[发明专利]用于控制推荐器系统的装置、方法和计算机可读存储介质

说明书

本申请是申请日为2009年12月15日、申请号为200980151799.1、发明名称为“用于推荐器系统的自适应隐式学习”的发明专利申请的分案申请。

技术领域

本发明涉及一种用于针对至少一个内容项目隐式地控制推荐器系统的装置、方法和计算机程序产品。

背景技术

推荐器技术的使用正在被稳定地引入到市场中。在各种示例中，网站提供推荐器以支持用户发现他们喜欢的内容项目(例如，电影)，以及电子设备(例如，个人视频记录器)使用推荐器来自动过滤内容项目。推荐器系统被越来越多地应用以通过基于来自用户对所选内容项目(例如，书、歌曲、电视(TV)节目、电影等)的反馈学习用户简档来个性化或个人化服务和产品，并且使用机器学习技术来推断新项目的评级(rating)。

推荐器典型地基于用户对项目提供的评级来学习用户的偏好。这些评级典型地是二元分类，分别诸如“喜欢”和“不喜欢”，或者基于喜欢程度的范围的更精细的分类。同样，用户评级提供接口，用户通过该接口向推荐器教授其偏好。从在推荐器能够做出明智的建议之前用户不得不对相当大量的项目进行评级的意义来说，这一学习过程是单调乏味的。推荐器系统典型地需要来自用户的反馈以学习用户的口味。这一反馈可以显式地(explicitly)或隐式地(implicitly)提供。显式反馈包括用户对多个项目提供评级，即在五分量表上或以二元的喜欢/不喜欢的形式对多个项目提供评级。隐式反馈来自观察用户动作，诸如购买、下载、选择项目用于重放或删除等。用户动作随后被推荐器系统解释并被变换成评分。例如，典型地，推荐器系统将购买动作解释为正分数，或者在视频项目的情况下，多于/少于50％的总观看持续时间可以意味着正/负分数。

贯穿下文，将区别由用户对内容项目给出的“评级(rating)”和由推荐器系统生成的“分数(score)”或“评分(scoring)”。

通常使用的技术是协作过滤和朴素贝叶斯分类。由此，从大量的内容项目中只能检索到用户(或用户组)喜欢或者偏好的那些项目。典型地，作为单机服务或单元、或者作为对于现有服务或单元的附件来提供推荐器。它们越来越多地出现在例如电视机或视频记录器的消费设备中。

因此，隐式学习使得用户不必显式地对项目进行评级。但是，其典型地是比较不可靠的，因为难以以标准方式解释用户动作。用户可能以难以用固定模型解释的许多不同方式表现。此外，用户行为可能随着时间而发展，使得解释他的/她的动作甚至更加困难。

发明内容

本发明的目的是提供改进的隐式学习方法和装置，通过所述方法和装置，隐式学习可以个别地适应于每个用户从而反映用户行为的改变。

这一目的是通过用于控制推荐器系统的装置、、方法和计算机可读存储介质实现的。

根据本发明的用于控制推荐器系统的装置包括：a)记录器(S100)，用于对于由用户接口控制的至少一个内容项目检测和记录用户接口动作；b)计算器(S200,S300)，用于基于记录的用户接口动作计算表征该内容项目的使用的数字或种类值，以及用于从所述数字或种类值和从对于所述内容项目的显式的用户评级确定对评级历史的贡献；和c)转换器(S400)，用于将所述评级历史转换为用户接口简档，该用户接口简档被提供至推荐器(S500)以便对新内容项目进行评级；d)其中所述推荐器(S500)的输出被用作用于所述推荐器系统的隐式评级历史(S600)。

根据本发明的控制推荐器系统的方法包括：a)对于由用户接口控制的至少一个内容项目记录用户接口动作；b)基于记录的用户接口动作计算表征内容项目的使用的数字或种类值；c)从所述数字或种类值和从对于所述内容项目的显式的用户评级确定对评级历史的贡献；和d)将所述评级历史转换为用于所述内容项目的用户接口简档，该用户接口简档被提供至推荐器以便对新内容项目进行评级；和e)将所述推荐器的输出用作用于所述推荐器系统的隐式评级历史。

根据本发明的计算机可读存储介质，其上存储有计算机程序，该程序当在计算机设备上运行时执行上述方法的步骤。