JP5368665B2

JP5368665B2 - リンクに重み付けされたアソシエーションルールに戻って転送されるエキスパートデータベース

Info

Publication number: JP5368665B2
Application number: JP2004504150A
Authority: JP
Inventors: ベンジャミンホスケン
Original assignee: マイクロソフトインターナショナルホールディングスビイ．ヴイ．
Priority date: 2002-05-10
Filing date: 2003-05-09
Publication date: 2013-12-18
Anticipated expiration: 2023-05-09
Also published as: EP1508103A1; DK1508103T3; AU2003229030A1; EP1508103A4; JP2005525642A; EP1508103B1; WO2003096232A1; US20030212651A1; ES2386540T3; ATE557354T1; US6763354B2

Description

本発明はデータ項目のアソシエーションルールを調べるためのトランザクションデータベース情報を解析するシステム及びプロセスに関し、特に、創発的な重み付けアソシエーションルールを確立するためのトランザクションデータの強化解析を後方リンクづけ（backlinking）するシステム及び方法に関するものである。

データマイニングシステム及びデータマイニングツールは、一般的には多量の情報のデータベースに含まれるデータ内のアソシエーション（連関）関係を特定するために用いられる。例えば、ソース情報が、非連関の項目に関して導かれた商業的なトランザクションを表す場合、異なる項目間のアソシエーション関係は、正確性及び信頼性の相対度による解析によって特定されることができる。これらのアソシエーション関係は、様々な目的のために用いられ、特にトランザクションデータによってカバーされた項目の集合に関する類似顧客行動を予測することを含んでいる。実際では、製品設計のプレゼンテーション及び実体は、宣伝活動（キャンペーン）等をマーケティングするが、顧客の興味と要求を反映して効果的にあわせられる。

従来、トランザクション的な情報のデータベースからマイニング（掘り出された）関係は、一般にエキスパートデータベースと呼ばれる参照データベース内にあるアソシエーションルールとして集められる。各アソシエーションルールは、関係する項目に関して、項目間のアソシエーションの重要性又は強度を表す重みで修飾される。まとめられたアソシエーションルールの一群は、エキスパートデータベースに対してクエリーアサーション（query assertion）として表された様々な問題への解決策を提供するために用いられる。

従来では、エキスパートデータベースを介した関係性のトレースは、アソシエーションされる相対的な重みに基づいて様々な関係の枝間を区別していたのだが、クエリーは関係項目に関する非常によく相関付けられた解決集合を解くことができる。そのクエリー自身は、特定の項目、項目集合、又はエキスパートデータベース内で特定される項目に関連した属性として表される。

エキスパートデータベースを作るために用いられる知識エンジニアリングに関するマニュアル的プロセスに対して、自動化されたアソシエーションマイニング技術は、特に、評価されるデータ量が多い場合、且つマイニングされたアソシエーションの有益性が時間が経るとともにすぐに減じられる場合に好適である。しかしながら、従来の自動化アソシエーションマイニング解析技術は、様々な制限を受けている。特に、その自動化技術は、トランザクションデータ内の特定された項目数が指数的に存在する中でアソシエーションを特定する傾向がある。エキスパートデータベースに対するクエリーの実行性能は、データベースサイズの増加とともに自然に減少する。さらに、生成されたアソシエーションルールの多くは、定義されたクエリーとは関係がなく、エキスパートデータベースへアサートされるだろう同じようなクエリーとも関係がない。

別の問題は、基本的なトランザクションデータ内のバリエーションがアソシエーションに関係する質に影響を与えるかもしれないということである。トランザクションデータで特定される特定の項目の回数によって、及び巨大な集合のトランザクション内の項目の分配によって、特定されたアソシエーションの強度を定義した解析を歪めることができる。このため、自動解析によって特定された関係の定義された強度の信頼性を大きく変えることができる。

従来のシステムでは、例えば、一連の商業トランザクションを表すトランザクションデータレコード集合のアルゴリズム的処理を介してアソシエーションルールを生成する。ソースのトランザクションデータの性質に依存して、項目のアソシエーションが、ペアになった固有の項目の出現割合に基づいて最初に特定される。すなわち、この場合、トランザクションは複数の項目、項目の集合を含む。トランザクションデータレコード集合における特定項目の集合に関する出現割合は、従来では項目集合のサポートと呼ばれていた。Agrawal,Imielinski abd Swami, Proc.of the 1993 ACM SigMod Conf. On Management of Data, May 1993, pp.207-216による「巨大データベース内の項目集合間におけるアソシエーションルールのマイニング」に述べられているように、重要な項目集合を区別するために、最少のサポート閾値を確立することができる。そこで述べられているように、サポート閾値は、ビジネス上の理由から決定される統計的な有意性を表すために経験的（実験的）に選ばれる。与えられた例においては、最少のサポート閾値１％で設定される。最少の有意性よりも少ないアソシエーションを表す、サポート閾値よりも小さなサポートを持つアソシエーションルールが廃棄される。

また、生成されたエキスパートデータベースのサイズを小さくするために、Agrawal論文は構文上の制約の使用を述べている。クエリーに関して興味のある項目、それとは逆に興味の無い項目が、ルール生成において有利であることが知られている。アソシエーションルールの生成上の対応する制約は、興味に関するアソシエーションルールのみが生成され且つエキスパートデータベースに格納される結果により、トランザクションデータレコードのアルゴリズム検討において実行される。

結局、Agrawal論文は、アソシエーションルールの強度の信頼性をアサーションする技術を述べている。その技術は、クエリーに関する解集合を発見することにおいて、解経路のルール強度の妥当性がトランザクションデータ集合内のアソシエーションルールの表示に基づいて正規化されることができることを想定している。Agrawalによって表されているが、所与のアソシエーションルールに関する信頼度の従来の計算は、アソシエーションルールをサポートするソーストランザクションデータレコードのほんの僅かにすぎない。つまり、アソシエーションルールＸ→Ｉ（ここで、Ｘはトランザクションデータ集合Ｔ内で特定された項目集合で、ＩはＸに無い単一の項目である）の信頼度Ｃは、Ｘ→ＩのサポートをＸのサポートで割った比である。

生成されたアソシエーションルールをエキスパートデータベースに含められるために制限する閾値として、Agrawal論文で用いられたアソシエーションルールに関する定義された信頼度を使用することができる。幾つかの定義された最小値を超える信頼レベルによるアソシエーションルールは、実際、最小の信頼であると考えられている。閾値の信頼レベルの定義は、超過したルールの統計的有意性の全体的評価に基づいて、再度、実験的に行う。

最小の関連度及び信頼度のアソシエーションルールのために定義されたサポート及び信頼値が、慣例的に、エキスパートデータベース内の対応するルールともに格納される。エキスパートデータベースへの次のクエリー評価は、これらのサポート及び信頼値を一部用いることができ、最適解集合を特定する。Obataなどに発行された米国特許６，２７２，４７８は、アソシエーションルールに関する割当てられた評価値の全般的に類似した応用例を述べている。詳しくは、コスト及び販売値がアソシエーションルールへの属性として割当てられ、アソシエーションルールの最適集合の定義における付加的な基準の評価を可能にし、用いられたクエリーに関する解集合に到達するよう使用される。これらの付加的な基準の評価は、例えば、収益を最適化する解集合を選択できるようにする。複数の項目がアソシエーションルールの前後の用語で特定される場合、包含される項目集合に対応する数学公式がアソシエーションルールの評価で用いられる。評価値及び公式はエキスパートデータベースで提供される項目辞書に格納されることができるが、その評価値及び公式は、サポート及び信頼値の独立性を引き出す。

定義された最小の関連度及び信頼度を有するアソシエーションによるエキスパートデータベースの生成は、広範囲なクエリーアサーションが少なくとも最小の関連度及び信頼度に等しい解集合へ適切に解決されるようにする。到達した解集合の最小の関連度及び信頼度を引き上げ且つ変化させるのに、解集合を定義することに利用されるアソシエーションルールのサポート及び信頼値の進歩的な評価を用いることができる。さらに、独立した評価基準の付加的な考察は、用いられたクエリーの最後の解集合を定義するのに目標とされた要因を考慮するようにしている。

トランザクション項目に関連付けられ、付加的で別々に与えられた情報の評価は、生成されたアソシエーションルール集合が特定の目的のために評価されることができるようにする。しかしながら、生成された任意の解集合の正確さ且つ信頼度は、全体として、基本のアソシエーションルールの正確さ且つ信頼度に大きく制限されたままである。従来どおりに由来するアソシエーションルールによっては、有意義な方法においても、トランザクションデータに潜在的に反映され、且つ従来のマイニング技術によって用いられた最小のサポート及び信頼度に適合する関係を実質的に区別することができない。したがって、従来では、生成されたエキスパートデータベースは、このデータベースから派生され得る情報の質及び範囲に制限されていた。

したがって、従来のマイニング技術によって用いられた最小のサポート及び信頼度の制限を超えて、良く識別された正確さ及び信頼度の程度をサポートするエキスパートデータベースの自動生成を提供する必要性がある。

（発明の概要）
したがって、本発明の全体の目的は、正確さ及び信頼度が高く、良く識別された程度で、決定プロセスをサポートするために用いることができるエキスパートデータベースを生成する効果的なシステム及び方法を提供することである。

これは、エキスパートデータベース項目のアソシエーションルールを確立する基礎として、参照としての項目と、対応する“エキスパートな”ユーザによって特定された関係項目との間の前方リンクのアソシエーションを最初に定義するために、トランザクションデータレコードの評価を提供するシステム及び方法による本発明で達成される。次に、前方リンクアソシエーションは、参照項目と関係項目との間の後方リンクアソシエーションルールを特定するために評価される。後方にリンク付けされたアソシエーションの深さ及び強度を反映する個々の後方リンクアソシエーションルールと一致する後方リンクの重みが特定され、且つ前方リンクアソシエーションに関連付けられ、エキスパートデータベースに集められたアソシエーションルールを引き続いて評価するための強化基礎を提供する。

本発明の優位性というのは、エキスパートデータベースを構築するために用いられたアソシエーションルールが、エキスパートデータベースへのクエリーから得られる解集合において、信頼度及び正確さのより大きな程度を提供するということにある。エキスパートは、参照前項目を基にして特定されることが好ましく、高い予測で有意性のあるアソシエーションを直接特定できるようにする。

本発明の別の優位性というのは、関連ある“エキスパートな”ユーザの母集団のつながりを介して後方にリンク付けされた関係の特定が、高い予測で有意性のあるアソシエーションを直接強化できるようにすることにある。アソシエーションの関連強化は、エキスパートデータベースの対応するアソシエーションルールの重み予測を増加させるために用いられる。

本発明のさらに別の優位性は、エキスパートデータベースのためのアソシエーションルールの集合を生成するシステム及びプロセスが、解析パラメータの確立された集合に基づいて自動的であるということにある。好ましくは、これら解析パラメータは、ソーストランザクションデータレコード、処理された項目の性質、及びトランザクションデータレコードのプール（pool）で特定されたユーザ数に関するあまりクリティカルでない経験的（実験的）検討に大きく基づいた詳細な解析プロシジャーにとっての閾値を設定する。

（発明の詳細な説明）
本発明は、エキスパートデータベースをコンピュータを介して生成するために用いられ、トランザクションデータレコードの集まりから自動化されたプロセスが動作する。これらのソースレコードは、商業的なトランザクションを意味していたり又は関係するのが普通であるが、もっと一般的には、個々の項目のアイデンティティに対してユーザによってとられる定量化できる行動の明細である。本発明の好ましい実施例のために、トランザクションデータレコードは、様々なマルチメディアコンテンツをサンプリングし、そのコンテンツの見直しや推奨を読み出し、及びそのコンテンツを取得するなど、ユーザに接続されたネットワークによる電子商取引（ｅコマース）を反映する。

図１に示すように、本発明の典型的且つ好ましいアプリケーション環境１０は、従来のオーディオのトラック及びアルバムなどのマルチメディアコンテンツの閲覧及び取得をサポートする電子商取引サイト１２を含む。電子商取引サイト１２は、引用でここに組み入れられるBenjamin E.Hoskenによる共同未処理出願Ｎｏ．０９／６１６，４７４の“自動化された代替的コンテンツ推奨を生成する方法及びシステム”に記載され、且つ本出願の譲受人に割当てられているような、コンピュータで自動化されたコンテンツ推奨アプリケーションを実行するネットワークサーバシステムとして実行されるのが好ましい。

そのコンテンツ推奨システムは、クライアントコンピュータシステム１４を動作させるのだが、ユーザがインターネットなどの通信ネットワーク１６を介して接続し、電子商取引サイト１２を介してアクセス可能なコンテンツストア１８に直接的に又は間接的に格納されたマルチメディアコンテンツを閲覧することができるようにする。本発明の好ましい実施例において、コンテンツストア１８は、見直し、背景情報や履歴情報、アートワーク（artwork）、サンプルクリップ、及びオーディオコンテンツの取得可能なコピーを含む。

ユーザに閲覧するトランザクションアクティビティは、トランザクションデータベース２０へリアルタイムで取り込まれる（キャプチャーされる）のが普通である。キャプチャーされたトランザクションは、特定のコンテンツに関係したリンクのクリッキングから範囲を定め、コンテンツサンプルをストリーミングするために聴き、そして電子商取引コンテンツ取得を完了させるユーザによってとられた特定可能な行動に関係する任意のコンテンツに反映することができる。一般的にこれらアクティビティの多くの認識に関して、付帯的なユーザの興味である代替的コンテンツを提案するために、コンテンツ推奨アプリケーションを含む。エキスパートデータベース２２のアソシエーションルールへ適用可能なクエリーを確立するために、これらの推奨はユーザ行動を解析することによって生成されるのが好ましい。次に、エキスパートデータベース２２に対するクエリーの評価によって特定された代替コンテンツ推奨の解集合が、ユーザへ提示される。

本発明によれば、エキスパートデータベース２２は、電子商取引サイト１２の操作で蓄積されたトランザクションデータレコードの自動解析を介して生成される。トランザクションデータレコードは、ポータル（入口）ウェッブサイト、及び従来の小口やメイルオーダ、及び大量コンテンツや情報や商品配送サイトなど、同様なトランザクション情報の他のソース源から等しく得られる。

トランザクションデータレコードは、典型的にはバッチでデータマイニングサーバシステム２６に関連したデータストア２４に転送される。データマイニングサーバシステム２６で実行されたデータマイニングアプリケーションプログラムによる解析実行後、新たなエキスパートデータベース２２を構築するアソシエーションルールの集合が生成され、電子商取引サイト１２に戻される。

図２に示すようなシステムレベルプロセス３０でさらに詳細にされるが、トランザクションレコードデータは、解析プログラムによってアクセスするために、データストア２４内のトランザクションデータベース３２に格納されるのが好ましい。本発明によれば、解析プログラム３４は、後方リンキング解析を実行し、トランザクションデータレコードに特定された活性可能な項目間における実質的な関係値のアソシエーションルールを識別する。後方リンキング解析３４のゴールは、処理された項目間の変化した関係を表すアソシエーションルールを生成することである。それは、後方リンキング解析が、単に可能性のある結果でなく、むしろトランザクションデータレコードの単なる機械的な解析に対して、実証性の高い項目関係であってさらにエキスパートを表すアソシエーションルールを識別することを求めるアソシエーションルールを見分けるということである。これによって生じたエキスパートデータベース３６は、推奨生成システム３８の動作のより信頼できる基礎を提供することができる。認証され且つ実証的な関係を識別する集中と拡散は、後方リンキング解析プログラム３４に提供された解析パラメータによって定義されるのが好ましい。

後方リンキング解析の好ましいプロセス４０が図３に示される。トランザクションデータレコードは一致するか、又はテーブル１に詳細に示した好ましいユーザトランザクションデータレコード等の整合性のあるデータ表現形式に合致されるのが一般的である。

テーブル１
ユーザトランザクションレコード
ユーザトランザクション{
ユーザＩＤ //固有のユーザ／エンティティの識別子
項目ＩＤ //固有の項目の識別子
アクションＩＤ //例えば、取得、ダウンロード、マウスクリック
｝

ユーザ識別子のユーザＩＤは典型的には個人に割当てられ、電子商取引サイト１２によってエンティティを処理するが、興味のあるエンティティを処理する集合的な識別子を表すこともできる。項目識別子の項目ＩＤは電子商取引サイト１２と同様に、典型的には個々の処理可能な項目の識別子として割当てられる。項目自体は、デジタル的に又は物理的に分配された、ある特定のコンテンツや情報、又は製造番号と一致する。あるいはまた、トランザクションデータレコードによって特定された項目は、アルバムのコンテンツトラックやアーティストの属性などの集合的な項目の要素を表すことができる。

テーブル２に詳細に示されるように、項目の仕様レコードはトランザクションデータレコードに関連して与えられるのが好ましく、項目属性を特定の項目（項目ＩＤ）と関係づける。項目の要素を特定するのに加え、トランザクションデータレコードで特定される項目に関してとられたアクション間の関係を付加的に見分けるため、項目属性をその後に用いる。

最後に、項目及びとられたユーザの特定アクションを明示するために、アクション識別子のアクションＩＤが用いられる。アクションの特質は、電子商取引サイト１２によってあらわされるアクション可能な項目の特質によって左右されるだろう。電子商取引サイト１２の目的が、代替のコンテンツの推奨をもたらすことにある場合、興味のあるアクションがコンテンツレビュー及び背景情報の閲覧、グラフィック及びアートに関連したコンテンツを見ること、コンテンツ及びコンテンツ例のダウンロード、並びにコンテンツ購入を含んでいることが好ましい。

テーブル２
項目の仕様レコード
項目{
項目ＩＤ //固有の項目の識別子
記述 //項目のテキスト記述
属性＿１…属性＿Ｎ /項目
分類する／限定する
｝

ユーザのトランザクションデータレコードからユーザ項目データ集合４２が生成され、テーブル３に詳細に示されるように、ユーザ項目レコードの形式で表されるのが好ましい。累積的な重み値が、ユーザの各固有な組合わせ及びトランザクションデータレコードで特定される項目のために定義される。

テーブル３
関連レコードに重みづけされたユーザ項目
ユーザ項目{
ユーザＩＤ //固有のユーザ／エンティティの識別子
項目ＩＤ //固有の項目の識別子
重み //累積的に計算された重み値
｝

好ましくは、各トランザクションデータレコードから与えられた重み値は、トランザクションアクションＩＤと、付加的な基本＿重みとの関係を定義する、アクション／基本＿重みトランザクションテーブルから定義され、ルール値によって特定されたコンピュータ関数のアプリケーションに従う。テーブル４に、好ましいアクション／重みトランザクションレコードの詳細を示した。

テーブル４
アクション／基本−重みトランザクションレコード
アクション重みトランザクション{
アクションＩＤ //例えば、購入，ダウンロード，マウス−クリック
ルール //定義された計算関数
基本＿重み //クリック＝0.1,プレイ＝0.25,購入＝1.0
｝

経験的に割当てられた基本＿重み、及びルールを用いて、アクション／重みトランザクションレコードを生成するのが好ましい。本発明の好ましい実施例では、基本＿重み値が０と１の間の範囲にあり、且つ対応するアクションの同様の意味を表すよう割当てられる。この結果、コンテンツの電子購入をサポートする電子商取引サイト１２のために、アクション可能なユーザのアクティビティが前記範囲を超えて配信される。
例えば、コンテンツのレビューページの検索を閲覧することは、基本＿重み値が低く割当てられるが、コンテンツの実際の購入は、基本＿重み値が最大に割当てられる。

ユーザトランザクションデータレコードの前進処理がテーブル５に表された擬似コードのプロシジャと矛盾させないことによって、ユーザ項目のデータ集合が生成されるようにするのが好ましい。本プロシジャはユーザトランザクションデータレコードを統合するために機能し、ユーザ及び項目の各固有の組合わせに関する最終的で累積的な重みを生成する。

テーブル５
ユーザ項目の重み付けされた関連性の生成
ユーザトランザクションにおける各トランザクションＴ{
Ｔ．項目ＩＤ及びＴ．ユーザＩＤを用いてユーザ項目のＵＩを検索
アクション重みトランザクションのアクションＩＤを検索
ルール関数を適用し、且つ新たな累積的重みＷを生成
ＵＩレコードを重みＷで更新し又は挿入する
｝

プロシジャの実行に適用されるルール関数は、単純又は複雑で、項目及びアクションの特質の評価に基づいて経験的に設定される。最も単純なケースでは、ルールが線形の加算関数を定義する。より複雑なルールは、実際の購入などの異なる特定アクションに対して、他のアクションに比例して重み属性部分に関する上限値を定義する。本発明の好ましい実施例を参照すると、ルール関数は、特定の音楽アーティストに関与するアクションに割当てられる。蓄積された重みＷに対する現在のアクションの寄与は、ユーザによって購入された音楽コンテンツトラック総数を乗じ、さらにアクションの基本＿重み値を乗じた換算（スケーリング）定数ｋと等しいものとして定義される。

より複雑なルールは、ユーザによってとられたその後の行動に基づくアクションを選択的に再評価することを伴うことができる。例えば、ユーザ行動が音楽コンテンツトラックをサンプリングし購入することの両方を含む場合、サンプリングアクションへ属性づけることができる重みの寄与が割り引かれる。実行チケットが購入される場合、ユーザによって購入された音楽コンテンツトラック総数による重みの寄与は、大きな換算（スケーリング）定数ｋ１を用いることによって増やされる。

本発明にとって、ユーザ項目のデータ集合の異なる要素に関する重み値の累積は、本来のトランザクションデータレコードに表れたユーザの共通性から“エキスパートな”ユーザ集合を見分けるための正確な基礎を提供する。基本＿重み値及び割当てられたルール関数は、一般的には、ユーザ行為の相対的な意味を興味のある究極の関連ルールへとあらわさなければならないが、基本＿重み値及びルール関数は、定義された共通的な重みに極端に小さな個々の相違を生成する必要はない。むしろ、集合的な項目に対して累積された広範な重み値の範囲は、要望された“エキスパート”ユーザの集合を見分けるための正確な基礎を提供することができる。特に本発明の好ましい実施例において、様々なアーティストによる仕事の集まりを表した項目に対する重みの累積は、代替コンテンツの推奨を提供する究極の目的にとって、異なるアーティストに関する“エキスパート”ユーザを見分けるのに十分である。

次に、ユーザ項目のデータ集合の前方リンク解析４４が実行される。この前方リンク解析は、テーブル６に詳細に示されるような、前方リンクデータの構造表現を記憶する前方リンクデータレコードを用いるのが好ましい。

テーブル６
前方リンクレコード
前方リンク{
項目ＩＤ //参照項目の識別子
項目ＩＤＲｅｌ //関係項目の識別子
カウント //関連のサポートカウンタ
｝

前方リンクデータレコードは、テーブル７に表した擬似コードのプロシジャと整合したユーザ項目データレコードの項目リンク解析を実行することを介して生成される。この前方リンク生成プロシジャは、異なる項目に関するユーザ“エキスパート”をまず識別するように作用し、次に、項目に関連したユーザ項目のデータ集合のために、これらユーザ“エキスパート”によるサポートを特定する。

テーブル７
前方リンクの生成
For each I.itemID in Items I
Look up top A userID from UserItems UI who have
UI.itemID＝＝I.itemID and
UI.weight＞Weight B
For each user U in top A userID Ordered by UI.weight
For each UI.userItem for U.userID
Look Up ForwardLinks FL where
I.itemID＝＝FL.itemID and
UI.itemID＝＝FL.itemIDRel
If found
Update ForwardLinks
Set FL.count＝FL.count＋１
Else
Insert into ForwardLinks
（I.itemID,UI.itemID,1）
End If
End For
End For
End For
Delete from ForwardLinks all records where
FL.count＜count C //閾値が前方リンクを刈り込む

前方リンク生成プロシジャにおいて、指定された項目に関する“エキスパート”ユーザの集合が、その項目に関する最も認識されたアクティビティを有するユーザを特定することによってまず定義されるのが好ましい。現在の項目の累積的な重み値によってトップＡのユーザがユーザ項目テーブルから選択される。好ましくは、トップＡのユーザの選択は、後方リンキング解析プロセス４０への解析パラメータとして与えられるエキスパートの閾値の重みＢ値の仕様に基づいて実行される。

経験的（実験的）に定義された３０のトップＡ値が、本発明の好ましい実施例において良好な動作結果をもたらす一方で、目標とするトップＡ値は、一般のケースにおけるユーザ個体数の比率として選択されるのが好ましい。この比率は、ユーザ個体数に関連した重み値の分配に関する統計解析を通じて、又はデータベースを生成するのに用いられるユーザ個体数の比率を段々に増加する間に究極に生成されたエキスパートデータベースの質に関する連続した評価によって、定義される。しかしながら、用いられる目標比率は、ユーザ個体数の５０％より少ないのが好ましく、且つ典型的には任意の所与の項目に関しては３０％より少ないだろう。トランザクションデータレコードにあらわれた情報の特定の性質に左右されるのだが、項目ごとの基礎でユーザ個体数の１０％以下をあらわす、“エキスパート”ユーザの部分個体数は、本発明によればエキスパートデータベース３６の最終生成のために堅牢（ロバスト）な基礎を提供することができる。

次に、前方リンク生成プロシジャは、“エキスパート”ユーザのユーザ項目データ集合内に生じる参照／関係の項目の一組に関するサポートカウントを定義する。サポートカウントのカウント値は、参照項目に関する“エキスパート”ユーザの部分個体数が所与の関係項目に関するトランザクションを実行した項目数として定義される。参照／関係の項目の一組、及び個々のサポートカウント値は、前方リンクレコードテーブルで累積される。サポートカウントが累積されると、最小のサポート閾値要求が割当てられる。

定義された最小サポート閾値よりも小さなサポートカウントを有する前方リンクデータレコードは、前方リンクレコードテーブルから除去される。この最小サポート閾値要求は、後方リンキング解析プロセス４０への解析パラメータとして与えられるが、実際には“エキスパート”ユーザの共通によって、前方リンクされた項目とは関係のない最小同意レベルを定義する。好ましい最小サポート閾値は、２つのカウントである。経験的（実験的）に設定される固定の最小サポート閾値をより高めにして用いることができるが、好ましくは、最小サポート閾値は、各参照項目に関して特定された“エキスパート”ユーザのトップＡ数に適応して準拠する。この各参照項目は固定制限され、参照項目の総数の考慮に基づいて実験的（経験的）に設定される。このため、例えば、10,000個の項目カタログにとっての最小サポート閾値制限は、少なくとも１００ユーザの“エキスパート”な部分個体数のために５００で設定される。参照項目に関するトップＡの“エキスパート”なユーザ部分個体数が１００より少ない場合、最小サポート閾値制限は、２つの好ましい最小サポートカウント制限を比例配分降下して減少させる。図４は、前方リンクプロシジャによって生成されたデータ構造６０の全体図を示している。データ構造６０は、項目リンクがサポートカウントに関連した項目によって定義されるリンク型ノード構造である。

次に、前方リンクデータ構造６０の後方リンク解析４６が実行される。広報リンク解析は、好ましくは、テーブル８に詳細に示された形式の後方リンクデータレコードを生成するため、前方リンクデータテーブルを超えて作用する。

テーブル８
後方リンクレコード
後方リンク{
項目ＩＤ //参照項目の識別子
項目ＩＤＲｅｌ //関係項目の識別子
強さ //関連の距離行列
深さ //ノードの横断カウント
｝

後方リンクデータレコードは、テーブル９に示された擬似コードプロシジャに整合する後方リンク解析の実行を通して生成される。この後方リンク生成プロシジャは、前方リンク解析を介して通常は無関係な項目間に存在し得る関係を強化することを特定し且つ定量化するために機能する。実際、後方リンク解析は、異なる“エキスパート”ユーザの部分個体数によって少なくとも推論で容認される項目間の関係を特定するために機能する。

テーブル９
後方リンクの生成
For each I.itemID in Items I{
Do a depth-first search over ForwardLinks FL
Looking for I.itemID＝＝FL.itemIDRel
If found
Insert into BackLinks
(I.itemID,FL.itemID,func(FL.count),depth)
Break depth-first search
End If
While the search depth＜depth D
End For

深さ優先探索（depth-first search）は、好ましくは、参照項目を連続して特定するために、項目仕様テーブルによって提供される項目カタログを使って、前方リンクデータテーブルのレコードを超えて実行される。深さ優先探索は、再帰（リカージョン）深さの制限Ｄを受けるが、項目に関係した前方リンクとしての枝根幹（branch root）参照項目を特定する第１の前方リンクレコードを識別するために各前方リンク枝（branch）を下っていく。深さ制限のＤ値は、後方リンキング解析プロセス４０への別の解析パラメータとして提供されるのが好ましい。枝の深さ優先探索は、後方リンクが見つかったときはつねに終了する。枝のノードを下って選択された枝根幹ノードの以降の連続において、深さ制限のカウントＤ内であれば、枝における次の可能性としての後方リンクが発見されるだろう。後方リンクが見つかる場合、参照／関係の項目の一組を含む後方リンクデータレコード、計算された関連強さの値、及び見つかった前方リンクデータレコードの関連ノードのネットワーク深さが、後方リンクデータテーブルに記憶される。

本発明によれば、見つかった後方リンクは、前方リンクの参照／関係の項目の意味を強化するものとして認識される。さらに本発明は、狭義としては、関連した“エキスパート”ユーザの部分個体数の系統を通じて累進的に大きな程度の容認をあらわす後方リンクが関連した枝根幹ノードを、広義としては、後方リンクの意味を認識する。したがって、エキスパートデータベース３６の有効性への後方リンクの意味は、後方リンクの増加した関連ノード深さを減じるよう期待される。それゆえ、深さ制限Ｄ値のために大きな値を用いることは、特に利益となると信じられていない。しかしながら、深さ制限Ｄ値を増やすことは、解析処理時間を増加することになる。本発明の好ましい実施例のために、度を超えて大きなＤ値は避けられるべきである。好ましくは、深さ制限カウントＤが２〜８の範囲にあり、生成されたエキスパートデータベース３６の有効性とリンク解析処理時間との間の合理的なバランスをもたらすために値４が実験的にみつけられるだろう。

各深さ優先探索の間、深さの値が選択されたルート（根幹）ノードに関連して定義される。後方リンク関係による典型的な前方リンク型ノード構造７０が、図５に示されている。項目Ａをあらわすノードより開始する、構造７０の深さ優先探索から発見される後方リンク関係は、１、２、及び３の個々のノード深さで、項目Ｂ，Ｆ、及びＪを含む。項目Ｃ及びＤへの枝根幹の進行において、深さ１の個々の後方リンクが項目Ｈ及びＩに関して見つけられる。

バックリンクに関連した強さパラメータは、バックリンクのサポートカウント、言い換えれば、バックリンクを確立する端末のフォワードリンクデータレコードのカウントをサポートする機能として計算される。好ましくは、この強さパラメータは、ユーザプール（pool）におけるルート前方リンク“エキスパート”ユーザの普及の機能として、“エキスパート”ユーザによるバックリンクによって特定された関係のサポートの比率を反映する。したがって、本発明の好ましい実施例にとって、この強さパラメータは、次のように計算処理される。

ここで、ｍは経験的（実験的）な換算（スケーリング）定数で、Ｃｏｕｎｔ_BLはバックリンクサポートカウント、Ｅｘｐｅｒｔｓ_BLはバックリンク項目関係において“エキスパート”であるユーザ数であり、Ｅｘｐｅｒｔｓ_RFLは関連の枝根幹前方リンク項目関係において“エキスパート”であるユーザ数であり、Ｕｓｅｒｓはトランザクションデータレコードのプールにおいて特定されるユーザ数である。バックリンクのために計算される強さ値は、全体的には図６で示されるような、対応するバックリンクレコードに記憶される。

次に、バックリンクレコードは、自己参照の出現を除去するために評価される。自己参照は、参照及び関係付けられた項目の組が同じ項目を参照する場合に出現する。好ましくは、自己参照は、テーブル１０に示された擬似コードプロシジャに整合した解析動作において除去される。

テーブル１０
自己参照の移動
後方リンクの各リンクＢＬ{
ＢＬ．項目ＩＤ＝＝ＢＬ．項目ＩＤＲｅｌ場合 //それは自己参照である
後方リンクからＢＬを削除
｝

最後に、エキスパートデータベース３６をあらわす関係ルールが、前方リンクデータレコードによって特定された参照／関係の項目の一組に対応して生成され、且つテーブル１１に詳細に示された形式の関連ルールレコードに記憶される。

テーブル１１
関連ルールレコード
関連ルール{
項目ＩＤ //参照項目の識別子
項目ＩＤＲｅｌ //関係項目の識別子
カウント //関連のサポートカウンタ
信頼度 //計算されたルールの信頼行列
強さ //関連の距離行列
深さ //ノードの横断カウント
｝

好ましくは、生成された関連ルールは、対応する前方リンクデータレコードからのサポートカウント、及びオプション的に計算された信頼値を前方に運ぶ。本発明の好ましい実施例のために、従来の方法で必要とされるように信頼値を事前計算し且つ正規化することができる。例えば、参照項目を含む関連の総数に対する参照／関係の項目の一組のためのサポート比率として信頼値を計算することができる。その信頼値は関連ルールのために事前計算されない場合、以降の計算を許可するために関連ルールレコードに充分な情報が含まれる。

本発明によれば、関連ルールレコードもまた、計算された信頼値の要素として、又は前記強さ値及び深さ値から計算された派生値として、関連した参照／関係の項目の一組のための強さ値及び深さ値を直接的に含む。強さ及び深さの値の直接的な包含は、柔軟なエキスパートデータベース３６の利用を可能にする。事前に計算された信頼値に強さ及び深さ値を組み込むことは、エキスパートデータベースの従来の使用に殆ど整合するエキスパートデータベース３６の生成が行えるようにする。強さ及び深さ値に関して組み合わされた値を含むことは、強さ及び深さの値の有効性を失うことなく使いやすい行列を提供する。

本発明によれば、参照／関係の項目に関連する他に存在する信頼度は、対応するバックリンクの強さ及び深さの逆数によって増加される。強さ及び深さの値の中間として、その深さ値はより信頼のある意味ある要因であるものとして認識される。バックリンクのために定義される強さ値は、トランザクションデータレコードのプールにおいて特定されるユーザ数に高く影響されるものとして認識される。さらに、この強さ及び深さの値による信頼値に対する全体の寄与は、エキスパートデータベース３６を通して関連付けられる項目の基本的性質に依存するだろう。項目関連における信頼への寄与は、以下のように定義される。

ここで、ｐ及びｑは、経験的（実験的）な換算（スケーリング）定数である。

このように、正確且つ信頼性の程度をうまくしかも高度に見分けながら決定プロセスをサポートするために用いられることが可能なエキスパートデータベースを生成する効果的なシステム及び方法を述べてきた。前述したような本発明の好ましい実施例の記載において、開示された実施例の多くの修正及び変形は、本技術分野の当業者であれば容易に明らかになるだろう。したがって、付随的な特許請求の範囲の見地からすると、前述した詳細な実施形態以外の方法での実施も含まれることが理解されるべきである。

図１は、本発明の実施のための好ましい環境を示すネットワーク図である。図２は、本発明の好ましい実施例に従うエキスパートデータベースの生成及び使用を詳細にするブロック図である。図３は、本発明の好ましい実施例に従うエキスパートデータベースを生成する好ましいプロセスのフロー図である。図４は、本発明の好ましい実施例に従うユーザ項目集合間の関係によって定義された前方リンク構造を表すノードネットワーク図である。図５は、本発明の好ましい実施例に従う項目アソシエーション変化させる基礎としての後方リンクの特定をさらに詳細にする図４のノードネットワーク図である。図６は、本発明の好ましい実施例に従って生成されたエキスパートデータベースのイラスト的な表示を提供する。

Claims

推奨コンテンツを作成するコンテンツ推奨システムによってクエリーされるエキスパートデータベースを生成する方法であって、前記エキスパートデータベースは、アソシエーションルールレコードを有し、前記アソシエーションルールレコードは、項目集合内のある項目に対してユーザ集合内のあるユーザによって実行されたアクションを特定させるトランザクションデータレコードを有するトランザクションデータベースを解析することにより生成され、前記項目集合は、項目の識別子を含む項目の仕様レコードを有する項目仕様テーブルにより定義され、前記トランザクションデータレコードの各々は、第１のユーザ識別子、第１の項目の識別子、及びアクション識別子を含み、
前記コンテンツ推奨システムが、
(1)前記トランザクションデータレコードに基づいて、前記第１のユーザ識別子と同じ値を有する第２のユーザ識別子、前記第１の項目の識別子と同じ値を有する第２の項目の識別子、およびある項目に対してあるユーザによって実行されたアクションの重み値である基本重みの累積値を含むユーザ項目レコードを生成し、前記累積値が所定の閾値より大きいエキスパートユーザを表す前記第２のユーザ識別子を特定する処理であって、前記基本重みは、前記アクション識別子ごとに事前に割当てられた値である、特定する処理と、
(2)前記項目仕様テーブルにおける項目ごとに、前記第２の項目の識別子が前記項目仕様テーブルの項目の識別子と同じ値を有する前記ユーザ項目レコードから、前記エキスパートユーザを表す前記第２のユーザ識別子を抽出し、前記抽出した第２のユーザ識別子ごとに、前記項目仕様テーブルの項目の識別子と、前記抽出した第２のユーザ識別子に係る前記第２の項目の識別子との関係を特定させる前方リンクレコードを生成する処理であって、前記前方リンクレコードは、前記項目仕様テーブルの項目の識別子と同じ値を有する第１の参照項目の識別子、前記第２の項目の識別子と同じ値を有する第１の関係項目の識別子、および初期値が１である第１のサポートカウントを含み、前記前方リンクレコードを生成する際、前記第１の参照項目の識別子と前記第１の関係項目の識別子とにより特定される前記前方リンクレコードがすでに生成されている場合は、前記特定される前方リンクレコードの前記第１のサポートカウントをインクリメントして更新する、生成する処理と、
(3)前記項目仕様テーブルにおける項目ごとに、前記第１の関係項目の識別子に対して所定の深さの制限内で深さ優先探索を実行して、前記項目仕様テーブルの項目の識別子と前記第１の関係項目の識別子とが等しいと判定された場合、前記判定された項目仕様テーブルの項目の識別子と同じ値を有する第２の参照項目の識別子、前記判定された第１の関係項目の識別子に係る前記第１の参照項目の識別子と同じ値を有する第２の関係項目の識別子、前記判定された第１の関係項目の識別子に係る前記第１のサポートカウントに基づいて計算される、前記第２の参照項目の識別子と前記第２の関係項目の識別子との関連の強さを表す第１の強さ値、及び前記判定された第１の関係項目の識別子に係る前記第１の参照項目の識別子に対する前記判定された第１の関係項目の識別子の深さを表す第１の深さ値を含む、前記前方リンクレコードに対応する後方リンクレコードを生成する処理と、
(4)前記前方リンクレコードの集合及び前記後方リンクレコードの集合に基づいて、前記アソシエーションルールレコードを生成して前記エキスパートデータベースに記録する処理であって、前記アソシエーションルールレコードは、前記前方リンクレコードの集合における各前方リンクレコードに関し、前記第１の参照項目の識別子と同じ値を有する第３の参照項目の識別子、前記第１の関係項目の識別子と同じ値を有する第３の関係項目の識別子、前記第１のサポートカウントと同じ値を有する第２のサポートカウント、前記第１のサポートカウントに基づいて計算される信頼度、前記前方リンクレコードに対応する前記後方リンクレコードの前記第１の強さ値と同じ値を有する第２の強さ値、及び前記前方リンクレコードに対応する前記後方リンクレコードの前記第１の深さ値と同じ値を有する第２の深さ値を含む、記録する処理と
を実行することを特徴とする方法。
前記所定の閾値は、前記項目仕様テーブルの項目ごとに、アクションを実行したユーザ数の５０％よりも少ない数が前記エキスパートユーザの数となるように設定されることを特徴とする請求項１に記載の方法。
前記前方リンクレコードの集合は、所定の閾値よりも少ない前記第１のサポートカウントを有する前方リンクレコードを含まないことを特徴とする請求項２に記載の方法。
前記後方リンクレコードの集合における各後方リンクレコードに関し、前記後方リンクレコードの信頼度は、前記第１の深さ値に逆比例することを特徴とする請求項３に記載の方法。
前記後方リンクレコードの集合における各後方リンクレコードに関し、前記後方リンクレコードの信頼度は、前記後方リンクレコードに対応する前方リンクレコードの前記第１のサポートカウントに比例することを特徴とする請求項４に記載の方法。
コンピュータの実行を通してアソシエーションルールレコードを有するエキスパートデータベースを生成するシステムであって、
（ａ）項目の仕様レコードの集合を記憶する第１のデータベースであって、前記項目の仕様レコードの各々は、項目の識別子を含む、第１のデータベースと、
（ｂ）前記第１のデータベース内のある項目に対して、ユーザ集合内のあるユーザによって実行されたアクションを特定させるトランザクションデータレコードの集合を記憶する第２のデータベースであって、前記トランザクションデータレコードの各々は、第１のユーザ識別子、第１の項目の識別子、及びアクション識別子を含む、第２のデータベースと、
（ｃ）前記エキスパートデータベースを記憶するために提供される第３のデータベースと、
（ｄ）前記第１のデータベースと前記第２のデータベースと前記第３のデータベースとに結合されたコンピュータであって、
前記トランザクションデータレコードに基づいて、前記第１のユーザ識別子と同じ値を有する第２のユーザ識別子、前記第１の項目の識別子と同じ値を有する第２の項目の識別子、およびある項目に対してあるユーザによって実行されたアクションの重み値である基本重みの累積値を含むユーザ項目レコードを生成し、前記累積値が所定の閾値より大きいエキスパートユーザを表す前記第２のユーザ識別子を特定する処理であって、前記基本重みは、前記アクション識別子ごとに事前に割当てられた値である、特定する処理と、
前記第１のデータベースにおける項目ごとに、前記第２の項目の識別子が前記第１のデータベースの項目の識別子と同じ値を有する前記ユーザ項目レコードから、前記エキスパートユーザを表す前記第２のユーザ識別子を抽出し、前記抽出した第２のユーザ識別子ごとに、前記第１のデータベースの項目の識別子と、前記抽出した第２のユーザ識別子に係る前記第２の項目の識別子との関係を特定させる前方リンクレコードを生成する処理であって、前記前方リンクレコードは、前記第１のデータベースの項目の識別子と同じ値を有する第１の参照項目の識別子、前記第２の項目の識別子と同じ値を有する第１の関係項目の識別子、および初期値が１である第１のサポートカウントを含み、前記前方リンクレコードを生成する際、前記第１の参照項目の識別子と前記第１の関係項目の識別子とにより特定される前記前方リンクレコードがすでに生成されている場合は、前記特定される前方リンクレコードの前記第１のサポートカウントをインクリメントして更新する、生成する処理と、
前記第１のデータベースにおける項目ごとに、前記第１の関係項目の識別子に対して所定の深さの制限内で深さ優先探索を実行して、前記第１のデータベースの項目の識別子と前記第１の関係項目の識別子とが等しいと判定された場合、前記判定された第１のデータベースの項目の識別子と同じ値を有する第２の参照項目の識別子、前記判定された第１の関係項目の識別子に係る前記第１の参照項目の識別子と同じ値を有する第２の関係項目の識別子、前記判定された第１の関係項目の識別子に係る前記第１のサポートカウントに基づいて計算される、前記第２の参照項目の識別子と前記第２の関係項目の識別子との関連の強さを表す第１の強さ値、及び前記判定された第１の関係項目の識別子に係る前記第１の参照項目の識別子に対する前記判定された第１の関係項目の識別子の深さを表す第１の深さ値を含む、前記前方リンクレコードに対応する後方リンクレコードを生成する処理と、
前記前方リンクレコードの集合及び前記後方リンクレコードの集合に基づいて、前記前方リンクレコードの集合における各前方リンクレコードに関し、前記第１の参照項目の識別子と同じ値を有する第３の参照項目の識別子、前記第１の関係項目の識別子と同じ値を有する第３の関係項目の識別子、前記第１のサポートカウントと同じ値を有する第２のサポートカウント、前記第１のサポートカウントに基づいて計算される信頼度、前記前方リンクレコードに対応する前記後方リンクレコードの前記第１の強さ値と同じ値を有する第２の強さ値、及び前記前方リンクレコードに対応する後方リンクレコードの前記第１の深さ値と同じ値を有する第２の深さ値を含む前記アソシエーションルールレコードを生成して前記エキスパートデータベースに記録する処理と
を実行するコンピュータと
を備えたことを特徴とするシステム。
前記コンピュータはさらに、前記コンピュータが実行する各処理を制御する所定の解析パラメータを受信するために結合され、前記所定の解析パラメータは、
前記ユーザ集合内の何人のユーザが前記第１のデータベースの項目に関してエキスパートユーザであり得るかを定義する第１のパラメータと、
前記第３のデータベースに含まれる前記アソシエーションルールレコードの各々に要求される最小信頼度を定義する第２のパラメータと
を含むことを特徴とする請求項６に記載のシステム。
前記所定の閾値は、前記第１のデータベースの項目ごとに、アクションを実行したユーザ数の５０％よりも少ない数が前記エキスパートユーザの数となるように設定されることを特徴とする請求項６に記載のシステム。
前記前方リンクレコードの集合は、所定の閾値を超える前記第１のサポートカウントを有する前方リンクレコードを含むことを特徴とする請求項８に記載のシステム。
前記後方リンクレコードの集合における各後方リンクレコードに関し、前記後方リンクレコードの信頼度は、前記後方リンクレコードに対応する前記前方リンクレコードの前記第１のサポートカウントに比例することを特徴とする請求項９に記載のシステム。
前記後方リンクレコードの集合における各後方リンクレコードに関し、前記後方リンクレコードの信頼度は、前記第１の深さ値に逆比例することを特徴とする請求項１０に記載のシステム。
前記後方リンクレコードの集合における各後方リンクレコードに関し、前記後方リンクレコードの信頼度は、前記後方リンクレコードに対応する前方リンクレコードの前記第１のサポートカウントに比例することを特徴とする請求項１１に記載のシステム。