JP2006059368A - 推奨情報ダイジェストを生成する方法、システム、及びプログラム - Google Patents

Abstract

【課題】自動的に生成された推奨情報を処理する方法、システム、及びプログラムを提供する。
【解決手段】種々の例示的な実施の形態において、本発明による方法、システム、及びプログラムは、（ａ）複数の推奨情報の１つ以上がユーザーのための１つ以上の推奨の生成につながるコンテクストの表示に関連する、複数の推奨情報を記憶することによって、ユーザーのための推奨ログを生成し、（ｂ）該ログ内に記憶された複数の推奨を処理することから得られた１つ以上の統計データを使用することによって、推奨情報のサブセットを決定することを含む。
【選択図】 図４

Description

本発明は、自動生成された推奨情報(recommendations)を処理するためのシステム、方法、及びプログラムに関する。

コンピュータは、ますます、情報アクセス及び通信のためのツールとして使用されている。我々は、情報を求めてワールド・ワイド・ウェブ（以下ｗｗｗ）を日常的に検索し、企業文書をローカル・イントラネットで見つけ、毎日のニュースを読むために我々のコンピュータを使用し、電子メールを送信及び受信し、商品をショッピングする。このように広く普及したネット接続は、顕著な生産性の増加につながったのは間違いないが、新しい課題も引き起こした。たとえば、「情報過多」(Information Overload)は、最早、時代の専門用語ではなく、我々のほとんどにとって、日常的な現実である。その結果、情報過多への取り組みは、継続中進行中の学問的研究及び斬新な製品の形で、注目を集め続ける。

これを背景として、自動的に生成された推奨情報が、重要な役割を果たす。我々が情報サービスと相互作用している間は、我々は、これらの推奨情報を継続して受信する。たとえば、我々がショッピングしている間、我々は、商品の推奨情報を受信する。アマゾン・ドット・コム（Amazon．com)及び多くの他のオンライン小売業者は、丁度購入されたか又はアクセスされた商品と類似の商品を、推奨するようになっている。我々がｗｗｗを検索する時は、我々は、我々の検索語に基づいた文脈的（contextual）広告を受信する。検索結果のページに広告を表示することは、現在、Ｇｏｏｇｌｅ及び実質的にすべての他の検索エンジン・プロバイダによって行われている、一般的方法である。これらの広告又は商品提案を表示することは、「プロアクティブな文脈的（コンテクストに沿った）推奨」として解釈可能である。「プロアクティブ(proactive)」であるのは、ユーザーが明示的に推奨を要求する必要がないからであり、「文脈的(contextual)」であるのは、その推奨情報が、たとえば、トピックＸの検索又は最近の商品Ｙの取得等、ユーザーの現在のコンテクストに関連しているからである。

明らかに、プロアクティブで文脈的な推奨情報は、商品推奨又は広告に限定されない。情報過多をうまく処理したり情報をうまく発見することは、企業の現場に及ぶ問題であり、その結果、研究プロジェクトばかりでなくいくつかの商品は、最近、企業知識管理（ナレッジマネジメント）のためのプロアクティブな情報アクセスに注目するようになった。たとえば、オートノニイ(Autonony)及びベリティ(Verity)のような、知識及びコンテンツ管理インフラ・ベンダーによって作られた商品は、しばしば、ユーザーの情報ニーズを予測するために設計された暗黙の技術に基づいて、プロアクティブに文書を推奨できる。ワトソン(Watson)、リメンブランス・エージェント(Remembrance Agent)、及び富士ゼロックス・パロ・アルト研究所(Fuji Xerox Palo Alto Laboratory)(FXPAL)によるＦＸＰＡＬ Ｂａｒ等のリサーチ・プロトタイプは、企業のリソースへプロアクティブで文脈的なアプローチを提供するシステムの、更なる例である。

プロアクティブで文脈的な推奨の有用性が、種々のアプリケーション・シナリオの中で示されて来たが、そのアプローチは、２つの重要な問題に苦しんでいる。第１に、プロアクティブな推奨は、一般的には、表現が微小なインタフェースを介して、送信される。ユーザーは、その推奨情報が目に入るだろうが、その推奨情報が目立ち過ぎるか又は目をそらさせるものになった場合には、ユーザーの経験の全体的な質が低下するだろう。プロアクティブな推奨情報のインタフェースは表現が微小な（たとえば、スクリーンの横の小さな広告、又は関連情報の入手性を示すアイコン）傾向があるから、ユーザーは、潜在的に有用な情報を頻繁に見逃している。同様に、ユーザーは、推奨を丁度今受信したと気付いたとしても、彼らの現在の作業が妨げられるのは望まないものである。

第２に、文脈的な推奨は、しばしば見当違いか又は不正確である。これらの推奨は、たとえば、ユーザーの最後の検索又は購入等、一般的に、限定された情報に基づいているから、その推奨がユーザーのニーズに関連していないかも知れないという、可能性が高い。

現在のアプローチに関連した他の欠点は、持続性の欠如である。一般的には、以前に推奨された項目に戻るための明確な方法は存在しない。ユーザーは、有望そうに見えた推奨情報を以前見たことを記憶しているかも知れないが、その推奨情報がどのようにリンクしていたかを正確に覚えていないと、容易にその推奨に戻ることはできない。

非特許文献１は、分散している複数の情報リポジトリーからドキュメントをプロアクティブに検索するために、ユーザーが操作するドキュメントのテキストの形となっているコンテキスト情報を集めるシステムを紹介し、生産性アプリケーション（例 ワードプロセッサー、ウェブブラウザー他）とのユーザーインタラクションにおいて、タスク関連性情報へのジャストインタイムアクセスをサポートする手段となるリッチコンテキスト情報の提供を考察するものである。

非特許文献２は、協働フィルタリング推奨システムにおける、特定目的の推奨結果の妥当性についての考察を展開するものである。

非特許文献３は、ジャスト・イン・タイム情報検索（JITIRs）についてである。JITIRsを、一個人のローカルコンテキストに基づく有意義な情報を、容易にアクセス可能とするが押しつけない態様でプロアクティブに呈示するソフトウェアエージェントのクラスの一つであるとしている。当該文献では、そのようなJITIRsを適用したシステムによる、ある情報を発見し、評価しアクセスしようとする認知的努力を軽減することで情報のビュー（view）及び利用の支援を、実験的かつ実際的実施に基づき考察している。

非特許文献４は、次のような推奨システムの概念を紹介している。予備調査エージェントは、ユーザーが現在開いているドキュメントと類似の内容（コンテクスト）を持つ複数のドキュメントを表示することで、内容を示すものである。調査研究論文サーチエンジンは、現在開いているドキュメントを引用している複数のドキュメントまたは現在開いているドキュメントに引用されている複数のドキュメントを表示することで、内容を示すものである。非常特許文献４は、そのような概念をパーソナルウェブに適用するツールを示す。そこでは、スペースはユーザードキュメントにルートしているがウエブドキュメントにもタイトに接続されている。ツールは、従来のファイル、ブックマーク及び（隠れた）ダイレクトリンク階層の代わりに、ダイレクトリンクに基づく単一トピックの階層でパーソナルウェブをオーガナイズする。ツールは、ディレクトリドキュメント、ブックマークドキュメント、ダイレクトリンクまたは類似内容関係性で複数のドキュメントが関連していようとも、関連するユーザー及び複数のウェブドキュメントをユーザーがナビゲートするのを支援するようにしている。
J.ブドジックら（J.Budzik et al.）、「コンテクストにおける情報アクセス」（"Information Access in Context"）、ナレッジベース・システム（Knowledge-Based systems）、１４（１−２），Ｐ．３７〜５３、２００１年。 コンスタン（Konstan）、「推奨情報取得技術入門：アルゴリズム及び評価」（"Introduction to Recommendation Retrieval: Algorithms and Evaluation"）、情報システムについてのＡＣＭ報告書("ACM Transactions on Information Systems")、第２２巻第１号、Ｐ．１〜４、２００４年１月。 ローズ（Rhodes）、「ジャスト・イン・タイム情報検索」（"Just-In-Time Information Retrieval"）、メディア・アート及び科学におけるプログラム（Program in Media Arts and Sciences）、１５４ページ、２０００年５月。 ウォルバーら（Wolber et al.）、「個人ウェブ上のドキュメント・コンテクストの公開」（"Exposing Document Context in the Personal Web"）、インテリジェント・ユーザーインタフェースについての国際会議の予稿集（Proceedings of the International Conference on Intelligent User Interfaces (IUI2002)）、サンフランシスコ大学。

本発明は、ユーザーに特に関連する推奨情報の一部、サブセット(subset)を見出すための、個別の推奨情報を集約する、方法、システム、及びプログラムを提供する。

本発明は、個別の文脈的な推奨を推奨ダイジェストに含ませる、システム、方法、及びプログラムも提供する。本ダイジェストは、ユーザーが以前に見逃したかも知れない推奨にアクセスし、推奨の正確さを向上させることを許容させてもよい。

本発明の第１の態様は、複数の推奨情報の１つ以上がユーザーのための１つ以上の推奨情報の生成につながるコンテクストの表示に関連する、前記複数の推奨情報を記憶することによって、ユーザーのための推奨ログを生成し、該ログ内に記憶された前記複数の推奨情報を処理することから得られた１つ以上の統計データを使用することによって、推奨情報のサブセットを決定することを含む、情報処理システムのユーザーのための推奨ダイジェストを生成する方法である。

本発明の第２の態様は、決定された推奨情報のサブセットに基づいて生成された推奨ダイジェストのユーザーへの表示を提供することをさらに含む、第１の態様の方法である。

本発明の第３の態様は、前記１つ以上の統計データが、１つの項目がユーザーに推奨された回数と、該項目についての推奨が発生した異なるコンテクストの数と、その間に前記項目がユーザーに推奨された異なる使用セッションの数と、前記複数の推奨情報の少なくとも一部のランクと、の少なくとも１つに基づく、第１の態様の方法である。

本発明の第４の態様は、推奨情報のサブセットを決定することが、日範囲と、時間範囲と、それについて前記推奨情報が生成された項目の種類と、前記複数の推奨情報の１つ以上に関連する特定のトピックと、の少なくとも１つに従い、前記推奨ログ内に記憶された前記複数の推奨情報を処理することを含む、第１の態様の方法である。

本発明の第５の態様は、推奨情報のサブセットを決定することが、前記記憶された複数の推奨情報の少なくとも一部に含まれた前記１つ以上の推奨情報についての全体的なスコアを決定し、該全体的なスコアが、前記１つ以上の推奨情報へのユーザーの興味のレベルを予測する、関連スコアとして使用される、第１の態様の方法である。

本発明の第６の態様は、ユーザーのための推奨ログを生成することと、推奨情報のサブセットを決定することとが、ユーザー相互作用なしに受動的に実行される、第１の態様の方法である。

本発明の第７の態様は、前記生成された推奨ダイジェストのユーザーへの表示の提供が、定期的に又はユーザー動作の受信に応じて実行される、第２の態様の方法である。

本発明の第８の態様は、前記生成された推奨ダイジェストのユーザーへの表示を提供することが、電子メール、電子メッセージ、及び無線通信の１つ以上を使用して自動的に実行される、第２の態様の方法である。

本発明の第９の態様は、前記生成された推奨ダイジェストが、前記ダイジェスト内の前記推奨情報のリスト化と、前記生成された推奨情報についてのタイトルと、それについて１つ以上の推奨がなされた項目についての情報要約と、特定の項目についての推奨情報を生成するための基礎と、該特定の項目について生成された推奨情報の総数と、前記推奨情報が前記推奨ログに加えられた時の日付と、訪問された関連した同一のリソース・ロケータに関する情報と、の１つ以上を含む、第１の態様の方法である。

本発明の第１０の態様は、前記１つ以上の推奨情報が、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、推奨情報作成コンポーネントによって決定され、前記決定された推奨情報が、ユーザーの潜在的な興味の内容へのリンクである、第１の態様の方法である。

本発明の第１１の態様は、前記１つ以上の推奨情報が、商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、推奨情報作成コンポーネントによって決定され、前記決定された推奨情報が、ユーザーの潜在的興味の商品の識別子である、第１の態様の方法である。

本発明の第１２の態様は、前記１つ以上の推奨情報が、商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、推奨情報作成コンポーネントによって決定され、前記決定された推奨情報が広告である、第１の態様の方法である。

本発明の第１３の態様は、１つ以上の推奨情報が、ユーザーによってアクセスされた内容に埋め込まれたハイパーリンクである、第１の態様の方法である。

本発明の第１４の態様は、ユーザー・アクセス内容に対応して、複数の推奨情報を受け入れる、ログするコンポーネントであって、該複数の推奨情報が推奨ログ内に記憶されている、コンポーネントと、前記ログ内に記憶された複数の推奨情報を処理することから得られた１つ以上の統計データを使用することによって、推奨情報のサブセットを決定する、集約コンポーネントと、前記集約コンポーネントによって決定された前記推奨情報のサブセットに基づいて推奨ダイジェストを生成する、ダイジェスト生成コンポーネントと、を含む、情報処理システムのユーザーのための推奨ダイジェストを生成するシステムである。

本発明の第１５の態様は、前記ダイジェスト生成コンポーネントが、前記生成された推奨ダイジェストのユーザーへの表示をさらに提供する、第１４の態様のシステムである。

本発明の第１６の態様は、前記１つ以上の統計データが、１つの項目がユーザーに推奨された回数と、前記項目についての推奨が発生した異なるコンテクストの数と、その間に前記項目がユーザーに推奨された、異なる使用セッションの数と、前記複数の推奨情報の少なくとも一部のランクと、の少なくとも１つに基づく、第１４の態様のシステムである。

本発明の第１７の態様は、前記集約コンポーネントが、日範囲と、時間範囲と、それについて前記推奨が生成された項目の種類と、前記複数の推奨情報の１つ以上に関連する特定のトピックと、の少なくとも１つに従って、前記推奨ログ内に記憶された前記複数の推奨情報を処理することによって、推奨情報のサブセットを決定する、第１４の態様のシステムである。

本発明の第１８の態様は、推奨情報のサブセットを決定する前記集約コンポーネントが、前記記憶された複数の推奨情報の少なくとも一部に含まれた前記１つ以上の推奨情報についての全体的なスコアを決定することを含み、該全体的なスコアが、前記１つ以上の推奨情報へのユーザーの興味のレベルを予測する、関連スコアとして使用される、第１４の態様のシステムである。

本発明の第１９の態様は、ユーザーのための前記推奨ログを生成することと、推奨情報のサブセットを決定することとが、ユーザーの相互作用なしに受動的に実行される、第１４の態様のシステムである。

本発明の第２０の態様は、前記生成された前記推奨ダイジェストのユーザーへの表示を提供することが、定期的又はユーザー動作の受信に応じて実行される、第１５の態様のシステムである。

本発明の第２１の態様は、前記生成された推奨ダイジェストのユーザーへの表示を提供することが、電子メール、電子メッセージ、及び無線通信の１つ以上を使用して自動的に実行される、第１５の態様のシステムである。

本発明の第２２の態様は、前記生成された推奨ダイジェストが、前記ダイジェスト内の推奨情報のリスト化と、前記生成された推奨情報についてのタイトルと、それについて１つ以上の推奨がなされた項目についての情報要約と、特定の項目についての推奨情報を生成するための基礎と、該特定の項目について生成された推奨情報の総数と、前記推奨情報が前記推奨ログに加えられた時の日付と、訪問された関連した同一のリソース・ロケータに関する情報と、の１つ以上を含む、第１４の態様のシステムである。

本発明の第２３の態様は、前記１つ以上の推奨情報が、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、推奨情報作成コンポーネントによって決定され、前記決定された推奨情報が、ユーザーの潜在的な興味の内容へのリンクである、第１４の態様のシステムである。

本発明の第２４の態様は、前記１つ以上の推奨情報が、商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、前記推奨情報作成コンポーネントによって決定され、前記決定された推奨情報が、ユーザーの潜在的興味の商品の識別子である、第１４の態様のシステムである。

本発明の第２５の態様は、前記１つ以上の推奨情報が、商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、情報作成コンポーネントによって決定され、前記決定された推奨情報が広告である、第１４の態様のシステムである。

本発明の第２６の態様は、１つ以上の推奨情報が、ユーザーによってアクセスされた内容に埋め込まれたハイパーリンクである、第１４の態様のシステムである。

本発明の第２７の態様は、複数の推奨情報の１つ以上がユーザーのための１つ以上の推奨情報の生成につながるコンテクストの表示に関連する、前記複数の推奨情報を記憶することによって、ユーザーのための推奨ログを生成し、該ログ内に記憶された前記複数の推奨情報を処理することから得られた１つ以上の統計データを使用することによって、推奨情報のサブセットを決定することを含む動作を実行することをプロセッサに命令する、コンピュータ・プログラムである。

本発明の第２８の態様は、決定された推奨情報のサブセットに基づいて生成された推奨ダイジェストのユーザーへの表示を提供することをさらに含む、第２７の態様のコンピュータ・プログラムである。

本発明の第２９の態様は、前記１つ以上の統計データが、１つの項目がユーザーに推奨された回数と、該項目についての推奨が発生した異なるコンテクストの数と、その間に前記項目がユーザーに推奨された異なる使用セッションの数と、前記複数の推奨情報の少なくとも一部のランク、の少なくとも１つに基づく、請求項２７に記載のコンピュータ・プログラムである。

本発明の第３０の態様は、推奨情報のサブセットを決定することが、日範囲と、時間範囲と、それについて前記推奨情報が生成された項目の種類と、前記複数の推奨情報の１つ以上に関連する特定のトピックと、の少なくとも１つに従い、前記推奨ログ内に記憶された前記複数の推奨情報を処理することを含む、第２７の態様のコンピュータ・プログラムである。

本発明の第３１の態様は、推奨情報のサブセットを決定することが、前記複数の記憶された推奨情報の少なくとも一部に含まれた前記１つ以上の推奨情報についての全体的なスコアを決定し、該全体的なスコアが、前記１つ以上の推奨情報へのユーザーの興味のレベルを予測する、関連スコアとして使用される、第２７の態様のコンピュータ・プログラムである。

本発明の第３２の態様は、ユーザーのための推奨ログを生成することと、推奨情報のサブセットを決定することとが、ユーザーの相互作用なしに受動的に実行される、第２７の態様のコンピュータ・プログラムである。

本発明の第３３の態様は、前記生成された推奨ダイジェストのユーザーへの表示を提供することが、定期的に又はユーザー動作の受信に応じて実行される、第２７の態様のコンピュータ・プログラムである。

本発明の第３４の態様は、前記生成された推奨ダイジェストのユーザーへの表示を提供することが、電子メール、電子メッセージ、及び無線通信の１つ以上を使用して自動的に実行される、第２７の態様のコンピュータ・プログラム。

本発明の第３５の態様は、前記生成された推奨ダイジェストが、前記ダイジェスト内の前記推奨情報のリスト化と、前記生成された推奨情報についてのタイトルと、それについて１つ以上の推奨がなされた項目についての情報要約と、特定の項目についての推奨情報を生成するための基礎と、該特定の項目について生成された推奨情報の総数と、前記推奨情報が前記推奨ログに加えられた時の日付と、訪問された関連した同一のリソース・ロケータに関する情報と、の１つ以上を含む、第２７の態様のコンピュータ・プログラムである。

本発明の第３６の態様は、前記１つ以上の推奨情報が、ウェブ・ページ、電子メール・メッセージ、ドキュメント、又は画像の１つ以上を含む、ユーザー・アクセス内容に対応して、ログするコンポーネントによって決定され、前記決定された推奨情報が、ユーザーの潜在的な興味の内容へのリンクである、第２７の態様のコンピュータ・プログラムである。

本発明の第３７の態様は、前記１つ以上の推奨情報が、商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、ログするコンポーネントによって決定され、前記決定された推奨情報が、ユーザーの潜在的興味の商品の識別子である、第２７の態様のコンピュータ・プログラムである。

本発明の第３８の態様は、前記１つ以上の推奨情報が、商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、ログするコンポーネントによって決定され、前記決定された推奨情報が広告である、第２７の態様のコンピュータ・プログラムである。

本発明の第３９の態様は、１つ以上の推奨情報が、ユーザーによってアクセスされた内容に埋め込まれたハイパーリンクである、第２７の態様のコンピュータ・プログラムである。

ユーザーのための推奨ログを生成するための方法、システム、及びプログラムを提供できる。本発明により、一定期間においてユーザーが受信した推奨情報をログし、それら情報を効率的に集約できる。また、一定期間において繰り返し推奨された推奨情報を識別できる。さらに、本発明により、集約した推奨情報に基づくダイジェストを生成できる。さらにまた、本発明により、過去に提示した推奨情報に基づくダイジェストを生成するパーソナライズ・レコメンデーションエンジンを提供できる。

本発明のシステム、方法、及びプログラムの種々の例示的な実施の形態を、添付の図を参照して詳細に説明する。

図１は、本発明による推奨ダイジェストを生成する方法およびシステムの例示的な実施の形態の高レベルの略図である。

種々の例示的な実施の形態によると、本発明のシステム及び方法は、上記問題及び制限を扱うための直接的なアプローチ、すなわち推奨情報の集約を用いる。個別の文脈的な推奨情報を推奨ダイジェストに集約すると、ユーザーに、以前に見逃したかも知れない推奨情報にアクセスできるようにして、推奨情報の正確さを向上できよう。

本発明のシステム及び方法は、様々なシナリオに適用可能である。簡潔に述べると、項目ＩがユーザーＵに推奨される時はいつでも、場合により、推奨の日時等の追加情報と、推奨を引き起こしたコンテクスト（たとえば、ＵＲＬ）と、推奨情報におけるシステムの信頼性の高さと、に沿って、ペアＩ−Ｕがログされる。これは、個別の推奨情報を集約する（推奨情報をひとまとまりにする）ことによって、容易かつ効率的に、推奨ダイジェストに変換可能な、推奨情報ログとなる。

この着想根底には、一定の期間に同じユーザーに複数回推奨された項目（潜在的に複数の異なる内容に基づいて）は、ユーザーの情報ニーズ又は興味に実際に関連している可能性がより高いことを直観した。最も高いランキングの集約された推奨情報（推奨情報の複数のまとまり）は、アプリケーション・シナリオに従って推奨ダイジェストに含まれてもよく、定期的に入手可能にされるか（たとえば、最も関連した企業のリソースの週間ダイジェストを電子メールで送る）又は請求に応じて（たとえば、最後の２ヶ月間に推奨された本のダイジェストを要求する）要求可能である。推奨された項目を特定の種類に制限する（たとえば、内部メモ対出版物）か、好まれたトピックスを特定する（たとえば、Ｊａｖａ（登録商標）に関連する推奨）か、又は好まれた日／時間範囲を特定するかによって、ユーザーは、これらのダイジェストを任意にカスタマイズしてもよい。

提案されたアプローチは、情報システム（一般的には、サーバ・ベース）がユーザーに文脈的な推奨情報（レコメンデーション）を提供する、と仮定する。本情報システムは、企業の知識管理システム、検索エンジン、オンライン小売業者のウェブサイト、又は情報及び関連した推奨情報をユーザーに提供する任意の他のシステムであってもよい。ユーザーが本システムと明示的に相互作用可能であるが、しなければならないわけではないことに留意することが、重要である。たとえば、ユーザーは、一般的に、検索エンジン又は電子商取引(ｅＣｏｍｍｅｒｃｅ)アプリケーションと、明示的に相互作用する。しかしながら、本発明は、他のアプリケーションとのユーザーの相互作用を受動的に観察するシステムに等しく適用し、ユーザーのコンテクストに関連した情報が入手できた場合又は時に、プロアクティブに推奨情報を提供する。

本情報システムによって提供された情報及び関連した推奨に基づいて、提案されたアプローチは、以前の推奨情報の一部を含むドキュメントである、推奨ダイジェストを生成する。本アプローチは、ユーザーに特に有用であると考えられるこれらの推奨情報のみを含むように、試みる。生成されたダイジェストは、推奨されたリソースの短い記載、又はなぜあるリソースがそのユーザーに推奨されたかを明らかにする簡単な説明等の、推奨情報についてのさらなる情報を任意に含む。

種々の例示的な実施の形態において、推奨ダイジェスト生成システム／プロセス１０は、４つの概念的モジュール又はコンポーネントを含んでいてもよい。図１は、これらのモジュール間の情報フローを概略的に図示する。

推奨ロギング・モジュール又はコンポーネント２００は、ユーザー５０の情報システム１００との相互作用を観察し、ユーザーのコンテクスト（たとえば、現在表示されているテキスト）を解析し、文脈的な推奨情報２１０を生成する。モジュール２００は、さらに、すべての推奨情報２１０を、推奨ログ２５０にログする。たとえば、項目Ｉは、ＵＲＬ Ｒに基づいて、ユーザーＵに推奨される。なお、情報システム１００は例えば、コンピュータとそのコンピュータが通信可能に接続され得る各種ネットワークとを少なくとも備える。この場合コンピュータは、プロセッサ、表示手段、通信手段、記憶手段、入力手段を少なくとも備える。各種ネットワークは、例えば、インターネットまたはイントラネットである。

集約モジュール３００は、ダイジェスト内に含まれるべきｎ個の推奨情報が含まれているかを判断するために、推奨ログ２５０を使用する。主要な根底にある発想は、同じユーザーに繰返し推奨されたリソースは、そのユーザーの情報ニーズ又は興味に関連する可能性があるということである。集約モジュール３００は、一定期間に項目ＩがユーザーＵに推奨された、すべてのインスタンス（オブジェクトの実体）を考慮する。本プロセスの一部として、モジュール３００は、個別の推奨に基づいて、それがすべて項目Ｉへのユーザーの興味の判断材料としての役割を果たす、いくつかの統計データを計算する。たとえば、これらの統計データは、長時間の推奨の配送ばかりでなく、項目ＩがユーザーＵに推奨された合計数、及び推奨を引き起こした異なるコンテクストの数を含んでいてもよい。これらの集約された統計データ３１０を使用すると、ユーザーＵに推奨されたすべての項目は、その推奨の予測された関連性を示す、全体的なスコアを受信してもよい。モジュール３００は、その推奨がダイジェストに含まれているかを識別するために、このスコアを、推奨３２０のランク付けに使用する。

ダイジェスト生成モジュール４００は、ダイジェスト・ドキュメント４５０をレンダリングするために、集約モジュール３００によって識別された推奨情報を、使用する。このモジュールは、推奨情報に加えて、追加情報を追加できる。たとえば推奨情報が、あるドキュメントに言及している場合には、そのドキュメントの要約は、その推奨情報をユーザーにとってより価値があるものにする。同様に、本モジュール４００によって、なぜ特定のリソースが推奨されたかを示す簡単な説明を加えることができる。たとえば、ある推奨情報につながった商品、検索語、又は過去に訪ねたウェブ・ページをユーザーが入手可能である。ユーザー５０は、このモジュールから推奨ダイジェストを明示的に要求してもよく、たとえば、ナレッジマネジメント（知識管理）システムによって、要求に応じて、先週に推奨された最も関連のあるドキュメントを表示する機能を提供するようにできる。

配送モジュール５００は、予約購読モデル、たとえば電子メールによる、を通じてダイジェストを受信希望のユーザーのためにダイジェスト４５０を定期的に要求する、任意（オプション）のコンポーネントである。本モジュール５００は、スケジュールに従ってダイジェストを生成及び配送するために、個別のユーザーのための配送選好（たとえば、毎日、毎週、又は毎月のダイジェスト）を維持してもよい。

以下のセクションでは、本発明によるシステム及び方法の種々の例示的な実施の形態が、より詳細に説明される。初めに、富士ゼロックス・パロ・アルト研究所（ＦＸＰＡＬ）で開発された、企業知識発見システム(corporate knowledge discovery system)のコンテクスト中の、提案されたアプローチの例示的な実施例について説明する。次に、例示的なダイジェスト・ドキュメントを示す。最後に、本アプローチの一般性を示すために、追加のアプリケーション、検索、及びオンライン小売サイトを含む、例示的な実施の形態の概要を示す。

（ＦＸＰＡＬ Ｂａｒのコンテンツのダイジェスト）

ＦＸＰＡＬ Ｂａｒは、プロアクティブな文脈的推奨の発想に基づく、企業知識発見システムである。ＦＸＰＡＬ Ｂａｒ６００は、マイクロソフト社のインターネット・エクスプローラ（以下ＩＥ）及びアウトルック等の共通のデスクトップ・アプリケーション内で作動するツールバー６１０として、実行される。ＦＸＰＡＬ Ｂａｒ６００は、ユーザーの現在のコンテクスト、たとえば、現在表示されているウェブ・ページ又は電子メール・メッセージを解析するためのウェブ・サービス・ベース情報検索フレームワークを使用し、密接に関連した関係及びドキュメントへのプロアクティブなアクセスを提供する。図２は、ＩＥに埋め込まれた、ＦＸＰＡＬ Ｂａｒ６００を示す。本例では、ユーザーは、「ユビキタス及びモバイル・コンピューティング」("Ubiquitous and Mobile Computing")についてのウェブ・ページを開いたところである。その結果、ＦＸＰＡＬ Ｂａｒ６００は、現在表示されているテキストに密接に関連したいくつかの企業ドキュメントを、プロアクティブに推奨する。バーは、リソース・カテゴリーの色を赤に変えることにより、関連したコンテンツの入手可能性を示す。この場合には、「Ｉｎｔｅｒｎａｌ」ボタン６２０は、赤に変わったばかりであり、表示されたページに関連した社内(internal)ドキュメントが入手できることを示す。ユーザーが「Ｉｎｔｅｒｎａｌ」ボタン６２０をクリックすると、ドロップダウン・メニューが現れ、ユーザーが推奨されたドキュメントをアクセスできるようになる。そのインスタンス化（オブジェクトの実体化）において、ＦＸＰＡＬ Ｂａｒ６００が、非常にわずかなインタフェース・キューである変色を通じて、関連したコンテンツの入手可能性を連絡していることに留意すべきである。インタフェースがわずかであることが非常に重要であり、その結果、インタフェースは、ユーザーの現在の作業に干渉しない。しかしながら、この控えめなアプローチの弱点は、潜在的に有用な情報を、ユーザーがしばしば見逃すことである。

本発明のシステム及び方法による種々の例示的な実施の形態において、次に説明するように、提案された推奨ダイジェストは、この問題をおおむね克服する。図２に示されたページに加え、ユーザーが、ユビキタス及びモバイル・コンピューティングに関連した追加のページをアクセスすると仮定する。この場合には、ＦＸＰＡＬ Ｂａｒ６００は、同じドキュメントを同じユーザーに複数回推奨する傾向があり、サーバは、これらの推奨インスタンス（ここでは、ページ）すべてを、その推奨ログにログ（記録）する。本サーバがこのユーザーのために推奨ダイジェストを生成する時には、個別の結果を所定時間集約すると、複数の異なるＵＲＬに基づいてわずかのリソースのセットが同じユーザーに推奨されたことが示される。このパターンは、ユビキタス及びモバイル・コンピューティングのトピックに対するユーザーの興味の合理的な指標であり、本サーバは、ユーザーに電子メール送信される次のダイジェストに、これらのドキュメントを含める。

図３は、説明された使用シナリオに基づいて生成された例示的な推奨ダイジェスト７００を示す。この例では、次の情報が、各集約された推奨（推奨情報のまとまりの一つ一つ）について、リスト化されている。

・「タイトル（Ｔｉｔｌｅ）」これはドキュメントのタイトルである。ユーザーは、推奨されたドキュメントを開くために、タイトルの上をクリックできる。

・「種類（Ｔｙｐｅ）」これは、ドキュメントの種類、たとえば、レポート、メモ、又は出版物等、企業ドキュメントの異なるカテゴリー間、を識別する。

・「日付（Ｄａｔｅ）」これは、推奨されたドキュメントの日付である。

・以前訪問したことのある関連ＵＲＬ（Ｒｅｌａｔｅｄ ＵＲＬｓ ｖｉｓｉｔｅｄ）：そのドキュメントについての推奨を引き起こした、異なるＵＲＬの数である。簡単な推奨の説明としての役割を果たす。ユーザーがこの数の上をクリックすると、推奨のきっかけとなった、以前訪問したウェブページのリストが表示される。

・「総推奨（Ｔｏｔａｌ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ）」これは、そのドキュメントが推奨された総回数である。この数は、常に関連したＵＲＬの数以上であり、以前アクセスされた関連した情報にユーザーがどのくらい頻繁に戻ったかを定量化する。

・「セッション（Ｓｅｓｓｉｏｎｓ）」これは、その間にそのドキュメントが推奨された、異なる使用セッションの数である。この数は、長期又は繰り返される情報ニーズの指標である。

図３で示される推奨ダイジェスト７００は、一定期間（本例では一週間）におけるユーザーの最も重要な閲覧パターン（推奨について）に注目し、関連する企業リソースにユーザーの注意をもたらす。示された例では、ダイジェストは、ユーザーが明示的に要求したかも知れないウェブページとしてレンダリングされる。明らかに、同じダイジェストは、ＨＴＭＬ電子メールメッセージの形式で、自動的にユーザーに電子メール送信されていてもよい。

（広告ダイジェスト(Ad Digest)）

検索エンジン、たとえばGoogleは、ユーザーのクエリー項目(query terms)に関連したベンダー、商品、又はサービスについての広告を、頻繁に表示する。同様に、多くの他のサイト、たとえば、広告支援ニュースサイトであり現在表示されている情報に関連した広告を選ぶソフトウェアである広告サーバ(ad servers)を利用するニュースサイト、がある。このシナリオでは、広告は、文脈的なプロアクティブな推奨情報の他の形式として見ることができる。上述のコンテンツ発見シナリオと同様に、ユーザーは、潜在的に有用な広告を頻繁に見逃す。上述の類似の集約技術を使用すると、一定時間にユーザーが見た最も関連する広告にアクセスできた場合には、広告のクリックスルー速度は、増加可能である。

電子メールベースの予約購読モデルはスパムと認識されるおそれがあるが、ユーザーが日、週、又は月のトップランクの広告を見ることができるようにするオンデマンド機能は、多くのユーザーにとって、実際に価値のあるものである。たとえば、「私の週間広告ダイジェスト」("My Weekly Ad Digest")と書かれている、検索エンジンのホームページへの余分なリンクを含ませることは、これらの広告を見たくないユーザーをそれ程不快にせず、一部のユーザーには有用となる。あるいは、コンテンツ又は検索結果ページ（すなわち、以前の相互作用の間は頻繁に推奨されたが、現在のページには必ずしも関連していない広告）上のトップランクの広告は、他の可能な配送方法である。

（オンライン小売業者商品ダイジェスト）

追加の商品又はサービスを推奨するために、多くのオンライン小売業者は、ユーザーの過去の購入についての情報を使用する。たとえば、アマゾン・ドット・コムは、ユーザーがアクセスするすべての商品ページに商品推奨を表示する。さらに、アマゾンは、ユーザーが推奨情報のセットをいつでも見られるようにしている。「あなたが作成したページ」("The page you made")と呼ばれる機能ばかりでなく、「（当店では）○○さんへのおすすめがあります」("We have recommendations for you")と書かれている彼らのホームページ上のリンクは、推奨情報へのオンデマンド・アクセスを提供する。

しかしながら、本後半のセットにおける推奨情報は推奨情報集約を通じては判断されないということに留意すべきである。アマゾンの「おすすめした理由」("Why was this recommended")リンクの上をクリックすると、推奨情報が、購入された商品又はアクセスされた商品に基づいているが、一定期間の推奨の頻度には基づいていないことが、明らかになる。たとえば、音声ファイルを聴くために、ユーザーがあるＣＤの商品ページに繰り返し戻る場合には、ユーザーは、二番目に関連したＣＤについての繰り返された推奨情報を受信する可能性がある。本発明において提案された集約アプローチによると、二番目のＣＤが一定のタイムフレームで繰り返し推奨されたという事実は、ログされ、推奨プロセスに因数分解されることがある。

本発明によるシステム及び方法は、既存のシステムに、次のような、多数の重大な利点を提供する。

推奨情報集約。他のシステムは、特に有用な推奨を識別するための方法として、一定期間に単一のユーザーによって受信された推奨情報を、集約しない。

推奨情報集約に基づく、ダイジェスト生成。他のシステムは、推奨集約、すなわち、推奨情報を生成するために、一定の時間枠、期間の間に示された、推奨の回数等の指標を使用しない。

推奨ダイジェストの新規アプリケーション。以前に示された推奨情報に基づいて推奨ダイジェストを生成する企業知識発見システムは、存在しない。同様に、集約された文脈的な広告のダイジェストへのアクセスがユーザーにできるようになる検索エンジン又は広告サーバは、存在しない。

種々の例示的な実施の形態において、提案された推奨集約の実行は直接的である。本セクションでは、集約処理にログ及び組み込可能ないくつかの変数について説明する。本アプローチの単純性を図示するための例示的な実施例について、さらに説明する。

提案されたアプローチが、文脈的な推奨情報を生成する根底にある推奨アルゴリズムとは独立していることに留意することが、重要である。この推奨アルゴリズムは、文脈的な類似性（FXPALのFXPAL Barの場合のように）、強調フィルタリング、又は文字通りに説明された任意の他の予測又は連想方法に基づいていてもよい。したがって、本アプローチは、情報システムとのユーザーの相互作用又はウェブ・ブラウザ若しくは電子メール・クライアント等のアプリケーションとの観察された相互作用に基づいて推奨情報を生成する、すべてのシステムに適用する。

図４は、本発明による推奨ダイジェストを生成する方法の１つの例示的な実施の形態を概説するフローチャートである。図４に示すように、本方法はステップＳ４００で始まり、ステップＳ４１０に続き、そこで推奨ログが生成される。種々の例示的な実施の形態において、次の推奨集約に適切な推奨ログは、次の変数を含んでいてもよい。

・「リソースＩＤ(Resource ID)」これは、ドキュメント、広告又は商品等の推奨されたリソースを識別する。

・「日／時(Date/Time)」これは、推奨の日時である。その結果、推奨情報は一定時間集約可能である。

・「セッション数(Session Number)」これは、多くのサーバベースの情報システムは、セッションの概念を使用する。セッションは、一般的に、数分間続き、ユーザーが積極的に情報システムを使用している間はアクティブである。不活動の期間は、セッションをタイムアウトさせる。本発明に照らすと、その間に１つの項目が１人のユーザーに推奨された、異なるセッションの数は、長期間の興味の指標として解釈できる。

・「スコア(Score)」これは、大半の推奨アプローチは、推奨情報の強度又は信頼性の数値的評価(assessment)をサポートする。たとえば、文脈的な類似性に基づく推奨システムについては、本スコアが類似性スコアであってもよい。

・「ランク(Rank)」これは、大半の推奨アプローチは、それぞれの推奨スコア（たとえば、複数のドキュメント又は複数の商品）によって命令された複数の推奨を決定できる。「ランク」(rank)は、ソートされたリスト内の推奨された項目の位置である。たとえば、ランクは、任意のスコアのしきい値を定義することなしに、集約のために、考察する推奨を制限する簡単なメカニズムを提供する。

・「コンテクスト(context)」これは、推奨を引き起こした動作又は状態である。このコンテクストはアプリケーションによって異なるが、アクセスされたＵＲＬや入力された検索語、又は購入された商品を含んでいてもよい。

上記与えられたリストは、明らかに包括的ではなく、個別の推奨情報をさらに記述する追加情報が同時にログされてもよい。たとえば、先のダイジェストに既に含まれていた推奨についての情報を持続することができ、その結果、その集約アルゴリズムは、同じ又は非常に類似したダイジェストの複数回の生成を回避できる。さらに、ユーザーは、既にクリックした広告又は以前に開いたドキュメント等、彼らが知っている推奨情報を受信することを希望しないことがある。これを避けるために、アクセス情報は、推奨ログのサブセットとして保持するようにしてもよい。

次に、ステップＳ４２０では、推奨のサブセットが、ログから決定される。種々の例示的な実施の形態において、推奨集約プロセスは、次のように実行される。

この集約プロセスの主目的は、一定時間に同じユーザーに繰り返し推奨された推奨情報を識別することである。本プロセスの結果は、推奨の知覚された関連性を定量化する数値のセットであってもよい。たとえば、図３に示された推奨ダイジェストは、次の値を表示する。

・「異なるコンテクストの数(Number of distinct contexts)」図３に示された例では、異なるＵＲＬの数である。他のアプリケーション・シナリオでは、この値は、異なる問い合わせの数、又は購入若しくはビュー（閲覧）された異なる商品の数である。異なるコンテクストに基づく同じ項目のすべての推奨は、推奨の関連性の追加的な一部の証明として解釈可能であるから、これは強い関連性の指標の可能性がある。

・「推奨の総数(Total Number of recommendations)」その項目が推奨された総回数。

・「異なるセッションの数(Number of distinct sessions)」その間に１つの項目が推奨された異なる使用セッションの数。前述のように、この数は、長期の情報ニーズ又は興味の判断材料である。

上記の３つの統計データに加え、本集約プロセスは、個別の推奨のスコア又はランクに基づいていてもよい。これは、スコアを集約すること（たとえば、平均的スコアを使用して）、推奨をあるランク又はスコアに含まれるように制限すること、又はこれらの値を考慮に入れる任意の知覚可能な方法を使用して、実現可能である。

提案されたアプローチのさらなる利点は、ログされた推奨情報が非常に効率的に集約可能なことである。したがって、本アプローチは、多数のユーザーを有する情報システム等の現実世界の要求事項に容易に拡張可能であるべきである。たとえば、明白な実行選択は、推奨を関係のあるデータベースに持続させることである。この場合には、単純な集約アルゴリズムは、単純なＳＱＬクエリーの形式で、効率的に表現可能である。表１は、図３に示されたダイジェストを生成したＳＱＬ選択文を示す。

表１：ＳＱＬ選択文（ＳＥＬＥＣＴ）としての推奨集約

ステップＳ４３０では、要約を含むダイジェストが生成される。次に、動作は、ステップＳ４４０に進み、本方法の動作は停止する。

本ダイジェスト生成ステップＳ４３０は、集約された推奨のセットを、エンドユーザーによってアクセスされるべきドキュメント、たとえば、ウェブページ又は電子メールメッセージに変換する。ＨＴＭＬドキュメントの生成は、選択の一つとして自明である。同一又は少なくとも非常に類似したドキュメントは、ウェブページ及び電子メールメッセージとして使用できるからである。ＨＴＭＬのさらなる利点は、推奨の追加情報がハイパーリンクを通じて入手可能なことである。たとえば、図３に示されたダイジェストは、推奨のための説明としての役割を果たすページばかりでなく、推奨されたドキュメントへのリンクを含む。したがって、異なるＵＲＬの数の上をクリックすると、その推奨を引き起こしたすべての訪問されたＵＲＬをリスト化するページに、ユーザーを案内する。

本発明を上記の概説された例示的な実施の形態に関連して述べてきた。周知又は現在では予見できないかも知れないにしろ、種々の代替物、修正、変更、及び／又は改良が、本発明の精神及び範囲内にある。したがって、上述した本発明の例示的な実施の形態は、例示的であり、制限しないことを意図されている。本発明の精神及び範囲から逸脱せずに種々の変更が可能である。それゆえ、本発明は、すべての周知又は今後開発される代替物、修正、変更、及び／又は改良を含むように意図されている。

推奨ダイジェストを生成するための方法及びシステムの１つの例示的な実施の形態のハイレベルの図示の代表例である。 プロアクティブな文脈的な推奨に基づいた、既存のＦＸＰＡＬ企業知識発見システムを図示する。 ＦＸＰＡＬ使用シナリオに基づいて生成された推奨ダイジェストの例示的な実施の形態を示す。 本発明による推奨ダイジェストを生成する方法の１つの例示的な実施の形態を概説するフローチャートである。

符号の説明

５０：ユーザー
２００：推奨コンポーネント
２５０：推奨ログ
３００：集約モジュール（集約コンポーネント）
４００：ダイジェスト生成モジュール（ダイジェスト生成コンポーネント）
Ｓ４１０：推奨ログを生成
Ｓ４２０：推奨ログの一部を決定

Claims (39)

1. 複数の推奨情報の１つ以上がユーザーのための１つ以上の推奨情報の生成につながるコンテクストの表示に関連する、前記複数の推奨情報を記憶することによって、ユーザーのための推奨ログを生成し、
   該ログ内に記憶された前記複数の推奨情報を処理することから得られた１つ以上の統計データを使用することによって、推奨情報のサブセットを決定することを含む、
   情報処理システムのユーザーのための推奨ダイジェストを生成する方法。
2. 決定された推奨情報のサブセットに基づいて生成された推奨ダイジェストのユーザーへの表示を提供することをさらに含む、
   請求項１に記載の方法。
3. 前記１つ以上の統計データが、
   １つの項目がユーザーに推奨された回数と、
   該項目についての推奨が発生した異なるコンテクストの数と、
   その間に前記項目がユーザーに推奨された異なる使用セッションの数と、
   前記複数の推奨情報の少なくとも一部のランクと、の少なくとも１つに基づく、
   請求項１に記載の方法。
4. 推奨情報のサブセットを決定することが、
   日範囲と、
   時間範囲と、
   それについて前記推奨情報が生成された項目の種類と、
   前記複数の推奨情報の１つ以上に関連する特定のトピックと、の少なくとも１つに従い、
   前記推奨ログ内に記憶された前記複数の推奨情報を処理することを含む、
   請求項１に記載の方法。
5. 推奨情報のサブセットを決定することが、
   前記記憶された複数の推奨情報の少なくとも一部に含まれた前記１つ以上の推奨情報についての全体的なスコアを決定し、
   該全体的なスコアが、前記１つ以上の推奨情報へのユーザーの興味のレベルを予測する、関連スコアとして使用される、
   請求項１に記載の方法。
6. ユーザーのための推奨ログを生成することと、推奨情報のサブセットを決定することとが、
   ユーザー相互作用なしに受動的に実行される、
   請求項１に記載の方法。
7. 前記生成された推奨ダイジェストのユーザーへの表示の提供が、
   定期的に又はユーザー動作の受信に応じて実行される、
   請求項２に記載の方法。
8. 前記生成された推奨ダイジェストのユーザーへの表示を提供することが、
   電子メール、電子メッセージ、及び無線通信の１つ以上を使用して自動的に実行される、
   請求項２に記載の方法。
9. 前記生成された推奨ダイジェストが、
   前記ダイジェスト内の前記推奨情報のリスト化と、
   前記生成された推奨情報についてのタイトルと、
   それについて１つ以上の推奨がなされた項目についての情報要約と、
   特定の項目についての推奨情報を生成するための基礎と、
   該特定の項目について生成された推奨情報の総数と、
   前記推奨情報が前記推奨ログに加えられた時の日付と、
   訪問された関連した同一のリソース・ロケータに関する情報と、の１つ以上を含む、
   請求項１に記載の方法。
10. 前記１つ以上の推奨情報が、
    ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、推奨情報作成コンポーネントによって決定され、
    前記決定された推奨情報が、ユーザーの潜在的な興味の内容へのリンクである、
    請求項１に記載の方法。
11. 前記１つ以上の推奨情報が、
    商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、推奨情報作成コンポーネントによって決定され、
    前記決定された推奨情報が、ユーザーの潜在的興味の商品の識別子である、
    請求項１に記載の方法。
12. 前記１つ以上の推奨情報が、
    商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、推奨情報作成コンポーネントによって決定され、
    前記決定された推奨情報が広告である、
    請求項１に記載の方法。
13. １つ以上の推奨情報が、
    ユーザーによってアクセスされた内容に埋め込まれたハイパーリンクである、
    請求項１に記載の方法。
14. ユーザー・アクセス内容に対応して、複数の推奨情報を受け入れる、ログするコンポーネントであって、該複数の推奨情報が推奨ログ内に記憶されている、コンポーネントと、
    前記ログ内に記憶された複数の推奨情報を処理することから得られた１つ以上の統計データを使用することによって、推奨情報のサブセットを決定する、集約コンポーネントと、
    前記集約コンポーネントによって決定された前記推奨情報のサブセットに基づいて推奨ダイジェストを生成する、ダイジェスト生成コンポーネントと、を含む、
    情報処理システムのユーザーのための推奨ダイジェストを生成するシステム。
15. 前記ダイジェスト生成コンポーネントが、
    前記生成された推奨ダイジェストのユーザーへの表示をさらに提供する、
    請求項１４に記載のシステム。
16. 前記１つ以上の統計データが、
    １つの項目がユーザーに推奨された回数と、
    前記項目についての推奨が発生した異なるコンテクストの数と、
    その間に前記項目がユーザーに推奨された、異なる使用セッションの数と、
    前記複数の推奨情報の少なくとも一部のランクと、の少なくとも１つに基づく、
    請求項１４に記載のシステム。
17. 前記集約コンポーネントが、
    日範囲と、
    時間範囲と、
    それについて前記推奨が生成された項目の種類と、
    前記複数の推奨情報の１つ以上に関連する特定のトピックと、の少なくとも１つに従って、
    前記推奨ログ内に記憶された前記複数の推奨情報を処理することによって、
    推奨情報のサブセットを決定する、
    請求項１４に記載のシステム。
18. 推奨情報のサブセットを決定する前記集約コンポーネントが、
    前記記憶された複数の推奨情報の少なくとも一部に含まれた前記１つ以上の推奨情報についての全体的なスコアを決定することを含み、
    該全体的なスコアが、前記１つ以上の推奨情報へのユーザーの興味のレベルを予測する、関連スコアとして使用される、
    請求項１４に記載のシステム。
19. ユーザーのための前記推奨ログを生成することと、推奨情報のサブセットを決定することとが、ユーザーの相互作用なしに受動的に実行される、
    請求項１４に記載のシステム。
20. 前記生成された前記推奨ダイジェストのユーザーへの表示を提供することが、
    定期的又はユーザー動作の受信に応じて実行される、
    請求項１５に記載のシステム。
21. 前記生成された推奨ダイジェストのユーザーへの表示を提供することが、
    電子メール、電子メッセージ、及び無線通信の１つ以上を使用して自動的に実行される、
    請求項１５に記載のシステム。
22. 前記生成された推奨ダイジェストが、
    前記ダイジェスト内の推奨情報のリスト化と、
    前記生成された推奨情報についてのタイトルと、
    それについて１つ以上の推奨がなされた項目についての情報要約と、
    特定の項目についての推奨情報を生成するための基礎と、
    該特定の項目について生成された推奨情報の総数と、
    前記推奨情報が前記推奨ログに加えられた時の日付と、
    訪問された関連した同一のリソース・ロケータに関する情報と、の１つ以上を含む、
    請求項１４に記載のシステム。
23. 前記１つ以上の推奨情報が、
    ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、推奨情報作成コンポーネントによって決定され、
    前記決定された推奨情報が、ユーザーの潜在的な興味の内容へのリンクである、
    請求項１４に記載のシステム。
24. 前記１つ以上の推奨情報が、
    商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、前記推奨情報作成コンポーネントによって決定され、
    前記決定された推奨情報が、ユーザーの潜在的興味の商品の識別子である、
    請求項１４に記載のシステム。
25. 前記１つ以上の推奨情報が、
    商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、推奨情報作成コンポーネントによって決定され、
    前記決定された推奨情報が広告である、
    請求項１４に記載のシステム。
26. １つ以上の推奨情報が、
    ユーザーによってアクセスされた内容に埋め込まれたハイパーリンクである、
    請求項１４に記載のシステム。
27. 複数の推奨情報の１つ以上がユーザーのための１つ以上の推奨情報の生成につながるコンテクストの表示に関連する、前記複数の推奨情報を記憶することによって、ユーザーのための推奨ログを生成し、
    該ログ内に記憶された前記複数の推奨情報を処理することから得られた１つ以上の統計データを使用することによって、推奨情報のサブセットを決定することを含む動作を実行することをプロセッサに命令する、
    コンピュータ・プログラム。
28. 決定された推奨情報のサブセットに基づいて生成された推奨ダイジェストのユーザーへの表示を提供することをさらに含む、
    請求項２７に記載のコンピュータ・プログラム。
29. 前記１つ以上の統計データが、
    １つの項目がユーザーに推奨された回数と、
    該項目についての推奨が発生した異なるコンテクストの数と、
    その間に前記項目がユーザーに推奨された異なる使用セッションの数と、
    前記複数の推奨情報の少なくとも一部のランク、の少なくとも１つに基づく、
    請求項２７に記載のコンピュータ・プログラム。
30. 推奨情報のサブセットを決定することが、
    日範囲と、
    時間範囲と、
    それについて前記推奨情報が生成された項目の種類と、
    前記複数の推奨情報の１つ以上に関連する特定のトピックと、の少なくとも１つに従い、
    前記推奨ログ内に記憶された前記複数の推奨情報を処理することを含む、
    請求項２７に記載のコンピュータ・プログラム。
31. 推奨情報のサブセットを決定することが、
    前記複数の記憶された推奨情報の少なくとも一部に含まれた前記１つ以上の推奨情報についての全体的なスコアを決定し、
    該全体的なスコアが、前記１つ以上の推奨情報へのユーザーの興味のレベルを予測する、関連スコアとして使用される、
    請求項２７に記載のコンピュータ・プログラム。
32. ユーザーのための推奨ログを生成することと、推奨情報のサブセットを決定することとが、
    ユーザーの相互作用なしに受動的に実行される、
    請求項２７に記載のコンピュータ・プログラム。
33. 前記生成された推奨ダイジェストのユーザーへの表示を提供することが、
    定期的に又はユーザー動作の受信に応じて実行される、
    請求項２７に記載のコンピュータ・プログラム。
34. 前記生成された推奨ダイジェストのユーザーへの表示を提供することが、
    電子メール、電子メッセージ、及び無線通信の１つ以上を使用して自動的に実行される、
    請求項２７に記載のコンピュータ・プログラム。
35. 前記生成された推奨ダイジェストが、
    前記ダイジェスト内の前記推奨情報のリスト化と、
    前記生成された推奨情報についてのタイトルと、
    それについて１つ以上の推奨がなされた項目についての情報要約と、
    特定の項目についての推奨情報を生成するための基礎と、
    該特定の項目について生成された推奨情報の総数と、
    前記推奨情報が前記推奨ログに加えられた時の日付と、
    訪問された関連した同一のリソース・ロケータに関する情報と、の１つ以上を含む、
    請求項２７に記載のコンピュータ・プログラム。
36. 前記１つ以上の推奨情報が、
    ウェブ・ページ、電子メール・メッセージ、ドキュメント、又は画像の１つ以上を含む、ユーザー・アクセス内容に対応して、ログするコンポーネントによって決定され、
    前記決定された推奨情報が、ユーザーの潜在的な興味の内容へのリンクである、
    請求項２７に記載のコンピュータ・プログラム。
37. 前記１つ以上の推奨情報が、
    商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、ログするコンポーネントによって決定され、
    前記決定された推奨情報が、ユーザーの潜在的興味の商品の識別子である、
    請求項２７に記載のコンピュータ・プログラム。
38. 前記１つ以上の推奨情報が、
    商品説明、ウェブ・ページ、電子メール・メッセージ、ドキュメント、及び画像の１つ以上を含む、ユーザー・アクセス内容に対応して、ログするコンポーネントによって決定され、
    前記決定された推奨情報が広告である、
    請求項２７に記載のコンピュータ・プログラム。
39. １つ以上の推奨情報が、
    ユーザーによってアクセスされた内容に埋め込まれたハイパーリンクである、
    請求項２７に記載のコンピュータ・プログラム。

Images