JP5324937B2

JP5324937B2 - 推薦システム用の時間情報および場所情報の言語抽出

Info

Publication number: JP5324937B2
Application number: JP2009012005A
Authority: JP
Inventors: ファングジィ; エムベロッティビクトリア; ジーボブロウダニエル; エイチキングトレイシー
Original assignee: Palo Alto Research Center Inc
Current assignee: Palo Alto Research Center Inc
Priority date: 2008-01-23
Filing date: 2009-01-22
Publication date: 2013-10-23
Anticipated expiration: 2029-01-22
Also published as: JP2009176302A; US20240169375A1; US20090187467A1

Description

本発明は、推薦システム（ｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍ）に関する。より具体的には、本開示は、暗黙的または明示的な時間情報および／または場所情報の言語抽出を使用する行動推薦システム（ａｃｔｉｖｉｔｙｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍ）に関する。

今日の技術指向の世の中では、主要な情報源は、「推薦システム」である。推薦システムは、文脈データ、ユーザモデル、またはユーザ問い合わせなど、何らかの入力に応答して、特定個人向けの推薦を生成することによって、独力では見つけられないかもしれない情報をユーザが見つけるのを手助けする。典型的には、ユーザは、人物、場所、書籍、映画、音楽、ウェブコンテンツ、抽象的概念など、ある関心事を指示することができ、推薦システムは、その関心事の範囲内にある項目を格付けし、推薦リストを生成する。推薦システムは、ユーザに行動を推薦するためにも使用することができる。

米国特許第６２３６７６８号明細書

たとえば、ユーザは、週末の晩に何をするかについて、推薦システムから提案を受け取ることができる。行動推薦システムはさらに、何をし、どこへ行くかをユーザが決定するのを手助けするために、映画タイトル、ライブ演奏プログラム、レストラン、およびさまざまなタイプの店舗など、推薦した行動の詳細を提供することができる。しかし、具体的な好み情報を入力するようユーザに要求することなく、ユーザの短期的必要および一般的好みに適合した行動を推薦することについては、課題を残している。

本発明の一実施形態は、行動を推薦するシステムを提供する。動作中、このシステムは、テキストから取得された１つのコンテンツまたは音声からテキストに変換された１つのコンテンツを受け取る。その後、このシステムは、受け取ったコンテンツを解析して、いずれかの行動タイプと、いずれかのタイプの行動をとる意欲の表明（ｉｎｄｉｃａｔｉｏｎｏｆｗｉｌｌｉｎｇｎｅｓｓ）と、コンテンツ内で暗黙的および／または明示的に示すことができる少なくとも１つの時間情報ならびに／あるいは行動タイプに関連する１つの場所情報とを特定する。このシステムはさらに、コンテンツから抽出された情報に基づいて、１つ以上の行動、行為地、および／または行動を可能にするサービスもしくは行動を支援するサービスをユーザに推薦する。

本発明の一変形形態では、行動タイプと、時間情報、および／または行動タイプに関連する場所情報とを特定するステップは、１つ以上の所定のキーワードまたはテキストパターンを探してテキストコンテンツを検索するステップを含む。

さらなる一変形形態では、受け取ったコンテンツを解析するステップは、特定された行動タイプの行動が過去に生じたか、現在生じているか、または将来に生じるかを判断し、それによって、特定されたタイプの行動をとることに対するユーザの意欲の有無を判断することを容易にするステップを含む。

さらなる一変形形態では、意欲の表明が、特定されたタイプの行動をとる意欲がないことを示唆する場合、あるいは特定された行動タイプの行動が、近い過去に生じたか、または現在生じている場合、このシステムは、その行動タイプの格付けを引き下げる。

さらなる一変形形態では、意欲の表明が、特定されたタイプの行動をとる意欲を示唆する場合、または特定された行動タイプの行動が将来に生じる場合、このシステムは、その行動タイプの格付けを引き上げる。

本発明の一変形形態では、このシステムは、特定された行動タイプ、意欲の表明、ならびに時間情報および／または場所情報を規範的エントリに変換する。このシステムはさらに、規範的エントリをリポジトリに追加する。

さらなる一変形形態では、このシステムは、規範的エントリを、リポジトリ内においてそのエントリに関連する時間情報に基づいて失効させる。

本発明に係る推薦システムを用いることにより、ユーザの個人的好みにさらに適合した推薦を可能にするという効果がある。

本発明の一実施形態による、行動推薦システムの動作の例示的な一態様を示す図である。本発明の一実施形態による、暗黙的または明示的な時間情報および／または場所情報を抽出する行動推薦システムのための例示的なブロック図である。本発明の一実施形態による、行動推薦を容易にするためにメッセージから暗黙的または明示的な時間情報および／または場所情報を抽出する例示的なプロセスを示すフローチャートである。本発明の一実施形態による、行動関連キーワードおよびテキストパターンのリストを取得する例示的なプロセスを示すフローチャートである。本発明の一実施形態による、行動推薦を容易にするために暗黙的または明示的な時間情報および／または場所情報を抽出するためのコンピュータシステムを示す図である。

今日の世の中では、どこに行って昼食をとるか、どこで買い物をするかといったちょっとしたことについてさえ、人は日常的に多くの選択に直面する。これは、部分的には、今は利用可能なより多くの選択肢が存在するためであり、部分的には、インターネットおよび無線技術などの情報技術が、情報を以前よりもはるかに入手しやすくしているためである。それにもかかわらず、モバイルコンピューティングの最近の進歩をもってしても、何をして時間を過ごすかを見つけることは、依然として難しいことがある。非常に多くの選択肢が存在することがある。従来の都市ガイドは、オンラインでも紙媒体でも、通常は検索することが難しい。他方、場所ベースの検索サービスは、（店舗、レストラン、美術館など、何を検索すべきかを決定するなど）ある種の選択情報を入力するようユーザに要求するが、それは、思うような結果が得られず、また低速なこともある。さらに、これらのデータを手入力で提供するようユーザに要求することなく、ユーザの具体的な必要、好み、および習慣に適合した推薦を生成することは、行動推薦システムにはしばしば難しい。

本発明の実施形態は、より特定個人向けの行動推薦を容易にするために、ユーザによって受け取られたコンテンツまたは提供されたコンテンツから、ある行動タイプ、行為地、および／またはサービスに関連する暗黙的および明示的な時間情報および場所情報を抽出することができる行動、行為地、および／またはサービスの推薦システムを提供する。この抽出された時間情報および／または場所情報は、行動タイプの格付けを引き上げまたは引き下げ、それによって、ユーザの個人的好みにさらに適合した推薦を可能にするために、推薦システムによって使用されることが可能である。

本開示において、「行動」とは、ユーザが意識的に気づいている認知目標（ｃｏｇｎｉｔｉｖｅｇｏａｌ）を達成するために、ある期間にわたって（一般には少なくとも数分間にわたって）実行される、１組の身体的行為もしくは心理的行為、またはその２つの組合せのことである。たとえば、行動は、仕事をすること、買い物をすること、食事をすること、ゲームをすること、スポーツをすること、映画を見ること、および公演を鑑賞することを含むことができる。さらに、「コンテンツ」とは、ユーザが送り、受け取り、もしくはコンピューティングデバイスに入力する任意のテキスト、またはユーザ音声から抽出された任意のテキストのことである。たとえば、コンテンツは、ショートメッセージサービス（ＳＭＳ）メッセージ、インスタントメッセージ、チャットメッセージ、電子メール、カレンダ記入、ウェブ投稿などを含むことができる。

いくつかの実施形態では、本発明の推薦システムは、クライアントサーバアーキテクチャを利用する。図１は、本発明の一実施形態による、行動推薦システムの動作の例示的な一方式を示している。この例では、ユーザのポータブルデバイス１０６は、推薦システムのクライアント側ソフトウェアを実行する。ポータブルデバイス１０６は、無線塔１０８と通信しており、無線塔１０８は、無線サービスプロバイダのネットワーク１０４の一部である。無線サービスプロバイダのネットワーク１０４は、サーバ１１２を含み、サーバ１１２は、インターネット１０２に結合される。動作中、ポータブルデバイス１０６は、サーバ１１２に問い合わせの実行を依頼する。サーバ１１２は、推薦システムのサーバ側ソフトウェアを実行する。サーバ１１２は、データベース１１０とも通信しており、データベース１１０は、場所データ、行為地／行動データ、およびオプションで多数のユーザのユーザプロフィールデータを保存する。問い合わせに応答して、サーバ１１２は、推薦する行動のリストをポータブルデバイス１０６に送信する。

一実施形態では、ポータブルデバイス１０６は、ＳＭＳメッセージングサービス、チャットサービス、電子メール、およびカレンダなど、さまざまな形態のテキストベースのモバイルアプリケーションを提供する。ポータブルデバイス１０６は、ユーザによって提供され得る、または別のデバイスから受信され得る、新しい１つのコンテンツを受け取ったとき、そのコンテンツから暗黙的または明示的な時間情報および／または場所情報を抽出し、この情報をサーバ１１２に提供することができ、その後、サーバ１１２は、この情報を使用して、ある行動の格付けを引き上げまたは引き下げる。さらなる一実施形態では、ポータブルデバイス１０６が、行動の格付けを引き上げまたは引き下げ、ローカルに推薦リストを生成することができる。

一実施形態では、推薦システムは、推薦リストにおいて短期的変更を引き起こすために、コンテンツから抽出された行動関連情報を使用する。これらの短期的変更は、抽出情報が限られた「寿命」を有する限り、永続的なものではない。すなわち、抽出情報は、限られた期間だけ、推薦システムにとって有用とすることができる。しかし、行動および抽出情報のタイプによって、時には、抽出情報は、長期的またはより永続的なユーザの好みを示すこともある。そのような情報は、将来の推薦に影響を及ぼすように、より永続的な方式で保存されることが可能である。

図２は、本発明の一実施形態による、時間情報および場所情報を抽出する行動推薦システムのための例示的なブロック図を示している。１つ以上のメッセージ２０２を受信すると、ユーザコンテンツ抽出エンジン（ＵＣＥＥ：ｕｓｅｒｃｏｎｔｅｎｔｅｘｔｒａｃｔｉｏｎｅｎｇｉｎｅ）２０４は、メッセージ２０２のテキストを解析し、１組の行動関連情報２０６を抽出する。情報２０６は、１つ以上の行動タイプ、時間情報、場所情報、および行動または行動タイプに関連するユーザの好み情報に関連する、特定の用語を含むことができる。たとえば、情報２０６は、ユーザがレストランで食事をしていること、前日にある映画を見たこと、または午後に買い物に出掛ける予定であることを示すことができる。本発明の実施形態が、テキストメッセージ、行動モデル、ＧＰＳデータ、時刻などの解析といったさまざまな手段を介して、行動タイプを特定できることに留意されたい。

推薦を変更するために抽出情報２０６が使用できる場合、抽出情報２０６は、リポジトリ２０８に保存され、リポジトリ２０８は、推薦リスト２１４内の行動の格付けを引き上げるため、または引き下げるために、レコメンダ（ｒｅｃｏｍｍｅｎｄｅｒ）２１２によって使用される。たとえば、メッセージ２０２が、「ＷｅａｔｅＩｔａｌｉａｎｌａｓｔｎｉｇｈｔ」（「昨夜、私たちはイタリア料理を食べた」）と書かれた、ユーザのボブからのＳＭＳメッセージを含む場合、近い将来にイタリア料理を食べることの格付けを引き下げるために、対応する抽出情報２０６がレコメンダ２１２によって使用されることが可能であるが、それは、この例における時間表現「ｌａｓｔｎｉｇｈｔ」が、イタリア料理を食べた行動が近い過去に生じたことを暗示しており、この暗黙的な時間情報の抽出は、レコメンダがより知的な推薦を行うことを可能にするからである。メッセージに含まれる時間情報は、先の例におけるよりもさらに暗黙的であることが可能である。たとえば、メッセージ２０２が「ＷｅｊｕｓｔａｔｅＩｔａｌｉａｎ」（「私たちはイタリア料理を食べたばかりだ」）と述べている場合、メッセージ２０２には明白な時間情報は存在しないものの、対応する抽出情報２０６は、イタリア料理を食べた行動が近い過去に生じたことを示す１つの暗黙的な時間情報を依然として含んでおり、近い将来にイタリア料理を食べることの格付けを引き下げるために、その時間情報がレコメンダ２１２によって使用される。行動に対するユーザの関心は、時間につれて変化し得ることに留意されたい。したがって、ユーザが昨夜イタリア料理を食べたという事実は、今夜またイタリア料理を食べることに対するユーザの関心を引き下げるであろうが、１週間以上経ってからユーザがイタリア料理を食べたくなる可能性をより高いものにする。一実施形態では、システムは、より正確な特定ユーザ用プロフィールおよび汎用プロフィールを作成するために、時間情報に基づいてユーザの関心の時間的周期をモデル化することができる。

リポジトリ２０８内のエントリは一時的であり得ることに留意されたい。一実施形態では、システムは、対応する行動の性質および１組の事前定義された失効規則に基づいて、リポジトリ２０８内のそれぞれのエントリを失効させる。一般に、ある行動をとる意欲がユーザにないことを抽出情報２０６が示す場合、レコメンダ２１２は、この行動の格付けを引き下げることができる。ある行動をとる意欲がユーザにあることを抽出情報２０６が示しているが、その行動が現在生じている場合、または近い過去にすでに生じていた場合、レコメンダ２１２は、この行動の格付けも引き下げることができる。他方、将来ある行動をとる意欲がユーザにあることを抽出情報２０６が示している場合、レコメンダ２１２は、この行動の格付けを引き上げることができる。

さらに、抽出情報２０６が長期的またはより永続的なユーザの好みを示す情報を含む場合、この情報は、ユーザプロフィールデータベース２１０に保存することができる。その後、レコメンダ２１２は、ユーザプロフィールデータベース２１０を使用して、ユーザの個人的好みにより適合した推薦行動リスト２１４を生成することができる。たとえば、メッセージ２０２が、「Ｎｏｃａｒｔｏｏｎｓｆｏｒｍｅ」（「私はアニメは結構だ」）と書かれたユーザのボブからのＳＭＳメッセージを含む場合、抽出情報２０６は、ボブはアニメ映画全般が嫌いであることを示すエントリを含むことができる。その後、このエントリは、ユーザプロフィールデータベース２１０に保存され、ユーザのボブに行動を推薦するとき通常であれば、アニメ映画を見ることの格付けを引き下げるために、レコメンダ２１２によって使用されることが可能である。一実施形態では、ユーザプロフィールデータベース２１０内のエントリは、リポジトリ２０８内のエントリと比べて、相当に長い期間にわたって保持される。

コンテンツから情報を抽出する際の課題の１つは、自然言語の複雑さである。たとえば、「ｄｏｎ’ｔｗａｎｔｔｏｗａｔｃｈａｍｏｖｉｅ」（「映画を見たくない」）というテキストは、ユーザが映画全般を見る気になれないのは、現在に関連することを暗示しており、システムが今現在おそらくは映画を推薦すべきではないことを表している。しかし、「ｄｏｎ’ｔｗａｎｔｔｏｗａｔｃｈｔｈａｔｍｏｖｉｅ」（「その映画を見たくない」）は、ユーザが現在ある特定の映画を見る気になれないことを暗示しており、システムは、今現在おそらくはその特定の映画を推薦すべきではないが、他の映画なら推薦してよいことを表している。別の例は、「ｄｉｄｎ’ｔｗａｎｔｔｏｗａｔｃｈａｍｏｖｉｅ」（「映画を見たくなかった」）であり、ユーザが映画全般を見る気になれないのは、過去に関連することを暗示しており、したがって、今現在のシステムの推薦に影響を及ぼすべきではない。「ｈａｖｅｎ’ｔｗａｔｃｈｅｄａｍｏｖｉｅ」（「映画を見たことがない」）は、また別のケースであり、システムは今現在または近い将来におそらくは映画を推薦すべきであることを表している。したがって、これら４つの例はすべて明白な否定を含むが、異なる含意のため、それらは同じ結論に達しない。図２のＵＣＥＥ２０４は、これらのメッセージ内で暗示された暗黙的な情報を抽出することができ、その情報は、レコメンダがより正確な推薦を行うことを可能にする。別の課題は、時間表現の解釈である。自然言語におけるほとんどの時間表現は、システムが容易に理解できる標準的な構造化された形式（たとえば、「ｔｏｎｉｇｈｔ」、「ｎｅｘｔＦｒｉｄａｙ」、「ｔｈｉｓｍｏｒｎｉｎｇ」など）をとっていない。加えて、ほとんどのテキストメッセージでは、数字が非常に曖昧なことがある。たとえば、「８３０」は、時間表現であることもあり、または時間表現でないこともある。

さらなる課題は、コンテンツ内で使用される言語、特にモバイルデバイスから送信されたテキストメッセージ内で使用される言語の非正規性である。そのようなテキストメッセージは、従来の文書と比べて、多くの省略形および文法誤りを含む可能性が高い。さらに、省略形および文法誤りのタイプは、しばしば言語および文脈に特有である。たとえば、シンガポール英語では「ｔｏｍｏｒｒｏｗ」を表すために、「ｔｍｒ」、「ｔｍｌ」、および「２ｍｏｒｒｏｗ」のすべてがＳＭＳメッセージで一般に使用されることが観察されている。したがって、情報抽出の品質は、コンテンツ内で使用される言語をシステムがどれだけ上手く正規化できるかに大きく依存する。

これらの課題のため、単純なキーワード検索手法は、満足できる結果を達成することができない。一実施形態では、システムは、所望の情報を抽出するために、キーワードに加えてテキストパターンを使用する。一般に、推薦システムの新規な主要機能は、メッセージが行動関連情報を含むかどうか、またメッセージ内でどのタイプの行動が論じられているかを特定する能力と、時間表現または場所表現を標準的な時間形式または場所形式に変換する能力である。図２を参照すると、ＵＣＥＥ２０４は、２つの目的を達成する。

１．メッセージに関連するユーザが、ある行動または行動タイプに関心をもっているかどうかを識別する。言い換えると、その行動をとることに対するユーザの意欲を識別する。

２．その行動または行動タイプに関連する時間表現および／または場所表現を特定し、非標準的な時間表現および／または場所表現を標準的な時間形式／場所形式に変換する。

一実施形態では、システムは、すべてのタイプの行動に対して６つのタイプの情報を、すなわち、行動カテゴリ（行動タイプ）、行動時間、時制情報、行動時間の不確実性、行動場所、および行動についてのユーザの意見を抽出する。

＜行動カテゴリ＞
メッセージがあるタイプの行動に関連するかどうかを判断するため、ＵＣＥＥ２０４は、キーワードフィルタおよびパターンフィルタの両方に加えて、データベースドリブン検索も使用することができる。たとえば、メッセージが「ＭＯＶＩＥ」行動に関連するかどうかを判断するため、ＵＣＥＥ２０４は、キーワード「ｍｏｖｉｅ」をフィルタとして使用することができる。キーワードフィルタに加えて、ＵＣＥＥ２０４は、映画タイトルのリストまたはデータベースを使用して検索を導くことができ、メッセージ内で「ｗａｔｃｈ」または「ｓｅｅ」などの単語に続いて映画タイトルが見つかった場合、そのメッセージも、「ＭＯＶＩＥ」行動に関連するとして識別される。映画タイトルの曖昧性のため（すなわち、多くの映画タイトルは、「ＴｈｅＳａｖａｇｅｓ」、「Ｊａｗｓ」、および「Ａｔｏｎｅｍｅｎｔ」といった共通の語句を含む）、映画タイトルが出現する文脈に課される制約が重要になり得ることに留意されたい。同様に、ＵＣＥＥ２０４は、メッセージが「ＥＡＴ」または「ＳＨＯＰＰＩＮＧ」行動に関連するかどうかを判断するため、レストラン名、店舗名などのデータベースを使用することができる。一般に、キーワードフィルタリングだけでは、行動を識別するのに十分でない。たとえば、キーワード「ｂｕｙ」および「ｂｏｕｇｈｔ」は、しばしば「ＳＨＯＰＰＩＮＧ」行動に関連するが、「ｂｕｙｍｏｖｉｅｔｉｃｋｅｔｓ」（「映画チケットを買う」）、「ｂｕｙｙｏｕｄｉｎｎｅｒ」（「あなたに夕食をごちそうする」）などの句に出現する場合は、「ＳＨＯＰＰＩＮＧ」行動に関連しない。したがって、「ＳＨＯＰＰＩＮＧ」行動から後者の例を除外するために、テキストパターンフィルタが使用されることが可能である。

ある行動をとることに対するユーザの意欲についてシステムが学習することが重要である。一実施形態では、この意欲は否定的、すなわち行動タイプに関連する「評価」は否定的とすることができ、「ＮＯ−ＥＡＴ」、「ＮＯ−ＭＯＶＩＥ」、または「ＮＯ−ＳＨＯＰＰＩＮＧ」として示されることが可能である。ユーザはある行動に関与したくないことをメッセージが明確に述べている場合、たとえば、メッセージが「ｎｏｍｏｖｉｅｓｆｏｒｍｅ」というテキストを含む場合、行動タイプの評価は否定的に設定される。したがって、推薦システムは、近い将来に映画を推薦しない。「ｎｏｔ」などの単純な否定キーワードはこの作業のために十分ではないことがあることに留意されたい。たとえば、「Ｉｄｉｄｎｏｔｓｅｅｔｈａｔｍｏｖｉｅ」（「私はその映画を見なかった」）および「Ｉｈａｖｅｎｏｔｓｅｅｎｔｈａｔｍｏｖｉｅ」（「私はその映画を見たことがない」）は、行動タイプの否定的な評価をもたらすべきではない。一実施形態では、否定的な行動タイプは、否定的なパターン上の手掛かり（ｐａｔｔｅｒｎｃｕｅ）を通して識別される。

＜行動時間、時制、および不確実性＞
一実施形態では、ある行動に関連があり、何らかの対応する時間情報を含むと識別されたすべてのメッセージについて、システムは、行動時間の値を返す。メッセージが時間表現を含む場合、ＵＣＥＥ２０４は、パターン認識を通して時間表現を抽出することができる。たとえば、ＵＣＥＥ２０４は、どんな数字も後に続かないが、「ａｔ」、「ａｂｏｕｔ」、または「ａｒｏｕｎｄ」などの前置詞が前に置かれた１〜４桁の数字を抽出することができる。ＵＣＥＥ２０４は、「ｔｏｄａｙ」、「Ｆｒｉｄａｙ」、および「ｗｅｅｋｅｎｄ」などの時間表現を、「ＹＹＹＹ／ＭＭ／ＤＤ」などの規範的形式をとる一致する日付に変換することもできる。加えて、ＵＣＥＥ２０４は、時間を２４時間形式に標準化することができる。たとえば、「７ｐｍ」は、「１９：００」に変換されることが可能である。一実施形態では、標準化時間形式は、「ＹＹＹＹ／ＭＭ／ＤＤＨＨ／ＭＭ」である。しかし、多くの場合、メッセージは、明白な時間表現を含まないことがあり、すなわち、そのようなメッセージに含まれる時間情報は、どれも暗黙的である。この場合、ＵＣＥＥ２０４は、最初に時制情報を調べる。メッセージが現在時制をとる場合、ＵＣＥＥ２０４は、行動時間の値としてシステム実行時間を割り当てる。たとえば、「ＩａｍｗａｔｃｈｉｎｇＦｉｎｄｉｎｇＮｅｍｏ」（「私はファインディングニモを見ている」）と書かれたメッセージをシステムが受け取ったが、メッセージに明白な時間表現が見つからない場合、メッセージが現在時制をとっているため、ＵＣＥＥ２０４は、メッセージを受け取った時刻を行動時間として返す。一実施形態では、現在時制は、単純現在時制および現在進行時制の両方を含むことに留意されたい。

メッセージが現在時制をとらない場合、ＵＣＥＥ２０４は、デフォルト行動時間を提供することができる。たとえば、メッセージ「ｌｅｔ’ｓｇｏｓｈｏｐｐｉｎｇ」（「買い物に行きましょう」）は、買い物関連メッセージとして識別されるが、利用可能な明白な時間情報が存在せず、時制は現在ではない。この場合、システムがメッセージを受け取った時刻が「１５：３０」より後でない限り、システムは、デフォルト買い物時間の「１５：３０」を行動時間として利用することができる。一実施形態では、多数のユーザに対する意見調査から収集された統計に基づいて、システムは、与えられた行動のデフォルト時間を決定する。さらなる実施形態では、ＥＡＴ行動およびＭＯＶＩＥ行動などのより単純なケースでは、デフォルト行動時間は、規定されることもできる。たとえば、ＵＣＥＥ２０４は、デフォルト映画時間として「２０：００」を、デフォルト朝食時間として「０８：００」を、デフォルトブランチおよび昼食時間として「１２：００」を、デフォルト夕食時間として「１９：００」を、デフォルトパブ時間として「２１：００」を割り当てることができる。

一実施形態では、行動時間の値をシステムがどの程度不確実と見ているかは、ＵＮＣＥＲＴＡＩＮＴＹ（不確実性）値によって記録される。たとえば、行動時間にデフォルト値が割り当てられた場合、対応するＵＮＣＥＲＴＡＩＮＴＹ値は、２時間に設定することができる。メッセージ内の時間表現の前に「ａｒｏｕｎｄ」および「ａｂｏｕｔ」などの前置詞が置かれている場合、ＵＮＣＥＲＴＡＩＮＴＹ値は、１０分に設定することができる。他のケースでは、ＵＮＣＥＲＴＡＩＮＴＹ値は、０に設定することができる。

一実施形態では、ＵＮＣＥＲＴＡＩＮＴＹが０である場合、推薦リストは、行動時間が過ぎた後すぐに変化するように設定される。

一般にテキストメッセージ内では、明白な未来時制は、現在時制および過去時制と比べて、見かけることがはるかに少ない。この観察に基づいて、ＵＣＥＥ２０４は、デフォルト時制として未来を設定することができる。すなわち、メッセージが過去時制または現在時制の言語的手掛かりを含むことが分かった場合、時制の値はしかるべく上書きされる。一実施形態では、過去時制または現在時制の手掛かりは、異なる行動タイプごとに異なる。

上述のように、時制情報は、行動時間の値を決定する助けとなり、時制が現在である場合、行動時間はシステム実行時間である。時制情報は、推薦リストに影響を及ぼすこともできる。たとえば、メッセージが「ＭＯＶＩＥ」行動に関連するとして識別され、その時制が（「Ｉ’ｍｉｎａｍｏｖｉｅ」（「私は映画を見に来ている」）のように）現在である場合、推薦システムは、行動候補としての映画を見ることの格付けを引き下げ、近い将来には映画を推薦しない。加えて、時制情報は、システムがユーザの好みを学習する助けとなることができ、メッセージがある行動に関連するとして識別され、その時制が過去または現在である場合、その行動に関する情報は、ユーザの行動の好みを学習するために使用することができる。

＜行動場所＞
行動場所を特定するため、ＵＣＥＥ２０４は、地域名のリストまたはデータベースに照らしてメッセージを検索し、すべての一致地域を返す。ＵＣＥＥ２０４は、ランドマークのリストに照らしてもメッセージを検索することができ、そのランドマークが所在する対応する地域を返す。たとえば、「ＥＡＴ」行動の場合、システムは、行動場所が自宅かどうかを識別することができる。自宅の場合、推薦システムは、対応する行動時間にレストランを推薦することはできない。

＜ユーザの意見＞
一実施形態では、ＵＣＥＥ２０４は、キーワードマッチングおよびパターンマッチングを通してユーザ意見を抽出することができる。

＜行動固有コンテンツ＞
６つの共通タイプの情報に加えて、ＵＣＥＥ２０４は、行動固有情報も抽出することができる。たとえば、映画関連メッセージでは、映画タイトルが見つかった場合、ＵＣＥＥ２０４は、ＭＯＶＩＥ−ＴＩＴＬＥの値を返すことができる。この情報は、推薦システムによって直接に使用されることが可能である。食事関連メッセージでは、ＵＣＥＥ２０４は、「ｂｒｅａｋｆａｓｔ」、「ｂｒｕｎｃｈ」、「ｌｕｎｃｈ」、「ｄｉｎｎｅｒ」、「ｔｅａ」、「ｃｏｆｆｅｅ」、または「ｐｕｂ」など、食事行動のサブカテゴリ情報を抽出することができる。この情報は、主としてキーワードマッチングを通して抽出される。ＵＣＥＥ２０４は、料理タイプおよびレストラン名を検索することもできる。この情報は、推薦リストに影響を与え、ユーザの好みを学習するために使用することもできる。

買い物関連メッセージでは、ＵＣＥＥ２０４は、製品、店舗タイプ、および店舗名に関連する情報を抽出することができる。店舗名を抽出するため、ＵＣＥＥ２０４は、店舗名のリストまたはデータベースを検索することができ、一致する値を返す。店舗タイプを抽出するため、ＵＣＥＥ２０４は、各店舗タイプ用のヒントを識別することができる。一実施形態では、ＵＣＥＥ２０４は、店舗タイプのヒントとして製品を使用する。たとえば、「ｐａｎｔｓ」、「ｔｏｐ」、および「ｄｒｅｓｓ」などの単語は、衣料品店のヒントとなる。その後、製品情報、店舗タイプ情報、および店舗名情報のいずれかまたはすべてが、ユーザの好みを学習するために、レコメンダによって使用されることが可能である。

行動タイプ、場所、および／または時間を判断するのに十分な情報を単一のメッセージが含んでいない場合がしばしばあり得る。しかし、一連のメッセージ（たとえば、メッセージスレッド）は、一緒にして適切な順序で考察された場合、より多くの情報を含む可能性がより高まる。たとえば、以下のメッセージ系列は、系列内のどの単一のメッセージよりも多くの情報を提供し、系列内では、有用な用語は大文字で表記されている。
ユーザＡ：ＷｈａｔｄｏｙｏｕｗａｎｔｔｏｄｏＴＯＮＩＧＨＴ？（今夜、何をしたい？）
ユーザＢ：ＤｕｎｎｏｈｏｗａｂｏｕｔＤＩＮＮＥＲ？（さあね、食事はどう？）
ユーザＡ：ＯＫｗｈａｔ？（オーケー、何にする？）
ユーザＢ：ＣＨＩＮＥＳＥ（中華料理）
ユーザＡ：Ｎｏ．．．ＩＨＡＴＥＣＨＩＮＥＳＥ（いや、中華料理は嫌いなんだ）
ユーザＢ：ＷｈａｔａｂｏｕｔＳＵＳＨＩ？（寿司はどう？）
ユーザＡ：Ｔｈｅｒｅ’ｓｌｏａｄｓｏｆｐｌａｃｅｓｉｎＲＯＰＰＯＮＧＩ（六本木にいい店がたくさんあるよ）
ユーザＢ：ＭｅｅｔｙｏｕａｔｔｈｅＳＴＡＴＩＯＮＡＴ８？（駅で８時に落ち合おう）
ユーザＡ：ＯＫ（オーケー）

ＵＣＥＥ２０４は、一連のメッセージ全体に基づいて、晩のプランのより正確なモデルを作り上げることができる。一実施形態では、ＵＣＥＥ２０４は、メッセージ系列がひもとかれるにつれて、モデルを修正することができる。上の例では、ＵＣＥＥ２０４は、夕食について、中華レストランへの関心に対するより高い確率を否定し、代わりに、寿司レストランへの関心に対する高い確率で置き換えることができる。推薦システムは、時間につれて推薦を変更することによって反応することができ、またはモデルが推薦に影響を及ぼすことを許す前に、ユーザの関心についての不確実性の閾値を使用することができる。

上の例では、最初のメッセージにおける時間表現「ＴＯＮＩＧＨＴ」は、最後から２番目のメッセージ内の「８」が、「８ａｍ」ではなく「８ｐｍ」を意味する可能性のほうが高いことを示唆している。しかし、「ＴＯＮＩＧＨＴ」などの明白な時間表現が存在しなくても、ＵＣＥＥ２０４は、スレッド内の他のメッセージに含まれる暗黙的な時間情報を抽出することによって、依然として同じ推論を行うことができる。例を挙げる。
ユーザＡ：Ｗｈａｔｄｏｙｏｕｗａｎｔｔｏｄｏ？（何をしたい？）
ユーザＢ：ＤｕｎｎｏｈｏｗａｂｏｕｔＤＩＮＮＥＲ？（さあね、食事はどう？）
ユーザＡ：ＯＫｗｈｅｎ？（オーケー、いつにする？）
ユーザＢ：Ｗｈａｔａｂｏｕｔ８？（８時はどう？）
ユーザＡ：ＯＫ（オーケー）
この場合、「ＤＩＮＮＥＲ」によって暗示される暗黙的な時間情報が、システムが「８」を「８ｐｍ」（「２０：００」）であると推論することを可能にする。

情報抽出の正確性は、テキストコンテンツを検索するのに使用されるテキストパターンおよびキーワードの品質に大きく依存する。一実施形態では、システムは、テキストパターンおよびキーワードの源泉として、目標ユーザの文体を表すコーパスを使用する。本明細書で使用される「コーパス」とは、ＳＭＳメッセージ、電子メール、カレンダ記入、ブログ掲載などの文書の集まりのことである。

一実施形態では、コーパス内の文書は、２つの組に分類され、１つは開発セット（ｄｅｖｅｌｏｐｍｅｎｔｓｅｔ）であり、１つは試験セット（ｔｅｓｔｓｅｔ）である。開発セットは、所望の情報を抽出するための戦略および方法を開発するために使用される。試験セットは、開発セットに基づいて開発された戦略および方法を試験するために使用される。一実施形態では、戦略および方法を評価するため、試験セットは、抽出されるべき情報で手動によって標識づけされる。その後、標識づけされた試験セットは、検索パターンによって生成された結果がそれと比較される、判断基準試験セット（ｇｏｌｄｓｔａｎｄａｒｄｔｅｓｔｓｅｔ）として使用される。

一般に、モバイルデバイスから送信されるテキストメッセージ内で使用される言語は、正規のライティングとは非常に異なる傾向にある。したがって、ＳＭＳメッセージで一般的な省略形の辞書などの資源は、非常に有用となり得る。これらの辞書は、一般にオンラインで利用可能である。加えて、製品、映画タイトル、場所、アトラクション、博物館、劇場、店舗名およびレストラン名、ならびに他の行為地名のデータベースも、有用となり得る。

一実施形態では、パターンは、トレーニングセットから認識され、手動で選択される。この選択プロセスは、人が介入する学習および意思決定を含むが、手動によるパターン選択は、高品質の認識を保証することができ、非正規の言語使用に対応することができる。さらに、手動によるパターン選択は、異なる言語においても使用することができる。

一実施形態では、メッセージベースの試験セットは、２つの方法で、判断基準マークアップを用いて標識づけされる。

１．行動カテゴリ（ＥＡＴ、ＳＥＥ、ＤＯ、ＮＯＮＥ）。与えられたメッセージは、２つ以上の行動カテゴリを用いて分類されることが可能である。

２．規範的形式の時刻／日付表現。

行動カテゴリを用いた判断基準ラベリングは、推薦システムによって使用できる情報をメッセージのうちのいくつが含むかについての判断を可能にする。このラベリングは、いくつのメッセージが正しく分類できたかを調べる行動検出方法の試験を容易にすることもできる。このラベリングは、メッセージからのコンテンツの抽出がシステムにとってどれだけ有用であり得るか、またコンテンツ抽出エンジンがどれだけよく機能するかを判断する際に重要である。

時刻および日付表現の判断基準マークアップは、試験セット内のメッセージから時刻および日付表現を抽出することを含む。その後、コンテンツ抽出成分は、時刻／日付情報を抽出し規範化するときにコンテンツ抽出エンジンがどれだけよく機能するかを調べるために、これらのマークアップに照らして試験される。

図３は、本発明の一実施形態による、行動推薦を容易にするためにメッセージから暗黙的または明示的な時間情報および／または場所情報を抽出する例示的なプロセスを示すフローチャートを提示している。動作中、システムはメッセージを受け取る（動作３０２）。このメッセージは、ユーザのモバイルデバイスにおいて別のデバイスから受信されてもよく、またはユーザによってモバイルデバイスにタイプ入力されてもよいことに留意されたい。その後、システムは、行動に対応するキーワードおよびパターンを探してメッセージを検索する（動作３０３）。次に、システムは、検索結果に基づいて、メッセージが行動に対応する情報を含むかどうかを判断する（動作３０４）。この情報は、１つ以上の行動または行動タイプに加えて、行動をとることに対するユーザの意欲も示すことができる。

メッセージが行動関連情報を含む場合、システムは、暗黙的または明示的な時間情報、場所情報、および好み情報についてメッセージを解析する（動作３０６）。このプロセスは、メッセージ内のさらなるキーワード検索およびパターン検索を含んでよいことに留意されたい。メッセージが行動関連情報を含まない場合、システムは、通常の推薦動作に進む（動作３１４）。次に、システムは、抽出情報を規範的形式に変換する（動作３１０）。その後、システムは、抽出情報を規範的形式のエントリとしてリポジトリに保存する（動作３１２）。メッセージが行動関連情報を含む場合、メッセージは少なくともいくつかの暗黙的な時間情報を含むと仮定されていることに留意されたい。

システムはさらに、通常の推薦動作に進む。推薦動作中、システムは、行動推薦を活動化する（動作３１４）。その後、システムは、推薦行動のリストを構成する（動作３１６）。

その後、システムは、推薦行動のいずれかと一致するエントリがリポジトリ内に存在するかどうかを判断する（動作３１８）。一致エントリが存在する場合、システムは、リポジトリ内のエントリと一致する行動の格付けを引き上げまたは引き下げることによって、推薦行動のリストを変更する（動作３２０）。一実施形態では、行動の格付けを引き上げるか、または引き下げるかを判断するために、行動の時間情報が使用できることに留意されたい。たとえば、ユーザがレストランで夕食をとっていること、またはとり終わったばかりであることをリポジトリ内のエントリが示している場合、システムは、食事関連行動の格付けを引き下げる。その後、システムは、推薦行動のリストを生成する（動作３２２）。リポジトリ内に一致エントリが存在しない場合、システムは、変更のない推薦行動のリストを生成する（動作３２２）。

図４は、本発明の一実施形態による、行動関連キーワードおよびテキストパターンのリストを取得する例示的なプロセスを示すフローチャートを提示している。動作中、コーパスが取得される（動作４０２）。次に、コーパスが、開発セットと判断基準試験セットに分類される（動作４０４）。その後、開発セット内の言語が、無意味なテキストを除外し、キー入力誤りを訂正する規則によって正規化される（動作４０６）。行動に関連するキーワードおよびパターンが、開発セット内で識別される（動作４０８）。一実施形態では、識別プロセスは手動によって実行される。

次に、キーワードおよびパターンを探して、基準試験セットが検索される（動作４１０）。検索結果が基準試験セット内のマークアップと十分一致するかどうかが判断される（動作４１２）。十分な一致が存在する場合、将来の使用のために、キーワードおよびパターンリストがＵＣＥＥによって保存される（動作４１６）。十分な一致が存在しない場合、キーワードおよびパターンリストが変更され（動作４１４）、変更されたキーワードおよびパターンリストを使用して、基準試験セットが再び検索される（動作４１０）。

図５は、本発明の一実施形態による、行動推薦を容易にするために、暗黙的または明示的な時間情報および／または場所情報を抽出するためのコンピュータシステムを示している。コンピュータシステム５０２は、プロセッサ５０４と、メモリ５０６と、ストレージデバイス５０８とを含む。コンピュータシステム５０２は、インターネット５０３およびディスプレイ５１３に結合される。一実施形態では、ディスプレイ５１３は、タッチスクリーンであり、タッチスクリーンは、入力デバイスとして機能することもできる。ストレージデバイス５０８は、ＵＣＥＥアプリケーション５１６を保存し、一実施形態では、ＵＣＥＥアプリケーションは、コンテンツに対して情報抽出を実行する。ＵＣＥＥアプリケーション５１６は、キーワードおよびパターンマッチングモジュール５１８を含み、キーワードおよびパターンマッチングモジュールは、一致するキーワードおよびパターンを探してメッセージを検索する。ストレージデバイス５０８は、アプリケーション５２０、５２２も保存する。動作中、キーワードおよびパターンマッチングモジュール５１８を含むＵＣＥＥ５１６が、メモリ５０６にロードされ、プロセッサ５０４によって実行される。それに伴って、プロセッサ５０４は、上述のように、コンテンツから暗黙的または明示的な時間情報および／または場所情報を抽出する。

本発明の実施形態についての上記の説明は、例示および説明の目的でのみ提示された。上記の説明は、網羅的であることも、または開示された形態に本発明を限定することも意図していない。したがって、多くの変形および変種が当業者には明らかであろう。加えて、上記の開示は、本発明を限定することを意図していない。本発明の範囲は、添付の特許請求の範囲によって確定される。

１０２インターネット、１０４無線サービスプロバイダのネットワーク、１０６ポータブルデバイス、１０８無線塔、１１０データベース、１１２サーバ、２０２メッセージ、２０４ＵＣＥＥ、２０６抽出情報、２０８リポジトリ、２１０ユーザプロフィールデータベース、２１２レコメンダ、２１４推薦行動、５０２コンピュータシステム、５０３インターネット、５０４プロセッサ、５０６メモリ、５０８ストレージ、５１３ディスプレイ、５１６ＵＣＥＥ、５１８キーワードおよびパターンマッチングモジュール、５２０アプリケーション、５２２アプリケーション。

Claims

行動を推薦するためのコンピュータ実行方法であって、
テキストであるコンテンツまたは音声からテキストに変換されたコンテンツを行動推薦システムにおいて受け取るステップと、
前記受け取ったコンテンツを解析することによって、いずれかの行動タイプと、いずれかのタイプの行動をとる意欲の表明と、前記コンテンツ内で暗黙的および／または明示的に示すことができる少なくとも１つの時間情報ならびに／あるいは前記行動タイプに関連する１つの場所情報と、を特定するステップと、
前記コンテンツから特定された前記情報に基づいて、１つ以上の行動、行為地、および／または行動を可能にするサービスもしくは行動を支援するサービスをユーザに推薦するステップと、
を含み、
前記特定するステップは、前記特定された行動タイプの行動が過去に生じたか、現在生じているか、または将来に生じるかを判断し、それによって、前記特定されたタイプの行動をとることに対する前記ユーザの意欲が相対的にあるか、ないかを判断し、
前記ユーザに推薦するステップは、前記特定するステップにより特定された前記意欲の表明によって示される、あるタイプの行動をとる意欲の有無によってサービスを推薦する際に当該行動タイプの格付けを変更することを特徴とする方法。
請求項１に記載の方法であって、
前記行動を前記ユーザに推薦するステップは、前記特定するステップにより前記意欲の表明が、あるタイプの行動をとる意欲がないと判断した場合、サービスを推薦する際に当該行動タイプの格付けを引き下げることを特徴とする方法。
請求項１に記載の方法であって、
前記行動を前記ユーザに推薦するステップは、前記特定するステップにより前記意欲の表明が、あるタイプの行動をとる意欲があると判断した場合、サービスを推薦する際に当該行動タイプの格付けを引き上げることを特徴とする方法。
請求項１に記載の方法であって、前記行動タイプと、前記時間情報、および／または前記行動タイプに関連する前記場所情報とを特定するステップは、１つ以上の所定のキーワードまたはテキストパターンを探して前記コンテンツを検索するステップを含むことを特徴とする方法。