JP7150228B2 - 推薦方法、装置、記憶媒体、端末設備、及びプログラム - Google Patents

Description

（関連出願の相互参照）

本出願は、２０１８年８月２８日に中国国家知識産権局に出願された、出願番号が２０１８１０９８８１６６．７であり、発明の名称が「推薦方法、装置、記憶媒体、及び端末設備」である中国特許出願の優先権を主張しており、その全体が参照により本明細書に取り込まれている。

本発明は、コンピュータ技術分野に関し、特に推薦方法、装置、記憶媒体、端末設備、 及びプログラムに関する。

ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、人工知能）技術の更なる発展に伴い、人工知能技術は、実際の生活シーンに頻繁に応用され、例えば、会議室予約システムにおいて、ユーザーによる会議室の予約に用いられる。しかし、会議室に対する企業ユーザーの需要が大きいため、ユーザーの希望する会議室が存在しない、または既に他のユーザーにより予約されてしまったなどの場合がある。この場合、類似の会議室を提供すれば、ある程度、ユーザーの要望に応えることができる。

会議室の選別を実現するために、現在、以下の案が存在している。

１、論理判断により、候補対象を選別する。例えば、ユーザーのニーズに応じて、会議室の結果オプションから会議室を選別し得る。ユーザーが今日の午後３時の会議室を予約したい場合、システムに「今日の午後３時」という選別条件を入力した選別結果として、「０」になる。次に、ユーザーがシステムに「今日の午後」という選別条件を再び入力したとき、システムは、午後３時半、４時、４時半の会議室を含む今日の午後の会議室を検索し得る。さらに、この結果は、ユーザーに選択させるために、システムによりユーザーに推薦される。

２、ニューラルネットワークアルゴリズムにより、候補対象を選別する。例えば、ユーザーの希望する会議室とシステムの選別した会議室とをサンプルデータとして組み合わせて、両者の一致度をマーキングし、マーキングされたサンプルデータを用いてニューラルネットワークモデルを構築し、さらに、このモデルを用いて会議室を選別する場合、選別した会議室とユーザーの希望する会議室との一致度を自動的に判断することができる。

但し、上記の方案には、次のような欠点がある。

１、方案１では、条件を利用して論理判断を行うため、仕事量が多い。そして、ユーザーは、システムにより提供される選別結果に基づいて、更なる判断を行う必要があるため、そのユーザエクスペリエンスが悪くなる。

２、方案２では、大量のサンプルデータを収集して訓練する必要があるため、前期の仕事コストが高くなる。また、ニューラルネットワークアルゴリズムは、不確実性が大きく、適応性に欠けるため、大量のサンプルデータによる訓練を行っても、モデルの使用により得られた推薦結果が不正確である可能性がある。このため、ニューラルネットワークアルゴリズムによる推薦は、正確性が高くない。

本発明は、従来技術における１つ又は複数の技術課題を解決するため、推薦方法、装置、記憶媒体、及び端末設備を提供する。

本発明の第１態様は、推薦方法を提供する。当該推薦方法は、
候補対象への影響因子の重みと変化量を決定することと、
前記影響因子の期待値と実際値を取得することと、
前記影響因子の期待値、実際値、変化量及び重みに基づいて、前記影響因子の前記候補対象に与える影響度を計算することと、
前記影響因子の影響度と重みに基づいて、前記候補対象の推薦度を計算することと、を含む。

第１態様によれば、第１態様の第１実施形態において、前記影響因子のタイプは、数値タイプであり、前記変化量は、上限変化量と下限変化量とを含み、
前記影響因子の期待値、実際値、変化量及び重みに基づいて、前記影響因子の前記候補対象に与える影響度を計算することは、
前記影響因子の期待値と前記下限変化量との差を計算し、前記影響因子の下限値を得ることと、
前記影響因子の期待値と前記上限変化量との差を計算し、前記影響因子の上限値を得ることと、
前記影響因子の実際値が前記下限値と前記上限値との間にあることを決定することと、
前記影響因子の期待値、実際値、上限変化量、下限変化量及び重みに基づいて、前記影響因子の前記候補対象に与える影響度を計算することと、を含む。

第１態様の第１実施形態によれば、第１態様の第２実施形態において、前記影響因子の期待値、実際値、上限変化量、下限変化量及び重みに基づいて、前記影響因子の前記候補対象に与える影響度を計算することは、
式１、式２を用いて、前記影響因子の前記候補対象に与える影響度を計算すること、を含む。
ｔ＞ｓの場合、ｓｌ＝（ｕｐ－ｄｉｖ）／ｕｐ＊ｑ （式１）
ｔ＜ｓの場合、ｓｌ＝（ｄｏｗｎ－ｄｉｖ）／ｄｏｗｎ＊ｑ （式２）
ここで、ｔは、前記影響因子の実際値で、ｓは、前記影響因子の期待値で、ｓｌは、前記影響因子の前記候補対象に与える影響度で、ｄｉｖは、前記影響因子の実際値と期待値との差の絶対値で、ｕｐは、前記影響因子の上限変化量で、ｄｏｗｎは、前記影響因子の下限変化量で、ｑは、前記影響因子の重みである。

第１態様の第１実施形態によれば、第１態様の第３実施形態において、前記推薦方法は、前記影響因子の実際値が前記下限値から前記上限値までの範囲外にあることを決定し、前記影響因子の前記候補対象に与える影響度がゼロであることを決定すること、をさらに含む。

第１態様の第１実施形態によれば、第１態様の第４実施形態において、前記影響因子の影響度と重みに基づいて、前記候補対象の推薦度を計算することは、前記影響因子の影響度の総和と重みの総和との比の値を計算し、前記候補対象の推薦度を得ること、を含む。

第１態様の第１実施形態によれば、第１態様の第５実施形態において、
前記影響因子のタイプは、非数値タイプであり、
前記影響因子の期待値、実際値、変化量及び重みに基づいて、前記影響因子の前記候補対象に与える影響度を計算することは、
前記影響因子の期待値と実際値を前記影響因子の期待条件と実際条件として決定し、前記影響因子の期待条件と実際条件とが同じであるか否かを決定することと、
前記影響因子の期待条件と実際条件とが同じであると決定した場合、前記影響因子の前記候補対象に与える影響度が１００％であることを決定することと、
前記影響因子の期待条件と実際条件とが異なると決定した場合、候補対象に与える前記影響因子の影響度がゼロであることを決定することと、を含む。

第１態様の第１実施形態によれば、第１態様の第６実施形態において、前記推薦方法は、
複数の候補対象を取得し、前記複数の候補対象の推薦度の高さに応じて、前記複数の候補対象を順位付けし、順位付け結果を得ることと、
前記順位付け結果をユーザー端末に送信することと、をさらに含む。

本発明の第２態様は、推薦装置を提供する。当該推薦装置は、
候補対象への影響因子の重みと変化量を決定するための決定モジュールと、
前記影響因子の期待値と実際値を取得するための取得モジュールと、
前記影響因子の期待値、実際値、変化量及び重みに基づいて、前記影響因子の前記候補対象に与える影響度を計算するための第１計算モジュールと、
前記影響因子の影響度と重みに基づいて、前記候補対象の推薦度を計算するための第２計算モジュールと、を備える。

第２態様によれば、第２態様の第１実施形態において、
前記影響因子のタイプは、数値タイプであり、前記変化量は、上限変化量と下限変化量とを含み、
前記第１計算モジュールは、
前記影響因子の期待値と前記下限変化量との差を計算して、前記影響因子の下限値を得るための下限計算ユニットと、
前記影響因子の期待値と前記上限変化量との差を計算して、前記影響因子の上限値を得るための上限計算ユニットと、
前記影響因子の実際値が前記下限値と前記上限値との間にあることを決定するための第１決定ユニットと、
前記影響因子の期待値、実際値、上限変化量、下限変化量及び重みに基づいて、前記影響因子の前記候補対象に与える影響度を計算するための第１計算ユニットと、を備える。

第２態様の第１実施形態によれば、第２態様の第２実施形態において、前記第１計算ユニットは、
式１、式２を用いて、前記影響因子の前記候補対象に与える影響度を計算することにさらに用いられ、
ｔ＞ｓの場合、ｓｌ＝（ｕｐ－ｄｉｖ）／ｕｐ＊ｑ （式１）
ｔ＜ｓの場合、ｓｌ＝（ｄｏｗｎ－ｄｉｖ）／ｄｏｗｎ＊ｑ （式２）
ここで、ｔは、前記影響因子の実際値で、ｓは、前記影響因子の期待値で、ｓｌは、前記影響因子の前記候補対象に与える影響度で、ｄｉｖは、前記影響因子の実際値と期待値との差の絶対値で、ｕｐは、前記影響因子の上限変化量で、ｄｏｗｎは、前記影響因子の下限変化量で、ｑは、前記影響因子の重みである。

第２態様の第１実施形態によれば、第２態様の第３実施形態において、前記第１計算モジュールは、前記影響因子の実際値が前記下限値から前記上限値までの範囲外にあることを決定し、前記影響因子の前記候補対象に与える影響度がゼロであることを決定するための第２計算ユニットをさらに備える。

第２態様によれば、第２態様の第４実施形態において、前記第２計算モジュールは、前記影響因子の影響度の総和と重みの総和との比の値を計算して、前記候補対象の推薦度を得ることにさらに用いられる。

第２態様によれば、第２態様の第５実施形態において、前記影響因子のタイプは、非数値タイプであり、
前記第１計算モジュールは、
前記影響因子の期待値と実際値を、前記影響因子の期待条件と実際条件として決定し、前記影響因子の期待条件と実際条件とが同じであるか否かを決定するための取得ユニットと、
前記影響因子の期待条件と実際条件とが同じであると決定した場合、前記影響因子の前記候補対象に与える影響度が１００％であることを決定するための第２決定ユニットと、
前記影響因子の期待条件と実際条件とが異なると決定した場合、前記影響因子の前記候補対象に与える影響度がゼロであることを決定するための第３決定ユニットと、を備える。

第２態様または第２態様のいずれか１つの実施形態によれば、第２態様の第６実施形態において、前記推薦装置は、複数の候補対象を取得し、前記複数の候補対象の推薦度の高さに応じて、前記複数の候補対象を順位付けし、順位付け結果を得るための順位付けモジュールと、
前記順位付け結果をユーザー端末に送信するためのプッシュモジュールと、をさらに備える。

前記推薦装置の機能は、ハードウェアによって実現されてもよく、ハードウェアがその対応するソフトウェアを実行することによって実現されてもよい。前記ハードウェア又はソフトウェアは、上記機能に対応する１つ又は複数のモジュールを含む。

１つの可能な実施形態では、推薦装置には、プロセッサとメモリとが含まれ、前記メモリは、推薦装置が上記推薦方法を実行するためのプログラムを記憶し、前記プロセッサは、前記メモリに記憶されたプログラムを実行するように構成される。前記推薦装置は、他のデバイス又は通信ネットワークと通信するための通信インターフェースをさらに備えることができる。

本発明の第３態様は、推薦装置に用いられる、上記推薦方法を実行するためのプログラムを含むコンピュータソフトウェアコマンドを記憶するためのコンピュータ可読記憶媒体をさらに提供する。

上記の技術案のうちの少なくとも１つの技術案は、下記のメリット及び有益的な効果を有する。

本発明によれば、候補対象の推薦プロセスにおいて、影響因子及び影響因子の重みと変化量の大きさを決定し、影響因子の動的な配置及び候補対象の個性化推薦を実現できるため、汎用性が高くなる。候補対象の推薦度の計算プロセスにおいて、期待条件を用いて論理判断を行う方式で候補対象を一つずつ選択するのではないため、仕事量が小さく、ユーザーのユーザエクスペリエンスが良くなる。

上記の略述は、単なる説明に過ぎず、いかなる限定をも目的としない。上記に記載されている例示的な態様、実施形態、及び特徴以外に、図面及び下記の詳細説明を参照することによって、本発明のさらなる態様、実施形態、及び特徴の理解を促す。

本発明の一実施形態による推薦方法のフローチャートを示す模式図である。 本発明の一実施形態による影響因子を示す模式図である。 本発明の一実施形態による影響因子の候補対象に与える影響度の計算プロセスのフローチャートを示す模式図である。 本発明の一実施形態による類似度モデルのフローチャートを示す模式図である。 本発明の一実施形態による数値タイプの影響因子の場合における影響度の計算パラメータ関係を示す模式図である。 本発明の一実施形態による非数値タイプの影響因子の場合における影響度の計算プロセスのフローチャートを示す模式図である。 本発明の一実施形態による推薦装置の構造を示す模式図である。 本発明の一実施形態による端末設備の構造を示す模式図である。

図面において特に規定されない限り、複数の図面において同様の図面符号は、同様又は類似的な部材又はエレメントを示す。これらの図面は必ずしも実際の比例に従って製図されたものではない。これらの図面は本発明に基づいて開示された幾つかの実施形態を描いたものに過ぎず、本発明の範囲に対する制限としてはならないことを理解すべきである。

下記において、幾つかの例示的実施形態を簡単に説明する。当業者が把握出来るよう、本発明の主旨又は範囲を逸脱しない限り、様々な方式により説明された実施形態に変更可能である。従って、図面と説明は制限を加えるものでなく、本質的には例示的なものである。

図１に示すように、本出願における実施形態は、端末設備に適用可能な推薦方法を提供する。端末設備は、コンピュータ、マイコン、携帯電話、タブレットなどを含むことができる。端末設備は、本実施形態の方法を実現するように推薦システムを実行することができる。本実施形態は、下記のステップＳ１００、Ｓ２００、Ｓ３００、Ｓ４００を含み、具体的には、以下の通りである。

ステップＳ１００において、候補対象への影響因子の重みと変化量とを決定する。

本実施形態では、影響因子は、候補対象の推薦度を決定づける要素であり、候補対象とユーザーの期待との類似度に影響を与えるものである。会議室の予約を例として、影響因子は、会議開始時間や予約時間、会議室の収容人数、プロジェクタの数量（或いは、プロジェクタがあるか否か）などを含むことができる。会議開始時間がより重要である場合、会議開始時間の重みを６０とすることができる。ユーザーの希望する会議開始時刻に１５分以内の変動を上下に許容できる場合、この影響因子の変化量は、いずれも１５分である上限変化量と下限変化量とを含む。

図２に示すように、通常、影響因子は、
（１）影響因子の標識であり、例えば、時間影響因子、収容人数影響因子を有する名称と、
（２）影響因子のタイプであり、例えば、差（数値）影響因子（２つの時間の間隔や２つの長さの差などが属するタイプ）、マッチング影響因子（２つの文字列のマッチング度や２つの集合における要素の同一度などのタイプ）を有するタイプと、
（３）影響因子が候補対象の推薦度に与える影響の大きさを示し、重みが大きいほど、影響因子が候補対象の推薦度に与える影響が大きくなる重みと、
（４）影響因子の基準（基準値または期待値）以下の最小変化量である下限変化量と、
（５）影響因子の基準以上の最大変化量である上限変化量と、
の属性を含むことができる。

例示的に、会議室の予約シーンでは、ユーザーが６人の会議室を予約したい場合、ステップＳ１００で収容人数影響因子が推薦される会議室への影響因子であると決定できる。上限変化量と下限変化量とがそれぞれ２と１である場合、会議室システムにおける収容人数が５人（基準－下限変化量）と７人（基準＋上限変化量）との間の会議室を、推薦する会議室の候補対象としてもよい。

ステップＳ２００において、前記影響因子の期待値と実際値を取得する。

本実施形態では、推薦プロセスにおいて、異なる候補対象の同一影響因子の期待値は、一般的に同じである。ユーザーは、ユーザー端末から影響因子の期待値を入力することができる。しかし、異なる候補対象の同一影響因子の実際値は、同じであってもよく、異なっていてもよい。例えば、影響因子である会議開始時間を例として、ユーザーの希望する会議開始時間が午前１０時とすると、推薦システムは、会議室Ａの会議開始時間（会議室の空き時間）が午前９時であり、会議室Ｂの会議開始時間が午前１１時であり、会議室Ｃの会議開始時間が午前１０時半であることを含んでいる。推薦プロセスにおいて、影響因子という会議開始時間にとって、期待値が午前１０時であり、会議室Ａの実際値が午前９時で、会議室Ｂの実際値が午前１１時で、会議室Ｃの実際値が午前１０時半である。

ステップＳ３００において、影響因子の期待値、実際値、変化量及び重みに基づいて、影響因子の候補対象に与える影響度を計算する。本実施形態では、影響因子の期待値と実際値との類似度と重み値との積を、影響因子の候補対象に与える影響度とすることができる。例えば、会議開始時間の期待値が午前１０時で、会議室Ａの会議開始時間の実際値が午前９時である場合、２つの数値の類似度をａと得重み値が１０である場合、会議開始時間が会議室Ａに与える影響度は、１０とａの積である。

ステップＳ４００において、影響因子の影響度と重みとに基づいて、候補対象の推薦度を計算する。

本実施形態によれば、候補対象の推薦方法の実行中に影響因子及び影響因子の重みと変化量との大きさを調整し、影響因子の動的な配置を実現でき、候補対象の個性化推薦を達成し、汎用性が高くなる。候補対象の推薦プロセスにおいて、期待条件を用いて論理判断を行うことにより候補対象を選択するのではないため、仕事量が小さく、効率が高くなる。

１つの可能な実施形態において、図３に示すように、影響因子が数値タイプである場合、前述のステップＳ３００における影響因子の候補対象に与える影響度の計算プロセスは、以下のステップＳ３１０、Ｓ３２０、Ｓ３３０、Ｓ３４０を含むことができる。

ステップＳ３１０において、影響因子の期待値と下限変化量との差を計算し、影響因子の下限値を得る。

ステップＳ３２０において、影響因子の期待値と上限変化量との差を計算し、影響因子の上限値を得る。

ステップＳ３３０において、影響因子の実際値が下限値と上限値との間にあることを決定する。

ステップＳ３４０において、影響因子の期待値、実際値、上限変化量、下限変化量及び重みに基づいて、影響因子の候補対象に与える影響度を計算する。

１つの可能な実施形態では、図３に示すように、影響因子の実際値が下限値から上限値までの範囲外にあることを決定する場合、影響因子の候補対象に与える影響度がゼロであることを決定するステップＳ３５０がさらに含まれる。

例示的には、影響因子である会議開始時間を例として、会議開始時間の期待値が１５：００で、下限変化量が１５分で、上限変化量が３０分である場合、下限値が１４：４５で、上限値が１５：３０である。会議室Ａの会議開始時間の実際値が１５：１５である場合、ステップＳ３４０で会議室Ａに与える会議開始時間の影響度を計算する。会議室Ａの会議開始時間の実際値が１６：００であると、会議開始時間の上下限値の範囲外にあるため、会議室Ａに与える会議開始時間の影響度は、ゼロ、急減または負などとなる。

本実施形態では、影響因子が数値である場合、影響因子の期待値と実際値との類似度を先に計算し、さらに重みと乗積することにより、影響因子の候補対象に与える影響度を求めることができる。

図４に示す類似度モデルのように、期待対象Ａ（影響因子の期待値を表す）と候補対象Ｂ（候補対象Ｂの影響因子の実際値を表す）が存在する場合、両者のデータを類似度インタフェースに入力して、両者の類似度を計算することができる。最後に、候補対象Ｂの推薦度を計算することが可能である。類似度インタフェースでは、数値対象の類似度、文字対象の類似度、集合対象の類似度及び一般対象の類似度などを含む類似度を計算ことができる。

また、影響因子は、数値影響因子とマッチング影響因子とを含むことができる。ここで、マッチング影響因子は、非数値タイプの影響因子とも呼ばれる。したがって、影響因子の候補対象に与える影響度を計算するアルゴリズムは、数値類似度アルゴリズムとマッチング類似度アルゴリズムとを含むことができる。ここで、数値類似度アルゴリズムは、数値影響因子の期待値と実際値との類似度を計算することに用いられる。マッチング類似度アルゴリズムは、影響因子の期待と実際の状況とのマッチング度合を計算することに用いられ、例えば、上記の文字対象類似度、集合対象類似度及び一般対象類似度がある。

図５に示すように、ｔは、影響因子の実際値で、ｓは、影響因子の期待値で、ｄｉｖは、影響因子の実際値と期待値との差の絶対値で、ｕｐは、影響因子の上限変化量で、ｄｏｗｎは、影響因子の下限変化量である。影響因子の実際値が上限値と下限値との間の範囲内である場合、式ａ、式ｂを用いて、影響因子の期待値と実際値の類似度ｓｉｍｉｌａを計算する。

ｔ＞ｓの場合、ｓｉｍｉｌａ＝（ｕｐ－ｄｉｖ）／ｕｐ （式ａ）
ｔ＜ｓの場合、ｓｉｍｉｌａ＝（ｄｏｗｎ－ｄｉｖ）／ｄｏｗｎ （式ｂ）
また、影響因子の実際値が上限値と下限値との間の範囲内でない場合、影響因子の期待値と実際値の類似度ｓｉｍｉｌａは、ゼロである。

例示的には、影響因子である会議開始時間を例として、ユーザーの希望する会議開始時間が午後３時であり、検索し得られた会議室Ａの会議開始時間（会議室の空き時間）が午後３時５分であるため、時間を数値とみなすことができる。式ａで計算すると、３時と３時５分との類似度は、１－５／１５＝６６．６７％である。会議開始時間の重みが６０である場合、候補対象である対象会議室Ａに与える会議開始時間の影響度は、６０＊６６．６７％＝４０である。

本実施形態では、上記の式ａと式ｂを、それぞれ重みに掛けると、影響因子の候補対象に与える影響度である式１と式２が得られる。そこで、上記ステップＳ３４０は、

下記の式１、式２とを用いて、影響因子の候補対象に与える影響度を計算し、
ｔ＞ｓの場合、ｓｌ＝（ｕｐ－ｄｉｖ）／ｕｐ＊ｑ （式１）
ｔ＜ｓの場合、ｓｌ＝（ｄｏｗｎ－ｄｉｖ）／ｄｏｗｎ＊ｑ （式２）
ここで、ｓｌは、影響因子の候補対象に与える影響度で、ｑは、影響因子の重みである、
ことを含むことができる。

１つの可能な実施形態では、上述のステップＳ４００は、影響因子の影響度の総和と重みの総和との比の値を計算し、候補対象の推薦度を得ることを含むことができる。

例示的には、会議室Ａへの影響因子が会議開始時間、会議室の収容人数、プロジェクタの有無を含み、会議室Ａに与える各影響因子の影響度がそれぞれ４０、１５、２０であり、各影響因子の重みがそれぞれ６０、２０、２０である場合、会議室Ａの推薦度は、（４０＋１５＋２０）／（６０＋２０＋２０）＝７５％となる。

１つの可能な実施形態では、影響因子のタイプが非数値タイプである場合、影響因子の候補対象に与える影響度を計算するプロセスは、図６に示すように、以下のステップＳ５１０、Ｓ５２０、Ｓ５３０を含むことができる。

ステップＳ５１０において、前記影響因子の期待値と実際値を、前記影響因子の期待条件と実際条件として決定し、前記影響因子の期待条件と実際条件とが同じであるか否かを決定する。

ステップＳ５２０において、前記影響因子の期待条件と実際条件とが同じであると決定した場合、候補対象に与える前記影響因子の影響度が１００％であることを決定する。

ステップＳ５３０において、前記影響因子の期待条件と実際条件とが異なると決定した場合、候補対象に与える前記影響因子の影響度がゼロであることを決定する。

例示的には、影響因子が会議室にプロジェクタの有無である場合、ユーザーは会議室にプロジェクタがあることを期待するが、会議室Ａにはプロジェクタがない。このとき、影響因子の期待条件が会議室Ａの実際状況と異なるため、会議室にプロジェクタの有無が会議室Ａに与える影響度は、ゼロである。会議室Ａにプロジェクタがある場合、影響因子の期待条件と実際状況とが同じであるため、影響因子の候補対象に与える影響度は、１００％である。

１つの可能な実施形態では、複数の候補対象がある場合、上記実施形態によって複数の候補対象の推薦度を計算して得た後、得られた推薦結果をユーザー端末に送信することができる。例えば、複数の候補対象の推薦度の高さに基づいて、複数の候補対象を順位付け、さらに、順位付けた結果をユーザー端末に送信する。また、例えば、推薦度が推薦閾値を満たす候補対象を推薦結果として選択する。

本実施形態の利点は、以下の通りである。
１、汎用性が高い。影響因子が決定された後、個性化推薦モデルを定義することができる。
２、拡張性が良い。影響因子の決定において、影響因子を追加または削除することができ、影響因子の数値を動的に配置することができる。
３、多層の推薦が実現される。推薦モデルを累加することにより、複雑な候補対象と期待対象との類似度を得ることができる。

本実施形態における方法は、会議室、ホテルの客室や飛行機の便などの実際の予約シーンに適用することができる。例えば、ユーザーが音声や文字を介して希望する会議室をユーザー端末に入力すると、ユーザー端末における会議室推薦システム（ソフトウェァ）は、本実施形態における方法に従って、その希望を満たす会議室の推薦結果を推薦する。これにより、会議室推薦の精度と効率を効果的に高めることができる。以下、表１から表５を参考にして、会議室の予約という適用シーンを例として、会議室の推薦プロセスについて詳しく説明する。

１、会議室推薦システムが会議室を推薦する影響因子及びその関連属性を決定する。

定義された影響因子は、以下の表１に示す通りである。

ここで、プロジェクタの影響因子は、マッチング影響因子に属する。会議室にプロジェクタがある場合、類似度は１００％であり、会議室にプロジェクタがない場合、類似度はゼロである。このため、プロジェクタの影響因子については、下限変化量及び上限変化量がない。

２、ユーザーの希望条件を取得し、基準値（期待値）に変換する。

ユーザーの希望する会議室は、午後３時に６人収容可能なプロジェクタ付きの会議室である場合、以下の対応する影響因子の期待値に変換されてもよい。

会議開始時間の期待値：１５：００、
会議室収容人数の期待値：６人、
プロジェクタの有無に対する期待：有り。

３、推薦対象である会議室の各影響因子の実際因子を取得し、各影響因子の類似度の値をそれぞれ計算し、推薦対象である会議室とユーザーの希望する会議室との類似度を最終的に計算する。

推薦対象である会議室が３つあるとすると、基本情報は、以下の表２に示す通りである。

上記の推薦方法に従って、選択対象である会議室の３つの影響因子の影響度をそれぞれ計算し、さらに、３つの会議室とユーザーの希望する会議室との類似度（推薦度）を計算する。

ここで、会議室Ａの情報は、以下の表３に示す通りである。

ここで、表３における下限値は、期待値と下限変化量との差であり、上限値は、期待値と上限変化量との差である。

表３中のデータから計算すると、会議室Ａと希望される会議室との類似度は、（６０＋１０＋０）／（６０＋２０＋２０）＝７０％である。

会議室Ｂと会議室Ｃとの情報は、それぞれ以下の表４と表５に示す通りである。

上記の会議室Ａの類似度を計算する計算原理に従って、表４と表５とのデータに基づいて、会議室Ｂ、会議室Ｃと希望される会議室との類似度をそれぞれ計算すると、それぞれ７５％、４０％である。

従って、類似度の大きさに応じて、推薦される会議室の順位は、Ｂ＞Ａ＞Ｃである。この順位付け結果は、ユーザー端末にフィードバックされることができる。ユーザーは、その中から会議室を選択することができる。

本実施形態では、ユーザーのニーズをよく満たし、影響因子とその影響値の大きさを調整し、総合的かつ全面的な推薦結果を提供することができる。

図７に示すように、本出願における実施形態は、推薦装置を提供し、当該推薦装置は、
候補対象への影響因子の重みと変化量を決定するための決定モジュール１００と、前記影響因子の期待値と実際値を取得するための取得モジュール２００と、前記影響因子の期待値、実際値、変化量及び重みに基づいて、前記影響因子の前記候補対象に与える影響度を計算するための第１計算モジュール３００と、前記影響因子の影響度と重みに基づいて、前記候補対象の推薦度を計算するための第２計算モジュール４００と、を備える。

１つの可能な実現形態では、前記影響因子のタイプは、数値タイプであり、前記変化量は、上限変化量と下限変化量とを含み、前記第１計算モジュール３００は、前記影響因子の期待値と前記下限変化量との差を計算して、前記影響因子の下限値を得るための下限計算ユニットと、前記影響因子の期待値と前記上限変化量との差を計算して、前記影響因子の上限値を得るための上限計算ユニットと、前記影響因子の実際値が前記下限値と前記上限値との間にあることを決定するための第１決定ユニットと、前記影響因子の期待値、実際値、上限変化量、下限変化量及び重みに基づいて、前記影響因子の前記候補対象に与える影響度を計算するための第１計算ユニットと、を備える。

１つの可能な実施形態では、前記第１計算ユニットは、下記の式１と式２を用いて、前記影響因子の前記候補対象に与える影響度を計算することにさらに用いられ、
ｔ＞ｓの場合、ｓｌ＝（ｕｐ－ｄｉｖ）／ｕｐ＊ｑ（式１）
ｔ＜ｓの場合、ｓｌ＝（ｄｏｗｎ－ｄｉｖ）／ｄｏｗｎ＊ｑ（式２）
ここで、ｔは、前記影響因子の実際値で、ｓは、前記影響因子の期待値で、ｓｌは、前記影響因子の前記候補対象に与える影響度で、ｄｉｖは、前記影響因子の実際値と期待値との差の絶対値で、ｕｐは、前記影響因子の上限変化量で、ｄｏｗｎは、前記影響因子の下限変化量で、ｑは、前記影響因子の重みである。

１つの可能な実施形態では、前記第１計算モジュール３００は、前記影響因子の実際値が前記下限値から前記上限値までの範囲外であることを決定し、前記影響因子の前記候補対象に与える影響度がゼロであることを決定するための第２計算ユニットをさらに備える。

１つの可能な実施形態では、第２計算モジュールは、前記影響因子の影響度の総和と重みの総和との比の値を計算して、前記候補対象の推薦度を得ることにさらに用いられる。

１つの可能な実施形態では、前記影響因子のタイプは、非数値タイプであり、前記第１計算モジュールは、前記影響因子の期待値と実際値とを前記影響因子の期待条件及び実際条件として決定し、前記影響因子の期待条件と実際条件とが同じであるか否かを決定するための取得ユニットと、前記影響因子の期待条件と実際条件とが同じであると決定する場合、前記影響因子の前記候補対象に与える影響度が１００％であることを決定するための第２決定ユニットと、前記影響因子の期待条件と実際条件とが異なると決定する場合、前記影響因子の前記候補対象に与える影響度がゼロであることを決定するための第３決定ユニットと、をさらに備える。

１つの可能な実施形態では、前記推薦装置は、複数の候補対象を取得し、前記複数の候補対象の推薦度の高さに応じて前記複数の候補対象を順位付けて、順位付け結果を得るための順位付けモジュールと、前記順位付け結果をユーザー端末に送信するための結果プッシュモジュールと、をさらに備える。

前記推薦装置の機能は、ハードウェアによって実現されてもよく、ハードウェアがその対応するソフトウェアを実行することによって実現されてもよい。前記ハードウェア又はソフトウェアは、上記機能に対応する１つ又は複数のモジュールを含む。

１つの可能な実施形態では、推薦装置には、プロセッサとメモリとが含まれ、前記メモリは、推薦装置が上記第１態様の推薦方法を実行するためのプログラムを記憶し、前記プロセッサは、前記メモリに記憶されたプログラムを実行するように構成される。前記推薦装置は、他のデバイス又は通信ネットワークと通信するための通信インターフェースをさらに備えることができる。

図８に示すように、本出願における実施形態は、推薦設備をさらに提供し、当該設備は、
メモリ２１とプロセッサ２２を備え、メモリ２１にプロセッサ２２で実行可能なコンピュータプログラムが記憶される。プロセッサ２２が前記コンピュータプログラムを実行するとき、上記の実施形態における推薦方法が実現される。メモリ２１とプロセッサ２２の数は、１つ又は複数であってもよい。

当該設備は、プロセッサ２２と外部デバイスとの通信に用いられる通信インターフェース２３をさらに備える。

メモリ２１は、高速度ＲＡＭメモリを含んでもよく、少なくとも１つの磁気メモリのような不揮発性メモリ（ｎｏｎ－ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ）を含んでもよい。

メモリ２１、プロセッサ２２、及び通信インターフェース２３が個別に実現される場合、メモリ２１、プロセッサ２２、及び通信インターフェース２３は、バスによって相互接続して相互通信を行うことができる。前記バスは、インダストリスタンダードアーキテクチャ（ＩＳＡ、Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、外部デバイス相互接続（ＰＣＩ、Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ）バス、又は拡張インダストリスタンダードアーキテクチャ（ＥＩＳＡ、Ｅｘｔｅｎｄｅｄ Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ｃｏｍｐｏｎｅｎｔ）バス等であってもよい。前記バスは、アドレスバス、データバス、制御バス等として分けられることが可能である。表示の便宜上、図８に１本の太線のみで表示するが、バスが１つ又は１種類のみであることを意味しない。

任意選択で、具体的な実現において、メモリ２１、プロセッサ２２及び通信インターフェース２３が１つのチップに集積した場合、メモリ２１、プロセッサ２２、及び通信インターフェース２３は、内部インターフェースによって相互通信を行うことができる。

本明細書において、「１つの実施形態」、「幾つかの実施形態」、「例」、「具体例」或いは「一部の例」などの用語とは、当該実施形態或いは例で説明された具体的特徴、構成、材料或いは特点を結合して、本発明の少なくとも１つの実施形態或いは実施形態に含まれることを意味する。また、説明された具体的特徴、構成、材料或いは特点は、いずれか１つ或いは複数の実施形態または例において適切に結合することが可能である。また、矛盾しない限り、当業者は、本明細書の異なる実施形態または例、及び、異なる実施形態または例における特徴を結合したり、組み合わせたりすることができる。

また、用語「第１」、「第２」とは比較的重要性を示している又は暗示しているわけではなく、単に説明のためのものであり、示される技術的特徴の数を暗示するわけでもない。そのため、「第１」、「第２」で限定される特徴は、少なくとも１つの当該特徴を明示又は暗示的に含むことが可能である。本出願の記載の中において、「複数」の意味とは、明確的に限定される以外に、２つ又は２つ以上を意味する。

フローチャート又はその他の方式で説明された、いかなるプロセス又は方法に対する説明は、特定な論理的機能又はプロセスのステップを実現するためのコマンドのコードを実行可能な１つ又はそれ以上のモジュール、断片若しくはセグメントとして理解することが可能であり、さらに、本発明の好ましい実施形態の範囲はその他の実現を含み、示された、又は、記載の順番に従うことなく、係る機能に基づいてほぼ同時にまたは逆の順序に従って機能を実行することを含み、これは当業者が理解すべきことである。

フローチャートに示された、又はその他の方式で説明された論理及び／又はステップは、例えば、論理機能を実現させるための実行可能なコマンドのシーケンスリストとして見なされることが可能であり、コマンド実行システム、装置、又はデバイス（プロセッサのシステム、又はコマンド実行システム、装置、デバイスからコマンドを取得して実行することが可能なその他のシステムを含むコンピュータによるシステム）が使用できるように提供し、又はこれらのコマンドを組み合わせて使用するコマンド実行システム、装置、又はデバイスに使用されるために、いかなるコンピュータ可読記憶媒体にも具体的に実現されることが可能である。本明細書において、「コンピュータ可読記憶媒体」は、コマンド実行システム、装置、デバイス、又はこれらのコマンドを組み合わせて実行するシステム、装置又はデバイスが使用できるように提供するため、プログラムを格納、記憶、通信、伝搬又は伝送する装置であってもよい。

本発明の実施形態におけるコンピュータ可読媒体は、コンピュータ可読信号媒体またはコンピュータ可読記憶媒体、あるいはその両方の任意の組合せであってもよい。コンピュータ読み取り可能媒体のより具体的例（非網羅的なリスト）として、１つ又は複数の布配線を含む電気接続部（電子装置）、ポータブルコンピュータディスク（磁気装置）、ランダム・アクセス・メモリ（ＲＡＭ）、リード・オンリー・メモリ（ＲＯＭ）、消去書き込み可能リード・オンリー・メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、光ファイバー装置、及びポータブル読み取り専用メモリ（ＣＤＲＯＭ）を少なくとも含む。また、コンピュータ読み取り可能媒体は、そのうえで前記プログラムを印字できる紙又はその他の適切な媒体であってもよく、例えば紙又はその他の媒体に対して光学的スキャンを行い、そして編集、解釈又は必要に応じてその他の適切の方式で処理して電子的方式で前記プログラムを得、その後コンピュータメモリに記憶することができるためである。

本発明の実施形態において、コンピュータ可読信号媒体は、ベースバンドに含まれる又はキャリアの一部の伝播するデータ信号とすることができ、その中にコンピュータ可読プログラムコードが積載される。このような伝播するデータ信号は複数種の形式を採用することができ、電磁信号、光信号又は上記任意の適切な組み合わせを含むがこれらに限定されるものではない。コンピュータ可読信号媒体は、更にコンピュータ可読記憶媒体以外のいかなるコンピュータ可読媒体であってもよく、当該コンピュータ可読媒体は、コマンド実行システム、入力方法又はデバイス使用に用いられる或いはそれと結び付けて使用するプログラムを送信、伝播又は転送することができるコンピュータ可読媒体に含まれるプログラムコードはいかなる適切な媒体で転送してもよく、無線、電線、光ケーブル、ラジオ高周波（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ、ＲＦ）等、又は上記任意の適切な組み合わせを含むがそれらに限定されるものではない。

なお、本発明の各部分は、ハードウェア、ソフトウェア、ファームウェア又はこれらの組み合わせによって実現されることができる。上記実施形態において、複数のステップ又は方法は、メモリに記憶された、適当なコマンド実行システムによって実行されるソフトウェア又はファームウェアによって実施されることができる。例えば、ハードウェアによって実現するとした場合、別の実施形態と同様に、データ信号に対して論理機能を実現する論理ゲート回路を有する離散論理回路、適切な混合論理ゲート回路を有する特定用途向け集積回路、プログラマブルゲートアレイ（ＧＰＡ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）などといった本技術分野において公知である技術のうちのいずれか１つ又はそれらの組み合わせによって実現される。

当業者は、上記の実施形態における方法に含まれるステップの全部又は一部を実現するのは、プログラムによって対応するハードウェアを指示することによって可能であることを理解することができる。前記プログラムは、コンピュータ読取可能な媒体に記憶されてもよく、当該プログラムが実行されるとき、方法の実施形態に係るステップのうちの１つ又はそれらの組み合わせを含むことができる。

また、本発明の各実施形態における各機能ユニットは、１つの処理モジュールに統合されてよく、別個の物理的な個体であってもよく、２つ又は３つ以上のユニットが１つのモジュールに統合されてもよい。上記の統合モジュールは、ハードウェアで実現されてもよく、ソフトウェア機能モジュールで実現されてもよい。上記の統合モジュールが、ソフトウェア機能モジュールで実現され、しかも独立した製品として販売又は使用される場合、コンピュータ読取可能な記憶媒体に記憶されてもよい。前記記憶媒体は読取専用メモリ、磁気ディスク又は光ディスク等であってもよい。

上記の記載は、単なる本発明の具体的な実施形態に過ぎず、本発明の保護範囲はそれに限定されることなく、当業者が本発明に開示されている範囲内において、容易に想到し得る変形又は置換は、全て本発明の範囲内に含まれるべきである。そのため、本発明の範囲は、記載されている特許請求の範囲に準じるべきである。

Claims (11)

1. 推薦装置が、
   候補対象への複数の影響因子の各影響因子の予め決定された重みと変化量を該推薦装置内のテーブルに設定する決定ステップと、
   ユーザー端末から入力された前記影響因子の期待値を取得し、かつ、複数の前記候補対象の各々の前記影響因子の実際値を該推薦装置内に設定されたテーブルから取得する取得ステップと、
   前記影響因子の期待値、実際値、変化量及び重みに基づいて、前記影響因子の前記各候補対象に与える影響度を計算する第１計算ステップと、
   前記影響因子の影響度と重みに基づいて、前記各候補対象の推薦度を計算する第２計算ステップと、
   を実行する推薦方法であって、
   前記第１計算ステップは、
   前記影響因子のタイプが、数値タイプであり、前記変化量が、前記影響因子の上限変化量と下限変化量とを含む場合は、
   前記影響因子の期待値と前記下限変化量との差を計算し、前記影響因子の下限値を得るステップと、
   前記影響因子の期待値と前記上限変化量との差を計算し、前記影響因子の上限値を得るステップと、
   前記影響因子の実際値が前記下限値と前記上限値との間にあるか否かを判断するステップと、
   前記影響因子の実際値が前記下限値と前記上限値との間にある場合、下記の式（１）及び式（２）を用いて、前記影響因子の前記候補対象の各々に与える影響度を計算するステップと、を含み、
   ｔ＞ｓの場合、ｓｌ＝（ｕｐ－ｄｉｖ）／ｕｐ＊ｑ （１）
   ｔ＜ｓの場合、ｓｌ＝（ｄｏｗｎ－ｄｉｖ）／ｄｏｗｎ＊ｑ （２）
   ここで、ｔは、前記影響因子の実際値であり、ｓは、前記影響因子の期待値であり、ｓｌは、前記影響因子の前記候補対象に与える影響度であり、ｄｉｖは、前記影響因子の実際値と期待値との差の絶対値であり、ｕｐは、前記影響因子の上限変化量であり、ｄｏｗｎは、前記影響因子の下限変化量であり、ｑは、前記影響因子の重みであり、
   前記第２計算ステップは、
   前記影響因子の影響度の総和と重みの総和との比の値を計算し、前記候補対象の推薦度を得るステップ、を含む
   ことを特徴とする推薦方法。
2. 前記第１計算ステップは、
   前記影響因子の実際値が前記下限値から前記上限値までの範囲外にある場合、前記影響因子の前記候補対象に与える影響度をゼロとすることを決定するステップ、をさらに含むことを特徴とする請求項１に記載の推薦方法。
3. 前記第１計算ステップは、
   前記影響因子のタイプが非数値タイプである場合は、
   前記影響因子の期待値と実際値を、前記影響因子の期待条件と実際条件として決定し、前記影響因子の期待条件と実際条件とが同じであるか否かを決定するステップと、
   前記影響因子の期待条件と実際条件とが同じであると決定した場合、前記影響因子の前記候補対象に与える影響度が１００％であることを決定するステップと、
   前記影響因子の期待条件と実際条件とが異なると決定した場合、候補対象に与える前記影響因子の影響度がゼロであることを決定するステップと、を含む、
   ことを特徴とする請求項１又は請求項２に記載の推薦方法。
4. 複数の前記候補対象を取得し、前記複数の候補対象の推薦度の高さに応じて、前記複数の候補対象を順位付けし、順位付け結果を得るステップと、
   前記順位付け結果を前記ユーザー端末に送信するステップと、をさらに含む、
   ことを特徴とする請求項１～請求項３のいずれか１項に記載の推薦方法。
5. 候補対象への複数の影響因子のうち各影響因子の予め決定された重みと変化量を推薦装置内のテーブルに設定する決定モジュールと、
   ユーザー端末から入力された前記影響因子の期待値を取得し、かつ、複数の前記候補対象の各々の前記影響因子の実際値を該推薦装置内に設定されたテーブルから取得する取得モジュールと、
   前記影響因子の期待値、実際値、変化量及び重みに基づいて、前記影響因子の前記各候補対象に与える影響度を計算する第１計算モジュールと、
   前記影響因子の影響度と重みに基づいて、前記各候補対象の推薦度を計算する第２計算モジュールと、を備えた推薦装置であって、
   前記第１計算モジュールは、
   前記影響因子のタイプが数値タイプであり、前記変化量が前記影響因子の上限変化量と下限変化量を含む場合は、
   前記影響因子の期待値と前記下限変化量との差を計算して、前記影響因子の下限値を得る下限計算ユニットと、
   前記影響因子の期待値と前記上限変化量との差を計算して、前記影響因子の上限値を得る上限計算ユニットと、
   前記影響因子の実際値が前記下限値と前記上限値との間にあるか否かを判断する第１決定ユニットと、
   前記影響因子の実際値が前記下限値と前記上限値との間にある場合、下記の式（１）、及び式（２）を用いて、前記影響因子の前記候補対象に与える影響度を計算する第１計算ユニットと、を備え、
   ｔ＞ｓの場合、ｓｌ＝（ｕｐ－ｄｉｖ）／ｕｐ＊ｑ （１）
   ｔ＜ｓの場合、ｓｌ＝（ｄｏｗｎ－ｄｉｖ）／ｄｏｗｎ＊ｑ （２）
   ここで、ｔは、前記影響因子の実際値であり、ｓは、前記影響因子の期待値であり、ｓｌは、前記影響因子の前記候補対象に与える影響度であり、ｄｉｖは、前記影響因子の実際値と期待値との差の絶対値であり、ｕｐは、前記影響因子の上限変化量であり、ｄｏｗｎは、前記影響因子の下限変化量であり、ｑは、前記影響因子の重みであり、
   前記第２計算モジュールは、
   前記影響因子の影響度の総和と重みの総和との比の値を計算して、前記候補対象の推薦度を得る、
   ことを特徴とする推薦装置。
6. 前記第１計算モジュールは、
   前記影響因子の実際値が前記下限値から前記上限値までの範囲外にある場合、前記影響因子の前記候補対象に与える影響度をゼロとすることを決定する第２計算ユニットをさらに備える、
   ことを特徴とする請求項５に記載の推薦装置。
7. 前記第１計算モジュールは、
   前記影響因子のタイプが非数値タイプである場合は、
   前記影響因子の期待値と実際値を、前記影響因子の期待条件と実際条件として決定し、前記影響因子の期待条件と実際条件とが同じであるか否かを決定する取得ユニットと、
   前記影響因子の期待条件と実際条件とが同じであると決定した場合、前記影響因子の前記候補対象に与える影響度が１００％であることを決定する第２決定ユニットと、
   前記影響因子の期待条件と実際条件とが異なると決定した場合、前記影響因子の前記候補対象に与える影響度がゼロであることを決定する第３決定ユニットと、を備える、
   ことを特徴とする請求項５又は請求項６に記載の推薦装置。
8. 複数の前記候補対象を取得し、前記複数の候補対象の推薦度の高さに応じて、前記複数の候補対象を順位付けし、順位付け結果を得る順位付けモジュールと、
   前記順位付け結果を前記ユーザー端末に送信するプッシュモジュールと、をさらに備える、
   ことを特徴とする請求項５～請求項７のいずれか１項に記載の推薦装置。
9. １つ又は複数のプロセッサと、
   １つ又は複数のプログラムを記憶するメモリと、を備え、
   前記１つ又は複数のプロセッサは、前記１つ又は複数のプログラムを実行することにより、請求項１～請求項４のいずれか１項に記載の推薦方法を実行させる、
   ことを特徴とする推薦を実現する端末設備。
10. プロセッサにより実行されることにより、コンピュータに、請求項１～請求項４のいずれか１項に記載の推薦方法を実行させるためのプログラムを記憶したコンピュータ可読記憶媒体。
11. プロセッサにより実行されることにより、コンピュータに、請求項１～請求項４のいずれか１項に記載の推薦方法を実行させるためのプログラム。

Images