Id价值评价设备，id价值评价系统和id价值评价方法

专利名称：Id价值评价设备，id价值评价系统和id价值评价方法
技术领域：
本公开涉及一种ID价值评价设备，ID价值评价系统和ID价值评价方法。
背景技术：
在许多站点，以横幅广告等的形式插入各种产品和服务的广告。给广告登载者的费用可根据横幅广告的点击次数确定，或者可根据产品或服务的销售来确定。根据点击操作的存在与否，确定费用的前一种方法被称为按点击付费方法。此外，按销售额的一定比率确定费用的后一种方法被称为固定比率付费方法。另外，还存在一种费用被确定为一定价格的定额付费方法。就按点击付费方法来说，日本专利No. 4217998公开一种计数通过横幅广告访问广告客户的次数，并根据访问广告客户商的次数收取费用的方法。此外，未经审查的日本专利申请公报No. 2003-108875也公开一种根据点击操作，确定费用的方法。另一方面，就固定比率付费方法来说，例如，日本专利No. 3440040公开一种根据用户购买产品的采购成绩，确定费用的方法。

发明内容
但是，就按点击付费方法来说，难以根据用户的购买行动，正确地向广告的登载者支付费用。此外，即使当为了不正当地获得费用而点击广告时，也只是对应于点击次数支付费用。另一方面，就固定费率付费方法来说，在产品或服务得到实际购买之前，不会向广告的登载者支付费用。此外，就定额付费方法来说，费用是与广告的效果无关地确定的。如上所述，现有技术的付费方法没有通过充分评价广告的插入效果，确定费用。特别地，在现有技术中使用的付费方法中，没有关于哪位用户查看哪种产品广告或哪种服务广告，以及当所述用户查看所述广告时，带来多大的推销效果，确定费用的思想。例如，当对化妆品感兴趣的用户点击化妆品横幅广告时，可以认为该用户很可能购买广告产品。此外，当用户是女性，并且带横幅广告的站点与美容相关时，化妆品横幅广告很可能被点击。从而，对化妆品感兴趣的用户对化妆品的广告客户有价值，从而广告客户希望该用户点击该横幅广告。显然化妆品的广告客户愿意向可能主要吸引对化妆品感兴趣的用户的站点的广告登载者支付更高的费用，而希望向可能只吸引对化妆品不感兴趣的用户的站点的广告登载者支付较少的费用。举例说明了确定向广告的登载者支付的费用的方法，不过，基于用户和服务之间的关系的用户价值的评价可适用于各种领域。从而，鉴于上述问题，做出了本公开，理想的是提供一种能够根据用户和服务之间的关系，评价用户的价值的新的升级ID价值评价设备，ID价值评价系统和ID价值评价方法。按照本公开的一个实施例，提供一种ID价值评价设备，包括评价值计算部分，所述评价值计算部分响应表示用户的属性的用户属性信息，表示服务的属性的服务属性信息和一般信息的输入，利用输出表示对应用户的价值的价值评价值的评价函数，计算待评价用户的价值评价值；和评价值输出部分，所述评价值输出部分相互关联地输出待评价用户的用户ID，和用评价值计算部分计算的对应用户的价值评价值。此外，ID价值评价设备最好还应包括评价函数生成部分，所述评价函数生成部分通过基于预先作为学习数据准备的一组用户属性信息，服务属性信息，一般信息和用户行动历史的机器学习，生成评价函数。此外，ID价值评价设备最好还应包括服务属性信息获取部分，所述服务属性信息获取部分分析记载在提供服务的服务提供站点中的信息，获取由对应的服务提供站点提供的服务的服务属性信息。此外，服务属性信息获取部分最好应通过对记载在服务提供站点中的信息进行指定语言处理，获得服务属性信息。此外，服务最好应包括向用户提供广告的服务。在这种情况下，当用户执行与广告相关的操作时，评价值计算部分最好应把对应用户设定成待评价用户，并计算价值评价值。此外，评价值计算部分最好应把访问提供服务的服务提供站点的一组用户设定为一组待评价用户，应计算包括在对应组中的各个用户的价值评价值，应通过合计各个用户的对应价值评价值，计算组价值评价值。这种情况下，评价值输出部分最好应使服务提供站点的ID与用评价值计算部分计算的组价值评价值相联系，并应输出所述ID和组价值评价值。此外，ID价值评价设备最好还应包括数据整形部分，所述数据整形部分把输入评价函数的服务属性信息的表现转换成能够被输入对应评价函数的表现。按照本公开的另一个实施例，提供一种ID价值评价系统，包括ID价值评价设备， 所述ID价值评价设备具有评价值计算部分，所述评价值计算部分响应表示用户的属性的用户属性信息，表示服务的属性的服务属性信息和一般信息的输入，利用输出表示对应用户的价值的价值评价值的评价函数，计算待评价用户的价值评价值，和评价值输出部分，所述评价值输出部分相互关联地输出待评价用户的用户ID，和用评价值计算部分计算的对应用户的价值评价值；广告投放服务器，所述广告投放服务器提供向用户投放广告的服务； 和广告提供服务器，所述广告提供服务器向广告投放服务器提供广告的内容。当用户进行与广告投放服务器投放的广告相关的操作时，广告投放服务器请求ID价值评价设备评价对应用户。ID价值评价设备使评价值计算部分计算作为从广告投放服务器发出的请求的对象的用户的价值评价值，使评价值输出部分把对应用户的价值评价值与对应用户的用户ID 相联系，并把价值评价值和用户ID输出给广告投放服务器。广告投放服务器把从ID价值评价设备获得的用户的价值评价值，连同与对应价值评价值相联系的用户ID —起提供给广告提供服务器。按照本公开的另一个实施例，提供一种ID价值评价方法，包括评价值计算步骤， 所述评价值计算步骤响应表示用户的属性的用户属性信息，表示服务的属性的服务属性信息和一般信息的输入，利用输出表示对应用户的价值的价值评价值的评价函数，计算待评价用户的价值评价值；和评价值输出步骤，所述评价值输出步骤相互关联地输出待评价用户的用户ID，和用评价值计算步骤计算的对应用户的价值评价值。按照本公开的另一个实施例，提供一种使计算机实现设置在ID价值评价设备中的各个组件的功能的程序。此外，按照本公开的另一个实施例，提供一种保存所述程序的计算机可读记录介质。如上所述，按照本公开的实施例，能够根据用户和服务之间的关系，评价用户的价值。


图1是图解说明按照本公开的一个实施例的广告提供系统的整个结构的说明图；图2是图解说明按照所述实施例的ID价值评价系统的功能结构的说明图；图3是图解说明按照所述实施例的广告投放系统的功能结构的说明图；图4是图解说明按照所述实施例的属性管理系统的功能结构的说明图；图5是图解说明按照所述实施例的ID价值评价系统的操作的说明图；图6是图解说明按照所述实施例的ID价值评价系统的操作的说明图；图7是图解说明按照所述实施例的ID价值评价系统的操作的说明图；图8是图解说明按照所述实施例的ID价值评价系统的操作的说明图；图9是图解说明按照所述实施例的ID价值评价系统的操作的说明图；图10是图解说明按照所述实施例的ID价值评价系统的操作的说明图；图11是图解说明按照所述实施例的ID价值评价系统的操作的说明图；图12是图解说明按照所述实施例的ID价值评价系统的操作的说明图；图13是图解说明按照所述实施例的用于生成ID价值评价函数的学习样本数据的例子的说明图；图14是图解说明按照所述实施例的生成ID价值评价函数的方法的说明图；图15是在按照所述实施例的广告提供系统中执行的处理序列的说明图；图16是在按照所述实施例的广告提供系统中执行的处理序列的说明图；图17是图解说明能够实现按照所述实施例的相应系统和用户终端的功能的硬件结构的说明图。
具体实施例方式下面参考附图，详细说明本发明的优选实施例。注意，在说明书和附图中，功能和结构基本相同的组件用相同的附图标记表示，这些组件的重复说明将被省略。说明的顺序这里，在后面说明的本公开的实施例中，简单的说明顺序如下所述。首先，参见图 1，说明按照本公开的实施例的广告提供系统10的整体结构。随后，参见图2，说明按照所述实施例的ID价值评价系统100的功能结构。这里，将说明生成ID价值评价函数的方法。 随后，参见图3，说明按照所述实施例的广告投放系统104的功能结构。之后，参见图4，说明按照所述实施例的属性管理系统106的功能结构。之后，参见图5-12，说明按照所述实施例的ID价值评价系统100的操作。随后，参见图13，说明按照所述实施例的生成ID价值评价函数的方法。之后，参见图15和16，说明在按照所述实施例的广告提供系统10中执行的处理序列。之后，参见图17，说明能够实现按照所述实施例的相应系统和用户终端的功能的硬件结构。最后，通过总结所述实施例的技术思想，将简要说明可从所述技术思想获得的优点。
6
说明项目1.实施例1-1.广告提供系统10的整体结构1-2. ID价值评价系统100的功能结构1-3.广告投放系统104的功能结构1-4.属性管理系统106的功能结构1-5. ID价值评价系统100的操作1-5-1.评价处理的流程1-5-2.函数生成的流程1-6.广告提供系统10的处理序列1-6-1.具体例子 11-6-2.具体例子 21-7.硬件结构2.总结1.实施例下面说明本公开的实施例。所述实施例涉及向用户提供广告的系统(广告提供系统10)。特别地，所述实施例涉及对应于用户的价值或者广告登载者的价值，计算待支付给广告登载者的费用的结构。1-1.广告提供系统10的整体结构。首先，参见图1，说明按照所述实施例的广告提供系统10的整体结构。图1是图解说明按照本公开的所述实施例的广告提供系统10的整体结构的说明图。如图1中所示，广告提供系统10包括ID价值评价系统100，用户终端102，广告插入站点提供系统103，广告投放系统104，广告客户站点提供系统105，和属性管理系统106。 此外，ID价值评价系统100，用户终端102，广告插入站点提供系统103，广告投放系统104， 广告客户站点提供系统105，和属性管理系统106通过网络101相互连接。用户终端102是用户使用的终端设备。例如，用户终端102具有诸如web浏览器和电子邮件软件之类的应用程序，充当接收用户操作的部分。当使用用户终端102时，例如， 用户可通过web浏览器访问广告插入站点，或者可通过点击插入广告插入站点中的横幅广告，访问广告客户站点。广告插入站点提供系统103是向用户提供广告插入站点的实现。此外，广告插入站点是其中插入诸如横幅广告之类的广告的信息站点。插入广告插入站点中的广告由广告投放系统104提供。广告投放系统104向广告插入站点提供广告，并监视用户对插入广告插入站点中的广告的行动。例如，当用户点击插入广告插入站点中的广告时，点击事件被通知给广告投放系统104。通过所述通知，广告投放系统104管理基于用户点击广告的事件的费用。此外，广告投放系统104管理用户的cookie，并与广告客户站点提供系统105协作地管理用户的购买历史等等。例如，广告投放系统104计算当用户点击广告时，将支付给广告的登载者(广告插入站点提供系统103)的费用。此时，广告投放系统104请求ID价值评价系统100评价点击广告的用户的价值。随后，根据ID价值评价系统100评价的用户的价值，计算将支付给
广告登载者的费用。ID价值评价系统100是根据用户属性信息，广告插入站点属性信息和广告客户站点属性信息等，评价用户的价值的实体。另外，用户属性信息，广告插入站点属性信息和广告客户站点属性信息由属性管理系统106管理。从而，当从广告投放系统104收到评价请求时，ID价值评价系统100请求属性管理系统106提供关于属性的信息，并利用提供的属性信息评价用户的价值。广告客户站点提供系统105是提供当用户点击插入广告插入站点中的广告时，被引导到的广告客户站点的实体。例如，广告客户站点提供系统105提供由广告客户管理的电子商务站点或信息站点，所述广告客户提供在广告中介绍的产品或服务。此外，广告客户 (广告客户站点提供系统105)是请求广告登载者(广告插入站点提供系统103)插入广告， 或者按照引导到广告客户站点的成绩，支付费用的实体。如上所述，广告提供系统10包括六个实体。下面，在这六个实体中，将详细说明ID 价值评价系统100，广告投放系统104和属性管理系统106的功能结构。另外，ID价值评价系统100和属性管理系统106可被形成为一个系统。此外，ID价值评价系统100和广告投放系统104可被形成为一个系统。此外，广告投放系统104和广告插入站点提供系统103可被形成为一个系统。1-2. ID价值评价系统100的功能结构首先，参见图2，说明ID价值评价系统100的功能结构。图2是图解说明ID价值评价系统100的功能结构的说明图。如图2中所示，ID价值评价系统100主要包括通信部分111，信息收集部分112， 数据整形部分113，数据整形信息数据库114，ID价值评价部分115，ID价值评价函数数据库116，ID价值评价函数生成部分117和学习样本数据库118。通信部分111是通过网络101，在不同实体之间交换信息的部分。例如，当从广告投放系统104接收用户的评价请求，向属性管理系统106传送提供属性信息的请求，或者从属性管理系统106接收属性信息时，使用通信部分111。此外，当向广告投放系统104提供表示用户的价值的评价信息时，使用通信部分111。另外，通信部分111用于通过网络101 传送和接收信息。但是，当从广告投放系统104向ID价值评价系统100发出评价用户的价值的请求时，所述评价请求通过通信部分111被输入信息收集部分112。当输入评价请求时，信息收集部分112通过通信部分111，把提供属性信息的请求传送给属性管理系统106。此时，信息收集部分112请求属性管理系统106提供作为评价对象的用户的属性信息，广告客户站点属性信息，和广告插入站点属性信息。另外，用户属性信息的例子包括年龄、性别、地区(现在地或居住地的邮政编码， GPS信息等等)、国籍、语言、时区、职业、年收入、家庭结构、产品或服务的购买历史、行动历史、病历、学历、社会关系等等。此外，用户属性信息的例子还包括思维方式、爱好、当前状况 (与朋友一起，与家庭在一起等等)、家庭属性信息、使用因特网所用的时间。此外，广告客户站点属性信息包括广告客户提供的业务或服务的种类，产品的种类，在广告客户站点注册的用户账户的数目，访问广告客户站点的次数，广告客户的销售业绩，广告客户的信赖度等等。此外，广告客户站点属性信息的例子还包括广告客户站点的外部指标(网页排名等)，广告客户提供的服务的充实度(服务/产品的种类数等)，对象范围(地区、年龄、面向一般公众/爱好者等)，等等。此外，广告插入站点属性信息的例子包括广告登载者提供的业务或服务的种类， 产品的种类，在广告插入站点注册的用户账户的数目，访问广告插入站点的次数，广告登载者的销售业绩，广告登载者的信赖度等等。此外，广告插入站点属性信息的例子还包括广告插入站点的外部指标(网页排名等)，广告登载者提供的服务的充实度(服务/产品的种类数等)，对象范围(地区、年龄、面向一般公众/爱好者等)，等等。当属性管理系统106提供用户属性信息，广告客户站点属性信息，和广告插入站点属性信息时，这些属性信息通过通信部分111，被输入信息收集部分112。当输入这些属性信息时，信息收集部分112把输入的属性信息输入数据整形部分113。此外，信息收集部分112从连接到网络101的信息源(未示出)收集关于时间和日期，季节，特别活动(廉价品、TV节目、节日、事件等)，活动的地点等等的一般信息。随后，信息收集部分112把收集的一般信息输入ID价值评价部分115。另外，当从广告投放系统104向ID价值评价系统100发出评价请求时，信息收集部分112获得作为评价对象的用户的用户ID。此外，信息收集部分112还获得用户浏览的插入站点的ID (下面称为广告插入站点ID)，和与点击的广告对应的广告客户站点的ID (下面称为广告客户站点ID)。随后，当请求属性管理系统106提供属性信息时，信息收集部分 112把用户ID、广告插入站点ID和广告客户站点ID提供给属性管理系统106。作为用户ID，例如，使用Open ID、SAML (安全性断言标记语言)等。此外，作为用户ID，也可使用IP地址，分配给移动电话机的ID等。此外，作为广告插入站点ID，例如，可以使用广告登载者的名称，广告插入站点的IP地址或URI (统一资源标识符)，服务或产品的ID，活动的ID等。此外，作为广告客户站点ID，例如，可以使用广告客户的名称，广告客户站点的IP地址或URL，服务或产品的ID，活动的ID等。此外，当从广告投放系统104向ID价值评价系统100发出评价请求时，信息收集部分112获得代表用户的评价种类的评价项目。评价项目的例子包括用户的信赖度，购买期待度，忠诚度，受影响的朋友的数目，购买之前必要的一段时间，购买量，购买之前浏览的站点(尤其是类似广告客户站点)的数目，和它们的组合，这些项目对应于ID价值评价。用信息收集部分112获得的用户ID，广告插入站点ID，广告客户站点ID，评价项目和一般信息被输入ID价值评价部分115。不过，如上所述，数据整形部分113从信息收集部分112接收用户属性信息，广告插入站点属性信息和广告客户站点属性信息的输入。当输入用户属性信息，广告插入站点属性信息和广告客户站点属性信息时，数据整形部分113把输入的属性信息的表现整形成能够被输入后面说明的ID价值评价函数中的表现。此时，数据整形部分113从数据整形信息数据库114读取对所述表现整形所必需的信息，并利用读出的信息整形所述表现。例如，数据整形部分113把词语变成基本相同，但是具有不同字符组合的另一个词语(例如，把“CreditCard”变成“Credit Card”)。此外，数据整形部分113把词语变成具有相同含义的另一个词语(例如，把“Credit Card”变成“Charge Card”)。此外，数据整形部分113使本体概念和另一个本体概念相关联。另外，代表单词之间的对应关系的信息被预先保存在数据整形信息数据库114中。数据整形部分113整形的属性信息被输入ID价值评价部分115。如上所述，ID价值评价部分115接收作为评价对象的用户的用户ID，广告插入站点ID，广告客户站点ID，一般信息，评价项目和整形属性信息的输入。当输入这样的信息时，ID价值评价部分115首先参照ID价值评价函数数据库116，获得与评价项目对应的ID价值评价函数。不过，这里说明的ID价值评价函数是根据用户属性信息，广告插入站点属性信息和广告客户站点属性信息的输入，输出用户的价值的评价值的函数。当获得ID价值评价函数时，ID价值评价部分115把从数据整形部分113输入的用户属性信息，广告插入站点属性信息和广告客户站点属性信息输入获得的ID价值评价函数中，并计算代表用户的价值的评价值。计算所述评价值的ID价值评价部分115使所述评价值与一组用户ID、广告插入站点ID和广告客户站点ID相关联，并通过通信网络111， 把对应的评价值传给广告投放系统104。此外，当ID价值评价函数的输出是异常值时，ID 价值评价部分通过通信部分111，向广告投放系统104通报异常。生成ID价值评价函数的功能结构如上所述，ID价值评价函数数据库116保存关于每个评价项目生成的ID价值评价函数。保存在ID价值评价函数数据库116中的ID价值评价函数由ID价值评价函数生成部分117生成。ID价值评价函数生成部分117是根据预先保存在学习样本数据库118中的学习样本数据，通过机器学习，生成ID价值评价函数的部分。学习样本数据包括用户属性信息，广告插入站点属性信息，广告客户站点属性信息，一般信息和用户行动历史(参见图13)。学习样本数据由信息收集部分112收集，由数据整形部分113整形，以便适合于ID价值评价函数的输入，随后被保存在学习样本数据库 118中。当使用学习样本数据时，能够响应用户属性信息，广告插入站点属性信息，广告客户站点属性信息和一般信息的输入，生成输出基于用户行动历史的评价值的ID价值评价函数。例如，当作为用户行动历史，给出购买行动(例如，有购买=1，无购买=0)时，ID 价值评价函数生成部分117能够生成输出用户的购买期待度，作为评价值的ID价值评价函数。当作为用户行动历史，给出博客中的推荐行动(例如，存在推荐行动=1，没有推荐行动=0)时，ID价值评价函数生成部分117能够生成用户在博客中进行推荐的期待度，作为评价值的ID价值评价函数。另外，机器学习中使用的方法例如是SVM(支持向量机)，简单 Bayes分类器，线性判别，二次判别，神经网络，感知器等等。如上所述，ID价值评价函数生成部分117生成的ID价值评价函数被保存在ID价值评价函数数据库116中。关于评价值的补充说明ID价值评价系统100计算的评价值代表用户购买广告中介绍的产品或服务的可能性，用户向朋友或熟人介绍所述产品或服务的可能性，或者用户未来再次访问广告客户站点的可能性。此外，评价值被认为受用户属性信息，广告插入站点属性信息，广告客户站点属性信息和一般信息影响。另外，用户属性信息，广告插入站点属性信息，广告客户站点属性信息和一般信息实时变化。从而，必须按照所述变化，实时地计算评价值。如上所述，ID价值评价系统100对每位用户计算评价值。不过，当合计访问广告
10插入站点的整个一组用户的评价值时，能够获得代表广告插入站点的影响力的评价值。从而，ID价值评价系统100可计算代表广告插入站点的影响力的评价值。这种评价值可被用作当向广告客户要求广告费用时的客观数据。此外，甚至可以使用所述评价值搜索广告效果较好的广告插入站点。关于属性信息的收集的补充说明用户属性信息，广告插入站点属性信息和广告客户站点属性信息的种类多种多样。此外，按照评价项目，当计算评价值时，某些属性信息可能不被使用。从而，信息收集部分112可被配置成按照评价项目，仅仅选择用于计算评价值的各项属性信息。S卩，在获得评价项目之后，信息收集部分112可被配置成仅仅选择用作按照评价项目选择的ID价值评价函数的输入的各项属性信息，以便只从属性管理系统106获得选择的各项属性信息。此外，信息收集部分112不从属性管理系统106提取广告插入站点属性信息和广告客户属性信息，而是分别直接从广告插入站点和广告客户站点提取广告插入站点属性信息和广告客户属性信息。例如，信息收集部分112通过文本挖掘或自然语言处理，分析广告插入站点的内部，从而能够根据分析结果，获得广告插入站点属性信息。同样地，信息收集部分112通过文本挖掘或自然语言处理，分析广告客户站点的内部，从而能够根据分析结果，获得广告客户站点属性信息。此外，信息收集部分112可不从属性管理系统106收集用户属性信息，而是通过利用用户ID收集用户属性信息。例如，信息收集部分112能够利用诸如Open ID或SAML之类的ID相关技术，收集用户属性信息。此外，信息收集部分112能够通过根据用户使用服务时残留的用户终端102(例如，移动电话机或PC)的购买历史和通信历史，组合服务之间的ID，获得用户属性信息。此外，信息收集部分112能够获得通过社交网络服务向公众公开的属性信息，作为用户属性信息。关于学习样本数据的收集的补充说明上述方法用在收集学习样本数据中的用户属性信息，广告插入站点属性信息，广告客户站点属性信息和一般信息的方法中。同时，当打算收集用户行动历史时，例如，使用由广告投放系统104收集的cookies。在cookies (比如推荐人字段)中，保存用户ID，广告插入站点的地址和广告客户站点的地址。于是，信息收集部分112获得保留在广告客户站点中的购买历史，并使所述历史与保存在cookies中的信息相联系，从而获得其中组合广告客户站点和广告插入站点的购买历史的用户行动历史。另外，也可以考虑利用博客的分析结果，或者残留在用户终端102中的通信历史和购买历史的方法。此外，也可以考虑利用外部营销数据(比如P0S(销售点))的方法。例如，可以使用其中具有属性A的用户很可能购买具有特征B的产品#1，和具有特征C的产品 #2的信息。这种情况下，用户属性信息被设定为A，广告插入站点属性信息和广告客户站点属性信息分别被设定成B和C(在站点经营的产品的属性)，用户行动历史被设定成“有购买行动”，这些都可被用作学习样本数据。关于ID价值评价函数的补充说明ID价值评价函数是根据用户属性信息，广告插入站点属性信息和广告客户站点属性信息等的输入，输出评价值的函数。如上所述，对每个评价项目，生成ID价值评价函数。 不过，在用户属性信息，广告插入站点属性信息和广告客户站点属性信息之中，一些信息易于获得，而一些信息难以获得。从而，可取的是应为每个相同的评价项目，提供其间待输入的各项属性信息的组合不同的多个ID价值评价函数。易于获得的属性信息的例子包括公开信息，用户Open ID简单注册扩展定义的基本属性等等。另一方面，难以获得的属性信息的例子包括病历，社会关系，思维方式等等。关于ID价值评价函数的生成的补充说明下面说明生成ID价值评价函数的具体方法。如上所述，通过机器学习，利用学习样本数据，生成ID价值评价函数。(A)用户行动历史可被二值化的情况当诸如产品或服务的购买历史之类的行动历史可用二值形式(例如，有购买行动 /无购买行动)表现时，能够形成通过诸如SVM之类的方法，输出二元值的判别函数。当利用所述判别函数，判定用户行动历史时，这种方法利用学习样本数据，判定判别函数的参数，以使损失函数(例如，判别差错率)最小。另外，用这种方法获得的判别函数被用作ID 价值评价函数。例如，下面说明通过线性SVM，生成判别函数f(x)的方法。就线性SVM来说，判别函数f(x)可用下述表达式(1)表示。这里，％代表权重，b代表偏项，d代表维数，χ = (X1, ...，xd)代表属性值。此外，在所述函数属于一个类别的情况下的条件用f (χ)彡0表示，在所述函数属于另一个类别的情况下的条件用f(x) <0表示。例如，当理想的是获得评价用户的购买期待度的ID价值评价函数时，所述一个类别被设定为“有购买行动”，所述另一个类别被设定为“无购买行动”。在通常的判别中，创建二值判别函数g(x) = {y|y = 0，当f(x)彡0时，y = 1，当f(x) <0}，并最终判定购买行动存在(g(x) =0)或不存在 (g (x) = 1)。不过，作为ID价值评价函数，可以使用能够接收连续值的判别函数f (χ)，和二值判别函数g(x)。
d
「 n /o)=Sw6^-i J 3
尸ι
■■· (ι)通过把包括在学习样本数据中的属性值(属性信息的数值部分)代入X，权重％ 和偏项b被调整，以致f(x)的计算值适合于包括在学习样本数据中的用户行动历史。随后，重复所述调整，直到能够获得适合于整个学习样本数据中，或者在预定比例以上的范围中的用户行动历史的判别函数f(x)为止。通过执行这样的处理，能够从学习样本数据获得判别函数f(x)。另外，就Bayes分类器来说，能够从学习样本数据获得条件概率P (用户行动/属性信息，一般信息)，从而条件概率P被用作ID价值评价函数。此外，就线性判别，二次判别，神经网络和感知器来说，能够和线性SVM—样地获得判别函数，从而该判别函数被用作 ID价值评价函数。这样的方法是利用一个判别函数的方法，不过，也可以使用组合利用多种判别函数的诸如boosting之类的方法。(B)通过boosting，生成ID价值评价函数的方法下面，参见图14，说明通过boosting，生成ID价值评价函数的方法。图14是图解说明通过boosting，生成ID价值评价函数的方法的说明图。另外，boosting是一种不生成
12一个高精度的识别器，而是组合多个低精度的识别器(弱识别器)，以致生成一个高精度的识别器(强识别器)的方法。这里，将考虑使用二值判别函数作为弱识别器的情况，其中所述二值判别函数由简单Bayes分类器，线性判别，二次判别，神经网络，感知器，决策树等生成二值判别函数是相对于值x(例如，属性信息)的输入，输出0或1的函数。例如， 用上述线性SVM生成的判别函数f是相对于属性值χ的输入，输出连续值的函数。不过， 通常，最主要使用的函数是当f(x) >0时，输出0，当f(x) <0时，输出1的二值判别函数 g(x) = {y|y = 0，当f(x)彡0时，y = 1，当f(x) <0时}。于是，将考虑通过提供多个二值判别函数g(x)，并利用这些二值判别函数g(x)，生成与强识别器对应的ID价值评价函数 f(x)的方法。下面，包括在学习样本数据中的属性信息和一般信息的属性值用Xi表示。此外，代表包括在学习样本数据中的用户行动历史的属性值用Yi表示。这里，用二值(+1，-1)表示
例如，“有购买行动”用+1表示，“无购买行动”用-1表示。此外，包括在学习样本数据中的学习样本的数目用N表示。另外，下面说明的处理由ID价值评价系统100(ID价值评价函数生成部分117)执行。如图14中所示，ID价值评价系统100首先设定用下述表达式(2)表示的数据权重的初始值Dlii(SSOl)。此时，所有初始值DliiG = 1 N)被设定成相等的值。随后，ID价值评价系统100开始关于索引t(t = 1 T)的处理循环(S302)。随后，ID价值评价系统 100把属性值Xi输入二值判别函数gt (χ)，计算gt (Xi)，并比较输出值gt (Xi)和属性值从而计算差错率et (参见下面的表达式(3)) (S303)。之后，ID价值评价系统100选择使差错率et降至最小的二值判别函数gt (χ) (S304)。然后，ID价值评价系统100利用与在步骤S304中选择的二值判别函数gt (χ)对应的差错率et，用下述表达式(4)计算权重i3t(S305)。随后，ID价值评价系统100根据下面的表达式(5)和(6)，设定数据权重的更新值Dwa(SSOe)。另外，下面的表达式(6)代表使数据权重的更新值Dt+1,i归一化的处理。随后，ID价值评价系统100判定索引t是否等于T (S307)。如果t兴T，那么ID价值评价系统100使索引t加1，并使处理返回步骤S303(S307)。相反，如果t = T，那么ID 价值评价系统100使处理进入步骤S308。当使处理进入步骤S308时，ID价值评价系统100 根据下面的表达式(7)，判定ID价值评价函数f(x) (S308)。
权利要求
1.一种ID价值评价设备，包括评价值计算部分，所述评价值计算部分响应表示用户的属性的用户属性信息、表示服务的属性的服务属性信息以及一般信息的输入，利用输出表示对应用户的价值的价值评价值的评价函数，计算待评价用户的价值评价值；和评价值输出部分，所述评价值输出部分相互关联地输出待评价用户的用户ID和所述评价值计算部分所计算出的对应用户的价值评价值。
2.按照权利要求1所述的ID价值评价设备，还包括评价函数生成部分，所述评价函数生成部分通过基于预先作为学习数据准备的一组用户属性信息、服务属性信息、一般信息以及用户行动历史的机器学习，生成所述评价函数。
3.按照权利要求2所述的ID价值评价设备，还包括服务属性信息获取部分，所述服务属性信息获取部分分析记载在提供服务的服务提供站点中的信息，并获取由对应的服务提供站点提供的服务的服务属性信息。
4.按照权利要求3所述的ID价值评价设备，其中所述服务属性信息获取部分通过对记载在所述服务提供站点中的信息进行指定语言处理，获得所述服务属性信息。
5.按照权利要求1所述的ID价值评价设备， 其中服务包括向用户提供广告的服务，并且其中当用户执行与广告相关的操作时，所述评价值计算部分把对应用户设定成待评价用户，并计算价值评价值。
6.按照权利要求1所述的ID价值评价设备，其中所述评价值计算部分把访问提供服务的服务提供站点的一组用户设定为一组待评价用户，计算包括在对应组中的各个用户的价值评价值，并通过合计各个用户的对应价值评价值来计算组价值评价值，其中所述评价值输出部分使所述服务提供站点的ID与用所述评价值计算部分计算出的组价值评价值相联系，并输出所述ID和组价值评价值。
7.按照权利要求1所述的ID价值评价设备，还包括数据整形部分，所述数据整形部分把输入到所述评价函数的服务属性信息的表示转换成能够被输入对应评价函数的表示。
8.一种ID价值评价系统，包括ID价值评价设备，所述ID价值评价设备具有评价值计算部分，所述评价值计算部分响应表示用户的属性的用户属性信息、表示服务的属性的服务属性信息和一般信息的输入，利用输出表示对应用户的价值的价值评价值的评价函数，计算待评价用户的价值评价值，和评价值输出部分，所述评价值输出部分相互关联地输出待评价用户的用户ID和所述评价值计算部分所计算出的对应用户的价值评价值；广告投放服务器，所述广告投放服务器提供向用户投放广告的服务；以及广告提供服务器，所述广告提供服务器向所述广告投放服务器提供广告的内容， 其中当用户进行与广告投放服务器投放的广告相关的操作时，所述广告投放服务器请求所述ID价值评价设备评价对应用户，其中所述ID价值评价设备使所述评价值计算部分计算作为从所述广告投放服务器发出的请求的对象的用户的价值评价值，并且使所述评价值输出部分把对应用户的价值评价值与对应用户的用户ID相联系，并把所述价值评价值和用户ID输出给所述广告投放服务器，以及其中所述广告投放服务器把从所述ID价值评价设备获得的用户的价值评价值连同与对应价值评价值相联系的用户ID —起提供给所述广告提供服务器。
9. 一种ID价值评价方法，包括响应表示用户的属性的用户属性信息、表示服务的属性的服务属性信息和一般信息的输入，利用输出表示对应用户的价值的价值评价值的评价函数，计算待评价用户的价值评价值；和相互关联地输出待评价用户的用户ID和通过计算评价值而计算出的对应用户的价值评价值
全文摘要
一种ID价值评价设备，包括评价值计算部分，所述评价值计算部分响应表示用户的属性的用户属性信息，表示服务的属性的服务属性信息和一般信息的输入，利用输出表示对应用户的价值的价值评价值的评价函数，计算待评价用户的价值评价值；和评价值输出部分，所述评价值输出部分相互关联地输出待评价用户的用户ID，和用评价值计算部分计算的对应用户的价值评价值。
文档编号G06Q30/02GK102385727SQ201110234929
公开日2012年3月21日 申请日期2011年8月17日 优先权日2010年8月25日
发明者坚木雅宣, 川元洋平, 松田诚一, 浅野智之, 浮田昌一, 田中雄, 盛合志帆 申请人:索尼公司