JP5541119B2 - コンテンツ推薦システム、コンテンツ推薦装置、推薦方式制御方法、及び推薦方式制御プログラム - Google Patents
コンテンツ推薦システム、コンテンツ推薦装置、推薦方式制御方法、及び推薦方式制御プログラム Download PDFInfo
- Publication number
- JP5541119B2 JP5541119B2 JP2010264737A JP2010264737A JP5541119B2 JP 5541119 B2 JP5541119 B2 JP 5541119B2 JP 2010264737 A JP2010264737 A JP 2010264737A JP 2010264737 A JP2010264737 A JP 2010264737A JP 5541119 B2 JP5541119 B2 JP 5541119B2
- Authority
- JP
- Japan
- Prior art keywords
- recommendation
- weight parameter
- effect index
- content
- recommendation method
- 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 365
- 230000000694 effects Effects 0.000 claims description 285
- 230000008569 process Effects 0.000 claims description 53
- 238000001914 filtration Methods 0.000 claims description 48
- 238000000605 extraction Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000015572 biosynthetic process Effects 0.000 claims description 22
- 238000003786 synthesis reaction Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000003631 expected effect Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明の目的は、上述した課題を解決し、推薦によって得られる効果を把握し、期待する効果を得るためにどのような入力を与えればよいかがわかりやすくし、運用者の意図を容易にコンテンツ推薦システムに反映できるコンテンツ推薦システム、コンテンツ推薦装置、コンテンツ推薦方法、コンテンツ推薦プログラムを提供することである。
本発明の第1の実施の形態について、図面を参照して詳細に説明する。以下の図において、本発明の本質に関わらない部分の構成については適宜省略してあり、図示されていない。
次に、本実施の形態によるコンテンツ推薦システム1000の動作について、図面を参照して詳細に説明する。
まず、重みパラメタ記憶手段110に記録される重みパラメタの設定処理の動作について説明する。
図3は、本実施の形態によるコンテンツ推薦システム1000における、推薦実行処理の動作を示すフローチャートである。
図4は、本発明の第1の実施例による重みパラメタ設定処理の動作を示すフローチャートである。
図5は、本発明の第1の実施例による推薦実行処理の動作を示すフローチャートである。
次に本実施の形態の効果について説明する。
本発明の第2の実施の形態について、図面を参照して詳細に説明する。以下の図において、本発明の本質に関わらない部分の構成については省略してあり、図示されていない。
次に、本実施の形態によるレコメンド運用管理装置100の動作について、図面を参照して詳細に説明する。
図8は、本実施の形態によるコンテンツ推薦システム100における、効果指標算出の動作を示すフローチャートである。
次に本実施の形態の効果について説明する。
本発明の第3の実施の形態について、図面を参照して詳細に説明する。以下の図において、本発明の本質に関わらない部分の構成については省略してあり、図示されていない。
次に、本実施の形態によるコンテンツ推薦システム1000の動作について、図面を参照して詳細に説明する。
まず、図11を参照して、本実施の形態によるコンテンツ推薦システム1000における、重みパラメタ設定処理の動作について説明する。
次に、図12を参照して、本実施の形態によるコンテンツ推薦システム1000における推薦実行処理の動作について説明する。
図13は、本実施例によるコンテンツ推薦システム1000における重みパラメタ設定処理の動作を示すフローチャートである。
図15は、本実施例によるコンテンツ推薦システム1000における重みパラメタ設定処理の動作を示すフローチャートであり、図15は、本実施例によるコンテンツ推薦システム1000における推薦実行処理の動作を示すフローチャートである。
次に本実施の形態の効果について説明する。
ユーザ端末と、複数の推薦方式を用いてコンテンツを推薦するコンテンツ推薦装置とを備えるコンテンツ推薦システムであって、
各推薦方式の影響度合いを示す重みパラメタを入力する重みパラメタ入力手段と、
前記推薦方式の所定の推薦効果を示す効果指標毎に、各推薦方式について、当該推薦方式によるユーザへの推薦及びその結果を含む履歴データを用いて、効果指標値を算出する効果指標値算出手段と、
前記効果指標毎に、各推薦方式の前記重みパラメタと、前記効果指標値とを合成した値を、全体の前記効果指標の推定値として算出する効果指標合成手段と、
前記効果指標毎に、前記各推薦方式の効果指標値と、全体の前記効果指標の推定値とを併せて表示する表示手段と
を含むことを特徴とするコンテンツ推薦システム。
前記効果指標合成手段は、
前記推薦方式毎に、前記効果指標値に対し前記重みパラメタに基づく所定の重み付けを行い、当該重み付けを行った各効果指標値を合算して、全体の前記効果指標の推定値を算出することを特徴とする付記1に記載のコンテンツ推薦システム。
前記効果指標が、
前記推薦方式による推薦回数と、当該推薦方式の推薦を通してコンテンツが利用された回数とから算出されるフィードバック率であることを特徴する付記1又は付記2に記載のコンテンツ推薦システム。
前記効果指標が、
前記推薦方式による推薦回数と、前記推薦方式の推薦を通して発生した収入額とから算出される利益率であることを特徴とする付記1又は付記2に記載のコンテンツ推薦システム。
前記履歴データを、予め設定された所定の条件によってフィルタリングする履歴条件フィルタ手段を含み、
前記効果指標算出手段が、
フィルタリングされた前記履歴データを用いて、前記効果指標値を算出することを特徴とする付記1から付記4の何れか1項に記載のコンテンツ推薦システム。
前記重みパラメタ入力手段から入力された重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する推薦コンテンツ抽出手段を含むことを特徴とする付記1から付記5の何れか1項に記載のコンテンツ推薦システム。
前記履歴データから、所定の条件毎に、前記各推薦方式の重要度を重みパラメタとして学習する重みパラメタ学習手段と、
前記重みパラメタ入力手段から入力された前記重みパラメタと、前記重みパラメタ学習手段が学習した各重みパラメタとを合成する重みパラメタ合成手段とを含み、
前記推薦コンテンツ抽出手段が、
前記重みパラメタ合成手段により合成された所定の重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する
ことを特徴とする付記6に記載のコンテンツ推薦システム。
前記重みパラメタ合成手段は、
前記重みパラメタ学習手段が学習した前記各重みパラメタについて、当該重みパラメタと、前記重みパラメタ入力手段から入力された前記重みパラメタとを合算することを特徴とする付記7に記載のコンテンツ推薦システム。
前記推薦コンテンツ抽出手段は、
前記ユーザ端末からの前記推薦要求に対応する重みパラメタを、前記重みパラメタ合成手段から取得することを特徴とする付記7又は付記8に記載のコンテンツ推薦システム。
ユーザ端末から所定の要求を受け、その結果を返すコンテンツ推薦装置であって、
各推薦方式の影響度合いを示す重みパラメタを入力する重みパラメタ入力手段と、
前記推薦方式の所定の推薦効果を示す効果指標毎に、各推薦方式について、当該推薦方式によるユーザへの推薦及びその結果を含む履歴データを用いて、効果指標値を算出する効果指標値算出手段と、
前記効果指標毎に、各推薦方式の前記重みパラメタと、前記効果指標値とを合成した値を、全体の前記効果指標の推定値として算出する効果指標合成手段と、
前記効果指標毎に、前記各推薦方式の効果指標値と、全体の前記効果指標の推定値とを併せて表示する表示手段と
を含むことを特徴とするコンテンツ推薦装置。
前記効果指標合成手段は、
前記推薦方式毎に、前記効果指標値に対し前記重みパラメタに基づく所定の重み付けを行い、当該重み付けを行った各効果指標値を合算して、全体の前記効果指標の推定値を算出することを特徴とする付記10に記載のコンテンツ推薦装置。
前記効果指標が、
前記推薦方式による推薦回数と、当該推薦方式の推薦を通してコンテンツが利用された回数とから算出されるフィードバック率であることを特徴する付記10又は付記11に記載のコンテンツ推薦装置。
前記効果指標が、
前記推薦方式による推薦回数と、前記推薦方式の推薦を通して発生した収入額とから算出される利益率であることを特徴とする付記10又は付記11に記載のコンテンツ推薦装置。
前記履歴データを、予め設定された所定の条件によってフィルタリングする履歴条件フィルタ手段を含み、
前記効果指標算出手段が、
フィルタリングされた前記履歴データを用いて、前記効果指標値を算出することを特徴とする付記10から付記13の何れか1項に記載のコンテンツ推薦装置。
前記重みパラメタ入力手段から入力された重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する推薦コンテンツ抽出手段を含むことを特徴とする付記10から付記14の何れか1項に記載のコンテンツ推薦装置。
前記履歴データから、所定の条件毎に、前記各推薦方式の重要度を重みパラメタとして学習する重みパラメタ学習手段と、
前記重みパラメタ入力手段から入力された前記重みパラメタと、前記重みパラメタ学習手段が学習した各重みパラメタとを合成する重みパラメタ合成手段とを含み、
前記推薦コンテンツ抽出手段が、
前記重みパラメタ合成手段により合成された所定の重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する
ことを特徴とする付記15に記載のコンテンツ推薦装置。
前記重みパラメタ合成手段は、
前記重みパラメタ学習手段が学習した前記各重みパラメタについて、当該重みパラメタと、前記重みパラメタ入力手段から入力された前記重みパラメタとを合算することを特徴とする付記16に記載のコンテンツ推薦装置。
前記推薦コンテンツ抽出手段は、
前記ユーザ端末からの前記推薦要求に対応する重みパラメタを、前記重みパラメタ合成手段から取得することを特徴とする付記16又は付記17に記載のコンテンツ推薦装置。
ユーザ端末から所定の要求を受け、その結果を返すコンテンツ推薦装置の推薦方式制御方法であって、
各推薦方式の影響度合いを示す重みパラメタを入力する重みパラメタ入力ステップと、
前記推薦方式の所定の推薦効果を示す効果指標毎に、各推薦方式について、当該推薦方式によるユーザへの推薦及びその結果を含む履歴データを用いて、効果指標値を算出する効果指標値算出ステップと、
前記効果指標毎に、各推薦方式の前記重みパラメタと、前記効果指標値とを合成した値を、全体の前記効果指標の推定値として算出する効果指標合成ステップと、
前記効果指標毎に、前記各推薦方式の効果指標値と、全体の前記効果指標の推定値とを併せて表示する表示ステップと
を有することを特徴とする推薦方式制御方法。
前記効果指標合成ステップで、
前記推薦方式毎に、前記効果指標値に対し前記重みパラメタに基づく所定の重み付けを行い、当該重み付けを行った各効果指標値を合算して、全体の前記効果指標の推定値を算出することを特徴とする付記19に記載の推薦方式制御方法。
前記効果指標が、
前記推薦方式による推薦回数と、当該推薦方式の推薦を通してコンテンツが利用された回数とから算出されるフィードバック率であることを特徴する付記19又は付記20に記載の推薦方式制御方法。
前記効果指標が、
前記推薦方式による推薦回数と、前記推薦方式の推薦を通して発生した収入額とから算出される利益率であることを特徴とする付記19又は付記20に記載の推薦方式制御方法。
前記履歴データを、予め設定された所定の条件によってフィルタリングする履歴条件フィルタステップを有し、
前記効果指標算出ステップで、
フィルタリングされた前記履歴データを用いて、前記効果指標値を算出することを特徴とする付記19から付記22の何れか1項に記載の推薦方式制御方法。
前記重みパラメタ入力ステップから入力された重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する推薦コンテンツ抽出ステップを有することを特徴とする付記19から付記23の何れか1項に記載の推薦方式制御方法。
前記履歴データから、所定の条件毎に、前記各推薦方式の重要度を重みパラメタとして学習する重みパラメタ学習ステップと、
前記重みパラメタ入力ステップから入力された前記重みパラメタと、前記重みパラメタ学習ステップが学習した各重みパラメタとを合成する重みパラメタ合成ステップとを有し、
前記推薦コンテンツ抽出ステップで、
前記重みパラメタ合成ステップにより合成された所定の重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する
ことを特徴とする付記24に記載の推薦方式制御方法。
前記重みパラメタ合成ステップで、
前記重みパラメタ学習ステップが学習した前記各重みパラメタについて、当該重みパラメタと、前記重みパラメタ入力ステップから入力された前記重みパラメタとを合算することを特徴とする付記25に記載の推薦方式制御方法。
前記推薦コンテンツ抽出ステップで、
前記ユーザ端末からの前記推薦要求に対応する重みパラメタを、前記重みパラメタ合成ステップから取得することを特徴とする付記25又は付記26に記載の推薦方式制御方法。
ユーザ端末から所定の要求を受け、その結果を返すコンテンツ推薦装置として機能するコンピュータ上で動作する推薦方式制御プログラムであって、
前記コンピュータに
各推薦方式の影響度合いを示す重みパラメタを入力する重みパラメタ入力処理と、
前記推薦方式の所定の推薦効果を示す効果指標毎に、各推薦方式について、当該推薦方式によるユーザへの推薦及びその結果を含む履歴データを用いて、効果指標値を算出する効果指標値算出処理と、
前記効果指標毎に、各推薦方式の前記重みパラメタと、前記効果指標値とを合成した値を、全体の前記効果指標の推定値として算出する効果指標合成処理と、
前記効果指標毎に、前記各推薦方式の効果指標値と、全体の前記効果指標の推定値とを併せて表示する表示処理と
を実行させることを特徴とする推薦方式制御プログラム。
前記効果指標合成処理で、
前記推薦方式毎に、前記効果指標値に対し前記重みパラメタに基づく所定の重み付けを行い、当該重み付けを行った各効果指標値を合算して、全体の前記効果指標の推定値を算出することを特徴とする付記28に記載の推薦方式制御プログラム。
前記効果指標が、
前記推薦方式による推薦回数と、当該推薦方式の推薦を通してコンテンツが利用された回数とから算出されるフィードバック率であることを特徴する付記28又は付記29に記載の推薦方式制御プログラム。
前記効果指標が、
前記推薦方式による推薦回数と、前記推薦方式の推薦を通して発生した収入額とから算出される利益率であることを特徴とする付記28又は付記29に記載の推薦方式制御プログラム。
前記コンピュータに、
前記履歴データを、予め設定された所定の条件によってフィルタリングする履歴条件フィルタ処理を実行させ、
前記効果指標算出処理で、
フィルタリングされた前記履歴データを用いて、前記効果指標値を算出することを特徴とする付記28から付記31の何れか1項に記載の推薦方式制御プログラム。
前記コンピュータに、
前記重みパラメタ入力処理から入力された重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する推薦コンテンツ抽出処理を実行させることを特徴とする付記28から付記32の何れか1項に記載の推薦方式制御プログラム。
前記コンピュータに、
前記履歴データから、所定の条件毎に、前記各推薦方式の重要度を重みパラメタとして学習する重みパラメタ学習処理と、
前記重みパラメタ入力処理から入力された前記重みパラメタと、前記重みパラメタ学習処理が学習した各重みパラメタとを合成する重みパラメタ合成処理とを実行させ、
前記推薦コンテンツ抽出処理で、
前記重みパラメタ合成処理により合成された所定の重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する
ことを特徴とする付記33に記載の推薦方式制御プログラム。
前記重みパラメタ合成処理で、
前記重みパラメタ学習処理が学習した前記各重みパラメタについて、当該重みパラメタと、前記重みパラメタ入力処理から入力された前記重みパラメタとを合算することを特徴とする付記34に記載の推薦方式制御プログラム。
前記推薦コンテンツ抽出処理で、
前記ユーザ端末からの前記推薦要求に対応する重みパラメタを、前記重みパラメタ合成処理から取得することを特徴とする付記34又は付記35に記載の推薦方式制御プログラム。
また、あるコンテンツの伝播パタンの相関を利用した情報推薦といった用途にも適用可能である。
101:重みパラメタ入力手段
102:効果指標合成手段
103:表示手段
104:フィルタ条件記憶手段
105:履歴条件フィルタ手段
106:効果指標値算出手段
107:推薦コンテンツ抽出手段
108:重みパラメタ合成手段
109:効果指標記憶手段
110:重みパラメタ記憶手段
111:送受信手段
200:ユーザ端末
1000:コンテンツ推薦システム
Claims (10)
- ユーザ端末と、複数の推薦方式を用いてコンテンツを推薦するコンテンツ推薦装置とを備えるコンテンツ推薦システムであって、
各推薦方式の影響度合いを示す重みパラメタを入力する重みパラメタ入力手段と、
前記推薦方式の所定の推薦効果を示す効果指標毎に、各推薦方式について、当該推薦方式によるユーザへの推薦及びその結果を含む履歴データを用いて、効果指標値を算出する効果指標値算出手段と、
前記効果指標毎に、各推薦方式の前記重みパラメタと、前記効果指標値とを合成した値を、全体の前記効果指標の推定値として算出する効果指標合成手段と、
前記効果指標毎に、前記各推薦方式の効果指標値と、全体の前記効果指標の推定値とを併せて表示する表示手段と
を含むことを特徴とするコンテンツ推薦システム。 - 前記効果指標が、
前記推薦方式による推薦回数と、当該推薦方式の推薦を通してコンテンツが利用された回数とから算出されるフィードバック率であることを特徴する請求項1に記載のコンテンツ推薦システム。 - 前記効果指標が、
前記推薦方式による推薦回数と、前記推薦方式の推薦を通して発生した収入額とから算出される利益率であることを特徴とする請求項1に記載のコンテンツ推薦システム。 - 前記履歴データを、予め設定された所定の条件によってフィルタリングする履歴条件フィルタ手段を含み、
前記効果指標算出手段が、
フィルタリングされた前記履歴データを用いて、前記効果指標値を算出することを特徴とする請求項1から請求項3の何れか1項に記載のコンテンツ推薦システム。 - 前記重みパラメタ入力手段から入力された重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する推薦コンテンツ抽出手段を含むことを特徴とする請求項1から請求項4の何れか1項に記載のコンテンツ推薦システム。
- 前記履歴データから、所定の条件毎に、前記各推薦方式の重要度を重みパラメタとして学習する重みパラメタ学習手段と、
前記重みパラメタ入力手段から入力された前記重みパラメタと、前記重みパラメタ学習手段が学習した各重みパラメタとを合成する重みパラメタ合成手段とを含み、
前記推薦コンテンツ抽出手段が、
前記重みパラメタ合成手段により合成された所定の重みパラメタに基づいて、前記各推薦方式を用いて推薦する推薦コンテンツを抽出する
ことを特徴とする請求項5に記載のコンテンツ推薦システム。 - 前記推薦コンテンツ抽出手段は、
前記ユーザ端末からの前記推薦要求に対応する重みパラメタを、前記重みパラメタ合成手段から取得することを特徴とする請求項6に記載のコンテンツ推薦システム。 - ユーザ端末から所定の要求を受け、その結果を返すコンテンツ推薦装置であって、
各推薦方式の影響度合いを示す重みパラメタを入力する重みパラメタ入力手段と、
前記推薦方式の所定の推薦効果を示す効果指標毎に、各推薦方式について、当該推薦方式によるユーザへの推薦及びその結果を含む履歴データを用いて、効果指標値を算出する効果指標値算出手段と、
前記効果指標毎に、各推薦方式の前記重みパラメタと、前記効果指標値とを合成した値を、全体の前記効果指標の推定値として算出する効果指標合成手段と、
前記効果指標毎に、前記各推薦方式の効果指標値と、全体の前記効果指標の推定値とを併せて表示する表示手段と
を含むことを特徴とするコンテンツ推薦装置。 - ユーザ端末から所定の要求を受け、その結果を返すコンテンツ推薦装置の推薦方式制御方法であって、
各推薦方式の影響度合いを示す重みパラメタを入力する重みパラメタ入力ステップと、
前記推薦方式の所定の推薦効果を示す効果指標毎に、各推薦方式について、当該推薦方式によるユーザへの推薦及びその結果を含む履歴データを用いて、効果指標値を算出する効果指標値算出ステップと、
前記効果指標毎に、各推薦方式の前記重みパラメタと、前記効果指標値とを合成した値を、全体の前記効果指標の推定値として算出する効果指標合成ステップと、
前記効果指標毎に、前記各推薦方式の効果指標値と、全体の前記効果指標の推定値とを併せて表示する表示ステップと
を有することを特徴とする推薦方式制御方法。 - ユーザ端末から所定の要求を受け、その結果を返すコンテンツ推薦装置として機能するコンピュータ上で動作する推薦方式制御プログラムであって、
前記コンピュータに、
各推薦方式の影響度合いを示す重みパラメタを入力する重みパラメタ入力処理と、
前記推薦方式の所定の推薦効果を示す効果指標毎に、各推薦方式について、当該推薦方式によるユーザへの推薦及びその結果を含む履歴データを用いて、効果指標値を算出する効果指標値算出処理と、
前記効果指標毎に、各推薦方式の前記重みパラメタと、前記効果指標値とを合成した値を、全体の前記効果指標の推定値として算出する効果指標合成処理と、
前記効果指標毎に、前記各推薦方式の効果指標値と、全体の前記効果指標の推定値とを併せて表示する表示処理と
を実行させることを特徴とする推薦方式制御プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010264737A JP5541119B2 (ja) | 2010-11-29 | 2010-11-29 | コンテンツ推薦システム、コンテンツ推薦装置、推薦方式制御方法、及び推薦方式制御プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010264737A JP5541119B2 (ja) | 2010-11-29 | 2010-11-29 | コンテンツ推薦システム、コンテンツ推薦装置、推薦方式制御方法、及び推薦方式制御プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012118572A JP2012118572A (ja) | 2012-06-21 |
JP5541119B2 true JP5541119B2 (ja) | 2014-07-09 |
Family
ID=46501361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010264737A Active JP5541119B2 (ja) | 2010-11-29 | 2010-11-29 | コンテンツ推薦システム、コンテンツ推薦装置、推薦方式制御方法、及び推薦方式制御プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5541119B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022012067A (ja) * | 2020-06-30 | 2022-01-17 | 株式会社フライウィール | 推薦システムおよび方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014035719A (ja) * | 2012-08-10 | 2014-02-24 | Nippon Telegr & Teleph Corp <Ntt> | 投稿情報システム、算出装置及び算出方法 |
JP5819336B2 (ja) * | 2013-02-20 | 2015-11-24 | 日本食品製造合資会社 | Webサイト管理装置 |
JP6060785B2 (ja) * | 2013-04-10 | 2017-01-18 | 株式会社Jvcケンウッド | 情報選択装置、情報選択方法、および情報選択プログラム |
JP6060800B2 (ja) * | 2013-04-25 | 2017-01-18 | 株式会社Jvcケンウッド | 情報選択装置、情報選択方法、および情報選択プログラム |
JP2015060547A (ja) * | 2013-09-20 | 2015-03-30 | シャープ株式会社 | 情報処理装置、情報処理システム、情報処理方法、情報処理プログラムおよび端末装置 |
KR102266517B1 (ko) * | 2014-02-26 | 2021-06-16 | 에스케이플래닛 주식회사 | 사용자의 실행 패턴을 이용한 상품 추천 시스템, 사용자의 실행 패턴을 이용한 상품 추천 방법 및 이를 위한 장치 |
WO2016189905A1 (ja) * | 2015-05-27 | 2016-12-01 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN109710941A (zh) * | 2018-12-29 | 2019-05-03 | 上海点融信息科技有限责任公司 | 基于人工智能的用户意图识别方法和装置 |
CN113127674B (zh) * | 2019-12-31 | 2023-07-21 | 中移(成都)信息通信科技有限公司 | 歌单推荐方法、装置、电子设备及计算机存储介质 |
KR102612986B1 (ko) * | 2022-10-19 | 2023-12-12 | 한국과학기술원 | 온라인 추천 시스템, 메타 학습 기반 추천기 업데이트 방법 및 장치 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008065500A (ja) * | 2006-09-06 | 2008-03-21 | Dainippon Printing Co Ltd | リコメンドエンジン導入効果予測システム |
-
2010
- 2010-11-29 JP JP2010264737A patent/JP5541119B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022012067A (ja) * | 2020-06-30 | 2022-01-17 | 株式会社フライウィール | 推薦システムおよび方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2012118572A (ja) | 2012-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5541119B2 (ja) | コンテンツ推薦システム、コンテンツ推薦装置、推薦方式制御方法、及び推薦方式制御プログラム | |
US10296939B2 (en) | Dynamic reconfiguration of web pages based on user behavioral portrait | |
US11687352B2 (en) | Machine-learning models applied to interaction data for determining interaction goals and facilitating experience-based modifications to interface elements in online environments | |
US9720899B1 (en) | Automatic generation of narratives from data using communication goals and narrative analytics | |
JP6139546B2 (ja) | 多次元立方体データ構造におけるデータ分析のための方法および装置 | |
US11436617B2 (en) | Behavior pattern search system and behavior pattern search method | |
JP2009181468A (ja) | 画像検索ログ収集システム、画像検索ログ収集方法、及びプログラム | |
WO2002001378A1 (en) | Component models | |
CN109447713A (zh) | 一种基于知识图谱的推荐方法及装置 | |
KR102050738B1 (ko) | 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 장치 | |
US11023819B2 (en) | Machine-learning models applied to interaction data for facilitating experience-based modifications to interface elements in online environments | |
WO2011139477A2 (en) | Selecting content based on interest tags that are included in an interest cloud | |
CN108460082A (zh) | 一种推荐方法及装置,电子设备 | |
CN103377262A (zh) | 对用户进行分组的方法和装置 | |
CN113742492B (zh) | 保险方案生成方法、装置、电子设备及存储介质 | |
CN109087162A (zh) | 数据处理方法、系统、介质和计算设备 | |
Topaloglu et al. | The relative importance of usability and functionality factors for e‐health web sites | |
JP5161383B1 (ja) | 情報提供システム、情報提供方法、及び情報提供プログラム | |
CN113761388A (zh) | 一种推荐方法、装置、电子设备及存储介质 | |
WO2000036544A1 (en) | System and method for configuring a product | |
US10740815B2 (en) | Searching device, searching method, recording medium, and program | |
US20140379684A1 (en) | Systems and methods for graphical search interface | |
JP7502963B2 (ja) | 情報処理システムおよび情報処理方法 | |
JP4607943B2 (ja) | セキュリティレベル評価装置およびセキュリティレベル評価プログラム | |
JP4129127B2 (ja) | 推奨情報送信システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20131008 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20131018 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140310 |
|
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: 20140408 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140421 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5541119 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |