JP2004094384A

JP2004094384A - Recommendation device and method for setting taste information

Info

Publication number: JP2004094384A
Application number: JP2002251717A
Authority: JP
Inventors: Ritsuo Shioiri; 塩入　律雄; Yoshiyuki Kawai; 河合　善之
Original assignee: NTT Comware Corp
Current assignee: NTT Comware Corp
Priority date: 2002-08-29
Filing date: 2002-08-29
Publication date: 2004-03-25

Abstract

<P>PROBLEM TO BE SOLVED: To provide a recommendation device for enhancing reliability of taste information on a user being an object for recommending the contents. <P>SOLUTION: A history of the contents transmitted to a user terminal and a category set for classifying the contents are associatively stored in a user behavior history database. The taste information on respective users is generated by making a classification-analysis on the basis of a distribution history of these contents, and is stored in a user database. When distributing an advertisement of the contents, the advertisement is distributed according to a hobby and a taste of the user on the basis of the taste information stored in this user database. The distribution history of the contents stored in the user behavior history database is correlatively analyzed or discriminatingly analyzed, and is stored in an analytical result database, and the advertisement of the contents is distributed to the user terminal on the basis of this analysis. <P>COPYRIGHT: (C)2004,JPO

Description

【０００１】
【発明の属する技術分野】
この発明は、ユーザ端末に広告を配信するレコメンデーション装置に関するものである。
【０００２】
【従来の技術】
従来から、レコメンデーション装置を利用した種種のサービスが行われつつある。例えば、ユーザ自身に趣味や嗜好についてのアンケートに答えてもらい、そのアンケート結果を嗜好情報としてサーバに登録しておき、ユーザの嗜好情報にあわせた推薦コンテンツの広告を各ユーザ端末に送信している。そして、ユーザは、これらの広告を参照し、必要なコンテンツの送信要求を行い、コンテンツを購入している。このアンケートには、例えば、ユーザは、自身の趣味や嗜好に応じたコンテンツのカテゴリ（旅行、音楽、スポーツなど）を選択し、さらに、自身の嗜好の度合いを５段階の中から選択し、嗜好情報として登録している。
【０００３】
【発明が解決しようとする課題】
しかしながら、上述した従来技術によれば、以下のような問題点が生じる。
ケース１）ユーザの嗜好情報から推薦コンテンツを決定する場合
１、アンケートをユーザに答えてもらい、嗜好情報を生成していたので、ユーザがアンケートの回答を誤入力してしまうと、必ずしもユーザの趣味や嗜好にあった推薦コンテンツが送信されるとは限らず、ユーザの趣味や嗜好を反映できない場合がある。すなわち、趣味や嗜好についての情報の信頼性が低い場合がある。２、アンケートを行った後に、しばらく時間が過ぎると、ユーザの趣味や嗜好も変わっていく場合があり、趣味や嗜好についての信頼性が低くなってしまい、また、趣味や嗜好の変化に応じてアンケートを再度行うことは、ユーザにとって手間がかかる。
３、サービス提供側は、効果的に推薦コンテンツを送信するために、嗜好情報がＸのユーザが、コンテンツ１を購入する傾向があることを予め知っておく必要がある。例えば、嗜好情報としてサッカーが設定されているユーザは、サッカーのチケットを購入する傾向があることを知っておく必要がある。
【０００４】
ケース２）効果的に推薦コンテンツを送信するために、嗜好情報によらず、ユーザの購入したコンテンツから推薦コンテンツを決定する場合
１、コンテンツ１を購入する人は、コンテンツ２も合わせて購入する傾向にあることを予め知っておく必要がある。例えば、サッカーチケットを購入するユーザは、サッカーの応援グッズを購入する傾向があることを想定しておく必要がある。
ケース３）あるカテゴリに属するコンテンツを推薦する対象となるユーザを決定する場合
１、ユーザデータの参照機能を利用し、ユーザの嗜好情報Ｘの値がＡ以上などの検索条件に合致したユーザを抽出する場合においては、あるカテゴリに属するコンテンツを購入するユーザは、嗜好情報の値がＸ以上であることをサービス提供者側は、知っておく必要がある。
【０００５】
本発明は、このような事情に鑑みてなされたもので、その目的は、コンテンツを推薦する対象となるユーザの嗜好情報の信頼性を高めることができるレコメンデーション装置を提供することにある。
また、本発明は、ユーザが購入するコンテンツに基づいて、広告の効果を向上させることができるレコメンデーション装置を提供することにある。
【０００６】
【課題を解決するための手段】
上記目的を達成するために、本発明は、ユーザ端末に送信したコンテンツの履歴と該コンテンツを区分するために設定されたカテゴリとを対応付けて記憶するユーザ行動履歴データベースと、前記行動履歴データベースに記憶される情報に基づいて、配信したコンテンツを含むカテゴリの配信回数の分布の類似度が高い配信履歴が集まるように予め指定されたグループ数に応じた複数の分類グループに分類分析する分類分析部と、前記分類分析部の分析結果に基づいてカテゴリにおける配信回数の平均値を演算する配信回数平均値演算部と、前記配信回数平均値演算部の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と前記分類グループにおける全カテゴリの配信回数を平均した平均値との比を各カテゴリ毎に算出する比率算出部と、前記分類グループにユーザを分類し、分類されたグループの各カテゴリの配信回数平均値と前記ユーザに対するコンテンツの配信履歴との近似度を演算する近似度演算部と、前記近似度演算部によって演算された近似度と前記比率算出部によって演算された比とに基づいて、前記分類グループ内のカテゴリ毎に優先度を算出する優先度算出部と、優先度算出部によって算出された優先度と予め設定される係数に基づいて、嗜好値を算出する嗜好値算出部と、前記嗜好値算出部によって算出された嗜好値と、該嗜好値に対応するカテゴリとを対応付けて前記ユーザの嗜好情報として記憶するユーザデータベースと、前記ユーザデータベースに記憶されたユーザの嗜好情報に基づいてコンテンツの広告を配信する配信部と、を有することを特徴とする。
【０００７】
また、本発明は、ユーザ端末にネットワークを介して接続され、カテゴリ毎に分類されたコンテンツの広告を配信するレコメンデーション装置であって、前記ユーザ毎に該ユーザの嗜好に応じたカテゴリが設定されるユーザデータベースと、前記ユーザ端末に送信したコンテンツの履歴を記憶するユーザ行動履歴データベースと、前記ユーザ端末に広告を配信する場合に、前記ユーザデータベースと前記ユーザ行動履歴データベースとを参照し、前記ユーザに設定されたカテゴリに含まれるコンテンツのうち、前記ユーザ端末に配信した履歴がないコンテンツを抽出し、抽出したコンテンツの広告を前記ユーザ端末に配信する配信部と、を有することを特徴とする。
【０００８】
また、本発明は、ユーザの嗜好情報に基づいてコンテンツの広告を配信するレコメンデーション装置における嗜好情報設定方法であって、ユーザ端末に送信したコンテンツの履歴と該コンテンツを区分するために設定されたカテゴリとを対応付けて記憶した情報に基づいて、配信したコンテンツを含むカテゴリの配信回数の分布の類似度が高い配信履歴が集まるように予め指定されたグループ数に応じた複数の分類グループに分類分析し、分類分析の分析結果に基づいてカテゴリにおける配信回数の平均値を演算し、配信回数の平均値の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と前記分類グループにおける全カテゴリの配信回数を平均した平均値との比を各カテゴリ毎に算出し、前記分類グループにユーザを分類し、分類されたグループの各カテゴリの配信回数平均値と前記ユーザに対するコンテンツの配信履歴との近似度を演算し、演算された近似度および比とに基づいて、前記分類グループ内のカテゴリ毎に優先度を算出し、算出された優先度と予め設定される係数に基づいて、嗜好値を算出し、算出された嗜好値と、該嗜好値に対応するカテゴリとを対応付けて前記ユーザの嗜好情報として設定し、ことを特徴とする。
【０００９】
また、本発明は、ユーザ端末にネットワークを介して接続され、カテゴリ毎に分類されたコンテンツの広告を配信するレコメンデーション装置における広告配信方法であって、前記ユーザ端末に広告を配信する場合に、ユーザ毎に該ユーザの嗜好に応じたカテゴリが設定されるユーザデータベースと前記ユーザ端末に送信したコンテンツの履歴を記憶するユーザ行動履歴データベースとを参照し、前記ユーザに設定されたカテゴリに含まれるコンテンツのうち、前記ユーザ端末に配信した履歴がないコンテンツを抽出し、抽出したコンテンツの広告を前記ユーザ端末に配信することを特徴とする。
【００１０】
また、本発明は、ユーザの嗜好情報に基づいてコンテンツの広告を配信するレコメンデーション装置における嗜好情報設定プログラムであって、ユーザ端末に送信したコンテンツの履歴と該コンテンツを区分するために設定されたカテゴリとを対応付けて記憶した情報に基づいて、配信したコンテンツを含むカテゴリの配信回数の分布の類似度が高い配信履歴が集まるように予め指定されたグループ数に応じた複数の分類グループに分類分析するステップと、分類分析の分析結果に基づいてカテゴリにおける配信回数の平均値を演算するステップと、配信回数の平均値の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と前記分類グループにおける全カテゴリの配信回数を平均した平均値との比を各カテゴリ毎に算出するステップと、前記分類グループにユーザを分類し、分類されたグループの各カテゴリの配信回数平均値と前記ユーザに対するコンテンツの配信履歴との近似度を演算するステップと、演算された近似度および比とに基づいて、前記分類グループ内のカテゴリ毎に優先度を算出するステップと、算出された優先度と予め設定される係数に基づいて、嗜好値を算出するステップと、算出された嗜好値と、該嗜好値に対応するカテゴリとを対応付けて前記ユーザの嗜好情報として設定するステップと、をコンピュータに実行させることを特徴とする。
【００１１】
また、本発明は、ユーザ端末にネットワークを介して接続され、カテゴリ毎に分類されたコンテンツの広告を配信するレコメンデーション装置における広告配信プログラムであって、前記ユーザ端末に広告を配信する場合に、ユーザ毎に該ユーザの嗜好に応じたカテゴリが設定されるユーザデータベースと前記ユーザ端末に送信したコンテンツの履歴を記憶するユーザ行動履歴データベースとを参照し、前記ユーザに設定されたカテゴリに含まれるコンテンツのうち、前記ユーザ端末に配信した履歴がないコンテンツを抽出し、抽出したコンテンツの広告を前記ユーザ端末に配信するステップをコンピュータに実行させることを特徴とする。
【００１２】
また、本発明は、ユーザの嗜好情報に基づいてコンテンツの広告を配信するレコメンデーション装置における嗜好情報設定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であって、ユーザ端末に送信したコンテンツの履歴と該コンテンツを区分するために設定されたカテゴリとを対応付けて記憶した情報に基づいて、配信したコンテンツを含むカテゴリの配信回数の分布の類似度が高い配信履歴が集まるように予め指定されたグループ数に応じた複数の分類グループに分類分析するステップと、分類分析の分析結果に基づいてカテゴリにおける配信回数の平均値を演算するステップと、配信回数の平均値の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と前記分類グループにおける全カテゴリの配信回数を平均した平均値との比を各カテゴリ毎に算出するステップと、前記分類グループにユーザを分類し、分類されたグループの各カテゴリの配信回数平均値と前記ユーザに対するコンテンツの配信履歴との近似度を演算するステップと、演算された近似度および比とに基づいて、前記分類グループ内のカテゴリ毎に優先度を算出するステップと、算出された優先度と予め設定される係数に基づいて、嗜好値を算出するステップと、算出された嗜好値と、該嗜好値に対応するカテゴリとを対応付けて前記ユーザの嗜好情報として設定するステップと、をコンピュータに実行させるための嗜好情報設定プログラムを記録したことを特徴とする。
【００１３】
また、本発明は、ユーザ端末にネットワークを介して接続され、カテゴリ毎に分類されたコンテンツの広告を配信するレコメンデーション装置における広告配信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であって、前記ユーザ端末に広告を配信する場合に、ユーザ毎に該ユーザの嗜好に応じたカテゴリが設定されるユーザデータベースと前記ユーザ端末に送信したコンテンツの履歴を記憶するユーザ行動履歴データベースとを参照し、前記ユーザに設定されたカテゴリに含まれるコンテンツのうち、前記ユーザ端末に配信した履歴がないコンテンツを抽出し、抽出したコンテンツの広告を前記ユーザ端末に配信するステップをコンピュータに実行させるための広告配信プログラムを記録したことを特徴とする。
【００１４】
【発明の実施の形態】
以下、本発明の一実施形態によるリコメンド装置を図面を参照して説明する。図１は、この発明の一実施形態によるリコメンド装置を適用した広告配信システムの構成を示す概略ブロック図である。この図において、リコメンド装置１は、複数のユーザ端末２にネットワーク２を介して接続され、ユーザ端末２からのコンテンツ送信要求に応じて、コンテンツを送信し、ユーザから対価を回収するサービスを行う。具体的には、レコメンデーション装置１からユーザ端末２にコンテンツの広告を行い、ユーザ端末２から購入指示である送信要求を受けて、コンテンツを販売する。このリコメンド装置１について、図２を用いて説明する。図２は、第１の実施形態におけるリコメンド装置１の構成を示す概略ブロック図である。
【００１５】
図２において、ユーザ行動履歴データベース１１は、ユーザ端末２に送信したコンテンツの履歴とコンテンツを区分するために設定されたカテゴリとを対応付けて記憶する。
分類分析部１２は、行動履歴データベース１１に記憶される情報に基づいて、配信したコンテンツを含むカテゴリの配信回数の分布の類似度が高い配信履歴が集まるように予め指定されたグループ数に応じた複数の分類グループに分類分析する。また、分類分析部１２は、分類分析するためのデータを集計する。
配信回数平均値演算部１３は、分類分析部の分析結果に基づいてカテゴリにおける配信回数の平均値を演算する。
【００１６】
比率算出部１４は、配信回数平均値演算部の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と前記分類グループにおける全カテゴリの配信回数を平均した平均値との比を各カテゴリ毎に算出する。
近似度演算部１５は、分類グループにユーザを分類し、分類されたグループの各カテゴリの配信回数平均値とユーザに対するコンテンツの配信履歴との近似度（以下、重心からの距離と称す）を演算する。
優先度算出部１６は、近似度演算部１５によって演算された近似度と比率算出部１４によって演算された比とに基づいて、分類グループ内のカテゴリ毎に優先度（以下、係数Ｐを称す）を算出する。
嗜好値算出部１７は、優先度算出部１６によって算出された係数Ｐと予め設定される係数に基づいて、嗜好値を算出する。
【００１７】
ユーザデータベース１８は、嗜好値算出部１７によって算出された嗜好値と、該嗜好値に対応するカテゴリとを対応付けてユーザの嗜好情報として記憶する。この嗜好情報は、例えば、図６（ａ）に示すように、特徴カテゴリが１からｎ（ｎは２以上の自然数）まで嗜好の度合いが高い順に設定されており、同じ分類グループ（分類番号）のユーザは、全て同じ特徴カテゴリが設定される。また、このカテゴリに設定される嗜好値は、各ユーザのそのカテゴリにおける嗜好の度合いを示すものであり、嗜好値が大きいほど、嗜好の度合いが強い個度を示すものである。
【００１８】
配信部１９は、ユーザデータベース１８の嗜好情報に基づいてコンテンツの広告を配信する。
コンテンツデータベース２０は、ユーザ端末２に送信するコンテンツを記憶する。このコンテンツは、図３に示すように、カテゴリ毎に分類されており、カテゴリは、嗜好情報に対応づけられて記憶されている。この嗜好情報には、少なくとも１つのカテゴリが対応付けられて記憶される。また、コンテンツデータベース２０は、コンテンツの広告となる広告情報を記憶する。
アクセス管理部２１は、ユーザ端末２にコンテンツを送信する毎に、どのユーザにどのコンテンツを送信したかを行動履歴データベース１１に記憶する。
【００１９】
次に、上述した構成におけるリコメンド装置１の動作について図４から図７を用いて説明する。まず、レコメンデーション装置１のアクセス管理部２１は、ユーザ端末２に送信したコンテンツの履歴をユーザ行動履歴データベース１１に順次記憶する（図４ステップＳ１１）。行動履歴データベース１１にコンテンツの配信履歴が記憶されると、分類分析部１２は、分類分析をするための集計処理を行う。すなわち、ユーザ端末２に送信したコンテンツが分類されているカテゴリ毎の配信回数をカウントする（図４ステップＳ１２）。そして、このステップＳ１２の処理をユーザ毎に実行する（図４ステップＳ１３）。このステップＳ１３の処理が終了すると、分類分析部１２は、それぞれのカテゴリの配信回数の分布の類似度が高いユーザの配信履歴が集まるように分類する（図４ステップＳ１４）。
【００２０】
分類分析部１２によって分類分析されると、予め指定された分類グループ数に応じた分類グループの数（例えば５つのグループ）に分類する。そして、分類グループに分類されると、配信回数平均値演算部１３は、配信したコンテンツが含まれるカテゴリの配信回数と同じ分類番号に属するユーザの数とによって平均値を算出する。この算出結果は、例えば、図５（ａ）符号Ａに示すように、分類番号１に属するユーザの、「サッカー」のカテゴリに含まれるコンテンツの配信要求回数の平均値が８２回であることが示されている。
【００２１】
配信回数平均値演算部１３によって平均値が演算されると、比率算出部１４は、配信回数平均値演算部の演算結果に基づいて、分類グループにおけるカテゴリの配信回数の平均値と分類グループにおける全カテゴリの配信回数を平均した平均値との比Ｒを以下に示す（１）式を利用して各カテゴリ毎に算出する。
（特徴カテゴリのその分類内での実績回数平均値）÷（特徴カテゴリの全分類での実績回数平均値）…（１）
ここで、比Ｒの値が大きいほど嗜好が強いこととなる。また、この（１）式によって算出された比Ｒに１００をかけて百分率で表すと、図５（ｂ）のように示される。ここでは、一例として、残ユーザのサッカーに関連づけられるコンテンツの購入回数の平均値と、分類１に属するユーザの平均値（８２回）の比ヲ演算し、百分率で表した場合、２３０％であることが示されている（図５符号（Ｂ））。
【００２２】
この図５（ｂ）において、１００％以上である場合、全体の平均よりこのカテゴリに対してコンテンツの配信要求が高いことを示す。また、比Ｒ＞設定値Ａ（少なくとも１以上の値とする。平均値は嗜好が強いと判断しない）が成立する場合は、ユーザの嗜好が高いものである。そして、これらのカテゴリを比Ｒの値が大きいものから順に並べ替えられ、特徴カテゴリとしてユーザデータベース１８に一時保持される。なお、この設定値Ａは、レコメンデーション装置１の管理者によって決定される。
【００２３】
比率算出部１４によって比Ｒが演算されると、近似度演算部１５は、分類グループに分類された各ユーザの各カテゴリの配信回数平均値とユーザに対するコンテンツの配信履歴との重心からの距離を演算する。この重心からの距離の演算結果において、ある分類グループに属するユーザは、その分類グループのカテゴリの平均値のパターンと完全に一致する場合は重心からの距離は０となり、重心からの距離の値が小さいほど分類グループのカテゴリの平均値のパターンに対する共通性が高いことになる。この受信からの距離が算出された結果は、図５（ｃ）のように示される。
【００２４】
次に、重心からの距離が算出されると、優先度算出部１６は、近似度演算部１５によって演算された重心からの距離と比率算出部１４によって演算された比Ｒとに基づいて、分類グループ内のカテゴリ毎に係数Ｐを以下に示す（２）を用いて算出する。
係数Ｐ＝（特徴カテゴリのその分類内での実績回数平均値）÷（特徴カテゴリの全分類での実績回数平均値）×（１−重心からの距離）…（２）
【００２５】
嗜好値算出部１７は、係数Ｐが演算されると、この係数Ｐを利用し、以下に示す（３）式を用いて計算する。
嗜好値＝（（Ｍａｘ−Ｍｉｎ）×係数Ｐ＋Ｍｉｎ×Ｒａｔｅ−Ｍａｘ）÷（Ｒａｔｅ−１）…（３）
ここで、Ｒａｔｅは比率、Ｍａｘは嗜好値の上限値、Ｍｉｎは嗜好値の下限値であり、これらは、レコメンデーション装置１の管理者によって予め設定される。
【００２６】
ここで、レコメンデーション装置１の管理者によってＲａｔｅ＝３が設定されると、比Ｒが３以上であるユーザは、全て嗜好値がＭａｘの値として決定される。なお、（３）式において、嗜好値が負の値となる場合は、Ｍｉｎの値が嗜好値として設定される。また、平均的な嗜好を持つユーザは、Ｍｉｎと等しい値となる。
【００２７】
そして、嗜好値が算出されると、嗜好値算出部１７は、算出された嗜好値とユーザデータベース１８に一時保持された特徴カテゴリとを対応付けてユーザデータベース１８に記憶する。この記憶された嗜好情報は、例えば、図６（ａ）のような情報である。
【００２８】
そして、ユーザ端末２からコンテンツの配信要求があった場合に、ユーザデータベース１８を参照し、コンテンツの配信要求を送信したユーザ端末２に対応する嗜好情報をユーザデータベース１８から読み出し、嗜好情報に含まれるカテゴリと嗜好値とに基づいて、ユーザ端末２にコンテンツとコンテンツの広告情報を配信する。
【００２９】
次に、上述した嗜好値を算出する場合について、さらに説明する。
ＲＡＴＥ＝３、Ｍａｘ＝１０、Ｍｉｎ＝０であり、ユーザが「鈴木」さんの音楽好き度については、以下のように算出される。「鈴木」さんの分類グループは、「２」であるので、この分類グループ「２」におけるカテゴリ「音楽」は、図５（ｂ）から、比Ｒは１．７であるので、
係数Ｐ＝１．７×（１−０．２）＝１．３６
嗜好値＝（（１０−０）×１．３６＋０×３−１０）／（３−１）＝１．８
となる。この嗜好値は、各ユーザの分類毎に算出され嗜好情報として設定される。従って、同じ分類グループのユーザは、特徴カテゴリがそれぞれ共通するが、ユーザ毎に重心からの距離が異なるため、嗜好値が異なる。これにより、特徴カテゴリに各ユーザの趣味や嗜好の度合いを反映させることができる。
【００３０】
以上説明した実施形態において、配信部１９は、ユーザ端末２に配信した履歴がないコンテンツの広告を配信するようにしてもよい。この場合におけるレコメンデーション装置１の動作について図７のフローチャートを用いて説明する。すなわち、配信部１９は、ユーザ端末２に広告を配信する場合に、広告を配信する対象となるユーザの嗜好情報をユーザデータベース１８から読み出すとともに（ステップＳ５１）、ユーザにコンテンツを配信した履歴の情報をユーザ行動履歴データベース１１から読み出す（ステップＳ５２）。そして、ユーザの嗜好情報に設定されたカテゴリに含まれるコンテンツのうち、ユーザ端末２に配信した履歴がないコンテンツを抽出し（ステップＳ５３）、抽出されたコンテンツの広告情報をコンテンツデータベースから読み出してユーザ端末２に配信する（ステップＳ５４）。
【００３１】
例えば、嗜好情報に「音楽好き度」が設定されており、既に「クラシックＣＤ」のコンテンツを購入した履歴があるユーザに対しては、「クラシックＣＤ」と「コンサートチケット」との広告のうち、「コンサートチケット」の広告のみが配信される。これにより、既に配信したコンテンツに関する広告を配信せずに、これから販売したいコンテンツに関する広告のみを配信することができるので、既に販売したコンテンツについて広告する無駄を省き、コンテンツの広告の効率を向上させることができる。
【００３２】
次に、第２の実施形態におけるレコメンデーション装置１について説明する。図８は、第２の実施形態におけるレコメンデーション装置１の構成について説明するための概略ブロック図である。この図において、図２の各部に対応する部分には同一の符号を付け、その説明を省略する。ユーザ行動履歴データベース１１は、ユーザ端末２に送信したコンテンツの履歴をコンテンツを送信した日時情報に対応付けて履歴情報として記憶する。相関分析部３０は、行動履歴データベース１１に記憶された履歴情報に基づいて、予め決められた期間内に利用された複数のコンテンツを相関があるコンテンツとして対応付ける相関分析をする。ここで、予め決められた期間内は、例えば、５分以内、３０分以内、１時間以内など、管理者によって決定される期間であり、複数のコンテンツが購入されている場合に、複数のコンテンツを一緒に購入したか否かを判断するために設定される期間である。この相関分析は、例えば、１日ごと、一ヶ月ごとなど、予め管理者から指定された分析タイミング毎に行われる。
【００３３】
分析結果データベース３１は、相関分析部３０の分析結果を記憶する。配信部１９は、ユーザ端末２からコンテンツの配信要求があった場合に、該要求されたコンテンツに相関があるコンテンツを分析結果データベースから読み出し、読み出した相関があるコンテンツの広告をユーザ端末２に送信する。
【００３４】
次に、図８に示すレコメンデーション装置１の動作について、図９〜図１０を用いて説明する。ここでは、２つ以上のコンテンツが３０分以上の間隔をあけないで購入された場合に相関があるコンテンツとして、１日ごとの分析タイミングに相関分析を行い場合について説明する。
相関分析部３０は、分析タイミングに到達すると、行動履歴データベース１１に記憶された履歴情報を集計し（図９ステップＳ６１）、集計された履歴情報の中から、３０分以内に２つ以上のコンテンツが購入されているか否かを検出し、３０分以内に購入されている２つ以上のコンテンツの情報をレコードとして生成する（図９ステップＳ６２）。このレコードの生成処理をユーザ毎に行い、レコードを集計する（図９ステップＳ６３）。
【００３５】
次に、相関分析部３０は、レコード毎にレコード内のコンテンツを相関分析し、相関度合いを演算する（図１０ステップＳ６４）。ここでは、例えば、図１０（ａ）に示すような演算結果が出力される（図１０ステップＳ６５）。そして、相関分析部３０は、コンテンツ毎に、そのコンテンツと相関度合いが予め管理者から指定される閾値以上のコンテンツの組み合わせを抽出し、抽出結果を分析結果データとして分析結果データベース３１に記憶する（ステップＳ６６）。
【００３６】
次に、ユーザ端末２からコンテンツ配信の要求があると、配信部１９は、配信要求されたコンテンツに対して相関があるコンテンツを分析結果データベース３１から読み出し、読み出された相関があるコンテンツの広告情報をコンテンツデータベース２０から読み出し、読み出した広告情報を要求されたコンテンツとともにユーザ端末２に送信する。
【００３７】
例えば、ユーザ端末２からコンテンツＢの配信要求がなされた場合は、図１０（ｂ）に示す分析結果データに基づき、コンテンツＢに対応する相関コンテンツ１のコンテンツＣと相関コンテンツ２のコンテンツＤとが広告情報としてユーザ端末２に送信される。
【００３８】
以上説明した実施形態によれば、相関分析を行ってユーザに配信すべきコンテンツの広告を決定するようにしたので、信頼性が高く、かつ、嗜好情報をユーザに設定してもらう手間を省き、効率よく広告を配信することができる。
【００３９】
次に、第３の実施形態について説明する。図１１は、第３の実施形態におけるレコメンデーション装置１の構成を示す概略ブロック図である。この図において、図２の各部に対応する部分に同一の符号を付け、その説明を省略する。この図において、ユーザデータベース１１は、ユーザの属性情報を記憶する。この属性情報は、例えば、年齢、性別、年収などが含まれ、個人の属性を示すものである。
【００４０】
ユーザ属性条件生成部４０は、ユーザ行動履歴データベース１１に記憶された履歴情報とユーザデータベース１８に記憶された属性情報とに基づいて、コンテンツを送信したユーザの属性を判別分析し、コンテンツの広告を配信する対象となるユーザ属性条件を生成する。配信部１９は、ユーザ属性条件生成部４０によって生成されたユーザ属性条件に基づいて、コンテンツの広告を配信する。
【００４１】
次に、この実施形態におけるレコメンデーション装置１の動作について、図１２から図１３を用いて説明する。ユーザ属性条件生成部４０は、ユーザ行動履歴データベース１１からユーザの行動履歴を読み出し（図１２ステップＳ７１）、読み出した行動履歴のカテゴリ毎に配信回数を集計し、ユーザデータベース１８からユーザの属性情報を読み出し、読み出した属性情報と行動履歴とを対応付けする（図１２ステップＳ７３）。そして、図１２ステップＳ７１から図１２ステップＳ７３までの処理をユーザ毎に行い（図１２ステップＳ７４）、処理結果を判別分析する（図１２ステップＳ７５）。
【００４２】
判別分析の結果は、例えば、図１３に示すように、配信した実績が多いユーザの属性の傾向が、カテゴリ毎にユーザ属性条件として得られ、分析結果データベース３１に記憶される。
【００４３】
次に、配信部１９は、ユーザ端末２からアクセスがあった場合に、アクセスをしてきたユーザ端末２のユーザの属性情報をユーザデータベース１８から読み出し、読み出した属性情報がユーザ属性条件に一致するカテゴリのコンテンツの広告を配信する。
【００４４】
ここでは、例えば、年齢が４０歳以下の女性であり、嗜好値が３以上のカテゴリＢが設定された嗜好情報のユーザには、カテゴリＡの広告が配信される。
【００４５】
なお、コンテンツを広告する場合、配信部１９は、コンテンツが含まれるカテゴリのユーザ属性条件を分析結果データベース３１から読み出し、読み出したユーザ属性条件に該当する嗜好情報が設定されたユーザをユーザデータベース１８から複数読み出し、ユーザ属性条件に該当する各ユーザ端末２に送信するようにしてもよい。
【００４６】
以上説明したこの実施形態によれば、コンテンツを配信した履歴情報に基づいて、広告を配信する対象のユーザ属性条件を生成するようにしたので、コンテンツを購入する確率が高いユーザにのみ広告を配信することができ、これにより、効率よくコンテンツの広告を行うことができる。
【００４７】
なお、上記実施形態における第１から第３の実施形態におけるレコメンデーション装置１のうち、少なくとも２つの実施形態におけるレコメンデーション装置１を組み合わせ、１つのレコメンデーション装置１として構成し、広告の配信サービスを実施してもよい。
【００４８】
また、図２における分類分析部１２、配信回数平均値演算部１３、比率算出部１４、近似度演算部１５、優先度算出部１６、嗜好値算出部１７、配信部１９の機能、または、図８における相関分析部３０、配信部１９の機能、または、図１１におけるユーザ属性条件生成部４０、配信部１９の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによりユーザの嗜好情報の設定およびコンテンツの広告の配信処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
【００４９】
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
【００５０】
以上、この発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
【００５１】
【発明の効果】
以上説明したように、この発明によれば、ユーザに配信したコンテンツの履歴に基づいて、ユーザの嗜好情報を設定するようにしたので、ユーザ自身が嗜好情報を設定する手間を省き、誤入力などにより嗜好情報の信頼性が低下してしまうことを防ぐことができ、これにより、ユーザの嗜好情報の信頼性を高め、広告の効果を向上させることができる。
【図面の簡単な説明】
【図１】この発明の一実施形態によるリコメンド装置を適用した広告配信システムの構成を示す概略ブロック図である。
【図２】第１の実施形態におけるリコメンド装置１の構成を示す概略ブロック図である。
【図３】コンテンツ、カテゴリ、嗜好情報の関係について説明するための図面である。
【図４】第１の実施形態におけるリコメンド装置１の動作について説明するための図面である。
【図５】第１の実施形態におけるリコメンド装置１の動作について説明するための図面である。
【図６】第１の実施形態におけるリコメンド装置１の動作について説明するための図面である。
【図７】第１の実施形態におけるリコメンド装置１の動作について説明するためのフローチャートである。
【図８】第２の実施形態におけるレコメンデーション装置１の構成について説明するための概略ブロック図である。
【図９】第２の実施形態におけるコメンデーション装置１の動作について説明するための図面である。
【図１０】第２の実施形態におけるコメンデーション装置１の動作について説明するための図面である。
【図１１】第３の実施形態におけるレコメンデーション装置１の構成を示す概略ブロック図である。
【図１２】第３の実施形態におけるレコメンデーション装置１の動作について説明するための図面である。
【図１３】第３の実施形態におけるレコメンデーション装置１の動作について説明するための図面である。
【符号の説明】
１　レコメンデーション装置　　　　　　　２　ユーザ端末
１１　行動履歴データベース　　　　　　　１２　分類分析部
１３　配信回数平均値演算部　　　　　　　１４　比率算出部
１５　近似度演算部　　　　　　　　　　　１６　優先度算出部
１７　嗜好値算出部　　　　　　　　　　　１８　ユーザデータベース
１９　配信部　　　　　　　　　　　　　　２０　コンテンツデータベース
２１　アクセス管理部　　　　　　　　　　３０　相関分析部
３１　分析結果データベース　　　　　　　４０　ユーザ属性条件生成部[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a recommendation device that distributes an advertisement to a user terminal.
[0002]
[Prior art]
2. Description of the Related Art Conventionally, various services using a recommendation device have been provided. For example, the user can answer a questionnaire about hobbies and preferences, register the result of the questionnaire as preference information in a server, and transmit an advertisement of recommended content according to the preference information of the user to each user terminal. . Then, the user refers to these advertisements, makes a transmission request for necessary content, and purchases the content. In this questionnaire, for example, the user selects a content category (travel, music, sports, etc.) according to his / her own hobbies and preferences, and further selects his / her preference from among five levels. Registered as information.
[0003]
[Problems to be solved by the invention]
However, according to the above-described related art, the following problems occur.
Case 1) When recommending content is determined from the user's preference information 1. Since the user asked a questionnaire to generate the preference information, if the user erroneously inputs the questionnaire answer, the user's hobby is not necessarily required. And the recommended content that matches the user's preference is not always transmitted, and the user's hobbies and preferences may not be reflected. That is, the reliability of the information about the hobbies and preferences may be low. 2. After a questionnaire, after a while, the user's hobbies and preferences may change, and the reliability of the hobbies and preferences may decrease. In addition, according to changes in the hobbies and preferences, Repeating the questionnaire is troublesome for the user.
3. The service provider needs to know in advance that the user whose preference information is X tends to purchase the content 1 in order to transmit the recommended content effectively. For example, a user who has set soccer as preference information needs to know that he tends to purchase soccer tickets.
[0004]
Case 2) When the recommended content is determined from the content purchased by the user without depending on the preference information in order to transmit the recommended content effectively 1, the person who purchases the content 1 tends to purchase the content 2 as well. Need to know in advance. For example, it is necessary to assume that a user who purchases a soccer ticket tends to purchase soccer support goods.
Case 3) When deciding a user who is a target of recommending a content belonging to a certain category 1, use a user data reference function to extract a user whose value of preference information X of the user matches a search condition such as A or more. In this case, the service provider needs to know that the user who purchases the content belonging to a certain category has a preference information value of X or more.
[0005]
The present invention has been made in view of such circumstances, and an object of the present invention is to provide a recommendation device that can enhance the reliability of preference information of a user who is a target for recommending content.
Another object of the present invention is to provide a recommendation device capable of improving the effect of an advertisement based on content purchased by a user.
[0006]
[Means for Solving the Problems]
In order to achieve the above object, the present invention provides a user action history database that stores a history of content transmitted to a user terminal and a category set for classifying the content in association with each other, Based on the stored information, a classification analysis unit that classifies and analyzes a plurality of classification groups according to the number of groups specified in advance so that distribution histories having a high degree of similarity in distribution of the distribution count of the category including the distributed content are collected. A distribution count average value calculating unit that calculates an average value of the number of distribution times in the category based on the analysis result of the classification analysis unit; and a distribution of the category in the classification group based on the calculation result of the distribution count average value calculation unit. Calculate the ratio of the average value of the number of times and the average value of the distribution times of all the categories in the classification group for each category A ratio calculation unit that classifies users into the classification group, and calculates an approximation degree between the average number of distribution times of each category of the classified group and the distribution history of the content to the user; A priority calculating unit that calculates a priority for each category in the classification group based on the approximation calculated by the degree calculating unit and the ratio calculated by the ratio calculating unit; A preference value calculation unit that calculates a preference value based on the priority and a coefficient set in advance, a preference value calculated by the preference value calculation unit, and a category corresponding to the preference value. A user database that stores user preference information, and a distribution unit that distributes content advertisements based on the user preference information stored in the user database. Characterized in that it.
[0007]
Further, the present invention is a recommendation device which is connected to a user terminal via a network and distributes an advertisement of content classified into each category, wherein a category according to a preference of the user is set for each user. A user database, a user action history database storing a history of contents transmitted to the user terminal, and an advertisement delivered to the user terminal, referencing the user database and the user action history database, And a distribution unit that extracts content having no history of distribution to the user terminal from among the contents included in the category set in, and distributes an advertisement of the extracted content to the user terminal.
[0008]
Further, the present invention is a preference information setting method in a recommendation device that distributes a content advertisement based on a user's preference information, wherein the preference information is set to distinguish between a history of content transmitted to a user terminal and the content. Based on the information stored in association with the categories, the categories including the distributed content are classified into a plurality of classification groups according to the number of groups specified in advance so that distribution histories having a high degree of similarity in distribution of distribution times are collected. Analyzing, calculating the average value of the number of distributions in the category based on the analysis result of the classification analysis, and calculating the average value of the number of distributions of the category in the classification group and the total Calculate the ratio of the average number of distribution times of the category to the average value for each category, and assign users to the classification group. Classifying, and calculating an approximation degree between the distribution count average value of each category of the classified group and the distribution history of the content to the user, and for each category in the classification group based on the calculated approximation degree and ratio. Calculates a preference value based on the calculated priority and a preset coefficient, and associates the calculated preference value with a category corresponding to the preference value to associate the user with a category corresponding to the preference value. It is set as preference information, and is characterized in that:
[0009]
Further, the present invention is an advertisement delivery method in a recommendation device connected to a user terminal via a network and delivering an advertisement of content classified by category, wherein an advertisement is delivered to the user terminal, Referring to a user database in which a category according to the user's preference is set for each user and a user action history database storing a history of content transmitted to the user terminal, the content included in the category set for the user And extracting the content having no history of distribution to the user terminal, and distributing an advertisement of the extracted content to the user terminal.
[0010]
Further, the present invention is a preference information setting program in a recommendation device that distributes a content advertisement based on user preference information, wherein the preference information setting program is set to distinguish between a history of content transmitted to a user terminal and the content. Based on the information stored in association with the categories, the categories including the distributed content are classified into a plurality of classification groups according to the number of groups specified in advance so that distribution histories having a high degree of similarity in distribution of distribution times are collected. Analyzing, calculating the average value of the number of distribution times in the category based on the analysis result of the classification analysis, and calculating the average value of the number of distribution times of the category in the classification group based on the calculation result of the average value of the distribution number. Calculate the ratio of the average of the number of distributions of all categories in the classification group to the average value for each category Classifying users into the classification group, calculating an approximation degree between the distribution count average value of each category of the classified group and the distribution history of the content to the user, and the calculated degree of approximation and ratio And calculating a preference value for each category in the classification group based on the calculated priority and a coefficient set in advance, and calculating the preference value. Setting the user preference information in association with the category corresponding to the preference value.
[0011]
Further, the present invention is an advertisement distribution program in a recommendation device that is connected to a user terminal via a network and distributes advertisements of content classified by category, and distributes an advertisement to the user terminal. Referring to a user database in which a category according to the user's preference is set for each user and a user action history database storing a history of content transmitted to the user terminal, the content included in the category set for the user And extracting a content having no history of distribution to the user terminal and distributing an advertisement of the extracted content to the user terminal.
[0012]
Further, the present invention is a computer-readable recording medium recording a preference information setting program in a recommendation device for distributing an advertisement of a content based on user preference information, wherein a history of the content transmitted to a user terminal and The number of groups specified in advance so that distribution histories with a high degree of similarity in distribution of the distribution count of the category including the distributed content are collected based on the information stored in association with the category set for dividing the content. Classifying and analyzing into a plurality of classification groups according to the step; calculating an average value of the number of distribution times in the category based on the analysis result of the classification analysis; and Average number of distribution times for categories and distribution times for all categories in the classification group Calculating the ratio of the average to the average value for each category, and classifying the users into the classification groups, and approximating the distribution count average value of each category of the classified group and the distribution history of the content to the user. Calculating the degree, based on the calculated degree of approximation and ratio, calculating the priority for each category in the classification group, based on the calculated priority and a preset coefficient, A preference information setting program for causing a computer to execute a step of calculating a preference value, a step of setting the calculated preference value and a category corresponding to the preference value in association with the user, and setting the preference information as the user preference information. It is recorded.
[0013]
Further, the present invention is a computer-readable recording medium recorded with an advertisement distribution program in a recommendation device which is connected to a user terminal via a network and distributes advertisements of contents classified by category, wherein the user When delivering an advertisement to a terminal, the user refers to a user database in which a category according to the user's preference is set for each user and a user action history database that stores a history of contents transmitted to the user terminal. An advertisement distribution program for causing a computer to execute a step of extracting content having no history of distribution to the user terminal from among the contents included in the category set in, and distributing an advertisement of the extracted content to the user terminal. It is recorded.
[0014]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, a recommendation device according to an embodiment of the present invention will be described with reference to the drawings. FIG. 1 is a schematic block diagram showing a configuration of an advertisement distribution system to which a recommendation device according to an embodiment of the present invention is applied. In this figure, a recommendation device 1 is connected to a plurality of user terminals 2 via a network 2 and performs a service of transmitting content in response to a content transmission request from the user terminal 2 and collecting compensation from the user. Specifically, the content is advertised from the recommendation device 1 to the user terminal 2, and the content is sold in response to a transmission request as a purchase instruction from the user terminal 2. The recommendation device 1 will be described with reference to FIG. FIG. 2 is a schematic block diagram illustrating a configuration of the recommendation device 1 according to the first embodiment.
[0015]
In FIG. 2, the user action history database 11 stores a history of contents transmitted to the user terminal 2 and a category set for separating the contents in association with each other.
Based on the information stored in the action history database 11, the classification analysis unit 12 responds to the number of groups specified in advance so that distribution histories with a high degree of similarity in distribution of the number of distributions of the category including the distributed content are collected. Classification analysis into multiple classification groups. In addition, the classification analysis unit 12 totalizes data for performing classification analysis.
The distribution count average value calculation unit 13 calculates the average value of the distribution count in the category based on the analysis result of the classification analysis unit.
[0016]
The ratio calculation unit 14 calculates, for each category, the ratio between the average value of the number of distribution times of the category in the classification group and the average value of the distribution times of all the categories in the classification group based on the calculation result of the distribution number average value calculation unit. It is calculated every time.
The similarity calculating unit 15 classifies users into classification groups, and calculates the similarity (hereinafter, referred to as distance from the center of gravity) between the average distribution count of each category of the classified group and the distribution history of the content to the user. I do.
The priority calculation unit 16 determines a priority (hereinafter, referred to as a coefficient P) for each category in the classification group based on the approximation calculated by the approximation calculation unit 15 and the ratio calculated by the ratio calculation unit 14. Is calculated.
The preference value calculation unit 17 calculates a preference value based on the coefficient P calculated by the priority calculation unit 16 and a preset coefficient.
[0017]
The user database 18 stores the preference value calculated by the preference value calculation unit 17 and the category corresponding to the preference value in association with each other as user preference information. In this preference information, for example, as shown in FIG. 6 (a), the feature categories are set in the descending order of preference from 1 to n (n is a natural number of 2 or more) and have the same classification group (classification number). Are all set with the same feature category. The preference value set in this category indicates the degree of preference of each user in the category, and indicates that the larger the preference value, the stronger the degree of preference.
[0018]
The distribution unit 19 distributes a content advertisement based on the preference information in the user database 18.
The content database 20 stores the content to be transmitted to the user terminal 2. As shown in FIG. 3, the contents are classified into categories, and the categories are stored in association with preference information. At least one category is stored in association with this preference information. In addition, the content database 20 stores advertisement information serving as an advertisement for the content.
Each time content is transmitted to the user terminal 2, the access management unit 21 stores which content is transmitted to which user in the action history database 11.
[0019]
Next, the operation of the recommendation device 1 having the above-described configuration will be described with reference to FIGS. First, the access management unit 21 of the recommendation device 1 sequentially stores the history of the content transmitted to the user terminal 2 in the user behavior history database 11 (Step S11 in FIG. 4). When the distribution history of the content is stored in the action history database 11, the classification analysis unit 12 performs a tallying process for performing the classification analysis. That is, the number of distributions for each category into which the content transmitted to the user terminal 2 is classified is counted (step S12 in FIG. 4). Then, the process of step S12 is executed for each user (step S13 in FIG. 4). When the process of step S13 is completed, the classification analysis unit 12 classifies the distribution history of users having a high degree of similarity in distribution of the number of distributions of each category so as to gather (step S14 in FIG. 4).
[0020]
After being classified and analyzed by the classification analysis unit 12, the data is classified into the number of classification groups (for example, five groups) according to the number of classification groups specified in advance. After being classified into the classification group, the distribution count average value calculation unit 13 calculates an average value based on the distribution count of the category including the distributed content and the number of users belonging to the same classification number. As a result of this calculation, for example, as indicated by reference numeral A in FIG. 5A, the average value of the number of distribution requests for the content included in the category of “soccer” of the user belonging to the classification number 1 is 82 times. It is shown.
[0021]
When the average value is calculated by the distribution count average value calculation unit 13, the ratio calculation unit 14 calculates the average value of the distribution count of the category in the classification group and the total distribution count in the classification group based on the calculation result of the distribution count average value calculation unit. A ratio R to an average value obtained by averaging the number of distribution times of the category is calculated for each category using the following equation (1).
(Average of the number of times of the feature category within the category) / (Average of the number of times of the feature category in all the categories) ... (1)
Here, the larger the value of the ratio R, the stronger the preference. When the ratio R calculated by the equation (1) is multiplied by 100 and expressed as a percentage, the result is shown in FIG. 5B. Here, as one example, the ratio of the average value of the number of purchases of the content associated with the soccer of the remaining user to the average value (82 times) of the users belonging to the category 1 is calculated, and expressed as a percentage, it is 230%. (FIG. 5, symbol (B)).
[0022]
In FIG. 5B, when it is 100% or more, it indicates that the content distribution request for this category is higher than the overall average. If the ratio R> set value A (at least 1 or more; the average value is not determined to be strong), the user's preference is high. These categories are rearranged in ascending order of the value of the ratio R, and are temporarily stored in the user database 18 as feature categories. The setting value A is determined by the administrator of the recommendation device 1.
[0023]
When the ratio R is calculated by the ratio calculation unit 14, the approximation degree calculation unit 15 calculates the distance from the center of gravity between the distribution count average value of each category of each user classified into the classification group and the distribution history of the content to the user. Calculate. In the calculation result of the distance from the center of gravity, if the user belonging to a certain classification group completely matches the pattern of the average value of the category of the classification group, the distance from the center of gravity is 0, and the value of the distance from the center of gravity is zero. The smaller the value, the higher the commonality with the pattern of the average value of the category of the classification group. The result of calculating the distance from the reception is shown as in FIG.
[0024]
Next, when the distance from the center of gravity is calculated, the priority calculation unit 16 classifies the classification based on the distance from the center of gravity calculated by the approximation degree calculation unit 15 and the ratio R calculated by the ratio calculation unit 14. The coefficient P is calculated for each category in the group using (2) shown below.
Coefficient P = (Average number of actual times of feature category in that category) ÷ (Average actual number of times of feature category in all categories) × (1-Distance from center of gravity) (2)
[0025]
When the coefficient P is calculated, the preference value calculation unit 17 calculates the coefficient P using the following equation (3).
Preference value = ((Max−Min) × coefficient P + Min × Rate−Max) ÷ (Rate−1) (3)
Here, Rate is the ratio, Max is the upper limit of the preference value, and Min is the lower limit of the preference value, and these are set in advance by the administrator of the recommendation device 1.
[0026]
Here, when Rate = 3 is set by the administrator of the recommendation apparatus 1, all the users whose ratio R is 3 or more are determined to have the preference value as the value of Max. When the preference value is a negative value in Expression (3), the value of Min is set as the preference value. Further, a user having an average preference has a value equal to Min.
[0027]
When the preference value is calculated, the preference value calculation unit 17 stores the calculated preference value and the feature category temporarily stored in the user database 18 in the user database 18 in association with each other. The stored preference information is, for example, information as shown in FIG.
[0028]
Then, when there is a content distribution request from the user terminal 2, the preference information corresponding to the user terminal 2 that transmitted the content distribution request is read from the user database 18 with reference to the user database 18, and is included in the preference information. Based on the category and the preference value, the content and the advertisement information of the content are distributed to the user terminal 2.
[0029]
Next, the case of calculating the above-described preference value will be further described.
RATE = 3, Max = 10, Min = 0, and the degree of music liking of the user “Suzuki” is calculated as follows. Since the classification group of “Suzuki” is “2”, the category “music” in this classification group “2” has a ratio R of 1.7 from FIG.
Coefficient P = 1.7 × (1-0.2) = 1.36
Preference value = ((10-0) × 1.36 + 0 × 3-10) / (3-1) = 1.8
It becomes. This preference value is calculated for each user classification and set as preference information. Therefore, users of the same classification group have the same feature category, but have different preference values because the distance from the center of gravity differs for each user. As a result, the degree of the hobby or preference of each user can be reflected in the feature category.
[0030]
In the embodiment described above, the distribution unit 19 may distribute an advertisement of a content having no history distributed to the user terminal 2. The operation of the recommendation device 1 in this case will be described with reference to the flowchart of FIG. That is, when distributing an advertisement to the user terminal 2, the distribution unit 19 reads from the user database 18 the preference information of the user to whom the advertisement is distributed (step S <b> 51), and records the history of distribution of the content to the user Is read from the user action history database 11 (step S52). Then, of the contents included in the category set in the user's preference information, contents having no history distributed to the user terminal 2 are extracted (step S53), and the advertisement information of the extracted contents is read from the contents database and The data is distributed to the terminal 2 (step S54).
[0031]
For example, for a user whose preference information is set to “music liking degree” and who already has a history of purchasing “classical CD” content, among advertisements of “classical CD” and “concert ticket”, Only "concert ticket" ads are delivered. As a result, it is possible to distribute only advertisements related to contents to be sold in the future without distributing advertisements related to already distributed contents, thereby reducing unnecessary use of advertisements regarding already sold contents and improving the efficiency of content advertisement. Can be.
[0032]
Next, the recommendation device 1 according to the second embodiment will be described. FIG. 8 is a schematic block diagram for describing a configuration of the recommendation device 1 according to the second embodiment. In this figure, parts corresponding to the respective parts in FIG. 2 are denoted by the same reference numerals, and description thereof will be omitted. The user action history database 11 stores the history of the content transmitted to the user terminal 2 as history information in association with the date and time information at which the content was transmitted. The correlation analysis unit 30 performs a correlation analysis that associates a plurality of contents used within a predetermined period as correlated contents based on the history information stored in the action history database 11. Here, the predetermined period is a period determined by the administrator, for example, within 5 minutes, within 30 minutes, within 1 hour, and the like. Is a period that is set to determine whether or not they have been purchased together. This correlation analysis is performed at every analysis timing designated in advance by the administrator, for example, every day or every month.
[0033]
The analysis result database 31 stores the analysis result of the correlation analysis unit 30. When there is a content distribution request from the user terminal 2, the distribution unit 19 reads content having a correlation with the requested content from the analysis result database, and transmits the read advertisement of the content having the correlation to the user terminal 2. I do.
[0034]
Next, the operation of the recommendation device 1 shown in FIG. 8 will be described with reference to FIGS. Here, a description will be given of a case where a correlation analysis is performed at an analysis timing every day as content having a correlation when two or more contents are purchased without an interval of 30 minutes or more.
Upon reaching the analysis timing, the correlation analysis unit 30 totals the history information stored in the action history database 11 (Step S61 in FIG. 9), and, from the totaled history information, two or more contents within 30 minutes. Is detected, and information of two or more contents purchased within 30 minutes is generated as a record (step S62 in FIG. 9). This record generation processing is performed for each user, and the records are totaled (step S63 in FIG. 9).
[0035]
Next, the correlation analysis unit 30 performs a correlation analysis on the content in the record for each record, and calculates the degree of correlation (step S64 in FIG. 10). Here, for example, a calculation result as shown in FIG. 10A is output (Step S65 in FIG. 10). Then, the correlation analysis unit 30 extracts, for each content, a combination of the content and a content whose degree of correlation is equal to or greater than a threshold value specified in advance by an administrator, and stores the extraction result in the analysis result database 31 as analysis result data ( Step S66).
[0036]
Next, when there is a request for content distribution from the user terminal 2, the distribution unit 19 reads from the analysis result database 31 the content that is correlated with the content requested to be distributed, and reads the advertisement of the read correlated content. The information is read from the content database 20, and the read advertisement information is transmitted to the user terminal 2 together with the requested content.
[0037]
For example, when the distribution request of the content B is made from the user terminal 2, the content C of the correlated content 1 and the content D of the correlated content 2 corresponding to the content B are determined based on the analysis result data shown in FIG. It is transmitted to the user terminal 2 as advertisement information.
[0038]
According to the embodiment described above, since the advertisement of the content to be delivered to the user is determined by performing the correlation analysis, the reliability is high, and the trouble of having the user set the preference information is omitted. Advertising can be efficiently distributed.
[0039]
Next, a third embodiment will be described. FIG. 11 is a schematic block diagram illustrating the configuration of the recommendation device 1 according to the third embodiment. In this figure, parts corresponding to the respective parts in FIG. In this figure, a user database 11 stores user attribute information. This attribute information includes, for example, age, gender, annual income, etc., and indicates individual attributes.
[0040]
The user attribute condition generation unit 40 discriminates and analyzes the attribute of the user who transmitted the content based on the history information stored in the user action history database 11 and the attribute information stored in the user database 18, and executes the advertisement of the content. Generate user attribute conditions to be distributed. The distribution unit 19 distributes a content advertisement based on the user attribute condition generated by the user attribute condition generation unit 40.
[0041]
Next, the operation of the recommendation device 1 in this embodiment will be described with reference to FIGS. The user attribute condition generation unit 40 reads the user's action history from the user action history database 11 (step S71 in FIG. 12), totals the number of distributions for each category of the read action history, and outputs user attribute information from the user database 18. The read attribute information is associated with the action history (step S73 in FIG. 12). Then, the processing from step S71 in FIG. 12 to step S73 in FIG. 12 is performed for each user (step S74 in FIG. 12), and the processing result is discriminated and analyzed (step S75 in FIG. 12).
[0042]
As a result of the discriminant analysis, for example, as shown in FIG. 13, the attribute tendency of a user who has delivered a large number of results is obtained as a user attribute condition for each category, and stored in the analysis result database 31.
[0043]
Next, when there is an access from the user terminal 2, the distribution unit 19 reads the attribute information of the user of the user terminal 2 who has accessed from the user database 18, and the read attribute information matches the user attribute condition. Serve ads for content.
[0044]
Here, for example, a category A advertisement is delivered to a user of preference information in which a woman is 40 years or younger and has a preference value of 3 or more and category B is set.
[0045]
When advertising the content, the distribution unit 19 reads the user attribute condition of the category including the content from the analysis result database 31 and, from the user database 18, the user in which the preference information corresponding to the read user attribute condition is set. A plurality of data may be read and transmitted to each user terminal 2 corresponding to the user attribute condition.
[0046]
According to the above-described embodiment, the user attribute condition to which the advertisement is distributed is generated based on the history information of the distribution of the content. Therefore, the advertisement is distributed only to the users who have a high probability of purchasing the content. This makes it possible to efficiently advertise the content.
[0047]
It should be noted that among the recommendation devices 1 in the first to third embodiments in the above embodiment, the recommendation devices 1 in at least two embodiments are combined and configured as one recommendation device 1, and an advertisement distribution service is provided. May be implemented.
[0048]
Also, the functions of the classification analysis unit 12, the distribution count average value calculation unit 13, the ratio calculation unit 14, the approximation degree calculation unit 15, the priority calculation unit 16, the preference value calculation unit 17, and the distribution unit 19 in FIG. 8, a program for realizing the functions of the correlation analysis unit 30 and the distribution unit 19 or the functions of the user attribute condition generation unit 40 and the distribution unit 19 in FIG. The program recorded on the medium may be read into a computer system and executed to perform setting of user preference information and distribution processing of a content advertisement. Here, the “computer system” includes an OS and hardware such as peripheral devices.
[0049]
The “computer system” also includes a homepage providing environment (or a display environment) if a WWW system is used.
The “computer-readable recording medium” refers to a portable medium such as a flexible disk, a magneto-optical disk, a ROM, and a CD-ROM, and a storage device such as a hard disk built in a computer system. Further, a “computer-readable recording medium” refers to a communication line for transmitting a program via a network such as the Internet or a communication line such as a telephone line, which dynamically holds the program for a short time. In this case, it is also assumed that a program that holds a program for a certain period of time, such as a volatile memory in a computer system serving as a server or a client in that case, is included. Further, the above-mentioned program may be for realizing a part of the above-mentioned functions, or may be for realizing the above-mentioned functions in combination with a program already recorded in a computer system.
[0050]
As described above, the embodiments of the present invention have been described in detail with reference to the drawings. However, the specific configuration is not limited to the embodiments, and includes a design and the like without departing from the gist of the present invention.
[0051]
【The invention's effect】
As described above, according to the present invention, the preference information of the user is set based on the history of the content distributed to the user. As a result, it is possible to prevent the reliability of the preference information from being lowered, thereby improving the reliability of the user's preference information and improving the effect of the advertisement.
[Brief description of the drawings]
FIG. 1 is a schematic block diagram showing a configuration of an advertisement distribution system to which a recommendation device according to an embodiment of the present invention is applied.
FIG. 2 is a schematic block diagram illustrating a configuration of a recommendation device 1 according to the first embodiment.
FIG. 3 is a diagram for explaining a relationship among content, category, and preference information.
FIG. 4 is a drawing for explaining the operation of the recommendation device 1 in the first embodiment.
FIG. 5 is a diagram for explaining an operation of the recommendation device 1 according to the first embodiment.
FIG. 6 is a diagram for explaining an operation of the recommendation device 1 according to the first embodiment.
FIG. 7 is a flowchart for explaining the operation of the recommendation device 1 in the first embodiment.
FIG. 8 is a schematic block diagram illustrating a configuration of a recommendation device 1 according to a second embodiment.
FIG. 9 is a diagram for explaining the operation of the recommendation device 1 according to the second embodiment.
FIG. 10 is a diagram for explaining an operation of the recommendation device 1 according to the second embodiment.
FIG. 11 is a schematic block diagram illustrating a configuration of a recommendation device 1 according to a third embodiment.
FIG. 12 is a diagram for explaining the operation of the recommendation device 1 according to the third embodiment.
FIG. 13 is a diagram for explaining the operation of the recommendation device 1 according to the third embodiment.
[Explanation of symbols]
REFERENCE SIGNS LIST 1 recommendation device 2 user terminal 11 action history database 12 classification analysis unit 13 distribution count average value calculation unit 14 ratio calculation unit 15 approximation degree calculation unit 16 priority calculation unit 17 preference value calculation unit 18 user database 19 distribution unit 20 content database 21 access management unit 30 correlation analysis unit 31 analysis result database 40 user attribute condition generation unit

Claims

A user action history database that stores a history of the content transmitted to the user terminal and a category set for classifying the content in association with each other;
Based on the information stored in the action history database, classification into a plurality of classification groups according to the number of groups specified in advance so that distribution histories having a high degree of similarity in distribution of distribution times of categories including distributed contents are collected. A classification analysis unit to analyze, and a distribution count average value calculation unit that calculates an average value of the distribution count in the category based on the analysis result of the classification analysis unit,
A ratio for calculating, for each category, a ratio between an average value of the distribution times of the categories in the classification group and an average value of the distribution times of all the categories in the classification group based on the calculation result of the distribution number average value calculation unit. A calculating unit;
An approximation degree calculation unit that classifies users into the classification group, and calculates the degree of closeness between the distribution count average value of each category of the classified group and the distribution history of the content to the user;
A priority calculation unit that calculates a priority for each category in the classification group based on the approximation calculated by the approximation calculation unit and the ratio calculated by the ratio calculation unit;
A preference value calculation unit that calculates a preference value based on the priority calculated by the priority calculation unit and a preset coefficient;
A preference value calculated by the preference value calculation unit, and a user database storing the preference information of the user in association with a category corresponding to the preference value;
A delivery unit that delivers an advertisement for content based on user preference information stored in the user database,
A recommendation device comprising:

A recommendation device that is connected to a user terminal via a network and distributes an advertisement of content classified by category,
A user database in which a category according to the user's preference is set for each user,
A user action history database that stores a history of content transmitted to the user terminal;
When distributing an advertisement to the user terminal, refer to the user database and the user behavior history database, and among the contents included in the category set for the user, the content having no history distributed to the user terminal. A distribution unit that extracts and distributes the extracted advertisement of the content to the user terminal;
A recommendation device comprising:

A preference information setting method in a recommendation device that distributes a content advertisement based on user preference information,
A distribution history having a high degree of similarity in distribution of the number of distributions of a category including a distributed content based on information stored in association with a history of the content transmitted to the user terminal and a category set for classifying the content. Classify and analyze into multiple classification groups according to the number of groups specified in advance so that
The average value of the number of distributions in the category is calculated based on the analysis result of the classification analysis, and the average value of the number of distributions of the category in the classification group and the distribution of all the categories in the classification group are calculated based on the calculation result of the average value of the distribution number. The ratio to the average value of the number of times is calculated for each category,
Classify the users into the classification group, calculate the closeness of the distribution count average value of each category of the classified group and the distribution history of the content to the user,
Based on the calculated degree of approximation and the ratio, calculate the priority for each category in the classification group,
Based on the calculated priority and a preset coefficient, a preference value is calculated,
The calculated preference value is set as the user preference information in association with the category corresponding to the preference value,
A preference information setting method, characterized in that:

An advertisement distribution method in a recommendation device that is connected to a user terminal via a network and distributes an advertisement of content classified by category,
When delivering an advertisement to the user terminal, referring to a user database in which a category according to the user's preference is set for each user and a user action history database that stores a history of content transmitted to the user terminal, An advertisement distribution method, comprising extracting, from the contents included in the category set for the user, content having no history of distribution to the user terminal, and distributing an advertisement of the extracted content to the user terminal.

A preference information setting program in a recommendation device that distributes a content advertisement based on user preference information,
A distribution history having a high degree of similarity in distribution of the number of distributions of a category including a distributed content based on information stored in association with a history of the content transmitted to the user terminal and a category set for classifying the content. Classifying and analyzing into a plurality of classification groups according to the number of groups specified in advance so that
Calculating an average value of the number of distributions in the category based on the analysis result of the classification analysis;
Calculating, for each category, a ratio between the average value of the number of distribution times of the category in the classification group and the average value of the distribution times of all the categories in the classification group, based on the calculation result of the average value of the number of distribution times;
Classifying users into the classification group, and calculating an approximation degree between the distribution count average value of each category of the classified group and the distribution history of the content to the user;
Calculating a priority for each category in the classification group based on the calculated similarity and ratio;
Calculating a preference value based on the calculated priority and a preset coefficient;
Setting the calculated preference value and the preference information of the user in association with the category corresponding to the preference value;
Preference information setting program for causing a computer to execute.

An advertisement distribution program in a recommendation device that is connected to a user terminal via a network and distributes an advertisement of content classified by category,
When delivering an advertisement to the user terminal, referring to a user database in which a category according to the user's preference is set for each user and a user action history database that stores a history of content transmitted to the user terminal, Advertisement distribution for causing a computer to execute a step of extracting content having no history of distribution to the user terminal from contents included in the category set by the user and distributing an advertisement of the extracted content to the user terminal program.

A computer-readable recording medium recording a preference information setting program in a recommendation device that distributes a content advertisement based on user preference information,
A distribution history having a high degree of similarity in distribution of the number of distributions of a category including a distributed content based on information stored in association with a history of the content transmitted to the user terminal and a category set for classifying the content. Classifying and analyzing into a plurality of classification groups according to the number of groups specified in advance so that
Calculating an average value of the number of distributions in the category based on the analysis result of the classification analysis;
Calculating, for each category, a ratio between the average value of the number of distribution times of the category in the classification group and the average value of the distribution times of all the categories in the classification group, based on the calculation result of the average value of the number of distribution times;
Classifying users into the classification group, and calculating an approximation degree between the distribution count average value of each category of the classified group and the distribution history of the content to the user;
Calculating a priority for each category in the classification group based on the calculated similarity and ratio;
Calculating a preference value based on the calculated priority and a preset coefficient;
Setting the calculated preference value and the preference information of the user in association with the category corresponding to the preference value;
Recording medium storing a preference information setting program for causing a computer to execute the program.

A computer-readable recording medium that is connected to a user terminal via a network and records an advertisement distribution program in a recommendation device that distributes advertisements of content classified by category,
When delivering an advertisement to the user terminal, referring to a user database in which a category according to the user's preference is set for each user and a user action history database that stores a history of content transmitted to the user terminal, Advertisement distribution for causing a computer to execute a step of extracting content having no history of distribution to the user terminal from contents included in the category set by the user and distributing an advertisement of the extracted content to the user terminal A recording medium on which a program is recorded.