JP3832720B2 - 協調的フィルタリングにおけるデフォルト値設定方法及びシステム - Google Patents
協調的フィルタリングにおけるデフォルト値設定方法及びシステム Download PDFInfo
- Publication number
- JP3832720B2 JP3832720B2 JP2001060704A JP2001060704A JP3832720B2 JP 3832720 B2 JP3832720 B2 JP 3832720B2 JP 2001060704 A JP2001060704 A JP 2001060704A JP 2001060704 A JP2001060704 A JP 2001060704A JP 3832720 B2 JP3832720 B2 JP 3832720B2
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- default value
- value
- default
- correlation coefficient
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Complex Calculations (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、協調的フィルタリングにおけるデフォルト値設定方法及びシステムに関する。
【０００２】
【従来の技術】
従来、協調的フィルタリングを用いて特定の利用者の評価を予測する方法の１つに、利用者間の相関係数を利用するものがある。この利用者間の相関係数を求めるためには、相関を求める利用者二者が共に評価しているアイテムの評価データを利用するが、対象アイテムによっては二者共に評価しているアイテムが非常に少ないことがある。そこで従来では、各々の利用者が評価していないアイテムに評価デフォルト値を設定し、相関係数を求めるために利用することのできるアイテムを増やす手法がとられている。
【０００３】
【発明が解決しようとする課題】
しかし一般に、相関係数を求める際に未評価のアイテムに対する評価データにデフォルト値を設定すると、評価デフォルト値を設定しない場合と比べて、求められる相関係数の値が変化し、結果として利用者の評価の予測値も変化してしまう。例えば、本来の評価データに比べて評価予測値が低い場合には予測値を高めることが求められ、反対に評価予測値が本来の評価データに比べて高い場合には予測値を低くすることが求められる。したがって、本来の評価データと評価予測値との関係によって、設定するデフォルト値を適当に変更調整する必要がある。
【０００４】
ところが従来、このような複数の利用者各々が未評価のアイテムに対して評価データデフォルト値を設定し、任意の利用者二者間の相関係数を求め、その相関係数を利用して、特定の利用者の未評価のアイテムに対する評価予測値を求める方法において、最適な評価デフォルト値がどのような値であるかを探る工夫がされることはなかった。
【０００５】
本発明は、このような従来の技術的課題を解決するためになされたもので、最適な評価デフォルト値を設定することができる協調的フィルタリングにおけるデフォルト値設定方法及びシステムを提供すること目的とする。
【０００６】
【課題を解決するための手段】
請求項１の発明の協調的フィルタリングにおけるデフォルト値設定方法は、評価デフォルト値設定手段が、１又は複数の利用者それぞれの未評価の１又は複数の対象アイテムそれぞれに複数種の評価デフォルト値の中から選んだ１つを設定するステップ（１）と、相関係数演算手段が、現実の評価データとステップ（１）で設定された評価デフォルト値とを用いて、特定の利用者と他の任意の利用者それぞれとの二者間の相関係数を演算するステップ（２）と、評価予測値演算手段が、ステップ（２）で得られた相関係数を用いて特定の対象アイテムに対する前記特定の利用者の前記評価デフォルト値に対応する評価予測値を演算するステップ（３）を有し、前記ステップ（１）で複数種の評価デフォルト値の中から選ぶ評価デフォルト値を変更して前記ステップ（２）及び（３）を実行し、前記特定の対象アイテムに対する前記特定の利用者の現実の評価データと近似度の高い評価予測値を与える評価デフォルト値を最適な評価デフォルト値として決定することを特徴とするものである。
【０００７】
請求項１の発明の協調的フィルタリングにおけるデフォルト値設定方法では、複数の利用者各々が未評価の１又は複数の対象アイテムそれぞれに対して評価デフォルト値を設定し、特定の利用者と他の任意の利用者との間の相関係数を計算し、この相関係数を利用して特定の対象アイテムに対する特定の利用者の評価予測値を算出する手順を複数種の評価デフォルト値に対して繰り返す。そして、得られた複数種の評価予測値を比較し、最も現実に即した評価予測値を前記特定の対象アイテムに対する評価データとして採用する。これにより、精度の高い協調的フィルタリングを可能とする。
【０００８】
請求項２の発明の協調的フィルタリングにおけるデフォルト値設定方法は、評価デフォルト値設定手段が、１又は複数の利用者それぞれの未評価の１又は複数の対象アイテムそれぞれに複数種の評価デフォルト値の中から選んだ１つを設定するステップ（１）と、相関係数演算手段が、現実の評価データとステップ（１）で設定された評価デフォルト値とを用いて、特定の利用者と他の任意の利用者それぞれとの二者間の相関係数を演算するステップ（２）と、評価予測値演算手段が、ステップ（２）で得られた相関係数を用いて特定の対象アイテムに対する前記特定の利用者の前記評価デフォルト値に対応する評価予測値を演算するステップ（３）と、比較手段が、前記特定の対象アイテムに対する前記特定の利用者の現実の評価データとステップ（３）で得られた前記評価デフォルト値に対応する評価予測値とを比較するステップ（４）を有し、前記ステップ（１）で複数種の評価デフォルト値の中から選ぶ評価デフォルト値を変更して前記ステップ（２）〜（４）を実行し、前記特定の対象アイテムに対する前記特定の利用者の現実の評価データと近似度の高い評価予測値を与える評価デフォルト値を最適な評価デフォルト値として決定することを特徴とするものである。
【０００９】
請求項２の発明の協調的フィルタリングにおけるデフォルト値設定方法では、複数の利用者各々が未評価の１又は複数の対象アイテムそれぞれに対して評価デフォルト値を設定し、特定の利用者と他の任意の利用者との間の相関係数を計算し、この相関係数を利用して特定の対象アイテムに対する特定の利用者の評価予測値を演算し、前述の評価デフォルト値を変更した場合に現実の評価データと各評価デフォルト値に対応する評価予測値とがどの程度一致するかにより、最適な評価デフォルト値を決定する。こうして決定された評価デフォルト値は、同種の利用者あるいは同種の対象アイテムに対する協調的フィルタリングにおける評価デフォルト値として利用する。これにより、精度の高い協調的フィルタリングを可能とする。
【００１０】
請求項３の発明は、請求項２の発明の協調的フィルタリングにおけるデフォルト値設定方法において、前記ステップ（４）は、前記評価デフォルト値に対応する評価予測値と現実の評価データとの絶対偏差を求めるステップを含み、前記最適なデフォルト値として、前記絶対偏差を最も小さくする評価予測値を与える評価デフォルト値が決定される。これにより最適な評価デフォルト値の客観的な決定が可能となる。
【００１１】
請求項４の発明の協調的フィルタリングにおけるデフォルト値設定システムは、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する評価データ保存手段と、前記評価データに基づき、前記複数の利用者それぞれの評価平均値を求める平均値演算手段と、前記複数の対象アイテムそれぞれに対する前記複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定する評価デフォルト値設定手段と、前記任意の利用者二者間の前記評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する相関係数演算手段と、前記評価デフォルト値設定手段が複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記相関係数演算手段に前記相関係数を計算させる評価デフォルト値変更手段と、前記任意の利用者の特定の対象アイテムに関して、前記複数の利用者それぞれの評価データと評価平均値と前記評価デフォルト値変更手段及び前記評価デフォルト値設定手段による複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする前記相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う評価予測値演算手段とを備えたものである。
【００１２】
請求項４の発明の協調的フィルタリングにおけるデフォルト値設定システムでは、平均値演算手段が評価データ保存手段に保存されている評価データに基づき、複数の利用者それぞれの評価平均値を求め、評価デフォルト値設定手段が複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定し、相関係数演算手段が任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。そして、評価デフォルト値変更手段が、評価デフォルト値設定手段の設定する評価デフォルト値を変更し、相関係数演算手段に相関係数を再計算させ、評価予測値演算手段が、任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、設定した複数種の評価デフォルト値毎の評価予測値を算出することにより、複数種の異なる評価デフォルト値それぞれに対応する評価予測値を得る。
【００１３】
これにより、オペレータは得られる複数種の異なる評価デフォルト値それぞれに対応する評価予測値を比較し、現実の評価データに最も近しい評価予測値を与える評価デフォルト値がいずれであるかを容易に決定することができる。
【００１４】
請求項５の発明の協調的フィルタリングにおけるデフォルト値設定システムは、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する評価データ保存手段と、前記評価データに基づき、前記複数の利用者それぞれの評価平均値を求める平均値演算手段と、前記複数の対象アイテムそれぞれに対する前記複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定する評価デフォルト値設定手段と、前記任意の利用者二者間の前記評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する相関係数演算手段と、前記評価デフォルト値設定手段が複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記相関係数演算手段に前記相関係数を計算させる評価デフォルト値変更手段と、前記任意の利用者の特定の対象アイテムに関して、前記複数の利用者それぞれの評価データと評価平均値と前記評価デフォルト値変更手段及び前記評価デフォルト値設定手段による複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする前記相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う評価予測値演算手段と、前記特定の対象アイテムに対する現実の評価データと前記評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較する比較手段とを備えたものである。
【００１５】
請求項５の発明の協調的フィルタリングにおけるデフォルト値設定システムでは、平均値演算手段が評価データ保存手段に保存されている評価データに基づき、複数の利用者それぞれの評価平均値を求め、評価デフォルト値設定手段が複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定し、相関係数演算手段が任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。そして、評価デフォルト値変更手段が、評価デフォルト値設定手段の設定する評価デフォルト値を変更し、相関係数演算手段に相関係数を再計算させ、評価予測値演算手段が、任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の異なる評価デフォルト値それぞれに対応する評価予測値を得る。そして、比較手段が、特定の対象アイテムに対する現実の評価データと前記評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較して評価デフォルト値の適否を評価する。
【００１６】
これにより、現実の評価データと複数種の評価デフォルト値それぞれに対応する評価予測値とがどの程度一致するかにより、最適な評価デフォルト値を決定することができ、当該最適な評価デフォルト値を、同種の利用者あるいは同種の対象アイテムに対する協調的フィルタリングにおける評価デフォルト値として利用することにより、精度の高い協調的フィルタリングを可能とする。
【００１７】
請求項６の発明は、請求項５の協調的フィルタリングにおけるデフォルト値設定システムにおいて、前記比較手段は、前記評価デフォルト値に対応する評価予測値と現実の評価データとの絶対偏差を求め、当該絶対偏差を最も小さくする評価予測値を与える評価デフォルト値を最適なものと決定することを特徴とするものであり、最適な評価デフォルト値の客観的な決定が可能となる。
【００１８】
請求項７の発明の協調的フィルタリングにおけるデフォルト値設定方法は、ランク設定手段が、既存の評価データ群を所定の指標に従って複数群にランク分けするステップ（１）と、評価予測値演算手段が、ステップ（１）でランク分けされたそれぞれのランク又は全体での既存の評価データの平均値を求め、未評価のアイテムに対して複数種の評価デフォルト値の１つを設定し、特定の利用者の評価データと他の利用者の評価データとの二者間の相関係数を演算し、特定の対象アイテムについての特定の利用者の評価予測値を求めるステップ（２）と、評価デフォルト値変更手段が、前記ステップ（２）で複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記ステップ（２）の演算を繰り返させるステップ（３）と、評価手段が、既存の評価データと、複数種の評価デフォルト値それぞれを用いて評価予測を行った場合の評価予測値それぞれとを比較し、絶対偏差を最小にする評価予測値を与える評価デフォルト値をランク毎に求めるステップ（４）と、最適評価予測値算出手段が、同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするそれぞれのアイテムについて、既存の評価データ群が属するランクに対してステップ（４）で求めた最適な評価デフォルト値をそのアイテムに対する最適な評価デフォルト値として採用し、特定のアイテムに対する評価予測値を求めるステップ（５）とから成るものである。
【００１９】
請求項７の発明の協調的フィルタリングにおけるデフォルト値設定方法では、既存の評価データ群を所定の指標に従って複数群にランク分けし、このランク分けされたそれぞれのランク又は全体での既存の評価データの平均値を求め、未評価のアイテムに対して複数種の評価デフォルト値の１つを設定し、特定の利用者の評価データと他の利用者の評価データとの二者間の相関係数を演算し、特定の対象アイテムについての特定の利用者の評価予測値を求める。さらに、評価デフォルト値を変更して上記の演算処理を繰り返して、複数種の評価デフォルト値それぞれを用いた場合の評価予測値を得る。そして、既存の評価データと複数種の評価デフォルト値それぞれを用いて評価予測を行った場合の評価予測値それぞれとを比較し、絶対偏差を最小にする評価予測値を与える評価デフォルト値をランク毎に求めて保持しておく。
【００２０】
そして、同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするそれぞれのアイテムについての既存の評価データ群が属するランクに対して上記の演算処理で求めた最適な評価デフォルト値を全対象アイテムに対する最適な評価デフォルト値として採用し、特定のアイテムに対する評価予測値を求める。
【００２１】
これにより、複数種の対象アイテムそれぞれに対する既存データに対して最適な評価デフォルト値を選定し、それを用いて特定の対象アイテムに対する特定の利用者の評価予測値を求めることができ、精度の高い協調的フィルタリングが可能となる。
【００２２】
請求項８の発明の協調的フィルタリングにおけるデフォルト値設定システムは、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する評価データ保存手段と、前記評価データ保存手段に保存されている評価データに対し、所定の指標に従って複数種のランクにランク分けするランク設定手段と、前記評価データ保存手段に保存されている評価データに基づき、前記ランク設定手段により設定された複数種のランクの１つに属する評価データ又は全評価データの平均値を求める平均値演算手段と、複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定するデフォルト値設定手段と、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する相関係数演算手段と、前記評価デフォルト値設定手段が複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記相関係数演算手段に前記相関係数を計算させる評価デフォルト値変更手段と、指定された任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と前記評価デフォルト値変更手段及び前記評価デフォルト値設定手段による複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の評価デフォルト値毎の評価予測値を算出する評価予測値演算手段と、特定の対象アイテムに対する現実の評価データと評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較し、絶対偏差を最小とする評価予測値に対応する評価デフォルト値を該当するランクにおける最適な評価デフォルト値と決定する評価手段と、前記評価手段が最適な評価デフォルト値と決定した評価デフォルト値をそれに対応するランクと対照させた形で保持するランク別デフォルト値データ保持手段と、同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするそれぞれのアイテムについて、既存の評価データ群をランク付けし、前記デフォルト値設定手段により、当該ランクに対する最適な評価デフォルト値を前記ランク別デフォルト値データ保持手段から読み出して対象アイテムに対する最適な評価デフォルト値として採用し、全対象アイテムのうちの未評価のアイテムに対して設定させ、前記相関係数演算手段により、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算させ、前記評価予測値演算手段により、指定された任意の利用者の特定の対象アイテムに関して、最適な評価デフォルト値による評価予測値を算出させる最適評価予測値算出手段とを備えたものである。
【００２３】
請求項８の発明の協調的フィルタリングにおけるデフォルト値設定システムでは、評価データ保存手段に保存されている評価データに対し、ランク設定手段により所定の指標に従って複数種のランクにランク分けし、平均値演算手段により、複数種のランクの１つに属する評価データ又は全評価データの平均値を求め、デフォルト値設定手段により、複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定し、相関係数演算手段により、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。そして、評価予測値演算手段により、指定された任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う。さらに、評価デフォルト値変更手段により、評価デフォルト値設定手段が設定する評価デフォルト値を変更し、相関係数演算手段により相関係数を再計算させ、評価手段により、特定の対象アイテムに対する現実の評価データと評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較し、絶対偏差を最小とする評価予測値に対応する評価デフォルト値を該当するランクにおける最適な評価デフォルト値と決定し、ランク別デフォルト値データ保持手段により、ランク毎の最適な評価デフォルト値をそれに対応するランクと対照させた形で保持する。
【００２４】
そして、同種の対象アイテムに対して協調的フィルタリングを行う際に、最適評価予測値算出手段が、対象とするそれぞれのアイテムについての既存の評価データが属するランクに対する最適な評価デフォルト値をランク別デフォルト値データ保持手段から読み出して全対象アイテムに対する最適な評価デフォルト値として採用し、デフォルト値設定手段により、全対象アイテムのうちの未評価のアイテムに対してそのデフォルト値を設定させ、相関係数演算手段により、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算させ、評価予測値演算手段により、指定された任意の利用者の特定の対象アイテムに関して、最適な評価デフォルト値による評価予測値を算出させる。
【００２５】
これにより、複数種の対象アイテムそれぞれに対する既存データに対して最適な評価デフォルト値を選定し、それを用いて特定の対象アイテムに対する特定の利用者の評価予測値を求めることができ、精度の高い協調的フィルタリングが可能となる。
【００２６】
【発明の実施の形態】
以下、本発明の実施の形態を図に基づいて詳説する。図１は本発明の１つの実施の形態の協調的フィルタリングにおけるデフォルト値設定システムの機能的構成を示し、評価データ保存部１、平均値演算部２、評価デフォルト値設定部３、相関係数演算部４、評価予測値演算部５、評価部６から構成されている。
【００２７】
評価データ保存部１は、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する。平均値演算部２は、この評価データ保存部１に保存されている評価データに基づき、複数の利用者それぞれの評価平均値を求める。評価デフォルト値設定部３は、複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値を設定する。相関係数計算部４は、任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。評価予測値演算部５は、任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う。評価部６は、特定の対象アイテムに対する現実の評価データと評価予測値演算部５の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較し評価する。
【００２８】
なお、本実施の形態のシステムは、コンピュータシステムに所要のプログラムをインストールすることにより実現されるものであるが、ここではコンピュータシステムの実行する各機能を構成要素として分けて示している。
【００２９】
次に、上記構成の協調的フィルタリングにおけるデフォルト値設定システムによるデフォルト値設定方法について、図２のフローチャートを用いて説明する。評価データ保存部１には、あらかじめ、少なくても一群の複数種の対象アイテム（例えば、複数種の映画、複数種の音楽、複数種の雑誌、複数種の番組あるいは複数種の商品）それぞれに対する、多数の利用者それぞれの評価データがアンケートその他の方法によって収集され、保存されている。
【００３０】
そこで、本実施の形態のシステムでは、平均値演算部２が評価データ保存部１から利用者各々ｉの評価データｖi,j を読み出し、平均値演算を次の数１式によって行う（ステップＳ１，Ｓ３）。
【００３１】
【数１】
ただし、ｊ：個々の対象アイテム、ｖi,j：利用者ｉが対象アイテムｊに対して行った評価データ、Ｉi ：利用者ｉが評価している対象アイテム群、|Ｉi |：対象アイテム群Ｉi に含まれるアイテム数である。
【００３２】
次に、評価デフォルト値設定部３によって、各利用者の未評価の対象アイテムそれぞれに１つの評価デフォルト値Ｄ１を設定する（ステップＳ５）。そして、相関係数演算部４によって、評価予測をしようとしている利用者ａを特定し（ステップＳ７）、この利用者ａと他のすべての登録されている利用者ｉとの相関係数ｗ(a,i)を次の数２式によって計算する（ステップＳ９）。
【００３３】
【数２】
ただし、ｊ：利用者ａ，ｉが共に評価している対象アイテムそれぞれ、ｖa,j：利用者ａが対象アイテムｊに対して行った評価データ又は評価デフォルト値、ｖi,j：利用者ｉが対象アイテムｊに対して行った評価データ又は評価デフォルト値、ｖa ,ｖi （バー）：数１式で求めた利用者ａ，ｊそれぞれの実評価データの平均値である。
【００３４】
次に、評価予測値演算部５は、相関係数演算部４が算出した相関係数ｗ(a,i)（ただし、ｉは登録利用者数分だけ存在する）を用いて、次の数３式により利用者ａが対象アイテムｊに対して下す評価の予測値ｐa,j を求める（ステップＳ１１）。
【００３５】
【数３】
ここで、ｗ(a,i)：数２式で得た利用者ａと利用者ｉとの相関係数、κ：正規化係数である。
【００３６】
続いて、別の評価デフォルト値Ｄ２を用いて、ステップＳ５〜Ｓ１１の演算処理を繰り返し、以下、用いることができるすべての評価デフォルト値Ｄ３〜Ｄｎについて同様にステップＳ５〜Ｓ１１の演算処理を繰り返す（ステップＳ１３）。
【００３７】
次に、評価部６において、オペレータとの対話形式により、複数種の評価デフォルト値Ｄ１，Ｄ２，…，Ｄｎそれぞれを用いた場合の利用者ａの対象アイテムｊに対する評価予測値ｐa,j −1，ｐa,j −2，…，ｐa,j −nを現実の評価データｖa,j と比較することにより、いずれの評価デフォルト値を用いた場合の評価予測値が現実の評価データによく近似するか評価し、最適な評価デフォルト値を決定する（ステップＳ１５，Ｓ１７）。
【００３８】
これにより、協調的フィルタリングを用いて特定の利用者が特定の対象アイテムに対してどのような評価を下すかを予測するのに、最適な評価デフォルト値を用いて、登録されている多数の利用者それぞれの未評価の対象アイテムにその評価デフォルト値を設定し、相関係数を算出し、この相関係数を利用して特定の対象アイテムに対する特定の利用者の下す評価を精度良く予測することができるようになる。
【００３９】
以下、さらに具体的に数字を例示して本発明の第１の実施の形態の特徴を説明する。いま、利用者ａ，ｂ，ｃそれぞれが５つの対象アイテムＩ〜Ｖそれぞれについて、表１の評価を下しているとする。これは評価データ保存部１に登録されたデータである。
【００４０】
【表１】
このような評価データに対して、利用者ａが未評価のアイテムＶに対して下すであろう評価データｐa,V を、評価デフォルト値を用いずに相関係数を用いて評価予測したのが表２に示すものである。
【００４１】
【表２】
この評価デフォルト値を用いないで行った評価予測では、利用者ａが対象アイテムＶに対して下す評価予測値ｐa,V ＝２である。
【００４２】
次に、評価デフォルト値「２」を利用者ａ，ｂ，ｃそれぞれの未評価の対象アイテムそれぞれに対して設定し、実評価データおよび評価デフォルト値を用いて相関係数を計算し、この相関係数に基づき利用者ａが対象アイテムＶに対して下すであろう評価データｐa,V を計算したのが表３に示すものである。
【００４３】
【表３】
これによると、利用者ａが対象アイテムＶに対して下す評価予測値ｐa,V ＝１．０である。したがって、実評価データだけを用いて計算した場合とは、評価予測値が異なっている。ところが従来は、１つの評価デフォルト値だけを用いて評価予測を行っており、評価デフォルト値の最適化を図ることはなかった。
【００４４】
本発明の場合は、さらに評価デフォルト値を変化させ、それぞれの評価デフォルト値を用いた場合の評価予測値を計算する。その計算例は、次の表４に示すものである。
【００４５】
【表４】
この表４では、表３で用いた評価デフォルト値Ｄ＝２の他に、Ｄ＝３，４それぞれについて計算している。そして評価デフォルト値Ｄ＝３を用いた場合、利用者ａが対象アイテムＶに対して下す評価予測値ｐa,V ＝２．１であり、評価デフォルト値Ｄ＝４を用いた場合、同様の評価予測値ｐa,V ＝３．０である。
【００４６】
このようにして、評価デフォルト値Ｄに種々の値を設定し、それぞれの場合の相関係数を求め、得られた相関係数を用いて特定の利用者の特定の対象アイテムに対する評価予測を行い、これを現実の評価データと比較して近似度の高い結果を与える評価デフォルト値を最適なものと決定する。
【００４７】
なお、この評価デフォルト値の最適値は必ずしも一意的に決定するものではなく、例えば映画、音楽、雑誌、番組、商品それぞれの対象アイテムによって大きく異なり、また年齢層、男性、女性、地域等の利用者層によっても大きく異なり、さらに標本数によっても大きく異なるものである。したがって、協調的フィルタリングに用いるための評価デフォルト値を決定する場合、それらの多種多様な対象アイテムや利用者層に応じて種々決定する必要がある。
【００４８】
次に、本発明の第２の実施の形態の協調的フィルタリングにおけるデフォルト値設定方法について、説明する。この第２の実施の形態に使用するデフォルト値設定システムは、図１に示した第１の実施の形態のシステムと共通する。ただし、各構成要素の演算処理機能は一部下記のように、第１の実施の形態と異なる。
【００４９】
第２の実施の形態の協調的フィルタリングにおけるデフォルト値設定方法は、コンピュータの演算処理手順として採用されるものであり、その演算処理手順は図３のフローチャートに示すものである。以下、これについて説明する。
【００５０】
図３に示すフローチャートにおいて、ステップＳ１〜Ｓ１３の処理は第１の実施の形態による図２のフローチャートと共通する。ただし、本実施の形態の場合には、第１の実施の形態の場合とは異なり、評価データ保存部１には、最適な評価デフォルト値を設定するために算出しようとする特定の対象アイテムにもすでに評価データが設定されているものとする。
【００５１】
上記の特定の対象アイテムｊに対して、複数種の評価デフォルト値それぞれに対応する評価予測値が算出されれば、本実施の形態の場合にはステップＳ１５０において、それぞれの評価予測値を現実の評価データと比較することによって評価し、続くステップＳ１７において最適な評価デフォルト値を決定する。
【００５２】
ステップＳ１５０における評価予測値の評価は、図４に示すフローチャートに従う。最初に、特定の対象アイテムｊに対する複数種の評価デフォルト値それぞれによる評価予測値ｐi,j を取込み、現実の評価データｖi,j を評価データ保存部１から取り込む（ステップＳ１５０‐１，Ｓ１５０‐３）。そして次の数４式にしたがって絶対偏差Ｓj の演算を行う（ステップＳ１５０‐５）。
【００５３】
【数４】
ここで、ｍj は、アイテムｊに関して予測を行った数である。
【００５４】
したがって、数４式の絶対偏差Ｓj は、個々の評価予測値の誤差を平均したものとなる。
【００５５】
続いて、この数４式で求めた絶対偏差Ｓj を最小とする評価予測値ｐi,j を決定してメインフローに戻る（ステップＳ１５０‐７）。
【００５６】
図３のフローチャートにおけるステップＳ１７においては、絶対偏差Ｓj を最小とする評価予測値ｐi,j に対応する評価デフォルト値を最適なものとして決定する。
【００５７】
このようにして、第２の実施の形態の協調的フィルタリングにおけるデフォルト値設定方法では、すでに評価データが得られている特定の対象アイテムに対して、複数種の評価デフォルト値を用いてそれぞれの評価予測値を算出し、評価データとの絶対偏差を最小にする評価予測値に対応する評価デフォルト値を最適なものと決定するので、客観的に最適な評価デフォルト値を得ることができる。
【００５８】
以下、さらに具体的に数字を例示して、本発明の第２の実施の形態の特徴を説明する。いま、利用者ａ，ｂ，ｃそれぞれが５つの対象アイテムＩ〜Ｖそれぞれについて、表５の評価を下しているとする。これは評価データ保存部１に登録されたデータである。
【００５９】
【表５】
このような評価データを利用して、利用者ａが既存の評価「３」を行っている特定の対象アイテムＶに対して、複数種の評価デフォルト値Ｄ＝２，３，４それぞれを用いた場合の評価予測を行ってみる。
【００６０】
評価デフォルト値Ｄ＝２を利用者ａ，ｂ，ｃそれぞれの未評価の対象アイテムそれぞれに対して設定し、実評価データおよび評価デフォルト値を用いて相関係数を計算し、この相関係数に基づき利用者ａが対象アイテムＶに対して下すであろう評価予測値ｐa,V を計算すると、ｐa,V ＝１．０である。そして、評価デフォルト値Ｄ＝３の場合、同じ対象アイテムＶに対する評価予測値ｐa,V ＝２．１０であり、評価デフォルト値Ｄ＝４の場合、ｐa,V ＝３．００である。
【００６１】
そしてこれらの評価予測値ｐa,V と同じ対象アイテムＶに対する利用者ａの既存の評価データはｖa,V ＝３であるので、各評価デフォルト値それぞれに対して、評価予測値ｐa,V の絶対偏差｜ｐa,V −ｖa,V ｜は、Ｄ＝２ときに２．００、Ｄ＝３のときに０．９０、そしてＤ＝４のときに０．００（最小）となる。したがって、最適な評価デフォルト値はＤ＝４であると決定できることになる。
【００６２】
次に、本発明の第３の実施の形態の協調的フィルタリングにおけるデフォルト値設定システム及びそれによるデフォルト値設定方法について説明する。
【００６３】
第３の実施の形態では、まず、既存の評価データ群を所定の指標に従って複数群にランク分けし、それぞれのランク及び全体での既存の評価データの平均値を求め、相関係数を演算し、特定の対象アイテムについての既存の評価データと評価デフォルト値を用いて評価予測を行った場合の評価予測値と比較し、絶対偏差を最小にする評価予測値を与える評価デフォルト値をランク毎に求めて保存しておく。そして、同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするアイテムについて前記と同様の指標に従ってランク付けし、該当するランクに対して前段階で求めて保存してある最適な評価デフォルト値を全対象アイテムに対する最適な評価デフォルト値として採用し、特定のアイテムに対する評価予測値を求めるのである。
【００６４】
この所定の指標に従ってランク分けする手法としては、（１）評価データの平均値によってランク分けする場合、（２）標本数に従ってランク分けする場合、（３）標本数に従って大ランクにランク分けし、さらに標本数による大ランクごとに評価データの平均値に従って小ランクにランク分けする場合がある。
【００６５】
この第３の実施の形態の協調的フィルタリングにおけるデフォルト値設定システムについて、図５及び図６を用いて説明する。図５は、本実施の形態の評価デフォルト値設定システムの機能的構成を示し、図１に示した第１の実施の形態のシステムと同様の評価データ保存部１、平均値演算部２、評価デフォルト値設定部３、相関係数演算部４、評価予測値演算部５及び評価部６を備えており、さらに、本実施の形態の特徴的要素として、ランク設定部７及びデフォルト値データテーブル８を備えている。
【００６６】
評価データ保存部１は、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する。平均値演算部２は、この評価データ保存部１に保存されている評価データに基づき、指定されたランクに属する評価データ又は全評価データの平均値を求める。評価デフォルト値設定部３は、複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値を設定する。相関係数計算部４は、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。評価予測値演算部５は、指定された任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う。評価部６は、特定の対象アイテムに対する現実の評価データと評価予測値演算部５の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較し評価する。
【００６７】
そして、ランク設定部７は、評価データ保存部１に保存された既存の評価データ群を評価データによって複数群にランク分けする。デフォルト値データテーブル８は、ランク設定部７が設定した各ランク毎の最適評価デフォルト値を登録する。
【００６８】
なお、本実施の形態のシステムもコンピュータシステムに所要のプログラムをインストールすることにより実現されるものであるが、ここではコンピュータシステムの実行する各機能を構成要素として分けて示している。
【００６９】
次に、上記構成の協調的フィルタリングにおけるデフォルト値設定システムによるデフォルト値設定方法について、図６のフローチャートを用いて説明する。評価データ保存部１には、第１の実施の形態と同様に、複数種の対象アイテムそれぞれに対する多数の利用者それぞれの評価データがアンケートその他の方法によって収集され、保存されている。
【００７０】
そこで、ランク設定部７は評価データ保存部１の評価データ群を見て、所定指標に従ってランク分けする。このランク分けの指標には上で列挙したような３つの場合が考えられる（ステップＳ２１，Ｓ２３）。
【００７１】
次に、平均値演算部２は、１つのランクを選択し、そのランクに属する評価データの平均値を前述の数１式によって算出する。平均値演算部２はまた、既存の評価データの全体の平均値も算出する（ステップＳ２５）。
【００７２】
次に、評価デフォルト値設定部３によって、各利用者の未評価の対象アイテムそれぞれに１つの評価デフォルト値（デフォルト値設定せずも含む）を設定し、相関係数演算部４によって、評価予測をしようとしている利用者を特定し、相関係数を前述の数２式によって計算する（ステップＳ２７，Ｓ２９）。
【００７３】
次に、評価予測値演算部５は、相関係数演算部４が算出した相関係数を用いて、前述の数３式により利用者が対象アイテムに対して下す評価の予測値を求める（ステップＳ３１）。続いて、別の評価デフォルト値を用いて、ステップＳ２７〜Ｓ３１の演算処理を繰り返し、以下、用いることができるすべての評価デフォルト値について同様にステップＳ２７〜Ｓ３１の演算処理を繰り返す（ステップＳ３３）。
【００７４】
次に、評価部６において、複数種の評価デフォルト値それぞれを用いた場合の利用者の対象アイテムに対する評価予測値を現実の評価データと比較することにより、ある１つのランクにおいていずれの評価デフォルト値を用いた場合の評価予測値による絶対偏差が最小になるかにより、最適な評価デフォルト値を決定する（ステップＳ３５，Ｓ３７）。なお、このステップＳ３５の処理は、第２の実施の形態と同様に図４のフローチャートに示すものである。
【００７５】
こうして、ある１つのランクにおける最適な評価デフォルト値が決定されると、他のランクについてもステップＳ２５〜Ｓ３７の処理を繰り返し、各ランク毎の最適な評価デフォルト値を決定する。そして得られた各ランク毎の最適デフォルト値は、デフォルト値データテーブル８に登録する（ステップＳ３７，Ｓ３９）。
【００７６】
こうして、ある対象アイテムについて、ランク毎の最適な評価デフォルト値が決定できれば、後に同種の対象アイテムについて協調的フィルタリングを行う際には、図７のフローチャートに示すように、所定の指標に従ってランク付けし（ステップＳ５１，Ｓ５３）、デフォルト値データテーブル８に登録された各ランク毎の評価デフォルト値から該当ランクの最適な評価デフォルト値を選択して未評価のアイテムに対して設定し（ステップＳ５５）、特定の対象アイテムに対する評価予測値を、第２の実施の形態と同様の処理により求める（ステップＳ５７〜Ｓ６１）。
【００７７】
これにより、第３の実施の形態の協調的フィルタリングにおけるデフォルト値設定システム及びデフォルト値設定方法によると、より精度の高い協調的フィルタリングが可能になる。
【００７８】
次に、本実施の形態の協調的フィルタリングにおけるデフォルト値設定方法を、具体的な数値を用いて詳しく説明する。
【００７９】
＜評価データの平均値に基づいて分割する例＞
実際に映画５００作品についてのアンケートで得られた評価データ群を利用して説明する。利用者の評価は、各作品について１．０（良い）〜０．０（悪い）まで０．２刻みで与えられている。そして、評価データの平均値が０．０〜０．２に属する作品から０．８〜１．０に属する作品まで５ランクに分け、それぞれのランクにおいて、そのランクに属する作品を見ていない利用者に対する評価デフォルト値として次の表６に示すものを設定し、絶対偏差を計算してみた。
【００８０】
【表６】
この表６によると、評価の平均値が０．０〜０．２の評価ランクの作品では、評価デフォルト値として０．６を設定したものが最も良く、０．２〜０．４の評価ランクの作品では、評価デフォルト値を設定しない場合が最も良く、０．６〜０．８の評価ランクの作品では、評価デフォルト値０．４、０．８〜１．０の評価ランクの作品では、評価デフォルト値０．４のものが最も良いことが判った。
【００８１】
この結果に基づいて、全評価データの平均値に対応する評価デフォルト値を設定し評価予測を行うと、次の表７のようになり、本発明により採用した評価デフォルト値による評価予測値の絶対偏差が最小となった。
【００８２】
【表７】
＜評価者の人数に基づいて分割する例＞
実際に映画５００作品について得られた評価データを利用して、評価者の人数に基づいて複数種のランクに分割し、それぞれのランクのアイテムに対して相関係数を求め、評価デフォルト値を設定しない場合、評価デフォルト値を０．０〜１．０まで０．２刻みで設定した場合それぞれでの評価予測値を既存の評価データと比較し、絶対偏差を求めたのが、次の表８である。
【００８３】
【表８】
この表によれば、評価者の人数が０〜１００のランクの作品では、評価デフォルト値を設定しないものが最も良く、１００〜４００のランクの作品でも、評価デフォルト値なしのものが最も良く、４００〜１６００のランクの作品では、評価デフォルト値０．６、１６００〜６４００のランクの作品では、評価デフォルト値０．６、６４００以上のランクの作品では、評価デフォルト値０．４のものが最も良いことが判った。
【００８４】
この結果に基づいて、評価者の人数に対応する評価デフォルト値を設定し評価予測を行うと、次の表９のようになり、本発明により採用した評価デフォルト値による評価予測値の絶対偏差が最小となった。
【００８５】
【表９】
＜評価値の平均値と評価者の人数に基づいて分割する例＞
実際に映画５００作品について得られた評価データを利用して、評価データの平均値及び評価者の人数に基づいて複数種のランクに分割し、それぞれのランクのアイテムに対して相関係数を求め、評価デフォルト値を設定しない場合、評価デフォルト値を０．０〜１．０まで０．２刻みで設定した場合それぞれでの評価予測値を既存の評価データと比較し、絶対偏差を求めたのが、次の表１０である。
【００８６】
【表１０】
この表によれば、評価データの平均が０．０〜０．２で評価者の人数が０〜１００のランクの作品では、評価デフォルト値０．４を設定するのが最も良く、評価者の人数が１００〜４００のランクの作品では、評価デフォルト値０．４、４００〜１６００のランクの作品では、評価デフォルト値０．６、１６００〜６４００のランクの作品では、評価デフォルト値０．６を設定するのが最も良いことが判った。
【００８７】
同様に、評価データの平均が０．２〜０．４の場合、評価者の人数が０〜１００のランクの作品では、評価デフォルト値０．２、１００〜４００のランクの作品では、評価デフォルト値０．４、４００〜１６００のランクの作品では評価デフォルト値０．６、１６００〜６４００のランクの作品では評価デフォルト値０．６、６４００以上のランクの作品では、評価デフォルト値０．８のものが最も良いことが判った。
【００８８】
また、評価データの平均が０．４〜０．６の場合には、評価者の人数が０〜１００のランクの作品では、評価デフォルト値を設定しない場合が最も良く、１００〜４００のランクの作品でも、評価デフォルト値を設定しない場合が最も良く、４００〜１６００のランクの作品では、評価デフォルト値０．６、１６００〜６４００のランクの作品では、評価デフォルト値０．６、６４００以上のランクの作品では、評価デフォルト値０．８で設定するものが最も良いことが判った。
【００８９】
また、評価データの平均が０．６〜０．８の場合には、評価者の人数が０〜１００のランクの作品では、評価デフォルト値０．０に設定するのが最も良く、１００〜４００のランクの作品では、評価デフォルト値を設定しない場合が最も良く、４００〜１６００のランクの作品では、評価デフォルト値０．６、１６００〜６４００のランクの作品では、評価デフォルト値０．４、６４００以上のランクの作品では、評価デフォルト値０．２に設定するものが最も良いことが判った。そして、本評価データの平均が０．８〜１．０の場合には、評価者の人数が６４００以上のランクでは、評価デフォルト値０．４のものが最も良いことが判った。
【００９０】
この結果に基づいて、評価値の平均と評価者の人数に対応する評価デフォルト値を設定し評価予測を行うと、次の表１１のようになり、本発明により採用した評価デフォルト値による評価予測値の絶対偏差が最小となった。
【００９１】
【表１１】
このようにして、既存の評価データを一定の基準（指標）に基づいていくつかのランクに分割し、それぞれのランクでの最適な評価デフォルト値をあらかじめ求めておき、それをテーブル形式で保存しておく。そして現実のアンケート結果、その他で取得した評価データに基づいて、協調的フィルタリングによりある利用者の特定の対象アイテムに対する評価予測値を得る場合には、当該対象アイテムを所定の指標に従ってランク付けし、そのランクに対応する最適な評価デフォルト値を前述のテーブルから取り出して、未評価のアイテムに対してその評価デフォルト値を設定して、特定の利用者と他のすべての利用者との相関係数を計算し、この相関係数群と評価データ、評価デフォルト値を用いて特定の対象アイテムに対する評価予測値を算出するようにすれば、精度の高い評価予測値を得ることができることになる。
【００９２】
なお、上記の実施の形態では映画作品について例示し、評価データを０．２刻みでランク分けし、また評価者の人数によってランク分けし、さらにはそれらの組合せによってランク分けしたが、評価データは必ずしも０．０〜１．０の範囲に限定されるものではなく、例えば１〜５までの５段階評価や、１〜３までの３段階評価等の段階評価であってもよく、特に限定されることはない。また対象アイテムも映画作品に限定されるものではなく、種々のコンテンツ、書籍、テレビ番組、ゲーム、音楽等を対象とすることができ、アンケート対象となる種々のアイテムを対象とすることができる。
【００９３】
【発明の効果】
以上のように、本発明によれば、協調的フィルタリングにおける評価デフォルト値として最適なもの設定することができ、精度の高い評価予測を可能にし、協調的フィルタリングを精度の高いものにすることができる。
【図面の簡単な説明】
【図１】本発明の第１の実施の形態の協調的フィルタリングにおけるデフォルト値設定システムの機能的構成を示すブロック図。
【図２】上記の第１の実施の形態による最適な評価デフォルト値の決定処理のフローチャート。
【図３】本発明の第２の実施の形態の協調的フィルタリングにおけるデフォルト値設定システムによる最適な評価デフォルト値の決定処理のフローチャート。
【図４】上記のフローチャートにおける評価予測値の評価ステップの詳しい処理内容を示すフローチャート。
【図５】本発明の第３の実施の形態の協調的フィルタリングにおけるデフォルト値設定システムの機能的構成を示すブロック図。
【図６】上記の第３の実施の形態によるランク毎の最適な評価デフォルト値の決定処理のフローチャート。
【図７】上記の第３の実施の形態による評価予測値の演算処理のフローチャート。
【符号の説明】
１ 評価データ保存部
２ 平均値演算部
３ 評価デフォルト値設定部
４ 相関係数演算部
５ 評価予測値演算部
６ 評価部
７ ランク設定部
８ デフォルト値データテーブル
【発明の属する技術分野】
本発明は、協調的フィルタリングにおけるデフォルト値設定方法及びシステムに関する。
【０００２】
【従来の技術】
従来、協調的フィルタリングを用いて特定の利用者の評価を予測する方法の１つに、利用者間の相関係数を利用するものがある。この利用者間の相関係数を求めるためには、相関を求める利用者二者が共に評価しているアイテムの評価データを利用するが、対象アイテムによっては二者共に評価しているアイテムが非常に少ないことがある。そこで従来では、各々の利用者が評価していないアイテムに評価デフォルト値を設定し、相関係数を求めるために利用することのできるアイテムを増やす手法がとられている。
【０００３】
【発明が解決しようとする課題】
しかし一般に、相関係数を求める際に未評価のアイテムに対する評価データにデフォルト値を設定すると、評価デフォルト値を設定しない場合と比べて、求められる相関係数の値が変化し、結果として利用者の評価の予測値も変化してしまう。例えば、本来の評価データに比べて評価予測値が低い場合には予測値を高めることが求められ、反対に評価予測値が本来の評価データに比べて高い場合には予測値を低くすることが求められる。したがって、本来の評価データと評価予測値との関係によって、設定するデフォルト値を適当に変更調整する必要がある。
【０００４】
ところが従来、このような複数の利用者各々が未評価のアイテムに対して評価データデフォルト値を設定し、任意の利用者二者間の相関係数を求め、その相関係数を利用して、特定の利用者の未評価のアイテムに対する評価予測値を求める方法において、最適な評価デフォルト値がどのような値であるかを探る工夫がされることはなかった。
【０００５】
本発明は、このような従来の技術的課題を解決するためになされたもので、最適な評価デフォルト値を設定することができる協調的フィルタリングにおけるデフォルト値設定方法及びシステムを提供すること目的とする。
【０００６】
【課題を解決するための手段】
請求項１の発明の協調的フィルタリングにおけるデフォルト値設定方法は、評価デフォルト値設定手段が、１又は複数の利用者それぞれの未評価の１又は複数の対象アイテムそれぞれに複数種の評価デフォルト値の中から選んだ１つを設定するステップ（１）と、相関係数演算手段が、現実の評価データとステップ（１）で設定された評価デフォルト値とを用いて、特定の利用者と他の任意の利用者それぞれとの二者間の相関係数を演算するステップ（２）と、評価予測値演算手段が、ステップ（２）で得られた相関係数を用いて特定の対象アイテムに対する前記特定の利用者の前記評価デフォルト値に対応する評価予測値を演算するステップ（３）を有し、前記ステップ（１）で複数種の評価デフォルト値の中から選ぶ評価デフォルト値を変更して前記ステップ（２）及び（３）を実行し、前記特定の対象アイテムに対する前記特定の利用者の現実の評価データと近似度の高い評価予測値を与える評価デフォルト値を最適な評価デフォルト値として決定することを特徴とするものである。
【０００７】
請求項１の発明の協調的フィルタリングにおけるデフォルト値設定方法では、複数の利用者各々が未評価の１又は複数の対象アイテムそれぞれに対して評価デフォルト値を設定し、特定の利用者と他の任意の利用者との間の相関係数を計算し、この相関係数を利用して特定の対象アイテムに対する特定の利用者の評価予測値を算出する手順を複数種の評価デフォルト値に対して繰り返す。そして、得られた複数種の評価予測値を比較し、最も現実に即した評価予測値を前記特定の対象アイテムに対する評価データとして採用する。これにより、精度の高い協調的フィルタリングを可能とする。
【０００８】
請求項２の発明の協調的フィルタリングにおけるデフォルト値設定方法は、評価デフォルト値設定手段が、１又は複数の利用者それぞれの未評価の１又は複数の対象アイテムそれぞれに複数種の評価デフォルト値の中から選んだ１つを設定するステップ（１）と、相関係数演算手段が、現実の評価データとステップ（１）で設定された評価デフォルト値とを用いて、特定の利用者と他の任意の利用者それぞれとの二者間の相関係数を演算するステップ（２）と、評価予測値演算手段が、ステップ（２）で得られた相関係数を用いて特定の対象アイテムに対する前記特定の利用者の前記評価デフォルト値に対応する評価予測値を演算するステップ（３）と、比較手段が、前記特定の対象アイテムに対する前記特定の利用者の現実の評価データとステップ（３）で得られた前記評価デフォルト値に対応する評価予測値とを比較するステップ（４）を有し、前記ステップ（１）で複数種の評価デフォルト値の中から選ぶ評価デフォルト値を変更して前記ステップ（２）〜（４）を実行し、前記特定の対象アイテムに対する前記特定の利用者の現実の評価データと近似度の高い評価予測値を与える評価デフォルト値を最適な評価デフォルト値として決定することを特徴とするものである。
【０００９】
請求項２の発明の協調的フィルタリングにおけるデフォルト値設定方法では、複数の利用者各々が未評価の１又は複数の対象アイテムそれぞれに対して評価デフォルト値を設定し、特定の利用者と他の任意の利用者との間の相関係数を計算し、この相関係数を利用して特定の対象アイテムに対する特定の利用者の評価予測値を演算し、前述の評価デフォルト値を変更した場合に現実の評価データと各評価デフォルト値に対応する評価予測値とがどの程度一致するかにより、最適な評価デフォルト値を決定する。こうして決定された評価デフォルト値は、同種の利用者あるいは同種の対象アイテムに対する協調的フィルタリングにおける評価デフォルト値として利用する。これにより、精度の高い協調的フィルタリングを可能とする。
【００１０】
請求項３の発明は、請求項２の発明の協調的フィルタリングにおけるデフォルト値設定方法において、前記ステップ（４）は、前記評価デフォルト値に対応する評価予測値と現実の評価データとの絶対偏差を求めるステップを含み、前記最適なデフォルト値として、前記絶対偏差を最も小さくする評価予測値を与える評価デフォルト値が決定される。これにより最適な評価デフォルト値の客観的な決定が可能となる。
【００１１】
請求項４の発明の協調的フィルタリングにおけるデフォルト値設定システムは、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する評価データ保存手段と、前記評価データに基づき、前記複数の利用者それぞれの評価平均値を求める平均値演算手段と、前記複数の対象アイテムそれぞれに対する前記複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定する評価デフォルト値設定手段と、前記任意の利用者二者間の前記評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する相関係数演算手段と、前記評価デフォルト値設定手段が複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記相関係数演算手段に前記相関係数を計算させる評価デフォルト値変更手段と、前記任意の利用者の特定の対象アイテムに関して、前記複数の利用者それぞれの評価データと評価平均値と前記評価デフォルト値変更手段及び前記評価デフォルト値設定手段による複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする前記相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う評価予測値演算手段とを備えたものである。
【００１２】
請求項４の発明の協調的フィルタリングにおけるデフォルト値設定システムでは、平均値演算手段が評価データ保存手段に保存されている評価データに基づき、複数の利用者それぞれの評価平均値を求め、評価デフォルト値設定手段が複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定し、相関係数演算手段が任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。そして、評価デフォルト値変更手段が、評価デフォルト値設定手段の設定する評価デフォルト値を変更し、相関係数演算手段に相関係数を再計算させ、評価予測値演算手段が、任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、設定した複数種の評価デフォルト値毎の評価予測値を算出することにより、複数種の異なる評価デフォルト値それぞれに対応する評価予測値を得る。
【００１３】
これにより、オペレータは得られる複数種の異なる評価デフォルト値それぞれに対応する評価予測値を比較し、現実の評価データに最も近しい評価予測値を与える評価デフォルト値がいずれであるかを容易に決定することができる。
【００１４】
請求項５の発明の協調的フィルタリングにおけるデフォルト値設定システムは、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する評価データ保存手段と、前記評価データに基づき、前記複数の利用者それぞれの評価平均値を求める平均値演算手段と、前記複数の対象アイテムそれぞれに対する前記複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定する評価デフォルト値設定手段と、前記任意の利用者二者間の前記評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する相関係数演算手段と、前記評価デフォルト値設定手段が複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記相関係数演算手段に前記相関係数を計算させる評価デフォルト値変更手段と、前記任意の利用者の特定の対象アイテムに関して、前記複数の利用者それぞれの評価データと評価平均値と前記評価デフォルト値変更手段及び前記評価デフォルト値設定手段による複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする前記相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う評価予測値演算手段と、前記特定の対象アイテムに対する現実の評価データと前記評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較する比較手段とを備えたものである。
【００１５】
請求項５の発明の協調的フィルタリングにおけるデフォルト値設定システムでは、平均値演算手段が評価データ保存手段に保存されている評価データに基づき、複数の利用者それぞれの評価平均値を求め、評価デフォルト値設定手段が複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定し、相関係数演算手段が任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。そして、評価デフォルト値変更手段が、評価デフォルト値設定手段の設定する評価デフォルト値を変更し、相関係数演算手段に相関係数を再計算させ、評価予測値演算手段が、任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の異なる評価デフォルト値それぞれに対応する評価予測値を得る。そして、比較手段が、特定の対象アイテムに対する現実の評価データと前記評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較して評価デフォルト値の適否を評価する。
【００１６】
これにより、現実の評価データと複数種の評価デフォルト値それぞれに対応する評価予測値とがどの程度一致するかにより、最適な評価デフォルト値を決定することができ、当該最適な評価デフォルト値を、同種の利用者あるいは同種の対象アイテムに対する協調的フィルタリングにおける評価デフォルト値として利用することにより、精度の高い協調的フィルタリングを可能とする。
【００１７】
請求項６の発明は、請求項５の協調的フィルタリングにおけるデフォルト値設定システムにおいて、前記比較手段は、前記評価デフォルト値に対応する評価予測値と現実の評価データとの絶対偏差を求め、当該絶対偏差を最も小さくする評価予測値を与える評価デフォルト値を最適なものと決定することを特徴とするものであり、最適な評価デフォルト値の客観的な決定が可能となる。
【００１８】
請求項７の発明の協調的フィルタリングにおけるデフォルト値設定方法は、ランク設定手段が、既存の評価データ群を所定の指標に従って複数群にランク分けするステップ（１）と、評価予測値演算手段が、ステップ（１）でランク分けされたそれぞれのランク又は全体での既存の評価データの平均値を求め、未評価のアイテムに対して複数種の評価デフォルト値の１つを設定し、特定の利用者の評価データと他の利用者の評価データとの二者間の相関係数を演算し、特定の対象アイテムについての特定の利用者の評価予測値を求めるステップ（２）と、評価デフォルト値変更手段が、前記ステップ（２）で複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記ステップ（２）の演算を繰り返させるステップ（３）と、評価手段が、既存の評価データと、複数種の評価デフォルト値それぞれを用いて評価予測を行った場合の評価予測値それぞれとを比較し、絶対偏差を最小にする評価予測値を与える評価デフォルト値をランク毎に求めるステップ（４）と、最適評価予測値算出手段が、同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするそれぞれのアイテムについて、既存の評価データ群が属するランクに対してステップ（４）で求めた最適な評価デフォルト値をそのアイテムに対する最適な評価デフォルト値として採用し、特定のアイテムに対する評価予測値を求めるステップ（５）とから成るものである。
【００１９】
請求項７の発明の協調的フィルタリングにおけるデフォルト値設定方法では、既存の評価データ群を所定の指標に従って複数群にランク分けし、このランク分けされたそれぞれのランク又は全体での既存の評価データの平均値を求め、未評価のアイテムに対して複数種の評価デフォルト値の１つを設定し、特定の利用者の評価データと他の利用者の評価データとの二者間の相関係数を演算し、特定の対象アイテムについての特定の利用者の評価予測値を求める。さらに、評価デフォルト値を変更して上記の演算処理を繰り返して、複数種の評価デフォルト値それぞれを用いた場合の評価予測値を得る。そして、既存の評価データと複数種の評価デフォルト値それぞれを用いて評価予測を行った場合の評価予測値それぞれとを比較し、絶対偏差を最小にする評価予測値を与える評価デフォルト値をランク毎に求めて保持しておく。
【００２０】
そして、同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするそれぞれのアイテムについての既存の評価データ群が属するランクに対して上記の演算処理で求めた最適な評価デフォルト値を全対象アイテムに対する最適な評価デフォルト値として採用し、特定のアイテムに対する評価予測値を求める。
【００２１】
これにより、複数種の対象アイテムそれぞれに対する既存データに対して最適な評価デフォルト値を選定し、それを用いて特定の対象アイテムに対する特定の利用者の評価予測値を求めることができ、精度の高い協調的フィルタリングが可能となる。
【００２２】
請求項８の発明の協調的フィルタリングにおけるデフォルト値設定システムは、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する評価データ保存手段と、前記評価データ保存手段に保存されている評価データに対し、所定の指標に従って複数種のランクにランク分けするランク設定手段と、前記評価データ保存手段に保存されている評価データに基づき、前記ランク設定手段により設定された複数種のランクの１つに属する評価データ又は全評価データの平均値を求める平均値演算手段と、複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定するデフォルト値設定手段と、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する相関係数演算手段と、前記評価デフォルト値設定手段が複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記相関係数演算手段に前記相関係数を計算させる評価デフォルト値変更手段と、指定された任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と前記評価デフォルト値変更手段及び前記評価デフォルト値設定手段による複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の評価デフォルト値毎の評価予測値を算出する評価予測値演算手段と、特定の対象アイテムに対する現実の評価データと評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較し、絶対偏差を最小とする評価予測値に対応する評価デフォルト値を該当するランクにおける最適な評価デフォルト値と決定する評価手段と、前記評価手段が最適な評価デフォルト値と決定した評価デフォルト値をそれに対応するランクと対照させた形で保持するランク別デフォルト値データ保持手段と、同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするそれぞれのアイテムについて、既存の評価データ群をランク付けし、前記デフォルト値設定手段により、当該ランクに対する最適な評価デフォルト値を前記ランク別デフォルト値データ保持手段から読み出して対象アイテムに対する最適な評価デフォルト値として採用し、全対象アイテムのうちの未評価のアイテムに対して設定させ、前記相関係数演算手段により、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算させ、前記評価予測値演算手段により、指定された任意の利用者の特定の対象アイテムに関して、最適な評価デフォルト値による評価予測値を算出させる最適評価予測値算出手段とを備えたものである。
【００２３】
請求項８の発明の協調的フィルタリングにおけるデフォルト値設定システムでは、評価データ保存手段に保存されている評価データに対し、ランク設定手段により所定の指標に従って複数種のランクにランク分けし、平均値演算手段により、複数種のランクの１つに属する評価データ又は全評価データの平均値を求め、デフォルト値設定手段により、複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定し、相関係数演算手段により、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。そして、評価予測値演算手段により、指定された任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う。さらに、評価デフォルト値変更手段により、評価デフォルト値設定手段が設定する評価デフォルト値を変更し、相関係数演算手段により相関係数を再計算させ、評価手段により、特定の対象アイテムに対する現実の評価データと評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較し、絶対偏差を最小とする評価予測値に対応する評価デフォルト値を該当するランクにおける最適な評価デフォルト値と決定し、ランク別デフォルト値データ保持手段により、ランク毎の最適な評価デフォルト値をそれに対応するランクと対照させた形で保持する。
【００２４】
そして、同種の対象アイテムに対して協調的フィルタリングを行う際に、最適評価予測値算出手段が、対象とするそれぞれのアイテムについての既存の評価データが属するランクに対する最適な評価デフォルト値をランク別デフォルト値データ保持手段から読み出して全対象アイテムに対する最適な評価デフォルト値として採用し、デフォルト値設定手段により、全対象アイテムのうちの未評価のアイテムに対してそのデフォルト値を設定させ、相関係数演算手段により、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算させ、評価予測値演算手段により、指定された任意の利用者の特定の対象アイテムに関して、最適な評価デフォルト値による評価予測値を算出させる。
【００２５】
これにより、複数種の対象アイテムそれぞれに対する既存データに対して最適な評価デフォルト値を選定し、それを用いて特定の対象アイテムに対する特定の利用者の評価予測値を求めることができ、精度の高い協調的フィルタリングが可能となる。
【００２６】
【発明の実施の形態】
以下、本発明の実施の形態を図に基づいて詳説する。図１は本発明の１つの実施の形態の協調的フィルタリングにおけるデフォルト値設定システムの機能的構成を示し、評価データ保存部１、平均値演算部２、評価デフォルト値設定部３、相関係数演算部４、評価予測値演算部５、評価部６から構成されている。
【００２７】
評価データ保存部１は、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する。平均値演算部２は、この評価データ保存部１に保存されている評価データに基づき、複数の利用者それぞれの評価平均値を求める。評価デフォルト値設定部３は、複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値を設定する。相関係数計算部４は、任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。評価予測値演算部５は、任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う。評価部６は、特定の対象アイテムに対する現実の評価データと評価予測値演算部５の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較し評価する。
【００２８】
なお、本実施の形態のシステムは、コンピュータシステムに所要のプログラムをインストールすることにより実現されるものであるが、ここではコンピュータシステムの実行する各機能を構成要素として分けて示している。
【００２９】
次に、上記構成の協調的フィルタリングにおけるデフォルト値設定システムによるデフォルト値設定方法について、図２のフローチャートを用いて説明する。評価データ保存部１には、あらかじめ、少なくても一群の複数種の対象アイテム（例えば、複数種の映画、複数種の音楽、複数種の雑誌、複数種の番組あるいは複数種の商品）それぞれに対する、多数の利用者それぞれの評価データがアンケートその他の方法によって収集され、保存されている。
【００３０】
そこで、本実施の形態のシステムでは、平均値演算部２が評価データ保存部１から利用者各々ｉの評価データｖi,j を読み出し、平均値演算を次の数１式によって行う（ステップＳ１，Ｓ３）。
【００３１】
【数１】
【００３２】
次に、評価デフォルト値設定部３によって、各利用者の未評価の対象アイテムそれぞれに１つの評価デフォルト値Ｄ１を設定する（ステップＳ５）。そして、相関係数演算部４によって、評価予測をしようとしている利用者ａを特定し（ステップＳ７）、この利用者ａと他のすべての登録されている利用者ｉとの相関係数ｗ(a,i)を次の数２式によって計算する（ステップＳ９）。
【００３３】
【数２】
【００３４】
次に、評価予測値演算部５は、相関係数演算部４が算出した相関係数ｗ(a,i)（ただし、ｉは登録利用者数分だけ存在する）を用いて、次の数３式により利用者ａが対象アイテムｊに対して下す評価の予測値ｐa,j を求める（ステップＳ１１）。
【００３５】
【数３】
【００３６】
続いて、別の評価デフォルト値Ｄ２を用いて、ステップＳ５〜Ｓ１１の演算処理を繰り返し、以下、用いることができるすべての評価デフォルト値Ｄ３〜Ｄｎについて同様にステップＳ５〜Ｓ１１の演算処理を繰り返す（ステップＳ１３）。
【００３７】
次に、評価部６において、オペレータとの対話形式により、複数種の評価デフォルト値Ｄ１，Ｄ２，…，Ｄｎそれぞれを用いた場合の利用者ａの対象アイテムｊに対する評価予測値ｐa,j −1，ｐa,j −2，…，ｐa,j −nを現実の評価データｖa,j と比較することにより、いずれの評価デフォルト値を用いた場合の評価予測値が現実の評価データによく近似するか評価し、最適な評価デフォルト値を決定する（ステップＳ１５，Ｓ１７）。
【００３８】
これにより、協調的フィルタリングを用いて特定の利用者が特定の対象アイテムに対してどのような評価を下すかを予測するのに、最適な評価デフォルト値を用いて、登録されている多数の利用者それぞれの未評価の対象アイテムにその評価デフォルト値を設定し、相関係数を算出し、この相関係数を利用して特定の対象アイテムに対する特定の利用者の下す評価を精度良く予測することができるようになる。
【００３９】
以下、さらに具体的に数字を例示して本発明の第１の実施の形態の特徴を説明する。いま、利用者ａ，ｂ，ｃそれぞれが５つの対象アイテムＩ〜Ｖそれぞれについて、表１の評価を下しているとする。これは評価データ保存部１に登録されたデータである。
【００４０】
【表１】
【００４１】
【表２】
【００４２】
次に、評価デフォルト値「２」を利用者ａ，ｂ，ｃそれぞれの未評価の対象アイテムそれぞれに対して設定し、実評価データおよび評価デフォルト値を用いて相関係数を計算し、この相関係数に基づき利用者ａが対象アイテムＶに対して下すであろう評価データｐa,V を計算したのが表３に示すものである。
【００４３】
【表３】
【００４４】
本発明の場合は、さらに評価デフォルト値を変化させ、それぞれの評価デフォルト値を用いた場合の評価予測値を計算する。その計算例は、次の表４に示すものである。
【００４５】
【表４】
【００４６】
このようにして、評価デフォルト値Ｄに種々の値を設定し、それぞれの場合の相関係数を求め、得られた相関係数を用いて特定の利用者の特定の対象アイテムに対する評価予測を行い、これを現実の評価データと比較して近似度の高い結果を与える評価デフォルト値を最適なものと決定する。
【００４７】
なお、この評価デフォルト値の最適値は必ずしも一意的に決定するものではなく、例えば映画、音楽、雑誌、番組、商品それぞれの対象アイテムによって大きく異なり、また年齢層、男性、女性、地域等の利用者層によっても大きく異なり、さらに標本数によっても大きく異なるものである。したがって、協調的フィルタリングに用いるための評価デフォルト値を決定する場合、それらの多種多様な対象アイテムや利用者層に応じて種々決定する必要がある。
【００４８】
次に、本発明の第２の実施の形態の協調的フィルタリングにおけるデフォルト値設定方法について、説明する。この第２の実施の形態に使用するデフォルト値設定システムは、図１に示した第１の実施の形態のシステムと共通する。ただし、各構成要素の演算処理機能は一部下記のように、第１の実施の形態と異なる。
【００４９】
第２の実施の形態の協調的フィルタリングにおけるデフォルト値設定方法は、コンピュータの演算処理手順として採用されるものであり、その演算処理手順は図３のフローチャートに示すものである。以下、これについて説明する。
【００５０】
図３に示すフローチャートにおいて、ステップＳ１〜Ｓ１３の処理は第１の実施の形態による図２のフローチャートと共通する。ただし、本実施の形態の場合には、第１の実施の形態の場合とは異なり、評価データ保存部１には、最適な評価デフォルト値を設定するために算出しようとする特定の対象アイテムにもすでに評価データが設定されているものとする。
【００５１】
上記の特定の対象アイテムｊに対して、複数種の評価デフォルト値それぞれに対応する評価予測値が算出されれば、本実施の形態の場合にはステップＳ１５０において、それぞれの評価予測値を現実の評価データと比較することによって評価し、続くステップＳ１７において最適な評価デフォルト値を決定する。
【００５２】
ステップＳ１５０における評価予測値の評価は、図４に示すフローチャートに従う。最初に、特定の対象アイテムｊに対する複数種の評価デフォルト値それぞれによる評価予測値ｐi,j を取込み、現実の評価データｖi,j を評価データ保存部１から取り込む（ステップＳ１５０‐１，Ｓ１５０‐３）。そして次の数４式にしたがって絶対偏差Ｓj の演算を行う（ステップＳ１５０‐５）。
【００５３】
【数４】
【００５４】
したがって、数４式の絶対偏差Ｓj は、個々の評価予測値の誤差を平均したものとなる。
【００５５】
続いて、この数４式で求めた絶対偏差Ｓj を最小とする評価予測値ｐi,j を決定してメインフローに戻る（ステップＳ１５０‐７）。
【００５６】
図３のフローチャートにおけるステップＳ１７においては、絶対偏差Ｓj を最小とする評価予測値ｐi,j に対応する評価デフォルト値を最適なものとして決定する。
【００５７】
このようにして、第２の実施の形態の協調的フィルタリングにおけるデフォルト値設定方法では、すでに評価データが得られている特定の対象アイテムに対して、複数種の評価デフォルト値を用いてそれぞれの評価予測値を算出し、評価データとの絶対偏差を最小にする評価予測値に対応する評価デフォルト値を最適なものと決定するので、客観的に最適な評価デフォルト値を得ることができる。
【００５８】
以下、さらに具体的に数字を例示して、本発明の第２の実施の形態の特徴を説明する。いま、利用者ａ，ｂ，ｃそれぞれが５つの対象アイテムＩ〜Ｖそれぞれについて、表５の評価を下しているとする。これは評価データ保存部１に登録されたデータである。
【００５９】
【表５】
【００６０】
評価デフォルト値Ｄ＝２を利用者ａ，ｂ，ｃそれぞれの未評価の対象アイテムそれぞれに対して設定し、実評価データおよび評価デフォルト値を用いて相関係数を計算し、この相関係数に基づき利用者ａが対象アイテムＶに対して下すであろう評価予測値ｐa,V を計算すると、ｐa,V ＝１．０である。そして、評価デフォルト値Ｄ＝３の場合、同じ対象アイテムＶに対する評価予測値ｐa,V ＝２．１０であり、評価デフォルト値Ｄ＝４の場合、ｐa,V ＝３．００である。
【００６１】
そしてこれらの評価予測値ｐa,V と同じ対象アイテムＶに対する利用者ａの既存の評価データはｖa,V ＝３であるので、各評価デフォルト値それぞれに対して、評価予測値ｐa,V の絶対偏差｜ｐa,V −ｖa,V ｜は、Ｄ＝２ときに２．００、Ｄ＝３のときに０．９０、そしてＤ＝４のときに０．００（最小）となる。したがって、最適な評価デフォルト値はＤ＝４であると決定できることになる。
【００６２】
次に、本発明の第３の実施の形態の協調的フィルタリングにおけるデフォルト値設定システム及びそれによるデフォルト値設定方法について説明する。
【００６３】
第３の実施の形態では、まず、既存の評価データ群を所定の指標に従って複数群にランク分けし、それぞれのランク及び全体での既存の評価データの平均値を求め、相関係数を演算し、特定の対象アイテムについての既存の評価データと評価デフォルト値を用いて評価予測を行った場合の評価予測値と比較し、絶対偏差を最小にする評価予測値を与える評価デフォルト値をランク毎に求めて保存しておく。そして、同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするアイテムについて前記と同様の指標に従ってランク付けし、該当するランクに対して前段階で求めて保存してある最適な評価デフォルト値を全対象アイテムに対する最適な評価デフォルト値として採用し、特定のアイテムに対する評価予測値を求めるのである。
【００６４】
この所定の指標に従ってランク分けする手法としては、（１）評価データの平均値によってランク分けする場合、（２）標本数に従ってランク分けする場合、（３）標本数に従って大ランクにランク分けし、さらに標本数による大ランクごとに評価データの平均値に従って小ランクにランク分けする場合がある。
【００６５】
この第３の実施の形態の協調的フィルタリングにおけるデフォルト値設定システムについて、図５及び図６を用いて説明する。図５は、本実施の形態の評価デフォルト値設定システムの機能的構成を示し、図１に示した第１の実施の形態のシステムと同様の評価データ保存部１、平均値演算部２、評価デフォルト値設定部３、相関係数演算部４、評価予測値演算部５及び評価部６を備えており、さらに、本実施の形態の特徴的要素として、ランク設定部７及びデフォルト値データテーブル８を備えている。
【００６６】
評価データ保存部１は、複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する。平均値演算部２は、この評価データ保存部１に保存されている評価データに基づき、指定されたランクに属する評価データ又は全評価データの平均値を求める。評価デフォルト値設定部３は、複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値を設定する。相関係数計算部４は、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する。評価予測値演算部５は、指定された任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う。評価部６は、特定の対象アイテムに対する現実の評価データと評価予測値演算部５の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較し評価する。
【００６７】
そして、ランク設定部７は、評価データ保存部１に保存された既存の評価データ群を評価データによって複数群にランク分けする。デフォルト値データテーブル８は、ランク設定部７が設定した各ランク毎の最適評価デフォルト値を登録する。
【００６８】
なお、本実施の形態のシステムもコンピュータシステムに所要のプログラムをインストールすることにより実現されるものであるが、ここではコンピュータシステムの実行する各機能を構成要素として分けて示している。
【００６９】
次に、上記構成の協調的フィルタリングにおけるデフォルト値設定システムによるデフォルト値設定方法について、図６のフローチャートを用いて説明する。評価データ保存部１には、第１の実施の形態と同様に、複数種の対象アイテムそれぞれに対する多数の利用者それぞれの評価データがアンケートその他の方法によって収集され、保存されている。
【００７０】
そこで、ランク設定部７は評価データ保存部１の評価データ群を見て、所定指標に従ってランク分けする。このランク分けの指標には上で列挙したような３つの場合が考えられる（ステップＳ２１，Ｓ２３）。
【００７１】
次に、平均値演算部２は、１つのランクを選択し、そのランクに属する評価データの平均値を前述の数１式によって算出する。平均値演算部２はまた、既存の評価データの全体の平均値も算出する（ステップＳ２５）。
【００７２】
次に、評価デフォルト値設定部３によって、各利用者の未評価の対象アイテムそれぞれに１つの評価デフォルト値（デフォルト値設定せずも含む）を設定し、相関係数演算部４によって、評価予測をしようとしている利用者を特定し、相関係数を前述の数２式によって計算する（ステップＳ２７，Ｓ２９）。
【００７３】
次に、評価予測値演算部５は、相関係数演算部４が算出した相関係数を用いて、前述の数３式により利用者が対象アイテムに対して下す評価の予測値を求める（ステップＳ３１）。続いて、別の評価デフォルト値を用いて、ステップＳ２７〜Ｓ３１の演算処理を繰り返し、以下、用いることができるすべての評価デフォルト値について同様にステップＳ２７〜Ｓ３１の演算処理を繰り返す（ステップＳ３３）。
【００７４】
次に、評価部６において、複数種の評価デフォルト値それぞれを用いた場合の利用者の対象アイテムに対する評価予測値を現実の評価データと比較することにより、ある１つのランクにおいていずれの評価デフォルト値を用いた場合の評価予測値による絶対偏差が最小になるかにより、最適な評価デフォルト値を決定する（ステップＳ３５，Ｓ３７）。なお、このステップＳ３５の処理は、第２の実施の形態と同様に図４のフローチャートに示すものである。
【００７５】
こうして、ある１つのランクにおける最適な評価デフォルト値が決定されると、他のランクについてもステップＳ２５〜Ｓ３７の処理を繰り返し、各ランク毎の最適な評価デフォルト値を決定する。そして得られた各ランク毎の最適デフォルト値は、デフォルト値データテーブル８に登録する（ステップＳ３７，Ｓ３９）。
【００７６】
こうして、ある対象アイテムについて、ランク毎の最適な評価デフォルト値が決定できれば、後に同種の対象アイテムについて協調的フィルタリングを行う際には、図７のフローチャートに示すように、所定の指標に従ってランク付けし（ステップＳ５１，Ｓ５３）、デフォルト値データテーブル８に登録された各ランク毎の評価デフォルト値から該当ランクの最適な評価デフォルト値を選択して未評価のアイテムに対して設定し（ステップＳ５５）、特定の対象アイテムに対する評価予測値を、第２の実施の形態と同様の処理により求める（ステップＳ５７〜Ｓ６１）。
【００７７】
これにより、第３の実施の形態の協調的フィルタリングにおけるデフォルト値設定システム及びデフォルト値設定方法によると、より精度の高い協調的フィルタリングが可能になる。
【００７８】
次に、本実施の形態の協調的フィルタリングにおけるデフォルト値設定方法を、具体的な数値を用いて詳しく説明する。
【００７９】
＜評価データの平均値に基づいて分割する例＞
実際に映画５００作品についてのアンケートで得られた評価データ群を利用して説明する。利用者の評価は、各作品について１．０（良い）〜０．０（悪い）まで０．２刻みで与えられている。そして、評価データの平均値が０．０〜０．２に属する作品から０．８〜１．０に属する作品まで５ランクに分け、それぞれのランクにおいて、そのランクに属する作品を見ていない利用者に対する評価デフォルト値として次の表６に示すものを設定し、絶対偏差を計算してみた。
【００８０】
【表６】
【００８１】
この結果に基づいて、全評価データの平均値に対応する評価デフォルト値を設定し評価予測を行うと、次の表７のようになり、本発明により採用した評価デフォルト値による評価予測値の絶対偏差が最小となった。
【００８２】
【表７】
実際に映画５００作品について得られた評価データを利用して、評価者の人数に基づいて複数種のランクに分割し、それぞれのランクのアイテムに対して相関係数を求め、評価デフォルト値を設定しない場合、評価デフォルト値を０．０〜１．０まで０．２刻みで設定した場合それぞれでの評価予測値を既存の評価データと比較し、絶対偏差を求めたのが、次の表８である。
【００８３】
【表８】
【００８４】
この結果に基づいて、評価者の人数に対応する評価デフォルト値を設定し評価予測を行うと、次の表９のようになり、本発明により採用した評価デフォルト値による評価予測値の絶対偏差が最小となった。
【００８５】
【表９】
実際に映画５００作品について得られた評価データを利用して、評価データの平均値及び評価者の人数に基づいて複数種のランクに分割し、それぞれのランクのアイテムに対して相関係数を求め、評価デフォルト値を設定しない場合、評価デフォルト値を０．０〜１．０まで０．２刻みで設定した場合それぞれでの評価予測値を既存の評価データと比較し、絶対偏差を求めたのが、次の表１０である。
【００８６】
【表１０】
【００８７】
同様に、評価データの平均が０．２〜０．４の場合、評価者の人数が０〜１００のランクの作品では、評価デフォルト値０．２、１００〜４００のランクの作品では、評価デフォルト値０．４、４００〜１６００のランクの作品では評価デフォルト値０．６、１６００〜６４００のランクの作品では評価デフォルト値０．６、６４００以上のランクの作品では、評価デフォルト値０．８のものが最も良いことが判った。
【００８８】
また、評価データの平均が０．４〜０．６の場合には、評価者の人数が０〜１００のランクの作品では、評価デフォルト値を設定しない場合が最も良く、１００〜４００のランクの作品でも、評価デフォルト値を設定しない場合が最も良く、４００〜１６００のランクの作品では、評価デフォルト値０．６、１６００〜６４００のランクの作品では、評価デフォルト値０．６、６４００以上のランクの作品では、評価デフォルト値０．８で設定するものが最も良いことが判った。
【００８９】
また、評価データの平均が０．６〜０．８の場合には、評価者の人数が０〜１００のランクの作品では、評価デフォルト値０．０に設定するのが最も良く、１００〜４００のランクの作品では、評価デフォルト値を設定しない場合が最も良く、４００〜１６００のランクの作品では、評価デフォルト値０．６、１６００〜６４００のランクの作品では、評価デフォルト値０．４、６４００以上のランクの作品では、評価デフォルト値０．２に設定するものが最も良いことが判った。そして、本評価データの平均が０．８〜１．０の場合には、評価者の人数が６４００以上のランクでは、評価デフォルト値０．４のものが最も良いことが判った。
【００９０】
この結果に基づいて、評価値の平均と評価者の人数に対応する評価デフォルト値を設定し評価予測を行うと、次の表１１のようになり、本発明により採用した評価デフォルト値による評価予測値の絶対偏差が最小となった。
【００９１】
【表１１】
【００９２】
なお、上記の実施の形態では映画作品について例示し、評価データを０．２刻みでランク分けし、また評価者の人数によってランク分けし、さらにはそれらの組合せによってランク分けしたが、評価データは必ずしも０．０〜１．０の範囲に限定されるものではなく、例えば１〜５までの５段階評価や、１〜３までの３段階評価等の段階評価であってもよく、特に限定されることはない。また対象アイテムも映画作品に限定されるものではなく、種々のコンテンツ、書籍、テレビ番組、ゲーム、音楽等を対象とすることができ、アンケート対象となる種々のアイテムを対象とすることができる。
【００９３】
【発明の効果】
以上のように、本発明によれば、協調的フィルタリングにおける評価デフォルト値として最適なもの設定することができ、精度の高い評価予測を可能にし、協調的フィルタリングを精度の高いものにすることができる。
【図面の簡単な説明】
【図１】本発明の第１の実施の形態の協調的フィルタリングにおけるデフォルト値設定システムの機能的構成を示すブロック図。
【図２】上記の第１の実施の形態による最適な評価デフォルト値の決定処理のフローチャート。
【図３】本発明の第２の実施の形態の協調的フィルタリングにおけるデフォルト値設定システムによる最適な評価デフォルト値の決定処理のフローチャート。
【図４】上記のフローチャートにおける評価予測値の評価ステップの詳しい処理内容を示すフローチャート。
【図５】本発明の第３の実施の形態の協調的フィルタリングにおけるデフォルト値設定システムの機能的構成を示すブロック図。
【図６】上記の第３の実施の形態によるランク毎の最適な評価デフォルト値の決定処理のフローチャート。
【図７】上記の第３の実施の形態による評価予測値の演算処理のフローチャート。
【符号の説明】
１ 評価データ保存部
２ 平均値演算部
３ 評価デフォルト値設定部
４ 相関係数演算部
５ 評価予測値演算部
６ 評価部
７ ランク設定部
８ デフォルト値データテーブル
Claims (8)
- 評価デフォルト値設定手段が、１又は複数の利用者それぞれの未評価の１又は複数の対象アイテムそれぞれに複数種の評価デフォルト値の中から選んだ１つを設定するステップ（１）と、
相関係数演算手段が、現実の評価データとステップ（１）で設定された評価デフォルト値とを用いて、特定の利用者と他の任意の利用者それぞれとの二者間の相関係数を演算するステップ（２）と、
評価予測値演算手段が、ステップ（２）で得られた相関係数を用いて特定の対象アイテムに対する前記特定の利用者の前記評価デフォルト値に対応する評価予測値を演算するステップ（３）を有し、
前記ステップ（１）で複数種の評価デフォルト値の中から選ぶ評価デフォルト値を変更して前記ステップ（２）及び（３）を実行し、前記特定の対象アイテムに対する前記特定の利用者の現実の評価データと近似度の高い評価予測値を与える評価デフォルト値を最適な評価デフォルト値として決定することを特徴とする協調的フィルタリングにおけるデフォルト値設定方法。 - 評価デフォルト値設定手段が、１又は複数の利用者それぞれの未評価の１又は複数の対象アイテムそれぞれに複数種の評価デフォルト値の中から選んだ１つを設定するステップ（１）と、
相関係数演算手段が、現実の評価データとステップ（１）で設定された評価デフォルト値とを用いて、特定の利用者と他の任意の利用者それぞれとの二者間の相関係数を演算するステップ（２）と、
評価予測値演算手段が、ステップ（２）で得られた相関係数を用いて特定の対象アイテムに対する前記特定の利用者の前記評価デフォルト値に対応する評価予測値を演算するステップ（３）と、
比較手段が、前記特定の対象アイテムに対する前記特定の利用者の現実の評価データとステップ（３）で得られた前記評価デフォルト値に対応する評価予測値とを比較するステップ（４）を有し、
前記ステップ（１）で複数種の評価デフォルト値の中から選ぶ評価デフォルト値を変更して前記ステップ（２）〜（４）を実行し、前記特定の対象アイテムに対する前記特定の利用者の現実の評価データと近似度の高い評価予測値を与える評価デフォルト値を最適な評価デフォルト値として決定することを特徴とする協調的フィルタリングにおけるデフォルト値設定方法。 - 前記ステップ（４）は、前記評価デフォルト値に対応する評価予測値と現実の評価データとの絶対偏差を求めるステップを含み、前記最適なデフォルト値として、前記絶対偏差を最も小さくする評価予測値を与える評価デフォルト値が決定されることを特徴とする請求項２に記載の協調的フィルタリングにおけるデフォルト値設定方法。
- 複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する評価データ保存手段と、
前記評価データに基づき、前記複数の利用者それぞれの評価平均値を求める平均値演算手段と、
前記複数の対象アイテムそれぞれに対する前記複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定する評価デフォルト値設定手段と、
前記任意の利用者二者間の前記評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する相関係数演算手段と、
前記評価デフォルト値設定手段が複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記相関係数演算手段に前記相関係数を計算させる評価デフォルト値変更手段と、
前記任意の利用者の特定の対象アイテムに関して、前記複数の利用者それぞれの評価データと評価平均値と前記評価デフォルト値変更手段及び前記評価デフォルト値設定手段による複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする前記相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う評価予測値演算手段とを備えて成る協調的フィルタリングにおけるデフォルト値設定システム。 - 複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する評価データ保存手段と、
前記評価データに基づき、前記複数の利用者それぞれの評価平均値を求める平均値演算手段と、
前記複数の対象アイテムそれぞれに対する前記複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定する評価デフォルト値設定手段と、
前記任意の利用者二者間の前記評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する相関係数演算手段と、
前記評価デフォルト値設定手段が複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記相関係数演算手段に前記相関係数を計算させる評価デフォルト値変更手段と、
前記任意の利用者の特定の対象アイテムに関して、前記複数の利用者それぞれの評価データと評価平均値と前記評価デフォルト値変更手段及び前記評価デフォルト値設定手段による複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする前記相関係数を用いて、複数種の評価デフォルト値毎の評価データの予測演算を行う評価予測値演算手段と、
前記特定の対象アイテムに対する現実の評価データと前記評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較する比較手段とを備えて成る協調的フィルタリングにおけるデフォルト値設定システム。 - 前記比較手段は、前記評価デフォルト値に対応する評価予測値と現実の評価データとの絶対偏差を求め、当該絶対偏差を最も小さくする評価予測値を与える評価デフォルト値を最適なものと決定することを特徴とする請求項５に記載の協調的フィルタリングにおけるデフォルト値設定システム。
- ランク設定手段が、既存の評価データ群を所定の指標に従って複数群にランク分けするステップ（１）と、
評価予測値演算手段が、ステップ（１）でランク分けされたそれぞれのランク又は全体での既存の評価データの平均値を求め、未評価のアイテムに対して複数種の評価デフォルト値の１つを設定し、特定の利用者の評価データと他の利用者の評価データとの二者間の相関係数を演算し、特定の対象アイテムについての特定の利用者の評価予測値を求めるステップ（２）と、
評価デフォルト値変更手段が、前記ステップ（２）で複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記ステップ（２）の演算を繰り返させるステップ（３）と、
評価手段が、既存の評価データと、複数種の評価デフォルト値それぞれを用いて評価予測を行った場合の評価予測値それぞれとを比較し、絶対偏差を最小にする評価予測値を与える評価デフォルト値をランク毎に求めるステップ（４）と、
最適評価予測値算出手段が、同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするそれぞれのアイテムについて、既存の評価データ群が属するランクに対してステップ（４）で求めた最適な評価デフォルト値をそのアイテムに対する最適な評価デフォルト値として採用し、特定のアイテムに対する評価予測値を求めるステップ（５）とから成る協調的フィルタリングにおけるデフォルト値設定方法。 - 複数の対象アイテムそれぞれに対する複数の利用者それぞれの評価データを保存する評価データ保存手段と、
前記評価データ保存手段に保存されている評価データに対し、所定の指標に従って複数種のランクにランク分けするランク設定手段と、
前記評価データ保存手段に保存されている評価データに基づき、前記ランク設定手段により設定された複数種のランクの１つに属する評価データ又は全評価データの平均値を求める平均値演算手段と、
複数の対象アイテムそれぞれに対する複数の利用者それぞれの未評価アイテムに対して複数種の評価デフォルト値の１つを設定するデフォルト値設定手段と、
指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算する相関係数演算手段と、
前記評価デフォルト値設定手段が複数種の評価デフォルト値の中から設定する評価デフォルト値を変更して前記相関係数演算手段に前記相関係数を計算させる評価デフォルト値変更手段と、
指定された任意の利用者の特定の対象アイテムに関して、複数の利用者それぞれの評価データと評価平均値と前記評価デフォルト値変更手段及び前記評価デフォルト値設定手段による複数種の評価デフォルト値、及び当該利用者を一方のメンバーとする相関係数を用いて、複数種の評価デフォルト値毎の評価予測値を算出する評価予測値演算手段と、
特定の対象アイテムに対する現実の評価データと評価予測値演算手段の算出した複数種のデフォルト値それぞれに対する評価予測値とを比較し、絶対偏差を最小とする評価予測値に対応する評価デフォルト値を該当するランクにおける最適な評価デフォルト値と決定する評価手段と、
前記評価手段が最適な評価デフォルト値と決定した評価デフォルト値をそれに対応するランクと対照させた形で保持するランク別デフォルト値データ保持手段と、
同種の対象アイテムに対して協調的フィルタリングを行う際に、対象とするそれぞれのアイテムについて、既存の評価データ群をランク付けし、前記デフォルト値設定手段により、当該ランクに対する最適な評価デフォルト値を前記ランク別デフォルト値データ保持手段から読み出して対象アイテムに対する最適な評価デフォルト値として採用し、全対象アイテムのうちの未評価のアイテムに対して設定させ、前記相関係数演算手段により、指定された任意の利用者二者間の評価データ及び評価デフォルト値に基づいて当該二者をメンバーとする両者間の相関係数を計算させ、前記評価予測値演算手段により、指定された任意の利用者の特定の対象アイテムに関して、最適な評価デフォルト値による評価予測値を算出させる最適評価予測値算出手段とを備えて成る協調的フィルタリングにおけるデフォルト値設定システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001060704A JP3832720B2 (ja) | 2001-03-05 | 2001-03-05 | 協調的フィルタリングにおけるデフォルト値設定方法及びシステム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001060704A JP3832720B2 (ja) | 2001-03-05 | 2001-03-05 | 協調的フィルタリングにおけるデフォルト値設定方法及びシステム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002259438A JP2002259438A (ja) | 2002-09-13 |
| JP3832720B2 true JP3832720B2 (ja) | 2006-10-11 |
Family
ID=18920090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001060704A Expired - Fee Related JP3832720B2 (ja) | 2001-03-05 | 2001-03-05 | 協調的フィルタリングにおけるデフォルト値設定方法及びシステム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3832720B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8244721B2 (en) * | 2008-02-13 | 2012-08-14 | Microsoft Corporation | Using related users data to enhance web search |
| EP3480766A1 (en) * | 2015-04-23 | 2019-05-08 | Rovi Guides, Inc. | Systems and methods for improving accuracy in media asset recommendation models |
| CN106471491A (zh) * | 2015-05-29 | 2017-03-01 | 深圳市汇游智慧旅游网络有限公司 | 一种时变的协同过滤推荐方法 |
-
2001
- 2001-03-05 JP JP2001060704A patent/JP3832720B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2002259438A (ja) | 2002-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ning et al. | A comprehensive survey of neighborhood-based recommendation methods | |
| KR101030653B1 (ko) | 정보 엔트로피를 이용하여 유사도를 보정하는 사용자 기반 협업 필터링 추천 시스템 | |
| KR101062927B1 (ko) | 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
| JP5533880B2 (ja) | コンテンツ推薦システム、推薦方法及び推薦プログラム | |
| WO1997002537A1 (en) | Method and apparatus for item recommendation using automated collaborative filtering | |
| JP2005530255A (ja) | 適応性ステレオタイプ・プロフィールを適用してユーザに関心アイテムを推奨するための方法及び装置 | |
| US8510235B2 (en) | Information processing apparatus, information processing method, and program | |
| JP2005509964A (ja) | 選択された第三者の好みに基づいて興味のあるアイテムを推薦するための方法及び装置 | |
| WO2002103488A9 (en) | Compensation data prediction | |
| JPH09265478A (ja) | 情報フィルタリング方式 | |
| KR20100086676A (ko) | 컨텐츠에 대한 선호도 예측 방법 및 장치와, 샘플 컨텐츠 선정 방법 및 장치 | |
| CN106951527B (zh) | 一种歌曲推荐方法及装置 | |
| KR101725510B1 (ko) | 사용자 성향을 고려한 소셜 이벤트 추천 방법 및 장치 | |
| US9325754B2 (en) | Information processing device and information processing method | |
| KR20150113644A (ko) | 협업필터링 기반의 상품 추천 시스템에서 추천 기법을 선택하는 방법 | |
| KR101143508B1 (ko) | 개인 맞춤형 다중 추천 학습 방법 | |
| AU2008362901B2 (en) | Method and apparatus for default rating estimation | |
| Liu et al. | Document recommendations based on knowledge flows: A hybrid of personalized and group‐based approaches | |
| JP3832720B2 (ja) | 協調的フィルタリングにおけるデフォルト値設定方法及びシステム | |
| KR20200080355A (ko) | 빅데이터를 이용한 레시피 추천 시스템 | |
| Guan et al. | Preference of online users and personalized recommendations | |
| CN106055665B (zh) | 基于异常值剔除的情境感知Web服务推荐方法和*** | |
| JPH11184872A (ja) | 多属性データ群に対する検索支援システム | |
| Kowald et al. | The unfairness of popularity bias in music recommendation: A reproducibility study | |
| KR101689499B1 (ko) | 신규 논문 추천 방법 및 상기 방법을 수행하는 신규 논문 추천 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060419 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060613 |
|
| 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: 20060712 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060713 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120728 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |