JP5481295B2 - オブジェクト推薦装置、オブジェクト推薦方法、オブジェクト推薦プログラムおよびオブジェクト推薦システム - Google Patents
オブジェクト推薦装置、オブジェクト推薦方法、オブジェクト推薦プログラムおよびオブジェクト推薦システム Download PDFInfo
- Publication number
- JP5481295B2 JP5481295B2 JP2010160854A JP2010160854A JP5481295B2 JP 5481295 B2 JP5481295 B2 JP 5481295B2 JP 2010160854 A JP2010160854 A JP 2010160854A JP 2010160854 A JP2010160854 A JP 2010160854A JP 5481295 B2 JP5481295 B2 JP 5481295B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- probability
- target user
- action
- innovator
- 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 57
- 238000004364 calculation method Methods 0.000 claims description 116
- 230000007704 transition Effects 0.000 claims description 38
- 238000000605 extraction Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 24
- 239000000284 extract Substances 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 10
- 238000001914 filtration Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000012353 t test Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
また、非特許文献1では、各ユーザの最新の嗜好に合うオブジェクトの推薦をするために、過去の購入行動が対象ユーザと類似するだけでなく、購入が対象ユーザよりも先行している度合いの高い他ユーザの履歴を重視する方法が開示されている。
以下、本発明の第1の実施形態について、図面を参照して詳細に説明する。図1は、本発明の第1の実施形態におけるオブジェクト推薦装置の機能ブロック図である。
オブジェクト推薦装置1は、記憶部10と、計算部20と、入力部31と、表示部33と、推薦オブジェクト抽出部40とを備える。
ログ記憶部11には、利用者を識別する符号であるユーザidと、オブジェクトを識別する符号であるオブジェクトidと、各オブジェクトを購入した時刻とが関連付けられて記憶されている。ここで、オブジェクトとは、商品、画像、記事などを総称したものである。
先行度算出部21は、ユーザa、b間で共通するオブジェクト集合Cabのオブジェクト毎に、オブジェクトi(iは0以上の整数)についてユーザb(ub)がユーザa(ua)に対し先行する度合いr(i;b,a)を算出する。
先行度算出部21は、算出された先行する度合いr(i;b,a)を革新者確率算出部24へ供給する。
重要度算出部22は、算出された重要度w(i,a)を革新者確率算出部24へ供給する。
人気度算出部23は、算出された人気度v(i)を革新者確率算出部24へ供給する。
続いて、革新者確率算出部24は、上記PIDを用いてユーザaに対するユーザbの先行度合いの確率p(b|a)を以下の式(5)により算出する。
続いて、革新者確率算出部24は、エルゴード的マルコフ連鎖を実装するために、改訂したユーザaに対するユーザbの先行度合いの確率p(ドット)(b,a)を以下の式(6)により算出する。
一方、あるユーザが多くのステップ数を介して先行して購入しているときには、ユーザ間により直接的な関係が少なく、その場合に先行して購入したユーザは、あまり重要なInnovatorでないので、そのユーザの革新者確率を相対的に下げる必要がある。
従って、革新者確率算出部24は、他の利用者が対象利用者に先行してオブジェクトを購入した確率に基づく革新者確率を要素とする行列P(オーバーライン)を一例として以下の式(8)で算出する。
また、数式(8)の右辺の括弧内の第N−1項目の意味するところを説明する。利用者mが対象利用者nに1人先行して購入した先行度合いの確率に基づく確率p(ダブルドット)(m,n)を要素とする行列をP(ダブルドット)と表したとき、P(ダブルドット)N−1は、各利用者が対象利用者にN−1人(Nは自然数)先行して購入した各先行度合いの確率に基づく各確率を要素とする行列である。
図1に戻って、革新者確率算出部24は、算出された他の利用者が対象利用者に先行してオブジェクトを購入した確率に基づく革新者確率を要素とする行列P(オーバーライン)をPIPとして算出結果記憶部12に記憶させる。
従って、オブジェクトiからオブジェクトjに遷移する確率pijは、以下の式(12)で表される。
推薦オブジェクト抽出部32は、入力部31から供給された対象ユーザのユーザidに対応するPIPとUFPを算出結果記憶部12から読み出す。そして、推薦オブジェクト抽出部32は、読み出したPIPとUFPに基づいて、以下に示す方法により、対象ユーザのユーザidに対応するCPI(Conditonal Probability of the Item given each user:各ユーザがオブジェクトを購入する確率)を算出する。
オブジェクトb(ib)を購入した個人的革新者のPIPが高く、オブジェクトibへのUFPが高ければ、ユーザa(ua)がオブジェクトb(ib)を購入する確率p(ib|ua)は、高くなる。
続いて、本発明が提案する手法の効果について立証するために行った実験結果について、説明する。
<実験に用いたデータセットについて>
本発明の第1の実施形態では、4つのデータセットについての実験結果について説明する。4つのデータセットうち2つは、日本でオンラインストアでの楽曲またはビデオのダウンロードサービスから得られた購入履歴である。3つ目は、協調フィルタリングのコンテストの評価データとして用いられる映画のレビュー履歴Netflixである。最後の1つは検索クエリーのログである。以下、それぞれのデータセットについて説明する。
各購入履歴は、ユーザID、購入した曲のタイトル、アーティスト名、CDアルバムのタイトル、購入日時および価格から構成されている。
各購入履歴は、ユーザID、購入したビデオのタイトル、監督名、購入日時および価格から構成されている。
本発明で提案する協調フィルタリングでは、ユーザの評価でなく購入を予測する。そこでNetflixのデータは次のように利用された。
実験では、ユーザの過去の購入履歴から、どの楽曲、ビデオ、映画(クエリー)を将来そのユーザが購入する(検索する)か予測することを目的とする。推薦の予測精度を評価するために、データセットをランダムにK個のサブデータセットに分割し、K回クロス確認するシミュレーションが行われた。
このプロセスはK回繰り返され、各サブデータセットは1回のみ評価データとされた。各サブデータセットは2つの期間(学習期間、テスト期間)に分けられ、テスト期間中のサブデータセットをテストデータと称し、学習期間中のサブデータセットを学習データと称する。ここでは、Kは一例として、10に設定された。
図9は、楽曲、ビデオ、Netflix、およびQueryのデータセットを用いて、個人に特化された推薦のトップNの正確性を各手法で比較したテーブルである。t検定で他の全ての手法と比べてp<0.05、p<0.01で顕著に異なる場合に、それぞれ“*”、“**”の印が付けられている。
従来の推薦方法の1つであるPearsonとCosineは、それぞれピアソンの相関係数またはコサイン類似度によって計測されたユーザの類似度に基づいている。
bPLSAは、ベルヌーイ分布を用いたPLSA(Probabilistic Latent Semantic Analysis:確率潜在意味解析)(T. Hofmann. Collaborative filtering via Gaussian probabilistic latent semantic analysis. In ACM SIGIR, pages 259-266, 2003)に基づいている。
EABIFは、文献(X. Song, C. Lin, B. Tseng, and M. Sun. Personalized recommendation driven by information flow. In ACM SIGIR, pages 509-516, 2006.)で提案されたEarly Adoption Based Information Flow(EABIF)方法である。
すなわち、PIP+UFPは、他の全ての手法に比べて、高い精度で将来ユーザが購入するオブジェクトを推定していることを示している。
AD(Average Differnece time)は、テスト期間の開始時刻とオブジェクト購入の時刻の差の平均である。この値が大きければ、それだけ気が付き難いオブジェクトになる。
すなわち、PIP+UFPは、他の全ての手法に比べて、多くのオブジェクトを推薦でき、かつオブジェクトの推薦がユーザ毎に特化し、かつ新規性が高いオブジェクトを推薦し、かつ気が付き難いオブジェクトを推薦していることを示している。
すなわち、PIP+UFPは、他の全ての手法に比べて、多くのオブジェクトを推薦でき、かつオブジェクトの推薦がユーザ毎に特化し、かつ新規性が高いオブジェクトを推薦していることを示している。
すなわち、PIP+UFPは、他の全ての手法に比べて、オブジェクトの推薦がユーザ毎に特化し、かつ新規性が高いオブジェクトを推薦し、かつ気が付き難いオブジェクトを推薦していることを示している。
次に、本発明の第2の実施形態を説明する。図12は、本発明の第2の実施形態におけるオブジェクト推薦システムの機能ブロック図である。なお、図1と共通する要素には同一の符号を付し、その具体的な説明を省略する。
オブジェクト推薦システム101は、記憶装置110と、計算装置120と、端末装置130と、推薦オブジェクト抽出装置140とを備える。
また、本発明において、上記オブジェクトはデジタル化された音楽、電子書籍、動画等に限られず、上記オブジェクトにはデジタル化されていない本、家具等も含まれる。
10 記憶部
11 ログ記憶部
12 算出結果記憶部
20 計算部
21 先行度算出部
22 重要度算出部
23 人気度算出部
24 革新者確率算出部
25 利用者遷移確率算出部
31 入力部
33 表示部
40 推薦オブジェクト抽出部
101 オブジェクト推薦システム
110 記憶装置
120 計算装置
130 端末装置
140 推薦オブジェクト抽出装置
Claims (8)
- 対象利用者にオブジェクトを推薦するオブジェクト推薦装置であって、
前記オブジェクトに対して所定の行動をした他の利用者数が多いほど小さい値を取るように、前記オブジェクトの人気度を示す人気度情報を算出する人気度算出部と、
前記他の利用者が前記対象利用者に先行して前記オブジェクトに前記行動をした度合いを示す先行度情報を算出する先行度算出部と
前記対象利用者が前記オブジェクトに前記行動をしてから経過した時間に基づいて、前記対象利用者にとっての前記オブジェクトの重要度を示す重要度情報を算出する重要度算出部と、
前記人気度情報と前記先行度情報と前記重要度情報とに基づいて、前記他の利用者が前記対象利用者に先行して前記オブジェクトに前記行動をした確率に基づく革新者確率を算出する革新者確率算出部と、
前記革新者確率に基づいて、対象利用者へ推薦するオブジェクトを抽出する推薦オブジェクト抽出部と、
を備えることを特徴とするオブジェクト推薦装置。 - 各利用者が所定のオブジェクトに前記行動をした後、別のオブジェクトに前記行動をするまで要した時間に基づいて、前記所定のオブジェクトに前記行動をした後に前記別のオブジェクトに前記行動をする確率を利用者遷移確率として算出する利用者遷移確率算出部を更に備え、
前記推薦オブジェクト抽出部は、前記革新者確率と前記利用者遷移確率とに基づいて、対象利用者へ推薦するオブジェクトを抽出することを特徴とする請求項1に記載のオブジェクト推薦装置。 - 前記先行度算出部は、前記対象利用者が前記オブジェクトに所定の行動をした時刻と、他の利用者が前記オブジェクトに前記行動をした時刻と、前記オブジェクトが公開された時刻とに基づいて、前記先行度情報を算出することを特徴とする請求項1または請求項2に記載のオブジェクト推薦装置。
- 前記革新者確率算出部は、各利用者が前記対象利用者にN人(Nは自然数)先行して前記行動をした各先行度合いの確率に基づく各確率に基づいて、前記革新者確率を算出することを特徴とする請求項1から請求項3のいずれかに記載のオブジェクト推薦装置。
- 前記革新者確率算出部は、前記各利用者が前記対象利用者に1人先行して前記行動をした各先行度合いの確率に基づく各確率を要素とする行列をPと表したとき、PNに基づいて前記革新者確率を算出することを特徴とする請求項4に記載のオブジェクト推薦装置。
- 人気度算出部と、先行度算出部と、重要度算出部と、推薦オブジェクト抽出部とを備え、対象利用者にオブジェクトを推薦するオブジェクト推薦装置が実行するオブジェクト推薦方法であって、
前記人気度算出部が、前記オブジェクトに対して所定の行動をした他の利用者数が多いほど小さい値を取るように、前記オブジェクトの人気度を示す人気度情報を算出する人気度算出手順と、
前記先行度算出部が、前記他の利用者が前記対象利用者に先行して前記オブジェクトに前記行動をした度合いを示す先行度情報を算出する先行度算出手順と、
前記重要度算出部が、前記対象利用者が前記オブジェクトに前記行動をしてから経過した時間に基づいて、前記対象利用者にとっての前記オブジェクトの重要度を示す重要度情報を算出する重要度算出手順と、
前記人気度情報と前記先行度情報と前記重要度情報とに基づいて、前記他の利用者が前記対象利用者に先行して前記オブジェクトに前記行動をした確率に基づく革新者確率を算出する革新者確率算出手順と、
前記推薦オブジェクト抽出部が、前記革新者確率に基づいて、対象利用者へ推薦するオブジェクトを抽出する推薦オブジェクト抽出手順と、
を有することを特徴とするオブジェクト推薦方法。 - 対象利用者にオブジェクトを推薦するオブジェクト推薦装置としてのコンピュータに、
前記オブジェクトに対して所定の行動をした他の利用者数が多いほど小さい値を取るように、前記オブジェクトの人気度を示す人気度情報を算出する第1のステップと、
前記他の利用者が前記対象利用者に先行して前記オブジェクトに前記行動をした度合いを示す先行度情報を算出する第2のステップと、
前記対象利用者が前記オブジェクトに前記行動をしてから経過した時間に基づいて、前記対象利用者にとっての前記オブジェクトの重要度を示す重要度情報を算出する第3のステップと、
前記人気度情報と前記先行度情報と前記重要度情報とに基づいて、前記他の利用者が前記対象利用者に先行して前記オブジェクトに前記行動をした確率に基づく革新者確率を算出する第4のステップと、
前記革新者確率に基づいて、対象利用者へ推薦するオブジェクトを抽出する第5のステップと、
を実行させるためのオブジェクト推薦プログラム。 - 対象利用者にオブジェクトを推薦するオブジェクト推薦システムであって、
前記オブジェクトに対して所定の行動をした他の利用者数が多いほど小さい値を取るように、前記オブジェクトの人気度を示す人気度情報を算出する人気度算出部と、
前記他の利用者が前記対象利用者に先行して前記オブジェクトに前記行動をした度合いを示す先行度情報を算出する先行度算出部と、
前記対象利用者が前記オブジェクトに前記行動をしてから経過した時間に基づいて、前記対象利用者にとっての前記オブジェクトの重要度を示す重要度情報を算出する重要度算出部と、
前記人気度情報と前記先行度情報と前記重要度情報とに基づいて、前記他の利用者が前記対象利用者に先行して前記オブジェクトに前記行動をした確率に基づく革新者確率を算出する革新者確率算出部と、
を備える計算装置と、
前記革新者確率に基づいて、対象利用者へ推薦するオブジェクトを抽出する推薦オブジェクト抽出装置と、
を備えることを特徴とするオブジェクト推薦システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010160854A JP5481295B2 (ja) | 2010-07-15 | 2010-07-15 | オブジェクト推薦装置、オブジェクト推薦方法、オブジェクト推薦プログラムおよびオブジェクト推薦システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010160854A JP5481295B2 (ja) | 2010-07-15 | 2010-07-15 | オブジェクト推薦装置、オブジェクト推薦方法、オブジェクト推薦プログラムおよびオブジェクト推薦システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012022570A JP2012022570A (ja) | 2012-02-02 |
JP5481295B2 true JP5481295B2 (ja) | 2014-04-23 |
Family
ID=45776800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010160854A Active JP5481295B2 (ja) | 2010-07-15 | 2010-07-15 | オブジェクト推薦装置、オブジェクト推薦方法、オブジェクト推薦プログラムおよびオブジェクト推薦システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5481295B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700007B (zh) * | 2013-12-18 | 2017-10-31 | 东软集团股份有限公司 | 基于物品的推荐方法及系统 |
WO2016022008A1 (en) | 2014-08-08 | 2016-02-11 | Samsung Electronics Co., Ltd. | Method and apparatus for environmental profile generation |
KR102015075B1 (ko) * | 2018-10-16 | 2019-08-27 | (주)뤼이드 | 학습 효율을 기반으로 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 방법, 장치 및 컴퓨터 프로그램 |
CN111191707B (zh) * | 2019-12-25 | 2023-06-06 | 浙江工商大学 | 融合时间衰减因子的lfm训练样本构建方法 |
JP7407779B2 (ja) | 2021-09-15 | 2024-01-04 | Lineヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
CN116401458B (zh) * | 2023-04-17 | 2024-01-09 | 南京工业大学 | 基于Lorenz混沌自适应的推荐方法 |
-
2010
- 2010-07-15 JP JP2010160854A patent/JP5481295B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2012022570A (ja) | 2012-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8010536B2 (en) | Combination of collaborative filtering and cliprank for personalized media content recommendation | |
US9355168B1 (en) | Topic based user profiles | |
JP4524709B2 (ja) | 情報処理装置および方法、並びに、プログラム | |
Chung et al. | A general consumer preference model for experience products: application to internet recommendation services | |
US20170132230A1 (en) | Systems and methods for recommending temporally relevant news content using implicit feedback data | |
US20080215583A1 (en) | Ranking and Suggesting Candidate Objects | |
JP5481295B2 (ja) | オブジェクト推薦装置、オブジェクト推薦方法、オブジェクト推薦プログラムおよびオブジェクト推薦システム | |
CN111553754A (zh) | 行为预测系统的更新方法及装置 | |
CN106651544B (zh) | 最少用户交互的会话式推荐系统 | |
US20130290100A1 (en) | Representative keyword selection | |
Rafeh et al. | An adaptive approach to dealing with unstable behaviour of users in collaborative filtering systems | |
US20090144226A1 (en) | Information processing device and method, and program | |
Chiru et al. | Movie Recommender system using the user's psychological profile | |
JP6405343B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US20100125585A1 (en) | Conjoint Analysis with Bilinear Regression Models for Segmented Predictive Content Ranking | |
CN109587527B (zh) | 一种个性化视频推荐的方法及装置 | |
US20140172501A1 (en) | System Apparatus Circuit Method and Associated Computer Executable Code for Hybrid Content Recommendation | |
Liu et al. | Online recommendations based on dynamic adjustment of recommendation lists | |
Roos et al. | The effect of links and excerpts on internet news consumption | |
de Campos et al. | Profile-based recommendation: A case study in a parliamentary context | |
Liu et al. | Incorporating social information to perform diverse replier recommendation in question and answer communities | |
Gong et al. | A hybrid recommender system for steam games | |
Kamihata et al. | A quantitative contents diversity analysis on a consumer generated media site | |
Chartron et al. | General introduction to recommender systems | |
Kim et al. | C-Rank and its variants: A contribution-based ranking approach exploiting links and content |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130220 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131224 |
|
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: 20140121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140217 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5481295 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |
|
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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |