JP7325492B2 - 場所推薦方法及びシステム - Google Patents

場所推薦方法及びシステム Download PDF

Info

Publication number
JP7325492B2
JP7325492B2 JP2021185654A JP2021185654A JP7325492B2 JP 7325492 B2 JP7325492 B2 JP 7325492B2 JP 2021185654 A JP2021185654 A JP 2021185654A JP 2021185654 A JP2021185654 A JP 2021185654A JP 7325492 B2 JP7325492 B2 JP 7325492B2
Authority
JP
Japan
Prior art keywords
user
place
interest
recommended
place recommendation
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
Application number
JP2021185654A
Other languages
English (en)
Other versions
JP2022115795A (ja
Inventor
ヨンファン ジョン
チャンヘ キム
ヒョンス チャン
ジンホ キム
マリオ チェー
ジフン チェー
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naver Corp
Original Assignee
Naver Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Naver Corp filed Critical Naver Corp
Publication of JP2022115795A publication Critical patent/JP2022115795A/ja
Application granted granted Critical
Publication of JP7325492B2 publication Critical patent/JP7325492B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3347—Query execution using vector based model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/387—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

特許法第３０条第２項適用 １．ネイバー コーポレーションが、２０２０年１１月１６日、ｈｔｔｐｓ：／／ｗｗｗ．ｅｔｎｅｗｓ．ｃｏｍ／２０２０１１１６０００１２７にて公開した「場所推奨方法及びシステム」。２．ネイバー コーポレーションが、２０２０年１１月２５日～２０２０年１１月２７日、ｈｔｔｐｓ：／ｄｅｖｉｅｗ．ｋｒ／２０２０／ｅｘｈｉｂｉｔｉｏｎｓにて公開した「あなた好みの美味しいレストランをご紹介します」。３．ネイバー コーポレーションが、２０２０年１２月１日、ｈｔｔｐｓ：／ｔｖ．ｎａｖｅｒ．ｃｏｍ／ｖ／１６９６８２０６にて公開した「あなた好みの美味しいレストランをご紹介します」。
本発明は、場所を推薦する方法及びシステムに関する。
技術が発展するにつれて、電子機器（例えば、スマートフォン、タブレットＰＣなど）の普及が進み、よって、日常生活の多くの部分でインターネット依存度がますます高くなっている。
このようなインターネットを含む様々な技術の発展に伴い、従来のオフライン（off-line）への依存度が高かった消費パターンは、次第にオンライン（on-line）に移り、現在は、オンライン中心の消費が幾何級数的に増えている。
また、旅行産業や食品産業のように、サービスの特性上、オフラインをベースとした産業分野においても、オンラインでの様々なマーケティングにより顧客を誘致することが普遍化している。
さらに、顧客においても、オフラインをベースとした場所を訪問する前に、オンラインで場所に関する情報を検索する行為が普遍化している。
このように、オンライン情報検索への依存度が高くなるにつれて、ユーザにより検索された場所に関する情報を提供し、さらに、ユーザに適切な場所（例えば、グルメ店などの関連場所）を推薦する方法に関する研究が盛んに行われている。
このような技術として、特許文献１は、場所推薦システム及び方法に関する技術を開示しており、特にユーザの好みを考慮した場所推薦方法を提案している。
しかし、従来の技術は、ユーザ毎の特性を考慮するのではなく、全てのユーザに対して画一的な場所推薦方法を適用しており、一部のユーザには有用でない場所が推薦されることがしばしば発生する。
韓国公開特許第１０－２０２０－００７００７２号公報
本発明は、ユーザの特性を考慮するユーザカスタマイズ型場所推薦方法及びシステムを提供する。
より具体的には、本発明は、場所に対するユーザの関心度を反映して場所を推薦するユーザカスタマイズ型場所推薦方法及びシステムを提供する。
また、本発明は、推薦場所に関する情報をより直観的にユーザに提供する場所推薦方法及びシステムを提供する。
上記課題を解決するために、本発明による場所推薦方法は、少なくとも１つの関心場所に関する特定のユーザのヒストリ情報を収集するステップと、前記ヒストリ情報に基づいて、場所に対する関心度によって分類される複数のユーザグループのうち、前記特定のユーザが属するユーザグループを特定するステップと、複数の場所推薦方法のうち、前記特定されたユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出するステップとを含むようにしてもよい。
また、本発明による場所推薦方法は、ユーザの端末機から場所推薦要求イベントを受信するステップと、前記ユーザの少なくとも１つの関心場所に関するヒストリ情報に基づいて、場所に対する関心度によって分類される複数のユーザグループのうち、前記特定のユーザが属するユーザグループを特定するステップと、複数の場所推薦方法のうち、前記特定されたユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出するステップとを含むようにしてもよい。
さらに、本発明による場所推薦システムは、少なくとも１つの関心場所に関する特定のユーザのヒストリ情報を保存する保存部と、前記ヒストリ情報に基づいて、場所に対する関心度によって分類される複数のユーザグループのうち、前記特定のユーザが属するユーザグループを特定する制御部とを含み、前記制御部は、複数の場所推薦方法のうち、前記特定されたユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出するようにしてもよい。
さらに、本発明による電子機器で１つ以上のプロセスにより実行され、コンピュータ可読記録媒体に格納可能なプログラムは、少なくとも１つの関心場所に関する特定のユーザのヒストリ情報を収集するステップ、前記ヒストリ情報に基づいて、場所に対する関心度によって分類される複数のユーザグループのうち、前記特定のユーザが属するユーザグループを特定するステップ、及び複数の場所推薦方法のうち、前記特定されたユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出するステップを実行させるコマンドを含むようにしてもよい。
前述したように、本発明による場所推薦方法及びシステムは、ユーザのヒストリ情報に基づいて、場所に対するユーザの関心度を判断することができ、場所に対するユーザの関心度に基づいて、ユーザに適切な場所推薦方法により推薦場所に関する情報を提供することができる。その結果、本発明による場所推薦方法及びシステムは、全てのユーザに対して画一的な推薦場所に関する情報を提供するのではなく、ユーザ毎の場所に対する関心度を考慮して、ユーザカスタマイズ型の推薦場所に関する情報を提供することができる。よって、ユーザは、場所に対する普段の関心度レベルに合う場所情報の提供を受けることができる。
また、本発明による場所推薦方法及びシステムは、ユーザのヒストリ情報に基づいて、ユーザに推薦された場所の推薦根拠に関する情報を提供することができる。よって、ユーザは、当該場所を利用する上で推薦根拠を参考することができ、それにより、推薦場所の利用に関する判断を容易に行うことができる。
本発明による場所推薦システムを説明するための概念図である。 図１に示す場所推薦システムにおける場所推薦方法を説明するためのブロック図である。 データ構造を説明するためのブロック図である。 本発明による場所推薦方法を説明するためのフローチャートである。 本発明におけるユーザのヒストリ情報を収集する方法を説明するための概念図である。 複数のユーザグループを説明するための概念図である。 複数のユーザグループを説明するための概念図である。 場所推薦方法の一例を説明するための概念図である。 場所推薦方法の一例を説明するための概念図である。 場所推薦方法の一例を説明するための概念図である。 場所推薦方法の一例を説明するための概念図である。 場所推薦方法の一例を説明するための概念図である。 場所推薦方法の一例を説明するための概念図である。 場所推薦方法の一例を説明するための概念図である。 場所推薦方法の一例を説明するための概念図である。 場所推薦方法の他の例を説明するための概念図である。 場所推薦方法の他の例を説明するための概念図である。 場所推薦情報を説明するための概念図である。
以下、添付図面を参照して本発明の実施形態について詳細に説明するが、図面番号に関係なく同一又は類似の構成要素には同一の符号を付し、それについての重複する説明は省略する。以下の説明で用いられる構成要素の接尾辞である「モジュール」や「部」は、明細書の作成を容易にするために付与又は混用されるものであり、それ自体が有意性や有用性を有するものではない。また、本発明の実施形態について説明するにあたり、関連する公知技術についての具体的な説明が本発明の実施形態の要旨を不明にすると判断される場合は、その詳細な説明を省略する。さらに、添付図面は本発明の実施形態の理解を助けるためのものにすぎず、添付図面により本発明の技術的思想が限定されるものではなく、本発明の思想及び技術範囲に含まれるあらゆる変更、均等物乃至代替物を含むものと理解すべきである。
「第１」、「第２」などのように序数を含む用語は様々な構成要素を説明するために用いられるが、上記構成要素は上記用語により限定されるものではない。上記用語は１つの構成要素を他の構成要素と区別する目的でのみ用いられる。
ある構成要素が他の構成要素に「連結」又は「接続」されていると言及された場合は、他の構成要素に直接連結又は接続されていてもよく、中間にさらに他の構成要素が存在してもよいものと解すべきである。それに対して、ある構成要素が他の構成要素に「直接連結」又は「直接接続」されていると言及された場合は、中間にさらに他の構成要素が存在しないものと解すべきである。
単数の表現には、特に断らない限り複数の表現が含まれる。
本明細書において、「含む」や「有する」などの用語は、本明細書に記載された特徴、数字、段階、動作、構成要素、部品又はそれらの組み合わせが存在することを指定しようとするもので、１つ又はそれ以上の他の特徴、数字、段階、動作、構成要素、部品又はそれらの組み合わせの存在や付加可能性を予め排除するものではないと理解すべきである。
本発明は、ユーザの端末機から収集されるユーザのヒストリ情報に基づいて、当該ユーザ及び任意の第３のユーザに有用な情報を生成し、それを提供するためのものであり、特に、場所情報に基づいて推薦場所データを生成及び加工する方法に関する。
本発明においては、説明の便宜上、「場所」の推薦を中心に説明するが、必ずしもこれに限定されるものではない。すなわち、本発明における推薦情報には、場所の推薦だけでなく、特定のアイテム（例えば、本、衣類、スポーツ、旅先など）の推薦など、各種アイテムの推薦が全て含まれる。
なお、本発明における「場所」とは、その種類に関係なく、ある物事が行われたり起こったりするところをいい、地理学的、概念的又は物理的に区分される場所であればよい。
例えば、本発明における「場所」は、営利的な目的のための場所であって、事業所番号などにより区分される特定の事業所を含む概念のものであり得る。この場合、場所には、飲食店、宿泊施設（例えば、ホテル、ペンション、民宿、コンドミニアム、リゾートなど）、テーマパーク、遊戯施設、ビューティ管理サロン（例えば、ヘアサロン、ネイルサロンなど）、不動産屋、病院など、特定の商業的な目的の事業所が含まれる。
一例として、推薦対象場所が「飲食店」である場合、本発明においては、図１に示すように、場所推薦のターゲットとなるユーザに適した飲食店を推薦する（符号２００、２１０参照）。このような推薦サービスは、「グルメ店推薦」サービス、「今日のＰＩＣＫ！」サービスなど、様々なサービス名で呼ぶことができる。
また、本発明における「場所」は、非営利的な目的のための場所であり得る。この場合、場所には、公共又は公益の目的やその他の目的のために非営利的に運営される場所（例えば、美術館、特定の財団の社屋など）が含まれる。
このように、本発明における「場所」は、様々な概念を含むものであり、推薦の対象となる場所であれば、その種類及び位置は限定されない。
なお、本発明においては、ユーザに場所を推薦する上で、推薦の対象となる場所に関する情報２１０（例えば、「サンクス・オート」という飲食店）だけでなく、当該場所の推薦根拠に関する情報２２０をユーザにさらに提供するようにしてもよい。よって、ユーザは、当該場所がユーザ自身に推薦された理由を直観的に把握し、ユーザ自身の性向や嗜好に合う場所であるかを把握することができる。当該場所の推薦根拠に関する情報２２０には、推薦対象場所の推薦指数２２１及び推薦対象場所の推薦理由（根拠）２２２の少なくとも一方に関する情報が含まれてもよい。
以下、前述した場所の概念と共に、本発明による場所推薦システム及び方法についてより具体的に説明する。図１は、本発明による場所推薦システムを説明するための概念図であり、図２は、図１に示す場所推薦システムにおける場所推薦方法を説明するためのブロック図である。また、図３は、データ構造を説明するためのブロック図である。
まず、図１に示すように、場所推薦情報２００は、ユーザ端末機（又はユーザの端末機）（符号未指定）のディスプレイ部に出力することができ、ここでいうユーザ端末機は、電子機器を意味するものと理解できる。ここで、電子機器は、スマートフォン、携帯電話、タブレットＰＣ、キオスク（KIOSK）、コンピュータ、ノートブックコンピュータ、デジタル放送用端末、ＰＤＡ（Personal Digital Assistants）及びＰＭＰ（Portable Multimedia Player）の少なくとも１つを含む。また、ユーザ端末機は、ユーザアカウントがログイン、接続又は登録された電子機器であり得る。
以下、ユーザ端末機にログインされたユーザアカウントについては重複説明を省略する。以下に説明されるユーザ端末機は、ユーザアカウントがログインされた電子機器、又は本発明による場所推薦システム１００により情報を収集できる電子機器であると理解されることは言うまでもない。
一方、本発明による場所推薦システム１００は、通信部１１０、保存部１２０及び制御部１３０の少なくとも１つを含むようにしてもよい。
通信部１１０は、ユーザ端末機、外部ストレージ（例えば、データベース（database, DB）１４０）、外部サーバ及びクラウドサーバの少なくとも１つと通信を行うことができる。
一方、外部サーバ又はクラウドサーバは、制御部１３０の少なくとも一部の役割を果たすように構成されてもよい。すなわち、データ処理やデータ演算などの実行は、外部サーバ又はクラウドサーバで行われるようにしてもよく、本発明においてその方式は特に制限されない。
一方、通信部１１０は、通信対象（例えば、電子機器、外部サーバ、デバイスなど）の通信規格に準拠して、様々な通信方式をサポートすることができる。
例えば、通信部１１０は、ＷＬＡＮ（Wireless LAN）、Ｗｉ－Ｆｉ（Wireless Fidelity）、Ｗｉ－Ｆｉ Ｄｉｒｅｃｔ（Wireless Fidelity Direct）、ＤＬＮＡ（Digital Living Network Alliance）、ＷｉＢｒｏ（Wireless Broadband）、ＷｉＭＡＸ（World Interoperability for Microwave Access）、ＨＳＤＰＡ（High-Speed Downlink Packet Access）、ＨＳＵＰＡ（High-Speed Uplink Packet Access）、ＬＴＥ（Long Term Evolution）、ＬＴＥ－Ａ（Long Term Evolution-Advanced）、５Ｇ（5th Generation Mobile Telecommunication）、ブルートゥース（BluetoothTM）、ＲＦＩＤ（Radio Frequency Identification）、ＩｒＤＡ（Infrared Data Association）、ＵＷＢ（Ultra Wide Band）、ＺｉｇＢｅｅ、ＮＦＣ（Near Field Communication）及びワイヤレスＵＳＢ（Wireless Universal Serial Bus）技術の少なくとも１つを用いて、通信対象と通信を行うようにしてもよい。
次に、保存部１２０は、本発明に係る様々な情報を保存するようにしてもよい。本発明において、保存部１２０は、場所推薦システム１００自体に備えられてもよい。それとは異なり、保存部１２０の少なくとも一部は、データベース（ＤＢ）１４０及びクラウドストレージ（又はクラウドサーバ）の少なくとも一方であってもよい。すなわち、保存部１２０は、本発明による場所推薦システム及び方法のために必要な情報が保存される空間であれば十分であり、物理的な空間の制約はないものと解される。よって、以下では、保存部１２０、データベース１４０、外部ストレージ、クラウドストレージ（又はクラウドサーバ）を区分せず、全てを保存部１２０とする。
本発明による場所推薦方法を提供するために保存部１２０に保存される情報には、ユーザに関する様々な情報、推薦の対象となる場所に関する情報が含まれてもよい。
ここで、「ユーザに関する様々な情報」には、ユーザのヒストリ（history）情報及びユーザのメタデータ（metadata）の少なくとも一方が含まれてもよい。
具体的には、ユーザのヒストリ情報は、ユーザの関心場所に関する情報として理解される。ここで、関心場所とは、ユーザの自発的な意思（又は選択）により、ユーザが当該場所に関心を持っていると判断するに値するイベントが発生した場所を意味する。
例えば、前記イベントには、少なくとも１つの関心場所に関する予約、文書（例えば、ウェブページ、イメージ、画像など）の選択、情報の保存、コール発信、場所検索（例えば、検索ポータルサイトによる検索など）、経路検索（例えば、ナビゲーションサービスや地図サービスなどによる検索など）などがある。
一方、検索イベントは、ユーザ端末機に入力された検索語に対する検索結果のいずれかがユーザにより選択又はクリックされる行為により発生し得る。
ユーザのヒストリ情報には、前記イベントが発生した（実行された）回数に関するカウント情報が含まれてもよい。
このように、ユーザのヒストリ情報には、少なくとも１つの関心場所に関する場所情報と共に、前記少なくとも１つの関心場所に関する予約、文書の選択、情報の保存、コール発信、場所検索及び経路検索の少なくとも１つを行った回数に関するカウント情報が含まれてもよい。このような回数に関するカウント情報を頻度情報ともいう。
なお、ユーザのヒストリ情報には、前記イベントが発生した時点及び日付の少なくとも一方に関する日時情報がさらに含まれてもよい。
このようなユーザのヒストリ情報は、ユーザ毎に保存されるようにしてもよい。ユーザ毎の保存は、本発明による場所推薦システム１００に連携したユーザデータベース（ＤＢ）に含まれるユーザのＩＤ（identification, identification number）毎にマッチングされて行われるようにしてもよい。
また、ユーザのメタデータは、ユーザを特定するための情報であって、ユーザの個人情報又は身元情報として理解される。
ユーザのメタデータには、ユーザ（又は特定のユーザ）の性別及び年齢の少なくとも一方に関する情報が含まれてもよい。ユーザのメタデータには、ユーザの住居地域、勤務地域、関心事、趣味、職業など、様々な情報がさらに含まれてもよい。
なお、ユーザのメタデータには、前述したユーザのヒストリ情報が共にマッチングされて存在するようにしてもよい。すなわち、ユーザのメタデータには、当該ユーザが関心を持っている場所に関する情報、場所に対して関心を示したイベントの回数に関する情報（カウント情報）などが共に保存されるようにしてもよい。その場合、ユーザのメタデータは、ユーザのヒストリ情報を含む概念として理解される。
次に、制御部１３０は、本発明による場所推薦システム１００の全般的な動作を制御するように構成される。制御部１３０は、上記構成要素により入力又は出力される信号、データ、情報などを処理したり、ユーザに適切な情報又は機能を提供又は処理することができる。
制御部１３０は、ユーザのヒストリ情報（又はユーザヒストリ情報、ユーザヒストリ）及びユーザのメタデータ（又はユーザメタデータ、メタデータ）に基づいて、ユーザへの推薦場所を抽出することができ、推薦場所に関する情報をユーザ端末機に提供することができる。
制御部１３０は、ユーザの現在位置（もしくはユーザが現在位置している地域）又はユーザが選択（もしくは入力）した位置（もしくは地域）に基づいて、当該位置（もしくは地域）に対応する場所に関する推薦情報を抽出することができる。ここで、ユーザの現在位置は、ユーザ端末機から収集される位置情報に基づいて特定することができる。
一方、推薦場所に関する情報は、ユーザ端末機にインストールされたアプリケーション、ウェブブラウザ、プログラム、ソフトウェアなど、様々なサービスプラットホームにより提供することができる。
制御部１３０は、少なくとも１つの中央処理装置（Central Processing Unit, CPU）を含み、本発明による機能を実行することができる。また、制御部１３０は、人工知能ベースのデータ処理を行うことができる。
一方、本発明による制御部１３０は、図２に示すシステム３００の構造（又はフレームワーク構造）により、本発明による場所推薦を行うことができ、図２に示すフレームワークは、場合に応じて少なくとも一部を変形可能である。
なお、本発明による制御部１３０は、図２に示すシステム３００の構造に限定されるものではなく、図２に示すシステム３００を含む概念として理解される。すなわち、以下に説明されるシステム３００は、制御部１３０の制御下にあるものと理解される。このようなシステム３００は、ヒストリ情報ベースの推薦システム（History based recommendation system）ともいう。
本発明においては、説明の便宜上、システム３００に含まれる要素をそれぞれ「モジュール（module）」という。
一方、システム３００は、データ（Data）モジュール３１０、ユーザモデリング（User Modeling）モジュール３２０、嗜好モデリング（Preference Modeling）モジュール（又は場所嗜好モデリングモジュール）３３０、推薦モデリング（Recommendation Modeling）モジュール（又は場所推薦モデリングモジュール）３４０及び後処理（Postprocess）モジュール３５０の少なくとも１つを含んでもよい。以下、場合によって、各モジュールを指称して本発明を説明したり、制御部１３０と命名して本発明を説明したりするが、それは本発明の本質に影響を及ぼす要素ではなく、全てを制御部１３０と称してもよい。
本発明によるシステム３００のデータモジュール３１０は、ユーザヒストリ情報（User History）３１１及びユーザメタデータ（User Metadata）３１２を含んでもよい。
本発明によるシステム３００のユーザモデリングモジュール３２０は、データモジュール３１０に保存されたユーザヒストリ情報３１１及びユーザメタデータ３１２の少なくとも一方を用いる。
ユーザモデリングモジュール３２０は、場所推薦のターゲットとなるユーザが異なる複数のユーザグループのいずれのユーザグループに属するユーザであるかを判断するユーザグループ（User Group）モジュール３２１を含んでもよい。
ここで、複数のユーザグループは、場所に対する関心度によって分類してもよい。図３に示すように、ユーザモデリングモジュール３２０（又は制御部１３０、以下制御部１３０と称する）は、ユーザメタデータ４１０及びユーザヒストリ情報の少なくとも一方に基づいて、ユーザが複数のユーザグループ４３０のいずれのユーザグループに属するかを判断するようにしてもよい。図３においては、ユーザグループを大きく３つのグループに分類しているが、それは一例に過ぎず、ユーザグループを分類する基準及び数は様々に変更可能である。
例えば、複数のユーザグループ４３０のうち、第１ユーザグループ（ヘビー（Heavy））４３１は、場所に対する関心度が最も高いグループにし、第２ユーザグループ（ミドル（Middle））４３２は、場所に対する関心度が第１ユーザグループよりは低いが、ある程度あるグループにし、第３ユーザグループ（ライト（Light））４３３は、場所に対する関心度が低いグループにしてもよい。
このような複数のユーザグループは、場所に対する関心度に基づいて分類され、その関心度の程度は、前述したように、場所に関心を持っていると判断するに値するユーザの行動に関するイベントの発生の程度に基づいて算出又は抽出されるようにしてもよい。
制御部１３０は、ｉ）ユーザグループの分類の対象となるユーザのうち、上位ｘｘ％（例えば、１３％）に対応する場所に関心を持っているユーザを第１ユーザグループ４３１に分類し、ｉｉ）ユーザグループの分類の対象となるユーザのうち、上位ｙｙ％（例えば、３８％）に対応する場所に関心を持っているユーザから第１ユーザグループ４３１のユーザを除くユーザを第２ユーザグループ４３２に分類し、ｉｉｉ）その他のユーザを第３ユーザグループ４３３に分類するようにしてもよい。
この場合、全てのユーザグループの分類の対象となるユーザのうち、第１ユーザグループのユーザが占める割合は１３％であり、第２ユーザグループのユーザが占める割合は２５％であり、第３ユーザグループのユーザが占める割合は６２％である。
このように、それぞれのユーザグループには、ユーザの場所に対する関心度の程度がそれぞれマッチングされて存在するようにしてもよい。
このように、制御部１３０は、分類の対象となるユーザ間の相対的な関心度を考慮して、ユーザグループを分類することができる。
一方、制御部１３０は、前述したように、場所に関心を持っていると判断するに値するユーザの行動に関するイベントの発生の程度に基づいて、ユーザの関心度の程度を算出又は抽出することにより、当該関心度の程度に基づいて、ユーザがいずれのユーザグループに属するかを判断することができる。
前記イベントには、少なくとも１つの関心場所に関する予約、文書（例えば、ウェブページ、イメージ、画像など）の選択、情報の保存、コール発信、場所検索（例えば、検索ポータルサイトによる検索など）、経路検索（例えば、ナビゲーションサービスや地図サービスなどによる検索など）などがある。
前述したように、ユーザのヒストリ情報又はユーザのメタデータには、前記イベントが発生した（実行された）回数に関するカウント情報が含まれてもよい。
このように、制御部１３０は、複数のユーザのメタデータ（又はヒストリ情報）に基づいて、ユーザ（特定のユーザ）がいずれのユーザグループに属するかを判断することができる。
このように、制御部１３０は、ユーザヒストリ情報（又はユーザメタデータ）を用いて、ユーザ毎の場所に対する関心度の程度を判断することができる。また、制御部１３０は、複数のユーザグループのうち、前記判断された関心度の程度にマッチしたユーザグループを、特定のユーザが属するユーザグループとして特定することができる。
一方、このようなユーザグループとは、ユーザメタデータの特定の要素を基準に分類されたユーザ内で分類されたユーザグループを意味する。
すなわち、制御部１３０は、ユーザ毎の代表共通点を抽出し、当該共通点を有するユーザを同じユーザグループに分類し、分類されたユーザグループ内で、細分化されたユーザグループ（前述した第１～第３ユーザグループ（図３の符号４３１～４３３参照））に分類することができる。
例えば、当該共通点は、性別及び年齢帯の少なくとも一方に関するものであってもよい。
一例として、制御部１３０は、「女性」及び「２０代」という共通点を有するユーザを１次分類し、その後１次分類されたユーザ内で第１～第３ユーザグループ（図３の符号４３１～４３３参照）にさらに分類するようにしてもよい。
この場合、制御部１３０は、場所推薦のターゲットとなるユーザのユーザメタデータに基づいて、当該ユーザの性別及び年齢帯を抽出し、抽出された性別及び年齢帯に基づいて、場所推薦のターゲットとなるユーザが、異なるメタデータを有する複数のユーザグループ内で、いずれのユーザグループに属するかを１次分類（又は抽出）するようにしてもよい。
このように、共通点を基準にユーザを１次分類するのは、当該共通点を有するユーザ毎の場所に対する関心特性が異なるからである（例えば、２０代女性は「パスタ」が好きな特性を有し、５０代男性は「カレーライス」が好きな特性を有する）。
このように、本発明におけるユーザグループは、ユーザメタデータを基準に１次分類され、１次分類されたユーザグループ内でユーザの場所に対する関心度に基づいて２次分類されるようにしてもよい。本発明における「ユーザグループを特定する」とは、前述した１次分類及び２次分類を両方とも行うことを意味し得る。
また、制御部１３０は、推薦対象場所の地域がユーザの関心地域（又は活動地域）であるか否かによって、二次的にマッチしたユーザグループに基づいて場所を推薦するか否かを決定することができる。以下に説明されるユーザグループは、１次分類及び２次分類が行われたユーザグループとして理解される。
制御部１３０は、ユーザ毎に地域嗜好４４０を区分することができる。地域嗜好４４０は、ユーザの活動地域（又は関心地域）４４１と、その他の地域４４２とからなる。ユーザの活動地域４４１は、ユーザが主に訪問する場所が位置する地域、ユーザの住居地域、勤務地域などであり、その他の地域４４２は、ユーザの活動地域４４１以外の地域である。
本発明においてユーザ毎に地域嗜好４４０を区分するのは、ユーザのヒストリ情報がユーザの活動地域４４１に含まれる場所情報から構成される可能性が高いからである。すなわち、ユーザは、ユーザの活動地域４４１においては、第１ユーザグループ（ヘビー）４３１又は第２ユーザグループ（ミドル）４３２に属するユーザであるが、その他の地域４４２においては、第３ユーザグループ（ライト）４３３に属するユーザである。
このように、制御部１３０は、ユーザのヒストリ情報に基づいて、ユーザの活動地域を特定し、推薦対象場所を抽出する地域がユーザの活動地域であるか否かを考慮して、特定のユーザが属するユーザグループにマッチした場所推薦方法で推薦場所を抽出するか否かを決定することができる。
例えば、制御部１３０は、ｉ）ユーザに場所を推薦する地域がユーザの活動地域である場合、ユーザにマッチしたユーザグループを基準に場所を推薦し、ｉｉ）ユーザに場所を推薦する地域がユーザの非活動地域である場合、ユーザにマッチしたユーザグループではなく、場所に対する関心度が最も低いユーザグループ（第３ユーザグループ（ライト））を基準に場所を推薦するようにしてもよい。
制御部１３０は、ユーザ毎に、地域嗜好４４０を区分し、ユーザのメタデータ（又はユーザのヒストリ情報）に保存することができる。よって、ユーザのメタデータ（又はユーザのヒストリ情報）には、ユーザの活動地域に関する情報とユーザの非活動地域に関する情報が保存されて存在する。
一方、制御部１３０は、このようなユーザのメタデータ（又はユーザのヒストリ情報）に基づいて、ユーザ毎に特化した場所推薦情報（個人化された推薦リスト）４５０を生成することはもとより、それぞれのユーザグループに関する場所推薦情報（グループ単位の推薦リスト）４６０を生成することができる。
以下、本発明によるシステム３００の嗜好モデリングモジュール（又は場所嗜好モデリングモジュール）３３０及び推薦モデリングモジュール（又は場所推薦モデリングモジュール）３４０について説明する。
本発明において、制御部１３０は、ユーザグループ毎に異なる場所推薦方法により、ユーザに場所を推薦することができる。
制御部１３０は、複数の場所推薦方法のうち、場所推薦のターゲットとなるユーザが属するユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出することができる。
まず、本発明によるシステム３００の嗜好モデリングモジュール（又は場所嗜好モデリングモジュール）３３０は、ユーザ関心場所嗜好（User-POI Preference）モジュール３３１及び関心場所関連性（POI-POI Relevance）モジュール３３２を含んでもよい。ここでいうＰＯＩは、Ｐｏｉｎｔ ｏｆ Ｉｎｔｅｒｅｓｔの略字であり、本発明におけるＰＯＩは、ユーザの関心場所に移行され得る。このようなＰＯＩに関する情報は、ユーザのヒストリ情報に含まれるようにしてもよい。
ユーザ関心場所嗜好（User-POI Preference）モジュール３３１は、同じユーザグループに属するユーザのヒストリ情報を用いて、当該ユーザグループに属するユーザの関心場所に関する情報を抽出するようにしてもよい。ここで、「同じユーザグループ」は、前述した１次分類及び２次分類により区分されたユーザグループであってもよく、１次分類により区分されたユーザグループであってもよい。１次分類により区分されたユーザグループに含まれるユーザには、場所に対する関心度の程度が異なる複数のグループのそれぞれに属するユーザが全て含まれ得る。
関心場所関連性（POI-POI Relevance）モジュール３３２は、関心場所間の関連性を抽出するモジュールであり、ユーザのヒストリ情報に基づいて、共に頻繁に出現する場所を抽出し、当該場所間の関連性を関連付ける役割を果たす。ここで、「共に頻繁に出現する」とは、第１場所におけるイベントが発生すると、それに近い時点で第２場所におけるイベントも共に発生することを意味する。制御部１３０は、ユーザ毎のヒストリ情報内で、共に頻繁に出現する場所に関する情報を抽出することができる。
制御部１３０は、嗜好モデリングモジュール３３０により抽出されたユーザの関心場所に関する情報及び場所間の関連性情報に基づいて、前述した複数のユーザグループのうち、少なくとも１つのユーザグループに関する推薦場所情報を抽出することができる。
次に、本発明によるシステム３００の推薦モデリングモジュール（又は場所推薦モデリングモジュール）３４０は、ユーザグループ毎にそれぞれマッチした場所推薦方法で推薦場所を抽出するようにしてもよい。
複数の場所推薦方法のそれぞれは、複数のユーザグループのうち、場所推薦のターゲットとなるユーザが属するユーザグループに含まれる複数のユーザのヒストリ情報を用いて、推薦場所を抽出するようにしてもよい。
また、複数の場所推薦方法は、複数のユーザのヒストリ情報を処理する方法が異なるようにしてもよい。
複数の場所推薦方法のうち、第１場所推薦方法は、ＣｏＦａｃｔｏｒ（３４１）モデリング方法である。第１場所推薦方法は、ｉ）複数のユーザと前記複数のユーザのヒストリ情報に含まれる関心場所との第１関係性、及びｉｉ）複数のユーザのヒストリ情報に含まれる関心場所間の第２関係性に基づいて、推薦場所を抽出するようにしてもよい。
ここで、第１関係性は、ユーザ関心場所嗜好（User-POI Preference）モジュール３３１により抽出され、第２関係性は、関心場所関連性（POI-POI Relevance）モジュール３３２により抽出されるようにしてもよい。
第１場所推薦方法は、前記第１関係性を定義した第１行列と前記第２関係性を定義した第２行列とで前記関心場所に対応する要素を共有するように、前記第１行列及び前記第２行列に対する行列分解（Matrix Factorization, MF）を行う過程を含んでもよい。
制御部１３０は、前記第１場所推薦方法に基づいて、複数のユーザグループのうち、場所に対する関心度が最も高いユーザグループ（第１ユーザグループ４３１、図３参照）に関する推薦場所を抽出することができる。
また、複数の場所推薦方法のうち、第２場所推薦方法は、ＰＯＩ２ＶＥＣ（３４２）モデリング方法である。第２場所推薦方法は、複数のユーザのヒストリ情報に含まれる関心場所にそれぞれ対応する単語をベクトル空間上に表現する過程と、前記ベクトル空間から前記推薦場所を抽出する過程とを含んでもよい。ここで、「複数のユーザ」は、前述した１次分類及び２次分類により区分されたユーザグループに含まれるユーザであってもよく、１次分類により区分されたユーザグループに含まれるユーザであってもよい。１次分類により区分されたユーザグループに含まれるユーザには、場所に対する関心度の程度が異なる複数のグループのそれぞれに属するユーザが全て含まれ得る。
制御部１３０は、前記第２場所推薦方法により、前記複数のユーザのそれぞれを基準に、関心場所にそれぞれ対応する単語のうち少なくとも一部を含む文章（sentence）を生成することができる。また、制御部１３０は、前記文章に対して単語の埋め込み（word embedding）を行い、前記文章に含まれる単語をベクトル空間上に表現することができる。さらに、制御部１３０は、ベクトル空間上に表現された単語間の距離に基づいて、ユーザに対して推薦場所を抽出することができる。
さらに、複数の場所推薦方法のうち、第３場所推薦方法は、統計モデル（Statistical Model）（３４３）モデリング方法である。
第３場所推薦方法は、複数のユーザのヒストリ情報に含まれる関心場所の統計に基づいて、推薦場所を抽出する過程を含んでもよい。ここで、「複数のユーザ」は、前述した１次分類及び２次分類により区分されたユーザグループに含まれるユーザであってもよく、１次分類により区分されたユーザグループに含まれるユーザであってもよい。１次分類により区分されたユーザグループに含まれるユーザには、場所に対する関心度の程度が異なる複数のグループのそれぞれに属するユーザが全て含まれ得る。
第３場所推薦方法により場所が推薦される場合、推薦対象場所が含まれる地域で最も有名な場所（例えば、最も有名なグルメ店）が推薦され得る。
このように、制御部１３０は、前述した複数のユーザグループのうち、ｉ）場所に対する関心度が最も高い第１ユーザグループ４３１に対しては、第１場所推薦方法（ＣｏＦａｃｔｏｒ（３４１）モデリング方法）に基づいて推薦場所を抽出し、ｉｉ）場所に対する関心度が中間程度である第２ユーザグループ４３２に対しては、第２場所推薦方法（ＰＯＩ２ＶＥＣ（３４２）モデリング方法）に基づいて推薦場所を抽出し、ｉｉｉ）場所に対する関心度が最も低い第３ユーザグループ４３３に対しては、第３場所推薦方法（統計モデル（３４３）モデリング方法）に基づいて推薦場所を抽出する。
一方、本発明によるシステム３００の後処理モジュール３５０は、アンサンブルモデル（Ensemble Model）モジュール３５１、多様性モデル（Diversity Model）モジュール３５２及び説明モデル（Explanation Model）モジュール３５３の少なくとも１つを含んでもよい。
より具体的には、アンサンブルモデルモジュール３５１は、推薦モデリングモジュール３４０に基づいて、それぞれの場所推薦方法により、推薦された場所及びそれらをグループ化した候補群を混ぜる（ミックスする）役割を果たす。
さらに具体的には、アンサンブルモデルモジュール３５１は、いずれかの場所推薦方法により推薦された推薦対象場所の少なくとも一部を、他の場所推薦方法により推薦された推薦対象場所の少なくとも一部と混ぜる（ミックスする）役割を果たす。例えば、アンサンブルモデルモジュール３５１により、場所に対する関心度が高い第１ユーザグループ（ヘビー）に対応する第１場所推薦方法により推薦された推薦場所候補群（少なくとも１つの推薦場所が含まれるグループ）に含まれる場所の少なくとも一部は、第３ユーザグループ（ライト）に対応する第３場所推薦方法により推薦された推薦場所候補群に含まれるようにすることができる。
また、多様性モデルモジュール３５２は、所定期間内に同じ場所（例えば、同じグルメ店）がユーザに繰り返し推薦されないようにするものであり、所定期間内に同じユーザに対して同じ推薦対象場所が抽出されると、それを他の推薦対象場所に変更する役割を果たす。その結果、所定期間内に同じユーザに対して同じ場所が推薦されなくなり、ユーザは様々な場所に関する情報の提供を受けることができる。
さらに、説明モデルモジュール３５３は、推薦対象場所が推薦された根拠（又は理由）に関する説明情報を提供する役割を果たす。説明モデルモジュール３５３は、推薦対象場所がユーザに推薦される根拠を生成ようにしてもよい。説明モデルモジュール３５３は、ユーザと推薦対象場所との関連性及び推薦対象場所が属する推薦対象場所候補群（候補グループなど）内での当該推薦対象場所の順位の少なくとも一方を考慮して、推薦対象場所の推薦指数を生成ようにしてもよい。その場合、説明モデルモジュール３５３は、ユーザのヒストリ情報やユーザのメタデータなどを考慮して、ユーザと推薦対象場所との関連性を抽出するようにしてもよい。
このような後処理モジュール３５０は、システム３００に含まれるそれぞれのモジュールで処理されたデータの信頼度、正確度などを補う役割を果たす。
以下、前述した場所推薦システムを参照して、本発明による場所推薦方法について添付図面と共に具体的に説明する。図４は、本発明による場所推薦方法を説明するためのフローチャートであり、図５は、本発明におけるユーザのヒストリ情報を収集する方法を説明するための概念図である。また、図６及び図７は、複数のユーザグループを説明するための概念図である。図８、図９、図１０、図１１、図１２、図１３、図１４及び図１５は、場所推薦方法の一例を説明するための概念図であり、図１６及び図１７は、場所推薦方法の他の例を説明するための概念図であり、図１８は、場所推薦情報を説明するための概念図である。
まず、本発明による場所推薦方法においては、図４に示すように、ユーザのヒストリ情報を収集する過程が行われる（Ｓ３１０）。
制御部１３０は、図６に示すように、ユーザ端末機から、ユーザ６００のヒストリ情報６１０を収集することができる。本発明におけるヒストリ情報を収集する方法は、非常に様々であり、その具体的な方法は限定されない。
一方、ユーザのヒストリ情報は、ユーザの関心場所に関する情報として理解される。ここで、関心場所とは、ユーザの自発的な意思（又は選択）により、ユーザが当該場所に関心を持っていると判断するに値するイベントが発生した場所を意味する。
例えば、前記イベントには、少なくとも１つの関心場所に関する予約、文書（例えば、ウェブページ、イメージ、画像など）の選択、情報の保存、コール発信、場所検索（例えば、検索ポータルサイトによる検索など）、経路検索（例えば、ナビゲーションサービスや地図サービスなどによる検索など）などがある。
一方、検索イベントは、ユーザ端末機に入力された検索語に対する検索結果のいずれかがユーザにより選択又はクリックされる行為により発生し得る。
ユーザのヒストリ情報には、前記イベントが発生した（実行された）回数に関するカウント情報が含まれてもよい。
このように、ユーザのヒストリ情報には、少なくとも１つの関心場所に関する場所情報と共に、前記少なくとも１つの関心場所に関する予約、文書の選択、情報の保存、コール発信、場所検索及び経路検索の少なくとも１つを行った回数に関するカウント情報が含まれてもよい。このような回数に関するカウント情報を頻度情報ともいう。
なお、ユーザのヒストリ情報には、前記イベントが発生した時点及び日付の少なくとも一方に関する日時情報がさらに含まれてもよい。
このようなユーザのヒストリ情報は、図５に示すように、ユーザ毎に存在及び保存される情報５１０、５２０、５３０、５４０、５５０であってもよい。ユーザ毎の保存は、本発明による場所推薦システム１００に連携したユーザデータベース（ＤＢ）に含まれるユーザのＩＤ（identification, identification number）毎にマッチングされて行われるようにしてもよい。
図５に示すように、ヒストリ情報には、場所（本発明においては、異なる場所の区分のためにアルファベット（Ａ～Ｄなど）を用いる）に関する情報及び場所におけるイベントに関する情報（又はイベントの種類）（例えば、文書（例えば、ブログ）検索、コール発信（電話）、ルート検索など）が含まれてもよい。
次に、本発明による場所推薦方法においては、ヒストリ情報に基づいて、ユーザが属するユーザグループを特定する過程が行われる（Ｓ３２０）。
より具体的には、制御部１３０は、ユーザのヒストリ情報及びユーザのメタデータの少なくとも一方を用いて、ユーザが属するユーザグループを特定することができる。
ユーザのメタデータは、ユーザを特定するための情報であって、ユーザの個人情報又は身元情報として理解される。
ユーザのメタデータには、ユーザ（又は特定のユーザ）の性別及び年齢の少なくとも一方に関する情報が含まれてもよい。ユーザのメタデータには、ユーザの住居地域、勤務地域、関心事、趣味、職業など、様々な情報がさらに含まれてもよい。
すなわち、ユーザのメタデータには、当該ユーザが関心を持っている場所に関する情報、場所に対して関心を示したイベントの回数に関する情報（カウント情報）などが共に保存されるようにしてもよい。その場合、ユーザのメタデータは、ユーザのヒストリ情報を含む概念として理解される。
前述したように、本発明においては、図６に示すように、複数のユーザグループ６２０が存在し、それぞれのユーザグループ６２１、６２２、６２３は、場所に対する関心度を基準に区分される。
制御部１３０は、ユーザメタデータ及びユーザヒストリ情報の少なくとも一方に基づいて、ユーザが複数のユーザグループ６２０のいずれのユーザグループに属するかを判断することができる。図６においては、ユーザグループを大きく３つのグループに分類しているが、それは一例に過ぎず、ユーザグループを分類する基準及び数は様々に変更可能である。
複数のユーザグループ６２０のうち、ｉ）第１ユーザグループ（Heavy User）６２１は、場所に対する関心度が最も高いグループにし、ｉｉ）第２ユーザグループ（Middle User）６２２は、場所に対する関心度が第１ユーザグループよりは低いが、ある程度あるグループにし、ｉｉｉ）第３ユーザグループ（Light User）６２３は、場所に対する関心度が低いグループにしてもよい。
このような複数のユーザグループは、場所に対する関心度に基づいて分類され、その関心度の程度は、前述したように、場所に関心を持っていると判断するに値するユーザの行動に関するイベントの発生の程度に基づいて算出又は抽出されるようにしてもよい。
制御部１３０は、ｉ）ユーザグループの分類の対象となるユーザのうち、上位ｘｘ％（例えば、１３％）に対応する場所に関心を持っているユーザを第１ユーザグループ６２１に分類し、ｉｉ）ユーザグループの分類の対象となるユーザのうち、上位ｙｙ％（例えば、３８％）に対応する場所に関心を持っているユーザから第１ユーザグループ６２１のユーザを除くユーザを第２ユーザグループ６２２に分類し、ｉｉｉ）その他のユーザを第３ユーザグループ６２３に分類するようにしてもよい。
この場合、全てのユーザグループの分類の対象となるユーザのうち、第１ユーザグループのユーザが占める割合は１３％であり、第２ユーザグループのユーザが占める割合は２５％であり、第３ユーザグループのユーザが占める割合は６２％である。
このように、それぞれのユーザグループには、ユーザの場所に対する関心度の程度がそれぞれマッチングされて存在するようにしてもよい。
このように、制御部１３０は、分類の対象となるユーザ間の相対的な関心度を考慮して、ユーザグループを分類することができる。
一方、制御部１３０は、前述したように、場所に関心を持っていると判断するに値するユーザの行動に関するイベントの発生の程度に基づいて、ユーザの関心度の程度を算出又は抽出することにより、当該関心度の程度に基づいて、ユーザがいずれのユーザグループに属するかを判断することができる。
前記イベントには、少なくとも１つの関心場所に関する予約、文書（例えば、ウェブページ、イメージ、画像など）の選択、情報の保存、コール発信、場所検索（例えば、検索ポータルサイトによる検索など）、経路検索（例えば、ナビゲーションサービスや地図サービスなどによる検索など）などがある。
前述したように、ユーザのヒストリ情報又はユーザのメタデータには、前記イベントが発生した（実行された）回数に関するカウント情報が含まれてもよい。
このように、制御部１３０は、複数のユーザのメタデータ（又はヒストリ情報）に基づいて、ユーザ（特定のユーザ）がいずれのユーザグループに属するかを判断することができる。
より具体的には、制御部１３０は、ヒストリ情報（又はメタデータ）に含まれる前記カウント情報と、前記特定のユーザのメタデータに対応する他のユーザのヒストリ情報に含まれるカウント情報とを比較することができる。また、制御部１３０は、前記比較に基づいて、前記特定のユーザ（ユーザグループの分類の対象となるユーザ）の場所に対する関心度の程度を算出することができる。
前記特定のユーザのカウント情報に含まれる回数が、前記他のユーザのカウント情報に含まれる回数より多い場合、前記特定のユーザの前記場所に対する関心度は、前記他のユーザの前記場所に対する関心度より高いものとして算出される。この場合、制御部１３０は、分類の対象となるユーザ間の相対的な関心度を考慮して、ユーザグループを分類することができる。
より具体的には、制御部１３０は、ヒストリ情報（又はメタデータ）に含まれる前記カウント情報と、前記特定のユーザのメタデータに対応する他のユーザのヒストリ情報に含まれるカウント情報とを比較することができる。また、制御部１３０は、前記比較に基づいて、前記特定のユーザ（ユーザグループの分類の対象となるユーザ）の場所に対する関心度の程度を算出することができる。
前記特定のユーザのカウント情報に含まれる回数が、前記他のユーザのカウント情報に含まれる回数より多い場合、前記特定のユーザの前記場所に対する関心度は、前記他のユーザの前記場所に対する関心度より高いものとして算出される。この場合、制御部１３０は、分類の対象となるユーザ間の相対的な関心度を考慮して、ユーザグループを分類することができる。
一方、このようなユーザグループとは、ユーザメタデータの特定の要素を基準に分類されたユーザ内で分類されたユーザグループを意味する。
すなわち、制御部１３０は、ユーザ毎の代表共通点を抽出し、当該共通点を有するユーザを同じユーザグループに分類（１次分類）し、分類されたユーザグループ内で、細分化されたユーザグループ（前述した第１～第３ユーザグループ（図６の符号６２１～６２３参照））に分類することができる。
例えば、当該共通点は、性別及び年齢帯の少なくとも一方に関するものであってもよい。
一例として、制御部１３０は、「女性」及び「２０代」という共通点を有するユーザを１次分類し、その後１次分類されたユーザ内で第１～第３ユーザグループ（図６の符号６２１～６２３参照）にさらに分類するようにしてもよい。
この場合、制御部１３０は、場所推薦のターゲットとなるユーザのユーザメタデータに基づいて、当該ユーザの性別及び年齢帯を抽出し、抽出された性別及び年齢帯に基づいて、場所推薦のターゲットとなるユーザが、異なるメタデータを有する複数のユーザグループ内で、いずれのユーザグループに属するかを１次分類（又は抽出）するようにしてもよい。
このように、共通点を基準にユーザを１次分類するのは、当該共通点を有するユーザ毎の場所に対する関心特性が異なるからである（例えば、２０代女性は「パスタ」が好きな特性を有し、５０代男性は「カレーライス」が好きな特性を有する）。
このように、本発明におけるユーザグループは、ユーザメタデータを基準に１次分類され、１次分類されたユーザグループ内でユーザの場所に対する関心度に基づいて２次分類されるようにしてもよい。本発明における「ユーザグループを特定する」とは、前述した１次分類及び２次分類を両方とも行うことを意味し得る。
このように、制御部１３０は、共通点を有するユーザを基準に分類した複数のユーザグループのうち、場所推薦のターゲットとなるユーザが属するユーザグループを特定することができる。
次に、本発明による場所推薦方法においては、ユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出する過程が行われる（Ｓ３３０）。
より具体的には、制御部１３０は、ユーザグループ毎に異なる場所推薦方法により、ユーザに場所を推薦することができる。制御部１３０は、複数の場所推薦方法のうち、場所推薦のターゲットとなるユーザが属するユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出することができる。
制御部１３０は、複数のユーザグループのうち、ｉ）場所に対する関心度が最も高い第１ユーザグループ６２１に対しては、第１場所推薦方法（ＣｏＦａｃｔｏｒ（６３１）モデリング方法）に基づいて推薦場所を抽出し、ｉｉ）場所に対する関心度が中間程度である第２ユーザグループ６２２に対しては、第２場所推薦方法（ＰＯＩ２ＶＥＣ（６３２）モデリング方法）に基づいて推薦場所を抽出し、ｉｉｉ）場所に対する関心度が最も低い第３ユーザグループ６２３に対しては、第３場所推薦方法（統計モデル（６３３）モデリング方法）に基づいて推薦場所を抽出する（それぞれの場所推薦方法の詳細については後述する）。
一方、制御部１３０は、ユーザに場所を推薦する地域がユーザの関心地域（又は活動地域）であるか否かによって、ユーザが属するユーザグループにマッチした場所推薦方法で推薦場所を抽出するか否かを決定することができる。
すなわち、制御部１３０は、ユーザに場所を推薦する地域がユーザの関心地域（又は活動地域）である場合に限り、ユーザが属するユーザグループにマッチした場所推薦方法で推薦場所を抽出することができる。
制御部１３０は、ユーザ毎に地域嗜好を区分することができる。図７の（ａ）に示すように、地域嗜好（又は地域関心度）は、ユーザの活動地域（又は主活動地域、関心地域）７１０と、その他の地域７２０とからなる。ユーザの活動地域７１０は、ユーザが主に訪問する場所が位置する地域、ユーザの住居地域、勤務地域など（例えば、江南区、盆唐区、竜山区）であり、その他の地域７２０は、ユーザの活動地域７１０以外の地域である。
本発明においてユーザ毎に地域嗜好を区分するのは、ユーザのヒストリ情報がユーザの活動地域に含まれる場所情報から構成される可能性が高いからである。すなわち、ユーザは、ユーザの活動地域においては、第１ユーザグループ（Heavy User）６２１又は第２ユーザグループ（Middle user）６２２に属するユーザであるが、その他の地域においては、第３ユーザグループ（Light User）６２３に属するユーザである。
このように、制御部１３０は、ユーザのヒストリ情報に基づいて、ユーザの活動地域を特定し、推薦対象場所を抽出する地域がユーザの活動地域であるか否かを考慮して、特定のユーザが属するユーザグループにマッチした場所推薦方法で推薦場所を抽出するか否かを決定することができる。
例えば、制御部１３０は、図７の（ｂ）に示すように、ユーザに場所を推薦する地域がユーザ７０２の活動地域７１１である場合、ユーザにマッチしたユーザグループを基準に場所を推薦（個人化推薦方法、ユーザカスタマイズ型推薦方法：符号７３０参照）するようにしてもよい。また、制御部１３０は、図７の（ｃ）に示すように、ユーザに場所を推薦する地域がユーザ７０３の非活動地域（又はその他の地域７２１）である場合、ユーザにマッチしたユーザグループではなく、場所に対する関心度が最も低いユーザグループにマッチした場所推薦方法（統計的方法（第３場所推薦方法）など：符号７４０参照）で推薦場所を抽出するようにしてもよい。第３場所推薦方法により場所が推薦される場合、推薦対象場所が含まれる地域で最も有名な場所（例えば、最も有名なグルメ店）が推薦され得る。
以下、それぞれの場所推薦方法により推薦場所を抽出する方法についてより具体的に説明する。
まず、場所に対する関心度が最も高い第１ユーザグループ６２１にマッチした第１場所推薦方法（ＣｏＦａｃｔｏｒ（６３１）モデリング方法）について説明する。
制御部１３０は、複数のユーザグループのうち、場所に対する関心度が最も高い第１ユーザグループ６２１に対しては、第１場所推薦方法（ＣｏＦａｃｔｏｒ（６３１）モデリング方法）に基づいて、推薦場所を抽出するようにしてもよい。
複数の場所推薦方法のうち、第１場所推薦方法は、ＣｏＦａｃｔｏｒ（６３１）モデリング方法である。第１場所推薦方法は、ｉ）複数のユーザと前記複数のユーザのヒストリ情報に含まれる関心場所との第１関係性、及びｉｉ）複数のユーザのヒストリ情報に含まれる関心場所間の第２関係性に基づいて、推薦場所を抽出するようにしてもよい。
ここで、第１関係性は、ユーザ関心場所嗜好（User-POI Preference）アルゴリズムにより抽出され、第２関係性は、関心場所関連性（POI-POI Relevance）アルゴリズムにより抽出されるようにしてもよい。
第１場所推薦方法は、図８に示すように、前記第１関係性を定義した第１行列９２０（図１０参照）と前記第２関係性を定義した第２行列１４１０（図１４参照）とで前記関心場所に対応する要素を共有するように、第１行列９２０及び第２行列１４１０に対する行列分解（Matrix Factorization, MF）を行う過程１５１０を含んでもよい。
制御部１３０は、前記第１場所推薦方法に基づいて、複数のユーザグループのうち、場所に対する関心度が最も高いユーザグループ（第１ユーザグループ６２１、図６参照）に関する推薦場所を抽出することができる。
まず、第１関係性を抽出する方法について説明する。制御部１３０は、ユーザのヒストリ情報に基づいて、図８に示すように、ユーザ・アイテム（場所）行列（マトリクス）８３０をできるだけ埋める。ここで、各行８１０には、異なるユーザに関する情報が含まれ、各列８２０には、異なるアイテム（場所）に関する情報が含まれるようにしてもよい。よって、行列は、ユーザベクトルとアイテムベクトル（場所ベクトル）とで表される。
異なる場所に関する情報には、各場所におけるユーザのイベントの回数（関心場所と判断するに値する行動に関するイベントの回数）に関する情報が含まれてもよい。
図５のヒストリ情報に基づいて図８の行列８３０を埋めると、制御部１３０は、ヒストリ情報に含まれるイベントの回数を用いて、行列８３０を埋めることができる。例えば、ユーザ１のユーザヒストリ情報に基づいて、場所Ａにおいては１回のイベント（ルート検索）が発生し、場所Ｂにおいては３回のイベント（ブログ検索２回、電話１回）が発生し、場所Ｃにおいては２回のイベント（ルート検索１回、電話１回）が発生し、場所Ｄにおいてはイベントが発生していないことを確認できる。
このように、図８の行列８３０において、ユーザ１に対応する行の各列には、１、３、２、０の要素がそれぞれ埋まる。
上記方法により、制御部１３０は、同じユーザグループ（ここでいうユーザグループは、１次分類によるユーザグループであり得る）に含まれるユーザのヒストリ情報を用いて、行列８３０を完成することができる。図示のように、ユーザ１～ユーザ４毎に、各列に含まれる場所におけるイベントの回数に関する情報が含まれるようにしてもよい。
制御部１３０は、図９の（ａ）に示すように、行列８３０から、ユーザベクトルとアイテムベクトルを分離することができる。また、制御部１３０は、図９の（ｂ）に示すように、ユーザベクトルとアイテムベクトルの積であるＥｘｐｅｃｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ（場所に対するユーザの嗜好行列）とＡｃｔｕａｌ Ｐｒｅｆｅｒｅｎｃｅ（場所に対するユーザの実際の嗜好行列）との差が小さくなるように、ＲＭＳＥ（Root Mean Square Error）が小さくなる方向にユーザベクトルとアイテムベクトルを学習させることができる。このような過程を行列分解という。
さらに、制御部１３０は、図１０の（ａ）及び（ｂ）に示すように、上記過程で得られたユーザベクトルとアイテムベクトルの内積（Inner Product）により、Ｅｘｐｅｃｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ行列９２０（図１０の（ｂ）参照）全体を求めることにより、行列を完成する（Matrix Completion）ことができる。その結果、図１１に示すように、従来ユーザのヒストリ情報が存在しない場所に対応する要素（又は因子）８３１、８３２、８３３、８３４、８３５、８３６が全て埋まる。すなわち、制御部１３０は、上記過程により、Ｍｉｓｓｉｎｇ Ｐｒｅｆｅｒｅｎｃｅ（ユーザの関心度の程度が存在しない場所に関する情報）を抽出することができる。その結果、ユーザ３の場所Ｂにヒストリ情報が埋められ、図１１の符号８３３のように、ユーザ３の場所Ｂにおけるヒストリ情報として「１」が埋まる。
このようなＥｘｐｅｃｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ行列９２０には、従来ユーザが関心を示していない場所に関する関心度情報が含まれ、制御部１３０は、このような行列９２０に基づいて、各ユーザ毎にカスタマイズ型場所を推薦することができる。
制御部１３０は、当該行列９２０から、因子（又は要素）別に数値が最も高い場所を推薦場所として抽出することができる。例えば、ユーザ４に対しては、場所Ｃ及び場所Ｄを推薦する。
一方、制御部１３０は、図５のユーザのヒストリ情報に基づいて埋められた、図８のユーザ・アイテム（又は場所）行列（マトリクス）８３０に対して暗黙的フィードバック（Implicit Feedback）を行い、図１２の（ａ）に示すように、暗黙的フィードバックベースのユーザ・アイテム（又は場所）行列（マトリクス）８３０’を導出することができる。その場合、イベントが存在する場所（アイテム）に対応する因子に１を付与し、当該場所におけるイベントの回数（例えば、クリックの回数）に所定の信頼水準（confidence level）を乗じ、最終的に当該場所に関する嗜好情報を算出する。
このように、暗黙的フィードバックベースの行列に基づいて上記過程を行うと、図１２の（ｂ）に示すように、Ｅｘｐｅｃｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ行列９２０’が導出される。このような暗黙的フィードバックに基づく場所推薦は、ユーザのイベントの回数が相対的に多い場所のみ集中して推薦される問題を防止することができる。
次に、第２関係性を抽出する方法について説明する。以下、前述したＥｘｐｅｃｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ行列を用いて、９２０による行列と９２０’による行列をどちらも用いることができるので、Ｅｘｐｅｃｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ行列の符号を統一して９２０とする。
第２関係性は、関心場所関連性（POI-POI Relevance, POI-POI Interaction）アルゴリズムにより抽出されるようにしてもよい。
ここで、関心場所関連性（POI-POI Relevance）アルゴリズムは、ユーザのヒストリ情報に基づいて、共に頻繁に出現する場所を抽出するものであり、制御部１３０は、当該アルゴリズムに基づいて、関連性のある場所間に関連性を関連付ける役割を果たす。ここで、「共に頻繁に出現する」とは、第１場所におけるイベントが発生すると、それに近い時点で第２場所におけるイベントも共に発生することを意味する。制御部１３０は、ユーザ毎のヒストリ情報内で、共に頻繁に出現する場所に関する情報を抽出することができる。
例えば、図１３に示すように、ユーザ１は、場所Ａ、Ｂ、Ｃに関心を持っており、ユーザ２は、場所Ｂ、Ｃ、Ｄに関心を持っており、ユーザ４は場所Ｂ、Ｃに関心を持っていると仮定する。
ここで、場所Ｂ、Ｃは、ユーザ１、ユーザ２及びユーザ４に対応する複数のユーザのヒストリ情報に共に出現することが分かる。このように、関心場所関連性は、場所間の関連性について具体的に定義されていなくても、場所が複数のユーザのヒストリ情報に共に頻繁に出現するだけで、「場所間で類似した属性（又は特徴）を有する」と定義することから始まる。
制御部１３０は、このような仮定に基づいて、場所間の関連性を抽出するために、図１４に示すように、場所間のアイテム・アイテム行列１４１０を生成することができる。アイテム・アイテム行列１４１０は、ｎ×ｎの行列からなるようにしてもよい。
制御部１３０は、場所間の関連性が存在しない場所（アイテム）に対しても行列の因子を付与するために、ＰＭＩ（Pointwise Mutual Information）技法に基づいて、アイテム間で共に出現する確率を求めることができる。
制御部１３０は、ＰＭＩ技法に基づいて、全てのアイテム（場所）の組み合わせに対して、共に出現する確率を求め、アイテム・アイテム行列１４１０の全ての因子の値を埋めることができる。全ての因子が埋まった行列をＰＭＩ行列ともいう。このようなＰＭＩ行列は、アイテム（場所）ベースの埋め込み（embedding）に活用することができる。
また、制御部１３０は、前述したＲＭＳＥが小さくなる方向に行列分解を行うことができる。その結果、Ｅｘｐｅｃｔｅｄ ＰＭＩ行列が導出される。このようなＥｘｐｅｃｔｅｄ ＰＭＩ行列には符号１４１０を同様に用いる。
一方、制御部１３０は、Ｅｘｐｅｃｔｅｄ ＰＭＩ行列１４１０をアイテムベクトルとコンテクストベクトルに分解（又は因数分解）することができる。このように分解されたアイテムベクトルとコンテクストベクトルは、図１４に示すように、ベクトル空間１４２０上に表現され、ベクトル空間上でのアイテム（場所）間の距離が近いほど関連性が高い場所と理解できる。すなわち、分解されたベクトルは、Ｗｏｒｄ２ｖｅｃのＳｋｉｐ－Ｇｒａｍに類似した属性を有し得る。
一方、制御部１３０は、前述したように、前記第１関係性を定義した第１行列（Ｅｘｐｅｃｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ行列）９２０と前記第２関係性を定義した第２行列１４１０とで場所に対応する要素（アイテムベクトル）を共有するように、第１行列９２０及び第２行列（Ｅｘｐｅｃｔｅｄ ＰＭＩ行列）１４１０に対する行列分解（Matrix Factorization, MF）を行うことができる（図１５参照）。
第１行列９２０と第２行列１４１０とでアイテムベクトルが共有されるので、それぞれの行列で分解（又は因数分解）に用いられたロス（loss）は１つのロスに特定される。その結果、制御部１３０は、第１行列９２０と第２行列１４１０とを組み合わせ、アイテムベクトル、ユーザベクトル、コンテクストベクトルに分解（又は因数分解）できるＣｏＦａｃｔｏｒ Ｍｏｄｅｌを生成することができる。
制御部１３０は、上記方法で導出されたアイテムベクトルとユーザベクトルとによりＥｘｐｅｃｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ（又はＥｘｐｅｃｔｅｄ Ｐｒｅｆｅｒｅｎｃｅ行列）を求め、それに基づいて推薦場所を抽出することができる。
このような第１場所推薦方法によれば、ユーザが関心を示した場所に類似した属性を有する場所を推薦することができ、より様々な場所を推薦することができる。
次に、第２ユーザグループにマッチした第２場所推薦方法（ＰＯＩ２ＶＥＣ）は、複数のユーザのヒストリ情報に含まれる関心場所にそれぞれ対応する単語をベクトル空間上に表現する過程と、前記ベクトル空間から前記推薦場所を抽出する過程とを含んでもよい。
ＰＯＩ２ＶＥＣとは、Ｗｏｒｄ２ｖｅｃ技法に基づいて、ＰＯＩ（ユーザの関心場所）の埋め込みを行ったものを意味する。
ここで、「複数のユーザ」は、前述した１次分類及び２次分類により区分されたユーザグループに含まれるユーザであってもよく、１次分類により区分されたユーザグループに含まれるユーザであってもよい。１次分類により区分されたユーザグループに含まれるユーザには、場所に対する関心度の程度が異なる複数のグループのそれぞれに属するユーザが全て含まれ得る。
制御部１３０は、前記第２場所推薦方法により、前記複数のユーザのそれぞれを基準に、図１６に示すように、ユーザのヒストリ情報に含まれる関心場所にそれぞれ対応する単語のうち少なくとも一部を含む文章を生成することができる。制御部１３０は、ユーザ毎にそれぞれ対応する文章を生成することができる。
例えば、制御部１３０は、ユーザ１～ユーザ５によるユーザのヒストリ情報にそれぞれ含まれる単語１６１０～１６５０を用いて、文章を生成することができる。ここで、生成される文章は、それぞれのユーザに対して互いに区分される文章で構成されてもよい。例えば、ユーザ１に対しては、ユーザ１のヒストリ情報に含まれる関心場所にそれぞれ対応する単語１６１０が含まれる文章が生成され、ユーザ２に対しては、ユーザ２のヒストリ情報に含まれる関心場所にそれぞれ対応する単語１６２０が含まれる文章が生成され、このような方式で、ユーザ３～ユーザ５に対してもそれぞれ対応する単語が含まれる文章が生成されるようにしてもよい。
本発明における単語とは、制御部１３０でデータ処理できる形態の情報をいい、予め設定されたデータベースに登録されたそれぞれの単語に対応する場所のＩＤ（identification number）（又は事業所のＩＤ）を意味する。
また、制御部１３０は、前記文章に対して単語の埋め込みを行い、図１７に示すように、前記文章に含まれる単語をベクトル空間１７１０上に表現することができる。さらに、制御部１３０は、ベクトル空間１７１０上に表現された単語間の距離に基づいて、ユーザに対して推薦場所を抽出することができる。
制御部１３０は、ユーザのヒストリ情報に基づいて、図１７に示すように、場所をベクトル空間１７１０上に表現し、ユーザのベクトルに近い位置のアイテム（場所）を推薦することができる。ここで、ユーザのベクトルとは、場所推薦のターゲットとなる特定のユーザが過去に関心を示した関心場所に対応するベクトルを意味する。
また、制御部１３０は、場所に対する関心度が最も低い第３ユーザグループ４３３に対しては、第３場所推薦方法（統計モデル（３４３）モデリング方法）に基づいて推薦場所を抽出する。第３場所推薦方法により場所が推薦される場合、推薦対象場所が含まれる地域で最も有名な場所（例えば、最も有名なグルメ店）が推薦され得る。
一方、前述したように、場所推薦のターゲットとなるユーザに提供する推薦場所の抽出が完了すると、制御部１３０は、図１８に示すように、抽出された推薦場所情報をユーザの端末機に提供することができる。
制御部１３０は、ユーザの端末機から受信する場所推薦関連イベント（又は場所推薦要求イベント）に基づいて、前記推薦対象場所に関する推薦情報を前記ユーザの端末機に提供することができる。
ここで、場所推薦関連イベントとは、ユーザの端末機から場所推薦要求を受信することを意味する。ユーザは、端末機に対して場所推薦を要求するユーザ入力を供給することができる。場所推薦要求イベントは、非常に様々な経路で受信することができる。例えば、場所推薦要求イベントは、ウェブページ、アプリケーションを介して受信することができる。
制御部１３０は、場所推薦要求を受信すると、ユーザ端末機（又はユーザアカウント）に対応するユーザのヒストリ情報又はユーザのメタデータに基づいて、場所推薦要求に対応する特定のユーザが属するユーザグループを特定することができる。
この場合、制御部１３０は、場所推薦の対象となる地域が特定のユーザの活動地域（又は関心地域）であるか否かを確認し、その後ユーザが属するユーザグループ及び場所推薦方法を決定するようにしてもよい。
例えば、制御部１３０は、場所推薦の対象となる地域が特定のユーザの活動地域である場合、前述した第１及び第２場所推薦方法のうち特定のユーザのユーザグループにマッチした方法で、特定のユーザへの推薦場所を抽出することができる。
この場合、制御部１３０は、場所推薦の対象となった地域で、特定のユーザが関心を持つに値する場所を抽出することができる。
例えば、特定のユーザの主活動地域が「江南区」であり、場所推薦の対象となった地域が「江南区論硯洞」である場合、制御部１３０は、特定のユーザが属するユーザグループを特定し、当該ユーザグループにマッチした場所推薦方法により、推薦場所を抽出することができる。一例として、特定のユーザが第１ユーザグループ又は第２ユーザグループに属する場合、制御部１３０は、図１８に示すように、第１場所推薦方法（ＣｏＦａｃｔｏｒ（１８４１）モデリング方法）又は第２場所推薦方法（ＰＯＩ２ＶＥＣ（１８４２）モデリング方法）に基づいて、特定のユーザに提供する「江南区論硯洞」に位置する推薦場所を抽出するようにしてもよい。
この場合、制御部１３０は、ユーザの端末機に、推薦場所に関する情報１８２０（飲食店「ルモンブラン」）に関する情報及び当該推薦場所の推薦根拠に関する情報１８３０の少なくとも一方を提供するようにしてもよい。
当該推薦場所の推薦根拠に関する情報１８３０には、推薦対象場所の推薦指数１８３１及び推薦対象場所の推薦理由（根拠）１８３２の少なくとも一方に関する情報が含まれてもよい。
ここで、推薦指数は、前述した第１場所推薦方法（ＣｏＦａｃｔｏｒ（１８４１）モデリング方法）又は第２場所推薦方法（ＰＯＩ２ＶＥＣ（１８４２）モデリング方法）に基づいて特定のユーザに対して推薦場所が抽出された場合、当該特定のユーザに推薦された場所の適合度に関するものであり、当該推薦指数が高いほど特定のユーザが関心を持つ確率が高い場所として理解される。
また、推薦理由は、前述した第１場所推薦方法（ＣｏＦａｃｔｏｒ（１８４１）モデリング方法）又は第２場所推薦方法（ＰＯＩ２ＶＥＣ（１８４２）モデリング方法）に基づいて特定のユーザが推薦場所を好むに値する根拠、推薦場所が推薦された根拠に関するものであり、ユーザのヒストリ情報に基づいて抽出される。
一方、制御部１３０は、場所推薦の対象となる地域が特定のユーザの活動地域でない場合、前述した第３場所推薦方法で、特定のユーザへの推薦場所を抽出することができる。
この場合、制御部１３０は、場所推薦の対象となった地域で、最も有名な場所をユーザが関心を持つに値する場所として抽出することができる。
例えば、特定のユーザの主活動地域が「ソウル」であり、場所推薦の対象となった地域が「釜山」である場合、制御部１３０は、場所推薦の対象となった地域に特定のユーザのヒストリ情報に基づいた推薦場所が存在しないと判断することができる。この場合、制御部１３０は、第３場所推薦方法により、推薦対象場所（例えば、釜山）で最も有名な場所を、特定のユーザに場所推薦情報として提供するようにしてもよい。
前述したように、本発明による場所推薦方法及びシステムは、ユーザのヒストリ情報に基づいて、場所に対するユーザの関心度を判断することができ、場所に対するユーザの関心度に基づいて、ユーザに適切な場所推薦方法により推薦場所に関する情報を提供することができる。その結果、本発明による場所推薦方法及びシステムは、全てのユーザに対して画一的な推薦場所に関する情報を提供するのではなく、ユーザ毎の場所に対する関心度を考慮して、ユーザカスタマイズ型の推薦場所に関する情報を提供することができる。よって、ユーザは、場所に対する普段の関心度レベルに合う場所情報の提供を受けることができる。
また、本発明による場所推薦方法及びシステムは、ユーザのヒストリ情報に基づいて、ユーザに推薦された場所の推薦根拠に関する情報を提供することができる。よって、ユーザは、当該場所を利用する上で推薦根拠を参考することができ、それにより、推薦場所の利用に関する判断を容易に行うことができる。
一方、前述した本発明は、コンピュータで１つ以上のプロセスにより実行され、コンピュータ可読媒体（又は記録媒体）に格納可能なプログラムとして実現することができる。
また、前述した本発明は、プログラム記録媒体にコンピュータ可読コード又はコマンドとして実現することができる。すなわち、本発明は、プログラムの形態で提供することができる。
一方、コンピュータ可読媒体は、コンピュータシステムにより読み取り可能なデータが記録されるあらゆる種類の記録装置を含む。コンピュータ可読媒体の例としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Disk）、ＳＤＤ（Silicon Disk Drive）、ＲＯＭ、ＲＡＭ、ＣＤ－ＲＯＭ、磁気テープ、フロッピーディスク、光データ記憶装置などが挙げられる。
また、コンピュータ可読媒体は、ストレージを含み、電子機器が通信によりアクセスできるサーバ又はクラウドストレージであり得る。この場合、コンピュータは、有線又は無線通信により、サーバ又はクラウドストレージから本発明によるプログラムをダウンロードすることができる。
さらに、本発明において、前述したコンピュータは、プロセッサ、すなわち中央処理装置（ＣＰＵ）が搭載された電子機器であり、その種類は特に限定されない。
一方、本発明の詳細な説明は例示的なものであり、あらゆる面で制限的に解釈されてはならない。本発明の範囲は添付の特許請求の範囲の合理的解釈により定められるべきであり、本発明の等価的範囲内でのあらゆる変更が本発明の範囲に含まれる。
１００場所推薦システム
１１０： 通信部
１２０： 保存部
１３０： 制御部
１４０： データベース（ＤＢ）
３００： システム（ヒストリ情報ベースの推薦システム）
３１０： データ（Data）モジュール
３２０： ユーザモデリング（User Modeling）モジュール
３３０： 嗜好モデリング（Preference Modeling）モジュール
３４０： 推薦モデリング（Recommendation Modeling）モジュール
３５０： 後処理（Postprocess）モジュール

Claims (20)

  1. 場所推薦システムにより実行される場所推薦方法であって、前記場所推薦システムが、
    特定のユーザの端末機から場所推薦関連イベントを受信するステップと、
    前記特定のユーザの少なくとも１つの関心場所に関するヒストリ情報に基づいて、場所に対する関心度によって分類される複数のユーザグループのうち、前記特定のユーザが属するユーザグループを特定するステップと、
    複数の場所推薦方法のうち、前記特定されたユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出するステップとを含むことを特徴とする場所推薦方法。
  2. 前記場所推薦システムが、前記特定のユーザの端末機から受信する場所推薦関連イベントに基づいて、前記推薦対象場所に関する推薦情報を前記特定のユーザの端末機に提供するステップをさらに含むことを特徴とする請求項１に記載の場所推薦方法。
  3. 前記推薦情報には、
    前記推薦対象場所の場所名、前記推薦対象場所の推薦指数及び前記推薦対象場所の推薦根拠の少なくとも１つに関する情報が含まれることを特徴とする請求項２に記載の場所推薦方法。
  4. 前記推薦指数は、
    前記特定されたユーザグループにマッチした場所推薦方法により抽出された前記推薦対象場所と前記ヒストリ情報との関係性に基づいて算出されることを特徴とする請求項３に記載の場所推薦方法。
  5. 前記ユーザグループを特定するステップにおいては、
    前記ヒストリ情報を用いて、前記特定のユーザの前記場所に対する関心度の程度を判断し、
    前記複数のユーザグループのうち、前記判断された関心度の程度にマッチしたユーザグループを、前記特定のユーザが属するユーザグループとして特定することを特徴とする請求項１～４のいずれかに記載の場所推薦方法。
  6. 前記ヒストリ情報には、
    前記少なくとも１つの関心場所に関する場所情報と、
    前記少なくとも１つの関心場所に関する予約、文書の選択、情報の保存、コール発信、場所検索及び経路検索の少なくとも１つを行った回数に関するカウント情報とが含まれることを特徴とする請求項１～５のいずれかに記載の場所推薦方法。
  7. 前記ユーザグループを特定するステップにおいては、
    前記ヒストリ情報に含まれる前記カウント情報と、前記特定のユーザのユーザメタデータに対応する他のユーザのヒストリ情報に含まれるカウント情報とを比較するステップと、
    前記比較に基づいて、前記特定のユーザの前記場所に対する関心度の程度を算出するステップとをさらに含むことを特徴とする請求項６に記載の場所推薦方法。
  8. 前記特定のユーザのカウント情報に含まれる回数が、前記他のユーザのカウント情報に含まれる回数より多い場合、
    前記特定のユーザの前記場所に対する関心度は、前記他のユーザの前記場所に対する関心度より高いものとして算出されることを特徴とする請求項７に記載の場所推薦方法。
  9. 前記ユーザメタデータには、前記特定のユーザの性別及び年齢の少なくとも一方に関する情報が含まれることを特徴とする請求項７に記載の場所推薦方法。
  10. 前記複数の場所推薦方法のそれぞれは、
    前記複数のユーザグループのうち、場所推薦のターゲットとなるユーザが属するユーザグループに含まれる複数のユーザのヒストリ情報を用いることを特徴とする請求項１～９のいずれかに記載の場所推薦方法。
  11. 前記複数の場所推薦方法は、前記複数のユーザのヒストリ情報を処理する方法が異なることを特徴とする請求項１０に記載の場所推薦方法。
  12. 前記複数の場所推薦方法のうち、第１場所推薦方法は、
    前記複数のユーザと前記複数のユーザのヒストリ情報に含まれる関心場所との第１関係性、及び前記複数のユーザのヒストリ情報に含まれる関心場所間の第２関係性に基づいて、前記推薦対象場所を抽出する過程を含むことを特徴とする請求項１１に記載の場所推薦方法。
  13. 前記第１場所推薦方法は、
    前記第１関係性を定義した第１行列と前記第２関係性を定義した第２行列とで前記関心場所に対応する要素を共有するように、前記第１行列及び前記第２行列に対する行列分解（Matrix Factorization, MF）を行う過程を含むことを特徴とする請求項１２に記載の場所推薦方法。
  14. 前記複数の場所推薦方法のうち、第２場所推薦方法は、
    前記複数のユーザのヒストリ情報に含まれる関心場所にそれぞれ対応する単語をベクトル空間上に表現する過程と、
    前記ベクトル空間から前記推薦対象場所を抽出する過程とを含むことを特徴とする請求項１１に記載の場所推薦方法。
  15. 前記第２場所推薦方法は、
    前記複数のユーザのそれぞれを基準に、前記関心場所にそれぞれ対応する単語のうち少なくとも一部を含む文章を生成する過程と、
    前記文章に対して単語の埋め込みを行い、前記文章に含まれる単語をベクトル空間上に表現する過程と、
    前記ベクトル空間上に表現された単語間の距離に基づいて、前記推薦対象場所を抽出する過程とを含むことを特徴とする請求項１４に記載の場所推薦方法。
  16. 前記複数の場所推薦方法のうち、第３場所推薦方法は、
    前記複数のユーザのヒストリ情報に含まれる関心場所の統計に基づいて、前記推薦対象場所を抽出する過程を含むことを特徴とする請求項１１に記載の場所推薦方法。
  17. 前記ユーザグループを特定するステップにおいては、
    前記特定のユーザのヒストリ情報に基づいて、前記特定のユーザの活動地域を特定し、
    前記推薦対象場所を抽出する地域が前記特定のユーザの活動地域であるか否かを考慮して、前記特定のユーザが属するユーザグループを特定することを特徴とする請求項１～１６のいずれかに記載の場所推薦方法。
  18. 場所推薦システムにより実行される場所推薦方法であって、前記場所推薦システムが、
    少なくとも１つの関心場所に関する特定のユーザのヒストリ情報を収集するステップと、
    前記ヒストリ情報に基づいて、場所に対する関心度によって分類される複数のユーザグループのうち、前記特定のユーザが属するユーザグループを特定するステップと、
    複数の場所推薦方法のうち、前記特定されたユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出するステップとを含むことを特徴とする場所推薦方法。
  19. 少なくとも１つの関心場所に関する特定のユーザのヒストリ情報を保存する保存部と、
    前記ヒストリ情報に基づいて、場所に対する関心度によって分類される複数のユーザグループのうち、前記特定のユーザが属するユーザグループを特定する制御部とを含み、
    前記制御部は、
    複数の場所推薦方法のうち、前記特定されたユーザグループにマッチした場所推薦方法に基づいて、推薦対象場所を抽出することを特徴とする場所推薦システム。
  20. コンピュータシステムに請求項１～１７のいずれか一項に記載の場所推薦方法を実行させるコンピュータプログラム。
JP2021185654A 2021-01-28 2021-11-15 場所推薦方法及びシステム Active JP7325492B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0012673 2021-01-28
KR1020210012673A KR102655723B1 (ko) 2021-01-28 2021-01-28 장소 추천 방법 및 시스템

Publications (2)

Publication Number Publication Date
JP2022115795A JP2022115795A (ja) 2022-08-09
JP7325492B2 true JP7325492B2 (ja) 2023-08-14

Family

ID=82747608

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021185654A Active JP7325492B2 (ja) 2021-01-28 2021-11-15 場所推薦方法及びシステム

Country Status (2)

Country Link
JP (1) JP7325492B2 (ja)
KR (1) KR102655723B1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010140504A1 (ja) 2009-06-02 2010-12-09 日本電気株式会社 推薦情報提供システム、装置、方法及びプログラム
JP2012079144A (ja) 2010-10-04 2012-04-19 National Institute Of Information & Communication Technology 観光スポット推薦装置およびプログラム
JP2015022532A (ja) 2013-07-19 2015-02-02 株式会社ゼンリンデータコム 場所推薦装置及び場所推薦方法
JP2020153919A (ja) 2019-03-22 2020-09-24 本田技研工業株式会社 サーバ
JP2020154821A (ja) 2019-03-20 2020-09-24 株式会社ミクシィ 記事推奨システム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9152726B2 (en) * 2010-12-01 2015-10-06 Microsoft Technology Licensing, Llc Real-time personalized recommendation of location-related entities
KR101579376B1 (ko) * 2014-05-11 2015-12-21 이정우 주관성 분석을 이용한 사용자 분류와 그에 따른 개인화된 장소 추천 시스템 및 방법
KR20190023721A (ko) * 2017-08-30 2019-03-08 한국과학기술원 세부 장소 관련 온라인 정보의 감성 특성 정형화 장치 및 방법
KR102061331B1 (ko) * 2018-03-22 2019-12-31 네이버 주식회사 아이템 추천 방법 및 시스템
KR102076407B1 (ko) * 2018-04-26 2020-02-11 충북대학교 산학협력단 관심장소 추천 방법 및 관심장소 추천 시스템
KR102410777B1 (ko) * 2019-01-14 2022-06-21 카페24 주식회사 상품 추천 방식 개선 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010140504A1 (ja) 2009-06-02 2010-12-09 日本電気株式会社 推薦情報提供システム、装置、方法及びプログラム
JP2012079144A (ja) 2010-10-04 2012-04-19 National Institute Of Information & Communication Technology 観光スポット推薦装置およびプログラム
JP2015022532A (ja) 2013-07-19 2015-02-02 株式会社ゼンリンデータコム 場所推薦装置及び場所推薦方法
JP2020154821A (ja) 2019-03-20 2020-09-24 株式会社ミクシィ 記事推奨システム
JP2020153919A (ja) 2019-03-22 2020-09-24 本田技研工業株式会社 サーバ

Also Published As

Publication number Publication date
KR102655723B1 (ko) 2024-04-09
JP2022115795A (ja) 2022-08-09
KR20220109249A (ko) 2022-08-04

Similar Documents

Publication Publication Date Title
Dao et al. A novel recommendation model of location-based advertising: Context-Aware Collaborative Filtering using GA approach
US11734717B2 (en) Dynamic predictive similarity grouping based on vectorization of merchant data
US10679246B2 (en) Selecting advertisements from one or more databases for sending to a publisher
Zhao et al. Personalized recommendations of locally interesting venues to tourists via cross-region community matching
Barreneche Governing the geocoded world: Environmentality and the politics of location platforms
JP5602864B2 (ja) 位置ベースのサービスミドルウェア
US20180342004A1 (en) Cumulative success-based recommendations for repeat users
US8954836B1 (en) Systems and methods for directing access to products and services
US20100331016A1 (en) Location-based promotion for a mobile communication network
US11544629B2 (en) Personalized merchant scoring based on vectorization of merchant and customer data
US20160055256A1 (en) Systems and methods for directing access to products and services
JP6725718B2 (ja) 位置基盤情報探索方法およびコンピュータ装置
Bin et al. A travel route recommendation system based on smart phones and IoT environment
US20160055133A1 (en) Systems and methods for directing access to products and services
CN104395901A (zh) 用于促进用户获得内容的方法和系统
Xia et al. Vrer: context-based venue recommendation using embedded space ranking SVM in location-based social network
US11783436B2 (en) Magellan: a context-aware itinerary recommendation system built only using card-transaction data
US9043333B1 (en) Systems and methods for directing access to products and services
Sánchez et al. On the effects of aggregation strategies for different groups of users in venue recommendation
Norouzi et al. Developing Tourism Users’ Profiles with Data‐Driven Explicit Information
Greenstein‐Messica et al. Personal‐discount sensitivity prediction for mobile coupon conversion optimization
US10586163B1 (en) Geographic locale mapping system for outcome prediction
KR20230141654A (ko) 장소 추천 방법 및 시스템
JP7325492B2 (ja) 場所推薦方法及びシステム
Sagar et al. Collaborative Filtering and Regression Techniques based location Travel Recommender System based on social media reviews data due to the COVID-19 Pandemic

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211115

A80 Written request to apply exceptions to lack of novelty of invention

Free format text: JAPANESE INTERMEDIATE CODE: A80

Effective date: 20211126

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20221223

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230207

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230424

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: 20230711

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230801

R150 Certificate of patent or registration of utility model

Ref document number: 7325492

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150