JP2019526121A - オブジェクト選択方法及び装置 - Google Patents

Abstract

本願は、オブジェクト選択方法及び装置を提供する。該方法は：目標オブジェクト選択に影響を与えるために用いられるサービス影響パラメータに基づいて、新しいオブジェクト関係重みを取得するために２つのオブジェクト間ごとの基本関係重みを調整するステップと；オブジェクト群内の各々の新しいオブジェクト関係重みに基づいて、オブジェクト群内の各オブジェクトに対応する伝達度を特定するステップと；サービスにおける各オブジェクトのサービス活動パラメータに基づいて、各オブジェクトに対応する活動度を特定するステップと；活動度及び伝達度に基づいて、各オブジェクトに対応する影響度を特定するステップと；影響度が所定の閾値より大きいオブジェクトを目標オブジェクトとして選択するステップと；を含む。本願は、サービスオブジェクトオブジェクト選択の精度を向上させる。

Description

本願はインターネット技術の分野に関し、特に、オブジェクト選択方法及び装置に関する。

インターネット技術の発展に伴い、ネットワークを介して多くのサービスが実行されている。例えば、ネットワークを介してサービスリソース（資源）を何人かのユーザに割り当てることができ、このリソースでこれらのユーザがより大きなサービスメリット（利益）をもたらすことができる。リソースを受けるユーザは、サービスオブジェクト（対象）とも呼ばれる。もちろん、サービスオブジェクトは、ユーザ以外の他のタイプのものでもあり得る。利益を最大化するために、これらのサービスオブジェクトに対してサービスリソースをどのように割り当てるかを特定することは非常に重要である。選択したオブジェクトが適切でない場合は、リソースが無駄になり得る。

従来技術において、リソース割り当てオブジェクト選択方法は、ＰａｇｅＲａｎｋ（ページランク）アルゴリズムであり得る。このアルゴリズムでは、オブジェクト間の依存関係を考慮し、その依存関係を、オブジェクト群（グループ）内の各オブジェクトの相対的重要度を算出するための重みとして用いることができる。重要度の高いオブジェクトが、リソース割り当てオブジェクトとして選択される。しかしこの方法では、重要度の算出に用いるパラメータが限られており、また、取得された重要度指標は、群内のオブジェクトのサービスへの影響力を正確に反映することができない。したがって、この方法を用いて特定したサービスオブジェクトは不正確であり、これらの不正確なオブジェクトにリソースを割り当てた場合、利益を増やすことはできない。

本願は、サービスオブジェクト選択の精度を向上させるためのオブジェクト選択方法及び装置を提供する。

本願は、以下の技術的解決策を用いることによって実施される。

第１の態様は、オブジェクト選択方法を提供し、この方法は：目標オブジェクト選択に影響を与えるために用いられるサービス影響パラメータに基づいて、新しいオブジェクト関係重みを取得するために２つのオブジェクト間ごとの基本関係重みを調整するステップと；オブジェクト群内の各々の新しいオブジェクト関係重みに基づいて、前記オブジェクト群内の各オブジェクトに対応する伝達度を特定するステップであって、前記オブジェクト群は複数のオブジェクトを含む、ステップと；サービスにおける各オブジェクトのサービス活動パラメータに基づいて、各オブジェクトに対応する活動度を特定するステップであって、前記活動度は、前記サービスへの前記オブジェクトの参加の程度を示すために用いられる、ステップと；前記活動度及び前記伝達度に基づいて、各オブジェクトに対応する影響度を特定するステップであって、前記影響度は、前記オブジェクトの他のオブジェクトへの影響力の程度を示すために用いられる、ステップと；影響度が所定の閾値より大きいオブジェクトを目標オブジェクトとして選択するステップと；を含む。

第２の態様は、オブジェクト選択装置を提供し、この装置は：目標オブジェクト選択に影響を与えるために用いられるサービス影響パラメータに基づいて、新しいオブジェクト関係重みを取得するために２つのオブジェクト間ごとの基本関係重みを調整するように構成された重み調整モジュールと；複数のオブジェクトを含むオブジェクト群内の各々の新しいオブジェクト関係重みに基づいて、前記オブジェクト群内の各オブジェクトに対応する伝達度を特定するように構成された伝達度特定モジュールと；サービスにおける各オブジェクトのサービス活動パラメータに基づいて、各オブジェクトに対応する、前記サービスへの前記オブジェクトの参加の程度を示すための活動度を特定するように構成された活動度特定モジュールと；前記活動度及び前記伝達度に基づいて、各オブジェクトに対応する、前記オブジェクトの他のオブジェクトへの影響力の程度を示すための影響度を特定するように構成された影響度特定モジュールと；影響度が所定の閾値より大きいオブジェクトを目標オブジェクトとして選択するように構成された選択処理モジュールと；を含む。

本願の実施におけるオブジェクト選択方法及び装置によれば、サービス影響パラメータに基づいて基本関係重みが調整されるので、伝達度をより正確に算出することができ、また、オブジェクトの活動度をも総合的に検討することによって、オブジェクトの影響度をより正確に特定することができる。したがって、該影響度に基づいて目標オブジェクトをより正確に選択することができ、サービスオブジェクト選択の精度を向上させることができる。

図１は、本願の実施に係る、オブジェクト選択方法を示す概略フローチャートである。

図２は、本願の実施に係る、他のオブジェクト選択方法を示す概略フローチャートである。

図３は、本願の実施に係る、オブジェクト選択装置を示す概略構成図である。

図４は、本願の実施に係る、他のオブジェクト選択装置を示す概略構成図である。

本願の実施は、リソース割り当てオブジェクト選択方法を提供する。該方法では、複数のオブジェクトを含むオブジェクト群から一部のオブジェクトを選択することができ、該一部のオブジェクトを目標オブジェクトと呼ぶことができる。これらの目標オブジェクトにサービスリソース（例えば、このリソースはある業者（マーチャント）が所定期間プロモーションイベントを実行し、このプロモーションイベントにおいて一定額を満たせば割引を提供するなどのサービス情報である、或いはこのリソースは直接割引券である、或いはこのリソースは消費クーポン券である）を割り当てた後、目標オブジェクトはサービスリソースに基づいてサービスプロモーション処理を実行することができ（例えば、目標オブジェクトは、ある方法によってサービスリソースを他のオブジェクトに割り当てることができる）、それによってサービスメリットが増加する（例えば、サービスリソースに基づいてより多くのオブジェクトが今回のサービス活動に参加するので、サービスメリットが増加する）。選択された目標オブジェクトが適切であるか否かは、サービスメリットが増加するか否か、及び割り当てられたサービスリソースが効果的に使用された否かに直接関連している。

図１は、オブジェクト選択方法を示す図である。該方法は、以下のステップを含むことができる。

ステップ１０１：目標オブジェクト選択に影響を与えるために用いられるサービス影響パラメータに基づいて、新しいオブジェクト関係重みを取得するために２つのオブジェクト間ごとの基本関係重みを調整する。

２つのオブジェクト間の基本関係重みは、２つのオブジェクト間のインタラクション（相互作用、対話）及びスティックネス（粘着性）を示すための測定パラメータである。例えば、２つのオブジェクトが頻繁にブログを転送し合ったり、頻繁にチャットし合ったり、又は相互への振込（トランスファー）操作を複数回実行したりする場合は、２つのオブジェクトは親密であり、基本関係重みはより高くなり得る。これとは逆に、２つのオブジェクトがめったに通信（コミュニケーション）を行わない場合は、２つのオブジェクトが疎遠であることを示し、基本関係重みは低くなり得る。

本ステップにおいて、サービスに関するサービス影響パラメータに基づいて基本関係重みを調整することができる。サービス影響パラメータは、目標オブジェクトを選択する際に考慮すべき重要なパラメータであり、該パラメータの不足は、目標オブジェクト選択の精度に影響を与える。しかし、基本関係重みを算出するときには、該パラメータは考慮されない。したがって、新しいオブジェクト関係重みを取得するためには、サービス影響パラメータに基づいて基本関係重みを調整する必要がある。新しいオブジェクト関係重みがサービス影響パラメータとマージ（併合）されるため、２つのオブジェクトの関係をより正確に反映することができる。

ステップ１０２：オブジェクト群内の各々の新しいオブジェクト関係重みに基づいて、オブジェクト群内の各オブジェクトに対応する伝達度を特定する。

本ステップにおいて、各オブジェクトの伝達度は、該オブジェクトが他のオブジェクトに与える影響力の程度を示す。例えば、あるオブジェクトの伝達度が比較的高く、該オブジェクトにサービスリソースが割り当てられている場合、該オブジェクトはサービスリソースを他のオブジェクトに送信して、他のオブジェクトをサービスリソースに対応するサービス活動に参加させることにより、サービスメリットが得られる。

例えば、ステップ１０１において任意の２つのオブジェクト間の新しいオブジェクト関係重みを算出し、新しいオブジェクト関係重みに基づいて、各オブジェクトに対応する伝達度を重み付けＰａｇｅＲａｎｋアルゴリズムを用いて特定することができる。新しいオブジェクト関係重みは、重み付けＰａｇｅＲａｎｋアルゴリズムで用いられる重みである。

ステップ１０３：サービスにおける各オブジェクトのサービス活動パラメータに基づいて、各オブジェクトに対応する活動度を特定する。

例えば、本ステップにおいて算出される活動度は、上述の伝達度と並列するパラメータであり、各オブジェクトは対応する伝達度及び活動度を有する。ここで、活動度は、サービスにおけるオブジェクトのサービス活動パラメータに基づいて特定することができる。活動度は、サービスへのオブジェクトの参加の程度を示すためのものである。オブジェクトがサービスに積極的に参加している場合、オブジェクトの活動度は高くなり、そうでない場合、活動度は低くなる。

例えば、あるオブジェクトの消費活動度は、過去３か月における該オブジェクトの消費店舗数、消費日数、消費回数等に基づいて算出することができ、これらのパラメータは該オブジェクトの消費が十分に活動的であるか否かを示す。オブジェクトが消費のために複数の店舗に頻繁に行く場合、オブジェクトの消費活動度は高くなる。オブジェクトが消費のために店舗に行くことがめったにない場合、オブジェクトの消費活動度は低くなる。

ステップ１０４：活動度及び伝達度に基づいて、各オブジェクトに対応する影響度を特定する。例えば、本ステップにおいて算出される影響度も、該オブジェクトが他のオブジェクトに与える影響力の程度を示すことができる。伝達度とは異なり、影響度は伝達度及び活動度に基づいて総合的に特定されるので、オブジェクトの影響度をより正確に測定することができる。

ステップ１０５：影響度が所定の閾値より大きいオブジェクトを目標オブジェクトとして選択する。

本ステップにおいて、複数の方法によって、影響度が所定の閾値より大きいオブジェクトを選択することができる。例えば、影響度の閾値を設定し、影響度が該閾値よりも大きい全てのオブジェクトを目標オブジェクトとして用いることができる。又は、影響度を分類し、最初のＮ個の影響度に対応するオブジェクトを目標オブジェクトとして用いることもでき、Ｎは自然数に設定することができる。これは、影響度が所定の閾値より大きいオブジェクトを選択する方法として考えることができる。目標オブジェクトを特定した後、該オブジェクトにサービスリソースを割り当てることができる。

本例示におけるオブジェクト選択方法によれば、サービス影響パラメータに基づいて基本関係重みが調整されるので、伝達度がより正確に算出され、また、オブジェクトの活動度を総合的に検討することによって、オブジェクトの影響度がより正確に特定される。したがって、該影響度に基づいて目標オブジェクトがより正確に選択される。言い換えれば、選択された目標オブジェクトは、サービスリソースをより適切に伝達して、サービスメリットを増加させることができる。

以下に、本願の実施におけるオブジェクト選択方法の応用を説明するための一例示として、料理を提供する（ケータリング）サービスにおけるマーケティングシナリオを用いる。このシナリオにおいて、いくつかの概念が関連し、予め次のように説明する。

ネットワークマーケティング：インターネットやソーシャルネットワークを介して一部のユーザに商品を宣伝して、その一部のユーザが商品を消費し、かつ彼らの友人の消費を促すマーケティングである。

影響最大化：所与のソーシャルネットワークにおいて、ネットワーク上のユーザ間の親密度が知られており、かつ関係重みを用いて測定することができる。ｋ人のユーザが最大数の他のユーザに影響を与えるよう、ｋ人の潜在的ユーザを選択する必要がある。本例示においては、この潜在的ユーザを目標オブジェクトと呼ぶことができる。

Ｏ２Ｏ：Ｏｎｌｉｎｅ ｔｏ Ｏｆｆｌｉｎｅの略語であって、オフラインビジネス方式であり、オンラインマーケティング及びオンライン消費により生じるオフライン消費を指す。

ＰａｇｅＲａｎｋアルゴリズム：ＰａｇｅＲａｎｋは、Ｇｏｏｇｌｅ社がウェブページの重要度をランク付けするために用いているアルゴリズムである。このアルゴリズムでは、ウェブページはノードと見なされ、ページ間の引用は有向エッジ（ｄｉｒｅｃｔｅｄ ｅｄｇｅ）と見なされる。基本的に、１つのノード（ウェブページ）が非常に重要であると仮定する、これは、重要なノードの多くがそのノードを指し、再帰的に定義された重要度がこのアルゴリズムによって反復して算出されるためである。先ず、ノードの重要度は同じであり、１であると仮定する。そして、各ノードは隣接ノードに等しく重要度を与え、隣接ノードから送られた重要度を加えて該ノードの新しい重要度が取得される。全てのノードの重要度が変化しなくなるまで反復して行われる。ＰａｇｅＲａｎｋアルゴリズムの各回におけるノード重要度を更新するための方程式は次の通りである。

ｐ_ｉは、今回の反復の後に取得されたノードｉのＰａｇｅＲａｎｋ値を示す。ｐ_ｊ’は、前回の反復の後に取得されたノードｊのＰａｇｅＲａｎｋ値を示す。ｗ_ｊｉは、ノードｊからノードｉへのエッジの正規化された重みを示し、ノードｊからノードｉへのエッジの重みを、ノードｊを始点とする全てのエッジの重みの合計で除した後に取得されたものである。αは、パラメータであり、通常は０．１５である。

重み付けＰａｇｅＲａｎｋアルゴリズム：このアルゴリズムでは、ある方法を用いてエッジ重みを算出することができる。例えば、ノードがユーザを表す場合、他のユーザによって転送（フォワード）された一人のユーザのブログの量がエッジ重みとして用いられる。

料理を提供するサービスにおけるマーケティングシナリオで、ユーザがより多くのユーザに影響を与え得るように、所与のユーザ群から、潜在的ユーザとしてｋ人のユーザを選択する必要があると仮定する。例えば、料理を提供する店舗では、クーポンを１０人のユーザに提供してレストランに来るようにし、その１０人のユーザに影響を受けてより多くの友人がレストランに来るようになることを意図している。このようなシーンはＯ２Ｏ方式でのネットワークマーケティング方法であり、クーポンを提供する潜在的ユーザを選択することによって影響を最大化することができる。そのため、本例示におけるオブジェクト選択方法を用いることにより、１０人の影響力のある潜在的ユーザを選択することができる。本例示において、潜在的ユーザを目標オブジェクトと呼び、潜在的ユーザに提供されるクーポンをサービスリソースと呼ぶ。

潜在的ユーザ、すなわち目標オブジェクトを選択する際に、ソーシャルネットワーク上における該ユーザの影響度を効果的に測定する必要がある。上述したレストランクーポンを提供（プロビジョニング）する例において、該ユーザの影響度を正確に特定することは、ユーザ間の相互関係の程度、２人のユーザが頻繁にブログを転送し合っているか否か、又は２人のユーザが頻繁にチャットし合っているか否かなどの様々な要因に影響される。さらに、ユーザの地理的位置も影響度の特定に大きな影響を与える。地理的位置に関連するパラメータは、目標オブジェクトの選択に影響を与える可能性があるサービス影響パラメータである。例えば、ユーザＡは北京に、ユーザＢは香港にいる。ユーザＡとユーザＢとは頻繁に対話（インタラクション）し、そして関係重みは大きくなり得るが、ユーザＡが北京にあるレストランの広告を転送した際に、その広告を見たとしてもユーザＢがそのレストランに行く可能性は低い。したがって、レストランクーポンを提供する例において、地理的位置は重要なサービス影響パラメータである。もちろん、他のサービスシナリオにおいては、サービスの特徴に基づいて、他のサービス影響パラメータを用いてオブジェクト間の関係重みを測定することができる。

図２は、オブジェクト選択方法の手順を示す図である。該方法を用いることによって、レストランクーポンを提供するシナリオで必要とされる目標オブジェクトを選択することができる。ステップ間の実行順序は該方法に限定されない。該方法は、特定のデータ処理装置によって実行することができる。図２に示すように、該方法は、以下のステップを含むことができる。

ステップ２０１：２つのオブジェクト間ごとの基本関係重みを算出する。

例えば、本例示におけるオブジェクト群は、多くのユーザを含む。２つのオブジェクト間ごとの基本関係重みが算出される。言い換えれば、任意の２人のユーザ間の重みが算出される。２人のユーザ間の基本関係重みを用いて、２人のユーザ間の関係の強さを示すことができる。

基本関係重みを算出するためのパラメータは、チャット回数、「いいね」アイコンのタップ回数、ブログ転送回数、振込回数、振込額などを含むことができる。データ処理装置は、上述のパラメータを取得することができる。例えば、振込回数及び振込額は、決済サーバによって取得することができ、決済サーバは、振込の際に使用された履歴データを格納することができる。他の例において、チャット回数はインスタントメッセージングサーバによって格納されているデータに基づいて取得することができる。データ処理装置は、これらのパラメータを組み合わせて、２人のユーザ間の基本関係重みを算出することができる。２人のユーザがｉ及びｊとして表される場合、対応する基本関係重みはＷ＜ｉ，ｊ＞として表される。

ステップ２０２：サービスにおけるオブジェクトの住所情報に基づいて該オブジェクトの活動地域を特定し、また、サービスに記録されている該オブジェクトの出身地域を取得する。

インターネットシステムを利用する場合、ユーザは、インターネット利用のための端末装置のＩＰアドレス、及び注文の際にユーザによって記入された受取住所などの多くの位置情報を残す。データ処理装置は、サービスにおけるユーザの住所情報、例えば、ＩＰアドレスに対応する都市、又は受取住所に対応する都市を取得することができる。最も頻繁に使用される都市をユーザの活動地域として用いることができる。また、いくつかのサービスはユーザが出身地域を入力することを必要とするため、データ処理装置はさらに、サービスに記録されているユーザの出身地域を取得することもできる。

ステップ２０３：オブジェクトの活動地域及び出身地域に基づいて、地理的位置係数を特定する。

本ステップにおいて、パラメータ、すなわち地理的位置係数を設定することができ、該係数を用いて２人のユーザ間の地理的位置関係を示すことができる。地理的位置係数は、２つのオブジェクトの活動地域及び出身地域が同じであるか否かに基づいて設定することができる。例えば、２人のユーザの活動地域及び出身地域が同じである場合、地理的位置係数は最も高く設定される。２人のユーザの活動地域及び出身地域のうちの少なくとも一方が異なる場合、地理的位置係数は低く設定される。もちろん、オブジェクトの活動地域と出身地域との間の関係が反映できるのであれば、他の方法で地理的位置係数を設定することもできる。

例えば、Ｏ２Ｏのシナリオでは、ユーザの影響度は地理的な位置によって制限される。同じ都市の友人は影響を受けやすい。ユーザＡの活動都市及び出身都市はどちらも杭州であり、かつユーザＡは、友人Ｂ（活動都市が杭州である）、友人Ｃ（活動都市は北京であるが、出身都市は杭州である）、友人Ｄ（活動都市及び出身都市の両方が北京である）の三人の友人を有すると仮定する。ある日、杭州のあるレストランで食事をした後、味と雰囲気が良かったため、ユーザＡは生活圏内のそのレストランを共有する。杭州にいる友人Ｂは、ユーザＡの共有のために週末にそのレストランに行く可能性があるが、北京にいる友人Ｃと友人Ｄは、レストランに行く可能性がほとんどない。そのため、ユーザＡは同じ都市の友人に対しより大きな影響を与える。友人Ｃと友人Ｄを比較すると、杭州は友人Ｃの出身地域であるため、友人Ｃの方がそのレストランに行く可能性がより高い。これは、友人Ｃは正月や祝日に杭州に行く可能性があり、Ａの勧めの影響によりそのレストランに行く可能性があることを示している。友人Ｄは、杭州に行く可能性がほとんどないが、出張や旅行などで杭州に行く可能性もまだ存在する。

上述の例示において、地理的位置係数は、２人のユーザ間の地理的位置関係に基づいて設定することができる。例えば、地理的位置係数はｐであり、ユーザＡとユーザＢとの間のｐは１に設定され、ユーザＡとユーザＣとの間のｐは０．２に設定され、ユーザＡとユーザＤとの間のｐは０．０２に設定されると仮定する。言い換えれば、本例示における地理的位置係数ｐは、以下の原則に従うことができる。

ｐ＝１．０：ユーザｉとユーザｊの活動都市は同じである。言い換えれば、ｉとｊは大抵同じ都市にいる。

ｐ＝０．２：２人のユーザの出身都市が同じであるか、又は一方のユーザの活動都市が他方のユーザの出身都市と同じである。

ｐ＝０．０２：２人のユーザの出身都市と活動都市が全て異なる。

ステップ２０４：調整された新しいオブジェクト関係重みを取得するために地理的位置係数を用いて基本関係重みを調整する。

本例示では、ステップ２０１の算出により取得された基本関係重みに基づいて、ステップ２０３で取得された地理的位置係数を用いて、２つのオブジェクト間の基本関係重みを調整することができる。例えば、調整された重みを新しいオブジェクト関係重みと呼び、Ｒ＜ｉ，ｊ＞を用いてユーザｉとユーザｊとの間の新しいオブジェクト関係重みを示すと仮定する。調整方法は以下の通りである。
Ｒ＜ｉ，ｊ＞＝Ｗ＜ｉ，ｊ＞×ｐ

言い換えれば、新しいオブジェクト関係重みは、基本関係重みと地理的位置係数との積であり得る。しかし、本実施は該調整方法に限定されず、地理的位置係数に基づく調整のための他の調整方程式も用いることができる。例えば、ｐが１に設定された場合、調整された重みは基本関係重みと同じである。ｐが０．２に設定された場合、新しいオブジェクト関係重みは、基本関係重みの２０％に減少する。ｐが０．０２に設定された場合、新しいオブジェクト関係重みは、基本関係重みの２％に減少する。

ステップ２０５：オブジェクト群内の各々の新しいオブジェクト関係重みに基づいて、オブジェクト群内の各オブジェクトに対応する伝達度を特定する。

本ステップにおいて、調整された新しいオブジェクト関係重みＲ＜ｉ，ｊ＞を正規化して、重み付けネットワークを構築することができる。各ユーザの伝達度（Ｔｒａｎｓｍｉｓｓｉｂｉｌｉｔｙ）は、重み付けＰａｇｅＲａｎｋアルゴリズムを用いて算出される。言い換えれば、ステップ２０４で取得された新しいオブジェクト関係重みを用いることによって、ＰａｇｅＲａｎｋアルゴリズムで言及したノード重要度更新の方程式に基づく計算により、伝達度を取得することができる。

ステップ２０６：サービスにおける各オブジェクトのサービス活動パラメータに基づいて、各オブジェクトに対応する活動度を特定する。

本例示において、選択される潜在的ユーザは、Ｏ２Ｏ領域内で活動的なユーザであり得るので、ユーザはレストランに行く可能性がある。そのため、そのユーザの友人に同じ消費への影響を与える。ユーザがレストランでなく常に家で食事をする場合、クーポンでユーザに影響を与えることは難しく、ユーザが友人にレストランに行くように勧めることは難しい。したがって、本ステップでは、ユーザの活動度を特定する必要がある。

例えば、活動度（Ａｃｔｉｖｅ）は、以下の方法によって算出することができる。過去３か月のユーザのオフライン消費回数、業者（商店）数などを取得することができ、以下の方程式に基づいて活動度を算出する。
活動度＝業者数×消費日数×ｌｏｇ（消費回数）

上記の式に基づいて、複数の店舗に複数回連続して行き消費しているユーザのみが活動的であり、該ユーザは他のユーザの消費に影響を与える可能性が高い。

ステップ２０７：活動度及び伝達度に基づいて、各オブジェクトに対応する影響度を特定する。

本ステップにおいて、オブジェクトの影響度を、活動度及び伝達度に基づいて総合的に特定する。高い活動度及び伝達度を有するユーザのみが、高い影響度を有する可能性がある。本例示において、影響度に対して算出された活動度の重みが、影響度に対して算出された伝達度の重みよりも低いと特定する。影響度間の違いは、以下の方法によって反映させることができる。

例えば、活動度は［１，５０］に正規化することができ、伝達度は［１，１０００］に正規化することができる。次に、以下の方程式を用いて対応する影響度（Ｉｎｆｌｕｅｎｃｅ）を算出する。
影響度＝伝達度×活動度

上述の例示においては、活動度は、伝達度より影響度に対する影響が小さい。例えば、１日に１回レストランに行くユーザＡと、１日に４回レストランに行くユーザとの間の影響度の違いは明確でない。しかし、ソーシャルネットワーク上でめったにコメントを書くことがない一般ユーザの伝達度は無視することができ、その伝達度は、高い伝達度を有するユーザよりはるかに低くなり得る。

ステップ２０８：影響度が所定の閾値より大きいオブジェクトを目標オブジェクトとして選択する。

本例示においては、重み付けＰａｇｅＲａｎｋアルゴリズムが改善される。アルゴリズムにおける重みは調整され、関係重みの算出の際に、ユーザの地理的位置が考慮される。さらに、Ｏ２Ｏ領域におけるユーザの影響度を、ユーザの活動度に基づいてより効果的に測定することができる。影響度の高いユーザにリソースを割り当てることで、より優れたサービスメリットが得られる。

上述のオブジェクト選択方法を実施するために、本願の実施は、オブジェクト選択装置をさらに提供する。図３に示すように、該装置は、重み調整モジュール３１と、伝達度特定モジュール３２と、活動度特定モジュール３３と、影響度特定モジュール３４と、選択処理モジュール３５とを含むことができる。

重み調整モジュール３１は、目標オブジェクト選択に影響を与えるために用いられるサービス影響パラメータに基づいて、新しいオブジェクト関係重みを取得するために２つのオブジェクト間ごとの基本関係重みを調整するように構成される。

伝達度特定モジュール３２は、複数のオブジェクトを含むオブジェクト群内の各々の新しいオブジェクト関係重みに基づいて、オブジェクト群内の各オブジェクトに対応する伝達度を特定するように構成される。

活動度特定モジュール３３は、サービスにおける各オブジェクトのサービス活動パラメータに基づいて、各オブジェクトに対応する、サービスへのオブジェクトの参加の程度を示すための活動度を特定するように構成される。

影響度特定モジュール３４は、活動度及び伝達度に基づいて、各オブジェクトに対応する、該オブジェクトの他のオブジェクトへの影響力の程度を示すための影響度を特定するように構成される。

選択処理モジュール３５は、影響度が所定の閾値より大きいオブジェクトを目標オブジェクトとして選択するように構成される。

一例として、重み調整モジュール３１は、２つのオブジェクト間の地理的位置関係に基づいて、サービス影響パラメータとして用いられる地理的位置係数を特定し、調整された新しいオブジェクト関係重みを取得するために該地理的位置係数を用いて基本関係重みを調整するように構成される。

一例として、図４に示すように、重み調整モジュール３１は、サービスにおけるオブジェクトの住所情報に基づいて該オブジェクトの活動地域を特定し、サービスに記録されている該オブジェクトの出身地域を取得するように構成される住所取得ユニット３１１と、２つのオブジェクトが同じ活動地域及び出身地域を有するか否かに基づいて、異なる地理的位置係数を設定するように構成されるパラメータ設定ユニット３１２とを含む。

一例として、影響度特定モジュール３４は、影響度に対して算出された活動度の重みが、影響度に対して算出された伝達度の重みよりも低いと特定するように構成される。

一例として、各オブジェクトに対応する伝達度は、重み付けＰａｇｅＲａｎｋアルゴリズムを用いて特定される。

上述の説明は、本願の好適な実施に過ぎず、本願を限定するものではない。本願の趣旨と原理から逸脱することなく施される如何なる修正、均等物による置換、又は改良も、本願の保護範囲内に入るものとする。

３１ 重み調整モジュール
３２ 伝達度特定モジュール
３３ 活動度特定モジュール
３４ 影響度特定モジュール
３５ 選択処理モジュール
３１１ 住所取得ユニット
３１２ パラメータ設定ユニット

Claims (10)

1. オブジェクト選択方法であって：
   目標オブジェクト選択に影響を与えるために用いられるサービス影響パラメータに基づいて、新しいオブジェクト関係重みを取得するために２つのオブジェクト間ごとの基本関係重みを調整するステップと；
   オブジェクト群内の各々の新しいオブジェクト関係重みに基づいて、前記オブジェクト群内の各オブジェクトに対応する伝達度を特定するステップであって、前記オブジェクト群は複数のオブジェクトを備える、ステップと；
   サービスにおける各オブジェクトのサービス活動パラメータに基づいて、各オブジェクトに対応する活動度を特定するステップであって、前記活動度は、前記サービスへの前記オブジェクトの参加の程度を示すために用いられる、ステップと；
   前記活動度及び前記伝達度に基づいて、各オブジェクトに対応する影響度を特定するステップであって、前記影響度は、前記オブジェクトの他のオブジェクトへの影響力の程度を示すために用いられる、ステップと；
   影響度が所定の閾値より大きいオブジェクトを目標オブジェクトとして選択するステップと；を備える、
   オブジェクト選択方法。
2. 目標オブジェクト選択に影響を与えるために用いられるサービス影響パラメータに基づいて、新しいオブジェクト関係重みを取得するために２つのオブジェクト間ごとの基本関係重みを調整する前記ステップは：
   前記２つのオブジェクト間の地理的位置関係に基づいて地理的位置係数を特定するステップであって、前記地理的位置係数は、前記サービス影響パラメータとして用いられる、ステップと；
   前記調整された新しいオブジェクト関係重みを取得するために前記地理的位置係数を用いて前記基本関係重みを調整するステップと；を備える、
   請求項１に記載のオブジェクト選択方法。
3. 前記２つのオブジェクト間の地理的位置関係に基づいて地理的位置係数を特定する前記ステップは：
   前記サービスにおける前記オブジェクトの住所情報に基づいて前記オブジェクトの活動地域を特定し、前記サービスに記録されている前記オブジェクトの出身地域を取得するステップと；
   前記２つのオブジェクトが同じ活動地域及び出身地域を有するか否かに基づいて、異なる地理的位置係数を設定するステップと；を備える、
   請求項２に記載のオブジェクト選択方法。
4. 前記活動度及び前記伝達度に基づいて、各オブジェクトに対応する影響度を特定する前記ステップは：
   前記影響度に対して算出された前記活動度の重みが、前記影響度に対して算出された前記伝達度の重みよりも低いと特定するステップを備える、
   請求項１に記載のオブジェクト選択方法。
5. 各オブジェクトに対応する前記伝達度は、重み付けＰａｇｅＲａｎｋアルゴリズムを用いて特定される、
   請求項１乃至請求項４のいずれか１項に記載のオブジェクト選択方法。
6. オブジェクト選択装置であって：
   目標オブジェクト選択に影響を与えるために用いられるサービス影響パラメータに基づいて、新しいオブジェクト関係重みを取得するために２つのオブジェクト間ごとの基本関係重みを調整するように構成された重み調整モジュールと；
   複数のオブジェクトを含むオブジェクト群内の各々の新しいオブジェクト関係重みに基づいて、前記オブジェクト群内の各オブジェクトに対応する伝達度を特定するように構成された伝達度特定モジュールと；
   サービスにおける各オブジェクトのサービス活動パラメータに基づいて、各オブジェクトに対応する、前記サービスへの前記オブジェクトの参加の程度を示すための活動度を特定するように構成された活動度特定モジュールと；
   前記活動度及び前記伝達度に基づいて、各オブジェクトに対応する、前記オブジェクトの他のオブジェクトへの影響力の程度を示すための影響度を特定するように構成された影響度特定モジュールと；
   影響度が所定の閾値より大きいオブジェクトを目標オブジェクトとして選択するように構成された選択処理モジュールと；を備える、
   オブジェクト選択装置。
7. 前記重み調整モジュールは、前記２つのオブジェクト間の地理的位置関係に基づいて、前記サービス影響パラメータとして用いられる地理的位置係数を特定し、前記調整された新しいオブジェクト関係重みを取得するために前記地理的位置係数を用いて前記基本関係重みを調整するように構成される、
   請求項６に記載のオブジェクト選択装置。
8. 前記重み調整モジュールは：
   前記サービスにおける前記オブジェクトの住所情報に基づいて前記オブジェクトの活動地域を特定し、前記サービスに記録されている前記オブジェクトの出身地域を取得するように構成された住所取得ユニットと；
   前記２つのオブジェクトが同じ活動地域及び出身地域を有するか否かに基づいて、異なる地理的位置係数を設定するように構成されたパラメータ設定ユニットと；を備える、
   請求項７に記載のオブジェクト選択装置。
9. 前記影響度特定モジュールは、前記影響度に対して算出された前記活動度の重みが、前記影響度に対して算出された前記伝達度の重みよりも低いと特定するように構成される、
   請求項６に記載のオブジェクト選択装置。
10. 各オブジェクトに対応する前記伝達度は、重み付けＰａｇｅＲａｎｋアルゴリズムを用いて特定される、
    請求項６乃至請求項９のいずれか１項に記載のオブジェクト選択装置。

Images