JP2003271640A - プロファイル情報の推薦方法、プログラム及び装置 - Google Patents
プロファイル情報の推薦方法、プログラム及び装置Info
- Publication number
- JP2003271640A JP2003271640A JP2002071823A JP2002071823A JP2003271640A JP 2003271640 A JP2003271640 A JP 2003271640A JP 2002071823 A JP2002071823 A JP 2002071823A JP 2002071823 A JP2002071823 A JP 2002071823A JP 2003271640 A JP2003271640 A JP 2003271640A
- Authority
- JP
- Japan
- Prior art keywords
- attribute
- case
- profile
- profile data
- recommendation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- 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
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06F16/9538—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
化に柔軟に適応し、利用者に適した推薦を行い、推薦結
果が有用であるか否かの判断を利用者が容易に行える。 【解決手段】入力となるプロファイルデータと出力の対
象となるプロファイル属性を少なくとも指定して処理を
要求すると、事例検索ステップで入力として与えられた
プロファイルデータに類似した事例を、複数のプロファ
イルデータの間に発生した関係をプロファイルデータの
組として表現した事例を格納した事例データベース20
から検索する。続いて動的学習ステップで、出力指定さ
れた属性の各属性値に対する重要度を、事例検索ステッ
プで検索された事例集合に対し特徴的な属性値に高い重
要度を与えるように算出する。更に推薦データ決定ステ
ップで、動的学習ステップで算出した出力指定された属
性の各属性値に対する重要度に基づいて、プロファイル
データベース18中の各プロファイルデータのスコアを
算出し、スコアの高いプロファイルデータを推薦する。
Description
ス、ユーザなどを属性と属性値のペアとして特徴づけた
プロファイルデータを推薦するプロファイル推薦方法、
プログラム及び装置に関し、特に、利用者に適したプロ
ファイルデータを利用者が理解しやすい形式で推薦する
プロファイル推薦方法、プログラム及び装置に関する。
しては、例えば特開2000-148864号で開示されているよ
うに、ユーザや商品の特徴づけを行うことでプロファイ
ルデータを作成し、作成したプロファイルデータに基づ
いて類似したユーザを予めクラスタ化しておき、利用者
が属するクラスタからの情報に基づいて、当該利用者に
商品やクラスタ情報などの推薦を行う方法がとられてい
る。
者のプロファイルデータに最も近いクラスタを、利用者
が属するクラスタとして分類することで、分類されたク
ラスタからの情報に基づいて、利用者に適した商品を推
薦したり、分類されたクラスタの情報を推薦することが
可能になる。
うな従来のプロファイル推薦方法によると、少なくとも
次の4つの問題が生じる。
と、利用者が属するクラスタの分類に基づいて推薦を行
うため、分類されたクラスタ内に利用者とは類似してい
ないユーザが含まれていたり、分類されたクラスタ以外
のクラスタに利用者と類似したユーザが含まれる場合
に、利用者に対する推薦の精度が低下するという問題が
生じている。特に、利用者のプロファイルデータが、分
類されたクラスタの中心から離れている場合に、利用者
に対する推薦の精度が低下するという問題が顕著に発生
しうる。
と、推薦を行うためには、予めクラスタを作成する必要
があるため、プロファイルデータ群の変化に対応させる
ためには、新たにクラスタを作成し直さなければならな
い。このためクラスタ生成に関する運用のコストがかか
り、プロファイルデータ群の変化が激しい場合は、変化
への対応が困難になるという問題を生じる。
と、利用者が属するクラスタからの情報に含まれていな
い商品は、どんなに利用者に適した商品でも推薦されな
いという問題が生じる。特に、新規の商品の推薦に関し
ては、この問題が顕著に発生しうる。
ると、利用者にとってわかりやすい形式で推薦結果を提
示する手段が提供されていないため、推薦の結果が利用
者にとって有用か否かを、利用者が判断することが難し
いという問題が生じる。
ルデータ群の変化に柔軟に適応し、利用者に適した推薦
を行い、推薦された結果が有用であるか否かの判断を利
用者が容易に行えるプロファイル情報の推薦方法、プロ
グラム及び装置を提供することを目的とする。
図である。本発明は、図1(A)のようにプロファイル
情報の推薦方法を提供する。
などを、属性と属性値のペアの集合として特徴づけたプ
ロファイルデータとして格納したプロファイルデータベ
ースと、複数のプロファイルデータの間に発生した関係
を、プロファイルデータの組として表現した事例として
格納した事例データベースを生成するステップとを使用
するプロファイル情報の推薦方法であって、入力となる
プロファイルの情報と出力の対象となるプロファイル属
性の情報を少なくとも指定して入力する入力ステップ
と、入力として与えられたプロファイルデータに類似し
た事例を事例データベースから検索する事例検索ステッ
プと、出力指定された属性の各属性値に対する重要度
を、事例検索ステップで検索された事例集合に対し特徴
的な属性値に高い重要度を与えるように算出する動的学
習ステップと、動的学習ステップで算出した出力指定さ
れた属性の各属性値に対する重要度に基づいて、プロフ
ァイルデータベース中の各プロファイルデータのスコア
を算出し、スコアの高いプロファイルデータを推薦する
推薦データ決定ステップと、を備えたことを特徴とす
る。
られたプロファイルデータに類似した事例を検索し、検
索された事例を用いて、プロファイル属性の重要度の動
的な学習することに基づいた推薦を行うため、低い運用
コストで、プロファイルデータや事例情報の変化に柔軟
に適応し、ユーザに適した推薦を行うことができる。ま
た、プロファイルデータベースに属するプロファイルデ
ータを対象にしたスコア算出を行うため、ユーザにとっ
て有用であれば、新規のプロファイルデータを推薦する
ことも可能になる。
の各属性値の重要度を、事例検索ステップで検索した類
似事例集合における属性値の出現確率として算出する。
属性の各属性値の重要度を、事例データベース中の出力
指定された属性の事例集合における属性値の出現確率
と、事例検索ステップで検索された類似事例集合におけ
る属性値の出現確率との残差として算出しても良い。
属性の各属性値の重要度を、事例検索ステップで検索さ
れた類似事例集合における出力指定された各属性の属性
値の分布に関する事例データベース中の事例集合におけ
る出力指定された属性の属性値の分布の負のエントロピ
ーにおける各属性値に対応する値として算出しても良
い。
更に、推薦データ決定ステップで推薦する各プロファイ
ルデータに出現する属性値の中から、動的学習ステップ
で算出した重要度の高い属性値を、プロファイルデータ
を推薦する理由となる属性値として選択し、選択した属
性値の情報をプロファイルデータに付与して推薦する推
薦理由付与ステップを設けたことを特徴とする。このよ
うに推薦の理由が提示されることで、利用者は、推薦さ
れたプロファイルデータが有用であるか否かの判断を容
易に行うことができる。
出力指定された各属性に対して、事例検索ステップで検
索した事例集合における最も自由度が高い属性を選択
し、推薦データ決定ステップで算出したスコアが高いプ
ロファイルデータを、選択した属性の属性値毎に分けて
推薦する観点別推薦ステップを設けたことを特徴とす
る。このように観点毎に推薦結果を分けて提示すること
で、利用者は推薦されたプロファイルデータが有用であ
るか否かの判断が容易にできる。
れた各属性に対して事例検索ステップで検索した事例集
合における属性の属性値の出現確率の分散を算出し、こ
の分散が最小となる属性を、推薦において最も自由度が
高い属性として選択し、推薦データ決定ステップで算出
したスコアが高いプロファイルデータを、選択した属性
の属性値毎に分けて推薦する。
ース中の事例集合における出力指定された各属性の属性
値の出現確率と事例検索ステップで検索した類似事例集
合における前記属性の属性値の出現確率との残差の二乗
和を算出し、この残差の二乗和が最小となる属性を、推
薦において最も自由度が高い属性として選択し、推薦デ
ータ決定ステップで算出したスコアが高いプロファイル
データを、選択した属性の属性値毎に分けて推薦しても
良い。
た各属性に対して事例検索ステップで検索した類似事例
集合における属性の属性値の分布に関する事例データベ
ース中の出力指定された属性の事例集合における属性の
属性値の分布のKullback-Leibler情報量を算出し、Kull
back-Leibler情報量が最小となる属性を推薦において最
も自由度が高い属性として選択し、推薦データ決定ステ
ップで算出したスコアが高いプロファイルデータを、選
択した属性の属性値毎に分けて推薦しても良い。
ける事例検索ステップは、更に、入力として与えられた
プロファイルデータに類似した事例を検索すると共に、
類似事例中に出現する基底属性として指定された属性の
属性値のリストを作成し、このリストに含まれる基底属
性の属性値が出現する類似した事例を再検索する。この
ため類似したプロファイルデータからの情報では推薦で
きないようなプロファイルデータも推薦可能となる。
更に、入力情報の変換を行うルールを格納する入力変換
ルールベースの中のルールを適用して入力情報を変換す
る入力変換ステップを設けたことを特徴とする。
更に、出力結果の変換を行うルールを格納する出力変換
ルールベースの中のルールを適用して出力結果を変換す
る出力変換ステップを設けたことを特徴とする。
実行するプログラムを提供する。このプログラムは、コ
ンピュータに、入力としての属性と属性値のペアの集合
として特徴づけられたプロファイルデータと、出力の対
象となるプロファイル属性を少なくとも指定して入力す
る入力ステップと、入力として与えられたプロファイル
データに類似した事例を、複数のプロファイルデータの
間に発生した関係をプロファイルデータの組として表現
した事例として格納した事例データベースから検索する
事例検索ステップと、出力の対象として指定された属性
の各属性値に対する重要度を、事例検索ステップで検索
された事例集合に対し特徴的な属性値に高い重要度を与
えるように算出する動的学習ステップと、動的学習ステ
ップで算出した出力指定された属性の各属性値に対する
重要度に基づいて、前記プロファイルデータベース中の
属性と属性値のペアの集合として特徴づけた各プロファ
イルデータのスコアを算出し、スコアの高いプロファイ
ルデータを推薦する推薦データ決定ステップと、を実行
させることを特徴とする。このプログラムの詳細は、プ
ロファイル情報の推薦方法と基本的に同じになる。
提供する。この推薦装置は、図1(B)のように、コン
テンツ、サービス、ユーザなどを属性と属性値のペアの
集合として特徴づけたプロファイルデータとして格納す
るプロファイルデータベース18と、複数のプロファイ
ルデータの間に発生した関係を、プロファイルデータの
組として表現した事例として格納する事例データベース
20と、入力として与えられたプロファイルデータに類
似した事例を事例データベース20から検索する事例検
索部32と、出力指定された属性の各属性値に対する重
要度を、事例検索部32で検索された事例集合に対し特
徴的な属性値に高い重要度を与えるように算出する動的
学習部34と、動的学習部34で算出した出力指定され
た属性の各属性値に対する重要度に基づいて、プロファ
イルデータベース18中の各プロファイルデータのスコ
アを算出し、スコアの高いプロファイルデータを推薦す
る推薦データ決定部36とを備えたことを特徴とする。
この推薦装置の詳細も、プロファイル情報の推薦方法と
基本的に同じになる。
ル情報の推薦処理が適用される動作環境の説明図であ
る。
の推薦処理はプロファイル情報処理サーバ10で実行さ
れる。プロファイル情報処理サーバ10に対しては、イ
ンターネット12を介してユーザ装置14−1,14−
2が接続される。
ラウザを備えており、インターネット12を経由して、
プロファイル情報処理サーバ10に対するアクセスによ
り、ユーザ、コンテンツ、サービスなどに関するプロフ
ァイル情報を利用した推薦処理の要求を行う。
は、入力変換ルールデータベース16、プロファイルデ
ータベース18、事例データベース20が接続されてい
る。なお、これらのデータベースはXMLファイルなど
のデータファイルであってもよい。
ドウェア構成としてCPU22、メモリ24及びキャッ
シュ26を備えている。メモリ24には本発明のプロフ
ァイル情報の推薦処理を実行するプログラムがロードさ
れ、これをCPU22で実行することによりプロファイ
ル情報の推薦を実行する。
発明の推薦装置の機能構成のブロック図である。
バ10には、入力変換ルールデータベース16、プロフ
ァイルデータベース18及び事例データベース20及び
出力変換ルールデータベース21が接続されている。ま
たプロファイル情報処理サーバ10には、入力変換部3
0、事例検索部32、動的学習部34、推薦データ決定
部36、観点別推薦部38、推薦理由付与部40及び出
力変換部41が設けられる。
0に対し推薦要求入力28が行われると、この入力に対
応した推薦処理により推薦結果出力42が得られる。
と属性値のペアの集合で表現される任意のデータがプロ
ファイルデータとして格納される。このプロファイルデ
ータとしては、望ましくはユーザやコンテンツ、更には
サービスなどの特徴付けをプロファイルデータとする。
データ44の具体例である。このプロファイルデータ4
4は、あるユーザを特徴付けたプロファイルデータを表
わしており、(年齢、32)や(性別、女性)などの集
合の各要素は、属性と属性値のペアを表わしている。ま
た図5は、あるテニスサークルを特徴付けたプロファイ
ルデータ46を表わしている。
タを説明する。図3の事例データベース20には、プロ
ファイルデータ間に発生した関係をプロファイルデータ
の組で表現した事例データを格納する。
6の事例データ48は、例えば図4の(ID、0010
26)のユーザが、図5のプロファイルデータ46の
(ID、010627)のテニスサークルに加入したと
いう関係を表わす事例である。
50のように、2つのプロファイルデータのIDの組で
表わすことで表現データ量を圧縮することができる。こ
の圧縮された事例データ50について、ID以外の属性
と属性値のペアの内容を知りたい場合は、IDを使用し
てプロファイルデータベース18の検索を行えばよい。
ロファイルデータ間の関係に関する属性と属性値のペア
の情報を付与することができる。例えば図4のプロファ
イルデータ44のユーザが、図5のプロファイルデータ
46のテニスサークルに加入した日が「2002年2月
28日」であった場合、この事例データは図8の事例デ
ータ52のように、プロファイルデータ群の関係に関す
る(Date、20020228)を付与した形で表わ
すことができる。
ークルに関する満足度が例えば80点である場合、図9
の事例データ56のように、プロファイル情報データ間
の満足度に関する属性と属性値のペア情報として(We
ight、0.8)を付与した形で表わすことができ
る。
0に設けた各部の機能による推薦処理を、図10及び図
11のフローチャートを参照して説明する。
てはユーザによる推薦要求入力が行われる。この推薦要
求入力は、 (1)入力となるプロファイルデータの情報 (2)出力の対象となるプロファイル属性の情報 (3)属性値に関する条件指定 の3つが与えられる。なお、最後の属性値に関する条件
指定が与えられなくとも推薦処理は可能である。
solute」と「Prohibit」の2種類があ
る。「Absolute」は絶対満足すべき属性値を指
定する。これに対し「Prohibit」は禁止される
属性値を指定する。
あったとする。この推薦要求入力58は、年齢が35歳
で性別が女性のユーザに、年会費が1万円以上2万円以
下で、年齢分布が中高年中心でないテニスサークルを推
薦する推薦要求入力であることを意味している。
次のステップS2で図3の入力変換ルールデータベース
16の中に推薦要求入力にマッチするルールが存在する
か否かを調べ、存在する場合には、ステップS3で入力
変換ルールを推薦要求入力に適用して入力の変換を行
う。
ル60が入力変換ルールデータベース16に存在したと
する。この入力変換ルール60は、性別が女性のユーザ
には、性別分布が男性のみのテニスサークルを推薦しな
いという意味である。この入力変換ルール60の条件部
62は、図13(B)のように「ユーザP{(性別、女
性)}」である。
部62にマッチするプロファイルデータが入力された場
合、入力変換ルール60の図13(C)に示す結論部6
4を、図13(D)のように推薦要求入力66の条件指
定に「Prohibit:テニスP{(性別分布、男性
のみ)}」として追加する。
イルデータがマッチした場合に、入力変換ルールの結論
部を推薦要求入力に追加する以外に、削除や置き換えと
いった処理も可能である。
変換ルールデータベース16に格納することにより、推
薦要求入力を行ったユーザにとって相応しくないプロフ
ァイルデータを推薦できないように制御したり、推薦要
求入力を行ったユーザに適したプロファイルデータを推
薦するように制御することが可能となる。
は、推薦要求入力として与えられたプロファイルデータ
と事例データベース20の中の事例データとの類似度を
算出し、類似事例データの決定を行う。この類似事例デ
ータの決定は、類似度の高い事例データから利用者指定
の件数分を類似事例データとしてもよいし、利用者が指
定した類似度の閾値で区切ってもよい。
と事例データとの類似度の算出は、公知の手法を使用す
ることができる。例えば入力されたプロファイルデータ
xに対する事例データyの類似度は、次の関数を用いて
算出することができる。
定された属性数を示しており、xiはプロファイルデー
タxにおける属性iの値、yiは事例データyにおける
属性iの値を示している。またwiは属性iの重みであ
り、利用者が指定したり事例データベース20の事例情
報を用いて装置側で自動的に決定することができる。δ
は距離測度であり、属性iが離散値をとる場合、属性値
xiとyiのハミング距離などで定義でき、属性iが連
続値をとる場合は正規化ユークリッド距離などで定義で
きる。
ータ間の関係に関する属性と属性値のペア情報(Wei
ght、0.8)が事例データに付与されている場合、
この情報を類似度に加味することが可能となる。例えば
(1)式の関数を用いて算出した類似度にユーザの満足
度を示す属性値に、Weightの値(0.8)を乗じ
たものを、最終的な類似度とすることができる。
ロファイルに類似した事例データを検索することによっ
て入力プロファイルデータに類似した事例データを決定
しているため、プロファイルデータや事例データの追
加、削除、更新に伴う環境の変化に柔軟に適応し、入力
プロファイルデータに類似した事例データだけを求める
ことができる。
1の推薦要求入力において基底属性値が指定されている
か否かを調べ、指定されている場合にはステップS6の
処理が実行される。
基底属性事例検索の詳細を示したフローチャートであ
る。まずステップS1で、図10のステップS4で検索
した各類似事例データの中に出現する基底属性の属性値
リストを作成する。次にステップS2で、作成したリス
ト中の属性値を含む事例を事例データベース20から再
検索する。
プロファイルデータと出力されるプロファイルデータの
基底属性を通した関連性に基づく推薦を行う場合に指定
される。例えば、あるテニスサークルに加入しているユ
ーザが、加入している合唱サークルを推薦する場合に用
いられる。この場合、基底属性はユーザプロファイルデ
ータのIDとなる。
ロファイルデータ68が与えられ、更に図15(B)の
ように基底属性と出力指定の属性が与えられたとする。
この場合、まず図10のステップS5により、入力とし
て与えられたプロファイルデータ68におけるIDが
「010627」である事例データが検索される。
010627の事例データに出現する基底特性で与えら
れるユーザプロファイルIDのリストを作成する。そし
て次のステップS2で、作成したリスト中のユーザプロ
ファイルIDを含む事例データを事例データベース20
から再検索する。この再検索された事例データ中に含ま
れる合唱サークルのプロファイルデータを用い、以後の
処理を通じて合唱サークルが推薦される。
力指定された属性に対する各属性値の重要度を算出す
る。この重要度は、入力として与えられる個々のプロフ
ァイルデータに対し適切な推薦を実現するために、ステ
ップS4またはステップS6で検索された類似事例デー
タの集合に特徴的な属性に、大きな重要度を与えるよう
に算出する。この出力指定された属性に対する各属性値
の重要度は、例えば以下のようにして算出される。
S6で検索された類似事例集合における出力指定された
属性iに対する属性値vの出現確率をPs(i,v)と
表記し、また事例データベース20の中の事例集合にお
ける属性iに対する属性値vの出現確率をPc(i,
v)と表記する。
持つ類似事例集合76、出現確率Pc(i,v)を持つ
事例集合74の関係を示している。即ち、属性iに対す
る属性値vの事例集合74の中に、入力としてのプロフ
ァイルデータ72を中心とした類似事例集合76が存在
することになる。
(i,v)は、属性値vが連続値の場合、離散化して出
現確率を求める。この属性値の離散化による出現確率の
求め方には、図17のような2通りの方法がある。
ニスサークルの年会費を例に取っており、0〜10万円
の連続値を持っている。このような属性値の連続におけ
る離散化に対する第1の方法は、0〜10万円の連続属
性値を例えば2万円間隔で均等に離散化して出現確率を
求める。例えば属性値vがv=3.9万円であったとす
ると、この場合の出現確率は2〜4万円の範囲について
の出現確率、例えば(30/100)を求める。
のように属性値v=3.9万円に対し前後に1万円の幅
を設定し、2.9〜4.9万円の範囲について出現確率
を例えば(40/100)として求める方法である。連
続値の離散化については図17(A)または(B)のい
ずれの方法でもよいが、図17(B)の離散化の方が離
散化誤差が少ないと云える。
値の重要度の第1の算出方法は、検索された事例集合の
中で出現確率の高い属性値が検索された事例集合に特徴
的な属性値であると仮定し、属性iに対する属性値vの
重要度IV(i,v)を次式で求める。
法は、検索された事例集合における出現確率Ps(i,
v)と、事例データベース20の中の事例集合における
出現確率Pc(i,v)の残差として、次式で重要度を
算出する。
は、検索された事例集合における属性値iの出現分布に
関する事例データベース20の中の事例集合における属
性値iの出現分布の負のエントロピーの属性値の対応値
として、次式で属性値の重要度を算出する。
表わされる。
いて、出力指定された属性とその属性値に対応する項を
抽出したものが、(4)式の負のエントロピーの属性値
の対応値を与えている。なお負のエントロピーについて
は、「情報量統計学、坂元慶行、石黒真木夫、北川源四
郎(共立出版)」を参照されたい。
7において算出された出力指定された属性に対する各属
性値の重要度を用いて、プロファイルデータベース18
の中の各プロファイルデータのスコアを算出する。ここ
でスコアは、各プロファイルデータに出現する属性値に
対応する重要度の総和を求めることで算出される。
ース18の中のプロファイルデータにあるため、事例デ
ータベース20の事例データには出現しないプロファイ
ルデータも推薦される可能性がある。もちろん処理を効
率化するため、ステップS4またはS6で検索された事
例データに出現するプロファイルデータだけを対象にス
コアを算出することも可能である。
は、ステップS7で算出された重要度が負の値をとる属
性値に対してはスコア計算から除外する。また入力とし
て与えられた条件指定を満足しないプロファイルデータ
の値は0とする。更に、入力として与えられたプロファ
イルデータのID値を含む事例データに出現するプロフ
ァイルデータのスコアを0とし、入力としてのプロファ
イルデータが推薦結果として出されてしまうことを回避
する。
た属性の属性値ごとに、推薦するプロファイルデータを
分けて出力する観点別の出力指定が行われているか否か
を調べ、観点別の出力指定が行われていない場合にはス
テップS10に進み、行われている場合にはステップS
11に進む。
したスコアの高い各プロファイルデータを推薦するプロ
ファイルデータとして決定する。ここで、スコアが高い
プロファイルデータから利用者指定の個数分を推薦して
もよいし、利用者指定のスコアの閾値で区切ってもよ
い。
場合のステップS11の処理にあっては、推薦するプロ
ファイルデータを分けて出力するための観点属性を、出
力指定された属性の中から選択する。選択する観点属性
としては、個々の入力プロファイルデータに対して、そ
の属性の属性値のどれが重要であるか分からないような
属性、例えばステップS8で算出されたスコアが同程度
の属性を観点属性として選択するのが、利用者にとって
最も有益であると考えられる。
(i)が最小となる属性、換言すると自由度が最大とな
る属性を観点属性として選択する。また観点属性の候補
集合が指定されている場合は、その候補集合中で非自由
度NF(i)の値が最小となる属性を観点属性として選
択する。
ステップS4やステップS6で検索された事例集合にお
ける出力指定された属性iに対する属性値vの出現確率
をPs(i,v)と表記し、事例データベース20の事
例集合における属性iに対する属性値vの出現確率をP
c(i,v)と表記する。また属性値が連続値をとる場
合は、離散化して出現確率を算出する。また属性iに対
する属性値vの出現確率の平均をE(i)と表記する。
(i)は、次式により属性iの属性値の分散として算出
される。
ある。
は、次式により出現確率Ps(i,v)とPc(i,
v)の残差の二乗和として算出することもできる。
中の属性iに対する属性値の分布に関する事例データベ
ース20の中の事例集合における属性値iに対する属性
値の分布のKullback−Leibler情報量と
して、次式により算出することもできる。
で選択した観点属性に対する属性値ごとに分けて、ステ
ップS8で算出した各プロファイルデータのスコアが高
いものを、推薦するプロファイルデータとして決定す
る。ここで、スコアが高いプロファイルデータから利用
者指定の個数分を推薦してもよいし、利用者指定のスコ
アの閾値で区切ってもよい。
力が指定されているか否かを調べ、指定されていればス
テップS14に進み、指定されていなければ、ステップ
S15で推薦するプロファイルデータを出力する。ステ
ップS15では、図3の出力変換ルールデータベース2
5の中に、推薦出力結果にマッチするルールが存在する
か否かを調べ、存在する場合には、ステップS16で出
力変換ルールを推薦出力結果に適用して、出力の変換を
行う。
ル98が出力ルールデータベース25に存在したとす
る。この出力変換ルール98は、IDが001225の
テニスサークルは、推薦の結果から削除するという意味
である。この出力変換ルール98の条件部100は、図
18(B)のように「テニスP{(ID,00122
5)}」である。そして、図18(C)のように、出力
変換ルール98の条件部100にマッチする推薦結果1
02が与えられた場合、図18(D)の推薦結果104
のように、IDが001225となるテニスサークルを
削除して出力する。
除以外に、追加や置き換えといった処理を記述すること
も可能である。
力変換ルールデータベース25に格納することにより、
すでに存在しない推薦結果を削除したり、新しく発行さ
れたIDに置き換えたり、URLなどの情報を推薦結果
に付与したりするなど、推薦結果の出力を制御すること
が可能となる。
した出力属性の各属性値に対する重要度の高い属性値を
推薦の理由となった属性値として選定し、対応する属性
とその属性値のペアとして推薦するプロファイルデータ
に付与する。
具体例である。図19の推薦結果出力画面78にあって
は、引越し前の情報80を使用したテニスサークルの推
薦結果82を表示している。また推薦結果82にあって
は、観点別の出力をスコアの高い順に3つ出している。
また引越し前の情報80や推薦結果82中に表示されて
いる各テニスサークルは、出力変換ルールを用いてハイ
パーリンクの情報が付与されている。更に、入力変換ル
ールを用いてキャンペーン情報84の出力も行われてい
る。
の他の具体例であり、幼稚園の推薦結果が出力された場
合である。図20の推薦結果出力画面86にあっては、
引越し前の情報88を使用して推薦結果90を出してお
り、この推薦結果90には「ポイント」として推薦理由
が付与されている。
いる「これも!」と表記されたボタン92を操作する
と、図21の「eee幼稚園」に基づく関連推薦の推薦
結果出力画面94を表示することができる。この関連推
薦により、利用者が出力対象として指定していないよう
な関連する推薦結果96を得ることができ、利用者に有
効な推薦結果を適切に提供することができる。
るまでの過程で得られる検索された事例、属性値の重要
度、属性の自由度は、利用者の指定により必要に応じて
出力することができる。また本発明は対応する図面に関
連して説明されているが、本発明はこれらの実施形態に
限定されるものではなく、本発明の範囲または趣旨から
逸脱することのない様々な他の変形及び変更が可能であ
る。また本発明は上記の実施形態に示した数値による限
定は受けない。
と属性値のペアの集合として特徴づけたプロファイルデ
ータとして格納したプロファイルデータベースと、複数
のプロファイルデータの間に発生した関係を、プロファ
イルデータの組として表現した事例として格納した事例
データベースを用いたプロファイル情報の推薦方法に於
いて、入力としてのプロファイルデータと、出力の対象
となるプロファイル属性を少なくとも指定して入力する
入力ステップと、入力として与えられたプロファイルデ
ータに類似した事例を、前記事例データベースから検索
する事例検索ステップと、出力の対象として指定された
属性の各属性値に対する重要度を、前記事例検索ステッ
プで検索された事例集合に対し特徴的な属性値に高い重
要度を与えるように算出する動的学習ステップと、前記
動的学習ステップで算出した出力指定された属性の各属
性値に対する重要度に基づいて、前記プロファイルデー
タベース中の各プロファイルデータのスコアを算出し、
スコアの高いプロファイルデータを推薦する推薦データ
決定ステップと、を備えたことを特徴とするプロファイ
ル情報の推薦方法。(1)
の推薦方法に於いて、前記動的学習ステップは、出力指
定された属性の各属性値の重要度を、前記事例検索ステ
ップで検索した類似事例集合における属性値の出現確率
として算出することを特徴とするプロファイル情報の推
薦方法。(2)
の推薦方法に於いて、前記動的学習ステップは、出力指
定された属性の各属性値の重要度を、前記事例データベ
ース中の出力指定された属性の事例集合における属性値
の出現確率と、前記事例検索ステップで検索された類似
事例集合における属性値の出現確率との残差として算出
することを特徴とするプロファイル情報の推薦方法。
の推薦方法に於いて、前記動的学習ステップは、出力指
定された属性の各属性値の重要度を、前記事例検索ステ
ップで検索された類似事例集合における出力指定された
各属性の属性値の分布に関する前記事例データベース中
の事例集合における出力指定された属性の属性値の分布
の負のエントロピーにおける各属性値に対応する値とし
て算出することを特徴とするプロファイル情報の推薦方
法。
の推薦方法に於いて、更に、前記推薦データ決定ステッ
プで推薦する各プロファイルデータに出現する属性値の
中から、前記動的学習ステップで算出した重要度の高い
属性値を、前記プロファイルデータを推薦する理由とな
る属性値として選択し、選択した前記属性値の情報を前
記プロファイルデータに付与して推薦する推薦理由付与
ステップを設けたことを特徴とするプロファイル情報の
推薦方法。(3)
の推薦方法に於いて、更に、出力指定された各属性に対
して、前記事例検索ステップで検索した事例集合におけ
る最も自由度が高い属性を選択し、前記推薦データ決定
ステップで算出したスコアが高いプロファイルデータ
を、選択した当該属性の属性値毎に分けて推薦する観点
別推薦ステップを設けたことを特徴とするプロファイル
情報の推薦方法。(4)
の推薦方法に於いて、前記観点別推薦ステップは、出力
指定された各属性に対して前記事例検索ステップで検索
した事例集合における前記属性の属性値の出現確率の分
散を算出し、前記分散が最小となる属性を、推薦におい
て最も自由度が高い属性として選択し、前記推薦データ
決定ステップで算出した前記スコアが高いプロファイル
データを、選択した前記属性の属性値毎に分けて推薦す
ることを特徴とするプロファイル情報の推薦方法。
(5)
の推薦方法に於いて、前記観点別推薦ステップは、前記
事例データベース中の事例集合における出力指定された
各属性の属性値の出現確率と前記事例検索ステップで検
索した類似事例集合における前記属性の属性値の出現確
率との残差の二乗和を算出し、前記残差の二乗和が最小
となる属性を、推薦において最も自由度が高い属性とし
て選択し、前記推薦データ決定ステップで算出したスコ
アが高いプロファイルデータを、選択した前記属性の属
性値毎に分けて推薦することを特徴とするプロファイル
情報の推薦方法。
の推薦方法に於いて、前記観点別推薦ステップは、出力
指定された各属性に対して前記事例検索ステップで検索
した類似事例集合における前記属性の属性値の分布に関
する事例データベース中の出力指定された属性の事例集
合における前記属性の属性値の分布のKullback-Leibler
情報量を算出し、前記Kullback-Leibler情報量が最小と
なる属性を推薦において最も自由度が高い属性として選
択し、前記推薦データ決定ステップで算出したスコアが
高いプロファイルデータを、選択した前記属性の属性値
毎に分けて推薦することを特徴とするプロファイル情報
の推薦方法。
報の推薦方法に於いて、前記事例検索ステップは、入力
として与えられたプロファイルデータに類似した事例を
検索すると共に、前記類似事例中に出現する基底属性と
して指定された属性の属性値のリストを作成し、前記リ
ストに含まれる基底属性の属性値が出現する類似した事
例を前記事例データベースから再検索することを特徴と
するプロファイル情報の推薦方法。(6)
報の推薦方法に於いて、更に、入力情報の変換を行うル
ールを格納する入力変換ルールベースの中のルールを適
用して入力情報を変換する入力変換ステップを設けたこ
とを特徴とするプロファイル情報の推薦方法。(7)
報の推薦方法に於いて、更に、出力結果の変換を行うル
ールを格納する出力変換ルールベースの中のルールを適
用して出力結果を変換する出力変換ステップを設けたこ
とを特徴とするプロファイル情報の推薦方法。(8)
の属性と属性値のペアの集合として特徴づけられたプロ
ファイルデータと、出力の対象となるプロファイル属性
を少なくとも指定して入力する入力ステップと、入力と
して与えられたプロファイルデータに類似した事例を、
複数のプロファイルデータの間に発生した関係をプロフ
ァイルデータの組として表現した事例として格納した事
例データベースから検索する事例検索ステップと、出力
の対象として指定された属性の各属性値に対する重要度
を、前記事例検索ステップで検索された事例集合に対し
特徴的な属性値に高い重要度を与えるように算出する動
的学習ステップと、前記動的学習ステップで算出した出
力指定された属性の各属性値に対する重要度に基づい
て、前記プロファイルデータベース中の属性と属性値の
ペアの集合として特徴づけた各プロファイルデータのス
コアを算出し、スコアの高いプロファイルデータを推薦
する推薦データ決定ステップと、を実行させることを特
徴とするプログラム。(9)
於いて、前記動的学習ステップは、出力指定された属性
の各属性値の重要度を、前記事例検索ステップで検索し
た類似事例集合における属性値の出現確率として算出す
ることを特徴とするプログラム。
於いて、前記動的学習ステップは、出力指定された属性
の各属性値の重要度を、前記事例データベース中の出力
指定された属性の事例集合における属性値の出現確率
と、前記事例検索ステップで検索された類似事例集合に
おける属性値の出現確率との残差として算出することを
特徴とするプログラム。
於いて、前記動的学習ステップは、出力指定された属性
の各属性値の重要度を、前記事例検索ステップで検索さ
れた類似事例集合における出力指定された各属性の属性
値の分布に関する前記事例データベース中の事例集合に
おける出力指定された属性の属性値の分布の負のエント
ロピーにおける各属性値に対応する値として算出するこ
とを特徴とするプログラム。
於いて、更に、前記推薦データ決定ステップで推薦する
各プロファイルデータに出現する属性値の中から、前記
動的学習ステップで算出した重要度の高い属性値を、前
記プロファイルデータを推薦する理由となる属性値とし
て選択し、選択した前記属性値の情報を前記プロファイ
ルデータに付与して推薦する推薦理由付与ステップを設
けたことを特徴とするプログラム。
於いて、更に、出力指定された各属性に対して、前記事
例検索ステップで検索した事例集合における最も自由度
が高い属性を選択し、前記推薦データ決定ステップで算
出したスコアが高いプロファイルデータを、選択した当
該属性の属性値毎に分けて推薦する観点別推薦ステップ
を設けたことを特徴とするプログラム。
於いて、前記観点別推薦ステップは、出力指定された各
属性に対して前記事例検索ステップで検索した事例集合
における前記属性の属性値の出現確率の分散を算出し、
前記分散が最小となる属性を、推薦において最も自由度
が高い属性として選択し、前記推薦データ決定ステップ
で算出した前記スコアが高いプロファイルデータを、選
択した前記属性の属性値毎に分けて推薦することを特徴
とするプログラム。
於いて、前記観点別推薦ステップは、前記事例データベ
ース中の事例集合における出力指定された各属性の属性
値の出現確率と前記事例検索ステップで検索した類似事
例集合における前記属性の属性値の出現確率との残差の
二乗和を算出し、前記残差の二乗和が最小となる属性
を、推薦において最も自由度が高い属性として選択し、
前記推薦データ決定ステップで算出したスコアが高いプ
ロファイルデータを、選択した前記属性の属性値毎に分
けて推薦することを特徴とするプログラム。
於いて、前記観点別推薦ステップは、出力指定された各
属性に対して前記事例検索ステップで検索した類似事例
集合における前記属性の属性値の分布に関する事例デー
タベース中の出力指定された属性の事例集合における前
記属性の属性値の分布のKullback-Leibler情報量を算出
し、前記Kullback-Leibler情報量が最小となる属性を推
薦において最も自由度が高い属性として選択し、前記推
薦データ決定ステップで算出したスコアが高いプロファ
イルデータを、選択した前記属性の属性値毎に分けて推
薦することを特徴とするプログラム。
於いて、前記事例検索ステップは、入力として与えられ
たプロファイルデータに類似した事例を検索すると共
に、前記類似事例中に出現する基底属性として指定され
た属性の属性値のリストを作成し、前記リストに含まれ
る基底属性の属性値が出現する類似した事例を前記事例
データベースから再検索することを特徴とするプログラ
ム。
於いて、更に、入力情報の変換を行うルールを格納する
入力変換ルールベースの中のルールを適用して入力情報
を変換する入力変換ステップを設けたことを特徴とする
プログラム。
於いて、更に、出力結果の変換を行うルールを格納する
出力変換ルールベースの中のルールを適用して出力結果
を変換する出力変換ステップを設けたことを特徴とする
プログラム。
ザなどを、属性と属性値のペアの集合として特徴づけた
プロファイルデータとして格納するプロファイルデータ
ベースと、複数のプロファイルデータの間に発生した関
係を、プロファイルデータの組として表現した事例とし
て格納する事例データベースと、入力として与えられた
プロファイルデータに類似した事例を、前記事例データ
ベースから検索する事例検索部と、出力の対象として指
定された属性の各属性値に対する重要度を、前記事例検
索部で検索された事例集合に対し特徴的な属性値に高い
重要度を与えるように算出する動的学習部と、前記動的
学習部で算出した出力指定された属性の各属性値に対す
る重要度に基づいて、前記プロファイルデータベース中
の各プロファイルデータのスコアを算出し、スコアの高
いプロファイルデータを推薦する推薦データ決定部と、
を備えたことを特徴とするプロファイル情報の推薦装
置。(10)
情報の推薦装置に於いて、前記動的学習部は、出力指定
された属性の各属性値の重要度を、前記事例検索部で検
索した類似事例集合における属性値の出現確率として算
出することを特徴とするプロファイル情報の推薦装置。
情報の推薦装置に於いて、前記動的学習部は、出力指定
された属性の各属性値の重要度を、前記事例データベー
ス中の出力指定された属性の事例集合における属性値の
出現確率と、前記事例検索部で検索された類似事例集合
における属性値の出現確率との残差として算出すること
を特徴とするプロファイル情報の推薦装置。
情報の推薦装置に於いて、前記動的学習部は、出力指定
された属性の各属性値の重要度を、前記事例検索部で検
索された類似事例集合における出力指定された各属性の
属性値の分布に関する前記事例データベース中の事例集
合における出力指定された属性の属性値の分布の負のエ
ントロピーにおける各属性値に対応する値として算出す
ることを特徴とするプロファイル情報の推薦装置。
情報の推薦装置に於いて、更に、前記推薦データ決定部
で推薦する各プロファイルデータに出現する属性値の中
から、前記動的学習部で算出した重要度の高い属性値
を、前記プロファイルデータを推薦する理由となる属性
値として選択し、選択した前記属性値の情報を前記プロ
ファイルデータに付与して推薦する推薦理由付与部を設
けたことを特徴とするプロファイル情報の推薦装置。
情報の推薦装置に於いて、更に、出力指定された各属性
に対して、前記事例検索部で検索した事例集合における
最も自由度が高い属性を選択し、前記推薦データ決定部
で算出したスコアが高いプロファイルデータを、選択し
た当該属性の属性値毎に分けて推薦する観点別推薦部を
設けたことを特徴とするプロファイル情報の推薦装置。
情報の推薦装置に於いて、前記観点別推薦部は、出力指
定された各属性に対して前記事例検索部で検索した事例
集合における前記属性の属性値の出現確率の分散を算出
し、前記分散が最小となる属性を、推薦において最も自
由度が高い属性として選択し、前記推薦データ決定部で
算出した前記スコアが高いプロファイルデータを、選択
した前記属性の属性値毎に分けて推薦することを特徴と
するプロファイル情報の推薦装置。
情報の推薦装置に於いて、前記観点別推薦部は、前記事
例データベース中の事例集合における出力指定された各
属性の属性値の出現確率と前記事例検索部で検索した類
似事例集合における前記属性の属性値の出現確率との残
差の二乗和を算出し、前記残差の二乗和が最小となる属
性を、推薦において最も自由度が高い属性として選択
し、前記推薦データ決定部で算出したスコアが高いプロ
ファイルデータを、選択した前記属性の属性値毎に分け
て推薦することを特徴とするプロファイル情報の推薦装
置。
情報の推薦装置に於いて、前記観点別推薦部は、出力指
定された各属性に対して前記事例検索部で検索した類似
事例集合における前記属性の属性値の分布に関する事例
データベース中の出力指定された属性の事例集合におけ
る前記属性の属性値の分布のKullback-Leibler情報量を
算出し、前記Kullback-Leibler情報量が最小となる属性
を推薦において最も自由度が高い属性として選択し、前
記推薦データ決定部で算出したスコアが高いプロファイ
ルデータを、選択した前記属性の属性値毎に分けて推薦
することを特徴とするプロファイル情報の推薦装置。
情報の推薦装置に於いて、前記事例検索部は、入力とし
て与えられたプロファイルデータに類似した事例を検索
すると共に、前記類似事例中に出現する基底属性として
指定された属性の属性値のリストを作成し、前記リスト
に含まれる基底属性の属性値が出現する類似した事例を
前記事例データベースから再検索することを特徴とする
プロファイル情報の推薦装置。
情報の推薦装置に於いて、更に、入力情報の変換を行う
ルールを格納する入力変換ルールベースと、前記入力変
換ルールベース中のルールを適用して入力情報を変換す
る入力変換部と、を設けたことを特徴とするプロファイ
ル情報の推薦装置。
情報の推薦装置に於いて、更に、出力結果の変換を行う
ルールを格納する出力変換ルールベースの中のルールを
適用して出力結果を変換する出力変換ステップを設けた
ことを特徴とするプロファイル情報の推薦装置。
ば、入力プロファイルデータに類似した事例を検索し、
検索された事例を用いてプロファイル属性の重要度の動
的な学習に基づいた推薦を行うため、低い運用コストで
プロファイルデータや事例データの変化に適応してユー
ザに最適な推薦を行うことができる。
プロファイルデータを対象に重要度を用いてスコアを算
出しているため、ユーザにとって有用であれば、新規の
プロファイルデータであってもこれを推薦することが可
能となる。
推薦結果を分けて提示することで、推薦されたプロファ
イルデータが有用であるか否かの判断を利用者が容易に
行うことができる。
のブロック図
を特徴づけたプロファイルデータの説明図
サークルを特徴づけたプロファイルデータの説明図
明図
データの説明図
値を付与した事例データの説明図
ローチャート
ート
の説明図
換の説明図
底属性に基づく事例検索の詳細のフローチャート
事例集合と検索された類似事例集合の説明図
指定された基底属性及び出力指定属性の説明図
散化方法の説明図
換の説明図
力された出力画面の説明図
出力画面の説明図
推薦結果の出力画面の説明図
Claims (10)
- 【請求項1】コンテンツ、サービス、ユーザなどを、属
性と属性値のペアの集合として特徴づけたプロファイル
データとして格納したプロファイルデータベースと、複
数のプロファイルデータの間に発生した関係を、プロフ
ァイルデータの組として表現した事例として格納した事
例データベースを用いたプロファイル情報の推薦方法に
於いて、 入力としてのプロファイルデータと、出力の対象となる
プロファイル属性を少なくとも指定して入力する入力ス
テップと、 入力として与えられたプロファイルデータに類似した事
例を、前記事例データベースから検索する事例検索ステ
ップと、 出力の対象として指定された属性の各属性値に対する重
要度を、前記事例検索ステップで検索された事例集合に
対し特徴的な属性値に高い重要度を与えるように算出す
る動的学習ステップと、 前記動的学習ステップで算出した出力指定された属性の
各属性値に対する重要度に基づいて、前記プロファイル
データベース中の各プロファイルデータのスコアを算出
し、スコアの高いプロファイルデータを推薦する推薦デ
ータ決定ステップと、を備えたことを特徴とするプロフ
ァイル情報の推薦方法。 - 【請求項2】請求項1記載のプロファイル情報の推薦方
法に於いて、前記動的学習ステップは、出力指定された
属性の各属性値の重要度を、前記事例検索ステップで検
索した類似事例集合における属性値の出現確率として算
出することを特徴とするプロファイル情報の推薦方法。 - 【請求項3】請求項1記載のプロファイル情報の推薦方
法に於いて、更に、前記推薦データ決定ステップで推薦
する各プロファイルデータに出現する属性値の中から、
前記動的学習ステップで算出した重要度の高い属性値
を、前記プロファイルデータを推薦する理由となる属性
値として選択し、選択した前記属性値の情報を前記プロ
ファイルデータに付与して推薦する推薦理由付与ステッ
プを設けたことを特徴とするプロファイル情報の推薦方
法。 - 【請求項4】請求項1記載のプロファイル情報の推薦方
法に於いて、更に、出力指定された各属性に対して、前
記事例検索ステップで検索した事例集合における最も自
由度が高い属性を選択し、前記推薦データ決定ステップ
で算出したスコアが高いプロファイルデータを、選択し
た当該属性の属性値毎に分けて推薦する観点別推薦ステ
ップを設けたことを特徴とするプロファイル情報の推薦
方法。 - 【請求項5】請求項4記載のプロファイル情報の推薦方
法に於いて、前記観点別推薦ステップは、出力指定され
た各属性に対して前記事例検索ステップで検索した事例
集合における前記属性の属性値の出現確率の分散を算出
し、前記分散が最小となる属性を、推薦において最も自
由度が高い属性として選択し、前記推薦データ決定ステ
ップで算出した前記スコアが高いプロファイルデータ
を、選択した前記属性の属性値毎に分けて推薦すること
を特徴とするプロファイル情報の推薦方法。 - 【請求項6】請求項1記載のプロファイル情報の推薦方
法に於いて、前記事例検索ステップは、入力として与え
られたプロファイルデータに類似した事例を検索すると
共に、前記類似事例中に出現する基底属性として指定さ
れた属性の属性値のリストを作成し、前記リストに含ま
れる基底属性の属性値が出現する類似した事例を前記事
例データベースから再検索することを特徴とするプロフ
ァイル情報の推薦方法。 - 【請求項7】請求項1記載のプロファイル情報の推薦方
法に於いて、更に、入力情報の変換を行うルールを格納
する入力変換ルールベースの中のルールを適用して入力
情報を変換する入力変換ステップを設けたことを特徴と
するプロファイル情報の推薦方法。 - 【請求項8】請求項1記載のプロファイル情報の推薦方
法に於いて、更に、出力結果の変換を行うルールを格納
する出力変換ルールベースの中のルールを適用して出力
結果を変換する出力変換ステップを設けたことを特徴と
するプロファイル情報の推薦方法。 - 【請求項9】コンピュータに、 入力としての属性と属性値のペアの集合として特徴づけ
られたプロファイルデータと、出力の対象となるプロフ
ァイル属性を少なくとも指定して入力する入力ステップ
と、 入力として与えられたプロファイルデータに類似した事
例を、複数のプロファイルデータの間に発生した関係を
プロファイルデータの組として表現した事例として格納
した事例データベースから検索する事例検索ステップ
と、 出力の対象として指定された属性の各属性値に対する重
要度を、前記事例検索ステップで検索された事例集合に
対し特徴的な属性値に高い重要度を与えるように算出す
る動的学習ステップと、 前記動的学習ステップで算出した出力指定された属性の
各属性値に対する重要度に基づいて、前記プロファイル
データベース中の属性と属性値のペアの集合として特徴
づけた各プロファイルデータのスコアを算出し、スコア
の高いプロファイルデータを推薦する推薦データ決定ス
テップと、を実行させることを特徴とするプログラム。 - 【請求項10】コンテンツ、サービス、ユーザなどを、
属性と属性値のペアの集合として特徴づけたプロファイ
ルデータとして格納するプロファイルデータベースと、
複数のプロファイルデータの間に発生した関係を、プロ
ファイルデータの組として表現した事例として格納する
事例データベースと、 入力として与えられたプロファイルデータに類似した事
例を、前記事例データベースから検索する事例検索部
と、 出力の対象として指定された属性の各属性値に対する重
要度を、前記事例検索部で検索された事例集合に対し特
徴的な属性値に高い重要度を与えるように算出する動的
学習部と、 前記動的学習部で算出した出力指定された属性の各属性
値に対する重要度に基づいて、前記プロファイルデータ
ベース中の各プロファイルデータのスコアを算出し、ス
コアの高いプロファイルデータを推薦する推薦データ決
定部と、を備えたことを特徴とするプロファイル情報の
推薦装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002071823A JP4098539B2 (ja) | 2002-03-15 | 2002-03-15 | プロファイル情報の推薦方法、プログラム及び装置 |
US10/265,327 US20030177110A1 (en) | 2002-03-15 | 2002-10-07 | Profile information recommendation method, program and apparatus |
EP02257219A EP1345131A3 (en) | 2002-03-15 | 2002-10-17 | Profile information recommendation method, program and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002071823A JP4098539B2 (ja) | 2002-03-15 | 2002-03-15 | プロファイル情報の推薦方法、プログラム及び装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003271640A true JP2003271640A (ja) | 2003-09-26 |
JP4098539B2 JP4098539B2 (ja) | 2008-06-11 |
Family
ID=27764552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002071823A Expired - Fee Related JP4098539B2 (ja) | 2002-03-15 | 2002-03-15 | プロファイル情報の推薦方法、プログラム及び装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20030177110A1 (ja) |
EP (1) | EP1345131A3 (ja) |
JP (1) | JP4098539B2 (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005056359A (ja) * | 2003-08-07 | 2005-03-03 | Sony Corp | 情報処理装置および方法、プログラム、並びに記録媒体 |
JP2006190127A (ja) * | 2005-01-07 | 2006-07-20 | Sony Corp | 情報処理装置および方法、並びにプログラム |
JP2010118086A (ja) * | 2010-03-04 | 2010-05-27 | Sony Corp | 情報処理装置および方法、プログラム、並びに記録媒体 |
JP2010134733A (ja) * | 2008-12-05 | 2010-06-17 | Dainippon Printing Co Ltd | 情報推薦装置、情報推薦方法、及びプログラム |
JP2010210245A (ja) * | 2009-03-06 | 2010-09-24 | Nec Corp | データ類似度計算方法、システム、およびプログラム |
WO2013080599A1 (ja) * | 2011-11-30 | 2013-06-06 | 楽天株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
JP2015513736A (ja) * | 2012-02-21 | 2015-05-14 | ウーヤラ インコーポレイテッド | コンテンツの自動推奨 |
JP2019517691A (ja) * | 2016-06-13 | 2019-06-24 | アリババ グループ ホウルディング リミテッド | 1つまたは複数の格納されたつながり関係および1つまたは複数のルールセットに基づいて評価データの処理および表示を行うための方法およびシステム |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004194108A (ja) * | 2002-12-12 | 2004-07-08 | Sony Corp | 情報処理装置および情報処理方法、記録媒体、並びにプログラム |
JP2005196469A (ja) * | 2004-01-07 | 2005-07-21 | Sony Corp | データ表示サーバ,データ表示方法,およびそのプログラム |
JP2006134236A (ja) * | 2004-11-09 | 2006-05-25 | Canon Inc | プロファイル取得方法、装置、プログラム、および、記憶媒体 |
US8244689B2 (en) * | 2006-02-17 | 2012-08-14 | Google Inc. | Attribute entropy as a signal in object normalization |
US7769579B2 (en) | 2005-05-31 | 2010-08-03 | Google Inc. | Learning facts from semi-structured text |
US8682913B1 (en) | 2005-03-31 | 2014-03-25 | Google Inc. | Corroborating facts extracted from multiple sources |
US7587387B2 (en) | 2005-03-31 | 2009-09-08 | Google Inc. | User interface for facts query engine with snippets from information sources that include query terms and answer terms |
US9208229B2 (en) | 2005-03-31 | 2015-12-08 | Google Inc. | Anchor text summarization for corroboration |
US7739284B2 (en) * | 2005-04-20 | 2010-06-15 | International Business Machines Corporation | Method and apparatus for processing data streams |
US7567976B1 (en) * | 2005-05-31 | 2009-07-28 | Google Inc. | Merging objects in a facts database |
US8996470B1 (en) | 2005-05-31 | 2015-03-31 | Google Inc. | System for ensuring the internal consistency of a fact repository |
US7831545B1 (en) | 2005-05-31 | 2010-11-09 | Google Inc. | Identifying the unifying subject of a set of facts |
US7991797B2 (en) | 2006-02-17 | 2011-08-02 | Google Inc. | ID persistence through normalization |
US8260785B2 (en) | 2006-02-17 | 2012-09-04 | Google Inc. | Automatic object reference identification and linking in a browseable fact repository |
US8700568B2 (en) | 2006-02-17 | 2014-04-15 | Google Inc. | Entity normalization via name normalization |
JP4179341B2 (ja) * | 2006-06-01 | 2008-11-12 | ソニー株式会社 | 情報処理装置および方法、プログラム、並びに記録媒体 |
US8122026B1 (en) | 2006-10-20 | 2012-02-21 | Google Inc. | Finding and disambiguating references to entities on web pages |
US7590615B2 (en) * | 2006-12-11 | 2009-09-15 | Yahoo! Inc. | Systems and methods for providing cross-vertical profiling and searching |
US8347202B1 (en) | 2007-03-14 | 2013-01-01 | Google Inc. | Determining geographic locations for place names in a fact repository |
US8239350B1 (en) | 2007-05-08 | 2012-08-07 | Google Inc. | Date ambiguity resolution |
US7966291B1 (en) | 2007-06-26 | 2011-06-21 | Google Inc. | Fact-based object merging |
US7970766B1 (en) | 2007-07-23 | 2011-06-28 | Google Inc. | Entity type assignment |
US8738643B1 (en) | 2007-08-02 | 2014-05-27 | Google Inc. | Learning synonymous object names from anchor texts |
US8812435B1 (en) | 2007-11-16 | 2014-08-19 | Google Inc. | Learning objects and facts from documents |
US8650094B2 (en) * | 2008-05-07 | 2014-02-11 | Microsoft Corporation | Music recommendation using emotional allocation modeling |
US8344233B2 (en) * | 2008-05-07 | 2013-01-01 | Microsoft Corporation | Scalable music recommendation by search |
US8786922B2 (en) * | 2008-11-20 | 2014-07-22 | Hewlett-Packard Development Company, L.P. | Print color management |
US9600581B2 (en) * | 2009-02-19 | 2017-03-21 | Yahoo! Inc. | Personalized recommendations on dynamic content |
CN102033886B (zh) * | 2009-09-25 | 2012-07-04 | 香港纺织及成衣研发中心 | 一种织物检索方法及系统 |
US8655938B1 (en) | 2010-05-19 | 2014-02-18 | Adobe Systems Incorporated | Social media contributor weight |
US8676875B1 (en) | 2010-05-19 | 2014-03-18 | Adobe Systems Incorporated | Social media measurement |
US9710555B2 (en) * | 2010-05-28 | 2017-07-18 | Adobe Systems Incorporated | User profile stitching |
US8996549B2 (en) | 2011-10-11 | 2015-03-31 | Microsoft Technology Licensing, Llc | Recommending data based on user and data attributes |
US8789109B2 (en) * | 2011-10-17 | 2014-07-22 | Electronics And Telecommunications Research Institute | System for recommending favorite channel/program based on TV watching pattern and method thereof |
EP2680209A1 (en) * | 2012-06-29 | 2014-01-01 | Axel Springer Digital TV Guide GmbH | Device and method for automatic generation of a recommendation |
WO2014158204A1 (en) * | 2013-03-13 | 2014-10-02 | Thomson Licensing | Method and apparatus for recommendations with evolving user interests |
IN2014CH00917A (ja) * | 2014-02-24 | 2015-08-28 | Samsung R & D Inst India Bangalore Private Ltd | |
CN112488863B (zh) * | 2020-12-01 | 2024-05-28 | 中国人寿保险股份有限公司 | 一种在用户冷启动场景下的险种推荐方法及相关设备 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5404514A (en) * | 1989-12-26 | 1995-04-04 | Kageneck; Karl-Erbo G. | Method of indexing and retrieval of electronically-stored documents |
US5579471A (en) * | 1992-11-09 | 1996-11-26 | International Business Machines Corporation | Image query system and method |
US6112186A (en) * | 1995-06-30 | 2000-08-29 | Microsoft Corporation | Distributed system for facilitating exchange of user information and opinion using automated collaborative filtering |
US5799301A (en) * | 1995-08-10 | 1998-08-25 | International Business Machines Corporation | Apparatus and method for performing adaptive similarity searching in a sequence database |
US5893095A (en) * | 1996-03-29 | 1999-04-06 | Virage, Inc. | Similarity engine for content-based retrieval of images |
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 |
US5790426A (en) * | 1996-04-30 | 1998-08-04 | Athenium L.L.C. | Automated collaborative filtering system |
US5852823A (en) * | 1996-10-16 | 1998-12-22 | Microsoft | Image classification and retrieval system using a query-by-example paradigm |
US6012051A (en) * | 1997-02-06 | 2000-01-04 | America Online, Inc. | Consumer profiling system with analytic decision processor |
US6356922B1 (en) * | 1997-09-15 | 2002-03-12 | Fuji Xerox Co., Ltd. | Method and system for suggesting related documents |
US6256633B1 (en) * | 1998-06-25 | 2001-07-03 | U.S. Philips Corporation | Context-based and user-profile driven information retrieval |
US6345274B1 (en) * | 1998-06-29 | 2002-02-05 | Eastman Kodak Company | Method and computer program product for subjective image content similarity-based retrieval |
AUPP764398A0 (en) * | 1998-12-11 | 1999-01-14 | Canon Kabushiki Kaisha | Method and apparatus for computing the similarity between images |
US6246982B1 (en) * | 1999-01-26 | 2001-06-12 | International Business Machines Corporation | Method for measuring distance between collections of distributions |
EP1200902A2 (en) * | 1999-07-16 | 2002-05-02 | Agentarts, Inc. | Methods and system for generating automated alternative content recommendations |
US6542889B1 (en) * | 2000-01-28 | 2003-04-01 | International Business Machines Corporation | Methods and apparatus for similarity text search based on conceptual indexing |
US6587848B1 (en) * | 2000-03-08 | 2003-07-01 | International Business Machines Corporation | Methods and apparatus for performing an affinity based similarity search |
JP3342864B2 (ja) * | 2000-09-13 | 2002-11-11 | 株式会社エントロピーソフトウェア研究所 | 音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法 |
US7113943B2 (en) * | 2000-12-06 | 2006-09-26 | Content Analyst Company, Llc | Method for document comparison and selection |
US6738764B2 (en) * | 2001-05-08 | 2004-05-18 | Verity, Inc. | Apparatus and method for adaptively ranking search results |
-
2002
- 2002-03-15 JP JP2002071823A patent/JP4098539B2/ja not_active Expired - Fee Related
- 2002-10-07 US US10/265,327 patent/US20030177110A1/en not_active Abandoned
- 2002-10-17 EP EP02257219A patent/EP1345131A3/en not_active Withdrawn
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005056359A (ja) * | 2003-08-07 | 2005-03-03 | Sony Corp | 情報処理装置および方法、プログラム、並びに記録媒体 |
US9558243B2 (en) | 2005-01-07 | 2017-01-31 | Sony Corporation | Information processing apparatus, information processing method, and program |
JP2006190127A (ja) * | 2005-01-07 | 2006-07-20 | Sony Corp | 情報処理装置および方法、並びにプログラム |
JP4543930B2 (ja) * | 2005-01-07 | 2010-09-15 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
US10592958B2 (en) | 2005-01-07 | 2020-03-17 | Sony Corporation | Information processing apparatus, information processing method, and program |
US8805851B2 (en) | 2005-01-07 | 2014-08-12 | Sony Corporation | Information processing apparatus, information processing method, and program |
JP2010134733A (ja) * | 2008-12-05 | 2010-06-17 | Dainippon Printing Co Ltd | 情報推薦装置、情報推薦方法、及びプログラム |
JP2010210245A (ja) * | 2009-03-06 | 2010-09-24 | Nec Corp | データ類似度計算方法、システム、およびプログラム |
JP2010118086A (ja) * | 2010-03-04 | 2010-05-27 | Sony Corp | 情報処理装置および方法、プログラム、並びに記録媒体 |
WO2013080599A1 (ja) * | 2011-11-30 | 2013-06-06 | 楽天株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
JP2013114568A (ja) * | 2011-11-30 | 2013-06-10 | Rakuten Inc | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
JP2015513736A (ja) * | 2012-02-21 | 2015-05-14 | ウーヤラ インコーポレイテッド | コンテンツの自動推奨 |
JP2019517691A (ja) * | 2016-06-13 | 2019-06-24 | アリババ グループ ホウルディング リミテッド | 1つまたは複数の格納されたつながり関係および1つまたは複数のルールセットに基づいて評価データの処理および表示を行うための方法およびシステム |
Also Published As
Publication number | Publication date |
---|---|
US20030177110A1 (en) | 2003-09-18 |
EP1345131A3 (en) | 2006-04-12 |
EP1345131A2 (en) | 2003-09-17 |
JP4098539B2 (ja) | 2008-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2003271640A (ja) | プロファイル情報の推薦方法、プログラム及び装置 | |
US8046363B2 (en) | System and method for clustering documents | |
US7769771B2 (en) | Searching a document using relevance feedback | |
TWI557664B (zh) | Product information publishing method and device | |
JP5701911B2 (ja) | クエリモデルに基づく誘導検索 | |
US6401087B2 (en) | Information retrieval system, apparatus and method for selecting databases using retrieval terms | |
JP2832988B2 (ja) | データ検索システム | |
JPH07160731A (ja) | 画像検索方法及びその装置 | |
KR101355945B1 (ko) | 온라인 문맥기반 광고 장치 및 방법 | |
JP6664599B2 (ja) | 曖昧性評価装置、曖昧性評価方法、及び曖昧性評価プログラム | |
JP2002014964A (ja) | 情報提供システム及び情報提供方法 | |
TWI461942B (zh) | An ad management apparatus, an advertisement selecting apparatus, an advertisement management method, an advertisement management program, and a recording medium on which an advertisement management program is recorded | |
US9305119B1 (en) | System, apparatus and method for determining correct metadata from community-submitted data | |
JP6203304B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP6219967B2 (ja) | ラベル付非テキスト系アイテムを検索するためのシステム及び方法 | |
JP5281105B2 (ja) | 広告管理装置、広告選択装置、広告管理方法、広告管理プログラム及び広告管理プログラムを記録した記録媒体 | |
JP2002245089A (ja) | ウェブページ検索システム、二次情報収集装置、インターフェース装置 | |
JP3645431B2 (ja) | 情報検索支援装置および情報検索支援プログラム記憶媒体 | |
CN117009667A (zh) | 一种搜索方法、搜索装置以及存储介质 | |
JP2003256472A (ja) | 文書検索システム | |
JP5518665B2 (ja) | 特許検索装置、特許検索方法、およびプログラム | |
JP4128033B2 (ja) | プロファイルデータ検索装置及びプログラム | |
TWI735892B (zh) | 檢索裝置及檢索方法 | |
JPH05266085A (ja) | 動的概念辞書を用いた類似検索方法及びその装置 | |
JP2732661B2 (ja) | テキスト型データベース装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041006 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070809 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070828 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071018 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071120 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071227 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080313 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4098539 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110321 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110321 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120321 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130321 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140321 Year of fee payment: 6 |
|
LAPS | Cancellation because of no payment of annual fees |