JP7399216B2 - ユーザ嗜好に基づいた場所個人化推薦のための方法、コンピュータシステム、およびコンピュータプログラム - Google Patents

Description

特許法第３０条第２項適用 ウェブサイトの掲載日：２０２１年５月７日 ウェブサイトのアドレス：ｈｔｔｐｓ：／／ｓｅａｒｃｈｃｏｌｌｏｑｕｉｕｍ．ｎａｖｅｒ．ｃｏｍ／２０２１／ 公開された発明の内容：２０２１年５月７日にウェブにより開催された２０２１ ＮＡＶＥＲ Ｓｅａｒｃｈ Ｃｏｌｌｏｑｕｉｕｍ Ｇｌｏｂａｌ Ｒｅ：Ｓｅａｒｃｈにて、ネイバー コーポレーションが、上記アドレスのウェブサイトで「ユーザ嗜好に基づいた場所個人化推薦のための方法、コンピュータシステム、およびコンピュータプログラム」について公開した。

特許法第３０条第２項適用 ホームページのアドレス：ｈｔｔｐｓ：／／ｔｖ．ｎａｖｅｒ．ｃｏｍ／ｖ／２０３１２４７０ 掲載日：２０２１年５月２０日 公開された発明の内容：ネイバー コーポレーションが、上記アドレスのウェブサイトで「ユーザ嗜好に基づいた場所個人化推薦のための方法、コンピュータシステム、およびコンピュータプログラム」について公開した。

以下の説明は、場所（ＰＯＩ：ｐｏｉｎｔ ｏｆ ｉｎｔｅｒｅｓｔ）を推薦する技術に関する。

近年、モバイルやユビキタスのインフラ拡大にともない、各種のサービスが個人に合わせたカスタム型へと進化している。

あるカスタム型サービスでは、ユーザの位置情報や嗜好情報などに基づいて周辺の場所情報を提供することができる。

場所推薦技術の一例として、特許文献１（２０１４年５月２６日公開）には、飲食店や売場などの場所をテーマ別に分類して推薦する技術が開示されている。

韓国公開特許第１０－２０１４－００６２６８４号公報

ユーザの明示的（ｅｘｐｌｉｃｉｔ）な嗜好を反映することで、ユーザの嗜好場所と類似する場所を推薦することができる。

場所とメタデータ基盤の異種グラフ（ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｇｒａｐｈ）を活用したディープラーニングモデルを利用してメタデータの類似する場所を推薦することができる。

コンピュータシステムで実行される場所個人化推薦方法であって、前記コンピュータシステムは、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、前記場所個人化推薦方法は、前記少なくとも１つのプロセッサにより、ＰＯＩ（ｐｏｉｎｔ ｏｆ ｉｎｔｅｒｅｓｔ）に対するユーザフィードバックに基づいて第１のＰＯＩを選定する段階、および前記少なくとも１つのプロセッサにより、ＰＯＩとメタデータとの関係を表現したグラフ基盤のディープラーニングモデルを利用して前記第１のＰＯＩと前記メタデータが類似する第２のＰＯＩを推薦する段階を含む、場所個人化推薦方法を提供する。

一側面によると、前記選定する段階は、前記ユーザフィードバックと関連する少なくとも１つのフィーチャを利用してＰＯＩに対するユーザの嗜好強度を把握する段階、およびＰＯＩに対する前記ユーザの嗜好強度に基づいて前記第１のＰＯＩを選定する段階を含んでよい。

他の側面によると、前記把握する段階は、前記ユーザの関心地域、前記ユーザフィードバックの最新性と反復性、およびフィードバックタイプのうちの少なくとも１つのフィーチャを利用してＰＯＩに対する前記ユーザの嗜好強度を把握してよい。

また他の側面によると、前記場所個人化推薦方法は、前記グラフ基盤のディープラーニングモデルを実現するために、前記少なくとも１つのプロセッサにより、ＰＯＩとＰＯＩのメタデータをノード（ｎｏｄｅ）で定義し、ＰＯＩとメタデータとの関係をエッジ（ｅｄｇｅ）で定義したＰＯＩ－メタデータグラフを異種グラフ（ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｇｒａｐｈ）形態で生成する段階、前記少なくとも１つのプロセッサにより、前記ＰＯＩ－メタデータグラフで共通するメタデータに基づいて各ノードの移動確率を示すメタパス（Ｍｅｔａｐａｔｈ）を生成する段階、および前記少なくとも１つのプロセッサにより、前記メタパスそれぞれを文章として使用し、ワード埋め込み方式により、共通するメタデータを有するＰＯＩが近くに埋め込まれるディープラーニングモデルを実現する段階を含んでよい。

また他の側面によると、前記ディープラーニングモデルを実現する段階は、前記メタパスに対応する各文章に対してスキップグラム（ｓｋｉｐ－ｇｒａｍ）を適用して、共通するメタデータを有するＰＯＩを埋め込む段階を含んでよい。

また他の側面によると、前記推薦する段階は、前記第１のＰＯＩと前記第２のＰＯＩのメタデータ類似性に基づいて前記第２のＰＯＩをランキングする段階を含んでよい。

また他の側面によると、前記推薦する段階は、前記第１のＰＯＩと前記第２のＰＯＩの類似性をメタデータの項目別の類似性として区分して計算する段階、および前記第２のＰＯＩのそれぞれに対して前記第１のＰＯＩと最も類似するメタデータの項目を推薦事由として提供する段階を含んでよい。

さらに他の側面によると、前記推薦する段階は、検索クエリに対し、ＰＯＩに対する検索インデックスに基づいて、前記検索クエリに対応する地域内のＰＯＩのうちで前記第１のＰＯＩと前記メタデータが類似する前記第２のＰＯＩを検索結果として提供する段階を含んでよい。

前記場所個人化推薦方法をコンピュータに実行させるためのコンピュータコンピュータプログラムを提供する。

コンピュータシステムであって、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、前記少なくとも１つのプロセッサは、ＰＯＩに対するユーザフィードバックに基づいて第１のＰＯＩを選定する過程、およびＰＯＩとメタデータとの関係を表現したグラフ基盤のディープラーニングモデルを利用して前記第１のＰＯＩと前記メタデータが類似する第２のＰＯＩを推薦する過程を処理する、コンピュータシステムを提供する。

本発明の実施形態によると、ユーザの明示的な嗜好を場所個人化に反映することで、ユーザの嗜好場所と類似の場所を推薦することができる。

本発明の実施形態によると、場所のメタデータを活用してグラフ基盤の推薦モデルを生成することで、メタデータの類似する場所を推薦することができる。

本発明の一実施形態における、ネットワーク環境の例を示した図である。 本発明の一実施形態における、コンピュータシステムの例を示したブロック図である。 本発明の一実施形態における、コンピュータシステムのプロセッサが含むことができる構成要素の例を示した図である。 本発明の一実施形態における、コンピュータシステムが実行することができる方法の一例を示したフローチャートである。 本発明の一実施形態における、ＰＯＩに対するユーザの嗜好強度をランキングする嗜好モデリング過程を説明するための例示図である。 本発明の一実施形態における、ＰＯＩとメタデータとの関係を利用したグラフを生成する過程を説明するための例示図である。 本発明の一実施形態における、ＰＯＩとメタデータとの関係を利用したグラフを生成する過程を説明するための例示図である。 本発明の一実施形態における、メタデータに基づいたＰＯＩ埋め込み過程を示したフローチャートである。 本発明の一実施形態における、ＰＯＩ－メタデータグラフでメタパスを生成する過程を説明するための例示図である。 本発明の一実施形態における、推薦ＰＯＩをランキングする過程を説明するための例示図である。 本発明の一実施形態における、ＰＯＩ個人化推薦画面を説明するための例示図である。

以下、本発明の実施形態について、添付の図面を参照しながら詳しく説明する。

本発明の実施形態は、場所（ＰＯＩ）を推薦する技術に関する。

本明細書で具体的に開示される事項を含む実施形態は、ユーザの明示的嗜好が反映された場所を基準に、該当の場所とメタデータが類似する場所を推薦することができる。

本発明の実施形態に係る場所個人化推薦システムは、少なくとも１つのコンピュータシステムによって実現されてよく、本発明の実施形態に係る場所個人化推薦方法は、場所個人化推薦システムに含まれる少なくとも１つのコンピュータシステムによって実行されてよい。このとき、コンピュータシステムにおいては、本発明の一実施形態に係るコンピュータプログラムがインストールされて実行されてよく、コンピュータシステムは、実行されたコンピュータプログラムの制御にしたがって本発明の実施形態に係る場所個人化推薦方法を実行してよい。上述したコンピュータプログラムは、コンピュータシステムと結合して場所個人化推薦方法をコンピュータに実行させるためにコンピュータ読み取り可能な記録媒体に記録されてよい。

図１は、本発明の一実施形態における、ネットワーク環境の例を示した図である。図１のネットワーク環境は、複数の電子機器１１０、１２０、１３０、１４０、複数のサーバ１５０、１６０、およびネットワーク１７０を含む例を示している。このような図１は、発明の説明のための一例に過ぎず、電子機器の数やサーバの数が図１のように限定されることはない。また、図１のネットワーク環境は、本実施形態に適用可能な環境のうちの一例を説明したものに過ぎず、本実施形態に適用可能な環境が図１のネットワーク環境に限定されることはない。

複数の電子機器１１０、１２０、１３０、１４０は、コンピュータ装置によって実現される固定端末や移動端末であってよい。複数の電子機器１１０、１２０、１３０、１４０の例としては、スマートフォン、携帯電話、ナビゲーション、ＰＣ（ｐｅｒｓｏｎａｌ ｃｏｍｐｕｔｅｒ）、ノート型ＰＣ、デジタル放送用端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、タブレット、ゲームコンソール、ウェアラブルデバイス、ＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）デバイス、ＶＲ（Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ）デバイス、ＡＲ（Ａｕｇｍｅｎｔｅｄ Ｒｅａｌｉｔｙ）デバイスなどがある。一例として、図１では、電子機器１１０の例としてスマートフォンを示しているが、本発明の実施形態において、電子機器１１０は、実質的に無線または有線通信方式を利用し、ネットワーク１７０を介して他の電子機器１２０、１３０、１４０および／またはサーバ１５０、１６０と通信することのできる多様な物理的なコンピュータ装置のうちの１つを意味してよい。

通信方式が限定されることはなく、ネットワーク１７０が含むことのできる通信網（一例として、移動通信網、有線インターネット、無線インターネット、放送網）を利用する通信方式だけではなく、機器間の近距離無線通信が含まれてもよい。例えば、ネットワーク１７０は、ＰＡＮ（ｐｅｒｓｏｎａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＬＡＮ（ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＣＡＮ（ｃａｍｐｕｓ ａｒｅａ ｎｅｔｗｏｒｋ）、ＭＡＮ（ｍｅｔｒｏｐｏｌｉｔａｎ ａｒｅａ ｎｅｔｗｏｒｋ）、ＷＡＮ（ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、ＢＢＮ（ｂｒｏａｄｂａｎｄ ｎｅｔｗｏｒｋ）、インターネットなどのネットワークのうちの１つ以上の任意のネットワークを含んでよい。さらに、ネットワーク１７０は、バスネットワーク、スターネットワーク、リングネットワーク、メッシュネットワーク、スター－バスネットワーク、ツリーまたは階層的ネットワークなどを含むネットワークトポロジのうちの任意の１つ以上を含んでもよいが、これらに限定されることはない。

サーバ１５０、１６０それぞれは、複数の電子機器１１０、１２０、１３０、１４０とネットワーク１７０を介して通信して命令、コード、ファイル、コンテンツ、サービスなどを提供する１つ以上のコンピュータ装置によって実現されてよい。例えば、サーバ１５０は、ネットワーク１７０を介して接続した複数の電子機器１１０、１２０、１３０、１４０に第１サービスを提供するシステムであってよく、サーバ１６０も、ネットワーク１７０を介して接続した複数の電子機器１１０、１２０、１３０、１４０に第２サービスを提供するシステムであってよい。より具体的な例として、サーバ１５０は、複数の電子機器１１０、１２０、１３０、１４０においてインストールされて実行されるコンピュータプログラムであるアプリケーションを通じて、該当のアプリケーションが目的とするサービス（一例として、場所推薦サービスなど）を第１サービスとして複数の電子機器１１０、１２０、１３０、１４０に提供してよい。他の例として、サーバ１６０は、上述したアプリケーションのインストールおよび実行のためのファイルを複数の電子機器１１０、１２０、１３０、１４０に配布するサービスを第２サービスとして提供してよい。

図２は、本発明の一実施形態における、コンピュータ装置の例を示したブロック図である。上述した複数の電子機器１１０、１２０、１３０、１４０それぞれやサーバ１５０、１６０それぞれは、図２に示したコンピュータシステム２００によって実現されてよい。

このようなコンピュータシステム２００は、図２に示すように、メモリ２１０、プロセッサ２２０、通信インタフェース２３０、および入力／出力インタフェース２４０を含んでよい。

メモリ２１０は、コンピュータ読み取り可能な記録媒体であって、ＲＡＭ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ＲＯＭ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、およびディスクドライブのような永続的大容量記録装置を含んでよい。ここで、ＲＯＭやディスクドライブのような永続的大容量記録装置は、メモリ２１０とは区分される別の永続的記録装置としてコンピュータシステム２００に含まれてもよい。また、メモリ２１０には、オペレーティングシステムと、少なくとも１つのプログラムコードが記録されてよい。このようなソフトウェア構成要素は、メモリ２１０とは別のコンピュータ読み取り可能な記録媒体からメモリ２１０にロードされてよい。このような別のコンピュータ読み取り可能な記録媒体は、フロッピー（登録商標）ドライブ、ディスク、テープ、ＤＶＤ／ＣＤ－ＲＯＭドライブ、メモリカードなどのコンピュータ読み取り可能な記録媒体を含んでよい。他の実施形態において、ソフトウェア構成要素は、コンピュータ読み取り可能な記録媒体ではない通信インタフェース２３０を通じてメモリ２１０にロードされてもよい。例えば、ソフトウェア構成要素は、ネットワーク１７０を介して受信されるファイルによってインストールされるコンピュータプログラムに基づいてコンピュータシステム２００のメモリ２１０にロードされてよい。

プロセッサ２２０は、基本的な算術、ロジック、および入出力演算を実行することにより、コンピュータプログラムの命令を処理するように構成されてよい。命令は、メモリ２１０または通信インタフェース２３０によって、プロセッサ２２０に提供されてよい。例えば、プロセッサ２２０は、メモリ２１０のような記録装置に記録されたプログラムコードにしたがって受信される命令を実行するように構成されてよい。

通信インタフェース２３０は、ネットワーク１７０を介してコンピュータシステム２００が他の装置（一例として、上述した記録装置）と互いに通信するための機能を提供してよい。一例として、コンピュータシステム２００のプロセッサ２２０がメモリ２１０のような記録装置に記録されたプログラムコードにしたがって生成した要求や命令、データ、ファイルなどが、通信インタフェース２３０の制御にしたがってネットワーク１７０を介して他の装置に伝達されてよい。これとは逆に、他の装置からの信号や命令、データ、ファイルなどが、ネットワーク１７０を経てコンピュータシステム２００の通信インタフェース２３０を通じてコンピュータシステム２００に受信されてよい。通信インタフェース２３０を通じて受信された信号や命令、データなどは、プロセッサ２２０やメモリ２１０に伝達されてよく、ファイルなどは、コンピュータシステム２００がさらに含むことのできる記録媒体（上述した永続的記録装置）に記録されてよい。

入力／出力インタフェース２４０は、入力／出力装置２５０とのインタフェースのための手段であってよい。例えば、入力装置は、マイク、キーボード、またはマウスなどの装置を、出力装置は、ディスプレイ、スピーカのような装置を含んでよい。他の例として、入力／出力インタフェース２４０は、タッチスクリーンのように入力と出力のための機能が１つに統合された装置とのインタフェースのための手段であってもよい。入力／出力装置２５０は、コンピュータ装置２００と１つの装置で構成されてもよい。

また、他の実施形態において、コンピュータシステム２００は、図２の構成要素よりも少ないか多くの構成要素を含んでもよい。しかし、大部分の従来技術的構成要素を明確に図に示す必要はない。例えば、コンピュータシステム２００は、上述した入力／出力装置２５０のうちの少なくとも一部を含むように実現されてもよいし、トランシーバ、データベースなどのような他の構成要素をさらに含んでもよい。

以下では、ユーザ嗜好に基づいて場所個人化を推薦するための方法およびシステムの具体的な実施形態について説明する。

図３は、本発明の一実施形態における、コンピュータシステムのプロセッサが含むことのできる構成要素の例を示したブロック図であり、図４は、本発明の一実施形態における、コンピュータシステムが実行することのできる場所個人化推薦方法の一例を示したフローチャートである。

本実施形態に係るコンピュータシステム２００は、クライアントを対象に、クライアント上にインストールされた専用アプリケーションやコンピュータシステム２００と関連するウェブ／モバイルサイトへの接続によって場所推薦サービスを提供してよい。

コンピュータ装置２００のプロセッサ２２０は、以下で説明する場所個人化推薦方法を実行するための構成要素として、図３に示すように、嗜好ＰＯＩ選定部３１０、推薦ＰＯＩ選定部３２０、推薦ＰＯＩランキング部３３０、および推薦ＰＯＩ提供部３４０を含んでよい。実施形態によって、プロセッサ２２０の構成要素は、選択的にプロセッサ２２０に含まれても除外されてもよい。また、実施形態によって、プロセッサ２２０の構成要素は、プロセッサ２２０の機能の表現のために分離されても併合されてもよい。

このようなプロセッサ２２０およびプロセッサ２２０の構成要素は、以下で説明する場所個人化推薦方法に含まれる段階を実行するようにコンピュータシステム２００を制御してよい。例えば、プロセッサ２２０およびプロセッサ２２０の構成要素は、メモリ２１０が含むオペレーティングシステムのコードと、少なくとも１つのプログラムのコードとによる命令（ｉｎｓｔｒｕｃｔｉｏｎ）を実行するように実現されてよい。

ここで、プロセッサ２２０の構成要素は、コンピュータシステム２００に記録されたプログラムコードが提供する命令にしたがってプロセッサ２２０によって実行される、互いに異なる機能（ｄｉｆｆｅｒｅｎｔ ｆｕｎｃｔｉｏｎｓ）の表現であってよい。例えば、コンピュータシステム２００がユーザの嗜好が反映された嗜好ＰＯＩを選定するように上述した命令にしたがってコンピュータシステム２００を制御するプロセッサ２２０の機能的表現として、嗜好ＰＯＩ選定部３１０が利用されてよい。

プロセッサ２２０は、コンピュータシステム２００の制御と関連する命令がロードされたメモリ２１０から必要な命令を読み取ってよい。この場合、前記読み取られた命令は、プロセッサ２２０が以下で説明する場所個人化推薦方法を実行するように制御するための命令を含んでよい。

以下で説明する場所個人化推薦方法に含まれる段階は、図に示したものとは異なる順序で実行されてもよいし、段階のうちの一部が省略されたり追加の過程がさらに含まれたりしてもよい。

図４を参照すると、段階４１０で、嗜好ＰＯＩ選定部３１０は、ユーザの嗜好が反映された第１のＰＯＩ（以下、「嗜好ＰＯＩ」とする）を選定してよい。嗜好ＰＯＩ選定部３１０は、ＰＯＩに対するユーザフィードバックに基づいて嗜好ＰＯＩを選定するようになるが、このとき、ユーザフィードバックのうちで明示的嗜好を示すタイプのフィードバックを使用してよい。例えば、ＰＯＩに対するクリックログは、嗜好強度が比較的低いフィードバックであるため暗黙的（ｉｍｐｌｉｃｉｔ）嗜好に区分してよい。この反面、ＰＯＩに対する「いいね」または推薦リアクションを入力するユーザフィードバック、ＰＯＩをお気に入り場所としてキープするユーザフィードバック、ＰＯＩに対する訪問予約をするユーザフィードバック、レシートなどを用いてＰＯＩに対する訪問認証をするユーザフィードバックなどは、嗜好強度が比較的高い明示的嗜好に区分してよい。嗜好ＰＯＩ選定部３１０は、ユーザが明示的嗜好を示したタイプのフィードバックを含むＰＯＩを、該当のユーザの嗜好ＰＯＩとして選定してよい。

また、嗜好ＰＯＩ選定部３１０は、ＰＯＩに対するユーザの嗜好強度に基づいてユーザの嗜好ＰＯＩを選定してよい。ＰＯＩに対するユーザ嗜好がすべて同じ強度であると理解するのではなく、多数のフィーチャを活用することで選好度に差がある嗜好強度を把握してよい。嗜好ＰＯＩ選定部３１０は、ユーザの嗜好として示された関心地域、最新性、反復性（関心持続性）、嗜好タイプなどに基づいてＰＯＩに対するユーザの嗜好強度を把握してよい。言い換えれば、嗜好ＰＯＩ選定部３１０は、ＰＯＩがユーザの関心地域に位置するか、ここ最近にユーザフィードバックがあったか（最新性）、どれほど頻繁にユーザフィードバックがあったか（反復性）、どのようなタイプのフィードバックを示すか（嗜好タイプ）を考慮した上で、ＰＯＩに対するユーザの選好度差を把握してよい。嗜好ＰＯＩ選定部３１０は、ユーザの嗜好強度が高いＰＯＩを中心に嗜好ＰＯＩを選定してよい。

段階４２０で、推薦ＰＯＩ選定部３２０は、嗜好ＰＯＩ（第１のＰＯＩ）とメタデータが類似する第２のＰＯＩをユーザのための推薦ＰＯＩとして選定してよい。推薦ＰＯＩ選定部３２０は、ＰＯＩとメタデータとの関係を表現したグラフ基盤のディープラーニングモデルを利用して、嗜好ＰＯＩと類似するメタデータを有するＰＯＩを選定してよい。本実施形態では、ＰＯＩとＰＯＩを説明するメタデータをノード（ｎｏｄｅ）で定義し、ＰＯＩとメタデータとの関係をエッジ（ｅｄｇｅ）で定義したグラフを生成してよい。メタデータは、ＰＯＩの事業主などの管理者が入力した情報はもちろん、人工知能基盤の場所検索モデルや統計基盤モデルなどから得た情報を活用してよい。上述した形態のグラフに基づいてＰＯＩを埋め込んでよく、特に、共通するメタデータを有するＰＯＩを近くに埋め込むディープラーニングモデルを実現してよい。推薦ＰＯＩ選定部３２０は、ＰＯＩ埋め込みに基づき、ユーザの嗜好ＰＯＩと類似する性質のＰＯＩを該当のユーザに推薦するためのＰＯＩとして選定してよい。具体的なグラフデザインとモデルデザインについては、以下でより詳しく説明する。

段階４３０で、推薦ＰＯＩランキング部３３０は、ユーザの嗜好ＰＯＩと推薦ＰＯＩの類似度に基づいて推薦ＰＯＩをランキングしてよい。推薦ＰＯＩランキング部３３０は、嗜好ＰＯＩと類似の性質を有する推薦ＰＯＩのうち、メタデータがより類似するＰＯＩを上位にランキングしてよい。一例として、推薦ＰＯＩランキング部３３０は、各メタデータのジャッカード距離（Ｊａｃｃａｒｄ ｄｉｓｔａｎｃｅ）に基づいて嗜好ＰＯＩと推薦ＰＯＩの類似度を計算してよく、類似度が高いほど（例えば、推薦ＰＯＩのうちでジャッカード距離が近いほど）優先的に推薦可能となるように上位にランキングしてよい。

推薦ＰＯＩランキング部３３０は、ＰＯＩのメタデータの類似性を多数の項目に分類して計算してよく、メタデータの相関性を考慮した上で、推薦ＰＯＩに選定された理由、すなわち、推薦事由を決定してよい。例えば、嗜好ＰＯＩと推薦ＰＯＩがレストランである場合、ＰＯＩの類似性をメタデータの項目別（例えば、メニュー類似性、雰囲気類似性、訪問目的類似性）に区分して計算してよく、嗜好ＰＯＩと推薦ＰＯＩの各項目のジャッカード距離うちでジャッカード距離が最も短い項目を推薦事由として説明してよい。言い換えれば、嗜好ＰＯＩとメタデータが類似する推薦ＰＯＩを提供するにあたり、推薦ＰＯＩのそれぞれに対して嗜好ＰＯＩと最も類似する項目を推薦事由として提供してよい。

このように、本発明の実施形態によると、場所の類似性を多数の項目に分類することで、場所に対する推薦結果とともに場所の類似項目を推薦事由として提供することができる。

段階４４０で、推薦ＰＯＩ提供部３４０は、ユーザから入力された検索クエリに対し、ユーザの嗜好ＰＯＩとメタデータが類似する推薦ＰＯＩのうちで検索クエリに対応する地域内のＰＯＩを検索結果として提供してよい。推薦ＰＯＩ提供部３４０は、「釜山のグルメ店」や「カロスキルのグルメ店」などのように地名やスポット名を含んだ検索クエリに対し、リアルタイムで検索クエリに対応する地域内の推薦可能なＰＯＩのうちでユーザの嗜好ＰＯＩとメタデータが類似する推薦ＰＯＩを検索結果として提供しててよい。一例として、推薦ＰＯＩ提供部３４０は、検索エンジン（例えば、Ｅｌａｓｔｉｃｓｅａｒｃｈ、ＦＡＩＳＳなど）を基盤に、嗜好ＰＯＩと推薦ＰＯＩに対して事前に保存しておいた検索インデックスに基づいてリアルタイムで検索クエリに対応する地域内のＰＯＩを推薦してよい。

このように、本発明の実施形態によると、リアルタイムで検索クエリに対応する地域内の場所をユーザ嗜好に基づいて推薦することができる。

図５は、本発明の一実施形態における、ＰＯＩに対するユーザの嗜好強度をランキングする嗜好モデリング過程を説明するための例示図である。

本実施形態では、多様な協調フィルタリング（Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ）が反映されるようにＰＯＩを埋め込むために、ＰＯＩに対するユーザの選好度差を考慮する。

ＰＯＩに対する「いいね」、キープ（お気に入り）、訪問予約、訪問認証などによってユーザの明示的嗜好が示されたＰＯＩ５０１には、ユーザとの関係を定義するにあたり、ユーザの嗜好強度による加重値が付与されてよい。

図５を参照すると、プロセッサ２２０は、ユーザの関心地域、最新性、反復性（関心持続性）、嗜好タイプなどに基づいて、ＰＯＩ５０１に対するユーザの嗜好強度をモデリングしてよい。プロセッサ２２０は、ＰＯＩ５０１がユーザの関心地域に位置するか、ＰＯＩ５０１に対してここ最近にユーザフィードバックがあったか（最新性）、どれほど頻繁にユーザフィードバックがあったか（反復性）、どのようなタイプのフィードバックを示すか（嗜好のタイプ）などを考慮した上でユーザの選好度差を把握してよい。

例えば、ＰＯＩ＿１、ＰＯＩ＿２、ＰＯＩ＿３にユーザＡ（Ｕｓｅｒ＿Ａ）の明示的嗜好が表れた場合、上述した嗜好モデリングを利用してＰＯＩ５０１に対するユーザの嗜好強度をランキングすると、ＰＯＩ＿１、ＰＯＩ＿２、ＰＯＩ＿３の順にユーザＡ（Ｕｓｅｒ＿Ａ）が選好すると定義されてよい。

ＰＯＩ５０１に対してユーザの選好度差を分析することにより、ユーザがより選好するＰＯＩにはより高い加重値を付与し、あまり選好しないＰＯＩにはより低い加重値を付与してよい。

プロセッサ２２０は、ユーザの明示的嗜好が表れたＰＯＩ５０１のうちから、推薦ＰＯＩ選定に活用するための嗜好ＰＯＩを嗜好強度に基づいて選定してよい。例えば、プロセッサ２２０は、ユーザの明示的嗜好が表れたＰＯＩ５０１のうちから、ユーザの嗜好強度による加重値が一定のレベル以上のＰＯＩを該当のユーザの嗜好ＰＯＩとして選定してよい。

図６および図７は、本発明の一実施形態における、ＰＯＩとメタデータとの関係を利用したグラフを生成する過程を説明するための例示図である。

プロセッサ２２０は、ＰＯＩコンテキストを反映するために知識グラフ（Ｋｎｏｗｌｅｄｇｅ Ｇｒａｐｈ）を利用してよい。ここで、知識グラフとは、特定のドメインに対する知識をグラフ形式で保存するものであり、ノードをエンティティで構成してノードレベルをタイプで指定してノードとの関係をエッジで表現するものである。

図６を参照すると、本実施形態で活用しようとする知識グラフ６００のノードは、合計３つのタイプで構成される。１つ目のノードは、推薦対象となるＰＯＩ６０１で構成される。ここで、ＰＯＩ６０１は、ユーザによって明示的嗜好が示された嗜好ＰＯＩ５０１を意味してよい。２つ目のノードは、メタデータ６０２で構成される。このとき、メタデータ６０２は、ＰＯＩ６０１に対する多様な情報を意味するものであり、レストランの場合は、雰囲気、メニュー、業種、集まりの場所としての例示（例えば、お見合い、飲み会、デートなど）などを含んでよい。３つ目のノードは、ユーザ６０３で構成される。一例として、ＰＯＩ６０１に対して多様なフィードバックによって明示的嗜好を示したユーザを意味してよい。

ＰＯＩ６０１とメタデータ６０２との関係を定義するにあたり、事業主などの管理者が入力した情報、さらに統計基盤モデルや自然語処理基盤モデルなどから抽出されたデータを活用してよい。

ＰＯＩ６０１とユーザ６０３との関係は、ＰＯＩ６０１に対する多様なユーザフィードバックによって定義されてよい。一例として、ＰＯＩ６０１に対するユーザフィードバックのうち、「いいね」、キープ（お気に入り）、訪問予約、訪問認証などのような明示的嗜好を示すタイプのフィードバックを活用してよい。

プロセッサ２２０は、知識グラフ６００からＰＯＩ６０１ノードとメタデータ６０２ノードを投影して、図７に示すように、ＰＯＩとメタデータとの関係を表現したＰＯＩ－メタデータグラフ７００を異種グラフ形態で生成してよい。異種グラフは、２種類のノードを有しながら、ＰＯＩ６０１を説明するメタデータ６０２とグラフが本来有しているローカル構造を適切に保存することができる２部グラフ（Ｂｉｐａｒｔｉｔｅ Ｇｒａｐｈ）形態で構成されてよい。

プロセッサ２２０は、２部グラフ形態でＰＯＩ－メタデータグラフ７００を生成してよく、ＰＯＩ－メタデータグラフ７００は、ＰＯＩ６０１ノードグループとメタデータ６０２ノードグループに分けられ、互いに異なるタイプのノードがエッジで連結されてよい。１つのＰＯＩ６０１ノードは、少なくとも１つ以上のメタデータ６０２ノードと連結してよい。

図８は、本発明の一実施形態における、メタデータに基づくＰＯＩ埋め込み過程を示したフローチャートである。

図８を参照すると、段階８０１で、プロセッサ２２０は、ＰＯＩ－メタデータグラフ７００で共通メタデータに基づいて各ノードの移動確率を示すメタパス（Ｍｅｔａｐａｔｈ）を生成してよい。プロセッサ２２０は、ドメイン知識とデータセットの特性に基づいて、ＰＯＩ－メタデータグラフ７００内のメタパスを定義してよい。

段階８０２で、プロセッサ２２０は、ＰＯＩ－メタデータグラフ７００から生成されたメタパスを文章として使用し、ワード埋め込み方式を利用してノードを埋め込んでよい。このとき、プロセッサ２２０は、共通するメタデータを有するＰＯＩを近くに埋め込んでよい。言い換えれば、プロセッサ２２０は、メタパスで構成された埋め込みモデルであるＭｅｔａｐａｔｈ２ｖｅｃモデルを利用してＰＯＩを埋め込んでよい。

図９は、本発明の一実施形態における、ＰＯＩ－メタデータグラフでメタパスを生成する過程を説明するための例示図である。

図９を参照すると、プロセッサ２２０は、ＰＯＩ－メタデータグラフ７００で共通メタデータに基づいて各ノードの移動確率を示すメタパス９００を生成してよい。一例として、プロセッサ２２０は、メタパス９００を生成するにあたりランダムワーク（ｒａｎｄｏｍ ｗａｌｋ）を活用してよい。このとき、ランダムワークの規則は、ドメイン知識に基づいて定義されてよい。

ランダムワークの規則は、数式（１）のように定義されてよい。

ここで、Ｐは、ノードｉからノードｊへの移動確率を意味するものであり、数式（２）のように定義されてよい。

ノードｉからノードｊに移動するランダムワークの確率を、ノードｉから移動することが可能なすべての他のノードへの確率の合計に対するノードｉからノードｊに移動する確率の割合で定義してよい。このとき、各ノードの移動確率を０あるいは１で表現してよい。

学習データ内でＰＯＩ＿ｉとＰＯＩ＿ｋが連続的に登場してＰＯＩ＿ｉとＰＯＩ＿ｋに共通するｍｅｔａｄａｔａ＿ｊがある場合、ＰＯＩ＿ｉとｍｅｔａｄａｔａ＿ｊの確率は１となり、ｍｅｔａｄａｔａ＿ｊとＰＯＩ＿ｋの確率も１となる。

例えば、図９に示すように、ユーザがＰＯＩ＿２とＰＯＩ＿４に対して明示的嗜好を示した場合、ＰＯＩ＿２とＰＯＩ＿４はメタデータ「高級」を共通して有しているため、ＰＯＩ＿２からメタデータ「高級」への確率とメタデータ「高級陣」からＰＯＩ＿４への確率は１となる。

このように、各ユーザが選好するＰＯＩの共通メタデータに基づいて各ノードの移動確率を定義することができ、これによってランダムワークを実行することによって複数のメタパス９００を生成することができる。

プロセッサ２２０は、メタパス９００それぞれを文章として考慮すれば、該当の文章に対して各単語が文字のｎ－グラムベクトルの組み合わせで表現されるスキップグラム（ｓｋｉｐ－ｇｒａｍ）を等しく適用してよく、これによってＰＯＩを埋め込んでよい。

ＰＯＩ埋め込みにスキップグラムを適用するために、各メタパス９００を文章で入力すると同時に、該当のメタパス９００内のすべてのノードを中心単語（ｃｅｎｔｅｒ ｗｏｒｄ）として代入し、中心単語を基準としてウィンドウサイズ範囲内のノードを周辺単語（ａｒｏｕｎｄ ｗｏｒｄ）として代入してよい。

したがって、プロセッサ２２０は、ＰＯＩとメタデータとの関係を表現したグラフに基づいて共通メタデータを有するＰＯＩを近くに埋め込むことができるＭｅｔａｐａｔｈ２ｖｅｃモデルを実現することができ、Ｍｅｔａｐａｔｈ２ｖｅｃモデルを利用してユーザが選好する嗜好ＰＯＩとメタデータが類似する推薦ＰＯＩを選定することができる。

図１０は、本発明の一実施形態における、推薦ＰＯＩをランキングする過程を説明するための例示図である。

図１０を参照すると、プロセッサ２２０は、嗜好ＰＯＩ１００１に対するインデックス検索によってＭｅｔａｐａｔｈ２ｖｅｃモデルから選定された少なくとも１つの推薦ＰＯＩ１００２を取得してよく、嗜好ＰＯＩ１００１と推薦ＰＯＩ１００２の類似度に基づいて推薦ＰＯＩ１００２をランキングしてよい。

プロセッサ２２０は、嗜好ＰＯＩ１００１と推薦ＰＯＩ１００２の類似度を計算してよい。例えば、ジャッカード距離（Ｄ）が近いほど、嗜好ＰＯＩ１００１と推薦ＰＯＩ１００２の類似度が高いと判断してよい。例えば、嗜好ＰＯＩ１００１に対する推薦ＰＯＩ１００２のうちで嗜好ＰＯＩ１００１との類似度が最も高いＰＯＩを最終推薦対象として選定してよい。

プロセッサ２２０は、嗜好ＰＯＩ１００１と最終推薦対象として選定された推薦ＰＯＩ１００２のメタデータの相関性を考慮した上で、最終推薦対象として選定された理由（推薦事由）を決定してよい。

プロセッサ２２０は、推薦ＰＯＩ１００２のうちでＰＯＩ＿２が嗜好ＰＯＩ１００１と最も類似する最終推薦対象として選定された場合、メタデータの各項目の類似度、例えば、メニュー、雰囲気、訪問目的それぞれに対して嗜好ＰＯＩ１００１とＰＯＩ＿２の類似度を計算してよい。例えば、嗜好ＰＯＩ１００１とＰＯＩ＿２の各項目の類似性のうちでジャッカード距離（Ｄ）が最も近い項目を、ＰＯＩ＿２を最終推薦対象に選定した理由として選定してよい。嗜好ＰＯＩ１００１とＰＯＩ＿２との間でメニュー類似性が最も高く把握された場合、ＰＯＩ＿２の推薦事由として嗜好ＰＯＩ１００１とメニューが類似する場所であることを説明してよい。

図１１は、本発明の一実施形態における、ＰＯＩ個人化推薦画面を説明するための例示図である。

図１１は、場所と関連する検索クエリに対して場所推薦結果を提供するＰＯＩ個人化推薦画面１１００を示している。

図１１を参照すると、プロセッサ２２０は、ユーザから場所検索と関連する検索クエリが入力される場合、該当の検索クエリに対してユーザ嗜好基盤の場所推薦のためのＰＯＩリスト１１１０を提供してよい。

このとき、プロセッサ２２０は、ユーザの検索クエリに対し、検索クエリに該当する地域内のＰＯＩのうちからユーザの嗜好ＰＯＩとメタデータが類似する推薦ＰＯＩを選別してリアルタイムで提供してよい。

ＰＯＩリスト１１１０は、ユーザの明示的嗜好が表れた嗜好ＰＯＩとメタデータが類似する推薦ＰＯＩで構成されてよく、ＰＯＩリスト１１１０に含まれた推薦ＰＯＩそれぞれに対し、選定基準となった嗜好ＰＯＩと推薦事由に関する情報がともに表示されてよい。言い換えれば、プロセッサ２２０は、検索クエリに対応する検索結果としてＰＯＩリスト１１１０を表示するにあたり、ＰＯＩリスト１１１０上の推薦ＰＯＩそれぞれに対し、該当のＰＯＩがどのような嗜好ＰＯＩとどのような項目のメタデータが類似するから推薦されたかという具体的な推薦事由１１０１をともに表示してよい。

このように、本発明の実施形態によると、ユーザの明示的嗜好を場所個人化に反映することで、ユーザの嗜好場所と類似の場所を推薦することができる。また、本発明の実施形態によると、場所のメタデータを活用してグラフ基盤の推薦モデルを生成することで、メタデータが類似する場所を推薦することができる。さらに、本発明の実施形態によると、場所の類似性を複数の項目に分類することで、場所に対する推薦結果とともに場所の類似項目を推薦事由として提供することができる。

上述した装置は、ハードウェア構成要素、ソフトウェア構成要素、および／またはハードウェア構成要素とソフトウェア構成要素との組み合わせによって実現されてよい。例えば、実施形態で説明された装置および構成要素は、プロセッサ、コントローラ、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、デジタル信号プロセッサ、マイクロコンピュータ、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＰＬＵ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｕｎｉｔ）、マイクロプロセッサ、または命令を実行して応答することができる様々な装置のように、１つ以上の汎用コンピュータまたは特殊目的コンピュータを利用して実現されてよい。処理装置は、オペレーティングシステム（ＯＳ）およびＯＳ上で実行される１つ以上のソフトウェアアプリケーションを実行してよい。また、処理装置は、ソフトウェアの実行に応答し、データにアクセスし、データを記録、操作、処理、および生成してもよい。理解の便宜のために、１つの処理装置が使用されるとして説明される場合もあるが、当業者であれば、処理装置が複数個の処理要素および／または複数種類の処理要素を含んでもよいことが理解できるであろう。例えば、処理装置は、複数個のプロセッサまたは１つのプロセッサおよび１つのコントローラを含んでよい。また、並列プロセッサのような、他の処理構成も可能である。

ソフトウェアは、コンピュータプログラム、コード、命令、またはこれらのうちの１つ以上の組み合わせを含んでもよく、思うままに動作するように処理装置を構成したり、独立的または集合的に処理装置に命令したりしてよい。ソフトウェアおよび／またはデータは、処理装置に基づいて解釈されたり、処理装置に命令またはデータを提供したりするために、いかなる種類の機械、コンポーネント、物理装置、コンピュータ記録媒体または装置に具現化されてよい。ソフトウェアは、ネットワークによって接続されたコンピュータシステム上に分散され、分散された状態で記録されても実行されてもよい。ソフトウェアおよびデータは、１つ以上のコンピュータ読み取り可能な記録媒体に記録されてよい。

実施形態に係る方法は、多様なコンピュータ手段によって実行可能なプログラム命令の形態で実現されてコンピュータ読み取り可能な媒体に記録されてよい。ここで、媒体は、コンピュータ実行可能なプログラムを継続して記録するものであっても、実行またはダウンロードのために一時記録するものであってもよい。また、媒体は、単一または複数のハードウェアが結合した形態の多様な記録手段または格納手段であってよく、あるコンピュータシステムに直接接続する媒体に限定されることはなく、ネットワーク上に分散して存在するものであってもよい。媒体の例としては、ハードディスク、フロッピー（登録商標）ディスク、および磁気テープのような磁気媒体、ＣＤ－ＲＯＭおよびＤＶＤのような光媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）のような光磁気媒体、およびＲＯＭ、ＲＡＭ、フラッシュメモリなどを含み、プログラム命令が記録されるように構成されたものであってよい。また、媒体の他の例として、アプリケーションを配布するアプリケーションストアやその他の多様なソフトウェアを供給または配布するサイト、サーバなどで管理する記録媒体または格納媒体が挙げられる。

以上のように、実施形態を、限定された実施形態および図面に基づいて説明したが、当業者であれば、上述した記載から多様な修正および変形が可能であろう。例えば、説明された技術が、説明された方法とは異なる順序で実行されたり、かつ／あるいは、説明されたシステム、構造、装置、回路などの構成要素が、説明された方法とは異なる形態で結合されたりまたは組み合わされたり、他の構成要素または均等物によって対置されたり置換されたとしても、適切な結果を達成することができる。

したがって、異なる実施形態であっても、特許請求の範囲と均等なものであれば、添付される特許請求の範囲に属する。

２２０：プロセッサ
３１０：嗜好ＰＯＩ選定部
３２０：推薦ＰＯＩ選定部
３３０：推薦ＰＯＩランキング部
３４０：推薦ＰＯＩ提供部

Claims (15)

1. コンピュータシステムで実行される場所個人化推薦方法であって、
   前記コンピュータシステムは、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、
   前記場所個人化推薦方法は、
   前記少なくとも１つのプロセッサにより、ＰＯＩ（ｐｏｉｎｔ ｏｆ ｉｎｔｅｒｅｓｔ）に対するユーザフィードバックに基づいて第１のＰＯＩを選定する段階、および
   前記少なくとも１つのプロセッサにより、ＰＯＩとメタデータとの関係を表現したグラフ基盤のディープラーニングモデルを利用して前記第１のＰＯＩと前記メタデータが類似する第２のＰＯＩを推薦する段階
   を含む、場所個人化推薦方法。
2. 前記選定する段階は、
   前記ユーザフィードバックと関連する少なくとも１つのフィーチャを利用してＰＯＩに対するユーザの嗜好強度を把握する段階、および
   ＰＯＩに対する前記ユーザの嗜好強度に基づいて前記第１のＰＯＩを選定する段階
   を含む、請求項１に記載の場所個人化推薦方法。
3. 前記把握する段階は、
   前記ユーザの関心地域、前記ユーザフィードバックの最新性と反復性、およびフィードバックタイプのうちの少なくとも１つのフィーチャを利用してＰＯＩに対する前記ユーザの嗜好強度を把握すること
   を特徴とする、請求項２に記載の場所個人化推薦方法。
4. 前記場所個人化推薦方法は、
   前記グラフ基盤のディープラーニングモデルを実現するために、
   前記少なくとも１つのプロセッサにより、ＰＯＩとＰＯＩのメタデータをノードで定義し、ＰＯＩとメタデータとの関係をエッジで定義したＰＯＩ－メタデータグラフを異種グラフの形態で生成する段階、
   前記少なくとも１つのプロセッサにより、前記ＰＯＩ－メタデータグラフで共通するメタデータに基づいて各ノードの移動確率を示すメタパスを生成する段階、および
   前記少なくとも１つのプロセッサにより、前記メタパスのそれぞれを文章として使用し、ワード埋め込み方式により、共通するメタデータを有するＰＯＩを近くに埋め込むディープラーニングモデルを実現する段階
   を含む、請求項１～３のうちのいずれか一項に記載の場所個人化推薦方法。
5. 前記ディープラーニングモデルを実現する段階は、
   前記メタパスに対応する各文章に対してスキップグラムを適用することで、共通するメタデータを有するＰＯＩを埋め込む段階
   を含む、請求項４に記載の場所個人化推薦方法。
6. 前記推薦する段階は、
   前記第１のＰＯＩと前記第２のＰＯＩのメタデータ類似性に基づいて前記第２のＰＯＩをランキングする段階
   を含む、請求項１～３のうちのいずれか一項に記載の場所個人化推薦方法。
7. 前記推薦する段階は、
   前記第１のＰＯＩと前記第２のＰＯＩの類似性をメタデータの項目別の類似性として区分して計算する段階、および
   前記第２のＰＯＩのそれぞれに対し、前記第１のＰＯＩと最も類似するメタデータの項目を推薦事由として提供する段階
   を含む、請求項１～３のうちのいずれか一項に記載の場所個人化推薦方法。
8. 前記推薦する段階は、
   検索クエリに対し、ＰＯＩに対する検索インデックスに基づいて、前記検索クエリに対応する地域内のＰＯＩのうち、前記第１のＰＯＩと前記メタデータが類似する前記第２のＰＯＩを検索結果として提供する段階
   を含む、請求項１～３のうちのいずれか一項に記載の場所個人化推薦方法。
9. 請求項１～３のうちのいずれか一項に記載の場所個人化推薦方法をコンピュータに実行させるためのコンピュータプログラム。
10. コンピュータシステムであって、
    メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサ
    を含み、
    前記少なくとも１つのプロセッサは、
    ＰＯＩに対するユーザフィードバックに基づいて第１のＰＯＩを選定する過程、および
    ＰＯＩとメタデータとの関係を表現したグラフ基盤のディープラーニングモデルを利用して前記第１のＰＯＩと前記メタデータが類似する第２のＰＯＩを推薦する過程
    を処理する、コンピュータシステム。
11. 前記少なくとも１つのプロセッサは、
    ユーザの関心地域、前記ユーザフィードバックの最新性と反復性、およびフィードバックタイプのうちの少なくとも１つのフィーチャを利用してＰＯＩに対するユーザの嗜好強度を把握し、
    ＰＯＩに対する前記ユーザの嗜好強度に基づいて前記第１のＰＯＩを選定すること
    を特徴とする、請求項１０に記載のコンピュータシステム。
12. 前記少なくとも１つのプロセッサは、
    前記グラフ基盤のディープラーニングモデルを実現するために、
    ＰＯＩとＰＯＩのメタデータをノードで定義し、ＰＯＩとメタデータとの関係をエッジで定義したＰＯＩ－メタデータグラフを異種グラフの形態で生成し、
    前記ＰＯＩ－メタデータグラフで共通するメタデータに基づいて各ノードの移動確率を示すメタパスを生成し、
    前記メタパスのそれぞれを文章として使用し、ワード埋め込み方式により、共通するメタデータを有するＰＯＩを近くに埋め込むディープラーニングモデルを実現すること
    を特徴とする、請求項１０または１１に記載のコンピュータシステム。
13. 前記少なくとも１つのプロセッサは、
    前記第１のＰＯＩと前記第２のＰＯＩのメタデータ類似性に基づいて前記第２のＰＯＩをランキングすること
    を特徴とする、請求項１０または１１に記載のコンピュータシステム。
14. 前記少なくとも１つのプロセッサは、
    前記第１のＰＯＩと前記第２のＰＯＩの類似性をメタデータの項目別の類似性として区分して計算し、
    前記第２のＰＯＩのそれぞれに対し、前記第１のＰＯＩと最も類似するメタデータの項目を推薦事由として提供すること
    を特徴とする、請求項１０または１１に記載のコンピュータシステム。
15. 前記少なくとも１つのプロセッサは、
    検索クエリに対し、ＰＯＩに対する検索インデックスに基づいて、前記検索クエリに対応する地域内のＰＯＩのうち、前記第１のＰＯＩと前記メタデータが類似する前記第２のＰＯＩを検索結果として提供すること
    を特徴とする、請求項１０または１１に記載のコンピュータシステム。

Images