JPH09265478A - 情報フィルタリング方式 - Google Patents
情報フィルタリング方式Info
- Publication number
- JPH09265478A JPH09265478A JP8075781A JP7578196A JPH09265478A JP H09265478 A JPH09265478 A JP H09265478A JP 8075781 A JP8075781 A JP 8075781A JP 7578196 A JP7578196 A JP 7578196A JP H09265478 A JPH09265478 A JP H09265478A
- Authority
- JP
- Japan
- Prior art keywords
- information
- degree
- item
- user
- similarity
- 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.)
- Granted
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】 フィルタリング精度の高い情報フィルタリン
グ方式を提供する。 【解決手段】 多数の情報やサービスの中から利用者の
興味や嗜好に合うものを推薦する情報フィルタリング方
式であって、情報やサービスに対する複数の利用者の評
価結果である項目評価情報が蓄積される記憶装置と、項
目評価情報を使用してフィルタリング要求をした要求者
と他の利用者との類似度を算出する利用者間類似度算出
手段と、項目評価情報および類似度から要求者の興味や
嗜好に合うか否かの度合を示す適合度を推定する適合度
推定手段と、適合度から情報やサービスを選択して出力
する項目選択手段とを有する情報フィルタリング方式に
おいて、利用者間類似度算出手段の算出結果から似た興
味や嗜好を持つ利用者の人数を求め、利用者近傍での局
所的な人口密度を計算する人口密度算出手段を有し、適
合度推定手段は、項目評価情報、類似度、及び人口密度
から適合度を推定する。
グ方式を提供する。 【解決手段】 多数の情報やサービスの中から利用者の
興味や嗜好に合うものを推薦する情報フィルタリング方
式であって、情報やサービスに対する複数の利用者の評
価結果である項目評価情報が蓄積される記憶装置と、項
目評価情報を使用してフィルタリング要求をした要求者
と他の利用者との類似度を算出する利用者間類似度算出
手段と、項目評価情報および類似度から要求者の興味や
嗜好に合うか否かの度合を示す適合度を推定する適合度
推定手段と、適合度から情報やサービスを選択して出力
する項目選択手段とを有する情報フィルタリング方式に
おいて、利用者間類似度算出手段の算出結果から似た興
味や嗜好を持つ利用者の人数を求め、利用者近傍での局
所的な人口密度を計算する人口密度算出手段を有し、適
合度推定手段は、項目評価情報、類似度、及び人口密度
から適合度を推定する。
Description
【０００１】
【発明の属する技術分野】本発明は多数の情報やサービ
ス中からの利用者の興味や嗜好に合う情報やサービスを
推薦する情報フィルタリング方式に関するものである。
ス中からの利用者の興味や嗜好に合う情報やサービスを
推薦する情報フィルタリング方式に関するものである。
【０００２】
【従来の技術】情報フィルタリング方式とはデータベー
ス、パソコン通信、およびＷＷＷ（World Wide Web）な
どの情報システムが提供する大量の情報や多数のサービ
ス（以下対象項目と称す）の中から、利用者の興味や嗜
好に合うもの推薦したりフィルタリングする方式であ
る。
ス、パソコン通信、およびＷＷＷ（World Wide Web）な
どの情報システムが提供する大量の情報や多数のサービ
ス（以下対象項目と称す）の中から、利用者の興味や嗜
好に合うもの推薦したりフィルタリングする方式であ
る。
【０００３】従来の情報フィルタリング方式では、興味
対象そのものである一次情報を直接検索して取り出す方
式や、題名、著者名、キーワード、単語出現頻度などの
二次情報を利用してフィルタリングを行ない所望の情報
を取り出す方式が採用されている。
対象そのものである一次情報を直接検索して取り出す方
式や、題名、著者名、キーワード、単語出現頻度などの
二次情報を利用してフィルタリングを行ない所望の情報
を取り出す方式が採用されている。
【０００４】ところで、近年、対象項目に対する複数の
利用者の評価結果を蓄積し、その項目評価情報を用いて
利用者の興味や嗜好に合う項目を選び出し、推薦やフィ
ルタリングを行なうソーシャルフィルタリングまたはコ
ラボレーティブフィルタリングと呼ばれる方式が研究・
開発されている。
利用者の評価結果を蓄積し、その項目評価情報を用いて
利用者の興味や嗜好に合う項目を選び出し、推薦やフィ
ルタリングを行なうソーシャルフィルタリングまたはコ
ラボレーティブフィルタリングと呼ばれる方式が研究・
開発されている。
【０００５】このソーシャルフィルタリング方式の例と
して、例えば、プロシーディングス・オブ・ザ・シーエ
スシーダブリュ１９９４(proceedings of the cscw 199
4)１９９４年エイシーエムプレス(acm press)１７５頁
から１８６頁米国では、ＭＩＴ（Massachusetts Instit
ute of Technology：マサチューセッツ工科大学）で行
っている音楽用アルバムを対象にしたフィルタリングシ
ステムについて紹介され、プロシーディングス・オブ・
ザ・シーエイチアイ９５(proceedings of thechi 95)１
９９５年エイシーエムプレス(acm press)２１０頁から
２１７頁米国では、電子メールを対象としたフィルタリ
ングシステムについて紹介されている。
して、例えば、プロシーディングス・オブ・ザ・シーエ
スシーダブリュ１９９４(proceedings of the cscw 199
4)１９９４年エイシーエムプレス(acm press)１７５頁
から１８６頁米国では、ＭＩＴ（Massachusetts Instit
ute of Technology：マサチューセッツ工科大学）で行
っている音楽用アルバムを対象にしたフィルタリングシ
ステムについて紹介され、プロシーディングス・オブ・
ザ・シーエイチアイ９５(proceedings of thechi 95)１
９９５年エイシーエムプレス(acm press)２１０頁から
２１７頁米国では、電子メールを対象としたフィルタリ
ングシステムについて紹介されている。
【０００６】しかしながら、各分野の情報量が飛躍的に
増大しているため、推薦やフィルタリング精度のさらな
る向上が望まれている。
増大しているため、推薦やフィルタリング精度のさらな
る向上が望まれている。
【０００７】次に、従来のソーシャルフィルタリング方
式について図面を参照して説明する。
式について図面を参照して説明する。
【０００８】図９はソーシャルフィルタリング方式の構
成を示すブロック図であり、図１０は図９に示した方式
の動作手順を示すフローチャートである。
成を示すブロック図であり、図１０は図９に示した方式
の動作手順を示すフローチャートである。
【０００９】図９において、従来の方式は、推薦要求や
フィルタリング要求（以下要求と称す）が入力される入
力装置１と、要求した利用者（以下要求者と称す）に対
する各対象項目毎の適合度を推定するデータ処理装置１
１と、複数の利用者による項目評価情報が蓄積される記
憶装置１２と、要求結果を表示する出力装置２とによっ
て構成されている。
フィルタリング要求（以下要求と称す）が入力される入
力装置１と、要求した利用者（以下要求者と称す）に対
する各対象項目毎の適合度を推定するデータ処理装置１
１と、複数の利用者による項目評価情報が蓄積される記
憶装置１２と、要求結果を表示する出力装置２とによっ
て構成されている。
【００１０】記憶装置１２は項目評価情報記憶部１２１
と項目情報記憶部１２２とによって構成され、項目評価
情報記憶部１２１には複数の利用者による項目評価情報
が蓄積され、項目情報記憶部１２２には対象項目を識別
するためのＩＤ番号や項目名などの２次情報が蓄積され
ている。
と項目情報記憶部１２２とによって構成され、項目評価
情報記憶部１２１には複数の利用者による項目評価情報
が蓄積され、項目情報記憶部１２２には対象項目を識別
するためのＩＤ番号や項目名などの２次情報が蓄積され
ている。
【００１１】データ処理装置１１は利用者間類似度算出
手段１１１と適合度推定手段１１２と項目選択手段１１
３とによって構成され、利用者間類似度算出手段１１１
は入力装置１を介して要求者からの要求が入力される
と、項目評価情報記憶部１２１に蓄積された項目評価情
報を使用して他の利用者と要求者の類似度を算出する。
また、適合度推定手段１１２は項目評価情報記憶部１２
１に蓄積された項目評価情報と利用者間類似度算出手段
１１１で算出した利用者間の類似度情報とから、要求者
のまだ見聞きしていない対象項目が要求者の興味や嗜好
に合うか否かの度合いを示す適合度を推定する。項目選
択手段１１３は適合度推定手段１１２が推定した適合度
を参照して要求に合う対象項目を選択し、結果を出力装
置２に出力する。
手段１１１と適合度推定手段１１２と項目選択手段１１
３とによって構成され、利用者間類似度算出手段１１１
は入力装置１を介して要求者からの要求が入力される
と、項目評価情報記憶部１２１に蓄積された項目評価情
報を使用して他の利用者と要求者の類似度を算出する。
また、適合度推定手段１１２は項目評価情報記憶部１２
１に蓄積された項目評価情報と利用者間類似度算出手段
１１１で算出した利用者間の類似度情報とから、要求者
のまだ見聞きしていない対象項目が要求者の興味や嗜好
に合うか否かの度合いを示す適合度を推定する。項目選
択手段１１３は適合度推定手段１１２が推定した適合度
を参照して要求に合う対象項目を選択し、結果を出力装
置２に出力する。
【００１２】次に、図１０を参照して従来の方式の動作
について説明する。
について説明する。
【００１３】図１０において、入力装置１を介して要求
が入力されると、まず利用者間類似度算出手段１１１は
項目評価情報記憶部１２１に蓄積されている項目評価情
報を使用して他の利用者と要求者の類似度を算出する
（ステップＥ１）。
が入力されると、まず利用者間類似度算出手段１１１は
項目評価情報記憶部１２１に蓄積されている項目評価情
報を使用して他の利用者と要求者の類似度を算出する
（ステップＥ１）。
【００１４】例えば、上記ＭＩＴのフィルタリングシス
テムでは利用者間の類似度を算出する算出式としてピア
ソンの積率相関係数を使用している。
テムでは利用者間の類似度を算出する算出式としてピア
ソンの積率相関係数を使用している。
【００１５】次に、適合度推定手段１１２は項目評価情
報記憶部１２１に蓄積された項目評価情報と利用者間類
似度算出手段１１１で算出した利用者間の類似度情報と
から、要求者に対する各項目毎の適合度を推定する（ス
テップＥ２）。
報記憶部１２１に蓄積された項目評価情報と利用者間類
似度算出手段１１１で算出した利用者間の類似度情報と
から、要求者に対する各項目毎の適合度を推定する（ス
テップＥ２）。
【００１６】なお、上記ＭＩＴのフィルタリングシステ
ムでは適合度を下記式により推定している。
ムでは適合度を下記式により推定している。
【００１７】
【数１】 最後に、項目選択手段１１３は適合度推定手段１１２で
推定した適合度を使用して要求に合う対象項目を選択し
（ステップＥ３）、結果を出力装置２に出力する（ステ
ップＥ４）。
推定した適合度を使用して要求に合う対象項目を選択し
（ステップＥ３）、結果を出力装置２に出力する（ステ
ップＥ４）。
【００１８】
【発明が解決しようとする課題】しかしながら上記した
ような従来の情報フィルタリング方式では、ある特定の
興味や嗜好に利用者が偏って集まると、それに適合度の
推定が影響されるという問題があった。
ような従来の情報フィルタリング方式では、ある特定の
興味や嗜好に利用者が偏って集まると、それに適合度の
推定が影響されるという問題があった。
【００１９】例えば、ａ、ｂ、ｃ、ｄの４つの対象項目
を持ち、利用者が４人のシステムに新しい利用者Ａが加
わった場合を考える。ここで、利用者Ａは対象項目ａ、
ｂ、ｃ全てを「良い」と評価しているものとする。この
ときフィルタリングシステムは対象項目ｄが利用者Ａの
興味に合うか否かを推定する。
を持ち、利用者が４人のシステムに新しい利用者Ａが加
わった場合を考える。ここで、利用者Ａは対象項目ａ、
ｂ、ｃ全てを「良い」と評価しているものとする。この
ときフィルタリングシステムは対象項目ｄが利用者Ａの
興味に合うか否かを推定する。
【００２０】表１は利用者Ａ以外の利用者を、対象項目
ａ、ｂ、ｃに対する評価で分類し、利用者Ａとの類似
度、対象項目ｄの評価の平均、および人数を示したもの
である。
ａ、ｂ、ｃに対する評価で分類し、利用者Ａとの類似
度、対象項目ｄの評価の平均、および人数を示したもの
である。
【００２１】
【表１】 なお、ここでは評価結果を、「良い」＝１、「悪い」＝
−１と数値化し、類似度の算出にピアソンの積率相関係
数を使用している。
−１と数値化し、類似度の算出にピアソンの積率相関係
数を使用している。
【００２２】上記従来の方式にしたがって対象項目ｄに
対する利用者Ａの評価を推定すると、推定結果は０．５
となる。しかしながら、例えば、ａ：悪い、ｂ：良い、
ｃ：良い、ｄ：悪いと評価する他の利用者の人数が１０
人に増えた場合、推定結果は−７／１３になってしま
う。
対する利用者Ａの評価を推定すると、推定結果は０．５
となる。しかしながら、例えば、ａ：悪い、ｂ：良い、
ｃ：良い、ｄ：悪いと評価する他の利用者の人数が１０
人に増えた場合、推定結果は−７／１３になってしま
う。
【００２３】このように従来の方式では、同じ評価をす
る利用者の人数が変わるだけで適合度の推定値が大きく
変わっていた。
る利用者の人数が変わるだけで適合度の推定値が大きく
変わっていた。
【００２４】また、従来の方式では、精度の高い適合度
の推定を行うためには多数の項目評価情報を必要とす
る。一般に新しい対象項目は項目評価情報の数が少ない
ため、新しい対象項目ほど適合度の推定精度が悪くなる
という問題があった。
の推定を行うためには多数の項目評価情報を必要とす
る。一般に新しい対象項目は項目評価情報の数が少ない
ため、新しい対象項目ほど適合度の推定精度が悪くなる
という問題があった。
【００２５】ところで、項目評価情報と共に項目評価情
報以外の情報も合わせて使用し、それら複数の情報から
適合度を推定する情報フィルタリング方式の場合、どの
種類の情報にどれだけの重みを持たせるかという情報の
重み付けを行うことが望ましい。このとき、論文と音楽
のように対象項目の分野が異なったり、子供と大人のよ
うに利用者層が異なると、フィルタリング精度を最良に
する重み付けが異なる場合が多い。その場合、情報の重
み付けを変更できない方式にするとフィルタリング精度
が悪くなるという問題が発生する。
報以外の情報も合わせて使用し、それら複数の情報から
適合度を推定する情報フィルタリング方式の場合、どの
種類の情報にどれだけの重みを持たせるかという情報の
重み付けを行うことが望ましい。このとき、論文と音楽
のように対象項目の分野が異なったり、子供と大人のよ
うに利用者層が異なると、フィルタリング精度を最良に
する重み付けが異なる場合が多い。その場合、情報の重
み付けを変更できない方式にするとフィルタリング精度
が悪くなるという問題が発生する。
【００２６】本発明は上記したような従来の技術が有す
る問題点を解決するためになされたものであり、第１の
目的は、ある特定の興味や嗜好に利用者が偏って集まっ
た場合でも影響されずに適合度を推定し、フィルタリン
グ精度の高い情報フィルタリング方式を提供する。
る問題点を解決するためになされたものであり、第１の
目的は、ある特定の興味や嗜好に利用者が偏って集まっ
た場合でも影響されずに適合度を推定し、フィルタリン
グ精度の高い情報フィルタリング方式を提供する。
【００２７】また、第２の目的は、新しい項目などのよ
うに評価数の少ない項目についても、精度良くフィルタ
リングを行うことができる情報フィルタリング方式を提
供する。
うに評価数の少ない項目についても、精度良くフィルタ
リングを行うことができる情報フィルタリング方式を提
供する。
【００２８】さらに、第３の目的は、情報に対する重み
付けの変更を可能にして、フィルタリング精度に高く保
つことができる情報フィルタリング方式を提供する。
付けの変更を可能にして、フィルタリング精度に高く保
つことができる情報フィルタリング方式を提供する。
【００２９】
【課題を解決するための手段】上記目的を達成するため
本発明の情報フィルタリング方式は、多数の情報やサー
ビスの中から利用者の興味や嗜好に合うものを推薦する
情報フィルタリング方式であって、推薦要求やフィルタ
リング要求が入力される入力装置と、情報やサービスに
対する複数の利用者の評価結果である項目評価情報が蓄
積される記憶装置と、前記項目評価情報を使用して、推
薦要求やフィルタリング要求を行った利用者である要求
者と他の利用者との類似度を算出する利用者間類似度算
出手段と、前記項目評価情報および前記類似度から、フ
ィルタリング対象である各情報やサービスが前記要求者
の興味や嗜好に合うか否かの度合を示す適合度を推定す
る適合度推定手段と、該適合度から要求に合う情報やサ
ービスを選択して出力する項目選択手段と、前記項目選
択手段で選択した情報やサービスを表示する出力装置と
を有する情報フィルタリング方式において、前記利用者
間類似度算出手段の算出結果から、似た興味や嗜好を持
つ利用者の人数を求め、該人数から各利用者近傍での局
所的な人口密度を計算する人口密度算出手段を有し、前
記適合度推定手段は、前記項目評価情報、前記類似度、
及び前記人口密度から前記適合度を推定することを特徴
とする。
本発明の情報フィルタリング方式は、多数の情報やサー
ビスの中から利用者の興味や嗜好に合うものを推薦する
情報フィルタリング方式であって、推薦要求やフィルタ
リング要求が入力される入力装置と、情報やサービスに
対する複数の利用者の評価結果である項目評価情報が蓄
積される記憶装置と、前記項目評価情報を使用して、推
薦要求やフィルタリング要求を行った利用者である要求
者と他の利用者との類似度を算出する利用者間類似度算
出手段と、前記項目評価情報および前記類似度から、フ
ィルタリング対象である各情報やサービスが前記要求者
の興味や嗜好に合うか否かの度合を示す適合度を推定す
る適合度推定手段と、該適合度から要求に合う情報やサ
ービスを選択して出力する項目選択手段と、前記項目選
択手段で選択した情報やサービスを表示する出力装置と
を有する情報フィルタリング方式において、前記利用者
間類似度算出手段の算出結果から、似た興味や嗜好を持
つ利用者の人数を求め、該人数から各利用者近傍での局
所的な人口密度を計算する人口密度算出手段を有し、前
記適合度推定手段は、前記項目評価情報、前記類似度、
及び前記人口密度から前記適合度を推定することを特徴
とする。
【００３０】また、多数の情報やサービスの中から利用
者の興味や嗜好に合うものを推薦する情報フィルタリン
グ方式であって、推薦要求やフィルタリング要求が入力
される入力装置と、情報やサービスに対する複数の利用
者の評価結果である項目評価情報が蓄積される記憶装置
と、前記項目評価情報を使用して、推薦要求やフィルタ
リング要求を行った利用者である要求者と他の利用者と
の類似度を算出する利用者間類似度算出手段と、前記項
目評価情報および前記類似度から、フィルタリング対象
である各情報やサービスが前記要求者の興味や嗜好に合
うか否かの度合を示す適合度を推定する適合度推定手段
と、該適合度から要求に合う情報やサービスを選択して
出力する項目選択手段と、前記項目選択手段で選択した
情報やサービスを表示する出力装置とを有する情報フィ
ルタリング方式において、前記記憶装置に、前記項目評
価情報とともに、情報やサービスに対する評価を行った
時刻の情報を各利用者毎に蓄積し、前記時刻情報から利
用者の評価情報に対する信頼度の高さを示すＬＥ度を算
出するＬＥ度算出手段を有し、前記適合度推定手段は、
前記項目評価情報、前記類似度、及び前記ＬＥ度から前
記適合度を推定することを特徴とする。
者の興味や嗜好に合うものを推薦する情報フィルタリン
グ方式であって、推薦要求やフィルタリング要求が入力
される入力装置と、情報やサービスに対する複数の利用
者の評価結果である項目評価情報が蓄積される記憶装置
と、前記項目評価情報を使用して、推薦要求やフィルタ
リング要求を行った利用者である要求者と他の利用者と
の類似度を算出する利用者間類似度算出手段と、前記項
目評価情報および前記類似度から、フィルタリング対象
である各情報やサービスが前記要求者の興味や嗜好に合
うか否かの度合を示す適合度を推定する適合度推定手段
と、該適合度から要求に合う情報やサービスを選択して
出力する項目選択手段と、前記項目選択手段で選択した
情報やサービスを表示する出力装置とを有する情報フィ
ルタリング方式において、前記記憶装置に、前記項目評
価情報とともに、情報やサービスに対する評価を行った
時刻の情報を各利用者毎に蓄積し、前記時刻情報から利
用者の評価情報に対する信頼度の高さを示すＬＥ度を算
出するＬＥ度算出手段を有し、前記適合度推定手段は、
前記項目評価情報、前記類似度、及び前記ＬＥ度から前
記適合度を推定することを特徴とする。
【００３１】また、多数の情報やサービスの中から利用
者の興味や嗜好に合うものを推薦する情報フィルタリン
グ方式であって、推薦要求やフィルタリング要求が入力
される入力装置と、情報やサービスに対する複数の利用
者の評価結果である項目評価情報が蓄積される記憶装置
と、前記項目評価情報を使用して、推薦要求やフィルタ
リング要求を行った利用者である要求者と他の利用者と
の類似度を算出する利用者間類似度算出手段と、フィル
タリング対象である各情報やサービスが前記要求者の興
味や嗜好に合うか否かの度合を示す適合度を推定する第
１の適合度推定手段と、該適合度から要求に合う情報や
サービスを選択して出力する項目選択手段と、前記項目
選択手段で選択した情報やサービスを表示する出力装置
とを有する情報フィルタリング方式において、前記記憶
装置に、前記項目評価情報とともに、情報やサービスに
対する評価を行った時刻の情報を各利用者毎に蓄積し、
前記項目評価情報および前記類似度から、各情報やサー
ビスが前記要求者の興味や嗜好に合うか否かの度合を示
す推定適合度を算出する第２の適合度推定手段と、前記
推定適合度及び前記時刻情報から利用者の評価情報に対
する信頼度の高さを示すＬＥ度を算出するＬＥ度算出手
段とを有し、前記第１の適合度推定手段は、前記項目評
価情報、前記類似度、及び前記ＬＥ度から前記適合度を
推定することを特徴とする。
者の興味や嗜好に合うものを推薦する情報フィルタリン
グ方式であって、推薦要求やフィルタリング要求が入力
される入力装置と、情報やサービスに対する複数の利用
者の評価結果である項目評価情報が蓄積される記憶装置
と、前記項目評価情報を使用して、推薦要求やフィルタ
リング要求を行った利用者である要求者と他の利用者と
の類似度を算出する利用者間類似度算出手段と、フィル
タリング対象である各情報やサービスが前記要求者の興
味や嗜好に合うか否かの度合を示す適合度を推定する第
１の適合度推定手段と、該適合度から要求に合う情報や
サービスを選択して出力する項目選択手段と、前記項目
選択手段で選択した情報やサービスを表示する出力装置
とを有する情報フィルタリング方式において、前記記憶
装置に、前記項目評価情報とともに、情報やサービスに
対する評価を行った時刻の情報を各利用者毎に蓄積し、
前記項目評価情報および前記類似度から、各情報やサー
ビスが前記要求者の興味や嗜好に合うか否かの度合を示
す推定適合度を算出する第２の適合度推定手段と、前記
推定適合度及び前記時刻情報から利用者の評価情報に対
する信頼度の高さを示すＬＥ度を算出するＬＥ度算出手
段とを有し、前記第１の適合度推定手段は、前記項目評
価情報、前記類似度、及び前記ＬＥ度から前記適合度を
推定することを特徴とする。
【００３２】さらに、多数の情報やサービスの中から利
用者の興味や嗜好に合うものを推薦する情報フィルタリ
ング方式であって、推薦要求やフィルタリング要求が入
力される入力装置と、情報やサービスに対する複数の利
用者の評価結果である項目評価情報が蓄積される記憶装
置と、前記項目評価情報を使用して、推薦要求やフィル
タリング要求を行った利用者である要求者と他の利用者
との類似度を算出する利用者間類似度算出手段と、前記
項目評価情報および前記類似度から、フィルタリング対
象である各情報やサービスが前記要求者の興味や嗜好に
合うか否かの度合を示す適合度を推定する適合度推定手
段と、該適合度から要求に合う情報やサービスを選択し
て出力する項目選択手段と、前記項目選択手段で選択し
た情報やサービスを表示する出力装置とを有する情報フ
ィルタリング方式において、前記記憶装置に、適合度を
推定する際に使用される各情報に対して、情報やサービ
スの分野及び利用者層に応じて付与される重み情報が蓄
積される重み情報記憶部を有し、前記適合度推定手段
は、前記項目評価情報、前記類似度、および前記重み情
報から前記適合度を推定することを特徴とする。
用者の興味や嗜好に合うものを推薦する情報フィルタリ
ング方式であって、推薦要求やフィルタリング要求が入
力される入力装置と、情報やサービスに対する複数の利
用者の評価結果である項目評価情報が蓄積される記憶装
置と、前記項目評価情報を使用して、推薦要求やフィル
タリング要求を行った利用者である要求者と他の利用者
との類似度を算出する利用者間類似度算出手段と、前記
項目評価情報および前記類似度から、フィルタリング対
象である各情報やサービスが前記要求者の興味や嗜好に
合うか否かの度合を示す適合度を推定する適合度推定手
段と、該適合度から要求に合う情報やサービスを選択し
て出力する項目選択手段と、前記項目選択手段で選択し
た情報やサービスを表示する出力装置とを有する情報フ
ィルタリング方式において、前記記憶装置に、適合度を
推定する際に使用される各情報に対して、情報やサービ
スの分野及び利用者層に応じて付与される重み情報が蓄
積される重み情報記憶部を有し、前記適合度推定手段
は、前記項目評価情報、前記類似度、および前記重み情
報から前記適合度を推定することを特徴とする。
【００３３】このとき、前記重み情報は前記入力装置か
ら入力されてもよい。
ら入力されてもよい。
【００３４】上記のように構成された情報フィルタリン
グ方式は、人口密度算出手段によって似た興味や嗜好を
持つ利用者の人数が求められ、その人数から利用者近傍
での局所的な人口密度が計算される。
グ方式は、人口密度算出手段によって似た興味や嗜好を
持つ利用者の人数が求められ、その人数から利用者近傍
での局所的な人口密度が計算される。
【００３５】人口密度は利用者が偏って集まっている付
近では高く、利用者が少ないところでは低くなるため、
特定の興味や嗜好に利用者が集まる度合いを示してい
る。例えば、利用者間の類似度を人口密度で割ると、適
合度を推定する際の項目評価情報の重みが、利用者が偏
って集まっている項目では減り、少ない項目では増え
る。これによって、利用者が特定の興味や嗜好に偏って
集まる影響が取り除かれる。
近では高く、利用者が少ないところでは低くなるため、
特定の興味や嗜好に利用者が集まる度合いを示してい
る。例えば、利用者間の類似度を人口密度で割ると、適
合度を推定する際の項目評価情報の重みが、利用者が偏
って集まっている項目では減り、少ない項目では増え
る。これによって、利用者が特定の興味や嗜好に偏って
集まる影響が取り除かれる。
【００３６】また、ＬＥ度算出手段によって利用者の評
価情報に対する信頼度の高さを示すＬＥ度が算出されこ
とで、例えばＬＥ度を要求者と似た評価をより早くする
ほど大きくなるように設定すれば、要求者と似た興味や
嗜好を持ち、かつ、他の利用者よりも早く評価を行う信
頼度の高い利用者が、適合度の計算で重要視されるよう
なる。したがって、項目評価情報が少ない新しい項目に
