JP6018541B2 - 推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラム - Google Patents

推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラム Download PDF

Info

Publication number
JP6018541B2
JP6018541B2 JP2013101376A JP2013101376A JP6018541B2 JP 6018541 B2 JP6018541 B2 JP 6018541B2 JP 2013101376 A JP2013101376 A JP 2013101376A JP 2013101376 A JP2013101376 A JP 2013101376A JP 6018541 B2 JP6018541 B2 JP 6018541B2
Authority
JP
Japan
Prior art keywords
rule
association
recommendation
rarity
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
Application number
JP2013101376A
Other languages
English (en)
Other versions
JP2014222398A (ja
Inventor
盛徳 大橋
盛徳 大橋
阿久津　明人
明人 阿久津
深津　真二
真二 深津
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2013101376A priority Critical patent/JP6018541B2/ja
Publication of JP2014222398A publication Critical patent/JP2014222398A/ja
Application granted granted Critical
Publication of JP6018541B2 publication Critical patent/JP6018541B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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、ルールベース推薦における推薦ルールを生成する推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラムに関する。
インターネット回線を介してデジタルコンテンツをユーザに提供するコンテンツ配信サービスが行われている。コンテンツ配信サービスでは、価格やサービスを受ける端末の多様化とともに、コンテンツの豊富さもサービサー間の競争の一つとなっている。コンテンツの豊富さを保ちながら、ユーザにより楽にコンテンツを見つけて、楽しんでもらう方法として、検索や推薦システムの採用などがある。
推薦システムで用いられるアルゴリズムの１つにルールベース推薦がある。ルールベース推薦は、「この商品が選ばれたらこれを薦める」というルールをあらかじめ作っておくものである。このルールの生成には、どの商品とどの商品が一緒に買われているかを分析するアソシエーション分析が用いられる。アソシエーション分析については、例えば、非特許文献１、２に記載されている。
また、特許文献１に、相関ルールを用いたPOSデータ分析装置が記載されている。
特開2011-258023号公報
岡田孝, 元田浩,"相関ルールとその周辺", オペレーションズ・リサーチ9月号 pp.565-571 (2002) Agrawal R. and Srikant R., "Fast algorithms for mining association rules in large database", Proc. VLDB, pp.487-499, Morgan Kaufmann(1994)
アソシエーション分析によって得られるアソシエーションルールには、支持度、信頼度およびリフト値の指標を有する。支持度を低く設定した場合、少数のユーザに当てはまるアソシエーションルールも抽出される。しかしながら、抽出されるアソシエーションルールの数が多くなると、大量のアソシエーションルールの中から推薦や施策検討などに有益なルールを見つけ出すのは困難となる。
一方で、支持度を高く設定した場合、抽出されるアソシエーションルールの数は減少するが、多くのユーザに当てはまるアソシエーションルールは、分析者にとって既知な（当たり前な）ルールが抽出されやすく、事実の確認には向いている反面、その中から推薦や施策検討のための意味あるルールを見つけ出すのは困難である。
本発明は、上記事情に鑑みてなされたものであり、本発明の目的は、大量のアソシエーションルールの中から有益なアソシエーションルールを抽出し、推薦ルールとする推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラムを提供することにある。
上記目的を達成するため、第１の本発明は、推薦ルール生成装置であって、ユーザのコンテンツ消費データを解析し、コンテンツ間の関連を示す複数のアソシエーションルールを生成するアソシエーション分析手段と、前記コンテンツ消費データを用いて、各アソシエーションルールの希少度を算出する希少度算出手段と、前記希少度を用いて前記アソシエーション分析手段が生成したアソシエーションルールを絞り込み、推薦ルールを生成する推薦ルール生成手段と、を備え、前記希少度算出手段は、アソシエーションルール毎に、前記コンテンツ消費データから取得した、当該アソシエーションルールの条件部および帰結部のコンテンツの合計数と、当該アソシエーションルールに該当するユーザ数と、当該アソシエーションルールに該当する各ユーザのコンテンツ消費数と、消費された全コンテンツ数と、当該アソシエーションルールの条件部および帰結部の各コンテンツを消費したユーザ数と、を用いて前記希少度を算出する。
上記推薦ルール生成装置において、前記推薦ルール生成手段は、条件部が同じアソシエーションルール毎にグループ分けし、各グループ毎に希少度が大きい順に所定数のアソシエーションルールを抽出して、前記推薦ルールを生成する。
上記推薦ルール生成装置において、前記推薦ルールを、ルールベース推薦システムに提供する提供手段を、さらに備える。
上記推薦ルール生成装置において、前記提供手段は、希少度を設定したアソシエーションルールを分析者端末に提供する。
第２の本発明は、コンピュータが行う推薦ルール生成方法であって、ユーザのコンテンツ消費データを解析し、コンテンツ間の関連を示す複数のアソシエーションルールを生成するアソシエーション分析ステップと、前記コンテンツ消費データを用いて、各アソシエーションルールの希少度を算出する希少度算出ステップと、前記希少度を用いて前記アソシエーション分析ステップで生成したアソシエーションルールを絞り込み、推薦ルールを生成する推薦ルール生成ステップと、を行い、前記希少度算出ステップは、アソシエーションルール毎に、前記コンテンツ消費データから取得した、当該アソシエーションルールの条件部および帰結部のコンテンツの合計数と、当該アソシエーションルールに該当するユーザ数と、当該アソシエーションルールに該当する各ユーザのコンテンツ消費数と、消費された全コンテンツ数と、当該アソシエーションルールの条件部および帰結部の各コンテンツを消費したユーザ数と、を用いて前記希少度を算出する。
第３の本発明は、前記推薦ルール生成装置としてコンピュータを機能させるための推薦ルール生成プログラムである。
本発明によれば、大量のアソシエーションルールの中から有益なアソシエーションルールを抽出し、推薦ルールとする推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラムを提供することができる。
本実施形態の一例を示すシステムの全体構成図である。 本実施形態の推薦ルール生成部の構成図である。 アソシエーションルール記憶部の一例を示す図である。
以下、本発明の実施の形態について、図面を参照して説明する。
図１は、本実施形態におけるシステム構成の一例を示す全体構成図である。図示するシステムは、コンテンツ配信システム１と、各ユーザが使用する端末２と、分析者が使用する分析者端末３を備える。
コンテンツ配信システム１は、インターネットなどのネットワークを通じて、ビデオ、電子書籍、音楽などのコンテンツ（デジタルコンテンツ）を、ユーザの端末２に配信する。すなわち、端末２からのコンテンツ配信要求に応じて、要求されたコンテンツと、当該コンテンツに関連する推薦コンテンツの情報とを要求元の端末２に配信する。図示するコンテンツ配信システム１は、推薦ルール生成部１１と、ログ蓄積ＤＢ１２と、推薦部１３と、送受信制御部１４と、コンテンツ配信部１５とを有する。
送受信制御部１４は、端末２からコンテンツ配信要求を受信し、当該要求で指定されたコンテンツ情報を、コンテンツ配信部１５および推薦部１３に送出する。
コンテンツ配信部１５は、送受信制御部１４からコンテンツ情報を受け付け、当該コンテンツ情報に対応するコンテンツを、送受信制御部１４を介して要求元の端末２にストリームまたはダウンロードで配信する。
推薦部１３は、ルールベース推薦部１３１と、推薦ルール記憶部１３２とを備える。ルールベース推薦部１３１は、推薦ルール記憶部１３２に記憶された推薦ルールを用いて、ユーザが要求したコンテンツに関連した推薦コンテンツを選択し、当該推薦コンテンツの推薦コンテンツ情報を、送受信制御部１４を介して要求元の端末２に配信する。送受信制御部１４は、要求されたコンテンツとともに、推薦コンテンツ情報を端末２に配信する。
なお、推薦ルール記憶部１３２には、推薦ルール生成部１１が生成した推薦ルールが記憶される。推薦ルールは、「この商品（コンテンツ）が選ばれたらこれを薦める」というルールである。
ログ蓄積ＤＢ１２には、コンテンツ配信システム１のコンテンツ配信サービスを利用したユーザが、配信されたコンテンツを好きなタイミングで端末２で消費したログ情報が記憶される。なお、コンテンツの消費は、例えば、映像コンテンツの場合はユーザが当該コンテンツを視聴すること、電子書籍コンテンツの場合はユーザが当該コンテンツを読むことなどを意味する。端末２は、コンテンツ配信システム１から配信されたコンテンツが消費されると、消費したコンテンツ情報およびユーザ情報を、コンテンツ配信システム１に通知・送信するものとする。コンテンツ配信システム１の送受信制御部１４は、端末２からの通知を受信すると、通知されたコンテンツ情報およびユーザ情報をログ蓄積ＤＢ１２に蓄積する。
なお、送受信制御部１４は、コンテンツ配信部１５が端末２にコンテンツを配信したタイミングで、配信したコンテンツ情報およびユーザ情報を含む配信ログ情報を、ログ蓄積ＤＢ１２に蓄積することとしてもよい。この場合、コンテンツを配信することにより、ユーザが当該コンテンツを消費したとみなすこととする。
推薦ルール生成部１１（推薦ルール生成装置）は、推薦部１３に提供する推薦ルールを生成する。推薦ルール生成部１１については後述する。
コンテンツ配信サービスを利用するユーザは、端末２を用いてコンテンツ配信システム１から所望のコンテンツを取得し、好きなタイミングで取得したコンテンツを消費し、そのログがコンテンツ配信システム１のログ蓄積ＤＢ１２に蓄積される。
端末２は、ユーザの指示を受け付けて、コンテンツ配信要求をコンテンツ配信システム１に送信し、要求したコンテンツをコンテンツ配信システム１からダウンロードまたはストリーミングで受信する。また、端末２は、ユーザが配信されたコンテンツを消費したタイミングで、消費したコンテンツ情報およびユーザ情報を、コンテンツ配信システム１に通知する。なお、端末２には、TV、タブレット、PC、スマートフォン、フューチャーフォンなど、様々な形態の通信可能な装置を用いることができる。
分析者端末３は、顧客分析やデータマイニングを行う分析者が使用する端末であって、推薦ルール生成部１１が生成したアソシエーションルールが出力・送信される。分析者は、アソシエーションルールを用いて、どのコンテンツとどのコンテンツとが併視聴の関係にあるかなどの分析を行う。
図２は、本実施形態の推薦ルール生成部１１の構成を示す構成図である。図示する推薦ルール生成部１１は、データ取得部１１１と、アソシエーション分析部１１２と、希少度算出部１１３と、推薦ルール生成部１１４と、推薦ルール提供部１１５と、データ記憶部１１６と、アソシエーションルール記憶部１１７と、推薦ルール記憶部１１８とを備える。
データ取得部１１１は、ログ蓄積ＤＢ１２から所定の期間のログ情報を読み出し、読み出したログ情報から、ユーザのコンテンツ消費データ（トランザクション）を生成し、データ記憶部１１６に記憶する。ユーザのコンテンツ消費データは、各ユーザが当該所定期間において消費したコンテンツのリストである。
アソシエーション分析部１１２は、データ記憶部１１６に記憶されたコンテンツ消費データを解析し、コンテンツ間の関連を示す複数のアソシエーションルールを生成し、アソシエーションルール記憶部１１７に記憶する。
希少度算出部１１３は、データ記憶部１１６に記憶されたコンテンツ消費データを用いて、各アソシエーションルールの希少度を算出する。具体的には、希少度算出部１１３は、アソシエーションルール毎に、コンテンツ消費データを用いて算出した、当該アソシエーションルールの条件部および帰結部のコンテンツの合計数と、当該アソシエーションルールに該当するユーザ数と、当該アソシエーションルールに該当する各ユーザのコンテンツ消費数と、消費された全コンテンツ数と、当該アソシエーションルールの条件部および帰結部の各コンテンツを消費したユーザ数と、を用いて希少度を算出する。
推薦ルール生成部１１４は、希少度を用いてアソシエーション分析部１１２が生成したアソシエーションルールを絞り込み、推薦ルールを生成し、推薦ルール記憶部１１８に記憶する。推薦ルール提供部１１５は、推薦ルールを推薦部１３に提供・送出するとともに、希少度が設定されたアソシエーションルールを分析者端末３に送信する。
上記説明した推薦ルール生成部１１は、例えば、ＣＰＵと、メモリと、ＨＤＤ等の外部記憶装置などを備えた汎用的なコンピュータシステムを用いることができる。このコンピュータシステムにおいて、ＣＰＵがメモリ上にロードされた推薦ルール生成部１１用のプログラムを実行することにより、推薦ルール生成部１１の各機能が実現される。また、推薦ルール生成部１１用のプログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ−ＲＯＭなどのコンピュータ読取り可能な記録媒体に記憶することも、ネットワークを介して配信することもできる。
次に、本実施形態の推薦ルール生成部１１が行う処理について、図２を参照して説明する。
推薦ルール生成部１１のデータ取得部１１１は、ログ蓄積ＤＢ１２から所定の期間のログ情報を読み出し、読み出したログ情報から、ユーザのコンテンツ消費データ（トランザクション）を生成し、データ記憶部１１６に記憶する。指定期間は、例えば、「現在から過去３ヶ月」のようにシステム管理者が、推薦ルール生成部１１に入力し、設定できるものとする。
アソシエーション分析部１１２は、データ記憶部１１６に記憶されたコンテンツ消費データについて、例えばaprioriアルゴリズム（非特許文献２参照）などの所定のアルゴリズムを用いてアソシエーション分析を行う。
アソシエーション分析は、どの商品（コンテンツ）とどの商品とが一緒に購入（併視聴）されているかを分析するものであり、ユーザ行動を明らかにし、推薦ルールを構築する上で有益なものである。アソシエーション分析は、各ユーザが購入した商品群のデータであるトランザクションから、頻出する商品の組み合わせ規則（相関ルール）を抽出し、商品間関連性を明らかにする分析方法であり、このアソシエーション分析によって得られた商品間の組み合わせ規則をアソシエーションルールと呼ぶ。
例えば「パンを購入したユーザは、その80%が牛乳を購入しており、その2つの商品を購入した人は全ユーザの3%であり、パンを購入したユーザは全ユーザに比べて牛乳を購入する率が2倍になっている」というアソシエーションルールは、“[パン]=>[牛乳]；支持度=3%、信頼度=80%、リフト値=2”と評価される。
この例で [パン]に当たるものを条件部、[牛乳]に当たるものを帰結部と呼ぶ。条件部および帰結部に設定される商品は、複数であってもよい。このようにアソシエーション分析は、支持度、信頼度、リフト値の３つの値を指標として、アソシエーションルールを抽出する。支持度は、アソシエーションルール中のすべての商品（ここでは、パンと牛乳）が現れるようなトランザクションの割合を表す。信頼度は、条件部の商品を購入したユーザ中で帰結部の商品を購入したユーザの割合を表す。リフト値は、全ユーザのうち帰結部の商品を購入したユーザ割合をAとし、信頼度をBとした場合に、B/Aで算出される値である。
なお、aprioriアルゴリズムを用いた場合、あらかじめ最小支持度および最小信頼度を指定することで、支持度が最小支持度以上で、信頼度が最小信頼度以上のアソシエーションルールのみが抽出される。本実施形態では、最小支持度および最小信頼度に、それぞれあらかじめ定めた所定の小さい値（例えば、最小値）を用いることで、大量のアソシエーションルールを抽出するものとする。
アソシエーション分析部１１２は、アソシエーション分析を行うことにより抽出した各アソシエーションルールを、アソシエーションルール記憶部１１７に記憶する。
図３は、アソシエーションルール記憶部１１７に記憶される、各アソシエーションルールを表形式に表したアソシエーションルールテーブルの一例である。図示するアソシエーションルールテーブルでは、アソシエーション分析で抽出された各アソシエーションルール毎に、条件部のコンテンツ情報と、帰結部のコンテンツ情報と、支持度と、信頼度と、リフト値とが設定される。希少度については、以下に説明する。
そして、希少度算出部１１３は、各アソシエーションルールの希少度を算出する。すなわち、希少度算出部１１３は、各アソシエーションルールに対して、データ記憶部１１６に記憶されたデータを用いて、以下の５つのパラメータの値を算出・取得する。希少度は、当該アソシエーションルールの発生する確率（頻度）を表す指標である。
パラメータ１：当該アソシエーションルールの条件部のコンテンツ数と、帰結部のコンテンツ数とを合計したコンテンツ数。
パラメータ２：当該アソシエーションルールに該当するユーザ数（当該アソシエーションルールの条件部および帰結部の全てのコンテンツを消費したユーザ数）。
パラメータ３：当該アソシエーションルールに該当する各ユーザのコンテンツ消費数。
パラメータ４：所定期間において消費された全コンテンツ数
パラメータ５：当該アソシエーションルールの条件部および帰結部の各コンテンツを消費したユーザ数
そして、希少度算出部１１３は、この５つのパラメータを用いて、アソシエーションルール毎に希少度を算出する。希少度は、例えば、以下の式１を用いて算出することができる。
Figure 0006018541
式１の関数ｆは、パラメータ５(Wj)の関数として表される。例えば、式１の関数ｆ(Wj)を、パラメータ５(Wj)の１次に比例する単項式の関数とすると、以下の式２となる。
Figure 0006018541
上記式１および式２では、組み合わせ（例えば、ＣＣＶｘ）使うことで、確率を計算している。偶然が重なるとそれは偶然ではなく、ユーザの意思が反映され、必然となると考え、そのため確率を計算し、確率が小さいものほど希少度が高くなるようにしている。
なお、希少度と各パラメータとの関係は、以下のとおりである。
パラメータ１（m）が大きくなると、Pは小さくなり、希少度は大きくなる。すなわち、条件部と帰結部のコンテンツの数が大きくなればなるほど、その組み合わせが抽出される確率は低くなるため、希少度は大きくなる。
パラメータ２（u）が多くなると、Pは小さくなり、希少度は大きくなる。これは本来偶然であるものであるとの発想から来ており、それが重なれば重なるほど起こりにくいことになり、その本来起きにくい事象が起きているということで希少度が大きくなる。
パラメータ３（V)が多くなると、Pは大きくなり、希少度は小さくなる。コンテンツを多く消費するユーザは、様々なコンテンツを視聴する確率が高くなるため、当該アソシエーションルールが抽出されやすくなると考えら、希少度は小さくなる。
パラメータ４（C)が多くなると、Pは小さくなり、希少度は大きくなる。
パラメータ５（W）が多くなると、Pが大きくなり、希少度は小さくなる。これは、消費したユーザが多ければ、その分、稀な関係でもルールとして抽出されやすいことを考慮している。
そして、希少度算出部１１３は、上記５つのパラメータを用いて算出した各アソシエーションルールの希少度を、アソシエーションルール記憶部１１７に記憶する。これにより、各アソシエーションルールは、支持度、信頼度、リフト値、希少度の４つの指標を有することになる。
そして、推薦ルール生成部１１４は、希少度を用いてアソシエーション分析部１１２が生成した大量のアソシエーションルールを絞り込み、推薦ルールを生成する。具体的には、推薦ルール生成部１１４は、条件部のコンテンツが同じアソシエーションルール毎にグルーピングし、各グループ毎に希少度が大きい順に所定数のアソシエーションルールを、抽出し、各グループ毎にそれぞれ抽出したアソシエーションルールを推薦ルールとして推薦ルール記憶部１１８に記憶する。
すなわち、本実施形態では、希少度が大きいアソシエーションルールの帰結部のコンテンツは、希少度が小さいアソシエーションルールの帰結部のコンテンツと比較して、条件部のコンテンツの推薦コンテンツとしてより有益であるとみなす。なお、抽出するアソシエーションルールの所定数は、システム管理者があらかじめ指定しておくものとする。
そして、推薦ルール提供部１１５は、生成した推薦ルールを、推薦部１３に送出し、提供する。これにより、推薦部１３の推薦ルール記憶部１３２には、推薦ルール生成部１１４が生成した推薦ルールが記憶され、ルールベース推薦部１３１は、当該推薦ルールを用いて、推薦コンテンツを決定する。
なお、推薦ルールを用いて決定した推薦コンテンツをユーザに提示することにより、例えばパラメータ２またはパラメータ５の増加、パラメータ２が増加することによるパラメータ３の最大値や平均値の上昇など、パラメータ１〜５の変化が想定される。これにより希少度が変動し、推薦ルールとして抽出されるべきアソシエーションルールの入れ替え、や、推薦ルールとして抽出されるべき新たなアソシエーションルールが発生する。
そのため、本実施形態の推薦ルール生成部１１は、所定のタイミングで（例えば、１ヶ月に１回など定期的に）、ログ蓄積ＤＢ１２から取得した直近の所定期間のログ情報を用いて、現状に合った推薦ルールを生成し、推薦部１３に提供する。
また、推薦ルール提供部１１５は、アソシエーションルール記憶部１１７に記憶された、希少度が設定された全アソシエーションルール（図３参照）を、分析者の要求に応じて分析者端末３に送信する。推薦ルール提供部１１５は、アソシエーションルールを、例えばCSVまたはTSV形式のファイルにして、ネットワークを介して分析者端末３に送信することが考えられる。
分析者端末３に希少度が設定された全てのアソシエーションルールを送信することで、分析者は、より高度な顧客分析やデータマイニングを実施することができる。例えば、分析者は、どのコンテンツとどのコンテンツとの間に併視聴の関係があるのか（または、併視聴の関係ができ始めているか）を、希少度により把握にすることで、コンテンツの購入計画を立てたり、どのようなキャンペーンを実施するべきかを判断することができるようになる。
次に、本実施形態のコンテンツ配信およびコンテンツ推薦処理について説明する。
ユーザは、自身の端末２を用いて所望のコンテンツを選択する。端末２は、ユーザが選択したコンテンツのコンテンツ情報（例えば、コンテンツ名、コンテンツＩＤ）を含むコンテンツ配信要求を、ネットワークを介してコンテンツ配信システム１に送信する。
コンテンツ配信システム１の送受信制御部１４は、端末２からコンテンツ配信要求を受信すると、当該要求で指定されたコンテンツ情報を、コンテンツ配信部１５および推薦部１３に送出する。コンテンツ配信部１５は、当該コンテンツ情報に対応するコンテンツを送受信制御部１４に送出し、送受信制御部１４は、当該コンテンツをストリームまたはダウンロードで配信する。なお、送受信制御部１４は、コンテンツの配信をユーザのコンテンツ消費とみなして、配信ログ情報をログ蓄積ＤＢ１２に蓄積することとしてもよい。
また、推薦部１３のルールベース推薦部１３１は、推薦ルール記憶部１３２の推薦ルールを用いて、ユーザが要求したコンテンツに対応する推薦コンテンツを選択し、当該推薦コンテンツの推薦コンテンツ情報を送受信制御部１４に送出する。すなわち、ルールベース推薦部１３１は、要求されたコンテンツ情報を条件部に持つアソシエーションルールを、推薦ルールから抽出し、抽出した各アソシエーションルールの帰結部に設定されたコンテンツ情報を、推薦コンテンツ情報として決定する。送受信制御部１４は、推薦コンテンツ情報を、要求されたコンテンツとともに端末２に配信する。
以上説明した本実施形態では、アソシエーション分析で一般的に出力される支持度や信頼度、リフト値の他に、希少度という４つ目の指標を算出し、希少度に基づいてアソシエーションルールの選定を行う。具体的には、条件部のコンテンツが同じアソシエーションルールの中で、希少度が大きい帰結部を持つアソシエーションルールをより有益なアソシエーションルールとして選択・抽出し、ルールベース推薦の推薦ルールとする。
これにより、本実施形態では、大量のアソシエーションルールの中から、有用なアソシエーションルールを選択し、推薦ルールを生成することができる。
すなわち、支持度や信頼度に閾値を設定して、抽出するアソシエーションルールの数を絞る方法では、閾値以下のアソシエーションルールは排除されてしまう。このため、既知または当たり前のルールが抽出されやすく、未知の意味のあるアソシエーションルールが抽出されにくい。未知の意味のあるアソシエーションルールとしては、例えば、少数の人に当てはまるルールであるが、ある一定の必然性を有し、そこにユーザ自身の意図が潜在しているルール、稀に発生するルールであるが確実に発生するルール、現時点では明らかではない埋もれているルールなどが考えられる。
本実施形態では、支持度などに閾値を設けてアソシエーションルールの数を絞り込むことなく、大量のアソシエーションルールの中から希少度を用いて、アソシエーションルールを選択し、推薦ルールを生成することで、支持度が低いアソシエーションルールであっても、推薦や施策検討などに有益なルールを抽出することができる。
また、本実施形態により生成された推薦ルールを用いてコンテンツを推薦することで、ユーザに対して当たり前ではない目新しい推薦コンテンツ情報を提示でき、ユーザは意外性のあるコンテンツを見つける事ができる。
また、本実施形態では、希少度が設定されたアソシエーションルールを分析者端末３に送信することで、数多くのアソシエーションルールの中から、当たり前ではない、施策検討に有益な意味のあるルールを見つけ出すことが容易となる。
なお、本発明は上記実施形態に限定されるものではなく、その要旨の範囲内で数々の変形が可能である。
１ ：コンテンツ配信システム
１１：推薦ルール生成部
１１１：データ取得部
１１２：アソシエーション分析部
１１３：希少度算出部
１１４：推薦ルール生成部
１１５：推薦ルール提供部
１１６：データ記憶部
１１７：アソシエーションルール記憶部
１１８：推薦ルール記憶部
１２：ログ蓄積ＤＢ
１３：推薦部
１３１：ルールベース推薦部
１３１：推薦ルール記憶部
１４：送受信制御部
１５：コンテンツ配信部
２ ：端末
３ ：分析者端末

Claims (6)

  1. 推薦ルール生成装置であって、
    ユーザのコンテンツ消費データを解析し、コンテンツ間の関連を示す複数のアソシエーションルールを生成するアソシエーション分析手段と、
    前記コンテンツ消費データを用いて、各アソシエーションルールの希少度を算出する希少度算出手段と、
    前記希少度を用いて前記アソシエーション分析手段が生成したアソシエーションルールを絞り込み、推薦ルールを生成する推薦ルール生成手段と、を備え、
    前記希少度算出手段は、アソシエーションルール毎に、前記コンテンツ消費データから取得した、当該アソシエーションルールの条件部および帰結部のコンテンツの合計数と、当該アソシエーションルールに該当するユーザ数と、当該アソシエーションルールに該当する各ユーザのコンテンツ消費数と、消費された全コンテンツ数と、当該アソシエーションルールの条件部および帰結部の各コンテンツを消費したユーザ数と、を用いて前記希少度を算出すること
    を特徴とする推薦ルール生成装置。
  2. 請求項１記載の推薦ルール生成装置であって、
    前記推薦ルール生成手段は、条件部が同じアソシエーションルール毎にグループ分けし、各グループ毎に希少度が大きい順に所定数のアソシエーションルールを抽出して、前記推薦ルールを生成すること
    を特徴とする推薦ルール生成装置。
  3. 請求項１または２記載の推薦ルール生成装置であって、
    前記推薦ルールを、ルールベース推薦システムに提供する提供手段を、さらに備えること
    を特徴とする推薦ルール生成装置。
  4. 請求項３記載の推薦ルール生成装置であって、
    前記提供手段は、希少度を設定したアソシエーションルールを分析者端末に提供すること
    を特徴とする推薦ルール生成装置。
  5. コンピュータが行う推薦ルール生成方法であって、
    ユーザのコンテンツ消費データを解析し、コンテンツ間の関連を示す複数のアソシエーションルールを生成するアソシエーション分析ステップと、
    前記コンテンツ消費データを用いて、各アソシエーションルールの希少度を算出する希少度算出ステップと、
    前記希少度を用いて前記アソシエーション分析ステップで生成したアソシエーションルールを絞り込み、推薦ルールを生成する推薦ルール生成ステップと、を行い、
    前記希少度算出ステップは、アソシエーションルール毎に、前記コンテンツ消費データから取得した、当該アソシエーションルールの条件部および帰結部のコンテンツの合計数と、当該アソシエーションルールに該当するユーザ数と、当該アソシエーションルールに該当する各ユーザのコンテンツ消費数と、消費された全コンテンツ数と、当該アソシエーションルールの条件部および帰結部の各コンテンツを消費したユーザ数と、を用いて前記希少度を算出すること
    を特徴とする推薦ルール生成方法。
  6. 請求項１から４のいずれか一項に記載の推薦ルール生成装置としてコンピュータを機能させるための推薦ルール生成プログラム。
JP2013101376A 2013-05-13 2013-05-13 推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラム Active JP6018541B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013101376A JP6018541B2 (ja) 2013-05-13 2013-05-13 推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013101376A JP6018541B2 (ja) 2013-05-13 2013-05-13 推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラム

Publications (2)

Publication Number Publication Date
JP2014222398A JP2014222398A (ja) 2014-11-27
JP6018541B2 true JP6018541B2 (ja) 2016-11-02

Family

ID=52121900

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013101376A Active JP6018541B2 (ja) 2013-05-13 2013-05-13 推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラム

Country Status (1)

Country Link
JP (1) JP6018541B2 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6747144B2 (ja) * 2016-07-28 2020-08-26 富士通株式会社 情報処理装置、情報処理方法およびプログラム
JP6286076B1 (ja) * 2017-01-18 2018-02-28 株式会社リクルートホールディングス 情報管理装置及びプログラム
JP6903595B2 (ja) 2018-01-22 2021-07-14 株式会社日立製作所 データ分析支援システム及びデータ分析支援方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5056803B2 (ja) * 2009-06-30 2012-10-24 株式会社Ｊｖｃケンウッド 情報提供サーバ及び情報提供方法
JP2011039909A (ja) * 2009-08-17 2011-02-24 Albert:Kk 提示情報の最適化方法及びシステム

Also Published As

Publication number Publication date
JP2014222398A (ja) 2014-11-27

Similar Documents

Publication Publication Date Title
US11615156B2 (en) Apparatuses, methods and systems for insight discovery and presentation from structured and unstructured data
WO2020048084A1 (zh) 资源推荐方法、装置、计算机设备及计算机可读存储介质
US9965522B2 (en) Mobile application search ranking
US20160098738A1 (en) Issue-manage-style internet public opinion information evaluation management system and method thereof
Yin et al. A straw shows which way the wind blows: ranking potentially popular items from early votes
JP6784499B2 (ja) 決定装置、決定方法及び決定プログラム
JP6060298B1 (ja) 情報配信装置、情報配信方法および情報配信プログラム
JP2011257916A (ja) 情報提供システム及び情報提供方法
JP2017204199A (ja) 情報提供装置、情報提供方法および情報提供プログラム
JP6092360B1 (ja) 生成装置、生成方法及び生成プログラム
JP2018045553A (ja) 選択装置、選択方法および選択プログラム
US9846746B2 (en) Querying groups of users based on user attributes for social analytics
JP2013025687A (ja) 情報処理システム、情報処理方法、プログラム及び情報記憶媒体
JP6018541B2 (ja) 推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラム
JP5048852B2 (ja) 検索装置、検索方法、検索プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体
JP6067810B2 (ja) 配信装置、配信方法
CN105706409B (zh) 用于增强用户对于服务的参与度的方法、设备及***
JP7447800B2 (ja) レシート処理装置、制御方法、及びプログラム
Shwartz et al. Can composite measures provide a different perspective on provider performance than individual measures?
JP6664580B2 (ja) 算出装置、算出方法および算出プログラム
JP5846033B2 (ja) 情報処理装置、端末装置、情報処理方法、表示方法、情報処理プログラム、及び表示プログラム
JP4962950B2 (ja) ネットワーク上のユーザに対するレコメンデーションの方法、レコメンデーションサーバ及びプログラム
JP6660168B2 (ja) 情報提供装置、情報提供方法、及びプログラム
JP6065061B2 (ja) 情報処理装置、端末装置、情報処理方法、表示方法、情報処理プログラム、及び表示プログラム
JP6007300B1 (ja) 算出装置、算出方法および算出プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150714

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20160520

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160531

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160622

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: 20160927

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160930

R150 Certificate of patent or registration of utility model

Ref document number: 6018541

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150