JP6572691B2

JP6572691B2 - 検索方法、検索プログラムおよび検索装置

Info

Publication number: JP6572691B2
Application number: JP2015176981A
Authority: JP
Inventors: 池田　弘; 弘池田
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2015-09-08
Filing date: 2015-09-08
Publication date: 2019-09-11
Anticipated expiration: 2035-09-08
Also published as: US10509835B2; JP2017054266A; US20170068738A1

Description

本発明の実施形態は、検索方法、検索プログラムおよび検索装置に関する。

従来、ユーザより選択されたアイテムに対して、データベース（ＤＢ）等に蓄積された多数のアイテム（情報）の中から選択されたアイテムに類似するアイテムを検索し、検索されたアイテムをユーザへ推奨するシステム（情報推薦システム）がある。

このシステムにおけるアイテム検索には、ユーザベースによるものと、アイテムベースによるものがある。ユーザベースによるアイテム検索では、ユーザの行動履歴から関心が類似するユーザを抽出し、抽出されたユーザがアクセスしたアイテムを推奨する。アイテムベースによるアイテム検索では、ユーザが過去にアクセスしたアイテムや、選択されたアイテムと類似するアイテムを推奨する。

特開２０１４−１０６９４３号公報

しかしながら、上記の従来技術は、そもそも誰も選択していないアイテムなどの中からユーザに合ったアイテムを検索して推奨することが困難であるという問題がある。

例えば、ユーザ本人およびユーザの行動履歴から関心が類似するユーザにおいて、過去にアクセスのないアイテムについては、推奨の対象となることがない。また、選択されたアイテムと類似するアイテムを推奨する場合、推奨されるアイテムについては、単に選択されたアイテムと類似しているものであって、ユーザの行動履歴を反映したものではない。

１つの側面では、ユーザに合ったアイテムを検索することができる検索方法、検索プログラムおよび検索装置を提供することを目的とする。

第１の案では、検索方法は、コンピュータが、ユーザが過去に選択したアイテムの履歴情報をもとに、当該履歴情報に含まれるアイテム間についてのユーザの感度を示すユーザ感度を推定する処理を実行する。また、検索方法は、コンピュータが、推定されたユーザ感度に基づいて、検索対象となる各アイテムの特徴情報に基づいた特徴空間のスケールを変換する処理を実行する。また、検索方法は、コンピュータが、各アイテムにおける変換された特徴空間をもとに、当該特徴空間におけるアイテム間の距離を計算する処理を実行する。また、検索方法は、コンピュータが、計算されたアイテム間の距離に基づいて、各アイテムの中から所定のアイテムに対して距離の近いアイテムを出力する処理を実行する。

本発明の１実施態様によれば、ユーザに合ったアイテムを検索することができる。

図１は、実施形態にかかるシステム構成例を示す図である。図２は、実施形態にかかるサーバ装置の動作例を示すフローチャートである。図３は、データテーブルを説明する説明図である。図４は、アイテムの特徴空間を説明する説明図である。図５は、アイテムの特徴空間を説明する説明図である。図６は、アイテム出力を説明する説明図である。図７は、アイテムの発売からの時間に対する推奨の割合を説明する説明図である。図８は、実施形態にかかるサーバ装置のハードウエア構成の一例を示すブロック図である。

以下、図面を参照して、実施形態にかかる検索方法、検索プログラムおよび検索装置を説明する。実施形態において同一の機能を有する構成には同一の符号を付し、重複する説明は省略する。なお、以下の実施形態で説明する検索方法、検索プログラムおよび検索装置は、一例を示すに過ぎず、実施形態を限定するものではない。また、以下の各実施形態は、矛盾しない範囲内で適宜組みあわせてもよい。

図１は、実施形態にかかるシステム構成例を示す図である。図１に示すように、実施形態にかかるシステムは、ＰＣ（パーソナルコンピュータ）等のサーバ装置１および端末装置２を有し、サーバ装置１および端末装置２はインターネット等のネットワークＮを介して互いに通信可能に接続される。

このシステムは、端末装置２およびサーバ装置１によるクライアント・サーバ（Ｃ／Ｓ）モデルでアイテムをユーザに推奨する情報推薦システムである。具体的には、端末装置２においてユーザより選択されたアイテムに対してサーバ装置１が他のアイテムを端末装置２へ通知する。そして、端末装置２では、ユーザに対してサーバ装置１より通知されたアイテムをディスプレイ等に表示して推奨する。

なお、本実施形態では、端末装置２およびサーバ装置１によるクライアント・サーバ（Ｃ／Ｓ）モデルでの実施例を説明するが、ＰＣ等の情報処理装置単体で実施してもよいことは言うまでもないことである。また、本実施形態ではアイテムとしてネット販売等で販売対象となる商品を例示するが、アイテムの種別については特に商品に限定しない。例えば、システムで扱うアイテムは、ネット上の記事やホームページなどの情報であってもよい。

サーバ装置１は、ＣＰＵ（Central Processing Unit）がプログラムを実行して実現される機能構成として、嗜好抽出部１０、特徴空間変換部１１、アイテム距離計算部１２、入力部１３および出力部１４を有する。また、サーバ装置１は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等の記憶装置にユーザ履歴情報２０、アイテム特徴情報２１およびアイテム間距離情報２２等の各種情報を記憶する。

嗜好抽出部１０は、ユーザが過去に選択したアイテム等のユーザの行動履歴が記述されたユーザ履歴情報２０をもとに、アイテムに対するユーザの嗜好を推定する。嗜好抽出部１０は、推定した値を特徴空間変換部１１へ出力する。

ユーザ履歴情報２０は、例えばユーザを識別する識別情報（ユーザＩＤ（Identification Data）等）ごとに、ユーザが選択したアイテムを示すアイテムＩＤ、アイテムの持つ各特徴（価格、サイズ、色）、選択時刻などの履歴情報が記述されている。

また、ユーザ履歴情報２０には、アイテムの選択時における各種条件を履歴情報に含んでもよい。例えば、ユーザ履歴情報２０には、アイテムの検索結果におけるアイテム一覧の中からアイテムを選択する場合におけるアイテム一覧および検索条件などを、選択したアイテムについての履歴情報に含めてもよい。また、ユーザ履歴情報２０には、チェックボックス等による選択操作により明示的に複数のアイテムの選択を受け付けた場合のアイテムの組み合わせを履歴情報に含めてもよい。

嗜好抽出部１０は、端末装置２からのログイン等で認証したユーザＩＤをもとに、ユーザ履歴情報２０より認証したユーザについての履歴情報を読み出す。ついで、嗜好抽出部１０は、読み出された履歴情報に含まれる、ユーザが過去に選択したアイテムの組み合わせをもとに、アイテム間についてユーザが感じる感度（ユーザ感度）を求める。

具体的には、嗜好抽出部１０は、ユーザがアイテムの特徴が近いと感じるアイテムの組み合わせほど履歴情報に含まれるという特徴を用いて、履歴情報に含まれるアイテムの組み合わせと、その組み合わせの出現頻度とをもとにユーザ感度を求める。このユーザ感度は、例えば、出現頻度が高いアイテムの組み合わせ（ペア）ほど、アイテム間の特徴にかかる距離がユーザの嗜好に近く、感度を示す値が高くなるようにする。

まず、嗜好抽出部１０は、ユーザ履歴情報２０に含まれるユーザが過去に選択したアイテムの中から類似するアイテム（類似アイテム）の組み合わせを決定する。類似アイテムの組み合わせの決定方法としては、ある時期にユーザは類似アイテムを集中して選択しているという仮定から、所定の時間内に選択された複数のアイテムを類似アイテムの組み合わせとする方法がある。また、同一の検索結果の中から選択された複数のアイテムを組み合わせる方法がある。また、チェックボックス等による選択操作によりユーザが明示的に組み合わせたアイテムを組み合わせる方法がある。嗜好抽出部１０は、履歴情報に含まれる選択時刻やアイテムの選択時における各種条件を参照し、上記の方法を用いて類似アイテムの組み合わせを決定する。

次いで、嗜好抽出部１０は、決定された類似アイテムの組み合わせにおいて、組み合わせたアイテム間に対してユーザが感じる感度（ユーザ感度）を計算する。例えば、あるアイテムｉとｊのペアのユーザ感度の計算については、出現頻度が高いペアの感度が高く（アイテム間の特徴にかかる距離が近く）なるように求める。

一例としては、アイテムｉとｊがともに含まれる類似アイテムの組の割合Ｐ（ｉ，ｊ）の逆数をｄ_ｉｊ＝１／Ｐ（ｉ，ｊ）として求める。また、アイテムｉ、ｊそれぞれに含まれる割合Ｐ（ｉ）、Ｐ（ｊ）の積の、アイテムｉとｊがともに含まれる類似アイテムの組の割合Ｐ（ｉ，ｊ）に対する比として求める。この比はｄ_ｉｊ＝Ｐ（ｉ）Ｐ（ｊ）／Ｐ（ｉ，ｊ）であり、アソシエーション分析でいうところのリフトの逆数になっている。なお、Ｐ（ｉ）はアイテムｉが含まれる類似アイテムの組の割合を示す。上記の計算により、一部のアイテムのペア（ｉ，ｊ）についての距離（感度）が求められる。

次いで、嗜好抽出部１０は、すべての類似アイテムの組み合わせのユーザ感度について、アイテムの特徴ベクトルの各要素の差分とユーザ感度の積の和と、アイテムのペアの距離が近くなるよう、最適化問題を解くことでユーザ感度を最適化する。アイテムの特徴ベクトルは、アイテムの持つ各特徴（価格、サイズ、色）を軸とする特徴空間におけるベクトルである。ユーザ感度ｗ_ｋの最適化にかかる目的関数の例としては次の式（１）がある。

嗜好抽出部１０は、ｗ_ｋ≧０（ｋ＝１，…，Ｍ）の制約のもと、式（１）の目的関数が最小化されるユーザ感度ｗ_ｋ（ｋ＝１，…，Ｍ）を求める（制約付き最適化問題）。嗜好抽出部１０は、求めたｗ_ｋをユーザ感度の推定値とし、特徴空間変換部１１へ出力する。なお、ユーザ感度の推定値については、ｗ_ｋに「＾（ハット記号）」をつけて表す。

特徴空間変換部１１は、嗜好抽出部１０より出力されたユーザ感度の推定値を用いて、アイテム特徴情報２１に含まれる任意のアイテムのペアの特徴空間における距離を推定し、任意のアイテムのペアにおける特徴空間のスケールを変換する。特徴空間変換部１１は、変換後の値をアイテム距離計算部１２へ出力する。

アイテム特徴情報２１は、推奨するアイテムとして対象（検索対象）となるアイテムごとの、アイテムの持つ各特徴（価格、サイズ、色など）を示す情報である。例えば、アイテム特徴情報２１には、アイテムを識別する識別情報（アイテムＩＤ等）ごとに、アイテムの価格、サイズ、色などの各特徴についての値が記述されている。なお、アイテム特徴情報２１には、例えば、新規に登録されたばかりでありユーザの評価の無いアイテム（ユーザ履歴情報２０に含まれていないアイテム）の情報も含まれている。

一例として、特徴空間変換部１１は、次の式（２）により、アイテム特徴情報２１に含まれる任意のアイテムのペア（ｑ，ｒ）の距離を求め、任意のアイテムのペアにおける特徴空間のスケールを変換する。

この特徴空間変換部１１による特徴空間の変換により、任意のアイテムのペア（ユーザ評価の無いアイテムのペアを含む）における特徴空間の距離が、ユーザの感度、すなわちユーザの嗜好を反映したものとなる。具体的には、任意のアイテムのペアにおける特徴空間の距離が、ユーザが感じるアイテム間の距離とほぼ等しいものとなる。

アイテム距離計算部１２は、入力部１３より入力された所定のアイテムに対し、特徴空間変換部１１によるスケール変換後の特徴空間における他のアイテムとの距離を計算し、計算結果をアイテム間距離情報２２として出力する。

アイテム間距離情報２２は、アイテム距離計算部１２が計算したアイテム間の距離を示す情報である。例えば、アイテム間距離情報２２には、アイテムＩＤ等で示されるアイテムの組み合わせごとに、各組のアイテム間について計算された距離の値が記述されている。

入力部１３は、端末装置２よりユーザが選択したアイテムの入力を受け付ける。具体的には、ユーザが選択したアイテムを示すアイテムＩＤ等を受け付ける。入力部１３は、受け付けたアイテムの入力をアイテム距離計算部１２へ通知する。これにより、アイテム距離計算部１２は、ユーザ感度によるスケール変換によりユーザの嗜好を反映した特徴空間において、ユーザが選択したアイテムに対する他のアイテムとの距離を計算する。

出力部１４は、アイテム間距離情報２２を参照し、所定のアイテム（ユーザが選択したアイテム）に対して特徴空間における距離の近いアイテムをユーザに推奨するアイテムとして端末装置２へ出力する。具体的には、出力部１４は、アイテム間距離情報２２に記述された距離の値を読み出し、読み出した値が所定の範囲内にあるアイテムを示す情報（例えば、アイテムＩＤ、アイテム画像、サイズや価格等の特徴など）をアイテム特徴情報２１等より取得して端末装置２へ出力する。端末装置２では、出力部１４から出力された情報に基づくアイテムを、ディスプレイ等の表示装置へ表示してユーザに推奨する。

なお、出力部１４は、距離の値が小さい方が所定のアイテムに対する特徴がより近いことを示すことから、距離の値の近い順にアイテムを示す情報を出力してもよい。また、出力部１４は、アイテムごとに距離の値に対応したおすすめ度合いを示す情報（例えば距離の値が小さいほどお勧め度合いを示す値を大きくする）を付与して出力してもよい。

図２は、実施形態にかかるサーバ装置１の動作例を示すフローチャートである。図２に示すように、処理が開始されると、嗜好抽出部１０は、ユーザが過去に選択したアイテム等のユーザの行動履歴が記述されたユーザ履歴情報２０をもとに、アイテムに対するユーザの嗜好（ユーザ感度）を抽出する（Ｓ１）。次いで、特徴空間変換部１１は、嗜好抽出部１０により抽出されたユーザ感度に基づいて、アイテム特徴情報２１における任意のアイテム間についての特徴空間のスケールを変換する（Ｓ２）。

図３は、データテーブルを説明する説明図である。具体的には、図３は、Ｓ１、Ｓ２にかかる処理における類似アイテム組テーブルＴ１、アイテムペア内距離テーブルＴ２、感度ベクトルテーブルＴ３およびアイテム間距離テーブルＴ４を例示している。図３に示すように、Ｓ１において嗜好抽出部１０は、ユーザ履歴情報２０をもとに、ユーザが過去に選択したアイテムの中から類似アイテムを組み合わせた類似アイテム組テーブルＴ１を求める。次いで、嗜好抽出部１０は、類似アイテム組テーブルＴ１における類似アイテムの組み合わせについて、組み合わせたアイテム間の距離のアイテムペア内距離テーブルＴ２を求める。次いで、嗜好抽出部１０は、最適化問題を解いてユーザ感度の感度ベクトルテーブルＴ３を求める。次いで、特徴空間変換部１１は、感度ベクトルテーブルＴ３のユーザ感度をもとに、アイテム特徴情報２１における任意のアイテム間の距離についてのアイテム間距離テーブルＴ４を求める。

図４および図５はアイテムの特徴空間を説明する説明図である。具体的には、図４は、ユーザ感度をもとにしたスケール変換前のアイテムの特徴空間を説明する図である。図５は、ユーザ感度をもとにしたスケール変換後のアイテムの特徴空間を説明する図である。

図４に示すように、アイテムの特徴空間では、アイテム間の距離によりアイテムの特徴の近さが示される。例えば、アイテムＡに対するアイテムＢおよびアイテムＣについては、アイテムＢの方がアイテムＣよりもサイズ、価格などの特徴についての距離がアイテムＡに近いこととなる。

このアイテムの特徴空間について、ユーザ感度を反映したスケール変換を行うことで、アイテム間の距離はユーザの嗜好に対応したものとなる。

具体的には、図５のケースＣ１に示すように、価格差に対する感度の高いユーザＵ１のユーザ履歴情報２０に基づいたユーザ感度でスケール変換を行った場合、価格が同じアイテムＡ、Ｃの間の距離が近くなる。したがって、ユーザＵ１においては、アイテムＡに対し、ユーザＵ１の嗜好に対応したアイテムＣが推奨されやすくなる。また、ケースＣ２に示すように、サイズ差に対する感度の高いユーザＵ２のユーザ履歴情報２０に基づいたユーザ感度でスケール変換を行った場合、サイズが同じアイテムＡ、Ｂの間の距離が近くなる。したがって、ユーザＵ２においては、アイテムＡに対し、ユーザＵ２の嗜好に対応したアイテムＢが推奨されやすくなる。

次いで、入力部１３は、端末装置２よりユーザが選択したアイテムの入力を受け付ける（Ｓ３）。次いで、アイテム距離計算部１２は、特徴空間変換部１１によるアイテム間距離テーブルＴ４を参照し、ユーザが選択したアイテムに対する他のアイテムとの距離を計算し、計算結果をアイテム間距離情報２２として出力する（Ｓ４）。

次いで、出力部１４は、アイテム間距離情報２２を参照し、ユーザが選択したアイテムに対して推奨するアイテムの情報をアイテム特徴情報２１等より読み出して端末装置２へ出力する（Ｓ５）。具体的には、出力部１４は、アイテム間距離情報２２における距離値が所定の範囲内にあるアイテムのアイテムＩＤをもとに、アイテム特徴情報２１などからアイテムの情報を読み出して端末装置２へ出力する。端末装置２では、サーバ装置１より出力されたアイテムの情報を、例えば表示装置での画面表示や印刷装置による紙等への印字によってユーザへ出力する。

図６は、アイテム出力を説明する説明図である。図６に示すように、端末装置２では、選択したアイテム（Ｘ）に対して特徴が類似するアイテムとしてサーバ装置１より出力されたアイテムＩ１〜Ｉ４の情報を画面表示等で出力する。出力されるアイテムＩ１〜Ｉ４の情報としては、アイテム特徴情報２１より読み出された画像、アイテム名および価格や、アイテム間距離情報２２の距離の値を元にしたおすすめ度などがある。これにより、ユーザは、選択したアイテム（Ｘ）と特徴が似たアイテムの詳細を容易に知ることができる。

以上のように、サーバ装置１において特徴空間変換部１１は、ユーザが過去に選択したアイテムについてのユーザ履歴情報２０をもとに、検索対象となる各アイテムのアイテム特徴情報２１に基づいた特徴空間のスケールを変換する。また、アイテム距離計算部１２は、各アイテムにおける変換された特徴空間をもとに、特徴空間におけるアイテム間の距離を計算する。また、出力部１４は、計算されたアイテム間の距離に基づいて、各アイテムの中から所定のアイテムに対して距離の近いアイテムを出力する。

これにより、例えば、ユーザが選択したアイテムに対して距離の近いアイテムを出力する場合に、検索対象となるアイテムの中から、ユーザが過去に選択したアイテムの履歴を反映したものを出力することができ、ユーザに合ったアイテムを検索できる。

また、サーバ装置１は、ユーザ履歴情報２０をもとにアイテム特徴情報２１に基づいた特徴空間のスケールを変換することから、アイテム特徴情報２１に含まれるアイテムの中に、そもそも誰も選択していないアイテムが含まれる場合であっても、ユーザに合ったアイテムを的確に検索できる。

図７は、アイテムの発売からの時間に対する推奨の割合を説明する説明図である。アイテムの発売から間もないうちは、アイテムの選択が行われる機会が少なく、単純なユーザベースおよびアイテムベースによるアイテム検索ではグラフＧ１のように推奨の割合が低くなる。

これに対し、本実施形態のサーバ装置１では、アイテムの発売から間もなく、アイテムの選択が行われる機会が少ない場合であっても、アイテム特徴情報２１に含まれるアイテムであればユーザに合ったアイテムとして検索され得る。このため、本実施形態では、アイテムの発売から間もないうちであっても、グラフＧ２のように推奨の割合が低くなることを防止できる。

サーバ装置１で行われる各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部または任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行されるプログラム上、またはワイヤードロジックによるハードウエア上で、その全部または任意の一部を実行するようにしてもよいことは言うまでもない。

ところで、上記の実施形態で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施例と同様の機能を有するプログラムを実行するコンピュータ（ハードウエア）の一例を説明する。図８は、実施形態にかかるサーバ装置１のハードウエア構成の一例を示すブロック図である。

図８が示すように、サーバ装置１は、各種演算処理を実行するＣＰＵ１０１と、データ入力を受け付ける入力装置１０２と、モニタ１０３と、スピーカ１０４とを有する。また、サーバ装置１は、記憶媒体からプログラム等を読み取る媒体読取装置１０５と、各種装置と接続するためのインタフェース装置１０６と、有線または無線により外部機器と通信接続するための通信装置１０７とを有する。また、サーバ装置１は、各種情報を一時記憶するＲＡＭ１０８と、ハードディスク装置１０９とを有する。また、サーバ装置１内の各部（１０１〜１０９）は、バス１１０に接続される。

ハードディスク装置１０９には、上記の実施形態で説明した嗜好抽出部１０、特徴空間変換部１１、アイテム距離計算部１２、入力部１３および出力部１４における各種の処理を実行するためのプログラム１１１が記憶される。また、ハードディスク装置１０９には、プログラム１１１が参照する各種データ１１２（ユーザ履歴情報２０、アイテム特徴情報２１またはアイテム間距離情報２２など）が記憶される。入力装置１０２は、例えば、サーバ装置１の操作者から操作情報の入力を受け付ける。モニタ１０３は、例えば、操作者が操作する各種画面を表示する。インタフェース装置１０６は、例えば印刷装置等が接続される。通信装置１０７は、ＬＡＮ（Local Area Network）等の通信ネットワークと接続され、通信ネットワークを介した外部機器との間で各種情報をやりとりする。

ＣＰＵ１０１は、ハードディスク装置１０９に記憶されたプログラム１１１を読み出して、ＲＡＭ１０８に展開して実行することで、各種の処理を行う。なお、プログラム１１１は、ハードディスク装置１０９に記憶されていなくてもよい。例えば、サーバ装置１が読み取り可能な記憶媒体に記憶されたプログラム１１１を、サーバ装置１が読み出して実行するようにしてもよい。サーバ装置１が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ等に接続された装置にこのプログラムを記憶させておき、サーバ装置１がこれらからプログラムを読み出して実行するようにしてもよい。

１…サーバ装置
２…端末装置
Ｎ…ネットワーク
１０…嗜好抽出部
１１…特徴空間変換部
１２…アイテム距離計算部
１３…入力部
１４…出力部
２０…ユーザ履歴情報
２１…アイテム特徴情報
２２…アイテム間距離情報
１０１…ＣＰＵ
１１１…プログラム
Ｃ１、Ｃ２…ケース
Ｇ１、Ｇ２…グラフ
Ｉ１〜Ｉ４…アイテム
Ｔ１…類似アイテム組テーブル
Ｔ２…アイテムペア内距離テーブル
Ｔ３…感度ベクトルテーブル
Ｔ４…アイテム間距離テーブル
Ｕ１、Ｕ２…ユーザ

Claims

コンピュータが、
ユーザが過去に選択したアイテムの履歴情報をもとに、当該履歴情報に含まれるアイテム間についてのユーザの感度を示すユーザ感度を推定し、
前記推定されたユーザ感度に基づいて、検索対象となる各アイテムの特徴情報に基づいた特徴空間のスケールを変換し、
前記各アイテムにおける変換された特徴空間をもとに、当該特徴空間におけるアイテム間の距離を計算し、
前記計算されたアイテム間の距離に基づいて、前記各アイテムの中から所定のアイテムに対して距離の近いアイテムを出力する
処理を実行することを特徴とする検索方法。
前記ユーザ感度を推定する処理は、前記履歴情報に含まれる前記ユーザが過去に選択したアイテムの組み合わせをもとに、当該アイテムの組み合わせの出現頻度と、前記アイテムの組み合わせにおける特徴空間での距離とに基づいて前記ユーザ感度を推定する
ことを特徴とする請求項１に記載の検索方法。
前記変換する処理は、前記特徴空間における各アイテムの距離が前記推定されたユーザ感度に対応するアイテム間の距離と等しくなるように前記特徴空間のスケールを変換する
ことを特徴とする請求項１または２に記載の検索方法。
コンピュータが、
ユーザが過去に選択した複数のアイテムの履歴情報をもとに、前記複数のアイテムについてのユーザの感度を示すユーザ感度を特定し、
特定された前記ユーザ感度に基づいて、検索対象となる前記複数のアイテムの特徴情報に基づいた特徴空間のスケールを変更し、
変更された前記特徴空間をもとに、前記特徴空間における前記複数のアイテムの相互間距離を計算し、
前記複数のアイテムのうち、所定のアイテムに対する前記相互間距離が相対的に小さい特定アイテムを特定する
処理を実行することを特徴とする検索方法。
コンピュータに、
ユーザが過去に選択したアイテムの履歴情報をもとに、当該履歴情報に含まれるアイテム間についてのユーザの感度を示すユーザ感度を推定し、
前記推定されたユーザ感度に基づいて、検索対象となる各アイテムの特徴情報に基づいた特徴空間のスケールを変換し、
前記各アイテムにおける変換された特徴空間をもとに、当該特徴空間におけるアイテム間の距離を計算し、
前記計算されたアイテム間の距離に基づいて、前記各アイテムの中から所定のアイテムに対して距離の近いアイテムを出力する
処理を実行させることを特徴とする検索プログラム。
ユーザが過去に選択したアイテムの履歴情報をもとに、当該履歴情報に含まれるアイテム間についてのユーザの感度を示すユーザ感度を推定する推定部と、
前記推定されたユーザ感度に基づいて、検索対象となる各アイテムの特徴情報に基づいた特徴空間のスケールを変換する変換部と、
前記各アイテムにおける変換された特徴空間をもとに、当該特徴空間におけるアイテム間の距離を計算する計算部と、
前記計算されたアイテム間の距離に基づいて、前記各アイテムの中から所定のアイテムに対して距離の近いアイテムを出力する出力部と
を有することを特徴とする検索装置。