ついても、利用者に対する適合度を高い精度で推定する
ことができる。
価情報に対する信頼度の高さを示すＬＥ度が算出されこ
とで、例えばＬＥ度を要求者と似た評価をより早くする
ほど大きくなるように設定すれば、要求者と似た興味や
嗜好を持ち、かつ、他の利用者よりも早く評価を行う信
頼度の高い利用者が、適合度の計算で重要視されるよう
なる。したがって、項目評価情報が少ない新しい項目に
ついても、利用者に対する適合度を高い精度で推定する
ことができる。
【００３７】また、重み情報記憶部に情報やサービスの
分野及び利用者層に応じて付与される重み情報を記憶す
ること、あるいは入力装置からそのような重み情報を入
力することで、情報やサービスの分野または利用者層に
合わせて、要求者に対する適合度を推定するのに最適な
重みを指定することができる。
分野及び利用者層に応じて付与される重み情報を記憶す
ること、あるいは入力装置からそのような重み情報を入
力することで、情報やサービスの分野または利用者層に
合わせて、要求者に対する適合度を推定するのに最適な
重みを指定することができる。
【００３８】
【発明の実施の形態】次に、本発明について図面を参照
して説明する。
して説明する。
【００３９】（第１実施例）図１は本発明の情報フィル
タリング方式の第１実施例の構成を示すブロック図であ
り、図２は図１に示した情報フィルタリング方式の動作
手順を示すフローチャートである。
タリング方式の第１実施例の構成を示すブロック図であ
り、図２は図１に示した情報フィルタリング方式の動作
手順を示すフローチャートである。
【００４０】図１において、本実施例の情報フィルタリ
ング方式は、入力装置１と、フィルタリングを要求した
利用者（以下要求者と称す）に対する各対象項目毎の適
合度を推定するデータ処理装置３と、複数の利用者によ
る項目評価情報が蓄積される記憶装置４と、出力装置２
とによって構成されている。なお、入力装置１および出
力装置２は従来と同様の構成である。
ング方式は、入力装置１と、フィルタリングを要求した
利用者（以下要求者と称す）に対する各対象項目毎の適
合度を推定するデータ処理装置３と、複数の利用者によ
る項目評価情報が蓄積される記憶装置４と、出力装置２
とによって構成されている。なお、入力装置１および出
力装置２は従来と同様の構成である。
【００４１】記憶装置４は項目評価情報記憶部４１と項
目情報記憶部４２とによって構成され、項目評価情報記
憶部４１には複数の利用者による項目評価情報が蓄積さ
れ、項目情報記憶部４２には対象項目を識別するための
ＩＤ番号や項目名などの２次情報が蓄積されている。
目情報記憶部４２とによって構成され、項目評価情報記
憶部４１には複数の利用者による項目評価情報が蓄積さ
れ、項目情報記憶部４２には対象項目を識別するための
ＩＤ番号や項目名などの２次情報が蓄積されている。
【００４２】また、データ処理装置３は利用者間類似度
算出手段３１と人口密度算出手段３４と適合度推定手段
３２と項目選択手段３３とによって構成されている。
算出手段３１と人口密度算出手段３４と適合度推定手段
３２と項目選択手段３３とによって構成されている。
【００４３】利用者間類似度算出手段３１は入力装置１
を介して要求者からの要求が入力されると、項目評価情
報記憶部４１に蓄積された項目評価情報を使用して他の
利用者と要求者の類似度を算出する。
を介して要求者からの要求が入力されると、項目評価情
報記憶部４１に蓄積された項目評価情報を使用して他の
利用者と要求者の類似度を算出する。
【００４４】人口密度算出手段３４は利用者間類似度算
出手段３１で算出された利用者間の類似度情報から、似
た興味や嗜好を持った利用者が何人位居るかという各利
用者近傍での局所的な人口密度を算出する。
出手段３１で算出された利用者間の類似度情報から、似
た興味や嗜好を持った利用者が何人位居るかという各利
用者近傍での局所的な人口密度を算出する。
【００４５】適合度推定手段３２は項目評価情報記憶部
４１に蓄積された項目評価情報と利用者間類似度算出手
段３１で算出された利用者間類似度情報と人口密度算出
手段３４で算出された局所的な人口密度情報とから要求
者に対する各対象項目毎の適合度を推定する。
４１に蓄積された項目評価情報と利用者間類似度算出手
段３１で算出された利用者間類似度情報と人口密度算出
手段３４で算出された局所的な人口密度情報とから要求
者に対する各対象項目毎の適合度を推定する。
【００４６】項目選択手段３３は適合度推定手段３２で
推定した適合度を参照して、要求に合った対象項目を選
択し、結果を出力装置２に出力する。
推定した適合度を参照して、要求に合った対象項目を選
択し、結果を出力装置２に出力する。
【００４７】次に、図２を参照して本実施例の情報フィ
ルタリング方式の動作について説明する。
ルタリング方式の動作について説明する。
【００４８】入力装置１を介して推要求が入力される
と、まず、利用者間類似度算出手段３１は項目評価情報
記憶部４１に蓄積されている項目評価情報を使用して要
求者と他の利用者との類似度を算出する（ステップＡ
１）。類似度の算出方法としては、例えば「多変量解析
ハンドブック」現代数学社１９８６年の２２４頁から２
２８頁に、５種類の距離および６種類の類似度算出方法
が掲載されている。これらの算出方法の中から対象項目
の性質などを考慮して適当なものを選択して行う。次
に、利用者間類似度算出手段３１で算出された利用者間
の類似度をもとに人口密度算出手段３４で各利用者近傍
での局所的な人口密度を算出する（ステップＡ２）。
と、まず、利用者間類似度算出手段３１は項目評価情報
記憶部４１に蓄積されている項目評価情報を使用して要
求者と他の利用者との類似度を算出する（ステップＡ
１）。類似度の算出方法としては、例えば「多変量解析
ハンドブック」現代数学社１９８６年の２２４頁から２
２８頁に、５種類の距離および６種類の類似度算出方法
が掲載されている。これらの算出方法の中から対象項目
の性質などを考慮して適当なものを選択して行う。次
に、利用者間類似度算出手段３１で算出された利用者間
の類似度をもとに人口密度算出手段３４で各利用者近傍
での局所的な人口密度を算出する（ステップＡ２）。
【００４９】続いて、適合度推定手段３２は、項目評価
情報記憶部４１に蓄積されている項目評価情報と、利用
者間類似度算出手段３１で算出した利用者間類似度情報
と、人口密度算出手段３４で算出された局所的な人口密
度情報とから、要求者に対する各対象項目毎の適合度を
推定する（ステップＡ３）。
情報記憶部４１に蓄積されている項目評価情報と、利用
者間類似度算出手段３１で算出した利用者間類似度情報
と、人口密度算出手段３４で算出された局所的な人口密
度情報とから、要求者に対する各対象項目毎の適合度を
推定する（ステップＡ３）。
【００５０】最後に、項目選択手段３３は適合度推定手
段３２で推定した適合度を参照して、要求に合った対象
項目を選択し（ステップＡ４）、結果を出力装置２に出
力する（ステップＡ５）。
段３２で推定した適合度を参照して、要求に合った対象
項目を選択し（ステップＡ４）、結果を出力装置２に出
力する（ステップＡ５）。
【００５１】ここで、例えば表１に示した数値例を使っ
て適合度を具体的に算出すると、従来の情報フィルタリ
ング方式では、ａ：悪い、ｂ：良い、ｃ：良い、ｄ：悪
いと評価する人数が１人から１０人に増えた場合に、利
用者Ａに対する対象項目ｄの適合度の算出結果は、０．
５から−７／１３に変動していた。
て適合度を具体的に算出すると、従来の情報フィルタリ
ング方式では、ａ：悪い、ｂ：良い、ｃ：良い、ｄ：悪
いと評価する人数が１人から１０人に増えた場合に、利
用者Ａに対する対象項目ｄの適合度の算出結果は、０．
５から−７／１３に変動していた。
【００５２】本実施例の情報フィルタリング方式によっ
て利用者Ａに対する対象項目ｄの適合度を推定すると
０．５となる。ただし、同じ評価をした人数から人口密
度を算出し、下記式により推定評価を求める。
て利用者Ａに対する対象項目ｄの適合度を推定すると
０．５となる。ただし、同じ評価をした人数から人口密
度を算出し、下記式により推定評価を求める。
【００５３】
【数２】 このように、同じ評価をした利用者が増えて評価結果に
偏りが生じても適合度の推定結果に対する影響が少なく
なっている。
偏りが生じても適合度の推定結果に対する影響が少なく
なっている。
【００５４】人口密度は利用者が偏って集まっている付
近では高く、利用者が少ないところでは低くなるため、
特定の興味や嗜好に利用者が集まる度合いを示してい
る。そこで、利用者間の類似度を人口密度で割ると、適
合度を推定する際の項目評価情報の重みが、利用者が偏
って集まっている対象項目では減り、少ない対象項目で
は増える。したがって、利用者が特定の興味や嗜好に偏
って集まる影響が取り除かれ、フィルタリング精度の高
い情報フィルタリング方式を得ることができる。（第２
実施例）次に、本発明の情報フィルタリング方式の第２
実施例について図面を参照して説明する。
近では高く、利用者が少ないところでは低くなるため、
特定の興味や嗜好に利用者が集まる度合いを示してい
る。そこで、利用者間の類似度を人口密度で割ると、適
合度を推定する際の項目評価情報の重みが、利用者が偏
って集まっている対象項目では減り、少ない対象項目で
は増える。したがって、利用者が特定の興味や嗜好に偏
って集まる影響が取り除かれ、フィルタリング精度の高
い情報フィルタリング方式を得ることができる。（第２
実施例）次に、本発明の情報フィルタリング方式の第２
実施例について図面を参照して説明する。
【００５５】図３は本発明の情報フィルタリング方式の
第２実施例の構成を示すブロック図であり、図４は図３
に示した情報フィルタリング方式の動作手順を示すフロ
ーチャートである図３において、本実施例の情報フィル
タリング方式は、入力装置１と、各対象項目毎に要求者
に対する適合度を推定するデータ処理装置５と、複数の
利用者による項目評価情報が蓄積される記憶装置６と、
出力装置２とによって構成されている。なお、入力装置
１及び出力装置２は従来と同様の構成である。
第２実施例の構成を示すブロック図であり、図４は図３
に示した情報フィルタリング方式の動作手順を示すフロ
ーチャートである図３において、本実施例の情報フィル
タリング方式は、入力装置１と、各対象項目毎に要求者
に対する適合度を推定するデータ処理装置５と、複数の
利用者による項目評価情報が蓄積される記憶装置６と、
出力装置２とによって構成されている。なお、入力装置
１及び出力装置２は従来と同様の構成である。
【００５６】記憶装置６は項目評価情報記憶部６１と項
目情報記憶部６２とによって構成され、項目評価情報記
憶部６１にはあらかじめ複数の利用者による項目評価情
報とその評価結果が入力された時刻（評価時刻）とが蓄
積され、項目情報記憶部６２にはあらかじめ対象項目を
識別するためのＩＤ番号や項目名などの２次情報が蓄積
されている。
目情報記憶部６２とによって構成され、項目評価情報記
憶部６１にはあらかじめ複数の利用者による項目評価情
報とその評価結果が入力された時刻（評価時刻）とが蓄
積され、項目情報記憶部６２にはあらかじめ対象項目を
識別するためのＩＤ番号や項目名などの２次情報が蓄積
されている。
【００５７】また、データ処理装置５は利用者間類似度
算出手段５１とＬＥ度算出手段５５と適合度推定手段５
２と項目選択手段５３とによって構成されている。
算出手段５１とＬＥ度算出手段５５と適合度推定手段５
２と項目選択手段５３とによって構成されている。
【００５８】利用者間類似度算出手段５１は入力装置１
を介して要求者からの要求が入力されると、項目評価情
報記憶部６１に蓄積された項目評価情報を使用して他の
利用者と要求者の類似度を算出する。
を介して要求者からの要求が入力されると、項目評価情
報記憶部６１に蓄積された項目評価情報を使用して他の
利用者と要求者の類似度を算出する。
【００５９】ＬＥ度算出手段５５は項目評価情報記憶部
６１に蓄積されている項目評価情報と評価時刻とから、
利用者の評価情報に対する信頼度の高さを示すリーディ
ングエッジ度（ＬＥ度）を各々の利用者毎に算出する。
６１に蓄積されている項目評価情報と評価時刻とから、
利用者の評価情報に対する信頼度の高さを示すリーディ
ングエッジ度（ＬＥ度）を各々の利用者毎に算出する。
【００６０】適合度推定手段５２は、利用者間類似度算
出手段５１で算出された利用者間の類似度情報と、ＬＥ
度算出手段５５で算出された各利用者のＬＥ度と、項目
評価情報記憶部６１に蓄積されている項目評価情報とか
ら、要求者に対する各対象項目毎の適合度を推定する。
出手段５１で算出された利用者間の類似度情報と、ＬＥ
度算出手段５５で算出された各利用者のＬＥ度と、項目
評価情報記憶部６１に蓄積されている項目評価情報とか
ら、要求者に対する各対象項目毎の適合度を推定する。
【００６１】項目選択手段５３は適合度推定手段５２で
推定した適合度を参照して、要求に合った対象項目を選
択し、結果を出力装置２に出力する。
推定した適合度を参照して、要求に合った対象項目を選
択し、結果を出力装置２に出力する。
【００６２】次に、図４を参照して本実施例の情報フィ
ルタリング方式の動作について説明する。
ルタリング方式の動作について説明する。
【００６３】入力装置１から要求が入力されると、ま
ず、利用者間類似度算出手段５１は項目評価情報記憶部
６１に蓄積されている項目評価情報を利用して利用者間
の類似度を算出する（ステップＢ１）。
ず、利用者間類似度算出手段５１は項目評価情報記憶部
６１に蓄積されている項目評価情報を利用して利用者間
の類似度を算出する（ステップＢ１）。
【００６４】次に、ＬＥ度算出手段５５は項目評価情報
記憶部６１に蓄積されている項目評価情報と評価時刻と
から各利用者のＬＥ度を算出する（ステップＢ２）。
記憶部６１に蓄積されている項目評価情報と評価時刻と
から各利用者のＬＥ度を算出する（ステップＢ２）。
【００６５】ＬＥ度は、利用者の評価情報に対する信頼
度の高さを示すように、要求者と似た評価をする利用者
のうち、より早く評価を行った利用者ほど大きな値を付
与するように設定する。ここで、要求者ａからみた他の
利用者ｂのＬＥ度Ｌａｂは例えば下記式で計算すること
ができる。
度の高さを示すように、要求者と似た評価をする利用者
のうち、より早く評価を行った利用者ほど大きな値を付
与するように設定する。ここで、要求者ａからみた他の
利用者ｂのＬＥ度Ｌａｂは例えば下記式で計算すること
ができる。
【００６６】
【数３】 なお、類似度としては評価の差の絶対値の逆数や−（評
価の差の絶対値）などを使用すると良い。
価の差の絶対値）などを使用すると良い。
【００６７】続いて、適合度推定手段５２は、利用者間
類似度算出手段５１で算出された利用者間の類似度情報
と、項目評価情報記憶部６１に蓄積されている項目評価
情報と、ＬＥ度算出手段５５で算出された各利用者のＬ
Ｅ度とから、要求者に対する各対象項目毎の適合度を推
定する（ステップＢ３）。ＬＥ度を導入した適合度は例
えば下記式で推定することができる。
類似度算出手段５１で算出された利用者間の類似度情報
と、項目評価情報記憶部６１に蓄積されている項目評価
情報と、ＬＥ度算出手段５５で算出された各利用者のＬ
Ｅ度とから、要求者に対する各対象項目毎の適合度を推
定する（ステップＢ３）。ＬＥ度を導入した適合度は例
えば下記式で推定することができる。
【００６８】
【数４】 最後に、項目選択手段５３は適合度推定手段５２で推定
した適合度を参照して、要求に合った対象項目を選択し
（ステップＢ４）、結果を出力装置２に出力する（ステ
ップＢ５）。
した適合度を参照して、要求に合った対象項目を選択し
（ステップＢ４）、結果を出力装置２に出力する（ステ
ップＢ５）。
【００６９】以上説明したように、ＬＥ度は、利用者の
評価情報に対する信頼度の高さの度合いを示すように、
要求者と似た評価をより早くするほど大きくなるように
しているため、要求者と似た興味や嗜好を持ち、かつ、
他の利用者よりも早く評価を行う信頼度の高い利用者
が、適合度の計算で重要視されるようなる。したがっ
て、新しい対象項目についても要求者に対する適合度を
従来よりも高い精度で推定することができる。
評価情報に対する信頼度の高さの度合いを示すように、
要求者と似た評価をより早くするほど大きくなるように
しているため、要求者と似た興味や嗜好を持ち、かつ、
他の利用者よりも早く評価を行う信頼度の高い利用者
が、適合度の計算で重要視されるようなる。したがっ
て、新しい対象項目についても要求者に対する適合度を
従来よりも高い精度で推定することができる。
【００７０】（第３実施例）次に、本発明の第３実施例
について図面を参照して説明する。
について図面を参照して説明する。
【００７１】図５は本発明の情報フィルタリング方式の
第３実施例の構成を示すブロック図であり、図６は図５
に示した情報フィルタリング方式の動作手順を示すフロ
ーチャートである。
第３実施例の構成を示すブロック図であり、図６は図５
に示した情報フィルタリング方式の動作手順を示すフロ
ーチャートである。
【００７２】本実施例の情報フィルタリング方式は、上
記した第２実施例のデータ処理装置の構成に加え、第２
の適合度推定手段７６を有する点で異なっている。
記した第２実施例のデータ処理装置の構成に加え、第２
の適合度推定手段７６を有する点で異なっている。
【００７３】図５において、本実施例の情報フィルタリ
ング方式は、入力装置１と、各対象項目毎に要求者に対
する適合度を推定するデータ処理装置７と、複数の利用
者による項目評価情報が蓄積される記憶装置８と、出力
装置２とによって構成されている。なお、入力装置１及
び出力装置２は従来と同様の構成である。
ング方式は、入力装置１と、各対象項目毎に要求者に対
する適合度を推定するデータ処理装置７と、複数の利用
者による項目評価情報が蓄積される記憶装置８と、出力
装置２とによって構成されている。なお、入力装置１及
び出力装置２は従来と同様の構成である。
【００７４】記憶装置８は項目評価情報記憶部８１と項
目情報記憶部８２とによって構成され、項目評価情報記
憶部８１は複数の利用者による項目評価情報とその評価
結果が入力された時刻とがあらかじめ蓄積され、項目情
報記憶部８２は対象項目を識別するためのＩＤ番号や項
目名などの２次情報があらかじめ蓄積されている。
目情報記憶部８２とによって構成され、項目評価情報記
憶部８１は複数の利用者による項目評価情報とその評価
結果が入力された時刻とがあらかじめ蓄積され、項目情
報記憶部８２は対象項目を識別するためのＩＤ番号や項
目名などの２次情報があらかじめ蓄積されている。
【００７５】また、データ処理装置７は利用者間類似度
算出手段７１と第１の適合度推定手段７２とＬＥ度算出
手段７５と第２の適合度推定手段６２と項目選択手段７
３とによって構成されている。
算出手段７１と第１の適合度推定手段７２とＬＥ度算出
手段７５と第２の適合度推定手段６２と項目選択手段７
３とによって構成されている。
【００７６】利用者間類似度算出手段７１は入力装置１
を介して要求者からの要求が入力されると、項目評価情
報記憶部８１に蓄積された項目評価情報を使用して他の
利用者と要求者の類似度を算出する。
を介して要求者からの要求が入力されると、項目評価情
報記憶部８１に蓄積された項目評価情報を使用して他の
利用者と要求者の類似度を算出する。
【００７７】第２の適合度推定手段７６は項目評価情報
記憶部８１に蓄積されている項目評価情報と、利用者間
類似度算出手段７１で算出された類似度情報とから要求
者に対する各対象項目毎の適合度を推定する。
記憶部８１に蓄積されている項目評価情報と、利用者間
類似度算出手段７１で算出された類似度情報とから要求
者に対する各対象項目毎の適合度を推定する。
【００７８】ＬＥ度算出手段７５は第２の適合度推定手
段７６で推定した適合度と項目評価情報記憶部８１に蓄
積されている評価時刻とから各利用者のＬＥ度を算出す
る。第１の適合度推定手段７２は利用者間類似度算出手
段７１で算出された利用者間の類似度情報と、ＬＥ度算
出手段７５で算出された各利用者のＬＥ度と、項目評価
情報記憶部８１に蓄積された項目評価情報とから、要求
者に対する各対象項目毎の適合度を推定する。
段７６で推定した適合度と項目評価情報記憶部８１に蓄
積されている評価時刻とから各利用者のＬＥ度を算出す
る。第１の適合度推定手段７２は利用者間類似度算出手
段７１で算出された利用者間の類似度情報と、ＬＥ度算
出手段７５で算出された各利用者のＬＥ度と、項目評価
情報記憶部８１に蓄積された項目評価情報とから、要求
者に対する各対象項目毎の適合度を推定する。
【００７９】項目選択手段７３は第１の適合度推定手段
７２で推定した適合度を参照して、要求に合った対象項
目を選択し、結果を出力装置２に出力する。
７２で推定した適合度を参照して、要求に合った対象項
目を選択し、結果を出力装置２に出力する。
【００８０】このような構成において、次に本発明の第
３実施例の動作について図６を参照して説明する。
３実施例の動作について図６を参照して説明する。
【００８１】なお、図６に示すステップＣ１およびステ
ップＣ４〜Ｃ６の動作は、上記第２実施例と同様であ
る。
ップＣ４〜Ｃ６の動作は、上記第２実施例と同様であ
る。
【００８２】入力装置１から要求が入力されると、ま
ず、利用者間類似度算出手段７１は項目評価情報記憶部
８１に蓄積されている項目評価情報を利用して利用者間
の類似度を算出する（ステップＣ１）。
ず、利用者間類似度算出手段７１は項目評価情報記憶部
８１に蓄積されている項目評価情報を利用して利用者間
の類似度を算出する（ステップＣ１）。
【００８３】次に、第２の適合度推定手段７６は第１実
施例と同様にして要求者に対する各対象項目毎の適合度
を推定する（ステップＣ２）。
施例と同様にして要求者に対する各対象項目毎の適合度
を推定する（ステップＣ２）。
【００８４】ＬＥ度算出手段７５は利用者の項目評価情
報のかわりに第２の適合度推定手段７６で推定した要求
者に対する適合度（以下推定適合度と呼ぶ）を使用して
ＬＥ度を算出する（ステップＣ３）。そのため、要求者
ａからみた他の利用者ｂのＬＥ度Ｌａｂは、例えば下記
式を用いて算出する。
報のかわりに第２の適合度推定手段７６で推定した要求
者に対する適合度（以下推定適合度と呼ぶ）を使用して
ＬＥ度を算出する（ステップＣ３）。そのため、要求者
ａからみた他の利用者ｂのＬＥ度Ｌａｂは、例えば下記
式を用いて算出する。
【００８５】
【数５】 ここで、各利用者間の類似度は推定適合度と利用者ｂの
評価の差の絶対値の逆数、あるいは−（推定適合度とｂ
の評価の差絶対値）になる。
評価の差の絶対値の逆数、あるいは−（推定適合度とｂ
の評価の差絶対値）になる。
【００８６】続いて、第１の適合度推定手段７２は、利
用者間類似度算出手段７１で算出された利用者間の類似
度情報と、項目評価情報記憶部８１に蓄積されている項
目評価情報と、ＬＥ算出手段７５で算出された各利用者
のＬＥ度とから、要求者に対する各対象項目毎の適合度
を推定する（ステップＣ４）。
用者間類似度算出手段７１で算出された利用者間の類似
度情報と、項目評価情報記憶部８１に蓄積されている項
目評価情報と、ＬＥ算出手段７５で算出された各利用者
のＬＥ度とから、要求者に対する各対象項目毎の適合度
を推定する（ステップＣ４）。
【００８７】最後に、項目選択手段７３は適合度推定手
段７２で推定した適合度を参照して、要求に合った対象
項目を選択し（ステップＣ５）、結果を出力装置２に出
力する（ステップＣ６）。
段７２で推定した適合度を参照して、要求に合った対象
項目を選択し（ステップＣ５）、結果を出力装置２に出
力する（ステップＣ６）。
【００８８】このような構成にすることで、要求者の要
求に合うと思われる項目に対して、ＬＥ度を用いて適合
度を再推定するため、よりフィルタリング精度の高い方
式を得ることができる。
求に合うと思われる項目に対して、ＬＥ度を用いて適合
度を再推定するため、よりフィルタリング精度の高い方
式を得ることができる。
【００８９】（第４実施例）次に本発明の情報フィルタ
リング方式の第４実施例について図面を参照して説明す
る。
リング方式の第４実施例について図面を参照して説明す
る。
【００９０】図７は本発明の情報フィルタリング方式の
第４実施例の構成を示すブロック図であり、図８は図７
に示した情報フィルタリング方式の動作手順を示すフロ
ーチャートである。本実施例の情報フィルタリング方式
は、記憶装置１０に情報に対する重みが蓄積される重み
情報記憶部１０３を有し、データ処理装置９に利用者間
類似度算出手段で算出される利用者間類似度情報以外の
情報を生成する情報生成手段９７を有する構成である。
第４実施例の構成を示すブロック図であり、図８は図７
に示した情報フィルタリング方式の動作手順を示すフロ
ーチャートである。本実施例の情報フィルタリング方式
は、記憶装置１０に情報に対する重みが蓄積される重み
情報記憶部１０３を有し、データ処理装置９に利用者間
類似度算出手段で算出される利用者間類似度情報以外の
情報を生成する情報生成手段９７を有する構成である。
【００９１】図７において、本実施例の情報フィルタリ
ング方式は、入力装置１と、対象項目毎に要求者に対す
る適合度を推定するデータ処理装置９と、複数の利用者
による項目評価情報が蓄積される記憶装置１０と、出力
装置２とによって構成されている。なお、入力装置１及
び出力装置２は従来と同様の構成である。
ング方式は、入力装置１と、対象項目毎に要求者に対す
る適合度を推定するデータ処理装置９と、複数の利用者
による項目評価情報が蓄積される記憶装置１０と、出力
装置２とによって構成されている。なお、入力装置１及
び出力装置２は従来と同様の構成である。
【００９２】記憶装置１０は項目評価情報記憶部１０１
と項目情報記憶部１０２と重み情報記憶部１０３とによ
って構成されている。
と項目情報記憶部１０２と重み情報記憶部１０３とによ
って構成されている。
【００９３】項目評価情報記憶部１０１は複数の利用者
による項目評価情報等があらかじめ蓄積され、項目情報
記憶部１０２は対象項目を識別するためのＩＤ番号や項
目名などの２次情報があらかじめ蓄積され、重み情報記
憶部１０３は適合度を推定する際に使用される各情報に
対する重み情報があらかじめ蓄積されている。
による項目評価情報等があらかじめ蓄積され、項目情報
記憶部１０２は対象項目を識別するためのＩＤ番号や項
目名などの２次情報があらかじめ蓄積され、重み情報記
憶部１０３は適合度を推定する際に使用される各情報に
対する重み情報があらかじめ蓄積されている。
【００９４】また、データ処理装置９は利用者間類似度
算出手段９１と情報生成手段９７と適合度推定手段９２
と項目選択手段９３とによって構成されている。
算出手段９１と情報生成手段９７と適合度推定手段９２
と項目選択手段９３とによって構成されている。
【００９５】利用者間類似度算出手段９１は入力装置１
を介して要求者からの要求が入力されると、項目評価情
報記憶部１０１に蓄積された項目評価情報を使用して他
の利用者と要求者の類似度を算出する。
を介して要求者からの要求が入力されると、項目評価情
報記憶部１０１に蓄積された項目評価情報を使用して他
の利用者と要求者の類似度を算出する。
【００９６】情報生成手段９７は、利用者間類似度算出
手段９１で算出された利用者間類似度情報、項目評価情
報記憶部１０１に蓄積された項目評価情報、および項目
情報記憶部１０２に蓄積された項目情報の中から必要な
情報を使用して利用者間類似度情報以外の情報を算出す
る。
手段９１で算出された利用者間類似度情報、項目評価情
報記憶部１０１に蓄積された項目評価情報、および項目
情報記憶部１０２に蓄積された項目情報の中から必要な
情報を使用して利用者間類似度情報以外の情報を算出す
る。
【００９７】適合度推定手段９２は、項目評価情報記憶
部１０１に蓄積された項目評価情報、利用者間類似度算
出手段９１で算出された利用者間類似度情報、重み情報
記憶部１０３に蓄積された重み情報、および情報生成手
段９７で算出された情報の複数の情報から要求者に対す
る各対象項目毎の適合度を推定する。
部１０１に蓄積された項目評価情報、利用者間類似度算
出手段９１で算出された利用者間類似度情報、重み情報
記憶部１０３に蓄積された重み情報、および情報生成手
段９７で算出された情報の複数の情報から要求者に対す
る各対象項目毎の適合度を推定する。
【００９８】項目選択手段９３は適合度推定手段９２で
推定した適合度を参照して、要求に合った対象項目を選
択し、結果を出力装置２に出力する。
推定した適合度を参照して、要求に合った対象項目を選
択し、結果を出力装置２に出力する。
【００９９】このような構成において、次に本実施例の
情報フィルタリング方式の動作について図８を参照して
説明する。
情報フィルタリング方式の動作について図８を参照して
説明する。
【０１００】なお、図８に示したステップＤ１およびス
テップＤ４、Ｄ５の動作は従来と同様である。
テップＤ４、Ｄ５の動作は従来と同様である。
【０１０１】入力装置１から要求が入力されると、ま
ず、利用者間類似度算出手段９１は項目評価情報記憶部
１０１に蓄積されている項目評価情報を利用して利用者
間の類似度を算出する（ステップＤ１）。
ず、利用者間類似度算出手段９１は項目評価情報記憶部
１０１に蓄積されている項目評価情報を利用して利用者
間の類似度を算出する（ステップＤ１）。
【０１０２】次に、情報生成手段９７は利用者間類似度
算出手段９１で算出された利用者間類似度情報、項目評
価情報記憶部１０１に蓄積されている項目評価情報、お
よび項目情報記憶部１０２に蓄積されている項目情報の
うち、必要な情報を使用して適合度生成手段９２に提供
する情報を生成する（ステップＤ２）。
算出手段９１で算出された利用者間類似度情報、項目評
価情報記憶部１０１に蓄積されている項目評価情報、お
よび項目情報記憶部１０２に蓄積されている項目情報の
うち、必要な情報を使用して適合度生成手段９２に提供
する情報を生成する（ステップＤ２）。
【０１０３】続いて、適合度推定手段９２は、利用者間
類似度算出手段９１で算出された利用者間の類似度情報
と、項目評価情報記憶部１０１に蓄積されている項目評
価情報と、情報生成手段９７で算出された情報と、重み
情報記憶部１０３に蓄積された対象項目毎の重み情報と
から、要求者に対する各対象項目毎の適合度を推定する
（ステップＤ４）。
類似度算出手段９１で算出された利用者間の類似度情報
と、項目評価情報記憶部１０１に蓄積されている項目評
価情報と、情報生成手段９７で算出された情報と、重み
情報記憶部１０３に蓄積された対象項目毎の重み情報と
から、要求者に対する各対象項目毎の適合度を推定する
（ステップＤ４）。
【０１０４】最後に、項目選択手段９３は適合度推定手
段９２で推定した適合度を参照して、要求に合った対象
項目を選択し（ステップＤ５）、結果を出力装置２に出
力する（ステップＤ６）。
段９２で推定した適合度を参照して、要求に合った対象
項目を選択し（ステップＤ５）、結果を出力装置２に出
力する（ステップＤ６）。
【０１０５】ここで、適合度推定手段９２では、重み情
報にしたがって、それぞれの情報の標準偏差が指定され
た重みになるように正規化が行われ、正規化された値で
適合度が推定される。このとき適合度は下記式によって
推定される。
報にしたがって、それぞれの情報の標準偏差が指定され
た重みになるように正規化が行われ、正規化された値で
適合度が推定される。このとき適合度は下記式によって
推定される。
【０１０６】
【数６】 したがって、対象項目の分野や利用者層に合わせて、要
求者に対する適合度を推定するのに最適な重みを指定す
ることができるため、フィルタリング精度を向上させる
ことができる。
求者に対する適合度を推定するのに最適な重みを指定す
ることができるため、フィルタリング精度を向上させる
ことができる。
【０１０７】なお、重み情報は、重み情報記憶部１０３
に蓄積される必要はなく、入力装置１から入力されても
本実施例と同様の効果を得ることができる。
に蓄積される必要はなく、入力装置１から入力されても
本実施例と同様の効果を得ることができる。
【０１０８】
【発明の効果】本発明は以上説明したように構成されて
いるので、以下に記載する効果を奏する。
いるので、以下に記載する効果を奏する。
【０１０９】請求項１に記載のものにおいては、利用者
が特定の興味や嗜好に偏って集まる影響が取り除かれ、
フィルタリング精度の高い情報フィルタリング方式を得
ることができる。
が特定の興味や嗜好に偏って集まる影響が取り除かれ、
フィルタリング精度の高い情報フィルタリング方式を得
ることができる。
【０１１０】請求項２及び３に記載のものにおいては、
項目評価情報が少ない新しい情報やサービス等について
も、利用者に対する適合度を高い精度で推定することが
できるため、フィルタリング精度を向上させることがで
きる。
項目評価情報が少ない新しい情報やサービス等について
も、利用者に対する適合度を高い精度で推定することが
できるため、フィルタリング精度を向上させることがで
きる。
【０１１１】請求項４及び５に記載のものにおいては、
情報やサービスの分野あるいは利用者層に合わせて、要
求者に対する適合度を推定するのに最適な重みを指定す
ることができるため、フィルタリング精度の高い情報フ
ィルタリング方式を得ることができる。
情報やサービスの分野あるいは利用者層に合わせて、要
求者に対する適合度を推定するのに最適な重みを指定す
ることができるため、フィルタリング精度の高い情報フ
ィルタリング方式を得ることができる。
【図１】本発明の情報フィルタリング方式の第１実施例
の構成を示すブロック図である。
の構成を示すブロック図である。
【図２】図１に示した情報フィルタリング方式の動作手
順を示すフローチャートである。
順を示すフローチャートである。
【図３】本発明の情報フィルタリング方式の第２実施例
の構成を示すブロック図である。
の構成を示すブロック図である。
【図４】図３に示した情報フィルタリング方式の動作手
順を示すフローチャートである。
順を示すフローチャートである。
【図５】本発明の情報フィルタリング方式の第３実施例
の構成を示すブロック図である。
の構成を示すブロック図である。
【図６】図５に示した情報フィルタリング方式の動作手
順を示すフローチャートである。
順を示すフローチャートである。
【図７】本発明の情報フィルタリング方式の第４実施例
の構成を示すブロック図である。
の構成を示すブロック図である。
【図８】図７に示した情報フィルタリング方式の動作手
順を示すフローチャートである。
順を示すフローチャートである。
【図９】従来の情報フィルタリング方式の構成を示すブ
ロック図である。
ロック図である。
【図１０】図９に示した情報フィルタリング方式の動作
手順を示すフローチャートである。
手順を示すフローチャートである。
１ 入力装置 ２ 出力装置 ３、５、７、９ データ処理装置 ４、６、８、１０ 記憶装置 ３１、５１、７１、９１ 利用者間類似度算出手段 ３２、５２、９２ 適合度推定手段 ３３、５３、７３、９３ 項目選択手段 ３４ 人口密度算出手段 ４１、６１、８１、１０１ 項目評価情報記憶部 ４２、６２、８２１０２ 項目情報記憶部 ５５、７５ ＬＥ度算出手段 ７２ 第１の適合度推定手段 ７６ 第２の適合度推定手段 ９７ 情報生成手段 １０３ 重み情報記憶部
Claims (5)
- 【請求項１】 多数の情報やサービスの中から利用者の
興味や嗜好に合うものを推薦する情報フィルタリング方
式であって、 推薦要求やフィルタリング要求が入力される入力装置
と、 情報やサービスに対する複数の利用者の評価結果である
項目評価情報が蓄積される記憶装置と、 前記項目評価情報を使用して、推薦要求やフィルタリン
グ要求を行った利用者である要求者と他の利用者との類
似度を算出する利用者間類似度算出手段と、 前記項目評価情報および前記類似度から、フィルタリン
グ対象である各情報やサービスが前記要求者の興味や嗜
好に合うか否かの度合を示す適合度を推定する適合度推
定手段と、 該適合度から要求に合う情報やサービスを選択して出力
する項目選択手段と、 前記項目選択手段で選択した情報やサービスを表示する
出力装置とを有する情報フィルタリング方式において、 前記利用者間類似度算出手段の算出結果から、似た興味
や嗜好を持つ利用者の人数を求め、該人数から各利用者
近傍での局所的な人口密度を計算する人口密度算出手段
を有し、 前記適合度推定手段は、 前記項目評価情報、前記類似度、及び前記人口密度から
前記適合度を推定することを特徴とする情報フィルタリ
ング方式。 - 【請求項２】 多数の情報やサービスの中から利用者の
興味や嗜好に合うものを推薦する情報フィルタリング方
式であって、 推薦要求やフィルタリング要求が入力される入力装置
と、 情報やサービスに対する複数の利用者の評価結果である
項目評価情報が蓄積される記憶装置と、 前記項目評価情報を使用して、推薦要求やフィルタリン
グ要求を行った利用者である要求者と他の利用者との類
似度を算出する利用者間類似度算出手段と、 前記項目評価情報および前記類似度から、フィルタリン
グ対象である各情報やサービスが前記要求者の興味や嗜
好に合うか否かの度合を示す適合度を推定する適合度推
定手段と、 該適合度から要求に合う情報やサービスを選択して出力
する項目選択手段と、前記項目選択手段で選択した情報
やサービスを表示する出力装置とを有する情報フィルタ
リング方式において、 前記記憶装置に、 前記項目評価情報とともに、情報やサービスに対する評
価を行った時刻の情報を各利用者毎に蓄積し、 前記時刻情報から利用者の評価情報に対する信頼度の高
さを示すＬＥ度を算出するＬＥ度算出手段を有し、 前記適合度推定手段は、 前記項目評価情報、前記類似度、及び前記ＬＥ度から前
記適合度を推定することを特徴とする情報フィルタリン
グ方式。 - 【請求項３】 多数の情報やサービスの中から利用者の
興味や嗜好に合うものを推薦する情報フィルタリング方
式であって、 推薦要求やフィルタリング要求が入力される入力装置
と、 情報やサービスに対する複数の利用者の評価結果である
項目評価情報が蓄積される記憶装置と、 前記項目評価情報を使用して、推薦要求やフィルタリン
グ要求を行った利用者である要求者と他の利用者との類
似度を算出する利用者間類似度算出手段と、 フィルタリング対象である各情報やサービスが前記要求
者の興味や嗜好に合うか否かの度合を示す適合度を推定
する第１の適合度推定手段と、 該適合度から要求に合う情報やサービスを選択して出力
する項目選択手段と、 前記項目選択手段で選択した情報やサービスを表示する
出力装置とを有する情報フィルタリング方式において、 前記記憶装置に、 前記項目評価情報とともに、情報やサービスに対する評
価を行った時刻の情報を各利用者毎に蓄積し、 前記項目評価情報および前記類似度から、各情報やサー
ビスが前記要求者の興味や嗜好に合うか否かの度合を示
す推定適合度を算出する第２の適合度推定手段と、前記
推定適合度及び前記時刻情報から利用者の評価情報に対
する信頼度の高さを示すＬＥ度を算出するＬＥ度算出手
段とを有し、 前記第１の適合度推定手段は、 前記項目評価情報、前記類似度、及び前記ＬＥ度から前
記適合度を推定することを特徴とする情報フィルタリン
グ方式。 - 【請求項４】 多数の情報やサービスの中から利用者の
興味や嗜好に合うものを推薦する情報フィルタリング方
式であって、 推薦要求やフィルタリング要求が入力される入力装置
と、 情報やサービスに対する複数の利用者の評価結果である
項目評価情報が蓄積される記憶装置と、 前記項目評価情報を使用して、推薦要求やフィルタリン
グ要求を行った利用者である要求者と他の利用者との類
似度を算出する利用者間類似度算出手段と、 前記項目評価情報および前記類似度から、フィルタリン
グ対象である各情報やサービスが前記要求者の興味や嗜
好に合うか否かの度合を示す適合度を推定する適合度推
定手段と、 該適合度から要求に合う情報やサービスを選択して出力
する項目選択手段と、 前記項目選択手段で選択した情報やサービスを表示する
出力装置とを有する情報フィルタリング方式において、 前記記憶装置に、 適合度を推定する際に使用される各情報に対して、情報
やサービスの分野及び利用者層に応じて付与される重み
情報が蓄積される重み情報記憶部を有し、 前記適合度推定手段は、 前記項目評価情報、前記類似度、および前記重み情報か
ら前記適合度を推定することを特徴とする情報フィルタ
リング方式。 - 【請求項５】 請求項４に記載の情報フィルタリング方
式において、 前記重み情報は前記入力装置から入力されることを特徴
とする情報フィルタリング方式。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8075781A JP2800769B2 (ja) | 1996-03-29 | 1996-03-29 | 情報フィルタリング方式 |
| US08/828,060 US6014654A (en) | 1996-03-29 | 1997-03-28 | Information filtering apparatus for filtering information for interests of users and a method therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8075781A JP2800769B2 (ja) | 1996-03-29 | 1996-03-29 | 情報フィルタリング方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09265478A true JPH09265478A (ja) | 1997-10-07 |
| JP2800769B2 JP2800769B2 (ja) | 1998-09-21 |
Family
ID=13586110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8075781A Expired - Lifetime JP2800769B2 (ja) | 1996-03-29 | 1996-03-29 | 情報フィルタリング方式 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6014654A (ja) |
| JP (1) | JP2800769B2 (ja) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11282875A (ja) * | 1998-03-27 | 1999-10-15 | Oki Electric Ind Co Ltd | 情報フィルタリング装置 |
| JPH11306193A (ja) * | 1998-04-22 | 1999-11-05 | Nippon Telegr & Teleph Corp <Ntt> | メンバー親密度利用型情報提示方法および装置とメンバー親密度利用型情報提示プログラムを記録した記録媒体 |
| JPH11328275A (ja) * | 1998-05-14 | 1999-11-30 | Nec Corp | 情報フィルタリング方法及び方式 |
| WO1999063458A1 (fr) * | 1998-05-29 | 1999-12-09 | Sony Corporation | Systeme generant des informations de preference constatees |
| JP2000132557A (ja) * | 1998-10-22 | 2000-05-12 | Mitsubishi Electric Corp | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
| JP2000227918A (ja) * | 1999-02-05 | 2000-08-15 | Nec Corp | 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体 |
| US6321221B1 (en) | 1998-07-17 | 2001-11-20 | Net Perceptions, Inc. | System, method and article of manufacture for increasing the user value of recommendations |
| JP2002506256A (ja) * | 1998-03-03 | 2002-02-26 | アマゾン コム インコーポレイテッド | カレントクエリーに最も関連性のあるアイテムを、類似のクエリーに関して選択されたアイテムに基づいて特定するソフトウェア機能 |
| US6412012B1 (en) | 1998-12-23 | 2002-06-25 | Net Perceptions, Inc. | System, method, and article of manufacture for making a compatibility-aware recommendations to a user |
| JP2002215857A (ja) * | 2001-01-19 | 2002-08-02 | Yukinori Kakazu | 業務支援装置、業務支援システム、業務支援方法、記憶媒体及びコンピュータ・プログラム |
| JP2002529974A (ja) * | 1998-11-04 | 2002-09-10 | インテル・コーポレーション | 放送に対する視聴者フィードバックを収集し、かつ提供するための方法および装置 |
| JP2002536730A (ja) * | 1999-01-29 | 2002-10-29 | エルジー エレクトロニクス インコーポレーテッド | マルチメディアデータの検索又はブラウジング方法 |
| WO2004095317A1 (ja) * | 2003-04-24 | 2004-11-04 | Sony Corporation | ユーザーの嗜好によるコンテンツ検索プログラム、方法、及び装置 |
| JP2004362548A (ja) * | 1999-10-19 | 2004-12-24 | Lg Electronics Inc | マルチメディアのコンテンツ検索方法 |
| US6963848B1 (en) * | 2000-03-02 | 2005-11-08 | Amazon.Com, Inc. | Methods and system of obtaining consumer reviews |
| EP1610529A1 (en) | 2004-06-22 | 2005-12-28 | Sony Corporation | Information transmission system by collaborative filtering |
| JP2008250975A (ja) * | 2007-03-08 | 2008-10-16 | Just Syst Corp | 時系列情報処理装置、方法、及びプログラム |
| US7461058B1 (en) | 1999-09-24 | 2008-12-02 | Thalveg Data Flow Llc | Optimized rule based constraints for collaborative filtering systems |
| US7788123B1 (en) | 2000-06-23 | 2010-08-31 | Ekhaus Michael A | Method and system for high performance model-based personalization |
| US7860945B2 (en) | 2001-05-29 | 2010-12-28 | Fujitsu Limited | Information and programming browse sharing method |
| US7921119B2 (en) | 1998-03-03 | 2011-04-05 | A9.Com, Inc. | Identifying the items most relevant to a current query based on items selected in connection with similar queries |
| US8001003B1 (en) | 2007-09-28 | 2011-08-16 | Amazon Technologies, Inc. | Methods and systems for searching for and identifying data repository deficits |
| US8108255B1 (en) | 2007-09-27 | 2012-01-31 | Amazon Technologies, Inc. | Methods and systems for obtaining reviews for items lacking reviews |
| US8694385B1 (en) | 1998-03-03 | 2014-04-08 | A9.Com, Inc. | Identifying items relevant to a current query based on items accessed in connection with similar queries |
Families Citing this family (50)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2345157B (en) * | 1998-12-23 | 2003-06-18 | Ibm | Publish and subscribe data processing apparatus, method and computer program product with declaration of a unique publisher broker |
| JPH10136439A (ja) * | 1996-10-30 | 1998-05-22 | Fujitsu Ltd | 移動体通信システム及び移動体端末及び基地局及び移動体交換局及び移動体通信制御方法 |
| US7484172B2 (en) | 1997-05-23 | 2009-01-27 | Walker Digital, Llc | System and method for providing a customized index with hyper-footnotes |
| US6377963B1 (en) * | 1997-05-23 | 2002-04-23 | Walker Digital, Llc | Method and system for attaching customized indexes to periodicals |
| US6182143B1 (en) * | 1998-06-25 | 2001-01-30 | International Business Machines Corporation | Publish and subscribe data processing apparatus, method and computer program product with use of a stream to distribute local information between neighbors in a broker structure |
| GB2345158A (en) * | 1998-12-23 | 2000-06-28 | Ibm | Publish and subscribe data processing with ability to specify a local publication/subscription |
| GB2345164A (en) * | 1998-12-24 | 2000-06-28 | Ibm | Publish and subscribe data processing with subscriber option to request subscription propagation prior to acknowledgment |
| US6493703B1 (en) | 1999-05-11 | 2002-12-10 | Prophet Financial Systems | System and method for implementing intelligent online community message board |
| US6515681B1 (en) | 1999-05-11 | 2003-02-04 | Prophet Financial Systems, Inc. | User interface for interacting with online message board |
| US7162471B1 (en) | 1999-05-11 | 2007-01-09 | Maquis Techtrix Llc | Content query system and method |
| US6571234B1 (en) | 1999-05-11 | 2003-05-27 | Prophet Financial Systems, Inc. | System and method for managing online message board |
| US6804675B1 (en) | 1999-05-11 | 2004-10-12 | Maquis Techtrix, Llc | Online content provider system and method |
| US8108245B1 (en) | 1999-09-17 | 2012-01-31 | Cox Communications, Inc. | Method and system for web user profiling and selective content delivery |
| US6405034B1 (en) | 2000-01-28 | 2002-06-11 | Leap Wireless International, Inc. | Adaptive communication data retrieval system |
| US7979880B2 (en) * | 2000-04-21 | 2011-07-12 | Cox Communications, Inc. | Method and system for profiling iTV users and for providing selective content delivery |
| WO2001086390A2 (en) | 2000-05-08 | 2001-11-15 | Walker Digital, Llc | Method and system for providing a link in an electronic file being presented to a user |
| US6874037B1 (en) | 2000-06-19 | 2005-03-29 | Sony Corporation | Method and apparatus for synchronizing device information |
| US20020046203A1 (en) * | 2000-06-22 | 2002-04-18 | The Sony Corporation/Sony Electronics Inc. | Method and apparatus for providing ratings of web sites over the internet |
| US7739335B2 (en) | 2000-06-22 | 2010-06-15 | Sony Corporation | Method and apparatus for providing a customized selection of audio content over the internet |
| CN1168031C (zh) * | 2001-09-07 | 2004-09-22 | 联想(北京)有限公司 | 基于文本内容特征相似度和主题相关程度比较的内容过滤器 |
| JP2003085092A (ja) * | 2001-09-13 | 2003-03-20 | Fujitsu Ltd | 情報評価装置、端末、およびプログラム |
| US6976073B2 (en) * | 2001-11-29 | 2005-12-13 | Hewlett-Packard Development Company, L.P. | Transparent remote data storage device and method |
| US20030106057A1 (en) * | 2001-12-05 | 2003-06-05 | Predictive Networks, Inc. | Television navigation program guide |
| JP2006524009A (ja) * | 2003-03-25 | 2006-10-19 | セドナ・パテント・サービシズ・エルエルシー | 視聴者分析結果の生成 |
| US20040225509A1 (en) * | 2003-05-07 | 2004-11-11 | Olivier Andre | Use of financial transaction network(s) information to generate personalized recommendations |
| US7085677B1 (en) * | 2004-04-19 | 2006-08-01 | Amazon Technologies, Inc. | Automatically identifying incongruous item packages |
| JP4207012B2 (ja) * | 2005-03-30 | 2009-01-14 | ソニー株式会社 | ユーザ端末およびコンテンツ探索呈示方法 |
| US20080109348A1 (en) * | 2006-11-02 | 2008-05-08 | Hsbc Finance Corporation | Credit System with Over-Limit Analysis |
| DE102007020870A1 (de) * | 2007-05-04 | 2008-11-13 | Airbus Deutschland Gmbh | Hochauftriebssystem am Tragflügel eines Flugzeugs |
| US8880583B2 (en) * | 2007-06-08 | 2014-11-04 | Nixle, Llc | System and method for permitting geographically-pertinent information to be ranked by users according to users' geographic proximity to information and to each other for affecting the ranking of such information |
| US8732104B2 (en) * | 2008-10-03 | 2014-05-20 | Sift, Llc | Method, system, and apparatus for determining a predicted rating |
| US20100235190A1 (en) * | 2009-03-10 | 2010-09-16 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| US9911165B2 (en) | 2009-03-10 | 2018-03-06 | Gearbox, Llc | Computational systems and methods for health services planning and matching |
| US20100235189A1 (en) * | 2009-03-10 | 2010-09-16 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| US20100241448A1 (en) * | 2009-03-10 | 2010-09-23 | Searete Llc, A Limited Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| US20100268057A1 (en) * | 2009-03-10 | 2010-10-21 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| US20110202361A1 (en) * | 2009-03-10 | 2011-08-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| US10319471B2 (en) | 2009-03-10 | 2019-06-11 | Gearbox Llc | Computational systems and methods for health services planning and matching |
| US20100241449A1 (en) * | 2009-03-10 | 2010-09-23 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| US20100235186A1 (en) * | 2009-03-10 | 2010-09-16 | Searete Llc | Computational systems and methods for health services planning and matching |
| US20100235242A1 (en) * | 2009-03-10 | 2010-09-16 | Searete Llc, A Limited Liability Corporation Of State Of Delaware | Computational systems and methods for health services planning and matching |
| US20100274577A1 (en) * | 2009-03-10 | 2010-10-28 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| US20100235187A1 (en) * | 2009-03-10 | 2010-09-16 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| US9892435B2 (en) * | 2009-03-10 | 2018-02-13 | Gearbox Llc | Computational systems and methods for health services planning and matching |
| US8095384B2 (en) | 2009-03-10 | 2012-01-10 | The Invention Science Fund I | Computational systems and methods for health services planning and matching |
| US20100235188A1 (en) * | 2009-03-10 | 2010-09-16 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| US9858540B2 (en) * | 2009-03-10 | 2018-01-02 | Gearbox, Llc | Computational systems and methods for health services planning and matching |
| US9886729B2 (en) * | 2009-03-10 | 2018-02-06 | Gearbox, Llc | Computational systems and methods for health services planning and matching |
| US20100235191A1 (en) * | 2009-03-10 | 2010-09-16 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems and methods for health services planning and matching |
| CN104091227B (zh) * | 2014-06-17 | 2017-02-08 | 华南理工大学 | 一种城市用电用户的负荷密度分析方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5704018A (en) * | 1994-05-09 | 1997-12-30 | Microsoft Corporation | Generating improved belief networks |
| US5652829A (en) * | 1994-07-26 | 1997-07-29 | International Business Machines Corporation | Feature merit generator |
| US5758257A (en) * | 1994-11-29 | 1998-05-26 | Herz; Frederick | System and method for scheduling broadcast of and access to video programs and other data using customer profiles |
| US5799304A (en) * | 1995-01-03 | 1998-08-25 | Intel Corporation | Information evaluation |
| US5907836A (en) * | 1995-07-31 | 1999-05-25 | Kabushiki Kaisha Toshiba | Information filtering apparatus for selecting predetermined article from plural articles to present selected article to user, and method therefore |
| WO1997026729A2 (en) * | 1995-12-27 | 1997-07-24 | Robinson Gary B | Automated collaborative filtering in world wide web advertising |
| US5790935A (en) * | 1996-01-30 | 1998-08-04 | Hughes Aircraft Company | Virtual on-demand digital information delivery system and method |
| US5872850A (en) * | 1996-02-02 | 1999-02-16 | Microsoft Corporation | System for enabling information marketplace |
| US5704017A (en) * | 1996-02-16 | 1997-12-30 | Microsoft Corporation | Collaborative filtering utilizing a belief network |
| US5867799A (en) * | 1996-04-04 | 1999-02-02 | Lang; Andrew K. | Information system and method for filtering a massive flow of information entities to meet user information classification needs |
| US5890152A (en) * | 1996-09-09 | 1999-03-30 | Seymour Alvin Rapaport | Personal feedback browser for obtaining media files |
| US5842199A (en) * | 1996-10-18 | 1998-11-24 | Regents Of The University Of Minnesota | System, method and article of manufacture for using receiver operating curves to evaluate predictive utility |
-
1996
- 1996-03-29 JP JP8075781A patent/JP2800769B2/ja not_active Expired - Lifetime
-
1997
- 1997-03-28 US US08/828,060 patent/US6014654A/en not_active Expired - Fee Related
Cited By (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7921119B2 (en) | 1998-03-03 | 2011-04-05 | A9.Com, Inc. | Identifying the items most relevant to a current query based on items selected in connection with similar queries |
| JP4792551B2 (ja) * | 1998-03-03 | 2011-10-12 | エーナイン・ドット・コム インコーポレイテッド | カレントサーチ結果の中のアイテムをランク付ける方法およびシステム |
| JP2002506256A (ja) * | 1998-03-03 | 2002-02-26 | アマゾン コム インコーポレイテッド | カレントクエリーに最も関連性のあるアイテムを、類似のクエリーに関して選択されたアイテムに基づいて特定するソフトウェア機能 |
| US8694385B1 (en) | 1998-03-03 | 2014-04-08 | A9.Com, Inc. | Identifying items relevant to a current query based on items accessed in connection with similar queries |
| JPH11282875A (ja) * | 1998-03-27 | 1999-10-15 | Oki Electric Ind Co Ltd | 情報フィルタリング装置 |
| JPH11306193A (ja) * | 1998-04-22 | 1999-11-05 | Nippon Telegr & Teleph Corp <Ntt> | メンバー親密度利用型情報提示方法および装置とメンバー親密度利用型情報提示プログラムを記録した記録媒体 |
| JPH11328275A (ja) * | 1998-05-14 | 1999-11-30 | Nec Corp | 情報フィルタリング方法及び方式 |
| US6782409B1 (en) | 1998-05-29 | 2004-08-24 | Sony Corporation | Experience/sympathy information providing system |
| WO1999063458A1 (fr) * | 1998-05-29 | 1999-12-09 | Sony Corporation | Systeme generant des informations de preference constatees |
| US6321221B1 (en) | 1998-07-17 | 2001-11-20 | Net Perceptions, Inc. | System, method and article of manufacture for increasing the user value of recommendations |
| JP2000132557A (ja) * | 1998-10-22 | 2000-05-12 | Mitsubishi Electric Corp | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
| JP2002529974A (ja) * | 1998-11-04 | 2002-09-10 | インテル・コーポレーション | 放送に対する視聴者フィードバックを収集し、かつ提供するための方法および装置 |
| US6412012B1 (en) | 1998-12-23 | 2002-06-25 | Net Perceptions, Inc. | System, method, and article of manufacture for making a compatibility-aware recommendations to a user |
| JP2002536730A (ja) * | 1999-01-29 | 2002-10-29 | エルジー エレクトロニクス インコーポレーテッド | マルチメディアデータの検索又はブラウジング方法 |
| JP2000227918A (ja) * | 1999-02-05 | 2000-08-15 | Nec Corp | 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体 |
| US8548987B2 (en) | 1999-09-24 | 2013-10-01 | Thalveg Data Flow Llc | System and method for efficiently providing a recommendation |
| US7461058B1 (en) | 1999-09-24 | 2008-12-02 | Thalveg Data Flow Llc | Optimized rule based constraints for collaborative filtering systems |
| JP2006099761A (ja) * | 1999-10-19 | 2006-04-13 | Lg Electronics Inc | マルチメディアのコンテンツ検索方法 |
| JP2004362548A (ja) * | 1999-10-19 | 2004-12-24 | Lg Electronics Inc | マルチメディアのコンテンツ検索方法 |
| US6963848B1 (en) * | 2000-03-02 | 2005-11-08 | Amazon.Com, Inc. | Methods and system of obtaining consumer reviews |
| US7552068B1 (en) | 2000-03-02 | 2009-06-23 | Amazon Technologies, Inc. | Methods and systems of obtaining consumer reviews |
| US8155992B2 (en) | 2000-06-23 | 2012-04-10 | Thalveg Data Flow Llc | Method and system for high performance model-based personalization |
| US7788123B1 (en) | 2000-06-23 | 2010-08-31 | Ekhaus Michael A | Method and system for high performance model-based personalization |
| JP2002215857A (ja) * | 2001-01-19 | 2002-08-02 | Yukinori Kakazu | 業務支援装置、業務支援システム、業務支援方法、記憶媒体及びコンピュータ・プログラム |
| US7860945B2 (en) | 2001-05-29 | 2010-12-28 | Fujitsu Limited | Information and programming browse sharing method |
| US7734630B2 (en) | 2003-04-24 | 2010-06-08 | Sony Corporation | Program, data processing method and data processing apparatus |
| CN100437570C (zh) * | 2003-04-24 | 2008-11-26 | 索尼株式会社 | 数据处理方法和数据处理装置 |
| WO2004095317A1 (ja) * | 2003-04-24 | 2004-11-04 | Sony Corporation | ユーザーの嗜好によるコンテンツ検索プログラム、方法、及び装置 |
| EP1610529A1 (en) | 2004-06-22 | 2005-12-28 | Sony Corporation | Information transmission system by collaborative filtering |
| JP2008250975A (ja) * | 2007-03-08 | 2008-10-16 | Just Syst Corp | 時系列情報処理装置、方法、及びプログラム |
| US8108255B1 (en) | 2007-09-27 | 2012-01-31 | Amazon Technologies, Inc. | Methods and systems for obtaining reviews for items lacking reviews |
| US8001003B1 (en) | 2007-09-28 | 2011-08-16 | Amazon Technologies, Inc. | Methods and systems for searching for and identifying data repository deficits |
| US8290811B1 (en) | 2007-09-28 | 2012-10-16 | Amazon Technologies, Inc. | Methods and systems for searching for and identifying data repository deficits |
| US8566178B1 (en) | 2007-09-28 | 2013-10-22 | Amazon Technologies, Inc. | Methods and systems for searching for and identifying data repository deficits |
| US9633388B2 (en) | 2007-09-28 | 2017-04-25 | Amazon Technologies, Inc. | Methods and systems for searching for and identifying data repository deficits |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2800769B2 (ja) | 1998-09-21 |
| US6014654A (en) | 2000-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2800769B2 (ja) | 情報フィルタリング方式 | |
| US11314822B2 (en) | Interface for a universal search | |
| JP3116851B2 (ja) | 情報フィルタリング方法及びその装置 | |
| AU2004275274B2 (en) | Methods and systems for improving a search ranking using related queries | |
| US9058364B2 (en) | Variable personalization of search results in a search engine | |
| EP0751471A1 (en) | Method and apparatus for item recommendation using automated collaborative filtering | |
| US8117212B2 (en) | Information processing apparatus and method, program and recording medium | |
| US20060173556A1 (en) | Methods and apparatus for using user gender and/or age group to improve the organization of documents retrieved in response to a search query | |
| US20120089600A1 (en) | Methods and Systems for Improving a Search Ranking Using Population Information | |
| US20010013009A1 (en) | System and method for computer-based marketing | |
| US20120281910A1 (en) | Detecting facial similarity based on human perception of facial similarity | |
| WO1998033135A1 (en) | Improved method and apparatus for item recommendation using automated collaborative filtering | |
| TW201248435A (en) | Method and apparatus of providing suggested terms | |
| US10380121B2 (en) | System and method for query temporality analysis | |
| Chen et al. | Collaborative filtering based on demographic attribute vector | |
| JP2950222B2 (ja) | 情報検索方式 | |
| JP3674360B2 (ja) | 情報提供サーバ及び情報提供方法 | |
| KR20030058660A (ko) | 개인화 시스템에서 사용자의 컨텐트 선호도를 이용한협업필터링 학습방법 | |
| JP3674383B2 (ja) | 情報提供サーバ及び情報提供方法 | |
| JP3646011B2 (ja) | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| JP2003016106A (ja) | 関連度値算出装置 | |
| WO2004114155A1 (ja) | コンテンツ推薦装置、方法及びプログラム | |
| Maneeroj et al. | Combining Dynamic Agents and Collaborative Filtering without Sparsity Rating Problem for Better Recommendation Quality. | |
| JP2000227918A (ja) | 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体 | |
| JP4309144B2 (ja) | ドキュメント検索装置 |