JP5248376B2 - Information distribution apparatus and information distribution method - Google Patents
Information distribution apparatus and information distribution method Download PDFInfo
- Publication number
- JP5248376B2 JP5248376B2 JP2009061658A JP2009061658A JP5248376B2 JP 5248376 B2 JP5248376 B2 JP 5248376B2 JP 2009061658 A JP2009061658 A JP 2009061658A JP 2009061658 A JP2009061658 A JP 2009061658A JP 5248376 B2 JP5248376 B2 JP 5248376B2
- Authority
- JP
- Japan
- Prior art keywords
- content
- vector
- information
- user
- evaluated
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 50
- 239000013598 vector Substances 0.000 claims description 235
- 238000011156 evaluation Methods 0.000 claims description 58
- 238000004364 calculation method Methods 0.000 claims description 33
- 238000000605 extraction Methods 0.000 claims description 20
- 239000000284 extract Substances 0.000 claims description 10
- 238000002716 delivery method Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 description 38
- 238000010586 diagram Methods 0.000 description 28
- 238000007726 management method Methods 0.000 description 25
- 230000005540 biological transmission Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 230000005484 gravity Effects 0.000 description 7
- 238000012706 support-vector machine Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、コンテンツの配信を行う情報配信装置および情報配信方法に関する。 The present invention relates to an information distribution apparatus and an information distribution method for distributing content.
ユーザの特性に合致したレコメンド情報を配信するために、そのレコメンド情報を抽出するための情報フィルタリング方式として、Content−based Filtering方式が考えられている。この方式は、ユーザがWebページの閲覧などの行動を取ることにより、閲覧された対象文書を解析し、文書に含まれている単語(キーワード)を抽出する。そして、これらの単語を、ユーザごとに区別して、ユーザプロファイルといわれる興味・嗜好情報として記録する。ユーザプロファイルには、1つの興味の概念が表現され、この概念を利用してユーザに情報を提供することが考えられている。例えば、広告商品等に割り当てられたキーワードとユーザプロファイル(キーワードで表現された)とをマッチングすることにより適切な広告の推薦を可能とするシステムが一般的に知られている。 In order to distribute recommended information that matches user characteristics, a content-based filtering method is considered as an information filtering method for extracting the recommended information. In this method, when a user takes an action such as browsing a Web page, the browsed target document is analyzed, and words (keywords) included in the document are extracted. These words are distinguished for each user and recorded as interest / preference information called a user profile. One concept of interest is expressed in the user profile, and it is considered to provide information to the user using this concept. For example, a system is generally known that makes it possible to recommend an appropriate advertisement by matching a keyword assigned to an advertisement product or the like with a user profile (expressed by a keyword).
また、これに関連する技術として、特許文献1に記載されている技術が挙げられる。この特許文献1には、予め定められたレコメンド抽出ルールに従ってレコメンド情報を配信する配信先および配信すべきレコメンド情報を決定し、配信する技術が記載されている。 Moreover, the technique described in patent document 1 is mentioned as a technique relevant to this. This Patent Document 1 describes a technique for determining and distributing a distribution destination to which recommendation information is distributed and recommendation information to be distributed in accordance with a predetermined recommendation extraction rule.
しかしながら、上述の背景技術においては、マッチング処理をすることによりレコメンド情報を抽出するものであったり、また、特許文献1に記載の技術では、予め定められたレコメンド抽出ルールに基づいてレコメンド情報が決定されていることから、レコメンド情報に漏れが生じるおそれがある。 However, in the background art described above, recommendation information is extracted by performing a matching process, or in the technique described in Patent Document 1, recommendation information is determined based on a predetermined recommendation extraction rule. As a result, there is a risk of leakage of recommendation information.
すなわち、特許文献1の技術においては、レコメンド抽出ルールに、趣味・嗜好が登録されていれば、その趣味・嗜好にあったレコメンド情報が決定され配信されることになり、また、購買履歴等に基づいて、ある商品を購入するとその購入した商品に関連する情報が配信されることになるが、これら配信される情報は、趣味・嗜好、購買履歴、またはアクセス履歴などの直接的な情報に基づいて決定されているため、ユーザが潜在的に望んでいるコンテンツに漏れが生じる場合がある。 That is, in the technique of Patent Document 1, if a hobby / preference is registered in the recommendation extraction rule, recommendation information suitable for the hobby / preference is determined and distributed, and the purchase history and the like are also included. Based on this, when purchasing a product, information related to the purchased product will be distributed, but this distributed information is based on direct information such as hobbies / preferences, purchase history, or access history. Therefore, there is a case where content that the user wants is leaked.
特にアクセス履歴に基づいてレコメンド情報を配信使用とする場合には、特に漏れが大きくなるものと考えられる。すなわち、ユーザがサイトなどを閲覧する場合、閲覧しているサイト自体は、一つのキーワードによって表されるものではなく、複数のキーワードをもって表されているものが通常である。例えば、ユーザが映画aに関する情報を検索し、閲覧している場合において、その閲覧しているサイトは、映画aの紹介であったり、原作本を紹介していたり、興行映画館を紹介していたり、出演者を紹介していたり、いろいろな情報(ベクトル情報)を含んでいる。この場合、ユーザは原作本を探している場合には、その原作本に特化したフィルタリング処理を行い、そのためのだけのレコメンド情報を配信することがユーザにとって望まれるものである。 In particular, when recommendation information is distributed and used based on the access history, it is considered that the leakage is particularly large. That is, when a user browses a site or the like, the browsed site itself is not represented by a single keyword, but is usually represented by a plurality of keywords. For example, when a user searches and browses information related to the movie a, the browsing site introduces the movie a, introduces the original, or introduces the entertainment movie theater. Or introducing performers, and various information (vector information). In this case, when the user is searching for an original book, it is desirable for the user to perform a filtering process specialized for the original book and distribute recommendation information only for that purpose.
しかしながら、上述特許文献1に記載の技術では、閲覧しているサイトの全体を見てその全体に近い情報をレコメンド情報として配信することになり、上述のとおりユーザにとって潜在的に望んでいる情報を配信することができなかった。 However, with the technology described in Patent Document 1, the entire site being browsed is viewed and information close to the entire site is distributed as recommendation information. Could not deliver.
一方で、あるコンテンツについてのユーザの利用履歴が少ない、閲覧していない、または閲覧する機会が無い(メニュー画面・検索画面に出てこない)ときには、コンテンツの関心度についてのサンプル数が少なくなるため、適切に潜在的に望んでいる情報を配信することができない、という問題もある。 On the other hand, when the user's usage history for a certain content is small, not viewed, or there is no opportunity to browse (does not appear on the menu screen / search screen), the number of samples about the content interest level decreases. There is also a problem that information that is potentially desired can not be properly distributed.
そこで、本発明は、ユーザが潜在的に望んでいるコンテンツなどのレコメンド情報を漏れなく配信することができるように、ユーザの利用履歴を早期に収集することができる情報配信装置および情報配信方法を提供することを目的とする。 Therefore, the present invention provides an information distribution apparatus and an information distribution method capable of collecting user usage history at an early stage so that recommendation information such as contents potentially desired by the user can be distributed without omission. The purpose is to provide.
上述の課題を解決するために、本発明の情報配信装置は、評価済みコンテンツの正規化ベクトルの総和を算出するベクトル算出手段と、前記ベクトル算出手段により算出された総和ベクトルに対して、90度またはその近似値である角度を形成するベクトルから構成されるコンテンツを抽出するコンテンツ抽出手段と、前記コンテンツ抽出手段により抽出されたコンテンツを要提示コンテンツとしてユーザに提示する提示手段と、を備える。 To solve the problems described above, the information delivery apparatus of the present invention, a vector calculating means for calculating the sum of the normalized vector of evaluated content, based on the sum vector calculated by the vector calculating unit, 90 Content extraction means for extracting content composed of vectors forming degrees or angles that are approximate values thereof , and presentation means for presenting the content extracted by the content extraction means to the user as required presentation content.
また、本発明の情報配信方法は、ベクトル算出手段、コンテンツ抽出手段、および提示手段を備える情報配信装置の情報配信方法において、前記ベクトル算出手段が、評価済みコンテンツの正規化ベクトルの総和を算出するベクトル算出ステップと、前記コンテンツ抽出手段が、前記ベクトル算出ステップにより算出された総和ベクトルに対して、90度またはその近似値である角度を形成するベクトルから構成されるコンテンツを抽出するコンテンツ抽出ステップと、前記提示手段が、前記コンテンツ抽出ステップにより抽出されたコンテンツを要提示コンテンツとしてユーザに提示する提示ステップと、を備える。 The information distribution method of the present invention, calculating the vector calculating means, the contents extracting unit, and information delivery method for an information delivery apparatus comprising presenting means, said vector calculating means, the sum of the normalized vector of evaluated content And a content extraction step in which the content extraction means extracts content composed of vectors forming an angle that is 90 degrees or an approximate value thereof with respect to the sum vector calculated in the vector calculation step. And a presentation step of presenting the content extracted in the content extraction step to the user as the required content.
この発明によれば、評価済みのコンテンツの正規化ベクトルの総和を算出し、算出された総和ベクトルに対して、90度またはその近似値である角度を形成するベクトルから構成される要提示コンテンツを抽出する。そして、抽出された要提示コンテンツをユーザに提示することができる。これにより、要提示コンテンツをユーザに提示させ、選択可能にすることができ、ユーザに要提示コンテンツに対する選択の機会を与えることができる。よって、未評価コンテンツ、または評価が不十分なコンテンツの利用履歴を早期に収集することができる。 According to the present invention, the sum of normalized vectors of evaluated content is calculated, and the required presentation content composed of vectors forming an angle that is 90 degrees or an approximate value of the calculated sum vector is obtained. Extract. Then, the extracted required presentation content can be presented to the user. Accordingly, the required content can be presented to the user and can be selected, and the user can be given an opportunity to select the required content. Therefore, it is possible to collect the usage history of unrated content or content with insufficient evaluation at an early stage.
また、本発明の情報配信装置において、前記コンテンツ抽出手段は、前記正規化ベクトルと抽出対象とするコンテンツのベクトルとの角度が90度に近いコンテンツを予め定められた上位n個抽出することが好ましい。 In the information distribution apparatus of the present invention, it is preferable that the content extracting unit extracts the top n predetermined contents whose angle between the normalized vector and the content vector to be extracted is close to 90 degrees. .
この発明によれば、正規化ベクトルと抽出対象とするコンテンツのベクトルとの角度が90度に近いコンテンツを予め定められた上位n個抽出することで、より適切な要提示コンテンツを抽出することができる。 According to this invention, it is possible to extract more appropriate required content by extracting the top n predetermined contents whose angle between the normalized vector and the content vector to be extracted is close to 90 degrees. it can.
また、本発明の情報配信装置は、ユーザ操作により、複数のコンテンツから一のコンテンツを選択することを受け付ける受付手段と、前記受付手段により受け付けられた選択されたコンテンツ、選択されなかったコンテンツを特定する特定情報を評価済みコンテンツ特定情報として記憶する履歴記憶手段と、を備え、前記ベクトル算出手段は、前記履歴記憶手段に記憶された評価済みコンテンツ特定情報により特定された評価済みコンテンツの正規化ベクトルの総和を算出することが好ましい。 In addition, the information distribution apparatus of the present invention specifies a reception unit that receives selection of one content from a plurality of contents by a user operation, a selected content received by the reception unit, and a content that has not been selected. History storage means for storing specific information to be evaluated as evaluated content specification information, wherein the vector calculation means is a normalized vector of the evaluated content specified by the evaluated content specification information stored in the history storage means Is preferably calculated.
この発明によれば、ユーザ操作により、複数のコンテンツから一のコンテンツを選択することを受け付け、受け付けられた選択されたコンテンツ、選択されなかったコンテンツを特定する特定情報を評価済みコンテンツ特定情報として記憶しておく。そして、記憶された評価済みコンテンツ特定情報により特定された評価済みコンテンツの正規化ベクトルの総和を算出する。これにより、評価済みコンテンツに基づいて要提示コンテンツを適切に選択することができる。 According to the present invention, it is accepted that one content is selected from a plurality of contents by a user operation, and the received selected content and the specified information specifying the unselected content are stored as evaluated content specifying information. Keep it. Then, the sum of the normalized vectors of the evaluated content specified by the stored evaluated content specifying information is calculated. Thereby, the required presentation content can be appropriately selected based on the evaluated content.
また、本発明の情報配信装置において、前記コンテンツ抽出手段は、前記評価済みコンテンツではないコンテンツまたは評価が不十分なコンテンツからコンテンツを要提示コンテンツとして抽出することが好ましい。 In the information distribution apparatus of the present invention, it is preferable that the content extracting unit extracts content as content that needs to be presented from content that is not the evaluated content or content that is not sufficiently evaluated.
この発明によれば、評価済みコンテンツではないコンテンツまたは評価が不十分なコンテンツからコンテンツを要提示コンテンツとして抽出することができ、特に評価が不十分なコンテンツを抽出することができる。 According to the present invention, content can be extracted as required presentation content from content that is not evaluated content or content that is insufficiently evaluated, and content that is particularly insufficiently evaluated can be extracted.
また、本発明の情報配信装置において、前記履歴記憶手段は、前記評価済みコンテンツのうち、前記受付手段により受け付けられた選択されたコンテンツのベクトルを満足特徴ベクトルとして記憶し、前記履歴記憶手段により記憶されている選択されたコンテンツの満足特徴ベクトルからユーザ特性ベクトルを生成するユーザ特性ベクトル生成手段と、前記ユーザ特性ベクトル生成手段により生成されたユーザ特性ベクトルに基づいて、未知のコンテンツの評価を行う評価手段とを備え、前記提示手段は、前記評価手段により評価された未知のコンテンツおよび前記要提示コンテンツを含めてレコメンド情報としてユーザに提示することが好ましい。 In the information distribution apparatus according to the present invention, the history storage unit stores a vector of the selected content received by the reception unit among the evaluated contents as a satisfaction feature vector, and stores the vector by the history storage unit. A user characteristic vector generating unit that generates a user characteristic vector from a satisfaction feature vector of the selected content that is selected, and an evaluation that evaluates an unknown content based on the user characteristic vector generated by the user characteristic vector generating unit It is preferable that the presenting means presents the unknown content evaluated by the evaluating means and the required presentation content to the user as recommended information.
この発明によれば、ユーザ操作により、複数のコンテンツから一のコンテンツを選択することを受け付け、選択されたコンテンツのベクトルである満足特徴ベクトルを記憶する。ここで記憶されている選択されたコンテンツの満足特徴ベクトルからユーザ特性ベクトルを生成し、生成されたユーザ特性ベクトルに基づいて、未知のコンテンツの評価を行う。そして、この未知のコンテンツおよび要提示コンテンツを含めたレコメンド情報をユーザに提示する。 According to the present invention, it is accepted that one content is selected from a plurality of contents by a user operation, and a satisfaction feature vector which is a vector of the selected content is stored. A user characteristic vector is generated from the satisfaction feature vector of the selected content stored here, and unknown content is evaluated based on the generated user characteristic vector. Then, recommendation information including the unknown content and the required presentation content is presented to the user.
これにより、ユーザの特性を示すベクトルにしたがって未知のコンテンツなどを含んだレコメンド情報の評価を行うことができ、ユーザの趣味・嗜好など、またアクセス履歴などの直接的な情報に基づいて推薦すべきレコメンド情報を評価することがなく、漏れなくレコメンド情報をユーザに提供することができる。よって、レコメンド情報を提供するとともに、要提示コンテンツをユーザに提供することができる。 This makes it possible to evaluate recommendation information including unknown content according to a vector indicating the user's characteristics, and recommend based on user's hobbies / preferences and direct information such as access history. The recommendation information is not evaluated, and the recommendation information can be provided to the user without omission. Therefore, while providing recommendation information, a required presentation content can be provided to a user.
本発明によれば、要提示コンテンツをユーザに提示させ、選択可能にすることで、ユーザに要提示コンテンツに対する選択の機会を与えることができる。よって、未評価コンテンツ、または評価が不十分なコンテンツの利用履歴を早期に収集することができる。 According to the present invention, it is possible to give the user an opportunity to select the required content by making the required content presented to the user and making it selectable. Therefore, it is possible to collect the usage history of unrated content or content with insufficient evaluation at an early stage.
添付図面を参照しながら本発明の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。 Embodiments of the present invention will be described with reference to the accompanying drawings. Where possible, the same parts are denoted by the same reference numerals, and redundant description is omitted.
図1は、本実施形態の携帯電話機100および情報配信サーバ200を備えた情報配信システムのシステム構成を示すシステム構成図である。携帯電話機100からの要求に応じて情報配信サーバ200は、予め記憶されているレコメンド情報となるコンテンツを、携帯電話機100に配信する。配信されるレコメンド情報は、携帯電話機100のユーザのアクセス履歴に基づいて編集されたものであり、ユーザにとって必要と思われる情報である。なお、この情報配信サーバ200は、携帯電話機100からのアクセス要求に応じて、他のコンテンツプロバイダからコンテンツを取得し、取得したコンテンツを配信するものであり、アクセス履歴はこのときに収集される。また、携帯電話機100がアクセス履歴を送信し、それを取得するように構成されてもよい。 FIG. 1 is a system configuration diagram illustrating a system configuration of an information distribution system including a mobile phone 100 and an information distribution server 200 according to the present embodiment. In response to a request from the mobile phone 100, the information distribution server 200 distributes content that serves as recommendation information stored in advance to the mobile phone 100. The recommended information to be distributed has been edited based on the access history of the user of the mobile phone 100 and is information that seems necessary for the user. The information distribution server 200 acquires content from other content providers and distributes the acquired content in response to an access request from the mobile phone 100, and the access history is collected at this time. Further, the mobile phone 100 may be configured to transmit and acquire the access history.
このような情報配信サーバ200の構成について、図2を用いて説明する。図2は、情報配信サーバ200の機能構成を示すブロック図である。この情報配信サーバ200は、コンテンツ要求受信部201(受付手段)、レコメンド要求受信部202、履歴クラス分離部203、ユーザ特性ベクトル計算部204(ユーザ特性ベクトル生成手段)、配信情報格納部205、コンテンツ評価部206(評価手段)、履歴格納部207(履歴記憶手段)、コンテンツ送信部208(提示手段)、評価済みコンテンツベクトル算出部209(ベクトル算出手段)、および要提示コンテンツ抽出部210(コンテンツ抽出手段)を含んで構成されている。 The configuration of such an information distribution server 200 will be described with reference to FIG. FIG. 2 is a block diagram showing a functional configuration of the information distribution server 200. The information distribution server 200 includes a content request receiving unit 201 (accepting unit), a recommendation request receiving unit 202, a history class separating unit 203, a user characteristic vector calculating unit 204 (user characteristic vector generating unit), a distribution information storage unit 205, a content Evaluation unit 206 (evaluation unit), history storage unit 207 (history storage unit), content transmission unit 208 (presentation unit), evaluated content vector calculation unit 209 (vector calculation unit), and required content extraction unit 210 (content extraction) Means).
図3は、情報配信サーバ200のハードウェア構成図である。図2に示される情報配信サーバ200は、物理的には、図3に示すように、CPU11、主記憶装置であるRAM12及びROM13、入力デバイスであるキーボード及びマウス等の入力装置14、ディスプレイ等の出力装置15、ネットワークカード等のデータ送受信デバイスである通信モジュール16、ハードディスク等の補助記憶装置17などを含むコンピュータシステムとして構成されている。図2において説明した各機能は、図3に示すCPU11、RAM12等のハードウェア上に所定のコンピュータソフトウェアを読み込ませることにより、CPU11の制御のもとで入力装置14、出力装置15、通信モジュール16を動作させるとともに、RAM12や補助記憶装置17におけるデータの読み出し及び書き込みを行うことで実現される。以下、図2に示す機能ブロックに基づいて、各機能ブロックを説明する。 FIG. 3 is a hardware configuration diagram of the information distribution server 200. As shown in FIG. 3, the information distribution server 200 shown in FIG. 2 physically includes a CPU 11, a RAM 12 and a ROM 13 that are main storage devices, an input device 14 such as a keyboard and a mouse that are input devices, a display, and the like. The computer system includes an output device 15, a communication module 16 that is a data transmission / reception device such as a network card, and an auxiliary storage device 17 such as a hard disk. Each function described in FIG. 2 has the input device 14, the output device 15, and the communication module 16 under the control of the CPU 11 by reading predetermined computer software on the hardware such as the CPU 11 and the RAM 12 shown in FIG. 3. This is realized by reading and writing data in the RAM 12 and the auxiliary storage device 17. Hereinafter, each functional block will be described based on the functional blocks shown in FIG.
コンテンツ要求受信部201は、携帯電話機100からのコンテンツの要求に応じて、ネットワーク上のコンテンツプロバイダからコンテンツを取得する部分であり、携帯電話機100からコンテンツの要求とそのURLを受信することでアクセス履歴を収集することができる。収集したアクセス履歴(URLなど)は、履歴格納部207に出力される。なお、このコンテンツ要求受信部201は、アクセス履歴として、あるメニュー画面(事象)内において実際にアクセスされたコンテンツ(URL)と、メニュー画面には表示されているものの、実際にアクセスされなかったコンテンツとを区別して収集する。 The content request receiving unit 201 is a part that acquires content from a content provider on the network in response to a content request from the mobile phone 100, and receives an access history by receiving the content request and its URL from the mobile phone 100. Can be collected. The collected access history (such as URL) is output to the history storage unit 207. The content request receiving unit 201 includes, as an access history, content (URL) that is actually accessed in a certain menu screen (event) and content that is displayed on the menu screen but not actually accessed. Collect separately.
また、コンテンツ要求受信部201は、アクセス要求だけでなく、携帯電話機100において収集されたアクセス履歴情報を受信し、これを履歴格納部207に出力するようにしてもよい。この場合も同様に、携帯電話機100は、あるメニュー画面において選択されたコンテンツ、選択されなかったコンテンツを区別してアクセス履歴情報として情報配信サーバ200に送信するように構成される。 Further, the content request receiving unit 201 may receive not only the access request but also access history information collected by the mobile phone 100 and output this to the history storage unit 207. Similarly, in this case, the mobile phone 100 is configured to distinguish the content selected on a certain menu screen from the content not selected and transmit it to the information distribution server 200 as access history information.
レコメンド要求受信部202は、携帯電話機100からレコメンド情報の配信要求を、携帯電話機100のユーザのユーザIDとともに受信する部分である。レコメンド要求受信部202は、その配信要求を受信すると、コンテンツ評価部206にその旨を通知し、予め計算されていたユーザ特性ベクトルに基づいて、配信情報格納部205に記憶されているコンテンツの評価を行うよう指示する。なお、変形例として、レコメンド要求のあった旨をユーザ特性ベクトル計算部204に出力し、現時点におけるユーザ特性ベクトルを計算させ、その結果をコンテンツ評価部206に通知し、コンテンツ送信部208にレコメンド情報の配信を行わせるようにしてもよい。 The recommendation request receiving unit 202 is a part that receives a distribution request for recommendation information from the mobile phone 100 together with the user ID of the user of the mobile phone 100. When receiving the distribution request, the recommendation request receiving unit 202 notifies the content evaluation unit 206 to that effect, and evaluates the content stored in the distribution information storage unit 205 based on the user characteristic vector calculated in advance. To instruct As a modification, the fact that there is a recommendation request is output to the user characteristic vector calculation unit 204, the current user characteristic vector is calculated, the result is notified to the content evaluation unit 206, and the recommendation information is transmitted to the content transmission unit 208 You may make it deliver.
