JP2004362011A - User characteristic extracting system, information recommend system, information recommend method, program and recording medium with its program recorded - Google Patents

User characteristic extracting system, information recommend system, information recommend method, program and recording medium with its program recorded Download PDF

Info

Publication number
JP2004362011A
JP2004362011A JP2003156159A JP2003156159A JP2004362011A JP 2004362011 A JP2004362011 A JP 2004362011A JP 2003156159 A JP2003156159 A JP 2003156159A JP 2003156159 A JP2003156159 A JP 2003156159A JP 2004362011 A JP2004362011 A JP 2004362011A
Authority
JP
Japan
Prior art keywords
item
user
information
oriented
storage management
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.)
Pending
Application number
JP2003156159A
Other languages
Japanese (ja)
Inventor
Kagehiro Mukai
景洋 向井
Hisaya Kotani
尚也 小谷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2003156159A priority Critical patent/JP2004362011A/en
Publication of JP2004362011A publication Critical patent/JP2004362011A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To extract personal characteristics for each item name, and to recommend contents based on the personal characteristics for each item name. <P>SOLUTION: As for a preliminarily set item name, the user item categorized intention information of a target user is acquired, and the item value of the number of times of appearance which is not less than a preliminarily set threshold is extracted as for the item name by referring to the acquired user item categorized intention information, and contents information including the item name as the value of the target item name is acquired, and the acquired contents information is recommended to the user. <P>COPYRIGHT: (C)2005,JPO&NCIPI

Description

【０００１】
【発明の属する技術分野】
本発明は、コンテンツ利用者の特徴を抽出し、この特徴を考慮して情報を提供する、利用者特徴抽出システム、情報レコメンドシステム、情報レコメンド方法、プログラム、およびプログラムを記録した記録媒体に関するものである。
【０００２】
【従来の技術】
メタデータを利用した情報レコメンド手法として、下記のものが挙げられる。
対象とする属性名、属性値の「組合せ」に関し、その「組合せ」が全コンテンツのメタデータ内にどのくらい出現しているか、および利用者が視聴したコンテンツのメタデータ内にどのくらい出現しているかの比率を算出することにより、利用者のその「組合せ」に対する嗜好度合いを推定し、コンテンツをレコメンドする仕組みを用いる手法（例えば、非特許文献１参照。）。この手法により、利用者の嗜好する属性値（キーワード）を含むコンテンツをレコメンドすることが出来る。
【０００３】
【非特許文献１】
情報処理学会研究報告、ＤＢＳ−１２７、ｐｐ１２１−１２８、２００２
【０００４】
【発明が解決しようとする課題】
しかし、前記の従来技術には下記の問題がある。前記コンテンツのレコメンドでは、個人の視聴したコンテンツのメタデータと全体のメタデータの比率のみに着目しており、その比率が利用者にとってどのような値であるのか（他人と比べてどうなのか）といった情報を考慮していない。また、異なる項目名を同様の手法で比較しているため、項目名毎の特徴等がある場合に利用することが出来ない。さらに、単語単位の興味抽出であり、利用者にどういった検索軸、検索機能を提供するのが適当かといった検索機能等のレコメンドを実施することが困難である。
【０００５】
そこで、本発明の目的は、（１）個人の検索軸（項目名）毎の特徴の抽出、（２）個人の検索軸（項目名）毎の特徴に基づくコンテンツのレコメンド、（３）他の利用者の操作分布傾向を考慮に入れた個人の検索軸（項目名）毎の特徴の抽出、（４）他の利用者の操作分布傾向を考慮に入れたレコメンド、（５）利用者に適した検索軸、検索機能のレコメンド、前記（１）〜（５）を可能とした利用者特徴抽出システム、情報レコメンドシステム、情報レコメンド方法、情プログラム、およびプログラムを記録した記録媒体を提供することにある。
【０００６】
【課題を解決するための手段】
そこで、前記課題を解決するための、請求項１記載の利用者特徴抽出システムは、利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、からなることを特徴とする。
【０００７】
請求項１記載の利用者特徴抽出システムによれば、利用者の項目別志向情報を考慮に入れた特徴の抽出が可能になる。
【０００８】
また、請求項２記載の情報レコメンドシステムは、利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づきコンテンツのレコメンドを実施するコンテンツレコメンド手段と、からなることを特徴とする。
【０００９】
請求項２記載の情報レコメンドシステムによれば、利用者項目別志向情報とコンテンツのメタデータ情報とに基づいて情報をレコメンドすることができる。
【００１０】
また、請求項３記載の情報レコメンドシステムは、前記請求項２に記載の情報レコメンドシステムにおいて、前記コンテンツレコメンド手段は、前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報と、前記利用者履歴情報格納管理手段で格納管理されている利用者履歴情報とに基づきコンテンツのレコメンドを実施することを特徴とする。
【００１１】
請求項３記載の情報レコメンドシステムによれば、利用者項目別志向情報とコンテンツのメタデータ情報と利用者履歴情報とに基づいて情報をレコメンドすることができる。
【００１２】
また、請求項４記載の利用者特徴抽出システムは、利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、かなることを特徴とする。
【００１３】
請求項４記載の利用者特徴抽出システムによれば、利用者項目別志向分布を考慮に入れた利用者の特徴の抽出が可能になる。
【００１４】
また、請求項５記載の情報レコメンドシステムは、利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別分布と、前記メタデータ情報格納管理手段で格納管理されているメタデータ情報とに基づいてコンテンツのレコメンドを実施するコンテンツレコメンド手段と、からなることを特徴とする。
【００１５】
請求項５記載の情報レコメンドシステムによれば、利用者項目別志向情報と利用者項目別分布とコンテンツのメタデータ情報とに基づいて情報をレコメンドすることができる。
【００１６】
また、請求項６記載の情報レコメンドシステムは、前記請求項５に記載の情報レコメンドシステムにおいて、前記コンテンツレコメンド手段は、前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別分布と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報と、前記利用者履歴情報格納管理手段で格納管理されている利用者履歴情報とに基づいてコンテンツのレコメンドを実施することを特徴とする。
【００１７】
請求項６記載の情報レコメンドシステムによれば、利用者項目別志向情報とコンテンツのメタデータ情報と利用者履歴情報と利用者履歴情報とに基づいて情報をレコメンドすることができる。
【００１８】
また、請求項７記載の利用者特徴抽出システムは、利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別志向分布に基づいて利用者の項目別特徴度を算出する項目別特徴度算出手段と、前記項目別特徴度算出手段で算出された利用者の項目別特徴度を格納管理する項目別特徴度格納管理手段と、からなることを特徴とする。
【００１９】
請求項７記載の利用者特徴抽出システムによれば、項目別特徴度を考慮に入れた利用者の特徴の抽出が可能になる。
【００２０】
また、請求項８記載の情報レコメンドシステムは、利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別志向分布に基づいて利用者の項目別特徴度を算出する項目別特徴度算出手段と、前記項目別特徴度算出手段で算出された利用者の項目別特徴度を格納管理する項目別特徴度格納管理手段と、前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記項目別特徴度格納管理手段で格納管理されている利用者項目別特徴度と、前記メタデータ情報格納管理手段で格納管理されているメタデータ情報とに基づいてコンテンツのレコメンドを実施するコンテンツレコメンド手段と、からなることを特徴とする。
【００２１】
請求項８記載の情報レコメンドシステムによれば、利用者項目別志向情報と利用者項目別特徴度とコンテンツのメタデータ情報とに基づいて情報をレコメンドすることができる。
【００２２】
また、請求項９記載の情報レコメンドシステムは、前記請求項８に記載の情報レコメンドシステムにおいて、前記コンテンツレコメンド手段は、前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記項目別特徴度格納管理手段で格納管理されている利用者項目別特徴度と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報と、前記利用者履歴情報格納管理手段で格納管理されている利用者履歴情報とに基づいてコンテンツのレコメンドを実施することを特徴とする。
【００２３】
請求項９記載の情報レコメンドシステムによれば、利用者項目別志向情報と利用者項目別特徴度とコンテンツのメタデータ情報と利用者履歴情報とに基づいて情報をレコメンドすることができる。
【００２４】
また、請求項１０記載の情報レコメンドシステムは、利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別志向分布に基づいて利用者の項目別特徴度を算出する項目別特徴度算出手段と、前記項目別特徴度算出手段で算出された利用者の項目別特徴度を格納管理する項目別特徴度格納管理手段と、前記項目別特徴度格納管理手段で格納管理されている利用者項目別特徴度に基づいて検索軸のレコメンドを実施する検索軸レコメンド手段と、からなることを特徴とする。
【００２５】
請求項１０記載の情報レコメンドシステムによれば、利用者項目別特徴度に基づいて情報をレコメンドすることができる。
【００２６】
また、請求項１１記載の情報レコメンド方法は、コンテンツレコメンド手段が、予め設定されている項目名に関して利用者項目別志向情報格納管理手段から対象としている利用者の利用者項目別志向情報を取得する第１ステップと、コンテンツレコメンド手段が、取得した利用者項目別志向情報を参照し、その項目名に関して予め設定しておいた閾値以上の出現回数の項目値を抽出する第２ステップと、コンテンツレコメンド手段が、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第３ステップと、コンテンツレコメンド手段が、取得したコンテンツ情報を利用者にレコメンドする第４ステップと、からなることを特徴とする。
【００２７】
請求項１１記載の情報レコメンド方法によれば、一定の出現回数を満たす情報をレコメンドすることができる。
【００２８】
また、請求項１２記載の情報レコメンド方法は、コンテンツレコメンド手段が、利用者項目別志向情報格納管理手段から対象としている利用者の全ての項目名に関する利用者項目別志向情報を取得する第１ステップと、コンテンツレコメンド手段が、算出していない項目名に関して予め設定しておいた閾値以上の出現回数を持つ項目値を取得した利用者項目別志向情報を参照し抽出する第２ステップと、コンテンツレコメンド手段が、抽出された項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第３ステップと、コンテンツレコメンド手段が、他に算出していない項目名があるかを判断し、算出していない項目名がある場合には第２ステップに戻り、算出していない項目名が無い場合には第５ステップに進むことを決定する第４ステップと、コンテンツレコメンド手段が、各項目名毎に抽出されたコンテンツ情報を比較し、多くの項目名で抽出されているコンテンツを優先的にレコメンドする第５ステップと、からなることを特徴とする。
【００２９】
請求項１２記載の情報レコメンド方法によれば、出現回数の多い情報から優先的にレコメンドすることができる。
【００３０】
また、請求項１３記載の情報レコメンド方法は、コンテンツレコメンド手段が、予め設定されている項目名に関して利用者項目別志向分布格納管理手段から対象としている利用者の利用者項目別志向分布を取得する第１ステップと、コンテンツレコメンド手段が、取得した利用者項目別志向分布から最頻値となる出現回数値を抽出し閾値とする第２ステップと、コンテンツレコメンド手段が、利用者項目別志向情報格納管理手段から対象利用者の対象項目名の利用者項目別志向情報を取得し閾値以上の出現回数の項目値を抽出する第３ステップと、コンテンツレコメンド手段が、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第４ステップと、コンテンツレコメンド手段が、取得したコンテンツ情報を利用者にレコメンドする第５ステップと、からなることを特徴とする。
【００３１】
請求項１３記載の情報レコメンド方法によれば、一定の出現回数を満たす情報をレコメンドすることができる。
【００３２】
また、請求項１４記載の情報レコメンド方法は、コンテンツレコメンド手段が、利用者項目別志向分布格納手段から対象としている利用者の全ての項目名に関する利用者項目別志向分布を取得する第１ステップと、コンテンツレコメンド手段が、取得した利用者項目別志向分布から項目名毎の最終頻度値となる出現回数を抽出し、夫々の項目名の閾値とする第２ステップと、コンテンツレコメンド手段が、算出していない項目に関して利用者項目別志向情報格納手段から対象としている利用者の利用者項目別志向情報を取得する第３ステップと、コンテンツレコメンド手段が、算出していない項目に関して予め設定しておいた閾値以上の出現回数を持つ項目値を利用者の項目別志向情報を参照し抽出する第４ステップと、コンテンツレコメンド手段が、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第５ステップと、コンテンツレコメンド手段が、他に算出していない項目名があるかを判断し、算出していない項目名がある場合には第３ステップに戻り、算出していない項目名が無い場合には第７ステップに進むことを決定する第６ステップと、コンテンツレコメンド手段が、各項目名毎に抽出されたコンテンツ情報を比較し、多くの項目名で抽出されるコンテンツ情報を優先的にレコメンドする第７ステップと、からなることを特徴とする。
【００３３】
請求項１４記載の情報レコメンド方法によれば、出現回数の多い情報から優先的にレコメンドすることができる。
【００３４】
また、請求項１５記載の情報レコメンド方法は、コンテンツレコメンド手段が、項目別特徴度格納管理手段から対象としている利用者の項目別特徴度を取得する第１ステップと、コンテンツレコメンド手段が、取得した項目別特徴度の値からレコメンドの軸とする項目名を抽出する第２ステップと、コンテンツレコメンド手段が、抽出した項目名に関して利用者項目別志向分布格納管理手段から対象としている利用者の利用者項目別志向分布を取得する第３ステップと、コンテンツレコメンド手段が、取得した利用者項目別志向分布から最頻値となる出現回数値を抽出し閾値とする第４ステップと、コンテンツレコメンド手段が、利用者項目別志向情報管理手段から対象利用者の対象項目名の利用者項目別志向情報を取得し閾値以上の出現回数の項目値を抽出する第５ステップと、コンテンツレコメンド手段が、その項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第６ステップと、コンテンツレコメンド手段が、取得したコンテンツ情報を利用者にレコメンドする第７ステップと、からなることを特徴とする。
【００３５】
請求項１５記載の情報レコメンド方法によれば、一定の出現回数を満たす情報をレコメンドすることができる。
【００３６】
また、請求項１６記載の情報レコメンド方法は、コンテンツレコメンド手段が、利用者項目別志向分布格納手段から対象としている利用者全ての項目名に関する利用者項目別志向分布を取得する第１ステップと、コンテンツレコメンド手段が、取得した利用者項目別志向分布から項目名毎の最頻値となる出現回数を抽出し夫々の項目名の閾値とする第２ステップと、コンテンツレコメンド手段が、算出していない項目に関して利用者項目別志向情報格納手段から対象としている利用者の利用者項目別志向情報を取得する第３ステップと、コンテンツレコメンド手段が、算出していない項目に関して予め設定しておいた閾値以上の出現回数を持つ項目値を利用者の項目別志向情報を参照し抽出する第４ステップと、コンテンツレコメンド手段が、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第５ステップと、コンテンツレコメンド手段が、他に算出していない項目名があるかを判断し、他に算出していない項目名がある場合には第３ステップに戻り、他に算出していない項目名が無い場合には第７ステップに進むことを決定する第６ステップと、コンテンツレコメンド手段が、項目別特徴度格納管理手段から対象としている利用者の項目別特徴度を取得する第７ステップと、コンテンツレコメンド手段が、各項目名毎に抽出されたコンテンツ情報を比較し、項目別特徴度の大きな項目名でより抽出されているコンテンツを優先的にレコメンドする第８ステップと、からなることを特徴とする。
【００３７】
請求項１６記載の情報レコメンド方法によれば、出現回数の多い情報から優先的にレコメンドすることができる。
【００３８】
また、請求項１７記載の情報レコメンド方法は、検索軸レコメンド手段が、対象としている利用者の特徴度を項目別特徴度格納管理手段から取得する第１ステップと、検索軸レコメンド手段が、取得した特徴度の中で特徴度の大きい検索軸、検索機能をレコメンドする第２ステップと、からなることを特徴とする。
【００３９】
請求項１７記載の情報レコメンド方法によれば、利用者に適した検索軸、検索機能のレコメンドを行うことができる。
【００４０】
また、請求項１８記載のプログラムは、前記請求項１乃至１７に記載の、利用者特徴抽出システム、情報レコメンドシステム、または情報レコメンド方法を、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。
【００４１】
請求項１８記載のプログラムによれば、コンピュータにより前記請求項１乃至１７に記載の、利用者特徴抽出システム、情報レコメンドシステム、または情報レコメンド方法を実現することができる。
【００４２】
また、請求項１９記載の記録媒体は、前記請求項１乃至１７に記載の、利用者特徴抽出システム、情報レコメンドシステム、または情報レコメンド方法を、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。
【００４３】
請求項１９記載の記録媒体によれば、コンピュータにより前記請求項１乃至１７に記載の、利用者特徴抽出システム、情報レコメンドシステム、または情報レコメンド方法を実現することができる。
【００４４】
【発明の実施の形態】
以下、本発明の実施形態を図面に基づいて説明する。
【００４５】
（第１実施の形態）
第１実施の形態のシステム構成を図１に示す。利用者履歴情報格納管理手段は、利用者履歴情報格納管理部１０１として実現される。メタデータ情報格納管理手段は、メタデータ情報格納管理部１０２として実現される。利用者項目別志向情報算出手段は、利用者項目別志向情報算出部１０３として実現される。利用者項目別志向情報格納管理手段は、利用者項目別志向情報格納管理部１０４として実現される。コンテンツレコメンド手段は、コンテンツレコメンド部１０７として実現される。
【００４６】
利用者履歴情報格納管理部１０１では、利用者毎のコンテンツ操作履歴情報を格納管理している。コンテンツ操作履歴としては、視聴履歴のみの場合、検索履歴のみの場合、または視聴履歴と検索履歴とを併せた履歴の場合がある。利用者履歴情報格納管理部１０１の格納管理形式は特に制限するものではなく、例えば一般的なリレーショナルデータベースでもよい。本実施の形態では、図２に示すリレーショナルデータベースに格納している場合を例として説明を行う。
【００４７】
メタデータ情報格納管理部１０２では、コンテンツの内容を表現するメタデータ情報を格納管理している。メタデータ情報の表現形式は特に制限するものではなく、ＸＭＬ形式の場合、または単なる「項目名」と「項目値」の羅列である場合も考えられる。また、メタデータ情報格納管理部１０２の格納管理形式についても同様に特に制限するものではなく、一般的なリレーショナルデータベースである場合、ネイティブＸＭＬデータベースである場合、または一般的なファイルシステムの場合等がある。本実施の形態では、図３に示すメタデータ情報がＸＭＬ形式である場合を例として説明を行う。
【００４８】
利用者項目別志向情報算出部１０３は、利用者履歴情報格納管理部１０１とメタデータ情報格納管埋部１０２とから、対象としている利用者の操作履歴と、それに関連したメタデータ情報とを取得し、利用者項目別志向情報の算出を行い、利用者項目別志向情報格納管理部１０４の情報を更新する。利用者項目別志向情報算出のフローチャートを図４に示す。
【００４９】
図４において、まずＳ４１で利用者項目別情報の算出を開始する。Ｓ４２では、対象としている利用者に新規履歴があるかを判断し、新規履歴がある場合にはＳ４３に進み、無い場合にはＳ４７に進む。Ｓ４３では、利用者履歴情報格納管理部１０１から新規の利用者履歴の番組ＩＤを１つ抽出する。Ｓ４４では、メタデータ情報格納管理部１０２から該当する番組ＩＤのメタデータ情報を取得する。Ｓ４５では、各項目名毎に、利用者項目別志向情報テーブルを参照し、対象となるレコードの出現回数をカウントアップする。また、対象となるレコードが存在しない場合は、新規にレコードを作成し、出現回数を１に設定する。Ｓ４６では、他に、対象としている利用者に対し、新規履歴があるかを判断し、新規履歴がある場合にはＳ４３に戻り、無い場合にはＳ４７に進み利用者項目別情報の算出を終了する。
【００５０】
利用者項目別志向情報格納管理部１０４では、利用者項目別志向情報算出部１０３で算出された利用者項目別志向情報を格納管理する。利用者項目別志向情報格納管理部１０４の格納管理形式は特に制限するものではなく、例えば一般的なリレーショナルデータベースでも良い。本実施の形態では、図５に示すリレーショナルデータベースに格納している場合を例として説明を行う。
【００５１】
コンテンツレコメンド部１０７では、利用者項目別志向情報格納部１０４に格納管理されている利用者項目別志向情報と、メタデータ情報格納管理部１０２に格納管理されているメタデータ情報と、利用者履歴情報格納管理部１０１に格納管理されている利用者履歴情報とを基にコンテンツのレコメンドを実施する。コンテンツのレコメンド方法については様々な方法が考えられるが、一例としては、次の方法が考えられる。
【００５２】
まず、対象としている利用者に関し、予め設定しておいた特定の項目名の利用者項目別志向情報を利用者項目別志向情報格納管理部１０４から取得する。ここで取得した利用者項目別志向情報は、出現回数が多いものほど、より利用者の興味を示している項目値と考えることが出来る。次に、図６に示すように、その項目名の予め設定しておいた閾値以上の出現回数の項目値を抽出する。最後に、その項目値を対象の項目名の値として含むコンテンツ情報をメタデータ情報格納管埋部１０２から取得し、レコメンドすることが考えられる。この際、利用者履歴情報を利用することにより、利用者が以前に操作（視聴等）したコンテンツをレコメンド対象から除外することも出来る。この例におけるコンテンツレコメンドのフローチャートを図７に示す。
【００５３】
図７において、まずＳ７１でコンテンツレコメンドを開始する。Ｓ７２では、予め設定されている項目名に関し、利用者項目別志向情報格納管理部１０４から、対象としている利用者の利用者項目別志向情報を取得する。Ｓ７３では、取得した利用者項目別志向情報を参照し、その項目名に関し予め設定しておいた閾値以上の出現回数の項目値を抽出する。Ｓ７４では、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理部１０２から取得する。Ｓ７５では取得したコンテンツ情報を利用者にレコメンドし、Ｓ７６でコンテンツレコメンドを終了する。
【００５４】
またもう一例としては、次の方法が考えられる。まず、対象としている利用者に関し、全ての項目名に関する利用者項目別志向情報を利用者項目別志向情報格納管理部１０４から取得する。次に、項目名毎に、予め項目名毎に設定された出現回数の閾値以上の項目値を抽出し、その項目値を対象の項目名の値として含むコンテンツをメタデータ情報格納管理部１０２から取得する。最後に各項目名毎に抽出されたコンテンツを比較し、多くの項目名でヒットしたコンテンツを優先的にレコメンドする。この際、利用者履歴情報を利用することにより、利用者が以前に操作（視聴等）したコンテンツをレコメンド対象から除外することも出来る。この例におけるコンテンツのレコメンドフローチャートを図８に示す。
【００５５】
図８において、まずＳ８１でコンテンツレコメンドを開始する。Ｓ８２では、利用者項目別志向情報格納管理部１０４から、対象としている利用者の全ての項目名に関する利用者項目別志向情報を取得する。Ｓ８３では、算出していない項目名に関し、予め設定しておいた閾値以上の出現回数を持つ項目値を、取得した利用者項目別志向情報を参照し抽出する。Ｓ８４では、抽出された項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理部１０２から取得する。Ｓ８５では、他に算出していない項目名があるかを判断し、算出していない項目名がある場合にはＳ８３に戻り、無い場合にはＳ８６に進む。Ｓ８６では、各項目名毎に抽出されたコンテンツ情報を比較し、多くの項目名で抽出されているコンテンツを優先的にレコメンドし、Ｓ８７でコンテンツレコメンドを終了する。
【００５６】
第１実施の形態におけるシステムは、大きく分けて、「利用者履歴情報及びメタデータ情報から利用者の特徴度である利用者項目別志向情報を作成する手順」、および「コンテンツレコメンドを実施する手順」の２つに分かれる。以下に夫々についての実施手順を簡単に示す。
【００５７】
「利用者履歴情報及びメタデータ情報から利用者の特徴度である利用者項目別志向情報を作成する手順」について、（１）利用者の操作履歴が、利用者履歴情報格納管理部１０１に蓄積されている。また、コンテンツの内容を表現するメタデータ情報がメタデータ情報格納管理部３０２に蓄積されている。（２）利用者項目別志向情報算出部１０３は、利用者履歴情報格納管理部１０１に格納されている利用者履歴情報と、メタデータ情報格納管理部１０２に格納されているメタデータ情報とを基に、利用者項目別志向情報を算出し、利用者項目別志向情報格納管理部１０４に格納する。
【００５８】
「コンテンツレコメンドを実施する手順」について、コンテンツレコメンド部１０７では、利用者項目別志向情報格納部１０４に格納管理されている利用者項目別志向情報と、メタデータ情報格納管理部１０２に格納管理されているメタデータ情報と、利用者履歴情報格納管理部１０１に格納管理されている利用者履歴情報とを基にコンテンツのレコメンドを実施する。
【００５９】
なお、第１実施の形態の変形例として、図９に示す利用者履歴情報格納管理部１０１、メタデータ情報格納管理部１０２、利用者項目別志向情報算出部１０３、および利用者項目別志向情報格納管理部１０４からなるシステム、または図１０に示す利用者履歴情報格納管理部１０１、メタデータ情報格納管理部１０２、利用者項目別志向情報算出部１０３、利用者項目別志向情報格納管理部１０４、およびコンテンツレコメンド部１０７からなり、コンテンツレコメンド部１０７は利用者項目別志向情報と、メタデータ情報とに基づいてコンテンツレコメンドを実施するシステムがある。
【００６０】
（第２実施の形態）
第２実施の形態のシステム構成を図１１に示す。利用者履歴情報格納管理手段は、利用者履歴情報格納管理部２０１として実現される。メタデータ情報格納管理手段は、メタデータ情報格納管理部２０２として実現される。利用者項目別志向情報算出手段は、利用者項目別志向情報算出部２０３として実現される。利用者項目別志向情報格納管理手段は、利用者項目別志向情報格納管理部２０４として実現される。利用者項目別志向分布算出手段は、利用者項目別志向分布算出部２０５として実現される。利用者項目別志向分布格納管理手段は、利用者項目別志向分布格納管理部２０６として実現される。コンテンツレコメンド手段は、コンテンツレコメンド部２０７として実現される。第２実施の形態では第１実施の形態と異なる部分のみ下記で説明する。
【００６１】
利用者項目別志向分布算出部２０５は、利用者項目別志向情報格納管理部２０４から利用者項目別志向情報を受け取り、利用者項目別志向分布を算出し、利用者項目別志向分布格納管理部２０６に情報を引き渡す。利用者項目別志向分布算出のフローチャートを図１２に示す。
【００６２】
図１２において、まずＳ１２１で利用者項目別志向分布算出を開始する。Ｓ１２２では、利用者項目別志向情報に注目する。Ｓ１２３では、対象としている利用者の項目別志向情報に変更があるかを判断し、変更がある場合にはＳ１２４に進み、無い場合にはＳ１２９に進む。Ｓ１２４では、変更のあった項目名に注目する。Ｓ１２５では、横軸に「出現回数」、縦軸に「項目数値」をとったグラフ（利用者ＩＤ＝Ｘ：項目名＝Ｙ）を作成する。Ｓ１２６では項目名Ｘの利用者項目別情報テーブルを参照し、利用者ＩＤ＝Ｘの出現回数ごとの項目値を集計し、グラフにプロットする。Ｓ１２７では、他に変更がある項目名があるかを判断し、変更する項目名がある場合にはＳ１２４に戻り、無い場合には、Ｓ１２８に進み利用者項目別志向分布算出を終了する。
【００６３】
利用者項目別志向分布格納管理部２０６では、利用者項目別志向分布算出部２０５で算出された利用者項目別志向分布を格納管理する。利用者項目別志向分布格納管理部２０６の格納管理形式は特に制限するものではなく、例えば一般的なリレーショナルデータベースでも良い。利用者項目別志向分布の格納形式例及び分布図を図１３、および図１４に示す。
【００６４】
コンテンツレコメンド部２０７では、利用者項目別志向情報格納部２０４に格納管理されている利用者項目別志向情報と、利用者項目別志向分布格納管理部２０６に格納管理されている利用者項目別志向分布と、メタデータ借報格納管理部２０２に格納管理されているメタデータ情報と、利用者履歴情報格納管理部２０１に格納管理されている利用者履歴情報とを基にコンテンツのレコメンドを実施する。コンテンツのレコメンド方法については様々な方法が考えられる。一例としては、次の方法が考えられる。
【００６５】
まず対象としている利用者に関し、予め設定しておいた特定の項目名に関する利用者項目別志向情報と利用者項目別志向分布とを、夫々利用者項目別志向情報格納管理部２０４と利用者項目別志向分布格納管理部２０６とから取得する。第１実施の形態と同様にここで取得した利用者項目別志向情報及び項目別志向分布は、出現回数が多いものほど、より利用者の興味を示している項目値と考えることが出来る。次に、図１５に示すように、取得した利用者項目別志向分布から統計処理手法に基づく値（例えば最頻値）を抽出し、その値を閾値とし、閾値以上の出現回数の項目値を利用者項目別志向情報から取得する。最後に、その項目値を対象の項目名の値として含むコンテンツをメタデータ情報格納管理部２０２から取得し、レコメンドすることが考えられる。この際、利用者履歴情報を利用することにより、利用者が以前に操作（視聴等）したコンテンツをレコメンド対象から除外することも出来る。この例におけるコンテンツレコメンドのフローチャートを図１６に示す。
【００６６】
図１６において、まずＳ１６１でコンテンツレコメンドを開始する。Ｓ１６２では、予め設定されている項目名に関し、利用者項目別志向分布格納管理部２０６から、対象としている利用者の利用者項目別志向分布を取得する。Ｓ１６３では、取得した利用者項目別志向分布から、最頻値となる出現回数値を抽出し、閾値とする。Ｓ１６４では、利用者項目別志向情報格納管理部２０４から、対象利用者の対象項目名の利用者項目別志向情報を取得し、閾値以上の出現回数の項目値を抽出する。Ｓ１６５では、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理部２０２から取得する。Ｓ１６６では、取得したコンテンツ情報を利用者にレコメンドし、Ｓ１６７に進みコンテンツレコメンドを終了する。
【００６７】
またもう一例としては、次の方法が考えられる。まず対象としている利用者に関し、全ての項目名に関する利用者項目別志向情報及び利用者項目別志向分布を、夫々利用者項目別志向情報格納管理部２０４と利用者項目別志向分布格納管理部２０６とから取得する。次に項目名毎に、利用者項目別志向分布から統計処理手法に基づく値（例えば最頻値）を項目毎に抽出し、その値を閾値とし、夫々の項目毎に閾値以上の出現回数の項目値を抽出し、その項目値を対象の項目名の値として含むコンテンツをメタデータ情報格納管理部２０２から取得する。各項目名毎に抽出されたコンテンツ群を比較し、多くの項目名でヒットしたコンテンツを優先的にレコメンドすることも考えられる。この際、利用者履歴情報を利用することにより、利用者が以前に操作（視聴等）したコンテンツをレコメンド対象から除外することも出来る。この例におけるコンテンツレコメンドのフローチャートを図１７に示す。
【００６８】
図１７において、まずＳ１７１でコンテンツレコメンドを開始する。Ｓ１７２では、利用者項目別志向分布格納部２０６から、対象としている利用者の全ての項目名に関する利用者項目別志向分布を取得する。Ｓ１７３では、取得した利用者項目別志向分布から、項目名毎の最終頻度値となる出現回数を抽出し、夫々の項目名の閾値とする。Ｓ１７４では、算出していない項目に関し、利用者項目別志向情報格納部２０４から、対象としている利用者の利用者項目別志向情報を取得する。Ｓ１７５では、算出していない項目に関し、予め設定しておいた閾値以上の出現回数を持つ項目値を、利用者の項目別志向情報を参照し抽出する。Ｓ１７６では前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理部２０２から取得する。Ｓ１７７では、他に算出していない項目名があるかを判断し、算出していない項目名がある場合にはＳ１７４に戻り、無い場合にはＳ１７８に進む。Ｓ１７８では、各項目名毎に抽出されたコンテンツ情報を比較し、多くの項目名で抽出されるコンテンツ情報を優先的にレコメンドし、Ｓ１７９でコンテンツレコメンドを終了する。
【００６９】
第２実施の形態におけるシステムは、大きく分けて、「利用者履歴情報及びメタデータ情報から利用者項目別志向情報及び利用者項目別志向分布情報を作成する手順」並びに「コンテンツレコメンドを実施する手順」の２つに分かれる。以下で夫々についての実施手順を簡単に示す。
【００７０】
「利用者履歴情報及びメタデータ情報から利用者項目別志向情報及び利用者項目別志向分布情報を作成する手順」について、（１）利用者の操作履歴が、利用者履歴情報格納管理部２０１に蓄積されている。また、コンテンツの内容を表現するメタデータ情報がメタデータ情報格納管理部２０２に、蓄積されている。（２）利用者項目別志向情報算出部２０３は、利用者履歴情報格納管理部２０１に格納されている利用者履歴情報と、メタデータ情報格納管理部２０２に格納されているメタデータ情報とを基に、利用者項目別志向情報を算出し、利用者項目別志向情報格納管理部２０４に格納する。（３）利用者項目別志向分布算出部２０５では、利用者項目別志向情報格納管理部２０４から利用者項目別志向情報を取得し、利用者項目別志向分布を作成し、利用者項目別志向分布格納部２０６に格納する。
【００７１】
「コンテンツレコメンドを実施する手順」について、コンテンツレコメンド部２０７では、利用者頃日別志向情報格納部２０４に格納管理されている利用者項目別志向情報と、利用者項目別志向分布格納管理部２０６に格納管理されている利用者項目別志向分布と、メタデータ情報格納管理部２０２に格納管理されているメタデータ情報と、利用者履歴情報格納管埋部２０１に格納管理されている利用者履歴情報とを基にコンテンツのレコメンドを実施する。
【００７２】
なお、第２実施の形態の変形例として、図１８に示す利用者履歴情報格納管理部２０１、メタデータ情報格納管理部２０２、利用者項目別志向情報算出部２０３、利用者項目別志向情報格納管理部２０４、利用者項目別志向分布算出部２０５、および利用者項目別志向分布格納管理部２０６からなるシステム、または図１９に示す利用者履歴情報格納管理部２０１、メタデータ情報格納管理部２０２、利用者項目別志向情報算出部２０３、利用者項目別志向情報格納管理部２０４、利用者項目別志向分布算出部２０５、利用者項目別志向分布格納管理部２０６、およびコンテンツレコメンド部２０７からなり、コンテンツレコメンド部２０７は利用者項目別志向情報と、利用者項目別志向分布と、メタデータ情報とに基づいてコンテンツレコメンドを実施するシステムがある。
【００７３】
（第３実施の形態）
第３実施の形態のシステム構成を図２０に示す。利用者履歴情報格納管理手段は、利用者履歴情報格納管理部３０１として実現される。メタデータ情報格納管理手段は、メタデータ情報格納管理部３０２として実現される。利用者項目別志向情報算出手段は、利用者項目別志向情報算出部３０３として実現される。利用者項目別志向情報格納管理手段は、利用者項目別志向情報格納管理部３０４として実現される。利用者項目別志向分布算出手段は、利用者項目別志向分布算出部３０５として実現される。利用者項目別志向分布格納管理手段は、利用者項目別志向分布格納管理部３０６として実現される。項目別特徴度算出手段は、項目別特徴度算出部３０７として実現される。項目別特徴度格納管理手段は、項目別特徴度格納管理部３０８として実現される。コンテンツレコメンド手段は、コンテンツレコメンド部３０９として実現される。第３実施の形態では第２実施の形態と異なる部分のみ下記で説明する。
【００７４】
項目別特徴度算出部３０７では、利用者項目別志向分布格納管理部３０６に格納管理されている利用者項目別志向分布に基づき、利用者毎の項目別特徴度を算出する。項目別特徴度算出のフローチャートを図２１に示す。
【００７５】
図２１において、まずＳ２１１で特徴度算出を開始する。Ｓ２１２では、対象としている利用者の項目別志向分布に変更があるかを判断し、変更がある場合にはＳ２１３に進み、無い場合にはＳ２１６に進む。Ｓ２１３では、対象としている利用者の利用者項目別志向分布と、ある観点で分類されたセグメントまたは利用者全体の項目別志向分布とを、ある統計処理により分布状況を比較する。Ｓ２１４では、他に集計していない項目名があるかを判断し、ある場合にはＳ２１３に戻り、無い場合にはＳ２１５に進む。Ｓ２１５では、上記フローで求めた各項目名毎の偏り具合を利用者の特徴度ベクトルと考え、項目別特徴度格納管理部３０８に格納し、Ｓ２１６で特徴度算出を終了する。
【００７６】
また、このフローチャートで利用されている特徴度算出のための式は統計処理に基づく、「平均」、「中央値」、「最頻値」といった様々な手法を利用し、算出した値の差をそのまま利用することもでき、また正規化した値を利用することできる。ここで、統計処理に基づき算出した特徴度と利用者の項目名に対する興味度の関連の一例を示す。
【００７７】
例えば、上記統計処理手法として、平均値を利用した場合には、ある項目名に関しある利用者の利用者志向分布の平均値が、全体のその項目名に対する平均値よりも大幅に大きい場合、その利用者の操作したコンテンツのその項目名における項目値に重なりが利用者の平均以上に多いことを意味し、その利用者がその項目にこだわりをもっていると予測することが出来る。従って、その項目名を軸としたレコメンドが有効であると考えられる。利用者の項目別の特徴度（利用者と全体の利用者項目別志向分布における平均値との関係）と利用者の興味との関連についての一例を図２２に示す。図２２において、パターン１では、利用者平均よりも、この項目における項目値の重なりが多い。つまりこの項目はこだわりを持っており、この項目を軸とした情報の提示が有効である。また、パターン２では、利用者平均と、この項目における項目値の重なりは同じである。つまりこの項目へのこだわりは平均レベルである。また、パターン３では、利用者平均よりも、この項目における項目値の重なりが少ない。つまりこの項目へのこだわりは平均レベル以下であり、この項目を軸とした情報の提示は有効ではない。
【００７８】
項目別特徴度格納管理部３０８では、項目別特徴度算出部３０７で算出された項目別特徴度を格納管理する。項目別特徴度格納管埋部３０８の格納管理形式は特に制限するものではなく、例えば一般的なリレーショナルデータベースでも良い。第３実施の形態では、図２３に示すリレーショナルデータベースに格納している場合を例として説明する。
【００７９】
コンテンツレコメンド部３０９では、利用者項目別志向情報格納部３０４に格納管理されている利用者項目別志向情報と、項目別特徴度格納管理部３０８に格納管理されている項目別特徴度と、メタデータ情報格納管理部３０２に格納管理されているメタデータ情報と、利用者履歴情報格納管理部３０１に格納管理されている利用者履歴情報とを基にコンテンツのレコメンドを実施する。コンテンツのレコメンド方法については、様々な方法が考えられる。一例としては、第２実施の形態の図１６に示したコンテンツレコメンドに加え、レコメンドするコンテンツを算出するための対象項目名を特徴度の値により選択することが考えられる。この例におけるコンテンツレコメンドのフローチャートを図２４に示す。
【００８０】
図２４において、まずＳ２４１でコンテンツレコメンドを開始する。Ｓ２４２では、項目別特徴度格納管理部３０８から、対象としている利用者の項目別特徴度を取得する。Ｓ２４３では、取得した項目別特徴度の値から、レコメンドの軸とする項目名を抽出する。Ｓ２４４では、抽出した項目名に関し、利用者項目別志向分布格納管理部３０６から、対象としている利用者の利用者項目別志向分布を取得する。Ｓ２４５では、取得した利用者項目別志向分布から最頻値となる出現回数値を抽出し、閾値とする。Ｓ２４６では、利用者項目別志向情報管理部３０４から、対象利用者の対象項目名の利用者項目別志向情報を取得し、閾値以上の出現回数の項目値を抽出する。Ｓ２４７では、その項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理部３０２から取得する。Ｓ２４８では、取得したコンテンツ情報を利用者にレコメンドし、Ｓ２４９でコンテンツレコメンドを終了する。
【００８１】
また、もう一例としては、第２実施の形態の図１７に示したコンテンツレコメンドの改良として、単純に多くの項目名でヒットしたコンテンツをレコメンドするのではなく、項目名毎に特徴度を係数として組み込み、特徴度の値の大きい項目名に多くヒットしたコンテンツを優先的にレコメンドするという方法も考えられる。この例におけるコンテンツレコメンドのフローチャートを図２５に示す。
【００８２】
図２５において、まずＳ２５１でコンテンツレコメンドを開始する。Ｓ２５２では、利用者項目別志向分布格納部３０６から、対象としている利用者全ての項目名に関する利用者項目別志向分布を取得する。Ｓ２５３では、取得した利用者項目別志向分布から、項目名毎の最頻値となる出現回数を抽出し、夫々の項目名の閾値とする。Ｓ２５４では、算出していない項目に関し、利用者項目別志向情報格納部３０４から、対象としている利用者の利用者項目別志向情報を取得する。Ｓ２５５では、算出していない項目に関し、予め設定しておいた閾値以上の出現回数を持つ項目値を、利用者の項目別志向情報を参照し抽出する。Ｓ２５６では、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理部３０２から取得する。Ｓ２５７では、他に算出していない項目名があるかを判断し、ある場合にはＳ２５４に戻り、無い場合にはＳ２５８に進む。Ｓ２５８では、項目別特徴度格納管理部３０８から、対象としている利用者の項目別特徴度を取得する。Ｓ２５９では、各項目名毎に抽出されたコンテンツ情報を比較し、項目別特徴度の大きな項目名でより抽出されているコンテンツをより優先的にレコメンドし、Ｓ２６０でコンテンツレコメンドを終了する。
【００８３】
第３実施の形態で記述するシステムは、大きく分けて、「利用者履歴情報及びメタデータ情報から利用者項目別志向情報及び利用者項目別志向分布情報を作成する手順」、並びに「コンテンツレコメンドを実施する手順」の２つに分かれる。以下で夫々についての実施手順を簡単に示す。
【００８４】
「利用者履歴情報及びメタデータ情報から利用者項目別志向情報及び利用者項目別志向分布情報を作成する手順」について、（１）利用者の操作履歴が、利用者履歴情報格納管埋部３０１に蓄積されている。また、コンテンツの内容を表現するメタデータ情報がメタデータ情報格納管理部３０２に一蓄積されている。（２）利用者項目別志向情報算出部３０３は、利用者履歴情報格納管理部３０１に格納されている利用者履歴情報と、メタデータ情報格納管理部３０２に格納されているメタデータ情報とを基に、利用者項目別志向情報を算出し、利用者項目別志向情報格納管理部３０４に格納する。（３）利用者項目別志向分布算出部３０５では、利用者項目別志向情報格納管理部３０４から利用者項目別志向情報を取得し、利用者項目別志向分布を作成し、利用者項目別志向分布格納部３０６に格納する。（４）項目別特徴度算出部３０７では、利用者項目別志向分布格納管理部３０６から利用者項目別志向分布を取得し、項目別特徴度を算出し、項目別特徴度格納管理部３０８に格納する。
【００８５】
「コンテンツレコメンドを実施する手順」について、コンテンツレコメンド部３０９では、利用者項目別志向情報格納部３０４に格納管理されている利用者項目別志向情報と、項目別特徴度格納管理部３０８に格納管理されている項目別特徴度と、メタデータ情報格納管理部３０２に格納管理されているメタデータ情報と、利用者履歴借報格納管理部３０１に格納管理されている利用者履歴情報とを基にコンテンツのレコメンドを実施する。
【００８６】
なお、第３実施の形態の変形例として、図２６に示す利用者履歴情報格納管理部３０１、メタデータ情報格納管理部３０２、利用者項目別志向情報算出部３０３、利用者項目別志向情報格納管理部３０４、利用者項目別志向分布算出部３０５、利用者項目別志向分布格納管理部３０６、項目別特徴度算出部３０７、および項目別特徴度格納管理部３０８からなるシステム、または図２７に示す利用者履歴情報格納管理部３０１、メタデータ情報格納管理部３０２、利用者項目別志向情報算出部３０３、利用者項目別志向情報格納管理部３０４、利用者項目別志向分布算出部３０５、利用者項目別志向分布格納管理部３０６、項目別特徴度算出部３０７、項目別特徴度格納管理部３０８、およびコンテンツレコメンド部３０９からなり、コンテンツレコメンド部３０９は利用者項目別志向情報と、利用者項目別特徴度と、メタデータ情報とに基づいてコンテンツレコメンドを実施するシステムがある。
【００８７】
（第４実施の形態）
第４実施の形態のシステム構成を図２８に示す。利用者履歴情報格納管理手段は、利用者履歴借報格納管理部４０１として実現される。メタデータ情報格納管理手段は、メタデータ情報格納管理部４０２として実現される。利用者項目別志向情報算出手段は、利用者項目別志向情報算出部４０３として実現される。利用者項目別志向情報格納管理手段は、利用者項目別志向情報格納管理部４０４として実現される。利用者項目別志向分布算出手段は、利用者項目別志向分布算出部４０５として実現される。利用者項目別志向分布格納管理手段は、利用者項目別志向分布格納管理部４０６として実現される。項目別特徴度算出手段は、項目別特徴度算出部４０７として実現される。項目別特徴度格納管理手段は、項目別特徴度格納管理部４０８として実現される。検索軸レコメンド手段は、検索軸レコメンド部４０９として実現される。第４実施の形態では第３実施の形態と異なる部分のみ下記で説明する。
【００８８】
検索軸レコメンド部４０９では、項目別特徴度格納管理部４０８に格納管理されている項目別特徴度を基に、検索軸、検索機能のレコメンドを実施する。検索軸、検索機能のレコメンドとは、監督検索、俳優検索、年代検索といった項目に特化した検索軸をレコメンドするものであり、今週のお勧め監督コンテンツ、今週のお勧め俳優コンテンツといった軸を基にしたレコメンドも考えることが出来る。検索軸レコメンドのフローチャートを図２９に示す。
【００８９】
図２９において、まずＳ２９１で検索軸レコメンドを開始する。Ｓ２９２では、対象としている利用者の特徴度を項目別特徴度格納管理部４０８から取得する。Ｓ２９３では、特徴度の大きい検索軸、検索機能をレコメンドし、Ｓ２９４で検索軸レコメンドを終了する。
【００９０】
第４実施の形態で記述するシステムは、大きく分けて、「利用者履歴情報及びメタデータ情報から利用者項目別志向情報及び利用者項目別志向分布情報を作成する手順」、並びに「検索軸レコメンドを実施する手順」の２つに分かれる。ここで、第３実施の形態と異なる部分のみ下記で説明する。
【００９１】
「検索軸レコメンドを実施する手順」について、検索軸レコメンド部４０９では、項目別特徴度格納管理部４０８に格納管理されている項目別特徴度を基に検索軸のレコメンドを実施する。
【００９２】
なお、本発明は図１，９，１０，１１，１８，１９，２０，２６，２７，および２８に示したシステムの一部又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、または図４，７，８，１２，１６，１７，２１，２４，２５，および２９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、若しくはコンピュータに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。
【００９３】
【発明の効果】
本発明によれば、メタデータを利用したレコメンドにおいて、（１）個人の検索軸（項目名）毎の特徴の抽出、（２）個人の検索軸（項目名）毎の特徴に基づくコンテンツのレコメンド、（３）他の利用者の操作分布傾向を考慮に入れた個人の検索軸（項目名）毎の特徴の抽出、（４）他の利用者の操作分布傾向を考慮に入れたレコメンド、（５）利用者に適した検索軸、検索機能のレコメンド、前記（１）〜（５）を可能とした利用者特徴抽出システム、情報レコメンドシステム、情報レコメンド方法、プログラム、およびプログラムを記録した記録媒体を提供することが出来る。
【図面の簡単な説明】
【図１】第１実施の形態のシステム構成図。
【図２】利用者履歴情報テーブル。
【図３】メタデータ情報例。
【図４】利用者項目別志向情報算出のフローチャート例。
【図５】利用者項目別志向情報テーブル。
【図６】レコメンド用項目値抽出例。
【図７】コンテンツレコメンドのフローチャート例。
【図８】コンテンツレコメンドのフローチャート例。
【図９】第１実施の形態のシステム構成図。
【図１０】第１実施の形態のシステム構成図。
【図１１】第２実施の形態のシステム構成図。
【図１２】利用者項目別志向分布算出のフローチャート。
【図１３】利用者項目別志向分布テーブル。
【図１４】利用者項目別志向分布。
【図１５】コンテンツレコメンドにおける項目値抽出の一例。
【図１６】コンテンツレコメンドのフローチャート例。
【図１７】コンテンツレコメンドのフローチャート例。
【図１８】第２実施の形態のシステム構成図。
【図１９】第２実施の形態のシステム構成図。
【図２０】第３実施の形態のシステム構成図。
【図２１】特徴度算出のフローチャート。
【図２２】特徴度と利用者興味度の関連例。
【図２３】項目別特徴度テーブル。
【図２４】コンテンツレコメンドのフローチャート例。
【図２５】コンテンツレコメンドのフローチャート例。
【図２６】第３実施の形態のシステム構成図。
【図２７】第３実施の形態のシステム構成図。
【図２８】第４実施の形態のシステム構成図。
【図２９】検索軸レコメンドのフローチャート。
【符号の説明】
１０１…利用者履歴情報格納管理部
１０２…メタデータ情報格納管理部
１０３…利用者項目別志向情報算出部
１０４…利用者項目別志向情報格納管理部
１０７…コンテンツレコメンド部
２０１…利用者履歴情報格納管理部
２０２…メタデータ情報格納管理部
２０３…利用者項目別志向情報算出部
２０４…利用者項目別志向情報格納管理部
２０５…利用者項目別志向分布算出部
２０６…利用者項目別志向分布格納管理部
２０７…コンテンツレコメンド部
３０１…利用者履歴情報格納管理部
３０２…メタデータ情報格納管理部
３０３…利用者項目別志向情報算出部
３０４…利用者項目別志向情報格納管理部
３０５…利用者項目別志向分布算出部
３０６…利用者項目別志向分布格納管理部
３０７…項目別特徴度算出部
３０８…項目別特徴度格納管理部
３０９…コンテンツレコメンド部
４０１…利用者履歴情報格納管理部
４０２…メタデータ情報格納管理部
４０３…利用者項目別志向情報算出部
４０４…利用者項目別志向情報格納管理部
４０５…利用者項目別志向分布算出部
４０６…利用者項目別志向分布格納管理部
４０７…項目別特徴度算出部
４０８…項目別特徴度格納管理部
４０９…検索軸レコメンド部[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a user feature extraction system, an information recommendation system, an information recommendation method, a program, and a recording medium storing the program, which extract a feature of a content user and provide information in consideration of the feature. is there.
[0002]
[Prior art]
The information recommendation method using metadata includes the following.
Regarding the "combination" of the target attribute name and attribute value, how many times that "combination" appears in the metadata of all contents, and how long it appears in the metadata of the content watched by the user A method of estimating the user's preference for the "combination" by calculating the ratio and using a mechanism for recommending content (for example, see Non-Patent Document 1). With this method, it is possible to recommend a content including an attribute value (keyword) that the user prefers.
[0003]
[Non-patent document 1]
IPSJ Research Report, DBS-127, pp121-128, 2002
[0004]
[Problems to be solved by the invention]
However, the above prior art has the following problems. The recommendation of the content focuses only on the ratio between the metadata of the content viewed by the individual and the entire metadata, and determines what value the ratio is for the user (how does it compare to others)? Not considering information. Further, since different item names are compared by the same method, it cannot be used when there is a characteristic or the like for each item name. Further, it is an interest extraction in word units, and it is difficult to implement a recommendation such as a search function such as a search axis and a search function suitable for a user.
[0005]
Therefore, an object of the present invention is to (1) extract a feature for each search axis (item name) of an individual, (2) recommend a content based on a feature for each search axis (item name) of an individual, and (3) other contents. Feature extraction for each search axis (item name) taking into account the user's operation distribution tendency, (4) recommendation taking into account the operation distribution tendency of other users, (5) suitable for users To provide a search axis, a recommendation of a search function, a user feature extraction system, an information recommendation system, an information recommendation method, an information program, and a recording medium on which the program is made, which enables the above (1) to (5). is there.
[0006]
[Means for Solving the Problems]
In order to solve the above-mentioned problem, a user feature extraction system according to claim 1 stores and manages user history information storage management means for storing and managing a user's content operation history, and stores and manages content metadata information. A user based on metadata information storage management means, an operation history stored and managed by the user history information storage management means, and metadata information of content stored and managed by the metadata information storage management means; User item-oriented information calculating means for calculating item-specific intention information, and user item-oriented information storage management for storing and managing the user item-oriented information calculated by the user item-oriented information calculating means. And means.
[0007]
According to the user feature extraction system of the first aspect, it is possible to extract a feature in consideration of the user's item-specific intention information.
[0008]
Further, the information recommendation system according to claim 2, wherein the user history information storage management means for storing and managing the content operation history of the user, the metadata information storage management means for storing and managing the metadata information of the content, User item for calculating user-specific orientation information based on the operation history stored and managed by the user history information storage management means and the metadata information of the content stored and managed by the metadata information storage management means Separate intention information calculating means, user item-oriented information storage management means for storing and managing user-specific intention information calculated by the user item-specific intention information calculating means, and user item-specific intention information storage User item intention information stored and managed by the management means, and metadata of the content stored and managed by the metadata information storage and management means Wherein a content recommendation means for implementing the recommendation of the content based on the broadcast, that it consists.
[0009]
According to the information recommendation system of the second aspect, it is possible to recommend information based on user item-oriented information and content metadata information.
[0010]
The information recommendation system according to claim 3 is the information recommendation system according to claim 2, wherein the content recommendation unit is a user item stored and managed by the user item-oriented information storage management unit. Implementing a content recommendation based on intention information, metadata information of the content stored and managed by the metadata information storage management means, and user history information stored and managed by the user history information storage management means It is characterized by doing.
[0011]
According to the information recommendation system of the third aspect, information can be recommended based on user item-oriented information, content metadata information, and user history information.
[0012]
Further, the user feature extraction system according to claim 4 is a user history information storage management unit that stores and manages a content operation history of a user, a metadata information storage management unit that stores and manages metadata information of the content, Based on the operation history stored and managed by the user history information storage management means and the metadata information of the content stored and managed by the metadata information storage management means, item-specific intention information of the user is calculated. User item-specific intention information calculating means; user item-specific intention information storage managing means for storing and managing user item-specific intention information calculated by the user item-specific intention information calculating means; A user item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the intention information storing / managing means; Wherein the user itemized oriented distributed storage management means for storing managing calculated at the user item-by-item-oriented distribution calculating means user itemized oriented distribution, to become either.
[0013]
According to the user characteristic extracting system of the fourth aspect, it is possible to extract the characteristics of the user in consideration of the user item-oriented distribution.
[0014]
The information recommendation system according to claim 5, wherein a user history information storage management unit that stores and manages a user's content operation history; a metadata information storage management unit that stores and manages metadata information of the content; A user that calculates item-specific orientation information of a user based on the operation history stored and managed by the user history information storage management means and the metadata information of the content stored and managed by the metadata information storage management means Item-specific intention information calculating means, user item-specific intention information storage management means for storing and managing user-specific item-specific information calculated by the user item-specific intention information calculating means, and user-item-specific intention information A user item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the storage managing means; User item-oriented distribution storage management means for storing and managing the user item-oriented distribution calculated by the user item-oriented distribution calculation means, and use stored and managed by the user item-oriented intention information storage management means User item-oriented information, user item-oriented distribution stored and managed by the user item-oriented distribution storage management means, and metadata information stored and managed by the metadata information storage management means. Content recommendation means for implementing content recommendation.
[0015]
According to the information recommendation system described in claim 5, information can be recommended based on user item-oriented information, user item distribution, and content metadata information.
[0016]
The information recommendation system according to claim 6 is the information recommendation system according to claim 5, wherein the content recommendation unit is a user item stored and managed by the user item-oriented information storage management unit. The intention information, the user item-specific distribution stored and managed by the user item-oriented distribution storage management means, the content metadata information stored and managed by the metadata information storage management means, Content recommendation is performed based on the user history information stored and managed by the history information storage management means.
[0017]
According to the information recommendation system of the sixth aspect, information can be recommended based on user item-oriented information, content metadata information, user history information, and user history information.
[0018]
Further, a user feature extraction system according to claim 7, a user history information storage management unit that stores and manages a user's content operation history, a metadata information storage management unit that stores and manages metadata information of content, Based on the operation history stored and managed by the user history information storage management means and the metadata information of the content stored and managed by the metadata information storage management means, item-specific intention information of the user is calculated. User item-specific intention information calculating means; user item-specific intention information storage managing means for storing and managing user item-specific intention information calculated by the user item-specific intention information calculating means; A user item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the intention information storing / managing means; User item-oriented distribution storage management means for storing and managing the user item-oriented distribution calculated by the user item-oriented distribution calculation means, and usage stored and managed by the user item-oriented distribution distribution management means Item-by-item characteristic degree calculating means for calculating the user-specific characteristic degree based on the user item-oriented distribution, and item-by-item storing and managing the user item-specific characteristic degree calculated by the item-by-item characteristic degree calculating means. And a characteristic degree storage management means.
[0019]
According to the user feature extraction system according to the seventh aspect, it is possible to extract a user feature in consideration of the item-specific feature level.
[0020]
The information recommendation system according to claim 8, wherein the user history information storage management means for storing and managing the content operation history of the user, the metadata information storage management means for storing and managing the metadata information of the content, A user that calculates item-specific orientation information of a user based on the operation history stored and managed by the user history information storage management means and the metadata information of the content stored and managed by the metadata information storage management means Item-specific intention information calculating means, user item-specific intention information storage management means for storing and managing user-specific item-specific information calculated by the user item-specific intention information calculating means, and user-item-specific intention information A user item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the storage managing means; User item-oriented distribution storage management means for storing and managing the user item-oriented distribution calculated by the user item-oriented distribution calculation means, and usage stored and managed by the user item-oriented distribution distribution management means Item-by-item characteristic degree calculating means for calculating the user-specific characteristic degree based on the user item-oriented distribution, and item-by-item storing and managing the user item-specific characteristic degree calculated by the item-by-item characteristic degree calculating means. Characteristic degree storage management means, user item intention information stored and managed by the user item intention information storage management means, and user item characteristics stored and managed by the item characteristic degree storage management means And content recommendation means for performing content recommendation based on the metadata information stored and managed by the metadata information storage management means.
[0021]
According to the information recommendation system of the eighth aspect, information can be recommended based on user item-oriented information, user item-specific characteristics, and content metadata information.
[0022]
The information recommendation system according to claim 9 is the information recommendation system according to claim 8, wherein the content recommendation unit is a user item stored and managed by the user item-oriented information storage management unit. Intention information, user-specific characteristic degrees stored and managed by the item-specific characteristic storage management means, metadata information of contents stored and managed by the metadata information storage management means, and the user history The content is recommended based on the user history information stored and managed by the information storage management means.
[0023]
According to the information recommendation system of the ninth aspect, it is possible to recommend information based on user item-oriented information, user item-specific characteristics, content metadata information, and user history information.
[0024]
The information recommendation system according to claim 10, wherein a user history information storage management unit that stores and manages a user's content operation history; a metadata information storage management unit that stores and manages metadata information of the content; A user that calculates item-specific orientation information of a user based on the operation history stored and managed by the user history information storage management means and the metadata information of the content stored and managed by the metadata information storage management means Item-specific intention information calculating means, user item-specific intention information storage management means for storing and managing user-specific item-specific information calculated by the user item-specific intention information calculating means, and user-item-specific intention information A user item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the storage managing means; The user item-oriented distribution storage management means for storing and managing the user item-oriented distribution calculated by the user item-oriented distribution calculation means, and stored and managed by the user item-oriented distribution distribution managing means. Item-by-item characteristic degree calculating means for calculating a user-specific characteristic degree based on a user item-oriented distribution, and an item for storing and managing the user-specific characteristic degree calculated by the item-by-item characteristic degree calculating means. And a search axis recommendation unit for performing a recommendation of a search axis based on a user item characteristic degree stored and managed by the item-specific characteristic degree storage management means. I do.
[0025]
According to the information recommendation system of the tenth aspect, information can be recommended based on the user item-specific characteristic degrees.
[0026]
In the information recommendation method according to the eleventh aspect, the content recommendation unit acquires user item-oriented information of a target user from the user item-oriented information storage management unit with respect to a preset item name. A first step in which the content recommendation unit refers to the acquired user item-specific intention information and extracts an item value having an appearance count equal to or greater than a preset threshold value for the item name; A third step in which the means acquires the content information including the item value as the value of the target item name from the metadata information storage management means, and a fourth step in which the content recommendation means recommends the acquired content information to the user. , Consisting of
[0027]
According to the information recommendation method of the eleventh aspect, it is possible to recommend information satisfying a certain number of appearances.
[0028]
Also, in the information recommendation method according to the twelfth aspect, the content recommending means obtains user item-oriented information on all the item names of the target users from the user item-oriented information storage management means in the first step. And a second step in which the content recommendation means refers to and extracts user item-specific intention information that has acquired an item value having an appearance count equal to or greater than a preset threshold value for an uncalculated item name, A third step in which the means obtains content information including the extracted item value as the value of the target item name from the metadata information storage management means, and checks whether there is any other item name not calculated by the content recommendation means. Judge and return to the second step if there is an uncalculated item name, and go to the fifth step if there is no uncalculated item name. A fourth step of deciding to proceed to the next step, and a fifth step of comparing the content information extracted for each item name with the content recommendation means and preferentially recommending the content extracted with many item names. And step.
[0029]
According to the information recommendation method of the twelfth aspect, it is possible to preferentially recommend information starting from information having a large number of appearances.
[0030]
In the information recommendation method according to the thirteenth aspect, the content recommendation means obtains a user item-oriented distribution of a target user from a user item-oriented distribution storage management means for a preset item name. A first step, wherein the content recommending means extracts a mode value from the acquired user item-oriented distribution, and sets the threshold as a threshold value; and a content recommending means stores the user item-oriented information. A third step of acquiring user item-oriented information of the target item name of the target user from the management means and extracting an item value of the number of appearances equal to or greater than a threshold value; A fourth step of acquiring the content information including the content from the metadata information storage management means, and the content recommendation means A fifth step of recommending Ntsu information to the user, characterized in that it consists.
[0031]
According to the information recommendation method of the thirteenth aspect, it is possible to recommend information satisfying a certain number of appearances.
[0032]
The information recommendation method according to claim 14, wherein the content recommendation means obtains a user item-oriented distribution for all the item names of the target users from the user item-oriented distribution storage means; A second step in which the content recommendation unit extracts the number of appearances that is the final frequency value for each item name from the acquired user item-oriented distribution and sets a threshold value for each item name, and the content recommendation unit calculates A third step of acquiring the user item-oriented information of the target user from the user item-oriented information storage means for the items that have not been set, and the content recommendation means presetting the items that have not been calculated. A fourth step of extracting item values having the number of appearances equal to or greater than the threshold value by referring to the user's item-oriented information; Means for obtaining from the metadata information storage management means content information including the item value as the value of the target item name, and determining whether there is any other item name not calculated by the content recommendation means. If there is an item name that has not been calculated, the process returns to the third step. If there is no item name that has not been calculated, the sixth step of deciding to proceed to the seventh step. A seventh step of comparing the content information extracted for each name and preferentially recommending the content information extracted with a large number of item names.
[0033]
According to the information recommendation method of the fourteenth aspect, it is possible to preferentially make a recommendation from information having a large number of appearances.
[0034]
Also, in the information recommendation method according to the fifteenth aspect, the content recommending means obtains an item-specific characteristic of the target user from the item-specific characteristic storage managing means, and the content recommending means obtains the characteristic recommendation. A second step of extracting an item name as an axis of recommendation from the value of the item-specific feature degree, and the content recommending means for the user of the user targeted by the user item-oriented distribution storage management means for the extracted item name A third step of obtaining an item-oriented distribution, a fourth step in which the content recommendation unit extracts a mode value from the acquired user item-oriented distribution and sets a threshold value, and the content recommendation unit includes: Obtains user item-oriented information for the target item name of the target user from the user item-oriented information management means, and displays the number of occurrences equal to or greater than the threshold A fifth step of extracting the item value of the item information, a sixth step of the content recommending means acquiring the content information including the item value as the value of the target item name from the metadata information storage management means, And a seventh step of recommending the content information to the user.
[0035]
According to the information recommendation method according to the fifteenth aspect, information satisfying a certain number of appearances can be recommended.
[0036]
The information recommendation method according to claim 16, wherein the content recommendation means obtains a user item-oriented distribution for all of the target users from the user item-oriented distribution storage means, A second step in which the content recommendation unit extracts the number of appearances that is the most frequent value for each item name from the acquired user item-oriented distribution and sets a threshold value for each item name, and the content recommendation unit does not calculate A third step of acquiring user item-oriented information of the target user from the user item-oriented information storage means for the item, and a threshold value which is not set by the content recommendation means for an item not calculated in advance. A fourth step of extracting an item value having the number of appearances of the user by referring to the item-specific intention information of the user; A fifth step of acquiring content information including the item value as the value of the target item name from the metadata information storage management unit, and the content recommendation unit determines whether there is any other item name that has not been calculated. If there is an item name that has not been calculated, the process returns to the third step. If there is no other item name that has not been calculated, a sixth step of deciding to proceed to the seventh step; A seventh step of obtaining the item-specific feature level of the target user from the different-feature-level storage management means, and the content recommendation means comparing the content information extracted for each item name, and obtaining a large item-level feature level. An eighth step of preferentially recommending the content extracted by the item name.
[0037]
According to the information recommendation method of the sixteenth aspect, it is possible to preferentially recommend the information having a large number of appearances.
[0038]
In the information recommendation method according to the seventeenth aspect, the first step in which the search axis recommendation unit acquires the characteristic degree of the target user from the item-specific characteristic degree storage management unit, and the search axis recommendation unit acquires the characteristic degree And a second step of recommending a search function with a search axis having a large characteristic degree among the characteristic degrees.
[0039]
According to the information recommendation method of the seventeenth aspect, it is possible to recommend a search axis and a search function suitable for a user.
[0040]
A program according to claim 18 describes that the user feature extraction system, the information recommendation system, or the information recommendation method according to any one of claims 1 to 17 is described as a computer program and can be executed. Features.
[0041]
According to the program described in claim 18, a computer can realize the user feature extraction system, the information recommendation system, or the information recommendation method according to any one of claims 1 to 17.
[0042]
According to a nineteenth aspect of the present invention, there is provided a recording medium which records a program in which the user feature extraction system, the information recommendation system, or the information recommendation method according to any one of the first to seventeenth aspects is executable by a computer. Features.
[0043]
According to the recording medium of the nineteenth aspect, it is possible to realize the user feature extraction system, the information recommendation system, or the information recommendation method according to the first to seventeenth aspects by a computer.
[0044]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, embodiments of the present invention will be described with reference to the drawings.
[0045]
(1st Embodiment)
FIG. 1 shows a system configuration of the first embodiment. The user history information storage management unit is realized as the user history information storage management unit 101. The metadata information storage management means is realized as the metadata information storage management unit 102. The user item-specific intention information calculation means is realized as the user item-specific intention information calculation unit 103. The user item-specific intention information storage management means is realized as the user item-specific intention information storage management unit 104. The content recommendation unit is realized as the content recommendation unit 107.
[0046]
The user history information storage management unit 101 stores and manages content operation history information for each user. The content operation history may be only the viewing history, only the search history, or a history combining the viewing history and the search history. The storage management format of the user history information storage management unit 101 is not particularly limited, and may be, for example, a general relational database. In the present embodiment, a case where the data is stored in the relational database shown in FIG. 2 will be described as an example.
[0047]
The metadata information storage management unit 102 stores and manages metadata information expressing the content of the content. The expression format of the metadata information is not particularly limited, and may be an XML format or a simple list of “item names” and “item values”. Similarly, the storage management format of the metadata information storage management unit 102 is not particularly limited, and may be a general relational database, a native XML database, or a general file system. is there. In the present embodiment, a case will be described as an example where the metadata information shown in FIG. 3 is in XML format.
[0048]
The user item-specific intention information calculation unit 103 acquires the operation history of the target user and the metadata information related thereto from the user history information storage management unit 101 and the metadata information storage management unit 102. Then, user item-specific intention information is calculated, and information of the user item-specific intention information storage management unit 104 is updated. FIG. 4 shows a flowchart of calculating the user-specific intention information.
[0049]
In FIG. 4, calculation of user item-specific information is started in S41. In S42, it is determined whether the target user has a new history. If there is a new history, the process proceeds to S43, and if not, the process proceeds to S47. In S43, one program ID of a new user history is extracted from the user history information storage management unit 101. In S44, the metadata information of the corresponding program ID is acquired from the metadata information storage management unit 102. In S45, the number of appearances of the target record is counted up with reference to the user item-specific intention information table for each item name. If the target record does not exist, a new record is created and the number of appearances is set to 1. In S46, it is determined whether or not there is a new history for the target user. If there is a new history, the process returns to S43. If not, the process proceeds to S47 to end the calculation of the user item-specific information. I do.
[0050]
The user item-specific intention information storage management unit 104 stores and manages the user item-specific intention information calculated by the user item-specific intention information calculation unit 103. The storage management format of the user item-specific intention information storage management unit 104 is not particularly limited, and may be, for example, a general relational database. In the present embodiment, a case where the data is stored in the relational database shown in FIG. 5 will be described as an example.
[0051]
In the content recommendation unit 107, user item-oriented information stored and managed in the user item-oriented information storage unit 104, metadata information stored and managed in the metadata information storage management unit 102, and user history The content is recommended based on the user history information stored and managed by the information storage management unit 101. There are various methods for recommending contents, and as an example, the following method is conceivable.
[0052]
First, with respect to the target user, user item-specific intention information of a specific item name set in advance is acquired from the user item-specific intention information storage management unit 104. The user item-oriented information acquired here can be considered as an item value indicating the user's interest more as the number of appearances increases. Next, as shown in FIG. 6, an item value having an occurrence count equal to or greater than a preset threshold value of the item name is extracted. Finally, it is conceivable that the content information including the item value as the value of the target item name is acquired from the metadata information storage management unit 102 and is recommended. At this time, by using the user history information, the content previously operated (viewed or the like) by the user can be excluded from the recommendation target. FIG. 7 shows a flowchart of the content recommendation in this example.
[0053]
In FIG. 7, first, content recommendation is started in S71. In S72, the user-item-oriented information of the target user is acquired from the user-item-oriented information storage management unit 104 for the preset item name. In S73, the obtained item value of the number of appearances equal to or greater than a preset threshold value for the item name is extracted with reference to the acquired user item-oriented information. In S74, the content information including the item value as the value of the target item name is acquired from the metadata information storage management unit 102. In S75, the acquired content information is recommended to the user, and in S76, the content recommendation ends.
[0054]
As another example, the following method can be considered. First, for the target user, user item-specific intention information on all item names is acquired from the user item-specific intention information storage management unit 104. Next, for each item name, an item value that is equal to or greater than the threshold value of the number of appearances set in advance for each item name is extracted, and the content including the item value as the value of the target item name is extracted from the metadata information storage management unit 102. get. Finally, the contents extracted for each item name are compared, and the content hit by many item names is recommended preferentially. At this time, by using the user history information, the content previously operated (viewed or the like) by the user can be excluded from the recommendation target. FIG. 8 shows a recommendation flowchart for content in this example.
[0055]
In FIG. 8, first, content recommendation is started in S81. In S82, user item-specific intention information on all item names of the target user is acquired from the user item-specific intention information storage management unit 104. In S83, with respect to the uncalculated item name, an item value having an appearance frequency equal to or greater than a preset threshold value is extracted with reference to the acquired user item-specific intention information. In S84, content information including the extracted item value as the value of the target item name is acquired from the metadata information storage management unit 102. In S85, it is determined whether there is another item name that has not been calculated. If there is an item name that has not been calculated, the process returns to S83, and if not, the process proceeds to S86. In S86, the content information extracted for each item name is compared, and the content extracted with many item names is preferentially recommended. In S87, the content recommendation ends.
[0056]
The system according to the first embodiment is roughly divided into “procedure for creating user item-oriented information, which is a characteristic level of a user, from user history information and metadata information”, and “procedure for performing content recommendation”. ]. The following briefly describes the implementation procedure for each.
[0057]
Regarding “Procedure for creating user item-specific intention information, which is a characteristic level of a user, from user history information and metadata information”, (1) user operation history is stored in user history information storage management unit 101 Have been. In addition, metadata information representing the content of the content is stored in the metadata information storage management unit 302. (2) The user item-specific intention information calculation unit 103 compares the user history information stored in the user history information storage management unit 101 with the metadata information stored in the metadata information storage management unit 102. Based on this, user item-specific intention information is calculated and stored in the user item-specific intention information storage management unit 104.
[0058]
Regarding the “procedure for performing content recommendation”, the content recommendation unit 107 stores and manages user item-oriented information stored and managed in the user item-oriented information storage unit 104 and the metadata information storage and management unit 102. The content is recommended based on the stored metadata information and the user history information stored and managed in the user history information storage management unit 101.
[0059]
As a modification of the first embodiment, a user history information storage management unit 101, a metadata information storage management unit 102, a user item-oriented information calculation unit 103, and a user item-oriented information shown in FIG. A system including a storage management unit 104, or a user history information storage management unit 101, a metadata information storage management unit 102, a user item-specific intention information calculation unit 103, and a user item-specific intention information storage management unit 104 shown in FIG. , And a content recommendation section 107. The content recommendation section 107 has a system for performing content recommendation based on user item-oriented information and metadata information.
[0060]
(2nd Embodiment)
FIG. 11 shows a system configuration of the second embodiment. The user history information storage management unit is realized as the user history information storage management unit 201. The metadata information storage management means is realized as the metadata information storage management unit 202. The user item-specific intention information calculation means is realized as the user item-specific intention information calculation unit 203. The user item-specific intention information storage management unit is realized as the user item-specific intention information storage management unit 204. The user item-specific intention distribution calculation means is realized as the user item-specific intention distribution calculation unit 205. The user item-oriented distribution storage management means is realized as the user item-oriented distribution storage management unit 206. The content recommendation unit is realized as the content recommendation unit 207. In the second embodiment, only portions different from the first embodiment will be described below.
[0061]
The user item-oriented distribution calculation unit 205 receives the user item-oriented information from the user item-oriented information storage management unit 204, calculates the user item-oriented distribution, and stores the user item-oriented orientation distribution storage / management unit. Pass the information to 206. FIG. 12 shows a flowchart of the user item-specific intention distribution calculation.
[0062]
In FIG. 12, first, in S121, the calculation of the intention distribution for each user item is started. At S122, attention is paid to user item-specific intention information. In S123, it is determined whether or not there is a change in the item-specific intention information of the target user. If there is a change, the process proceeds to S124, and if not, the process proceeds to S129. In S124, attention is paid to the changed item name. In S125, a graph (user ID = X: item name = Y) is created in which the abscissa represents “number of appearances” and the ordinate represents “item numerical value”. In S126, the user value of the user ID = X for each occurrence count is totaled with reference to the user item-by-user information table of the item name X, and plotted on a graph. In S127, it is determined whether there is another item name to be changed. If there is an item name to be changed, the process returns to S124. If not, the process proceeds to S128, and the calculation of the user-item-oriented distribution is terminated.
[0063]
The user item-oriented distribution storage management unit 206 stores and manages the user item-oriented distribution calculated by the user item-oriented distribution calculation unit 205. The storage management format of the user item-oriented distribution storage management unit 206 is not particularly limited, and may be, for example, a general relational database. FIGS. 13 and 14 show examples of storage formats and distribution diagrams of the user item-oriented distribution.
[0064]
In the content recommendation unit 207, user item-oriented information stored and managed in the user item-oriented information storage unit 204, and user item-oriented information stored and managed in the user item-oriented distribution storage management unit 206. The content is recommended based on the distribution, the metadata information stored and managed in the metadata borrowing information storage management unit 202, and the user history information stored and managed in the user history information storage management unit 201. . There are various methods for recommending content. As an example, the following method can be considered.
[0065]
First, for a target user, user item-oriented information and a user item-oriented distribution for a specific item name set in advance are stored in a user item-specific intention information storage management unit 204 and a user item, respectively. It is obtained from the separate-oriented distribution storage management unit 206. As in the first embodiment, the user item-oriented information and the item-oriented distribution acquired here can be considered as item values indicating the user's interest more as the number of appearances increases. Next, as shown in FIG. 15, a value (for example, mode) based on a statistical processing method is extracted from the acquired user item-oriented distribution, and the value is used as a threshold. Obtained from user item-oriented information. Finally, it is conceivable to obtain the content including the item value as the value of the target item name from the metadata information storage management unit 202 and make a recommendation. At this time, by using the user history information, the content previously operated (viewed or the like) by the user can be excluded from the recommendation target. FIG. 16 shows a flowchart of the content recommendation in this example.
[0066]
In FIG. 16, first, content recommendation is started in S161. In step S162, the user item-oriented distribution of the target user is acquired from the user item-oriented distribution storage management unit 206 for the preset item name. In S163, the mode value, which is the mode value, is extracted from the acquired user item-oriented distribution, and is set as a threshold value. In S164, the user item-oriented information of the target item name of the target user is acquired from the user item-oriented information storage management unit 204, and the item value of the number of appearances equal to or greater than the threshold is extracted. In S165, the content information including the item value as the value of the target item name is acquired from the metadata information storage management unit 202. In S166, the obtained content information is recommended to the user, and the process advances to S167 to end the content recommendation.
[0067]
As another example, the following method can be considered. First, for the target user, the user item-oriented information and the user item-oriented distribution for all item names are stored in the user item-oriented information storage manager 204 and the user item-oriented distribution storage manager 206, respectively. And get from. Next, for each item name, a value (for example, mode) based on a statistical processing method is extracted for each item from the user item-oriented distribution, and the value is used as a threshold. The item value is extracted, and the content including the item value as the value of the target item name is acquired from the metadata information storage management unit 202. It is also conceivable to compare the content groups extracted for each item name and preferentially recommend content hit by many item names. At this time, by using the user history information, the content previously operated (viewed or the like) by the user can be excluded from the recommendation target. FIG. 17 shows a flowchart of the content recommendation in this example.
[0068]
In FIG. 17, first, content recommendation is started in S171. In S <b> 172, the user item-oriented distribution for all the item names of the target user is acquired from the user item-oriented distribution storage unit 206. In S173, the number of appearances that is the final frequency value for each item name is extracted from the acquired user item-oriented distribution, and is set as a threshold value for each item name. In S 174, the user-information-oriented information of the target user is acquired from the user-item-oriented information storage unit 204 for the item that has not been calculated. In S175, with respect to the items that have not been calculated, the item values having the number of appearances equal to or greater than the preset threshold value are extracted with reference to the item-specific intention information of the user. In S176, the content information including the item value as the value of the target item name is acquired from the metadata information storage management unit 202. In S177, it is determined whether there is another item name that has not been calculated. If there is an item name that has not been calculated, the process returns to S174; otherwise, the process proceeds to S178. In S178, the content information extracted for each item name is compared, and the content information extracted with many item names is preferentially recommended. In S179, the content recommendation ends.
[0069]
The system according to the second embodiment is roughly divided into “procedure for creating user item-oriented information and user item-oriented distribution information from user history information and metadata information” and “procedure for executing content recommendation. ]. The following briefly describes the implementation procedure for each.
[0070]
Regarding “Procedure for creating user item-oriented information and user item-oriented distribution information from user history information and metadata information”, (1) user operation history is stored in user history information storage management unit 201 Has been accumulated. Also, metadata information representing the content of the content is stored in the metadata information storage management unit 202. (2) The user item-specific intention information calculation unit 203 compares the user history information stored in the user history information storage management unit 201 with the metadata information stored in the metadata information storage management unit 202. Based on this, user item-specific intention information is calculated and stored in the user item-specific intention information storage management unit 204. (3) The user item-oriented distribution calculation unit 205 acquires user item-oriented information from the user item-oriented information storage management unit 204, creates a user item-oriented distribution, and creates a user item-oriented orientation. The information is stored in the distribution storage unit 206.
[0071]
Regarding the “procedure for executing a content recommendation”, the content recommendation unit 207 stores the user-oriented information stored in the daily-oriented information storage unit 204 and the user-item-oriented distribution storage management unit 206. , The metadata distribution stored and managed in the metadata information storage management unit 202, and the user history stored and managed in the user history information storage management unit 201. Recommend content based on information.
[0072]
As a modification of the second embodiment, a user history information storage management unit 201, a metadata information storage management unit 202, a user item-specific intention information calculation unit 203, and a user item-specific intention information storage shown in FIG. A system including a management unit 204, a user item-oriented distribution calculation unit 205, and a user item-oriented distribution storage management unit 206, or a user history information storage administration unit 201 and a metadata information storage administration unit 202 shown in FIG. A user item-specific intention information calculation unit 203, a user item-specific intention information storage management unit 204, a user item-specific intention distribution calculation unit 205, a user item-specific intention distribution storage management unit 206, and a content recommendation unit 207. The content recommendation unit 207 performs content recommendation based on user item-oriented information, user item-oriented distribution, and metadata information. There is a system to carry out the command.
[0073]
(Third embodiment)
FIG. 20 shows a system configuration according to the third embodiment. The user history information storage management unit is realized as the user history information storage management unit 301. The metadata information storage management means is realized as the metadata information storage management unit 302. The user item-specific intention information calculation means is realized as a user item-specific intention information calculation unit 303. The user item-specific intention information storage management means is realized as a user item-specific intention information storage management unit 304. The user item-oriented distribution calculation means is realized as a user item-oriented distribution calculation unit 305. The user item-oriented distribution storage management means is realized as the user item-oriented distribution storage management unit 306. The item-by-item characteristic degree calculation unit is realized as the item-by-item characteristic degree calculation unit 307. The item-by-item characteristic degree storage management unit is realized as the item-by-item characteristic degree storage management unit 308. The content recommendation unit is realized as the content recommendation unit 309. In the third embodiment, only portions different from the second embodiment will be described below.
[0074]
The item-specific characteristic degree calculation unit 307 calculates the item-specific characteristic degree for each user based on the user item-oriented distribution stored and managed in the user item-oriented distribution storage management unit 306. FIG. 21 shows a flowchart of the item-specific feature level calculation.
[0075]
In FIG. 21, first, in S211 the calculation of the characteristic degree is started. In S212, it is determined whether or not the item-oriented distribution of the target user is changed. If there is a change, the process proceeds to S213, and if not, the process proceeds to S216. In S213, the distribution status of the user item-oriented distribution of the target user and the item-oriented distribution of the segments classified from a certain viewpoint or the entire user are compared by a certain statistical process. In S214, it is determined whether there is any other item name that has not been counted. If so, the process returns to S213; otherwise, the process proceeds to S215. In S215, the degree of bias for each item name obtained in the above flow is considered as the user's characteristic degree vector, and is stored in the item-specific characteristic degree storage management unit 308. In S216, the characteristic degree calculation ends.
[0076]
In addition, the expression for calculating the degree of characteristic used in this flowchart is based on statistical processing, and uses various methods such as “average”, “median value”, and “mode value” to calculate the difference between the calculated values. It can be used as it is, or a normalized value can be used. Here, an example of the relationship between the characteristic degree calculated based on the statistical processing and the degree of interest in the item name of the user is shown.
[0077]
For example, when an average value is used as the statistical processing method, if the average value of the user-oriented distribution of a certain user for a certain item name is significantly larger than the average value for the entire item name, This means that the item value of the item name of the content operated by the user overlaps more than the average of the user, and it can be predicted that the user is particular about the item. Therefore, it is considered that the recommendation based on the item name is effective. FIG. 22 shows an example of the relationship between the feature level of each item of the user (the relationship between the user and the average in the user item-oriented distribution) and the interest of the user. In FIG. 22, in pattern 1, the item values in this item overlap more than the user average. In other words, this item has particular attention, and it is effective to present information centering on this item. Further, in the pattern 2, the user average and the overlap of the item values in this item are the same. In other words, the commitment to this item is the average level. Further, in pattern 3, the overlap of the item values in this item is smaller than the user average. In other words, attention to this item is below the average level, and presentation of information based on this item is not effective.
[0078]
The item-by-item characteristic degree storage management unit 308 stores and manages the item-by-item characteristic degree calculated by the item-by-item characteristic degree calculation unit 307. The storage management format of the item-specific feature storage buried section 308 is not particularly limited, and may be, for example, a general relational database. In the third embodiment, a case where the data is stored in the relational database shown in FIG. 23 will be described as an example.
[0079]
In the content recommendation unit 309, user item-oriented information stored and managed in the user item-oriented information storage unit 304, item-specific feature degrees stored and managed in the item-specific feature storage management unit 308, and meta information The content is recommended based on the metadata information stored and managed in the data information storage management unit 302 and the user history information stored and managed in the user history information storage management unit 301. There are various methods for recommending content. As an example, in addition to the content recommendation shown in FIG. 16 of the second embodiment, it is conceivable to select a target item name for calculating the content to be recommended based on the value of the characteristic degree. FIG. 24 shows a flowchart of the content recommendation in this example.
[0080]
In FIG. 24, first, content recommendation is started in S241. In S <b> 242, the itemized characteristic degree of the target user is acquired from the itemized characteristic degree storage management unit 308. In S243, an item name as a recommendation axis is extracted from the acquired values of the item-specific feature degrees. In step S244, the user item-oriented distribution of the target user is acquired from the user item-oriented distribution storage management unit 306 for the extracted item name. In S245, the appearance frequency value that becomes the mode is extracted from the acquired user item-oriented distribution, and is set as a threshold value. In S246, the user-item-oriented information of the target item name of the target user is acquired from the user-item-oriented information management unit 304, and the item value of the occurrence count equal to or larger than the threshold is extracted. In S247, the content information including the item value as the value of the target item name is acquired from the metadata information storage management unit 302. In S248, the obtained content information is recommended to the user, and in S249, the content recommendation ends.
[0081]
As another example, as an improvement of the content recommendation shown in FIG. 17 of the second embodiment, instead of simply recommending content that hits with many item names, a characteristic degree is used as a coefficient for each item name. A method is also conceivable in which content that hits many item names with a large value of the degree of characteristic is preferentially recommended. FIG. 25 shows a flowchart of the content recommendation in this example.
[0082]
In FIG. 25, first, content recommendation is started in S251. In S <b> 252, the user item-oriented distribution of all the target users is obtained from the user item-oriented distribution storage unit 306. In S253, the number of appearances, which is the mode value for each item name, is extracted from the acquired user item-oriented distribution, and is set as a threshold value for each item name. In S 254, regarding the items that have not been calculated, the user item-oriented information of the target user is acquired from the user item-oriented information storage unit 304. In S255, with respect to the items that have not been calculated, item values having the number of appearances equal to or greater than a preset threshold value are extracted with reference to the item-oriented information of the user. In S256, the content information including the item value as the value of the target item name is acquired from the metadata information storage management unit 302. In S257, it is determined whether there is another item name that has not been calculated. If there is, the process returns to S254, and if not, the process proceeds to S258. In S <b> 258, the itemized characteristic degree of the target user is acquired from the itemized characteristic degree storage management unit 308. In S259, the content information extracted for each item name is compared, and the content extracted by the item name having the large item-by-item characteristic is recommended with higher priority. In S260, the content recommendation ends.
[0083]
The system described in the third embodiment is roughly divided into “procedure for creating user item-oriented information and user item-oriented distribution information from user history information and metadata information”, and “content recommendation”. Procedures to be implemented ”. The following briefly describes the implementation procedure for each.
[0084]
Regarding “Procedure for creating user item-oriented information and user item-oriented distribution information from user history information and metadata information”, (1) User operation history is stored in user history information storage section 301 Has been accumulated. Also, one piece of metadata information representing the content of the content is stored in the metadata information storage management unit 302. (2) The user item-specific intention information calculation unit 303 compares the user history information stored in the user history information storage management unit 301 with the metadata information stored in the metadata information storage management unit 302. Based on this, user item-specific intention information is calculated and stored in the user item-specific intention information storage management unit 304. (3) The user item-oriented distribution calculation unit 305 acquires the user item-oriented information from the user item-oriented information storage management unit 304, creates a user item-oriented distribution, and creates a user item-oriented. It is stored in the distribution storage unit 306. (4) The item-specific characteristic degree calculation unit 307 acquires the user item-specific intention distribution from the user item-specific intention distribution storage management unit 306, calculates the item-specific characteristic degree, and sets the item-specific characteristic degree storage management unit 308. Store.
[0085]
Regarding the “procedure for executing a content recommendation”, the content recommendation unit 309 stores and manages the user item-oriented information stored in the user item-oriented information storage unit 304 and the item-specific feature degree storage management unit 308. Item-based characteristic, metadata information stored and managed in the metadata information storage management unit 302, and user history information stored and managed in the user history loan information storage management unit 301. Conduct content recommendations.
[0086]
As a modification of the third embodiment, a user history information storage management unit 301, a metadata information storage management unit 302, a user item-specific intention information calculation unit 303, and a user item-specific intention information storage shown in FIG. FIG. 27 shows a system including a management unit 304, a user item-oriented distribution calculation unit 305, a user item-oriented distribution storage management unit 306, an item-based characteristic degree calculation unit 307, and an item-based characteristic degree storage management unit 308. User history information storage management unit 301, metadata information storage management unit 302, user item-oriented information calculation unit 303, user item-oriented information storage management unit 304, user item-oriented distribution calculation unit 305, usage User-oriented distribution storage management section 306, item-specific characteristic degree calculation section 307, item-specific characteristic degree storage management section 308, and content recommendation section 309. Tsu recommendation unit 309 is a system for implementing a user itemized oriented information, and user itemized features of the content recommendation based on the metadata information.
[0087]
(Fourth embodiment)
FIG. 28 shows a system configuration of the fourth embodiment. The user history information storage management means is realized as the user history loan information storage management unit 401. The metadata information storage management means is realized as the metadata information storage management unit 402. The user item-specific intention information calculation means is realized as the user item-specific intention information calculation unit 403. The user item-specific intention information storage management unit is realized as a user item-specific intention information storage management unit 404. The user item-oriented distribution calculation means is realized as the user item-oriented distribution calculation unit 405. The user item-oriented distribution storage management means is realized as the user item-oriented distribution storage management unit 406. The item-by-item characteristic degree calculation unit is realized as the item-by-item characteristic degree calculation unit 407. The item-by-item characteristic degree storage management unit is realized as the item-by-item characteristic degree storage management unit 408. The search axis recommendation unit is realized as the search axis recommendation unit 409. In the fourth embodiment, only portions different from the third embodiment will be described below.
[0088]
The search axis recommendation unit 409 recommends a search axis and a search function based on the item-by-item characteristic degree stored and managed in the item-by-item characteristic degree storage management unit 408. The recommendation of search axis and search function is to recommend a search axis specialized for items such as director search, actor search, and age search, and is based on axes such as recommended director content of this week and recommended actor content of this week. You can also consider the recommendation that was made. FIG. 29 shows a flowchart of the search axis recommendation.
[0089]
In FIG. 29, first, the search axis recommendation is started in S291. In step S292, the feature level of the target user is acquired from the item-specific feature level storage management unit 408. In S293, the search axis and the search function with the large characteristic degree are recommended, and the search axis recommendation is ended in S294.
[0090]
The system described in the fourth embodiment is roughly divided into “procedure for creating user item-oriented information and user item-oriented distribution information from user history information and metadata information”, and “search axis recommendation”. Procedure for implementing the process ”. Here, only portions different from the third embodiment will be described below.
[0091]
Regarding the “procedure for executing a search axis recommendation”, the search axis recommendation unit 409 recommends the search axis based on the item-specific feature degrees stored and managed in the item-specific feature degree storage management unit 408.
[0092]
In the present invention, a part or all of the processing functions of the system shown in FIGS. 1, 9, 10, 11, 18, 19, 20, 26, 27, and 28 are configured as a program and realized using a computer. In addition, the processing procedures shown in FIGS. 4, 7, 8, 12, 16, 17, 21, 24, 25, and 29 can be configured as a program and executed by a computer. Also, a computer-readable recording medium such as a flexible disk, an MO, a ROM, and a memory card may be used to execute a program for realizing the processing function of each unit in the computer or a program for causing the computer to execute the processing procedure. , A CD, a DVD, a removable disk, or the like, and can be stored or provided, and can be distributed via a communication network such as the Internet.
[0093]
【The invention's effect】
According to the present invention, in recommendation using metadata, (1) extraction of a feature for each individual search axis (item name), and (2) content recommendation based on a feature for each individual search axis (item name). (3) feature extraction for each individual search axis (item name) taking into account the operation distribution tendency of other users; (4) recommendation taking into account the operation distribution tendency of other users; 5) Search axis suitable for user, recommendation of search function, user feature extraction system, information recommendation system, information recommendation method, information recommendation method, program, and recording medium on which the program can be performed (1) to (5) Can be provided.
[Brief description of the drawings]
FIG. 1 is a system configuration diagram of a first embodiment.
FIG. 2 is a user history information table.
FIG. 3 is an example of metadata information.
FIG. 4 is a flowchart example of user item-specific intention information calculation.
FIG. 5 is a user item-specific intention information table.
FIG. 6 is an example of extracting recommendation item values.
FIG. 7 is a flowchart example of content recommendation.
FIG. 8 is a flowchart example of content recommendation.
FIG. 9 is a system configuration diagram of the first embodiment.
FIG. 10 is a system configuration diagram of the first embodiment.
FIG. 11 is a system configuration diagram of a second embodiment.
FIG. 12 is a flowchart of calculating a user item-oriented distribution.
FIG. 13 is a user item-oriented distribution table.
FIG. 14 is an intentional distribution by user item.
FIG. 15 is an example of item value extraction in content recommendation.
FIG. 16 is a flowchart example of a content recommendation.
FIG. 17 is a flowchart example of a content recommendation.
FIG. 18 is a system configuration diagram of the second embodiment.
FIG. 19 is a system configuration diagram of the second embodiment.
FIG. 20 is a system configuration diagram of a third embodiment.
FIG. 21 is a flowchart of characteristic degree calculation.
FIG. 22 is an example of a relationship between a feature level and a user interest level.
FIG. 23 is an item-by-item characteristic degree table.
FIG. 24 is a flowchart example of content recommendation.
FIG. 25 is a flowchart example of content recommendation.
FIG. 26 is a system configuration diagram of the third embodiment.
FIG. 27 is a system configuration diagram of the third embodiment.
FIG. 28 is a system configuration diagram of a fourth embodiment.
FIG. 29 is a flowchart of a search axis recommendation.
[Explanation of symbols]
101: User history information storage management unit
102: Metadata information storage management unit
103 ... user item-specific intention information calculation unit
104: User item-oriented information storage management unit
107: Content recommendation section
201: User history information storage management unit
202: Metadata information storage management unit
203: User item-oriented information calculation unit
204: intention information storage management unit by user item
205: User item-oriented distribution calculation unit
206: User item-oriented distribution storage management unit
207 ... Content recommendation section
301: User history information storage management unit
302: Metadata information storage management unit
303: User item-specific intention information calculation unit
304: User item oriented information storage management unit
305: User item-oriented distribution calculation unit
306: User item-oriented distribution storage management unit
307: item-specific feature degree calculation unit
308... Item-specific feature storage management unit
309 ... Content recommendation section
401: User history information storage management unit
402: Metadata information storage management unit
403: User item-specific intention information calculation unit
404: User item-oriented information storage management unit
405: User item-oriented distribution calculation unit
406: User item-oriented distribution storage management unit
407: item-specific feature degree calculation unit
408: Item-specific feature storage management unit
409: Search axis recommendation part

Claims (19)

利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、
コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、からなることを特徴とする利用者特徴抽出システム。User history information storage management means for storing and managing the content operation history of the user;
Metadata information storage management means for storing and managing content metadata information; operation history stored and managed by the user history information storage management means; and content management information stored and managed by the metadata information storage management means. User item-oriented information calculating means for calculating user-oriented information based on metadata information, and user item-oriented information calculated by the user item-oriented information calculating means are stored and managed. And a user item-specific intention information storage management means. 利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、
コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、
前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、
前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づきコンテンツのレコメンドを実施するコンテンツレコメンド手段と、からなることを特徴とする情報レコメンドシステム。User history information storage management means for storing and managing the content operation history of the user;
Metadata information storage management means for storing and managing content metadata information; operation history stored and managed by the user history information storage management means; and content management information stored and managed by the metadata information storage management means. User item-oriented information calculating means for calculating user-oriented information based on the metadata information;
User item-specific intention information storage management means for storing and managing the user item-specific intention information calculated by the user item-specific intention information calculation means;
Implementing a content recommendation based on user item-specific intention information stored and managed by the user item-specific intention information storage management unit and content metadata information stored and managed by the metadata information storage management unit An information recommendation system comprising: 前記請求項２に記載の情報レコメンドシステムにおいて、
前記コンテンツレコメンド手段は、前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報と、前記利用者履歴情報格納管理手段で格納管理されている利用者履歴情報とに基づきコンテンツのレコメンドを実施することを特徴とする情報レコメンドシステム。In the information recommendation system according to claim 2,
The content recommendation means, user item-oriented information stored and managed by the user item-oriented information storage management means, and metadata information of the content stored and managed by the metadata information storage management means, An information recommendation system for recommending content based on user history information stored and managed by the user history information storage management means. 利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、
コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、
前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、
前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、かなることを特徴とする利用者特徴抽出システム。User history information storage management means for storing and managing the content operation history of the user;
Metadata information storage management means for storing and managing content metadata information; operation history stored and managed by the user history information storage management means; and content management information stored and managed by the metadata information storage management means. User item-oriented information calculating means for calculating user-oriented information based on metadata information, and user item-oriented information calculated by the user item-oriented information calculating means are stored and managed. User item-oriented information storage management means
User item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the user item-oriented information storage managing means;
A user item-oriented distribution storage managing means for storing and managing the user item-oriented distribution calculated by the user item-oriented distribution calculating means; 利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、
コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、
前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、
前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、
前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別分布と、前記メタデータ情報格納管理手段で格納管理されているメタデータ情報とに基づいてコンテンツのレコメンドを実施するコンテンツレコメンド手段と、からなることを特徴とする情報レコメンドシステム。User history information storage management means for storing and managing the content operation history of the user;
Metadata information storage management means for storing and managing content metadata information; operation history stored and managed by the user history information storage management means; and content management information stored and managed by the metadata information storage management means. User item-oriented information calculating means for calculating user-oriented information based on metadata information, and user item-oriented information calculated by the user item-oriented information calculating means are stored and managed. User item-oriented information storage management means
User item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the user item-oriented information storage managing means;
User item-oriented distribution storage managing means for storing and managing the user item-oriented distribution calculated by the user item-oriented distribution calculating means;
User item intention information stored and managed by the user item intention information storage management means, user item distribution stored and managed by the user item intention distribution storage management means, and the metadata An information recommendation system, comprising: content recommendation means for performing content recommendation based on metadata information stored and managed by the information storage management means. 前記請求項５に記載の情報レコメンドシステムにおいて、
前記コンテンツレコメンド手段は、前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別分布と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報と、前記利用者履歴情報格納管理手段で格納管理されている利用者履歴情報とに基づいてコンテンツのレコメンドを実施することを特徴とする情報レコメンドシステム。The information recommendation system according to claim 5,
The content recommendation means comprises user item-oriented information stored and managed by the user item-oriented information storage management means, and user item-oriented information stored and managed by the user item-oriented distribution storage management means. Implementing a content recommendation based on the distribution, the metadata information of the content stored and managed by the metadata information storage management means, and the user history information stored and managed by the user history information storage management means An information recommendation system characterized by: 利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、
コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、
前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、
前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、
前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別志向分布に基づいて利用者の項目別特徴度を算出する項目別特徴度算出手段と、
前記項目別特徴度算出手段で算出された利用者の項目別特徴度を格納管理する項目別特徴度格納管理手段と、からなることを特徴とする利用者特徴抽出システム。User history information storage management means for storing and managing the content operation history of the user;
Metadata information storage management means for storing and managing content metadata information; operation history stored and managed by the user history information storage management means; and content management information stored and managed by the metadata information storage management means. User item-oriented information calculating means for calculating user-oriented information based on metadata information, and user item-oriented information calculated by the user item-oriented information calculating means are stored and managed. User item-oriented information storage management means
User item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the user item-oriented information storage managing means;
User item-oriented distribution storage managing means for storing and managing the user item-oriented distribution calculated by the user item-oriented distribution calculating means;
An item-by-item characteristic degree calculating unit that calculates an item-by-item characteristic degree of a user based on the user item-by-user-oriented distribution stored and managed by the user item-by-user-oriented distribution storage managing unit;
A user-specific feature level storage management means for storing and managing the user-specific feature levels calculated by the item-specific feature level calculation means. 利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、
コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、
前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、
前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、
前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別志向分布に基づいて利用者の項目別特徴度を算出する項目別特徴度算出手段と、
前記項目別特徴度算出手段で算出された利用者の項目別特徴度を格納管理する項目別特徴度格納管理手段と、
前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記項目別特徴度格納管理手段で格納管理されている利用者項目別特徴度と、前記メタデータ情報格納管理手段で格納管理されているメタデータ情報とに基づいてコンテンツのレコメンドを実施するコンテンツレコメンド手段と、からなることを特徴とする情報レコメンドシステム。User history information storage management means for storing and managing the content operation history of the user;
Metadata information storage management means for storing and managing content metadata information; operation history stored and managed by the user history information storage management means; and content management information stored and managed by the metadata information storage management means. User item-oriented information calculating means for calculating user-oriented information based on metadata information, and user item-oriented information calculated by the user item-oriented information calculating means are stored and managed. User item-oriented information storage management means
User item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the user item-oriented information storage managing means;
User item-oriented distribution storage managing means for storing and managing the user item-oriented distribution calculated by the user item-oriented distribution calculating means;
An item-by-item characteristic degree calculating unit that calculates an item-by-item characteristic degree of a user based on the user item-by-user-oriented distribution stored and managed by the user item-by-user-oriented distribution storage managing unit;
Item-by-item characteristic degree storage management means for storing and managing the user-specific characteristic degrees calculated by the item-by-item characteristic degree calculation means;
User item-oriented information stored and managed by the user-item-oriented information storage management means; user-item-specific characteristic degrees stored and managed by the item-specific characteristic degree storage management means; and the metadata information An information recommendation system, comprising: content recommendation means for performing content recommendation based on metadata information stored and managed by the storage management means. 前記請求項８に記載の情報レコメンドシステムにおいて、
前記コンテンツレコメンド手段は、前記利用者項目別志向情報格納管理手段で格納管理されている利用者項目別志向情報と、前記項目別特徴度格納管理手段で格納管理されている利用者項目別特徴度と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報と、前記利用者履歴情報格納管理手段で格納管理されている利用者履歴情報とに基づいてコンテンツのレコメンドを実施することを特徴とする情報レコメンドシステム。In the information recommendation system according to claim 8,
The content recommendation means includes user item intention information stored and managed by the user item intention information storage management means, and user item characteristic degrees stored and managed by the item characteristic degree storage management means. And recommending the content based on the metadata information of the content stored and managed by the metadata information storage management means and the user history information stored and managed by the user history information storage management means. An information recommendation system characterized by the following. 利用者のコンテンツ操作履歴を格納管理する利用者履歴情報格納管理手段と、
コンテンツのメタデータ情報を格納管理するメタデータ情報格納管理手段と、前記利用者履歴情報格納管理手段で格納管理されている操作履歴と、前記メタデータ情報格納管理手段で格納管理されているコンテンツのメタデータ情報とに基づき、利用者の項目別志向情報を算出する利用者項目別志向情報算出手段と、前記利用者項目別志向情報算出手段で算出された利用者の項目別志向情報を格納管理する利用者項目別志向情報格納管理手段と、
前記利用者項目別志向情報格納管理手段で格納管理されている利用者の項目別志向情報に基づき利用者項目別志向分布を作成する利用者項目別志向分布算出手段と、
前記利用者項目別志向分布算出手段で算出された利用者項目別志向分布を格納管理する利用者項目別志向分布格納管理手段と、
前記利用者項目別志向分布格納管理手段で格納管理されている利用者項目別志向分布に基づいて利用者の項目別特徴度を算出する項目別特徴度算出手段と、
前記項目別特徴度算出手段で算出された利用者の項目別特徴度を格納管理する項目別特徴度格納管理手段と、
前記項目別特徴度格納管理手段で格納管理されている利用者項目別特徴度に基づいて検索軸のレコメンドを実施する検索軸レコメンド手段と、からなることを特徴とする情報レコメンドシステム。User history information storage management means for storing and managing the content operation history of the user;
Metadata information storage management means for storing and managing content metadata information; operation history stored and managed by the user history information storage management means; and content management information stored and managed by the metadata information storage management means. User item-oriented information calculating means for calculating user-oriented information based on metadata information, and user item-oriented information calculated by the user item-oriented information calculating means are stored and managed. User item-oriented information storage management means
User item-oriented distribution calculating means for creating a user item-oriented distribution based on user item-oriented information stored and managed by the user item-oriented information storage managing means;
User item-oriented distribution storage managing means for storing and managing the user item-oriented distribution calculated by the user item-oriented distribution calculating means;
An item-by-item characteristic degree calculating unit that calculates an item-by-item characteristic degree of a user based on the user item-by-user-oriented distribution stored and managed by the user item-by-user-oriented distribution storage managing unit;
Item-by-item characteristic degree storage management means for storing and managing the user-specific characteristic degrees calculated by the item-by-item characteristic degree calculation means;
An information recommendation system comprising: search axis recommendation means for performing a recommendation of a search axis based on a user item characteristic degree stored and managed by the item-specific characteristic degree storage management means. コンテンツレコメンド手段が、予め設定されている項目名に関して利用者項目別志向情報格納管理手段から対象としている利用者の利用者項目別志向情報を取得する第１ステップと、
コンテンツレコメンド手段が、取得した利用者項目別志向情報を参照し、その項目名に関して予め設定しておいた閾値以上の出現回数の項目値を抽出する第２ステップと、
コンテンツレコメンド手段が、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第３ステップと、
コンテンツレコメンド手段が、取得したコンテンツ情報を利用者にレコメンドする第４ステップと、からなることを特徴とする情報レコメンド方法。A first step in which the content recommendation means obtains user item-oriented information of a target user from the user item-oriented information storage management means with respect to a preset item name;
A second step in which the content recommendation means refers to the acquired user item-specific intention information and extracts an item value having an appearance count equal to or greater than a preset threshold value for the item name;
A third step in which the content recommendation unit acquires content information including the item value as a value of the target item name from the metadata information storage management unit;
An information recommendation method, comprising: a fourth step in which the content recommendation means recommends the acquired content information to the user. コンテンツレコメンド手段が、利用者項目別志向情報格納管理手段から対象としている利用者の全ての項目名に関する利用者項目別志向情報を取得する第１ステップと、
コンテンツレコメンド手段が、算出していない項目名に関して予め設定しておいた閾値以上の出現回数を持つ項目値を取得した利用者項目別志向情報を参照し抽出する第２ステップと、
コンテンツレコメンド手段が、抽出された項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第３ステップと、
コンテンツレコメンド手段が、他に算出していない項目名があるかを判断し、算出していない項目名がある場合には第２ステップに戻り、算出していない項目名が無い場合には第５ステップに進むことを決定する第４ステップと、
コンテンツレコメンド手段が、各項目名毎に抽出されたコンテンツ情報を比較し、多くの項目名で抽出されているコンテンツを優先的にレコメンドする第５ステップと、からなることを特徴とする情報レコメンド方法。A first step in which the content recommendation means obtains user item-oriented information on all item names of the target user from the user item-oriented information storage management means;
A second step in which the content recommendation means refers to and extracts user item-specific intention information that has acquired an item value having an appearance count greater than or equal to a preset threshold value for an uncalculated item name,
A third step in which the content recommendation unit acquires from the metadata information storage management unit content information including the extracted item value as a value of the target item name;
The content recommendation unit determines whether there is any other item name that has not been calculated. If there is any item name that has not been calculated, the process returns to the second step. A fourth step of deciding to proceed to a step;
A content recommendation means for comparing content information extracted for each item name, and recommending content extracted with many item names preferentially, a fifth step of preferentially recommending the content information. . コンテンツレコメンド手段が、予め設定されている項目名に関して利用者項目別志向分布格納管理手段から対象としている利用者の利用者項目別志向分布を取得する第１ステップと、
コンテンツレコメンド手段が、取得した利用者項目別志向分布から最頻値となる出現回数値を抽出し閾値とする第２ステップと、
コンテンツレコメンド手段が、利用者項目別志向情報格納管理手段から対象利用者の対象項目名の利用者項目別志向情報を取得し閾値以上の出現回数の項目値を抽出する第３ステップと、
コンテンツレコメンド手段が、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第４ステップと、
コンテンツレコメンド手段が、取得したコンテンツ情報を利用者にレコメンドする第５ステップと、からなることを特徴とする情報レコメンド方法。A first step in which the content recommendation unit obtains a user item-oriented distribution of a target user from the user item-oriented distribution storage management unit with respect to a preset item name;
A second step in which the content recommendation means extracts a mode value, which is a mode value, from the acquired user item-oriented distribution and sets the value as a threshold value;
A third step in which the content recommendation means obtains user item-specific intention information of the target item name of the target user from the user item-specific intention information storage management means, and extracts an item value having an appearance count equal to or greater than a threshold value;
A fourth step in which the content recommendation unit acquires content information including the item value as a value of the target item name from the metadata information storage management unit;
An information recommendation method, comprising: a fifth step in which the content recommendation means recommends the acquired content information to the user. コンテンツレコメンド手段が、利用者項目別志向分布格納手段から対象としている利用者の全ての項目名に関する利用者項目別志向分布を取得する第１ステップと、
コンテンツレコメンド手段が、取得した利用者項目別志向分布から項目名毎の最終頻度値となる出現回数を抽出し、夫々の項目名の閾値とする第２ステップと、
コンテンツレコメンド手段が、算出していない項目に関して利用者項目別志向情報格納手段から対象としている利用者の利用者項目別志向情報を取得する第３ステップと、
コンテンツレコメンド手段が、算出していない項目に関して予め設定しておいた閾値以上の出現回数を持つ項目値を利用者の項目別志向情報を参照し抽出する第４ステップと、
コンテンツレコメンド手段が、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第５ステップと、
コンテンツレコメンド手段が、他に算出していない項目名があるかを判断し、算出していない項目名がある場合には第３ステップに戻り、算出していない項目名が無い場合には第７ステップに進むことを決定する第６ステップと、
コンテンツレコメンド手段が、各項目名毎に抽出されたコンテンツ情報を比較し、多くの項目名で抽出されるコンテンツ情報を優先的にレコメンドする第７ステップと、からなることを特徴とする情報レコメンド方法。A first step in which the content recommendation means obtains a user item-oriented distribution for all item names of the target user from the user item-oriented distribution storage means;
A second step in which the content recommendation means extracts the number of appearances that is the final frequency value for each item name from the acquired user item-oriented distribution, and sets a threshold value for each item name;
A third step in which the content recommendation unit obtains user item-oriented information of the target user from the user item-oriented information storage unit for items that have not been calculated;
A fourth step in which the content recommendation means extracts an item value having an appearance count equal to or greater than a preset threshold value for an uncalculated item by referring to the item-specific intention information of the user;
A fifth step in which the content recommendation unit acquires content information including the item value as a value of the target item name from the metadata information storage management unit;
The content recommendation unit determines whether there is another item name that has not been calculated. If there is an item name that has not been calculated, the process returns to the third step. A sixth step of deciding to proceed to a step;
A seventh step of comparing the content information extracted for each item name by the content recommendation means and preferentially recommending the content information extracted by many item names. . コンテンツレコメンド手段が、項目別特徴度格納管理手段から対象としている利用者の項目別特徴度を取得する第１ステップと、
コンテンツレコメンド手段が、取得した項目別特徴度の値からレコメンドの軸とする項目名を抽出する第２ステップと、
コンテンツレコメンド手段が、抽出した項目名に関して利用者項目別志向分布格納管理手段から対象としている利用者の利用者項目別志向分布を取得する第３ステップと、
コンテンツレコメンド手段が、取得した利用者項目別志向分布から最頻値となる出現回数値を抽出し閾値とする第４ステップと、
コンテンツレコメンド手段が、利用者項目別志向情報管理手段から対象利用者の対象項目名の利用者項目別志向情報を取得し閾値以上の出現回数の項目値を抽出する第５ステップと、
コンテンツレコメンド手段が、その項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第６ステップと、
コンテンツレコメンド手段が、取得したコンテンツ情報を利用者にレコメンドする第７ステップと、からなることを特徴とする情報レコメンド方法。A first step in which the content recommendation means obtains the item-specific characteristic of the target user from the item-specific characteristic storage management means;
A second step in which the content recommendation means extracts an item name as an axis of the recommendation from the acquired value of the characteristic degree for each item;
A third step in which the content recommendation means obtains the user item-oriented distribution of the target user from the user item-oriented distribution storage management means with respect to the extracted item name;
A fourth step in which the content recommendation means extracts a mode value, which is the mode, from the acquired user item-oriented distribution, and sets the frequency as a threshold value;
A fifth step in which the content recommendation means obtains user item-oriented information of the target item name of the target user from the user item-specific intention information management means, and extracts an item value having an appearance count equal to or greater than a threshold value;
A sixth step in which the content recommending means obtains content information including the item value as a value of the target item name from the metadata information storage management means;
An information recommendation method, comprising: a seventh step in which the content recommendation means recommends the acquired content information to the user. コンテンツレコメンド手段が、利用者項目別志向分布格納手段から対象としている利用者全ての項目名に関する利用者項目別志向分布を取得する第１ステップと、
コンテンツレコメンド手段が、取得した利用者項目別志向分布から項目名毎の最頻値となる出現回数を抽出し夫々の項目名の閾値とする第２ステップと、
コンテンツレコメンド手段が、算出していない項目に関して利用者項目別志向情報格納手段から対象としている利用者の利用者項目別志向情報を取得する第３ステップと、
コンテンツレコメンド手段が、算出していない項目に関して予め設定しておいた閾値以上の出現回数を持つ項目値を利用者の項目別志向情報を参照し抽出する第４ステップと、
コンテンツレコメンド手段が、前記項目値を対象項目名の値として含むコンテンツ情報をメタデータ情報格納管理手段から取得する第５ステップと、
コンテンツレコメンド手段が、他に算出していない項目名があるかを判断し、他に算出していない項目名がある場合には第３ステップに戻り、他に算出していない項目名が無い場合には第７ステップに進むことを決定する第６ステップと、コンテンツレコメンド手段が、項目別特徴度格納管理手段から対象としている利用者の項目別特徴度を取得する第７ステップと、
コンテンツレコメンド手段が、各項目名毎に抽出されたコンテンツ情報を比較し、項目別特徴度の大きな項目名でより抽出されているコンテンツを優先的にレコメンドする第８ステップと、からなることを特徴とする情報レコメンド方法。A first step in which the content recommendation means obtains a user item-oriented distribution for all of the target users' item names from the user item-oriented distribution storage means;
A second step in which the content recommendation means extracts the number of appearances, which is the most frequent value for each item name, from the acquired user item-oriented distribution and sets it as a threshold value of each item name;
A third step in which the content recommendation unit obtains user item-oriented information of the target user from the user item-oriented information storage unit for items that have not been calculated;
A fourth step in which the content recommendation means extracts an item value having an appearance count equal to or greater than a preset threshold value for an uncalculated item by referring to the item-specific intention information of the user;
A fifth step in which the content recommendation unit acquires content information including the item value as a value of the target item name from the metadata information storage management unit;
The content recommendation unit determines whether there is any other item name that has not been calculated. If there is another item name that has not been calculated, the process returns to the third step. If there is no other item name that has not been calculated, A sixth step of deciding to proceed to a seventh step, and a seventh step in which the content recommendation means obtains the item-specific characteristic of the target user from the item-specific characteristic storage management means,
An eighth step in which the content recommendation means compares the content information extracted for each item name, and preferentially recommends the content extracted by the item name having a large item-by-item characteristic degree. Information recommendation method to be. 検索軸レコメンド手段が、対象としている利用者の特徴度を項目別特徴度格納管理手段から取得する第１ステップと、
検索軸レコメンド手段が、取得した特徴度の中で特徴度の大きい検索軸、検索機能をレコメンドする第２ステップと、からなることを特徴とする情報レコメンド方法。A first step in which the search axis recommendation means obtains the characteristic degree of the target user from the item-specific characteristic degree storage management means;
An information recommendation method, characterized in that the search axis recommendation means comprises: a search axis having a large feature level among the acquired feature levels; and a second step of recommending a search function. 前記請求項１乃至１７に記載の、利用者特徴抽出システム、情報レコメンドシステム、または情報レコメンド方法を、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。18. A program, wherein the user feature extraction system, the information recommendation system, or the information recommendation method according to any one of claims 1 to 17 is described in a computer program so as to be executable. 前記請求項１乃至１７に記載の、利用者特徴抽出システム、情報レコメンドシステム、または情報レコメンド方法を、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。18. A recording medium on which is recorded a program in which the user characteristic extraction system, the information recommendation system, or the information recommendation method according to any one of claims 1 to 17 is executable by a computer.
JP2003156159A 2003-06-02 2003-06-02 User characteristic extracting system, information recommend system, information recommend method, program and recording medium with its program recorded Pending JP2004362011A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2003156159A JP2004362011A (en) 2003-06-02 2003-06-02 User characteristic extracting system, information recommend system, information recommend method, program and recording medium with its program recorded

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2003156159A JP2004362011A (en) 2003-06-02 2003-06-02 User characteristic extracting system, information recommend system, information recommend method, program and recording medium with its program recorded

Publications (1)

Publication Number Publication Date
JP2004362011A true JP2004362011A (en) 2004-12-24

Family

ID=34050328

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003156159A Pending JP2004362011A (en) 2003-06-02 2003-06-02 User characteristic extracting system, information recommend system, information recommend method, program and recording medium with its program recorded

Country Status (1)

Country Link
JP (1) JP2004362011A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006285607A (en) * 2005-03-31 2006-10-19 Sony Corp Content information providing system, content information providing server, content reproducing unit, content information providing method, content reproducing method, and computer program
EP2091018A1 (en) 2008-02-12 2009-08-19 Scigineer, Inc. Information-processing apparatus, Information-processing method, and computer-readable storage medium
JP2012014659A (en) * 2010-07-05 2012-01-19 Ntt Communications Corp Recommendation device, recommendation method, and program
US8700489B2 (en) 2007-01-17 2014-04-15 Scigineer, Inc. Apparatuses and method for recommending items based on determined trend leaders and trend followers

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006285607A (en) * 2005-03-31 2006-10-19 Sony Corp Content information providing system, content information providing server, content reproducing unit, content information providing method, content reproducing method, and computer program
US7933837B2 (en) 2005-03-31 2011-04-26 Sony Corporation Content information providing system, content information providing server, content reproduction apparatus, content information providing method, content reproduction method and computer program
US8700489B2 (en) 2007-01-17 2014-04-15 Scigineer, Inc. Apparatuses and method for recommending items based on determined trend leaders and trend followers
EP2091018A1 (en) 2008-02-12 2009-08-19 Scigineer, Inc. Information-processing apparatus, Information-processing method, and computer-readable storage medium
US8090716B2 (en) 2008-02-12 2012-01-03 Scigineer, Inc. Information-processing apparatus, information-processing method, and computer-readable storage medium
JP2012014659A (en) * 2010-07-05 2012-01-19 Ntt Communications Corp Recommendation device, recommendation method, and program

Similar Documents

Publication Publication Date Title
US10621204B2 (en) Business application publication
Blanco-Fernández et al. A flexible semantic inference methodology to reason about user preferences in knowledge-based recommender systems
US8200667B2 (en) Method and apparatus for constructing user profile using content tag, and method for content recommendation using the constructed user profile
US11361015B2 (en) Apparatus and method for clipping and sharing content at a portable terminal
JP4752623B2 (en) Information processing apparatus, information processing method, and program
US9171272B2 (en) Automated generation of analytic and visual behavior
CN104813256A (en) Gathering and organizing content distributed via social media
CN103279513A (en) Method for generating content label and method and device for providing multi-media content information
EP1200902A2 (en) Methods and system for generating automated alternative content recommendations
EP1909194A1 (en) Information processing device, feature extraction method, recording medium, and program
CN102473180A (en) Reception device
US10410273B1 (en) Artificial intelligence based identification of item attributes associated with negative user sentiment
CN104641371A (en) Context-based object retrieval in a social networking system
Simou et al. Image indexing and retrieval using expressive fuzzy description logics
CN100472517C (en) Media file playing system and method
US9218416B2 (en) Method for forming database on basis of relationship between video data, and database formation system
JPH09265482A (en) Database retrieval device and database retrieval method
US20180196806A1 (en) Hashtag-playlist content sequence management
US9720997B2 (en) Method and apparatus for prioritizing metadata
JP2008146147A (en) Information presentation device, information presentation method, and information presentment program
JP2004362011A (en) User characteristic extracting system, information recommend system, information recommend method, program and recording medium with its program recorded
KR101377737B1 (en) Storage profile generation for network-connected portable storage devices
WO2021171099A2 (en) Method for atomically tracking and storing video segments in multi-segment audio-video compositions
JP2005293384A (en) Content recommendation system, method and content recommendation program
US20130021322A1 (en) Visual ontological system for social community