专利名称：信息处理和呈现装置、终端装置、评估得分计算法和程序的制作方法
技术领域：
本技术涉及信息处理装置、终端装置、信息呈现系统、评估得分计算方法和程序。
背景技术：
近年来，利用网络的商务迅速扩大。例如，诸如可在线地从中购买商品的在线店铺之类的系统被广泛使用。这样的在线店铺中的许多被设置有用于向用户推荐商品的机制。例如，如果用于查看某种商品的详细信息，则与该商品有关的一些商品的信息作为推荐商品被呈现给用户。这样的机制例如通过使用在日本专利申请早期公开No. 2003-167901中描述的协同过滤的方法来实现。协同过滤是通过使用关于具有类似偏好的用户的信息(例如，购买历史)来提取推荐商品的方法。如果协同过滤被使用，则甚至可通过使用有关具有与新用户的偏好类似偏好的用户的信息来向该新用户呈现推荐商品。然而，如果用户的数量较少并且难以找到具有类似偏好的用户，则难以呈现适合目标用户的偏好的合适的推荐商品。为了提取推荐商品，称为基于内容过滤的方法可被使用。基于内容过滤是通过使用用户的购买历史来提取要呈现给用户的推荐商品的方法。基于内容过滤是通过分析每个用户的购买历史来提取推荐商品的方法，因此，如果该方法被使用，则即使诸如当用户的数量较少而难以找到具有类似偏好的用户时也能够提取出合适的推荐商品。然而，对于购买历史较少的用户，难以呈现适合目标用户的偏好的合适的推荐商品，
发明内容
如上所述，协同过滤和基于内容过滤各自具有优点和缺点。因此，为了高准确度地呈现适合用户的偏好的合适的推荐商品，有必要根据情况使用这二者方法中的一种或另一种或者这二者方法的组合。商品在此被说明为要被呈现给用户的对象，但是也可存在如下情况当呈现给其他用户时，音乐内容或视频内容被呈现或者某种信息被呈现。因此，在下文中，要被呈现给用户的对象被称为项目(item)。常见的协同过滤和基于内容过滤在此被说明为推荐项目的方法并且这些方法已经经过许多人改进。除了在此所说明的方法以外，可用于项目推荐的各种推荐算法被提出。然而，这些推荐算法各自具有优点和缺点，因此，没有可在任何情况下都实现合适的推荐结果的推荐算法是已知的。因此，希望一种根据情况使用多种推荐算法或适当地组合多种推荐算法的技术。鉴于前述说明，希望提供一种能够适当地控制如何组合推荐算法以使得能够获得合适情况的高准确度推荐结果的新颖并且改进的信息处理装置、终端装置、信息呈现系统、评估得分计算方法和程序。一些实施例涉及一种用于从多个项目选出一项目以推荐给用户的装置，该装置包括至少一个处理器；以及至少一个存储器，所述至少一个存储器存储处理器可执行指令，所述处理器可执行指令被配置为使得所述至少一个处理器利用具有第一量度的第一计分、算法计算出指示多个项目的项目之间的关联程度的第一组得分；利用具有第二量度的第二计分算法计算出指示所述多个项目的项目之间的关联程度的第二组得分；调整所述第二组得分以使所述第二量度与所述第一量度匹配；通过组合所述第一组得分和经过调整的第二组得分计算出针对所述多个项目的第三组得分；并且基于所述第三组得分从所述多个项目选出一项目以推荐给用户。一些实施例涉及一种用于从多个项目选出一项目以推荐给用户的方法，该方法包括利用具有第一量度的第一计分算法计算出指示多个项目的项目之间的关联程度的第一组得分；利用具有第二量度的第二计分算法计算出指示所述多个项目的项目之间的关联程度的第二组得分；使用至少一个处理器，调整所述第二组得分以使所述第二量度与所述第一量度匹配；通过组合所述第一组得分和经过调整的第二组得分计算出针对所述多个项目的第三组得分；并且基于所述第三组得分从所述多个项目选出一项目以推荐给用户。一些实施例涉及至少一个计算机可读存储介质，所述至少一个计算机可读存储介质被编码有计算机可执行指令，所述计算机可执行指令在被执行时，执行用于从多个项目选出一项目以推荐给用户的方法，该方法包括利用具有第一量度的第一计分算法计算出指示多个项目的项目之间的关联程度的第一组得分；利用具有第二量度的第二计分算法计算出指示所述多个项目的项目之间的关联程度的第二组得分；调整所述第二组得分以使所述第二量度与所述第一量度匹配；通过组合所述第一组得分和经过调整的第二组得分计算出针对所述多个项目的第三组得分；并且基于所述第三组得分从所述多个项目选出一项目以推荐给用户。一些实施例涉及一种用于从多个项目选出一项目以推荐给用户的装置，该装置包括用于利用具有第一量度的第一计分算法计算出指示多个项目的项目之间的关联程度的第一组得分的装置；用于利用具有第二量度的第二计分算法计算出指示所述多个项目的项、目之间的关联程度的第二组得分的装置；用于调整所述第二组得分以使所述第二量度与所述第一量度匹配的装置；用于通过组合所述第一组得分和经过调整的第二组得分计算出针对所述多个项目的第三组得分的装置；并且用于基于所述第三组得分从所述多个项目选出一项目以推荐给用户的装置。根据本技术，如上所述，能够适当地控制如何组合推荐算法以使得能够获得适合情况的高准确度推荐结果。
图I是说明推荐算法的组合方法的说明性示图；图2是说明推荐算法的组合方法的说明性示图；图3是说明推荐算法的组合方法的说明性示图；图4是说明推荐算法的组合方法的说明性示图；图5是说明推荐算法的组合方法的说明性示图；图6是图示根据本技术的一个实施例的推荐算法的组合方法的说明性示图；图7是图示根据本技术的一个实施例的推荐算法的组合方法的说明性示图；图8是图示根据本技术的一个实施例的能够实现推荐算法的组合方法的推荐系统的系统配置的说明性示图9是提供根据本技术的一个实施例的在推荐系统中执行的处理的概述的说明性示图；图10是图示根据本技术的一个示例性实施例的服务器装置的功能配置的说明性示图；图11是图示根据本技术的一个示例性实施例的用户终端的功能配置的说明性示图；图12是图示根据本技术的一个实施例的校正函数的导出方法的说明性示、
图13是图示根据本技术的一个实施例的权重的设定方法的说明性示图；图14是图示根据本技术的一个实施例的推荐处理的流程的说明性示图；图15是图示根据本技术的一个实施例的综合相关联得分的计算方法的说明性示图；图16是图示得分系统的差异对相关联得分造成的影响的说明性示图；图17是图示根据本技术的一个实施例的当相关联得分校正方法被应用时获得的效果的说明性示图；图18是图示根据本技术的一个实施例的校正函数的导出方法(扩展示例)的说明性示图；图19是图示根据本技术的一个实施例的权重的设定方法(扩展示例)的说明性示图；图20是图示根据本技术的一个实施例的推荐处理的流程(扩展示例)的说明性示图；图21是图示根据本技术的一个实施例的权重调整方法的说明性示图；图22是图示根据本技术的一个实施例的权重的调整方法的说明性示图；图23是图示根据本技术的一个实施例的权重的调整方法的说明性示图；图24是图示根据本技术的一个实施例的权重的调整方法的说明性示图；以及图25是根据本技术的一个实施例的能够实现服务器装置和用户终端所有的功能的硬件配置的说明性示图。
具体实施例方式在下文中，将参考附图来详细描述本公开的优选施加例。注意，在本说明书和附图中，具有基本相同功能和配置的结果元件被用相同的标号表示，并且对于这些结构元件的重复描述被省略。[描述的流程]下面提供的描述的流程将简要地被提及。首先，将参考图I到5描述推荐算法的组合方法的示例。接着，将参考图6到7描述根据本技术的实施例的推荐算法的组合方法。接着，将参考图8描述根据本技术的实施例的能够实现推荐算法的组合方法的推荐系统的系统配置。接着，将参考图9提供根据本技术的实施例的由推荐系统执行的处理的概要。接着，将参考图10描述根据本技术的实施例的服务器装置100的功能配置。接着，将参考图11描述根据本技术的实施例的用户终端200的功能配置。接着，将参考图12描述根据本技术的实施例的校正函数的导出方法。接着，将参考图13描述根据本技术的实施例的权重设定方法。接着，将参考图14描述根据本技术的实施例的推荐处理的流程。接着，将参考图15描述根据本技术的实施例的综合相关联得分的计算方法。接着，将参考图16描述得分系统的差异对相关联得分造成的影响。接着，将参考图17描述当根据本技术的实施例的相关联得分校正方法被应用时获得的效果。接着，将参考图18描述根据本技术的实施例的校正函数的导出方法(扩展示例)。接着，将参考图19来描述根据本技术的实施例的权重设定方法(扩展示例)。接着，将参考图20来描述根据本技术的实施例的推荐处理的流程(扩展示例)。接着，将参考图21到图24来详细描述根据本示例性实施例的权重调整方法。接着，将参考图25来描述根据本技术的实施例的用于实现由服务器装置100和用户终端200所有的功能的硬件配置。最后，将概述实施例的技术思想并将简要描述从技术思想获得的操作/工作效果。(描述项目)I :介绍1-1 :推荐算法组合示例1-2 :推荐算法组合方法1-3 :得分系统的差异2 :基本配置2-1 :推荐算法组合方法2-2 :推荐系统的配置2-2-1 :系统配置2-2-2 :处理的概述2-2-3 :服务器装置100的功能配置2-2-4 :用户终端200的功能配置2-3 :预处理的流程2-3-1 :校正功函数的导出方法2-3-2 :权重的设定方法2-4 :推荐处理的流程3 :扩展示例3-1 :预处理的流程3-1-1 :校正函数的导出方法3-1-2 :权重的设定方法3-2 :推荐处理的流程4 :根据反馈的权重调整方法4-1 :系统权重调整方法、
4-1-1 :调整示例 #14_1_2 :调整不例 #24-2 :用户权重调整方法5 :补充描述
5-1 :当不使用反馈时的权重调整方法5-2 :校正函数的更新5-3 :没有附于相关联得分的项目6 :硬件配置示例7 :小结〈I :介绍 >首先，提供当多个推荐算法被简单组合时出现的问题的概述以及用于解决此问题的方法。[1-1 :推荐算法的组合示例]首先，将描述计分算法(例如，推荐算法)的组合示例。协同过滤和基于内容过滤在此被引用作为要被组合的示例推荐算法，但是可被组合的推荐算法不限于上述示例。作为示例，将考虑当协同过滤和基于内容过滤被组合时的情况。如图I所示，协同过滤具有在当对于一项目有许多反馈记录(feedback log)时能够获得具有高准确度的推荐结果的优点。另一方面，协同过滤具有在当记录的数目小时不能使用的缺点。反馈这里指对项目的购买、对项目的选择、对项目的查看、对有关项目的详细信息的浏览、对Like/Dislike (喜欢/不喜欢)按钮的按压、评论，等等。基于内容过滤具有能够不管记录的数目如何都能获得稳定推荐结果的优点。另一方面，基于内容过滤具有使用系统元数据用于推荐的缺点。如果协同过滤与基于内容过滤相对比，协同过滤可在当有许多反馈记录时输出更准确的推荐结果。因此，协同过滤和基于内容过滤各自具有优点和缺点。因此，优选为根据情况来使用协同过滤和基于内容过滤。因此，本技术的发明人试图通过组合多种推荐算法(例如，协同过滤和基于内容过滤)来开发能够不论情况如何都能提供高准确度推荐结果的推荐算法。[1-2 :推荐算法的组合方法]首先，本技术的发明人回顾简单地组合多种推荐算法(下文中，被称为第一推荐、算法和第二推荐算法)的方法。在本回顾中，本技术的发明人回顾基于通过线性组合通过利用第一推荐算法计算出的相关联得分A和通过使用第二推荐算法计算出的相关联得分B而获得相关联得分Q来选择推荐项目的推荐系统。该方法被简要描述如下。如图2所示，该推荐系统首先通过使用第一推荐算法来计算项目i和项目j之间的相关联得分A (i，j)(步骤Sll)。该推荐系统还通过使用第二推荐算法来计算项目i和项目j之间的相关联得分B(i，j)(步骤Sll)。接着，该推荐系统通过线性地组合在步骤Sll中计算出的两个相关联得分A(i，j)和B(i，j)来计算相关联得分Q(i，j)(步骤S12)。该推荐系统例如通过下面公式(I)来计算相关联得分Q(i，j)，其中，ql、q2为预定常数。Q(i, j) = ql*A(i, j)+q2*B(i, j) (I)接着，该推荐系统基于在步骤S12中计算出的相关联得分Q(i，j)来选择推荐项目(步骤S13)。如果作为推荐种子(seed)的项目为i，则相关联得分Q (i，j)大时的项目j被选择作为推荐项目。系数ql、q2是用于决定向第一推荐算法还是向第二推荐算法附加更多重要性的权重。例如，如果ql > q2被设置，则预期到第一推荐算法的推荐结果被很强地反映，并且如果ql < q2，则预期到第二推荐算法的推荐结果被很强地反映。
[1-3 :得分系统的差异]然而，如果第一推荐算法的得分系统与第二推荐算法的得分系统大大不同时，SP使权重被设置得如ql > q2，第一推荐算法的推荐结果也可能不能被很强地反映。此外，即使权重被设置得如ql = q2，由于得分系统的差异，一个推荐算法的推荐结果也可能被很强地反映。例如，假定相关联得分A(i，j)和B(i，j)取用图3中所示的值。在本示例中，相关联得分A(i，j)远远大于相关联得分B (i，j)。另一方面，如果参考两个相关联得分A(i，j)和B(i，j)中的每个，对于相关联得分A(i，j)较大的项目的组合(i，j)，相关联得分B(i，j)也具有较大值。也就是说，如图4所示，在两个相关联得分A(i，j)和B(i，j)之间存在相关性。更具体地，在图4的示例中，在两个相关联得分A(i，j)和B(i，j)之间认为是线性关系。图4中所示的示例是通过在X-Y平面上绘制(Xn, Yn) = (A(i, j), B(i, j))而得到的(η = I至m)。然而，相关联得分A(i，j)远远大于相关联得分B(i，j)，因此，如图5中所示，如果相关联得分Q(i，j)是基于上述公式(I)计算的，则第一推荐算法的影响变为主导地位。虽然这里示出了两个推荐算法以I比I的比率(当ql = q2)被组合的示例，但是即使在ql= 0.8并且q2 = O. 2被设定以使得第二推荐算法的影响更强的示例中，第一推荐算法的影响也处于主导地位。因此，由于推荐算法之间的得分系统的差异，可能推荐结果与用户的意图不同。顺便提及，本技术的发明人还回顾了针对推荐算法的每种组合优化权重的方法，但是得出的结论是难以决定最佳权重，因为最佳权重需要在充分地分析了推荐算法的特性之后才能决定。此外，如果最佳权重根据记录数量或元数据数量而改变，但权重一旦被决定就难以大大改变。因此，本技术的发明人开发了一种适当地校正得分系统的方法。下面将描述该方法和应用该方法的推荐系统。〈2 :基本配置>下面将描述根据本技术的实施例的推荐系统的基本配置。[2-1 :推荐算法的组合方法]首先，将参考图6来提供对根据本技术的实施例的推荐算法组合方法的概述。图6是提供对根据本技术的实施例的推荐算法组合方法的概述的说明性示图。如图6所示，该推荐系统首先通过使用第一推荐算法来计算项目i和项目j之间的相关联得分A(i，j)(步骤S101)。该推荐系统还通过使用第二推荐算法来计算项目i和项目j之间的相关联得分B(i，j)(步骤S101)。接着，该推荐系统匹配在步骤SlOl中计算出的两个相关联得分A(i，j)和B(i，j)的得分系统(步骤S102)。例如，该推荐系统通过调整(校正)相关联得分B(i，j)来计算相关联得分B’(i，j)(步骤S102)。接着，该推荐系统通过线性地组合在步骤SlOl中计算出的A(i，j)和在步骤S102中计算出的来计算相关联得分Q(i，j)(步骤S103)。该推荐系统例如通过下面示出的公式(2)来计算相关联得分Q(i，j)，其中，ql、q2为预定常数。Q(i, j) = ql*A(i, j)+q2*B’ (i, j) (2)接着，该推荐系统基于在步骤S103中计算出的相关联得分Q(i，j)来选择推荐项目(步骤S104)。如果作为推荐种子的项目为i，则相关联得分Q(i，j)大时的项目j被选择作为推荐项目。系数ql、q2是用于决定向第一推荐算法还是向第二推荐算法附加更多重、要性的权重。如上所述，根据本技术的实施例的推荐系统对相关联得分B(i，j)进行校正。校正方法将参考图7被补充描述。在之前参考的图5的示例中，相关联得分具有关系A(i，j) >>B(i, j)。基于本示例在X-Y平面上绘制(Xn，Yn) = (A(i，j)，B(i, j))类似图7。相关联得分在校正之前具有关系A(i,j) >> B(i, j),因此,每个点被定位在靠近Y = w*X+wO(w << I)。另一方面，相关联得分在校正之后具有关系A(i，j) B’(i，j)，因此，每个点被定位在靠近Y =X。也就是说，推荐系统对相关联得分B(i，j)进行校正以使得对于集合(Xn，Yn)的回归线的倾度接近I。注意，如稍后描述的，对(Χη，Υη)的回归分析的结果不一定是直线。在前述说明中，已经提供了对根据本技术的实施例的推荐算法组合方法的概述。下面将更详细描述该方法以及应用该方法的推荐系统的配置。[2-2 :推荐系统的配置]接着，将描述根据本技术的实施例的推荐系统的配置。(2-2-1:系统配置)首先，将参考图8描述根据本技术的实施例的推荐系统的系统配置。图8是示出描述根据本技术的实施例的推荐系统的系统配置的说明性示图。如图8中所示，根据本技术的实施例的推荐系统具有服务器装置100和用户终端200。服务器装置100和用户终端200通过网络10连接。管理员终端20被连接到网络10。此外，存储装置130被连接到服务器装置100。存储装置130可被包含在服务器装置100中或经由网络10或其他通信网络被连接到服务器装置100。将描述存储装置130中存储的信息。存储装置130例如存储诸如由用户给定的项目、附加到项目的元数据以及对项目反馈的记录等信息。另外，存储装置130存储诸如各个推荐算法的相关联得分的计算结果、当推荐算法被组合时使用的权重、用于校正相关联得分的校正函数以及权重的校正量之类的信息。(2-2-2 :处理的概述)接着，将参考图9提供对根据本技术的实施例的推荐系统执行的处理的概述。图9是提供对根据本技术的实施例的推荐系统执行的处理的概述的说明性示图。如图9所示，系统管理员首先通过使用管理员终端20设定用于推荐算法的各种组合的权重(步骤sill)。在步骤Slll中设定的权重由服务器装置100被存储在存储装置130中。接着，服务器装置100通过各推荐算法计算相关联得分(步骤S112)。例如，如果针对某项目(种子)的反馈被给予，则服务器装置100通过各推荐算法计算对于该项目的相关联得分。在步骤S112中计算出的相关联得分被存储在存储装置130中。接着，服务器装置100通过使用在存储装置130中存储的相关联得分生成校正函数(步骤S113)。例如，服务器装置100通过校正第二推荐算法计算出的相关联得分B(i，j)来生成逼近第一推荐算法计算出的相关联得分A(i，j)的得分系统的校正函数f。也就是说，服务器装置100生成校正函数f以使得A(i，j) ^f(B(i, j))成立。在步骤S113中生成的校正函数f被存储在存储装置130中。接着，服务器装置100获取用户经由用户终端200输入的反馈(步骤S114)。接着，服务器装置100根据在步骤S114中获取的反馈来调整(例如校正)系统通常使用的权、重(步骤S115)。在步骤S115中经校正的以及在系统中通常使用的权重被存储在存储装置130中。此外，服务器装置100根据在步骤S114中获取的反馈来校正针对各用户的权重(步骤SI 16)。在步骤SI 16中经校正的针对各用户的权重被存储在存储装置130中。接着，服务器装置100通过在步骤S113中生成的校正函数校正在步骤S112中计算出的相关联得分，并且然后通过使用在步骤S115和S116中经校正的权重来组合相关联得分。此外，服务器装置100基于组合后的相关联得分来选择要推荐给用户的项目。然后，服务器装置100在终止处理序列之前把所选项目推荐给用户(步骤S117)。在前述说明中，已经提供了对根据本技术的实施例的推荐系统执行的处理的概述。(2-2-3 :服务器装置100的功能配置)接着，将参考图10来更详细描述根据本技术的实施例的服务器装置100的功能配置。图10是图示出根据本技术的实施例的服务器装置100的功能配置说明性示图。如图10所示，服务器装置100主要包括多个个体相关联得分计算单元101、校正函数生成单元102、个体相关联得分校正单元103、综合相关联得分计算单元104和推荐项目选择单元105。此外，服务器装置100包权重调整单元106和反馈确定单元107。权重调整单元106包括系统权重校正单元1061和用户权重校正单元1062。在图10的示例中提供了三个单元的个体相关联得分计算单元101，但是个体相关联得分计算单元101的数量根据要被组合的推荐算法的数量来增减。下面将按照(I)预处理和(2)根据用户给定的对项目s (下文中称为种子项目s)的反馈来选择项目r (下文中称为推荐项目r)的处理的流程来描述服务器装置100的功能配置。(I)预处理如上所述，服务器装置100通过使用校正函数来匹配要被组合的相关联得分的得分系统。为此，服务器装置100通过使用现有项目信息来生成校正函数。首先，服务器装置100从存储装置130获取可成为种子项目S的预定数量的项目S。此外，服务器装置100从存储装置130获取可称为推荐项目r的预定数量的项目r。这里获取的项目s、r被输入个体相关联得分计算单元101。在项目s、r被输入之后，个体相关联得分计算单元101通过使用各自分配的推荐算法来计算项目s、r的相关联得分。例如，被分配第一推荐算法的个体相关联得分计算单元101计算相关联得分A (s，r)。被分配第二推荐算法的个体相关联得分计算单元101计算相关联得分B(s，r)。如果三个或以上推荐算法被组合，则被分配第三至第N推荐算法(N ^ 3)中的一个推荐算法的个体相关联得分计算单元101计算相关联得分C(s, r), D(s,r)，...中的一个。为了描述的方便，将考虑两个推荐算法被组合的情况。个体相关联得分计算单元101计算出的相关联得分A (s，r)和B(s，r)被存储在存储装置130中并且还被输入到校正函数生成单元102。注意，相关联得分A(s，r)和B(s，r)的多种组合被输入校正函数生成单元102。在相关联得分A(s，r)和B(s，r)被输入之后，校正函数生成单元102通过使用输入的相关联得分A (s，r)和B(s，r)来生成校正函数。例如，如在图3中所示，如果A(i, j)和B(i, j) (i = 1,2 ； j = 1,2,3)作为相关联得分A (s, r)和B(s，r)被输入，则校正函数生成单元102基于回归分析生成校正函数f(参见图4，在本示例中为 f (X) = 10*Χ+0· 5)。、
校正函数f在图3的示例中是线性函数，但是依赖于推荐算法的组合校正函数f
可以不是线性函数。在那样的情况中，校正函数生成单元102通过执行诸如多项式回归、幂
回归、对数回归和指数回归之类的非线性回归分析生成非线性校正函数。例如，校正函数生
成单元102使用诸如期望最大值(EM)算法和唤醒算法之类的回归算法用于回归分析。按
照这种方式由校正函数生成单元102生成的校正函数被存储在存储装置130中并且还被输
入个体相关联得分校正单元103。如果校正函数f为线性函数，在使用最小均方法算法的情
况中，校正函数f (X) =w*X+wO的系数由下面的公式(3)和(4)给出。用于回归分析的样
本的数量被假定为m。
权利要求
1.一种用于从多个项目选出一项目以推荐给用户的装置，该装置包括 至少ー个处理器；以及 至少ー个存储器，所述至少一个存储器存储处理器可执行指令，所述处理器可执行指令被配置为使得所述至少一个处理器 利用具有第一量度的第一计分算法计算出指示所述多个项目的项目之间的关联程度的第一组得分； 利用具有第二量度的第二计分算法计算出指示所述多个项目的项目之间的关联程度的第二组得分； 调整所述第二组得分以使所述第二量度与所述第一量度匹配； 通过组合所述第一组得分和经过调整的第二组得分计算出针对所述多个项目的第三组得分；并且 基于所述第三组得分从所述多个项目选出ー项目以推荐给用户。
2.根据权利要求I所述的装置，其中，所述第一计分算法包括协同过滤算法。
3.根据权利要求I所述的装置，其中，所述第一计分算法包括基于内容的过滤算法。
4.根据权利要求I所述的装置，其中，调整所述第二组得分包括在所述第一组得分和所述第二组得分之间执行回归分析。
5.根据权利要求I所述的装置，其中，计算所述第三组得分包括 对所述第一组得分应用第一权重； 对所述经过调整的第二组得分应用第二权重；并且 组合被加权的得分。
6.根据权利要求5所述的装置，其中，所述处理器可执行指令还被配置以使得所述至少ー个处理器基于来自用户的对于所选项目的反馈来调整所述第一权重和/或所述第二权重。
7.根据权利要求6所述的装置，其中，调整所述第一权重和/或所述第二权重包括 判断所述第一组得分和所述经过调整的第二组得分中的哪组对于所选项目具有较高得分；并且 响应于肯定的用户反馈 如果所述第一组得分包括较高得分，则增大所述第一权重和/或减小所述第二权重；并且 如果所述经过调整的第二组得分包括较高得分，则增大所述第二权重和/或减小所述第一权重。
8.根据权利要求6所述的装置，其中，调整所述第一权重和/或所述第二权重包括 判断所述第一组得分和所述经过调整的第二组得分中的哪组对于所选项目具有较高得分；并且 响应于否定的用户反馈 如果所述第一组得分包括较高得分，则增大所述第二权重和/或减小所述第一权重；并且 如果所述经过调整的第二组得分包括较高得分，则增大所述第一权重和/或减小所述第二权重。
9.一种用于从多个项目选出一项目以推荐给用户的方法，该方法包括 利用具有第一量度的第一计分算法计算出指示所述多个项目的项目之间的关联程度的第一组得分； 利用具有第二量度的第二计分算法计算出指示所述多个项目的项目之间的关联程度的第二组得分； 使用至少ー个处理器，调整所述第二组得分以使所述第二量度与所述第一量度匹配； 通过组合所述第一组得分和经过调整的第二组得分计算出针对所述多个项目的第三组得分；并且 基于所述第三组得分从所述多个项目选出ー项目以推荐给用户。
10.根据权利要求9所述的方法，其中，调整所述第二组得分包括在所述第一组得分和所述第二组得分之间执行回归分析。
11.根据权利要求9所述的方法，其中，计算所述第三组得分包括 对所述第一组得分应用第一权重； 对所述经过调整的第二组得分应用第二权重；并且 组合被加权的得分。
12.根据权利要求11所述的方法，还包括基于来自用户的对于所选项目的反馈来调整所述第一权重和/或所述第二权重。
13.至少ー个计算机可读存储介质，所述至少一个计算机可读存储介质被编码有计算机可执行指令，所述计算机可执行指令在被执行时，执行用于从多个项目选出ー项目以推荐给用户的方法，该方法包括 利用具有第一量度的第一计分算法计算出指示所述多个项目的项目之间的关联程度的第一组得分； 利用具有第二量度的第二计分算法计算出指示所述多个项目的项目之间的关联程度的第二组得分； 调整所述第二组得分以使所述第二量度与所述第一量度匹配； 通过组合所述第一组得分和经过调整的第二组得分计算出针对所述多个项目的第三组得分；并且 基于所述第三组得分从所述多个项目选出ー项目以推荐给用户。
14.根据权利要求13所述的至少ー个计算机可读存储介质，其中，调整所述第二组得分包括在所述第一组得分和所述第二组得分之间执行回归分析。
15.根据权利要求13所述的至少ー个计算机可读存储介质，其中，计算所述第三组得分包括 对所述第一组得分应用第一权重； 对所述经过调整的第二组得分应用第二权重；并且 组合被加权的得分。
16.根据权利要求15所述的至少ー个计算机可读存储介质，其中，所述方法还包括基于来自用户的对于所选项目的反馈来调整所述第一权重和/或所述第二权重。
17.一种用于从多个项目选出ー项目以推荐给用户的装置，该装置包括 用于利用具有第一量度的第一计分算法计算出指示所述多个项目的项目之间的关联程度的第一组得分的装置； 用于利用具有第二量度的第二计分算法计算出指示所述多个项目的项目之间的关联程度的第二组得分的装置； 用于调整所述第二组得分以使所述第二量度与所述第一量度匹配的装置； 用于通过组合所述第一组得分和经过调整的第二组得分计算出针对所述多个项目的第三组得分的装置；并且 用于基于所述第三组得分从所述多个项目选出ー项目以推荐给用户的装置。
18.根据权利要求17所述的装置，其中，调整所述第二组得分包括在所述第一组得分和所述第二组得分之间执行回归分析。
19.根据权利要求17所述的装置，其中，计算所述第三组得分包括 对所述第一组得分应用第一权重； 对所述经过调整的第二组得分应用第二权重；并且 组合被加权的得分。
20.根据权利要求19所述的装置，还包括用于基于来自用户的对于所选项目的反馈来调整所述第一权重和/或所述第二权重的装置。
全文摘要
本技术涉及信息处理和呈现装置、终端装置、评估得分计算法和程序。用于从多个项目中选出一项目以推荐给用户的技术被公开。指示多个项目的项目之间的关联程度的第一组得分可利用具有第一量度的第一计分算法被计算出，并且指示所述多个项目的项目之间的关联程度的第二组得分可利用具有第二量度的第二计分算法被计算出。第二组得分可被调整以使第二量度与第一量度匹配，并且针对所述多个项目的第三组得分可通过组合第一组得分和经过调整的第二组得分被计算出。基于第三组得分，一项目可从多个项目中被选出以推荐给用户。
文档编号G06F17/50GK102682153SQ20121005620
公开日2012年9月19日 申请日期2012年3月1日 优先权日2011年3月8日
发明者上前田直树, 中桥亮, 角田智弘, 金本胜吉 申请人:索尼公司