JP6958159B2 - 情報処理装置及びプログラム - Google Patents
情報処理装置及びプログラム Download PDFInfo
- Publication number
- JP6958159B2 JP6958159B2 JP2017178613A JP2017178613A JP6958159B2 JP 6958159 B2 JP6958159 B2 JP 6958159B2 JP 2017178613 A JP2017178613 A JP 2017178613A JP 2017178613 A JP2017178613 A JP 2017178613A JP 6958159 B2 JP6958159 B2 JP 6958159B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- situation
- analysis unit
- relationship
- attributes
- 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
- 230000010365 information processing Effects 0.000 title claims description 29
- 235000012054 meals Nutrition 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 238000000034 method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 235000021167 banquet Nutrition 0.000 description 2
- 235000015220 hamburgers Nutrition 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
<構成>
図1は、情報処理装置1のハードウェア構成を示す図である。情報処理装置1は、本発明に係る情報処理装置の一例である。情報処理装置1は、制御部11、記憶部12、通信部13及びUI(User Interface)部14を備えたコンピュータである。 制御部11は、CPU(Central Processing Unit)などの演算装置と、ROM(Read Only Memory)やRAM(Random Access Memory)などの記憶装置とを備えており、情報処理装置1の全体的な制御を行う。ROMには、ハードウェアやOS(Operating System)の起動の手順を記述したファームウェアが記憶されている。RAMは、CPUが演算を実行する際のデータの記憶に用いられる。
次に図3〜7を参照しながら情報処理装置1の動作を説明する。
<動作例1>
まず、推薦するアイテムを選択するためにコンテキストを最初に選択する例について説明する。第1分析部102、第2分析部103及び第3分析部104はそれぞれ、取得部101によって取得された情報(ここでは記憶部12に記憶されている購入履歴)を用いて、ユーザ属性とアイテム属性との関連性、アイテム属性とコンテキストとの関連性、及び、ユーザ属性とコンテキストとの関連性を分析する(ステップS101)。例えば第1分析部12がユーザ属性とアイテム属性との関連性を求める場合には、
購入履歴におけるユーザ属性Xとアイテム属性Yの同時発生回数/どちらかが発生した回数 = |X∩Y|/|X∪Y|
という数式によって、両者の関連性を求める。これ以外にも、例えばユーザ属性Xとアイテム属性Yの相互情報量に注目して、P(X,Y)log(P(X, Y)/P(X)P(Y))という数式を用いて両者の関連性を求めてもよい。また、行列分解やテンソル分解などの手法で潜在ベクトルに射影したときのベクトルの内積で両者の関連性を求めてもよい。また、アイテム属性とコンテキストとの関連性、及び、ユーザ属性とコンテキストとの関連性についても、同様の手法で求められる。
次に、推薦するアイテムを選択するためにアイテムを最初に選択する例について説明する。第1分析部102、第2分析部103及び第3分析部104はそれぞれ、ユーザ属性とアイテム属性との関連性、アイテム属性とコンテキストとの関連性、及び、ユーザ属性とコンテキストとの関連性を分析する(ステップS201、前述したステップS101と同じ処理)。
次に、推薦するアイテムを選択するためにアイテム及びコンテキストの組を最初に選択する例について説明する。第1分析部102、第2分析部103及び第3分析部104はそれぞれ、ユーザ属性とアイテム属性との関連性、アイテム属性とコンテキストとの関連性、及び、ユーザ属性とコンテキストとの関連性を分析する(ステップS301、前述したステップS101と同じ処理)。
次に、推薦するアイテムを選択するために、ユーザ属性と関連性があるアイテムと、ユーザ属性と関連性があるコンテキストとをそれぞれ最初に選択する例について、説明する。第1分析部102、第2分析部103及び第3分析部104はそれぞれ、ユーザ属性とアイテム属性との関連性、アイテム属性とコンテキストとの関連性、及び、ユーザ属性とコンテキストとの関連性を分析する(ステップS401、前述したステップS101と同じ処理)。
実施形態を次のように変形してもよい。また、複数の変形例を組み合わせてもよい。
<1>
提示部105は、ユーザ属性及びアイテム属性、コンテキスト及びユーザ属性、並びに、コンテキスト及びアイテム属性のそれぞれの関連性について重みづけを行って、提示する推薦アイテム及びその推薦対象が利用されるときのコンテキストに関する情報を選択するようにしてもよい。さらに、提示部105は、ユーザの指定に応じて重み付けのパラメータを学習するようにしてもよい。
ユーザ属性及びコンテキストの関連性に対する重み値>コンテキスト及びアイテム属性の関連性に対する重み値≧ユーザ属性及びアイテム属性の関連性に対する重み値
とすることが考えられる。これは、そもそも、アイテムを利用するときのコンテキストに重みを置いた推薦が有効という立場である。この重み付けは、アイテムの推薦に対してユーザが応じたときの行動履歴(例えば推薦後の購入履歴)から機械学習してもよい。また、各重み付けはユーザごとに又はアイテムごとに違う場合もあると考えられるので、ユーザ又はアイテムごとに重みが異なるように機械学習してもよい。例えばコンテキストとアイテムの整合性を重視するユーザもいれば、コンテキストは気にせずに自分にあったアイテムか否かを重視するユーザも居るからである。
コンテキストやアイテムを選択するときの手法は、実施形態で説明した手法以外に、次のような評価スコアによるものもあり得る。
コンテキストAの評価スコア = ユーザ属性pとコンテキストAとの関連性 + max/average(コンテキストAと各アイテムとの関連性)
アイテムAの評価スコア = ユーザ属性pとアイテムAとの関連性 + max/average(アイテムAと各コンテキストとの関連性)
実施形態は、ユーザがインターネット上のショッピングウェブサイトを利用した結果に基づいてそのユーザの嗜好を学習していたが、現実のアイテムを販売している店舗を利用した結果に基づいてそのユーザの嗜好を学習してもよい。具体的には、記憶部12は、店舗において各ユーザが商品を購入した履歴である購入履歴(例えば商品を購入したユーザのユーザID、購入日時、購入した商品の名称、及び価格や用途などの商品の属性)や、店舗において各ユーザが商品を閲覧した履歴である閲覧履歴(ユーザID、閲覧日時、閲覧した商品棚の識別情報)を記憶している。購入履歴は、例えば各ユーザに渡された店舗カードを用いて管理される。閲覧履歴は、例えばショッピングカートや店舗内に搭載されたカメラによって撮像された画像を解析することによって管理される。
本発明において、関連性が有る無しの判断は、例えば関連性が閾値以上であるか否かという判断であってもよいし、関連性が最大であるか否かの判断であってもよい。例えば動作例1において、提示部105は、いずれかのアイテムとの関連性が閾値以上のコンテキストを選択したのち(ステップS102)、選択したコンテキストのうちユーザ属性との関連性が最大のコンテキストを選択するようにしてもよい(ステップS103)。
上記の実施形態では、制御部11がプログラムを実行することによって上記の機能を実現する例を示したが、上記の機能がハードウェア回路で実装されていてもよい。また、このプログラムを、光記録媒体、半導体メモリ等、コンピュータで読み取り可能な記録媒体に記録して提供し、この記録媒体からプログラムを読み取って情報処理装置にインストールするようにしてもよい。また、このプログラムを電気通信回線で提供してもよい。
Claims (8)
- ユーザの属性と対象物の属性との関連性を分析する第1分析部と、
前記対象物の属性と当該対象物が利用されるときの状況との関連性を分析する第2分析部と、
前記ユーザの属性と前記対象物が利用されるときの状況との関連性を分析する第3分析部と、
前記第1分析部、前記第2分析部及び前記第3分析部による分析結果において、各々の前記状況と関連性がある前記対象物のうち、前記ユーザの属性と関連性がある前記対象物を選択し、選択した前記対象物である推薦対象物及び当該推薦対象物が利用されるときの状況に関する状況情報を提示する提示部と
を備えることを特徴とする情報処理装置。 - ユーザの属性と対象物の属性との関連性を分析する第1分析部と、
前記対象物の属性と当該対象物が利用されるときの状況との関連性を分析する第2分析部と、
前記ユーザの属性と前記対象物が利用されるときの状況との関連性を分析する第3分析部と、
前記第1分析部、前記第2分析部及び前記第3分析部による分析結果において、互いに関連性がある前記対象物及び前記状況の組を選択し、選択した前記対象物及び前記状況の組のうち、前記ユーザの属性と関連性がある前記対象物及び前記状況の組を特定し、当該対象物である推薦対象物及び当該推薦対象物が利用されるときの状況に関する状況情報を提示する提示部と
を備えることを特徴とする情報処理装置。 - ユーザの属性と対象物の属性との関連性を分析する第1分析部と、
前記対象物の属性と当該対象物が利用されるときの状況との関連性を分析する第2分析部と、
前記ユーザの属性と前記対象物が利用されるときの状況との関連性を分析する第3分析部と、
前記第1分析部、前記第2分析部及び前記第3分析部による分析結果において、前記ユーザの属性と関連性がある前記対象物と、前記ユーザの属性と関連性がある前記状況とをそれぞれ選択し、選択した前記対象物及び前記状況のうち、互いに関連性がある前記対象物及び前記状況を特定し、当該対象物である推薦対象物及び当該推薦対象物が利用されるときの状況に関する状況情報を提示する提示部と
を備えることを特徴とする情報処理装置。 - 前記提示部は、
前記ユーザの属性及び前記対象物、前記状況及び前記ユーザの属性、並びに、前記状況及び前記対象物のそれぞれの関連性について重みづけを行って、提示する推薦対象物及びその推薦対象物が利用されるときの状況に関する状況情報を選択する
ことを特徴とする請求項1〜3のいずれか1項に記載の情報処理装置。 - 前記提示部は、
ユーザの指定に応じて前記重みづけのパラメータを学習する
ことを特徴とする請求項4記載の情報処理装置。 - コンピュータを、
ユーザの属性と対象物の属性との関連性を分析する第1分析部と、
前記対象物の属性と当該対象物が利用されるときの状況との関連性を分析する第2分析部と、
前記ユーザの属性と前記対象物が利用されるときの状況との関連性を分析する第3分析部と、
前記第1分析部、前記第2分析部及び前記第3分析部による分析結果において、各々の前記状況と関連性がある前記対象物のうち、前記ユーザの属性と関連性がある前記対象物を選択し、選択した前記対象物である推薦対象物及び当該推薦対象物が利用されるときの状況に関する状況情報を提示する提示部と
して機能させるためのプログラム。 - コンピュータを、
ユーザの属性と対象物の属性との関連性を分析する第1分析部と、
前記対象物の属性と当該対象物が利用されるときの状況との関連性を分析する第2分析部と、
前記ユーザの属性と前記対象物が利用されるときの状況との関連性を分析する第3分析部と、
前記第1分析部、前記第2分析部及び前記第3分析部による分析結果において、互いに関連性がある前記対象物及び前記状況の組を選択し、選択した前記対象物及び前記状況の組のうち、前記ユーザの属性と関連性がある前記対象物及び前記状況の組を特定し、当該対象物である推薦対象物及び当該推薦対象物が利用されるときの状況に関する状況情報を提示する提示部と
して機能させるためのプログラム。 - コンピュータを、
ユーザの属性と対象物の属性との関連性を分析する第1分析部と、
前記対象物の属性と当該対象物が利用されるときの状況との関連性を分析する第2分析部と、
前記ユーザの属性と前記対象物が利用されるときの状況との関連性を分析する第3分析部と、
前記第1分析部、前記第2分析部及び前記第3分析部による分析結果において、前記ユーザの属性と関連性がある前記対象物と、前記ユーザの属性と関連性がある前記状況とをそれぞれ選択し、選択した前記対象物及び前記状況のうち、互いに関連性がある前記対象物及び前記状況を特定し、当該対象物である推薦対象物及び当該推薦対象物が利用されるときの状況に関する状況情報を提示する提示部と
して機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017178613A JP6958159B2 (ja) | 2017-09-19 | 2017-09-19 | 情報処理装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017178613A JP6958159B2 (ja) | 2017-09-19 | 2017-09-19 | 情報処理装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019053643A JP2019053643A (ja) | 2019-04-04 |
JP6958159B2 true JP6958159B2 (ja) | 2021-11-02 |
Family
ID=66013504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017178613A Active JP6958159B2 (ja) | 2017-09-19 | 2017-09-19 | 情報処理装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6958159B2 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7412202B2 (en) * | 2001-04-03 | 2008-08-12 | Koninklijke Philips Electronics N.V. | Method and apparatus for generating recommendations based on user preferences and environmental characteristics |
JP4981511B2 (ja) * | 2007-05-02 | 2012-07-25 | ヤフー株式会社 | 商品データを配信する方法 |
JP4557092B2 (ja) * | 2010-02-05 | 2010-10-06 | 株式会社日立製作所 | データウェアハウスシステムおよびその問合せ処理方法 |
WO2014030876A1 (en) * | 2012-08-24 | 2014-02-27 | Samsung Electronics Co., Ltd. | Method and apparatus for determining item based on interaction environment |
JP2016207217A (ja) * | 2016-04-20 | 2016-12-08 | 株式会社アクアティカ | 管理装置及び嗜好性特定方法 |
-
2017
- 2017-09-19 JP JP2017178613A patent/JP6958159B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019053643A (ja) | 2019-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11636524B2 (en) | Computer vision, user segment, and missing item determination | |
US20180357703A1 (en) | Recommendations Based Upon Explicit User Similarity | |
US20130332385A1 (en) | Methods and systems for detecting and extracting product reviews | |
Chen et al. | Experiments on user experiences with recommender interfaces | |
Lee et al. | Interaction design for mobile product recommendation agents: Supporting users' decisions in retail stores | |
EP4220577A1 (en) | Prospective object search techniques based on removed objects | |
JP6815235B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
KR20220165225A (ko) | 상품 추천 서비스를 제공하는 방법, 사용자 단말 및 서비스 제공 서버 | |
US10606832B2 (en) | Search system, search method, and program | |
JP2015102986A (ja) | 情報処理装置、情報処理方法及びシステム | |
JP7206761B2 (ja) | 情報処理装置 | |
Balapour et al. | Usability of apps and websites: A meta-regression study | |
Suki et al. | Examination of Mobile Social Networking Service (SNS) Users' Loyalty: A Structural Approach | |
JP6815597B2 (ja) | サーバ装置、販促支援システム、販促支援方法、及びプログラム | |
CN114730435A (zh) | 管理服务器以及商品搜索方法 | |
CN111159575A (zh) | 一种基于手机银行的交友方法及装置 | |
JP6958159B2 (ja) | 情報処理装置及びプログラム | |
JP7292040B2 (ja) | 情報処理プログラム、情報処理装置及び情報処理方法 | |
US20210065276A1 (en) | Information processing apparatus and non-transitory computer readable medium | |
JP6913596B2 (ja) | 情報処理装置、情報処理方法及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 | |
Ammons et al. | Time pressure and user ratings on consumers’ choice and eye fixations | |
JP6958014B2 (ja) | 推薦システム、情報処理装置及びプログラム | |
JP7098553B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP6873312B1 (ja) | 保険商品リコメンドシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200831 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210616 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210706 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210825 |
|
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: 20210907 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6958159 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |