[發明專利]信息處理裝置及記錄媒體

在審

• 申請號: 202010149754.9
• 申請日: 2020-03-06
• 公開（公告）號: CN112446730A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 佐藤政寛;信真麻真;竹森翔;園田隆志;張倩;大熊智子
• 申請（專利權）人: 富士施樂株式會社
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊文娟;臧建明

本發明涉及一種信息處理裝置及記錄媒體。本發明的課題在于，獲取推斷為通過推薦而被用戶選擇的可能性提高的對象的信息。信息處理裝置(1)中，控制部(11)的處理器(111)從存儲部(12)讀出歷史記錄DB(121)，根據有無選擇與有無推薦的組合，將已判斷用戶是否選擇的對象加以分類，并將該分類的結果存儲在存儲器(112)的特征信息(1121)中。處理器(111)基于特征信息(1121)，進行機械學習，推斷對象的推薦效果，并將其結果作為學習數據(122)存儲在存儲部(12)中。處理器(111)使用學習數據(122)，從多個對象之中，針對每個用戶，抽取并輸出推斷為通過推薦而被用戶選擇的可能性提高到規定水平以上的對象。

技術領域

本發明涉及一種信息處理裝置及記錄媒體。

背景技術

有一種信息處理裝置，它是從多個對象中，抽取一個以上的對象推薦給用戶。例如，因特網(internet)上的虛擬商店或視頻分享網站等，有時為了促使用戶購買或視聽等而推薦商品或內容等。另外，零售店等實體商店中所使用的銷售點系統(Point of salesystem，POS系統)等有時會基于用戶的消費動向，從處理商品中抽取通過夾帶傳單等做廣告的商品。

專利文獻1中記載了一種方法，根據某商品被推薦時更傾向于被購買還是未被購買，來決定是否推薦該商品。

專利文獻2中記載了一種方法，對有推薦時的購買數量與無推薦時的購買數量的差異大的商品進行推薦。

現有技術文獻

專利文獻

專利文獻1：日本專利5277307號

專利文獻2：日本專利特開2017-211699號公報

發明內容

[發明欲解決的課題]

然而，眾所周知，推薦效果因商品而異。例如，有的商品被推薦時反而會減弱用戶的購買欲望。另外，還有的商品無論是否推薦，用戶也必然會購買。

本發明的目的之一在于，獲取處理商品等對象之中、經推斷為通過推薦而被用戶選擇的可能性提高的對象。

[解決課題的手段]

第一發明的信息處理裝置包括：存儲器(memory)，存儲著選擇歷史記錄及推薦歷史記錄，所述選擇歷史記錄針對已判斷用戶是否選擇的每個對象，表示該用戶是否選擇了該對象，所述推薦歷史記錄表示是否向該用戶推薦了該對象；以及處理器，從所述存儲器讀出信息；所述處理器根據所述選擇歷史記錄及所述推薦歷史記錄，進行機械學習，推斷對象的推薦效果，并基于所述機械學習的結果，輸出如下對象的信息，所述對象經推斷為通過推薦而被用戶選擇的可能性提高到規定水平以上。

根據第一發明所述的實施方式，第二發明的信息處理裝置中，所述機械學習是將對象分類為多個對象群，所述多個對象群包含向用戶推薦后被選擇的第一對象群、及未向用戶推薦而被選擇的第二對象群，并將所述第一對象群評估為正面例子，將所述第二對象群評估為反面例子。

根據第二發明所述的實施方式，第三發明的信息處理裝置中，所述機械學習是將對象分類為包含向用戶推薦后未被選擇的第三對象群的所述多個對象群，將所述第三對象群評估為反面例子。

根據第二或第三發明所述的實施方式，第四發明的信息處理裝置中，所述機械學習是將對象分類為包含未向用戶推薦且未被選擇的第四對象群的所述多個對象群，將所述第四對象群評估為權重比所述第一對象群小的正面例子。

根據第二至第四發明中任一發明所述的實施方式，第五發明的信息處理裝置中，所述機械學習是將所述多個對象群中的推薦給用戶的對象群相應于該推薦的種類，以不同的權重進行評估。