JP2020057206A

JP2020057206A - 情報処理装置

Info

Publication number: JP2020057206A
Application number: JP2018187513A
Authority: JP
Inventors: 大熊　智子; Tomoko Okuma; 智子大熊; 政寛佐藤; Masahiro Sato; 友紀谷口; Tomonori Taniguchi
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2018-10-02
Filing date: 2018-10-02
Publication date: 2020-04-09
Anticipated expiration: 2038-10-02
Also published as: JP7206761B2; US20200104901A1

Abstract

【課題】或るユーザの嗜好を推定するための情報が不足していた場合であっても、当該或るユーザの嗜好に応じたアイテムを提示する。【解決手段】属性推定部１０１は、複数のＳＮＳユーザの投稿履歴から各々のＳＮＳユーザの属性を推定する。嗜好推定部１０２は、複数のＳＮＳユーザの投稿履歴から各々のＳＮＳユーザの嗜好を推定する。記憶部１０３は、推定された属性及び嗜好を対応付けて記憶する。特定部１０４は、アイテムの推薦相手となる顧客ユーザについて、そのユーザの属性に対応する嗜好を記憶部１０３の記憶内容から特定する。【選択図】図３

Description

本発明は情報処理装置に関する。

商品やサービス（以下、これらをアイテムと総称する）を推薦する仕組みがある。例えば特許文献１では、ＳＮＳ（Social Networking Service）におけるその商品の評判に基づいて商品を推薦する仕組みが提案されている。

特開２０１４−６７３５９号広報

本発明は、或るユーザの嗜好を推定するための情報が不足していた場合であっても、当該或るユーザの嗜好に応じたアイテムを提示することを目的とする。

請求項１に係る情報処理装置は、複数のユーザの投稿履歴から、各々の前記ユーザの属性を推定する属性推定手段と、前記複数のユーザの投稿履歴から、各々の前記ユーザの嗜好を推定する嗜好推定手段と、推定された前記属性及び前記嗜好を対応付けて記憶する記憶手段と、推薦相手となるユーザの属性に対応する嗜好を前記記憶手段の記憶内容から特定する特定手段と、前記推薦相手となるユーザに対して特定された嗜好に応じたアイテムを当該推薦相手となるユーザに提示する提示手段とを備えることを特徴とする。

請求項２に係る情報処理装置は、請求項１記載の構成において、前記嗜好推定手段は、所定の条件に合致する投稿履歴から嗜好を推定する場合に、当該投稿履歴と当該嗜好との関係に対する重みづけを行って、前記ユーザの嗜好を推定する。

請求項３に係る情報処理装置は、請求項２記載の構成において、前記嗜好推定手段は、投稿したユーザが前記投稿履歴の原作成者ではない場合には、当該投稿したユーザが当該投稿履歴の原作成者である場合に比べて、当該投稿履歴と前記嗜好との関係に対する重みを小さくする。

請求項４に係る情報処理装置は、請求項２記載の構成において、前記嗜好推定手段は、広告又は宣伝を目的とした投稿履歴については、広告又は宣伝以外を目的とした投稿に比べて、当該投稿履歴と前記嗜好との関係に対する重みを小さくする。

請求項５に係る情報処理装置は、請求項１記載の構成において、前記嗜好推定手段は、前記属性推定手段によって推定されるユーザの属性に応じて、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える。

請求項６に係る情報処理装置は、請求項５記載の構成において、前記嗜好推定手段は、前記属性推定手段によって推定されるユーザの属性の種類に応じて、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える。

請求項７に係る情報処理装置は、請求項５記載の構成において、前記嗜好推定手段は、前記属性推定手段によって推定されるユーザの属性の推定精度に応じて、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える。

請求項８に係る情報処理装置は、請求項７記載の構成において、前記嗜好推定手段は、前記推薦相手となるユーザの属性以外の属性を加味して、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える。

請求項９に係る情報処理装置は、請求項７記載の構成において、前記嗜好推定手段は、前記属性推定手段により推定された属性以外の属性である確率を加味して、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える。

請求項１０に係る情報処理装置は、請求項１記載の構成において、前記特定手段は、前記記憶手段に前記推薦相手となるユーザの属性と同じ属性が記憶されていない場合には、他の属性のユーザの嗜好を用いて前記推薦相手となるユーザの嗜好を特定する。

請求項１１に係る情報処理装置は、請求項１０記載の構成において、前記特定手段は、前記記憶手段に前記推薦相手となるユーザの属性と同じ第１の属性が記憶されていない場合には、前記推薦相手となるユーザの属性が持つ第２の属性に対応する嗜好を特定する
ことを特徴とする請求項１０記載の情報処理装置。

請求項１２に係る情報処理装置は、請求項１０記載の構成において、前記特定手段は、前記記憶手段に前記推薦相手となるユーザの第１の属性と同じ属性が記憶されていない場合には、前記推薦相手となるユーザの嗜好と類似する嗜好を持つ第２の属性のユーザの嗜好に応じて、前記推薦相手となるユーザの属性と同じ第２の属性に対応する嗜好を特定する。

請求項１３に係る情報処理装置は、請求項１２記載の構成において、前記推薦相手となるユーザの嗜好と類似する嗜好を持つユーザの属性が予め決められている。

請求項１４に係る情報処理装置は、請求項１２記載の構成において、前記推薦相手となるユーザの嗜好と類似する嗜好を持つユーザの属性が当該属性の数値御又は位置の近さに応じて決められている。

請求項１５に係る情報処理装置は、請求項１２記載の構成において、推薦相手となるユーザの第１のアイテムに対する嗜好が、第２のアイテムに対する他のユーザに対する嗜好に応じて決められている。

請求項１に記載の情報処理装置によれば、或るユーザの嗜好を推定するための情報が不足していた場合であっても、当該或るユーザの嗜好に応じたアイテムを提示する。
請求項２に記載の情報処理装置によれば、投稿履歴と嗜好との関係を加味してユーザの嗜好を推定する。
請求項３に記載の情報処理装置によれば、投稿したユーザが投稿履歴の原作成者ではない場合とある場合とで、投稿履歴と嗜好との関係に対する重みを変えられる。
請求項４に記載の情報処理装置によれば、広告又は宣伝を目的とした投稿履歴と広告又は宣伝以外を目的とした投稿とで、投稿履歴と嗜好との関係に対する重みを変えられる。
請求項５に記載の情報処理装置によれば、ユーザの属性に応じて、当該ユーザの投稿履歴と嗜好との関係に対する重みを変えられる。
請求項６に記載の情報処理装置によれば、ユーザの属性の種類に応じて、当該ユーザの投稿履歴と嗜好との関係に対する重みを変えられる。
請求項７に記載の情報処理装置によれば、ユーザの属性の推定精度に応じて、当該ユーザの投稿履歴と嗜好との関係に対する重みを変えられる。
請求項８に記載の情報処理装置によれば、推薦相手となるユーザの属性以外の属性を加味して、当該ユーザの投稿履歴と嗜好との関係に対する重みを変えられる。
請求項９に記載の情報処理装置によれば、属性推定手段により推定された属性以外の属性である確率を加味して、当該ユーザの投稿履歴と嗜好との関係に対する重みを変えられる。
請求項１０に記載の情報処理装置によれば、記憶手段に推薦相手となるユーザの属性と同じ属性が記憶されていない場合でも、推薦相手となるユーザの嗜好を特定する。
請求項１１に記載の情報処理装置によれば、記憶手段に推薦相手となるユーザの属性と同じ第１の属性が記憶されていない場合でも、推薦相手となるユーザの嗜好を特定する。
請求項１２に記載の情報処理装置によれば、記憶手段に推薦相手となるユーザの属性と同じ第１の属性が記憶されていない場合でも、推薦相手となるユーザの嗜好を特定する。
請求項１３に記載の情報処理装置によれば、推薦相手となるユーザの嗜好と類似する嗜好を持つユーザの属性が予め決められている。
請求項１４に記載の情報処理装置によれば、推薦相手となるユーザの嗜好と類似する嗜好を持つユーザの属性が当該属性の数値御又は位置の近さに応じて決められている。
請求項１５に記載の情報処理装置によれば、推薦相手となるユーザの第１のアイテムに対する嗜好が、第２のアイテムに対する他のユーザに対する嗜好に応じて決められている。

本発明の実施形態に係る情報処理システムの構成を示すブロック図である。情報処理装置のハードウェア構成を示すブロック図である。情報処理装置の機能構成を示すブロック図である。情報処理装置の動作を示すフローチャートである。

＜構成＞
以下、本発明の実施形態について説明する。図１は、本発明の実施形態に係る情報処理システム１０の構成を示すブロック図である。この情報処理システム１０は、情報処理装置１と、複数の投稿サイト２ａ，２ｂ（以下、投稿サイト２という）と、これらが通信可能となるように接続するインターネット等のネットワーク３とを備える。投稿サイト２は、例えばＳＮＳ（Social Networking Service）、ブログ、掲示板と呼ばれるサービスを提供するコンピュータである。投稿サイト２は、ＳＮＳを利用するユーザ（以下、ＳＮＳユーザという）が投稿したデータを蓄積しており（以下、このデータ群を投稿履歴という）、これをネットワーク３に接続された装置に提供する。情報処理装置１は、投稿サイト２に蓄積されている投稿履歴から、そのＳＮＳユーザの年齢や性別等の属性と、アイテムに対するそのＳＮＳユーザの嗜好の度合いとを推定して、両者の関係を特定する。そして、情報処理装置１は、この関係を利用して、推薦を行う相手となる対象ユーザ（以下、顧客ユーザという）に対し、その顧客ユーザの属性から推薦対象となるアイテムを特定して、そのアイテムに関する情報をその顧客ユーザに提示する。

図２は、情報処理装置１のハードウェア構成を示すブロック図である。情報処理装置１は、制御部１１と、通信部１３と、記憶部１２とを備えている。制御部１１は、ＣＰＵ（Central Processing Unit）などの演算処理装置と、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）などの記憶装置とを備えている。ＲＯＭには、ＣＰＵによって実行されるプログラムが記憶されている。ＣＰＵは、ＲＡＭをワークエリアとして用いてＲＯＭや記憶部１２に記憶されたプログラムを実行することによって、情報処理装置１の各部の動作を制御する。通信部１３は、通信回路を備えており、データ通信を行う。記憶部１２は、例えばハードディスクなどの記憶手段であり、制御部１１が用いるデータ群やプログラム群を記憶している。

図３は、情報処理装置１の機能構成を示すブロック図である。取得部１００は、各投稿サイト２からネットワーク３を介して投稿履歴を取得する。

属性推定部１０１は、複数のＳＮＳユーザの投稿履歴から各々のＳＮＳユーザの属性を推定する。具体的には、属性推定部１０１は、例えば投稿に含まれるテキストデータとＳＮＳユーザの属性との関係を教師あり学習等の技術を用いて事前に機械学習しておく。例えば、属性推定部１０１は、投稿において２０代の女性が多用するワードが頻出する場合は、それを投稿したＳＮＳユーザは２０代女性であるという関係を学習しておく。属性推定部１０１は、その学習モデルを用いて、各投稿について、その投稿を行ったＳＮＳユーザの属性を推定する。ここでいうＳＮＳユーザの属性とは、例えば性別、年齢（ないし年代）、職業、居住地等である。

嗜好推定部１０２は、複数のＳＮＳユーザの投稿履歴から各々のＳＮＳユーザの嗜好を推定する。具体的には、嗜好推定部１０２は、例えば自然言語処理を用いてアイテムに関するＳＮＳユーザの感情を分析する手法（センチメント分析）等の方法を用いて、各投稿に含まれるアイテムに対する、その投稿を行ったＳＮＳユーザの嗜好の度合いを推定する。つまり、嗜好推定部１０２による嗜好推定の対象となる投稿は、アイテムを意味するワードを含む投稿に限られる。

記憶部１０３は、推定された属性及び嗜好を対応付けて記憶する。例えば記憶部１０３は、各投稿について推定された属性（例えば２０代女性）及び嗜好（例えば商品の種類や旅行先候補となる地名、タバコの銘柄など）の関係を、全投稿について統計的に処理したうえで、その結果を記憶する。例えば、各々のＳＮＳユーザの処理の結果、「属性：20代」「性別：女性」「アイテム：ハワイ」「嗜好：ポジティブ」などが記憶される。

特定部１０４は、アイテムの推薦相手となる或る顧客ユーザについて、その顧客ユーザの属性に対応する嗜好を記憶部１０３の記憶内容から特定する。具体的には、特定部１０４は、ユーザ識別情報とその顧客ユーザの属性とが少なくとも含まれる顧客リスト等において、アイテムの推薦相手となる顧客ユーザの属性を特定し、さらにその顧客ユーザの属性に対応する嗜好を記憶部１０３の記憶内容から特定する。例えば、推薦相手となる顧客ユーザの属性が「２０代女性」であれば、アイテムとそれに対応する嗜好として、「アイテム：ハワイ」「嗜好：ポジティブ」といった内容が特定される。

提示部１０５は、上記推薦相手となる顧客ユーザに対して特定された嗜好に対応するアイテムをその顧客ユーザに提示する。具体的には、提示部１０５は、ＳＮＳユーザの嗜好の種類とその嗜好に合致したアイテムに関する情報（アイテム名やそのアイテムを説明する説明情報等）とが少なくとも含まれるアイテムリスト等において、特定部１０４により特定された嗜好に対応するアイテムに関する情報を、上記ユーザ識別情報によって特定されるユーザの通信装置等に送信して表示させる。例えば、ＳＮＳユーザの２０代女性の嗜好が「ハワイ」に対して「ポジティブ」であり、アイテムとして旅行先のリストが与えられたときに、そこに含まれるアイテム名が「ハワイ」であれば、そのアイテムが推薦アイテムとして顧客ユーザの通信装置等に送信される。

＜動作＞
図４は情報処理装置１の動作を示すフローチャートである。まず、取得部１００は、各投稿サイト２からネットワーク３を介して複数の投稿履歴を取得する（ステップＳ１１）。

次に、属性推定部１０１は、複数のＳＮＳユーザの投稿履歴から各々のＳＮＳユーザの属性を推定する（ステップＳ１２）。

嗜好推定部１０２は、複数のＳＮＳユーザの投稿履歴から各々のＳＮＳユーザの嗜好を推定する（ステップＳ１３）。

記憶部１０３は、推定された属性及び嗜好を対応付けて記憶する（ステップＳ１４）。

特定部１０４は、顧客リスト等において、アイテムの推薦相手となる或る推薦相手となる顧客ユーザを特定する（ステップＳ１５）。

特定部１０４は、推定相手として特定したＳＮＳユーザの属性に対応する嗜好を記憶部１０３の記憶内容から特定する（ステップＳ１６）。

提示部１０５は、推薦相手となるＳＮＳユーザに対して特定された嗜好に対応するアイテムをそのユーザに提示する（ステップＳ１７）。

以上の実施形態によれば、複数の投稿履歴からＳＮＳユーザの属性と嗜好との関係を推定し、その推定結果を用いて、特定の顧客ユーザの嗜好に応じたアイテムを提示する。

＜変形例＞
以下の変形例は互いに組み合わせて実施してもよい。
＜変形例１＞
嗜好推定部１０２は、所定の条件に合致する投稿履歴からＳＮＳユーザの嗜好を推定するときには、当該投稿履歴と当該嗜好との関係に対する重みづけを行って、ＳＮＳユーザの嗜好を推定するようにしてもよい。例えば次のような重みづけの例が考えられる。

例えば嗜好推定部１０２は、投稿した投稿者が当該投稿の原作成者ではないという条件に合致する場合には、投稿した投稿者が当該投稿の原作成者である場合に比べて、当該投稿履歴と嗜好との関係に対する重みを小さくするようにしてもよい。これは、例えば推薦相手となる第１のＳＮＳユーザのツイートと呼ばれる投稿を、第２のＳＮＳユーザがリツイートと呼ばれる形式で転記して投稿する場合を想定している。この場合、第２のＳＮＳユーザにより投稿された内容には、その第２のＳＮＳユーザの嗜好が表現されていない場合があるから、この第２のＳＮＳユーザの当該投稿履歴と第２のＳＮＳユーザの嗜好との関係に対する重みを小さくする。重みを小さくする方法としては、統計処理における集計時の投稿件数に対して１未満の値を乗算するとか、センチメント分析においてポジネガをスコア換算する際に１未満の値を乗算するとか、学習データからダウンサンプリングするなどの方法が考えられる。これにより、記憶部１０３が属性推定部１０１より推定された属性及び嗜好推定部１０２より推定された嗜好を対応付けて記憶するときの、これら属性及び嗜好の関係が弱くなる。

また例えば、嗜好推定部１０２は、広告又は宣伝を目的とした投稿であるという条件に合致する場合は、広告又は宣伝以外を目的とした投稿に比べて、当該投稿履歴と嗜好との関係に対する重みを小さくするようにしてもよい。この場合も、広告又は宣伝を目的とした投稿された内容には、投稿者であるＳＮＳユーザの嗜好が表現されていない場合があると考えられるからである。重みを小さくする方法としては上記の例と同様である。

＜変形例２＞
ＳＮＳユーザの属性とＳＮＳユーザの嗜好との関係性は、そのＳＮＳユーザの属性に応じて異なる場合がある。例えば性別という種類の属性が嗜好に関係する度合いに比べて、職業という種類の属性が嗜好に関係する度合いは小さい場合がある。そこで、嗜好推定部１０２は、或る種類の属性に対応する嗜好の重みを１と仮定すると、それ以外の種類の属性に対応する嗜好の重みを１未満にする。つまり、嗜好推定部１０２は、属性推定部１０１によって推定されるＳＮＳユーザの属性に応じて、当該ＳＮＳユーザの投稿履歴と嗜好との関係に対する重みを変える。より具体的には、嗜好推定部１０２は、属性推定部１０１によって推定されるＳＮＳユーザの属性の種類に応じて、当該ＳＮＳユーザの投稿履歴と嗜好との関係に対する重みを変える。

また、属性推定部１０１がＳＮＳユーザの属性を推定するときの推定精度はその属性によって異なる場合がある。例えば属性推定部１０１が年齢（ないし年代）という属性を推定するときの精度は、属性推定部１０１が職業という属性を推定するときの精度よりも高いことがある。そこで、推薦相手となる顧客ユーザの属性として年齢と職業が推定された場合、嗜好推定部１０２は、年齢という属性に対応する嗜好の重みを１と仮定すると、職業という属性に対応する嗜好の重みを１未満にする。つまり、嗜好推定部１０２は、属性推定部１０１によって推定されるＳＮＳユーザの属性に応じて、当該ＳＮＳユーザの投稿履歴と嗜好との関係に対する重みを変える。より具体的には、嗜好推定部１０２は、属性推定部１０１によって推定されるＳＮＳユーザの属性の推定精度に応じて、当該ＳＮＳユーザの投稿履歴と嗜好との関係に対する重みを変える。

さらに、前述したように属性推定部１０１による属性推定には誤判定の可能性があるため、嗜好推定部１０２は、推定された属性以外の属性も加味して、当該ＳＮＳユーザの投稿履歴と前記嗜好との関係に対する重みを変えるようにしてもよい。例えば属性として学生である推定されたときの推定精度が７０%であれば、それ以外の属性（例えば会社員、主婦、自営業とする）について１００−７０＝３０%の可能性を均等に配分して、会社員１０%、主婦１０%、自営業１０%とする。つまり、嗜好推定部１０２は、推薦相手が、７０%の可能性で学生であり、１０%の可能性で会社員であり、１０%の可能性で主婦であり、１０%の可能性で自営業であると仮定して、その嗜好を推定する。

また、誤判定の確率が既知であれば、嗜好推定部１０２は、推定された属性以外の属性である確率も加味して、当該ＳＮＳユーザの投稿履歴と前記嗜好との関係に対する重みを変えるようにしてもよい。例えば属性として学生である推定精度が７０%であり、会社員である推定精度が１５%であり、主婦である推定精度が１０%であり、自営業である推定精度が５０%であれば、特定部１０４は、推薦相手が、７０%の可能性で学生であり、１５%の可能性で会社員であり、１０%の可能性で主婦であり、５%の可能性で自営業であると仮定して、その嗜好を推定する。

＜変形例３＞
推薦相手となり得る顧客ユーザを列挙した顧客リスト上には存在する属性であっても、投稿サイトから推定していない属性が存在する場合も考えられる。例えば顧客リストには４０代という属性があるが、或るアイテムに関する投稿履歴から推定したユーザの属性が１０代、２０代、３０代のみというケースである。このように記憶部１０３に推薦相手の顧客ユーザの属性と同じ属性が記憶されていない場合には、特定部１０４は、他の属性のユーザの嗜好を用いて前記推薦相手となる顧客ユーザの嗜好を特定するようにしてもよい。例えば、特定部１０４は、推薦相手の顧客ユーザの属性群のうち或る第１の属性は一致しないが他の第２の属性が一致する顧客ユーザの嗜好に応じて、推薦相手の嗜好を特定する。例えば記憶部１０３の記憶内容に、推薦相手の属性である４０代主婦という属性は存在しないが、２０代主婦と３０代主婦という属性が存在する場合には、２０代主婦という属性に対応する嗜好と３０代主婦という属性に対応する嗜好の平均的な嗜好を推薦相手である４０代主婦という属性のユーザに推薦するアイテムとして特定する。この場合、上記の第１の属性は「４０代」であり、第２の属性は「主婦」である。

また、特定部１０４は、推薦相手となる第１の顧客ユーザの嗜好と類似する嗜好を持つ第２の属性の顧客ユーザの嗜好に応じて、推薦相手となる第１のユーザの嗜好を特定するようにしてもよい。例えば４０代のユーザの嗜好は３０代のユーザの嗜好に近いという前提において、特定部１０４は、３０代主婦という属性に対応する嗜好に基づいて、推薦相手の４０代主婦という属性の顧客ユーザの嗜好を特定する。

ここで、推薦相手となるユーザの嗜好と類似する嗜好を持つ顧客ユーザがどのような属性であるかを判定する方法は例えば次の通りである。まず、事前知識にもとづいて予め決まっている場合である。例えば或るファッションに対する嗜好は、主婦と自営業の方が、主婦と会社員より近いなどである。つまり、推薦相手となる顧客ユーザの嗜好と類似する嗜好を持つ顧客ユーザの属性が予め決められている。

また、属性の座標空間上における数値は位置の近さに基づいて判定する方法がある。例えば居住地という属性として関東と東海の方が、関東と関西より近いとか、年齢という属性として４０代と３０代の方が４０代と２０代より近いなどである。つまり、推薦相手となる顧客ユーザの嗜好と類似する嗜好を持つ顧客ユーザの属性が当該属性の数値御又は位置の近さに応じて決められている。

また、アイテムに対する嗜好をもとに判定する方法がある。Ａというアイテムに関する４０代のＳＮＳユーザの投稿はないが、ＢというアイテムとＣというアイテムに対しては４０代のＳＮＳユーザと３０代のＳＮＳユーザの嗜好が近いから、Ａというアイテムに対する４０代のＳＮＳユーザの嗜好を３０代のＳＮＳユーザの嗜好に基づいて特定するなどである。つまり、推薦相手となるＳＮＳユーザの第１のアイテムに対する嗜好が、第２のアイテムに対する他のユーザに対する嗜好に応じて決められている。

本発明は、コンピュータを情報処理装置として機能させるためのプログラムや、係るプログラムを記録した記録媒体の形態でも提供され得る。また、本発明に係るプログラムは、インターネット等のネットワークを介してコンピュータにダウンロードされてもよい。
また、本発明に係る画像処理装置は画像形成装置に内蔵されたものであってもよい。

１・・・情報処理装置、２ａ，２ｂ・・・投稿サイト、３・・・ネットワーク、１０・・・情報処理システム、１１・・・制御部、１２・・・記憶部、１３・・・通信部、１００・・・取得部、１０１・・・属性推定部、１０２・・・嗜好推定部、１０３・・・記憶部、１０４・・・特定部、１０５・・・提示部。

Claims

複数のユーザの投稿履歴から、各々の前記ユーザの属性を推定する属性推定手段と、
前記複数のユーザの投稿履歴から、各々の前記ユーザの嗜好を推定する嗜好推定手段と、
推定された前記属性及び前記嗜好を対応付けて記憶する記憶手段と、
推薦相手となるユーザの属性に対応する嗜好を前記記憶手段の記憶内容から特定する特定手段と、
前記推薦相手となるユーザに対して特定された嗜好に応じたアイテムを当該推薦相手となるユーザに提示する提示手段と
を備えることを特徴とする情報処理装置。
前記嗜好推定手段は、所定の条件に合致する投稿履歴から嗜好を推定する場合に、当該投稿履歴と当該嗜好との関係に対する重みづけを行って、前記ユーザの嗜好を推定する
ことを特徴とする請求項１記載の情報処理装置。
前記嗜好推定手段は、投稿したユーザが前記投稿履歴の原作成者ではない場合には、当該投稿したユーザが当該投稿履歴の原作成者である場合に比べて、当該投稿履歴と前記嗜好との関係に対する重みを小さくする
ことを特徴とする請求項２記載の情報処理装置。
前記嗜好推定手段は、広告又は宣伝を目的とした投稿履歴については、広告又は宣伝以外を目的とした投稿に比べて、当該投稿履歴と前記嗜好との関係に対する重みを小さくする
ことを特徴とする請求項２記載の情報処理装置。
前記嗜好推定手段は、前記属性推定手段によって推定されるユーザの属性に応じて、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える
ことを特徴とする請求項１記載の情報処理装置。
前記嗜好推定手段は、前記属性推定手段によって推定されるユーザの属性の種類に応じて、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える
ことを特徴とする請求項５記載の情報処理装置。
前記嗜好推定手段は、前記属性推定手段によって推定されるユーザの属性の推定精度に応じて、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える
ことを特徴とする請求項５記載の情報処理装置。
前記嗜好推定手段は、前記推薦相手となるユーザの属性以外の属性を加味して、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える
ことを特徴とする請求項７記載の情報処理装置。
前記嗜好推定手段は、前記属性推定手段により推定された属性以外の属性である確率を加味して、当該ユーザの投稿履歴と前記嗜好との関係に対する重みを変える
ことを特徴とする請求項７記載の情報処理装置。
前記特定手段は、前記記憶手段に前記推薦相手となるユーザの属性と同じ属性が記憶されていない場合には、他の属性のユーザの嗜好を用いて前記推薦相手となるユーザの嗜好を特定する
ことを特徴とする請求項１記載の情報処理装置。
前記特定手段は、前記記憶手段に前記推薦相手となるユーザの属性と同じ第１の属性が記憶されていない場合には、前記推薦相手となるユーザの属性が持つ第２の属性に対応する嗜好を特定する
ことを特徴とする請求項１０記載の情報処理装置。
前記特定手段は、前記記憶手段に前記推薦相手となるユーザの第１の属性と同じ属性が記憶されていない場合には、前記推薦相手となるユーザの嗜好と類似する嗜好を持つ第２の属性のユーザの嗜好に応じて、前記推薦相手となるユーザの属性と同じ第２の属性に対応する嗜好を特定する
ことを特徴とする請求項１０記載の情報処理装置。
前記推薦相手となるユーザの嗜好と類似する嗜好を持つユーザの属性が予め決められている
ことを特徴とする請求項１２記載の情報処理装置。
前記推薦相手となるユーザの嗜好と類似する嗜好を持つユーザの属性が当該属性の数値御又は位置の近さに応じて決められている
ことを特徴とする請求項１２記載の情報処理装置。
推薦相手となるユーザの第１のアイテムに対する嗜好が、第２のアイテムに対する他のユーザに対する嗜好に応じて決められている
ことを特徴とする請求項１２記載の情報処理装置。