内容推荐设备和内容推荐方法技术

本发明专利技术公开了一种内容推荐设备和内容推荐方法，该内容推荐设备用于在多个内容项之中决定要推荐给用户的内容，该内容推荐设备包括：聚类部，其通过基于预定指标对用户的内容的使用状态进行聚类来产生包括聚类的聚类集；有效性确定部，其通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及推荐内容决定部，其通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定内容项之中的相对受欢迎的内容项为要推荐的内容项。

【技术实现步骤摘要】

本公开内容涉及数据处理技术，并且具体涉及向用户推荐诸如视频游戏的内容的技术。
技术介绍
至今为止，为了向用户推荐内容，采用了基于用户行为信息或偏好信息的协同过滤。例如，通过基于表示用户特征的简档(profile)将多个用户聚类来设置具有相似行为和偏好的用户组(聚类)。于是，就成为推荐对方的用户而言，用户所属的聚类中的喜爱内容被作为推荐内容推荐给用户。在聚类时，采用了作为自然语言的维数减小方法的概率潜在语义分析(下文中被称作“PLSA”)(可以从协同过滤的潜在语义模型获得关于PLSA的信息)，ACM Transactions on Information Systems,以及 ACM(ACM)，Thomas Hofmann 著，2004 年，卷 22，第一版， 89-115页(非专利文献1)。
技术实现思路
为了改进协同过滤的内容推荐精度，需要适当地设计用于聚类的输入数据的类型或聚类的数目。然而，由于存在输入数据的类型或聚类数目的多种组合，所以本专利技术人认为难以从其中选择适当的组合。因此，期望提供一种改进向用户推荐内容的精度的技术。本公开内容的实施例涉及一种用于在多个内容项之中决定要推荐给用户的内容项的内容推荐设备，该内容推荐设备包括聚类部，其通过基于预定指标对多个用户的内容项的使用状态进行聚类，来产生包括多个聚类的聚类集；有效性确定部，其通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及推荐内容决定部，其通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。本公开内容的另一实施例也涉及一种内容推荐设备。该设备在多个内容项之中决定要推荐给用户的内容，并且包括聚类部，其通过基于预定指标对多个用户的内容项的使用状态进行聚类，产生包括多个聚类的聚类集；以及受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度，其中，聚类部产生包括的聚类的总数彼此不同的多类聚类集，其中受欢迎内容决定部通过从多类聚类集的每个聚类集选择成为推荐对方的用户所属的聚类，来决定每个内容项的受欢迎程度，并且其中，内容推荐设备还包括推荐内容决定部，其通过对包括的聚类的总数变得越小的聚类集应用越高的加权，来对成为推荐对方的用户所属的每个聚类集的聚类中的每个内容项的受欢迎程度进行计数，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。本公开内容的又一实施例涉及一种内容推荐方法。该内容推荐方法由用于在多个内容项之中决定要推荐给用户的内容的内容推荐设备来执行，并且该方法包括通过基于预定指标对多个用户的内容项的使用状态进行聚类，来产生包括多个聚类的聚类集；通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。另外，甚至当通过设备、方法、系统、程序、存储程序的记录介质等来修改本公开内容的上述构成要素和实施例的组合时，这些修改也包括在本公开内容的技术范围之中。根据本公开内容的实施例，可以改进向用户推荐内容的精度。附图说明图1是示出了第一实施例的推荐信息提供系统的配置的图。图2是示出了图1的内容再现设备的外部配置的图。图3是示出了图2的视频游戏机的内部电路的配置的图。图4是示出了图1的内容推荐设备的内部电路的配置的图。图5是示出了图1的内容推荐设备中决定推荐给用户的内容的处理的概况的图。图6是示出了图1的内容推荐设备中决定推荐给用户的内容的处理的概况的图。图7是示出了图1的内容推荐设备的功能配置的框图。图8是示出了短期BF矩阵的示例的图。图9是示出了减小了维数的短期BF矩阵的示例的图。图10是示出了减小了维数的短期BF矩阵的示例的图。图11是示出了菜单画面上的推荐信息的显示示例的图。图12是示出了在线商店中的内容细节画面的显示示例的图。图13是示出了内容推荐设备的操作的流程图。图14是示出了对聚类集加权的设置示例的图。图15是示出了第二实施例的推荐信息提供系统的配置的图。图16是示出了图15的内容推荐设备的功能配置的框图。图17是示出了存储在推荐信息存储部中的数据的配置示例的图。图18是示意性示出了区域布局信息的图。图19是示出了推荐标题的选择约定的示例的图。图20是示出了在内容推荐设备中设置推荐信息的过程的示意图。图21是示出了内容推荐设备的操作的流程图。具体实施例方式本公开内容的实施例涉及一种用于在多个内容项之中决定要推荐给用户的内容项的内容推荐设备，该内容推荐设备包括聚类部，其通过基于预定指标对多个用户的内容项的使用状态进行聚类，来产生包括多个聚类的聚类集；有效性确定部，其通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及推荐内容决定部，其通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。本公开内容的另一实施例也涉及一种内容推荐设备。该设备在多个内容项之中决定要推荐给用户的内容，并且包括聚类部，其通过基于预定指标对多个用户的内容项的使用状态进行聚类，产生包括多个聚类的聚类集；以及受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度，其中，聚类部产生包括的聚类的总数彼此不同的多类聚类集，其中受欢迎内容决定部通过从多类聚类集的每个聚类集选择成为推荐对方的用户所属的聚类，来决定每个内容项的受欢迎程度，并且其中，内容推荐设备还包括推荐内容决定部，其通过对包括的聚类的总数变得越小的聚类集应用越高的加权，来对成为推荐对方的用户所属的每个聚类集的聚类中的每个内容项的受欢迎程度进行计数，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。本公开内容的又一实施例涉及一种内容推荐方法。该内容推荐方法由用于在多个内容项之中决定要推荐给用户的内容的内容推荐设备来执行，并且该方法包括通过基于预定指标对多个用户的内容项的使用状态进行聚类，来产生包括多个聚类的聚类集；通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。首先，在描述本公开内容本文档来自技高网...

【技术保护点】
１．一种用于在多个内容项之中决定要推荐给用户的内容的内容推荐设备，所述内容推荐设备包括：聚类部，其通过基于预定指标对多个用户的内容的使用状态进行聚类，来产生包括多个聚类的聚类集；有效性确定部，其通过在所述聚类集中评估所述内容与所述聚类之间的相关性来确定所述聚类的有效性；受欢迎内容决定部，其从所述聚类集选择成为推荐对方的用户所属的聚类，并根据所述聚类中的所述多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及推荐内容决定部，其通过考虑和估计其中的所述聚类集的有效性来评估成为所述推荐对方的所述用户所属的所述聚类中的每个内容项的受欢迎程度，并且决定所述多个内容项之中的相对受欢迎的内容项为要推荐的内容项。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：石井和夫，池田望，高桥良和，
申请(专利权)人：索尼公司，
类型：发明
国别省市：JP