[发明专利]项目推荐系统

说明书

技术领域

本发明涉及促进用户购买商品和视听节目的在人工智能领域中的推荐(Recommendation)技术。

背景技术

在商品和节目等的项目的推荐中有2种方式。一种是进行类似项目的推荐的方式，利用对项目付与特征的关键字的集合向用户推荐类似的项目。一般把它们称为基于内容的项目推荐方式(Contents-BasedRecommendation)。另一种是进行非类似项目的推荐，不利用关键字的集合，向用户推荐未必是类似的项目。作为有代表性的方法有协同过滤(Collaboration Filtering)这种方法。该方式利用成为推荐对象的用户和项目的选择倾向类似的人们的选择倾向进行项目的推荐。

在基于内容的项目推荐方式中，因为推荐类似的项目，所以被视为不能推荐意想不到的项目。专利文献1以及非专利文献1涉及找到兼具有益性和意外性的书籍并推荐给顾客的技术。

[专利文献1]特开2001-265808号公报

[非专利文献1]人工智能学会研究会资料SIG-KBS-9904

上述的以往技术将顾客过去购入的书籍的关键字的集合合成为各自种类并生成顾客轮廓，另一方面，以书籍数据库为基础对每种书籍生成关键字的集合，特别是通过在不同的种类间的双方的组合，计算顾客轮廓的关键字的集合和未购入的各书籍的关键字的集合的类似度，从有益性和意外性的双方的观点出发检索书籍。但是，当把某一种类的关键字的集合作为另一种类的关键字的集合在基于内容的推荐系统中使用的情况下，虽然能够推荐类似度高的未购买书籍，但不能推荐类似度低的未购买书籍。

发明内容

本发明的课题是对用户以高效率推荐意外性高的项目。在此所谓项目是商品、书籍、Web网页和TV节目。此外，所谓意外性高表示表现用户的喜好的关键字的集合和表现项目的特征的关键字的集合的类似度低。进而，所谓高效率是指对于所推荐的项目通过商品购买、Web阅览、TV视听等行为，用户高频度地选择或者高频度地给予高评价(评定)。

在本发明中，在将表现用户的喜好的用户喜好关键字集合作为推荐用关键字集合进行项目的检索的基于内容的项目推荐方式中，附加在推荐用关键字集合中随机地追加用户不喜好的关键字的功能和从推荐用关键字集合中随机除去一部分喜好的关键字的功能。通过使用变更规则来执行该随机的变更、即关键字的追加、删除。在变更规则中，在表示应用条件的状态部中记述包含在推荐用关键字中的关键字、用户轮廓、类型等，在表示对推荐用关键字集合的变更内容的动作部中记述从推荐用关键字集合中删除的关键字和追加的关键字。进而，在变更规则中，付与表示应用规则的频度的权重，当用户选择推荐的项目，或者，给予高度的评价(评定)的情况下，在检索该项目时使用的变更规则的权重增加，在不是的情况下减少。变更规则的集合在全部用户中共用，随机地并且重复执行推荐、评价的功能。

根据本发明，可以以高效率对用户推荐意外性高的项目。

附图说明

图1是具有意外性的项目推荐系统的整体结构的说明图。

图2是具有意外性的项目推荐方式的整体的处理过程。

图3是客户端DB的数据结构的说明图。

图4是关键字记录DB的数据结构的说明图。

图5是内容DB的数据结构的说明图。

图6是关键字DB的数据结构的说明图。

图7是推荐暂时记录DB的数据结构的说明图。

图8是变更规则DB的数据结构的说明图。

图9是喜好关键字抽取功能的说明图。

图10是表示在喜好关键字抽取处理中的文本信息抽取功能的处理过程的PAD图。

图11是表示在喜好关键字抽取处理中的关键字记录DB更新功能的处理过程的PAD图。

图12是在喜好关键字抽取处理中的客户端DB更新功能的处理过程的PAD图。

图13是混合推荐功能的说明图。

图14是表示基于内容推荐的处理过程的PAD图。

图15是表示随机变更推荐的处理过程的PAD图。

图16是表示关键字追加推荐的处理过程的PAD图。

图17是评价反馈功能的说明图。

图18是表示评价反馈处理的处理过程的PAD图。

图19是变更规则库构`支援接口的说明图。

图20是客户端接口的说明图。

图21是具有意外性的项目推荐系统的客户端一侧的结构的说明图。

图22是具有意外性的项目推荐系统的服务器一侧的结构的说明图。

图23是变更规则库学习过程的说明图。

符号说明

101：客户端