JP5205895B2 - 情報推奨装置 - Google Patents

情報推奨装置 Download PDF

Info

Publication number
JP5205895B2
JP5205895B2 JP2007247950A JP2007247950A JP5205895B2 JP 5205895 B2 JP5205895 B2 JP 5205895B2 JP 2007247950 A JP2007247950 A JP 2007247950A JP 2007247950 A JP2007247950 A JP 2007247950A JP 5205895 B2 JP5205895 B2 JP 5205895B2
Authority
JP
Japan
Prior art keywords
information
recommendation
recommended
program
search index
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.)
Expired - Fee Related
Application number
JP2007247950A
Other languages
English (en)
Other versions
JP2009080574A (ja
Inventor
彰 烏谷
高弘 松田
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2007247950A priority Critical patent/JP5205895B2/ja
Priority to US12/236,197 priority patent/US20090083796A1/en
Publication of JP2009080574A publication Critical patent/JP2009080574A/ja
Application granted granted Critical
Publication of JP5205895B2 publication Critical patent/JP5205895B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/414—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance
    • H04N21/4143—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance embedded in a Personal Computer [PC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4828—End-user interface for program selection for searching program descriptors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/84—Generation or processing of descriptive data, e.g. content descriptors
    • H04N21/8405—Generation or processing of descriptive data, e.g. content descriptors represented by keywords

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Social Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Description

この発明は、過去にユーザの操作対象となった操作情報の検索インデックスから生成されたユーザの嗜好に基づき推奨情報を表示する情報推奨装置に関し、特に、視聴推奨番組と推奨理由との関連性を明確にし、視聴推奨番組の検索に利用されるユーザの嗜好をユーザ自身が効率よく調整可能とする情報推奨装置に関するものである。
近年、ＴＶや動画を視聴可能なＰＣ（Personal Computer）やＰＶＲ（ＨＤＤやＤＶＤ搭載の録画装置、Personal Video Recorder）などの情報機器において、簡単に番組を視聴・録画するために、ユーザの嗜好を用いて番組を検索する機能が提案されている。この機能は、情報機器がユーザの嗜好を検索条件に用いて電子番組表（ＥＰＧ；Electric Program Guide）などを検索し、ユーザが好む番組を探す機能である。
ユーザの嗜好は、情報機器がユーザの操作履歴を分析して抽出する。例えば、情報機器は、ユーザが頻繁に録画・再生する番組からキーワードや放送時間帯などの共通する情報を抽出して、ユーザの嗜好に用いている。情報機器は、ユーザの嗜好を基にして検索した番組をユーザへの視聴推奨番組として提示したり、自動的に録画したりしている。
ところで、ユーザの嗜好を用いた番組検索では、番組が検索された理由（推奨理由）を知りたいという要求があった。なぜなら、ユーザの嗜好を用いた番組検索では、ユーザ自身が番組検索の条件を設定していないため、なぜ、視聴推奨番組が検索されたのかを理解することができないためである。また、ユーザが視聴推奨番組を初めて視聴する場合であっても、推奨理由を参照することにより、視聴推奨番組の内容を類推することができるからである。
図２７および図２８は、従来の情報機器が表示する推奨理由の表示例を示す図である。同図に示すように、従来技術では、ユーザの嗜好の分析に用いた録画された番組や再生された番組の一覧（操作履歴の一覧；図２７参照）を表示したり、視聴推奨番組として検索した番組に含まれる主なキーワードを表示する方法（図２８参照）が用いられている（非特許文献１、非特許文献２等参照）。例えば、図２８において、視聴推奨番組として表示する「どんと曇り」には、キーワード「ドラマ、晴れ、大杉」が含まれる旨の情報が表示されている。
また、特許文献１には、ユーザの操作履歴から生成したユーザの嗜好に基づき決定した視聴推奨番組の推奨理由として、嗜好を構成する属性要素（放送局、ジャンル、出演者など）と点数を出力するとともに、推奨理由として出力した嗜好を構成する属性情報の削除入力に基づき嗜好を構成する属性要素の値を変更するという技術が公開されている。
特開２００４−３５５３４０号公報 "テレビ王国"、［online］、［平成１９年９月１２日検索］、インターネット＜ＵＲＬ：http://tv.so-net.ne.jp＞ 松下電器産業株式会社、"ＶＩＥＲＡ"、［online］、［平成１９年９月１２日検索］、インターネット＜ＵＲＬ：http://www.viera.jp/＞
しかしながら、上述した従来の技術では、視聴推奨番組と推奨理由との関連性が不明確であるため、視聴推奨番組の検索に利用されたユーザの嗜好（情報機器が分析したユーザの嗜好）をユーザ自身が調整しづらいという問題があった。
この発明は、上述した従来技術による問題点を解消するためになされたものであり、視聴推奨番組と推奨理由との関連性を明確にし、視聴推奨番組の検索に利用されるユーザの嗜好をユーザ自身が効率よく調整可能とする装置を提供することを目的とする。
上述した課題を解決し、目的を達成するため、本発明は、過去にユーザの操作対象となった操作情報の検索インデックスから生成されたユーザの嗜好に基づき推奨情報を表示する情報推奨装置であって、前記推奨情報の検索インデックスと前記操作情報の検索インデックスとを基に、該推奨情報と該操作情報との類似度を算出する類似度算出手段と、前記類似度算出手段で算出した類似度が所定の条件を満たす、前記操作情報を前記推奨情報の推奨理由として出力する出力手段と、を備えたことを特徴とする。
また、本発明は、上記発明において、前記出力手段で前記推奨情報の推奨理由として出力した、操作情報に対するユーザからの評価の増減入力に基づき、該評価を受けた情報の、前記ユーザの嗜好に与える影響度を増減するフィードバック手段を更に備えたことを特徴とする。
また、本発明は、上記発明において、前記類似度算出手段は、前記操作情報から、前記推奨情報に含まれるキーワードを所定数以上含む操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする。
また、本発明は、上記発明において、前記類似度算出手段は、前記操作情報から、操作日時が所定の日時以内となる操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする。
また、本発明は、上記発明において、前記類似度算出手段は、前記操作情報から、操作情報に対する操作内容が所定の操作内容パターンを満たす操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする。
また、本発明は、上記発明において、前記推奨情報に含まれるキーワードおよび該キーワードの要素値と、前記推奨理由に含まれるキーワードおよび該キーワードの要素値とを抽出し、抽出したキーワードのうち、同じキーワードの要素値をそれぞれ足し合わせた結果が所定値以上となるキーワードを前記推奨理由のキーワードとして抽出するキーワード抽出手段を更に備えたことを特徴とする。
また、本発明は、上記発明において、前記推奨理由の内容をそれぞれ比較し、重複する推奨理由の内容を取り除く重複削除手段を更に備えたことを特徴とする。
また、本発明は、上記発明において、前記類似度算出手段は、前記推奨情報の検索インデックスとなるベクトルと前記操作情報の検索インデックスとなるベクトルとを生成し、生成したベクトル同士の内積を前記類似度として算出することを特徴とする。
本発明によれば、各番組に対応する検索インデックスを生成し、視聴推奨番組の検索インデックスと操作情報の検索インデックスとを基にして推奨情報（おすすめ番組）と操作情報との類似度を算出し、算出した類似度が所定の条件を満たす、操作情報を推奨情報の推奨理由（おすすめ理由）として出力するので、算出した類似度を利用することにより、推奨理由が推奨情報に与える影響を明確に示すことができる。
また、本発明によれば、操作情報に対するユーザの評価の増減入力に基づき、評価を受けた情報の、ユーザの嗜好に与える影響度を増減するので、推奨情報の検索に利用されるユーザの嗜好をユーザ自身が効率よく調整することができる。
また、本発明によれば、操作情報から、推奨情報に含まれるキーワードを所定数以上含む操作情報を抽出し、抽出した操作情報の検索インデックスと推奨情報の検索インデックスとの類似度を算出するので、類似度算出対象の数を減らし、処理負荷を軽減させることができる。
また、本発明によれば、操作情報から、操作日時が所定の日時以内となる操作情報を抽出し、抽出した操作情報の検索インデックスと推奨情報の検索インデックスとの類似度を算出するので、類似度算出対象の数を減らし、処理負荷を軽減させることができる。
また、本発明によれば、操作情報から、操作情報に対する操作内容が所定の操作内容パターンを満たす操作情報を抽出し、抽出した操作情報の検索インデックスと推奨情報の検索インデックスとの類似度を算出するので、類似度算出対象の数を減らし、処理負荷を軽減させることができる。
また、本発明によれば、推奨情報に含まれるキーワードおよび該キーワードの要素値と、推奨理由に含まれるキーワードおよび該キーワードの要素値とを抽出し、抽出したキーワードのうち、同じキーワードの要素値をそれぞれ足し合わせた結果が所定値以上となるキーワードを推奨理由のキーワードとして抽出するので、推奨理由に影響をおよぼすキーワードを抽出することができる。また、ユーザは、掛け合わせた結果を参照することにより、キーワードが推奨理由におよぼす影響度の度合いを知ることができる。
また、本発明によれば、推奨理由の内容をそれぞれ比較し、重複する推奨理由の内容を取り除くので、同じ推奨理由が表示されることを防止することができる。これにより、推奨理由の表示件数が限られている場合に、多様な推奨理由を表示することができる。
また、本発明によれば、推奨情報の検索インデックスとなるベクトルと操作情報の検索インデックスとなるベクトルとを生成し、生成したベクトル同士の内積を前記類似度として算出するので、類似度を的確に算出することができる。
以下に添付図面を参照して、この発明に係る情報推奨装置の好適な実施の形態を詳細に説明する。
まず、本実施例１にかかる情報推奨装置の概要および特徴について説明する。なお、説明の便宜上、本実施例１において説明する情報推奨装置は、ＴＶや動画などの番組を検索する装置として説明するが、これに限定されるものではない（例えば、ネットワーク上で配信される動画を検索・再生等を行う情報機器や、ネットワーク上で配信されるニュースなどのテキスト情報を検索・参照等を行う情報機器であってもよい）。本実施例１にかかる情報推奨装置は、過去にユーザの操作対象となった操作情報の検索インデックスから生成されたユーザの嗜好に基づき視聴推奨番組（おすすめ番組）を表示する情報推奨装置であり、視聴推奨番組の検索インデックスと操作情報の検索インデックスとを基にして視聴推奨番組と操作情報との類似度を算出し、算出した類似度が所定の条件を満たす、操作情報を視聴推奨番組の推奨理由（おすすめ理由）として出力する。
このように、本実施例１にかかる情報推奨装置は、視聴推奨番組の検索インデックスと操作情報の検索インデックスとを基にして視聴推奨番組と操作情報との類似度を算出し、算出した類似度が所定の条件を満たす、操作情報を視聴推奨番組の推奨理由として出力するので、視聴推奨番組と推奨理由との関連性を明確にすることができる。
また、本実施例１にかかる情報推奨装置は、推奨理由として出力した、操作情報に対するユーザからの評価の増減入力に基づき、評価を受けた情報の、ユーザの嗜好に影響を与える影響度を増減する。
このように、本実施例１にかかる情報推奨装置は、操作情報に対するユーザの評価の増減入力に基づき、評価を受けた情報の、ユーザの嗜好に与える影響度を増減するので、視聴推奨番組の検索に利用されるユーザの嗜好をユーザ自身が効率よく調整することができる。
次に、本実施例１にかかる情報推奨装置の構成について説明する。図１は、本実施例１にかかる情報推奨装置の構成を示す機能ブロック図である。同図に示すように、この情報推奨装置１００は、ＥＰＧ記憶部１０１と、検索対象管理部１０２と、操作履歴記憶部１０３と、操作履歴管理部１０４と、重要度・重視度合い記憶部１０５と、検索インデックス生成部１０６と、検索インデックス記憶部１０７と、嗜好生成部１０８と、視聴推奨番組検索部１０９と、視聴推奨番組記憶部１１０と、推奨理由抽出部１１１と、推奨理由記憶部１１２と、出力部１１３と、嗜好修正部１１４とを備えて構成される。
このうち、ＥＰＧ記憶部１０１は、ＥＰＧ（Electric Program Guide）から放送される番組の各種情報（ＥＰＧデータ）を記憶する記憶部である。図２は、ＥＰＧ記憶部１０１が記憶するＥＰＧデータの一例を示す図である。同図に示すように、このＥＰＧデータは、番組が放送される放送日時、番組名、番組のジャンル、番組の詳細（出演者や番組内容など）を含む。
検索対象管理部１０２は、ＥＰＧ記憶部１０１に記憶されたＥＰＧデータを取得し、取得したＥＰＧデータを検索インデックス生成部１０６に出力する手段である。また、検索対象管理部１０２は、定期的にＥＰＧから放送される番組の各種情報を取得し、ＥＰＧ記憶部１０１に記憶されたＥＰＧデータを更新する。
操作履歴記憶部１０３は、ユーザが過去に操作した番組の情報およびその操作内容にかかる各種情報（操作履歴データ）を記憶する記憶部である。図３は、操作履歴記憶部１０３が記憶する操作履歴データの一例を示す図である。同図に示すように、この操作履歴データは、番組が放送された放送日時、番組名、番組のジャンル、番組の詳細（出演者や番組内容など）、番組に対して行った操作内容（録画、再生、視聴、早送り、巻き戻し、停止など）、番組に対する各種操作を行った操作日時を含む。
操作履歴管理部１０４は、操作履歴記憶部１０３に記憶された操作履歴データを取得し、取得した操作履歴データを検索インデックス生成部１０６に出力する手段である。また、操作履歴管理部１０４は、ユーザの操作内容を監視する監視部（図示略）から新たな操作履歴データを取得した場合には、取得した操作履歴データを操作履歴記憶部１０３に記憶する。
重要度・重視度合い記憶部１０５は、各番組に対する重要度の情報（重要度管理テーブル）および各操作内容に対する重視度合い（重視度合い管理テーブル）を記憶する記憶部である。図４は、重要度・重視度合い記憶部１０５が記憶する重要度管理テーブルの一例を示す図であり、図５は、重要度・重視度合い記憶部１０５が記憶する重視度合い管理テーブルの一例を示す図である。
図４に示すように、重要度管理テーブルは、番組が放送される放送日時と、番組名と、番組に対する重要度とを含む。重要度は、ユーザが番組をどれほど重要と考えているかを示す値であり、重要度が大きいほど、ユーザが番組をより重要だと考えていることになる。各重要度は、入力装置（図示略）を利用して、任意に設定変更可能である。
また、図５に示すように、重視度合い管理テーブルは、番組に対する操作内容と、その操作内容に対する重視度合いとを含む。重視度合いは、ユーザが番組の操作内容をどれほど重要視しているかを示す値であり、重視度合いが大きいほど、ユーザは操作内容をより重要視していることになる。各重視度合いは、入力装置を利用して、任意に設定変更可能である。
検索インデックス生成部１０６は、ＥＰＧデータおよび操作履歴データを取得し、ＥＰＧデータの番組にかかる検索インデックスおよび操作履歴データの番組にかかる検索インデックスを生成する手段である。本実施例１では一例として、ベクトル空間を用いて検索インデックスを生成する場合について説明する。
検索インデックス生成部１０６が、ベクトル空間を用いて番組の検索インデックスを生成する場合には、ベクトル空間の基底は、番組のタイトルや内容等に含まれるキーワードとなる。例えば、番組名「どんと曇り」にキーワード「曇り、晴れ、大杉、・・・」が含まれている場合には、ベクトル空間における、番組名「どんと曇り」の検索インデックスの基底は、「曇り」、「晴れ」、「大杉」、・・・となる。
そして、各基底の大きさは、各キーワードの統計量となる。統計量としては、例えば、ＴＦ（Term Frequency）やＤＦ（Document Frequency）とを用いて算出する。ＴＦは、ある番組中に特定のキーワードなどの情報が出現する頻度を表し、ＤＦは、全番組中で、特定のキーワードを含む番組の数を表す。統計量（基底の大きさ）を算出する具体的な式は、
統計量＝ＴＦ／ＤＦ
となる。なお、ＴＦ、ＤＦは、検索インデックス生成部１０６が、ＥＰＧデータおよび操作履歴データを基にして算出しておくものとする。
図６は、検索インデックス生成部１０６が生成する検索インデックスデータの一例を示す図である。同図に示すように、この検索インデックスデータは、番組が放送される放送日時、番組名、検索インデックスを含む。例えば、図６の一段目では、放送日時「０７．４．３０ １２：４５」、番組名「どんと曇り」の検索インデックス（ベクトル）は、「曇り（基底の大きさ０．３）、晴れ（基底の大きさ０．５）、大杉（基底の大きさ０．４）」となる。
検索インデックス生成部１０６は、生成した検索インデックスデータを検索インデックス記憶部１０７に記憶する。検索インデックス記憶部１０７は、検索インデックスデータを記憶する記憶部である。
嗜好生成部１０８は、操作履歴データに対応する検索インデックスからユーザの嗜好を抽出する手段である。以下において、嗜好生成部１０８の処理を具体的に説明する。まず、嗜好生成部１０８は、操作履歴データ（図３参照）と検索インデックスデータ（図６参照）とを比較して、ユーザが過去に操作した番組に対応する検索インデックスを抽出する。
続いて、嗜好生成部１０８は、抽出した検索インデックスに対応する番組の放送日時、番組名と、重要度管理テーブル（図４参照）と、重視度合い管理テーブル（図５参照）とを比較して、検索インデックスの番組に対応する重要度および重視度合いを特定する。
嗜好生成部１０８が、操作履歴データを参照し、番組に対してユーザが単一の操作のみ（例えば、録画のみ）を行っている場合には、当該操作に対応する重視度合いがそのまま検索インデックスの番組に対応する重視度合いとなる。しかし、番組に対して複数の操作を行っている場合（録画、視聴、再生等）を行っている場合には、それぞれの操作に対応する重視度合いを足し合わせたものが、検索インデックスの番組に対応する重視度合いとなる。
嗜好生成部１０８は、検索インデックスに対応する重要度および重視度合いを特定した後に、特定した重要度および重視度合いを、対応する検索インデックスのベクトルに乗算する。例えば、重要度「２」、重視度合い「２」、対応する検索インデックスのベクトルが「曇り（基底の大きさ０．３）、晴れ（基底の大きさ０．５）、大杉（基底の大きさ０．４）」である場合には、乗算後の検索インデックスのベクトルは、「曇り（基底の大きさ１．２）、晴れ（基底の大きさ２．０）、大杉（基底の大きさ１．６）」となる。
嗜好生成部１０８は、抽出した他の検索インデックスに対しても同様に重要度および重視度合いを特定し、検索インデックスのベクトルに重要度および重視度合いを乗算する。そして、嗜好生成部１０８は、各検索インデックスのベクトルを足し合わせた結果得られるベクトルをユーザの嗜好として抽出する。
図７は、嗜好生成部１０８によるユーザの嗜好の抽出を説明するための図である。図７に示す例では、（放送日時「０６．１２．５ １４：００」、番組名「きょうも料理」）の検索インデックスと、（放送日時「０７．２．２ １８：００」、番組名「きょうも料理」）の検索インデックスと、（放送日時「０７．５．１５ ８：１５」、番組名「どんと曇り」）の検索インデックスと、（放送日時「０７．４．３０ １２：４５」、番組名「どんと曇り」）の検索インデックスとを足し合わせることによって、ユーザの嗜好を抽出している。
図８は、ユーザの嗜好のデータ構造の一例を示す図である。同図に示す例では、ユーザの嗜好は、基底「曇り、晴れ、大杉、きょう、料理、カンタロウ、焼き、・・・」を有し、基底の大きさはそれぞれ「０．３、０．５、０．４、０．９、０．９、０．７．０．２、・・・」となっている。嗜好生成部１０８は、抽出したユーザの嗜好を視聴推奨番組検索部１０９に出力する。
視聴推奨番組検索部１０９は、検索インデックス記憶部１０７に記憶されたＥＰＧデータに対応する各番組の検索インデックスと、ユーザの嗜好（ベクトル）とを基にして、視聴推奨番組を抽出する手段である。
具体的に、視聴推奨番組検索部１０９は、ＥＰＧデータに対応する各番組の検索インデックスとユーザの嗜好とのベクトルの内積をそれぞれ算出する。そして、視聴推奨番組検索部１０９は、算出したベクトルの内積が所定値以上となる、ユーザの嗜好のペアとなった検索インデックスの番組を視聴推奨番組として抽出し、視聴推奨番組データを生成する。
図９は、視聴推奨番組データの一例を示す図である。同図に示すように、この視聴推奨番組データは、内積の値に対応する類似度、番組を放送した放送日時、番組名、検索インデックスを含む。ユーザの嗜好にあっている番組ほど類似度（ベクトルの内積）が高くなる。
図１０は、視聴推奨番組検索部１０９による視聴推奨番組の抽出を説明するための図である。同図に示す例では、ユーザの嗜好と各ＥＰＧの番組１〜４に対応する検索インデックスとのベクトルの内積をそれぞれ算出し、内積の値（類似度）が所定値以上となる検索インデックスの番組を視聴推奨番組として抽出する。例えば、ＥＰＧの番組２の検索インデックスとユーザの嗜好との内積、ＥＰＧの番組３の検索インデックスとユーザの嗜好との内積が所定値以上となる場合に、番組２，３を視聴推奨番組として抽出する。
視聴推奨番組検索部１０９は、視聴推奨番組データを視聴推奨番組記憶部１１０に記憶させる。視聴推奨番組記憶部１１０は、視聴推奨番組データを記憶する記憶部である。
推奨理由抽出部１１１は、推奨理由を抽出する処理、視聴推奨番組および推奨理由に共通するキーワードを抽出する処理、推奨理由中に含まれる重複情報を取り除く処理を実行する手段である。以下において、推奨理由抽出部１１１の処理を順に説明する。
（推奨理由を抽出する処理について）
推奨理由抽出部１１１は、視聴推奨番組記憶部１１０に記憶された視聴推奨番組データ（図９参照）および検索インデックスデータ（図６参照）を取得し、視聴推奨番組の検索インデックスを抽出する。そして、推奨理由検出部１１１は、操作履歴データ（図３参照）に含まれる番組の検索インデックスと視聴推奨番組の検索インデックスとのベクトルの内積を算出する。
推奨理由抽出部１１１は、算出したベクトルの内積が所定値以上となる、視聴推奨番組の検索インデックスのペアとなった検索インデックスの番組を推奨理由として抽出し、推奨理由データを生成する。
図１１は、推奨理由データの一例を示す図である。同図に示すように、この推奨理由データは、推奨理由に対応する視聴推奨番組と、理由度（視聴推奨番組の検索インデックスとのベクトルの内積演算結果）と、番組が放送される放送日時と、番組名と、推奨理由の番組にかかる検索インデックスとを含む。
図１２は、推奨理由抽出部１１１による推奨理由の抽出を説明するための図である。同図に示す例では、視聴推奨番組（放送日時「０７．７．３０ １４：００」、番組名「きょうも料理」）の検索インデックスと、各操作履歴の検索インデックスとのベクトルの内積を算出する。そして、例えば、視聴推奨番組の検索インデックスと操作履歴（放送日時「０６．１２．５ １４：００」、番組名「きょうも料理」）の検索インデックスとの内積が所定値以上であれば、視聴推奨番組の推奨理由として、（放送日時「０６．１２．５ １４：００」、番組名「きょうも料理」）の番組を抽出する。推奨理由抽出部１１１は、視聴推奨番組データに含まれる視聴推番組それぞれに対して推奨理由を抽出し、推奨理由データとして推奨理由記憶部１１２に記憶する。
（共通するキーワードを抽出する処理について）
推奨理由抽出部１１１は、視聴推奨番組の検索インデックスと、かかる視聴推奨番組の推奨理由となる番組の検索インデックスとのベクトルの内積を算出し、算出結果が所定値以上となるもの（基底）をキーワードとして抽出する。
例えば、視聴推奨番組の検索インデックス（ベクトル）が、
（きょう：０．９、料理：０．９、カンタロウ：０．７、焼き：０．２、そば：０．２）
となり、
かかる視聴推奨番組の推奨理由の番組の検索インデックス（ベクトル）が、
（きょう：０．９、料理：０．９、カンタロウ：０．７、カレー：０．２、ライス：０．２）
となる場合、双方の検索インデックスの内積は、同じキーワード同士を掛け合わせることとなり、
きょう ＝０．８１
料理 ＝０．８１
カンタロウ＝０．５０
となる。
例えば、所定値を０．５とすれば、推奨理由抽出部１１１は、共通するキーワードとして、「きょう、料理、カンタロウ」が抽出される。推奨理由抽出部１１１は、抽出したキーワードデータを推奨理由記憶部１１２に記憶する。
図１３は、キーワードデータの一例を示す図である。同図に示すように、このキーワードデータは、推奨理由と、理由度（上記のようにキーワードの値を掛け合わせることで得られる値）と、かかる推奨理由から抽出されたキーワードとを含む。
（重複情報を取り除く処理について）
推奨理由抽出部１１１は、推奨理由データ（図１１参照）中に同じ内容の情報が含まれている場合に、一方の情報を推奨理由データから取り除く処理を実行する。推奨理由情報を取り除く方法はどのような方法を用いてもよい。例えば、推奨理由データに含まれる推奨理由の番組の検索インデックスを抽出して、推奨理由の番組同士のベクトル（検索インデックス）の内積を求め、ベクトルの内積が所定値以下であった場合に、比較した（内積を求めた）双方の推奨理由のうち一方の情報を取り除く。
あるいは、推奨理由データに含まれる番組名をそれぞれ比較し、双方の番組名の一致率が所定値以上だった場合に、比較した双方の推奨理由のうち一方の情報を取り除く。例えば、推奨理由の番組名に「どんと曇り １話」と「どんと曇り １０話」とが存在した場合について説明する。
番組名を比較した場合、先頭から７文字目までが同じで、それ以降が異なる（空白も数える）。このとき、条件が「先頭から５文字目以内が同じこと」であったり、「先頭からみて文字列長の５０％以上が同じこと」であった場合に、双方は同じ番組とみなされるので、どちらか一方を推奨理由から除去する。推奨理由から除去する番組は、操作日時や放送日時などで判断する。例えば、放送日時の古いほうを取り除いたりする。
図１４は、重複情報を取り除く処理を説明するための図である。推奨理由抽出部１１１は、図１４の上段に示すように重複する番組名「どんと曇り １話」と「どんと曇り １０話」とが存在する場合に、「どんと曇り １話」に対応する行を削除する（図１４の下段参照）。
図１１の説明に戻ると、出力部１１３は、視聴推奨番組記憶部１１０に記憶されたデータと、推奨理由記憶部１１２に記憶された推奨理由データおよびキーワードデータとを基にして、ディスプレイ（図示略）に視聴推奨番組、かかる視聴推奨番組に対応する推奨理由、キーワードを出力する手段である。
図１５〜１７は、ディスプレイに表示される画面例を示す図である。図１５に示すように、出力部１１３は、視聴推奨番組データを基にして、視聴推奨番組一覧を表示する。視聴推奨番組一覧のスコアは、視聴推奨番組データの類似度に対応する。そして、出力部１１３は、視聴推奨番組一覧中のいずれかの番組が選択された場合には、推奨理由データを基にして、選択された番組に対応する推奨理由を表示する（図１６参照）。
また、出力部１１３は、推奨理由画面中のいずれかの番組が選択された場合には、キーワードデータを基にして、選択された番組に対応するキーワードを表示する（図１７参照）。
嗜好修正部１１４は、推奨理由の画面を表示した後に、ユーザからの推奨理由の番組に対する評価を取得した場合に、重要度・重視度合い記憶部１０５に記憶された重要度管理テーブルの重要度（図４参照）を修正する手段である。
図１８は、嗜好修正部１１４の処理を説明するための図である。同図に示すように、嗜好修正部１１４は、推奨理由画面中の番組の重要度を上げる旨の指示を入力装置を介して取得した場合には、指示対象となる番組の重要度に所定値を加算する（図１８では、放送日時「０６．１２．５ １４：００」、番組名「きょうも料理」に対応する番組の重要度に１を加算している）。
同様に、嗜好修正部１１４は、推奨理由画面中の番組の重要度を下げる旨の指示を、入力装置を介して取得した場合には、指示対象となる番組の重要度から所定値を減算する。
重要度・重視度合い記憶部１０５に記憶された重要度管理テーブルの内容が更新された場合には、嗜好生成部１０８は、ユーザの嗜好を生成しなおす。図１９は、嗜好生成部１０８がユーザの嗜好を生成しなおした場合のユーザの嗜好の変化を示す図である。図１９に示すように、重要度が変化したことによって、検索インデックス（放送日時「０６．１２．５ １４：００」、番組名「きょうも料理」に対応する検索インデックス）の大きさが変化し、結果、ユーザの嗜好も変化している。
次に、本実施例１にかかる情報推奨装置１００の処理手順について説明する。図２０は、本実施例１にかかる情報推奨装置１００の処理手順を示すフローチャートである。情報推奨装置１００は、検索インデックス生成部１０６が、検索対象管理部１０２および操作履歴管理部１０４からＥＰＧデータおよび操作履歴データを取得し、検索インデックスを生成する（ステップＳ１０１）。
そして、嗜好生成部１０８は、検索インデックス記憶部１０７に記憶された検索インデックスデータを取得して、ユーザの嗜好を生成し（ステップＳ１０２）、視聴推奨番組検索部１０９が、ユーザの嗜好と検索インデックスデータとを基にして視聴推奨番組を検索する（ステップＳ１０３）。
推奨理由抽出部１１１は、視聴推奨番組の検索インデックスと操作履歴データに対応する検索インデックスとを基にして、推奨理由抽出処理を実行し（ステップＳ１０４）、視聴推奨番組の検索インデックスと、かかる視聴推奨番組の推奨理由となる検索インデックスとを基にして、キーワード抽出処理を実行する（ステップＳ１０５）。
続いて、推奨理由抽出部１１１は、推奨理由を基にして重複除去処理を実行し（ステップＳ１０６）、出力部１１３が検索結果（視聴推奨番組、推奨理由、キーワード）を出力する（ステップＳ１０７）。
次に、図２０に示した推奨理由抽出部１１１が実行する推奨理由抽出処理の処理手順について説明する。図２１は、推奨理由抽出処理の処理手順を示すフローチャートである。同図に示すように、ｉ＝０に設定し（ステップＳ２０１）、視聴推奨番組（Ｍ個）を取得し（ステップＳ２０２）、ｉ＜Ｍの条件を満たさない場合には（ステップＳ２０３，Ｎｏ）、推奨理由抽出処理を終了する。
一方、ｉ＜Ｍの条件を満たす場合には（ステップＳ２０３，Ｙｅｓ）、ｊ＝０に設定し（ステップＳ２０４）、操作履歴の番組（Ｎ個）を取得し（ステップＳ２０５）、ｊ＜Ｎの条件を満たさない場合には（ステップＳ２０６，Ｎｏ）、ｉ＝ｉ＋１に設定し（ステップＳ２０７）、ステップＳ２０３に移行する。
一方、ｊ＜Ｎの条件を満たす場合には（ステップＳ２０６，Ｙｅｓ）、視聴推奨番組（ｉ番目）と操作履歴の番組（ｊ番目）と比較し、比較結果が規定条件を満たすか（ベクトルの内積が所定値以上となるか）否かを判定する（ステップＳ２０８）。
規定条件を満たす場合には（ステップＳ２０９，Ｙｅｓ）、操作履歴の番組（ｊ番目）を視聴推奨番組（ｉ番目）の推奨理由として抽出し（ステップＳ２１０）、ｊ＝ｊ＋１に設定し（ステップＳ２１１）、ステップＳ２０６に移行する。一方、規定条件を満たさない場合には（ステップＳ２０９、Ｎｏ）、そのままステップＳ２１１に移行する。
次に、図２０に示した推奨理由抽出部１１１が実行するキーワード抽出処理の処理手順について説明する。図２２は、キーワード抽出処理の処理手順を示すフローチャートである。同図に示すように、ｉ＝０に設定し（ステップＳ３０１）、視聴推奨番組（Ｍ個）を取得し（ステップＳ３０２）、ｉ＜Ｍの条件を満たさない場合には（ステップＳ３０３，Ｎｏ）、キーワード抽出処理を終了する。
一方、ｉ＜Ｍの条件を満たす場合には（ステップＳ３０３，Ｙｅｓ）、ｊ＝０に設定し（ステップＳ３０４）、操作履歴の番組（Ｎ個）を取得し（ステップＳ３０５）、ｊ＜Ｎの条件を満たさない場合には（ステップＳ３０６，Ｎｏ）、ｉ＝ｉ＋１に設定し（ステップＳ３０７）、ステップＳ３０３に移行する。
一方、ｊ＜Ｎの条件を満たす場合には（ステップＳ３０６，Ｙｅｓ）、視聴推奨番組（ｉ番目）と操作履歴の番組（ｊ番目）とを比較し、比較結果が規定条件を満たすか（ベクトルの内積が所定値以上となるか）否かを判定する（ステップＳ３０８）。
規定条件を満たす場合には（ステップＳ３０９，Ｙｅｓ）、操作履歴の番組（ｊ番目）を視聴推奨番組（ｉ番目）の推奨理由として抽出し（ステップＳ３１０）、視聴推奨番組と推奨理由の番組とを比較し、両者に共通して含まれるキーワードとその評価結果（理由度）を、評価結果の大きい順に出力し（ステップＳ３１１）、ｊ＝ｊ＋１に設定し（ステップＳ３１２）、ステップＳ３０６に移行する。一方、規定条件を満たさない場合には（ステップＳ３０９，Ｎｏ）、そのままステップＳ３１２に移行する。
次に、図２０に示した推奨理由抽出部１１１が実行する重複除去処理の処理手順について説明する。図２３は、重複除去処理の処理手順を示すフローチャートである。同図に示すように、ｌ＝０に設定し（ステップＳ４０１）、推奨理由（Ｌ個）を取得し（ステップＳ４０２）、ｌ＜Ｌの条件を満たさない場合には（ステップＳ４０３，Ｎｏ）、重複除去処理を終了する。
一方、ｌ＜Ｌの条件を満たす場合には（ステップＳ４０３，Ｙｅｓ）、ｍ＝ｌ＋１に設定し（ステップＳ４０４）、ｍ＜Ｌの条件を満たさない場合には（ステップＳ４０５，Ｎｏ）、ｌ＝ｌ＋１に設定し（ステップＳ４０６）、ステップＳ４０３に移行する。
一方、ｍ＜Ｌの条件を満たす場合には（ステップＳ４０５，Ｙｅｓ）、推奨理由（ｌ番目）と推奨理由（ｍ番目）とを比較し、同じか否かを判定し（ステップＳ４０７）、同じである場合には（ステップＳ４０８，Ｙｅｓ）、推奨理由（ｌ番目）または推奨理由（ｍ番目）の推奨理由を破棄する（ステップＳ４０９）。
そして、ｍ＝ｍ＋１に設定し（ステップＳ４１０）、ステップＳ４０５に移行する。一方、推奨理由（ｌ番目）と推奨理由（ｍ番目）とを比較し、双方が異なる場合には（ステップＳ４０８，Ｎｏ）、ステップＳ４１０に移行する。
このように、推奨理由抽出部１１１は、視聴推奨番組（視聴推奨番組の検索インデックス）と操作履歴の番組（操作履歴の番組の検索インデックス）とを利用して、類似度を算出し、規定条件をみたす番組を推奨理由として抽出するので、視聴推奨番組に対応する推奨理由の影響度の度合いを明確にユーザに通知することができる。
また、推奨理由抽出部１１１は、視聴推奨番組（視聴推奨番組の検索インデックス）と推奨理由の番組（推奨理由の番組の検索インデックス）とを比較し、双方に共通して含まれ、かつ、理由度が所定値以上のキーワードを抽出するので、推奨理由に影響を与えるキーワードをユーザに通知することができると共に、かかるキーワードが推奨理由に与える影響の度合いも理由度を出力することで通知することができる。
また、推奨理由抽出部１１１は、重複する推奨理由が複数存在する場合に、重複する推奨理由のうち、単一の推奨理由を残して、残りを除去するので、同じ推奨理由が表示されることを防止することができる。これにより、推奨理由の表示件数が限られている場合に、多様な推奨理由を表示することができる。
次に、嗜好修正部１１４が実行する嗜好修正処理の処理手順について説明する。図２４は、嗜好修正処理の処理手順を示すフローチャートである。同図に示すように、嗜好修正部１１４は、推奨理由（ｉ番目）を強めるか弱めるかのフィードバックを取得し（ステップＳ５０１）、強めるか否かを判定する（ステップＳ５０２）。
そして、強める場合には（ステップＳ５０３，Ｙｅｓ）、推奨理由（ｉ番目）に対応する重要度に所定値を加算する（ステップＳ５０４）。一方、推奨理由（ｉ番目）を弱める場合には（ステップＳ５０３，Ｎｏ）、推奨理由（ｉ番目）に対応する重要度から所定値を減算する（ステップＳ５０５）。
このように、嗜好修正部１１４は、推奨理由を強めるか弱めるかのフィードバックを取得し、取得結果に応じて推奨理由に対応する重要度を調整するので、ユーザは自身の好みに合わせて、ユーザの嗜好を調整することができ、よりユーザの好みに合った視聴推奨番組を得ることができる。
上述してきたように、本実施例１にかかる情報推奨装置１００は、検索インデックス生成部１０６が、各番組に対応する検索インデックスを生成し、推奨理由抽出部１１１が、視聴推奨番組の検索インデックスと操作情報の検索インデックスとを基にして視聴推奨番組と操作情報との類似度を算出し、算出した類似度が所定の条件を満たす、操作情報を視聴推奨番組の推奨理由（おすすめ理由）として出力するので、視聴推奨番組と推奨理由との関連性を明確にすることができる。
なお、本実施例１では、検索方法にベクトル空間を用いたが、これに限定されるものではなく、ブーリアン検索や確率検索方法などを用いてもよい。
さて、これまで本発明の実施例について説明してきたが、本発明は上述した実施例１以外にも、種々の異なる形態にて実施されてもよいものである。そこで、以下では、実施例２として本発明に含まれる他の実施例を説明する。
（１）推奨理由検索処理について
例えば、上記の実施例１では、推奨理由抽出部１１１は、視聴推奨番組データの検索インデックスと、全ての操作履歴データにかかる検索インデックスとを比較して推奨理由データを抽出していたが、これに限定されるものではなく、所定の条件をかけて比較対象となる操作履歴データの数を絞り込むことにより処理時間を短縮することができる。
（キーワードによる絞込み）
推奨理由抽出部１１１は、視聴推奨番組データに含まれるキーワードを抽出し、抽出したキーワードと、操作履歴データとを比較する。そして、視聴推奨番組データのキーワードを所定値以上（例えば、１つ以上）含む操作履歴データの検索インデックスのみを、推奨理由抽出における比較対象の検索インデックスとすることができる。
（操作日時による絞込み）
推奨理由抽出部１１１は、操作日時が所定期間に含まれる操作履歴データの検索インデックスのみを、推奨理由抽出における比較対象の検索インデックスとすることができる。かかる所定期間は、ユーザが自由に設定可能であるものとする。
（操作パターンによる絞込み）
推奨理由抽出部１１１は、操作履歴データのうち、所定の操作パターン（例えば、操作の履歴が、録画の後に再生になっている場合等）を含む操作履歴データの検索インデックスのみを、推奨理由抽出における比較対象の検索インデックスとすることができる。かかる操作パターンは、ユーザが自由に設定可能であるものとする。
ここで、キーワード、操作日時、操作パターンによる絞込みを行う推奨理由抽出部１１１の処理手順について説明する。図２５は、実施例２にかかる推奨理由抽出処理の処理手順を示す図である。同図に示すように、ｉ＝０に設定し（ステップＳ６０１）、視聴推奨番組（Ｍ個）を取得し（ステップＳ６０２）、ｉ＜Ｍの条件を満たさない場合には（ステップＳ６０３，Ｎｏ）、推奨理由抽出処理を終了する。
一方、ｉ＜Ｍの条件を満たす場合には（ステップＳ６０３，Ｙｅｓ）、ｊ＝０に設定し（ステップＳ６０４）、操作履歴の番組（Ｎ個）を取得し（ステップＳ６０５）、ｊ＜Ｎの条件を満たさない場合には（ステップＳ６０６，Ｎｏ）、ｉ＝ｉ＋１に設定し（ステップＳ６０７）、ステップＳ６０３に移行する。
一方、ｊ＜Ｎの条件を満たす場合には（ステップＳ６０６，Ｙｅｓ）、操作履歴の番組（ｊ番目）は、視聴推奨番組（ｉ番目）中のキーワードを１つ以上含むか否かを判定する（ステップＳ６０８）。
操作履歴の番組（ｊ番目）が、視聴推奨番組（ｉ番目）中のキーワードを１つ以上含まない場合には（ステップＳ６０９，Ｎｏ）、ステップＳ６１７に移行する。一方、操作履歴の番組（ｊ番目）が、視聴推奨番組（ｉ番目）中のキーワードを１つ以上含む場合には（ステップＳ６０９，Ｙｅｓ）、操作日時が規定条件を満たすか否かを判定する（ステップＳ６１０）。
操作日時が規定条件を満たさない場合には（ステップＳ６１１，Ｎｏ）、ステップＳ６１７に移行する。一方、操作日時が規定条件を満たす場合には（ステップＳ６１１，Ｙｅｓ）、操作内容が規定条件を満たすか否かを判定する（ステップＳ６１２）。操作内容が規定条件を満たさない場合には（ステップＳ６１３，Ｎｏ）、ステップＳ６１７に移行する。一方、規定条件を満たす場合には（ステップＳ６１３，Ｙｅｓ）、視聴推奨番組（ｉ番目）と操作履歴の番組（ｊ番目）とを比較し、比較結果が規定条件を満たすか（ベクトルの内積が所定値以上となるか）否かを判定する（ステップＳ６１４）。
規定条件を満たさない場合には（ステップＳ６１５，Ｎｏ）、ステップＳ６１７に移行する。一方、規定条件を満たす場合には（ステップＳ６１５，Ｙｅｓ）、操作履歴の番組（ｊ番目）を視聴推奨番組（ｉ番目）の推奨理由として抽出し（ステップＳ６１６）、ｊ＝ｊ＋１に設定し（ステップＳ６１７）、ステップＳ６０６に移行する。
（２）嗜好修正処理について
上記の実施例１では、嗜好修正部１１４は、推奨理由の画面を表示した後に、ユーザからの推奨理由の番組に対する評価を取得した場合に、重要度・重視度合い記憶部１０５に記憶された重要度管理テーブルを修正する手段である。
ただし、図１４に示したように、重複する番組の一方（例えば、どんと曇り １話）が削除されている場合において、他方の番組（例えば、どんと曇り １０話）に対する重要度を上げる旨の指示を取得した場合には、重複する双方の番組（どんと曇り １話、どんと曇り １０話）にかかる重要度に所定値を加算する。
同様に、重複する番組の一方（例えば、どんと曇り １話）が削除されている場合において、他方の番組（例えば、どんと曇り １０話）に対する重要度を下げる旨の指示を取得した場合には、重複する双方の番組（どんと曇り １話、どんと曇り １０話）にかかる重要度から所定値を減算する。なお、嗜好修正部１１４は、重複する推奨理由の番組と、削除後の推奨理由の番組とを対応付けた対応テーブルを保持しているものとする。
図１４に示す例では、重複する推奨理由（どんと曇り １話、どんと曇り １０話）と、削除後の推奨理由（どんと曇り １０話）とを対応付けて対応テーブルに記憶しているものとする。
また、実施例１に示した例では、推奨理由の番組に対する評価を受け付けて、推奨理由にかかる番組の重要度を調整していたが、これに限定されるものではなく、視聴推奨理由番組に対する評価を受け付けて、推奨理由にかかる番組の重要度を調整してもよい。
例えば、図１７において、視聴推奨番組となる「きょうも料理」の重要度を上げる旨の指示を受け付けた場合に、かかる視聴推奨番組の推奨理由となる「きょうも料理、厨房でっせ、美味信介」の重要度に所定値を加算してよい。
同様に、視聴推奨番組となる「きょうも料理」の重要度を下げる旨の指示を受け付けた場合に、かかる視聴推奨番組の推奨理由となる「きょうも料理、厨房でっせ、美味信介」の重要度から所定値を減算してよい。
（３）システムの構成など
また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明したあるいは、手動的に行われるものとして説明した処理の全部あるいは一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
また、図１に示した情報推奨装置１００の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部がＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
図２６は、本実施例にかかる情報推奨装置を構成するコンピュータのハードウェア構成を示す図である。図２６に示すように、このコンピュータ３０は、ユーザからの指示を受け付ける入力装置３１と、モニタ３２と、ＲＡＭ（Random Access Memory）３３と、ＲＯＭ（Read Only Memory）３４と、記憶媒体からデータを読み取る媒体読取装置３５と、他の装置との間でデータの送受信を行うインターフェース３６と、ＣＰＵ（Central Processing Unit）３７と、ＨＤＤ（Hard Disk Drive）３８とをバス３９で接続して構成される。
そして、ＨＤＤ３８には、上記した情報推奨装置１００の機能と同様の機能を発揮する情報推奨プログラム３８ｂが記憶されている。ＣＰＵ３７が情報推奨プログラム３８ｂを読み出して実行することにより、情報推奨プロセス３７ａが起動される。この情報推奨プロセスは、図１に示した検索対象管理部１０２、操作履歴管理部１０４、検索インデックス生成部１０６、嗜好生成部１０８、視聴推奨番組検索部１０９、視聴理由抽出部１１１、出力部１１３、嗜好修正部１１４に対応する。
また、ＨＤＤ３８には、情報処理プロセスによって利用される各種データ３８ａが記憶される。この各種データ３８ａは、ＥＰＧ記憶部１０１、操作履歴記憶部１０３、検索インデックス記憶部１０７、重要度・重視度合い記憶部１０５、視聴推奨番組記憶部１１０、推奨理由記憶部１１２などに記憶されるデータに対応する。
ＣＰＵ３７は、ＨＤＤ３８に記憶された各種データ３８ａを読み出して、ＲＡＭ３３に格納し、ＲＡＭ３３に格納された各種データ３３ａを用いて、推奨理由の番組およびキーワードなどを抽出する。
ところで、図２６に示した情報推奨プログラム３８ｂは、必ずしも最初からＨＤＤ３８に記憶させておく必要はない。たとえば、コンピュータに挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」、または、コンピュータの内外に備えられるハードディスクドライブ（ＨＤＤ）などの「固定用の物理媒体」、さらには、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータに接続される「他のコンピュータ（またはサーバ）」などに情報推奨プログラム３８ｂを記憶しておき、コンピュータがこれらから情報推奨プログラム３８ｂを読み出して実行するようにしてもよい。
（付記１）過去にユーザの操作対象となった操作情報の検索インデックスから生成されたユーザの嗜好に基づき推奨情報を表示する情報推奨装置であって、
前記推奨情報の検索インデックスと前記操作情報の検索インデックスとを基に、該推奨情報と該操作情報との類似度を算出する類似度算出手段と、
前記類似度算出手段で算出した類似度が所定の条件を満たす、前記操作情報を前記推奨情報の推奨理由として出力する出力手段と、
を備えたことを特徴とする情報推奨装置。
（付記２）前記出力手段で前記推奨情報の推奨理由として出力した、操作情報に対するユーザからの評価の増減入力に基づき、該評価を受けた情報の、前記ユーザの嗜好に与える影響度を増減するフィードバック手段を更に備えたことを特徴とする付記１に記載の情報推奨装置。
（付記３）前記類似度算出手段は、前記操作情報から、前記推奨情報に含まれるキーワードを所定数以上含む操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする付記１に記載の情報推奨装置。
（付記４）前記類似度算出手段は、前記操作情報から、操作日時が所定の日時以内となる操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする付記１に記載の情報推奨装置。
（付記５）前記類似度算出手段は、前記操作情報から、操作情報に対する操作内容が所定の操作内容パターンを満たす操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする付記１に記載の情報推奨装置。
（付記６）前記推奨情報に含まれるキーワードおよび該キーワードの要素値と、前記推奨理由に含まれるキーワードおよび該キーワードの要素値とを抽出し、抽出したキーワードのうち、同じキーワードの要素値をそれぞれ足し合わせた結果が所定値以上となるキーワードを前記推奨理由のキーワードとして抽出するキーワード抽出手段を更に備えたことを特徴とする付記１に記載の情報推奨装置。
（付記７）前記推奨理由の内容をそれぞれ比較し、重複する推奨理由の内容を取り除く重複削除手段を更に備えたことを特徴とする付記１に記載の情報推奨装置。
（付記８）前記類似度算出手段は、前記推奨情報の検索インデックスとなるベクトルと前記操作情報の検索インデックスとなるベクトルとを生成し、生成したベクトル同士の内積を前記類似度として算出することを特徴とする付記１に記載の情報推奨装置。
（付記９）過去にユーザの操作対象となった操作情報の検索インデックスから生成されたユーザの嗜好に基づき推奨情報を表示する情報推奨装置の情報推奨方法であって、
前記推奨情報の検索インデックスと前記操作情報の検索インデックスとを記憶装置に記憶する記憶工程と、
前記推奨情報の検索インデックスと前記操作情報の検索インデックスとを基に、該推奨情報と該操作情報との類似度を算出する類似度算出工程と、
前記類似度算出工程で算出した類似度が所定の条件を満たす、前記操作情報を前記推奨情報の推奨理由として出力する出力工程と、
を含んだことを特徴とする情報推奨方法。
（付記１０）前記出力工程で前記推奨情報の推奨理由として出力した、操作情報に対するユーザからの評価の増減入力に基づき、該評価を受けた情報の、前記ユーザの嗜好に与える影響度を増減するフィードバック工程を更に含んだことを特徴とする付記９に記載の情報推奨方法。
（付記１１）前記類似度算出工程は、前記操作情報から、前記推奨情報に含まれるキーワードを所定数以上含む操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする付記９に記載の情報推奨方法。
（付記１２）前記類似度算出工程は、前記操作情報から、操作日時が所定の日時以内となる操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする付記９に記載の情報推奨方法。
（付記１３）前記類似度算出工程は、前記操作情報から、操作情報に対する操作内容が所定の操作内容パターンを満たす操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする付記９に記載の情報推奨方法。
（付記１４）前記推奨情報に含まれるキーワードおよび該キーワードの要素値と、前記推奨理由に含まれるキーワードおよび該キーワードの要素値とを抽出し、抽出したキーワードのうち、同じキーワードの要素値をそれぞれ足し合わせた結果が所定値以上となるキーワードを前記推奨理由のキーワードとして抽出するキーワード抽出工程を更に含んだことを特徴とする付記９に記載の情報推奨方法。
（付記１５）前記推奨理由の内容をそれぞれ比較し、重複する推奨理由の内容を取り除く重複削除工程を更に含んだことを特徴とする付記９に記載の情報推奨方法。
（付記１６）前記類似度算出工程は、前記推奨情報の検索インデックスとなるベクトルと前記操作情報の検索インデックスとなるベクトルとを生成し、生成したベクトル同士の内積を前記類似度として算出することを特徴とする付記９に記載の情報推奨方法。
（付記１７）過去にユーザの操作対象となった操作情報の検索インデックスから生成されたユーザの嗜好に基づき推奨情報を表示する情報推奨プログラムであって、
コンピュータに、
前記推奨情報の検索インデックスと前記操作情報の検索インデックスとを記憶装置に記憶する記憶手順と、
前記推奨情報の検索インデックスと前記操作情報の検索インデックスとを基に、該推奨情報と該操作情報との類似度を算出する類似度算出手順と、
前記類似度算出手順で算出した類似度が所定の条件を満たす、前記操作情報を前記推奨情報の推奨理由として出力する出力手順と、
を実行させることを特徴とする情報推奨プログラム。
（付記１８）前記出力工程で前記推奨情報の推奨理由として出力した、操作情報に対するユーザからの評価の増減入力に基づき、該評価を受けた情報の、前記ユーザの嗜好に与える影響度を増減するフィードバック工程を更に含んだことを特徴とする付記１７に記載の情報推奨プログラム。
（付記１９）前記類似度算出手順は、前記操作情報から、前記推奨情報に含まれるキーワードを所定数以上含む操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする付記１７に記載の情報推奨プログラム。
（付記２０）前記類似度算出手順は、前記操作情報から、操作日時が所定の日時以内となる操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする付記１７に記載の情報推奨プログラム。
（付記２１）前記類似度算出手順は、前記操作情報から、操作情報に対する操作内容が所定の操作内容パターンを満たす操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする付記１７に記載の情報推奨プログラム。
（付記２２）前記推奨情報に含まれるキーワードおよび該キーワードの要素値と、前記推奨理由に含まれるキーワードおよび該キーワードの要素値とを抽出し、抽出したキーワードのうち、同じキーワードの要素値をそれぞれ足し合わせた結果が所定値以上となるキーワードを前記推奨理由のキーワードとして抽出するキーワード抽出手順を更にコンピュータに実行させることを特徴とする付記１７に記載の情報推奨プログラム。
（付記２３）前記推奨理由の内容をそれぞれ比較し、重複する推奨理由の内容を取り除く重複削除手順を更にコンピュータに実行させることを特徴とする付記１７に記載の情報推奨プログラム。
（付記２４）前記類似度算出手順は、前記推奨情報の検索インデックスとなるベクトルと前記操作情報の検索インデックスとなるベクトルとを生成し、生成したベクトル同士の内積を前記類似度として算出することを特徴とする付記１７に記載の情報推奨プログラム。
以上のように、本発明にかかる情報推奨装置は、操作履歴情報からユーザの嗜好を解析し、ユーザの嗜好にあう視聴推奨番組およびその推奨理由を提示するシステム等に有用であり、特に、視聴推奨番組と推奨理由との関連性を明確にし、ユーザの嗜好をユーザ自身が容易に調整可能とする必要がある場合に適している。
本実施例１にかかる情報推奨装置の構成を示す機能ブロック図である。 ＥＰＧ記憶部が記憶するＥＰＧデータの一例を示す図である。 操作履歴記憶部が記憶する操作履歴データの一例を示す図である。 重要度・重視度合い記憶部が記憶する重要度管理テーブルの一例を示す図である。 重要度・重視度合い記憶部が記憶する重視度合い管理テーブルの一例を示す図である。 検索インデックス生成部が生成する検索インデックスデータの一例を示す図である。 嗜好生成部によるユーザの嗜好の抽出を説明するための図である。 ユーザの嗜好のデータ構造の一例を示す図である。 視聴推奨番組データの一例を示す図である。 視聴推奨番組検索部による視聴推奨番組の抽出を説明するための図である。 推奨理由データの一例を示す図である。 推奨理由抽出部による推奨理由の抽出を説明するための図である。 キーワードデータの一例を示す図である。 重複情報を取り除く処理を説明するための図である。 ディスプレイに表示される画面例を示す図（１）である。 ディスプレイに表示される画面例を示す図（２）である。 ディスプレイに表示される画面例を示す図（３）である。 嗜好修正部の処理を説明するための図である。 嗜好生成部がユーザの嗜好を生成しなおした場合のユーザの嗜好の変化を示す図である。 本実施例１にかかる情報推奨装置の処理手順を示すフローチャートである。 推奨理由抽出処理の処理手順を示すフローチャートである。 キーワード抽出処理の処理手順を示すフローチャートである。 重複除去処理の処理手順を示すフローチャートである。 嗜好修正処理の処理手順を示すフローチャートである。 実施例２にかかる推奨理由抽出処理の処理手順を示す図である。 本実施例にかかる情報推奨装置を構成するコンピュータのハードウェア構成を示す図である。 従来の情報機器が表示する推奨理由の表示例を示す図（１）である。 従来の情報機器が表示する推奨理由の表示例を示す図（２）である。
符号の説明
３０ コンピュータ
３１ 入力装置
３２ モニタ
３３ ＲＡＭ
３３ａ，３８ａ 各種データ
３４ ＲＯＭ
３５ 媒体読取装置
３６ インターフェース
３７ ＣＰＵ
３７ａ 情報推奨プロセス
３８ ＨＤＤ
３８ｂ 情報推奨プログラム
３９ バス
１００ 情報推奨装置
１０１ ＥＰＧ記憶部
１０２ 検索対象管理部
１０３ 操作履歴記憶部
１０４ 操作履歴管理部
１０５ 重要度・重視度合い記憶部
１０６ 検索インデックス生成部
１０７ 検索インデックス記憶部
１０８ 嗜好生成部
１０９ 視聴推奨番組検索部
１１０ 視聴推奨番組記憶部
１１１ 推奨理由抽出部
１１２ 推奨理由記憶部
１１３ 出力部
１１４ 嗜好修正部

Claims (5)

  1. 過去にユーザの操作対象となった操作情報の検索インデックスから生成されたユーザの嗜好に基づき推奨情報を表示する情報推奨装置であって、
    前記操作情報の検索インデックスに含まれるキーワード毎の要素値と、前記操作情報に含まれるユーザの操作の種別数に応じた値とをそれぞれ掛け合わせることで、前記操作情報の検索インデックスの値を調整し、調整した前記操作情報の検索インデックスと前記推奨情報の検索インデックスとを基に、前記推奨情報と前記操作情報との類似度を算出する類似度算出手段と、
    前記類似度算出手段で算出した類似度が所定の条件を満たす、前記操作情報を前記推奨情報の推奨理由として出力する出力手段と、
    を備えたことを特徴とする情報推奨装置。
  2. 前記出力手段で前記推奨情報の推奨理由として出力した、操作情報に対するユーザからの評価の増減入力に基づき、該評価を受けた情報の、前記ユーザの嗜好に与える影響度を増減するフィードバック手段を更に備えたことを特徴とする請求項１に記載の情報推奨装置。
  3. 前記類似度算出手段は、前記操作情報から、前記推奨情報に含まれるキーワードを所定数以上含む操作情報を抽出し、抽出した操作情報の検索インデックスと前記推奨情報の検索インデックスとの類似度を算出することを特徴とする請求項１に記載の情報推奨装置。
  4. 前記推奨情報に含まれるキーワードおよび該キーワードの要素値と、前記推奨理由に含まれるキーワードおよび該キーワードの要素値とを抽出し、抽出したキーワードのうち、同じキーワードの要素値をそれぞれ掛け合わせた結果が所定値以上となるキーワードを前記推奨理由のキーワードとして抽出するキーワード抽出手段を更に備えたことを特徴とする請求項１に記載の情報推奨装置。
  5. 前記推奨理由の内容をそれぞれ比較し、重複する推奨理由の内容を取り除く重複削除手段を更に備えたことを特徴とする請求項１に記載の情報推奨装置。
JP2007247950A 2007-09-25 2007-09-25 情報推奨装置 Expired - Fee Related JP5205895B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2007247950A JP5205895B2 (ja) 2007-09-25 2007-09-25 情報推奨装置
US12/236,197 US20090083796A1 (en) 2007-09-25 2008-09-23 Information recommendation apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007247950A JP5205895B2 (ja) 2007-09-25 2007-09-25 情報推奨装置

Publications (2)

Publication Number Publication Date
JP2009080574A JP2009080574A (ja) 2009-04-16
JP5205895B2 true JP5205895B2 (ja) 2013-06-05

Family

ID=40473140

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007247950A Expired - Fee Related JP5205895B2 (ja) 2007-09-25 2007-09-25 情報推奨装置

Country Status (2)

Country Link
US (1) US20090083796A1 (ja)
JP (1) JP5205895B2 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9396258B2 (en) * 2009-01-22 2016-07-19 Google Inc. Recommending video programs
JP5212327B2 (ja) * 2009-09-28 2013-06-19 富士通株式会社 情報提供装置及び情報提供プログラム
US20110202559A1 (en) * 2010-02-18 2011-08-18 Mobitv, Inc. Automated categorization of semi-structured data
US20110288934A1 (en) * 2010-05-24 2011-11-24 Microsoft Corporation Ad stalking defense
US8635220B2 (en) 2011-04-22 2014-01-21 Iris.Tv, Inc. Digital content curation and distribution system and method
US9473730B1 (en) * 2012-02-13 2016-10-18 Nbcuniversal Media, Llc Method and system for personalized recommendation modeling
JP6728972B2 (ja) * 2016-05-23 2020-07-22 富士ゼロックス株式会社 プログラム、商品推薦システム及び商品推薦方法
JP6421146B2 (ja) * 2016-06-27 2018-11-07 Ｎｅｃパーソナルコンピュータ株式会社 情報処理システム、情報処理装置、プログラム
CN107632971B (zh) * 2016-07-19 2020-12-15 百度在线网络技术（北京）有限公司 用于生成多维报表的方法和装置
CN108512883B (zh) * 2017-04-10 2020-08-11 腾讯科技（深圳）有限公司 一种信息推送方法、装置及可读介质
CN109600639B (zh) * 2018-12-07 2021-04-27 武汉斗鱼鱼乐网络科技有限公司 基于用户偏好的用户相似度计算方法、装置、设备及介质
US10867000B2 (en) * 2019-03-31 2020-12-15 Td Ameritrade Ip Company, Inc. Recommendation system for providing personalized and mixed content on a user interface based on content and user similarity

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3351058B2 (ja) * 1993-11-09 2002-11-25 松下電器産業株式会社 映像機器における録画および選局方法
KR101084503B1 (ko) * 2002-12-12 2011-11-18 소니 주식회사 정보 처리 장치 및 정보 처리 방법, 및 기록 매체
JP4333254B2 (ja) * 2003-07-18 2009-09-16 ソニー株式会社 情報処理装置および方法、記録媒体、並びにプログラム
WO2005048587A1 (ja) * 2003-11-13 2005-05-26 Matsushita Electric Industrial Co.,Ltd. 番組推薦装置及び番組推薦装置の番組推薦方法並びにプログラム
JP2005157535A (ja) * 2003-11-21 2005-06-16 Canon Inc コンテンツ抽出方法及びコンテンツ抽出装置並びにコンテンツ情報表示方法及び表示装置
JP4566693B2 (ja) * 2004-10-28 2010-10-20 シャープ株式会社 コンテンツ推薦装置、コンテンツ推薦方法、コンテンツ推薦プログラム及びこれを記録したコンピュータ読み取り可能な記録媒体
JP4531623B2 (ja) * 2005-05-10 2010-08-25 シャープ株式会社 番組推薦装置、番組推薦方法、番組推薦プログラムおよびそれを記録したコンピュータ読取可能な記録媒体
JP4732815B2 (ja) * 2005-07-01 2011-07-27 パナソニック株式会社 情報推薦装置、情報推薦方法、及びプログラム
US20080005766A1 (en) * 2006-06-29 2008-01-03 Scientific-Atlanta, Inc. Enhanced Program Guide
JP4491746B2 (ja) * 2007-03-05 2010-06-30 ソニー株式会社 情報処理装置および情報処理方法、記録媒体、並びにプログラム

Also Published As

Publication number Publication date
JP2009080574A (ja) 2009-04-16
US20090083796A1 (en) 2009-03-26

Similar Documents

Publication Publication Date Title
JP5205895B2 (ja) 情報推奨装置
JP4891802B2 (ja) コンテンツ検索・推薦方法、コンテンツ検索・推薦装置およびコンテンツ検索・推薦プログラム
KR100899831B1 (ko) 프로그램 검색 장치
CN103052954B (zh) 推荐系统的基于简档内容检索
JP3917648B2 (ja) 連想辞書作成装置
KR102008000B1 (ko) 매체 프로그램들 사이의 유사성 계산
CN105981067B (zh) 针对视频的各个部分提供评论和统计信息的装置及其方法
US8700554B2 (en) Using a degree-of-unexpectedness to provide unexpected recommendations
US20140068676A1 (en) Method and system for video collection management, invalid video replacement and continuous video replay
EP2912855B1 (en) Program recommendation device and program recommendation program
US20100070454A1 (en) Apparatus, method and computer program for content recommendation and recording medium
US20100094799A1 (en) Electronic apparatus, content recommendation method, and program
JP4487018B2 (ja) 関連シーン付与装置及び関連シーン付与方法
US8209348B2 (en) Information processing apparatus, information processing method, and information processing program
CN106686460B (zh) 一种视频节目推荐方法及视频节目推荐装置
JP2010055501A (ja) 情報提供サーバ、情報提供方法及び情報提供システム
JP2005352754A (ja) 情報ナビゲーション装置、方法、プログラム、及び記録媒体
JP4734048B2 (ja) 情報検索装置、情報検索方法および情報検索プログラム
JP2008123210A (ja) 情報検索装置及び情報検索方法
US9854220B2 (en) Information processing apparatus, program, and information processing method
RU2538914C2 (ru) Способ и система для оценивания объектов
WO2007034430A2 (en) Storage profile generation for network-connected portable storage devices
JP2009230306A (ja) 映像記録再生装置
JP4811599B2 (ja) コンテンツ情報表示装置及びコンテンツ情報表示プログラム
JP4924866B2 (ja) 情報処理装置、情報処理方法、およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100517

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120313

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120511

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20120911

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20121210

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20121218

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130122

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130204

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20160301

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees