JP2010237919A - 嗜好推定装置 - Google Patents
嗜好推定装置 Download PDFInfo
- Publication number
- JP2010237919A JP2010237919A JP2009084405A JP2009084405A JP2010237919A JP 2010237919 A JP2010237919 A JP 2010237919A JP 2009084405 A JP2009084405 A JP 2009084405A JP 2009084405 A JP2009084405 A JP 2009084405A JP 2010237919 A JP2010237919 A JP 2010237919A
- Authority
- JP
- Japan
- Prior art keywords
- group
- preference
- content
- preference estimation
- user
- 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.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】ユーザや、ユーザの属するグループのコンテンツ嗜好を推定する嗜好推定システム1は、ユーザが操作可能に設けられたクライアントCと、クライアントCと通信可能に設けられたサーバSと、を備える。クライアントCは、グループに属するユーザごとに、ユーザ固有の情報と、コンテンツ嗜好を推定するための全てのユーザの情報と、に基づいてユーザ固有の個人嗜好推定モデルを生成する個人嗜好推定モデル生成部C5と、個人嗜好推定モデル生成部C5により生成されたグループに属する各ユーザ固有の個人嗜好推定モデルと、グループに固有の情報と、に基づいて、グループのコンテンツ嗜好を推定するコンテンツ嗜好推定部C8と、を備える。
【選択図】図1
Description
(1)本発明は、グループのコンテンツ嗜好を推定する嗜好推定装置であって、前記グループに属するユーザごとに、ユーザ固有の情報(例えば、後述のユーザX固有の利用履歴、評価履歴、およびアンケート情報に相当)と、コンテンツ嗜好を推定するための全てのユーザの情報(例えば、後述の個人学習初期データおよび個人嗜好推定初期モデルに相当)と、に基づいてユーザ固有の個人嗜好推定モデル(例えば、後述の個人嗜好推定モデルに相当)を生成する個人嗜好推定モデル生成手段(例えば、図1の個人嗜好推定モデル生成部C5に相当)と、前記個人嗜好推定モデル生成手段により生成された前記グループに属する各ユーザ固有の個人嗜好推定モデルと、前記グループに固有の情報と、に基づいて、前記グループのコンテンツ嗜好を推定するコンテンツ嗜好推定手段(例えば、図1のコンテンツ嗜好推定部C8に相当)と、を備えることを特徴とする嗜好推定装置を提案している。
図1は、本発明の一実施形態に係る嗜好推定システム1の構成を示すブロック図である。嗜好推定システム1は、ユーザが操作可能に設けられたクライアントCと、クライアントCと通信可能に設けられたサーバSと、を備える。この嗜好推定システム1は、ユーザや、ユーザの属するグループのコンテンツ嗜好を推定する。
サーバSは、個人情報記憶部S1、個人情報更新部S2、個人嗜好初期モデル生成部S3、グループ情報記憶部S4、グループ情報更新部S5、およびグループ嗜好初期モデル生成部S6を備える。
クライアントCは、ユーザ固有情報記憶部C1、ユーザ固有情報更新部C2、グループ固有情報記憶部C3、グループ固有情報更新部C4、個人嗜好推定モデル生成部C5、グループ嗜好推定モデル生成部C6、グループ意志決定モデル生成部C7、およびコンテンツ嗜好推定部C8を備える。
個人合算決定モデルは、グループYに属する各ユーザの評価値の合計が高いコンテンツを選別するためのモデルである。このモデルは、グループYに対するコンテンツxのグループYの推薦度をF(xi)とすると、式(1)のように表すことができる。
優先順位決定モデルは、グループYに属するユーザの間に優先順位がある場合に、この優先順位をコンテンツの選別に反映できるモデルであり、グループYに属する各ユーザの評価値と、優先順位に応じた数値と、を乗算したものの合計が高いコンテンツを選別するためのモデルである。このモデルは、グループYに対するコンテンツxの推薦度をF(βi、xi)とすると、式(2)のように表すことができる。
LOAモデルは、グループYに属するユーザのうち、評価値が所定の閾値以上であるユーザの数を算出し、算出した数が多いコンテンツを選別するためのモデルである。このモデルは、グループYに対するコンテンツxの推薦度をF(xi、δi)とすると、式(3)のように表すことができる。
ルールベースモデルは、グループYにおける固有のルールに基づいてコンテンツを選別するためのモデルである。グループYにおける固有のルールとは、例えば、グループYのコンテンツ嗜好として、成人向けのコンテンツが推定されるのを禁止するルールや、バラエティのコンテンツが推定されるのを禁止ルールなどのことである。
混合モデルは、個人合算決定モデルまたは優先順位決定モデルと、LOAモデルと、を組み合わせたモデルである。個人合算決定モデルとLOAモデルとを組み合わせたモデルは、グループYに対するコンテンツxの推薦度をF(xi、δi)とすると、式(4)のように表すことができる。一方、優先順位決定モデルとLOAモデルとを組み合わせたモデルは、グループYに対するコンテンツxの推薦度をF(βi、xi、δi)とすると、式(5)のように表すことができる。
C1・・・ユーザ固有情報記憶部
C2・・・ユーザ固有情報更新部
C3・・・グループ固有情報記憶部
C4・・・グループ固有情報更新部
C5・・・個人嗜好推定モデル生成部
C6・・・グループ嗜好推定モデル生成部
C7・・・グループ意志決定モデル生成部
C8・・・コンテンツ嗜好推定部
S1・・・個人情報記憶部
S2・・・個人情報更新部
S3・・・個人嗜好初期モデル生成部
S4・・・グループ情報記憶部
S5・・・グループ情報更新部
S6・・・グループ嗜好初期モデル生成部
Claims (15)
- グループのコンテンツ嗜好を推定する嗜好推定装置であって、
前記グループに属するユーザごとに、ユーザ固有の情報と、コンテンツ嗜好を推定するための全てのユーザの情報と、に基づいてユーザ固有の個人嗜好推定モデルを生成する個人嗜好推定モデル生成手段と、
前記個人嗜好推定モデル生成手段により生成された前記グループに属する各ユーザ固有の個人嗜好推定モデルと、前記グループに固有の情報と、に基づいて、前記グループのコンテンツ嗜好を推定するコンテンツ嗜好推定手段と、
を備えることを特徴とする嗜好推定装置。 - 請求項1に記載の嗜好推定装置において、
前記個人嗜好推定モデル生成手段は、前記グループに属するユーザごとに、前記ユーザ固有の情報に基づいて個人学習データを生成し、生成した個人学習データを予め定めた値で重み付けし、重み付けした個人学習データと、前記コンテンツ嗜好を推定するための全てのユーザの情報と、に基づいて前記ユーザ固有の個人嗜好推定モデルを生成することを特徴とする嗜好推定装置。 - 請求項1または2に記載の嗜好推定装置において、
前記コンテンツ嗜好推定手段は、
前記個人嗜好推定モデル生成手段により生成された前記グループに属する各ユーザ固有の個人嗜好推定モデルに基づいて、コンテンツに対する各ユーザの評価値を算出し、
前記算出したコンテンツに対する各ユーザの評価値を積算し、
積算結果が大きいコンテンツから順に、前記グループのコンテンツ嗜好とすることを特徴とする嗜好推定装置。 - 請求項1または2に記載の嗜好推定装置において、
前記グループに固有の情報は、各ユーザの優先順位に応じた数値であり、
前記優先順位に応じた数値は、前記グループ内でのユーザの優先順位が高くなるに従って大きく設定され、
前記コンテンツ嗜好推定手段は、
前記個人嗜好推定モデル生成手段により生成された前記グループに属する各ユーザ固有の個人嗜好推定モデルに基づいて、コンテンツに対する各ユーザの評価値を算出し、
前記グループに属するユーザごとに、前記算出したコンテンツに対する評価値と、前記優先順位に応じた数値と、を乗算し、乗算結果を積算し、
積算結果が大きいコンテンツから順に、前記グループのコンテンツ嗜好とすることを特徴とする嗜好推定装置。 - 請求項1または2に記載の嗜好推定装置において、
前記グループに固有の情報は、所定の閾値であり、
前記コンテンツ嗜好推定手段は、
前記個人嗜好推定モデル生成手段により生成された前記グループに属する各ユーザ固有の個人嗜好推定モデルに基づいて、コンテンツに対する各ユーザの評価値を算出し、
前記グループに属するユーザごとに前記評価値と前記所定の閾値とを比較して、前記評価値が前記所定の閾値未満の場合には第1の値を設定し、前記評価値が前記所定の閾値以上の場合には前記第1の値より大きい第2の値を設定し、前記グループに属するユーザごとに設定した値を積算し、
積算結果が大きいコンテンツから順に、前記グループのコンテンツ嗜好とすることを特徴とする嗜好推定装置。 - 請求項1または2に記載の嗜好推定装置において、
前記グループに固有の情報は、前記グループに固有のルールであり、
前記コンテンツ嗜好推定手段は、
前記ルールに適合するコンテンツを、前記グループのコンテンツ嗜好とすることを特徴とする嗜好推定装置。 - 請求項1または2に記載の嗜好推定装置において、
前記グループに固有の情報は、各ユーザの優先順位に応じた数値と、所定の閾値と、であり、
前記優先順位に応じた数値は、前記グループ内でのユーザの優先順位が高くなるに従って大きく設定され、
前記コンテンツ嗜好推定手段は、
前記個人嗜好推定モデル生成手段により生成された前記グループに属する各ユーザ固有の個人嗜好推定モデルに基づいて、コンテンツに対する各ユーザの評価値を算出し、
前記グループに属するユーザごとに前記評価値と前記所定の閾値とを比較して、前記評価値が前記所定の閾値未満の場合には第1の値を設定し、前記評価値が前記所定の閾値以上の場合には前記第1の値より大きい第2の値を設定し、
前記グループに属するユーザごとに、前記設定した値と、前記優先順位に応じた数値と、を乗算し、乗算結果を積算し、
積算結果が大きいコンテンツから順に、前記グループのコンテンツ嗜好とすることを特徴とする嗜好推定装置。 - 請求項1または2に記載の嗜好推定装置において、
前記コンテンツ嗜好推定手段による前記グループのコンテンツ嗜好の推定は、請求項3乃至7に記載のコンテンツ嗜好推定手段による前記グループのコンテンツ嗜好の推定のいずれかに切り替え可能であることを特徴とする嗜好推定装置。 - グループのコンテンツ嗜好を推定する嗜好推定装置であって、
前記グループに固有の情報と、コンテンツ嗜好を推定するための全てのグループの情報と、に基づいて、前記グループに固有のグループ嗜好推定モデルを生成するグループ嗜好推定モデル生成手段と、
前記グループ嗜好推定モデル生成手段により生成された前記グループのグループ嗜好推定モデルに基づいて、前記グループのコンテンツ嗜好を推定するコンテンツ嗜好推定手段と、
を備えることを特徴とする嗜好推定装置。 - 請求項9に記載の嗜好推定装置において、
前記グループ嗜好推定モデル生成手段は、前記グループの情報に基づいてグループ学習データを生成し、生成したグループ学習データを予め定めた値で重み付けし、重み付けしたグループ学習データと、前記コンテンツ嗜好を推定するための全てのグループの情報と、に基づいて、前記グループに固有のグループ嗜好推定モデルを生成することを特徴とする嗜好推定装置。 - グループのコンテンツ嗜好を推定する嗜好推定装置であって、
請求項1または2に記載の個人嗜好推定モデル生成手段と、
請求項3乃至7に記載のコンテンツ嗜好推定手段と、
請求項9または10に記載のグループ嗜好推定モデル生成部およびコンテンツ嗜好推定手段と、を備え、
前記グループのコンテンツ嗜好の推定結果に対する前記グループの反応に応じた反応量が特定の閾値未満の場合、請求項1または2に記載の個人嗜好推定モデル生成手段と、請求項3乃至7のいずれかに記載のコンテンツ嗜好推定手段と、により、前記グループのコンテンツ嗜好を推定し、
前記グループのコンテンツ嗜好の推定結果に対する前記グループの反応に応じた反応量が特定の閾値未満の場合、請求項9または10に記載のグループ嗜好推定モデル生成部およびコンテンツ嗜好推定手段により、前記グループのコンテンツ嗜好を推定することを特徴とする嗜好推定装置。 - 請求項1乃至8のいずれかに記載の嗜好推定装置において、
前記グループのコンテンツ嗜好が推定されると、推定結果に基づいて、前記コンテンツ嗜好を推定するための全てのユーザの情報を更新するユーザ情報更新手段を備えることを特徴とする嗜好推定装置。 - 請求項12に記載の嗜好推定装置において、
前記ユーザ情報更新手段は、前記コンテンツ嗜好を推定するための全てのユーザの情報を初期化できることを特徴とする嗜好推定装置。 - 請求項9または10に記載の嗜好推定装置において、
前記グループのコンテンツ嗜好が推定されると、推定結果に基づいて、コンテンツ嗜好を推定するための全てのグループの情報を更新するグループ情報更新手段を備えることを特徴とする嗜好推定装置。 - 請求項14に記載の嗜好推定装置において、
前記グループ情報更新手段は、前記コンテンツ嗜好を推定するための全てのグループの情報を初期化できることを特徴とする嗜好推定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009084405A JP5324289B2 (ja) | 2009-03-31 | 2009-03-31 | 嗜好推定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009084405A JP5324289B2 (ja) | 2009-03-31 | 2009-03-31 | 嗜好推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010237919A true JP2010237919A (ja) | 2010-10-21 |
JP5324289B2 JP5324289B2 (ja) | 2013-10-23 |
Family
ID=43092176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009084405A Expired - Fee Related JP5324289B2 (ja) | 2009-03-31 | 2009-03-31 | 嗜好推定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5324289B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003167901A (ja) * | 2001-11-29 | 2003-06-13 | Kddi Corp | 協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラム |
JP2006127370A (ja) * | 2004-11-01 | 2006-05-18 | Matsushita Electric Ind Co Ltd | 情報提供装置および情報提供方法 |
JP2006319442A (ja) * | 2005-05-10 | 2006-11-24 | Sharp Corp | 番組推薦装置、番組推薦方法、番組推薦プログラムおよびそれを記録したコンピュータ読取可能な記録媒体 |
JP2008234043A (ja) * | 2007-03-16 | 2008-10-02 | Sony Corp | 情報処理装置及び情報処理方法、並びにプログラム |
-
2009
- 2009-03-31 JP JP2009084405A patent/JP5324289B2/ja not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003167901A (ja) * | 2001-11-29 | 2003-06-13 | Kddi Corp | 協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラム |
JP2006127370A (ja) * | 2004-11-01 | 2006-05-18 | Matsushita Electric Ind Co Ltd | 情報提供装置および情報提供方法 |
JP2006319442A (ja) * | 2005-05-10 | 2006-11-24 | Sharp Corp | 番組推薦装置、番組推薦方法、番組推薦プログラムおよびそれを記録したコンピュータ読取可能な記録媒体 |
JP2008234043A (ja) * | 2007-03-16 | 2008-10-02 | Sony Corp | 情報処理装置及び情報処理方法、並びにプログラム |
Non-Patent Citations (4)
Title |
---|
CSNG200801141017; 麻生 英樹, 他2名: '嗜好のモデル化におけるモデル適応について' 電子情報通信学会技術研究報告 第108巻, 第383号, 20090112, p.101-106, 社団法人電子情報通信学会 * |
CSNG200900289007; 山根 康男, 他4名: 'グループ適応型システムのための満足度を考慮した推薦方式の提案' DEWS2006論文集 , 20060630 * |
JPN6013016207; 山根 康男, 他4名: 'グループ適応型システムのための満足度を考慮した推薦方式の提案' DEWS2006論文集 , 20060630 * |
JPN6013016210; 麻生 英樹, 他2名: '嗜好のモデル化におけるモデル適応について' 電子情報通信学会技術研究報告 第108巻, 第383号, 20090112, p.101-106, 社団法人電子情報通信学会 * |
Also Published As
Publication number | Publication date |
---|---|
JP5324289B2 (ja) | 2013-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101608697B1 (ko) | 애드혹, 동적 모델 구성을 갖는 추천기 시스템 | |
Desrosiers et al. | A comprehensive survey of neighborhood-based recommendation methods | |
JP4639296B2 (ja) | 車両用情報処理システム、車両用情報処理方法およびプログラム | |
WO2010010653A1 (ja) | ユーザモデル処理装置 | |
Wei et al. | Effective mechanism for social recommendation of news | |
KR20090130323A (ko) | 사용자 프로파일의 생성을 위한 방법 및 장치 | |
CN106372101B (zh) | 一种视频推荐方法和装置 | |
Balakrishnan et al. | Two of a kind or the ratings game? Adaptive pairwise preferences and latent factor models | |
JP5619401B2 (ja) | コンテンツ提示システム | |
JP2013025324A (ja) | レコメンド装置、レコメンド方法およびプログラム | |
Cimini et al. | Heterogeneity, quality, and reputation in an adaptive recommendation model | |
US9177039B2 (en) | Communication assistance device, communication assistance method, and computer readable recording medium | |
CN111523050B (zh) | 内容推荐方法、服务器及存储介质 | |
CN114690731B (zh) | 一种关联场景推荐方法、装置、存储介质及电子装置 | |
Takano | Two types of social grooming methods depending on the trade-off between the number and strength of social relationships | |
JP5324289B2 (ja) | 嗜好推定装置 | |
KR20220045233A (ko) | 디지털 콘텐츠의 시각적 품질 평가 | |
Ban et al. | The dynamics of reputation systems | |
Garcia et al. | Approaches to preference elicitation for group recommendation | |
El Alami et al. | Toward an effective hybrid collaborative filtering: a new approach based on matrix factorization and heuristic-based neighborhood | |
Katarya et al. | Automatically detection and recommendation in collaborative groups | |
JP6558860B2 (ja) | 推定装置、予測装置、方法、及びプログラム | |
Chen et al. | A collaborative filtering recommendation based on user profile weight and time weight | |
Smith et al. | A hybrid latent variable neural network model for item recommendation | |
Menta et al. | Efficient selection of influential nodes for viral marketing in social networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130409 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130607 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130625 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130718 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5324289 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |