JP5507607B2 - コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム - Google Patents
コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム Download PDFInfo
- Publication number
- JP5507607B2 JP5507607B2 JP2012087707A JP2012087707A JP5507607B2 JP 5507607 B2 JP5507607 B2 JP 5507607B2 JP 2012087707 A JP2012087707 A JP 2012087707A JP 2012087707 A JP2012087707 A JP 2012087707A JP 5507607 B2 JP5507607 B2 JP 5507607B2
- Authority
- JP
- Japan
- Prior art keywords
- content
- user
- reliability
- advertisement
- observation matrix
- 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.)
- Active
Links
- 239000011159 matrix material Substances 0.000 title claims description 169
- 238000000034 method Methods 0.000 title claims description 34
- 238000009826 distribution Methods 0.000 claims description 62
- 238000012545 processing Methods 0.000 claims description 55
- 238000011156 evaluation Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 239000000047 product Substances 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000000605 extraction Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、このような背景を鑑みてなされたものであり、正確な関係性の予測を行うことのできるようにすることを目的とする。
前記ユーザに提供可能な前記コンテンツである候補コンテンツのそれぞれについて、当該候補コンテンツ及び前記ユーザに対応する前記複数の行列の要素に基づいて前記候補コンテンツの評価値を算出するステップと、前記評価値に応じて、前記ユーザに提供する前記コンテンツである提供コンテンツを前記候補コンテンツの中から決定するステップと、を実行させることとする。
以下、本発明の一実施形態に係る広告配信システムについて説明する。本実施形態において広告とは、Webページにおいてコンテンツの内容等に応じて表示される広告(リスティング広告と呼ばれる。)を想定する。
本実施形態では、性向行列を複数の行列の積として分解する。行列の分解は例えば特異値分解(Singular Value Decomposition;SVD)や行列因子分解(Matrix Factorization)などが知られている。ユーザクラスタおよび広告クラスタは数百〜数千作られることが考えられるため、性向行列を複数の(性向行列よりも低ランクの)行列の積として表現することにより、性向行列を管理する情報量を圧縮することができる。また、ノイズが除去されるいわゆるスムージング効果も期待できる。
本実施形態では、行列因子分解により性向行列を2つの行列に分解するものとする。行列因子分解では、ユーザクラスタと広告クラスタとに対応する広告の実CTRを観察値とした観察行列を作成し、観察値と2つの行列の積における対応する要素との差の合計が最小になるように2つの行列を決定する。例えばクラスタリングにより数百、数千のクラスタが作成されたときなどには、あるユーザクラスタのユーザにある広告クラスタの広告が配信されていないという状態、すなわち欠損値が存在する状態が発生し得るが、行列因子分解による低ランク近似を行うことにより欠損値を補完することもできる。
この分散vuaを底としたべき乗値(指数sは1であってもよい。)の1/vua sを信頼度として用いることにより、実CTRのばらつきが少ないほど信頼度が高くなることになる。なお、指数sには任意の値を設定することができる。また、事前分布Be(p,q)のパラメータp,qには任意の値を設定することが可能であり、例えば解析者が過去の実CTRの分布を解析して決定することができる。また、事前分布は一様分布であるものとして、Be(1,1)を事前分布として採用するようにしてもよい。
図2は本実施形態の広告配信システムの全体構成を示す図である。本実施形態の広告配信システムは、ユーザ端末10と通信ネットワーク30を介して通信可能に接続されるWebサーバ20を含んで構成される。
通信ネットワーク30は、例えば公衆電話回線網や専用通信回線網、携帯電話回線網、無線通信網、イーサネット(登録商標)などにより構築される、インターネットやLAN(Local Area Network)である。
図3はWebサーバ20のハードウェア構成例を示す図である。Webサーバ20は、CPU201、メモリ202、記憶装置203、通信インタフェース204、入力装置205、出力装置206を備える。記憶装置203は、各種のデータやプログラムを記憶する、例えばハードディスクドライブやソリッドステートドライブ、フラッシュメモリなどである。通信インタフェース204は、通信ネットワーク30に接続するためのインタフェースであり、例えばイーサネット(登録商標)に接続するためのアダプタ、公衆電話回線網に接続するためのモデム、無線通信を行うための無線通信機、シリアル通信のためのUSB(Universal Serial Bus)コネクタやRS232Cコネクタなどである。入力装置205は、データを入力する、例えばキーボードやマウス、タッチパネル、ボタン、マイクロフォンなどである。出力装置206は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。
図4はWebサーバ20のソフトウェア構成例を示す図である。Webサーバ20は、HTTP処理部211、Webページ作成部212、広告選択部213、ログ収集部214および解析処理部215の機能部と、Web情報データベース251、広告データベース252、ユーザデータベース253、近似行列記憶部254、インプレッションログ記憶部255およびクリックログ記憶部256の記憶部とを備えている。
(6−1)Web情報データベース251
Web情報データベース251は、Webページを作成するための情報(以下、Web情報という。)を記憶する。Web情報は、例えば、HTMLで記述されたファイルや、CGI(Common Gateway Interface)などの仕組みにより実行されるプログラムを格納したプログラムファイル、画像ファイルなどである。Web情報データベース251は、例えば、Webサーバ20で動作するオペレーティングシステムが提供するファイルシステムのディレクトリやフォルダにより実現することができる。
広告データベース252は、広告を表示するための情報(以下、広告情報という。)を記憶する。図5は、広告データベース252に記憶される広告情報の構成例を示す図である。広告情報には、広告の識別情報である広告IDに対応付けて、広告のカテゴリ、広告に関するURL(Uniform Resource Locator)、広告のタイトル、入札額、実CTRおよび当該広告の各広告クラスタへの帰属度が含まれる。広告情報のURLが示すWebページはランディングページとも呼ばれ、広告がクリックされるとランディングページにリダイレクトされることになる。
本実施形態ではタイトルの文字列をWebページの広告として表示するものとする。広告には広告IDを指定した所定のURL(ホスト名にWebサーバ20が指定されるものとする。以下、リダイレクトURLという。)へのリンクが設定される。Webページにおいて広告がクリックされると、広告IDを含むリクエストがWebサーバ20に送信され、後述するログ収集部214によりクリックされたことのログが収集され、HTTP処理部211により広告IDに対応する広告情報のURLにリダイレクトされる(例えば、当該URLをリダイレクト先として指定した応答が送信される。)。これにより、広告に応じたユーザの行動(クリック)を検知することができる。
ユーザデータベース253は、ユーザに関する情報(以下、ユーザ情報という。)を記憶する。図6はユーザデータベース253に記憶されるユーザ情報の構成例を示す図である。ユーザ情報には、ユーザの識別情報であるユーザIDに対応付けて、ユーザの性別やユーザが現在する都道府県、ユーザの趣味などのユーザの属性と、当該ユーザの各ユーザクラスタへの帰属度とが含まれる。なお、性別、都道府県、趣味以外にも各種のユーザについての属性をユーザ情報に含めることができる。
図7は、近似行列記憶部254の構成例を示す図である。近似行列記憶部254は、観測行列の低ランク近似させた複数の行列(本実施形態では行列Uおよび行列A)を記憶する。行列AおよびUは、たとえば表形式で保存するようにしてもよいし、数式として記憶するようにしてもよい。図7に示すように、行列Uの行数はユーザクラスタの数Nであり、行列Aの列数は広告クラスタの数Mである。行列Uの列数および行列Aの行数はともにkであり、低ランク近似により設定される数である。行列Uと行列Aとを乗算することにより性向行列(の近似行列)を復元することができる。なお、kは解析者が任意の値に設定できるものとしてもよい。
インプレッションログ記憶部255は、Webページに広告が表示されたこと(インプレッションと呼ばれる。)を示す情報(以下、インプレッションログという。)を記憶する。図8は、インプレッションログ記憶部255に記憶されるインプレッションログの構成例を示す図である。インプレッションログには、Webページに広告が表示された日時(すなわち、WebページがWebサーバ20から送信された日時である。以下、配信日時という。)、Webページを示すURL、表示された広告を示す広告ID、Webページを閲覧したユーザを示すユーザIDが含まれる。インプレッションログは1つの広告が表示されるにつき1つ登録される。すなわち、たとえば1つのWebページに3つの広告が表示された場合には、3つのインプレッションログが登録されることになる。
クリックログ記憶部256は、Webページに表示された広告がクリックされたことを示す情報(以下、クリックログという。)を記憶する。図9は、クリックログ記憶部256に記憶されるクリックログの構成例を示す図である。クリックログには、クリックされた広告を示す広告ID、広告をクリックしたユーザを示すユーザID、広告が表示されたWebページを示すURL、および広告がクリックされた日時(クリック日時)が含まれる。
(7−1)HTTP処理部211
HTTP処理部211は、HTTPの処理を行う。HTTP処理部211は、ユーザ端末10から送信されるHTTPのリクエストを受信する。
リクエストにリダイレクトURLが指定されていた場合、HTTP処理部211は、ログ収集部214を呼び出してクリックログを登録させた上で、リクエストに含まれている広告IDに対応する広告情報を広告データベース252から読み出し、読み出した広告情報に含まれているURLをリダイレクト先として指定した応答をユーザ端末10に応答する。
Webページ作成部212は、Webページを表示するための画面情報を作成する。Webページ作成部212は、広告選択部213を呼び出してWebページに表示させる広告を選択させ、選択された広告がWebページに表示され、広告がクリックされた場合にはリダイレクトURLにアクセスするように、例えばリンクタグを設定した文字列を画面情報に挿入する。なお、Webページ作成部212が、広告以外の各種のコンテンツを作成する処理については、一般的なWebサーバによる処理を用いるものとして、ここでは説明を省略する。
広告選択部213は、Webページに表示する広告を選択する。
広告選択部213は、配信候補抽出部221、評価値算出部222、広告決定部223を備えている。なお、配信候補抽出部221、評価値算出部222、広告決定部223も、CPU201が記憶装置203に記憶されているプログラムをメモリ202に読み出して実行することにより実現される。
配信候補抽出部221は、広告の候補を決定する。配信候補抽出部221は、広告データベース252から所定数(例えば10個や50個、100個など、任意の数を指定することができる。)の広告情報を読み出す。本実施形態では、配信候補抽出部221は、ランダムに所定数の広告情報を読み出すものとするが、例えば、コンテンツの内容やユーザの属性に応じて広告情報を読み出すようにしてもよい。なお、配信候補抽出部221が、数ある広告の中から所定数の広告を選択する処理については、一般的な広告の選択処理を用いることもできる。
評価値算出部222は、広告の評価値を算出する。上述したように、期待クリック性向が評価値として用いられる。期待クリック性向は、ユーザが帰属するユーザクラスタおよび広告が帰属する広告クラスタに対応する行列U、Aの要素に基づいて算出される。本実施形態では、ユーザベクトル(の転置ベクトル)、行列U、行列Aおよび広告ベクトルを乗算して算出されるスカラ値を期待クリック性向とするが、ユーザが帰属するユーザクラスタと広告が帰属する広告クラスタとに対応する行列U,Aの要素(または行列U,Aを乗じて求められる性向行列の要素)に基づいて、合計、平均等任意の演算を行うことにより算出される値を期待クリック性向とすることができる。
広告決定部223は、配信候補抽出部221が決定した候補の中から表示する広告を決定する。広告決定部223は、評価値算出部222が算出したxCTRの大きい順に所定数(図1の例では3)の広告を、表示する広告として決定する。
ログ収集部214は、インプレッションログ及びクリックログを登録する。ログ収集部214は、HTTPにリダイレクトURLが指定されていた場合には、リダイレクトURLに指定されている広告IDに対応するカテゴリを広告データベース252から読み出し、当該広告ID、読み出したカテゴリ、及び現在の日時を設定したクリックログを作成してクリックログ記憶部256に登録する。HTTPにリダイレクトURL以外のURLが指定されていた場合には、ログ収集部214は、広告選択部213が選択した広告のそれぞれについて、現在日時、広告を示す広告ID、及び当該広告のカテゴリを含むインプレッションログを作成してインプレッションログ記憶部255に登録する。
解析処理部215は、低ランク近似により行列Uおよび行列Aを求める。解析処理部215は、クラスタリング処理部231、観測行列生成部232、信頼度算出部233、および低ランク近似処理部234を備える。なお、クラスタリング処理部231、観測行列生成部232、信頼度算出部233、および低ランク近似処理部234も、CPU201が記憶装置203に記憶されているプログラムをメモリ202に読み出して実行することにより実現される。
クラスタリング処理部231はデータクラスタリングを行い、ユーザをユーザクラスタに分類し、広告を広告クラスタに分類する。なお、クラスタリング処理部231が行うデータクラスタリングの処理は一般的なものを採用するものとするが、対象データが複数のクラスタの所属することを許容するソフトクラスタリングの手法を採用するものとする。
観測行列生成部232は、ユーザが広告をクリックした実CTRを観測値として観測行列を生成する。観測行列生成部232は、ユーザクラスタと広告クラスタとの全ての組合せについて、当該ユーザクラスタに帰属するユーザが、当該広告クラスタに帰属する広告を閲覧したインプレッション数および当該ユーザが当該広告をクリックしたクリック数を取得して、クリック数をインプレッション数で割って実CTRを算出する。
信頼度算出部233は、観測行列の要素の信頼度を算出する。上述したように本実施形態では観測行列の要素の信頼度はベータ分布の分散のべき乗の逆数1/vua sであるものとする。なお、事前分布Be(p,q)のp、qは予め設定されているものとする。また、指数sも予め定められているものとする。
低ランク近似処理部234は、信頼度による重み付けを行った上で観測行列に対する低ランク近似を行う。低ランク近似処理部234は、重み付けした観測行列に行列U,Aを近似させて、近似させた行列U,Aを近似行列記憶部254に登録する。本実施形態では、低ランク近似として行列因子分解を用いるものとするが、特異値分解その他の各種の低ランク近似の手法を採用することができる。欠損値を許容しない低ランク近似の手法を採用する場合に欠損値が発生したときは、例えば0%を観測値として補完するなど、一般的な手法により欠損値を補完した上で低ランク近似を行うようにすることができる。
図10は解析処理部215による解析処理の流れを示す図である。
クラスタリング処理部231は、例えばユーザ情報に含まれている属性、インプレッションログおよびクリックログなどに基づく行動履歴などを用いてユーザのクラスタリングを行い、ユーザクラスタを決定し、各ユーザの各ユーザクラスタへの帰属度を算出する(S311)。クラスタリング処理部231は、算出した帰属度を対応するユーザ情報に設定するようにユーザデータベース253を更新する(S312)。
これにより各ユーザの各ユーザクラスタに対する帰属度がユーザ情報に設定され、各広告の各広告クラスタに対する帰属度が広告情報に設定される。
観測行列生成部232は、以上の処理を各ユーザクラスタおよび広告クラスタについて繰り返した後、実CTRを要素とした観測行列を作成する(S338)。
以上のようにして、観測行列の要素に信頼度を乗じたうえで低ランク近似が行われ、近似された行列U,Aが近似行列記憶部254に登録される。
図12は、Webサーバ20により行われる処理の流れを示す図である。
HTTP処理部211は、ユーザ端末10からHTTPのリクエストを受信する(S401)。なおリクエストには、URL、ユーザIDおよび現在日時が設定されているものとする。HTTP処理部211は、リクエストにリダイレクトURLが指定されているか否かにより、広告がクリックされたか否かを判定する(S402)。
図13は、ステップS408における広告の選択処理の流れを示す図である。
配信候補抽出部221は、広告データベース252から所定数m個の広告情報を抽出する(S421)。なお、広告データベース252からどのような広告情報を抽出するかは任意に設定可能である。例えば、ランダムにm個の広告情報を抽出するようにしてもよいし、広告情報のタイトルがコンテンツにマッチする度合いの高い順にm個の広告情報を抽出するようにしてもよいし、ユーザが興味を有しているカテゴリをユーザ情報の属性として記憶しておき、そのカテゴリにマッチする広告情報をm個抽出するようにしてもよい。
以上説明したように、本実施形態の広告配信システムでは、ユーザと広告との関係性の観測値(本実施形態では実CTR)に、その信頼度による重み付けをする補正をしたうえで、低ランク近似を行っている。したがって、例えば信頼度の小さな観測値については観測値と予測値との差が小さく評価され、信頼度の高い観測値については観測値と予測値との差が大きく評価され、この評価値を最小化するように近似が行われるので、結果として信頼度の高い関係性を予測可能な近似の行列を作成することができる。
なお、本実施形態では、クリック率はベータ分布に従うものとしてベイズ推定の事後分布の分散に応じて信頼度を決定するものとしたが、クリック率は正規分布に従うものとして正規分布の分散に応じて信頼度を決定するようにしてもよい。この場合、分散vuaはクリック率をrとして、次式により算出することができる。
この分散を底として指数をsとするべき乗値の逆数を信頼度としてもよい。
本実施形態では広告の配信を想定しているが、広告の配信に限らず、各種のコンテンツの提供を行うシステムに適用してもよい。また、コンテンツとユーザとの関係性もクリック率に限らず、ユーザがコンテンツを嗜好する度合いなど各種の関係性とすることができる。また、本実施形態の低ランク近似の処理は商品のレコメンド処理における協調フィルタリングなどに適用することもできる。
212 Webページ作成部
213 広告選択部
214 ログ収集部
215 解析処理部
221 配信候補抽出部
222 評価値算出部
223 広告決定部
231 クラスタリング処理部
232 観測行列生成部
233 信頼度算出部
234 低ランク近似処理部
251 Web情報データベース
252 広告データベース
253 ユーザデータベース
254 近似行列記憶部
255 インプレッションログ記憶部
256 クリックログ記憶部
Claims (13)
- ユーザにコンテンツを提供する装置であって、
前記ユーザと前記コンテンツとの関係性を評価した実績値を要素とする観測行列を生成する観測行列生成部と、
前記実績値のそれぞれについて前記実績値の信頼度を算出する信頼度算出部と、
前記実績値に対して前記信頼度に応じた重み付けをして、前記観測行列よりも低ランクの複数の行列の積を前記観測行列に近似させる低ランク近似処理部と、
前記ユーザに提供可能な前記コンテンツである候補コンテンツのそれぞれについて、当該候補コンテンツ及び前記ユーザに対応する前記複数の行列の要素に基づいて前記候補コンテンツの評価値を算出する評価値算出部と、
前記評価値に応じて、前記ユーザに提供する前記コンテンツである提供コンテンツを前記候補コンテンツの中から決定する提供コンテンツ決定部と、
を備えることを特徴とするコンテンツ提供装置。 - 請求項1に記載のコンテンツ提供装置であって、
前記コンテンツはオンラインで提供される広告であり、
前記観測行列生成部は、前記ユーザによる前記広告のクリック率を前記実績値として算出し、
前記信頼度算出部は、前記広告のクリック数および前記広告の閲覧数の少なくともいずれかに応じて前記信頼度を算出すること、
を特徴とするコンテンツ提供装置。 - 請求項2に記載のコンテンツ提供装置であって、
前記信頼度算出部は、前記広告を前記ユーザが閲覧した閲覧数と、前記広告を前記ユーザがクリックしたクリック数とを取得し、ベータ分布Be(p,q)を事前分布として、前記クリック率のベイズ推定による事後分布Be(p+クリック数,q+閲覧数+クリック数)の分散を算出し、前記分散が小さいほど前記信頼度が高くなるように前記信頼度を決定すること、
を特徴とするコンテンツ提供装置。 - 請求項1に記載のコンテンツ提供装置であって、
前記信頼度算出部は、前記実績値に応じて所定の確率分布における分散を算出し、算出した分散を底とするべき乗値の逆数を前記信頼度として算出すること、
を特徴とするコンテンツ提供装置。 - 請求項4に記載のコンテンツ提供装置であって、
前記確率分布はベータ分布であり、
前記信頼度算出部は、所定の事前分布からベイズ推定を行った事後分布の分散を算出すること、
を特徴とするコンテンツ提供装置。 - ユーザにコンテンツを提供する装置であって、
前記ユーザを1つの以上の第1の分類に分類分けするユーザ分類部と、
前記コンテンツを1つ以上の第2の分類に分類分けするユーザ分類部と、
前記第1および第2の分類の間の関係性を評価した実績値を要素とする観測行列を生成する観測行列生成部と、
前記実績値のそれぞれについて前記実績値の信頼度を算出する信頼度算出部と、
前記実績値に対して前記信頼度に応じた重み付けをして、前記観測行列よりも低ランクの複数の行列の積を前記観測行列に近似させる低ランク近似処理部と、
前記ユーザに提供可能な前記コンテンツである候補コンテンツのそれぞれについて、当該候補コンテンツが属する前記第1の分類および前記ユーザが属する前記第2の分類に対応する前記複数の行列の要素に基づいて前記候補コンテンツの評価値を算出する評価値算出部と、
前記ユーザに提供する前記コンテンツである提供コンテンツを前記評価値に応じて前記候補コンテンツの中から決定する提供コンテンツ決定部と、
を備えることを特徴とするコンテンツ提供装置。 - 請求項6に記載のコンテンツ提供装置であって、
前記信頼度算出部は、前記実績値に応じて所定の確率分布における分散を算出し、算出した分散を底とするべき乗値の逆数を前記信頼度として算出すること、
を特徴とするコンテンツ提供装置。 - コンテンツを当該コンテンツに関係するユーザに提供するための、前記コンテンツと前記ユーザとの関係性を評価した評価値を要素とする関係行列に、低ランク近似により近似させた複数の行列を生成する装置であって、
前記関係性を評価した実績値を要素とする観測行列を生成する観測行列生成部と、
前記実績値のそれぞれについて前記実績値の信頼度を算出する信頼度算出部と、
前記実績値に対して前記信頼度に応じた重み付けをしたうえで、前記観測行列よりも低ランクの複数の行列の積を前記観測行列に近似させる低ランク近似処理部と、
を備えることを特徴とする低ランク近似行列生成装置。 - 請求項8に記載の低ランク近似行列生成装置であって、
前記信頼度算出部は、前記実績値に応じて所定の確率分布における分散を算出し、算出した分散を底とするべき乗値の逆数を前記信頼度として算出すること、
を特徴とする低ランク近似行列生成装置。 - ユーザにコンテンツを提供する方法であって、
コンピュータが、
前記ユーザと前記コンテンツとの関係性を評価した実績値を要素とする観測行列を生成するステップと、
前記実績値のそれぞれについて前記実績値の信頼度を算出するステップと、
前記実績値に対して前記信頼度に応じた重み付けをして、前記観測行列よりも低ランクの複数の行列の積を前記観測行列に近似させるステップと、
前記ユーザに提供可能な前記コンテンツである候補コンテンツのそれぞれについて、当該候補コンテンツ及び前記ユーザに対応する前記複数の行列の要素に基づいて前記候補コンテンツの評価値を算出するステップと、
前記評価値に応じて、前記ユーザに提供する前記コンテンツである提供コンテンツを前記候補コンテンツの中から決定するステップと、
を実行することを特徴とするコンテンツ提供方法。 - コンテンツを当該コンテンツに関係するユーザに提供するための、前記コンテンツと前記ユーザとの関係性を評価した評価値を要素とする関係行列に、低ランク近似により近似させた複数の行列を生成する方法であって、
コンピュータが、
前記関係性を評価した実績値を要素とする観測行列を生成するステップと、
前記実績値のそれぞれについて前記実績値の信頼度を算出するステップと、
前記実績値に対して前記信頼度に応じた重み付けをしたうえで、前記観測行列よりも低ランクの複数の行列の積を前記観測行列に近似させるステップと、
を実行することを特徴とする低ランク近似行列生成方法。 - ユーザにコンテンツを提供するためのプログラムであって、
コンピュータに、
前記ユーザと前記コンテンツとの関係性を評価した実績値を要素とする観測行列を生成するステップと、
前記実績値のそれぞれについて前記実績値の信頼度を算出するステップと、
前記実績値に対して前記信頼度に応じた重み付けをして、前記観測行列よりも低ランクの複数の行列の積を前記観測行列に近似させるステップと、
前記ユーザに提供可能な前記コンテンツである候補コンテンツのそれぞれについて、当該候補コンテンツ及び前記ユーザに対応する前記複数の行列の要素に基づいて前記候補コンテンツの評価値を算出するステップと、
前記評価値に応じて、前記ユーザに提供する前記コンテンツである提供コンテンツを前記候補コンテンツの中から決定するステップと、
を実行させるためのプログラム。 - コンテンツを当該コンテンツに関係性するユーザに提供するための、前記コンテンツと前記ユーザとの関係性を評価した評価値を要素とする関係行列に、低ランク近似により近似させた複数の行列を生成するためのプログラムであって、
コンピュータに、
前記関係性を評価した実績値を要素とする観測行列を生成するステップと、
前記実績値のそれぞれについて前記実績値の信頼度を算出するステップと、
前記実績値に対して前記信頼度に応じた重み付けをしたうえで、前記観測行列よりも低ランクの複数の行列の積を前記観測行列に近似させるステップと、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012087707A JP5507607B2 (ja) | 2012-04-06 | 2012-04-06 | コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012087707A JP5507607B2 (ja) | 2012-04-06 | 2012-04-06 | コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013218485A JP2013218485A (ja) | 2013-10-24 |
JP5507607B2 true JP5507607B2 (ja) | 2014-05-28 |
Family
ID=49590519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012087707A Active JP5507607B2 (ja) | 2012-04-06 | 2012-04-06 | コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5507607B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6389057B2 (ja) * | 2014-04-25 | 2018-09-12 | Kddi株式会社 | メニュー生成サーバ、メニュー表示プログラム、メニュー表示方法及びメニュー表示システム |
JP6226846B2 (ja) * | 2014-09-19 | 2017-11-08 | ヤフー株式会社 | 情報分析装置、情報分析方法および情報分析プログラム |
JP6355582B2 (ja) * | 2015-03-20 | 2018-07-11 | ヤフー株式会社 | 評価値算出方法、評価値算出プログラム、及び評価値算出装置 |
JP6703822B2 (ja) * | 2015-11-27 | 2020-06-03 | ヤフー株式会社 | 選択装置、選択方法、及び選択プログラム |
CN105678586B (zh) | 2016-01-12 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 一种信息扶持方法和装置 |
JP6085700B2 (ja) * | 2016-03-16 | 2017-02-22 | ヤフー株式会社 | 情報処理装置、端末装置、情報処理方法及び情報処理プログラム |
JP6990983B2 (ja) | 2017-04-18 | 2022-01-12 | ヤフー株式会社 | 推定装置、推定方法、及び推定プログラム |
US20210357983A1 (en) * | 2020-05-14 | 2021-11-18 | Nanning Fugui Precision Industrial Co., Ltd. | System for presenting advertisements online and method thereof |
KR102391644B1 (ko) * | 2020-09-10 | 2022-04-27 | 주식회사 엘지유플러스 | Vod 컨텐츠 추천 방법 및 장치 |
CN116547685A (zh) * | 2020-11-18 | 2023-08-04 | 索尼集团公司 | 信息处理装置、信息处理方法和程序 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3788254B2 (ja) * | 2001-03-13 | 2006-06-21 | 日本電気株式会社 | 情報フィルタリングシステムとそのフィルタリング方法、及び情報フィルタリングプログラム |
JP4428036B2 (ja) * | 2003-12-02 | 2010-03-10 | ソニー株式会社 | 情報処理装置および方法、プログラム、並びに、情報処理システムおよび方法 |
JP5531443B2 (ja) * | 2009-04-08 | 2014-06-25 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
-
2012
- 2012-04-06 JP JP2012087707A patent/JP5507607B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013218485A (ja) | 2013-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5507607B2 (ja) | コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム | |
US10825047B2 (en) | Apparatus and method of selection and placement of targeted messages into a search engine result page | |
US20170091805A1 (en) | Advertisement Recommendation Method and Advertisement Recommendation Server | |
US20140278939A1 (en) | Advertisement extraction device and advertisement extraction method | |
US20120150626A1 (en) | System and Method for Automated Recommendation of Advertisement Targeting Attributes | |
CN108805598B (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
WO2015149307A1 (en) | Systems and methods for optimizing content layout using behavior metrics | |
CN111095330B (zh) | 用于预测在线用户交互的机器学习方法和*** | |
JP5485311B2 (ja) | 広告評価装置、広告評価方法およびプログラム | |
JP2014006916A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
CN105678317B (zh) | 一种信息处理方法及服务器 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP5507622B2 (ja) | 広告課金額決定装置、広告課金額決定方法およびプログラム | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
US8423558B2 (en) | Targeting online ads by grouping and mapping user properties | |
CN102243659A (zh) | 基于动态贝叶斯模型的网页垃圾检测方法 | |
US20210110431A1 (en) | Machine learning system finds units of interest (uoi) based on keywords, interests, and brands in social media audiences for the purpose of targeting digital advertisements | |
JP5506867B2 (ja) | コンテンツ配信装置 | |
CN115204943A (zh) | 一种广告召回方法、装置、设备以及存储介质 | |
JP6228719B2 (ja) | 文書配布装置、文書配布方法、プログラム、および非一時的な記録媒体 | |
JP6100741B2 (ja) | 抽出装置、抽出方法および抽出プログラム | |
JP6362577B2 (ja) | 情報処理装置及び表示記事選択システム | |
JP5847867B2 (ja) | 広告主向け参考情報提供装置 | |
JP2019113945A (ja) | 情報処理装置、情報処理方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140217 |
|
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: 20140225 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140319 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5507607 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
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 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
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 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |