JP7026032B2 - レコメンドシステム及びレコメンド方法 - Google Patents
レコメンドシステム及びレコメンド方法 Download PDFInfo
- Publication number
- JP7026032B2 JP7026032B2 JP2018197228A JP2018197228A JP7026032B2 JP 7026032 B2 JP7026032 B2 JP 7026032B2 JP 2018197228 A JP2018197228 A JP 2018197228A JP 2018197228 A JP2018197228 A JP 2018197228A JP 7026032 B2 JP7026032 B2 JP 7026032B2
- Authority
- JP
- Japan
- Prior art keywords
- mood
- specific user
- machine learning
- learning model
- personal
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
図1は、本実施形態に係るレコメンドシステムSの概要を示す図である。レコメンドシステムSは、ユーザの気分を推定し、推定した気分の内容に基づいて、ユーザに推奨する行動をレコメンドすることができるシステムである。レコメンドシステムSは、例えば美味しい料理を食べることで元気になる傾向にあるユーザの気分が悪い状態であると推定した場合に、仲の良い友人と一緒にレストランに行くことをユーザに推奨する。
図2は、レコメンドシステムSの機能構成を示すブロック図である。レコメンドシステムSは、汎用モデル作成部11と、個人モデル作成部12と、気分特定部13と、レコメンド部14と、ユーザ端末15と、設定受付部16とを有する。汎用モデル作成部11は、例えば図1における汎用機械学習システムS1に含まれている。個人モデル作成部12、気分特定部13及びレコメンド部14は、例えば図1における個人機械学習システムS2に含まれている。
個人モデル作成部12は、気分特定部13から入力されるフィードバック情報に基づいて個人機械学習モデルを更新する。個人モデル作成部12は、例えば、気分特定部13が所定の数のフィードバック情報を生成するたびに個人機械学習モデルを更新する。フィードバック情報は、例えばユーザUが推奨行動を実行した後のユーザUの満足度を示す情報を含む。フィードバック情報は、ユーザUが推奨行動を実行する前のユーザUの気分と、レコメンド部14がユーザUにレコメンドした推奨行動の内容と、ユーザUが推奨行動を実行した後のユーザUの気分と、を示す情報を含んでもよい。フィードバック情報は、ユーザUが推奨行動を実行する前後のユーザUの気分の変化量を示す情報を含んでもよい。
図4は、汎用機械学習システムS1の構成例を示す図である。図5は、個人機械学習システムS2の構成例を示す図である。汎用機械学習システムS1は、GAILアルゴリズムを使用する。一方、個人機械学習システムS2は、強化学習(RL:Reinforcement Learning)フレームワークにおいて、模倣学習(Imitation Learning)アルゴリズムを使用する。
θt=θt-1-αt(∇θt-1)Lt-1
ここで、αtは、上述の更新感度に対応する係数である。図6における白い四角は、上記の最適化処理をするオプティマイザである。
以上説明したように、レコメンドシステムSは、複数のユーザの気分に基づいて、取得した気分に基づいて推奨する行動内容を提示する汎用機械学習モデルを作成する汎用モデル作成部11と、汎用機械学習モデルに基づいて、特定ユーザ用の個人機械学習モデルを作成する個人モデル作成部12と、を有する。
12 個人モデル作成部
13 気分特定部
14 レコメンド部
15 ユーザ端末
16 設定受付部
Claims (6)
- 複数の人の行動内容と気分との関係を示すデータセットに基づいて、ユーザに推奨する行動内容を提示する汎用機械学習モデルを作成する汎用モデル作成部と、
前記汎用機械学習モデルに基づいて、特定ユーザ用の個人機械学習モデルを作成する個人モデル作成部と、
前記特定ユーザの気分を特定する気分特定部と、
前記気分特定部が特定した前記特定ユーザの気分を示す気分情報を前記個人機械学習モデルに入力することにより前記個人機械学習モデルから出力される推奨行動をレコメンドするレコメンド部と、
前記特定ユーザが前記推奨行動を実行したことによる気分の変化内容の期待値と、実際の前記特定ユーザの気分の変化内容との差分の大きさに対して前記個人機械学習モデルを変化させる度合を示す指標である更新感度の設定を受け付ける設定受付部と、
を有し、
前記気分特定部は、前記特定ユーザが前記推奨行動を実行する前の前記特定ユーザの気分と、前記レコメンド部が前記特定ユーザにレコメンドした前記推奨行動の内容と、前記特定ユーザが前記推奨行動を実行した後の前記特定ユーザの気分とを示すフィードバック情報を前記個人モデル作成部に入力し、
前記個人モデル作成部は、前記フィードバック情報が示す、前記特定ユーザが前記推奨行動を実行する前の前記特定ユーザの気分と、前記レコメンド部がレコメンドした前記推奨行動の内容と、前記特定ユーザが前記推奨行動を実行した後の前記特定ユーザの気分との関係、及び前記特定ユーザが前記推奨行動を実行する前と後の前記特定ユーザの気分の差分に前記更新感度を乗算した値の大きさ、に基づいて、前記個人機械学習モデルを更新する、
レコメンドシステム。 - 前記個人モデル作成部は、前記気分特定部が所定の数の前記フィードバック情報を生成するたびに前記個人機械学習モデルを更新する、
