JP5248913B2 - レジャー活動を推奨するコンピュータシステム - Google Patents

Description

本開示は、推奨（レコメンダ）システムに関する。より具体的には、本開示はレジャー活動について推奨を行なう４種のユーティリティモデルが組み込まれた推奨システムに関する。

大多数の推奨システムの目的は、個人が自分一人では必ずしも見つけることができない事項を発見するのを支援することである。今日の技術指向型社会において、このような推奨の主な出典は、専門特化した「推奨システム」である。そのような推奨システムは、ユーザからの問合せ（ｑｕｅｒｙ）に応えて個人向けの推奨事項を生成することができる。ユーザが特定の関心事、例えば人物、場所、本、映画、音楽、ウェブコンテンツ、抽象的なアイディア等を示す問合せを行うと、推奨システムは関心の範囲内にある事項を評価して推奨事項を生成する。

本発明の一実施形態は、ユーザに対してレジャー活動を推奨する方法を提供する。

本システムは動作中に、レジャー活動に関する少なくとも１個の問合せを受信する。本システムは次いで、協調フィルタリングモデルに基づく候補活動の協調フィルタリングスコア、ソフトクエリーモデルに基づく候補活動のソフトクエリースコア、コンテンツ嗜好モデルおよびユーザの過去の行動に基づく候補活動のコンテンツ嗜好スコア、および距離モデルに基づく候補活動の距離スコアを決定する。次に、本システムは、協調フィルタリングスコア、ソフトクエリースコア、コンテンツ嗜好スコア、および距離スコアの加重平均を計算することにより、候補活動の複合スコアを生成する。本システムは更に、最高の複合スコアを有する活動を含む推奨リストを返す。

本実施形態の一変形例において、協調フィルタリングスコアの決定には、一組のユーザプロファイリング情報を受信するステップが含まれる。

本実施形態の一変形例において、協調フィルタリングスコアの決定には、当該ユーザがマッチングされる同一プロファイルグループ内の他のユーザが提出した候補活動に対する1個以上の評価を取得するステップが含まれる。

本実施形態の一変形例において、ソフトクエリースコアの決定には、当該ユーザからの嗜好情報を受信するステップが含まれる。

本実施形態の一変形例において、コンテンツ嗜好スコアの決定には、当該ユーザが以前にアクセスした一組のコンテンツから一組のキーワードを抽出し、候補活動の記述が当該いずれかのキーワードに合致するか否かを決定するステップが含まれる。

本実施形態の一変形例において、距離スコアの決定には、候補活動に関連付けられた場所と当該ユーザに関連付けられた場所との距離を計算するステップが含まれる。

更な変形例において、距離スコアの決定には更に、一組のＧＰＳ座標を受信して、当該ユーザの移動範囲を計算するステップが含まれる。

全てではないにせよ、大多数の従来方式推奨システムは、ユーザが関心を持つ１種類の事項しか推奨しない。従って、これらのシステムは、広範な事項を扱う問合せに対する推奨を生成することができない。例えば、従来方式の推奨システムは本または映画を推奨することができるが、同時に両方を推奨することはできない。ユーザには、同一ジャンルに関する本および映画の推奨を求めることができず、問合せを２個の別々の問合せに分割しなければならない。

従って、ユーザが同時に複数種類の事項について推奨を要求できるようにすることが望ましい。ユーザは、レジャー活動に関して問い合わせたい場合がある。レジャー活動は、映画鑑賞、レストランでの食事、バーでの飲酒、または博物館の訪問等、広範な活動を含んでいる。従って、従来方式の推奨システムは、複数カテゴリの事項について推奨を提供することができないため、このタスクを遂行することができない。

本発明の実施形態は、多くのレジャー活動を含む推奨リストを生成すべく４種のモデルが組み込まれたレジャー活動推奨システムを提供する。これら４種のモデルは、ソフトクエリーモデル、協調フィルタリングモデル、コンテンツ嗜好モデル、および距離モデルである。一実施形態において、推奨システムは最初に、これら４種のモデルを用いて候補レジャー活動の４個の別々なスコアを計算し、次いでこれら４個のスコアに基づいて複合スコアを計算する。その後、推奨システムはレジャー活動にランクを付け、最高の複合スコアを有する多くの活動を含む推奨リストを返す。

モデルの嗜好が、推奨を生成するためにどの種類のデータを用いて比較または推論を実行するかに関する点に注意されたい。また、モデルは、推奨の生成に用いるデータの種類に関連する一組の属性を評価する。例えば、協調フィルタリングモデルはユーザのプロファイルおよび他人の嗜好に基づいており、ソフトクエリーモデルはユーザ自身の嗜好に基づいている。

最終複合スコアを計算する際に、本システムは各種のアルゴリズムを用いることができる。例えば、本システムは、全ての個別スコアの算術平均を用いることができる。本システムはまた、加重平均その他の方法を用いて最終複合スコアを計算することができる。また、最終スコアを計算する際に用いるパラメータまたは式を、システム設定に基づいて変更または調整することができる。一実施形態において、各々のモデル固有スコアは０．０１〜１．０の範囲の値である。当該事項の最終スコアは、４種のモデル固有スコアの加重平均である。各スコアに割り当てられた重み、ヒューリスティック（発見的）に決定することができる。アプリケーション開発者はまた、自身のニーズに基づいて異なる重み値を選択することができる。

以下の節で各モデルの詳細説明を与える。

協調フィルタリングは、多くのユーザから嗜好情報を集めることにより、ユーザの関心を予測（またはフィルタリング）する（「協調」）。ＣＦモデルの底流をなす仮定は、過去に好みが一致した人々は、将来再び好みが一致する傾向を示すというものである。例えば、音楽の協調フィルタリングまたは推奨システムは、ユーザの嗜好（好き嫌い）、または他のユーザプロファイリング情報の部分的なリストが与えられならば、ユーザがどのような音楽を好むかを予測できる。このような情報にはユーザの年齢、性別、収入レベル、教育レベル、居住地、職業等が含まれていてよいが、これに限定されない。次いで本システムはそのような情報を用いて、システムにより嗜好が知られている他のユーザのより大きい集団と、当該ユーザのマッチングを行なう。本システムは類似ユーザの嗜好情報に基づいて、現ユーザ向けに事項を予測または推奨することができる。

これらの予測がユーザ固有であるにもかかわらず、本システムが他の多くのユーザから集めた情報を用いる点に注意されたい。本方法は、例えば投票数に基づくような、注目する各アイテムの平均（ユーザ固有でない）スコアを与える単純な方法とは異なる。従って、協調フィルタリングは、特定のユーザの特徴に合わせた推奨を生成することができる。

図１に、本発明の一実施形態による協調フィルタリングモデルを用いてレジャー活動のスコアを計算する例証的な処理を表わすフローチャートを示す。本システムは動作中に、レジャー活動に対するスコア計算要求および何らかのユーザプロファイリング情報を受信する（ステップ１１０）。ユーザは、自分がどの種類のレジャー活動を探しているかを指定しても、しなくてもよい点に注意されたい。例えば、ユーザは、ある期間に自分の近所で行われるライブ公演に関する推奨を受けたいと思う場合があろう。ユーザはまた、この後の３時間をつぶす任意の種類の活動に関する推奨を求める場合がある。更に、ユーザはユーザプロファイリング情報を提供しても、または提供しなくてもよい。一実施形態において、この情報は、ユーザが推奨システムへのクライアントとして用いる携帯装置により提供することができる。更なる実施形態において、ユーザプロファイリング情報は、そのような情報を格納するデータベースを保持するリモートサーバから提供することができる。また、ユーザプロファイリング情報は、システムがユーザの嗜好に関する知識を導くことができる任意の明示的または暗示的情報でもあってよい。例えば、ユーザの過去の選択、年齢、性別、教育レベル、収入レベル、職業等であってよい。

問合せおよびユーザプロファイリング情報を受信した後で、推奨システムは、当該ユーザプロファイリング情報に基づいて、当該ユーザとプロファイルグループのマッチングを行う（ステップ１２０）。本システムは次いで、候補レジャー活動に関連付けられた評価データベースを調べ、同一プロファイルグループ内の他のユーザが提出した同一レジャー活動の評価に基づいて、以前に計算された1個以上の評価を取得する（ステップ１３０）。例えばレストランＡＢＣで食事をする等の特定のレジャー活動は、料理の質、サービス、雰囲気、駐車場の利便性、喫煙場所の利用可能性等、いくつかの属性に関連付けられていてよい点に注意されたい。一実施形態において、評価データベースは、各属性について特定の評価を返すことができる。

候補レジャー活動のスコアは次いで、評価データベースが返した評価（群）に基づいて計算される（ステップ１４０）。一実施形態において、本システムは、重みの有無に拘わらず、各属性の評点の平均を求めることによりスコアを計算する。本システムはまたオプションとして、０．０１〜１．０の範囲にスコア値を正規化することができる。

ソフトクエリーモデルを用いて、ユーザの広範な嗜好を考慮に入れることにより最終的な推奨に対する協調フィルタリングの効果を緩和する。一実施形態において、ユーザは、初めて推奨システムを用いる際に、各々の種類の活動についてどの属性を最も気にするかを指定するよう求められる。例えば、レストランの場合、ユーザは任意に、自分が他のどの種類よりもフランス料理を好み、喫煙が許されるレストランでは食事をしたくないことを指定することができる。これらの嗜好は次いで、レジャー活動の各属性のスコアに変換される。例えば、フランス料理を提供するレストランは「料理の種類」属性について１．０のスコアが付与される。しかし、このレストランで喫煙が許されている場合、「喫煙または禁煙」属性で０．０１のスコアが付与される。一実施形態において、本システムは各属性のスコアに基づいてレジャー活動の平均スコアを生成することができる。また、この平均化処理は加重平均処理を用いることにより、自分にとってどの属性がより重要であるかをユーザが指定可能にすることができる。

上述のレストランを一例として挙げる。ユーザが自分にとってどの属性（すなわち料理の種類または禁煙）がより重要かを指定しない場合、レストランの全体的なスコアは０．５となろう。ユーザが自分にとって禁煙環境において食べることよりも料理の方が重要である旨を指定した場合、スコアは０．５より大きくなり得る。一方、禁煙のレストランで食事をする方がユーザにとって極めて重要である場合、スコアは０．５より大幅に低く、例えば０．０１であってよい。この平均化処理において、本システムは任意の解析的、経験的、発見的方法を用いてもよい。

レジャー活動のソフトクエリースコアが他のモデルのスコアと組み合わされている場合、ソフトクエリーモデルはユーザの明示的な嗜好に基づいて最終結果を緩和する機能を果たす。例えば、協調フィルタリングでは多くの類似ユーザの評価に基づいてレストランに０．８のスコアを割り当てたかもしれない。しかし、喫煙が許されたレストランである場合、当該事項の最終スコアは（０．８＋０．０１）／２−０．４０５、すなわち当該ユーザの一般的な嗜好を反映する極めて低いスコアを超えないであろう。

例えば、一実施形態において、ユーザは推奨システムに対し、どこで食事すべきかについて推奨するよう求める。食事に関連付けられた属性データベースを調べた後で、推奨システムは、レストランに関する一組の属性を取得する。この属性の組は、料理の種類、屋外対屋内での食事、喫煙または禁煙、係員付き駐車サービスが利用できるか、価格帯、予約できるか等、が含まれるがこれに限定されない。

食事に関する問合せを初めて提出する場合、ユーザはこれらの属性に関する嗜好の組を入力するよう促される。一実施形態において、属性に対する嗜好はスコアで表わされる。ユーザの嗜好に基づいて、フランス料理を提供するレストランには１．０のスコアが与えられるのに対し、タイ料理を提供するレストランには０．８のスコアが与えられる。また、禁煙のレストランには１．０のスコアが与えられるのに対し、専用の喫煙場所があるレストランには０．０１のスコアが与えられる。レストランのスコアは次いで、全ての属性に関連付けられたスコアの平均を求めることにより計算される。

図２に、本発明の一実施形態によるソフトクエリーモデルを用いてレジャー活動のスコアを計算する例証的な処理を表わすフローチャートを示す。本システムは動作中に、レジャー活動に関する問合せを受信する（ステップ２１０）。これに応答して、本システムは、オプション的にユーザに活動の種類の嗜好を入力するよう促して、ユーザから嗜好情報を受信することができる（ステップ２２０）。当該ユーザが、問合せの中で活動の種類を指定しても、あるいは指定しなくてもよい点に注意されたい。活動の種類が指定されたならば、本システムは当該種類の活動についてのみ、ユーザに対し嗜好を指定するよう促すことができる。一方、本システムはユーザに対し、全ての可能な活動の種類を指定するよう促して、ユーザに自分が嗜好を入力した活動の種類を選択させることができる。

候補リストの中の各レジャー活動に対し、本システムは次いで、ユーザの嗜好情報に基づいてレジャー活動の各属性にスコアを割り当てる（ステップ２３０）。その後、本システムはレジャー活動の全体的なソフトクエリースコアを計算して返す（ステップ２４０）。

コンテンツ嗜好モデルは、ユーザの現在の関心事に意味論的に関係する事項のスコアを「押し上げる（ｂｏｏｓｔｓ）」。一実施形態において、本システムはユーザがオンラインでアクセスするリソースの情報を追跡する。例えば、本システムは、ユーザが訪問したウェブサイト、本人の電子メール、インスタントメッセージ、オンラインチャッティングセッション、ウェブ検索キーワード等を監視して、対応する話題を表わすキーワードを抽出する。例えば、ユーザは、ウェブ上で帆船に関して多くの記事を読んでいた可能性がある。例えば間近に迫ったボートショー等、訪問する場所を推奨する際に、この話題に関係するデータベースの各事項はコンテンツ嗜好モデルに基づいて１．０の１スコアが付与される一方、異なる主題に関する他の事項はこの「押し上げ」が得られないであろう。その結果、話題面で関係する事項が推奨リストの上位に「浮上する」傾向がある。

例えば、一実施形態において、ユーザは推奨システムに対し、訪問する場所を推奨するよう求める。過去数週間にわたるユーザの一時的インターネットキャッシュファイルを含むコンテンツデータベースを検索した後で、推奨システムは多数のキーワードを抽出する。本システムがキーワードを抽出するために任意の計算言語的手法を用いてもよい点に注意されたい。

その後、推奨システムは、ローカル活動データベースを検索して、いずれかのキーワードに合致する候補活動により高い得点を割り当てる。

図３に、本発明の一実施形態によるコンテンツ嗜好モデルを用いてレジャー活動のスコアを計算する例証的な処理を表わすフローチャートを示す。本システムは動作中に、レジャー活動に関する問合せを受信する（ステップ３１０）。本システムは次いで、ユーザが以前にアクセスしたコンテンツからキーワードを抽出する（ステップ３２０）。

候補活動のリストの各レジャー活動に対して、本システムは、活動の記述がコンテンツから抽出されたいずれかのキーワードに合致するか否かを判定する（ステップ３３０）。合致した場合、本システムは当該活動に高いスコアを割り当てる（ステップ３４０）。本システムが合致を識別しない場合、本システムはデフォルトスコア値、例えば値０を返す（ステップ３５０）。

距離モデルは、候補レジャー活動の場所、ユーザの居所、およびユーザがどの程度移動できるかに応じて事項のスコアを減らす。一実施形態において、本システムは、ユーザの現在の位置およびユーザの移動範囲の推定値を反映する一組の汎地球測位システム（ＧＰＳ）座標を受信する。一実施形態において、本システムは、ユーザの現在速度に基づいて、移動範囲を計算することができる。本システムは次いで、当該活動が範囲外であることを示す０．０１から、当該活動がユーザの近隣で行なえることを示す１．０までのスコアを割り当てる。このように、関連するだけでなく近隣で行なえる事項が最終的な推奨リスト内で好まれる傾向がある。

図４に、本発明の一実施形態によるアクセス可能性モデルを用いてレジャー活動のスコアを計算する例証的な処理を表わすフローチャートを示す。システムは本動作中に、レジャー活動に関する問合せを受信する（ステップ４１０）。本システムは更に、ユーザに関連付けられた一組の座標を含む一組のＧＰＳ情報を受信する（ステップ４２０）。

本システムは続いて、受信したＧＰＳ情報に基づいてユーザの位置および移動範囲を計算する（ステップ４３０）。次に、本システムは全ての候補レジャー活動について、活動とユーザの位置の距離、およびユーザの移動範囲に基づいて距離モデルスコアを割り当てる（ステップ４４０）。システムは次いで、計算された距離モデルスコアを返す。

図５に、本発明による４種のモデルから生成された最終スコアに基づいて、異なる種類のレジャー活動の候補を推奨する例証的な処理を表わすフローチャートを示す。本システムは動作中に、レジャー活動に関する問合せを受信する（ステップ５１０）。次に、各々の候補レジャー活動について、本システムは４種のモデルに基づいて４個のスコアを計算する。具体的には、本システムは協調フィルタリングモデルスコア（ステップ５２０）、ソフトクエリーモデルスコア（ステップ５３０）、コンテンツ嗜好モデルスコア（ステップ５４０）、および距離モデルスコア（ステップ５５０）を計算する。本システムは次いで、４種のモデルに固有のスコアに基づいて候補活動の最終的な複合スコアを計算する（ステップ５６０）。

次に、本システムは全ての候補活動を、それらの各々の複合スコアに基づいてランク付けする（ステップ５７０）。本システムは次いで、最もランクが高い活動のリストをユーザに返す（ステップ５８０）。

図６に、本発明による４種のモデルを用いて推奨システムを実現する例証的なコンピュータおよび通信システムの構成を示す。コンピュータおよび通信システム６００は、通信モジュール６４０に接続されており、プロセッサ６１０、メモリ６２０、および記憶装置６３０を含んでいる。記憶装置６３０は、多数のアプリケーション、例えばアプリケーション６４２および６４４を格納する。記憶装置６３０はまた、協調フィルタリングモデル６３４、ソフトクエリーモデル６３６、コンテンツ嗜好モジュール６３８および距離モデル６３９を含む推奨アプリケーション６３２を格納する。

推奨アプリケーション６３２は動作中に、記憶装置６３０からメモリ６２０へロードされ、次いでユーザにレジャー活動を推奨すべくプロセッサ６１０により実行される。

本発明の一実施形態による協調フィルタリングモデルを用いてレジャー活動のスコアを計算する例証的な処理を表わすフローチャートである。 本発明の一実施形態によるソフトクエリーモデルを用いてレジャー活動のスコアを計算する例証的な処理を表わすフローチャートである。 本発明の一実施形態によるコンテンツ嗜好モデルを用いてレジャー活動のスコアを計算する例証的な処理を表わすフローチャートである。 本発明の一実施形態によるアクセス可能性モデルを用いてレジャー活動のスコアを計算する例証的な処理を表わすフローチャートである。 本発明による４種のモデルから生成された最終スコアに基づいて、異なる種類のレジャー活動の候補を推奨する例証的な処理を表わすフローチャートである。 本発明による４種のモデルを用いて推奨システムを実現する例証的なコンピュータおよび通信システムの構成図である。

符号の説明

６００ コンピュータおよび通信システム、６１０ プロセッサ、６２０ メモリ、６３０ 記憶装置、６３２ 推奨アプリケーション、６３４ 協調フィルタリングモデル、６３６ ソフトクエリーモデル、６３８ コンテンツ嗜好モジュール、６３９ 距離モデル、６４０ 通信モジュール、６４２，６４４ アプリケーション。

Claims (4)

1. ユーザに対しレジャー活動を推奨するコンピュータシステムであって、
   プロセッサと、
   協調フィルタリングモデル、ソフトクエリーモデル、コンテンツ嗜好モデル及び距離モデルを含む推奨アプリケーションを記憶する記憶手段と、
   前記プロセッサが、レジャー活動に対する少なくとも1個の問合せを受信する受信機構と、
   前記プロセッサが前記推奨アプリケーションを実行することにより、前記協調フィルタリングモデルに基づいて候補活動の協調フィルタリングスコアを計算する協調フィルタリング機構と、
   前記プロセッサが前記推奨アプリケーションを実行することにより、前記ソフトクエリーモデルに基づいて前記候補活動のソフトクエリースコアを計算するソフトクエリースコアリング機構と、
   前記プロセッサが前記推奨アプリケーションを実行することにより、前記コンテンツ嗜好モデルおよびユーザの過去の行動に基づいて前記候補活動のコンテンツ嗜好スコアを計算するコンテンツ嗜好スコアリング機構と、
   前記プロセッサが前記推奨アプリケーションを実行することにより、前記距離モデルに基づいてユーザの現在位置及び移動速度から候補となるレジャー活動の位置と当該ユーザの位置との距離及び当該ユーザの移動範囲を算出し、その算出した距離及び移動範囲に基づき前記候補活動の距離スコアを計算する距離スコアリング機構と、
   前記プロセッサが、前記協調フィルタリングスコア、前記ソフトクエリースコア、前記コンテンツ嗜好スコア、および前記距離スコアの加重平均を計算することにより前記候補活動の複合スコアを生成する複合スコアリング機構と、
   前記プロセッサが、最高の複合スコアを有する活動を含む推奨リストを返すプレゼンテーション機構と、
   を有するコンピュータシステム。
2. 前記協調フィルタリング機構は、更に、前記協調フィルタリングスコアを決定する一方、一組のユーザプロファイリング情報を受信する請求項１に記載のコンピュータシステム。
3. 前記協調フィルタリング機構は、更に、前記協調フィルタリングスコアを決定する一方、ユーザがマッチングされる同一プロファイルグループ内の他のユーザが提出した候補活動に対する1個以上の評価を取得する請求項１に記載のコンピュータシステム。
4. 前記ソフトクエリースコアリング機構は、前記ソフトクエリーを決定する一方、ユーザから嗜好情報を受信する請求項１に記載のコンピュータシステム。
   

Images