JP6683638B2 - Notification device, notification method, and notification program - Google Patents
Notification device, notification method, and notification program Download PDFInfo
- Publication number
- JP6683638B2 JP6683638B2 JP2017024759A JP2017024759A JP6683638B2 JP 6683638 B2 JP6683638 B2 JP 6683638B2 JP 2017024759 A JP2017024759 A JP 2017024759A JP 2017024759 A JP2017024759 A JP 2017024759A JP 6683638 B2 JP6683638 B2 JP 6683638B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- information
- usefulness
- recommendation information
- history information
- 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
- 238000000034 method Methods 0.000 title claims description 6
- 230000009471 action Effects 0.000 claims description 175
- 238000004364 calculation method Methods 0.000 claims description 27
- 239000000284 extract Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 238000013145 classification model Methods 0.000 description 37
- 238000003860 storage Methods 0.000 description 17
- 230000006399 behavior Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002889 sympathetic effect Effects 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、レコメンド情報をユーザに通知する通知装置、通知方法、及び通知プログラムに関する。 The present invention relates to a notification device, a notification method, and a notification program that notify a user of recommendation information.
従来、携帯端末を保有するユーザの現在地に基づいて広告情報等の各種情報をレコメンドすることが行われている。例えば、特許文献１には、ユーザの現在地に基づいてユーザが広告媒体を閲覧することが可能なエリアに滞在していることを検出すると、当該ユーザの端末に対して広告媒体に関する詳細な情報をレコメンド情報として通知するシステムが開示されている。 Conventionally, various information such as advertisement information is recommended based on the current location of a user who owns a mobile terminal. For example, in Patent Document 1, when it is detected that the user stays in an area where the advertisement medium can be browsed based on the current location of the user, detailed information regarding the advertisement medium is displayed to the terminal of the user. A system for notifying as recommended information is disclosed.
現在地に基づいてレコメンド情報を通知する場合、通知する時点において有益なレコメンド情報をユーザに通知することができるものの、現在時刻から所定時間経過した後に有益なレコメンド情報を精度良く通知することができないという問題がある。例えば、ユーザのその後の移動による現在地の変化や、時間経過による興味の移り変わりがあることから、現在時刻から所定時間経過した後に位置情報に基づいてレコメンド情報を通知すると、当該レコメンド情報が有益ではなくなっている可能性がある。また、多くの場合、レコメンド情報は、ユーザが次のアクションを取る際の判断材料とされるため、その時刻になってから通知されるよりも、事前に通知されていたほうが有用である。 When notifying the recommended information based on the current location, the user can be notified of the useful recommended information at the time of notification, but the useful recommended information cannot be accurately notified after a predetermined time has elapsed from the current time. There's a problem. For example, if there is a change in the current location due to the user's subsequent movement or a change in interest over time, if the recommendation information is notified based on the position information after a lapse of a predetermined time from the current time, the recommendation information will not be useful. There is a possibility that Further, in many cases, the recommendation information is used as a judgment factor when the user takes the next action, and thus it is more useful to be notified in advance than to be notified at that time.
そこで、本発明はこれらの点に鑑みてなされたものであり、現在時刻から所定時間経過した後に有益なレコメンド情報を精度良く通知することができる通知装置、通知方法、及び通知プログラムを提供することを目的とする。 Therefore, the present invention has been made in view of these points, and provides a notification device, a notification method, and a notification program that can accurately notify useful recommendation information after a predetermined time has elapsed from the current time. With the goal.
本発明の第１の態様に係る通知装置は、ユーザの行動を示す行動情報と、前記行動が行われた時刻を示す時刻情報とを含む行動履歴情報を取得する取得部と、前記行動履歴情報に基づいて、現在時刻から所定時間を経過した時刻における、レコメンド対象となる複数のレコメンド情報のそれぞれの有用度を算出する算出部と、前記有用度が相対的に大きいレコメンド情報を選択する選択部と、選択されたレコメンド情報を前記ユーザに通知する通知部と、を備える。 A notification device according to a first aspect of the present invention is an acquisition unit that acquires action history information including action information indicating a user's action and time information indicating a time at which the action was performed, and the action history information. Based on the, at a time after a predetermined time has elapsed from the current time, a calculating unit that calculates the usefulness of each of a plurality of recommended information to be recommended, and a selecting unit that selects the recommended information having a relatively large usefulness. And a notification unit that notifies the user of the selected recommendation information.
前記取得部は、前記レコメンド情報の通知に対する前記ユーザの反応を示す反応履歴情報を取得し、所定時刻よりも前の時刻に対応する前記行動履歴情報と、前記所定時刻以降の前記反応履歴情報とを教師データとして、前記レコメンド情報の前記有用度を算出するモデルを生成する生成部をさらに備え、前記算出部は、前記レコメンド情報を通知する対象である前記ユーザの前記行動履歴情報を前記モデルに入力することにより、複数のレコメンド情報の有用度を算出してもよい。 The acquisition unit acquires reaction history information indicating the reaction of the user to the notification of the recommendation information, the action history information corresponding to a time earlier than a predetermined time, and the reaction history information after the predetermined time. Further comprising a generation unit for generating a model for calculating the usefulness of the recommendation information as teacher data, wherein the calculation unit sets the action history information of the user who is the target of the recommendation information to the model. You may calculate the usefulness of several recommendation information by inputting.
前記生成部は、前記取得部が複数のユーザのそれぞれから取得した前記行動履歴情報と、前記反応履歴情報とに基づいて複数の前記教師データを生成し、当該教師データを用いて前記モデルを生成してもよい。 The generation unit generates a plurality of the teacher data based on the action history information and the reaction history information acquired by the acquisition unit from each of a plurality of users, and generates the model using the teacher data. You may.
前記生成部は、前記レコメンド情報に対応する行動が行われた時刻よりも前の時刻に対応する前記行動履歴情報に基づいて前記教師データを生成してもよい。
前記生成部は、前記レコメンド情報に対応する行動が行われた時刻から前記所定時間前の時刻よりも前の時刻に対応する前記行動履歴情報に基づいて前記教師データを生成してもよい。
The generation unit may generate the teacher data based on the action history information corresponding to a time before a time at which an action corresponding to the recommendation information is performed.
The generation unit may generate the teacher data based on the action history information corresponding to a time earlier than the time that is the predetermined time before the time when the action corresponding to the recommendation information is performed.
前記算出部は、前記行動履歴情報に基づいて、現在時刻から第１時間を経過した第１時刻における前記複数のレコメンド情報の有用度を算出するとともに、現在時刻から前記第１時間とは異なる第２時間を経過した第２時刻における前記複数のレコメンド情報の有用度を算出し、前記生成部は、一の前記行動履歴情報のうち、前記レコメンド情報に対応する行動が行われた時刻から前記第１時間前の時刻よりも前の時刻に対応する行動履歴情報に基づいて前記教師データを生成するとともに、前記レコメンド情報に対応する行動が行われた時刻から前記第２時間前の時刻よりも前の時刻に対応する行動履歴情報に基づいて前記教師データを生成してもよい。 The calculating unit calculates the usefulness of the plurality of recommendation information at a first time after a lapse of a first time from the current time based on the action history information, and a value different from the first time from the current time. The usefulness of the plurality of pieces of recommendation information at a second time after two hours has elapsed is calculated, and the generation unit calculates the usefulness of the plurality of pieces of recommendation information from the time when an activity corresponding to the recommendation information is performed in the activity history information. The teacher data is generated based on the action history information corresponding to a time earlier than an hour before, and the time before the second time is elapsed from the time when the action corresponding to the recommendation information is performed. The teacher data may be generated based on the action history information corresponding to the time.
前記生成部は、一の前記行動履歴情報の前記第１時間前の時刻を基準として生成された前記教師データに基づいて、第１モデルを生成するとともに、一の前記行動履歴情報を前記第２時間前の時刻を基準として生成された前記教師データに基づいて、第２モデルを生成し、前記算出部は、前記レコメンド情報を通知する対象である前記ユーザの前記行動履歴情報と前記第１モデルに基づいて、現在時刻から前記第１時間を経過した前記第１時刻における前記複数のレコメンド情報の有用度を算出するとともに、当該行動履歴情報と前記第２モデルに基づいて、現在時刻から前記第２時間を経過した前記第２時刻における前記複数のレコメンド情報の有用度を算出してもよい。 The generation unit generates a first model based on the teacher data generated based on a time point before the first time of the one action history information, and sets the one action history information to the second model. A second model is generated based on the teacher data generated based on a time point before the time, and the calculation unit includes the action history information of the user who is the target of the recommendation information and the first model. Based on, while calculating the usefulness of the plurality of recommendation information at the first time after the first time has elapsed from the current time, based on the action history information and the second model, from the current time to the first The usefulness of the plurality of recommendation information at the second time after two hours may be calculated.
前記生成部は、複数の異なる時刻のそれぞれを基準とし、基準とした時刻よりも前の時刻に対応する前記行動履歴情報を一の前記行動履歴情報から抽出することにより、当該一の前記行動履歴情報から複数の前記教師データを生成してもよい。 The generation unit uses each of a plurality of different times as a reference, and extracts the action history information corresponding to a time earlier than the reference time from the one action history information, thereby the one action history. You may generate several said teacher data from information.
前記算出部は、前記複数のレコメンド情報の有用度を、複数の前記モデルに基づいて算出し、前記選択部は、複数の前記モデルに基づいて算出された複数の有用度のうち、相対的に高い有用度に対応するレコメンド情報を選択してもよい。 The calculating unit calculates the usefulness of the plurality of recommendation information based on the plurality of models, the selecting unit, among the plurality of usefulness calculated based on the plurality of models, relative to each other. You may select recommendation information corresponding to high usefulness.
前記算出部は、前記行動履歴情報に基づいて、現在時刻から第１時間を経過した第１時刻における前記複数のレコメンド情報の有用度を算出するとともに、現在時刻から前記第１時間とは異なる第２時間を経過した第２時刻における前記複数のレコメンド情報の有用度を算出し、前記選択部は、前記第１時刻と前記第２時刻とのそれぞれにおいて前記有用度が相対的に高いレコメンド情報を選択し、前記通知部は、前記第１時刻に対して選択されたレコメンド情報と、前記第２時刻に対して選択されたレコメンド情報とを前記ユーザに通知してもよい。 The calculating unit calculates the usefulness of the plurality of recommendation information at a first time after a lapse of a first time from the current time based on the action history information, and a value different from the first time from the current time. The usefulness of the plurality of recommendation information is calculated at the second time after two hours have passed, and the selection unit selects the recommended information having the relatively high usefulness at each of the first time and the second time. In addition, the notification unit may notify the user of the recommended information selected for the first time and the recommended information selected for the second time.
前記算出部は、前記行動履歴情報に基づいて、現在時刻から第１時間を経過した第１時刻における前記複数のレコメンド情報の有用度を算出するとともに、現在時刻から前記第１時間とは異なる第２時間を経過した第２時刻における前記複数のレコメンド情報の有用度を算出し、前記選択部は、前記第１時刻と前記第２時刻とのそれぞれにおいて算出された前記有用度のうち、相対的に有用度が高いレコメンド情報を選択し、前記通知部は、選択されたレコメンド情報を前記ユーザに通知してもよい。 The calculating unit calculates the usefulness of the plurality of recommendation information at a first time after a lapse of a first time from the current time based on the action history information, and a value different from the first time from the current time. Of the usefulnesses calculated at each of the first time and the second time, the selection unit calculates the usefulness of the plurality of pieces of recommendation information at the second time after two hours have passed, and The recommendation unit may notify the user of the recommended information that has been selected, and the notification unit may notify the selected recommended information to the user.
前記算出部は、前記第１時刻と前記第２時刻のそれぞれについて算出された有用度に対して、現在時刻からの経過時間に基づく重み付けを行い、前記選択部は、重み付けがされた後の前記有用度に基づいて、相対的に有用度が高いレコメンド情報を選択してもよい。 The calculating unit weights the usefulness calculated for each of the first time and the second time based on the elapsed time from the current time, and the selecting unit performs the weighting after the weighting. You may select recommendation information with a comparatively high usefulness based on usefulness.
前記算出部は、前記行動履歴情報に基づいて、現在時刻から第１時間を経過した所定時刻における前記複数のレコメンド情報の有用度を算出するとともに、現在時刻よりも過去の時刻から前記第１時間とは異なる第２時間を経過した前記所定時刻における前記複数のレコメンド情報の有用度を算出し、前記選択部は、算出された前記有用度のうち、相対的に有用度が高いレコメンド情報を選択し、前記通知部は、選択されたレコメンド情報を前記ユーザに通知してもよい。 The calculating unit calculates the usefulness of the plurality of recommendation information at a predetermined time after a lapse of a first time from the current time based on the action history information, and the first time from a time earlier than the current time. And calculating the usefulness of the plurality of recommendation information at the predetermined time after a second time different from the above, and the selecting unit selects the recommended information having a relatively high usefulness from the calculated usefulness. However, the notification unit may notify the user of the selected recommendation information.
本発明の第２の態様に係る通知方法は、コンピュータが実行する、ユーザの行動を示す行動情報と、前記行動が行われた時刻を示す時刻情報とを含む行動履歴情報を取得するステップと、前記行動履歴情報に基づいて、現在時刻から所定時間を経過した時刻における、レコメンド対象となる複数のレコメンド情報のそれぞれの有用度を算出するステップと、前記有用度が相対的に大きいレコメンド情報を選択するステップと、選択されたレコメンド情報を前記ユーザに通知するステップと、を備える。 A notification method according to a second aspect of the present invention includes a step of acquiring action history information including action information indicating a user's action and time information indicating a time at which the action is performed, which is executed by a computer, Based on the action history information, at the time when a predetermined time has elapsed from the current time, a step of calculating the usefulness of each of the plurality of recommended information to be recommended, and selecting the recommended information having a relatively large usefulness And a step of notifying the user of the selected recommendation information.
本発明の第３の態様に係る通知プログラムは、コンピュータを、ユーザの行動を示す行動情報と、前記行動が行われた時刻を示す時刻情報とを含む行動履歴情報を取得する取得部、前記行動履歴情報に基づいて、現在時刻から所定時間を経過した時刻における、レコメンド対象となる複数のレコメンド情報のそれぞれの有用度を算出する算出部、前記有用度が相対的に大きいレコメンド情報を選択する選択部、及び、選択されたレコメンド情報を前記ユーザに通知する通知部、として機能させる。 A notification program according to a third aspect of the present invention causes a computer to acquire action history information including action information indicating a user's action and time information indicating a time at which the action was performed, the action. Based on the history information, at a time when a predetermined time has elapsed from the current time, a calculation unit that calculates the usefulness of each of the plurality of recommended information to be recommended, and a selection that selects the recommended information having a relatively large usefulness. And a notification unit that notifies the user of the selected recommendation information.
本発明によれば、現在時刻から所定時間経過した後に有益なレコメンド情報を精度良く通知することができるという効果を奏する。 According to the present invention, there is an effect that useful recommendation information can be accurately notified after a predetermined time has elapsed from the current time.
＜第１実施形態＞
［通知システムＳの概要］
図１は、第１実施形態に係る通知システムＳの概要を示す図である。通知システムＳは、通知装置１と、携帯電話回線やインターネット等の通信ネットワーク３を介して通知装置１と通信可能なユーザ端末２とを備える。通知システムＳは、ユーザ端末２のユーザに対して、現在時刻から所定時間を経過した時刻における有用度が相対的に高いレコメンド情報を通知するためのシステムである。
<First Embodiment>
[Outline of Notification System S]
FIG. 1 is a diagram showing an outline of the notification system S according to the first embodiment. The notification system S includes a notification device 1 and a user terminal 2 that can communicate with the notification device 1 via a communication network 3 such as a mobile phone line or the Internet. The notification system S is a system for notifying the user of the user terminal 2 of the recommendation information having a relatively high degree of usefulness at the time when a predetermined time has elapsed from the current time.
本実施形態において、通知装置１はサーバである。また、本実施形態において、ユーザ端末２は、例えばスマートフォン等の携帯端末である。なお、ユーザ端末２は、スマートフォンに限らず、ユーザの行動を示す行動情報が取得可能であるとともに、レコメンド情報をユーザに通知可能なものであれば他の端末であってもよい。また、図１では、ユーザ端末２を１台のみ表示しているが、通知システムＳは、複数のユーザ端末２を備えているものとする。 In this embodiment, the notification device 1 is a server. In the present embodiment, the user terminal 2 is a mobile terminal such as a smartphone. Note that the user terminal 2 is not limited to a smartphone, and may be any other terminal as long as the behavior information indicating the behavior of the user can be acquired and the recommendation information can be notified to the user. Although only one user terminal 2 is displayed in FIG. 1, it is assumed that the notification system S includes a plurality of user terminals 2.
本実施形態において、通知装置１は、ユーザ端末２から、ユーザの過去の行動を示す行動履歴情報を取得する（図１の（１））。通知装置１は、取得した行動履歴情報に基づいて、現在時刻から所定時間を経過した時刻における複数のレコメンド情報の有用度を算出する（図１の（２））。通知装置１は、有用度が相対的に高いレコメンド情報を選択する（図１の（３））。通知装置１は、選択したレコメンド情報をユーザ端末２に送信し、当該レコメンド情報をユーザに通知する（図１の（４））。このようにすることで、通知装置１は、現在時刻から所定時間経過した後に有益なレコメンド情報を精度良く通知することができる。
続いて、通知装置１の構成について説明する。
In the present embodiment, the notification device 1 acquires the action history information indicating the past action of the user from the user terminal 2 ((1) in FIG. 1). The notification device 1 calculates the usefulness of the plurality of recommendation information at the time when a predetermined time has elapsed from the current time, based on the acquired action history information ((2) in FIG. 1). The notification device 1 selects recommendation information having a relatively high degree of usefulness ((3) in FIG. 1). The notification device 1 transmits the selected recommendation information to the user terminal 2 and notifies the user of the recommended information ((4) in FIG. 1). By doing so, the notification device 1 can accurately notify useful recommendation information after a predetermined time has elapsed from the current time.
Next, the configuration of the notification device 1 will be described.
［通知装置１の構成例］
図２は、第１実施形態に係る通知装置１の構成を示す図である。
通知装置１は、記憶部１１と、制御部１２とを備える。
[Configuration Example of Notification Device 1]
FIG. 2 is a diagram showing the configuration of the notification device 1 according to the first embodiment.
The notification device 1 includes a storage unit 11 and a
記憶部１１は、例えば、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等である。記憶部１１は、通知装置１を機能させるための各種プログラムを記憶する。例えば、記憶部１１は、通知装置１の制御部１２を、後述する取得部１２１、算出部１２２、選択部１２３、通知部１２４、及び生成部１２５として機能させる通知プログラムを記憶する。記憶部１１は、複数のユーザ端末２のそれぞれから取得した行動履歴情報と、レコメンド情報の通知に対するユーザの反応を示す反応履歴情報とを記憶する。
The storage unit 11 is, for example, a ROM (Read Only Memory) and a RAM (Random Access Memory). The storage unit 11 stores various programs for causing the notification device 1 to function. For example, the storage unit 11 stores a notification program that causes the
制御部１２は、例えばＣＰＵ（Central Processing Unit）である。制御部１２は、記憶部１１に記憶されている各種プログラムを実行することにより、通知装置１に係る機能を制御する。制御部１２は、通知プログラムを実行することにより、取得部１２１、算出部１２２、選択部１２３、通知部１２４、及び生成部１２５として機能する。
以下、通知装置１における各種の処理の流れを参照しながら、通知装置１の制御部１２が備える各機能の詳細について説明する。
The
Hereinafter, the details of each function of the
［レコメンド情報の通知］
まず、レコメンド情報を通知する際の処理の流れについて説明する。図３は、第１実施形態に係るレコメンド情報を通知する際の処理の流れを示すフローチャートである。なお、レコメンド情報として扱う情報は、例えば、ニュース情報、アプリケーション情報、アプリケーションに関する情報、クーポン情報、広告情報、ＶＯＤサービスに関する情報であるものとする。
[Notification of recommendation information]
First, a flow of processing when notifying the recommendation information will be described. FIG. 3 is a flowchart showing the flow of processing when notifying the recommendation information according to the first embodiment. The information handled as the recommendation information is, for example, news information, application information, application-related information, coupon information, advertisement information, and VOD service-related information.
まず、取得部１２１は、レコメンド情報を通知する対象であるユーザの行動を示す行動情報と、当該行動が行われた時刻を示す時刻情報とを含む行動履歴情報を取得する（Ｓ１０）。具体的には、取得部１２１は、現在時刻から予め定められた第１時間前までの行動履歴情報を含み、レコメンド情報の取得を要求する取得要求をユーザ端末２から受信したことに応じて、当該取得要求に含まれる行動履歴情報を取得する。
First, the
ここで、ユーザの行動は、ユーザ端末２における各種情報の検出状況によって表される。ユーザの行動を示す情報としては、例えば、ユーザ端末２の位置を示す位置情報、ユーザ端末２の電池残量を示す情報、ユーザ端末２におけるアプリケーションの利用履歴を示す利用履歴情報、ユーザ端末２が備える表示部のＯＮ／ＯＦＦを示す情報、ユーザ端末２が検出した加速度を示す情報、あるいはそれら複数からなる情報が挙げられる。 Here, the behavior of the user is represented by the detection status of various information in the user terminal 2. The information indicating the behavior of the user includes, for example, position information indicating the position of the user terminal 2, information indicating the remaining battery level of the user terminal 2, use history information indicating the use history of applications in the user terminal 2, and the user terminal 2. Examples of the information include information indicating ON / OFF of a display unit included therein, information indicating acceleration detected by the user terminal 2, or information including a plurality of these.
続いて、取得部１２１は、行動履歴情報を取得すると、当該行動履歴情報を記憶部１１に記憶させる（Ｓ２０）。記憶部１１に記憶された行動履歴情報は、レコメンド情報の有用度を算出するのに用いられるだけでなく、後述する分類モデルを生成する場合にも用いられる。分類モデルの生成については後述する。
Subsequently, when the
続いて、算出部１２２は、行動履歴情報に基づいて、現在時刻から所定時間を経過した時刻における、レコメンド対象となる複数のレコメンド情報の有用度を算出する（Ｓ３０）。ここで、所定時間は、例えば１時間である。
Subsequently, the
記憶部１１には、行動履歴情報に基づいてレコメンド情報の有用度を算出する分類モデルが記憶されている。第１実施形態では、レコメンド情報として扱われる複数の情報のそれぞれの有用度を算出する分類モデルが記憶されているものとする。算出部１２２は、Ｓ１０において取得された行動履歴情報を分類モデルに入力することにより、複数のレコメンド情報のそれぞれの有用度を算出する。
The storage unit 11 stores a classification model that calculates the usefulness of the recommendation information based on the action history information. In the first embodiment, it is assumed that a classification model for calculating the usefulness of each of a plurality of pieces of information treated as recommendation information is stored. The
続いて、選択部１２３は、Ｓ３０において算出された複数の有用度のうち、相対的に大きい有用度を特定する。選択部１２３は、特定した有用度に対応するレコメンド情報を選択する（Ｓ４０）。
Subsequently, the
続いて、通知部１２４は、Ｓ４０において選択されたレコメンド情報を、レコメンド情報を通知する対象のユーザに通知する（Ｓ５０）。具体的には、Ｓ１０においてレコメンド情報の取得要求を送信したユーザ端末２にレコメンド情報を送信する。ユーザ端末２は、レコメンド情報を受信したことに応じて、当該レコメンド情報を自身が備える表示部に表示させる。
Then, the
続いて、取得部１２１は、レコメンド情報の通知に対するユーザの反応を示す反応履歴情報を取得する（Ｓ６０）。具体的には、取得部１２１は、通知部１２４がレコメンド情報を通知した後に所定時間以上経過すると、ユーザ端末２から反応履歴情報を取得する。ここで、反応履歴情報には、レコメンド情報に対応する行動を示す反応情報と、当該行動が行われた時刻を示す時刻情報とが含まれている。ここで、レコメンド情報に対応する行動は、例えば、ニュース情報、アプリケーション情報、アプリケーションに関する情報、クーポン情報、広告情報、音楽や動画（放送チャンネルやＶＯＤコンテンツ）を閲覧したこと、購入したことを示す情報、ソーシャルネットワークサービスにおける返信行動や「いいね」等の共感行動、又は、知人への情報共有行動を示す情報である。なお、反応履歴情報には、レコメンド情報が通知されてから、同じ内容のレコメンド情報の以降の通知を削除する等の拒否を示す反応や、レコメンド情報に対応する行動が行われなかったことを示す情報が含まれていてもよい。
Subsequently, the
続いて、取得部１２１は、反応履歴情報を取得すると、当該反応履歴情報を記憶部１１に記憶させる（Ｓ７０）。記憶部１１に記憶された反応履歴情報は、後述する分類モデルを生成するために用いられる。
Subsequently, when acquiring the reaction history information, the
［分類モデルの生成］
続いて、分類モデルを生成する際の処理の流れについて説明する。第１実施形態において、通知装置１は、レコメンド情報に対応する行動が行われた時刻を示す所定時刻に着目し、所定時刻よりも前の行動履歴情報と、所定時刻以降の反応履歴情報とを教師データとして分類モデルを生成する。図４は、第１実施形態に係る分類モデルを生成する際の処理の流れを示すフローチャートである。
[Generation of classification model]
Next, the flow of processing when generating a classification model will be described. In the first embodiment, the notification device 1 focuses on a predetermined time indicating the time at which the action corresponding to the recommendation information is performed, and records the action history information before the predetermined time and the reaction history information after the predetermined time. A classification model is generated as teacher data. FIG. 4 is a flowchart showing the flow of processing when generating a classification model according to the first embodiment.
まず、取得部１２１は、記憶部１１に記憶されている行動履歴情報と反応履歴情報とを取得する（Ｓ１１０）。
続いて、生成部１２５は、取得された行動履歴情報と反応履歴情報とに基づいて教師データを生成する（Ｓ１２０）。例えば、生成部１２５は、取得された行動履歴情報及び反応履歴情報のうち、所定時刻よりも前の行動履歴情報と、所定時刻以降の反応履歴情報とを教師データとする。ここで、行動履歴情報は、例えば、半日分の行動履歴を含み、反応履歴情報は、１時間分の反応履歴を含む。
First, the
Subsequently, the
図５は、本実施形態に係る教師データを生成する例を説明する図である。図５に示されるように、１９時に、１時間後の２０時に対応するレコメンド情報がユーザ端末２に通知され、ユーザがレコメンド情報に基づいて２０時にレコメンド情報に対応する行動をとったとする。この場合、所定時刻は２０時である。 FIG. 5 is a diagram illustrating an example of generating teacher data according to this embodiment. As shown in FIG. 5, it is assumed that the user terminal 2 is notified of the recommendation information corresponding to 20:00, which is one hour after 19:00, and the user takes an action corresponding to the recommendation information at 20:00 based on the recommendation information. In this case, the predetermined time is 20:00.
生成部１２５は、所定時刻から所定時間前の時刻よりも前の行動履歴情報と、所定時刻以降の反応履歴情報とに基づいて教師データを生成する。図５に示す例では、生成部１２５は、通知時刻である１９時よりも前の行動履歴情報と、レコメンド情報に対応する行動が行われた所定時刻である２０時以降の反応履歴情報とから構成される教師データを生成する。ここで、生成部１２５は、複数の日のそれぞれについて、１９時よりも前の行動履歴情報と、２０時以降の反応履歴情報とから構成される教師データを生成してもよい。
The
現在時刻が１９時である場合に、通知装置１が２０時に対応するレコメンド情報を通知する場合、現在時刻と同時刻（１９時）以前の行動履歴に基づいて、２０時において有用度が相対的に高いレコメンド情報を通知することが好ましい。これに対し、生成部１２５は、上述のように、１９時よりも前の行動履歴情報と、２０時以降の反応履歴情報とから構成される教師データを生成するので、現在時刻から１時間（所定時間）経過後のレコメンド情報の有用度を算出するための分類モデルを精度良く生成することができる。
When the notification device 1 notifies the recommendation information corresponding to 20:00 when the current time is 19:00, the usefulness at 20:00 is relative based on the action history before the same time (19:00) as the current time. It is preferable to notify the user of high recommendation information. On the other hand, as described above, the
なお、生成部１２５は、所定時刻は、レコメンド情報に対応する行動が行われた時刻であることとしたが、これに限らない。生成部１２５は、レコメンド情報に対応する行動が行われると予想された時刻を所定時刻としてもよい。例えば、ユーザにレコメンド情報を通知した後に、当該ユーザがレコメンド情報に対応する行動をとらない場合がある。
Although the
そこで、記憶部１１に、レコメンド情報が通知された通知時刻を記憶しておき、生成部１２５が、当該通知時刻から所定時間後の時刻を、所定時刻、すなわち、レコメンド情報に対応する行動が行われると予想された時刻とする。そして、生成部１２５は、当該所定時刻から所定時間前の時刻（通知時刻）よりも前の行動履歴情報と、所定時刻以降の反応履歴情報とに基づいて教師データを生成する。このようにすることで、通知装置１は、反応履歴情報がレコメンド情報に対応する行動を含まない場合に対応した教師データを生成することができる。
Therefore, the notification time at which the recommendation information is notified is stored in the storage unit 11, and the
また、生成部１２５は、レコメンド情報が通知されることなく、レコメンド情報に対応する行動が行われたときの行動履歴情報及び反応履歴情報に基づいて教師データを生成してもよい。例えば、生成部１２５は、反応履歴情報に含まれているレコメンド情報に対応する行動が行われた時刻を所定時刻とする。そして、生成部１２５は、所定時刻よりも所定時間前の時刻にレコメンド情報が通知されていない場合であっても、所定時刻よりも所定時間前の時刻よりも前の行動履歴情報と、所定時刻以降の反応履歴情報とに基づいて教師データを生成する。このようにすることで、通知装置１は、レコメンド情報が通知されずに、レコメンド情報に対応する行動が行われたケースに対応する教師データを生成することができる。
Further, the
また、生成部１２５は、Ｓ１１０において取得された行動履歴情報と反応履歴情報から複数の教師データを生成してもよい。図６は、本実施形態に係る複数の教師データを生成する例を説明する図である。例えば、図６に示すように、時刻Ｔ１、Ｔ２、Ｔ３においてレコメンド情報に対応する行動が実施され、当該行動を示す情報が反応履歴情報に含まれているものとする。この場合、生成部１２５は、時刻Ｔ１、Ｔ２、Ｔ３をそれぞれ所定時刻とし、当該所定時刻から所定時間前の時刻よりも前の行動履歴情報と、当該所定時刻以降の反応履歴情報とに基づいて教師データを生成する。これにより、図６に示す例では、３つの教師データが生成される。
Further, the
続いて、生成部１２５は、Ｓ１２０において生成された教師データに基づいて機械学習を行うことにより、レコメンド情報の有用度を算出する分類モデルを生成する（Ｓ１３０）。例えば、生成部１２５は、教師データを構成する行動履歴情報が示すユーザの行動を示す特徴量ベクトルを生成する。生成部１２５は、教師データを構成する反応履歴情報がレコメンド情報に対応する行動を含む場合を正例、当該反応履歴情報がレコメンド情報に対応する行動を含まない場合を負例とする。そして、生成部１２５は、生成した特徴量ベクトルと正例又は負例とに基づいて機械学習を行い、特徴量ベクトルを正例又は負例に分類する分類モデルを生成する。ここで、分類モデルは、特徴量ベクトルが入力されたことに応じて、レコメンド情報に対応する行動が行われる確率を、有用度として出力するものとする。
Subsequently, the
なお、生成部１２５は、分類モデルの生成にかかる処理時間を短縮するために、生成した特徴量ベクトルを圧縮し、圧縮された特徴量ベクトルに基づいて機械学習を行うようにしてもよい。この場合、生成部１２５は、自己符号化器（オートエンコーダ）を用いることにより、圧縮された特徴量ベクトルを生成するようにしてもよい。
Note that the
ここで、自己符号化器は、行動履歴情報から生成されるｎ個の要素を含む特徴量ベクトルを、ｎ個よりも少ないｋ個の要素を含む特徴量ベクトルに圧縮する圧縮部と、ｋ個の要素に圧縮された特徴量ベクトルからｎ個の要素を含む特徴量ベクトルに再現する再現部と、再現された特徴量ベクトルと圧縮前の特徴量ベクトルとの差を誤差として算出する誤差算出部とを備える。また、自己符号化器は、誤差算出部によって算出される誤差が小さくなるように、圧縮部における圧縮度合いを調整する調整部を備える。自己符号化器は、調整部による調整が完了した後に機械学習を行う。このようにすることで、自己符号化器は、圧縮された特徴量ベクトルを、圧縮前の特徴量ベクトルが示す特徴量を反映したものとすることができる。 Here, the self-encoder is configured to compress a feature amount vector including n elements generated from the action history information into a feature amount vector including k elements less than n, and a k compression unit. A reproduction unit that reproduces a feature amount vector that includes n elements from a feature amount vector that is compressed into an element, and an error calculation unit that calculates the difference between the reproduced feature amount vector and the uncompressed feature amount vector as an error. With. Further, the self-encoder includes an adjustment unit that adjusts the compression degree in the compression unit so that the error calculated by the error calculation unit becomes small. The self-encoder performs machine learning after the adjustment by the adjustment unit is completed. By doing so, the self-encoder can make the compressed feature amount vector reflect the feature amount indicated by the feature amount vector before compression.
生成部１２５は、複数のレコメンド情報に対応する行動のそれぞれについて、レコメンド情報が通知された通知時刻よりも前の行動履歴情報と、所定時刻後の反応履歴情報とに基づいて機械学習を行う。そして、生成部１２５は、複数のレコメンド情報のそれぞれの有用度を算出する分類モデルを生成する。なお、生成部１２５は、複数のレコメンド情報に対応する行動のそれぞれについて、異なる分類モデルを生成するようにしてもよい。
生成部１２５は、生成した分類モデルを記憶部１１に記憶させる（Ｓ１４０）。
The
The
また、本実施形態において、生成部１２５は、複数のユーザのそれぞれについて、分類モデルを生成することとするが、これに限らない。例えば、生成部１２５は、取得部１２１が複数のユーザのそれぞれから取得した行動履歴情報と反応履歴情報とに基づいて複数の教師データを生成してもよい。そして、生成部１２５は、当該教師データを用いて、複数のユーザに共通する分類モデルを生成してもよい。このようにすることで、通知装置１は、複数のユーザのそれぞれから行動履歴情報を取得する場合に比べて多くの行動履歴情報を取得することができるので、これらの行動履歴情報に基づいて多くの行動事例に対応した分類モデルを生成することができる。
Further, in the present embodiment, the
［第１実施形態における効果］
以上のとおり、第１実施形態に係る通知システムＳでは、通知装置１は、ユーザの行動履歴情報に基づいて、現在時刻から所定時間を経過した時刻における、レコメンド対象となる複数のレコメンド情報のそれぞれの有用度を算出する。そして、通知装置１は、算出された有用度が相対的に大きいレコメンド情報を選択してユーザ端末２のユーザに通知する。このようにすることで、通知装置１は、ユーザの行動履歴に基づいて、現在時刻から所定時間経過した後に有益なレコメンド情報を精度良く通知することができる。
[Effects of First Embodiment]
As described above, in the notification system S according to the first embodiment, the notification device 1 uses the action history information of the user to select each of the plurality of recommended information items to be recommended at the time when a predetermined time has elapsed from the current time. Calculate the usefulness of. Then, the notification device 1 selects the recommendation information for which the calculated usefulness is relatively large and notifies the user of the user terminal 2 of the recommended information. By doing so, the notification device 1 can accurately notify the useful recommendation information after a lapse of a predetermined time from the current time, based on the behavior history of the user.
また、通知装置１は、レコメンド情報に対応する行動が行われた時刻を示す所定時刻に着目し、所定時刻よりも前の行動履歴情報と、所定時刻以降の反応履歴情報とを教師データとして分類モデルを生成する。そして、通知装置１は、当該分類モデルに、レコメンド対象のユーザの行動履歴を入力することにより、複数の行動のそれぞれの有用度を算出する。このように、通知装置１は、行動履歴と、当該行動履歴が発生した後の反応履歴情報との関係に基づいて生成された分類モデルに基づいて、新たに取得した行動履歴に対して有用度の高い行動をレコメンド情報として選択することができる。 Further, the notification device 1 focuses on a predetermined time indicating the time at which the action corresponding to the recommendation information is performed, and classifies the action history information before the predetermined time and the reaction history information after the predetermined time as teacher data. Generate a model. Then, the notification device 1 calculates the usefulness of each of the plurality of actions by inputting the action history of the recommendation target user into the classification model. As described above, the notification device 1 uses the classification history model generated based on the relationship between the action history and the reaction history information after the action history is generated, to the newly acquired action history. Higher behavior can be selected as the recommendation information.
＜第２実施形態＞
［現在時刻からの異なる経過時間に対応してレコメンド情報を通知する］
続いて、第２実施形態について説明する。第１実施形態に係る通知装置１は、現在時刻から所定時間経過した時刻において有用度が高いレコメンド情報を通知した。このようにレコメンド情報を通知すると、現在時刻から所定時間とは異なる時間が経過した時刻において有用度が高いレコメンド情報を通知することができないという問題がある。これに対して、第２実施形態に係る通知装置１は、現在時刻からの異なる経過時間に対応してレコメンド情報を通知する。以下、第２実施形態に係る通知システムＳについて説明する。第１実施形態と同じ部分については適宜説明を省略する。
<Second Embodiment>
[Recommend recommendation information according to different elapsed time from the current time]
Next, the second embodiment will be described. The notification device 1 according to the first embodiment notifies the recommendation information having a high degree of usefulness at a time when a predetermined time has elapsed from the current time. When the recommendation information is notified in this way, there is a problem in that the recommendation information having a high degree of usefulness cannot be notified at a time when a time different from the predetermined time has elapsed from the current time. On the other hand, the notification device 1 according to the second embodiment notifies the recommendation information corresponding to different elapsed times from the current time. Hereinafter, the notification system S according to the second embodiment will be described. Description of the same parts as those in the first embodiment will be appropriately omitted.
第２実施形態に係る生成部１２５は、現在時刻からの異なる経過時間に対応してレコメンド情報を通知できるようにするために、異なる経過時間に対応する複数の分類モデルを生成する。
The
具体的には、第２実施形態に係る生成部１２５は、取得部１２１が取得した一の行動履歴情報のうち、レコメンド情報に対応する行動が行われた時刻から第１時間前の時刻よりも前の行動履歴情報に基づいて教師データを生成するとともに、当該レコメンド情報に対応する行動が行われた時刻から、第１時間よりも長い第２時間前の時刻よりも前の行動履歴情報に基づいて教師データを生成する。
Specifically, the
図７は、第２実施形態に係る複数の教師データを生成する例を説明する図である。例えば、図７に示すように、２０時においてレコメンド情報に対応する行動が実施され、当該行動を示す情報が反応履歴情報に含まれているものとする。この場合、生成部１２５は、２０時を所定時刻とする。
FIG. 7 is a diagram illustrating an example of generating a plurality of teacher data according to the second embodiment. For example, as shown in FIG. 7, it is assumed that an action corresponding to the recommendation information is performed at 20:00 and the information indicating the action is included in the reaction history information. In this case, the
第１時間を１時間とすると、生成部１２５は、１９時よりも前の行動履歴情報と、２０時以降の反応履歴情報とに基づいて教師データを生成する。また、第２時間を２時間とすると、生成部１２５は、１８時よりも前の行動履歴情報と、２０時以降の反応履歴情報とに基づいて教師データを生成する。このようにすることで、通知装置１は、同じ情報を含む行動履歴情報及び反応履歴情報のうち、異なる期間の行動履歴情報及び反応履歴情報を抽出して、複数の教師データを生成することができる。
If the first time is 1 hour, the
生成部１２５は、生成した複数の教師データに基づいて機械学習を行うことにより分類モデルを生成する。具体的には、生成部１２５は、所定時刻よりも第１時間前の時刻を基準として生成された教師データに基づいて第１モデルを生成する。また、生成部１２５は、所定時刻よりも第２時間前の時刻を基準として生成された教師データに基づいて第２モデルを生成する。図７に示すように教師データが生成される場合、生成部１２５は、行動履歴情報の取得時刻から１時間経過後のレコメンド情報の有用度を算出する第１モデルを生成するとともに、当該取得時刻から２時間経過後のレコメンド情報の有用度を算出する第２モデルを生成する。生成部１２５は、生成した複数のモデルを記憶部１１に記憶させる。
The
取得部１２１は、第１実施形態と同様に、レコメンド情報を通知する対象であるユーザのユーザ端末２から、レコメンド情報の取得要求を受信すると、当該取得要求に含まれる行動履歴情報を取得する。
When the
算出部１２２は、取得された行動履歴情報に基づいて、現在時刻から第１時間を経過した第１時刻における複数のレコメンド情報の有用度を算出するとともに、現在時刻から第２時間を経過した第２時刻における前記複数のレコメンド情報の有用度を算出する。
The
具体的には、算出部１２２は、取得された行動履歴情報と第１モデルとに基づいて、現在時刻から第１時間を経過した第１時刻における複数のレコメンド情報の有用度を算出するとともに、当該行動履歴情報と第２モデルとに基づいて、現在時刻から第２時間を経過した第２時刻における複数のレコメンド情報の有用度を算出する。
Specifically, the
例えば、図７に示す例に基づいて第１モデル及び第２モデルが作成され、現在時刻が１８時である場合、算出部１２２は、第１モデルに基づいて１９時における複数のレコメンド情報の有用度を算出する。また、算出部１２２は、第２モデルに基づいて２０時における複数のレコメンド情報の有用度を算出する。
For example, when the first model and the second model are created based on the example illustrated in FIG. 7 and the current time is 18:00, the
なお、取得された行動履歴情報に基づいて、現在時刻から第１時間を経過した所定時刻における複数のレコメンド情報の有用度を算出するとともに、現在時刻よりも過去の時刻から第１時間とは異なる第２時間を経過した当該所定時刻における複数のレコメンド情報の有用度を算出してもよい。例えば、算出部１２２は、現在時刻が１８時である場合に、第１モデルに基づいて１９時における複数のレコメンド情報の有用度を算出するとともに、１７時よりも前の行動履歴情報と第２モデルとに基づいて１９時における複数のレコメンド情報の有用度を算出してもよい。
Based on the acquired action history information, the usefulness of a plurality of recommendation information at a predetermined time after the first time has elapsed from the current time is calculated, and the usefulness of the plurality of recommendation information is different from the first time from the time earlier than the current time. You may calculate the usefulness of several recommendation information in the said predetermined time which passed 2nd time. For example, when the current time is 18:00, the
続いて、選択部１２３は、複数のモデルに基づいて算出された複数の有用度のうち、相対的に高い有用度に対応するレコメンド情報を選択する。例えば、選択部１２３は、現在時刻が１８時である場合に算出された、１９時における複数のレコメンド情報の有用度と、２０時における複数のレコメンド情報の有用度とのうち、最も高い有用度に対応するレコメンド情報を選択する。
Subsequently, the
続いて、通知部１２４は、選択されたレコメンド情報と、当該レコメンド情報に対応する時刻とを関連付けて、レコメンド情報を通知する対象のユーザに通知する。ユーザ端末２は、レコメンド情報に対応する時刻と、レコメンド情報とを表示部に表示させることにより、レコメンド情報をユーザに通知する。
Then, the
なお、現在時刻からの経過時間に応じてそれぞれのレコメンド情報の重要度は異なる。例えば、現在時刻が１８時である場合に、２０時に対応するレコメンド情報よりも、１９時に対応するレコメンド情報のほうがレコメンドの精度が高い。そこで、算出部１２２は、第１時刻と第２時刻のそれぞれについて算出された有用度に対して、現在時刻からの経過時間に基づく重み付けを行うようにしてもよい。この場合において、算出部１２２は、例えば、現在時刻からの経過時間が短いほど有用度が高くなるように重み付けを行う。
The importance of each recommendation information differs depending on the time elapsed from the current time. For example, when the current time is 18:00, the recommendation information corresponding to 19:00 has higher recommendation accuracy than the recommendation information corresponding to 20:00. Therefore, the
選択部１２３は、重み付けがされた後の有用度に基づいて、相対的に有用度が高いレコメンド情報を選択する。このようにすることで、通知装置１は、経過時間を考慮して有用度が高いレコメンド情報をユーザに通知することができる。
The
また、選択部１２３は、第１時刻に対して算出された複数の有用度のうち、相対的に大きい有用度を特定するとともに、第２時刻に対して算出された複数の有用度のうち、相対的に大きい有用度を特定するようにしてもよい。この場合、通知部１２４は、第１時刻に対して選択されたレコメンド情報と、第２時刻に対して選択されたレコメンド情報とを、レコメンド情報に対応する時刻と関連付けて、レコメンド情報を通知する対象のユーザに通知する。
In addition, the
［第２実施形態における効果］
以上のとおり、第２実施形態に係る通知装置１は、第１モデルに基づいて現在時刻から第１時間を経過した第１時刻における複数のレコメンド情報の有用度を算出するとともに、第２モデルに基づいて、現在時刻から第２時間を経過した第２時刻における複数のレコメンド情報の有用度を算出する。このようにすることで、通知装置１は、ユーザに現在時刻からの異なる経過時間に対応するレコメンド情報を通知することができる。
[Effects of Second Embodiment]
As described above, the notification device 1 according to the second embodiment calculates the usefulness of the plurality of recommendation information at the first time when the first time has elapsed from the current time based on the first model, and the notification device 1 uses the second model as the second model. Based on this, the usefulness of the plurality of recommendation information at the second time after the second time from the current time is calculated. By doing so, the notification device 1 can notify the user of the recommendation information corresponding to different elapsed times from the current time.
＜第３実施形態＞
［予め定められた時刻に着目して教師データを生成する］
続いて、第３実施形態について説明する。第１実施形態に係る通知装置１は、レコメンド情報に対応する行動が行われた時刻を示す所定時刻に着目して教師データを生成して分類モデルを生成した。これに対して、第３実施形態に係る通知装置１は、予め定められた時刻に着目して教師データを生成して分類モデルを生成する点で第１実施形態と異なる。
<Third Embodiment>
[Generate teacher data by focusing on a predetermined time]
Subsequently, a third embodiment will be described. The notification device 1 according to the first embodiment generates teacher data by paying attention to a predetermined time indicating the time at which the action corresponding to the recommendation information is performed, and generates the classification model. On the other hand, the notification device 1 according to the third embodiment differs from that of the first embodiment in that it focuses on a predetermined time to generate teacher data to generate a classification model.
第３実施形態に係る生成部１２５は、複数の異なる時刻のそれぞれを基準とし、基準とした時刻よりも前の行動履歴情報を一の行動履歴情報から抽出することにより、当該一の行動履歴情報から複数の教師データを生成する。
The
図８は、第３実施形態に係る複数の教師データを生成する例を説明する図である。具体的には、まず生成部１２５は、教師データを生成する際に、複数の異なる時刻のそれぞれを基準とする。例えば、生成部１２５は、１８時、１９時、２０時といったように、１時間ずつ離れた時刻を基準とする。
FIG. 8 is a diagram illustrating an example of generating a plurality of teacher data according to the third embodiment. Specifically, first, the generating
生成部１２５は、取得部１２１によって取得された一の行動履歴情報から、基準とされた時刻よりも前の行動履歴情報を抽出する。同様に、生成部１２５は、取得部１２１によって取得された一の反応履歴情報から、基準とされた時刻以降の反応履歴情報を抽出する。ここでは、生成部１２５は、基準とされた時刻よりも所定時間経過した時刻以降の反応履歴情報を抽出する。そして、生成部１２５は、抽出した行動履歴情報と反応履歴情報を含む教師データを生成する。生成部１２５は、基準とされた複数の異なる時刻のそれぞれについて、当該時刻に基づいて行動履歴情報及び反応履歴情報を抽出して教師データを生成する。
The
続いて、生成部１２５は、生成した各基準時刻に対応する教師データに基づいて機械学習を行うことにより、各基準時刻のそれぞれに対応する分類モデルを生成する。
算出部１２２は、レコメンド情報を通知する対象であるユーザの行動履歴情報を取得すると、現在時刻に対応する分類モデルを選択する。例えば、算出部１２２は、現在時刻が１８時である場合には、過去日時の１８時よりも前の行動履歴情報と、１８時以降の反応履歴情報とを含む教師データに基づいて生成された分類モデルを選択する。また、算出部１２２は、現在時刻に対応する分類モデルが記憶部１１に記憶されていない場合、現在時刻に最も近い時刻に対応する分類モデルを選択する。算出部１２２は、選択された分類モデルに、取得した行動履歴情報を入力することにより、複数のレコメンド情報のそれぞれの有用度を選択する。
Then, the
When the
選択部１２３は、複数のモデルに基づいて算出された複数の有用度のうち、相対的に高い有用度に対応するレコメンド情報を選択する。通知部１２４は、選択されたレコメンド情報と、当該レコメンド情報に対応する時刻とを関連付けて、レコメンド情報を通知する対象のユーザに通知する。
The
［第３実施形態における効果］
以上のとおり、第３実施形態に係る通知装置１は、予め定められた時刻に着目して生成された教師データに基づいて、予め定められた時刻に着目した分類モデルを生成する。そして、通知装置１は、レコメンド情報を通知する対象であるユーザの行動履歴情報を取得した時刻に対応する分類モデルを選択し、当該分類モデルに基づいて算出した複数のレコメンド情報の有用度に基づいて、有用度が相対的に高いレコメンド情報を選択する。ユーザの生活リズムは一定であることが多いことから、通知装置１は、予め定められた時刻に着目した分類モデルに基づいて、ユーザの生活リズムに基づいた有用度を算出することができる。
[Effects of Third Embodiment]
As described above, the notification device 1 according to the third embodiment generates the classification model focusing on the predetermined time based on the teacher data generated by focusing on the predetermined time. Then, the notification device 1 selects a classification model corresponding to the time when the behavior history information of the user who is the target of the recommendation information is acquired, and based on the usefulness of the plurality of recommendation information calculated based on the classification model. Then, the recommendation information having relatively high usefulness is selected. Since the user's life rhythm is often constant, the notification device 1 can calculate the usefulness based on the user's life rhythm based on a classification model focusing on a predetermined time.
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。また、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、例えば、上述の複数の実施形態を組み合わせてもよい。また、特に、装置の分散・統合の具体的な実施形態は以上に図示するものに限られず、その全部又は一部について、種々の付加等に応じて、又は、機能負荷に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。 Although the present invention has been described using the embodiments, the technical scope of the present invention is not limited to the scope described in the above embodiments. It is apparent to those skilled in the art that various changes or improvements can be added to the above-described embodiment. Further, the technical scope of the present invention is not limited to the scope described in the above embodiments, and for example, the above-described plurality of embodiments may be combined. Further, in particular, the specific embodiment of the distribution / integration of the devices is not limited to the one illustrated above, and all or part of them may be arbitrarily added according to various additions or functional loads. The units can be functionally or physically distributed and integrated.
１・・・通知装置、１１・・・記憶部、１２・・・制御部、１２１・・・取得部、１２２・・・算出部、１２３・・・選択部、１２４・・・通知部、１２５・・・生成部、２・・・ユーザ端末、Ｓ・・・通知システム
DESCRIPTION OF SYMBOLS 1 ... Notification device, 11 ... Storage part, 12 ... Control part, 121 ... Acquisition part, 122 ... Calculation part, 123 ... Selection part, 124 ... Notification part, 125 ... Generator, 2 ... User terminal, S ... Notification system
Claims (11)
前記行動履歴情報に基づいて、現在時刻から所定時間を経過した時刻における、レコメンド対象となる複数のレコメンド情報のそれぞれの有用度を算出する算出部と、
前記有用度が相対的に大きいレコメンド情報を選択する選択部と、
選択されたレコメンド情報を前記ユーザに通知する通知部と、
を備え、
前記取得部は、前記レコメンド情報の通知に対する前記ユーザの反応を示す反応履歴情報を取得し、
前記レコメンド情報に対応する行動が行われた所定時刻から第１時間前の時刻よりも前の時刻に対応する前記行動履歴情報と、前記所定時刻から前記第１時間前の時刻以降の前記反応履歴情報とに基づいて教師データを生成するとともに、前記所定時刻から前記第１時間と異なる第２時間前の時刻よりも前の時刻に対応する前記行動履歴情報と、前記所定時刻から前記第２時間前の時刻以降の前記反応履歴情報とに基づいて教師データを生成し、生成した教師データに基づいて、前記レコメンド情報の前記有用度を算出するモデルを生成する生成部をさらに備え、
前記算出部は、前記レコメンド情報を通知する対象である前記ユーザの前記行動履歴情報を前記モデルに入力することにより、現在時刻から前記第１時間を経過した第１時刻における前記複数のレコメンド情報のそれぞれの有用度と、現在時刻から前記第２時間を経過した第２時刻における前記複数のレコメンド情報のそれぞれの有用度とを算出する、
通知装置。 An acquisition unit that acquires action history information including action information indicating the action of the user and time information indicating the time when the action was performed,
Based on the action history information, at the time when a predetermined time has elapsed from the current time, a calculation unit that calculates the usefulness of each of the plurality of recommendation information that is a recommendation target,
A selection unit for selecting recommendation information having a relatively large usefulness,
A notification unit for notifying the user of the selected recommendation information,
Equipped with
The acquisition unit acquires reaction history information indicating a reaction of the user with respect to the notification of the recommendation information,
The action history information corresponding to a time before the first time before the predetermined time when the action corresponding to the recommendation information is performed, and the reaction history after the time before the first time from the predetermined time. Teacher data is generated based on the information, and the action history information corresponding to a time before a second time different from the first time by a second time before the predetermined time and the second time from the predetermined time. Further comprising a generation unit that generates teacher data based on the reaction history information after the previous time, and based on the generated teacher data, a model that calculates the usefulness of the recommendation information.
The calculation unit inputs the action history information of the user who is a target of the recommendation information to the model, thereby calculating the plurality of pieces of recommendation information at the first time after the first time has elapsed from the current time. Calculating each usefulness and each usefulness of the plurality of recommendation information at the second time when the second time has passed from the current time,
Notification device.
請求項１に記載の通知装置。 The generation unit generates a plurality of the teacher data based on the action history information and the reaction history information acquired by the acquisition unit from each of a plurality of users, and generates the model using the teacher data. To do
The notification device according to claim 1 .
前記算出部は、前記レコメンド情報を通知する対象である前記ユーザの前記行動履歴情報と前記第１モデルに基づいて、現在時刻から前記第１時刻における前記複数のレコメンド情報の有用度を算出するとともに、当該行動履歴情報と前記第２モデルに基づいて、現在時刻から前記第２時刻における前記複数のレコメンド情報の有用度を算出する、
請求項１又は２に記載の通知装置。 The generation unit generates a first model based on the teacher data generated based on a time point before the first time of the one action history information, and sets the one action history information to the second model. A second model is generated based on the teacher data generated based on the time before the time,
The calculating unit, based on the action history information and the first model of the user is a target of notifying the recommendation information, calculates the usefulness of the plurality of recommendation information at the current time or al before Symbol first time as well as, on the basis with the action history information to the second model, and calculates the usefulness of the plurality of recommendation information at the current time or al before Symbol second time,
The notification device according to claim 1 or 2 .
請求項１から３のいずれか１項に記載の通知装置。 The generation unit uses each of a plurality of different times as a reference, and extracts the action history information corresponding to a time earlier than the reference time from the one action history information, thereby the one action history. Generate a plurality of the teacher data from information,
The notification device according to any one of claims 1 to 3 .
前記選択部は、複数の前記モデルに基づいて算出された複数の有用度のうち、相対的に高い有用度に対応するレコメンド情報を選択する、
請求項１から４のいずれか１項に記載の通知装置。 The calculation unit calculates the usefulness of the plurality of recommendation information based on the plurality of models,
The selection unit selects recommendation information corresponding to a relatively high degree of usefulness among a plurality of degrees of usefulness calculated based on the plurality of models.
The notification device according to any one of claims 1 to 4 .
前記通知部は、前記第１時刻に対して選択されたレコメンド情報と、前記第２時刻に対して選択されたレコメンド情報とを前記ユーザに通知する、
請求項１から５のいずれか１項に記載の通知装置。 The selection unit selects recommendation information having a relatively high degree of usefulness at each of the first time and the second time,
The notification unit notifies the user of the recommended information selected for the first time and the recommended information selected for the second time.
The notification device according to any one of claims 1 to 5 .
前記通知部は、選択されたレコメンド情報を前記ユーザに通知する、
請求項１から６のいずれか１項に記載の通知装置。 The selecting unit selects, from the usefulnesses calculated at each of the first time and the second time, recommendation information having a relatively high usefulness,
The notification unit notifies the user of the selected recommendation information,
The notification device according to any one of claims 1 to 6 .
前記選択部は、重み付けがされた後の前記有用度に基づいて、相対的に有用度が高いレコメンド情報を選択する、
請求項７に記載の通知装置。 The calculation unit weights the usefulness calculated for each of the first time and the second time based on the elapsed time from the current time,
The selection unit, based on the usefulness after being weighted, selects the recommendation information having a relatively high usefulness,
The notification device according to claim 7 .
前記選択部は、算出された前記有用度のうち、相対的に有用度が高いレコメンド情報を選択し、
前記通知部は、選択されたレコメンド情報を前記ユーザに通知する、
請求項１から８のいずれか１項に記載の通知装置。 The calculating unit calculates the usefulness of the plurality of recommendation information at a predetermined time after a lapse of a first time from the current time based on the action history information, and the first time from a time earlier than the current time. Calculating the usefulness of the plurality of recommendation information at the predetermined time after a third time different from
The selecting unit selects, from the calculated usefulness, recommendation information having relatively high usefulness,
The notification unit notifies the user of the selected recommendation information,
The notification device according to any one of claims 1 to 8 .
ユーザの行動を示す行動情報と、前記行動が行われた時刻を示す時刻情報とを含む行動履歴情報を取得するステップと、
前記行動履歴情報に基づいて、現在時刻から所定時間を経過した時刻における、レコメンド対象となる複数のレコメンド情報のそれぞれの有用度を算出するステップと、
前記有用度が相対的に大きいレコメンド情報を選択するステップと、
選択されたレコメンド情報を前記ユーザに通知するステップと、
前記レコメンド情報の通知に対する前記ユーザの反応を示す反応履歴情報を取得するステップと、
前記レコメンド情報に対応する行動が行われた所定時刻から第１時間前の時刻よりも前の時刻に対応する前記行動履歴情報と、前記所定時刻から前記第１時間前の時刻以降の前記反応履歴情報とに基づいて教師データを生成するとともに、前記所定時刻から前記第１時間と異なる第２時間前の時刻よりも前の時刻に対応する前記行動履歴情報と、前記所定時刻から前記第２時間前の時刻以降の前記反応履歴情報とに基づいて教師データを生成し、生成した教師データに基づいて、前記レコメンド情報の前記有用度を算出するモデルを生成するステップと、
前記レコメンド情報を通知する対象である前記ユーザの前記行動履歴情報を前記モデルに入力することにより、現在時刻から前記第１時間を経過した第１時刻における前記複数のレコメンド情報のそれぞれの有用度と、現在時刻から前記第２時間を経過した第２時刻における前記複数のレコメンド情報のそれぞれの有用度とを算出するステップと、
を有する通知方法。 Computer running,
Acquiring action history information including action information indicating the action of the user and time information indicating the time at which the action was performed,
Based on the action history information, at a time when a predetermined time has elapsed from the current time, a step of calculating the usefulness of each of a plurality of recommendation information to be recommended,
Selecting recommendation information having a relatively large usefulness,
Notifying the selected recommendation information to the user,
Acquiring reaction history information indicating the reaction of the user to the notification of the recommendation information,
The action history information corresponding to a time before the first time before the predetermined time when the action corresponding to the recommendation information is performed, and the reaction history after the time before the first time from the predetermined time. Teacher data is generated based on the information, and the action history information corresponding to a time before a second time different from the first time by a second time before the predetermined time and the second time from the predetermined time. Generating teacher data based on the reaction history information after the previous time, based on the generated teacher data, generating a model for calculating the usefulness of the recommendation information,
By inputting the action history information of the user who is the target of the recommendation information to the model, the usefulness of each of the plurality of recommendation information at the first time after the first time has elapsed from the current time and Calculating a usefulness of each of the plurality of recommendation information at a second time after the second time has passed from the current time,
Notification method having .
ユーザの行動を示す行動情報と、前記行動が行われた時刻を示す時刻情報とを含む行動履歴情報を取得する取得部、
前記行動履歴情報に基づいて、現在時刻から所定時間を経過した時刻における、レコメンド対象となる複数のレコメンド情報のそれぞれの有用度を算出する算出部、
前記有用度が相対的に大きいレコメンド情報を選択する選択部、及び、
選択されたレコメンド情報を前記ユーザに通知する通知部、
として機能させ、
前記取得部は、前記レコメンド情報の通知に対する前記ユーザの反応を示す反応履歴情報を取得し、
前記コンピュータを、前記レコメンド情報に対応する行動が行われた所定時刻から第１時間前の時刻よりも前の時刻に対応する前記行動履歴情報と、前記所定時刻から前記第１時間前の時刻以降の前記反応履歴情報とに基づいて教師データを生成するとともに、前記所定時刻から前記第１時間と異なる第２時間前の時刻よりも前の時刻に対応する前記行動履歴情報と、前記所定時刻から前記第２時間前の時刻以降の前記反応履歴情報とに基づいて教師データを生成し、生成した教師データに基づいて、前記レコメンド情報の前記有用度を算出するモデルを生成する生成部としてさらに機能させ、
前記算出部は、前記レコメンド情報を通知する対象である前記ユーザの前記行動履歴情報を前記モデルに入力することにより、現在時刻から前記第１時間を経過した第１時刻における前記複数のレコメンド情報のそれぞれの有用度と、現在時刻から前記第２時間を経過した第２時刻における前記複数のレコメンド情報のそれぞれの有用度とを算出する、
通知プログラム。 Computer,
An acquisition unit that acquires action history information including action information indicating the action of the user and time information indicating the time at which the action was performed,
Based on the action history information, at the time when a predetermined time has passed from the current time, a calculation unit that calculates the usefulness of each of the plurality of recommendation information to be recommended,
A selection unit for selecting recommendation information having a relatively high degree of usefulness; and
A notification unit for notifying the user of the selected recommendation information,
To function as,
The acquisition unit acquires reaction history information indicating a reaction of the user with respect to the notification of the recommendation information,
The action history information corresponding to a time earlier than a first time before the predetermined time when the action corresponding to the recommendation information is performed, and the time after the first time before the predetermined time from the predetermined time. Teacher data is generated based on the reaction history information of, and the action history information corresponding to a time before a time that is a second time different from the first time from the predetermined time and a time before the predetermined time. It further functions as a generation unit that generates teacher data based on the reaction history information after the time of the second time, and generates a model that calculates the usefulness of the recommendation information based on the generated teacher data. Let
The calculation unit inputs the action history information of the user who is a target of the recommendation information to the model, thereby calculating the plurality of pieces of recommendation information at the first time after the first time has elapsed from the current time. Calculating each usefulness and each usefulness of the plurality of recommendation information at the second time when the second time has passed from the current time,
Notification program.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017024759A JP6683638B2 (en) | 2017-02-14 | 2017-02-14 | Notification device, notification method, and notification program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017024759A JP6683638B2 (en) | 2017-02-14 | 2017-02-14 | Notification device, notification method, and notification program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018132860A JP2018132860A (en) | 2018-08-23 |
| JP6683638B2 true JP6683638B2 (en) | 2020-04-22 |
Family
ID=63248474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017024759A Expired - Fee Related JP6683638B2 (en) | 2017-02-14 | 2017-02-14 | Notification device, notification method, and notification program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6683638B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210065276A1 (en) * | 2019-08-28 | 2021-03-04 | Fuji Xerox Co., Ltd. | Information processing apparatus and non-transitory computer readable medium |
| CN111695711A (en) * | 2020-06-15 | 2020-09-22 | 北京交通发展研究院 | Reservation method and device |
| WO2023162080A1 (en) * | 2022-02-24 | 2023-08-31 | 日本電信電話株式会社 | Temporal discounting rate estimation device, machine learning method, temporal discounting rate analysis method, and program |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002024690A (en) * | 2000-07-07 | 2002-01-25 | Nippon Telegr & Teleph Corp <Ntt> | Method and system for distributing image/voice, and storing medium with image/voice distributing program stored therein |
| JP2007264764A (en) * | 2006-03-27 | 2007-10-11 | Denso It Laboratory Inc | Content sorting method |
| JP2010152588A (en) * | 2008-12-25 | 2010-07-08 | Logic Design:Kk | System for providing guide information, method therefor, and computer program |
| JP5445085B2 (en) * | 2009-12-04 | 2014-03-19 | ソニー株式会社 | Information processing apparatus and program |
| US10303727B2 (en) * | 2015-05-08 | 2019-05-28 | Facebook, Inc. | Presenting content to a social networking system user based on current relevance and future relevance of the content to the user |
-
2017
- 2017-02-14 JP JP2017024759A patent/JP6683638B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018132860A (en) | 2018-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10733262B2 (en) | Attribute control for updating digital content in a digital medium environment | |
| US9256826B2 (en) | Predicting reactions to short-text posts | |
| WO2019114423A1 (en) | Method and apparatus for merging model prediction values, and device | |
| US10949771B2 (en) | Systems and methods for churn prediction | |
| CN111768231B (en) | Product information recommendation method and device | |
| CN108399222B (en) | Page refreshing method and device | |
| JP5944535B2 (en) | System and method for determining context | |
| CN108304429B (en) | Information recommendation method and device and computer equipment | |
| JP6683638B2 (en) | Notification device, notification method, and notification program | |
| KR20170020841A (en) | Leveraging user signals for initiating communications | |
| Vico et al. | A study on proactive delivery of restaurant recommendations for android smartphones | |
| US20160275533A1 (en) | Segment Membership Determination for Content Provisioning | |
| CN110008397A (en) | A kind of recommended models training method and device | |
| WO2012117117A1 (en) | Method of generating statistical opinion data | |
| US11907817B2 (en) | System and methods for machine learning training data selection | |
| CN114690731B (en) | Associated scene recommendation method and device, storage medium and electronic device | |
| WO2009133232A1 (en) | Method, apparatus, and computer program product for providing usage analysis | |
| KR20170128429A (en) | Service processing method, server and computer storage medium | |
| JP6680663B2 (en) | Information processing apparatus, information processing method, prediction model generation apparatus, prediction model generation method, and program | |
| JP2019191937A (en) | Feeling estimation method, feeling estimation device and program | |
| CN108701041A (en) | Pass through data binding construction user interface | |
| JP6193799B2 (en) | Web element matching device, matching probability distribution generation device, method and program thereof | |
| CN107301185B (en) | Music recommendation system and method | |
| JP6141378B2 (en) | Human resource search server | |
| JP2019096189A (en) | Music selection apparatus, method for selecting music, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190111 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191217 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200107 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200303 |
|
| 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: 20200317 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200326 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6683638 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |