JP2008282353A - Recommendation device and recommendation method - Google Patents
Recommendation device and recommendation method Download PDFInfo
- Publication number
- JP2008282353A JP2008282353A JP2007128400A JP2007128400A JP2008282353A JP 2008282353 A JP2008282353 A JP 2008282353A JP 2007128400 A JP2007128400 A JP 2007128400A JP 2007128400 A JP2007128400 A JP 2007128400A JP 2008282353 A JP2008282353 A JP 2008282353A
- Authority
- JP
- Japan
- Prior art keywords
- service
- user
- information
- attribute
- recommendation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 15
- 238000004891 communication Methods 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 16
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 2
- 239000013598 vector Substances 0.000 description 40
- 238000007726 management method Methods 0.000 description 23
- 230000005540 biological transmission Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 235000013305 food Nutrition 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 235000019227 E-number Nutrition 0.000 description 1
- 239000004243 E-number Substances 0.000 description 1
- 241000519695 Ilex integra Species 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
本発明は、サービス情報を要求するユーザへ、ユーザに応じたサービス情報を提供するリコメンド装置及びリコメンド方法に関する。 The present invention relates to a recommendation apparatus and a recommendation method for providing service information corresponding to a user to a user who requests service information.
この種の技術において取り扱われるサービスとしては、例えば、レストラン等において料理を提供するサービス、鍋セット等を宅配するサービス等である。また、この種の技術は、本、コンテンツ等、各種の推奨する商品を紹介する際にも適用されている。 Services handled in this type of technology include, for example, a service that provides food in a restaurant, a service that delivers a pot set, and the like. This type of technology is also applied when introducing various recommended products such as books and content.
例えば、ユーザが過去に視聴したコンテンツの履歴を送信すると、その内容を解析してユーザに適合するコンテンツの情報を提供する技術がある(特許文献1参照)。
ところで、ユーザにとって、過去に視聴したコンテンツの履歴等のユーザの趣向に関する情報は、プライバシー情報である。よって、ユーザの趣向に関する情報がそのユーザを特定できる状態で漏洩した場合、プライバシー情報の漏洩となるために問題がある。 By the way, for the user, information related to the user's taste such as a history of contents viewed in the past is privacy information. Therefore, there is a problem because privacy information is leaked when information on the user's preferences leaks in a state where the user can be identified.
上記特許文献1の技術において、ユーザが送信したコンテンツの履歴は、ユーザの趣向に関する情報である。このユーザの趣向に関する情報をユーザが送信することにより、ユーザの趣向に関する情報がそのユーザを特定できる状態で漏洩する虞がある。
In the technique disclosed in
そこで本発明は、ユーザに応じたサービス情報を提供すると共に、プライバシー情報の漏洩を防止することができるリコメンド装置及びリコメンド方法を提供することを目的とする。 Therefore, an object of the present invention is to provide a recommendation device and a recommendation method capable of providing service information corresponding to a user and preventing leakage of privacy information.
本発明のリコメンド装置は、サービス情報を要求する要求ユーザへ、要求ユーザに応じたサービス情報を提供するリコメンド装置において、(1)複数のユーザが利用したサービスの利用履歴を示す利用履歴情報であって、ユーザの特徴を示す複数のユーザ属性と、ユーザが選択したサービスの特徴を示す複数のサービス属性と、を関連付けた利用履歴情報を格納するサービス利用履歴格納手段と、(2)サービス利用履歴格納手段に格納された利用履歴情報に基づいて、サービス属性と、当該サービス属性を所望すると推定されるユーザモデルの特徴を示すユーザ属性モデルと、を関連付けたリコメンド基礎情報を算出するリコメンド基礎情報算出手段と、(3)リコメンド基礎情報算出手段によって算出されたリコメンド基礎情報と、要求ユーザのユーザ属性と、に基づいて、要求ユーザが所望すると推定されるサービスモデルの特徴を示すサービス属性モデルを算出するサービス属性推定手段と、を備えることを特徴とする。 The recommendation device according to the present invention is (1) usage history information indicating usage histories of services used by a plurality of users in a recommendation device that provides service information corresponding to a requesting user to a requesting user requesting service information. Service usage history storage means for storing usage history information in which a plurality of user attributes indicating user characteristics and a plurality of service attributes indicating the characteristics of the service selected by the user are associated, and (2) service usage history Based on the usage history information stored in the storage means, the recommended basic information calculation that calculates the recommended basic information in which the service attribute and the user attribute model indicating the feature of the user model estimated to desire the service attribute are associated with each other. Means, (3) recommended basic information calculated by recommended basic information calculating means, and A user attribute of the user, based on the request user, characterized in that it comprises a service attribute estimating means for calculating a service attribute model indicating a feature of a service model that is estimated to desired.
本発明のリコメンド方法は、サービス情報を要求する要求ユーザへ、要求ユーザに応じたサービス情報を提供するリコメンド方法であって、リコメンド基礎情報算出手段が、複数のユーザが利用したサービスの利用履歴を示す利用履歴情報であって、ユーザの特徴を示す複数のユーザ属性と、ユーザが選択したサービスの特徴を示す複数のサービス属性と、を関連付けた利用履歴情報に基づいて、サービス属性と、当該サービス属性を所望すると推定されるユーザモデルの特徴を示すユーザ属性モデルと、を関連付けたリコメンド基礎情報を算出するリコメンド基礎情報算出ステップと、サービス属性推定手段が、リコメンド基礎情報算出ステップにおいて算出されたリコメンド基礎情報と、要求ユーザのユーザ属性と、に基づいて、要求ユーザが所望すると推定されるサービスモデルの特徴を示すサービス属性モデルを算出するサービス属性推定ステップと、を備えることを特徴とする。 A recommendation method according to the present invention is a recommendation method for providing service information corresponding to a requesting user to a requesting user requesting service information, wherein the recommended basic information calculating means stores usage histories of services used by a plurality of users. Based on usage history information in which a plurality of user attributes indicating user characteristics and a plurality of service attributes indicating service characteristics selected by the user are associated with each other. A recommended basic information calculating step for calculating recommended basic information in association with a user attribute model indicating the characteristics of the user model estimated to have an attribute, and a recommendation calculated by the service attribute estimating means in the recommended basic information calculating step. Based on the basic information and the user attributes of the requesting user, the requesting user The is characterized in that and a service attribute estimating step of calculating a service attribute model indicating a feature of a service model that is estimated to desired.
本発明によれば、過去にサービスを利用した複数のユーザのユーザ属性及びそのサービスのサービス属性を関連付けた利用履歴情報と、要求ユーザのユーザ属性と、に基づいて、要求ユーザが所望すると推定されるサービス属性が算出される。このように、複数のユーザの利用履歴情報を用いることにより、要求ユーザに適したサービス属性を示すサービス情報を提供することができる。また、要求ユーザがサービスを利用した情報が、上記利用履歴情報に含まれていない場合であっても、要求ユーザに適したサービス情報を提供することができる。よって、要求ユーザが始めてサービスを利用する際にもサービス情報の提供を受けることができる。更に、リコメンド装置において取り扱う利用履歴情報、リコメンド基礎情報、及びサービス属性モデルは、要求ユーザのプライバシー情報ではない。このように、リコメンド装置において、要求ユーザと直接的に関係するプライバシー情報を取り扱わないので、プライバシー情報の漏洩を防止することができる。 According to the present invention, it is estimated that the requesting user desires based on the user history of a plurality of users who have used the service in the past, the usage history information that associates the service attributes of the service, and the user attribute of the requesting user Service attributes are calculated. In this way, service information indicating service attributes suitable for the requesting user can be provided by using the usage history information of a plurality of users. In addition, even when information on the use of the service by the requesting user is not included in the use history information, service information suitable for the requesting user can be provided. Therefore, service information can be provided even when the requesting user uses the service for the first time. Furthermore, the usage history information, the recommended basic information, and the service attribute model handled in the recommendation device are not privacy information of the requesting user. As described above, since the privacy information directly related to the requesting user is not handled in the recommendation device, leakage of privacy information can be prevented.
好ましくは、上記リコメンド装置は、(4)サービス属性推定手段によって算出されたサービス属性モデルとサービス属性との差が小さい順にサービスをリストアップするサービスリストアップ手段を備える。この場合、要求ユーザにサービスをリストアップして提示することができる。 Preferably, the recommendation device includes (4) service listing means for listing services in ascending order of difference between the service attribute model calculated by the service attribute estimation means and the service attribute. In this case, the service can be listed up and presented to the requesting user.
好ましくは、上記リコメンド装置は、(5)サービスリストアップ手段によってリストアップされたサービスリストを要求ユーザが利用する通信端末へ送信する送信手段と、(6)送信手段によって送信されたサービスリストから要求ユーザが選択したサービスを示すサービス特定情報を受信する受信手段とを備え、送信手段は、受信手段によって受信されたサービス特定情報が示すサービスの提供要求を受け付ける生産元サーバへ、サービス特定情報が示すサービスの提供を要求する旨の要求情報を送信する。 Preferably, the recommendation device includes (5) a transmission unit that transmits the service list listed by the service list-up unit to a communication terminal used by the requesting user, and (6) a request from the service list transmitted by the transmission unit. Receiving means for receiving service specifying information indicating the service selected by the user, and the transmitting means indicates the service specifying information to a production server that receives a service provision request indicated by the service specifying information received by the receiving means. Request information for requesting service provision is transmitted.
この場合、要求ユーザは、プライバシー情報を生産元サーバへ送信することなく、リコメンド装置を介して推奨するサービスの注文が可能となる。よって、要求ユーザの趣向に関するプライバシー情報を、サービス提供側に渡す必要がないので、プライバシー情報の漏洩を確実に防止することができる。 In this case, the requesting user can order a recommended service via the recommendation device without transmitting privacy information to the producer server. Therefore, since it is not necessary to pass privacy information related to the requesting user's preference to the service provider side, leakage of privacy information can be reliably prevented.
本発明によれば、ユーザに応じたサービス情報を提供すると共に、プライバシー情報の漏洩を防止することができる。 ADVANTAGE OF THE INVENTION According to this invention, while providing the service information according to a user, the leakage of privacy information can be prevented.
本発明のリコメンド装置及びリコメンド方法の実施形態について図面を参照して説明する。 An embodiment of a recommendation device and a recommendation method of the present invention will be described with reference to the drawings.
図1は、本実施形態に係るリコメンド装置を含むリコメンドシステムの概要を示す図である。リコメンドシステム1は、ユーザ2に推奨するサービスを紹介し、ユーザ2が選択したサービスの発注を行うシステムである。サービスとは、例えば、レストラン等において料理を提供するサービス、鍋セット等を宅配するサービス等である。
FIG. 1 is a diagram showing an outline of a recommendation system including a recommendation device according to the present embodiment. The
リコメンドシステム1は、通信端末3、管理サーバ5、複数の生産元サーバ7、及び配達サーバ9を備える。通信端末3、管理サーバ5、複数の生産元サーバ7、及び配達サーバ9は、無線ネットワークを介して互いに情報の送受信が可能に構成されている。
The
リコメンドシステム1が備える装置のうち、通信端末3は、ユーザ2が利用する端末である。管理サーバ5は、リコメンドシステム1の管理センタ4に配置されて、リコメンドシステム1における情報の管理を行う。生産元サーバ7は、サービスを提供する各生産元6にそれぞれ配置されている。生産元6は、例えば、宅配する商品の生産者、市場、レストラン等である。
Of the devices provided in the
配達サーバ9は、宅配サービスをユーザ2へ配送する配送業者が利用する装置である。本実施形態に係るリコメンド装置10は、管理サーバ5に搭載され、ユーザ2の要求に応じて、そのユーザに適した推奨するサービス情報を提供する装置である。推奨するサービス情報とは、例えば、レストランのコース料理、宅配の鍋セットの情報をリストアップしたものである。
The
ここで、リコメンドシステム1の概要を説明する。まず、ユーザ2(以下、「要求ユーザ」とする)が通信端末3を利用して、管理センタ4のリコメンド装置10に、推奨するサービス情報を要求する。この要求に応じて、リコメンド装置10は、推奨するサービスをリストアップしたサービス情報を通信端末3へ送信する(ステップS11;送信ステップ)。
Here, an outline of the
要求ユーザ2は、通信端末3において受信したサービス情報からサービスを選択して、そのサービスを特定するサービス特定情報をリコメンド装置10へ送信することにより、サービスの注文を行う。通信端末3によるサービス特定情報の送信に応じて、リコメンド装置10は、サービス特定情報を受信する。(ステップS12;受信ステップ)。
The requesting
リコメンド装置10は、サービス特定情報が示すサービスの提供を要求する旨の要求情報を生産元サーバ7へ送信することにより、生産元6にサービスの発注を行う(ステップS13;要求情報送信ステップ)。このサービスの発注に応じて、生産元6では、要求ユーザ2にサービスを提供する。例えば、ユーザ2が選択したコース料理を、生産元6であるレストランにおいて提供する。
The
一方、リコメンド装置10は、要求ユーザ2が選択したサービスが宅配サービスであった場合、要求ユーザ2へ商品を配達するように依頼する旨の配達依頼情報を配達サーバ9へ送信することにより、商品の配達を手配する(ステップS14)。そして、生産元6で生産された商品を、配送業者8が、生産元7から要求ユーザ2へ物理的に配送する(ステップS15,S16)。
On the other hand, when the service selected by the requesting
以上のようにして、リコメンドシステム1では、要求ユーザ2に応じたサービス情報を提供し、要求ユーザ2が選択したサービスの発注を行う。よって、生産元6及び配送業者8に、要求ユーザ2の趣向に関するプライバシー情報を開示せずとも、要求ユーザ2に応じたサービスを提供することができる。
As described above, the
引き続き、本実施形態に係るリコメンド装置10について詳細に説明する。図2は、本実施形態に係るリコメンド装置の機能ブロックを説明するための図である。リコメンド装置10は、通信部(送信手段、受信手段)11、演算部12、及び記憶部13を備えている。
Next, the
通信部11は、無線ネットワークNを介して、通信端末3、生産元サーバ7、配達サーバ9との情報の送受信を行う。演算部12は、記憶部13に記憶されたデータに基づいて、情報処理演算を行う。
The
演算部12は、ユーザ管理部14、サービス管理部15、サービス利用履歴管理部16、リコメンド基礎情報算出部(リコメンド基礎情報算出手段)17、サービス属性推定部(サービス属性推定手段)18、サービスリストアップ部(サービスリストアップ手段)19、及び要求情報生成部20を有する。記憶部13は、ユーザマスタデータベース21、サービスマスタデータベース22、サービス利用履歴データベース(サービス利用履歴格納手段)23、及びリコメンド基礎情報データベース24を有する。以下、演算部12が有する各機能と記憶部13に記憶されたデータとについて詳細に説明する。
The
ユーザ管理部14は、ユーザマスタデータベース21を用いて、登録された複数のユーザに関する情報をセキュアに管理する。ユーザに関する情報とは、例えば、ユーザ識別子ID、ユーザ認証情報PW、名前、電話番号、住所等の情報である。
The
ユーザ管理部14は、ユーザに関する情報として、ユーザマスタデータベース21に複数のユーザ属性を格納している。図3は、図2のユーザマスタデータベースにおいて格納されるユーザ属性を示す表である。図3に示すように、ユーザマスタデータベース21には、ユーザ属性の識別子c(c=1,2,…C)、ユーザ名、及び複数のユーザ属性が互いに関連付けられて格納されている。
The
複数のユーザ属性は、ユーザの特徴を示す情報であって、それぞれ、ユーザの年齢、ユーザの年収、ユーザの性別等のV個の項目を示す情報である。1人のユーザについての特徴は、V個のユーザ属性を要素とするユーザ属性ベクトルxcによって示される。すなわち、ユーザ属性ベクトルxcは、式(1)に示すように行ベクトルR1×Vで示される。なお、ユーザ属性識別子cは、ユーザ属性ベクトルxcをユニークに識別する。
具体的には、図3に示すように、ユーザ属性の識別子1で識別される「ユーザ1」の特徴は、年齢「25歳」、年収「300万」等のユーザ属性を要素とするユーザ属性ベクトルx1=(25,300万,…)として格納されている。
Specifically, as shown in FIG. 3, the characteristic of “
C人のユーザそれぞれについてのユーザ属性ベクトルxcを示すユーザ属性行列Xは、式(2)に示すように、C×Vの行列によって示される。なお、本実施形態において用いられる行列の各要素は、実数である。
ユーザ管理部14は、ユーザから登録を要求する旨の情報が通信部11によって受信されると、ユーザ識別子ID及びユーザ認証情報PWを発行してユーザ登録を行う。また、ユーザ管理部14は、ユーザ登録時に、複数のユーザ属性、名前、電話番号、住所、ユーザの家族に関する情報を通信端末3から取得して、ユーザ識別子ID及びユーザ認証情報PWと共にユーザマスタデータベース21に格納する。
When the
サービス管理部15は、サービスマスタデータベース22を用いて、生産元6に関する情報及び生産元6によって提供されるサービスに関する情報をセキュアに管理する。サービス管理部15は、サービスに関する情報として、サービスマスタデータベース22にサービス属性を格納している。図4は、図2のサービスマスタデータベースにおいて格納されるサービス属性を示す表である。
The
図4に示すように、サービスマスタデータベース22には、サービス属性の識別子s(s=1,2,…,S)、サービス名、及びサービス属性が互いに関連付けられて格納されている。サービス属性は、サービスの特徴を示す情報であって、それぞれ、「飲み放題」、「夜景」、「料金」等のE個の項目を示す情報である。1つのサービスについての特徴は、E個のサービス属性を要素とするサービス属性ベクトルysによって示される。すなわち、サービス属性ベクトルysは、式(3)に示すように行ベクトルR1×Eで示される。なお、サービス属性識別子sは、サービス属性ベクトルysをユニークに識別する。
図4に示すように、サービス属性は、例えば、「飲み放題」の項目については、飲み放題の設定がある場合にフラグONを示す情報「1」、飲み放題の設定がない場合にフラグOFFを示す情報「0」が設定される。また、例えば、「料金」については、「0円以上3000円未満」、「3000円以上5000円未満」、「5000円以上」のいずれかの項目にフラグONを示す情報「1」が設定される。具体的には、サービス属性の識別子1で識別される「冬の味グルメコース」の特徴は、「飲み放題は有り」、「夜景はなし」、料金が4000円である、等のサービス属性を要素とするサービス属性ベクトルy1=(1,0,…,0,10)として格納されている。
As shown in FIG. 4, for the service attribute, for example, for the “all-you-can-drink” item, information “1” indicating flag ON when all-you-can-drink is set, and flag OFF when all-you-can-drink is not set. The indicated information “0” is set. For example, for “charge”, information “1” indicating flag ON is set in any of the items “0 to less than 3000 yen”, “3000 to less than 5000 yen”, and “5000 yen or more”. The Specifically, the characteristics of “winter taste gourmet course” identified by
S個のサービスそれぞれについてのサービス属性ベクトルysを示すサービス属性行列Yは、式(4)に示すように、S×Eの行列によって示される。
サービス管理部15は、サービスを提供する生産元6からの登録要求に応じて、サービス属性の識別子を払出し、そのサービス属性の識別子と関連付けて、サービス名及びサービス属性ベクトルysをサービスマスタデータベース22に格納する。
Service attribute matrix Y indicating the service attribute vector y s for each S-number service, as shown in Equation (4), indicated by a matrix of S × E.
サービス利用履歴管理部16は、サービス利用履歴データベース23を用いて、登録された複数のユーザが利用したサービスの利用履歴を示す利用履歴情報を管理する。図5は、図2のサービス利用履歴データベースにおいて格納される利用履歴情報を示す表である。図5に示すように、サービス利用履歴データベース23は、ユーザのユーザ属性ベクトルxcと、そのユーザが利用したサービスのサービス属性ベクトルysと、を互いに関連付けて格納している。
The service usage
1回の利用履歴を示す情報は、式(5)に示すように、ユーザ属性ベクトルxcとサービス属性ベクトルysとを結合した行ベクトルR1×(V+E)で示される。例えば、図5において、1番目の利用履歴を示す情報x35y15は、ユーザ属性ベクトルx35で示されるユーザがサービス属性ベクトルy15で示されるサービスを利用したことを示している。 Information indicating one use history is represented by a row vector R 1 × (V + E) obtained by combining the user attribute vector x c and the service attribute vector y s as shown in the equation (5). For example, in FIG. 5, information x 35 y 15 indicating the first usage history indicates that the user indicated by the user attribute vector x 35 has used the service indicated by the service attribute vector y 15 .
N回の利用履歴を示す利用履歴情報Hは、式(5)に示すように、N×(V+E)の行列によって示される。
サービス利用履歴管理部16は、通信部11によって、通信端末3から送信されたサービス特定情報が受信されると、該当するユーザのユーザ属性ベクトルxcをユーザマスタデータベース21から抽出し、サービス特定情報が示すサービスのサービス属性ベクトルysを抽出する。そして、サービス利用履歴管理部16は、1回の利用履歴を示す情報xcysを生成して、利用履歴情報Hを更新する。
Service usage
リコメンド基礎情報算出部17は、サービス利用履歴データベース23に格納された利用履歴情報Hを用いて、リコメンド基礎情報Θを算出する。リコメンド基礎情報Θは、サービス属性と、当該サービス属性を所望すると推定されるユーザモデルの特徴を示すユーザ属性モデルと、を関連付けた情報である。
The recommended basic
E個のサービス属性のうちe番目のサービス属性を所望すると推定されるユーザモデルの特徴を示すユーザ属性モデルθeは、V個のユーザ属性を要素とするベクトルで示される。すなわち、ユーザ属性モデルθeは、式(6)に示すように列ベクトルRV×1で示される。
E個のサービス属性それぞれについてのユーザ属性モデルθeを示すリコメンド基礎情報Θは、式(7)に示すように、V×Eの行列によって示される。
Recommendation basic information Θ indicating the user attribute model theta e for each E-number of service attributes, as shown in equation (7), represented by a matrix of V × E.
リコメンド基礎情報算出部17は、まず、利用履歴情報Hを用いて、各サービス属性についてのユーザ属性モデルθeを算出し、ユーザ属性モデルθeを用いてリコメンド基礎情報を生成する。e番目のサービス属性のユーザ属性モデルθeは、式(8)で示されるように、e番目のサービス属性にフラグがあるユーザの特徴を示す各ユーザ属性の平均値を要素とするベクトルで示される。
なお、式(8)においてBeは、e番目のサービス属性にフラグがあるユーザの人数を示す。また、式(8)において、X|ye=1は、e番目のサービス属性にフラグがあるBe人のユーザ属性ベクトルを含むBe×Vの行列である。また、式(8)において、上付き文字「T」は、転置行列である旨を示す。
The recommended basic
Incidentally, B e in equation (8) indicates the number of users there is a flag e th service attributes. In Equation (8), X | ye = 1 is a B e × V matrix including the user attribute vector of B e who has a flag in the e th service attribute. In the equation (8), the superscript “T” indicates that it is a transposed matrix.
リコメンド基礎情報算出部17は、サービス利用履歴管理部16によって利用履歴情報が更新されるたびに、リコメンド基礎情報を更新する。
The recommended basic
サービス属性推定部18は、リコメンド基礎情報Θと要求ユーザ2のユーザ属性ベクトルxcとを用いて、要求ユーザ2が所望すると推定されるサービスモデルの特徴を示すサービス属性モデルyMを算出する。サービス属性モデルyMは、式(9)によって算出される。
サービス属性モデルyMは、要求ユーザ2の特徴と複数のユーザによるサービスの利用履歴とに基づいて算出される。サービス属性モデルyMは、サービス属性ベクトルによって示される。
Service attribute model y M is calculated based on the use history of services by features and a plurality of
サービス属性推定部18は、通信部11が要求ユーザ2から推奨するサービス情報を要求する旨の情報と共に、要求ユーザ2のユーザ識別子IDを受信すると、ユーザ識別子IDに基づいてユーザマスタデータベース21から要求ユーザ2のユーザ属性ベクトルxcを抽出する。そして、サービス属性推定部18は、式(9)によって示される演算を行い、その演算の結果得られたサービス属性モデルyMを示す情報をサービスリストアップ部19へ出力する。
When the service
サービスリストアップ部19は、図6に示すように、サービス属性推定部18によって算出されたサービス属性モデルyMとサービス属性ベクトルysが相対的に似ている順にサービスをリストアップする。図6は、本実施形態に係るリコメンド装置において提供されるサービス情報を示す図である。
As illustrated in FIG. 6, the service list-up
サービスリストアップ部19は、サービスマスタデータベース22に格納された各サービス属性ベクトルysを抽出し、それぞれのサービス属性ベクトルysとサービス属性モデルyMとの差|yM−ys|を算出する。そして、差|yM−ys|が小さい順、すなわち似ている順にサービス名とサービス識別子をリストアップする。
Services listed
具体的には、図6に示すように、サービスリストアップ部19は、差|yM−ys|が小さい順に「もつ鍋コース」、「魚コース」、「山菜鍋」の順に所定数のサービス名がリストアップする。サービスリストアップ部19は、リストアップしたサービス情報を通信部11へ出力する。通信部11は、サービス情報を通信端末3へ送信し、その送信に応じて通信端末3から返信されるサービス特定情報を受信する。
Specifically, as shown in FIG. 6, the service list-up
要求情報生成部20は、サービス特定情報が示すサービスの提供を要求する旨の要求情報を生成する。そして、要求情報生成部20は、要求情報と共にサービス特定情報が示すサービスの生産元サーバ7のアドレスを通信部11へ出力する。これにより、通信部11からサービス特定情報が示すサービスの生産元サーバ7へ要求情報が送信され、サービスの発注が行われる。
The request
以上説明したリコメンド装置10の各機能は、図7に示すハードウェア資源によって実現される。図7は、本実施形態に係るリコメンド装置のハードウェア構成図である。リコメンド装置10は、物理的には、図7に示すように、CPU101、主記憶装置であるRAM102及びROM103、ハードディスク等の補助記憶装置105、入力デバイスであるキーボード及びマウス等の入力装置106、ディスプレイ等の出力装置107、ネットワークカード等のデータ送受信デバイスである通信モジュール104などを含むコンピュータシステムとして構成されている。
Each function of the
リコメンド装置10の演算部12の演算機能は、CPU101によって行われる。記憶部13の格納機能は、RAM102や補助記憶装置105によって行われる。図2において説明したリコメンド装置10の各機能は、図7に示すCPU101、RAM102等のハードウェア上に所定のコンピュータソフトウェアを読み込ませることにより、CPU101の制御のもとで通信モジュール104、入力装置106、出力装置107を動作させるとともに、RAM102や補助記憶装置105におけるデータの読み出し及び書き込みを行うことで実現される。
The calculation function of the
図2に戻って、通信端末3について説明する。通信端末3は、通信部31、表示部32、及び入力部33を備える。通信部31は、リコメンド装置10との間で情報の送受信を行う。例えば、通信部31は、推奨するサービス情報を要求する旨の情報の送信、サービス情報の受信、サービス特定情報の送信等である。
Returning to FIG. 2, the
表示部32は、ディスプレイ等で構成され、通信部31によって受信されたサービス情報を表示する。入力部33は、キーボード、マウス、スキャナー、OCR等で構成され、表示部32に表示されたサービス情報の中からユーザの選択を受け付ける。
The
引き続いて、図8〜図10を参照して本実施形態に係るリコメンド装置10の動作を説明すると共に、本実施形態に係るリコメンド方法について説明する。最初に、リコメンド装置10におけるユーザ登録処理について説明する。図8は、本実施形態に係るリコメンド装置におけるユーザ登録処理を示すフロー図である。
Subsequently, the operation of the
まず、ユーザ属性ベクトルxcを含むユーザに関する情報が、登録を要求する情報と共に通信端末3からリコメンド装置10へ送信され、リコメンド装置10の通信部11によって受信される(ステップS21)。すると、ユーザに関する情報が、ユーザ管理部14によってユーザマスタデータベース21に格納されると共に、ユーザ属性の識別子cが払い出される(ステップS22)。
First, information about the user including user attribute vector x c is transmitted from the
続いて、ユーザ識別子IDとユーザ認証情報PWが、ユーザ管理部14によって払い出され、通信部11によって通信端末3へ送信される(ステップS23)。このようにして、ユーザ登録処理がなされる。ユーザ識別子IDとユーザ認証情報PWとは、ユーザのプライバシー保護や本人の認証を行い、第三者による成りすましを防ぐために用いられる。
Subsequently, the user identifier ID and the user authentication information PW are paid out by the
次に、リコメンド装置10におけるサービス情報の生成処理について説明する。図9は、本実施形態に係るリコメンド装置におけるサービス情報の生成処理を示すフロー図である。まず、ユーザが、情報の要求を行う旨の情報と共に、ユーザ識別子ID及びユーザ認証情報PWを通信端末3に入力する。この入力は、折り畳み式の通信端末3を開くことによって自動的になされてもよいし、通信端末3の電源が投入された際に自動的になされてもよいし、所定時間毎に自動的になされてもよい。この場合、ユーザが意識せずとも、情報の要求を行うことができる。ユーザの入力がなされると、ユーザ識別子IDとユーザ認証情報PWが、通信端末3から送信され、リコメンド装置10の通信部11によって受信されると共に、サービス情報の要求が受け付けられる(ステップS31)。
Next, service information generation processing in the
受信したユーザ識別子IDに対応するユーザ属性の識別子cが、サービス属性推定部18によってユーザマスタデータベース21から抽出される(ステップS32)。続いて、ユーザ属性ベクトルxcが、サービス属性推定部18によってユーザマスタデータベース21から抽出される(ステップS33)。そして、要求ユーザ2が所望すると推定されるサービス属性モデルyMが、ユーザ属性ベクトルxc及びリコメンド基礎情報Θに基づいて、サービス属性推定部18によって算出される(ステップS34;サービス属性推定ステップ)。
The user attribute identifier c corresponding to the received user identifier ID is extracted from the
サービス属性モデルyMと相対的に似ている順にサービスが、サービスリストアップ部19によってリストアップされて、サービス情報が生成される(ステップS35;リストアップステップ)。そして、要求ユーザに応じたサービス情報が、通信部11によって通信端末3へ送信される(ステップS36)。このようにして、要求ユーザ2に応じた推奨するサービス情報が、要求ユーザに提供される。
Services in the order in which they resemble relative to the service attribute model y M is listed by the
次に、リコメンド装置10におけるリコメンド基礎情報Θの更新処理について説明する。図10は、本実施形態に係るリコメンド装置におけるリコメンド基礎情報の更新処理を示すフロー図である。
Next, the update process of the recommended basic information Θ in the
まず、要求ユーザ2が、サービス情報が示すサービスリストの中から気に入ったサービスを選択して、サービス属性の識別子sを通信端末3に入力し、リコメンド装置10へ送信する。リコメンド装置10では、サービス特定情報としてサービス属性の識別子sが、通信部11によって受信され、ユーザによって選択されたサービスが受け付けられる(ステップS41)。
First, the requesting
すると、要求ユーザ2に対応するユーザ属性ベクトルxcが、ユーザマスタデータベース21からサービス利用履歴管理部16によって抽出され、サービス属性の識別子sに対応するサービス属性ベクトルysが、サービスマスタデータベース22からサービス利用履歴管理部16によって抽出される。そして、サービスを利用した履歴情報xcysが、サービス利用履歴管理部16によって生成され、サービス利用履歴データベース23に登録される(ステップS42)。
Then, the user attribute vector x c corresponding to the requesting
サービス利用履歴データベース23が更新されると、リコメンド基礎情報Θが、利用履歴情報Hに基づいて新たに算出され、リコメンド基礎情報Θが更新される(ステップS43)。このようにして、ユーザがサービスを利用する度にリコメンド基礎情報を更新して、常に、最新のサービス情報をユーザに提供することができる。
When the service
以上説明した本実施形態に係るリコメンド装置10によれば、過去にサービスを利用した複数のユーザのユーザ属性及びそのサービスの複数のサービス属性を関連付けた利用履歴情報Hと、要求ユーザ2のユーザ属性ベクトルxcと、に基づいて、要求ユーザ2が所望すると推定されるサービス属性モデルyMが算出される。これにより、複数のユーザの利用履歴情報を用いることにより、要求ユーザ2に適した推奨するサービス属性を示すサービス情報を提供することができる。
According to the
また、要求ユーザ2がサービスを利用した情報が、利用履歴情報Hに含まれていない場合であっても、要求ユーザ2に適したサービス情報を提供することができる。すなわち、サービスを一度も受けたことがない新規ユーザに対しても、そのユーザの特徴を示すユーザ属性ベクトルさえ取得できれば、そのユーザが所望するであろうサービス属性を推定することができる。更に、新規のサービスであって、利用されたことのないサービスであっても、利用回数の多いサービスのサービス属性と似ているサービス属性を有するサービスを推奨することができる。
Further, even when the information on the use of the service by the requesting
更に、リコメンド装置10において取り扱う利用履歴情報H、リコメンド基礎情報Θ、及びサービス属性モデルyMは、要求ユーザ2のプライバシー情報ではない。このように、リコメンド装置10において、要求ユーザ2と直接的に関係するプライバシー情報を取り扱わないので、プライバシー情報の漏洩を防止することができる。
Furthermore, the usage history information H, the recommended basic information Θ, and the service attribute model y M handled in the
また、リコメンド装置10が、通信端末3から受信したサービス特定情報が示すサービスの提供要求を受け付ける生産元サーバ7へ、サービス特定情報が示すサービスの提供を要求する旨の要求情報を送信する。これにより、要求ユーザ2は、プライバシー情報を生産元サーバ7へ送信することなく、リコメンド装置10を介して推奨するサービスの注文が可能となる。よって、要求ユーザ2の趣向に関するプライバシー情報を、サービス提供側に渡す必要がないので、プライバシー情報の漏洩を確実に防止することができる。
Further, the
また、ユーザマスタデータベース21、サービスマスタデータベース22、及びサービス利用履歴データベース23に格納されたプライバシー情報は、安全に管理されている。リコメンド装置10では、その上でプライバシー情報を活用した繊細なリコメンデーションを実現することができる。
The privacy information stored in the
本発明のリコメンド装置10は、上記実施形態に限られず、種々の変形が可能である。例えば、ユーザが家族情報オプションを用いて、家族のユーザ属性も利用してもよい。ユーザの家族が所望するであろう複数のサービス属性を推定することができる。これによりユーザは、自分の情報や家族情報と他人の情報を用いた最新の推奨するサービス情報を取得することができる。
The
この場合、ユーザの家族に関する情報は、ユーザマスタデータベース21にユーザのIDと共に関連付けて格納される。そして、図11に示すように、サービス情報と共に、ユーザの家族に推奨できるサービスを通知してもかまわない。図11は、通信端末に表示されるサービス情報の例を示す図である。
In this case, information about the user's family is stored in the
本実施形態に係るリコメンドシステム1は、既存のエスクローサービス等と組み合わせて、推奨するサービス情報の提供からサービスの発注及び配送までの情報を管理するように構成してもよい。またユーザの希望により、サービス属性推定部18が、所定期間の間に利用されたサービスの利用履歴情報を用いて算出された過去のリコメンド基礎情報を用いて、ユーザが所望するであろうサービス属性モデルを推定するようにしてもよい。
The
また、上記実施形態では、推奨するサービス情報をユーザが利用する通信端末3へ送信することとしたが、サービス情報を通知する手段は、電子メールであってもよいし、オペレータからの電話、葉書や手紙等を郵送するという手段を用いてもかまわない。また、通信端末3とリコメンド装置10との間の情報の送受信を暗号化して行ってもよい。また、リコメンド基礎情報Θを暗号化してリコメンド基礎情報データベース24に格納することとしてもよい。また、更新前のリコメンド基礎情報を更新日時と共に別ファイルとして(暗号化等をしてセキュアに)管理/保管していてもよい。
In the above embodiment, the recommended service information is transmitted to the
また、ユーザに通知するサービス情報には、配達集約での割り引きといったお得情報、正確な生産元表示等を合わせて通知してもかまわない。本実施形態のリコメンド装置10がリコメンドする対象は、例えば、父親に渡すプレゼントとして推奨する商品の情報を提供するようにしてもよい。また、上記実施形態では、予めユーザ登録を行い、ユーザ属性を予め登録することとしたが、これに限られない。ユーザがサービス情報を要求する際にユーザ属性を含め、ユーザに関する情報を送信することとしてもよい。
Further, the service information to be notified to the user may be notified together with advantageous information such as discounts in delivery aggregation, accurate manufacturer display, and the like. A target to be recommended by the
また、上記実施形態では、ユーザ属性として、年齢「25」、年収「300万」等の数値を用いたが、これに限られない。例えば、年齢「25」、年収「300万」等の数値を0〜1の値をとるように、正規化して用いてもよい。また、例えば、年収について、300万未満の場合に「1」、300万以上500万未満の場合に「2」、500万以上の場合に「3」と、離散化して設定した数値を用いてもよい。 Moreover, in the said embodiment, although numerical values, such as age "25" and annual income "3 million", were used as a user attribute, it is not restricted to this. For example, numerical values such as age “25” and annual income “3 million” may be normalized so as to take a value of 0 to 1. In addition, for example, when the annual income is less than 3 million, “1” is used, when it is 3 million or more and less than 5 million, “2” is used, and when it is 5 million or more, “3” is used. Also good.
2…要求ユーザ、3…通信端末、7…生産元サーバ、10…リコメンド装置、11…通信部(送信手段、受信手段)、17…リコメンド基礎情報算出部(リコメンド基礎情報算出手段)、18…サービス属性推定部(サービス属性推定手段)、19…サービスリストアップ部(サービスリストアップ手段)、23…サービス利用履歴データベース(利用履歴格納手段)、H…利用履歴情報、xc…ユーザ属性ベクトル(複数のユーザ属性)、yM…サービス属性モデル、ys…サービス属性ベクトル(複数のサービス属性)、Θ…リコメンド基礎情報、θe…ユーザ属性モデル。 2 ... requesting user, 3 ... communication terminal, 7 ... producer server, 10 ... recommendation device, 11 ... communication unit (transmission means, reception means), 17 ... recommendation basic information calculation unit (recommendation basic information calculation means), 18 ... Service attribute estimator (service attribute estimator), 19... Service list-up unit (service list-up unit), 23... Service usage history database (usage history storage unit), H... Usage history information, x c . Plural user attributes), y M ... service attribute model, y s ... service attribute vector (plural service attributes), Θ ... recommended basic information, θ e ... user attribute model.
Claims (4)
複数のユーザが利用したサービスの利用履歴を示す利用履歴情報であって、前記ユーザの特徴を示す複数のユーザ属性と、前記ユーザが選択したサービスの特徴を示す複数のサービス属性と、を関連付けた利用履歴情報を格納するサービス利用履歴格納手段と、
前記サービス利用履歴格納手段に格納された利用履歴情報に基づいて、前記サービス属性と、当該サービス属性を所望すると推定されるユーザモデルの特徴を示すユーザ属性モデルと、を関連付けたリコメンド基礎情報を算出するリコメンド基礎情報算出手段と、
前記リコメンド基礎情報算出手段によって算出されたリコメンド基礎情報と、前記要求ユーザのユーザ属性と、に基づいて、前記要求ユーザが所望すると推定されるサービスモデルの特徴を示すサービス属性モデルを算出するサービス属性推定手段と、
を備えることを特徴とするリコメンド装置。 In a recommendation device that provides service information corresponding to the requesting user to a requesting user requesting service information,
Usage history information indicating usage history of services used by a plurality of users, wherein a plurality of user attributes indicating the characteristics of the user and a plurality of service attributes indicating the characteristics of the service selected by the user are associated with each other Service usage history storage means for storing usage history information;
Based on the usage history information stored in the service usage history storage means, the recommended basic information in which the service attribute is associated with the user attribute model indicating the characteristics of the user model estimated to be desired for the service attribute is calculated. Recommend basic information calculation means,
A service attribute for calculating a service attribute model indicating a feature of the service model estimated to be desired by the requesting user based on the recommended basic information calculated by the recommended basic information calculating unit and the user attribute of the requesting user An estimation means;
A recommendation device comprising:
前記送信手段によって送信されたサービスリストから前記要求ユーザが選択したサービスを示すサービス特定情報を受信する受信手段と
を備え、
前記送信手段は、前記受信手段によって受信されたサービス特定情報が示すサービスの提供要求を受け付ける生産元サーバへ、前記サービス特定情報が示すサービスの提供を要求する旨の要求情報を送信することを特徴とする請求項2に記載のリコメンド装置。 Transmitting means for transmitting the service list listed by the service list-up means to a communication terminal used by the requesting user;
Receiving means for receiving service specifying information indicating the service selected by the requesting user from the service list transmitted by the transmitting means;
The transmitting means transmits request information for requesting provision of a service indicated by the service specifying information to a production server that receives a service providing request indicated by the service specifying information received by the receiving means. The recommendation device according to claim 2.
リコメンド基礎情報算出手段が、複数のユーザが利用したサービスの利用履歴を示す利用履歴情報であって、前記ユーザの特徴を示す複数のユーザ属性と、前記ユーザが選択したサービスの特徴を示す複数のサービス属性と、を関連付けた利用履歴情報に基づいて、前記サービス属性と、当該サービス属性を所望すると推定されるユーザモデルの特徴を示すユーザ属性モデルと、を関連付けたリコメンド基礎情報を算出するリコメンド基礎情報算出ステップと、
サービス属性推定手段が、前記リコメンド基礎情報算出ステップにおいて算出されたリコメンド基礎情報と、前記要求ユーザのユーザ属性と、に基づいて、前記要求ユーザが所望すると推定されるサービスモデルの特徴を示すサービス属性モデルを算出するサービス属性推定ステップと、
を備えることを特徴とするリコメンド方法。 A recommendation method for providing service information corresponding to a requesting user to a requesting user requesting service information,
The recommended basic information calculation means is usage history information indicating usage histories of services used by a plurality of users, and includes a plurality of user attributes indicating the characteristics of the users and a plurality of characteristics indicating the characteristics of the services selected by the users. Based on usage history information that associates a service attribute, a recommendation basis that calculates recommendation basis information that associates the service attribute with a user attribute model that indicates the characteristics of the user model that is estimated to be desired for the service attribute. An information calculation step;
A service attribute indicating characteristics of a service model estimated to be desired by the requesting user based on the recommended basic information calculated in the recommended basic information calculating step and the user attribute of the requesting user. A service attribute estimation step for calculating a model;
A recommendation method characterized by comprising:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007128400A JP4522430B2 (en) | 2007-05-14 | 2007-05-14 | RECOMMENDATION DEVICE AND RECOMMENDATION METHOD |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007128400A JP4522430B2 (en) | 2007-05-14 | 2007-05-14 | RECOMMENDATION DEVICE AND RECOMMENDATION METHOD |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008282353A true JP2008282353A (en) | 2008-11-20 |
JP4522430B2 JP4522430B2 (en) | 2010-08-11 |
Family
ID=40143091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007128400A Expired - Fee Related JP4522430B2 (en) | 2007-05-14 | 2007-05-14 | RECOMMENDATION DEVICE AND RECOMMENDATION METHOD |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4522430B2 (en) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013073420A (en) * | 2011-09-28 | 2013-04-22 | Kddi Corp | Recommendation system, recommendation method, and program |
KR101355273B1 (en) | 2012-06-13 | 2014-01-27 | 가시오게산키 가부시키가이샤 | A computing system, a method for controlling thereof, and a computer-readable recording medium having a computer program for controlling thereof |
CN110209938A (en) * | 2019-05-31 | 2019-09-06 | 河南大学 | A kind of potential user's recommended method based on the more granularity attributes of service |
CN111210307A (en) * | 2020-01-03 | 2020-05-29 | 武汉理工大学 | Scientific and technological service chain intelligent recommendation system and method with response user preference as core |
CN111260296A (en) * | 2020-02-12 | 2020-06-09 | 上海东普信息科技有限公司 | Express delivery mode recommendation method, device, equipment and storage medium |
JP2021039712A (en) * | 2019-09-04 | 2021-03-11 | 株式会社トゥービーソフトTobesoft Co., Ltd. | User customization type commodity recommendation device through artificial intelligence-based machine learning |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279499B (en) * | 2013-05-09 | 2016-11-09 | 北京信息科技大学 | Privacy of user guard method in personalized information retrieval |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005174094A (en) * | 2003-12-12 | 2005-06-30 | Ntt Docomo Inc | Use history server device, service retrieval server device, communication terminal, and service recommendation method |
-
2007
- 2007-05-14 JP JP2007128400A patent/JP4522430B2/en not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005174094A (en) * | 2003-12-12 | 2005-06-30 | Ntt Docomo Inc | Use history server device, service retrieval server device, communication terminal, and service recommendation method |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013073420A (en) * | 2011-09-28 | 2013-04-22 | Kddi Corp | Recommendation system, recommendation method, and program |
KR101355273B1 (en) | 2012-06-13 | 2014-01-27 | 가시오게산키 가부시키가이샤 | A computing system, a method for controlling thereof, and a computer-readable recording medium having a computer program for controlling thereof |
CN110209938A (en) * | 2019-05-31 | 2019-09-06 | 河南大学 | A kind of potential user's recommended method based on the more granularity attributes of service |
CN110209938B (en) * | 2019-05-31 | 2022-10-25 | 河南大学 | Potential user recommendation method based on service multi-granularity attribute |
JP2021039712A (en) * | 2019-09-04 | 2021-03-11 | 株式会社トゥービーソフトTobesoft Co., Ltd. | User customization type commodity recommendation device through artificial intelligence-based machine learning |
CN111210307A (en) * | 2020-01-03 | 2020-05-29 | 武汉理工大学 | Scientific and technological service chain intelligent recommendation system and method with response user preference as core |
CN111260296A (en) * | 2020-02-12 | 2020-06-09 | 上海东普信息科技有限公司 | Express delivery mode recommendation method, device, equipment and storage medium |
Also Published As
Publication number | Publication date |
---|---|
JP4522430B2 (en) | 2010-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190303817A1 (en) | Tagging of assets for content distribution in an enterprise management system | |
JP4522430B2 (en) | RECOMMENDATION DEVICE AND RECOMMENDATION METHOD | |
US8935345B2 (en) | Information providing apparatus, information providing method, information providing program, and computer-readable recording medium having information providing program recorded therein | |
JP5161267B2 (en) | Screen customization support system, screen customization support method, and screen customization support program | |
EP3557516B1 (en) | Method for providing human network management service in mobile terminal | |
US20130046623A1 (en) | Method For Providing a Recommendation, Recommender System, and Recommender Computer Program Product | |
US20130173424A1 (en) | System for delivering gift item using social network information and method thereof | |
US20170262886A1 (en) | Gift messaging based customer acquisition | |
CN101572613A (en) | Facemail | |
US9847998B2 (en) | System and method for delegation of permissions to a third party | |
CN107862534A (en) | The information processing method and device of potential customers | |
CA2891449C (en) | Third-party communications to social networking system users using user descriptors | |
US20130283046A1 (en) | Service system | |
US20220239611A1 (en) | Managing exchange of instant messages using an assigned communication code | |
JP2013225228A (en) | Group purchase device, group purchase method, and program | |
JP4669068B2 (en) | E-mail delivery system | |
US20140285838A1 (en) | Causing an action to occur in response to scanned data | |
KR102397767B1 (en) | Method and syetem for review management | |
JP2007213516A (en) | Control server and control method | |
JP2004157747A (en) | Point management method and point management program | |
KR20120076685A (en) | Method and apparatus for configuring network between users in communication system | |
WO2016046792A1 (en) | System and method for creating and interacting with information objects | |
JP4067948B2 (en) | Sales person management method, server and program in electronic commerce | |
JP6086012B2 (en) | Electronic leaflet distribution device, electronic leaflet distribution system, electronic leaflet distribution method and program | |
JP6906494B2 (en) | Information providing device, information providing method and communication terminal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100319 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100518 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100525 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4522430 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130604 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |