JPH0954780A - 学習装置及び学習方法 - Google Patents
学習装置及び学習方法Info
- Publication number
- JPH0954780A JPH0954780A JP7227235A JP22723595A JPH0954780A JP H0954780 A JPH0954780 A JP H0954780A JP 7227235 A JP7227235 A JP 7227235A JP 22723595 A JP22723595 A JP 22723595A JP H0954780 A JPH0954780 A JP H0954780A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- evaluation value
- information
- user
- keyword set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】電子情報メディア等から提供される情報に対す
る個々のユーザの嗜好をユーザの実際の評価値から自動
的に学習し、その学習結果を用いて個々のユーザに合っ
た情報を優先的に提示する学習装置を提供する。 【解決手段】仮説関数を表現するパラメータ群を格納す
る仮説関数パラメータ記憶装置２３と、電子情報メディ
ア等から提供される情報に関連するキーワード集合を入
力とし、仮説関数のパラメータ群を用いて予測評価値を
出力する評価演算装置２１と、情報の特徴を表現するキ
ーワード集合とその情報に対する実際の評価値とに基づ
いて仮説関数のパラメータ群を更新する学習演算装置２
２と、から構成される。
る個々のユーザの嗜好をユーザの実際の評価値から自動
的に学習し、その学習結果を用いて個々のユーザに合っ
た情報を優先的に提示する学習装置を提供する。 【解決手段】仮説関数を表現するパラメータ群を格納す
る仮説関数パラメータ記憶装置２３と、電子情報メディ
ア等から提供される情報に関連するキーワード集合を入
力とし、仮説関数のパラメータ群を用いて予測評価値を
出力する評価演算装置２１と、情報の特徴を表現するキ
ーワード集合とその情報に対する実際の評価値とに基づ
いて仮説関数のパラメータ群を更新する学習演算装置２
２と、から構成される。
Description
【０００１】
【発明の属する技術分野】本発明は、複数の情報の中か
らユーザが求める情報を容易に選択可能とするための学
習装置及び学習方法に関し、特に電子ニュースシステ
ム、テレビ等の電子情報メディアから得られる情報の選
択に有用な学習装置及び学習方法に関する。
らユーザが求める情報を容易に選択可能とするための学
習装置及び学習方法に関し、特に電子ニュースシステ
ム、テレビ等の電子情報メディアから得られる情報の選
択に有用な学習装置及び学習方法に関する。
【０００２】
【従来の技術】電子ニュースシステム、テレビ等の電子
情報メディアにおいては、従来、個々のユーザが求める
記事、番組等の情報を優先的に提示する機能がないた
め、情報を選択する際には、図５に模式的に示すよう
に、ユーザ自身が、電子情報メディアから提供される情
報のリストに一つ一つあたり、求める情報を手作業で探
すということが一般的に行われている。
情報メディアにおいては、従来、個々のユーザが求める
記事、番組等の情報を優先的に提示する機能がないた
め、情報を選択する際には、図５に模式的に示すよう
に、ユーザ自身が、電子情報メディアから提供される情
報のリストに一つ一つあたり、求める情報を手作業で探
すということが一般的に行われている。
【０００３】情報データベースから文書等を検索する装
置の分野においては、例えば特開平２−１２５３６３号
公報に開示された文書検索装置がある。
置の分野においては、例えば特開平２−１２５３６３号
公報に開示された文書検索装置がある。
【０００４】この文書検索装置は、検索の際に与えられ
る検索条件に基づいて逐次型学習を行うものであり、ユ
ーザが与えた検索キーワード集合に対して各文章の検索
条件を満たしている程度（「文書確度」という）を計算
し、文書確度の高い順に表示を行うようにする。そし
て、文書確度を計算する際に用いる単語間の重みの値を
検索毎に与えられるユーザの評価に基づいて逐次学習す
る。
る検索条件に基づいて逐次型学習を行うものであり、ユ
ーザが与えた検索キーワード集合に対して各文章の検索
条件を満たしている程度（「文書確度」という）を計算
し、文書確度の高い順に表示を行うようにする。そし
て、文書確度を計算する際に用いる単語間の重みの値を
検索毎に与えられるユーザの評価に基づいて逐次学習す
る。
【０００５】
【発明が解決しようとする課題】しかしながら、前記従
来の手作業により検索する方法では、電子ニュースシス
テムの記事数、テレビの番組数等が増大した場合に、ユ
ーザが求める情報を漏らさずに見つけることが著しく困
難となるという問題がある。
来の手作業により検索する方法では、電子ニュースシス
テムの記事数、テレビの番組数等が増大した場合に、ユ
ーザが求める情報を漏らさずに見つけることが著しく困
難となるという問題がある。
【０００６】また、前記特開平２−１２５３６３号公報
に開示された文書検索装置を用いた場合であっても、例
えば好みの文章を探す際には、ユーザ自らが自分の嗜好
を表現するキーワード集合を入力する必要がある。しか
し、自分の嗜好を的確にキーワードで与えることは容易
でなく、このため、真に自分の好みに合致した文章を探
せないという可能性が高いという問題がある。さらに、
この従来の文書検索装置では、検索式の表現形がキーワ
ードの論理和に限定されてしまうという問題もある。
に開示された文書検索装置を用いた場合であっても、例
えば好みの文章を探す際には、ユーザ自らが自分の嗜好
を表現するキーワード集合を入力する必要がある。しか
し、自分の嗜好を的確にキーワードで与えることは容易
でなく、このため、真に自分の好みに合致した文章を探
せないという可能性が高いという問題がある。さらに、
この従来の文書検索装置では、検索式の表現形がキーワ
ードの論理和に限定されてしまうという問題もある。
【０００７】従って、本発明は前記問題点に鑑みてなさ
れたものであり、自分の求めている嗜好がどのようなも
のであるかを考慮しなくとも、複数の情報の中からユー
ザが求める情報を容易に選択可能とする学習装置及び学
習方法を提供することを目的とする。
れたものであり、自分の求めている嗜好がどのようなも
のであるかを考慮しなくとも、複数の情報の中からユー
ザが求める情報を容易に選択可能とする学習装置及び学
習方法を提供することを目的とする。
【０００８】
【課題を解決するための手段】前記目的を達成するた
め、本発明は、電子情報メディア等が提供する記事、番
組等の情報を特徴付けるキーワード集合と、その情報に
対するユーザの実際の評価値と、を入力とし、提供され
る情報に対するユーザの嗜好を学習し、さらにその学習
結果を利用して新たに提供される情報に対するユーザの
評価値を予め予測して出力する学習装置及び学習方法を
提供する。
め、本発明は、電子情報メディア等が提供する記事、番
組等の情報を特徴付けるキーワード集合と、その情報に
対するユーザの実際の評価値と、を入力とし、提供され
る情報に対するユーザの嗜好を学習し、さらにその学習
結果を利用して新たに提供される情報に対するユーザの
評価値を予め予測して出力する学習装置及び学習方法を
提供する。
【０００９】具体的には、本発明は、仮説関数を表現す
るパラメータ群を格納する記憶手段と、所定のキーワー
ド集合を入力とし、前記記憶手段に格納される前記パラ
メータ群に基づいて前記キーワード集合に関連する情報
に対するユーザの評価値を予測する評価演算手段と、該
評価演算手段が予測する前記評価値と前記情報に対する
ユーザの実際の評価値とに基づいて前記記憶手段に格納
されている前記仮説関数のパラメータ群を更新する学習
演算手段と、を含むことを特徴とする学習装置を提供す
る。
るパラメータ群を格納する記憶手段と、所定のキーワー
ド集合を入力とし、前記記憶手段に格納される前記パラ
メータ群に基づいて前記キーワード集合に関連する情報
に対するユーザの評価値を予測する評価演算手段と、該
評価演算手段が予測する前記評価値と前記情報に対する
ユーザの実際の評価値とに基づいて前記記憶手段に格納
されている前記仮説関数のパラメータ群を更新する学習
演算手段と、を含むことを特徴とする学習装置を提供す
る。
【００１０】また、本発明は、前記仮説関数がキーワー
ドの有無に依存して所定の値をとる変数の所定数以下の
線形和で表現されることを特徴とする学習装置を提供す
る。
ドの有無に依存して所定の値をとる変数の所定数以下の
線形和で表現されることを特徴とする学習装置を提供す
る。
【００１１】そしてまた、本発明は、前記記憶手段がキ
ーワードの所定数以下の組み合わせと該組み合わせに対
応するパラメータとを一組として格納することを特徴と
する学習装置を提供する。
ーワードの所定数以下の組み合わせと該組み合わせに対
応するパラメータとを一組として格納することを特徴と
する学習装置を提供する。
【００１２】さらに、本発明は、前記評価演算手段が入
力される所定のキーワード集合の任意の部分集合に対応
するパラメータを前記記憶手段から検索し、該検索され
たパラメータの和に基づいて前記評価値を予測すること
を特徴とする学習装置を提供する。
力される所定のキーワード集合の任意の部分集合に対応
するパラメータを前記記憶手段から検索し、該検索され
たパラメータの和に基づいて前記評価値を予測すること
を特徴とする学習装置を提供する。
【００１３】さらにまた、本発明は、前記学習演算手段
が前記ユーザの実際の評価値と前記評価演算手段が予測
する前記評価値との差分を求め、該差分に基づいて前記
入力されるキーワード集合の任意の部分集合に対応する
パラメータを均等に更新することを特徴とする学習装置
を提供する。
が前記ユーザの実際の評価値と前記評価演算手段が予測
する前記評価値との差分を求め、該差分に基づいて前記
入力されるキーワード集合の任意の部分集合に対応する
パラメータを均等に更新することを特徴とする学習装置
を提供する。
【００１４】なお、本発明は、キーワードの任意の組み
合わせに対応したパラメータ群によって仮説関数を表現
し、所定のキーワード集合を入力し、該所定のキーワー
ド集合の任意の部分集合に対応する前記仮説関数のパラ
メータに基づいて前記所定のキーワード集合に関連する
情報に対するユーザの評価値を予測すると共に、前記情
報に対するユーザの実際の評価値と、予測される前記評
価値と、に基づいて前記仮説関数のパラメータ群を更新
して学習を行うことを特徴とする学習方法も提供する。
合わせに対応したパラメータ群によって仮説関数を表現
し、所定のキーワード集合を入力し、該所定のキーワー
ド集合の任意の部分集合に対応する前記仮説関数のパラ
メータに基づいて前記所定のキーワード集合に関連する
情報に対するユーザの評価値を予測すると共に、前記情
報に対するユーザの実際の評価値と、予測される前記評
価値と、に基づいて前記仮説関数のパラメータ群を更新
して学習を行うことを特徴とする学習方法も提供する。
【００１５】
【発明の実施の形態】以下、図面を参照して本発明の実
施の形態を詳細に説明する。
施の形態を詳細に説明する。
【００１６】図１は、本発明の一実施形態に係る学習装
置の構成を説明するためのブロック図である。
置の構成を説明するためのブロック図である。
【００１７】図１を参照して、電子情報メディア１０か
ら得られる情報に対して所定の評価及び学習を行う本発
明の一実施形態に係る学習装置（学習型電子情報メディ
アシステム）の構成を説明する。
ら得られる情報に対して所定の評価及び学習を行う本発
明の一実施形態に係る学習装置（学習型電子情報メディ
アシステム）の構成を説明する。
【００１８】本実施形態に係る学習装置２０は、電子情
報メディア１０から提供される記事、番組等の情報に対
するユーザの評価値を予測する評価演算装置２１と、提
供される情報に対するユーザの実際の評価値に基づいて
ユーザの嗜好を学習する学習演算装置２２と、提供され
る情報に対する評価値の予測、嗜好の学習等に用いられ
る仮説関数のパラメータ群を保持する仮説関数パラメー
タ記憶装置２３と、を主要な構成として含む。
報メディア１０から提供される記事、番組等の情報に対
するユーザの評価値を予測する評価演算装置２１と、提
供される情報に対するユーザの実際の評価値に基づいて
ユーザの嗜好を学習する学習演算装置２２と、提供され
る情報に対する評価値の予測、嗜好の学習等に用いられ
る仮説関数のパラメータ群を保持する仮説関数パラメー
タ記憶装置２３と、を主要な構成として含む。
【００１９】ここで、「仮説関数」とは、提供される情
報に対するユーザの嗜好を表現するための実数値関数で
あり、その具体的な表現形については後述する。
報に対するユーザの嗜好を表現するための実数値関数で
あり、その具体的な表現形については後述する。
【００２０】学習装置２０には周辺機器としてディスプ
レイ１５、キーボード１６等の入出力装置が付加されて
おり、これらを用いて、提供される情報に対する実際の
評価値１４等の入力、提供される情報に対する予測評価
値１２等の出力が行われる。
レイ１５、キーボード１６等の入出力装置が付加されて
おり、これらを用いて、提供される情報に対する実際の
評価値１４等の入力、提供される情報に対する予測評価
値１２等の出力が行われる。
【００２１】また、電子情報メディア１０から提供され
る記事、番組等の情報に関連したキーワード集合１１、
１３は、情報に予め付与されているものを利用したり、
情報が電子情報であることから電子的な所定の抽出処理
を行ってユーザ側でキーワードを抽出するようにしても
よい。
る記事、番組等の情報に関連したキーワード集合１１、
１３は、情報に予め付与されているものを利用したり、
情報が電子情報であることから電子的な所定の抽出処理
を行ってユーザ側でキーワードを抽出するようにしても
よい。
【００２２】評価演算装置２１は、電子情報メディア１
０が提供する記事、番組等の情報に関連したキーワード
集合１１を入力とし、仮説関数パラメータ記憶装置２３
に格納されている仮説関数を参照して、提供された情報
に対する評価値を計算し、その計算結果を予測評価値１
２として出力する（予測機能）。
０が提供する記事、番組等の情報に関連したキーワード
集合１１を入力とし、仮説関数パラメータ記憶装置２３
に格納されている仮説関数を参照して、提供された情報
に対する評価値を計算し、その計算結果を予測評価値１
２として出力する（予測機能）。
【００２３】学習演算装置２２は、電子情報メディア１
０が提供する情報に関連したキーワード集合１３と、提
供された情報に対するユーザの実際の評価値１４と、を
入力とし、仮説関数パラメータ記憶装置２３に格納され
ている仮説関数のパラメータを書き換えて更新する。具
体的には、仮説関数パラメータ記憶装置２３に格納され
ている仮説関数のパラメータを参照してキーワード集合
１３に対する予測評価値を計算した後、計算された予測
評価値と入力された実際の評価値１４との相違に基づい
て仮説関数パラメータ記憶装置２３に格納されている仮
説関数のパラメータ群を更新する（学習機能）。
０が提供する情報に関連したキーワード集合１３と、提
供された情報に対するユーザの実際の評価値１４と、を
入力とし、仮説関数パラメータ記憶装置２３に格納され
ている仮説関数のパラメータを書き換えて更新する。具
体的には、仮説関数パラメータ記憶装置２３に格納され
ている仮説関数のパラメータを参照してキーワード集合
１３に対する予測評価値を計算した後、計算された予測
評価値と入力された実際の評価値１４との相違に基づい
て仮説関数パラメータ記憶装置２３に格納されている仮
説関数のパラメータ群を更新する（学習機能）。
【００２４】なお、学習演算装置２２においては、電子
情報メディア１０が提供する情報に関連したキーワード
集合を逐一入力するだけでなく、一つの情報に対して複
数回の入力を行ったり、提供される情報とは無関係にキ
ーワード集合と評価値とのペアを与えて予め仮説関数の
好ましい表現形を用意しておくこともできる。
情報メディア１０が提供する情報に関連したキーワード
集合を逐一入力するだけでなく、一つの情報に対して複
数回の入力を行ったり、提供される情報とは無関係にキ
ーワード集合と評価値とのペアを与えて予め仮説関数の
好ましい表現形を用意しておくこともできる。
【００２５】図２は、本発明の一実施形態に係る学習装
置が備える機能をさらに詳細に説明するための図であ
る。
置が備える機能をさらに詳細に説明するための図であ
る。
【００２６】図２を参照して、本発明の一実施形態に係
る学習装置は、仮説関数表現手段３１と、仮説関数格納
手段３２と、仮説関数計算手段３３と、仮説関数更新手
段３４と、を機能達成手段として含む。
る学習装置は、仮説関数表現手段３１と、仮説関数格納
手段３２と、仮説関数計算手段３３と、仮説関数更新手
段３４と、を機能達成手段として含む。
【００２７】なお、図１に示した学習装置２０の評価演
算装置２１は、仮説関数計算手段３３を機能達成手段と
して含む。同様にして、学習演算装置２２は、仮説関数
計算手段３３と仮説関数更新手段３４とを機能達成手段
として含み、仮説関数パラメータ記憶装置２３は、仮説
関数格納手段３２を機能達成手段として含む。
算装置２１は、仮説関数計算手段３３を機能達成手段と
して含む。同様にして、学習演算装置２２は、仮説関数
計算手段３３と仮説関数更新手段３４とを機能達成手段
として含み、仮説関数パラメータ記憶装置２３は、仮説
関数格納手段３２を機能達成手段として含む。
【００２８】以下、図２に示した各機能達成手段で行わ
れる処理を説明する。
れる処理を説明する。
【００２９】仮説関数表現手段３１は、提供される情報
に対するユーザの嗜好を反映した仮説関数の表現形を提
供するものであり、後述するように仮説関数格納手段３
２、仮説関数計算手段３３、及び仮説関数更新手段３４
の処理に利用される。
に対するユーザの嗜好を反映した仮説関数の表現形を提
供するものであり、後述するように仮説関数格納手段３
２、仮説関数計算手段３３、及び仮説関数更新手段３４
の処理に利用される。
【００３０】まず、仮説関数の表現形を得るために、キ
ーワードＫを引数とするブール変数Ｖ（Ｋ）を導入す
る。キーワード集合Ａが与えられているとき、キーワー
ド集合Ａに含まれる各キーワードＫに対する各ブール変
数Ｖ（Ｋ）の値は、ＫがＡに属しているならば「１」、
そうでなければ「０」となる。
ーワードＫを引数とするブール変数Ｖ（Ｋ）を導入す
る。キーワード集合Ａが与えられているとき、キーワー
ド集合Ａに含まれる各キーワードＫに対する各ブール変
数Ｖ（Ｋ）の値は、ＫがＡに属しているならば「１」、
そうでなければ「０」となる。
【００３１】例えば、Ａ1＝｛アルゴリズム，学習，コ
ンピュータ｝というキーワード集合が与えられた場合に
は、次式（１）、（２）のようにブール変数Ｖ（Ｋ）の
値が求められる。
ンピュータ｝というキーワード集合が与えられた場合に
は、次式（１）、（２）のようにブール変数Ｖ（Ｋ）の
値が求められる。
【００３２】 Ｖ（アルゴリズム）＝Ｖ（学習）＝Ｖ（コンピュータ）＝１，…（１） Ｖ（ゲーム）＝…その他全ての変数…＝０ …（２）
【００３３】ここで、ブール変数Ｖ（Ｋ）の最大ｋ個
（０個を含む）の積の集合をＴkとし、このＴkの各要素
の重み付きの和で表現される実数値関数を仮説関数の表
現形とする。なお、ブール変数Ｖ（Ｋ）の０個の積は、
値として「１」をとるものとして定義する。例えばｋ＝
２の場合には、次式（３）がキーワード集合Ａを入力と
する仮説関数の表現形の一例となる。
（０個を含む）の積の集合をＴkとし、このＴkの各要素
の重み付きの和で表現される実数値関数を仮説関数の表
現形とする。なお、ブール変数Ｖ（Ｋ）の０個の積は、
値として「１」をとるものとして定義する。例えばｋ＝
２の場合には、次式（３）がキーワード集合Ａを入力と
する仮説関数の表現形の一例となる。
【００３４】 ｆ（Ａ）＝３Ｖ（学習）Ｖ（コンピュータ） ＋（−１）Ｖ（ゲーム）Ｖ（コンピュータ） ＋２Ｖ（コンピュータ） ＋２・１ …（３）
【００３５】上式（３）で表される仮説関数では、ｆ
（Ａ1）＝７、ｆ（｛ゲーム，コンピュータ）｝＝３と
いう値をとる。なお、最後の項２・１がＴkの要素の中
でブール変数の０個の積に対応するものである。
（Ａ1）＝７、ｆ（｛ゲーム，コンピュータ）｝＝３と
いう値をとる。なお、最後の項２・１がＴkの要素の中
でブール変数の０個の積に対応するものである。
【００３６】なお、上式（３）はブール変数Ｖ（Ｋ）の
最大積数ｋが、ｋ＝２の場合の一例を示したに過ぎず、
後述する仮説関数更新手段３４の処理に従って様々な表
現形を取り得る。初期状態としては、Ｔkの要素を空に
し、また重みの初期値を「０」にしておけばよい。この
ように設定しておいても、Ｔkの要素及び各要素に対応
する重みの値は、仮説関数更新手段３４によって適宜に
更新され、また対応するＴkの要素がない場合にはその
要素及び重みが新たに設定される。なお、ｋの値を大き
くすれば、より複雑な関数まで表現することができる。
最大積数ｋが、ｋ＝２の場合の一例を示したに過ぎず、
後述する仮説関数更新手段３４の処理に従って様々な表
現形を取り得る。初期状態としては、Ｔkの要素を空に
し、また重みの初期値を「０」にしておけばよい。この
ように設定しておいても、Ｔkの要素及び各要素に対応
する重みの値は、仮説関数更新手段３４によって適宜に
更新され、また対応するＴkの要素がない場合にはその
要素及び重みが新たに設定される。なお、ｋの値を大き
くすれば、より複雑な関数まで表現することができる。
【００３７】次に、仮説関数格納手段３２について説明
する。仮説関数格納手段３２は、仮説関数のそれぞれの
項Ｖ（Ｋ1）…Ｖ（Ｋn）の係数を、Ｋ1，…，Ｋnをキー
値として格納する（ｎは、仮説関数表現手段３１で決め
られたｋの値を上限とする自然数）。すなわち、仮説関
数のそれぞれの項の係数を、それぞれの項におけるキー
ワードＫ1，…，Ｋnの集合と１対１に対応付けて格納す
る。
する。仮説関数格納手段３２は、仮説関数のそれぞれの
項Ｖ（Ｋ1）…Ｖ（Ｋn）の係数を、Ｋ1，…，Ｋnをキー
値として格納する（ｎは、仮説関数表現手段３１で決め
られたｋの値を上限とする自然数）。すなわち、仮説関
数のそれぞれの項の係数を、それぞれの項におけるキー
ワードＫ1，…，Ｋnの集合と１対１に対応付けて格納す
る。
【００３８】例えば上式（３）で表される仮説関数であ
れば、仮説関数格納手段３２は、キー値“学習，コンピ
ュータ”で“３”を格納し、キー値“ゲーム，コンピュ
ータ”で“−１”を格納し、キー値“コンピュータ”で
“２”を格納し、さらにキー値“φ（空集合）”で
“２”を格納する。
れば、仮説関数格納手段３２は、キー値“学習，コンピ
ュータ”で“３”を格納し、キー値“ゲーム，コンピュ
ータ”で“−１”を格納し、キー値“コンピュータ”で
“２”を格納し、さらにキー値“φ（空集合）”で
“２”を格納する。
【００３９】図３は、本発明の一実施形態に係る学習装
置の仮説関数計算手段３３の処理を説明するためのフロ
ーチャートである。
置の仮説関数計算手段３３の処理を説明するためのフロ
ーチャートである。
【００４０】図３を参照して、本実施形態に係る仮説関
数計算手段３３の処理を説明する。
数計算手段３３の処理を説明する。
【００４１】まず、初期設定として、総和変数Ｓに
「０」を設定し、また与えられたキーワード集合Ａの中
から選択された最大ｋ個の要素を含む部分集合（空集合
φを含む）の集合Ｋk（Ａ）を求め、これをキーワード
集合Ｂとする（ステップ３０１）。
「０」を設定し、また与えられたキーワード集合Ａの中
から選択された最大ｋ個の要素を含む部分集合（空集合
φを含む）の集合Ｋk（Ａ）を求め、これをキーワード
集合Ｂとする（ステップ３０１）。
【００４２】例えば、ｋ＝２で、与えられたキーワード
集合ＡがＡ1＝｛アルゴリズム，学習，コンピュータ｝
の場合には、キーワード集合Ｂは、Ｋ2（Ａ1）＝｛φ，
｛アルゴリズム｝，｛学習｝，｛コンピュータ｝，｛ア
ルゴリズム，学習｝，｛アルゴリズム，コンピュー
タ｝．｛学習，コンピュータ｝｝となる。
集合ＡがＡ1＝｛アルゴリズム，学習，コンピュータ｝
の場合には、キーワード集合Ｂは、Ｋ2（Ａ1）＝｛φ，
｛アルゴリズム｝，｛学習｝，｛コンピュータ｝，｛ア
ルゴリズム，学習｝，｛アルゴリズム，コンピュー
タ｝．｛学習，コンピュータ｝｝となる。
【００４３】次に、キーワード集合Ｂが空か否かを判断
し（ステップ３０２）、空でない場合（ステップ３０２
で「Ｎｏ」の場合）には、キーワード集合Ｂから要素ｂ
を取り出し（ステップ３０３）、Ｃ（ｂ）の値を検索す
る（ステップ３０４）。
し（ステップ３０２）、空でない場合（ステップ３０２
で「Ｎｏ」の場合）には、キーワード集合Ｂから要素ｂ
を取り出し（ステップ３０３）、Ｃ（ｂ）の値を検索す
る（ステップ３０４）。
【００４４】ここで、Ｃ（ｂ）は、キーワード集合Ｂに
含まれる要素である部分集合（最大ｋ個の要素を含む）
の１つ（ｂ）に対応する仮説関数の項の係数であり、例
えば、上式（３）が仮説関数であれば、Ｃ（｛学習，コ
ンピュータ｝）＝３、Ｃ（｛ゲーム，コンピュータ｝）
＝−１、Ｃ（｛コンピュータ｝）＝２、Ｃ（φ）＝２で
あり、その他のｂでは全てＣ（ｂ）＝０となる。
含まれる要素である部分集合（最大ｋ個の要素を含む）
の１つ（ｂ）に対応する仮説関数の項の係数であり、例
えば、上式（３）が仮説関数であれば、Ｃ（｛学習，コ
ンピュータ｝）＝３、Ｃ（｛ゲーム，コンピュータ｝）
＝−１、Ｃ（｛コンピュータ｝）＝２、Ｃ（φ）＝２で
あり、その他のｂでは全てＣ（ｂ）＝０となる。
【００４５】ステップ３０４では、仮説関数格納手段３
２によって、仮説関数のそれぞれの項の係数が、それぞ
れの項の変数に対応するキーワードの集合と対応付けら
れて格納されているため、キーワード集合Ｂから取り出
された要素ｂに対応するキー値を検索するだけで、Ｃ
（ｂ）の値を得ることができる。
２によって、仮説関数のそれぞれの項の係数が、それぞ
れの項の変数に対応するキーワードの集合と対応付けら
れて格納されているため、キーワード集合Ｂから取り出
された要素ｂに対応するキー値を検索するだけで、Ｃ
（ｂ）の値を得ることができる。
【００４６】ステップ３０４が終了した後、ステップ３
０４で求められたＣ（ｂ）の値を総和変数Ｓに加え、ス
テップ３０２の処理に戻る。ステップ３０２でキーワー
ド集合Ｂが空となるまで（ステップ３０２で「Ｎｏ」と
判断される間）、前述したステップ３０３ないし３０５
の処理を繰り返し、キーワード集合Ｂが空となった場合
（ステップ３０２で「Ｙｅｓ」の場合）には、全ての処
理を終了する。
０４で求められたＣ（ｂ）の値を総和変数Ｓに加え、ス
テップ３０２の処理に戻る。ステップ３０２でキーワー
ド集合Ｂが空となるまで（ステップ３０２で「Ｎｏ」と
判断される間）、前述したステップ３０３ないし３０５
の処理を繰り返し、キーワード集合Ｂが空となった場合
（ステップ３０２で「Ｙｅｓ」の場合）には、全ての処
理を終了する。
【００４７】なお、図３に示した一連の処理において、
Ｃ（ｂ）の値の検索が済んだ要素ｂはステップ３０２に
おける判断に戻るまでの適当なタイミングでキーワード
集合Ｂから取り除かれる。
Ｃ（ｂ）の値の検索が済んだ要素ｂはステップ３０２に
おける判断に戻るまでの適当なタイミングでキーワード
集合Ｂから取り除かれる。
【００４８】以上のようにして、全てのＫk（Ａ）の要
素ｂに対するＣ（ｂ）の値を仮説関数格納手段３２（仮
説関数パラメータ記憶装置２３）から検索し、その和を
総和変数Ｓとして計算することにより、キーワード集合
Ａに対する仮説関数ｆ（Ａ）の値（予測評価値）を求め
ることができる。
素ｂに対するＣ（ｂ）の値を仮説関数格納手段３２（仮
説関数パラメータ記憶装置２３）から検索し、その和を
総和変数Ｓとして計算することにより、キーワード集合
Ａに対する仮説関数ｆ（Ａ）の値（予測評価値）を求め
ることができる。
【００４９】図４は、本発明の一実施形態に係る学習装
置の仮説関数更新手段３４の処理を説明するためのフロ
ーチャートである。
置の仮説関数更新手段３４の処理を説明するためのフロ
ーチャートである。
【００５０】図４を参照して、本実施形態に係る仮説関
数更新手段３４の処理を説明する。
数更新手段３４の処理を説明する。
【００５１】まず、与えられたキーワード集合Ａに対す
る集合Ｋk（Ａ）を前述したステップ３０１と同様の処
理に従って求め、またＶA−ＶhをＫk（Ａ）の要素数｜
Ｋk（Ａ）｜で割った値をδとする（ステップ４０
１）。
る集合Ｋk（Ａ）を前述したステップ３０１と同様の処
理に従って求め、またＶA−ＶhをＫk（Ａ）の要素数｜
Ｋk（Ａ）｜で割った値をδとする（ステップ４０
１）。
【００５２】ここで、ＶAはキーワード集合Ａが与えら
れた記事等の情報に対してユーザが与えた実際の評価値
であり、Ｖhは仮説関数計算手段３３を用いて計算した
キーワード集合Ａに対する仮説関数の値である。
れた記事等の情報に対してユーザが与えた実際の評価値
であり、Ｖhは仮説関数計算手段３３を用いて計算した
キーワード集合Ａに対する仮説関数の値である。
【００５３】次に、キーワード集合Ｂが空か否かを判断
し（ステップ４０２）、空でない場合（ステップ４０２
で「Ｎｏ」の場合）には、キーワード集合Ｂから要素ｂ
を取り出し（ステップ４０３）、Ｃ（ｂ）の値を検索す
る（ステップ４０４）。ここで、Ｃ（ｂ）の値は前述し
たステップ３０４と同様の処理に従って求めることがで
きる。
し（ステップ４０２）、空でない場合（ステップ４０２
で「Ｎｏ」の場合）には、キーワード集合Ｂから要素ｂ
を取り出し（ステップ４０３）、Ｃ（ｂ）の値を検索す
る（ステップ４０４）。ここで、Ｃ（ｂ）の値は前述し
たステップ３０４と同様の処理に従って求めることがで
きる。
【００５４】ステップ４０４が終了した後、ステップ４
０４で求められたＣ（ｂ）の値にステップ４０１で求め
たδに所定の調整パラメータα（０＜α≦１）を乗じた
値（αδ）を加え、新たなＣ（ｂ）の値を求める（ステ
ップ４０５）。そして、仮説関数格納手段３２（仮説関
数パラメータ記憶装置２３）に格納されている要素ｂを
キー値とした係数の値を更新し（ステップ４０６）、ス
テップ４０２の処理に戻る。ステップ４０２でキーワー
ド集合Ｂが空となるまで（ステップ４０２で「Ｎｏ」と
判断される間）、前述したステップ４０３ないし４０６
の処理を繰り返し、キーワード集合Ｂが空となった場合
（ステップ３０２で「Ｙｅｓ」の場合）には、全ての処
理を終了する。
０４で求められたＣ（ｂ）の値にステップ４０１で求め
たδに所定の調整パラメータα（０＜α≦１）を乗じた
値（αδ）を加え、新たなＣ（ｂ）の値を求める（ステ
ップ４０５）。そして、仮説関数格納手段３２（仮説関
数パラメータ記憶装置２３）に格納されている要素ｂを
キー値とした係数の値を更新し（ステップ４０６）、ス
テップ４０２の処理に戻る。ステップ４０２でキーワー
ド集合Ｂが空となるまで（ステップ４０２で「Ｎｏ」と
判断される間）、前述したステップ４０３ないし４０６
の処理を繰り返し、キーワード集合Ｂが空となった場合
（ステップ３０２で「Ｙｅｓ」の場合）には、全ての処
理を終了する。
【００５５】なお、図４に示した一連の処理において
も、図３に示した仮説関数計算手段３３における処理と
同様に、Ｃ（ｂ）の値の検索が済んだ要素ｂはステップ
４０２における判断に戻るまでの適当なタイミングでキ
ーワード集合Ｂから取り除かれる。
も、図３に示した仮説関数計算手段３３における処理と
同様に、Ｃ（ｂ）の値の検索が済んだ要素ｂはステップ
４０２における判断に戻るまでの適当なタイミングでキ
ーワード集合Ｂから取り除かれる。
【００５６】以上のようにして、全てのＫk（Ａ）の要
素ｂに対するＣ（ｂ）の値にαδを加えて更新すること
により、キーワード集合Ａが与えられた記事等の情報に
対するユーザの実際の評価値を反映した仮説関数を得る
ことができる。
素ｂに対するＣ（ｂ）の値にαδを加えて更新すること
により、キーワード集合Ａが与えられた記事等の情報に
対するユーザの実際の評価値を反映した仮説関数を得る
ことができる。
【００５７】また、ユーザの実際の評価値ＶAの信頼度
に応じて調整パラメータαの値を変化させることによ
り、すなわちＶAの値があまり信頼できない場合にはα
の値を小さく設定し、ＶAの値が信頼できる場合にはα
の値を大きく設定することにより、ユーザの実際の評価
値に対する信頼度も加味した、より現実的な仮説関数を
得ることができる。
に応じて調整パラメータαの値を変化させることによ
り、すなわちＶAの値があまり信頼できない場合にはα
の値を小さく設定し、ＶAの値が信頼できる場合にはα
の値を大きく設定することにより、ユーザの実際の評価
値に対する信頼度も加味した、より現実的な仮説関数を
得ることができる。
【００５８】なお、以上の説明から明らかなように、本
発明の学習装置に入力される実際の評価値は任意の基準
（スケール等）をとることができ、仮説関数の係数、予
測評価値等はその基準に適合して適切な値に落ち着く。
発明の学習装置に入力される実際の評価値は任意の基準
（スケール等）をとることができ、仮説関数の係数、予
測評価値等はその基準に適合して適切な値に落ち着く。
【００５９】なお、図１に示した学習装置２０では、評
価演算装置２１と学習演算装置２２とを別個の装置とし
たが、前述した仮説関数計算手段３３と仮説関数更新手
段３４の機能を同一の装置において実現することもでき
る。
価演算装置２１と学習演算装置２２とを別個の装置とし
たが、前述した仮説関数計算手段３３と仮説関数更新手
段３４の機能を同一の装置において実現することもでき
る。
【００６０】以上、本発明の好ましい一実施形態につい
て説明してきたが、本発明はこのような実施形態に限定
されるものではなく、本発明の原理に準ずる各種の実施
形態を含む。
て説明してきたが、本発明はこのような実施形態に限定
されるものではなく、本発明の原理に準ずる各種の実施
形態を含む。
【００６１】特に、本発明は電子情報メディアが提供す
る情報に限らず、キーワードの組み合わせによって分類
される情報であれば幅広く適用することができる。
る情報に限らず、キーワードの組み合わせによって分類
される情報であれば幅広く適用することができる。
【００６２】
【発明の効果】以上説明したように、本発明の学習装置
及び学習方法によれば、自分が求めている嗜好がどのよ
うなものであるかを考慮することなく、電子情報メディ
ア等から提供される複数の情報の中から嗜好に合った情
報を効率よく選択することができる。
及び学習方法によれば、自分が求めている嗜好がどのよ
うなものであるかを考慮することなく、電子情報メディ
ア等から提供される複数の情報の中から嗜好に合った情
報を効率よく選択することができる。
【００６３】また、本発明の学習装置及び学習方法によ
れば、ユーザの嗜好を表現するために情報の特徴を表す
キーワードに基づいた仮説関数を採用するため、きわめ
て広範な範囲に適用することができる。
れば、ユーザの嗜好を表現するために情報の特徴を表す
キーワードに基づいた仮説関数を採用するため、きわめ
て広範な範囲に適用することができる。
【００６４】さらに、本発明の学習装置及び学習方法に
よれば、実際の評価値を利用して仮説関数を絶えず更新
するため、自動的に予測精度が向上するだけでなく、ユ
ーザの嗜好の変化にも柔軟に対応することができる。
よれば、実際の評価値を利用して仮説関数を絶えず更新
するため、自動的に予測精度が向上するだけでなく、ユ
ーザの嗜好の変化にも柔軟に対応することができる。
【図面の簡単な説明】
【図１】本発明の一実施形態に係る学習装置の構成を説
明するためのブロック図である。
明するためのブロック図である。
【図２】本発明の一実施形態に係る学習装置が備える機
能をさらに詳細に説明するための図である。
能をさらに詳細に説明するための図である。
【図３】本発明の一実施形態に係る学習装置の仮説関数
計算手段３３の処理を説明するためのフローチャートで
ある。
計算手段３３の処理を説明するためのフローチャートで
ある。
【図４】本発明の一実施形態に係る学習装置の仮説関数
更新手段３４の処理を説明するためのフローチャートで
ある。
更新手段３４の処理を説明するためのフローチャートで
ある。
【図５】従来の電子情報メディアの利用形態を説明する
ための図である。
ための図である。
１０ 電子情報メディア １５ ディスプレイ １６ キーボード ２０ 学習装置 ２１ 評価演算装置 ２２ 学習演算装置 ２３ 仮説関数パラメータ記憶装置 ３１ 仮説関数表現手段 ３２ 仮説関数格納手段 ３３ 仮説関数計算手段 ３４ 仮説関数更新手段
Claims (6)
- 【請求項１】仮説関数を表現するパラメータ群を格納す
る記憶手段と、 所定のキーワード集合を入力とし、前記記憶手段に格納
される前記パラメータ群に基づいて前記キーワード集合
に関連する情報に対するユーザの評価値を予測する評価
演算手段と、 該評価演算手段が予測する前記評価値と前記情報に対す
るユーザの実際の評価値とに基づいて前記記憶手段に格
納されている前記仮説関数のパラメータ群を更新する学
習演算手段と、 を含むことを特徴とする学習装置。 - 【請求項２】前記仮説関数が、キーワードの有無に依存
して所定の値をとる変数の所定数以下の線形和で表現さ
れることを特徴とする請求項１に記載の学習装置。 - 【請求項３】前記記憶手段が、キーワードの所定数以下
の組み合わせと該組み合わせに対応するパラメータとを
一組として格納することを特徴とする請求項１又は２に
記載の学習装置。 - 【請求項４】前記評価演算手段が、入力される所定のキ
ーワード集合の任意の部分集合に対応するパラメータを
前記記憶手段から検索し、該検索されたパラメータの和
に基づいて前記評価値を予測することを特徴とする請求
項１ないし３のいずれかに記載の学習装置。 - 【請求項５】前記学習演算手段が、前記ユーザの実際の
評価値と前記評価演算手段が予測する前記評価値との差
分を求め、該差分に基づいて前記入力されるキーワード
集合の任意の部分集合に対応するパラメータを均等に更
新することを特徴とする請求項１ないし４のいずれかに
記載の学習装置。 - 【請求項６】キーワードの任意の組み合わせに対応した
パラメータ群によって仮説関数を表現し、 所定のキーワード集合を入力し、該所定のキーワード集
合の任意の部分集合に対応する前記仮説関数のパラメー
タに基づいて前記所定のキーワード集合に関連する情報
に対するユーザの評価値を予測すると共に、前記情報に
対するユーザの実際の評価値と、予測される前記評価値
と、に基づいて前記仮説関数のパラメータ群を更新して
学習を行うことを特徴とする学習方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7227235A JP2870458B2 (ja) | 1995-08-10 | 1995-08-10 | 学習装置及び学習方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7227235A JP2870458B2 (ja) | 1995-08-10 | 1995-08-10 | 学習装置及び学習方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0954780A true JPH0954780A (ja) | 1997-02-25 |
| JP2870458B2 JP2870458B2 (ja) | 1999-03-17 |
Family
ID=16857637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7227235A Expired - Fee Related JP2870458B2 (ja) | 1995-08-10 | 1995-08-10 | 学習装置及び学習方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2870458B2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10240762A (ja) * | 1997-02-28 | 1998-09-11 | Matsushita Electric Ind Co Ltd | 情報フィルタ装置とデータベース再構築装置及び情報フィルタリング方法と初期化方法 |
| JP2001337986A (ja) * | 2001-05-28 | 2001-12-07 | Matsushita Electric Ind Co Ltd | 情報フィルタ装置及び情報フィルタリング方法 |
| US6976070B1 (en) | 1999-02-16 | 2005-12-13 | Kdd Corporation | Method and apparatus for automatic information filtering using URL hierarchical structure and automatic word weight learning |
| JP2008217312A (ja) * | 2007-03-02 | 2008-09-18 | Sony Corp | 情報処理装置および方法、並びにプログラム |
| JP2011048839A (ja) * | 2010-09-29 | 2011-03-10 | Sony Corp | 情報処理装置および方法、並びにプログラム |
| US8601006B2 (en) | 2008-12-19 | 2013-12-03 | Kddi Corporation | Information filtering apparatus |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6425237A (en) * | 1987-07-21 | 1989-01-27 | Easel Kk | Method for constructing data base |
| JPH02224068A (ja) * | 1989-02-27 | 1990-09-06 | Toshiba Corp | 情報検索システム |
| JPH0454564A (ja) * | 1990-06-21 | 1992-02-21 | Nippon Telegr & Teleph Corp <Ntt> | 重み学習型テキストベース検索装置 |
| JPH096806A (ja) * | 1995-06-22 | 1997-01-10 | Sharp Corp | 文字情報出力装置 |
-
1995
- 1995-08-10 JP JP7227235A patent/JP2870458B2/ja not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6425237A (en) * | 1987-07-21 | 1989-01-27 | Easel Kk | Method for constructing data base |
| JPH02224068A (ja) * | 1989-02-27 | 1990-09-06 | Toshiba Corp | 情報検索システム |
| JPH0454564A (ja) * | 1990-06-21 | 1992-02-21 | Nippon Telegr & Teleph Corp <Ntt> | 重み学習型テキストベース検索装置 |
| JPH096806A (ja) * | 1995-06-22 | 1997-01-10 | Sharp Corp | 文字情報出力装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10240762A (ja) * | 1997-02-28 | 1998-09-11 | Matsushita Electric Ind Co Ltd | 情報フィルタ装置とデータベース再構築装置及び情報フィルタリング方法と初期化方法 |
| US6976070B1 (en) | 1999-02-16 | 2005-12-13 | Kdd Corporation | Method and apparatus for automatic information filtering using URL hierarchical structure and automatic word weight learning |
| JP2001337986A (ja) * | 2001-05-28 | 2001-12-07 | Matsushita Electric Ind Co Ltd | 情報フィルタ装置及び情報フィルタリング方法 |
| JP2008217312A (ja) * | 2007-03-02 | 2008-09-18 | Sony Corp | 情報処理装置および方法、並びにプログラム |
| US8601006B2 (en) | 2008-12-19 | 2013-12-03 | Kddi Corporation | Information filtering apparatus |
| JP2011048839A (ja) * | 2010-09-29 | 2011-03-10 | Sony Corp | 情報処理装置および方法、並びにプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2870458B2 (ja) | 1999-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20240116864A (ko) | 검색 엔진 결과를 사용하여 기계 학습 언어 모델 강화 | |
| CN110263243B (zh) | 媒体信息推荐方法、装置、存储介质和计算机设备 | |
| Durbin et al. | Inversions and rank correlation coefficients | |
| CN109816438B (zh) | 信息推送方法及装置 | |
| US6744935B2 (en) | Content-based image retrieval apparatus and method via relevance feedback by using fuzzy integral | |
| JP4098539B2 (ja) | プロファイル情報の推薦方法、プログラム及び装置 | |
| WO2021042826A1 (zh) | 一种视频播放完整度预测方法及装置 | |
| CN108875090B (zh) | 一种歌曲推荐方法、装置和存储介质 | |
| Guàrdia-Sebaoun et al. | Latent trajectory modeling: A light and efficient way to introduce time in recommender systems | |
| CN107341272A (zh) | 一种推送方法、装置和电子设备 | |
| Belletti et al. | Factorized recurrent neural architectures for longer range dependence | |
| CN119200863B (zh) | 一种信息预测的方法及装置、设备、介质 | |
| CN120316269A (zh) | 一种基于本地知识库与ai关联的教学应用系统优化方法 | |
| JP2870458B2 (ja) | 学習装置及び学習方法 | |
| Abdulrahman et al. | Simplifying the algorithm selection using reduction of rankings of classification algorithms | |
| Al Awienoor et al. | Movie Recommendation System Based on Tweets Using Switching Hybrid Filtering with Recurrent Neural Network. | |
| JP6973255B2 (ja) | 単語ベクトル変更装置、方法、及びプログラム | |
| JP2962264B2 (ja) | ユーザ嗜好自動学習方式 | |
| CN114519073A (zh) | 一种基于图谱关系挖掘的产品配置推荐方法及系统 | |
| JPH0916627A (ja) | 情報フィルタ装置及び情報フィルタ方法 | |
| CN115687777B (zh) | 序列推荐方法及装置 | |
| JP3646011B2 (ja) | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| CN111552549A (zh) | 一种智能设备的多任务请求动态配置方法及系统 | |
| CN116932894A (zh) | 一种目标对象的推荐方法、装置及设备 | |
| JP2023056190A (ja) | 欠損値推定方法、機械学習方法および欠損値推定装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19980714 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19981201 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080108 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090108 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100108 Year of fee payment: 11 |
|
| LAPS | Cancellation because of no payment of annual fees |