JP6679415B2 - Selection device, selection method, and selection program - Google Patents
Selection device, selection method, and selection program Download PDFInfo
- Publication number
- JP6679415B2 JP6679415B2 JP2016107281A JP2016107281A JP6679415B2 JP 6679415 B2 JP6679415 B2 JP 6679415B2 JP 2016107281 A JP2016107281 A JP 2016107281A JP 2016107281 A JP2016107281 A JP 2016107281A JP 6679415 B2 JP6679415 B2 JP 6679415B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- user
- product
- information indicating
- proposal
- 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
- 238000010187 selection method Methods 0.000 title claims description 10
- 239000011159 matrix material Substances 0.000 claims description 553
- 238000011156 evaluation Methods 0.000 claims description 185
- 238000000034 method Methods 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 46
- 239000000284 extract Substances 0.000 claims description 11
- 238000013459 approach Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 26
- 230000010354 integration Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Description
本発明は、選択装置、選択方法および選択プログラムに関する。 The present invention relates to a selection device, a selection method, and a selection program.
近年、インターネットの飛躍的な普及に伴い、インターネットを介した情報配信が盛んに行われている。このような情報配信の一例として、配信対象となる音声、動画像、ニュース、ブログ等といった各種のコンテンツや、電子商店街等で取引の対象となる商品等の中から、利用者に対して提案する対象（以下、「提案対象」と記載する。）を選択し、選択した提案対象を利用者に対して通知する技術が知られている。 In recent years, with the rapid spread of the Internet, information distribution via the Internet has been actively performed. As an example of such information distribution, a proposal is made to the user from various contents such as voices, moving images, news, blogs, etc. to be distributed and products to be traded in the online shopping mall. BACKGROUND ART There is known a technique of selecting a target (hereinafter, referred to as a “proposal target”) to be notified and notifying a user of the selected proposal target.
このような提案対象を選択する手法として、ＭＦ（Matrix Factorization）と呼ばれる手法が知られている。例えば、ＭＦを用いて提案対象を選択するサーバは、一部のコンテンツや商品等に対する利用者の評価を含む評価値行列から、評価値行列を再現する２つの潜在行列を生成する。また、サーバは、生成した２つの潜在行列から、評価値行列を再計算することで、未評価の提案対象に対する利用者の評価を推定する。そして、サーバは、推定結果に基づいて、提案対象を選択する。 A method called MF (Matrix Factorization) is known as a method for selecting such a proposal target. For example, a server that selects a proposal target using MF generates two latent matrices that reproduce the evaluation value matrix from the evaluation value matrix that includes the user's evaluation of some contents, products, and the like. In addition, the server estimates the user's evaluation of the unevaluated proposal target by recalculating the evaluation value matrix from the two generated latent matrices. Then, the server selects a proposal target based on the estimation result.
しかしながら、上述した従来技術では、利用者の評価を推定する際の計算コストが増大する恐れがある。 However, in the above-mentioned conventional technique, there is a possibility that the calculation cost when estimating the evaluation of the user increases.
例えば、上述した従来技術では、利用者が新たな評価を行った場合や利用者が評価を変更した場合、新たな利用者が追加された場合、若しくは提案対象となるコンテンツや商品が追加された場合等、潜在行列の生成元となる評価値行列が変化する度に、潜在行列を計算しなおすこととなる。この結果、従来技術では、潜在行列の算出に伴う計算コストが増大する。 For example, in the above-mentioned conventional technology, when the user makes a new evaluation, when the user changes the evaluation, when a new user is added, or the content or product to be proposed is added. In each case, the latent matrix is recalculated every time the evaluation value matrix that is the generation source of the latent matrix changes. As a result, in the conventional technique, the calculation cost for calculating the latent matrix increases.
本願は、上記に鑑みてなされたものであって、利用者の評価を推定する際の計算コストの増大を防ぐことを目的とする。 The present application has been made in view of the above, and an object thereof is to prevent an increase in calculation cost when estimating the evaluation of a user.
本願に係る選択装置は、利用者の特徴を示す情報を含む第１行列と、提案対象の特徴を示す情報を含む第２行列と、前記提案対象に対する前記利用者の評価を示す情報を含む第３行列とから算出される第４行列であって、前記第１行列と前記第４行列と前記第２行列との積が前記第３行列となるように成分の値が設定された第４行列を取得する取得部と、前記提案対象の提案先となる利用者の特徴を示す情報をクエリとし、前記第４行列と前記第２行列との積の値を前記利用者の特徴に対する各提案対象のスコアとして、当該クエリと当該スコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する検索部と、前記検索部による検索結果に基づいて、前記利用者に対して提案する提案対象を選択する選択部とを有することを特徴とする。 A selection device according to the present application includes a first matrix including information indicating characteristics of a user, a second matrix including information indicating characteristics of a proposal target, and a second matrix including information indicating an evaluation of the user with respect to the proposal target. A fourth matrix calculated from the third matrix, the fourth matrix having component values set such that the product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix. And an acquisition unit that acquires the characteristics of a user who is a proposal destination of the proposal target as a query, and a value of a product of the fourth matrix and the second matrix is used as a proposal target for each of the characteristics of the user. As a score of, a search unit that searches a predetermined number of proposal targets from a higher inner product value calculated from the query and the score, and based on the search result by the search unit, to the user And a selection unit for selecting a proposal target to be proposed And it features.
実施形態の一態様によれば、利用者の評価を推定する際の計算コストの増大を防ぐことができる。 According to one aspect of the embodiment, it is possible to prevent an increase in calculation cost when estimating the evaluation of the user.
以下に、本願に係る選択装置、選択方法および選択プログラムを実施するための形態（以下、「実施形態」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る選択装置、選択方法および選択プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。 Hereinafter, modes (hereinafter, referred to as “embodiments”) for carrying out a selection device, a selection method, and a selection program according to the present application will be described in detail with reference to the drawings. Note that the selection device, the selection method, and the selection program according to the present application are not limited by this embodiment. Also, in each of the following embodiments, the same parts are designated by the same reference numerals, and duplicated description will be omitted.
［実施形態］
〔１．選択装置の一例〕
まず、図１を用いて、選択装置が実行する選択処理の一例について説明する。図１は、実施形態に係る選択装置が実行する選択処理の一例を示す図である。図１では、選択装置１０は、インターネット等の所定のネットワークＮを介して、利用者Ｕ０１が使用する利用者端末１００と通信可能である。
[Embodiment]
[1. Example of selection device]
First, an example of the selection process executed by the selection device will be described with reference to FIG. FIG. 1 is a diagram illustrating an example of a selection process executed by the selection device according to the embodiment. In FIG. 1, the
利用者端末１００は、スマートフォンやタブレット等のスマートデバイスであり、３Ｇ（3rd Generation）やＬＴＥ（Long Term Evolution）等の無線通信網を介して任意のサーバ装置と通信を行うことができる携帯端末装置である。なお、利用者端末１００は、スマートデバイスのみならず、デスクトップＰＣやノートＰＣ等の情報処理装置であってもよい。
The
選択装置１０は、利用者端末１００に対して、各種のウェブページを配信する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。より具体的な例を説明すると、選択装置１０は、電子商店街に関する各種のサービスを提供する情報処理装置であり、例えば、電子商取引の対象となる商品や役務（以下、「商品」と総称する。）に関する各種の情報や、商品の購入等を受付けるウェブページの配信を行う。
The
なお、選択装置１０は、音楽や動画像等といった各種のコンテンツを配信する配信装置であってもよい。すなわち、選択装置１０は、利用者端末１００に対して情報の配信を行う情報配信処理を実行するのであれば、任意の情報の配信を行ってよい。
The
ここで、選択装置１０は、利用者に対して各種のレコメンドを行う。例えば、選択装置１０は、各商品に対する利用者の評価に基づいて、利用者が気に入ると予測される商品を選択し、選択した商品の購入を提案する情報、すなわち、利用者が気に入ると予測される商品の広告を利用者に対して配信する。
Here, the
〔１−１．ＭＦについて〕
ここで、利用者に提案する情報を選択する手法として、ＭＦと呼ばれる手法が知られている。以下、ＭＦを用いて利用者に提案する情報を選択するサーバ装置が実行する処理の一例について説明する。なお、以下の説明では、動画像等のコンテンツのうち、利用者に対して提案するコンテンツを選択する処理の一例について説明する。
[1-1. About MF]
Here, a method called MF is known as a method for selecting information to be proposed to the user. Hereinafter, an example of a process executed by the server device that selects information to be proposed to the user using the MF will be described. It should be noted that in the following description, an example of a process of selecting content to be proposed to the user from content such as moving images will be described.
例えば、サーバ装置は、各コンテンツに対する利用者の評価を示す評価値行列Ｒを取得する。より具体的には、サーバ装置は、各行に各利用者を対応付け、各列に各コンテンツを対応付けた行列であって、各コンテンツに対する各利用者の評価値が格納された評価値行列Ｒを取得する。一般に、全ての利用者が全てのコンテンツに対して評価を行っているわけではないので、このような評価値行列Ｒは、一部の成分のみが入力されたスパースな行列となる。 For example, the server device acquires an evaluation value matrix R indicating the user's evaluation of each content. More specifically, the server device is a matrix in which each user is associated with each row and each content is associated with each column, and an evaluation value matrix R in which the evaluation value of each user for each content is stored. To get. Generally, not all users evaluate all the contents, and thus such an evaluation value matrix R is a sparse matrix in which only some components are input.
ここで、サーバ装置は、評価値行列Ｒを２つの潜在行列に分解する。例えば、サーバ装置は、評価値行列ＲがＮｕ×Ｎｊ行列である場合、Ｎｕ×ｋ行列である潜在行列Ｐと、ｋ×Ｎｊ行列である潜在行列Ｑとを設定する。また、サーバ装置は、潜在行列Ｐと潜在行列Ｑとの成分の初期値として、正規分布に従った値をランダムに設定する。そして、サーバ装置は、潜在行列Ｐと潜在行列Ｑとの積と、評価値行列Ｒとの差分に基づくコスト関数の値が最小化するように、潜在行列Ｐと潜在行列Ｑとの成分を更新する。そして、サーバ装置は、コスト関数の値が十分に小さくなった場合は、潜在行列Ｐと潜在行列Ｑとの積を、復元行列Ｒ’として算出する。 Here, the server device decomposes the evaluation value matrix R into two latent matrices. For example, when the evaluation value matrix R is a Nu × Nj matrix, the server device sets a latent matrix P that is a Nu × k matrix and a latent matrix Q that is a k × Nj matrix. Further, the server device randomly sets values according to the normal distribution as initial values of the components of the latent matrix P and the latent matrix Q. Then, the server device updates the components of the latent matrix P and the latent matrix Q so that the value of the cost function based on the difference between the product of the latent matrix P and the latent matrix Q and the evaluation value matrix R is minimized. To do. Then, when the value of the cost function becomes sufficiently small, the server device calculates the product of the latent matrix P and the latent matrix Q as the restoration matrix R '.
このようにして算出された復元行列Ｒ’には、評価値行列Ｒに入力されていた成分のみならず、評価値行列Ｒに入力されていなかった成分が含まれることとなる。すなわち、復元行列Ｒ’には、各コンテンツに対する利用者の評価の予測値が含まれることとなる。そこで、サーバ装置は、復元行列Ｒ’を用いて、各コンテンツに対する利用者の評価を予測し、予測結果に基づいて、利用者に対して提案するコンテンツを選択する。 The restoration matrix R ′ thus calculated includes not only the components input to the evaluation value matrix R but also the components not input to the evaluation value matrix R. That is, the restoration matrix R'includes the predicted value of the user's evaluation of each content. Therefore, the server device predicts the evaluation of the user for each content by using the restoration matrix R ', and selects the content to be proposed to the user based on the prediction result.
しかしながら、上述したＭＦの技術では、各コンテンツに対する利用者の評価が変化した場合、すなわち、評価値行列Ｒの成分が変化した場合は、変化後の評価値行列Ｒを再現する潜在行列Ｐと潜在行列Ｑを再度算出する必要がある。また、新たな利用者やコンテンツが追加された場合には、評価値行列Ｒの行数や列数が変化するため、新たな評価値行列Ｒを再現する新たな潜在行列Ｐと潜在行列Ｑを再度算出する必要がある。この結果、上述したＭＦの技術では、計算コストが増大する恐れがある。特に、ニュースのレコメンドや、商品のレコメンド等、コンテンツに対する利用者の評価が瞬時に変化するようなサービスにおいては、映画の配信サービス等、コンテンツに対する利用者の評価があまり変化しないサービスと比較して、潜在行列Ｐと潜在行列Ｑの更新頻度が高くなってしまう。 However, in the above-described MF technique, when the user's evaluation of each content changes, that is, when the components of the evaluation value matrix R change, the latent matrix P that reproduces the changed evaluation value matrix R and the latent matrix P are reproduced. The matrix Q needs to be calculated again. Also, when a new user or content is added, the number of rows and the number of columns of the evaluation value matrix R change, so that a new latent matrix P and a latent matrix Q that reproduce the new evaluation value matrix R are created. It needs to be calculated again. As a result, the above-mentioned MF technique may increase the calculation cost. Especially in services such as news recommendations and product recommendations where the user's evaluation of the content changes instantly, compared to services such as movie distribution services where the user's evaluation of the content does not change much. , The latent matrix P and the latent matrix Q are frequently updated.
〔１−２．選択処理について〕
そこで、選択装置１０は、以下の処理を実行する。まず、選択装置１０は、利用者の特徴を示す情報を含む第１行列と、提案対象の特徴を示す情報を含む第２行列と、提案対象に対する利用者の評価を示す情報を含む第３行列とから算出される第４行列であって、第１行列と第４行列と第２行列との積が第３行列となるように成分の値が設定された第４行列を取得する。また、選択装置１０は、提案対象の提案先となる利用者の特徴を示す情報をクエリとし、第４行列と第２行列との積の値を利用者の特徴に対する各提案対象のスコアとして、クエリとスコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する。そして、選択装置１０は、検索部による検索結果に基づいて、利用者に対して提案する提案対象を選択する。
[1-2. About selection processing]
Therefore, the
〔１−３．ＩＭＣ（Inductive Matrix Completion）について〕
より具体的には、選択装置１０は、ＩＭＣと呼ばれる手法を用いて、評価値行列Ｒを再現する潜在要素行列Ｗを生成する。例えば、選択装置１０は、第１行列として、利用者の特徴を行方向に配置したユーザ特徴行列Ｘを取得し、第２行列として、提案対象である商品の特徴を示す情報を列方向に配置した商品特徴行列Ｙを取得する。また、選択装置１０は、第３行列として、商品に対する利用者の評価を示す情報を行方向に配置した評価値行列Ｒを取得する。
[1-3. About IMC (Inductive Matrix Completion)
More specifically, the
なお、利用者の特徴とは、利用者の性別、年代、利用者が使用する利用者端末１００の種別、収入、住所、趣味趣向等、利用者の属性を示す各種の情報であるものとする。また、商品の特徴とは、商品がどのカテゴリに属するかや、商品の価格帯等といった商品そのものの属性を示す任意の情報を含むものとする。なお、商品の特徴には、セールの対象商品であるか否か、税込価格が表示されるか、送料無料であるか否か等といった商品の販売手法を示す情報等が含まれていてもよい。
The characteristics of the user are various information indicating the attributes of the user, such as the sex of the user, the age, the type of the
そして、選択装置１０は、ユーザ特徴行列Ｘと、潜在要素行列Ｗと、商品特徴行列Ｙとの積が、評価値行列Ｒを再現するように（すなわち、Ｒ≒Ｘ×Ｗ×Ｙとなるように）、潜在要素行列Ｗを第４行列として算出する。すなわち、選択装置１０は、利用者の特徴と商品の特徴とに基づいて、評価値行列Ｒを行列分解する。
Then, the
より具体的には、選択装置１０は、行数がユーザ特徴行列Ｘの列数と同じ潜在要素行列Ｕと、列数が商品特徴行列Ｙの行数と同じ潜在要素行列Ｖとを設定し、ユーザ特徴行列Ｘと、潜在要素行列Ｕと、潜在要素行列Ｖと、商品特徴行列Ｙとの積が、評価値行列Ｒを再現するように（すなわち、Ｒ≒Ｘ×Ｕ×Ｖ×Ｙとなるように）、潜在要素行列Ｕおよび潜在要素行列ＶをＡＬＳ（Alternating Least Squares）等を用いて生成する。そして、選択装置１０は、生成した潜在要素行列Ｕと潜在要素行列Ｖとの積を潜在要素行列Ｗとして算出する。そして、選択装置１０は、ユーザ特徴行列Ｘと、潜在要素行列Ｗと、商品特徴行列Ｙとの積から、復元行列Ｒ’を算出し、算出した復元行列Ｒ’の成分の値に基づいて、利用者に対して提案する商品を選択する。
More specifically, the
このようにして算出された潜在要素行列Ｗは、商品に対する利用者の評価を示す情報ではなく、利用者の特徴と商品の特徴との関連性から、商品に対する利用者の評価を推定する潜在要素を示す情報となる。このため、選択装置１０は、新たな利用者が追加された場合や、新たな商品が追加された場合等であっても、新たな利用者や新たな商品の属性を特定することが出来るのであれば、潜在要素行列Ｗを更新せずとも、評価値の算出を行うことが出来る。この結果、選択装置１０は、潜在要素行列Ｗを生成した場合には、利用者のや商品の追加が行われた場合であっても、潜在要素行列Ｗを更新する計算コストの増大を防ぐことが出来る。
The latent element matrix W calculated in this way is not information indicating the user's evaluation of the product, but a latent element for estimating the user's evaluation of the product from the relationship between the user's characteristics and the product's characteristics. Is information indicating. Therefore, the
〔１−４．復元行列Ｒ’の算出について〕
ここで、選択装置１０は、復元行列Ｒ’を算出する場合には、商品の提案先となる利用者の特徴を配置した行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積を算出する。より具体的には、選択装置１０は、利用者から商品の検索リクエストを受付けた場合や、利用者から商品の提案リクエストを受け付けた場合等、利用者からの各種リクエストを受付けた場合には、その利用者の特徴を配置した行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積を算出する。
[1-4. Calculation of Restoration Matrix R ']
Here, when calculating the restoration matrix R ′, the
例えば、選択装置１０は、ユーザ特徴行列Ｘに提案先となる利用者の特徴が含まれている場合には、ユーザ特徴行列Ｘから提案先となる利用者の特徴を含む行を抽出する。そして、選択装置１０は、抽出した行と潜在要素行列Ｗと商品特徴行列Ｙとを積算することで、復元行列Ｒ’のうち、提案先となる利用者による各商品への評価を含む行を算出する。
For example, when the user feature matrix X includes the feature of the user who is the proposal destination, the
一方、選択装置１０は、新たな利用者が提案先となる場合、すなわち、ユーザ特徴行列Ｘに提案先となる利用者の特徴が含まれていない場合は、新たな利用者の特徴を示す行を生成する。かかる行には、取得可能な全ての特徴が含まれている必要はなく、例えば、所定の初期値が成分として含まれていてもよい。そして、選択装置１０は、生成した行と潜在要素行列Ｗと商品特徴行列Ｙとを積算することで、提案先となる利用者による各商品への評価を含む行を算出する。なお、選択装置１０は、新たに生成した行をユーザ特徴行列Ｘに追加し、ユーザ特徴行列Ｘのうち、提案先となる利用者の特徴を示す行を抽出し、抽出した行と潜在要素行列Ｗと商品特徴行列Ｙとを積算することで、復元行列Ｒ’のうち、提案先となる利用者による各商品への評価を含む行を算出してもよい。
On the other hand, when the new user is the proposal destination, that is, when the user feature matrix X does not include the characteristics of the user who is the proposal destination, the
また、選択装置１０は、新たな商品が提案対象に追加された場合は、新たな商品の特徴を示す列を商品特徴行列Ｙに追加すればよい。このような追加を行った場合であっても、選択装置１０は、提案先となる利用者の特徴を示す行と潜在要素行列Ｗと商品特徴行列Ｙとを積算することで、復元行列Ｒ’のうち、提案先となる利用者による各商品への評価を含む行を算出することが出来る。
Further, when a new product is added to the proposal target, the
このように、選択装置１０は、提案先となる利用者の特徴を示す行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積として得られる行を、提案先となる利用者による各商品への評価を含む行、すなわち、復元行列Ｒ’のうち提案先となる利用者と対応する行として算出する。このため、選択装置１０は、利用者の追加や商品の追加があった場合にも、潜在要素行列Ｗをそのまま使用することが出来る。このため、選択装置１０は、利用者の評価を推定する際の計算コストの増大を防ぐことが出来る。
In this way, the
〔１−５．ＷＡＮＤについて〕
ここで、利用者が興味を有していると予測される商品の提案を行う場合、選択装置１０は、以下の処理を実行する。まず、選択装置１０は、提案先となる利用者の特徴を示す行と潜在要素行列Ｗと商品特徴行列Ｙとを積算することで、提案先となる利用者による各商品への評価を示す値を算出する。そして、選択装置１０は、算出した値が高い方から所定の数の商品を提案対象として選択し、選択した商品に関する情報を利用者に配信する。しかしながら、電子商取引の対象となる商品の数によっては、迅速に提案対象となる商品を検索できない場合がある。例えば、電子商取引の対象となる商品が億のオーダーで存在する場合等には、提案対象を検索する際の計算コストが増大してしまう。
[1-5. About WAND]
Here, in the case of proposing a product that the user is expected to be interested in, the
そこで、選択装置１０は、いわゆるＷＡＮＤアルゴリズムを用いて、提案対象となる商品の検索を行う。具体的には、選択装置１０は、潜在要素行列Ｗと商品特徴行列Ｙとの積である積算行列ＷＹをあらかじめ算出する。そして、選択装置１０は、提供先となる利用者の特徴をクエリとし、積算行列ＷＹの各成分の値をクエリに対する各商品のスコアとして、クエリとスコアとの内積の値が大きい方から順に所定の数の商品を選択する。すなわち、選択装置１０は、提案先となる利用者の特徴をクエリと見做し、積算行列ＷＹをインデックスと見做したＷＡＮＤアルゴリズムを用いて、利用者の興味がより大きいと予測される商品を検索する。
Therefore, the
このようなＷＡＮＤアルゴリズムを採用した場合、それまでに算出された内積値のうち、値が大きいものから所定の数の内積値が候補として保持され、クエリの値とスコアの値とに基づいて、候補に届かない内積値の算出をスキップすることが出来る。このため、選択装置１０は、商品に対する利用者の評価値を算出する際の計算コストを削減することができる。なお、選択装置１０は、選択対象のクエリに対するスコアを用いて、クエリとスコアとの内積の値が大きい方から順に所定の数の商品を選択するいわゆるＴｏｐ−ｋ ｒｅｔｒｉｅｖａｌアルゴリズムであれば、ＷＡＮＤアルゴリズム以外にも、任意のアルゴリズムを採用してよい。
When such a WAND algorithm is adopted, among the inner product values calculated up to that point, a predetermined number of inner product values are retained as candidates, and based on the query value and the score value, It is possible to skip the calculation of the inner product value that does not reach the candidate. Therefore, the
〔１−６．選択処理の適用対象について〕
なお、上述した例では、選択装置１０は、電子商取引の対象となる商品の特徴を示す商品特徴行列Ｙと、電子商取引の対象となる商品に対する各利用者の評価を示す評価値行列Ｒとを用いて、潜在要素行列Ｗを生成し、生成した潜在要素行列Ｗを用いて、提案先となる利用者の各商品に対する評価値を算出した。すなわち、選択装置１０は、電子商取引の対象となる商品を提案対象とした。しかしながら、実施形態は、これに限定されるものではない。
[1-6. About the target of selection processing]
In the example described above, the
例えば、選択装置１０は、ニュース、動画像、静止画像、音楽、マイクロブログ等の任意のコンテンツを提案対象としてもよい。より具体的には、選択装置１０は、配信対象となる各コンテンツに対する利用者の評価を含む評価値行列Ｒと、ユーザ特徴行列Ｘと、コンテンツの特徴を含む商品特徴行列Ｙとを用いて、潜在要素行列Ｗを生成し、ユーザ特徴行列Ｘと、潜在要素行列Ｗと、商品特徴行列Ｙとを用いて、コンテンツの提案先となる利用者の各コンテンツに対する評価を推定し、推定結果に基づいて、利用者に対して提案するコンテンツを選択してもよい。このように、選択装置１０は、上述した選択処理をコンテンツの選択に適用することで、利用者に対してコンテンツのレコメンドを実現してもよい。
For example, the
〔１−７．選択処理の一例について〕
次に、図１を用いて、選択装置１０が実行する選択処理の一例について説明する。まず、選択装置１０は、ＩＭＣを用いて、スパースな評価値行列Ｒと、ユーザ特徴行列Ｘと、商品特徴行列Ｙとに基づいて、潜在要素行列Ｗを算出する（ステップＳ１）。
[1-7. Regarding an example of selection processing]
Next, an example of the selection process executed by the
例えば、図１に示す例では、選択装置１０は、評価値行列Ｒとして、利用者１〜５の商品Ａ〜Ｅに対する評価の値が含まれる行列Ｍ１０を取得する。例えば、図１に示す例では、行列Ｍ１０は、「利用者１」の商品Ｂに対する評価が「５」であり、「商品Ｄ」に対する評価が「２」である旨を示す。また、選択装置１０は、ユーザ特徴行列Ｘとして、「利用者１〜５」が有する特徴を示す値が含まれる行列Ｍ２０を取得する。例えば、図１に示す例では、行列Ｍ２０は、各行に「利用者１〜５」が対応付けられ、各列に利用者の特徴が対応付けられており、各利用者が対応付けられた行のうち、その利用者が有する特徴と対応付けられた列に「１」が格納されている。例えば、図１に示す例では、行列Ｍ２０は、「利用者１」が「２０代」の「女性」であり、利用者端末１００として「ＰＣ（Personal Computer）」を使用している旨を示す。また、図１に示す例では、選択装置１０は、商品特徴行列Ｙとして、各商品Ａ〜Ｅの特徴を列方向に並べた行列Ｍ４０を取得する。例えば、図１に示す例では、行列Ｍ４０は、「商品Ａ」が「カテゴリ１」に属し、「送料無料」である旨を示す。
For example, in the example illustrated in FIG. 1, the
このような行列Ｍ１０、Ｍ２０、Ｍ４０を取得した場合には、選択装置１０は、行列Ｍ２０と、行列Ｍ３０と、行列Ｍ４０との積が、行列Ｍ１０となるように、行列Ｍ３０の各成分の値を算出する。より具体的には、選択装置１０は、ＡＬＳ等の手法を用いて、行列Ｍ３０の各成分の値を算出する。そして、選択装置１０は、算出した行列Ｍ３０を潜在要素行列Ｗとする。続いて、選択装置１０は、潜在要素行列Ｗと商品特徴行列Ｙとから、積算行列ＷＹとなる行列Ｍ６０をあらかじめ算出する（ステップＳ２）。すなわち、選択装置１０は、潜在要素行列Ｗ（行列Ｍ３０）と、商品特徴行列Ｙ（行列Ｍ４０）との積となる積算行列ＷＹ（行列Ｍ６０）をあらかじめ算出する。なお、選択装置１０は、ユーザ特徴行列Ｘと、このような積算行列ＷＹとの積を算出することで、復元行列Ｒ’を生成することが出来る。
When acquiring such matrices M10, M20, and M40, the
ここで、選択装置１０は、利用者Ｕ０１が使用する利用者端末１００から商品の検索要求を受信したものとする（ステップＳ３）。このような場合、選択装置１０は、ＷＡＮＤアルゴリズムを用いて、利用者Ｕ０１による評価値が高いと推定される商品を特定する（ステップＳ４）。例えば、選択装置１０は、ユーザ特徴行列Ｘの中から、利用者Ｕ０１が対応付けられた行（例えば、「利用者２」の特徴を示す情報を含む行）を抽出する。また、選択装置１０は、ユーザ特徴行列Ｘから抽出した行をクエリとし、積算行列ＷＹを商品のインデックスとする（ステップＳ５）。ここで、ユーザ特徴行列Ｘと積算行列ＷＹとの積が、評価値行列Ｒ（復元行列Ｒ’）となることを考えると、積算行列ＷＹには、利用者の特徴ごとに、その利用者の特徴に対する各商品のスコアが含まれていると見做すことができ、評価値の値は、クエリとスコアとの内積値であると見做すことが出来る。
Here, it is assumed that the
そこで、選択装置１０は、ＷＡＮＤアルゴリズムを用いて、クエリとスコアとの内積値が大きい方から所定の数の商品を特定する（ステップＳ６）。例えば、選択装置１０は、「商品Ａ」の内積値が「内積値＃１」であり、「商品Ｂ」の内積値が「内積値＃１」よりも大きい「内積値＃２」であり、「商品Ｃ」の内積値が「内積値＃２」よりも大きい「内積値＃３」である場合は、「商品Ｃ」と「商品Ｂ」とを選択する。そして、選択装置１０は、商品の検索結果とともに、評価値が高い商品の広告、すなわち、「商品Ｃ」と「商品Ｂ」との広告を利用者端末１００へと送信し、表示させる（ステップＳ７）。この結果、選択装置１０は、ＩＭＣを用いて利用者Ｕ０１の評価が高いと推定された商品の広告を、利用者Ｕ０１に対して提供することが出来る。
Therefore, the
〔２．選択装置の構成〕
以下、上記した選択処理を実現する選択装置１０が有する機能構成の一例について説明する。図２は、実施形態に係る選択装置の構成例を示す図である。図２に示すように、選択装置１０は、通信部２０、記憶部３０、および制御部４０を有する。
[2. Configuration of selection device]
Hereinafter, an example of a functional configuration of the
通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、利用者端末１００との間で情報の送受信を行う。
The
記憶部３０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部３０は、商品データベース３１、評価値データベース３２、ユーザデータベース３３、潜在要素データベース３４、およびインデックスデータベース３５（以下、「各データベース３１〜３５」と総称する場合がある。）を記憶する。
The
以下、図３〜図６を用いて、各データベース３１〜３５に登録される情報の一例について説明する。商品データベース３１には、商品特徴行列Ｙの各成分が登録されている。例えば、図３は、実施形態に係る商品データベースに登録される情報の一例を示す図である。図３に示すように、商品データベース３１には、電子商取引の対象となる商品の特性である「商品属性」が各行に対応付けられており、商品の識別子である「商品ＩＤ（Identifier）」が各列に対応付けられている。そして、商品データベース３１には、各商品が有する特徴と対応するセルに、成分「１」が登録されている。
Hereinafter, an example of information registered in each of the
例えば、図３に示す例では、商品データベース３１には、商品ＩＤ「Ａ」が対応付けられた列のうち、商品属性「セール」、「カテゴリ２」、「税込」が対応付けられたセルに「０」が格納され、商品属性「カテゴリ１」、「送料無料」が対応付けられたセルに「１」が格納されている。かかる情報は、商品ＩＤ「Ａ」が示す商品が、商品属性「カテゴリ１」に属する商品であり、送料が無料である旨を示している。
For example, in the example shown in FIG. 3, in the
評価値データベース３２は、評価値行列Ｒの各成分が登録されている。例えば、図４は、実施形態に係る評価値データベースに登録される情報の一例を示す図である。図４に示すように、評価値データベース３２には、各利用者を識別する「利用者ＩＤ」が各行に対応付けられており、「商品ＩＤ」が各列に対応付けられている。そして、評価値データベース３２には、各利用者が各商品に対して行った評価の内容を示す値が対応するセルに登録されている。
Each component of the evaluation value matrix R is registered in the
例えば、図４に示す例では、評価値データベース３２には、利用者ＩＤ「１」が対応付けられた行のうち、商品ＩＤ「Ｂ」が対応付けられたセルに「５」が登録され、商品ＩＤ「Ｄ」が対応付けられたセルに「２」が登録されている。かかる情報は、利用者ＩＤ「１」が示す利用者が、商品ＩＤ「Ｂ」が示す商品に評価値「５」を付与し、商品ＩＤ「Ｄ」が示す商品に評価値「２」を付与した旨を示す。なお、評価値データベース３２のうち、利用者が評価を行っていない商品と対応するセルには、評価値が登録されていない。
For example, in the example illustrated in FIG. 4, in the
ユーザデータベース３３は、ユーザ特徴行列Ｘの各成分が登録されている。例えば、図５は、実施形態に係るユーザデータベースに登録される情報の一例を示す図である。図５に示すように、ユーザデータベース３３には、各利用者を識別する「利用者ＩＤ」が各行に対応付けられており、「男」や「女」等といった利用者の属性である「利用者属性」が各列に対応付けられている。そして、ユーザデータベース３３には、各利用者が有する特徴と対応するセルに、成分「１」が登録されている。
Each component of the user feature matrix X is registered in the
例えば、図５に示す例では、ユーザデータベース３３には、利用者ＩＤ「１」が対応付けられた行のうち、利用者属性「女」、「２０代」、「ＰＣ」が対応付けられたセルに「１」が登録され、他のセルに「０」が登録されている。係る情報は、利用者ＩＤ「１」が示す利用者が、２０代の女性であり、利用者端末１００としてＰＣを使用している旨を示す。
For example, in the example shown in FIG. 5, the
潜在要素データベース３４は、ユーザ特徴行列Ｘと、商品特徴行列Ｙと、評価値行列Ｒとから生成された潜在要素行列Ｗの各成分の値が登録されている。例えば、図６は、実施形態に係る潜在要素データベースに登録される情報の一例を示す図である。図６に示すように、潜在要素データベース３４には、「利用者属性」が各行に対応付けられており、「商品属性」が各列に対応付けられている。そして、潜在要素データベース３４には、ユーザ特徴行列Ｘと、商品特徴行列Ｙと、評価値行列Ｒとから算出された各成分の値「値＃１」〜「値＃１１」が登録されている。なお、図６に示す例では、「値＃１」〜「値＃１１」といった概念的な値を記載したが、実際には、潜在要素データベース３４には、ユーザ特徴行列Ｘと、商品特徴行列Ｙと、評価値行列Ｒとから算出された数値が登録されることとなる。より具体的には、潜在要素データベース３４には、ユーザ特徴行列Ｘと、潜在要素行列Ｗと、商品特徴行列Ｙとの積の値が、評価値行列Ｒを再現するように求められた値が登録されることとなる。
In the
インデックスデータベース３５には、積算行列ＷＹの各成分の値が登録されている。すなわち、インデックスデータベース３５には、利用者属性ごとに、その利用者属性に対する各商品の関連性を示すスコアの値が登録されることとなる。例えば、インデックスデータベース３５には、「Ｕｓｅｒ ＦｅａｔｕｒｅＩＤ１：＜ＩｔｅｍＩＤ，Ｓｃｏｒｅ＞，…」といった形式のデータが登録されることとなる。ここで、「Ｕｓｅｒ ＦｅａｔｕｒｅＩＤ１」とは、利用者属性を示す情報である。また、「ＩｔｅｍＩＤ１」とは、商品の識別子である。また、「Ｓｃｏｒｅ」とは、対応付けられた利用者属性に対し、対応付けられた商品の識別子が示す商品の関連性を示すスコアの値である。
In the
図２に戻り、説明を続ける。制御部４０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、選択装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ等を作業領域として実行されることにより実現される。また、制御部４０は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。
Returning to FIG. 2, the description will be continued. The
図２に示すように、制御部４０は、要求受付部４１、取得部４２、算出部４３、検索部４４、選択部４５、配信部４６、および生成部４７を有する。
As shown in FIG. 2, the
要求受付部４１は、利用者Ｕ０１から商品の検索要求を受付ける。より具体的には、要求受付部４１は、利用者Ｕ０１が所望する商品の検索クエリを受付ける。このような場合、要求受付部４１は、検索クエリと合致する商品を商品データベース３１から検索し、検索結果を示すウェブページを生成する。
The
取得部４２は、利用者の特徴を示す情報を行方向に配置したユーザ特徴行列Ｘと、電子商取引の対象となる商品の特徴を示す情報を列方向に配置した商品特徴行列Ｙと、商品に対する利用者の評価を示す情報を行方向に配置した評価値行列Ｒとから算出される潜在要素行列Ｗであって、ユーザ特徴行列Ｘと潜在要素行列Ｗと商品特徴行列Ｙとの積が評価値行列Ｒを再現するように、各成分の値が設定された潜在要素行列Ｗを取得する。より具体的には、取得部４２は、後述する生成部４７によって生成された潜在要素行列Ｗを、潜在要素データベース３４から読み出す。
The acquisition unit 42 has a user feature matrix X in which information indicating characteristics of users is arranged in a row direction, a product feature matrix Y in which information indicating characteristics of a product to be electronically traded is arranged in a column direction, and A latent element matrix W calculated from an evaluation value matrix R in which information indicating user evaluations is arranged in a row direction, and a product of a user feature matrix X, a latent element matrix W, and a product feature matrix Y is an evaluation value. The latent element matrix W in which the value of each component is set is obtained so as to reproduce the matrix R. More specifically, the acquisition unit 42 reads the latent element matrix W generated by the
算出部４３は、商品の提案先となる利用者Ｕ０１の特徴を示す情報を含む行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積から、利用者Ｕ０１の各商品に対する評価を示す値を算出する。例えば、算出部４３は、利用者Ｕ０１と対応する行をユーザ特徴行列Ｘから抽出し、抽出した行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積を算出する。すなわち、算出部４３は、商品の提案先となる利用者Ｕ０１の各商品に対する評価を推定する。 The calculation unit 43 calculates a value indicating the evaluation of each product of the user U01 from the product of the row including the information indicating the characteristics of the user U01 who is the proposal destination of the product, the latent element matrix W, and the product characteristic matrix Y. To calculate. For example, the calculation unit 43 extracts a row corresponding to the user U01 from the user characteristic matrix X, and calculates the product of the extracted row, the latent element matrix W, and the product characteristic matrix Y. That is, the calculation unit 43 estimates the evaluation of each product by the user U01 who is the proposal destination of the product.
ここで、商品の数が多い場合、商品の提案先となる利用者Ｕ０１の特徴を示す情報を含む行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積から、利用者Ｕ０１の各商品に対する評価を示す値を算出するための計算コストが増大してしまう。そこで、算出部４３は、検索部４４と連動して動作することで、各商品に対する評価を示す値を算出するための計算コストを削減する。
Here, when the number of products is large, each product of the user U01 is calculated from the product of the row including the information indicating the characteristics of the user U01 who is the proposal destination of the product, the latent element matrix W, and the product feature matrix Y. Therefore, the calculation cost for calculating the value indicating the evaluation is increased. Therefore, the calculation unit 43 operates in conjunction with the
例えば、算出部４３は、潜在要素行列Ｗと商品特徴行列Ｙとの積である積算行列ＷＹをあらかじめ算出し、算出した積算行列ＷＹを商品のインデックスとして、インデックスデータベース３５に登録する。一方、検索部４４は、利用者Ｕ０１の特徴を示す情報をクエリとし、潜在要素行列Ｗと商品特徴行列Ｙとの積の値を、利用者Ｕ０１の特徴に対する各商品のスコアとして、クエリとスコアとから算出される内積値の値が高い方から所定の数の商品を検索する。より具体的には、検索部４４は、ＷＡＮＤアルゴリズムを用いて、クエリとスコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する。
For example, the calculation unit 43 calculates in advance an integration matrix WY which is the product of the latent element matrix W and the product feature matrix Y, and registers the calculated integration matrix WY in the
後述する説明で明らかとなるように、ＷＡＮＤアルゴリズムを用いて、クエリとスコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する場合、計算対象となるクエリとスコアとの値が、候補として保持した内積値の値よりも少ない場合は、内積値の計算をスキップすることとなる。このため、検索部４４は、ＷＡＮＤアルゴリズムを用いて、クエリとスコアとから算出される内積値の値が、候補として保持した内積値の値よりも大きくなると判断した場合にのみ、算出部４３に内積値の算出を行わせる。この結果、算出部４３、検索部４４は、各商品に対する評価を示す値を算出するための計算コストを削減することができる。
As will be apparent from the description below, when a predetermined number of proposal targets are searched from the higher inner product value calculated from the query and the score using the WAND algorithm, the query and the score to be calculated are calculated. If the values of and are smaller than the value of the inner product value held as a candidate, the calculation of the inner product value will be skipped. For this reason, the
選択部４５は、算出部４３によって算出された値に基づいて、利用者Ｕ０１に対して提案する提案対象を選択する。例えば、選択部４５は、クエリとスコアから算出される内積値の値が高い方から所定の数の商品の通知を検索部４４から受付ける。このような場合、選択部４５は、ターゲティング等の技術を用いて、検索部４４から受付けた商品の中から、利用者Ｕ０１に対して実際に配信する商品を選択する。
The
配信部４６は、選択された商品を利用者Ｕ０１に対して提案する情報、すなわち、選択された商品の広告を利用者Ｕ０１に対して配信する。例えば、配信部４６は、選択部４５が選択した商品を広告するための広告を取得する。そして、配信部４６は、要求受付部４１が生成したウェブページ中に取得した広告を配置し、広告を配置したウェブページを利用者端末１００へと送信する。この結果、選択装置１０は、利用者Ｕ０１が気に入る可能性が高い商品の広告を利用者Ｕ０１へと提供することが出来る。
The
生成部４７は、ユーザ特徴行列Ｘと、潜在要素行列Ｗと、商品特徴行列Ｙとの積が、評価値行列Ｒに近づくように、各成分の値が設定された潜在要素行列Ｗを生成する。例えば、生成部４７は、ログサーバ等から、各商品に対する利用者の評価を示す値を取得し、取得した値に基づいて評価値行列Ｒを生成する。そして、生成部４７は、生成した評価値行列Ｒを評価値データベース３２に登録する。また、生成部４７は、図示を省略した管理サーバ等から、利用者の特徴を収集し、収集した特徴に基づいて、ユーザ特徴行列Ｘを生成する。そして、生成部４７は、生成したユーザ特徴行列Ｘをユーザデータベース３３に登録する。また、生成部４７は、電子商取引の対象となる商品を管理する管理サーバ等から、商品の特徴を収集し、収集した特徴に基づいて、商品特徴行列Ｙを生成する。そして、生成部４７は、生成した商品特徴行列Ｙを商品データベース３１に登録する。
The
また、生成部４７は、ＡＬＳ等のアルゴリズムを用いて、ユーザ特徴行列Ｘと、商品特徴行列Ｙと、評価値行列Ｒとから、潜在要素行列Ｗを生成する。例えば、図７は、実施形態にかかる選択装置が潜在要素行列を算出する処理の一例について説明する図である。例えば、生成部４７は、ＡＬＳ等のアルゴリズムを用いた場合、潜在要素行列Ｗを単体で算出するのが困難となる。そこで、生成部４７は、図７に示すように、潜在要素行列Ｗを、潜在要素行列Ｕと潜在要素行列Ｖとの積であると見做す。
In addition, the
例えば、利用者の特徴の数を「ｄ１」、商品の特徴の数を「ｄ２」と置いた場合、潜在要素行列Ｗは、ｄ１×ｄ２行列となる。そこで、生成部４７は、潜在要素行列Ｗを、ｄ１×ｋ行列である行列Ｍ３１、すなわち潜在要素行列Ｕと、ｋ×ｄ２行列である行列Ｍ３２、すなわち潜在要素行列Ｖとの積であると見做す。ここで、ｋは、任意の整数である。そして、生成部４７は、ＡＬＳ等のアルゴリズムを用いて、ユーザ特徴行列Ｘと、潜在要素行列Ｕと、潜在要素行列Ｖと、商品特徴行列Ｙとの積が、評価値行列Ｒを再現するように、潜在要素行列Ｕと潜在要素行列Ｖとの各成分の値を算出する。そして、生成部４７は潜在要素行列Ｕと潜在要素行列Ｖとの積を、潜在要素行列Ｗとして算出し、算出した潜在要素行列Ｗを潜在要素データベース３４に登録する。
For example, when the number of characteristics of the user is “d1” and the number of characteristics of the product is “d2”, the latent element matrix W is a d1 × d2 matrix. Therefore, the
〔３．選択装置が実行する処理の一例〕
次に、図８を用いて、新たな利用者の追加があった場合に、利用者の各商品に対する評価値を推定する処理の一例について説明する。図８は、新規利用者の追加時に実行する処理の一例を示す図である。例えば、図８に示す例では、利用者ＩＤ「６」が示す利用者の追加があった場合、評価値行列Ｒには、利用者ＩＤ「６」が示す利用者と対応する行として、各成分の値が入力されていない行Ｍ１１が追加される。また、ユーザ特徴行列Ｘには、利用者ＩＤ「６」が示す利用者と対応する行として、利用者ＩＤ「６」が示す利用者の属性を示す成分が入力された行Ｍ２１が追加されることとなる。
[3. Example of processing executed by selection device]
Next, with reference to FIG. 8, an example of a process of estimating the evaluation value of each product of the user when a new user is added will be described. FIG. 8 is a diagram illustrating an example of processing executed when a new user is added. For example, in the example illustrated in FIG. 8, when the user indicated by the user ID “6” is added, the evaluation value matrix R includes rows corresponding to the user indicated by the user ID “6”. A row M11 in which the component value is not input is added. Further, in the user feature matrix X, as a row corresponding to the user indicated by the user ID “6”, a row M21 in which a component indicating the attribute of the user indicated by the user ID “6” is input is added. It will be.
そして、選択装置１０は、利用者ＩＤ「６」が示す利用者から商品の検索要求を受信した場合には、ユーザ特徴行列Ｘのうち、利用者ＩＤ「６」が示す利用者と対応する行Ｍ２１と、潜在要素行列Ｗと、商品特徴行列Ｙとの積を算出することで、評価値行列Ｒのうち、利用者ＩＤ「６」が示す利用者と対応する行Ｍ１１に入力されることとなる値を算出する。そして、選択装置１０は、算出した値に基づいて、利用者ＩＤ「６」が示す利用者に対して提案する商品を選択し、選択した商品の広告を検索結果とともに配信する。
Then, when the
このように、選択装置１０は、ユーザ特徴行列Ｘの全体ではなく、商品の提案先となる利用者の特徴を示す行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積を算出することで、商品の提案先となる利用者の各商品に対する評価値を推定する。このため、選択装置１０は、新たな利用者による各商品への評価値が得られる前であっても、潜在要素行列Ｗが算出済であり、新たな利用者の属性を特定することが出来るのであれば、商品の提案先となる利用者の各商品に対する評価値を推定することができる。この結果、選択装置１０は、利用者の追加が行われた場合にも、潜在要素行列Ｗの再計算を不要とするので、計算コストの増大を防ぐことができる。
In this way, the
次に、図９を用いて、新たな商品の追加があった場合に、利用者の各商品に対する評価値を推定する処理の一例について説明する。図９は、商品の追加時に実行する処理の一例を示す図である。例えば、図９に示す例では、商品ＩＤ「Ｆ」が示す商品の追加があった場合、商品特徴行列Ｙには、商品ＩＤ「Ｆ」が示す商品の属性を示す成分が入力された列Ｍ４１が追加されることとなる。 Next, with reference to FIG. 9, an example of the process of estimating the evaluation value of each product of the user when a new product is added will be described. FIG. 9 is a diagram illustrating an example of processing executed when a product is added. For example, in the example illustrated in FIG. 9, when the product represented by the product ID “F” is added, the column M41 in which the component indicating the attribute of the product represented by the product ID “F” is input to the product feature matrix Y. Will be added.
ここで、選択装置１０は、利用者ＩＤ「３」が示す利用者から商品の検索要求を受信した場合には、ユーザ特徴行列Ｘのうち、利用者ＩＤ「３」が示す利用者と対応する行Ｍ２２を抽出する。そして、選択装置１０は、抽出した行Ｍ２２と、潜在要素行列Ｗと、列Ｍ４１を追加した商品特徴行列Ｙとの積を算出することで、利用者ＩＤ「３」が示す利用者の各商品に対する評価値を含む行Ｍ１２の各要素の値を推定する。
Here, when the
ここで、潜在要素行列Ｗには、利用者の属性と商品の属性との関連性に基づいて、利用者の各商品に対する評価値を算出するための値が含まれることとなる。このため、選択装置１０は、商品特徴行列Ｙに新たな商品が登録された場合であっても、その商品の属性を特定することが出来るのであれば、利用者の属性と、既存の潜在要素行列Ｗと、商品特徴行列Ｙとから、新たな商品に対する評価値を算出することができる。この結果、選択装置１０は、商品の追加が行われた場合にも、潜在要素行列Ｗの再計算を不要とするので、計算コストの増大を防ぐことができる。
Here, the latent element matrix W includes a value for calculating an evaluation value for each product of the user based on the relationship between the user's attribute and the product attribute. Therefore, even if a new product is registered in the product feature matrix Y, the
〔４．ＷＡＮＤの一例〕
次に、図１０〜図１２を用いて、ＷＡＮＤアルゴリズムを用いて、商品の中から利用者の評価値が高い所定の数の商品を選択する処理の一例について説明する。図１０は、ＷＡＮＤアルゴリズムを用いて評価値が高い商品を選択する処理の一例を示す第１の図である。図１１は、ＷＡＮＤアルゴリズムを用いて評価値が高い商品を選択する処理の一例を示す第２の図である。図１２は、ＷＡＮＤアルゴリズムを用いて評価値が高い商品を選択する処理の一例を示す第３の図である。なお、図１０〜図１２に示す例では、評価値の値が高い方から２つの商品を選択する処理の一例について記載した。
[4. Example of WAND]
Next, with reference to FIGS. 10 to 12, an example of processing of selecting a predetermined number of products for which the user's evaluation value is high from the products using the WAND algorithm will be described. FIG. 10 is a first diagram illustrating an example of a process of selecting a product having a high evaluation value using the WAND algorithm. FIG. 11 is a second diagram illustrating an example of a process of selecting a product having a high evaluation value using the WAND algorithm. FIG. 12 is a third diagram illustrating an example of a process of selecting a product having a high evaluation value using the WAND algorithm. In addition, in the example illustrated in FIGS. 10 to 12, an example of the process of selecting two products from the one having the highest evaluation value is described.
例えば、選択装置１０は、ユーザ特徴行列Ｘのうち、提案先となる利用者の特徴を示す情報を含む行と、積算行列ＷＹとの積を算出することで、提案先となる利用者の各商品に対する評価値の値を算出することが出来る。ここで、積算行列ＷＹには、利用者の特徴ごとに、その特徴に対する各商品のスコアが登録されているとみなすことができる。このため、ユーザ特徴行列Ｘのうち、提案先となる利用者の特徴を示す情報を含む行をクエリと見做し、積算行列ＷＹを商品のインデックスとみなした場合には、提案先となる利用者の各商品に対する評価値の値は、クエリと、そのクエリに対応する商品のインデックスのスコアとの内積値となる。すると、評価値が高い方から所定の数の商品を選択する処理は、クエリに対応するスコアが高いドキュメントをＯＲ検索する処理に落とし込むことが出来る。
For example, the
そこで、選択装置１０は、ユーザ特徴行列Ｘのうち、提案先となる利用者の特徴を示す情報を含む行をクエリと見做し、積算行列ＷＹを商品のインデックスとみなして、ＷＡＮＤのアルゴリズムを用いて、評価値が高い方から所定の数の商品を選択する。例えば、提案先となる利用者の特徴に、利用者属性「Ｕ＿ｉｄ＿１」、「Ｕ＿ｉｄ＿２」、「Ｕ＿ｉｄ＿３」が含まれているものとする。このような場合、選択装置１０は、積算行列ＷＹから、利用者属性「Ｕ＿ｉｄ＿１」、「Ｕ＿ｉｄ＿２」、「Ｕ＿ｉｄ＿３」のそれぞれと対応付けられた商品とスコアとの組を抽出する。なお、以下の説明では、商品とスコアとの組を「データ」と記載する場合がある。
Therefore, the
例えば、選択装置１０は、積算行列ＷＹから、利用者属性「Ｕ＿ｉｄ＿１」と対応付けられた商品とスコアとの組として、「（１、６）、（５、４）」を抽出する。また、選択装置１０は、積算行列ＷＹから、利用者属性「Ｕ＿ｉｄ＿２」と対応付けられた商品とスコアとの組として、「（２、３）、（３、３）、（５、１）」を抽出する。また、選択装置１０は、積算行列ＷＹから、利用者属性「Ｕ＿ｉｄ＿３」と対応付けられた商品とスコアとの組として、「（１、１）、（２、２）、（４、２）、（５、１）」を抽出する。また、選択装置１０は、商品ＩＤ順にデータを並べておく。
For example, the
続いて、選択装置１０は、各利用者属性と対応するスコアの最高値（ｍａｘ＿ｓｃｏｒｅ）を特定しておく。例えば、選択装置１０は、利用者属性「Ｕ＿ｉｄ＿１」と対応するスコアの最高値「６」を特定し、利用者属性「Ｕ＿ｉｄ＿２」と対応するスコアの最高値「３」を特定し、利用者属性「Ｕ＿ｉｄ＿３」と対応するスコアの最高値「２」を特定しておく。なお、係る処理は、積算行列ＷＹの算出時に予め実行されていてもよい。
Then, the
また、選択装置１０は、図１０中（Ａ）〜（Ｃ）に示すように、利用者属性ごとに、先頭のデータにポインタを設定する。そして、選択装置１０は、ポインタが示すデータのうち、同じ商品ＩＤを含むデータを特定し、特定したデータに含まれるスコアの合計を、特定したデータに含まれる商品ＩＤが示す商品のポイントとしてＡｃｃｕｍｕｌａｔｏｒに保持する。例えば、図１０に示す例では、選択装置１０は、商品ＩＤ「１」を含むデータとして、図１０中（Ａ）のポインタが示すデータ「（１、６）」と、図１０中（Ｃ）のポインタが示すデータ「（１、１）」とを特定し、特定したデータに含まれるスコアの合計「７」をポイントとして算出する。そして、選択装置１０は、図１０中（Ｄ）に示すように、商品ＩＤ「１」とポイント「７」とを含むデータ「（１、７）」をＡｃｃｕｍｕｌａｔｏｒに保持する。
Further, the
次に、選択装置１０は、使用したデータを示すポインタ、すなわち、図１０中（Ａ）、（Ｃ）のポインタを１つ移動させる。この結果、各Ａｃｃｕｍｕｌａｔｏｒとポインタとの状態は、図１１に示す状態に遷移する。そして、選択装置１０は、図１０に示した処理と同様の処理を繰り返す。例えば、図１１に示す例では、選択装置１０は、商品ＩＤ「２」を含むデータとして、図１１中（Ａ）のポインタが示すデータ「（２、３）」と、図１１中（Ｂ）のポインタが示すデータ「（２，２）」とを特定し、特定したデータに含まれるスコアの合計「５」をポイントとして算出する。そして、選択装置１０は、図１１中（Ｃ）に示すように、商品ＩＤ「２」とポイント「５」とを含むデータ「（２、５）」をＡｃｃｕｍｕｌａｔｏｒに保持する。
Next, the
ここで、Ａｃｃｕｍｕｌａｔｏｒに登録された各データのポイントを参照すると、最低値は、商品ＩＤ「２」のポイント「５」となる。一方で、各利用者属性と対応するスコアの最高値を考慮すると、ある商品のポイントが、商品ＩＤ「２」のポイント「５」の値を超えるには、その商品の商品ＩＤを含むデータが、少なくとも利用者属性「Ｕ＿ｉｄ＿１」と、他の利用者属性とに対応付けられている必要がある。例えば、その商品の商品ＩＤを含むデータが、利用者属性「Ｕ＿ｉｄ＿２」および利用者属性「Ｕ＿ｉｄ＿３」と対応付けられていると仮定すると、ポイントの最大値は、利用者属性「Ｕ＿ｉｄ＿２」と対応するスコアの最高値「３」と利用者属性「Ｕ＿ｉｄ＿２」と対応するスコアの最高値「２」との和「５」となり、Ａｃｃｕｍｕｌａｔｏｒに登録されたポイントの最低値を更新することができない。 Here, referring to the points of each data registered in the Accumulator, the lowest value is the point “5” of the product ID “2”. On the other hand, considering the maximum value of the score corresponding to each user attribute, if the point of a certain product exceeds the value of the point “5” of the product ID “2”, the data including the product ID of the product is , At least the user attribute “U_id_1” needs to be associated with other user attributes. For example, assuming that the data including the product ID of the product is associated with the user attribute “U_id_2” and the user attribute “U_id_3”, the maximum value of points corresponds to the user attribute “U_id_2”. The sum of the highest score value "3" and the highest score value "2" corresponding to the user attribute "U_id_2" is "5", and the lowest value of the points registered in the Accumulator cannot be updated.
そこで、選択装置１０は、図１２中（Ａ）および（Ｂ）に示すように、利用者属性「Ｕ＿ｉｄ＿１」のポインタが示すデータの商品ＩＤ「５」を含むデータまで、利用者属性「Ｕ＿ｉｄ＿２」のポインタ、および、利用者属性「Ｕ＿ｉｄ＿３」のポインタを進めることが出来る。すなわち、選択装置１０は、商品ＩＤ「３」や商品ＩＤ「４」については、ポイントの算出を行わずとも、候補から除外することが出来る。
Therefore, as shown in (A) and (B) of FIG. 12, the
そして、選択装置１０は、図１２に示す例では、各ポインタが示すデータ、すなわち、商品ＩＤ「５」のスコアの合計「６」をポイントとして算出する。そして、選択装置１０は、図１２中（Ｃ）に示すように、商品ＩＤ「５」とポイント「６」とを含むデータ「（５、６）」をＡｃｃｕｍｕｌａｔｏｒに保持する。この結果、選択装置１０は、内積値が高い方から２つの商品の商品ＩＤとして、商品ＩＤ「１」、商品ＩＤ「５」を特定することが出来る。
Then, in the example shown in FIG. 12, the
〔５．選択処理の流れの一例〕
続いて、図１３を用いて、選択装置１０が潜在要素行列Ｗを生成する処理の流れについて説明する。図１３は、実施形態に係る選択装置が潜在要素行列を生成する処理の流れの一例を示すフローチャートである。例えば、選択装置１０は、商品に対するユーザの評価から、評価値行列Ｒを生成する（ステップＳ１０１）。また、選択装置１０は、ユーザの特徴から、ユーザ特徴行列Ｘを生成する（ステップＳ１０２）。また、選択装置１０は、商品の特徴から、商品特徴行列Ｙを生成する（ステップＳ１０３）。
[5. Example of flow of selection process]
Subsequently, a flow of processing in which the
そして、選択装置１０は、ＡＬＳを用いて、ユーザ特徴行列Ｘと、商品特徴行列Ｙと、評価値行列Ｒとから、潜在要素行列Ｗを生成する（ステップＳ１０４）。その後、選択装置１０は、潜在要素行列Ｗと、商品特徴行列Ｙとの積をインデックスとして、インデックスデータベース３５に保持し（ステップＳ１０５）、処理を終了する。
Then, the
続いて、図１４を用いて、選択装置１０が利用者に対して提案する処理を選択する選択処理の流れの一例について説明する。図１４は、実施形態に係る選択装置が実行する選択処理の流れの一例を示すフローチャートである。まず、選択装置１０は、利用者から商品の検索要求等といったリクエストを受付けたか否かを判定し（ステップＳ２０１）、受付けていない場合は（ステップＳ２０１：Ｎｏ）、受付けるまで待機する。そして、選択装置１０は、リクエストを受付けた場合は（ステップＳ２０１：Ｙｅｓ）、ユーザ特徴行列Ｘから、リクエスト元のユーザの行を抽出する（ステップＳ２０２）。続いて、選択装置１０は、抽出した行が示す利用者の属性をクエリとし、積算行列ＷＹをインデックスと見做して（ステップＳ２０３）、内積値が大きい方から順に所定の数の商品を、ＷＡＮＤを用いて特定する（ステップＳ２０４）。また、選択装置１０は、特定した商品を利用者に対するレコメンド対象として（ステップＳ２０５）、リクエストに対応する検索結果と共に、レコメンド対象とした商品を利用者に対して提案し（ステップＳ２０６）、処理を終了する。
Next, with reference to FIG. 14, an example of the flow of a selection process in which the
〔６．変形例〕
上記では、選択装置１０による選択処理の一例について説明した。しかしながら、実施形態は、これに限定されるものではない。以下、選択装置１０が実行する選択処理のバリエーションについて説明する。
[6. Modification)
In the above, an example of the selection process by the
〔６−１．ＷＡＮＤについて〕
上述した選択装置１０は、ＷＡＮＤアルゴリズムを用いて、利用者の評価値の値が高い商品を検索した。しかしながら、実施形態は、これに限定されるものではない。例えば、選択装置１０は、Ｔｏｐ−ｋ ｒｅｔｒｉｅｖａｌアルゴリズムであれば、ＷＡＮＤアルゴリズム以外にも、任意のアルゴリズムを用いて、利用者の評価値の値が高い商品を検索してもよい。
[6-1. About WAND]
The
また、選択装置１０は、単純に、利用者の属性を示す行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積を算出することで、利用者の各商品に対する評価値（すなわち、復元行列Ｒ’の値）を算出し、算出した評価値が高い方から順に所定の数の商品を選択してもよい。また、選択装置１０は、算出した評価値が所定の閾値よりも高い商品を選択してもよく、算出した評価値が所定の範囲内となる商品を選択してもよい。また、選択装置１０は、例えば、利用者が評価を行っていない商品の中から、算出された評価値が高い方から順に所定の数の商品を選択し、選択した商品を提案してもよい。また、選択装置１０は、提案対象が動画像等のコンテンツである場合には、利用者が閲覧していないコンテンツのうち、算出された評価値が高い方から順に所定の数の商品を選択し、選択した商品を提案してもよい。
In addition, the
なお、上述した選択処理のうち、ＷＡＮＤについては、必須の処理ではない。すなわち、選択装置１０は、ＩＭＣを用いて生成された潜在要素行列Ｗを用いて、提案対象に対する利用者の評価値を推定し、推定した評価値に基づいた提案を行うのであれば、上述した処理を任意の処理と組み合わせて実行してもよい。
Note that, of the selection processes described above, WAND is not an essential process. That is, if the
〔６−２．提案対象について〕
上述した説明では、選択装置１０は、電子商取引の対象となる商品を提案対象とし、潜在要素行列Ｗから算出した利用者の評価値が高い商品を利用者に対して提案した。しかしながら、実施形態は、これに限定されるものではない。例えば、選択装置１０は、電子商取引の対象となる商品のみならず、役務等を提案対象としてもよい。
[6-2. About proposal target]
In the above description, the
また、選択装置１０は、動画像や音楽、ニュース、ウェブページ、ウェブ上に公開された利用者の発言等といったコンテンツを提案対象としてもよい。例えば、選択装置１０は、商品特徴行列Ｙと同様に、各コンテンツの特徴を示す情報を含むコンテンツ特徴行列Ｙ’を取得する。また、選択装置１０は、ユーザ特徴行列Ｘと、コンテンツ特徴行列Ｙ’と、各コンテンツに対する利用者の評価を示す評価値行列Ｒとから潜在要素行列Ｗを取得する。そして、選択装置１０は、利用者の特徴を示す情報を含む行と、潜在要素行列Ｗと、コンテンツ特徴行列Ｙ’とから、各コンテンツに対する利用者の評価を推定し、推定結果に基づいて、利用者に提案するコンテンツを選択してもよい。
In addition, the
また、選択装置１０は、利用者に対して配信する広告を選択する際に、上述した選択処理を適用してもよい。例えば、選択装置１０は、商品特徴行列Ｙと同様に、各広告の特徴を示す情報を含む広告特徴行列Ｙ’’を取得する。また、選択装置１０は、ユーザ特徴行列Ｘと、広告特徴行列Ｙ’’と、各広告に対する利用者の評価を示す評価値行列Ｒとから潜在要素行列Ｗを取得する。そして、選択装置１０は、利用者の特徴を示す情報を含む行と、潜在要素行列Ｗと、広告特徴行列Ｙ’’とから、各広告に対する利用者の評価を推定し、推定結果に基づいて、利用者に配信する広告を選択してもよい。
Moreover, the
〔６−３．装置構成〕
選択装置１０は、任意の数の利用者端末１００と通信可能に接続されていてもよい。また、選択装置１０は、利用者端末１００と情報のやり取りを行うフロントエンドサーバと、入力項目を選択するバックエンドサーバとにより実現されてもよい。このような場合、フロントエンドサーバには、図２に示す要求受付部４１および配信部４６が配置され、バックエンドサーバには、取得部４２、算出部４３、検索部４４、選択部４５、および生成部４７等が配置されることとなる。また、記憶部３０に格納された各データベース３１〜３５は、選択装置１０の内部ではなく、例えば、外部のストレージサーバ等に格納されていてもよい。
[6-3. Device configuration〕
The
〔６−４．各データベース項目について〕
なお、上述した説明において、ユーザ特徴行列Ｘや商品特徴行列Ｙに含まれる各種の項目は、あくまで一例であり、利用者の特徴を示す項目や、商品の特徴を示す項目であれば、任意の項目が採用可能である。
[6-4. About each database item]
In the above description, the various items included in the user feature matrix X and the product feature matrix Y are merely examples, and any item that indicates the feature of the user or the item of the product may be used. Items can be adopted.
〔６−５．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
[6-5. Other]
Further, of the processes described in the above embodiment, all or part of the processes described as being automatically performed may be manually performed, or the processes described as manually performed may be performed. All or part of the process can be automatically performed by a known method. In addition, the processing procedures, specific names, and information including various data and parameters shown in the above documents and drawings can be arbitrarily changed unless otherwise specified. For example, the various information shown in each drawing is not limited to the information shown.
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。 Further, each component of each device shown in the drawings is functionally conceptual, and does not necessarily have to be physically configured as shown. That is, the specific form of distribution / integration of each device is not limited to that shown in the figure, and all or a part of the device may be functionally or physically distributed / arranged in arbitrary units according to various loads and usage conditions. It can be integrated and configured.
また、上記してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。 Further, the respective embodiments described above can be appropriately combined within a range in which the processing content is not inconsistent.
〔７．プログラム〕
また、上述してきた実施形態に係る選択装置１０は、例えば図１５に示すような構成のコンピュータ１０００によって実現される。図１５は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。
[7. program〕
Further, the
演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ(Read Only Memory)、ＨＤＤ、フラッシュメモリ等により実現される。
The arithmetic unit 1030 operates based on a program stored in the
出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。
The output IF 1060 is an interface for transmitting information to be output to an
なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。 The input device 1020 is, for example, an optical recording medium such as a CD (Compact Disc), a DVD (Digital Versatile Disc), and a PD (Phase change rewritable Disk), a magneto-optical recording medium such as an MO (Magneto-Optical disk), and a tape. It may be a device that reads information from a medium, a magnetic recording medium, a semiconductor memory, or the like. The input device 1020 may also be an external storage medium such as a USB memory.
ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。 The network IF 1080 receives data from another device via the network N and sends the data to the arithmetic device 1030, and also transmits the data generated by the arithmetic device 1030 via the network N to another device.
演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。
The arithmetic device 1030 controls the
例えば、コンピュータ１０００が選択装置１０として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、制御部４０の機能を実現する。
For example, when the computer 1000 functions as the
〔８．効果〕
上述したように、選択装置１０は、利用者の特徴を示す情報を含むユーザ特徴行列Ｘと、提案対象の特徴を示す情報を含む商品特徴行列Ｙと、提案対象に対する利用者の評価を示す情報を含む評価値行列Ｒとから算出される潜在要素行列Ｗであって、ユーザ特徴行列Ｘと潜在要素行列Ｗと商品特徴行列Ｙとの積が評価値行列Ｒとなるように成分の値が設定された潜在要素行列Ｗを取得する。そして、選択装置１０は、利用者の特徴を示す情報をクエリとし、潜在要素行列Ｗと商品特徴行列Ｙとの積の値を利用者の特徴に対する各提案対象のスコアとして、クエリとスコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する。その後、選択装置１０は、検索結果に基づいて、利用者に対して提案する提案対象を選択する。
[8. effect〕
As described above, the
このように、選択装置１０は、ＩＭＣを用いて算出された潜在要素行列Ｗから、提案対象に対する利用者の評価を算出する。このため、選択装置１０は、利用者の追加や商品の追加等が行われた場合や、利用者の評価が更新された場合等における潜在要素行列Ｗの再計算の頻度を少なくすることができるので、計算コストの増大を防ぐことができる。また、選択装置１０は、配信先となる利用者の特徴から、提案対象に対する利用者の評価を容易に算出することができるので、利用者からの要求時に、提案対象の選択をランタイムで行うことができる。
In this way, the
また、選択装置１０は、Ｔｏｐ−ｋ ｒｅｔｒｉｅｖａｌアルゴリズム等を用いて、クエリとスコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する。例えば、選択装置１０は、ＷＡＮＤアルゴリズムを用いて、クエリとスコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する。このため、選択装置１０は、例えば、電子商取引の対象となる商品等、提案対象の数が膨大に存在する場合であっても、現実的な時間内で、利用者の評価が高いと推定される提案対象を選択することが出来る。このため、選択装置１０は、提案対象の選択をランタイムで行うことができる。
In addition, the
また、選択装置１０は、利用者に対して提案する提案対象として、電子商取引の対象となる商品または役務の特徴を示す情報を含む商品特徴行列Ｙと、商品または役務に対する利用者の評価を示す情報を含む評価値行列Ｒとから算出される潜在要素行列Ｗを取得する。また、選択装置１０は、商品または役務の提案先となる利用者の特徴を示す情報をクエリとし、潜在要素行列Ｗと商品特徴行列Ｙとの積の値を利用者の特徴に対する商品または役務のスコアとして、クエリとスコアとから算出される内積値の値が高い方から所定の数の商品または役務を検索する。そして、選択装置１０は、検索結果に基づいて、利用者に対して提案する商品または役務を選択する。このため、選択装置１０は、提案対象となる商品や役務の選択をランタイムで行うことができる。
In addition, the
また、選択装置１０は、利用者の特徴を示す情報を行方向に配置したユーザ特徴行列Ｘと、提案対象の特徴を示す情報を列方向に配置した商品特徴行列Ｙと、提案対象に対する利用者の評価を示す情報を行方向に配置した評価値行列Ｒとから算出される潜在要素行列Ｗであって、ユーザ特徴行列Ｘと潜在要素行列Ｗと商品特徴行列Ｙとの積が評価値行列Ｒとなるように成分の値が設定された潜在要素行列Ｗを取得する。また、選択装置１０は、提案対象の提案先となる利用者の特徴を示す情報を含む行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積から、提案対象の提案先となる利用者の各提案対象に対する評価を示す値を算出する。そして、選択装置１０は、算出された値に基づいて、利用者に対して提案する提案対象を選択する。
In addition, the
このように、選択装置１０は、ＩＭＣを用いて算出された潜在要素行列Ｗから、提案対象に対する利用者の評価を算出する。このため、選択装置１０は、提案対象の提案先となる利用者の属性を示す行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積を算出するだけで、提案対象の提案先となる利用者の各提案対象に対する評価を容易に取得することが出来る。
In this way, the
また、選択装置１０は、ユーザ特徴行列Ｘから提案対象の提案先となる利用者の特徴を示す情報を含む行を抽出し、抽出した行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積から、提案対象の提案先となる利用者の各提案対象に対する評価を示す値を算出する。このため、選択装置１０は、提案対象の提案先となる利用者の各提案対象に対する評価を算出する際の計算コストの増大を防ぐことができる。
In addition, the
また、選択装置１０は、電子商取引の対象となる商品または役務の特徴を示す情報が列方向に配置された商品特徴行列Ｙと、商品または役務に対する各利用者の評価を示す情報を行方向に配置した評価値行列Ｒとから算出される潜在要素行列Ｗを取得する。また、選択装置１０は、商品または役務の提案先となる利用者の特徴を示す情報を含む行と、潜在要素行列Ｗと、商品特徴行列Ｙとの積から、利用者の商品または役務に対する評価を示す値を算出する。そして、選択装置１０は、算出結果に基づいて、利用者に対して提案する商品または役務を選択する。このため、選択装置１０は、提案対象となる商品や役務の選択をランタイムで行うことができる。
In addition, the
また、選択装置１０は、利用者の特徴を示す情報を含むユーザ特徴行列Ｘと、コンテンツの特徴を示す情報を含む商品特徴行列Ｙと、コンテンツに対する利用者の評価を示す情報を含む評価値行列Ｒとから算出される潜在要素行列Ｗであって、ユーザ特徴行列Ｘと潜在要素行列Ｗと商品特徴行列Ｙとの積が評価値行列Ｒとなるように成分の値が設定された潜在要素行列Ｗを取得する。また、選択装置１０は、コンテンツの提案先となる利用者の特徴を示す情報と、潜在要素行列Ｗと、商品特徴行列Ｙとを用いて、コンテンツの提案先となる利用者のコンテンツに対する評価を推定する。そして、選択装置１０は、推定結果に基づいて、利用者に対して提案するコンテンツを選択する。
In addition, the
このように、選択装置１０は、ＩＭＣを用いて算出された潜在要素行列Ｗから、配信対象となるコンテンツに対する利用者の評価を算出し、算出結果に応じて、提案対象となるコンテンツを選択する。このため、選択装置１０は、利用者の追加や商品の追加等が行われた場合や、利用者の評価が更新された場合等における潜在要素行列Ｗの再計算の頻度を少なくすることができるので、計算コストの増大を防ぐことができる。
In this way, the
また、選択装置１０は、ユーザ特徴行列Ｘと潜在要素行列Ｗと商品特徴行列Ｙとの積が評価値行列Ｒに近づくように、各成分の値が設定された潜在要素行列Ｗを生成する。より具体的には、選択装置１０は、行数がユーザ特徴行列Ｘの列数と同じ潜在要素行列Ｕと、列数が商品特徴行列Ｙの行数と同じ潜在要素行列Ｖであって、ユーザ特徴行列Ｘと潜在要素行列Ｕと潜在要素行列Ｖと商品特徴行列Ｙとの積が評価値行列Ｒを再現するように潜在要素行列Ｕと潜在要素行列Ｖとを生成する。そして、選択装置１０は、生成した潜在要素行列Ｕと潜在要素行列Ｖとの積を潜在要素行列Ｗとする。このため、選択装置１０は、例えば、ＡＬＳ等の手法を用いて、潜在要素行列Ｗを生成することができる。
Further, the
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。 As described above, some of the embodiments of the present application have been described in detail based on the drawings, but these are examples, and various modifications based on the knowledge of those skilled in the art, including the modes described in the section of the disclosure of the invention, It is possible to implement the present invention in other forms with improvements.
また、上記してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、配信部は、配信手段や配信回路に読み替えることができる。 Further, the above-mentioned "section (module, unit)" can be read as "means" or "circuit". For example, the delivery unit can be read as delivery means or delivery circuit.
１０ 選択装置
２０ 通信部
３０ 記憶部
３１ 商品データベース
３２ 評価値データベース
３３ ユーザデータベース
３４ 潜在要素データベース
３５ インデックスデータベース
４０ 制御部
４１ 要求受付部
４２ 取得部
４３ 算出部
４４ 検索部
４５ 選択部
４６ 配信部
４７ 生成部
１００ 利用者端末
10
Claims (15)
前記提案対象の提案先となる利用者の特徴を示す情報をクエリとし、前記第４行列と前記第２行列との積の値を前記利用者の特徴に対する各提案対象のスコアとして、当該クエリと当該スコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する検索部と、
前記検索部による検索結果に基づいて、前記利用者に対して提案する提案対象を選択する選択部と
を有することを特徴とする選択装置。 It is calculated from a first matrix including information indicating the characteristics of the user, a second matrix including information indicating the characteristics of the proposal target, and a third matrix including information indicating the evaluation of the user with respect to the proposal target. An acquisition unit that acquires a fourth matrix, which is a fourth matrix and has a component value set such that the product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix,
The information indicating the characteristics of the user who is the proposal destination of the proposal target is used as a query, and the value of the product of the fourth matrix and the second matrix is used as the score of each proposal target for the characteristics of the user, and the query is used. A search unit that searches for a predetermined number of proposal targets from the one whose inner product value calculated from the score is higher,
A selection unit that selects a proposal target to be proposed to the user based on a search result by the search unit.
ことを特徴とする請求項１に記載の選択装置。 The selection unit according to claim 1, wherein the search unit uses a WAND algorithm to search for a predetermined number of proposal targets from a higher inner product value calculated from the query and the score. apparatus.
前記検索部は、前記商品または役務の提案先となる利用者の特徴を示す情報をクエリとし、前記第４行列と前記第２行列との積の値を前記利用者の特徴に対する前記商品または役務のスコアとして、当該クエリと当該スコアとから算出される内積値の値が高い方から所定の数の前記商品または役務を検索し、
前記選択部は、前記検索部による検索結果に基づいて、前記利用者に対して提案する商品または役務を選択する
ことを特徴とする請求項１または２に記載の選択装置。 The acquisition unit indicates, as a proposal target to be proposed to the user, a second matrix including information indicating characteristics of a product or a service targeted for electronic commerce, and an evaluation of the user for the product or the service. Obtain a fourth matrix calculated from the third matrix containing the information,
The search unit uses, as a query, information indicating characteristics of a user who proposes the product or service, and determines a product value of the fourth matrix and the second matrix as the product or service for the characteristic of the user. As a score of, a predetermined number of the products or services are searched for from a higher inner product value calculated from the query and the score,
The selection device according to claim 1 or 2, wherein the selection unit selects a product or service to be proposed to the user based on a search result by the search unit.
前記提案対象の提案先となる利用者の特徴を示す情報を含む行と、前記第４行列と、前記第２行列との積から、前記提案対象の提案先となる利用者の各提案対象に対する評価を示す値を算出する算出部と、
前記算出部によって算出された値に基づいて、前記利用者に対して提案する提案対象を選択する選択部と
を有することを特徴とする選択装置。 A first matrix in which information indicating the characteristics of the user is arranged in the row direction, a second matrix in which information indicating the characteristics of the proposal target is arranged in the column direction, and information indicating the evaluation of the user for the proposal target in the row direction. A fourth matrix calculated from the arranged third matrix, wherein component values are set such that the product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix. An acquisition unit for acquiring the fourth matrix,
From the product of a row containing information indicating the characteristics of the user who is the proposal destination of the proposal target, the fourth matrix, and the second matrix, for each proposal target of the user who is the proposal destination of the proposal target A calculation unit that calculates a value indicating the evaluation,
A selection unit that selects a proposal target to be proposed to the user based on the value calculated by the calculation unit.
ことを特徴とする請求項４に記載の選択装置。 The calculation unit extracts a row including information indicating characteristics of a user who is a proposal destination of the proposal target from the first matrix, and calculates a product of the extracted row, the fourth matrix, and the second matrix. From the above, the selection device according to claim 4, which calculates a value indicating an evaluation of each proposal target of a user who is a proposal destination of the proposal target.
前記算出部は、前記商品または役務の提案先となる利用者の特徴を示す情報を含む行と、前記第４行列と、前記第２行列との積から、当該利用者の前記商品または役務に対する評価を示す値を算出し、
前記選択部は、前記算出部による算出結果に基づいて、前記利用者に対して提案する商品または役務を選択する
ことを特徴とする請求項４または５に記載の選択装置。 The acquisition unit, as a proposal target to be proposed to the user, a second matrix in which information indicating the characteristics of a product or service targeted for electronic commerce is arranged in a column direction, and each use for the product or service. Obtain a fourth matrix calculated from the third matrix in which the information indicating the evaluation of the person is arranged in the row direction,
The calculation unit calculates the product or service of the user from the product of a row including information indicating the characteristics of the user who is a proposal destination of the product or service, the fourth matrix, and the second matrix. Calculate the value indicating the evaluation,
The selection device according to claim 4 or 5, wherein the selection unit selects a product or service to be proposed to the user based on a calculation result by the calculation unit.
前記コンテンツの提案先となる利用者の特徴を示す情報と、前記第４行列と、前記第２行列とを用いて、前記コンテンツの提案先となる利用者の前記コンテンツに対する評価を推定する推定部と、
前記推定部による推定結果に基づいて、前記利用者に対して提案するコンテンツを選択する選択部と
を有することを特徴とする選択装置。 A fourth matrix calculated from a first matrix including information indicating characteristics of the user, a second matrix including information indicating characteristics of the content, and a third matrix including information indicating evaluation of the user for the content. An acquisition unit that acquires a fourth matrix in which the values of the components are set so that the product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix,
An estimation unit that estimates the evaluation of the content by the user to whom the content is proposed using the information indicating the characteristics of the user to whom the content is proposed, the fourth matrix, and the second matrix. When,
A selection unit that selects content to be proposed to the user based on the estimation result by the estimation unit.
を有することを特徴とする請求項１〜７のうちいずれか１つに記載の選択装置。 A generator that generates the fourth matrix in which the value of each component is set so that the product of the first matrix, the fourth matrix, and the second matrix approaches the third matrix. The selection device according to any one of claims 1 to 7.
ことを特徴とする請求項８に記載の選択装置。 The generating unit includes a fifth matrix having the same number of rows as the number of columns of the first matrix and a sixth matrix having the same number of columns as the number of rows of the second matrix, wherein the first matrix and the fifth matrix are the same. And a fifth matrix and a sixth matrix are generated so that the product of the sixth matrix and the second matrix reproduces the third matrix, and the product of the generated fifth matrix and sixth matrix is the fourth matrix. The selection device according to claim 8, wherein:
利用者の特徴を示す情報を含む第１行列と、提案対象の特徴を示す情報を含む第２行列と、前記提案対象に対する前記利用者の評価を示す情報を含む第３行列とから算出される第４行列であって、前記第１行列と前記第４行列と前記第２行列との積が前記第３行列となるように成分の値が設定された第４行列を取得する取得工程と、
前記提案対象の提案先となる利用者の特徴を示す情報をクエリとし、前記第４行列と前記第２行列との積の値を前記利用者の特徴に対する各提案対象のスコアとして、当該クエリと当該スコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する検索工程と、
前記検索工程による検索結果に基づいて、前記利用者に対して提案する提案対象を選択する選択工程と
を含むことを特徴とする選択方法。 A selection method performed by the selection device,
It is calculated from a first matrix including information indicating the characteristics of the user, a second matrix including information indicating the characteristics of the proposal target, and a third matrix including information indicating the evaluation of the user with respect to the proposal target. An acquisition step of acquiring a fourth matrix, which is a fourth matrix and in which the value of the component is set such that the product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix;
The information indicating the characteristics of the user who is the proposal destination of the proposal target is used as a query, and the value of the product of the fourth matrix and the second matrix is used as the score of each proposal target for the characteristics of the user, and the query is used. A search step of searching for a predetermined number of proposal targets from the higher inner product value calculated from the score;
A selection step of selecting a proposal target to be proposed to the user based on a search result by the search step.
利用者の特徴を示す情報を行方向に配置した第１行列と、提案対象の特徴を示す情報を列方向に配置した第２行列と、提案対象に対する利用者の評価を示す情報を行方向に配置した第３行列とから算出される第４行列であって、前記第１行列と前記第４行列と前記第２行列との積が前記第３行列となるように成分の値が設定された第４行列を取得する取得工程と、
前記提案対象の提案先となる利用者の特徴を示す情報を含む行と、前記第４行列と、前記第２行列との積から、前記提案対象の提案先となる利用者の各提案対象に対する評価を示す値を算出する算出工程と、
前記算出工程によって算出された値に基づいて、前記利用者に対して提案する提案対象を選択する選択工程と
を含むことを特徴とする選択方法。 A selection method performed by the selection device,
A first matrix in which information indicating the characteristics of the user is arranged in the row direction, a second matrix in which information indicating the characteristics of the proposal target is arranged in the column direction, and information indicating the evaluation of the user for the proposal target in the row direction. A fourth matrix calculated from the arranged third matrix, wherein component values are set such that the product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix. An acquisition step of acquiring a fourth matrix,
From the product of a row containing information indicating the characteristics of the user who is the proposal destination of the proposal target, the fourth matrix, and the second matrix, for each proposal target of the user who is the proposal destination of the proposal target A calculation step of calculating a value indicating the evaluation,
A selection step of selecting a proposal target to be proposed to the user based on the value calculated by the calculation step.
利用者の特徴を示す情報を含む第１行列と、コンテンツの特徴を示す情報を含む第２行列と、前記コンテンツに対する前記利用者の評価を示す情報を含む第３行列とから算出される第４行列であって、前記第１行列と前記第４行列と前記第２行列との積が前記第３行列となるように成分の値が設定された第４行列を取得する取得工程と、
前記コンテンツの提案先となる利用者の特徴を示す情報と、前記第４行列と、前記第２行列とを用いて、前記コンテンツの提案先となる利用者の前記コンテンツに対する評価を推定する推定工程と、
前記推定工程による推定結果に基づいて、前記利用者に対して提案するコンテンツを選択する選択工程と
を含むことを特徴とする選択方法。 A selection method performed by the selection device,
A fourth matrix calculated from a first matrix including information indicating characteristics of the user, a second matrix including information indicating characteristics of the content, and a third matrix including information indicating evaluation of the user for the content. An acquisition step of acquiring a fourth matrix in which the values of the components are set so that the product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix,
An estimation step of estimating the evaluation of the content proposed by the user to whom the content is proposed, by using the information indicating the characteristics of the user who is proposed to the content, the fourth matrix, and the second matrix. When,
A selection step of selecting content to be proposed to the user based on the estimation result of the estimation step.
前記提案対象の提案先となる利用者の特徴を示す情報をクエリとし、前記第４行列と前記第２行列との積の値を前記利用者の特徴に対する各提案対象のスコアとして、当該クエリと当該スコアとから算出される内積値の値が高い方から所定の数の提案対象を検索する検索手順と、
前記検索手順による検索結果に基づいて、前記利用者に対して提案する提案対象を選択する選択手順と
をコンピュータに実行させるための選択プログラム。 It is calculated from a first matrix including information indicating the characteristics of the user, a second matrix including information indicating the characteristics of the proposal target, and a third matrix including information indicating the evaluation of the user with respect to the proposal target. An acquisition procedure of acquiring a fourth matrix, which is a fourth matrix and has a component value set such that a product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix,
The information indicating the characteristics of the user who is the proposal destination of the proposal target is used as a query, and the value of the product of the fourth matrix and the second matrix is used as the score of each proposal target for the characteristics of the user, and the query is used. A search procedure for searching a predetermined number of proposal targets from the higher inner product value calculated from the score,
And a selection procedure for selecting a proposal target to be proposed to the user based on a search result by the search procedure.
前記提案対象の提案先となる利用者の特徴を示す情報を含む行と、前記第４行列と、前記第２行列との積から、前記提案対象の提案先となる利用者の各提案対象に対する評価を示す値を算出する算出手順と、
前記算出手順によって算出された値に基づいて、前記利用者に対して提案する提案対象を選択する選択手順と
をコンピュータに実行させるための選択プログラム。 A first matrix in which information indicating the characteristics of the user is arranged in the row direction, a second matrix in which information indicating the characteristics of the proposal target is arranged in the column direction, and information indicating the evaluation of the user for the proposal target in the row direction. A fourth matrix calculated from the arranged third matrix, wherein component values are set such that the product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix. An acquisition procedure for acquiring the fourth matrix,
From the product of a row containing information indicating the characteristics of the user who is the proposal destination of the proposal target, the fourth matrix, and the second matrix, for each proposal target of the user who is the proposal destination of the proposal target A calculation procedure for calculating a value indicating the evaluation,
A selection program for causing a computer to execute a selection procedure for selecting a proposal target to be proposed to the user based on the value calculated by the calculation procedure.
前記コンテンツの提案先となる利用者の特徴を示す情報と、前記第４行列と、前記第２行列とを用いて、前記コンテンツの提案先となる利用者の前記コンテンツに対する評価を推定する推定手順と、
前記推定手順による推定結果に基づいて、前記利用者に対して提案するコンテンツを選択する選択手順と
をコンピュータに実行させるための選択プログラム。 A fourth matrix calculated from a first matrix including information indicating characteristics of the user, a second matrix including information indicating characteristics of the content, and a third matrix including information indicating evaluation of the user for the content. An acquisition procedure for acquiring a fourth matrix in which the values of the components are set so that the product of the first matrix, the fourth matrix, and the second matrix becomes the third matrix,
An estimation procedure for estimating the evaluation of the content by the user to whom the content is proposed using the information indicating the characteristics of the user to whom the content is proposed, the fourth matrix, and the second matrix. When,
A selection program for causing a computer to execute a selection procedure for selecting content to be proposed to the user based on the estimation result of the estimation procedure.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016107281A JP6679415B2 (en) | 2016-05-30 | 2016-05-30 | Selection device, selection method, and selection program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016107281A JP6679415B2 (en) | 2016-05-30 | 2016-05-30 | Selection device, selection method, and selection program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017215647A JP2017215647A (en) | 2017-12-07 |
| JP6679415B2 true JP6679415B2 (en) | 2020-04-15 |
Family
ID=60575740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016107281A Active JP6679415B2 (en) | 2016-05-30 | 2016-05-30 | Selection device, selection method, and selection program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6679415B2 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111492391A (en) * | 2017-12-22 | 2020-08-04 | 华为技术有限公司 | Client, server and client-server system for generating personalized recommendations |
| JP7017528B2 (en) * | 2019-01-21 | 2022-02-08 | Kddi株式会社 | Learning equipment, learning methods and learning programs |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007317068A (en) * | 2006-05-29 | 2007-12-06 | Osaka Prefecture Univ | Recommending device and recommending system |
| JP2012079225A (en) * | 2010-10-05 | 2012-04-19 | Osaka Prefecture Univ | Cooperation filtering processing method and program |
| JP2013228947A (en) * | 2012-04-26 | 2013-11-07 | Sony Corp | Terminal device, information processing device, recommendation system, information processing method, and program |
-
2016
- 2016-05-30 JP JP2016107281A patent/JP6679415B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017215647A (en) | 2017-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6254733B1 (en) | Calculation device, calculation method, and calculation program | |
| JP6827305B2 (en) | Selection device, selection method and selection program | |
| CN104765758A (en) | Systems and Methods for Search Results Targeting | |
| JP2018045553A (en) | Selection device, selection method, and selection program | |
| JP6780992B2 (en) | Judgment device, judgment method and judgment program | |
| JP7231317B2 (en) | Estimation device, estimation method and estimation program | |
| JP6679415B2 (en) | Selection device, selection method, and selection program | |
| JP2015079449A (en) | Information extraction device, information extraction method, and information extraction program | |
| JP2016006563A (en) | Information processing device and information processing program | |
| US10096045B2 (en) | Tying objective ratings to online items | |
| JP2018081584A (en) | Providing device, providing method, and providing program | |
| JP2018045288A (en) | Advertisement distribution program, advertisement distribution system and advertisement distribution method | |
| JP2020154880A (en) | Calculation device, calculation method, and calculation program | |
| JP6527276B2 (en) | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING PROGRAM, AND INFORMATION PROCESSING METHOD | |
| JP6549742B1 (en) | Decision device, decision method and decision program | |
| JP2020091816A (en) | Information processing device, information processing method and information processing program | |
| JP2017146683A (en) | Generation device, generation method, and generation program | |
| JP6695228B2 (en) | Determination device, determination method, and determination program | |
| JP6541521B2 (en) | Generation device, generation method, generation program, determination device, determination method, and determination program | |
| JP6664600B2 (en) | Provision device, provision method and provision program | |
| JP7303855B2 (en) | Information processing device, information processing method and information processing program | |
| JP2019149035A (en) | Provision device, provision method, and provision program | |
| JP7453120B2 (en) | Selection device, selection method and selection program | |
| WO2022195844A1 (en) | Information providing device, information providing method, and program | |
| JP6342027B1 (en) | Providing device, providing method, and providing program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190319 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
| 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: 20200310 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200318 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6679415 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |