JP6696568B2 - アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置 - Google Patents

Description

本発明の実施形態は、アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置に関する。

従来、ユーザより選択されたアイテム（情報）に対して、データベース（ＤＢ）等に蓄積された多数のアイテムの中から選択されたアイテムに類似するアイテムを検索し、検索されたアイテムをユーザへ推奨するアイテム推奨装置がある。このアイテム推奨装置では、ユーザが行う所定の操作に基づいて過去にユーザが同時に採用したアイテムの履歴を用い、ユーザより選択されたアイテムに対して同時に採用され得る類似アイテムを推奨する。

特開２０１４−１０７１５号公報

しかしながら、上記の従来技術では、ユーザが同時に採用するアイテムの履歴が少ない場合には、精度よくアイテムを推奨することが困難であるという問題がある。

例えば、新しいアイテムや採用数の少ない不人気のアイテムについては、ユーザが同時に採用するアイテムの履歴が少なくなる。また、アイテムの細分化が進むと、各アイテムの採用実績が分散してしまうことから、履歴の蓄積が遅くなる。このように、ユーザが同時に採用するアイテムの履歴が少ない場合には、数あるアイテムの中からユーザより選択されたアイテムに対して同時に採用され得る類似アイテムを抽出することが困難なものとなる。

１つの側面では、精度よくアイテムを推奨することを可能とするアイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置を提供することを目的とする。

第１の案では、アイテム推奨方法は、複数のアイテムの中から比較が行われたアイテム同士を同じカテゴリとする処理をコンピュータが実行する。また、アイテム推奨方法は、ユーザが過去に採用したアイテムの組み合わせを示す採用履歴情報に基づいて所定のカテゴリに属するアイテムと組み合わされるアイテムの共起確率を算出する処理をコンピュータが実行する。また、アイテム推奨方法は、算出された共起確率に基づいてユーザが選択したアイテムが属するカテゴリに対して推奨するアイテムを出力する処理をコンピュータが実行する。

本発明の１実施態様によれば、精度よくアイテムを推奨することができる。

図１は、実施形態にかかるアイテム推奨装置の機能構成の一例を示すブロック図である。 図２は、アイテムの採用履歴、比較グループを記録する処理の一例を示すフローチャートである。 図３は、アイテムの選択、比較を行う画面を説明する説明図である。 図４は、採用履歴テーブルを説明する説明図である。 図５は、比較グループ情報を説明する説明図である。 図６は、カテゴリ情報を生成する処理の一例を示すフローチャートである。 図７は、アイテムを推奨する処理の一例を示すフローチャートである。 図８は、推奨するアイテムの取得を説明する説明図である。 図９は、アイテム推奨を説明する説明図である。 図１０は、採用履歴テーブルを説明する説明図である。 図１１は、類似ユーザグループ情報を説明する説明図である。 図１２は、実施形態にかかるアイテム推奨装置のハードウエア構成の一例を示すブロック図である。

以下、図面を参照して、実施形態にかかるアイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置を説明する。実施形態において同一の機能を有する構成には同一の符号を付し、重複する説明は省略する。なお、以下の実施形態で説明するアイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置は、一例を示すに過ぎず、実施形態を限定するものではない。また、以下の各実施形態は、矛盾しない範囲内で適宜組みあわせてもよい。

図１は、実施形態にかかるアイテム推奨装置の機能構成の一例を示すブロック図である。図１に示すように、アイテム推奨装置１は、記憶部１０、入力部２０、表示部３０、カテゴリ情報生成部４０および推奨部５０を有する。アイテム推奨装置１は、入力部２０によりユーザより選択されたアイテム（情報）に対して、記憶部１０のアイテム属性情報１１に蓄積された多数のアイテムの中から選択されたアイテムと組み合わせられると推定されるアイテムを求めてユーザへ推奨する装置である。

記憶部１０は、メモリやＨＤＤ（Hard Disk Drive）などの記憶装置であり、アイテム属性情報１１、採用履歴テーブル１２、比較グループ情報１３およびカテゴリ情報１４を記憶する。

アイテム属性情報１１は、アイテムごとの、アイテムの持つ各属性を示す情報である。アイテムの属性は、例えば価格、サイズ、色、アイテムが有する機能などの、アイテムが有する特徴を示すものである。カテゴリ情報１４には、推奨するアイテムとして対象（検索対象）となるアイテムを識別する識別情報（例えばアイテムＩＤなど）が格納される。または、アイテム属性情報１１の属性の一つとして、カテゴリＩＤを保持してカテゴリ情報としても良い。この時、同一のアイテムが複数のカテゴリＩＤを保持しても良い。

採用履歴テーブル１２は、ユーザごとに、アイテム属性情報１１に示された複数のアイテム（アイテム群）の中からユーザが過去に採用したアイテムの組み合わせを示す履歴情報である。採用履歴テーブル１２は、例えば、ユーザが採用したアイテムと、そのアイテムに組み合わせて採用したアイテムとの行列であり、その組み合わせを採用した回数を行列の要素とする２次元のテーブルデータである。ユーザ毎に全アイテムの採用回数を記録した2次元の行列からでも算出できる。記憶部１０には、ユーザＩＤなどの識別情報が付与された採用履歴テーブル１２がユーザごとに格納されている。

比較グループ情報１３は、アイテム属性情報１１に示された複数のアイテム（アイテム群）の中からユーザにより過去に比較が行われたアイテム同士を同じカテゴリ（グループ）として示す情報である。例えば、比較グループ情報１３には、グループを示すグループＩＤごとに、ユーザにより過去に比較が行われたアイテムを示す識別情報（例えばアイテムＩＤ）が格納される。

カテゴリ情報１４は、アイテムの持つ各属性を示すアイテム属性情報１１からクラスタリング手法により属性が類似する類似アイテムでカテゴリ分けし、カテゴリごとのアイテムを示す情報である。例えば、カテゴリ情報１４には、クラスタリングでカテゴリ分けされたアイテムの識別情報（例えばアイテムＩＤ）がカテゴリごとに格納される。アイテム属性情報１１の属性の一つとして、カテゴリID（複数可）を保持することで、カテゴリ情報１４を代替することもできる。

入力部２０は、入力装置１０２（図１２参照）などからのユーザの操作入力を受け付けるＵＩ（ユーザ・インタフェース）である。例えば、入力部２０は、アイテム属性情報１１に示された複数のアイテムを表示した画面などにおける操作入力により、比較または採用するアイテムの選択をユーザより受け付ける。

表示部３０は、モニタ１０３（図１２参照）への画面表示を行う。例えば、表示部３０は、入力部２０により選択されたアイテムのアイテム属性情報１１を読み出し、比較または採用するアイテムとして選択されたアイテムの一覧を画面表示する。また、表示部３０は、比較または採用するアイテムとして選択され、一覧の画面表示が行われたアイテムの履歴を採用履歴テーブル１２および比較グループ情報１３として記憶部１０に記録する。

図２は、アイテムの採用履歴、比較グループを記録する処理の一例を示すフローチャートである。図２に示すように、処理が開始されると、表示部３０は、アイテム属性情報１１を読み出してアイテム属性情報１１に示された複数のアイテム（アイテム群）の画面表示を行う（Ｓ１）。ここで、入力部２０から、数ある属性の中から表示として残す属性の選択を受け付けてもよい。同時に並び替えのキーとなる属性の選択を受け付けても良い。この場合、表示として残すよう指定された属性のみ表示され、また並び替えのキーと指定された属性の値の順に並び替えが行われる。これらの指定された物は、ユーザの興味のある属性と見なすことができ、本発明の変形例ではこの情報を使用している。

次いで、入力部２０は、画面表示されたアイテム群の中からのアイテムの選択をユーザより受け付ける（Ｓ２）。次いで、表示部３０は、選択されたアイテムの属性（特徴）をアイテム属性情報１１より読み出して並べて画面表示する比較表示を行う（Ｓ３）。

図３は、アイテムの選択、比較を行う画面を説明する説明図である。図３に示すように、選択画面Ｇ１にはアイテム属性情報１１に示された複数のアイテム（アイテム群）が表示されており、ユーザは、入力部２０より比較表示するアイテムの選択を行う。図示例では、「Ｉｔｅｍ（ｃ）」、「Ｉｔｅｍ（ｆ）」および「Ｉｔｅｍ（ｇ）」が比較表示するアイテムとして選択されている。

表示部３０は、選択画面Ｇ１において選択されたアイテム（「Ｉｔｅｍ（ｃ）」、「Ｉｔｅｍ（ｆ）」および「Ｉｔｅｍ（ｇ）」）の属性（機能１、機能２、機能３、価格）をアイテム属性情報１１より読み出す。次いで、表示部３０は、選択されたアイテムの属性の一覧を比較画面Ｇ２に表示する。これにより、ユーザは、各アイテムの属性についての比較を行うことができる。

ユーザは、表示された多くのアイテムの中から通常は一部のアイテムだけ採用する。この採用とは、例えば電子商取引などでは購入などの行為をさす。なお、Ｓ２において、Ｓ１と同様に入力部２０は、数ある属性の中から比較画面Ｇ２において表示する属性や並び替えのキーとなる属性の選択を受け付けてもよい。すなわち、ユーザは、比較表示の際に確認する属性や並び替えのキーとなる属性を選んでもよい。そして、表示部３０では、Ｓ２において選択された属性を比較画面Ｇ２に表示してもよい。

次いで、表示部３０は、入力部２０より選択されたアイテムをもとに、採用履歴テーブル１２および比較グループ情報１３を記憶部１０に記録する（Ｓ４）。

図４は、採用履歴テーブル１２を説明する説明図である。図４に示すように、採用履歴テーブル１２は、いずれかのユーザが採用したアイテム（図示例ではａ〜ｇ）の組み合わせについて、組み合わせを採用した回数を行列の要素として示す行列である。例えば、採用履歴テーブル１２では、軸アイテムと採用アイテムとで示される値によりアイテムが組み合わされた履歴（採用回数）を示している。

Ｓ４では、採用したユーザの採用履歴テーブル１２について、入力部２０より採用されたアイテムの組み合わせに該当する回数をインクリメントすることで、採用されたアイテムの組み合わせを履歴として記録する。例えば、比較画面Ｇ２より「Ｉｔｅｍ（ｃ）」とともに「Ｉｔｅｍ（ｆ）」が採用された場合には、ｃを軸としてｆの組み合わせに対応する回数と、ｆを軸としてｃの組み合わせに対応する回数とをインクリメントして履歴の記録が行われる。

図５は、比較グループ情報１３を説明する説明図である。図５に示すように、比較グループ情報１３は、グループを示すグループＩＤ（ＧＩ０、ＧＩ１…）ごとに、ユーザにより過去に比較が行われたアイテムを識別する名称が格納されている。Ｓ４では、入力部２０より選択されたアイテムの組みを１つのグループとしてグループＩＤを発行し、選択されたアイテムの名称やIDを比較グループ情報１３に記録する。例えば、図３の例では、「Ｉｔｅｍ（ｃ）」、「Ｉｔｅｍ（ｆ）」および「Ｉｔｅｍ（ｇ）」をグループとする比較グループ情報１３が記録される。

図１に戻り、カテゴリ情報生成部４０は、アイテムの持つ各属性を示すアイテム属性情報１１からクラスタリング手法により属性が類似する類似アイテムでカテゴリ分けしてカテゴリ情報１４を生成する。この、カテゴリ情報生成部４０におけるカテゴリ情報１４を生成する処理は、アイテム属性情報１１や比較グループ情報１３が更新されたタイミングで行われてもよいし、所定の期間（例えば１ヶ月）ごとに行われてもよい。

図６は、カテゴリ情報１４を生成する処理の一例を示すフローチャートである。図６に示すように、処理が開始されると、カテゴリ情報生成部４０は、アイテム属性情報１１に基づいて、アイテムの持つ各属性（特徴）を軸とする特徴空間における各アイテム間の距離を計算する（Ｓ１０）。

次いで、カテゴリ情報生成部４０は、比較グループ情報１３に基づいて、複数のアイテムの特徴情報に基づいた特徴空間のスケールについて、同じカテゴリ（グループ）に属するアイテム同士、すなわち比較表示されたアイテム同士の距離を近づけるように、各アイテム間の距離の補正を行う（Ｓ１１）。

具体的な実施例としては、アイテムの特徴量を多次元ベクトルで表現すると、２つのアイテム（ｊ、ｋ）間の距離の二乗は次の式（１）で表される。この式（１）によりカテゴリ情報生成部４０は、各アイテム間の距離を計算する。

次いで、同時に比較対象にされたアイテム群、すなわち比較グループ情報１３に示されたアイテム群を比較グループとし、ｑ番目の比較グループ内の距離指標Ｓ_ｇｑを次の式（２）とする。

なお、式（２）において、距離指標Ｓ_ｇｑは、グループ内の全ての２つのアイテム組の距離の総和であるが、別例として和を組数で割った距離平均であってもよい。

また、距離指標値Ｓについては、次の式（３）のとおりに定義する。

カテゴリ情報生成部４０は、式（３）の距離指標値Ｓが最小になるような、Ｃ_ｉ（ｉ＝１〜Ｍ）の値を以下の式（４）の制約条件の元で求める。すなわち、複数のアイテムの特徴情報に基づいた特徴空間のスケールについて、同じグループに属するアイテム同士の距離を近づけるように変換するＣ_ｉを求める。

なお、殆どのＣ_ｉが０になることを防ぐため、ＳにＣ_ｉのべき乗を加えてもよい。例えば次の式（５）に示す自乗和としてもよい。

カテゴリ情報生成部４０は、求めたＣ_ｉを用いて式（１）で距離を定義することで、各アイテム間の距離について、同じグループに属するアイテム同士（比較表示が行われたアイテム同士）の距離を近づけるように補正される。

次いで、カテゴリ情報生成部４０は、補正後の各アイテム間の距離をもとにアイテムのクラスタリングを行い（Ｓ１２）、各アイテム間の距離が近く互いの特徴が類似する類似アイテムでカテゴリ分けする。次いで、カテゴリ情報生成部４０は、Ｓ１２のクラスタリング結果をもとに、カテゴリごとの類似アイテムを示すカテゴリ情報１４を生成する（Ｓ１３）。カテゴリ情報生成部４０は、生成したカテゴリ情報１４を記憶部１０に格納する。

図１に戻り、推奨部５０は、入力部２０によりユーザが選択したアイテムを受け付け、ユーザが選択したアイテムとともに組み合わせが行われると推定されるアイテムを取得する。次いで、推奨部５０は、取得したアイテムをユーザに対して推奨するアイテムとして、例えばモニタ１０３（図１２参照）への画面表示などにより出力する。

具体的には、推奨部５０は、ユーザが過去に採用したアイテムの組み合わせを示す採用履歴テーブル１２と、カテゴリ情報１４とに基づいて、カテゴリ情報１４の所定のカテゴリに属するアイテムと組み合わせられるアイテムの共起確率を算出する。共起確率は、複数のアイテムが同時に採用される割合を示すものである。推奨部５０は、あるカテゴリのアイテムが選択された場合に、そのカテゴリに対して同時に採用されるアイテムの確率（共起確率）を、カテゴリに属するアイテムと組み合わせて採用されたアイテムの履歴をもとに求める。推奨部５０は、このカテゴリに対して同時に採用されるアイテムの共起確率（カテゴリ間の共起確率）を、カテゴリ情報１４の各カテゴリについて計算する。

次いで、推奨部５０は、計算されたカテゴリ間の共起確率より、ユーザが選択したアイテムが属するカテゴリに対して同時に採用されるアイテムの共起確率をもとに、共起確率の高いアイテムを推奨するアイテムとして出力する。すなわち、推奨部５０は、アイテムベース協調フィルタリングにおけるアイテム間共起確率の代わりに、カテゴリ間の共起確率を用いてアイテムの推奨を行う。

図７は、アイテムを推奨する処理の一例を示すフローチャートである。図７に示すように、処理が開始されると、推奨部５０は、入力部２０によりユーザが選択した選択アイテムを取得する（Ｓ２０）。

次いで、推奨部５０は、採用履歴テーブル１２と、カテゴリ情報１４とに基づいて、カテゴリ間の共起確率を算出する（Ｓ２１）。例えば、推奨部５０は、採用履歴テーブル１２をもとに、カテゴリ情報１４にカテゴリ分けされたアイテムの採用実績（履歴）を総数とする。次いで、推奨部５０は、カテゴリ情報１４にカテゴリ分けされたアイテムごとに、そのアイテムを軸アイテムとし、軸アイテムと組み合わされた採用アイテムの履歴（採用回数）を採用履歴テーブル１２より取得する。次いで、推奨部５０は、総数に対する採用回数より、カテゴリに対して同時に採用されるアイテムの共起確率を求める。

次いで、推奨部５０は、算出されたカテゴリ間の共起確率をもとに、ユーザが選択したアイテムが属するカテゴリに対して共起確率の高い推奨アイテムを取得する（Ｓ２２）。次いで、推奨部５０は、取得した推奨アイテムを画面表示などにより出力する（Ｓ２３）。

図８は、推奨するアイテムの取得を説明する説明図である。図８において、テーブルＴ１、Ｔ２は、カテゴリ情報１４にカテゴリ分けされた各カテゴリを軸カテゴリ（ｋａ〜ｋｆ）とし、カテゴリに対して同時に採用されるアイテム（ａ〜ｇ）の共起確率（採用割合）を示すテーブルである。Ｓ２１では採用履歴テーブル１２をもとにテーブルＴ１が求められる。次いで、Ｓ２２では、テーブルＴ１をもとに、ユーザが選択したアイテムが属するカテゴリに対して共起確率の高い推奨アイテムが取得される。例えば、ユーザが選択したアイテムが属するカテゴリが「ｋａ」である場合には、割合（共起確率）の高い順に「ｃ」、「ｇ」、「ｅ」、「ｆ」が推奨アイテムとして得られることとなる。

図９は、アイテム推奨を説明する説明図である。図９において、「Ｄ」のユーザがアイテム「ａ」を選択しているものとする。また、ケースＣ１は、アイテムベース協調フィルタリングにおけるアイテム間共起確率を用いたアイテム推奨を行うケースである。ケースＣ２は、アイテムベース協調フィルタリングにおけるアイテム間共起確率の代わりに、カテゴリ間の共起確率を用いてアイテム推奨を行うケースである。

図９に示すように、アイテムの細分化が進むと、各アイテムの採用実績が分散してしまうことから、履歴の蓄積が遅くなる。このため、アイテム間共起確率を用いたアイテム推奨を行うケースＣ１では、アイテム「ａ」と組み合わせた履歴（採用実績）がなく、アイテム「ａ」を選択した「Ｄ」のユーザに対し、推奨アイテムの候補が得られないこととなる。これに対し、カテゴリ間の共起確率を用いてアイテム推奨を行うケースＣ２では、同一カテゴリにおけるアイテム「ｂ」とともに、カテゴリに対する採用実績のあるアイテム「ｄ」を推奨することができる。したがって、ユーザが同時に採用するアイテムの履歴が少ない場合であっても、精度よくアイテムを推奨することが可能となる。

（変形例）
ここで、上述した実施形態の変形例を説明する。変形例では、アイテムの特徴（属性）についての興味が類似するユーザを類似ユーザとしてグループ化する。そして、グループ化した類似ユーザの採用履歴テーブル１２をもとにアイテム推奨を行う。

具体的には、アイテム推奨装置１の入力部２０は、各ユーザについて、数ある属性の中からアイテム群表示（Ｓ１）や比較表示（Ｓ３）の際に表示する属性として選択された属性の履歴を記憶部１０に記録する。

図１０は、採用履歴テーブルを説明する説明図である。図１０に示すように、入力部２０は、ユーザ（Ａ、Ｂ、Ｃ…）ごとに、選択された属性（機能１、機能２、…）についての選択回数を記憶部１０の採用履歴テーブル１２ａに記録する。

推奨部５０では、記録された採用履歴テーブル１２ａをもとに、選択された属性についての興味が類似するユーザを類似ユーザとしてグループ化する。具体的には、推奨部５０は、採用履歴テーブル１２ａの各ユーザにおける選択された属性（機能１、機能２、…）についての選択回数をもとに、あるユーザに対する他のユーザの類似度を求める。そして、推奨部５０は、類似度が所定の閾値以上のユーザを類似ユーザとしてグループ化し、グループ化された類似ユーザを示す類似ユーザグループ情報を生成する。例えば、図１０の例では、「機能１」、「機能３」、「機能５」についての選択が類似するユーザ「Ａ」、「Ｃ」が、類似ユーザとしてグループ化される。

図１１は、類似ユーザグループ情報を説明する説明図である。図１１に示すように、類似ユーザグループ情報１３ａは、グループを示すグループＩＤ（ＧＵ０、ＧＵ１…）ごとに、類似ユーザとしてグループ化されたユーザの名称などが格納されている。

推奨部５０は、Ｓ２１において、アイテムを選択したユーザと類似する類似ユーザを類似ユーザグループ情報１３ａより求める。そして、推奨部５０は、求めた類似ユーザの採用履歴テーブル１２をもとに、カテゴリ間の共起確率を算出する。これにより、アイテム推奨装置１では、アイテムの特徴（属性）についての興味が類似する類似ユーザの採用履歴テーブル１２をもとに、よりユーザの興味にマッチするアイテムを推奨することが可能となる。

以上のように、アイテム推奨装置１は、比較グループ情報１３をもとに複数のアイテムの中から比較が行われたアイテム同士を同じカテゴリとする。また、アイテム推奨装置１は、ユーザが過去に採用したアイテムの組み合わせを示す採用履歴テーブル１２に基づいて所定のカテゴリに属するアイテムと組み合わされるアイテムの共起確率を算出する。また、アイテム推奨装置１は、算出された共起確率に基づいてユーザが選択したアイテムが属するカテゴリに対して推奨するアイテムを出力する。または、このアイテムが属するカテゴリの他のアイテムで共起確率の高い物を出力する。また、本発明の変形例では、ユーザが表示のために入力した属性情報を興味のある属性として、類似ユーザを見つけるのに利用し、類似ユーザの購入したアイテムやそれと同一カテゴリのアイテムの中から共起確率の高い物を出力する。したがって、アイテム推奨装置１は、ユーザが同時に採用するアイテムの履歴が少ない場合であっても、精度よくアイテムを推奨することが可能となる。

なお、図示した各装置の各構成要素は、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。

また、アイテム推奨装置１で行われる各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部または任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行されるプログラム上、またはワイヤードロジックによるハードウエア上で、その全部または任意の一部を実行するようにしてもよいことは言うまでもない。また、アイテム推奨装置１で行われる各種処理機能は、クラウドコンピューティングにより、複数のコンピュータが協働して実行してもよい。

ところで、上記の実施形態で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施形態と同様の機能を有するプログラムを実行するコンピュータ（ハードウエア）の一例を説明する。図１２は、実施形態にかかるアイテム推奨装置１のハードウエア構成の一例を示すブロック図である。

図１２に示すように、アイテム推奨装置１は、各種演算処理を実行するＣＰＵ１０１と、データ入力を受け付ける入力装置１０２と、モニタ１０３と、スピーカ１０４とを有する。また、アイテム推奨装置１は、記憶媒体からプログラム等を読み取る媒体読取装置１０５と、各種装置と接続するためのインタフェース装置１０６と、有線または無線により外部機器と通信接続するための通信装置１０７とを有する。また、アイテム推奨装置１は、各種情報を一時記憶するＲＡＭ１０８と、ハードディスク装置１０９とを有する。また、アイテム推奨装置１内の各部（１０１〜１０９）は、バス１１０に接続される。

ハードディスク装置１０９には、上記の実施形態で説明した入力部２０、表示部３０、カテゴリ情報生成部４０および推奨部５０における各種の処理を実行するためのプログラム１１１が記憶される。また、ハードディスク装置１０９には、プログラム１１１が参照する各種データ１１２（アイテム属性情報１１、採用履歴テーブル１２、比較グループ情報１３およびカテゴリ情報１４など）が記憶される。入力装置１０２は、例えば、アイテム推奨装置１の操作者から操作情報の入力を受け付ける。モニタ１０３は、例えば、操作者が操作する各種画面を表示する。インタフェース装置１０６は、例えば印刷装置等が接続される。通信装置１０７は、ＬＡＮ（Local Area Network）等の通信ネットワークと接続され、通信ネットワークを介した外部機器との間で各種情報をやりとりする。

ＣＰＵ１０１は、ハードディスク装置１０９に記憶されたプログラム１１１を読み出して、ＲＡＭ１０８に展開して実行することで、各種の処理を行う。なお、プログラム１１１は、ハードディスク装置１０９に記憶されていなくてもよい。例えば、アイテム推奨装置１が読み取り可能な記憶媒体に記憶されたプログラム１１１を読み出して実行するようにしてもよい。アイテム推奨装置１が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ等に接続された装置にこのプログラム１１１を記憶させておき、アイテム推奨装置１がこれらからプログラム１１１を読み出して実行するようにしてもよい。

１…アイテム推奨装置
１０…記憶部
１１…アイテム属性情報
１２、１２ａ…採用履歴テーブル
１３…比較グループ情報
１３ａ…類似ユーザグループ情報
１４…カテゴリ情報
２０…入力部
３０…表示部
４０…カテゴリ情報生成部
５０…推奨部
１０１…ＣＰＵ
１０２…入力装置
１０３…モニタ
１０４…スピーカ
１０５…媒体読取装置
１０６…インタフェース装置
１０７…通信装置
１０８…ＲＡＭ
１０９…ハードディスク装置
１１０…バス
１１１…プログラム
１１２…各種データ
Ｃ１、Ｃ２…ケース
Ｇ１…選択画面
Ｇ２…比較画面
Ｔ１、Ｔ２…テーブル

Claims (7)

1. 複数のアイテムの中からユーザにより過去に比較が行われたアイテム同士を同じカテゴリとし、
   前記ユーザが過去に採用したアイテムの組み合わせを示す採用履歴情報に基づいて所定のカテゴリに属するアイテムと組み合わされるアイテムの共起確率を算出し、
   前記算出された共起確率に基づいて前記ユーザが選択したアイテムが属するカテゴリに対して推奨するアイテムを出力する
   処理をコンピュータが実行することを特徴とするアイテム推奨方法。
2. 前記複数のアイテムの中から比較を行うアイテムの選択を受け付け、
   前記選択されたアイテムの特徴情報を並べて表示する処理をコンピュータがさらに実行し、
   前記同じカテゴリとする処理は、前記選択されたアイテムを同じカテゴリとする
   ことを特徴とする請求項１に記載のアイテム推奨方法。
3. 前記複数のアイテムの特徴情報に基づいた特徴空間のスケールについて、前記同じカテゴリに属するアイテム同士の距離を近づける変換を行う処理をコンピュータがさらに実行し、
   前記算出する処理は、変換された前記特徴空間に基づいて前記共起確率を算出する
   ことを特徴とする請求項１または２に記載のアイテム推奨方法。
4. 前記受け付ける処理は、複数の特徴情報の中から少なくとも１つの特徴情報の選択を受け付け、
   前記表示する処理は、前記選択されたアイテムについて、前記選択された特徴情報を並べて表示する
   ことを特徴とする請求項２に記載のアイテム推奨方法。
5. 前記複数の特徴情報の中から選択された特徴情報が類似するユーザを類似ユーザとする処理をコンピュータがさらに実行し、
   前記算出する処理は、前記類似ユーザが過去に採用したアイテムの組み合わせを示す採用履歴情報に基づいて前記共起確率を算出する
   ことを特徴とする請求項４に記載のアイテム推奨方法。
6. 複数のアイテムの中からユーザにより過去に比較が行われたアイテム同士を同じカテゴリとし、
   前記ユーザが過去に採用したアイテムの組み合わせを示す採用履歴情報に基づいて所定のカテゴリに属するアイテムと組み合わされるアイテムの共起確率を算出し、
   前記算出された共起確率に基づいて前記ユーザが選択したアイテムが属するカテゴリに対して推奨するアイテムを出力する
   処理をコンピュータに実行させることを特徴とするアイテム推奨プログラム。
7. プロセッサが、
   複数のアイテムの中からユーザにより過去に比較が行われたアイテム同士を同じカテゴリとし、
   前記ユーザが過去に採用したアイテムの組み合わせを示す採用履歴情報に基づいて所定のカテゴリに属するアイテムと組み合わされるアイテムの共起確率を算出し、
   前記算出された共起確率に基づいて前記ユーザが選択したアイテムが属するカテゴリに対して推奨するアイテムを出力する
   する処理を実行することを特徴とするアイテム推奨装置。

Images