JP2008521315A - ユーザープロファイルを更新するための装置および方法 - Google Patents
ユーザープロファイルを更新するための装置および方法 Download PDFInfo
- Publication number
- JP2008521315A JP2008521315A JP2007542394A JP2007542394A JP2008521315A JP 2008521315 A JP2008521315 A JP 2008521315A JP 2007542394 A JP2007542394 A JP 2007542394A JP 2007542394 A JP2007542394 A JP 2007542394A JP 2008521315 A JP2008521315 A JP 2008521315A
- Authority
- JP
- Japan
- Prior art keywords
- user
- interest
- user profile
- content feature
- program
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 20
- 238000012986 modification Methods 0.000 claims description 11
- 230000004048 modification Effects 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000000875 corresponding effect Effects 0.000 description 46
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
-
- 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
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
-
- 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
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
-
- 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
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
-
- 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
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/16—Analogue secrecy systems; Analogue subscription systems
- H04N7/162—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing
- H04N7/163—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing by receiver means only
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本発明は、ユーザープロファイルを更新するための方法を提供した。ユーザープロファイルは少なくとも一つのコンテンツ特徴についてのユーザーの好み度を含む。本方法は、以下のステップを含む:(a)再生している番組に対するユーザーの振る舞いをモニタリングする;(b)前記番組の所定のコンテンツ特徴に対する振る舞いに従って、前記番組についてのユーザーの関心度を取得する;(c)ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従って関心度をしかるべく調整する;(d)ユーザープロファイル中の前記対応するコンテンツ特徴についての好み度を、その番組の前記所定のコンテンツ特徴に対する前記調整された関心度に従って修正する。
Description
本発明は、情報推薦システムに、特に情報推薦システムにおいてユーザープロファイルを更新するための方法および装置に関する。
今日の電気通信技術の発達により、人々は豊富な情報をいつでも入手できる。しかし、急増する情報は時として人々を当惑させる。人々は、本当に大切な情報を見つける助けとなりうるツール、すなわちパーソナル化された情報推薦システムをみつける切迫した必要がある。
ユーザーの絶えず変化する関心についていくため、情報推薦システムにおけるユーザープロファイルは絶えざる更新にもかけられる。したがって、対処されるべき現在の問題は、推薦システムにおけるユーザープロファイルをユーザーの関心(嗜好)に従って動的に修正して、ユーザーが本当に関心のある情報を該ユーザーに推薦するにはどうすればよいかである。
現在のところ、ユーザープロファイルにおけるある番組のさまざまなコンテンツ特徴についてのユーザーの好み度および重みは、通例、ユーザーによるあるプログラムの視聴からの振る舞いに従って修正される。ユーザーの振る舞いとは、ユーザーがその番組をどれだけ長く見ていたか、ユーザーが諸コンテンツ特徴を含む諸番組を何回視聴し、削除したかのことを指す。
コンテンツ特徴とは、ある番組における個別の俳優の名前(たとえば、ファン・ピンピン、グ・ヨウなど)、ジャンル(物語、ロマンス、スリラーなど)、監督(チャン・イーモウ、フォン・シャオガンなど)を指しうる。コンテンツ特徴は、放送、テレビ、インターネットまたはその他の情報源に由来しうる。最も典型的な場合は、コンテンツ特徴が、番組と一緒に電子番組ガイド(EPG)を通じてユーザーに送られるというものである。
しかしながら、あるコンテンツ特徴を含む番組をユーザーが何回視聴し、削除したかは、ユーザーが視聴したかどうかを示すことができるのみであり、ユーザーが実際にそれらに関心があるかないかを反映することはできない。たとえば、ユーザーはチャンネルを変えているときにあるコンテンツ特徴をもつ番組にスキップする。それはユーザーがそのコンテンツ特徴に関心があるということを意味するのではない。ユーザーがその番組を一度視聴したと見なされるべきであり、したがってそれはその後、ユーザープロファイルを修正するための証拠になる。明らかに、そのような慣行はユーザーの実際の関心を反映できない。
それに、ユーザーが本当にある番組に関心があるかどうかを判断するまでにはユーザーが番組の一部分を見るのにいくらかの時間がかかるのが通例である。しばらく見たけれどもユーザーはその番組に関心がないと感じる場合、システムはそれでもユーザーはその番組を視聴したと信じ、ユーザープロファイルにおけるそのコンテンツ特徴についてのユーザーの好み度および重みを修正する。そのような慣行はユーザーの関心の変化を正しく反映することもできない。
同様に、ユーザープロファイル中の各コンテンツ特徴についてのユーザーの好み度および重みを、視聴された回数と削除された回数との比および番組の視聴した長さのみに基づいて修正することもあまり正確ではない。たとえば、短めの所定の総再生時間をもつ番組があり、ユーザーが視聴した時間は総再生時間のほとんどまたは全体さえをも占めるまでになり、それ後、ユーザーは結局は関心がないとわかる。前記視聴した総時間と番組全体の長さとの比を使うことによってその番組に含まれるさまざまなコンテンツ特徴についてのユーザーの好み度および重みが修正されるとしたら、それは、コンテンツ特徴についてのそのユーザーの関心の変化を正しく反映できない。
さらに、ユーザーはある番組を、ただほかにすることがないという理由で見る(たとえば、友達または他の誰かと一緒に見る)。その番組に含まれるさまざまなコンテンツ特徴についてのユーザー好み度および重みが、通常の状況のようにそれに従って修正されるとしたら、それはやはりそのユーザーの本当の関心の変化を包括的かつ正確に反映できない。
一般に、ある番組に含まれるさまざまなコンテンツ特徴についての好み度および重みが、ユーザーがそのある番組を視聴したこと、そのある番組をどのくらいの時間視聴したかまたは視聴しなかったかという振る舞いにのみ基づいて修正されるとしたら、それはそのユーザーの実際の関心の変化を包括的かつ正確に反映できない。
したがって、使用プロファイルを更新するための新たな方法および装置ならびに前記ユーザープロファイルをより包括的かつ正確に修正するためのその情報推薦システムを提供する必要がある。
本発明の一つの目的は、ユーザープロファイルをより包括的かつ正確に修正するためにユーザープロファイルを更新するための方法および装置ならびに情報推薦システムを提供することである。
本発明は、少なくとも一つのコンテンツ特徴についてのユーザーの好み度を含むユーザープロファイルを更新するための方法を開示した。本方法は、以下のステップを含む:(a)再生している番組に対するユーザーの振る舞いをモニタリングする;(b)ユーザーの振る舞いに従って、所定の諸コンテンツ特徴を含む番組についてのユーザーの関心度を取得する;(c)ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従って関心度をしかるべく調整する;(d)ユーザープロファイル中の前記対応するコンテンツ特徴についての好み度を、その番組の前記所定のコンテンツ特徴に対する前記調整された関心度に従って修正する。
ユーザープロファイルは少なくとも一つのコンテンツ特徴についてのユーザーの重みを含んでいる。本方法はさらに、ユーザープロファイル中の前記対応するコンテンツ特徴についてのユーザーの重みを、その番組の前記所定のコンテンツ特徴に対する前記調整された関心度に従って修正する。
本発明のある実施例では、対応する好み度が、ユーザーがユーザープロファイル中の前記対応するコンテンツ特徴に関心がないことを示す場合、関心度は、その関心度のユーザープロファイルへの効果を減らすよう調整される。
もう一つの実施例では、好み度が、ユーザーが前記対応するコンテンツ特徴に関心があることを示す場合、関心度は、その関心度のユーザープロファイルへの効果を増すよう調整される。
本発明で開示されるユーザープロファイル更新方法の一つは、ある特定の番組をユーザーが視聴した時間の長さと、その番組の所定の総再生時間との比に従って番組についての関心度を取得することである。次いで、関心度は、ユーザープロファイル中または他の履歴記録(たとえばユーザーが一つまたは複数のコンテンツ特徴をもつある番組を何回視聴または削除したか)中のそのユーザーについてのさまざまなコンテンツ特徴についての好み度と比較される。次いで、比較の結果に従って関心度が調整され、ユーザーの関心度がより精密に得られる。
たとえば、ユーザープロファイル中のあるコンテンツ特徴についてのもとの好み度が非常に小さいか、あるいはユーザーがほとんどそれを視聴しなかった場合、関心度の好み度に対する効果は低減される。ユーザープロファイル中のあるコンテンツ特徴についてのもとの好み度がきわめて大きいか、あるいは視聴時間が大きい場合には、関心度の好み度に対する効果は低減されず(あるいは好み度が非常に小さな上述の例におけるようにわずかに減らされる)、あるいは増やされることさえある。
したがって、本発明において開示される方法を通じてユーザープロファイルを修正することは、ユーザーが実際には番組をなにげなく見ているとか、チャンネルを変えているとき、あるいは友人と見ているときといった何らかの個別的条件において、通常の状況でのようにユーザープロファイルを修正してしまう可能性を減らし、それによりユーザープロファイルを、ユーザーの関心の変化により正確に従って更新することができる。
本発明は、少なくとも一つのコンテンツ特徴についてのユーザーの好み度を含むユーザープロファイルを更新するための装置を導入する。本装置は、ユーザー対話手段、関心変化解析手段、関心変化調整手段およびユーザープロファイル修正手段を有する。ユーザー対話手段は、再生している番組に関係するユーザーの振る舞いをモニタリングするために使用される。関心変化解析手段は、ユーザーの振る舞いに従って、その番組についてのユーザーの関心度を取得するためのものである。この関心度は、その番組の所定の諸コンテンツ特徴についてのものである。関心変化調整手段は、ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従ってしかるべく関心度を調整するためのものである。ユーザープロファイル修正手段は、ユーザープロファイル中の対応するコンテンツ特徴についての好み度を、その番組の前記所定の諸コンテンツ特徴に対する前記調整された関心度に従って修正するためのものである。
ユーザープロファイルは、少なくとも一つのコンテンツ特徴についてのユーザーの重みを含んでいる。ここで、ユーザープロファイル修正装置は、ユーザープロファイル中の対応するコンテンツ特徴の重みを、その番組の前記所定の諸コンテンツ特徴に対する前記調整された関心度に従って修正するのにも使われる。
本発明の一つの実施例は、関心変化調整装置が、ユーザープロファイル中の前記対応するコンテンツ特徴についての好み度を取得するためにも使われるというものである。好み度が、ユーザーがそのコンテンツ特徴に関心がないことを示す場合、関心度は、その関心度のユーザープロファイルへの効果を減らすよう調整される。
本発明のもう一つの実施例は、好み度が、ユーザーが前記対応するコンテンツ特徴に関心があることを示す場合、関心度は、その関心度のユーザープロファイルへの効果を増すよう調整される。
したがって、本発明において開示される装置を通じてユーザープロファイルを修正することは、ユーザーが実際には番組をなにげなく見ているとか、チャンネルを変えているとき、あるいは友人と見ているときといった何らかの個別的条件において、通常の状況でのようにユーザープロファイルを修正してしまう可能性を減らし、それによりユーザープロファイルを、ユーザーの関心の変化により正確に従って更新する。
本発明で開示される情報推薦システムは、番組受領手段、ユーザープロファイル管理手段、選択手段、ユーザー対話手段、関心変化解析手段、関心変化調整手段およびユーザープロファイル修正手段を有する。ここで、番組受領手段は、番組情報を受領するためのものである。ユーザープロファイル管理手段は、ユーザープロファイルを保存するためのものである。ユーザープロファイルは、少なくとも一つのコンテンツ特徴についてのユーザーの好み度を含んでいる。選択手段は、番組情報から、ユーザーに好まれうる番組情報を、ユーザープロファイルに従って選択し、それらの選択された情報をユーザーに推薦するようにするためのものである。ユーザー対話手段は、推薦された番組情報に対する、ユーザーの振る舞いをモニタリングするためのものである。関心変化解析手段は、ユーザーの振る舞いに従って、その番組についてのユーザーの関心度を取得するためのものである。この関心度は、その番組の所定の諸コンテンツ特徴に関係するものである。関心変化調整手段は、ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従って関心度を調整するためのものである。ユーザープロファイル修正手段は、ユーザープロファイル中の対応するコンテンツ特徴についての好み度を、その番組の前記所定のコンテンツ特徴についての前記調整された関心度に従って修正するためのものである。
本発明において開示されるユーザープロファイルを更新するための方法、装置およびその情報推薦システムは、ある特定の番組を視聴するユーザーの振る舞いを、その番組のさまざまなコンテンツ特徴についてのもとのユーザープロファイルにおける該ユーザーの好み度および重みと組み合わせることで、前記さまざまなコンテンツ特徴についてのユーザーの好み度および重みを修正し、ユーザーの関心の変化に、より包括的かつ正確に追随するようにする。したがって、前記諸コンテンツ特徴についてのユーザーの好み度および重みをしかるべく修正する。
ユーザーが実際には番組をなにげなく見ているとか、チャンネルを変えているとき、あるいは友人と見ているときといった何らかの個別的条件において、本発明は、通常の状況でのようにユーザープロファイルを修正してしまう可能性を減らし、それによりユーザープロファイルを、ユーザーの関心の変化により正確に従って更新することができる。
本発明のその他の目的および成果は、以下の記載および特許請求の範囲を付属の図面とともに参照することならびに本発明の包括的な理解から明らかとなるであろう。
本発明の諸実施形態に従って、本発明について添付の図面に関して詳細に説明する。
すべての図面にわたって、同じ参照符号は同一または同様の特徴および機能を示す。
図1は、本発明のある実施形態に基づく情報推薦システムの構成概略図である。
システム100はユーザー対話装置103、関心変化解析装置104、関心変化調整装置105およびユーザープロファイル修正装置106を有している。ユーザープロファイルは、少なくとも一つのコンテンツ特徴についてのユーザーの好み度および重みを含んでいる。
コンテンツ特徴とは、ある番組における俳優の名前(たとえば、ファン・ピンピン、グ・ヨウなど)、ジャンル(物語、ロマンス、スリラーなど)、監督(チャン・イーモウ、フォン・シャオガンなど)を指す。コンテンツ特徴は、放送、テレビ、インターネットまたはその他の情報源に由来しうる。最も典型的な慣行は、コンテンツ特徴が、番組と一緒に電子番組ガイド(EPG)を通じてユーザーに送られるというものである。
ユーザープロファイル中のコンテンツ特徴は単一のもの、たとえばある特定の俳優だけでもよい。もちろん、ユーザープロファイルは複数のコンテンツ特徴を含んでいてもよい。そうすれば対応する推薦結果はより正確になる。
好み度は、さまざまなコンテンツ特徴に対するユーザーの反応であり、供給者によってあらかじめ決定されているスケール、たとえば[−50,+50]によって反映されることができる。
重みは、ユーザーが番組を選択しているときの、俳優、監督およびジャンルのようなさまざまな型のコンテンツ特徴が選択に対してもつ効果を指す。換言すれば、ユーザーが自分の好みの番組を選ぶ、すなわち、俳優、ジャンルまたは監督に基づいて好みの番組を選ぶときの基準である。あらゆる基準のうちで、あらゆる俳優についての重みは同じであってもよい。あるいは、あらゆる種類についての重みがそうである。あるいはさもなければ、あらゆる監督についての重みがそうである。重みも、供給者によってあらかじめ決定されているスケール、たとえば[0,100]であることができる。
ユーザープロファイルにおける重みおよび好み度は、ユーザーの視聴した番組の履歴記録であることができる。ユーザーが諸番組を見ているとき、たとえばユーザーがある諸コンテンツ特徴をもつ番組を何回視聴および削除したかなど、他の何らかの履歴情報があることがある。
ユーザー対話装置103は、再生している番組に対するユーザーの振る舞いをモニタリングするために使用される。ユーザー対話装置103は、ユーザーと情報推薦システムとの間の対話の橋渡しとして、ユーザーが視聴している番組のフィードバック情報を収集でき、また、ユーザーが視聴する番組を選ぶための推薦情報リストを呈示することができる。前記フィードバック情報はユーザーの振る舞いを含む。
前記推薦情報リストは、表1において表現できる。
前記関心度は、(WDi−θ)/RDi×10として表すことができる。ここで、WDiはある特定の番組をユーザーが視聴していた時間の長さを示し、θは所定の閾値である。この閾値は供給者によって与えられうるもので、通例0.5 RDiである。RDiはその番組の所定の総再生時間を示す。
関心変化調整装置105は、ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従って関心度を調整するために使われる。好み度は、係数を変えることによって調整できる。係数の範囲は供給者が設定でき、たとえば[0.1,1]である。
たとえば、ユーザーが最初から好きな(好み度高)コンテンツについては、関心度は係数0.9または1を乗じられることができる。ユーザーが最初から嫌いな(好み度低)コンテンツ特徴について、関心度は0.1またはさらに小さい係数を乗じられ、それによりその関心度の好み度に対する効果がが低減されることができる。これは、ユーザーが当該コンテンツ特徴を友人と一緒に、あるいは他の理由で見なければならないかもしれないからである。
もちろん、あるコンテンツ特徴についてのユーザーの好み度がユーザープロファイルにおいてきわめて高ければ、関心度のユーザープロファイルに対する効果が増加されることもできる。すなわち、調整係数の範囲は前記の[0.1,1]に制限されず、1を超えてもいい。
ユーザープロファイル修正装置106は、ユーザープロファイル中の対応するコンテンツ特徴についての好み度および重みを、その番組の前記所定の諸コンテンツ特徴についての前記調整された関心度に従って修正するために使われる。それによりユーザープロファイルが動的かつより正確に更新される。
システムはまた、番組受領装置101、選択装置102およびユーザープロファイル管理装置107をも含んでいる。
番組受領装置101は、番組情報および該番組に対応する電子番組ガイド(EPG)を受領するために使われる。
選択装置102は、ユーザーに好まれる番組情報を推薦リストに挙げるために、ユーザーに好まれる番組情報を、受領した番組情報およびユーザープロファイルに従って選択するために使われる。
ユーザープロファイル管理装置107は、ユーザープロファイルを管理するために使われる。ユーザープロファイルは典型的には、複数のコンテンツ特徴についてのユーザーの好み度および重みを含む。
図2は、本発明のある実施形態に基づくユーザープロファイルを更新する方法のフローチャート概略図である。
第一に、ユーザープロファイルが確立される。これは、複数のコンテンツ特徴についてのユーザーの好み度および重みを含む(ステップS210)。
コンテンツ特徴とは、ある番組における俳優の名前(たとえば、ファン・ピンピン、グ・ヨウなど)、ジャンル(物語、ロマンス、スリラーなど)、監督(チャン・イーモウ、フォン・シャオガンなど)を指しうる。コンテンツ特徴は、放送、テレビ、インターネットまたはその他の情報源に由来しうる。最も典型的な慣行は、コンテンツ特徴が、番組と一緒に電子番組ガイド(EPG)を通じてユーザーに送られるというものである。
ユーザープロファイル中のコンテンツ特徴は単一のもの、たとえばある特定の俳優だけでもよい。もちろん、ユーザープロファイルは複数のコンテンツ特徴を含んでいてもよい。そうすれば対応する推薦結果はより正確になる。
好み度は、さまざまなコンテンツ特徴に対するユーザーの反応であり、供給者によってあらかじめ決定されているスケール、たとえば[−50,+50]であることができる。
重みは、ユーザーが番組を選択しているときの、俳優、監督およびジャンルのようなさまざまな型のコンテンツ特徴の選択に対する効果を指す。換言すれば、ユーザーが自分の好みの番組を選ぶ、すなわち、俳優、ジャンルまたは監督に基づいて好みの番組を選ぶときの基準である。あらゆる基準のうちで、あらゆる俳優についての重みは同じであってもよい。あるいは、あらゆる種類についての重みがそうである。あるいはさもなければ、あらゆる監督についての重みがそうである。重みも、供給者によってあらかじめ決定されているスケール、たとえば[0,100]によって反映されることができる。
ユーザープロファイルにおける重みおよび好み度は、ユーザーの視聴する番組の履歴記録であることができる。ユーザーが諸番組を見ているとき、たとえばユーザーがある諸コンテンツ特徴をもつ特定の番組を何回視聴および削除したかなど、他の何らかの履歴情報があることがある。
ユーザープロファイルは、ユーザー自身によって入力され、初期化されることができる。もちろんそれが唯一の方法ではない。ユーザープロファイルを取得するためには利用可能な他の諸方法がある。たとえば、プロデューサーが推薦システムのユーザープロファイルを、ユーザーの基本情報(たとえば性別、年齢など)に従って初期化することができる。
ユーザープロファイルは一連のコンテンツ特徴を含み、そのそれぞれがさらに三項配列(ターム[term]、好み度[like degree]、重み[weight])を含む。したがって、ユーザープロファイル(略してUP)は、三項配列(t,ld,w)のベクトルによって表現できる。ユーザープロファイルにm個の異なるコンテンツ特徴があるとすれば、次のベクトル配列によって表現できる:
UP=((t1,ld1,w1),(t2,ld2,w2),…,(ti,ldi,wi),…,(tm,ldm,wm)) (1)
ここで、tiはコンテンツ特徴、iはコンテンツ特徴tiの添え字、ldiはコンテンツ特徴tiについての好み度、wiはコンテンツ特徴tiについての重みである。
UP=((t1,ld1,w1),(t2,ld2,w2),…,(ti,ldi,wi),…,(tm,ldm,wm)) (1)
ここで、tiはコンテンツ特徴、iはコンテンツ特徴tiの添え字、ldiはコンテンツ特徴tiについての好み度、wiはコンテンツ特徴tiについての重みである。
現在の履歴記録におけるユーザープロファイルについて次のように想定する:
番組ジャンル:重み=90
映画 好み度=50
オペラ 好み度=30
ニュース 好み度=−20(負の値は嫌いな度合いを示す)
したがって、上記の種類のコンテンツ特徴についてのユーザーの関心度の三項配列は(映画,50,90)である。
番組ジャンル:重み=90
映画 好み度=50
オペラ 好み度=30
ニュース 好み度=−20(負の値は嫌いな度合いを示す)
したがって、上記の種類のコンテンツ特徴についてのユーザーの関心度の三項配列は(映画,50,90)である。
俳優:重み=80
A 好み度=45
B 好み度=40
C 好み度=−12.5
したがって、俳優Cについてのユーザーの関心度の三項配列は(C,−12.5,80)である。
A 好み度=45
B 好み度=40
C 好み度=−12.5
したがって、俳優Cについてのユーザーの関心度の三項配列は(C,−12.5,80)である。
俳優Aについてのユーザーの関心度の三項配列は(A,45,80)である。
第二に、再生している番組についてのユーザーの振る舞いをモニタリングする(ステップS220)。ユーザーの振る舞いは、一つまたは複数の所定のコンテンツ特徴をもつ番組をユーザーが視聴していた時間の長さおよび前記特定のコンテンツ特徴を持つ番組をユーザーが何回視聴および削除したかを含む。前記再生している番組は、推薦情報リストから選び出されたものであってもよい。
たとえば、再生している番組が映画Aであり、これが所定のコンテンツ特徴である。番組は一つまたは複数の他のコンテンツ特徴、たとえば俳優Aおよび俳優Cをも含む。これらすべてのコンテンツ特徴は、番組の供給者によって設定されることができ、あるいは番組と一緒に電子番組ガイド(EPG)によってユーザーに送られることができる。
第三に、ユーザーの振る舞いに従って、その番組についてのユーザーの関心度が取得されることができる。その関心度は、その番組の前記所定のコンテンツ特徴に対するものである(ステップS230)。一般に、関心度は、ユーザーがその番組を視聴した時間の長さ、その番組の所定の総再生時間およびある所定の閾値に従って取得される。
前記関心度は、(WDi−θ)/RDi×10として表すことができる。ここで、WDiはその番組をユーザーが視聴した時間の長さを示し、θは所定の閾値、RDiはある特定の番組の所定の総再生時間である。所定の値は供給者によって設定されることができる。たとえば、RDiが2時間であれば、θは0.5時間に設定できる。WDiが0.5時間より短ければ、関心度は0とする。
前述と同様、映画Aがあり、その所定の総再生時間は2時間であり、θは0.5時間である。それに対し、ユーザーはその番組を1.5時間にわたって見ている。公式(WDi−θ)/RDi×10によれば、その番組についてのユーザーの関心度は5である。すなわち換言すれば、その番組に含まれるあらゆるコンテンツ特徴についてのユーザーの関心度、つまり、映画A、俳優Aおよび俳優Cについてのユーザーの関心度はすべて5である。
第四に、ユーザープロファイル中の対応するコンテンツ特徴についての好み度を取得する(ステップS240)。対応するコンテンツ特徴とは、番組に含まれるコンテンツ特徴に対応するものである。コンテンツ特徴に対する好み度は、すでにユーザープロファイル中で利用可能である。
もちろん、ユーザープロファイル中の対応するコンテンツ特徴のための重みも取得されることができる。ユーザープロファイル中の対応するコンテンツ特徴のための重みも利用可能である。
番組のある諸コンテンツ特徴について、ユーザープロファイル中に対応するコンテンツ特徴がないこともありうる。したがって、それらのコンテンツ特徴についての好み度は0に設定される。その一方、重みは同じ種類に従うべきである。すなわち、俳優は、プロファイル中の俳優についての重みに、ジャンルはプロファイル中のジャンルについての重みに従うべきである。
たとえば、映画Aのそれぞれのコンテンツ特徴における俳優Aおよび俳優Cは、プロファイル中の俳優Aおよび俳優Cのコンテンツ特徴に対応する。前記ユーザープロファイル中の俳優Aについての好み度は45であり、重みは80である。一方、前記ユーザープロファイル中の俳優Cについての好み度は−12.5であり、重みは同じ80である。
第五に、ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従って、関心度がしかるべく調整される(ステップS250)。
関心度は係数によって調整できる。係数は1以下の正の小数でありうる。係数のスケールは供給者が設定でき、たとえば[0.1,1]である。係数はまた、ユーザーの好み度およびその他の履歴記録情報の組み合わせを通じて動的に取得することもできる。たとえば、ユーザープロファイル中の好み度およびユーザーがコンテンツ特徴を視聴した回数と削除した回数との比を組み合わせたものを入力として、ファジー論理推論規則によって前記係数を得ることができる。(詳細なステップについては、のちに述べる図3を参照してください。)
映画Aの例を続けると、俳優Aというコンテンツ特徴についてその対応するユーザープロファイル中の好み度は45であり、これはユーザーがその俳優Aというコンテンツ特徴をもともと好きである、あるいはユーザーが俳優Aに関心があることを示す。この場合、前記の関心度5を調整するために大きめの係数、たとえば0.9を採用でき、俳優Aについての調整された関心度は4.5になる。調整幅はどちらかというと小さく、関心度のユーザープロファイルに対する効果を低める度合いは小さい。
映画Aの例を続けると、俳優Aというコンテンツ特徴についてその対応するユーザープロファイル中の好み度は45であり、これはユーザーがその俳優Aというコンテンツ特徴をもともと好きである、あるいはユーザーが俳優Aに関心があることを示す。この場合、前記の関心度5を調整するために大きめの係数、たとえば0.9を採用でき、俳優Aについての調整された関心度は4.5になる。調整幅はどちらかというと小さく、関心度のユーザープロファイルに対する効果を低める度合いは小さい。
一方、俳優Cというコンテンツ特徴については、ユーザープロファイル中のその対応する好み度は−12.5であり、これはユーザーがその俳優Cというコンテンツ特徴を好きでない、あるいはユーザーがもともと俳優Cというコンテンツ特徴に関心がないことを示す。そのような状況では、前記の関心度5を調整するために小さめの係数、たとえば0.3を採用でき、俳優Cについての調整された関心度は1.5になる。調整幅はどちらかというと大きく、関心度のユーザープロファイルに対する効果を低める度合いが大きい。
もちろん、あるコンテンツ特徴についてのユーザーの好み度がユーザープロファイルにおいてきわめて高ければ、関心度のユーザープロファイルに対する効果が増加されることもできる。すなわち、調整係数の範囲は前記の[0.1,1]に制限されず、1より大きいこともできる。
調整された関心度は、対応する好み度および重みを修正するために使われる。したがって、好み度を修正するために使われる関心度を調整する際には好み度調整係数を採用し、重みを修正するために関心度を調整する際には重み調整係数を採用することもできる。二つの係数は相関しており、たとえば重み調整係数は好み度調整係数によって影響を受ける。両者は比例的な依存関係などにある。もちろん、重みおよび好み度を同時に調整するために同じ係数が採用されてもよい。
前記諸コンテンツ特徴に対応する、ユーザープロファイル中の諸コンテンツ特徴についての好み度は異なっている。よって、各コンテンツ特徴に対応する好み度調整係数および重み調整係数も異なっていることがある。結果として、番組に含まれる各コンテンツ特徴に対応する調整された関心度も異なることがある。たとえば、俳優Aというコンテンツ特徴についての調整された関心度と俳優Cについての調整された関心度は異なる。
第六に、番組の所定の諸コンテンツ特徴についての調整された関心度に従って、ユーザープロファイル中の対応する諸コンテンツ特徴についての好み度および重みが修正される(ステップS260)。それによりユーザープロファイルはより正確に動的に修正される。
ユーザープロファイル中のコンテンツ特徴についての好み度および重みを修正することは、次の式によって表現できる:
Weight′ti=Weightti+αt×(WDi−θ)/RDi (2)
Like_degree′i=Like_degreei+βi×(WDi−θ)/RDi (3)
ここで、t(ターム[Term])はコンテンツ特徴、iはコンテンツ特徴、つまりコンテンツ特徴iの添え字、weighttiはコンテンツ特徴iについての初期重みである。一方、like_degreeiは、コンテンツ特徴iについてのユーザーの初期好み度である。weightti′はコンテンツ特徴iについての変更された重みである。、like_degree′iはユーザーの変更された好み度である。WDiはコンテンツ特徴iをもつ番組をユーザーが実際に視聴していた時間の長さを表し、RDiはその番組の所定の総再生時間である。θは所定の閾値である。
Weight′ti=Weightti+αt×(WDi−θ)/RDi (2)
Like_degree′i=Like_degreei+βi×(WDi−θ)/RDi (3)
ここで、t(ターム[Term])はコンテンツ特徴、iはコンテンツ特徴、つまりコンテンツ特徴iの添え字、weighttiはコンテンツ特徴iについての初期重みである。一方、like_degreeiは、コンテンツ特徴iについてのユーザーの初期好み度である。weightti′はコンテンツ特徴iについての変更された重みである。、like_degree′iはユーザーの変更された好み度である。WDiはコンテンツ特徴iをもつ番組をユーザーが実際に視聴していた時間の長さを表し、RDiはその番組の所定の総再生時間である。θは所定の閾値である。
αtとβiはそれぞれ重み調整係数および好み度調整係数である。βiおよびαtは互いに、たとえば比例的な依存関係などで相関しており、αtおよびβiは、コンテンツ特徴iについての重みの関心度(WDi−θ)/RDiおよびコンテンツ特徴iについての好み度の関心度(WDi−θ)/RDiを調整するために使われる。αtおよびβiは通常、重みおよび好み度の変化を遅らせるために使われる。これらは1以下である(可能性としては1より大きい)。ユーザーの好みの重みは比較的安定なので、αt≦βiである。
計算の際、
Weight′iが100より大きい場合には、Weight′i=100に設定し;
Weight′iが0より小さい場合には、Weight′i=0に設定し;
like_degree′iが50より大きい場合には、like_degree′i=50に設定し;
like_degree′iが−50より小さい場合には、like_degree′i=−50に設定する。
Weight′iが100より大きい場合には、Weight′i=100に設定し;
Weight′iが0より小さい場合には、Weight′i=0に設定し;
like_degree′iが50より大きい場合には、like_degree′i=50に設定し;
like_degree′iが−50より小さい場合には、like_degree′i=−50に設定する。
以下の記述も映画Aに基づいている。
俳優Aについてのユーザーの好み度および重みの修正は、次のように表現できる:
αt=0.1βiとする。ここで、βiは前述した0.9であり、したがってαtは0.09である。ここで、iは俳優Cというコンテンツ特徴を指す。
αt=0.1βiとする。ここで、βiは前述した0.9であり、したがってαtは0.09である。ここで、iは俳優Cというコンテンツ特徴を指す。
Like_degree′i=Like_degreei+βi×(WDi−θ)/RDi=45+0.9×5=49.5
Weight′ti=Weightti+αt×(WDi−θ)/RDi=80+0.09×5=80.45
俳優Cについてのユーザーの好み度および重みの修正は、次のように表現できる:
αt=0.3βiとする。βiは前述したように0.3である。したがってαtは0.09である。ここで、iは俳優Cというコンテンツ特徴を指す。
Weight′ti=Weightti+αt×(WDi−θ)/RDi=80+0.09×5=80.45
俳優Cについてのユーザーの好み度および重みの修正は、次のように表現できる:
αt=0.3βiとする。βiは前述したように0.3である。したがってαtは0.09である。ここで、iは俳優Cというコンテンツ特徴を指す。
Like_degree′i=Like_degreei+βi×(WDi−θ)/RDi=−12.5+0.3×5=−11
Weight′ti=Weightti+αt×(WDi−θ)/RDi=80+0.09×5=80.45
俳優Aも俳優Cも俳優(actor)という型に属し、したがって修正された重みはいずれについても同じで80.45である。
Weight′ti=Weightti+αt×(WDi−θ)/RDi=80+0.09×5=80.45
俳優Aも俳優Cも俳優(actor)という型に属し、したがって修正された重みはいずれについても同じで80.45である。
通常、同じ型(たとえば俳優)については同じ重みが使われるが、重みはαtに依存する、すなわち調整された関心度に依存する。したがって、同じ型については重みは一度計算すれば十分である。
本発明で導入されるユーザープロファイルを更新する方法では、コンテンツ特徴についてのユーザーの関心度が、ユーザーが番組を見ていた時間の長さとその番組の所定の総再生時間の長さとの比を通じて取得されたのち、関心度は、その番組または他の履歴記録(たとえば前記一つまたは複数のコンテンツ特徴をもつある番組が何回視聴または削除されたか)のさまざまなコンテンツ特徴についての好み度と比較される。そして、その比較に従って関心度が調整され、ユーザーの関心度がより精密に得られる。
たとえば、ユーザープロファイル中の対応するコンテンツ特徴についての好み度が高くないか、あるいはユーザーがその特徴を視聴する回数が少ない場合、関心度の、対応するコンテンツ特徴についての好み度に対する効果は低減される。ユーザープロファイル中の対応するコンテンツ特徴についての初期好み度が高い場合には、関心度の、対応するコンテンツ特徴についての好み度に対する効果は低減されないことになる。
したがって、たとえばユーザーが実際には番組をなにげなく見ているとき、ユーザーがチャンネルを変えているとき、あるいはユーザーが番組をそれに関心のある友人と見ているときといった何らかの特定的な状況においては、通常の状況のようにユーザープロファイルを修正してしまう可能性は、ここに開示される方法を使うことによって低減される。それによりユーザープロファイルを、ユーザーの関心の変化により正確に従って更新することができる。
図3は、本発明のある実施形態に基づくユーザープロファイル更新のもう一つのフローチャートである。
第一に、ユーザープロファイル中の対応するコンテンツ特徴についての好み度e2および視聴された回数と削除された回数との比e1を入力変数として使い、重み調整係数αtの成分αijを出力変数として使って、複数入力と単一出力との間の関係を変換するファジー論理推論規則を確立する(ステップS310)。すなわち、ユーザープロファイル中の対応するコンテンツ特徴についての好み度およびその他の履歴記録(前記コンテンツ特徴を含む番組についての視聴された回数と削除された回数を指す)が、出力変数αijを取得するための当該ファジー論理推論規則の入力変数として設定される。ここで、
e1=Pfi(+)/Pfi(−)
e2=Like_degreei
である。
e1=Pfi(+)/Pfi(−)
e2=Like_degreei
である。
Pfi(+)/Pfi(−)は、あるコンテンツ特徴を含むいくつかの番組に対する視聴された回数と削除された回数の統計から来る。詳細な情報については表2を参照。
表2において、NfGi(+)またはNfAi(+)は、現在の記録を含め、コンテンツ特徴Gi(関連する番組型についてのコンテンツ特徴i)またはAj(関連する俳優に対するコンテンツ特徴j)をもつ番組に対する視聴した回数を表す。NfGi(−)またはNfAi(−)は、現在の記録を含め、コンテンツ特徴GiまたはAjをもつ番組に対する削除した回数を表す。ユーザーがコンテンツ特徴GiまたはAiをもつ番組を視聴するたびに、NfGi(+)またはNfAi(+)は1インクリメントされる。一方、ユーザーがコンテンツ特徴GiまたはAiをもつ番組を削除するたびに、NfGi(−)またはNfAi(−)は1デクリメントされる。
Nf(+)は、あらゆるコンテンツ特徴をもつ番組に対する視聴回数を示し、一方、Nf(−)はあらゆるコンテンツ特徴をもつ番組に対する削除回数を示す。すなわち、Nf(+)=ΣNfi(+)、Nf(−)=ΣNfi(−)である。
第二に、ファジー論理推論規則を通じて、重み調整係数の成分のファジー値が得られる(S320)。
前記ファジー論理推論規則の過程で、番組はn個の時間セクションに分割され、αjiはコンテンツ特徴iのj番目の時間セクションについての対応する重み調整係数の成分を指す。
複数入力と単一出力変数との間の関係を通じて、重み調整係数の成分αjiはファジー論理推論規則を使って取得される。この実施形態では、αjiのファジー値はファジーなe1およびe2によって得られる。
詳細な推論手順について、図4、図5、図6を参照しつつ説明する。図4は、入力変数e1のファジーグラフであり、図5は入力変数e2のファジーグラフであり、図6は、ファジー論理推論規則によって入力変数e1およびe2から演繹される出力変数αijのファジーグラフである。ユーザーの現在および過去の関心の一貫性(関心度の変化)は、そのユーザーの関心度をどの程度修正すべきかを反映する。現在と過去の関心の一貫性が低いほど多くの調整が必要とされ、したがってαjiはより小さくなる。そうでなければ、αjiはより大きい。したがって、具体的なファジー論理推論規則は次のようになる:
I. e1が「大」かつe2が「好き」ならば、αjiは「大」;
II. e1が「大」かつe2が「中立」ならば、αjiは「より大」;
III. e1が「大」かつe2が「嫌い」ならば、αjiは「中」;
IV. e1が「中」かつe2が「好き」ならば、αjiは「より大」;
V. e1が「中」かつe2が「中立」ならば、αjiは「中」;
VI. e1が「中」かつe2が「嫌い」ならば、αjiは「より小」;
VII. e1が「小」かつe2が「好き」ならば、αjiは「中」;
VIII. e1が「小」かつe2が「中立」ならば、αjiは「より小」;
IX. e1が「小」かつe2が「嫌い」ならば、αjiは「小」。
I. e1が「大」かつe2が「好き」ならば、αjiは「大」;
II. e1が「大」かつe2が「中立」ならば、αjiは「より大」;
III. e1が「大」かつe2が「嫌い」ならば、αjiは「中」;
IV. e1が「中」かつe2が「好き」ならば、αjiは「より大」;
V. e1が「中」かつe2が「中立」ならば、αjiは「中」;
VI. e1が「中」かつe2が「嫌い」ならば、αjiは「より小」;
VII. e1が「小」かつe2が「好き」ならば、αjiは「中」;
VIII. e1が「小」かつe2が「中立」ならば、αjiは「より小」;
IX. e1が「小」かつe2が「嫌い」ならば、αjiは「小」。
図4および図5における値μは、e1およびe2の帰依度(subjection degree)を示している。図6における帰依度μは、図4および図5におけるe1およびe2の帰依度から得られる。
第三に、重み調整係数の成分のクリスプ値を取得する(ステップS330)。すなわち、前記重み調整係数αjiのクリスプ値を取得するために、前記重み調整係数αjiのファジー値が明確化される。
最終結果を容易に理解されるようにするためには、ファジー論理推論規則の結果は明確化された値に変換されなければならない。最も一般的なぼやけ解除アルゴリズムは、面積重心法(area gravity center method)および最大平均値法(maximum average value method)である。前者はなめらかな制御に好適で、あらゆるアクティブ化された出力の規則を合成して結果にするもので、プロセス制御のために一般的な方法である。
本実施形態は面積中心法(Center of Area Method)による非ファジー化法を採用する。これは式(4)によって表される:
上記の公式に従って、αjiのクリスプ値が得られる。詳細な手順については、中国特許出願第200310123354.7号を参照してください。
第四に、重み調整係数を取得する(ステップS340)。これはさらに次の二つのステップを含む:
A. 重み調整係数の成分αjiの平均値を得る。成分のうち、αtjは、型t(俳優、監督、番組ジャンルなどのような)に属するすべてのコンテンツ特徴に対応するαjiの平均値である、すなわち、各時間セクションにおける型tについての重み調整係数αtjである。この手順は、次の式によって実現できる:
A. 重み調整係数の成分αjiの平均値を得る。成分のうち、αtjは、型t(俳優、監督、番組ジャンルなどのような)に属するすべてのコンテンツ特徴に対応するαjiの平均値である、すなわち、各時間セクションにおける型tについての重み調整係数αtjである。この手順は、次の式によって実現できる:
B. 得られた平均値に基づいて、重み調整係数が得られる。H型情報についての重み調整係数αtは次のように得られる:
第五に、好み度調整係数を得る(ステップS350)。
得られた重み調整係数成分のクリスプ値に基づいて、好み度調整係数も得ることができる。好み度調整係数βiは次のように得られる:
第六に、重み調整係数αiおよび好み度調整係数βiに従って、関心度がしかるべく調整される(ステップS360)。
第七に、番組の所定のコンテンツ特徴についての調整された関心度に従って、ユーザープロファイル中の対応するコンテンツ特徴についての好み度および重みが修正される(ステップS370)。
本発明を説明するために実施形態を参照しつつ多くを述べてきたが、当業者にとって、本発明に置き換え、修正および変形をなせる。したがって、そのような置き換え、修正および変形は、付属の請求項の発想および範囲から外れることなく本発明に含められる。
101 番組受領装置
102 選択装置102
103 ユーザー対話装置
104 関心変化解析装置
105 関心変化調整装置
106 ユーザープロファイル修正装置
107 ユーザープロファイル管理装置
S210 ユーザープロファイルを確立。複数のコンテンツ特徴それぞれに対応する、ユーザーの好み度および重みを含む。
S220 再生している番組に対するユーザーの振る舞いをモニタリング。
S230 ユーザーの振る舞いに従って、その番組に対するユーザーの関心度を取得。関心度は、その番組の所定のコンテンツ特徴に対するもの。
S240 ユーザープロファイル中の対応するコンテンツ特徴についての好み度を取得.
S250 ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従って、関心度をしかるべく調整。
S260 番組の所定の諸コンテンツ特徴についての調整された関心度に従って、ユーザープロファイル中の対応する諸コンテンツ特徴についての好み度および重みを修正。
S310 ユーザープロファイル中の対応するコンテンツ特徴についての好み度および前記コンテンツ特徴を含む番組に対する視聴された回数と削除された回数との比を入力変数として使い、重み調整係数の成分を出力変数として使って、ファジー論理推論規則を確立。
S320 重み調整係数の成分のファジー値を取得。
S330 重み調整係数の成分のクリスプ値を取得
S340 重み調整係数を取得
S350 好み度調整係数を取得
S360 重み調整係数および好み度調整係数に従って、関心度がしかるべく調整される.
S370 番組の所定のコンテンツ特徴についての調整された関心度に従って、ユーザープロファイル中の対応するコンテンツ特徴についての好み度および重みが修正される。
102 選択装置102
103 ユーザー対話装置
104 関心変化解析装置
105 関心変化調整装置
106 ユーザープロファイル修正装置
107 ユーザープロファイル管理装置
S210 ユーザープロファイルを確立。複数のコンテンツ特徴それぞれに対応する、ユーザーの好み度および重みを含む。
S220 再生している番組に対するユーザーの振る舞いをモニタリング。
S230 ユーザーの振る舞いに従って、その番組に対するユーザーの関心度を取得。関心度は、その番組の所定のコンテンツ特徴に対するもの。
S240 ユーザープロファイル中の対応するコンテンツ特徴についての好み度を取得.
S250 ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従って、関心度をしかるべく調整。
S260 番組の所定の諸コンテンツ特徴についての調整された関心度に従って、ユーザープロファイル中の対応する諸コンテンツ特徴についての好み度および重みを修正。
S310 ユーザープロファイル中の対応するコンテンツ特徴についての好み度および前記コンテンツ特徴を含む番組に対する視聴された回数と削除された回数との比を入力変数として使い、重み調整係数の成分を出力変数として使って、ファジー論理推論規則を確立。
S320 重み調整係数の成分のファジー値を取得。
S330 重み調整係数の成分のクリスプ値を取得
S340 重み調整係数を取得
S350 好み度調整係数を取得
S360 重み調整係数および好み度調整係数に従って、関心度がしかるべく調整される.
S370 番組の所定のコンテンツ特徴についての調整された関心度に従って、ユーザープロファイル中の対応するコンテンツ特徴についての好み度および重みが修正される。
Claims (14)
- 少なくとも一つのコンテンツ特徴についてのユーザーの好み度を含むユーザープロファイルを更新するための方法であって:
(a)再生している番組に対するユーザーの振る舞いをモニタリングする段階と;
(b)ユーザーの振る舞いに従って、所定のコンテンツ特徴を含む前記番組についてのユーザーの関心度を取得する段階と;
(c)ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従って前記関心度を調整する段階と;
(d)ユーザープロファイル中の前記対応するコンテンツ特徴についての好み度を、その番組の前記所定のコンテンツ特徴に対する前記調整された関心度に従って修正する段階、
とを有する方法。 - 前記ユーザープロファイルが少なくとも一つのコンテンツ特徴についてのユーザーの重みを含んでおり、当該方法がさらに:ユーザープロファイル中の前記対応するコンテンツ特徴についてのユーザーの重みを、その番組の前記所定のコンテンツ特徴に対する前記調整された関心度に従って修正する段階をさらに含む、請求項1記載の方法。
- ステップ(c)がさらに:
(i)ユーザープロファイル中の対応するコンテンツ特徴についての好み度を取得する段階と;
(ii)前記好み度が、ユーザーがそのコンテンツ特徴に関心がないことを示す場合、前記関心度を、その関心度のユーザープロファイルへの効果を減らすよう調整する段階、
とを有する、請求項1記載の方法。 - ステップ(ii)がさらに:前記関心度のユーザープロファイルへの効果を減らすために、前記関心度を、1より小さい係数を乗じることによって調整する段階を有する請求項3記載の方法。
- ステップ(c)がさらに:
ユーザープロファイル中の対応するコンテンツ特徴についての好み度を取得する段階と;
前記好み度が、ユーザーがそのコンテンツ特徴に関心があることを示す場合、前記関心度を、その関心度のユーザープロファイルへの効果を増すよう調整する段階、
とを有する、請求項1記載の方法。 - ステップ(c)がさらに:
ユーザーファイル中の対応するコンテンツ特徴についての好み度を取得する段階と;
前記好み度に基づくファジー推論によって前記関心度を調整する段階、
とを有する、請求項1記載の方法。 - 前記ユーザーの振る舞いが、そのユーザーがその番組を視聴した時間の長さを含む、請求項1記載の方法。
- 少なくとも一つのコンテンツ特徴についてのユーザーの好み度を含むユーザープロファイルを更新するための装置であって:
再生している番組に対するユーザーの振る舞いをモニタリングするユーザー対話手段と;
ユーザーの振る舞いに従って、その番組についてのユーザーの関心度であってその番組の所定のコンテンツ特徴に対する関心度を取得する関心変化解析手段と;
ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従ってしかるべく前記関心度を調整する関心変化調整手段と;
ユーザープロファイル中の対応するコンテンツ特徴についての好み度を、その番組の前記所定のコンテンツ特徴についての前記調整された関心度に従って修正するユーザープロファイル修正手段、
とを有する装置。 - 前記ユーザープロファイルが複数のコンテンツ特徴の重みを含んでおり、前記ユーザープロファイル修正装置が、ユーザープロファイル中の対応するコンテンツ特徴の重みを、前記番組の前記所定のコンテンツ特徴についての前記調整された関心度に従って修正するためにも使われる、請求項8記載の装置。
- 前記関心変化調整手段が、ユーザープロファイル中の前記対応するコンテンツ特徴についての好み度を取得し、該好み度が、ユーザーがそのコンテンツ特徴に関心があることを示す場合、前記関心度を、その関心度のユーザープロファイルへの効果を増すよう調整するためにも使用される、請求項8記載の装置。
- 前記関心変化調整手段が、ユーザープロファイル中の前記対応するコンテンツ特徴についての好み度を取得し、該好み度が、ユーザーがそのコンテンツ特徴に関心がないことを示す場合、前記関心度を、その関心度のユーザープロファイルへの効果を減らすよう調整するためにも使用される、請求項8記載の装置。
- 前記関心変化調整手段が、ユーザープロファイル中の前記対応するコンテンツ特徴についての好み度を取得し、該好み度に基づいてファジー推論により前記関心度を調整するためにも使用される、請求項8記載の装置。
- 前記ユーザーの振る舞いが、そのユーザーがその番組を視聴した時間の長さを含む、請求項8記載の装置。
- 番組情報を受領する番組受領手段と;
少なくとも一つのコンテンツ特徴についてのユーザーの好み度を含んでいるユーザープロファイルを保存するユーザープロファイル管理手段と;
前記番組情報から、ユーザーに好まれうる番組情報をユーザープロファイルに従って選択して、選択された情報をユーザーに推薦するようにする選択手段と;
推薦された番組情報に対するユーザーの振る舞いをモニタリングするユーザー対話手段と;
ユーザーの振る舞いに従って、その番組についてのユーザーの関心度であってその番組の所定のコンテンツ特徴に対する関心度を取得する関心変化解析手段と;
ユーザープロファイル中の対応するコンテンツ特徴についての好み度に従って前記関心度を調整する関心変化調整手段と;
ユーザープロファイル中の対応するコンテンツ特徴についての好み度を、その番組の前記所定のコンテンツ特徴についての前記調整された関心度に従って修正するユーザープロファイル修正手段、
とを有する情報推薦システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200410095756 | 2004-11-18 | ||
PCT/IB2005/053732 WO2006054222A1 (en) | 2004-11-18 | 2005-11-14 | Apparatus and method for updating user profile |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008521315A true JP2008521315A (ja) | 2008-06-19 |
Family
ID=35708452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007542394A Pending JP2008521315A (ja) | 2004-11-18 | 2005-11-14 | ユーザープロファイルを更新するための装置および方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20090138326A1 (ja) |
EP (1) | EP1815679A1 (ja) |
JP (1) | JP2008521315A (ja) |
KR (1) | KR20070084368A (ja) |
WO (1) | WO2006054222A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009080808A (ja) * | 2007-09-20 | 2009-04-16 | Alcatel-Lucent | コンテンツの自動インデクシングのための装置 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7581237B1 (en) | 2000-10-30 | 2009-08-25 | Pace Plc | Method and apparatus for generating television program recommendations based on prior queries |
US7668821B1 (en) | 2005-11-17 | 2010-02-23 | Amazon Technologies, Inc. | Recommendations based on item tagging activities of users |
US8260787B2 (en) * | 2007-06-29 | 2012-09-04 | Amazon Technologies, Inc. | Recommendation system with multiple integrated recommenders |
US7949659B2 (en) * | 2007-06-29 | 2011-05-24 | Amazon Technologies, Inc. | Recommendation system with multiple integrated recommenders |
US8751507B2 (en) * | 2007-06-29 | 2014-06-10 | Amazon Technologies, Inc. | Recommendation system with multiple integrated recommenders |
US8065619B2 (en) * | 2007-09-04 | 2011-11-22 | Yahoo! Inc. | Customized today module |
US8504558B2 (en) * | 2008-07-31 | 2013-08-06 | Yahoo! Inc. | Framework to evaluate content display policies |
US7991650B2 (en) | 2008-08-12 | 2011-08-02 | Amazon Technologies, Inc. | System for obtaining recommendations from multiple recommenders |
US7991757B2 (en) * | 2008-08-12 | 2011-08-02 | Amazon Technologies, Inc. | System for obtaining recommendations from multiple recommenders |
US8244517B2 (en) | 2008-11-07 | 2012-08-14 | Yahoo! Inc. | Enhanced matching through explore/exploit schemes |
US8301624B2 (en) | 2009-03-31 | 2012-10-30 | Yahoo! Inc. | Determining user preference of items based on user ratings and user features |
US8612435B2 (en) * | 2009-07-16 | 2013-12-17 | Yahoo! Inc. | Activity based users' interests modeling for determining content relevance |
US9213776B1 (en) | 2009-07-17 | 2015-12-15 | Open Invention Network, Llc | Method and system for searching network resources to locate content |
US8910232B2 (en) * | 2009-09-14 | 2014-12-09 | At&T Intellectual Property I, Lp | System and method of analyzing internet protocol television content for closed-captioning information |
US8600979B2 (en) | 2010-06-28 | 2013-12-03 | Yahoo! Inc. | Infinite browse |
CN103455485A (zh) * | 2012-05-28 | 2013-12-18 | 中兴通讯股份有限公司 | 自动更新用户兴趣模型方法及装置 |
US10091555B1 (en) * | 2014-06-27 | 2018-10-02 | ThinkAnalytics | Linear programming consumption learning system |
CN105049942B (zh) * | 2015-07-30 | 2018-01-12 | 四川长虹电器股份有限公司 | 为点播影视节目标签增加权重系数的方法及装置 |
US11675833B2 (en) * | 2015-12-30 | 2023-06-13 | Yahoo Assets Llc | Method and system for recommending content |
KR102030383B1 (ko) * | 2018-01-29 | 2019-10-10 | 대구대학교 산학협력단 | 컨텐츠 기반의 광고 타깃 장치 및 방법 |
Family Cites Families (9)
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 |
US6236978B1 (en) * | 1997-11-14 | 2001-05-22 | New York University | System and method for dynamic profiling of users in one-to-one applications |
KR100343155B1 (ko) * | 1998-04-30 | 2002-08-22 | 삼성전자 주식회사 | 퍼지네트워크를이용한사용자정보구조제공방법 |
FR2790352B1 (fr) * | 1999-02-26 | 2001-04-27 | Thomson Multimedia Sa | Dispositif de surveillance ou gestion d'un recepteur de television |
US7441260B1 (en) * | 2000-09-20 | 2008-10-21 | Koninklijke Philips Electronics, N.V. | Television program recommender with automatic identification of changing viewer preferences |
US7581237B1 (en) | 2000-10-30 | 2009-08-25 | Pace Plc | Method and apparatus for generating television program recommendations based on prior queries |
US7721310B2 (en) * | 2000-12-05 | 2010-05-18 | Koninklijke Philips Electronics N.V. | Method and apparatus for selective updating of a user profile |
US20020075320A1 (en) * | 2000-12-14 | 2002-06-20 | Philips Electronics North America Corp. | Method and apparatus for generating recommendations based on consistency of selection |
US20030066067A1 (en) * | 2001-09-28 | 2003-04-03 | Koninklijke Philips Electronics N.V. | Individual recommender profile modification using profiles of others |
-
2005
- 2005-11-14 KR KR1020077011360A patent/KR20070084368A/ko not_active Application Discontinuation
- 2005-11-14 EP EP05802173A patent/EP1815679A1/en not_active Withdrawn
- 2005-11-14 JP JP2007542394A patent/JP2008521315A/ja active Pending
- 2005-11-14 US US11/719,312 patent/US20090138326A1/en not_active Abandoned
- 2005-11-14 WO PCT/IB2005/053732 patent/WO2006054222A1/en active Application Filing
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009080808A (ja) * | 2007-09-20 | 2009-04-16 | Alcatel-Lucent | コンテンツの自動インデクシングのための装置 |
Also Published As
Publication number | Publication date |
---|---|
EP1815679A1 (en) | 2007-08-08 |
KR20070084368A (ko) | 2007-08-24 |
US20090138326A1 (en) | 2009-05-28 |
WO2006054222A1 (en) | 2006-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008521315A (ja) | ユーザープロファイルを更新するための装置および方法 | |
JP4768208B2 (ja) | 暗黙的及び明示的な視聴の選択を使用した推薦スコアを生成するための方法及び装置 | |
JP2008522479A (ja) | 番組へのユーザー関心度を推定する装置および方法 | |
KR100891444B1 (ko) | 사용자 프로파일의 선택적 갱신을 위한 방법 및 장치 | |
JP2005530255A (ja) | 適応性ステレオタイプ・プロフィールを適用してユーザに関心アイテムを推奨するための方法及び装置 | |
CN1199465C (zh) | 根据选择一致性产生推荐的方法和装置 | |
US7509662B2 (en) | Method and apparatus for generation of a preferred broadcasted programs list | |
JP2007515724A (ja) | 優先度手法を用いた通信方法及び通信システム | |
KR101025197B1 (ko) | 프로그램 특징의 빈도 프로파일의 증가를 제어하는 방법 및 시스템 | |
US20040073918A1 (en) | Automatic user profiling | |
JP4909033B2 (ja) | 番組検索装置 | |
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 | |
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 | |
JP2008525875A (ja) | コンテンツを推薦するための方法及び装置 | |
KR20080021069A (ko) | 콘텐츠에 대한 사용자 그룹의 전체 관심을 추정하기 위한방법 및 장치 | |
CN1679331A (zh) | 创建用户简档和为用户的下次选择指定建议的方法 | |
JP2008529117A (ja) | ユーザグループの共通の興味の度合いを得る方法及び装置 | |
US20040003391A1 (en) | Method, system and program product for locally analyzing viewing behavior | |
JP2005529415A (ja) | ファジィ集約結合を通じた推薦スコアの判断の融合 | |
RU2532703C2 (ru) | Рекомендующая система со смещением | |
JP2007501581A (ja) | Tv番組の視聴状態に依存した推薦スコアの変換 | |
Dai et al. | Dynamic personalized TV recommendation system | |
WO2003090466A2 (en) | Improved programme selection |