JP5632506B1 - 情報推薦装置、情報推薦方法及び情報推薦プログラム - Google Patents

Abstract

【課題】利用シーンに応じたアイテムを精度よく推薦すること。【解決手段】ユーザＩＤとアイテムＩＤとメタデータＩＤとドメインＩＤと評価値とを対応付けた履歴データを記憶しておき、その評価値を用いて、異なるドメイン間でユーザＩＤとアイテムＩＤとメタデータＩＤとを任意に組み合わせた複数の部分行列を生成し、各組み合わせの重視度に応じた重みを各部分行列に与えて結合した遷移行列を生成し、その遷移行列を用いて推薦アイテムを求める。【選択図】図１

Description

本発明は、アイテムを推薦する技術に関する。

従来から、過去に利用したサービスコンテンツアイテム（以下、アイテム）の利用履歴を蓄積しておき、それに含まれるユーザ情報とアイテム情報に基づきユーザが興味を持つアイテムを推薦する技術がある。

特許文献１では、そのような利用履歴以外にアイテムに関するメタデータ情報を更に利用し、それら３つの情報をノードとするグラフを構築してグラフマイニング手法を適用することにより、利用履歴が少ない状況や存在しない状況でもアイテムを推薦できるようにしている。

また、非特許文献１では、利用履歴の各情報からグラフを構築する際に、アイテムを提供しているドメイン情報を考慮することにより、既に利用しているドメイン情報に基づき異なるドメインのアイテムを推薦できるようにしている。

特開２０１２−１５０５６１号公報

堤田、外４名、"アクセスログを用いたクロスドメイン環境における情報推薦"、情報処理学会研究報告、Vol.2012-DBS-154 No.4、Vol.2012-IFAT-107 No4、2012年8月1日

しかしながら、上記特許文献１の技術は、ユーザ情報とアイテム情報とメタデータ情報のみを用いてアイテムを推薦するため、例えば、ウェブポータルサイトや複数のジャンルを扱ったＥＣサイト等、複数のドメインに跨って利用履歴が存在する場合、アイテムの推薦精度が低下してしまう。

また、上記非特許文献１の技術は、ユーザ情報とアイテム情報とドメイン情報のみを用いてアイテムを推薦するため、利用履歴が少ないドメインや存在しないドメインの場合、アイテムの推薦精度が低下し又は推薦できなかった。

さらに、上記特許文献１と上記非特許文献１に共通する課題として、利用履歴（ユーザ情報とアイテム情報）、メタデータ情報、ドメイン情報を用いる度合いを制御できなかった。

本発明は、上記事情を鑑みてなされたものであり、利用シーンに応じたアイテムを精度よく推薦することを目的とする。

請求項１に記載の情報推薦装置は、アイテムを利用したユーザのＩＤと、前記ユーザにより利用されたアイテムのＩＤと、前記アイテムに関するメタデータのＩＤと、前記アイテムを提供しているドメインのＩＤと、前記アイテムに対する評価値とを対応付けた履歴データを記憶しておく記憶手段と、前記記憶手段から前記履歴データを取得し、前記評価値を用いて演算することにより、異なるドメイン間でユーザＩＤとアイテムＩＤとメタデータＩＤとを任意に組み合わせた複数の部分行列を生成し、各組み合わせの重視度に応じた重みを各部分行列に与えて結合した遷移行列を生成する生成手段と、前記遷移行列とアイテムの推薦を受けるユーザのユーザＩＤを用いて、ＲＷＲ（Ｒａｎｄｏｍ Ｗａｌｋ ｗｉｔｈ Ｒｅｓｔａｒｔ）のアルゴリズムを適用することにより推薦アイテムを求める予測処理手段と、を有することを要旨とする。

本発明によれば、ユーザＩＤとアイテムＩＤとメタデータＩＤとドメインＩＤと評価値とを対応付けた履歴データを記憶しておき、その評価値を用いて、異なるドメイン間でユーザＩＤとアイテムＩＤとメタデータＩＤとを任意に組み合わせた複数の部分行列を生成し、各組み合わせの重視度に応じた重みを各部分行列に与えて結合した遷移行列を生成し、その遷移行列を用いて推薦アイテムを求めるため、利用シーンに応じたアイテムを精度よく推薦できる。

請求項２に記載の情報推薦装置は、請求項１に記載の情報推薦装置において、前記生成手段は、前記結合により得られた部分行列に対して、ドメインの組み合わせの重視度に応じた重みを与えることにより、前記遷移行列を生成することを要旨とする。

本発明によれば、上記結合により得られた部分行列に対して、ドメインの組み合わせの重視度に応じた重みを与えることにより、上記遷移行列を生成するため、より多くの利用シーンに応じたアイテムを精度よく推薦できる。

請求項３に記載の情報推薦方法は、コンピュータにより、アイテムを利用したユーザのＩＤと、前記ユーザにより利用されたアイテムのＩＤと、前記アイテムに関するメタデータのＩＤと、前記アイテムを提供しているドメインのＩＤと、前記アイテムに対する評価値とを対応付けた履歴データを記憶手段に記憶しておく記憶ステップと、前記記憶手段から前記履歴データを取得し、前記評価値を用いて演算することにより、異なるドメイン間でユーザＩＤとアイテムＩＤとメタデータＩＤとを任意に組み合わせた複数の部分行列を生成し、各組み合わせの重視度に応じた重みを各部分行列に与えて結合した遷移行列を生成する生成ステップと、前記遷移行列とアイテムの推薦を受けるユーザのユーザＩＤを用いて、ＲＷＲ（Ｒａｎｄｏｍ Ｗａｌｋ ｗｉｔｈ Ｒｅｓｔａｒｔ）のアルゴリズムを適用することにより推薦アイテムを求める予測処理ステップと、を有することを要旨とする。

本発明によれば、ユーザＩＤとアイテムＩＤとメタデータＩＤとドメインＩＤと評価値とを対応付けた履歴データを記憶しておき、その評価値を用いて、異なるドメイン間でユーザＩＤとアイテムＩＤとメタデータＩＤとを任意に組み合わせた複数の部分行列を生成し、各組み合わせの重視度に応じた重みを各部分行列に与えて結合した遷移行列を生成し、その遷移行列を用いて推薦アイテムを求めるため、利用シーンに応じたアイテムを精度よく推薦できる。

請求項４に記載の情報推薦方法は、請求項３に記載の情報推薦方法において、前記生成ステップは、前記結合により得られた部分行列に対して、ドメインの組み合わせの重視度に応じた重みを与えることにより、前記遷移行列を生成することを要旨とする。

本発明によれば、上記結合により得られた部分行列に対して、ドメインの組み合わせの重視度に応じた重みを与えることにより、上記遷移行列を生成するため、より多くの利用シーンに応じたアイテムを精度よく推薦できる。

請求項５に記載の情報推薦プログラムは、請求項３又は４に記載の情報推薦方法をコンピュータに実行させることを要旨とする。

本発明によれば、利用シーンに応じたアイテムを精度よく推薦できる。

情報推薦装置の機能ブロック構成を示す図である。 履歴テーブルのイメージを示す図である。 情報推薦処理を示すフローチャートである。 遷移行列構築処理を示すフローチャートである。 部分行列のイメージを示す図である。 遷移行列のイメージを示す図である。

本発明は、従来の利用履歴（ユーザ情報とアイテム情報）以外に、メタデータ情報とドメイン情報の両方を更に用いてアイテムを推薦することにより、利用履歴が少ない場合や存在しない場合、複数のドメインに跨って利用履歴が存在する場合であっても、アイテムを精度よく推薦するようにしている。

また、本発明は、ユーザ・アイテム・メタデータ相互間やドメイン間に重みを与えることにより、様々な利用シーンに適合したアイテムを推薦するようにしている。重みを適切に与えることで、利用シーンに最適なアイテムを精度よく推薦することが可能となる。

以下、本発明を実施する一実施の形態について図面を用いて説明する。但し、本発明は多くの異なる様態で実施することが可能であり、本実施の形態の記載内容に限定して解釈すべきではない。

図１は、本実施の形態に係る情報推薦装置１の機能ブロック構成を示す図である。この情報推薦装置１は、電子的又は物理的なアイテムを推薦する装置であり、被推薦ユーザＩＤ取得部１１と、アイテム履歴ＤＢ１２と、遷移行列構築部１３と、推薦アイテム予測処理部１４と、アイテム提示部１５とで構成される。

図２は、アイテム履歴ＤＢ１２に記憶されている履歴テーブルのイメージを示す図である。この履歴テーブルには、ユーザが過去に利用したアイテムの利用履歴や、そのアイテムに関する情報が記憶されている。アイテムの利用時にユーザが直接入力しても構わないし、コンピュータ上のアイテムを利用した際には、そのコンピュータが自動で入力しても構わない。

具体的には、アイテムを利用したユーザを識別するユーザＩＤと、そのユーザにより利用されたアイテムを識別するアイテムＩＤと、そのアイテムに関するメタデータを識別するメタデータＩＤと、そのアイテムを提供しているドメインを識別するドメインＩＤと、そのアイテムに対して付与された評価値とが対応付けて参照可能に蓄積されている。

なお、ここでいう利用とは、ウェブサーバ上に掲載されたアイテムにアクセスすることや、通信ネットワークを介してアイテムを購入すること、近所のスーパーでアイテムを購入すること等である。

また、アイテムとは、１つ以上のドメインで提供されている様々なジャンルのサービスコンテンツである。例えば、コンピュータを介して提供されるコンテンツ情報やソフトウェアプログラム、スーパー等で販売されている各種販売品等である。

メタデータとは、アイテムに付随する付加的な情報であり、メタデータを用いることにより、アイテムの性質を的確に反映した検索が可能となる。例えば、アイテムがアプリケーションプログラムの場合、その説明文自体やそれに含まれる特徴的なキーワード、プログラムの名称等である。また、アイテムが商品の固有名の場合、アイスクリーム等のカテゴリー名等である。

ドメインとは、通信網上のコンピュータやネットワーク、物理的な販売店等を識別する管理単位である。例えば、アイテムがコンピュータ上のデータの場合、ＵＲＬ等である。また、アイテムが店頭販売品の場合、スーパー、コンビニ、百貨店等の販売元、東京、神奈川等の地域名等である。

次に、図３を参照しながら、上記情報推薦装置１で行う被推薦ユーザに対する推薦アイテムの提示処理について説明する。

ステップＳ１０１）まず、被推薦ユーザＩＤ取得部１１が、被推薦ユーザ等によって入力された被推薦ユーザＩＤを取得し、推薦アイテム予測処理部１４に出力する。

ステップＳ１０２）次に、遷移行列構築部１３が、アイテム履歴ＤＢ１２から履歴テーブル内のユーザＩＤとアイテムＩＤとメタデータＩＤとドメインＩＤと評価値とを取得して、後述する処理により遷移行列を構築する。

ステップＳ１０３）次に、推薦アイテム予測処理部１４が、被推薦ユーザＩＤ取得部１１から被推薦ユーザＩＤを取得し、遷移行列構築部１３から遷移行列を取得して、それら２つの情報を用いて推薦アイテムを決定する。

ステップＳ１０４）最後に、アイテム提示部１５が、推薦アイテム予測処理部１４から出力された推薦アイテムを被推薦ユーザに提示する。

続いて、図４を参照しながら、遷移行列構築部１３で行う遷移行列の構築処理について説明する。

ステップＳ２０１）まず、アイテム履歴ＤＢ１２から、ドメインＩＤ毎に、ユーザＩＤとアイテムＩＤとメタデータＩＤとドメインＩＤと評価値とを取得する。

例えば、ドメインｘについて取得する場合、履歴テーブル内においてドメインＩＤがｘである行を全て取得し、その行に含まれるユーザＩＤの集合をユーザ集合Ｕ’^ｘ、アイテムＩＤの集合をアイテム集合Ｉ’^ｘ、メタデータＩＤの集合をメタデータ集合Ｍ’^ｘとする。

ステップＳ２０２）次に、評価値を用いて、２つのドメイン間でユーザ集合Ｕ’とアイテム集合Ｉ’とメタデータ集合Ｍ’とを任意に組み合わせた部分行列Ｄ’’を構築し、列の値の合計が１になるように正規化処理を行う。

例えば、ドメインｘのユーザ集合Ｕ’^ｘとドメインｙのアイテム集合Ｉ’^ｙを組み合わせ、図５に示すような部分行列Ｄ’’（Ｕ’^ｘＩ’^ｙ）を構築する。そして、以下の式（１）を用いて正規化処理を行い、正規化後の部分行列Ｄ’’（Ｕ^ｘＩ^ｙ）を得る。

なお、ｊ、ｋは、Ｊ行Ｋ列の部分行列Ｄ’’の要素を表す添え字である。また、評価値が無い場合には、任意の固定値（例えば、１）を用いて計算する。

ステップＳ２０３）次に、ステップＳ２０２で得られた各部分行列Ｄ’’に対して定数倍の重み付け処理をそれぞれ行い、それらを結合することにより、上記２つのドメイン間での部分行列Ｄ’を構築する。

例えば、正規化後の部分行列Ｄ’’（Ｕ^ｘＩ^ｙ）に対する重みをｗ_ｕ，ｉ ^ｘ，ｙと表すと、ユーザＩＤとアイテムＩＤとメタデータＩＤとの各インデックスが排他的であることを利用して、以下の式（２）のように結合し、部分行列Ｄ’^ｘ，ｙを得る。

なお、重み付け処理は、部分行列Ｄ’’毎に異なる値を可変可能に設定可能であり、部分行列Ｄ’’でのペア組み合わせの重要度や重視度に応じて適宜設定される。より重視したい組み合わせに重みを与えることにより、利用シーンに応じたアイテムを推薦できる。例えば、利用履歴（ユーザ情報やアイテム情報）の量や質が充分であればユーザＩＤとアイテムＩＤの組み合わせを重視し、それが充分でなければアイテムＩＤとメタデータＩＤの組み合わせを重視する、といった制御が可能となる。

ステップＳ２０４）次に、ステップＳ２０３で構築された部分行列Ｄ’について、ステップＳ２０２と同様に以下の式（３）を用いて正規化処理を行い、正規化後の部分行列Ｄを得る。

なお、ここでのｊ、ｋは、Ｊ行Ｋ列の部分行列Ｄ’の要素を表す添え字である。また、ステップＳ２０２〜ステップＳ２０４は全てのドメインの組み合わせについて実行され、正規化後の部分行列Ｄはドメインの組み合わせ毎に構築される。

ステップＳ２０５）次に、ステップＳ２０４で正規化処理された各部分行列Ｄに対して定数倍の重み付け処理を行い、以下の式（４）を用いて全てを加算した行列Ａ’を求める。

なお、ｎ、ｍは、ドメインを表す添え字であり、ｗ_ｄ ^ｎ，ｍは、ドメインｎとドメインｍの組み合わせに対して与えられる定数倍の重みを表す。また、ここでの重み付け処理は、ドメインの組み合わせの重要度や重視度に応じて適宜設定される。

ステップＳ２０６）次に、ステップＳ２０５で求められた行列Ａ’について、ステップＳ２０２と同様に以下の式（５）を用いて正規化処理を行い、正規化後の遷移行列Ａを得る。

なお、ここでのｊ、ｋは、Ｊ行Ｋ列の行列Ａ’の要素を表す添え字である。

ステップＳ２０７）その後、ステップＳ２０６で正規化処理された遷移行列Ａ（図６参照）を推薦アイテム予測処理部１４に出力して、本フローを終了する。

最後に、推薦アイテム予測処理部１４で行う推薦アイテムの決定処理について説明する。推薦アイテム予測処理部１４は、遷移行列Ａで表現されるグラフ構造に対してＲＷＲ（Ｒａｎｄｏｍ Ｗａｌｋ ｗｉｔｈ Ｒｅｓｔａｒｔ）を適用することにより、推薦アイテムを決定する。

ＲＷＲは、グラフ上の起点となる起点ノードとそれ以外の非起点ノードとの間の関連度を計算するアルゴリズムであり、再帰的な計算過程においてリスタートパラメータと呼ばれる一定の確率αに従って起点ノードに値を付与して計算する（特許文献１、非特許文献１参照）。

具体的には、被推薦ユーザＩＤに対応する遷移行列Ａの要素を起点ノードとし、それ以外の各要素（アイテムＩＤ、被推薦ユーザ以外のユーザＩＤ、又はメタデータＩＤに対応する要素）を非起点ノードとし、要素内の値を用いて、以下の式（６）を収束するまで再帰的に計算することにより、起点ノードと非起点ノードとの間の関連度をそれぞれ計算する。

なお、α（０＜α＜１）は、起点ノードに戻る確率である。ｐは、アイテムＩＤや被推薦ユーザ以外のユーザＩＤやメタデータＩＤに対応する各要素との関連度を格納した列ベクトルである。ｑは、被推薦ユーザを表す起点ノードのみが１であり、それ以外が０である列ベクトルである。

式（６）の列ベクトルｐを計算して再帰的に複数回（例えば、３０回）更新し、更新後の列ベクトルｐからアイテムを表すノードについて最も関連度の高いものを推薦アイテムのアイテムＩＤとし、そのアイテムＩＤや、当該アイテムＩＤのアイテムを当該アイテムのドメインから取得したアイテムを推薦アイテムとしてアイテム提示部１５に出力する。

なお、列ベクトルｑを、アイテムを表すノードのみを１とする列ベクトルに変更すると、式（６）より、被推薦アイテムと関連の強いアイテムを提示可能となる。同様に、列ベクトルｑを、メタデータを表すノードのみを１とする列ベクトルに変更すると、メタデータとの関連の強いアイテムを提示可能となる。また、式（６）の列ベクトルｐ，ｑに含まれる値を適宜調整することにより、ユーザに対して、お薦めのユーザを提示することや、メタデータのみを提示可能となる。

以上より、本実施の形態によれば、推薦アイテムを求める際に用いる遷移行列Ａをメタデータを考慮して生成するので、利用履歴が少ない場合や存在しない場合であっても、アイテムの推薦精度の向上が期待できる。

また、本実施の形態によれば、ドメインを考慮して遷移行列Ａを生成するので、複数のドメインに跨って利用履歴が存在する場合であっても、アイテムの推薦精度の低下を抑制できる。また、利用履歴が十分にあるドメイン間や３つ以上のドメイン間に対しても高い推薦精度を実現可能となることから、推薦対象のサービスが増加し、より可用性の高い情報推薦装置１を実現できる。

また、本実施の形態によれば、異なるドメイン間でユーザＩＤとアイテムＩＤとメタデータＩＤとを任意に組み合わせた複数の部分行列Ｄ’’を構築し、各組み合わせの重視度に応じた重みｗ_{ｕ〜ｍ，ｕ〜ｍ}を各部分行列Ｄ’’に与えて結合し、その結合により得られた部分行列Ｄに対して、ドメインの組み合わせの重視度に応じた重みｗ_ｄを与えることで遷移行列Ａを構築するので、ドメインの重視度や利用履歴の量、更にはメタデータの質等に応じた様々な利用シーンに適合するアイテムを推薦できる。

最後に、本実施の形態で説明した情報推薦装置１は、コンピュータにより実現可能である。また、この情報推薦装置１の構成要素の各動作をプログラムとして構築し、情報推薦装置１として利用されるコンピュータにインストールして実行させることや、通信ネットワークを介して流通させることが可能である。

なお、本実施の形態では、アイテム履歴ＤＢ１２内の履歴テーブルとして１つのテーブルを用いた場合について説明したが、複数のテーブルから構成されていても構わない。例えば、アイテムＩＤを格納したテーブルとメタデータＩＤを格納したテーブルを個別に参照できるような形式でデータベースを構築しても構わない。

また、アイテム履歴ＤＢ１２内の各列が存在しないサービスに適用される場合は、図６の遷移行列が構築可能であって、かつ、図３のステップＳ１０３で説明した推薦アイテムの予測計算が可能な限り、行や列の一部はなくても構わない。例えば、メタデータが存在しないサービスに適用される場合は、メタデータＩＤのデータ自体やその列自体（又は行自体）はなくても構わない。また、ドメインＩＤが与えられない場合は、全てに同一のＩＤが与えられているものとして扱う。

また、本実施の形態では、アイテム履歴ＤＢ１２が情報推薦装置１に含まれる場合について説明したが、情報推薦装置１の外部に接続されていても構わない。そして、推薦アイテム予測処理部１４の計算等の一部がバッチ処理的に行われる場合、推薦アイテムは外部のＤＢに一旦格納され、必要に応じて呼び出してアイテム提示部１５へ渡す形式で実現しても構わない。

１…情報推薦装置
１１…被推薦ユーザＩＤ取得部
１２…アイテム履歴データベース
１３…遷移行列構築部
１４…推薦アイテム予測処理部
１５…アイテム提示部
Ｓ１０１〜Ｓ１０４、Ｓ２０１〜Ｓ２０７…ステップ

Claims (5)

1. アイテムを利用したユーザのＩＤと、前記ユーザにより利用されたアイテムのＩＤと、前記アイテムに関するメタデータのＩＤと、前記アイテムを提供しているドメインのＩＤと、前記アイテムに対する評価値とを対応付けた履歴データを記憶しておく記憶手段と、
   前記記憶手段から前記履歴データを取得し、前記評価値を用いて演算することにより、異なるドメイン間でユーザＩＤとアイテムＩＤとメタデータＩＤとを任意に組み合わせた複数の部分行列を生成し、各組み合わせの重視度に応じた重みを各部分行列に与えて結合した遷移行列を生成する生成手段と、
   前記遷移行列とアイテムの推薦を受けるユーザのユーザＩＤを用いて、ＲＷＲ（Ｒａｎｄｏｍ Ｗａｌｋ ｗｉｔｈ Ｒｅｓｔａｒｔ）のアルゴリズムを適用することにより推薦アイテムを求める予測処理手段と、
   を有することを特徴とする情報推薦装置。
2. 前記生成手段は、
   前記結合により得られた部分行列に対して、ドメインの組み合わせの重視度に応じた重みを与えることにより、前記遷移行列を生成することを特徴とする請求項１に記載の情報推薦装置。
3. コンピュータにより、
   アイテムを利用したユーザのＩＤと、前記ユーザにより利用されたアイテムのＩＤと、前記アイテムに関するメタデータのＩＤと、前記アイテムを提供しているドメインのＩＤと、前記アイテムに対する評価値とを対応付けた履歴データを記憶手段に記憶しておく記憶ステップと、
   前記記憶手段から前記履歴データを取得し、前記評価値を用いて演算することにより、異なるドメイン間でユーザＩＤとアイテムＩＤとメタデータＩＤとを任意に組み合わせた複数の部分行列を生成し、各組み合わせの重視度に応じた重みを各部分行列に与えて結合した遷移行列を生成する生成ステップと、
   前記遷移行列とアイテムの推薦を受けるユーザのユーザＩＤを用いて、ＲＷＲ（Ｒａｎｄｏｍ Ｗａｌｋ ｗｉｔｈ Ｒｅｓｔａｒｔ）のアルゴリズムを適用することにより推薦アイテムを求める予測処理ステップと、
   を有することを特徴とする情報推薦方法。
4. 前記生成ステップは、
   前記結合により得られた部分行列に対して、ドメインの組み合わせの重視度に応じた重みを与えることにより、前記遷移行列を生成することを特徴とする請求項３に記載の情報推薦方法。
5. 請求項３又は４に記載の情報推薦方法をコンピュータに実行させることを特徴とする情報推薦プログラム。

Images