JP2005536814A - ユーザプロファイルの作成方法、及び、ユーザの次の選択に対する提案を特定する方法 - Google Patents
ユーザプロファイルの作成方法、及び、ユーザの次の選択に対する提案を特定する方法 Download PDFInfo
- Publication number
- JP2005536814A JP2005536814A JP2004532119A JP2004532119A JP2005536814A JP 2005536814 A JP2005536814 A JP 2005536814A JP 2004532119 A JP2004532119 A JP 2004532119A JP 2004532119 A JP2004532119 A JP 2004532119A JP 2005536814 A JP2005536814 A JP 2005536814A
- Authority
- JP
- Japan
- Prior art keywords
- user
- user profile
- word
- program
- weight
- 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.)
- Withdrawn
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]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/8106—Monomedia components thereof involving special audio data, e.g. different tracks for different languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
- G06F16/437—Administration of user profiles, e.g. generation, initialisation, adaptation, distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04H—BROADCAST COMMUNICATION
- H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
- H04H60/35—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users
- H04H60/46—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users for recognising users' 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]
- H04N21/20—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
-
- 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]
- H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client
- H04N21/65—Transmission of management data between client and server
- H04N21/658—Transmission by the client directed to the server
- H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/16—Analogue secrecy systems; Analogue subscription systems
- H04N7/162—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing
- H04N7/163—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing by receiver means only
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99934—Query formulation, input preparation, or translation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
ユーザプロファイル及び/又はそれに基づいて計算される提案は、特定のユーザ特徴セットを考慮して得られる。ユーザ特徴は、ユーザプロファイルが使用されるアプリケーションに関して、個々のユーザの典型的な一般的行動を表すものとして定義される。つまり、ユーザプロファイルが使用されるアプリケーション毎に、個々のユーザの典型的な一般的行動を表すことができる特定のユーザ特徴セットが定められる。これらのユーザ特徴に基づいて、ユーザプロファイルの作成時に、ユーザプロファイルを表す単語と重みの対又は重み付きキーワードのリストにおける重みが計算され、あるいは、影響を受け、及び/又は、マルチユーザプロファイルから個々のユーザプロファイルを作成する際に、マルチユーザプロファイルが分割され、及び/又は、提案の特定時に、ユーザプロファイル作成に使用されるユーザ履歴、及び/又は、ユーザプロファイル、及び/又は、提案結果がフィルタリングされる。
Description
本発明は、ユーザプロファイルの作成方法、及び、ユーザの次の選択に対する提案(suggestion)を特定する方法に関し、特に、単語と重みの対(word-weight pair)のリストからなるユーザプロファイルの作成方法、単語と重みの対のリストからなるマルチユーザプロファイルから個々のユーザプロファイルを作成する方法、及び、今後の番組(future program)の説明及びユーザプロファイルについて計算された提案結果に基づいて決定される提案であって、ユーザの次の選択に対する提案を特定する方法に関する。
あらゆる種類のコンテンツ選択アプリケーションにおいて、これらのアプリケーションのユーザに対して「理にかなった提案(reasonable suggestion)」を行おうとする幾つかの技術が知られている。このような提案エンジンの場合、通常、ユーザとユーザの好みがモデル化され、最も可能性がありそうな次のコンテンツ選択の推奨(recommendation)が提示される。ユーザとユーザの好みをモデル化する一般的な方法は、あるアプリケーション及び/又はトピックに関するユーザの関心を特徴付けるユーザグループの所定の定型化されたユーザプロファイルを用いることである。また、ユーザの行動の記録を用い、そのユーザの行動からある特徴を推測している。このような推奨システムは、多くの場合サーバベースのシステムであり、多数のユーザから多くの明示的評価を収集して、プロファイルを構築する。そして、各ユーザのプロファイルは、これらの学習されたプロファイルうちの1つとされ、各ユーザが、プロファイルを構築するのに用いられた他のユーザが好むものをおそらく好むであろうという前提のもとに、選択される可能性があるコンテンツの新たな提案が行われる。
ユーザとそれに対応する好みのモデルは、通常、単語と重みの対のリスト、すなわち重み付けされたキーワードのリストであり、これに従って、選択される可能性がある新たな選択対象が検索され、最も適合する選択対象が見つかる。インゴ・シュワブ(Ingo Schwab)、アルフレード・コプサ(Alfred Kopsa)著の文献「アンオブストラクティブラーニングによる適応性(Adaptivity through Unobstructive Learning)」、Kunstliche Intelligenz, Volume 3-02, pages 5-9, ISSN 0933-1875, Arendt Tapp Verlag, Bremenには、積極的なユーザ観察だけから暗に、このような重み付けされたキーワードのリストからなるユーザプロファイルを学習するアプローチが記載されている。この文献には、ユーザプロファイルとともに、幾つかの方法が記載されている。また、ロス・ウィルキンソン(Ross Wilkinson)、ジャスティン・ゾベル(Justin Zobel)、ロン・サックス−ディビス(Ron Sacks-Davis)著の文献「短い問合せに関する類似性測定(similarity measures for short queries)」、Department of Computer Science, RMIT, GPO Box 2476V, Melbourne 3001, Australia, October 1995, Fourth Text Retrieval Conference (1995), 277-285)には、特に、通常は2語〜10語程度の短い任意の問合せに対し、あるキーワードに基づいて記事(article)やデータベースを見つける情報検索技術が記載されている。
上述のように、周知のシステムは、既存のユーザプロファイル及び/又はユーザ履歴に基づいて提案を算定するが、ユーザがユーザプロファイルを直接編集することもでき、自動的に算定することもできる。また、上述のように、よく用いられる他のメカニズムは、ユーザの行動及び/又は選択対象に応じてユーザグループをクラスタ化することであるが、この場合、これらのユーザからのコンテンツに関する明示的評価が必要である。そして、グループにおけるユーザが好むものが、現在のユーザに対して適切な提案である可能性が高いとみなされる。しかしながら、これらの方法はいずれも、ユーザ又はユーザが属するグループの全般的な履歴から、一般的な提案を行うという点で共通している。コナー・ヘイズ(Conor Hayes)、パドレイグ・カニンガム(Padraig Cunningham)、パトリック・クラーキン(Patrick Clerkin)、マルコ・グリマルディ(Marco Grimaldi)著の文献「番組駆動型の音楽ラジオ(Program driven music radio)」、Department of Computer Science, Trinity College Dublin, Proceedings of the ECAI 2002 (5th conference on artificial intelligence on 21 to 26 July, 2002))には、ストリーミングオーディオ技術及び推奨技術において、聴取者の現在の好みに関係し、得られる提案が現在の状況に応じてフィルタリングされる、より良好な推奨を見つけることが記載されている。ここで言う現在の状況とは、最終的に変化したユーザの好みに対する提案の適合性を確実にするために、ある(最近の)時間帯におけるユーザの行動である。しかしながら、このシステムにおいても、提案は、現在の状況に適合させるために、必要以上に一般的なものとなることがある。
このような必要以上に一般的な提案は、ある期間に亘って観察されるユーザ/ユーザグループに対しては有効であるが、ある状況では不適合となることもある。
したがって、本発明の目的は、ユーザプロファイルを作成し、ユーザの次の選択に対する提案を特定する、改善された技術を提供することである。
この本発明の目的は、独立請求項1に記載の、単語と重みの対のリストからなるユーザプロファイルを作成する方法、独立請求項29に記載の、単語と重みの対のリストからなるマルチユーザプロファイルから個々のユーザプロファイルを作成する方法、及び、独立請求項33に記載の、今後の番組の説明及びそれらのユーザプロファイルについて計算された提案結果に基づいて決定される提案であって、ユーザの次の選択に対する提案を特定する方法により達成される。これらの好ましい実施形態は、続く従属請求項において定義される。さらに、本発明は、請求項38に記載のコンピュータプログラム製品、請求項39に記載のコンピュータにより読み取り可能な記録媒体、請求項40に記載の、単語と重みの対のリストからなるユーザプロファイルを作成するプロファイラ、及び、請求項41に記載の、今後の番組の説明及びユーザプロファイルについて計算された提案結果に基づいて決定される提案であって、ユーザの次の選択に対する提案を特定する提案エンジンを提供する。提案エンジンの好ましい実施形態は、請求項42において定義される。
なお、単語と重みの対、すなわち、上述の重み付けされたキーワードのリストではなく、nグラム(ストップワードを除く、前のn個の単語のコンテキストに応じた単語)等、より一般的な構造を使用することもできる。また、2つ以上の単語を含む句も可能である。これらの構造は「キー構造」と呼ばれる。
(その単語が出現した選択対象が、どのくらい前に選択されたかによって異なるが、)動的に低い重み付けが行われる「古い」キーワード(過去のユーザ選択対象から得られたもの)に重み付けを行うフォーゲット(忘れ)係数を用いることもできる。このようにして、最近の選択対象は高い重みを得るので、ユーザの関心の変化に対する適応が可能となる。さらに、「今後の番組」という用語は、「今後の番組又は記録された個人用コンテンツ」として理解されるべきである。また、「番組の説明」という用語は、「選択対象、例えば、テレビ番組のダイジェストの説明」も含むことを意味する。
本発明に係る、単語と重みの対のリストからなるユーザプロファイルを作成する方法は、ユーザプロファイルが使用されるアプリケーションに関して、個々のユーザの典型的な一般的行動を表すユーザ特徴に基づいて重みを計算するステップを有する。
本発明に係る、単語と重みの対のリストからなるマルチユーザプロファイルから個々のユーザプロファイルを作成する方法は、ユーザプロファイルが使用されるアプリケーションに関して、個々のユーザの典型的な一般的行動を表すユーザ特徴に従ってマルチユーザプロファイルを少なくとも1回分割するステップを有する。
本発明に係る、今後の番組の説明及びユーザプロファイルについて計算された提案結果に基づいて決定される提案であって、ユーザの次の選択に対する提案を特定する方法は、ユーザプロファイルが使用されるアプリケーションに関して、個々のユーザの典型的な一般的行動を表すユーザ特徴に基づいて表されるユーザの実際の状況に基づいて、ユーザプロファイルを作成するのに使用されるユーザ履歴、及び/又は、提案結果をフィルタリングするステップを有する。
これにより、本発明によれば、特定のユーザ特徴セットを考慮して、ユーザプロファイルとそれに基づいて計算される提案とが得られる。ユーザ特徴は、ユーザプロファイルが使用されるアプリケーションに関して、個々のユーザの典型的な一般的行動を表すものとして定義される。つまり、ユーザプロファイルが使用されるアプリケーション毎に、個々のユーザの典型的な一般的行動を表すことが可能な特定のユーザ特徴セットが定義される。これらのユーザ特徴に基づいて、ユーザプロファイルの作成時に、単語と重みの対のリストにおける重み、又は、重み付けされたキーワードが計算され、あるいは、影響を受け、また、マルチユーザプロファイルから個々のユーザプロファイルを作成する際に、マルチユーザプロファイルが分割され、また、提案の特定時に、ユーザプロファイルの作成に使用されるユーザ履歴、及び/又は、ユーザプロファイル、及び/又は、提案結果がフィルタリングされる。
ユーザ特徴は、特定のアプリケーションに関して個々のユーザの典型的な一般的行動を表すことが可能なユーザ特徴、すなわちユーザが自分の選択対象を通常作成するときに従う所定の方式や規則を特徴付けることが可能なユーザ特徴が選択される。始めに従来技術におけるような選択履歴を考慮することにより、本発明に係る方法は、主としてユーザの選択対象における特徴の探索に基づくだけでなく、ユーザの関心のシミュレーションを改良することによっても、個々のユーザの行動によりよく適応する。
アプリケーションによっては、ユーザが実際に好むものをユーザの行動から推測するため、種々の特徴が有用あるいは必要となる。これらの特徴は、最近の「最新技術」とは異なる。これらの特定の特徴を選択することにより、より深いレベルでユーザの好みを計算するのに役立つ複雑な推理を行うことができる。
さらに、履歴における特徴を用いて、実際のユーザの要求に基づいて特定のプロファイルを動的に計算する。例えば、ユーザが、平日に種々の映画(比較的短時間で、それほどエキサイティングではないもの)を見ると仮定する。さらに、週末には、ユーザの午後の視聴行動は夜とは異なる。このため、ある土曜の夜にユーザが映画を要求する場合、履歴から全ての適切なエントリが選択され、これらのうち、現在の提案の基礎となる極めて特別なプロファイルが計算される。
あるいは、一般的な履歴から計算されたプロファイルを使用して、多数のアイテム(例えば、テレビ番組)からなる最初の提案を行うこともできる。そして、履歴における特徴に基づいて、これをさらにフィルタリングする。
本発明に係るユーザプロファイルの作成方法は、好ましくは、ユーザ履歴からユーザ特徴の影響を評価するステップを有する。
代替的に又は追加的に、本発明に係るユーザプロファイルの作成方法は、好ましくは、定型化されたユーザプロファイルの特徴に従って、ユーザプロファイルをサブユーザプロファイルに分割して、より特殊化されたプロファイルを得るステップを有する。
さらに、代替的に又は追加的に、本発明に係るユーザプロファイルの作成方法は、好ましくは、ユーザによる前の選択対象である番組の説明に含まれる単語に基づいて、単語と重みの対のリストに含まれるべき単語を決定するステップを有する。
この場合、本発明に係るユーザプロファイルの作成方法は、好ましくは、単語と重みの対のリストに既に含まれる単語の共起についてのデータベース評価に基づいて、そのリストに含まれるべき更なる単語を決定するステップを有する。
この場合、代替的に又は追加的に、本発明に係るユーザプロファイルの作成方法は、好ましくは、使用可能な全ての番組の説明に対する、単語と重みの対のリストに含まれるべき単語の逆文書頻度と、ユーザによる前の選択対象である番組の説明に対する、上記単語の逆文書頻度との比較に基づいて、上記単語の重みを計算するステップを有する。
さらに、この場合、代替的に又は追加的に、本発明に係るユーザプロファイルの作成方法は、好ましくは、
・ユーザによる前の選択対象である全ての番組の説明に対する単語の重要度と、
・定数、特に1
・単語が含まれる番組の説明に対する単語の重要度
・使用可能な全ての番組の説明に対する単語の重要度
・単語が含まれる番組の説明の長さとこの番組の説明における単語の頻度とによって変化する相対係数
のうちの少なくとも1つとの積として、単語と重みの対のリストに含まれるべき単語の重みを計算するステップを有する。
・ユーザによる前の選択対象である全ての番組の説明に対する単語の重要度と、
・定数、特に1
・単語が含まれる番組の説明に対する単語の重要度
・使用可能な全ての番組の説明に対する単語の重要度
・単語が含まれる番組の説明の長さとこの番組の説明における単語の頻度とによって変化する相対係数
のうちの少なくとも1つとの積として、単語と重みの対のリストに含まれるべき単語の重みを計算するステップを有する。
本発明に係るユーザプロファイルの作成方法において、ユーザによる前の選択対象である全ての番組の説明に対する単語の重要度は、好ましくは、ユーザによる前の選択対象である番組の説明における全ての単語からなるセットに占める単語の割合に基づいて決定される。
本発明に係るユーザプロファイルの作成方法において、ユーザによる前の選択対象である全ての番組の説明に対する単語の重要度は、さらに、好ましくは、単語が含まれる番組の説明を考慮して決定される。
本発明に係るユーザプロファイルの作成方法において、単語が含まれる番組の説明に対する単語の重要度は、好ましくは、より広いデータベースにおける単語の出現に対する、上記番組の説明における単語の出現に基づいて決定される。
本発明に係るユーザプロファイルの作成方法において、使用可能な全ての番組の説明に対する単語の重要度は、好ましくは、使用可能な全ての番組の説明に対する逆文書頻度の基づいて決定される。
本発明に係るユーザプロファイルの作成方法において、使用可能な全ての番組の説明に対する単語の重要度は、さらに、好ましくは、単語が含まれる番組の説明を考慮して決定される。
本発明に係るユーザプロファイルの作成方法において、単語と重みの対のリストに含まれるべき単語の重みを計算するステップは、以下の数式によって行われる。
ここで、wi(t)は番組の説明iにおける単語tの重みであり、aはユーザによる前の選択対象である全ての番組の説明における単語tの重要度、tは単語、fi,tは、番組の説明iの文書の長さ、ftは単語tを含んでいる番組の説明の数、Nはデータベースにおける番組の説明の数である。
本発明に係るユーザプロファイルの作成方法において、重みを計算するステップは、好ましくは、ある選択対象を残すとともに選択対象をオフに切り換えるというユーザの行動、すなわちザッピング行動により、単語と重みの対のリストに含まれる単語について計算された重みを正規化するステップを有する。また、この選択対象についてのみオンにし、終了と同時にオフに切り換えることが、重要な役割を果たす。
本発明に係るユーザプロファイルの作成方法において、重みを計算するステップは、代替的に又は追加的に、好ましくは、記録された選択対象を実際に使用するときのユーザの行動により、単語と重みの対のリストに含まれる単語の重みを正規化するステップを有する。
本発明に係るユーザプロファイルの作成方法において、重みを計算するステップは、代替的に又は追加的に、好ましくは、単語が出現している、ユーザによる前の選択対象である全ての番組の説明に亘って、単語の重みを平均化するステップを有する。これらは、各重みwi(t)の平均として計算される重みw(t)である。
本発明に係るユーザプロファイルの作成方法において、重みを計算するステップは、さらに、代替的に又は追加的に、好ましくは、所定のしきい値未満の重み又は所定の低重み範囲内の重みを示す単語を、単語と重みの対のリストから除外するステップを有する。
本発明に係るユーザプロファイル作成方法において、重みを計算するステップは、さらに、代替的に又は追加的に、好ましくは、ユーザの否定的選択対象を考慮することにより、単語と重みの対のリストに含まれるべき単語の重みを計算するステップを有する。
本発明に係るユーザプロファイルの作成方法において、重みを計算するステップは、さらに、代替的に又は追加的に、好ましくは、あるユーザ特徴に対する可能なユーザ選択対象の最大頻度を考慮することにより、単語と重みの対のリストに含まれるべき単語の重みを計算するステップを有する。
本発明に係るユーザプロファイルの作成方法において、作成されたユーザプロファイルは、好ましくは、少なくとも1つの可能な今後の選択対象をユーザに提案するための、可能な今後の番組の説明における問合せとして使用される。
この場合、本発明に係るユーザプロファイルの作成方法において、好ましくは、可能な今後の番組の説明毎にモディファイドOKAPI重みが計算され、適合する各単語は、検索結果がユーザプロファイルに応じて影響されるように、余因子としての重みを有する。
この場合、本発明に係るユーザプロファイルの作成方法において、さらに好ましくは、以下の数式に従って上記モディファイドOKAPI重みが計算される。
ここで、w(t)はユーザによる前の選択対象である全ての番組の説明における単語tの重みであり、qはユーザプロファイルに応じて作成された問合せ、iは可能な今後の選択対象である全ての番組の説明、w(t)は単語tの重み、すなわち、wi(t)の平均、fi,tは番組の説明iにおける単語tの出現回数、fiは番組の説明の文書の長さ、ftは単語tを含んでいる番組の説明の数、Nはデータベースにおける番組の説明数である。
この場合、本発明に係るユーザプロファイルの作成方法において、代替的に、さらに好ましくは、以下の数式に従って上記モディファイドOKAPI重みが計算される。
ここで、w(t)はユーザによる前の選択対象である全ての番組の説明における単語tの重みであり、qはユーザプロファイルに応じて作成された問合せ、iは可能な今後の選択対象である全ての番組の説明、w(t)は単語tの重み、fi,tは番組の説明iにおける単語tの出現回数、fiは番組の説明の文書の長さである。
この場合、本発明に係るユーザプロファイルの作成方法において、代替的に又は追加的に、さらに好ましくは、定型化されたユーザプロファイルと作成されたユーザプロファイルとを組み合わせることにより問合せが作成され、まず、初めて提案を与えるときに、定型化されたユーザプロファイルが単独で使用され、作成されたユーザプロファイルを計算するためのデータ収集中の第1の所定期間に、両ユーザプロファイルの線形結合が使用され、作成されたユーザプロファイルを計算するためのデータ収集中の上記第1の所定期間後に、作成されたユーザプロファイルが使用される。
本発明に係るユーザプロファイルの作成方法において、定型化されたユーザプロファイルは、全ての番組に平均的関心を示す汎用ステレオプロファイルと、特定のトピックに集中しているユーザの関心をそれぞれ定める少なくとも1つの特定の定型化されたユーザプロファイルとにより構成されてもよい。
本発明に係るユーザプロファイルの作成方法において、好ましくは、ユーザの選択対象を各特定の定型化されたユーザプロファイルにおけるデータと一致させ、一致があった場合にその定型化されたユーザプロファイルの重みを大きくすることにより、上記提案を与えるための線形結合において考慮される特定の定型化されたユーザプロファイルの重みが計算される。
また、最初に、異なるユーザグループについての幾つかの定型化されたユーザプロファイルが使用される。特定のユーザの行動を幾つか観察した後に、より具体的な定型化されたユーザプロファイルが、最初の定型化されたユーザプロファイルの線形結合として計算される。
本発明に係るユーザプロファイルの作成方法において、好ましくは、第2の所定期間後に、以下に定義及び説明するように作成される個々のユーザプロファイルにより、問合せが作成される。
本発明に係るユーザプロファイルの作成方法において、好ましくは、以下に定義及び説明するようにフィルタリングされたユーザプロファイルを考慮して、問合せが作成される。
本発明に係るマルチユーザプロファイルから個々のユーザプロファイルを作成する方法において、好ましくは、マルチユーザプロファイルの分割の際に、
a)ユーザ特徴に従って仮分割を行い、第1及び第2のサブユーザプロファイルを作成するステップと、
b)2つのサブユーザプロファイル間の相対差を計算するステップと、
c)所定数の仮分割が行われるまでステップa)及びb)を行うステップと、
d)上記相対差が所定のしきい値より大きい場合、最大相対差を生じる仮分割に従ってマルチユーザプロファイルを分割するステップとを行う。
a)ユーザ特徴に従って仮分割を行い、第1及び第2のサブユーザプロファイルを作成するステップと、
b)2つのサブユーザプロファイル間の相対差を計算するステップと、
c)所定数の仮分割が行われるまでステップa)及びb)を行うステップと、
d)上記相対差が所定のしきい値より大きい場合、最大相対差を生じる仮分割に従ってマルチユーザプロファイルを分割するステップとを行う。
本発明に係るマルチユーザプロファイルから個々のユーザプロファイルを作成する方法において、上記分割の際に、好ましくは、第1のサブユーザプロファイルに含まれているユーザ特徴に対する、第1のサブユーザプロファイルの第1の離散確率分布と、第2のサブユーザプロファイルに含まれているユーザ特徴に対する、第2のサブユーザプロファイルの第2の離散確率分布との差を計算することにより、上記相対差が計算される。
本発明に係るマルチユーザプロファイルから個々のユーザプロファイルを作成する方法において、上記分割の際に、好ましくは、上記2つの離散確率分布の差は、ゼロ回出現するイベントが仮想出現1回に置き換えられる対称化クルバック−ライブラー距離の和(symmetrized Kullback-Leibler-distance sum)を用いて計算される。
本発明に係る上述の各方法は、好ましくは、オーディオ/ビデオ番組提案エンジンにおいて使用される。
本発明に係る上述の各方法において、さらに好ましくは、上記オーディオ/ビデオ番組提案エンジンはインターネットベースである。
本発明に係る上述の各方法は、好ましくは、クライアントベースである。すなわち、インターネットサーバや同様のパブリックサーバではなく、テレビ、セットトップボックス、ビデオテープレコーダ、ホームサーバ等の民生機器において実現される。
本発明に係る上述の各方法において、さらに好ましくは、上記ユーザ特徴は、
・ユーザにより視聴される所望のオーディオ/ビデオ番組のチャンネル
・ユーザによるオーディオ/ビデオ番組の典型的視聴時刻
・オーディオ/ビデオ番組の合計時間に対する、ユーザによるオーディオ/ビデオ番組の視聴時間
・オーディオ/ビデオ番組の開始時刻に対する、ユーザによるオーディオ/ビデオ番組の視聴開始時刻
・視聴時刻に対する、ユーザによるオーディオ/ビデオ番組の典型的視聴時間
・特定のオーディオ/ビデオ番組がどのくらい頻繁に視聴可能であるかと、その番組がユーザによりどのくらい頻繁に視聴されるかとの関係
・特に使用されるオーディオ/ビデオ機器のスイッチオン時刻及び時間に対する、ユーザの一般的なオーディオ/ビデオ番組視聴行動
・ユーザにより記録されたオーディオ/ビデオ番組
・ユーザによる特定のオーディオ/ビデオ番組の記録と、ユーザによる当該オーディオ/ビデオ番組の視聴との時間間隔
・ユーザの実際の気分
・ユーザにより入力された実際の希望オーディオ/ビデオ番組
・ユーザにより視聴されたオーディオ/ビデオ番組の製作年
・ユーザにより視聴されたオーディオ/ビデオ番組のディレクター及び/又は俳優及び/又は俳優グループ
・ユーザにより視聴されたオーディオ/ビデオ番組の種類
・ユーザにより視聴されたオーディオ/ビデオ番組のタイトル
という特徴のうちの1つ以上からなる。
・ユーザにより視聴される所望のオーディオ/ビデオ番組のチャンネル
・ユーザによるオーディオ/ビデオ番組の典型的視聴時刻
・オーディオ/ビデオ番組の合計時間に対する、ユーザによるオーディオ/ビデオ番組の視聴時間
・オーディオ/ビデオ番組の開始時刻に対する、ユーザによるオーディオ/ビデオ番組の視聴開始時刻
・視聴時刻に対する、ユーザによるオーディオ/ビデオ番組の典型的視聴時間
・特定のオーディオ/ビデオ番組がどのくらい頻繁に視聴可能であるかと、その番組がユーザによりどのくらい頻繁に視聴されるかとの関係
・特に使用されるオーディオ/ビデオ機器のスイッチオン時刻及び時間に対する、ユーザの一般的なオーディオ/ビデオ番組視聴行動
・ユーザにより記録されたオーディオ/ビデオ番組
・ユーザによる特定のオーディオ/ビデオ番組の記録と、ユーザによる当該オーディオ/ビデオ番組の視聴との時間間隔
・ユーザの実際の気分
・ユーザにより入力された実際の希望オーディオ/ビデオ番組
・ユーザにより視聴されたオーディオ/ビデオ番組の製作年
・ユーザにより視聴されたオーディオ/ビデオ番組のディレクター及び/又は俳優及び/又は俳優グループ
・ユーザにより視聴されたオーディオ/ビデオ番組の種類
・ユーザにより視聴されたオーディオ/ビデオ番組のタイトル
という特徴のうちの1つ以上からなる。
本発明に係るコンピュータプログラム製品は、コンピュータ、デジタル信号処理装置等において実行された場合に、上述のような方法ステップを行うように構成されたコンピュータプログラム手段からなる。
本発明に係る、コンピュータにより読み取り可能な記録媒体は、上述のようなコンピュータプログラム製品を記録している。
本発明に係る単語と重みの対のリストからなるユーザプロファイルを作成するプロファイラは、上述のような方法ステップを行うように構成される。
本発明に係る、今後の番組の説明とユーザプロファイルとについて計算された提案結果に基づいて決定される提案であって、ユーザの次の選択に対する提案を特定する提案エンジンは、上述のような、ユーザの次の選択に対する提案を特定する方法ステップを行うように構成される。
本発明に係る提案エンジンは、好ましくは、本発明に係るプロファイラを有する。
以下、図面を参照し、例示的な実施形態を用いて、本発明を説明する。
以下、家庭環境における一連のユーザにテレビ番組を推奨するシステムという状況で、本発明を具体的に説明する。今日のテレビ番組のユーザには、多種多様のチャンネルやテレビ番組が用意されており、ユーザは、これらの番組の中から視聴又は録画したい番組を選択しなければならないので、本発明は、特にこのようなシステムに適している。インターネット、テレビ放送に付随した情報ストリーム、例えば文字放送又は一般的にはDVB、セットトップボックスにおいて利用可能な電子番組ガイド(electronic program guide:以下、EPGと略す。)は、ユーザがどの番組を視聴するか決定するのに役に立つが、それでもチャンネルやテレビ番組の数が多すぎる。このため、本発明に基づく、ユーザの好みや習慣に合った明示的な提案をユーザに対して行うエンジンは、特定の状況における特定のユーザにあった提案を決定するのに特に適している。勿論、本発明は、実際はこのようなテレビ番組推奨システムに特に適用可能であるが、それに限定されず、他のオーディオ/ビデオ画像、すなわちマルチメディアコンテンツを推奨するのにも使用でき、また、休日の目的地、ホテル、旅行ルート、本等を見つけるのにも役立つ。すなわち、決定をしなければならない、いかなる状況でもユーザの役に立つものである。
図1は、ホームサーバユーザインタフェース内の提案エンジン1の構成を示すブロック図である。提案エンジン1は、提案する電子番組ガイドの項目(article)を提供し、これらは、電子番組ガイド項目データベース4から検索されたものである。提案エンジン1は、検索部3を備え、検索部3は、電子番組ガイド項目データベース4に接続されており、グラフィックス、音声、触覚(haptics)、接触覚(touch sense)、生きているようなアニメーション化キャラクタ(animatel life-like character)、これらを組み合わせたサブセットからなるマルチモードユーザインタフェース5に、提案する電子番組ガイドの項目を提示する。提案エンジン1は、さらに、検索部3に接続されたプロファイラ2を備えている。プロファイラ2は、ユーザプロファイルを作成して、これを問合せ(query)として検索部3に供給する。検索部3は、問合せに最も適合する項目をEPG項目データベース4から検索する。そして、これらの最も適合する項目は、グラフィカルユーザインタフェース(graphical user interface(以下、GUIと略す))5を介して、提案するEPG項目としてユーザに提示される。
また、図1は、EPG項目データベース4において、2002年7月18日放送、開始時刻22:00、終了時刻22:45、放送局「チャンネル5」、タイトル「究極のスポーツ(extreme sports)」というテレビ番組を示している例示的なEPG項目4aを示す。さらに、EPG項目4aは、当該テレビ番組について、「イタリアの火山島ヴルカーノは、丘陵ランニング、カヤック、マウンテンバイク等、過酷なスポーツの厳しい競技場所となっている」という説明を提示している。また、図1は、プロファイラ2によってユーザプロファイルとして作成された例示的な問合せ2aを示す。この問合せ2aは、重み付けされた単語のセット、すなわち単語と重みの対のセットであり、スポーツ:2.12、アウトドア:2.04、カヤック:1.90、テニス:1.39、アドベンチャー:1.21、西部劇:0.83、ニュース:0.78、拳銃:0.50となっている。問合せ2aには、図示は省略するが、更なる単語と重みの対が含まれてもよい。
図2は、単語と重みの対のリストのようなユーザプロファイル又は問合せを作成するのに使用される構成を示す。プロファイラ2は、ユーザが視聴した番組のEPG項目を有するユーザ行動データベース6と、例えば以下に詳細に説明するように付加情報を検索するためのデータベース7とにアクセスする。これら2つの情報源に基づいて、プロファイラ2は、ユーザプロファイル8を作成し、ユーザプロファイル8は、例えば、図1に示すような問合せ2aに似たような問合せを作成する。
本発明に基づくキーワードの対する重みとそれにより得られる提案を計算する改良した方法は、提案をも改善するものである。これについて図3a乃至図3cを参照して説明する。この計算では、本発明に基づく提案の計算にも使用されるユーザ特徴の特別なセットが考慮される。ここで説明する例示的な実施形態において、本発明の目的は、テレビを見たいユーザに対して具体的な提案特定の提案を行うことを可能にすることである。そのメカニズムは、EPG項目、すなわち番組の説明、ここではテレビ番組の適切なデータ及び概要の説明から適切なキーワードを決定し、決定された適切なキーワードに対する重み付けを行い、検索を行うことで、今後のテレビ番組の適切なEPG項目を提案として識別する。
この実施形態において、個々のユーザの典型的な一般的行動(typical general behaviour)を表すユーザ特徴は、以下のようになる。
・ユーザが好むチャンネル
・テレビを見る典型的な時間(曜日、時間、週末、法定休日(bank holiday)等)
ザッピング行動(zapping behaviour)、例えば、番組が短い時間しか視聴されなかった場合、それは、おそらく、ユーザがその番組を好きでなかったことを意味し、一方、ユーザが、番組の開始時に明示的にチャンネルを切り換えて、その番組を全て視聴した後、スイッチをオフにし、又は他のチャンネルに切り換えた場合、それは、おそらく、ユーザがその番組が好きであることを意味し、ザッピング行動に関する重みz(i)は、ユーザが特定の番組をどのくらい好んでいるかを反映している。
・番組の長さ、例えば、2時間の映画を、ユーザが早朝に見たいか、あるいは深夜に見たいかによって違いが出る。
・あるシリーズがどのくらい頻繁に放送されるかと、それがどのくらい頻繁に視聴されるかとの関係
・テレビのスイッチがオンにされる時間、例えば、一日中つけっぱなしなのか、特定のテレビ番組のときにオンにされるか。前者の場合、選択された番組の重みはより低くなる。
・何が録画されたか
・録画されたものが視聴されるまで、どのくらいの時間がかかったか
・録画された番組がどのくらい頻繁に視聴されたか、例えば、少しでも視聴されたのか。対応する重みr(i)は、これらの質問に関して、ユーザが特定の番組をどの程度好きかを反映している。
・ユーザの気分も考慮に入れることができる。
・映画が製作された年
・ディレクター、俳優、俳優のペア又はグループ
・タイトル
・種類
・ユーザにより入力された実際の希望番組
・ユーザが好むチャンネル
・テレビを見る典型的な時間(曜日、時間、週末、法定休日(bank holiday)等)
ザッピング行動(zapping behaviour)、例えば、番組が短い時間しか視聴されなかった場合、それは、おそらく、ユーザがその番組を好きでなかったことを意味し、一方、ユーザが、番組の開始時に明示的にチャンネルを切り換えて、その番組を全て視聴した後、スイッチをオフにし、又は他のチャンネルに切り換えた場合、それは、おそらく、ユーザがその番組が好きであることを意味し、ザッピング行動に関する重みz(i)は、ユーザが特定の番組をどのくらい好んでいるかを反映している。
・番組の長さ、例えば、2時間の映画を、ユーザが早朝に見たいか、あるいは深夜に見たいかによって違いが出る。
・あるシリーズがどのくらい頻繁に放送されるかと、それがどのくらい頻繁に視聴されるかとの関係
・テレビのスイッチがオンにされる時間、例えば、一日中つけっぱなしなのか、特定のテレビ番組のときにオンにされるか。前者の場合、選択された番組の重みはより低くなる。
・何が録画されたか
・録画されたものが視聴されるまで、どのくらいの時間がかかったか
・録画された番組がどのくらい頻繁に視聴されたか、例えば、少しでも視聴されたのか。対応する重みr(i)は、これらの質問に関して、ユーザが特定の番組をどの程度好きかを反映している。
・ユーザの気分も考慮に入れることができる。
・映画が製作された年
・ディレクター、俳優、俳優のペア又はグループ
・タイトル
・種類
・ユーザにより入力された実際の希望番組
例えば幾つかの特定のチャンネルに対するザッピング等、テレビのスイッチをオンにした後のユーザの典型的な行動は、過去から学習することができ、テレビのスイッチをオンにした後、直ちに提案を行うことができる。ユーザの典型的な一般的行動を表すユーザ特徴は、履歴の影響を受け、本発明では、提案を生成するのに履歴の特定の項目のみを使用するのではないため、新たな提案を行うことができる。
さらに、明らかにプロファイルに合わない思いがけない提案を意図的に行うことができる。これらの思いがけない提案は、ランダムに選択されたもの、ユーザ又はプロファイルに略適合するもの、ユーザプロファイルに故意に反するもの、定型化されたユーザプロファイルに基づいてインターネットサーバから得られたもの、あるいはEPGに直接含まれるものである。
この場合、プロファイル内でのクラスタ化も可能である。すなわち、プロファイルを作成するための特定のキーワードを維持するのではなく、重み付けされた非常に特別なプロファイル、例えば、クラシック音楽についてのプロファイル、極限的スポーツについてのプロファイル等から、プロファイルを構成することができる。このようにして、確実に、提案エンジンは特定のプロファイルの情報を用いてデータを一般化することができる。例えば、ユーザがベートーベンを聴くのが好きな場合、ユーザはモーツァルトも好きかもしれない。モーツァルトについて何も選択されていない場合、これは履歴からはわからないが、クラシック音楽の特定のプロファイルにおいて、モーツァルトとベートーベンの相関をモデル化し、本発明に基づく提案において、ベートーベンに加えてモーツァルトも出てくるようにすることができる。このようなモデル化は、EPGデータ又は他のテキストリソースにおける単語の共起に基づくことができる。例えば、ニュースグループ、あるいは、音楽、映画又はテレビ番組について記述している他の項目を用いて、プロファイルにおいて用いられるキーワードのセットを拡張することができる。また、同音異義語や類義語も用いることができる。特にユーザプロファイルのキーワードを拡張するためのこれら語及び他の可能な語は、図2に示すプロファイラ2がアクセスするデータベース7に含まれる。更なる具体例として、このようなテキストにおいてジェームズ・ボンドとミッシェル・ファイファーが共に出てくるとすると、ユーザが最近、ジェームズ・ボンドを数回見た場合、ジェームズ・ボンドとミッシェル・ファイファーの両者がユーザのプロファイルに追加される。インターネットサーバから、このような共起リストを定期的にダウンロードすることができる。これらは、最近のテレビ番組のコンテキストにおける幾つかのより大きなユーザグループの行動に基づいて計算することができる。
上述の本発明の好ましい実施形態では、上述の特徴と選択されたEPGに含まれるキーワードの重要度とを用いたユーザプロファイルの計算は、以下のように行うことができる。
ユーザ履歴は、選択されたEPG項目、すなわちユーザが視聴した番組と上述のようなユーザ特徴とに対応するEPG項目からなる。図3aに示すように、第1のステップS1において、1セットの項目からなる履歴が読み出される。具体的には、第1の項目は、ポップ、音楽、ロック、マドンナ、音楽というキーワードを有し、第2の項目は、ベートーベン、交響曲、モーツァルト、クラシックというキーワードを有し、第3の項目は、パンク、ロック、音楽というキーワードを有し、第4の項目は、クラシック、交響楽団、音楽をいうキーワードを有している。
以下にさらに説明するが、例えば「週末の映画」という特定のユーザの要求に基づき、まず、この要求を満たすEPG項目のみが残るように、ユーザ履歴をフィルタリングすることができる。ユーザの要求が、例えば「週末の映画」である場合、フィルタリングが行われる前に、まず、週末と平日の視聴行動に大きな違いがあるか否かが判定される。例えば、映画の長さ、アクションスリラーとラブストーリー等といった映画の種類、チャンネル、他のユーザ特徴に対して、大きな違いを判定することができる。勿論、以下にさらに説明するように、ユーザ履歴全体を判定して、その後、特定のユーザの要求に応じたフィルタリングを行うこともできる。さらに、代替的に、履歴全体ではなく、フィルタリングされた項目に対応する履歴のみを用いて、ユーザ履歴を判定することもできる。
続くステップS2(図3a乃至図3cでは図示せず)において、ユーザ履歴全体又はフィルタリングされたユーザ履歴に含まれる項目のうちの少なくとも1つに存在する単語(用語ともいう。)毎に、各項目に対して重みが計算される。本発明では、この重みは、ユーザがその単語に特に関心のあるか、関心がないかを反映している。重みは、「通常の」出現頻度に対するユーザプロファイルの関係を反映している。重みが計算される単語は、項目において、あるいは、例えば項目又は他の重要でない単語を含まないようにするためのストップワードリストでフィルタリングすることによって得られる削減された単語のセットにおいて存在する全ての単語とすることができる。
ある項目に対する単語の重みは、好ましくは、この項目に対する単語の重要度と、選択された全ての項目に対する、すなわち履歴に対する単語の重要度と、データベース全体に対する単語の重要度と、項目の長さ及び単語の頻度に依存した補正係数との積である。一具体例を以下に示す。
ここで、tは単語、iは項目、Sは選択対象、すなわちユーザ履歴の全ての項目、Dはデータベースである。上述の単語/項目、単語/選択対象、単語/データベースの重要度関数は、通常はそれぞれ異なる。例えば、項目に対する単語の重要度は、項目における単語の出現回数とすることができ、選択対象、すなわち履歴に対する単語の重要度は、選択対象における全ての単語からなるセットに対するその単語の割合とすることができ、データベースに対する単語の重要度は、逆文書頻度(inverse document frequency)とすることができる。上述のように、これら3つの関数は単なる例である。別の関数を用いることもできる。
この関数の重要度(S,t)及び重要度(D,t)も、項目、すなわちiによって変わることもある。重要度(S,t)については、一定の係数のみを選択することも可能性である。選択対象に対する重要度は別として、他の全ての因子(factor)はあると好ましいが、任意である。換言すると、重みw(i,t)の計算に、重要度(i,t)、重要度(D,t)、補正係数(i,t)を用いることは任意である。データベース全体に対する重要度も項目に依存し、すなわち重要度(D,i,t)は、単語tがデータベースの殆どの文書において出現し、非常に特別ではないときは、多くの場合、重要度は0となり、その単語が、ある項目についてのみ非常に特別である場合は、1となる。重要度としては、単語tがより特別であるか否かを反映した0〜1の連続した値を用いることができる。上述の関数の具体例を示す。
ここで、aはこの選択対象における用語tの重要度、tは用語、すなわち単語、fi,tは項目iにおける単語tの出現回数、fiは項目iの文書の長さ、ftは単語tを含んでいる項目の数、Nはデータベースにおける項目の数である。
重みt(i,t)は、重みr(i)とz(i)によって正規化され、すなわち、録画された番組が視聴されたか否か、どのくらい頻繁に視聴されたか、録画されたものが視聴されるまでのどのくらいの時間がかかったかという質問に関して、ユーザが特定の番組をどの程度好きであるかを反映した重みと、ザッピング行動に関して、ユーザが特定の番組をどの程度好きであるかを反映した重みとにより正規化される。
単語tが特定の項目iにおいて出現しない場合、重みwi(t)=0となる。
図3aにおいて、第1乃至第4の項目の音楽、クラシック、ロック、ポップという単語の重みが、例として計算されている。音楽という単語は、第1の項目では重みが1.2×1×1×0.9=1.08であり、第2の項目では0であり、第3の項目では1×1×1×0.8=0.8であり、第4の項目では1×1×1×0.8=0.8である。クラシックという単語は、第1の項目では重みが0であり、第2の項目では1×1×1×0.4=0.4であり、第3の項目では0であり、第4の項目では1×1×1×0.7=0.7である。ロックという単語は、第1の項目では重みが1×1×1×0.7=0.7であり、第2の項目では0であり、第3の項目では1×1×1×0.8=0.8であり、第4の項目では0である。ポップという単語は、第1の項目では重みが1×1×1×0.5=0.5であり、第2の項目では0であり、第3の項目では0であり、第4の項目では0である。
続く第3のステップS3において、選択対象の全ての項目iについて、1つの項目に対する1つの単語tの重みwi(t)が平均化され、この単語の最終的な重みw(t)が得られる。図3aに示す具体例において、音楽という単語については、最終的な重み(1.08+0.0+0.8+0.8)/4=0.67が得られる。すなわち、w(音楽)=0.67である。クラシックという単語については、最終的な重み(0.0+0.4+0.0+0.7)/4=0.275が得られる。すなわち、w(クラシック)=0.275である。ロックという単語については、最終的な重みw(t)が(0.7+0.0+0.8+0.0)/4=0.375=w(ロック)として計算される。ポップという単語については、最終的な重みが(0.5+0.0+0.0+0.0)/4=0.125=w(ポップ)として計算される。
各データベース、例えばテキストデータベースにおける共起に基づいて、ユーザプロファイルに追加することができる単語は、発見的重み(heuristic weight)を受け取ることができる。例えば、ユーザがジェームズ・ボンドの映画を見て、このキーワードがミッシェル・ファイファーと頻繁に共起する場合、ショーン・コネリーが存在しないときにミッシェル・ファイファーが全く又は殆ど出現しないならば、w(ミッシェル・ファイファー)は、w(ショーン・コネリー)の一部をなすことになる。
図3bに示す続く第4のステップS4において、ユーザプロファイルは、履歴において対応する重みを有する全ての用語のセットとして判定され、そして、ユーザプロファイルは、単語と重みの対のセットによって構成される。ユーザプロファイルは、全ての単語とその重みを含むことができ、あるいは計算上のオーバヘッドを小さく維持するために、最も大きい重みを有する単語のサブセットを含むようにすることもできる。
図3bにおいて、ユーザプロファイルは、ステップS3で計算されたように、音楽:0.67、ロック:0.375、クラシック:0.275、ポップ:0.125というエントリを示している。
説明を簡単にするために、項目iにおける単語tの重みを決定する以下の関数wi(t)を、図3a及び図3bに示す具体例のユーザ履歴の判定に使用した。
上述の説明に従って作成されたユーザプロファイルは、ユーザの可能な今後の選択対象に対応する、すなわち本発明により行われる可能な提案に対応するEPG項目を見つけるためのデータベース検索に使用される問合せqであるとみなされる。一般的に、ユーザプロファイル内の単語の重みを検索結果に影響を与える余因子とみなすことができるかぎり、使用可能なあらゆる情報検索アルゴリズムも使用することができる。以下、モディファイドOKAPI重み(modified OKAPI weight)の具体的な実施形態について説明する。このOKAPI重みは、例えば「週末の映画」というユーザの要求を満たす適切なEPG項目毎に計算される。重み計算の際、適合する各単語は、検索結果がユーザプロファイルの情報に応じて、すなわちユーザの好みに応じて影響を受けるような余因子としての重みを有するので、以下のようになる。
ここで、項目iは、この段階では、完全な今後のEPG項目データベースと全ての録画されたテレビ番組から得られたものである。OKAPI重みを決定するための数式の変更は(例えば、ウィルキンソン他著の上述の文献に記載されているように)、本発明では、全てのwi(t)の平均である重みw(t)の挿入にある。この数式では、重みが大きい、すなわち重要度が高いユーザプロファイルの単語を含んでいるEPGは、重みが大きくなる。
他の可能な解決方法のうち、モディファイドOKAPI重みを公式化するためのもう1つの可能性を以下に示す。
したがって、図3cに示す続くステップS5において、現在、今後又は録画済みの番組、すなわちユーザが利用可能な番組、特にユーザが、例えばプリセットとして「今」又は「週末」に指定した時間範囲内の番組に対応するデータベースの項目毎に、モディファイドOKAPI重みをユーザプロファイルによって計算する。例えば、「クラシック音楽」という単語を含むi項目は、モディファイドOKAPI重みが0.945となり、「ロック音楽」という単語を含むj項目は、モディファイドOKAPI重みが1.045となり、「英国音楽」という単語を含むk項目は、モディファイドOKAPI重みが0.67となる。説明を簡単にするために、これらの値を計算するのに以下の数式を使用した。
ここで、qはプロファイルであり、iはデータベースの項目である。
また、代替的に又は追加的に、適切なキーワードとその重み付けを判定する以下の方法を適用することができる。これにより、適切なキーワードと不適切なキーワードとが判定される。この判定は、逆文書頻度idf(の関数)を用いて、用語(又はキーワード)の重要度を判定する周知の判定方法に基づくものである。idfは、データベース全体の文書数を、該当する用語を含んでいる文書の数で除算したものとして定義される。通常、この値の対数log()が取られ、idfと称される。ある用語が高いidfを有している場合、基本的には、この用語が文書集合において稀であり、この用語を含む少数の文書について意味が非常に暗示的であることを意味する。
本発明では、ユーザがこれまでに見た番組のEPGデータの集合は、別個の文書集合としてみなすことができ、このユーザデータベースに含まれる全ての用語についてidf統計値を計算することができる。そして、2つのidf統計値、すなわち周知の技術により計算されたidf統計値と、ユーザがこれまでに見た番組のEPGデータに基づくidf統計値とが比較される。ある単語が両方の文書集合において同様の関連性を示す場合、この単語は、EPGデータベース全体によって特徴付けられる「平均的な」テレビ視聴者と特定のユーザとを余り正確に区別しないことになり、この単語に余り重みを与えてはならない。一具体例として、ユーザが偶然、平均的なユーザと同じくらい頻繁に、例えばニュースを見るとすると、これは、ユーザプロファイルにとって特に適切ではない。したがって、このような用語は稀であって、普通ならば大きい重みを与えられるはずだが、小さい重みが与えられる。一方、ある単語が、全体的なEPGデータベースと比較してユーザ固有のデータベースにおいて、小さいidf重みで、すなわち、高い文書頻度で出現する場合、このユーザはこのキーワードに関して平均的なユーザから確実に外れており、おそらく今後、このキーワードに対応するより多くの番組を見たがるだろうと結論付けることができる。したがって、このような場合、単語の重みは大きくなる。ある単語が、ユーザの予想よりもかなり少なく選択された場合、ユーザが見たい頻度が平均より低い番組に対応する「アンチキーワード」特性を割り当てることができる。これらの番組は、推奨では避けなければならない。このように決定された単語の重みは、メインデータ−ベースから計算された標準的なidf重みとともに使用することができ、そのように使用するべきである。この組合せにより、メインデータベースにおいては稀であるがユーザEPGデータにおいては頻繁である単語に、最大の重みが与えられる。
上述のように、DVD、データベース、インターネット等からの記述を用いて、ユーザ履歴の情報を向上させることができる。また、否定例を用いて、選択されるべきではない特殊な単語のセットを含む番組を示す否定プロファイルを作成することもできる。さらに、ユーザによる「この番組の提案はもうするな」という指示を可能にする機能を与えることもできる。ユーザプロファイルに適合する番組について提案を受けるのことが迷惑な場合もあるが、実際は他の理由で嫌がられている。また、EPG項目自体がキーワードの前に「ではない(not)」等、何らか否定語を含んでいるか否かについて、EPG項目自体を調査することもできる。
また、ユーザが、例えば、あるディレクターによるシリーズ又は映画、あるいは、ある俳優(俳優グループ)が出演しているシリーズ又は映画等、特定のテレビ番組を定期的に又は殆どいつも視聴しているか否かを考慮して、OKAPI重みの実際の値とは無関係に提案の対象とすることも可能である。
さらに、このユーザに対するより適切な提案が得られる、さらにユーザ固有度が高いプロファイルを提供するため、以下に詳細に説明するように、以下のカテゴリーに従ってユーザ履歴を分割することが可能である。
家族の各構成員について、それぞれ異なる履歴を維持する。例えば、子供は母親や父親とは異なる種類のテレビ番組を好む可能性が高い。誰が視聴しかたとは無関係に、1つのテレビで視聴された全ての番組から1つのプロファイルを計算すると、例えば、父親にとって適切ではない非常に「散漫な」提案になってしまう。種々のプロファイルを使用すれば、提案を求めている人に応じて適切な提案を確実に行うことができる。実際に誰がテレビを視聴しているかは、ログイン手続やユーザリストからの単純な選択により判定することができ、これが好ましくない場合は、装置に音声インタフェースを搭載してあるならば、音声識別技術により判定することができる。また、カメラ、指紋センサ、他のバイオメトリック情報を用いて、ユーザを識別することもできる。
時刻、曜日、あるいは本発明に基づく他のユーザ特徴に応じて、種々の履歴及び/又はプロファイルを維持することができる。例えば、曜日又は時刻に応じて、種々の番組が視聴される。これをプロファイルに格納し、特定時刻についてユーザが適切な提案を要求する場合に、その適切な提案を行えばよい。このようにすれば、上述のユーザ識別方法のいずれも存在しない場合でも、家族の個々の構成員が異なる「典型的なテレビ視聴時間」を有するという前提により、識別の問題を軽減することができる。なお、これは、上述の及び以下にさらに説明するユーザ履歴のフィルタリングの代替利用とすることができる。
ユーザが今後のテレビ番組に関して、例えば「映画、明日、夕方」という要求を行った場合、この時点から明日の夕方まで放送される全ての映画が考慮され、必要に応じて録画される。
本発明の上述の形態によれば、ユーザプロファイルにおける特徴、キーワード、時刻、特定のプロファイルの重みが、相対重要度の概念を与えるので、ユーザ履歴の幾つかのサンプルのみに基づいて、また、大きいユーザ履歴に基づいて、妥当なユーザプロファイルを作成することが可能である。これにより、システムは、ユーザの長期間に亘る関心、一時的な関心、これらの関心の段階的及び急激な変化を捉えることができる。
以下、図4a及び図4bを参照し、テレビ番組提案システム用にユーザプロファイルを適応させる例を用いて、本発明の第2の形態を説明する。例えば、テレビ番組を、例えば家庭環境における一連のユーザに推奨するシステムの場合、好ましくは、各ユーザプロファイルの漸進的変化が行われる。これが行われるのは、システムが最初に使用されるときにユーザの習慣が未知のものであるため、多くのユーザ参照データが利用可能であれば、初期の無知状態からきめ細かいユーザプロファイルに変化するからである。さらに、何人のユーザが推奨システムを使用するかを識別する明示的方法がない場合、自動作成されたユーザプロファイルは、全てのユーザの個々のプロファイルを合成したものとなる。したがって、本発明によれば、十分なデータが利用可能ならば、合成したプロファイルを元の個々のサブプロファイルに分離する。
このようなシステムでは、通常、システムを初めて使用するときの初期ユーザプロファイルは汎用「定型化された」プロファイル(generic "stereotype" profile)である。これを単に定型化プロファイルとも呼ぶ。定型化プロファイルは典型的なユーザのプロファイルであり、通常、例えばスポーツ、音楽、映画等、ユーザの主な関心に基づいている。しかし、汎用定型化プロファイルは、より特別な複数の定型化プロファイルを合成したものであり、全ての番組に平均的な関心を示し、例えば、ヒッチコックの映画、BBCドキュメンタリー、ウィンブルドン決勝等の「好評番組(blue chips)」にある程度の強調を置いている。汎用定型化プロファイルのほかに、特定の定型化プロファイルのセットもある。これを単に特定定型化プロファイルと呼ぶが、スポーツ、文化、ハリウッド映画等に注目しているユーザの関心を示すものである。最終的なユーザプロファイルは、汎用定型化プロファイルと、特定定型化プロファイルと、ユーザ固有のプロファイルとの線形結合となる。ユーザ固有のプロファイルは、開始時には通常は空であり、線形結合において初期重み0(ゼロ)を有する。
更なるユーザデータが入ってくると、このデータを用いてユーザプロファイルを作成する。しかしながら、詳細なユーザプロファイルは、相当量の使用データを必要とする場合がある。数日又は数週間の使用だけでは、多くの場合に使用可能な十分なデータが得られないためである。したがって、ユーザプロファイルの重みはデータ量の増加に伴って増加するように設定されるが、各プロファイルの線形結合の重み合計の殆どは、特定定型化プロファイルからくるものであり、汎用定型化プロファイルの重みは減少するように設定される。各特定定型化プロファイルの重みは、ユーザデータを各定型化プロファイルのデータに一致させ、一致があった場合に、その定型化プロファイルに重みを加算することにより計算される。多くのデータを受け取った後、汎用定型化プロファイルの重みは殆どゼロになり、特定定型化プロファイルの重みは小さくなり、ユーザプロファイルの重みは1に近くなる。この段階のユーザプロファイルは、ユーザの視聴行動が表すような、ユーザの好みについてのきめ細かい情報を含んでいる。さらにデータが入ってくると、ユーザプロファイルは更新を続ける。
このように、ユーザに提案を行うために最初に使用される汎用定型化プロファイルから、本発明に基づく最終的なユーザプロファイルへ円滑に遷移する様子を図4aに示す。図4aは、ある時間の経過後の、幾つかのプロファイルとその重みを例示的に示す。使用可能なプロファイルは、ニュースプロファイル、スポーツプロファイル、スリラープロファイル、クラシック音楽プロファイル、汎用/平均的ユーザプロファイル、すなわち、汎用定型化プロファイル、そして、ユーザ固有のプロファイル、すなわち、本発明に基づくユーザプロファイルである。ニュースプロファイルは、開始時t=0において初期関連重みが0であり、t=数時間後には第1の重みが0であり、t=1日後には第2の重みが0.03である。この重みは、t=1週間後には第3の重み0.05に徐々に増加し、t=数ヵ月後には第4の重み0に徐々に減少する。スポーツプロファイルは、開始時t=0において初期関連重みが0であり、t=数時間後には第1の重みが0.03であり、t=1日後には第2の重みが0.09である。この重みは、t=1週間後には第3の重み0.1に徐々に増加し、t=数ヵ月後には第4の重み0に徐々に減少する。スリラープロファイルは、開始時t=0において初期関連重みが0であり、t=数時間後には第1の重みが0.01であり、t=1日後には第2の重みが0.01である。この重みは、t=1週間後には第3の重み0.05に徐々に増加し、t=数ヵ月後には第4の重み0に徐々に減少する。クラシック音楽プロファイルは、開始時t=0において初期関連重みが0であり、t=数時間後には第1の重みが0.06であり、t=1日後には第2の重みが0.07である。この重みは、t=1週間後には第3の重み0.2に徐々に増加し、t=数ヵ月後には第4の重み0に徐々に減少する。汎用定型化プロファイルは、開始時t=0において初期関連重みが1.0であり、t=数時間後には第1の重みが0.9であり、t=1日後には第2の重みが0.7である。この重みは、t=1週間後には第3の重み0.1に徐々に減少し、t=数ヵ月後にはさらに第4の重み0に徐々に減少する。ユーザプロファイルは、開始時t=0において初期関連重みが0であり、t=数時間後には第1の重みが0であり、t=1日後には第2の重みが0.1である。この重みは、t=1週間後には第3の重み0.5に徐々に増加し、t=数ヵ月後にはさらに第4の重み1に徐々に増加する。
概略的かつ単純に言えば、すべて同じ小さい重みXを有する単語と重みの対を含む汎用定型化プロファイルから開始する。ユーザがシステムを使用すれば使用するほど、Xより大きい重みを有する単語と重みの対がプロファイルに多数含まれるようになる。したがって、重みXを有する初期の汎用の単語と重みの対についての全体的な適性は、時間とともに減少してゆく。
推奨システムが、ユーザ識別タグが添付されたユーザデータを受け取らない場合、すなわち、適応的ユーザプロファイルを特徴付けるユーザ識別手段が装置に内蔵されていないか利用不可能な場合、通常、ユーザプロファイルは実際には多数のサブユーザプロファイル、すなわち、システムを使用する全てのユーザの線形結合を含む。本発明によれば、好ましくは、これらのサブユーザプロファイルは、マルチユーザプロファイルから、すなわち、多数のサブユーザプロファイルの線形結合から分離される。本発明によれば、この分離、及び、適切なユーザプロファイルの選択は、例えば、1日のうちのある時間又は1週間のうちのある時間等の副情報等、ユーザ特徴に基づいて行われる。2つのサブプロファイルへのユーザプロファイルの分離は、好ましくは、以下に説明するように行われる。
上述のように、ユーザプロファイルは、それ自体、ユーザが積極的に視聴した番組のEPGデータから得られる重み付きキーワードのセットにより画定される。ユーザ特徴に従って、例えば、1日のうちのある時間等の副情報特徴を用いて適切な分割を見出すため、1日のうちの任意の時間に沿って仮分割を行い、2つのサブユーザプロファイルを仮に作成する。これらの相対差を調べ、この差を記憶する。そして、別の時間に沿った次の仮分割を行い、ここでも差を評価して記憶する、という具合に行う。全ての可能な分割(あるいは妥当数の分割)を試みた後、2つのサブユーザプロファイルの差が最大となる分割を選択して、2つのサブユーザプロファイルの差を分析する。これが所定のしきい値を超える場合、マルチユーザプロファイルの分割が行われるが、そうでない場合、このユーザ特徴については1人のユーザのみに関することと考えられるので、マルチユーザプロファイルは変更されない。
2つのサブユーザプロファイルの差は、含まれるキーワードについての離散確率分布としてユーザプロファイルをみなすことにより、計算することができる。仮分割後、このような2つの離散確率分布が得られる。これら2つの離散確率分布の差は、数的問題を避けるため、かつ、単集合イベントの重要度の誇張を避けるために、ゼロ回出現するイベントが仮想出現1回に置き換えられる対称化クルバック−ライブラー距離の和(symmetrized Kullback-Leibler-distance sum)を用いて計算される。
図4bは、このような分割の例を示す。ここでは、t>6ヵ月後に、例えば図4aに従って作成されたマルチユーザ固有のプロファイルをN個のサブプロファイルに分割する。すなわち、ユーザプロファイル9から、第1のサブユーザプロファイル101、第2のサブユーザプロファイル102等という具合に、第N番目のサブユーザプロファイル10Nが作成されるまで行う。3つ以上のサブユーザプロファイルの作成は、1つのユーザプロファイルを2つのサブユーザプロファイルに分割するという上述の手順を、作成された各サブユーザプロファイルに基づいて繰り返すことにより、すなわち、1つのサブユーザプロファイルを新たな2つのサブユーザプロファイルに分割する等により行われる。
以下、本発明の第3の形態を説明するが、本形態によれば、現在の状況に合わない一般的過ぎる提案を避けるためのユーザ特徴に基づいて、ここのユーザに対して、より適切な提案を行うことができる。一例として、あるユーザはスポーツ、スリラー、ニュースを好むが、友人と一緒にいるときはゲームショーも見る、という場合がある。ユーザは、平日は通常、ニュースや特定のスポーツイベントのみを見て、スリラーやゲームショーは見ない。これらについては週末に見る。したがって、ユーザプロファイル及び/又は履歴には4つのトピック全てが含まれている。ユーザはゲームショーやスリラーを平日には見ないので、平日にシステムからこれらを提案されるのは少し迷惑である。しかし、週末であれば非常に役に立つ。
このため、本発明は、例えば、何らかの週末用提案を要求する、あるいは、今すぐ何らかのゲームショーを要求する等、具体的に要求を行うように、システムが行った提案に対してインタラクティブに影響を与える手段を提供する。本発明によれば、ユーザ特徴に基づいて表されるユーザの実際の状況に従って、例えば、1日のうちのある時間、曜日(今夜、明日夜、週末)、ジャンル、特定の番組、ユーザの気分、休日、来客、家族用提案、自分用提案、明日夜までの全ての番組等により、特定化が行われる。ユーザの気分は、音声、すなわち話し声により、あるいは、映像、すなわち体に直接取り付けられたミミックカメラ、情報又は他のバイオメトリックセンサにより、自動的に検出してもよい。
一般的には、上述のように、ユーザ履歴には、ユーザが視聴したテレビ番組についての全情報が含まれている。すなわち、EPG項目、タイトル、ジャンル、時間、日付、ディレクター、アーティスト等である。ユーザプロファイルには、ユーザの視聴の関心を記述し、特定の提案を行うためにEPGにおける実際の検索の基礎情報となる重み付きキーワードが含まれている。本発明に基づく提案に対してインタラクティブに影響を与える手段、以下、インタラクティブ提案エンジンと呼ぶ手段を実施する1つの方法として、まず、特定の実際の状況に基づいて、あるいは、ユーザからの、例えば週末の映画という要求に基づいて、ユーザ履歴に対してフィルタリングを行い、図5aに示すように、フィルタリングされた履歴に基づいて特定のユーザプロファイルにて計算を行う。第1のステップS10は図3aに示す第1のステップS1に対応しているが、この第1のステップS10において、ユーザデータを収集する。そして、図3aに示すように、(図3では図示しない)第2のステップS2に対応する第2のステップS11において、ユーザ履歴全体を計算する。その後、第1のフィルタリングステップS14aにおいて、ユーザ履歴のフィルタリングを行うべきフィルタ設定を生成し、続く第2のフィルタリングステップS14bにおいて、これらのフィルタ設定を適用し、その後、ステップS11bにおいて特殊化されたユーザ履歴を得る。この特殊化されたユーザ履歴に基づき、続くステップS12bにおいて特殊化されたユーザプロファイルを取り出し、それに基づいて、最終ステップS13bにおいて、最終的に特殊化された提案を得る。
勿論、作成された特定ユーザプロファイルも、履歴全体により計算された汎用ユーザプロファイル、汎用定型化プロファイル、あるいは、何らかの重み付けメカニズムによる特定定型化プロファイルと組み合わせることができる。
あるいは、異なる状況における視聴行動に関して、同じユーザについて異なるユーザプロファイルを作成してもよい。すなわち、フィルタリングにより、特殊化されたユーザプロファイルを得ることができる。この状況を図5bに示す。図5bでは、図3aに示す第1のステップS1に対応する第1のステップS10において、ユーザデータを収集し、図3aに示す第2のステップS2に対応する第2のステップS11において、ユーザ履歴を計算する。その後、図3a及び図3bに示す第3及び第4のステップS3、S4に対応するステップS12において、ユーザプロファイル全体を検索する。その後、ユーザプロファイルをフィルタリングすべきフィルタ設定を行う第1のフィルタリングステップS14aと、フィルタ設定を適用する第2のフィルタリングステップS14bとを行い、ステップS12bにおいて特殊化されたユーザプロファイルを得る。これに基づいて、最終ステップS13bにおいて、特殊化された提案を得る。この手法は、図5aで図示及び説明したのと同様、異なる家族構成員の種々のプロファイルを区別するのにも用いることができる。ユーザのアイデンティティは、上述のように音声識別又は他のバイオメトリック技術により判定することもできる。
他の可能な方法は、全てを含む、すなわち、スリラー、ニュース、スポーツ、ゲームショーを含むユーザプロファイルを用いて、図3a乃至図3cで図示及び説明したように、全ての提案を通常どおりに計算することである。得られた提案のセットは、ユーザの現在の要求に基づいてフィルタリングされる。この場合を図5cに示す。図5cでは、まず、図3aに示す第1のステップS1に対応する第1のステップS10において、ユーザデータを収集する。その後、図3aに示す第2のステップS2に対応する第2のステップS11において、ユーザ履歴を計算する。これに基づいて、図3a及び図3bに示す第3及び第4のステップS3、S4に対応するステップS12において、ユーザプロファイルを検索する。これに基づいて、図3cに示す第5のステップS5に対応するステップS13において、提案を得る。フィルタ設定を行う第1のフィルタリングステップS14aは、提案が得られた後で行い、得られた提案に関してフィルタ設定を行う。続く第2のフィルタリングステップS14においてフィルタ設定を適用し、最終ステップS13bにおいて特殊化された提案を得る。
後者の2つの場合、ユーザプロファイルは、ユーザがスリラーを土日のみ視聴し、平日はニュースとスポーツを視聴する等の情報を維持し、図5bで図示及び説明したように、適切な要素のみが考慮されるような問合せが作成されるか、図5cで図示及び説明したように、プロファイル全体を使用する前に全ての問合せを行い、その結果を後でフィルタリングする。
上述のように、図5aで図示及び説明した第1の方法では、履歴から適切な部分のみを使用し、そこから新たなユーザプロファイルを計算する。
勿論、例えば「今夜のスリラーを全て見せてくれ」といったユーザの現在の要求を、ユーザが明示的に入力することができ、また、自動的に知ることもできる。
本発明によれば、提案エンジンは、例えば、「自分が以前見ていた全てのシリーズ」ではなく「全てのシリーズ」といったユーザの要求に対して、適切に対応することができる。
さらに、システムは、ユーザが稀(例えば、2ヵ月毎)にしか放送されない特定の番組を殆ど毎回視聴するかどうかわかる。その場合、この番組がプロファイルに基づいて提案されるものであっても、上述の特定規則に基づいてユーザに提案される。
Claims (44)
- 単語と重みの対、又は、より一般的なキー構造のリストからなるユーザプロファイルを作成するユーザプロファイルの作成方法において、
上記ユーザプロファイルが使用されるアプリケーションに関して、個々のユーザの典型的な一般的行動を表すユーザ特徴に基づいて重みを計算するステップを有するユーザプロファイルの作成方法。 - ユーザ履歴から上記ユーザ特徴の影響を評価するステップを有することを特徴とする請求項1に記載のユーザプロファイルの作成方法。
- 定型化されたユーザプロファイルの特徴に従って、上記ユーザプロファイルをサブユーザプロファイルに分割するステップを有することを特徴とする請求項1又は2に記載のユーザプロファイルの作成方法。
- 上記ユーザによる前の選択対象である番組の説明に含まれる単語に基づいて、上記単語と重みの対のリストに含まれるべき単語を決定するステップを有することを特徴とする請求項1乃至3のいずれか1項に記載のユーザプロファイルの作成方法。
- 上記単語と重みの対のリストに既に含まれる単語の共起についてのデータベース評価に基づいて、上記リストに含まれるべき更なる単語を決定するステップを有することを特徴とする請求項4に記載のユーザプロファイルの作成方法。
- 使用可能な全ての番組の説明に対する、上記単語と重みの対のリストに含まれるべき単語の逆文書頻度と、上記ユーザによる前の選択対象である番組の説明に対する、上記単語の逆文書頻度との比較に基づいて、上記単語の重みを計算するステップを有することを特徴とする請求項4又は5に記載のユーザプロファイルの作成方法。
- ・上記ユーザによる前の選択対象である全ての番組の説明に対する単語の重要度と、
・定数、特に1
・単語が含まれる番組の説明に対する単語の重要度
・使用可能な全ての番組の説明に対する単語の重要度
・単語が含まれる番組の説明の長さとこの番組の説明における単語の頻度とによって変化する相対係数
のうちの少なくとも1つとの積として、上記単語と重みの対のリストに含まれるべき単語の重みを計算するステップを有することを特徴とする請求項4、5又は6に記載のユーザプロファイルの作成方法。 - 上記ユーザによる前の選択対象である全ての番組の説明に対する単語の重要度は、上記ユーザによる前の選択対象である番組の説明における全ての単語からなるセットに占める単語の割合に基づいて決定されることを特徴とする請求項7に記載のユーザプロファイルの作成方法。
- 上記ユーザによる前の選択対象である全ての番組の説明に対する単語の重要度は、その単語が含まれる番組の説明を考慮して決定されることを特徴とする請求項8に記載のユーザプロファイルの作成方法。
- 上記単語が含まれる番組の説明に対する単語の重要度は、上記番組の説明における上記単語の出現に基づいて決定されることを特徴とする請求項7、8又は9に記載のユーザプロファイルの作成方法。
- 使用可能な全ての番組の説明に対する単語の重要度は、使用可能な全ての番組の説明に対する逆文書頻度の基づいて決定されることを特徴とする請求項7乃至10のいずれか1項に記載のユーザプロファイルの作成方法。
- 使用可能な全ての番組の説明に対する単語の重要度は、その単語が含まれる番組の説明を考慮して決定されることを特徴とする請求項11に記載のユーザプロファイルの作成方法。
- ある選択対象を残すとともに、選択対象をオフに切り換える又はこの選択対象についてのみオンオフ切り換えを行うというユーザの行動により、上記単語と重みの対のリストに含まれる単語の重みを正規化するステップを有することを特徴とする請求項7乃至13のいずれか1項に記載のユーザプロファイルの作成方法。
- 記録された選択対象を実際に使用するときのユーザの行動により、上記単語と重みの対のリストに含まれる単語の重みを正規化するステップを有することを特徴とする請求項7乃至14のいずれか1項に記載のユーザプロファイルの作成方法。
- 単語が出現している、上記ユーザによる前の選択対象である全ての番組の説明に亘って、単語の重みwi(t)を平均化して、新たなプロファイルの重みw(t)とするステップを有することを特徴とする請求項7乃至15のいずれか1項に記載のユーザプロファイルの作成方法。
- 所定のしきい値未満の重み又は所定の低重み範囲内の重みを示す単語を、上記単語と重みの対のリストから除外するステップを有することを特徴とする請求項7乃至16のいずれか1項に記載のユーザプロファイルの作成方法。
- 上記ユーザの否定的選択対象を考慮することにより、上記単語と重みの対のリストに含まれるべき単語の重みを計算するステップを有することを特徴とする請求項6乃至17のいずれか1項に記載のユーザプロファイルの作成方法。
- あるユーザ特徴に対する可能なユーザ選択対象の最大頻度を考慮することにより、上記単語と重みの対のリストに含まれるべき単語の重みを計算するステップを有することを特徴とする請求項6乃至18のいずれか1項に記載のユーザプロファイルの作成方法。
- 上記作成されたユーザプロファイルは、少なくとも1つの可能な今後の選択対象を上記ユーザに提案するための、可能な今後の番組の説明における問合せとして使用されることを特徴とする請求項4乃至19のいずれか1項に記載のユーザプロファイルの作成方法。
- 可能な今後の番組の説明毎にモディファイドOKAPI重みが計算され、適合する各単語は、検索結果がユーザプロファイルに応じて影響されるように、余因子としての重みを有することを特徴とする請求項20に記載のユーザプロファイルの作成方法。
- 上記問合せは、定型化されたユーザプロファイルと作成されたユーザプロファイルとを組み合わせることにより作成され、まず、初めて提案を与えるときに、上記定型化されたユーザプロファイルが単独で使用され、上記作成されたユーザプロファイルを計算するためのデータ収集中の第1の所定期間に、両ユーザプロファイルの線形結合が使用され、上記作成されたユーザプロファイルを計算するためのデータ収集中の上記第1の所定期間後に、上記作成されたユーザプロファイルが使用されることを特徴とする請求項20乃至23のいずれか1項に記載のユーザプロファイルの作成方法。
- 上記定型化されたユーザプロファイルは、全ての番組に平均的関心を示す汎用ステレオプロファイルと、特定のトピックに集中しているユーザの関心をそれぞれ定める少なくとも1つの特定の定型化されたユーザプロファイルとにより構成されることを特徴とする請求項24に記載のユーザプロファイルの作成方法。
- 上記ユーザの選択対象を各特定の定型化されたユーザプロファイルにおけるデータと一致させ、一致があった場合にその定型化されたユーザプロファイルの重みを大きくすることにより、上記提案を与えるための線形結合において考慮される特定の定型化されたユーザプロファイルの重みが計算されることを特徴とする請求項25に記載のユーザプロファイルの作成方法。
- 第2の所定期間後に、請求項29乃至32のいずれか1項に記載の個々のユーザプロファイルにより、上記問合せが作成されることを特徴とする請求項24、25又は26に記載のユーザプロファイルの作成方法。
- 上記問合せは、請求項33に記載のフィルタリングされたユーザプロファイルを考慮して作成されることを特徴とする請求項20乃至27のいずれか1項に記載のユーザプロファイルの作成方法。
- 単語と重みの対のリストからなるマルチユーザプロファイルから個々のユーザプロファイルを作成するユーザプロファイルの作成方法において、
上記ユーザプロファイルが使用されるアプリケーションに関して、個々のユーザの典型的な一般的行動を表すユーザ特徴に従って、上記マルチユーザプロファイルを少なくとも1回分割するステップを有するユーザプロファイルの作成方法。 - 上記マルチユーザプロファイルの分割の際に、
e)ユーザ特徴に従って仮分割を行い、第1及び第2のサブユーザプロファイルを作成するステップと、
f)2つのサブユーザプロファイル間の相対差を計算するステップと、
g)所定数の仮分割が行われるまでステップa)及びb)を行うステップと、
h)上記相対差が所定のしきい値より大きい場合、最大相対差を生じる仮分割に従って上記マルチユーザプロファイルを分割するステップとを行うことを特徴とする請求項29に記載のユーザプロファイルの作成方法。 - 上記相対差は、上記第1のサブユーザプロファイルに含まれているユーザ特徴に対する、上記第1のサブユーザプロファイルの第1の離散確率分布と、上記第2のサブユーザプロファイルに含まれているユーザ特徴に対する、上記第2のサブユーザプロファイルの第2の離散確率分布との差を計算することにより計算されることを特徴とする請求項30に記載のユーザプロファイルの作成方法。
- 上記2つの離散確率分布の上記差は、ゼロ回出現するイベントが仮想出現1回に置き換えられる対称化クルバック−ライブラー距離の和(symmetrized Kullback-Leibler-distance sum)を用いて計算されることを特徴とする請求項31に記載のユーザプロファイルの作成方法。
- 今後の番組の説明及びユーザプロファイルについて計算された提案結果に基づいて決定される提案であって、ユーザの次の選択に対する提案を特定するユーザプロファイルの作成方法において、
上記ユーザプロファイルが使用されるアプリケーションに関して、個々のユーザの典型的な一般的行動を表すユーザ特徴に基づいて表されるユーザの実際の状況に基づいて、
・上記ユーザプロファイルを作成するのに使用されるユーザ履歴、及び/又は、
・上記ユーザプロファイル、及び/又は、
・上記提案結果
をフィルタリングするステップを有することを特徴とするユーザプロファイルの作成方法。 - 上記一般的なキー構造はフォーゲット(忘れ)係数を含むことを特徴とする請求項1乃至33のいずれか1項に記載のユーザプロファイルの作成方法。
- 今後の番組は記録された個人用コンテンツからなることを特徴とする請求項1乃至34のいずれか1項に記載のユーザプロファイルの作成方法。
- オーディオ/ビデオ番組提案エンジンにおいて使用されることを特徴とする請求項1乃至35のいずれか1項に記載のユーザプロファイルの作成方法。
- 上記オーディオ/ビデオ番組提案エンジンはインターネットベースであることを特徴とする請求項36に記載のユーザプロファイルの作成方法。
- クライアントベースであることを特徴とする請求項1乃至37のいずれか1項に記載のユーザプロファイルの作成方法。
- 上記ユーザ特徴は、
・ユーザにより視聴される所望のオーディオ/ビデオ番組のチャンネル
・ユーザによるオーディオ/ビデオ番組の典型的視聴時刻
・オーディオ/ビデオ番組の合計時間に対する、ユーザによるオーディオ/ビデオ番組の視聴時間
・オーディオ/ビデオ番組の開始時刻に対する、ユーザによるオーディオ/ビデオ番組の視聴開始時刻
・視聴時刻に対する、ユーザによるオーディオ/ビデオ番組の典型的視聴時間
・特定のオーディオ/ビデオ番組がどのくらい頻繁に視聴可能であるかと、その番組がユーザによりどのくらい頻繁に視聴されるかとの関係
・特に使用されるオーディオ/ビデオ機器のスイッチオン時刻及び時間に対する、ユーザの一般的なオーディオ/ビデオ番組視聴行動
・ユーザにより記録されたオーディオ/ビデオ番組
・ユーザによる特定のオーディオ/ビデオ番組の記録と、ユーザによる当該オーディオ/ビデオ番組の視聴との時間間隔
・ユーザの実際の気分
・ユーザにより入力された実際の希望オーディオ/ビデオ番組
・ユーザにより視聴されたオーディオ/ビデオ番組の製作年
・ユーザにより視聴されたオーディオ/ビデオ番組のディレクター及び/又は俳優及び/又は俳優グループ
・ユーザにより視聴されたオーディオ/ビデオ番組の種類
・ユーザにより視聴されたオーディオ/ビデオ番組のタイトル
という特徴のうちの1つ以上からなることを特徴とする請求項1乃至38のいずれか1項に記載のユーザプロファイルの作成方法。 - コンピュータ、マイクロプロセッサ、デジタル信号処理装置、ホームサーバ、セットトップボックス、テレビ、ビデオテープレコーダ、携帯情報端末等において実行された場合に、請求項1乃至39のいずれか1項に記載のユーザプロファイルの作成方法のステップを実行するように構成されたコンピュータプログラム手段からなるコンピュータプログラム製品。
- 請求項40に記載のコンピュータプログラム製品を記録している、コンピュータにより読み取り可能な記録媒体。
- 単語と重みの対のリストからなるユーザプロファイルを作成するプロファイラにおいて、請求項1乃至39のいずれか1項に記載のユーザプロファイルの作成方法のステップを実行するように構成されることを特徴とするプロファイラ。
- 今後の番組の説明とユーザプロファイルとについて計算された提案結果に基づいて決定される提案であって、ユーザの次の選択に対する提案を特定する提案エンジンにおいて、請求項33乃至37のいずれか1項に記載のユーザプロファイルの作成方法のステップを実行するように構成されることを特徴とする提案エンジン。
- 請求項43に記載のプロファイラを有することを特徴とする請求項43に記載の提案エンジン。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP02019492A EP1395056A1 (en) | 2002-08-30 | 2002-08-30 | Methods to create a user profile and to specify a suggestion for a next selection of the user |
PCT/EP2003/009473 WO2004021706A1 (en) | 2002-08-30 | 2003-08-27 | Methods to create a user profile and to specify a suggestion for a next selection of a user |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005536814A true JP2005536814A (ja) | 2005-12-02 |
Family
ID=31197879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004532119A Withdrawn JP2005536814A (ja) | 2002-08-30 | 2003-08-27 | ユーザプロファイルの作成方法、及び、ユーザの次の選択に対する提案を特定する方法 |
Country Status (5)
Country | Link |
---|---|
US (2) | US7593921B2 (ja) |
EP (3) | EP2109048A1 (ja) |
JP (1) | JP2005536814A (ja) |
CN (1) | CN100508592C (ja) |
WO (1) | WO2004021706A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009001428A1 (ja) * | 2007-06-25 | 2008-12-31 | Fujitsu Limited | スコア算出プログラム、スコア算出方法およびスコア算出装置 |
JP2009517758A (ja) * | 2005-11-30 | 2009-04-30 | 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 | 少なくとも1つの更なるコンテンツ項目の推奨を生成する方法及びシステム |
JP2009534761A (ja) * | 2006-04-20 | 2009-09-24 | ベベオ,インク. | コンテンツを選択して提示するユーザインタフェース方法およびシステム |
Families Citing this family (118)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2864858A1 (fr) * | 2004-01-06 | 2005-07-08 | Thomson Licensing Sa | Dispositif et procede de creation de condenses de documents multimedias |
US20050210507A1 (en) * | 2004-03-17 | 2005-09-22 | Sony Corporation | System and method for multimedia playlist |
JP4719153B2 (ja) * | 2004-07-05 | 2011-07-06 | パナソニック株式会社 | 番組検索装置 |
US8943537B2 (en) * | 2004-07-21 | 2015-01-27 | Cox Communications, Inc. | Method and system for presenting personalized television program recommendation to viewers |
WO2006046167A2 (en) * | 2004-10-25 | 2006-05-04 | Koninklijke Philips Electronics N.V. | Associative content exchange/copy mechanism |
JP2006173715A (ja) * | 2004-12-13 | 2006-06-29 | Victor Co Of Japan Ltd | 番組自動選択装置 |
US20060242016A1 (en) * | 2005-01-14 | 2006-10-26 | Tremor Media Llc | Dynamic advertisement system and method |
US8438142B2 (en) | 2005-05-04 | 2013-05-07 | Google Inc. | Suggesting and refining user input based on original user input |
EP1732013A1 (en) * | 2005-06-06 | 2006-12-13 | Deutsche Thomson-Brandt Gmbh | Method and device for searching a data unit in a database |
JP2007096560A (ja) * | 2005-09-28 | 2007-04-12 | Hitachi Ltd | ユーザ嗜好抽出装置 |
WO2007056344A2 (en) * | 2005-11-07 | 2007-05-18 | Scanscout, Inc. | Techiques for model optimization for statistical pattern recognition |
US8209724B2 (en) | 2007-04-25 | 2012-06-26 | Samsung Electronics Co., Ltd. | Method and system for providing access to information of potential interest to a user |
US8510453B2 (en) | 2007-03-21 | 2013-08-13 | Samsung Electronics Co., Ltd. | Framework for correlating content on a local network with information on an external network |
US8863221B2 (en) | 2006-03-07 | 2014-10-14 | Samsung Electronics Co., Ltd. | Method and system for integrating content and services among multiple networks |
US8115869B2 (en) | 2007-02-28 | 2012-02-14 | Samsung Electronics Co., Ltd. | Method and system for extracting relevant information from content metadata |
US8843467B2 (en) | 2007-05-15 | 2014-09-23 | Samsung Electronics Co., Ltd. | Method and system for providing relevant information to a user of a device in a local network |
US8200688B2 (en) | 2006-03-07 | 2012-06-12 | Samsung Electronics Co., Ltd. | Method and system for facilitating information searching on electronic devices |
US7630966B2 (en) * | 2006-03-16 | 2009-12-08 | Microsoft Corporation | Media content reviews search |
US20080005068A1 (en) * | 2006-06-28 | 2008-01-03 | Microsoft Corporation | Context-based search, retrieval, and awareness |
US8327266B2 (en) | 2006-07-11 | 2012-12-04 | Napo Enterprises, Llc | Graphical user interface system for allowing management of a media item playlist based on a preference scoring system |
US9003056B2 (en) * | 2006-07-11 | 2015-04-07 | Napo Enterprises, Llc | Maintaining a minimum level of real time media recommendations in the absence of online friends |
US20080051081A1 (en) * | 2006-08-24 | 2008-02-28 | Sony Ericsson Mobile Communications | Profile tracker for portable communication device |
IL178394A (en) * | 2006-09-28 | 2014-12-31 | Deutsche Telekom Ag | Interactive mixed recommendation system |
US20080109391A1 (en) * | 2006-11-07 | 2008-05-08 | Scanscout, Inc. | Classifying content based on mood |
US8935269B2 (en) | 2006-12-04 | 2015-01-13 | Samsung Electronics Co., Ltd. | Method and apparatus for contextual search and query refinement on consumer electronics devices |
US20090055393A1 (en) * | 2007-01-29 | 2009-02-26 | Samsung Electronics Co., Ltd. | Method and system for facilitating information searching on electronic devices based on metadata information |
US8776149B1 (en) * | 2007-03-05 | 2014-07-08 | At&T Intellectual Property I, L.P. | Preference-based media alerts |
US20080228581A1 (en) * | 2007-03-13 | 2008-09-18 | Tadashi Yonezaki | Method and System for a Natural Transition Between Advertisements Associated with Rich Media Content |
US20080227440A1 (en) * | 2007-03-16 | 2008-09-18 | Vinay Kumar Chowdary Settepalli | Methods and apparatus for discovering and updating a mobile device via user behavior |
EP1975866A1 (en) | 2007-03-31 | 2008-10-01 | Sony Deutschland Gmbh | Method and system for recommending content items |
US8229942B1 (en) | 2007-04-17 | 2012-07-24 | Google Inc. | Identifying negative keywords associated with advertisements |
US8086624B1 (en) | 2007-04-17 | 2011-12-27 | Google Inc. | Determining proximity to topics of advertisements |
US9286385B2 (en) | 2007-04-25 | 2016-03-15 | Samsung Electronics Co., Ltd. | Method and system for providing access to information of potential interest to a user |
KR101166130B1 (ko) * | 2007-08-30 | 2012-07-23 | 삼성전자주식회사 | 컨텐츠 태그를 이용하여 사용자 프로파일을 구성하는 방법및 장치, 그리고 생성된 사용자 프로파일을 이용하여컨텐츠를 추천하는 방법 |
US8577996B2 (en) * | 2007-09-18 | 2013-11-05 | Tremor Video, Inc. | Method and apparatus for tracing users of online video web sites |
US8549550B2 (en) * | 2008-09-17 | 2013-10-01 | Tubemogul, Inc. | Method and apparatus for passively monitoring online video viewing and viewer behavior |
US8019707B2 (en) | 2007-09-20 | 2011-09-13 | Deutsche Telekom Ag | Interactive hybrid recommender system |
US8176068B2 (en) | 2007-10-31 | 2012-05-08 | Samsung Electronics Co., Ltd. | Method and system for suggesting search queries on electronic devices |
US9060034B2 (en) | 2007-11-09 | 2015-06-16 | Napo Enterprises, Llc | System and method of filtering recommenders in a media item recommendation system |
US8019748B1 (en) * | 2007-11-14 | 2011-09-13 | Google Inc. | Web search refinement |
US8745056B1 (en) | 2008-03-31 | 2014-06-03 | Google Inc. | Spam detection for user-generated multimedia items based on concept clustering |
EP2101501A1 (en) * | 2008-03-10 | 2009-09-16 | Sony Corporation | Method for recommendation of audio |
US8782179B2 (en) * | 2008-04-04 | 2014-07-15 | Microsoft Corporation | Communication workspace |
US20090259551A1 (en) * | 2008-04-11 | 2009-10-15 | Tremor Media, Inc. | System and method for inserting advertisements from multiple ad servers via a master component |
US9077933B2 (en) | 2008-05-14 | 2015-07-07 | At&T Intellectual Property I, L.P. | Methods and apparatus to generate relevance rankings for use by a program selector of a media presentation system |
US9202460B2 (en) | 2008-05-14 | 2015-12-01 | At&T Intellectual Property I, Lp | Methods and apparatus to generate a speech recognition library |
US8504558B2 (en) * | 2008-07-31 | 2013-08-06 | Yahoo! Inc. | Framework to evaluate content display policies |
US9269090B2 (en) * | 2008-08-18 | 2016-02-23 | Nokia Technologies Oy | Method, apparatus and computer program product for providing indications regarding recommended content |
US8938465B2 (en) | 2008-09-10 | 2015-01-20 | Samsung Electronics Co., Ltd. | Method and system for utilizing packaged content sources to identify and provide information based on contextual information |
US9612995B2 (en) | 2008-09-17 | 2017-04-04 | Adobe Systems Incorporated | Video viewer targeting based on preference similarity |
US20100088152A1 (en) * | 2008-10-02 | 2010-04-08 | Dominic Bennett | Predicting user response to advertisements |
US20100088177A1 (en) * | 2008-10-02 | 2010-04-08 | Turn Inc. | Segment optimization for targeted advertising |
US8577753B1 (en) * | 2008-10-22 | 2013-11-05 | Amazon Technologies, Inc. | Community-based shopping profiles |
US8244517B2 (en) | 2008-11-07 | 2012-08-14 | Yahoo! Inc. | Enhanced matching through explore/exploit schemes |
US8943081B2 (en) | 2008-11-17 | 2015-01-27 | At&T Intellectual Property I, L.P. | User-powered recommendation system |
CN101464897A (zh) * | 2009-01-12 | 2009-06-24 | 阿里巴巴集团控股有限公司 | 一种词匹配及信息查询方法及装置 |
US8539359B2 (en) * | 2009-02-11 | 2013-09-17 | Jeffrey A. Rapaport | Social network driven indexing system for instantly clustering people with concurrent focus on same topic into on-topic chat rooms and/or for generating on-topic search results tailored to user preferences regarding topic |
US8301624B2 (en) * | 2009-03-31 | 2012-10-30 | Yahoo! Inc. | Determining user preference of items based on user ratings and user features |
US20100293567A1 (en) * | 2009-05-15 | 2010-11-18 | Neuralitic Systems | Method and system for remote control interactions analytics |
US20110016119A1 (en) * | 2009-07-15 | 2011-01-20 | Alcatel-Lucent Usa Inc. | System and method for managing user profiles |
US8612435B2 (en) * | 2009-07-16 | 2013-12-17 | Yahoo! Inc. | Activity based users' interests modeling for determining content relevance |
GB2473261A (en) * | 2009-09-08 | 2011-03-09 | Nds Ltd | Media content viewing estimation with attribution of content viewing time in absence of user interaction |
US20110093783A1 (en) * | 2009-10-16 | 2011-04-21 | Charles Parra | Method and system for linking media components |
EP2502195A2 (en) * | 2009-11-20 | 2012-09-26 | Tadashi Yonezaki | Methods and apparatus for optimizing advertisement allocation |
US8380810B2 (en) * | 2010-03-16 | 2013-02-19 | Nokia Corporation | Method and apparatus providing for output of a content package based at least in part on a content category selection and one or more contextual characteristics |
US8600979B2 (en) | 2010-06-28 | 2013-12-03 | Yahoo! Inc. | Infinite browse |
US20120042263A1 (en) | 2010-08-10 | 2012-02-16 | Seymour Rapaport | Social-topical adaptive networking (stan) system allowing for cooperative inter-coupling with external social networking systems and other content sources |
WO2012030657A1 (en) * | 2010-08-31 | 2012-03-08 | The Directv Group, Inc. | Method and system for searching for content in a user device |
US8612293B2 (en) * | 2010-10-19 | 2013-12-17 | Citizennet Inc. | Generation of advertising targeting information based upon affinity information obtained from an online social network |
CN102004871A (zh) * | 2010-10-21 | 2011-04-06 | 深圳市华曦达科技股份有限公司 | 数字电视终端管理方法和装置 |
US9275001B1 (en) | 2010-12-01 | 2016-03-01 | Google Inc. | Updating personal content streams based on feedback |
GB2486257B (en) * | 2010-12-09 | 2015-05-27 | Samsung Electronics Co Ltd | Multimedia system and method of recommending multimedia content |
US9204200B2 (en) | 2010-12-23 | 2015-12-01 | Rovi Technologies Corporation | Electronic programming guide (EPG) affinity clusters |
JP5095857B2 (ja) * | 2010-12-28 | 2012-12-12 | シャープ株式会社 | 番組情報通知装置、テレビジョン受像機、番組情報通知方法、番組情報通知プログラム、および記録媒体 |
CN102567408B (zh) | 2010-12-31 | 2014-06-04 | 阿里巴巴集团控股有限公司 | 推荐搜索关键词的方法和装置 |
US9063927B2 (en) | 2011-04-06 | 2015-06-23 | Citizennet Inc. | Short message age classification |
US8676937B2 (en) | 2011-05-12 | 2014-03-18 | Jeffrey Alan Rapaport | Social-topical adaptive networking (STAN) system allowing for group based contextual transaction offers and acceptances and hot topic watchdogging |
US20140222622A1 (en) * | 2011-05-27 | 2014-08-07 | Nokia Corporation | Method and Apparatus for Collaborative Filtering for Real-Time Recommendation |
US8943047B1 (en) * | 2011-09-09 | 2015-01-27 | Intuit Inc. | Data aggregation for qualifying a partner candidate |
US20130080907A1 (en) * | 2011-09-23 | 2013-03-28 | Richard Skelton | Method and system for a personalized content play list |
WO2013048421A1 (en) * | 2011-09-29 | 2013-04-04 | Hewlett-Packard Development Company, L.P. | Personalization data of an active application |
US9015109B2 (en) | 2011-11-01 | 2015-04-21 | Lemi Technology, Llc | Systems, methods, and computer readable media for maintaining recommendations in a media recommendation system |
US8688719B2 (en) | 2011-11-30 | 2014-04-01 | Microsoft Corporation | Targeted telephone number lists from user profiles |
US8700640B2 (en) * | 2011-11-30 | 2014-04-15 | Telefonaktiebolaget L M Ericsson (Publ) | System or apparatus for finding influential users |
US8584156B2 (en) | 2012-03-29 | 2013-11-12 | Sony Corporation | Method and apparatus for manipulating content channels |
WO2014003794A1 (en) * | 2012-06-29 | 2014-01-03 | Hewlett-Packard Development Company, L.P. | Obscuring internet tendencies |
US20150066940A1 (en) * | 2012-09-10 | 2015-03-05 | Google Inc. | Providing relevant online content |
US9405427B2 (en) * | 2012-09-12 | 2016-08-02 | Facebook, Inc. | Adaptive user interface using machine learning model |
US10140372B2 (en) | 2012-09-12 | 2018-11-27 | Gracenote, Inc. | User profile based on clustering tiered descriptors |
US9129227B1 (en) | 2012-12-31 | 2015-09-08 | Google Inc. | Methods, systems, and media for recommending content items based on topics |
IN2013MU02217A (ja) * | 2013-07-01 | 2015-06-12 | Tata Consultancy Services Ltd | |
CN103686236A (zh) * | 2013-11-19 | 2014-03-26 | 乐视致新电子科技(天津)有限公司 | 推荐视频资源的方法及系统 |
CN103634617B (zh) * | 2013-11-26 | 2017-01-18 | 乐视致新电子科技(天津)有限公司 | 智能电视中的视频推荐方法及装置 |
US9560399B2 (en) * | 2014-06-13 | 2017-01-31 | Hulu, LLC | Personalized generation of watch list of shows in a video delivery system |
US9928623B2 (en) * | 2014-09-12 | 2018-03-27 | International Business Machines Corporation | Socially generated and shared graphical representations |
US9729910B2 (en) * | 2014-09-24 | 2017-08-08 | Pandora Media, Inc. | Advertisement selection based on demographic information inferred from media item preferences |
US20160127778A1 (en) * | 2014-10-30 | 2016-05-05 | Microsoft Technology Licensing, Llc | Head end detection |
US10698914B2 (en) * | 2015-03-31 | 2020-06-30 | Microsoft Technology Licensing, Llc | Query-by-example for finding similar people |
US9626148B2 (en) * | 2015-06-12 | 2017-04-18 | Alec Edward Rasmussen | Creating an event driven audio file |
CN105872632A (zh) * | 2015-12-01 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 一种个性化节目定制播放方法和装置 |
US10565627B2 (en) * | 2015-12-30 | 2020-02-18 | Google Llc | Systems and methods for automatically generating remarketing lists |
US9781479B2 (en) * | 2016-02-29 | 2017-10-03 | Rovi Guides, Inc. | Methods and systems of recommending media assets to users based on content of other media assets |
US10212464B2 (en) | 2016-04-15 | 2019-02-19 | Hulu, LLC | Generation, ranking, and delivery of actions for entities in a video delivery system |
US10346871B2 (en) * | 2016-04-22 | 2019-07-09 | Facebook, Inc. | Automatic targeting of content by clustering based on user feedback data |
CN107818105B (zh) * | 2016-09-13 | 2021-04-09 | 腾讯科技(深圳)有限公司 | 应用程序的推荐方法及服务器 |
CN108009181B (zh) * | 2016-10-28 | 2021-03-19 | 北京酷我科技有限公司 | 一种电台推荐方法及系统 |
US10846745B1 (en) * | 2016-12-30 | 2020-11-24 | Amazon Technologies, Inc. | Contextual presence |
US10455362B1 (en) | 2016-12-30 | 2019-10-22 | Amazon Technologies, Inc. | Contextual presence |
CN107357835B (zh) * | 2017-06-22 | 2020-11-03 | 电子科技大学 | 一种基于主题模型和遗忘规律的兴趣预测挖掘方法及系统 |
KR102384215B1 (ko) * | 2017-08-01 | 2022-04-07 | 삼성전자주식회사 | 전자 장치 및 그의 제어방법 |
US10891947B1 (en) * | 2017-08-03 | 2021-01-12 | Wells Fargo Bank, N.A. | Adaptive conversation support bot |
CN109903067B (zh) * | 2017-12-08 | 2021-07-16 | 北京京东尚科信息技术有限公司 | 信息处理方法和装置 |
US11171972B1 (en) * | 2018-06-29 | 2021-11-09 | Snap Inc. | Additive friend suggestion for account security |
CN108985900B (zh) * | 2018-07-16 | 2021-06-29 | 广州天高软件科技有限公司 | 基于运营业务的分时推荐方法 |
CN109636538A (zh) * | 2018-12-20 | 2019-04-16 | 成都知数科技有限公司 | 银行产品推荐方法、装置及服务器 |
KR102670524B1 (ko) * | 2019-01-07 | 2024-06-03 | 삼성전자주식회사 | 추천 리스트 제공 방법 및 그에 따른 디스플레이 장치 |
US10958973B2 (en) * | 2019-06-04 | 2021-03-23 | International Business Machines Corporation | Deriving and identifying view preferences of a user consuming streaming content |
RU2764383C2 (ru) * | 2020-06-19 | 2022-01-17 | Акционерное общество "Лаборатория Касперского" | Система и способ выбора модели описания пользователя |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US8539002B2 (en) * | 2000-03-14 | 2013-09-17 | Koninklijke Philips N.V. | Subjective information record for linking subjective information about a multimedia content with the content |
CN1148675C (zh) * | 2000-06-20 | 2004-05-05 | 国际商业机器公司 | 基于网络的输入系统和方法 |
US20020056091A1 (en) * | 2000-09-13 | 2002-05-09 | Bala Ravi Narayan | Software agent for facilitating electronic commerce transactions through display of targeted promotions or coupons |
US8020183B2 (en) * | 2000-09-14 | 2011-09-13 | Sharp Laboratories Of America, Inc. | Audiovisual management system |
US7441260B1 (en) * | 2000-09-20 | 2008-10-21 | Koninklijke Philips Electronics, N.V. | Television program recommender with automatic identification of changing viewer preferences |
US20020116710A1 (en) | 2001-02-22 | 2002-08-22 | Schaffer James David | Television viewer profile initializer and related methods |
US20020174429A1 (en) * | 2001-03-29 | 2002-11-21 | Srinivas Gutta | Methods and apparatus for generating recommendation scores |
GB0108354D0 (en) * | 2001-04-03 | 2001-05-23 | Thirdspace Living Ltd | System and method for providing a user with access to a plurality of sevices and content from a broadband television service |
US6859803B2 (en) * | 2001-11-13 | 2005-02-22 | Koninklijke Philips Electronics N.V. | Apparatus and method for program selection utilizing exclusive and inclusive metadata searches |
US20030126108A1 (en) * | 2001-12-31 | 2003-07-03 | Knoinklijke Philips Electronics N.V. | Method and apparatus for access and display of content allowing users to apply multiple profiles |
US7243105B2 (en) * | 2002-12-31 | 2007-07-10 | British Telecommunications Public Limited Company | Method and apparatus for automatic updating of user profiles |
-
2002
- 2002-08-30 EP EP09009037A patent/EP2109048A1/en not_active Ceased
- 2002-08-30 EP EP07017597A patent/EP1860579A1/en not_active Ceased
- 2002-08-30 EP EP02019492A patent/EP1395056A1/en not_active Ceased
-
2003
- 2003-08-27 JP JP2004532119A patent/JP2005536814A/ja not_active Withdrawn
- 2003-08-27 US US10/525,665 patent/US7593921B2/en not_active Expired - Fee Related
- 2003-08-27 CN CNB038201607A patent/CN100508592C/zh not_active Expired - Fee Related
- 2003-08-27 WO PCT/EP2003/009473 patent/WO2004021706A1/en active Application Filing
-
2009
- 2009-07-22 US US12/507,574 patent/US7970762B2/en not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009517758A (ja) * | 2005-11-30 | 2009-04-30 | 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 | 少なくとも1つの更なるコンテンツ項目の推奨を生成する方法及びシステム |
JP2009534761A (ja) * | 2006-04-20 | 2009-09-24 | ベベオ,インク. | コンテンツを選択して提示するユーザインタフェース方法およびシステム |
WO2009001428A1 (ja) * | 2007-06-25 | 2008-12-31 | Fujitsu Limited | スコア算出プログラム、スコア算出方法およびスコア算出装置 |
JPWO2009001428A1 (ja) * | 2007-06-25 | 2010-08-26 | 富士通株式会社 | スコア算出プログラム、スコア算出方法およびスコア算出装置 |
JP4992973B2 (ja) * | 2007-06-25 | 2012-08-08 | 富士通株式会社 | スコア算出プログラム、スコア算出方法およびスコア算出装置 |
Also Published As
Publication number | Publication date |
---|---|
CN1679331A (zh) | 2005-10-05 |
CN100508592C (zh) | 2009-07-01 |
US20060156326A1 (en) | 2006-07-13 |
EP1395056A1 (en) | 2004-03-03 |
EP2109048A1 (en) | 2009-10-14 |
US20090282034A1 (en) | 2009-11-12 |
US7593921B2 (en) | 2009-09-22 |
US7970762B2 (en) | 2011-06-28 |
WO2004021706A1 (en) | 2004-03-11 |
EP1860579A1 (en) | 2007-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2005536814A (ja) | ユーザプロファイルの作成方法、及び、ユーザの次の選択に対する提案を特定する方法 | |
US10372759B2 (en) | Profile based content retrieval for recommender systems | |
US8214318B2 (en) | Apparatus, method and computer program for content recommendation and recording medium | |
US8200689B2 (en) | Apparatus, method and computer program for content recommendation and recording medium | |
US7657907B2 (en) | Automatic user profiling | |
KR100908822B1 (ko) | 미디어 컨텐트를 추천하기 위해 사용될 에이전트들을생성하는 방법 | |
US9402101B2 (en) | Content presentation method, content presentation device, and program | |
JP4636147B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
JP5032477B2 (ja) | ユーザに関心を引くアイテムを推奨するシステムおよび方法 | |
KR100965457B1 (ko) | 퍼스널 프로파일에 기초한 콘텐츠의 증가 | |
US20070299870A1 (en) | Dynamic insertion of supplemental video based on metadata | |
EP1911289B1 (en) | Collaborative device for enabling users to select collaborative content, and method thereof | |
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 | |
JP5815701B2 (ja) | 広告を置き換える方法及び装置 | |
KR20050086671A (ko) | 클러스터링에 기초한 프로그램 특징을 통한 스테레오타입의프로파일의 생성 | |
JP2005539307A (ja) | メディア・システムの関心プロファイルの適合化 | |
JP2011145742A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2005352754A (ja) | 情報ナビゲーション装置、方法、プログラム、及び記録媒体 | |
JP2006094018A (ja) | 番組推薦装置、番組推薦方法、プログラムおよびそのプログラムを記録した記録媒体 | |
JP3946017B2 (ja) | 放送受信方法および放送受信システム | |
Wittig | Program Descriptors and User Profiles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20061107 |