JP2014059816A - Item recommendation device, item recommendation method, item recommendation program and recording medium - Google Patents
Item recommendation device, item recommendation method, item recommendation program and recording medium Download PDFInfo
- Publication number
- JP2014059816A JP2014059816A JP2012205620A JP2012205620A JP2014059816A JP 2014059816 A JP2014059816 A JP 2014059816A JP 2012205620 A JP2012205620 A JP 2012205620A JP 2012205620 A JP2012205620 A JP 2012205620A JP 2014059816 A JP2014059816 A JP 2014059816A
- Authority
- JP
- Japan
- Prior art keywords
- item
- recommendation
- target user
- recommended
- terminal
- 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
Abstract
Description
本発明は、端末を利用している対象ユーザに対してコンテンツ等のアイテムを推薦する技術に関し、特に、対象ユーザのアイテム利用履歴及び対象ユーザ以外のユーザのアイテム利用履歴を分析して対象ユーザに対してアイテムを推薦するアイテム推薦装置、アイテム推薦方法、アイテム推薦プログラム及び記録媒体に関する。 The present invention relates to a technique for recommending an item such as content to a target user who uses a terminal, and in particular, analyzes the item usage history of the target user and the item usage history of a user other than the target user, to the target user. The present invention relates to an item recommendation device that recommends items, an item recommendation method, an item recommendation program, and a recording medium.
ユーザに対して、そのユーザ（対象ユーザ）のアイテム利用履歴及び他のユーザ（対象ユーザ以外のユーザ）のアイテム利用履歴を用いて、対象ユーザが興味を持つであろうアイテムを推薦する技術はレコメンド技術と呼ばれ、アイテムを推薦する手法に関して多くの提案がなされている。 A technique for recommending an item that the target user may be interested in using the item usage history of the user (target user) and the item usage history of another user (user other than the target user) is recommended. Called technology, many proposals have been made regarding methods for recommending items.
例えば、非特許文献１〜非特許文献３においては、多数のユーザの利用履歴に基づき現在人気のあるアイテムをランキングし、ランキング上位のアイテムを推薦する技術が提案されている。これらは、ユーザを専門家と一般人に分類して解析する手法（非特許文献２）や、多次元上での解析を行う手法（非特許文献３）など様々な方法が存在する。 For example, in Non-Patent Document 1 to Non-Patent Document 3, a technique is proposed in which currently popular items are ranked based on usage histories of a large number of users, and items in the top ranking are recommended. There are various methods such as a method of classifying a user into an expert and an ordinary person (Non-Patent Document 2), and a method of performing analysis in a multidimensional manner (Non-Patent Document 3).
また、非特許文献４〜非特許文献７においては、協調フィルタリングを用いた推薦技術が提案されている。協調フィルタリングとは、多くのユーザの嗜好情報を蓄積し、対象となるユーザと類似した嗜好を持つユーザの情報を用いて推薦するアイテムを決定する手法である。これらは、加重平均を用いる手法（非特許文献４）や、タグを用いる手法（非特許文献７）など様々な手法が存在する。 In Non-Patent Document 4 to Non-Patent Document 7, a recommendation technique using collaborative filtering is proposed. Collaborative filtering is a technique for accumulating preference information of many users and determining items to be recommended using information on users who have similar preferences to the target user. There are various methods such as a method using a weighted average (Non-Patent Document 4) and a method using a tag (Non-Patent Document 7).
しかしながら、非特許文献１〜非特許文献３に記載された手法は、全てのユーザのアイテム利用履歴からアイテムの人気度を算出し、対象ユーザに対してアイテムの推薦を行うものである。そのため、アイテムを推薦するに際して、対象ユーザによるアイテムの利用履歴を考慮しておらず、既に対象ユーザが頻繁に利用しているアイテムが推薦されるという問題点があった。 However, the methods described in Non-Patent Literature 1 to Non-Patent Literature 3 calculate item popularity from item usage histories of all users and recommend items to target users. Therefore, when an item is recommended, there is a problem that an item usage history by the target user is not considered, and an item that is already frequently used by the target user is recommended.
また、非特許文献４〜非特許文献６に記載された手法は、協調フィルタリングを用いて多くのユーザの嗜好情報を蓄積し、対象ユーザと嗜好の類似したユーザの情報を用いてアイテムの推薦を行うものである。そのため、対象ユーザと嗜好の一致したユーザ群の設定が必要であることや、推薦されるアイテムが偏るという問題点があった。 In addition, the methods described in Non-Patent Document 4 to Non-Patent Document 6 accumulate the preference information of many users using collaborative filtering, and recommend items using information of users whose preferences are similar to the target user. Is what you do. For this reason, there is a problem that it is necessary to set a user group whose preferences coincide with those of the target user and that recommended items are biased.
したがって、上記いずれの手法においても、対象ユーザに対して新しいアイテムを推薦する手法として不十分であった。 Therefore, any of the above methods is insufficient as a method for recommending a new item to the target user.
本発明は上記実情に鑑みて提案されたもので、一般のユーザに人気があり且つ対象ユーザにとって新鮮なアイテムを確実に推薦することができる手法を備えたアイテム推薦装置、アイテム推薦方法、アイテム推薦プログラム及び記録媒体を提供することを目的としている。 The present invention has been proposed in view of the above circumstances, and an item recommendation device, an item recommendation method, and an item recommendation having a method that can reliably recommend an item that is popular with general users and is fresh for the target user. The object is to provide a program and a recording medium.
上記目的を達成するため本発明（請求項１）は、複数のユーザが使用する各端末に接続されるとともに、対象ユーザの端末に対してアイテムを推薦するアイテム推薦装置において、前記対象ユーザが利用する端末のアイテム利用履歴を記憶するとともに、前記対象ユーザ以外のユーザが利用する端末のアイテム利用履歴を記憶する利用履歴記憶手段（ログデータ蓄積部２２）と、前記各アイテム利用履歴から推薦アイテムを選択する推薦アイテム選択処理手段（推薦アイテム処理部２３）と、選択された推薦アイテムを推薦度順に並べた推薦アイテムリストを作成する推薦アイテムリスト作成手段（推薦リスト作成部２４）とを備え、前記推薦アイテムは、前記対象ユーザ以外のユーザによる利用頻度が高く、且つ、対象ユーザによる利用頻度が低いアイテムの推薦度が高く設定されたことを特徴としている。 To achieve the above object, the present invention (Claim 1) is connected to each terminal used by a plurality of users and used by the target user in an item recommendation device that recommends an item to the terminal of the target user. A usage history storage unit (log data storage unit 22) for storing an item usage history of a terminal used by a user other than the target user, and a recommended item from each item usage history. A recommended item selection processing unit (recommended item processing unit 23) to select, and a recommended item list creation unit (recommendation list creation unit 24) that creates a recommended item list in which the selected recommended items are arranged in order of recommendation. The recommended item is frequently used by users other than the target user and frequently used by the target user. It is characterized in that the recommendation of the lower item is set high.
請求項２は、請求項１のアイテム推薦装置において、前記推薦アイテム選択処理手段（推薦アイテム処理部２３）は、前記対象ユーザが既に利用したアイテムを除いたアイテムを選択することを特徴としている。 According to a second aspect of the present invention, in the item recommendation device according to the first aspect, the recommended item selection processing means (recommended item processing unit 23) selects an item excluding items already used by the target user.
請求項３は、請求項１のアイテム推薦装置において、対象ユーザによる利用頻度をＡ、対象ユーザ以外のユーザによる利用頻度をＢとした場合に、前記推薦度は、Ｂ×（１−Ａ）の値を基準に決定することを特徴としている。 In the item recommendation device according to claim 1, when the usage frequency by the target user is A and the usage frequency by a user other than the target user is B, the recommendation degree is B × (1-A). It is characterized by being determined based on the value.
請求項４は、請求項１のアイテム推薦装置において、前記利用頻度は、各ユーザのアイテム利用における時間ログデータのみに基づき算出することを特徴としている。 According to a fourth aspect of the present invention, in the item recommendation device according to the first aspect, the use frequency is calculated based only on time log data on item use of each user.
請求項５は、複数のユーザが使用する各端末と、前記各端末が接続された推薦処理サーバとから構築されるシステムにおいて、対象ユーザが利用する端末のアイテム利用履歴及び前記対象ユーザ以外のユーザが利用する端末のアイテム利用履歴を前記推薦処理サーバ側で記憶するステップと、前記各アイテム利用履歴に基づき、前記対象以外のユーザによる利用頻度が高く、且つ、対象ユーザによる利用頻度が低いアイテムの推薦度が高く設定された推薦アイテムリストを前記推薦処理サーバ側で作成するステップと、前記推薦アイテムリストを前記対象ユーザの端末側に提供するステップと、提供された前記推薦アイテムリストにおける推薦度が高い推薦アイテムを対象ユーザの端末の画面に表示するステップと、を備えたアイテム推薦方法であることを特徴としている。 Claim 5 is a system constructed by each terminal used by a plurality of users and a recommendation processing server to which each terminal is connected, and the item usage history of the terminal used by the target user and users other than the target user A step of storing the item usage history of the terminal used by the user on the side of the recommendation processing server, and an item having a high usage frequency by a user other than the target and a low usage frequency by the target user based on each item usage history Creating a recommended item list with a high recommendation degree set on the recommendation processing server side, providing the recommended item list to the terminal side of the target user, and a recommendation degree in the provided recommended item list An item recommendation method comprising: displaying a highly recommended item on the screen of the target user's terminal. It is characterized in that it.
請求項６は、請求項５に記載のアイテム推薦方法の各ステップをコンピュータにより実行することが可能なアイテム推薦プログラムであることを特徴としている。 A sixth aspect of the present invention is an item recommendation program capable of executing each step of the item recommendation method according to the fifth aspect by a computer.
請求項７は、請求項６に記載のアイテム推薦プログラムが格納されたコンピュータに読み取り可能な記録媒体であることを特徴としている。 A seventh aspect of the present invention is a computer-readable recording medium in which the item recommendation program according to the sixth aspect is stored.
本発明によれば、対象ユーザのアイテム利用履歴及び対象ユーザ以外のユーザのアイテム利用履歴に基づいたアイテムの利用頻度（スコア）をそれぞれ算出し、各利用頻度に基づいて、他ユーザには頻繁に利用されているが、対象ユーザには利用されていない新しいアイテムの推薦度を高く設定している。
その結果、対象ユーザに対して、これまでそのユーザが利用したことのない新鮮なアイテムを優先的に推薦することができる。
According to the present invention, an item usage frequency (score) based on an item usage history of a target user and an item usage history of a user other than the target user is calculated, and based on each usage frequency, other users frequently The recommendation level of new items that are used but not used by the target user is set high.
As a result, a fresh item that has not been used by the user can be preferentially recommended to the target user.
本発明のアイテム推薦システムの実施形態の一例について、図１を参照しながら説明する。
アイテム推薦システムは、複数のユーザが使用する各端末１と、前記各端末１が接続された推薦処理サーバ２とから構成されている。アイテムの推薦対象となる対象ユーザの使用する端末１０は、アイテム推薦システムとの間で情報の送受信が行われることで、推薦アイテムの情報が得られるように構築されている。この場合のアイテムとは、推薦する対象である動画などのコンテンツ、アプリケーションなどをまとめて呼ぶ総称である。
An example of an embodiment of the item recommendation system of the present invention will be described with reference to FIG.
The item recommendation system includes each terminal 1 used by a plurality of users and a recommendation processing server 2 to which each terminal 1 is connected. The terminal 10 used by the target user to be recommended for the item is constructed so that information on the recommended item can be obtained by transmitting and receiving information to and from the item recommendation system. The item in this case is a generic term that collectively refers to content such as moving images and applications to be recommended.
アイテム推薦システムの推薦処理サーバ２は、各端末１のうちの一つの端末（対象ユーザが使用する端末）１０が、あるアイテムｉを利用している時に、対象ユーザが次に利用するのに適したアイテムの推薦を行うものである。
推薦処理サーバ２は、オペレーティングシステム（ＯＳ）を含む基本プログラムや各種の基本デバイスが記憶されたＲＯＭと、各種のプログラムやデータが記憶されるハードディスクドライブ装置（ＨＤＤ）と、ＣＲ−ＲＯＭやＤＶＤ等の記憶媒体からプログラムやデータを読み出すメディアドライブ装置と、プログラムを実行するＣＰＵと、このＣＰＵにワークエリアを提供するＲＡＭと、外部装置と通信するパラレル／シリアルＩＦとを主要な構成としたコンピュータで構成され、記録媒体等を介してアイテム推薦プログラムがＨＤＤに格納されることで、各端末１との間でアイテム推薦のためのログデータの収集や端末１０に対する推薦アイテムの提示が行われる。
The recommendation processing server 2 of the item recommendation system is suitable for the target user to use next when one terminal (terminal used by the target user) 10 of each terminal 1 uses a certain item i. Recommends items.
The recommendation processing server 2 includes a ROM that stores a basic program including an operating system (OS) and various basic devices, a hard disk drive (HDD) that stores various programs and data, a CR-ROM, a DVD, and the like. A computer having a main configuration of a media drive device that reads programs and data from a storage medium, a CPU that executes the program, a RAM that provides a work area for the CPU, and a parallel / serial IF that communicates with an external device The item recommendation program is configured and stored in the HDD via a recording medium or the like, thereby collecting log data for item recommendation and presenting recommended items to the terminal 10 with each terminal 1.
各端末（１，１０）は、アイテム起動部１１、ログデータ収集部１２、リスト解析部１３を有するとともに、入力部や表示画面等を備えた一般的なデバイスで構成されている。 Each terminal (1, 10) includes an item activation unit 11, a log data collection unit 12, and a list analysis unit 13, and includes a general device including an input unit, a display screen, and the like.
各端末の構成について、対象ユーザが使用する端末１０を例に説明する。アイテム起動部１１は、端末１０において、希望のアイテムを起動するための処理部である。ログデータ収集部１２は、アイテム起動部１１で起動されているアイテムのログデータを検出し、一定時間毎に推薦処理サーバ２側へ出力する。 The configuration of each terminal will be described using the terminal 10 used by the target user as an example. The item activation unit 11 is a processing unit for activating a desired item in the terminal 10. The log data collection unit 12 detects the log data of the item activated by the item activation unit 11 and outputs it to the recommendation processing server 2 side at regular time intervals.
ログデータは、端末１０の電源が入っていた期間、画面操作を行っていた期間など、ユーザが活動していた期間（セッション）毎に収集される。セッションは、例えば２分以上端末１０の画面が消えた状態であったといった不活動行為によって分割される。
各セッションは、端末ＩＤ（ユーザが使用する端末を一意に決定する識別子）、日付（セッションの開始日）、時刻（セッションの開始時刻）、セッション時間（セッションが持続した時間[秒]）、アイテム利用時間（セッション中でアイテムを利用した時間[秒]）等の情報を含んでいる。なお、アイテム利用時間は、収集対象とするアイテムの数だけ存在する。
Log data is collected for each period (session) in which the user is active, such as a period during which the terminal 10 is turned on and a period during which screen operations are performed. The session is divided by an inactivity such as a state where the screen of the terminal 10 has disappeared for two minutes or more.
Each session has a terminal ID (identifier that uniquely determines the terminal used by the user), date (session start date), time (session start time), session time (session duration [seconds]), item It contains information such as the usage time (the time the item has been used during the session [seconds]). Note that there are as many item usage times as the number of items to be collected.
対象ユーザが使用する端末（対象端末）１０には、推薦アイテムを決定するリスト解析部１３が設けられている。すなわち、リスト解析部１３に推薦処理サーバ２から推薦アイテムリストの情報が提供され、あるアイテムが実行されている対象端末１０に適したアイテムを解析し、アイテム起動部１１へ推薦アイテム情報の出力を行う。 The terminal (target terminal) 10 used by the target user is provided with a list analysis unit 13 that determines recommended items. That is, the recommended item list information is provided from the recommendation processing server 2 to the list analysis unit 13, analyzes an item suitable for the target terminal 10 on which a certain item is executed, and outputs the recommended item information to the item activation unit 11. Do.
推薦処理サーバ２は、各端末１，１０からログデータを収集するログデータ収集部２１、収集したログデータを記録する利用履歴記憶手段としてのログデータ蓄積部２２、収集したログデータ（各アイテム利用履歴）から推薦する推薦アイテムを選択する推薦アイテム選択処理手段としての推薦処理部２３、推薦アイテムのリストを作成する推薦リスト作成部２４を備えている。 The recommendation processing server 2 includes a log data collection unit 21 that collects log data from each terminal 1, 10, a log data storage unit 22 as a use history storage unit that records collected log data, and collected log data (use of each item A recommendation processing unit 23 as a recommended item selection processing unit for selecting a recommended item to be recommended from the history), and a recommendation list creation unit 24 for creating a list of recommended items.
ログデータ収集部２１は、推薦アイテムの提供を受けたい対象ユーザが使用する端末１０、及び、対象ユーザが使用する以外の複数の端末１からログデータを収集する。すなわち、各端末（対象ユーザが使用する端末１０及びそれ以外の端末１）のログデータ収集部１２に記録されたアイテム利用履歴としてのログデータが推薦処理サーバ２のログデータ収集処理部２１に定期的（例えば２分毎）に収集される。 The log data collection unit 21 collects log data from the terminal 10 used by the target user who wants to receive the recommended item and the plurality of terminals 1 other than the target user. That is, the log data as the item usage history recorded in the log data collection unit 12 of each terminal (the terminal 10 used by the target user and the other terminal 1) is periodically sent to the log data collection processing unit 21 of the recommendation processing server 2. Collected (eg every 2 minutes).
利用履歴記憶手段としてのログデータ蓄積部２２は、ログデータ収集処理部２１において収集されたログデータを定期的（例えば１週間毎）に蓄積する。したがって、ログデータ蓄積部２２には、対象ユーザが利用するアイテム利用履歴、及び、対象ユーザ以外のユーザが利用するアイテム利用履歴がそれぞれ記憶される。 The log data storage unit 22 as a usage history storage unit stores the log data collected by the log data collection processing unit 21 on a regular basis (for example, every week). Therefore, the log data storage unit 22 stores an item usage history used by the target user and an item usage history used by users other than the target user.
対象ユーザが使用する端末１０のアイテム起動部１１におけるアプリケーションより、アイテム推薦要求を推薦処理サーバ２の推薦処理部２３が受け取ると、推薦処理部２３はログデータ蓄積部２２に蓄積された各ログデータから、対象ユーザが使用する端末１０に推薦するアイテムを選択する処理が行われる。推薦アイテムの選択処理に際しては、対象ユーザの端末１０のアイテム起動部１１からのアイテム起動情報に基づいて、対象ユーザが既に利用したアイテムを除いたアイテムが選択される。
推薦処理部２３におけるアイテム選択の手順についての詳細は後述する。
When the recommendation processing unit 23 of the recommendation processing server 2 receives an item recommendation request from the application in the item activation unit 11 of the terminal 10 used by the target user, the recommendation processing unit 23 stores each log data stored in the log data storage unit 22. Thus, a process of selecting an item recommended for the terminal 10 used by the target user is performed. In the recommended item selection process, items excluding items already used by the target user are selected based on the item activation information from the item activation unit 11 of the terminal 10 of the target user.
Details of the item selection procedure in the recommendation processing unit 23 will be described later.
推薦リスト作成部２４は、推薦処理部２３で選択された推薦するアイテム情報について、推薦度順に並べた推薦アイテムリストを作成し、推薦アイテムリストの情報を端末１０側へ出力する。推薦リスト作成部２４においては、対象ユーザが既に利用したアイテムを除いた推薦アイテムの推薦アイテムリストが作成される。 The recommendation list creation unit 24 creates a recommended item list in which the recommended item information selected by the recommendation processing unit 23 is arranged in the order of recommendation, and outputs the recommended item list information to the terminal 10 side. In the recommendation list creation unit 24, a recommended item list of recommended items excluding items already used by the target user is created.
推薦アイテムリストを受けとった端末１０は、リスト解析部１３で推薦アイテムリストを解析し、端末１０の表示部において推薦されたアイテムを示す。
端末１０の表示部では、例えば図２に示すように、画面３０の端部に複数（この例の場合、３個）の推薦アイテム窓３１が表示され、各推薦アイテム窓３１に推薦度が高い３個の推薦アイテムを表示することが行われる。この例では、推薦アイテムの推薦度が、アイテム２、アイテム６、アイテム４の順に高いものとなっている。対象ユーザは、この推薦アイテム窓３１内をクリックすることで、推薦アイテムを起動させることが可能となる。
The terminal 10 that has received the recommended item list analyzes the recommended item list by the list analysis unit 13 and indicates items recommended on the display unit of the terminal 10.
In the display unit of the terminal 10, for example, as shown in FIG. 2, a plurality of (three in this example) recommended item windows 31 are displayed at the end of the screen 30, and the recommendation degree is high in each recommended item window 31. Three recommended items are displayed. In this example, the recommendation level of the recommended items is higher in the order of item 2, item 6, and item 4. The target user can activate the recommended item by clicking in the recommended item window 31.
次に、推薦処理部２３におけるアイテム選択の詳細手順について、図３のログデータ表及び図４のフローチャートを参照しながら説明する。
なお、ログデータを収集した端末の集合をＫ，端末の数をＮ，推薦アイテムの提供を受ける対象端末をｋself（∈Ｋ），利用しているアプリケーションをitemiとする。また、Ｍ日分のログデータを用いて処理を行うこととする。
Next, the detailed procedure of item selection in the recommendation processing unit 23 will be described with reference to the log data table of FIG. 3 and the flowchart of FIG.
It is assumed that the set of terminals collecting log data is K, the number of terminals is N, the target terminal that receives the recommended item is k self (εK), and the application being used is item i . Also, processing is performed using log data for M days.
端末における各アイテムの利用頻度を調査するに際して、先ず、１日分のログデータを朝昼晩の３つのように連続した時間帯から構成されるｎ個のクラスタに分割する（ステップ１０１）。
例えば、ユーザが使用する端末を一意に決定する識別子ｋが同じ端末（端末ｋ）におけるある日付（セッションの開始日）のログデータは、図３のように集計される。時刻はセッションの開始時刻であり、セッション時間はセッションが持続した時間[秒]であり、アイテム利用時間はセッション中でアイテムを利用した時間[秒]である。この例では、アイテムｉとアイテムｊについての利用時間及びアイテムベクトルの情報のみが表示されているが、アイテム利用時間及びアイテムベクトルは、それぞれ収集対象とするアイテムの数だけ存在する。
以下、ログデータにおける各情報の算出の仕方について説明する。
When investigating the usage frequency of each item in the terminal, first, the log data for one day is divided into n clusters composed of three continuous time zones such as morning, noon, and night (step 101).
For example, log data of a certain date (session start date) in a terminal (terminal k) having the same identifier k that uniquely determines the terminal used by the user is tabulated as shown in FIG. The time is the start time of the session, the session time is the time [second] that the session lasts, and the item use time is the time [second] that the item is used in the session. In this example, only the usage time and item vector information for item i and item j are displayed, but there are as many item usage times and item vectors as the number of items to be collected.
Hereinafter, a method of calculating each information in the log data will be described.
端末ｋ（∈Ｋ）のｄ日目（１≦ｄ≦Ｍ）のログデータからセッション時間ベクトルts(k,d)を生成する（ステップ１０２）。セッション時間ベクトルは、セッション時間をステップ１０１で分割したｎ個のクラスタ毎に集計したものであり、数１の式で示される。 A session time vector ts (k, d) is generated from the log data on the d-th day (1 ≦ d ≦ M) of the terminal k (∈K) (step 102). The session time vector is obtained by summing up the session time for each of n clusters obtained by dividing the session time in step 101, and is expressed by the equation (1).
なお、tsm(k,d)は、デバイスｋのｄ日目のログデータのうち、クラスタｍ（１≦ｍ≦ｎ）に属するセッションのセッション時間の合計である。
例えば図３のログデータにおいて、セッション時間ベクトルtsm(k,d)は、クラスタ毎のセッション時間の合計となるので、１１０（１０５＋５）、３１５（２４４＋７１）……５４９（１６７＋３８２）となる。
Note that ts m (k, d) is the total session time of sessions belonging to the cluster m (1 ≦ m ≦ n) in the log data on the d-th day of the device k.
For example, in the log data of FIG. 3, the session time vector ts m (k, d) is 110 (105 + 5), 315 (244 + 71)... 549 (167 + 382) because it is the total session time for each cluster.
端末ｋ（∈Ｋ）のｄ日目（１≦ｄ≦Ｍ）のログデータを集計し、アイテムｉのアイテム利用時間ベクトルti(i,k,d)を生成する（ステップ１０３）。アイテム利用時間ベクトルは、アイテム利用時間をステップ１０１で分割したｎ個のクラスタ毎に集計したものであり、数２の式で示される。 Log data on the d-th day (1 ≦ d ≦ M) of the terminal k (∈K) is totaled to generate an item usage time vector ti (i, k, d) for the item i (step 103). The item usage time vector is obtained by counting the item usage time for each of n clusters obtained by dividing the item usage time in step 101, and is expressed by the equation (2).
なお、tim(i,k,d)は、デバイスｋのｄ日目のログデータのうち、クラスタｍ（１≦ｍ≦ｎ）に属するセッションにおけるアイテム（ｉ）のアイテム利用時間の合計である。
例えば図３のログデータにおいて、アイテム（ｉ）利用時間ベクトルtim(i,k,d)は、クラスタ毎のアイテム（ｉ）の利用時間の合計となるので、６１．８５（５６．８５＋５）、６３．５８（４４．５８＋１９）……５３７．３２（１５５．７６＋３８１．５６）となる。
また、別のアイテム（ｊ）に関して、アイテム（ｊ）利用時間ベクトルtjm(j,k,d)は、クラスタ毎のアイテム（ｊ）の利用時間の合計となるので、１３２．４１（６７．１５＋６５．２６）、２４６．８２（６５．０２＋１８１．８０）……２３５．２８（１７１．６７＋６３．６１）となる。
Incidentally, ti m (i, k, d), of the d-th day of the log data of the device k, is the sum of the items use time of the item (i) in the session belonging to a cluster m (1 ≦ m ≦ n) .
For example, in the log data of FIG. 3, the item (i) usage time vector ti m (i, k, d) is the sum of the usage time of the item (i) for each cluster, and thus 61.85 (56.85 + 5). , 63.58 (44.58 + 19) ... 537.32 (155.76 + 381.56).
Further, regarding another item (j), the item (j) usage time vector tj m (j, k, d) is the sum of the usage time of the item (j) for each cluster, so 132.41 (67. 15 + 65.26), 246.82 (65.02 + 181.80)... 235.28 (171.67 + 63.61).
続いて、ログデータの各情報から各アイテムの利用頻度を算出し、アイテムの推薦度を算出する手順について説明する。各利用頻度は、各ユーザのアイテム利用における時間ログデータのみに基づき算出する。アイテムの利用時間が長いと、利用頻度が高いと判断するからである。
端末ｋ（∈Ｋ）のアイテムiの利用状況r(i,k)を数３の式で算出する（ステップ１０４）。
δ(ｘ)を数４のように定義すると、数３で算出されるr(i,k)は、Ｍ日のうち、端末ｋでアイテムｉが利用された日数となる。
Next, a procedure for calculating the usage frequency of each item from each piece of information of the log data and calculating the recommendation level of the item will be described. Each usage frequency is calculated based only on the time log data for the item usage of each user. This is because if the item usage time is long, it is determined that the usage frequency is high.
The usage status r (i, k) of the item i of the terminal k (εK) is calculated by the equation (3) (step 104).
If δ (x) is defined as in Equation 4, r (i, k) calculated in Equation 3 is the number of days in which item i is used at terminal k among M days.
次に、端末ｋ（∈Ｋ）のｄ日目（１≦ｄ≦Ｍ）のログデータを集計し、アイテムitemiとアイテムjの利用時間の相関係数Ｒ(i,j,k,d)を数５から算出する（ステップ１０５）。 Next, log data on the d-th day (1 ≦ d ≦ M) of the terminal k (∈K) are totalized, and the correlation coefficient R (i, j, k, d) between the usage time of the item item i and the item j Is calculated from Equation 5 (step 105).
但し、Ｍ（i,k,d），Ｃ（i,j,k,d）はそれぞれ数６及び数７で示される。 However, M (i, k, d) and C (i, j, k, d) are expressed by Equation 6 and Equation 7, respectively.
端末ｋ（∈Ｋ）のｄ日目（１≦ｄ≦Ｍ）のログデータを集計し、ステップ１０２で生成したセッション時間ベクトルts(k,d)と、ステップ１０３で生成したアイテム利用時間ベクトルti(i,k,d)から、アイテムitemi使用時におけるアイテムjの利用頻度f(j,k,d)を数８で算出する（ステップ１０６）。 Log data of terminal k (εK) on day d (1 ≦ d ≦ M) is aggregated, and the session time vector ts (k, d) generated in step 102 and the item usage time vector ti generated in step 103 From (i, k, d), the usage frequency f (j, k, d) of the item j when the item item i is used is calculated by Equation 8 (step 106).
但し、数８の分子であるＳ(ts(k,d)）は、数９で示されるｎ個のクラスタのセッション時間ベクトルの合計であり、分母であるＳ(ti(j,k,d)）は、数１０で示されるｎ個のクラスタにおけるアイテムjのアイテム利用時間ベクトルの合計である。 However, S (ts (k, d)) which is the numerator of Expression 8 is the sum of the session time vectors of n clusters represented by Expression 9, and S (ti (j, k, d) which is the denominator. ) Is the sum of the item usage time vectors of item j in the n clusters represented by Equation 10.
次に、対象端末（kself）上でのアイテムitemiを利用している時の、ステップ１０４，１０５，１０６でそれぞれ算出した利用状況r(i,k)，相関係数Ｒ(i,j,k,d)，利用頻度f(j,k,d)に基づき、アイテムjのスコアscoreself(itemi,j)を数１１で算出する（ステップ１０７）。
すなわち、スコアscoreself(itemi,j)は、対象ユーザによるアイテム（ｉ）利用時におけるアイテム（ｊ）の利用頻度を表している。
Next, when the item item i on the target terminal (k self ) is used, the usage status r (i, k) and correlation coefficient R (i, j calculated in steps 104, 105, and 106, respectively. , k, d) and the usage frequency f (j, k, d), the score score self (item i , j) of the item j is calculated by Equation 11 (step 107).
That is, the score score self (item i , j) represents the usage frequency of the item (j) when the target user uses the item (i).
例えば、５日分のスコアscoreselfの平均は数１２で算出される。
式中、「０．９４９４」は相関係数Ｒ(i,j,k,d)の具体的な値であり、「０．２３２３」は利用頻度f(j,k,d)の具体的な値である。
For example, the average of the score score self for five days is calculated by Equation 12.
In the equation, “0.9494” is a specific value of the correlation coefficient R (i, j, k, d), and “0.2323” is a specific value of the usage frequency f (j, k, d). Value.
対象端末１０（kself）以外の端末１のログデータから、ステップ１０４，１０５，１０６でそれぞれ算出した利用状況r(i,k)，相関係数Ｒ(i,j,k,d)，利用頻度f(j,k,d)に基づき、アイテムitemiを利用している時のアイテムjのスコアscoreother(itemi,j)を数１３で算出する（ステップ１０８）。
すなわち、スコアscoreother(itemi,j)は、対象ユーザ以外のユーザによるアイテム（ｉ）利用時におけるアイテム（ｊ）の利用頻度を表している。
Usage status r (i, k), correlation coefficient R (i, j, k, d), usage calculated in steps 104, 105, and 106 from log data of terminals 1 other than the target terminal 10 (k self ), respectively. Based on the frequency f (j, k, d), the score score other (item i , j) of the item j when the item item i is used is calculated by Equation 13 (step 108).
That is, the score score other (item i , j) represents the usage frequency of the item (j) when the item (i) is used by a user other than the target user.
例えば、対象端末以外の端末が６０個ある場合、６０人のユーザによる７日間のスコアscoreotherは、数１４で示される。
すなわち、アイテム選択処理の開始後に複数端末に関するデータが入力されることで、式１４によりスコアscoreotherが算出される（ステップ１０８）。
For example, when there are 60 terminals other than the target terminal, a score score other for 7 days by 60 users is expressed by Equation 14.
That is, the score score other is calculated by Expression 14 by inputting data related to a plurality of terminals after the start of the item selection process (step 108).
ステップ１０７及びステップ１０８で算出した各スコアを用いて、推薦リストを作成するための推薦度としての推薦スコア（Scoreprediction(itemi,j)）を数１５で算出する（ステップ１０９）。 Using each score calculated in step 107 and step 108, a recommendation score (Score prediction (item i , j)) as a recommendation level for creating a recommendation list is calculated by equation 15 (step 109).
数１５によれば、対象ユーザによるアイテムの利用頻度をＡ（０≦Ａ≦１）、対象ユーザ以外のユーザによるアイテムの利用頻度をＢ（０≦Ｂ≦１）とした場合に、推薦度（推薦スコア）は、Ｂ×（１−Ａ）の値を基準に決定されることになる。これにより、対象端末のユーザ以外の他ユーザには頻繁に利用されているが、対象ユーザには利用されていない新しいアイテムについての推薦度（推薦スコア）を高く算出することができる。 According to Equation 15, when the usage frequency of items by the target user is A (0 ≦ A ≦ 1) and the usage frequency of items by users other than the target user is B (0 ≦ B ≦ 1), the recommendation level ( The recommended score) is determined based on the value of B × (1-A). This makes it possible to calculate a high recommendation level (recommendation score) for new items that are frequently used by users other than the user of the target terminal but are not used by the target user.
ステップ１０９で算出した推薦度の大きい順に推薦するアイテムjを並び替えて、推薦アイテムリストを作成する（ステップ１１０）。
推薦アイテムリストの作成は、アイテム起動部１１におけるアプリケーションからのアイテム推薦要求を推薦処理サーバ２の推薦処理部２３が受け取る毎に、ステップ１０１〜１１０の処理が行われることで実行される。
The recommended item list is created by rearranging the recommended items j in descending order of the degree of recommendation calculated in step 109 (step 110).
The creation of the recommended item list is executed by performing steps 101 to 110 each time the recommendation processing unit 23 of the recommendation processing server 2 receives an item recommendation request from the application in the item activation unit 11.
推薦アイテムリストは、例えば図５に示すように、アイテム１の使用時における推薦アイテムを推薦度順に並べたものである。図５の例によれば、アイテム１の使用時において、推薦度の一番高いアイテムは、推薦度（推薦スコア）０．６０８６のアイテム２であり、２番目が推薦度（推薦スコア）０．２４２９のアイテム６であり、三番目が推薦度（スコア）０．１２７８のアイテム４……となっている。
そして、対象ユーザの端末１０の画面３０には、前記した図２に示すように、推薦アイテム窓３１に、アイテム２、アイテム６、アイテム４の順に推薦度が高い推薦アイテムが表示される。
For example, as shown in FIG. 5, the recommended item list is a list in which recommended items when the item 1 is used are arranged in order of recommendation. According to the example of FIG. 5, when item 1 is used, the item with the highest recommendation level is item 2 with a recommendation level (recommendation score) of 0.6086. Item 6 is 2429, and item 3 is the third recommendation level (score) 0.1278.
Then, on the screen 30 of the target user's terminal 10, as shown in FIG. 2, recommended items having a higher recommendation degree are displayed in the recommended item window 31 in the order of item 2, item 6, and item 4.
上述した推薦アイテムの選択手順によれば、対象ユーザ以外のユーザによる利用頻度Ｂが高く、且つ、対象ユーザによる利用頻度Ａが低いアイテムの推薦度が高く設定されることで、対象ユーザが使用する端末１０に対して、これまでそのユーザが利用したことのない新鮮なアイテムの推薦順を高くして推薦することができる。 According to the recommended item selection procedure described above, the usage rate B by users other than the target user is high, and the recommendation level of items with low usage frequency A by the target user is set high, so that the target user uses the item. The terminal 10 can be recommended by increasing the recommendation order of fresh items that the user has not used before.
１…端末、 ２…推薦処理サーバ、 １０…対象端末、 １１…アイテム起動部、 １２…ログデータ収集部、 １３…リスト解析部、 ２１…ログデータ収集部、 ２２…ログデータ蓄積部（利用履歴記憶手段）、 ２３…推薦処理部（推薦アイテム選択手段）、 ２４…推薦リスト作成部（推薦アイテムリスト作成手段）、 ３０…画面、 ３１…推薦アイテム窓。 DESCRIPTION OF SYMBOLS 1 ... Terminal, 2 ... Recommendation processing server, 10 ... Target terminal, 11 ... Item starting part, 12 ... Log data collection part, 13 ... List analysis part, 21 ... Log data collection part, 22 ... Log data storage part (usage history) Storage means), 23 ... recommendation processing section (recommended item selection means), 24 ... recommendation list creation section (recommended item list creation means), 30 ... screen, 31 ... recommended item window.
Claims (7)
前記対象ユーザが利用する端末のアイテム利用履歴を記憶するとともに、前記対象ユーザ以外のユーザが利用する端末のアイテム利用履歴を記憶する利用履歴記憶手段と、
前記各アイテム利用履歴から推薦アイテムを選択する推薦アイテム選択処理手段と、
選択された推薦アイテムを推薦度順に並べた推薦アイテムリストを作成する推薦アイテムリスト作成手段とを備え、
前記推薦アイテムは、前記対象ユーザ以外のユーザによる利用頻度が高く、且つ、対象ユーザによる利用頻度が低いアイテムの推薦度が高く設定されたことを特徴とするアイテム推薦装置。 In the item recommendation device that is connected to each terminal used by a plurality of users and recommends an item to the target user's terminal,
A usage history storage unit that stores an item usage history of a terminal used by the target user and stores an item usage history of a terminal used by a user other than the target user;
Recommended item selection processing means for selecting a recommended item from each item usage history;
A recommended item list creating means for creating a recommended item list in which the selected recommended items are arranged in the order of recommendation;
The item recommendation device, wherein the recommendation item is set to have a high recommendation frequency of an item that is frequently used by a user other than the target user and low in use frequency by the target user.
対象ユーザが利用する端末のアイテム利用履歴及び前記対象ユーザ以外のユーザが利用する端末のアイテム利用履歴を前記推薦処理サーバ側で記憶するステップと、
前記各アイテム利用履歴に基づき、前記対象以外のユーザによる利用頻度が高く、且つ、対象ユーザによる利用頻度が低いアイテムの推薦度が高く設定された推薦アイテムリストを前記推薦処理サーバ側で作成するステップと、
前記推薦アイテムリストを前記対象ユーザの端末側に提供するステップと、
提供された前記推薦アイテムリストにおける推薦度が高い推薦アイテムを対象ユーザの端末の画面に表示するステップと、
を備えたことを特徴とするアイテム推薦方法。 In a system constructed from each terminal used by a plurality of users and a recommendation processing server to which each terminal is connected,
Storing the item usage history of the terminal used by the target user and the item usage history of the terminal used by a user other than the target user on the recommendation processing server side;
Creating a recommended item list on the recommendation processing server side based on the item usage history, in which a recommendation level of an item having a high usage frequency by a user other than the target and a low usage frequency by the target user is set. When,
Providing the recommended item list to the terminal side of the target user;
Displaying a recommended item having a high recommendation level in the provided recommended item list on the screen of the terminal of the target user;
Item recommendation method characterized by comprising.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012205620A JP2014059816A (en) | 2012-09-19 | 2012-09-19 | Item recommendation device, item recommendation method, item recommendation program and recording medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012205620A JP2014059816A (en) | 2012-09-19 | 2012-09-19 | Item recommendation device, item recommendation method, item recommendation program and recording medium |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2014059816A true JP2014059816A (en) | 2014-04-03 |
Family
ID=50616215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012205620A Pending JP2014059816A (en) | 2012-09-19 | 2012-09-19 | Item recommendation device, item recommendation method, item recommendation program and recording medium |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2014059816A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017033167A (en) * | 2015-07-30 | 2017-02-09 | Kddi株式会社 | Information terminal and program |
| WO2023132142A1 (en) * | 2022-01-07 | 2023-07-13 | 富士通株式会社 | Information recommendation method, information recommendation program, and information recommendation device |
-
2012
- 2012-09-19 JP JP2012205620A patent/JP2014059816A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017033167A (en) * | 2015-07-30 | 2017-02-09 | Kddi株式会社 | Information terminal and program |
| WO2023132142A1 (en) * | 2022-01-07 | 2023-07-13 | 富士通株式会社 | Information recommendation method, information recommendation program, and information recommendation device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210365843A1 (en) | System and method of selecting a relevant user for introduction to a user in an online environment | |
| US20110264531A1 (en) | Watching a user's online world | |
| KR102233805B1 (en) | Improved user experience for unrecognized and new users | |
| JP5805548B2 (en) | Information processing apparatus and information processing method | |
| CN101814068A (en) | Rating prediction based project recommending method for time-sequence control and system thereof | |
| JP2011503747A (en) | Profiling system for online market | |
| US8510235B2 (en) | Information processing apparatus, information processing method, and program | |
| JP5843104B2 (en) | Information processing apparatus, information processing method, and program | |
| US9900654B2 (en) | Methods and apparatus to measure a cross device audience | |
| US20130036081A1 (en) | Information processing device, information processing method, and program | |
| JPWO2013168582A1 (en) | Information processing apparatus, information processing method, and program | |
| Liu et al. | Document recommendations based on knowledge flows: A hybrid of personalized and group‐based approaches | |
| Lai | Applying knowledge flow mining to group recommendation methods for task‐based groups | |
| Ding et al. | Event participation recommendation in event-based social networks | |
| JP2014059816A (en) | Item recommendation device, item recommendation method, item recommendation program and recording medium | |
| Pramanik et al. | Can i foresee the success of my meetup group? | |
| US20110264525A1 (en) | Searching a user's online world | |
| JP6172781B2 (en) | Measure recommendation device, measure recommendation method and measure recommendation program | |
| Hafsa et al. | A Multi-Objective E-learning Recommender System at Mandarine Academy. | |
| Karimpour et al. | Telegram group recommendation based on users' migration | |
| Contreras et al. | A web-based environment to support online and collaborative group recommendation scenarios | |
| Kreuter | The use of paradata | |
| JP5244710B2 (en) | Information distribution method, information distribution apparatus, and information distribution program | |
| US20140324824A1 (en) | Search in Social Networks | |
| US20170287080A1 (en) | Urban professional genome |