JP2005502968A - 共同的なフィルタリングを含む４方の推薦方法及びシステム - Google Patents

共同的なフィルタリングを含む４方の推薦方法及びシステム Download PDF

Info

Publication number
JP2005502968A
JP2005502968A JP2003528021A JP2003528021A JP2005502968A JP 2005502968 A JP2005502968 A JP 2005502968A JP 2003528021 A JP2003528021 A JP 2003528021A JP 2003528021 A JP2003528021 A JP 2003528021A JP 2005502968 A JP2005502968 A JP 2005502968A
Authority
JP
Japan
Prior art keywords
data
viewing
viewer
group
viewing data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2003528021A
Other languages
English (en)
Other versions
JP2005502968A5 (ja
Inventor
シャッファー，ジェイムズ　ディー
ヴィ アール ギュッタ，スリニヴァス
クラパティ，カウシャル
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of JP2005502968A publication Critical patent/JP2005502968A/ja
Publication of JP2005502968A5 publication Critical patent/JP2005502968A5/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4661—Deriving a combined profile for a plurality of end-users of the same client, e.g. for family members within a home
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H04N21/44224—Monitoring of user activity on external systems, e.g. Internet browsing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4663—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving probabilistic networks, e.g. Bayesian networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4665—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving classification methods, e.g. Decision trees
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4755—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for defining user preferences, e.g. favourite actors or genre
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/16—Analogue secrecy systems; Analogue subscription systems
    • H04N7/173—Analogue secrecy systems; Analogue subscription systems with two-way working, e.g. subscriber sending a programme selection signal
    • H04N7/17309—Transmission or handling of upstream communications
    • H04N7/17318—Direct or substantially direct transmission and handling of requests

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Transfer Between Computers (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

第１次の視聴者（１４）と他の第２次の視聴者達（１５−１７）に対応する、フィードバックデータ（Ｄ３，Ｄ４，Ｄ１２ａ−Ｄ１２ｃ，Ｄ１５ａ−Ｄ１５ｃ）、暗黙のデータ（Ｄ７，Ｄ８，Ｄ１７ａ−Ｄ１７ｃ，Ｄ１９ａ−Ｄ１９ｃ）、及び／又は、明白なデータ（Ｄ１１，Ｄ２１ａ−Ｄ２１ｃ）に基づいて、第１次の視聴者（１４）への項目の推薦を提供する自動化された共同的なフィルタリング方法を使用するシステムが開示される。自動化された共同的なフィルタリング処理の第１の動作は、第１次の視聴者（１４）による項目の第１のグループの視聴を示すデータ（Ｄ３，Ｄ４，Ｄ７，Ｄ８，Ｄ１１）に一致する第２次の視聴者達（１５−１７）による項目の第２のグループの視聴を示すデータ（Ｄ１２ａ−Ｄ１２ｃ，Ｄ１５ａ−Ｄ１５ｃ，Ｄ１７ａ−Ｄ１７ｃ，Ｄ１９ａ−Ｄ１９ｃ，Ｄ２１ａ−Ｄ２１ｃ）を見つける。自動化された共同的なフィルタリング処理の第２の動作は、第１の動作で達成されたデータ一致と比較されるような項目の１つ又はそれ以上の属性を示すデータ（Ｄ１３）の関数として、第１次の視聴者（１４）により視聴されていない項目の推薦（Ｄ１４，Ｄ１６，Ｄ１８，Ｄ２０，Ｄ２２，Ｄ２３）を発生することである。

Description

【０００１】
本発明は、一般的には、多数のメディアコンテンツ選択（例えば、テレビジョン番組、チャットルーム，オンデマンドビデオメディアファイル、オーディオ等）を管理するメディア視聴者を補助する電子番組案内を使用するシステムに関連する。本発明は、特に、視聴者へ選択を提案し提案に基づいて動作する（例えば、視聴者のための番組の記録）”知能”を有するシステムに関連する。
【０００２】
従来の電子番組案内は、多くの利用できるチャネルについての、番組の一覧表を表示する。一覧表は、局所的に発生されそして、対話的に示される。一覧表は、一般的にはグリッドの形式で配置される。グリッドの各行は、特定の放送チャネル又は、ケーブルチャネル（例えば、ＮＢＣ、ＣＢＳ、ＡＢＣ、ＰＢＳ、ＣＮＮ、ＥＳＰＮ、ＨＢＯ、ＭＡＸ等）を示す。グリッドの各列は、特定の時間スロット（例えば、午前１２：００から開始する３０分の時間スロット）を示す。複数の行と複数の列がスクリーン上に同時に表示されうる。種々の予定された番組又はショーは、行と列内に配置され、それにより、それらが個々に見つけられうるチャネルと時間を示す。グリッドは、垂直にスクロールでき、それにより、視聴者は所定の時間期間内の異なるチャネルを通して走査できる。グリッドは、表示される時間期間を変更するために、水平にもスクロール（パン）され得る。
【０００３】
利用できる番組に関するデータは、データレコードの組として、ケーブルシステム又は電話線により受信される。各利用できる番組は、クローズドキャプションとステレオそして、おそらく番組の短い説明が利用できるかどうかに関わらず、そのチャネル、その開始及び終了時間、そのタイトル、俳優の名前のような番組に関する情報を含む単一の対応するデータレコードを有しうる。これらの形式のデータレコードから上述のようなグリッドをフォーマットすることは困難ではない。期間（例えば、２週間）を渡るデータは、典型的には、サーバ（例えば、ケーブルシステムヘッドエンド）で一度フォーマットされ、ケーブルシステムが供給されている家庭に繰り返して且つ連続して放送される。代わりに、データは、電話線、又は、他のネットワークを介して、オンデマンドで又は予め定められた予定で、ダウンロードされうる。
【０００４】
電子番組案内システムは、視聴者インターフェース（以後、”視聴者インターフェース装置”）を有する装置上で動作することができる。視聴者インターフェース装置は、セットトップボックス（ＳＴＢ）、汎用コンピュータ、埋め込みシステム、テレビジョン内のコントローラ又は、通信ネットワークのサーバ又はインターネットサーバの形式である。視聴者インターフェース装置は、表示を発生し且つ視聴者からの入力を受信するために、ＴＶに接続されている。新たな列と行へスクロールするときに、視聴者インターフェース装置は、新たな行又は、列を表示するために必要な、番組情報に関する（視聴者インターフェース又は、その他の場所内の）記憶されたデータベースから適切な情報を検索する。例えば、新たな列をスクロールするときに、新たな時間スロット内に入る番組が表示される必要がある。
【０００５】
電子番組案内は、無数のテレビジョン及び他のメディア視聴選択の中から選択することの管理を容易にする。電子番組案内インターラクティブ応用は、視聴者嗜好データベースを構築しそして、提案し、選択の仕事を簡単化するために現在又は将来の番組情報をフィルタし、又は、視聴者に代わって選択を行うために嗜好データを使用する。例えば、システムは、視聴者からの特定の要求又は、それが推薦するハイライト選択なしに、番組を記録できる。
【０００６】
嗜好データベースを構築するための第１の形式の装置は、暗黙のプロファイラ（ｐｒｏｆｉｌｅｒ）である。視聴者は単に、生の電子番組案内データから通常の方法で選択を行いそして、暗黙のプロファイラは、選択から視聴者の振舞いのモデルを抽出することにより個人嗜好データベースを徐々に構築する。推薦器は、そして、視聴者が将来見ることを好むものについての予測を行うために、そのモデルを使用する。この抽出処理は、同じ項目についての繰り返しての要求を検出することにより明らかな好みのものを識別するような、単純なアルゴリズムに従うことができ、又は、大きな数の入力（自由度）を有する決定−ツリー技術のような、高度な機械学習処理でもよい。そのようなモデルは、一般的にいえば、視聴者の相互作用の動作（即ち、選択を行うための視聴者インターフェース装置との相互作用）内のパターンを捜す。
【０００７】
視聴者の視聴のパターンから有益な情報を抽出する暗黙のプロファイラにより実行される１つの技術は、属性−値カウント数のテーブルを発生することである。属性の例は、”１日の時間”でありそして、対応する値は”午前”である。選択がなされると、その選択を特徴化する属性−値のカウント数が増加される。通常は、所定の選択は、多くの属性−値を有する。選択がそれから区別された（随意に、同時に）ショーのサブセットを選択することにより、否定的な選択の組も発生されうる。それらの属性−値カウント数は、減少される（又は、視聴されないショーのカウント数が増加される）。このデータは、候補が視聴者により好まれる確率を予測するために候補を特徴化する特徴カウント数への重みとしてカウント数を使用する、ベイズの予測器の形式の暗黙のプロファイラに送られる。ベイズの予測器の例は、２０００年２月４日に出願された、名称”ベイズのＴＶショー推薦器”の米国特許出願番号０９／４９８，２７１に開示され、その全体は、ここで全てが述べられているように、参照によりここに組み込まれる。視聴者の振舞いの観測から受動的に暗黙のプロファイルを構築する、規則に基づく暗黙のプロファイラは、１９９９年１月１４日に公開された、名称”知的電子番組案内”の、ＷＯ９９／０１９８４のＰＣＴ出願に記載されている。
【０００８】
暗黙のプロファイラの他の例は、視聴パターンを監視することにより視聴者のテレビジョン視聴嗜好を学習するシステムの、ＭｂＴＶに組み込まれたものである。ＭｂＴＶは、透明に動作しそして、視聴者の好みのプロファイルを構築する。このプロファイルは、例えば、視聴者が見るのに興味を持っているテレビジョン番組を推薦する、サービスを提供するのに使用される。ＭｂＴＶは、視聴者の好みの各々について学習し、そして、次に来る番組を推薦するためにそれが学習するものを使用する。ＭｂＴＶは、視聴者を望ましい次に来る番組へ警告することにより、視聴者がそれらのテレビジョンを見ることを助けそして、記憶装置に加えるとともに、視聴者がいないときに自動的にこれらの番組を記録することができる。
【０００９】
ＭｂＴＶは、嗜好決定エンジンと記憶管理エンジンを有する。これらは、時間シフトテレビジョンを容易にするために使用される。ＭｂＴＶは、望みの番組を、単純に提案するよりはむしろ、自動的に記録できる。ＭｂＴＶの記憶管理エンジンは、記憶装置が最適なコンテンツを有することを保証しようとする。この処理は、どの記録された番組が（完全に又は部分的に）見られたか及び、どれが無視されたかを追跡することを含む。視聴者は、消去を避けるために、将来の視聴のために記録された番組を”ロック”できる。視聴者が番組提案又は記録されたコンテンツを扱う方法は、将来の決定を正確にするために、この情報を使用するＭｂＴＶの嗜好エンジンへ更なるフィードバックを提供する。
【００１０】
ＭｂＴＶは、各”成分の興味”を示す記録空間の部分を保存する。これらの”興味”は、異なるファミリメンバへ変換され得又は、異なる好みのカテゴリーを示すことが可能である。ＭｂＴＶは、視聴者の介入を必要としないが、その能力を精密に調整することが望まれる者により、特別注文化が可能である。視聴者は、異なる形式の番組についての、”記憶予算”に影響する。例えば、視聴者は、子供は大多数のテレビジョンを家庭で見るが、２５％のみの記録空間が、子供番組により消費されるべきであることを示しうる。
【００１１】
嗜好データベースを構築する第２の形式の装置は、明白なプロファイラである。明白なプロファイラは、視聴者が、特徴を等級化することにより、好き又は嫌いを規定することを可能とする。これらは、（例えば、俳優の属性及びジョンウェインの値についての、７はスケール１−７の非常に好きである）属性−値ペアの得点であるか又は、”私はドキュメンタリーが好きであるが、しかし、ギャングが来る夜である木曜日ではない。”のような属性−値ペアの組合わせのような幾つかの他の規則−仕様である。例えば、視聴者は、視聴者インターフェース装置を通して、ドラマとアクション映画は好むが、ある特定の俳優は好まないことを示すことが可能である。これらの基準は、番組の組の中から、視聴者により好まれるものを予測するために、適用される。
【００１２】
ＥＰ出願（ＥＰ０８５４６４５Ａ２）は、例えば、状況喜劇、連続ドラマ、古い映画等の、好ましい番組カテゴリのような、一般的な嗜好を入力することを可能とする、明白なプロファイラを有するシステムを開示する。出願は、例えば、１つは１０−１２才の子供についての、他は、１０代の少女についてのそして、他は、飛行機趣味の者等のような、嗜好プロファイルを選択することが可能な嗜好テンプレートも開示する。
【００１３】
嗜好データベースを構築する第３の形式の装置は、フィードバックプロファイラである。例えば、現在ＴｉＶｏ（Ｒ）は、視聴者が、ショーへ、３つの賛意の合図又は３つの拒否の合図を与えることを可能とする。名称”テレビジョン予定情報を使用するシステム及び方法”のＰＣＴ出願、ＷＯ９７／４９２４は、フィードバックプロファイラを組み込むシステムの例である。出願は、視聴者が通常のグリッドで表示される電子番組案内を通して操作できそして、種々の番組を選択できるシステムを開示する。各点で、視聴者は、記録及び視聴のために番組を選択し、番組を見るためにメモをスケジューリングし、そして、好みのものを指定するために番組を選択することを含む、任意の種々の記載されたタスクを行う。好みのものとして番組を指定することは、おそらく、”常にこのショーを見る選択を表示する”又はメモを繰り返すことを実行する、：ような固定の規則を実行するためである。好みのものを指定する目的は、出願に明確に記載されている。しかしながら、更に重要なことに、嗜好データベースを生成する目的で、視聴者が好みのものを指定するために番組を選択するときに、視聴者はそれが好みのものである理由を示す選択が提供される。この理由は、一般的な嗜好を定義することにより：他の明白な基準と同じ方法で示される。
【００１４】
暗黙のプロファイリングシステムは、視聴者がフィードバックデータ又は明白なデータを提供する必要がないので、視聴者に関してより容易であるという利点を有する。視聴者は単に、システムと対話する。明白なプロファイリングシステムとフィードバックプロファイルシステムは、明白な嗜好情報を提供する利点を有する。明白なプロファイルシステムは、信頼性があるが、しかし、視聴者が、どの基準がよい弁別器で、それにどのような重みを与えるかを決定することができる点へ、自身の嗜好を抽象化する難しさを有するので、完全ではない。フィードバックプロファイリングシステムは、おそらく、最高の品質の情報を提供するがしかし、発生するのが負担であり、そして、さらに、明白なプロファイルシステムで得られる全ての情報を含まない場合があり、そして、暗黙のプロファイルシステムのような多くのショーに関する情報を必要ともしうる。
【００１５】
更に、フィードバック形式と暗黙の形式のプロファイリングシステムは、視聴者に”コールドスタート”として知られる項目を経験させる。特に、視聴者の嗜好データベースを構築するこれらの種類のプロファイリングシステムの実効性の程度は、システムと視聴者の間の相互動作の成熟度とともに、増加する。このように、視聴者の嗜好データベースを構築する各形式のプロファイリングシステムの実効性の程度は、システムと視聴者の間の相互作用のはやい段階中に制限される。
【００１６】
”コールドスタート”シナリオと取り組む１つの方法は、米国特許番号４，９９６，６４２及び米国特許番号５，７９０，４２６に開示されているシステムのような自動化された共同的なフィルタリングシステムの使用である。見ていない項目の推薦を要求する視聴者に応じて、これらの従来技術システムは、第２次の視聴者のグループにより視聴された項目の等級と共に、要求する視聴者により視聴された項目の等級に基づいている。しかしながら、これらの従来技術のシステムは、視聴されていない項目と視聴された項目の特定の特徴へ、直接的な考慮を与えない。従って、視聴者に提供される推薦は、視聴されていない項目の特定の特徴の視聴者の意見から異なる。更に、視聴されていない項目は、第２次の視聴者のグループにより視聴された項目の中に含まれていない場合がある。しかしながら、従来技術のシステムは、第２次の視聴者のグループにより視聴されていない項目についての推薦を発生する方法を提供しない。本発明は、これらの問題と取り組む。
【００１７】
本発明は、従来技術に関連する欠点を解決する、共同的なフィルタを含む４方のメディア推薦方法及びシステムに関連する。特に、本発明は、システムのどのユーザによっても等級付けされていない項目の共同的フィルタリングの適用を容易にする。本発明の種々の面は、新規であり、自明ではなくそして、種々の利点を提供する。ここでカバーされる本発明の実際の性質は、これに添付の請求項を参照してのみ決定でき、ここに開示された実施例の特徴である特定の特徴は、次のように簡単に記載される。
【００１８】
本発明の１つの形式は、第１次の視聴者による項目の推薦を提供する自動化された共同的なフィルタリング法である。最初に、第１次の視聴者による項目の第１のグループの視聴を示すデータに一致する第２次の視聴者達のグループによる項目の第２のグループの視聴を示すデータのサブセットを見つける。第２に、項目の推薦が、項目の１つ又はそれ以上の属性示すデータと共に、一致したデータのサブセットの関数として発生される。
【００１９】
本発明の第２の形式は、第１次の視聴者へ項目の推薦を提供する自動化された共同的なフィルタリング法である。システムは、第１次の視聴者による項目の第１のグループの視聴を示すデータに一致する第２次の視聴者達のグループによる項目の第２のグループの視聴を示すデータのサブセットを見つける第１のモジュールを有する。システムは、更に、第１の項目の１つ又はそれ以上の属性示すデータと一致したデータのサブセットの関数として、視聴されていない項目の推薦を発生する第２のモジュールを有する。
【００２０】
本発明の第３の形式は、第１次ユーザヘ項目の推薦を提供するコンピュータ読出し媒体内のコンピュータプログラムプロダクトである。コンピュータプログラムプロダクトは、第１次の視聴者による項目の第１のグループの視聴を示すデータに一致する第２次の視聴者達のグループによる項目の第２のグループの視聴を示すデータのサブセットを見つけるコンピュータ読出し可能なコードを有する。コンピュータプログラムプロダクトは、更に、項目の１つ又はそれ以上の属性示すデータと、一致したデータのサブセットの関数として、項目の推薦を発生するコンピュータ読出し可能なコードを有する。
【００２１】
本発明の、前述の形式と他の形式、特徴及び利点は、添付の図面と共に読めば、現在好ましい実施例の以下の詳細な説明からさらに明らかとなろう。詳細な説明と図面は、限定するよりは、単に、本発明の説明であり、本発明の範囲は、添付の請求項と均等物により定義される。
【００２２】
本発明の自動化された共同的フィルタリングシステムは、図１に示されている。システムは、アプリケーションサーバ１１ａ、データベースサーバ１１ｂ、視聴者コンピュータ１２ａ、視聴者コンピュータ１２ｂ、視聴者コンピュータ１２ｃ、及び視聴者コンピュータ１２ｄの間の通信リンクを提供するのに使用される、ネットワーク１０を有する。ネットワーク１０は、有線、光ファイバーケーブルのような恒久的な接続又は、電話線又は、無線通信を通してなされる一時的な接続を有する。ネットワーク１０は、インターネット、エクストラネット、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）の形式又は、当業者に起こりうるような他の形式である。
【００２３】
視聴者コンピュータ１２ａ−１２ｄは、テレビジョン番組を見るために、それぞれ、第２次の視聴者１４−１７のグループにより使用される、それぞれテレビジョン１３ａ−１３ｄのグループと（一時的に又は恒久的に）通信する。
【００２４】
アプリケーションサーバ１１ａとデータベース１１ｂは、構造化された入力を受け、規定された規則に従って入力を処理し、そして、本発明のプロファイリングルーチン３０（図３Ａ）とプログラム推薦ルーチン４０（図３Ｂ）を実行するために処理結果を出力する形式に構成されうる。視聴者コンピュータ１２ａ−１２ｄは、構造化された入力を受け、規定された規則に従って入力を処理し、そして、本発明の共同的フィルタリングルーチン８０（図５）を実行する形式に構成されうる。アプリケーションサーバ１１ａ、アプリケーションサーバ１１ｂ、及び視聴者コンピュータ１２ａ−１２ｄ内で使用されるコンピュータハードウェアの一実施例が、図２に示されている。コンピュータハードウェアは、１つ又はそれ以上の中央処理ユニット（ＣＰＵ）２１、読出し専用メモリ（ＲＯＭ）２２、ランダムアクセスメモリ（ＲＡＭ）２３、及びコントローラ２４ａ−２４ｄ間の電気的通信を行うバス２０を有する。
【００２５】
各ＣＰＵ２１が、好ましくは、インテルファミリーのマイクロプロセッサの１つ、ＡＭＤファミリのマイクロプロセッサの１つ、又は、モトローラファミリのマイクロプロセッサの１つである。ＲＯＭ２２が恒久的に種々の制御プログラムを記憶する。ＲＡＭ２３は、従来のオペレーティングシステムをロードして、そして選択的に制御プログラムをロードするためのメモリである。
【００２６】
コントローラ２４ａが、ＣＰＵ２１とハードディスクドライブ２５ａの間の相互作用を慣習的に促進する。ハードディスクドライブは、従来のオペレーティングシステムとアプリケーションプログラムを記憶する。コントローラ２４ｂは、ＣＰＵ２１とＣＤ ＲＯＭドライブ２５ｂの間に、慣習的に相互作用を促進し、それによってＣＤ ＲＯＭディスク２６上の任意のプログラムがハードウェアの上にインストールされうる。コントローラ２４ｂは、ＣＰＵ２１とディスケットドライブ２５ｃの間の相互作用を慣習的に促進し、それによって、ディスケット２７上の任意のプログラムがハードウェアの上にインストールされうる。コントローラ２４ｄは、ＣＰＵ２１とネットワーク１０の間の相互作用を慣習的に促進する。
【００２７】
本発明の原理を実行するために、当業者に生じるように、図２で示されたコンピュータハードウェアは、追加のハードウェア構成要素を含むことができる。さらに、当業者に生じるように、アプリケーションサーバー１１ａ、アプリケーションサーバ１１ｂと、視聴者コンピュータ１２ａ−１２ｄは、図２に示されたコンピュータハードウェアの修正版又は、その代わりの実施例を有しうる。
【００２８】
プロファイリングルーチン３０（図３A）及び番組推薦ルーチン４０（図３B）は、視聴者１４に対応している視聴データという状況でここに記述され、そして、共同フィルタリングルーチン８０（図５）は、視聴者１４−１７に対応している視聴データという状況でここに記述される。しかしながら、当業者は、大きな数の視聴者（例えば、１００−１０，０００）が活発に本発明の自動化された共同的なフィルターシステムに関係しているシナリオで、ルーチン３０とルーチン８０の実行を正当に評価するであろう。
【００２９】
図３Aに示されたように、ルーチン３０は、例えば、フィードバックプロファイリングソフトウェア５０（図４Ａ）、暗黙のプロファイリングソフトウェア６０（図４Ｂ）、及び明白なプロファイリングソフトウェア７０（図４Ｃ）のような、多くの形式で実装されることができる。視聴コンピュータ１２ａのコンピュータ読み出し可能な媒体（例えば、ハードディスクドライブ２５ａ、ＣＤ ＲＯＭディスク２６、フレキシブルディスク２７、又は、任意の他の形式）が、電気的に、磁気的に、光学的に、又は、化学的に、ソフトウェア５０、ソフトウェア６０、及び／又は、ソフトウェア７０に対応しているコンピュータ読出し可能なコードを含むように、変えられる。代わりに、ソフトウェア５０、ソフトウェア６０、及び／又は、ソフトウェア７０は、部分的に又は完全に、アナログ回路構成、デジタル回路構成又は両方によって、視聴コンピュータ１２ａの中で実行されることができる。
【００３０】
ルーチン３０の段階Ｓ３２中に、視聴コンピュータ１２ａは、視聴者１４に対応する視聴データを受信しそして記憶する。図４Ａに示されているように、段階Ｓ３２中に、ソフトウェア５０は、番組Ｘと得点Ｙの形式の視聴データＤ１を受信し、そして、視聴データＤ１をフィードバック履歴データベースＤＢ１内に記録される視聴データＤ２へフォーマットする従来のフィードバックユーザインタフェース５１を含む。図４Ｂに示されたように、段階Ｓ３２中に、ソフトウェア６０は、番組Ｘの形式の視聴データＤ５を受信しそして、視聴データＤ５を暗黙の履歴データベースＤＢ３に記憶される視聴データＤ６へフォーマットする、従来の暗黙のユーザモニタ６１を含む。図４Ｃに示されたように、段階Ｓ３２中に、ソフトウェア７０は、視聴者嗜好の形式の視聴データＤ９を受信しそして、視聴データＤ９を視聴データＤ１０へフォーマットする、従来の明白なユーザインタフェース７１を含む。
【００３１】
ルーチン３０の段階Ｓ３４中に、視聴コンピュータ１２ａは、視聴者１４の視聴プロファイルを更新する。図４Ａに示されたように、段階Ｓ３４中に、ソフトウェア５０は、フィードバック履歴データＤ３に応じたフィードバックプロファイルデータＤ４を発生し、そして、フィードバックプロファイルデータベースＤＢ２内にフィードバックプロファイルデータＤ４を記憶する、従来のフィードバックプロファイルモジュール５２を含む。図４Ｂに示されたように、段階Ｓ３４中に、ソフトウェア６０は、暗黙の履歴データＤ７に応じて暗黙のプロファイルルデータＤ８を発生しそして、暗黙のプロファイルデータベースＤＢ４内に暗黙のプロファイルデータＤ８を記憶する、従来の暗黙のプロファイルモジュール６２を含む。図４Ｃに示されたように、段階Ｓ３４中に、ソフトウェア７０は、視聴データＤ１０に応じて明白なプロファイルデータＤ１１を生成しそして、明白なプロファイルデータベースＤＢ５内に明白なプロファイルデータＤ１１を記憶する、従来の明白なプロファイルモジュール７２を含む。
【００３２】
ソフトウェア５０、ソフトウェア６０及びソフトウェア７０は、段階Ｓ３４の完了の後にルーチン３０を終了させる。
【００３３】
図３Ｂに示されたルーチン４０は、例えば、１９９９年１２月１７日に出願された名称”決定ツリーを使用してテレビジョン番組を推薦する方法及び装置”の米国出願番号０９／４６６，４０６及び、２０００年２月４日に出願された名称”ベイズのＴＶショー推薦器”の米国特許出願番号０９／４９８，２７１のような本発明の原理の下で多くの形式で実行され、各々は、本発明の譲り受け人へ譲渡されそして、その全体は参照によりここに組み込まれる。視聴コンピュータ１２ａのコンピュータ読み出し可能な媒体（例えば、ハードディスクドライブ２５ａ、ＣＤ ＲＯＭディスク２６、フレキシブルディスク２７、あるいは任意の他の形式）は、電気的に、磁気的に、光学的に、あるいは化学的に、ルーチン４０を実行するソフトウェアに対応するコンピュータ読み出し可能コードを含むように変えられる。代わりに、ソフトウェアは、部分的にあるいは完全に、アナログ回路構成、デジタル回路構成あるいは両方により、視聴コンピュータ１２ａ内で実行されることができる。
【００３４】
ルーチン４０の段階Ｓ４２中に、視聴コンピュータ１２は、番組Ｘに対応している属性データを受信する。ルーチン５０の段階Ｓ４４中に、視聴コンピュータ１２ａは、視聴者１４がコールドスタートのシナリオを経験しているかどうかを決定する。一実施例では、視聴コンピュータ１２ａが、視聴者１４に、固定された数より少ない推薦（例えば、２０より少ない推薦）を提供したときに、視聴コンピュータ１２ａは視聴者１４がコールドスタートのシナリオを経験していると決定する。
【００３５】
視聴コンピュータ１２ａが視聴者１４が段階Ｓ４４中にコールドスタートのシナリオを経験していないと決定するときには、視聴コンピュータ１２ａは、ルーチン４０の段階Ｓ４６ａ中に、米国特許出願番号０９／４６６，４０６又は、米国特許出願番号０９／４９８，２７１に従って、慣習的に番組の推薦を発生しそして、段階Ｓ４６中に推薦を表示する。
【００３６】
視聴コンピュータ１２ａが、視聴者１４が段階Ｓ４４中にコールドスタートのシナリオを経験していると決定するときには、視聴コンピュータ１２ａは、段階Ｓ４８中に表示されるアプリケーションサーバ１１ａからの番組Ｘの推薦を受信するか又は、段階Ｓ４６ａ中に番組Ｘの推薦を発生するのに使用されるアプリケーションサーバー１１ａからの１人又はそれ以上の視聴者１５−１７に対応する視聴データを受信するかのいずれかの、ルーチン４０の段階Ｓ４６ｂへ進む。アプリケーションサーバー１１ａは、ルーチン８０（図５）の実行の結果として、番組の推薦あるいは視聴データを提供する。
【００３７】
図５に示されたルーチン８０は、例えば、フィードバックフィルタリングソフトウェア９０、（図６Ａ）、フィードバックフィルタリングソフトウェア１００（図６Ｂ）、暗黙のフィルタリングソフトウェア１１０（図６Ｃ）、暗黙のフィルタリングソフトウェア１２０（図６Ｄ）、そして明白なフィルタリングソフトウェア１３０（図６Ｅ）のような、多くの形式に実装されることができる。アプリケーションサーバ１１ａのコンピュータ読み出し可能な媒体（例えば、ハードディスクドライブ２５ａ、ＣＤ ＲＯＭディスク２６、フレキシブルディスク２７、あるいは任意の他の形式）は、電気的に、磁気的に、光学的に、あるいは化学的に、ソフトウェア９０、ソフトウェア１００、ソフトウェア１１０、ソフトウェア１２０、及び／又は、ソフトウェア１３０に対応している、コンピュータ読み出し可能なコードを含むように変えられる。代わりに、ソフトウェア９０、ソフトウェア１００、ソフトウェア１１０、ソフトウェア１２０、及び／又は、ソフトウェア１３０は、部分的にあるいは完全に、アナログ回路構成、デジタル回路構成あるいは両方によって、アプリケーションサーバ１１ａ内で、実行されることができる。
【００３８】
ルーチン８０の段階Ｓ８２中に、アプリケーションサーバー１１ａは、データベースサーバ１１ｂから、視聴者１４（第１次）と視聴者１５−１７（第２次）に対応する視聴データを検索する。ネットワーク１０（図１）を介したデータベースサーバ１１ｂ内の視聴者１４−１７に対応する視聴データの記憶は、固定されているか又は、ランダムなスケジュールの上に起こりうる。好ましくは、データベースサーバー１１ｂが、アプリケーションサーバー１１ａによってルーチン８０の開始に応じて、視聴者１４−１７に対応している視聴データのいっそう最新のバージョンを記憶する。
【００３９】
図６Ａに示されたように、段階Ｓ８２中に、ソフトウェア９０の共同的なフィードバックプロファイルモジュール９１は、データベースサーバ１１ｂのフィードバックプロファイルデータベースＤＢ６から、それぞれ、視聴者１５−１７に対応する視聴データＤ１２ａ−Ｄ１２ｃとともに、視聴者１４に対応している視聴データＤ４を検索する。
【００４０】
図６Ｂに示されたように、段階Ｓ８２中に、ソフトウェア１００のフィードバック履歴モジュール１０１は、データベースサーバ１１ｂのフィードバック履歴データベースＤＢ７から、それぞれ、視聴者１５−１７に対応する視聴データＤ１５ａ−Ｄ１５ｃとともに、視聴者１４に対応する視聴データＤ３を検索する。
【００４１】
図６Ｃに示されたように、段階Ｓ８２中に、ソフトウェア１１０の共同的な暗黙のプロファイルモジュール１１１は、データベースサーバ１１ｂの暗黙のプロファイルデータベースＤＢ８から、それぞれ、視聴者１５−１７に対応する視聴データＤ１７ａ−Ｄ１７ｃとともに、視聴者１４に対応する視聴データＤ８を検索する。
【００４２】
図６Ｄに示されたように、段階Ｓ８２中に、ソフトウェア１２０の共同的な暗黙の履歴モジュール１２１は、データベースサーバ１１ｂの暗黙の履歴データベースＤＢ９から、それぞれ、視聴者１５−１７に対応する視聴データＤ１９ａ−Ｄ１９ｃとともに、視聴者１４に対応する視聴データＤ７を検索する。
【００４３】
図６Ｅに示されたように、段階Ｓ８２中に、ソフトウェア１３０の共同的な明白なプロファイルモジュール１３１は、データベースサーバ１１ｂの暗黙のプロファイルデータベースＤＢ１０から、それぞれ、視聴者１５−１７に対応する視聴データＤ２１ａ−Ｄ２１ｃとともに、視聴者１４に対応する視聴データＤ１１を検索する。
【００４４】
ルーチン８０段階Ｓ８４中に、アプリケーションサーバ１１ａは、視聴者１４の視聴するデータに一致する視聴者１５−１７の視聴データのサブセットを見つける。
【００４５】
一実施例では、ソフトウェア９０のモジュール９１は、視聴者１４と視聴者１５は、一致する視聴データを有するどうかを決定するときに、段階Ｓ８４の間に次の一連のステップを実行する。
【００４６】
最初に、視聴データＤ４と視聴データＤ１２ａの雑音遮断より上の、確率を有する属性−値ペアエントリの各特徴（ｆ）について以下の式[１]が満足されるときに、ｆｂ＿ｓｃｏｒｅ（ｊ）は、１だけ増加される。
【００４７】
【数１】
Figure 2005502968
（｛ｃｐ＿ｉ（ｆ）−ｃｐ＿ｊ（ｆ）｝＜クラスＣ＋についてのｃｐ＿しきい値）
ここで、ｉは視聴データＤ４を示し；ｊは視聴データＤ１２ａを示し；ｃｐ＿ｉ（ｆ）は視聴データＤ４からの特徴（ｆ）の条件確率であり；ｃｐ＿ｊ（ｆ）は視聴データＤ１２ａからの特徴（ｆ）の条件確率であり；ｃｐ＿ｔｈｒｅｓｈｏｌｄは例示の範囲０．０と０．１０の間の数である。ｃｐ＿ｔｈｒｅｓｈｏｌｄの実際の値は、視聴データＤ４と視聴データＤ１２ａの間の実際の一致の数を制御するために経験的に決定される。
【００４８】
第２に、ｆｂ＿ｓｃｏｒｅ（ｊ）の最終値は、視聴データＤ４の雑音遮断より上の確率を有する特徴（ｆ）の合計の数で割ることにより、ｆｂ＿ｓｃｏｒｅ（ｊ）の最終値へ正規化され、０．０と１．０の間の視聴データＤ１２ａのｆｂｎ＿ｓｃｏｒｅ（ｊ）を得る。
【００４９】
最後に、視聴データＤ１２ａのｆｂｎ＿ｓｃｏｒｅ（ｊ）が、例えば、０．９のような一致＿しきい値（ｍａｔｃｈ＿ｔｈｒｅｓｈｏｌｄ）より大きいときに、図６Ａに示されたように、視聴データＤ１２ａは、共同的なフィードバック推薦モジュール９２に供給される。
【００５０】
モジュール９１が、その後、ステップの同じシリーズの下で、視聴データＤ４が視聴データＤ１２ｂと視聴データＤ１２ｃと一致するどうかを決定する。従って、一致＿しきい値は、経験的に決定されて、そして固定され、それによって、視聴データ一致するもののサンプルのサイズが、番組９０のそれぞれの実行で変化しうる。代わりに、一致＿しきい値は、動的に変化し、それによって、視聴データ一致するもののサンプルのサイズが、番組９０の各実行で望ましいサンプルサイズに近付く。
【００５１】
第２の実施例では、視聴者１４と視聴者１５が一致する視聴データを有するかを決定するときに、ソフトウェア１００のモジュール１０１は、段階Ｓ８４中に、次の一連のステップを実行する。
【００５２】
最初に、スコア（Ｂ、Ａ）が、次の式［２］から計算される：
【００５３】
【数２】
Figure 2005502968
ここで、ｐｏｓ（Ａ）は正のスコアを有するフィードバックデータＤ３内の番組であり；ｐｏｓ（Ｂ）は正のスコアを有する視聴データＤ１５ａ内の番組であり；ｎ＿ｐｏｓ（Ｂ）は視聴データＤ３内の番組の数であり；ｍａｔｃｈ（（ｐｏｓ（Ｂ），ｐｏｓ（Ａ））はｐｏｓ（Ａ）とｐｏｓ（Ｂ）の両方内に示された番組の数である。
【００５４】
第２に、図６Ｂに示されたように、視聴データＤ１５ａは、視聴データＤ１５ａのｆｂ＿ｓｃｏｒｅ（Ｂ，Ａ）が、例えば、０．９のような一致＿しきい値よりも大きいときに、共同的なフィードバック推薦モジュール１０２に供給される。
【００５５】
モジュール１０１は、その後、同じシリーズのステップの下で、視聴データＤ３が視聴データＤ１５ｂ及び視聴データＤ１５ｃと一致するかどうか決定する。従って、一致＿しきい値は、経験的に決定されて、そして固定され、それによって、視聴データ一致するもののサンプルのサイズが、番組１００の各実行で変化しうる。代わりに、一致＿しきい値は、動的に変えられ、それによって、視聴データ一致するもののサンプルのサイズは、番組１００の各実行で望ましいサンプルのサイズに近付く。
【００５６】
第３の実施例では、視聴者１４と視聴者１５は一致する視聴データを有するかどうかを決定するときに、ソフトウェア１１０のモジュール１１１は、段階Ｓ８４中に、次の一連のステップを実行する。
【００５７】
最初に、視聴データＤ８と視聴データＤ１７ａの雑音遮断より上の、確率を有する属性−値ペアエントリの各特徴（ｆ）について以下の式[１]が満足されるときに、ｉｍ＿ｓｃｏｒｅ（ｊ）は、１だけ増加される。
【００５８】
【数３】
Figure 2005502968
（｛ｃｐ＿ｉ（ｆ）−ｃｐ＿ｊ（ｆ）｝＜クラスＣ＋についてのｃｐ＿しきい値）
ここで、ｉは視聴データＤ８を示し；ｊは視聴データＤ１７ａを示し；ｃｐ＿ｉ（ｆ）は視聴データＤ８からの特徴（ｆ）の条件確率であり；ｃｐ＿ｊ（ｆ）は視聴データＤ１７ａからの特徴（ｆ）の条件確率であり；ｃｐ＿ｔｈｒｅｓｈｏｌｄは例示の範囲０．０と０．１０の間の数である。ｃｐ＿ｔｈｒｅｓｈｏｌｄの実際の値は、視聴データＤ８と視聴データＤ１７ａの間の実際の一致の数を制御するために経験的に決定される。
【００５９】
第２に、ｉｍ＿ｓｃｏｒｅ（ｊ）の最終値は、視聴データＤ８で雑音遮断より上の確率を有する特徴（ｆ）の合計の数で割ることにより、ｉｍ＿ｓｃｏｒｅ（ｊ）の最終値へ正規化され、０．０と１．０の間の視聴データＤ１７ａのｉｍｎ＿ｓｃｏｒｅ（ｊ）を得る。
【００６０】
最後に、視聴データＤ１７ａのｉｍ＿ｓｃｏｒｅ（ｊ）が、例えば、０．９のような一致＿しきい値（ｍａｔｃｈ＿ｔｈｒｅｓｈｏｌｄ）より大きいときに、図６ｃに示されたように、視聴データＤ１７ａは、共同的な暗黙の推薦モジュール１１２に供給される。
【００６１】
モジュール１１１が、その後、ステップの同じシリーズの下で、視聴データＤ８が視聴データＤ１７ｂと視聴データＤ１７ｃと一致するどうかを決定する。従って、一致＿しきい値は、経験的に決定されて、そして固定され、それによって、視聴データ一致するもののサンプルのサイズが、番組１１０のそれぞれの実行で変化しうる。代わりに、一致＿しきい値は、動的に変化し、それによって、視聴データ一致するもののサンプルのサイズが、番組１１０の各実行で望ましいサンプルサイズに近付く。
【００６２】
第４の実施例では、視聴者１４と視聴者１５は一致する視聴データを有するかどうかを決定するときに、ソフトウェア１２０のモジュール１２１は、段階Ｓ８４中に、次の一連の式を実行する。
【００６３】
最初に、ｉｍ＿ｓｃｏｒｅ（Ｂ，Ａ）が、次の式[３]から計算される。
【００６４】
【数４】
Figure 2005502968
ここで、ｐｏｓ（Ａ）は正のスコアを有する視聴データＤ７内の番組であり；ｐｏｓ（Ｂ）は正のスコアを有する視聴データＤ１９ａ内の番組であり；ｎ＿ｐｏｓ（Ｂ）は視聴データＤ７内の番組の数であり；ｍａｔｃｈ（（ｐｏｓ（Ｂ），ｐｏｓ（Ａ））はｐｏｓ（Ａ）とｐｏｓ（Ｂ）の両方内に示された番組の数である。
【００６５】
第２に、図６Ｄに示されたように、視聴データＤ１９ａは、視聴データＤ１９ａのｉｍ＿ｓｃｏｒｅ（Ｂ，Ａ）が、例えば、０．９のような一致＿しきい値よりも大きいときに、共同的な暗黙の推薦モジュール１２２に供給される。
【００６６】
モジュール１２１は、その後、同じシリーズのステップの下で、視聴データＤ７が視聴データＤ１９ｂ及び視聴データＤ１９ｃと一致するかどうか決定する。従って、一致＿しきい値は、経験的に決定されて、そして固定され、それによって、視聴データ一致するもののサンプルのサイズが、番組１２０の各実行で変化しうる。代わりに、一致＿しきい値は、動的に変えられ、それによって、視聴データ一致するもののサンプルのサイズは、番組１２０の各実行で望ましいサンプルのサイズに近付く。
【００６７】
第５の実施例では、視聴者１４と視聴者１５がで、一致する視聴データを有するかどうかを決定するときに、ソフトウェア１３０のモジュール１３１は段階Ｓ８４中に、次の一連のステップを実行する。
【００６８】
最初に、次の式[４]が、視聴データＤ１１と視聴データＤ２１ａの属性−値のペアエントリの各特徴（ｆ）について満足させられるとき、ｅｘ＿ｓｃｏｒｅ（ｊ）が１だけ増加される：
【００６９】
【数５】
Figure 2005502968
ここで、ｉは視聴データＤ１１を示し；ｊは視聴データＤ２１ａを示し；ｅｒ＿ｉ（ｆ）は視聴データＤ１１からの特徴（ｆ）の明白な等級であり；ｅｒ＿ｊ（ｆ）は視聴データＤ２１ａからの特徴（ｆ）の明白な等級であり；ｅｒ＿ｔｈｒｅｓｈｏｌｄは例えば、１又は２のいずれかである。ｅｒ＿ｔｈｒｅｓｈｏｌｄの実際の値は、視聴データＤ１１と視聴データＤ２１ａ−Ｄ２１ｃの間の実際の一致の数を制御するために経験的に決定される。
【００７０】
第２に、ｅｒ＿ｓｃｏｒｅ（ｊ）の最終値は、非中性スコアを有する特徴（ｆ）の合計の数で割ることにより、ｅｒ＿ｓｃｏｒｅ（ｊ）の最終値へ正規化され、０．０と１．０の間の視聴データ２１ａのｅｒｎ＿ｓｃｏｒｅ（ｊ）を得る。
【００７１】
最後に、視聴データＤ２１ａのｅｒｎ＿ｓｃｏｒｅ（ｊ）が、例えば、０．９のような一致＿しきい値（ｍａｔｃｈ＿ｔｈｒｅｓｈｏｌｄ）より大きいときに、図６Ｅに示されたように、視聴データＤ２１ａは、共同的なフィードバック推薦モジュール１３２に供給される。
【００７２】
モジュール１３１が、その後、ステップの同じシリーズの下で、視聴データＤ１１が視聴データＤ２１ｂと視聴データＤ２１ｃと一致するどうかを決定する。従って、一致＿しきい値は、経験的に決定されて、そして固定され、それによって、視聴データ一致するもののサンプルのサイズが、番組１３０のそれぞれの実行で変化しうる。代わりに、一致＿しきい値は、動的に変化し、それによって、視聴データ一致するもののサンプルのサイズが、番組１３０の各実行で望ましいサンプルサイズに近付く。
【００７３】
ルーチン８０の段階Ｓ８６ａ中に、アプリケーションサーバ１１ａは、番組に対応する属性データを受信する。ルーチン８０の段階Ｓ８８の間に、アプリケーションサーバー１１ａは、一致される視聴データの関数として、番組の推薦を生成する。
【００７４】
一実施例では、モジュール９２は、視聴コンピュータ１２ｂから、米国特許出願番号０９／４９８，２７１に記載のされたもののようなベイズの推薦器を検索し、それにより、図６Ａに示されたように視聴データＤ１２ａと属性データＤ１３の関数として、推薦Ｄ１４を発生する。モジュール９１が視聴データＤ４と視聴データＤ１２ａ−Ｄ１２ｃの間の２又はそれ以上の一致するものを決定するシナリオでは、モジュール９２は、各々の一致した視聴データＤ１２ａ−Ｄ１２ｃから個々の推薦を生成するために、適切な視聴コンピュータ１２ｂ−１２ｄからベイズの推薦器を利用する。個々の推薦は、そして、プールされ、それによって、最も有力な推薦が推薦D１４として働き、又は、推薦D１４を発生するために、例えば、個々の推薦の平均が、推薦Ｄ１４を発生するために計算されるような、個別の推薦を結合するための機構が実行されうる。
【００７５】
第２の実施例では、モジュール１０２は、視聴コンピュータ１２ｂから、米国特許出願番号０９／４６６，４０６に記載されたもののような決定ツリー推薦器を使用し、それにより、図６Ｂに示されたように視聴データＤ１５ａと属性データＤ１３の関数として、推薦Ｄ１６を発生する。モジュール１０１が視聴データＤ３と視聴データＤ１５ａ−Ｄ１５ｃの間の２又はそれ以上の一致するものを決定するシナリオでは、モジュール１０２は、各一致した視聴データＤ１５ａ−Ｄ１５ｃから個々の推薦を生成するために、適切な視聴コンピュータ１２ｂ−１２ｄから決定ツリー推薦器を利用する。個々の推薦は、そして、プールされ、それによって、最も有力な推薦が推薦D１６として働き、又は、推薦D１６を発生するために、例えば、次の式[５]のように、推薦Ｄ１５を発生するために個々の推薦を結合するための機構が、実行されうる：
【００７６】
【数６】
Figure 2005502968
ここで、Ｋは一致する視聴データの数であり；そしてｒｅｃｏｍｍ（ｔ，ｄｔ（ｋ））はショーｔとユーザｋにつての決定ツリー推薦器からの推薦である。
【００７７】
第３の実施例では、モジュール１１２は、視聴コンピュータ１２ｂから、米国特許出願番号０９／４９８，２７１に記載されたもののようなベイズの推薦器を検索し、それにより、図６Ｃに示されたように視聴データＤ１７ａと属性データＤ１３の関数として、推薦Ｄ１８を発生する。モジュール１１１が視聴データＤ８と視聴データＤ１７ａ−Ｄ１７ｃの間の２又はそれ以上の一致するものを決定するシナリオでは、モジュール１０２は、各一致した視聴データＤ１７ａ−Ｄ１７ｃから個々の推薦を生成するために、適切な視聴コンピュータ１２ｂ−１２ｄからベイズの推薦器を利用する。個々の推薦は、そして、プールされ、それによって、最も有力な推薦が推薦D１８として働き、又は、例えば、個々の推薦の平均が推薦Ｄ１８を発生するために計算されるように、推薦Ｄ１８を発生するために個々の推薦を結合するための機構が、実行されうる。
【００７８】
第４の実施例では、モジュール１２２は、視聴コンピュータ１２ｂから、米国特許出願番号０９／４６６，４０６に記載されたもののような決定ツリー推薦器を使用し、それにより、図６Ｄに示されたように視聴データＤ１９ａと属性データＤ１３の関数として、推薦Ｄ２０を発生する。モジュール１２１が視聴データＤ７と視聴データＤ１９ａ−Ｄ１９ｃの間の２又はそれ以上の一致するものを決定するシナリオでは、モジュール１２２は、各一致した視聴データＤ１９ａ−Ｄ１９ｃから個々の推薦を生成するために、適切な視聴コンピュータ１２ｂ−１２ｄから決定ツリー推薦器を利用する。個々の推薦は、そして、プールされ、それによって、最も有力な推薦が推薦D２０として働き、又は、例えば、前述の式[５]のように、推薦Ｄ２０を発生するために個々の推薦を結合するための機構が、実行されうる。
【００７９】
第５の実施例では、モジュール１３２は、視聴コンピュータ１２ｂから、米国特許出願番号０９／４９８，２７１に記載されたもののようなベイズの推薦器を検索し、それにより、図６Ｅに示されたように視聴データＤ２１ａと属性データＤ１３の関数として、推薦Ｄ２２を発生する。モジュール１３１が視聴データＤ１０と視聴データＤ２１ａ−Ｄ２１ｃの間の２又はそれ以上の一致するものを決定するシナリオでは、モジュール１３２は、各一致した視聴データＤ２１ａ−Ｄ２１ｃから個々の推薦を生成するために、適切な視聴コンピュータ１２ｂ−１２ｄからベイズの推薦器を利用する。個々の推薦は、そして、プールされ、それによって、最も有力な推薦が推薦D２２として働き、又は、例えば、個々の推薦の平均が推薦Ｄ２２を発生するために計算されるように、推薦Ｄ２２を発生するために個々の推薦を結合するための機構が、実行されうる。
【００８０】
ルーチン４０の段階Ｓ４６ｂ中に推薦Ｄ１４、Ｄ１６、Ｄ１８、Ｄ２０及びＤ２２の１つを受信することに応じて、視聴コンピュータ１２は、ルーチン４０の段階Ｓ４８中に推薦を表示するか、又は、段階Ｓ４８中に結合された推薦を表示するために段階Ｓ４６ａ中に発生された任意の推薦とともに推薦をプールする。
【００８１】
段階Ｓ８６ａと段階Ｓ８８の代わりに、アプリケーションサーバ１１ａは、一致された視聴データ（例えば、視聴データ１２ａ、視聴データ１５ａ、視聴データ１７ａ、視聴データ１９ａ及び視聴データ２１ａ）を、視聴コンピュータ１２ａに供給する。段階Ｓ４６ｂ中に、一致した視聴データの１つを受信することに応じて、視聴コンピュータ１２ａは、一致した視聴データを対応する推薦器への入力として利用し、それによって、段階Ｓ４６中に推薦を生成して、そして段階Ｓ４８中に推薦を表示する。
【００８２】
ソフトウェア９０、ソフトウェア１００、ソフトウェア１１０、ソフトウェア１２０及びソフトウェア１３０は、ここに個々に記述された。一実施例では、図６Ｆに示されたように、前述のソフトウェアの２つ又はそれ以上が、共同的なフィルタリング推薦モジュール１４０に連結され、それにより、視聴データ１２ａ又は視聴データ１５ａ、及び、視聴データ１７ａ又は視聴データ１９ａ、及び、視聴データ２１ａの関数として、段階Ｓ８６中に、推薦Ｄ２３を発生する。一実施例では、ショーｊについての最終スコアは、次の式［６］から計算される：
【００８３】
【数７】
Figure 2005502968
ここで、ｅｘ＿ｓｃｏｒｅ（ｊ）は式[４]からの視聴データＤ２１ａの一致スコアであり；ｆｂ＿ｓｃｏｒｅ（ｊ）は式[１]からの視聴データＤ１２ａの一致スコアであり；ｉｍ＿ｓｃｏｒｅ（ｊ）は式[１]からの視聴データＤ１７ａの一致スコアである。モジュール１４０は、その後、視聴コンピュータ１２ａへ推薦Ｄ２３を供給するために適切な推薦器を利用する。
【００８４】
当業者は、図１−６Ｆと共に記載された本発明は、実時間のイベント（即ち、だれにもまだ等級付けされていないイベント）に適用されることができる共同的なフィルターであることを正当に評価するであろう。当業者は、更に、図１−６Ｆと共に記載された本発明は、番組予定データ以外の状況で適用されうることを正当に評価する。例えば、本発明は、ラジオ放送のようなテレビジョン以外のウェブ−キャスト又は、メディア形式についての推薦を発生するために適用されることができる。さらに、本発明の自動化された共同的なフィルタリングシステム又はその代わりの実施例は、ニュース記事を提供するか、あるいは製品を売るウェブサイトの視聴者インタフェースを特別化するために使われることができる。ライブラリブラウジングはもう１つの例である。人は、オンラインのライブラリあるいは新聞記事データベースを想像するかもしれず、それにより、選択肢の範囲を制限するために、本発明のこれらの技術が使用されるかもしれない。
【００８５】
本発明は、前述の説明する実施例の詳細に限定されず、そして本発明は精神あるいはその不可欠な属性から離れないで、他の特定の形式で、具体化されうることは当業者に明白であるであろう。従って、本実施例は、あらゆる点で説明するものとして、そして制約するのではないと考えられるべきであり、本発明の範囲は、前述の記載ではなく添付の請求項により示されており、そして従って請求項の均等の意味と範囲内のすべての変更は包含されるように意図される。
【図面の簡単な説明】
【００８６】
【図１】自動化された共同的なフィルタリングシステムの本発明に従った一実施例の概略図を示す。
【図２】図１のシステム内で使用されるコンピュータハードウェアの本発明に従った一実施例のブロック図を示す。
【図３Ａ】本発明のプロファイリングルーチンのフローチャートを示す。
【図３Ｂ】本発明の番組推薦ルーチンのフローチャートを示す。
【図４Ａ】図３Ａを実行する図１のシステム内で使用されるフィードバック推薦ソフトウェアの一実施例のブロック図を示す。
【図４Ｂ】図３Ａを実行する図１のシステム内で使用される暗黙のプロファイリングソフトウェアの一実施例のブロック図を示す。
【図４Ｃ】図３Ａを実行する図１のシステム内で使用される明白なプロファイリングソフトウェアの一実施例のブロック図を示す。
【図５】本発明の共同的なフィルタリングルーチンのフローチャートを示す。
【図６Ａ】図５のルーチンを実行する図１のシステム内で使用されるフィードバックフィルタリングソフトウェアの第１の実施例のブロック図を示す。
【図６Ｂ】図５のルーチンを実行する図１のシステム内で使用されるフィードバックフィルタリングソフトウェアの第２の実施例のブロック図を示す。
【図６Ｃ】図５のルーチンを実行する図１のシステム内で使用される暗黙のフィルタリングソフトウェアの第１の実施例のブロック図を示す。
【図６Ｄ】図５のルーチンを実行する図１のシステム内で使用される暗黙のフィルタリングソフトウェアの第２の実施例のブロック図を示す。
【図６Ｅ】図５のルーチンを実行する図１のシステム内で使用される明白なフィルタリングソフトウェアの一実施例のブロック図を示す。
【図６Ｆ】図５のルーチンを実行する図１のシステム内で使用される組み合わせフィルタリングソフトウェアの種々の実施例のブロック図を示す。

Claims (11)

  1. 第１次の視聴者へ項目の推薦を提供する自動化された共同的なフィルタリングシステムであって、
    第１のデータに一致する第２のデータのサブセットを見つける手段を有し、前記第１のデータは前記第１次の視聴者による項目のグループの視聴を示し、前記第２のデータは第２次の視聴者達のグループによる項目の第２のグループの視聴を示し、
    第３のデータと前記第２のデータの前記サブセットの関数として前記項目の推薦を発生する手段を有し、
    前記第３のデータは、前記項目の１つ又はそれ以上の属性示す、自動化された共同的なフィルタリングシステム。
  2. 前記システムは、第１次の視聴者への第１の項目の推薦を提供するように配置され、前記システムは、
    前記第１のデータに一致する前記第２のデータの前記サブセットを見つける第１のモジュールを有し、前記第１のデータは前記第１次の視聴者による項目の第１のグループの視聴を示し、前記第２のデータは第２次の視聴者達の第１のグループによる項目の第２のグループの視聴を示し、
    第３のデータと前記第２のデータの前記サブセットの関数として前記第１の項目の推薦を発生する第２モジュールを有し、
    前記第３のデータは、前記第１の項目の１つ又はそれ以上の属性示す、請求項１に記載の自動化された共同的なフィルタリングシステム。
  3. 前記第１のデータは、前記第１次の視聴者のフィードバック視聴プロファイルを含み、
    前記第２のデータは、第２次の視聴者達の前記第１のグループの各々の視聴者のフィードバック視聴プロファイルを含む、請求項２に記載の自動化された共同的なフィルタリングシステム。
  4. 前記第１のデータは、第１次の視聴者のフィードバック視聴履歴を有し、
    前記第２のデータは、第２次の視聴者達の前記第１のグループの各々の視聴者のフィードバック視聴履歴を含む、請求項２に記載の自動化された共同的なフィルタリングシステム。
  5. 前記第１のデータは、前記第１次の視聴者の暗黙の視聴プロファイルを含み、
    前記第２のデータは、第２次の視聴者達の前記第１のグループの各々の視聴者の暗黙の視聴プロファイルを含む、請求項２に記載の自動化された共同的なフィルタリングシステム。
  6. 前記第１のデータは、第１次の視聴者の暗黙の視聴履歴を有し、
    前記第２のデータは、第２次の視聴者達の前記第１のグループの各々の視聴者の暗黙の視聴履歴を含む、請求項２に記載の自動化された共同的なフィルタリングシステム。
  7. 前記第１のデータは、前記第１次の視聴者の明白な視聴プロファイルを含み、
    前記第２のデータは、第２次の視聴者達の前記第１のグループの各々の視聴者の明白な視聴プロファイルを含む、請求項２に記載の自動化された共同的なフィルタリングシステム。
  8. 更に、
    前記第1のデータに一致する第４のデータのサブセットを見つける第３のモジュールを有し、前記第４のデータは前記第２次の視聴者の第２のグループによる項目の第３のグループの視聴を示し、
    前記第２のモジュールは、第３のデータと、前記第２のデータの前記サブセットと、前記第４のデータの前記サブセットの関数として前記第１の項目の推薦を発生するように動作する、
    請求項２に記載の自動化された共同的なフィルタリングシステム。
  9. 更に、
    前記第1のデータに一致する第５のデータのサブセットを見つける第４のモジュールを有し、前記第５のデータは前記第２次の視聴者の第３のグループによる項目の第４のグループの視聴を示し、
    前記第２のモジュールは、第３のデータと、前記第２のデータの前記サブセットと、前記第４のデータの前記サブセットと、前記第５のデータの前記サブセットの関数として前記第１の項目の推薦を発生するように動作する、
    請求項８に記載の自動化された共同的なフィルタリングシステム。
  10. 第１次の視聴者へ第１の項目の推薦を提供する自動化された共同的なフィルタリング方法であって、
    第１のデータに一致する第２のデータのサブセットを見つけ、前記第１のデータは前記第１次の視聴者による項目の第１のグループの視聴を示し、前記第２のデータは第２次の視聴者達の第１グループによる項目の第２のグループの視聴を示し、
    第３のデータと前記第２のデータの前記サブセットの関数として前記第１の項目の推薦を発生し、前記第３のデータは、前記第１の項目の１つ又はそれ以上の属性示す、自動化された共同的なフィルタリング方法。
  11. コンピュータプログラムプロダクトを実行するときに、プログラム可能装置が、請求項１に記載のシステムとして機能することを可能とする、コンピュータプログラムプロダクト。
JP2003528021A 2001-09-10 2002-08-29 共同的なフィルタリングを含む４方の推薦方法及びシステム Pending JP2005502968A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/953,385 US20030051240A1 (en) 2001-09-10 2001-09-10 Four-way recommendation method and system including collaborative filtering
PCT/IB2002/003579 WO2003024108A1 (en) 2001-09-10 2002-08-29 Four-way recommendation method and system including collaborative filtering

Publications (2)

Publication Number Publication Date
JP2005502968A true JP2005502968A (ja) 2005-01-27
JP2005502968A5 JP2005502968A5 (ja) 2006-01-05

Family

ID=25493910

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003528021A Pending JP2005502968A (ja) 2001-09-10 2002-08-29 共同的なフィルタリングを含む４方の推薦方法及びシステム

Country Status (6)

Country Link
US (1) US20030051240A1 (ja)
EP (1) EP1435177A1 (ja)
JP (1) JP2005502968A (ja)
KR (1) KR20040033037A (ja)
CN (1) CN1326401C (ja)
WO (1) WO2003024108A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009520431A (ja) * 2005-12-19 2009-05-21 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 典型的な仮想チャンネルのためのデフォルト設定を提供するテンプレートのためのシステム、装置および方法
JP2010534370A (ja) * 2007-07-24 2010-11-04 サムスン エレクトロニクス カンパニー リミテッド 複合アルゴリズム利用した情報推薦方法及び装置

Families Citing this family (70)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7373317B1 (en) * 1999-10-27 2008-05-13 Ebay, Inc. Method and apparatus for facilitating sales of goods by independent parties
US7370006B2 (en) * 1999-10-27 2008-05-06 Ebay, Inc. Method and apparatus for listing goods for sale
US8533094B1 (en) 2000-01-26 2013-09-10 Ebay Inc. On-line auction sales leads
US7284064B1 (en) * 2000-03-21 2007-10-16 Intel Corporation Method and apparatus to determine broadcast content and scheduling in a broadcast system
US20020143591A1 (en) * 2001-03-30 2002-10-03 Connelly Jay H. Method and apparatus for a hybrid content on demand broadcast system
US7185352B2 (en) * 2001-05-11 2007-02-27 Intel Corporation Method and apparatus for combining broadcast schedules and content on a digital broadcast-enabled client platform
US20030005465A1 (en) * 2001-06-15 2003-01-02 Connelly Jay H. Method and apparatus to send feedback from clients to a server in a content distribution broadcast system
US20020194603A1 (en) * 2001-06-15 2002-12-19 Jay H. Connelly Method and apparatus to distribute content using a multi-stage broadcast system
US20030005451A1 (en) * 2001-06-15 2003-01-02 Connelly Jay H. Method and apparatus to distribute content descriptors in a content distribution broadcast system
US7296055B2 (en) * 2001-09-11 2007-11-13 Sony Corporation Information providing system, information providing apparatus, information providing method, information processing apparatus, information processing method, and program
US8943540B2 (en) * 2001-09-28 2015-01-27 Intel Corporation Method and apparatus to provide a personalized channel
US20030066090A1 (en) * 2001-09-28 2003-04-03 Brendan Traw Method and apparatus to provide a personalized channel
US7231419B1 (en) * 2001-10-19 2007-06-12 Outlooksoft Corporation System and method for adaptively selecting and delivering recommendations to a requester
US8275673B1 (en) 2002-04-17 2012-09-25 Ebay Inc. Method and system to recommend further items to a user of a network-based transaction facility upon unsuccessful transacting with respect to an item
WO2004038547A2 (en) * 2002-10-21 2004-05-06 Ebay Inc. Listing recommendation in a network-based commerce system
EP1606936A1 (en) * 2003-03-17 2005-12-21 Koninklijke Philips Electronics N.V. Recommender having display of visual cues to aid a user during a feedback process
JP2006524473A (ja) * 2003-04-03 2006-10-26 セドナ・パテント・サービシズ・エルエルシー コンテンツ通知および配信
JP2006523403A (ja) * 2003-04-14 2006-10-12 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ 番組画像のコンテンツを介した暗黙的なｔｖ推薦の生成
EP1484693A1 (en) * 2003-06-04 2004-12-08 Sony NetServices GmbH Content recommendation device with an arrangement engine
EP1484692B1 (en) * 2003-06-04 2013-07-24 Intel Corporation Content recommendation device with user feedback
US7826907B2 (en) * 2003-07-31 2010-11-02 Hewlett-Packard Development Company, L.P. Fortuitous combinations of ad-hoc available sets of different electronic devices to respond to user jobs
WO2005050482A1 (en) 2003-10-21 2005-06-02 Nielsen Media Research, Inc. Methods and apparatus for fusing databases
CN1890682A (zh) * 2003-12-03 2007-01-03 皇家飞利浦电子股份有限公司 用于建议的增强型协作筛选技术
CN1635498A (zh) * 2003-12-29 2005-07-06 皇家飞利浦电子股份有限公司 一种内容推荐方法及系统
JP2007532988A (ja) * 2004-03-04 2007-11-15 シャープ株式会社 インターネットに接続されたテレビのためのプレゼンス技術に基づく即時共用される個人好み同時情報のための方法およびシステム
US8150825B2 (en) 2004-03-15 2012-04-03 Yahoo! Inc. Inverse search systems and methods
US9396212B2 (en) * 2004-04-07 2016-07-19 Visible World, Inc. System and method for enhanced video selection
US9087126B2 (en) 2004-04-07 2015-07-21 Visible World, Inc. System and method for enhanced video selection using an on-screen remote
JP2008502983A (ja) * 2004-06-17 2008-01-31 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 性格属性を使うパーソナル化したサマリー
US20060036565A1 (en) * 2004-08-10 2006-02-16 Carl Bruecken Passive monitoring of user interaction with a browser application
JP2008523493A (ja) * 2004-12-10 2008-07-03 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 有料コンテンツへの自動加入方法及び装置
US20060277290A1 (en) * 2005-06-02 2006-12-07 Sam Shank Compiling and filtering user ratings of products
US7779011B2 (en) 2005-08-26 2010-08-17 Veveo, Inc. Method and system for dynamically processing ambiguous, reduced text search queries and highlighting results thereof
US7788266B2 (en) 2005-08-26 2010-08-31 Veveo, Inc. Method and system for processing ambiguous, multi-term search queries
EP1920546B1 (en) * 2005-08-30 2014-04-16 NDS Limited Enhanced electronic program guides
US8423323B2 (en) * 2005-09-21 2013-04-16 Icosystem Corporation System and method for aiding product design and quantifying acceptance
EP1783632B1 (en) * 2005-11-08 2012-12-19 Intel Corporation Content recommendation method with user feedback
JP5036178B2 (ja) * 2005-12-12 2012-09-26 株式会社ソニー・コンピュータエンタテインメント コンテンツ案内システム、コンテンツ案内方法、コンテンツ案内支援サーバ、コンテンツ案内支援方法、プログラム及び情報記憶媒体
US7739280B2 (en) * 2006-03-06 2010-06-15 Veveo, Inc. Methods and systems for selecting and presenting content based on user preference information extracted from an aggregate preference signature
EP4209927A1 (en) * 2006-04-20 2023-07-12 Veveo, Inc. User interface methods and systems for selecting and presenting content based on user navigation and selection actions associated with the content
US7814112B2 (en) * 2006-06-09 2010-10-12 Ebay Inc. Determining relevancy and desirability of terms
US8468155B2 (en) * 2006-06-22 2013-06-18 Infosys Limited Collaborative filtering-based recommendations
US8078884B2 (en) * 2006-11-13 2011-12-13 Veveo, Inc. Method of and system for selecting and presenting content based on user identification
US8799250B1 (en) * 2007-03-26 2014-08-05 Amazon Technologies, Inc. Enhanced search with user suggested search information
US20080250323A1 (en) * 2007-04-04 2008-10-09 Huff Gerald B Method and apparatus for recommending an application-feature to a user
US8050998B2 (en) * 2007-04-26 2011-11-01 Ebay Inc. Flexible asset and search recommendation engines
US20080275846A1 (en) * 2007-05-04 2008-11-06 Sony Ericsson Mobile Communications Ab Filtering search results using contact lists
US8051040B2 (en) 2007-06-08 2011-11-01 Ebay Inc. Electronic publication system
KR101213235B1 (ko) * 2007-07-24 2012-12-17 삼성전자주식회사 콘텐트 사용자 또는 콘텐트 제작자가 콘텐트에 삽입되는광고를 선택할 수 있는 콘텐트의 재생/제작 방법 및 장치
US8943539B2 (en) 2007-11-21 2015-01-27 Rovi Guides, Inc. Enabling a friend to remotely modify user data
JP5170103B2 (ja) * 2007-11-26 2013-03-27 富士通株式会社 録画再生装置
US20090228918A1 (en) * 2008-03-05 2009-09-10 Changingworlds Ltd. Content recommender
US8131732B2 (en) * 2008-06-03 2012-03-06 Nec Laboratories America, Inc. Recommender system with fast matrix factorization using infinite dimensions
US8037080B2 (en) * 2008-07-30 2011-10-11 At&T Intellectual Property Ii, Lp Recommender system utilizing collaborative filtering combining explicit and implicit feedback with both neighborhood and latent factor models
EP2169953A1 (en) * 2008-09-24 2010-03-31 Alcatel Lucent Improved device for IP TV channel selection
EP2224729A1 (de) * 2009-02-25 2010-09-01 MoreTV Broadcasting GmbH Verfahren und System zur Verarbeitung von Programminformationen eines zeitlich linear ausgestrahlten Mediums
US9166714B2 (en) 2009-09-11 2015-10-20 Veveo, Inc. Method of and system for presenting enriched video viewing analytics
US8914829B2 (en) * 2009-09-14 2014-12-16 At&T Intellectual Property I, Lp System and method of proactively recording to a digital video recorder for data analysis
US8938761B2 (en) * 2009-09-14 2015-01-20 At&T Intellectual Property I, Lp System and method of analyzing internet protocol television content credits information
US20110191332A1 (en) * 2010-02-04 2011-08-04 Veveo, Inc. Method of and System for Updating Locally Cached Content Descriptor Information
US9055347B2 (en) * 2010-07-02 2015-06-09 At&T Intellectual Property I, L.P. Apparatus and method for providing electronic program guides
US9420320B2 (en) 2011-04-01 2016-08-16 The Nielsen Company (Us), Llc Methods, apparatus and articles of manufacture to estimate local market audiences of media content
US9230212B2 (en) * 2012-02-02 2016-01-05 Peel Technologies, Inc. Content based recommendation system
ES2668899T3 (es) * 2012-04-12 2018-05-23 Contentwise S.R.L. Recomendaciones de lado de cliente en redes de radiodifusión unidireccional
JP5209129B1 (ja) * 2012-04-26 2013-06-12 株式会社東芝 情報処理装置、放送受信装置及び情報処理方法
GB2548336B (en) * 2016-03-08 2020-09-02 Sky Cp Ltd Media content recommendation
US9872072B2 (en) * 2016-03-21 2018-01-16 Google Llc Systems and methods for identifying non-canonical sessions
US20180011615A1 (en) * 2016-07-08 2018-01-11 Netflix, Inc. Regenerating an interactive page based on current user interaction
US10277944B2 (en) * 2016-11-30 2019-04-30 The Nielsen Company (Us), Llc Methods and apparatus to calibrate audience measurement ratings based on return path data
US20180192127A1 (en) * 2016-12-30 2018-07-05 Jamdeo Canada Ltd. System and method for digital television operation and control - conversense

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10240749A (ja) * 1997-02-24 1998-09-11 Nec Corp 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体
JP2000132559A (ja) * 1998-10-23 2000-05-12 Hitachi Ltd 情報フィルタリングシステムにおけるプロファイル更新方法及び情報フィルタリングシステム
JP2000227920A (ja) * 1999-02-05 2000-08-15 Nippon Telegr & Teleph Corp <Ntt> 情報フィルタリング方法及び装置並びに情報フィルタリングプログラムを記録した記録媒体
JP2000331020A (ja) * 1999-05-21 2000-11-30 Nippon Telegr & Teleph Corp <Ntt> 情報参照方法，情報参照装置および情報参照プログラムを格納した記憶媒体

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4996642A (en) * 1987-10-01 1991-02-26 Neonics, Inc. System and method for recommending items
US5997964A (en) * 1991-04-11 1999-12-07 Sprayex Llc Liquid crystal display
US5758257A (en) * 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US6029195A (en) * 1994-11-29 2000-02-22 Herz; Frederick S. M. System for customized electronic identification of desirable objects
AU1566597A (en) * 1995-12-27 1997-08-11 Gary B. Robinson Automated collaborative filtering in world wide web advertising
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
US6314420B1 (en) * 1996-04-04 2001-11-06 Lycos, Inc. Collaborative/adaptive search engine
US5848396A (en) * 1996-04-26 1998-12-08 Freedom Of Information, Inc. Method and apparatus for determining behavioral profile of a computer user
US5790426A (en) * 1996-04-30 1998-08-04 Athenium L.L.C. Automated collaborative filtering system
US5801747A (en) * 1996-11-15 1998-09-01 Hyundai Electronics America Method and apparatus for creating a television viewer profile
US5912696A (en) * 1996-12-23 1999-06-15 Time Warner Cable Multidimensional rating system for media content
US20030088872A1 (en) * 1997-07-03 2003-05-08 Nds Limited Advanced television system
US6175362B1 (en) * 1997-07-21 2001-01-16 Samsung Electronics Co., Ltd. TV graphical user interface providing selection among various lists of TV channels
US6005597A (en) * 1997-10-27 1999-12-21 Disney Enterprises, Inc. Method and apparatus for program selection
US5973683A (en) * 1997-11-24 1999-10-26 International Business Machines Corporation Dynamic regulation of television viewing content based on viewer profile and viewing history
US6530083B1 (en) * 1998-06-19 2003-03-04 Gateway, Inc System for personalized settings
US6898762B2 (en) * 1998-08-21 2005-05-24 United Video Properties, Inc. Client-server electronic program guide
US6266649B1 (en) * 1998-09-18 2001-07-24 Amazon.Com, Inc. Collaborative recommendations using item-to-item similarity mappings
US6317881B1 (en) * 1998-11-04 2001-11-13 Intel Corporation Method and apparatus for collecting and providing viewer feedback to a broadcast
US6813775B1 (en) * 1999-03-29 2004-11-02 The Directv Group, Inc. Method and apparatus for sharing viewing preferences
US6449632B1 (en) * 1999-04-01 2002-09-10 Bar Ilan University Nds Limited Apparatus and method for agent-based feedback collection in a data broadcasting network
AU5934900A (en) * 1999-07-16 2001-02-05 Agentarts, Inc. Methods and system for generating automated alternative content recommendations
US6487539B1 (en) * 1999-08-06 2002-11-26 International Business Machines Corporation Semantic based collaborative filtering
US6681247B1 (en) * 1999-10-18 2004-01-20 Hrl Laboratories, Llc Collaborator discovery method and system
US20050076357A1 (en) * 1999-10-28 2005-04-07 Fenne Adam Michael Dynamic insertion of targeted sponsored video messages into Internet multimedia broadcasts
AU2735101A (en) * 1999-12-21 2001-07-03 Tivo, Inc. Intelligent peer-to-peer system and method for collaborative suggestions and propagation of media
WO2001047273A1 (en) * 1999-12-21 2001-06-28 Tivo, Inc. Intelligent system and methods of recommending media content items based on user preferences
US7031931B1 (en) * 2000-03-30 2006-04-18 Nokia Corporation Portable device attached to a media player for rating audio/video contents
US20030093329A1 (en) * 2001-11-13 2003-05-15 Koninklijke Philips Electronics N.V. Method and apparatus for recommending items of interest based on preferences of a selected third party
US7571452B2 (en) * 2001-11-13 2009-08-04 Koninklijke Philips Electronics N.V. Method and apparatus for recommending items of interest to a user based on recommendations for one or more third parties
US20030126606A1 (en) * 2001-12-27 2003-07-03 Koninklijke Philips Esectronics N.V. Hierarchical decision fusion of recommender scores

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10240749A (ja) * 1997-02-24 1998-09-11 Nec Corp 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体
JP2000132559A (ja) * 1998-10-23 2000-05-12 Hitachi Ltd 情報フィルタリングシステムにおけるプロファイル更新方法及び情報フィルタリングシステム
JP2000227920A (ja) * 1999-02-05 2000-08-15 Nippon Telegr & Teleph Corp <Ntt> 情報フィルタリング方法及び装置並びに情報フィルタリングプログラムを記録した記録媒体
JP2000331020A (ja) * 1999-05-21 2000-11-30 Nippon Telegr & Teleph Corp <Ntt> 情報参照方法，情報参照装置および情報参照プログラムを格納した記憶媒体

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009520431A (ja) * 2005-12-19 2009-05-21 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 典型的な仮想チャンネルのためのデフォルト設定を提供するテンプレートのためのシステム、装置および方法
JP2010534370A (ja) * 2007-07-24 2010-11-04 サムスン エレクトロニクス カンパニー リミテッド 複合アルゴリズム利用した情報推薦方法及び装置

Also Published As

Publication number Publication date
KR20040033037A (ko) 2004-04-17
WO2003024108A1 (en) 2003-03-20
EP1435177A1 (en) 2004-07-07
CN1554192A (zh) 2004-12-08
CN1326401C (zh) 2007-07-11
US20030051240A1 (en) 2003-03-13

Similar Documents

Publication Publication Date Title
JP2005502968A (ja) 共同的なフィルタリングを含む４方の推薦方法及びシステム
US10327023B2 (en) Systems and methods for modifying playback of a media asset based on an event that will interrupt playback of the media asset
JP4991082B2 (ja) ３方向メディア推奨方法及びシステム指定
KR100782872B1 (ko) 전자 프로그램 가이드 시청 내역 생성 방법 및 시스템
CN101374214B (zh) 信息处理装置和信息处理方法
US8250605B2 (en) Systems and methods for presentation of preferred program selections
EP4283488A1 (en) Systems and methods for determining context switching in conversation
JP2005505070A (ja) 他人のプロフィールを用いた、個人用推薦装置のデータベース
JP2008131339A (ja) 番組情報提供装置、番組情報提供方法及びそのプログラム
US20030126227A1 (en) Method of populating an explicit profile
JP2005504399A (ja) 他人のプロフィールを用いた、推薦装置による個人プロフィールの変更
KR20020073525A (ko) 이용자 프로파일의 선택적 갱신을 위한 방법 및 장치
JP2007060398A (ja) 番組情報提供装置、番組情報提供方法及びそのプログラム
JP2005509965A (ja) メディアコンテンツの推奨に用いられるエージェントの作成
WO2010072617A1 (en) Adaptive implicit learning for recommender systems
JP2008525875A (ja) コンテンツを推薦するための方法及び装置
EP3480767A1 (en) Systems and methods for improving accuracy in media asset recommendation models
US20240251135A1 (en) Systems and methods for providing content recommendations
US9654830B2 (en) Audiovisual content recommendation method and device
US20140373046A1 (en) Programming Filter
EP1634442B1 (en) Transformation of recommender scores depending upon the viewed status of tv shows
US20150169585A1 (en) Device and method for automatic filter adjustment

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050825

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050825

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080819

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20090203