JP2013093015A - 情報推薦方法、装置及びプログラム - Google Patents
情報推薦方法、装置及びプログラム Download PDFInfo
- Publication number
- JP2013093015A JP2013093015A JP2012196469A JP2012196469A JP2013093015A JP 2013093015 A JP2013093015 A JP 2013093015A JP 2012196469 A JP2012196469 A JP 2012196469A JP 2012196469 A JP2012196469 A JP 2012196469A JP 2013093015 A JP2013093015 A JP 2013093015A
- Authority
- JP
- Japan
- Prior art keywords
- information
- browsing
- chunk
- spot
- stay
- 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
- 238000000034 method Methods 0.000 title claims description 80
- 238000004458 analytical method Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 16
- 230000009471 action Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 36
- 230000006870 function Effects 0.000 description 25
- 238000004364 calculation method Methods 0.000 description 22
- 238000010225 co-occurrence analysis Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 238000005070 sampling Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 206010022528 Interactions Diseases 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004590 drinking behavior Effects 0.000 description 1
- 230000020595 eating behavior Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
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】飲食店のWebサイトに対する詳細な閲覧履歴データをもとに、閲覧時刻の近さに応じた詳細閲覧のまとまりを閲覧チャンクとして抽出すると共に、GPS移動履歴データをもとに、ユーザが一定時間に一定の範囲内に留まっている場合にその滞在地情報の集合をユーザの行動範囲のまとまりを表す滞在チャンクとして抽出する。そして、これらのチャンクを参照飲食店集合からの標本と捉え、閲覧チャンクにおける無作為抽出との乖離確率pij、及び滞在チャンクにおける無作為抽出との乖離確率pikをそれぞれ計算し、これらの乖離確率を統合して飲食店のタグに対するユーザの嗜好スコアを計算し、この嗜好スコアを用いてユーザに対する飲食店の推薦リストを作成し配信する。
【選択図】図1
Description
上記コンピュータが、上記複数のスポットに関する情報をそれぞれ掲示する閲覧サイトに対する上記ユーザの閲覧履歴を表す情報を取得して第1の記憶媒体に格納すると共に、上記ユーザの地理的な移動履歴を表す情報を取得して第2の記憶媒体に格納する。また、上記コンピュータが、上記第1の記憶媒体に記憶された閲覧履歴情報をもとに、当該閲覧履歴情報に含まれる複数のスポット閲覧情報を閲覧時間の近さを条件にクラスタ化して閲覧チャンクを生成すると共に、上記第2の記憶媒体に記憶された移動履歴情報、又はユーザが事前に入力した情報や無線基地局との接続情報をもとにユーザが訪問可能な参照エリアを決定して、予め記憶されたスポット情報の中から上記決定された参照エリアに含まれるスポット情報の集合を参照スポット集合として抽出する。そして、上記生成された閲覧チャンクに含まれるスポット閲覧情報の数aと、上記閲覧チャンクに含まれるスポット閲覧情報群のうち所定の概念を有するスポット閲覧情報の数nと、上記参照スポット集合に含まれるスポット情報の数Sと、上記参照スポット集合に含まれるスポット情報群のうち上記概念が付与されたスポット情報の数Nをもとに、上記閲覧チャンクに上記概念が出現するスポット閲覧情報の数が、上記n以上となる第1の確率及びn未満となる第2の確率をそれぞれ算出し、この算出された第1及び第2の確率をもとに標準正規分布の累積分布関数の逆関数により特徴スコアzを算出し、上記閲覧チャンクごとに算出された特徴スコアzを用いて、上記概念に対する上記ユーザの興味の度合いを表す興味スコアを計算することを特徴とするものである。
第1の態様は、上記コンピュータが、上記第2の記憶媒体に記憶された移動履歴情報をもとに、当該移動履歴情報に含まれる複数の滞在情報を距離の近さを条件にクラスタ化して滞在チャンクを生成し、この滞在チャンクに対し距離の近さを条件にしてスポット群を関連付ける機能をさらに備え、上記生成された滞在チャンクに含まれるスポット情報の数を上記aとすると共に、上記滞在チャンクに含まれるスポット情報群のうち所定の概念を有するスポット情報の数を上記nとして、上記特徴スコアzを算出するものである。
(第1の実施形態)
[構成]
図1はこの発明の第1の実施形態に係るシステムの概略構成図であり、ユーザそれぞれ所持するユーザ端末UT1〜UTnを通信ネットワークNWを介して情報推薦装置としての機能を有する情報サーバSVに接続可能としたものである。
通信ネットワークNWは、インターネットと、このインターネットにアクセスするためのアクセス網とから構成される。アクセス網としては、携帯電話網やホットスポット(登録商標)、WiMAX(登録商標)、無線LAN等の移動通信網が用いられる。
通信インタフェースユニットは、上記通信ネットワークNWを介してユーザ端末UT1〜UTnとの間で情報通信を行うもので、通信プロトコルとしては例えばTCP/IP(Transmission Control Protocol/Internet Protocol)が用いられる。
候補飲食店集合作成部141は、ユーザ端末UT1〜UTnから飲食店の推薦を要求するユーザリクエストが送られた場合に、当該ユーザリクエストに含まれる地域とタグにより表される店舗条件に該当する飲食店の集合を飲食店データベース24から検索し、これにより候補飲食店集合を作成する機能を有する。
なお、以上述べた制御ユニット1の各処理機能は、何れも図示しないプログラムメモリに格納されたアプリケーション・プログラムを上記CPUに実行させることにより実現される。
次に、以上のように構成された情報推薦サーバSVによる情報推薦処理の動作を説明する。図4はその全体の処理手順と処理内容を示すフローチャートである。
(1)GPS移動履歴及び閲覧履歴の収集処理
情報推薦サーバSVの制御ユニット1は、ステップS1及びステップ3によりそれぞれGPS移動履歴の収集タイミングと詳細閲覧履歴の収集タイミングを監視している。この状態で、例えば一定の時間間隔に設定されたGPS移動履歴の収集タイミングになると、ステップS2によりGPS移動履歴収集部11を起動し、このGPS移動履歴収集部11の制御の下で、各ユーザ端末UT1〜UTnに対し順次GPS移動履歴の収集要求を送信する。
情報推薦サーバSVの制御ユニット1は、上記GPS移動履歴データ及び詳細閲覧履歴データの収集処理を定期的に実行しながら、ステップS5で嗜好学習タイミングになったか否かを監視している。この状態で予め定められた処理タイミングになると、ステップS6により嗜好学習処理部13を起動し、この嗜好学習処理部13の制御の下で以下のようにユーザの飲食店に対する嗜好を学習する。図5はその処理手順と処理内容を示すフローチャートである。
情報推薦サーバSVの制御ユニット1は、先ずステップS61により参照飲食店集合作成部131を起動する。そして、この参照飲食店集合作成部131の制御の下、ステップS611により学習対象のユーザに関するGPS移動履歴データをGPS移動履歴記憶部21から読み出す。次にステップS612において、上記読み出されたGPS移動履歴データをもとにユーザの行動範囲を表す参照エリアを求め、この参照エリア内に存在する飲食店をステップS613により飲食店データベース24から読み出して、参照飲食店集合とする。なお、参照エリアの決定については、ユーザへの行動範囲や居住地、勤務地に対するアンケート、プロフィール情報等による手入力で収集した情報を元に決定することもできる。さらに、GPS移動履歴以外でも、位置情報が事前に把握されている無線基地局への接続履歴、前記無線基地局からの電波強度による位置測位情報等によって決定することもできる。
制御ユニット1は、次にステップS62により詳細閲覧履歴分析部132を起動する。そして、この詳細閲覧履歴分析部132の制御の下、先ずステップS621により詳細閲覧履歴記憶部22から学習対象ユーザの詳細閲覧履歴データを読出し、この詳細閲覧履歴から閲覧時刻の近さをもとに詳細閲覧のまとまりを抽出する。このまとまりを閲覧チャンクと呼ぶ。具体的には、あるユーザの詳細閲覧履歴が多数ある場合に、各履歴の前後一定時間(例えば30分)以内に別の履歴がある場合には、これらの履歴を同じ閲覧チャンクとしてまとめる。この処理を時系列的に順次行うことで、詳細閲覧履歴データから閲覧チャンク群を抽出する。図7(a)はその抽出結果の一例を示すもので、この例では閲覧チャンク1、閲覧チャンク2、閲覧チャンク3が抽出された場合を示している。
例えば、上記抽出された各閲覧チャンクを参照飲食店集合からの標本と捉え、タグiの閲覧チャンクjにおける無作為抽出との乖離確率pijを、
制御ユニット1は、次にステップS63においてGPS移動履歴分析部133を起動し、このGPS移動履歴分析部133の制御の下、以下のようにGPS移動履歴の分析処理を実行する。
すなわち、先ずステップS631により、ユーザごとに、上記GPS移動履歴記憶部21に蓄積されたGPS移動履歴データをもとに、ユーザが一定時間、一定の範囲内に留まるGPS移動履歴を抽出し、これを滞在チャンクとする。図7(b)はその抽出結果の一例を示すもので、この例では滞在チャンク1と滞在チャンク2が抽出された場合を示している。
すなわち、タグiの滞在チャンクをkとしたとき、この滞在チャンクkにおける無作為抽出との乖離確率pikを、
なお、各滞在チャンクについて訪問店は原則1店あると想定し、式(5)では、タグiが訪問可能性飲食店のどれか1つに付与されているものとして、無作為抽出した場合との乖離確率pikを計算する。
図8は、以上のようにして計算された、閲覧チャンクjにおける無作為抽出との乖離確率と、滞在チャンクkにおける無作為抽出との乖離確率pikの概念を示す図である。
制御ユニット1は、次にステップS64において飲食店共起分析部134を起動し、この飲食店共起分析部134の制御の下、以下のように詳細訪問後の訪問分析を行う。すなわち、先ずステップS641において、上記詳細履歴分析部132により抽出された閲覧チャンクと、GPS移動履歴分析部133により抽出された滞在チャンクに基づいて、各閲覧チャンクに出現した飲食店が、その閲覧時刻から滞在開始時刻が一定時間以内(例えば24時間)の滞在チャンクにおいて訪問の可能性がある飲食店として出現した場合に、この飲食店を共起飲食店として抽出する。この共起飲食店は、ユーザがWebサイトを詳細に閲覧した飲食店の情報を契機として訪問とした可能性があると推測される。
図9は、上記共起飲食店の抽出処理及び乖離確率の算出処理の概念を示したものである。
制御ユニット1は、最後にステップS65において嗜好スコア計算部135を起動し、この嗜好スコア計算部135の制御の下、各タグに対するユーザの嗜好スコアを以下のように計算する。
情報推薦サーバSVの制御ユニット1は、上記GPS移動履歴データ及び詳細閲覧履歴データの収集処理を定期的に実行しながら、ステップS7でユーザからの情報推薦要求(ユーザリクエスト)の到来を監視している。この状態でユーザ端末UT1〜UTnから送信されたユーザリクエストを受信すると、ステップS8により飲食店推薦処理部14を起動し、この飲食店推薦処理部14の制御の下、以下のように飲食店の推薦処理を実行する。図6はその処理手順と処理内容を示すフローチャートである。
先ずステップS81において、候補飲食店集合作成部141の制御の下、上記受信されたユーザリクエストに含まれる地域とタグにより表される店舗条件に基づいて、当該条件に該当する飲食店を飲食店データベース24から抽出し、これにより候補飲食店集合(Candidate restaurant set)を作成する。候補飲食店集合は、ユーザリクエストにより指定された条件、例えば地域条件として「X駅から1km以内」に基づいて、飲食店データベース24を検索して作成する。
次にステップS82において飲食店スコア計算部142を起動し、この飲食店スコア計算部142の制御の下、上記嗜好データベース23に記憶された、タグiに対するユーザの嗜好スコアzi をもとに、上記候補飲食店集合に含まれる各飲食店のスコアRestaurant Score(r)を、
次にステップS83において推薦リスト作成部143を起動し、この推薦リスト作成部143の制御の下で、上記飲食店スコア計算部142により算出された各飲食店のスコアzi をもとに、飲食店情報をスコアzi の降順にソートする(ステップS831)。すなわち、飲食店情報をユーザの嗜好スコアとの合致度が高い順に並べ替える。これによりユーザに適した飲食店の推薦リストが作成される。そして、この作成された推薦リストを、ステップS832により推薦リスト記憶部25に保存すると共に、ステップS833により通信ネットワークNWを介して推薦要求元のユーザ端末UT1〜UTnに向け返送する。
この実施形態による推薦方法による推薦精度を、Random Sort、及びCosine Similarityによる推薦精度と比較した。
Random Sortは、候補飲食店集合に含まれる各店舗を無作為にソートする方法である。例えば、「現在地から1km以内」等を条件とした検索で、ユーザによる嗜好や条件入力、他の推薦方法がない場合は、この方法と同じである。このRandom Sortの評価には期待値を利用する。
以上詳述したように第1の実施形態では、飲食店のWebサイトに対する詳細な閲覧履歴データをもとに、閲覧時刻の近さに応じた詳細閲覧のまとまりを閲覧チャンクとして抽出すると共に、GPS移動履歴データをもとに、ユーザが一定時間に一定の範囲内に留まっている場合にその滞在地情報の集合をユーザの行動範囲のまとまりを表す滞在チャンクとして抽出する。そして、これらのチャンクを参照飲食店集合からの標本と捉え、閲覧チャンクにおける無作為抽出との乖離確率pij、及び滞在チャンクにおける無作為抽出との乖離確率pikをそれぞれ計算し、これらの乖離確率を統合して飲食店のタグに対するユーザの嗜好スコアを計算し、この嗜好スコアを用いてユーザに対する飲食店の推薦リストを作成し配信するようにしている。
この発明の第2の実施形態は、飲食店の共起分析において、各閲覧チャンクに出現した飲食店が、その閲覧時刻から滞在開始時刻が一定時間以内の滞在チャンクにおいて訪問の可能性がある飲食店として出現した場合に、この飲食店を共起飲食店として抽出すると共に、各滞在チャンクにおいて訪問の可能性がある飲食店として出現した飲食店が、その滞在開始時刻から閲覧時刻が一定時間以内の閲覧チャンクにおいて出現した場合に、この飲食店を対象としている滞在チャンクにおける共起飲食店として抽出するようにしたものである。
なお、第2の実施形態においても、情報推薦装置の基本的な構成及び処理動作は第1の実施形態と同一なので、図1乃至図5を使用して説明を行う。
制御ユニット1は、ステップS64において飲食店共起分析部134を起動し、この飲食店共起分析部134の制御の下、以下のように訪問分析を行う。すなわち、先ずステップS641において、上記詳細履歴分析部132により抽出された閲覧チャンクと、GPS移動履歴分析部133により抽出された滞在チャンクに基づいて、各閲覧チャンクに出現した飲食店が、その閲覧時刻から滞在開始時刻が一定時間以内(例えば一週間)の滞在チャンクにおいて訪問の可能性がある飲食店として出現した場合に、この飲食店を、対象としている閲覧チャンクにおける共起飲食店として抽出する。
そして、この共起飲食店を、ユーザがWebサイトを詳細に閲覧した飲食店の情報を契機として訪問した、もしくは訪問を契機としてWebサイトを詳細に閲覧した可能性がある飲食店と推測する。このような飲食店はユーザの嗜好に強く関係すると仮定することができる。
そこで、各共起飲食店が一定期間内の滞在チャンクで訪問可能性飲食店となったことの珍しさを、無作為抽出からの乖離により以下のように算出する。
制御ユニット1は、ステップS65において嗜好スコア計算部135を起動し、この嗜好スコア計算部135の制御の下、各タグに対するユーザの嗜好スコアを以下のように計算する。
以上述べたように第2の実施形態によれば、「店舗情報閲覧後に訪問した近接店舗」、及び「店舗訪問後の店舗情報閲覧」を別にモデルとして分析したので、店舗情報閲覧の前後の近接する店舗への訪問のみをモデルとして分析するようにした第1の実施形態に比べ、さらに詳細な分析を行うことが可能となる。また第1の実施形態では、店舗情報閲覧前の近接する店舗への訪問を分析するために、チャンクの追加毎の逐次更新ができなかったが、分析結果のチャンク追加ごとの逐次更新を可能としたことにより、計算コストやメモリ等のコンピュータリソースを低減することができる。
なお、この発明は上記各実施形態に限定されるものではない。例えば、前記第1の実施形態では嗜好学習処理部13の飲食店共起分析部134において、飲食店の推薦リストを提供する前の段階では、ユーザが任意に飲食店のWebサイトを閲覧して取得した詳細閲覧情報をもとに、当該ユーザが実際にその飲食店へ訪問した可能性を分析に反映するようにした。しかし、それに限らず飲食店推薦処理部14により作成された推薦リストがユーザに配信され、ユーザがこの推薦リストをもとに飲食店のWebサイトに対しアクセスして取得した詳細閲覧情報を上記飲食店共起分析に反映するようにしてもよい。
Claims (11)
- コンピュータにより、地理的に散在する複数のスポットに対するユーザの興味を分析してその分析結果をもとに当該ユーザに対し推薦するスポットの情報を作成する情報推薦方法であって、
前記コンピュータが、前記複数のスポットに関する情報をそれぞれ掲示する閲覧サイトに対する前記ユーザの閲覧履歴を表す情報を取得して第1の記憶媒体に格納する第1の過程と、
前記コンピュータが、前記ユーザの地理的な移動履歴を表す情報を取得して第2の記憶媒体に格納する第2の過程と、
前記コンピュータが、前記第1の記憶媒体に記憶された閲覧履歴情報をもとに、当該閲覧履歴情報に含まれる複数のスポット閲覧情報を閲覧時間の近さを条件にクラスタ化して閲覧チャンクを生成する第3の過程と、
前記コンピュータが、前記第2の記憶媒体に記憶された移動履歴情報、またはユーザが事前に入力した情報や無線基地局との接続情報をもとにユーザが訪問可能な参照エリアを決定し、予め記憶されたスポット情報の中から、前記決定された参照エリアに含まれるスポット情報の集合を参照スポット集合として抽出する第4の過程と、
前記コンピュータが、前記生成された閲覧チャンクに含まれるスポット閲覧情報の数aと、前記閲覧チャンクに含まれるスポット閲覧情報群のうち所定の概念を有するスポット閲覧情報の数nと、前記参照スポット集合に含まれるスポット情報の数Sと、前記参照スポット集合に含まれるスポット情報群のうち前記概念が付与されたスポット情報の数Nをもとに、前記閲覧チャンクに前記概念が出現するスポット閲覧情報の数が、前記n以上となる第1の確率及びn未満となる第2の確率をそれぞれ算出し、この算出された第1及び第2の確率をもとに標準正規分布の累積分布関数の逆関数により特徴スコアzを算出する第5の過程と、
前記コンピュータが、前記閲覧チャンクごとに算出された特徴スコアzを用いて、前記概念に対する前記ユーザの興味の度合いを表す興味スコアを計算する第6の過程と
を具備することを特徴とする情報推薦方法。 - 前記コンピュータが、前記第2の記憶媒体に記憶された移動履歴情報をもとに、当該移動履歴情報に含まれる複数の滞在情報を距離の近さを条件にクラスタ化して滞在チャンクを生成し、この滞在チャンクに対し距離の近さを条件にしてスポット群を関連付ける過程をさらに具備し、
前記第5の過程は、前記生成された滞在チャンクに含まれるスポット情報の数を前記aとすると共に、前記滞在チャンクに含まれるスポット情報群のうち所定の概念を有するスポット情報の数を前記nとして、前記特徴スコアzを算出することを特徴とする請求項1記載の情報推薦方法。 - 前記コンピュータが、前記第2の記憶媒体に記憶された移動履歴情報をもとに、当該移動履歴情報に含まれる複数の滞在情報を距離の近さを条件にクラスタ化して滞在チャンクを生成し、この滞在チャンクに対し距離の近さを条件にしてスポット群を関連付ける過程をさらに具備し、
前記第5の過程は、前記閲覧チャンクに出現するスポット閲覧情報の数を前記Nとすると共に、前記閲覧チャンクの閲覧時刻から予め設定した一定時間内に存在する滞在チャンク群を共起チャンクとしてこの共起チャンク内の滞在チャンクに対し前記距離の近さを条件にして関連付けられたスポット群の数を前記aとし、前記一定時間内の滞在チャンクに関連付けられたスポット群の中で、前記閲覧チャンクに出現したスポットの数をnとして、前記特徴スコアzを算出することを特徴とする請求項1記載の情報推薦方法。 - 前記コンピュータが、前記第2の記憶媒体に記憶された移動履歴情報をもとに、当該移動履歴情報に含まれる複数の滞在情報を距離の近さを条件にクラスタ化して滞在チャンクを生成し、この滞在チャンクに対し距離の近さを条件にしてスポット群を関連付ける過程を、さらに具備し、
前記第5の過程は、前記参照スポット集合に含まれるスポット情報の数Sとし、閲覧チャンク内のスポット情報数をaとしたうえで、前記閲覧チャンクの閲覧時刻から予め設定した一定時間内に存在する滞在チャンク群に出現するスポット情報の数をNとし、前記閲覧チャンクに出現するスポット情報において、一定時間内に滞在開始時刻を持つ滞在チャンクに出現するスポット情報と共起するスポット情報群を共起チャンクとして、当該共起チャンク内のスポットの数をnとして前記特徴スコアzを算出することを特徴とする請求項1記載の情報推薦方法。 - 前記コンピュータが、前記第2の記憶媒体に記憶された移動履歴情報をもとに、当該移動履歴情報に含まれる複数の滞在情報を距離の近さを条件にクラスタ化して滞在チャンクを生成し、この滞在チャンクに対し距離の近さを条件にしてスポット群を関連付ける過程を、さらに具備し、
前記第5の過程は、前記同様に参照スポット集合に含まれるスポット情報の数Sとし、閲覧チャンク内のスポット情報数をaとしたうえで、前記滞在チャンクの滞在開始時刻から予め設定した一定時間内を閲覧時刻とする閲覧チャンク群に出現するスポット情報の数をNとし、前記滞在チャンクに出現するスポット情報群において、一定時間内の閲覧チャンクに出現するスポット情報と共起するスポット情報群を共起チャンクとして、共起チャンク内のスポットの数をnとして、前記特徴スコアzを算出することを特徴とする請求項1記載の情報推薦方法。 - 前記第5の過程は、前記閲覧チャンク、滞在チャンクまたは共起チャンクについて、ユーザの操作履歴、各チャンクの時刻及び状況、及び前記スポットと前記概念との関連度の少なくとも1つに応じて前記特徴スコアzを重み付けすることを特徴とする請求項1乃至5のいずれかに記載の情報推薦方法。
- 前記第5の過程は、前記第1の確率及び前記第2の確率を超幾何分布、二項分布または正規分布により算出することを特徴とする請求項1に記載の情報推薦方法。
- 1つ以上の概念が出現するスポット情報について、当該スポット情報に出現する各概念の前記興味スコアを用いて、当該スポット情報に対するユーザの評価スコアを算出する第7の過程を、さらに具備することを特徴とする請求項1記載の情報推薦方法。
- 前記第7の過程は、前記スポット情報と各概念との関連度及び各概念の重要度の少なくとも1つに応じて前記興味スコアを重み付けすることを特徴とする請求項8記載の情報推薦方法。
- 地理的に散在する複数のスポットに対するユーザの興味を分析してその分析結果をもとに当該ユーザに対し推薦するスポットの情報を作成する情報推薦装置であって、
前記複数のスポットに関する情報をそれぞれ掲示する閲覧サイトに対する前記ユーザの閲覧履歴を表す情報を取得して第1の記憶媒体に格納する手段と、
前記ユーザの地理的な移動履歴を表す情報を取得して第2の記憶媒体に格納する手段と、
前記第1の記憶媒体に記憶された閲覧履歴情報をもとに、当該閲覧履歴情報に含まれる複数のスポット閲覧情報を閲覧時間の近さを条件にクラスタ化して閲覧チャンクを生成する手段と、
前記第2の記憶媒体に記憶された移動履歴情報をもとにユーザが訪問可能な参照エリアを決定し、予め記憶されたスポット情報の中から、前記決定された参照エリアに含まれるスポット情報の集合を参照スポット集合として抽出する手段と、
前記生成された閲覧チャンクに含まれるスポット閲覧情報の数aと、前記閲覧チャンクに含まれるスポット閲覧情報群のうち所定の概念を有するスポット閲覧情報の数nと、前記参照スポット集合に含まれるスポット情報の数Sと、前記参照スポット集合に含まれるスポット情報群のうち前記概念が付与されたスポット情報の数Nをもとに、前記閲覧チャンクに前記概念が出現するスポット閲覧情報の数が、前記n以上となる第1の確率及びn未満となる第2の確率をそれぞれ算出し、この算出された第1及び第2の確率をもとに標準正規分布の累積分布関数の逆関数により特徴スコアzを算出する手段と、
前記閲覧チャンクごとに算出された特徴スコアzを用いて、前記概念に対する前記ユーザの興味の度合いを表す興味スコアを計算する手段と
を具備することを特徴とする情報推薦装置。 - 請求項1乃至9のいずれかに記載の情報推薦方法が備える各過程の処理を、前記コンピュータに実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012196469A JP5732441B2 (ja) | 2011-10-06 | 2012-09-06 | 情報推薦方法、装置及びプログラム |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011221993 | 2011-10-06 | ||
JP2011221993 | 2011-10-06 | ||
JP2012196469A JP5732441B2 (ja) | 2011-10-06 | 2012-09-06 | 情報推薦方法、装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013093015A true JP2013093015A (ja) | 2013-05-16 |
JP5732441B2 JP5732441B2 (ja) | 2015-06-10 |
Family
ID=48616064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012196469A Expired - Fee Related JP5732441B2 (ja) | 2011-10-06 | 2012-09-06 | 情報推薦方法、装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5732441B2 (ja) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015095191A (ja) * | 2013-11-13 | 2015-05-18 | 株式会社Agoop | 情報処理システム、人口流量推定装置、プログラム、情報処理方法及び人口流量を推定する方法 |
JP2016053870A (ja) * | 2014-09-04 | 2016-04-14 | 富士ゼロックス株式会社 | 情報提示プログラム及び情報処理装置 |
JP2017168154A (ja) * | 2017-07-03 | 2017-09-21 | ヤフー株式会社 | 情報集計装置、情報集計方法及び情報集計プログラム |
KR20190118477A (ko) * | 2018-04-10 | 2019-10-18 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 엔티티 추천 방법 및 장치 |
JP2020024496A (ja) * | 2018-08-06 | 2020-02-13 | 凸版印刷株式会社 | ユーザ分析装置及びプログラム |
CN110866182A (zh) * | 2019-10-17 | 2020-03-06 | 贝壳技术有限公司 | 房源推荐方法、装置、服务器及计算机可读存储介质 |
CN111209386A (zh) * | 2020-01-07 | 2020-05-29 | 重庆邮电大学 | 一种基于深度学习的个性化文本推荐方法 |
JP2020101930A (ja) * | 2018-12-20 | 2020-07-02 | ビリングシステム株式会社 | 支払・決済用アプリにおける検索・通知最適化システム、方法およびプログラム |
JP2020102161A (ja) * | 2018-12-25 | 2020-07-02 | 株式会社 ミックウェア | 推定装置、レコメンドシステム、推定プログラムおよび推定方法 |
CN113674065A (zh) * | 2021-08-30 | 2021-11-19 | 中国平安人寿保险股份有限公司 | 基于服务触点的业务推荐方法、装置、电子设备及介质 |
CN114549143A (zh) * | 2022-03-18 | 2022-05-27 | 电子科技大学 | 线下停车记录与线上购买行为融合的个性化商品推荐方法 |
US11948472B2 (en) | 2019-07-30 | 2024-04-02 | Ntt Docomo, Inc. | Popularity evaluation system and geographical feature generation model |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002157273A (ja) * | 2000-11-16 | 2002-05-31 | Hitachi Ltd | 確率を用いた特徴単語の選択方法 |
JP2008145233A (ja) * | 2006-12-08 | 2008-06-26 | Denso Corp | ランドマーク提示装置、車載用ナビゲーション装置および車載用ナビゲーションシステム |
JP2008158823A (ja) * | 2006-12-25 | 2008-07-10 | Dainippon Printing Co Ltd | 情報提供システム |
WO2009075043A1 (ja) * | 2007-12-13 | 2009-06-18 | Dai Nippon Printing Co., Ltd. | 情報提供システム |
JP2010146040A (ja) * | 2008-12-16 | 2010-07-01 | Hitachi Ltd | 移動情報に基づいた操作者の趣味嗜好判断ナビゲーション装置 |
-
2012
- 2012-09-06 JP JP2012196469A patent/JP5732441B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002157273A (ja) * | 2000-11-16 | 2002-05-31 | Hitachi Ltd | 確率を用いた特徴単語の選択方法 |
JP2008145233A (ja) * | 2006-12-08 | 2008-06-26 | Denso Corp | ランドマーク提示装置、車載用ナビゲーション装置および車載用ナビゲーションシステム |
JP2008158823A (ja) * | 2006-12-25 | 2008-07-10 | Dainippon Printing Co Ltd | 情報提供システム |
WO2009075043A1 (ja) * | 2007-12-13 | 2009-06-18 | Dai Nippon Printing Co., Ltd. | 情報提供システム |
JP2010146040A (ja) * | 2008-12-16 | 2010-07-01 | Hitachi Ltd | 移動情報に基づいた操作者の趣味嗜好判断ナビゲーション装置 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015072357A1 (ja) * | 2013-11-13 | 2015-05-21 | 株式会社Agoop | 情報処理システム、人口流量推定装置、プログラム、情報処理方法及び人口流量を推定する方法 |
JP2015095191A (ja) * | 2013-11-13 | 2015-05-18 | 株式会社Agoop | 情報処理システム、人口流量推定装置、プログラム、情報処理方法及び人口流量を推定する方法 |
JP2016053870A (ja) * | 2014-09-04 | 2016-04-14 | 富士ゼロックス株式会社 | 情報提示プログラム及び情報処理装置 |
JP2017168154A (ja) * | 2017-07-03 | 2017-09-21 | ヤフー株式会社 | 情報集計装置、情報集計方法及び情報集計プログラム |
KR102123153B1 (ko) * | 2018-04-10 | 2020-06-15 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 엔티티 추천 방법 및 장치 |
KR20190118477A (ko) * | 2018-04-10 | 2019-10-18 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 엔티티 추천 방법 및 장치 |
JP2019185716A (ja) * | 2018-04-10 | 2019-10-24 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | エンティティ推薦方法及び装置 |
JP2020024496A (ja) * | 2018-08-06 | 2020-02-13 | 凸版印刷株式会社 | ユーザ分析装置及びプログラム |
JP7107077B2 (ja) | 2018-08-06 | 2022-07-27 | 凸版印刷株式会社 | ユーザ分析装置及びプログラム |
JP2020101930A (ja) * | 2018-12-20 | 2020-07-02 | ビリングシステム株式会社 | 支払・決済用アプリにおける検索・通知最適化システム、方法およびプログラム |
JP2020102161A (ja) * | 2018-12-25 | 2020-07-02 | 株式会社 ミックウェア | 推定装置、レコメンドシステム、推定プログラムおよび推定方法 |
US11948472B2 (en) | 2019-07-30 | 2024-04-02 | Ntt Docomo, Inc. | Popularity evaluation system and geographical feature generation model |
CN110866182B (zh) * | 2019-10-17 | 2020-07-10 | 贝壳找房(北京)科技有限公司 | 房源推荐方法、装置、服务器及计算机可读存储介质 |
CN110866182A (zh) * | 2019-10-17 | 2020-03-06 | 贝壳技术有限公司 | 房源推荐方法、装置、服务器及计算机可读存储介质 |
CN111209386A (zh) * | 2020-01-07 | 2020-05-29 | 重庆邮电大学 | 一种基于深度学习的个性化文本推荐方法 |
CN111209386B (zh) * | 2020-01-07 | 2022-04-12 | 重庆邮电大学 | 一种基于深度学习的个性化文本推荐方法 |
CN113674065A (zh) * | 2021-08-30 | 2021-11-19 | 中国平安人寿保险股份有限公司 | 基于服务触点的业务推荐方法、装置、电子设备及介质 |
CN113674065B (zh) * | 2021-08-30 | 2023-09-22 | 中国平安人寿保险股份有限公司 | 基于服务触点的业务推荐方法、装置、电子设备及介质 |
CN114549143A (zh) * | 2022-03-18 | 2022-05-27 | 电子科技大学 | 线下停车记录与线上购买行为融合的个性化商品推荐方法 |
CN114549143B (zh) * | 2022-03-18 | 2022-07-29 | 电子科技大学 | 线下停车记录与线上购买行为融合的个性化商品推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5732441B2 (ja) | 2015-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5732441B2 (ja) | 情報推薦方法、装置及びプログラム | |
Yin et al. | Joint modeling of user check-in behaviors for real-time point-of-interest recommendation | |
Bennett et al. | Inferring and using location metadata to personalize web search | |
US11490220B2 (en) | System and method for accurately and efficiently generating ambient point-of-interest recommendations | |
Zheng et al. | Collaborative location and activity recommendations with gps history data | |
US8612134B2 (en) | Mining correlation between locations using location history | |
US9495456B2 (en) | Selecting, ranking, and/or presenting microsite content | |
WO2016206196A1 (zh) | 用于获取用户属性信息的方法、装置及服务器 | |
JP5410462B2 (ja) | 行動及び属性推定装置及び方法及びプログラム | |
WO2010140504A1 (ja) | 推薦情報提供システム、装置、方法及びプログラム | |
CN108596695B (zh) | 实体推送方法及系统 | |
Gunter et al. | An exploratory analysis of geotagged photos from Instagram for residents of and visitors to Vienna | |
JP2010086150A (ja) | 地域情報検索装置、地域情報検索装置の制御方法、地域情報検索システム、および地域情報検索システムの制御方法 | |
KR102319438B1 (ko) | 빅데이터 기반의 감성정보를 반영한 관광지 정보 제공 시스템 및 그 구동방법 | |
US20130173568A1 (en) | Method or system for identifying website link suggestions | |
US20190139165A1 (en) | Contextual trip itinerary generator | |
Jiang et al. | Towards intelligent geospatial data discovery: a machine learning framework for search ranking | |
US20170011063A1 (en) | Systems and Methods to Facilitate Submission of User Images Descriptive of Locations | |
Menk et al. | Recommendation systems for tourism based on social networks: A survey | |
CN115408618B (zh) | 一种基于社交关系融合位置动态流行度和地理特征的兴趣点推荐方法 | |
JP2013222278A (ja) | 施設評価装置、施設評価システム、施設評価方法およびプログラム | |
US20170236224A1 (en) | Identifying Points of Interest | |
KR101523192B1 (ko) | 소셜 검색 시스템 및 기법 | |
KR101544462B1 (ko) | 위치기반 정보 제공 시스템에서의 클라이언트 단말 정보를 이용한 개인화 된 poi정보 제공 방법 및 그 클라이언트 단말 | |
KR101867421B1 (ko) | 소셜 데이터를 이용한 서비스 제공업체 추천 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20130515 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140626 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150312 |
|
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: 20150407 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150413 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5732441 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |