JP2016053784A - 情報推薦プログラム及び情報処理装置 - Google Patents

情報推薦プログラム及び情報処理装置 Download PDF

Info

Publication number
JP2016053784A
JP2016053784A JP2014178800A JP2014178800A JP2016053784A JP 2016053784 A JP2016053784 A JP 2016053784A JP 2014178800 A JP2014178800 A JP 2014178800A JP 2014178800 A JP2014178800 A JP 2014178800A JP 2016053784 A JP2016053784 A JP 2016053784A
Authority
JP
Japan
Prior art keywords
vector
category
user
average
product
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
JP2014178800A
Other languages
English (en)
Other versions
JP6413508B2 (ja
Inventor
誓哉 稲木
Seiya Inagi
誓哉 稲木
政寛 佐藤
Masahiro Sato
政寛 佐藤
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.)
Fujifilm Business Innovation Corp
Original Assignee
Fuji Xerox Co Ltd
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 Fuji Xerox Co Ltd filed Critical Fuji Xerox Co Ltd
Priority to JP2014178800A priority Critical patent/JP6413508B2/ja
Publication of JP2016053784A publication Critical patent/JP2016053784A/ja
Application granted granted Critical
Publication of JP6413508B2 publication Critical patent/JP6413508B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

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

Abstract

【課題】利用者のあるカテゴリの商品に対する嗜好に基づいて、他のカテゴリの商品を推薦する情報推薦プログラム及び情報処理装置を提供する。
【解決手段】情報処理装置1は、商品に関連付けられた特徴ベクトルから商品の属するカテゴリ毎に特徴ベクトルの平均をカテゴリ平均ベクトルとして算出し、一の利用者が利用した商品について、カテゴリ毎に特徴ベクトルの平均を利用者平均ベクトルとして算出する平均ベクトル算出手段102と、第1のカテゴリの利用者平均ベクトルとカテゴリ平均ベクトルとの差から嗜好ベクトルを算出する嗜好ベクトル算出手段103と、第2のカテゴリのカテゴリ平均ベクトルと嗜好ベクトルとの和をとり第2のカテゴリにおける推薦ベクトルを算出する推薦ベクトル算出手段104と、当該推薦ベクトルに近い特徴ベクトルを有する商品を第2のカテゴリから抽出して一の利用者に推薦する商品推薦手段105とを有する。
【選択図】図2

Description

本発明は、情報推薦プログラム及び情報処理装置に関する。
従来の技術として、利用者が選択した物品と異なるカテゴリの物品を推薦する情報処理装置が提案されている(例えば、特許文献1参照)。
特許文献1に開示された情報処理装置は、複数のカテゴリに跨ったある地域の利用者の物品購入履歴とウェブコンテンツ閲覧履歴とを蓄積するデータベースを有し、ある利用者の物品購入履歴やウェブコンテンツ閲覧履歴と、当該利用者の属する地域の物品購入履歴とウェブコンテンツ閲覧履歴の特徴に基づいて当該利用者が選択した物品と異なるカテゴリの物品を推薦する。
特開2009−134558号公報
本発明の目的は、利用者のあるカテゴリの商品に対する嗜好に基づいて、他のカテゴリの商品を推薦する情報推薦プログラム及び情報処理装置を提供することにある。
本発明の一態様は、上記目的を達成するため、以下の情報推薦プログラム及び情報処理装置を提供する。
[1]コンピュータを、
商品に関連付けられた特徴ベクトルから商品の属するカテゴリ毎に特徴ベクトルの平均をカテゴリ平均ベクトルとして算出するとともに、一の利用者が利用した商品について、商品のカテゴリ毎に商品の特徴ベクトルの平均を利用者平均ベクトルとして算出する平均ベクトル算出手段と、
前記平均ベクトル算出手段が算出した前記一の利用者の利用者平均ベクトルのうち、第1のカテゴリの利用者平均ベクトルと、前記第1のカテゴリのカテゴリ平均ベクトルとの差から前記一の利用者の嗜好ベクトルを算出する嗜好ベクトル算出手段と、
前記第1のカテゴリ以外の第2のカテゴリのカテゴリ平均ベクトルと、前記一の利用者の嗜好ベクトルとの和をとり、前記第2のカテゴリにおける前記一の利用者に対する推薦ベクトルを算出する推薦ベクトル算出手段と、
前記推薦ベクトル算出手段によって算出された前記第2のカテゴリにおける前記一の利用者に対する推薦ベクトルに近い特徴ベクトルを有する商品を前記第2のカテゴリから抽出して前記一の利用者に推薦する商品推薦手段として機能させるための情報推薦プログラム。
[2]前記嗜好ベクトル算出手段は、前記第1のカテゴリとして前記一の利用者の利用頻度の高いカテゴリを選択する前記[1]に記載の情報推薦プログラム。
[3]前記平均ベクトル算出手段は、カテゴリ毎かつ前記特徴ベクトルの観点毎に前記特徴ベクトルの平均をカテゴリ観点平均ベクトルとして算出するとともに、前記一の利用者が利用した商品について、カテゴリ毎かつ前記特徴ベクトルの観点毎に商品の特徴ベクトルの平均を利用者観点平均ベクトルとして算出し、
前記嗜好ベクトル算出手段は、前記平均ベクトル算出手段が算出した前記一の利用者の利用者観点平均ベクトルのうち、第1のカテゴリの利用者観点平均ベクトルと、前記第1のカテゴリのカテゴリ観点平均ベクトルとの差から観点のそれぞれについて前記一の利用者の嗜好ベクトルを算出する前記[1]又は[2]に記載の情報推薦プログラム。
[4]前記嗜好ベクトル算出手段は、前記一の利用者の嗜好ベクトルのうち、一の観点の特徴ベクトルを有する商品の特徴ベクトルの分散が大きい場合、当該観点の嗜好ベクトルの寄与率を小さくし、一の観点の特徴ベクトルを有する商品の特徴ベクトルの分散が小さい場合、当該観点の嗜好ベクトルの寄与率を大きくして前記一の利用者の嗜好ベクトルを算出する前記[3]に記載の情報推薦プログラム。
[5]商品に関連付けられた特徴ベクトルから商品の属するカテゴリ毎に特徴ベクトルの平均をカテゴリ平均ベクトルとして算出するとともに、一の利用者が利用した商品について、商品のカテゴリ毎に商品の特徴ベクトルの平均を利用者平均ベクトルとして算出する平均ベクトル算出手段と、
前記平均ベクトル算出手段が算出した前記一の利用者の利用者平均ベクトルのうち、第1のカテゴリの利用者平均ベクトルと、前記第1のカテゴリのカテゴリ平均ベクトルとの差から前記一の利用者の嗜好ベクトルを算出する嗜好ベクトル算出手段と、
前記第1のカテゴリ以外の第2のカテゴリのカテゴリ平均ベクトルと、前記一の利用者の嗜好ベクトルとの和をとり、前記第2のカテゴリにおける前記一の利用者に対する推薦ベクトルを算出する推薦ベクトル算出手段と、
前記推薦ベクトル算出手段によって算出された前記第2のカテゴリにおける前記一の利用者に対する推薦ベクトルに近い特徴ベクトルを有する商品を前記第2のカテゴリから抽出して前記一の利用者に推薦する商品推薦手段とを有する情報処理装置。
請求項1又は5に係る発明によれば、利用者のあるカテゴリの商品に対する嗜好に基づいて、他のカテゴリの商品を推薦することができる。
請求項2に係る発明によれば、利用者の利用頻度の高いカテゴリの商品に対する嗜好に基づいて、他のカテゴリの商品を推薦することができる。
請求項3に係る発明によれば、特徴ベクトルの観点毎に嗜好ベクトルを算出することができる。
請求項4に係る発明によれば、特徴ベクトルの分散が小さい観点の嗜好ベクトルの寄与を大きくして、特徴ベクトルの分散が大きい観点の嗜好ベクトルの寄与を小さくして、一の利用者の嗜好ベクトルを算出することができる。
図1は、第1の実施の形態に係る情報処理システムの構成の一例を示す概略図である。 図2は、第1の実施の形態に係る情報処理装置の構成例を示すブロック図である。 図3(a)−(c)は、商品紹介サイトDBが格納する情報の構成の一例を示す概略図である。 図4(a)及び(b)は、平均ベクトル、嗜好ベクトル及び推薦ベクトルの関係を説明するための図である。 図5(a)及び(b)は、それぞれ観点の異なる平均ベクトルの関係を説明するための図である。 図6(a)−(c)は、それぞれ観点の異なる平均ベクトルと嗜好ベクトルとの関係を説明するための図である。
[第1の実施の形態]
(情報処理システムの構成)
図1は、第1の実施の形態に係る情報処理システムの構成の一例を示す概略図である。
この情報処理システムは、情報処理装置1と、商品紹介サイトDB2と、端末3とをネットワーク5によって互いに通信可能に接続することで構成される。端末3は、利用者4によって操作される。なお、本情報処理システムの情報処理装置1、商品紹介サイトDB2のそれぞれで提供するサービスは、同一企業によるものであってもよいし、別企業によるものであってもよい。
情報処理装置1は、サーバ型の情報処理装置であり、端末3の要求に応じて動作するものであって、本体内に情報を処理するための機能を有するCPU(Central Processing Unit)やフラッシュメモリ等の電子部品を備える。情報処理装置1は、要求に応じて端末3の利用者4に商品を推薦する情報を送信する。
商品紹介サイトデータベース(DB)2は、例えば、飲食店の商品(料理)を利用者のレビューとともに紹介するサイトのデータベースであって、サイトを構成する情報の他に、商品の基本情報(例えば、商品の基本仕様、特徴機能、価格、メーカー名、販売日、評価レート)から抽出された特徴語又は商品毎に複数の利用者が投稿したレビュー文から抽出された特徴語が関連付けられた商品情報20と、特徴語の特徴量を示す特徴量情報21と、利用者が購入した(食べた)商品の履歴を示す利用者履歴情報22とを有する。なお、利用者履歴情報22は、実際に購入していない(食べていない)商品であってもよく、例えば、利用者がお気に入りとして、登録した商品や、紹介サイト中のある商品紹介ページを訪れた履歴を利用してもよい。
なお、特徴量情報21の特徴量は、機械学習手法によって単語の意味情報を有するベクトル(特徴ベクトル)を各特徴語について計算して得られるものである。また、特徴語は、予め用意された辞書の単語に一致するものをレビューから抽出して商品に関連付けることで得られる。
端末3は、PC(Personal Computer)等の情報処理装置であって、本体内に情報を処理するための機能を有するCPUやフラッシュメモリ等の電子部品を備える。
ネットワーク5は、高速通信が可能な通信ネットワークであり、例えば、イントラネットやLAN(Local Area Network)等の有線又は無線の通信網である。
(情報処理装置の構成)
図2は、第1の実施の形態に係る情報処理装置1の構成例を示すブロック図である。
情報処理装置1は、CPU等から構成され、各部を制御するとともに、各種のプログラムを実行する制御部10と、フラッシュメモリ等の記憶媒体から構成され情報を記憶する記憶部11と、ネットワークを介して外部と通信する通信部12とを備える。
制御部10は、後述する情報推薦プログラム110を実行することで、商品情報取得手段100、利用者履歴取得手段101、平均ベクトル算出手段102、嗜好ベクトル算出手段103、推薦ベクトル算出手段104及び商品推薦手段105等として機能する。
商品情報取得手段100は、通信部12を介して商品紹介サイトDB2から商品情報20を取得する。
利用者履歴取得手段101は、通信部12を介して商品紹介サイトDB2の利用者履歴情報22からある利用者の商品の利用履歴を取得する。
平均ベクトル算出手段102は、商品情報取得手段100が取得した商品情報20から商品のカテゴリ毎に商品の特徴を示すベクトル(商品ベクトル)の平均を算出し、カテゴリ平均ベクトルとする。なお、各商品ベクトルは、特徴量情報21を参照して、商品に関連づけられた単数又は複数の特徴語の特徴ベクトルに基づいて算出される。
また、平均ベクトル算出手段102は、利用者履歴取得手段101が取得したある利用者の商品の利用履歴から、商品のカテゴリ毎に利用した商品の商品ベクトルの平均を算出し、ある利用者の利用者平均ベクトルとする。算出されたカテゴリ平均ベクトル及び利用者平均ベクトルは平均ベクトル情報111として記憶部11に格納される。
嗜好ベクトル算出手段103は、平均ベクトル算出手段102が算出したある利用者の利用者平均ベクトルのうち、利用頻度の高いカテゴリ(第1のカテゴリ)の利用者平均ベクトルと、第1のカテゴリのカテゴリ平均ベクトルとの差からある利用者の嗜好ベクトルを算出する。算出された嗜好ベクトルは嗜好ベクトル情報112として記憶部11に格納される。
推薦ベクトル算出手段104は、第1のカテゴリ以外の第2のカテゴリのカテゴリ平均ベクトルと、ある利用者の嗜好ベクトルとの和をとり、第2のカテゴリにおけるある利用者に対する推薦ベクトルを算出する。算出した推薦ベクトルは推薦ベクトル情報113として記憶部11に格納される。
商品推薦手段105は、推薦ベクトル算出手段104によって算出された第2のカテゴリにおけるある利用者に対する推薦ベクトルに基づき、当該推薦ベクトルに近い特徴ベクトルを有する第2のカテゴリに属する商品を抽出してある利用者に推薦する。抽出された商品は推薦商品情報114として記憶部11に格納される。
記憶部11は、制御部10を上述した各手段100−105として動作させる情報推薦プログラム110、平均ベクトル情報111、嗜好ベクトル情報112、推薦ベクトル情報113及び推薦商品情報114等を記憶する。
(情報処理装置の動作)
次に、第1の実施の形態の作用を、(1)基本動作、(2)嗜好ベクトル算出動作、(3)商品推薦動作に分けて説明する。
(1)基本動作
図3(a)−(c)は、商品紹介サイトDB2が格納する情報の構成の一例を示す概略図である。
まず、利用者4は、飲食店を訪問して食事をした場合、端末3を操作して商品紹介サイトDB2にアクセスし、訪問した飲食店の商品についてレビューを投稿する。また、他の利用者によっても同様にレビューが投稿される。商品のレビューが投稿されると、商品紹介サイトDB2のレビュー情報が更新される。
次に、商品紹介サイトDB2を管理する図示しないサーバは、レビュー情報から予め用意された辞書に登録された単語と一致する特徴語を抽出するとともに、機械学習手法により各特徴語について単語の意味情報を有するベクトル(特徴ベクトル)を計算する。商品名と抽出された特徴語とを関連付けて図3(a)に示すように商品情報20aとし、特徴語と算出された特徴ベクトルとを関連付けて図3(b)に示すように特徴量情報21aとして格納する。
商品情報20aは、商品が属するカテゴリと、商品の商品名と、商品のレビューから抽出された特徴語とを有する。
特徴量情報21aは、特徴語と、算出された特徴ベクトルとを有する。
次に、投稿されたレビュー情報に基づいて、図3(c)に示すように、利用者の商品の利用履歴を示す利用者履歴情報22aが更新される。利用者履歴情報22aは、利用者の識別子を示す利用者と、利用者が利用した商品名と、利用した日時とを有する。
(2)嗜好ベクトル算出動作
図4(a)及び(b)は、平均ベクトル、嗜好ベクトル及び推薦ベクトルの関係を説明するための図である。
情報処理装置1は、「利用者A」によって端末3からカテゴリ「うどん」が指定されて、当該カテゴリ「うどん」における推薦商品が要求されると、まず、商品情報取得手段100が通信部12を介して商品紹介サイトDB2から商品情報20aを取得する。
また、利用者履歴取得手段101は、通信部12を介して商品紹介サイトDB2の利用者履歴情報22aから「利用者A」の商品の利用履歴を取得する。
次に、平均ベクトル算出手段102は、商品情報取得手段100が取得した商品情報20aから商品のカテゴリ毎に商品の特徴を示す商品ベクトルの平均を算出し、カテゴリ平均ベクトルとする。ここでは、「利用者A」の利用履歴を参照することで、「利用者A」が頻繁に利用した商品のカテゴリが「ラーメン」であった場合、カテゴリ「ラーメン」に属する商品の平均ベクトルと、カテゴリ「うどん」に属する商品の平均ベクトルとを算出する。
カテゴリ「ラーメン」の平均ベクトルは、図4(a)に示すように、ラーメン平均ベクトルvrmとして求まるものとする。また、カテゴリ「うどん」の平均ベクトルは、図4(b)に示すように、うどん平均ベクトルvwmとして求まるものとする。
次に、平均ベクトル算出手段102は、利用者履歴取得手段101が取得した「利用者A」の商品の利用履歴から、カテゴリ「ラーメン」について利用した商品の商品ベクトルの平均を算出し、「利用者A」の利用者平均ベクトルとする。
カテゴリ「ラーメン」の「利用者A」の平均ベクトルは、図4(a)に示すように、利用者平均ベクトルvurmとして求まるものとする。
次に、嗜好ベクトル算出手段103は、平均ベクトル算出手段102が算出したカテゴリ「ラーメン」の「利用者A」の利用者平均ベクトルvurmと、カテゴリ「ラーメン」のラーメン平均ベクトルvrmとの差から「利用者A」の嗜好ベクトルvを算出する。
(3)商品推薦動作
つぎに、推薦ベクトル算出手段104は、カテゴリ「うどん」のうどん平均ベクトルvwmと、「利用者A」の嗜好ベクトルvとの和をとり、カテゴリ「うどん」における「利用者A」に対する推薦ベクトルvurecommendを算出する。
次に、商品推薦手段105は、カテゴリ「うどん」における「利用者A」に対する推薦ベクトルvurecommendに基づき、当該推薦ベクトルvurecommendに近い特徴ベクトルを有するカテゴリ「うどん」に属する商品を抽出して「利用者A」に推薦する。推薦ベクトルvurecommendに近い特徴ベクトルを抽出する方法としては、例えば、特徴空間におけるある二つの特徴量ベクトルの距離や、コサイン類似度を用いる手法がある。二つの特徴量ベクトルをx、xとすると、距離は式(1)により計算でき、コサイン類似度は式(2)により計算できる。
Figure 2016053784
Figure 2016053784
(第1の実施の形態の効果)
上記した実施の形態によれば、利用者が頻繁に利用するカテゴリの商品の特徴ベクトルの平均である利用者平均ベクトルと、当該カテゴリに属する商品の特徴ベクトルの平均であるカテゴリ平均ベクトルとの差をとることで利用者の嗜好を示す利用者嗜好ベクトルが算出され、当該利用者嗜好ベクトルを他のカテゴリのカテゴリ平均ベクトルに加算することで利用者の嗜好を反映した推薦ベクトルを算出したため、利用者のあるカテゴリの商品に対する嗜好に基づいて、他のカテゴリの商品を推薦することができる。
[第2の実施の形態]
第2の実施の形態は、第1の実施の形態と比較して商品に関連付けられた特徴語を味、食材等の観点毎に分類し、観点毎に利用者の嗜好ベクトルを算出する点で異なる。なお、第1の実施の形態と共通する構成については共通する符号を付している。
(情報処理装置の動作)
第2の実施の形態の作用を、(1)基本動作、(2)嗜好ベクトル算出動作、(3)商品推薦動作に分けて説明する。なお、「(1)基本動作」及び「(3)商品推薦動作」については第1の実施の形態と同様であるため省略する。
(2)嗜好ベクトル算出動作
図5(a)及び(b)は、それぞれ観点の異なる平均ベクトルの関係を説明するための図である。
情報処理装置1は、「利用者A」によって端末3からカテゴリ「うどん」が指定されて、当該カテゴリ「うどん」における推薦商品が要求されると、まず、商品情報取得手段100が通信部12を介して商品紹介サイトDB2から商品情報20aを取得する。
また、利用者履歴取得手段101は、通信部12を介して商品紹介サイトDB2の利用者履歴情報22aから「利用者A」の商品の利用履歴を取得する。
次に、平均ベクトル算出手段102は、商品情報取得手段100が取得した商品情報20aから商品のカテゴリ毎さらに観点毎に商品の特徴を示す商品ベクトルの平均を算出し、カテゴリ観点平均ベクトルとする。一例として、「利用者A」の利用履歴を参照することで、「利用者A」が頻繁に利用した商品のカテゴリが「ラーメン」であった場合、カテゴリ「ラーメン」に属しかつ観点「食材」の特徴語を有する商品の平均ベクトルと、カテゴリ「ラーメン」に属しかつ観点「味」の特徴語を有する商品の平均ベクトルとを算出する。
カテゴリ「ラーメン」かつ観点「食材」の平均ベクトルは、図5(a)に示すように、ラーメン食材平均ベクトルvrfmとして求まるものとする。また、カテゴリ「ラーメン」かつ観点「味」の平均ベクトルは、図5(b)に示すように、ラーメン味平均ベクトルvrtmとして求まるものとする。
次に、平均ベクトル算出手段102は、利用者履歴取得手段101が取得した「利用者A」の商品の利用履歴から、カテゴリ「ラーメン」について利用した商品の商品ベクトルの平均を観点毎に算出し、それぞれ「利用者A」の利用者観点平均ベクトルとする。
カテゴリ「ラーメン」かつ観点「食材」の「利用者A」の平均ベクトルは、図5(a)に示すように、利用者食材平均ベクトルvurfmとして求まるものとする。また、カテゴリ「ラーメン」かつ観点「味」の「利用者A」の平均ベクトルは、図5(b)に示すように、利用者味平均ベクトルvurtmとして求まるものとする。
図6(a)−(c)は、それぞれ観点の異なる平均ベクトルと嗜好ベクトルとの関係を説明するための図である。
次に、嗜好ベクトル算出手段103は、図6(a)に示すように、平均ベクトル算出手段102が算出したカテゴリ「ラーメン」かつ観点「食材」の「利用者A」の利用者食材平均ベクトルvurfmと、カテゴリ「ラーメン」かつ観点「食材」のラーメン食材平均ベクトルvrfmとの差から「利用者A」の観点「食材」における嗜好ベクトルvufを算出する。
同様に、嗜好ベクトル算出手段103は、図6(b)に示すように、平均ベクトル算出手段102が算出したカテゴリ「ラーメン」かつ観点「味」の「利用者A」の利用者食材平均ベクトルvurtmと、カテゴリ「ラーメン」かつ観点「味」のラーメン食材平均ベクトルvrtmとの差から「利用者A」の観点「味」における嗜好ベクトルvutを算出する。
次に、嗜好ベクトル算出手段103は、算出した利用者食材平均ベクトルvurfm、利用者味平均ベクトルvurtm、…の和から「利用者A」の嗜好ベクトルvを算出するが、図6(c)に示すように、それぞれに対して寄与率α、α、…を乗じる。
寄与率αは、図5(a)に示すように、利用者食材ベクトルvurf1、vurf2、vurf3、…の分散から求められ、図6(a)に示すように、比較的分散が小さい場合は寄与率αを大きくする。同様に、寄与率αは、図5(b)に示すように、利用者食材ベクトルvurt1、vurt2、vurt3、…の分散から求められ、図6(b)に示すように、比較的分散が大きい場合は寄与率αを小さくする。
(第2の実施の形態の効果)
上記した第2の実施の形態によれば、第1の実施の形態の効果に加えて、特徴語を観点で分類し、観点毎に利用者の嗜好ベクトルを算出して、ある観点に属する複数の商品の特徴ベクトルの分散が大きい場合は当該観点の嗜好ベクトルの寄与率を小さくし、他の観点に属する複数の商品の特徴ベクトルの分散が小さい場合は当該観点の嗜好ベクトルの寄与率を大きくしたため、利用者の一貫した嗜好の観点を、ばらつきのある嗜好の観点より嗜好ベクトルに反映することができる。
[他の実施の形態]
なお、本発明は、上記実施の形態に限定されず、本発明の趣旨を逸脱しない範囲で種々な変形が可能である。
例えば、上記実施の形態では料理に関する観点として「食材」、「味」を扱ったが、料理に限らず宿泊施設のサービス、ネットショップの商品、観光地、ゴルフ場等に関する観念を扱ってもよい。例えば、宿泊施設のサービスの観念としては、「接客」、「食事」等が挙げられる。また、カテゴリの例として、「通信キャリア」を用いることができる。利用者が利用した商品であるスマートフォンの「キャリアA」における嗜好ベクトルから、「キャリアB」のスマートフォンを推薦してもよい。
上記実施の形態では制御部10の各手段100〜105の機能をプログラムで実現したが、各手段の全て又は一部をASIC等のハードウエアによって実現してもよい。また、上記実施の形態で用いたプログラムをCD−ROM等の記録媒体に記憶して提供することもできる。また、上記実施の形態で説明した上記ステップの入れ替え、削除、追加等は本発明の要旨を変更しない範囲内で可能である。
1 情報処理装置
2 商品紹介サイトDB
3 端末
4 利用者
5 ネットワーク
10 制御部
11 記憶部
12 通信部
20 商品情報
21 特徴量情報
22 利用者履歴情報
100 商品情報取得手段
101 利用者履歴取得手段
102 平均ベクトル算出手段
103 嗜好ベクトル算出手段
104 推薦ベクトル算出手段
105 商品推薦手段
110 情報推薦プログラム
111 平均ベクトル情報
112 嗜好ベクトル情報
113 推薦ベクトル情報
114 推薦商品情報

Claims (5)

  1. コンピュータを、
    商品に関連付けられた特徴ベクトルから商品の属するカテゴリ毎に特徴ベクトルの平均をカテゴリ平均ベクトルとして算出するとともに、一の利用者が利用した商品について、商品のカテゴリ毎に商品の特徴ベクトルの平均を利用者平均ベクトルとして算出する平均ベクトル算出手段と、
    前記平均ベクトル算出手段が算出した前記一の利用者の利用者平均ベクトルのうち、第1のカテゴリの利用者平均ベクトルと、前記第1のカテゴリのカテゴリ平均ベクトルとの差から前記一の利用者の嗜好ベクトルを算出する嗜好ベクトル算出手段と、
    前記第1のカテゴリ以外の第2のカテゴリのカテゴリ平均ベクトルと、前記一の利用者の嗜好ベクトルとの和をとり、前記第2のカテゴリにおける前記一の利用者に対する推薦ベクトルを算出する推薦ベクトル算出手段と、
    前記推薦ベクトル算出手段によって算出された前記第2のカテゴリにおける前記一の利用者に対する推薦ベクトルに近い特徴ベクトルを有する商品を前記第2のカテゴリから抽出して前記一の利用者に推薦する商品推薦手段として機能させるための情報推薦プログラム。
  2. 前記嗜好ベクトル算出手段は、前記第1のカテゴリとして前記一の利用者の利用頻度の高いカテゴリを選択する請求項1に記載の情報推薦プログラム。
  3. 前記平均ベクトル算出手段は、カテゴリ毎かつ前記特徴ベクトルの観点毎に前記特徴ベクトルの平均をカテゴリ観点平均ベクトルとして算出するとともに、前記一の利用者が利用した商品について、カテゴリ毎かつ前記特徴ベクトルの観点毎に商品の特徴ベクトルの平均を利用者観点平均ベクトルとして算出し、
    前記嗜好ベクトル算出手段は、前記平均ベクトル算出手段が算出した前記一の利用者の利用者観点平均ベクトルのうち、第1のカテゴリの利用者観点平均ベクトルと、前記第1のカテゴリのカテゴリ観点平均ベクトルとの差から観点のそれぞれについて前記一の利用者の嗜好ベクトルを算出する請求項1又は2に記載の情報推薦プログラム。
  4. 前記嗜好ベクトル算出手段は、前記一の利用者の嗜好ベクトルのうち、一の観点の特徴ベクトルを有する商品の特徴ベクトルの分散が大きい場合、当該観点の嗜好ベクトルの寄与率を小さくし、一の観点の特徴ベクトルを有する商品の特徴ベクトルの分散が小さい場合、当該観点の嗜好ベクトルの寄与率を大きくして前記一の利用者の嗜好ベクトルを算出する請求項3に記載の情報推薦プログラム。
  5. 商品に関連付けられた特徴ベクトルから商品の属するカテゴリ毎に特徴ベクトルの平均をカテゴリ平均ベクトルとして算出するとともに、一の利用者が利用した商品について、商品のカテゴリ毎に商品の特徴ベクトルの平均を利用者平均ベクトルとして算出する平均ベクトル算出手段と、
    前記平均ベクトル算出手段が算出した前記一の利用者の利用者平均ベクトルのうち、第1のカテゴリの利用者平均ベクトルと、前記第1のカテゴリのカテゴリ平均ベクトルとの差から前記一の利用者の嗜好ベクトルを算出する嗜好ベクトル算出手段と、
    前記第1のカテゴリ以外の第2のカテゴリのカテゴリ平均ベクトルと、前記一の利用者の嗜好ベクトルとの和をとり、前記第2のカテゴリにおける前記一の利用者に対する推薦ベクトルを算出する推薦ベクトル算出手段と、
    前記推薦ベクトル算出手段によって算出された前記第2のカテゴリにおける前記一の利用者に対する推薦ベクトルに近い特徴ベクトルを有する商品を前記第2のカテゴリから抽出して前記一の利用者に推薦する商品推薦手段とを有する情報処理装置。
JP2014178800A 2014-09-03 2014-09-03 情報推薦プログラム及び情報処理装置 Active JP6413508B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2014178800A JP6413508B2 (ja) 2014-09-03 2014-09-03 情報推薦プログラム及び情報処理装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014178800A JP6413508B2 (ja) 2014-09-03 2014-09-03 情報推薦プログラム及び情報処理装置

Publications (2)

Publication Number Publication Date
JP2016053784A true JP2016053784A (ja) 2016-04-14
JP6413508B2 JP6413508B2 (ja) 2018-10-31

Family

ID=55744981

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014178800A Active JP6413508B2 (ja) 2014-09-03 2014-09-03 情報推薦プログラム及び情報処理装置

Country Status (1)

Country Link
JP (1) JP6413508B2 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017059082A (ja) * 2015-09-18 2017-03-23 ヤフー株式会社 情報提供装置、情報提供方法および情報提供プログラム
JP2018045505A (ja) * 2016-09-15 2018-03-22 ヤフー株式会社 判定装置、判定方法および判定プログラム
JP6651163B1 (ja) * 2019-03-27 2020-02-19 日本食品製造合資会社 アイテム提案システム
JP2020086512A (ja) * 2018-11-15 2020-06-04 株式会社日立製作所 データ管理システムおよび方法
KR20200066781A (ko) * 2018-12-03 2020-06-11 이승용 조건에 기반한 사용자와 a/s 업체 간의 매칭 처리 장치 및 그 동작 방법
JP2020129324A (ja) * 2019-02-12 2020-08-27 ヤフー株式会社 情報処理装置、情報処理方法、およびプログラム
JPWO2021176716A1 (ja) * 2020-03-06 2021-09-10

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102250131B1 (ko) * 2021-03-03 2021-05-11 신권근 기업 간 거래를 위하여 수요 기업에 공급 기업을 추천하는 방법 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0756929A (ja) * 1993-08-11 1995-03-03 Nec Corp 履歴利用データベース検索方式
JP2001265808A (ja) * 2000-03-22 2001-09-28 Skysoft Inc 情報検索システム及び情報検索方法
JP2005338933A (ja) * 2004-05-24 2005-12-08 Sony Corp 情報処理装置および方法、並びにプログラム
JP2009053743A (ja) * 2007-08-23 2009-03-12 Kyushu Institute Of Technology 文書類似性導出装置、文書類似性導出方法、及び、文書類似性導出プログラム
JP2013105309A (ja) * 2011-11-14 2013-05-30 Sony Corp 情報処理装置、情報処理方法、及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0756929A (ja) * 1993-08-11 1995-03-03 Nec Corp 履歴利用データベース検索方式
JP2001265808A (ja) * 2000-03-22 2001-09-28 Skysoft Inc 情報検索システム及び情報検索方法
JP2005338933A (ja) * 2004-05-24 2005-12-08 Sony Corp 情報処理装置および方法、並びにプログラム
JP2009053743A (ja) * 2007-08-23 2009-03-12 Kyushu Institute Of Technology 文書類似性導出装置、文書類似性導出方法、及び、文書類似性導出プログラム
JP2013105309A (ja) * 2011-11-14 2013-05-30 Sony Corp 情報処理装置、情報処理方法、及びプログラム

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017059082A (ja) * 2015-09-18 2017-03-23 ヤフー株式会社 情報提供装置、情報提供方法および情報提供プログラム
JP2018045505A (ja) * 2016-09-15 2018-03-22 ヤフー株式会社 判定装置、判定方法および判定プログラム
JP7102320B2 (ja) 2018-11-15 2022-07-19 株式会社日立製作所 データ管理システムおよび方法
JP2020086512A (ja) * 2018-11-15 2020-06-04 株式会社日立製作所 データ管理システムおよび方法
KR20200066781A (ko) * 2018-12-03 2020-06-11 이승용 조건에 기반한 사용자와 a/s 업체 간의 매칭 처리 장치 및 그 동작 방법
KR102168164B1 (ko) * 2018-12-03 2020-10-20 이승용 조건에 기반한 사용자와 a/s 업체 간의 매칭 처리 장치 및 그 동작 방법
JP7082075B2 (ja) 2019-02-12 2022-06-07 ヤフー株式会社 情報処理装置、情報処理方法、およびプログラム
JP2020129324A (ja) * 2019-02-12 2020-08-27 ヤフー株式会社 情報処理装置、情報処理方法、およびプログラム
WO2020194596A1 (ja) * 2019-03-27 2020-10-01 日本食品製造合資会社 アイテム提案システム
JP6651163B1 (ja) * 2019-03-27 2020-02-19 日本食品製造合資会社 アイテム提案システム
WO2021176716A1 (ja) * 2020-03-06 2021-09-10 日本電気株式会社 嗜好推定装置、嗜好推定方法および嗜好推定プログラム
JPWO2021176716A1 (ja) * 2020-03-06 2021-09-10
JP7347650B2 (ja) 2020-03-06 2023-09-20 日本電気株式会社 嗜好推定装置、嗜好推定方法および嗜好推定プログラム

Also Published As

Publication number Publication date
JP6413508B2 (ja) 2018-10-31

Similar Documents

Publication Publication Date Title
JP6413508B2 (ja) 情報推薦プログラム及び情報処理装置
JP6212013B2 (ja) 商品推奨装置及び商品推奨方法
JP6014515B2 (ja) レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム
CA3111139C (en) Determining recommended search terms for a user of an online concierge system
CN103858142A (zh) 店铺信息提供系统
JP6976207B2 (ja) 情報処理装置、情報処理方法、およびプログラム
US10592918B2 (en) Predictive recommendation system using tiered feature data
KR20170118297A (ko) 기상 정보에 기반한 상품 추천 방법
CN112041874A (zh) 用于生成建议列表的计算机实现的方法和用于生成订单列表的系统
JP2022032596A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP2016212792A (ja) 商品推薦装置、商品推薦方法及びプログラム
JP7447800B2 (ja) レシート処理装置、制御方法、及びプログラム
WO2017216773A1 (en) Systems and methods for improved apparel fit and apparel distribution
JP2017111675A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP6291803B2 (ja) 優待情報管理システム及びプログラム
JP6539962B2 (ja) 情報提示プログラム及び情報処理装置
JP2023153307A (ja) 情報処理装置およびプログラム
US11170428B2 (en) Method for generating priority data for products
WO2023121920A1 (en) System for dynamically generating recommendations to purchase sustainable items
JP6748769B1 (ja) 顧客推定装置及び顧客推定方法
JP6664604B1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP6980573B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP6809148B2 (ja) プログラムおよび組み合わせ抽出システム
Jain SmartGrocer: a context-aware personalized grocery system
KR101538396B1 (ko) 레시피를 이용한 상품 검색 방법

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170825

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180627

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180703

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180823

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20180823

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: 20180904

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180917

R150 Certificate of patent or registration of utility model

Ref document number: 6413508

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350