特許 5881153 相関性のある情報の推薦

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】5881153

(24)【登録日】2016年2月12日

(45)【発行日】2016年3月9日

(54)【発明の名称】相関性のある情報の推薦

(51)【国際特許分類】

   G06Q 30/02 20120101AFI20160225BHJP

   G06F 17/30 20060101ALI20160225BHJP

【ＦＩ】

   G06Q30/02 150

   G06F17/30 220Z

   G06F17/30 340A

【請求項の数】12

【全頁数】14

(21)【出願番号】特願2011-520120(P2011-520120)

(86)(22)【出願日】2009年7月20日

(65)【公表番号】特表2011-529224(P2011-529224A)

(43)【公表日】2011年12月1日

(86)【国際出願番号】US2009051152

(87)【国際公開番号】WO2010011603

(87)【国際公開日】20100128

【審査請求日】2012年6月26日

【審判番号】不服2014-11736(P2014-11736/J1)

【審判請求日】2014年6月19日

(31)【優先権主張番号】200810129954.7

(32)【優先日】2008年7月24日

(33)【優先権主張国】CN

(73)【特許権者】

【識別番号】510330264

【氏名又は名称】アリババ・グループ・ホールディング・リミテッド

【氏名又は名称原語表記】ＡＬＩＢＡＢＡ ＧＲＯＵＰ ＨＯＬＤＩＮＧ ＬＩＭＩＴＥＤ

(74)【代理人】

【識別番号】110001243

【氏名又は名称】特許業務法人 谷・阿部特許事務所

(74)【復代理人】

【識別番号】100115624

【弁理士】

【氏名又は名称】濱中 淳宏

(72)【発明者】

【氏名】チュウ バオジン

(72)【発明者】

【氏名】チャン チン

【合議体】

【審判長】 手島 聖治

【審判官】 川崎 優

【審判官】 小田 浩

(56)【参考文献】

【文献】 国際公開第２００９／０８６０１４（ＷＯ，Ａ１）

【文献】 特開２００６−５３６１６（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

G06Q 10/00-50/34 G06F 17/30

(57)【特許請求の範囲】

【請求項1】

サーバーにおいて実行される情報推薦の方法であって、
現在クライアントがアクセスしているウェブページに含まれる、第１の情報型を有する第１の情報を受信ユニットにより前記クライアントから受信するステップと、
前記第１の情報を利用したことのある１つ以上の他のクライアントの各々が利用したことのある複数の情報型を、記憶デバイスに格納されている記録から入手ユニットにより入手するステップと、
前記入手された複数の情報型のうち前記クライアントがアクセスしているウェブページのアプリケーション環境に適合する情報型からなる情報の組み合わせである、情報組み合わせを１つ以上選択するステップと、
前記選択された１つ以上の情報組み合わせそれぞれについて、前記情報組み合わせの発生特性を計算ユニットにより計算するステップであって、前記発生特性は、発生頻度及び発生時刻のうち１つ以上を含むステップと、
前記１つ以上の情報組み合わせから、前記発生特性が予め設定された要求を満たす情報組み合わせを推薦ユニットにより選択し、前記推薦ユニットにより選択された情報組み合せを前記クライアントに送信するステップと
を含むことを特徴とする方法。

【請求項2】

前記第１の情報型は、商品情報、ブログ情報、グループ情報、ポスト情報、製品情報、ニュース情報、メッセージ情報、キーワード情報および広告情報のうち１つであることを特徴とする請求項１に記載の方法。

【請求項3】

前記現在のクライアントのユーザ情報および前記１つ以上の他のクライアントのユーザ情報を前記入手ユニットにより入手するステップをさらに含み、
前記１つ以上の情報組み合わせそれぞれの発生特性を計算するステップは、
前記現在のクライアントのユーザ情報および前記１つ以上の他のクライアントのユーザ情報に従って、前記情報組み合わせに対する重み係数を前記計算ユニットにより決定するステップと、
前記情報組み合わせの前記重み係数に基づいて、前記情報組み合わせの前記発生特性を前記計算ユニットにより計算するステップと、
をさらに含むことを特徴とする請求項１に記載の方法。

【請求項4】

前記現在のクライアントのユーザ情報および前記１つ以上の他のクライアントの前記ユーザ情報はそれぞれ、ユーザ年齢情報、ユーザ教育レベル、ユーザ職業情報およびユーザ家族情報のうち１つ以上を含むことを特徴とする請求項３に記載の方法。

【請求項5】

前記１つ以上の情報組み合わせから、前記発生特性が予め設定された要求を満たす情報組み合わせを推薦ユニットにより選択し、前記推薦ユニットにより選択された情報組み合せを前記クライアントに送信するステップは、
前記１つ以上の情報組み合わせを前記発生特性に従って前記推薦ユニットによりランク付けし、前記発生特性が最高ランクでランク付けされている情報組み合わせを前記推薦ユニットにより選択するステップ、
を含むことを特徴とする請求項１に記載の方法。

【請求項6】

前記１つ以上の情報組み合わせから、前記発生特性が予め設定された要求を満たす情報組み合わせを推薦ユニットにより選択し、前記推薦ユニットにより選択された情報組み合せを前記クライアントに送信するステップは、
前記１つ以上の情報組み合わせそれぞれの前記発生特性を、前記予め設定された要求の設定値と前記推薦ユニットにより比較し、前記設定値よりも前記発生特性が高い情報組み合わせを前記推薦ユニットにより選択するステップ、
を含むことを特徴とする請求項１に記載の方法。

【請求項7】

前記推薦ユニットにより選択された情報組み合わせをハイパーテキストフォーマットに変換ユニットにより変換するステップと、
前記ハイパーテキストフォーマットを前記クライアントに送信ユニットにより送信するステップと、
をさらに含むことを特徴とする請求項１に記載の方法。

【請求項8】

情報推薦の装置であって、
現在クライアントがアクセスしているウェブページに含まれる、第１の情報型を有する第１の情報を受信し、前記第１の情報を利用したことのある１つ以上の他のクライアントの各々が利用したことのある複数の情報型を、格納されている記録から入手するために用いられる受信ユニットを含み、
前記装置は、前記複数の情報型のうち前記クライアントがアクセスしているウェブページのアプリケーション環境に適合する情報型からなる情報の組み合わせである、情報組み合わせを１つ以上選択するように構成されており、前記装置は、
前記選択された１つ以上の情報組み合わせそれぞれの発生特性を計算するために用いられる計算ユニットであって、前記発生特性は、発生頻度及び発生時刻のうち１つ以上を含む、計算ユニットと、
前記１つ以上の情報組み合わせから、前記発生特性が予め設定された要求を満たす情報組み合わせを選択し、選択された情報組み合せを前記クライアントに送信する推薦ユニットと
をさらに含むことを特徴とする装置。

【請求項9】

前記装置は、
前記現在のクライアントおよび前記１つ以上の他のクライアントが利用したことのある情報を含む前記格納されている記録を格納するために用いられる格納ユニット、
をさらに含むことを特徴とする請求項８に記載の装置。

【請求項10】

前記装置は、前記現在のクライアントのユーザ情報および前記１つ以上の他のクライアントのユーザ情報を入手するようにさらに適合され、
前記計算ユニットは、
前記１つ以上の情報組み合わせそれぞれに対する重み係数を、前記現在のクライアントのユーザ情報および前記１つ以上の他のクライアントのユーザ情報に従って決定するステップと、
前記１つ以上の情報組み合わせそれぞれの前記発生特性を、前記各情報組み合わせの前記重み係数に基づいて計算するステップ、
のためにさらに用いられることを特徴とする請求項８に記載の装置。

【請求項11】

前記装置はサーバコンピュータを含むことを特徴とする請求項８に記載の装置。

【請求項12】

請求項１乃至７のいずれかに記載の方法をコンピュータに実行させるための命令を含むコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本出願は、２００８年７月２４日に出願された「ＭＥＴＨＯＤ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＣＯＭＭＥＮＤＡＴＩＯＮ」という名称の中国特許出願（出願番号第２００８１０１２９９５４．７号）からの優先権を主張する。

【背景技術】

【0002】

本開示は、ネットワーキング技術の分野に関し、詳細には、情報推薦のための方法および装置に関する。

【0003】

インターネットの普及と共に、インターネット上の情報リソースは飛躍的に拡大しており、そのため、「情報オーバーロード」の問題および「情報がどこにあるのか分からない」問題が起こっている。ユーザは、莫大な量の情報空間内で迷ってしまい、必要な情報を円滑に見つけることができない場合がある。そのため、情報検索、情報フィルタリングおよび協調フィルタリングといったインターネット関連技術が登場している。一例として、ｅコマース用推薦システムがある。これらのｅコマース用推薦システムは、ユーザと直接インタラクションし、店の販売員をシミュレートして商品推薦を前記ユーザに提供し、前記ユーザが必要な商品を見つけ、購入プロセスを完了する手助けをする。既存の推薦システムは、実例（例えば、別の製品を通じた製品推薦、他の情報を通じた情報推薦、および別のグループを通じたグループ推薦）を用いて開発されている。しかしながら、これらの推薦システムの場合、網羅範囲が不十分であるかまたは精度が不十分である。ますます激化する競合環境下において、これらの問題に起因して、既存の推薦システムでは顧客を失うことになりかねず、売上高およびウェブサイト閲覧量に悪影響が出得る。

【発明の概要】

【0004】

本開示は、相関性のある情報組み合わせを用いて推薦精度を向上させる方法を提供する。訪問先の情報型を示すクライアントからのデータを受信すると、前記方法は、前記訪問先の情報型に関連する相関性のある情報型を格納されている記録から入手する。前記相関性のある情報型は、１つ以上の相関性のある情報組み合わせを提供する。前記１つ以上の相関性のある情報組み合わせはそれぞれ、少なくとも２つの相関性のある情報型を含む。前記１つ以上の相関性のある情報組み合わせそれぞれについて、前記方法は、前記相関性のある情報組み合わせと、前記訪問先の情報型との間の相関の程度を計算する。その後、前記方法は、十分な程度の相関を有する相関性のある情報組み合わせを標的として選択し、前記標的としての相関性のある情報組み合わせを前記クライアントに推薦する。前記相関性のある情報組み合わせと、前記訪問先の情報型との間の相関の程度は、前記相関性のある情報組み合わせの発生特性に基づいて計算され得る。

【0005】

前記訪問先の情報型は、商品情報、ブログ情報、グループ情報、ポスト情報、製品情報、ニュース情報、メッセージ情報、キーワード情報および広告情報のうち１つ以上を含み得る。

【0006】

一実施形態において、前記訪問先の情報型に関連する前記相関性のある情報型を入手するために、前記方法は、前記格納されている記録から、前記訪問先の情報型を利用したことのある１つ以上の他のクライアントを入手し、前記格納されている記録から、前記他のクライアントが利用したことのある１つ以上の他の情報型を入手する。

【0007】

一実施形態において、前記方法は、現在のクライアントのユーザ情報と、前記訪問先の情報型を利用したことのある１つ以上の他のクライアントのユーザ情報とを入手し、前記格納されている記録から、前記他のクライアントが利用したことのある１つ以上の他の情報型を入手する。相関性のある情報組み合わせと、前記訪問先の情報型との間の相関の程度を計算するために、前記方法は、前記現在のクライアントのユーザ情報と、前記訪問先の情報型を使用したことのある前記他のクライアントのユーザ情報とに従って、前記相関性のある情報組み合わせに対する重み係数をさらに決定し、前記相関性のある情報組み合わせの発生特性および前記重み係数に基づいて、前記前記相関性のある情報組み合わせと、前記訪問先の情報型との間の相関の程度を計算する。

【0008】

本開示の別の局面は、前記開示の方法を実行する装置である。前記装置は、サーバコンピュータを持ち得るか、または、サーバコンピュータの一部となり得る。前記開示の方法および装置により、多様な情報フローとカスタマイズされた推薦との間のインタラクションを促進し、推薦システムの精度を向上させ得る。

【0009】

上記要旨は、以下の詳細な説明においてさらに説明するコンセプトの一部を簡潔に導入するためのものである。本要旨は、請求項記載の内容の主要な特徴または本質的な特徴を特定することを意図しておらず、また、請求項記載の内容の範囲を決定するための補助として用いられることも意図していない。

【0010】

添付図面を参照して、詳細な説明を記載する。図面中、参照符号の左端の桁（単数または複数）は、当該参照符号が初出する図を指す。異なる図面において同一の参照符号が用いられる場合、類似または同一のものを指す。

【図面の簡単な説明】

【0011】

【図1】本開示による情報推薦のための例示的方法のフローチャートである。

【図2】例示的なアプリケーション環境における前記情報推薦方法のフローチャートである。

【図3】本開示による情報推薦装置の構造図である。

【発明を実施するための形態】

【0012】

本開示の一実施形態によれば、情報推薦の方法において、クライアントの訪問先の情報型を入手し、前記訪問先の情報型に関連する複数の相関性のある情報型を格納されている記録から入手し、少なくとも２つの相関性のある情報型の１つ以上の相関性のある情報組み合わせの発生特性を入手する。その後、前記方法は、前記相関性のある情報組み合わせのうち少なくともいくつかそれぞれについて、前記相関性のある情報組み合わせと、前記訪問先の情報型との間の相関の程度を計算し、前記１つ以上の相関性のある情報組み合わせから、相関程度が要求を満たしている、標的としての相関性のある情報組み合わせを選択し、前記標的としての相関性のある情報組み合わせを前記クライアントに推薦する。標的としての相関性のある情報組み合わせを複数選択し、推薦することができる。

【0013】

図１は、本開示による情報推薦のための例示的方法のフローチャートを示す。以下の記載において、プロセスを説明していく順序は限定的に解釈されるべきではなく、記載されるプロセスブロックを任意の数で任意の順序で組み合わせて、前記方法または別の方法を実行することが可能である。図１中に示す例示的方法を以下に説明する。

【0014】

ブロック１０１において、クライアントは、訪問先の情報型を示すデータをサーバに送る。例えば、前記クライアントは、商品情報またはブログ情報を前記サーバへと送ることで、現在のユーザが訪問または使用した商品またはブログを示す。本開示の例示的な実施形態において、訪問先の情報型の例を非限定的に挙げると、インターネット情報エンティティ（例えば、商品情報、ブログ情報、グループ情報、ポスト情報、製品情報、ニュース情報、メッセージ情報、キーワード情報、および広告情報）のうち１つ以上がある。

【0015】

このブロックにおいて、前記クライアントは、前記クライアントにおける現在のユーザのユーザ情報を前記サーバにさらに送り得る。例えば、前記クライアントのユーザの登録名を前記サーバに送ることができる。前記サーバは、前記クライアントのユーザの前記登録名に基づいて、前記ユーザの教育レベル、職業情報および年齢情報などのユーザ情報を入手し得、前記クライアントの前記ユーザ情報に従って、第２のマイニングを準備する。

【0016】

ブロック１０２において、前記サーバは、前記訪問先の情報型に関連する相関性のある複数の情報型を格納されている記録から入手する。例えば、前記サーバは先ず、現在の訪問先の情報型を利用または訪問したことのある１つ以上の他のクライアントの記録を入手する。特定の情報型の利用または訪問の例を非限定的に挙げると、閲覧、保存、購入、コメント記入、処理、参加、および情報型の推薦がある。その後、前記サーバは、やはりこれらのクライアントが利用または訪問したことのあるその他の情報型を前記格納されている記録から入手する。これらの多様な情報型の例として、商品情報、ブログ情報、グループ情報、ポスト情報、製品情報、ニュース情報、メッセージ情報、キーワード情報、および広告情報のうちのいずれか１つ以上があり得る。このようにして、前記サーバは、現在の訪問先の情報型を利用したことのある前記１つ以上の他のクライアントについて、当該クライアントが利用したことのある他の多様な情報型についても学習する。これらの他の多様な情報型は、前記現在の訪問先の情報型に対して相関性があるかまたは関連があるものとみなされる。従って、前記サーバは、前記現在の訪問先の情報型に関連する多様な相関性のある情報型をこのようにして入手する。これらの相関性のある情報型から、１つ以上の相関性のある情報組み合わせが得られ、前記１つ以上の相関性のある情報組み合わせはそれぞれ、少なくとも２つの相関性のある情報型を含む。その後、前記相関性のある情報組み合わせを以下に示すように用いる。

【0017】

ブロック１０３において、前記サーバは、少なくとも２つの相関性のある情報型の相関性のある情報組み合わせそれぞれの発生特性を入手し、前記相関性のある情報組み合わせについて、前記相関性のある情報組み合わせと、前記訪問先の情報型との間の相関の程度を計算する。これは、前記相関性のある情報型から得られた相関性のある情報組み合わせ毎に行ってもよいし、あるいは、選択された数の相関性のある情報組み合わせについてのみ行ってもよい。相関性のある情報組み合わせの発生特性は、発生頻度、発生時刻、および発生の場所（例えば、プラットフォーム）のうち１つ以上を含み得る。

【0018】

ここで、前記サーバは先ず、ブロック１０２における前記クライアントの適用シナリオに従って、相関性のある情報組み合わせを選択し得る。例えば、前記クライアントの前記適用シナリオに従って、前記サーバは、２つ以上の相関性のある情報型（例えば、商品情報、ブログ情報、グループ情報、ポスト情報、製品情報、ニュース情報、メッセージ情報、キーワード情報、および広告情報）を有する相関性のある情報組み合わせを選択し得る。前記適用シナリオは、特定の情報型が所望されないかまたは不要である一方、他の特定の情報型が所望されるかまたは必要であることを示し得る。次に、前記所望されるかまたは必要である情報型の前記相関性のある情報組み合わせを選択する。例えば、前記適用シナリオに応じて、商品情報およびニュース情報の相関性のある情報組み合わせまたはブログ情報、グループ情報およびポスト情報の相関性のある情報組み合わせのうちいずれかが選択され得る。その後、各相関性のある情報組み合わせの発生特性を調査し（例えば、任意の適切な統計方法を用いて計数し）、これらの発生特性を用いて、各相関性のある情報組み合わせと前記訪問先の情報型との間の相関の程度を計算する。

【0019】

単一の発生特性（例えば、各相関性のある情報型の発生頻度）を先ず入手して、各相関性のある情報組み合わせの発生頻度が入手され得る。その後、各相関性のある情報組み合わせと訪問先の情報型との間の相関の程度が、前記相関性のある情報組み合わせの各発生頻度に基づいて計算され得る。あるいは、複数の発生特性（例えば、各相関性のある情報型の頻度および発生時刻）を先ず入手した後に、各相関性のある情報組み合わせの発生頻度および発生時刻を入手してもよい。その後、各相関性のある情報組み合わせと訪問先の情報型との間の相関の程度が、前記相関性のある情報組み合わせの各頻度および発生時刻に基づいて計算され得る。

【0020】

ここで、ブロック１０１において入手されたクライアントのユーザ情報を用いて、第２のマイニングが行われ得る。ブロック１０２において入手された相関性のある情報型から、前記サーバは、前記クライアントの適用シナリオの要求を満たす少なくとも２つの相関性のある情報型の相関性のある情報組み合わせの発生特性を入手し得る。例えば、前記サーバは、ブログ情報、グループ情報およびポスト情報を有する各相関性のある情報組み合わせの発生特性を特定の適用シナリオに従って入手し得る。

【0021】

現在のクライアントのユーザ情報および同一の訪問先の情報型を利用したことのある他のクライアントのユーザ情報を入手すると、前記サーバは、各相関性のある情報組み合わせの発生特性に対する重み係数を、前記クライアントの情報と、前記訪問先の情報型を利用したことのあるクライアント（単数または複数）の情報とに基づいて決定し得る。最後に、前記サーバは、各相関性のある情報組み合わせの発生特性および対応する重み係数に基づいて、各相関性のある情報組み合わせと前記訪問先の情報型との間の相関の程度を計算する。

【0022】

ブロック１０４において、前記サーバは、十分な程度の相関を有する相関性のある情報組み合わせを標的として前記相関性のある情報組み合わせから選択し、前記標的としての相関性のある情報組み合わせを前記クライアントに送る。このようにして、１つ以上の相関性のある情報組み合わせを選択し、送ることができる。

【0023】

ここで、ブロック１０３において計算された相関の程度を選択目的のためにランク付けすることができる。ランク付け結果に基づいて、より高いランクの相関程度を有する１つ以上の相関性のある情報組み合わせを選択し、前記クライアントに推薦する。あるいは、ブロック１０３において計算した相関程度を設定値と比較してもよい。相関程度が前記設定値よりも高い場合、相関性のある情報組み合わせをそれぞれ選択し、前記クライアントに推薦する。

【0024】

このブロックにおいて、前記選択された標的としての相関性のある情報組み合わせを前記クライアントに送る前に、前記クライアントの適用シナリオに従って、前記選択された標的としての相関性のある情報組み合わせを必要な対応するハイパーテキストフォーマットに変換することができる。例えば、前記サーバは、前記相関性のある情報組み合わせのうち１つ以上の組み合わせ、およびその対応するハイパーテキストフォーマットを前記クライアントに送ることができる。

【0025】

ブロック１０５において、前記クライアントは、受信した相関性のある情報組み合わせを表示する。例えば、相関性のある情報組み合わせのうち、ブロック１０４において推薦された１つ以上の組み合わせ、およびその対応するハイパーテキストフォーマットが前記ユーザに表示される。

【0026】

図２は、例示的なアプリケーション環境における情報推薦方法のフローチャートを示す。図２において、訪問先の情報型の一例として商品情報を用いている。しかしながら、本開示の方法は商品情報の推薦目的にしか使用できないものとして解釈されるべきではない。任意のインターネット情報エンティティ（例えば、ブログ情報、グループ情報、ポスト情報、製品情報、ニュース情報、メッセージ情報、キーワード情報、および広告情報）の推薦も、本開示の例示的実施形態と同様の様式で実行することが可能である。図２の例示的方法を以下に説明する。

【0027】

ブロック２０１において、ユーザは、商品情報を有するウェブページにクライアントを通じてアクセスする。例えば、前記ユーザは、前記ウェブページにアクセスして商品Ａを購入したいと思っている場合がある。

【0028】

ブロック２０２において、前記ユーザによって利用されている前記クライアントは、商品Ａの情報およびユーザ情報をサーバに送る。開示の方法を用いる目的のために、商品Ａについての情報は、前記ユーザが商品Ａの購入に興味が有ることかまたは前記ユーザが商品Ａを訪問したことのみを示せばよく、商品Ａの完全な詳細は不要である。

【0029】

ブロック２０３において、商品Ａの情報および前記ユーザ情報を受信すると、前記サーバは、特定の期間において商品Ａの情報に関連する他のユーザについての情報を格納されている記録から入手する。例えば、前記サーバは、商品Ａを先月内に購入、閲覧または収集した他のユーザを入手し得る。例示目的のため、このようなユーザは、ユーザＭ１、ユーザＭ２、ユーザＭ３、ユーザＭ４およびユーザＭ５を含むものとする。前記サーバは、Ｍ１、Ｍ２、Ｍ３、Ｍ４およびＭ５によって利用されたことのある他の多様な情報型をさらに入手する。例えば、ユーザＭ１は、商品Ａの購入に加え、商品Ｂ、商品Ｃおよび商品Ｄも購入し、ブログ１、ブログ２、ブログ３、広告１、広告２、広告３および広告４を閲覧し、グループ１およびグループ２に参加した可能性がある。ユーザＭ２も商品Ｂ、商品Ｃおよび商品Ｅを購入し、ブログ１、ブログ２、ブログ４、広告１、広告２および広告３を閲覧し、ポスト１およびポスト２をポストした可能性がある。ユーザＭ３も商品Ｂ、商品Ｄ、商品Ｆ、ブログ１、ブログ４およびブログ５を閲覧し、グループ１に参加し、ポスト１およびポスト３をポストした可能性がある。ユーザＭ４も商品Ｂ、商品Ｆおよび商品Ｇを収集し、ブログ２、ニュース１、ニュース２およびニュース３を閲覧し、グループ２に参加し、ポスト３およびポスト４をポストした可能性がある。ユーザＭ５も商品Ｂおよび商品Ｆを購入し、ブログ２、ブログ６および広告４を閲覧し、グループ１およびグループ３に参加し、ニュース１およびニュース４を閲覧した可能性がある。これらの多様なさらなる情報型を、商品Ａの情報に相関性のある情報型（すなわち、商品Ａの情報に相関性を有する情報型）とみなす。このブロックにおいて、前記サーバは、１つまたは複数の種類のユーザ情報（例えば、ユーザＭ１、Ｍ２、Ｍ３、Ｍ４およびＭ５の年齢情報、教育レベル、職業情報、および家族情報）をさらに入手し得る。

【0030】

ブロック２０４において、前記ユーザが訪問しているウェブページのアプリケーションプラットフォームに応じて、前記アプリケーションプラットフォームを満足する相関性のある情報組み合わせを、入手した少なくとも２つの情報型からなる組み合わせから選択する。例えば、前記アクセスされたウェブページが商品情報およびニュース情報の組み合わせのみを含む場合、前記商品情報および前記ニュース情報の組み合わせを相関性のある情報組み合わせとして選択する。前記アクセスされたウェブページが商品情報、ブログ情報、広告情報およびニュース情報の組み合わせを含む場合、前記商品情報、前記ブログ情報、前記広告情報および前記ニュース情報の組み合わせを相関性のある情報組み合わせとして選択する。すなわち、前記ユーザが訪問している前記ウェブページのアプリケーション環境に基づいて、前記方法は、前記アプリケーション環境を満足する相関性のある情報組み合わせを選択する。前記選択された相関性のある情報組み合わせはそれぞれ、前記アプリケーション環境に適合する情報型を少なくとも２つを有する。現在の例では、例示目的のため、商品情報およびニュース情報を有するウェブページがアクセスされている様子を用いている。そのため、前記商品情報およびニュース情報の組み合わせを、相関性のある情報組み合わせとして選択する。複数の種類の商品およびニュースが有るため、前記選択された相関性のある情報組み合わせは、特定の商品およびニュースの複数の組み合わせを表し得る。

【0031】

ブロック２０５において、前記商品情報および前記ニュース情報の多様な組み合わせの発生特性を調査する。現在の例では、例示目的のため、発生特性の一例として発生頻度を用いている。

【0032】

例示的な例において、商品Ａを購入、閲覧または収集したユーザのうち、２人のユーザが商品Ｂを購入、閲覧または収集したことがあり、ニュース１を閲覧したことがある。従って、商品Ｂおよびニュース１の組み合わせの発生頻度は２である。２人のユーザが商品Ｆを購入、閲覧または収集したことがあり、ニュース１を閲覧したことがある。従って、商品Ｆおよびニュース１の組み合わせの発生頻度は２である。１人のユーザが商品Ｂを購入、閲覧または収集したことがあり、ニュース２を閲覧したことがある。従って、商品Ｂおよびニュース２の組み合わせの発生頻度は１である。１人のユーザが商品Ｂを購入、閲覧または収集したことがあり、ニュース３を閲覧したことがある。従って、商品Ｂおよびニュース３の発生頻度は１である。１人のユーザが商品Ｂを購入、閲覧または収集したことがあり、ニュース４を閲覧したことがある。従って、商品Ｂおよびニュース４の組み合わせの発生頻度は１である。１人のユーザが商品Ｆを購入、閲覧または収集したことがあり、ニュース２を閲覧したことがある。従って、商品Ｆおよびニュース２の組み合わせの発生頻度は１である。１人のユーザが商品Ｅを購入、閲覧または収集したことがあり、ニュース３を閲覧したことがある。従って、商品Ｆおよびニュース３の組み合わせの発生頻度は１である。１人のユーザが商品Ｆを購入、閲覧または収集したことがあり、ニュース４を閲覧したことがある。従って、商品Ｆおよびニュース４の組み合わせの発生頻度は１である。１人のユーザが商品Ｇを購入、閲覧または収集したことがあり、ニュース１を閲覧したことがある。従って、商品Ｇおよびニュース１の発生頻度は１である。１人のユーザが商品Ｇを購入、閲覧または収集したことがあり、ニュース２を閲覧したことがある。従って、商品Ｇおよびニュース２の組み合わせの発生頻度は１である。１人のユーザが商品Ｇを購入、閲覧または収集したことがあり、ニュース３を閲覧したことがある。従って、商品Ｇおよびニュース３の組み合わせの発生頻度は１である。

【0033】

ブロック２０６において、ブロック２０５において入手された統計結果に基づいて、前記サーバは、適切な相関アルゴリズムを用いて、商品／ニュース情報の各組み合わせと、前記訪問先の情報型（これは、本例において、商品Ａの購入である）との間の相関の程度を計算する。前記計算された相関程度は、商品／ニュース情報の各組み合わせと、商品Ａの購入との間の相関の程度を示す。例えば、協調フィルタリングを用いた推薦アルゴリズムを用いて、相関の程度を計算することができる。あるいは、事前構成された業務ルール（単数または複数）を有する推薦アルゴリズムを用いてもよい。

【0034】

前記統計結果から、商品Ｂおよびニュース１の組み合わせならびに商品Ｆおよびニュース１の組み合わせと、商品Ａとが最も高い頻度で共起し、それぞれの共起頻度は２であることが分かる。これらのアコモデーションと商品Ａとの間の相関の程度は、各発生頻度に基づいて２であると決定することができる。同様に、商品Ｂおよびニュース２の組み合わせと、商品Ａとの間の相関の程度は１である。商品Ｂおよびニュース３の組み合わせと、商品Ａとの間の相関の程度は１である。商品Ｂおよびニュース４の組み合わせと、商品Ａとの間の相関の程度は１である。商品Ｆおよびニュース２の組み合わせと、商品Ａと間の相関の程度は１である。商品Ｆおよびニュース３の組み合わせと、商品Ａと間の相関の程度は１である。商品Ｆおよびニュース４の組み合わせと、商品Ａとの間の相関の程度は１である。

【0035】

いくつかの実施形態において、前記方法は、前記クライアントから送られてきたユーザ情報に基づいて、第２のマイニングを行い得る。例えば、前記計算された相関程度について、ユーザの教育レベルを用いてさらなるマイニングを行うことができる。例えば、商品Ａを閲覧または収集したことのあるユーザの教育レベルを調査すれば、教育レベルの高いユーザが商品Ｂおよびニュース１に対してより高い興味を持つことが観察され得る。関連付けられたユーザも教育レベルが高いことを現在のクライアントから返送されたユーザ情報が示す場合、より高い重み係数が、商品Ｂおよびニュース１の組み合わせの発生頻度に対して割り当てられ得る。例えば、商品Ｂおよびニュース１の組み合わせの発生頻度に対する重み係数を１に設定することができ、商品Ｆおよびニュース１の組み合わせの発生頻度に対する重み係数をそれよりも比較的に低い０．６に設定することができる。このようにして、ユーザ情報のさらなるマイニング後に入手された結果から、商品Ｂおよびニュース１の組み合わせと現在の訪問先の商品Ａとの間の相関程度は最高値の２である一方、商品Ｆおよびニュース１の組み合わせと商品Ａとの間の相関程度は２番目に高い１．２（２×０．６＝１．２）であることが分かる。商品情報およびニュース情報の他の組み合わせに対する重み係数も、同様の様式で割り当てることができる。商品情報およびニュース情報の多様な組み合わせと商品Ａとの間の相関程度は、各発生頻度および重み係数に基づいて入手される。

【0036】

ブロック２０７において、ブロック２０６において計算した相関程度を設定値と比較する。相関程度が前記設定値よりも高い場合、この相関程度に対応する組み合わせを選択する。図示の例において、前記相関程度に対する設定値は１である。従って、前記設定値よりも高い相関程度を有する組み合わせとしては、商品Ｂおよびニュース１の組み合わせと、商品Ｆおよびニュース１の組み合わせとがある。

【0037】

一実施形態において、相関性のある情報組み合わせと訪問先の情報型との間の相関の程度をその値に応じてランク付けして、特定の数の相関程度に対応する相関性のある情報組み合わせを前記ランク付けに従って選択することができる。例えば、前記ランク付けにおける相関程度が上位２位に入る相関性のある情報組み合わせを選択することができる。

【0038】

ブロック２０８において、前記サーバは、相関性のある情報組み合わせのうち、ブロック２０７において選択された１つ以上の組み合わせを前記クライアントに送る。前記サーバは、商品Ｂおよびニュース１の組み合わせと、商品Ｆおよびニュース１の組み合わせとをそのそれぞれのハイパーテキストフォーマットに変換する。その後、前記サーバは、商品Ｂおよびニュース１の組み合わせと、商品Ｆおよびニュース１の組み合わせと、それぞれのハイパーテキストフォーマットとを前記クライアントに送る。

【0039】

あるいは、前記サーバは、特定の数（Ｎ）の相関程度に対応する相関性のある情報組み合わせと、それぞれのハイパーテキストフォーマットとを前記クライアントに送ることもできる。

【0040】

ブロック２０９において、前記クライアントは、商品Ｂおよびニュース１の組み合わせと、商品Ｆおよびニュース１の組み合わせとをそのそれぞれの要求されたハイパーテキストフォーマットで前記ユーザに表示する。あるいは、前記クライアントは、特定の数の相関程度に対応する相関性のある情報組み合わせをそれぞれの要求されたハイパーテキストフォーマットで前記ユーザに表示することもできる。

【0041】

開示の方法を実施するための情報推薦のための装置が、さらに提供される。上記した技術は、コンピュータ実行可能な命令を含む１つ以上のコンピュータ可読媒体による支援により、実行可能である。前記コンピュータ実行可能な命令によって、コンピュータプロセッサは本明細書中記載される技術に従って競合リソース割り当てを行うことができる。前記コンピュータ可読媒体は、コンピュータデータを格納する適切なメモリデバイスのうち任意のものであればよいことが理解される。このようなメモリデバイスを非限定的に挙げると、ハードディスク、フラッシュメモリデバイス、光学データストレージおよびフロッピーディスクがある。さらに、前記コンピュータ実行可能な命令を含むコンピュータ可読媒体は、ローカルシステム内のコンポーネント（単数または複数）または複数のリモートシステムのネットワークにわたって分散しているコンポーネントからなり得る。前記コンピュータ実行可能な命令のデータは、有形の物理的メモリデバイス内に入れて送達してもよいし、あるいは電子的に送信してもよい。

【0042】

図３は、本開示による情報推薦装置の構造図を示す。図示のように、装置３００は、受信ユニット３１０と、計算ユニット３２０と、推薦ユニット３３０とを含む。

【0043】

受信ユニット３１０は、格納されている記録から、クライアントが示している訪問先の情報型に関連する相関性のある情報型を入手するために用いられる。前記相関性のある情報型から、相関性のある情報組み合わせが１つ以上得られ、前記１つ以上の相関性のある情報組み合わせはそれぞれ、相関性のある情報型を少なくとも２つ含む。

【0044】

計算ユニット３２０は、前記１つ以上の相関性のある情報組み合わせそれぞれの発生特性を入手し、前記相関性のある情報組み合わせと、前記訪問先の情報型との間の相関の程度を計算するために用いられる。

【0045】

推薦ユニット３３０は、前記１つ以上の相関性のある情報組み合わせから、相関程度が要求を満たしている標的としての相関性のある情報組み合わせを選択し、前記標的としての相関性のある情報組み合わせを前記クライアントに推薦するために用いられる。

【0046】

装置３００は、現在のクライアントおよび１つ以上の他のクライアントによって利用されたことのある情報を含む格納されている記録を格納するために用いられる格納ユニット３４０をさらに含み得る。

【0047】

一実施形態において、計算ユニット３２０は、少なくとも２つの種類の相関性のある情報型をそれぞれ有する１つ以上の相関性のある情報組み合わせをクライアントの適用シナリオに基づいて前記複数の相関性のある情報型から選択するために、さらに用いられる。計算ユニット３２０は、各相関性のある情報組み合わせの発生特性を決定するように適合され得る。

【0048】

受信ユニット３１０は、現在のクライアントのユーザ情報と、前記訪問先の情報型を利用したことのある１つ以上の他のクライアントのユーザ情報とを入手し、データストレージ３４０中に格納されている記録から、前記他のクライアントが利用したことのある１つ以上の他の情報型を入手するようにさらに適合され得る。この実施形態において、計算ユニット３２０は、前記１つ以上の相関性のある情報組み合わせそれぞれに対する重み係数を、前記現在のクライアントのユーザ情報と、前記訪問先の情報型を利用したことのある１つ以上の他のクライアントのユーザ情報とに従って決定するために、さらに用いられ得る。計算ユニット３２０は、前記各相関性のある情報組み合わせの発生特性および前記重み係数に基づいて、各相関性のある情報組み合わせと、前記訪問先の情報型との間の相関程度をさらに計算し得る。

【0049】

一実施形態において、推薦ユニット３３０は、前記相関性のある情報組み合わせを前記訪問先の情報型との相関程度に従ってランク付けし、標的としての相関性のある情報組み合わせを前記相関程度のランク付けに従ってさらに選択するために、さらに用いられる。あるいはまたはさらに、推薦ユニット３３０は、前記相関程度を設定値と比較し、前記相関性のある情報組み合わせの中から、相関程度が前記設定値よりも高い、標的としての相関性のある情報組み合わせを選択するために、用いられ得る。

【0050】

装置３００は、相関性のある情報組み合わせをハイパーテキストフォーマットに変換し、前記ハイパーテキストフォーマットを前記クライアントに送るように、さらに適合され得る。

【0051】

本明細書中、「ユニット」とは、特定のタスクまたは機能を行うように設計されたツールまたはマシンであるデバイスである。ユニットまたはデバイスは、前記特定のタスクまたは機能に関連する目的を実行するための、ハードウェア、ソフトウェア、プランまたはスキームあるいはその組み合わせの一部であり得る。加えて、別個のユニットが図示されているが、これは、物理的に別個のデバイスを用いていることを必ずしも示しておらず、このような図示はあくまで機能上のものであり、複数のユニットの機能を単一構成のデバイスまたはコンポーネントによって行ってもよい。コンピュータベースのシステムにおいて用いる場合、プロセッサ、ストレージおよびメモリなどの一般的なコンピュータコンポーネントを、前記多様な各機能を行うための１つ以上のユニットまたはデバイスとしてプログラムすることができる。

【0052】

装置３００は、バックエンドサーバであるか、または、このようなサーバにおいて実行され得る。クライアントの訪問先の情報型を入手すると、前記サーバは、格納されている記録からの前記訪問先の情報型に関連する相関性のある複数の情報型と、少なくとも２つの相関性のある情報型の各相関性のある情報組み合わせの発生特性とを入手する。その後、前記サーバは、各相関性のある情報組み合わせについて、前記相関性のある情報組み合わせと、前記訪問先の情報型との間の相関の程度とを計算し、相関程度が要求を満たしている相関性のある情報組み合わせを１つ以上選択し、前記選択された相関性のある情報組み合わせを前記クライアントに推薦する。前記サーバは、前記クライアントのユーザ情報について第２のマイニングをさらに行うことができ、そのため、最適な情報を前記ユーザに推薦することができる。前記ユーザからの任意の入力に基づいて、前記サーバは、前記入力に相関のある異なる推薦結果を出力する。前記入力は、人々のグループ、議論またはチャットグループ、商品、ブログ、ポスト、製品の詳細、メッセージまたはニュースの情報であり得る。前記出力は、人々のグループ、議論またはチャットグループ、商品、ブログ、ポスト、製品の詳細、メッセージまたはニュースの情報の任意の組み合わせであり得る。前記方法は、多様な情報フロー間のインタラクションの達成、推薦のカスタマイズ化、ならびに推薦精度および情報推奨の網羅範囲の向上のために、多様なインターネット情報エンティティに適用することができる。前記方法を適切に用いれば、ウェブサイトの売上高および閲覧量を向上させることができる。

【0053】

本明細書中記載される可能な恩恵および利点は、添付の特許請求の範囲に対する限定または制限として解釈されるべきではないことが理解される。

【0054】

上記内容について、構造的特徴および／または方法論的動作に特定的な表現を用いて説明してきたが、添付の特許請求の範囲中に規定される上記内容は必ずしも前記記載の特定の特徴または動作に限定されないことが理解される。すなわち、前記特定の特徴および動作は、請求項を実施するための例示的な形態として開示されるものである。

【図1】

【図2】

【図3】