[发明专利]信息处理设备和信息处理方法

说明书

相关申请的交叉引用

本申请要求2012年11月8日提交的日本在先专利申请JP2012-245979的优先权，其全部内容通过引用合并于此。

技术领域

本公开内容涉及一种信息处理设备、信息处理方法和程序。

背景技术

将多种信息表达并处理为矩阵是常规技术。矩阵由通过行和列指定的元素构成，但是根据情况包括未知元素。在这种情况下，已经提出了各种使用矩阵中包括的已知元素来预测未知元素并使用预测值的技术。

例如，在Yunhong Zhou,Dennis Wilkinson,Robert Schreiber和Rong Pan的“Large-scale Parallel Collaborative Filtering for the Netflix Prize”，Proc.4th Int’l Conf.Algorithmic Aspects in Information and Management,LNCS5034,2008中公开了这样一种技术：接收将用户的项目的评估值作为元素的评估矩阵，并计算预测评估矩阵，该预测评估矩阵包括评估矩阵中所包括的未知元素的预测值。通过用项目特征矩阵乘以根据评估矩阵计算的用户特征矩阵来计算预测评估矩阵。

在Yunhong Zhou,Dennis Wilkinson,Robert Schreiber和Rong Pan的“Large-scale Parallel Collaborative Filtering for the Netflix Prize”，Proc.4th Int’l Conf.Algorithmic Aspects in Information and Management,LNCS5034,2008中公开的技术中，使用奇异值分解等从评估矩阵a得出用户特征矩阵和项目特征矩阵，然后以交替的方式重复更新用户特征矩阵和项目特征矩阵，使得通过将各矩阵相乘获得的矩阵与评估矩阵之间的误差降低。该技术被称为交替最小二乘（ALS）。

由预测评估矩阵表示的、评估矩阵中的未知元素的预测值是被视为当新使用尚未被用户使用的项目时分配给该项目的评估值。基于该评估值预测用户对新项目感兴趣的程度，并且预测用户具有高感兴趣程度的项目被推荐给用户。这种项目过滤也被称为协同过滤。

发明内容

然而，近年来，由于通信技术的进步、经由网络提供的服务的多样化等，用作协同过滤的目标的用户或项目变得很多，因此评估矩阵的大小增加。此外，当用户新评估项目时，评估矩阵的元素被频繁更新的情况增加。

另外，在Yunhong Zhou,Dennis Wilkinson,Robert Schreiber和Rong Pan的“Large-scale Parallel Collaborative Filtering for the Netflix Prize”，Proc.4th Int’l Conf.Algorithmic Aspects in Information and Management,LNCS5034,2008中公开的技术中，可以计算高度准确的预测结果，但是由于矩阵的大小增加，计算所花费的时间增加，并且难以快速处理矩阵元素的更新。因此，用户在实时性能方面未能足够满意。

期望提出一种新颖和改进的信息处理设备、信息处理方法和程序，能够在计算输出矩阵时快速处理输入矩阵的元素的更新，该输出矩阵包括输入矩阵中所包括的未知元素的预测值。

根据本公开内容的实施例，提供一种信息处理设备，包括：预测计算单元，参考包括未知元素的输入矩阵交替地对根据输入矩阵得出的矩阵对进行再计算，并且生成用于计算包括未知元素的预测值的输出矩阵的特征矩阵对。输入矩阵包括第一输入矩阵和第二输入矩阵，第二输入矩阵被构造为使得第一输入矩阵的部分元素被更新。输出矩阵包括对应于第一输入矩阵计算的第一输出矩阵和对应于第二输入矩阵计算的第二输出矩阵。预测计算单元通过使用根据第一输入矩阵生成的特征矩阵对而不是根据第二输入矩阵得出的矩阵对，使得在根据第二输入矩阵生成特征矩阵对时的再计算次数小于在根据第一输入矩阵生成特征矩阵对时的再计算次数。