JP2015011504A - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

情報処理装置、情報処理方法、及び情報処理プログラム Download PDF

Info

Publication number
JP2015011504A
JP2015011504A JP2013136123A JP2013136123A JP2015011504A JP 2015011504 A JP2015011504 A JP 2015011504A JP 2013136123 A JP2013136123 A JP 2013136123A JP 2013136123 A JP2013136123 A JP 2013136123A JP 2015011504 A JP2015011504 A JP 2015011504A
Authority
JP
Japan
Prior art keywords
attribute
recommended
item
information
identifier
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
Application number
JP2013136123A
Other languages
English (en)
Other versions
JP6079479B2 (ja
Inventor
幸之助 松下
Konosuke Matsushita
幸之助 松下
一郎 宍戸
Ichiro Shishido
一郎 宍戸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JVCKenwood Corp
Original Assignee
JVCKenwood Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JVCKenwood Corp filed Critical JVCKenwood Corp
Priority to JP2013136123A priority Critical patent/JP6079479B2/ja
Publication of JP2015011504A publication Critical patent/JP2015011504A/ja
Application granted granted Critical
Publication of JP6079479B2 publication Critical patent/JP6079479B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】多様なアイテムを推薦することができる技術を提供する。
【解決手段】アイテム情報格納部はアイテム識別子と属性識別子とを対応付けた属性対応情報を格納する。推薦属性選出部は利用情報及び属性対応情報に基づいて属性推薦値を算出し、算出した属性推薦値に基づいて、利用主体識別子ごとに推薦属性を選出し、それぞれの利用主体識別子と推薦属性とを対応付けた推薦属性情報を作成する。推薦アイテム選出部は、推薦属性情報に含まれる属性識別子の内のいずれかを含む属性対応情報に含まれるアイテム識別子の集合である推薦候補アイテム集合に含まれるアイテム識別子それぞれと一の利用主体との推薦値を算出し、算出した推薦値に基づいて、一の利用主体に推薦するアイテムを選出する。
【選択図】図2

Description

本発明は、ユーザに対してアイテムを推薦するための技術に関する。
近年、デジタル技術やネットワーク技術の進展により、ネットワークを使ってデジタルコンテンツや物品などのアイテムを配信したり、販売することが増えている。これに伴い、多数のアイテムの中から、ユーザが興味を持つ可能性の高いアイテムの情報や、目的と合致する情報を選択して提供する技術へのニーズが高まっている。
例えば、アイテムを推薦する技術の一つに、協調フィルタリングを用いた推薦処理が存在する。協調フィルタリングを用いた推薦処理では、多数の閲覧履歴や利用履歴などの利用情報を蓄積し、その利用情報を用いて、ユーザが興味を持つ可能性の高いアイテム集合を推薦する。
また、サービス開始時等の利用情報が少ない時期においても、アイテムを推薦する技術へのニーズが高まっている。
例えば、利用情報が少ない場合でも推薦するための技術が、特許文献1に開示されている。
特開2004−341584
特許文献1は、ユーザがアクセスしたアイテムに関連するアイテムと、ユーザが過去にアクセスした多数のアイテムに関連するアイテムとを合成することで、利用情報が少ない状態でもアイテムを提示することができる。
しかしながら、上記の特許文献1では、利用情報のみを用いるために、ユーザから一度もアクセスのないようなアイテムは推薦されない。つまり、多様なアイテムを推薦するのが難しいため、ユーザが「同じようなアイテムしか推薦されない」と感じ、推薦への興味を失ってしまうことがあった。
本発明は、多様なアイテムを推薦することができる技術を提供することを目的とする。
本発明は上述した従来の技術の課題を解決するため、利用主体を識別するための利用主体識別子と、前記利用主体により利用されたアイテムを識別するアイテム識別子とを対応付けた利用情報を格納する利用情報格納部と、アイテム識別子と、アイテムの属性を識別する属性識別子と、を対応付けた属性対応情報を格納するアイテム情報格納部と、前記利用情報及び前記属性対応情報に基づいて、属性識別子と、利用主体識別子との間の推薦値である属性推薦値を算出し、算出した属性推薦値に基づいて、利用主体識別子ごとに、その利用主体識別子に関連する属性識別子である推薦属性を選出し、それぞれの利用主体識別子と、選出した推薦属性とを対応付けた推薦属性情報を作成する推薦属性選出部と、前記推薦属性選出部が生成した推薦属性情報を格納する推薦属性情報格納部と、一の利用主体の利用主体識別子を含む推薦属性情報を前記推薦属性情報格納部より取得し、取得した推薦属性情報に含まれる属性識別子の内のいずれかを含む属性対応情報を前記アイテム情報格納部より取得し、取得した属性対応情報に含まれるアイテム識別子の集合である推薦候補アイテム集合を形成し、その推薦候補アイテム集合に含まれるアイテム識別子それぞれと前記一の利用主体との推薦値を算出し、算出した推薦値に基づいて、前記一の利用主体に推薦するアイテムを選出する推薦アイテム選出部とを備えることを特徴とする情報処理装置を提供する。
また、本発明は上述した従来の技術の課題を解決するため、利用主体を識別するための利用主体識別子と、前記利用主体により利用されたアイテムを識別するアイテム識別子とを対応付けた利用情報を利用情報格納部に格納する利用情報格納ステップと、アイテム識別子と、アイテムの属性を識別する属性識別子と、を対応付けた属性対応情報をアイテム情報格納部に格納するアイテム情報格納ステップと、前記利用情報及び前記属性対応情報に基づいて、属性識別子と、利用主体識別子との間の推薦値である属性推薦値を算出し、算出した属性推薦値に基づいて、利用主体識別子ごとに、その利用主体識別子に関連する属性識別子である推薦属性を選出し、それぞれの利用主体識別子と、選出した推薦属性とを対応付けた推薦属性情報を作成する推薦属性選出ステップと、前記推薦属性選出ステップにおいて生成した推薦属性情報を推薦属性情報格納部に格納する推薦属性情報格納ステップと、一の利用主体の利用主体識別子を含む推薦属性情報を前記推薦属性情報格納部より取得し、取得した推薦属性情報に含まれる属性識別子の内のいずれかを含む属性対応情報を前記アイテム情報格納部より取得し、取得した属性対応情報に含まれるアイテム識別子の集合である推薦候補アイテム集合を形成し、その推薦候補アイテム集合に含まれるアイテム識別子それぞれと前記一の利用主体との推薦値を算出し、算出した推薦値に基づいて、前記一の利用主体に推薦するアイテムを選出する推薦アイテム選出ステップとを有することを特徴とする情報処理方法を提供する。
また、本発明は上述した従来の技術の課題を解決するため、コンピュータに、利用主体を識別するための利用主体識別子と、前記利用主体により利用されたアイテムを識別するアイテム識別子とを対応付けた利用情報を利用情報格納部に格納する利用情報格納ステップと、アイテム識別子と、アイテムの属性を識別する属性識別子と、を対応付けた属性対応情報をアイテム情報格納部に格納するアイテム情報格納ステップと、前記利用情報及び前記属性対応情報に基づいて、属性識別子と、利用主体識別子との間の推薦値である属性推薦値を算出し、算出した属性推薦値に基づいて、利用主体識別子ごとに、その利用主体識別子に関連する属性識別子である推薦属性を選出し、それぞれの利用主体識別子と、選出した推薦属性とを対応付けた推薦属性情報を作成する推薦属性選出ステップと、前記推薦属性選出ステップにおいて生成した推薦属性情報を推薦属性情報格納部に格納する推薦属性情報格納ステップと、一の利用主体の利用主体識別子を含む推薦属性情報を前記推薦属性情報格納部より取得し、取得した推薦属性情報に含まれる属性識別子の内のいずれかを含む属性対応情報を前記アイテム情報格納部より取得し、取得した属性対応情報に含まれるアイテム識別子の集合である推薦候補アイテム集合を形成し、その推薦候補アイテム集合に含まれるアイテム識別子それぞれと前記一の利用主体との推薦値を算出し、算出した推薦値に基づいて、前記一の利用主体に推薦するアイテムを選出する推薦アイテム選出ステップとを実行させることを特徴とする情報処理プログラムを提供する。
本発明によれば、多様なアイテムを推薦することができる。
本発明の第1の実施形態におけるシステム全体の構成を示す図である。 本発明の第1の実施形態における情報処理サーバ装置1の構成を示すブロック図である。 本発明の第1の実施形態におけるユーザ情報格納部131の格納状態を示す図である。 本発明の第1の実施形態におけるアイテム情報格納部132の格納状態を示す図である。 本発明の第1の実施形態における利用情報格納部133の格納状態を示す図である。 本発明の第1の実施形態における推薦属性情報格納部134の格納状態を図である。 本発明の第1の実施形態における属性嗜好情報格納部135の格納状態を示す図である。 本発明の第1の実施形態における属性優先値情報格納部136の格納状態を示す図である。 本発明の第1の実施形態における推薦アイテム情報格納部137の格納状態を示す図である。 本発明の第1の実施形態における推薦属性選出処理の手順を示すフローチャートである。 本発明の第1の実施形態における属性嗜好度算出処理の手順を示すフローチャートである。 本発明の第1の実施形態における属性優先値算出処理の手順を示すフローチャートである。 本発明の第1の実施形態における推薦アイテム選出処理の手順を示すフローチャートである。 本発明の第1の実施形態におけるユーザu3に対する推薦属性を示す表である。 本発明の第1の実施形態におけるユーザu3に対する推薦候補アイテムのアイテム集合のイメージを示す図である。
以下、本発明の情報処理装置、情報処理方法、及びプログラムについて、添付図面を参照して説明する。なお、本発明におけるアイテムとは、テキスト、音声、音楽、映像、ウェブページ等のデジタルコンテンツや様々な物品であってもよいし、金融商品、不動産、人物に関する情報等であってもよい。すなわち本発明におけるアイテムは、有形か無形かを問わず、有料か無料かも問わない。
<第1の実施形態>
以下に、本発明の第1の実施形態について、図を用いて詳細に説明する。図1は、本発明の第1の実施形態におけるシステム全体の構成図である。本実施形態におけるシステムは、情報処理サーバ装置1と、1つ以上の端末装置3(3a〜3n)がネットワーク2を介して接続されている。なお、各実施形態において、情報処理サーバ装置1のみが情報処理装置として機能してもよいし、情報処理サーバ装置1が、端末装置3と協働して情報処理装置として機能してもよい。
ネットワーク2は、例えばインターネット等のネットワークであり、情報処理サーバ装置1と端末装置3との間の情報のやり取りを仲介する。
端末装置3は、CPU、RAM、ROM、ハードディスクドライブ、ネットワークインタフェース等を備える一般的なコンピュータ、または、携帯電話やスマートフォンやタブレットPC等の携帯情報端末であり、端末制御部31と端末通信部32と端末入力部33と端末表示部34とで構成されている。
端末通信部32は、ネットワーク2を介して情報処理サーバ装置1と通信を行うための部である。
端末入力部33は、例えば、端末装置3がPC(Personal Computer)であれば、マウスやキーボード、携帯電話であれば、ボタンといったように、ユーザが端末装置3を操作するためのインタフェースである。
端末表示部34は、例えば、ディスプレイといったように、様々な情報を表示し、ユーザに視覚的に示すためのインタフェースである。
端末制御部31は、ネットワーク2を介して、利用情報送信処理や、推薦アイテム取得要求送信処理や、推薦アイテム詳細情報表示処理を行う。
利用情報送信処理とは、端末装置3を利用するユーザ(利用ユーザ)が、何らかのアイテムの閲覧や利用などの操作を行った場合に、情報処理サーバ装置1に、利用情報を送信する処理である。利用情報とは、ユーザのアイテムの閲覧や利用に関する情報であり、少なくとも、利用ユーザを一意に識別するユーザ識別子、又は端末装置3を一意に識別するための端末識別子と、閲覧や利用の対象となったアイテムを一意に識別するアイテム識別子と閲覧や利用した時期を示す利用時期情報を含む。本実施形態では、ユーザ識別子を用いる場合を例にして説明するが、端末識別子を用いる場合も同様である。ユーザ識別子と端末識別子とを合わせた意味の総称として、利用主体識別子という用語を用いる。また、ユーザ、又は、ユーザの利用した端末装置を、適宜、利用主体と称することとする。また、利用時期情報は、日付のみを示す情報でもよいし、ミリ秒単位まで細かく示す情報でもよく、サービスの形態に応じて、必要な単位まで分かる情報であればよい。また、必要に応じて、利用情報に、ユーザのアイテムに関る評価情報など、その他の情報を付与してもよい。
推薦アイテム取得要求送信処理とは、利用ユーザが推薦アイテム詳細情報を取得するような操作を行った場合や、端末装置3が自動的に推薦アイテム詳細情報を取得する動作を行った場合に、情報処理サーバ装置1に推薦アイテム取得要求を送信する処理である。推薦アイテム詳細情報は、利用ユーザに推薦する1つ以上のアイテムに関する情報である。推薦アイテム取得要求は、少なくとも利用ユーザのユーザ識別子を含む。なお、推薦アイテム取得要求には、取得する推薦アイテムの個数を制限する取得制限数を関連付けてもよい。
推薦アイテム詳細情報表示処理とは、情報処理サーバ装置1より、送信した推薦アイテム取得要求に対応する推薦アイテム詳細情報を受信し、端末表示部34に、受信した推薦アイテム詳細情報を表示する処理である。
情報処理サーバ装置1は、ネットワーク2を介して、端末装置3と様々な情報をやり取りする装置である。情報処理サーバ装置1は、CPU、RAM、ROM、ハードディスクドライブ(HDD)、ネットワークインタフェース等を備えるコンピュータを用いて、ソフトウェア(プログラム)処理として実施することも可能である。なお、情報処理サーバ装置1を複数のコンピュータを用いて構成してもよい。例えば、負荷分散をするために、情報処理サーバ装置1の各部に相当する処理を行うコンピュータを複数用いて分散処理を行ってもよい。また、情報処理サーバ装置1の一部の部の処理をあるコンピュータで実施し、他の部の処理を別のコンピュータで実施する形態で分散処理を行ってもよい。
図2は、本実施形態における情報処理サーバ装置1の構成図である。本実施形態における情報処理サーバ装置1は、情報処理サーバ制御部11と、情報処理サーバ通信部12と、情報処理サーバ格納部13とで構成される。
情報処理サーバ通信部12は、ネットワーク2を介して端末装置3と通信を行うための部である。
情報処理サーバ格納部13は、メモリやHDDなどの記憶装置を用いて、様々なデータを記憶する。情報処理サーバ格納部13は、ユーザ情報格納部131と、アイテム情報格納部132と、利用情報格納部133と、推薦属性情報格納部134と、属性嗜好情報格納部135と、属性優先値情報格納部136と、推薦アイテム情報格納部137とで構成される。
ユーザ情報格納部131は、ユーザ情報を複数記憶する。図3は、ユーザ情報格納部131の格納状態を示す図である。ユーザ情報とは、端末装置3の利用ユーザを一意に識別するユーザ識別子(user_id)とユーザ属性情報(user_info)とを関連付けたものであり、図3のようなテーブル形式で記憶する。ユーザ属性情報とは、ユーザの名前、年齢、性別、住所(地域)、趣味、会員になった時期(年月、日付、日時など)、メールアドレス、電話番号などの情報である。また、情報処理サーバ装置1にて商品の購入が可能であれば、商品の支払いを行うためのクレジットカード情報などを含んでもよい。
アイテム情報格納部132は、アイテム識別情報と、属性種別情報と、属性値情報と、属性対応情報を、それぞれ複数記憶する。図4(図4(a)〜図4(d))は、アイテム情報格納部132の格納状態を示す図である。
アイテム識別情報とは、アイテムを一意に識別するためのアイテム識別子(item_id)と、アイテムの名称(item_name)とを関連付けたものであり、図4(a)のようなテーブル形式で格納する。なお、item_idは一意であり、重複登録ができない。
属性種別情報とは、アイテム属性の種別を一意に識別するための属性種別識別子(type_id)と、アイテム属性の種別の名称(type_name)とを関連付けたものであり、図4(b)のようなテーブル形式で格納する。アイテム属性の種別は、アイテム属性の項目にあたるものであり、例えば、アイテムの「作成者」「ジャンル」「制作年」「価格」「利用に適したユーザの条件」などになる。なお、type_idは一意であり、重複登録ができない。
属性値情報とは、属性種別識別子(type_id)と、属性種別識別子に対応する属性値を一意に識別するための属性値識別子(attr_id)と、属性値(attr_name)とを関連付けたものであり、図4(c)のようなテーブル形式で格納する。例えば、アイテムが「本」に関するものであり、type_idが「ジャンル」に該当する識別子である場合、属性値は、「フィクション」「恋愛」「料理」などになる。なお、(type_id,attr_id)の組合せは一意であり、重複登録ができない。
属性対応情報とは、アイテムに対応する属性を関連付けた情報であり、アイテム識別子(item_id)と、属性種別識別子(type_id)と、属性値識別子(attr_id)とを関連付けたものであり、図4(d)のようなテーブル形式で格納する。なお、(item_id,type_id,attr_id)の組合せは一意であり、重複登録ができない。
図4(a)〜図4(d)のテーブルを用いることで、アイテムが有する複数の属性を、その属性の種別ごとに管理することができる。なお、あるアイテムに対応するアイテム識別情報と、そのアイテムに対応する属性対応情報から特定される属性種別情報と属性値情報とを合わせてアイテム属性情報とする。また、type_nameとattr_nameの組合せをアイテム属性とする。また、type_idとattr_idの組合せを属性識別子とする。また、本実施形態においては、属性識別子を属性種別識別子と属性値識別子の組合せとして扱っているが、アイテム属性の種別が存在しない(属性種別識別子が存在しない)ようなサービスの場合は、属性値識別子のみを属性識別子として扱ってもよい。この場合、属性種別情報の格納が不要になる。
利用情報格納部133は、利用情報を複数記憶する。図5は、利用情報格納部133の格納状態を示す図である。図5に示すように、利用情報を構成するユーザ識別子(user_id)とアイテム識別子(item_id)と利用時期情報(dl_date)とを関連付けて、テーブル形式で格納する。利用情報にその他の情報も含まれる場合は、利用情報に含まれている全ての情報を格納できるように、利用情報の形態に合わせて格納形式を変更すればよい。
推薦属性情報格納部134は、推薦属性情報を複数記憶する。図6は、推薦属性情報格納部134の格納状態を示す図である。図6に示すように、推薦属性情報を構成するユーザ識別子(user_id)と、属性種別識別子(type_id)と、属性値識別子(attr_id)と、推薦の度合いを数値化した属性推薦値(a_value)とを関連付けて、テーブル形式で格納する。なお、(user_id,type_id,attr_id)の組合せは一意とし、重複登録ができない。
属性嗜好情報格納部135は、属性嗜好情報を複数記憶する。図7は、属性嗜好情報格納部135の格納状態を示す図である。図7に示すように、属性嗜好情報を構成するユーザ識別子(user_id)と、属性種別識別子(type_id)と、属性値識別子(attr_id)と、属性の嗜好の度合いを数値化した属性嗜好度(t_value)を関連付けて、テーブル形式で格納する。なお、(user_id,type_id,attr_id)の組合せは一意とし、重複登録ができない。
属性優先値情報格納部136は、属性優先値情報を複数記憶する。図8は、属性優先値情報格納部136の格納状態を示す図である。図8に示すように、属性優先値情報を構成するアイテム識別子(item_id)と、属性種別識別子(type_id)と、属性値識別子(attr_id)と、属性の優先の度合いを数値化した属性優先値(p_value)を関連付けて、テーブル形式で格納する。なお、(item_id,type_id,attr_id)の組合せは一意とし、重複登録ができない。
推薦アイテム情報格納部137は、推薦アイテム情報を複数記憶する。図9は、推薦アイテム情報格納部137の格納状態を示す図である。図9に示すように、推薦アイテム情報を構成する推薦対象ユーザのユーザ識別子(user_id)と、推薦対象ユーザに推薦するアイテム(推薦アイテム)のアイテム識別子(item_id)と、推薦対象ユーザに対する推薦アイテムの推薦の度合いを数値化した推薦値(r_value)とを関連付けて、テーブル形式で格納する。なお、(user_id,item_id)の組合せは一意とし、重複登録ができない。推薦対象ユーザのユーザ識別子を指定することで、推薦対象ユーザに対応する推薦アイテムを全て取得することができる。
情報処理サーバ制御部11は、情報処理サーバ装置1を構成する各部に対して、全体的な制御を行う。情報処理サーバ制御部11は、利用情報登録部111と、推薦属性選出部112と、属性嗜好度算出部113と、属性優先値算出部114と、推薦アイテム選出部115と、推薦アイテム詳細情報作成部116とで構成される。
利用情報登録部111は、ネットワーク2を介して、端末装置3より利用情報を受信し、利用情報格納部133に、受信した利用情報を格納する。
推薦属性選出部112は、所定のタイミングごとに、推薦属性選出処理を行う。所定のタイミングとしては、所定の時間間隔(例えば24時間ごと)を用いてもよいし、利用情報を一定回数受信するごととしてもよい。また、月曜日〜金曜日までは3時間ごと、土曜日は6時間ごと、日曜日は12時間ごと、というように時間間隔が変動してもよい。また、夏は時間間隔を短くして、冬は時間間隔を長くするなど、季節に応じて時間間隔を変えてもよい。
推薦属性選出処理の手順を、図10のフローチャートを用いて説明する。
まず、推薦属性選出部112が、利用情報格納部133より、利用情報に含まれるユーザ識別子を重複なしで、全て抽出する(ステップ101)。このとき、ユーザ識別子を抽出する利用情報を、推薦属性選出処理の時点から所定期間(例えば、3ヶ月といったように予めサービス提供側が決めておく)遡った範囲に該当する利用時期情報を含むものに限定することで、直近に利用されたユーザのみに対して、推薦属性情報を選出するようにしてもよい。
次に、推薦属性選出部112が、ステップS101にて抽出したユーザ識別子の中から、例えば、抽出した順に1つ選択する(ステップS102)。ここで選択したユーザ識別子に対応するユーザが推薦対象ユーザとなる。
次に、推薦属性選出部112が、利用情報格納部133にて格納されている利用情報を用いて、ステップS102にて選択した推薦対象ユーザのユーザ識別子に対して、類似ユーザを選出する(ステップS103)。
類似ユーザを選出するには、推薦対象ユーザと他のユーザとの類似度を算出し、類似度の高い順に所定数までのユーザを類似ユーザとして選出してもよいし、所定値以上の類似度のユーザを類似ユーザとして、選出してもよい。
類似度を算出する方法として例えば、利用情報を基に、Jaccard(ジャカード)係数を用いることができる。Jaccard係数を用いる場合は、推薦対象ユーザurが利用したことのあるアイテム集合をI(ur)、他のユーザuが利用したことのあるアイテム集合をI(u)、ユーザurとユーザuが共に利用したアイテム数を|I(ur) ∩ I(u)|とし、ユーザurとユーザuの少なくとも一方が利用したことのあるアイテム数を|I(ur) ∪ I(u)|としたとき、類似度sim(ur,u)は式(1)にて算出することができる。
また、ユーザが利用したアイテム集合の代わりに、ユーザが利用したアイテムに対応するアイテム属性集合を用いても同様に算出できる。
また、アイテム嗜好度を算出することで、類似度算出に、コサイン距離やピアソン積率相関係数を用いることもできる。
アイテム嗜好度とは、ユーザのアイテムに対する嗜好の度合いを示す値であり、アイテム嗜好度を算出するユーザのユーザ識別子を含む利用情報(第1の利用情報)を用いて算出することができる。具体的に、例えば、第1の利用情報の数や、第1の利用情報に含まれる利用時期情報から、属性推薦値算出処理を行った時点までの経過時間などを用いて算出することができる。また、利用情報に、ユーザのアイテムに対する評価や、ユーザがアイテムに対して支払った金額に関する情報が含まれていれば、それらを用いて算出することもできる。
コサイン距離を用いる場合は、例えば、推薦対象ユーザurが利用したことのあるアイテム集合をI(ur)とし、ユーザurのアイテムi(i∈I(ur))に対するアイテム嗜好度をvi(ur,i)、他のユーザuが利用したことのあるアイテム集合をI(u)とし、他のユーザuのアイテムi’(i’∈I(u))に対するアイテム嗜好度をvi(u,i’)、ユーザurとユーザuとが共に利用したことのあるアイテムをI(ur,u)とし、ユーザurのアイテムic(ic∈I(ur,u))に対するアイテム嗜好度をvi(ur,ic)、他のユーザuのアイテムicに対するアイテム嗜好度をvi(u,ic)としたとき、類似度sim(ur,u)は式(2)で算出することができる。
また、ピアソン積率相関係数を用いる場合は、例えば、ユーザurとユーザuとが共に利用したことのあるアイテムをI(ur,u)とし、I(ur,u)に属するアイテムの数をnとし、ユーザurのアイテムic(ic∈I(ur,u))に対するアイテム嗜好度をvi(ur,ic)、他のユーザuのアイテムicに対するアイテム嗜好度をvi(u,ic)としたとき、類似度sim(ur,u)は式(3)で算出することができる。
また、アイテム嗜好度の代わりに、ユーザのアイテム属性に対する嗜好の度合いを示す属性嗜好度を用いることでも、類似度算出を行うことができる。属性嗜好度の算出方法に関しては、後述の属性嗜好度算出部113による属性嗜好度算出処理にて説明する属性嗜好度算出方法を用いればよい。
もちろん、上記以外の方法を用いて、ユーザ間の類似度を算出してもよい。
次に、推薦属性選出部112が、アイテム情報格納部132より、属性種別情報に含まれる属性種別識別子のうち、推薦属性選出対象のものを取得する(ステップS104)。なお、アイテム属性の種別を属性種別識別子などで管理しているようなサービスは、本発明の効果を実現するために、推薦属性選出対象となる属性種別識別子を2つ以上設定する必要がある。推薦属性選出対象の属性種別識別子は、予めサービスの提供側が設定すればよい。
次に、推薦属性選出部112が、ステップS104にて取得した属性種別識別子のうち、例えば、取得した順に1つ選択する(ステップS105)。
次に、推薦属性選出部112が、まず、利用情報格納部133より、ステップS103にて選出した類似ユーザのユーザ識別子のいずれかを含む利用情報から、アイテム識別子を重複なしで抽出する。そして、アイテム情報格納部132より、ステップS105にて選択した属性種別識別子を有する属性対応情報から、抽出したアイテム識別子のいずれかを有する属性対応情報を特定し、特定した属性対応情報に含まれる属性識別子を、推薦候補属性識別子として、重複なしで抽出する(ステップS106)。
次に、推薦属性選出部112が、ステップS106にて抽出した推薦候補属性識別子ごとに、属性推薦値の算出を行う(ステップS107)。
以下に、属性推薦値の算出方法を3種類説明する。
属性推薦値算出の第1の方法は、推薦候補属性識別子ごとに、その属性識別子に属するアイテムを利用した類似ユーザの数を集計し、その数を用いて属性推薦値を算出する方法である。属性推薦値算出の第1の方法は、属性推薦値に対する類似ユーザ1人ひとりの影響力(重み)を全て平等(同じ)に扱っている。
属性推薦値算出の第2の方法は、推薦候補属性識別子ごとに、その属性識別子に属するアイテムを利用した類似ユーザの類似度の総和を用いて属性推薦値を算出する方法である。属性推薦値算出の第2の方法は、属性推薦値に対するユーザ1人ひとりの影響力(重み)を変えており、推薦対象ユーザとの類似度が高い類似ユーザほど影響力が強いことになる。
属性推薦値算出の第3の方法は、類似ユーザごとに、推薦候補属性識別子に対して属性嗜好度を算出した上で、推薦候補属性識別子ごとに、その属性識別子に属するアイテムを利用した類似ユーザの属性嗜好度の総和を用いて属性推薦値を算出する方法である。属性推薦値算出の第3の方法は、属性推薦値に対するユーザ1人ひとりの影響力(重み)を変えており、属性推薦値算出対象のアイテム属性に対する属性嗜好度の高いユーザほど影響力が強いことになる。属性嗜好度は、後述の属性嗜好度算出部113による属性嗜好度算出処理を用いて算出すればよい。
また、属性推薦値算出の第2の方法と第3の方法を組み合わせて属性推薦値を算出してもよい。もちろん、他の方法を用いて、属性推薦値を算出してもよい。
次に、推薦属性選出部112が、ステップS107にて算出した属性推薦値に応じて、推薦属性の選出を行う(ステップS108)。推薦属性を選出するには、属性推薦値が(予め、サービス提供側が設定した)所定値以上の推薦候補属性識別子を、推薦属性とすればよい。また、属性推薦値の降順に(予め、サービス提供側が設定した)所定数まで選択した推薦候補属性識別子を、推薦属性とすればよい。
次に、推薦属性選出部112が、ステップS108にて選出した推薦属性ごとに、ステップS102にて選択したユーザ識別子と、推薦属性である属性種別識別子と属性値識別子の組合せと、ステップS107にて推薦属性に対応して算出された属性推薦値とを関連付けた推薦属性情報を、推薦属性情報格納部134に格納する(ステップS109)。
次に、推薦属性選出部112が、ステップS105にて全ての属性種別識別子を選択したか否かを判定する(ステップS110)。全て選択した場合は、ステップS111へ進み、未選択のものがある場合は、ステップS105へ進む。
ステップS111では、推薦属性選出部112が、ステップS102にて全てのユーザ識別子を選択したか否かを判定する。全て選択した場合は、ステップS101からステップS111までの一連の処理を終了し、未選択のものがある場合は、ステップS102へ進む。
この手順により、アイテム属性の種別を管理しているようなサービスにおいては、各ユーザ識別子ごとに、2種類以上の属性種別識別子に対応する推薦属性情報が、推薦属性情報格納部134に格納されることになる。
なお、推薦属性情報を作成する対象となる属性種別識別子を増やせば増やすほど、推薦アイテムを選出する際のアイテムの候補を増やすことができる。
また、アイテム属性の種別を管理していない(属性種別識別子のない)サービスにおいては、ステップS106とステップS107とステップS112の処理を省略することができる。
また、類似度や属性推薦値を算出するために利用する利用情報を、推薦属性選出処理の時点から所定期間(例えば、3ヶ月といったように予めサービス提供側が設定しておく)遡った範囲に該当する利用時期情報を含むものに限定することで、直近の利用情報のみを用いて、推薦属性情報を選出するようにしてもよい。また、推薦属性選出処理の時点に近い順に、所定個数(例えば、10個といったように予めサービス提供側が設定しておく)まで取得することで、推薦属性情報を選出する際の計算量を減らすようにしてもよい。
以上が、推薦属性選出処理の手順の説明である。
属性嗜好度算出部113は、所定のタイミングごとに、属性嗜好度算出処理を行う。属性嗜好度算出処理の手順を、図11のフローチャートを用いて説明する。
まず、属性嗜好度算出部113が、利用情報格納部133より、利用情報に含まれるユーザ識別子を重複なしで、全て抽出する(ステップS201)。
次に、属性嗜好度算出部113が、ステップS201にて抽出したユーザ識別子の中から、例えば、抽出した順に1つ選択する(ステップS202)。
次に、属性嗜好度算出部113が、利用情報格納部133より、ステップS202にて選択したユーザ識別子を有する利用情報を全て取得する(ステップS203)。このとき、取得する利用情報を、属性嗜好度算出処理の時点から所定期間(例えば、3ヶ月といったように予めサービス提供側が設定しておく)遡った範囲に該当する利用時期情報を含むものに限定することで、直近の利用情報のみを用いて、属性嗜好度を算出するようにしてもよい。
次に、属性嗜好度算出部113が、アイテム情報格納部132より、ステップS203にて取得した利用情報に含まれるいずれかのアイテム識別子を有する属性対応情報を全て取得する(ステップS204)。なお、属性対応情報を取得する際に、予めサービス提供側が設定した1つ以上の属性種別識別子のいずれかを含むもののみに限定してもよい。
次に、属性嗜好度算出部113が、ステップS204にて取得した属性対応情報のうち、例えば、取得した順に1つ選択する(ステップS205)。
次に、属性嗜好度算出部113が、ステップS205にて選択した属性対応情報に対して、属性嗜好度を算出する(ステップS206)。
属性嗜好度の算出方法を、以下に8種類説明する。
属性嗜好度算出の第1の方法は、どのような属性対応情報に対応するアイテム属性対しても、一様に同じ値(例えば、「1」)を算出する方法である。属性嗜好度算出の第1の方法は、どのようなアイテム属性でも等しく扱うことになる。
属性嗜好度算出の第2の方法は、ステップS205にて選択した属性対応情報に対応するアイテム属性に属するアイテムの数が少ないほど、その値が大きくなるように算出する方法である。具体的には、アイテム属性の属性識別子(tx,txy)(属性種別識別子txと属性値識別子txyのペア)に属するアイテム集合I(tx,txy)の数を|I(tx,txy)|とした場合、定数α1(>0)を用いて、ユーザuに対応する属性嗜好度tv(u,tx,txy)を式(4)にて算出すればよい。
属性嗜好度算出の第2の方法は、そのアイテム属性に属するアイテムの数が少ないような粒度の細かいアイテム属性ほど重み付けを大きくし、逆に、そのアイテム属性に属するアイテムの数が多いような粒度の粗いアイテム属性ほど重み付けを小さくすることになる。もちろん、アイテム属性に属するアイテム数に対して単調減少するような式であれば、どのような式を用いてもよい。
属性嗜好度算出の第3の方法は、ステップS205にて選択した属性対応情報に含まれる属性種別識別子に対応する属性値識別子の数が多いほど、その値が大きくなるように算出する方法である。具体的には、アイテム属性の属性種別識別子txに対応する属性値識別子の集合A(tx)の数|A(tx)|とした場合、定数β1(≧1)を用いて、ユーザuに対応する属性嗜好度tv(u,tx,txy)を式(5)にて算出すればよい。
属性嗜好度算出の第3の方法は、その属性種別に対応する属性値の数が多いような粒度の細かい属性値が設定されている属性種別ほど重み付けを大きくし、逆に、その属性種別に対応する属性値の数が少ないような粒度の粗い属性値が設定されている属性種別ほど重み付けを小さくすることになる。もちろん、属性種別に対応する属性値の数に対して単調増加するような式であれば、どのような式を用いてもよい。
属性嗜好度算出の第4の方法は、ステップS205にて選択した属性対応情報に対応するアイテム属性に属するアイテムの利用が多いものほど、その値が大きくなるように算出する方法である。具体的には、アイテム属性の属性識別子(tx,txy)に属するアイテム集合I(tx,txy)にいずれかのアイテムの利用に関わる利用情報の集合L(tx,txy)の数を|L(tx,txy)|とした場合、式(5)の|A(tx)|を、|L(tx,txy)|で置き換えることにより算出できる。属性嗜好度算出の第4の方法は、多くのユーザに何度も利用されるような人気の高いアイテムが多く属するアイテム属性の重み付けを大きくすることができる。もちろん、アイテム属性に属するアイテムの利用数に対して単調増加するような式であれば、どのような式を用いてもよい。
属性嗜好度算出の第5の方法は、ステップS205にて選択した属性対応情報に対応するアイテム属性に属するアイテムを利用したユーザが多いものほど、その値が大きくなるように算出する方法である。具体的には、アイテム属性の属性識別子(tx,txy)に属するアイテム集合I(tx,txy)に含まれるいずれかのアイテムの利用に関わる利用情報の集合L(tx,txy)から重複なしで抽出したユーザ集合U(tx,txy)の数を|U(tx,txy)|とした場合、式(5)の|A(tx)|を、|U(tx,txy)|で置き換えることにより算出できる。属性嗜好度算出の第5の方法は、多くのユーザに利用されるような人気の高いアイテム属性の重み付けを大きくすることができる。もちろん、アイテム属性に属するアイテムを利用したユーザ数に対して単調増加するような式であれば、どのような式を用いてもよい。
属性嗜好度算出の第6の方法は、ステップS202にて選択したユーザ識別子に対応するユーザにより利用された、ステップS205にて選択した属性対応情報に対応するアイテム属性に属するアイテムの数が多いものほど、その値が大きくなるように算出する方法である。具体的には、ユーザuによるアイテムの利用に関る利用情報の集合L(u)のうち、アイテム属性の属性識別子(tx,txy)に属するアイテム集合I(tx,txy)に含まれるいずれかのアイテムの利用に関わる利用情報の集合L(u,tx,txy)の数を|L(u,tx,txy)|とした場合、式(5)の|A(tx)|を、|L(u,tx,txy)|で置き換えることにより算出できる。属性嗜好度算出の第6の方法は、属性嗜好度算出対象のユーザが、属性嗜好度算出対象のアイテム属性に属するアイテムを多く利用するほど、その重み付けを大きくすることができる。もちろん、ユーザのアイテム属性に属するアイテムの利用数に対して単調増加するような式であれば、どのような式を用いてもよい。
属性嗜好度算出の第7の方法は、ステップS202にて選択したユーザ識別子に対応するユーザにより利用された、ステップS205にて選択した属性対応情報に対応するアイテム属性に属するアイテムの種類数が多いものほど、その値が大きくなるように算出する方法である。具体的には、ユーザuによるアイテムの利用に関る利用情報の集合L(u)から、アイテム属性の属性識別子(tx,txy)に属するアイテムを重複なしで抽出したアイテム集合I(u,tx,txy)の数を|I(u,tx,txy)|とした場合、式(5)の|A(tx)|を、|I(u,tx,txy)|で置き換えることにより算出できる。属性嗜好度算出の第7の方法は、属性嗜好度算出対象のユーザが、属性嗜好度算出対象のアイテム属性に属するアイテムを多くの種類利用するほど、その重み付けを大きくすることができる。もちろん、ユーザが利用した、あるアイテム属性に属するアイテムの種類数に対して単調増加するような式であれば、どのような式を用いてもよい。
属性嗜好度算出の第8の方法は、ステップS202にて選択したユーザ識別子に対応するユーザにより利用された、ステップS205にて選択した属性対応情報に対応するアイテム属性に属するアイテムのアイテム嗜好度の総和に応じて単調増加する算出方法である。具体的には、ユーザuによるアイテムの利用に関る利用情報の集合L(u)から、アイテム属性の属性識別子(tx,txy)に属するアイテムを重複なしで抽出したアイテム集合I(u,tx,txy)を抽出し、抽出したアイテム集合に含まれるアイテムごとに、ユーザuのアイテムi(∈I(u,tx,txy))に対するアイテム嗜好度vi(u,i)を算出した上で、定数β2(≧1)を用いて、ユーザuに対応する属性嗜好度tv(u,tx,txy)を式(6)にて算出すればよい。
アイテム嗜好度に関しては、前述の推薦属性選出処理のステップS103にて説明したアイテム嗜好度算出方法を用いればよい。属性嗜好度算出の第8の方法は、属性嗜好度算出対象のユーザが好むアイテムが多く含まれているアイテム属性ほど、その重み付けを大きくすることができる。もちろん、アイテム嗜好度の総和に対して単調増加するような式であれば、どのような式を用いてもよい。
また、属性嗜好度算出の第2から第8の方法を組み合わせて算出してもよい。例えば、第2と第4の方法を組み合わせて、式(7)や式(8)のように算出してもよい。それ以外でも、各算出方法の性質を変化させないように自由に組み合わせてもよい。以上が、属性嗜好度の算出方法の説明である。
次に、属性嗜好度算出部113が、ステップS202にて選択したユーザ識別子と、ステップS205にて選択した属性対応情報に含まれる属性種別識別子と属性値識別子と、ステップS206にて算出した属性嗜好度を関連付けた属性嗜好情報を、属性嗜好情報格納部135に格納する(ステップS207)。
次に、属性嗜好度算出部113が、ステップS205にて全ての属性対応情報を選択したか否かを判定する(ステップS208)。全て選択した場合は、ステップS209へ進み、未選択のものがある場合は、ステップS205へ進む。
ステップS209では、属性嗜好度算出部113が、ステップS202にて全てのユーザ識別子を選択したか否かを判定する。全て選択した場合は、ステップS201からステップS209までの一連の処理を終了し、未選択のものがある場合は、ステップS202へ進む。
以上が、属性嗜好度算出処理の手順の説明となる。
属性優先値算出部114は、所定のタイミングごとに、属性優先値算出処理を行う。属性優先値算出処理の手順を、図12のフローチャートを用いて説明する。
まず、属性優先値算出部114が、利用情報格納部133より、利用情報に含まれるアイテム識別子を重複なしで、全て抽出する(ステップS301)。
次に、属性優先値算出部114が、ステップS301にて抽出したアイテム識別子の中から、例えば、抽出した順に1つ選択する(ステップS302)。
次に、属性優先値算出部114が、利用情報格納部133より、ステップS302にて選択したアイテム識別子を有する利用情報を全て取得する(ステップS303)。このとき、取得する利用情報を、属性優先値算出処理の時点から所定期間(例えば、3ヶ月といったように予めサービス提供側が設定しておく)遡った範囲に該当する利用時期情報を含むものに限定することで、直近の利用情報のみを用いて、属性優先値を算出するようにしてもよい。
次に、属性優先値算出部114が、アイテム情報格納部132より、ステップS302にて選択したアイテム識別子を有する属性対応情報を全て取得する(ステップS304)。なお、属性対応情報を取得する際に、予めサービス提供側が設定した1つ以上の属性種別識別子のいずれかを含むもののみに限定してもよい。
次に、属性優先値算出部114が、ステップS304にて取得した属性対応情報のうち、例えば、取得した順に1つ選択する(ステップS305)。
次に、属性優先値算出部114が、ステップS305にて選択した属性対応情報に対して、属性優先値を算出する(ステップS306)。
属性優先値の算出方法を、以下に8種類説明する。
属性優先値算出の第1の方法は、どのような属性対応情報に対応するアイテム属性対しても、一様に同じ値(例えば、「1」)を算出する方法である。属性優先値算出の第1の方法は、どのようなアイテム属性でも等しく扱うことになる。
属性優先値算出の第2の方法は、ステップS305にて選択した属性対応情報に対応するアイテム属性に属するアイテムの数が少ないほど、その値が大きくなるように算出する方法である。これは、属性嗜好度算出の第2の方法と同様の方法を用いて算出することができる。
属性優先値算出の第3の方法は、ステップS305にて選択した属性対応情報に含まれる属性種別識別子に対応する属性値識別子の数が多いほど、その値が大きくなるように算出する方法である。これは、属性嗜好度算出の第3の方法と同様の方法を用いて算出することができる。
属性優先値算出の第4の方法は、ステップS305にて選択した属性対応情報に対応するアイテム属性に属するアイテムの利用が多いものほど、その値が大きくなるように算出する方法である。これは、属性嗜好度算出の第4の方法と同様の方法を用いて算出することができる。
属性優先値算出の第5の方法は、ステップS305にて選択した属性対応情報に対応するアイテム属性に属するアイテムを利用したユーザが多いものほど、その値が大きくなるように算出する方法である。これは、属性嗜好度算出の第5の方法と同様の方法を用いて算出することができる。
属性優先値算出の第6の方法は、ステップS302にて選択したアイテム識別子に対応するアイテムの利用数が多いほど、その値が大きくなるように算出する方法である。具体的には、アイテムiの利用に関わる利用情報の集合L(i)の数を|L(i)|とした場合、定数β3(≧1)を用いて、アイテムiに対応する属性優先値pv(i,tx,txy)を式(9)にて算出すればよい。
属性優先値算出の第6の方法は、多くのユーザに何度も利用されるような人気の高いアイテムの重み付けを大きくすることができる。もちろん、アイテムの利用数に対して単調増加するような式であれば、どのような式を用いてもよい。
属性優先値算出の第7の方法は、ステップS302にて選択したアイテム識別子に対応するアイテムを利用したユーザ数が多いほど、その値が大きくなるように算出する方法である。具体的には、アイテムiの利用に関わる利用情報の集合L(i)から重複なしで抽出したユーザ集合U(i)の数を|U(i)|とした場合、式(9)の|L(i)|を、|U(i)|で置き換えることにより算出できる。属性優先値算出の第7の方法は、多くのユーザに利用されるような人気の高いアイテムの重み付けを大きくすることができる。もちろん、利用したユーザの数に対して単調増加するような式であれば、どのような式を用いてもよい。
属性優先値算出の第8の方法は、ステップS302にて選択したアイテム識別子に対応するアイテムを利用したユーザのアイテム嗜好度の総和が高ければ高いほど、その値が大きくなるように算出する方法である。具体的には、アイテムiの利用に関わる利用情報の集合L(i)から重複なしで抽出したユーザ集合U(i)を抽出し、U(i)に含まれるユーザu(∈U(i))ごとに、ユーザuのアイテムiに対するアイテム嗜好度vi(u,i)を算出した上で、定数β4(≧1)を用いて、アイテムiに対応する属性嗜好度pv(i,tx,txy)を式(10)にて算出すればよい。
アイテム嗜好度に関しては、前述の推薦属性選出処理のステップS103にて説明したアイテム嗜好度算出方法を用いればよい。属性優先値算出の第8の方法は、多くのユーザに好まれるようなアイテムの重み付けを大きくすることができる。もちろん、アイテム嗜好度の総和に対して単調増加するような式であれば、どのような式を用いてもよい。
また、属性優先値算出の第2から第8の方法を組み合わせて算出してもよい。例えば、第2と第4の方法の組み合わせを、属性嗜好度算出の第2と第4の方法を組合せた式(7)と式(8)を用いることで算出してもよい。それ以外でも、各算出方法の性質を変化させないように自由に組み合わせてもよい。
以上が、属性優先値の算出方法の説明である。
次に、属性優先値算出部114が、ステップS305にて選択した属性対応情報に含まれるアイテム識別子と属性種別識別子と属性値識別子と、ステップS306にて算出した属性優先値を関連付けた属性優先値情報を、属性優先値情報格納部136に格納する(ステップS307)。
次に、属性優先値算出部114が、ステップS305にて全ての属性対応情報を選択したか否かを判定する(ステップS308)。全て選択した場合は、ステップS309へ進み、未選択のものがある場合は、ステップS305へ進む。
ステップS309では、属性優先値算出部114が、ステップS302にて全てのアイテム識別子を選択したか否かを判定する。全て選択した場合は、ステップS301からステップS309までの一連の処理を終了し、未選択のものがある場合は、ステップS302へ進む。
以上が、属性優先値算出処理の手順の説明となる。
推薦アイテム選出部115は、所定のタイミングごとに、推薦アイテム選出処理を行う。推薦アイテム選出処理の手順を、図13のフローチャートを用いて説明する。
まず、推薦アイテム選出部115が、推薦属性情報格納部134より、推薦属性情報に含まれるユーザ識別子を、重複なしで全て抽出する(ステップS401)。
次に、推薦アイテム選出部115が、ステップS401にて抽出したユーザ識別子のうち、例えば、抽出した順に、推薦対象ユーザ識別子として1つ選択する(ステップS402)。
次に、推薦アイテム選出部115が、推薦属性情報格納部134より、ステップS402にて選択した推薦対象ユーザ識別子と一致するユーザ識別子を有する推薦属性情報を全て取得する(ステップS403)。
次に、推薦アイテム選出部115が、属性優先値情報格納部136より、ステップS402にて選択した推薦対象ユーザ識別子と一致するユーザ識別子を有する属性嗜好情報を全て取得する(ステップS404)。
次に、推薦アイテム選出部115が、アイテム情報格納部132より、ステップS403にて取得した推薦属性情報に含まれるいずれかの属性識別子を含む属性対応情報を特定し、特定した属性対応情報に含まれるアイテム識別子を、重複なしで全て抽出する(ステップS405)。なお、ここで抽出したアイテム識別子の集合が推薦候補アイテム集合となる。
次に、推薦アイテム選出部115が、ステップS405にて抽出したアイテム識別子のうち、例えば、抽出した順に、推薦候補アイテム識別子として1つ選択する(ステップS406)。
次に、推薦アイテム選出部115が、属性優先値情報格納部136より、ステップS406にて選択した推薦候補アイテム識別子と一致するアイテム識別子を有する属性優先値情報を全て取得する(ステップS407)。
次に、推薦アイテム選出部115が、ステップS402にて選択した推薦対象ユーザ識別子に対する、ステップS406にて選択した推薦候補アイテム識別子の推薦値を算出する(ステップS408)。
推薦値の算出方法を以下に7種類説明する。なお、算出方法内の説明において、ステップS403にて取得した推薦対象ユーザurに対応する推薦属性情報の集合をST(ur)とする。
推薦値算出の第1の方法は、ステップS406にて選択した推薦候補アイテム識別子に対応する属性識別子のいずれかを含む推薦属性情報の数を推薦値として算出する方法である。推薦値算出の第1の方法は、計算量が少ない。
推薦値算出の第2の方法は、ステップS406にて選択した推薦候補アイテム識別子に対応する属性識別子のいずれかを含む推薦属性情報の属性推薦値を用いて算出する方法である。具体的には、ST(ur)より、推薦候補アイテムirに対応する属性識別子のうち、いずれかの属性識別子を含むものから抽出した属性識別子の集合TA(ur,ir)の数を|TA(ur,ir)|とし、TA(ur,ir)に含まれる任意の属性識別子(tx,txy)に対応する推薦対象ユーザurとの属性推薦値av(ur,tx,txy)とした場合、推薦値rv(ur,ir)は、定数α2(0≦α2≦1)を用いて、式(11)にて算出できる。
推薦値算出の第2の方法は、推薦候補アイテムに対応するいずれかのアイテム属性が、多くの推薦属性情報に含まれ、かつ、その推薦属性情報に含まれる属性推薦値の大きいほど、推薦値が高くなりやすい。なお、式(11)は、α2が「0」の場合に、属性推薦値の総和となり、α2が「1」の場合に、属性推薦値の平均値となる。つまり、推薦属性情報の数の影響力を高める場合は、α2を「0」に近づければよい。もちろん、推薦属性情報の数と、属性推薦値の両方に対して、単調増加であれば、他の式を用いてもよい。
推薦値算出の第3の方法は、推薦値算出の第2の方法と同様に属性推薦値を利用し、かつ、属性種別識別子ごとに、対応する属性推薦値の重み付けを変更する算出方法である。具体的には、属性推薦値算出の算出対象となっている属性種別識別子の集合Tに含まれる属性種別識別子ごとに、属性種別識別子tx(∈T)に対応する重み付け係数m1(tx)を予め設定した上で、ST(ur)より、推薦候補アイテムirに対応する属性識別子のうち、いずれかの属性識別子を含む推薦属性情報の集合ST(ur,ir)を形成する。
次に、ST(ur,ir)から重複なしで抽出したTの部分集合T(ur,ir)を形成する。そして、ST(ur,ir)に含まれる推薦属性情報のうち、属性種別識別子t’x(∈T(ur,ir))を含むものより抽出した属性識別子の集合TA(ur,ir,t’x)の数を|TA(ur,ir,t’x)|とし、TA(ur,ir,t’x)の任意の属性識別子(t’x,t’xy)に対応する属性推薦値をav(ur,t’x,t’xy)とした場合、推薦値rv(ur,ir)は、定数α3(0≦α3≦1)を用いて、式(12)にて算出できる。
なお、属性種別識別子tx(∈T)に対応する重み付け係数m1(tx)は、属性優先値算出の第3の方法と同様に、属性種別の粒度に合わせて算出することで、属性種別間の粒度を吸収するのがよいが、もちろん、属性種別間の粒度にとらわれずに、サービスの提供側が自由に設定してよい。推薦値算出の第3の方法は、推薦値算出の第2の方法の性質に加え、属性種別ごとに重み付けを変えることで、どの属性種別に対応する属性推薦値を優先するかを、サービスの提供側が自由に設定することができる。また、属性種別に対する重み付けを反映しつつ、属性推薦値の高いアイテム属性を有するアイテムの推薦値が高くなるように算出するのであれば、他の式を用いてもよい。
推薦値算出の第4の方法は、推薦値算出の第2の方法と同様に属性推薦値を利用し、かつ、属性識別子ごとに、対応する属性推薦値の重み付けを変更する算出方法である。具体的には、属性推薦値算出の算出対象となっている属性種別識別子を含む属性識別子の集合TAごとに、属性識別子(tx,txy)に対応する重み付け係数m2(tx,txy)を設定した上で、ST(ur)より、推薦候補アイテムirに対応する属性識別子のうち、いずれかの属性識別子を含む推薦属性情報から重複なしで抽出したTAの部分集合TA(ur,ir)の任意の属性識別子(t’x,t’xy)に対応する属性推薦値をav(ur,t’x,t’xy)とした場合、推薦値rv(ur,ir)は、定数α4(0≦α4≦1)を用いて、式(13)にて算出できる。
なお、属性識別子(tx,txy)に対応する重み付け係数m2(tx,txy)は、属性優先値算出の第2の方法と同様に、アイテム属性の粒度に合わせて算出することで、アイテム属性間の粒度を吸収するのがよいが、もちろん、アイテム属性間の粒度にとらわれずに、サービスの提供側が自由に設定してよい。推薦値算出の第4の方法は、推薦値算出の第2の方法の性質に加え、アイテム属性ごとに重み付けを変えることで、どのアイテム属性に対応する属性推薦値を優先するかを、サービスの提供側が自由に設定することができる。また、属性識別子に対する重み付けを反映しつつ、属性推薦値の高いアイテム属性を有するアイテムの推薦値が高くなるように算出するのであれば、他の式を用いてもよい。
推薦値算出の第5の方法は、ステップS404にて取得した推薦対象ユーザに対する属性嗜好情報を用いて算出する方法である。具体的には、推薦対象ユーザurに対して取得した属性嗜好情報の集合TT(ur)から、推薦対象アイテムirが有する属性識別子のみを重複なしで抽出した属性識別子の集合TA(ur,ir)に含まれる属性識別子(tx,txy)に対応する属性嗜好度をtv(ur,tx,txy)とした場合、定数α5(0≦α5≦1)を用いて、推薦値rv(ur,ir)を式(14)にて算出できる。
推薦値算出の第5の方法は、推薦値を、属性嗜好度を用いて算出することで、推薦対象ユーザが好むアイテム属性を有するアイテムを優先的に推薦アイテムとして選出しやすくなる。また、属性嗜好度算出に用いた方法の性質も反映される。もちろん、属性嗜好度の総和に対して単調増加であれば、他の式を用いてもよい。
推薦値算出の第6の方法は、ステップS407にて取得した推薦候補アイテムに対する属性優先値情報を用いて算出する方法である。具体的には、推薦候補アイテムirに対して取得した属性優先値情報の集合TP(ir)から、ユーザurが過去に利用した属性識別子のみを重複なしで抽出した属性識別子の集合TA(ir,ur)に含まれる属性識別子(tx,txy)に対応する属性優先値を、pv(ir,tx,txy)とした場合、定数α6(0≦α6≦1)を用いて、式(15)にて算出できる。
推薦値算出の第6の方法は、推薦値を、属性優先値を用いて算出することで、推薦値算出の第5の方法と同様に、推薦対象ユーザが好むアイテム属性を有するアイテムを優先的に推薦アイテムとして選出しやすくなる。また、属性優先値算出に用いた方法の性質も反映される。もちろん、属性優先値の総和に対して単調増加であれば、他の式を用いてもよい。
推薦値算出の第7の方法は、ステップS404にて取得した推薦対象ユーザに対する属性嗜好情報と、ステップS407にて取得した推薦候補アイテムに対する属性優先値情報とを用いて算出する方法である。具体的には、推薦対象ユーザurに対して取得した属性嗜好情報の集合TT(ur)から重複なしで抽出した属性識別子の集合TA’(ur)と、推薦候補アイテムirに対して取得した属性優先値情報の集合TP(ir)から重複なしで抽出した属性識別子の集合TA’(ir)との共通部分TA’(ur)∩TA’(ir)に含まれる属性識別子(t’x,t’xy)に対応する属性嗜好度をav(ur,t’x,t’xy)とし、属性優先値をpv(ir,t’x,t’xy)とした場合、推薦値rv(ur,ir)を式(16)のように内積値として算出してもよい。
また、コサイン距離やピアソン積率相関係数として算出してもよい。推薦値算出の第7の方法は、推薦値を、属性嗜好度と属性優先値とを用いて算出することで、推薦値算出の第5の方法や第6の方法以上に、推薦対象ユーザが好むアイテム属性を有するアイテムを優先的に推薦アイテムとして選出しやすくなる。また、属性嗜好度算出に用いた方法の性質や、属性優先値算出に用いた方法の性質も反映される。
また、推薦値算出の第2から第7の方法を組み合わせて算出してもよい。例えば、第3と第4の方法を組み合わせて、式(17)のように算出してもよい。
また、第2の方法で算出した推薦値rv2(ur,ir)と、第5の方法で算出した推薦値rv5(ur,ir)とを用いて、新たな推薦値new_rv(ur,ir)を推薦値として、式(18)や式(19)のように算出してもよい。それ以外でも、各算出方法の性質を変化させないように自由に組み合わせてもよい。以上が、推薦値算出方法の説明である。
次に、推薦アイテム選出部115が、ステップS406にて全ての推薦候補アイテム識別子を選択したか否かを判定する(ステップS409)。全て選択した場合は、ステップS410へ進み、未選択のものがある場合はステップS406へ進む。
ステップS410では、推薦アイテム選出部115が、ステップS408にて算出した推薦値に応じて、推薦アイテムを選出する。推薦アイテムを選出するには、推薦値が(予め、サービス提供側が設定した)所定値以上の推薦候補アイテム識別子を、推薦アイテムとすればよい。また、推薦値の降順に(予め、サービス提供側が設定した)所定数まで選択した推薦候補アイテム識別子を、推薦アイテムのアイテム識別子とすればよい。
次に、推薦アイテム選出部115が、ステップS410にて選出した推薦アイテムごとに、ステップS402にて選択した推薦対象ユーザ識別子と、推薦アイテムのアイテム識別子と、ステップS408にて算出した推薦値とを関連付けた推薦アイテム情報を、推薦アイテム情報格納部137に格納する(ステップS411)。
次に、推薦アイテム選出部115が、ステップS402にて、全ての推薦対象ユーザ識別子を選択したか否かを判定する(ステップS412)。全て選択した場合は、ステップS401からステップS412までの一連の処理を終了し、未選択のものがある場合は、ステップS402へ進む。
この手順により、実際にどのような効果があるかの具体例を、図14と図15を用いて説明する。図14は、ユーザu3に対する推薦属性を示すものである。図14に示すように、ユーザu3の推薦属性が、(ta,ta7)、(ta,ta13)、(tb,tb4)、(tb,tb8)であることが分かる。図15は、ユーザu3に対する推薦候補アイテムの対象となるアイテム集合をイメージしたものである。図15に示すように、ユーザu3の推薦属性それぞれに対応するアイテム集合、I(ta,ta7)、I(ta,ta13)、I(tb,tb4)、I(tb,tb8)があり、斜線部が、推薦候補アイテムのアイテム集合I(ta,ta7)∪I(ta,ta13)∪I(tb,tb4)∪I(tb,tb8)となる。つまり、推薦アイテムを、I(ta,ta7)、I(ta,ta13)、I(tb,tb4)、I(tb,tb8)のいずれかに属するアイテムから選出することができるようになるため、利用情報が少なくても、アイテムの推薦を可能とし、かつ、多様なアイテム属性を用いることで、多様なアイテムの推薦を実現することができる。
なお、上記手順において、推薦値算出に属性嗜好度を利用しない場合は、ステップS404の処理を省略することができる。さらに、属性嗜好情報を作成する必要がなくなるため、属性嗜好度算出部113と属性嗜好情報格納部135が不要となる。また、推薦値算出に属性優先値を利用しない場合は、ステップS407の処理を省略することができる。さらに、属性優先値情報を作成する必要がなくなるため、属性優先値算出部114と属性優先値情報格納部136が不要となる。
以上が、推薦アイテム選出処理の手順の説明である。
推薦アイテム詳細情報作成部116は、情報処理サーバ通信部12を通じて、端末装置3より推薦アイテム取得要求を受信すると、推薦アイテム詳細情報作成処理を行うことで、推薦アイテム詳細情報を作成し、情報処理サーバ通信部12を通じて、端末装置3に、作成した推薦アイテム詳細情報を送信する。
推薦アイテム詳細情報作成処理とは、推薦アイテム詳細情報を作成する処理である。具体的には、まず、推薦アイテム情報格納部137より、受信した推薦アイテム取得要求に含まれるユーザ識別子を有する全ての推薦アイテム情報を取得する。そして、アイテム情報格納部132より、取得した推薦アイテム情報に含まれるアイテム識別子に対応するアイテム情報を取得し、取得したアイテム情報を用いて推薦アイテム詳細情報を作成する。なお、推薦アイテム取得要求に、取得制限数が含まれている場合は、推薦アイテム情報格納部137より推薦アイテム情報を取得する際に、推薦値の降順に取得制限数まで取得するようにすればよい。
以上のように、推薦属性情報を基に、推薦アイテム情報を作成することで、少ない利用情報でも多様なアイテムを推薦することが可能となる。このため、ユーザの推薦に対する興味を維持し、サービスの利用を促進することができる。
上述した本発明の実施形態は、説明のための例示であり、上記実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において種々変更が可能である。例えば、各実施形態や変形例等を組み合わせてもよい。また、情報処理装置(情報処理サーバ装置1)の一部の構成を別体にし、ネットワーク等を介してその別体とした構成と通信するようにして、情報処理装置の機能を実現してもよい。
また、本発明は各部の機能をコンピュータに実現させるためのプログラムを含むものである。これらのプログラムは、記録媒体から読み取られてコンピュータに取り込まれてもよいし、通信ネットワークを介して伝送されてコンピュータに取り込まれてもよい。
1 情報処理サーバ装置
2 ネットワーク
3 端末装置
31 端末制御部
32 端末通信部
33 端末入力部
34 端末表示部
11 情報処理サーバ制御部
111 利用情報登録部
112 推薦属性選出部
113 属性嗜好度算出部
114 属性優先値算出部
115 推薦アイテム選出部
116 推薦アイテム詳細情報作成部
12 情報処理サーバ通信部
13 情報処理サーバ格納部
131 ユーザ情報格納部
132 アイテム情報格納部
133 利用情報格納部
134 推薦属性情報格納部
135 属性嗜好情報格納部
136 属性優先値情報格納部
137 推薦アイテム情報格納部

Claims (5)

  1. 利用主体を識別するための利用主体識別子と、前記利用主体により利用されたアイテムを識別するアイテム識別子とを対応付けた利用情報を格納する利用情報格納部と、
    アイテム識別子と、アイテムの属性を識別する属性識別子と、を対応付けた属性対応情報を格納するアイテム情報格納部と、
    前記利用情報及び前記属性対応情報に基づいて、属性識別子と、利用主体識別子との間の推薦値である属性推薦値を算出し、算出した属性推薦値に基づいて、利用主体識別子ごとに、その利用主体識別子に関連する属性識別子である推薦属性を選出し、それぞれの利用主体識別子と、選出した推薦属性とを対応付けた推薦属性情報を作成する推薦属性選出部と、
    前記推薦属性選出部が生成した推薦属性情報を格納する推薦属性情報格納部と、
    一の利用主体の利用主体識別子を含む推薦属性情報を前記推薦属性情報格納部より取得し、取得した推薦属性情報に含まれる属性識別子の内のいずれかを含む属性対応情報を前記アイテム情報格納部より取得し、取得した属性対応情報に含まれるアイテム識別子の集合である推薦候補アイテム集合を形成し、その推薦候補アイテム集合に含まれるアイテム識別子それぞれと前記一の利用主体との推薦値を算出し、算出した推薦値に基づいて、前記一の利用主体に推薦するアイテムを選出する推薦アイテム選出部と
    を備えることを特徴とする情報処理装置。
  2. 前記利用情報及び前記属性対応情報に基づいて、属性識別子に対する優先の度合いを示す属性優先値を算出する属性優先値算出部
    をさらに備え、
    前記推薦アイテム選出部は、前記アイテム情報格納部より、前記推薦項候補アイテム集合に含まれるアイテム識別子に対応付けられた属性対応情報を取得し、取得した属性対応情報に含まれる属性識別子のうち、いずれかに対して算出された前記属性優先値を用いて前記推薦値を算出する、
    ことを特徴とする請求項1記載の情報処理装置。
  3. 前記利用情報及び前記属性対応情報に基づいて、利用主体の属性識別子に対する嗜好の度合いを示す属性嗜好度を算出する属性嗜好度算出部
    をさらに備え、
    前記推薦アイテム選出部は、前記アイテム情報格納部より、前記一の利用主体に対して形成した推薦候補アイテム集合に含まれる属性対応情報を取得し、取得した属性対応情報に含まれる属性識別子のうちのいずれかと、前記一の利用主体とに対して算出された前記属性嗜好度を用いて前記推薦値を算出する、
    ことを特徴とする請求項1又は2に記載の情報処理装置。
  4. 利用主体を識別するための利用主体識別子と、前記利用主体により利用されたアイテムを識別するアイテム識別子とを対応付けた利用情報を利用情報格納部に格納する利用情報格納ステップと、
    アイテム識別子と、アイテムの属性を識別する属性識別子と、を対応付けた属性対応情報をアイテム情報格納部に格納するアイテム情報格納ステップと、
    前記利用情報及び前記属性対応情報に基づいて、属性識別子と、利用主体識別子との間の推薦値である属性推薦値を算出し、算出した属性推薦値に基づいて、利用主体識別子ごとに、その利用主体識別子に関連する属性識別子である推薦属性を選出し、それぞれの利用主体識別子と、選出した推薦属性とを対応付けた推薦属性情報を作成する推薦属性選出ステップと、
    前記推薦属性選出ステップにおいて生成した推薦属性情報を推薦属性情報格納部に格納する推薦属性情報格納ステップと、
    一の利用主体の利用主体識別子を含む推薦属性情報を前記推薦属性情報格納部より取得し、取得した推薦属性情報に含まれる属性識別子の内のいずれかを含む属性対応情報を前記アイテム情報格納部より取得し、取得した属性対応情報に含まれるアイテム識別子の集合である推薦候補アイテム集合を形成し、その推薦候補アイテム集合に含まれるアイテム識別子それぞれと前記一の利用主体との推薦値を算出し、算出した推薦値に基づいて、前記一の利用主体に推薦するアイテムを選出する推薦アイテム選出ステップと
    を有することを特徴とする情報処理方法。
  5. コンピュータに、
    利用主体を識別するための利用主体識別子と、前記利用主体により利用されたアイテムを識別するアイテム識別子とを対応付けた利用情報を利用情報格納部に格納する利用情報格納ステップと、
    アイテム識別子と、アイテムの属性を識別する属性識別子と、を対応付けた属性対応情報をアイテム情報格納部に格納するアイテム情報格納ステップと、
    前記利用情報及び前記属性対応情報に基づいて、属性識別子と、利用主体識別子との間の推薦値である属性推薦値を算出し、算出した属性推薦値に基づいて、利用主体識別子ごとに、その利用主体識別子に関連する属性識別子である推薦属性を選出し、それぞれの利用主体識別子と、選出した推薦属性とを対応付けた推薦属性情報を作成する推薦属性選出ステップと、
    前記推薦属性選出ステップにおいて生成した推薦属性情報を推薦属性情報格納部に格納する推薦属性情報格納ステップと、
    一の利用主体の利用主体識別子を含む推薦属性情報を前記推薦属性情報格納部より取得し、取得した推薦属性情報に含まれる属性識別子の内のいずれかを含む属性対応情報を前記アイテム情報格納部より取得し、取得した属性対応情報に含まれるアイテム識別子の集合である推薦候補アイテム集合を形成し、その推薦候補アイテム集合に含まれるアイテム識別子それぞれと前記一の利用主体との推薦値を算出し、算出した推薦値に基づいて、前記一の利用主体に推薦するアイテムを選出する推薦アイテム選出ステップと
    を実行させることを特徴とする情報処理プログラム。
JP2013136123A 2013-06-28 2013-06-28 情報処理装置、情報処理方法、及び情報処理プログラム Active JP6079479B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013136123A JP6079479B2 (ja) 2013-06-28 2013-06-28 情報処理装置、情報処理方法、及び情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013136123A JP6079479B2 (ja) 2013-06-28 2013-06-28 情報処理装置、情報処理方法、及び情報処理プログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2017007511A Division JP6269864B2 (ja) 2017-01-19 2017-01-19 情報処理装置、情報処理方法、及び情報処理プログラム

Publications (2)

Publication Number Publication Date
JP2015011504A true JP2015011504A (ja) 2015-01-19
JP6079479B2 JP6079479B2 (ja) 2017-02-15

Family

ID=52304622

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013136123A Active JP6079479B2 (ja) 2013-06-28 2013-06-28 情報処理装置、情報処理方法、及び情報処理プログラム

Country Status (1)

Country Link
JP (1) JP6079479B2 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017228037A (ja) * 2016-06-21 2017-12-28 キヤノン株式会社 情報処理装置およびその制御方法、並びにプログラム
JP2018045553A (ja) * 2016-09-16 2018-03-22 ヤフー株式会社 選択装置、選択方法および選択プログラム
WO2019097785A1 (ja) * 2017-11-17 2019-05-23 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
CN111815359A (zh) * 2020-07-09 2020-10-23 北京字节跳动网络技术有限公司 一种目标人群确定方法、装置、电子设备和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003216636A (ja) * 2002-01-23 2003-07-31 Hitachi Ltd 最新記事推薦方法およびシステム
JP2006202127A (ja) * 2005-01-21 2006-08-03 Pioneer Electronic Corp 推奨情報提示装置及び推奨情報提示方法等
WO2009014300A1 (en) * 2007-07-24 2009-01-29 Samsung Electronics Co., Ltd. Method and apparatus for recommending information using hybrid algorithm
JP2010218376A (ja) * 2009-03-18 2010-09-30 Nomura Research Institute Ltd ユーザ関心ジャンル分析システム
JP2012098975A (ja) * 2010-11-04 2012-05-24 Hitachi Ltd アイテムの推薦方法及び装置
JP2012113544A (ja) * 2010-11-25 2012-06-14 Nomura Research Institute Ltd 飲食店推薦システム
JP2012113505A (ja) * 2010-11-24 2012-06-14 Jvc Kenwood Corp アイテム選択装置、アイテム選択方法およびコンピュータプログラム
JP2013097554A (ja) * 2011-10-31 2013-05-20 Jvc Kenwood Corp 情報処理装置、情報処理方法、及び情報処理プログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003216636A (ja) * 2002-01-23 2003-07-31 Hitachi Ltd 最新記事推薦方法およびシステム
JP2006202127A (ja) * 2005-01-21 2006-08-03 Pioneer Electronic Corp 推奨情報提示装置及び推奨情報提示方法等
WO2009014300A1 (en) * 2007-07-24 2009-01-29 Samsung Electronics Co., Ltd. Method and apparatus for recommending information using hybrid algorithm
JP2010218376A (ja) * 2009-03-18 2010-09-30 Nomura Research Institute Ltd ユーザ関心ジャンル分析システム
JP2012098975A (ja) * 2010-11-04 2012-05-24 Hitachi Ltd アイテムの推薦方法及び装置
JP2012113505A (ja) * 2010-11-24 2012-06-14 Jvc Kenwood Corp アイテム選択装置、アイテム選択方法およびコンピュータプログラム
JP2012113544A (ja) * 2010-11-25 2012-06-14 Nomura Research Institute Ltd 飲食店推薦システム
JP2013097554A (ja) * 2011-10-31 2013-05-20 Jvc Kenwood Corp 情報処理装置、情報処理方法、及び情報処理プログラム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017228037A (ja) * 2016-06-21 2017-12-28 キヤノン株式会社 情報処理装置およびその制御方法、並びにプログラム
JP2018045553A (ja) * 2016-09-16 2018-03-22 ヤフー株式会社 選択装置、選択方法および選択プログラム
WO2019097785A1 (ja) * 2017-11-17 2019-05-23 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
CN111815359A (zh) * 2020-07-09 2020-10-23 北京字节跳动网络技术有限公司 一种目标人群确定方法、装置、电子设备和存储介质
CN111815359B (zh) * 2020-07-09 2024-05-24 北京火山引擎科技有限公司 一种目标人群确定方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
JP6079479B2 (ja) 2017-02-15

Similar Documents

Publication Publication Date Title
JP5581408B2 (ja) 情報処理システム、情報処理装置、情報処理方法及びプログラム
JP5633423B2 (ja) 情報処理方法、表示方法、情報処理装置、端末装置、及び情報処理プログラム
JP6079479B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP2017228040A (ja) 加盟店舗情報提供方法
JP5971895B2 (ja) 情報処理方法、表示方法、情報処理装置、端末装置、及びプログラム
JP5048852B2 (ja) 検索装置、検索方法、検索プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体
JP6060833B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP6414192B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム
JP5673520B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP5846033B2 (ja) 情報処理装置、端末装置、情報処理方法、表示方法、情報処理プログラム、及び表示プログラム
JPWO2020031232A1 (ja) 情報処理システム、情報処理方法、及びプログラム
JP6065061B2 (ja) 情報処理装置、端末装置、情報処理方法、表示方法、情報処理プログラム、及び表示プログラム
JP6269864B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP6443431B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP5370351B2 (ja) 情報処理方法、情報処理装置、及び情報処理プログラム
JP2016081156A (ja) 顔写真表示装置
JP6028847B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP5673494B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP5633659B2 (ja) 情報処理方法、表示方法、情報処理装置、端末装置、及び情報処理プログラム
JP5928573B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JPWO2019159288A1 (ja) 情報処理システム、情報処理方法、及びプログラム
JP7098553B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP6028846B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP2011232970A (ja) 情報処理方法、情報処理装置、端末装置および情報処理プログラム
JP5928572B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20151029

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20160812

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160823

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20161021

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: 20161220

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170102

R150 Certificate of patent or registration of utility model

Ref document number: 6079479

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150