JP5869931B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP5869931B2 JP5869931B2 JP2012070861A JP2012070861A JP5869931B2 JP 5869931 B2 JP5869931 B2 JP 5869931B2 JP 2012070861 A JP2012070861 A JP 2012070861A JP 2012070861 A JP2012070861 A JP 2012070861A JP 5869931 B2 JP5869931 B2 JP 5869931B2
- Authority
- JP
- Japan
- Prior art keywords
- item
- reviewer
- estimated
- critic
- identifier
- 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 description 13
- 230000006870 function Effects 0.000 claims description 27
- 238000012552 review Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000004587 chromatography analysis Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 6
- 239000003550 marker Substances 0.000 description 5
- 101100264195 Caenorhabditis elegans app-1 gene Proteins 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Landscapes
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
各アイテムの推定得意度を、レビュア識別子毎に記憶した批評者得意度蓄積手段と、
各アイテムに対するユーザ全体の推定注目度を記憶したアイテム注目度蓄積手段と、
レコメンド対象のレビュア識別子における推定得意度と、各アイテムにおける推定注目度との乗算値を、当該レビュア識別子の批評者に対するアイテムの適用度として算出する批評者適用度算出手段と、
当該アイテムについて、適用度が最も高い又は所定閾値以上のレビュア識別子を選択するアイテム選択手段と
してコンピュータを機能させることを特徴とする。
アイテム選択手段によって選択された当該アイテムを、選択されたレビュア識別子の批評者が操作する端末へ送信するレコメンド手段を更に有することも好ましい。
レビュア識別子毎に、当該批評者が各アイテムについて投稿済みか否かを表す批評者投稿テーブルを蓄積した批評者投稿テーブル蓄積手段と、
批評者投稿テーブル蓄積手段から、協調フィルタリングを用いて、レビュア識別子毎に未投稿の各アイテムの推定得意度を算出し、該推定得意度を批評者得意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。
ユーザリスト毎に、各アイテムについて興味の有無を表すテーブルを蓄積したアイテム興味リストテーブル蓄積手段と、
アイテム毎に、興味の有無の値を平均化(又は累積化、正規化、最大値)した推定注目度を算出し、該推定注目度をアイテム注目度蓄積手段へ出力するアイテム注目度算出手段と
してコンピュータを更に機能させることも好ましい。
ユーザリストは、ウィッシュリスト、ブックマークへの登録リスト、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も好ましい。
批評者適用度算出手段は、アイテム興味リストテーブル蓄積手段に対して、当該ユーザUが批評者Rのコミュニケーショングループに属していない場合、当該ユーザUのユーザリストにおける各アイテムの興味の有無の値を0にするようにコンピュータを機能させることも好ましい。
アイテム興味リストテーブル蓄積手段は、ユーザリスト毎に重み係数W(U)が付与されており、
アイテム注目度算出手段は、ユーザリスト毎の各アイテムに対する興味の有無の値に、重み係数を乗算した値を平均化(又は累積化、正規化、最大値)した推定注目度を算出するようにコンピュータを機能させることも好ましい。
アイテム興味リストテーブル蓄積手段は、ユーザリスト毎に、レビュア識別子の批評者Rに対する当該ユーザリストに基づくユーザUの重み係数W(R,U)が付与されており、
アイテム注目度算出手段は、ユーザリスト毎の各アイテムに対する興味の有無の値に、重み係数を乗算した値を平均化(又は累積化、正規化、最大値)した推定注目度を算出するようにコンピュータを機能させることも好ましい。
各アイテムについて、レビュア識別子毎の批評コメントを蓄積した批評コメント蓄積手段を更に有し、
レコメンド手段は、
批評者得意度蓄積手段から、送信すべき当該アイテムに対して、推定得意度が所定閾値以上となる他の批評者のレビュア識別子を検索し、
批評コメント蓄積手段から、他の批評者のレビュア識別子に基づく批評コメントを検索し、
批評コメントも、アイテム選択手段によって選択されたレビュア識別子の批評者が操作する端末へ送信する
ようにコンピュータを機能させることも好ましい。
レコメンド手段は、
批評者得意度蓄積手段から、送信すべき当該アイテムに対して、推定得意度が所定閾値以上となる他の批評者のレビュア識別子を検索し、
他の批評者のレビュア識別子及び当該アイテムに基づく批評コメントを、他のサーバから検索し、
批評コメントも、アイテム選択手段によって選択されたレビュア識別子の批評者が操作する端末へ送信する
ようにコンピュータを機能させることも好ましい。
批評者投稿テーブル蓄積手段の批評者投稿テーブルは、レビュア識別子毎に、当該批評者が各アイテムについて投稿した批評コメントに対して、複数の批評評価者における所定閾値数以上の評価投稿があった際に、「投稿済み」と表すことも好ましい。
各アイテムの推定得意度を、レビュア識別子毎に記憶した批評者得意度蓄積手段と、
各アイテムに対するユーザ全体の推定注目度を記憶したアイテム注目度蓄積手段と、
レコメンド対象のレビュア識別子における推定得意度と、各アイテムにおける推定注目度との乗算値を、当該レビュア識別子の批評者に対するアイテムの適用度として算出する批評者適用度算出手段と、
当該アイテムについて、適用度が最も高い又は所定閾値以上のレビュア識別子を選択するアイテム選択手段と
を有することを特徴とする。
各アイテムの推定得意度を、レビュア識別子毎に記憶した批評者得意度蓄積部と、
各アイテムに対するユーザ全体の推定注目度を記憶したアイテム注目度蓄積部と
を有し、
レコメンド対象のレビュア識別子における推定得意度と、各アイテムにおける推定注目度との乗算値を、当該レビュア識別子の批評者に対するアイテムの適用度として算出する第1のステップと、
当該アイテムについて、適用度が最も高い又は所定閾値以上のレビュア識別子を選択する第2のステップと
を有することを特徴とする。
図3は、批評コメントを収集し且つアイテムをレコメンドするシーケンス図である。
「批評者投稿テーブル」とは、レビュア識別子毎に、当該批評者が各アイテムについて投稿済みか否か(2値:0又は1)を表すものである。「レビュア識別子」とは、批評者毎に付与された識別子である。
「アイテム興味リストテーブル」とは、ユーザリスト毎に、各アイテムについて興味の有無を表すものである。例えば各アイテムの利用履歴や興味履歴を2値(0,1)で表したものである。ユーザリストとは、例えばウィッシュリスト、ブックマークへの登録リスト(ブックマーカ)又はほしい物リストのようなものである。
以下では、前述した図3のシーケンスを参照しつつ、図6の各機能構成部について説明する。
批評者得意度蓄積部11は、各アイテムの推定得意度を、レビュア識別子毎に記憶する。ここで、図6によれば、レコメンドアイテム検出装置1は、批評者投稿テーブル蓄積部111と、協調フィルタリング部112とを有する。
(S1)批評者同士が同時投稿したアイテムの組み合わせの回数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4によれば、アプリ1及び3について、3人の批評者が批評コメントを投稿している。即ち、第1のアイテムと合わせて購入された第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投稿される推定割合を、算出する。この推定割合を、推定得意度とする。
Pref(R,A) :批評者RがアプリAについて投稿する推定得意度
Pref(R,A)=0:批評者Rは、アプリAに対する批評コメントを投稿済み
アイテム注目度蓄積部12は、各アイテムに対するユーザ全体の推定注目度を記憶する。ここで、図6によれば、レコメンドアイテム検出装置1は、アイテム興味リストテーブル蓄積部121と、アイテム注目度算出部122とを更に有する。
φ(U,A)=1:ユーザリストUにアプリAがチェック済み(興味有り)
=0:ユーザリストUにアプリAに未チェック(興味無し)
Fun(A):アプリAの推定注目度
Fun(A)=Σφ(U,A)
尚、興味の有無が値範囲を持つ場合、アイテム毎の注目度は、例えば正規化によって算出するものであってもよい。尚、正規化とは、(素値−最小値)/(最大値−最小値)で0〜1間の値にすることをいう。
W(U):ユーザリストUにおける重み係数
Fun(A)=Σ(W(U)*φ(U,A))
1*0.8+1*0.3+1*0.2=1.3
また、アプリ6に対するユーザ全体の推定注目度は、以下のように表される。
1*0.5+1*0.2=0.7
この場合、アプリ4の方が、ユーザ全体推定注目度は高いといえる。
批評者適用度算出部13は、レコメンド対象のレビュア識別子Rにおける推定得意度Pref(R,A)と、各アイテムにおける推定注目度Fun(A)とから、当該レビュア識別子の批評者に対するアイテムの適用度Point(R,A)を算出する(図3のS316参照)。具体的は、以下の式のように、推定得意度Pref(R,A)と推定注目度Fun(A)とを乗算する。
Point(R,A):批評者RにおけるアイテムAの適用度
Point(R,A)=Fun(A)*Pref(R,A)
Point(R,A)=0.73*1.3=0.219
また、批評者1が未投稿のアプリ6について、以下のように算出される。
Point(R,A)=0.99*0.7=0.693
この場合、批評者1に対してはアプリ6をレコメンドする方が、適用度が高いといえる。
Fun(R,A):批評者RにおけるアイテムAの推定注目度
Fun(R,A)=Σφ(U,A)*Ψ(U,R)
Ψ(U,R)=1:ユーザUが批評者Rをフォローしている
=0:ユーザUが批評者Rをフォローしていない
この場合、批評者適用度は、以下の式によって表される。。
Point(R,A)=Fun(R,A)*Pref(R,A)
W(R,U):批評者RにおけるユーザUの重み
Fun(R,A)=Σ(W(R,U)*φ(U,A))
W'(U):以前のW(U)
α:0〜1の定数
W(U)=αW'(U)+(1−α)φ(U,A)
アイテム選択部14は、当該アイテムについて、適用度に基づいてレビュア識別子を選択する。具体的には、各アイテムについて、適用度Point(R,A)が最も高いレビュア識別子を選択する(図3のS317参照)。また、適用度Point(R,A)が所定閾値以上となる1つ以上のレビュア識別子を選択するものであってもよい。
レコメンド部15は、当該アイテムを、選択されたレビュア識別子のレビュアが操作する端末へ送信する(図3のS318参照)。
批評コメント蓄積部16は、各アイテムについて、レビュア識別子毎の批評コメントを蓄積する。批評コメントは、例えばECサイトサーバ3から取得したものである。
10 通信インタフェース
11 批評者得意度蓄積部
111 批評者投稿テーブル蓄積部
112 協調フィルタリング部
12 アイテム注目度蓄積部
121 アイテム興味リストテーブル蓄積部
122 アイテム注目度算出部
13 批評者適用度算出部
14 アイテム選択部
15 レコメンド部
16 批評コメント蓄積部
2 ユーザ用の端末
3 ECサイトサーバ
4 批評者用の端末
5 SNSサイトサーバ
6 批評評価者用の端末
7 レコメンド装置
Claims (13)
- 装置に搭載されたコンピュータを、レビュア識別子における批評者へ、批評コメントを投稿すべきアイテムをレコメンドするように機能させるレコメンドアイテム検出プログラムにおいて、
各アイテムの推定得意度を、レビュア識別子毎に記憶した批評者得意度蓄積手段と、
各アイテムに対するユーザ全体の推定注目度を記憶したアイテム注目度蓄積手段と、
レコメンド対象のレビュア識別子における推定得意度と、各アイテムにおける推定注目度との乗算値を、当該レビュア識別子の批評者に対するアイテムの適用度として算出する批評者適用度算出手段と、
当該アイテムについて、前記適用度が最も高い又は所定閾値以上のレビュア識別子を選択するアイテム選択手段と
して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アイテム検出プログラム。 - 前記アイテム選択手段によって選択された当該アイテムを、選択されたレビュア識別子の批評者が操作する端末へ送信するレコメンド手段を更に有することを特徴とする請求項1に記載のレコメンドアイテム検出プログラム。
- 各アイテムについて、レビュア識別子毎の批評コメントを蓄積した批評コメント蓄積手段を更に有し、
前記レコメンド手段は、
前記批評者得意度蓄積手段から、送信すべき当該アイテムに対して、推定得意度が所定閾値以上となる他の批評者のレビュア識別子を検索し、
前記批評コメント蓄積手段から、前記他の批評者のレビュア識別子に基づく批評コメントを検索し、
前記批評コメントも、前記アイテム選択手段によって選択されたレビュア識別子の批評者が操作する端末へ送信する
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2に記載のレコメンドアイテム検出プログラム。 - 前記レコメンド手段は、
前記批評者得意度蓄積手段から、送信すべき当該アイテムに対して、推定得意度が所定閾値以上となる他の批評者のレビュア識別子を検索し、
前記他の批評者のレビュア識別子及び当該アイテムに基づく批評コメントを、他のサーバから検索し、
前記批評コメントも、前記アイテム選択手段によって選択されたレビュア識別子の批評者が操作する端末へ送信する
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2に記載のレコメンドアイテム検出プログラム。 - レビュア識別子毎に、当該批評者が各アイテムについて投稿済みか否かを表す批評者投稿テーブルを蓄積した批評者投稿テーブル蓄積手段と、
前記批評者投稿テーブル蓄積手段から、協調フィルタリングを用いて、前記レビュア識別子毎に未投稿の各アイテムの推定得意度を算出し、該推定得意度を前記批評者得意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から4のいずれか1項に記載のレコメンドアイテム検出プログラム。 - 前記批評者投稿テーブル蓄積手段の前記批評者投稿テーブルは、レビュア識別子毎に、当該批評者が各アイテムについて投稿した批評コメントに対して、複数の批評評価者における所定閾値数以上の評価投稿があった際に、「投稿済み」と表す
ことを特徴とする請求項5に記載のレコメンドアイテム検出プログラム。 - ユーザリスト毎に、各アイテムについて興味の有無を表すテーブルを蓄積したアイテム興味リストテーブル蓄積手段と、
アイテム毎に、興味の有無の値を平均化(又は累積化、正規化、最大値)した推定注目度を算出し、該推定注目度を前記アイテム注目度蓄積手段へ出力するアイテム注目度算出手段と
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6のいずれか1項に記載のレコメンドアイテム検出プログラム。 - 前記ユーザリストは、ウィッシュリスト、ブックマークへの登録リスト、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請求項7に記載のレコメンドアイテム検出プログラム。
- 前記批評者適用度算出手段は、前記アイテム興味リストテーブル蓄積手段に対して、ユーザUが批評者Rのコミュニケーショングループに属していない場合、当該ユーザUのユーザリストにおける各アイテムの興味の有無の値を0に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又は8に記載のレコメンドアイテム検出プログラム。
- 前記アイテム興味リストテーブル蓄積手段は、ユーザリスト毎に重み係数W(U)が付与されており、
前記アイテム注目度算出手段は、ユーザリスト毎の各アイテムに対する興味の有無の値に、前記重み係数を乗算した値を平均化(又は累積化、正規化、最大値)した推定注目度を算出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から9のいずれか1項に記載のレコメンドアイテム検出プログラム。 - 前記アイテム興味リストテーブル蓄積手段は、ユーザリスト毎に、レビュア識別子の批評者Rに対する当該ユーザリストに基づくユーザUの重み係数W(R,U)が付与されており、
前記アイテム注目度算出手段は、ユーザリスト毎の各アイテムに対する興味の有無の値に、前記重み係数を乗算した値を平均化(又は累積化、正規化、最大値)した推定注目度を算出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から9のいずれか1項に記載のレコメンドアイテム検出プログラム。 - レビュア識別子における批評者へ、批評コメントを投稿すべきアイテムを検出するように機能させるレコメンドアイテム検出装置において、
各アイテムの推定得意度を、レビュア識別子毎に記憶した批評者得意度蓄積手段と、
各アイテムに対するユーザ全体の推定注目度を記憶したアイテム注目度蓄積手段と、
レコメンド対象のレビュア識別子における推定得意度と、各アイテムにおける推定注目度との乗算値を、当該レビュア識別子の批評者に対するアイテムの適用度として算出する批評者適用度算出手段と、
当該アイテムについて、前記適用度が最も高い又は所定閾値以上のレビュア識別子を選択するアイテム選択手段と
を有することを特徴とするレコメンドアイテム検出装置。 - 装置を用いて、レビュア識別子における批評者へ、批評コメントを投稿すべきアイテムを検出するように機能させるレコメンドアイテム検出方法において、
各アイテムの推定得意度を、レビュア識別子毎に記憶した批評者得意度蓄積部と、
各アイテムに対するユーザ全体の推定注目度を記憶したアイテム注目度蓄積部と
を有し、
レコメンド対象のレビュア識別子における推定得意度と、各アイテムにおける推定注目度との乗算値を、当該レビュア識別子の批評者に対するアイテムの適用度として算出する第1のステップと、
当該アイテムについて、前記適用度が最も高い又は所定閾値以上のレビュア識別子を選択する第2のステップと
を有することを特徴とするレコメンドアイテム検出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012070861A JP5869931B2 (ja) | 2012-03-27 | 2012-03-27 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012070861A JP5869931B2 (ja) | 2012-03-27 | 2012-03-27 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013205875A JP2013205875A (ja) | 2013-10-07 |
JP5869931B2 true JP5869931B2 (ja) | 2016-02-24 |
Family
ID=49524950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012070861A Active JP5869931B2 (ja) | 2012-03-27 | 2012-03-27 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5869931B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015060791A1 (en) * | 2013-10-25 | 2015-04-30 | iBlast Pte Ltd | System and method for highly geolocalized multimedia based facility, site, or event related promotion and/or social networking |
WO2019030884A1 (ja) * | 2017-08-10 | 2019-02-14 | 株式会社日立製作所 | レビュア管理システムおよび方法 |
CN113010739B (zh) * | 2021-03-18 | 2024-01-26 | 北京奇艺世纪科技有限公司 | 一种视频标签审核方法、装置及电子设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002056133A (ja) * | 2000-08-07 | 2002-02-20 | Daikyo:Kk | 専門家評価システムおよび記録媒体 |
JP4597427B2 (ja) * | 2001-06-28 | 2010-12-15 | 正 五井野 | 品物査定方法、品物査定機能付き販売方法及び品物査定システム |
JP2007183986A (ja) * | 2007-02-05 | 2007-07-19 | Tomohiro Aoki | ユーザの関連性に基づくアイテム推薦装置、アイテム推薦方法、及びそのアルゴリズム |
JP5224748B2 (ja) * | 2007-08-27 | 2013-07-03 | 任天堂株式会社 | 情報処理装置、情報処理システム、情報処理プログラム、および情報処理方法 |
US8108255B1 (en) * | 2007-09-27 | 2012-01-31 | Amazon Technologies, Inc. | Methods and systems for obtaining reviews for items lacking reviews |
JP2010044462A (ja) * | 2008-08-08 | 2010-02-25 | Twobytes Corp | コンテンツ評価サーバ、コンテンツ評価方法及びコンテンツ評価プログラム |
JP2010262345A (ja) * | 2009-04-30 | 2010-11-18 | Hitachi Software Eng Co Ltd | 評価者選択システム及び評価者評価システム |
JP5165722B2 (ja) * | 2010-04-20 | 2013-03-21 | スガオ ピーティーイー.リミテッド | 情報提供サーバ、および情報提供システム |
JP5408570B2 (ja) * | 2010-06-25 | 2014-02-05 | 株式会社日立製作所 | 属性情報更新方法及び情報更新方法 |
-
2012
- 2012-03-27 JP JP2012070861A patent/JP5869931B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013205875A (ja) | 2013-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240062271A1 (en) | Recommendations Based Upon Explicit User Similarity | |
Sohail et al. | Feature extraction and analysis of online reviews for the recommendation of books using opinion mining technique | |
US9020956B1 (en) | Sentiment and topic based content determination methods and systems | |
US9734503B1 (en) | Hosted product recommendations | |
US20130332385A1 (en) | Methods and systems for detecting and extracting product reviews | |
JP2018206419A (ja) | ソーシャル・ネットワーキング・システムにおける認知的関連性ターゲティング | |
US20130167085A1 (en) | Consumer self-profiling gui, analysis and rapid information presentation tools | |
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 | |
KR101646312B1 (ko) | 개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법 | |
KR20180120571A (ko) | 인플루언서를 활용한 소셜 네트워크 서비스 마케팅 시스템 | |
KR20170084171A (ko) | 광고에 대한 타겟팅 기준을 갖는 시청자 지표의 사용 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US20160140609A1 (en) | Visualizing Audience Metrics | |
US8725795B1 (en) | Content segment optimization techniques | |
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 | |
US10909574B2 (en) | Promoting products on a social networking system based on information from a merchant site | |
JP6251465B1 (ja) | レコメンド情報提供システム及びレコメンド情報提供方法 | |
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 | |
JP5759084B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20180336598A1 (en) | Iterative content targeting | |
US20150006527A1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP2013218369A (ja) | 情報処理装置、プログラム、情報処理方法及び商品紹介支援システム | |
KR20130126558A (ko) | 개인과 객체의 관계 관리방법 및 그 시스템 | |
US20210203711A1 (en) | Embedded Mobile Browser | |
US20210263988A1 (en) | Embedded Mobile Browser |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140725 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150320 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150427 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150617 |
|
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: 20151216 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5869931 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |