−2等の評価値の傾向が似て
いる。このため、ユーザn−2等が、ユーザ1と相関が
高いユーザとして選択される。この後、ユーザ1が評価
していないアイテムmに対する予測評価値が、上述と同
様に、ユーザn−2等がアイテムmにアクセスした時刻
に応じた値として求められる。
【0073】図7に示す状況では、ユーザn−2等がア
イテムmにアクセスした時刻が比較的最近である。この
ため、ユーザn−2等がアイテムmにアクセスした時刻
に応じて上述の数1式から求めた係数が大きくなってい
る。これにより、ユーザ1の予測評価値が大きな値とな
って、ユーザ1が近い将来、アイテムmにアクセスする
と予測することができる。
イテムmにアクセスした時刻が比較的最近である。この
ため、ユーザn−2等がアイテムmにアクセスした時刻
に応じて上述の数1式から求めた係数が大きくなってい
る。これにより、ユーザ1の予測評価値が大きな値とな
って、ユーザ1が近い将来、アイテムmにアクセスする
と予測することができる。
【0074】なお、上述の説明では、アイテムの例とし
て着信メロディを示して説明したが、本発明はこれに限
定されるものではなく、例えばニュース等の文字情報,
着信メロディ,待ち受け画面,音楽等のコンテンツ(ア
イテム)を推薦する推薦システムに本発明を適用するこ
とができる。これらのアイテムを提供する際には、例え
ば上述のHTTPサーバ103あるいは特別なサーバプ
ロセスを用いるが、上述と同様なアクセスログを記録し
ておくことにすれば、このアクセスログに応じて上述と
同様にアイテムの推薦を行うことができる。
て着信メロディを示して説明したが、本発明はこれに限
定されるものではなく、例えばニュース等の文字情報,
着信メロディ,待ち受け画面,音楽等のコンテンツ(ア
イテム)を推薦する推薦システムに本発明を適用するこ
とができる。これらのアイテムを提供する際には、例え
ば上述のHTTPサーバ103あるいは特別なサーバプ
ロセスを用いるが、上述と同様なアクセスログを記録し
ておくことにすれば、このアクセスログに応じて上述と
同様にアイテムの推薦を行うことができる。
【0075】また、上述の説明では、無線通信を介して
サーバ装置に接続された携帯端末装置によってサーバ装
置が提供するアイテムを利用する構成とした例について
示した。しかしながら、本発明は、この例に限定される
ものではなく、例えば有線ネットワークを介してサーバ
装置に接続されたパーソナルコンピュータ、ワークステ
ーション等の情報処理装置によってサーバ装置が提供す
るアイテムを利用する構成とする等、本発明の技術的思
想の範囲内で、適宜構成を変更することができる。
サーバ装置に接続された携帯端末装置によってサーバ装
置が提供するアイテムを利用する構成とした例について
示した。しかしながら、本発明は、この例に限定される
ものではなく、例えば有線ネットワークを介してサーバ
装置に接続されたパーソナルコンピュータ、ワークステ
ーション等の情報処理装置によってサーバ装置が提供す
るアイテムを利用する構成とする等、本発明の技術的思
想の範囲内で、適宜構成を変更することができる。
【0076】
【発明の効果】本発明では、ユーザの行動履歴に応じた
評価対象についての評価を示す暗示的評価データと,ユ
ーザの行動による評価の時からの経過時間に応じた評価
情報を求め、特定のユーザと評価情報の傾向が類似する
ユーザを選択し、選択したユーザが評価している評価対
象についての評価情報に応じて、特定のユーザの当該評
価対象についての予測評価値を求めているため、従来の
協調フィルタリングにおける評価データでは考慮されて
いなかった時間情報を考慮することができる。
評価対象についての評価を示す暗示的評価データと,ユ
ーザの行動による評価の時からの経過時間に応じた評価
情報を求め、特定のユーザと評価情報の傾向が類似する
ユーザを選択し、選択したユーザが評価している評価対
象についての評価情報に応じて、特定のユーザの当該評
価対象についての予測評価値を求めているため、従来の
協調フィルタリングにおける評価データでは考慮されて
いなかった時間情報を考慮することができる。
【0077】同じような行動をしても当該行動の時期が
異なるユーザは、異なる傾向を有すると考えられるた
め、上述のように時間情報を考慮して求めた評価情報を
用いることにより、より傾向の近いユーザを選択するこ
とができる。
異なるユーザは、異なる傾向を有すると考えられるた
め、上述のように時間情報を考慮して求めた評価情報を
用いることにより、より傾向の近いユーザを選択するこ
とができる。
【0078】このように選択したユーザの評価情報に応
じて、特定のユーザの予測評価値を求めることにより、
求められる予測評価値の精度を向上させることができ
る。
じて、特定のユーザの予測評価値を求めることにより、
求められる予測評価値の精度を向上させることができ
る。
【0079】また、本発明では、ユーザの行動履歴に応
じた評価対象についての評価を示す暗示的評価データに
基いて予測評価値を求めているため、ユーザは意識的に
評価を行う必要がない。このため、ユーザの負担を抑え
ることができる。
じた評価対象についての評価を示す暗示的評価データに
基いて予測評価値を求めているため、ユーザは意識的に
評価を行う必要がない。このため、ユーザの負担を抑え
ることができる。
【図1】本発明の一実施形態に係る推薦システムの構成
を示すブロック図である。
を示すブロック図である。
【図2】前記推薦システムを構成するHTTPサーバが
生成するアクセスログの一例を示す図である。
生成するアクセスログの一例を示す図である。
【図3】前記推薦システムを構成する評価データ作成部
が用いる係数の一例を示す図である。
が用いる係数の一例を示す図である。
【図4】前記評価データ作成部が作成する評価データベ
ースの一例を示す図である。
ースの一例を示す図である。
【図5】前記評価データ作成部が作成する評価データベ
ースの一例を概念的に示す図である。
ースの一例を概念的に示す図である。
【図6】前記評価システムを構成するアイテム推薦部に
よる予測評価値を求める処理を示すフローチャートであ
る。
よる予測評価値を求める処理を示すフローチャートであ
る。
【図7】前記評価データ作成部が作成する評価データベ
ースの他の例を概念的に示す概略図である。
ースの他の例を概念的に示す概略図である。
【図8】従来の協調フィルタリングにおいて用いられる
明示的な評価データの例を示す図である。
明示的な評価データの例を示す図である。
【図9】従来の協調フィルタリングにおいて用いられる
暗示的な評価データの例を示す図である。
暗示的な評価データの例を示す図である。
1…サーバ装置、101…HDD、101a…アイテム
格納領域、101b…アクセスログ、101c…評価デ
ータベース、102…NIC、103…HTTPサー
バ、104…評価データ作成部、105…予測評価値算
出部、106…アイテム推薦部、107…SMTPサー
バ
格納領域、101b…アクセスログ、101c…評価デ
ータベース、102…NIC、103…HTTPサー
バ、104…評価データ作成部、105…予測評価値算
出部、106…アイテム推薦部、107…SMTPサー
バ
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 田中 卓弥
埼玉県上福岡市大原2丁目1番15号 株式
会社ケイディーディーアイ研究所内
(72)発明者 井ノ上 直己
埼玉県上福岡市大原2丁目1番15号 株式
会社ケイディーディーアイ研究所内
Fターム(参考) 5B075 NK06 PR03 PR08
Claims (5)
- 【請求項1】 特定のユーザが評価していない評価対象
についての予測評価値を求める協調フィルタリング方法
であって、 ユーザの行動履歴に応じた評価対象についての評価を示
す暗示的評価データを取得するステップと、 前記暗示的評価データと,前記ユーザの行動による評価
の時からの経過時間に応じた評価情報を求めるステップ
と、 前記特定のユーザと前記評価情報の傾向が類似するユー
ザを選択するステップと、 該選択したユーザが評価している評価対象についての前
記評価情報に応じて、前記特定のユーザの当該評価対象
についての予測評価値を求めるステップとを有すること
を特徴とする協調フィルタリング方法。 - 【請求項2】 前記予測評価値に応じて当該予測評価値
に対応する前記評価対象を前記特定のユーザに推薦する
ステップを有することを特徴とする請求項1記載の協調
フィルタリング方法。 - 【請求項3】 特定のユーザが評価していない評価対象
についての予測評価値を求める協調フィルタリング装置
であって、 評価対象をネットワーク経由でユーザに提供する提供手
段と、 前記各ユーザ毎に対する評価対象の提供履歴に応じて各
ユーザの評価対象に対する評価を示す暗示的評価データ
を記録する暗示的評価データ記録手段と、 前記記録した暗示的評価データと,前記ユーザに対する
評価対象の提供の時からの経過時間に応じた評価情報を
求める評価情報算出手段と、 前記特定のユーザと前記評価情報の傾向が類似するユー
ザを選択するユーザ選択手段と、 該選択したユーザが評価している評価対象についての前
記評価情報に応じて、前記特定のユーザの当該評価対象
についての予測評価値を求める予測評価値算出手段とを
備えることを特徴とする協調フィルタリング装置。 - 【請求項4】 前記予測評価値算出手段が求めた予測評
価値に応じて当該予測評価値に対応する前記評価対象を
前記特定のユーザに推薦する推薦手段を備えることを特
徴とする請求項3記載の協調フィルタリング装置。 - 【請求項5】 コンピュータに、特定のユーザが評価し
ていない評価対象についての予測評価値を求めさせる協
調フィルタリングプログラムであって、 ユーザの行動履歴に応じた評価対象についての評価を示
す暗示的評価データを取得するステップと、 前記暗示的評価データと,前記ユーザの行動による評価
の時からの経過時間に応じた評価情報を求めるステップ
と、 前記特定のユーザと前記評価情報の傾向が類似するユー
ザを選択するステップと、 該選択したユーザが評価している評価対象についての前
記評価情報に応じて、前記特定のユーザの当該評価対象
についての予測評価値を求めるステップとを有すること
を特徴とする協調フィルタリングプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001365215A JP2003167901A (ja) | 2001-11-29 | 2001-11-29 | 協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001365215A JP2003167901A (ja) | 2001-11-29 | 2001-11-29 | 協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2003167901A true JP2003167901A (ja) | 2003-06-13 |
Family
ID=19175271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001365215A Pending JP2003167901A (ja) | 2001-11-29 | 2001-11-29 | 協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2003167901A (ja) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005302023A (ja) * | 2004-04-06 | 2005-10-27 | Microsoft Corp | ユーザモデリングによる効率のよい大文字化 |
JP2007034945A (ja) * | 2005-07-29 | 2007-02-08 | Ntt Data Corp | サービス関係分析装置、サービス関係分析方法、およびサービス関係分析プログラム |
JP2007528060A (ja) * | 2004-02-06 | 2007-10-04 | ネットフリックス・インコーポレイテッド | アイテムのユーザ評価を見積るためのアプローチ |
JP2008502028A (ja) * | 2004-02-26 | 2008-01-24 | ヤフー! インコーポレイテッド | リコメンデーションを作成する方法及びシステム |
JP2008234043A (ja) * | 2007-03-16 | 2008-10-02 | Sony Corp | 情報処理装置及び情報処理方法、並びにプログラム |
JP2009015638A (ja) * | 2007-07-05 | 2009-01-22 | Infocom Corp | 情報提示方法、情報提示手段、前記方法を実行するコンピュータプログラムおよび該プログラムを格納した記憶媒体 |
JP2009151829A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | サーバ装置、コミュニケーション支援方法、及びコミュニケーション支援プログラム |
JP2009151830A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | 端末装置、表示方法、及び情報処理プログラム |
JP2009151831A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | 端末装置、表示方法、及び情報処理プログラム |
JP2009151828A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | サーバ装置、コミュニケーション支援方法、及びコミュニケーション支援プログラム |
JP2010020804A (ja) * | 2009-10-27 | 2010-01-28 | Victor Co Of Japan Ltd | サーバ装置、コミュニケーション支援方法、及びコミュニケーション支援プログラム |
JP2010237919A (ja) * | 2009-03-31 | 2010-10-21 | Kddi Corp | 嗜好推定装置 |
JP2010286921A (ja) * | 2009-06-09 | 2010-12-24 | Fujitsu Ltd | 推薦装置、推薦プログラムおよび推薦方法 |
JP2011257953A (ja) * | 2010-06-08 | 2011-12-22 | Nippon Telegr & Teleph Corp <Ntt> | 日時別推薦アイテムフィルタリング方法及び日時別推薦アイテムフィルタリングプログラム |
US8108376B2 (en) | 2008-03-28 | 2012-01-31 | Kabushiki Kaisha Toshiba | Information recommendation device and information recommendation method |
EP2498212A1 (en) | 2011-03-08 | 2012-09-12 | Sony Corporation | Information processing apparatus, terminal apparatus, information presentation system, calculation method of evaluation scores, and program. |
JP2012533110A (ja) * | 2009-07-09 | 2012-12-20 | テレフオンアクチーボラゲット エル エム エリクソン(パブル) | 格付けおよび新鮮度の減衰 |
JP2013130921A (ja) * | 2011-12-20 | 2013-07-04 | Jvc Kenwood Corp | 情報処理装置、情報処理方法、及び情報処理プログラム |
US8666834B2 (en) | 2010-06-15 | 2014-03-04 | Sony Corporation | Item recommendation system, item recommendation method and program |
JP5824601B1 (ja) * | 2015-03-31 | 2015-11-25 | 楽天株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2016532930A (ja) * | 2013-07-02 | 2016-10-20 | ゼットティーイー コーポレーションZte Corporation | テーマ管理方法及びシステム |
US9864747B2 (en) | 2011-03-29 | 2018-01-09 | Sony Corporation | Content recommendation device, recommended content search method, and program |
US10025881B2 (en) | 2013-08-06 | 2018-07-17 | Sony Corporation | Information processing apparatus, information processing method, and program |
-
2001
- 2001-11-29 JP JP2001365215A patent/JP2003167901A/ja active Pending
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007528060A (ja) * | 2004-02-06 | 2007-10-04 | ネットフリックス・インコーポレイテッド | アイテムのユーザ評価を見積るためのアプローチ |
US10339538B2 (en) | 2004-02-26 | 2019-07-02 | Oath Inc. | Method and system for generating recommendations |
US11875363B2 (en) | 2004-02-26 | 2024-01-16 | Yahoo Assets Llc | Method and system for generating recommendations |
JP2008502028A (ja) * | 2004-02-26 | 2008-01-24 | ヤフー! インコーポレイテッド | リコメンデーションを作成する方法及びシステム |
KR101122887B1 (ko) | 2004-04-06 | 2012-03-22 | 마이크로소프트 코포레이션 | 사용자 모델링을 통한 효율적인 대문자화 |
US7827025B2 (en) | 2004-04-06 | 2010-11-02 | Microsoft Corporation | Efficient capitalization through user modeling |
JP4672418B2 (ja) * | 2004-04-06 | 2011-04-20 | マイクロソフト コーポレーション | ユーザモデリングによる効率のよい大文字化 |
JP2005302023A (ja) * | 2004-04-06 | 2005-10-27 | Microsoft Corp | ユーザモデリングによる効率のよい大文字化 |
JP2007034945A (ja) * | 2005-07-29 | 2007-02-08 | Ntt Data Corp | サービス関係分析装置、サービス関係分析方法、およびサービス関係分析プログラム |
JP4498994B2 (ja) * | 2005-07-29 | 2010-07-07 | 株式会社エヌ・ティ・ティ・データ | サービス関係分析装置、サービス関係分析方法、およびサービス関係分析プログラム |
JP2008234043A (ja) * | 2007-03-16 | 2008-10-02 | Sony Corp | 情報処理装置及び情報処理方法、並びにプログラム |
JP2009015638A (ja) * | 2007-07-05 | 2009-01-22 | Infocom Corp | 情報提示方法、情報提示手段、前記方法を実行するコンピュータプログラムおよび該プログラムを格納した記憶媒体 |
US8108376B2 (en) | 2008-03-28 | 2012-01-31 | Kabushiki Kaisha Toshiba | Information recommendation device and information recommendation method |
JP2010237919A (ja) * | 2009-03-31 | 2010-10-21 | Kddi Corp | 嗜好推定装置 |
JP2009151828A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | サーバ装置、コミュニケーション支援方法、及びコミュニケーション支援プログラム |
JP2009151831A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | 端末装置、表示方法、及び情報処理プログラム |
JP2009151830A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | 端末装置、表示方法、及び情報処理プログラム |
JP2009151829A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | サーバ装置、コミュニケーション支援方法、及びコミュニケーション支援プログラム |
JP2010286921A (ja) * | 2009-06-09 | 2010-12-24 | Fujitsu Ltd | 推薦装置、推薦プログラムおよび推薦方法 |
US9098860B2 (en) | 2009-07-09 | 2015-08-04 | Telefonaktiebolaget L M Ericsson (Publ) | Rating and novelty decay |
JP2012533110A (ja) * | 2009-07-09 | 2012-12-20 | テレフオンアクチーボラゲット エル エム エリクソン(パブル) | 格付けおよび新鮮度の減衰 |
JP2010020804A (ja) * | 2009-10-27 | 2010-01-28 | Victor Co Of Japan Ltd | サーバ装置、コミュニケーション支援方法、及びコミュニケーション支援プログラム |
JP2011257953A (ja) * | 2010-06-08 | 2011-12-22 | Nippon Telegr & Teleph Corp <Ntt> | 日時別推薦アイテムフィルタリング方法及び日時別推薦アイテムフィルタリングプログラム |
US8666834B2 (en) | 2010-06-15 | 2014-03-04 | Sony Corporation | Item recommendation system, item recommendation method and program |
US9031941B2 (en) | 2011-03-08 | 2015-05-12 | Sony Corporation | Information processing apparatus, terminal apparatus, information presentation system, calculation method of evaluation scores, and program |
EP2498212A1 (en) | 2011-03-08 | 2012-09-12 | Sony Corporation | Information processing apparatus, terminal apparatus, information presentation system, calculation method of evaluation scores, and program. |
US9864747B2 (en) | 2011-03-29 | 2018-01-09 | Sony Corporation | Content recommendation device, recommended content search method, and program |
JP2013130921A (ja) * | 2011-12-20 | 2013-07-04 | Jvc Kenwood Corp | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2016532930A (ja) * | 2013-07-02 | 2016-10-20 | ゼットティーイー コーポレーションZte Corporation | テーマ管理方法及びシステム |
US10025881B2 (en) | 2013-08-06 | 2018-07-17 | Sony Corporation | Information processing apparatus, information processing method, and program |
JP5824601B1 (ja) * | 2015-03-31 | 2015-11-25 | 楽天株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
WO2016157426A1 (ja) * | 2015-03-31 | 2016-10-06 | 楽天株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2003167901A (ja) | 協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラム | |
US10182028B1 (en) | Method and system for storing real-time communications in an email inbox | |
US20170372329A1 (en) | Predictive analytics for providing targeted information | |
KR101740274B1 (ko) | 이모티콘 탐색 방법 및 단말 | |
KR100841590B1 (ko) | 채팅 시스템, 통신장치, 그 제어방법 및 정보기억매체 | |
JPWO2006075512A1 (ja) | 情報通知制御装置、情報通知方式、およびプログラム | |
CN101743538A (zh) | 生成用户配置文件的方法和设备 | |
US20070299807A1 (en) | Apparatus and method for organizing user's life pattern | |
JP2008052449A (ja) | 対話型エージェントシステム及び方法 | |
KR20090081447A (ko) | 인라인 편집을 이용한 온라인 데이팅 탐색 수정 | |
EP2672448A1 (en) | Providing feedback via a social network from a media distribution platform | |
JP2009070364A (ja) | 特別な動的モデル合成を備える推薦システム | |
US20090204611A1 (en) | Information display apparatus, information display program and information display system | |
CN104246758A (zh) | 自适应系统 | |
JP2009510623A (ja) | リスティングデータのオンラインデータ検証 | |
JP2007334732A (ja) | ネットワークシステム及びネットワーク情報送受信方法 | |
CN104246757A (zh) | 预测性服务访问 | |
CN101325502A (zh) | 基于文本-语音转换生成并处理数字内容的方法和系统 | |
JP4581446B2 (ja) | 情報処理装置および方法、並びにプログラム | |
JP4250938B2 (ja) | コミュニケーション支援方法およびコミュニケーションサーバ | |
JP5834468B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
KR20230019821A (ko) | 멀티미디어 메시징 애플리케이션에서의 수정 가능한 동영상 검색 및 순위 지정 | |
JP7160757B2 (ja) | 判定装置、判定方法及び判定プログラム | |
JP2019057093A (ja) | 情報処理装置及びプログラム | |
JP4526215B2 (ja) | データ転送装置、通信装置、データ転送方法、通信方法、データ転送プログラムが記録された機械読取可能な記録媒体、通信プログラムが記録された機械読取可能な記録媒体、データ転送プログラム、通信プログラムおよびデータ通信システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040922 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060712 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060908 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20061025 |