JP5858874B2 - アイテムのレコメンドに有用なユーザの利用履歴情報を取得することができるレコメンドプログラム、装置及び方法 - Google Patents
アイテムのレコメンドに有用なユーザの利用履歴情報を取得することができるレコメンドプログラム、装置及び方法 Download PDFInfo
- Publication number
- JP5858874B2 JP5858874B2 JP2012136451A JP2012136451A JP5858874B2 JP 5858874 B2 JP5858874 B2 JP 5858874B2 JP 2012136451 A JP2012136451 A JP 2012136451A JP 2012136451 A JP2012136451 A JP 2012136451A JP 5858874 B2 JP5858874 B2 JP 5858874B2
- Authority
- JP
- Japan
- Prior art keywords
- item
- user
- history information
- usage history
- recommendation
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
ユーザ毎の利用履歴情報間の類似度を記憶すると共に、各ユーザに対する各アイテムの推定有用度を記憶するアイテム有用度蓄積手段と、
アイテム有用度蓄積手段の推定有用度に基づいて、当該ユーザへレコメンドすべきアイテムを選択するアイテム選択手段と、
選択されたアイテムを、当該ユーザの端末へ送信するレコメンド手段と、
レコメンドされたアイテムに応じて、当該ユーザが当該アイテムを利用したことを表す行動履歴情報を取得する行動履歴取得手段と、
アイテム有用度蓄積手段の類似度及び行動履歴取得手段の行動履歴情報に基づいて、類似する順に、第1の所定数の他のユーザ毎の利用履歴情報を検出する有用利用履歴検出手段と
してコンピュータを機能させ、
ユーザの利用履歴情報は、ウィッシュリスト、ブックマークリスト、ほしい物リスト又はお気に入りリストである
ようにコンピュータを機能させることを特徴とする。
ユーザの各アイテムにおける利用履歴情報を蓄積した利用履歴情報蓄積手段と、
利用履歴情報蓄積手段から、協調フィルタリングを用いて、ユーザ毎の利用履歴間の類似度を算出すると共に、各ユーザに対する各アイテムの推定有用度を算出し、推定類似度及び有用度をアイテム有用度蓄積手段へ出力する協調フィルタリング手段と
してコンピュータを更に機能させることも好ましい。
利用履歴情報をユーザの端末から受信し、利用履歴情報蓄積手段へ出力する利用履歴情報受信手段としてコンピュータを更に機能させることも好ましい。
有用利用履歴検出手段によって検出された第1の所定数の他のユーザ毎の利用履歴情報に、レコメンドによってユーザの行動に結びついたことによるポイントを付与するポイント付与手段としてコンピュータを更に機能させることも好ましい。
ポイント付与手段は、
レコメンドに対してユーザの行動に結びついたことによる標準ポイントを規定しており、
標準ポイントを所定条件に基づいて他のユーザ毎の利用履歴情報に分配する
ようにコンピュータを更に機能させることも好ましい。
ユーザ毎の利用履歴情報に付与されたポイントを合計したレコメンド貢献頻度を算出するレコメンド貢献頻度算出手段と、
レコメンド貢献頻度が高い順に、第2の所定数のユーザ毎の利用履歴情報を選択する高有用利用履歴選択手段と
してコンピュータを更に機能させることも好ましい。
高有用利用履歴選択手段によって選択された第2の所定数のユーザの利用履歴情報に関するものに限定するべく、アイテム有用度蓄積手段に対してフィードバックするフィードバック手段としてコンピュータを更に機能させることも好ましい。
フィードバック手段は、アイテム有用度蓄積手段について、レコメンド貢献頻度算出手段によって算出されたレコメンド貢献頻度に応じた重み係数を、類似度に乗算するようにコンピュータを機能させることも好ましい。
ユーザ毎の利用履歴情報間の類似度を記憶すると共に、各ユーザに対する各アイテムの推定有用度を記憶するアイテム有用度蓄積手段と、
アイテム有用度蓄積手段の推定有用度に基づいて、当該ユーザへレコメンドすべきアイテムを選択するアイテム選択手段と、
選択されたアイテムを、当該ユーザの端末へ送信するレコメンド手段と、 レコメンドされたアイテムに応じて、当該ユーザが当該アイテムを利用したことを表す行動履歴情報を取得する行動履歴取得手段と、
アイテム有用度蓄積手段の類似度及び行動履歴取得手段の行動履歴情報に基づいて、類似する順に、第1の所定数の他のユーザ毎の利用履歴情報を検出する有用利用履歴検出手段とを有し、
ユーザの利用履歴情報は、ウィッシュリスト、ブックマークリスト、ほしい物リスト又はお気に入りリストである
ことを特徴とする。
ユーザ毎の利用履歴情報間の類似度を記憶すると共に、各ユーザに対する各アイテムの推定有用度を記憶するアイテム有用度蓄積部を有し、
アイテム有用度蓄積手段の推定有用度に基づいて、当該ユーザへレコメンドすべきアイテムを選択する第1のステップと、
選択されたアイテムを、当該ユーザの端末へ送信する第2のステップと、
レコメンドされたアイテムに応じて、当該ユーザが当該アイテムを利用したことを表す行動履歴情報を取得する第3のステップと、
アイテム有用度蓄積手段の類似度及び行動履歴取得手段の行動履歴情報に基づいて、類似する順に、第1の所定数の他のユーザ毎の利用履歴情報を検出する第4のステップとを有し、
ユーザの利用履歴情報は、ウィッシュリスト、ブックマークリスト、ほしい物リスト又はお気に入りリストである
ことを特徴とする。
Resource Locator)を関連付けて登録するソーシャルブックマークサービスである。また、利用履歴情報が、例えば明示的な意思表示である場合、ユーザによるアイテムの「お気に入り」「good/bad評価」「ブックマーク」「5段階評価」等の行為による、段階的なレベルで表したものであってもよい。加えて、利用履歴情報は、例えばアイテムを一定時間閲覧した等の行為を自動で取得した暗示的な意思表示であってもよい。尚、以下では、アプリケーションをアイテムとした所有端末へのインストールの有無を、利用履歴情報として説明する。
ユーザタグID:username/tagname
アイテムID :appname
この場合、利用履歴情報は、例えば以下のように記憶する。
データセット:{(username/tagname , appname)=0(非利用)又は1(利用)}
そして、以下のURLでアクセスすることによって、値が1であるアイテムIDをリスト形式で取得できることを想定する。
http://hogehoge.com/username/tagname/
図5は、本発明におけるシーケンス図である。
以下では、図5のシーケンスを参照しつつ、図4の各機能構成部について説明する。
アイテム有用度蓄積部100は、ユーザ毎の利用履歴情報間の類似度を記憶すると共に、各ユーザに対する各アイテムの推定有用度を記憶する(後述する図6参照)。図4によれば、推定有用度を得るために、利用履歴情報受信部101と、利用履歴情報蓄積部102と、協調フィルタリング部103とを有する。
利用履歴情報受信部101は、利用履歴情報をユーザの端末から受信する(図5のS501参照)。その利用履歴情報は、利用履歴情報蓄積部102へ出力される。
利用履歴情報蓄積部102は、ユーザの各アイテムにおける利用履歴情報を蓄積する(図3参照、及び、図5のS502参照)。
協調フィルタリング部103は、利用履歴情報蓄積部102から、協調フィルタリングを用いて、各ユーザに対する各アイテムの推定有用度を算出する(後述する図6(a)参照)。
(S1)ユーザタグ同士が同時に利用したアイテムの組み合わせの回数(共起性)を集計する等によって、アイテム間の関連性を分析する。例えば図3によれば、アプリ1及び3について、3人によるユーザタグが利用している。即ち、第1のアイテムと合わせて利用された第2のアイテムとをクロス集計する。
(S2)次に、組み合わせの総和から、セットで利用されるであろう推定割合を算出する。この推定割合を、推定有用度とする。
Usef(U,A):当該ユーザUがアプリAを購入利用する推定有用度
但し、既に利用しているアプリに関する推定有用度は、レコメンドすべきアイテムに選択されないよう、便宜的に協調フィルタリングについて定義する最小の値を与える。例えば、協調フィルタリングの有用度が0〜1で定義されているとするときは、Usef(U,A)=0とする。
アイテム選択部111は、アイテム有用度蓄積部100の推定有用度に基づいて、当該ユーザへレコメンドすべきアイテムを選択する(図5のS511参照)。図6によれば、ユーザタグ1のユーザへは、推定有用度が最も高いアプリ6がレコメンドされる。尚、推定有用度が所定閾値以上となる1つ以上のアイテム(アプリ)が選択されるものであってもよい。所定閾値が2である場合、図6によれば、アプリ6及びアプリ4が選択される。
レコメンド部112は、選択されたアイテムを、当該ユーザの端末へ送信する(図5のS512参照)。レコメンド部112は、レコメンドとして送信したアイテム毎に、レコメンドIDを付与する。そして、以下の組み合わせを記憶する。
Ri->App(Ri)、Rec(App(Ri)
Ri :レコメンドID(レコメンド毎に自動的に増分)
App(Ri) :レコメンドしたアイテムID
Rec(App(Ri)) :アイテムIDの有用度
レコメンドIDは、レコメンドのイベント発生時におけるタイムスタンプを利用したものであってもよい。また、複数のアイテムが同時にレコメンドされる場合、アイテム毎に異なるレコメンドID(Ri)が付与される。
Sim(X,Yj) :ユーザタグXと他のユーザタグYjとの間の類似度(図6(a))
HSim(Ri,Yj):レコメンドに寄与したユーザタグ間の類似度(図6(b))
HSim(Ri,Yj)=Sim(X,Yj) if Rank(Sim(X,Yj))≧Th_RankかつYj∈App(Ri)
Otherwise HSim(Ri,Yj)=0
Th_Rank:類似度に対する順位の閾値
Rank(Sim(X,Yj)):Sim(X,Yj)を数値降順に並べたときの順番
(ケース2)
HSim(Ri,Yj)=Sim(X,Yj) if Sim(X,Yj)≧Th_SimかつYj∈App(Ri)
Otherwise HSim(Ri,Yj)=0
Th_Sim:類似度に対する数値の閾値
行動履歴取得部121は、レコメンドされたアイテムに応じて、当該ユーザが当該アイテムを利用したことを表す行動履歴情報を取得する(図5のS521参照)。行動履歴情報には、レコメンドされたレコメンドID(Ri)を含む。このような行動履歴情報の取得には、レコメンドIDに基づくログインや、同一アクセスを判定するクッキーのような技術を用いるものであってもよい。レコメンドIDに基づく、ユーザのユーザタグと、レコメンドに応じて購入利用したアイテムとが、有用ユーザタグ検出部122へ出力される。
有用利用履歴検出部122は、アイテム有用度蓄積部100の類似度及び行動履歴取得部121の行動履歴情報に基づいて、類似する順に、第1の所定数の他のユーザ毎の利用履歴情報を検出する(図5のS522参照)。アイテムをユーザにレコメンドすることによって、そのユーザによってそのアイテムが購入利用された場合、そのアイテムのレコメンドに寄与した他のユーザタグを検出する。第1の所定数=1として一人のユーザタグのみを抽出するものであってもよいし、第1の所定数=2以上として複数のユーザタグを抽出するものであってもよい。これらユーザタグの利用履歴情報は、当該ユーザにとって高い有用性を有すると推定できる。
ポイント付与部123は、レコメンドに対してユーザの行動に結びついたことによる標準ポイントを規定する。そして、標準ポイントを所定条件に基づいて他のユーザ毎の利用履歴情報に分配する(図5のS523参照)。例えば、有用利用履歴検出部122によって検出された第1の所定数の他のユーザ毎に、ポイントが付与される。ポイントとは、ユーザに対する報酬的なものであって、金品に相当するものに限らない。即ち、アイテムをユーザにレコメンドすることによって、そのユーザによってそのアイテムが購入利用された場合、そのアイテムのレコメンドに寄与した他のユーザへ報酬を与えることができる。
(ケース1)
δ(Ri,Yj)=1/N if HSim(Ri,Yj)≠0
Otherwise 0
Point(Ri,Yj)=δ(Ri,Yj)/Σkδ(Ri,Yk)
(レコメンドに寄与した複数のユーザタグで、ポイントを等分配する)
(ケース2)
Point(Ri,Yj)=Sim(Ri,Yj)/Σk{HSim(Ri,Yk)}
=Sim(Ri,Yj)/{HSim(Ri,Y1)+HSim(Ri,Y2)+・・・}
(レコメンドに寄与した複数のユーザタグで、レコメンドしたユーザタグとの間の
類似度に比例してポイントを分配する)
(ケース3)
δ(Ri,Yj)=1/N if HSim(Ri,Yj)≠0
Otherwise 0
Point(Ri,Yj)=Rec(App(Ri))*δ(Ri,Yj)/Σkδ(Ri,Yk)
(レコメンドに寄与した複数のユーザタグで、推定有用度に応じて等分配する)
(ケース4)
Point(Ri,Yj)=Rec(App(Ri))*Sim(Ri,Yj)/Σk{HSim(Ri,Yk)}
=Rec(App(Ri))*Sim(Ri,Yj)/
{HSim(Ri,Y1)+HSim(Ri,Y2)+・・・}
(推定有用度を、レコメンドに寄与した複数のユーザタグ間の類似度に比例して
分配する)
[レコメンド貢献頻度算出部124]
レコメンド貢献頻度算出部124は、ユーザ毎の利用履歴情報に付与されたポイントを合計したレコメンド貢献頻度を算出する(図5のS524参照)。レコメンド貢献頻度は、例えば全体のアフィリエイト額から対象ユーザへの分配額を決定することに用いることも好ましい。
Aff(Yj):ユーザタグYjに対する報酬(レコメンド貢献頻度)
Aff(Yj)=Σi{Point(Ri,Yj)}
=Point(R1,Yj)+Point(R2,Yj)+・・・
高有用利用履歴選択部125は、レコメンド貢献頻度が高い順に、第2の所定数のユーザ毎の利用履歴情報を選択する(図5のS525参照)。ユーザによってレコメンドしたアイテムが利用された場合、そのアイテムのレコメンドに寄与した複数の他のユーザタグを選択する。このような高有用ユーザタグにおける利用履歴情報を用いてレコメンドした場合、そのアイテムが利用される確率が比較的高いことを意味する。
フィードバック部126は、高有用利用履歴選択部125によって選択された第2の所定数のユーザの利用履歴情報のみから構成されるように、アイテム有用度蓄積部100に対してフィードバックする(図5のS526参照)。このように、ポイントが高い順に上位数件のユーザタグ、又は、当該ポイントが所定閾値以上となるユーザタグに限定して、それらの利用履歴情報のみを用いる。これは、協調フィルタリングの元データのスクリーニング効果があると共に、レコメンド精度を改善することができる。
Sim(X,Yj)=Sim(X,Yj)*W(Yj)
W(Yj)=Aff(Yj)/Σi{Aff(Yi)}
これによって、アイテムの購入利用に寄与したユーザタグほど、類似度として高く設定される。
10 通信インタフェース
100 アイテム有用度蓄積部
101 利用履歴情報受信部
102 利用履歴情報蓄積部
103 協調フィルタリング部
111 アイテム選択部
112 レコメンド部
121 行動履歴取得部
122 有用利用履歴検出部
123 ポイント付与部
124 レコメンド貢献頻度算出部
125 高有用利用履歴選択部
126 フィードバック部
2 ユーザ用の端末
3 ECサイトサーバ
Claims (10)
- 装置に搭載されたコンピュータを、各アイテムに対するユーザの利用履歴情報に基づいて、当該ユーザへアイテムをレコメンドするようにコンピュータを機能させるレコメンドプログラムであって、
ユーザ毎の利用履歴情報間の類似度を記憶すると共に、各ユーザに対する各アイテムの推定有用度を記憶するアイテム有用度蓄積手段と、
アイテム有用度蓄積手段の推定有用度に基づいて、当該ユーザへレコメンドすべきアイテムを選択するアイテム選択手段と、
選択されたアイテムを、当該ユーザの端末へ送信するレコメンド手段と、
レコメンドされたアイテムに応じて、当該ユーザが当該アイテムを利用したことを表す行動履歴情報を取得する行動履歴取得手段と、
アイテム有用度蓄積手段の類似度及び行動履歴取得手段の行動履歴情報に基づいて、類似する順に、第1の所定数の他のユーザ毎の利用履歴情報を検出する有用利用履歴検出手段と
してコンピュータを機能させ、
前記ユーザの利用履歴情報は、ウィッシュリスト、ブックマークリスト、ほしい物リスト又はお気に入りリストである
ようにコンピュータを機能させることを特徴とするレコメンドプログラム。 - ユーザの各アイテムにおける利用履歴情報を蓄積した利用履歴情報蓄積手段と、
利用履歴情報蓄積手段から、協調フィルタリングを用いて、ユーザ毎の利用履歴間の類似度を算出すると共に、各ユーザに対する各アイテムの推定有用度を算出し、推定類似度及び有用度をアイテム有用度蓄積手段へ出力する協調フィルタリング手段と
してコンピュータを更に機能させることを特徴とする請求項1に記載のレコメンドプログラム。 - 前記利用履歴情報をユーザの端末から受信し、利用履歴情報蓄積手段へ出力する利用履歴情報受信手段としてコンピュータを更に機能させることを特徴とする請求項2に記載のレコメンドプログラム。
- 前記有用利用履歴検出手段によって検出された第1の所定数の他のユーザ毎の利用履歴情報に、レコメンドによってユーザの行動に結びついたことによるポイントを付与するポイント付与手段としてコンピュータを更に機能させることを特徴とする請求項1から3のいずれか1項に記載のレコメンドプログラム。
- 前記ポイント付与手段は、
レコメンドに対してユーザの行動に結びついたことによる標準ポイントを規定しており、
標準ポイントを所定条件に基づいて他のユーザ毎の利用履歴情報に分配する
ようにコンピュータを更に機能させることを特徴とする請求項4に記載のレコメンドプログラム。 - 前記ユーザ毎の利用履歴情報に付与されたポイントを合計したレコメンド貢献頻度を算出するレコメンド貢献頻度算出手段と、
レコメンド貢献頻度が高い順に、第2の所定数のユーザ毎の利用履歴情報を選択する高有用利用履歴選択手段と
してコンピュータを更に機能させることを特徴とする請求項4又は5に記載のレコメンドプログラム。 - 前記高有用利用履歴選択手段によって選択された第2の所定数のユーザの利用履歴情報に関するものに限定するべく、アイテム有用度蓄積手段に対してフィードバックするフィードバック手段としてコンピュータを更に機能させることを特徴とする請求項6に記載のレコメンドプログラム。
- 前記フィードバック手段は、アイテム有用度蓄積手段について、レコメンド貢献頻度算出手段によって算出されたレコメンド貢献頻度に応じた重み係数を、類似度に乗算するようにコンピュータを機能させることを特徴とする請求項7に記載のレコメンドプログラム。
- アイテムに対するユーザの利用履歴情報に基づいて、当該ユーザへアイテムをレコメンドするレコメンド装置であって、
ユーザ毎の利用履歴情報間の類似度を記憶すると共に、各ユーザに対する各アイテムの推定有用度を記憶するアイテム有用度蓄積手段と、
アイテム有用度蓄積手段の推定有用度に基づいて、当該ユーザへレコメンドすべきアイテムを選択するアイテム選択手段と、
選択されたアイテムを、当該ユーザの端末へ送信するレコメンド手段と、 レコメンドされたアイテムに応じて、当該ユーザが当該アイテムを利用したことを表す行動履歴情報を取得する行動履歴取得手段と、
アイテム有用度蓄積手段の類似度及び行動履歴取得手段の行動履歴情報に基づいて、類似する順に、第1の所定数の他のユーザ毎の利用履歴情報を検出する有用利用履歴検出手段と
を有し、
前記ユーザの利用履歴情報は、ウィッシュリスト、ブックマークリスト、ほしい物リスト又はお気に入りリストである
ことを特徴とするレコメンド装置。 - 装置を用いて、各アイテムに対するユーザの利用履歴情報に基づいて、当該ユーザへアイテムをレコメンドするレコメンド方法であって、
ユーザ毎の利用履歴情報間の類似度を記憶すると共に、各ユーザに対する各アイテムの推定有用度を記憶するアイテム有用度蓄積部を有し、
アイテム有用度蓄積手段の推定有用度に基づいて、当該ユーザへレコメンドすべきアイテムを選択する第1のステップと、
選択されたアイテムを、当該ユーザの端末へ送信する第2のステップと、
レコメンドされたアイテムに応じて、当該ユーザが当該アイテムを利用したことを表す行動履歴情報を取得する第3のステップと、
アイテム有用度蓄積手段の類似度及び行動履歴取得手段の行動履歴情報に基づいて、類似する順に、第1の所定数の他のユーザ毎の利用履歴情報を検出する第4のステップと
を有し、
前記ユーザの利用履歴情報は、ウィッシュリスト、ブックマークリスト、ほしい物リスト又はお気に入りリストである
ことを特徴とするレコメンド方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012136451A JP5858874B2 (ja) | 2012-06-16 | 2012-06-16 | アイテムのレコメンドに有用なユーザの利用履歴情報を取得することができるレコメンドプログラム、装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012136451A JP5858874B2 (ja) | 2012-06-16 | 2012-06-16 | アイテムのレコメンドに有用なユーザの利用履歴情報を取得することができるレコメンドプログラム、装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014002492A JP2014002492A (ja) | 2014-01-09 |
JP5858874B2 true JP5858874B2 (ja) | 2016-02-10 |
Family
ID=50035631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012136451A Active JP5858874B2 (ja) | 2012-06-16 | 2012-06-16 | アイテムのレコメンドに有用なユーザの利用履歴情報を取得することができるレコメンドプログラム、装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5858874B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015140947A1 (ja) * | 2014-03-19 | 2015-09-24 | 楽天株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP6500377B2 (ja) * | 2014-09-19 | 2019-04-17 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
CN108875291B (zh) * | 2017-05-11 | 2022-11-29 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及服务器、计算机存储介质 |
CN112199939B (zh) * | 2020-11-12 | 2024-02-20 | 深圳供电局有限公司 | 一种评审专家智能推荐方法和存储介质 |
WO2022153715A1 (ja) * | 2021-01-13 | 2022-07-21 | インクレディブル合同会社 | レコメンドシステム、サーバープログラム及びクライアントプログラム |
CN114282118B (zh) * | 2022-03-03 | 2022-06-17 | 北京轻松筹信息技术有限公司 | 确定公益项目的推送用户的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008146355A (ja) * | 2006-12-11 | 2008-06-26 | Lealcom Kk | 情報配信システム、情報配信装置及び情報配信方法 |
-
2012
- 2012-06-16 JP JP2012136451A patent/JP5858874B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2014002492A (ja) | 2014-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5235251B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
EP2997488B1 (en) | Cross platform user joining | |
US9589025B2 (en) | Correlated information recommendation | |
JP5858874B2 (ja) | アイテムのレコメンドに有用なユーザの利用履歴情報を取得することができるレコメンドプログラム、装置及び方法 | |
US20090216639A1 (en) | Advertising selection and display based on electronic profile information | |
JP5955286B2 (ja) | 評価算出装置、評価算出方法及び評価算出プログラム | |
US8626604B1 (en) | Aggregating product endorsement information | |
WO2014107672A1 (en) | Validated product recommendation system and methods | |
KR20180072222A (ko) | 도서 추천 장치 | |
JP2010113542A (ja) | 情報提供システム、情報処理装置及びそのプログラム | |
JP5905551B1 (ja) | 情報処理装置、端末装置、情報処理方法及び情報処理プログラム | |
JP5738785B2 (ja) | ユーザ嗜好に合った批評者を推薦するレコメンドプログラム、装置及び方法 | |
Akcayol et al. | A weighted multi-attribute-based recommender system using extended user behavior analysis | |
JP2017068547A (ja) | 情報提供装置、プログラム及び情報提供方法 | |
JP5759084B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP6407318B2 (ja) | 情報処理装置、端末装置、情報処理方法及び情報処理プログラム | |
US8856131B1 (en) | Computer networked selecting of consumer interests | |
US8745074B1 (en) | Method and system for evaluating content via a computer network | |
JP2017016544A (ja) | 情報処理装置、情報処理方法 | |
JP6085700B2 (ja) | 情報処理装置、端末装置、情報処理方法及び情報処理プログラム | |
JP5869931B2 (ja) | 批評者に批評すべきアイテムを検出するレコメンドアイテム検出プログラム、装置及び方法 | |
JP2010262369A (ja) | レコメンド情報生成装置、端末装置、レコメンド情報生成方法及びレコメンド情報提示システム | |
US11973841B2 (en) | System and method for user model based on app behavior | |
KR20140104626A (ko) | 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 | |
US9911161B2 (en) | Method and server for analyzing social media content based on survey participation data related to a website |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150109 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150925 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150925 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151117 |
|
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: 20151208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5858874 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |