JP2006053685A - 評判情報処理装置、評判情報処理方法およびプログラム - Google Patents
評判情報処理装置、評判情報処理方法およびプログラム Download PDFInfo
- Publication number
- JP2006053685A JP2006053685A JP2004233729A JP2004233729A JP2006053685A JP 2006053685 A JP2006053685 A JP 2006053685A JP 2004233729 A JP2004233729 A JP 2004233729A JP 2004233729 A JP2004233729 A JP 2004233729A JP 2006053685 A JP2006053685 A JP 2006053685A
- Authority
- JP
- Japan
- Prior art keywords
- reputation
- reputation information
- attribute
- evaluation value
- target thing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】 対象事物の評判情報が少ない場合でも、世の中の評判をよりよく反映することができ、対象事物毎に対して、より適切な評価値の付与が可能な評判情報処理装置、処理方法およびプログラムを提供することを目的とする。
【解決手段】 評判情報が格納されている評判情報記憶媒体から、1つのカテゴリに属する評判情報を、対象事物毎に取得し、上記取得した評判情報に含まれている評判属性の出現回数を集計し、この集計された評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、この付与された重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を、格納する評判情報処理装置である。
【選択図】 図1
Description
本発明は、対象事物の評判に関して記述されている評判情報を処理する装置、処理方法およびプログラムに関する。
評判情報を処理する場合、対象事物の評判属性の属性値に応じて、相対的にその対象事物の評価値を算出する方法が知られている(たとえば、特許文献1、非特許文献1参照)。
したがって、上記従来方法では、相対的によい評判が多く含まれる対象事物程、高い得点が与えられる。
特許第3402599号
立石健二 他8名、「Web文書集合からの意見情報抽出と着眼点に基づく要約作成」、言語処理学会第10回年次大会発表論文集、p.644−647、2004年3月
上記従来の対象事物の評価値の算出方法は、評判属性が世の中でどれだけ着目されているかを考慮していないので、たとえ着目度が高い評判属性であっても、その対象事物の評判情報が少ないと、その対象事物の評価が上がらないという問題がある。
本発明は、対象事物の評判情報が少ない場合でも、世の中の評判をよりよく反映することができ、対象事物毎に対して、より適切な評価値の付与が可能な評判情報処理装置、処理方法およびプログラムを提供することを目的とする。
本発明は、評判情報が格納されている評判情報記憶媒体から、1つのカテゴリに属する評判情報を、対象事物毎に取得し、上記取得した評判情報に含まれている評判属性の出現回数を集計し、この集計された評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、この付与された重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を、格納する評判情報処理装置である。
本発明によれば、対象事物の評判情報が少ない場合でも、世の中の評判をよりよく反映することができ、対象事物毎に、適切な評価値の付与が可能であるという効果を奏する。
発明を実施するための最良の形態は、以下の実施例である。
図1は、本発明の実施例1である評判情報処理装置100を示すブロック図である。
評判情報処理装置100は、評判情報記憶媒体1と、評判情報取得手段2と、対象事物評価値付与手段3と、評判情報格納手段4と、対象事物の評価値付き評判情報記憶媒体5とを有する。
評判情報取得手段2は、評判情報記憶媒体1に格納されている評判情報の中から、1つのカテゴリに属する評判情報を取得する。
対象事物評価値付与手段3は、評判属性出現回数集計手段31と、重み付与手段32と、対象事物評価値算出手段33とを有する。
評判属性出現回数集計手段31は、評判情報に含まれている評判属性の出現回数を集計する。なお、上記「評判属性」は、対象事物を評価するときに用いる対象事物に備わっている性質であり、たとえば、価格、バッテリ、デザイン、液晶である。
重み付与手段32は、評判属性の出現回数を考慮して、評判属性の重みを付与し、または、評判属性の出現回数と属性値とを考慮して、評判属性に重みを付与する。なお、上記「属性値」は、対象事物を評価するときに用いる主観的な表現であり、たとえば、良い、普通、悪いである。
対象事物評価値算出手段33は、対象事物毎に、その対象事物に関する評判属性の重みを考慮して対象事物の評価値を計算する。
評判情報格納手段4は、対象事物の評価値を含めた評判情報を、対象事物の評価値付き評判情報記憶媒体5へ格納する。
次に、評判情報処理装置100の動作について説明する。
図2は、評判属性のみに基づいて重みをつけた場合における評判情報処理装置100の動作を示すフローチャートである。
まず、評判情報記憶媒体1に格納されている評判情報の中から、1つのカテゴリに属する評判情報を、対象事物毎に、取得し(S1)、評判属性出現回数集計手段31が、評判情報に含まれている評判属性の出現回数を集計し(S2)、この集計された結果(評判属性の出現回数)に応じて、重み付与手段32が、評判属性ごとに、評判属性に重みを付与する(S3)。つまり、重み付与手段32が、評判属性の重みを評判属性全体の頻度とし、評判情報毎にその重みを付与する。
そして、対象事物評価値算出手段33が、対象事物に含まれている重みの合計を評価値として算出する(S4)。つまり、対象事物毎に、その対象事物に関する評判属性の重みを考慮して、対象事物の評価値を計算する。その後、対象事物の評価値を含めた評判情報を、対象事物の評価値付き評判情報記憶媒体5へ格納し(S5)、カテゴリがある分だけ、S1〜S5の処理を繰り返す(S6)。
次に、上記動作をより具体的に説明する。
図3は、実施例1において、評判情報記憶媒体1に格納されている評判情報の具体例を示す図である。
図3に示す例では、評判情報は、カテゴリ、対象事物、評判属性、属性値の4種類の情報を内容とする情報である。
なお、たとえば、対象事物や評判属性を、階層化し、図3に示す例よりも、その種類を増やすようにしてもよい。また、対象事物、評判属性、属性値の各内容も、カテゴリによって様々な内容を考えることができる。
なお、評判情報は、特許文献1や非特許文献1等で知られている方法を用いて、Web上の、たとえば対象事物に関する掲示板等から、自動的に取り込むようにしてもよく、また、対象事物に対するアンケート調査等のデータの中から、人手で作成するようにしてもよい。
図2に示すS2において、評判情報出現回数集計手段31が、評判属性毎に頻度(評判属性の出現回数)を集計するが、図3に示す例では、評判属性は、「価格」、「バッテリ」、「デザイン」、「液晶」であるので、この評判属性毎に、評判属性の出現回数を集計する。
図4は、実施例1における評判属性の出現回数集計例を示す図である。
図2に示すS3では、重み付与手段32が、評判属性全体頻度とし、評判属性毎にその重みを付与し、つまり、実施例1では、重みは、評判属性全体の頻度そのものであるが、他の重み付け方法、たとえば、頻度数の比等、各属性の頻度数が反映される重みであれば、他の重み付け方法を採用するようにしてもよい。すなわち、出現回数そのものを、重み算出に使用せずに、出現回数の比に基づいて、重みを算出する等、出現具合に応じて、重みを算出するようにしてもよい。
図5は、実施例1において、図4に示す評判属性の出現回数集計例を用いた場合、各対象事物に対する評判属性の重み付与の結果を示す図である。
図2に示すS4では、対象事物評価値算出手段33が、対象事物に含まれている重みの合計を、評価値として算出する。つまり、図5に示す例において、対象事物の1つである「商品A」についての評価値は、2+4+2=8のように計算される。
図5に示す例では、上記のように、重みの合計を、評価値として算出するが、重みが反映される計算方法であれば、重みを全て掛け合わせる等、他の計算方法を採用するようにしてもよい。
図6は、実施例1において、評判属性のみに基づいて重み付けした場合における各対象事物の評価値の算出例を示す図である。
なお、図6に示す各対象事物の評価値の算出例は、対象事物の評価値付き評判情報記憶媒体5に格納される。
図2に示すS5では、評判情報の格納手段4が、対象事物の評価値を含めた評判情報を、対象事物の評価値付き評判情報記憶媒体5に格納する。この例の場合、図3に示す評判情報に、図6に示す各対象事物の評価値を含めて、対象事物の評価値付き評判情報記憶媒体5に格納する。
図2に示すS6では、記憶媒体1に格納されている評判情報のうちで、まだ対象事物の評価値が算出されていないカテゴリがあるかどうかを判断する。対象事物の評価値が算出されていないカテゴリがまだ残っている場合、「有」が選択され、S1へ戻り、残っていない場合は、「無」が選択され、終了する。この例の場合、図3には「ノートパソコン」しかカテゴリがないので、「無」が選択され、終了する。
上記のように、カテゴリ毎に、図2に示すS1〜S5の処理が繰り返され、そのカテゴリにおける各対象事物の評価値が算出され、この算出結果は、対象事物の評価値付き評判情報記憶媒体5に格納される。この例の場合、そのカテゴリの中で頻出した評判属性ほど、評価が高くなるので、たとえば、多くの人が気になっている評判属性を含む対象事物ほど、順位付けが上位になる可能性が高い。
つまり、実施例1は、上記のように、評判情報取得手段2が、記憶媒体1に格納されている評判情報の中から、1つのカテゴリに属する評判情報を取得し、評判属性出現回数集計手段31が、評判情報に含まれている評判属性の出現回数を集計し、集計された評判属性の出現回数に応じて、重み付与手段32が、評判属性に重みを付与し、対象事物評価値算出手段33が、対象事物毎に、その対象事物に関する評判属性の重みを考慮して、対象事物の評価値を計算する。そして、評判情報格納手段4が、対象事物の評価値を含めた評判情報を、対象事物の評価値付き評判情報記憶媒体5へ格納する。記憶媒体1に格納されているカテゴリであって、上記各処理を行っていないカテゴリが残っていれば、対象事物の評価値を算出し、対象事物の評価値付き評判情報記憶媒体5へ、対象事物の評価値を含めた評価情報を、格納し続ける。
これによって、世の中で着目されている評価属性を有する対象事物であるほど、重要度が増すように、対象事物の評価値を算出することができる。
図7は、評判情報処理装置100における他の動作である実施例2を示すフローチャートである。
図7に示すフローチャートは、評判属性の重みを計算する場合、評判属性の情報を利用することに加えて、属性値も利用して、各評判属性の重みを計算する動作を示し、基本的には、図2に示すフローチャートと同じであり、図2におけるステップS3の代わりに、ステップS13を設けたフローチャートである。
S13では、重み付与手段32が、評判属性と属性値とに基づいて重みを計算し、評判属性の属性値が、「悪い」である場合、評判属性の頻度(出現回数)の合計値にマイナス1を掛けた値を重みとし、一方、属性値が、「良い」である場合は、評判属性の頻度の合計値に、プラス1を掛けた値(評判属性の頻度の合計値のそのままの値)を重みとする。この方法で、評判情報毎に、重みを付与する。
図7に示す例では、重みとして、属性値の値をマイナスとプラスとの2値としているが、属性値の内容によって重み付け算出方法を変えるようにしてもよい。たとえば、属性値が「良い」、「普通」、「悪い」の3種類であれば、「良い」を+1、「普通」を0、「悪い」を−1、としてそれぞれ掛ける等の方法が考えられる。つまり、重み付けする場合、評判属性と属性値とを利用する方法であれば他の方法でもよい。この例の場合、図3より、「商品A」の「価格」は「良い」ので、その重みは、図4に示す「価格」の集計結果から、2である。一方、「商品A」の「デザイン」は、「悪い」ので、その重みは、図4に示す「デザイン」の集計結果から、−2となる。
図8は、評判属性と属性値とを利用して、各対象事物の評判属性毎に重みを算出した場合を示す図である。
図9は、評判属性と属性値とを利用して重み付けした場合における各対象事物の評価値の算出例を示す図である。
図7におけるS4では、対象事物評価値算出手段33が、対象事物に含まれている重みの合計を評価値として算出する。この例では、たとえば、「商品A」の場合、図8から、2+4−2=4が計算され、つまり、「商品A」における評価値は、図9に示すように、4である。
図7に示すS5では、評判情報の格納手段4が、図3に示す対象事物の評価値を含めた評判情報を、評価値付き評判情報記憶媒体5に格納する。
図7に示すS6では、記憶媒体1に格納されている評判情報のうちで、対象事物の評価値がまだ算出されていないカテゴリがあるかどうかを判断する。対象事物の評価値がまだ算出されていないカテゴリが残っていれば、「有」が選択され、S1へ戻り、対象事物の評価値がまだ算出されていないカテゴリが残っていなければ、「無」が選択され終了する。
上記のように、カテゴリ毎にS1〜S5が繰り返され、そのカテゴリにおける各対象事物の評価値が算出され、この算出結果が、対象事物の評価値付き評判情報記憶媒体5に格納される。
実施例2によれば、カテゴリの中で頻出した評判属性の属性値が「良い」対象事物ほど、評価が高いので、たとえば、多くの人が気になっている評判属性であって、その属性が好印象の対象事物ほど、順位が上位になる可能性が高い。逆に、そのカテゴリの中で頻出した評判属性の属性値が「悪い」対象事物ほど、評価値が低いので、多くの人が気になっている評判属性であってもその印象が悪ければ、かえって評価値は下がる。
さらに、実施例2によれば、属性値が「良い」数と「悪い」数とが一致すると、相殺され、評価値には影響せず、このように、属性値をも考慮して重み付けして評価値を算出するので、対象事物に対する様々な順位付けが可能になる。
つまり、実施例1によれば、対象事物の評判に関して記述されている評判情報を処理する装置において、評判情報が格納されている評判情報記憶媒体から1つのカテゴリに属する評判情報を対象事物毎に取得し、その評判情報に含まれている評判属性を集計し、評判属性の出現具合によって重みを算出し、評判情報毎に評判属性の重みを付与し、この付与された重みを考慮して、対象事物毎に対象事物に対する評価値を計算し、この計算された評価値を含めた評判情報を記憶媒体に格納することによって、1つのカテゴリに対する対象事物の評価値を参照することができる。
また、実施例2によれば、上記評判属性の出現具合によって重みを算出するステップにおいて、評判属性の属性値をも考慮するステップを含むことによって、評判属性の属性値も反映した対象事物の評価値を参照することができる。
また、実施例1、2によれば、対象事物の評判に関して記述されている評判情報を処理する装置において、全てのカテゴリについて、上記全てのステップを繰り返すステップを含むことによって、全てのカテゴリに対する対象事物の評価値を参照することができる。
上記のようにして格納された対象事物に対する評価値は、たとえば、対象事物の人気度の順位付けに利用したり、世の中で着目されている評判属性を抽出表示したりすること等が可能である。
なお、上記実施例1をプログラムの発明として把握することができる。つまり、上記実施例1は、対象事物の評判に関して記述されている評判情報を処理するプログラムにおいて、上記評判情報が格納されている評判情報記憶媒体から、1つのカテゴリに属する評判情報を、対象事物毎に取得する評判情報取得手順と、上記評判情報取得手順で得た評判情報に含まれている評判属性の出現回数を、集計し、記憶媒体に格納する評判属性出現回数集計手順と、上記評判属性出現回数集計手順で集計した評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、記憶媒体に格納する重み付与手順と、上記重み付与手順で付与した重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、記憶媒体に格納する対象事物評価値算出手順と、上記対象事物評価値算出手順で算出した評価値を含めた評判情報を、評判情報格納記憶媒体に格納する評判情報格納手順とを、コンピュータに実行させるプログラムの例である。
上記プログラムにおいて、上記重み付与手順は、評判属性の属性値をも考慮して重みを算出する手順であってもよい。また、上記プログラムにおいて、評判情報記憶媒体に格納されている評判情報に、複数のカテゴリの評判情報が存在している場合、カテゴリ毎に、上記付与された重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を、繰り返し、または、上記評判属性の属性値をも考慮した重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を繰り返すプログラムにしてもよい。
100…評判情報処理装置、
1…評判情報記憶媒体、
2…評判情報取得手段、
3…対象事物評価値付与手段、
31…評判属性出現回数集計手段、
32…重み付与手段、
33…対象事物評価値算出手段、
4…評判情報の格納手段、
5…対象事物の評価値付き評判情報記憶媒体。
1…評判情報記憶媒体、
2…評判情報取得手段、
3…対象事物評価値付与手段、
31…評判属性出現回数集計手段、
32…重み付与手段、
33…対象事物評価値算出手段、
4…評判情報の格納手段、
5…対象事物の評価値付き評判情報記憶媒体。
Claims (9)
- 対象事物の評判に関して記述されている評判情報を処理する装置において、
上記評判情報が格納されている評判情報記憶媒体から、1つのカテゴリに属する評判情報を、対象事物毎に取得する評判情報取得手段と;
上記評判情報取得手段が得た評判情報に含まれている評判属性の出現回数を、集計する評判属性出現回数集計手段と;
上記評判属性出現回数集計手段が集計した評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与する重み付与手段と;
上記重み付与手段が付与した重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算する対象事物評価値算出手段と;
上記対象事物評価値算出手段が算出した評価値を含めた評判情報を評判情報格納記憶媒体へ格納する評判情報の格納手段と;
を有することを特徴とする評判情報処理装置。 - 請求項1において、
上記重み付与手段は、評判属性の属性値をも考慮して重みを算出する手段であることを特徴とする評判情報処理装置。 - 請求項1において、
評判情報記憶媒体に格納されている評判情報に、複数のカテゴリの評判情報が存在している場合、カテゴリ毎に、上記付与された重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を、繰り返し、または、上記評判属性の属性値をも考慮した重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を繰り返すことを特徴とする評判情報処理装置。 - 対象事物の評判に関して記述されている評判情報を処理する方法において、
上記評判情報が格納されている評判情報記憶媒体から、1つのカテゴリに属する評判情報を、対象事物毎に取得する評判情報取得ステップと;
上記評判情報取得ステップで得た評判情報に含まれている評判属性の出現回数を、集計し、記憶媒体に格納する評判属性出現回数集計ステップと;
上記評判属性出現回数集計ステップで集計した評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、記憶媒体に格納する重み付与ステップと;
上記重み付与ステップで付与した重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、記憶媒体に格納する対象事物評価値算出ステップと;
上記対象事物評価値算出ステップで算出した評価値を含めた評判情報を、評判情報格納記憶媒体に格納する評判情報格納ステップと;
を有することを特徴とする評判情報処理方法。 - 請求項4において、
上記重み付与ステップは、評判属性の属性値をも考慮して重みを算出するステップであることを特徴とする評判情報処理方法。 - 請求項4において、
評判情報記憶媒体に格納されている評判情報に、複数のカテゴリの評判情報が存在している場合、カテゴリ毎に、上記付与された重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を、繰り返し、または、上記評判属性の属性値をも考慮した重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を繰り返すことを特徴とする評判情報処理方法。 - 対象事物の評判に関して記述されている評判情報を処理するプログラムにおいて、
上記評判情報が格納されている評判情報記憶媒体から、1つのカテゴリに属する評判情報を、対象事物毎に取得する評判情報取得手順と;
上記評判情報取得手順で得た評判情報に含まれている評判属性の出現回数を、集計し、記憶媒体に格納する評判属性出現回数集計手順と;
上記評判属性出現回数集計手順で集計した評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、記憶媒体に格納する重み付与手順と;
上記重み付与手順で付与した重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、記憶媒体に格納する対象事物評価値算出手順と;
上記対象事物評価値算出手順で算出した評価値を含めた評判情報を、評判情報格納記憶媒体に格納する評判情報格納手順と;
を、コンピュータに実行させるプログラム。 - 請求項7において、
上記重み付与手順は、評判属性の属性値をも考慮して重みを算出する手順であることを特徴とするプログラム。 - 請求項7において、
評判情報記憶媒体に格納されている評判情報に、複数のカテゴリの評判情報が存在している場合、カテゴリ毎に、上記付与された重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を、繰り返し、または、上記評判属性の属性値をも考慮した重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を繰り返すことを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004233729A JP2006053685A (ja) | 2004-08-10 | 2004-08-10 | 評判情報処理装置、評判情報処理方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004233729A JP2006053685A (ja) | 2004-08-10 | 2004-08-10 | 評判情報処理装置、評判情報処理方法およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006053685A true JP2006053685A (ja) | 2006-02-23 |
Family
ID=36031139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004233729A Pending JP2006053685A (ja) | 2004-08-10 | 2004-08-10 | 評判情報処理装置、評判情報処理方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006053685A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009151483A (ja) * | 2007-12-19 | 2009-07-09 | Dainippon Printing Co Ltd | 意見抽出装置 |
KR100964506B1 (ko) | 2008-03-21 | 2010-06-21 | 포항공과대학교 산학협력단 | 평판도 산출 방법 및 시스템 |
-
2004
- 2004-08-10 JP JP2004233729A patent/JP2006053685A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009151483A (ja) * | 2007-12-19 | 2009-07-09 | Dainippon Printing Co Ltd | 意見抽出装置 |
KR100964506B1 (ko) | 2008-03-21 | 2010-06-21 | 포항공과대학교 산학협력단 | 평판도 산출 방법 및 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Byrne et al. | Does the United States have a productivity slowdown or a measurement problem? | |
Han et al. | The importance of interactions between content characteristics and creator characteristics for studying virality in social media | |
Wright et al. | Tracking how social and other digital media are being used in public relations practice: A twelve-year study | |
US9323858B2 (en) | Ranking interactions between users on the internet | |
Anderson | Deliberative, agonistic, and algorithmic audiences: Journalism's vision of its public in an age of audience transparency | |
US8738436B2 (en) | Click through rate prediction system and method | |
US9031888B2 (en) | Predicting influence in social networks | |
JP2006059368A5 (ja) | ||
CN106708817B (zh) | 信息搜索方法及装置 | |
CN110110201B (zh) | 一种内容推荐方法和系统 | |
CN102855256B (zh) | 用于确定网站评价信息的方法、装置及设备 | |
EP2581869A1 (en) | Content quality and user engagement in social platforms | |
JP2018077615A (ja) | 広告画像生成装置、広告画像生成方法、広告画像生成装置用プログラム | |
JP5404662B2 (ja) | 商品推薦装置及び方法及びプログラム | |
CN111625726A (zh) | 一种用户画像的处理方法和装置 | |
JP2006004098A (ja) | 評価情報生成装置、評価情報生成方法、及びプログラム | |
JP5299199B2 (ja) | 商品推奨方法及び商品推奨システム | |
CN113222687A (zh) | 一种基于深度学习的推荐方法及装置 | |
JP2006053685A (ja) | 評判情報処理装置、評判情報処理方法およびプログラム | |
CN115829159A (zh) | 社交媒体粉丝新增预测方法、装置、设备及存储介质 | |
JP2010277462A (ja) | 行動推薦装置及び方法及びプログラム | |
CN107688979A (zh) | 用于提供信用参考信息的方法和装置 | |
Lopez B et al. | Linking Creativity Measurements to Product Market Favorability: A Data-Mining Approach | |
JP2021089700A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP2006113681A (ja) | 評判情報処理装置、評判情報処理方法およびプログラム |