JP6097126B2 - レコメンド情報生成装置及びレコメンド情報生成方法 - Google Patents
レコメンド情報生成装置及びレコメンド情報生成方法 Download PDFInfo
- Publication number
- JP6097126B2 JP6097126B2 JP2013082162A JP2013082162A JP6097126B2 JP 6097126 B2 JP6097126 B2 JP 6097126B2 JP 2013082162 A JP2013082162 A JP 2013082162A JP 2013082162 A JP2013082162 A JP 2013082162A JP 6097126 B2 JP6097126 B2 JP 6097126B2
- Authority
- JP
- Japan
- Prior art keywords
- content
- feature vector
- user
- account
- user feature
- 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)
Description
また、本発明の装置は、外部のSNSサービスにおいてユーザが投稿内容を受信するように登録しているアカウントを取得するアカウント収集手段と、アカウント収集手段によって取得されたアカウントについて、当該アカウントによる投稿内容がユーザの嗜好を特徴付けるものであるか否かを判別するアカウント判別手段と、アカウント判別手段によって投稿内容がユーザの嗜好を特徴付けるものであると判別されたアカウントによる投稿内容を収集する投稿内容収集手段と、ユーザが要求したコンテンツと要求時刻とを含む履歴情報を格納する履歴情報格納手段と、履歴情報に含まれるコンテンツを解析し、当該コンテンツの特徴を示す特徴ベクトルであるコンテンツ特徴ベクトルを算出するコンテンツ特徴ベクトル算出手段と、コンテンツ特徴ベクトル算出手段によって算出された履歴情報に含まれるコンテンツのコンテンツ特徴ベクトルを、当該履歴情報に含まれる要求時刻に基づいて時系列上の所定の時間間隔毎のセグメントに区分けし、各セグメントに区分けされたコンテンツ特徴ベクトルに基づいて当該セグメントのセグメント代表ベクトルを算出するセグメント代表ベクトル算出手段と、セグメント代表ベクトル算出手段によって算出されたセグメント代表ベクトルと当該セグメント代表ベクトルに対応するセグメントの時系列上における位置とに基づいて、コンテンツに対するユーザの嗜好を示す特徴ベクトルであるユーザ特徴ベクトルを算出するユーザ特徴ベクトル算出手段と、ユーザ特徴ベクトル算出手段によって算出されたユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成するレコメンド情報生成手段と、を備え、ユーザ特徴ベクトル算出手段は、履歴情報に基づいて算出されたユーザ特徴ベクトルと、履歴情報以外の一つ以上のデータソースに基づいて算出されたユーザ特徴ベクトルとの加重平均である総合ユーザ特徴ベクトルを算出し、データソースの一つとして、投稿内容収集手段によって収集された投稿内容を用い、レコメンド情報生成手段は、ユーザ特徴ベクトル算出手段によって算出された総合ユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成する。
また、本発明の装置において、ユーザ特徴ベクトル算出手段は、セグメント代表ベクトルを時系列順にオンライン学習に適用してユーザ特徴ベクトルを算出することが好ましい。
また、本発明の装置において、ユーザが閲覧したWebサイトのコンテンツ情報を収集するWebコンテンツ情報収集手段を更に備え、ユーザ特徴ベクトル算出手段は、データソースの一つとして、Webコンテンツ情報収集手段によって収集されたコンテンツ情報を用いることが好ましい。
また、本発明の方法は、ユーザが要求したコンテンツと要求時刻とを含む履歴情報を格納する履歴情報格納手段、アカウント収集手段、アカウント判別手段、投稿内容収集手段、コンテンツ特徴ベクトル算出手段、セグメント代表ベクトル算出手段、ユーザ特徴ベクトル算出手段、及びレコメンド情報生成手段を備えたレコメンド情報生成装置により実行される方法であって、アカウント収集手段が、外部のSNSサービスにおいてユーザが投稿内容を受信するように登録しているアカウントを取得するアカウント収集ステップと、アカウント判別手段が、アカウント収集ステップにおいて取得されたアカウントについて、当該アカウントによる投稿内容がユーザの嗜好を特徴付けるものであるか否かを判別するアカウント判別ステップと、投稿内容収集手段が、アカウント判別ステップにおいて投稿内容がユーザの嗜好を特徴付けるものであると判別されたアカウントによる投稿内容を収集する投稿内容収集ステップと、コンテンツ特徴ベクトル算出手段が、履歴情報に含まれるコンテンツを解析し、当該コンテンツの特徴を示す特徴ベクトルであるコンテンツ特徴ベクトルを算出するコンテンツ特徴ベクトル算出ステップと、セグメント代表ベクトル算出手段が、コンテンツ特徴ベクトル算出ステップにおいて算出された履歴情報に含まれるコンテンツのコンテンツ特徴ベクトルを、当該履歴情報に含まれる要求時刻に基づいて時系列上の所定の時間間隔毎のセグメントに区分けし、各セグメントに区分けされたコンテンツ特徴ベクトルに基づいて当該セグメントのセグメント代表ベクトルを算出するセグメント代表ベクトル算出ステップと、ユーザ特徴ベクトル算出手段が、セグメント代表ベクトル算出ステップにおいて算出されたセグメント代表ベクトルと当該セグメント代表ベクトルに対応するセグメントの時系列上における位置とに基づいて、コンテンツに対するユーザの嗜好を示す特徴ベクトルであるユーザ特徴ベクトルを算出するユーザ特徴ベクトル算出ステップと、レコメンド情報生成手段が、ユーザ特徴ベクトル算出ステップにおいて算出されたユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成するレコメンド情報生成ステップと、を含み、ユーザ特徴ベクトル算出ステップにおいて、ユーザ特徴ベクトル算出手段が、履歴情報に基づいて算出されたユーザ特徴ベクトルと、履歴情報以外の一つ以上のデータソースに基づいて算出されたユーザ特徴ベクトルとの加重平均である総合ユーザ特徴ベクトルを算出し、データソースの一つとして、投稿内容収集ステップにおいて収集された投稿内容を用い、レコメンド情報生成ステップにおいて、レコメンド情報生成手段が、ユーザ特徴ベクトル算出ステップにおいて算出された総合ユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成する。
図1は、本発明の第1実施形態に係るレコメンド情報生成装置1に備わる様々な機能要素のうち、本実施形態に特に関連する機能要素から構成される機能ブロック図である。図1に示す通り、レコメンド情報生成装置1は、履歴収集部10、コンテンツ特徴ベクトル算出部11(コンテンツ特徴ベクトル算出手段)、セグメント代表ベクトル算出部12(セグメント代表ベクトル算出手段)、ユーザ特徴ベクトル算出部13(ユーザ特徴ベクトル算出手段)、レコメンド要求受信部14(レコメンド情報生成手段)、レコメンド結果配信部15(レコメンド情報生成手段)、履歴情報格納部20(履歴情報格納手段)、コンテンツ格納部21(履歴情報格納手段)、コンテンツ特徴ベクトル格納部22、及びユーザ特徴ベクトル格納部23を少なくとも含んで構成される。
ここで、Tはベクトルの転置を表す。
ここで、rは一度当たりの学習の度合いを調整するパラメータ、v、α、βはスカラー値、Σは特徴次元数×特徴次元数の対角行列である。式(6)において、wt−1をxtの方向に更新することで、次回からxtを満足クラスに分類出来るように更新している(図6のステップS6及び7)。図8に示す例では、四角で表現されているベクトルがwt−1では不満足クラスに分類されていたものが、wtに更新することで満足クラスに分類されるようになる様子が表現されている。
続いて、本発明の第2実施形態に係るレコメンド情報生成装置1aについて説明する。レコメンド情報生成装置1aは、前述の第1実施形態のレコメンド情報生成装置1で使用したユーザ履歴情報に加え、マイクロブログ等のSNS(Social Networking Service)サービスの友人関係を用いてユーザ特徴ベクトルを算出する。SNSサービスでは、主に情報収集を目的として特定の情報を配信するアカウントと友人になるということが頻繁に行われている。ここで、SNSサービスにおいてユーザAが別のユーザBを友人として登録する(友人関係になる)と、ユーザBが投稿したブログ等のコンテンツが、ユーザAに通知されるようになる。これは以前からRSS(RDF Site Summary)リーダーが果たしてきた用途に近いものであり、ユーザの嗜好を強く反映したリストであると言える。そのため、ニュース記事等のレコメンドにおいては有用な情報である。
続いて、本発明の第3実施形態に係るレコメンド情報生成装置1bについて説明する。レコメンド情報生成装置1bは、前述の第2実施形態のレコメンド情報生成装置1aで使用したユーザ履歴情報及び投稿内容に加え、Webブラウザ等によるWeb閲覧履歴を用いてユーザ特徴ベクトルを算出する。
Claims (10)
- ユーザが要求したコンテンツと要求時刻とを含む履歴情報を格納する履歴情報格納手段と、
前記履歴情報に含まれるコンテンツを解析し、当該コンテンツの特徴を示す特徴ベクトルであるコンテンツ特徴ベクトルを算出するコンテンツ特徴ベクトル算出手段と、
前記コンテンツ特徴ベクトル算出手段によって算出された前記履歴情報に含まれるコンテンツのコンテンツ特徴ベクトルを、当該履歴情報に含まれる要求時刻に基づいて時系列上の所定の時間間隔毎のセグメントに区分けし、各セグメントに区分けされたコンテンツ特徴ベクトルに基づいて当該セグメントのセグメント代表ベクトルを算出するセグメント代表ベクトル算出手段と、
前記セグメント代表ベクトル算出手段によって算出されたセグメント代表ベクトルと当該セグメント代表ベクトルに対応するセグメントの時系列上における位置とに基づいて、コンテンツに対するユーザの嗜好を示す特徴ベクトルであるユーザ特徴ベクトルを算出するユーザ特徴ベクトル算出手段と、
前記ユーザ特徴ベクトル算出手段によって算出されたユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成するレコメンド情報生成手段と、
を備え、
前記ユーザ特徴ベクトル算出手段は、時系列上において隣り合うセグメントのセグメント代表ベクトルの差分を用いたランキング学習を適用してユーザ特徴ベクトルを算出する、
レコメンド情報生成装置。 - 前記ユーザ特徴ベクトル算出手段は、セグメント代表ベクトルを時系列順にオンライン学習に適用してユーザ特徴ベクトルを算出する、請求項1に記載のレコメンド情報生成装置。
- 前記ユーザ特徴ベクトル算出手段は、前記履歴情報に基づいて算出されたユーザ特徴ベクトルと、前記履歴情報以外の一つ以上のデータソースに基づいて算出されたユーザ特徴ベクトルとの加重平均である総合ユーザ特徴ベクトルを算出し、
前記レコメンド情報生成手段は、前記ユーザ特徴ベクトル算出手段によって算出された総合ユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成する、
請求項1又は2に記載のレコメンド情報生成装置。 - 外部のSNSサービスにおいてユーザが投稿内容を受信するように登録しているアカウントを取得するアカウント収集手段と、
前記アカウント収集手段によって取得されたアカウントについて、当該アカウントによる投稿内容がユーザの嗜好を特徴付けるものであるか否かを判別するアカウント判別手段と、
前記アカウント判別手段によって投稿内容がユーザの嗜好を特徴付けるものであると判別されたアカウントによる投稿内容を収集する投稿内容収集手段と、
を更に備え、
前記ユーザ特徴ベクトル算出手段は、前記データソースの一つとして、前記投稿内容収集手段によって収集された投稿内容を用いる、
請求項3に記載のレコメンド情報生成装置。 - ユーザが閲覧したWebサイトのコンテンツ情報を収集するWebコンテンツ情報収集手段を更に備え、
前記ユーザ特徴ベクトル算出手段は、前記データソースの一つとして、前記Webコンテンツ情報収集手段によって収集されたコンテンツ情報を用いる、
請求項3又は4に記載のレコメンド情報生成装置。 - 外部のSNSサービスにおいてユーザが投稿内容を受信するように登録しているアカウントを取得するアカウント収集手段と、
前記アカウント収集手段によって取得されたアカウントについて、当該アカウントによる投稿内容がユーザの嗜好を特徴付けるものであるか否かを判別するアカウント判別手段と、
前記アカウント判別手段によって投稿内容がユーザの嗜好を特徴付けるものであると判別されたアカウントによる投稿内容を収集する投稿内容収集手段と、
ユーザが要求したコンテンツと要求時刻とを含む履歴情報を格納する履歴情報格納手段と、
前記履歴情報に含まれるコンテンツを解析し、当該コンテンツの特徴を示す特徴ベクトルであるコンテンツ特徴ベクトルを算出するコンテンツ特徴ベクトル算出手段と、
前記コンテンツ特徴ベクトル算出手段によって算出された前記履歴情報に含まれるコンテンツのコンテンツ特徴ベクトルを、当該履歴情報に含まれる要求時刻に基づいて時系列上の所定の時間間隔毎のセグメントに区分けし、各セグメントに区分けされたコンテンツ特徴ベクトルに基づいて当該セグメントのセグメント代表ベクトルを算出するセグメント代表ベクトル算出手段と、
前記セグメント代表ベクトル算出手段によって算出されたセグメント代表ベクトルと当該セグメント代表ベクトルに対応するセグメントの時系列上における位置とに基づいて、コンテンツに対するユーザの嗜好を示す特徴ベクトルであるユーザ特徴ベクトルを算出するユーザ特徴ベクトル算出手段と、
前記ユーザ特徴ベクトル算出手段によって算出されたユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成するレコメンド情報生成手段と、
を備え、
前記ユーザ特徴ベクトル算出手段は、
前記履歴情報に基づいて算出されたユーザ特徴ベクトルと、前記履歴情報以外の一つ以上のデータソースに基づいて算出されたユーザ特徴ベクトルとの加重平均である総合ユーザ特徴ベクトルを算出し、
前記データソースの一つとして、前記投稿内容収集手段によって収集された投稿内容を用い、
前記レコメンド情報生成手段は、前記ユーザ特徴ベクトル算出手段によって算出された総合ユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成する、
レコメンド情報生成装置。 - 前記ユーザ特徴ベクトル算出手段は、セグメント代表ベクトルを時系列順にオンライン学習に適用してユーザ特徴ベクトルを算出する、請求項6に記載のレコメンド情報生成装置。
- ユーザが閲覧したWebサイトのコンテンツ情報を収集するWebコンテンツ情報収集手段を更に備え、
前記ユーザ特徴ベクトル算出手段は、前記データソースの一つとして、前記Webコンテンツ情報収集手段によって収集されたコンテンツ情報を用いる、
請求項6又は7に記載のレコメンド情報生成装置。 - ユーザが要求したコンテンツと要求時刻とを含む履歴情報を格納する履歴情報格納手段、コンテンツ特徴ベクトル算出手段、セグメント代表ベクトル算出手段、ユーザ特徴ベクトル算出手段、及びレコメンド情報生成手段を備えたレコメンド情報生成装置により実行される方法であって、
前記コンテンツ特徴ベクトル算出手段が、前記履歴情報に含まれるコンテンツを解析し、当該コンテンツの特徴を示す特徴ベクトルであるコンテンツ特徴ベクトルを算出するコンテンツ特徴ベクトル算出ステップと、
前記セグメント代表ベクトル算出手段が、前記コンテンツ特徴ベクトル算出ステップにおいて算出された前記履歴情報に含まれるコンテンツのコンテンツ特徴ベクトルを、当該履歴情報に含まれる要求時刻に基づいて時系列上の所定の時間間隔毎のセグメントに区分けし、各セグメントに区分けされたコンテンツ特徴ベクトルに基づいて当該セグメントのセグメント代表ベクトルを算出するセグメント代表ベクトル算出ステップと、
前記ユーザ特徴ベクトル算出手段が、前記セグメント代表ベクトル算出ステップにおいて算出されたセグメント代表ベクトルと当該セグメント代表ベクトルに対応するセグメントの時系列上における位置とに基づいて、コンテンツに対するユーザの嗜好を示す特徴ベクトルであるユーザ特徴ベクトルを算出するユーザ特徴ベクトル算出ステップと、
前記レコメンド情報生成手段が、前記ユーザ特徴ベクトル算出ステップにおいて算出されたユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成するレコメンド情報生成ステップと、
を含み、
前記ユーザ特徴ベクトル算出ステップにおいて、前記ユーザ特徴ベクトル算出手段が、時系列上において隣り合うセグメントのセグメント代表ベクトルの差分を用いたランキング学習を適用してユーザ特徴ベクトルを算出する、
レコメンド情報生成方法。 - ユーザが要求したコンテンツと要求時刻とを含む履歴情報を格納する履歴情報格納手段、アカウント収集手段、アカウント判別手段、投稿内容収集手段、コンテンツ特徴ベクトル算出手段、セグメント代表ベクトル算出手段、ユーザ特徴ベクトル算出手段、及びレコメンド情報生成手段を備えたレコメンド情報生成装置により実行される方法であって、
前記アカウント収集手段が、外部のSNSサービスにおいてユーザが投稿内容を受信するように登録しているアカウントを取得するアカウント収集ステップと、
前記アカウント判別手段が、前記アカウント収集ステップにおいて取得されたアカウントについて、当該アカウントによる投稿内容がユーザの嗜好を特徴付けるものであるか否かを判別するアカウント判別ステップと、
前記投稿内容収集手段が、前記アカウント判別ステップにおいて投稿内容がユーザの嗜好を特徴付けるものであると判別されたアカウントによる投稿内容を収集する投稿内容収集ステップと、
前記コンテンツ特徴ベクトル算出手段が、前記履歴情報に含まれるコンテンツを解析し、当該コンテンツの特徴を示す特徴ベクトルであるコンテンツ特徴ベクトルを算出するコンテンツ特徴ベクトル算出ステップと、
前記セグメント代表ベクトル算出手段が、前記コンテンツ特徴ベクトル算出ステップにおいて算出された前記履歴情報に含まれるコンテンツのコンテンツ特徴ベクトルを、当該履歴情報に含まれる要求時刻に基づいて時系列上の所定の時間間隔毎のセグメントに区分けし、各セグメントに区分けされたコンテンツ特徴ベクトルに基づいて当該セグメントのセグメント代表ベクトルを算出するセグメント代表ベクトル算出ステップと、
前記ユーザ特徴ベクトル算出手段が、前記セグメント代表ベクトル算出ステップにおいて算出されたセグメント代表ベクトルと当該セグメント代表ベクトルに対応するセグメントの時系列上における位置とに基づいて、コンテンツに対するユーザの嗜好を示す特徴ベクトルであるユーザ特徴ベクトルを算出するユーザ特徴ベクトル算出ステップと、
前記レコメンド情報生成手段が、前記ユーザ特徴ベクトル算出ステップにおいて算出されたユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成するレコメンド情報生成ステップと、
を含み、
前記ユーザ特徴ベクトル算出ステップにおいて、前記ユーザ特徴ベクトル算出手段が、
前記履歴情報に基づいて算出されたユーザ特徴ベクトルと、前記履歴情報以外の一つ以上のデータソースに基づいて算出されたユーザ特徴ベクトルとの加重平均である総合ユーザ特徴ベクトルを算出し、
前記データソースの一つとして、前記投稿内容収集ステップにおいて収集された投稿内容を用い、
前記レコメンド情報生成ステップにおいて、前記レコメンド情報生成手段が、前記ユーザ特徴ベクトル算出ステップにおいて算出された総合ユーザ特徴ベクトルに基づいて、ユーザにレコメンドするコンテンツに関するレコメンド情報を生成する、
レコメンド情報生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013082162A JP6097126B2 (ja) | 2013-04-10 | 2013-04-10 | レコメンド情報生成装置及びレコメンド情報生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013082162A JP6097126B2 (ja) | 2013-04-10 | 2013-04-10 | レコメンド情報生成装置及びレコメンド情報生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014203442A JP2014203442A (ja) | 2014-10-27 |
JP6097126B2 true JP6097126B2 (ja) | 2017-03-15 |
Family
ID=52353783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013082162A Active JP6097126B2 (ja) | 2013-04-10 | 2013-04-10 | レコメンド情報生成装置及びレコメンド情報生成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6097126B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776660A (zh) | 2015-11-25 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及装置 |
JP6851944B2 (ja) * | 2017-09-19 | 2021-03-31 | ヤフー株式会社 | 検索システム、および検索方法 |
JP6854748B2 (ja) * | 2017-12-21 | 2021-04-07 | ヤフー株式会社 | 情報提供装置、情報提供方法、およびプログラム |
WO2019232440A1 (en) * | 2018-06-01 | 2019-12-05 | Systems And Software Enterprises, Llc | Systems and methods for recommendation system based on implicit feedback |
JP7238315B2 (ja) * | 2018-10-02 | 2023-03-14 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置、及び情報処理プログラム |
CN110851706B (zh) | 2019-10-10 | 2022-11-01 | 百度在线网络技术(北京)有限公司 | 用户点击模型的训练方法、装置、电子设备及存储介质 |
CN111080339B (zh) * | 2019-11-18 | 2024-01-30 | 口口相传(北京)网络技术有限公司 | 基于场景的类目偏好数据生成方法及装置 |
CN111724880A (zh) * | 2020-06-09 | 2020-09-29 | 百度在线网络技术(北京)有限公司 | 用户情绪调节方法、装置、设备和可读存储介质 |
CN111949877B (zh) * | 2020-08-14 | 2023-02-28 | 中国科学院信息工程研究所 | 一种个性化兴趣点推荐方法及系统 |
KR102645901B1 (ko) * | 2021-07-30 | 2024-03-08 | 숭실대학교산학협력단 | 지식 그래프 임베딩을 응용한 개인화된 아이템 추천 방법 및 장치 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5165422B2 (ja) * | 2008-03-14 | 2013-03-21 | 株式会社エヌ・ティ・ティ・ドコモ | 情報提供システム及び情報提供方法 |
JP2010181966A (ja) * | 2009-02-03 | 2010-08-19 | Ntt Docomo Inc | レコメンド情報評価装置およびレコメンド情報評価方法 |
JP2010224623A (ja) * | 2009-03-19 | 2010-10-07 | Nomura Research Institute Ltd | 関連記事推奨方法および関連記事推奨プログラム |
-
2013
- 2013-04-10 JP JP2013082162A patent/JP6097126B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2014203442A (ja) | 2014-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6097126B2 (ja) | レコメンド情報生成装置及びレコメンド情報生成方法 | |
US10936959B2 (en) | Determining trustworthiness and compatibility of a person | |
CN108804633B (zh) | 基于行为语义知识网络的内容推荐方法 | |
Zhao et al. | Exploring demographic information in social media for product recommendation | |
US9785888B2 (en) | Information processing apparatus, information processing method, and program for prediction model generated based on evaluation information | |
JP4637969B1 (ja) | ウェブページの主意,およびユーザの嗜好を適切に把握して,最善の情報をリアルタイムに推奨する方法 | |
JP6435426B1 (ja) | 情報分析装置、情報分析方法および情報分析プログラム | |
WO2016086724A1 (zh) | 一种确定候评项的质量信息的方法与装置 | |
JP5615857B2 (ja) | 分析装置、分析方法及び分析プログラム | |
EP2779058A1 (en) | Recommendations based upon explicit user similarity | |
CN109325179A (zh) | 一种内容推广的方法及装置 | |
US20110219299A1 (en) | Method and system of providing completion suggestion to a partial linguistic element | |
JP6728178B2 (ja) | 検索データを処理するための方法及び装置 | |
WO2017061038A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN112989824A (zh) | 信息推送方法及装置、电子设备及存储介质 | |
JP6357283B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Duong et al. | A novel hybrid recommendation system integrating content-based and rating information | |
CN113392329A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
JP2020057206A (ja) | 情報処理装置 | |
CN114399352B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
Kim et al. | Rating and comments mining using TF-IDF and SO-PMI for improved priority ratings | |
KR101132431B1 (ko) | 관심 정보 제공 시스템 및 방법 | |
JP2019191714A (ja) | Urlのアクセス履歴を用いて予測対象行動に至るであろう潜在対象ユーザを推定するプログラム、装置及び方法 | |
JP2009211516A (ja) | 顧客行動分析システム | |
JP6007300B1 (ja) | 算出装置、算出方法および算出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161031 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161215 |
|
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: 20170131 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170217 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6097126 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 |