JP2006526817A - プロフィールに基づく協調フィルタリングを実行する装置及び方法 - Google Patents

プロフィールに基づく協調フィルタリングを実行する装置及び方法 Download PDF

Info

Publication number
JP2006526817A
JP2006526817A JP2006506616A JP2006506616A JP2006526817A JP 2006526817 A JP2006526817 A JP 2006526817A JP 2006506616 A JP2006506616 A JP 2006506616A JP 2006506616 A JP2006506616 A JP 2006506616A JP 2006526817 A JP2006526817 A JP 2006526817A
Authority
JP
Japan
Prior art keywords
adviser
users
data associated
preference data
profile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2006506616A
Other languages
English (en)
Inventor
ギュッタ，スリニヴァス
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of JP2006526817A publication Critical patent/JP2006526817A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies

Abstract

他のユーザの視聴嗜好(140)又はプロフィール(160)に基づいて、テレビ番組の推奨のように、被助言者にアイテムを推奨する多用な実施例に対する方法及び装置が開示される。先端技術に対して、他のユーザは、年齢、収入若しくは性別又は例えばその組み合わせのような助言に共通した少なくとも１つの人口統計を有する。本発明の一態様によれば、被助言者の視聴又は購入履歴が利用可能になる前に、推奨が生成されてもよい。一実施例によれば、アイテムを推奨する方法は、そのアイテムの推奨について被助言者から推奨要求を受信する動作と、ユーザの一般集団をフィルタリングし、その被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、下位集団の各ユーザに関連する嗜好データとその被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算する動作と、計算された最低の被助言者との親密度の指標を有するその下位集団からのNユーザに関連する嗜好データを選択し、Nは１以上の正の整数である動作と、被助言者にそのアイテムを推奨するために、選択された嗜好データを使用する動作とを有する。

Description

本発明は、概してユーザに関心のあるアイテムを推奨する方法及び装置に関するものであり、特に他のユーザのプロフィールに基づいてユーザにアイテムを推奨するシステム及び方法に関するものである。
推奨システムは、ユーザについての既知のアトリビュート又は嗜好の過去の履歴若しくはユーザの消費に基づいて、ユーザの嗜好を予測する。例えば、推奨システムは、ユーザが“Raiders of the Lost Ark”又は“2001 Space Odyssey”のような他の叙事詩的な映画を好むことを以前に示していることを理由として、“Star Wars”の映画を好むであろうと推測することがある。
このようなシステムは２つの広いカテゴリ(暗示的推奨器及び明示的推奨器)に分類される。暗示的推奨器は、視聴者／消費者の嗜好の過去の履歴から導かれたデータに基づいて、目立たないように推奨を生成する。テレビ視聴に関して、視聴者プロフィールは、従来型の暗示的なテレビ番組推奨器を使用して生成されてもよい。暗示的視聴者プロフィールは、視聴履歴から導かれ、所定の視聴者が各番組を好むか好まないかを示す。
他方、明示的推奨器は、タイトルやジャンルや俳優やチャンネルや日時のような視聴者の嗜好について、番組に関して視聴者に明示的に質問し、視聴者プロフィールを導き、推奨を生成する。明示的視聴者プロフィールは、例えば“嫌い”と“好き”との間の関心の様々なレベルにマッピングされた数値目盛で、番組アトリビュート毎の評価を提供する視聴者調査から生成され、所定の視聴者が各番組を好むか好まないかを示す。
前述の暗示的推奨システムと明示的推奨システムとの双方は、ユーザが関心のあるアイテムを特定する際に支援するが、多数の制約を受ける。例えば、包括的には、明示的推奨ツールは初期化が耐えられないものであり、それぞれの新しいユーザが粗いレベルの精度でユーザの嗜好を特定する非常に詳しい調査に応答することを必要とする。暗示的推奨システムは、例えば視聴者の行動を観察することにより、控えめにプロフィールを導くが、正確になるまで長期間を必要とする。更に、このような暗示的推奨システムは、何らかの推奨を行い始めるために、少なくとも最小量の視聴／購入履歴を必要とする。従って、このような暗示的システムは、推奨システムが最初に設置されたときに、全く推奨を行うことができない。
ユーザに音楽や本を推奨するためにAmazon.comにより使用されるシステムのように、協調フィルタリング技術に基づく他の推奨システムは、ユーザが共通の購入を共有する他のユーザと類似の音楽的又は文学的趣味を有するという前提に基づいている。しかし、Amazonのような協調システムは、しばしばユーザの趣味と関係のない推奨アイテムに動かされる。通常は、この“見当違い”の結果は、小さい重複領域を除いて、趣味がユーザと一般的に同じでない大グループの人が原因である。Amazonのシステムの他の落とし穴は、購入者の代表でない限り、購入アイテムを認識することができない。他人用に購入されたギフトは、ユーザの趣味を不正確に伝えるように、協調システムを間違って“だます”ことがある。最後に、購入はユーザの趣味の良い目安であるが、Amazonのシステムは以前に購入していない領域にユーザの嗜好を探求する方法がない。消費者は、購入しない音楽及び／又は本をしばしば好み、この嗜好データは協調フィルタリングにより取得されない。
従って、十分にパーソナル化された視聴又は購入履歴が利用可能になる前に、控えめにアイテムを推奨することができる方法及び装置に対する必要性が存在する。前述の必要性に対する推論は、第三者のプロフィールに基づいて所定のユーザの番組又は購入の推奨を生成する方法及び装置の必要性である。
本発明は、テレビ番組推奨器のように、他のユーザの視聴嗜好に基づいて被助言者の関心のあるアイテムを推奨する様々な実施例を対象とする。
現在の推奨システムは、他のユーザの人口統計データを考慮せずに、地理的領域の他のユーザが何を視聴又は購入したかに基づいて、被助言者に対して番組や購入等を推奨する。それは不正確な推奨に導く。本発明の原理によれば、被助言者の視聴又は購入嗜好のより正確な指標が、このような人口統計データを考慮に入れることにより取得され得る。従って、先端技術に対して、嗜好が被助言者に推奨を行うために使用される他のユーザは、被助言者と共通した少なくとも１つの人口統計を有する。少なくとも１つの人口統計は、例えば年齢、収入、性別、職業、教育及びその組み合わせのように、如何なる人口統計でもよい。
本発明の一態様によれば、推奨は、新しいユーザの視聴又は購入履歴が利用可能になる前に、被助言者の視聴又は購入嗜好に基づいて生成される。しかし、本発明は、視聴又は購入履歴をシステムに提供することを確立している従来のユーザにも適用可能である点に留意すべきである。
一実施例によれば、アイテムを推奨する方法は、１つ以上のアイテムの推奨について被助言者から推奨要求を受信する動作と、ユーザの一般集団をフィルタリングし、被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、下位集団の各ユーザに関連する嗜好データと被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算する動作と、計算された最低の被助言者との親密度の指標を有するその下位集団からのNユーザに関連する嗜好データを選択し、Nは１以上の正の整数である動作と、被助言者にアイテムを推奨するために、選択された嗜好データを使用する動作とを有する。
他の実施例によれば、アイテムを推奨する方法は、１つ以上のアイテムの推奨について被助言者から推奨要求を受信する動作と、ユーザの一般集団をフィルタリングし、被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、下位集団の各ユーザに関連するプロフィールデータと被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算する動作と、計算された最低の被助言者との親密度の指標を有するその下位集団からのNユーザに関連する嗜好データを選択し、Nは１以上の正の整数である動作と、被助言者にアイテムを推奨するために、選択されたプロフィールデータを使用する動作とを有する。
更に他の実施例によれば、アイテムを推奨する方法は、１つ以上のアイテムの推奨について被助言者から推奨要求を受信する動作と、ユーザの一般集団をフィルタリングし、その被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、そのユーザの下位集団に関連する嗜好データから１つ以上の中間プロフィールを生成する動作と、１つ以上の中間プロフィールとその被助言者に関連するプロフィールデータとの間の隔たりの指標を計算する動作と、計算された隔たりの指標が最低であると決定されたNの中間プロフィールを選択し、Nは１以上の正の整数である動作と、被助言者にそのアイテムを推奨するために、Nの選択された中間プロフィールを使用する動作とを有する。
他の態様において、本発明は、アイテムを推奨する装置に関係し、プロセッサと、プロセッサに接続され、コンピュータ実行可能命令を格納するメモリとを有し、プロセッサは、命令の実行に応じて、１つ以上のアイテムの推奨について被助言者から推奨要求を受信し、ユーザの一般集団をフィルタリングし、その被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定し、その下位集団のユーザのそれぞれに関連する嗜好データとその被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算し、計算された親密度の指標が最高であると決定されたその下位集団からのNユーザに関連する嗜好データを少なくとも選択し、被助言者にその１つ以上のアイテムを推奨するために、選択された嗜好データを使用する。
更に他の態様において、一実施例によれば、本発明は、１つ以上のアイテムの推奨について被助言者から推奨要求を受信するコンピュータ読取可能プログラム手段と、ユーザの一般集団をフィルタリングし、被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定するコンピュータ読取可能プログラム手段と、下位集団の各ユーザに関連する嗜好データと被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算するコンピュータ読取可能プログラム手段と、計算された最低の被助言者との親密度の指標を有するその下位集団から、Nユーザに関連する嗜好データを選択し、Nは１以上の正の整数であるコンピュータ読取可能プログラム手段と、被助言者にアイテムを推奨するために、選択された嗜好データを使用するコンピュータ読取可能プログラム手段とを具現した製造物に関係する。
本発明は、特許請求の範囲に詳細に示されている。本発明の前記の利点及び更なる利点は、添付図面と共に以下の説明を参照することにより、よく理解され得る。
他のユーザの視聴／購入のプロフィール／嗜好に基づいて、テレビ番組や購入の推奨のようにユーザに関心のあるアイテムを推奨する方法及びシステムが開示される。以下の説明は、何らかの当業者が本発明を実施及び使用することを可能にするために示されている。説明の目的で、本発明の完全な理解を提供するために、特定の用語が示されている。特定の用途の説明は、例としてのみ提供されている。好ましい実施例への様々な変更が当業者に容易に明らかになり、ここで定めた一般原理は、本発明の要旨及び範囲を逸脱することなく、他の実施例及び装置に適用され得る。従って、本発明は、図示の実施例に限定されず、ここに開示された原理及び特徴に従った最も広い範囲を許容されることを意図する。
本発明は、ハードウェア、ソフトウェア又はハードウェアとソフトウェアとの組み合わせで実現され得る。如何なる種類のコンピュータシステム又は他の装置も、ここに記載された方法を実行するように適合される。ハードウェアとソフトウェアとの一般的な組み合わせは、ロード及び実行されると、ここに記載された方法を実行するようにコンピュータシステムを制御するコンピュータプログラムを備えた汎用目的コンピュータシステムでもよい。本発明はまた、ここに記載された方法の実装を可能にする全ての機能を有し、コンピュータシステムにロードされると、これらの方法を実行することができるコンピュータプログラムプロダクトに具現されてもよい。
本発明の様々な機能及び方法について、３つの特有の実施例を含み、テレビ視聴嗜好を推奨するために使用されるテレビ視聴推奨サービスに関して説明する。当業者にわかるように、開示された方法は、非物理的なアイテムを含み、他の種類のアイテムを推奨するためにも使用され得る。一例として、非限定的に、開示された方法はまた、著者、芸術家、タイトルのカテゴリ又はグループ、ウェブサイト、チャットグループ、映画、テレビショー、ダウンロード可能コンテンツ、レストラン及び他のユーザを推奨するために使用され得る。
便宜上、この明細書の残りの部分で、システムの単一のユーザと“混合ユーザ”とを示すために、“ユーザ”と“被助言者”と“新しいユーザ”という用語を使用する。
図１Ａは、本発明の一実施例によるテレビ番組推奨器100を示している。図１に示すように、例示的なテレビ番組推奨器100は、図２と共に以下に説明する番組データベース200の番組を評価し、特定の視聴者に関心のある番組を特定する。推奨番組のセットは、例えば周知の画面上表示技術を使用してセットトップ端末／テレビ(図示せず)を使用して、視聴者に提示され得る。本発明はテレビ番組推奨器に関してここに示されているが、本発明は、視聴履歴又は購入履歴のようなユーザ動作の評価に基づく如何なる自動生成された推奨にも適用可能である。本発明の１つの特徴によれば、テレビ番組推奨器100は、ユーザがテレビ番組推奨器100を最初に取得したときのように、新しいユーザの視聴又は購入履歴140が利用可能になる前に、テレビ番組の推奨を生成することができる。
テレビ番組推奨器100は、プロセッサ115(中央処理ユニット(CPU)115等)と、メモリ120(RAM及び／又はROM等)とを有する如何なるコンピュータ装置(パーソナルコンピュータ又はワークステーション等)として具現されてもよい。テレビ番組推奨器100はまた、例えばセットトップ端末又はディスプレイ(図示せず)の特定用途向け集積回路(ASIC)として具現されてもよい。更に、テレビ番組推奨器100は、California州SunnyvaleのTivo,Inc.から商用入手可能なTivo(商標)システム、若しくは“Method and Apparatus for Recommending Television Programming Using Decision Trees”という題で1999年12月17日に出願された米国特許出願第09/466,406号、“Bayesian TV Show Recommender”という題で2000年2月4日に出願された米国特許出願第09/498,271号及び“Tree-Way Media Recommendation Method and System”という題で2000年7月27日に出願された米国特許出願第09/627,139号に記載のテレビ番組推奨器、又はその何らかの組み合わせのように、如何なるテレビ番組推奨器として具現されてもよい。そのそれぞれは、本発明の特徴及び機能を実行するようにここで変更されて参照として取り込まれる。
Ａ．第１実施例
第１実施例は、協調フィルタリングの原理を利用する。協調フィルタリングの方法に関して、いくつかの特許が存在している。米国特許第5,790,426号、5,867,799号及び6,092,049号は、ユーザによりアイテムに与えられる評価に基づいてアイテムを推奨する方法及び装置を提示している。
図１Ａに示すように、また、図３及び４と共に以下に更に説明するように、一実施例において、テレビ番組推奨器100は、番組データベース200と、人口統計フィルタルーチン300と、視聴者嗜好処理400とを有する。
一般的に、番組データベース200は、周知の電子番組ガイドとして具現されてもよく、所定の時間間隔で利用可能な番組毎のデータを記録する。人口統計フィルタルーチン300は、第三者のユーザの一般集団を処理し、被助言者と少なくとも１つの人口統計を共有する一般集団の中からの第三者のユーザ(ここでは第三者のユーザの‘下位集団’と呼ばれる)を特定する。視聴者嗜好処理400は、人口統計的にフィルタリングされた下位集団の第三者のユーザ毎に視聴嗜好を特定する。新密度ルーチン600は、被助言者により提供された嗜好データと各第三者の視聴者嗜好データとの親密さを評価する。
図２は、図１の番組データベース(EPG)200からのサンプルのテーブルである。前述のように、番組データベース200は、所定の時間間隔に利用可能な番組毎のデータを記録する。図２に示すように、番組データベース200は、レコード205〜220のような複数のレコードを有し、それぞれが所定の番組に関連する。テレビ番組毎に、番組データベース200は、それぞれフィールド240及び245で、テレビ番組に関連する日時及びチャンネルを示す。更に、番組毎のタイトル、ジャンル及び俳優が、それぞれフィールド250、255及び270で特定される。番組の継続時間及び説明のような更なる周知の特徴(図示せず)もまた、番組データベース200に含まれてもよい。
次に図３を参照すると、第三者のユーザの視聴嗜好に基づいて、テレビ番組の推奨のように、被助言者に関心のあるアイテムを推奨する第１の例示的な方法30がフローチャート形式で示されている。本発明の原理によれば、関心のある第三者のユーザは、被助言者と共通した１つ以上の人口統計を共有するユーザである。
動作301において、処理が始まる。
動作302において、図１Ａに示す人口統計フィルタルーチン300は、第三者の視聴者の大集団をフィルタリングし、被助言者と共通した少なくとも１つの人口統計を共有する第三者の視聴者の下位集団を特定及び選択する。少なくとも１つの人口統計は、例えば、年齢、関心、収入、性別、職業及び教育又はその組み合わせのように、如何なる人口統計でもよい。一例として、被助言者が男性であることがわかると、この人口統計は人口統計フィルタルーチン300により使用される‘フィルタ’として選択され、ユーザの一般集団をフィルタリングし、男性である下位集団で第三者の視聴者を特定してもよい。
動作304において、嗜好処理ルーチン400は人口統計フィルタルーチン300により呼び出され、(動作302で)特定された人口統計的に準拠した第三者のユーザの下位集団で視聴者又はメンバ毎に第三者の視聴者嗜好データ140を生成する。
図４は、例示的な第三者の視聴者嗜好データ130を示している。図示の第三者の視聴者嗜好データ400は、一般的に番組の特徴毎に評価を提供する視聴者調査から生成されたデータを表す。図４に示すように、第三者の視聴者嗜好データ400は、レコード405〜420のような複数のレコードを有し、それぞれが所定の番組に関連する。テレビ番組毎に、第三者の視聴者嗜好データ400は、それぞれフィールド440及び445で、テレビ番組に関連する日時及びチャンネルを示す。更に、番組毎のタイトル、ジャンル及び俳優が、それぞれフィールド450、455及び470で特定される。番組の継続時間及び説明のような更なる周知の特徴(図示せず)もまた、第三者の視聴者嗜好データ400に含まれてもよい。
動作306において、新密度ルーチン600が嗜好処理ルーチン400により呼び出され、被助言者により提供された嗜好データ140と各第三者の視聴者の嗜好データ130との新密度を評価する。すなわち、動作304で取得された視聴者嗜好データが被助言者の視聴者嗜好データと比較される。被助言者が使用可能な既存のプロフィールデータを有する場合、そのプロフィールデータがこのステップでの嗜好データの代わりになる点に留意すべきである。更に、ある期間にわたって被助言者がシステムとプロフィール140を確立している場合、プロフィール140は、このステップでの被助言者の嗜好データ140の代わりになってもよい。
動作308において、被視聴者の嗜好データ140に最も近いと決定された下位集団での第三者の視聴者の嗜好データ130は、被助言者に番組の推奨150を行うために使用される。一実施例において、嗜好データが被助言者の提供の嗜好データ140に最も近いと決定された最も近いNの第三者の視聴者のものは、被助言者に番組の推奨150を行うために使用されてもよい。例えば、動作308は、動作306と比較して、下位集団からのどの第三者の視聴者が被助言者と最小の隔たりを有するかを特定し、被助言者に視聴嗜好を推薦するために、特定された第三者の視聴者を使用する。変数Nは、入力パラメータとして提供されてもよく、また、システムのデフォルト値(例えばN=1、N=2、N=3等)として提供されてもよい。
動作310において、処理が終了する。
Ｂ．第２実施例
図１Ｂに示すように、また、図５及び６と共に以下に詳細に説明するように、テレビ番組推奨器100は、番組データベース200と、人口統計フィルタルーチン300と、視聴者嗜好処理400と、プロフィール処理500と、新密度ルーチン600とを有する。
次に図５を参照すると、第三者の視聴者の視聴プロフィールに基づいて、テレビ番組の推奨のように、被助言者に関心のあるアイテムを推奨する第２の例示的な方法50がフローチャート形式で示されている。本発明の原理によれば、第三者の視聴者は、被助言者と共通した１つ以上の人口統計特徴を共有する。
動作502において、処理が始まる。
動作504において、図１Ｂに示す人口統計フィルタルーチン300は、第三者の視聴者の大集団をフィルタリングし、被助言者と共通した１つ以上の予め選択された人口統計特徴を共有する第三者の視聴者の下位集団を特定及び選択する。人口統計は、例えば、年齢、関心、収入、性別、職業及び教育又はその組み合わせのように、如何なる人口統計でもよい。
動作506において、視聴者嗜好処理400は人口統計フィルタルーチン300により呼び出され、(動作504で)特定された人口統計的に準拠した下位集団で視聴者毎に第三者の視聴者嗜好データ140を生成する。
動作508において、プロフィール処理500は、視聴者処理400により呼び出され、(動作504)で特定された人口統計的に準拠した下位集団で視聴者毎に第三者の視聴者プロフィールデータ150を生成する。プロフィール処理500は、1999年12月17日に出願された“Method and Apparatus for Recommending Television Programming using Decision Trees”という題の第09/466,406号に従って実行されてもよい。その全てが参照として取り込まれる。
図６は、例示的な第三者の視聴者プロフィールデータ60を示している。図示の第三者の視聴者プロフィールデータは、図４に示すような視聴者嗜好データから一般的に構成されたデータを表している。
動作510において、新密度ルーチン600がプロフィール処理500により呼び出され、被助言者により提供された嗜好データと各第三者の視聴者の嗜好データ140との新密さを評価する。例えば、動作510は、下位集団からのどの第三者の視聴者が被助言者の嗜好データと最小のプロフィールの隔たりを有するかを特定する。新しいユーザが使用可能な既存のプロフィールデータを有する場合、そのプロフィールデータがこのステップでの嗜好データの代わりになる点に留意すべきである。
動作512において、被視聴者の提供の嗜好データ140に最も近いと(動作510で)特定又は決定された下位集団での１つ以上の第三者の視聴者のプロフィールデータ160は、被助言者に番組の推奨150を行うために使用される。一実施例において、プロフィールデータが被助言者の提供の嗜好データ140(又は利用可能な場合にはプロフィールデータ160)に最も近いと決定された最も近いNの第三者の視聴者のものは、被助言者に番組の推奨150を行うために使用されてもよい。変数Nは、入力パラメータとして提供されてもよく、また、システムのデフォルト値(例えばN=1、N=2、N=3等)として提供されてもよい。
動作514において、処理が終了する。
Ｃ．第３実施例
図１Ｃに示すように、また、図６と共に以下に詳細に説明するように、テレビ番組推奨器100は、番組データベース200と、人口統計フィルタルーチン300と、嗜好処理ルーチン400と、プロフィール処理ルーチン500と、クラスタ化ルーチン650と、中間プロフィール生成ルーチン700と、隔たり計算ルーチン800とを有する。
次に図７を参照すると、第三者の視聴者の視聴プロフィールに基づいて、テレビ番組の推奨のように、被助言者に関心のあるアイテムを推奨する第３の例示的な方法70がフローチャート形式で示されている。本発明の原理によれば、第三者の視聴者は、被助言者と共通した１つ以上の人口統計を共有する。
動作702において、処理が始まる。
動作704において、人口統計フィルタルーチン300は、第三者の視聴者の大集団をフィルタリングし、被助言者と共通した１つ以上の人口統計を共有する第三者の視聴者の下位集団を特定及び選択する。人口統計は、例えば、年齢、関心、収入、性別、職業及び教育又はその組み合わせのように、如何なる人口統計でもよい。
動作706において、嗜好処理ルーチン400は人口統計フィルタルーチン300により呼び出され、(動作704で)特定された人口統計的に準拠した下位集団で視聴者毎に第三者の視聴者嗜好データ140を生成する。
動作708において、プロフィール処理ルーチン500は、視聴者処理ルーチン400により呼び出され、特定された人口統計的に準拠した下位集団で視聴者毎に第三者に視聴者嗜好データから第三者の視聴者プロフィールデータ150を生成する。
動作710において、クラスタ化ルーチン650は、プロフィール処理ルーチン500により呼び出され、動作708で特定された第三者の視聴者プロフィールデータから１つ以上のクラスタ170を生成する。クラスタ化を実行するために、如何なる数の方法が使用されてもよい。クラスタ化の動作は、K平均法(K-means)のように技術的に既知の如何なるクラスタ化方法を使用して実行されてもよい。使用され得る１つのクラスタ化方法は、2001年11月11日に出願された“Method and Apparatus For Generating A Stereotypical Profile For Recommending Items of Interest Using Item-based Clustering”という題の第10/014192号に記載されている。その全てが参照として取り込まれる。
動作712において、中間プロフィール生成ルーチン700は、クラスタ化ルーチン650により呼び出され、動作710で生成されたクラスタから又はそれに対応して１つ以上の中間プロフィール180を生成する。
動作714において、隔たり計算ルーチン800は、中間プロフィール生成ルーチン700により呼び出され、被助言者により提供された嗜好データ140と１つ以上の中間プロフィールとの親密さを評価する。被助言者が使用可能な既存のプロフィールデータ160を有する場合、そのプロフィールデータは、このステップでの被助言者の提供の嗜好データ140の代わりに使用される点に留意すべきである。
動作716において、被助言者の提供の嗜好データ140に最も近いと決定された１つ以上の中間プロフィールの中から、この中間プロフィールが被助言者に番組の推奨150を行うために使用される。一実施例において、嗜好データが被助言者の提供の嗜好データ140(又は利用可能な場合にはプロフィールデータ160)に最も近いと決定された最も近いNの第三者の視聴者のものは、被助言者に番組の推奨150を行うために使用されてもよい。変数Nは、入力パラメータとして提供されてもよく、また、システムのデフォルト値(例えばN=1、N=2、N=3等)として提供されてもよい。
動作718において、処理が終了する。
前述は、本発明の例示的な実施例に過ぎないものとして解釈されるべきである。当業者は、本発明の基本的な原理又は範囲を逸脱することなく、この実施例に類似した機能を提供する代替実施例を容易に思いつくことができる。
特許請求の範囲を解釈する際に、以下のことがわかる。
a)“有する”という用語は、所定の請求項に記載のもの以外の他の要素または動作の存在を除外するものではない。
b)単数の要素は、そのような要素の複数の存在を除外するものではない。
c)請求項における如何なる参照符号もその範囲を制限するものではない。
d)いくつかの“手段”は、同じアイテム又はハードウェア若しくはソフトウェア実装の構造又は機能により表されてもよい。
e)開示された要素のそれぞれは、ハードウェア部分(例えば別個の電子回路)、ソフトウェア部分(例えばコンピュータプログラム)又はその何らかの組み合わせで構成されてもよい。
本発明の装置の様々な実施例によるテレビ番組推奨器の概略ブロック図 本発明の装置の様々な実施例によるテレビ番組推奨器の概略ブロック図 本発明の装置の様々な実施例によるテレビ番組推奨器の概略ブロック図 図１の例示的な番組データベースからのサンプルのテーブル 本発明の方法の一実施例を記載したフローチャート 本発明の推奨システムにより使用される第三者の視聴者の視聴履歴からのサンプルのテーブル 本発明の方法の他の実施例を記述したフローチャート 本発明の推奨システムにより使用される第三者の視聴者のプロフィールからのサンプルのテーブル 本発明の方法の更に他の実施例を記述したフローチャート

Claims (24)

  1. アイテムを推奨する方法であって、
    (a)被助言者から推奨要求を受信する動作と、
    (b)ユーザの一般集団をフィルタリングし、前記被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、
    (c)前記下位集団の各ユーザに関連する嗜好データと前記被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算する動作と、
    (d)計算された最低の前記被助言者との親密度の指標を有する前記下位集団からのNユーザに関連する嗜好データを選択し、Nは１以上の正の整数である動作と、
    (e)前記被助言者に前記アイテムを推奨するために、前記ステップ(d)で選択された前記嗜好データを使用する動作と
    を有する方法。
  2. 請求項１に記載の方法であって、
    Nは、システムのデフォルト値とユーザ提供の入力値とのうち１つとして提供される方法。
  3. 請求項１に記載の方法であって、
    前記動作(c)の前に嗜好データを集める動作を更に有し、
    前記嗜好データは、アイテムの特徴の評価を提供する１つ以上の視聴者調査から集められる方法。
  4. 請求項１に記載の方法であって、
    前記アイテムは、電子番組ガイドから取得されるテレビ番組である方法。
  5. 請求項１に記載の方法であって、
    前記嗜好データは、暗示的番組推奨器と明示的番組推奨器とのうち１つにより提供される方法。
  6. 請求項１に記載の方法であって、
    前記嗜好データは、協調的番組推奨器により提供される方法。
  7. 請求項１に記載の方法であって、
    前記少なくとも１つの人口統計は、入力パラメータとシステムのデフォルト値とのうち１つとして提供される方法。
  8. アイテムを推奨する方法であって、
    (a)被助言者から推奨要求を受信する動作と、
    (b)ユーザの一般集団をフィルタリングし、前記被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、
    (c)前記下位集団の各ユーザに関連するプロフィールデータと前記被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算する動作と、
    (d)計算された親密度の指標が最低である前記下位集団からのNユーザに関連するプロフィールデータを選択し、Nは１以上の正の整数である動作と、
    (e)前記被助言者に前記アイテムを推奨するために、前記ステップ(d)で選択されたプロフィールデータを使用する動作と
    を有する方法。
  9. 請求項８に記載の方法であって、
    前記動作(c)の前に、
    番組の特徴の評価を提供する１つ以上の視聴者調査から、前記ユーザの下位集団についての嗜好データを生成する動作と、
    前記生成された嗜好データからプロフィールデータを生成する動作と
    を更に有する方法。
  10. 請求項８に記載の方法であって、
    前記１つ以上のアイテムのリストは、電子番組ガイドから取得された番組である方法。
  11. 請求項８に記載の方法であって、
    前記嗜好データは、暗示的番組推奨器と明示的番組推奨器とのうち１つにより提供される方法。
  12. 請求項８に記載の方法であって、
    前記嗜好データは、協調的番組推奨器により提供される方法。
  13. 請求項８に記載の方法であって、
    前記少なくとも１つの人口統計は、入力パラメータとシステムのデフォルト値とのうち１つとして提供される方法。
  14. アイテムを推奨する方法であって、
    (a)被助言者から推奨要求を受信する動作と、
    (b)ユーザの一般集団をフィルタリングし、前記被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、
    (c)前記ユーザの下位集団に関連する嗜好データから中間プロフィールを生成する動作と、
    (d)Nの中間プロフィールと前記被助言者に関連するプロフィールデータとの間の隔たりの指標を計算する動作と、
    (e)計算された隔たりの指標が最低であると決定されたNの中間プロフィールを選択し、Nは１以上の正の整数である動作と、
    (f)前記被助言者に前記アイテムを推奨するために、前記Nの選択された中間プロフィールを使用する動作と
    を有する方法。
  15. 請求項１４に記載の方法であって、
    前記中間プロフィールを生成する動作は、
    番組の特徴の評価を提供する１つ以上の視聴者調査から前記ユーザの下位集団についての嗜好データを集める動作と、
    前記集められた嗜好データからプロフィールデータを生成する動作と、
    前記嗜好データから少なくとも１つのクラスタを生成する動作と、
    前記少なくとも１つのクラスタに対応する中間プロフィールを生成する動作と
    を更に有する方法。
  16. 請求項１４に記載の方法であって、
    前記１つ以上のアイテムは、電子番組ガイドから取得されたテレビ番組である方法。
  17. 請求項１４に記載の方法であって、
    前記嗜好データは、暗示的番組推奨器と明示的番組推奨器とのうち１つにより提供される方法。
  18. 請求項１４に記載の方法であって、
    前記少なくとも１つの人口統計は、入力パラメータとデフォルト値とのうち１つとして提供される方法。
  19. アイテムを推奨するコンピュータ実装の装置であって、
    プロセッサと、
    前記プロセッサに接続され、コンピュータ実行可能命令を格納するメモリと
    を有し、
    前記プロセッサは、前記命令の実行に応じて、
    被助言者から推奨要求を受信し、
    ユーザの一般集団をフィルタリングし、前記被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定し、
    前記下位集団の各ユーザに関連する嗜好データと前記被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算し、
    最低の計算された前記被助言者との親密度の指標を有する前記下位集団からのNユーザに関連する嗜好データを選択し、Nは１以上の正の整数であり、
    前記被助言者に前記アイテムを推奨するために、前記選択された嗜好データを使用する装置。
  20. アイテムを推奨するコンピュータ実装の装置であって、
    プロセッサと、
    前記プロセッサに接続され、コンピュータ実行可能命令を格納するメモリと
    を有し、
    前記プロセッサは、前記命令の実行に応じて、
    被助言者から推奨要求を受信し、
    ユーザの一般集団をフィルタリングし、前記被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定し、
    前記下位集団の各ユーザに関連するプロフィールデータと前記被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算し、
    計算された親密度の指標が最低であるNユーザに関連するプロフィールデータを選択し、Nは１以上の正の整数値であり、
    前記被助言者に前記アイテムを推奨するために、前記選択されたプロフィールデータを使用する装置。
  21. アイテムを推奨するコンピュータ実装の装置であって、
    プロセッサと、
    前記プロセッサに接続され、コンピュータ実行可能命令を格納するメモリと
    を有し、
    前記プロセッサは、前記命令の実行に応じて、
    被助言者から推奨要求を受信し、
    ユーザの一般集団をフィルタリングし、前記被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定し、
    前記ユーザの下位集団に関連する嗜好データから中間プロフィールを生成し、
    Nの中間プロフィールと前記被助言者に関連するプロフィールデータとの間の隔たりの指標を計算し、
    計算された隔たりの指標が最低であると決定されたNの中間プロフィールを選択し、
    前記被助言者に前記アイテムを推奨するために、前記Nの選択された中間プロフィールを使用する装置。
  22. アイテムを推奨する製造物であって、
    それに具現されたコンピュータ読取可能コード手段を有するコンピュータ読取可能命令を有し、
    前記コンピュータ読取可能プログラムコード手段は、
    被助言者から推奨要求を受信する動作と、
    ユーザの一般集団をフィルタリングし、前記被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、
    前記下位集団の各ユーザに関連する嗜好データと前記被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算する動作と、
    最低の計算された前記被助言者との親密度の指標を有する前記下位集団からのNユーザに関連する嗜好データを選択し、Nは１以上の正の整数である動作と、
    前記被助言者に前記アイテムを推奨するために、前記選択された嗜好データを使用する動作と
    を有する製造物。
  23. アイテムを推奨する製造物であって、
    それに具現されたコンピュータ読取可能コード手段を有するコンピュータ読取可能命令を有し、
    前記コンピュータ読取可能プログラムコード手段は、
    前記アイテムの推奨について被助言者から推奨要求を受信する動作と、
    ユーザの一般集団をフィルタリングし、前記被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、
    前記下位集団の各ユーザに関連するプロフィールデータと前記被助言者に関連する嗜好及びプロフィールデータの１つとの間の親密度の指標を計算する動作と、
    計算された親密度の指標が最低であるNユーザに関連するプロフィールデータを選択し、Nは１以上の正の整数値である動作と、
    前記被助言者に前記アイテムを推奨するために、前記選択されたプロフィールデータを使用する動作と
    を有する製造物。
  24. アイテムを推奨する製造物であって、
    それに具現されたコンピュータ読取可能コード手段を有するコンピュータ読取可能命令を有し、
    前記コンピュータ読取可能プログラムコード手段は、
    被助言者から推奨要求を受信する動作と、
    ユーザの一般集団をフィルタリングし、前記被助言者と共通した少なくとも１つの人口統計を共有するユーザの下位集団を特定する動作と、
    前記ユーザの下位集団に関連する嗜好データから中間プロフィールを生成する動作と、
    前記中間プロフィールと前記被助言者に関連するプロフィールデータとの間の隔たりの指標を計算する動作と、
    計算された隔たりの指標が最低であると決定されたNの中間プロフィールを選択し、Nは１以上の正の整数である動作と、
    前記被助言者に前記アイテムを推奨するために、前記Nの選択された中間プロフィールを使用する動作と
    を有する製造物。
JP2006506616A 2003-05-12 2004-05-06 プロフィールに基づく協調フィルタリングを実行する装置及び方法 Pending JP2006526817A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US46967603P 2003-05-12 2003-05-12
PCT/IB2004/001514 WO2004100033A2 (en) 2003-05-12 2004-05-06 Apparatus and method for performing profile based collaborative filtering

Publications (1)

Publication Number Publication Date
JP2006526817A true JP2006526817A (ja) 2006-11-24

Family

ID=33435253

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006506616A Pending JP2006526817A (ja) 2003-05-12 2004-05-06 プロフィールに基づく協調フィルタリングを実行する装置及び方法

Country Status (5)

Country Link
US (1) US20070106656A1 (ja)
JP (1) JP2006526817A (ja)
KR (1) KR20060009332A (ja)
CN (1) CN1788280A (ja)
WO (1) WO2004100033A2 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006309660A (ja) * 2005-05-02 2006-11-09 Nippon Hoso Kyokai <Nhk> 推薦順位選定装置及び推薦順位選定プログラム推薦順位選定装置及び推薦順位選定プログラム
JP2010532900A (ja) * 2007-07-07 2010-10-14 クゥアルコム・インコーポレイテッド 外部プロセスを用いたターゲット特定コンテンツ配信に関するユーザープロフィール生成アーキテクチャ
JP2012204894A (ja) * 2011-03-24 2012-10-22 Toshiba Corp 情報推薦装置
JP2014505395A (ja) * 2010-12-09 2014-02-27 アルカテル−ルーセント ユーザ装置に対するアセットのプリフェッチングのためのリソース・プロファイル調整
US9203911B2 (en) 2007-11-14 2015-12-01 Qualcomm Incorporated Method and system for using a cache miss state match indicator to determine user suitability of targeted content messages in a mobile environment
US9392074B2 (en) 2007-07-07 2016-07-12 Qualcomm Incorporated User profile generation architecture for mobile content-message targeting
US9391789B2 (en) 2007-12-14 2016-07-12 Qualcomm Incorporated Method and system for multi-level distribution information cache management in a mobile environment
US9398113B2 (en) 2007-07-07 2016-07-19 Qualcomm Incorporated Methods and systems for providing targeted information using identity masking in a wireless communications device

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7904924B1 (en) * 2003-10-31 2011-03-08 Microsoft Corporation Video-on-demand recommendations based on previously viewed television programs
JP2006065734A (ja) * 2004-08-30 2006-03-09 Internatl Business Mach Corp <Ibm> ネットワークを介して情報を提供するシステムおよび方法
US20070219996A1 (en) * 2006-03-17 2007-09-20 Vervelife System and method for creating custom playlists based on user inputs
US8645514B2 (en) * 2006-05-08 2014-02-04 Xerox Corporation Method and system for collaborative self-organization of devices
US7559072B2 (en) * 2006-08-01 2009-07-07 Sony Corporation System and method for neighborhood optimization for content recommendation
JP2008015595A (ja) * 2006-07-03 2008-01-24 Sony Corp コンテンツ選択推薦方法、サーバ、コンテンツ再生装置、コンテンツ記録装置およびコンテンツ選択推薦用プログラム
US20080066099A1 (en) * 2006-09-11 2008-03-13 Apple Computer, Inc. Media systems with integrated content searching
US20080320510A1 (en) * 2007-06-22 2008-12-25 Microsoft Corporation Sharing viewing statistics
KR101415022B1 (ko) * 2007-07-24 2014-07-09 삼성전자주식회사 복합 알고리즘 이용한 정보 추천 방법 및 장치
US8200681B2 (en) * 2007-08-22 2012-06-12 Microsoft Corp. Collaborative media recommendation and sharing technique
US8275764B2 (en) 2007-08-24 2012-09-25 Google Inc. Recommending media programs based on media program popularity
CN101408960A (zh) * 2007-10-12 2009-04-15 阿里巴巴集团控股有限公司 一种个性化信息推荐方法和装置
KR101130217B1 (ko) * 2007-11-06 2012-03-28 숭실대학교산학협력단 다중 사용자를 위한 콘텐츠 추천 방법
FR2945651A1 (fr) * 2009-05-15 2010-11-19 France Telecom Dispositif et procede de mise a jour d'un profil utilisateur
US8301692B1 (en) * 2009-06-16 2012-10-30 Amazon Technologies, Inc. Person to person similarities based on media experiences
US8925014B2 (en) 2009-08-28 2014-12-30 At&T Intellectual Property I, Lp System and method for providing recommendation icons on an electronic programming guide
US20110087679A1 (en) * 2009-10-13 2011-04-14 Albert Rosato System and method for cohort based content filtering and display
CN101986301B (zh) * 2010-10-31 2014-05-07 华南理工大学 一种基于逆邻分析的协作过滤推荐系统及方法
US20130030936A1 (en) 2011-07-28 2013-01-31 American Express Travel Related Services Company, Inc. Systems and methods for generating and using a digital pass
US9171085B2 (en) * 2012-03-07 2015-10-27 Ut-Battelle, Llc Personalized professional content recommendation
US9171068B2 (en) * 2012-03-07 2015-10-27 Ut-Battelle, Llc Recommending personally interested contents by text mining, filtering, and interfaces
CN102722550B (zh) * 2012-05-25 2014-10-22 清华大学 基于灰色预测模型的推荐方法及系统
KR101429744B1 (ko) * 2012-07-25 2014-08-13 에이든 정일 조 사용자가 원하는 조건에 해당하는 추천기사를 제공하는 방법 및 시스템
WO2014035048A1 (ko) * 2012-08-28 2014-03-06 에스케이플래닛 주식회사 아이템 추천 시스템 및 방법
US9053424B1 (en) * 2012-10-26 2015-06-09 Google Inc. Learning mechanism for recommended reordering of elements based on demographic information
CN103023977B (zh) * 2012-11-19 2015-07-01 华南理工大学 基于位置信息的推荐系统及推荐方法
US10185917B2 (en) 2013-01-31 2019-01-22 Lf Technology Development Corporation Limited Computer-aided decision systems
US9767498B2 (en) * 2013-01-31 2017-09-19 Lf Technology Development Corporation Ltd. Virtual purchasing assistant
US10437889B2 (en) 2013-01-31 2019-10-08 Lf Technology Development Corporation Limited Systems and methods of providing outcomes based on collective intelligence experience
CN104035982B (zh) * 2014-05-28 2017-10-20 小米科技有限责任公司 多媒体资源推荐方法及装置
CN104021162B (zh) * 2014-05-28 2017-09-22 小米科技有限责任公司 一种为多媒体资源打分的方法及装置
KR102623157B1 (ko) * 2014-08-15 2024-01-11 시드니 니콜 엡스타인 현재의 관심에 대해 사용자에게 시각적으로 안내하는 시스템 및 컴퓨터 방법
US10469275B1 (en) 2016-06-28 2019-11-05 Amazon Technologies, Inc. Clustering of discussion group participants

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10162028A (ja) * 1996-11-29 1998-06-19 Sony Corp 情報検索方法及びその装置
JP2000148864A (ja) * 1998-10-09 2000-05-30 Internatl Business Mach Corp <Ibm> 製品推薦を提供する方法および装置
JP2003018584A (ja) * 2001-01-09 2003-01-17 Metabyte Networks Inc 対象を定めたテレビ番組配信のためのシステム、プリファレンスエンジン、機械可読媒体およびテレビ視聴習慣を判断する方法
JP2005509967A (ja) * 2001-11-13 2005-04-14 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 第３者のステレオタイプ選好に基づいて対象品目を推奨する方法及び装置
JP2005509963A (ja) * 2001-11-13 2005-04-14 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 １以上の第三者のための推薦に基づき関心のあるアイテムをユーザに推薦する方法及び装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
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
US6005597A (en) * 1997-10-27 1999-12-21 Disney Enterprises, Inc. Method and apparatus for program selection
US6727914B1 (en) * 1999-12-17 2004-04-27 Koninklijke Philips Electronics N.V. Method and apparatus for recommending television programming using decision trees

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10162028A (ja) * 1996-11-29 1998-06-19 Sony Corp 情報検索方法及びその装置
JP2000148864A (ja) * 1998-10-09 2000-05-30 Internatl Business Mach Corp <Ibm> 製品推薦を提供する方法および装置
JP2003018584A (ja) * 2001-01-09 2003-01-17 Metabyte Networks Inc 対象を定めたテレビ番組配信のためのシステム、プリファレンスエンジン、機械可読媒体およびテレビ視聴習慣を判断する方法
JP2005509967A (ja) * 2001-11-13 2005-04-14 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 第３者のステレオタイプ選好に基づいて対象品目を推奨する方法及び装置
JP2005509963A (ja) * 2001-11-13 2005-04-14 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 １以上の第三者のための推薦に基づき関心のあるアイテムをユーザに推薦する方法及び装置

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4625365B2 (ja) * 2005-05-02 2011-02-02 日本放送協会 推薦順位選定装置及び推薦順位選定プログラム
JP2006309660A (ja) * 2005-05-02 2006-11-09 Nippon Hoso Kyokai <Nhk> 推薦順位選定装置及び推薦順位選定プログラム推薦順位選定装置及び推薦順位選定プログラム
US9398113B2 (en) 2007-07-07 2016-07-19 Qualcomm Incorporated Methods and systems for providing targeted information using identity masking in a wireless communications device
JP2010532900A (ja) * 2007-07-07 2010-10-14 クゥアルコム・インコーポレイテッド 外部プロセスを用いたターゲット特定コンテンツ配信に関するユーザープロフィール生成アーキテクチャ
US9596317B2 (en) 2007-07-07 2017-03-14 Qualcomm Incorporated Method and system for delivery of targeted information based on a user profile in a mobile communication device
US9497286B2 (en) 2007-07-07 2016-11-15 Qualcomm Incorporated Method and system for providing targeted information based on a user profile in a mobile environment
US9485322B2 (en) 2007-07-07 2016-11-01 Qualcomm Incorporated Method and system for providing targeted information using profile attributes with variable confidence levels in a mobile environment
US9392074B2 (en) 2007-07-07 2016-07-12 Qualcomm Incorporated User profile generation architecture for mobile content-message targeting
US9203912B2 (en) 2007-11-14 2015-12-01 Qualcomm Incorporated Method and system for message value calculation in a mobile environment
US9203911B2 (en) 2007-11-14 2015-12-01 Qualcomm Incorporated Method and system for using a cache miss state match indicator to determine user suitability of targeted content messages in a mobile environment
US9705998B2 (en) 2007-11-14 2017-07-11 Qualcomm Incorporated Method and system using keyword vectors and associated metrics for learning and prediction of user correlation of targeted content messages in a mobile environment
US9391789B2 (en) 2007-12-14 2016-07-12 Qualcomm Incorporated Method and system for multi-level distribution information cache management in a mobile environment
JP2014505395A (ja) * 2010-12-09 2014-02-27 アルカテル−ルーセント ユーザ装置に対するアセットのプリフェッチングのためのリソース・プロファイル調整
JP2012204894A (ja) * 2011-03-24 2012-10-22 Toshiba Corp 情報推薦装置

Also Published As

Publication number Publication date
WO2004100033A2 (en) 2004-11-18
US20070106656A1 (en) 2007-05-10
KR20060009332A (ko) 2006-01-31
CN1788280A (zh) 2006-06-14

Similar Documents

Publication Publication Date Title
JP2006526817A (ja) プロフィールに基づく協調フィルタリングを実行する装置及び方法
US10404824B2 (en) Automatic determination of genre-specific relevance of recommendations in a social network
KR100864186B1 (ko) 텔레비전 프로그램을 추천하는 방법 및 텔레비전 프로그램에 대한 추천을 얻기 위한 시스템
US9473730B1 (en) Method and system for personalized recommendation modeling
US8079046B2 (en) Intelligent system and methods of recommending media content items based on user preferences
US8843966B2 (en) Method for content presentation
KR101471940B1 (ko) Tv 프로그램 콘텐츠와 웹 콘텐츠의 연계추천 장치, 시스템, 방법 및 그 방법을 실행하는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
Soares et al. Tuning metadata for better movie content-based recommendation systems
EP2763421A1 (en) A personalized movie recommendation method and system
JP2006509399A (ja) 同様の視聴習慣を有するユーザのユーザプロファイルに基づいたビデオコンテンツの推薦
US20120296701A1 (en) System and method for generating recommendations
JP2006510084A (ja) アイテムの推薦に基づいてかかるアイテムに関心のある多数の個人を予測するための方法及び装置
KR20060103909A (ko) 추천을 위한 개선된 협동 필터링 기술
KR20040063150A (ko) 선택된 제3자의 선호들에 기초하여 관심있는 아이템들을추천하기 위한 방법 및 장치
Chiru et al. Movie Recommender system using the user's psychological profile
Shin et al. Socially aware TV program recommender for multiple viewers
Ferwerda et al. Explaining content-based recommendations
JP2005519535A (ja) ユーザの好みにしたがってプログラム情報を推奨するためのシステム
Garlin et al. Sex, spies and celluloid: Movie content preference, choice, and involvement
Wasilewski et al. Are you reaching your audience? Exploring item exposure over consumer segments in recommender systems
Noorbehbahani et al. The impact of demographic factors on persuasion strategies in personalized recommender system
Wit Evaluating recommender systems: an evaluation framework to predict user satisfaction for recommender systems in an electronic programme guide context
Jakobsson et al. Eat, Sleep, Stream, Repeat: A quantitative study comparing the streaming behavior of Swedish consumers of ages 20-30 and 40-60.
Arman et al. Identifying potential problem perceived by consumers within the recommendation system of streaming services
Epifania et al. User-centered evaluation of recommender systems with comparison between short and long profile

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20070502

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20080917

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100302

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20101005