推荐信息生成装置和推荐信息生成方法制造方法及图纸

本发明专利技术提供如下的推荐信息生成装置和推荐信息生成方法：即使历史信息少，也能够可靠地选择类似的类似用户。在该信息发布服务器（２００）中，用户特性矢量计算部（２０４）计算各用户的用户特性矢量，类似用户计算部（２０９）根据上述计算出的各用户的用户特性矢量，计算用户间的类似度。然后，类似用户计算部（２０９）根据计算出的类似度，选择与一个用户类似的类似用户，关联度评价部（２１０）根据选择出的类似用户的特性矢量，生成针对一个用户的推荐信息。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及生成推荐信息的。
技术介绍
考虑如下的强调过滤方式根据用户历史与其他用户的历史的比较，求出类似用 户，推荐类似用户经常查看的内容。例如，在下述专利文献1(日本特开2002-215665号公 报)中记载有如下内容选定具有与对象用户最相似的嗜好的协调用户，根据该协调用户 的分布图，选择要推荐的内容。专利文献1 日本特开2002-215665号公报但是，在上述专利文献1所记载的技术中，存在如果访问历史不增加则无法决定 推荐信息的问题。即，在选择嗜好类似的用户的情况下，需要选择一个以上的相同内容，所 以，如果没有选择相同内容，则不认为是类似用户。因此，需要蓄积某种程度的访问历史。因 此，在各用户的访问历史少的状态下，难以生成基于类似用户的推荐信息。
技术实现思路
因此，本专利技术的目的在于，提供如下的即 使历史信息少，也能够可靠地选择类似的类似用户。为了解决上述课题，本专利技术的推荐信息生成装置具有矢量取得单元，其取得各用 户的用户特性矢量；类似度计算单元，其根据由所述矢量取得单元取得的各用户的用户特 性矢量，计算用户间的类似度；选择单元，其根据由所述类似度计算单元计算出的类似度， 选择与一个用户类似的类似用户；以及生成单元，其根据由所述选择单元选择出的类似用 户的特征矢量，生成针对所述一个用户的推荐信息。并且，本专利技术的推荐信息生成方法具有以下步骤矢量取得步骤，在该步骤中，取 得各用户的用户特性矢量；类似度计算步骤，在该步骤中，根据由所述矢量取得步骤取得的 各用户的用户特性矢量，计算用户间的类似度；选择步骤，在该步骤中，根据由所述类似度 计算步骤计算出的类似度，选择与一个用户类似的类似用户；以及生成步骤，在该步骤中， 根据由所述选择步骤选择出的类似用户的特征矢量，生成针对所述一个用户的推荐信息。根据本专利技术，能够取得各用户的用户特性矢量，根据取得的各用户的用户特性矢 量，计算用户间的类似度。然后，根据计算出的类似度，选择与一个用户类似的类似用户，根 据选择出的类似用户的特征矢量，生成针对一个用户的推荐信息。由此，使用用户特性矢量 来判断用户的类似度，从而与现有方法相比，不用取得大量历史信息，就能够判断高精度的 类似用户，能够生成基于该类似用户的推荐信息。例如，在现有方法中，需要根据一万件阅 览历史信息来判断类似用户，与此相对，根据本专利技术，使用10件左右的阅览历史信息，就能 够高精度地判断类似用户。并且，在本专利技术的推荐信息生成装置中，优选所述矢量取得单元由以下单元构成 受理单元，其受理通过用户操作从多个选择对象项目中选择一个选择对象项目；存储单元，其存储由所述受理单元受理的选择对象项目的满意特征矢量、和未由所述受理单元受理的 选择对象项目的不满意特征矢量；以及用户特性矢量生成单元，其将与分离平面正交的正 交矢量作为用户特性矢量，所述分离平面用于对由所述存储单元存储的已选择的选择对象 项目的满意特征矢量和未选择的选择对象项目的不满意特征矢量进行分离。根据本专利技术，能够受理通过用户操作从多个选择对象项目中选择一个选择对象项 目，存储已受理的选择对象项目的满意特征矢量、和未由所述受理单元受理的选择对象项 目的不满意特征矢量。然后，生成与分离平面正交的正交矢量作为用户特性矢量，该分离平 面用于对所存储的已选择的选择对象项目的满意特征矢量和未选择的选择对象项目的不 满意特征矢量进行分离。由此，能够生成高精度的用户特性矢量。并且，在本专利技术的推荐信息生成装置中，优选所述矢量取得单元由以下单元构成 受理单元，其受理通过用户操作从多个选择对象项目中选择一个选择对象项目、以及未选 择的选择对象项目；以及用户特性矢量生成单元，其根据未由所述受理单元受理的选择对 象项目的不满意特征矢量，生成用户特性矢量。根据本专利技术，受理通过用户操作从多个选择对象项目中选择一个选择对象项目、 以及未选择的选择对象项目，根据未受理的选择对象项目的不满意特征矢量，生成用户特 性矢量，由此，能够根据未选择的内容/操作等的选择对象项目的倾向，生成用户特性矢量。并且，在本专利技术的推荐信息生成装置中，优选所述生成单元根据由所述类似度计 算单元计算出的类似度、以及类似用户的用户特性矢量与由所述类似用户阅览后的阅览 内容的特征矢量的内积值，评价所述阅览内容，根据该评价，根据所述阅览内容生成推荐信 肩、o根据本专利技术，根据计算出的类似度、以及类似用户的用户特性矢量与由类似用户 阅览后的阅览内容的特征矢量的内积值，评价阅览内容，根据该评价，根据阅览内容生成推 荐信息，由此，能够进行基于类似度的加权处理，生成基于该加权处理结果的推荐信息。由 此，能够根据类似度生成适当的推荐信息。根据本专利技术，使用用户特性矢量来判断用户的类似度，从而与现有方法相比，不用 取得大量历史信息，就能够判断高精度的类似用户，能够生成基于该类似用户的推荐信息。附图说明图1是示出推荐信息发布系统的系统结构的系统结构图。图2是示出信息发布服务器200的功能结构的框图。图3是信息发布服务器200的硬件结构图。图4是示出在便携电话机100中显示的菜单画面的一例的说明图。图5是示出生成分离平面时的处理概念的概念图。图6是示出根据分离平面来计算用户特性矢量时的概念的概念图。图7是示出内容管理表205a的存储内容的说明图。图8是示出内容特性矢量管理表207b的存储内容的说明图。图9是示出便携电话机100的功能结构的框图。图10是示出根据便携电话机100的请求来发布内容时的便携电话机100和信息发布服务器200的处理的顺序图。图11是示出用户特性矢量的计算处理的流程图。图12是发布推荐信息时的顺序图。图13是示出关联度计算处理的流程图。图14是示出历史事件a和历史事件b中的菜单画面的结构例的说明图。图15是示出在菜单画面中选择出的内容的特性矢量在特征空间中的位置关系的 图。图16是在相对空间内表示历史事件a和b的内容的特性矢量的图。图17是在无法生成分离平面的情况下使用相对空间进行处理时的说明图。图18是示出考虑阅览频度来求出特性矢量的重心的处理的概念图。图19是示出按照访问的时间序列顺序，通过NN法求出用户特性矢量的过程的概 念图。图20是示出与操作有关的特征空间中的特性矢量的参数的说明图。标号说明100 便携电话机；100a 便携电话机；101 浏览器；102 历史发送部；103 推荐 请求发送部；104 发布信息显示部；200 信息发布服务器；201 内容请求接收部；202 推 荐请求接收部；203 历史集合分离部；204 用户特性矢量计算部；205 发布信息存储部； 205a 内容管理表；207 历史存储部；207a 用户特性矢量管理表；207b 内容特性矢量管 理表；207c 阅览历史表；208 内容发送部；209 类似用户计算部；210 关联度评价部。具体实施例方式参照附图说明本专利技术的实施方式。在可能的情况下，对相同部分标注相同标号，并 省略重复说明。图1是示出本实施方式的具有便携电话机100和信息发布服务器200的推荐信息 发布系统的系统结构的系统结构图。信息发布服务器200根据来自便携电话机100的请 求，向便携电话机100发布该便携电话机100的用户及其特性类似的用户保持的便携电话 机100a本文档来自技高网...

【技术保护点】
一种推荐信息生成装置，其中，该推荐信息生成装置具有：矢量取得单元，其取得各用户的用户特性矢量；类似度计算单元，其根据由所述矢量取得单元取得的各用户的用户特性矢量，计算用户间的类似度；选择单元，其根据由所述类似度计算单元计算出的类似度，选择与一个用户类似的类似用户；以及生成单元，其根据由所述选择单元选择出的类似用户的特征矢量，生成针对所述一个用户的推荐信息。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：深泽佑介，原未来，上野英俊，小野木雅，长沼武史，大野木碧，仓掛正治，
申请(专利权)人：株式会社NTT都科摩，
类型：发明
国别省市：JP[日本]