JP2008542870A - コンテンツに対するユーザの群の全体の関心を推定するため方法及び装置 - Google Patents
コンテンツに対するユーザの群の全体の関心を推定するため方法及び装置 Download PDFInfo
- Publication number
- JP2008542870A JP2008542870A JP2008512984A JP2008512984A JP2008542870A JP 2008542870 A JP2008542870 A JP 2008542870A JP 2008512984 A JP2008512984 A JP 2008512984A JP 2008512984 A JP2008512984 A JP 2008512984A JP 2008542870 A JP2008542870 A JP 2008542870A
- Authority
- JP
- Japan
- Prior art keywords
- group
- users
- interest
- priority
- content
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本発明は、コンテンツに対するユーザの群の全体の関心を推定する方法であって、前記ユーザの群は少なくとも2人のメンバを含み、前記方法は、前記コンテンツの利用可能な時間スライス及び含まれる特徴に関連する情報を取得するステップと、異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を取得するステップと、前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するステップと、を有する方法に関する。
Description
本発明は情報処理技術に関し、特にコンテンツに対するユーザの群の全体の関心を推定するための方法及び装置に関する。
社会発展及び技術進歩に伴って、人々が取得してきた知識は指数関数的に増大している。膨大な量の利用可能な情報のため、日々の骨折り仕事から人々を解放し、人々がより効果的に創造的な労働を追及し、より良く生活を楽しむことを可能とする、情報の自動初期処理が可能な方法及び装置が至急必要とされている。
コンテンツ推薦は情報処理の分野において非常にホットな技術であり、基本原理は、予め設定された決定条件に基づいてコンテンツを解析し、特定のユーザ又はユーザの群の関心の度合い(以下関心と呼ぶ)を見出し、次いで該コンテンツを前記ユーザ又はユーザの群に推薦するか否かを決定するというものである。該技術は、テレビジョン番組の推薦において幅広い用途を持つことが予期される。このため、この背景に対して多くの研究が現在実行されている。
コンテンツの推薦を受けるのは個々のユーザであっても良いし、又は少なくとも2人のユーザ又はメンバで構成されるユーザの群であっても良い。例えば、ユーザの群は家族のメンバで構成されても良いし、又は同じ寮に住むルームメイトで構成されても良い。個人のユーザに比べて、ユーザの群は該群のメンバの相互効果に関連する。それ故、ユーザの群の関心の解析及び評価は、個人のユーザの場合に比べて複雑となる。
2001年3月28日出願の「Method and Apparatus for Generating Recommendations for a Plurality of Users」と題された米国特許出願US09/819440において、ユーザに対する推薦の結果を決定する方法が開示されている。該特許出願の発明者は、Lalitha Agnihotri及びSrinivas Guttaであり、ライセンシーはPhilips Electronics North America Corp.社である。該特許出願に開示された実施例においては、推薦結果が、情報又はコンテンツに含まれる特徴に対するユーザの群中のそれぞれのユーザの好み(preference)の計算から導出された、推薦ポイント又は混成推薦ポイントを用いて表現される。米国特許出願US09/819440の開示内容は、参照によりここで挿入されたものとする。
米国特許出願US09/819440の特定の実施例においては、推薦ポイントを決定するための方法は最初に、電子番組ガイド(EPG)、即ち電子的な形態で存在するテレビジョン番組予測情報を取得する。次いで、各特徴に対する各視聴者の好みを含む、ユーザの群のメンバのプロファイル300を取得する。その後、必要であれば、各特徴に対する各ユーザの好みを、同一の数値的な格付けへと変換する。続く処理ステップは、上述した視聴者プロファイルに基づき、番組が推薦に値する度合い、即ち各視聴者に番組が推薦されるポイントを決定することである。該群の全ての視聴者の推薦ポイントが得られた後、全ての視聴者の推薦ポイントを組み合わせ、全ての視聴者の推薦ポイントから加重平均値または算術平均値をとるといった方法で、ユーザの群の全体の推薦ポイントを導出する。最後に、該ユーザの群の計算された推薦ポイントを出力する。
コンテンツに対するユーザの群の全体としての関心、即ち全体の関心(total interest)をより適切に決定するため、より多くの要因が考慮に入れられても良い。
本発明の1つの目的は、ユーザの群に対してコンテンツをより個々に適した態様で推薦するために、コンテンツに対するユーザの群の全体の関心を正確に決定することにある。
一態様については、本発明は、コンテンツに対するユーザの群の全体の関心を推定する方法であって、前記ユーザの群は少なくとも2人のメンバを含み、前記方法は、前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するステップと、異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を取得するステップと、前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するステップと、を有する方法を提供する。
実施例の1つにおいては、各前記メンバの優先度の値は、前記メンバの1人の前記優先度の値が少なくとも2つの時間スライスにおいて異なり、前記2つの時間スライスは1日を分割した複数の時間スライスからのものであるように構成され、又は、各前記メンバの優先度の値は、前記メンバの1人の前記優先度の値が、少なくとも2つの異なる日の同一の時間スライスにおいて異なるように構成される。
他の実施例においては、前記決定するステップは、異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する好みの値に基づき、異なる時間スライスに含まれる前記特徴に対する前記ユーザの群の関心の値を決定するステップと、前記利用可能な時間スライスに基づいて、前記群の関心の値を決定するステップと、前記群の関心の値を組み合わせて、前記全体の関心を導出するステップと、を有する。
他の態様については、本発明は、ユーザの群に対してコンテンツを推薦するための方法であって、前記ユーザの群は少なくとも2人のメンバを含み、前記方法は、前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するステップと、異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を受信するステップと、前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するステップと、前記全体の関心に基づき、前記ユーザの群に対して推薦するステップと、を有する方法を提供する。
本発明の更に他の態様は、コンテンツに対するユーザの群の全体の関心を推定するための装置であって、前記ユーザの群は少なくとも2人のメンバを含み、前記装置は、前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するための手段と、異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を受信するための手段と、前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するための手段と、を有する装置を提供する。
実施例の1つにおいては、各前記メンバの優先度の値は、前記メンバの1人の前記優先度の値が少なくとも2つの時間スライスにおいて異なり、前記2つの時間スライスは1日を分割した複数の時間スライスからのものであるように構成され、又は、各前記メンバの優先度の値は、前記メンバの1人の前記優先度の値が、少なくとも2つの異なる日の同一の時間スライスにおいて異なるように構成される。
他の実施例においては、前記決定する手段は、異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する好みの値に基づき、異なる時間スライスに含まれる前記特徴に対する前記ユーザの群の関心の値を決定するための生成手段と、前記利用可能な時間スライスに基づいて、前記群の関心の値を決定するための検索手段と、前記群の関心の値を組み合わせて、前記全体の関心を導出するための計算手段と、を有する。
本発明の更に他の態様は、ユーザの群に対してコンテンツを推薦するための装置であって、前記ユーザの群は少なくとも2人のメンバを含み、前記装置は、前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するための取得手段と、異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を受信するための受信手段と、前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するための決定手段と、前記全体の関心に基づき、前記ユーザの群に対して推薦するための推薦手段と、を有する装置を提供する。
本発明の更に他の態様は、コンテンツに対するユーザの群の全体の関心を推定するためのコンピュータプログラムであって、前記ユーザの群は少なくとも2人のメンバを含み、前記コンピュータプログラムは、前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するためのコードと、異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を取得するためのコードと、前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するためのコードと、を有するコンピュータプログラムを提供する。
本発明はまた、コンピュータプログラムを含むメモリ担体に関する。
本発明においては、各群のメンバのコンテンツ選択に対する影響力が動的である多くの状態に適合するように、群の各メンバの優先度が時間により変化し、それによりユーザの群に対してより正確にコンテンツを推薦する方法が利用され得る。
一実施例においては、メンバの優先度は、時間スライス毎に変化するように設定され得る。本実装は、単純さ及び柔軟さという利点を持ち、テレビジョン番組の関心推定及び推薦に適する。その上、各時間スライスにおける各特徴に対するユーザの群の関心がこれに基づいて予め計算されることができ、該関心が全体の関心の後続する計算において利用され、計算費用を低減させ、かくしてハードウェア構造を単純化する。
添付図面と併せて以下の説明及び請求項から、本発明のこれらの及び他の目的及び利点は明らかであり、本発明は更に十分に理解されるであろう。
全ての図面において、同一の参照番号は同様の又は同一の特徴又は機能を示す。
以下は、図面に基づく、本発明の好適な実施例の詳細な説明である。
図1は、コンテンツに対するユーザの群の全体の関心を推定するための、本発明の方法による好適な実施例を示すフロー図である。例えば、該コンテンツはテレビジョン番組である。
図1に示されるように、ステップS110において、各特徴に対する群の全てのメンバの好み及びテレビジョン番組の選択におけるメンバの優先度を含む、ユーザデータが取得される。該ユーザデータ及び他のユーザに関連するデータが、将来の利用のため、ユーザプロファイルに保存されても良い。好ましくは、該ユーザプロファイルは、所定のフォーマットのデータファイルである。該プロファイルは、番組プロバイダにより定期的に更新されるか、又は群のメンバの要求により群のメンバによる修正によって修正されても良い。以下の表1及び2はそれぞれ、ユーザデータの2つのカテゴリのデータ構造を示す。
ユーザデータは、種々の方法で取得される。例えば、全体の関心の計算の機能を実行するためにセットトップボックスが利用される場合、該セットトップボックスが、例えばケーブルテレビジョンネットワーク又はLANを通して、番組プロバイダのリモートのサーバからユーザデータをダウンロードすることによりユーザデータを取得しても良い。このとき、リモートのサーバにおいて供給されるユーザデータは、多くの家庭のサンプルから得られる静的なデータであっても良いし、又は家族のメンバが入力装置によって個人的にユーザデータを設定し、全体の関心の計算のためにセットトップボックスのような装置にこれらユーザデータを保存しても良い。また、家族のメンバのテレビジョン視聴の情報が、テレビジョンセットの近くに設置された監視装置(例えばビデオカメラ及びリモートコントローラ)によって自動的に収集され、該情報がセットトップボックスに送信され、又はネットワークを通してリモートのサーバへと送信され、統計及び解析を介してユーザデータを形成しても良い。
表1は、各特徴に対する群の各メンバの好みのデータを含む。ユーザの群は、父親、母親、子供1及び子供2から構成されている。視聴されるテレビジョン番組はA乃至Kの計11個の特徴を含み、ここでAは番組が英語による番組又は主に英語による番組であることを示し、B、C及びDはそれぞれ番組がコンピュータ、数学及び化学に関するものであることを示し、Eはロマンチックな映画の番組を表し、F及びGはそれぞれ番組が漫画又は連続番組であることを示し、Hはニュース番組を表し、Iはコマーシャルであり、Jはコメディー番組であり、Kはスポーツ番組である。表中の数値は、それぞれの特徴に対するメンバの好みを示す。即ち、本実施例においては、数値は、コンテンツに含まれる特徴に対する群の各メンバの好みを記述する又は示すために利用される。例えば、子供1は漫画の映画を観ることを好み、それ故漫画の映画に対する子供1の好みは0.8である。子供1は連続番組及びニュースには関心がないため、対応する値は0である。加えて、子供1はコマーシャルを観ることを嫌っているため、該特徴に対する子供1の好みの値は−0.6である。他の家族のメンバも、それぞれの好みによって、対応する値を付与されている。
表2は、群の各メンバの優先度データを含む。関心計算方法の説明が示すであろうように、ここでの優先度は、ユーザの群の全体の関心に対するメンバの影響を表す。高い優先度は、全体の関心に対するメンバの比較的顕著な影響を意味し、又はその逆が成り立つ。
表2が示すように、本例においては、テレビジョン番組視聴時間が4つの時間スライスに分割され、異なる時間スライスにおける各メンバの優先度は一定のままではない。例えば18:30〜19:30の時間スライスをみると、まだ早い時間であるため、親は一般に子供達にテレビジョンを観ることを許可しており、それ故子供1及び子供2についての優先度値は共に1である。深夜が近づくと、子供達がテレビジョンセットの前にいる確率は減少し、子供達の優先度が徐々に減少する。それ故、或る程度、時間により変化する優先度が、テレビジョン番組の視聴者の変化を反映している。他の例では、母親の優先度は毎日18:30〜19:30では他のメンバより低く(0.1の値をとる)、20:30〜21:30の時間スライスでは他のメンバより高い(0.7の値をとる)。前者の低い優先度は、家庭の雑用のため忙しくTVを観られないからである。後者の時間スライスは、母親の空き時間である。母親のTVを観る急な要求に対処するため、母親がテレビジョン番組の選択に発言権を持つことを確実にするために、優先度が非常に高い値に設定され得る。
本実施例においては、一日の異なる時間スライスにおいては、優先度が異なる値をとる。この方法は、テレビジョン番組の関心の推定及び推薦に比較的適している。その上、家族のメンバの視聴習慣に対する休日という要因の影響を反映させるため、就業日と休日とで、時間スライスにおける優先度の変化のために異なる値がとられる。しかしながら、時間により優先度を変化させる他の方法が利用されても良いことは、指摘しておく価値がある。例えば、休日及び季節の要因を反映するために年、月又は日により異なる優先度値がとられ、又は優先度が時間と共に変化する数学的な関数の形で示される。
結論として、異なる時間において好みと優先度値との組み合わせを適切に設定することにより、全体の関心を決定する際に、受信されるコンテンツのオブジェクトの時間変化する要因が考慮され、それにより包括的で正確な推薦結果を促進する。
再び図1を参照すると、ユーザデータを取得するステップS110を実行した後、ステップS120に入り、各時間スライスにおける各特徴に対するユーザの群の関心(本発明においては特徴関心とも呼ぶ)を計算する。以下の節では、特徴関心の計算の具体的な方法が詳細に議論される。
次いでステップS130に入り、ステップS120において計算された各時間スライスにおける各特徴に対するユーザの群の関心を保存するユーザプロファイルを生成する。表3は、該プロファイルの構造形式の例を示す。図3において、特徴A乃至Kは、各時間スライスにおける特徴の1つに関するユーザの群の関心を表す、4つの時間スライスにおけるそれぞれの計算値を持つ。単にプロファイル構造を表現するという目的のため、幾つかの空白には特定の値が示されていない。示されているものは、時間スライス20:30〜21:30におけるA、E及びGの計算値である。
かくして、ユーザの群のプロファイルが形成された。番組に対するユーザの群の全体の関心は、該番組に含まれる各特徴に対する群のユーザの関心に依存し、それ故、後続する全体の関心の計算のステップにおいて、前記ステップS110乃至130を繰り返す必要なく、ユーザの群のプロファイルから該番組に含まれる特徴に対する関心の対応する値をとることで十分であることは、指摘しておく価値がある。
ユーザの群のプロファイルは、或る期間(例えば1週間)の間は不変のままであっても良い。該期間の間、番組推薦を実行するときはいつでも、ユーザの群のプロファイルは、ステップS110乃至130を繰り返す必要なく、直接に取得され利用される。取得及び利用の簡便さのため、ユーザの群のプロファイルは、全体の関心の計算のステップにおける後の利用のため、データファイルに書き込まれても良い。全体の関心がセットトップボックスにおいて計算される場合、ユーザの群のプロファイルは、ネットワークを通してリモートのサーバからダウンロードされて取得されても良いし、又は該セットトップボックスに含まれるメモリから取得されても良い。ユーザデータにおける変更を反映するためにユーザデータが定期的に又はランダム的に更新された後、ユーザの群のプロファイルはステップS110乃至130を利用して再計算されるべきであることは、指摘しておく必要がある。
図1を参照すると、次いでステップS140に入り、テレビジョン番組に含まれる特徴及び放送時間に関連するデータを取得する。該データは、プロバイダのデータベースにおいて所定のデータ構造で保存されても良いし、全体の関心を取得する機能を実行するための手段により利用されるためにユーザの群に送信されるEPGに含められても良い。これらデータを供給する手段が、全体の関心を取得するための手段と物理的に独立している場合には、一度に、全体の関心を取得するための手段にこれらデータの全てを入力することが好ましい。全体の関心が計算されるべきテレビジョン番組が、感傷的な恋物語を描く元の英語の連続番組であり、それ故該番組が含む特徴はA、E及びGであると仮定する。その上更に、該番組の放送時間が20:40〜21:20(時間スライス20:30〜21:30に含まれる)と仮定する。
次いでステップS150に入り、ステップS130において生成されたユーザの群のプロファイルから前記連続番組の各特徴に対する好みを検索する。ここで、放送時間がちょうど時間スライス20:30〜21:30に含まれるため、対応する好みデータは図3に示された表から直接見出され得る。該テレビジョン番組に含まれる特徴A、E及びGに対する関心データがそれぞれ0.37、0.145及び−0.015であると仮定する。生じる見込みが高い状況は、番組の放送時間が2つの時間スライスに跨る場合である。例えば20:25〜21:15という放送時間は、表2に示された19:30〜20:30及び20:30〜21:30という2つの時間スライスに亘る。この問題は、以下のような方法で対処され得る。
第1の方法は以下のように進む。番組が含まれる時間スライスが、該番組が放送を開始される時間によって決定される。上述の仮定状況の下では、前記番組は19:30〜20:30の時間スライスにあるとみなされる。第2の方法は正反対であり、番組が終了する時間によって時間スライスが決定される。このとき、前記番組は20:30〜21:30の時間スライスにあるとみなされる。2つの異なる時間スライスにおける番組の継続時間によって、別個の時間スライスに基づいて各特徴に対する関心が計算される、更に他の方法もある。即ち、放送の継続時間を重みとして用いて、特徴に対する関心の加重平均値を、該特徴に対するユーザの群の関心の最終値として計算する。
次いでステップS160に入り、ステップS150において得られた対応する放送時間スライスにおける各特徴に対するユーザの群の関心を組み合わせて、該番組に対する全体の関心を得る。例えば、以下の式によって計算された、該番組に含まれる各特徴に対するユーザの群の関心の算術平均値又は加重平均値が、全体の関心Pとして利用されても良い:
ここでSi jは時間スライスiにおける特徴jに対するユーザの群の関心であり、WSjは特徴jの重みであり、mはテレビジョン番組の特徴の数である。S140に関連して説明された例については、算術平均値がとられる場合には、全体の関心は、特徴A、E及びGに対する3つの関心の算術平均値に等しく、即ち(0.37+0.145−0.015)/3≒0.043となる。
他の例として、例えば10個のような多くの特徴がある場合、最大及び最小の関心値を持つ特徴を考慮せずに平均値が計算される、あらゆる種類の競争又は競技においてしばしば利用されるスコアリング方法が利用されても良い。いずれにしても、各特徴が全体の関心にどれだけ寄与するかを反映することが出来る限り、種々の組み合わせが利用されることができる。
次いでステップS170に入り、他に全体の関心の計算を必要とするテレビジョン番組があるか否かを決定する。もしあればステップS140に戻り、そうでなければ全体の処理を終了する。
以下は、ステップS120における特徴関心の計算の方法の詳細な議論である。明らかに、或る特徴に対するユーザの群の関心は、異なる時間スライスにおける各メンバの優先度の値、及び含まれる特徴に対するメンバの好みに依存する。それ故、好みを計算する、又は斯かる関心データを得るために好みを優先度と組み合わせる、多くの方法がある。以下、順に2つの例を示す。
第1の例は、加重平均の概念に基づく。具体的には、ここでは各時間スライスにおける各メンバの優先度が一様に処理される。かくして、各時間スライスにおいて、優先度がメンバの加重値へと変換される。表4は、異なる時間スライスにおける、群の各メンバの一様に処理された加重値を示す。表4が示すように、ユーザの群が3人のメンバ、即ち父親、母親及び子供から構成されている。各時間スライスにおいて、各メンバの加重値の合計は常に1に等しい。表5は、特徴A、B及びCに対する群の各メンバの好みを示す。本表における各項目は表2におけるものと同一のものを意味し、それ故ここでは更に詳述されない。
テレビジョン番組が特徴Aを含み、該番組の放送時間が18:30〜19:30であるとすると、該特徴に対するユーザの群の関心は、以下の式によって計算される:
ここでSi jは時間スライスiにおける特徴jに対するユーザの群の関心であり、Dj kは特徴jに対するユーザkの好みであり、Wi kは時間スライスiにおけるユーザkの重みであり、nは群のメンバの数であり、Dj kとWi kとの積は時間スライスiにおける特徴jに対するユーザkの関心を表す。
本例に関する限り、表4及び5をみると、時間スライス18:30〜19:30における父親、母親及び子供の重みはそれぞれ0.2、0及び0.8であり、特徴Aに対する好みはそれぞれ0.3、0.5及び1である。それ故、特徴Aに対するそれぞれの関心は0.06、0及び0.8であり、ユーザの群の関心の値は0.86である。
他の例においては、前記ステップS120の機能がファジィ論理処理に基づいて実行される。
図2は、ファジィ論理処理モードに基づく、特徴に対するユーザの群の関心を計算する実施例を示すフロー図である。表1及び2に示された状況がここでも例として考慮される。
図3が示すように、特徴(例えばA)に対する時間スライス(例えば18:30〜19:30)におけるユーザの群の関心を計算するため、ステップS210において、特徴Aに対するメンバ(例えば父親)の関心、及び対応する時間スライスにおける該メンバの優先度を入力する。表2及び3によれば、これら値はそれぞれ0.7及び0.6である。
次いでステップS220に入り、ステップS210において入力された好み及び優先度の2つのクリスプ値を、選択されたメンバシップ関数を利用して、ファジィ値のメンバシップに投影する。メンバシップ関数の形式は、利用の特定の環境に依存する。例えば、ここでの実施例に関しては、図3a及び3bに示されたメンバシップ関数が利用されても良い。ここで図3aは好みのメンバシップ関数を示し、x座標e1は好みを表し、縦座標はメンバシップμを表し、メンバシップ関数を用いて好みを3つのファジィ値「嫌い」、「普通」及び「好き」のメンバシップへと投影することが可能である。図3bは、優先度のメンバシップ関数を示し、x座標e2は優先度を表し、縦座標はメンバシップμを表す。メンバシップ関数は、優先度を3つのファジィ値「重要でない」、「普通」及び「重要」に投影するために利用されることができる。
次いでステップS230に入り、所定のファジィ論理規則を利用することにより、ファジィ出力を導出する。ファジィ出力は、特徴Aに対するメンバの(ここでは父親の)関心を反映する、種々のファジィ値のメンバシップの群である。図3cは、ファジィ出力のメンバシップ関数を示す。x座標αは特徴属性に対する関心を表し、縦座標はメンバシップμを表す。図2が示すように、特徴属性Aに対するメンバの関心は、幾つかのファジィ値「とても嫌い」、「嫌い」、「普通」、「好き」及び「とても好き」というメンバシップとして示される。導出の具体的な規則は、利用環境の特性に主に依存する。例えば、本実施例においては、以下の規則が適用されても良い
I.e1が「嫌い」且つe2が「重要でない」であれば、αは「普通」
II.e1が「嫌い」且つe2が「普通」であれば、αは「嫌い」
III.e1が「嫌い」且つe2が「重要」であれば、αは「とても嫌い」
IV.e1が「普通」且つe2が「重要でない」であれば、αは「普通」
V.e1が「普通」且つe2が「普通」であれば、αは「普通」
VI.e1が「普通」且つe2が「重要」であれば、αは「普通」
VII.e1が「好き」且つe2が「重要でない」であれば、αは「普通」
VII.e1が「好き」且つe2が「普通」であれば、αは「好き」
IX.e1が「好き」且つe2が「重要」であれば、αは「とても好き」
I.e1が「嫌い」且つe2が「重要でない」であれば、αは「普通」
II.e1が「嫌い」且つe2が「普通」であれば、αは「嫌い」
III.e1が「嫌い」且つe2が「重要」であれば、αは「とても嫌い」
IV.e1が「普通」且つe2が「重要でない」であれば、αは「普通」
V.e1が「普通」且つe2が「普通」であれば、αは「普通」
VI.e1が「普通」且つe2が「重要」であれば、αは「普通」
VII.e1が「好き」且つe2が「重要でない」であれば、αは「普通」
VII.e1が「好き」且つe2が「普通」であれば、αは「好き」
IX.e1が「好き」且つe2が「重要」であれば、αは「とても好き」
次いでステップ240に入り、ステップS230において得られた特徴属性Aに対するメンバの関心をクリスプ値Siに変換する(即ち非ファジィ化処理)。ここでiはメンバの番号である。通常利用される非ファジィ化処理方法は、「重心法(center-of-gravity)」、「最大値中心法(center-of-maximum)」及び「最大値平均法(mean-of-maximum)」を含む。該処理に「重心法」が適用される場合、以下の式が計算のために利用されても良い。
ここでμ[l]は導出規則番号lを満足する出力エリアの高さであり、Yiは導出規則番号lを満足する出力エリアの重心の水平座標であり、mは該規則を満足する出力エリアの数である。
次いでステップS250に入り、全てのメンバのSiが計算されたか否かを決定する。該条件が満足されない場合にはステップS210に戻り、そうでなければステップS260に入る。
ステップS260において、群の全てのメンバ(例えば本実施例においては父親、母親及び子供)のSiを合計し、所与の時間スライスにおける特徴に対する群の関心を取得するか、又は所与の時間スライスにおける特徴に対するユーザの群の関心として群の全てのメンバのSiの平均を利用する。
図4のフロー図は、コンテンツに対するユーザの群の全体の関心を推定するための、本発明の方法による他の実施例を示す。
図4に示されるように、ステップS410において、ユーザデータは種々の方法で取得され得る。該データの構造は表1及び2又は表4及び5に示されたようなものであっても良いが、他の形態であっても良い。
次いでステップS420に入り、テレビジョン番組の特徴及び放送時間に関するデータを取得する。番組源データベースから取得された番組情報が、テレビジョン番組が特徴B及びCを含み、20:30〜21:00に放送されるというものであるとする。
次いでステップS430に入り、取得された放送時間に基づいて、対応する優先度を決定する。例えば、時間スライスによる優先度の変化は、表をチェックすることにより得られる。
次いでステップS440に入り、ステップS410において得られた全てのメンバの好み及びステップ430において決定された優先度に基づいて、放送時間スライスにおける各特徴に対するユーザの群の関心を計算する。特徴に対するユーザの群の関心の計算の方法は以上において詳細に議論されているので、ここでは詳述しない。
次いでステップS450に入り、ステップS440において得られた放送時間スライスにおける各特徴に対するユーザの群の関心を組み合わせて、該番組に対する全体の関心を導出する。計算の具体的な方法については、関連する上述した記載を参照されたい。
次いでステップS460に入り、全体の関心を計算する必要のある他の番組があるか否かを判定する。もしあればステップS420に戻り、そうでなければ全体の処理を終了する。
テレビジョン番組の放送時間が表2又は4における複数の時間スライスに跨る場合には、上述した方法が利用されても良い。例えば、上述した第1又は第2の方法を利用することを仮定すると、ステップS430において番組が開始又は終了する時間スライスを見出し、それに従って、ステップS440において、前記時間スライスにおける各特徴に対するユーザの群の関心を計算する。第3の方法を利用することを仮定すると、ステップS430において、番組の放送継続時間が跨る全ての時間スライスを見出し、ステップS440において、ステップS430において決定された各時間スライスにおける放送時間を重みとして用いて、異なる時間スライスにおける特徴に対する関心の加重平均値を計算し、該値を該特徴に対するユーザの群の関心の値として利用する。
代替の手法として、前記ステップS440において、各特徴に対するユーザの群の関心ではなく、番組に対する群の各メンバの関心を計算しても良いことは、指摘しておく価値がある。対応して、ステップS450において、番組に対する群の各メンバの関心を組み合わせ、該番組に対する全体の関心を導出する。図1及び4により説明された2つの実施例の比較が示すように、これら2つの実施例は主に、前者が最初に、各特徴に対するユーザの群の関心が時間スライスごとに変化する態様を実際に定義するユーザの群のプロファイルを形成し(ステップS120及びS130)、次いで各特定の番組について、放送時間スライスにおいて該番組に含まれる特徴に対するユーザの群の関心を決定するためにユーザの群のプロファイルを利用することのみが必要であるのに対して、後者はユーザの群のプロファイルを形成するステップを欠き、その代わり各特定の番組について、放送時間スライスにおける該番組の群のメンバの優先度が最初にそれぞれ決定され(ステップS430)、次いで該放送時間スライスにおける該番組に含まれる特徴に対するユーザの群の関心の値が計算される(ステップS450)点において異なる。
全体の関心を取得するための前記方法は、ユーザの群に対してコンテンツをより完全に且つ正確に推薦することを可能とする。以下、テレビジョン番組を例にとり、図5を用いて、ユーザの群に対してコンテンツを推薦するための方法の好適な実施例が説明される。
図5が示すように、ステップS510において、図1及び4における全体の関心を取得する方法を利用することにより、1以上のテレビジョン番組に対するユーザの群の全体の関心を取得する。
次いでステップS520に入り、ステップS530において取得された全体の関心に基づいて、ユーザの群に対して推薦すべきテレビジョン番組を決定する。該決定は、以下のような方法で為されても良い:各番組に対する全体の関心を、所定の閾値と比較する。該関心が該閾値よりも大きければ、ユーザの群のために提供される推薦リストに該番組を書き込み、そうでなければ次の番組に対する全体の関心を比較し処理する。加えて、全ての番組に対する全体の関心が最初に順序付けられ、次いで該順序付けられたシーケンスにおける最初のn個の番組が前記推薦リストに書き込まれる。ここでnは所定の正の整数である。
最後に、ステップS350において、取得された推薦リストがユーザの群に提案される。コンテンツ推薦が番組プロバイダ側で完了される場合は、EPGと共にネットワークを通して番組プロバイダにより、セットトップボックス又はPCのようなユーザの群の装置に推薦リストが供給されても良い。コンテンツ推薦がユーザの群側で完了される場合は、該推薦は、番組プロバイダにより提供される番組情報(例えば番組に含まれる特徴及び番組の放送時間)に対するユーザ装置の処理により得られても良い。
以下の議論は、全体の関心を得るための前記方法及びコンテンツ推薦の方法を実行するための装置の説明に焦点を当てる。
図6は、全体の関心を取得するための前記方法を実行するための装置の実施例を示すブロック図である。装置600は、取得ユニット610、受信ユニット620及び決定ユニット630を有する。
取得ユニット610は、表1及び2並びに表4及び5において示された、各特徴に対する群の各メンバの優先度及び好みの時間変化するモードを含む、ユーザデータを取得する。
ユーザデータを取得する種々の方法に対して、取得ユニット610は異なる実装を持つ。例えば、ユーザデータが測定により取得される場合、取得ユニット又は装置は自身に装備された自動監視ユニットを含む。ユーザデータがユーザ自身により生成される場合、キーボード、マウス、リモートコントローラ又は音声入力装置のような装置が、該ユーザデータ取得ユニットとして利用されても良い。全体の関心データの計算がユーザの群の装置(例えばテレビジョンセット、セットトップボックス又はPC)において為され、ユーザデータがネットワークを介してリモートの端末コンピュータにより供給される場合、ユーザの群の装置における通信機能を実行するためのモジュールが、該データ取得ユニットとみなされ得る。
受信ユニット620は、番組に関連した情報(番組に含まれる特徴及び番組の放送時間を含む)を受信するために利用される。勿論、特定の実施例においては、受信ユニット620は、ハードウェア的に取得ユニット610と一体化されていても良い。
決定ユニット630は、コンテンツに対するユーザの群の全体の関心を取得するために利用され、ユーザの群プロファイル生成ユニット631、検索ユニット632及び計算ユニット633を有する。
装置600はまた、第1のメモリユニット640、第2のメモリユニット650及び第3のメモリユニット660を有する。ここで第1のメモリユニット640は、ユーザデータを保存するため、取得ユニット610及びユーザの群プロファイル生成ユニット631に接続され、第2のメモリユニット650は、検索ユニット632により利用されるべきユーザの群のプロファイルデータを保存するため、ユーザの群プロファイル生成ユニット631に接続される。ユーザデータが定期的に又はランダム的に更新された後、ユーザの群プロファイル生成ユニット631は、ユーザの群のプロファイルを再計算し、新たな計算結果により第2のメモリユニット650を更新すべきであることは、指摘される必要がある。第3のメモリユニット660は、計算ユニット633の保存結果を保存するため、計算ユニット633に接続される。
第1、第2及び第3のメモリユニット640、650及び660は、揮発性メモリであっても良いし又は不揮発性メモリであっても良く、これらが実際にはメモリの異なる記憶エリアである場合には、1つのメモリにより実現されても良い。
生成ユニット631は、各時間スライスにおける群の各メンバの優先度及び各特徴に対する好みに基づいて、第1のメモリユニット640からのユーザデータを用いて、各時間スライスにおける各特徴に対するユーザの群の関心を決定する。これら関心データは、所定のフォーマットで、ユーザプロファイルデータとして第2のメモリユニット650に保存される。関連する関心データの計算の具体的な方法は、上述した詳細な説明を参照されたい。
検索ユニット632は受信ユニット620に接続され、受信ユニット620により供給された番組に含まれる特徴及び該番組の放送時間の情報に基づき、第2のメモリユニット650における対応する関心データを検索して、該番組の放送時間に対応する時間スライスにおいて該番組に含まれる各特徴に対するユーザの群の関心を取得する。テレビジョン番組の放送期間が複数の時間スライスに跨る状況については、検索ユニット632は種々の処理方法に依存して検索動作を実行する。
計算ユニット633は、検索により得られたテレビジョン番組に含まれる特徴に対するユーザの群の関心の算術平均値又は加重平均値を評価するため、検索ユニット632に接続される。前記算術平均値又は加重平均値は、該番組に対するユーザの群の全体の関心として、第3のメモリユニット660に保存される。
図7aは、ユーザの群に対してコンテンツを推薦するための、本発明による実施例の装置700aを示すブロック図である。装置700aは、上述した装置600及び推薦ユニット710aを有する。
推薦ユニット710aは、閾値比較ユニット711及び推薦リストメモリユニット712を含む。
閾値比較ユニット711は、ユニット600における第3のメモリユニット660に接続され、保存された全体の関心を1つずつ、所定の閾値と比較する。前者が後者よりも大きい場合には、対応する番組の識別子(ID)が、推薦リストメモリユニット712に出力される。該推薦リストは、更にユーザに対して表示されても良い。
図7bは、ユーザの群に対してコンテンツを推薦するための、本発明による他の実施例の装置700bを示すブロック図である。本図7bに示される装置700bは、推薦ユニット710bにおいて、順序付けユニット713が閾値比較ユニット711に置き換わる点において、図7aにおける装置と異なる。
順序付けユニット713は、装置600における第3のメモリユニット660に接続される。該順序付けユニット713は、保存された全体の関心を順序付けて並べ、全体の関心の大きさの順に最初の1つ又は幾つかの番組のIDを、推薦リストメモリユニット712に出力する。
前記ユニットの全て及びこれらユニットに含まれる幾つかの又は全ての部分が、ソフトウェアによって実現されても良いことは、理解されるべきである。
本発明はまた、適用可能なプログラムを用いて、コンピュータにより実現されても良い。該コンピュータのために備えられるプログラムに含まれるコードは、マシンを形成するプロセッサに供給されても良く、これによりプロセッサにおいて実行されるコードが、以下の機能を実行しても良い。即ち、異なる時間スライスにおける群の各メンバの優先度及び特徴に対する各メンバの好みの値の取得;コンテンツの提供時間及びコンテンツに含まれる特徴を含む、コンテンツに関連する情報の取得;及び、前記提供時間の時間スライスにおける群の各メンバの優先度及び該コンテンツに含まれる特徴に対する各メンバの好みに基づく、全体の関心の決定、である。コンピュータプログラムはメモリ担体に保存されても良い。
本発明においては、特徴とは、ユーザの関心に影響を与える、コンテンツに含まれる特徴を指す。それ故、異なるユーザの群とコンテンツとについて、一意的な特徴の組み合わせが存在する見込みが高い。テレビジョン番組を例にとると、テレビジョン番組は、放送チャネル、タイトル、該番組の配役、及び該番組のジャンル(例えばドラマ、喜劇、恋愛物語、アクション映画又はスポーツイベント)のような、視聴者の視聴意欲に影響を与える属性により表現され得る。ユーザの群及びコンテンツによって特徴の組み合わせをどのようにカスタマイズするかは本発明が解決しようとするものではなく、本発明により達成される技術的効果との因果関係を持たないことは、指摘しておく価値がある。それ故、上述の側面についての知識は、本発明の請求の範囲に対するいずれの制約をも構成しない。
以上の説明はテレビジョン番組を例にとったが、本発明において言及されたコンテンツなる語は、広い意味で理解されるべきである。実際には、コンテンツなる語は、視覚、聴覚、触覚及び味覚情報のような、人間の器官により知覚可能な全ての情報を含む。コンテンツの物理的な形態は、種々の形態の光学的、電気的及び音響的信号を含むが、これらに限定されるものではない。コンテンツの他の例としては、ユーザの群に郵送された旅行者向けのプロモーションマテリアルがある。斯かるマテリアルは、そのコンテンツの特徴として、受取側の関心に影響を与える、旅行先の地域、価格及び優遇条件のような属性を持つ。その上、群のメンバの優先度は、時間によって変化する見込みが高い。例えば6月の子供の日(Children's Day)が近づいているときには、通常の日よりも、家族の中の子供が旅行に行く場所についての発言権を持つ。同様に、母の日(Mother's Day)には母親の優先度が高く、他のメンバの優先度は低い。
以上に説明された事項に基づき、当業者はあらゆる種類の代替、変形及び変更を為し得ることは、理解されるべきである。斯かる代替、変形及び変更が添付される請求項の精神及び範囲内である場合には、これら代替、変形及び変更は本発明によりカバーされる。
Claims (15)
- コンテンツに対するユーザの群の全体の関心を推定する方法であって、前記ユーザの群は少なくとも2人のメンバを含み、前記方法は、
a.前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するステップと、
b.異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を取得するステップと、
c.前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するステップと、
を有する方法。 - 前記コンテンツはテレビジョン番組である、請求項1に記載の方法。
- 各前記メンバの優先度の値は、前記メンバの1人の前記優先度の値が少なくとも2つの時間スライスにおいて異なり、前記2つの時間スライスは1日を分割した複数の時間スライスからのものであるように構成された、請求項1に記載の方法。
- 各前記メンバの優先度の値は、前記メンバの1人の前記優先度の値が、少なくとも2つの異なる日の同一の時間スライスにおいて異なるように構成された、請求項1に記載の方法。
- 前記ステップcは、
c1.異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する好みの値に基づき、異なる時間スライスに含まれる前記特徴に対する前記ユーザの群の関心の値を決定するステップと、
c2.前記利用可能な時間スライスに基づいて、前記群の関心の値を決定するステップと、
c3.前記群の関心の値を組み合わせて、前記全体の関心を導出するステップと、
を有する、請求項1に記載の方法。 - 1つの前記時間スライスにおける含まれる特徴に対する前記ユーザの群の関心の値は、前記含まれる特徴に対する各前記メンバの好みと、前記時間スライスにおける各前記メンバの優先度の値との積の和に等しい、請求項5に記載の方法。
- 前記ステップc1は、異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する好みの値に基づき、ファジィ論理法により、前記ユーザの群の関心の値を決定するステップを有する、請求項5に記載の方法。
- ユーザの群に対してコンテンツを推薦するための方法であって、前記ユーザの群は少なくとも2人のメンバを含み、前記方法は、
a.前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するステップと、
b.異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を受信するステップと、
c.前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するステップと、
d.前記全体の関心に基づき、前記ユーザの群に対して推薦するステップと、
を有する方法。 - コンテンツに対するユーザの群の全体の関心を推定するための装置であって、前記ユーザの群は少なくとも2人のメンバを含み、前記装置は、
前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するための手段と、
異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を受信するための手段と、
前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するための手段と、
を有する装置。 - 各前記メンバの優先度の値は、前記メンバの1人の前記優先度の値が少なくとも2つの時間スライスにおいて異なり、前記2つの時間スライスは1日を分割した複数の時間スライスからのものであるように構成された、請求項9に記載の装置。
- 各前記メンバの優先度の値は、前記メンバの1人の前記優先度の値が、少なくとも2つの異なる日の同一の時間スライスにおいて異なるように構成された、請求項9に記載の装置。
- 前記決定する手段は、
異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する好みの値に基づき、異なる時間スライスに含まれる前記特徴に対する前記ユーザの群の関心の値を決定するための生成手段と、
前記利用可能な時間スライスに基づいて、前記群の関心の値を決定するための検索手段と、
前記群の関心の値を組み合わせて、前記全体の関心を導出するための計算手段と、
を有する請求項9に記載の装置。 - ユーザの群に対してコンテンツを推薦するための装置であって、前記ユーザの群は少なくとも2人のメンバを含み、前記装置は、
前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するための取得手段と、
異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を受信するための受信手段と、
前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するための決定手段と、
前記全体の関心に基づき、前記ユーザの群に対して推薦するための推薦手段と、
を有する装置。 - コンテンツに対するユーザの群の全体の関心を推定するためのコンピュータプログラムであって、前記ユーザの群は少なくとも2人のメンバを含み、前記コンピュータプログラムは、
前記コンテンツの利用可能な時間スライス及び前記コンテンツに含まれる特徴に関連する情報を取得するためのコードと、
異なる時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値を取得するためのコードと、
前記利用可能な時間スライスにおける各前記メンバの優先度及び前記含まれる特徴に対する前記メンバの好みの値に基づき、前記全体の関心を決定するためのコードと、
を有するコンピュータプログラム。 - 請求項14に記載のコンピュータプログラムを含むメモリ担体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200510073942 | 2005-05-27 | ||
PCT/IB2006/051570 WO2006126147A2 (en) | 2005-05-27 | 2006-05-18 | Method and apparatus for estimating total interest of a group of users directing to a content |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008542870A true JP2008542870A (ja) | 2008-11-27 |
Family
ID=36791701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008512984A Withdrawn JP2008542870A (ja) | 2005-05-27 | 2006-05-18 | コンテンツに対するユーザの群の全体の関心を推定するため方法及び装置 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP1891588A1 (ja) |
JP (1) | JP2008542870A (ja) |
KR (1) | KR20080021069A (ja) |
CN (1) | CN101874255A (ja) |
WO (1) | WO2006126147A2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011186829A (ja) * | 2010-03-09 | 2011-09-22 | Nippon Telegr & Teleph Corp <Ntt> | 情報処理装置、情報処理方法およびそのためのプログラム |
JP2012015883A (ja) * | 2010-07-02 | 2012-01-19 | Nippon Telegr & Teleph Corp <Ntt> | 番組推薦装置及び方法及びプログラム |
JP2012043036A (ja) * | 2010-08-13 | 2012-03-01 | Nippon Telegr & Teleph Corp <Ntt> | 提供情報選択装置、方法及びプログラム |
JP2012222569A (ja) * | 2011-04-07 | 2012-11-12 | Nippon Telegr & Teleph Corp <Ntt> | 番組推薦装置及び方法及びプログラム |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4433326B2 (ja) * | 2007-12-04 | 2010-03-17 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
KR101404010B1 (ko) | 2008-03-06 | 2014-06-12 | 주성엔지니어링(주) | 기판 가장자리 식각장치 및 이를 이용한 기판 가장자리식각방법 |
CN102957969A (zh) * | 2012-05-18 | 2013-03-06 | 华东师范大学 | 为iptv终端用户推荐节目的装置及方法 |
CN104035934B (zh) * | 2013-03-06 | 2019-01-15 | 腾讯科技(深圳)有限公司 | 一种多媒体信息推荐的方法及装置 |
CN103297853B (zh) * | 2013-06-07 | 2016-04-06 | 华东师范大学 | 一种基于多用户上下文识别的iptv节目推荐方法 |
TWI615787B (zh) * | 2013-11-07 | 2018-02-21 | 財團法人資訊工業策進會 | 群體對象商品推薦系統、方法及其非揮發性電腦可讀取紀錄媒體 |
TWI489725B (zh) * | 2013-11-07 | 2015-06-21 | Inst Information Industry | 建立一用電模型之裝置、方法及其電腦程式產品 |
KR102232798B1 (ko) * | 2014-03-18 | 2021-03-26 | 에스케이플래닛 주식회사 | 관심영역 추정 서비스 장치, 사용자 장치 및 방법, 컴퓨터 프로그램이 기록된 기록매체 |
CN105163139B (zh) * | 2014-05-28 | 2018-06-01 | 青岛海尔电子有限公司 | 信息推送方法、信息推送服务器和智能电视 |
CN104735535A (zh) * | 2015-03-24 | 2015-06-24 | 天脉聚源(北京)传媒科技有限公司 | 一种节目评分方法及装置 |
US10699181B2 (en) * | 2016-12-30 | 2020-06-30 | Google Llc | Virtual assistant generation of group recommendations |
CN107491501A (zh) * | 2017-07-28 | 2017-12-19 | 无锡天脉聚源传媒科技有限公司 | 一种分组推送的方法及装置 |
CN111125507B (zh) * | 2018-11-01 | 2023-07-21 | 北京邮电大学 | 一种群组活动推荐方法、装置、服务器及计算机存储介质 |
CN112949322A (zh) * | 2021-04-27 | 2021-06-11 | 李蕊男 | 线上文本评论驱动的电商意见挖掘推荐系统 |
CN113506124B (zh) * | 2021-06-21 | 2022-03-25 | 安徽西柚酷媒信息科技有限公司 | 一种智慧商圈中媒体广告投放效果的评价方法 |
-
2006
- 2006-05-18 KR KR1020077030490A patent/KR20080021069A/ko not_active Application Discontinuation
- 2006-05-18 EP EP06744970A patent/EP1891588A1/en not_active Withdrawn
- 2006-05-18 WO PCT/IB2006/051570 patent/WO2006126147A2/en not_active Application Discontinuation
- 2006-05-18 JP JP2008512984A patent/JP2008542870A/ja not_active Withdrawn
- 2006-05-18 CN CN200680018627A patent/CN101874255A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011186829A (ja) * | 2010-03-09 | 2011-09-22 | Nippon Telegr & Teleph Corp <Ntt> | 情報処理装置、情報処理方法およびそのためのプログラム |
JP2012015883A (ja) * | 2010-07-02 | 2012-01-19 | Nippon Telegr & Teleph Corp <Ntt> | 番組推薦装置及び方法及びプログラム |
JP2012043036A (ja) * | 2010-08-13 | 2012-03-01 | Nippon Telegr & Teleph Corp <Ntt> | 提供情報選択装置、方法及びプログラム |
JP2012222569A (ja) * | 2011-04-07 | 2012-11-12 | Nippon Telegr & Teleph Corp <Ntt> | 番組推薦装置及び方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
CN101874255A (zh) | 2010-10-27 |
EP1891588A1 (en) | 2008-02-27 |
KR20080021069A (ko) | 2008-03-06 |
WO2006126147A2 (en) | 2006-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008542870A (ja) | コンテンツに対するユーザの群の全体の関心を推定するため方法及び装置 | |
JP6235556B2 (ja) | コンテンツ提示方法、コンテンツ提示装置及びプログラム | |
US8438598B2 (en) | Information processing apparatus, information processing method, program, and information sharing system | |
JP4358219B2 (ja) | 番組情報提供装置、番組情報提供方法及びそのプログラム | |
JP5285196B1 (ja) | お薦めコンテンツ提供装置、お薦めコンテンツ提供プログラムおよびお薦めコンテンツ提供方法 | |
US8869211B2 (en) | Zoomable content recommendation system | |
US20120317123A1 (en) | Systems and methods for providing media recommendations | |
WO2001015449A1 (en) | Method and apparatus for creating recommendations from users profile built interactively | |
JP4370850B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
JP2005056361A (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
JP2007272451A (ja) | 推薦番組情報提供装置、推薦番組情報提供方法及びプログラム | |
CN108471544B (zh) | 一种构建视频用户画像方法及装置 | |
JP2005078627A (ja) | コンテンツ推薦方法およびシステム | |
JP2005165454A (ja) | コンテンツ推薦装置、コンテンツ推薦方法、およびコンテンツ推薦プログラム | |
EP2537272A1 (en) | Method for providing a recommendation to a user | |
US20130124310A1 (en) | Method and apparatus for creating recommendations for a user | |
US20140089238A1 (en) | Information processing device and information processing method | |
WO2016109287A1 (en) | Identifying media channels that have a high likelihood of multiple consumptions by one or more users | |
JP2015022551A (ja) | 端末装置およびプログラム | |
WO2018001223A1 (zh) | 播放列表推荐方法及装置 | |
KR101406820B1 (ko) | 스마트 티비 상의 지능화된 컨텐츠 추천방법 | |
JP2012222569A (ja) | 番組推薦装置及び方法及びプログラム | |
CN114302182B (zh) | 电视节目的推送方法、装置、设备及存储介质 | |
JP5008250B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
KR20190044592A (ko) | 동적인 다차원 분석 기반의 광고 추천 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20090804 |