請求項1に記載のレコメンドシステム。 - 前記個人モデル作成部は、前記特定ユーザの気分が変化したことを示す前記フィードバック情報に基づいて前記個人機械学習モデルを更新する、
請求項1又は2に記載のレコメンドシステム。 - 前記気分特定部は、前記特定ユーザの行動履歴に基づいて前記特定ユーザの気分を推定することにより前記気分情報を特定する、
請求項1から3のいずれか一項に記載のレコメンドシステム。 - 前記汎用モデル作成部は、GAILを用いることにより前記汎用機械学習モデルを作成し、
前記個人モデル作成部は、GAILを用いることなく前記個人機械学習モデルを作成する、
請求項1から4のいずれか一項に記載のレコメンドシステム。 - コンピュータが実行する、
複数の人の行動内容と気分との関係を示すデータセットに基づいて、ユーザに推奨する行動内容を提示する汎用機械学習モデルを作成するステップと、
前記汎用機械学習モデルに基づいて、特定ユーザ用の個人機械学習モデルを作成するステップと、
前記特定ユーザの気分を示す気分情報を取得するステップと、
取得した前記特定ユーザの気分情報を前記個人機械学習モデルに入力することにより前記個人機械学習モデルから出力される推奨行動をレコメンドするステップと、
前記特定ユーザが前記推奨行動を実行したことによる気分の変化内容の期待値と、実際の前記特定ユーザの気分の変化内容との差分の大きさに対して前記個人機械学習モデルを変化させる度合を示す指標である更新感度の設定を受け付けるステップと、
前記特定ユーザが前記推奨行動を実行する前の前記特定ユーザの気分と、前記特定ユーザにレコメンドした前記推奨行動の内容と、前記特定ユーザが前記推奨行動を実行した後の前記特定ユーザの気分とを示すフィードバック情報が示す、前記特定ユーザが前記推奨行動を実行する前の前記特定ユーザの気分と、レコメンドした前記推奨行動の内容と、前記特定ユーザが前記推奨行動を実行した後の前記特定ユーザの気分との関係、及び前記特定ユーザが前記推奨行動を実行する前と後の前記特定ユーザの気分の差分に前記更新感度を乗算した値の大きさに基づいて前記個人機械学習モデルを更新するステップと、
を有するレコメンド方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018197228A JP7026032B2 (ja) | 2018-10-19 | 2018-10-19 | レコメンドシステム及びレコメンド方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018197228A JP7026032B2 (ja) | 2018-10-19 | 2018-10-19 | レコメンドシステム及びレコメンド方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020064537A JP2020064537A (ja) | 2020-04-23 |
JP7026032B2 true JP7026032B2 (ja) | 2022-02-25 |
Family
ID=70387399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018197228A Active JP7026032B2 (ja) | 2018-10-19 | 2018-10-19 | レコメンドシステム及びレコメンド方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7026032B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6738000B1 (ja) * | 2020-05-12 | 2020-08-12 | 株式会社Hrコミュニケーション | 学習支援装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014098623A (ja) | 2012-11-14 | 2014-05-29 | Denso Corp | 行動提案装置 |
US20160055236A1 (en) | 2014-08-21 | 2016-02-25 | Affectomatics Ltd. | Personalized experience scores based on measurements of affective response |
JP2016048417A (ja) | 2014-08-27 | 2016-04-07 | 石井 美恵子 | サービス提供システムおよびプログラム |
JP2017224190A (ja) | 2016-06-16 | 2017-12-21 | 株式会社オルツ | コミュニケーションを支援する人工知能システム |
JP2018124867A (ja) | 2017-02-02 | 2018-08-09 | 富士通株式会社 | 演算処理装置及び演算処理装置の制御方法 |
-
2018
- 2018-10-19 JP JP2018197228A patent/JP7026032B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014098623A (ja) | 2012-11-14 | 2014-05-29 | Denso Corp | 行動提案装置 |
US20160055236A1 (en) | 2014-08-21 | 2016-02-25 | Affectomatics Ltd. | Personalized experience scores based on measurements of affective response |
JP2016048417A (ja) | 2014-08-27 | 2016-04-07 | 石井 美恵子 | サービス提供システムおよびプログラム |
JP2017224190A (ja) | 2016-06-16 | 2017-12-21 | 株式会社オルツ | コミュニケーションを支援する人工知能システム |
JP2018124867A (ja) | 2017-02-02 | 2018-08-09 | 富士通株式会社 | 演算処理装置及び演算処理装置の制御方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2020064537A (ja) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230325691A1 (en) | Systems and methods of processing personality information | |
US11775929B2 (en) | Systems and methods for improving recommendation systems | |
US11087518B2 (en) | Second-person avatars | |
JP7316453B2 (ja) | オブジェクト推薦方法及び装置、コンピュータ機器並びに媒体 | |
KR20190119219A (ko) | 대표이미지 추천 방법 및 장치, 및 시스템 | |
JPWO2020026302A1 (ja) | 判定システム、判定方法及びプログラム | |
Muellner et al. | epidemix—an interactive multi-model application for teaching and visualizing infectious disease transmission | |
CN112368720A (zh) | 信息处理设备、信息处理方法和程序 | |
JP7026032B2 (ja) | レコメンドシステム及びレコメンド方法 | |
CN110169021A (zh) | 用于过滤多条消息的方法和设备 | |
WO2022168560A1 (ja) | eラーニングシステム及びeラーニング方法 | |
CN107729424B (zh) | 一种数据可视化方法及设备 | |
JP7392978B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US11520947B1 (en) | System and method for adapting graphical user interfaces to real-time user metrics | |
JP6751955B1 (ja) | 学習方法、評価装置、及び評価システム | |
JP2019152727A (ja) | 情報処理装置、情報処理システム、及びプログラム | |
EP3089087A1 (en) | Arrangement and method for improving sales performance | |
JP7094909B2 (ja) | 推定装置、推定方法及び推定プログラム | |
JP2021039735A (ja) | 情報処理装置、及びプログラム | |
WO2011013117A1 (en) | System and methods which monitor for attentiveness by altering transfer function governing user-perceptible behaviors vs. user input | |
Abdool et al. | Recommend My Dish: A multi-sensory food recommender | |
KR100982164B1 (ko) | 행동이론 기반의 행동인지 방법 및 장치 | |
JP7487944B2 (ja) | 感情記録支援装置と感情記録支援方法 | |
WO2023187952A1 (ja) | 料理情報提供システム、料理情報提供方法、料理情報提供装置、料理情報提供プログラム、及びそのプログラムを記録した記憶媒体 | |
Yakushijin et al. | Are people successful at learning sequences of actions on a perceptual matching task? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201202 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211013 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220124 |
|
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: 20220208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7026032 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |