信息处理设备、信息处理方法和程序技术

学习用户对内容条目的偏好的信息处理设备，包括：获得装置，用于获得用户对特定内容条目的操作或表达作为反馈信息；训练数据产生装置，用于针对从获得装置获得的反馈信息学习的偏好产生训练数据；和学习装置，用于通过使用由训练数据产生装置产生的多条训练数据来与训练数据相关联地学习用户的偏好以及如何向反馈信息附加含义。

【技术实现步骤摘要】

本专利技术涉及信息处理设备、信息处理方法和程序。特别是本专利技术涉及能够避免其中在使用来自用户的关于内容的反馈信息(特别地，IFB)来执行合 适的处理的应用中，用户的偏好不能确定的状态的出现的信息处理设备、信 息处理方法和程序。
技术介绍
提出了用于向用户推荐诸如乐曲或运动图像之类的内容条目的系统，并 且称之为推荐系统。这样的推荐系统采用使用明确反馈信息(下面称为EFB ) 的方法或使用暗示反馈信息(下面称为IFB)的方法，以便确定用户对明白 内容条目的偏好。在使用EFB的方法中，直接向用户询问关于在目标内容条 目中是否存在兴趣。在使用IFB的方法中，从用户利用装置的操作估计目标 内容条目中兴趣的存在(参见PCT日本翻译专利公开No.2004-519卯2、曰本 待审专利申请公开No.2005 - 32167和日本待审专利申请公开No.2001 -100888 )。通常，使用EFB的方法具有用户界面设计上的问题，这是因为给用户强 力口负担。由于即使可以设计自然的界面，也不希望用户进行频繁输入，因此， 不可能收集到足够的数据来知道用户的偏好。因此，使用IFB的方法受到关注。例如，对于音乐内容，利用各种装置来重放音乐内容的各种用户操作被 采用为IFB。在现有技术中使用IFB的方法中，获得与利用装置的特定用户 操作相关联的偏好度，并且学习(存储)所获得的偏好度来确定用户的偏好。 特别地，当用户执行重放操作时，获得+1的偏好度，当用户执行快进、暂 停或跳过操作时获得-1的偏好度，而当用户执行清除操作时获得-5的偏好 分钟。此外，可以详细存储各种操作。例如，在选择所有重放的状态下，当 用户执行普通重放操作时，获得+ 2的偏好度，当用户在跳过操作之后执行 重放操作时获得+ 3的偏好度，而当用户观看相关信息时获得+ 1的偏好度。
技术实现思路
然而，由于在现有技术中的使用IFB的方法中，基于与固定操作的关联 来确定用户的偏好，因此出现不期望的不能确定状态。例如，当在重放内容期间执行暂停操作时，不可能确定由于诸如电话铃 声之类的不可避免的事件(尽管用户喜欢内容但是用户被迫暂停重放)还是 用户不喜欢内容而执行暂停操作。当在内容和重放期间不执行操作时，不可能确定由于用户专心致志地倾 听内容而不执行操作还是由于用户不在而不执行操作。当执行所传送的内容的清除操作时，不可能确定由于用户拥有相同的内 容而执行清除操作还是用户不喜欢容纳并不希望拥有它而执行清除操作。当执行内容的跳过操作时，不可能确定是否尽管用户喜欢内容，但是根 据用户的便利执行跳过操作(例如，用户不具有足够的时间来倾听全部内容)， 还是是否由于用户不喜欢内容并不希望倾听它而执行跳过操作。此外，假设 用户由于他/她的脾气而趋向于执行跳过操作。例如，急躁的用户可能与悠闲 的用户不同地执行跳过操作。不可能确定如何理解这样的趋向。此外，由于在现有技术中的使用IFB的方法中未提供针对上述不可确定状态的有效度量，因此，存在未成功地学习用户的偏好的问题。例如，假设由于在重放内容期间不执行操作而发生的不可确定状态。如果正常重放而没有用户执行的操作，则根据上述关于音乐内容的示例添加+ 2 的偏好度。然而，在由于不存在用户而不执行操作的情况下，没有用户倾听 音乐内容。因此，添加+ 2作为用户的偏好度不总是产生学习用户的偏好的 良好结果，除非可以确定是由于用户专心致志地倾听内容还是由于用户不存况减少了用于学习的训练数据，因此，不总是产生学习用户的偏好的良好结果。期望避免其中在使用来自用户的关于内容的反馈信息(特别地，IFB)来 执行合适的处理的应用中，用户的偏好不可确定的状态的出现。合适的处理 包括内容的推荐、自动重放和使用所学习的偏好的对话的继续。根据本专利技术的实施例，学习用户对内容条目的偏好的信息处理设备包括 获得装置，用于获得用户对特定内容条目的操作或表达作为反馈信息；训练5数据产生装置，用于针对从获得装置获得反馈信息的偏好学习产生训练数据 和学习装置，用于通过使用由训练数据产生装置产生的多条训练数据来与训 练数据相关联地学习用户的偏好以及如何向反馈信息附加含义。训练数据产生装置最好将反馈信息分类为至少包括第一反馈信息和第二 反馈信息的类型中的任意 一个。第 一反馈信息被确定为具有第 一级别或更高 级别，在该级别上表示用户对特定内容条目的偏好。第二反馈信息被确定为 具有低于第一级别的级别，在该级别上表示用户对特定内容条目的偏好。训 练数据产生装置最好产生用于具有附加到对应的操作或表达的含义的第一反 馈信息的显式训练数据，并且产生不利用附加到对应的操作或表达的任何含 义来产生用于第二反馈信息的隐式训练数据。学习装置最好通过仅使用显式 训练数据来执行偏好的初始学习，以创建特定的偏好模型。学习装置最好通 过使用隐式训练数据作为统计信息来修改偏好模型，以学习与隐式训练数据 或如何将含义附加到隐式训练数据，以便学习用户的偏好。如果通过训练数据产生装置新产生的、并且附加了与所修改的偏好模型 矛盾的含义的显式训练数据的条数大于或等于特定值，则学习装置最好通过 仅使用显式训练数据来重新创建偏好模型训练数据产生装置最好将反馈信息分类为第二反馈信息和第三反馈信二级别的反馈信息被分类为第二反馈信息。将被确定为具有表示用户对特定 内容条目的偏好的级别，并且低于第二级别的反馈信息被分类为第三反馈信 息，对于其不产生训练数据。在根据本专利技术实施例的信息处理设备中采用根据本专利技术其它实施例的信 息处理方法和程序。在根据本专利技术的信息处理方法和程序中，以下列方式学习用户对内容条 目的偏好。获得用户对特定内容条目的操作或表达作为反馈信息；和从获得 的反馈信息中产生用于偏好学习的训练数据。当已经产生多条训练数据时， 通过使用多条训练数据与训练数据相关联地学习用户的偏好和如何将含义附 加到反馈信息。如上所述，根据本专利技术，可以应用使用来自用户的关于内容条目的反馈信息(特别地，IFB)来信息用户的平面的方法。特别地，可以实现偏好学习，习的偏好合适地执行诸如内容条目的推荐、自动重放和对话的继续之类的处 理。附图说明图1是显示作为根据本专利技术实施例的信息处理设备的乐曲推荐系统的功能配置的示例的框图2显示在图1的乐曲推荐系统中使用的IFB的示例；图3显示在图1的乐曲推荐系统中使用的EFB的示例；图4是显示在图1的乐曲推荐系统中的反馈注册处理的示例的流程图5是显示在图1的乐曲推荐系统中学习偏好模型的处理的示例的流程图6显示与现有技术的示例相比，图5中的学习偏好模型的处理的部分 概念；和图7是显示在乐曲推荐系统的至少 一部分中采用的个人计算机的配置的 示例的框具体实施例方式在描述本专利技术的实施例之前，在下面论述权利要求的特征和本专利技术实施 例中公开的特定元件之间的相应关系。该描述意欲确保在该说明书中描述了 支持所要求保护的本专利技术的实施例。因此，即使下面的实施例中的元素没有 被描述为涉及本专利技术的特定特征，也不必然表示该元件不涉及权利要求的该 特征。相反，即使，这里将元件描述为涉及权利要求的特定特征，也不必然 表示该元素不涉及权利要求的其它特征。此外，该描述不应该被理解为限制，在权利要求中描述实施例中公开的 本专利技术的所有方面。也就是，该描述不否认本文档来自技高网...

【技术保护点】
一种学习用户对内容条目的偏好的信息处理设备，所述设备包括：　获得装置，用于获得用户对特定内容条目的操作或表达作为反馈信息；　训练数据产生装置，用于针对从所述获得装置获得的所述反馈信息学习的所述偏好产生训练数据；和　学习装置，用于通过使用由所述训练数据产生装置产生的多条训练数据来与训练数据相关联地学习用户的所述偏好以及如何向所述反馈信息附加含义。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：山本则行，
申请(专利权)人：索尼株式会社，
类型：发明
国别省市：JP[日本]