JP2008204235A - 非類似アイテム推薦方法、推薦装置、及びプログラム - Google Patents
非類似アイテム推薦方法、推薦装置、及びプログラム Download PDFInfo
- Publication number
- JP2008204235A JP2008204235A JP2007040536A JP2007040536A JP2008204235A JP 2008204235 A JP2008204235 A JP 2008204235A JP 2007040536 A JP2007040536 A JP 2007040536A JP 2007040536 A JP2007040536 A JP 2007040536A JP 2008204235 A JP2008204235 A JP 2008204235A
- Authority
- JP
- Japan
- Prior art keywords
- item
- dissimilar
- items
- recommendation
- similarity
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】
ユーザにとって意外性が高いものと想定されるアイテムを選択的,優先的にユーザに推薦する推薦方法、装置を提供する。
【解決手段】
ユーザがクライアント802の選択部803を使って、アイテムAにアクセスし、所定の閾値以下の時間間隔でアイテムBにアクセスし,かつ,アイテムAとアイテムBの類似性が低い場合に、サーバ801はAとBをペア(A,B)として、近接選択アイテムペアDB809記憶する。他のユーザがAに類似したアイテムXにアクセスした場合に,近接選択アイテムペアDB809に記録したペア(A,B)を利用して,アイテムBあるいはアイテムBに類似したアイテムYをクライアント802推薦する。
【選択図】図8
ユーザにとって意外性が高いものと想定されるアイテムを選択的,優先的にユーザに推薦する推薦方法、装置を提供する。
【解決手段】
ユーザがクライアント802の選択部803を使って、アイテムAにアクセスし、所定の閾値以下の時間間隔でアイテムBにアクセスし,かつ,アイテムAとアイテムBの類似性が低い場合に、サーバ801はAとBをペア(A,B)として、近接選択アイテムペアDB809記憶する。他のユーザがAに類似したアイテムXにアクセスした場合に,近接選択アイテムペアDB809に記録したペア(A,B)を利用して,アイテムBあるいはアイテムBに類似したアイテムYをクライアント802推薦する。
【選択図】図8
Description
本発明はユーザに商品の購入や番組の視聴を促すためユーザの好みに合った商品や番組などのアイテムを提示するための、人工知能分野における推薦(Recommendation)技術に関する。
人工知能分野におけるアイテムの推薦には2つの方式が知られている。1つは類似アイテムの推薦を行う方式であり,アイテムを特徴つける属性を利用して類似したアイテムをユーザに推薦する。これらは一般にコンテンツベースのアイテム推薦方式(Contents-Based Recommendation)とよばれる。もう1つは非類似アイテムの推薦を行う方式であり,アイテムの属性を利用せず,必ずしも類似していないアイテムをユーザに推薦する。代表的な手法として協調フィルタ(Collaboration Filtering)という手法がある(非特許文献1)。この方式は推薦対象となるユーザとアイテムの選択傾向が類似した他の人たちの選択傾向を利用しアイテムの推薦を行う。
特許文献1では,従来の協調フィルタで推薦されるアイテムは,ユーザのアイテムに対する評価や選択行動などに基づいてすべてのユーザに対して一意の方法で決定されるため,ユーザの嗜好の変化の速さ度合や,嗜好の個性の強さ度合,好むアイテムの新しさ度合などのユーザによる違いに対応することができず,すべてのユーザに対して適切なアイテムを推薦できないという課題を提示している。そしてその解決のため,推薦対象である複数のアイテムから一部のアイテムを推薦する情報提供方法であって,ユーザによる一部のアイテムに対する評価を評価日時と対応付けて履歴データとして記憶し,ユーザに推薦するアイテムの決定に用いるための履歴の期間の設定を受け付け,履歴データのうち評価日時が一定期間内である履歴データに基づいてユーザに推薦するアイテムの決定を行う情報提供方法を与えている。特に,短い期間のユーザの嗜好と長い期間のユーザの嗜好の差の存在を想定し,ユーザごとに学習期間,推薦期間,類似ユーザ数などのパラメータを容易に設定できるようにすることにより,すべてのユーザに対して適切なアイテムを推薦できるようにしている。
特許文献1では,従来の協調フィルタで推薦されるアイテムは,ユーザのアイテムに対する評価や選択行動などに基づいてすべてのユーザに対して一意の方法で決定されるため,ユーザの嗜好の変化の速さ度合や,嗜好の個性の強さ度合,好むアイテムの新しさ度合などのユーザによる違いに対応することができず,すべてのユーザに対して適切なアイテムを推薦できないという課題を提示している。そしてその解決のため,推薦対象である複数のアイテムから一部のアイテムを推薦する情報提供方法であって,ユーザによる一部のアイテムに対する評価を評価日時と対応付けて履歴データとして記憶し,ユーザに推薦するアイテムの決定に用いるための履歴の期間の設定を受け付け,履歴データのうち評価日時が一定期間内である履歴データに基づいてユーザに推薦するアイテムの決定を行う情報提供方法を与えている。特に,短い期間のユーザの嗜好と長い期間のユーザの嗜好の差の存在を想定し,ユーザごとに学習期間,推薦期間,類似ユーザ数などのパラメータを容易に設定できるようにすることにより,すべてのユーザに対して適切なアイテムを推薦できるようにしている。
すなわち、特許文献1では,短い期間のユーザ嗜好と長い期間のユーザ嗜好には差があることを想定し、推薦に使用する履歴データとして,パラメータ制御可能な一定の時間区間に含まれるユーザの選択アイテム全体を用いている。
類似アイテムの推薦を行うコンテンツベースのアイテム推薦方式では,ユーザの属性とアイテムの属性に基づいてユーザが好むと推定されるアイテムを推薦する。しかし、このうちユーザによるアイテムの選択をキーとして別のアイテムを推薦する場合は,キーとなるアイテムと属性の類似したアイテムを推薦することしか出来ない。
また、従来技術である協調フィルタはアイテム間の類似性を利用しない推薦方式のひとつであり,類似性の低いアイテムを推薦結果に含む可能性がある。しかしながら,どのアイテムの類似性が低いのかは協調フィルタの推薦結果からだけではユーザは知ることが出来ない。
本発明は、ユーザの好みに合うアイテムをユーザ端末にネットワークを介して提示するサーバにおけるアイテム推薦方法であって、意外性のあるアイテムを提示,推薦するアイテム推薦方法、装置、及びそのプログラムを提供することを目的とする。
上記目的を達成するため、本発明においては、ユーザの好みに合うアイテムをユーザ端末にネットワークを介して提示するサーバにおけるアイテム推薦方法であって、サーバは、アイテムの特徴を表現する複数の属性の集合の類似性が低いアイテムを選択、あるいは優先して提示する
非類似アイテム推薦方法を提供する。また、このサーバは、ユーザが所定の閾値以下の時間間隔で選択したアイテムの組を記録しておき,記録したアイテムの組の情報を用いてアイテムを提示する非類似アイテム推薦方法を提供する。
非類似アイテム推薦方法を提供する。また、このサーバは、ユーザが所定の閾値以下の時間間隔で選択したアイテムの組を記録しておき,記録したアイテムの組の情報を用いてアイテムを提示する非類似アイテム推薦方法を提供する。
すなわち、所定の閾値以下の短い時間間隔で(同時に,連続して)選択したアイテムのペア(近接選択アイテムペア)を記録しておき,これを利用してアイテム推薦を行う。この背景には短い時間間隔の選択行為には何らかの関連性が存在しうるという考え方がある。すなわち,本発明で推薦に使用する履歴データは,連続して選択されるアイテムの間には関係が存在することを想定し,推薦に使用する履歴データとして,推薦における時間区間は定めず,短い時間間隔で選択されたアイテムの対を用いる。
ここで、短い時間間隔とは,絶対的,相対的に定められた閾値以下の時間間隔であり,例えば,TV・ビデオの視聴では,チャンネル・タイトルを切り替えた直前の番組と直後の番組という1秒以内の時間間隔,継続してチャンネル・タイトルを切り替える高々2〜3分の時間間隔,連続してテレビ視聴を行っていると推定される高々2〜3時間の時間間隔のことであり,ショッピングサイトでの商品購入行為では,サイトにログインしてログアウトするまでの高々2〜3時間の時間間隔,数回の商品購入行為を行う高々2〜3週間の時間間隔のことである。また,これらの数値はユーザの選択行為の平均時間間隔の数パーセントという形で相対的に付与される場合もある。
選択行為の関連性とは,例えば,TV・ビデオ視聴で,アクション,ラブロマンス,SFなど同一のジャンルであるという関連,好きな役者が出演しているという関連,野球番組を見るとドラマが見たくなるというユーザの潜在的な視聴パターンによる関連のことであり,ショッピングサイトでの商品購入行為では,段ボール箱を購入したらクラフトテープを購入するといった必須の付属品であるという関連,手袋を購入したらお揃いのマフラーを購入するといった良好なコーディネートであるという関連のことでる。
好適には、ユーザがアイテムAにアクセスしその直後にアイテムBにアクセスし,かつ,アイテムAとアイテムBの類似性が低い場合にAとBの関係を近接選択アイテムペア(A,B)として記憶する。そして,ユーザがAに類似したアイテムXにアクセスした場合に,近接選択アイテムペア(A,B)を利用して,アイテムBあるいはアイテムBに類似したアイテムYを推薦する。
さらに本発明においては,協調フィルタなどアイテムの類似性を用いない推薦方式の推薦結果をアイテムの類似性が低い順序で選択的にあるいは優先的にユーザに提示する手段を与えることで,ユーザに類似性の低いアイテムを明示的に提示する。
なお,本発明での推薦における意外性とは,推薦結果に対する意外性であり,推薦結果のうちアイテムのもつ属性の類似性が低い場合,意外性がある推薦結果という。
これによって,"属性には陽には記述されていないアイテム間の類似性,関連性"に基づく,防備録的な役割をもち,意外性のあるアイテム推薦方式を与えることが可能となる。
好適には,アイテムXと類似したアイテムA,アイテムAと短い時間間隔で選択されたアイテムB,アイテムBと類似したアイテムYという手順で、アイテムXと関連するが類似していないアイテムYを推薦することが出来るようになる。なお,単独ユーザのみの近接アイテムペアを利用するだけでは意外性のあるアイテムの推薦というよりもセレンディピティ(気付き)を誘発するという防備録的なアイテムの推薦といえる。これに対して,他の(複数の)ユーザの近接選択アイテムペアを利用する場合は自分が想定していない近接選択アイテムペアに内在する関連性を利用することも起こりうることとなり,意外性のあるアイテムの推薦が可能となる。
また,協調フィルタなどアイテムの類似性を用いない推薦方式の推薦結果を類似性の低い順序で提示することは先に述べた意味で意外性の高いアイテムを優先的にユーザに提示することが可能となる。
意外性のあるアイテムを推薦する本発明の2つの実施形態を図面を用いて説明する。
1.類似度を明示する推薦システム
図1に第1の実施例である,類似度を明示する推薦システムの全体構成を示す。この推薦システムはサーバ101と複数のクライアント(ユーザ端末)102から構成される。サーバ101は,処理部である中央処理部(Central Processing Unit,CPU)と記憶部とを有するコンピュータシステムであり,その機能構成として,協調フィルタ103と類似度計算部104から構成される。なお、これらの機能構成は、通常、処理部であるCPUで実行されるプログラムで実現される。記憶部には,これらの実行プログラムに加え、後で説明するユーザ/アイテム行列やアイテム/属性DBが記憶される。また,クライアント102は,入出力装置であるキーボードや表示装置を有する通常のパーソナルコンピュータ(PC)であり,その機能構成として,ユーザによるアイテムの選択部105,アイテムの評価部106と,ユーザへの推薦アイテムに関する情報を表示する表示部107をもつ。
図1に第1の実施例である,類似度を明示する推薦システムの全体構成を示す。この推薦システムはサーバ101と複数のクライアント(ユーザ端末)102から構成される。サーバ101は,処理部である中央処理部(Central Processing Unit,CPU)と記憶部とを有するコンピュータシステムであり,その機能構成として,協調フィルタ103と類似度計算部104から構成される。なお、これらの機能構成は、通常、処理部であるCPUで実行されるプログラムで実現される。記憶部には,これらの実行プログラムに加え、後で説明するユーザ/アイテム行列やアイテム/属性DBが記憶される。また,クライアント102は,入出力装置であるキーボードや表示装置を有する通常のパーソナルコンピュータ(PC)であり,その機能構成として,ユーザによるアイテムの選択部105,アイテムの評価部106と,ユーザへの推薦アイテムに関する情報を表示する表示部107をもつ。
サーバ101の協調フィルタ103は後述するユーザ/アイテム行列110へのユーザのアイテム選択,評価結果の登録処理部108とユーザ/アイテム行列110を用いたユーザへのアイテムの推薦処理部109をもつ。類似度計算処理部104はアイテムの属性を記録するアイテム/属性データベース(DB)111の内容を用いてアイテム間の類似度を計算する。また,非類似アイテム選択処理部112は類似度計算処理部104の結果を用いて類似度の低いアイテムを選択し,表示部107を介してユーザに提示する。
それ自身は従来技術である協調フィルタにはいくつかの手法が存在するが本実施例ではk最近傍法を用いるものとする。図2に協調フィルタにおける最近傍法のデータ構成の一例を示す。このデータはユーザ/アイテム行列201とよばれる。行方向はユーザ202を列方向はアイテム203を示し,各々ユーザやアイテムに与えられたインデックスが記録される。行列の各成分には評点204が記録される。評点とはユーザ202がアイテム203を選択したという情報,あるいは,選択したアイテムに対して与えた評価値を表わす情報のことである。なお,ユーザ202がアイテム203を選択もせず,評価もしていない場合には評点204は空白のままである。
図3は,協調フィルタ103の登録処理108を示すPAD(Problem Analysis Diagram)図である。始めにユーザiがクライアント102で、アイテムjへ選択行為あるいは過去に選択したアイテムの評価行為といったアクセス(301)を行う。評価行為の場合はユーザiがアイテムjへ与えた評価が数値で与えられるものとする。続いて,図1におけるサーバ101内の協調フィルタ103の登録処理部108はアクセスが選択行為であるか評価行為であるかを判定し(302),選択行為である場合は評点を評価値の値域の中央値に設定する(303)。ここで中央値とは, 評価値の階級の真ん中の値であり, 評価値の値域が{1, 2, 3, 4, 5}の5段階である場合は3をとる。続いて,ユーザiによるアイテムjの評価値をユーザ/アイテム行列の評価値( i, j )へ上書きで書き込む。図2のユーザ/アイテム行列201はこうしたユーザのアイテムへの選択結果や評価結果を記録したものである。
さて、サーバ101の協調フィルタ103は、図2のユーザ/アイテム行列201を用いてユーザへアイテムを推薦する。始めに協調フィルタ103は推薦対象となるユーザiとアイテムjへの評価値の与え方の傾向が類似している他のユーザ( 類似ユーザ )を複数人選択する(401)。
類似ユーザの選択は,例えば,ユーザiの評価ベクトルv( i ) を、
v( i ) = ( 評価値( i, 1 ), 評価値( i, 2 ), ‥, 評価値( i, j ), ‥,
評価値( i, n ) ) (式1)
とし, 他のユーザi'と双方が既に評価を与えている評価済みのデータについてコサイン類似度w、
w( i, i' ) = {v( i )・v( i' )}/{|v( i )|×|v( i' )|} ‥(式2)
を計算し, この値の高い, 予め定められた人数, 上位k人を選択する。なお, 未評価のアイテムのコサイン類似度は0であるものとする。また式2において、「・」はベクトルの内積を表わす。
類似ユーザの選択は,例えば,ユーザiの評価ベクトルv( i ) を、
v( i ) = ( 評価値( i, 1 ), 評価値( i, 2 ), ‥, 評価値( i, j ), ‥,
評価値( i, n ) ) (式1)
とし, 他のユーザi'と双方が既に評価を与えている評価済みのデータについてコサイン類似度w、
w( i, i' ) = {v( i )・v( i' )}/{|v( i )|×|v( i' )|} ‥(式2)
を計算し, この値の高い, 予め定められた人数, 上位k人を選択する。なお, 未評価のアイテムのコサイン類似度は0であるものとする。また式2において、「・」はベクトルの内積を表わす。
次に選択したユーザの評点値を用いて推薦対象となるユーザiの未評価のアイテムjへの予測評価値の算出を行う(402)。選択したk人の類似ユーザの集合をSで表わすものとし,推薦対象となるユーザiのアイテムjへの評価の予測値r( i, j ) を次式で与える。
r( i, j ) = Σi'∈S[w( i, i' )×{評価値( i', j )−平均評価値( i' )}]
/{Σi'∈S|w( i, i' )|}+平均評価値( i ) ‥(式3)
で与えられる。ここで平均評価値はユーザi'の評価済のアイテムに関する評価値の平均である。平均評価値を引くことで類似ユーザの相対的な評価値を求め,推薦対象ユーザと類似ユーザの類似度でその値を加重平均し,推薦対象ユーザの評価値加算する。そして、最後にこの予測評価値の高い順にアイテムを推薦する(403)。
/{Σi'∈S|w( i, i' )|}+平均評価値( i ) ‥(式3)
で与えられる。ここで平均評価値はユーザi'の評価済のアイテムに関する評価値の平均である。平均評価値を引くことで類似ユーザの相対的な評価値を求め,推薦対象ユーザと類似ユーザの類似度でその値を加重平均し,推薦対象ユーザの評価値加算する。そして、最後にこの予測評価値の高い順にアイテムを推薦する(403)。
図5にアイテム/属性データベース111のデータ構成を示す。501には登録されているアイテムの数nが記録される。アイテムj502には属性数503で示される数の属性504が記録される。
属性は属性名505と属性値506のペアである。例えば,「傘」というアイテムの属性は,「サイズ」という属性名に対して属性値「67.5cm」,「色」という属性名に対して属性値「黒」,「骨の数」という属性名に対しては「16本」という形で与えられる。
続いて、図6にサーバ101の類似度計算処理部104における類似度の計算処理フローの一例を示す。
始めに,2つのアイテムjとアイテムj'に関して共通な属性がどの程度存在するかを示す属性名の類似度を計算し(601),続いて,2つのアイテムに共通する属性に関して属性値の類似度を計算し(602〜608),アイテムの類似度を算出する(609)。属性名の類似度は,アイテムjの属性名の集合A( j )とアイテムj’の属性名の集合A( j' )に関して,#(*)を集合の要素数とし,
R1( j, j' ) = #( A( j )∩A( j' ) )/#( A( j )∪A( j' ) ) ‥(式4)
で定める。これは類似性を判定するために比較可能な, つまり, 共通な属性名をもつ属性がどの程度存在しているかの指標である。
R1( j, j' ) = #( A( j )∩A( j' ) )/#( A( j )∪A( j' ) ) ‥(式4)
で定める。これは類似性を判定するために比較可能な, つまり, 共通な属性名をもつ属性がどの程度存在しているかの指標である。
属性値の類似度は,始めに2つのアイテムに共通属性が存在するかを判定し(602),共通属性が存在する場合は各属性に関して次の手続きを繰り返す(603)。
属性値の値域は数値の場合は(604),各々の共通属性について, 属性値を区間[0, 1]に正規化する(605)。つまり,属性値の集合の上限と下限をbmax, bminとしたとき,
b'( j, k ) = {b( j, k )−bmin}/{bmax−bmin} ‥(式5)
となる。
属性値の値域は数値の場合は(604),各々の共通属性について, 属性値を区間[0, 1]に正規化する(605)。つまり,属性値の集合の上限と下限をbmax, bminとしたとき,
b'( j, k ) = {b( j, k )−bmin}/{bmax−bmin} ‥(式5)
となる。
続いて,正規化した属性値に基づき, 2つのアイテムの属性値の差を1から引いて属性ごとの類似度fを計算する(606).つまり,アイテムjとアイテムj'の属性kに関する類似度は、
f( j, j', k ) = 1−|b'( j, k )−b'( j', k )| ‥(式6)
で与えるものとする。
f( j, j', k ) = 1−|b'( j, k )−b'( j', k )| ‥(式6)
で与えるものとする。
一方,属性値の集合が数値でない離散集合の場合(604)は,2つのアイテムjとアイテムj'の属性kに関する類似度f( j, j', k )は, 属性値が一致していれば1, 一致しなければ0を与えるものとする(607)。
続いて,共通な属性名をもつ属性の集合をCとしてC全体での平均を,
R2( j, j' ) = 1/#( C )×Σk∈C {1−|b'( j, k )−b'( j', k )|}
‥(式7)
で求め, 属性値の類似度とする(608)。
R2( j, j' ) = 1/#( C )×Σk∈C {1−|b'( j, k )−b'( j', k )|}
‥(式7)
で求め, 属性値の類似度とする(608)。
最後に属性名の類似度と属性値の積を
R( j, j' ) = R1( j, j' )×R2( j, j' ) ‥(式8)
で計算し, アイテムの類似度とする(609)。
R( j, j' ) = R1( j, j' )×R2( j, j' ) ‥(式8)
で計算し, アイテムの類似度とする(609)。
ここで,この値が高いアイテムを類似アイテム, この値が予め定められた閾値R0以下であるアイテムを非類似アイテムとよぶ。
図7に本実施例における類似度を利用した表示インターフェース701の事例を示す。推薦アイテムリスト702には図1,協調フィルタ103と類似度計算104の結果が,アイテムに類似度は付与されたリストで表示される。ここで,非類似アイテムと類似度が1.0つまり100%である類似アイテムは各々「非類似」,「類似」と明記される。類似度ボタン703を押下すると推薦アイテムリスト702は図6,609で計算される類似度に関して昇順に推薦結果を表示する。
このボタンにより,意外性の高いアイテム順にユーザに推薦結果を表示することが出来る。また,推薦順位ボタン704を押下すると推薦アイテムリスト702は図4,402で計算される予測評点に関して降順に推薦結果を表示する。また,類似アイテムボタン705を押下すると,類似度が予め定められた閾値R0以下であるアイテムの表示と非表示を切り替える。このボタンにより,意外性の高い非類似アイテムのみを表示することが出来る。
2.近接選択アイテムペアを使用する推薦システム
図8に第2の実施例である、近接選択アイテムペアを使用する推薦システムの全体構成を示す。このシステムはサーバ801と複数のクライアント802から構成される。これらのサーバ801とクライアント802は実施例1における、サーバ101とクライアント102と同様なハードウエア構成を有することは言うまでもない。
図8に第2の実施例である、近接選択アイテムペアを使用する推薦システムの全体構成を示す。このシステムはサーバ801と複数のクライアント802から構成される。これらのサーバ801とクライアント802は実施例1における、サーバ101とクライアント102と同様なハードウエア構成を有することは言うまでもない。
サーバ801は非類似近接選択アイテムペア登録処理部805と2つの類似アイテム検索処理部806,808と近接選択アイテムペア検索処理部807から構成される。これらの各機能処理部は、通常、先に述べたようにサーバを構成する処理部で実行されるプログラムの形で提供される。クライアント802はユーザアイテムの選択部803とユーザへの推薦アイテムに関する情報の表示部804をもつ。また,記憶部に蓄積された近接アイテムペアデータベース809は、非類似近接アイテムペア登録処理部805により登録される近接選択アイテムペアを記録し,近接アイテムペア検索処理部807により検索される。2つの類似度アイテム検索部806,808は、アイテムの属性を記録する図1のアイテム/属性データベース111と同一のアイテム/属性データベース810の内容と、図6の計算処理フローを用いて、アイテム間の類似度を計算し,与えられたアイテムと類似したアイテムを検索する。
近接選択アイテムペアとは、上述したように同一ユーザが予め定めた所定の閾値以下の短い時間間隔で選択した2つのアイテムのことである。
図9に近接選択アイテムペアデータベース809のデータ構成の一例を示す。近接選択アイテムペア数901は図8の近接選択アイテムペアデータベース810に記録されている近接選択アイテムペアの数を示す。近接選択アイテムペア902は先行して選択した先行選択アイテム903と次に短い時間間隔で選択した後継選択アイテム904およびその近接選択アイテムペアの頻度905から構成される。
図10にサーバ801の処理部で実行される非類似近接選択アイテムペア登録処理部805における近接選択アイテムペアの登録処理フローを示す。始めにユーザが選択したアイテムjと記録された前回選択したアイテムj’の類似度を、図6の計算処理フローを用いて計算する(1001)。この2つのアイテムjとアイテムj’の類似度R( j, j' )が予め定められた閾値R0以下である場合, 2つのアイテムを近接選択アイテムペアDB809に登録するものとする。
図11にサーバ801の処理部で実行される近接アイテムペア検索処理部807における近接選択アイテムペアによる推薦処理フローを示す。近接選択アイテムペアによる推薦処理はユーザがアイテムjを選択した場合に起動する(1101)。始めに図8における類似アイテム検索処理806が類似アイテムの検索を行い, 類似度の高いアイテムを予め定められた個数k"個選択し(1102),選択されたアイテムの集合Dを構成する(1103)。ここで集合Dはユーザが選択したアイテムjと類似したアイテムの集合である。
続いて,図8における近接アイテムペア検索処理807は,集合Dに含まれる全てのアイテムxに対して近接選択アイテムペアDB809の検索を行い, 近接選択アイテムペアR( x, y )にマッチするアイテムy全体の集合Eを構成する(1104)。なお、近接選択アイテムペアDB809は図7において,サーバ801の外部に設置されているが,アイテム/属性DB810同様サーバ801の内部の記憶部に記憶されて良いことは言うまでもない。
ここで集合Eは、集合Dに属する,類似したアイテムと閾値以下の短い時間間隔で選択されたことのあるアイテムの集合である。このアイテムの集合は,近接選択アイテムペアDB809における,図9の近接選択アイテムペアの頻度905により順序付け,集合の要素数を制約する場合もある。
そして,アイテムの集合Eに含まれる全てのアイテムyに対して図8における類似アイテム検索処理808が類似アイテムの検索を行い, 類似アイテムを検索し, 検索結果をユーザに提示する(1105)。
図12に本実施例におけるクライアント802の表示部804に表示される表示インターフェースの一例を示す。これは、類似度を利用した表示インターフェースに、近接選択による推薦結果を付与した表示インターフェース1201である。推薦アイテムリスト1202には図1の協調フィルタ103の推薦結果と、類似度計算部104の結果と近接選択アイテムペアを利用した推薦結果が,アイテムに類似度が付与されたリストで表示される。ここで,リストの項目のうち,近接選択アイテムペアを利用した推薦結果である項目がマークされ表示される(1207)。類似度ボタン1203を押下すると推薦アイテムリスト1202は図6の609で計算される類似度に関して昇順に推薦結果を表示する。このボタンにより,意外性の高いアイテム順にユーザに推薦結果を表示することが出来る。
また,推薦順位ボタン1204を押下すると推薦アイテムリスト1202は図4の402で計算される予測評点に関して降順に推薦結果を表示する。また,類似アイテムボタン1205を押下すると,類似度が予め定められた閾値R0以下であるアイテムの表示と非表示を切り替える。このボタンにより,意外性の高い非類似アイテムのみを表示することが出来る。近接選択ペアボタン1206を押下すると近接選択ペアによる推薦結果の表示と非表示を切り替える。
以上詳述してきた本発明は、放送,テレビシステムにおける番組やシーン,オンラインショッピングにおける商品,マーケティングにおける商品プロモーション等への種々のアイテムの推薦において利用が可能である。
101、801…サーバ、102、802…クライアント、103…協調フィルタ、104…類似度計算部、105、803…選択部、106…評価部、107、804…表示部、108…登録処理部、109…推薦処理部、110…ユーザ/アイテム行列、111、810…アイテム/属性DB、805…非類似近接選択アイテムペア登録処理部、806、808…類似アイテム検索処理部、807…近接選択アイテムペア検索処理部、809…近接選択アイテムペアDB。
Claims (15)
- ユーザの好みに合うアイテムをユーザ端末にネットワークを介して提示するサーバにおけるアイテム推薦方法であって、
前記サーバは、前記アイテムの特徴を表現する複数の属性の集合の類似性が低いアイテムを選択、あるいは優先して提示する
非類似アイテム推薦方法。 - 請求項1記載の非類似アイテム推薦方法であって、
前記サーバは、前記アイテムの特徴を表現する複数の属性を利用せずに、前記アイテムの特徴を表現する複数の属性の集合の類似性を計算し,
前記類似性が低いアイテムを選択、あるいは優先して提示する
非類似アイテム推薦方法。 - 請求項2記載の非類似アイテム推薦方法であって、
前記サーバは、前記アイテムの特徴を表現する複数の属性の集合の類似性を計算するため、協調フィルタ推薦方式を用いる
非類似アイテム推薦方法。 - 請求項1記載の非類似アイテム推薦方法であって、
前記サーバは、前記ユーザが所定の閾値以下の時間間隔で選択した前記アイテムの組を記録しておき,記録した前記アイテムの組の情報を用いて前記アイテムを提示する
非類似アイテム推薦方法。 - 請求項4記載の非類似アイテム推薦方法であって、
前記サーバは、前記アイテムの組を構成する2つの前記アイテムの属性の集合の類似度が低い場合に選択的に前記アイテムの組を記録する
非類似アイテム推薦方法。 - ユーザの好みに合うアイテムをユーザ端末にネットワークを介して提示するアイテム推薦装置であって、
記憶部と、
前記アイテムの特徴を表現する複数の属性の集合の類似性が低いアイテムを選択、あるいは優先して提示する処理部とを有する
非類似アイテム推薦装置。 - 請求項6記載の非類似アイテム推薦装置であって、
前記記憶部は、
複数のユーザの複数のアイテムに対する評点を記録するユーザ/アイテム行列と、前記複数のアイテムの各々について、そのアイテムの特徴を表現する複数の属性を記録するアイテム/属性データベースを記憶し、
前記処理部は、
前記ユーザ/アイテム行列に記憶された前記評点に基づき、前記アイテムを選択して推薦する推薦処理部と、
前記推薦処理部により推薦された前記アイテムの類似度を、前記アイテム/属性データベースを用いて計算する類似度計算処理部と、
前記類似度計算処理部によって得られた前記類似度を基に、非類似アイテムを選択する非類似アイテム選択部とを有する
非類似アイテム推薦装置。 - 請求項7記載の非類似アイテム推薦装置であって、
前記推薦処理部は、
協調フィルタ推薦方式を実行する
非類似アイテム推薦装置。 - 請求項6記載の非類似アイテム推薦装置であって、
前記記憶部は、
前記ユーザが所定閾値以下の時間間隔で選択した2つの前記アイテムの組の情報を記録する近接選択アイテムペアデータベースを記憶し、
前記処理部は、
前記記憶部に記憶された前記近接選択アイテムペアデータベースを検索する近接アイテムペア検索処理部を有し、
前記近接選択アイテムペアデータベースに記録された前記アイテムの組みの情報を用いて前記アイテムを提示する
非類似アイテム推薦装置。 - 請求項9記載の非類似アイテム推薦装置であって,
前記処理部は、
前記アイテムの組を構成する2つの前記アイテムの属性の集合の類似度が低い場合に、選択的に当該アイテムの組を前記近接選択アイテムペアデータベースに登録する非類似近接選択アイテムペア登録処理部を有する
非類似アイテム推薦装置。 - ユーザの好みに合うアイテムをユーザ端末にネットワークを介して提示する処理部と記憶部とを有するアイテム推薦装置のためのプログラムであって、
前記処理部を、前記アイテムの特徴を表現する複数の属性の集合の類似性が低いアイテムを選択、あるいは優先して提示するよう実行させる
非類似アイテム推薦プログラム。 - 請求項11記載の非類似アイテム推薦プログラムであって、
前記記憶部に記憶された、複数のユーザの複数のアイテムに対する評点を記録するユーザ/アイテム行列と、前記複数のアイテムの各々について、そのアイテムの特徴を表現する複数の属性を記録するアイテム/属性データベースとを用い、
前記処理部を、
前記ユーザ/アイテム行列に記憶された前記評点に基づき、前記アイテムを選択して推薦し、
推薦された前記アイテムの類似度を、前記アイテム/属性データベースを用いて計算し、
得られた前記類似度を基に、非類似アイテムを選択するよう実行させる
非類似アイテム推薦プログラム。 - 請求項12記載の非類似アイテム推薦プログラムであって、
前記処理部を、
前記アイテムを選択して推薦する際に、協調フィルタ推薦方式を実行するよう制御する
非類似アイテム推薦プログラム。 - 請求項11記載の非類似アイテム推薦プログラムであって、
前記記憶部に記憶された、前記ユーザが所定閾値以下の時間間隔で選択した2つの前記アイテムの組の情報を記録する近接選択アイテムペアデータベースを用い、
前記処理部を、
前記記憶部に記憶された前記近接選択アイテムペアデータベースを検索し、
記録された前記アイテムの組みの情報を用いて前記アイテムを提示する
よう実行させる
非類似アイテム推薦プログラム。 - 請求項14記載の非類似アイテム推薦プログラムであって,
前記処理部を、
前記アイテムの組を構成する2つの前記アイテムの属性の集合の類似度が低い場合に、選択的に前記アイテムの組を前記近接選択アイテムペアに登録するよう実行させる
非類似アイテム推薦プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007040536A JP2008204235A (ja) | 2007-02-21 | 2007-02-21 | 非類似アイテム推薦方法、推薦装置、及びプログラム |
US12/068,701 US20080201287A1 (en) | 2007-02-21 | 2008-02-11 | Dissimilar item recommendation method, device, and program thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007040536A JP2008204235A (ja) | 2007-02-21 | 2007-02-21 | 非類似アイテム推薦方法、推薦装置、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008204235A true JP2008204235A (ja) | 2008-09-04 |
Family
ID=39707502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007040536A Pending JP2008204235A (ja) | 2007-02-21 | 2007-02-21 | 非類似アイテム推薦方法、推薦装置、及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20080201287A1 (ja) |
JP (1) | JP2008204235A (ja) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010128641A (ja) * | 2008-11-26 | 2010-06-10 | Yahoo Japan Corp | リコメンド情報を発信する方法、サーバ及びプログラム |
JP2010277541A (ja) * | 2009-06-01 | 2010-12-09 | Nippon Telegr & Teleph Corp <Ntt> | 情報利用履歴共有方法、情報利用履歴共有装置、情報利用履歴共有プログラムおよび同プログラムを記録した記録媒体 |
JP2012141724A (ja) * | 2010-12-28 | 2012-07-26 | Jvc Kenwood Corp | 情報処理方法、情報処理装置、及び情報処理プログラム |
JP2012226470A (ja) * | 2011-04-18 | 2012-11-15 | Nippon Telegr & Teleph Corp <Ntt> | シリーズアイテム群抽出システム、シリーズアイテム群抽出方法、およびシリーズアイテム群抽出プログラム |
JP2013105213A (ja) * | 2011-11-10 | 2013-05-30 | Nippon Telegr & Teleph Corp <Ntt> | 情報推薦装置及び方法及び装置及びプログラム |
JP2013257793A (ja) * | 2012-06-13 | 2013-12-26 | Nippon Telegr & Teleph Corp <Ntt> | 商品多様化推薦装置及び方法及びプログラム |
JP2014026540A (ja) * | 2012-07-27 | 2014-02-06 | Ntt Communications Corp | 情報表示装置、情報表示方法、及びプログラム |
JPWO2013168582A1 (ja) * | 2012-05-11 | 2016-01-07 | ソニー株式会社 | 情報処理装置、情報処理方法、および、プログラム |
CN111080404A (zh) * | 2019-11-28 | 2020-04-28 | 广州助蜂网络科技有限公司 | 一种sim卡推荐方法、装置、系统及存储介质 |
JP2020177541A (ja) * | 2019-04-19 | 2020-10-29 | Bhi株式会社 | 購入又は予約メールの解析による最適化された取引リコメンドシステム |
JP2020194284A (ja) * | 2019-05-27 | 2020-12-03 | 楽天株式会社 | レコメンド装置、レコメンド方法、及びレコメンドプログラム |
JP7450823B1 (ja) | 2022-09-06 | 2024-03-15 | 三菱電機株式会社 | 学習装置、学習システム、プログラム、及び学習装置の情報処理方法 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7979461B2 (en) * | 2007-02-15 | 2011-07-12 | Medio Systems, Inc. | Extended index searching |
WO2010095169A1 (ja) * | 2009-02-18 | 2010-08-26 | 株式会社日立製作所 | 情報推薦方法、そのシステム、及びサーバ |
US8649594B1 (en) * | 2009-06-04 | 2014-02-11 | Agilence, Inc. | Active and adaptive intelligent video surveillance system |
US9183510B1 (en) * | 2011-10-03 | 2015-11-10 | Tastebud Technologies, Inc. | Method and system for personalized recommendation of lifestyle items |
CN103167357A (zh) * | 2011-12-15 | 2013-06-19 | 英顺源(上海)科技有限公司 | 依据电视台信号强度选择播放电视信号的系统及其方法 |
US9880916B2 (en) * | 2012-09-25 | 2018-01-30 | International Business Machines Corporation | Management of system events using one or more event attributes |
CN103440335B (zh) * | 2013-09-06 | 2016-11-09 | 北京奇虎科技有限公司 | 视频推荐方法及装置 |
TWI621084B (zh) * | 2016-12-01 | 2018-04-11 | 財團法人資訊工業策進會 | 跨區域商品對應方法、系統及非暫態電腦可讀取記錄媒體 |
CN106713984A (zh) * | 2016-12-20 | 2017-05-24 | 广州视源电子科技股份有限公司 | 频道的排序方法及装置 |
JP6880974B2 (ja) * | 2017-04-19 | 2021-06-02 | 富士通株式会社 | 情報出力プログラム、情報出力方法および情報処理装置 |
US10762153B2 (en) * | 2017-11-27 | 2020-09-01 | Adobe Inc. | Collaborative-filtered content recommendations with justification in real-time |
CN109408787A (zh) * | 2018-09-27 | 2019-03-01 | 用友网络科技股份有限公司 | 一种单据辅助录入方法及录入装置 |
CN111611493B (zh) * | 2020-06-03 | 2022-05-17 | 合肥江雪信息科技有限公司 | 一种基于互联网的智能科技项目咨询服务系统 |
CN112541131B (zh) * | 2020-12-07 | 2021-10-29 | 东北大学 | 一种基于邻居用户的多个兴趣影响的推荐方法 |
-
2007
- 2007-02-21 JP JP2007040536A patent/JP2008204235A/ja active Pending
-
2008
- 2008-02-11 US US12/068,701 patent/US20080201287A1/en not_active Abandoned
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010128641A (ja) * | 2008-11-26 | 2010-06-10 | Yahoo Japan Corp | リコメンド情報を発信する方法、サーバ及びプログラム |
JP2010277541A (ja) * | 2009-06-01 | 2010-12-09 | Nippon Telegr & Teleph Corp <Ntt> | 情報利用履歴共有方法、情報利用履歴共有装置、情報利用履歴共有プログラムおよび同プログラムを記録した記録媒体 |
JP2012141724A (ja) * | 2010-12-28 | 2012-07-26 | Jvc Kenwood Corp | 情報処理方法、情報処理装置、及び情報処理プログラム |
JP2012226470A (ja) * | 2011-04-18 | 2012-11-15 | Nippon Telegr & Teleph Corp <Ntt> | シリーズアイテム群抽出システム、シリーズアイテム群抽出方法、およびシリーズアイテム群抽出プログラム |
JP2013105213A (ja) * | 2011-11-10 | 2013-05-30 | Nippon Telegr & Teleph Corp <Ntt> | 情報推薦装置及び方法及び装置及びプログラム |
JPWO2013168582A1 (ja) * | 2012-05-11 | 2016-01-07 | ソニー株式会社 | 情報処理装置、情報処理方法、および、プログラム |
JP2013257793A (ja) * | 2012-06-13 | 2013-12-26 | Nippon Telegr & Teleph Corp <Ntt> | 商品多様化推薦装置及び方法及びプログラム |
JP2014026540A (ja) * | 2012-07-27 | 2014-02-06 | Ntt Communications Corp | 情報表示装置、情報表示方法、及びプログラム |
JP2020177541A (ja) * | 2019-04-19 | 2020-10-29 | Bhi株式会社 | 購入又は予約メールの解析による最適化された取引リコメンドシステム |
JP2020194284A (ja) * | 2019-05-27 | 2020-12-03 | 楽天株式会社 | レコメンド装置、レコメンド方法、及びレコメンドプログラム |
JP7003088B2 (ja) | 2019-05-27 | 2022-01-20 | 楽天グループ株式会社 | レコメンド装置、レコメンド方法、及びレコメンドプログラム |
CN111080404A (zh) * | 2019-11-28 | 2020-04-28 | 广州助蜂网络科技有限公司 | 一种sim卡推荐方法、装置、系统及存储介质 |
JP7450823B1 (ja) | 2022-09-06 | 2024-03-15 | 三菱電機株式会社 | 学習装置、学習システム、プログラム、及び学習装置の情報処理方法 |
Also Published As
Publication number | Publication date |
---|---|
US20080201287A1 (en) | 2008-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008204235A (ja) | 非類似アイテム推薦方法、推薦装置、及びプログラム | |
Huang | Designing utility-based recommender systems for e-commerce: Evaluation of preference-elicitation methods | |
US8645224B2 (en) | System and method of collaborative filtering based on attribute profiling | |
JP5395729B2 (ja) | 情報提示装置 | |
JP6482172B2 (ja) | レコメンド装置、レコメンド方法、およびプログラム | |
EP3229194A1 (en) | Personal taste assessment method and system | |
JP5846442B2 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
US20130024813A1 (en) | Method, system, and means for expressing relative sentiments towards subjects and objects in an online environment | |
KR101825498B1 (ko) | 컨텐츠 추천 시스템 및 방법 | |
JP2008293211A (ja) | アイテム推薦システム | |
US20140379524A1 (en) | Shopper Helper | |
JP2009140075A (ja) | 情報処理装置および方法、並びにプログラム | |
KR20160019445A (ko) | 소비 가능한 콘텐트의 사용법을 추천에 병합하는 방법 | |
JP2018084853A (ja) | レコメンドシステム | |
TW201319981A (zh) | 電視廣告產品資訊顯示系統、方法及其記錄媒體 | |
KR101639987B1 (ko) | 혼합 필터링 기반의 영화추천 방법 및 장치 | |
JP2005352754A (ja) | 情報ナビゲーション装置、方法、プログラム、及び記録媒体 | |
JPWO2013168582A1 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
JP7423994B2 (ja) | レコメンド装置及びレコメンド方法 | |
Alexander et al. | Reality television and the doing of hyperauthentic masculinities | |
US10410126B2 (en) | Two-model recommender | |
Bertoncelo | Social classes in Brazil: time, trajectory and immaterial inheritance | |
JP2016071881A (ja) | アイテムリコメンドシステム | |
RU2538914C2 (ru) | Способ и система для оценивания объектов | |
WO2019123776A1 (ja) | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム |