JP5668007B2 - 興味分析方法、装置及びプログラム - Google Patents
興味分析方法、装置及びプログラム Download PDFInfo
- Publication number
- JP5668007B2 JP5668007B2 JP2012066377A JP2012066377A JP5668007B2 JP 5668007 B2 JP5668007 B2 JP 5668007B2 JP 2012066377 A JP2012066377 A JP 2012066377A JP 2012066377 A JP2012066377 A JP 2012066377A JP 5668007 B2 JP5668007 B2 JP 5668007B2
- Authority
- JP
- Japan
- Prior art keywords
- concept
- user
- model
- interest
- content
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
したがって、新規の情報利用者の属性と合致する既存の情報利用者の属性のモデルを用いて初期ユーザモデルが構築されることにより、新規の情報利用者に合致した初期モデルを構築することができる。
第1の態様は、上記既存の情報利用者の属性毎のモデルを作成する際に、当該既存の情報利用者の属性が下位概念に対応する第1の階層とこの第1の階層より上位の概念に対応する第2の階層とを有する場合に、上記第1の階層に対応する下位概念のモデルを作成し、この第1の階層について作成された下位概念のモデルをもとに上記第2の階層に対応する上位概念のモデルを作成するようにしたものである。
このようにすると、属性が階層構造を持つ場合に、下位概念の属性のモデルを用いて上位概念の属性のモデルが作成されるので、少ない計算量で階層構造を持つ属性のモデルを作成することが可能となる。
第3の態様は、既存の情報利用者の属性毎のモデルを作成して保存する際に、既存の情報利用者の閲覧回数に依存して属性毎のモデルを作成するようにしたものである。
先ず、この発明の原理を図24〜図34を用いて説明する。
この発明は、概念出現の希少性を利用して情報利用者の興味を高精度に推定し、その推定結果を用いて情報利用者毎のモデルを作成し、この作成されたモデルを用いて情報を推薦する方法を前提とする。この前提とする方法では、情報利用者が選択候補情報一覧から情報を選択した履歴から情報利用者の興味を推定する場合に、情報利用者の選択候補となる情報一覧を定義し、そこからの情報選択における概念の出現数を分析することで、各概念の出現の希少性を考慮する。さらに、各概念が出現しない希少性も利用している。このため、情報利用者の興味を高精度に推定することが可能となる。以下、情報利用者に対して提示された選択候補情報一覧と、情報利用者が選択候補情報一覧から任意の情報を選択した履歴を情報選択履歴と呼ぶ。
図24はこの改良した発明の概要を説明するための図である。図24に示すように、この発明に係る興味分析装置は、新規ユーザFに対して信頼性の高い情報を推薦するために以下に示す処理を実行する。
(2) 新規ユーザFが開示を許諾する一部の属性情報をシステムに開示する。
(3) 新規ユーザFが開示した属性に合致したモデル、例えば図24の例では東京のモデルと女性のモデルを選定する。
(4) 選定されたモデルを用いて新規ユーザFの初期モデルを作成する。
(5) 上記作成された初期モデルを用いて新規ユーザFがサービスの利用を開始し、その後利用を継続する。これにより、新規ユーザFのモデルを東京かつ女性のステレオタイプを表す初期モデルから、新規ユーザF自身を表すモデルへと徐々に修正し、推薦精度を向上させる。
1回の学習において、複数のコンテンツを一覧として閲覧した履歴と、コンテンツの本体を閲覧した履歴とを用いてユーザのモデルを更新する。ここで、ユーザ毎のモデルを、概念毎に算出されるユーザ興味スコア(TotalZ)の集合とする。概念毎のユーザ興味スコア(TotalZ)を求めるとき、先ず複数のコンテンツを一覧として閲覧した第1のコンテンツリストと、この第1のコンテンツリストからコンテンツの本体を閲覧した第2のコンテンツリストとをクラスタ化する。このクラスタ化されたコンテンツリストを履歴クラスタと呼ぶ。
さらに、属性毎のモデルを階層的に作成する例を図33に示す。例えば、関東のモデルが東京のモデルと千葉のモデルを子に持つ場合、図34に示すように子属性のモデルのX子属性i ,Y子属性i を用いて、親属性のモデルのX親属性i ,Y親属性i と、興味スコア(TotalZ親属性in)を求めることができる。
以下、図面を参照してこの発明に係わる一実施形態を説明する。
(1)システム全体の構成
図1は、この発明の一実施形態に係る興味分析装置を用いたシステムの全体構成図である。このシステムは、クライアント端末200と、コンテンツサーバ300と、興味分析装置100を備える。クライアント端末200とコンテンツサーバ300との間、及びコンテンツサーバ300と興味分析装置100との間はそれぞれ通信ネットワークで接続される。ユーザは、クライアント端末200上での閲覧操作により、所望のコンテンツをコンテンツサーバ300から取得し、取得したコンテンツをクライアント端末200の画面に表示させ、閲覧する。
また興味分析装置100は、定期的にユーザの興味モデルを用いて属性の興味モデルを作成し、初期利用ユーザから属性情報の提示を受けた場合には、属性にあわせて初期モデルを作成する機能も備える。
(2)興味分析装置の構成
興味分析装置100は、履歴情報受信部110、特徴スコア算出部120、概念体系更新処理部130、概念体系/ユーザ興味スコアデータベース140、提示コンテンツリスト受信部150、コンテンツデータベース160、コンテンツ評価処理部170、及びソート済みコンテンツスコアリスト送信部180を備え、さらに属性興味スコア更新起動部190、属性興味スコア更新部195、属性興味スコアデータベース196、初期ユーザ興味スコア作成部197及びユーザ/属性情報データベース198を備えている。
履歴情報受信部110は、クライアント端末200からの一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストをコンテンツサーバ300を介して受信する。一覧閲覧コンテンツリストとは、例えばユーザがコンテンツのタイトルのみを一覧で閲覧したコンテンツのリストである。詳細閲覧コンテンツリストとは、ユーザがコンテンツ本体の内容(詳細)を閲覧したコンテンツのリストである。例えば、図3において、一覧閲覧コンテンツリストには、コンテンツ1〜8が含まれ、詳細閲覧コンテンツリストには、コンテンツ1,3,4が含まれる。また図3において、斜線パターンで示すコンテンツは、概念Bがコンテンツ1,6,7,8に出現することを示す。
概念体系更新処理部130は、上記特徴スコアを用いて概念体系における概念間の関係情報(上位概念及び下位概念)に基づいて各概念に対するユーザ興味スコアを更新する。概念体系のグラフに含まれるノードは概念を表し、リンクは概念間の関係を表す。ユーザ興味スコアは、概念体系における各概念に対応するノードの値として保持する。概念体系において、上位に位置するノードほど抽象的な概念を表し、下位に位置するノードほど具体的な概念を表す。概念体系及び概念ID(ノード毎に付与される識別子)は、サービス運用者等が事前に設計し定義するものとする。
属性興味スコアデータベース196は、後述する属性興味スコア更新部195により算出された属性のX,Y,TotalZを記憶するために用いられる。
ユーザ/属性情報データベース198は、ユーザ情報とその属性情報を記憶するために用いられる。
図2において、クライアント端末200は、履歴収集部210、履歴情報送信部220、コンテンツ提示部230、コンテンツ要求送信部240及び属性提示部250を備える。
コンテンツ要求送信部240は、ユーザの指示(入力)によりコンテンツサーバ300に対してコンテンツの提示要求を行う。具体的には、図20に示すようなコンテンツ要求データをコンテンツサーバ300に送信する。例えば、コンテンツ要求データは、クライアント端末ID(もしくはユーザID)及び要求時刻を有する。なお、要求時刻は、コンテンツサーバ300において追加するようにしてもよい。クライアント端末ID(もしくはユーザID)は、端末(もしくはユーザ)毎に一意に付与される数字であって、後述する概念体系/ユーザ興味スコアデータベース140のユーザ興味スコアテーブルのユーザIDと一致するIDである。
コンテンツ提示部230は、コンテンツサーバ300から受信したソート済み提示コンテンツリストをもとに、クライアント端末200の表示画面サイズが許容する範囲でソート順の上位から一覧として表示を行う。
上記図2において、コンテンツサーバ300は、コンテンツ送信処理部310、ソート済み提示コンテンツリスト受信部320、提示コンテンツリスト送信部330、提示コンテンツリスト入力部340、履歴情報転送部350、コンテンツ要求転送部360及び属性転送部370を備える。
提示コンテンツリスト入力部340には、サービス運用者により、ユーザの利用するクライアント端末200に提示するコンテンツを一覧にした提示コンテンツリストが入力される。提示コンテンツリスト送信部330は、上記入力された提示コンテンツリストを興味分析装置100へ通信ネットワークを介して送信する。
属性転送部370は、上記クライアント端末200から送信された新規ユーザの属性情報を受信し、この受信した新規ユーザの属性情報を興味分析装置100に転送する機能を有する。
次に、興味分析装置100の各部の動作について説明する。
(5−1)コンテンツデータベース160
図8にコンテンツデータベース160のデータ構造の一例を示す。コンテンツデータベース160は、コンテンツテーブルと、ユーザ履歴テーブルとを有する。
コンテンツテーブルは、コンテンツID、概念ID/関連度リスト、コンテンツ本体、及びコンテンツ登録時刻を格納する。提示コンテンツリスト受信部150で受信した値が格納される。
図9に概念体系/ユーザ興味スコアデータベース140のデータ構造の一例を示す。概念体系/ユーザ興味スコア160は、ルート概念ノードIDと、概念体系テーブルと、ユーザ興味スコアテーブルとを有する。
ルート概念ノードIDとは、概念体系構造において最上位にある概念ノードIDであり、システム内に1つだけ存在する。
ユーザ興味スコアテーブルは、概念ID、ユーザID(クライアント端末ID)、TotalZ(ユーザ興味スコア)、X、及びYの値を格納する。TotalZ、X及びYの定義及び算出方法は後述する。
提示コンテンツリスト受信部150は、コンテンツサーバ300から上記図7に示すような提示コンテンツリストを受信し、コンテンツデータベース160に保存する。
図10は、履歴情報受信部110の処理手順と処理内容を示すフローチャートである。
(ステップS11:履歴データ受信)
履歴情報受信部110は、コンテンツサーバ300の履歴情報転送部350から通信ネットワークを介してクライアント端末ID(もしくはユーザID)、一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストを受信し、特徴スコア算出部120へ出力する。
図11は、特徴スコア算出部120の処理手順と処理内容を示すフローチャートである。特徴スコア算出部120には、履歴情報受信部110からクライアント端末ID(もしくはユーザID)、一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストが入力される。
特徴スコア算出部120は、詳細閲覧コンテンツリスト内の各コンテンツに出現する概念IDをコンテンツデータベース160から抽出する。具体的には、図6の詳細閲覧コンテンツリストにおいて、各コンテンツIDに紐付けされている「概念ID」を図8のコンテンツデータベース160のコンテンツテーブルから検索する。
特徴スコア算出部120は、「出現概念リスト」の各概念IDについて、図9の概念体系/ユーザ興味スコアデータベース140から上位概念を抽出し、上位概念の概念IDを「出現概念リスト」及び「コンテンツID/概念ID関連づけリスト」に追加する。
特徴スコア算出部120は、「出現概念リスト」の各概念について出現数を算出し、特徴スコアの算出に必要な分析パラメータを抽出し、分析パラメータリストを生成する。
図12に、分析パラメータリストのデータ構成例を示す。分析パラメータリストは、クラスタID毎に、一覧閲覧コンテンツリストのコンテンツ総数S(第1の総数)、詳細閲覧コンテンツリストのコンテンツ総数a(第2の総数)、クラスタIDに紐づいた出現概念リスト内の概念ID毎に算出するNとnがある。N(第1の出現数)は、一覧閲覧コンテンツリストにおいて当該概念IDが付与されているコンテンツ数とする。n(第2の出現数)は詳細閲覧コンテンツリストにおける当該概念IDが付与されているコンテンツ数とする。なお、ステップS13にて追加した上位概念も含めて出現概念リスト内の概念IDすべてについて、Nとnを算出する。
特徴スコア算出部120は、上記分析パラメータS,a,N,nを利用して概念ID毎に特徴スコアZを算出する。図14に特徴スコア算出処理の詳細を示す。図14において、iは概念の識別子、jは、クラスタIDを示す。H1(第1の確率)は、一覧閲覧コンテンツリストに含まれる一覧閲覧コンテンツの総数S、一覧閲覧コンテンツのうち概念iが出現するコンテンツ数Nのとき、詳細閲覧コンテンツをa個ランダム選択して閲覧した場合に、概念iが出現する詳細閲覧コンテンツの数がn以上となる累積確率である。H2(第2の確率)は、一覧閲覧コンテンツリストに含まれる一覧閲覧コンテンツの総数S、一覧閲覧コンテンツのうち概念iが出現するコンテンツ数Nのとき、詳細閲覧コンテンツをa個ランダム選択して閲覧した場合に、概念iが出現する詳細閲覧コンテンツの数がn以下となる累積確率である。なお、本実施形態では、累積確率H1及びH2は、超幾何分布により求めるが、この手法に限定するものではない。他の分布の例としては、二項分布、正規分布が存在する。
なお、H2の値を使う例として、上記の分析パラメータでnが0である場合を考える。この場合は、出現数が0以下の場合の確率を算出する。具体的には、図13(b)において横軸が0の項目の値となるため「0.02」となる。
なお、重みwは、初期値w=1とし、ユーザの特徴的な操作等が有った場合に、以下のように値を変化させることができる。例えば、クライアント端末200において、ユーザに提示されたコンテンツについて、ユーザは、お気に入りコンテンツとして登録や、他ユーザへのお勧め、又はコンテンツへの評価入力ができる。
すなわち、特徴スコア算出部120は、例えばコンテンツがお気に入りに登録されたとき、そのコンテンツが含む全ての概念IDについて重みwをw=1.5のように増加させる。その他にも、コンテンツ閲覧時刻、閲覧時の天気、気温、湿度、季節、曜日、休日、余暇かどうか、閲覧時のユーザ位置情報、スケジューラ、日記等から収集したイベント情報に応じて重みwの値を変えることもできる。
図15に、概念体系更新処理部130の処理フローを示す。概念体系更新処理部130には、特徴スコア算出部120から、クライアント端末ID(もしくはユーザID)及び更新対象概念リスト{クラスタID,{概念ID,特徴スコア=Z,重み=w},…}が入力される。
概念体系更新処理部130は、「更新対象概念リスト」の各概念IDのノード値を更新する。図16に概念体系更新処理部130の処理の詳細を示す。概念体系更新処理部130は、コンテンツに出現した概念(出現概念)、及びこの出現概念の上位概念の概念IDについて、図16に示す各概念iに対するユーザ興味スコア更新式を用いて、ユーザ興味スコアTotalZin,及びXi(n−1),Yi(n−1)の値を求め、図9の概念体系/ユーザ興味スコアデータベース140の、クラスタIDに対応する図11のステップS12に入力されたユーザID(クライアント端末ID)のカラムに対応するユーザ興味スコアテーブルに格納されている各値を更新する。
減衰の計算式の例を示す。例えば、kを減衰率(例えばk=0.8)と設定し、以下のように算出することができる。
TotalZ(減衰後)=k×TotalZ(現在)
X(減衰後)=k2×X(現在)
Y(減衰後)=k2×Y(現在)
(ステップS17:下位概念ノード値更新)
図17はコンテンツ評価処理部170の処理手順と処理内容を示すフローチャートである。
コンテンツ評価処理部170には、コンテンツサーバ300のコンテンツ要求転送部360からの通知を入力として、コンテンツデータベース160のコンテンツテーブルから図7に示すような形式の提示コンテンツリストを読み出して以下のコンテンツ評価処理を行う。
分析対象概念フィルタリングでは、サービス運用者又はサービス利用者が、事前設定や手動等で特に分析対象の概念IDを指定した場合は、概念体系/興味度データベース140を参照し、指定された分析対象の概念IDおよび下位の概念IDのみを評価対象とする。コンテンツ評価処理部170は、入力された提示コンテンツリストが保持する概念IDについて、事前にサービス運用者又はサービス利用者が設定した条件にしたがって分析対象外とし、「フィルタリング済みコンテンツリスト」を生成する。
コンテンツ評価処理部170は、「フィルタリング済みコンテンツリスト」に含まれるコンテンツの評価スコアを算出し、図18に示すようなコンテンツスコアリストを生成する。コンテンツスコアリストは、コンテンツID、評価スコア、コンテンツ本体及びコンテンツ登録時刻を有する。
変形例1としては、EntityZx =MAX(TotalZi *wi )により求める。MAX(TotalZi *wi )は、i∈pのTotalZi *wi の最大値を返す関数とする。
(ステップS23:コンテンツをスコア順にソート)
コンテンツ評価処理部170は、コンテンツスコアリストに含まれるコンテンツを評価スコアEntityZx の降順にソートし、ソート済みコンテンツスコアリストをソート済コンテンツスコアリスト送信部180に出力する。
ソート済みコンテンツスコアリスト送信部180は、コンテンツ評価処理部170から入力されるソート済みコンテンツスコアリストとクライアント端末ID(もしくはユーザID)を、通信ネットワークを介してコンテンツサーバ300に送信する。
属性興味スコア更新部195は、ユーザの属性毎に当該属性のモデルを、当該属性に合致する他のユーザのモデルを用いて作成する。
図21は、興味分析装置100による、属性に関するモデルを作成する処理の概要を示すもので、属性Aのモデルを、当該属性Aに合致するユーザB、ユーザCのモデルを用いて作成する場合について例示したものである。属性興味スコア更新起動部190は、深夜時間帯などの興味分析装置100の処理負荷が少ない時間帯に定期的に処理を起動する。処理が起動されると属性興味スコア更新部195は、先ずユーザ/属性情報データベース198に保存されている属性情報を用いて、属性Aに合致するユーザ群、例えばユーザB及びユーザCを特定する。次に、この特定したユーザのX,Yをもとに、図32に示した式を用いて属性AのX,Y,TotalZを算出する。そして、この属性AのX,Y,TotalZの算出結果を属性興味スコアデータベース196に保存する。
同図において、新規ユーザは自身のクライアント端末200において、自らの属性と各属性を確率結合する比率Wを入力する。そうすると、クライアント端末200の属性提示部250により、上記入力されたユーザ自身の属性と確率結合比率Wを表す情報が、コンテンツサーバ300の属性転送部370を経由して興味分析装置100に転送される。
以上詳述したように一実施形態によれば、以下のような作用効果が奏せられる。
(1) ユーザの選択候補となる一覧リストを定義し、そこからのコンテンツ選択における概念の出現数を分析することで、各概念の出現の希少性を考慮し、且つ一覧から選ばれない概念の履歴特徴を利用することができるため、ユーザの興味を高精度に推定することが可能となる。
(4) さらに、ユーザ興味スコアを用いてコンテンツに対するユーザの評価スコアを算出することで、ユーザの興味に合ったコンテンツを推薦することが可能となる。
(7) さらに、属性が階層構造を持つ場合に、下位の属性のモデルを用いて上位の属性のモデルを作成することにより、少ない計算量で階層構造を持つ属性のモデルを作成することができる。
なお、この発明は上記実施形態に限定されるものではなく、例えば興味分析装置の構成、属性毎のモデル作成処理及び初期モデルの作成処理の処理手順と処理内容、属性の種類等についても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。
Claims (9)
- コンピュータによって、情報利用者の興味を推定し、その推定結果を用いて情報利用者毎に所定の概念に対する興味の度合いを表すモデルを作成し、この作成されたモデルを用いて前記情報利用者毎の興味を分析する方法であって、
前記情報利用者の一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストから、コンテンツに出現する各概念の特徴スコアを算出する第1の過程と、
概念体系における概念間の関係に基づいて、前記特徴スコアを用いて各概念に対するユーザ興味スコアを更新し、第1の記憶部に保存する第2の過程と、
前記各概念に対するユーザ興味スコアをもとに、当該既存の情報利用者の属性毎のモデルを作成して第2の記憶部に保存する第3の過程と、
新規の情報利用者の属性情報を取得する第4の過程と、
前記取得された属性情報をもとに当該新規の情報利用者の属性と合致する既存の情報利用者の属性のモデルを前記第2の記憶部から選択的に読み出し、この読み出されたモデルをもとに前記新規の情報利用者の所定の概念に対する興味の度合いを表すモデルを作成して、この作成されたモデルを前記新規の情報利用者の初期モデルとして第3の記憶部に保存する第5の過程と、
前記第3の記憶部に記憶されたモデルを初期モデルとして前記新規の情報利用者の興味を分析する第6の過程と
を具備することを特徴とする興味分析方法。 - 前記第3の過程は、前記既存の情報利用者の属性が下位概念に対応する第1の階層とこの第1の階層より上位の概念に対応する第2の階層とを有する場合に、前記第1の階層に対応する下位概念のモデルを作成し、この第1の階層について作成された下位概念のモデルをもとに前記第2の階層に対応する上位概念のモデルを作成することを特徴とする請求項1記載の興味分析方法。
- 前記第5の過程は、入力された比率に基づき複数の属性のユーザモデルを確率結合し、前記初期モデルを作成することを特徴とする請求項1記載の興味分析方法。
- 前記第3の過程は、既存の情報利用者の閲覧回数に依存して属性毎のモデルを作成することを特徴とする請求項1記載の興味分析方法。
- 情報利用者の興味を推定し、その推定結果を用いて情報利用者毎に所定の概念に対する興味の度合いを表すモデルを作成し、この作成されたモデルを用いて前記情報利用者毎の興味を分析する興味分析装置であって、
前記情報利用者の一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストとから、コンテンツに出現する各概念の特徴スコアを算出する第1の手段と、
概念体系における概念間の関係に基づいて、前記特徴スコアを用いて各概念に対するユーザ興味スコアを更新し、第1の記憶部に保存する第2の手段と、
前記各概念に対するユーザ興味スコアをもとに、当該既存の情報利用者の属性毎のモデルを作成して第2の記憶部に保存する第3の手段と、
新規の情報利用者の属性情報を取得する第4の手段と、
前記取得された属性情報をもとに当該新規の情報利用者の属性と合致する既存の情報利用者の属性のモデルを前記第2の記憶部から選択的に読み出し、この読み出されたモデルをもとに前記新規の情報利用者の所定の概念に対する興味の度合いを表すモデルを作成して、この作成された新規の情報利用者に関するモデルを、当該新規の情報利用者の初期モデルとして第3の記憶部に保存する第5の手段と、
前記第3の記憶部に記憶された初期モデルに基づいて、前記新規の情報利用者の興味を分析する第6の手段と
を具備することを特徴とする興味分析装置。 - 前記第3の手段は、前記既存の情報利用者の属性が下位概念に対応する第1の階層とこの第1の階層より上位の概念に対応する第2の階層とを有する場合に、前記第1の階層に対応する下位概念のモデルを作成し、この第1の階層について作成された下位概念のモデルをもとに前記第2の階層に対応する上位概念のモデルを作成することを特徴とする請求項5記載の興味分析装置。
- 前記第5の手段は、入力された比率に基づき複数の属性のユーザモデルを確率結合し、前記初期モデルを作成することを特徴とする請求項5記載の興味分析装置。
- 前記第3の手段は、既存の情報利用者の閲覧回数に依存して属性毎のモデルを作成することを特徴とする請求項5記載の興味分析装置。
- 請求項1乃至4のいずれかに記載の興味分析方法が備える過程に対応する処理を、前記コンピュータに実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012066377A JP5668007B2 (ja) | 2012-03-22 | 2012-03-22 | 興味分析方法、装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012066377A JP5668007B2 (ja) | 2012-03-22 | 2012-03-22 | 興味分析方法、装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013196653A JP2013196653A (ja) | 2013-09-30 |
JP5668007B2 true JP5668007B2 (ja) | 2015-02-12 |
Family
ID=49395446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012066377A Active JP5668007B2 (ja) | 2012-03-22 | 2012-03-22 | 興味分析方法、装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5668007B2 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6535501B2 (ja) * | 2015-04-17 | 2019-06-26 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 識別サーバ、識別方法及び識別プログラム |
JP6864978B2 (ja) * | 2015-04-23 | 2021-04-28 | ヤフー株式会社 | 配信装置、配信方法、配信プログラム、端末装置、変更方法、及び変更プログラム |
CN105046601A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒(上海)有限公司 | 用户数据处理方法和*** |
CN105046600A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒(上海)有限公司 | 一种酒店用电视的个性化信息推荐方法及*** |
CN105574216A (zh) * | 2016-03-07 | 2016-05-11 | 达而观信息科技(上海)有限公司 | 基于概率模型和用户行为分析的个性化推荐方法、*** |
CN111107431A (zh) * | 2019-12-31 | 2020-05-05 | 深圳创维-Rgb电子有限公司 | 一种电视机播放控制方法、***、控制终端及存储介质 |
CN113592589B (zh) * | 2021-07-27 | 2024-03-29 | 上海致景信息科技有限公司 | 纺织原料推荐方法、装置及处理器 |
CN117876029B (zh) * | 2024-03-12 | 2024-05-07 | 南京摆渡人网络信息技术有限公司 | 一种基于商品推广的人机交互优化***、方法及装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH086958A (ja) * | 1994-06-20 | 1996-01-12 | Nippon Telegr & Teleph Corp <Ntt> | ユーザモデル生成装置及びユーザモデル生成方法 |
JPH10162027A (ja) * | 1996-11-29 | 1998-06-19 | Sony Corp | 情報検索方法及びその装置 |
US6981040B1 (en) * | 1999-12-28 | 2005-12-27 | Utopy, Inc. | Automatic, personalized online information and product services |
JP2002041559A (ja) * | 2000-07-19 | 2002-02-08 | Hitachi Ltd | 主観的データ予測方法及び装置 |
US20030097300A1 (en) * | 2001-11-13 | 2003-05-22 | Koninklijke Philips Electronics N.V. | Method and apparatus for recommending items of interest based on stereotype preferences of third parties |
JP2003216622A (ja) * | 2002-01-24 | 2003-07-31 | Ricoh Co Ltd | 文書分類装置、文書分類方法、その方法によったプログラムおよびそのプログラムを記憶した記憶媒体 |
US7836051B1 (en) * | 2003-10-13 | 2010-11-16 | Amazon Technologies, Inc. | Predictive analysis of browse activity data of users of a database access system in which items are arranged in a hierarchy |
IL178394A (en) * | 2006-09-28 | 2014-12-31 | Deutsche Telekom Ag | Interactive mixed recommendation system |
IL183391A (en) * | 2007-05-24 | 2011-06-30 | Peretz Shoval | Filtering method based on ontology and content for personal newspapers |
JP5130851B2 (ja) * | 2007-09-27 | 2013-01-30 | 富士通株式会社 | モデル作成支援システム、モデル作成支援方法、モデル作成支援プログラム |
JP2011123601A (ja) * | 2009-12-09 | 2011-06-23 | Nec Corp | イベント一致判定装置、イベント一致判定方法、および、イベント一致判定プログラム |
-
2012
- 2012-03-22 JP JP2012066377A patent/JP5668007B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013196653A (ja) | 2013-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5668007B2 (ja) | 興味分析方法、装置及びプログラム | |
CN110909176B (zh) | 数据推荐方法、装置、计算机设备以及存储介质 | |
CN103886090B (zh) | 基于用户喜好的内容推荐方法及装置 | |
JP5668010B2 (ja) | 情報推薦方法、装置及びプログラム | |
CN111782965A (zh) | 意图推荐方法、装置、设备及存储介质 | |
JP4980395B2 (ja) | データ分析システム及び方法 | |
WO2012118087A1 (ja) | レコメンダシステム、レコメンド方法、及びプログラム | |
JP5752245B2 (ja) | 情報検索方法、情報検索装置及び記憶媒体 | |
CN105976161A (zh) | 一种基于时间轴上的智能推荐日历及基于用户的呈现方法 | |
CN102667761A (zh) | 可扩展的集群数据库 | |
TW201447797A (zh) | 內容個人化之多相排序方法和系統 | |
CN101401062A (zh) | 确定相关来源、查询及合并多个内容来源的结果的方法和*** | |
CN105654307A (zh) | 基于用户反馈的商品推荐方法和*** | |
Zhou et al. | Online social media recommendation over streams | |
CN110472016B (zh) | 文章推荐方法、装置、电子设备及存储介质 | |
JP5723835B2 (ja) | 興味分析方法、興味分析装置及びそのプログラム | |
JP5836210B2 (ja) | 影響力推定方法、装置及びプログラム | |
CN111400609B (zh) | 用户推荐方法、装置、存储介质及服务器 | |
CN113850649A (zh) | 一种基于多平台用户数据的定制化推荐方法及推荐*** | |
JP5667959B2 (ja) | 影響度分析方法、影響度分析装置及びそのプログラム | |
JP2012198710A (ja) | カテゴリ分類処理装置、カテゴリ分類処理方法、カテゴリ分類処理プログラム記録媒体、カテゴリ分類処理システム | |
Yigit et al. | Extended topology based recommendation system for unidirectional social networks | |
JP5504213B2 (ja) | 興味分析方法及び興味分析装置 | |
Zhang et al. | Improving augmented reality using recommender systems | |
CN108810577B (zh) | 一种用户画像的构建方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140115 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140430 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140513 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140625 |
|
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: 20141209 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5668007 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |