CN102279865A - 内容推荐设备和内容推荐方法 - Google Patents
内容推荐设备和内容推荐方法 Download PDFInfo
- Publication number
- CN102279865A CN102279865A CN2011101533620A CN201110153362A CN102279865A CN 102279865 A CN102279865 A CN 102279865A CN 2011101533620 A CN2011101533620 A CN 2011101533620A CN 201110153362 A CN201110153362 A CN 201110153362A CN 102279865 A CN102279865 A CN 102279865A
- Authority
- CN
- China
- Prior art keywords
- content
- recommendation
- information
- user
- types
- 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.)
- Pending
Links
Images
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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
一种内容推荐设备和内容推荐方法,该设备包括:使用信息存储部,存储与使用有关的多个类型的信息;推荐内容判断部,根据与使用有关的多个类型的信息中的每一个来判断要被推荐给用户的内容作为推荐内容,并且判断与使用有关的多个类型的信息相对应的多个类型的推荐内容项;切换规则存储部,存储设置用于切换推荐内容的类型的时段的切换规则,作为由负责特定区域中销售内容的区域管理者设置的规则;选择部,当从位于特定区域中的用户的终端生成推荐内容建议请求时,在多个类型的推荐内容项中选择一个类型的推荐内容,并且依次在由切换规则设置的时段之后选择不同类型的内容;推荐信息提供部,把表示由选择部选择的推荐内容的信息提供给用户终端。
Description
技术领域
本发明涉及一种数据处理技术,更具体地说,涉及一种将内容(比如视频游戏)推荐给用户的技术。
背景技术
至今,为了将内容推荐给用户,已经采用基于用户行为信息或偏好信息的协作过滤。例如,通过基于表示用户特性的简档对多个用户进行聚类来设置具有相似行为和偏好的用户组(群)。然后,对于变为推荐伙伴的用户,将用户所属的群中的流行内容推荐给用户作为推荐内容。
发明内容
当基于用户行为信息或偏好信息判断用户的推荐内容时,当在用户的行为和偏好方面不存在改变时,推荐内容难以改变。因此,本发明人考虑到推荐内容每天的改变不充分,并且难以向用户建议新信息。
因此,期望提供一种实现推荐内容丰富地改变的内容推荐技术。
本发明实施例针对一种内容推荐设备,包括:使用信息存储部,存储与使用有关的多个类型的信息作为与用户对内容的使用有关的信息;推荐内容判断部,根据与使用有关的多个类型的信息中的每一个来判断要被推荐给用户的内容作为推荐内容,并且判断与使用有关的多个类型的信息相对应的多个类型的推荐内容项;切换规则存储部,存储设置用于切换推荐内容的类型的时段的切换规则,作为由负责特定区域中销售内容的区域管理者设置的规则;选择部,当从位于特定区域中的用户的终端生成推荐内容建议请求时,在多个类型的推荐内容项中选择一个类型的推荐内容,并且依次在由切换规则设置的时段之后选择不同类型的内容;以及推荐信息提供部,把表示由选择部选择的推荐内容的信息提供给用户的终端。
本发明另一实施例针对一种允许计算机执行以下步骤的内容推荐方法:根据与使用有关的多个类型的信息来判断要被推荐给用户的内容作为推荐内容,并且判断与使用有关的多个类型的信息相对应的多个类型的推荐内容项,与使用有关的多个类型的信息是与用户对内容的使用有关的信息;当从位于特定区域的用户的终端生成推荐内容建议请求时,在多个类型的推荐内容项中选择一个类型的推荐内容,并且依次在由负责特定区域中销售内容的区域管理者设置的用于切换推荐内容的类型的时段之后选择不同类型的推荐内容;以及把表示在选择一个类型的推荐内容时选择的推荐内容的信息提供给用户的终端。
此外,即使当通过设备、方法、***、程序、存储程序的记录介质等修改本发明的上述要素和实施例的组合时,这些修改也包括在本发明的技术范围内。
根据本发明的实施例,容易实现推荐内容丰富地改变的内容推荐。
附图说明
图1是示出第一实施例的推荐信息提供***的配置的示图。
图2是示出图1的内容再现设备的外部配置的示图。
图3是示出图2的视频游戏机的内部电路的配置的示图。
图4是示出图1的内容推荐设备的内部电路的配置的示图。
图5是示出在图1的内容推荐设备中判断推荐给用户的内容的处理的概述的示图。
图6是示出在图1的内容推荐设备中判断推荐给用户的内容的处理的概述的示图。
图7是示出图1的内容推荐设备的功能配置的框图。
图8是示出短期BF矩阵的示例的示图。
图9是示出具有减少的维度的短期BF矩阵的示例的示图。
图10是示出具有减少的维度的短期BF矩阵的示例的示图。
图11是示出在菜单屏幕上的推荐信息的显示示例的示图。
图12是示出在在线商店中的内容细节屏幕的显示示例的示图。
图13是示出内容推荐设备的操作的流程图。
图14是示出对群集合加权的设置示例的示图。
图15是示出第二实施例的推荐信息提供***的配置的示图。
图16是示出图15的内容推荐设备的功能配置的框图。
图17是示出推荐信息存储部中存储的数据的配置示例的示图。
图18是示意性示出区域布局信息的示图。
图19是示出推荐标题的选择规则的示例的示图。
图20是示出内容推荐设备中设置推荐信息的过程的示意图。
图21是示出内容推荐设备的操作的流程图。
具体实施方式
首先,在本发明的实施例的描述之前,将描述本发明的概述。本发明提出一种内容推荐设备102,该设备包括:使用信息存储部120、122和124,其存储与使用有关的多个类型的信息作为与用户对内容的使用有关的信息;推荐内容判断部142,其根据与使用有关的所述多个类型的信息中的每一个来判断要被推荐给用户的内容作为推荐内容,并且判断与使用有关的所述多个类型的信息相对应的多个类型的推荐内容项;切换规则存储部110,其存储设置用于切换所述推荐内容的类型的时段的切换规则,作为由负责特定区域中销售内容的区域管理者设置的规则;选择部148,当从位于所述特定区域中的用户的终端生成推荐内容建议请求时,在所述多个类型的推荐内容项中选择一个类型的推荐内容,并且依次在由所述切换规则设置的时段之后选择不同类型的推荐内容;以及推荐信息提供部152,其把表示由所述选择部选择的所述推荐内容的信息提供给所述用户的终端。下文中结合实施例并参照附图对该内容推荐设备进行具体描述。
目前,在各种在线站点中,对于访问站点的用户建议推荐内容。为了通过建议推荐内容来刺激用户购买倾向,必须选择并且推荐当使用内容时期望增加用户的满意度的内容。换句话说,必须改进推荐内容的精度。此外,当不充分更新每天推荐的内容项时,难以将新信息提供给用户并且刺激用户的购买倾向。因此,期望建议具有含有各种改变的各种推荐内容项的信息。
下文中,在第一实施例中,提供一种通过考虑用于协作过滤和判断推荐内容的用户聚类的有效性来改进推荐内容的精度的技术。此外,在第二实施例中,提供一种通过以下方式对用户建议各种推荐内容项的技术:根据商业规则来切换要从基于各种指标判断出的各个推荐内容项中建议给用户的推荐内容项。
在实施例中,“内容”主要指示一个视频游戏标题。也就是说,内容和视频游戏标题具有相同意义,除非存在特定原因。此外,当然,说明书中建议的技术应用范围不限于视频游戏,而是可以包括推荐给用户的各种内容项,诸如音乐内容、视频内容以及可以销售给用户的各种项和货物。
(第一实施例)
图1示出第一实施例的推荐信息提供***的配置。推荐信息提供***10包括第一内容再现设备14a、第二内容再现设备14b、第三内容再现设备14c等(其通常被称为内容再现设备14)、内容推荐设备12、以及在线商店服务器16。图1的各个设备经由包括现有通信方法(诸如LAN、WAN和互联网等)的通信网络18相互连接。
内容再现设备14是再现电子内容的信息处理设备。例如,内容再现设备可以是由用户操作的静止视频游戏机、便携式视频游戏机或通用PC。内容推荐设备12是把对用户推荐的内容的信息提供给内容再现设备14的服务器计算机。在线商店服务器16是服务器计算机,其在互联网上开放内容销售站点,并且将销售站点的屏幕数据(比如,网页的数据)提供给内容推荐设备12。
图2示出图1的内容再现设备14的外部配置。在此,示出静止视频游戏机200作为内容再现设备14的示例。视频游戏机200连接到控制器202和电视显示器204。视频游戏机200具有执行各种视频游戏、编写或编辑电子邮件、读取网页、再现电影或音乐等的功能。控制器202无线地连接到视频游戏机200。电视显示器204连接到视频游戏机200,以显示视频游戏内容、网页、电影等,并且输出其声音。
[视频游戏机的概述]
视频游戏机200包括与具有12cm的直径的光盘对应的盘***槽206、USB连接端子208等。盘***槽206被配置为把BD(蓝光盘(商标或注册商标))或光盘(例如DVD-ROM或CD-ROM)加载在其中。触摸传感器210是用于取出盘的传感器,触摸传感器212是用于打开或关闭电源的传感器。此外,虽然在附图中未示出,但视频游戏机200的后表面侧被提供有电源开关、音频和视频输出端子、光数字输出端子、AC电源输入端子、LAN端口、HDMI端子等。此外,视频游戏机可以还包括IEEE1394端子,以与IEEE1394通信。
视频游戏机200还包括多媒体槽。多媒体槽外壳214包括盖构件。虽然附图中未示出,但多媒体槽被配置为当多媒体槽外壳214打开时露出。
视频游戏机200被配置为执行用于视频游戏、电子邮件、或web浏览器的应用程序,并且执行用于根据通过控制器202从用户收到的命令执行视频游戏、写入、编辑和接收电子邮件以及读取网页等的各种处理。应用程序可以从各种记录介质(诸如半导体存储器、硬盘驱动器、或光盘(比如CD-ROM、DVD-ROM和BD))任意地读取,或可以从各种传输介质(比如LAN和CATV线路)下载。
此外,例如,视频游戏机200可以不仅基于应用程序执行视频游戏、写入、编辑和接收电子邮件、或读取网页等,而且还再现(解码)视频和音频数据(比如DVD和BD上记录的电影或CD上记录的音频数据)。视频游戏机200可以基于各种应用程序操作。此外,例如,用于再现DVD或BD的驱动程序记录在视频游戏机200中嵌入的硬盘驱动器334中。
[控制器的概述]
控制器202由电池(未示出)驱动,并且包括用于输入执行视频游戏等的操作输入的多个按钮或键。当用户操作控制器202的按钮或键时,以有线或无线方式将操作输入发送到视频游戏机200。
控制器202包括方向键216、模拟杆218、以及四种类型的操作按钮220。方向键216、模拟杆218和操作按钮220是在前外壳222中提供的输入部分。四种类型的按钮224、226、228和230分别通过不同数字或颜色标记,以彼此区分。也就是说,以红色圆形标记圆形按钮224,以蓝色十字标记十字按钮226,以紫色正方形标记正方形按钮228,以绿色三角形标记三角形按钮230。虽然附图中未示出,但控制器202的后外壳232被提供有多个LED。
在用左手抓握左握部234b并且用右手抓握右握部234a的同时,用户操作控制器202。在前外壳222上提供方向键216、模拟杆218和操作按钮220,以在用户抓握左握部234b和右握部234a的同时操作。
前外壳还被提供有LED适配按钮236。例如,LED适配按钮236用作在视频游戏机200上显示菜单屏幕的按钮。此外,LED适配按钮236具有根据LED的发射状态通知用户已经接收到电子邮件或控制器202的电池是否充电的功能。例如,LED当电池正充电时变红色,当电池完全充电时变绿色,当剩余电池电量低时闪烁。
方向键216被提供有指示“上”、“下”、“左”和“右”方向的方向键并且由用户操作以例如在屏幕上向上、下、左和右移动视频游戏的视频游戏角色,在电子邮件写入屏幕上向上、下、左和右移动字符输入光标,当读取网页时滚动页面,或向上、下、左和右在屏幕上移动光标。此外,指示“上”、“下”、“左”和“右”方向的方向键不仅用于指示上、下、左和右方向,而且还指示倾斜方向。例如,当同时按下指示“上”和“右”方向的方向键时,用户可以指引视频游戏机200朝向斜右上方向。同样的情况适用于其它方向键。例如,当同时按下指示“下”和“左”方向的方向键时,用户可以指引视频游戏机200朝向斜左下方向。
操作按钮220分别具有由应用程序分配的不同功能。例如,三角形按钮230具有显示菜单的功能,十字按钮226具有取消所选择的项的功能,圆形按钮224具有判断所选择的项的功能,正方形按钮228具有显示或不显示例如内容表的功能。
模拟杆218包括:旋转部,其可关于操作轴的旋转支撑点在任意方向上倾斜;以及可变模拟值输出部,其根据旋转部的操作来输出可变模拟值。旋转部附连到操作轴的前端侧,从而旋转部由于弹性构件返回到空档位置。当用户不执行倾斜操作时,旋转部保持在直立状态下的基准位置(没有任何倾斜)。可变模拟值输出部包括可变电阻器元件等。可变电阻器元件的电阻根据旋转部的操作改变。当模拟杆218的旋转部倾斜时,控制器202检测相对于基准位置的倾斜量以及沿着倾斜的方向的XY坐标上的坐标值,并且将坐标值作为操作输出信号发送到视频游戏机200。
此外,控制器202包括选择按钮240、开始按钮238等。开始按钮238是用于用户开始视频游戏、显示电子邮件屏幕、或者开始或暂停电影或音乐的按钮。选择按钮240是用于命令用户选择电视显示器204等上显示的菜单屏幕的按钮。
控制器202包括左握部和右握部234a和234b中的每一个内部提供的振动生成机构。例如,振动生成机构包括重体,其关于电动机的旋转轴偏心,并且通过旋转电动机中的重体使控制器202振动。振动生成机构根据来自视频游戏机200的命令操作。控制器202通过操作振动生成机构将振动发送到用户的手。
[视频游戏机的内部配置]
接下来,将通过参照图3描述视频游戏机200的内部电路的配置。视频游戏机200基本上包括主CPU 300、GPU(图形处理器单元)302、输入和输出处理器304、光盘再现部306、主存储器308、掩模型ROM 310以及声音处理器312。主CPU 300基于各种程序(例如用于视频游戏、电子邮件和web浏览器的应用程序)控制信号处理或内部组件。GPU 302执行图像处理。输入和输出处理器304执行外部设备与内部设备之间的接口处理或保持后向兼容性的处理。光盘再现部306再现应用程序或光盘(诸如记录多媒体数据的BD、DVD或CD等)。主存储器308作为临时存储从光盘或主CPU 300的工作区域读取的数据的缓冲器工作。掩模型ROM 310主要存储由主CPU 300或输入和输出处理器304执行的操作***程序。声音处理器312处理音频数据。
此外,视频游戏机200还包括CD/DVD/BD处理器314、光盘再现驱动器316、机构控制器318、硬盘驱动器334、以及卡类型连接器(例如PC卡槽)320。例如,CD/DVD/BD处理器314对由光盘再现部306从CD、DVD或BD读取并且在RF放大器328中放大的盘再现信号执行纠错处理(例如,CIRC(互交织Reed-Solomon编码)处理)或解压缩解码处理,以再现(恢复)CD、DVD或BD中记录的数据。光盘再现驱动器316和机构控制器318执行光盘再现部306的主轴马达旋转控制、光学拾取聚焦和跟踪控制,以及盘托加载控制。
此外,例如,硬盘驱动器334存储保存的视频游戏数据或由光盘再现部306读取的应用程序,或存储经由输入和输出处理器304获得的数据,比如图片、视频和音乐。例如,卡类型连接器320是通信卡或外部硬盘驱动器的连接端口。
这各个部主要经由总线线路322和324等彼此连接。此外,主CPU 300和GPU 302经由专用总线彼此连接。此外,主CPU 300和输入和输出处理器304经由SBUS彼此连接。输入和输出处理器304、CD/DVD/BD处理器314、掩模型ROM 310、声音处理器312、卡类型连接器320、硬盘驱动器334经由SSBUS彼此连接。
主CPU 300通过执行在掩模型ROM 310中存储的用于主CPU的操作***程序来控制视频游戏机200的全部操作。此外,主CPU 300从光盘(比如CD、DVD或BD)读取操作***程序,并且在主存储器308中加载操作***程序。此外,主CPU 300执行经由通信网络下载的各种应用程序,并且控制执行视频游戏、编写和编辑电子邮件、读取网页等的操作。
输入和输出处理器304根据用户操作来设置视频游戏或来自控制器202的信号,或通过执行用于掩模型ROM 310中存储的输入和输出处理的操作***程序来控制来自存储电子邮件的地址或内容和网站URL的存储卡326的数据的输入和输出。此外,输入和输出处理器304还控制USB连接端子208、以太网(例如,网络卡)330、IEEE1394端子(未示出)、或PC卡槽(未示出)的数据的输入和输出。此外,输入和输出处理器304还经由PC卡槽(未示出)执行关于存储器卡326的数据的输入和输出。经由包括多媒体槽或无线接收和发送端口的接口332从控制器202或存储卡接收和发送信息。
GPU 302具有执行坐标转换等的几何变换引擎功能和渲染处理器功能。GPU 302根据来自主CPU 300的图像绘制命令绘制图像,并且在帧缓冲器(未示出)中容纳绘制的图像。也就是说,例如,当光盘中记录的各种应用程序使用例如在视频游戏中的所谓三维(3D)图形时,GPU 302通过几何计算处理来计算形成三维对象的多边形的坐标等。此外,关于渲染处理,GPU 302执行用于创建通过虚拟相机对三维对象摄影获得的图像的计算,即与透视变换有关的计算(当形成三维对象的每一多边形的顶点投射在虚拟相机屏幕上时坐标值的计算等)。GPU 302把最终获得的图像数据写入帧缓冲器中。然后,GPU 302输出与创建的图像对应的视频信号。
声音处理器312具有ADPCM(自适应差分脉冲编码调制)解码功能、音频信号再现功能、信号转换功能等。ADPCM解码功能表示通过读取附连到声音处理器312的内部或外部的声音缓冲器(未示出)中存储的波形数据来再现并且输出音频信号(比如声音效果)的功能。信号转换功能充当从声音缓冲器中存储的波形数据生成音频信号(比如声音效果或音乐声音)的所谓的采样声源。
例如,在具有上述配置的视频游戏机200中,当打开电源时,从掩模型ROM 310读取用于主CPU 300和输入和输出处理器304的操作***程序。主CPU 300和输入和输出处理器304执行分别与其对应的操作***程序。相应地,主CPU 300通常控制视频游戏机200的各个部分。此外,输入和输出处理器304控制在控制器202、存储器卡326等之间的信号的输入和输出。此外,当操作***程序开始时,主CPU 300首先执行初始化处理(比如操作检查)。随后,主CPU 300通过控制光盘再现部306读取光盘上记录的视频游戏的应用程序等,并且通过将其加载到主存储器308上执行视频游戏应用程序。当执行视频游戏应用程序时,主CPU 300根据经由输入和输出处理器304从控制器202接收的用户命令来控制GPU 302或声音处理器312,并且控制图像的显示或声音效果和音乐声音的生成。
例如,当再现光盘中记录的电影等时,主CPU 300根据经由输入和输出处理器304从控制器202接收的命令来控制GPU 302或声音处理器312,并且控制从光盘再现的电影的显示或声音效果、音乐等的生成。
当必须将数据发送到外部设备时,主CPU 300经由输入和输出处理器304和以太网(例如网络卡)330将数据发送到通信网络18。此外,主CPU 300经由以太网330和输入和输出处理器304接收从外部设备发送的数据,并且执行适当的数据处理。
图4是示出图1的内容推荐设备12的内部电路的配置的示图。此外,如上所述,内容再现设备14可以是PC,在此情况下,内容再现设备14的内部电路具有相同配置。内容推荐设备12基本上包括主CPU 600、图形处理器单元(GPU)602、输入部604、输出部605、驱动器614、主存储器608以及ROM 610。主CPU 600基于各种程序(诸如视频游戏、电子邮件或web浏览器的应用程序)控制信号处理或内部组件。GPU 602执行图像处理。
这些部分经由总线线路622等彼此交替连接。此外,输入和输出接口连接到总线线路622。输入和输出接口连接到包括硬盘或非易失性存储器的存储部634、包括显示器或扬声器的输出部605、包括键盘、鼠标或麦克风的输入部604、包括接口(比如USB或IEEE1394)或网络接口(比如有线LAN或无线LAN)的通信部630、以及驱动可移除记录介质626(诸如磁盘、光盘或半导体存储器等)的驱动器614。
主CPU 600通过执行硬盘等中记录的操作***程序来控制设备的全部操作。此外,主CPU 600从光盘(例如CD、DVD或BD)读取操作***,并且把它加载到主存储器608上。主CPU 600执行经由通信网络下载的各种应用程序,并且控制执行视频游戏、编写和编辑电子邮件、读取网页等的操作。
此外,主CPU 600根据经由输入和输出接口632的用户操作、来自可移除记录介质626等的数据的输入和输出、以及通信部630或驱动器614中的数据的输入和输出来控制从输入部604获得的信号。
GPU 602具有执行坐标转换等的几何变换引擎功能和渲染处理器功能。GPU 602根据来自主CPU 600的图像绘制命令绘制图像,并且在帧缓冲器(未示出)中容纳绘制的图像。也就是说,例如,当光盘中记录的各种应用程序使用视频游戏中的所谓的三维(3D)图形时,GPU 602通过几何计算处理来计算形成三维对象的多边形的坐标等。此外,关于渲染处理,GPU 602执行用于创建通过虚拟相机对三维对象摄影获得的图像的计算,即与透视变换有关的计算(当形成三维对象的每一多边形的顶点投射在虚拟相机屏幕上时坐标值的计算等)。GPU 602把最终获得的图像数据写入帧缓冲器中。然后,GPU 602输出与创建的图像对应的视频信号。
例如,在具有上述配置的PC中,当打开电源时,PC通过从作为存储部634的一部分的非易失性存储器读取BIOS来执行初始化处理,并且读取操作***程序。然后,主CPU 600执行操作***程序。因此,主CPU600通常控制PC的各个部分。
图5示出在图1的内容推荐设备12中判断要推荐给用户的内容的处理的概述。在该图中,将通过输入数据的一个集合来描述判断给要被提供推荐信息的用户(下文中被称为“推荐对象的用户”)的推荐内容的处理。该示例中的输入数据是指表示每个内容项在内容再现设备14中的激活次数的数量的信息(下文中,简称为“激活次数”)。
首先,作为聚类处理,提供BF(引导频率)矩阵,其为以下矩阵表:具有沿着水平轴和垂直轴布置的多个内容项和多个用户并且通过在每个单元中设置用户对内容的激活次数的数量而被设定。然后,将多个用户聚类为四个群中的任何一个,创建包括四个群的第一群集合。以相同方式,将每一用户聚类为八个群中的任何一个,创建包括八个群的第二群集合。此外,将每一用户聚类为十六个群中的任何一个,创建包括十六个群的第三群集合。也就是说,创建包括的群的数量不同的多种类型的群集合。
接下来,作为流行内容判断处理,在第一至第三群集合中的每一个中,在推荐对象的用户属于的群(下文中被称为“用户群”)内判断流行性等级。然后,作为推荐内容判断处理,随着群集合中的聚类变得更有效,通过添加较大权重(W1至W3)来对第一至第三群集合内的用户群内的流行性等级进行计数,并且最终判断内容相对于推荐对象的用户的推荐等级。
图6示出在图1的内容推荐设备12中判断要推荐给用户的内容的处理的概述。在同一图中,示出第一实施例的推荐内容判断处理,对多种类型的输入数据中的每一个执行图5的群判断处理、流行内容判断处理和推荐内容判断处理。此外,第一实施例的输入数据包括通过三种类型的输入数据和两种类型的计数时段的组合获得的六种类型。三种类型的输入数据包括:(1)激活次数的数量,(2)表示内容再现设备14再现每个内容项的时段(下文中简称为“再现时段”)的信息,以及(3)表示内容再现设备14一次或多次再现的内容项(下文中简称为“再现标题”)(换句话说,已经使用至少一次的内容项)的信息。此外,计数时段包括:(1)短期,例如三个月,以及(2)长期,例如一年。
图7是示出图1的内容推荐设备12的功能配置的框图。内容推荐设备12包括使用状态存储部20、推荐信息存储部22和内容信息存储部24,其为用于把各种数据存储在其中的存储区域。此外,内容推荐设备12包括使用状态获取部26、聚类部28、流行内容判断部30、有效性确定部32、推荐内容判断部34、请求接收部36以及推荐信息提供部38,其为用于执行各种数据处理的功能块。
说明书的框图中的各个块可以在硬件方面通过计算机的CPU或存储器、包括HDD的元件或电子电路以及机械设备实现,在软件方面通过计算机程序实现。然而,在框图中,示出通过其组合实现的功能块。因此,本领域技术人员应理解,功能块通过硬件和软件的组合在各个实施例中实现。例如,图7的每个功能块的程序模块可以存储在图4的可移除记录介质626中,并且安装在存储部634中。此外,用于图7的数据处理的每个功能块在主存储器608上适当地加载的同时可被主CPU 600或GPU 602执行。
使用状态存储部20存储表示多个用户对内容的使用状态的信息。使用状态存储部20存储与多个用户中的每个相关的每个内容项的使用状态,其中,使用状态具体地包括六种类型的数据,即图6所示的短期和长期激活次数的数量、短期和长期再现时段、以及短期和长期再现标题。此外,用户对内容的使用状态与内容再现设备14中的内容的使用状态相同,甚至当被内容再现设备14的处理代替时,也可以建立针对用户的以下处理。
推荐信息存储部22存储与推荐内容判断部34判断的要推荐给用户的内容有关的信息。推荐信息存储部22存储要推荐给多个用户的ID中的每一个从而与其相关的内容的ID。推荐信息存储部22可以针对每个用户存储推荐等级中的高等级的内容的ID。
内容信息存储部24存储用于多个内容项中的每一个的各种信息。在第一实施例中,内容信息存储部24至少存储标题(视频游戏标题)的数据、提供者名称、以及与每个内容项的ID相关的缩略图像。
使用状态获取部26从内容再现设备14周期性地收集表示用户对内容的使用状态的信息,并且将其存储在使用状态存储部20中。例如,在内容再现设备14中可以安装将设备自身的内容的使用状态周期性地报告给内容推荐设备12的应用程序。可以周期性地激活应用程序,并且内容再现设备14可以经由以太网330将短期和长期激活次数的数量、短期和长期再现时段以及短期和长期再现标题发送到使用状态获取部26。使用状态获取部26可以经由通信部630获取从内容再现设备14发送的六种类型的使用状态数据。
聚类部28执行图5的聚类处理,并且通过参照使用状态存储部20中存储的六种类型的使用状态数据来创建与各个使用状态对应的矩阵表。具体地说,沿着垂直轴和水平轴布置多个用户和多个内容项,并且创建具有对每个单元设定的短期激活次数的数量的短期BF矩阵和具有对每个单元设定的长期激活次数的数量的长期BF矩阵。此外,创建具有对每个单元设定的短期再现时段的短期PT(播放时间)矩阵和具有对每个单元设定的长期再现时段的长期PT矩阵。此外,创建具有对每个单元设定的短期再现标题的短期UT(用户标题)矩阵和具有对每个单元设定的长期再现标题的长期UT矩阵。
图8示出短期BF矩阵的示例。沿着垂直轴布置用户1至U,在水平轴中布置视频游戏标题1至T。例如,用户的数量可以约从几万到几十万,视频游戏标题的数量可以约为几千。对于该图的每个单元设置短期激活次数的数量。在此,例如,该图示出用户1在最近三个月已经激活视频游戏标题1五次,并且激活视频游戏标题2十次。此外,在短期UT矩阵和长期UT矩阵的每个单元中,当已经再现内容至少一次时可以设置“1”,当未再现内容时可以设置“0”。
在此,基于与每个视频游戏标题有关的特征将多个视频游戏标题中的每个预先分类为与第一群集合对应的四个群中的任何一个。此外,将多个视频游戏标题中的每一个预先分类为与第二群集合对应的八个群中的任何一个。此外,将多个视频游戏标题中的每一个预先分类为与第三群集合对应的十六个群中的任何一个。例如,可以基于基准(诸如相似视频游戏内容项的视频游戏标题、相似流派的视频游戏标题、具有相似发布日期的视频游戏标题等)对多个视频游戏标题中的每一个分类。
聚类部28参照与每个使用状态对应的矩阵基于PLSA(概率潜在语义分析)通过执行维度减少来对用户进行聚类。图9示出其维度减少的短期BF矩阵的示例,其中,沿着图8的水平轴布置的视频游戏标题1至T被压缩为四个潜在维度。在图9的每个单元中,设置用户的潜在维度的概率,聚类部28将每个用户分类为具有潜在维度的最大概率的群。相同操作应用于其中群的数量是八或十六的情况。
将具体描述聚类部28的聚类处理。在此,示出用于一种类型的矩阵(例如短期BF矩阵)的处理。此处,假设ui(i=1...U)表示多个用户,tj(j=1...T)表示多个视频游戏标题。此外,假设zk(k=1...Z)表示潜在变量(群集合中群的数量)。
聚类部28通过将PLSA应用于矩阵的数据来计算p(ui|zk)、p(tj|zk)、p(zk)。p(ui|zk)指示每个用户相对于每个潜在变量的条件出现概率,p(tj|zk)指示每个视频游戏标题相对于每个潜在变量的条件出现概率,p(zk)指示每个潜在变量的出现概率。
在用户ui所属的群ci中,由于p(ui)对于用户ui是恒定的,所以建立ci=argkmax p(zk,ui)=argkmax p(zk|ui)=argkmax p(ui|zk)p(zk)。
聚类部28判断满足以上关系的zk作为用户ui所属的群ci。此外,图9示出p(zk|ui)。
流行内容判断部30执行图5的流行内容判断处理。流行内容判断部30针对属于第一至第三群集合的每个群的用户从使用状态存储部20获取短期再现标题。然后,流行内容判断部30基于每个用户的短期再现标题的计数值(例如内容再现设备14中最近三个月一次或多次再现的视频游戏标题的总和)来判断每个内容项的流行性程度。具体地说,随着短期再现标题的计数值变得较大,流行内容判断部30将较高流行性等级应用于该内容。然后,流行内容判断部30将根据流行性等级把预先设置的点(例如,在第一等级的情况下100点,在第二等级的情况下90点,在第三等级的情况下80点等,下文中被称为“标题分数”)应用于每个内容项。
作为修改例,流行内容判断部30可以将短期再现标题的计数值应用于表示流行性程度的标题分数。此外,每个内容项的流行性程度可以根据短期激活次数和长期激活次数的数量的计数值的平均或长期激活次数的数量而不是短期激活次数的数量进行判断。此外,流行内容判断部30可以计算在群中的总用户当中再现内容的用户的数量的比例(下文中被称为“再现人比例”)。然后,比再现人比例相对较低的内容的标题分数更大的标题分数可以应用于再现人比例相对较高的内容。此外,随着内容的再现人比例变得更高,较大标题分数可以应用于该内容。
有效性确定部32估计第一至第三群集合中的每一个集合中的群与内容之间的相关性。然后,随着相关性变得更高,有效性确定部32确定聚类有效,并且根据聚类的有效性对每个群集合设置权重。换句话说,随着当判断出内容时判断出群的关系(例如依赖性或因果性)变得更强,确定聚类有效。此外,随着群集合的聚类的有效性变得更高,对群集合设置更大权重。这是基于本发明人的经验:当执行在内容与群之间具有高相关性的聚类时,具有相似行为和偏好的用户可以容易地分类为相同群(即聚类精度高)。
下面详细描述有效性确定部32中的有效性确定处理。第一实施例的有效性确定部32计算群相对于每个标题的条件熵H(Z,T)或H(Z|T)作为表示群(Z)与视频游戏标题(T)之间的相关性的指标。由于相关性随着熵变得更高而变得更低,因此有效性确定部32确定聚类随着熵H(Z,T)或H(Z|T)变得更低而变得更有效并且将更大权重应用于群集合。群集合的权重值可以预先判断或可以设置为降序,例如50、25、10、5、2和1。
在基于用于上述用户聚类的PLSA的维度减少中,计算用户与潜在变量之间的关系,并且计算视频游戏标题与潜在变量之间的关系。图10示出其维度减少的短期BF矩阵的示例,其中,沿着垂直轴布置视频游戏标题1至t,并且将水平轴压缩为四个潜在维度。在图10的每个单元中,设置了视频游戏标题的概率。也就是说,通过将PLSA应用于初始矩阵数据还计算p(zk,tj)、p(zk|tj)和p(tj)。图10示出p(zk|tj)。
由于如图10的Z1和Z2中特定视频游戏标题的出现概率变得比其它更高,换句话说,视频游戏标题的出现概率的偏离变得更大并且其离差变得更大,熵变得更小。另一方面,当如图10的Z3和Z4中视频游戏标题的出现概率相当恒定时,换句话说,视频游戏标题的出现概率的偏离变得更小并且其离差变得更小,熵变得更大。因此,由于群集合包括具有如在Z1或Z2中的视频游戏标题的出现概率中的大偏离的很多群,所以有效性确定部32将熵H(Z,T)或H(Z|T)计算为低。
具体地说,可以将熵计算为H(Z,T)=∑k,j(p(zk,tj)logp(zk,tj))。
此外,可以将熵计算为
H(Z|T)=∑j(p(tj)H(Z|tj))=-∑j(p(tj)∑k(p(zk|tj)logp(zk|tj))。
当熵的最大值由Hmax表示时,为了对每个群集合的熵归一化,可以确定随着(Hmax-H(Z,T))/Hmax或(Hmax-H(Z|T))/Hmax变得更大,聚类变得更有效。
推荐内容判断部34执行图5的推荐内容判断处理,并且判断内容相对于多个用户中的每一个用户的推荐等级。具体地说,在图6所示的八种类型的群集合中,标识特定用户属于的群(下文中被称为“用户群”)。然后,基于其中群集合的有效性考虑权重来对每个用户群的标题分数计数,并且把较高的推荐等级应用于计数的标题分数变得较高的内容。如上所述,通过将较大权重应用于标题分数把该标题分数计数为与具有高有效性的群集合中的标题分数同样多。推荐内容判断部34针对每个用户执行推荐内容判断处理,并且通过使表示高推荐等级的内容的信息(ID等)与每个用户相关把该信息存储在推荐信息存储部22中。
例如,推荐内容判断部34可以对通过使由有效性确定部32判断的每个群集合的权重乘以针对每个视频游戏标题由流行内容判断部30判断的每个用户群中的标题分数获得的结果进行计数。此外,标题分数的计数结果可以是高推荐等级的内容,与作为推荐内容项被同时建议给内容再现设备14的内容项的数量有关的标识信息可以存储在推荐信息存储部22中。在第一实施例中,其推荐等级在前10的内容的信息连同其等级一起存储在推荐信息存储部22中。
请求接收部36经由通信部630从内容再现设备14接收请求获取推荐信息的数据(下文中被称为“推荐信息请求”)。在推荐信息请求中,指定了内容再现设备14中显示的屏幕ID和内容再现设备14的用户ID。屏幕ID包括在线商店中稍后描述的内容细节屏幕或菜单屏幕的ID。
推荐信息提供部38从推荐信息存储部22获取与在推荐信息请求处指定的用户ID对应的推荐内容的ID。然后,推荐信息提供部38通过使用推荐内容的ID作为密钥从内容信息存储部24获取在推荐信息请求中指定的屏幕ID中必要的内容的信息。例如,当指定菜单屏幕时,获取推荐内容的缩略图像的数据。当指定在线商店中的内容细节屏幕时,还获取内容的标题名称或提供者名称。推荐信息提供部38经由通信部630提供从内容信息存储部24获取的内容的信息作为用于内容再现设备14的推荐信息。
此外,推荐信息提供部38可以提供包括用于内容再现设备14的推荐内容项的预定数量的推荐信息。此外,推荐信息提供部38可以为内容再现设备14提供包括与根据内容再现设备14的显示屏幕的布局(可显示的内容的数量)的数量有关的推荐内容的推荐信息。在第一实施例中,对于内容再现设备14可以适当切换并且提供与第一至第五推荐等级的内容有关的推荐信息和与第六至第十推荐等级的内容有关的推荐信息。因此,对于内容再现设备14可以容易地提供改变的推荐信息。
推荐信息提供部38为内容再现设备14提供的推荐信息经由内容再现设备14的GPU 302等在电视显示器204上显示。下文中,将描述内容再现设备14中的推荐信息的显示示例。
图11示出菜单屏幕中的推荐信息的显示示例。菜单屏幕350是内容再现设备14的基本屏幕,并且当激活或完成内容再现操作时显示。在菜单屏幕350中,水平地布置用于选择大类别的图标。例如,图标可以包括用于选择视频游戏的视频游戏图标352、用于到互联网的连接的互联网图标354等。此外,垂直地布置用于选择小类别的图标。在此,视频游戏图标352的小类别在其上显示用于选择安装的视频游戏的图标以及用于访问在线商店的商店图标356。当选择商店图标356时,推荐内容显示区域358在其上显示商店入口图标360,商店入口图标360显示在线商店的顶页面及内容推荐设备12为内容再现设备14提供的推荐内容的缩略图362。
图12示出在线商店中的内容细节屏幕的显示示例。当请求在线商店中的特定内容的详细显示或选择图11的推荐内容显示区域358中的特定缩略图362时显示内容细节屏幕370。选择内容显示区域372是把内容的标题、详细信息、价格、缩略图像以及购买按钮显示在其上的区域,显示数据由在线商店服务器16提供。推荐内容显示区域374把内容推荐设备12提供的推荐信息显示在其上。在同一张图中,五个单独内容显示区域376分别显示推荐内容的缩略图、标题、提供者名称等。
以下将描述具有上述配置的操作。
图13是示出内容推荐设备12的操作的流程图。在说明书的流程图中,由表示步骤的S(步骤的首字母)和数字的组合表示每个部的处理过程。此外,当在由S和数字的组合表示的确定处理中执行特定处理并且确定结果是肯定时,添加“Y”(Yes的开头),例如,显示“S10的Y”。反之,当确定结果是否定时,添加N(No的开头),并且显示“S10的N”。
当从内容再现设备14通知内容的使用状态时(S10的Y),使用状态获取部26依次更新使用状态存储部20中存储的使用状态数据(S12)。当没有通知时(S10的N),跳过S12。当达到推荐信息的更新时刻(S14的Y)时,聚类部28基于六种类型的使用状态数据来执行用户的聚类,并且创建与使用状态数据对应的第一至第三群集合(S16)。更新时刻可以设置为预定时间或从前次更新时起逝去预定时段的时间。
有效性确定部32针对每个群集合确定聚类的有效性,并且将权重应用于每个群集合(S18)。流行内容判断部30判断每个群集合的每个群中的内容的流行性等级(S20)。推荐内容判断部34把成为推荐伙伴的用户所属的用户群指定成每个群集合,并且通过在其中考虑每个群集合的权重对每个用户群中的内容的流行性等级进行计数。然后,推荐内容判断部34判断内容对每个用户的推荐等级,并且将其存储在推荐信息存储部22中(S22)。当不是推荐信息的更新时刻时(S14的N),跳过S16至S22。
当请求接收部36从内容再现设备14接收推荐信息请求时(S24的Y),推荐信息提供部38通过参考推荐信息存储部22和内容信息存储部24来设置表示对内容再现设备14的用户的推荐内容的推荐信息(S26)。推荐信息提供部38通过把推荐信息的数据发送到内容再现设备14来在内容再现设备14中对用户显示推荐内容(S28)。当未接收推荐的信息请求时(S24的N),跳过S26和S28。
根据第一实施例的内容推荐设备12,通过考虑并且估计对变为推荐伙伴的用户所属的用户群中每个内容项的流行性程度的聚类的有效性来判断最终推荐内容。因此,根据聚类是否有效可以调整推荐内容的内容或其建议,并且可以改进推荐内容的精度。此外,在第一实施例中,设置多种类型的群集合,但即使当仅选择一个群集合时,也可以有用地估计聚类的有效性。例如,当聚类的有效性高时,基于用户群的流行性程度来判断推荐内容。当聚类的有效性低时,可以通过其它方法(统计地设置促销对象的视频游戏标题的方法)判断推荐内容。
此外,根据内容推荐设备12,聚类是根据与内容的使用有关的多种类型的输入数据执行的,根据输入数据创建多种类型的群集合。然后,通过把根据每个群集合的有效性动态地添加权重来对用户群中的内容的流行性程度进行计数,并且判断推荐内容。因此,随着用户群的聚类结果的有效性变得较高,用户群的流行性程度得以在最终推荐内容中反映。以此方式,当执行多种类型的聚类并且通过向其添加权重在推荐内容中反映有效聚类时,即使在难以预先一次就判断有效聚类的类型时,也可以改进推荐内容的精度。
此外,根据内容推荐设备12,基于内容再现设备14中的再现内容(即再现标题)来判断每个群中的内容的流行性程度(即标题分数)。由于激活次数的数量或内容的再现时段根据内容或其流派而不同,所以可能难以均等地估计多种类型的内容项。反之,当基于再现标题来估计内容项时,通过均等地估计多种类型的内容项容易判断流行性程度。
此外,聚类的输入数据、其计数时段、或群集合中包括的群的数量可以被再次适当地检查,新型的输入数据、其计数时段、以及群集合可以被适当地添加。以此方式,可以实现能够根据由管理者进行的有效性估计来灵活地改变判断推荐内容的结构的推荐信息提供***100。例如,作为聚类的输入数据,可以添加用户对于内容或内容的进程状态(例如视频游戏中的实现速率等)的估计程度。
如上所述,已经描述本发明的第一实施例。实施例仅是示例,并且本领域技术人员应该理解,可以以各种形式修改各个组件或各个处理的组合,并且本发明的范围也包括其修改例。下文中,将描述修改例。
将描述第一修改例。在第一实施例中,有效性确定部32通过确定聚类的有效性来动态地判断群集合的权重。在修改例中,推荐信息提供***100的管理者可以预先静态地判断群集合的权重。例如,考虑群集合的特征,可以预先判断权重。
图14示出群集合的权重的设置示例。该图的权重ID分别与图6的W1至W8相对应。在图14的示例中,当计数时段相同时,随着群集合中包括的群的数量变得越小,越大权值应用于群集合。因此,在关注粗略用户分类中的内容的流行性程度的同时,可以添加详细用户分类中的内容的流行性程度。在粗略用户分类中,流行内容是由具有大致相似偏好的大量用户支持的内容。另一方面,在详细用户分类中,流行内容是由具有细分的偏好的相对较少数用户支持的内容。为此,在发明人的经验中,当对粗略用户分类中的流行内容进行加权时,推荐内容的精度得以改进。
此外,在图14的示例中,当群的数量相同时,较大权重应用于短期群集合而不是长期群集合。这是因为,在发明人的经验中,最接近的流行内容更刺激用户购买倾向,并且推荐内容的内容项相对容易地改变。此外,确定通过内容推荐设备12提供推荐信息的效果的管理者可以再次适当地检查群集合的权重。
将描述第二修改例。在第一实施例中,有效性确定部32通过使用群相对于每个标题的熵H(Z,T)或H(Z|T)来确定群Z与标题T之间的相关程度。在该修改例中,群Z与标题T之间的相关性程度可以通过使用互信息量I(Z;T)而不是熵来确定。具体地说,有效性确定部32可以获得互信息量I(Z;T),如以下表达式1所示。此外,由于Z与T之间的相互依赖性随着其互信息量变得较大而变得较强,所以可以确定聚类随着互信息量变得更大而变得更有效。
此外,为了对互信息量进行归一化,有效性确定部32通过将互信息量I(Z;T)除以熵H(Z)来计算值,并且可以确定聚类随着该值变得更大而变得更有效。
将描述第三修改例。有效性确定部32可以通过使用相关性程度I(Z;T)/H(Z,T)(即互信息量相对于熵的比)来确定群Z与标题T之间的相关性程度。此外,有效性确定部32可以确定聚类随着相关性程度变得更大而变得更有效。
将描述第四修改例。在第一实施例中,流行内容判断部30在每个群中对内容再现设备14中的再现标题的数量进行计数,并且判断每个群中的每个内容项的流行性等级。然后,根据流行性等级的标题分数被应用于每个内容项。作为判断流行性等级的修改例,每个标题的流行性等级可以根据每个群中每个标题的相关性程度(例如出现概率p(ti|zk))来判断。具体地说,随着标题与特定群的相关性变得较高,例如,特定群中的标题的出现概率变得较高,可以向该群应用较高流行性等级。
此外,为了关注特定群的流行性等级,每个群中的每个标题的出现概率p(ti|zk)可以针对特定标题而被群集合中的熵H(Z|tj)加权。例如,随着特定群中标题的p(tj|zk)×(Hmax-H(Z|tj))变得更大,群中的出现概率变得更高,群集合中的熵变得更低。为此,较高流行性等级可以应用于该群。
此外,作为应用标题分数的修改例,通过使用群集合中的熵对出现概率进行加权获得的出现概率或值可以应用于每个内容项作为标题分数。
将描述第五修改例。虽然第一实施例不存在特殊注释,但推荐内容判断部34可以首先通过对每个群的标题分数进行计数来判断对用户的推荐内容,并且根据与用户有关的特征信息、用户对内容的使用状态、商业规则等进一步调整推荐内容的内容。例如,通过参照使用状态存储部20可以从对用户的推荐内容中排除推荐对象的用户的在内容再现设备14中再现的内容。此外,通过参照用于内容的年龄限制集合,可以从对用户的推荐内容中排除根据用户的年龄不希望对用户推荐的内容。此外,无论标题分数如何,推荐内容中都可以包括促销对象内容。
将描述第六修改例。虽然第一实施例中不存在特殊注释,但在与推荐信息的更新时刻不同的时刻(以较低频率)可以执行使用聚类部28的聚类处理。例如,甚至当每天更新推荐信息时,按若干天或一个星期的间隔可以执行聚类处理。因此,可以减少内容推荐设备12的处理负担。此外,通过连续地使用对特定时段判断一次的群集合可以获得相当稳定的推荐内容。此外,当不执行聚类处理时,可以跳过聚类处理(例如图13的S16和S18)。在此情况下,每个群的每个内容项的流行性等级可以通过使用前一个聚类处理中判断的群集合和最近使用状态而被更新,并且可以更新对用户的推荐内容。因此,在减少内容推荐设备12的处理负担的同时,可以更新对用户的推荐信息。
将描述第七修改例。虽然第一实施例中不存在特殊注释,但内容推荐设备12的聚类部28可以基于表示每个用户的内容使用习惯的信息(下文中被称为“UAV(用户活动矢量))”对用户进行聚类。修改例的UAV是与第一实施例的激活次数的数量、再现时段和再现标题相同的数据,并且示出内容在按预定周期重复的预定时段(例如星期的预定时间带或一天)期间的使用频率。
例如,作为星期的每一天计数的UAV,内容再现设备14中每一天再现若干内容项的总次数或其总时间可以被计数并且存储在使用状态存储部20中。聚类部28可以基于由UAV表示的用户每一天的使用频率(例如七维矢量值)根据现有算法(例如k均值方法)对用户进行聚类。在修改例中,建议了对用户进行聚类的新指标,并且在聚类之后(例如图13的S18之后)的处理与第一实施例的处理相同。
此外,作为对每一时间带计数的UAV,内容再现设备14中再现内容的总次数或其计数时段可以在通过24小时除以8获得的每三个小时被计数,并且结果可以存储在使用状态存储部20中。聚类部28可以基于由UAV表示的每个用户的每个时间带的使用频率(例如八维矢量值)对用户进行聚类。
此外,作为对星期的每一天和每一时间带计数的UAV,内容再现设备14中再现内容的总次数或其计数时段可以在通过天(七种类型)和时间带(在此,八种类型)的组合获得的每五十六种类型的时段被计数,并且可以存储在使用状态存储部20中。聚类部28可以基于由UAV表示的五十六维矢量对用户进行聚类。此外,由于本发明人考虑五十六维矢量通常具有粗略值,因此期望在使用K平均方法等的聚类之前使用PLSA执行维度减少。
根据修改例,通过考虑其中用户的内容使用习惯可以判断推荐信息。例如,作为对推荐对象的用户的推荐信息,可以建议具有相似习惯的其它用户之间的流行内容。此外,UAV可被记录为通过排除内容的内容项使用来自各个流派的特定内容项的行为或对于内容的每个流派(体育、RPG等)被记录的。
将描述第八修改例。内容推荐设备12可以还包括调整信息接收部,其从使用内容推荐设备12管理推荐信息的管理者的终端接收用于执行对推荐内容的判断的调整的调整数据。第一实施例的推荐内容判断部34基于从管理者接收的调整数据更新判断为要根据群集合的有效性来应用的权重。例如,调整数据可以增加或减少待应用于每一群集合的权重的离差,并且由管理者的确定设置。
此外,第一修改例的推荐内容判断部34根据从管理者接收的调整数据基于群集合中包括的群的数量更新权重并且基于使用状态的计数时段来更新权重。例如,调整数据可以增加或减少待应用于每个群集合的权重的离差。此外,可以颠倒权重应用基准。例如,随着群集合中包括的群的数量变得较大,可以应用较大权重,或随着计数时段变得较长,可以应用较大权重。此外,当调整数据指定权重时,第一实施例和第一修改例的推荐内容判断部34可以首先使用由调整数据表示的权重而不是预定权重。
根据修改例,管理者可以适当地校正被预先判断为应用于每个用户群的权重或基于聚类的有效性通过计算自动判断的权重。因此,可以通过反映与内容销售有关的管理者计划来推荐内容。
(第二实施例)
图15示出第二实施例的推荐信息提供***的配置。第二实施例的推荐信息提供***100具有与第一实施例的推荐信息提供***10的配置对应的配置,并且还包括区域管理者终端104。下文中,将适当地省略第一实施例中描述的内容。
内容推荐设备102与第一实施例的内容推荐设备12对应,并且将内容推荐信息的显示数据(下文中被称为“推荐显示屏幕”)提供给内容再现设备14。硬件配置与图4的硬件配置相同。
区域管理者终端104是由掌管日本、北美、欧洲等中的内容销售的区域管理者中的每个操作的PC终端,并且硬件配置也与图4的硬件配置相同。区域管理者终端104发送由区域管理者判断的信息(下文中被称为“区域设置信息”),并且把在每个区域中推荐内容的方法发送到内容推荐设备102。区域设置信息包括以下三种类型的信息。
(1)区域促销信息:
区域促销信息是指表示特定区域中促销对象的内容(下文中被称为“销售目标标题”)的信息。此外,销售目标标题包括表示在多个类型的推荐内容当中无论被选择要向用户建议的类型如何总是要推荐给用户的内容(要包括在推荐显示屏幕上)的“正常推荐标题”。
(2)区域布局信息:
区域布局信息是指表示特定区域中推荐显示屏幕的布局的信息。具体地说,区域布局信息用于判断推荐显示屏幕中的推荐内容的布置方法。
(3)区域切换规则:
区域切换规则是指判断在特定区域中为用户提供的推荐信息的类型的信息以及作为切换其类型的条件的切换间隔,换句话说,提供特定类型的推荐信息的时段。
此外,图15示出一个区域管理者终端104,但当然,推荐信息提供***100可以包括与多个区域管理者对应的多个区域管理者终端104。
图16是示出图15的内容推荐设备102的功能配置的框图。内容推荐设备102包括用于把各种数据存储在其中的以下存储区域:切换规则存储部110、促销信息存储部112、布局存储部114、标题特征存储部116、推荐历史存储部118、再现标题存储部120、区域流行性存储部122、群流行性存储部124、使用信息存储部126、矩阵存储部128、推荐信息存储部130、内容信息存储部132以及用户信息存储部144。此外,内容推荐设备102包括用于执行各种数据处理的以下功能块:区域设置获取部134、日志获取部136、日志分析部138、群分析部140、有效性确定部141、推荐内容判断部142、请求接收部146、选择部148、显示方式判断部150以及推荐信息提供部152。
图16的每个功能块的程序模块可以存储在图4的可移除记录介质626中,并且安装在存储部634中。此外,图16的数据处理的每个功能块可以在主存储器608上适当地加载的同时由主CPU 600或GPU 602执行。
用户信息存储部144存储与多个用户中的每一个有关的特征信息。在第二实施例中,至少每个用户的区域地区ID与每个用户ID与之间的相关性被存储。
推荐信息存储部130存储与要推荐给用户并且由推荐内容判断部142判断出的内容有关的信息。图17示出推荐信息存储部130中存储的数据的配置示例。推荐信息存储部130存储基于与每个用户ID相关的多个类型的指标而被判断出的多个类型的推荐标题。在第二实施例中,存储八个类型的推荐标题。在按推荐等级的顺序对基于特定指标被判断为推荐内容的多个内容项(视频游戏标题和视频游戏应用)的ID进行排序的同时,每个推荐标题存储这些ID。
返回图16,切换规则存储部110存储区域切换规则。例如,在日本的区域切换规则中,第一至第八指标推荐标题可以设置为在一天中依次切换。另一方面,在北美的区域切换规则中,第一至第五指标推荐标题可以设置为在两天中依次切换。此外,按第二指标推荐标题、第八指标推荐标题、第五指标推荐标题等的顺序可以进一步设置推荐标题切换频率。促销信息存储部112存储区域促销信息。例如,促销信息存储部112可以存储一个或多个销售目标标题的ID。
布局存储部114存储区域布局信息。例如,布局存储部14存储图11的推荐内容显示区域358中缩略图362的布置方式或图12的推荐内容显示区域374中的单独内容显示区域376的布置方式。图18示意性示出区域布局信息。在该图中,作为推荐内容显示区域358的显示方式,把商店入口图标360排除的五个缩略图像设置区域中的一个被正常地设置为推荐标题设置区域,并且其它四个区域被设置为根据区域切换规则主动切换的推荐标题设置区域。
返回图16,标题特征存储部116存储与多个内容项中的每一个有关的特征信息。具体地说,对于每个视频游戏标题,存储表示流派、其它相关标题(被称为“相关系列”)、或相关项(被称为“相关项”)的信息。例如,作为游戏标题“00棒球8”的相关系列,可以存储相同系列的“00棒球7”或“00高尔夫”的ID。此外,作为相关项,存储“00棒球8”的BGM(背景音乐)的CD或特性商品的ID可以被存储。
推荐历史存储部118存储表示已经推荐给每个内容再现设备14(即每个用户)的内容的信息。再现标题存储部120存储表示在内容再现设备14中已经再现(换句话说,已经使用)的内容的信息(第一实施例中的再现标题)。
区域流行性存储部122存储表示区域(比如日本、北美和欧洲)中的每一个中的每个内容项的流行性状态的信息(下文中被称为“区域流行标题”)。在第二实施例中,以下三种类型的信息被存储为区域流行标题。
(1)基于再现用户的数量的区域流行标题:
在对每个区域对再现了每个视频游戏标题的用户的数量计数之后,随着内容的用户的数量变得较大,区域流行标题通过应用较高流行性等级来指示表示每个视频游戏标题的流行性等级的信息。
(2)基于进程程度的区域流行标题:
在对每个区域对由每个用户进行的视频游戏的视频游戏进程程度计数之后,随着视频游戏标题的进程程度变得较高(例如,清除视频游戏的次数变得较大),区域流行标题通过应用较高流行性等级来指示表示每个游戏标题的流行性等级的信息。
(3)基于估计程度的区域流行标题:
在对每个地区对由每个用户进行的每个视频游戏标题的估计计数之后,随着视频游戏标题的估计变得较高,区域流行标题通过应用较高流行性等级来指示表示每个视频游戏标题的流行性等级的信息。
群流行性存储部124存储表示每个群中的每个内容项对于作为具有相似活动和偏好的用户的组的群的流行性程度的信息(下文中被称为“群流行标题”)。具体地说,存储第一实施例的流行内容判断部30的处理结果,换句话说,图6的群内的流行性等级。
此外,再现标题存储部120、区域流行性存储部122和群流行性存储部124充当存储与用户对内容的使用有关的信息的功能块,并且完全位于使用信息存储部126中。
矩阵存储部128存储各种矩阵数据作为聚类的初始数据。具体地说,存储第一实施例的短期BF矩阵、长期BF矩阵、短期PT矩阵、长期PT矩阵、短期UT矩阵和长期UT矩阵。内容信息存储部132与第一实施例的内容信息存储部24对应,并且存储与多个内容项有关的各种信息。
区域设置获取部134从区域管理者终端104获取每个区域的区域管理者设置的区域设置信息。然后,区域设置信息当中的区域切换规则存储在切换规则存储部110中,区域促销信息存储在促销信息存储部112中,以及区域布局信息存储在布局存储部114中。
日志获取部136从在每个区域驻留的用户的内容再现设备14获取视频游戏状态日志、进程状态日志和估计状态日志。此外,从内容再现设备14或在线商店服务器16获取购买历史日志,从内容推荐设备102的预定存储区域获取推荐历史日志。在视频游戏状态日志中,记录用户再现视频游戏标题的次数及其再现时段。在进程状态日志中,记录每个用户的视频游戏进程程度(例如待清除的多个阶段当中的清除阶段的比例等)。在估计状态日志中,记录每个用户的每个视频游戏标题的估计程度。在购买历史日志中,记录用户购买的(换句话说,内容再现设备14中安装的)视频游戏标题。在推荐历史日志中,记录对每个用户推荐的视频游戏标题。
日志分析部138分析各种日志信息,并且基于分析结果更新各种数据库。具体地说,每个用户的再现标题被存储在再现标题存储部120中,参照视频游戏状态日志和购买历史日志把各种矩阵数据设置并且存储在矩阵存储部128中。此外,通过参照推荐历史日志在推荐历史存储部118中存储对每个用户推荐的视频游戏标题来更新推荐历史存储部118的推荐历史。
此外,日志分析部138通过参照视频游戏状态日志对每个区域中再现每个视频游戏标题的次数进行计数来设置区域流行标题(基于再现内容的次数),并且将结果存储在区域流行性存储部122中。日志分析部138通过参照进程状态日志对每个区域中每个视频游戏标题的进程状态计数(基于进程程度)来设置区域流行标题,并且将结果存储在区域流行性存储部122中。例如,随着视频游戏标题的平均进程程度变得较大,流行性等级可以变得较高。此外,日志分析部138通过参照估计状态日志对每个区域中每个视频游戏标题的估计状态计数(基于估计程度)来设置区域流行标题,并且将结果存储在区域流行性存储部122中。
群分析部140与第一实施例的聚类部28和流行内容判断部30对应,并且基于矩阵存储部128中存储的矩阵数据创建多种类型的聚类集合。然后,群分析部140设置每个群集合的每个群中的标题分数,并且将表示每个群中每个内容项的流行性程度的信息(第一实施例的群内的流行性等级)作为群流行标题存储在群流行性存储部124中。
有效性确定部141与第一实施例的有效性确定部32对应,使用群分析部140确定聚类的有效性,并且将根据有效性程度的权值应用于每个群集合。
推荐内容判断部142通过参照用户信息存储部144、促销信息存储部112、标题特征存储部116、推荐历史存储部118、再现标题存储部120、区域流行性存储部122和群流行性存储部124中的每一个的存储数据来设置八种类型的推荐标题(第一至第八指标推荐标题),并且将结果存储在推荐信息存储部130中。稍后将通过参照图20描述设置推荐标题的方法。
当推荐历史存储部118的区域切换规则被更新时,选择部148通过参照区域切换规则来设置并存储推荐标题的选择规则。图19示出推荐标题的选择规则的示例。在该图中,示出其中日本的区域切换规则将第一至第八指标推荐标题设置为每天切换的选择规则。此外,示出其中北美的区域切换规则将第一至第八指标推荐标题设置为每两天切换并且欧洲的区域切换规则将第一至第三指标推荐标题以及第五至第八指标推荐标题设置为每天切换的选择规则。
返回图16,请求接收部146经由通信部630从内容再现设备14接收推荐信息请求,如在第一实施例的请求接收部36中那样。第二实施例的推荐信息请求还包括用户ID和屏幕ID。
选择部148通过参照用户信息存储部144根据推荐信息请求的用户ID来指定用户的区域ID,并且通过参照与选择规则中的区域ID对应的记录来指定要向用户提供的推荐标题的类型。换句话说,针对来自内容再现设备14的推荐信息请求选择第一至第八指标推荐标题中的任何一个。然后,与推荐信息请求的用户ID对应的特定类型的推荐标题被从推荐信息存储部130获取,并且被通知给显示方式判断部150。
显示方式判断部150通过参照促销信息存储部112和布局存储部114来指定与由用户ID指定的区域ID(即用户所在的区域)对应的区域布局信息和区域促销信息。然后,根据区域促销信息和区域布局信息来判断对用户建议的推荐信息的显示方式。具体地说,在推荐屏幕的正常推荐标题地区中,设置在促销信息存储部112的区域促销信息中指定的正常推荐标题。另一方面,在动态推荐标题地区中,设置从选择部148接收的推荐标题。然后,要设置在推荐屏幕中的每个标题的相关数据(缩略图像等)被从内容信息存储部132获取,并且被设置为推荐屏幕的数据。
推荐信息提供部152把由显示方式判断部150设置的推荐屏幕的数据提供给内容再现设备14作为推荐信息请求源。例如,推荐屏幕的数据是图11的推荐内容显示区域358的显示数据或图12的推荐内容显示区域374的显示数据。推荐信息提供部152在预定存储区中依次存储表示要向用户建议的推荐内容项的信息作为推荐历史日志。
图20是示出在内容推荐设备102中设置推荐信息的过程的示意图。在此,描述对一个用户(下文中被称为“推荐对象用户”)设置推荐信息的过程。
推荐内容判断部142通过参照促销信息存储部112来指定推荐对象用户所在的区域的销售目标标题。然后,从销售目标标题中排除再现标题存储部120中存储的用户再现过的标题。此外,还排除推荐历史存储部118中存储的已经对用户推荐的推荐标题。推荐信息提供部152判断剩余视频游戏标题作为第一指标推荐标题。此外,当区域管理者不指定销售目标标题或指定的数量是预定数量或更少时,推荐内容判断部142使用通过适当地组合区域流行标题(基于再现用户的数量、进程程度和估计程度)获得的结果作为销售目标标题。
此外,推荐内容判断部142通过参照区域流行性存储部122来指定推荐对象用户所在的区域的区域流行标题。然后,通过从区域流行标题排除用户再现过的标题获得的结果被判断为第二指标推荐标题。以相同方式,通过从区域流行标题(进程程度)和区域流行标题(估计程度)排除用户再现过的标题获得的结果被分别判断为第三指标推荐标题和第四指标推荐标题。
此外,推荐内容判断部142以与第一实施例的推荐内容判断部34相同的方式来从群流行性存储部124中存储的群流行标题中判断推荐标题。具体地说,在附加由有效性确定部141判断出的每个群集合的有效性的同时,通过对多个用户群的标题分数计数来指定具有相似行为或偏好的用户之间的流行视频游戏标题。推荐内容判断部142从相似用户之间的流行视频游戏标题中排除用户的推荐过的标题和再现过的标题。然后,剩余视频游戏标题当中位于高等级(例如标题分数的计数值是第一至第五)的视频游戏标题被判断为第五指标推荐标题,并且位于中等级(例如标题分数的计数值是第六至第十)的视频游戏标题被判断为第六指标推荐标题。
此外,推荐内容判断部142通过参照标题特征存储部116来指定用户再现过的标题的相关系列和相关项。然后,通过从相关系列中排除用户的再现过的标题和推荐过的标题获得的结果以及通过从相关项中排除用户的推荐过的标题获得的结果被判断为第七指标推荐标题。
此外,推荐内容判断部142从标题特征存储部116提取与用户的再现标题相同的流派的标题,并且把通过从相同流派的标题中排除用户的再现过的标题和推荐过的标题获得的结果判断为第八指标推荐标题。此时,可以根据流派在用户再现内容中的比例从每个流派选择推荐内容。换句话说,随着流派在用户再现内容中的比例变得较高,可以从该流派选择很多推荐内容项。
选择部148通过参照根据用户所在的区域的区域切换规则设置的选择规则来选择第一至第八指标推荐标题中的任何一个。显示方式判断部150设置推荐信息的显示屏幕数据,其中根据用户所在的区域的区域布局信息来适当地布置由选择部148选择的推荐标题和正常推荐标题。例如,当指定正常推荐标题时,预先在由区域管理者设置的推荐屏幕区域中设置其缩略图像等。
以下将描述使用上述配置的操作。图21是示出内容推荐设备102的操作的流程图。当从区域管理者终端104接收区域设置信息时(S100的Y),区域设置获取部134更新在切换规则存储部110中存储的区域切换规则、促销信息存储部112中存储的区域促销信息、以及布局存储部114中存储的区域布局信息(S102)。选择部148根据区域切换规则的更新内容来更新推荐标题的选择规则(S104)。当未接收到区域设置信息时(S100的N),跳过S102和S104。
日志获取部136从外部设备(诸如内容再现设备14和在线商店服务器16)周期性地获取各种日志。当获取各种日志时(S106的Y),日志分析部138通过分析各种日志的数据来更新推荐历史存储部118、使用信息存储部126和矩阵存储部128的存储数据(S108)。群分析部140基于矩阵存储部128中存储的矩阵来对用户聚类,判断每个群中视频游戏标题的流行性程度,并且将处理结果存储在使用信息存储部126中(S110)。推荐内容判断部142通过参照多个数据库中存储的多个指标来判断与多个指标对应的多种类型的推荐标题,并且将结果存储在推荐信息存储部130中(S122)。当未获取日志时(S106的N),跳过S108至S112。
当请求接收部146从内容再现设备14接收推荐信息请求时(S114的Y),选择部148基于选择规则根据用户所在的区域来选择推荐标题的类型。显示方式判断部150根据用户停留区域基于区域布局信息来设置布置了推荐标题(包括正常推荐标题)的推荐屏幕的数据(S118)。推荐信息提供部152对内容再现设备14提供推荐屏幕的数据,以在其上显示(S120)。当未接收推荐信息请求时(S114的N),跳过S116至S120。
此外,图21的S100至S112的处理可以按三天等的预定频率或例如夜晚的预定时间带通过批处理执行。另一方面,当从内容再现设备14接收推荐信息请求时按需要执行S114至S120的处理。
根据第二实施例的内容推荐设备102,基于多个类型指标的多个类型推荐标题被切换(例如每天),并且依次被建议给用户。因此,甚至当用户的行为或偏好不改变时,推荐标题的内容每天丰富地改变,从而用户的购买倾向改进。例如,在与推荐对象用户的相同区域中驻留的用户的组中的流行标题和与推荐对象用户具有相似行为或偏好的用户的组中的流行标题中的任何一个中,信息对于推荐对象用户是有用的,并且其内容在很多情况下不同。根据内容推荐设备102,可以通过每天基于不同指标切换不同内容的推荐信息并且对用户依次建议切换的推荐信息来支持用户对内容的购买倾向,并且用户可以更受刺激以购买内容。此外,由于在特定时间点对用户建议的推荐内容基于特定类型的指标,所以可以防止多个推荐内容项的一部分彼此交叠。
此外,当基于多种类型指标的多种类型推荐标题每天被切换并且对用户建议时,对用户建议基于特定指标A的推荐标题,并且在预定时段之后再次对用户建议基于指标A的推荐标题。然后,存在基于指标A的推荐标题在该时段期间根据用户的行为或偏好的改变而改变的概率。以此方式,由于基于相同指标的推荐标题也随着时间的逝去改变,所以每天对用户可以容易地建议新推荐内容。
此外,根据内容推荐设备102,可以根据由区域管理者判断的商业规则(切换规则、推荐屏幕的布局、以及销售目标标题)来推荐内容。也就是说,即使当内容推荐计划根据国家或区域不同时,也可以灵活地处理用于每个国家或每个区域的计划。例如,即使当对用户建议特定类型的推荐标题时,如果推荐标题由区域管理者正常地指定,则连同其它推荐标题一起对用户建议正常推荐标题。因此,可以支持用于每个国家或每个区域的内容销售计划。
此外,根据内容推荐设备102,从推荐标题中适当地排除用户再现过的标题。因此,可以容易地对用户推荐具有高购买概率的新标题。此外,从推荐标题中适当地排除对用户推荐过的标题。因此,可以容易地提供未建议给用户的信息,即未通知给用户的信息。
如上所述,已经描述本发明的第二实施例。实施例仅是示例,并且本领域技术人员应该理解,通过各种形式可以修改各个组件或各个处理的组合,并且其修改例也包括在本发明的范围。下文中,将描述修改的示例。
将描述第一修改例。虽然第二实施例中不存在特殊解释,但预定时段被设置为区域切换规则的切换间隔。也就是说,选择部148选择特定类型的推荐标题,并且经过不同类型的推荐标题在预定时段之后再次选择相同类型的推荐标题。此时,期望把预定时段设置为使得当上述类型的推荐标题的内容改变时,预定时段变为假设的时段或更长。例如,当对用户依次切换并且提供第一至第八指标推荐标题时,如果直到第一指标推荐标题改变的时段在八天内,则可以把切换间隔设置为“一天”。此外,当时段是九天或更多时,可以将切换间隔设置为“两天”。因此,即使当选择相同类型的推荐标题时,也可以把在特定时间点的推荐内容设置为与在后续时间点的推荐内容不同,从而推荐内容可以丰富地改变。
将描述第二修改例。虽然第二实施例中不存在特殊解释,但期望把由推荐内容判断部142动态判断的正常推荐标题和推荐标题设置在推荐屏幕上,使得它们难以通过它们的外观彼此区分(例如,以相同显示方式显示它们,如从外部看那样)。换句话说,期望设置推荐屏幕,使得难以从推荐屏幕上建议的多个推荐内容中区分促销对象的正常推荐标题。因此,用户可以在没有任何偏见的情况下检查推荐信息。
实施例和修改例的任意组合也可以有用地用作本发明的实施例。通过组合获得的新实施例具有彼此组合的实施例和修改例的效果。
本领域技术人员应该理解,要由权利要求的组成部分实现的功能是由实施例和修改例及其组合所示的组成中的每一个实现的。
本发明包含的主题涉及于2010年6月8日提交到日本专利局的日本优先权专利申请JP2010-131014中公开的主题,其完整内容通过引用而合并到此。
本领域技术人员应该理解,根据设计需要和其它因素,可以进行各种修改、组合、子组合和变换,只要它们在所附权利要求或其等同方案的范围内。
Claims (8)
1.一种内容推荐设备,包括:
使用信息存储部,其存储与使用有关的多个类型的信息作为与用户对内容的使用有关的信息;
推荐内容判断部,其根据与使用有关的所述多个类型的信息中的每一个来判断要被推荐给用户的内容作为推荐内容,并且判断与使用有关的所述多个类型的信息相对应的多个类型的推荐内容项;
切换规则存储部,其存储设置用于切换所述推荐内容的类型的时段的切换规则,作为由负责特定区域中销售内容的区域管理者设置的规则;
选择部,当从位于所述特定区域中的用户的终端生成推荐内容建议请求时,在所述多个类型的推荐内容项中选择一个类型的推荐内容,并且依次在由所述切换规则设置的时段之后选择不同类型的推荐内容;以及
推荐信息提供部,其把表示由所述选择部选择的所述推荐内容的信息提供给所述用户的终端。
2.如权利要求1所述的内容推荐设备,其中,与使用有关的所述多个类型的信息包括:表示在具有相似偏好的用户的组中的流行内容的信息,和表示在位于同一区域中的用户的组中的流行内容的信息。
3.如权利要求1所述的内容推荐设备,还包括:
促销信息存储部,其存储与作为由所述区域管理者设置的促销对象的内容有关的信息,
其中,所述推荐信息提供部把表示多个内容项的信息提供给所述用户的终端,并且所述多个类型的内容中的至少一个包括所述促销对象的内容。
4.如权利要求1所述的内容推荐设备,还包括:
再现内容信息存储部,其存储表示所述用户的终端中再现过的内容的信息,
其中所述推荐内容判断部对除了所再现的内容之外的推荐内容进行判断。
5.如权利要求1所述的内容推荐设备,还包括:
推荐历史存储部,其存储表示已经推荐给所述用户的终端的内容的信息,
其中所述推荐内容判断部对除了所推荐的内容之外的推荐内容进行判断。
6.如权利要求1所述的内容推荐设备,其中,所述切换规则设置用于切换所述推荐内容的类型的时段以使得:从所述多个类型的推荐内容项中选择一个类型的推荐内容的时刻,经过不同类型的推荐内容而到达再次选择所述一个类型的推荐内容的时刻的时段,等于或大于所述一个类型的推荐内容的内容应当改变的时段。
7.一种允许计算机执行以下步骤的内容推荐方法:
根据与使用有关的多个类型的信息来判断要被推荐给用户的内容作为推荐内容,并且判断与使用有关的所述多个类型的信息相对应的多个类型的推荐内容项,与使用有关的所述多个类型的信息是与用户对内容的使用有关的信息;
当从位于特定区域的用户的终端生成推荐内容建议请求时,在所述多个类型的推荐内容项中选择一个类型的推荐内容,并且依次在由负责所述特定区域中销售内容的区域管理者设置的用于切换推荐内容的类型的时段之后,选择不同类型的推荐内容;以及
把表示在选择一个类型的推荐内容时选择的所述推荐内容的信息提供给所述用户的终端。
8.一种允许计算机执行以下功能的计算机程序:
根据与使用有关的多个类型的信息来判断要被推荐给用户的内容作为推荐内容,并且判断与使用有关的所述多个类型的信息相对应的多个类型的推荐内容项,与使用有关的所述多个类型的信息是与用户对内容的使用有关的信息;
当从位于特定区域的用户的终端生成推荐内容建议请求时,在所述多个类型的推荐内容项中选择一个类型的推荐内容,并且依次在由负责所述特定区域中销售内容的区域管理者设置的用于切换推荐内容的类型的时段之后,选择不同类型的推荐内容;以及
把表示在选择一个类型的推荐内容时选择的所述推荐内容的信息提供给所述用户的终端。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010-131014 | 2010-06-08 | ||
JP2010131014A JP2011257918A (ja) | 2010-06-08 | 2010-06-08 | コンテンツ推薦装置およびコンテンツ推薦方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102279865A true CN102279865A (zh) | 2011-12-14 |
Family
ID=45065215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101533620A Pending CN102279865A (zh) | 2010-06-08 | 2011-06-01 | 内容推荐设备和内容推荐方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20110302032A1 (zh) |
JP (1) | JP2011257918A (zh) |
CN (1) | CN102279865A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102696A (zh) * | 2014-06-26 | 2014-10-15 | 海信集团有限公司 | 一种内容推荐方法及装置 |
CN104219575A (zh) * | 2013-05-29 | 2014-12-17 | 酷盛(天津)科技有限公司 | 相关视频推荐方法及*** |
CN104956680A (zh) * | 2012-12-21 | 2015-09-30 | 微软技术许可有限责任公司 | 推荐媒体内容的智能预取 |
CN107103523A (zh) * | 2017-05-18 | 2017-08-29 | 深圳众厉电力科技有限公司 | 一种服务性能好的电子商务*** |
CN108762880A (zh) * | 2018-06-19 | 2018-11-06 | 北京金山安全软件有限公司 | 一种推荐内容的展示位置确定方法及装置 |
CN109857931A (zh) * | 2019-01-08 | 2019-06-07 | 北京三快在线科技有限公司 | 区域综合推荐方法、装置、电子设备及可读存储介质 |
CN111435371A (zh) * | 2019-01-15 | 2020-07-21 | 百度在线网络技术(北京)有限公司 | 视频推荐方法及其***、计算机程序产品、可读存储介质 |
CN112639861A (zh) * | 2018-08-22 | 2021-04-09 | 大金工业株式会社 | 香味提示信息输出*** |
CN115212561A (zh) * | 2022-09-19 | 2022-10-21 | 深圳市人马互动科技有限公司 | 基于玩家的语音游戏数据的服务处理方法及相关产品 |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120278179A1 (en) * | 2011-04-28 | 2012-11-01 | Ray Campbell | Systems and methods for deducing user information from input device behavior |
EP2530897A1 (en) * | 2011-06-01 | 2012-12-05 | Alcatel Lucent | Content delivery architecture and method |
US9524077B1 (en) * | 2012-02-15 | 2016-12-20 | Google Inc. | Allowing users to categorize and visualize content recommendations |
JP2013248292A (ja) * | 2012-06-01 | 2013-12-12 | Nintendo Co Ltd | 情報処理プログラム、情報処理装置、情報処理システムおよび表示方法 |
US9071453B2 (en) | 2012-06-11 | 2015-06-30 | Apple Inc. | Location-based device automation |
US9535996B1 (en) * | 2012-08-30 | 2017-01-03 | deviantArt, Inc. | Selecting content objects for recommendation based on content object collections |
US9613313B2 (en) * | 2012-09-26 | 2017-04-04 | DeNA Co., Ltd. | System and method for providing a recommendation of a game based on a game-centric relationship graph |
KR101406820B1 (ko) | 2012-10-24 | 2014-06-17 | 대구대학교 산학협력단 | 스마트 티비 상의 지능화된 컨텐츠 추천방법 |
US20150073958A1 (en) * | 2013-09-12 | 2015-03-12 | Bank Of America Corporation | RESEARCH REPORT RECOMMENDATION ENGINE ("R+hu 3 +lE") |
CN103617221B (zh) * | 2013-11-22 | 2017-02-01 | 中国联合网络通信集团有限公司 | 软件推荐方法及*** |
US11113725B1 (en) * | 2013-12-17 | 2021-09-07 | Groupon, Inc. | Method and system for recommending promotions to consumers |
US10025863B2 (en) | 2014-10-31 | 2018-07-17 | Oath Inc. | Recommending contents using a base profile |
CN104506612A (zh) * | 2014-12-19 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法、服务器和浏览器装置 |
US10033581B2 (en) * | 2015-12-08 | 2018-07-24 | Yokogawa Electric Corporation | Method for retrieval of device-type managers |
JP6868177B2 (ja) * | 2016-05-23 | 2021-05-12 | 富士フイルムビジネスイノベーション株式会社 | プログラム、商品推薦システム及び商品推薦方法 |
JP2018165972A (ja) * | 2017-03-28 | 2018-10-25 | 政明 大塚 | ランキングシステム |
CN108304432B (zh) * | 2017-08-01 | 2021-09-07 | 腾讯科技(深圳)有限公司 | 信息推送处理方法、信息推送处理装置及存储介质 |
CN108494851B (zh) * | 2018-03-21 | 2019-06-25 | Oppo广东移动通信有限公司 | 应用程序推荐方法、装置以及服务器 |
CN110471721B (zh) * | 2018-05-10 | 2024-06-18 | 北京京东尚科信息技术有限公司 | 页面展示方法及***、电子设备和存储介质 |
WO2020071402A1 (ja) * | 2018-10-02 | 2020-04-09 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報提供方法 |
US11436657B2 (en) * | 2019-03-01 | 2022-09-06 | Shopify Inc. | Self-healing recommendation engine |
US10791370B1 (en) | 2019-03-29 | 2020-09-29 | Rovi Guides, Inc. | Content recommendation based on game progress |
WO2020205136A1 (en) * | 2019-03-29 | 2020-10-08 | Rovi Guides, Inc. | Content recommendation based on game progress |
US11061927B2 (en) * | 2019-04-03 | 2021-07-13 | Sap Se | Optimization of relocated queries in federated databases using cross database table replicas |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1874444A (zh) * | 2005-05-31 | 2006-12-06 | 索尼株式会社 | 信息处理设备、信息处理方法以及用于使计算机能够执行该方法的程序 |
US20070174866A1 (en) * | 2003-12-30 | 2007-07-26 | Aol Llc | Rule-based playlist engine |
CN101431485A (zh) * | 2008-12-31 | 2009-05-13 | 深圳市迅雷网络技术有限公司 | 一种自动推荐互联网上信息的方法及*** |
CN101556615A (zh) * | 2008-04-08 | 2009-10-14 | 索尼株式会社 | 信息处理设备和方法、推荐设备和方法、信息处理*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5790935A (en) * | 1996-01-30 | 1998-08-04 | Hughes Aircraft Company | Virtual on-demand digital information delivery system and method |
US20060277098A1 (en) * | 2005-06-06 | 2006-12-07 | Chung Tze D | Media playing system and method for delivering multimedia content with up-to-date and targeted marketing messages over a communication network |
US20070250445A1 (en) * | 2006-04-19 | 2007-10-25 | Napster Llc | Real time, on the fly, distribution of pre-selected electronic content |
EP2324647B1 (en) * | 2008-09-12 | 2019-07-10 | BlackBerry Limited | A system and method for centralized retrieval and delivery of content to mobile devices using a server based rss feed |
US8510247B1 (en) * | 2009-06-30 | 2013-08-13 | Amazon Technologies, Inc. | Recommendation of media content items based on geolocation and venue |
US9009177B2 (en) * | 2009-09-25 | 2015-04-14 | Microsoft Corporation | Recommending points of interests in a region |
-
2010
- 2010-06-08 JP JP2010131014A patent/JP2011257918A/ja not_active Withdrawn
-
2011
- 2011-06-01 US US13/150,891 patent/US20110302032A1/en not_active Abandoned
- 2011-06-01 CN CN2011101533620A patent/CN102279865A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070174866A1 (en) * | 2003-12-30 | 2007-07-26 | Aol Llc | Rule-based playlist engine |
CN1874444A (zh) * | 2005-05-31 | 2006-12-06 | 索尼株式会社 | 信息处理设备、信息处理方法以及用于使计算机能够执行该方法的程序 |
CN101556615A (zh) * | 2008-04-08 | 2009-10-14 | 索尼株式会社 | 信息处理设备和方法、推荐设备和方法、信息处理*** |
CN101431485A (zh) * | 2008-12-31 | 2009-05-13 | 深圳市迅雷网络技术有限公司 | 一种自动推荐互联网上信息的方法及*** |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104956680A (zh) * | 2012-12-21 | 2015-09-30 | 微软技术许可有限责任公司 | 推荐媒体内容的智能预取 |
CN104956680B (zh) * | 2012-12-21 | 2018-07-24 | 微软技术许可有限责任公司 | 推荐媒体内容的智能预取 |
CN104219575A (zh) * | 2013-05-29 | 2014-12-17 | 酷盛(天津)科技有限公司 | 相关视频推荐方法及*** |
CN104102696A (zh) * | 2014-06-26 | 2014-10-15 | 海信集团有限公司 | 一种内容推荐方法及装置 |
CN107103523A (zh) * | 2017-05-18 | 2017-08-29 | 深圳众厉电力科技有限公司 | 一种服务性能好的电子商务*** |
CN108762880B (zh) * | 2018-06-19 | 2021-07-02 | 北京金山安全软件有限公司 | 一种推荐内容的展示位置确定方法及装置 |
CN108762880A (zh) * | 2018-06-19 | 2018-11-06 | 北京金山安全软件有限公司 | 一种推荐内容的展示位置确定方法及装置 |
CN112639861A (zh) * | 2018-08-22 | 2021-04-09 | 大金工业株式会社 | 香味提示信息输出*** |
CN109857931A (zh) * | 2019-01-08 | 2019-06-07 | 北京三快在线科技有限公司 | 区域综合推荐方法、装置、电子设备及可读存储介质 |
CN111435371A (zh) * | 2019-01-15 | 2020-07-21 | 百度在线网络技术(北京)有限公司 | 视频推荐方法及其***、计算机程序产品、可读存储介质 |
CN111435371B (zh) * | 2019-01-15 | 2023-08-11 | 百度在线网络技术(北京)有限公司 | 视频推荐方法及其***、计算机程序产品、可读存储介质 |
CN115212561A (zh) * | 2022-09-19 | 2022-10-21 | 深圳市人马互动科技有限公司 | 基于玩家的语音游戏数据的服务处理方法及相关产品 |
CN115212561B (zh) * | 2022-09-19 | 2022-12-09 | 深圳市人马互动科技有限公司 | 基于玩家的语音游戏数据的服务处理方法及相关产品 |
Also Published As
Publication number | Publication date |
---|---|
JP2011257918A (ja) | 2011-12-22 |
US20110302032A1 (en) | 2011-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102279865A (zh) | 内容推荐设备和内容推荐方法 | |
CN102279866A (zh) | 内容推荐设备和内容推荐方法 | |
CN102124466B (zh) | 内容推荐***、内容推荐方法和内容推荐设备 | |
JP5075943B2 (ja) | 情報提供装置および情報提供方法 | |
CN102124465B (zh) | 内容推荐***、内容推荐方法、内容推荐装置、程序和信息存储介质 | |
CN102279863B (zh) | 信息提供装置以及信息提供方法 | |
US8521611B2 (en) | Article trading among members of a community | |
JP2008282132A (ja) | Ecサイト管理装置及びコンピュータプログラム | |
US7333949B2 (en) | Apparatus and a method for outputting control information | |
US11216835B2 (en) | Information processing apparatus, information processing method, and recording medium for calculating a price of a target product using machine learning based on an image of the target product | |
Padveen | Marketing to Millennials for dummies | |
US20070226119A1 (en) | Online valuation and trading of digital media | |
US20160117626A1 (en) | System and Method for Determining a Ranking Schema to Calculate Effort Related to an Entity | |
EP1208516A1 (en) | System and method for configuring a product | |
US20160335691A1 (en) | Searching device, searching method, recording medium, and program | |
US11175807B1 (en) | Intelligent contextual video thumbnail display | |
JP4907606B2 (ja) | サーバ、Webページ提供方法及びシステム | |
JP6343778B2 (ja) | ゲーム端末、それに用いられるコンピュータプログラム、及びサーバ装置 | |
US11538103B1 (en) | Financial education tool | |
Kolakaluri | New modern marketing myopia: A clouded innovation and stigmatized marketing | |
JP2005267400A (ja) | 販売管理装置およびこれに用いるプログラム | |
JP2003099590A (ja) | 画像情報表示システム及び画像情報表示方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111214 |