JP6014515B2 - レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム - Google Patents
レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム Download PDFInfo
- Publication number
- JP6014515B2 JP6014515B2 JP2013033805A JP2013033805A JP6014515B2 JP 6014515 B2 JP6014515 B2 JP 6014515B2 JP 2013033805 A JP2013033805 A JP 2013033805A JP 2013033805 A JP2013033805 A JP 2013033805A JP 6014515 B2 JP6014515 B2 JP 6014515B2
- Authority
- JP
- Japan
- Prior art keywords
- product
- information
- recommendation
- classification
- target
- 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 78
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 238000012545 processing Methods 0.000 claims description 82
- 230000008569 process Effects 0.000 claims description 60
- 238000011156 evaluation Methods 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 74
- 238000003860 storage Methods 0.000 description 34
- 238000010586 diagram Methods 0.000 description 26
- 230000010354 integration Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000005484 gravity Effects 0.000 description 6
- 230000000877 morphologic effect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000012098 association analyses Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
近年、通信を利用した電子商取引において様々な商品やサービスが取引されている。電子商取引における消費者は、仲介業者又は販売元から提供される情報を頼りにして、購入する商品やサービスを選択している。そのため、電子商取引の仲介業者と販売元は、消費者が必要とする商品やサービスを提供するだけでなく、扱う商品やサービスに関する情報を的確に提供していくことが必要とされている。このような用途に利用される情報提供システムがある(例えば、特許文献1参照)。この情報提供システムは、電子商取引の仲介業者又は販売元が推奨する商品やサービスの広告を、通信を介して閲覧可能に提示する。
このような電子商取引において、特定の期間内に限り販売される商品やサービスまでもが扱われるようになっており、その期間は比較的短く設定されている。
また、継続的に提供する商品やサービスの広告として、個別の広告を予め用意して、商品を提供する期間の間で提供する頻度を変えて広告を提供することが可能であったとしても、商品を提供する期間が設定される商品やサービスの広告を行う時点で商品の提供が終了してしまい、広告を行うことが有効でなくなってしまう場合が生じうる。
本発明は、上記問題を解決すべくなされたもので、その目的は、電子商取引の消費者が商品やサービスの購入を検討するのに有用となる情報を提供するレコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法及びプログラムを提供することにある。
この図1におけるレコメンド情報提供システム1は、ユーザ(消費者)と仲介業者とが通信を介して行う電子商取引において、ユーザに購入を動機づける商品やサービスの情報を推定して提供する。
例えば、仲介業者は、販売元店舗において提供される商品又はサービスの情報をユーザに対して提供し、その商品又はサービスについての販売契約を販売元に代わり、通信を介した電子商取引によりユーザと契約する。そのような電子商取引に適用されるレコメンド情報提供システム1について説明する。
この場合に、提供される商品又はサービスは、提供される期間が比較的短い期間に制限されており、継続的に販売する商品又はサービスと異なる販売形態をとるものとする。例えば、電子商取引において提供される商品又はサービスが、販売予定数量、販売期間、販売価格などの販売条件を定めたクーポンとして定義され、仲介業者がそのクーポンを提供する場合がある。仲介業者は、販売元に対して電子商取引サイトに出店するための交渉を行う。その交渉の結果、電子商取引サイトに出店することになった場合、販売元は、実際の販売元店舗において提供を予定する商品又はサービスに対応するクーポンを定めて仲介業者に提供して、そのクーポンの販売を仲介業者に委託する。
サーバ装置2は、登録されたクーポンの情報をユーザに提供するための処理を実施する。サーバ装置2は、登録されたクーポンの情報をもとにして、推奨するクーポンの情報をユーザに提供するための処理として、クーポンの購入の検討を支援するためのレコメンド情報をレコメンド情報生成装置3に生成させて、レコメンド情報生成装置3によって生成されたレコメンド情報をユーザ端末7に送信する。
ユーザ端末7は、そのレコメンド情報を受信して、受信したレコメンド情報を表示する。
ユーザは、ユーザ端末7を利用して、サーバ装置2によって提供される各種情報を閲覧し、必要とされるクーポンを購入する。要するに、ユーザ端末7は、ユーザの指示に応じてサーバ装置2においてクーポンの販売契約を行うための処理を実施させて、クーポンの販売契約としてユーザが指示するクーポンを購入することを記憶させる。
端末装置6は、仲介業者が利用する端末装置であって、いわゆるパーソナルコンピュータなどのコンピュータ装置である。なお、仲介業者は、この端末装置6を利用して、レコメンド情報提供システム1の運用並びに保守を行ったり、また、必要に応じてレコメンド情報提供システム1の処理を制御するために、販売する商品を分類するための分析モデル(レコメンドルール)を変更したりする。
ユーザ端末7は、ユーザが利用する端末装置であって、いわゆるパーソナルコンピュータ、携帯端末装置などのコンピュータ装置である。
図2は、本実施形態におけるレコメンド情報提供システム1におけるサーバ装置2の構成の一例を示す構成図である。
サーバ装置2は、通信処理部21、記憶部23、制御部25を備える。
上記の各種テーブルについての詳細な説明は後述とする。
また、ユーザ端末通信制御部257は、ユーザの操作により、所定の商品・サービスの購買要求を検出した場合には、所定の購買処理を販売処理部258に実施させる。
制御部25における上記以外の各部についての詳細な説明は後述とする。
図3は、本実施形態におけるレコメンド情報提供システム1におけるレコメンド情報生成装置3の構成の一例を示す構成図である。
レコメンド情報生成装置3は、通信処理部31、記憶部33、制御部35を備える。
レコメンド情報提供システム1は、様々なシステムに適用が可能である。ユーザがユーザ端末7を操作してからレコメンド情報がユーザ端末7に表示されるまでの応答性を高めてユーザの利便性を高めるほかに、適用するシステムが扱う商品・サービスの特性に応じた対応を行うことが必要とされる。
一般的な電子商取引サイトで取り扱っている商品は、提供される期間に時限性がなく、継続的に販売している。一方、一般的な場合と異なり、提供される期間に時限性がある場合に、個々のクーポンをベースにする一般的なレコメンド処理を適用すると、レコメンドした時点ではすでに該当するクーポンは販売終了となっているといったことが頻繁に起こりうる。なお、クーポンが提供される期間は、例えば3日間などに設定される場合がある。
販売元、ユーザ、仲介業者の3者の利得(思惑)は異なり、3者のバランスを考慮したレコメンドロジック(レコメンド方法)がないと、偏った宣伝になってしまうことが懸念され電子商取引サイトの運営が困難となりうる。
ユーザの操作(要求)に応じて、レコメンドする情報を即時に提示することが必要とされる。
一般的な電子商取引サイトで取り扱っている商品やサービスを識別する方法として、例えば、個々の商品やサービスを識別する識別情報によって識別する方法がある。
ただし、対象とする商品やサービスが提供される期間が比較的短く、その期限が限定される場合には、個々の商品やサービスを識別する識別情報に基づいて、対象とする商品やサービス同士の関連性を判定することが、以下に示すように困難となる場合がある。
このように、対象とする商品やサービス同士の関連性を判定することを困難とする要因としては、下記の要因がある。
それゆえ、提供される期間が比較的短く、その期限が限定される商品やサービスを識別情報によって識別しようとしても、その識別情報の商品やサービスと識別されるものが提供されるとは限らない。このように、個々の商品やサービスの識別情報に基づいて、対象とする商品やサービス同士の関連性の判定を行うことは困難である。
そのため、ユーザの購買履歴データやアクセス履歴データを参照できるとしても、これらのデータのうちに同一の商品やサービスのデータが存在するとは限らない。仮に、購買履歴データやアクセス履歴データに記録されている個々の商品やサービスを識別情報に基づいて識別することができるとしても、識別情報から現在提供可能な個々の商品やサービスを関連付けることは困難である。
このように、個々の商品やサービスを識別する識別情報に基づいてレコメンドする個別の商品やサービスを決定することは困難である。
なお、この処理は、リアルタイムに変化する情報を利用しないので、バッチ処理で事前に商品やサービスの属性情報をもとに解析しておくことが可能である。
対象とする商品やサービスの販売数やアクセス数などの頻度を基準とするレコメンドロジックでは、例えば電子商取引サイトなどで、ユーザ、仲介業者、販売元がそれぞれ求める利得が異なる場合、特に仲介業者が自身に有利となるレコメンドばかりを行ってしまうと、販売元やユーザが離れていってしまうリスクがあり、そもそもビジネスモデルが成り立たなくなってしまう。
そこで、本実施形態においては、ユーザ、仲介業者、販売元からなるステークホルダの利得を考慮したレコメンドを行うようにしたレコメンドルールを作成し、商品・サービスの選択基準に基づいてレコメンドできるようにする。例えば、それぞれのステークホルダの利得を下記のように定めた場合を例示する。
ユーザ視点:距離の近さ。
仲介業者視点:利益率の高さ。
販売元視点:販売期限、購買目標を考慮した未達成率など。
対象とする商品やサービスが提供される期間が比較的短く、その期限が限定される場合には、対象の商品やサービスの情報の即時性を確保提供することが、検索処理の負荷が高くなる影響で困難となる場合がある。
例えば、レコメンド情報提供システム1は、ステップS200の解析処理において、ユーザに提供可能とする複数の対象商品(アイテム)の特徴情報に基づいて、特徴が類似する対象商品が同じ商品分類(クラスタ)に含まれるように分類する(特徴情報の類似性に応じて分類する)分類基準を生成する。
さらに、レコメンド情報提供システム1は、ステップS300の抽出処理において、上記の分類基準に従って対象商品を分類する複数の商品分類(クラスタ)から、所定のレコメンドルールに従って何れかの商品分類(クラスタ)を推奨商品分類(レコメンドクラスタ)として選択する。その選択された推奨商品分類(レコメンドクラスタ)に対応する対象商品の評価基準値に基づいて、レコメンドする対象商品の情報を抽出する。
・テキスト情報を解析する工程(ステップS210)。
・抽出したテキスト情報に基づいて辞書データ(単語辞書データ)を生成(更新)する工程(ステップS220)。
・商品・サービスを示す固有要素と辞書データ(単語辞書データ)とに基づいて、各対象商品・サービスを分類する工程(ステップS230)。
・レコメンドルールを生成する工程(ステップS240)。
・新商品・サービスを分類する工程(ステップS250)。
ステップS200の処理として、ステップS210、S220、S230、S240、S250の各処理が、この図5に示されるように順に実施される。
・商品・サービス情報の整合性を保持する工程(ステップS310)。
・レコメンドクラスタを選択する工程(ステップS320)。
・履歴情報を生成する工程(ステップS330)。
・商品・サービスの基準値算出する工程(ステップS340)。
・レコメンドする商品・サービスを抽出する工程(ステップS350)。
ステップS300の処理として、ステップS310、S320、S330、S340、S350の各処理が、この図5に示されるように順に実施される。
本実施形態における対象商品・サービスを分類するに当たり、まず、「テキスト情報を解析する工程」を実施する。
例えば、「アイテムID」の項目が「0001」によって参照されるアイテム(商品)は、「テキスト」の項目に記載されているように、「女性限定、豪華フレンチディナーが半額」という特徴のサービスを提供するフレンチのレストラン(店舗)の情報であることが分かる。同様に、「0002」によって参照されるアイテム(商品)は、「徒歩1分の高級エステの全身フルコース半額」という特徴のサービスを提供するエステサロン(店舗)の情報であることが分かる。同様に、「1000」によって参照されるアイテム(商品)は、「人気の焼肉店の食べ放題、2H飲み放題付きが半額」という特徴のサービスを提供する焼き肉店(店舗)の情報であることが分かる。
「販売価格」は、提供される商品(アイテム)の販売価格情報を示す。「割引率」は、提供される商品(アイテム)の標準価格から割り引いて販売価格を設定した際の割引率を示す。「販売開始」は、提供される商品(アイテム)を販売開始する日時を示す。
「販売時間」は、提供される商品(アイテム)を「販売開始」によって示された販売開始する日時から販売を終了までの制限時間を示す。
「購入上限枚数」は、提供される商品(アイテム)の販売を「販売時間」によって制限された期間の中で販売を予定する商品の数を示す。なお、各商品がクーポンとして扱われているため、商品の数が枚数として示されている。
「店舗緯度」と「店舗経度」は、商品(アイテム)を提供する実際の店舗の位置を示す。
例えば、「アイテムID」の項目が「0001」によって参照されるアイテム(商品)は、「50%」の「割引率」で「販売価格」が「5,000円」に設定されており、「○年○月○○日○時」の「販売開始」から「72時間」の「販売時間」内に、「購入上限枚数」を「100枚」とするクーポンの販売を行うものであることが分かる。なお、商品(アイテム)を提供する実際の店舗は、「店舗緯度」と「店舗経度」に示されるように、東経「135度00分00秒」・北緯「36度00分00秒」の位置にあることが分かる。
このように、「アイテムID」の項目が「0002」から「1000」によって参照されるアイテム(商品)も、「アイテムID」の項目が「0001」の場合と同様に、「アイテムID」をキーにして各項目の情報を参照することができる。
テキスト解析処理部251は、上記の対象商品の固有情報テーブル1101に記憶されている商品・サービスを紹介するキャッチレーズなどの文章から所定のテキスト情報(文章や単語)を抽出する形態素解析を行い、形態素解析の結果を形態素解析結果テーブル1110に出力する。
この図8に示される形態素解析結果テーブル1110(TF上位ランキングリスト)は、「アイテムID」と「単語」の項目を含み、商品・サービスを特定する固有情報の「テキスト」の項目に記憶されている情報に基づいて出現頻度の高い順に整理した結果が示されている。
「単語」の項目は、対象商品の固有情報テーブル1101に記憶されている商品・サービスを紹介するキャッチレーズなどの文章から抽出された所定のテキスト情報である単語(形態素)を示す。
例えば、抽出された単語(形態素)は、出現頻度が高い方から順に「半額」、「高級」、・・・、「食べ放題」の単語が抽出されている。
「アイテムID」の項目が「0001」、「0002」及び「1000」の識別情報に対応する商品(アイテム)は、「割引率」の項目に示されるように、「割引率」が「50%」に設定されており、要するに、標準価格の「半額」で「販売価格」が設定されている商品である。この商品の特徴を文章で示す場合、上記のように「テキスト」の項目に登録されている情報に、それぞれ「半額」の単語が含まれる。このように、「テキスト」の項目に登録されている情報をテキスト・マイニングの手法により解析することにより、形態素の出現頻度(TF値)を検出することができる。
なお、出力されるテキスト・マイニングの手法による解析の結果(形態素解析結果)は、例えば、形態素解析により抽出した所定のテキスト情報の出現頻度(TF値)に基づいて、出現頻度(TF値)が高い順に、予め定めた所定の数に制限したテキスト情報を抽出してもよい。
次に、抽出したテキスト情報に基づいて辞書データ(単語辞書データ)を生成(更新)する処理を説明する。
図9は、単語辞書更新処理部252を説明する説明図である。
単語辞書更新処理部252は、形態素解析結果テーブル1110の単語の中から抽出したテキスト情報に基づいて、ユーザに選択させる選択基準に係るテキスト情報を抽出するための単語辞書データを単語辞書テーブル1210として生成する。ユーザに選択させる選択基準としては、例えば、「価格」、「質」、「量」、「利便性」、「評判」、「付加価値」などがあげられる。単語辞書テーブル1210は、単語辞書更新処理部252によって、予め定められた周期に応じて更新するようにしてもよい。
この図10に示される単語辞書テーブル1210は、「基準」と「単語」の項目を含み、形態素解析結果テーブル1110における「単語」に記憶されている単語を対象に、ユーザの選択基準で振り分けた結果の単語辞書が示されている。
「基準」は、ユーザに選択させる選択基準を示す。
「単語」は、ユーザに選択させる選択基準の項目に関係する単語(形態素)として分類されたテキスト情報である単語(形態素)が示されている。
「基準」に示される選択基準をキーにして、「単語」としてそれぞれ分類された単語(形態素)が参照される。
例えば、「基準」の一例である「価格」に関する単語として「半額」の単語が分類され、「質」に関する単語として「豪華」、「高級」の単語が分類され、「量」に関する単語として、「食べ放題」、「飲み放題」、「フル」の単語が分類され、「利便性」に関する単語として「徒歩1分」の単語が分類されている。さらに、「評判」に関する単語として「人気」の単語が分類されている。
抽出したテキスト情報(単語)を選択基準の項目に対応させて単語辞書データとして記憶させることにより、抽出したテキスト情報(単語)を同選択基準に応じて分類できる。
このようにして、これらの選択基準の項目にそれぞれ合致するテキスト情報を抽出し、選択基準の項目に応じて分類することができる。
次に、対象商品・サービスを分類する処理について説明する。
図11と図13は、特性分類処理部253を説明する説明図である。
図11に示すように、特性分類処理部253は、商品・サービスを示す固有要素と、単語辞書データとに基づいて、各対象商品・サービスを分類する。例えば、特性分類処理部253は、まず、前述の対象商品の固有情報テーブル1101における商品・サービスを示す固有要素と、単語辞書テーブル1210のユーザの選択基準で振り分けた単語辞書データを統合した特性情報テーブル1301を生成する。
この図12に示される特性情報テーブル1301は、前述の対象商品の固有情報テーブル1101に示す商品・サービスを特定する固有情報の項目に加え、「価格フラグ」、「質フラグ」、「量フラグ」、「利便性フラグ」、及び「評判フラグ」の各項目を含み、上記各項目が「アイテムID」の識別情報に関連付けられて記憶部23に格納される。
例えば、「価格フラグ」は、ユーザの選択基準(「基準」)としての「価格」に係る単語(形態素)として抽出された単語が含まれている場合に「1」、含まれていない場合に「0」を示している。「質フラグ」、「量フラグ」、「利便性フラグ」、及び「評判フラグ」についても同様に、「質」、「量」、「利便性」、及び「評判」に係る単語(形態素)としてそれぞれ抽出された単語が含まれている場合に「1」、含まれていない場合に「0」を示している。
前述のように、「アイテムID」を「0001」で参照される「テキスト」が「女性限定、豪華フレンチディナーが半額」であり、そのテキスト情報に「半額」と「豪華」の単語が含まれている。「半額」と「豪華」の単語は、それぞれ、「価格」と「質」に係る単語として分類されることから「価格フラグ」と「質フラグ」に「1」が保持される。一方、「アイテムID」を「0001」で参照されるテキスト情報に、「量」、「利便性」、及び「評判」に係る単語(形態素)として分類されている単語が含まれていないことから、「量フラグ」、「利便性フラグ」、及び「評判フラグ」は「0」が保持される。
なお、上記の説明においては、「価格フラグ」、「質フラグ」、「量フラグ」、「利便性フラグ」、及び「評判フラグ」の各項目の情報を、それぞれに対応する「フラグ」として用いる場合を例示したが、単語(形態素)として抽出された単語が含まれている個数を示す情報に代えてもよい。
特性分類処理部253は、対象商品・サービスを分類した結果を対象商品・サービスの分類結果情報テーブル1310に記憶させる。特性分類処理部253は、各クラスタの特徴をクラスタの重心情報によって表して、各クラスタの重心情報を重心情報テーブル1311に記憶させる。
この図14に示される分類結果情報テーブル1310は、「アイテムID」と「クラスタID」の各項目を含み、「クラスタID」の情報が「アイテムID」の識別情報に関連付けられて分類結果情報テーブル1310として記憶部23に格納される。
「クラスタID」の項目は、対象商品が分類されるクラスタを識別するクラスタ識別情報(番号)を示す。
例えば、「アイテムID」として「0001」、「0002」、及び「1000」によって参照される商品は、それぞれ、クラスタ識別情報(番号)が「1」、「4」、及び「2」のクラスタに分類されたことを示す。
この図15に示されるクラスタの重心情報テーブルには、ユーザの選択基準で振り分けた単語辞書を基準に、商品・サービスの特徴を特定する情報を解析して、対象商品が分類されるクラスタの特徴情報(重心情報)を示すクラスタの重心情報が書き込まれる。
この図15に示されるクラスタの重心情報テーブル1311は、「クラスタID」、「販売価格G」、「割引率G」、「価格フラグG」、「質フラグG」、「量フラグG」、「利便性フラグG」、及び「評判フラグG」の各項目を含む。「販売価格G」、「割引率G」、「価格フラグG」、「質フラグG」、「量フラグG」、「利便性フラグG」、及び「評判フラグG」の各項目の情報は、「クラスタID」の識別情報に関連付けられてクラスタの重心情報テーブル1311として記憶部23に格納される。
「販売価格G」、「割引率G」、「価格フラグG」、「質フラグG」、「量フラグG」、「利便性フラグG」、及び「評判フラグG」の各項目は、前述の「販売価格」、「割引率」、「価格フラグ」、「質フラグ」、「量フラグ」、「利便性フラグ」、及び「評判フラグ」の各項目に対応し、それぞれの項目の値は各項目の重心の位置を示す。
例えば、「販売価格G」として示される「販売価格」の重心情報は、「クラスタID」によって示されるクラスタ番号が、「1」、「2」、「3」の順に、それぞれ「0.25」、「0.18」、「0.89」であることが示されている。「割引率G」、「価格フラグG」、「質フラグG」、「量フラグG」、「利便性フラグG」、及び「評判フラグG」の各項目も、「販売価格G」と同様に、「クラスタID」によって参照される。なお、「販売価格G」、「割引率G」は、重心の算出前にそれぞれの値を規格化されて、規格化された値をもとにして、それぞれの重心が算出されている。
図16は、レコメンドルール生成部254を説明する説明図である。
レコメンドルール生成部254は、分類結果情報テーブル1310に示す対象商品・サービスの分類結果と、アクセス履歴情報テーブル1701のアクセス/購買履歴情報に基づいて、対象商品・サービスの特徴の傾向をモデル化したレコメンドルールを生成する。レコメンドルール生成部254は、アクセス/購買履歴情報を、対象商品に対するユーザの関心度情報(履歴情報)として利用する。
レコメンドルール生成部254は、レコメンドルールを生成に先立ち、分類結果情報テーブル1310に示す対象商品・サービスの分類結果と、アクセス履歴情報テーブル1701のアクセス/購買履歴情報とを統合した情報統合テーブル1401を生成する。換言すれば、レコメンドルール生成部254は、ユーザに提供可能とする複数の対象商品(アイテム)の特徴情報に基づいて、特徴が類似する対象商品が同じ商品分類(クラスタ)に含まれるように分類する(特徴情報の類似性に応じて分類する)分類基準を生成する。
この図17に示される情報統合テーブル1401は、「セッションID」、「アイテムID」及び「クラスタID」の各項目を含み、「アイテムID」、「クラスタID」の各項目の情報が、情報統合テーブル1401として記憶部23に「セッションID」の識別情報に関連付けられて格納される。
「セッションID」は、ユーザ端末通信制御部257がユーザ端末7とそれぞれ通信しているセッションを識別する識別情報を示す。
例えば、「セッションID」が「0001」で識別される通信において、2つのアイテム(「アイテムID」が「0001」と「0002」)が対応付けられており、「セッションID」が「0001」で識別される通信の中で、その2つのアイテムをユーザが購入したことを示す。また、その2つのアイテム(「アイテムID」が「0001」と「0002」)のそれぞれが、「クラスタID」が「1」と「4」によって識別されるクラスタを参照していることが示される。
また、「セッションID」が「0002」で識別される通信において、4つのアイテム(「アイテムID」が「0005」、「0001」、「0008」及び「0009」)が対応付けられており、「セッションID」が「0002」で識別される通信の中で、その4つのアイテムをユーザが購入したことを示す。また、その4つのアイテム(「アイテムID」が「0005」、「0001」、「0008」及び「0009」)のそれぞれが、「クラスタID」が「2」、「1」、「1」、「1」によって識別されるクラスタを参照していることが示される。
図18は、レコメンドルールとして算出されたレコメンドルール結果の一例を示す説明図である。
この図18に示されるレコメンドルール結果テーブル1410は、「ルール」、「前提部」、「結論部」、「support」、「lift」、「confidence」の各項目を含み、「前提部」、「結論部」、「support」、「lift」、「confidence」の各項目の情報が「ルール」を識別する識別情報に関連付けられてレコメンドルール結果テーブル1410として記憶部23に格納される。
「ルール」は、相関分析におけるルールを識別する識別情報を示す。「前提部」は、相関分析におけるルールの前提を示す。「結論部」は、相関分析におけるルールの結論を示す。「support」、「lift」、「confidence」は、相関分析におけるアソシエーション分析(Aprioriアルゴリズム)の手法から算出された情報が記憶される。
或いは、「ルール」を識別する識別情報が「2」にて識別される場合、「前提部」、「結論部」の情報がそれぞれ「1、2」、「3」になることが示されている。この場合、ユーザが「クラスタID」が「1」と「2」で識別される商品をそれぞれ参照した後に、続けて「クラスタID」が「3」で識別される商品を参照した場合を「ルール」として定義されたものであり、その「ルール」が「2」の識別情報によって識別される。
なお、択一的な選択を行うため、「結論部」の値が単数であるものを抽出する。換言すれば、結論部の長さが必ず1つのものだけ抽出する。出力結果は、レコメンドルール結果テーブル1410のとおりである。
図19は、選択対象分類処理部255を説明する説明図である。
選択対象分類処理部255は、新たに追加される新商品・サービスを分類する。選択対象分類処理部255は、前述の特性分類処理部253と同様の分類ロジックを適用して、新たに追加される新商品・サービスに対応するクラスタを予測する。
この図20に示される新商品・サービス情報テーブルの項目は、前述の特性情報テーブルと同じ項目を含み、新商品・サービス情報テーブルとして記憶部23に「アイテムID」の識別情報に関連付けられて格納される。
例えば、この新商品・サービス情報テーブルに示されるアイテムは、「XXXX」の「アイテムID」で識別されるアイテムを示し、その識別情報である「XXXX」から参照される各項目の情報が「アイテムID」に関連付けて記憶されている。
この図21に示されるアイテムを追加した対象商品・サービス分類結果情報テーブル1510の項目は、前述の特性情報テーブル1301と同じ項目を含み、新商品・サービス情報テーブル1501として記憶部23に「アイテムID」の識別情報に関連付けられて格納される。例えば、この新商品・サービス情報テーブルに追加されたアイテムは、「XXXX」の「アイテムID」で識別される。
なお、選択対象分類処理部255は、対象商品・サービス分類結果情報テーブル1510の情報をレコメンド情報生成装置3に送り、記憶部33に記憶させる。
整合性保持部351は、販売期間が過ぎた対象商品・サービスをレコメンドしないように対象商品・サービスの整合性を保持する。例えば、新しく発行された商品・サービス等のデータが挿入された商品・サービス情報を保持する対象商品情報テーブル3510の情報が記憶部33に記憶されている。
整合性保持部351は、対象商品情報テーブル3510が記憶するデータから、保持している販売時間のデータを用いて、残り販売期間を1時間ごとに減じて更新していく。この残り販売時間が「0」になった場合、販売時間が「0」になった対象商品を対象商品情報テーブル3510から削除することで、レコメンド時に不整合が起きないようになる。このように整合性が確保された対象商品情報テーブルを、対象商品情報テーブル3510と区別して対象商品情報テーブル3610とする。
この図22に示される整合性を保持するように処理をした選択対象商品情報テーブルの項目は、「アイテムID」、「クラスタID」、「カテゴリID」、「販売価格」、「残り販売時間」の項目を含み、選択対象商品情報テーブルとして、記憶部33に「アイテムID」に関連付けて記憶されている。
「カテゴリID」は、「アイテムID」によって参照される商品をジャンル分けしたジャンルの識別情報を示す。
「残り販売時間」は、販売終了までの残り時間を示す。
例えば、「アイテムID」として「0001」によって参照される商品は、「カテゴリID」が「3」のジャンルに分類されるものであり、販売時間があと12時間残っていることを示す。
「残り販売時間」の項目の値は、例えば、正時ごとに更新され、時間単位で減少した値が書き込まれる。仮に、「残り販売時間」の項目の値が、「0」になった場合には、販売時間が終了したものと判断し、当該アイテムの情報が、選択対象商品情報テーブルから削除される。このようにして、販売期間の期限が終了してしまったアイテムの販売情報を誤って提示することを防いでいる。
レコメンドクラスタ選択部352は、ユーザの要求に応じたアクセスや購買の発生ごとにレコメンドするクラスタを選択する。レコメンドクラスタ選択部352は、レコメンドルール結果テーブル3701、アクセス購買履歴テーブル3702、対象商品情報テーブル3610に基づいて、レコメンドすべき対象商品・サービスのクラスタIDを抽出する。
レコメンドルール結果テーブル3701には、サーバ装置2の制御部25(レコメンドルール生成部254)によって生成されたレコメンドルール結果テーブル1410の情報が書き込まれる。
この図23に示されるアクセス購買履歴テーブル3702の項目は、「セッションID」、「アイテムID」、「購買数量」の各項目を含み、アクセス購買履歴テーブル3702として記憶部33に記憶されている。
「購買数量」は、「セッションID」によって識別される通信(セッション)において、「アイテムID」において識別されるアイテムが購買された数量を示す。例えば、「セッションID」が「0001」で識別される通信において、2つのアイテム(「0001」と「0002」)が対応付けられており、「セッションID」が「0001」で識別される通信の中で、その2つのアイテムをユーザが購入したことを示す。また、その2つのアイテム(「0001」と「0002」)のそれぞれが、「購買数量」が「1」と「3」として記憶されており、その数のアイテムがそれぞれ購買されたことが示される。
また、「セッションID」が「0002」で識別される通信において、2つのアイテム(「アイテムID」が「0005」と「0001」の商品)が対応付けられており、「セッションID」が「0002」で識別される通信の中で、その2つのアイテムをユーザが購入したことを示す。また、その2つのアイテム(「アイテムID」が「0005」と「0001」の商品)のそれぞれが、「購買数量」が「1」と「2」として記憶されており、その数のアイテムがそれぞれ購買されたことが示される。
この図24に示される、対象商品・サービス分類結果情報テーブル1510の項目は、「セッションID」、「アイテムID」、「レコメンドクラスタID」の各項目を含み、対象商品・サービス分類結果情報テーブル1510として記憶部33に記憶される。
「レコメンドクラスタID」は、「セッションID」によって識別される通信(セッション)において、「アイテムID」において識別されるアイテムから推奨されるクラスタを「レコメンドクラスタ」として示す。例えば、この図24に示されるように、「セッションID」が「0001」によって識別される通信(セッション)において、「アイテムID」が「0001」において識別されるアイテムから推奨されるクラスタを識別する「レコメンドクラスタID」が「5」を示している。
このようにして、レコメンドクラスタ選択部352は、生成された分類基準と、提供可能とする複数の対象商品の商品情報と、ユーザが参照した対象商品の商品識別情報とに基づいて、上記分類基準に従って対象商品を分類する複数の商品分類(クラスタ)から、レコメンドルール結果テーブル3701によって定められる所定のレコメンドルールに従って何れかの商品分類(クラスタ)を推奨商品分類(レコメンドクラスタ)として選択する。
履歴情報集計部353は、アクセス・購買対象となった商品・サービスの参照回数の蓄積処理をする。履歴情報集計部353は、アクセス購買履歴テーブル3702におけるアクセス情報の「アイテムID」と「購買数」を用いて、各アイテムIDに対するアクセス回数と購買数を蓄積し、販売履歴情報テーブル1801における対象商品の「アクセス数」・「購買数」にその結果に格納する。
この図25に示される、販売履歴情報を記憶する販売履歴情報テーブル1801の項目は、「アイテムID」、「アクセス数」、「購買数」、「販売上限枚数」、「残り販売時間」の各項目を含み、販売履歴情報テーブル1801として記憶部33に記憶される。
「アクセス数」は、「アイテムID」によって参照される商品・サービスの情報を閲覧又は購入した回数を示す。「購買数」は、「アイテムID」によって参照される商品・サービスが販売された数を示す。「販売上限枚数」は、「アイテムID」によって参照される商品・サービスの販売を販売元から委託された数を示す。「残り販売時間」は、期間が制限されている販売期間が終了するまでの数を示す。
評価基準値算出部354は、前述の(レコメンドクラスタを選択する工程)において選択されたレコメンドクラスタの中からステークホルダの利得を考慮した基準を各商品やサービスごとに算出する。
この図26に示される、評価基準値の算出結果を示す評価基準情報テーブル3910の項目は、「セッションID」、「アイテムID」、「基準1」、「基準2」、「基準3」の各項目を含み、評価基準情報テーブル3910として記憶部33に記憶される。
「基準1」、「基準2」、「基準3」の各項目には、予め定められた算定基準によって算出された評価基準値の算出結果が書き込まれる。予め定められた算定基準は、ユーザと仲介業者と販売元が関係する取引の場合、ユーザの利得を多くするような基準と、仲介業者の利得を多くするような基準と、販売元の利得を多くするような基準との3つの基準を少なくとも含むようにする。
ここでは、「基準1」を、仲介業者の利得を多くするような基準とし、「基準2」を、販売元の利得を多くするような基準と、「基準3」を、ユーザの利得を多くするような基準とする。なお、「基準1」、「基準2」、「基準3」の値は、大きいほど利得が多くなると定義する。
例えば、「基準1」、「基準2」、「基準3」の値は、後述の演算式に従ってそれぞれ算出されるものとする。ここで、「セッションID」が「0001」によって識別される通信(セッション)において、「アイテムID」が「0001」において識別されるアイテムの場合、「基準1」、「基準2」、「基準3」の値は、「10.55」、「0.41」、「123.4」である。一方、「セッションID」が「0001」によって識別される通信(セッション)、即ち、上記と同一の通信セッションにおいて、「アイテムID」が「1231」において識別されるアイテムの場合、「基準1」、「基準2」、「基準3」の値は、それぞれ、「204.1」、「0.72」、「9.1」である。
この場合、「アイテムID」が「0001」において識別されるアイテムは、「アイテムID」が「1231」において識別されるアイテムに比べて、「基準1」の値からユーザの利得が比較的少なく、「基準3」の値から販売元の利得が比較的多いことが分かる。
「基準1」として、例えば、仲介業者の視点に応じて、仲介業者の利得が多くなることを数値化する式(1)を示す。
評価基準値算出部354は、前述の対象商品情報テーブル3610、レコメンドルール結果テーブル3701、レコメンドクラスタ結果テーブル3710、対象商品アクセス購買履歴テーブル3810を参照する。評価基準値算出部354は、上記テーブルを参照して得られたレコメンドすべきクラスタIDから、レコメンドの対象となるクラスタに含まれるアイテムの一覧を抽出する。抽出後、各ステークホルダを対象とした基準値(「基準1」、「基準2」、「基準3」)を算出する。例えば、ユーザ視点ならば店舗間の距離が近い、仲介業者視点ならば利益率が高い、販売店舗視点ならば達成率が低いなどを基準として基準値を各アイテムに対して算出し、その基準値の算出結果を評価基準情報テーブル3910に記憶させる。
抽出処理部355は、前述の(商品・サービスの基準値算出する工程)において算出された基準値をもとに、ステークホルダ別にレコメンドする商品を抽出する。
抽出処理部355は、評価基準情報テーブル3910を参照し、ステークホルダ別にレコメンドする商品を抽出したレコメンド結果をレコメンド結果テーブル4010に記憶させる。
この図27に示される、レコメンド結果を記憶するレコメンド結果テーブル4010の項目は、「セッションID」、「アイテムID_基準1」、「アイテムID_基準2」、「アイテムID_基準3」の各項目を含み、レコメンド結果テーブル4010として記憶部33に記憶される。
以上の実施形態においては、各データを算出する条件を予め定められたものとして説明したが、仲介業者は、レコメンド情報提供システム1を維持していくうえで、各データを算出する条件を変更することが必要になる場合がある。
このような場合、仲介業者は、販売する商品を分類するための分析モデル(レコメンドルール)を変更することができる。その際、仲介業者は、端末装置6から所定の操作を行うことによりレコメンド情報提供システム1における各データを算出する条件を変更する。端末装置6は、サーバ装置2に所定の制御情報を送信し、端末装置6から送信された制御情報をサーバ装置2(端末装置通信部25)が受け付ける。
サーバ装置2において、端末装置通信部256は、受け付けた制御情報に応じて、サーバ装置2又はレコメンド情報提供装置3において各データを算出する条件を変更する。なお、端末装置通信部256は、レコメンド情報提供装置3の処理を制御する場合には、記憶部33における変数制御情報テーブル4101に記憶されているデータ(フラグ、変数(数値)、演算式など)を変更してレコメンド情報提供装置3の処理を制御する。
第1に、各対象商品・サービスを分類する辞書を更新させる処理がある。
第2に、単語辞書を生成する際の、ユーザの選択基準を変更する処理がある。
第3に、一部の処理を省略させる処理がある。例えば、ステップS200の処理を行う際に、テキスト解析処理部251によるステップS210の処理を実施せずに、前回の処理で生成した形態素解析結果テーブルの情報を更新せずに利用する場合や、さらにステップS220の処理を実施せずに、単語辞辞書テーブル1210を更新させずに利用する場合などが挙げられる。
第1に、評価基準算出部354が参照する「基準」を定める演算式の変更(切替)処理がある。
第2に、レコメンドルール抽出の基準となる変数(support,lift,confidence)のうちから、少なくとも1つの変数をレコメンドルール抽出の基準とするように設定する処理がある。レコメンドルール抽出の基準とする変数は、上記変数(support,lift,confidence)のうちから選択された1つの変数又は複数とする。複数の変数が選択された場合には、それらの変数を組み合わせて用いることができる。
本実施形態における商品・サービスを販売する期間が制限された商品・サービスを電子商取引の対象として説明したが、電子商取引の対象として、複数のユーザが共同購入される「共同購入型クーポン」を取引の対象としてもよい。「共同購入型クーポン」は、指定された時間内に購入することで、大幅な割引をクーポンとして取得できる場合がある。このような「共同購入型クーポン」は、契約条件として設定された販売予定数を、複数のユーザが分割して購入することができる。この「共同購入型クーポン」においても、指定された時間内に契約することが必要とされ、契約予定者が購入を予約した数の総数が所定の販売予定数に達した時点で契約が成立する。
契約が成立するまでに所定の販売予定数に満たない場合には、申し込んだユーザの契約が不成立となってしまう。このように、購入を予約した数を変数に含む「基準」を設定して、契約が成立するまでに必要とされる販売数が比較的少ないアイテムを優先的にレコメンドするようにしてもよい。
この変形例においても、前述の実施形態に示す一例と同様に、レコメンド情報提供システム1は、電子商取引の消費者が商品やサービスの購入を検討するのに有用となる情報を提供することができる。
上記のサーバ装置2とレコメンド情報生成装置3とに機能分散させて構成する場合を例示したが、一体として構成してもよく、或るいは、他の機能分散の構成を選択することも可能である。
2 サーバ装置、21 通信処理部、22 記憶部、25 制御部、
251 テキスト解析処理部、252 単語辞書更新処理部、253 特性分類処理部、
254 レコメンドルール生成部、255 選択対象分類処理部、256 端末装置通信制御部、
257 ユーザ端末通信制御部、258 販売処理部、
3 レコメンド情報生成装置、31 通信処理部、33 記憶部、35 制御部、
351 整合性処理部、352 レコメンドクラスタ選択部、353 履歴情報生成部、
354 評価基準値算出部、355 抽出処理部、
4 通信装置、5 通信網、6 端末装置、7 ユーザ端末。
Claims (9)
- ユーザに提供可能とする複数の対象商品の特徴情報に基づいて、特徴が類似する対象商品が同じ商品分類に含まれるように分類する分類基準と、前記分類基準により分類された対象商品の特徴の傾向をモデル化したレコメンドルールとを生成するレコメンドルール生成部と、
前記分類基準と、前記提供可能とする複数の対象商品の商品情報と、ユーザが参照した対象商品の商品識別情報とに基づいて、前記分類基準に従って前記対象商品を分類する複数の商品分類から、前記レコメンドルールに従って何れかの商品分類を推奨商品分類として選択するレコメンドクラスタ選択部と、
前記選択された推奨商品分類に対応する対象商品の評価基準値を、前記対象商品に関する利害関係者毎の利得を決定するように予め定められる算出基準に従って、算出する評価基準値算出部と、
を備え、
レコメンド情報を生成させるように、前記算出された評価基準値をレコメンド情報生成装置に提供する、
ことを特徴とするレコメンド情報提供システム。 - 前記算出された評価基準値をもとにして、前記複数の算出基準に対応させて複数のレコメンドする選択対象商品の識別情報を抽出する抽出処理部
を備えることを特徴とする請求項1に記載のレコメンド情報提供システム。 - 前記レコメンドルール生成部は、
前記特徴情報に基づいた商品分類に従って前記対象商品を分類した分類結果情報と、前記対象商品に対するユーザの関心度情報(履歴情報)とに基づいて、複数の商品分類から推奨する商品分類を抽出するレコメンドルールを生成する
ことを特徴とする請求項1又は2に記載のレコメンド情報提供システム。 - 前記対象商品に新たに追加する対象商品を追加した選択対象商品を定め、前記選択対象商品を分類する複数のクラスタのうちの何れかのクラスタに、前記選択対象商品を分類する選択対象分類処理部
を備えることを特徴とする請求項1から3の何れか1項に記載のレコメンド情報提供システム。 - 販売期間が終了している対象商品を前記分類された選択対象商品の対象から削除する整合性保持部
を備えることを特徴とする請求項1から4の何れか1項に記載のレコメンド情報提供システム。 - 前記対象商品の特徴を示すテキスト情報のうちから前記対象商品の特性を示す特性情報を抽出するテキスト解析処理部
を備えることを特徴とする請求項1から5の何れか1項に記載のレコメンド情報提供システム。 - ユーザに提供可能とする複数の対象商品の特徴情報に基づいて、特徴が類似する対象商品が同じ商品分類に含まれるように分類し、前記対象商品の特徴の傾向をモデル化したレコメンドルールに従って選択可能に生成された分類基準と、前記提供可能とする複数の対象商品の商品情報と、ユーザが参照した対象商品の商品識別情報とに基づいて、前記分類基準に従って前記対象商品を分類する複数の商品分類から推奨する何れかの商品分類を推奨商品分類として選択するレコメンドクラスタ選択部と、
前記選択された推奨商品分類に対応する対象商品の評価基準値を、予め定められる複数の算出基準に従って算出する評価基準値算出部と、
前記算出された評価基準値に基づいて、レコメンド情報として提供する対象商品を抽出する抽出処理部と、
を備えることを特徴とするレコメンド情報生成装置。 - ユーザに提供可能とする複数の対象商品の特徴情報に基づいて、特徴が類似する対象商品が同じ商品分類に含まれるように分類する分類基準と、前記分類基準により分類された対象商品の特徴の傾向をモデル化したレコメンドルールとをレコメンドルール生成部が生成する工程と、
前記分類基準と、前記提供可能とする複数の対象商品の商品情報と、ユーザが参照した対象商品の商品識別情報とに基づいて、前記分類基準に従って前記対象商品を分類する複数の商品分類から、前記レコメンドルールに従って何れかの商品分類を推奨商品分類としてレコメンドクラスタ選択部が選択する工程と、
前記選択された推奨商品分類に対応する対象商品の評価基準値を、前記対象商品に関する利害関係者毎の利得を決定するように予め定められる複数の算出基準に従って算出する工程と、
レコメンド情報を生成させるように、前記算出された評価基準値をレコメンド情報生成装置に提供する工程と、
を含むことを特徴とするレコメンド情報提供方法。 - レコメンド情報を提供するレコメンド情報提供システムが備えるコンピュータに、
ユーザに提供可能とする複数の対象商品の特徴情報に基づいて、特徴が類似する対象商品が同じ商品分類に含まれるように分類する分類基準と、前記分類基準により分類された対象商品の特徴の傾向をモデル化したレコメンドルールとをレコメンドルール生成部が生成する工程と、
前記分類基準と、前記提供可能とする複数の対象商品の商品情報と、ユーザが参照した対象商品の商品識別情報とに基づいて、前記分類基準に従って前記対象商品を分類する複数の商品分類から、前記レコメンドルールに従って何れかの商品分類を推奨商品分類としてレコメンドクラスタ選択部が選択する工程と、
前記選択された推奨商品分類に対応する対象商品の評価基準値を、前記対象商品に関する利害関係者毎の利得を決定するように予め定められる複数の算出基準に従って算出する工程と、
レコメンド情報を生成させるように、前記算出された評価基準値をレコメンド情報生成装置に提供する工程と、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013033805A JP6014515B2 (ja) | 2013-02-22 | 2013-02-22 | レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013033805A JP6014515B2 (ja) | 2013-02-22 | 2013-02-22 | レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014164447A JP2014164447A (ja) | 2014-09-08 |
JP6014515B2 true JP6014515B2 (ja) | 2016-10-25 |
Family
ID=51615011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013033805A Active JP6014515B2 (ja) | 2013-02-22 | 2013-02-22 | レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6014515B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647724A (zh) * | 2018-05-11 | 2018-10-12 | 国网电子商务有限公司 | 一种基于模拟退火算法的用户推荐方法及装置 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101657582B1 (ko) * | 2015-11-13 | 2016-09-19 | (주)제이케이소프트 | 웹을 이용한 상품 이미지의 해시 태그 추출 시스템 및 방법 |
KR101657583B1 (ko) * | 2015-11-13 | 2016-09-19 | (주)제이케이소프트 | 모바일 애플리케이션을 이용한 상품 이미지의 해시 태그 추출 시스템 및 방법 |
WO2017203672A1 (ja) * | 2016-05-26 | 2017-11-30 | 富士通株式会社 | アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置 |
JP6780992B2 (ja) * | 2016-09-15 | 2020-11-04 | ヤフー株式会社 | 判定装置、判定方法および判定プログラム |
CN107220875B (zh) * | 2017-05-25 | 2020-09-22 | 黄华 | 一种服务良好的电子商务平台 |
JP7226757B2 (ja) * | 2018-03-30 | 2023-02-21 | Necソリューションイノベータ株式会社 | 健康管理支援装置、健康管理支援方法、およびプログラム |
CN110189188A (zh) * | 2019-04-15 | 2019-08-30 | 深圳平安综合金融服务有限公司 | 商品管理方法、装置、计算机设备及存储介质 |
CN112487276B (zh) * | 2019-09-11 | 2023-10-17 | 腾讯科技(深圳)有限公司 | 一种对象获取方法、装置、设备及存储介质 |
JPWO2021251002A1 (ja) * | 2020-06-12 | 2021-12-16 | ||
CN112258180A (zh) * | 2020-10-19 | 2021-01-22 | 上海卓钢链科技有限公司 | 一种基于联盟链的商城系统 |
CN112215684B (zh) * | 2020-10-30 | 2023-07-14 | 腾讯科技(深圳)有限公司 | 一种目标可控制对象的聚类方法及装置 |
CN112733004B (zh) * | 2021-01-22 | 2022-09-30 | 上海交通大学 | 一种基于多臂老虎机算法的影视作品推荐方法 |
CN116055074A (zh) * | 2021-10-27 | 2023-05-02 | 北京字节跳动网络技术有限公司 | 管理推荐策略的方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005114515A2 (en) * | 2004-05-12 | 2005-12-01 | Garret E Ran | System and method of matching artistic products with their audiences |
JP4378646B2 (ja) * | 2005-09-28 | 2009-12-09 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2008176398A (ja) * | 2007-01-16 | 2008-07-31 | Sony Corp | 情報処理装置および方法、並びにプログラム |
JP4524709B2 (ja) * | 2007-12-03 | 2010-08-18 | ソニー株式会社 | 情報処理装置および方法、並びに、プログラム |
JP2010073195A (ja) * | 2008-08-22 | 2010-04-02 | Osaka Prefecture Univ | 協調フィルタリング処理方法および協調フィルタリング処理プログラム |
JP5401261B2 (ja) * | 2009-10-30 | 2014-01-29 | 株式会社日立製作所 | 情報推薦方法及び装置 |
-
2013
- 2013-02-22 JP JP2013033805A patent/JP6014515B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647724A (zh) * | 2018-05-11 | 2018-10-12 | 国网电子商务有限公司 | 一种基于模拟退火算法的用户推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2014164447A (ja) | 2014-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6014515B2 (ja) | レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム | |
US20140019285A1 (en) | Dynamic Listing Recommendation | |
JP6285515B2 (ja) | 決定装置、決定方法および決定プログラム | |
JP2010073170A (ja) | 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US11823248B2 (en) | Systems and methods for using keywords extracted from reviews | |
JP2018045553A (ja) | 選択装置、選択方法および選択プログラム | |
JP6698730B2 (ja) | 抽出装置、抽出方法及び抽出プログラム | |
US11657107B2 (en) | Systems and methods for using keywords extracted from reviews | |
US10049375B1 (en) | Automated graph-based identification of early adopter users | |
CA3169819C (en) | Systems and methods for automated product classification | |
US20230139339A1 (en) | Method and system for adaptive product categorization | |
US11727466B2 (en) | Systems and methods for garment size recommendation | |
KR102576123B1 (ko) | 제품 공동구매 연계 시스템 및 방법 | |
CN114461918A (zh) | 物品推荐方法、装置、电子设备和存储介质 | |
US11308542B2 (en) | Systems and methods for using keywords extracted from reviews | |
JP6809148B2 (ja) | プログラムおよび組み合わせ抽出システム | |
JP6702628B1 (ja) | 提供装置、提供方法および提供プログラム | |
US20230316387A1 (en) | Systems and methods for providing product data on mobile user interfaces | |
US20230113506A1 (en) | Systems and methods for generating content for a user interface | |
US11586636B2 (en) | Methods and systems for generating search results | |
US20230351334A1 (en) | Method and system for message respeciation | |
US20230078260A1 (en) | Systems and methods for providing recommendations of computer applications based on similarity | |
Fasuga et al. | The method of automated monitoring of product prices and market position determination in relation to competition quotes: Monitoring of product prices and marketability development with continuous assessment of market position in on-line sales | |
CA3167140A1 (en) | Method and system for message respeciation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150710 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160523 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160809 |
|
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: 20160830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160926 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6014515 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 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |