JP2008276449A - 希望商品に類似する商品の推薦システム - Google Patents

Abstract

【課題】
商品推薦・検索システムにおいて、検索条件と合致している商品のみを検索するのではなく、合致していないが類似している商品も検索して推薦する。
【解決手段】
各商品の属性・属性水準を格納した商品データベースと、各属性の希望水準を入力させる手段と、入力された各希望水準と各商品の各属性水準との類似度を取得する手段と、取得された各属性についての類似度を用いて、入力された希望水準を備えた希望商品に対する各商品のフィット率を算出する手段と、算出されたフィット率に基づいて、一つ又は複数の類似商品を推薦商品として表示する手段と、を備えた推薦システム。
【選択図】図１１

Description

本発明は、希望商品に類似する商品の推薦システムに関する。

消費者が商品を選択する時に、メーカーや機能などのスペックを入力する事で該当商品を検索する「スペック検索」はECサイトでよく用いられる。しかし、その商品についてあまり詳しくない人にとって、たとえば「メーカーを選べ」と言われても、どこのメーカーがよいのかの判断は難しい。さらにスペックともなれば、たとえばPCで考えた場合、CPUは何でOSは何でHDDやメモリの容量はいくつがよいかと聞かれても、皆目検討がつかない。

この様なスペック検索システムにおいては、たとえある程度の知識がありメーカーやスペックなどを選べたとしても、すべての条件に合致する商品は存在しない事があり、検索の結果「指定の条件に合致する商品はありませんでした」と出てしまう事が多かった。この様に検索条件をうまく設定しないと、いつまで経っても商品が出て来ないという欠点があった。

また、スペックをある範囲をもって設定したとしても、少しでもその範囲を逸脱したものは検索されない。5万円以下で検索すれば、5万100円の商品は決して提示されない。しかしもしこれを店頭で店員が行っていたとすれば、「わずかにあなたの指定した金額より高いのですが、こんな商品もあります。」といった対応が可能であるし、また価格等の数量的データではないメーカーにしても「ご指定のメーカーとは違いますが、こちらのメーカーであれば、ご指定のスペックに合う商品があります」という推薦も可能になる。

こういった欠点を解消し得る方法として、ニーズインプット型の推薦（リコメンデーション）システムがあり、スペックを理解していない人でもニーズを聞くことで商品を選ぶ事ができるシステムがあるが、絞り込みながら商品を探すには十分ではなく、類似商品の推薦もできなかった。

一般的に、ファジー検索（類似検索）と言えば、キーワードや文章で検索する場合に、一言一句一致していなくても、類似語、類義語のシソーラス辞書や表記のユレの辞書などを活用し、関連するコンテンツを発見できる検索方法で、商品検索にもよく用いられる。ただ、このファジー検索は、まずどんなキーワードで検索すれば目的のコンテンツに到達できるかは、その商品リテラシーに左右される。また、キーワードに関連するコンテンツは抽出されるが、望むコンテンツに類似したものが検索されるとは限らず、ネガティブなコンテンツが検索される事もあり、一般的な消費者が商品を探すシステムとしては充分なものではなかった。

また、商品のカテゴリーによっては、機能などのスペックだけでは商品を検索したり絞り込んだりする事ができないものもある。たとえば、洋服を選ぶ時などは、カテゴリーや用途、大まかな形状、色やサイズなどのスペックを入力する事で該当商品を検索する事はできる。しかし、デザインの好き嫌いや装飾や模様などはスペックに落とす事が難しく、適切な検索や絞り込みはできない。

この様なスペックに落としにくい商品カテゴリーの商品を探す時には、人の類似性に着目した「協調フィルタリング」などのフィルタリングエンジンを用いたリコメンデーションシステムが使用される事もあるが、協調フィルタリングは膨大な購買データがなければ機能しない。そのため購買データの少ない新商品には不向きである。また、書籍や音楽など嗜好性が大きく影響し、繰り返し購入する商品カテゴリーでは有用だが、家電製品などの耐久消費財に関しては、この商品を買っている人は、こんな商品も買っていますという類似性を定義するデータベース構築ができないので、使うことができない。

フィルタリングエンジンには商品の類似性に着目した「コンテンツベースフィルタリング」もあるが、そもそもスペックで規定しにくい嗜好性の高い商品カテゴリーにおいては、スペックで類似性を定義する事は難しく、しかもその類似性の判断は、個々人の好みに依存する事が多いので、はじめてその商品を購入しようとする人に対しての商品の検索、絞り込みのシステムとしては機能しない。

こういった欠点を解消し得る方法として、スペックでは規定しにくい衣料品などの商材に対して、検索者の感性や検索時の場面に合致した類似商品を検索するシステムが提案されているが、商品の色や内容、画像などの数量的でないアイテムカテゴリー型を用いており、数量的属性の類似度を得ることはできない。

本発明は、商品推薦・検索システムにおいて、検索条件と合致している商品のみを検索するのではなく、合致していないが類似している商品も検索し、コンピュータネットワーク上やオフライン端末において、何らかの形で絞り込まれた商品（消費者が希望する商品）に類似した商品を代替案として推薦することを目的としている。

本発明の他の目的は、スペック検索における属性の中の数量的属性（比尺度や間隔尺度）の類似度を入力情報に応じてリアルタイムに計算する事で類似商品を検索、推薦することにある。

本発明は、複数の商品からなる商品群から希望商品に対する一つ又は複数の類似商品を検索して推薦するシステムであって、各商品の属性・属性水準を格納した商品データベースと、各属性の希望水準を入力させる手段と、入力された各希望水準と各商品の各属性水準との類似度を取得する手段と、取得された各属性についての類似度を用いて、入力された希望水準を備えた希望商品に対する各商品のフィット率を算出する手段と、算出されたフィット率に基づいて、一つ又は複数の類似商品を推薦商品として表示する手段と、を備えた推薦システム、である。また、本発明は、コンピュータプログラム、推薦方法としても提供されるものであり、推薦システムに係る従属項の構成は、コンピュータプログラム、推薦方法についても同様に適用され得る。

一つの態様では、前記類似度は、予め用意されている類似度取得テーブルに基づいて取得される。特に、スペックがアイテムカテゴリーの場合には、システムに予め水準間の類似度を提供するテーブルを格納しておくことが有用である。

一つの態様では、少なくとも一つの属性の属性水準は数値であり、前記類似度取得手段は、当該属性について入力手段から希望水準として入力された数値あるいは数値範囲に対する各商品の属性水準である数値の類似度を算出する関数を備えており、前記類似度算出関数を用いて、入力された数値あるいは数値範囲に対する各商品の属性水準の類似度を算出する。水準が数値で表される属性としては、パソコンであれば、CPUのスピード、HDDの容量、メモリの容量などがあり、デジカメであれば、画素数、重さ、ズームなどがある。その他、家電以外では、不動産であれば、駅からの距離、部屋の大きさ、部屋数などがある。転職であれば、従業員規模、年収、残業時間、年間休日などがある。

一つの態様では、前記関数は、商品の属性水準としての数値が、前記入力された数値あるいは数値範囲から離れるにしたがって類似度が単純減少する関数あるいは段階的に減少する関数（ある一定範囲類似度が同一である）である。他の態様では、前記関数は、商品の属性水準としての数値が、前記入力された数値あるいは数値範囲から一方向にのみ離れるにしたがって類似度が単純減少する関数あるいは段階的に減少する関数である。後者の場合は、その属性の水準が、ある値以上、あるいは、ある値以下であれば、その値と同一と見なすことができるような属性の場合である。後述する実施形態では、具体的に数式が例示されているが、類似度が単純減少する関数あるいは段階的に減少する関数の具体的な数式は、個々の属性および/または属性水準に応じて当業者において適宜最適化され得る。

一つの態様では、前記類似度取得手段は、各商品の前記属性水準である数値が、入力された希望水準である数値に一致するかまたは数値範囲内にあれば類似度を1、入力された希望水準である数値と不一致または数値範囲外にあっても類似性があるものには前記関数に従い0より大きく1より小さい値を割り付け、類似性のないものは類似度を0とする。もちろん、これらの類似度の数値は例示に過ぎない。

一つの態様では、前記フィット率は、各属性の類似度の相乗平均で算出する。フィット率の算出方式は、相乗平均に限定されるものではない。例えば、後述の実施形態に示すような計算式に基づいて計算される。

本発明では、コンピュータネットワーク上やオフライン端末において、何らかの形で絞り込まれた商品（消費者が希望する商品）に類似した商品を代替案として推薦することができる。

検索される商品群の属性の水準が数量で定義されている場合に、検索にあたっては各属性の値または水準の範囲を選択し、その条件と合致した商品が検索されるが、類似度算出関数によって、あらかじめその属性の数値間の類似度計算アルゴリズムが定義されており、スペック条件と合致した商品だけではなく、スペックの近似した類似商品を検索し絞り込んで類似商品を推薦することができ、水準が条件に合致しなくても類似性が高ければ検索される。また、ユーザーが属性の値または水準の範囲を指定すれば、類似度算出関数によって自動的にすべての商品の類似度がリアルタイムに計算される。

本発明に係る推薦システムは、複数の商品からなる商品群から希望商品に対する一つ又は複数の類似商品を検索して推薦するシステムであって、各商品の属性・属性水準を格納した商品データベースと、各属性の希望水準を入力させる手段と、入力された各希望水準と各商品の各属性水準との類似度を取得する手段と、取得された各属性についての類似度を用いて、入力された希望水準を備えた希望商品に対する各商品のフィット率を算出する手段と、算出されたフィット率に基づいて、一つ又は複数の類似商品を推薦商品として表示する手段と、を備えている。そして、少なくとも一つの属性の属性水準は数値であり、当該属性について入力手段から希望水準として入力された数値あるいは数値範囲に対する各商品の属性水準である数値の類似度を算出する関数（類似度計算アルゴリズム）が予め定義されており、前記類似度取得手段は、前記類似度算出関数を用いて、入力された数値あるいは数値範囲に対する各商品の属性水準の類似度を計算する。本発明に係る推薦システムは、一つあるいは複数のコンピュータから構成されており、当該コンピュータは、処理手段、記憶手段、入力手段、出力手段ないし表示手段、コンピュータを動作させる制御プログラム等を備えている。

本発明のシステムは、一つの態様では、図１に示すように、ＥＣサーバとクライアント端末とを有しており、両者はコンピュータネットワークとして例示されるインターネットを介して接続されている。クライアント端末及びサーバは共にコンピュータとしての基本的構成（処理部、記憶部、入力部、出力部ないし表示部、コンピュータを動作させる制御プログラム等）を備えている。また、クライアント端末及びサーバは、コンピュータネットワークを介して相互に情報のやり取りを可能とする送受信手段を備えている。他の態様では、本発明のシステムは、コンピュータネットワーク上ではなく、店頭に設置されたオフライン端末から構成してもよい。

サーバの記憶手段には、商品データベースが格納されている。商品は、複数の商品属性と水準とで定義される。例えば、コンピュータについてみると、商品属性としては、メーカー、価格、ＯＳ、ＣＰＵ、メモリ容量、ハードディスク容量、ディスプレイの大きさ、重さ、ワイド画面の有無、ブランド名、シリーズ名、形状等が例示される。メーカーの水準として、Ａ社、Ｂ社、Ｃ社、Ｄ社、Ｅ社、・・・といった水準が格納され、ＯＳの水準としては、Windows XP Home、Windows XP Pro、Windows 2000 Professional、MacOS X、・・・といった水準が格納され、ＣＰＵの水準としては、Pentium4、PentiumM、PentiumIII-M、CeleronD、CeleronM、・・・といった水準が格納され、ＨＤＤ、メモリ、価格の水準としては、各商品の具体的な数値が格納されている。

本発明は、商品やスペックの類似性に着目した商品検索システムに関するものである。スペックで定義しやすい商品カテゴリーに関して、そのスペックの属性、水準から商品の類似性を計算し、イコールの検索条件ではなく、ある程度の幅を持ったゆるい検索条件で商品を抽出する事ができるようにしたものである。検索の方法としては、例えば「ぴったり検索する」「ファジーに検索する」という2種類のボタンを用意する事で消費者が望む検索をする事ができる。

従来のスペック検索では、たとえばA社、B社、C社、D社、E社の5社があったとき、消費者はどれか1社を選択しなくてはならない。仮に「B社」を選んだとして、その他のスペックで選択した組み合わせの商品が「商品2」ではなかった場合、「該当する商品はありません」という結果になる。絞り込み検索をしているので、もし仮に「D社」にその他のスペックはすべて該当した商品があったとしても、その商品を提示する事はできない。また、もし複数のメーカーを選択できるシステムであっても、選択したメーカーしか検索されないという意味では同様の問題が起きる。

しかし、仮に図２（Ａ）の様にメーカーの類似性が何らかの基軸であらかじめ定義されており、各社間の類似度行列が図2（Ｂ）の様に規定されていれば、「B社」には該当する商品はないが、「B社」によく似た「D社」には該当する「商品4」 と「商品7」がある事を示す事ができる。本発明のデータベースは図３の様な構造になっており、図2の類似度行列に基づき、一定の類似度以上のメーカーにはフラグ2が立っている。もしフラグ1だけで絞り込んだ時に該当する商品がなかった場合、フラグ2の商品を次点として提示する様なアルゴリズムにする事で、上述の通り「B社」では該当する商品がなかったが、よく似た「D社」には該当する商品があるという結論を導く事ができる。

さらに、類似度行列の類似度に応じて、図４の様に複数レベルのフラグを立てる事ができる。たとえば、類似度が高い商品にはフラグ2を立て、低くなるほどフラグの数値を大きくする等である。これにより、もし「B社」にも 「D社」にも該当する商品がない場合も、「D社」よりは多少類似度が小さいが、「B社」とは類似性のある「A社」の「商品1」と「商品6」を提示する事もできる。この時、「商品1」と「商品6」のB社の欄には、低い類似度を示すフラグ4が立っている。

類似性の基軸は、2次元のみではなく、図５の様にn次元空間で論じる事もできる。また類似性の規定において、基軸に重み付けをした上で類似度行列を計算する事もできる。この場合の距離測定には重み付けユークリッド距離などを使用する事ができる。類似性の基軸が個々人によって異なる場合などは、個々人に類似度に関する調査をした上でその重み付けを決定し、個人別に類似度行列やデータベースのフラグ値を変更する事も可能である。

類似度の計算は様々な方法がある。例えばメーカーであれば、国内か海外か、企業規模はどれくらいか、どんな商品を扱っているか等の属性データから計算してもよいし、消費者調査によって各社の企業イメージを数値化してもよいし、類似度を直接質問する事で類似度行列を作成する事もできる。商品やスペックの種類により、何らかの方法で類似度の規定をすれば類似度行列を作成する事ができ、商品データベースに反映する事ができる。

メーカーの様なアイテムカテゴリー型でないスペック、たとえば価格などの場合、従来のデータベースでは、入力された価格に一致する価格帯のみにフラグを立てるのに対して、本発明では図６の様にその価格帯の前後の価格帯にフラグ2を立てる事で、前述と同じアルゴリズムを利用し、指定より少し高価またが安価だが、他の条件は合致している商品を提示する事が可能になる。

例えば、20〜25万円の範囲で商品を探している人がいて、20〜25万円という条件で検索をしたとする。もし価格以外の条件がすべて合致したとしても、価格が26万円の商品しかなかったとすれば、「該当する商品はありません」という結果になる。

しかし、もし図６の様なデータベース構造にしておけば、20〜25万円の範囲では該当する商品がなくても、フラグ2まで拡張して検索する事で、多少価格は高いかもしれないが、その他の条件が合致する商品5を提示する事ができる。この事により、1万円程度なら高くても商品3を購入する可能性があり、アップセルを期待する事ができる。

また、仮により安い価格帯でもその他の条件が合致する商品があったとすれば、おそらく20〜25万円支払わなくては購入できないと思っていた消費者にとっては、これほど有用な情報はなく、商品5を購入する事ができるかもしれない。どちらにしても消費者にとってはより効率的に自分の欲しい商品を検索できる事になる訳で、大きなメリットがある。

ここまでは、メーカーや価格など、１種類のスペックに関してのみ記して来たが、実際にはスペックは複数存在する訳で、ここのスペックについて同じアルゴリズム、同じデータベース構造を適用する事が可能である。

図７において、メーカー、価格の他にメモリを加えている。メモリの場合は、価格と違い上方のみにフラグ2を立てている。512Ｍを指定した人に対して256Ｍを提案する意味はあまり大きくないと考えれば、連続データの場合に下方にフラグを立てないという事も可能である。

D社で価格は20〜25万円、メモリは512Ｍという条件で検索した場合には、商品4が100％ヒットするので、消費者はこれを選択すれば問題ない。しかし、その商品の詳細を検討した結果どうも他のスペックが気に入らないので、もう少し別の商品も検討したいと思ったとする。従来の検索システムでは、ここで再度検索をし直さなくてはならない。

ここで本発明の検索方法を用い、フラグがすべて1ではなくても、１つだけフラグ2があってもよいという条件（ぴったり検索ではなくファジー検索）で検索したとする。結果としては商品2が選択される。商品2は、価格は20〜25万円でメモリは512Ｍと完全に一致しているが、メーカーがD社ではなくB社となっている。B社はD社に類似しているので、場合によっては当初想定していたメーカーを変更して購入する可能性もある。

また、さらにフラグ2が2つあってもよいという条件（さらにファジー検索）で検索する事もできるし、スペック数がN個あれば、N個すべてがフラグ2である商品を検索する事もできる。ただし、すべてがフラグ2の数が増えれば増えるほど、非類似性が増大して行き、本来望んでいた商品とはどんどんかけ離れて行く可能性がある。

また、検索時に毎回フラグの数を指定するのは煩雑であり、ぴったりした商品がない場合やあっても商品数が少ない場合には、ファジー検索で検索された商品に順位をつけて提示する事もできる。

例えばすべてのフラグが1である場合、合致度合いが100％と定義し、全体のスペック数に対し、フラグ1のスペック数の比率を計算し、これを「フィット率」と定義すれば、図８の様に消費者の求めた商品に対して、どの程度の合致度合いかを簡単に提示する事ができる。

複数レベルのフラグを立てた場合、フィット率はさらに精緻に計算できる。n個のスペックに対して、上述のn個のフラグが立った場合のフィット率は、例えば図１０に示す式で表される。

図９の様に、類似性にレベルを設けたデータベースを作成しフィット率を計算すると図１１の通りになる。メーカーの類似性にレベル3を設定した事で、商品3のフィット率が設定された。

上記の態様では、価格等の数量的スペックについて、類似範囲をある数値範囲で捕らえており、同じ類似範囲にある商品の類似度は同一となっていた。次に、数量的スペックの類似度計算の他の手段について説明する。

例えば、図1Ａにおいて、実勢価格15万円未満の範囲で検索をしたとする。もし価格以外の条件がすべて合致したとしても、価格が15万円の商品しかなかったとすれば、「該当する商品はありません」という結果になる。また、ディスプレイサイズは15インチ以上、19インチ未満で探していたとする。この場合、14インチでも20インチでも条件には合致しないので、「該当する商品はありません」という結果になる。本発明においては、図１２に示すように、あらかじめの区間P〜Qの範囲で検索した場合、この範囲をどれくらいはずれたら類似度をいくつにするという定義をしておく。図示の例では、（Ｘｎ／Ｐ）、（Ｑ／Ｘｍ）の３乗とあるが、これをｎ乗（n=1,2,3,…）と一般化することができる。

たとえば、15〜19インチを指定したとしよう。P＝15、Q＝19となるので、スペックXがこの範囲であれば、もちろん検索条件に当てはまるので、類似度は1となる。ところが商品nが14インチだった場合、指定のスペックからははずれているので、通常ではこの商品は抽出されない。しかし、15インチ以上という指定に対し14インチだった場合は、たとえばその類似度を81％と定義することで、本来求めている商品の仕様を100％は満足していないが、満足していない商品の中では最も近い商品として検索結果に出す事ができる。

PCの場合、数値で表せるスペックは、代表的には6種類(実勢価格；CPU周波数；メモリ容量；ハードディスク容量；ディスプレイの大きさ；重さ）があり、これらはすべて比尺度である。図１３を参照しながら説明すると、従来のスペック検索では、すべての条件を満たした商品A、商品B、商品Cしか検索されなかったが、本発明のシステムを用いると、ディスプレイの大きさだけは指定したスペックには合致していないが、類似度が0.81であり、トータルのフィット率は96.5％である商品Xも検索されるようになる。

ここでフィット率は、n個のスペックに対して、n個の類似度が与えられた時、図１０と同様に図１４に示す式で表すことができる。

また、通常のスペック検索や、SNSでの友達やクチコミサイトなどでの推薦などで、商品Aが抽出されたとする。ユーザーが商品Aの詳細ページにアクセスした時に、たとえば商品Aよりは若干実勢価格が高いけれども、モニターが19インチの商品がありますが、いかがでしょう。といった、アップセルのリコメンデーションをする事が可能になる（図１５参照）。

温度の様に間隔尺度の場合は、例えば図１６に示すような、計算式を用いる。居住環境を選ぶ時に、P（0度）からQ（30度）までは快適なので、この範囲で選択するとする。たまにはXn（-2度）やXm（35度）でもいいだろうと考えた時、温度は比尺度ではないので、20度は10度の2倍暑い訳ではない。そこで、温度として考えられる最低気温（Xmin）と最高気温（Xmax）をあらかじめ決めておき、これらを元に類似度Rを計算する。

本発明による推薦システムが組み込まれた情報提供サイトの構成例を示す。 一般的なスペック検索の画面を例示する。 （Ａ）2次元の類似距離を示す。（Ｂ）類似度行列を示す。 本発明のデータベースを示す。 本発明のデータベースを示す。 n次元空間の類似距離を示す。 本発明のデータベースを示す。 本発明のデータベースを示す。 フィット率を示す。 本発明のデータベースを示す。 フィット率の計算方法を示す。 フィット率を示す。 比尺度スペックと類似度の関係を示す。 各スペックの類似度、フィット率と検索結果を示す。 フィット率の計算方法を示す。 各スペックの類似度、フィット率と推薦結果を示す。 間隔尺度スペックと類似度の関係を示す。

Claims (8)

1. 複数の商品からなる商品群から希望商品に対する一つ又は複数の類似商品を検索して推薦するシステムであって、
   各商品の属性・属性水準を格納した商品データベースと、
   各属性の希望水準を入力させる手段と、
   入力された各希望水準と各商品の各属性水準との類似度を取得する手段と、
   取得された各属性についての類似度を用いて、入力された希望水準を備えた希望商品に対する各商品のフィット率を算出する手段と、
   算出されたフィット率に基づいて、一つ又は複数の類似商品を推薦商品として表示する手段と、
   を備えた推薦システム。
2. 前記類似度は、予め用意されている類似度取得テーブルに基づいて取得される、請求項１の推薦システム。
3. 少なくとも一つの属性の属性水準は数値であり、
   前記類似度取得手段は、当該属性について入力手段から希望水準として入力された数値あるいは数値範囲に対する各商品の属性水準である数値の類似度を算出する関数を備えており、前記類似度算出関数を用いて、入力された数値あるいは数値範囲に対する各商品の属性水準の類似度を算出する、
   請求項１，２いずれかに記載の推薦システム。
4. 前記関数は、商品の属性水準としての数値が、前記入力された数値あるいは数値範囲から離れるにしたがって類似度が単純減少する関数あるいは段階的に減少する関数である、請求項３に記載の推薦システム。
5. 前記関数は、商品の属性水準としての数値が、前記入力された数値あるいは数値範囲から一方向にのみ離れるにしたがって類似度が単純減少する関数あるいは段階的に減少する関数である、請求項３に記載の推薦システム。
6. 前記類似度取得手段は、各商品の前記属性水準である数値が、入力された希望水準である数値に一致するかまたは数値範囲内にあれば類似度を1、入力された希望水準である数値と不一致または数値範囲外にあっても類似性があるものには前記関数に従い0より大きく1より小さい値を割り付け、類似性のないものは類似度を0とする、請求項１乃至５いずれかに記載の推薦システム。
7. 複数の商品からなる商品群から希望商品に対する一つ又は複数の類似商品を検索して推薦するためにコンピュータを、
   各商品の属性・属性水準を格納した商品データベースと、
   各属性の希望水準を入力させる手段と、
   入力された各希望水準と各商品の各属性水準との類似度を取得する手段と、
   取得された各属性についての類似度を用いて、入力された希望水準を備えた希望商品に対する各商品のフィット率を算出する手段と、
   算出されたフィット率に基づいて、一つ又は複数の類似商品を推薦商品として表示する手段と、
   して機能させるためのコンピュータプログラム。
8. 複数の商品からなる商品群から希望商品に対する一つ又は複数の類似商品を検索して推薦する方法であって、
   各属性の希望水準を入力させるステップと、
   入力された各希望水準と各商品の各属性水準との類似度を取得するステップと、
   取得された各属性についての類似度を用いて、入力された希望水準を備えた希望商品に対する各商品のフィット率を算出するステップと、
   算出されたフィット率に基づいて、一つ又は複数の類似商品を推薦商品として表示するステップと、
   を有する推薦方法。

Images