履歴クラス分離部203は、履歴格納部207(閲覧履歴テーブル207c)に記憶されている閲覧履歴情報に含まれているコンテンツの特性ベクトルに基づいて、あるユーザが閲覧したコンテンツを満足クラスと不満足クラスとに分離するための分離平面を生成する部分である。この構成は、後述するとおり、SVM法を用いた場合に必須の構成である。ここで、満足クラスとは、あるコンテンツにアクセスするためのメニュー画面において選択可能に表示された複数のコンテンツのうち、実際に選択されたコンテンツのみを含んだクラスをいい、不満足クラスとは、そのメニュー画面において選択されなかったコンテンツのみを含んだクラスをいう。この履歴クラス分離部203は、SVM法またはNN法を用いて、各コンテンツの特性ベクトルを満足クラスと不満足クラスとに分離することができる分離平面を生成することで、これらクラスを分離することができる。ここでSVM(Support Vector Machine)法とは、それぞれのクラスのノード間(特性ベクトル間)の最小距離を最大化する平面を分離平面とする方法であり、NN法とは、それぞれのクラスの重心間、すなわち各コンテンツの特性ベクトルに基づいて算出された、満足クラスの重心と不満足クラスの重心とを結んだ直線を推薦する平面を分離平面とする方法である。なお、NN法においては、必ずしも分離平面を求める必要はなく、不満足クラスの重心から満足クラスへの重心へ結んだ直線をユーザ特性ベクトルとするようにしてもよい。 The history class separation unit 203 is based on the content characteristic vector included in the browsing history information stored in the history storage unit 207 (browsing history table 207c), and the content browsed by a certain user is satisfied and unsatisfied. It is a part which produces | generates the separation plane for isolate | separating into. This configuration is indispensable when the SVM method is used, as will be described later. Here, the satisfaction class refers to a class including only the actually selected content among a plurality of contents displayed in a selectable manner on a menu screen for accessing certain content. A class that contains only content that was not selected on the menu screen. The history class separation unit 203 uses the SVM method or the NN method to generate a separation plane that can separate the characteristic vector of each content into a satisfaction class and a dissatisfaction class, thereby separating these classes. it can. Here, the SVM (Support Vector Machine) method is a method in which a plane that maximizes the minimum distance between nodes of each class (between characteristic vectors) is a separation plane, and the NN method is the center of gravity of each class. In other words, a plane that recommends a straight line connecting the centroid of the satisfaction class and the centroid of the dissatisfaction class calculated based on the characteristic vector of each content is used as the separation plane. In the NN method, it is not always necessary to obtain a separation plane, and a straight line connecting the centroid of the unsatisfactory class to the centroid of the satisfactory class may be used as the user characteristic vector.
ここで分離平面を生成する具体的な方法について説明する。図4は、携帯電話機100に表示されるメニュー画面の一例を示す説明図である。図4に示すようにNode1〜Node5が表示されている。このNodeは、選択対象項目を示すものであり、例えばウェブ上のメニュー画面におけるカテゴリごとに区別された項目であったり、ウエブページのタイトルである。例えば、Node1が、自動車に関するコンテンツ、Node2が、金融に関するコンテンツなどである。ユーザは、Node1〜Node5のいずれかを選択することにより、対応するコンテンツを閲覧することができる。 Here, a specific method for generating the separation plane will be described. FIG. 4 is an explanatory diagram illustrating an example of a menu screen displayed on the mobile phone 100. As shown in FIG. 4, Node1 to Node5 are displayed. This Node indicates an item to be selected, for example, an item distinguished for each category on a menu screen on the web, or a title of a web page. For example, Node 1 is content related to automobiles, and Node 2 is content related to finance. The user can browse the corresponding content by selecting any one of Node1 to Node5.
図5は、分離平面を生成するときの処理概念を示す概念図である。図5は、上述図4におけるメニュー画面のうちユーザが選択したコンテンツおよび選択されなかったコンテンツにおける、特徴空間内における各コンテンツの特性ベクトルの位置関係を示す。図5に示されている通り、円形で示されている部分が満足なコンテンツ(Node3、Node4)であり、三角形で示されている部分が不満足なコンテンツ(Node1、Node2、Node5)であり、四角形で示されている部分が未知の未評価コンテンツ(Node8、Node7)である。これら満足コンテンツと不満足コンテンツとを分離するように生成されたものが分離平面である。ここでは、未評価コンテンツは分離処理する際には考慮されない。なお、図においては、特徴空間を便宜上二次元平面で表現しているが、ベクトルを構成するパラメータ分だけベクトル軸が存在することになり、通常は20次元以上のベクトルで特徴空間は構成されている。 FIG. 5 is a conceptual diagram showing a processing concept when generating a separation plane. FIG. 5 shows the positional relationship between the characteristic vectors of each content in the feature space in the content selected by the user and the content not selected in the menu screen in FIG. As shown in FIG. 5, the parts indicated by circles are satisfactory contents (Node3, Node4), and the parts indicated by triangles are unsatisfactory contents (Node1, Node2, Node5), and are rectangular. The parts indicated by are unknown unevaluated contents (Node8, Node7). A separation plane is generated so as to separate the satisfactory content and the unsatisfied content. Here, the unevaluated content is not taken into consideration when the separation process is performed. In the figure, the feature space is represented by a two-dimensional plane for convenience. However, there are vector axes corresponding to the parameters constituting the vector, and the feature space is usually composed of vectors of 20 dimensions or more. Yes.
ユーザ特性ベクトル計算部204は、コンテンツの満足特徴ベクトルからベクトルを算出し、これをユーザ特性ベクトルとする部分である。例えば、NN法を用いた方法について説明する。図19(a)は、NN法を用いてユーザ特性ベクトルを算出する方法を示す概念図である。ここで○印が満足コンテンツ、×印が不満足コンテンツである。そして、ユーザ特性ベクトル計算部204は、それぞれのコンテンツにおける特性ベクトルの重心を算出し、不満足コンテンツの特性ベクトルの重心から満足コンテンツの特性ベクトルの重心に向かう方向のベクトルをユーザ特性ベクトルとする。 The user characteristic vector calculation unit 204 is a part that calculates a vector from the content satisfaction feature vector and sets this as a user characteristic vector. For example, a method using the NN method will be described. FIG. 19A is a conceptual diagram showing a method for calculating a user characteristic vector using the NN method. Here, ○ marks are satisfied contents and × marks are unsatisfied contents. Then, the user characteristic vector calculation unit 204 calculates the centroid of the characteristic vector in each content, and sets the vector in the direction from the centroid of the characteristic vector of the dissatisfied content to the centroid of the characteristic vector of the satisfied content as the user characteristic vector.
また、不満足コンテンツが存在しない場合など、不満足コンテンツの特性ベクトルを用いることなく、満足コンテンツの特性ベクトルのみを用いてユーザ特性ベクトルを算出することもできる。その場合、例えば、図19(b)に示すように、原点から満足コンテンツの特性ベクトルの重心に向けたベクトルを算出することで、これをユーザ特性ベクトルとすることができる。 In addition, when there is no unsatisfied content, the user characteristic vector can be calculated using only the characteristic vector of the satisfied content without using the characteristic vector of the unsatisfactory content. In this case, for example, as shown in FIG. 19B, by calculating a vector from the origin toward the center of gravity of the characteristic vector of the satisfactory content, this can be used as the user characteristic vector.
なお、NN法を用いた場合には、特に分離平面を算出する必要は無く、その場合、上述の履歴クラス分離部203など、SVM法に関する構成は必ずしも必須ではない。 When the NN method is used, it is not necessary to calculate a separation plane in particular, and in that case, a configuration related to the SVM method such as the above-described history class separation unit 203 is not necessarily required.
また、SVM法を用いてユーザ特性ベクトルを算出しても良い。図6にその具体例を示す。図6は、分離平面に基づいてユーザ特性ベクトルを算出し、さらにユーザ特性ベクトルに基づいて評価を行うときの概念を示す概念図である。図6に示すように、分離平面に直交する直交ベクトルであるユーザ特性ベクトルwが、ユーザ特性ベクトル計算部204により算出される。ユーザ特性ベクトル計算部204は、閲覧履歴が収集されるたびに計算され、ユーザ特性ベクトル管理テーブル207aに記憶されているユーザ特性ベクトルを更新させる。 Further, the user characteristic vector may be calculated using the SVM method. A specific example is shown in FIG. FIG. 6 is a conceptual diagram illustrating a concept when a user characteristic vector is calculated based on the separation plane and evaluation is performed based on the user characteristic vector. As shown in FIG. 6, a user characteristic vector w that is an orthogonal vector orthogonal to the separation plane is calculated by the user characteristic vector calculation unit 204. The user characteristic vector calculation unit 204 is updated every time browsing history is collected, and updates the user characteristic vector stored in the user characteristic vector management table 207a.
配信情報格納部205は、配信対象であるコンテンツ(レコメンド情報)およびその管理情報を記憶する部分であり、コンテンツ管理テーブル205aを記憶している。図7は、コンテンツ管理テーブル205aの記憶内容を示す説明図である。図7に示すように、このコンテンツ管理テーブル205aは、コンテンツID、カテゴリ、タイトル、およびレコメンド本文を対応付けて記憶している。コンテンツIDは、コンテンツを一意に特定するための識別情報であり、カテゴリは情報種別を示し、例えばCDに関連するもの、DVDに関連するもの、書籍に関連するもの、テレビ番組に関連するものなどを示すための情報である。タイトルは、レコメンド情報として表示するための見出し情報である。レコメンド情報を配信する際には、このタイトル部分が表示されることになる。レコメンド文は、レコメンド情報の本体部分であり、ユーザに有用な情報である。このコンテンツ管理テーブル205aに記憶される情報は、予めオペレータにより入力されたものでもよいし、自動的にコンテンツプロバイダから検索・抽出され所定のフィルターにより絞り込まれたものであってもよい。 The distribution information storage unit 205 is a part that stores content to be distributed (recommendation information) and management information thereof, and stores a content management table 205a. FIG. 7 is an explanatory diagram showing the stored contents of the content management table 205a. As shown in FIG. 7, the content management table 205a stores a content ID, a category, a title, and a recommended text in association with each other. The content ID is identification information for uniquely identifying the content, and the category indicates the information type. For example, information related to CD, information related to DVD, information related to books, information related to TV programs, etc. It is information for indicating. The title is heading information to be displayed as recommendation information. When the recommendation information is distributed, this title portion is displayed. The recommendation sentence is a main part of the recommendation information and is useful information for the user. Information stored in the content management table 205a may be input in advance by an operator, or may be information that is automatically retrieved and extracted from a content provider and narrowed down by a predetermined filter.
コンテンツ評価部206は、レコメンド要求受信部202によりレコメンドの要求が受信されると、配信情報格納部205に記憶されているコンテンツに対して、ユーザ特性ベクトル計算部204により計算されたユーザ特性ベクトルに基づいて評価し、そして評価の高い順にコンテンツのタイトルを並べたレコメンド情報を生成する部分である。具体的には、このコンテンツ評価部206は、ユーザ特性ベクトルと各コンテンツの特性ベクトルとの内積を計算することにより評価値を算出し、その評価値の高い順にコンテンツのタイトルを並べたレコメンド情報を生成する。さらに、コンテンツ評価部206は、要提示コンテンツ抽出部210により抽出された要提示コンテンツを、生成したレコメンド情報に付加して、これをレコメンド情報とする。 When the recommendation request is received by the recommendation request receiving unit 202, the content evaluation unit 206 applies the user characteristic vector calculated by the user characteristic vector calculation unit 204 to the content stored in the distribution information storage unit 205. This is a part for generating recommendation information in which the titles of the contents are arranged in the descending order of evaluation. Specifically, the content evaluation unit 206 calculates an evaluation value by calculating the inner product of the user characteristic vector and the characteristic vector of each content, and recommends information in which the content titles are arranged in descending order of the evaluation value. Generate. Further, the content evaluation unit 206 adds the required presentation content extracted by the required content extraction unit 210 to the generated recommendation information, and sets this as recommended information.
概念的には、つぎの通りとなる。例えば、図6では、Node7およびNode8がコンテンツ管理テーブル205aに記憶された情報であるとして、未知のコンテンツとして扱われている。ここで、Node7およびNode8からユーザ特性ベクトルwに対して垂線をおろした点がユーザ特性ベクトルwに対する評価点となる。この垂線とユーザ特性ベクトルとの交点の位置が上位にある順にコンテンツ(タイトル部分)を表示するようにレコメンド情報を生成する。なお、予め定めた基準値を用いて上位のもの、下位のもので評価を行うようにしても良い。また、SVM法を用いる場合、分離平面を基準に、表示または非表示とするようにしてもよい。例えば、Node8からの垂線との交点は、分離平面を基準にした場合、それよりも上位に位置しているため、ユーザにとって評価は高いと判断されレコメンド情報として選択される。一方、Node7は基準より下位にあるため、評価は低く、レコメンド情報として選択されない、というようなレコメンド情報としてもよい。 Conceptually, it is as follows. For example, in FIG. 6, Node 7 and Node 8 are treated as unknown content, assuming that the information is stored in the content management table 205a. Here, the point perpendicular to the user characteristic vector w from Node 7 and Node 8 is the evaluation point for the user characteristic vector w. The recommendation information is generated so that the content (title portion) is displayed in the order in which the position of the intersection of the perpendicular and the user characteristic vector is higher. In addition, you may make it evaluate by a high-order thing and a low-order thing using a predetermined reference value. When the SVM method is used, display or non-display may be performed based on the separation plane. For example, since the intersection with the perpendicular from Node 8 is positioned higher than the separation plane as a reference, it is determined that the evaluation is high for the user and is selected as recommendation information. On the other hand, since Node 7 is lower than the reference, the evaluation may be low and the recommendation information may not be selected as recommendation information.
履歴格納部207は、各履歴情報を記憶する部分であり、ユーザ特性ベクトル管理テーブル207a、コンテンツ特性ベクトル管理テーブル207b、および閲覧履歴テーブル207cを記憶している。 The history storage unit 207 stores each piece of history information, and stores a user characteristic vector management table 207a, a content characteristic vector management table 207b, and a browsing history table 207c.
ユーザ特性ベクトル管理テーブル207aは、ユーザ特性ベクトル計算部204により計算されたユーザ特性ベクトルを、ユーザを特定するためのユーザIDと対応付けて記憶する部分である。 The user characteristic vector management table 207a is a part that stores the user characteristic vector calculated by the user characteristic vector calculation unit 204 in association with the user ID for specifying the user.
コンテンツ特性ベクトル管理テーブル207bは、コンテンツ管理テーブル205aに記憶されているコンテンツの特性ベクトルを、そのコンテンツを特定するための情報(例えばコンテンツID、URLなど)と対応付けて記憶する部分である。このコンテンツ特性ベクトルは、ユーザがアクセスしたときにそのコンテンツとともに、コンテンツ要求受信部201により取得されるもの、レコメンド情報を登録するときにそのオペレータにより設定されたものである。例えば、コンテンツ特性ベクトル管理テーブル207bは、図8に示される情報が記憶されている。図8に示すように、コンテンツIDと対応付けて、特性ベクトルを構成するパラメータが複数記憶されている。図8では、8個のパラメータを記載しているが、通常はさらに多くのパラメータから特性ベクトルは構成されている。なお、規定のパラメータ以外に、コンテンツごとに形態素解析にしたがって抽出されたキーワードをパラメータとして追加するようにしてもよい。特性ベクトルを構成するパラメータごとに、0から1の間で数値が記述されており、どの特性ベクトルに特徴を持たせているかを表している。 The content characteristic vector management table 207b is a part that stores the characteristic vector of content stored in the content management table 205a in association with information (for example, content ID, URL, etc.) for specifying the content. This content characteristic vector is acquired by the content request receiving unit 201 together with the content when the user accesses it, and is set by the operator when registering the recommendation information. For example, the content characteristic vector management table 207b stores information shown in FIG. As shown in FIG. 8, a plurality of parameters constituting the characteristic vector are stored in association with the content ID. Although eight parameters are shown in FIG. 8, the characteristic vector is usually composed of more parameters. In addition to the defined parameters, keywords extracted according to morphological analysis for each content may be added as parameters. For each parameter constituting the characteristic vector, a numerical value is described between 0 and 1, indicating which characteristic vector has a feature.
閲覧履歴テーブル207cは、コンテンツ要求受信部201により受信されたあて先または収集されたアクセス履歴情報を記憶する部分であり、例えば、メニュー画面に表示されたコンテンツおよび閲覧されたコンテンツのコンテンツID(またはコンテンツのURL)およびそれらコンテンツの特性ベクトルを対応付けて記憶する部分である。すなわち、この閲覧履歴テーブル207cは、選択(閲覧)されたコンテンツ、選択(閲覧)されなかったコンテンツを特定する特定情報を評価済みコンテンツ特定情報として記憶しておく。
このコンテンツの特性ベクトルは、コンテンツ要求受信部201により取得されるコンテンツとともに取得されるものである。
The browsing history table 207c is a part for storing the destination or collected access history information received by the content request receiving unit 201. For example, the content ID (or content ID of the content displayed on the menu screen and the content viewed) URL) and the characteristic vectors of these contents are stored in association with each other. In other words, the browsing history table 207c stores, as evaluated content specifying information, specific information that specifies content that has been selected (viewed) and content that has not been selected (viewed).
The content characteristic vector is acquired together with the content acquired by the content request receiving unit 201.
コンテンツ送信部208は、コンテンツ要求受信部201により受信されたコンテンツ要求またはレコメンド要求受信部202により受信されたレコメンド要求に応じて取得されたコンテンツを送信する部分である。例えば、コンテンツ送信部208は、コンテンツ要求受信部201により受信されたコンテンツ要求に応じて取得されたコンテンツを送信し、またレコメンド要求受信部202に応じて配信情報格納部205に記憶されているコンテンツに基づいてコンテンツ評価部206による評価結果にしたがって生成されたレコメンド情報を送信する。 The content transmitting unit 208 is a part that transmits content acquired in response to a content request received by the content request receiving unit 201 or a recommendation request received by the recommendation request receiving unit 202. For example, the content transmission unit 208 transmits the content acquired in response to the content request received by the content request reception unit 201, and the content stored in the distribution information storage unit 205 according to the recommendation request reception unit 202 The recommendation information generated in accordance with the evaluation result by the content evaluation unit 206 is transmitted.
評価済みコンテンツベクトル算出部209は、既にユーザから何らかの反応を得た評価済みのコンテンツの正規化ベクトルの総和を算出する部分である。何らかの反応を得たコンテンツとは、例えば、詳細情報が閲覧された、メニュー画面に表示されたのにも係わらず、閲覧されること無く、無視されたなどである。なお、評価済みコンテンツとは、上述したとおり、閲覧等されたコンテンツ(満足クラス)、メニュー画面には選択可能に表示されているものの閲覧等されなかったコンテンツ(不満足クラス)である。評価がされていないコンテンツとは、ユーザにとって選択する機会が与えられていないコンテンツであって、例えば、複数ページからなるメニュー画面において、ユーザが1ページ目のみ閲覧し、2ページ目移行は閲覧しなかった場合には、2ページ目以降のコンテンツは未評価のコンテンツとされる。これらは、閲覧履歴テーブル207cに記憶されている閲覧履歴情報に基づいて判断され、評価済みコンテンツベクトル算出部209は、閲覧履歴テーブル207cの情報に従って、正規化ベクトルの総和を算出する。 The evaluated content vector calculation unit 209 is a part that calculates the sum of normalized vectors of evaluated content that has already obtained some kind of response from the user. The content that has obtained some kind of reaction is, for example, that the detailed information has been browsed or ignored, although it has been displayed on the menu screen. As described above, the evaluated content is content that has been browsed (satisfaction class), and content that is displayed so as to be selectable on the menu screen but has not been browsed (unsatisfied class). Content that has not been evaluated is content that is not given an opportunity for the user to select. For example, in a menu screen consisting of a plurality of pages, the user browses only the first page, and the second page transition is viewed. If there is no content, the content after the second page is regarded as unevaluated content. These are determined based on the browsing history information stored in the browsing history table 207c, and the evaluated content vector calculation unit 209 calculates the sum of normalized vectors according to the information of the browsing history table 207c.
なお、コンテンツを満足と判定する条件としては、上記で挙げたように閲覧する行為のほかに、“お気に入りコンテンツに登録した”、“コンテンツの予約(購入)ページを閲覧した”など、後日コンテンツの閲覧を可能にさせる行為を条件とする方法も考えられる。また、コンテンツを不満足と判定する条件としては、上記で挙げた例のほかに、“コンテンツのメニュー画面(例えば概要情報の一覧)に表示されたにもかかわらずユーザに選択されなかったケースが一定回数以上あった”などを条件とする方法も考えられる。これら条件を満たした場合には、閲覧履歴テーブル207cにその行為を示すフラグが記述されることにより、評価済みコンテンツベクトル算出部209は処理することができる。また、必ずしもコンテンツを「不満足」と判定する必要はなく、「満足」判定のみが行われる場合も考えられる。 In addition to the actions of browsing as listed above, the conditions for determining content satisfaction are “added to favorite content”, “viewed content reservation (purchase) page”, etc. A method is also conceivable that requires the act of enabling browsing. In addition to the above-mentioned examples, the condition for determining content as unsatisfactory is that there is a fixed case where the content is not selected by the user despite being displayed on the content menu screen (for example, the summary information list). A method is also conceivable on the condition that "there was more than the number of times". When these conditions are satisfied, a flag indicating the action is described in the browsing history table 207c, so that the evaluated content vector calculation unit 209 can process. Further, it is not always necessary to determine that the content is “unsatisfied”, and only “satisfied” determination may be performed.
つぎに、正規化処理についてその具体的を、図15を用いて説明する。図15は、コンテンツベクトルが2次元の特徴空間からなる場合において正規化ベクトルを生成するときの概念を示す模式図である。図15に示されるように、コンテンツPが評価済みコンテンツであるとともに、閲覧等されることが無かったため、不満足と評価されたとする。また、コンテンツQは、評価済みコンテンツであるとともに、閲覧等がされたため、満足と評価されたとする。まず、評価済みコンテンツベクトル算出部209は、各コンテンツP,Qのそれぞれのベクトルp1、ベクトルq1を正規化処理する。正規化とは、図15に示されるように、半径1の超球T(N次元の球体を想定:ここでは2次元の球体)に沿ってコンテンツベクトルの大きさが変換される。例えば、コンテンツQのベクトルq1は、Y軸上において、1の大きさとなるように小さくなり、逆にコンテンツPのベクトルp1は、超球の円周(または球面)上に終端がくるようにそのベクトルの大きさが大きく変換される。 Next, the specifics of the normalization process will be described with reference to FIG. FIG. 15 is a schematic diagram showing a concept when a normalized vector is generated when a content vector is composed of a two-dimensional feature space. As shown in FIG. 15, it is assumed that the content P is evaluated content and has not been browsed, so that it is evaluated as unsatisfactory. Further, it is assumed that the content Q is evaluated content and has been evaluated as satisfactory because it has been browsed. First, the evaluated content vector calculation unit 209 normalizes the vectors p 1 and q 1 of the contents P and Q, respectively. In normalization, as shown in FIG. 15, the size of the content vector is converted along a hypersphere T having a radius of 1 (assuming an N-dimensional sphere: here a two-dimensional sphere). For example, the vector q 1 of the content Q is reduced to be 1 on the Y axis, and conversely, the vector p 1 of the content P is terminated on the circumference (or spherical surface) of the hypersphere. The size of the vector is greatly converted.
そして、評価済みコンテンツベクトル算出部209は、これらコンテンツPおよびコンテンツQのそれぞれの正規化ベクトルp、qを加算する。具体的には図16に示すとおりとなる。図16は、評価済み総和コンテンツを生成するときの概念を示す模式図である。図16において、評価済みコンテンツベクトル算出部209により評価済み総和ベクトルvは、ベクトルqおよびベクトルpとの総和として算出される。 Then, the evaluated content vector calculation unit 209 adds the normalized vectors p and q of the content P and the content Q, respectively. Specifically, it is as shown in FIG. FIG. 16 is a schematic diagram illustrating a concept when the evaluated total content is generated. In FIG. 16, the evaluated sum vector v is calculated by the evaluated content vector calculation unit 209 as the sum of a vector q and a vector p.
要提示コンテンツ抽出部210は、評価済みコンテンツベクトル算出部209により算出された評価済み総和ベクトルvに基づいて、未評価コンテンツまたはユーザによる評価が不十分なコンテンツから、特に評価が不十分であるコンテンツ(またはユーザに評価させたい、閲覧の機会を与えたい)であり、ユーザへの提示を必要とする要提示コンテンツを抽出する。ここで未評価コンテンツとは、コンテンツ管理テーブル205a(およびコンテンツ特性ベクトル管理テーブル207b)に記憶されているコンテンツのうち、メニュー画面、検索結果画面等で表示されたことがないコンテンツであり、例えば、メニュー画面が複数ページからなるものである場合には、閲覧されなかったページに含まれているコンテンツである。また、評価が不十分なコンテンツとは、メニュー画面・検索結果画面等に表示されたコンテンツのタイトル(または概要)のうち、閲覧されなかったものであったり、閲覧されても1回だけなど、他のコンテンツと比較して、閲覧回数や、メニュー画面等における表示回数が極端に少なかったものである。 The required content extraction unit 210 is based on the evaluated total vector v calculated by the evaluated content vector calculation unit 209, and content that is not particularly evaluated from unrated content or content that is not sufficiently evaluated by the user. (Or want the user to evaluate or give a viewing opportunity) and extract the required presentation content that needs to be presented to the user. Here, the unevaluated content is content that has not been displayed on the menu screen, the search result screen, or the like among the content stored in the content management table 205a (and the content characteristic vector management table 207b). When the menu screen is composed of a plurality of pages, the content is included in a page that has not been browsed. In addition, content with insufficient evaluation means that the title (or summary) of the content displayed on the menu screen / search result screen etc. has not been browsed, or has been browsed once, etc. Compared to other contents, the number of times of browsing and the number of times of display on the menu screen are extremely small.
ここで、未評価コンテンツまたは評価が不十分なコンテンツ(以下、未評価コンテンツ等と略す)から特に評価が不十分であってユーザに評価させたい要提示コンテンツの選択の仕方について具体的に説明する。例えば、図16の例においては、未評価コンテンツ等であるコンテンツRおよびコンテンツSが示されている。この場合、評価済み総和ベクトルvと比較して、略直角であるコンテンツSがユーザによる評価が特に不十分な要提示コンテンツと判断することができる。そして、未評価コンテンツ抽出部210は、抽出したコンテンツSを、コンテンツ評価部206に出力し、このコンテンツ評価部206は、要提示コンテンツであるコンテンツSをレコメンド情報に付加し、コンテンツ送信部208はレコメンド情報とともに送信する。なお、複数の未評価等のコンテンツがあった場合、その中で一番で最も直角に近い角度のベクトルを有するコンテンツを要提示コンテンツとすることもでき、また上位N個のベクトルのコンテンツを要提示コンテンツとしてもよい。 Here, a specific description will be given of how to select content to be presented that is not sufficiently evaluated and is to be evaluated by the user from content that has not been evaluated or content that has not been evaluated sufficiently (hereinafter abbreviated as unrated content, etc.). . For example, in the example of FIG. 16, content R and content S, which are unevaluated content and the like, are shown. In this case, compared to the evaluated sum vector v, it is possible to determine that the content S having a substantially right angle is the required presentation content that is particularly insufficient for evaluation by the user. Then, the unevaluated content extraction unit 210 outputs the extracted content S to the content evaluation unit 206, the content evaluation unit 206 adds the content S that is the required presentation content to the recommendation information, and the content transmission unit 208 Sent with recommendation information. If there are a plurality of unevaluated contents, the content having the vector with the angle closest to the rightmost among them can be the required presentation content, and the content of the top N vectors is required. It may be presented content.
つぎに、評価済み総和ベクトルに直交する、またはそれに近い角度のベクトルを有するコンテンツが、ユーザによる評価が特に不十分であることの理由について説明する。なお、ここではコンテンツを特徴付ける特徴空間が3次元(3個の要素)からなる空間を例に説明する。 Next, the reason why the content having a vector orthogonal to or close to the evaluated sum vector is not particularly evaluated by the user will be described. Here, a description will be given by taking as an example a space in which a feature space characterizing content is composed of three dimensions (three elements).
図17(a)のように、(X,Y,Z)=(0,0,A) (ただしA>0)で表されるコンテンツaが、あるユーザにとって満足コンテンツと評価されており、その他のコンテンツについては評価が得られていないとき、当該ユーザの総和ベクトルは(0,0,A)と算出される。このとき、当該ユーザの嗜好についてわかっていることは、Z軸に値をもつコンテンツが好きな可能性があるということのみである。X軸やY軸についての好みの情報は一切ないため、例えば(B,0,0)(ただしB>0)や(0,B,0)といったコンテンツを当該ユーザにレコメンド情報として提供すべきか否かについては、推定する術がない。推定するためには、X軸やY軸に値を持つコンテンツの評価結果を得る必要がある。また、このとき、X軸とZ軸の両方に値を持つコンテンツ(C,0,D)(ただしC>0,D>0)の評価結果を得るよりも、X軸にのみ値をもつコンテンツの評価結果を得たいと考える方がよい。なぜなら、X軸とZ軸の両方に値を持つコンテンツが仮に満足コンテンツと評価された場合、その評価がZ軸に値を持つということに大きく起因しているのか、あるいはX軸に値を持つことこそが大きく起因しているのかが不明確のためである。一方で、X軸にのみ値をもつコンテンツを評価させたほうが、X軸についての嗜好をずばり問うことが出来る。評価結果が満足だった場合、それはまぎれもなくX軸の値にのみ起因する評価結果とみなすことが出来る。 As shown in FIG. 17A, the content a represented by (X, Y, Z) = (0,0, A) (A> 0) is evaluated as satisfying content for a certain user, and the others When the evaluation is not obtained for the content, the total vector of the user is calculated as (0, 0, A). At this time, the only thing known about the user's preference is that there is a possibility that he / she likes content having a value on the Z axis. Since there is no preference information about the X-axis and Y-axis, whether content such as (B, 0,0) (B> 0) or (0, B, 0) should be provided to the user as recommendation information There is no way to estimate. In order to estimate, it is necessary to obtain an evaluation result of content having values on the X axis and the Y axis. Also, at this time, content that has a value only on the X-axis rather than an evaluation result of content (C, 0, D) (where C> 0, D> 0) that has values on both the X-axis and Z-axis It is better to think that you want to get the evaluation result. Because, if content having values on both the X-axis and the Z-axis is evaluated as satisfactory content, it is largely due to the fact that the evaluation has a value on the Z-axis, or has a value on the X-axis This is because it is unclear whether this is a major cause. On the other hand, if the content having a value only on the X axis is evaluated, the preference about the X axis can be asked. If the evaluation result is satisfactory, it can be regarded as an evaluation result caused by only the value of the X axis.
次に、ある程度のコンテンツ評価結果が得られた例を挙げる。図17(b)は、5つのコンテンツに対し満足評価を、4つのコンテンツに対し不満足評価を得ていることを示している。これら9つのコンテンツはいずれもX-Z平面上に存在しており、Y軸に値を持っていないことは明らかである。すなわち、当該ユーザの嗜好についてはX軸およびZ軸についてのみ情報が得られており、Y軸については一切が不明な状態である。このとき、総和ベクトルもまたX-Z平面上に存在しており、Y軸は総和ベクトルに直交(=なす角が最大)している。 Next, an example in which a certain content evaluation result is obtained will be described. FIG. 17B shows that a satisfaction evaluation is obtained for five contents and a dissatisfaction evaluation is obtained for four contents. It is clear that all these nine contents exist on the XZ plane and have no value on the Y axis. That is, information about the user's preferences is obtained only for the X axis and the Z axis, and the Y axis is in an unknown state. At this time, the sum vector is also present on the XZ plane, and the Y axis is orthogonal to the sum vector (= the angle formed is the maximum).
これは、以下のように説明することができる。すなわち、総和ベクトルの向きは、当該ユーザの嗜好に関する評価結果が各軸についてどれだけ得られているかを示している。上述の場合、総和ベクトルはX-Z平面上に存在しており、当該ユーザの嗜好についてX軸およびZ軸については他軸に比べて十分得られていることを示している。一方で、総和ベクトルとなす角が最大となる方向、すなわち直交する方向(Y軸)にある軸については評価結果が不十分ということになる。したがって、総和ベクトルとなす角がより大きい(=より直交に近い)方向にあるコンテンツをより優先的に当該ユーザに評価させる必要があるといえる。 This can be explained as follows. That is, the direction of the sum vector indicates how many evaluation results regarding the user's preference are obtained for each axis. In the above-described case, the sum vector exists on the XZ plane, indicating that the user's preference is sufficiently obtained for the X axis and the Z axis compared to the other axes. On the other hand, the evaluation result is insufficient for the direction in which the angle formed by the sum vector is maximum, that is, the axis in the orthogonal direction (Y-axis). Therefore, it can be said that the user needs to preferentially evaluate the content in the direction in which the angle formed with the sum vector is larger (= more orthogonal).
すべての軸に対して平等に評価結果が得られたときは、総和ベクトルは(1,1,1)の方向に収束する。このときは、X軸、Y軸、またはZ軸のいずれかの軸上に位置するコンテンツとの角度が45度となって最大となる。このときは、各軸上に位置するコンテンツが等確率で選出される。しかし、X軸に評価結果(量)が偏れば、総和ベクトルは(A+B,A,A)(ただしA>0,B>0)のようになり、再びY軸およびZ軸となす角度がX軸となす角度よりも大きくなることで、X軸の評価量に追いつくようにY-Z平面方向にあるコンテンツの評価結果を得ようと作用することになる。 When evaluation results are obtained equally for all axes, the sum vector converges in the (1,1,1) direction. At this time, the angle with the content located on any of the X axis, the Y axis, and the Z axis is 45 degrees, which is the maximum. At this time, content located on each axis is selected with equal probability. However, if the evaluation result (quantity) is biased to the X axis, the sum vector becomes (A + B, A, A) (where A> 0, B> 0), and again becomes the Y axis and Z axis. When the angle is larger than the angle formed with the X-axis, it works to obtain the evaluation result of the content in the YZ plane direction so as to catch up with the evaluation amount of the X-axis.
このように構成された情報配信サーバ200は、携帯電話機100からの要求に応じて、ユーザ特性ベクトルに基づいて評価されたレコメンド情報を配信することができる。よって、嗜好・趣味などの情報を登録する必要はなく、またアクセスしたコンテンツに直接的に関連するコンテンツのみを抽出することがなく、漏れのないレコメンド情報を配信することを可能とする。さらに、評価がされていないコンテンツ、または評価が不十分なコンテンツについてはさらに評価させることができるように要提示コンテンツとして抽出してユーザに提示することで、それらコンテンツに対する閲覧させる機会をユーザに与えることができ、早期にコンテンツに対する利用履歴を収集することができる。 The information distribution server 200 configured as described above can distribute the recommendation information evaluated based on the user characteristic vector in response to a request from the mobile phone 100. Therefore, it is not necessary to register information such as tastes and hobbies, and it is possible to distribute recommended information without omission, without extracting only content directly related to accessed content. Furthermore, content that has not been evaluated or content that is not sufficiently evaluated is extracted as presentation-required content and presented to the user so that it can be further evaluated, thereby giving the user an opportunity to browse the content. It is possible to collect the usage history for the content at an early stage.
つぎに、携帯電話機100について説明する。図9は、携帯電話機100の機能構成を示すブロック図である。図9に示すとおり、携帯電話機100は、ブラウザ101、履歴送信部102、レコメンド要求送信部103、および配信情報表示部104を含んで構成されている。この携帯電話機100は、CPU、RAM、ROMなどのハードウェアにより構成されており、記憶されているプログラムにしたがってCPUは動作するよう構成されている。具体的には、情報配信サーバ200と同様の構成をとるものであって、図3に示されるハードウェア構成により実現される。以下、各構成について説明する。 Next, the mobile phone 100 will be described. FIG. 9 is a block diagram showing a functional configuration of the mobile phone 100. As shown in FIG. 9, the mobile phone 100 includes a browser 101, a history transmission unit 102, a recommendation request transmission unit 103, and a distribution information display unit 104. The cellular phone 100 is configured by hardware such as a CPU, RAM, and ROM, and the CPU is configured to operate according to a stored program. Specifically, it has the same configuration as that of the information distribution server 200 and is realized by the hardware configuration shown in FIG. Each configuration will be described below.
ブラウザ101は、インターネットに接続するためのアプリケーション部分であり、インターネット上に配置されているサイトに対してアクセスし、サイトに保持されているコンテンツをユーザに閲覧可能にさせるものである。このブラウザ101は、アクセス履歴を保持するように構成される。 The browser 101 is an application part for connecting to the Internet, and accesses a site arranged on the Internet and allows a user to view content held on the site. The browser 101 is configured to hold an access history.
履歴送信部102は、ブラウザ101を用いてアクセスしたコンテンツのアクセス履歴(同一メニュー画面上において選択されたコンテンツおよび選択されなかったコンテンツを示す情報)を送信する部分である。なお、この履歴送信部102は、情報配信サーバ200側でアクセスのたびに履歴情報を収集する機能を有している場合には、必須の構成ではない。 The history transmission unit 102 is a part that transmits an access history (information indicating selected content and unselected content on the same menu screen) of content accessed using the browser 101. The history transmitting unit 102 is not an essential configuration when it has a function of collecting history information every time it is accessed on the information distribution server 200 side.
レコメンド要求送信部103は、図示しない操作部をユーザが操作することによりユーザIDとともにレコメンド情報の要求を情報配信サーバ200に送信する部分である。 The recommendation request transmission unit 103 is a part that transmits a request for recommendation information to the information distribution server 200 together with a user ID when a user operates an operation unit (not shown).
配信情報表示部104は、ブラウザ101により取得されたメニュー画面およびコンテンツ(ウエブページ)を表示する部分である。 The distribution information display unit 104 is a part that displays the menu screen and content (web page) acquired by the browser 101.
このように構成された携帯電話機100は、ブラウザ101を用いてインターネットにアクセス可能にするとともに、そのアクセス履歴を保持し、履歴送信部102は、情報配信サーバ200からの要求または所定のタイミングでアクセス履歴を送信することができる。 The mobile phone 100 configured as described above enables access to the Internet using the browser 101 and holds the access history. The history transmission unit 102 accesses the request from the information distribution server 200 or at a predetermined timing. History can be sent.
つぎに、これら携帯電話機100および情報配信サーバ200の動作について説明する。図10は、携帯電話機100の要求に応じてコンテンツを配信するときの携帯電話機100と情報配信サーバ200との処理を示すシーケンス図である。 Next, operations of the mobile phone 100 and the information distribution server 200 will be described. FIG. 10 is a sequence diagram illustrating processing performed by the mobile phone 100 and the information distribution server 200 when content is distributed in response to a request from the mobile phone 100.
図10に示すとおり、携帯電話機100におけるブラウザ101からの要求に応じて、コンテンツ送信部208により情報配信サーバ200からメニュー画面(例えば、複数ページからなるメニュー画面)が配信される(S101)。携帯電話機100のユーザは、そのメニュー画面から任意の一のコンテンツ(上述Nodeに相当)を選択し、携帯電話機100におけるブラウザ101がこれを受け付けると(S102)、コンテンツの接続要求およびそのあて先でURLが情報配信サーバ200に送信される(S103)。 As shown in FIG. 10, in response to a request from the browser 101 in the mobile phone 100, the content transmission unit 208 distributes a menu screen (for example, a menu screen consisting of a plurality of pages) from the information distribution server 200 (S101). The user of the mobile phone 100 selects any one content (corresponding to the above-mentioned Node) from the menu screen, and when the browser 101 in the mobile phone 100 accepts this (S102), a URL for the content connection request and destination Is transmitted to the information distribution server 200 (S103).
情報配信サーバ200では、URLはコンテンツ要求受信部201により受信され、閲覧履歴テーブル207cにアクセス履歴として記憶される。そして、このアクセス履歴に基づいて、ユーザ特性ベクトルの計算がなされ、記憶される(S104)。そして、コンテンツ送信部208によりS103において要求のあったあて先に基づいたコンテンツがコンテンツプロバイダ(図示せず)から取得され、配信される(S105)。なお、ユーザ特性ベクトルの計算処理と、コンテンツの配信処理の順番は逆でもよい。 In the information distribution server 200, the URL is received by the content request receiving unit 201 and stored as an access history in the browsing history table 207c. Based on the access history, the user characteristic vector is calculated and stored (S104). Then, content based on the destination requested in S103 is acquired by the content transmission unit 208 from a content provider (not shown) and distributed (S105). Note that the order of the user characteristic vector calculation process and the content distribution process may be reversed.
ここでS104におけるユーザ特性ベクトル計算の詳細に処理について説明する。図11は、ユーザ特性ベクトルの計算処理を示すフローチャートである。図11に示すように、まずコンテンツ要求受信部201により受信されたアクセス要求またはアクセス履歴により示されたアクセス履歴情報が、新たに追加されたアクセス履歴として閲覧履歴テーブル207cに記憶される(S201)。 Here, the process will be described in detail for the user characteristic vector calculation in S104. FIG. 11 is a flowchart showing the calculation process of the user characteristic vector. As shown in FIG. 11, first, access history information indicated by an access request or access history received by the content request receiving unit 201 is stored in the browsing history table 207c as a newly added access history (S201). .
そして、履歴クラス分離部203により、この閲覧履歴テーブル207cに記憶されているアクセス履歴情報に基づいて、各満足クラスまたは不満足クラスに属するコンテンツの特性ベクトルが抽出される(S202)。そして、履歴クラス分離部203により、これら特性ベクトルに基づいて満足クラスと不満足クラスとを分離するための分離平面が生成される(S203)。つぎに、ユーザ特性ベクトル計算部204により、生成された分離平面に直交する直交ベクトルが計算され、ユーザ特性ベクトルが求められる(S204)。なお、NN法においては、必ずしも分離平面を求める必要はなく、不満足クラスの重心から満足クラスへの重心へ結んだ直線をユーザ特性ベクトルとするようにしてもよい。ここで求められたユーザ特性ベクトルは、ユーザ特性ベクトル管理テーブル207aに保持され、レコメンド情報の配信時において配信情報格納部205に記憶されているコンテンツを評価する際に利用される。 Then, based on the access history information stored in the browsing history table 207c, the history class separation unit 203 extracts characteristic vectors of content belonging to each satisfaction class or dissatisfaction class (S202). Then, the history class separation unit 203 generates a separation plane for separating the satisfaction class and the dissatisfaction class based on these characteristic vectors (S203). Next, an orthogonal vector orthogonal to the generated separation plane is calculated by the user characteristic vector calculation unit 204 to obtain a user characteristic vector (S204). In the NN method, it is not always necessary to obtain a separation plane, and a straight line connecting the centroid of the unsatisfactory class to the centroid of the satisfactory class may be used as the user characteristic vector. The user characteristic vector obtained here is held in the user characteristic vector management table 207a and is used when evaluating the content stored in the distribution information storage unit 205 at the time of distribution of recommendation information.
つぎに、本実施形態におけるレコメンド情報を配信するときのそのコンテンツの評価処理について説明する。図12は、レコメンド情報を配信するときのシーケンス図である。図12に示すように、携帯電話機100におけるレコメンド要求送信部103によりユーザIDを含んだレコメンド要求が送信され、このレコメンド要求は情報配信サーバ200におけるレコメンド要求受信部202により受信される(S301)。そして、情報配信サーバ200では、配信情報格納部205に記憶されているコンテンツに対して、コンテンツの評価が行われる(S302)。ここでは、コンテンツ評価部206により、ユーザ特性ベクトルにしたがって評価され、高評価順にコンテンツのタイトルを並べたレコメンド情報が生成される。そして、コンテンツ送信部208により、このように生成されたレコメンド情報が配信される(S303)。なお、ここではレコメンド情報には、未評価のコンテンツ、または評価が不十分なコンテンツのうちユーザに提示が要されると判断された要提示コンテンツが含まれている。また、レコメンド要求を受信する前に、予めコンテンツの評価がなされていてもよい。 Next, content evaluation processing when distributing recommendation information in the present embodiment will be described. FIG. 12 is a sequence diagram when distributing recommendation information. As shown in FIG. 12, a recommendation request including a user ID is transmitted by the recommendation request transmitting unit 103 in the mobile phone 100, and the recommendation request is received by the recommendation request receiving unit 202 in the information distribution server 200 (S301). Then, the information distribution server 200 evaluates the content stored in the distribution information storage unit 205 (S302). Here, the content evaluation unit 206 evaluates according to the user characteristic vector, and generates recommendation information in which the titles of the content are arranged in the order of high evaluation. And the recommendation information produced | generated in this way is delivered by the content transmission part 208 (S303). Here, the recommendation information includes content that has not been evaluated or content that is required to be presented to the user among content that is not sufficiently evaluated. Further, content may be evaluated in advance before receiving a recommendation request.
ここで、S302のコンテンツ評価についてさらに詳細な処理について説明する。図13は、コンテンツの評価処理を示すフローチャートである。図13に示すように、コンテンツ評価部206により、レコメンド要求とともに送信されたユーザIDに基づいて、ユーザ特性ベクトル管理テーブル207aから、対応するユーザ特性ベクトルが取得される(S401)。つぎに、コンテンツ評価部206により、コンテンツ特性ベクトル管理テーブル207bから、各コンテンツの特性ベクトルが取得される(S402)。 Here, further detailed processing for content evaluation in S302 will be described. FIG. 13 is a flowchart showing content evaluation processing. As shown in FIG. 13, the content evaluation unit 206 acquires a corresponding user characteristic vector from the user characteristic vector management table 207a based on the user ID transmitted together with the recommendation request (S401). Next, the content evaluation unit 206 acquires the characteristic vector of each content from the content characteristic vector management table 207b (S402).
そして、コンテンツ評価部206により、ユーザ特性ベクトルとコンテンツの特性ベクトルとの内積が計算される(S403)。コンテンツ評価部206により計算された内積の大きい順に、コンテンツ管理テーブル205aに記憶されているコンテンツIDに対応するタイトルが抽出され、そのタイトルが評価の高い順に並べられることでレコメンド情報が生成される。また、評価済みコンテンツベクトル算出部208により評価済みコンテンツの評価済み総和ベクトルが算出される。この評価済み総和ベクトルに基づいて未評価コンテンツ等から要提示コンテンツが抽出される。すなわち、総和ベクトルに直交する、または略直交するベクトルを有するコンテンツが要提示コンテンツとして抽出される。そして、コンテンツ評価部206により、先のレコメンド情報に、未評価コンテンツ抽出部209により抽出された要提示コンテンツが付加される(S403a)。そして、コンテンツ送信部208により、生成されたレコメンド情報(要提示コンテンツを含む)が携帯電話機100に送信される(S404(図12のS303参照))。 Then, the inner product of the user characteristic vector and the content characteristic vector is calculated by the content evaluation unit 206 (S403). The titles corresponding to the content IDs stored in the content management table 205a are extracted in descending order of the inner product calculated by the content evaluation unit 206, and recommendation information is generated by arranging the titles in descending order of evaluation. In addition, the evaluated content vector calculation unit 208 calculates the evaluated sum vector of the evaluated content. Based on the evaluated sum vector, the required presentation content is extracted from the unevaluated content and the like. That is, content having a vector orthogonal to or substantially orthogonal to the sum vector is extracted as the presentation required content. The content evaluation unit 206 adds the required presentation content extracted by the unevaluated content extraction unit 209 to the previous recommendation information (S403a). Then, the recommended information (including the required presentation content) is transmitted to the mobile phone 100 by the content transmitting unit 208 (S404 (see S303 in FIG. 12)).
このように、ユーザ特性ベクトルにしたがって、レコメンド情報を提供することができ、漏れなく、要提示コンテンツをレコメンド情報に含めてユーザに提供することができる。よって、ユーザに要提示コンテンツを閲覧させる機会を与えることができ、よりコンテンツの満足・不満足を分けるためのサンプル数を早期に収集することができる。 In this way, recommendation information can be provided according to the user characteristic vector, and the required content can be included in the recommendation information and provided to the user without omission. Therefore, it is possible to give the user an opportunity to browse the required presentation content, and it is possible to collect the number of samples for separating satisfaction / dissatisfaction of the content earlier.
<閲覧頻度を考慮した分離平面の生成方法>
つぎに、コンテンツの閲覧頻度を用いた重み付け処理を行い、この重み付け処理された特性ベクトルを用いて分離平面を生成するときの履歴クラス分離部203の処理について説明する。なお、ここでは、NN法を用いた分離平面の生成について説明する。
<Method of generating separation plane considering browsing frequency>
Next, processing of the history class separation unit 203 when performing weighting processing using the content browsing frequency and generating a separation plane using the weighted characteristic vector will be described. Here, generation of a separation plane using the NN method will be described.
図14は、閲覧頻度を考慮して特性ベクトルの重心を求める処理を示す概念図でありNodeA〜Cに対応したコンテンツc1〜c3の特性ベクトルの位置を表す特徴空間を示す概念図である。コンテンツc1の閲覧頻度は3回、コンテンツc2の閲覧頻度は1回、コンテンツc3の閲覧頻度は10回とする。なお、閲覧履歴テーブル207cは、閲覧されたコンテンツの閲覧履歴、閲覧されていないコンテンツの不閲覧履歴を記憶しておくことが好ましく、それぞれの頻度を保持または計算可能に記憶しておくことが必要である。 FIG. 14 is a conceptual diagram illustrating a process for obtaining the center of gravity of a characteristic vector in consideration of the browsing frequency, and is a conceptual diagram illustrating a feature space that represents the position of the characteristic vector of the contents c1 to c3 corresponding to the Nodes A to C. The browsing frequency of the content c1 is 3 times, the browsing frequency of the content c2 is 1 time, and the browsing frequency of the content c3 is 10 times. The browsing history table 207c preferably stores the browsing history of the browsed content and the non-viewing history of the content that has not been browsed, and it is necessary to store each frequency so that it can be held or calculated. It is.
この場合、これらコンテンツc1〜c3の重心は、以下の式(1)により計算される。
この計算を行うことにより重心が定まる。また、図示していないが閲覧されていないコンテンツについても同様に式(1)を用いて、閲覧さていないコンテンツの特性ベクトルを用いてその重心を求める。そして、閲覧されていないコンテンツの重心から閲覧されたコンテンツの重心に対して結んだ直線をユーザ特性ベクトルとして求めることができる。なお、この直線は、分離平面に直交する直線と同じ向きを取るものであり、分離平面を算出し、この分離平面に直交する直交ベクトルを求めるようにしてもよいが、NN法においては必ずしも分離平面は必要とはならない。 By performing this calculation, the center of gravity is determined. In addition, for the content that is not shown but is not browsed, the center of gravity is also obtained using the characteristic vector of the content that is not browsed using Equation (1). Then, a straight line connecting the centroid of the browsed content to the centroid of the browsed content can be obtained as the user characteristic vector. This straight line has the same direction as the straight line orthogonal to the separation plane, and the separation plane may be calculated to obtain an orthogonal vector orthogonal to the separation plane. However, in the NN method, the separation is not necessarily performed. A plane is not required.
これにより、コンテンツの閲覧頻度を利用してユーザ特性ベクトルを求めることができ、閲覧頻度を利用しない場合と比較して、ユーザの嗜好に近いユーザ特性ベクトルを求めることができる。よって、ユーザの嗜好にそったコンテンツの評価を行うことができる。 Thereby, the user characteristic vector can be obtained using the browsing frequency of the content, and the user characteristic vector close to the user's preference can be obtained as compared with the case where the browsing frequency is not used. Therefore, it is possible to evaluate the content according to the user's preference.
つぎに、レコメンド情報を生成するときの処理(S403a)について説明する。図18は、要提示コンテンツを含んだレコメンド情報を生成するときの処理を示すフローチャートである。情報配信サーバ200において、図13のS403にて取得された内積値に基づいてユーザの嗜好が推定され、レコメンド情報が選出される。すなわち、コンテンツ評価部206により、ユーザ特性ベクトルとコンテンツ特性ベクトルとの内積値に基づいて、ユーザ特性ベクトルとの類似度の高いコンテンツ特性ベクトルを有するコンテンツが抽出され、レコメンド情報とされる(S502)。つぎに、評価済みコンテンツベクトル算出部209により、評価済みのコンテンツのベクトルに基づいて、ユーザの評価済み総和ベクトルが算出される(S503)。ここで算出された評価済み総和ベクトルとなす角の大きいベクトルを有するコンテンツが要提示コンテンツとして、要提示コンテンツ抽出部210により抽出される(S504)。抽出されると、コンテンツ評価部206により、要提示コンテンツはレコメンド情報に付加される(S505)。 Next, a process (S403a) for generating recommendation information will be described. FIG. 18 is a flowchart showing processing when generating recommendation information including the required presentation content. In the information distribution server 200, the user's preference is estimated based on the inner product value acquired in S403 of FIG. 13, and recommendation information is selected. That is, the content evaluation unit 206 extracts content having a content characteristic vector having a high similarity to the user characteristic vector based on the inner product value of the user characteristic vector and the content characteristic vector, and uses it as recommendation information (S502). . Next, the evaluated content vector calculation unit 209 calculates the user's evaluated total vector based on the evaluated content vector (S503). The content having a vector having a large angle with the calculated summed vector calculated here is extracted as the required content by the required content extraction unit 210 (S504). Once extracted, the content evaluation unit 206 adds the required content to the recommendation information (S505).
このようにして、レコメンド情報に要提示コンテンツが付加され、携帯電話機100においてユーザはレコメンド情報に従って、要提示コンテンツを含めたコンテンツの選択を行うことができる。よって、ユーザは要提示コンテンツについて閲覧する機会を得ることができる。 In this way, the required content is added to the recommendation information, and the user can select the content including the required content in the mobile phone 100 according to the recommendation information. Therefore, the user can obtain an opportunity to browse the required presentation content.
つぎに、本実施形態における情報配信サーバ200の作用効果について説明する。本実施形態の情報配信サーバ200によれば、評価済みコンテンツベクトル算出部209は、評価済みのコンテンツの正規化ベクトルの総和を算出し、要提示コンテンツ抽出部210は、算出された総和ベクトルに対して所定以上の角度を形成するベクトルから構成される未評価のコンテンツを抽出する。そして、コンテンツ送信部208は、抽出された要提示コンテンツをユーザに提示するようユーザ宛に送信することができる。これにより、要提示コンテンツをユーザに提示させ、選択可能にすることができ、ユーザに評価が不十分などのコンテンツに対する選択の機会を与えることができる。よって、未評価コンテンツまたは評価が不十分なコンテンツの利用履歴を早期に収集することができる。 Next, operational effects of the information distribution server 200 in the present embodiment will be described. According to the information distribution server 200 of the present embodiment, the evaluated content vector calculation unit 209 calculates the sum of the normalized vectors of evaluated content, and the required content extraction unit 210 calculates the calculated sum vector. Thus, unevaluated content composed of vectors forming a predetermined angle or more is extracted. Then, the content transmitting unit 208 can transmit the extracted required presentation content to the user so as to be presented to the user. Thereby, the required content can be presented to the user and can be selected, and the user can be given an opportunity to select content that is not sufficiently evaluated. Therefore, it is possible to collect the usage history of unrated content or content that is not sufficiently evaluated at an early stage.
ここで、正規化ベクトルと抽出対象とするコンテンツのベクトルとの角度が90度に近いコンテンツを予め定められた上位n個抽出することで、より適切な要提示コンテンツを抽出することができる。抽出対象とするベクトルの角度は、90度またはその近似値とすることが好ましく、より適切な要提示コンテンツとしての未評価コンテンツまたは評価が不十分なコンテンツを抽出することができる。 Here, by extracting the top n predetermined contents whose angle between the normalized vector and the content vector to be extracted is close to 90 degrees, it is possible to extract more appropriate presentation required contents. The angle of the vector to be extracted is preferably 90 degrees or an approximate value thereof, and it is possible to extract unevaluated content or insufficiently evaluated content as more appropriate presentation required content.
また、情報配信サーバ200によれば、コンテンツ要求受信部201により、ユーザ操作により、複数の選択対象項目コンテンツから一のコンテンツを選択することを受け付け、履歴格納部207(閲覧履歴テーブル207c)が、受け付けられた選択されたコンテンツ、選択されなかったコンテンツを特定する特定情報(例えばコンテンツID等)を評価済みコンテンツ特定情報として記憶しておく。そして、評価済みコンテンツベクトル算出部209は、記憶された評価済みコンテンツ特定情報により特定された評価済みコンテンツの正規化ベクトルの総和を算出する。これにより、評価済みコンテンツに基づいて要提示コンテンツを適切に選択することができる。 Further, according to the information distribution server 200, the content request receiving unit 201 accepts selection of one content from a plurality of selection target item contents by a user operation, and the history storage unit 207 (browsing history table 207c) Specific information (for example, content ID or the like) that specifies the accepted selected content or non-selected content is stored as evaluated content specifying information. Then, the evaluated content vector calculation unit 209 calculates the sum of normalized vectors of evaluated content specified by the stored evaluated content specifying information. Thereby, the required presentation content can be appropriately selected based on the evaluated content.
また、情報配信サーバ200によれば、要提示コンテンツ抽出部210は、評価済みコンテンツではないコンテンツまたは評価が不十分なコンテンツからコンテンツを要提示コンテンツとして抽出することができ、特に評価が不十分なコンテンツを抽出することができる。 Further, according to the information distribution server 200, the required content extraction unit 210 can extract the content as the required content from the content that is not the evaluated content or the content that is insufficiently evaluated, and the evaluation is particularly insufficient. Content can be extracted.
また、レコメンド情報とともに要提示コンテンツをユーザに提示するとより効果的に閲覧機会をユーザに与えることができる。例えば、以下の通りである。携帯電話機100において、ブラウザを操作することによりメニュー画面が表示されており、Node1〜Node5などのコンテンツを表す複数の選択対象項目が表示されている。そして、ユーザ操作により、これらコンテンツから任意の一のコンテンツを選択すると、携帯電話機100は情報配信サーバ200に選択されたコンテンツおよび選択されなかったコンテンツを送信し、情報配信サーバ200(コンテンツ要求受信部201)はこれを受け付ける。コンテンツ要求受信部201は、選択されたコンテンツを、コンテンツプロバイダから取得し、コンテンツ送信部208はこれを携帯電話機100に送信する。 In addition, when the required information is presented to the user together with the recommendation information, a viewing opportunity can be given to the user more effectively. For example, it is as follows. In the mobile phone 100, a menu screen is displayed by operating a browser, and a plurality of selection target items representing contents such as Node1 to Node5 are displayed. When any one of these contents is selected by the user operation, the mobile phone 100 transmits the selected content and the unselected content to the information distribution server 200, and the information distribution server 200 (content request receiving unit) 201) accepts this. The content request receiving unit 201 acquires the selected content from the content provider, and the content transmitting unit 208 transmits this to the mobile phone 100.
一方、閲覧履歴テーブル207cは、選択されたコンテンツの特性ベクトルおよび選択されなかったコンテンツの特性ベクトルを記憶する。履歴クラス分離部203は、閲覧履歴テーブル207cに記憶されている選択されたコンテンツの特性ベクトルと選択されなかったコンテンツの特性ベクトルとを、特徴空間内で分離するための分離平面を生成する。そして、ユーザ特性ベクトル計算部204は、生成された分離平面に直交する直交ベクトルに基づいてユーザ特性ベクトルを生成し、これをユーザ特性ベクトル管理テーブル207aに記憶させる。なお、NN法においては、必ずしも分離平面を求める必要はなく、不満足クラスの重心から満足クラスへの重心へ結んだ直線をユーザ特性ベクトルとするようにしてもよい。その後、レコメンド要求をレコメンド要求受信部202が受信すると、コンテンツ評価部206は、記憶されているユーザ特性ベクトルに基づいて、コンテンツの評価を行う。 On the other hand, the browsing history table 207c stores the characteristic vector of the selected content and the characteristic vector of the unselected content. The history class separation unit 203 generates a separation plane for separating the characteristic vector of the selected content stored in the browsing history table 207c and the characteristic vector of the unselected content in the feature space. Then, the user characteristic vector calculation unit 204 generates a user characteristic vector based on the orthogonal vector orthogonal to the generated separation plane, and stores this in the user characteristic vector management table 207a. In the NN method, it is not always necessary to obtain a separation plane, and a straight line connecting the centroid of the unsatisfactory class to the centroid of the satisfactory class may be used as the user characteristic vector. Thereafter, when the recommendation request receiving unit 202 receives the recommendation request, the content evaluation unit 206 evaluates the content based on the stored user characteristic vector.
これにより、ユーザの特性を示すベクトルにしたがってコンテンツの評価を行うことができ、ユーザの趣味・嗜好など、またアクセス履歴などの直接的な情報に基づいて推薦すべきコンテンツを評価することがなく、漏れのないコンテンツをユーザに提供することができる。 Thereby, it is possible to evaluate the content according to the vector indicating the characteristics of the user, without evaluating the content to be recommended based on the user's hobbies / preferences, direct information such as the access history, Content without omission can be provided to the user.
100…携帯電話機、100a…携帯電話機、101…ブラウザ、101a…操作部、102…履歴送信部、103…レコメンド要求送信部、104…配信情報表示部、104a…レコメンド操作表示部、105…履歴クラス分離部、106…ユーザ特性ベクトル計算部、107…操作情報評価部、108…操作情報格納部、109…履歴格納部、200…情報配信サーバ、201…コンテンツ要求受信部、202…レコメンド要求受信部、203…履歴クラス分離部、204…ユーザ特性ベクトル計算部、205…配信情報格納部、205a…コンテンツ管理テーブル、206…コンテンツ評価部、207…履歴格納部、207a…ユーザ特性ベクトル管理テーブル、207b…コンテンツ特性ベクトル管理テーブル、207c…閲覧履歴テーブル、208…コンテンツ送信部。 DESCRIPTION OF SYMBOLS 100 ... Mobile phone, 100a ... Mobile phone, 101 ... Browser, 101a ... Operation part, 102 ... History transmission part, 103 ... Recommendation request transmission part, 104 ... Delivery information display part, 104a ... Recommendation operation display part, 105 ... History class Separation unit 106 ... User characteristic vector calculation unit 107 ... Operation information evaluation unit 108 ... Operation information storage unit 109 ... History storage unit 200 ... Information distribution server 201 ... Content request reception unit 202 ... Recommendation request reception unit , 203 ... history class separation unit, 204 ... user characteristic vector calculation unit, 205 ... distribution information storage unit, 205a ... content management table, 206 ... content evaluation unit, 207 ... history storage unit, 207a ... user characteristic vector management table, 207b ... Content characteristic vector management table, 207c ... Browsing history Buru, 208 ... content transmission unit.
Claims (6)
前記ベクトル算出手段により算出された総和ベクトルに対して、90度またはその近似値である角度を形成するベクトルから構成されるコンテンツを抽出するコンテンツ抽出手段と、
前記コンテンツ抽出手段により抽出されたコンテンツを要提示コンテンツとしてユーザに提示する提示手段と、
を備える情報配信装置。 A vector calculating means for calculating the sum of the normalized vector of evaluated content,
Content extraction means for extracting content composed of vectors forming an angle that is 90 degrees or an approximate value thereof with respect to the sum vector calculated by the vector calculation means;
Presenting means for presenting the content extracted by the content extracting means to the user as required content;
An information distribution apparatus comprising:
前記受付手段により受け付けられた選択されたコンテンツ、選択されなかったコンテンツを特定する特定情報を評価済みコンテンツ特定情報として記憶する履歴記憶手段と、
を備え、
前記ベクトル算出手段は、前記履歴記憶手段に記憶された評価済みコンテンツ特定情報により特定された評価済みコンテンツの正規化ベクトルの総和を算出することを特徴とする請求項1または2に記載の情報配信装置。 Accepting means for accepting selection of one content from a plurality of content by a user operation;
History storage means for storing the selected content accepted by the accepting means and the specific information for specifying the unselected content as evaluated content specifying information;
With
Said vector calculating means, information distribution of claim 1 or 2, characterized in that for calculating the sum of the normalized vector of evaluated content identified by the evaluated content identification information stored in the history storing means apparatus.
前記履歴記憶手段により記憶されている選択されたコンテンツの満足特徴ベクトルからユーザ特性ベクトルを生成するユーザ特性ベクトル生成手段と、
前記ユーザ特性ベクトル生成手段により生成されたユーザ特性ベクトルに基づいて、未知のコンテンツの評価を行う評価手段と
を備え、
前記提示手段は、前記評価手段により評価された未知のコンテンツおよび前記要提示コンテンツを含めてレコメンド情報としてユーザに提示することを特徴とする請求項3に記載の情報配信装置。 The history storage unit stores a vector of the selected content received by the receiving unit among the evaluated content as a satisfaction feature vector,
User characteristic vector generation means for generating a user characteristic vector from a satisfaction characteristic vector of the selected content stored by the history storage means;
Evaluation means for evaluating unknown content based on the user characteristic vector generated by the user characteristic vector generation means,
4. The information distribution apparatus according to claim 3 , wherein the presenting means presents to the user as recommended information including the unknown content evaluated by the evaluating means and the required presentation content.
前記ベクトル算出手段が、評価済みコンテンツの正規化ベクトルの総和を算出するベクトル算出ステップと、
前記コンテンツ抽出手段が、前記ベクトル算出ステップにより算出された総和ベクトルに対して、90度またはその近似値である角度を形成するベクトルから構成されるコンテンツを抽出するコンテンツ抽出ステップと、
前記提示手段が、前記コンテンツ抽出ステップにより抽出されたコンテンツを要提示コンテンツとしてユーザに提示する提示ステップと、
を備える情報配信方法。 In an information distribution method of an information distribution apparatus comprising a vector calculation unit, a content extraction unit, and a presentation unit,
A vector calculating step said vector calculating means, for calculating the sum of the normalized vector of evaluated content,
A content extracting step in which the content extracting means extracts content composed of vectors forming an angle that is 90 degrees or an approximate value thereof with respect to the sum vector calculated in the vector calculating step;
A presenting step in which the presenting means presents the content extracted in the content extracting step to the user as the required content;
An information delivery method comprising:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009061658A JP5248376B2 (en) | 2009-03-13 | 2009-03-13 | Information distribution apparatus and information distribution method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009061658A JP5248376B2 (en) | 2009-03-13 | 2009-03-13 | Information distribution apparatus and information distribution method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010218035A JP2010218035A (en) | 2010-09-30 |
JP5248376B2 true JP5248376B2 (en) | 2013-07-31 |
Family
ID=42976855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009061658A Active JP5248376B2 (en) | 2009-03-13 | 2009-03-13 | Information distribution apparatus and information distribution method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5248376B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6637730B2 (en) * | 2015-11-09 | 2020-01-29 | 株式会社電通 | Customer relationship management apparatus and method |
-
2009
- 2009-03-13 JP JP2009061658A patent/JP5248376B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2010218035A (en) | 2010-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5328212B2 (en) | RECOMMENDATION INFORMATION EVALUATION DEVICE AND RECOMMENDATION INFORMATION EVALUATION METHOD | |
KR101147470B1 (en) | Recommendation information generation apparatus and recommendation information generation method | |
TWI461939B (en) | Method, apparatus, computer-readable media, computer program product and computer system for supplementing an article of content | |
JP4769889B2 (en) | PROGRAM SELECTION DEVICE AND PROGRAM SELECTION DEVICE CONTROL METHOD | |
US9396485B2 (en) | Systems and methods for presenting content | |
US9699490B1 (en) | Adaptive filtering to adjust automated selection of content using weightings based on contextual parameters of a browsing session | |
US9953011B1 (en) | Dynamically paginated user interface | |
US20110202827A1 (en) | Systems and Methods for Curating Content | |
JP2012501499A (en) | System and method for supporting search request by vertical proposal | |
WO2014201064A2 (en) | Incorporating user usage of consumable content into recommendations | |
JP5483269B2 (en) | Information search device and information search method | |
JP2010181966A (en) | Device and method for evaluating recommendation information | |
JP2004362019A (en) | Information recommendation device, information recommendation method, information recommendation program and recording medium | |
JP5805134B2 (en) | Terminal device and device program | |
JP2012242844A (en) | Recommendation information generation device and recommendation information generation method | |
WO2009125622A1 (en) | Electronic bulletin board system | |
JP5248376B2 (en) | Information distribution apparatus and information distribution method | |
JP2018151995A (en) | Information providing device, information providing method, and information providing program | |
CN111259248A (en) | Recommendation method and device of information resources, readable storage medium and electronic equipment | |
JP5183282B2 (en) | RECOMMENDATION INFORMATION EVALUATION DEVICE AND RECOMMENDATION INFORMATION EVALUATION METHOD | |
JP2017054289A (en) | Information providing system, information providing server, information providing method, and program for information providing system | |
US20110197137A1 (en) | Systems and Methods for Rating Content | |
JP5813026B2 (en) | Terminal device and device program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110829 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130304 |
|
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: 20130326 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130410 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160419 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |