JP2022161774A - 情報処理装置、情報処理方法およびプログラム - Google Patents
情報処理装置、情報処理方法およびプログラム Download PDFInfo
- Publication number
- JP2022161774A JP2022161774A JP2021089033A JP2021089033A JP2022161774A JP 2022161774 A JP2022161774 A JP 2022161774A JP 2021089033 A JP2021089033 A JP 2021089033A JP 2021089033 A JP2021089033 A JP 2021089033A JP 2022161774 A JP2022161774 A JP 2022161774A
- Authority
- JP
- Japan
- Prior art keywords
- query
- similarity
- subset
- unit
- information processing
- 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
Links
Images
Abstract
Description
例えば、ウェブ上に構築されるEC(Electronic Commerce)サイトは、検索エンジンを実装し、ユーザが購入を所望するアイテムを検索するためのクエリの入力を受け付けて、クエリに含まれる、検索のキーとなるキーワードに一致するタグでタグ付けされたアイテムを検索エンジンに検索させて、検索結果として得られたアイテムのリストをユーザに提示する。
しかしながら、1つのクエリに含まれる複数のキーフレーズやキーワードのそれぞれが、何を実際に購入したいか、のユーザの意図を、必ずしも均等に代表するわけではない。このため、部分一致検索では、ユーザの意図から大きく外れる検索結果も出力されるおそれがあり、検索精度が低下しかねない。
具体的には、特許文献1の情報処理システムにおいては、クエリタイプ分類部が、クエリを、フレーズ、キーワード、またはこれらの任意の組み合わせデータのいずれかに分類し、クエリタイプ判定部が、要望辞書データベースを検索して、分類されたフレーズ、キーワード、または組み合わせデータに対応するクエリタイプおよびクエリタイプスコアを取得し、取得されたクエリタイプスコアの高いフレーズ、キーワード、または組み合わせデータを選択する。
しかしながら、特許文献1の技術では、クエリに含まれ得る構成要素であるキーフレーズやキーワードの候補のそれぞれについて、クエリタイプおよびクエリタイプスコアを事前に辞書に定義しておかなければならない。
このため、事前定義に係る登録や保守の負荷が増大するとともに、事前定義されていないクエリの構成要素についてはクエリタイプスコアを取得することができないため、柔軟性に欠け、検索精度が低下してしまうおそれがある。
上記情報処理装置は、前記ユーザの行動履歴に基づいて、前記第1のクエリまたは前記第2のクエリを、当該クエリの属性にリンクで接続し、前記リンクに重みを付与することで、クエリモデルを生成し、生成された前記クエリモデルを記憶装置に記憶するクエリモデル生成部をさらに備え、前記類似度算出部は、前記記憶装置に記憶される前記クエリモデルを参照することにより、前記第2のクエリの前記類似度を算出してよい。
ユーザの行動履歴に基づいて、前記第2のクエリの、前記第1のクエリに対する類似度を算出するステップと、前記第2のクエリの前記類似度に基づいて、前記クエリサブセットのスコアを算出するステップと、複数の前記クエリサブセットのうち、算出された前記スコアがより高いクエリサブセットを特定するステップとを含む。
上記した本発明の目的、態様及び効果並びに上記されなかった本発明の目的、態様及び効果は、当業者であれば添付図面及び請求の範囲の記載を参照することにより下記の発明を実施するための形態から理解できるであろう。
本実施形態に係るキーワード特定装置はさらに、ユーザの行動履歴に基づいて生成されたクエリモデルを参照して、生成された各クエリのオリジナルのクエリに対する類似度を算出し、算出された類似度から、当該シングルのスコアを算出することにより、より高いスコアが算出されたシングルを、ユーザの意図により合致するキーワードとして特定する。
図1は、本実施形態に係るキーワード特定装置1の機能構成の一例を示すブロック図である。
図1に示すキーワード特定装置1は、クエリ入力部11、クエリ分割部12、クエリモデル生成部13、シングル評価部14、および出力部15を備える。
キーワード特定装置1は、PC(Personal Computer)等で構成されるクライアント装置(不図示)とネットワークを介して通信可能に接続してよい。この場合、キーワード特定装置1はサーバに実装され、クライアント装置は、キーワード特定装置1が外部と情報の入出力を実行する際のユーザインタフェースを提供してよく、また、キーワード特定装置1の各コンポーネント11~15の一部または全部を備えてもよい。
クエリ入力部11はまた、キーワード特定装置1においてキーワード特定処理を実行するために必要な各種パラメータの入力を受け付ける。クエリ入力部11は、キーワード特定装置1と通信可能に接続されるクライアント装置のユーザインタフェースを介して、各種パラメータの入力を受け付けてよい。
本実施形態において、クエリ分割部12はさらに、分割された複数のトークンから、後述するシングル評価部14による評価(スコア算出)の対象となる複数のシングルを生成し、生成された複数のシングルを、シングル評価部14に供給する。
シングル(shingle)とは、クエリの部分一致(partial match)検索に使用されるキーフレーズまたはキーワードであり、1つまたは複数のトークン(語)から構成される。
これら3つのトークン「travel」、「coffee」、および「mug」から、2つのトークン(トークンのクラスタ)から構成されるシングルとして、「travel coffee」、「travel mug」、「coffee mug」、1つのトークンから構成されるシングルとして、「travel」、「coffee」、および「mug」が、それぞれ生成される。
このように、シングルは、1つのトークンまたは複数のトークンの任意の組み合わせで構成される、キーワードまたはキーフレーズである。すなわち、シングルは、トークンのセット(組)の任意のサブセットであり、クエリの任意のサブセット(クエリサブセット)である。マルチワードクエリからは、複数のシングル、すなわち、複数のクエリのサブセットが生成される。
以下、キーワードおよびキーフレーズを総称して、「キーワード」という。すなわち、キーワードとは、検索のキーとなる、1つまたは複数の語からなるものとする。シングルを生成することで、検索範囲を拡大し、より多くの検索結果が出力され得る。
クエリモデルとは、クエリと、当該クエリに関連付けられる1つまたは複数の属性と、クエリと各属性とを接続するリンクとから構成される、クエリと属性との意味的な関係をモデル化したグラフである。クエリと各属性とを接続するリンクには、リンクの両端に接続されるクエリと属性との間の関連性の大きさを示す重みが付与されている。クエリモデルは、複数のクエリを、これら複数のクエリの双方に関連付けられる1つまたは複数の属性を介して接続したグラフであってもよい。
なお、アイテムに対してユーザが実行する操作は、例えば、アイテムの画像やリンクをクリックする操作、アイテムの画像をタップして閲覧する操作、「お気に入り」のタブ付けする操作、購入操作等を含むがこれに限定されず、アイテムを購入するプロセスにおいて発生し得るあらゆる操作を含む。以下、これらの操作を単に、「操作」という。
クエリモデル生成部13は、ユーザ行動履歴DB2を参照して、検索エンジン3に対して過去に投入されたクエリおよび当該クエリに対応してユーザが行った操作から、クエリモデルを事前に生成してよい。クエリモデルは、ユーザごと個々に生成されてもよく、年齢層、性別、職業、過去の購入額等でグルーピングしたユーザ群について生成されてもよい。このクエリモデルの詳細は、図4~図6を参照して後述する。
具体的には、シングル評価部14は、クエリ入力部11に入力された、キーワード特定処理の処理対象であるクエリ(以下、「オリジナルクエリ」ともいう)と、当該オリジナルクエリから生成された複数のシングルとに基づいて、それぞれのシングルについて、当該オリジナルクエリに対するスコアを算出することにより、複数のシングルを評価する。
シングル評価部14が算出するスコアは、当該オリジナルクエリにおいて、各シングルがユーザの意図に合致している程度を示す指標となる。このシングル評価処理の詳細は、図3を参照して後述する。
図2は、本実施形態に係るキーワード特定装置1が実行するキーワード特定処理の処理手順の一例を示すフローチャートである。
なお、図2の各ステップは、キーワード特定装置1のHDD等の記憶装置に記憶されたプログラムをCPUが読み出し、実行することで実現される。また、図2に示すフローチャートの少なくとも一部をハードウエアにより実現してもよい。ハードウエアにより実現する場合、例えば、所定のコンパイラを用いることで、各ステップを実現するためのプログラムからFPGA(Field Programmable Gate Array)上に自動的に専用回路を生成すればよい。また、FPGAと同様にしてGate Array回路を形成し、ハードウエアとして実現するようにしてもよい。また、ASIC(Application Specific Integrated Circuit)により実現するようにしてもよい。後述する図3の各ステップについても同様である。
S2で、キーワード特定装置1のクエリ分割部12は、クエリ入力部11から供給されるクエリを、複数のトークンに分割する。複数のトークンのそれぞれは、単一のキーワードである。
具体的には、シングル評価部14は、クエリモデル記憶部4に記憶されるクエリモデルを参照して、それぞれのシングルについて、S1でクエリを入力した当該ユーザの行動履歴に基づいて、S1で入力されたクエリに対するスコアを算出する。ここで算出されるシングルのスコアは、S1で入力されたクエリ中で、アイテム購入におけるユーザの意図にどれだけ合致しているか、すなわちユーザの意図を表現するのにどれだけ有意であるかの指標となる。シングル評価部14が実行するシングル評価処理の詳細は、図6を参照して後述する。
検索エンジン3は、例えば、出力部15から供給されるシングルに対応する検索結果がより優先的にユーザに提示されるよう、クエリによる検索結果をソートしてよい。あるいは、検索エンジン3は、S1で入力されたクエリを検索キーとする検索結果が少数である場合や検索範囲が過度に狭い場合、出力部15から供給されるシングルを含む他のクエリを検索キーとして、再度検索を実行してもよい。これにより、検索の精度が向上し、ユーザの意図により合致する検索結果の提示が可能となる。
図3~図5を参照して、クエリモデルの生成およびクエリ間の類似度算出を説明する。なお、図3~図5においては、説明を簡略化するため、各クエリが単一のキーワードからなるシングルワードクエリである例を説明するが、複数のキーワードを含むマルチワードクエリの場合でも同様に処理することができる。
図3に示すクエリ「pants」のクエリモデルは、クエリ「pants」を検索エンジンに投入したユーザが、属性「kids」のカテゴリのアイテム、属性「womens」のカテゴリのアイテム、および属性「mens」のカテゴリのアイテムについて、操作等の行動履歴を有することを示している。すなわち、それぞれの属性は、投入されたクエリに対する検索結果をカテゴリ化して得られる属性であり、クエリ間の類似度は、オリジナルクエリの検索結果セットと他のクエリの検索結果セットとが類似する程度を示す。
それぞれのリンクに付与されている重みは、操作の頻度と相関を持つ。操作の種別に応じて、例えば、クリック操作より購入操作により高い重みが付与されるように、重みを設定してもよい。
クエリ「jeans」と属性「kids」との間のリンクには重み0.3が、クエリ「jeans」と属性「womens」との間のリンクには重み0.2が、クエリ「jeans」と属性「mens」との間のリンクには重み0.5が、それぞれ付与されている。
クエリ「shirts」と属性「kids」との間のリンクには重み0.3が、クエリ「shirts」と属性「womens」との間のリンクには重み0.4が、クエリ「shirts」と属性「mens」との間のリンクには重み0.3が、それぞれ付与されている。
図4は、図3から、オリジナルクエリ「pants」のクエリモデルおよび他のクエリ「shirts」のクエリモデルを抽出した概念図である。
図4を参照して、属性「womens」への対のリンクの重みの最小値は0.3、属性「kids」への対のリンクの重みの最小値は0.2、属性「mens」への対のリンクの重みの最小値は0.3である。このため、これら3つの最小値の和である0.8が、クエリ「shirts」のオリジナルクエリ「pants」に対する類似度となる。
図5を参照して、属性「womens」への対のリンクの重みの最小値は0.2、属性「kids」への対のリンクの重みの最小値は0.2、属性「mens」への対のリンクの重みの最小値は0.5である。このため、これら3つの最小値の和である0.9が、クエリ「jeans」のオリジナルクエリ「pants」に対する類似度となる。
図3~図5に示す例において、クエリ「jeans」は、クエリ「shirts」より、オリジナルクエリ「pants」に対する類似度が高いと評価することができる。
図6は、本実施形態に係るキーワード特定装置1のシングル評価部14が実行するシングル評価処理の詳細処理手順の一例を示すフローチャートである。
S41で、キーワード特定装置1のシングル評価部14は、図2のS1で入力されたオリジナルクエリの属性および重みを決定する。
具体的には、シングル評価部14は、クエリモデル記憶部4を参照して、S1で入力されたオリジナルクエリのクエリモデルがクエリモデル記憶部4にすでに記憶されている場合には、クエリモデル記憶部4からオリジナルクエリのクエリモデルを読み出し、S42をスキップして、S43に進む。
また、過去に行動履歴がない新規ユーザの場合は、メンバー登録の際などに取得可能なユーザの情報に近いカテゴリの他のユーザやユーザグループの行動履歴やクエリモデルから、オリジナルクエリの初期のクエリモデルを類推してもよい。
シングル評価部14は、当該シングルをオリジナルクエリと共有し、かつオリジナルクエリと少なくとも1つの属性を共有する他のクエリを取得してよい。属性を共有しないクエリ間の類似度は、図4および図5の例の類似度算出に従えば、0となるからである。
具体的には、シングル評価部14は、オリジナルクエリのクエリモデルと他のクエリのクエリモデルとが共有する属性について、双方のクエリから接続される対のリンクに付与された重みを演算することにより、他のクエリのオリジナルクエリに対する類似度を算出する。図4および図5を参照してすでに説明したように、シングル評価部14は、例えば、属性が有する対となるリンクの重みの最小値を加算することで、類似度を算出してよい。
具体的には、シングル評価部14は、S43で取得された複数のクエリのすべてについて、S44で算出された複数の類似度の平均、例えば、幾何平均(geometric mean)、を、評価対象のシングルのスコアとして算出してよい。
未処理のシングルがある場合(S46:N)、S43に戻り、S43からS46までの処理を繰り返す。一方、未処理のシングルがない場合(S46:Y)、図2のS5に進み、より高いスコアが算出された1つまたは複数のシングルを、ユーザの意図に合致するキーワードとして出力する。
このように、本実施形態に係るキーワード特定装置1は、オリジナルクエリを構成する個別のトークン自体を評価するのではなく、これらのトークンを含む他のクエリにそれぞれ関連付けられるユーザの行動履歴を評価することで、トークンやシングルを事前に定義することなく、キーワードを特定することができる。
図7を参照して、図2のS1で入力されるオリジナルクエリが、{“a”,“b”,“c”}であるものとする。この場合、図2のS2で、オリジナルクエリは、3つのトークン{“a”}、{“b”}、{“c”}に分割され、図2のS3で、6つのシングル{“a”,“b”}、{“a”,“c”}、{“b”,“c”}、{“a”}、{“b”}、{“c”}が生成される。
シングル{“a”,“b”}について取得された、これら他のクエリ{“a”,“b”,“d”}および{“a”,“b”,“c”}のそれぞれについて、図6のS44で、オリジナルクエリ{“a”,“b”,“c”}に対する類似度が算出される。
一方、オリジナルクエリと同じであるクエリ{“a”,“b”,“c”}は、オリジナルクエリ{“a”,“b”,“c”}と、すべての属性α1、α2、およびα3を共有し、各属性に接続する対のリンクに付与された重みの最小値はそれぞれ0.3である。このため、クエリ{“a”,“b”,“c”}のオリジナルクエリ{“a”,“b”,“c”}に対する類似度は、0.9と算出される。
したがって、図6のS45で、シングル{“a”,“b”}のスコアは、0.5と0.9の幾何平均として、0.67と算出される。
上記の処理を、図2のS3で生成されたシングルのすべてについて繰り返すことで、元も高いスコアを持つ1つまたは複数のシングルを特定することができる。
図8は、本実施形態に係るキーワード特定装置1のハードウエア構成の非限定的一例を示す図である。
本実施形態に係るキーワード特定装置1は、単一または複数の、あらゆるコンピュータ、モバイルデバイス、または他のいかなる処理プラットフォーム上にも実装することができる。
図8を参照して、キーワード特定装置1は、単一のコンピュータに実装される例が示されているが、本実施形態に係るキーワード特定装置1は、複数のコンピュータを含むコンピュータシステムに実装されてよい。複数のコンピュータは、有線または無線のネットワークにより相互通信可能に接続されてよい。
CPU(Central Processing Unit)81は、キーワード特定装置1における動作を統括的に制御するものであり、データ伝送路であるシステムバス88を介して、各構成部(82~87)を制御する。
RAM(Random Access Memory)83は、揮発性メモリであり、CPU81の主メモリ、ワークエリア等として機能する。すなわち、CPU81は、処理の実行に際してROM82から必要なプログラム等をRAM83にロードし、当該プログラム等を実行することで各種の機能動作を実現する。
入力部85は、キーボードやマウス等のポインティングデバイスにより構成される。
表示部86は、液晶ディスプレイ(LCD)等のモニターにより構成される。表示部86は、キーワード特定処理で使用される各種パラメータや、他の装置との通信で使用される通信パラメータ等をキーワード特定装置1へ指示入力するためのユーザインタフェースであるGUI(Graphical User Interface)を提供してよい。
通信I/F87は、ネットワークとのインタフェースを提供し、ネットワークを介して、外部装置との通信を実行する。通信I/F87を介して、外部装置との間で各種データや各種パラメータ等が送受信される。本実施形態では、通信I/F87は、イーサネット(登録商標)等の通信規格に準拠する有線LAN(Local Area Network)や専用線を介した通信を実行してよい。ただし、本実施形態で利用可能なネットワークはこれに限定されず、無線ネットワークで構成されてもよい。この無線ネットワークは、Bluetooth(登録商標)、ZigBee(登録商標)、UWB(Ultra Wide Band)等の無線PAN(Personal Area Network)を含む。また、Wi-Fi(Wireless Fidelity)(登録商標)等の無線LAN(Local Area Network)や、WiMAX(登録商標)等の無線MAN(Metropolitan Area Network)を含む。さらに、LTE/3G、4G、5G等の無線WAN(Wide Area Network)を含む。なお、ネットワークは、各機器を相互に通信可能に接続し、通信が可能であればよく、通信の規格、規模、構成は上記に限定されない。
本実施形態に係るキーワード特定装置はさらに、ユーザの行動履歴に基づいて生成されたクエリモデルを参照して、生成された各クエリのオリジナルのクエリに対する類似度を算出し、算出された類似度から、当該シングルのスコアを算出することにより、より高いスコアが算出されたシングルを、ユーザの意図により合致するキーワードとして特定する。
これにより、クエリに対して、所望の検索結果の提示が実現され、検索精度の向上に資する。
Claims (13)
- 第1のクエリを取得する第1クエリ取得部と、
前記第1クエリ取得部により取得された前記第1のクエリを複数のトークンに分割し、分割された1つまたは複数のトークンからなるクエリサブセットを複数生成するクエリサブセット生成部と、
前記クエリサブセット生成部により生成された前記クエリサブセットを含む第2のクエリを取得する第2クエリ取得部と、
ユーザの行動履歴に基づいて、前記第2のクエリの、前記第1のクエリに対する類似度を算出する類似度算出部と、
前記類似度算出部により算出された、前記第2のクエリの前記類似度に基づいて、前記クエリサブセットのスコアを算出するスコア算出部と、
複数の前記クエリサブセットのうち、前記スコア算出部により算出された前記スコアがより高いクエリサブセットを特定するクエリサブセット特定部と
を備えることを特徴とする情報処理装置。 - 前記類似度算出部は、前記第2のクエリの検索結果セットが前記第1のクエリの検索結果セットに類似する程度として、前記類似度を算出する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記ユーザの行動履歴に基づいて、前記第1のクエリまたは前記第2のクエリを、当該クエリの属性にリンクで接続し、前記リンクに重みを付与することで、クエリモデルを生成し、生成された前記クエリモデルを記憶装置に記憶するクエリモデル生成部をさらに備え、
前記類似度算出部は、前記記憶装置に記憶される前記クエリモデルを参照することにより、前記第2のクエリの前記類似度を算出する
ことを特徴とする請求項1または2に記載の情報処理装置。 - 前記類似度算出部は、前記第1のクエリのクエリモデルと前記第2のクエリのクエリモデルとの間で共有される前記属性に接続される前記リンクに付与された前記重みを演算することにより、前記第2のクエリの前記類似度を算出する
ことを特徴とする請求項3に記載の情報処理装置。 - 前記類似度算出部は、前記第1のクエリのクエリモデルと前記第2のクエリのクエリモデルとの間で共有される前記属性に接続される前記リンクの対にそれぞれ付与された複数の前記重みを比較し、小さい値を持つ前記重みを複数の前記属性について加算することにより、前記第2のクエリの前記類似度を算出する
ことを特徴とする請求項4に記載の情報処理装置。 - 前記類似度算出部は、前記ユーザが操作を過去に実行したアイテムに関連付けられる情報を、前記第1のクエリおよび第2のクエリの間で比較することにより、前記第2のクエリの前記類似度を算出する
ことを特徴とする請求項1から5のいずれか1項に記載の情報処理装置。 - 前記クエリモデル生成部は、前記アイテムに関連付けられる情報を、前記属性として設定し、前記操作の頻度に基づいて、前記重みを付与することにより、前記クエリモデルを生成する
ことを特徴とする請求項3から5のいずれか1項に記載の情報処理装置。 - 前記スコア算出部は、すべての前記第2のクエリの前記類似度の幾何平均を算出することにより、前記クエリサブセットのスコアを算出する
ことを特徴とする請求項1から7のいずれか1項に記載の情報処理装置。 - 前記第2クエリ取得部は、前記クエリサブセット生成部により生成された複数の前記クエリサブセットのそれぞれについて、前記第2のクエリを取得し、
前記スコア算出部は、複数の前記クエリサブセットのそれぞれについて、前記スコアを算出する
ことを特徴とする請求項1から8のいずれか1項に記載の情報処理装置。 - 前記クエリサブセット生成部は、前記第1のクエリの文字列上、連続しない複数のトークンから、前記クエリサブセットを生成する
ことを特徴とする請求項1から9のいずれか1項に記載の情報処理装置。 - 前記クエリサブセット特定部により特定された前記クエリサブセットに対応する検索結果が優先的に提示されるよう出力を制御する出力制御部をさらに備える
ことを特徴とする請求項1から10のいずれか1項に記載の情報処理装置。 - 情報処理装置が実行する情報処理方法であって、
第1のクエリを取得するステップと、
取得された前記第1のクエリを複数のトークンに分割し、分割された1つまたは複数のトークンからなるクエリサブセットを複数生成するステップと、
生成された前記クエリサブセットを含む第2のクエリを取得するステップと、
ユーザの行動履歴に基づいて、前記第2のクエリの、前記第1のクエリに対する類似度を算出するステップと、
前記第2のクエリの前記類似度に基づいて、前記クエリサブセットのスコアを算出するステップと、
複数の前記クエリサブセットのうち、算出された前記スコアがより高いクエリサブセットを特定するステップと
を含むことを特徴とする情報処理方法。 - 情報処理をコンピュータに実行させるための情報処理プログラムであって、該プログラムは、前記コンピュータに、
第1のクエリを取得する第1クエリ取得処理と、
前記第1クエリ取得処理により取得された前記第1のクエリを複数のトークンに分割し、分割された1つまたは複数のトークンからなるクエリサブセットを複数生成するクエリサブセット生成処理と、
前記クエリサブセット生成処理により生成された前記クエリサブセットを含む第2のクエリを取得する第2クエリ取得処理と、
ユーザの行動履歴に基づいて、前記第2のクエリの、前記第1のクエリに対する類似度を算出する類似度算出処理と、
前記類似度算出処理により算出された、前記第2のクエリの前記類似度に基づいて、前記クエリサブセットのスコアを算出するスコア算出処理と、
複数の前記クエリサブセットのうち、前記スコア算出部により算出された前記スコアがより高いクエリサブセットを特定するクエリサブセット特定処理と
を含む処理を実行させるためのものであることを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023016764A JP7461524B2 (ja) | 2021-04-09 | 2023-02-07 | 情報処理装置、情報処理方法およびプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163172984P | 2021-04-09 | 2021-04-09 | |
US63/172,984 | 2021-04-09 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023016764A Division JP7461524B2 (ja) | 2021-04-09 | 2023-02-07 | 情報処理装置、情報処理方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022161774A true JP2022161774A (ja) | 2022-10-21 |
JP7224392B2 JP7224392B2 (ja) | 2023-02-17 |
Family
ID=83658567
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021089033A Active JP7224392B2 (ja) | 2021-04-09 | 2021-05-27 | 情報処理装置、情報処理方法およびプログラム |
JP2023016764A Active JP7461524B2 (ja) | 2021-04-09 | 2023-02-07 | 情報処理装置、情報処理方法およびプログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023016764A Active JP7461524B2 (ja) | 2021-04-09 | 2023-02-07 | 情報処理装置、情報処理方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7224392B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007179505A (ja) * | 2005-12-28 | 2007-07-12 | Ricoh Co Ltd | 検索装置、検索システム、検索方法、検索プログラムおよび記録媒体 |
JP2008052548A (ja) * | 2006-08-25 | 2008-03-06 | Fujitsu Ltd | 検索プログラム、情報検索装置及び情報検索方法 |
WO2014050002A1 (ja) * | 2012-09-28 | 2014-04-03 | 日本電気株式会社 | クエリ類似度評価システム、評価方法、及びプログラム |
JP2019020939A (ja) * | 2017-07-14 | 2019-02-07 | ヤフー株式会社 | 情報処理システム、情報処理方法、およびプログラム |
JP2019211959A (ja) * | 2018-06-04 | 2019-12-12 | 富士通株式会社 | 検索方法、検索プログラムおよび検索装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008003721A (ja) | 2006-06-20 | 2008-01-10 | Canon Software Inc | 情報検索システムおよび情報検索方法およびプログラムおよび記録媒体 |
-
2021
- 2021-05-27 JP JP2021089033A patent/JP7224392B2/ja active Active
-
2023
- 2023-02-07 JP JP2023016764A patent/JP7461524B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007179505A (ja) * | 2005-12-28 | 2007-07-12 | Ricoh Co Ltd | 検索装置、検索システム、検索方法、検索プログラムおよび記録媒体 |
JP2008052548A (ja) * | 2006-08-25 | 2008-03-06 | Fujitsu Ltd | 検索プログラム、情報検索装置及び情報検索方法 |
WO2014050002A1 (ja) * | 2012-09-28 | 2014-04-03 | 日本電気株式会社 | クエリ類似度評価システム、評価方法、及びプログラム |
JP2019020939A (ja) * | 2017-07-14 | 2019-02-07 | ヤフー株式会社 | 情報処理システム、情報処理方法、およびプログラム |
JP2019211959A (ja) * | 2018-06-04 | 2019-12-12 | 富士通株式会社 | 検索方法、検索プログラムおよび検索装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7461524B2 (ja) | 2024-04-03 |
JP2023055916A (ja) | 2023-04-18 |
JP7224392B2 (ja) | 2023-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11823059B2 (en) | Generating a personalized preference ranking network for providing visually-aware item recommendations | |
US20200073953A1 (en) | Ranking Entity Based Search Results Using User Clusters | |
KR101793222B1 (ko) | 어플리케이션 검색들을 가능하게 하기 위해 사용되는 검색 인덱스의 업데이트 | |
US11216503B1 (en) | Clustering search results | |
US9910930B2 (en) | Scalable user intent mining using a multimodal restricted boltzmann machine | |
US20200050623A1 (en) | Method, apparatus, and computer program product for user-specific contextual integration for a searchable enterprise platform | |
US11188830B2 (en) | Method and system for user profiling for content recommendation | |
US11042591B2 (en) | Analytical search engine | |
US11507989B2 (en) | Multi-label product categorization | |
US11682060B2 (en) | Methods and apparatuses for providing search results using embedding-based retrieval | |
Kang et al. | Learning to rank with multi-aspect relevance for vertical search | |
Vargas Muñoz et al. | A soft computing approach for learning to aggregate rankings | |
Misztal-Radecka et al. | Meta-User2Vec model for addressing the user and item cold-start problem in recommender systems | |
US20210217053A1 (en) | Methods and apparatuses for selecting advertisements using semantic matching | |
US11238102B1 (en) | Providing an object-based response to a natural language query | |
JP2020013413A (ja) | 判断支援装置および判断支援方法 | |
JP7224392B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP2022523634A (ja) | 個人向けの在庫管理のためのテキストデータの符号化 | |
Valliyammai et al. | An intelligent personalized recommendation for travel group planning based on reviews | |
JP7428250B2 (ja) | 文書検索の性能を評価する方法、システム、および装置 | |
WO2023037398A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Hooda et al. | Social commerce hybrid product recommender | |
Antenucci et al. | A declarative query processing system for nowcasting | |
Sharif et al. | A large-scale, hybrid approach for recommending pages based on previous user click pattern and content | |
WO2015159702A1 (ja) | 部分情報抽出システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210527 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220922 |
|
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: 20230110 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7224392 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |