JP5197491B2 - 行動推薦装置及び方法及びプログラム - Google Patents
行動推薦装置及び方法及びプログラム Download PDFInfo
- Publication number
- JP5197491B2 JP5197491B2 JP2009131279A JP2009131279A JP5197491B2 JP 5197491 B2 JP5197491 B2 JP 5197491B2 JP 2009131279 A JP2009131279 A JP 2009131279A JP 2009131279 A JP2009131279 A JP 2009131279A JP 5197491 B2 JP5197491 B2 JP 5197491B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- action
- similarity
- word
- storage means
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
誰が記述したか、または、経験したかを、一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段20に格納する解析データ入力手段10と、
文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または、該文書Aの集合の中から選択することで、行動推薦を行う対照を指定する検索質問入力手段50と、
解析データ記憶手段20に格納されている各文書Aと、検索質問入力手段50で入力された文書Bから、人間の行動内容を示す行動語を抽出する行動語抽出手段31と、
各文書Aと文書Bを、行動語抽出手段31で得られた行動語を次元とする文書ベクトルへと変換し、ベクトル記憶手段45に格納することで、行動内容を、人間を特徴づける情報として用いる行動ベクトル生成手段32と、
ベクトル記憶手段45に格納されている行動ベクトル生成手段32によって得られた文書ベクトル間の類似度を求め、該文書ベクトル間類似度をもとに、文書Bと、解析データ入力手段10で入力された各文書Aとの類似度を算出し、類似度記憶手段80に格納する類似度算出手段70と、
類似度記憶手段80に格納されている文書間の類似度に基づいて、文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段100に格納する行動語ランキング手段90と、を備える。
誰が記述したか、または、経験したかを、一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力手段と、
文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または、該文書Aの集合の中から選択することで、行動推薦を行う対照を指定する検索質問入力手段と、
解析データ記憶手段に格納されている各文書Aと、検索質問入力手段で入力された文書Bから、人間の行動内容を示す行動語を抽出する行動語抽出手段と、
各文書Aと文書Bから、行動に対する評価や感情を示す感性語を抽出する感性語抽出手段と、
感性語抽出手段で得られた感性語に対して、該感性語の持つ意味が、逆の意味を持つ二つの概念を極性とする軸上のどこに位置するかを示す感性スコアを付与する感性スコア導出手段と、
解析データ入力手段と検索質問入力手段で得られた文書Aと文書Bのそれぞれを、行動語抽出手段で得られた行動語と、感性スコア導出手段で得られたその行動に対する感性スコアとから、該行動語を次元とし、それぞれの次元の要素を、該当する行動語に対する感性スコアとする文書ベクトルへと変換し、ベクトル記憶手段に格納することで、人間の行動内容と、その行動に対しての感性を、その人を特徴づける情報とする経験ベクトル生成手段と、
ベクトル記憶手段に格納されている経験ベクトル生成手段によって得られた文書ベクトル間の類似度を求め、該文書ベクトル間の類似度に基づいて文書Bと各文書Aとの類似度を算出し、類似度記憶手段に格納する類似度算出手段と、
類似度記憶手段に格納されている文書間の類似度に基づいて、文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキング手段と、を備える。
誰が、いつ、どこで、記述したか、または、経験したかを一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力手段と、
誰が、いつ、どこで、記述したか、または、経験したかを一意に識別可能な情報が付与された、文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または該文書Aの集合の中から選択することで、行動推薦を行う対象を指定する検索質問入力手段と、
解析データ記憶手段に格納されている各文書Aと、検索質問入力手段で入力された文書Bから、人間の行動内容を示す行動語を抽出する行動語抽出手段と、
各文書Aと文書Bを、行動語抽出手段で得られた行動語を次元とし、それぞれの次元の要素を、該当する行動を行った時間、または、空間、または時空間が似通っているほど近い値を持つように付与した文書ベクトルへと変換し、ベクトル記憶手段に格納することで、人間の行動内容と、その行動を行った時間、または空間、または時空間を、人間を特徴づける情報として用いる実空間行動ベクトル生成手段と、
ベクトル記憶手段に格納されている経験ベクトル生成手段によって得られた文書ベクトル間の類似度を求め、該文書ベクトル間の類似度に基づいて文書Bと各文書Aとの類似度を算出し、類似度記憶手段に格納する類似度算出手段と、
類似度記憶手段に格納されている文書間の類似度に基づいて、文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキング手段と、を備える。
誰が記述したか、または、経験したかを、一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力ステップ(ステップ1)と、
解析データ記憶手段に格納されている各文書Aから人間の行動内容を示す行動語Aを抽出する第1の行動語抽出ステップ(ステップ2)と、
各文書Aを、行動語Aを次元とする文書ベクトルAに変換し、ベクトル記憶手段に格納する第1の行動ベクトル生成ステップ(ステップ3)と、
文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または、該文書Aの集合の中から選択することで、行動推薦を行う対象を指定する検索質問入力ステップ(ステップ4)と、
検索質問入力ステップで入力された文書Bから行動語Bを抽出する第2の行動語抽出ステップ(ステップ5)と、
文書Bを、行動語Bを次元とする文書ベクトルBへと変換し、ベクトル記憶手段に格納する第2の行動ベクトル生成ステップ(ステップ6)と、
ベクトル記憶手段に格納されている文書ベクトルAと文書ベクトルB間の文書ベクトル間類似度を求め、該文書ベクトル間類似度をもとに、文書Bと、各文書Aとの類似度を算出し、類似度記憶手段に格納するベクトル間類似度算出ステップ(ステップ7)と、
類似度記憶手段に格納されている文書間の類似度に基づいて、文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキングステップ(ステップ8)、を行う。
誰が記述したか、または、経験したかを、一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力ステップと、
解析データ記憶手段に格納されている文書Aから人間の行動内容を示す行動語Aを抽出する第1の行動語抽出ステップと、
各文書Aから、行動に対する評価や感情を示す感性語Aを抽出する第1の感性語抽出ステップと、
感性語Aに対して、該感性語Aの持つ意味が、逆の意味を持つ二つの概念を極性とする軸上のどこに位置するかを示す感性スコアを付与する第1の感性スコア導出ステップと、
各文書Aを、行動語Aと感性スコアAとから、該第1の行動語を次元とし、それぞれの次元の要素を、該当する行動語Aに対する該感性スコアAとする文書ベクトルAに変換し、ベクトル記憶手段に格納する第1の経験ベクトル生成ステップと、
文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または、該文書Aの集合の中から選択することで、行動推薦を行う対照を指定する検索質問入力ステップと、
検索質問入力ステップで入力された文書Bから行動語Bを抽出する第2の行動語抽出ステップと、
文書Bから、行動に対する評価や感情を示す感性語Bを抽出する第2の感性語抽出ステップと、
感性語Bに対して、該感性語Bの持つ意味が、逆の意味を持つ二つの概念を極性とする軸上のどこに位置するかを示す感性スコアを付与する第2の感性スコア導出ステップと、
文書Bを、行動語Bと感性スコアBとから、該行動語Bを次元とし、それぞれの次元の要素を該当する行動語Bに対する該感性スコアBとする文書ベクトルBに変換し、ベクトル記憶手段に格納する第2の経験ベクトル生成ステップと、
ベクトル記憶手段に格納されている文書ベクトル間の類似度を求め、該文書ベクトル間の類似度に基づいて文書Bと文書Aとの類似度を算出し、類似度記憶手段に格納するベクトル間類似度算出ステップと、
類似度記憶手段に格納されている文書間の類似度に基づいて、文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキングステップと、を行う。
誰が、いつ、どこで、記述したか、または、経験したかを一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力ステップと、
解析データ記憶手段に格納されている各文書Aから、人間の行動内容を示す行動語Aを抽出する第1の行動語抽出ステップと、
各文書Aを、行動語Aを次元とし、それぞれの次元の要素を、該当する行動を行った時間、または、空間、または時空間が似通っているほど近い値を持つように付与した文書ベクトルへAと変換し、ベクトル記憶手段に格納する第1の実空間行動ベクトル生成ステップと、
