JP5696025B2 - Product information recommendation device, method and program - Google Patents
Product information recommendation device, method and program Download PDFInfo
- Publication number
- JP5696025B2 JP5696025B2 JP2011255482A JP2011255482A JP5696025B2 JP 5696025 B2 JP5696025 B2 JP 5696025B2 JP 2011255482 A JP2011255482 A JP 2011255482A JP 2011255482 A JP2011255482 A JP 2011255482A JP 5696025 B2 JP5696025 B2 JP 5696025B2
- Authority
- JP
- Japan
- Prior art keywords
- score
- product
- recommendation
- diversification
- user
- 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)
Description
本発明は、商品情報推薦装置及び方法及びプログラムに係り、特に、電子商取引(E-Commerce)サービスで提供されるユーザの商品購買における、商品情報推薦装置及び方法及びプログラムに関する。 The present invention relates to a product information recommendation device, method, and program, and more particularly, to a product information recommendation device, method, and program in a user's product purchase provided by an electronic commerce service.
情報推薦の手法はいくつも提案されている。例えば、ニュース記事を推薦するために、各ニュース記事についてユーザに5段階の評価をつけさせ、過去の評価履歴を見てユーザ間の嗜好の類似度を測り、嗜好が似たユーザの好むニュース記事を推薦する手法が提案されている(例えば、非特許文献1参照)。 A number of information recommendation methods have been proposed. For example, in order to recommend a news article, the user is given a five-step evaluation for each news article, the past evaluation history is viewed, the degree of preference similarity between users is measured, and the news article preferred by a user with a similar preference Has been proposed (see, for example, Non-Patent Document 1).
また、利用者に興味を持つ部分のテキストを指定させ、そこに含まれる単語の出現頻度に基づいてユーザの興味を推定し、ユーザの興味を表す単語に基づいてコミュニティ内の情報を検索し、ユーザの興味のある箇所のみの情報を提示する手法がある(例えば、特許文献1参照)。 Also, let the user specify the text of the part of interest, estimate the user's interest based on the appearance frequency of the words contained therein, search the information in the community based on the word representing the user's interest, There is a method of presenting only information of a portion that is of interest to the user (for example, see Patent Document 1).
ユーザの満足度を最大化するには、推薦リストの多様化が有効であるとされている。たとえば、映画を推薦する場合、たとえSF好きのユーザであってもSFばかりを推薦するよりは、SFやホラー、アクションを混ぜて推薦する方がユーザの満足度が高くなることが知られている(例えば、非特許文献2参照)。 In order to maximize user satisfaction, diversification of recommendation lists is effective. For example, when recommending movies, it is known that even if users are sci-fi enthusiasts, users are more satisfied with recommending mixed sci-fi, horror, and action than recommending only sci-fi. (For example, refer nonpatent literature 2).
一般にE-Commerceサービスの扱う商品は幅広く、こういった中でユーザが本当に興味のある商品を見つけるのは困難である。 In general, the products handled by the E-Commerce service are wide, and it is difficult for users to find products that they are really interested in.
上記の特許文献1の手法を用いて商品を推薦する場合、ユーザが指定した興味のある語に関連する商品が推薦される。この場合、語を指定しなければならないという問題がある。このようにユーザのインタラクションを必要とするシステムは、ユーザにとっては不便である。
When a product is recommended using the method of
非特許文献1に記載の手法で商品を推薦する場合、ユーザの嗜好を推定し、それに紐付く商品を推薦するので、類似した商品ばかりが推薦され、ユーザの満足度が低下する。しかも、推薦される商品がユーザにとって既知である可能性が高いため、推薦しても新たな購買に結びつきづらい。
When a product is recommended by the method described in Non-Patent
また、非特許文献2に記載の手法で商品を推薦すれば、ユーザの満足度は向上するが、商品の類似度を算出するために商品のメタデータ(ジャンル情報)を用いるため、商品にメタデータが用意されていないE-Commerceサービスには適用できない。 In addition, if a product is recommended by the method described in Non-Patent Document 2, the satisfaction level of the user is improved, but the product metadata (genre information) is used to calculate the similarity of the product. Not applicable to E-Commerce services for which no data is available.
本発明は上記の点に鑑みなされたもので、E-Commerceサービスにおいて、購買情報のみを用いて多様化された推薦リストを作成することにより、商品にメタデータが用意されていない状況下でユーザに満足度の高い推薦を行うことが可能な商品情報推薦装置及び方法及びプログラムを提供することを目的とする。 The present invention has been made in view of the above points. In the E-Commerce service, by creating a diversified recommendation list using only purchase information, a user can use the product in a situation where no metadata is prepared for the product. It is an object of the present invention to provide a product information recommendation device, method and program capable of making a highly satisfactory recommendation.
上記の課題を解決するため、本発明(請求項1)は、電子商取引サービスにおいて、ユーザの購買情報を利用する商品情報推薦装置であって、
前記電子商取引サービスにおける各ユーザIDの購買情報を取得し、購買情報記憶手段に格納する購買情報取得手段と、
取得した前記購買情報を用いて、各ユーザの各商品を購買する確率である推薦スコアを算出し、推薦スコア記憶手段に格納する推薦スコア算出手段と、
取得した前記購買情報を用いて、ある商品を購買したユーザが、他の各商品についてそれは購買しない確率である多様化スコアを算出し、多様化スコア記憶手段に格納する多様化スコア算出手段と、
算出した前記推薦スコアと、算出した前記多様化スコアとを用いて、推薦リストを作成する推薦リスト作成手段と、
を有し、
前記多様化スコア算出手段は、
前記購買情報記憶手段を参照し、ユーザuと該ユーザが購買した商品i、多様化スコア算出のためのパラメータを用いて、商品の組合せ(i,i’)(但し、i’はiより上位商品)について、商品iは購買したことはあるが該商品iより上位の商品i’は購買したことはないユーザの数に基づいて前記多様化スコアP(n(i’)|i)を算出し、2つの商品の組み合わせ(i, i’)を前記推薦スコア記憶手段に格納する手段を含む。
In order to solve the above problems, the present invention (Claim 1) is a product information recommendation device that uses user purchase information in an electronic commerce service,
Purchase information acquisition means for acquiring purchase information of each user ID in the electronic commerce service and storing it in a purchase information storage means;
Using the acquired purchase information, a recommendation score that is a probability of purchasing each product of each user is calculated, and a recommendation score calculation unit that is stored in a recommendation score storage unit;
A diversified score calculating unit that calculates a diversification score that is a probability that a user who has purchased a certain product does not purchase other products using the acquired purchase information, and stores the diversified score in a diversified score storage unit;
A recommendation list creating means for creating a recommendation list using the calculated recommendation score and the calculated diversification score;
I have a,
The diversification score calculation means includes
Refer to the purchase information storage means, using the user u, the product i purchased by the user, and the parameters for calculating the diversification score, the combination of products (i, i ′) (where i ′ is higher than i) The product diversification score P (n (i ′) | i) is calculated based on the number of users who have purchased the product i but have not purchased the product i ′ higher than the product i. And means for storing the combination (i, i ′) of the two products in the recommended score storage means .
また、本発明(請求項2)は、前記推薦リスト作成手段において、
前記推薦スコア記憶手段から前記ユーザuに対する各商品iの推薦スコアを取得し、前記多様化スコア記憶手段から前記2つ商品の組み合せ(i, i’)について前記多様化スコアP(n(i’|i))を取得して、重みパラメータを用いて、1位から順にL位までの商品を決定する手段を含む。
Further, the present invention (Claim 2 ) provides the recommendation list creation means,
The acquired recommendation score for each item i from recommendation score storage means for said user u, the said diversification score storage means two items set viewed together (i, i ') the diversification score P (n About ( i ′ | i) ) is obtained, and means for determining products from the first place to the L place in order using the weight parameter is included.
本発明によれば、商品にメタデータが付与されていないE−Commerceサービスにおいて、各ユーザの購買情報だけを用いて推薦リストを多様化することにより、ユーザの満足度が高い推薦が可能になる。 According to the present invention, in an E-Commerce service in which metadata is not attached to a product, recommendation with high user satisfaction can be achieved by diversifying the recommendation list using only purchase information of each user. .
最初に、本発明の概要を説明する。 First, the outline of the present invention will be described.
本発明では、商品にメタデータが付与されていないE-Commerceサービスにおいて、購買情報だけを用いて多様化されたユーザ満足度の高い推薦リストを提供することを目的とする。具体的には、ユーザの満足度を、「推薦リストを提示した際、そのうち1つでも購買される」確率と定義する。すなわち、従来技術のように単に該ユーザに購買される確率の高い順に商品を並べるのではなく、提供する推薦リストの長さがLであれば、そのL個の商品のうちどれか1つでも購買する確率が最大になるように推薦リストを作成する。1位のものは、該ユーザの購買する確率が最も高い商品である。2位のものは、単に該ユーザの購買する確率が2番目に高い商品ではなく、2位を選択する時点で1位のものは購買しない、好きではないという情報も利用して購買する確率を算出する。このようにすると、2位の商品は1位の商品とは異なるジャンルの中で該ユーザに最も購買される確率の高い商品となり、再帰的に適用すると、推薦リストが多様化される。 An object of the present invention is to provide a highly recommended recommendation list that is diversified using only purchase information in an E-Commerce service in which metadata is not assigned to a product. Specifically, the satisfaction degree of the user is defined as a probability that “when a recommendation list is presented, at least one of them is purchased”. That is, instead of simply arranging products in descending order of probability of purchase by the user as in the prior art, if the length of the recommended list to be provided is L, any one of the L products Create a recommendation list to maximize your purchase probability. The top one is the product with the highest probability of purchase by the user. The second-ranked product is not simply the product with the second highest probability of purchase by the user, but the probability of purchasing using the information that the first-ranked product is not purchased or not liked at the time of selecting the second-ranked item. calculate. In this way, the second-ranked product becomes a product most likely to be purchased by the user in a genre different from the first-ranked product, and when applied recursively, the recommendation list is diversified.
数式を用いて、さらに厳密に説明を行う。ユーザ u に対して、提示する推薦リストを The explanation will be made more strictly using mathematical expressions. A recommendation list to be presented to user u
次に、式(3)の右辺の算出方法について説明する。右辺を直接求めるのは困難なので、ユーザuがアイテムiを購買する確率P(i|u)とl−1位までを購買しない、好きではないユーザがアイテムiを購買する確率
Next, a method for calculating the right side of Equation (3) will be described. Since it is difficult to obtain the right side directly, the probability P (i | u) that the user u purchases the item i and the probability that the user who does not like purchasing the item i does not purchase
式(3)の右辺を推薦項と多様化スコアを用いて算出する方法はいくつかあるが、一つは、 There are several ways to calculate the right side of equation (3) using the recommendation term and the diversification score.
具体的には、SF好きのユーザに、SFの中で該ユーザが最も購買する確率の高い商品、ホラーの中で最も購買する確率の高い商品、アクションの中で最も購買する確率の高い商品、が推薦されるようになり、通常の推薦システムよりも推薦リスト中のどれか一つを購買する確率が高くなる(ユーザの満足度が向上する)。 Specifically, to SF savvy users, the product most likely to be purchased in SF, the product most likely to be purchased in horror, the product most likely to be purchased in action, Will be recommended, and the probability of purchasing any one of the recommendation lists will be higher than the normal recommendation system (the user's satisfaction will be improved).
以下、図面と共に本発明の実施形態を説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
図1は、本発明の一実施の形態における商品推薦装置の構成を示す。 FIG. 1 shows a configuration of a product recommendation device according to an embodiment of the present invention.
同図に示す商品推薦装置1は、購買情報処理部10、推薦スコア算出部20、多様化スコア算出部30、推薦リスト作成部40、記録部50、通信部60、入出力部70から構成され、通信部60はネットワーク3に接続されており、入出力部70は、入力装置や表示装置の外部装置4に接続されている。外部端末2は、例えば本装置と連携するECサイトのようなものにあたる。
A
記憶部50は、購買情報テーブル51、推薦スコアテーブル52、多様化スコアテーブル53から構成される。以下に各テーブルについて説明する。
The
<購買情報テーブル51>
購買情報テーブル51には、図2に示すように、ユーザIDフィールド、商品IDフィールドが含まれる。
<Purchase information table 51>
As shown in FIG. 2, the purchase information table 51 includes a user ID field and a product ID field.
ユーザIDフィールドは、該商品を購買したユーザを特定する識別子が、購買情報処理部10により設定される。
In the user ID field, an identifier for identifying a user who has purchased the product is set by the purchase
商品IDフィールドは、商品情報テーブルに出現する商品の識別子と対応し、購買情報処理部10により設定される。
The product ID field corresponds to the identifier of the product that appears in the product information table, and is set by the purchase
<推薦スコアテーブル52>
推薦スコアテーブル52には、図3に示すように、ユーザIDフィールドと、商品IDフィールドと、推薦スコアフィールドとが含まれる。
<Recommended score table 52>
As shown in FIG. 3, the recommendation score table 52 includes a user ID field, a product ID field, and a recommendation score field.
推薦スコアフィールドは、該ユーザuの、該商品iに対する推薦スコアP(i|u)が推薦スコア算出部20により設定される。
In the recommendation score field, the recommendation score P (i | u) of the user u for the product i is set by the recommendation
<多様化スコアテーブル53>
多様化スコアテーブル53には、図4に示すように、上位商品IDフィールドと、商品IDフィールドと、多様化スコアフィールドとが含まれる。多様化スコアフィールドは、文字通り多様化のために用いられるスコアであるが、直観的に説明すると商品IDフィールドで指定される商品を買うユーザが上位商品IDフィールドで指定される商品を買わない確率(本実施の形態では上位商品IDフィールドで指定される商品を買わないユーザが商品IDフィールドで指定される商品を買う確率になっていないことに注意されたい)を指す。
<Diversification score table 53>
As shown in FIG. 4, the diversification score table 53 includes an upper product ID field, a product ID field, and a diversification score field. The diversification score field is literally a score used for diversification, but intuitively explained, the probability that a user who buys the product specified in the product ID field will not buy the product specified in the higher product ID field ( In this embodiment, it should be noted that a user who does not purchase the product specified in the higher-level product ID field does not have the probability of purchasing the product specified in the product ID field.
上位商品IDフィールドには、商品情報テーブルに出現する商品の識別子と対応し、多様化スコア算出部30により設定される。
In the upper product ID field, the diversification
多様化スコアフィールドは、該商品iを購買するユーザの、該上位商品jを購買しない確率P(n(i')|i)が多様化スコア算出部30により設定される。
In the diversification score field, the diversification
<商品購買時>
はじめに、本発明の一実施の形態における商品購買時の処理を詳細に説明する。本処理は、連携しているECサイトからネットワーク3、通信部70を経て購買情報が送られてきた際に実行される。
<When purchasing products>
First, processing at the time of purchasing a product in an embodiment of the present invention will be described in detail. This process is executed when purchase information is sent from the linked EC site via the network 3 and the
図5は、本発明の一実施形態における商品購買時の処理のフローチャートである。 FIG. 5 is a flowchart of processing at the time of purchasing a product in one embodiment of the present invention.
ステップ110)購買情報処理部10が、購買情報テーブル51に、購買したユーザ、購買された商品に応じてユーザIDフィールド、商品IDフィールドの値を設定した行を挿入する。
Step 110) The purchase
<推薦スコア更新時>
次に、本発明の一実施の形態における推薦スコア更新時の処理を説明する。本処理は、例えばシステム管理者が外部装置4を用いて推薦スコア更新の命令をシステムに投じた際に行なってもよいし、1日おきなど自動で定期的に実行するように設定できるようにしてもよい。
<Recommended score update>
Next, the process at the time of the recommendation score update in one embodiment of this invention is demonstrated. This process may be performed, for example, when the system administrator uses the external device 4 to issue a recommendation score update command to the system, or may be set to be executed automatically every other day. May be.
図6は、本発明の一実施の形態における推薦スコア更新時の処理のフローチャートである。 FIG. 6 is a flowchart of a process at the time of updating a recommendation score according to an embodiment of the present invention.
ステップ210)推薦スコア算出部20が、推薦スコア算出のためのパラメータZ、α、βを設定する。これらパラメータは、予め与えておいた定数により設定される。ただし、Zは1以上の整数であり、α、βは0以上の小数である。
Step 210) The recommendation
ステップ220)推薦スコア算出部20が、購買情報テーブル51を参照し、各購買のユーザuと、商品iを取得する。
Step 220) The recommendation
ステップ230)推薦スコア算出部20が、文献1(Bishop, M.C., "Pattern recognition and machine learning", 2006)記載のCollapsedギブスサンプリングを用いて各購買のトピックzを推定する。
Step 230) The recommendation
ステップ240)推薦スコア算出部20が、ステップ210にて設定したパラメータZ,α、βと、ステップ230にて推定した各購買のトピックzとを用いて式(2)のように各ユーザuの各商品iに対する推薦スコアP(i|u)を算出する。
Step 240) The recommendation
ステップ250)推薦スコア算出部20が、各ユーザu、各商品iについて推薦スコアテーブル52にユーザIDフィールドの値がu、商品IDフィールドの値がiの行の推薦スコアをステップ240で求めたP(i|u)に更新する。
Step 250) The recommendation
次に、上記の図6のステップ230の処理を詳細に説明する。
Next, the processing of
図7は、本発明の一実施の形態における図6のステップ230の詳細な処理のフローチャートである。
FIG. 7 is a flowchart of detailed processing of
ステップ231)推薦スコア算出部20が、各購買のトピックzm(m=1,…,M)を最小値1、最大値Zの整数乱数で初期化する。ただし、Mは購買情報テーブル51の行数を表しており、mは何行目かに対応する。
Step 231) The recommendation
ステップ232を、十分な回数(例えば500回)繰り返す。繰り返しの回数については、予め設定した任意の数でも構わないし、各購買のトピックzが収束したら(ほとんどのzmが変化しなくなったら)そこで打ち切るようにしてもよい。 Step 232 is repeated a sufficient number of times (eg, 500 times). The number of repetitions may be an arbitrary number set in advance, or may be terminated when the topic z of each purchase converges (when most z m ceases to change).
ステップ232)推薦スコア算出部20が、各購買のトピックzm (m=1,…,M)を更新する。
Step 232) The recommended
次に、上記の図7のステップ232の処理を詳細に説明する。 Next, the processing in step 232 in FIG. 7 will be described in detail.
図8は、本発明の一実施の形態における図7のステップ232の詳細な処理のフローチャートである。 FIG. 8 is a flowchart of detailed processing in step 232 of FIG. 7 according to the embodiment of this invention.
全ての購買m=1,…,Mについて、ステップ2321とステップ2322を行う。
ステップ2321)推薦スコア算出部20が、該購買のトピックzmの各トピック候補k=1,…,Zアサインされるサンプリング確率を式(6)により算出する。
Step 2321) The recommendation
ステップ2322)推薦スコア算出部20が、ステップ2321にて算出した該購買のトピックzmの各トピック候補k=1,…,Kへアサインされるサンプリング確率に基づき、乱数を発生させて、zmを更新する。具体的には、k=2,…,Kについて、式(7)に従ってサンプリング確率を更新する。
Step 2322) recommendation
<多様化スコア更新時>
次に、本発明の一実施の形態における多様化スコア更新時の処理を説明する。本処理は、たとえばシステム管理者が外部装置4を用いて多様化スコア更新の命令を当該装置1に投じた際に行なってもよいし、1日おきなど自動で定期的に実行するように設定できるようにしてもよい。
<When updating diversification score>
Next, the process at the time of the diversification score update in one embodiment of this invention is demonstrated. This processing may be performed, for example, when the system administrator uses the external device 4 to issue a diversification score update command to the
図9は、本発明の一実施の形態における多様化スコア更新時の処理のフローチャートである。 FIG. 9 is a flowchart of processing when the diversification score is updated according to the embodiment of this invention.
ステップ310)多様化スコア算出部30が、多様化スコア算出のためのパラメータδを設定する。これらパラメータは、予め与えておいた定数により設定される。ただし、δは0以上の小数である。
Step 310) The diversification
ステップ320)多様化スコア算出部30が、購買情報テーブル51を参照し、各購買のユーザuと、商品iを取得する。
Step 320) The diversification
ステップ330)多様化スコア算出部30が、ステップ310にて設定したパラメータδと、ステップ320にて取得した購買情報を用いて、以下のように2商品の各組合せ(i,i')に対する多様化スコアP(n(i')|i)を算出する。
Step 330) Using the parameter δ set in
ステップ340)多様化スコア算出部30が、2商品の各組合せ(i,i')について多様化スコアテーブル73に上位商品IDフィールドの値がi'、商品IDフィールドの値がiの行の多様化スコアをステップ330で求めたP(n(i')|i)に更新する。
Step 340) The diversification
次に、発明の一実施の形態における商品推薦時の処理を説明する。本処理は、例えば連携しているECサイトからネットワーク3、通信部70を経て商品推薦のリクエストがあった際に実行を開始すればよい。
Next, processing at the time of product recommendation in one embodiment of the invention will be described. This process may be started when a product recommendation request is received from the linked EC site via the network 3 and the
<商品推薦時>
図10は、本発明の一実施の形態における商品推薦時の処理のフローチャートである。今、推薦の対象となっているユーザをuとする。本ユーザIDは連携しているECサイトから情報が送られてくる。
<When recommending products>
FIG. 10 is a flowchart of processing at the time of product recommendation in one embodiment of the present invention. The user who is the object of recommendation now is u. This user ID is sent from the linked EC site.
ステップ410)推薦リスト作成部40が、推薦スコアテーブル52を参照し、該ユーザuに対する各商品iの推薦スコアP(i|u)を取得する。
Step 410) The recommendation
ステップ420)推薦リスト作成部40が、多様化スコアテーブル53を参照し、各2商品の組合せ(i,i')について多様化スコアP(n(i')|i)を取得する。
Step 420) The recommendation
ステップ430)推薦リスト作成部40が、取得した推薦スコア、多様化スコアを用いて上位から順に推薦リストを作成する。具体的な推薦リストの作成法については、前述の式(1)から式(4)、及び式(5)を参照されたい。ただし、
Step 430) The recommendation
ステップ440)推薦リスト作成部40が、該ユーザuに作成した推薦リストを提供する。作成された推薦リストは、通信部70、ネットワーク3を経てECサイトを提供している外部端末2に送られる。
Step 440) The recommendation
なお、上記の商品推薦装置の各構成要素の処理をプログラムとして構築し、商品推薦装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。 Note that the processing of each component of the product recommendation device can be constructed as a program and installed in a computer used as the product recommendation device for execution, or distributed via a network.
また、構築されたプログラムをハードディスクや、フレキシブルディスク、CD−ROM等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。 In addition, the constructed program can be stored in a portable storage medium such as a hard disk, a flexible disk, or a CD-ROM, and can be installed or distributed in a computer.
なお、本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。 The present invention is not limited to the above-described embodiment, and various modifications and applications can be made within the scope of the claims.
1 商品推薦装置
2 外部端末
3 ネットワーク
4 外部装置
10 購買情報処理部
20 推薦スコア算出部
30 多様化スコア算出部
40 推薦リスト作成部
50 記憶部
51 購買情報テーブル
52 推薦スコアテーブル
53 多様化スコアテーブル
60 通信部
70 入出力部
1 Product recommendation device 2 External terminal 3 Network 4
Claims (5)
前記電子商取引サービスにおける各ユーザIDの購買情報を取得し、購買情報記憶手段に格納する購買情報取得手段と、
取得した前記購買情報を用いて、各ユーザの各商品を購買する確率である推薦スコアを算出し、推薦スコア記憶手段に格納する推薦スコア算出手段と、
取得した前記購買情報を用いて、ある商品を購買したユーザが、他の各商品についてそれは購買しない確率である多様化スコアを算出し、多様化スコア記憶手段に格納する多様化スコア算出手段と、
算出した前記推薦スコアと、算出した前記多様化スコアとを用いて、推薦リストを作成する推薦リスト作成手段と、
を有し、
前記多様化スコア算出手段は、
前記購買情報記憶手段を参照し、ユーザuと該ユーザが購買した商品i、多様化スコア算出のためのパラメータを用いて、商品の組合せ(i,i’)(但し、i’はiより上位商品)について、商品iは購買したことはあるが該商品iより上位の商品i’は購買したことはないユーザの数に基づいて前記多様化スコアP(n(i’)|i)を算出し、2つの商品の組み合わせ(i, i’)を前記推薦スコア記憶手段に格納する手段を含む
ことを特徴とする商品情報推薦装置。 In an electronic commerce service, a product information recommendation device that uses user purchase information,
Purchase information acquisition means for acquiring purchase information of each user ID in the electronic commerce service and storing it in a purchase information storage means;
Using the acquired purchase information, a recommendation score that is a probability of purchasing each product of each user is calculated, and a recommendation score calculation unit that is stored in a recommendation score storage unit;
A diversified score calculating unit that calculates a diversification score that is a probability that a user who has purchased a certain product does not purchase other products using the acquired purchase information, and stores the diversified score in a diversified score storage unit;
A recommendation list creating means for creating a recommendation list using the calculated recommendation score and the calculated diversification score;
Have
The diversification score calculation means includes
Refer to the purchase information storage means, using the user u, the product i purchased by the user, and the parameters for calculating the diversification score, the combination of products (i, i ′) (where i ′ is higher than i) The product diversification score P (n (i ′) | i) is calculated based on the number of users who have purchased the product i but have not purchased the product i ′ higher than the product i. And a product information recommendation device comprising means for storing a combination (i, i ′) of two products in the recommendation score storage means.
前記推薦スコア記憶手段から前記ユーザuに対する各商品iの推薦スコアを取得し、前記多様化スコア記憶手段から前記2つ商品の組み合せ(i, i’)について前記多様化スコアP(n(i’|i))を取得して、重みパラメータを用いて、1位から順にL位までの商品を決定する手段を含む
請求項1記載の商品情報推薦装置。 The recommendation list creation means includes:
A recommendation score of each product i for the user u is acquired from the recommendation score storage means, and the diversification score P (n (i ′) for the combination (i, i ′) of the two products from the diversification score storage means. 2. The product information recommendation device according to claim 1, further comprising means for obtaining i)) and determining products from the first place to the L place in order using the weight parameter.
前記装置の購買情報取得手段が、前記電子商取引サービスにおける各ユーザIDの購買情報を取得し、前記装置の購買情報記憶手段に格納する購買情報取得ステップと、
前記装置の推薦スコア算出手段が、取得した前記購買情報を用いて、各ユーザの各商品を購買する確率である推薦スコアを算出し、前記装置の推薦スコア記憶手段に格納する推薦スコア算出ステップと、
前記装置の多様化スコア算出手段が、取得した前記購買情報を用いて、ある商品を購買したユーザが、他の各商品についてそれは購買しない確率である多様化スコアを算出し、前記装置の多様化スコア記憶手段に格納する多様化スコア算出ステップと、
前記装置の推薦リスト作成手段が、算出した前記推薦スコアと、算出した前記多様化スコアとを用いて、推薦リストを作成する推薦リスト作成ステップと、
を行い、
前記多様化スコア算出ステップにおいて、
前記購買情報記憶手段を参照し、ユーザuと該ユーザが購買した商品i、多様化スコア算出のためのパラメータを用いて、商品の組合せ(i,i’)(但し、i’はiより上位商品)について、商品iは購買したことはあるが該商品iより上位の商品i’は購買したことはないユーザの数に基づいて前記多様化スコアP(n(i’)|i)を算出する
ことを特徴とする商品情報推薦方法。 In an electronic commerce service, a product information recommendation method in a device that uses user purchase information,
Purchasing information acquisition means of the device acquires purchasing information of each user ID in the electronic commerce service, and stores the purchasing information in the purchasing information storage means of the device ; and
A recommendation score calculating unit of the device calculates a recommendation score that is a probability of purchasing each product of each user using the acquired purchase information, and stores the recommendation score in a recommendation score storage unit of the device ; ,
The diversification score calculation means of the device uses the acquired purchase information to calculate a diversification score that is a probability that a user who has purchased a product will not purchase another product , and diversifies the device A diversification score calculation step stored in the score storage means;
A recommendation list creating means for creating a recommendation list using the calculated recommendation score and the calculated diversification score;
And
In the diversification score calculation step,
Refer to the purchase information storage means, using the user u, the product i purchased by the user, and the parameters for calculating the diversification score, the combination of products (i, i ′) (where i ′ is higher than i) The product diversification score P (n (i ′) | i) is calculated based on the number of users who have purchased the product i but have not purchased the product i ′ higher than the product i. A method for recommending product information.
前記推薦スコア記憶手段から前記ユーザuに対する各商品iの推薦スコアを取得し、前記多様化スコア記憶手段から前記2つ商品の組み合せ(i, i’)について前記多様化スコアP(n(i’|i))を取得して、重みパラメータを用いて、1位から順にL位までの商品を決定する
請求項3記載の商品情報推薦方法。 In the recommendation list creation step,
A recommendation score of each product i for the user u is acquired from the recommendation score storage means, and the diversification score P (n (i ′) for the combination (i, i ′) of the two products from the diversification score storage means. | i)) is acquired, and the product information recommendation method according to claim 3, wherein the products from the first place to the L place are determined in order using the weight parameter.
請求項1または2に記載の商品情報推薦装置の各手段として機能させるための商品情報推薦プログラム。
Computer
The product information recommendation program for functioning as each means of the product information recommendation device according to claim 1.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011255482A JP5696025B2 (en) | 2011-11-22 | 2011-11-22 | Product information recommendation device, method and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011255482A JP5696025B2 (en) | 2011-11-22 | 2011-11-22 | Product information recommendation device, method and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013109665A JP2013109665A (en) | 2013-06-06 |
JP5696025B2 true JP5696025B2 (en) | 2015-04-08 |
Family
ID=48706340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011255482A Expired - Fee Related JP5696025B2 (en) | 2011-11-22 | 2011-11-22 | Product information recommendation device, method and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5696025B2 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5801257B2 (en) * | 2012-06-13 | 2015-10-28 | 日本電信電話株式会社 | Product diversification recommendation device, method and program |
JP6286076B1 (en) * | 2017-01-18 | 2018-02-28 | 株式会社リクルートホールディングス | Information management apparatus and program |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002117048A (en) * | 2000-10-10 | 2002-04-19 | D Tank:Kk | Purchase motive manifesting method, and method and device for adaptive article and customer extraction |
US20020198882A1 (en) * | 2001-03-29 | 2002-12-26 | Linden Gregory D. | Content personalization based on actions performed during a current browsing session |
JP4378646B2 (en) * | 2005-09-28 | 2009-12-09 | ソニー株式会社 | Information processing apparatus, information processing method, and program |
JP5220629B2 (en) * | 2009-01-20 | 2013-06-26 | ヤフー株式会社 | Content presentation apparatus, content presentation method, and program |
-
2011
- 2011-11-22 JP JP2011255482A patent/JP5696025B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2013109665A (en) | 2013-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5801257B2 (en) | Product diversification recommendation device, method and program | |
US10846775B1 (en) | Identifying item recommendations through recognized navigational patterns | |
EP2304619B1 (en) | Correlated information recommendation | |
US10074121B2 (en) | Shopper helper | |
JP5442547B2 (en) | Content recommendation apparatus and method | |
JP2010113557A (en) | Recommendation device, recommendation method and recommendation program | |
CN107949843A (en) | Item recommendation system, item recommendation method and program | |
US10134073B2 (en) | Information processing device, category displaying method, program, and information storage medium | |
US20160019621A1 (en) | Review based navigation and product discovery platform | |
Barragáns-Martínez et al. | Developing a recommender system in a consumer electronic device | |
JP6056592B2 (en) | Information recommendation device, recommendation information determination method, recommendation information determination program, and information recommendation program | |
KR101708254B1 (en) | Story-based recommendation system and method for movies by character-net and collaborative filtering | |
CN111582979A (en) | Clothing matching recommendation method and device and electronic equipment | |
JP4876115B2 (en) | Content presentation apparatus, content presentation method, and program | |
JP5220629B2 (en) | Content presentation apparatus, content presentation method, and program | |
JP2018169987A (en) | Recommendation information providing system and recommendation information providing method | |
JP5696025B2 (en) | Product information recommendation device, method and program | |
JP2002366838A (en) | Recommendation method, server system, and program | |
JP3975768B2 (en) | Content recommendation device, content recommendation method, program thereof, and program storage medium thereof | |
JP5182509B2 (en) | Information recommendation device, information recommendation method, and information recommendation program | |
JP5398648B2 (en) | Work recommendation device, method and program | |
KR20160027263A (en) | System and server reflecting user real-time preference | |
JP2012222569A (en) | Broadcast-program recommending device, method and program | |
JP5613699B2 (en) | Product recommendation device, method and program | |
JP5451644B2 (en) | RECOMMENDATION SYSTEM, RECOMMENDATION METHOD, RECOMMENDATION PROGRAM, AND INFORMATION STORAGE MEDIUM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20131004 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140225 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140909 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141110 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141202 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150119 |
|
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: 20150203 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150209 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5696025 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |