JP2008027358A - レコメンド装置、レコメンド方法、及びプログラム - Google Patents

Abstract

【課題】購入対象ベースの適切なレコメンド情報を出力することができるレコメンド装置を提供する。
【解決手段】ユーザが過去に購入した商品を示す履歴情報が記憶される履歴情報記憶部１２と、あるユーザが過去に購入した商品をＰ_１，…Ｐ_ｎとし、それ以外の商品をＰ_ｊ（ｊはｎ＋１以上）として、商品Ｐ_１，…Ｐ_ｎをユーザが購入した場合に、各商品Ｐ_ｊをユーザが購入する条件付き確率に応じた値を、履歴情報を参照しながら、

を用いて算出する算出部１４と、算出値を用いてレコメンドする商品を選択する選択部１５と、選択された商品の識別情報を含むレコメンド情報を出力する出力部１６とを備える。
【選択図】図１

Description

本発明は、購入対象に関するレコメンド情報を出力するレコメンド装置等に関する。

従来、商品やサービス等の販売を促進するために、商品等をレコメンドする装置等が開発されている（例えば、特許文献１参照）。

なお、そのようなレコメンドの手法には大きく分けて２種類存在する。一方は、購入対象ベースのレコメンドであり、他方はユーザベースのレコメンドである。前者は、商品やサービス等に注目してレコメンドを行うものであり、例えば、多くの人が購入している商品であるため、他の人も購入する可能性が高いと考えてレコメンドするような場合である。後者は、ユーザに注目してレコメンドを行うものであり、例えば、第１のユーザと属性の似ている第２のユーザが購入している商品は、第１のユーザが購入する可能性が高いと考えてレコメンドするような場合である。
特開２００５−２２２４９８号公報

近年、ｅコマースサイト等において扱われる商品やサービス等の数量が急増してきている。したがって、そのようなｅコマースサイト等の商品等のレコメンドにおいて、適切な商品等のレコメンドをすることが求められてきている。

本発明は、このような事情のもとにおいてなされたものであり、購入対象ベースの適切なレコメンド情報を出力することができるレコメンド装置等を提供することを目的とする。

上記目的を達成するため、本発明によるレコメンド装置は、ユーザが過去に興味を持った購入対象に関する情報である履歴情報がユーザごとに記憶される履歴情報記憶部と、レコメンドの対象となるユーザが過去に興味を持った購入対象を示す情報である過去情報を取得する取得部と、前記取得部が取得した過去情報によって示される、ユーザが過去に興味を持った購入対象をＰ_１，Ｐ_２，…，Ｐ_ｎ（ｎは１以上の整数である）とし、それ以外の購入対象をＰ_ｊ（ｊはｎ＋１以上の整数）として、購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎにユーザが興味を持った場合に、各購入対象Ｐ_ｊにユーザが興味を持つ条件付き確率に応じた値を、前記履歴情報を参照しながら、少なくとも後述する式（１）（その式（１）中、ｐ（Ｐ_ｉ）は購入対象Ｐ_ｉに興味を持つ確率であり、ｐ（Ｐ_ｉ，Ｐ_ｊ）は購入対象Ｐ_ｉと購入対象Ｐ_ｊとに興味を持つ同時確率である）を用いて算出する算出部と、前記算出部が算出した条件付き確率に応じた値を用いて、対応する条件付き確率が上位の購入対象を選択する選択部と、前記選択部が選択した購入対象を識別する情報である購入対象識別情報を少なくとも含む情報であるレコメンド情報を出力する出力部と、を備えたものである。

このような構成により、購入対象ベースの適切なレコメンド情報を出力することができる。例えば、そのレコメンド情報に含まれる購入対象識別情報で識別される購入対象に関する販売促進のための画面等をユーザが見ることによって、ユーザは、自分の興味のある購入対象を自動的に受け取ることができうる。一方、例えば、ｅコマースサイト等を運営する事業者は、レコメンド情報を用いることにより、よりユーザに購入してもらいやすい購入対象をユーザに提示できることとなり、購入対象の売り上げを増やすことができうる。また、算出部が算出で用いる式として、購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎにユーザが興味を持った場合に、各購入対象Ｐ_ｊにユーザが興味を持つ条件付き確率そのものの式を用いるのではなく、後述する式（１）を用いることにより、算出の処理負荷を軽減することができ、算出時間を短縮することができうる。

また、本発明によるレコメンド装置では、ユーザを識別するユーザ識別情報を受け付けるユーザ識別情報受付部をさらに備え、前記履歴情報記憶部では、ユーザ識別情報と当該ユーザ識別情報で識別されるユーザが過去に興味を持った購入対象に関する情報である履歴情報とが対応付けて記憶され、前記取得部は、前記ユーザ識別情報受付部が受け付けたユーザ識別情報に対応付けられている履歴情報を、前記過去情報として前記履歴情報記憶部から取得してもよい。
このような構成により、取得部は、履歴情報記憶部で記憶されている履歴情報から、過去情報を取得することができる。

また、本発明によるレコメンド装置では、前記算出部は、前記履歴情報記憶部で記憶されている履歴情報のうち、一部のユーザに対応する履歴情報を用いて前記算出を行ってもよい。

このような構成により、すべてのユーザに対応する履歴情報を用いて算出を行うと算出の処理負荷が非常に大きいような場合に、その一部のユーザに対応する履歴情報を用いて算出を行うことによって、算出の処理負荷を軽減することができる。一方、たとえ一部のユーザに対応する履歴情報を用いて算出したとしても、その算出に対して十分なユーザ数の履歴情報を用いることによって、適切なレコメンドを行うことができると考えられる。

また、本発明によるレコメンド装置では、前記購入対象は、商品、サービス、またはコンテンツであってもよい。

また、本発明によるレコメンド装置では、ユーザが過去に興味を持った購入対象は、ユーザが過去に購入した購入対象を含んでいてもよい。

また、本発明によるレコメンド装置では、ユーザが過去に興味を持った購入対象は、ユーザが過去に購入の候補とした購入対象を含んでいてもよい。

本発明によるレコメンド装置等によれば、購入対象ベースによる適切なレコメンド情報の作成が可能となる。

以下、本発明によるレコメンド装置について、実施の形態を用いて説明する。なお、以下の実施の形態において、同じ符号を付した構成要素及びステップは同一または相当するものであり、再度の説明を省略することがある。

（実施の形態１）
本発明の実施の形態１によるレコメンド装置について、図面を参照しながら説明する。
図１は、本実施の形態によるレコメンド装置１の構成を示すブロック図である。図１において、本実施の形態によるレコメンド装置１は、ユーザ識別情報受付部１１と、履歴情報記憶部１２と、取得部１３と、算出部１４と、選択部１５と、出力部１６とを備える。

ユーザ識別情報受付部１１は、ユーザ識別情報を受け付ける。ここで、ユーザ識別情報は、ユーザを識別することができる情報であれば、どのような情報であってもよい。例えば、ユーザ識別情報は、ユーザＩＤであってもよく、ユーザの氏名であってもよく、ユーザの氏名と電話番同等の複数の情報の組み合わせであってもよい。ここで、この受け付けは、例えば、入力デバイス（例えば、キーボードやマウス、タッチパネルなど）から入力された情報の受け付けでもよく、有線もしくは無線の通信回線を介して送信された情報の受信でもよく、所定の記録媒体（例えば、光ディスクや磁気ディスク、半導体メモリなど）から読み出された情報の受け付けでもよい。なお、ユーザ識別情報受付部１１は、受け付けを行うためのデバイス（例えば、モデムやネットワークカードなど）を含んでもよく、あるいは含まなくてもよい。また、ユーザ識別情報受付部１１は、ハードウェアによって実現されてもよく、あるいは所定のデバイスを駆動するドライバ等のソフトウェアによって実現されてもよい。

履歴情報記憶部１２では、ユーザ識別情報と、履歴情報とが対応付けて記憶される。ここで、履歴情報とは、対応付けられているユーザ識別情報で識別されるユーザが過去に興味を持った購入対象に関する情報である。「購入対象に関する情報」とは、例えば、購入対象を識別する情報である購入対象識別情報を含む情報であってもよい。

購入対象は、例えば、商品であってもよく、サービスであってもよく、またはコンテンツであってもよい。商品は、例えば、テレビや時計、カメラ、家等であり、動産であってもよく、不動産であってもよい。サービスは、例えば、旅行やコンサート、レストランでの食事、建設工事等である。コンテンツは、例えば、文書のデータや、音楽のデータ、画像や映像のデータ、データベース、あるいは、それらを組み合わせたデータ等である。

ユーザが過去に興味を持った購入対象は、ユーザが過去に興味を示す行動を行った購入対象であり、例えば、ユーザが過去に購入した購入対象を含んでいてもよく、ユーザが過去に購入の候補とした購入対象を含んでいてもよい。ユーザが過去に購入の候補とした購入対象とは、例えば、ユーザがｅコマースサイト等においてブラウズした購入対象であってもよく、ユーザがｅコマースサイト等においてクリック等の操作を行った購入対象であってもよく、ユーザがｅコマースサイト等において実行したサーチによってヒットした購入対象であってもよく、ユーザがｅコマースサイト等においてショッピングカートに入れた購入対象であってもよい。ユーザが購入の候補とした程度は、ショッピングカートに入れる場合のように強いものであってもよく、あるいは、単にブラウズした場合や、サーチによってヒットした場合のように弱いものであってもよい。

履歴情報記憶部１２は、所定の記録媒体（例えば、半導体メモリや磁気ディスク、光ディスクなど）によって実現されうる。履歴情報記憶部１２での記憶は、外部のストレージデバイス等から読み出した履歴情報等のＲＡＭ等における一時的な記憶でもよく、あるいは、長期的な記憶でもよい。履歴情報記憶部１２にユーザ識別情報や履歴情報が記憶される過程は問わない。例えば、記録媒体を介してユーザ識別情報や履歴情報が履歴情報記憶部１２で記憶されるようになってもよく、通信回線等を介して送信されたユーザ識別情報や履歴情報が履歴情報記憶部１２で記憶されるようになってもよく、あるいは、入力デバイスを介して入力されたユーザ識別情報や履歴情報が履歴情報記憶部１２で記憶されるようになってもよい。なお、履歴情報記憶部１２で記憶されている履歴情報等が、ユーザの購入等の行動に応じて更新されてもよいことは言うまでもない。

取得部１３は、過去情報を取得する。ここで、過去情報とは、レコメンドの対象となるユーザが過去に興味を持った購入対象を示す情報である。レコメンドの対象となるユーザとは、レコメンドの客体となるユーザであり、レコメンド装置１が出力するレコメンド情報によって購入対象のレコメンドがなされるユーザである。レコメンドの対象となるユーザは、一般に、レコメンドを受けるユーザである。この過去情報の示す購入対象は、通常、１以上の購入対象である。本実施の形態では、取得部１３は、ユーザ識別情報受付部１１が受け付けたユーザ識別情報に対応する履歴情報を、過去情報として履歴情報記憶部１２から取得するものとする。したがって、ユーザ識別情報受付部１１が受け付けたユーザ識別情報で識別されるユーザが、レコメンドの対象となるユーザとなる。

算出部１４は、ユーザが過去に興味を持った購入対象をＰ_１，Ｐ_２，…，Ｐ_ｎ（ｎは１以上の整数である）とし、それ以外の購入対象をＰ_ｊ（ｊはｎ＋１以上の整数）として、購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎにユーザが興味を持った場合に、各購入対象Ｐ_ｊにユーザが興味を持つ条件付き確率に応じた値を、履歴情報記憶部１２で記憶されている履歴情報を参照しながら、少なくとも式（１）を用いて算出する。ここで、ユーザが過去に興味を持った購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎは、取得部１３が取得した過去情報によって示される購入対象である。「条件付き確率に応じた値」とは、条件付き確率と相関を持つ値であり、一般に条件付き確率に正比例する値である。条件付き確率と、条件付き確率に応じた値との関係については後述する。

なお、上記式中、ｐ（Ｐ_ｉ）は購入対象Ｐ_ｉに興味を持つ確率であり、ｐ（Ｐ_ｉ，Ｐ_ｊ）は購入対象Ｐ_ｉと購入対象Ｐ_ｊとに興味を持つ同時確率である。ここで、同時確率は結合確率と呼ばれることもある。算出部１４は、式（１）において、履歴情報記憶部１２で記憶されている履歴情報を参照して用いることにより、ｐ（Ｐ_ｊ）を算出する手段（図示せず）と、同様にして履歴情報を参照して用いることにより、ｐ（Ｐ_ｉ，Ｐ_ｊ）を算出する手段（図示せず）とを有するものとする。

本実施の形態では、算出部１４は、式記憶手段２１と、算出手段２２とを備えているとする。式記憶手段２１では、上記式（１）を示す情報が記憶されている。なお、式（１）を示す情報のことを単に式（１）と呼ぶこともある。式記憶手段２１は、所定の記録媒体（例えば、半導体メモリや磁気ディスク、光ディスクなど）によって実現されうる。また、式記憶手段２１に上記式（１）を示す情報が記憶される過程は問わない。

算出手段２２は、その式（１）を式記憶手段２１から読み出して、履歴情報記憶部１２を参照しながら、その式（１）の値を算出する。式（１）は、後述するように、購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎにユーザが興味を持った場合に、各購入対象Ｐ_ｊにユーザが興味を持つ条件付き確率そのものではないが、その条件付き確率そのものを算出手段２２が算出するようにしてもよい。その場合には、式記憶手段２１では、条件付き確率そのものを算出するための式が記憶されるものとする。

前述のように、ユーザが過去に興味を持った購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎは、取得部１３が取得した過去情報によって示される。一方、算出手段２２は、それ以外の購入対象Ｐ_ｊも、取得部１３が取得した過去情報を用いて特定することができる。例えば、算出手段２２は、履歴情報記憶部１２で記憶されている履歴情報によって特定されるすべての購入対象から、過去情報の示す購入対象を除いたものを、ユーザが過去に興味を持った購入対象以外の購入対象Ｐ_ｊとして特定してもよい。また、例えば、すべての購入対象を示す情報が所定の記録媒体において記憶されており、算出手段２２は、そのすべての購入対象から、過去情報の示す購入対象を除いたものを、ユーザが過去に興味を持った購入対象以外の購入対象Ｐ_ｊとして特定してもよい。

選択部１５は、算出部１４が算出した条件付き確率に応じた値を用いて、対応する条件付き確率が上位の購入対象を選択する。選択部１５が選択する購入対象は、１個であってもよく、複数であってもよい。前者の場合には、例えば、選択部１５は、算出部１４が算出した条件付き確率に応じた値の最大値に対応する購入対象を選択してもよい。後者の場合には、例えば、選択部１５は、算出部１４が算出した条件付き確率に応じた値を降順にソートし、そのソート後の値の最大値から所定の個数（例えば、３個や５個など）の値にそれぞれ対応する購入対象を選択してもよく、あるいは、そのソート後の値の最大値から所定の割合（例えば、算出された条件付き確率に応じたすべての値の１パーセントや２パーセントなど）の値にそれぞれ対応する購入対象を選択してもよい。購入対象を選択するとは、例えば、選択した購入対象を識別する情報を所定の記録媒体に蓄積することや、選択した購入対象を識別する情報に対応付けてフラグを設定することなどであり、結果として選択後の購入対象を特定することができるのであれば、購入対象を選択する処理は問わない。

本実施の形態では、選択部１５は、算出手段２２が算出した式（１）の値と、購入対象を識別する購入対象識別情報とを対応付けて所定の記録媒体に蓄積する蓄積手段２３と、その蓄積手段２３が蓄積した式（１）の値のうち、上位の値に対応する購入対象識別情報を選択する選択手段２４とを備えている。蓄積手段２３は、式（１）の値等を蓄積する記録媒体は、例えば、半導体メモリや、光ディスク、磁気ディスク等である。蓄積手段２３は、その記録媒体を有していてもよく、あるいは、蓄積手段２３の外部にその記録媒体が存在してもよい。本実施の形態では、前者であるとする。

出力部１６は、選択部１５が選択した購入対象を識別する情報である購入対象識別情報を少なくとも含む情報であるレコメンド情報を出力する。レコメンド情報に含まれる購入対象識別情報は、蓄積手段２３が蓄積する購入対象識別情報と同じであってもよく、異なっていてもよい。レコメンド情報に含まれる購入対象識別情報は、例えば、購入対象の名称や購入対象の写真等であってもよい。レコメンド情報は、購入対象識別情報以外の情報、例えば、購入対象識別情報で識別される購入対象に関する解説の文書や、その購入対象の販売を促進するための文言等を含んでいてもよい。また、出力部１６は、レコメンド情報を構成する必要がある場合には、そのレコメンド情報を構成する処理も行うものとする。

出力部１６による出力は、例えば、表示デバイス（例えば、ＣＲＴや液晶ディスプレイなど）への表示でもよく、所定の機器への通信回線を介した送信でもよく、プリンタによる印刷でもよく、スピーカによる音声出力でもよく、記録媒体への蓄積でもよい。なお、出力部１６は、出力を行うデバイス（例えば、表示デバイスやプリンタなど）を含んでもよく、あるいは含まなくてもよい。また、出力部１６は、ハードウェアによって実現されてもよく、あるいは、それらのデバイスを駆動するドライバ等のソフトウェアによって実現されてもよい。

なお、履歴情報記憶部１２、式記憶手段２１、蓄積手段２３が有する記録媒体の任意の２以上のものは、同一の記録媒体で構成されてもよく、あるいは、別々の記録媒体で構成されてもよい。前者の場合には、例えば、履歴情報とユーザ識別情報とが対応付けられて記憶されている領域が履歴情報記憶部１２となる。

次に、本実施の形態によるレコメンド装置１の動作について、図２のフローチャートを用いて説明する。
（ステップＳ１０１）ユーザ識別情報受付部１１は、ユーザ識別情報を受け付けたかどうか判断する。そして、受け付けた場合には、ステップＳ１０２に進み、そうでない場合には、受け付けるまでステップＳ１０１の処理を繰り返す。

（ステップＳ１０２）取得部１３は、履歴情報記憶部１２において、ユーザ識別情報受付部１１が受け付けたユーザ識別情報に対応付けられている履歴情報を、過去情報として取得する。

（ステップＳ１０３）算出部１４は、取得部１３が取得した過去情報を用いて、条件付き確率に応じた値を算出する。なお、この処理の詳細については、図３のフローチャートを用いて後述する。
（ステップＳ１０４）選択部１５は、レコメンドする購入対象を選択する。

（ステップＳ１０５）出力部１６は、選択部１５が選択した購入対象を識別する購入対象識別情報を少なくとも含むレコメンド情報を出力する。そして、ステップＳ１０１に戻る。
なお、図２のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。

図３は、図２のフローチャートにおける条件付き確率に応じた値を算出する処理（ステップＳ１０３）を示すフローチャートである。
（ステップＳ２０１）算出手段２２は、条件付き確率に応じた値の算出を行う購入対象を決定する。すなわち、式（１）の購入対象Ｐ_ｊに対応する購入対象を決定する。前述のように、算出手段２２は、例えば、履歴情報記憶部１２で記憶されている履歴情報によって特定されるすべての購入対象から、取得部１３が取得した過去情報の示す購入対象を除いたものを、ユーザが過去に興味を持った購入対象以外の購入対象Ｐ_ｊとして特定してもよい。

（ステップＳ２０２）算出手段２２は、カウンタｉを１に設定する。
（ステップＳ２０３）算出手段２２は、式記憶手段２１から式を読み出し、ステップＳ２０１で決定した購入対象のうち、ｉ番目の購入対象の条件付き確率に応じた値を算出する。

（ステップＳ２０４）蓄積手段２３は、算出手段２２が算出した値を、ｉ番目の購入対象を識別する購入対象識別情報に対応付けて蓄積する。
（ステップＳ２０５）算出手段２２は、カウンタｉを１だけインクリメントする。

（ステップＳ２０６）算出手段２２は、ステップＳ２０１で決定した購入対象に、ｉ番目の購入対象が存在するかどうか判断する。そして、ｉ番目の購入対象が存在する場合には、ステップＳ２０３に戻り、そうでない場合には、条件付き確率に応じた値を算出する一連の処理は終了となり、ステップＳ１０４に進む。

次に、上記式（１）について説明する。
あるユーザが過去に購入対象Ｐ_１，Ｐ_２，Ｐ_３，…，Ｐ_ｎに興味を持った場合に、そのユーザが購入対象Ｐ_ｊ（ｊは、ｎ＋１以上の整数）に興味を持つ条件付き確率は、ベイズルールを用いて次のようになる。なお、ベイズルール自体はすでに広く知られている概念であるが、購入対象ベースのレコメンドにおいて、ベイズルールを用いたものを発明者は見たことがない。

その式（２）を算出することにより、条件付き確率の値を算出することができ、その条件付き確率の値の高い購入対象をレコメンドすることができる。ここで、式（２）を実際に計算するのは困難である。なぜなら、式（２）の右辺の確率ｐ（Ｐ_１，Ｐ_２，…Ｐ_ｎ｜Ｐ_ｊ）を計算することが困難だからである。一方、条件付き独立性を仮定すると、式（２）をより計算しやすい形に変形することができる。条件付き独立性を仮定すると、式（２）は、次のようになる。

式（３）においても、ｐ（Ｐ_ｉ｜Ｐ_ｊ）を計算しなければならず、その計算は困難である。しかしながら、次式が知られている。

式（４）を式（３）に代入すると、次のようになる。

したがって、式（５）の右辺の式の値を算出することによって、あるユーザが過去に購入対象Ｐ_１，Ｐ_２，Ｐ_３，…，Ｐ_ｎに興味を持っている場合に、そのユーザが購入対象Ｐ_ｊ（ｊは、ｎ＋１以上の整数）に興味を持つ条件付き確率を求めることができる。一方、レコメンドで取得したいのは、条件付き確率の値そのものではなく、条件付き確率の値の相対的な大小である。条件付き確率が相対的に大きい購入対象をレコメンドの対象として選択すればよいからである。

式（５）の一番右側の式では、分母は定数となる。そのため、上記式（１）の値を算出して、その値の大小を比較した結果は、式（５）の値を算出して、その値の大小を比較した結果と同じになる。このように、条件付き確率の値を算出するのではなく、条件付き確率に応じた値である式（１）の値を算出し、その値が上位である購入対象を選択することによって、条件付き確率の値が上位である購入対象を選択することと同じことになる。したがって、算出部１４は、式（１）を用いて、条件付き確率に応じた値を算出する。なお、前述のように、算出部１４は、式（５）の一番右側の式を用いて、条件付き確率の値そのものを算出してもよいことは言うまでもない。

次に、本実施の形態によるレコメンド装置１の動作について、具体例を用いて説明する。この具体例において、ユーザが興味を持った購入対象とは、ユーザが購入した購入対象であるとする。

また、この具体例において、レコメンド装置１は、図４で示される情報処理システムを構成するものとする。図４で示される情報処理システムにおいて、レコメンド装置１と、複数の端末装置２と、ｅコマースサイトサーバ装置３とが有線または無線の通信回線５０を介して互いに接続されている。通信回線５０は、例えば、インターネットやイントラネット、あるいは、公衆電話回線網等である。端末装置２は、ｅコマースサイトサーバ装置３にアクセス可能な装置であり、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）や、携帯電話、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）等である。端末装置２は、レコメンド情報を表示可能なディスプレイ等を有することが好適である。端末装置２は、例えば、購入対象の購入等を行うためのブラウザを実装可能なものでもよく、そのブラウザの画面を単に表示可能ないわゆるダム端末でもよい。ｅコマースサイトサーバ装置３は、通信回線５０を介して商品等の購入対象をユーザに販売するものであり、従来からショッピングサイト等として広く知られているため、詳細な説明を省略する。ユーザは、各家庭等に存在する端末装置２を操作し、ｅコマースサイトサーバ装置３にアクセスして商品等の購入対象を購入する。そのユーザによる購入の履歴を示す情報である履歴情報がｅコマースサイトサーバ装置３で蓄積され、所定のタイミングでその履歴情報がレコメンド装置１に提供される。そして、その履歴情報は、レコメンド装置１の履歴情報記憶部１２で記憶される。

また、この具体例において、履歴情報記憶部１２では、図５で示されるように、ユーザ識別情報と履歴情報とが対応付けられて記憶されているものとする。図５において、履歴情報に含まれるＰ_１等は、購入対象を識別する購入対象識別情報であるとする。購入対象識別情報Ｐ_１で識別される購入対象を、購入対象Ｐ_１とする。図５において、ユーザ識別情報「Ｕ００１」で識別されるユーザ（以下、このユーザのことをユーザＵ００１とすることがある。他のユーザについても同様である）は、購入対象Ｐ_１，Ｐ_２，Ｐ_３を過去に購入していることがわかる。なお、図５において、履歴情報には、購入対象が購入された時間的な順序を示す情報は含まれていないが、履歴情報に購入対象が購入された時間的な順序を示す情報が得含まれていてもよい。その情報は、例えば、購入対象が購入された日時等であってもよい。また、購入対象は、Ｐ_１〜Ｐ_１００までの１００個であるとする。実際のシステムでは、１００個よりも格段に多い個数の購入対象を扱うのが一般的であるが、この具体例では、説明の便宜上、１００個としている。

まず、ユーザＵ００１がある端末装置２を操作して、ｅコマースサイトサーバ装置３にアクセスし、ログインしてショッピングを開始したとする。すると、ｅコマースサイトサーバ装置３は、そのログインしたユーザＵ００１のユーザ識別情報「Ｕ００１」を、通信回線５０を介してレコメンド装置１に送信する。

レコメンド装置１のユーザ識別情報受付部１１は、そのユーザ識別情報「Ｕ００１」を受信すると（ステップＳ１０１）、そのユーザ識別情報「Ｕ００１」を取得部１３に渡す。取得部１３は、その受け取ったユーザ識別情報「Ｕ００１」を検索キーとして履歴情報記憶部１２のユーザ識別情報を検索し、そのユーザ識別情報「Ｕ００１」に対応付けられている履歴情報「Ｐ_１，Ｐ_２，Ｐ_３」を過去情報として取得する（ステップＳ１０２）。取得部１３は、その取得した履歴情報「Ｐ_１，Ｐ_２，Ｐ_３」を、算出部１４の算出手段２２に渡す。

算出手段２２は、まず、算出を行う購入対象、すなわち、上記式（１）の購入対象Ｐ_ｊを決定する。ここで、算出手段２２は、すべての購入対象識別情報Ｐ_１〜Ｐ_１００が記憶されている所定の記録媒体（図示せず）にアクセス可能であるとする。そして、算出手段２２は、その記録媒体にアクセスし、取得部１３から受け取ったＰ_１，Ｐ_２，Ｐ_３以外の購入対象識別情報Ｐ_４〜Ｐ_１００を、算出を行う購入対象に決定する（ステップＳ２０１）。

次に、算出手段２２は、式（１）を式記憶手段２１から読み出し、算出を行う購入対象に決定した１番目の購入対象Ｐ_４について、その式（１）の値を算出する（ステップＳ２０２，Ｓ２０３）。具体的には、次の式の値を求めることになる。

ここで、ｐ（Ｐ_４）は、購入対象Ｐ_４を購入する確率である。したがって、算出手段２２は、例えば、購入対象Ｐ_４を購入したユーザの数を、履歴情報記憶部１２を参照してカウントし、そのカウント値を全ユーザ数で割ることによって、ｐ（Ｐ_４）を算出することができる。

また、ｐ（Ｐ_１，Ｐ_４）は、購入対称Ｐ_１と購入対象Ｐ_４とを購入する確率である。したがって、算出手段２２は、例えば、購入対称Ｐ_１と購入対象Ｐ_４を購入したユーザの数を、履歴情報記憶部１２を参照してカウントし、そのカウント値を全ユーザ数で割ることによって、ｐ（Ｐ_１，Ｐ_４）を算出することができる。ｐ（Ｐ_２，Ｐ_４）、ｐ（Ｐ_３，Ｐ_４）についても同様である。

購入対象Ｐ_４についての式（１）の値は、０．００２５であったとする。すると、算出手段２２は、購入対象識別情報Ｐ_４と、式（１）の値「０．００２５」とを蓄積手段２３に渡す。すると、蓄積手段２３は、その購入対象識別情報Ｐ_４と、式の値「０．００２５」とを対応付けて図示しない記録媒体に蓄積する（ステップＳ２０４）。そのようにして蓄積された購入対象識別情報と式の値とは、図６の１番目のレコードで示されるものである。

次に、算出手段２２は、２番目の購入対象Ｐ_５が存在すると判断し（ステップＳ２０５，Ｓ２０６）、上記説明と同様に、算出手段２２は、式（１）の値を算出し（ステップＳ２０３）、蓄積手段２３は、算出結果を蓄積する（ステップＳ２０４）。そして、それらの処理は、算出を行うと決定されたすべての購入対象について行われる（ステップＳ２０３〜Ｓ２０６）。

条件付き確率に応じた値の算出の処理（ステップＳ１０３）が終わった時点において、蓄積手段２３が蓄積した購入対象識別情報と式の値との対応が図６で示されるものであったとする。すると、選択手段２４は、図６で示される各レコードを、式の値の降順となるようにソートする。図７は、そのソートの結果を示す図である。選択手段２４は、そのソートの結果から、１番目と２番目のレコードの購入対象識別情報Ｐ_６，Ｐ_３２を選択し（ステップＳ１０４）、その購入対象識別情報Ｐ_６，Ｐ_３２を出力部１６に渡す。なお、この具体例では、ユーザが購入する確率の高い購入対象のうち、１番目と２番目のものをレコメンドすると設定されていたものとする。

出力部１６は、選択手段２４から受け取った購入対象識別情報Ｐ_６，Ｐ_３２を含むレコメンド情報を、ｅコマースサイトサーバ装置３に送信する（ステップＳ１０５）。なお、そのレコメンド情報には、例えば、ｅコマースサイトサーバ装置３から送信されたユーザ識別情報「Ｕ００１」が含まれていてもよい。

ｅコマースサイトサーバ装置３は、レコメンド装置１から送信されたレコメンド情報を受信し、そのレコメンド情報に含まれる購入対象識別情報Ｐ_６，Ｐ_３２を取得する。そして、その購入対象識別情報Ｐ_６，Ｐ_３２に対応する画像や名称等を含む表示画面のデータを構成し、ユーザＵ００１がブラウズしているサイトに含める。その結果、ユーザＵ００１が操作している端末装置２のディスプレイには、例えば、図８で示されるレコメンドの表示がなされることになる。

なお、この具体例で用いた図６、図７の具体的なデータは、本実施の形態によるレコメンド装置１の動作の詳細を説明するために示したものであり、実際にｅコマースサイト等から取得したデータではない。

なお、この具体例では、レコメンド装置１がユーザ識別情報や履歴情報をｅコマースサイトサーバ装置３から受け取り、作成したレコメンド情報をｅコマースサイトサーバ装置３に渡す場合について説明したが、それ以外の形態であってもよい。例えば、図９で示されるように、端末装置２がレコメンド装置１に直接アクセスするようにしてもよい。図９で示されるレコメンド装置１は、図４で示されるレコメンド装置１とｅコマースサイトサーバ装置３との両方の機能を備えたものであると考えることができる。また、例えば、レコメンド装置１は、スタンドアロンの装置であってもよい。この場合には、レコメンド装置１は、例えば、キーボードやマウス等の入力デバイスを用いて入力されたユーザ識別情報を受け付けて、あらかじめ蓄積されている履歴情報を用いて式（１）の算出等を行い、レコメンド情報をディスプレイに表示してもよい。なお、上記具体例や図９のシステムのように、レコメンド装置１がサーバ装置として振る舞う場合に、レコメンドの機能がＡＳＰ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｖｉｃｅ Ｐｒｏｖｉｄｅｒ）として提供されてもよい。

また、この具体例では、ユーザ自身が端末装置２を操作する場合について記載したが、そうでなくてもよい。例えば、通信販売会社のコールセンターのオペレータが端末装置２を操作し、出力されたレコメンド情報に応じて、顧客に対して商品をレコメンドするようにしてもよい。

以上のように、本実施の形態によるレコメンド装置１によれば、購入対象ベースのレコメンドを適切に行うことができる。また、そのレコメンドにおいて、上記式（５）の一番右側の式を用いるのではなく、上記式（１）を用いることにより、計算量を削減することができ、レコメンドを行うための処理負荷を軽減することができる。

なお、本実施の形態において、算出部１４は、履歴情報記憶部１２で記憶されている履歴情報のすべてを上記式（１）の算出で用いるのではなく、履歴情報記憶部１２で記憶されている履歴情報のうち、一部のユーザに対応する履歴情報を用いて算出を行ってもよい。例えば、履歴情報記憶部１２において、１０万人のユーザの履歴情報が記憶されている場合において、算出部１４は、その１０万人のユーザの履歴情報のうち、ランダムに選択した１万人のユーザの履歴情報を用いて式（１）の算出を行ってもよい。その場合には、算出部１４における算出の処理負荷を軽減することができ、算出時間も短縮することができうる。また、たとえ履歴情報記憶部１２で記憶されている履歴情報のうち、一部のユーザに対応する履歴情報を用いて算出したとしても、その算出に対して十分なユーザ数の履歴情報を用いることによって、適切なレコメンドを行うことができると考えられる。

また、本実施の形態では、取得部１３がユーザ識別情報受付部１１の受け付けたユーザ識別情報に対応する履歴情報を過去情報として取得する場合について説明したが、そうでなくてもよい。例えば、取得部１３は、過去情報を履歴情報記憶部１２以外から取得してもよい。その取得部１３による過去情報の取得は、例えば、入力デバイス等によって入力された過去情報の受け付けであってもよく、他のサーバ等から送信された過去情報の受信であってもよく、記録媒体に記憶されている過去情報の読み出しであってもよい。そのような場合には、履歴情報記憶部１２で記憶されている履歴情報は、ユーザ識別情報に対応付けられていなくてもよい。すなわち、履歴情報記憶部１２では、ユーザが過去に興味を持った購入対象に関する情報である履歴情報がユーザごとに記憶されていてもよい。

また、上記実施の形態において、各処理または各機能は、単一の装置または単一のシステムによって集中処理されることによって実現されてもよく、あるいは、複数の装置または複数のシステムによって分散処理されることによって実現されてもよい。

また、上記実施の形態において、各構成要素は専用のハードウェアにより構成されてもよく、あるいは、ソフトウェアにより実現可能な構成要素については、プログラムを実行することによって実現されてもよい。例えば、ハードディスクや半導体メモリ等の記録媒体に記録されたソフトウェア・プログラムをＣＰＵ等のプログラム実行部が読み出して実行することによって、各構成要素が実現され得る。なお、上記実施の形態におけるレコメンド装置１を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータに、レコメンドの対象となるユーザが過去に興味を持った購入対象を示す情報である過去情報を取得する取得ステップと、前記取得ステップで取得した過去情報によって示される、ユーザが過去に興味を持った購入対象をＰ_１，Ｐ_２，…，Ｐ_ｎ（ｎは１以上の整数である）とし、それ以外の購入対象をＰ_ｊ（ｊはｎ＋１以上の整数）として、購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎにユーザが興味を持った場合に、各購入対象Ｐ_ｊにユーザが興味を持つ条件付き確率に応じた値を、履歴情報記憶部でユーザごとに記憶される、ユーザが過去に興味を持った購入対象に関する情報である履歴情報を参照しながら、少なくとも下記式

（上記式中、ｐ（Ｐ_ｉ）は購入対象Ｐ_ｉに興味を持つ確率であり、ｐ（Ｐ_ｉ，Ｐ_ｊ）は購入対象Ｐ_ｉと購入対象Ｐ_ｊとに興味を持つ同時確率である）を用いて算出する算出ステップと、前記算出ステップで算出した条件付き確率に応じた値を用いて、対応する条件付き確率が上位の購入対象を選択する選択ステップと、前記選択ステップで選択した購入対象を識別する情報である購入対象識別情報を少なくとも含む情報であるレコメンド情報を出力する出力ステップと、を実行させるためのものである。

また、このプログラムにおいて、コンピュータに、ユーザを識別するユーザ識別情報を受け付けるユーザ識別情報受付ステップをさらに実行させ、前記履歴情報記憶部では、ユーザ識別情報と当該ユーザ識別情報で識別されるユーザが過去に興味を持った購入対象に関する情報である履歴情報とが対応付けて記憶され、前記取得ステップでは、前記ユーザ識別情報受付ステップで受け付けたユーザ識別情報に対応付けられている履歴情報を、前記過去情報として前記履歴情報記憶部から取得してもよい。

また、このプログラムでは、前記算出ステップにおいて、前記履歴情報記憶部で記憶されている履歴情報のうち、一部のユーザに対応する履歴情報を用いて前記算出を行ってもよい。

なお、上記プログラムにおいて、情報を受け付ける受付ステップや、情報を出力する出力ステップなどでは、ハードウェアでしか行われない処理、例えば、出力ステップにおけるモデムやインターフェースカードなどで行われる処理は少なくとも含まれない。

また、このプログラムは、サーバなどからダウンロードされることによって実行されてもよく、所定の記録媒体（例えば、ＣＤ−ＲＯＭなどの光ディスクや磁気ディスク、半導体メモリなど）に記録されたプログラムが読み出されることによって実行されてもよい。

また、このプログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。

図１０は、上記プログラムを実行して、上記実施の形態によるレコメンド装置１を実現するコンピュータの外観の一例を示す模式図である。上記実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムによって実現される。

図１０において、コンピュータシステム１００は、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）ドライブ１０５、ＦＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ）ドライブ１０６を含むコンピュータ１０１と、キーボード１０２と、マウス１０３と、モニタ１０４とを備える。

図１１は、コンピュータシステムを示す図である。図１１において、コンピュータ１０１は、ＣＤ−ＲＯＭドライブ１０５、ＦＤドライブ１０６に加えて、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１１と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１１２と、ＣＰＵ１１１に接続され、アプリケーションプログラムの命令を一時的に記憶すると共に、一時記憶空間を提供するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１１３と、アプリケーションプログラム、システムプログラム、及びデータを記憶するハードディスク１１４と、ＣＰＵ１１１、ＲＯＭ１１２等を相互に接続するバス１１５とを備える。なお、コンピュータ１０１は、他の装置との通信を行う場合には、ＬＡＮ等への接続を提供する図示しないネットワークカード等を含んでいてもよい。

コンピュータシステム１００に、上記実施の形態によるレコメンド装置１の機能を実行させるプログラムは、ＣＤ−ＲＯＭ１２１、またはＦＤ１２２に記憶されて、ＣＤ−ＲＯＭドライブ１０５、またはＦＤドライブ１０６に挿入され、ハードディスク１１４に転送されてもよい。これに代えて、そのプログラムは、図示しないネットワークを介してコンピュータ１０１に送信され、ハードディスク１１４に記憶されてもよい。プログラムは実行の際にＲＡＭ１１３にロードされる。なお、プログラムは、ＣＤ−ＲＯＭ１２１やＦＤ１２２、またはネットワークから直接、ロードされてもよい。

プログラムは、コンピュータ１０１に、上記実施の形態によるレコメンド装置１の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティプログラム等を必ずしも含んでいなくてもよい。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいてもよい。コンピュータシステム１００がどのように動作するのかについては周知であり、詳細な説明は省略する。
また、本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。

以上のように、本発明によるレコメンド装置等は、購入対象に関するレコメンドを行うためのレコメンドを出力することができ、例えば、ｅコマース等においてユーザにレコメンドを行うシステム等として有用である。

本発明の実施の形態１によるレコメンド装置の構成を示すブロック図 同実施の形態によるレコメンド装置の動作を示すフローチャート 同実施の形態によるレコメンド装置の動作を示すフローチャート 同実施の形態によるレコメンド装置を含むシステムの一例を示す図 同実施の形態による履歴情報記憶部において記憶されているユーザ識別情報と履歴情報との対応の一例を示す図 同実施の形態における購入対象識別情報と式の値との対応の一例を示す図 同実施の形態におけるソート後の購入対象識別情報と式の値との対応の一例を示す図 同実施の形態における端末装置の表示の一例を示す図 同実施の形態によるレコメンド装置を含むシステムの他の一例を示す図 同実施の形態におけるコンピュータシステムの外観一例を示す模式図 同実施の形態におけるコンピュータシステムの構成の一例を示す図

符号の説明

１ レコメンド装置
２ 端末装置
３ コマースサイトサーバ装置
１１ ユーザ識別情報受付部
１２ 履歴情報記憶部
１３ 取得部
１４ 算出部
１５ 選択部
１６ 出力部
２１ 式記憶手段
２２ 算出手段
２３ 蓄積手段
２４ 選択手段

Claims (8)

1. ユーザが過去に興味を持った購入対象に関する情報である履歴情報がユーザごとに記憶される履歴情報記憶部と、
   レコメンドの対象となるユーザが過去に興味を持った購入対象を示す情報である過去情報を取得する取得部と、
   前記取得部が取得した過去情報によって示される、ユーザが過去に興味を持った購入対象をＰ_１，Ｐ_２，…，Ｐ_ｎ（ｎは１以上の整数である）とし、それ以外の購入対象をＰ_ｊ（ｊはｎ＋１以上の整数）として、購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎにユーザが興味を持った場合に、各購入対象Ｐ_ｊにユーザが興味を持つ条件付き確率に応じた値を、前記履歴情報を参照しながら、少なくとも下記式
   

   

   （上記式中、ｐ（Ｐ_ｉ）は購入対象Ｐ_ｉに興味を持つ確率であり、ｐ（Ｐ_ｉ，Ｐ_ｊ）は購入対象Ｐ_ｉと購入対象Ｐ_ｊとに興味を持つ同時確率である）
   を用いて算出する算出部と、
   前記算出部が算出した条件付き確率に応じた値を用いて、対応する条件付き確率が上位の購入対象を選択する選択部と、
   前記選択部が選択した購入対象を識別する情報である購入対象識別情報を少なくとも含む情報であるレコメンド情報を出力する出力部と、を備えたレコメンド装置。
2. ユーザを識別するユーザ識別情報を受け付けるユーザ識別情報受付部をさらに備え、
   前記履歴情報記憶部では、ユーザ識別情報と当該ユーザ識別情報で識別されるユーザが過去に興味を持った購入対象に関する情報である履歴情報とが対応付けて記憶され、
   前記取得部は、前記ユーザ識別情報受付部が受け付けたユーザ識別情報に対応付けられている履歴情報を、前記過去情報として前記履歴情報記憶部から取得する、請求項１記載のレコメンド装置。
3. 前記算出部は、前記履歴情報記憶部で記憶されている履歴情報のうち、一部のユーザに対応する履歴情報を用いて前記算出を行う、請求項１または請求項２記載のレコメンド装置。
4. 前記購入対象は、商品、サービス、またはコンテンツである、請求項１から請求項３のいずれか記載のレコメンド装置。
5. ユーザが過去に興味を持った購入対象は、ユーザが過去に購入した購入対象を含む、請求項１から請求項４のいずれか記載のレコメンド装置。
6. ユーザが過去に興味を持った購入対象は、ユーザが過去に購入の候補とした購入対象を含む、請求項１から請求項５のいずれか記載のレコメンド装置。
7. ユーザが過去に興味を持った購入対象に関する情報である履歴情報がユーザごとに記憶される履歴情報記憶部と、取得部と、算出部と、選択部と、出力部とを備えるレコメンド装置において用いられるレコメンド方法であって、
   前記取得部が、レコメンドの対象となるユーザが過去に興味を持った購入対象を示す情報である過去情報を取得する取得ステップと、
   前記算出部が、前記取得ステップで取得した過去情報によって示される、ユーザが過去に興味を持った購入対象をＰ_１，Ｐ_２，…，Ｐ_ｎ（ｎは１以上の整数である）とし、それ以外の購入対象をＰ_ｊ（ｊはｎ＋１以上の整数）として、購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎにユーザが興味を持った場合に、各購入対象Ｐ_ｊにユーザが興味を持つ条件付き確率に応じた値を、前記履歴情報を参照しながら、少なくとも下記式
   

   

   （上記式中、ｐ（Ｐ_ｉ）は購入対象Ｐ_ｉに興味を持つ確率であり、ｐ（Ｐ_ｉ，Ｐ_ｊ）は購入対象Ｐ_ｉと購入対象Ｐ_ｊとに興味を持つ同時確率である）
   を用いて算出する算出ステップと、
   前記選択部が、前記算出ステップで算出した条件付き確率に応じた値を用いて、対応する条件付き確率が上位の購入対象を選択する選択ステップと、
   前記出力部が、前記選択ステップで選択した購入対象を識別する情報である購入対象識別情報を少なくとも含む情報であるレコメンド情報を出力する出力ステップと、を備えたレコメンド方法。
8. コンピュータに、
   レコメンドの対象となるユーザが過去に興味を持った購入対象を示す情報である過去情報を取得する取得ステップと、
   前記取得ステップで取得した過去情報によって示される、ユーザが過去に興味を持った購入対象をＰ_１，Ｐ_２，…，Ｐ_ｎ（ｎは１以上の整数である）とし、それ以外の購入対象をＰ_ｊ（ｊはｎ＋１以上の整数）として、購入対象Ｐ_１，Ｐ_２，…，Ｐ_ｎにユーザが興味を持った場合に、各購入対象Ｐ_ｊにユーザが興味を持つ条件付き確率に応じた値を、履歴情報記憶部でユーザごとに記憶される、ユーザが過去に興味を持った購入対象に関する情報である履歴情報を参照しながら、少なくとも下記式
   

   

   （上記式中、ｐ（Ｐ_ｉ）は購入対象Ｐ_ｉに興味を持つ確率であり、ｐ（Ｐ_ｉ，Ｐ_ｊ）は購入対象Ｐ_ｉと購入対象Ｐ_ｊとに興味を持つ同時確率である）
   を用いて算出する算出ステップと、
   前記算出ステップで算出した条件付き確率に応じた値を用いて、対応する条件付き確率が上位の購入対象を選択する選択ステップと、
   前記選択ステップで選択した購入対象を識別する情報である購入対象識別情報を少なくとも含む情報であるレコメンド情報を出力する出力ステップと、を実行させるためのプログラム。

Images