本发明专利技术发现了内容之间的对用户的传播模式的特征相关性，所述相关性能够用于信息推荐或市场销售分析。例如，在信息推荐中，在恰当的传播时机推荐内容。该内容分析系统包括：用户终端(200)；以及从所述用户终端(200)接收预定请求并返回其结果的内容分析设备(100)。所述内容分析设备(100)包括：传播模式提取装置(102)以及相关性计算装置(103)。传播模式提取装置(102)针对包括多个内容的使用历史在内的历史数据中包括的每个内容，提取传播模式，所述传播模式指示所述内容已如何被传播至用户。所述相关性计算装置(103)获得所述内容之间的所述传播模式的相关性。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及内容分析技术，更具体地，涉及发现任意内容和其他内容之间的在对用户的传播模式方面的相关性的内容分析系统、内容分析设备、内容分析方法以及内容分析程序。
技术介绍
相关性分析是以数值来描述两个变量之间的关系的分析方法，且用于信息推荐或市场销售。例如，在信息推荐中，被称为协作过滤的算法是众所周知的推荐相似性或关联性高的内容的推荐方法，该推荐方法通过根据用户对内容的使用或评级的历史来获得内容或用户之间的相关性。近年来，日益重要的是从大量内容(电子书、新闻、运动图像、音乐等等)中自动掌握使用户感兴趣的内容的推荐系统，并向用户呈现它们，该系统通过类似于在大型购物中心等等中“购买了该产品的人还购买了这种产品”之类的广告短语，来提供对高度关联的内容进行推荐的服务。在例如非专利文献1、专利文献I和专利文献2中记载了用于信息推荐的、与利用相关性的协作过滤相关的现有技术。非专利文献I是描述最早的基础基本协作过滤的算法的论文。专利文献I涉及具有减少管理位置信息的工作的效果的推荐技术，包括:通过使用每个用户单独注册的位置信息(如，书签)，基于每个分类推荐来自关联性高的分类的位置信息，以添加URL。专利文献2涉及具有以下效果的协作过滤:通过基于访问历史将用户分为多个组，将用户指派到多个组中，并通过使用时间序列访问历史来提取频率高的迁移，以建立推荐规则，从而避免向初学者推荐有经验的人的物品。这些技术的目标是:获得内容之间、用户之间、以及分类之间的相关性，以恰当地推荐相似性和关联性在相关性方面都高的内容。然而，这些技术仅获得在内容使用的频率或评级之间的相关性。尽管专利文献2使用了时间序列迁移的频率模式的频率，其仅使用在从内容I至内容2的迁移之前和之后的迁移模式的频率，且未能考虑与内容如何传播至用户相关的用户传播的相似性。因此不可能在对于用户恰当的传播时机推荐内容。专利文献1:专利号4118580专利文献2:日本专利公开N0.2008-176398专利文献3:日本专利公开N0.2004-3662208专利文献4:日本专利公开N0.2010-140162非专利文献1:P.Resnick, N.1acovou, Μ.Suchak, P.Bergstrom, and J.Riedl,“GroupLens:Open Architecture for Collaborative Filtering of Netnews，，，Conference on Computer Supported Cooperative Work, p.175—186,1994。上述现有技术的问题是无法发现特征(S卩，内容传播至用户的传播模式之间的相关性)，以最佳地将其用于如信息推荐或市场销售分析之类的应用领域。例如，在信息推荐中，由于平等地处理传播模式不同的内容，不可能在对于用户恰当的传播时机来推荐内容。其原因在于:当获得作为内容之间的特征的相关性时，仅通过使用用户对内容的使用频率(评级)来获得相关性，而未考虑在指示内容如何传播至用户的传播模式之间的相关性。(本专利技术的目的)本专利技术的目的是提供解决上述问题并使得内容传播至用户的传播模式之间的相关性成为可能的内容分析系统、内容分析设备、内容分析方法和内容分析程序，可以利用作为要发现的特征的相关性进行信息推荐或市场销售分析，且在例如信息推荐中，使得能够在恰当的传播时机推荐内容。
技术实现思路
根据本专利技术的示例方面，一种内容分析系统包括:用户终端，以及内容分析设备，从所述用户终端接收预定请求并返回结果，其中，所述内容分析设备包括:传播模式提取单元，提取传播模式，所述传播模式针对由多个内容的使用历史形成的历史数据中包括的每个内容，指示如何所述内容如何传播至用户，以及相关性计算单元，获得所述内容的所述传播模式之间的相关性。根据本专利技术的示例方面，从用户终端接收预定请求并返回结果的一种内容分析设备包括:传播模式提取单元，提取传播模式，所述传播模式针对由多个内容的使用历史形成的历史数据中包括的每个内容，指示所述内容如何传播至用户，以及相关性计算单元，获得所述内容的传播模式之间的相关性。根据本专利技术的示例方面，一种从用户终端接收预定请求并返回结果的内容分析设备的内容分析方法包括:传播模式提取步骤，提取传播模式，所述传播模式针对由多个内容的使用历史形成的历史数据中包括的每个内容，指示所述内容如何传播至用户，以及相关性计算步骤，获得所述内容的所述传播模式之间的相关性。根据本专利技术的示例方面，一种能够在充当内容分析设备的计算机上可操作的内容分析程序，所述内容分析设备从用户终端接收预定请求并返回结果，所述内容分析程序使所述计算机执行:传播模式提取处理，提取传播模式，所述传播模式针对由多个内容的使用历史形成的历史数据中包括的每个内容，指示所述内容如何传播至用户，以及相关性计算处理，获得所述内容的所述传播模式之间的相关性。本专利技术使得能够发现作为特征的向用户传播内容的传播模式之间的相关性，能够利用所述特征来进行信息推荐或市场销售分析，并且本专利技术使得能够在例如信息推荐中在恰当的传播时机推荐内容。根据下文给出的具体描述，本专利技术的其他目的、特征和优点将变得清楚。附图说明在附图中:图1是示出了本专利技术的第一示例实施例的结构的框图；图2是示出了根据第一示例实施例的历史数据的说明性示例的图；图3是示出了根据第一示例实施例的内容分析系统的操作的流程图；图4是示出了本专利技术的示例I的操作的流程图；图5是示出了在示例I中提取的传播模式(传播顺序)的说明性示例I的图；图6是示出了在说明性示例I中在计算示例I的传播模式之间的相关性时使用的中间数据的图；图7是示出了在示例I中提取的传播模式(传播阶段)的说明性示例2的图；图8是示出了在说明性示例2中在计算示例I的传播模式之间的相关性时使用的中间数据的图；图9是示出了在示例I中提取的传播模式(传播的网络结构)的说明性示例3的图；图10是示出了在说明性示例3中在计算示例I的传播模式之间的相关性时使用的中间数据的图；图11是示出了本专利技术的第二示例实施例的结构的框图；图12是示出了第二示例实施例的操作的流程图；图13是示出了本专利技术的示例2的操作的流程图；图14是示出了在示例2中提取的传播模式的说明性示例的图；图15是示出了本专利技术的第三示例实施例的结构的框图；图16是示出了第三示例实施例的操作的流程图；图17是示出了本专利技术的示例3的操作的流程图；图18是示出了在示例3中提取的传播模式的说明性示例的图；以及图19是示出了本专利技术的内容分析设备的硬件配置的示例的框图。具体实施例方式下文中将参照附图来详细讨论本专利技术的优选实施例。在以下描述中，阐述了大量的特定细节，以提供对本专利技术的完全理解。然而对于本领域技术人员将显而易见的是:可以在没有这些特定细节的情况下实现本专利技术。在其它实例中，未详细示出众所周知的结构，以避免使本专利技术不突出。将参照附图对本专利技术的示例实施例进行详细描述。在所有附图中，由相同的附图标记来标识相似的组件，以恰当地省略对其的描述。(第一示例实施例)将参照附图来详细描述本专利技术的第一示例实施例。在以下附图中，将恰当地省略对与本专利技术的主旨不相关的部分的结构的描述，且将相应地不对其进行说明。图1是示出了根据本专利技术的第一示例实施例本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：伊藤千央，白木孝，
申请(专利权)人：日本电气株式会社，
类型：
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。