図面 (/)

技術 情報レコメンド方法、サーバ装置、プログラム、及び、記録媒体

出願人 日本電信電話株式会社
発明者 遠藤雅和北原亮廣田啓一
出願日 2003年10月22日 (17年2ヶ月経過) 出願番号 2003-361553
公開日 2005年5月19日 (15年7ヶ月経過) 公開番号 2005-128673
状態 未査定
技術分野 検索装置 特定用途計算機
主要キーワード ループ関数 類似度計算式 受け取り情報 人間社会 プロファイリングシステム ユーザ評価値 評価表 採用者
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2005年5月19日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (16)

課題

興味が一致するユーザに関連するコンテンツを取得できるようにする。

解決手段

コンテンツ再生情報をもとに情報探索を要求するユーザのコンテンツに関するユーザ種別を判定し、情報探索を要求するユーザのコンテンツ再生情報に含まれるコンテンツの知名度数値化し、再生頻度に対し、情報探索要求元ユーザのユーザ種別に従って、コンテンツ情報の知名度をもとに算出される重みを付与したユーザ嗜好ベクトルを生成し、生成したユーザ嗜好ベクトルが情報探索を要求するユーザと類似する、情報探索を要求するユーザ以外のユーザを選択し、選択したユーザのコンテンツ再生情報に含まれるコンテンツの情報を取得し、取得したコンテンツの情報のうち、情報探索を要求するユーザにとって有益な情報を選択し、選択された情報を、情報探索を要求するユーザに提示する。

概要

背景

従来、興味・関心・意図といったユーザの問題意識およびユーザにより獲得された情報を収集し、類似の問題意識を持った他ユーザに提供することで情報収集活動を支援するための手法として、協調フィルタリングを利用した情報レコメンド方法が存在する。この協調フィルタリングは、複数の人間が存在する環境を前提とし、あるユーザに関する情報の取捨選択の基準を記述するファイルであるUser profi1eと、ユーザが情報収集で得た情報を蓄積するファイルであるRecommendationと、ユーザの特徴を抽出する処理単位であるUser modelerと、ユーザ関の類似度を計算する処理単位であるMatch makerと、個々のユーザに応じて情報のランキングを計算する処理単位であるScore predicatorとの5要素から成り立つ。ユーザがUser profileとRecommendationとを入力することにより、User moaelerはUser profileを元にユーザの特徴を数値化し、Match makerはユーザ特徴が類似する他者を探索し、Score predicatorが、探索された他者のRecommendationから個々のユーザに応じて評価された情報を出力することにより、情報のフィルタリングを行う。

協調フィルタリングシステムの要素の一つであるMatch makerの処理で行われる、ユーザ間の類似度を計算する処理には様々な手法が提案されている。

現在提案されている手法の中で最も一般的なアルゴリズムであるGroupLens(例えば、非特許文献1参照。)における、ユーザ間の類似度算出方法について以下に説明する。

GroupLensはユーザの関心を、コンテンツに関するユーザ評価得点化した数値の配列として扱い、ユーザKの評価得点配列Kと、ユーザLの評価得点配列Lとの類似度rKLを以下の式で定義する。

GroupLensのアルゴリズムを用いた協調フィルタリングにおける課題を解決するための、いくつかの研究がなされているが、その多くは、GroupLensのアルゴリズムを基礎としている。

一方、人間社会における情報の流通過程において、その過程関与するユーザは、その行動特性により複数のユーザ種別分類されることが報告されている(例えば、非特許文献2参照。)。ユーザ種別の判定方法については、アンケートを行った結果をもとに判定する方法や、Webのアクセスログをもとに判定する方法など様々な研究が進められている。非特許文献3では、音楽映像といった嗜好コンテンツ再生履歴の特徴をもとにユーザを分類すると、ユーザ種別ごとに、他者からの情報取得形態が異なる傾向があることが報告されている。非特許文献3によれば、コンテンツ再生の特徴と、他者からの情報取得形態の特徴との間には、以下のような関連がある。

(1)コンテンツに対する拘りが強く、特定のコンテンツに限って再生頻度が高いユーザ(以下、Maniaと呼ぶ)は、自分の好きなマイナー趣味が一致する他者からの情報取得に対する期待が高い。

(2)いくつかのコンテンツを、ある程度の期間連続して再生するユーザ(以下、Opinion Leaderと呼ぶ)は、新しい情報を持つ他者からの情報取得に対する期待が高い。

(3)多くのコンテンツを少数回ずつ再生するユーザ(以下、Majorityと呼ぶ)は、世の中で採用者の多い流行の情報を持つ他者からの情報取得に対する期待が高い。
Paul Resnick、Neophytos Iacovou、Mitesh Suchak、Peter Vergstrom、John Riedl、“GroupLens:An Open Architecture for collaborative filtering of netnews”、Computer Supported Cooperative Work、1994
E.Mロジャース、”コミュニケーションの科学−マルチメディア社会の基礎理論”、1992
、廣田、大、山田、”コンテンツ属性情報を利用したコミュニティ形成方法の評価”、情報処理学会第47回GN研究会、2002

概要

興味が一致するユーザに関連するコンテンツを取得できるようにする。コンテンツ再生情報をもとに情報探索を要求するユーザのコンテンツに関するユーザ種別を判定し、情報探索を要求するユーザのコンテンツ再生情報に含まれるコンテンツの知名度を数値化し、再生頻度に対し、情報探索要求元ユーザのユーザ種別に従って、コンテンツ情報の知名度をもとに算出される重みを付与したユーザ嗜好ベクトルを生成し、生成したユーザ嗜好ベクトルが情報探索を要求するユーザと類似する、情報探索を要求するユーザ以外のユーザを選択し、選択したユーザのコンテンツ再生情報に含まれるコンテンツの情報を取得し、取得したコンテンツの情報のうち、情報探索を要求するユーザにとって有益な情報を選択し、選択された情報を、情報探索を要求するユーザに提示する。

目的

本発明はかかる事情に鑑みなされたもので、その目的は、上記課題を解決することができる情報レコメンド方法、サーバ装置プログラム及びそのプログラムを記録した記録媒体を提供することにある。

効果

実績

技術文献被引用数
2件
牽制数
3件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

ユーザがクライアント装置により情報探索要求を行うと、クライアント装置に接続するサーバ装置が情報の探索処理を行い、クライアント装置に情報提供を行う情報レコメンド方法において、ユーザが再生したコンテンツまたはコンテンツの属性と、コンテンツの属性のばらつきと、コンテンツ再生バースト性とから興味集中度を求め、この集中度の値に閾値を設けてユーザの種別を決定し、このユーザの種別に応じた方法でユーザの嗜好表現する嗜好ベクトルを生成し、情報提供を求めるユーザの嗜好ベクトルと一定値以上の類似度を有する嗜好ベクトルを持つユーザ集合を生成し、このユーザ集合に含まれるユーザに対応する情報の中から情報提供を求めるユーザに提供する情報を決定することを特徴とする情報レコメンド方法。

