Nothing Special   »   [go: up one dir, main page]

JP2002215665A - 情報推薦サーバー装置 - Google Patents

情報推薦サーバー装置

Info

Publication number
JP2002215665A
JP2002215665A JP2001008052A JP2001008052A JP2002215665A JP 2002215665 A JP2002215665 A JP 2002215665A JP 2001008052 A JP2001008052 A JP 2001008052A JP 2001008052 A JP2001008052 A JP 2001008052A JP 2002215665 A JP2002215665 A JP 2002215665A
Authority
JP
Japan
Prior art keywords
user
information
profile
document
recommendation
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
Application number
JP2001008052A
Other languages
English (en)
Inventor
Seiji Matsumoto
征二 松本
Eiji Niihori
英二 新堀
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.)
Dai Nippon Printing Co Ltd
Original Assignee
Dai Nippon Printing Co Ltd
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 Dai Nippon Printing Co Ltd filed Critical Dai Nippon Printing Co Ltd
Priority to JP2001008052A priority Critical patent/JP2002215665A/ja
Publication of JP2002215665A publication Critical patent/JP2002215665A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】 【課題】Content-based Filteringの正確さはあるけれ
ども、同じ傾向のものを推薦しがちになるという欠点
と、協調フィルタリングの、単によく似た人が閲覧した
文書を内容を吟味せずに推薦するという漠然性の欠点を
補う情報推薦サーバー装置を提供することを課題とす
る。 【解決手段】ユーザーの嗜好を抽出するユーザープロフ
ァイル作成更新手段15と、ユーザーの嗜好にあった情
報を選択する情報推薦手段12と、ユーザーに提供する
情報である文書データと各文書データの内容を表現する
文書ベクトルデータを格納したコンテンツデータベース
21と各ユーザーの嗜好情報を表すユーザープロファイ
ルを格納したユーザープロファイルデータベース22
と、を備えてユーザーからの要求に応じて適切な情報を
推薦する情報推薦サーバー装置10、により上記課題を
解決する。

Description

【発明の詳細な説明】
【0001】
【発明の属する技術分野】本発明は、情報を推薦する技
術およびその技術を利用した情報推薦サーバー装置に関
する。
【0002】
【従来技術】情報技術の発展とインターネットの普及に
伴い、情報源が増大する一方、本当に必要な情報を入手
することが困難になりつつある。このような状況を解決
するための情報技術の領域として情報フィルタリングが
ある。情報フィルタリングは、ユーザーの関心に従って
自動的に情報収集する技術を総称する。何らかの情報フ
ィルタリング技術を実装して、または利用して、ユーザ
ーに情報を提供する仕組みがリコメンデーションシステ
ムである。
【0003】情報フィルタリングの方式には、情報の内
容に基づくフィルタリング(Content-based Filterin
g)、実社会の人間関系に基づくフィルタリング(Socia
l Filtering)、生産コストが高い情報は有用と判断す
るフィルタリング(Economic Filtering)、情報の重要
度を類似の関心を持つ他人がどう見たかに基づいて評価
する協調フィルタリング(Collaborative Filterin
g)、協調フィルタリングの一手法である他人の評価点
に基づくフィルタリング(Rating-based Filtering)な
どの手法がある。
【0004】Content-based Filteringでは、情報(文
書)を何か文書間の類似度を測る表現に変換し、その表
現形式上で定義される類似度によって情報をフィルタリ
ングする。つまり、ユーザーがある文書を閲覧したら、
次にその文書と類似した文書を推薦する。類似度を測る
表現として代表的なものは、その情報に含まれる重要単
語の重み付きリストである。Content-based Filtering
を用いたリコメンデーションシステムでは、対象文書か
らこの重要単語リストへの変換方法が、フィルタリング
の性能に大きく影響する。公知の技術であるTF/IDF法
は、この処理を行うための代表的手法である。Content-
based Filteringでは、同じ傾向のものだけが選択ある
いは推薦されるという欠点がある。
【0005】Rating-based Filteringは、協調フィルタ
リングの一手法であるが、ユーザーが閲覧した情報に対
していちいち評価点を与える必要があるので、ユーザー
に負荷がかかるため、その文書を閲覧した全てのユーザ
ーが評価点を与えるとはいえないという問題点がある。
そこで、ユーザーに負荷をかけない協調フィルタリング
手法として、ユーザーのアクセス履歴を用いる方法が登
場してきた。この方法は、ユーザーがアクセスした文書
等の履歴を解析して、ユーザーごとのプロファイルを作
成更新し、ユーザープロファイルの比較から自分に似た
人を選択して、その人が最近閲覧した情報を推薦する方
法であり、最近多用されている。しかしこの方法は、似
ているとシステムが判断した人が閲覧した情報を内容を
吟味せずに推薦する(選択する)だけなので、内容の正
確さは期待できないという問題点がある。
【0006】
【発明が解決しようとする課題】本発明は以上のような
問題点を考慮してなされたものであり、Content-basedF
ilteringの正確さはあるけれども、同じ傾向のものを推
薦しがちになるという欠点と、協調フィルタリングの、
単によく似た人が閲覧した文書を内容を吟味せずに推薦
するという漠然性の欠点を補う情報フィルタリング技
術、及びそれを利用したリコメンデーションシステムの
具体形である情報推薦サーバー装置を提供することを課
題とする。
【0007】
【課題を解決するための手段】上記課題を解決するため
の本発明の第1の態様は、ユーザーがアクセスした文書
の文書ベクトルに基づいてユーザーの嗜好を抽出し更新
するユーザープロファイル作成更新手段と、ユーザーの
嗜好にあった情報を選択する情報推薦手段と、ユーザー
に提供する情報である文書データと各文書データの内容
を表現する文書ベクトルデータを格納したコンテンツデ
ータベースと各ユーザーの嗜好情報を表すユーザープロ
ファイルを格納したユーザープロファイルデータベース
と、を備えてユーザーからの要求に応じて適切な情報を
推薦する情報推薦サーバー装置である。
【0008】本発明のより好ましい第2の態様は、前記
第1の態様の情報推薦サーバー装置において、前記情報
推薦手段は、ユーザープロファイルを比較することによ
り、対象とするユーザーに最も良く似た嗜好を持つ協調
ユーザーを選定し、協調ユーザーの保有するいずれかの
ユーザープロファイルから推薦用プロファイルを1つ選
択し、コンテンツデータベースをこの推薦用プロファイ
ルによって類似検索することによって対象ユーザーに推
薦するコンテンツを選択するものである。
【0009】第2の態様の情報推薦サーバー装置によれ
ば、協調ユーザーのユーザープロファイルから選んだ推
薦用プロファイルによって、推薦用プロファイルと類似
度の大きい文書ベクトルを持つ文書を選択することがで
きるので、協調ユーザーが閲覧した文書を内容を吟味せ
ずに推薦するという従来の協調フィルタリング方式の欠
点を回避することが期待できる。
【0010】また、本発明の好適な第3の態様は、前記
第1の態様の情報推薦サーバー装置において、前記情報
推薦手段は、ユーザープロファイルを比較することによ
り、対象とするユーザーに最も良く似た嗜好を持つ協調
ユーザーを選定し、協調ユーザーの保有するユーザープ
ロファイルのうち、対象ユーザーの保有するユーザープ
ロファイルと最も類似度の小さいプロファイルを推薦用
プロファイルとして選択し、コンテンツデータベースを
この推薦用プロファイルによって類似検索することによ
って対象ユーザーに推薦するコンテンツを選択するもの
である。
【0011】第3の態様の情報推薦サーバー装置によれ
ば、同じ傾向のものばかり推薦してしまうというリコメ
ンデーションシステムにありがちな欠点を回避すること
が期待できる。しかも、第3の態様の情報推薦サーバー
装置では、対象ユーザーと全体として良く似た傾向を持
つユーザーのプロファイルに基づいているので、これま
でと異なる傾向の情報ではあるが、対象ユーザーの関心
が高い情報を推薦できる可能性が、全くでたらめに情報
を推薦する場合と比較して高い。
【0012】
【発明の実施の形態】以下図面を参照しながら、本発明
の実施形態を説明する。図1は、本発明の好適な一実施
形態である情報推薦装置1の全体構成図である。10は
情報推薦サーバーである。情報推薦サーバー10は、情
報配信手段11、情報推薦手段12、文書ベクトル作成
手段13、ユーザープロファイル作成更新手段15を備
える。21はコンテンツデータベースであり文書データ
211と各文書データの文書ベクトル212を収納して
いる。22はユーザープロファイルデータベースであ
り、各ユーザーの登録情報のほか、ユーザーがこの情報
推薦装置1を利用するにしたがって形成されるユーザー
プロファイルデータ222を記録管理する。コンテンツ
データベース21およびユーザープロファイルデータベ
ース22は情報推薦サーバー10に内蔵されるかまたは
接続されるハードディスク装置上に記録される。
【0013】情報推薦サーバー10はネットワーク9を
介してユーザーのコンピュータ30に情報を提供する。
情報推薦装置1は、World Wide Web(WWW)の技術を
用いて構築することができる。この場合、コンテンツで
ある文書データはHTML(HyperText Markup Languag
e)等で記述し、情報配信手段11として、HTTP(H
yperText Transfer Protocol)サーバーとして動作する
WWWサーバーソフトウエアを使用し、中継網9はネッ
トワーク層レベルでIP(Internet Protocol)のパケ
ットが行き来できるネットワークとする。WWWブラウ
ザソフトウエアが搭載されたユーザーコンピュータ30
によりストレージ21に格納されているコンテンツを閲
覧することができる。
【0014】文書ベクトル作成手段13は、コンテンツ
データベース21に登録されている個々の文書の内容を
表現する文書ベクトルを作成更新する。文書ベクトル
は、情報を推薦する際に、ある文書またはあるクエリー
と近い内容の文書を選択する時に参照されるもので、そ
の文書に含まれる単語(重要単語)の重み付きリストで
ある。また文書ベクトルは、後述するように、ユーザー
プロファイルを作成更新する際にも参照される。
【0015】ある文書D1の文書ベクトルは、例えば、 D1=(遺伝(0.6)、ゲノム(0.5)、DNA(0.3)、・
・ ) などと表現される。ここで、「遺伝」、「ゲノム」、
「DNA」、等がその文書の内容を表す単語であり、()の
中の数字はその単語の重み(重要度)を表す。重要単語
数、すなわち、文書ベクトルの次元数は、Lとして決め
られている。文書に含まれる単語は、公知技術である形
態素解析により、文書を構成する個々の文を品詞毎に分
解し、名詞と固有名詞を切出すことにより得られる。こ
のようにして得た用語(名詞、固有名詞)の重要度は、
例えば公知の技術であるTF/IDF法を用いて、数1で表さ
れるある文書ベクトルDiに関して、数2のような計算式
で定められる。結局、対象文書を形態素解析した結果得
られた単語を数2により重み付けし、重要度の高い順に
降順にソートして、上からL個までの単語で文書ベクト
ルが決められる。TF/IDF法が使用される場合は、新しい
文書データがコンテンツデータベース21に登録される
度に、文書ベクトル作成手段13が起動され、全ての文
書の文書ベクトルを作成・更新する。
【数1】
【数2】
【0016】ユーザープロファイル作成更新手段15
は、ユーザーが情報推薦装置1を利用する1回のセッシ
ョンが終了した時にユーザープロファイルを作成・更新
する。ユーザープロファイルは、ユーザーがアクセスし
た文書の文書ベクトルに基づいて作成更新される。ユー
ザープロファイルを作成・更新する方法は様々なものが
可能であるが、以下に一例を示す。
【0017】ユーザーXが情報推薦装置1を利用する1
回のセッションで文書D1、D2をアクセスしたとする。
それぞれの文書の文書ベクトルが、 D1=(遺伝(0.6)、ゲノム(0.5)、DNA(0.3)、・
・ ) D2=(DNA(0.4)、ゲノム(0.3)、RNA(0.2)、・・
) の場合、ユーザーXのその時のセッションプロファイル
は、 SP=(遺伝(0.6)、ゲノム(0.5)、 DNA (0.4)、RN
A(0.2)、・・ ) となる。アクセスした文書ベクトルからセッションプロ
ファイルを構成する方法は様々に可能であるが、上の例
は、下記の「マージ規則1」を適用した場合である。マ
ージ規則1: 1)閲覧した文書の文書ベクトルに現れる各単語の重要
度の最大値をセッションプロフ ァイルのその単語の
重要度とする(文書ベクトルに存在しない単語の重要度
は零と 考える)。 2)単語を重要度の大きい順に並ベ、上から2L個まで
を選択し、それ以下の単語は捨 てる(セッションプ
ロファイルをベクトルとしてみた場合の次元数は2
L)。尚、ユーザーが文書を新しくアクセスする度にユ
ーザープロファイルの更新を行ってもよい。その場合は
新しくアクセスした文書の文書ベクトルをセッションプ
ロファイルSPとすればよい(この場合SPの後半L個の要
素は零となる)。
【0018】ここで、どのような時に文書を「アクセス
した」ことになるのかは、情報推薦装置1を応用したア
プリケーションによって違ってくるということに注意し
ておく。例えば、単なる情報提供サイトである場合に
は、文字どおり、文書を単に閲覧した時がアクセスした
時となろう。あるいは、有料コンテンツの販売サイトで
ある場合には、ユーザーが実際に購入した場合に限り、
その文書(有料コンテンツ)の文書ベクトルを上記セッ
ションプロファイル設定の対象としてもよい。以下、こ
のSPに基づいてユーザープロファイルを更新する手順を
述べる。
【0019】(ユーザープロファイルが1種類だけの場
合)ユーザーXのユーザープロファイルが、存在しない
場合は、セッションプロファイルをユーザーXのユーザ
ープロファイルとする。ユーザーXのユーザープロファ
イルが、存在する場合は、既存のユーザープロファイル
とセッションプロファイルを、先のマージ規則1と同様
な考え方でマージしたものを更新されたユーザープロフ
ァイルとする。
【0020】次に、プロファイルの類似度評価について
説明する。情報フィルタリングのアプリケーションで
は、文書ベクトルと文書ベクトルまたはクエリーと文書
ベクトルまたはユーザープロファイルとユーザープロフ
ァイルの間の類似度を評価する必要がたびたび生じる。
ここで、クエリーとは、情報を検索する時に与える文書
ベクトルと同様な構造のデータである。数3は、このよ
うなベクトル間の類似度を求める計算式である。類似度
Simを求めることは二つのベクトルの内積を求めること
と同じである。これは直感的にも当たり前のことである
が。当然ながら、2つのベクトルの間で共通の単語が全
く存在しない場合の類似度Simは零である。
【数3】
【0021】情報推薦装置を利用するユーザーは、長い
時間間隔で見れば、複数の異なる目的を持って情報推薦
装置を利用すると考える方が自然である。ユーザープロ
ファイルが各ユーザーに1つだけであると、異なる目的
で閲覧した文書から1つのプロファイルを作ることにな
るので、リコメンデーションの精度が悪くなる。これを
解決するために、一ユーザーに複数のプロファイルを認
める方が望ましい。
【0022】1ユーザーに複数のプロファイルを認める
考え方も2通りある。一つは、提供するコンテンツを最
初からジャンル分けしておき、各ユーザーのプロファイ
ルをこのジャンル毎に1つ持たせるやり方である。例え
ば、Eコマースサイトであれば、提供する商品ジャンル
毎に、例えば、電気製品、パソコン関連製品、日用雑
貨、スポーツ・アウトドア用品などとジャンル分けし、
ユーザーの閲覧した文書を上記ジャンル毎に分けてそれ
ぞれでユーザープロファイルの作成更新を行う方法が考
えられる。コンテンツのジャンル分けは、コンテンツデ
ータベース管理者が人為的に行う場合と、そうではなく
て、コンテンツとしての文書データの文書ベクトルを計
算する時に、予め設定しておいた分野別標準ベクトルと
の類似度を計算させて最も類似度の大きい分野に設定す
る場合とがある。提供する情報の内容や情報提供サイト
の目的によって相応しい方を選択すればよい。
【0023】他方は、コンテンツのジャンル分けを前提
とせずに1ユーザーに複数のプロファイルを認めるやり
方である。この時は、セッションプロファイルと既存の
ユーザープロファイル(複数存在する)の類似度を数3
により求めて、類似度がある閾値より大きい場合のみそ
のプロファイルとマージを行う。既存のどのプロファイ
ルと比較してもマージできない場合は、そのセッション
プロファイルを新しいユーザープロファイルとして登録
する。
【0024】(ユーザープロファイルの分野が固定され
ていない場合)次に、情報推薦手段12の動作を説明す
る。まず、コンテンツのジャンル分けをせずに1ユーザ
ーに複数のプロファイルを認める場合の情報推薦手段1
2の動作を、図3から図5の図と図6のフローチャート
を用いて述べる。
【0025】3人のユーザーがいて、それぞれ図2のよ
うにユーザープロファイルを持っていたとする。図2に
よると、ユーザーAは3つのプロファイルP1,P2,
P3を持ち、ユーザーBはP4を一つだけ持ち、ユーザ
ーCはP5とP6の2個のプロファイルを持つとする。
ここで、ユーザーCに対して情報推薦処理を行うために
情報推薦手段12が起動されたものと仮定する。
【0026】すると、まず、ユーザーCが保持している
P5とP6のそれぞれのプロファイルに関して他のユー
ザーのプロファイルとの類似度を数3により計算する
(S100)。図3は、プロファイルP5に対する各プ
ロファイルの類似度を計算して、類似度の大きい順にリ
ストしたものである。図4は、同様に、プロファイルP
6に対する各プロファイルの類似度を計算して、類似度
の大きい順にリストしたものである。
【0027】次に、上記類似度の値をユーザー毎に加え
てユーザーのスコアを計算する。最もスコアの高いユー
ザーが類似ユーザーということになる(S104)。図
3、図4の例では、図5のように、ユーザーAのスコア
が0.55でユーザーBのスコア0.50より大きいのでユーザ
ーAが協調ユーザと決定される。
【0028】次に協調ユーザーAのプロファイルから情
報推薦用のプロファイルを選択する(S108)。この
場合、協調ユーザーAのプロファイルから任意に1つ選
んでもよいし、ユーザーCのプロファイルP5またはP
6と最も類似していないプロファイルを選択してもよ
い。後者の場合はP2が推薦用プロファイルとして選択
される。
【0029】最後に、選択した推薦用プロファイルによ
りコンテンツを推薦する(S112)。すなわち、推薦
用プロファイルとコンテンツデータベース中の全ての文
書ベクトルデータの類似度を数3により計算して、最も
類似度の高い順に文書をリストアップする。この処理を
類似度検索と呼ぶ。通常、類似度検索された文書のトッ
プを推薦する。
【0030】(ユーザープロファイルの分野が固定され
ている場合)次に、ユーザープロファイルの分野が固定
されている場合の情報推薦手段12の動作を図6のフロ
ーチャートに従って説明する。例えば、4つの分野「電
気製品」「パソコン」「雑貨」「スポーツ」が予め決ま
っているものとし、各ユーザーにはシステムの利用につ
れて、この4つの分野のユーザープロファイルが各分野
に1つずつ作成更新されるものとする。ここで、ユーザ
ーCに対して情報推薦する場合は、各分野毎に、ユーザ
ーCのプロファイルと対応する他のユーザーのプロファ
イルの類似度を数3により計算する。プロファイルがま
だ作成されていない場合は類似度を零とする(S10
2)。この結果を例示したのが図7の表である。
【0031】次にユーザー毎に求めた類似度スコアを評
価して協調ユーザーを決定する(S106)。ユーザー
Cに全体として傾向が似た人を選択するために、ユーザ
ーCがユーザープロファイルを保有している分野に関し
てユーザー毎に分野別類似度を加えて、正規化する。図
7の場合では、 ユーザーAについては、(0.9+0.4+0.8)/3 = 0.7 ユーザーBについては、(0.4+0+0)/3 = 0.13 となりユーザーAが協調ユーザーとして決定される。除
数の3は、ユーザーCがプロファイルを保有している分
野が3つあるからである。
【0032】協調ユーザーAのプロファイルから推薦用
のプロファイルを選択する(S110)。協調ユーザー
に存在して、ユーザーCに存在しない分野のプロファイ
ルがある場合には、その分野の協調ユーザーのプロファ
イルを推薦用プロファイルとする。どの分野のプロファ
イルも両者が保有している場合は、最も類似度が小さい
分野の協調ユーザーのプロファイルを推薦用プロファイ
ルとする。
【0033】そして、選択された推薦用プロファイルを
利用して類似度検索を行いコンテンツを推薦する(S1
12)。
【0034】以上、本発明の好適な実施形態である情報
推薦サーバー装置1を説明した。情報推薦サーバー装置
1を利用すれば、ユーザーを退屈させずにユーザーの嗜
好に応じて最適な情報案内を行う、有料または無料の情
報提供サービスや、有料のコンテンツ販売(配信)サー
ビスを構築することができる。従って例えば、ユーザー
がコンテンツを購入するたびにその購入したコンテンツ
の文書ベクトルによってユーザーのプロファイルを更新
させて、さらにユーザーが購入する可能性の高いコンテ
ンツを案内させるようなサービスを実現することが可能
となる。
【0035】本発明は、ここで説明した情報推薦サーバ
ー装置1の態様に限られるものではない。例えば、情報
配信手段11を省いた構成でもよい。この場合は、通常
のWWWサーバーとしての機能を持つ別サーバーと連携
して動作させる構成とすればよい。また、文書ベクトル
作成手段13を省いた構成でもよい。この場合には、文
書ベクトルデータは別のコンピュータ上で作成し、得ら
れた文書ベクトルデータをコンテンツデータベース21
に登録するという運用とすればよい。ユーザープロファ
イルの作成更新手順は、対象ユーザーがアクセスした文
書の文書ベクトルに基づくものであるならばここで説明
した方法と異なるものでもよい。尚、情報配信の技術と
してWWWを用いない構成の装置であってもよい。
【0036】
【発明の効果】以上説明したように、本発明によれば、
Content-based Filteringの正確さはあるけれども、同
じ傾向のものを推薦しがちになるという欠点と、協調フ
ィルタリングの、単によく似た人が閲覧した文書を内容
を吟味せずに推薦するという漠然性の欠点を回避したリ
コメンデーションシステムの仕組みを実現できるという
顕著な効果を奏することができる。
【図面の簡単な説明】
【図1】 本発明の好適な実施形態である情報推薦装置
1の全体構成図である。
【図2】 ユーザー毎の保有するユーザープロファイル
を示す表である。
【図3】 ユーザープロファイルP5の類似度を比較し
た表である。
【図4】 ユーザープロファイルP6の類似度を比較し
た表である。
【図5】 協調ユーザーの選択方法を説明する計算例で
ある。
【図6】 情報推薦手段12の動作を説明するフローチ
ャートである。
【図7】 ユーザー毎の保有するユーザープロファイル
を示す表である。
【符号の説明】
1 情報推薦装置 9 ネットワーク 10 情報推薦サーバー 11 情報配信手段 12 情報推薦手段 13 文書ベクトル作成手段 15 ユーザープロファイル作成更新手段 21 コンテンツデータベース 211 文書(コンテンツ)データ 212 文書ベクトルデータ 22 ユーザープロファイルデータベース 222 ユーザープロファイルデータ 30 ユーザーコンピュータ

Claims (3)

    【特許請求の範囲】
  1. 【請求項1】 ユーザーがアクセスした文書の文書ベク
    トルに基づいてユーザーの嗜好を抽出し更新するユーザ
    ープロファイル作成更新手段と、ユーザーの嗜好にあっ
    た情報を選択する情報推薦手段と、ユーザーに提供する
    情報である文書データと各文書データの内容を表現する
    文書ベクトルデータを格納したコンテンツデータベース
    と各ユーザーの嗜好情報を表すユーザープロファイルを
    格納したユーザープロファイルデータベースと、を備え
    てユーザーからの要求に応じて適切な情報を推薦する情
    報推薦サーバー装置。
  2. 【請求項2】 前記情報推薦手段は、ユーザープロファ
    イルを比較することにより、対象とするユーザーに最も
    良く似た嗜好を持つ協調ユーザーを選定し、協調ユーザ
    ーの保有するいずれかのユーザープロファイルから推薦
    用プロファイルを1つ選択し、コンテンツデータベース
    をこの推薦用プロファイルによって類似検索することに
    よって対象ユーザーに推薦するコンテンツを選択するも
    のである請求項1に記載の情報推薦サーバー装置。
  3. 【請求項3】 前記情報推薦手段は、ユーザープロファ
    イルを比較することにより、対象とするユーザーに最も
    良く似た嗜好を持つ協調ユーザーを選定し、協調ユーザ
    ーの保有するユーザープロファイルのうち、対象ユーザ
    ーの保有するユーザープロファイルと最も類似度の小さ
    いプロファイルを推薦用プロファイルとして選択し、コ
    ンテンツデータベースをこの推薦用プロファイルによっ
    て類似検索することによって対象ユーザーに推薦するコ
    ンテンツを選択するものである請求項1に記載の情報推
    薦サーバー装置。
JP2001008052A 2001-01-16 2001-01-16 情報推薦サーバー装置 Pending JP2002215665A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2001008052A JP2002215665A (ja) 2001-01-16 2001-01-16 情報推薦サーバー装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2001008052A JP2002215665A (ja) 2001-01-16 2001-01-16 情報推薦サーバー装置

Publications (1)

Publication Number Publication Date
JP2002215665A true JP2002215665A (ja) 2002-08-02

Family

ID=18875707

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001008052A Pending JP2002215665A (ja) 2001-01-16 2001-01-16 情報推薦サーバー装置

Country Status (1)

Country Link
JP (1) JP2002215665A (ja)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004114155A1 (ja) * 2003-06-20 2004-12-29 Fujitsu Limited コンテンツ推薦装置、方法及びプログラム
JP2006505988A (ja) * 2002-11-08 2006-02-16 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ コンテンツ推奨装置及び方法
JP2006505989A (ja) * 2002-11-08 2006-02-16 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 推奨器及びそのためのコンテンツ推奨方法
JP2007510967A (ja) * 2003-08-13 2007-04-26 アマゾン ドット コム インコーポレイテッド 電子カタログのブラウズを促進するユーザ供給コンテンツの個人化選択及び表示
JP2009129458A (ja) * 2007-11-19 2009-06-11 Core Logic Inc コンテンツ推薦装置及び方法
JP2009223372A (ja) * 2008-03-13 2009-10-01 Yahoo Japan Corp リコメンド装置、リコメンドシステム、リコメンド装置の制御方法、およびリコメンドシステムの制御方法
WO2009125712A1 (ja) 2008-04-10 2009-10-15 株式会社エヌ・ティ・ティ・ドコモ レコメンド情報生成装置およびレコメンド情報生成方法
JP2009266056A (ja) * 2008-04-28 2009-11-12 Nippon Telegr & Teleph Corp <Ntt> 情報推薦装置、情報推薦方法、プログラム及び記録媒体
JP2009282957A (ja) * 2008-04-22 2009-12-03 Ntt Docomo Inc 文書処理装置および文書処理方法
US7706918B2 (en) 2004-07-13 2010-04-27 Panasonic Corporation Article holding system, robot, and method of controlling robot
JP2010146288A (ja) * 2008-12-18 2010-07-01 Dainippon Printing Co Ltd 組合せ商品の情報提供と顧客の反応情報収集をする方法、装置、プログラム、記録媒体
JP2011070422A (ja) * 2009-09-25 2011-04-07 Dainippon Printing Co Ltd 商品推薦装置
JP2015195055A (ja) * 2011-04-04 2015-11-05 クアルコム,インコーポレイテッド 類似のユーザをマッチングさせることによるモバイルコンテンツの推奨
JP2016057855A (ja) * 2014-09-10 2016-04-21 Necパーソナルコンピュータ株式会社 情報処理装置、情報処理システム及びプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06124309A (ja) * 1992-10-14 1994-05-06 Hitachi Ltd 情報サービスシステムおよび放送受信システム
JPH10240749A (ja) * 1997-02-24 1998-09-11 Nec Corp 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体
JPH117453A (ja) * 1997-04-22 1999-01-12 Mitsubishi Electric Corp メディア情報推薦装置
JP2000105764A (ja) * 1998-09-28 2000-04-11 Hitachi Ltd 情報フィルタリングシステム
JP2000293531A (ja) * 1999-04-06 2000-10-20 Ntt Data Corp 情報検索方法及び装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06124309A (ja) * 1992-10-14 1994-05-06 Hitachi Ltd 情報サービスシステムおよび放送受信システム
JPH10240749A (ja) * 1997-02-24 1998-09-11 Nec Corp 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体
JPH117453A (ja) * 1997-04-22 1999-01-12 Mitsubishi Electric Corp メディア情報推薦装置
JP2000105764A (ja) * 1998-09-28 2000-04-11 Hitachi Ltd 情報フィルタリングシステム
JP2000293531A (ja) * 1999-04-06 2000-10-20 Ntt Data Corp 情報検索方法及び装置

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006505988A (ja) * 2002-11-08 2006-02-16 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ コンテンツ推奨装置及び方法
JP2006505989A (ja) * 2002-11-08 2006-02-16 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 推奨器及びそのためのコンテンツ推奨方法
WO2004114155A1 (ja) * 2003-06-20 2004-12-29 Fujitsu Limited コンテンツ推薦装置、方法及びプログラム
JP2007510967A (ja) * 2003-08-13 2007-04-26 アマゾン ドット コム インコーポレイテッド 電子カタログのブラウズを促進するユーザ供給コンテンツの個人化選択及び表示
US7706918B2 (en) 2004-07-13 2010-04-27 Panasonic Corporation Article holding system, robot, and method of controlling robot
JP2009129458A (ja) * 2007-11-19 2009-06-11 Core Logic Inc コンテンツ推薦装置及び方法
JP2009223372A (ja) * 2008-03-13 2009-10-01 Yahoo Japan Corp リコメンド装置、リコメンドシステム、リコメンド装置の制御方法、およびリコメンドシステムの制御方法
WO2009125712A1 (ja) 2008-04-10 2009-10-15 株式会社エヌ・ティ・ティ・ドコモ レコメンド情報生成装置およびレコメンド情報生成方法
US8032526B2 (en) 2008-04-10 2011-10-04 Ntt Docomo, Inc. Recommendation information generation apparatus and recommendation information generation method
JP2009282957A (ja) * 2008-04-22 2009-12-03 Ntt Docomo Inc 文書処理装置および文書処理方法
JP2009266056A (ja) * 2008-04-28 2009-11-12 Nippon Telegr & Teleph Corp <Ntt> 情報推薦装置、情報推薦方法、プログラム及び記録媒体
JP2010146288A (ja) * 2008-12-18 2010-07-01 Dainippon Printing Co Ltd 組合せ商品の情報提供と顧客の反応情報収集をする方法、装置、プログラム、記録媒体
JP2011070422A (ja) * 2009-09-25 2011-04-07 Dainippon Printing Co Ltd 商品推薦装置
JP2015195055A (ja) * 2011-04-04 2015-11-05 クアルコム,インコーポレイテッド 類似のユーザをマッチングさせることによるモバイルコンテンツの推奨
JP2016057855A (ja) * 2014-09-10 2016-04-21 Necパーソナルコンピュータ株式会社 情報処理装置、情報処理システム及びプログラム

Similar Documents

Publication Publication Date Title
US7640232B2 (en) Search enhancement system with information from a selected source
US7467232B2 (en) Search enhancement system and method having rankings, explicitly specified by the user, based upon applicability and validity of search parameters in regard to a subject matter
US10198503B2 (en) System and method for performing a semantic operation on a digital social network
US7565627B2 (en) Query graphs indicating related queries
JP6246259B2 (ja) デジタル・ソーシャル・ネットワーク上でセマンティック操作を実行するためのシステム及び方法
Perugini et al. Recommender systems research: A connection-centric survey
US9792550B2 (en) Methods and apparatus for providing information of interest to one or more users
US20190087504A1 (en) Search engine that applies feedback from users to improve search results
Wen et al. A hybrid approach for personalized recommendation of news on the Web
US7693827B2 (en) Personalization of placed content ordering in search results
US8676732B2 (en) Methods and apparatus for providing information of interest to one or more users
JP3717808B2 (ja) 情報検索システム
US20100274753A1 (en) Methods for filtering data and filling in missing data using nonlinear inference
Jung et al. User preference mining through hybrid collaborative filtering and content-based filtering in recommendation system
US20060155751A1 (en) System and method for document analysis, processing and information extraction
US20080140641A1 (en) Knowledge and interests based search term ranking for search results validation
US20070156677A1 (en) Database access system
WO1997002537A1 (en) Method and apparatus for item recommendation using automated collaborative filtering
CN105930469A (zh) 基于Hadoop的个性化旅游推荐系统及方法
JP2002215665A (ja) 情報推薦サーバー装置
KR20030003396A (ko) 사용자의 분야별 선호 프로파일을 이용한 컨텐츠 추천서비스 방법
Kacem et al. Time-sensitive user profile for optimizing search personlization
KR20030058660A (ko) 개인화 시스템에서 사용자의 컨텐트 선호도를 이용한협업필터링 학습방법
Pavlov et al. Collaborative filtering with maximum entropy
US20050049987A1 (en) Systems and methods for optimizing decision graph collaborative filtering

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20070828

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20100210

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100223

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20100622