JP2021022243A - 推薦システム、推薦制御プログラム、および、推薦制御方法 - Google Patents
推薦システム、推薦制御プログラム、および、推薦制御方法 Download PDFInfo
- Publication number
- JP2021022243A JP2021022243A JP2019139236A JP2019139236A JP2021022243A JP 2021022243 A JP2021022243 A JP 2021022243A JP 2019139236 A JP2019139236 A JP 2019139236A JP 2019139236 A JP2019139236 A JP 2019139236A JP 2021022243 A JP2021022243 A JP 2021022243A
- Authority
- JP
- Japan
- Prior art keywords
- probability
- information
- action
- user
- recommendation
- 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.)
- Ceased
Links
- 238000000034 method Methods 0.000 title claims description 65
- 230000009471 action Effects 0.000 claims abstract description 244
- 238000004364 calculation method Methods 0.000 claims abstract description 70
- 238000012545 processing Methods 0.000 claims description 57
- 230000010365 information processing Effects 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 43
- 230000006399 behavior Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 14
- 230000004044 response Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 235000009419 Fagopyrum esculentum Nutrition 0.000 description 2
- 240000008620 Fagopyrum esculentum Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
図2は、情報処理装置10の構成の例を説明する図である。情報処理装置10は、入出力処理部15、制御部20、および、記憶部50を備える。入出力処理部15は、入力部16と出力部17を有する。入力部16は、推薦情報の要求やセンシングデータなどの情報の入力に使用される。なお、入力部16は、端末1から送信された要求メッセージなどを受信しても良い。出力部17は、得られた推薦情報の出力に使用される。端末1から送信された要求メッセージを入力部16が受信する場合、出力部17は、推薦情報を端末1に向けて送信する。
以下、図4に示すように、情報処理装置10が端末1およびサーバ5と通信することにより、推薦情報の通知が行われる場合を例として、第1の実施形態を説明する。以下の例では、端末1から位置情報やセンサデータなどの情報が情報処理装置10に通知されるものとする。なお、第1の実施形態では、情報処理装置10はユーザ属性情報52を記憶していなくても良い。
図5は、センサデータとコンテキスト情報の例を説明する図である。なお、図5に示すセンサデータやコンテキスト情報は一例に過ぎない。センサデータやコンテキスト情報に含まれる情報要素は、実装に応じて任意に変更され得る。
以下、情報処理装置10が推薦価値の高い情報を決定する方法の例を説明する。推薦価値の高い情報は、推薦情報を取得していないユーザの間で知られている確率が低く、かつ、推薦した場合に選択される可能性の高い行動についての情報である。推薦情報を取得していないユーザがコンテキストcにおいて行動xを実行する確率(実行確率)をPC(x)とする。実行確率であるPC(x)は、そのコンテキストcで行動xが推薦情報を取得していないユーザに知られている確率(既知確率)と、行動xを知っている場合に行動xが選択される確率(選択確率)の積である。コンテキストcで行動xが推薦情報を取得していないユーザに知られている確率をPC(kx)と記述する。さらに、コンテキストcでユーザが行動xを知っている場合に行動xを選択する確率をPC(x|kx)と記載する。すると、実行確率、既知確率、選択確率の間には、以下の関係が成り立つ。
実行確率=既知確率×選択確率
PC(x)=PC(kx)×PC(x|kx)・・・(1)
すなわち、実行確率の低い行動xは、行動x自体が知られている確率が低いために実行されにくいケースと、行動x自体は知られているが行動xの魅力が低いために選択されないケースがあり得ることになる。
PC(x)=1.0=PC(kx)×PC(x|kx)・・・(3)
このため、ケースC1に示すように、既知確率と選択確率のいずれも1.0となる。ケースC1は、予め設定されている順路通りの道順や1本道で他の選択肢がない場合などが該当する。従って、このようなケースについてはユーザに推薦情報を提供しても、利用価値の高い情報にはならない。
PC(x)=0.5=PC(kx)×PC(x|kx)・・・(4)
PC(x)=0.1=PC(kx)×PC(x|kx)・・・(5)
ここで、ケースC3のグラフのうち領域βは、既知確率が比較的高いが選択確率が低くなっている。従って、領域βにプロットされる値を有する行動xは、だれもが知っているが選ばれにくい行動であるといえる。例えば、大通り沿いにあるが人気のない店を推薦する場合は、領域βの行動を推薦することに含まれる。従って、領域βにプロットされる値に対応付けられる行動を推薦しても利用価値の高い推薦情報にはならない。
図9は、第1の実施形態にかかる推薦制御方法の例を説明するフローチャートである。図9では、u、c、x、r、yの5つの変数を使用する。変数uは、推薦情報の提供先となるユーザを示す。変数cは状況(コンテキスト)を示す。変数xは、コンテキストに対応付けて行動履歴情報51に記録されている行動である。変数rは、変数xで表される行動の中から、ユーザへ推薦する対象として選択した行動を指す。変数yは、推薦情報を受信したユーザのとった行動を表す。
第2の実施形態では、ユーザにとって価値の高い情報を選択するためにユーザ属性情報52を使用する場合について説明する。
図13は、第3の実施形態にかかる計算部70の例を説明する図である。計算部70は、実行確率取得部61、選択確率取得部62、ユーザ類似度演算部64、選択確率推測部65、実行確率推測部71、および、既知確率演算部72を備える。実行確率取得部61、選択確率取得部62、ユーザ類似度演算部64、選択確率推測部65で行われる処理は、第2の実施形態と同様である。
図15は、第4の実施形態にかかる計算部80の例を説明する図である。計算部80は、選択確率予測モデル学習部81、既知確率予測モデル学習部82、選択確率予測モデル格納部83、既知確率予測モデル格納部84、選択確率予測部85、および、既知確率予測部86を有する。なお、計算部80のうち、選択確率予測モデル格納部83と既知確率予測モデル格納部84は、メモリ102および記憶装置106(図3)によって実現され得る。計算部80は、さらに、実行確率取得部61、選択確率取得部62、および、既知確率演算部63を備える。実行確率取得部61、選択確率取得部62、および、既知確率演算部63で行う処理は、第2の実施形態と同様である。
図18は、第5の実施形態にかかる計算部90の例を説明する図である。計算部90は、実行確率予測モデル学習部91、実行確率予測モデル格納部92、実行確率予測部93、および、既知確率演算部94を備える。さらに、計算部90は、実行確率取得部61、選択確率取得部62、選択確率予測モデル学習部81、選択確率予測モデル格納部83、および、選択確率予測部85も備える。実行確率取得部61と選択確率取得部62で行われる処理は第2の実施形態と同様である。さらに、選択確率予測モデル学習部81、選択確率予測モデル格納部83、および、選択確率予測部85で行われる処理は第4の実施形態と同様である。
なお、実施形態は上記に限られるものではなく、様々に変形可能である。以下にその例をいくつか述べる。
以上の説明では、既知確率と選択確率の閾値処理をして、ユーザの既知確率が低くて選択確率の高い領域(図8のαの領域)にプロットされる行動を推薦対象として決定する例を説明したが、推薦対象の決定方法は実装に応じて変更され得る。
の確率分布
は(0,1)である。しかし、行動xが推薦されると、ユーザは行動xを選択するか迷うので、確率分布
は(Pu,C(x|kx),1−Pu,C(x|kx))のようになる。ここで相対エントロピーをD(u,c,x)とすると、D(u,c,x)は式(14)で表される。
第1〜第5の実施形態のいずれにおいても、行動履歴情報51中の情報の全てを均等に扱わず、推薦情報を作成する時点から遡って一定の回数以内に含まれる推薦情報を重視して計算を行っても良い。例えば、ユーザuのコンテキストcにおいての前回の推薦処理で計算した選択確率Pu,C(x|kx)をP’u,C(x|kx)とし、一定回数をNとする。また、ユーザuのコンテキストcにおいての今回の推薦から遡った処理回数をnとする。
は、コンテキストcにおいてxが推薦された回数である。
なお、第2〜第5の実施形態でも、第1の実施形態と同様に行動把握部40による行動履歴情報51の更新が実行されるので、更新後の行動履歴情報51によって、次回以降の推薦処理が行われる。従って、いずれの実施形態においても、推薦処理の処理回数の増加に従って、行動履歴情報51に記録されている情報量が増大し、より適切な推薦処理を行いやすくなる。
2 推薦システム
5 サーバ
6 ネットワーク
10 情報処理装置
15 入出力処理部
16 入力部
17 出力部
20 制御部
21 ユーザ識別部
22 コンテキスト取得部
23 特定部
24 推薦情報生成部
30、60、70、80、90 計算部
31、66 既知確率推定部
32、65 選択確率推定部
40 行動把握部
41 解析部
42 更新処理部
50 記憶部
51 行動履歴情報
52 ユーザ属性情報
61、87 実行確率取得部
62、88 選択確率取得部
63、72、89、94 既知確率演算部
64 ユーザ類似度演算部
71 実行確率推測部
81 選択確率予測モデル学習部
82 既知確率予測モデル学習部
83 選択確率予測モデル格納部
84 既知確率予測モデル格納部
85 選択確率予測部
86 既知確率予測部
91 実行確率予測モデル学習部
92 実行確率予測モデル格納部
93 実行確率予測部
101 プロセッサ
102 メモリ
103 入力装置
104 出力装置
105 バス
106 記憶装置
107 可搬記憶媒体駆動装置
108 可搬記憶媒体
109 ネットワークインタフェース
Claims (8)
- 過去に実行された行動と前記行動が実行された状況を対応付けた行動履歴情報を記憶する記憶部と、
推薦情報の要求と前記推薦情報を使用するユーザの置かれた状況を示す状況情報が入力されると、前記状況情報が示す状況に対応付けられた1つ以上の行動を特定する特定部と、
特定された前記1つ以上の行動の各々について、当該行動が前記ユーザの選択肢にある確率を表す第1の確率、および、当該行動が前記選択肢にある場合に当該行動を前記ユーザが選択する確率である第2の確率を計算する計算部と、
前記1つ以上の行動のうちで、相対的に前記第1の確率が低く、かつ、相対的に前記第2の確率が高い行動を、前記推薦情報として出力する出力部
を備えることを特徴とする推薦システム。 - 前記行動履歴情報は、前記行動履歴情報に含まれる行動が実行される前に、当該行動を実行した実行者に推薦した推薦情報の履歴を含み、
前記計算部は、前記行動履歴情報を参照することにより、
計算処理の対象とする対象行動に対する前記第2の確率を、前記状況情報が表す状況で前記対象行動を推薦した場合に前記対象行動が選択された確率として計算し、
前記対象行動に対する前記第1の確率を、前記状況情報が表す状況で前記対象行動が実行された確率を前記対象行動についての前記第2の確率で割ったときの商として計算する
ことを特徴とする請求項1に記載の推薦システム。 - 前記行動履歴情報は、前記行動履歴情報に記録された行動の各々について当該行動を実行した実行者の情報と前記実行者に推薦した推薦情報をさらに含み、
前記計算部は、
前記行動履歴情報に記録された行動の各々について、前記実行者と当該行動が実行されたときの状況の組み合わせごとに、当該状況で当該行動を推薦した場合に前記当該実行者によって当該行動が選択された選択確率を機械学習して、選択確率予測モデルを生成し、
前記ユーザの情報と前記状況情報の組み合わせについて前記選択確率予測モデルから得られる予測値を前記第2の確率とする
ことを特徴とする請求項1に記載の推薦システム。 - 前記計算部は、
前記行動履歴情報に記録された行動の各々について、前記実行者と当該行動が実行されたときの状況の組み合わせごとに、当該行動が実行された確率を前記選択確率で割ったときの商を前記実行者が当該行動を知っていた確率として機械学習して、既知確率予測モデルを生成し、
前記ユーザの情報と前記状況情報の組み合わせについて前記既知確率予測モデルから得られる予測値を前記第1の確率とする
ことを特徴とする請求項3に記載の推薦システム。 - 前記推薦情報が出力された後に前記推薦情報の出力先から入力された情報を解析することにより、前記ユーザが実行した行動を判定する解析部と、
前記解析部で得られた解析結果を用いて前記行動履歴情報を更新する更新処理部
をさらに含むことを特徴とする請求項1〜4のいずれか1項に記載の推薦システム。 - 前記行動履歴情報は、前記行動履歴情報に記録された行動の各々について当該行動を実行した実行者の情報を含み、
前記記憶部は、前記行動履歴情報に含まれる前記実行者の各々について、前記推薦情報の分類に使用可能な1つ以上のカテゴリの各々に対する興味の強さの指標値を記録した属性情報を記憶するとともに、前記ユーザについての前記指標値も記憶し、
前記計算部は、処理対象の行動について前記第2の確率を求める際に、前記属性情報に含まれる前記指標値の傾向が前記ユーザの前記指標値の傾向と異なる第1の実行者が前記処理対象の行動を選択する確率よりも、前記指標値の傾向が前記ユーザの前記指標値の傾向と類似した第2の実行者が前記処理対象の行動を選択する確率に近い値に前記第2の値を計算する
ことを特徴とする請求項1〜5のいずれか1項に記載の推薦システム。 - 推薦情報の要求と前記推薦情報を使用するユーザの置かれた状況を示す状況情報が入力されると、過去に実行された行動と前記行動が実行された状況を対応付けた行動履歴情報を参照することにより、前記状況情報が示す状況に対応付けられた1つ以上の行動を特定し、
特定された前記1つ以上の行動の各々について、当該行動が前記ユーザの選択肢にある確率を表す第1の確率、および、当該行動が前記選択肢にある場合に当該行動を前記ユーザが選択する確率である第2の確率を計算し、
前記1つ以上の行動のうちで、相対的に前記第1の確率が低く、かつ、相対的に前記第2の確率が高い行動を、前記推薦情報として出力する
処理を情報処理装置に行わせることを特徴とする推薦制御プログラム。 - 推薦情報の要求と前記推薦情報を使用するユーザの置かれた状況を示す状況情報が入力されると、過去に実行された行動と前記行動が実行された状況を対応付けた行動履歴情報を参照することにより、前記状況情報が示す状況に対応付けられた1つ以上の行動を特定し、
特定された前記1つ以上の行動の各々について、当該行動が前記ユーザの選択肢にある確率を表す第1の確率、および、当該行動が前記選択肢にある場合に当該行動を前記ユーザが選択する確率である第2の確率を計算し、
前記1つ以上の行動のうちで、相対的に前記第1の確率が低く、かつ、相対的に前記第2の確率が高い行動を、前記推薦情報として出力する
処理を情報処理装置が行うことを特徴とする推薦制御方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019139236A JP2021022243A (ja) | 2019-07-29 | 2019-07-29 | 推薦システム、推薦制御プログラム、および、推薦制御方法 |
US16/939,707 US11783215B2 (en) | 2019-07-29 | 2020-07-27 | Information processing apparatus and recommendation control method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019139236A JP2021022243A (ja) | 2019-07-29 | 2019-07-29 | 推薦システム、推薦制御プログラム、および、推薦制御方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021022243A true JP2021022243A (ja) | 2021-02-18 |
Family
ID=74260448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019139236A Ceased JP2021022243A (ja) | 2019-07-29 | 2019-07-29 | 推薦システム、推薦制御プログラム、および、推薦制御方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11783215B2 (ja) |
JP (1) | JP2021022243A (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11243788B1 (en) * | 2020-10-01 | 2022-02-08 | Bank Of America Corporation | Cognitive tracking and navigation training system for improved application performance |
KR20230073684A (ko) * | 2021-11-19 | 2023-05-26 | 현대자동차주식회사 | 추천 알고리즘 기반 문제 조치 제안 시스템 및 그 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008262398A (ja) * | 2007-04-12 | 2008-10-30 | Toshiba Corp | 情報推薦システムおよび情報推薦方法 |
JP2009230514A (ja) * | 2008-03-24 | 2009-10-08 | Nec Corp | 行き先情報推薦システム、行き先情報推薦装置、携帯端末および行き先情報推薦方法 |
JP2012203663A (ja) * | 2011-03-25 | 2012-10-22 | Nippon Telegraph & Telephone West Corp | 推薦手法の評価方法 |
JP2017049910A (ja) * | 2015-09-04 | 2017-03-09 | 株式会社東芝 | アイテム推薦システム、アイテム推薦方法およびプログラム |
US20180240030A1 (en) * | 2016-03-18 | 2018-08-23 | Youku Internet Technology (Beijing) Co., Ltd. | Content recommendation method, apparatus and system |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4127809B2 (ja) | 2003-08-22 | 2008-07-30 | 日本電信電話株式会社 | 行動支援システムで使用されるサーバ装置及びそのプログラム |
US8065254B1 (en) * | 2007-02-19 | 2011-11-22 | Google Inc. | Presenting a diversity of recommendations |
US7908238B1 (en) * | 2007-08-31 | 2011-03-15 | Yahoo! Inc. | Prediction engines using probability tree and computing node probabilities for the probability tree |
JP5392808B2 (ja) | 2007-11-27 | 2014-01-22 | 日本電気株式会社 | コンテクスト対応情報推薦装置、コンテクスト対応情報推薦方法およびコンテクスト対応情報推薦プログラム |
JP5410462B2 (ja) | 2011-02-08 | 2014-02-05 | 日本電信電話株式会社 | 行動及び属性推定装置及び方法及びプログラム |
JP5586530B2 (ja) * | 2011-06-08 | 2014-09-10 | 株式会社日立ソリューションズ | 情報提示装置 |
JPWO2013088682A1 (ja) | 2011-12-15 | 2015-04-27 | 日本電気株式会社 | 推薦条件修正装置、推薦条件修正方法、および、推薦条件修正プログラム |
US20150074544A1 (en) * | 2012-05-11 | 2015-03-12 | Sony Corporation | Information processing apparatus, information processing method, and program |
US9015099B2 (en) * | 2012-08-14 | 2015-04-21 | Sri International | Method, system and device for inferring a mobile user's current context and proactively providing assistance |
JP6129802B2 (ja) * | 2014-09-19 | 2017-05-17 | ヤフー株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
JP6416657B2 (ja) | 2015-02-26 | 2018-10-31 | Kddi株式会社 | 目的地推薦装置、サーバ、目的地推薦システムおよび目的地推薦プログラム |
US20160260153A1 (en) * | 2015-03-04 | 2016-09-08 | Mastercard International Incorporated | Method and system for non-markov based product recommendation |
-
2019
- 2019-07-29 JP JP2019139236A patent/JP2021022243A/ja not_active Ceased
-
2020
- 2020-07-27 US US16/939,707 patent/US11783215B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008262398A (ja) * | 2007-04-12 | 2008-10-30 | Toshiba Corp | 情報推薦システムおよび情報推薦方法 |
JP2009230514A (ja) * | 2008-03-24 | 2009-10-08 | Nec Corp | 行き先情報推薦システム、行き先情報推薦装置、携帯端末および行き先情報推薦方法 |
JP2012203663A (ja) * | 2011-03-25 | 2012-10-22 | Nippon Telegraph & Telephone West Corp | 推薦手法の評価方法 |
JP2017049910A (ja) * | 2015-09-04 | 2017-03-09 | 株式会社東芝 | アイテム推薦システム、アイテム推薦方法およびプログラム |
US20180240030A1 (en) * | 2016-03-18 | 2018-08-23 | Youku Internet Technology (Beijing) Co., Ltd. | Content recommendation method, apparatus and system |
Also Published As
Publication number | Publication date |
---|---|
US11783215B2 (en) | 2023-10-10 |
US20210034996A1 (en) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11734609B1 (en) | Customized predictive analytical model training | |
US11200611B2 (en) | Computer vision for unsuccessful queries and iterative search | |
US10706446B2 (en) | Method, system, and computer-readable medium for using facial recognition to analyze in-store activity of a user | |
US11113615B2 (en) | Real-time event analysis utilizing relevance and sequencing | |
JP5805548B2 (ja) | 情報処理装置、及び、情報処理方法 | |
KR20180042934A (ko) | 콘텐츠 추천 방법, 장치 및 시스템 | |
US10162868B1 (en) | Data mining system for assessing pairwise item similarity | |
US20190325224A1 (en) | Electronic device and method for controlling the electronic device thereof | |
US20110117537A1 (en) | Usage estimation device | |
US20220014597A1 (en) | Computer-implemented system and method for distributed activity detection | |
US10847049B2 (en) | Interactive service platform and operating method thereof | |
EP3819851A1 (en) | Electronic device and method for controlling same | |
JP2007058398A (ja) | コンテンツ推薦装置、コンテンツ推薦方法及びコンピュータプログラム | |
JP2021022243A (ja) | 推薦システム、推薦制御プログラム、および、推薦制御方法 | |
JPWO2012017786A1 (ja) | コミュニケーション支援装置、コミュニケーション支援方法、およびプログラム | |
KR20200133976A (ko) | 콘텐츠 큐레이션 방법 및 장치 | |
US11561761B2 (en) | Information processing system, method, and storage medium | |
US20220121696A1 (en) | Using a hierarchical machine learning algorithm for providing personalized media content | |
CN113204699B (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
WO2020196100A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JPWO2010084629A1 (ja) | 推薦システム、推薦方法、推薦プログラム及び情報記憶媒体 | |
US12034823B2 (en) | Interactive service platform and operating method thereof | |
JP2020190964A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US11544315B2 (en) | Systems and methods for using hierarchical ordered weighted averaging for providing personalized media content | |
CN110858235B (zh) | 热启动广义加性混合效应(game)框架 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220407 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230328 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230425 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230606 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230912 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230921 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20230921 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231003 |
|
A045 | Written measure of dismissal of application [lapsed due to lack of payment] |
Free format text: JAPANESE INTERMEDIATE CODE: A045 Effective date: 20240227 |