請求項2

ユーザがクライアント装置により情報探索要求を行うと、クライアント装置に接続するサーバ装置が情報の探索処理を行い、クライアント装置に情報提供を行う情報レコメンド方法であって、クライアント装置にて、ユーザがコンテンツの再生を行った際に、前記クラインアント装置から、コンテンツ再生情報を受信する過程と、前記受信したコンテンツ再生情報に含まれるコンテンツIDに該当するコンテンツ属性情報コンテンツ情報データベースから取得する過程と、前記コンテンツ再生情報と、前記取得したコンテンツ属性情報とを対応付けてコンテンツ再生情報データベースに記録する過程と、前記クライアント装置からユーザ情報を指定した情報探索要求を受信する過程と、情報探索要求元ユーザユーザ種別を、前記コンテンツ再生情報データベースに記録されたコンテンツ再生情報をもとに判定する過程と、前記情報探索要求元ユーザのコンテンツ再生情報に含まれるコンテンツまたはコンテンツ属性知名度数値として算出する過程と、前記コンテンツ再生情報データベースに記録されたユーザのコンテンツ再生情報と前記コンテンツまたはコンテンツ属性の知名度とをもとに、前記ユーザの種別に応じてユーザの嗜好を表現するベクトルを生成する過程と、前記ベクトルを、ユーザの嗜好ベクトルとして、嗜好ベクトル情報データベースに記録する過程と、前記情報探索要求元ユーザの嗜好ベクトルと、前記嗜好ベクトル情報データベースに記録されたユーザの嗜好ベクトルとの類似度を算出する過程と、前記情報探索要求元ユーザと嗜好ベクトルの類似度が高いユーザを選択し、選択したユーザのコンテンツ再生情報に含まれるコンテンツまたはコンテンツ属性情報から、情報探索要求を送信したユーザにとって有益な情報を抽出する過程と、前記抽出された情報を、前記クライアント装置に対して、情報探索結果として送信する過程と、を有することを特徴とする情報レコメンド方法。

請求項3

請求項2記載の情報レコメンド方法において、前記ユーザ種別は、前記コンテンツ再生情報データベースに記録されたコンテンツ再生情報をもとに、該当ユーザが再生したコンテンツまたはそのコンテンツ属性のばらつきと、コンテンツの再生が特定の時間範囲内に集中しているか、継続的に再生されているかを数値で表したコンテンツ再生のバースト性とを反映して算出される指標値により判定されることを特徴とする情報レコメンド方法。

請求項4

請求項2または3記載の情報レコメンド方法において、前記嗜好ベクトルは、ユーザが過去に再生したコンテンツのコンテンツIDまたはコンテンツ属性をベクトルの要素とし、要素となるコンテンツIDまたはコンテンツ属性を持つコンテンツの再生頻度と、前記コンテンツまたはコンテンツ属性の知名度とをもとに、前記情報探索要求元ユーザのユーザ種別に応じて算出した重みを付与した値を要素の値とすることを特徴とする情報レコメンド方法。

請求項5

ユーザがクライアント装置により情報探索要求を行うと、この要求を受け取り情報の探索処理を行い、クライアント装置に情報提供を行うサーバ装置において、ユーザが再生したコンテンツまたはコンテンツの属性と、コンテンツの属性のばらつきと、コンテンツ再生のバースト性とから興味の集中度を求め、この集中度の値に閾値を設けてユーザの種別を決定し、このユーザの種別に応じた方法でユーザの嗜好を表現する嗜好ベクトルを生成し、情報提供を求めるユーザの嗜好ベクトルと一定値以上の類似度を有する嗜好ベクトルを持つユーザ集合を生成し、このユーザ集合に含まれるユーザに対応する情報の中から情報提供を求めるユーザに提供する情報を決定することを特徴とするサーバ装置。

請求項6

ユーザがクライアント装置により情報探索要求を行うと、この要求を受け取り情報の探索処理を行い、クライアント装置に情報提供を行うサーバ装置であって、クライアント装置にて、ユーザがコンテンツの再生を行った際に、前記クラインアント装置から、コンテンツ再生情報を受信する手段と、前記受信したコンテンツ再生情報に含まれるコンテンツIDに該当するコンテンツ属性情報をコンテンツ情報データベースから取得するコンテンツ情報取得手段と、前記コンテンツ再生情報と、前記取得したコンテンツ属性情報とを対応付けてコンテンツ再生情報データベースに記録する再生情報登録手段と、前記クライアント装置からユーザ情報を指定した情報探索要求を受信し、情報探索要求元ユーザのユーザ種別を、前記コンテンツ再生情報データベースに記録されたコンテンツ再生情報をもとに判定するユーザ種別判定手段と、前記情報探索要求元ユーザのコンテンツ再生情報に含まれるコンテンツまたはコンテンツ属性の知名度を数値として算出する知名度算出手段と、前記コンテンツ再生情報データベースに記録されたユーザのコンテンツ再生情報と前記コンテンツまたはコンテンツ属性の知名度とをもとに、前記ユーザの種別に応じてユーザの嗜好を表現するベクトルを生成し、このベクトルをユーザの嗜好ベクトルとして、嗜好ベクトル情報データベースに記録する嗜好ベクトル生成手段と、前記情報探索要求元ユーザの嗜好ベクトルと、前記嗜好ベクトル情報データベースに記録されたユーザの嗜好ベクトルとの類似度を算出する嗜好類似度算出手段と、前記情報探索要求元ユーザと嗜好ベクトルの類似度が高いユーザを選択し、選択したユーザのコンテンツ再生情報に含まれるコンテンツまたはコンテンツ属性情報から、情報探索要求を送信したユーザにとって有益な情報を抽出し、この抽出された情報を、前記クライアント装置に対して、情報探索結果として送信する探索結果抽出手段と、を有することを特徴とするサーバ装置。

請求項7

請求項6記載のサーバ装置において、前記ユーザ種別は、前記コンテンツ再生情報データベースに記録されたコンテンツ再生情報をもとに、該当ユーザが再生したコンテンツまたはそのコンテンツ属性のばらつきと、コンテンツの再生が特定の時間範囲内に集中しているか、継続的に再生されているかを数値で表したコンテンツ再生のバースト性とを反映して算出される指標値により判定されることを特徴とするサーバ装置。

請求項8

請求項6または7記載のサーバ装置において、前記嗜好ベクトルは、ユーザが過去に再生したコンテンツのコンテンツIDまたはコンテンツ属性をベクトルの要素とし、要素となるコンテンツIDまたはコンテンツ属性を持つコンテンツの再生頻度と、前記コンテンツまたはコンテンツ属性の知名度とをもとに、前記情報探索要求元ユーザのユーザ種別に応じて算出した重みを付与した値を要素の値とすることを特徴とするサーバ装置。

請求項9

前記の請求項1〜8のいずれか1項に記載の情報レコメンド方法またはサーバ装置を、コンピュータプログラムで記載してそれを実行可能にしたことを特徴とするプログラム

請求項10

前記の請求項1〜8のいずれか1項に記載の情報レコメンド方法またはサーバ装置を、コンピュータで実行可能に記載したプログラムを記録したことを特徴とする記録媒体

技術分野

0001

本発明は、ネットワークを介した情報探索において、興味・関心・意図といったユーザの問題意識およびユーザにより獲得された情報を収集し、類似の問題意識を持った他ユーザに情報を提供することで情報収集活動を支援する情報レコメンドを行う技術に関する。

背景技術

0002

従来、興味・関心・意図といったユーザの問題意識およびユーザにより獲得された情報を収集し、類似の問題意識を持った他ユーザに提供することで情報収集活動を支援するための手法として、協調フィルタリングを利用した情報レコメンド方法が存在する。この協調フィルタリングは、複数の人間が存在する環境を前提とし、あるユーザに関する情報の取捨選択の基準を記述するファイルであるUser profi1eと、ユーザが情報収集で得た情報を蓄積するファイルであるRecommendationと、ユーザの特徴を抽出する処理単位であるUser modelerと、ユーザ関の類似度を計算する処理単位であるMatch makerと、個々のユーザに応じて情報のランキングを計算する処理単位であるScore predicatorとの5要素から成り立つ。ユーザがUser profileとRecommendationとを入力することにより、User moaelerはUser profileを元にユーザの特徴を数値化し、Match makerはユーザ特徴が類似する他者を探索し、Score predicatorが、探索された他者のRecommendationから個々のユーザに応じて評価された情報を出力することにより、情報のフィルタリングを行う。

0003

協調フィルタリングシステムの要素の一つであるMatch makerの処理で行われる、ユーザ間の類似度を計算する処理には様々な手法が提案されている。

0004

現在提案されている手法の中で最も一般的なアルゴリズムであるGroupLens(例えば、非特許文献1参照。)における、ユーザ間の類似度算出方法について以下に説明する。

0005

GroupLensはユーザの関心を、コンテンツに関するユーザ評価得点化した数値の配列として扱い、ユーザKの評価得点配列Kと、ユーザLの評価得点配列Lとの類似度rKLを以下の式で定義する。

0006

0007

GroupLensのアルゴリズムを用いた協調フィルタリングにおける課題を解決するための、いくつかの研究がなされているが、その多くは、GroupLensのアルゴリズムを基礎としている。

0008

一方、人間社会における情報の流通過程において、その過程関与するユーザは、その行動特性により複数のユーザ種別分類されることが報告されている(例えば、非特許文献2参照。)。ユーザ種別の判定方法については、アンケートを行った結果をもとに判定する方法や、Webのアクセスログをもとに判定する方法など様々な研究が進められている。非特許文献3では、音楽映像といった嗜好コンテンツ再生履歴の特徴をもとにユーザを分類すると、ユーザ種別ごとに、他者からの情報取得形態が異なる傾向があることが報告されている。非特許文献3によれば、コンテンツ再生の特徴と、他者からの情報取得形態の特徴との間には、以下のような関連がある。

0009

(1)コンテンツに対する拘りが強く、特定のコンテンツに限って再生頻度が高いユーザ(以下、Maniaと呼ぶ)は、自分の好きなマイナー趣味が一致する他者からの情報取得に対する期待が高い。

0010

(2)いくつかのコンテンツを、ある程度の期間連続して再生するユーザ(以下、Opinion Leaderと呼ぶ)は、新しい情報を持つ他者からの情報取得に対する期待が高い。

0011

(3)多くのコンテンツを少数回ずつ再生するユーザ(以下、Majorityと呼ぶ)は、世の中で採用者の多い流行の情報を持つ他者からの情報取得に対する期待が高い。
Paul Resnick、Neophytos Iacovou、Mitesh Suchak、Peter Vergstrom、John Riedl、“GroupLens:An Open Architecture for collaborative filtering of netnews”、Computer Supported Cooperative Work、1994
E.Mロジャース、”コミュニケーションの科学−マルチメディア社会の基礎理論”、1992
、廣田、大、山田、”コンテンツ属性情報を利用したコミュニティ形成方法の評価”、情報処理学会第47回GN研究会、2002

発明が解決しようとする課題

0012

従来手法では、ユーザ間の類似度計算式は、コンテンツに関するユーザ評価値の分散が分母に含まれるため、評価の分散が小さいユーザ、すなわち、特定のコンテンツに対する拘りがなく、各コンテンツに対する評価に差が付かないユーザとの類似度が高くなる傾向がある。例えば、図15に示した3ユーザが存在する場合、特定のコンテンツに評価が集中しているMania傾向のUserAと、他2ユーザとの類似度を、従来手法により算出すると、UserAが高く評価する特定のコンテンツ(content3)に対する興味が一致しているUserCとの類似度よりも、コンテンツに対する評価のばらつきが少ないUserBとの類似度が高く算出される。そのため、UserAとUserCとの興味が一致するコンテンツ(content3)が、UserAが好むマイナーコンテンツであった場合、Maniaの情報取得形態である、マイナーな趣味が一致する他者からの情報取得が困難である。

0013

また、コンテンツに対する評価にばらつきが少ないMajorityの傾向のUserBと、他2ユーザとの類似度について見ると、UserAとの類似度と比較して、UserCとの類似度が低く算出されている。しかし、UserCとUserBとの評価がゆるやかに一致しているコンテンツ(content8)がメジャーなコンテンツであり、UserAとUserBとの評価がゆるやかに一致しているコンテンツ(cotent7)がマイナーなコンテンツであった場合、Majorityの情報取得形態である、流行の情報を持つ他者からの情報取得が困難である。

0014

本発明はかかる事情に鑑みなされたもので、その目的は、上記課題を解決することができる情報レコメンド方法、サーバ装置プログラム及びそのプログラムを記録した記録媒体を提供することにある。

課題を解決するための手段

0015

そこで、前記課題を解決するために、請求項1の情報レコメンド方法は、ユーザがクライアント装置により情報探索要求を行うと、クライアント装置に接続するサーバ装置が情報の探索処理を行い、クライアント装置に情報提供を行う情報レコメンド方法において、ユーザが再生したコンテンツまたはコンテンツの属性と、コンテンツの属性のばらつきと、コンテンツ再生のバースト性とから興味の集中度を求め、この集中度の値に閾値を設けてユーザの種別を決定し、このユーザの種別に応じた方法でユーザの嗜好表現する嗜好ベクトルを生成し、情報提供を求めるユーザの嗜好ベクトルと一定値以上の類似度を有する嗜好ベクトルを持つユーザ集合を生成し、このユーザ集合に含まれるユーザに対応する情報の中から情報提供を求めるユーザに提供する情報を決定することを特徴とする。

0016

また、請求項2の情報レコメンド方法は、ユーザがクライアント装置により情報探索要求を行うと、クライアント装置に接続するサーバ装置が情報の探索処理を行い、クライアント装置に情報提供を行う情報レコメンド方法であって、クライアント装置にて、ユーザがコンテンツの再生を行った際に、前記クラインアント装置から、コンテンツ再生情報を受信する過程と、前記受信したコンテンツ再生情報に含まれるコンテンツIDに該当するコンテンツ属性情報をコンテンツ情報データベースから取得する過程と、前記コンテンツ再生情報と、前記取得したコンテンツ属性情報とを対応付けてコンテンツ再生情報データベースに記録する過程と、前記クライアント装置からユーザ情報を指定した情報探索要求を受信する過程と、情報探索要求元ユーザのユーザ種別を、前記コンテンツ再生情報データベースに記録されたコンテンツ再生情報をもとに判定する過程と、前記情報探索要求元ユーザのコンテンツ再生情報に含まれるコンテンツまたはコンテンツ属性知名度を数値として算出する過程と、前記コンテンツ再生情報データベースに記録されたユーザのコンテンツ再生情報と前記コンテンツまたはコンテンツ属性の知名度とをもとに、前記ユーザの種別に応じてユーザの嗜好を表現するベクトルを生成する過程と、前記ベクトルを、ユーザの嗜好ベクトルとして、嗜好ベクトル情報データベースに記録する過程と、前記情報探索要求元ユーザの嗜好ベクトルと、前記嗜好ベクトル情報データベースに記録されたユーザの嗜好ベクトルとの類似度を算出する過程と、前記情報探索要求元ユーザと嗜好ベクトルの類似度が高いユーザを選択し、選択したユーザのコンテンツ再生情報に含まれるコンテンツまたはコンテンツ属性情報から、情報探索要求を送信したユーザにとって有益な情報を抽出する過程と、前記抽出された情報を、前記クライアント装置に対して、情報探索結果として送信する過程と、を有することを特徴とする。

0017

また、請求項3の情報レコメンド方法は、請求項2記載の情報レコメンド方法において、前記ユーザ種別は、前記コンテンツ再生情報データベースに記録されたコンテンツ再生情報をもとに、該当ユーザが再生したコンテンツまたはそのコンテンツ属性のばらつきと、コンテンツの再生が特定の時間範囲内に集中しているか、継続的に再生されているかを数値で表したコンテンツ再生のバースト性とを反映して算出される指標値により判定されることを特徴とする。

0018

また、請求項4の情報レコメンド方法は、請求項2または3記載の情報レコメンド方法において、前記嗜好ベクトルは、ユーザが過去に再生したコンテンツのコンテンツIDまたはコンテンツ属性をベクトルの要素とし、要素となるコンテンツIDまたはコンテンツ属性を持つコンテンツの再生頻度と、前記コンテンツまたはコンテンツ属性の知名度とをもとに、前記情報探索要求元ユーザのユーザ種別に応じて算出した重みを付与した値を要素の値とすることを特徴とする。

0019

また、請求項5のサーバ装置は、ユーザがクライアント装置により情報探索要求を行うと、この要求を受け取り情報の探索処理を行い、クライアント装置に情報提供を行うサーバ装置において、ユーザが再生したコンテンツまたはコンテンツの属性と、コンテンツの属性のばらつきと、コンテンツ再生のバースト性とから興味の集中度を求め、この集中度の値に閾値を設けてユーザの種別を決定し、このユーザの種別に応じた方法でユーザの嗜好を表現する嗜好ベクトルを生成し、情報提供を求めるユーザの嗜好ベクトルと一定値以上の類似度を有する嗜好ベクトルを持つユーザ集合を生成し、このユーザ集合に含まれるユーザに対応する情報の中から情報提供を求めるユーザに提供する情報を決定することを特徴とする。

0020

また、請求項6のサーバ装置は、ユーザがクライアント装置により情報探索要求を行うと、この要求を受け取り情報の探索処理を行い、クライアント装置に情報提供を行うサーバ装置であって、クライアント装置にて、ユーザがコンテンツの再生を行った際に、前記クラインアント装置から、コンテンツ再生情報を受信する手段と、前記受信したコンテンツ再生情報に含まれるコンテンツIDに該当するコンテンツ属性情報をコンテンツ情報データベースから取得するコンテンツ情報取得手段と、前記コンテンツ再生情報と、前記取得したコンテンツ属性情報とを対応付けてコンテンツ再生情報データベースに記録する再生情報登録手段と、前記クライアント装置からユーザ情報を指定した情報探索要求を受信し、情報探索要求元ユーザのユーザ種別を、前記コンテンツ再生情報データベースに記録されたコンテンツ再生情報をもとに判定するユーザ種別判定手段と、前記情報探索要求元ユーザのコンテンツ再生情報に含まれるコンテンツまたはコンテンツ属性の知名度を数値として算出する知名度算出手段と、前記コンテンツ再生情報データベースに記録されたユーザのコンテンツ再生情報と前記コンテンツまたはコンテンツ属性の知名度とをもとに、前記ユーザの種別に応じてユーザの嗜好を表現するベクトルを生成し、このベクトルをユーザの嗜好ベクトルとして、嗜好ベクトル情報データベースに記録する嗜好ベクトル生成手段と、前記情報探索要求元ユーザの嗜好ベクトルと、前記嗜好ベクトル情報データベースに記録されたユーザの嗜好ベクトルとの類似度を算出する嗜好類似度算出手段と、前記情報探索要求元ユーザと嗜好ベクトルの類似度が高いユーザを選択し、選択したユーザのコンテンツ再生情報に含まれるコンテンツまたはコンテンツ属性情報から、情報探索要求を送信したユーザにとって有益な情報を抽出し、この抽出された情報を、前記クライアント装置に対して、情報探索結果として送信する探索結果抽出手段と、を有することを特徴とする。

0021

また、請求項7のサーバ装置は、請求項6記載のサーバ装置において、前記ユーザ種別は、前記コンテンツ再生情報データベースに記録されたコンテンツ再生情報をもとに、該当ユーザが再生したコンテンツまたはそのコンテンツ属性のばらつきと、コンテンツの再生が特定の時間範囲内に集中しているか、継続的に再生されているかを数値で表したコンテンツ再生のバースト性とを反映して算出される指標値により判定されることを特徴とする。

0022

また、請求項8のサーバ装置は、請求項6または7記載のサーバ装置において、前記嗜好ベクトルは、ユーザが過去に再生したコンテンツのコンテンツIDまたはコンテンツ属性をベクトルの要素とし、要素となるコンテンツIDまたはコンテンツ属性を持つコンテンツの再生頻度と、前記コンテンツまたはコンテンツ属性の知名度とをもとに、前記情報探索要求元ユーザのユーザ種別に応じて算出した重みを付与した値を要素の値とすることを特徴とする。

0023

また、請求項9のプログラムは、前記の請求項1〜8のいずれか1項に記載の情報レコメンド方法またはサーバ装置を、コンピュータプログラムで記載してそれを実行可能にしたことを特徴とする。

0024

また、請求項10の記録媒体は、前記の請求項1〜8のいずれか1項に記載の情報レコメンド方法またはサーバ装置を、コンピュータで実行可能に記載したプログラムを記録したことを特徴とする。

0025

本発明では、ユーザのコンテンツに対する評価から、ユーザをいくつかの種別に分類し、この種別に応じた方法でユーザの嗜好ベクトルを算出しているので、この嗜好ベクトルの類似度が高いユーザに対応する情報の提供をおこなうと、情報提供を要求するユーザにとって興味が一致する有益な情報である可能性が高い。

発明の効果

0026

本発明によれば、ユーザにとっては、自分の興味ある情報の属性と、嗜好の偏りを考慮したレコメンド情報が提供されることにより、従来のレコメンド手法と比較して、より趣味嗜好に合ったコンテンツを発見、取得することが可能となる。

0027

コンテンツ提供者にとっては、特に、これまでユーザの目に付きにくいマイナーなコンテンツ等を、ユーザの嗜好に合わせて効率的に配信することにより、コンテンツの販売を促進させるという効果が期待できる。

発明を実施するための最良の形態

0028

以下、図面を用いて本発明の実施例を説明する。

0029

なお、本発明の実施の形態の説明中、コンテンツとは、映像情報音声情報画像情報文字情報等あらゆるコンテンツを含む概念である。

0030

図1に、本発明により実現される情報レコメンドシステムシステム構成例を図示する。情報レコメンドシステムは複数のクライアント装置10と、サーバ装置20とから概略構成され、クライアント装置10とサーバ装置20とは、インターネット、LAN、公衆回線を介したパソコン通信網、その他任意の有線又は無線を使用したネットワークなどの通信網(図示省略)を介して接続することができる。クライアント装置10は複数存在するが、説明の簡略化のため、以下では1台のクライアント装置10について説明する。

0031

(クライアント装置10の構成)
クライアント装置10は、図1に示すように、ユーザ情報入力手段11と、コンテンツ再生制御手段12と、コンテンツID取得手段13と、再生情報通知手段14と、情報探索要求送信手段15と、探索結果表示手段16とを備える。

0032

ユーザ情報入力手段11は、サーバ装置20が提供するサービスを利用するために必要なユーザID等のユーザ情報の入力手段を与える。

0033

コンテンツ再生制御手段12は、クライアント装置10のローカルディスクや、CD等の記憶媒体や、コンテンツ配信サーバ等に保存されるコンテンツファイル17の再生、停止といった制御を行う。

0034

コンテンツID取得手段13は、コンテンツファイル17のヘッダ部等に埋め込まれたコンテンツの一意識別子であるコンテンツIDを、コンテンツファイル17から取得する。

0035

再生情報通知手段14は、ユーザ情報入力手段11を利用して入力されたユーザ情報と、コンテンツID取得手段13を利用して取得したコンテンツIDと、コンテンツ再生時刻として現在時刻とを、コンテンツ再生情報としてサーバ装置20に送信する。

0036

情報探索要求送信手段15は、ユーザ情報入力手段11を利用して入力されたユーザ情報を情報探索要求メッセージとしてサーバ装置20に送信する。

0037

探索結果表示手段16は、情報探索要求送信手段15でサーバ装置20に送信した情報探索要求の応答として、サーバ装置20から返信される探索結果を受信し、表示する。

0038

(サーバ装置20の構成)
サーバ装置20は、図1に示すように、コンテンツ情報取得手段21と、再生情報登録手段22と、ユーザ種別判定手段23と、知名度算出手段24と、嗜好ベクトル生成手段25と、嗜好類似度算出手段26と、探索結果抽出手段27と、コンテンツ情報DB28と、コンテンツ再生情報DB29と、嗜好ベクトル情報DB2aとを備える。

0039

ここで、コンテンツ情報DB28のデータ構造の例を図2に示す。コンテンツ情報DB28には、コンテンツID、コンテンツのタイトルアーティスト名、ジャンル名等のコンテンツ属性情報が格納される。

0040

次に、コンテンツ再生情報DB29のデータ構造の例を図3に示す。コンテンツ再生情報DB29には、ユーザID、コンテンツID、再生時刻、コンテンツ属性情報などが格納される。

0041

次に、嗜好ベクトル情報DB2aのデータ構造の例を図4に示す。嗜好ベクトル情報DB2aには、ユーザID、要素番号要素値、要素名などが格納される。

0042

続いて、各構成手段について説明する。コンテンツ情報取得手段21は、指定されたコンテンツIDで管理されるコンテンツのコンテンツ属性情報(コンテンツのタイトル、アーティスト名、ジャンル名等)を、コンテンツ情報DB28より取得する。

0043

再生情報登録手段22は、クライアント装置10から送信されるコンテンツ再生情報(ユーザID、コンテンツID、コンテンツ再生時刻等)を受信し、受信したユーザIDと、コンテンツIDと、コンテンツ再生時刻と、コンテンツ情報取得手段21を利用して取得したコンテンツ再生情報に含まれるコンテンツIDで管理されるコンテンツの属性情報とを、コンテンツ再生情報DB29に保存する。

0044

ユーザ種別判定手段23は、クライアント装置10から情報探索要求としてユーザIDを受信し、受信したユーザIDに該当するユーザのコンテンツ再生情報(ユーザID、コンテンツID、再生時刻、コンテンツ属性情報等)をコンテンツ再生情報DB29より取得し、取得したコンテンツ再生情報をもとに、上記ユーザのユーザ種別を判定する。

0045

知名度算出手段24は、計測対象であるコンテンツの流通情報を取得し、指定されたコンテンツIDで管理されるコンテンツや、指定されたコンテンツ属性の知名度を、取得したコンテンツの流通情報をもとに算出する。

0046

嗜好ベクトル生成手段25は、指定されたユーザIDに該当するユーザのコンテンツ再生情報に含まれる、コンテンツまたはコンテンツ属性の知名度を、知名度算出手段24より取得し、ユーザ種別判定手段23より取得した、上記指定されたユーザのユーザ種別に応じた計算方法で、本サービスを享受する全ユーザに対して、ユーザの嗜好をベクトル表現した嗜好ベクトルを、コンテンツ再生情報DB29より取得したコンテンツ再生情報と、コンテンツの知名度とをもとに生成し、生成した嗜好ベクトルを嗜好ベクトル情報DB2aに保存する。

0047

嗜好類似度算出手段26は、サービスを享受する全ユーザの嗜好ベクトルを、嗜好ベクトル情報DB2aより取得し、指定されたユーザIDに該当するユーザの嗜好ベクトルと、それ以外のユーザの嗜好ヘクトルとの類似度を算出し、算出した類似度の高いユーザを選択する。

0048

探索結果抽出手段27は、指定された複数のユーザIDに該当するユーザのコンテンツ再生情報に含まれる全てのコンテンツに関する情報を、コンテンツ再生情報DB29より取得し、取得した全ての情報に対して、指定された第二のユーザIDに該当するユーザにとっての有益性を数値化した得点を算出し、算出した得点の高い情報を、クライアント装置10に送信する。

0049

次に、本発明の実施の形態による情報レコメンドシステムの全体的な動作について説明する。図5および図6は、本発明の実施の形態に係る情報レコメンドシステムの全体フローチャートである。本発明の対象とするコンテンツには、コンテンツを一意識別するためのコンテンツIDが付与され、コンテンツファイルから付与されたコンテンツIDを取得することができ、予めコンテンツ提供者等が登録したコンテンツ属性情報を、コンテンツIDをもとに取得できる必要がある。そのため、本システムの処理前に、以下の前処理を行う必要がある。

0050

(前処理)
(1)コンテンツ提供者等が、コンテンツ属性情報をコンテンツ情報DB28に登録する。

0051

(2)記録されたコンテンツ属性情報に対して、サーバ装置20が、コンテンツの一意識別子であるコンテンツIDを発行する。

0052

(3)発行されたコンテンツIDを、コンテンツファイルのヘッダ部等を利用して、コンテンツファイルに埋め込む。

0053

上記の処理は、サーバ装置20での処理に限定されるわけではなく、例えば、対象となるコンテンツが音楽の場合、Gracenote社(http://www.gracenote.com)が提供する音楽データベースである「CDDB」で管理する楽曲のIDとコンテンツ属性情報を利用する等、サーバ装置20以外の装置で行われる処理結果を利用することも可能である。

0054

以上の前処理の後、以下のフローで処理を行う。

0055

(クライアント装置10のコンテンツ再生情報登録処理フロー)
(ステップS01)ユーザ情報入力処理
本サービスを利用するユーザは、コンテンツの再生情報をサーバ装置20に送信する。その際、ユーザを一意に識別するためのユーザID等のユーザ情報を、ユーザ情報入力手段11を利用して入力する。ユーザ情報を入力する契機は、コンテンツの再生開始時点や、再生プレイ起動時点や、コンテンツ再生情報送信時点等が考えられるが、後述するステップS05のコンテンツ再生情報送信処理の以前に行われる必要がある。

0056

(ステップS02)コンテンツ再生処理
コンテンツ再生手段12は、ユーザが指定したコンテンツファイル17を再生する。コンテンツ再生形式については、クライアント装置10の記憶装置上に存在するコンテンツファイルや、CD・DVD等に保存されたコンテンツファイルを再生する形式と、コンテンツ配信業者等の運営するコンテンツ配信サーバ上に存在するストリーム配信用コンテンツファイルを再生する形式等があるが、本実施例においてはいずれのコンテンツ再生形式についても適用可能である。

0057

(ステップS03)コンテンツID取得処理
コンテンツID取得手段13は、コンテンツ再生制御手段12を利用して再生されるコンテンツファイル17から、前処理(3)にてコンテンツファイルに埋め込んだコンテンツIDを取得する。ここで、コンテンツファイル17からコンテンツIDを取得する方法は、上記したコンテンツファイルのヘッダ部に埋め込まれたコンテンツIDを読み出す方法や、電子透かし等によってコンテンツファイルに埋め込まれたコンテンツIDを読み出す方法や、CD等の場合は、CDに埋め込まれたIDを読み出すための専用ツールを利用してIDを読み出す方法等が考えられる。

0058

(ステップS04)コンテンツID埋め込み有無判定
コンテンツファイル17へのコンテンツID埋め込みの有無を判定する。

0059

(ステップS05)再生情報送信処理
コンテンツファイル17にコンテンツIDが埋め込まれていた場合、再生情報通知手段14は、ステップS01にて入力されたユーザIDと、ステップS03にて取得したコンテンツファイル17のコンテンツIDと、コンテンツ再生時刻として現在時刻とをコンテンツ再生情報としてサーバ装置20に送信する。

0060

(サーバ装置20のコンテンツ再生情報登録処理フロー)
(ステップS06)コンテンツ情報取得処理
サーバ装置20は、ステップS05にてクライアント装置10から送信されるコンテンツ再生情報(ユーザID、コンテンツID、再生時刻等)を受信する。コンテンツ情報取得手段21は、受信したコンテンツ再生情報に含まれるコンテンツIDに該当するコンテンツのコンテンツ属性情報(コンテンツのタイトル、アーティスト名、ジャンル名等)をコンテンツ情報DB28より取得する。

0061

(ステップS07)再生情報登録処理
再生情報登録手段22は、ステップS05にてクライアント装置10から送信されるコンテンツ再生情報(ユーザID、コンテンツID、再生時刻等)と、ステップS06にて取得したコンテンツ属性情報とを、対応づけてコンテンツ再生情報DB29に保存する。

0062

(情報探索処理フロー)
(ステップS08)ユーザ情報入力処理
本サービスを利用するユーザは、ユーザ情報入力手段11を利用して、ユーザを一意に識別するためのユーザID等のユーザ情報を入力する。クライアント装置10の情報探索要求送信手段15は、入力されたユーザ情報を、サーバ装置20に情報探索要求メッセージとして送信する。

0063

(ステップS09)ユーザ種別判定処理
サーバ装置20は、クライアント装置10から送信される情報探索要求メッセージとしてユーザ情報を受信する。ユーザ種別判定手段23は、受信したユーザIDに該当する情報探索要求元ユーザのコンテンツ再生情報を、コンテンツ再生情報DB29より取得し、取得したコンテンツ再生情報をもとに、ユーザが再生したコンテンツまたはそのコンテンツ属性のばらつきと、コンテンツの再生が特定の時間範囲内に集中しているか、継続的に再生されているかを数値で表したコンテンツ再生のバースト性とを反映した指標値を計算する。そして、算出された指標値をもとに、情報探索要求元ユーザのユーザ種別を判定する。

0064

以下の説明では、ユーザ種別として、非特許文献3で報告されているMania、Opinion Leader、Majorityの3階層のユーザ種別を例にとって説明するが、ユーザ種別として、特願2003−159118号「プロファイリングシステムプロファイリング方法、プログラムおよび記録媒体」で示されているユーザプロファイル等のユーザ種別を利用することも可能である。

0065

(ステップS10)知名度算出処理
知名度算出手段24は、ステップS09で取得した、情報探索要求元ユーザのコンテンツ再生情報に含まれるコンテンツIDに該当する全てのコンテンツに対して、コンテンツまたはコンテンツ属性情報の流通情報を取得し、取得した流通情報をもとに、コンテンツまたはコンテンツ属性の知名度を算出する。

0066

ここで、コンテンツまたはコンテンツ属性情報の流通情報とは、オリコン社が提供するような音楽CD販売に関する売り上げランキング情報(www.oricon.co.jp)や、例えばWinMX(http://www.winmx.com/)のようなユーザ間でコンテンツを交換するアプリケーションを利用して単位時問当たりに交換されるコンテンツの個数や、対象コンテンツのコンテンツ属性情報を検索エンジンなどで検索した際の検索結果件数や、これらの情報を複数組み合わせた情報といった、コンテンツの流通頻度を数値化した値を指す。もちろん、本システムで取得したコンテンツ再生情報DB29に保存されるコンテンツ再生情報をもとに、コンテンツまたはコンテンツ属性情報の流通情報を算出することも可能である。

0067

(ステップS11)嗜好ベクトル生成処理
嗜好ベクトル生成手段25は、サービスを享受する全ユーザのコンテンツ再生情報を、コンテンツ再生情報DB29より取得し、取得したコンテンツ再生情報と、ステップS09で判定した情報探索要求元ユーザのユーザ種別と、S10で取得したコンテンツまたはコンテンツ属性の知名度とをもとに、ユーザの嗜好を表現するベクトルである嗜好ベクトルを、本サービスを享受する全ユーザについて生成する。生成した嗜好ベクトルは嗜好ベクトル情報DB2aに保存する。

0068

嗜好ベクトルは、ユーザが過去に再生したコンテンツのコンテンツIDまたはコンテンツ属性情報を要素とし、要素としたコンテンツIDまたはコンテンツ属性情報を持つコンテンツの再生回数や再生時間といった再生頻度と、上記コンテンツまたはコンテンツ属性の知名度をもとに、上記情報探索要求元ユーザのユーザ種別に応じて算出した重みとの積を各要素の値とする。

0069

(ステップS12)嗜好類似度算出処理
嗜好類似度算出手段26は、ステップS11で生成した全ユーザの嗜好ベクトルを、嗜好ベクトル情報DB2aより取得し、取得した嗜好ベクトル情報をもとに、情報探索要求元ユーザと、その他のユーザとの嗜好ベクトルの類似度を算出する。

0070

2ユーザ間の嗜好ベクトル類似度の算出方法は、対象となる2ベクトルの余弦を取る方法や、ベクトルの要素値の平均が0になるようにベクトルを正規化した後に余弦を取る方法といった、従来の協調フィルタリングの嗜好類似度の算出方法等を用いることが考えられる。

0071

(ステップS13)情報選択処理
探索結果抽出手段27は、ステップS12で算出した情報探索要求元ユーザの嗜好ベクトルと類似度が高いユーザ集合を生成し、生成したユーザ集合に含まれるユーザのコンテンツ再生情報を、コンテンツ再生情報DB29から取得する。取得したコンテンツ再生情報に含まれるコンテンツに対して、上記ユーザ集合に含まれるユーザのコンテンツ再生情報や、情報探索要求元ユーザの再生の有無等を考慮して、そのコンテンツが情報探索要求元ユーザにとって、どのくらい有益であるかを表す得点を算出する。算出した得点の高いコンテンツを、情報探索結果として、クライアント装置10に送信する。

0072

(ステップS14)探索結果表示処理
クライアント装置10の探索結果表示手段16は、ステップS13にて、サーバ装置20から送信される情報探索結果を受信し、表示する。

0073

次に、図7に従って、上述した全体的な処理フローにおけるステップS09のユーザ種別判定処理について、さらに詳しく説明する。

0074

ユーザ種別判定手段23は、クライアント装置10から、情報探索要求メッセージとしてユーザIDを受信する(S0901)。

0075

受信したユーザIDをもとに、情報探索要求元ユーザのコンテンツ再生情報を、コンテンツ再生情報DB29より取得する(S0902)。

0076

取得した情報探索要求元ユーザのコンテンツ再生情報を、コンテンツIDまたはコンテンツ属性情報と、時間とで集計する。これにより、情報探索要求元ユーザが、任意の時刻1から、設定された時間範囲後の時刻2までの間に、どのようなコンテンツをどれぐらい(回数・時間等)再生したかを表すコンテンツ再生情報集計表が作成される。

0077

図8に、コンテンツ再生情報からコンテンツ再生情報集計表を作成した例について示す。図8に示した例では、コンテンツ再生情報から得られるコンテンツ再生回数を、コンテンツのアーティスト名と、時間とで集計している(S0903)。

0078

作成した情報探索要求元ユーザのコンテンツ再生情報集計表の値を正規化したコンテンツ再生頻度表を作成する。コンテンツ再生頻度表は、情報探索要求元ユーザが、あるコンテンツまたはコンテンツ属性に対して、ユーザの全興味中どれくらいの興味を持っているかを表現する。図9に、図8で作成したコンテンツ再生情報集計表からコンテンツ再生頻度表を作成した例について示す。この例では、コンテンツ再生情報集計表の各値を、全コンテンツ再生回数で除算することにより、コンテンツ再生情報集計表を正規化し、コンテンツ再生頻度表を作成している(S0904)。

0079

作成したコンテンツ再生頻度表の値をもとに、情報探索要求元ユーザのユーザ種別を判定するためのユーザ指標値を算出する。本発明では、ユーザが再生するコンテンツまたはコンテンツ属性のばらつきと、コンテンツの再生が特定の時間範囲内に集中しているか、継続的に再生されているかを数値で表したコンテンツ再生のバースト性とをもとに、ユーザ指標値を算出する。

0080

図10に、コンテンツ再生頻度表からユーザ指標値を算出した例を示す、図10に示した例では、再生コンテンツ属性のばらつきを、コンテンツ再生頻度表の値を各コンテンツ属性(図10に示した例では、各アーティスト)ごとに集計した値の分散とした。また、コンテンツ再生のバースト性は、コンテンツ再生頻度表の時間軸方向分散値をコンテンツ属性(図10に示した例では、アーティスト)ごとに算出し、算出した各分散値の平均として算出した。ユーザ指標値は、再生コンテンツ属性のばらつきと、コンテンツ再生のバースト性との商とした。図10に示したユーザ指標値算出方法では、特定のコンテンツに限って再生回数が多く、かつ長期問に渡って再生を繰り返すユーザのユーザ指標値が高く算出され、多くの種類のコンテンツを短時間に再生するユーザのユーザ指標値が低く算出される。すなわち、Maniaのユーザ指標値が最も高く、Majorityのユーザ指標値が最も低く、Maniaのユーザ指標値とMajorityのユ一ザ指標値との中間のユーザ指標値をとるユーザがOpinion Leaderとなる(S0905)。

0081

算出したユーザ指標値と、Mania、Opinion Leader、Majorityを判定するための閾値とを比較することにより、ユーザ種別を判定する。ManiaとOpinion Leaderとを分離するための閾値を「閾値1」とし、Opinion LeaderとMajorityを分離するための閾値を閾値2」とする。まず、ユーザ指標値と閾値1とを比較する(S0906)。

0082

(1)ユーザ指標値が閾値1より小さい場合。

0083

ユーザ指標値と閾値2とを比較する。(S0907)
(1−1)ユーザ指標値が閾値2より小さい場合
情報探索要求元ユーザのユーザ種別を「Majority」と判定する(S0908)。

0084

(1−2)ユーザ指標値が閾値2より大きい場合情報探索要求元ユーザのユーザ種別を「Opinion Leader」と判定する(S0909)。

0085

(2)ユーザ指標値が閾値1より大きい場合
情報探索要求元ユーザのユーザ種別を「Mania」と判定する(S0910)。

0086

ユーザ種別を判定するための閾値の設定については、サービス開始時に経験的に決定された固定値を用いる方法や、本システムによって提供される探索結果に対するユーザ評価をフィードバックし、機械学習等を利用して動的に設定する方法等が考えられる。

0087

なお、図7図10で示したユーザ指標値の算出方法は、本発明の一例についての理解を容易にするために記載されたものであり、本発明は、ユーザ指標値が、再生コンテンツ属性のばらつきと、コンテンツ再生のバースト性とから算出される、ユーザの興味に関する特徴を表した数値であれば、以上説明したユーザ指標値の算出方法に限定されるわけではない。

0088

次に、図11に従って、上述した全体的な処理フローにおけるステップS10のコンテンツ知名度算出処理について、本システムで取得したコンテンツ再生情報DB29に保存されるコンテンツ再生情報をコンテンツ流通情報とした場合を例にとって、さらに詳しく説明する。

0089

コンテンツの流通情報として、コンテンツ再生情報DB29より取得した、指定した任意の時刻から現在時刻までのコンテンツ再生情報を、コンテンツIDまたはコンテンツ属性(図11に示した例では、アーティスト名)と、ユーザIDとで集計する。これにより、指定した任意の時刻から現在までの間に、どのユーザがどのコンテンツまたはどのコンテンツ属性を持つコンテンツ(図11に示した例では、どのアーティストのコンテンツ)をどれぐらい(回数・時間等)再生したかを示す表(図11中、コンテンツ再生集計表)が作成される。図11の例では、コンテンツ知名度を、知名度算出対象のアーティストを属性に持つコンテンツを再生した人数として算出した。

0090

図11で示したコンテンツ知名度の算出方法は、本発明の一例についての理解を容易にするために記載されたものであり、本発明は、以上説明したコンテンツ知名度の算出方法に限定されるわけではない。

0091

次に、図12に従って、上述した全体的な処理フローにおけるステップS11の嗜好ベクトル生成処理について、さらに詳しく説明する。嗜好ベクトル生成手段25は、情報探索要求元ユーザのユーザ種別をユーザ種別判定手段23より取得する(S1101)。

0092

情報探索要求元ユーザのコンテンツ再生情報を、コンテンツ再生情報DB29より取得し(S1102)、取得したコンテンツ再生情報に含まれる全コンテンツまたはコンテンツ属性から成る、コンテンツまたはコンテンツ属性の集合Cを生成する(S1103)。

0093

コンテンツまたはコンテンツ属性の集合Cに含まれる全てのコンテンツまたはコンテンツ属性の知名度を、知名度算出手段24より取得する(S1104)。

0094

次に、ループ関数jを1に初期化し(S1105)、以下の処理を繰り返す。

0095

嗜好ベクトル生成手段25は、本サービスを享受するユーザjめコンテンツ再生情報を、コンテンツ再生情報DB29より取得する(S1106)。

0096

取得したユーザjのコンテンツ再生情報をもとに、ユーザjのコンテンツkまたはコンテンツ属性kを持つコンテンツの累積再生回数Pjkを、コンテンツまたはコンテンツ属性の集合Cに含まれる全てのコンテンツkまたはコンテンツ属性kについて算出する(S1107)。

0097

算出したコンテンツ累積再生回数をもとに、全てのユーザの嗜好ベクトルを、情報探索要求元のユーザ種別に従って(S1108)、以下の方法で生成する。

0098

(1)情報探索要求元ユーザのユーザ種別が「Mania」の場合
情報探索要求元ユーザは、自分とマイナーな趣味が一致する他者からの情報に対する期待が高いことから、嗜好ベクトルの要素のうち、希少性の高いコンテンツまたはコンテンツ属性の要素値を強調する必要がある。そのため、本実施例では、ユーザの嗜好ベクトルの各要素値を、コンテンツ累積再生回数と、コンテンツまたはコンテンツ属性の知名度との商として算出する(S1109)。

0099

(2)情報探索要求元ユーザのユーザ種別が「Opinion Leader」の場合
本実施例では、ユーザの嗜好ベクトルの各要素値を、コンテンツ累積再生回数とする(S1110)。

0100

ここで、情報探索要求元ユーザは、新しい情報に対する期待が高いことから、コンテンツまたはコンテンツ属性の知名度の元になるコンテンツまたはコンテンツ属性情報の流通情報として、現在時刻に近い一定期間に限定した情報を利用し、ユーザの嗜好ベクトルの各要素値を、コンテンツ累積再生回数と、コンテンツまたはコンテンツ属性の知名度の積として算出する等の方法により、より効果的な嗜好ベクトルが生成される可能性がある。

0101

(3)情報探索要求元ユーザのユーザ種別が「Majority」の場合
情報探索要求元ユーザは、世の中で採用者の多い流行の情報を持つユーザからの情報取得に対する期待が高いことから、嗜好ベクトルの要素のうち、知名度が高く、世の中に多く普及するコンテンツまたはコンテンツ属性の要素値を強調する必要がある。そのため、本実施例では、ユーザの嗜好ベクトルの各要素値を、コンテンツ累積再生回数と、コンテンツまたはコンテンツ属性の知名度との積として算出する(S1111)。

0102

上記の操作を、本サービスを享受する全ユーザ(ユーザ総数N)に対して繰り返す。すなわち、j≧Nかを判断し(S1112)、j<Nの場合には、jを+1インクリメントして(S1113)、ステップS1106以降を繰り返す。j≧Nになったら、処理を終了する。

0103

図12に示した嗜好ベクトルの算出式は、本発明の一例についての理解を容易にするために記載されたものであり、本発明は、以上説明した嗜好ベクトルの算出式に限定されるわけではない。

0104

図13は、図15で示した評価表の例に対して、計測対象のコンテンツに適当なコンテンツ知名度を付与し、ユーザ種別がManiaであるUserAが情報探索要求元ユーザである場合の、本実施例を利用した各ユーザの嗜好類似度の計算結果である。

0105

図14は、図15で示した評価表の例に対して、計測対象のコンテンツに適当なコンテンツ知名度を付与し、ユーザ種別がMajorityであるUserBが情報探索要求元ユーザである場合の、本実施例を利用した各ユーザの嗜好類似度の計算結果である。

0106

図13および図14の計算結果は、上述した従来技術における課題を解決した結果となっている。

0107

なお、本発明は、図5図12に示した方法または図1に示した装置の一部または全部の処理機能をプログラムとして構成してコンピュータを用いて実現すること、あるいは図5図12で示した処理手順をプログラムとして構成してコンピュータに実行させることができる。また、コンピュータでその各部の処理機能を実現するためのプログラム、あるいはコンピュータのその処理手順を実行させるためのプログラムを、そのコンピュータが読み取り可能な記録媒体、例えば、フレキシブルディスク、MO、ROM、メモリカード、CD、DVD、リムーバブルディスクなどに記録して、保存したり、提供したりすることが可能であり、また、インターネットのような通信ネットワークを介して配布したりすることが可能である。

図面の簡単な説明

0108

情報レコメンドシステムのシステム構成の概要を示した図。
コンテンツ情報DBのデータ構造例を示した図。
コンテンツ再生情報DBのデータ構造例を示した図。
嗜好ベクトル情報DBのデータ構造例を示した図。
情報レコメンド方法の全体フローチャート。
情報レコメンド方法の全体フローチャート。
ユーザ種別算出処理の詳細フローチャート
コンテンツ再生情報からコンテンツ再生集計表への変換例を示した図。
コンテンツ再生集計表からコンテンツ再生頻度表への変換例を示した図。
ユーザ指標値の計算例を示した図。
コンテンツ知名度の算出方法の例を示す図。
嗜好ベクトル生成処理の詳細フローチャート。
本実施例による嗜好類似度の算出結果例を示した図。
本実施例による嗜好類似度の算出結果例を示した図。
従来の協調フィルタリングによる嗜好類似度の算出結果例を示した図。

符号の説明

0109

10…クライアント装置
11…ユーザ情報入力手段
12…コンテンツ再生制御手段
13…コンテンツID取得手段
14…再生情報通知手段
15…情報探索要求送信手段
16…探索結果表示手段
17…コンテンツファイル
20…サーバ装置
21…コンテンツ情報取得手段
22…再生情報登録手段
23…ユーザ種別判定手段
24…知名度算出手段
25…嗜好ベクトル生成手段
26…嗜好類似度算出手段
27…探索結果抽出手段
28…コンテンツ情報
29…コンテンツ再生情報
2a…嗜好ベクトル情報

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