推荐装置、推荐系统、推荐方法以及程序制造方法及图纸

本发明专利技术能够准确地掌握用户在短时间内感兴趣的内容，并且实现高精度的推荐。为此，长期的爱好分析处理单元通过分析所有的历史信息来生成推荐所需的信息。短期的兴趣分析处理单元通过分析每个会话的历史信息来生成推荐所需的信息。推荐结果输出单元通过统一长期的爱好分析处理单元的输出或/和短期的兴趣分析处理单元的输出来输出推荐结果。统一分配计算单元基于用户的兴趣变化来变更推荐结果输出单元的推荐结果。

【技术实现步骤摘要】
【国外来华专利技术】推荐装置、推荐系统以及推荐方法
本专利技术涉及一种在进行长期的爱好分析处理和短期的兴趣分析处理之后，通过统一两个处理的推荐结果来输出最终推荐结果的推荐装置、推荐系统、推荐方法以及程序。
技术介绍
近年来广泛使用基于用户的历史信息等来推测用户的爱好，并自动推荐被预测为符合用户爱好的内容等的“推荐服务”。用于这种推荐服务中的具有代表性的技术称为“协调过滤”。该协调过滤为在各用户之间或者在各内容之间通过比较购买历史或浏览历史等用户的历史信息来定义相似性、并基于该相似性，将被预测为用户感兴趣的内容作为推荐结果来输出的方法。改进了该协调过滤的自动化或高速化等的技术已被公开(例如，参考非专利文献1、非专利文献2、非专利文献3、非专利文献4)。具体地，在非专利文献1中，公开了自动化协调过滤，在非专利文献2中，公开了基于概率模型的协调过滤，还有在非专利文献3中，试行了非专利文献1的协调过滤的高速化。另外，非专利文献4公开了在用户的历史信息中通过假设爱好的衰减模型来能够重视最新的历史信息的协调过滤方法。先行技术文献非专利文献非专利文献1：P.Resnick,N.lacovou,M.Suchak,P.Bergstrom,andJ.Riedl.“GroupLens：OpenArchitectureforCollaborativeFilteringofNetnews”InConferenceonComputerSupportedCooperativeWork,pp.175-186(1994)非专利文献2：T.HofmannandJ.Puzicha,“LatentClassModelsforCollaborativeFiltering”,16thIJCAI(1999)非专利文献3：百田信，伊东荣典，“基于社会书签发现信息”DEWS2008,11-15，Mar.2008非专利文献4：杉山一成，波多野贤治，吉川正俊，植村俊亮，“基于用户简单建立的文件检索相应的Web信息”电子信息通信学会论文杂志D-1，Vol.J87-D-1,No.11,pp.975-990,2004年11月。专利技术概要专利技术要解决的技术问题但是，在非专利文献1或非专利文献2公开的技术中，由于将所有积累下来的历史信息作为对象进行分析之后生成推荐结果，因此，若积累下来的历史超过了用户的需求，则通过推荐处理计算出的内容每次都会被固定起来，且导致无法搜索到新内容。并且，在非专利文献3公开的技术中，由于仅在代表用户与被推荐对象用户之间定义相似性，因此，与非专利文献1中公开的技术相比推荐请求时所分析的计算量变小，且基于最新的历史信息易于执行推荐的处理，但是，在非专利文献3中仅关注了该推荐处理的高速化，并没有通过考虑最新的历史信息来变更推荐的提示内容等的处理，因此，若积累下来的历史超过了用户的需求，则仍然存在通过推荐提示的内容每次都会被固定起来的问题。虽然在非专利文献4当中通过进一步重视最新的历史信息可允许用户的爱好的转变，但是并没有考虑到该用户一时的兴趣，而是基于最新的历史信息来分析爱好。为此，对于脱离了用户的长期的爱好的，即对于仅限于现在的兴趣的推荐，存在跟踪性较低的问题。换言之，当有足够的历史信息时，即使组合上述的现有技术，协调过滤中的处理结果每次都相同的可能性也很大，假设多个历史信息都有变化，但是，由于该大致内容不变，因此，根据在某一时刻感兴趣的内容无法满足用于动态改变推荐结果的需求。解决技术问题所采用的技术手段因此，鉴于上述的问题，本专利技术的目的在于提供一种准确地掌握用户在短时间内感兴趣的内容，并且实现高精度推荐的推荐装置、推荐系统、推荐方法以及程序。为了实现上述目的，本专利技术提出了以下各项。但是，为了便于理解，标注与本专利技术的实施方式相对应的附图标记来进行说明，但并不限定于此。(1)本专利技术提出了推荐装置，其采用协调过滤方法，所述协调过滤方法为基于购买历史或浏览历史等的用户的历史信息来定义用户之间的相似性，并基于该定义的相似性，将被预测为用户感兴趣的内容作为推荐结果来输出的方法，所述推荐装置的特征在于，包括：长期的爱好分析处理单元(例如，相当于图1的长期的爱好分析处理部1100)，通过分析所有的所述历史信息来生成推荐所需的信息；短期的兴趣分析处理单元(例如，相当于图1的短期的兴趣分析处理部1200)，通过分析每个会话(session)的历史信息来生成推荐所需的信息；推荐结果输出单元(例如，相当于图1的推荐结果输出部1300)，通过统一所述长期的爱好分析处理单元的输出或/和所述短期的兴趣分析处理单元的输出来输出推荐结果；以及，统一分配计算单元(例如，相当于图1的统一分配计算部1600)，基于用户的兴趣变化来变更所述推荐结果输出单元的推荐结果。根据该专利技术，长期的爱好分析处理单元，通过分析所有的历史信息来生成推荐所需的信息。短期的兴趣分析处理单元，通过分析每个会话(session)的历史信息来生成推荐所需的信息。推荐结果输出单元，通过统一长期的爱好分析处理单元的输出或/和短期的兴趣分析处理单元的输出来输出推荐结果。统一分配计算单元，基于用户的兴趣变化来变更推荐结果输出单元的推荐结果。从而，根据长期的爱好分析处理单元提供基于用户的长期的爱好的推荐结果，并且根据短期的兴趣分析处理单元提供处于该状态中的对应于短期的兴趣的推荐结果，从而能够提供考虑到兴趣变化的恰当的推荐结果。(2)对于(1)的推荐装置，本专利技术提出了具有如下特征的推荐装置，所述长期的爱好分析处理单元包括：第一历史信息收集单元(例如，相当于图2的历史信息收集部1101)，从所有的记录信息当中收集分析所需的历史信息；第一相似性计算单元(例如，相当于图2的相似性计算部1102)，通过分析所述收集的历史信息来定义用户之间的相似性；第一推荐度计算单元(例如，相当于图2的推荐度计算部1103)，通过采用所述计算出的相似性和所述从所有的记录信息当中收集的分析所需的历史信息来计算推荐给用户的各内容的推荐度；以及，存储单元(例如，相当于图2的存储部1104)，存储所述计算出的推荐度，所述短期的兴趣分析处理单元包括：第二历史信息收集单元(例如，相当于图2的历史信息收集部1201)，从每个会话的记录信息当中实时收集分析所需的历史信息；第二相似性计算单元(例如，相当于图2的相似性计算部1202)，通过分析所述收集的历史信息来定义用户之间的相似性；第二推荐度计算单元(例如，相当于图2的推荐度计算部1203)，通过采用所述计算出的相似性和所述每个会话的记录信息当中的分析所需的历史信息来计算推荐给用户的各内容的推荐度，其中，所述推荐结果输出单元根据所述统一分配计算单元的变更结果，并通过所述存储的每个内容的推荐度和由所述第二推荐度计算单元计算出的每个内容的推荐度来输出推荐结果。根据该专利技术，长期的爱好分析处理单元的第一历史信息收集单元从所有的记录信息中收集分析所需的历史信息。第一相似性计算单元，通过分析收集的历史信息来定义用户之间的相似性。第一推荐度计算单元，通过采用计算出的相似性和从所有的记录信息当中收集的分析所需的历史信息来计算推荐给用户的各内容的推荐度。存储单元，存储计算出的推荐度。短期的兴趣分析处理单元的第二历史信息收集单元，从每个会话本文档来自技高网...

【技术保护点】
一种推荐装置，其采用协调过滤方法，所述协调过滤方法为基于购买历史或浏览历史等的用户的历史信息来定义用户之间的相似性，并基于该定义的相似性，将被预测为用户感兴趣的内容作为推荐结果来输出的方法，所述推荐装置的特征在于，包括：长期的爱好分析处理单元，通过分析所有的所述历史信息来生成推荐所需的信息；短期的兴趣分析处理单元，通过分析每个会话的历史信息来生成推荐所需的信息；推荐结果输出单元，通过统一所述长期的爱好分析处理单元的输出或/和所述短期的兴趣分析处理单元的输出来输出推荐结果；以及，统一分配计算单元，基于用户的兴趣变化来变更所述推荐结果输出单元的推荐结果。

【技术特征摘要】
【国外来华专利技术】2011.12.02 JP 2011-2646251.一种推荐装置，其采用协调过滤方法，所述协调过滤方法为基于购买历史或浏览历史等的用户的历史信息来定义用户之间的相似性，并基于该定义的相似性，将被预测为用户感兴趣的内容作为推荐结果来输出的方法，所述推荐装置的特征在于，包括：长期的爱好分析处理单元，通过分析所有的所述历史信息来生成推荐所需的信息；短期的兴趣分析处理单元，通过分析每个会话的历史信息来生成推荐所需的信息；推荐结果输出单元，通过统一所述长期的爱好分析处理单元的输出或/和所述短期的兴趣分析处理单元的输出来输出推荐结果；以及，统一分配计算单元，基于用户的兴趣变化来变更所述推荐结果输出单元的推荐结果，其中，所述长期的爱好分析处理单元包括：第一历史信息收集单元，从所有的记录信息当中收集分析所需的历史信息；第一相似性计算单元，通过分析所述收集的历史信息来定义用户之间的相似性；第一推荐度计算单元，通过采用所述计算出的相似性和所述从所有的记录信息当中收集的分析所需的历史信息来计算推荐给用户的各内容的推荐度；以及，存储单元，存储所述计算出的推荐度，所述短期的兴趣分析处理单元包括：第二历史信息收集单元，从每个会话的记录信息当中实时收集分析所需的历史信息；第二相似性计算单元，通过分析所述收集的历史信息来定义用户之间的相似性；第二推荐度计算单元，通过采用所述计算出的相似性和所述每个会话的记录信息当中的分析所需的历史信息来计算推荐给用户的各内容的推荐度，其中，所述推荐结果输出单元根据所述统一分配计算单元的变更结果，并通过所述存储的每个内容的推荐度和由所述第二推荐度计算单元计算出的每个内容的推荐度来输出推荐结果。2.一种推荐装置，其采用协调过滤方法，所述协调过滤方法为基于购买历史或浏览历史等的用户的历史信息来定义用户之间的相似性，并基于该定义的相似性，将被预测为用户感兴趣的内容作为推荐结果来输出的方法，所述推荐装置的特征在于，包括：长期的爱好分析处理单元，通过分析所有的所述历史信息来生成推荐所需的信息；短期的兴趣分析处理单元，通过分析每个会话的历史信息来生成推荐所需的信息；推荐结果输出单元，通过统一所述长期的爱好分析处理单元的输出或/和所述短期的兴趣分析处理单元的输出来输出推荐结果；以及，统一分配计算单元，基于用户的兴趣变化来变更所述推荐结果输出单元的推荐结果，其中，所述长期的爱好分析处理单元包括：第一历史信息收集单元，从所有的记录信息当中收集分析所需的历史信息；第一相似性计算单元，通过分析所述收集的历史信息来定义用户之间的相似性；以及，存储单元，存储所述计算出的相似性，所述短期的兴趣分析处理单元包括：第二历史信息收集单元，从每个会话的记录信息当中实时收集分析所需的历史信息；第二相似性计算单元，通过分析所述收集的历史信息来定义用户之间的相似性；第一推荐度计算单元，通过采用所述每个会话的记录信息当中的分析所需的历史信息和所述存储的相似性来计算推荐给用户的各内容的推荐度；以及，第二推荐度计算单元，通过采用由所述第二相似性计算单元计算出的相似性和所述每个会话的记录信息当中的分析所需的历史信息来计算推荐给用户的各内容的推荐度，其中，所述推荐结果输出单元根据所述统一分配计算单元的变更结果，并通过由所述第一推荐度计算单元计算出的每个内容的推荐度和由所述第二推荐度计算单元计算出的每个内容的推荐度来输出推荐结果。3.一种推荐装置，其采用协调过滤方法，所述协调过滤方法为基于购买历史或浏览历史等的用户的历史信息来定义用户之间的相似性，并基于该定义的相似性，将被预测为用户感兴趣的内容作为推荐结果来输出的方法，所述推荐装置的特征在于，包括：长期的爱好分析处理单元，通过分析所有的所述历史信息来生成推荐所需的信息；短期的兴趣分析处理单元，通过分析每个会话的历史信息来生成推荐所需的信息；推荐结果输出单元，通过统一所述长期的爱好分析处理单元的输出或/和所述短期的兴趣分析处理单元的输出来输出推荐结果；以及，统一分配计算单元，基于用户的兴趣变化来变更所述推荐结果输出单元的推荐结果，其中，所述长期的爱好分析处理单元包括：第一历史信息收集单元，从所有的记录信息当中收集分析所需的历史信息；第一相似性计算单元，通过分析所述收集的历史信息来定义用户之间的相似性；第一推荐度计算单元，通过采用所述计算出的相似性和所述每个会话的记录信息当中的分析所需的历史信息来计算推荐给用户的各内容的推荐度；以及，存储单元，存储所述定义的相似性以及计算出的推荐度，所述短期的兴趣分析处理单元包括：第二历史信息收集单元，从每个会话的记录信息当中实时收集分析所需的历史信息；第二推荐度计算单元，通过采用所述定义的相似性以及计算出的推荐度和采用所述每个会话的记录信息当中的分析所需的历史信息来计算推荐给用户的各内容的推荐度，其中，所述推荐结果输出单元根据所述统一分配计算单元的变更结果，并通过由所述第一推荐度计算单元计算出的每个内容的推荐度和由所述第二推荐度计算单元计算出的每个内容的推荐度来输出推荐结果。4.一种推荐系统，其采用协调过滤方法，所述协调过滤方法为基于购买历史或浏览历史等的用户的历史信息来定义用户之间的相似性，...

【专利技术属性】
技术研发人员：佐佐木祥，
申请(专利权)人：KDDI株式会社，
类型：发明
国别省市：日本;JP