JP6269864B2 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

情報処理装置、情報処理方法、及び情報処理プログラム Download PDF

Info

Publication number
JP6269864B2
JP6269864B2 JP2017007511A JP2017007511A JP6269864B2 JP 6269864 B2 JP6269864 B2 JP 6269864B2 JP 2017007511 A JP2017007511 A JP 2017007511A JP 2017007511 A JP2017007511 A JP 2017007511A JP 6269864 B2 JP6269864 B2 JP 6269864B2
Authority
JP
Japan
Prior art keywords
attribute
item
recommended
information
value
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
Application number
JP2017007511A
Other languages
English (en)
Other versions
JP2017102948A5 (ja
JP2017102948A (ja
Inventor
幸之助 松下
幸之助 松下
一郎 宍戸
一郎 宍戸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JVCKenwood Corp
Original Assignee
JVCKenwood Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JVCKenwood Corp filed Critical JVCKenwood Corp
Priority to JP2017007511A priority Critical patent/JP6269864B2/ja
Publication of JP2017102948A publication Critical patent/JP2017102948A/ja
Publication of JP2017102948A5 publication Critical patent/JP2017102948A5/ja
Application granted granted Critical
Publication of JP6269864B2 publication Critical patent/JP6269864B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、ユーザに対してアイテムを推薦するための技術に関する。
近年、デジタル技術やネットワーク技術の進展により、ネットワークを使ってデジタル
コンテンツや物品などのアイテムを配信したり、販売することが増えている。これに伴い
、多数のアイテムの中から、ユーザが興味を持つ可能性の高いアイテムの情報や、目的と
合致する情報を選択して提供する技術へのニーズが高まっている。
例えば、アイテムを推薦する技術の一つに、協調フィルタリングを用いた推薦処理が存
在する。協調フィルタリングを用いた推薦処理では、多数の閲覧履歴や利用履歴などの利
用情報を蓄積し、その利用情報を用いて、ユーザが興味を持つ可能性の高いアイテム集合
を推薦する。
また、サービス開始時等の利用情報が少ない時期においても、アイテムを推薦する技術
へのニーズが高まっている。
例えば、利用情報が少ない場合でも推薦するための技術が、特許文献1に開示されてい
る。
特開2004−341584
特許文献1は、ユーザがアクセスしたアイテムに関連するアイテムと、ユーザが過去に
アクセスした多数のアイテムに関連するアイテムとを合成することで、利用情報が少ない
状態でもアイテムを提示することができる。
しかしながら、上記の特許文献1では、利用情報のみを用いるために、ユーザから一度
もアクセスのないようなアイテムは推薦されない。つまり、多様なアイテムを推薦するの
が難しいため、ユーザが「同じようなアイテムしか推薦されない」と感じ、推薦への興味
を失ってしまうことがあった。
本発明は、多様なアイテムを推薦することができる技術を提供することを目的とする。
本発明は上述した従来の技術の課題を解決するため、利用主体を識別するための利用主
体識別子と、前記利用主体により利用されたアイテムを識別するアイテム識別子とを対応
付けた利用情報を格納する利用情報格納部と、アイテム識別子と、アイテムの属性を識別
する属性識別子と、を対応付けた属性対応情報を格納するアイテム情報格納部と、前記利
用情報及び前記属性対応情報に基づいて、属性識別子と、利用主体識別子との間の推薦値
である属性推薦値を算出し、算出した属性推薦値に基づいて、利用主体識別子ごとに、そ
の利用主体識別子に関連する属性識別子である推薦属性を選出し、それぞれの利用主体識
別子と、選出した推薦属性とを対応付けた推薦属性情報を作成する推薦属性選出部と、前
記推薦属性選出部が生成した推薦属性情報を格納する推薦属性情報格納部と、一の利用主
体の利用主体識別子を含む推薦属性情報を前記推薦属性情報格納部より取得し、取得した
推薦属性情報に含まれる属性識別子の内のいずれかを含む属性対応情報を前記アイテム情
報格納部より取得し、取得した属性対応情報に含まれるアイテム識別子の集合である推薦
候補アイテム集合を形成し、その推薦候補アイテム集合に含まれるアイテム識別子それぞ
れと前記一の利用主体との推薦値を算出し、算出した推薦値に基づいて、前記一の利用主
体に推薦するアイテムを選出する推薦アイテム選出部とを備えることを特徴とする情報処
理装置を提供する。
また、本発明は上述した従来の技術の課題を解決するため、利用主体を識別するための
利用主体識別子と、前記利用主体により利用されたアイテムを識別するアイテム識別子と
を対応付けた利用情報を利用情報格納部に格納する利用情報格納ステップと、アイテム識
別子と、アイテムの属性を識別する属性識別子と、を対応付けた属性対応情報をアイテム
情報格納部に格納するアイテム情報格納ステップと、前記利用情報及び前記属性対応情報
に基づいて、属性識別子と、利用主体識別子との間の推薦値である属性推薦値を算出し、
算出した属性推薦値に基づいて、利用主体識別子ごとに、その利用主体識別子に関連する
属性識別子である推薦属性を選出し、それぞれの利用主体識別子と、選出した推薦属性と
を対応付けた推薦属性情報を作成する推薦属性選出ステップと、前記推薦属性選出ステッ
プにおいて生成した推薦属性情報を推薦属性情報格納部に格納する推薦属性情報格納ステ
ップと、一の利用主体の利用主体識別子を含む推薦属性情報を前記推薦属性情報格納部よ
り取得し、取得した推薦属性情報に含まれる属性識別子の内のいずれかを含む属性対応情
報を前記アイテム情報格納部より取得し、取得した属性対応情報に含まれるアイテム識別
子の集合である推薦候補アイテム集合を形成し、その推薦候補アイテム集合に含まれるア
イテム識別子それぞれと前記一の利用主体との推薦値を算出し、算出した推薦値に基づい
て、前記一の利用主体に推薦するアイテムを選出する推薦アイテム選出ステップとを有す
ることを特徴とする情報処理方法を提供する。
また、本発明は上述した従来の技術の課題を解決するため、コンピュータに、利用主体
を識別するための利用主体識別子と、前記利用主体により利用されたアイテムを識別する
アイテム識別子とを対応付けた利用情報を利用情報格納部に格納する利用情報格納ステッ
プと、アイテム識別子と、アイテムの属性を識別する属性識別子と、を対応付けた属性対
応情報をアイテム情報格納部に格納するアイテム情報格納ステップと、前記利用情報及び
前記属性対応情報に基づいて、属性識別子と、利用主体識別子との間の推薦値である属性
推薦値を算出し、算出した属性推薦値に基づいて、利用主体識別子ごとに、その利用主体
識別子に関連する属性識別子である推薦属性を選出し、それぞれの利用主体識別子と、選
出した推薦属性とを対応付けた推薦属性情報を作成する推薦属性選出ステップと、前記推
薦属性選出ステップにおいて生成した推薦属性情報を推薦属性情報格納部に格納する推薦
属性情報格納ステップと、一の利用主体の利用主体識別子を含む推薦属性情報を前記推薦
属性情報格納部より取得し、取得した推薦属性情報に含まれる属性識別子の内のいずれか
を含む属性対応情報を前記アイテム情報格納部より取得し、取得した属性対応情報に含ま
れるアイテム識別子の集合である推薦候補アイテム集合を形成し、その推薦候補アイテム
集合に含まれるアイテム識別子それぞれと前記一の利用主体との推薦値を算出し、算出し
た推薦値に基づいて、前記一の利用主体に推薦するアイテムを選出する推薦アイテム選出
ステップとを実行させることを特徴とする情報処理プログラムを提供する。
本発明によれば、多様なアイテムを推薦することができる。
本発明の第1の実施形態におけるシステム全体の構成を示す図である。 本発明の第1の実施形態における情報処理サーバ装置1の構成を示すブロック図である。 本発明の第1の実施形態におけるユーザ情報格納部131の格納状態を示す図である。 本発明の第1の実施形態におけるアイテム情報格納部132の格納状態を示す図である。 本発明の第1の実施形態における利用情報格納部133の格納状態を示す図である。 本発明の第1の実施形態における推薦属性情報格納部134の格納状態を図である。 本発明の第1の実施形態における属性嗜好情報格納部135の格納状態を示す図である。 本発明の第1の実施形態における属性優先値情報格納部136の格納状態を示す図である。 本発明の第1の実施形態における推薦アイテム情報格納部137の格納状態を示す図である。 本発明の第1の実施形態における推薦属性選出処理の手順を示すフローチャートである。 本発明の第1の実施形態における属性嗜好度算出処理の手順を示すフローチャートである。 本発明の第1の実施形態における属性優先値算出処理の手順を示すフローチャートである。 本発明の第1の実施形態における推薦アイテム選出処理の手順を示すフローチャートである。 本発明の第1の実施形態におけるユーザu3に対する推薦属性を示す表である。 本発明の第1の実施形態におけるユーザu3に対する推薦候補アイテムのアイテム集合のイメージを示す図である。
以下、本発明の情報処理装置、情報処理方法、及びプログラムについて、添付図面を参
照して説明する。なお、本発明におけるアイテムとは、テキスト、音声、音楽、映像、ウ
ェブページ等のデジタルコンテンツや様々な物品であってもよいし、金融商品、不動産、
人物に関する情報等であってもよい。すなわち本発明におけるアイテムは、有形か無形か
を問わず、有料か無料かも問わない。
<第1の実施形態>
以下に、本発明の第1の実施形態について、図を用いて詳細に説明する。図1は、本発
明の第1の実施形態におけるシステム全体の構成図である。本実施形態におけるシステム
は、情報処理サーバ装置1と、1つ以上の端末装置3(3a〜3n)がネットワーク2を
介して接続されている。なお、各実施形態において、情報処理サーバ装置1のみが情報処
理装置として機能してもよいし、情報処理サーバ装置1が、端末装置3と協働して情報処
理装置として機能してもよい。
ネットワーク2は、例えばインターネット等のネットワークであり、情報処理サーバ装
置1と端末装置3との間の情報のやり取りを仲介する。
端末装置3は、CPU、RAM、ROM、ハードディスクドライブ、ネットワークイン
タフェース等を備える一般的なコンピュータ、または、携帯電話やスマートフォンやタブ
レットPC等の携帯情報端末であり、端末制御部31と端末通信部32と端末入力部33
と端末表示部34とで構成されている。
端末通信部32は、ネットワーク2を介して情報処理サーバ装置1と通信を行うための
部である。
端末入力部33は、例えば、端末装置3がPC(Personal Computer
)であれば、マウスやキーボード、携帯電話であれば、ボタンといったように、ユーザが
端末装置3を操作するためのインタフェースである。
端末表示部34は、例えば、ディスプレイといったように、様々な情報を表示し、ユー
ザに視覚的に示すためのインタフェースである。
端末制御部31は、ネットワーク2を介して、利用情報送信処理や、推薦アイテム取得
要求送信処理や、推薦アイテム詳細情報表示処理を行う。
利用情報送信処理とは、端末装置3を利用するユーザ(利用ユーザ)が、何らかのアイ
テムの閲覧や利用などの操作を行った場合に、情報処理サーバ装置1に、利用情報を送信
する処理である。利用情報とは、ユーザのアイテムの閲覧や利用に関する情報であり、少
なくとも、利用ユーザを一意に識別するユーザ識別子、又は端末装置3を一意に識別する
ための端末識別子と、閲覧や利用の対象となったアイテムを一意に識別するアイテム識別
子と閲覧や利用した時期を示す利用時期情報を含む。本実施形態では、ユーザ識別子を用
いる場合を例にして説明するが、端末識別子を用いる場合も同様である。ユーザ識別子と
端末識別子とを合わせた意味の総称として、利用主体識別子という用語を用いる。また、
ユーザ、又は、ユーザの利用した端末装置を、適宜、利用主体と称することとする。また
、利用時期情報は、日付のみを示す情報でもよいし、ミリ秒単位まで細かく示す情報でも
よく、サービスの形態に応じて、必要な単位まで分かる情報であればよい。また、必要に
応じて、利用情報に、ユーザのアイテムに関る評価情報など、その他の情報を付与しても
よい。
推薦アイテム取得要求送信処理とは、利用ユーザが推薦アイテム詳細情報を取得するよ
うな操作を行った場合や、端末装置3が自動的に推薦アイテム詳細情報を取得する動作を
行った場合に、情報処理サーバ装置1に推薦アイテム取得要求を送信する処理である。推
薦アイテム詳細情報は、利用ユーザに推薦する1つ以上のアイテムに関する情報である。
推薦アイテム取得要求は、少なくとも利用ユーザのユーザ識別子を含む。なお、推薦アイ
テム取得要求には、取得する推薦アイテムの個数を制限する取得制限数を関連付けてもよ
い。
推薦アイテム詳細情報表示処理とは、情報処理サーバ装置1より、送信した推薦アイテ
ム取得要求に対応する推薦アイテム詳細情報を受信し、端末表示部34に、受信した推薦
アイテム詳細情報を表示する処理である。
情報処理サーバ装置1は、ネットワーク2を介して、端末装置3と様々な情報をやり取
りする装置である。情報処理サーバ装置1は、CPU、RAM、ROM、ハードディスク
ドライブ(HDD)、ネットワークインタフェース等を備えるコンピュータを用いて、ソ
フトウェア(プログラム)処理として実施することも可能である。なお、情報処理サーバ
装置1を複数のコンピュータを用いて構成してもよい。例えば、負荷分散をするために、
情報処理サーバ装置1の各部に相当する処理を行うコンピュータを複数用いて分散処理を
行ってもよい。また、情報処理サーバ装置1の一部の部の処理をあるコンピュータで実施
し、他の部の処理を別のコンピュータで実施する形態で分散処理を行ってもよい。
図2は、本実施形態における情報処理サーバ装置1の構成図である。本実施形態におけ
る情報処理サーバ装置1は、情報処理サーバ制御部11と、情報処理サーバ通信部12と
、情報処理サーバ格納部13とで構成される。
情報処理サーバ通信部12は、ネットワーク2を介して端末装置3と通信を行うための
部である。
情報処理サーバ格納部13は、メモリやHDDなどの記憶装置を用いて、様々なデータ
を記憶する。情報処理サーバ格納部13は、ユーザ情報格納部131と、アイテム情報格
納部132と、利用情報格納部133と、推薦属性情報格納部134と、属性嗜好情報格
納部135と、属性優先値情報格納部136と、推薦アイテム情報格納部137とで構成
される。
ユーザ情報格納部131は、ユーザ情報を複数記憶する。図3は、ユーザ情報格納部1
31の格納状態を示す図である。ユーザ情報とは、端末装置3の利用ユーザを一意に識別
するユーザ識別子(user_id)とユーザ属性情報(user_info)とを関連
付けたものであり、図3のようなテーブル形式で記憶する。ユーザ属性情報とは、ユーザ
の名前、年齢、性別、住所(地域)、趣味、会員になった時期(年月、日付、日時など)
、メールアドレス、電話番号などの情報である。また、情報処理サーバ装置1にて商品の
購入が可能であれば、商品の支払いを行うためのクレジットカード情報などを含んでもよ
い。
アイテム情報格納部132は、アイテム識別情報と、属性種別情報と、属性値情報と、
属性対応情報を、それぞれ複数記憶する。図4(図4(a)〜図4(d))は、アイテム
情報格納部132の格納状態を示す図である。
アイテム識別情報とは、アイテムを一意に識別するためのアイテム識別子(item_
id)と、アイテムの名称(item_name)とを関連付けたものであり、図4(a
)のようなテーブル形式で格納する。なお、item_idは一意であり、重複登録がで
きない。
属性種別情報とは、アイテム属性の種別を一意に識別するための属性種別識別子(ty
pe_id)と、アイテム属性の種別の名称(type_name)とを関連付けたもの
であり、図4(b)のようなテーブル形式で格納する。アイテム属性の種別は、アイテム
属性の項目にあたるものであり、例えば、アイテムの「作成者」「ジャンル」「制作年」
「価格」「利用に適したユーザの条件」などになる。なお、type_idは一意であり
、重複登録ができない。
属性値情報とは、属性種別識別子(type_id)と、属性種別識別子に対応する属
性値を一意に識別するための属性値識別子(attr_id)と、属性値(attr_n
ame)とを関連付けたものであり、図4(c)のようなテーブル形式で格納する。例え
ば、アイテムが「本」に関するものであり、type_idが「ジャンル」に該当する識
別子である場合、属性値は、「フィクション」「恋愛」「料理」などになる。なお、(t
ype_id,attr_id)の組合せは一意であり、重複登録ができない。
属性対応情報とは、アイテムに対応する属性を関連付けた情報であり、アイテム識別子
(item_id)と、属性種別識別子(type_id)と、属性値識別子(attr
_id)とを関連付けたものであり、図4(d)のようなテーブル形式で格納する。なお
、(item_id,type_id,attr_id)の組合せは一意であり、重複登
録ができない。
図4(a)〜図4(d)のテーブルを用いることで、アイテムが有する複数の属性を、
その属性の種別ごとに管理することができる。なお、あるアイテムに対応するアイテム識
別情報と、そのアイテムに対応する属性対応情報から特定される属性種別情報と属性値情
報とを合わせてアイテム属性情報とする。また、type_nameとattr_nam
eの組合せをアイテム属性とする。また、type_idとattr_idの組合せを属
性識別子とする。また、本実施形態においては、属性識別子を属性種別識別子と属性値識
別子の組合せとして扱っているが、アイテム属性の種別が存在しない(属性種別識別子が
存在しない)ようなサービスの場合は、属性値識別子のみを属性識別子として扱ってもよ
い。この場合、属性種別情報の格納が不要になる。
利用情報格納部133は、利用情報を複数記憶する。図5は、利用情報格納部133の
格納状態を示す図である。図5に示すように、利用情報を構成するユーザ識別子(use
r_id)とアイテム識別子(item_id)と利用時期情報(dl_date)とを
関連付けて、テーブル形式で格納する。利用情報にその他の情報も含まれる場合は、利用
情報に含まれている全ての情報を格納できるように、利用情報の形態に合わせて格納形式
を変更すればよい。
推薦属性情報格納部134は、推薦属性情報を複数記憶する。図6は、推薦属性情報格
納部134の格納状態を示す図である。図6に示すように、推薦属性情報を構成するユー
ザ識別子(user_id)と、属性種別識別子(type_id)と、属性値識別子(
attr_id)と、推薦の度合いを数値化した属性推薦値(a_value)とを関連
付けて、テーブル形式で格納する。なお、(user_id,type_id,attr
_id)の組合せは一意とし、重複登録ができない。
属性嗜好情報格納部135は、属性嗜好情報を複数記憶する。図7は、属性嗜好情報格
納部135の格納状態を示す図である。図7に示すように、属性嗜好情報を構成するユー
ザ識別子(user_id)と、属性種別識別子(type_id)と、属性値識別子(
attr_id)と、属性の嗜好の度合いを数値化した属性嗜好度(t_value)を
関連付けて、テーブル形式で格納する。なお、(user_id,type_id,at
tr_id)の組合せは一意とし、重複登録ができない。
属性優先値情報格納部136は、属性優先値情報を複数記憶する。図8は、属性優先値
情報格納部136の格納状態を示す図である。図8に示すように、属性優先値情報を構成
するアイテム識別子(item_id)と、属性種別識別子(type_id)と、属性
値識別子(attr_id)と、属性の優先の度合いを数値化した属性優先値(p_va
lue)を関連付けて、テーブル形式で格納する。なお、(item_id,type_
id,attr_id)の組合せは一意とし、重複登録ができない。
推薦アイテム情報格納部137は、推薦アイテム情報を複数記憶する。図9は、推薦ア
イテム情報格納部137の格納状態を示す図である。図9に示すように、推薦アイテム情
報を構成する推薦対象ユーザのユーザ識別子(user_id)と、推薦対象ユーザに推
薦するアイテム(推薦アイテム)のアイテム識別子(item_id)と、推薦対象ユー
ザに対する推薦アイテムの推薦の度合いを数値化した推薦値(r_value)とを関連
付けて、テーブル形式で格納する。なお、(user_id,item_id)の組合せ
は一意とし、重複登録ができない。推薦対象ユーザのユーザ識別子を指定することで、推
薦対象ユーザに対応する推薦アイテムを全て取得することができる。
情報処理サーバ制御部11は、情報処理サーバ装置1を構成する各部に対して、全体的
な制御を行う。情報処理サーバ制御部11は、利用情報登録部111と、推薦属性選出部
112と、属性嗜好度算出部113と、属性優先値算出部114と、推薦アイテム選出部
115と、推薦アイテム詳細情報作成部116とで構成される。
利用情報登録部111は、ネットワーク2を介して、端末装置3より利用情報を受信し
、利用情報格納部133に、受信した利用情報を格納する。
推薦属性選出部112は、所定のタイミングごとに、推薦属性選出処理を行う。所定の
タイミングとしては、所定の時間間隔(例えば24時間ごと)を用いてもよいし、利用情
報を一定回数受信するごととしてもよい。また、月曜日〜金曜日までは3時間ごと、土曜
日は6時間ごと、日曜日は12時間ごと、というように時間間隔が変動してもよい。また
、夏は時間間隔を短くして、冬は時間間隔を長くするなど、季節に応じて時間間隔を変え
てもよい。
推薦属性選出処理の手順を、図10のフローチャートを用いて説明する。
まず、推薦属性選出部112が、利用情報格納部133より、利用情報に含まれるユー
ザ識別子を重複なしで、全て抽出する(ステップ101)。このとき、ユーザ識別子を抽
出する利用情報を、推薦属性選出処理の時点から所定期間(例えば、3ヶ月といったよう
に予めサービス提供側が決めておく)遡った範囲に該当する利用時期情報を含むものに限
定することで、直近に利用されたユーザのみに対して、推薦属性情報を選出するようにし
てもよい。
次に、推薦属性選出部112が、ステップS101にて抽出したユーザ識別子の中から
、例えば、抽出した順に1つ選択する(ステップS102)。ここで選択したユーザ識別
子に対応するユーザが推薦対象ユーザとなる。
次に、推薦属性選出部112が、利用情報格納部133にて格納されている利用情報を
用いて、ステップS102にて選択した推薦対象ユーザのユーザ識別子に対して、類似ユ
ーザを選出する(ステップS103)。
類似ユーザを選出するには、推薦対象ユーザと他のユーザとの類似度を算出し、類似度
の高い順に所定数までのユーザを類似ユーザとして選出してもよいし、所定値以上の類似
度のユーザを類似ユーザとして、選出してもよい。
類似度を算出する方法として例えば、利用情報を基に、Jaccard(ジャカード)
係数を用いることができる。Jaccard係数を用いる場合は、推薦対象ユーザurが
利用したことのあるアイテム集合をI(ur)、他のユーザuが利用したことのあるアイ
テム集合をI(u)、ユーザurとユーザuが共に利用したアイテム数を|I(ur)
∩ I(u)|とし、ユーザurとユーザuの少なくとも一方が利用したことのあるアイ
テム数を|I(ur) ∪ I(u)|としたとき、類似度sim(ur,u)は式(1)
にて算出することができる。
Figure 0006269864
また、ユーザが利用したアイテム集合の代わりに、ユーザが利用したアイテムに対応す
るアイテム属性集合を用いても同様に算出できる。
また、アイテム嗜好度を算出することで、類似度算出に、コサイン距離やピアソン積率
相関係数を用いることもできる。
アイテム嗜好度とは、ユーザのアイテムに対する嗜好の度合いを示す値であり、アイテ
ム嗜好度を算出するユーザのユーザ識別子を含む利用情報(第1の利用情報)を用いて算
出することができる。具体的に、例えば、第1の利用情報の数や、第1の利用情報に含ま
れる利用時期情報から、属性推薦値算出処理を行った時点までの経過時間などを用いて算
出することができる。また、利用情報に、ユーザのアイテムに対する評価や、ユーザがア
イテムに対して支払った金額に関する情報が含まれていれば、それらを用いて算出するこ
ともできる。
コサイン距離を用いる場合は、例えば、推薦対象ユーザurが利用したことのあるアイ
テム集合をI(ur)とし、ユーザurのアイテムi(i∈I(ur))に対するアイテ
ム嗜好度をvi(ur,i)、他のユーザuが利用したことのあるアイテム集合をI(u
)とし、他のユーザuのアイテムi’(i’∈I(u))に対するアイテム嗜好度をvi
(u,i’)、ユーザurとユーザuとが共に利用したことのあるアイテムをI(ur,
u)とし、ユーザurのアイテムic(ic∈I(ur,u))に対するアイテム嗜好度
をvi(ur,ic)、他のユーザuのアイテムicに対するアイテム嗜好度をvi(u
,ic)としたとき、類似度sim(ur,u)は式(2)で算出することができる。
Figure 0006269864
また、ピアソン積率相関係数を用いる場合は、例えば、ユーザurとユーザuとが共に
利用したことのあるアイテムをI(ur,u)とし、I(ur,u)に属するアイテムの
数をnとし、ユーザurのアイテムic(ic∈I(ur,u))に対するアイテム嗜好
度をvi(ur,ic)、他のユーザuのアイテムicに対するアイテム嗜好度をvi(
u,ic)としたとき、類似度sim(ur,u)は式(3)で算出することができる。
Figure 0006269864
また、アイテム嗜好度の代わりに、ユーザのアイテム属性に対する嗜好の度合いを示す
属性嗜好度を用いることでも、類似度算出を行うことができる。属性嗜好度の算出方法に
関しては、後述の属性嗜好度算出部113による属性嗜好度算出処理にて説明する属性嗜
好度算出方法を用いればよい。
もちろん、上記以外の方法を用いて、ユーザ間の類似度を算出してもよい。
次に、推薦属性選出部112が、アイテム情報格納部132より、属性種別情報に含ま
れる属性種別識別子のうち、推薦属性選出対象のものを取得する(ステップS104)。
なお、アイテム属性の種別を属性種別識別子などで管理しているようなサービスは、本発
明の効果を実現するために、推薦属性選出対象となる属性種別識別子を2つ以上設定する
必要がある。推薦属性選出対象の属性種別識別子は、予めサービスの提供側が設定すれば
よい。
次に、推薦属性選出部112が、ステップS104にて取得した属性種別識別子のうち
、例えば、取得した順に1つ選択する(ステップS105)。
次に、推薦属性選出部112が、まず、利用情報格納部133より、ステップS103
にて選出した類似ユーザのユーザ識別子のいずれかを含む利用情報から、アイテム識別子
を重複なしで抽出する。そして、アイテム情報格納部132より、ステップS105にて
選択した属性種別識別子を有する属性対応情報から、抽出したアイテム識別子のいずれか
を有する属性対応情報を特定し、特定した属性対応情報に含まれる属性識別子を、推薦候
補属性識別子として、重複なしで抽出する(ステップS106)。
次に、推薦属性選出部112が、ステップS106にて抽出した推薦候補属性識別子ご
とに、属性推薦値の算出を行う(ステップS107)。
以下に、属性推薦値の算出方法を3種類説明する。
属性推薦値算出の第1の方法は、推薦候補属性識別子ごとに、その属性識別子に属する
アイテムを利用した類似ユーザの数を集計し、その数を用いて属性推薦値を算出する方法
である。属性推薦値算出の第1の方法は、属性推薦値に対する類似ユーザ1人ひとりの影
響力(重み)を全て平等(同じ)に扱っている。
属性推薦値算出の第2の方法は、推薦候補属性識別子ごとに、その属性識別子に属する
アイテムを利用した類似ユーザの類似度の総和を用いて属性推薦値を算出する方法である
。属性推薦値算出の第2の方法は、属性推薦値に対するユーザ1人ひとりの影響力(重み
)を変えており、推薦対象ユーザとの類似度が高い類似ユーザほど影響力が強いことにな
る。
属性推薦値算出の第3の方法は、類似ユーザごとに、推薦候補属性識別子に対して属性
嗜好度を算出した上で、推薦候補属性識別子ごとに、その属性識別子に属するアイテムを
利用した類似ユーザの属性嗜好度の総和を用いて属性推薦値を算出する方法である。属性
推薦値算出の第3の方法は、属性推薦値に対するユーザ1人ひとりの影響力(重み)を変
えており、属性推薦値算出対象のアイテム属性に対する属性嗜好度の高いユーザほど影響
力が強いことになる。属性嗜好度は、後述の属性嗜好度算出部113による属性嗜好度算
出処理を用いて算出すればよい。
また、属性推薦値算出の第2の方法と第3の方法を組み合わせて属性推薦値を算出して
もよい。もちろん、他の方法を用いて、属性推薦値を算出してもよい。
次に、推薦属性選出部112が、ステップS107にて算出した属性推薦値に応じて、
推薦属性の選出を行う(ステップS108)。推薦属性を選出するには、属性推薦値が(
予め、サービス提供側が設定した)所定値以上の推薦候補属性識別子を、推薦属性とすれ
ばよい。また、属性推薦値の降順に(予め、サービス提供側が設定した)所定数まで選択
した推薦候補属性識別子を、推薦属性とすればよい。
次に、推薦属性選出部112が、ステップS108にて選出した推薦属性ごとに、ステ
ップS102にて選択したユーザ識別子と、推薦属性である属性種別識別子と属性値識別
子の組合せと、ステップS107にて推薦属性に対応して算出された属性推薦値とを関連
付けた推薦属性情報を、推薦属性情報格納部134に格納する(ステップS109)。
次に、推薦属性選出部112が、ステップS105にて全ての属性種別識別子を選択し
たか否かを判定する(ステップS110)。全て選択した場合は、ステップS111へ進
み、未選択のものがある場合は、ステップS105へ進む。
ステップS111では、推薦属性選出部112が、ステップS102にて全てのユーザ
識別子を選択したか否かを判定する。全て選択した場合は、ステップS101からステッ
プS111までの一連の処理を終了し、未選択のものがある場合は、ステップS102へ
進む。
この手順により、アイテム属性の種別を管理しているようなサービスにおいては、各ユ
ーザ識別子ごとに、2種類以上の属性種別識別子に対応する推薦属性情報が、推薦属性情
報格納部134に格納されることになる。
なお、推薦属性情報を作成する対象となる属性種別識別子を増やせば増やすほど、推薦
アイテムを選出する際のアイテムの候補を増やすことができる。
また、アイテム属性の種別を管理していない(属性種別識別子のない)サービスにおい
ては、ステップS106とステップS107とステップS112の処理を省略することが
できる。
また、類似度や属性推薦値を算出するために利用する利用情報を、推薦属性選出処理の
時点から所定期間(例えば、3ヶ月といったように予めサービス提供側が設定しておく)
遡った範囲に該当する利用時期情報を含むものに限定することで、直近の利用情報のみを
用いて、推薦属性情報を選出するようにしてもよい。また、推薦属性選出処理の時点に近
い順に、所定個数(例えば、10個といったように予めサービス提供側が設定しておく)
まで取得することで、推薦属性情報を選出する際の計算量を減らすようにしてもよい。
以上が、推薦属性選出処理の手順の説明である。
属性嗜好度算出部113は、所定のタイミングごとに、属性嗜好度算出処理を行う。属
性嗜好度算出処理の手順を、図11のフローチャートを用いて説明する。
まず、属性嗜好度算出部113が、利用情報格納部133より、利用情報に含まれるユ
ーザ識別子を重複なしで、全て抽出する(ステップS201)。
次に、属性嗜好度算出部113が、ステップS201にて抽出したユーザ識別子の中か
ら、例えば、抽出した順に1つ選択する(ステップS202)。
次に、属性嗜好度算出部113が、利用情報格納部133より、ステップS202にて
選択したユーザ識別子を有する利用情報を全て取得する(ステップS203)。このとき
、取得する利用情報を、属性嗜好度算出処理の時点から所定期間(例えば、3ヶ月といっ
たように予めサービス提供側が設定しておく)遡った範囲に該当する利用時期情報を含む
ものに限定することで、直近の利用情報のみを用いて、属性嗜好度を算出するようにして
もよい。
次に、属性嗜好度算出部113が、アイテム情報格納部132より、ステップS203
にて取得した利用情報に含まれるいずれかのアイテム識別子を有する属性対応情報を全て
取得する(ステップS204)。なお、属性対応情報を取得する際に、予めサービス提供
側が設定した1つ以上の属性種別識別子のいずれかを含むもののみに限定してもよい。
次に、属性嗜好度算出部113が、ステップS204にて取得した属性対応情報のうち
、例えば、取得した順に1つ選択する(ステップS205)。
次に、属性嗜好度算出部113が、ステップS205にて選択した属性対応情報に対し
て、属性嗜好度を算出する(ステップS206)。
属性嗜好度の算出方法を、以下に8種類説明する。
属性嗜好度算出の第1の方法は、どのような属性対応情報に対応するアイテム属性対し
ても、一様に同じ値(例えば、「1」)を算出する方法である。属性嗜好度算出の第1の
方法は、どのようなアイテム属性でも等しく扱うことになる。
属性嗜好度算出の第2の方法は、ステップS205にて選択した属性対応情報に対応す
るアイテム属性に属するアイテムの数が少ないほど、その値が大きくなるように算出する
方法である。具体的には、アイテム属性の属性識別子(tx,txy)(属性種別識別子
txと属性値識別子txyのペア)に属するアイテム集合I(tx,txy)の数を|I
(tx,txy)|とした場合、定数α1(>0)を用いて、ユーザuに対応する属性嗜
好度tv(u,tx,txy)を式(4)にて算出すればよい。
Figure 0006269864
属性嗜好度算出の第2の方法は、そのアイテム属性に属するアイテムの数が少ないよう
な粒度の細かいアイテム属性ほど重み付けを大きくし、逆に、そのアイテム属性に属する
アイテムの数が多いような粒度の粗いアイテム属性ほど重み付けを小さくすることになる
。もちろん、アイテム属性に属するアイテム数に対して単調減少するような式であれば、
どのような式を用いてもよい。
属性嗜好度算出の第3の方法は、ステップS205にて選択した属性対応情報に含まれ
る属性種別識別子に対応する属性値識別子の数が多いほど、その値が大きくなるように算
出する方法である。具体的には、アイテム属性の属性種別識別子txに対応する属性値識
別子の集合A(tx)の数|A(tx)|とした場合、定数β1(≧1)を用いて、ユー
ザuに対応する属性嗜好度tv(u,tx,txy)を式(5)にて算出すればよい。
Figure 0006269864
属性嗜好度算出の第3の方法は、その属性種別に対応する属性値の数が多いような粒度
の細かい属性値が設定されている属性種別ほど重み付けを大きくし、逆に、その属性種別
に対応する属性値の数が少ないような粒度の粗い属性値が設定されている属性種別ほど重
み付けを小さくすることになる。もちろん、属性種別に対応する属性値の数に対して単調
増加するような式であれば、どのような式を用いてもよい。
属性嗜好度算出の第4の方法は、ステップS205にて選択した属性対応情報に対応す
るアイテム属性に属するアイテムの利用が多いものほど、その値が大きくなるように算出
する方法である。具体的には、アイテム属性の属性識別子(tx,txy)に属するアイ
テム集合I(tx,txy)にいずれかのアイテムの利用に関わる利用情報の集合L(t
x,txy)の数を|L(tx,txy)|とした場合、式(5)の|A(tx)|を、
|L(tx,txy)|で置き換えることにより算出できる。属性嗜好度算出の第4の方
法は、多くのユーザに何度も利用されるような人気の高いアイテムが多く属するアイテム
属性の重み付けを大きくすることができる。もちろん、アイテム属性に属するアイテムの
利用数に対して単調増加するような式であれば、どのような式を用いてもよい。
属性嗜好度算出の第5の方法は、ステップS205にて選択した属性対応情報に対応す
るアイテム属性に属するアイテムを利用したユーザが多いものほど、その値が大きくなる
ように算出する方法である。具体的には、アイテム属性の属性識別子(tx,txy)に
属するアイテム集合I(tx,txy)に含まれるいずれかのアイテムの利用に関わる利
用情報の集合L(tx,txy)から重複なしで抽出したユーザ集合U(tx,txy)
の数を|U(tx,txy)|とした場合、式(5)の|A(tx)|を、|U(tx,
txy)|で置き換えることにより算出できる。属性嗜好度算出の第5の方法は、多くの
ユーザに利用されるような人気の高いアイテム属性の重み付けを大きくすることができる
。もちろん、アイテム属性に属するアイテムを利用したユーザ数に対して単調増加するよ
うな式であれば、どのような式を用いてもよい。
属性嗜好度算出の第6の方法は、ステップS202にて選択したユーザ識別子に対応す
るユーザにより利用された、ステップS205にて選択した属性対応情報に対応するアイ
テム属性に属するアイテムの数が多いものほど、その値が大きくなるように算出する方法
である。具体的には、ユーザuによるアイテムの利用に関る利用情報の集合L(u)のう
ち、アイテム属性の属性識別子(tx,txy)に属するアイテム集合I(tx,txy
)に含まれるいずれかのアイテムの利用に関わる利用情報の集合L(u,tx,txy)
の数を|L(u,tx,txy)|とした場合、式(5)の|A(tx)|を、|L(u
,tx,txy)|で置き換えることにより算出できる。属性嗜好度算出の第6の方法は
、属性嗜好度算出対象のユーザが、属性嗜好度算出対象のアイテム属性に属するアイテム
を多く利用するほど、その重み付けを大きくすることができる。もちろん、ユーザのアイ
テム属性に属するアイテムの利用数に対して単調増加するような式であれば、どのような
式を用いてもよい。
属性嗜好度算出の第7の方法は、ステップS202にて選択したユーザ識別子に対応す
るユーザにより利用された、ステップS205にて選択した属性対応情報に対応するアイ
テム属性に属するアイテムの種類数が多いものほど、その値が大きくなるように算出する
方法である。具体的には、ユーザuによるアイテムの利用に関る利用情報の集合L(u)
から、アイテム属性の属性識別子(tx,txy)に属するアイテムを重複なしで抽出し
たアイテム集合I(u,tx,txy)の数を|I(u,tx,txy)|とした場合、
式(5)の|A(tx)|を、|I(u,tx,txy)|で置き換えることにより算出
できる。属性嗜好度算出の第7の方法は、属性嗜好度算出対象のユーザが、属性嗜好度算
出対象のアイテム属性に属するアイテムを多くの種類利用するほど、その重み付けを大き
くすることができる。もちろん、ユーザが利用した、あるアイテム属性に属するアイテム
の種類数に対して単調増加するような式であれば、どのような式を用いてもよい。
属性嗜好度算出の第8の方法は、ステップS202にて選択したユーザ識別子に対応す
るユーザにより利用された、ステップS205にて選択した属性対応情報に対応するアイ
テム属性に属するアイテムのアイテム嗜好度の総和に応じて単調増加する算出方法である
。具体的には、ユーザuによるアイテムの利用に関る利用情報の集合L(u)から、アイ
テム属性の属性識別子(tx,txy)に属するアイテムを重複なしで抽出したアイテム
集合I(u,tx,txy)を抽出し、抽出したアイテム集合に含まれるアイテムごとに
、ユーザuのアイテムi(∈I(u,tx,txy))に対するアイテム嗜好度vi(u
,i)を算出した上で、定数β2(≧1)を用いて、ユーザuに対応する属性嗜好度tv
(u,tx,txy)を式(6)にて算出すればよい。
Figure 0006269864
アイテム嗜好度に関しては、前述の推薦属性選出処理のステップS103にて説明した
アイテム嗜好度算出方法を用いればよい。属性嗜好度算出の第8の方法は、属性嗜好度算
出対象のユーザが好むアイテムが多く含まれているアイテム属性ほど、その重み付けを大
きくすることができる。もちろん、アイテム嗜好度の総和に対して単調増加するような式
であれば、どのような式を用いてもよい。
また、属性嗜好度算出の第2から第8の方法を組み合わせて算出してもよい。例えば、
第2と第4の方法を組み合わせて、式(7)や式(8)のように算出してもよい。それ以
外でも、各算出方法の性質を変化させないように自由に組み合わせてもよい。以上が、属
性嗜好度の算出方法の説明である。
Figure 0006269864
Figure 0006269864
次に、属性嗜好度算出部113が、ステップS202にて選択したユーザ識別子と、ス
テップS205にて選択した属性対応情報に含まれる属性種別識別子と属性値識別子と、
ステップS206にて算出した属性嗜好度を関連付けた属性嗜好情報を、属性嗜好情報格
納部135に格納する(ステップS207)。
次に、属性嗜好度算出部113が、ステップS205にて全ての属性対応情報を選択し
たか否かを判定する(ステップS208)。全て選択した場合は、ステップS209へ進
み、未選択のものがある場合は、ステップS205へ進む。
ステップS209では、属性嗜好度算出部113が、ステップS202にて全てのユー
ザ識別子を選択したか否かを判定する。全て選択した場合は、ステップS201からステ
ップS209までの一連の処理を終了し、未選択のものがある場合は、ステップS202
へ進む。
以上が、属性嗜好度算出処理の手順の説明となる。
属性優先値算出部114は、所定のタイミングごとに、属性優先値算出処理を行う。属
性優先値算出処理の手順を、図12のフローチャートを用いて説明する。
まず、属性優先値算出部114が、利用情報格納部133より、利用情報に含まれるア
イテム識別子を重複なしで、全て抽出する(ステップS301)。
次に、属性優先値算出部114が、ステップS301にて抽出したアイテム識別子の中
から、例えば、抽出した順に1つ選択する(ステップS302)。
次に、属性優先値算出部114が、利用情報格納部133より、ステップS302にて
選択したアイテム識別子を有する利用情報を全て取得する(ステップS303)。このと
き、取得する利用情報を、属性優先値算出処理の時点から所定期間(例えば、3ヶ月とい
ったように予めサービス提供側が設定しておく)遡った範囲に該当する利用時期情報を含
むものに限定することで、直近の利用情報のみを用いて、属性優先値を算出するようにし
てもよい。
次に、属性優先値算出部114が、アイテム情報格納部132より、ステップS302
にて選択したアイテム識別子を有する属性対応情報を全て取得する(ステップS304)
。なお、属性対応情報を取得する際に、予めサービス提供側が設定した1つ以上の属性種
別識別子のいずれかを含むもののみに限定してもよい。
次に、属性優先値算出部114が、ステップS304にて取得した属性対応情報のうち
、例えば、取得した順に1つ選択する(ステップS305)。
次に、属性優先値算出部114が、ステップS305にて選択した属性対応情報に対し
て、属性優先値を算出する(ステップS306)。
属性優先値の算出方法を、以下に8種類説明する。
属性優先値算出の第1の方法は、どのような属性対応情報に対応するアイテム属性対し
ても、一様に同じ値(例えば、「1」)を算出する方法である。属性優先値算出の第1の
方法は、どのようなアイテム属性でも等しく扱うことになる。
属性優先値算出の第2の方法は、ステップS305にて選択した属性対応情報に対応す
るアイテム属性に属するアイテムの数が少ないほど、その値が大きくなるように算出する
方法である。これは、属性嗜好度算出の第2の方法と同様の方法を用いて算出することが
できる。
属性優先値算出の第3の方法は、ステップS305にて選択した属性対応情報に含まれ
る属性種別識別子に対応する属性値識別子の数が多いほど、その値が大きくなるように算
出する方法である。これは、属性嗜好度算出の第3の方法と同様の方法を用いて算出する
ことができる。
属性優先値算出の第4の方法は、ステップS305にて選択した属性対応情報に対応す
るアイテム属性に属するアイテムの利用が多いものほど、その値が大きくなるように算出
する方法である。これは、属性嗜好度算出の第4の方法と同様の方法を用いて算出するこ
とができる。
属性優先値算出の第5の方法は、ステップS305にて選択した属性対応情報に対応す
るアイテム属性に属するアイテムを利用したユーザが多いものほど、その値が大きくなる
ように算出する方法である。これは、属性嗜好度算出の第5の方法と同様の方法を用いて
算出することができる。
属性優先値算出の第6の方法は、ステップS302にて選択したアイテム識別子に対応
するアイテムの利用数が多いほど、その値が大きくなるように算出する方法である。具体
的には、アイテムiの利用に関わる利用情報の集合L(i)の数を|L(i)|とした場
合、定数β3(≧1)を用いて、アイテムiに対応する属性優先値pv(i,tx,tx
y)を式(9)にて算出すればよい。
Figure 0006269864
属性優先値算出の第6の方法は、多くのユーザに何度も利用されるような人気の高いア
イテムの重み付けを大きくすることができる。もちろん、アイテムの利用数に対して単調
増加するような式であれば、どのような式を用いてもよい。
属性優先値算出の第7の方法は、ステップS302にて選択したアイテム識別子に対応
するアイテムを利用したユーザ数が多いほど、その値が大きくなるように算出する方法で
ある。具体的には、アイテムiの利用に関わる利用情報の集合L(i)から重複なしで抽
出したユーザ集合U(i)の数を|U(i)|とした場合、式(9)の|L(i)|を、
|U(i)|で置き換えることにより算出できる。属性優先値算出の第7の方法は、多く
のユーザに利用されるような人気の高いアイテムの重み付けを大きくすることができる。
もちろん、利用したユーザの数に対して単調増加するような式であれば、どのような式を
用いてもよい。
属性優先値算出の第8の方法は、ステップS302にて選択したアイテム識別子に対応
するアイテムを利用したユーザのアイテム嗜好度の総和が高ければ高いほど、その値が大
きくなるように算出する方法である。具体的には、アイテムiの利用に関わる利用情報の
集合L(i)から重複なしで抽出したユーザ集合U(i)を抽出し、U(i)に含まれる
ユーザu(∈U(i))ごとに、ユーザuのアイテムiに対するアイテム嗜好度vi(u
,i)を算出した上で、定数β4(≧1)を用いて、アイテムiに対応する属性嗜好度p
v(i,tx,txy)を式(10)にて算出すればよい。
Figure 0006269864
アイテム嗜好度に関しては、前述の推薦属性選出処理のステップS103にて説明した
アイテム嗜好度算出方法を用いればよい。属性優先値算出の第8の方法は、多くのユーザ
に好まれるようなアイテムの重み付けを大きくすることができる。もちろん、アイテム嗜
好度の総和に対して単調増加するような式であれば、どのような式を用いてもよい。
また、属性優先値算出の第2から第8の方法を組み合わせて算出してもよい。例えば、
第2と第4の方法の組み合わせを、属性嗜好度算出の第2と第4の方法を組合せた式(7
)と式(8)を用いることで算出してもよい。それ以外でも、各算出方法の性質を変化さ
せないように自由に組み合わせてもよい。
以上が、属性優先値の算出方法の説明である。
次に、属性優先値算出部114が、ステップS305にて選択した属性対応情報に含ま
れるアイテム識別子と属性種別識別子と属性値識別子と、ステップS306にて算出した
属性優先値を関連付けた属性優先値情報を、属性優先値情報格納部136に格納する(ス
テップS307)。
次に、属性優先値算出部114が、ステップS305にて全ての属性対応情報を選択し
たか否かを判定する(ステップS308)。全て選択した場合は、ステップS309へ進
み、未選択のものがある場合は、ステップS305へ進む。
ステップS309では、属性優先値算出部114が、ステップS302にて全てのアイ
テム識別子を選択したか否かを判定する。全て選択した場合は、ステップS301からス
テップS309までの一連の処理を終了し、未選択のものがある場合は、ステップS30
2へ進む。
以上が、属性優先値算出処理の手順の説明となる。
推薦アイテム選出部115は、所定のタイミングごとに、推薦アイテム選出処理を行う
。推薦アイテム選出処理の手順を、図13のフローチャートを用いて説明する。
まず、推薦アイテム選出部115が、推薦属性情報格納部134より、推薦属性情報に
含まれるユーザ識別子を、重複なしで全て抽出する(ステップS401)。
次に、推薦アイテム選出部115が、ステップS401にて抽出したユーザ識別子のう
ち、例えば、抽出した順に、推薦対象ユーザ識別子として1つ選択する(ステップS40
2)。
次に、推薦アイテム選出部115が、推薦属性情報格納部134より、ステップS40
2にて選択した推薦対象ユーザ識別子と一致するユーザ識別子を有する推薦属性情報を全
て取得する(ステップS403)。
次に、推薦アイテム選出部115が、属性優先値情報格納部136より、ステップS4
02にて選択した推薦対象ユーザ識別子と一致するユーザ識別子を有する属性嗜好情報を
全て取得する(ステップS404)。
次に、推薦アイテム選出部115が、アイテム情報格納部132より、ステップS40
3にて取得した推薦属性情報に含まれるいずれかの属性識別子を含む属性対応情報を特定
し、特定した属性対応情報に含まれるアイテム識別子を、重複なしで全て抽出する(ステ
ップS405)。なお、ここで抽出したアイテム識別子の集合が推薦候補アイテム集合と
なる。
次に、推薦アイテム選出部115が、ステップS405にて抽出したアイテム識別子の
うち、例えば、抽出した順に、推薦候補アイテム識別子として1つ選択する(ステップS
406)。
次に、推薦アイテム選出部115が、属性優先値情報格納部136より、ステップS4
06にて選択した推薦候補アイテム識別子と一致するアイテム識別子を有する属性優先値
情報を全て取得する(ステップS407)。
次に、推薦アイテム選出部115が、ステップS402にて選択した推薦対象ユーザ識
別子に対する、ステップS406にて選択した推薦候補アイテム識別子の推薦値を算出す
る(ステップS408)。
推薦値の算出方法を以下に7種類説明する。なお、算出方法内の説明において、ステッ
プS403にて取得した推薦対象ユーザurに対応する推薦属性情報の集合をST(ur
)とする。
推薦値算出の第1の方法は、ステップS406にて選択した推薦候補アイテム識別子に
対応する属性識別子のいずれかを含む推薦属性情報の数を推薦値として算出する方法であ
る。推薦値算出の第1の方法は、計算量が少ない。
推薦値算出の第2の方法は、ステップS406にて選択した推薦候補アイテム識別子に
対応する属性識別子のいずれかを含む推薦属性情報の属性推薦値を用いて算出する方法で
ある。具体的には、ST(ur)より、推薦候補アイテムirに対応する属性識別子のう
ち、いずれかの属性識別子を含むものから抽出した属性識別子の集合TA(ur,ir)
の数を|TA(ur,ir)|とし、TA(ur,ir)に含まれる任意の属性識別子(
tx,txy)に対応する推薦対象ユーザurとの属性推薦値av(ur,tx,txy
)とした場合、推薦値rv(ur,ir)は、定数α2(0≦α2≦1)を用いて、式(
11)にて算出できる。
Figure 0006269864
推薦値算出の第2の方法は、推薦候補アイテムに対応するいずれかのアイテム属性が、
多くの推薦属性情報に含まれ、かつ、その推薦属性情報に含まれる属性推薦値の大きいほ
ど、推薦値が高くなりやすい。なお、式(11)は、α2が「0」の場合に、属性推薦値
の総和となり、α2が「1」の場合に、属性推薦値の平均値となる。つまり、推薦属性情
報の数の影響力を高める場合は、α2を「0」に近づければよい。もちろん、推薦属性情
報の数と、属性推薦値の両方に対して、単調増加であれば、他の式を用いてもよい。
推薦値算出の第3の方法は、推薦値算出の第2の方法と同様に属性推薦値を利用し、か
つ、属性種別識別子ごとに、対応する属性推薦値の重み付けを変更する算出方法である。
具体的には、属性推薦値算出の算出対象となっている属性種別識別子の集合Tに含まれる
属性種別識別子ごとに、属性種別識別子tx(∈T)に対応する重み付け係数m1(tx
)を予め設定した上で、ST(ur)より、推薦候補アイテムirに対応する属性識別子
のうち、いずれかの属性識別子を含む推薦属性情報の集合ST(ur,ir)を形成する

次に、ST(ur,ir)から重複なしで抽出したTの部分集合T(ur,ir)を形
成する。そして、ST(ur,ir)に含まれる推薦属性情報のうち、属性種別識別子t
’x(∈T(ur,ir))を含むものより抽出した属性識別子の集合TA(ur,ir
,t’x)の数を|TA(ur,ir,t’x)|とし、TA(ur,ir,t’x)の
任意の属性識別子(t’x,t’xy)に対応する属性推薦値をav(ur,t’x,t
’xy)とした場合、推薦値rv(ur,ir)は、定数α3(0≦α3≦1)を用いて
、式(12)にて算出できる。
Figure 0006269864
なお、属性種別識別子tx(∈T)に対応する重み付け係数m1(tx)は、属性優先
値算出の第3の方法と同様に、属性種別の粒度に合わせて算出することで、属性種別間の
粒度を吸収するのがよいが、もちろん、属性種別間の粒度にとらわれずに、サービスの提
供側が自由に設定してよい。推薦値算出の第3の方法は、推薦値算出の第2の方法の性質
に加え、属性種別ごとに重み付けを変えることで、どの属性種別に対応する属性推薦値を
優先するかを、サービスの提供側が自由に設定することができる。また、属性種別に対す
る重み付けを反映しつつ、属性推薦値の高いアイテム属性を有するアイテムの推薦値が高
くなるように算出するのであれば、他の式を用いてもよい。
推薦値算出の第4の方法は、推薦値算出の第2の方法と同様に属性推薦値を利用し、か
つ、属性識別子ごとに、対応する属性推薦値の重み付けを変更する算出方法である。具体
的には、属性推薦値算出の算出対象となっている属性種別識別子を含む属性識別子の集合
TAごとに、属性識別子(tx,txy)に対応する重み付け係数m2(tx,txy)
を設定した上で、ST(ur)より、推薦候補アイテムirに対応する属性識別子のうち
、いずれかの属性識別子を含む推薦属性情報から重複なしで抽出したTAの部分集合TA
(ur,ir)の任意の属性識別子(t’x,t’xy)に対応する属性推薦値をav(
ur,t’x,t’xy)とした場合、推薦値rv(ur,ir)は、定数α4(0≦α
4≦1)を用いて、式(13)にて算出できる。
Figure 0006269864
なお、属性識別子(tx,txy)に対応する重み付け係数m2(tx,txy)は、
属性優先値算出の第2の方法と同様に、アイテム属性の粒度に合わせて算出することで、
アイテム属性間の粒度を吸収するのがよいが、もちろん、アイテム属性間の粒度にとらわ
れずに、サービスの提供側が自由に設定してよい。推薦値算出の第4の方法は、推薦値算
出の第2の方法の性質に加え、アイテム属性ごとに重み付けを変えることで、どのアイテ
ム属性に対応する属性推薦値を優先するかを、サービスの提供側が自由に設定することが
できる。また、属性識別子に対する重み付けを反映しつつ、属性推薦値の高いアイテム属
性を有するアイテムの推薦値が高くなるように算出するのであれば、他の式を用いてもよ
い。
推薦値算出の第5の方法は、ステップS404にて取得した推薦対象ユーザに対する属
性嗜好情報を用いて算出する方法である。具体的には、推薦対象ユーザurに対して取得
した属性嗜好情報の集合TT(ur)から、推薦対象アイテムirが有する属性識別子の
みを重複なしで抽出した属性識別子の集合TA(ur,ir)に含まれる属性識別子(t
x,txy)に対応する属性嗜好度をtv(ur,tx,txy)とした場合、定数α5
(0≦α5≦1)を用いて、推薦値rv(ur,ir)を式(14)にて算出できる。
Figure 0006269864
推薦値算出の第5の方法は、推薦値を、属性嗜好度を用いて算出することで、推薦対象
ユーザが好むアイテム属性を有するアイテムを優先的に推薦アイテムとして選出しやすく
なる。また、属性嗜好度算出に用いた方法の性質も反映される。もちろん、属性嗜好度の
総和に対して単調増加であれば、他の式を用いてもよい。
推薦値算出の第6の方法は、ステップS407にて取得した推薦候補アイテムに対する
属性優先値情報を用いて算出する方法である。具体的には、推薦候補アイテムirに対し
て取得した属性優先値情報の集合TP(ir)から、ユーザurが過去に利用した属性識
別子のみを重複なしで抽出した属性識別子の集合TA(ir,ur)に含まれる属性識別
子(tx,txy)に対応する属性優先値を、pv(ir,tx,txy)とした場合、
定数α6(0≦α6≦1)を用いて、式(15)にて算出できる。
Figure 0006269864
推薦値算出の第6の方法は、推薦値を、属性優先値を用いて算出することで、推薦値算
出の第5の方法と同様に、推薦対象ユーザが好むアイテム属性を有するアイテムを優先的
に推薦アイテムとして選出しやすくなる。また、属性優先値算出に用いた方法の性質も反
映される。もちろん、属性優先値の総和に対して単調増加であれば、他の式を用いてもよ
い。
推薦値算出の第7の方法は、ステップS404にて取得した推薦対象ユーザに対する属
性嗜好情報と、ステップS407にて取得した推薦候補アイテムに対する属性優先値情報
とを用いて算出する方法である。具体的には、推薦対象ユーザurに対して取得した属性
嗜好情報の集合TT(ur)から重複なしで抽出した属性識別子の集合TA’(ur)と
、推薦候補アイテムirに対して取得した属性優先値情報の集合TP(ir)から重複な
しで抽出した属性識別子の集合TA’(ir)との共通部分TA’(ur)∩TA’(i
r)に含まれる属性識別子(t’x,t’xy)に対応する属性嗜好度をav(ur,t
’x,t’xy)とし、属性優先値をpv(ir,t’x,t’xy)とした場合、推薦
値rv(ur,ir)を式(16)のように内積値として算出してもよい。
Figure 0006269864
また、コサイン距離やピアソン積率相関係数として算出してもよい。推薦値算出の第7
の方法は、推薦値を、属性嗜好度と属性優先値とを用いて算出することで、推薦値算出の
第5の方法や第6の方法以上に、推薦対象ユーザが好むアイテム属性を有するアイテムを
優先的に推薦アイテムとして選出しやすくなる。また、属性嗜好度算出に用いた方法の性
質や、属性優先値算出に用いた方法の性質も反映される。
また、推薦値算出の第2から第7の方法を組み合わせて算出してもよい。例えば、第3
と第4の方法を組み合わせて、式(17)のように算出してもよい。
Figure 0006269864
また、第2の方法で算出した推薦値rv2(ur,ir)と、第5の方法で算出した推
薦値rv5(ur,ir)とを用いて、新たな推薦値new_rv(ur,ir)を推薦
値として、式(18)や式(19)のように算出してもよい。それ以外でも、各算出方法
の性質を変化させないように自由に組み合わせてもよい。以上が、推薦値算出方法の説明
である。
Figure 0006269864
Figure 0006269864
次に、推薦アイテム選出部115が、ステップS406にて全ての推薦候補アイテム識
別子を選択したか否かを判定する(ステップS409)。全て選択した場合は、ステップ
S410へ進み、未選択のものがある場合はステップS406へ進む。
ステップS410では、推薦アイテム選出部115が、ステップS408にて算出した
推薦値に応じて、推薦アイテムを選出する。推薦アイテムを選出するには、推薦値が(予
め、サービス提供側が設定した)所定値以上の推薦候補アイテム識別子を、推薦アイテム
とすればよい。また、推薦値の降順に(予め、サービス提供側が設定した)所定数まで選
択した推薦候補アイテム識別子を、推薦アイテムのアイテム識別子とすればよい。
次に、推薦アイテム選出部115が、ステップS410にて選出した推薦アイテムごと
に、ステップS402にて選択した推薦対象ユーザ識別子と、推薦アイテムのアイテム識
別子と、ステップS408にて算出した推薦値とを関連付けた推薦アイテム情報を、推薦
アイテム情報格納部137に格納する(ステップS411)。
次に、推薦アイテム選出部115が、ステップS402にて、全ての推薦対象ユーザ識
別子を選択したか否かを判定する(ステップS412)。全て選択した場合は、ステップ
S401からステップS412までの一連の処理を終了し、未選択のものがある場合は、
ステップS402へ進む。
この手順により、実際にどのような効果があるかの具体例を、図14と図15を用いて
説明する。図14は、ユーザu3に対する推薦属性を示すものである。図14に示すよう
に、ユーザu3の推薦属性が、(ta,ta7)、(ta,ta13)、(tb,tb4
)、(tb,tb8)であることが分かる。図15は、ユーザu3に対する推薦候補アイ
テムの対象となるアイテム集合をイメージしたものである。図15に示すように、ユーザ
u3の推薦属性それぞれに対応するアイテム集合、I(ta,ta7)、I(ta,ta
13)、I(tb,tb4)、I(tb,tb8)があり、斜線部が、推薦候補アイテム
のアイテム集合I(ta,ta7)∪I(ta,ta13)∪I(tb,tb4)∪I(
tb,tb8)となる。つまり、推薦アイテムを、I(ta,ta7)、I(ta,ta
13)、I(tb,tb4)、I(tb,tb8)のいずれかに属するアイテムから選出
することができるようになるため、利用情報が少なくても、アイテムの推薦を可能とし、
かつ、多様なアイテム属性を用いることで、多様なアイテムの推薦を実現することができ
る。
なお、上記手順において、推薦値算出に属性嗜好度を利用しない場合は、ステップS4
04の処理を省略することができる。さらに、属性嗜好情報を作成する必要がなくなるた
め、属性嗜好度算出部113と属性嗜好情報格納部135が不要となる。また、推薦値算
出に属性優先値を利用しない場合は、ステップS407の処理を省略することができる。
さらに、属性優先値情報を作成する必要がなくなるため、属性優先値算出部114と属性
優先値情報格納部136が不要となる。
以上が、推薦アイテム選出処理の手順の説明である。
推薦アイテム詳細情報作成部116は、情報処理サーバ通信部12を通じて、端末装置
3より推薦アイテム取得要求を受信すると、推薦アイテム詳細情報作成処理を行うことで
、推薦アイテム詳細情報を作成し、情報処理サーバ通信部12を通じて、端末装置3に、
作成した推薦アイテム詳細情報を送信する。
推薦アイテム詳細情報作成処理とは、推薦アイテム詳細情報を作成する処理である。具
体的には、まず、推薦アイテム情報格納部137より、受信した推薦アイテム取得要求に
含まれるユーザ識別子を有する全ての推薦アイテム情報を取得する。そして、アイテム情
報格納部132より、取得した推薦アイテム情報に含まれるアイテム識別子に対応するア
イテム情報を取得し、取得したアイテム情報を用いて推薦アイテム詳細情報を作成する。
なお、推薦アイテム取得要求に、取得制限数が含まれている場合は、推薦アイテム情報格
納部137より推薦アイテム情報を取得する際に、推薦値の降順に取得制限数まで取得す
るようにすればよい。
以上のように、推薦属性情報を基に、推薦アイテム情報を作成することで、少ない利用
情報でも多様なアイテムを推薦することが可能となる。このため、ユーザの推薦に対する
興味を維持し、サービスの利用を促進することができる。
上述した本発明の実施形態は、説明のための例示であり、上記実施形態に限定されるも
のではなく、本発明の要旨を逸脱しない範囲において種々変更が可能である。例えば、各
実施形態や変形例等を組み合わせてもよい。また、情報処理装置(情報処理サーバ装置1
)の一部の構成を別体にし、ネットワーク等を介してその別体とした構成と通信するよう
にして、情報処理装置の機能を実現してもよい。
また、本発明は各部の機能をコンピュータに実現させるためのプログラムを含むもので
ある。これらのプログラムは、記録媒体から読み取られてコンピュータに取り込まれても
よいし、通信ネットワークを介して伝送されてコンピュータに取り込まれてもよい。
1 情報処理サーバ装置
2 ネットワーク
3 端末装置
31 端末制御部
32 端末通信部
33 端末入力部
34 端末表示部
11 情報処理サーバ制御部
111 利用情報登録部
112 推薦属性選出部
113 属性嗜好度算出部
114 属性優先値算出部
115 推薦アイテム選出部
116 推薦アイテム詳細情報作成部
12 情報処理サーバ通信部
13 情報処理サーバ格納部
131 ユーザ情報格納部
132 アイテム情報格納部
133 利用情報格納部
134 推薦属性情報格納部
135 属性嗜好情報格納部
136 属性優先値情報格納部
137 推薦アイテム情報格納部

Claims (5)

  1. アイテムと、アイテム属性とを対応付けた属性対応情報、および、利用主体に対してアイテム属性が推薦される度合いを示す属性推薦値と、当該アイテム属性とを対応付けた推薦属性情報を取得する取得部と、
    前記取得された属性対応情報および推薦属性情報に基づいて、利用主体に対するアイテムの推薦度合いを示す推薦値を算出する推薦値算出部と、
    を備え、
    前記推薦値算出部は、属性対応情報を参照して、推薦属性情報に含まれる一のアイテム属性に対応するアイテムを特定し、前記特定されたアイテムのうちの一のアイテムと属性対応情報において対応する、1つ以上のアイテム属性を特定し、前記特定されたアイテム属性に対応する属性推薦値が高いほど、前記一のアイテムの推薦値が高くなるように、推薦値の算出を行う
    ことを特徴とする情報処理装置。
  2. 前記推薦値算出部は、前記特定されたアイテム属性に対応する複数の属性推薦値を加算した値を、前記加算に用いた属性推薦値の個数に基づく値で割った値を、前記一のアイテムの推薦値とする、
    ことを特徴とする請求項1に記載の情報処理装置。
  3. 前記推薦値算出部は、前記加算に用いた属性推薦値の個数に基づく値として、前記加算に用いた属性推薦値の個数を基数とし、所定値を指数とする累乗値を用いる、
    ことを特徴とする請求項2に記載の情報処理装置。
  4. 前記取得部で取得される推薦属性情報に含まれるアイテム属性は、属性推薦値が所定値以上のアイテム属性、または、属性推薦値が大きい順に所定数選出されたアイテム属性である
    ことを特徴とする請求項1から請求項3のいずれか1項に記載の情報処理装置。
  5. コンピュータに、
    アイテムと、アイテム属性とを対応付けた属性対応情報、および、利用主体に対してアイテム属性が推薦される度合いを示す属性推薦値と、当該アイテム属性とを対応付けた推薦属性情報を取得する取得ステップと、
    前記取得された属性対応情報および推薦属性情報に基づいて、利用主体に対するアイテムの推薦度合いを示す推薦値を算出する推薦値算出ステップと、
    を実行させる情報処理プログラムであって、
    前記推薦値算出ステップにおいて、属性対応情報を参照して、推薦属性情報に含まれる一のアイテム属性に対応するアイテムを特定し、前記特定されたアイテムのうちの一のアイテムと属性対応情報において対応する、1つ以上のアイテム属性を特定し、前記特定されたアイテム属性に対応する属性推薦値が高いほど、前記一のアイテムの推薦値が高くなるように、推薦値の算出を行う、
    ことを特徴とする情報処理プログラム。
JP2017007511A 2017-01-19 2017-01-19 情報処理装置、情報処理方法、及び情報処理プログラム Active JP6269864B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017007511A JP6269864B2 (ja) 2017-01-19 2017-01-19 情報処理装置、情報処理方法、及び情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017007511A JP6269864B2 (ja) 2017-01-19 2017-01-19 情報処理装置、情報処理方法、及び情報処理プログラム

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2013136123A Division JP6079479B2 (ja) 2013-06-28 2013-06-28 情報処理装置、情報処理方法、及び情報処理プログラム

Publications (3)

Publication Number Publication Date
JP2017102948A JP2017102948A (ja) 2017-06-08
JP2017102948A5 JP2017102948A5 (ja) 2017-07-20
JP6269864B2 true JP6269864B2 (ja) 2018-01-31

Family

ID=59015568

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017007511A Active JP6269864B2 (ja) 2017-01-19 2017-01-19 情報処理装置、情報処理方法、及び情報処理プログラム

Country Status (1)

Country Link
JP (1) JP6269864B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240223833A1 (en) * 2023-01-04 2024-07-04 Synamedia Limited Targeted Content for Weakly Connected Devices

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004054768A (ja) * 2002-07-23 2004-02-19 Nippon Telegr & Teleph Corp <Ntt> コンテンツ提供方法とシステム、コンテンツ利用者の端末とコンテンツ提供者の端末、およびプログラムと記録媒体
JP5633423B2 (ja) * 2010-10-21 2014-12-03 株式会社Jvcケンウッド 情報処理方法、表示方法、情報処理装置、端末装置、及び情報処理プログラム
JP5126633B2 (ja) * 2010-11-24 2013-01-23 株式会社Jvcケンウッド アイテム選択装置、アイテム選択方法およびコンピュータプログラム
JP5709006B2 (ja) * 2011-11-02 2015-04-30 株式会社Jvcケンウッド 情報選択装置、情報選択方法、端末装置およびコンピュータプログラム

Also Published As

Publication number Publication date
JP2017102948A (ja) 2017-06-08

Similar Documents

Publication Publication Date Title
JP5633423B2 (ja) 情報処理方法、表示方法、情報処理装置、端末装置、及び情報処理プログラム
JP5581408B2 (ja) 情報処理システム、情報処理装置、情報処理方法及びプログラム
US20110119148A1 (en) Server apparatus, information processing apparatus, and information processing method
US9183510B1 (en) Method and system for personalized recommendation of lifestyle items
KR20180072222A (ko) 도서 추천 장치
JP2017228040A (ja) 加盟店舗情報提供方法
JP6859621B2 (ja) サーバ装置、表示システム、制御方法及びプログラム
JP6079479B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JPWO2020031232A1 (ja) 情報処理システム、情報処理方法、及びプログラム
JP5971895B2 (ja) 情報処理方法、表示方法、情報処理装置、端末装置、及びプログラム
JP6414192B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム
JP6060833B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP6269864B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP5846033B2 (ja) 情報処理装置、端末装置、情報処理方法、表示方法、情報処理プログラム、及び表示プログラム
JP5370351B2 (ja) 情報処理方法、情報処理装置、及び情報処理プログラム
JP5165722B2 (ja) 情報提供サーバ、および情報提供システム
JP6065061B2 (ja) 情報処理装置、端末装置、情報処理方法、表示方法、情報処理プログラム、及び表示プログラム
JP6443431B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP5488172B2 (ja) 情報処理方法、情報処理装置、端末装置および情報処理プログラム
JP4838486B2 (ja) レコメンデーションシステム
WO2019159288A1 (ja) 情報処理システム、情報処理方法、及びプログラム
JP2016081156A (ja) 顔写真表示装置
JP5633659B2 (ja) 情報処理方法、表示方法、情報処理装置、端末装置、及び情報処理プログラム
JP5803800B2 (ja) 情報処理装置、端末装置、情報処理方法、表示方法、情報処理プログラム、及び表示プログラム
JP6028847B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170529

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20171124

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: 20171205

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20171218

R150 Certificate of patent or registration of utility model

Ref document number: 6269864

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150