誰が、いつ、どこで、記述したか、または、経験したかを一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力手段と、
誰が、いつ、どこで、記述したか、または、経験したかを一意に識別可能な情報が付与された、文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または該文書Aの集合の中から選択することで、行動推薦を行う対象を指定する検索質問入力ステップと、
文書Bから、人間の行動内容を示す行動語Bを抽出する第2の行動語抽出ステップと、
文書Bを、行動語Bを次元とし、それぞれの次元の要素を、該当する行動を行った時間、または、空間、または時空間が似通っているほど近い値を持つように付与した文書ベクトルへと変換し、ベクトル記憶手段に格納する第2の実空間行動ベクトル生成ステップと、
ベクトル記憶手段に格納されている文書ベクトル間の類似度を求め、該文書ベクトル間の類似度に基づいて文書Bと各文書Aとの類似度を算出し、類似度記憶手段に格納するベクトル間類似度算出ステップと、
類似度記憶手段に格納されている文書間の類似度に基づいて、文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキングステップと、を行う。
本発明の第1の実施形態について、図面を参照して説明する。
本発明の第2の実施形態について、図面を参照して説明する。
Wi={wi1,wi2,…,wix}
と、y個の感情語集合
Ei={ei1,ei2,…,eiy}
から、行動語と感情語をマージし、かつ、文書中の出現順序が早い順にソートしたシーケンス
Si={si1,si2,…,siz}
を得る。sij∈Wi∪Eiでシーケンスの要素数zはx+yである。
(2) シーケンス中で最初、または、最後に出現する感性語eikの感性スコア:
(3) シーケンス中で行動語wijと出現位置の近いP個の感性語の感性スコアの平均:
また、感性語を選択する時に、以下のいずれかの制約、または、その組み合わせを用いてもよい。
B) シーケンス中で行動語wijの後方(または、前方)に出現する最近傍の行動語との間に出現する感性語:
C) 文書Di中で行動語wijと同文、または同段落、または、同文書中に出現する:
なお、対応する感性語が存在しなかった行動語wijに関しては、dij=0とするか、中立の感性であることを示す値を付与するか(感性スコア導出部122の例においては"2")、適宜、対応する感性語が存在しなかったことを示す値を付与する。経験ベクトル生成部123により得られた文書ベクトルは、ベクトル記憶部40に記憶する。
「映画を見にいきました・・・チケットを購入・・・ラストシーンを見る・・・感動・・・。コーヒーを飲む・・・不味かった・・・。ドライブする・・・海を眺める・・・綺麗・・・」という文書から、
行動語集合W={映画を見る,チケットを購入,ラストシーンを見る,コーヒーを飲む,ドライブする,海を眺める}
と、
感性語集合E={感動,不味い,綺麗}
が得られたとする。また、感性スコア導出部122によって、感性語がポジティブな場合には"3"を、ネガティブな場合には"1"を、どちらでもない場合には、"2"を割り当てるとして、感性語「感動」と「綺麗」にはポジティブなことを示す"3"が、感性語「不味い」には、ネガティブなことを示す"1"が割り当てられたとする。さらに、ベクトル要素dijを決定する方法としては、上記の(1)を、制約としては上記の(A)の後方選択を採用したとする。
次に、このシーケンスの要素を前方から辿っていき、要素が行動語の場合には、その行動語よりも後方に出現する最近傍の感情語を選択して、[行動語、感性語]のペアを生成する。
[チケットを購入、感動]
[ラストシーンを見る、感動]
[コーヒーを飲む、不味い]
[ドライブする、綺麗]
[海を眺める、綺麗]
6つの行動語を、出現位置の順にw1,w2,…,w6とし、対応する感性語の感性スコアをd1,d2,…,d6とする。感性語「感動」と「綺麗」にはポジティブなことを示す"3"が、感性語「不味い」には、ネガティブなことを示す"1"が割り当てられていることから、経験ベクトル生成部123は以下のような文書ベクトルを生成する。
本発明の第3の実施形態について、図面を参照して説明する。
di1di2=…dimとなるが、文書Diに行動語wjが存在しない場合は、dij=0とする。実空間行動ベクトル生成部140により得られた文書ベクトルは、ベクトル記憶部40に格納する。
20 解析データ記憶手段、解析データ記憶部
30 行動特徴抽出部
31 行動語抽出手段、行動語抽出部
32 行動ベクトル生成手段、行動ベクトル生成部
45 ベクトル記憶部
50 検索質問入力手段、検索質問入力部
60 検索質問記憶部
70 類似度算出手段、類似度算出部
80 類似度記憶手段、類似度記憶部
90 行動ランキング手段、行動ランキング部
100 ランキング結果記憶手段、ランキング結果記憶部
110 出力部
120 経験特徴抽出部
121 感性語抽出部
122 感性スコア算出部
123 経験ベクトル生成部
130 解析データ記憶部
140 実空間行動ベクトル生成部
Claims (7)
- 文書に記述された人間の経験の類似性をもとに行動を推薦する行動推薦装置であって、
誰が記述したか、または、経験したかを、一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力手段と、
前記文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または、該文書Aの集合の中から選択することで、行動推薦を行う対象を指定する検索質問入力手段と、
前記解析データ記憶手段に格納されている前記各文書Aと、前記検索質問入力手段で入力された前記文書Bから、人間の行動内容を示す行動語を抽出する行動語抽出手段と、
前記各文書Aと前記文書Bを、前記行動語抽出手段で得られた前記行動語を次元とする文書ベクトルへと変換し、ベクトル記憶手段に格納することで、行動内容を、人間を特徴づける情報として用いる行動ベクトル生成手段と、
前記ベクトル記憶手段に格納されている前記行動ベクトル生成手段によって得られた文書ベクトル間の類似度を求め、該文書ベクトル間類似度をもとに、前記文書Bと、前記解析データ入力手段で入力された前記各文書Aとの類似度を算出し、類似度記憶手段に格納する類似度算出手段と、
前記類似度記憶手段に格納されている前記文書間の類似度に基づいて、前記文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキング手段と、
を備えることを特徴とする行動推薦装置。 - 文書に記述された人間の経験の類似性をもとに行動を推薦する行動推薦装置であって、
誰が記述したか、または、経験したかを、一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力手段と、
前記文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または、該文書Aの集合の中から選択することで、行動推薦を行う対象を指定する検索質問入力手段と、
前記解析データ記憶手段に格納されている前記各文書Aと、検索質問入力手段で入力された前記文書Bから、人間の行動内容を示す行動語を抽出する行動語抽出手段と、
前記各文書Aと前記文書Bから、行動に対する評価や感情を示す感性語を抽出する感性語抽出手段と、
前記感性語抽出手段で得られた前記感性語に対して、該感性語の持つ意味が、逆の意味を持つ二つの概念を極性とする軸上のどこに位置するかを示す感性スコアを付与する感性スコア導出手段と、
前記解析データ入力手段と前記検索質問入力手段で得られた文書Aと文書Bのそれぞれを、前記行動語抽出手段で得られた前記行動語と、前記感性スコア導出手段で得られたその行動に対する前記感性スコアとから、該行動語を次元とし、それぞれの次元の要素を、該当する行動語に対する感性スコアとする文書ベクトルへと変換し、ベクトル記憶手段に格納することで、人間の行動内容と、その行動に対しての感性を、その人を特徴づける情報とする経験ベクトル生成手段と、
前記ベクトル記憶手段に格納されている前記経験ベクトル生成手段によって得られた文書ベクトル間の類似度を求め、該文書ベクトル間の類似度に基づいて前記文書Bと前記各文書Aとの類似度を算出し、類似度記憶手段に格納する類似度算出手段と、
前記類似度記憶手段に格納されている前記文書間の類似度に基づいて、前記文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキング手段と、
を備えることを特徴とする行動推薦装置。 - 文書に記述された人間の経験の類似性をもとに行動を推薦する行動推薦装置であって、
誰が、いつ、どこで、記述したか、または、経験したかを一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力手段と、
誰が、いつ、どこで、記述したか、または、経験したかを一意に識別可能な情報が付与された、前記文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または該文書Aの集合の中から選択することで、行動推薦を行う対象を指定する検索質問入力手段と、
前記解析データ記憶手段に格納されている前記各文書Aと、検索質問入力手段で入力された前記文書Bから、人間の行動内容を示す行動語を抽出する行動語抽出手段と、
前記各文書Aと前記文書Bを、前記行動語抽出手段で得られた行動語を次元とし、それぞれの次元の要素を、該当する行動を行った時間、または、空間、または時空間が似通っているほど近い値を持つように付与した文書ベクトルへと変換し、ベクトル記憶手段に格納することで、人間の行動内容と、その行動を行った時間、または空間、または時空間を、人間を特徴づける情報として用いる実空間行動ベクトル生成手段と、
前記ベクトル記憶手段に格納されている前記経験ベクトル生成手段によって得られた文書ベクトル間の類似度を求め、該文書ベクトル間の類似度に基づいて前記文書Bと前記各文書Aとの類似度を算出し、類似度記憶手段に格納する類似度算出手段と、
前記類似度記憶手段に格納されている前記文書間の類似度に基づいて、前記文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキング手段と、
を備えることを特徴とした行動推薦装置。 - 文書に記述された人間の経験の類似性をもとに行動を推薦する装置における行動推薦方法であって、
誰が記述したか、または、経験したかを、一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力ステップと、
前記解析データ記憶手段に格納されている前記各文書Aから人間の行動内容を示す行動語Aを抽出する第1の行動語抽出ステップと、
前記各文書Aを、前記行動語Aを次元とする文書ベクトルAに変換し、ベクトル記憶手段に格納する第1の行動ベクトル生成ステップと、
前記文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または、該文書Aの集合の中から選択することで、行動推薦を行う対象を指定する検索質問入力ステップと、
前記検索質問入力ステップで入力された前記文書Bから行動語Bを抽出する第2の行動語抽出ステップと、
前記文書Bを、前記行動語Bを次元とする文書ベクトルBへと変換し、前記ベクトル記憶手段に格納する第2の行動ベクトル生成ステップと、
前記ベクトル記憶手段に格納されている前記文書ベクトルAと前記文書ベクトルB間の文書ベクトル間類似度を求め、該文書ベクトル間類似度をもとに、前記文書Bと、前記各文書Aとの類似度を算出し、類似度記憶手段に格納するベクトル間類似度算出ステップと、
前記類似度記憶手段に格納されている前記文書間の類似度に基づいて、前記文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキングステップと、
を行うことを特徴とする行動推薦方法。 - 文書に記述された人間の経験の類似性をもとに行動を推薦する装置における行動推薦方法であって、
誰が記述したか、または、経験したかを、一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力ステップと、
前記解析データ記憶手段に格納されている前記各文書Aから人間の行動内容を示す行動語Aを抽出する第1の行動語抽出ステップと、
前記各文書Aから、行動に対する評価や感情を示す感性語Aを抽出する第1の感性語抽出ステップと、
前記感性語Aに対して、該感性語Aの持つ意味が、逆の意味を持つ二つの概念を極性とする軸上のどこに位置するかを示す感性スコアを付与する第1の感性スコア導出ステップと、
前記各文書Aを、前記行動語Aと前記感性スコアAとから、該第1の行動語を次元とし、それぞれの次元の要素を、該当する行動語Aに対する該感性スコアAとする文書ベクトルAに変換し、ベクトル記憶手段に格納する第1の経験ベクトル生成ステップと、
前記文書Aと同じ形式の、特定の文書B、または、特定の人に関する文書B、または、特定の集団に関する文書Bを入力するか、または、該文書Aの集合の中から選択することで、行動推薦を行う対象を指定する検索質問入力ステップと、
前記検索質問入力ステップで入力された前記文書Bから行動語Bを抽出する第2の行動語抽出ステップと、
前記文書Bから、評価表現や感情表現を示す感性語Bを抽出する第2の感性語抽出ステップと、
前記感性語Bに対して、該感性語Bの持つ意味が、逆の意味を持つ二つの概念を極性とする軸上のどこに位置するかを示す感性スコアを付与する第2の感性スコア導出ステップと、
前記文書Bを、前記行動語Bと前記感性スコアBとから、該行動語Bを次元とし、それぞれの次元の要素を該当する行動語Bに対する該感性スコアBとする文書ベクトルBに変換し、ベクトル記憶手段に格納する第2の経験ベクトル生成ステップと、
前記ベクトル記憶手段に格納されている文書ベクトル間の類似度を求め、該文書ベクトル間の類似度に基づいて前記文書Bと前記文書Aとの類似度を算出し、類似度記憶手段に格納するベクトル間類似度算出ステップと、
前記類似度記憶手段に格納されている前記文書間の類似度に基づいて、前記文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキングステップと、
を行うことを特徴とする行動推薦方法。 - 文書に記述された人間の経験の類似性をもとに行動を推薦する装置における行動推薦方法であって、
誰が、いつ、どこで、記述したか、または、経験したかを一意に識別可能な情報が付与された文書Aの集合を入力し、解析データ記憶手段に格納する解析データ入力ステップと、
前記解析データ記憶手段に格納されている前記各文書Aから、人間の行動内容を示す行動語Aを抽出する第1の行動語抽出ステップと、
前記各文書Aを、前記行動語Aを次元とし、それぞれの次元の要素を、該当する行動を行った時間、または、空間、または時空間が似通っているほど近い値を持つように付与した文書ベクトルへAと変換し、ベクトル記憶手段に格納する第1の実空間行動ベクトル生成ステップと、
誰が、いつ、どこで、記述したか、または、経験したかを一意に識別可能な情報が付与された、前記文書Aと同じ形式の、特定の文書B、または特定の人に関する文書B、または特定の集団に関する文書Bを入力するか、または該文書Aの集合の中から選択することで、行動推薦を行う対象を指定する検索質問入力ステップと、
前記文書Bから、人間の行動内容を示す行動語Bを抽出する第2の行動語抽出ステップと、
前記文書Bを、前記行動語Bを次元とし、それぞれの次元の要素を、該当する行動を行った時間、または、空間、または時空間が似通っているほど近い値を持つように付与した文書ベクトルへと変換し、前記ベクトル記憶手段に格納する第2の実空間行動ベクトル生成ステップと、
前記ベクトル記憶手段に格納されている文書ベクトル間の類似度を求め、該文書ベクトル間の類似度に基づいて前記文書Bと前記各文書Aとの類似度を算出し、類似度記憶手段に格納するベクトル間類似度算出ステップと、
前記類似度記憶手段に格納されている前記文書間の類似度に基づいて、前記文書Bと類似する文書、またはその集合を抽出し、該類似する文書、またはその集合で特徴的に出現することを示すスコアを行動語に対して付与し、ランキング結果記憶手段に格納する行動語ランキングステップと、
を行うことを特徴とした行動推薦方法。 - 請求項1乃至3のいずれか1項に記載の行動推薦装置を構成する手段としてコンピュータを機能させるための行動推薦プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009131279A JP5197491B2 (ja) | 2009-05-29 | 2009-05-29 | 行動推薦装置及び方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009131279A JP5197491B2 (ja) | 2009-05-29 | 2009-05-29 | 行動推薦装置及び方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010277462A JP2010277462A (ja) | 2010-12-09 |
JP5197491B2 true JP5197491B2 (ja) | 2013-05-15 |
Family
ID=43424342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009131279A Expired - Fee Related JP5197491B2 (ja) | 2009-05-29 | 2009-05-29 | 行動推薦装置及び方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5197491B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5557338B2 (ja) * | 2011-01-21 | 2014-07-23 | Kddi株式会社 | ユーザの行動文から結果イベントを予測する予測プログラム、予測装置及び方法 |
JP5221751B2 (ja) * | 2011-05-23 | 2013-06-26 | 日本電信電話株式会社 | 著者行動推定装置、著者行動推定モデル学習装置、著者行動推定方法、著者行動推定モデル学習方法、及びプログラム |
JP6383605B2 (ja) * | 2014-08-20 | 2018-08-29 | Kddi株式会社 | 習慣評価方法、装置およびプログラム |
CN110309427B (zh) * | 2018-05-31 | 2023-03-10 | 腾讯科技(深圳)有限公司 | 一种对象推荐方法、装置及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002328945A (ja) * | 2001-04-27 | 2002-11-15 | Sharp Corp | 情報検索システム |
JP2002334257A (ja) * | 2001-05-10 | 2002-11-22 | Nec Corp | レコメンドエンジン、レコメンド方法、レコメンドプログラム |
JP2008198173A (ja) * | 2007-01-16 | 2008-08-28 | C2Cube Inc | 情報処理装置、情報処理方法、およびプログラム |
-
2009
- 2009-05-29 JP JP2009131279A patent/JP5197491B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2010277462A (ja) | 2010-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Reviewer credibility and sentiment analysis based user profile modelling for online product recommendation | |
CN110674410B (zh) | 用户画像构建、内容推荐方法、装置及设备 | |
Teso et al. | Application of text mining techniques to the analysis of discourse in eWOM communications from a gender perspective | |
Hassan et al. | Beyond DCG: user behavior as a predictor of a successful search | |
Hariri et al. | Context-Aware Recommendation Based On Review Mining. | |
US9208441B2 (en) | Information processing apparatus, information processing method, and program | |
CN106104512A (zh) | 用于主动获取社交数据的系统和方法 | |
Banik | Hands-on recommendation systems with Python: start building powerful and personalized, recommendation engines with Python | |
JP5730741B2 (ja) | 話題推薦装置及び方法及びプログラム | |
Tondji | Web recommender system for job seeking and recruiting | |
JP5197491B2 (ja) | 行動推薦装置及び方法及びプログラム | |
KR101652433B1 (ko) | Sns 문서에서 추출된 토픽을 기반으로 파악된 감정에 따른 개인화 광고 제공 방법 | |
Talha et al. | Deep learning in news recommender systems: A comprehensive survey, challenges and future trends | |
Chou et al. | Rating prediction based on merge-CNN and concise attention review mining | |
JP6639040B2 (ja) | 情報検索装置及びプログラム | |
JP4539616B2 (ja) | 意見収集分析装置及びそれに用いる意見収集分析方法並びにそのプログラム | |
Sardar et al. | Recommender system for journal articles using opinion mining and semantics | |
JP5513929B2 (ja) | 経験情報の再利用性評価装置及び方法及びプログラム | |
KR20090126862A (ko) | 자연어 처리를 이용한 감성 정보 분석 시스템 및 방법,자연어 처리를 이용한 감성 정보 분석 방법을 컴퓨터에서실행하기 위한 프로그램을 저장한 기록매체 | |
Sharma et al. | Personalized Fashion Recommendation Using Nearest Neighbor PageRank Algorithm | |
Dahale | A natural language processing approach for musical instruments recommendation system | |
Abirami et al. | Sentiment analysis | |
US20240211498A1 (en) | Evaluation system and evaluation method | |
Shchepina et al. | Modeling the trajectories of interests and preferences of users in digital social systems | |
Habal et al. | Classifying User Experience (UX) Of The M-Commerce Application Using Multinomial Naive Bayes Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110825 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130118 |
|
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: 20130129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130205 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160215 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5197491 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |