JP2017509960A - コンテンツ推奨のための方法、装置およびシステム - Google Patents

Abstract

【課題】複数のユーザにコンテンツを推奨するための方法、装置、システム、コンピュータ・プログラム・プロダクトおよび、コンピュータ可読メディア。【解決手段】ユーザの各々は、ユーザ・スコアと結びついている。この方法は、少なくとも部分的には、項目のユーザのプロモーション、および、該プロモーションするユーザの前記ユーザ・スコアに基づいて、コンテンツの項目に対する推奨スコアを決定するステップと、その推奨スコアにしたがって前記項目を推奨するステップと、前記プロモーションするユーザの前記ユーザ・スコアを、前記ユーザによりプロモーションされる前記項目に関する他のユーザのフィードバックに基づいて調整するステップと、を含む。【選択図】図２

Description

本願開示の実施形態は、一般に、情報技術に関連があり、また、より詳しくは、コンピュータ・ベース推奨技術に関連する。

関心対象の項目または人々を、ユーザに推奨する推奨システムおよび方法は、進化してきており、また、ますます役に立つようになっている。既存のマシン推薦システムのほとんどは、データから学んだインテリジェンスに頼り、ユーザ・コンテンツ評価データにおける協調フィルタリングなどのユーザ行動モデリングの強度を開発してきた。一方で、人間は、コンテンツの品質を判断することでは、まだ最良である。人間の推奨は、コンテンツ関連性および品質を改善するために、より良い位置にある。大部分のコンテンツは、人間よりも機械学習が弱い言語および意味が豊富なデータから成るからである。したがって、推奨パフォーマンスとコンテンツ品質を改善するために機械と人間の推奨の両方の強度を組み合わせることが望ましい。

詳しい説明においてさらに後述するが、この概要は、簡略化した形で概念の選択を紹介するために提供される。この概要は、本願発明の主な特徴または本質的な特徴を識別することを意図するものではなく、本願発明の範囲を制限するために用いることを意図するものでもない。

本願開示の１つの態様にしたがって、複数のユーザにコンテンツを推薦するための方法が提供される。ユーザの各々は、ユーザ・スコアに結びついている。この方法は、少なくとも部分的には、項目のユーザのプロモーション、および、プロモーションするユーザのユーザ・スコアに基づいて、コンテンツの項目に対する推奨スコアを決定するステップと、その推奨スコアにしたがって項目を推奨するステップと、プロモーションするユーザのユーザ・スコアを、そのユーザによりプロモーションされる項目に関する他のユーザのフィードバックに基づいて調整するステップと、を含む。

本願開示の別の態様にしたがって、コンピュータにより読み込み可能な配布媒体上で具体化され、コンピュータにロードされるとき、上述の方法を実行するプログラム命令を備えるコンピュータ・プログラム・プロダクトが提供される。

本願開示のさらに別の態様にしたがって、プロセッサに、上述の方法を実行させるためのステートメントおよび命令をその上に符号化した固定コンピュータ読取可能メディアが提供される。

本願開示のさらに別の態様にしたがって、複数のユーザにコンテンツを推奨するためのシステムが提供される。各々のユーザは、ユーザ・スコアと結びついている。このシステムは、コンテンツの複数の項目を格納するように構成されたコンテンツ・データベースと、前記ユーザに関する情報を格納するように構成されたユーザ・データベースと、ここで、各々のユーザは、ユーザ・スコアと結びついており、項目対する推奨スコアを、少なくとも部分的には、前記項目のユーザのプロモーション、および、前記プロモーションするユーザの前記ユーザ・スコアに基づいて、決定し、その推奨スコアにしたがって前記項目を推奨するように構成された第１の推奨者と、前記ユーザからフィードバックを収集し、そのユーザによってプロモーションされた前記項目に関する他のユーザのフィードバックに基づいて前記プロモーションするユーザの前記ユーザ・スコアを調節するように構成されたフィードバック解析論と、を備える。

これら、および、本願開示の他の目的、特徴、利点は、その説明的な実施形態の以下の詳しい説明から、明らかになる。それは、添付の図面を参照して読むべきものである。

図１は、実施形態にしたがう、システムを図示する簡略化ブロック図である。 図２は、実施形態にしたがう、推奨のプロセスを表すフローチャートである。 図３は、実施形態にしたがう、項目プロモーション、ユーザ・フィードバックおよびユーザ・スコア更新の例を示す説明図である。 図４は、実施形態にしたがう、ユーザ・スコアの更新を示す図である。 図５は、実施形態にしたがう、ユーザが眺め、コンテンツの項目をプロモーションし、投票することができる実例となるユーザ・インタフェースを示す。 図６は、実施形態にしたがう、推奨のプロセスを表すフローチャートである。

説明の目的で開示される実施形態の完全な理解を提供するために、以下の記載において、詳細が述べられる。しかしながら、実施形態が、これらの特定の詳細なしで、または、等価な構成で実施することができることは当業者には明らかである。

ここに記載されるように、本願開示の態様は、拡張コンテンツ推奨を提供することを含む。図１は、実施形態にしたがって、ユーザにコンテンツを推奨することができるシステムを示す。

図１に図示されるように、システム１００は、各々がアプリケーション・サーバ１０２に動作可能に接続した複数のユーザ・デバイス１０１１−１０１ｎを備える。ユーザ・デバイス１０１１−１０１ｎは、これらに限られるものではないが、スマート・フォン、タブレット、ラップトップ、および、これらに限られるものではないが、ウィンドウズ（登録商標）、アンドロイドおよびｉＯＳを含む任意の種類のオペレーティング・システムで動作するＰＣを含む任意の種類のユーザ装置またはコンピューティング・デバイスであることができる。アプリケーション・サーバ１０２とユーザ・デバイス１０１１−１０１ｎのうちのおよび１つとの間の接続は、インターネット、イントラネット、携帯ネットワーク、ローカル・エリア・ネットワークネ（ＬＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、ワイヤレスＬＡＮ、または、それらの組合せなど、いかなる形態でも行うことができる。たとえば、ユーザ・デバイス１０１１−１０１ｎは、その中にインストールされるアプリを有するウィンドウズ（登録商標）・フォンであることができる。それを用いて、ユーザは、アプリケーション・サーバ１０２が提供するサービスにアクセスすることができる。そのサービスは、これらに限られるものではないが、ノキアＸｐｒｅｓｓ Ｎｏｗ、ＮＢＣニュースなどニュース・サービス、リンクトイン（Ｌｉｎｋｅｄｉｎ）、フェイスブック（Ｆａｃｅｂｏｏｋ）、ツイッター（登録商標）（Ｔｗｉｔｔｅｒ）、ユーチューブ（ＹｏｕＴｕｂｅ（登録商標））などのソーシャル・ネットワーキング・サービス、および、ＷｅＣｈａｔ、Ｙａｈｏｏ！、メール（Ｍａｉｌ）などのメッセージ・サービス、その他を含む任意の種類のサービスであることができる。ユーザは、また、Ｉｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒ、Ｃｈｒｏｍｅ、および、Ｆｉｒｅｆｏｘなどのウェブ・ブラウザでサービスにアクセスすることができる。これらは、ユーザ・デバイス１０１１−１０１ｎにインストールされる。この場合において、アプリケーション・サーバ１０２は、ウェブ・サーバである。

コンテンツ・データ１０３は、アプリケーション・サーバ１０２、および、システム１００の他のコンポーネントが、選択をすることができ、ユーザに推奨することができる複数のコンテンツ項目を含む。コンテンツの項目は、テキスト、オーディオ、ビデオ、画像、広告、マルチ・メディア、その他のいかなる形態の情報の断片でもありえる。コンテンツ・データは、ＲＤＢＭＳ、ＳＱＬ、ＮｏＳＱＬ、その他のデータベースにおいて、あるいは、ＨＤＤ、ディスケット、ＣＤ、ＤＶＤ、ブルーレイ・ディスク、ＥＥＰＲＯＭ、その他の、任意のストレージ・メディアの上の１つ以上のファイルとして格納されることができる。本願の開示の中で記述される実施形態は、特定の種類のサービス、サービスの特定のインプリテーション、または、特定の種類のコンテンツに制限されないことに留意する。

システム１００は、コンテンツ・データ１０３から、初期の推奨結果を生成するように構成されたマシン・プロモーター（推奨者）１０６を備える。マシン・プロモーター１０６は、これらに限られるものではないが、コンテンツ・ベース推奨、協調フィルタリング（ＣＦ）推奨。および、ハイブリッド・アプローチを含むいかなる既存の、あるいは、将来の推奨技術でも利用することができる。たとえば、ベイズ推論推奨が、２０１３年２月１４日に公開された米国特許出願公開第２０１３／００４１８６２Ａ１号明細書の中でＸｉｗａｎｇ Ｙａｎｇ他によって、記載されており、ソーシャル・ネットワーク・コミュニティに基づく推奨が、２０１０年１１月１１日に公開された米国特許出願公開第２０１０／０２８７０３３Ａ１号明細書の中でＡｒｐｉｔ Ｍａｔｈｕｒによって記載されており、そして、社会的行動分析および語彙分類学に基づく推奨が、２００９年６月２５日に公開された米国特許出願公開第２００９／０１６４８９７Ａ１号明細書の中でＳｉｈｅｍ Ａｍｅｒ−Ｙａｈｉａ他によって記載されている。これに加えて、マシン・プロモーター１０６は、また、ツイッター（登録商標）でインプリメントされたローリング・カウント・アルゴリズムを使用することができる。

ユーザ・デバイス１０１１−１０１ｎを用いて、ユーザは、それらに提供されるコンテンツを読み、眺め、あるいは、聞くことができる。それらは、また、たとえば、ある項目を好きである、または、嫌いである（あるいは、項目の評価する）などのフィードバックを与えることができる。更に、ユーザは、他の人がそれを見るのがより適切にしたいと望むならば、彼が見つける高品質の項目をプロモートすることができる。

実施形態において、各々のユーザは、ユーザ・スコアと結びついている。ユーザに関する情報およびユーザのそれぞれのユーザ・スコアが、ユーザ・データ１０４に保存される。コンテンツ・データ１０３と同様に、ユーザ・データ１０４をＲＤＢＭＳ、ＳＱＬ、ＮｏＳＱＬ、その他のデータベースにおいて、または、ＨＤＤ、ディスケット、ＣＤ、ＤＶＤ、ブルーレイ・ディスク、ＥＥＰＲＯＭその他の任意のストレージ・メディアの上の１つ以上のファイルとして格納することができる。

最終的なプロモーター１０５は、推奨結果を動的に調節し、更新するするために、ユーザ・データ１０４における情報を使用する。最終的なプロモーター１０５は、ユーザから項目のプロモーションを受信した後に、プロモーションするユーザのユーザ・スコアを基づいて、その項目の推奨スコアを調節するプロモーション・アグリゲータ１０５１を有する具体的には、項目をプロモートする、より高いユーザ・スコアを有するユーザは、その項目の推奨スコアの調整により大きな影響を有する。この実施の形態において、プロモーション・アグリゲータ１０５１は、各々のプロモーターのユーザ・スコアを重みとして、そのプロモーションの重み合計に基づいて、項目の推奨スコアを計算するように構成される。他のアグリゲート・アルゴリズムを、また、プロモーション・アグリゲータ１０５１によって使用することもできることに留意する。たとえば、プロモーション・アグリゲータ１０５は、また、その項目の古い推奨スコア、プロモーターの役割（例えば、後述するようなリーダ、レビューア、および、エディタなど）、あるいは、いかなる他の推奨品質を改善することに関連するファクタをも考慮することができる。

最終的なプロモーター１０５は、他のユーザからのフィードバックに基づいて、プロモーションするユーザのユーザ・スコアを調整するフィードバック解析論１０５２を更に備える。具体的には、フィードバック解析論１０５２は、そのプロモートされた項目が、ポジティブ・フィードバックを受信するならば、項目をプロモートするユーザのユーザ・スコアを増加し、そのプロモートされた項目が、ネガティブ・フィードバックを受信するならば、プロモーションするユーザのユーザ・スコアを減少する。更に詳細に以下に記述されるように、フィードバック解析論１０５２は、プロモーション・アグリゲータと並列に動作することができる。言い換えると、ユーザ・スコアの調整を、推奨スコアの更新と並列に、実行することができる。実施形態においては、推奨スコアの更新は、システム１００がユーザからプロモーションを受信するとき、リアルタイムに直ちに実行される。一方、ユーザ・スコアの調整が、定期的に実行される。

図３は、実施形態にしたがう項目プロモーション、ユーザ・フィードバック、および、ユーザ・スコア更新の例を示す。一方、図４は、ユーザ・スコアの更新を図示する。この例においては、ユーザｕ_ｉによってプロモートされる項目（図３のＵＲＬとして示す）は、時間間隔Ｔ_１において決定される。このシステムは、時間間隔Ｔ２において、「好き（Ｌｉｋｅｓ）」および「嫌い（Ｄｉｓｌｉｋｅｓ）」の数に基づいて、ユーザｕ_ｉのユーザ・スコアを更新する。この項目（最後のＴ_１にわたりユーザｕ_ｉによってプロモートされる）は、最後のＴ２において、他のユーザから受信する。

実施形態にしたがって、システムがスタートするときに、あらゆるユーザは、たとえば、同一のユーザ・スコア「１」として等しく扱われる。それで、すべてのユーザ・スコアの合計は、Ｎユーザが存在すれば、Ｎである。ユーザ数が不変であるとき、合計ユーザ・スコアは、ユーザ・スコア更新の後に、同じままでなければならない。ユーザ数が増加するとき、合計ユーザ・スコアは、また、増加する。たとえば、新規のユーザに、ユーザ・スコア「１」を割り当てられると、合計ユーザ・スコアは、Ｎ＋１となる。反対に、ユーザ数が減少すると、合計ユーザ・スコアは、また、減少する。たとえば、ｎユーザが、システムを去ると、合計ユーザ・スコアは、Ｎ−ｎとなる。

実施形態において、システム１００は、そのプロモートされた項目が「好き（ＬＩＫＥ）」を受けとるようにプロモーションするユーザｕ_ｉに報い、そのプロモートされた項目が「嫌い（ＤＩＳＬＩＫＥ）」を受けとるようにプロモーションするユーザｕ_ｉを以下の通りに罰する。その罰は、
ρ_ｉ＝（λ_１・ｕｓ_ｉ／（１＋ｅｘｐ（−Ｎ_ｉ））
である。ρ_ｉ＜ηならば、ρ_ｉを使用し、そうでなく、ρ_ｉ≧ηならば、ηを使用する。ここで、Ｎ_ｉは、ｕ_ｉのプロモートされた項目が、「嫌い（ＤＩＳＬＩＫＥ）」を受けとる回数である（おそらく、λ_１＝０．１、μ＝０．１）。
Ｓ＝Σρ_ｉ、Ｒ＝ΣＲ_ｉとし、ここで、Ｒ_ｉは、ｕ_ｉのプロモートされた項目が、「好き（ＬＩＫＥ）」を受けとる回数であり、そして、報酬は、π_ｉ＝Ｓ・Ｒ_ｉ／Ｒである。
更新の式は、ｕｓ_ｉ＝ｕｓ_ｉ−ρ_ｉ＋π_ｉである。

図５は、実施形態にしたがって、ユーザが眺め、コンテンツの項目をプロモーションし、投票することができるユーザ・インタフェースの例を示す。図５に図示されるように、そのユーザは、それらの初期の推奨スコアにしたがって、最初、複数の推奨された項目を提示される。次に、ユーザは、項目の１つを、その項目をクリックすることによって、選択することができる。項目を眺めるとき、そのユーザは、投票（この例において「好き（ＬＩＫＥ）」、または、その項目をプロモートする、のいずれかをすることができる。プロモート・ボタンをクリックすることによって、ユーザがその項目をプロモートするならば、その項目の推奨スコアは、更新され、推奨結果が、その更新を反映する。

図２は、実施形態にしたがって、推奨のプロセスを表す。図２において図示されるように、このプロセスは、ユーザが項目をプロモートするステップ２０１をスタートする。上で説明されるように、ユーザが興味ある項目、または、高品質と考える項目を見つけるとき、そのユーザは、その項目をプロモートすることができる。この実施の形態において、そのユーザは、システム１００によって、推奨された項目だけをプロモートするのみではなく、他のソースからの項目をもプロモートすることができる。たとえば、他のサービスまたはコンテンツ・プロバイダからの項目である。そのＵＲＬが、そのコンテンツを見つけるための十分な情報を提供する限り、項目がどこから来るかは、重要ではない。

ステップ２０１と並行して、ユーザからのフィードバックが、ステップ２１０で収集される。類似的な上記の実施形態に、ユーザは、推奨された項目を見た後に、たとえば、好き（ｌｉｋｅ）／嫌い（ｄｉｓｌｉｋｅ）、または、評価の形で、彼のフィードバックを与えることができる。次に、そのプロモーターのユーザ・スコアが、ステップ２１５で、他のユーザからのフィードバックにしたがって調節される。上記の実施形態において説明されたように、各々のユーザは、ユーザのプロモーションが持つ重みがどの程度であるかを示唆するユーザ・スコアと結びついている。言い換えると、そのユーザ・スコアは、そのユーザによってプロモートされた項目が、どれだけ人気が出ることになりそうかを測定する。図１、図３および図４を参照して、先に述べたように、推奨されたコンテンツの品質およびユーザの活動レベルをよくするために、このシステムは、彼のプロモートされた項目がポジティブ・フィードバックを受けるならば、彼のユーザ・スコアを増加することによりユーザに報いる。そして、彼のプロモートされた項目がネガティブ・フィードバックを受けるならば、彼のユーザ・スコアを減少することにより彼を罰する。

更に、図に示すように、ステップ２１０と２１５とが、ステップ２０１と並行して、実行される。言い換えると、ユーザ・スコアの調整を、推奨スコアの更新と並列に、実行することができる。上のいくつかの実施形態に図示されるように、推奨スコアの更新は、システムがユーザからプロモーションを受信するときに、リアルタイムに直ちに実行することができる。一方、ユーザ・スコアの調整は、定期的に実行することができる。

ステップ２０５でプロモーターのユーザ・スコアをロードした後に、プロセスは、ステップ２２０に進み、ここで、各々のプロモートされた項目が、すでにコンテンツ・データベースにあるか否かを判断する。上述のとおりユーザは、別のソースから見つけた項目をプロモートすることができる。この場合において、その項目に対する古い推奨スコアがないので、システムは、当初の推奨スコアを、ステップ２２５で新規の項目に対して割り当てる。さもなければ、このプロセスは、ステップ２３０に進み、ここで、システムは、図１、図３および図４を参照して先に述べたように、プロモーションするユーザのユーザ・スコアを基づいて、各プロモートされた項目に対する推奨スコアを更新する。

すべてのプロモートされた項目の推奨スコアが更新された後に、システムは、ステップ２３５で、更新された推奨スコアにしたがって推奨結果を更新する。上述のプロセスは、拡張推奨のために連続なリアルタイム・ソリューションを提供するために、繰り返すことができることに留意する。

上記の実施形態において示されるように、ユーザは、他のユーザに推奨されるコンテンツの品質にダイナミックに影響し、改善することができる。彼のプロモートされたコンテンツへの他のユーザのフィードバック（たとえば、好き（Ｌｉｋｅ）、シェア（Ｓｈａｒｅ）、嫌い（Ｄｉｓｌｉｋｅ）、コンテンツの評価（Ｒａｔｉｎｇ）に依存して、そのユーザは、コンテンツ推奨の影響において彼が有する影響のレベルを決定するユーザ・スコアを割り当てられる。このようにして、このシステムにおいて、ユーザは、彼自身の推奨されたコンテンツを改善するためだけでなく、また、コミュニティ全体に対してコンテンツ品質を改善するために、アプリケーションやサービスを使うと共に、コンテンツをプロモートする動機づけがされる。更に、ユーザは、推奨システムに、また、最初に、そのコンテンツをプロモートしたユーザにフィードバックをダイナミックに提供することができる。これは、コミュニティからのそのコンテンツの規制と節度を可能にする。コンテンツを改良し、報いられるために他と競争することを、ユーザに動機づけするゲーミフィケーション（ｇａｍｉｆｉｃａｔｉｏｎ）は、自立した進化システムを提供する。ここで、非常にアクティブである寄稿者（例えば、専門家）、および高品質コンテンツは、奨励され、一方、低い品質のコンテンツおよび読むだけの人（ｌｕｒｋｅｒ）は、落胆させられる。さらに、高いコンテンツ品質のために、より多くのデータが、推奨およびユーザ・プロファイリングを改善するために利用可能となる。したがって、ユーザは、よりよい個人化されたユーザ体験を得る。

実施形態にしたがって、システムが起動したばかりで、ユーザからのプロモーションが全くないときには、このプロセスは、たとえば、図のステップ２０５において、項目をプロモートするマシン推奨からスタートすることができる。上記のように、マシン・プロモーター（推奨者）は、これらに限られるものではないが、コンテンツ・ベース推奨、協調フィルタリング（ＣＦ）推奨、および、ハイブリッド・アプローチを含むいかなる既存の、あるいは、将来の推奨技術でも利用することができる。

更に、実施形態において、マシン推薦者は、ユーザとして扱うことができ、ユーザ・スコアに関連することができる。ユーザからのフィードバックを受信するとき、マシン推薦者のユーザ・スコアは、また、プロモートするユーザと同様に、更新される。たとえば、図３および図４を参照して先に述べたように、システムは、その推奨された項目がポジティブ・フィードバックを受信するならば、マシン推奨者のユーザ・スコアを増やすことができ、そして、その推奨された項目がユーザからネガティブ・フィードバックを受信するならば、そのユーザ・スコアを減少させることができる。このようにして、高いユーザ・スコアを有するマシン推薦者は、良い推奨パフォーマンスを示す。さもなければ、マシン推薦者は、他のユーザのパフォーマンスと並んで、ユーザからのフィードバックを用いて、適応的に改善されることができる。時間と共に、（２つの推薦者を結合した）全体システムは、明らかによくなることができる。

図６は、実施形態にしたがって、推奨のプロセスを示す。この実施の形態において、複数のマシン・プロモーターが存在する。人間のプロモーターと同様に、各々のマシン・プロモーターは、ユーザ・スコアと結びついている。それは、マシン・プロモーターがそのプロモーションにおいてどれくらいの影響を有するかを提案する。複数のマシン・プロモーターは、異なるマシン推奨アルゴリズムにしたがって、コンテンツをプロモート（推奨）することができる。上記のように、いかなる既存の、および、将来のマシン推奨アルゴリズムでも、マシン・プロモーターのために使うことができる。

複数のマシン・プロモーターの間で、人間とマシン・プロモーターとの両方を何が最終的にユーザに推奨されるのか、の決定をするための入力として含む他のプロモーターのプロモーションをする１つのアグリゲーターが存在する。上で説明されるように、最終的なアグリゲーターは、各々のプロモーター（人間またはマシン・プロモーター）のユーザ・スコアを重みとして、そのプロモーションの重み合計に基づいて、項目の推奨スコアを計算することができる。更に、最終的なアグリゲーターは、また、その項目の古い推奨スコア、プロモーターの役割（例えば、後述するようなリーダ、レビューア、および、エディタなど）、あるいは、いかなる関連するファクタをも考慮することができる。

上記の実施形態において、複数のマシン推奨システムと人間の推奨とを結合するハイブリッド推薦システムが提供される。すべてのユーザが、コンテンツの項目をプロモートするとき、人間の推奨者としての役割を演じることができる。一方、すべてのユーザが、また、たとえば、上向きの票（好き（ｌｉｋｅ））または下向きの票（嫌い（ｄｉｓｌｉｋｅ））によって、推奨された項目に関してフィードバックを与えることができる。ユーザが項目をプロモートする場合に、その項目に関する他のユーザのフィードバック（好き（ｌｉｋｅ）／嫌い（ｄｉｓｌｉｋｅ））が、プロモーターのユーザ・スコアを調節するために使用される。ユーザのプロモートした項目が、全体的なポジティブなフィードバックを受信するならば、システムはそのユーザのユーザ・スコアを増やす。逆もまた同様である。

人間のユーザが誰も、または、極少数のユーザしか能動的にプロモートや投票をしないとき、たとえば、そのシステムの初期において、マシン・プロモーターは、このコールド・スタート問題を効率的に解くことができる。ユーザが能動的にプロモーションまたは投票のいずれかに参加した後に、そのシステムは、ハイブリッド推薦システムになる。人間のプロモーターがマシン・プロモーターより良いフィードバックを受信する場合、そのシステムは、人間の推奨により多く傾くことになる。このようにして、このシステムは、たとえば、コールド・スタートを解くためにマシン推奨、および、たとえば、洗練されたパフォーマンスを得るために人間の推奨、の両方から利益を得ることができる。さらに、最終的なアグリゲーターは、また、ユーザ・スコアに関連することができ、それは、アグリゲート・アルゴリズムの効果およびそのシステムの全体的なパフォーマンスを測定するために良いインディケータである。

別の実施形態にしたがって、ユーザに、彼のユーザ・スコアによって役割を割り当てることができる。より多くの特権を有する役割は、より高いユーザ・スコアを要求する。たとえば、アカデミックな出版コミュニティにおける本やジャーナルの出版プロセスに対するものと同種の、リーダ、レビューア、および、エディタの４つの異なる役割がありえる。これは、ユーザがそのコンテンツに対して、活動し、インタラクトするために異なる許可を有することを可能にする。これらの役割は、以下のように記載される。
［リーダ（ｒｅａｄｅｒ）］
● α_{ｒｅａｄｅｒ}≦ｕｓｅｒ＿ｓｃｏｒｅ＜α_{ｒｅｖｉｅｗｅｒ}
ここで、α_{ｒｅａｄｅｒ}は、リーダの資格があるユーザに対する最少ユーザ・スコアであり、α_{ｒｅｖｉｅｗｅｒ}は、レビューアの資格があるユーザに対する最少ユーザ・スコアである。
● リーダは、読むこと、「好き」とすること、「嫌い」とすること、「シェア」すること、「フラグ」すること、および、コンテンツ項目をプロモートすることができる。
● リーダは、詳細なコンテンツ・レビュー・フィードバックを提供することができない（フィードバック・フォームは提供されない）。
［レビューア（ｒｅｖｉｅｗｅｒ）］
● α_{ｒｅｖｉｅｗｅｒ}≦ｕｓｅｒ＿ｓｃｏｒｅ＜α_{ｅｄｉｔｏｒ}
ここで、α_{ｒｅｖｉｅｗｅｒ}は、レビューアの資格があるユーザに対する最少ユーザ・スコアであり、α_{ｅｄｉｔｏｒ}は、エディタの資格があるユーザに対する最少ユーザ・スコアである。
● レビューアは、リーダが有するすべての特権（上記のように）有し、それに加えて、
● レビューアは、レビューア・フォームを通してコンテンツをレビューすることができる。このレビューア・フォームは、
○ そのコンテンツの品質を評価すること（１から５のスケールで、１が低く、５が非常に高い）、
○ そのコンテンツの関連性を評価すること（１から５のスケールで、１が低く、５が極めて関連性が高い）、
○ 他のユーザにそのコンテンツを推奨すること（イエスまたはノー）、および、
○ コメントすること、
を含む。および、
● 記入されたレビューア・フォームは、それをアクセプトするか、または、リジェクトするか（そのコンテンツは、他のユーザに推奨されるべきか、否か）を決断するエディタに送られる。
［エディタ（Ｅｄｉｔｏｒ）］
● ｕｓｅｒ＿ｓｃｏｒｅ≧α_{ｅｄｉｔｏｒ}
ここで、α_{ｅｄｉｔｏｒ}は、エディタの資格があるユーザに対する最少ユーザ・スコアである。
● エディタは、レビューアが有するすべての特権（上記のように）有し、それに加えて、
● エディタは、コンテンツにタグを追加することができる。それに加えて、
● エディタは、レビューアのフィードバック・フォームをレビューすることができ、
○ 最初に４つの記入されたレビューを受信すること、
○ アクセプタンス・レート＞γであるならば、ストップする、ここで、γは、目標アクセプタンス・レートである、たとえば、このコンテンツがアクセプトされるためには、すべての記入されたレビューの７０％が、「イエス（ｙｅｓ）」の推奨を有さなければならない。さもなければ、それは、リジェクトされる、
○ アクセプタンス・レート＞γならば、ここで、γ＞０．５である、その項目は、依然として、推奨システムのためにコンテンツ・データベースにある、
○ アクセプタンス・レート＜γならば、その項目をコンテンツ・データベースから取り除く、
によって、そのコンテンツをアクセプトするか、または、リジェクトするかを決断する。

この実施の形態において、ユーザは、他のユーザのフィードバックに基づいた競争的に更新されるユーザ・スコアによって異なる役割を割り当てられる。より多くの特権を持つ役割は、より高い最小限ユーザ・スコアを要求する。このように、ユーザは、さらに自己動機づけされる。また、より多くの特権を有しているユーザは、コンテンツのレビューおよび推奨において、より信頼でき、また、アクティブであることが証明されたことが確実である。これは、実質的に、そのシステムの全体的なパフォーマンスと、推奨の品質を確実にする。

更に、実施形態にしたがって、最終的なアグリゲーターは、また、推奨スコアを決定する際に、そのプロモーターの役割を考慮に入れることができる。そのプロモーターが、レビューアまたはエディタである場合、これは、推奨結果に影響する。たとえば、大多数のレビューアまたはエディタが、項目を「良い（ｇｏｏｄ）」としてアクセプトするならば、より高い推奨スコアが与えられ、その結果として、その項目は、推奨リストにおいて、より高くてランクを付けられる。

本願開示の態様にしたがって、上述の方法を実行するように構成される手段を備える、複数のユーザに、コンテンツを推奨するための装置が提供される。実施形態において、その装置は、コンテンツの項目に対する推奨スコアを、少なくとも部分的には、項目のユーザのプロモーション、および、該プロモーションするユーザの前記ユーザ・スコアに基づいて、決定するように構成された手段と、その推奨スコアにしたがって、項目を推奨するように構成された手段と、そのユーザによりプロモーションされる前記項目に関する他のユーザのフィードバックに基づいてプロモーションするユーザのユーザ・スコアを調節するように構成された手段と、を備える。

この装置は、マシン推奨によってその項目の初期のスコアを生成するように構成された手段と、手段が形成したおよび、プロモーションするユーザから、その項目のプロモーションを受信した後に、少なくとも部分的には、初期スコア、そのプロモーション、および、プロモーションするユーザのユーザ・スコアに基づいて、プロモートされた項目に対する更新された推奨スコアを決定するように構成された手段と、を更に含むことができる。

実施形態にしたがって、マシン推奨は、ユーザ・スコアに結びついており、そして、マシン推奨は、その推奨スコアを決定する際に、プロモーションするユーザとして扱われる。この装置は、マシン推奨によって推奨される前記項目に関して、ユーザからのフィードバックに基づいて、マシン推奨のユーザ・スコアを調節するように構成された手段を更に備える。

別の実施形態において、ユーザからのフィードバックは、ポジティブおよびネガティブな応答を含み、この装置は、そのプロモートされた項目が、他のユーザから、ポジティブ・フィードバックを受信するならば、プロモーションするユーザのユーザ・スコアを増加し、そのプロモートされた項目が、他のユーザから、ネガティブ・フィードバックを受信するならば、プロモーションするユーザのユーザ・スコアを減少するように構成された手段を更に備える。

実施形態にしたがって、ユーザからいかなるフィードバックをも受信する前に、各々のユーザは、等しい初期ユーザ・スコアを割り当てられ、調整するステップの後に、すべてのユーザ・スコアの合計が、同一のままである。

この装置は、そのユーザ・スコアにしたがって、各々のユーザに役割を割り当てるように構成された手段を更に含むことができる。より多くの特権を有している役割は、より高いユーザ・スコアを要求する。実施形態において、その役割は、リーダ、レビューアおよびエディタから選択されるものである。

図１の中で表されたシステム１００のコンポーネントのいずれも、ハードウェアまたはソフトウェア・モジュールとしてインプリメントすることができることに留意する。ソフトウェア・モジュールの場合には、有形のコンピュータ読取り可能・記録可能ストレージ・メディアの上で具体化できる。ソフトウェア・モジュール（または、その任意サブセット）のすべてが、同じメディアの上にあることができる、または、各々が、例えば、異なるメディアの上にあることができる。ソフトウェア・モジュールは、たとえば、ハードウェア・プロセッサの上で動作することができる。この方法のステップは、つぎに、異なったソフトウェア・モジュールを用いて、上に記載したように、ハードウェア・プロセッサの上で、実行することができる。

加えて、本願開示の態様は、汎用コンピュータまたはワークステーションで動作するソフトウェアを使用することができる。そのようなインプリメンテーションは、たとえば、プロセッサと、メモリと、たとえば、ディスプレイとキーボードとで形成される入出力インタフェースとを採用する。ここで、用いられる「プロセッサ」という用語は、たとえば、ＣＰＵ（中央演算処理装置）および／または、処理回路の他の形を含むものなどいかなる処理デバイスをも含むことを意図している。更に、「プロセッサ」という用語は、複数の個別のプロセッサを指すことができる。「メモリ」という用語は、例えば、ＲＡＭ（ランダム・アクセス・メモリ）、ＲＯＭ（読取り専用メモリ）、固定メモリ装置（たとえば、ハード・ドライブ）、取り外し可能メモリ装置（たとえば、ディスケット）、フラッシュ・メモリ、その他のプロセッサまたはＣＰＵと結びついたメモリを含むことを意図する。そのプロセッサ、メモリ、および、ディスプレイおよびキーボードなどの入出力インタフェースは、たとえば、データ処理ユニットの部分としてのバスによって相互接続することができる。たとえばバスを介する適切な相互接続は、また、ネットワーク・カードなどネットワーク・インターフェースに提供することができる。ネットワーク・カードは、コンピュータ・ネットワークと、および、ディスケットまたはＣＤ−ＲＯＭドライブなどのメディア・インタフェースとインタフェースするために、提供することができる。それは、メディアとインタフェースするために提供することができる。

したがって、ここに記載されるように、本願開示の方法論を実行するための命令またはコードを含むコンピュータ・ソフトウェアは、関連したメモリ・デバイス（たとえば、ＲＯＭ、固定または取り外し可能メモリ）に格納することができ、利用される準備ができているとき、部分的または全体が（たとえば、ＲＡＭに）ロードされ、ＣＰＵによってインプリメントされる。そのようなソフトウェアは、ファームウェア、常駐ソフトウェア、マイクロコード、その他を含む。しかし、それらに制限されるものではない。

本願開示の態様は、その上で具体化されたコンピュータ読取り可能プログラム・コードを有するコンピュータ読取り可能メディアにおいて具体化されたコンピュータ・プログラム・プロダクトの形をとることができることに留意する。また、コンピュータ読取り可能メディアの任意の組合せを、利用することができる。コンピュータ読取り可能メディアは、コンピュータ読取り可能信号メディア、または、コンピュータ読取り可能ストレージ・メディアであることができる。コンピュータ読取り可能なストレージ・メディアは、たとえば、電子、磁気、光学、電磁気、赤外線、または、半導体システム、装置、または、デバイス、または、任意の適切な前述の組合せであることができる。しかしながら、それらに限られるものではない。コンピュータ読取り可能ストレージ・メディアのより特定の例（網羅的なリストではない）は、１つ以上のワイヤーを有する電気的接続、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、消去可能プログラム可能読取り専用メモリ（ＥＰＲＯＭまたはＦｌａｓｈメモリ）、光ファイバー、ポータブル読み取り専用コンパクトディスク（ＣＤ−ＲＯＭ）、光ストレージ・デバイス、磁気ストレージ・デバイス、または、任意の適切な前述の組合せを含む。本願明細書のコンテキストにおいて、コンピュータ読取り可能ストレージ・メディアは、命令実行システム、装置、または、デバイスにより、または、関連して、使用するためのプログラムを含むことができる、あるいは、格納することができるいかなる有形メディアでもあり得る。

本願開示の態様のための動作を実行するためのコンピュータ・プログラム・コードは、Ｊａｖａ（登録商標）、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋または、その他のオブジェクト指向プログラミング言語、および、「Ｃ」プログラミング言語、または、同様のプログラミング言語など従来の手続きプログラミング言語を含む少なくとも１つのプログラミング言語のどんな組合せででも書くことができる。そのプログラム・コードは、ユーザのコンピュータで全体的に、ユーザのコンピュータで部分的に、スタンドアロン・ソフトウェア・パッケージとして、ユーザのコンピュータで部分的に、そして、リモート・コンピューターで部分的に、あるいは、リモート・コンピューターまたはサーバで、全体的に、実行することができる。

図の中のフローチャートおよびブロック図は、本願開示の種々の実施形態にしたがう、システム、方法、および、コンピュータ・プログラム・プロダクトの可能なインプリメンテーションのアーキテクチャ、機能性および動作を図示する。この点について、フローチャートまたはブロック図における各々のブロックは、モジュール、コンポーネント、セグメント、またはコードの部分を表現することができる。それは、特定された論理機能をインプリメントするための少なくとも１つの実行可能命令を備える。また、いくつかの代替的インプリメンテーションにおいて、ブロックに記載された機能は、図において記載された順序から外れて生起することがあり得ることに留意する。たとえば、続いて示された２つのブロックは、実際には、実質的に並行して実行されることができる。または、ブロックは、時々、含まれる機能性に依存して逆順に実行されることができる。また、ブロック図やフローチャート説明の各々のブロック、および、ブロック図やフローチャート説明におけるブロックの組合せは、指定された機能または働きを実行する特定目的ハードウェア・ベース・システムによって、または、特殊目的ハードウェアの組合せ、および、コンピュータ命令によって、インプリメントすることができることに留意する。

いかなるケースでも、本願開示の中で図示されるコンポーネントは、たとえば、特定用途向け集積回路（ＡＳＩＣＳ）、機能回路、関連メモリを有する適切にプログラムされた汎用デジタル・コンピュータ、その他のハードウェア、ソフトウェアまたはその組合せの種々の形で、インプリメントすることができることを理解すべきである。ここに提供された開示の教示が与えられたが、当業者は、本願開示のコンポーネントの他のインプリメンテーションを考えることができる。

ここで用いられた用語は、特定の実施形態を記述する目的だけであり、本願開示の制限をすることを意図するものではない。ここに使われるように、単数形「ａ」、「ａｎ」および「ｔｈｅ」は、その文脈が、明確に、そうではないと示さない限り、複数形をも同様に含むことを意図するものである。「備える、含む（ｃｏｍｐｒｉｓｅｓ、ｃｏｍｐｒｉｓｉｎｇ）」の用語は、本願明細書において使用されるとき、述べられた特徴、整数、ステップ、動作、要素、および／または、コンポーネント存在を特定するが、しかし、別の特徴、整数、ステップ、動作、要素、コンポーネント、および／または、そのグループの存在または追加を排除しないことが、さらに理解される。

種々の実施形態の記載が、説明の目的のために、提示された。しかし、開示された実施形態に対して、網羅的、または、制限することを意図するものではない。多くの修正およびのバリエーションは、記述された実施形態の範囲および要旨から逸脱することがないことは、当業者には明らかである。

Claims (17)

1. 複数のユーザにコンテンツを推薦するための方法であって、各々のユーザは、ユーザ・スコアと結びついており、該方法は、
   少なくとも部分的には、項目のユーザのプロモーション、および、該プロモーションするユーザの前記ユーザ・スコアに基づいて、コンテンツの項目に対する推奨スコアを決定するステップと、
   その推奨スコアにしたがって前記項目を推奨するステップと、前記プロモーションするユーザの前記ユーザ・スコアを、前記ユーザによりプロモーションされる前記項目に関する他のユーザのフィードバックに基づいて、調整するステップと、
   を含む、方法。
2. 前記決定するステップが、
   マシン推奨によって前記項目の初期スコアを生成するステップと、
   前記プロモーションするユーザから、前記項目のプロモーションを受信した後に、少なくとも部分的には、前記初期スコアと、前記プロモーションと、前記プロモーションするユーザの前記ユーザ・スコアとに基づいて、前記プロモーションされる項目に対する更新された推奨スコアを決定するステップと、
   を含む、請求項１に記載の方法。
3. マシン推奨が、ユーザ・スコアに結びついており、前記マシン推奨が、前記推奨スコアを決定する際に、プロモーションするユーザとして扱われ、前記調整するステップは、前記マシン推奨によって推奨される前記項目に関して、前記ユーザからのフィードバックに基づいて、前記マシン推奨の前記ユーザ・スコアを調整するステップを含む、請求項２に記載の方法。
4. 前記ユーザからの前記フィードバックは、肯定的および否定的な応答を含み、
   前記調整するステップは、
   前記プロモーションされた項目が、前記他のユーザから肯定的フィードバックを受信するならば、前記プロモーションするユーザの前記ユーザ・スコアを増加するステップと、
   前記プロモーションされた項目が、前記他のユーザから否定的フィードバックを受信するならば、前記プロモーションするユーザの前記ユーザ・スコアを減少するステップと、
   を含む、請求項１ないし３のいずれか１項に記載の方法。
5. 前記ユーザからいかなるフィードバックをも受信する前に、各々のユーザは、等しい初期ユーザ・スコアを割り当てられ、前記調整されるステップの後に、すべてのユーザ・スコアの合計が、同一のままである、請求項４に記載の方法。
6. そのユーザ・スコアにしたがって各々のユーザに役割を割り当てるステップを更に含み、
   より多くの特権を有している役割は、より高いユーザ・スコアを要求する、
   請求項１ないし５のいずれか１項に記載の方法。
7. 前記役割は、リーダ、レビューア、および、エディタから選択されたものである、請求項６に記載の方法。
8. 請求項１ないし７のいずれか１項に記載の方法を実行するように構成された手段を備える装置。
9. コンピュータにより読み込み可能な配布媒体上で具体化されるコンピュータ・プログラム・プロダクトであって、コンピュータにロードされるとき、請求項１ないし７のいずれか１項に記載の方法を実行するプログラム命令を備えるコンピュータ・プログラム・プロダクト。
10. プロセッサに、請求項１ないし７のいずれか１項に記載の方法を実行させるためのステートメントおよび命令をその上に符号化した固定コンピュータ読取可能メディア。
11. コンテンツの複数の項目を格納するように構成されたコンテンツ・データベースと、
    前記ユーザに関する情報を格納するように構成されたユーザ・データベースと、ここで、各々のユーザは、ユーザ・スコアと結びついており、
    項目に対する推奨スコアを、少なくとも部分的には、前記項目のユーザのプロモーション、および、前記プロモーションするユーザの前記ユーザ・スコアに基づいて、決定し、その推奨スコアにしたがって前記項目を推奨するように構成された第１の推奨者と、
    前記ユーザからフィードバックを収集し、そのユーザによってプロモーションされた前記項目に関する他のユーザのフィードバックに基づいて前記プロモーションするユーザの前記ユーザ・スコアを調節するように構成されたフィードバック解析論と、
    を備える、複数のユーザにコンテンツを推奨するためのシステム。
12. マシン推奨を通して前記項目のための初期のスコアを生成するように構成された第２の推奨者を更に備え、
    前記第１の推奨者は、少なくとも部分的には、前記初期スコア、前記項目の前記ユーザの、および、前記プロモーションするユーザのユーザ・スコアに基づいて、前記項目に対する更新された推奨スコアを決定するように構成される、請求項１１に記載のシステム。
13. 前記第２の推奨者は、ユーザ・スコアと結びついており、
    前記第１の推奨者は、前記推奨スコアを決定する際に、第２の推奨者をユーザとして扱うように構成され、
    前記フィードバック解析論は、前記第２の推奨者の前記ユーザ・スコアを、前記第２の推奨者によって推奨される前記項目に関する前記ユーザからのフィードバックに基づいて、調整するようにさらに構成される、
    請求項１２に記載のシステム。
14. 前記ユーザからの前記フィードバックは、肯定的および否定的な応答を含み、 前記フィードバック解析論は、前記プロモーションされた項目が、前記他のユーザから肯定的フィードバックを受信するならば、前記プロモーションするユーザの前記ユーザ・スコアを増加するように、
    前記プロモーションされた項目が、前記他のユーザから否定的フィードバックを受信するならば、前記プロモーションするユーザの前記ユーザ・スコアを減少するように構成される、
    請求項１１ないし１３のいずれか１項に記載のシステム。
15. 前記ユーザからいかなるフィードバックをも受信する前に、各々のユーザは、等しい初期ユーザ・スコアを割り当てられ、前記フィードバック解析論は、前記ユーザ・スコアを調節した後に、すべてのユーザ・スコアの合計が、不変に保たれるように構成される、請求項１４に記載のシステム。
16. 各々のユーザは、そのユーザ・スコアにしたがって役割を割り当てられ、より多くの特権を有している役割は、より高いユーザ・スコアを要求する、請求項１１ないし１５のいずれか１項に記載のシステム。
17. 前記役割は、リーダ、レビューア、および、エディタから選択されたものである、請求項１６に記載のシステム。

Images