JPWO2003017137A1 - ユーザプロファイル管理装置および推薦装置 - Google Patents
ユーザプロファイル管理装置および推薦装置 Download PDFInfo
- Publication number
- JPWO2003017137A1 JPWO2003017137A1 JP2003521975A JP2003521975A JPWO2003017137A1 JP WO2003017137 A1 JPWO2003017137 A1 JP WO2003017137A1 JP 2003521975 A JP2003521975 A JP 2003521975A JP 2003521975 A JP2003521975 A JP 2003521975A JP WO2003017137 A1 JPWO2003017137 A1 JP WO2003017137A1
- Authority
- JP
- Japan
- Prior art keywords
- user
- behavior
- user profile
- recommendation
- tendency
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/30—Definitions, standards or architectural aspects of layered protocol stacks
- H04L69/32—Architecture of open systems interconnection [OSI] 7-layer type protocol stacks, e.g. the interfaces between the data link level and the physical level
- H04L69/322—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions
- H04L69/329—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions in the application layer [OSI layer 7]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/53—Network services using third party service providers
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Accounting & Taxation (AREA)
- Signal Processing (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
- Information Transfer Between Computers (AREA)
Abstract
Description
本発明は、インターネットのユーザに関するユーザプロファイルを管理し、このユーザプロファイルに基づいて商品等を推薦するユーザプロファイル管理装置および推薦装置に関するものである。
背景技術
近時、インターネットの普及により、情報発信が容易となり、また、インターネットをインフラとした電子決済等が一般的になってきたことにより、企業にとっては、これらを用いたビジネスチャンスが広がりつつある。
一方、ユーザの視点からも多くの情報をインターネットから容易に入手可能となっていることは、より良い製品やサービスを得る機会の増加に繋がることから、ユーザにとって歓迎すべき点である。
しかしながら、ユーザの機会選択の幅が広がったことにより、顧客の満足度が高い意志決定を行うために多くの情報収集が欠かせなくなったという面もあり、企業としては、ユーザの一人一人に適した情報提供および商品推薦を行うことにより、顧客として囲い込み、ビジネスチャンスを逃さないという企業努力が不可欠な要素となっている。
このような背景より、近時では、ユーザプロファイルを用いたパーソナリゼーションや商品推薦の技術が注目されている。ここで、ユーザプロファイルは、ユーザに関する情報の総称であり、例えば、性別、年齢、未婚/既婚の別、住所や興味ジャンル、購買履歴等である。
例えば、近時では、ユーザプロファイルと、ユーザに提示する情報および商品との関連が高いものを推薦するコンテンツベースの推論システムや、ユーザプロファイルが似通ったユーザは、似通ったものを好むという観点から、コラボレーティブ・フィルタリング技術を用いた推薦システムが脚光を浴びている。
かかる推論システムや推薦システムに共通している点は、より質の高いサービスをユーザに提供するために、より正確で詳細なユーザプロファイルを保持する必要があることである。
しかしながら、ユーザプロファイル(特に、興味ジャンル等)は、時々刻々と変化する。従って、企業側で入手したユーザプロファイルは、時間の経過とともに、実際のユーザプロファイルとの差が開くという陳腐化現象が生じるため、役に立たなくなるという特性を有している。
このように陳腐化したユーザプロファイルによって推薦された商品等は、現時点のユーザに受け入れ難いものとなってしまう。従って、このような事態が発生した場合、企業は、ユーザの関心の低下や、ユーザと企業との接触機会の損失等により、顧客を逃してしまう。
本発明は、上記に鑑みてなされたもので、ユーザの手を煩わせることなくユーザプロファイルを更新することができ、より精度が高い推薦を行うことができるユーザプロファイル管理装置および推薦装置を提供することを目的としている。
発明の開示
上記目的を達成するために、本発明は、インターネットにおけるユーザの行動を行動モデルとしてモデル化するモデル化手段と、行動モデルの類似度に応じて、ユーザをグループ化するグループ化手段と、グループ内において、他のユーザのプロファイルを用いて、特定のユーザのユーザプロファイルを推測する推測手段と、前記特定ユーザのプロファイルを、前記推測手段により推測されたユーザプロファイルに更新する更新手段とを備えたことを特徴とする。
本発明によれば、インターネットにおけるユーザの行動モデルの類似度に応じて、ユーザをグループ化し、グループ内において、他のユーザのプロファイルを用いて、特定のユーザのユーザプロファイルを推測し、特定ユーザのプロファイルを、推測手段により推測されたユーザプロファイルに更新するようにしたので、ユーザの手を煩わせることなく、ユーザプロファイルを更新することができる。
また、本発明は、インターネットにおけるユーザの行動を行動モデルとしてモデル化するモデル化手段と、前記行動モデルに基づいて、ユーザの行動傾向を分析する行動傾向分析手段と、他のユーザの行動傾向と購入された商品との対応関係を表す事例ベースから、あるユーザの行動傾向との類似度が高い行動傾向を検索し、該行動傾向に対応する商品をユーザに推薦する推薦手段とを備えたことを特徴とする。
本発明によれば、他のユーザの行動傾向と購入された商品との対応関係を表す事例ベースから、あるユーザの行動傾向との類似度が高い行動傾向を検索し、該行動傾向に対応する商品をユーザに推薦するようにしたので、より精度が高い推薦を行うことができる。
発明を実施するための最良の形態
以下、図面を参照して本発明にかかる一実施の形態について詳細に説明する。第1図は、本発明にかかる一実施の形態の構成を示すブロック図である。この図には、インターネット上の複数のユーザに関する行動(WEBページの閲覧等)に基づいて、例えば、商品をユーザに推薦するための推薦システムが図示されている。
同図において、WEBサーバ100は、インターネット200を介して、コンテンツHTML(Hyper Text Markup Language)ページ1101〜110n(第10図参照)や属性情報入力HTMLページ130(第11図参照)をクライアント3001〜300mへ提供する。
これらのコンテンツHTMLページ1101〜110nは、Web(world wide Web)ページを記述するためのHTMLファイルから構成されており、Webブラウザにより閲覧される。第10図は、コンテンツHTMLページ1101の一例を示す図である。このコンテンツHTMLページ1101は、コンテンツとしてのプロ野球速報に関するページであり、試合結果、これまでの成績、今日のカード、球団情報等を表示している。リンク情報Aは、コンテンツHTMLページ1101に元々含まれいる。リンク情報Bは、設問生成部550により提示される。また、リンク情報Cは、推薦部570により提示される。
同図に下線表示された「これまでの成績」、「今日のカード」、「球団情報」は、他のコンテンツHTMLページ1101〜110nへのリンク情報である。従って、「これまでの成績」がクリックされると、例えば、コンテンツHTMLページ1102によりこれまでの成績に関する情報が閲覧される。
第11図は、第1図に示した属性情報入力HTMLページ130の一例を示す図である。この属性情報入力HTMLページ130は、インターネット上のユーザの属性情報を入力するためのページである。この属性情報としては、生年月日、性別、職業、郵便番号、年収、興味分野等が挙げられる。属性情報は、属性情報入力HTMLページ130を介して、ユーザまたは管理者により明示的に入力される。
第1図に戻り、アクセスログデータベース120は、コンテンツHTMLページ1101〜110nへのアクセスがあった場合に当該ユーザに関するアクセスログを格納するデータベースである。このアクセスログは、WEBサーバ100におけるユーザの行動(ページを閲覧、URLを指定、あるページのリンク情報により別のページを閲覧等)、アクセス時刻、アクセスページ、アクセスしたユーザ等に関する情報である。
クライアント3001〜300mは、m人のユーザ側にそれぞれ設置されており、インターネット200を介して、WEBサーバ100にそれぞれアクセス可能とされている。これらのクライアント3001〜300mは、ユーザ操作に基づいて、Webページを閲覧するためのWEBブラウザ4001〜400mにより、前述したコンテンツHTMLページ1101〜110nや属性情報入力HTMLページ130を閲覧する。
推薦装置500は、ユーザプロファイルの更新を行う機能と、後述するユーザの行動傾向に着目して、ユーザに商品を推薦する機能とを備えている。
推薦装置500において、通信制御部510は、所定の通信プロトコルに従って、WEBサーバ100との間の通信を制御する。行動モデル生成部520は、定期的に、アクセスログデータベース120に格納されているアクセスログに基づいて、ユーザの行動を数理的に表す行動モデルを生成する。この行動モデルの生成には、例えば、第12図に示したHMM(Hidden Markov Model;隠れマルコフモデル)が適用される。この行動モデルは、初期確率π、内部状態遷移確率pおよび出力確率q[q1、q2、q3](第2図参照)で表現される。
第1図に戻り、属性情報入力部530は、ユーザまたは管理者により、属性情報入力HTMLページ130(第11図参照)を介して、明示的に入力された属性情報Ai(第2図参照)を入力する。
ユーザプロファイルデータベース600は、ユーザ毎のプロファイルを格納するデータベースである。具体的には、ユーザプロファイルデータベース600は、第2図に示したように、「ユーザID(Identification Data)」、「行動モデルMi」および「属性情報Ai」というフィールドを備えている。
「ユーザID」は、ユーザを識別するための識別子である。「行動モデルMi」は、ユーザ毎に、行動モデル生成部520により生成された行動モデル(初期確率、内部状態遷移確率および出力確率)に関する情報である。iは、ユーザを表すユーザカウンタであり、「ユーザID」に対応している。
「属性情報Ai」は、属性情報入力部530に入力された属性情報、すなわち、属性情報入力HTMLページ130(第11図参照)を介して明示的に入力された属性情報である。ユーザプロファイルは、行動モデルMiおよび属性情報Aiから構成されている。
ここで、ユーザプロファイルデータベース600は、Pi={Mi;Ai}で表されるユーザプロファイルの集合で表される。Piは、複数のユーザプロファイルの集合である。Miは、複数のユーザに関する行動モデルの集合である。Aiは、複数のユーザに関する属性情報の集合であり、Ai=[a1、a2、・・・、ak]で表される。属性情報a1は、「性別」である。属性情報a2は、「年齢」である。以下、同様にして、属性情報akは、「語学」である。
第1図に戻り、ユーザプロファイル更新部540は、定期的に、複数のユーザを行動モデルの類似度に応じてグループ化する機能と、上記類似度に基づいて、あるユーザの属性情報を推測する機能とを備えている。
また、ユーザプロファイル更新部540は、推測された属性情報とこれに対応する行動モデルとを新たなユーザプロファイルとして、ユーザプロファイルデータベース600(第2図参照)に格納する機能や、ユーザプロファイルデータベース600にすでに格納されているユーザプロファイルを、上記新たなユーザプロファイルに更新する機能を備えている。
設問生成部550は、ユーザプロファイルの属性情報の確信度が低い場合に、ユーザに対して選択用の設問を生成する機能を備えている。
行動傾向出力部560は、あるユーザに行動があった場合に、ユーザプロファイルデータベース600に格納されている行動モデルに基づいて、当該ユーザの行動傾向を予測し、予測結果を出力する機能を備えている。
事例ベース610は、ユーザの行動傾向およびユーザプロファイルと、当該ユーザが好む商品との対応関係を事例に基づいて表すデータベースである。具体的には、事例ベース610は、第3図に示したように、「行動傾向」、「性別」、「年齢」、「年収」、・・・、「語学」、「商品」というフィールドを備えている。
「行動傾向」は、WEBサーバ100におけるユーザ毎の行動傾向を識別するための識別子である。「性別」、「年齢」、・・・、「語学」は、属性情報である。「商品」は、当該行動傾向およびユーザプロファイルに対応するユーザへ推薦すべき商品に関する情報である。
第1図に戻り、推薦部570は、事例ベース610(第3図参照)を参照して、ユーザプロファイルデータベース600に格納されているユーザプロファイルと、行動傾向出力部560からの行動傾向の予測結果とに基づいて、当該ユーザに適した商品を推薦する機能を備えている。
入力部580は、キーボード、マウス等の入力デバイスである。表示部590は、各種画面、推薦結果等を表示するためのCRT(Cathode Ray Tube)やLCD(Liquid Crystal Display)である。
つぎに、一実施の形態の動作について、第4図〜第9図に示したフローチャートを参照しつつ詳述する。
まず、第1図に示した行動モデル生成部520は、定期的にアクセスログデータベース120からユーザ毎にアクセスログを取得し、このアクセスログと第12図に示した隠れマルコフモデル(HMM)とを用いて、ユーザ毎の行動モデルMi(iはユーザを示すユーザカウンタ)を生成する。
また、行動モデル生成部520は、ユーザ毎に生成された行動モデルMiを第2図に示したユーザプロファイルデータベース600に格納する。
第4図に示したステップSA1では、ユーザプロファイル更新部540は、ユーザプロファイルデータベース600(第2図参照)に格納されたユーザプロファイルを更新するためのユーザプロファイル更新処理を実行する。
具体的には、第5図に示したステップSB1では、ユーザプロファイル更新部540は、WEBサーバ100における行動の類似度に応じて、ユーザをグループ化するための類似ユーザ集合取得処理を実行する。ここでいう行動とは、コンテンツHTMLページ1101〜110nのうちいずれかのページへのアクセス(連続的なアクセスも含む)をいう。
すなわち、第6図に示したステップSC1では、ユーザプロファイル更新部540は、ユーザがコンテンツHTMLページ1101〜110nのうちいずれかのコンテンツHTMLページにアクセスしたか否かを判断し、この場合、判断結果を「No」として、同判断を繰り返す。
そして、あるユーザ(以下、特定ユーザと称する)がクライアント3001の操作により、インターネット200を介して、コンテンツHTMLページ1101(第10図参照)にアクセスすると、ユーザプロファイル更新部540は、ステップSC1の判断結果を「Yes」とする。
このアクセスに伴い、アクセスログデータベース120には、特定ユーザに関するアクセスログが逐次格納される。
ステップSC2では、ユーザプロファイル更新部540は、特定ユーザに関する行動としての、アクセスページu∈U(Uに含まれるuという意味)をアクセスログデータベース120から取得する。
上記Uは、ユーザがアクセス可能な全ページ(コンテンツHTMLページ1101〜110n)である。この全ページUは、U={u1、u2、・・・、un}で表される。u1、u2、・・・、unは、コンテンツHTMLページ1101、1102、・・・、110nにそれぞれ対応している。
アクセスページuは、全ページU={u1、u2、・・・、un}のうち、当該ユーザがアクセスしたページである。例えば、ユーザがコンテンツHTMLページ1101に続いてコンテンツHTMLページ1102にアクセスした場合には、アクセスページuは、u={u1、u2}で表される。この場合、当該ユーザの行動Eは、E=u1、u2として与えられる。
ステップSC3では、ユーザプロファイル更新部540は、特定ユーザの行動Eを、上記アクセスページuに基づいて更新(E=Eu)する。ステップSC4〜ステップSC9では、ユーザプロファイル更新部540は、つぎの(1)式で表される類似ユーザ集合Gを取得する。
G={Pi|Sim(M、Mi、E)<ε}・・・・(1)
(1)式において、ユーザカウンタiは、第2図に示したユーザIDに対応している。Piは、当該ユーザに関するユーザプロファイルであり、第2図に示した行動モデルMiおよび属性情報Aiである。Sim(M、Mi、E)は、特定ユーザの行動Eに対応する行動モデルMと、その他のユーザに関する行動モデルMiとの類似度を表す類似度関数であり、つぎの(2)式で表される。
Sim(M、Mi、E)=|Prob(E;M)−Prob(E;Mi)|
・・・・・(2)
上記(2)式において、Prob(E;M)は、特定ユーザに関する行動Eが行動モデルMによって出力される確率分布を表す確率分布ベクトルである。Prob(E;Mi)は、特定ユーザに関する行動Eがその他のユーザに関する行動モデルMiによって出力される確率分布を表す確率分布ベクトルである。
ここで、(2)式で表される類似度関数Sim(M、Mi、E)では、特定ユーザに関する短期的な行動傾向を考慮した類似度が計算される。
はじめに、ステップSC4では、ユーザプロファイル更新部540は、類似ユーザ集合Gを空集合φで初期化する。また、ユーザプロファイル更新部540は、全ユーザにわたって類似度の比較を行うため、ユーザIDに対応するユーザカウンタiを0で初期化する。
ステップSC5では、ユーザプロファイル更新部540は、ユーザカウンタiを1インクリメントする。ステップSC6では、ユーザプロファイル更新部540は、ユーザカウンタiが全ユーザ数N以下であるか否かを判断し、この場合、判断結果を「Yes」とする。この全ユーザ数Nは、第2図に示したユーザプロファイルデータベース600における最終のユーザIDに対応している。
ステップSC7では、ユーザプロファイル更新部540は、上述した(2)式より、類似度関数Sim(M、Mi、E)を計算する。すなわち、ユーザプロファイル更新部540は、行動Eを考慮して、特定ユーザの行動モデルMとその他のユーザの行動モデルMiとの類似度を計算する。ここで、類似度関数Sim(M、Mi、E)が小さいほど、特定ユーザの行動モデルMとその他の行動モデルMiとが類似していることを意味している。
ステップSC8では、ユーザプロファイル更新部540は、ステップSC7で計算された類似度関数Sim(M、Mi、E)がしきい値εより小さいか否か、すなわち、類似度が高いか否かを判断する。ここで、ステップSC8の判断結果が「No」である場合、ステップSC5以降では、ユーザプロファイル更新部540は、ユーザカウンタiを1インクリメントし、特定ユーザと、つぎの他のユーザとに関する類似度判定を行う。
一方、ステップSC8の判断結果が「Yes」である場合、すなわち、類似度が高い場合、ステップSC9では、ユーザプロファイル更新部540は、特定ユーザの行動モデルMとの類似度が高い、他のユーザの行動モデルMiをつぎの(3)式で表される類似ユーザ集合Gに組み入れることにより、類似ユーザ集合Gを更新する。
G=GU{Mi}・・・・・・(3)
以後、ユーザプロファイル更新部540は、ステップSC6の判断結果が「No」となるまでステップSC5以降の処理を実行する。そして、ステップSC6の判断結果が「No」になると、第5図に示したステップSB2〜ステップSB9では、ユーザプロファイル更新部540は、つぎの(4)式で表される未確定属性集合Bを取得する。
B={ak|Conf(ak)<σ}・・・(4)
未確定属性集合Bは、ステップSB1で取得された類似ユーザ集合Gにおける属性情報Ai=[a1、a2、・・・、ak](第2図参照)を構成する属性情報a1、a2、・・・、akの確信度Conf(ak)(k=1〜k)がしきい値σより小さいものの集合である。すなわち、未確定属性集合Bは、確信度が低く、推測が難しい属性情報の集合である。
確信度Conf(ak)は、つぎの(5)式で表される。
Conf(ak)=1/V(ak)・・・(5)
(5)式において、V(ak)は、属性情報akの分散である。
はじめに、ステップSB2では、ユーザプロファイル更新部540は、未確定属性集合Bを空集合φで初期化する。また、ユーザプロファイル更新部540は、全属性にわたって確信度としきい値σとの比較を行うため、属性情報A1に対応する属性カウンタkを0で初期化する。
ステップSB3では、ユーザプロファイル更新部540は、属性カウンタkを1インクリメントする。ステップSB4では、ユーザプロファイル更新部540は、属性カウンタkが全属性数n以下であるか否かを判断し、この場合、判断結果を「Yes」とする。この全属性数nは、第2図に示したユーザプロファイルデータベース600における属性情報Aiにおける「語学」(属性情報an)に対応している。
ステップSB5では、ユーザプロファイル更新部540は、属性情報ak(この場合、第2図に示した「性別」(属性情報a1)の確信度Conf(ak)を前述した(5)式から求める。
ステップSB6では、ユーザプロファイル更新部540は、ステップSB5で求められた確信度Conf(ak)がしきい値σ以下であるか否かを判断する。
ステップSB6の判断結果が「Yes」である場合、すなわち、当該属性情報akに関する確信度Conf(ak)が低い(しきい値σ以下)である場合、ステップSB7では、ユーザプロファイル更新部540は、当該属性情報akを未確定属性集合Bに組み入れいることにより、未確定属性集合Bを更新する。
以後、ユーザプロファイル更新部540は、ステップSB4の判断結果が「No」になるまで、ステップSB3以降を実行する。
一方、ステップSB6の判断結果が「No」である場合、すなわち、確信度Conf(ak)が高い(しきい値σを超える)場合、ステップSB8では、ユーザプロファイル更新部540は、類似ユーザ集合Gの中で属性情報akの属性値bkjに関して多数決を行う。Dkは、属性情報akの定義域を表す。具体的には、類似ユーザ集合Gの中で属性情報akの値として、属性値bkjをとる割合をProb(bkj|G))とする。このProb(bkj|G))を最大とするjの値を用いて、現時点で対象しているユーザの属性情報akの属性値bkjが求められる。
そして、ステップSB4の判断結果が「No」になると、第4図に示したステップSA2では、ユーザプロファイル更新部540は、ベクトルを生成するためのベクトル生成処理を実行する。
具体的には、第7図に示したステップSD1では、ユーザプロファイル更新部540は、ステップSB1(第5図参照)で取得された類似ユーザ集合Gから全てのユーザプロファイルを取得したか否かを判断し、この場合、判断結果を「No」とする。
ステップSD2では、ユーザプロファイル更新部540は、類似ユーザ集合Gに属する一つのユーザプロファイルPi{Mi;Ai}を取得する。
ステップSD3では、ユーザプロファイル更新部540は、特定ユーザが、行動E(例えば、ページu1(第10図に示したコンテンツHTMLページ1101にアクセス))に続いて行動EuL(ページuLにアクセス)をとる発生確率を、確率分布ベクトルProb(EuL|Mi)として求める。ここで、ページuLは、特定ユーザがアクセス可能な全ページ(ページu1、u2、u3、・・・)である。
従って、ステップSD3では、上記ページu1、u2、u3、・・・に関する確率分布ベクトルProb(Eu1|Mi)、Prob(Eu2|Mi)、Prob(Eu3|Mi)、・・・が求められる。
以下では、確率分布ベクトルProb(Eu1|M1)、Prob(Eu2|Mi)、Prob(Eu3|Mi)・・・を確率分布ベクトルProb(EuL|Mi)と表現する。
ステップSD4では、ユーザプロファイル更新部540は、ステップSD3で求められたページ毎の確率分布ベクトルProb(EuL|Mi)と、しきい値δとを比較して、特定ユーザが当該ページにアクセスする度合いを、「アクセスする」、「アクセスしない」または「不明」という三つの状態により判定する。
具体的には、ユーザプロファイル更新部540は、つぎの(a)〜(c)の条件により判定する。
(a)確率分布ベクトルProb(EuL|Mi)>1−δ(アクセスする)
(b)確率分布ベクトルProb(EuL|Mi)<δ(アクセスしない)
(c)δ≦確率分布ベクトルProb(EuL|Mi)≦(1−δ)(不明)
ここで、ユーザプロファイル更新部540は、(a)の条件に合致した場合、判定値u(i) Lを「1」とし、(b)の条件に合致した場合には、判定値u(i) Lを「0」とする。また、ユーザプロファイル更新部540は、(c)の条件に合致した場合、判定値u(i) Lを「?」とする。
以後、ユーザプロファイル更新部540は、ステップSD1の判断結果が「Yes」となるまで、ステップSD1〜ステップSD4を繰り返す。
そして、ステップSD1の判断結果が「Yes」になると、つぎの(6)式で表されるベクトルが生成される。
[u(i) 1、u(i) 2、u(i) 3、・・・;Ai]、Pi∈G、u(i
) L∈{?、0、1} ・・・・・(6)
また、ステップSD1の判断結果が「Yes」になると、第4図に示したステップSA3では、ユーザプロファイル更新部540は、(6)式で表されるベクトルにおける属性情報akの確信度Info(ak)をつぎの(7)式より求める。
Info(ak)=ΣLInfok(uL)・・・(7)
上記(7)式において、属性情報akは、前述した未確定属性集合Bに含まれている。Infok(uL)は、行動Eを行った特定ユーザに対し、つぎの行動(ページuLのアクセス)を行うことによって属性情報akの確信度をどの程度増すことができるかという量である。
ステップSA4では、設問生成部550は、つぎの(8)式より確信度Info(ak)が最小となるようなkをκとして求める。
κ=arg mink Info(ak) ・・・(8)
つぎに、設問生成部550は、つぎの(9)式より、情報利得Infok(uL)が最大となるようなLをλとして求める。
λ=arg maxL Infoκ(uL) ・・・(9)
つぎに、設問生成部550は、第10図に示したように、設問ページuλへのリンク情報Bを提示した後、ステップSA1以降の処理を実行する。このリンク情報Bは、確信度が低い属性情報に関してユーザに選択させるためのページへジャンプさせるための情報である。
つぎに、一実施の形態における推薦処理について、第8図に示したフローチャートを参照しつつ詳述する。前述した特定ユーザが第10図に示したコンテンツHTMLページ1101にアクセスしたとすると、第8図に示したステップSE1では、行動傾向出力部560は、特定ユーザの行動Eを取得する。
ステップSE2では、行動傾向出力部560は、当該特定ユーザの行動モデルMi(第2図参照)を用いて、行動傾向Qを得る。
ステップSE3以降では、推薦部570は、上記行動傾向Q、属性情報Ai(第2図参照)および事例ベース610(第3図参照)に基づいて、特定ユーザに商品を推薦する。
ここで、第3図に示した事例ベース610においては、事例(「行動傾向」、「性別」、・・・、「語学」および「商品」)をczと定義する。事例czにおける事例変数zは、各レコードに対応しており、第3図の例では1〜7までの値をとる。一般的には、レコード数が非常に多いため、全事例数をZと表す。
ステップSE3では、推薦部570は、上記事例変数zを0とし、類似事例集合Tをリセットする。この類似事例集合Tは、特定ユーザの行動傾向Qおよび属性情報Aと、第3図に示した事例における行動傾向および属性情報(「性別」、・・・、「語学」)との類似度が高い(後述するしきい値δ以上)事例czの集合である。
ステップSE4では、推薦部570は、事例変数zを1インクリメントする。ステップSE5では、推薦部570は、事例変数zが全事例数Z以下であるか否かを判断する。この全事例数Zは、第3図に示した最終レコードの事例c7の「7」に対応している。この場合、推薦部570は、ステップSE5の判断結果を「No」とする。
ステップSE6では、推薦部570は、特定ユーザの行動傾向Qおよび属性情報A(第2図参照)と、事例cz(この場合、第3図に示した事例c1)における行動傾向Q4および属性情報(「性別」、・・・、「語学」)との類似度sをつぎの(10)式から求める。
s=Sim({Q、A}、cz)・・・(10)
ステップSE7では、推薦部570は、類似度sが、しきい値δ以上(高)であるか否かを判断する。このステップSE7の判断結果が「No」である場合、推薦部570は、ステップSE5の判断結果が「Yes」となるまで、ステップSE4以降を実行する。
一方、ステップSE7の判断結果が「Yes」である場合、ステップSE8では、推薦部570は、特定ユーザの行動傾向Qおよび属性情報Aとの類似度が高い当該事例czを類似事例集合Tに組み込む。
そして、ステップSE5の判断結果が「Yes」になると、ステップSE9では、推薦部570は、類似事例集合Tを用いて、周知の事例ベース推論を実施し、推論結果を推薦商品Rとする。この場合には、第3図に示した事例c1の「商品」であるBS内蔵ビデオが推薦商品Rとされたとする。
つぎに、推薦部570は、第10図に示したように、上記推薦商品Rに関するリンク情報Cを特定ユーザに提示する。このリンク情報Cがクリックされると、上記BS内蔵ビデオに関するページが表示される。また、推薦部570は、推薦対象であるBS内蔵ビデオが特定ユーザにより購入された場合、特定ユーザの行動傾向、属性情報および商品を事例ベース610(第3図参照)に反映する。
なお、前述した一実施の形態では、第6図に示した類似ユーザ集合取得処理に代えて、第9図に示した類似ユーザ集合取得処理を実行するようにしてもよい。
具体的には、第9図に示したステップSF1では、ユーザプロファイル更新部540は、行動モデル生成部520により行動モデルが生成されたか否かを判断し、この場合、判断結果を「No」として、同判断を繰り返す。
そして、あるユーザ(以下、特定ユーザと称する)に関する行動モデルが生成されると、ユーザプロファイル更新部540は、ステップSF1の判断結果を「Yes」とする。
ステップSF2〜ステップSF7では、ユーザプロファイル更新部540は、つぎの(11)式で表される類似ユーザ集合Gを取得する。
G={Pi|Sim(M、Mi)<ε}・・・・(11)
(11)式において、ユーザカウンタiは、第2図に示したユーザIDに対応している。Piは、当該ユーザに関するユーザプロファイルであり、第2図に示した行動モデルMiおよび属性情報Aiである。Sim(M、Mi)は、特定ユーザの行動モデルMと、その他のユーザに関する行動モデルMiとの類似度を表す類似度関数であり、第12図に示した隠れマルコフモデルに対応するつぎの(12)式で表される。
Sim(M、Mi)=Σst|pst−p(i) st|
+Σvw|qv(uw)−q(i) v(uw)|・・・(12)
上記(12)式で表される類似度関数Sim(M、Mi)では、特定ユーザに関する長期的な嗜好が反映されている。
はじめに、ステップSF2では、ユーザプロファイル更新部540は、類似ユーザ集合Gを空集合φで初期化する。また、ユーザプロファイル更新部540は、全ユーザにわたって類似度としきい値との比較を行うために、ユーザIDに対応するユーザカウンタiを0で初期化する。
ステップSF3では、ユーザプロファイル更新部540は、ユーザカウンタiを1インクリメントする。ステップSF4では、ユーザプロファイル更新部540は、ユーザカウンタiがしきい値N以下であるか否かを判断し、この場合、判断結果を「Yes」とする。このしきい値Nは、第2図に示したユーザプロファイルデータベース600における最終のユーザIDに対応している。
ステップSF5では、ユーザプロファイル更新部540は、上述した(12)式より、類似度関数Sim(M、Mi)を計算する。すなわち、ユーザプロファイル更新部540は、特定ユーザの行動モデルMとその他のユーザの行動モデルMiとの類似度を計算する。ここで、類似度関数Sim(M、Mi)が小さいほど、特定ユーザの行動モデルMとその他のユーザの行動モデルMiとが類似していることを意味している。
ステップSF6では、ユーザプロファイル更新部540は、ステップSF5で計算された類似度関数Sim(M、Mi)がしきい値εより小さいか否か、すなわち、類似度が高いか否かを判断する。ここで、ステップSF6の判断結果が「No」である場合、ステップSF3以降では、ユーザプロファイル更新部540は、ユーザカウンタiを1インクリメントし、特定ユーザと、つぎの他のユーザとに関する類似度判定を行う。
一方、ステップSF6の判断結果が「Yes」である場合、すなわち、類似度が高い場合、ステップSF7では、ユーザプロファイル更新部540は、特定ユーザの行動モデルMとの類似度が高い、他のユーザの行動モデルMiを前述した(3)式で表される類似ユーザ集合Gに組み入れることにより、類似ユーザ集合Gを更新する。
以後、ユーザプロファイル更新部540は、ステップSF4の判断結果が「No」となるまでステップSF3以降の処理を実行する。そして、ステップSF4の判断結果が「No」になると、ユーザプロファイル更新部540は、第5図に示したステップSB2以降の処理を実行する。
以上本発明にかかる一実施の形態について図面を参照して詳述してきたが、具体的な構成例はこの一実施の形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等があっても本発明に含まれる。
例えば、前述した一実施の形態においては、推薦装置500の機能を実現するためのユーザプロファイル管理プログラムおよび推薦プログラムを第13図に示したコンピュータ読み取り可能な記録媒体800に記録して、この記録媒体800に記録されたユーザプロファイル管理プログラムおよび推薦プログラムを同図に示したコンピュータ700に読み込ませ、実行することにより推薦装置500の機能を実現するようにしてもよい。
同図に示したコンピュータ700は、上記ユーザプロファイル管理プログラムおよび推薦プログラムを実行するCPU710と、キーボード、マウス等の入力装置720と、各種データを記憶するROM(Read Only Memory)730と、演算パラメータ等を記憶するRAM(Random Access Memory)740と、記録媒体800からユーザプロファイル管理プログラムおよび推薦プログラムを読み取る読取装置750と、ディスプレイ、プリンタ等の出力装置760と、装置各部を接続するバス770とから構成されている。
CPU710は、読取装置750を経由して記録媒体800に記録されているユーザプロファイル管理プログラムおよび推薦プログラムを読み込んだ後、ユーザプロファイル管理プログラムおよび推薦プログラムを実行することにより、前述した推薦装置500の機能を実現する。なお、記録媒体800には、光ディスク、フロッピーディスク、ハードディスク等の可搬型の記録媒体が含まれることはもとより、ネットワークのようにデータを一時的に記録保持するような伝送媒体も含まれる。
以上説明したように、一実施の形態によれば、第4図〜第7図を参照して説明したように、インターネット200におけるユーザの行動モデルの類似度に応じて、ユーザをグループ化し、グループ内において、他のユーザのプロファイルを用いて、特定のユーザのユーザプロファイルを推測し、特定ユーザのプロファイルを、推測手段により推測されたユーザプロファイルに更新するようにしたので、ユーザの手を煩わせることなく、ユーザプロファイルを更新することができる。
また、一実施の形態によれば、第5図を参照して説明したように、推測されたユーザプロファイルを構成する各属性情報について、確信度を算出し、この確信度がしきい値σ以下の属性情報に関して、ユーザに選択させるようにしたので、ユーザプロファイルの精度を高めることができる。
また、一実施の形態によれば、行動モデル生成部520により、定期的にユーザの行動を行動モデルとしてモデル化するようにしたので、時間の経過とともにユーザプロファイルが陳腐化するという事態を回避することができる。
また、一実施の形態によれば、他のユーザの行動傾向と購入された商品との対応関係を表す事例ベース610(第3図参照)から、特定ユーザの行動傾向との類似度が高い行動傾向を検索し、該行動傾向に対応する商品をユーザに推薦するようにしたので、より精度が高い推薦を行うことができる。
また、一実施の形態によれば、推薦部570により、推薦された商品の購入履歴および当該ユーザの行動傾向を事例ベース610に反映させるようにしたので、次回以降の推薦の精度をより高めることができる。
以上説明したように、本発明によれば、インターネットにおけるユーザの行動モデルの類似度に応じて、ユーザをグループ化し、グループ内において、他のユーザのプロファイルを用いて、特定のユーザのユーザプロファイルを推測し、特定ユーザのプロファイルを、推測手段により推測されたユーザプロファイルに更新するようにしたので、ユーザの手を煩わせることなく、ユーザプロファイルを更新することができるという効果を奏する。
また、本発明によれば、推測手段により推測されたユーザプロファイルを構成する各要素について、確信度を算出し、この確信度がしきい値以下の要素について、ユーザに選択させるようにしたので、ユーザプロファイルの精度を高めることができるという効果を奏する。
また、本発明によれば、定期的にユーザの行動を行動モデルとしてモデル化するようにしたので、時間の経過とともにユーザプロファイルが陳腐化するという事態を回避することができるという効果を奏する。
また、本発明によれば、他のユーザの行動傾向と購入された商品との対応関係を表す事例ベースから、あるユーザの行動傾向との類似度が高い行動傾向を検索し、該行動傾向に対応する商品をユーザに推薦するようにしたので、より精度が高い推薦を行うことができるという効果を奏する。
また、本発明によれば、推薦された商品の購入履歴および当該ユーザの行動傾向を事例ベースに反映させるようにしたので、次回以降の推薦の精度をより高めることができるという効果を奏する。
産業上の利用可能性
以上のように、本発明にかかるユーザプロファイル管理装置および推薦装置は、インターネット上におけるユーザプロファイルの管理および精度の高い商品の推薦に対して有用である。
【図面の簡単な説明】
第1図は、本発明にかかる一実施の形態の構成を示すブロック図であり、第2図は、第1図に示したユーザプロファイルデータベース600のテーブル構造を示す図であり、第3図は、第1図に示した事例ベース610のテーブル構造を示す図であり、第4図は、同一実施の形態における設問生成処理を説明するフローチャートであり、第5図は、第4図に示したユーザプロファイル更新処理を説明するフローチャートであり、第6図は、第5図に示した類似ユーザ集合取得処理を説明するフローチャートであり、第7図は、第4図に示したベクトル生成処理を説明するフローチャートであり、第8図は、同一実施の形態における推薦処理を説明するフローチャートであり、第9図は、第5図に示した類似ユーザ集合取得処理を説明するフローチャートであり、第10図は、第1図に示したコンテンツHTMLページ1101の一例を示す図であり、第11図は、第1図に示した属性情報入力HTMLページ130の一例を示す図であり、第12図は、同一実施の形態における隠れマルコフモデルを示す図であり、第13図は、同一実施の形態の変形例の構成を示すブロック図である。
Claims (5)
- インターネットにおけるユーザの行動を行動モデルとしてモデル化するモデル化手段と、
行動モデルの類似度に応じて、ユーザをグループ化するグループ化手段と、
グループ内において、他のユーザのプロファイルを用いて、特定のユーザのユーザプロファイルを推測する推測手段と、
前記特定ユーザのプロファイルを、前記推測手段により推測されたユーザプロファイルに更新する更新手段と、
を備えたことを特徴とするユーザプロファイル管理装置。 - 前記推測手段により推測されたユーザプロファイルを構成する各要素について、確信度を算出する確信度算出手段と、前記確信度がしきい値以下の要素について、ユーザに選択させる選択手段とを備えたことを特徴とする請求の範囲第1項に記載のユーザプロファイル管理装置。
- 前記モデル化手段は、定期的にユーザの行動を行動モデルとしてモデル化することを特徴とする請求の範囲第1項または第2項に記載のユーザプロファイル管理装置。
- インターネットにおけるユーザの行動を行動モデルとしてモデル化するモデル化手段と、
前記行動モデルに基づいて、ユーザの行動傾向を分析する行動傾向分析手段と、
他のユーザの行動傾向と購入された商品との対応関係を表す事例ベースから、あるユーザの行動傾向との類似度が高い行動傾向を検索し、該行動傾向に対応する商品をユーザに推薦する推薦手段と、
を備えたことを特徴とする推薦装置。 - 推薦された前記商品の購入履歴および当該ユーザの行動傾向を前記事例ベースに反映させる事例ベース更新手段を備えたことを特徴とする請求の範囲第4項に記載の推薦装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2001/007160 WO2003017137A1 (fr) | 2001-08-21 | 2001-08-21 | Dispositif de gestion de profils d'utilisateurs et dispositif de recommandation |
Publications (1)
Publication Number | Publication Date |
---|---|
JPWO2003017137A1 true JPWO2003017137A1 (ja) | 2004-12-09 |
Family
ID=11737654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003521975A Pending JPWO2003017137A1 (ja) | 2001-08-21 | 2001-08-21 | ユーザプロファイル管理装置および推薦装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JPWO2003017137A1 (ja) |
WO (1) | WO2003017137A1 (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9235849B2 (en) * | 2003-12-31 | 2016-01-12 | Google Inc. | Generating user information for use in targeted advertising |
JP4866572B2 (ja) * | 2005-06-14 | 2012-02-01 | パナソニック株式会社 | 携帯端末装置及びプログラム起動方法 |
US20090327193A1 (en) * | 2008-06-27 | 2009-12-31 | Nokia Corporation | Apparatus, method and computer program product for filtering media files |
JP5199152B2 (ja) * | 2009-03-12 | 2013-05-15 | 株式会社日立製作所 | 行動予測方法及び行動予測システム |
JP4898938B2 (ja) | 2010-06-08 | 2012-03-21 | 株式会社ソニー・コンピュータエンタテインメント | 情報提供システム及び情報提供方法 |
JP2012098975A (ja) * | 2010-11-04 | 2012-05-24 | Hitachi Ltd | アイテムの推薦方法及び装置 |
EP2639714A4 (en) * | 2011-12-13 | 2015-03-04 | Nec Corp | INFORMATION COLLECTION DEVICE, SYSTEM, METHOD, AND PROGRAM |
WO2013116816A1 (en) * | 2012-02-03 | 2013-08-08 | Augme Technologies, Inc. | System and method of inferring user preferences |
JP2014106661A (ja) * | 2012-11-27 | 2014-06-09 | Nippon Telegr & Teleph Corp <Ntt> | ユーザ状態予測装置及び方法及びプログラム |
US10069697B2 (en) * | 2016-01-29 | 2018-09-04 | Microsoft Technology Licensing, Llc | Routing actions to user devices based on a user graph |
JP6527276B2 (ja) * | 2018-07-05 | 2019-06-05 | ヤフー株式会社 | 情報処理装置、情報処理プログラムおよび情報処理方法 |
WO2021192232A1 (ja) * | 2020-03-27 | 2021-09-30 | 日本電気株式会社 | 商品推薦システム、商品推薦装置、商品推薦方法、及び、商品推薦プログラムが格納された記録媒体 |
JPWO2023048154A1 (ja) | 2021-09-21 | 2023-03-30 | ||
CN114218241A (zh) * | 2021-12-17 | 2022-03-22 | 福建凯米网络科技有限公司 | 一种用户画像更新方法、装置及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06243173A (ja) * | 1993-02-18 | 1994-09-02 | Fujitsu Ltd | 個人適応型ネットワーク制御方法 |
JPH0962703A (ja) * | 1995-08-30 | 1997-03-07 | Nec Corp | データベース検索システムおよびその情報検索処理方法 |
JPH11282875A (ja) * | 1998-03-27 | 1999-10-15 | Oki Electric Ind Co Ltd | 情報フィルタリング装置 |
JP2000035972A (ja) * | 1998-05-11 | 2000-02-02 | Oki Electric Ind Co Ltd | 商品情報検索装置 |
JP2000099486A (ja) * | 1998-09-17 | 2000-04-07 | Nippon Telegr & Teleph Corp <Ntt> | 自動配信型情報提供処理方法及びそのための処理装置及びそのためのプログラムを記録した記録媒体 |
JP2000132559A (ja) * | 1998-10-23 | 2000-05-12 | Hitachi Ltd | 情報フィルタリングシステムにおけるプロファイル更新方法及び情報フィルタリングシステム |
JP2000172697A (ja) * | 1998-12-03 | 2000-06-23 | Sony Corp | 顧客情報検索方法及び顧客情報検索装置、データ作成方法、並びにデータベース |
JP2000315212A (ja) * | 1999-04-30 | 2000-11-14 | Ntt Data Corp | 情報選別方法及びシステム、記録媒体 |
JP2001014349A (ja) * | 1999-06-28 | 2001-01-19 | Nippon Telegr & Teleph Corp <Ntt> | 協調情報フィルタリング用レイティングシステム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3673093B2 (ja) * | 1998-09-29 | 2005-07-20 | 株式会社ニューズウオッチ | 情報フィルタリング装置 |
-
2001
- 2001-08-21 WO PCT/JP2001/007160 patent/WO2003017137A1/ja active Application Filing
- 2001-08-21 JP JP2003521975A patent/JPWO2003017137A1/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06243173A (ja) * | 1993-02-18 | 1994-09-02 | Fujitsu Ltd | 個人適応型ネットワーク制御方法 |
JPH0962703A (ja) * | 1995-08-30 | 1997-03-07 | Nec Corp | データベース検索システムおよびその情報検索処理方法 |
JPH11282875A (ja) * | 1998-03-27 | 1999-10-15 | Oki Electric Ind Co Ltd | 情報フィルタリング装置 |
JP2000035972A (ja) * | 1998-05-11 | 2000-02-02 | Oki Electric Ind Co Ltd | 商品情報検索装置 |
JP2000099486A (ja) * | 1998-09-17 | 2000-04-07 | Nippon Telegr & Teleph Corp <Ntt> | 自動配信型情報提供処理方法及びそのための処理装置及びそのためのプログラムを記録した記録媒体 |
JP2000132559A (ja) * | 1998-10-23 | 2000-05-12 | Hitachi Ltd | 情報フィルタリングシステムにおけるプロファイル更新方法及び情報フィルタリングシステム |
JP2000172697A (ja) * | 1998-12-03 | 2000-06-23 | Sony Corp | 顧客情報検索方法及び顧客情報検索装置、データ作成方法、並びにデータベース |
JP2000315212A (ja) * | 1999-04-30 | 2000-11-14 | Ntt Data Corp | 情報選別方法及びシステム、記録媒体 |
JP2001014349A (ja) * | 1999-06-28 | 2001-01-19 | Nippon Telegr & Teleph Corp <Ntt> | 協調情報フィルタリング用レイティングシステム |
Non-Patent Citations (2)
Title |
---|
三浦 信幸: "個人適応型WWWにおけるユーザモデル構築法", 情報処理学会論文誌, vol. 第39巻 第5号, JPN6010035385, 15 May 1998 (1998-05-15), JP, pages 1523 - 1535, ISSN: 0001653885 * |
北村 泰彦: "最新エージェントテクノロジ インターネットエージェント 知的情報検索と自動情報配信", BIT, vol. 31, no. 2, JPN6010035386, 1 February 1999 (1999-02-01), JP, pages 7 - 14, ISSN: 0001653886 * |
Also Published As
Publication number | Publication date |
---|---|
WO2003017137A1 (fr) | 2003-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5572596B2 (ja) | 検索結果内におけるプレーストコンテンツの順序付けのパーソナライズ | |
TWI636416B (zh) | 內容個人化之多相排序方法和系統 | |
JP5224868B2 (ja) | 情報推薦装置および情報推薦方法 | |
US10607235B2 (en) | Systems and methods for curating content | |
US8380784B2 (en) | Correlated information recommendation | |
US7941383B2 (en) | Maintaining state transition data for a plurality of users, modeling, detecting, and predicting user states and behavior | |
KR101121280B1 (ko) | 내재적 사용자 피드백에 기초한 서치 엔진 결과들 페이지에 대한 동적 레이아웃 | |
KR100961782B1 (ko) | 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체 | |
US9396485B2 (en) | Systems and methods for presenting content | |
KR100692209B1 (ko) | 맞춤형 상품 정보 제공 방법 및 그 시스템 | |
US10713666B2 (en) | Systems and methods for curating content | |
TWI519974B (zh) | 最佳化一主題頁面上的內容之方法 | |
US11580586B2 (en) | Real-time recommendation monitoring dashboard | |
CN104969224A (zh) | 未认可及新用户的改善用户体验 | |
JP2005135071A (ja) | 商品購入における信頼値の算出方法及び装置 | |
KR100970335B1 (ko) | 사용자의 관심 키워드를 업데이트 하는 방법과 그 방법을수행하기 위한 시스템 | |
JP2002024285A (ja) | ユーザ支援方法およびユーザ支援装置 | |
JPWO2003017137A1 (ja) | ユーザプロファイル管理装置および推薦装置 | |
CN106447419B (zh) | 基于特征选择的拜访者标识 | |
Huang et al. | A novel recommendation model with Google similarity | |
JP7200069B2 (ja) | 情報処理装置、ベクトル生成方法及びプログラム | |
CN103069418B (zh) | 信息提供装置、信息提供方法、程序以及信息记录介质 | |
JP2003167907A (ja) | 情報提供方法およびシステム | |
WO2013033216A1 (en) | System and method for finding mood-dependent top selling/rated list | |
JP4755834B2 (ja) | 属性評価装置、属性評価方法および属性評価プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080318 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081031 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100622 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100816 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101109 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110322 |