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
本発明は、情報処理装置及びプログラムに関する。
商品やサービス(以下、これらをアイテムと総称する)をユーザに推薦する技術に関して、例えば特許文献１には、環境に応じたアイテムの推薦を行うことが開示されている。また、特許文献２には、状況が変化するタイミングでその状況に応じたアイテムの推薦を行うことが開示されている。このように、アイテムが利用される環境や状況（これらはコンテキストとも呼ばれる）に応じたアイテム推薦の仕組みは既に知られている。
ところで、ユーザに適したコンテキストがあっても、そのコンテキストに適したアイテムがない場合や、ユーザに適したアイテムがあっても、そのアイテムに適したコンテキストがない場合がある。
そこで、本発明は、ユーザに対象物を推薦する場合に、ユーザの属性と、推薦対象物と、その推薦対象物を利用するときの状況に関する状況情報とを整合させることを目的とする。
請求項１に係る発明は、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を提供する。
請求項２に係る発明は、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を提供する。
請求項３に係る発明は、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を提供する。
請求項４に係る発明において、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。
請求項５に係る発明において、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。
請求項６に係る発明は、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を提供する。
請求項７に係る発明は、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を提供する。
請求項８に係る発明は、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を提供する。
請求項１〜８に係る発明によれば、ユーザに対象物を推薦する場合に、ユーザの属性と、推薦対象物と、その推薦対象物を利用するときの状況に関する状況情報とを整合させられる。
本発明の実施形態の一例について説明する。
＜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。
＜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。
記憶部１２は、例えば半導体メモリやハードディスク記憶装置などを備え、ＯＳのほか、各種の機能を実現するためのプログラム）を記憶している。さらに、記憶部１２は、複数のユーザが自身のパーソナルコンピュータやスマートホン等の通信装置を用いてインターネット上のショッピングウェブサイト等を利用した結果に関する情報を記憶している。
具体的には、記憶部１２は、インターネット上のショッピングウェブサイトにおいて各ユーザが商品やサービス(以下、これらをアイテムと総称する)を購入した履歴である購入履歴（例えばアイテムを購入したユーザのユーザＩＤ、ユーザの属性、購入日時、購入したアイテムの名称、アイテムを購入したときの状況、及び、カテゴリ、価格或いは用途などのアイテムの属性））を記憶している。この購入履歴は、インターネット上のショッピングウェブサイトを管理するウェブサーバ装置からインターネットを介して情報処理装置１に収集されてもよいし、また、情報処理装置１自身がインターネット上のショッピングウェブサイトを管理するウェブサーバ装置であってもよい。
通信部１３は、外部の通信装置との間で通信を行うための通信Ｉ／Ｆ（Interface）を備えており、インターネット等の通信回線に接続される。ＵＩ部１４は、表示部と操作部とを含む。表示部は例えば液晶表示装置を備え、情報処理装置１を操作するための画面を表示面に表示する。操作部は、例えば表示部の表示面を覆うように設けられたタッチパネルや、表示面に隣接する位置に設けられたキーボードなどを備えており、操作を受け付けて、その操作に応じた信号を制御部１１に出力する。制御部１１は、この操作の内容に従って情報処理装置１を制御する。
図２は、情報処理装置１の機能構成を示すブロック図である。これらの機能は、制御部１１が記憶部１２に記憶されたプログラムを実行することによって実現される。取得部１０１は、ユーザの属性、アイテムの属性、及びアイテムが利用されるときの状況（例えば利用目的や利用環境を含み、以下、コンテキストという）を取得する。第１分析部１０２は、ユーザの属性とアイテムの属性との関連性を分析する。第２分析部１０３は、アイテムの属性と当該アイテムが利用されるときのコンテキストとの関連性を分析する。第３分析部１０４は、ユーザの属性とアイテムが利用されるときのコンテキストとの関連性を分析する。提示部１０５は、第１分析部１０２、第２分析部１０３及び第３分析部１０４による分析結果に応じて、ユーザに対して推薦するアイテムである推薦アイテム及び当該推薦アイテムが利用されるときのコンテキストに関する情報（状況情報）をユーザの通信装置に送信する。より具体的には、提示部１０５は、上記のそれぞれの分析結果において、ユーザに対して推薦する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であって各々の関連性が最も高い推薦対象物及び状況情報をユーザの通信装置に送信する等して、これらをユーザに提示する。
＜動作＞
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。
ここで、図７は、彼女が居ない男子の大学生、というユーザ属性についての、上記の分析結果の一例を図示している。図７の例では、このユーザ属性とイタリア料理店Ａというアイテムのとの関連性が０．４であり、このユーザ属性と中華料理店Ｂというアイテムのとの関連性が０．３であり、このユーザ属性と日本料理店Ｃというアイテムのとの関連性が０．３であり、このユーザ属性と焼肉店Ｄというアイテムのとの関連性が０．５であり、このユーザ属性とハンバーガー店Ｅというアイテムのとの関連性が０．２であり、このユーザ属性とお好み焼き店Ｆというアイテムのとの関連性が０．７である。なお、関連性は０以上１以下の値を採り、その値が大きいほど関連性が高いことを意味している。
また、図７では、このユーザ属性と一人飯というコンテキストのとの関連性が０．５であり、このユーザ属性とデートというコンテキストのとの関連性が０．２であり、このユーザ属性と女子会というコンテキストのとの関連性が０．０であり、このユーザ属性と合コンというコンテキストのとの関連性が０．７であり、このユーザ属性と宴会というコンテキストのとの関連性が０．３であり、このユーザ属性とランチミーティングというコンテキストのとの関連性が０．１である。
また、図７では、例えばイタリア料理店Ａというアイテムと一人飯というコンテキストとの関連性が０．２であり、中華料理店Ｂというアイテムとデートというコンテキストとの関連性が０．５であり、日本料理店Ｃというアイテムと女子会というコンテキストとの関連性が０．３であり、焼肉店Ｄというアイテムと合コンというコンテキストとの関連性が０．０５であり、ハンバーガー店Ｅというアイテムと宴会というコンテキストとの関連性が０．０５であり、お好み焼き店Ｆというアイテムとランチミーティングというコンテキストとの関連性が０．０５である。
図３に戻り、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する（ステップＳ１０２）。図７の例において、関連性の閾値を０．３とすると、一人飯、デート、女子会、ランチミーティングというコンテキストが選択される。
次に、提示部１０５は、選択したコンテキストのうちユーザ属性との関連性が閾値以上のコンテキストを選択する（ステップＳ１０３）。図７の例において、関連性の閾値を０．５とすると、一人飯というコンテキストが選択される。
次に、提示部１０５は、選択したコンテキストとの関連性が最も高いアイテムを選択する（ステップＳ１０４）。これにより、図７の例においては、焼肉店Ｄというアイテムが選択される。そして、提示部１０５は、選択したアイテムと選択したコンテキストに関する情報とをユーザに提示する。図７の例では、例えば、「一人飯には焼肉店Ｄをあなたにお勧めします」というメッセージをユーザに通知する。
このように、提示部１０５は、各々のアイテムの属性と関連性があるコンテキストのうち、ユーザ属性と関連性があるコンテキストを選択し、選択したコンテキストと関連性があるアイテムである推薦アイテム及び当該推薦アイテムが利用されるときのコンテキストに関する情報を提示する。なお、選択候補となるアイテムは、全アイテムではなく、そのアイテムを用いて事業を行っている事業者の利益が大きいもの（例えば広告主が存在するなど）や、ユーザの現在位置又はユーザの行く頻度が閾値以上場所に近いものなどに絞ってもよい。また、コンテキストとの関連性とユーザ属性との関連性の重み付き和で選択してもよい。
＜動作例２＞
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）。
提示部１０５は、いずれかのコンテキストとの関連性が閾値以上のアイテムを選択する（ステップＳ２０２）。図７の例において、関連性の閾値を０．３とすると、イタリア料理店Ａ、中華料理店Ｂ、日本料理店Ｃ、焼肉店Ｄというアイテムが選択される。
次に、提示部１０５は、選択したアイテムのうちユーザ属性との関連性が閾値以上のコンテキストを選択する（ステップＳ２０３）。図７の例において、関連性の閾値を０．５とすると、焼肉店Ｄというアイテムが選択される。
次に、提示部１０５は、選択したアイテムとの関連性が最も高いコンテキストを選択する（ステップＳ２０４）。これにより、図７の例においては、一人飯というコンテキストが選択される。そして、提示部１０５は、選択したアイテムと選択したコンテキストに関する情報とをユーザに提示する。図７の例においては、「一人飯には焼肉店Ｄをあなたにお勧めします」というメッセージをユーザに通知する。
このように、提示部１０５は、各々のコンテキストと関連性があるアイテムのうち、ユーザ属性と関連性があるアイテムを選択し、選択したアイテムである推薦アイテム及び当該推薦アイテムが利用されるときのコンテキストに関する情報を提示する。なお、選択候補となるアイテムは、全アイテムではなく、そのアイテムを用いて事業を行っている事業者の利益が大きいもの（例えば広告主が存在するなど）や、ユーザの現在位置又はユーザの行く頻度が閾値以上場所に近いものなどに絞ってもよい。また、コンテキストとの関連性とユーザ属性との関連性の重み付き和で選択してもよい。
＜動作例３＞
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）。
提示部１０５は、アイテム及びコンテキストの関連性が閾値以上の組を選択する（ステップＳ３０２）。図７の例において、関連性の閾値を０．５とすると、イタリア料理店Ａ及び女子会、中華料理店Ｂ及びデート、焼肉店Ｄ及び一人飯という組が選択される。
次に、提示部１０５は、選択した組のうち、その組を構成するアイテム及びコンテキストのうちいずれかとユーザ属性との関連性が閾値以上の組のうち、その関連性が最も高い組を選択する（ステップＳ３０３）。図７の例において、関連性の閾値を０．５とすると、焼肉店Ｄ及び一人飯という組が選択される。そして、提示部１０５は、選択した組を構成するアイテムとコンテキストに関する情報とをユーザに提示する。図７の例においては、「一人飯には焼肉店Ｄをあなたにお勧めします」というメッセージをユーザに通知する。
このように、提示部１０５は、互いに関連性があるアイテム及びコンテキストの組を選択し、選択したアイテム及びコンテキストの組のうち、ユーザ属性と関連性があるアイテム及びコンテキストの組を特定し、当該アイテムである推薦アイテム及び当該推薦アイテムが利用されるときのコンテキストに関する情報を提示する。
＜動作例４＞
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）。
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）。
提示部１０５は、ユーザ属性との関連性が閾値以上のアイテムを選択するとともに、ユーザ属性との関連性が閾値以上のコンテキストを選択する（ステップＳ４０２）。図７の例において、関連性の閾値を０．５とすると、ユーザ属性との関連性が閾値以上のアイテムとして焼肉店Ｄが選択され、ユーザ属性との関連性が閾値以上のコンテキストとして一人飯と合コンとが選択される。
次に、提示部１０５は、選択したアイテム及びコンテキストのうち、相互の関連性が閾値以上のアイテム及びコンテキストのうちその関連性が最も高い組を選択する（ステップＳ４０３）。図７の例において、関連性の閾値を０．５とすると、焼肉店Ｄ及び一人飯という組が選択される。そして、提示部１０５は、選択したアイテムとコンテキストに関する情報とをユーザに提示する。図７の例においては、「一人飯には焼肉店Ｄをあなたにお勧めします」というメッセージをユーザに通知する。
このように、提示部１０５は、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選択し、選択したアイテム及びコンテキストのうち、互いに関連性があるアイテム及びコンテキストを特定し、当該アイテムである推薦アイテム及び当該推薦アイテムが利用されるときのコンテキストに関する情報を提示する。
本実施形態によれば、ユーザにアイテムを推薦する場合に、ユーザの属性と、アイテムの属性と、そのアイテムを利用するときの状況に関する情報とを整合させた状態で推薦を行うことができる。
＜変形例＞
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。
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。
例えば重み付けの一例として、
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。
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。
＜２＞
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）
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）
＜３＞
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。
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。
＜４＞
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）。
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）。
＜５＞
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。
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。
１…情報処理装置、１１…制御部、１２…記憶部、１３…通信部、１４…ＵＩ部、１０１…取得部、１０２…第１分析部、１０３…第２分析部、１０４…第３分析部、１０５…提示部。
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 |