WO2004054245A1

WO2004054245A1 - 情報処理装置および情報処理方法、情報処理システム、記録媒体、並びにプログラム

Info

Publication number: WO2004054245A1
Application number: PCT/JP2003/015925
Authority: WO
Inventors: Noriyuki Yamamoto; Mitsuhiro Miyazaki; Mari Saito; Hiroyuki Koike
Original assignee: Sony Corporation
Priority date: 2002-12-12
Filing date: 2003-12-12
Publication date: 2004-06-24
Also published as: US9552413B2; US20130179456A1; EP1571835A1; US8359322B2; EP1571835A4; US20150178379A1; US20060248091A1; KR20100100998A; KR101019976B1; KR101084503B1; KR20050084264A

Abstract

本発明は、番組の属性を表す番組ベクトルを生成することができるようにする。ステップＳ１１において、ＥＰＧデータの供給を受け、ステップＳ１２において、番組ベクトルPPを生成するために必要なメタデータが抽出される。ステップＳ１３において、メタデータに含まれている、タイトル、内容などが、形態素解析されて、単語に分解され、ステップＳ１４において、メタデータに含まれているそれぞれの項目がベクトル化されて番組ベクトルPPが生成される。ステップＳ１５において、供給されたメタデータの番組のジャンルに基づいて、対応する効き目ベクトルが抽出される。ステップＳ１６において、抽出された効き目ベクトルと生成されたベクトルとが関連付けされて、処理が終了される。本発明は、コンテンツを配信する配信サーバに適用できる。

Description

明細書

情報処理装置おょぴ情報処理方法、情報処理記録媒体、並びにプログラム技術分野

本発明は、情報処理装置および情報処理方法、情報処理システム、記録媒体、並びにプログラムに関し、特に、テレビジョン放送やラジオ放送などの番組や、ストリーミングデータなどを視聴するユーザに対して、例えば、自動録画や番組などの推薦を行う場合に用いて好適な、情報処理装置および情報処理方法、情報処理システム、記録媒体、並びにプログラムに関する。背景技術

従来、例えば、テレビジョン放送やラジオ放送などにおいて、ユーザに対して番組を推薦する場合には、電子番組ガイド（E P G： Electronic Program Guide) などの番組情報（番組メタデータ）を基に、ユーザの嗜好情報にマッチングする番組が選択された。ユーザへの番組の推薦方法は、ユーザ嗜好データの取得の方法によって異なり、例えば、初期にユーザの興味に関する情報を登録してもらい、その情報に基づいて、番組を推薦する初期興味登録方式、ユーザが過去に視聴した番組の履歴を利用して、番組を推薦する視聴履歴利用方式、あるいは、他のュ一ザの視聴履歴を利用して、番組を推薦する協調フィルタリング方式などの方法があった。

初期興味登録方式では、利用開始時に、例えば、好きな番組カテゴリー（例えば、ドラマ、バラエティ、など）、好きなジャンル（推理もの、お笑いもの、など）、または、好きなタレント名などをユーザに登録してもらい、これらの情報をキーワードとして、番組メタデータとの間でマッチングを取ることにより、推薦すべき番組名が取得されるようになされている。

また、視聴履歴利用方式では、ユーザが番組を視聴するたびに、視聴された番組メタデータが蓄積され、ある程度、履歴メタデータが蓄積されると、そのメタデータが解析されて、例えば、好きな番組カテゴリー、好きなジャンル、または、好きなタレント名などの情報が取得される。そして、これらの情報をキーワードとして、番組メタデータとの間でマッチングを取ることにより、推薦すべき番組名が取得されるようになされている。

例えば、 HDD (Hard Disk Drive) を用いた録画装置などにおいては、視聴履歴のみならず、録画予約、または、録画などのユーザ操作が履歴情報として蓄積され、嗜好情報の取得に用いられることもある。この場合、ユーザが、特に興味を持って番組を視聴しているのではなく、テレビジョン受像機やラジオなどをつけていたために視聴していた状態になっていた番組と、ユーザが、より興味を持つて、意識的に視聴した番組を一部区別することが可能となり、ユーザの嗜好をより反映した情報を取得できる。

そして、協調フィルタリング方式は、第 1のユーザの視聴や操作の履歴に対して、その他のユーザの視聴履歴との間でマッチングを取ることにより、第 1のュ一ザと視聴履歴の似ている第 2のユーザを検索し、その視聴または操作の履歴データを取得することにより、第 2のユーザが視聴した番組で、第 1のユーザがまだ視聴していない番組を抽出して推薦するものである。

また、例えば、特開 2 0 0 1— 1 6 0 9 5 5号公報に開示されているように、放送番組に、予め、番組の属性情報として、 n次元の属性べクトルを付加し、ュ一ザの初期登録内容や、ユーザが再生、または録画予約した番組の属性ベクトルの各属性項目の平均値を基に生成された選択べクトルと、属性べクトルとを比較することにより、録画する番組、または、再生する番組を選択することができるようになされている技術がある。

しかしながら、初期登録方式を基に、番組を選択する場合、ユーザが初期登録を行った時期の固定的な興味しか反映できない上、詳細な情報を得るためには、ユーザの登録操作が複雑になってしまう。これに対して、初期設定の登録情報の入力操作を簡単にするために、登録される情報数を少なくしてしまった場合、大まかなユーザの嗜好情報を基にした推薦しかできないので、ユーザの嗜好に合致する番組が選択される精度が低いものとなってしまう。

これに対して、履歴利用方式などのように、単純にユーザの視聴履歴などを基に収集したメタデータの総和、または平均などを用いて、番組を選択する場合、履歴がある程度蓄積されないと、ユーザの嗜好に正しく合致した番組を推薦することができない。更に、履歴利用方式では、メタデータ間の関係性がなまってしまい、充分な個人化はできなかった。また履歴を積み重ねることにより、例えば、ジャンルなど、履歴として重なり易い項目（ユーザが嗜好するものとして検出されやすい項目）と、出演者など、履歴として要素が広がり易い項目（ユーザが嗜好するものとして検出されにくい項目）とで、重み付けに偏りが生じてしまう場合がある。

具体的には、例えば、ユーザが解説者 Aのファンであるので、「解説者 Aが解説している球団 Bの試合の実況中継」を好んで視聴しているような場合、ジヤンルである「野球の実況中継」という情報は履歴として重なりやすい（「野球の実況中継」という情報は、ユーザが嗜好するものとして検出されやすい）力出演者である「解説者 A」という情報は履歴として重なり難い（「解説者 A j という情報は、ユーザが嗜好するものとして検出され難い）。このため、他の解説者が解説している球団 Bの試合の実況中継が推薦されて、解説者 Aが出演しているバラエティ番組が推薦されないような場合が発生する。

また、特開 2 0 0 1— 1 6 0 9 5 5号公報に示されるように、放送番組に、予め、番組の属性べクトノレを付力 tlし、ユーザの初期登録内容や、ユーザが再生、または録画予約した番組の属性べクトルの各属性項目の平均値を基に生成された選択べクトルと、属性べクトルとを比較することにより、録画する番組、または、再生する番組を選択するようにした場合も、ユーザの操作履歴を利用するのであるから、同様に、履歴として重なり易い項目と、出演者など、履歴として要素が広がり易い項目とで、重み付けに偏りが生じてしまう場合がある。

更に、例えば、ドラマが好きで、バラエティは、ほとんどドラマに出演しないコメディアン Aが出演するもののみを好み、バラエティ対ドラマの視聴比率が 2 ： 8であるユーザに対して生成される選択べクトルにおいては、ほとんどドラマに出演しないコメディアン Aよりも、特に好きな俳優でないにもかかわらず、ドラマに頻繁に出演する出演者 Bが履歴として重なってしまう。従って、コメデイアン Aが出演するバラエティよりも、ドラマに頻繁に出演する出演者 Bが出演するドキュメンタリーが優先的に推薦されてしまう。

また、ユーザによって、番組を選択するために重要な項目が異なる（例えば、出演者重視や内容重視など）場合にも、全ての項目が同様に演算されるため、ュ一ザ固有の嗜好が反映されない場合があった。

また、協調フィルタリング方式で利用されるのは、あくまで他のユーザの嗜好情報であるので、それぞれのユーザの嗜好を詳細に表す情報を抽出することは困難であった。発明の開示

本発明はこのような状況に鑑みてなされたものであり、ユーザの嗜好に合致した番組を選択することができるようにするものである。

本発明の第 1の情報処理装置は、コンテンツに関する情報を取得する取得手段と、取得手段により取得されたコンテンツに関する情報に基づいて、複数の項目で構成される属性情報を生成する属性情報生成手段と、属性情報生成手段により生成された属性情報の項目に対応する第 1の重み付け情報を記憶する第 1の記憶手段とを備え、第 1の重み付け情報は、属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定するものであることを特徴とする。

属性情報生成手段により生成された属性情報を送信する送信手段を更に備えさせるようにすることができる。

送信手段には、第 1の記憶手段により記憶されている第 1の重み付け情報から、コンテンツが有する条件に合致する第 1の重み付け情報を抽出させて、属性情報 JP2003/015925

5

生成手段により生成された属性情報に対応付けて、更に送信させるようにすることができる。

コンテンツが有する条件は、コンテンツのジャンルであるものとすることができる。

取得手段により取得されたコンテンツに関する情報のうち、所定の情報を抽出する抽出手段を更に備えさせるようにすることができ、属性情報生成手段には、抽出手段により抽出された所定の情報を、複数の項目ごとにベクトル化して、属性情報を生成させるようにすることができる。

属性情報生成手段には、コンテンツに関する情報のうち、言語により記載された情報を解析し、解析結果を基に、属性情報を生成させるようにすることができる。

複数の項目で構成される所定のユーザの嗜好情報を記憶する第 2の記憶手段と、第 2の記憶手段により記憶されている嗜好情報と、属性情報生成手段により生成された属性情報との、項目ごとの類似度を算出することにより、ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成手段とを更に備えさせるようにすることができる。

推薦情報生成手段には、第 1の記憶手段により記憶されている第 1の重み付け情報を用いて、属性情報と嗜好情報とを比較させることにより、推薦情報を生成させるようにすることができる。

ユーザの操作履歴を取得する操作履歴取得手段と、操作履歴取得手段により取得された操作履歴を基に、ユーザの嗜好情報を生成する嗜好情報生成手段と、嗜好情報生成手段により生成された嗜好情報を基に、第 2の重み付け情報を生成する重み付け情報生成手段とを更に備えさせるようにすることができ、第 2の重み付け情報は、複数の項目の、属性情報とユーザの嗜好情報との類似度の算出時の寄与の度合いを規定するものとすることができ、推薦情報生成手段には、重み付け情報生成手段により生成された第 2の重み付け情報を用いて、嗜好情報と属性情報とを比較させることにより、推薦情報を生成させるようにすることができる。本発明の第 1の情報処理方法は、コンテンツに関する情報を取得する取得ステップと、取得ステップの処理により取得されたコンテンツに関する情報に基づいて、複数の項目で構成される属性情報を生成する属性情報生成ステップと、取得ステップの処理により取得されたコンテンツに関する情報を基に、コンテンツが有する条件に基づいて、属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定する重み付け情報を抽出する抽出ステップと、抽出ステップの処理により抽出された重み付け情報と、属性情報生成ステップの処理により生成された属性情報とを対応付ける対応付けステップとを含むことを特徴とする。

本発明の第 1の記録媒体に記録されているプログラムは、コンテンツに関する情報を取得する取得ステップと、取得ステップの処理により取得されたコンテンッに関する情報に基づいて、複数の項目で構成される属性情報を生成する属性情報生成ステップと、取得ステップの処理により取得されたコンテンツに関する情報を基に、コンテンツが有する条件に基づいて、属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定する重み付け情報を抽出する抽出ステップと、抽出ステップの処理により抽出された重み付け情報と、属性情報生成ステップの処理により生成された属性情報とを対応付ける対応付けステップとを含むことを特徴とする。

本発明の第 1のプログラムは、コンテンツに関する情報を取得する取得ステツプと、取得ステップの処理により取得されたコンテンツに関する情報に基づいて、複数の項目で構成される属性情報を生成する属性情報生成ステップと、取得ステップの処理により取得されたコンテンツに関する情報を基に、コンテンツが有する条件に基づいて、属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定する重み付け情報を抽出する抽出ステップと、抽出ステップの処理により抽出された重み付け情報と、属性情報生成ステップの処理により生成された属性情報とを対応付ける対応付けステップとを含むことを特徴とする。コンテンツに関する情報が取得され、取得されたコンテンツに関する情報に基づいて、複数の項目で構成される属性情報が生成され、コンテンツに関する情報を基に、コンテンツが有する条件に基づいて、属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定する重み付け情報と、属性情報とが対応付けられる。

本発明の第 2の情報処理装置は、複数の項目で構成されているコンテンツの属性情報を取得する取得手段と、複数の項目で構成されているユーザの嗜好情報を記憶する記憶手段と、取得手段により取得された属性情報と、記憶手段により記憶されているユーザの嗜好情報との類似度を、所定の重み付け情報を用いて算出することにより、ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成手段とを備え、重み付け情報は、属性情報とユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定することを特徴とする。

取得手段には、コンテンツの属性情報とともに、重み付け情報を更に取得させるようにすることができ、推薦情報生成手段には、所定の重み付け情報を用いて、属性情報と嗜好情報とを比較させることにより、推薦情報を生成させるようにすることができる。

ユーザの操作履歴を取得する操作履歴取得手段と、操作履歴取得手段により取得された操作履歴を基に、ユーザの嗜好情報を生成する嗜好情報生成手段と、嗜好情報生成手段により生成された嗜好情報を基に、重み付け情報を生成する重み付け情報生成手段とを更に備えさせるようにすることができ、推薦情報生成手段には、重み付け情報生成手段により生成された重み付け情報を用いて、嗜好情報と属性情報とを比較させることにより、推薦情報を生成させるようにすることができる。

重み付け情報は、コンテンツの属性情報のうち、一般的な嗜好に対して、ユーザの特徴的な嗜好を示す情報であるものとすることができる。

重み付け情報は、コンテンツの属性情報のうち、ユーザにとって重要な項目を示す情報であるものとすることができる。

重み付け情報は、コンテンツの属性情報のうち、ユーザが好むコンテンツを表す項目を示す情報であるものとすることができる。

重み付け情報は、コンテンツの属性情報のうち、ユーザが好まないコンテンツを表す項目を示す情報であるものとすることができる。

ユーザの操作入力を受ける操作入力手段を更に備えさせるようにすることができ、重み付け情報は、操作入力手段により入力されるユーザの操作入力により設定される情報であるものとすることができる。

本発明の第 2の情報処理方法は、複数の項目により構成されるコンテンッの属性情報と、複数の項目により構成される所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定する重み付け情報に関す. る設定情報を取得する取得ステップと、属性情報と嗜好情報との類似度を、取得ステップの処理により取得された重み付け情報に関する設定情報に基づいて算出する算出ステップと、算出ステップの処理による算出結果を用いて、ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成ステップとを含むことを特徴とする。

本発明の第 2の記録媒体に記録されているプログラムは、複数の項目により構成されるコンテンッの属性情報と、複数の項目により構成される所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定する重み付け情報に関する設定情報を取得する取得ステップと、属性情報と嗜好情報との類似度を、取得ステップの処理により取得された重み付け情報に関する設定情報に基づいて算出する算出ステップと、算出ステップの処理による算出結果を用いて、ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成ステツプとを含むことを特徴とする。

本発明の第 2のプログラムは、複数の項目により構成されるコンテンツの属性情報と、複数の項目により構成される所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定する重み付け情報に関する設定情報を取得する取得ステップと、属性情報と嗜好情報との類似度を、取得ステツプの処理により取得された重み付け情報に関する設定情報に基づいて算出する算出ステップと、算出ステップの処理による算出結果を用いて、ユーザの嗜好と合致したコンテンッを示す推薦情報を生成する推薦情報生成ステップとを含むことを特徴とする。

複数の項目により構成されるコンテンツの属性情報と、複数の項目により構成される所定のユーザの嗜好情報との類似度が、複数の項目それぞれの寄与の度合いを規定する重み付け情報を用いて算出され、ユーザの嗜好と合致したコンテンッを示す推薦情報が生成される。

本発明の情報処理システムは、コンテンツに関する情報を基にコンテンツの属性情報を生成する第 1の情報処理装置と、第 1の情報処理装置から供給されたコンテンッの属性情報を基に、ユーザの嗜好と合致したコンテンツを選択する処理を実行する第 2の情報処理装置とで構成され、第 1の情報処理装置は、コンテンッに関する情報を取得する第 1の取得手段と、第 1の取得手段により取得されたコンテンツに関する情報に基づいて、複数の項目で構成される属性情報を生成する属性情報生成手段と、属性情報生成手段により生成された属性情報の項目に対応する第 1の重み付け情報を記憶する第 1の記憶手段と、第 1の記憶手段に記憶されている第 1の重み付け情報から、コンテンツが有する条件に合致する第 1の重み付け情報を抽出して、属性情報生成手段により生成された属性情報に対応付けて送信する送信手段とを備え、第 2の情報処理装置は、複数の項目で構成されているコンテンツの属性情報おょぴ第 1の重み付け情報を取得する第 2の取得手段と、複数の項目で構成されているユーザの嗜好情報を記憶する第 2の記憶手段と、第 2の取得手段により取得された属性情報と、第 2の記憶手段により記憶されているユーザの嗜好情報との類似度を、第 1の重み付け情報と第 1の重み付け情報とは異なる第 2の重み付け情報のうちの少なくともいずれか一方の情報を用いて算出することにより、ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成手段とを備え、第 1の重み付け情報および第 2の重み付け 03 015925

10

情報は、属性情報とユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定することを特徴とする。

第 1の情報処理装置で、コンテンツに関する情報が取得され、コンテンツに関する情報に基づいて、複数の項目で構成される属性情報が生成され、生成された属性情報の項目に対応する第 1の重み付け情報が記憶され、第 1の重み付け情報から、コンテンツが有する条件に合致する第 1の重み付け情報が抽出されて、属性情報に対応付けられて送信され、第 2の情報処理装置で、複数の項目で構成されているコンテンツの属性情報と第 1の重み付け情報が取得され、複数の項目で構成されているユーザの嗜好情報が記憶され、属性情報と、ユーザの嗜好情報との類似度が、第 1の重み付け情報と第 1の重み付け情報とは異なる第 2の重み付け情報のうちの少なくともいずれか一方の情報が用いられて算出され、ユーザの嗜好と合致したコンテンツを示す推薦情報が生成される。また、第 1の重み付け情報および第 2の重み付け情報は、属性情報とユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定するものである。

本発明の第 3の情報処理装置は、コンテンッの属性情報を取得する取得手段と、ユーザの嗜好を示す第 1の情報と、一般的な嗜好を示す第 2の情報とを基に、一般的な嗜好に対するユーザの嗜好の偏りを示す第 3の情報を生成する偏り情報生成手段とを備えることを特徴とする。

属性情報、第 1の情報、およぴ第 3の情報は、それぞれ複数の項目により構成されるものとすることができ、第 3の情報を用いて、属性情報と第 1の情報との項目ごとの類似度を算出して、ユーザの嗜好と合致したコンテンツを選択する選択手段を更に備えさせるようにすることができる。

第 1の情報および第 2の情報は、それぞれ複数の項目により構成されるものとすることができ、偏り情報生成手段には、第 3の情報として、第 1の情報と第 2 の情報との類似度が低い項目を示す情報を生成させるようにすることができる。ユーザの操作履歴を取得する操作履歴取得手段と、操作履歴取得手段により取得された操作履歴を基に、第 1の情報を生成する嗜好情報生成手段とを更に備え 2003/015925

11

させるようにすることができる。

偏り情報生成手段には、第 1の情報として、所定のコンテンツ群のうち、ユーザが試聴したコンテンツを所定の項目ごとに計数した第 1の値を算出させ、第² の情報として、所定のコンテンツ群の全コンテンツを所定の項目ごとに計数した第 2の値を算出させ、第 1の値を第 2の値で正規化させることにより、第 3の情報を生成させるようにすることができる。

所定のコンテンッ群は、所定の期間中に放送または配信されたコンテンツの集合であるものとすることができる。

偏り情報生成手段には、複数の異なる期間中に放送または配信されたコンテンッの集合を、それぞれ、.複数の所定のコンテンツ群として、複数の第 1の値およぴ第 2の値を算出させるようにすることができ、第 1の値を、同一のコンテンツ群に対応する第 2の値で正規化することにより、第 3の情報を、複数生成させるようにすることができる。

所定のコンテンツ群は、所定の時間帯に放送または配信されたコンテンツの集合であるものとすることができる。

第 1の情報は、コンテンツの属性情報のうち、ユーザが好むコンテンツを表す項目を示す情報であるものとすることができる。

第 1の情報は、コンテンツの属性情報のうち、ユーザが好まないコンテンツを表す項目を示す情報であるものとすることができる。

本発明の第 3の情報処理方法は、ユーザの嗜好を示す第 1の情報を取得する第 1の取得ステップと、一般的な嗜好を示す第 2の情報を取得する第 2の取得ステップと、第 1の取得ステップの処理により取得された第 1の情報と、第 2の取得ステップの処理により取得された第 2の情報とを基に、一般的な嗜好に対する、ユーザの嗜好の偏りを示す第 3の情報を生成する偏り情報生成ステップとを含むことを特徴とする。

本発明の第 3の記録媒体に記録されているプログラムは、ユーザの嗜好を示す第 1の情報を取得する第 1の取得ステップと、一般的な嗜好を示す第 2の情報を取得する第 2の取得ステップと、第 1の取得ステップの処理により取得された第 1の情報と、第 2の取得ステツプの処理により取得された第 2の情報とを基に、一般的な嗜好に対する、ユーザの嗜好の偏りを示す第 3の情報を生成する偏り情報生成ステップとを含むことを特徴とする。

本発明の第 3のプログラムは、ユーザの嗜好を示す第 1の情報を取得する第 1 の取得ステップと、一般的な嗜好を示す第 2の情報を取得する第 2の取得ステツプと、第 1の取得ステップの処理により取得された第 1の情報と、第 2の取得ステツプの処理により取得された第 2の情報とを基に、一般的な嗜好に対する、ュ一ザの嗜好の偏りを示す第 3の情報を生成する傭り情報生成ステップとを含むことを特徴とする。

ユーザの嗜好を示す第 1の情報と、一般的な嗜好を示す第 2の情報とを基に、ユーザの嗜好の偏りを示す第 3の情報が生成される。図面の簡単な説明

図 1は、テレビジョン番組放送、およびストリームデータの配信について説明する図である。

図 2は、図 1の配信サーバの構成を示すプロック図である。

図 3は、番組べクトル生成処理 1について説明するフローチャートである。図 4は、 E P Gデータを説明する図である。

図 5は、番組ベクトルについて説明する図である。

図 6は、番組べクトル生成処理 2について説明するフローチャートである。図 7は、グループ化処理 1について説明するフローチヤ一トである。

図 8は、グループ化処理 2について説明するフローチヤ一トである。

図 9は、タイトルグループ化処理 1について説明するフローチャートである。図 1 0は、タイトルグループ化処理 2について説明するフローチヤ一トである。図 1 1は、タイトルグループ化処理 3について説明するフローチヤ一トである。図 1 2は、タイトルグループ化処理 4について説明するフローチャートである。図 1 3は、図 1の番組推薦処理装置の構成を示すブロック図である。

図 1 4は、正履歴べクトルおよび負履歴べクトル生成処理 1について説明するフローチヤ一トである。

図 1 5は、正履歴べクトルを説明する図である。

図 1 6は、正履歴べクトルおよび負履歴べクトル生成処理 2について説明するフローチヤ一トである。

図 1 7は、マッチング処理 1について説明するフローチヤ一トである。

図 1 8は、マッチング処理 2について説明するフローチヤ一トである。

図 1 9は、マッチング処理 3について説明するフローチヤ一トである。

図 2 0は、マッチング処理 4について説明するフローチャートである。

図 2 1は、マッチング処理 5について説明するフローチヤ一トである。

図 2 2は、ユーザ側効き目べクトル生成処理 1について説明するフローチヤ一トである。

図 2 3は、ユーザ側効き目べクトル生成処理 2について説明するフローチヤ一トである。

図 2 4は、ユーザ側効き目べクトル生成処理 3について説明するフローチヤ一トである。

図 2 5は、ユーザ側効き目べクトル生成処理 4について説明するフローチヤ一トである。

図 2 6は、ユーザ側反効き目べクトル生成処理 1について説明するフローチヤ一トである。

図 2 7は、ユーザ側反効き目べクトル生成処理 2について説明するフローチヤートである。

図 2 8は、グループ推薦を含むマッチング処理について説明するフローチヤ一トである。

図 2 9は、ユーザモデルを用いたマッチング処理について説明するフローチヤートである。図 3 0は、例外推薦処理について説明するフローチヤ一トである。

図 3 1は、図 1のテレビジョン受信装置の構成を示すブロック図である。

図 3 2は、図 1のテレビジョン表示装置の構成を示すブロック図である。

図 3 3は、推薦情報表示処理について説明するフローチャートである。

図 3 4は、自動チャンネル設定処理について説明するフローチャートである。図 3 5は、図 1の録画再生装置の構成を示すプロック図である。

図 3 6は、自動録画処理について説明するフローチヤ一トである。

図 3 7は、配信サーバの異なる構成例を示すプロック図である。

図 3 8は、番組推薦処理装置の異なる構成例を示すブロック図である。

図 3 9は、テレビジョン番組放送、およびストリームデータの配信のためのネットワークの異なる例について説明する図である。

図 4 0は、配信サーバの異なる構成例を示すブロック図である。発明を実施するための最良の形態

以下、図を参照して、本発明の実施の形態について説明する。

図 1を用いて、テレビジョン番組放送、およびストリームデータの配信について説明する。

放送局 1は、地上波の番組放送を送信するか、もしくは、衛星 2を介して衛星波の番組放送を送信する。図 1においては、放送局 1を 1つだけ図示して説明しているが、放送局 1が、複数存在することは言うまでもない。テレビジョン受信装置 4のアンテナ 3は、地上波、または衛星波の番組放送を受信する。放送信号には、必要に応じて、 E P G (Electronic Program Guide) が含まれている。配信サーバ 5は、ストリーミングデータデータベース 6から、ストリーミングデータを読み出し、インターネットその他のネットワークを含むネットワーク 8 を介して、テレビジョン受信装置 4に配信するとともに、メタデータデータべ一ス 7力、ら、放送局 1から放送される番組に関する情報である E P G、あるいは、 E P Gよりも詳細な情報を含むメタデータを読み出して、番組ごとに、番組べクトル PPを生成し、 E P Gデータとともに、ネットワーク 8を介して、 E P G受信装置 9に配信する。

一般的な放送信号に重畳される E PGの情報量が、以下に説明する処理に十分な情報である場合、処理には、一般的な放送信号に重畳される E PGと同一のものを利用するようにしても良い。また、一般的な放送信号に重畳される E P Gの情報量が、以下に説明する処理に十分な情報であるとはいえない場合、処理には、一般的な放送信号に重畳される E PGに加えて、もしくは単独で、メタデータを利用するようにしても良い。以下、一般的な放送信号に重畳される E PGでは、処理に十分な情報量がないため、本実施の形態では、メタデータを含む情報を利用するものとし、この情報を、 E PGデータと総称するものとする。

E PG受信装置 9は、配信された E PGデータを、テレビジョン受信装置 4に供給する。また、 E PG受信装置 9は、 E PGデータとともに配信された番組べクトル PPを、番組推薦処理装置 1 0に供給する。

チューナを有するテレビジョン受信装置 4は、操作部を有するテレビジョン表示装置 1 1、または、録画再生装置 1 2から供給されるチャンネルの選択を示す制御信号に基づいて、アンテナ 3を介して、地上波、または衛星波の放送信号を選局して受信するとともに、ネットワーク 8を介して、配信サーバ 5から、ストリーミングデータの配信を受ける。また、テレビジョン受信装置 4は、 E PG受信装置 9から、 E PGデータの供給を受け、テレビジョン表示装置 1 1、または、録画再生装置 1 2に供給する。なお、テレビジョン受信装置 4は、受信した放送波に、 E P Gが含まれていた場合、番組の信号と分離して、それぞれ、テレビジヨン表示装置 1 1、または、録画再生装置 1 2に供給する。

番組推薦処理装置 1 0は、 E PG受信装置 9から、番組べクトル PPを取得するとともに、テレビジョン表示装置 1 1およぴ録画再生装置 1 2から、操作口グを取得し、これらの情報、または、ユーザの操作入力を基に、ユーザの嗜好に合致した番組を推薦するための推薦情報を生成し、テレビジョン表示装置 1 1および録画再生装置 1 2に供給する。テレビジョン表示装置 1 1は、ユーザの操作入力を基に、テレビジョン受信装置 4から供給された放送信号、または、録画再生装置 1 2から供給された再生信号を表示したり、番組推薦処理装置 1 0から供給された推薦情報を基に、チャンネルを自動設定したり、推薦番組情報を表示する。テレビジヨン表示装置 1 1は、ユーザの操作履歴である操作ログを番組推薦処理装置 1 0に供給する。

録画再生装置 1 2は、ユーザの操作入力を基に、テレビジョン受信装置 4から供給された放送信号を、装着された記録媒体、または、内蔵する記録媒体（例えば、ハードディスク）に録画したり、番組推薦処理装置 1 0から供給された推薦情報を基に、テレビジョン受信装置 4から供給された放送信号を、装着された記録媒体、または、内蔵する記録媒体に自動録画する。また、録画再生装置 1 2は、装着された記録媒体、または、内蔵する記録媒体に録画されている番組を再生し、テレビジョン表示装置 1 1に出力して表示させる。更に、録画再生装置 1 2は、ユーザの操作履歴である操作ログを番組推薦処理装置 1 0に供給する。

ここでは、 E P G受信装置 9、テレビジョン受信装置 4、番組推薦処理装置 1 0、テレビジョン表示装置 1 1、および、録画再生装置 1 2を、それぞれ異なる装置として説明したが、これらの装置は、個別に構成されなくてもよレ、。例えば、 E P G受信装置 9、テレビジョン受信装置 4、および、テレビジョン表示装置 1 1を、チューナ機能を内蔵したテレビジョン受像機 1 5— 1として、一体的に構成するようにしても良いことは、言うまでもない。更に、録画再生装置 1 2も一体的に構成して、録画機能を有するテレビジョン受像機 1 5— 2として構成するようにしても良い。この録画再生装置 1 2は、記録媒体として、大容量のハードディスクを有する、いわゆるハードディスクレコーダであってもよいことは言うまでもない。また、番組推薦処理装置 1 0を、チューナ機能を内蔵したテレビジョン受像機 1 5— 1に内蔵して、テレビジョン受像機 1 5— 3としても、または、録画機能を有するテレビジョン受像機 1 5— 2に内蔵して、テレビジョン受像機 1 5— 4とするようにしても良い。

図 2は、配信サーバ 5の構成を示すプロック図である。データ取得部 2 1は、メタデータデータベース 7およぴストリーミングデータデータベース 6からデータを取得し、データ送信部 2 5に供給するとともに、 E P Gデータを、メタデータ抽出部 2 2に供給する。また、データ取得部 2 1は、メタデータデータベース 7に登録されている E P Gデータを、その内容により、グループ化する処理を実行する。

メタデータ抽出部 2 2は、データ取得部 2 1から供給された E P Gデータから、番組べクトル PPを生成するために必要なデータを抽出し、番組べクトル生成部 2 3に供給する。番組べクトル生成部 2 3は、メタデータを基に、番組べクトル PP を生成し、必要に応じて、データ記憶部 2 4に記憶されている番組側効き目べクトル Ef PPを対応付けて、データ送信部 2 5に供給する。

データ記憶部 2 4は、番組べクトル PPを生成する場合に必要な情報である番組側効き目べクトル EfPPを、必要に応じて記憶する。

いかに視聴率を稼ぐかという制作側、放送側の観点に基づいて、例えば、教養系番組においては、ジャンルや内容の要素が強いという特性、パラエティ番組などにおいては、出演者の要素が強いという特性、ドラマなどにおいては、出演者およぴ脚本家の要素が強いという特性がある。番組の特徴を正しく抽出するためには、これらの特性を利用する必要がある。すなわち、番組べクトル PPを構成する要素のうち、ユーザの嗜好に合致した番組を推薦するために実行されるマッチング処理において、どの要素が重要であるかは、番組のジャンルによって異なる。すなわち、番組のジャンルが「教養 ·ドキュメント」である場合、重要な項目は、出演者ではなく、その内容や題名である。これに対して、番組のジャンルが「バラエティ」のとき、重要な項目は出演者であり、番組のジャンルが「ドラマ」であるとき、重要な項目は、出演者と脚本家である。これらを番組べクトル PPの生成に利用する場合、番組のジャンル別に、項目ごとの、マッチング処理における寄与の度合いを規定する番組側効き目べクトルが設定され、データ記憶部 2 4に記憶される。

データ送信部 2 5は、データ取得部 2 1から供給された、 E P Gデータおょぴストリーミングデータ、並びに、番組べクトル生成部 2 3から供給された番組べクトル PP、および、番組側効き目べクトル EfPPを、ネットワーク 8を介して、 E P G受信装置 9、または、テレビジョン受信装置 4に送信する。

また、番組べクトル生成部 2 3には、必要に応じて、ドライブ 2 6が接続される。ドライブ 2 6には、必要に応じて、磁気ディスク 3 1、光ディスク 3 2、光磁気ディスク 3 3、および半導体メモリ 3 4が装着され、データの授受を行う。次に、図 3のフローチャートを参照して、配信サーバ 5が実行する番組べタトル生成処理 1について説明する。

ステップ S 1において、データ取得部 2 1は、メタデータデータベース 7から、メタデータで構成されている E P Gデータの供給を受ける。

ステップ S 2において、メタデータ抽出部 2 2は、データ取得部 2 1から E P Gデータの供給を受け、番組べクトル PPを生成するために必要なメタデータを抽出し、番組べクトル生成部 2 3に出力する。

図 4に、メタデータの例を示す。メタデータには、例えば、ジャンルとして「映画一邦画」、映画の題名として「東海道三谷怪談」、放送された年月日および配給元のデータ、放送の日時、放送する放送局名、並びに、放送時刻などが含まれている。更に、メタデータには、監督名、脚本家名、撮影者 (カメラマン) 、音楽担当者、出演者などのデータ、および、この番組の内容として、映画の解説などが含まれている。

ステップ S 3において、番組ベクトル生成部 2 3は、メタデータに含まれている、タイトル、内容などを、必要に応じて形態素解析し、単語に分解する。具体的には、番組ベクトル生成部 2 3は、メタデータに含まれている映画の題名をタィトルとして、「東海道」、「三谷」、「怪談」の 3つの単語に分解する。また、番組ベクトル生成部 2 3は、メタデータに、映画の解説として、図 4に示されるように、「， 5 9新西宝様式美たっぷりに有名な "三谷怪談" の世界を描く邦画ホラーの傑作。」という情報が含まれていた場合、解説に含まれている単語を抽出して、「西宝」、「様式」、「美」、「たっぷり」、「有名」、「三谷」、「怪談」、「世界」、「描く」、「邦画」、「ホラー」、「傑作」を内容情報とする。ステップ S 4において、番組ベクトル生成部 2 3は、メタデータに含まれているそれぞれの項目をべクトル化し、番組べクトル PPが生成されて、処理が終了される。生成された番組べク 'トル PPは、データ送信部 2 5に出力されて、ネットヮーク 8を介して、 E PG受信装置 9に送信される。項目のベクトル化は、全ての詳細要素を 1列として並べるようにしても良いし、大項目に分離した後に、大項目ごとにベタトル化するようにしても良い。

大項目別にベクトル化が行われる場合、例えば、図 5に示されるように、大項目を、タイトル、ジャンル、時間帯、放送局、出演者、脚本原作 Z演出、内容の 7項目として、番組ベクトル PP= (Tm, Gtn， Pm， Am， Km) が生成される。そして、各項目の内容が、タイトル（Title) Tm= {title 1， title2， · · · } 、ジャンル（Genre) Gm= {ドラマ，バラエティ，スポーツ，映画，音楽，子供向け/教育，教養 Zドキュメント，ニュース/報道，その他 } 、時間帯（Hour) Hm = {朝，昼，夕方，ゴールデン，深夜 } 、放送局（TV Station) Sm= {NNK 総合， NNK教育，亜細亜テレビ， TT S, プジ，テレ日，東都， NNK衛星第 1， NNK衛星第 2， WOWO} 、出演者（Person) Pm= {person A, person B , · ■ · } ft本 Z原作 Z演出等（Author) Am二 {person a, person b, ■ · ■ } 内容 (Keyword) Km二 {kwl , kw 2 , ■ ■ ■ } として、ベクトル化される。

上述した 7つの大項目の中で、大項目「ジャンル」、「放送局」、「時間帯」は、種類が固定できるため、詳細要素をそれぞれ数値べクトルで表すことができる。放送局の場合、例えば、放送局 S 111= {NNK総合， NNK教育，亜細亜テレビ， TT S, ブジ，テレ日，東都， NNK衛星第1， NNK衛星第 2， WOW O}において、対応する番組の放送局が WOWOである場合、放送局べクトルは、放送局 Sm= { 0， 0, 0， 0, 0, 0， 0， 0， 0， 1 } で表すことができる。ジャンルの場合、例えば、ジャンル Gm= {ドラマ，バラエティ，スポーツ，映画，音楽，子供向け Z教育，教養/ドキュメント，ニュース Z報道，その他 } において、対応する番組のジャンルが、教養/ドキュメントであった場合、ジヤンノレべクトノレは、ジヤンノレ Gm= { 0 , 0， 0， 0， 0, 0， 1， 0， 0 } で表すことができる。

一方、大項目「タイトル」、「出演者」、「脚本 Z原作 Z演出」、「内容」などの、数値べクトルで表すことのできない項目においては、べクトルに含まれる単語の頻度などによって、項目値（単語）と重み（数値）が対応付けられる。例えば、大項目「タイトル」は、タイトル Tm= {東海道一 1，三谷一 1，怪談一 1} のように、それぞれ、単語一数値で構成される要素によって表される。この例における、例えば、「東海道— 1」は、「東海道」の単語の頻度が「 1であることを意味する。

このような処理により、番組べクトル PPが生成されて、 EPG受信装置 9に送信される。具体的には、図 4を用いて説明した番組メタデータから番組ベクトル PPが生成された場合、番組べクトル PP= {タイトル Tm= {東海道一 1 , 三谷一 1, 怪談一 1 } 、ジャンル Gm= { 0 , 0， 0, 1， 0, 0， 0， 0， 0} 、時間帯 Hm二 { 0 , 0， 0， 0， 1 } 、放送局 Sm= {0, 0， 0, 0， 0， 0， 0， 0， 0， 1 } 、出演者 Pm= {若杉嘉津美一 1，天海茂一 1 , 江見俊彦一 1，中村竜ニ郎ー 1，西沢典子一 1 } 、脚本/原作/演出 Am= {中川信男一 1，大貫正一一 1 , 石田義寛ー 1, 西本正ニー 1，渡辺宙太ー 1 } 、内容 Km= (西宝 - 1, 様式一； L , 美— 1，たっぷり— 1，有名一 1, 三谷一 1，怪談一 1, 世界一 1，描く— 1，邦画一 1，ホラ一一 1，傑作一 1 } } が生成されて、 EPG受信装置 9に送信される。

このように生成される番組べクトル PPにおいて、例えば、出演者 Pmの構成要素のうち、主演を重み付けしたり、脚本ノ原作 Z演出 Amの構成要素のうち、監督を重み付けして、番組べクトノレ PPを生成するようにしても良い。このような場合、番組べクトル PPの構成要素は、例えば、出演者 Pm= {若杉嘉津美一 3，天海茂一 2，江見俊彦一 1 , 中村竜ニ郎ー 1，西沢典子一 1 } 、脚本/原作 Z演出 Am = {中川信男一 3，大貫正一一 1, 石田義寛ー 1 , 西本正ニー 1，渡辺宙太ー 1 } となる。また、番組べクトル PPを生成するために、どの要素が重要であるかは、上述したように、番組のジャンルによって異なる。ジャンルごとにどのような要素が重要であるかを示した番組側効き目べクトル Ef PPが、番組側効き目べタトル情報として、データ記憶部 2 4に記憶されている場合、番組側効き目べクトル EfPPを、番組べクトル PPに対応付けて送信するようにしても良い。番組側効き目べクトル EfPPは、番組べクトル PPの大項目に対応して設定される。

番組べクトル PP= {タイトル T m，ジャンル G m, 時間帯 Hm，放送局 S m, 出演者 P m，脚本/原作/演出 Am，内容 K m } において、例えば、番組のジャンルが「教養/ドキュメント」である場合、重要な項目は、その内容や題名（重み付け値が 3の場合）であるので、番組側効き目ベクトル EfPP= { 3， 1， 1 , 1 , 1， 1， 3 } となる。これに対して、番組のジャンルが「バラエティ」のとき、重要な項目は出演者（重み付け値が 5の場合）であるので、番組側効き目べクトル EfPP = { 1 , 1， 1 , 1， 5， 1， 1 } となる。また、番組のジャンルが「ドラマ」であるとき、重要な項目は、出演者（重み付け値が 2の場合）と脚本家であり、特に脚本家が重要（重み付け値が 3の場合）である場合、番組側効き目べクトル EfPP= { 1 , 1， 1， 1 , 2， 3 , 1 } となる。

次に、図 6のフローチャートを参照して、番組側効き目べクトル EfPP力番組ベタトル PPに対応付けて送信される場合の、番組べクトル生成処理 2について説明する。

ステップ S 1 1乃至ステップ S 1 4において、図 3を用いて説明したステップ S 1乃至ステップ S 4の処理と同様の処理が実行される。すなわち、メタデータデータベース 7から、 E P Gデータの供給を受け、 E P Gデータから、番組べクトル PPを生成するために必要なメタデータが抽出され、メタデータに含まれている、タイトル、内容などが、必要に応じて形態素解析されて、単語に分解される。そして、メタデータに含まれているそれぞれの項目がベクトル化されて、番組べクトノレ PPが生成される。

ステップ S 1 5において、番組べクトル生成部 2 3は、供給されたメタデータの番組のジャンルに基づいて、対応する効き目ベクトルを、データ記憶部 2 4に記憶されている効き目べクトル情報から抽出する。例えば、番組のジャンルが「バラエティ」のとき、データ記憶部 2 4から、出演者に対する重み付けを行う効き目ベクトル EfPP= { 1， 1， 1， 1， 5， 1 , 1 } が抽出される。

ステップ S 1 6において、番組ベクトル生成部 2 3は、ステップ S 1 5において抽出された効き目べクトル EfPPを、ステップ S 1 4において生成された番組べクトル PPと対応付けて、処理が終了される。

このような処理により、番組べクトル PPが生成されて、番組のジャンルに基づいて、重要な項目に重み付けを施すための番組側効き目べクトル EfPPが対応付けられて、ネットワーク 8を介して、 E P G受信装置 9に送信される。

以上説明したようにして、番組べクトル PPが生成されるが、例えば、番組をその属性ごとにグループ化することにより、番組ベクトル PPを、少ない演算量で、正確に作成するようにすることができる。

番組のグループ化は、例えば、連続ドラマ、 1週単位の同一ジャンルの番組群、番組編成単位（1 3週）の出演者ごとの番組群などで生成できるが、その具体例として、次の図 7のフローチャートを参照して、連続ドラマをグループ化する場合のグループ化処理 1について説明する。

ステップ S 3 1において、データ取得部 2 1は、メタデータデータベース 7に登録されている E P Gデータから、例えば、同一タイトル、同一放送局で、放送時刻が平日の同時刻や、同じ曜日の同時刻であるなどの所定の条件（グループ化のための条件）に合致した番組を抽出する。

ステップ S 3 2において、データ取得部 2 1は、抽出された番組をグループ化し、対応する番組の E P Gデータにグループ I Dをつける。

ステップ S 3 3において、メタデータ抽出部 2 2は、同一グループ I Dを有する、すなわち、連続ドラマであると認識された番組の第 1回目の放送の番組べクトル生成に必要なメタデータを抽出する。

3 4において、図 3または図 6を用いて説明した番組べクトル生成 P T/JP2003/015925

23

処理が実行される。

ステップ S 3 5において、番組べクトル生成部 3 3は、対応するグループ I D の番組べクトノレ PPを、第 1回の放送分の番組べクトルに固定して設定し、処理が終了される。

このような処理により、連続ドラマがグループ化されて、番組ベクトルが統一される。また、グループ I Dと番組べクトル PPとを、対応付けて、データ記憶部 2 4に記憶しておくようにしても良い。

特に、連続ドラマの E P Gデータにおいて、初回の内容は、番組全体の解説になっているが、初回以外の内容は、その回の分の解説となっていることが多く、番組全体の内容を表してはいない。また、内容以外の部分のメタデータは毎回ほぼ同じであることから、初回分の E P Gデータを採用して番組べクトル PPを生成することにより、番組べクトル生成処理の処理回数を減少することができるのみならず、より正確に番組の特性と合致した番組べクトル PPを生成することが可能になる。

図 7においては、連続ドラマの E P Gデータに同一の I Dを付加する処理について説明したが、 E P Gデータに、連続ドラマを区別する情報が予め含まれている場合、ステップ S 3 1の処理を省略して、 E P Gデータに含まれている連続ドラマを区別する情報を参照して、連続ドラマの E P Gに同一の I Dを付加するようにしても良い。

次に、図 8のフローチャートを参照して、連続ドラマ以外の要素によってもグループ化を行うことができるグループ化処理 2について説明する。ここでは、ジヤンルおよび出演者によるグループ化を行うものとして説明する。

ステップ S 5 1において、データ取得部 2 1は、メタデータデータベース 7に登録されている E P Gデータを参照して、番組の E P Gデータに、メタデータの内容に対応したクラスタコードを付加する。

例えば、同一タイトル、同一放送局で、放送時刻が平日の同時刻や、同じ曜日の同時刻であるなどの、連続ドラマである条件に合致した番組を抽出し、抽出さ 3 015925

24

れた、連続ドラマであると認識される番組群の中で、例えば、連続ドラマの放送時刻によって、平日の同時刻であればコード 1、同じ曜日の同時刻であればコード 2、隔週、隔日など、コード 1およびコード 2以外の放送時刻であればコード 3などの、最小桁の第 1のクラスタコードが決定される。連続ドラマでない場合、最小桁の第 1のクラスタコードは 0となる。

次に、メタデータデータベース 7に登録されているメタデータのジャンルに関するデータを参照して、そのジャンルごとに、例えば、コード 2 0、コード 3 0 などの、下位から 2桁目（1 0の位）に数値を有する第 2のクラスタコードが決定される。

最後に、メタデータデータベース 7に登録されているメタデータの出演者のデータを参照して、例えば、コード 2 3 0 0、コード 8 0 0など、下位から 2桁目以上（1 0 0以上の位）を用いて表される第 3のクラスタコードが決定される。そして、第 1乃至第 3のクラスタコードの合計値が、その番組の E P Gに付加されるクラスタコードとなる。

ステップ S 5 2において、データ取得部 2 1は、クラスタコードの 1桁目が 0 であるか否かを基に、対応する E P Gは、連続ドラマのものであるか否かを判断する。

ステップ S 5 2において、連続ドラマであると判断された場合、ステップ S 5 3およびステップ S 5 4において、図 7のステップ S 3 3およびステップ S 3 4 と同様の処理が実行される。すなわち、第 1回目の放送の E P Gが抽出されて、図 3または図 6を用いて説明した番組べクトル生成処理が実行される。

ステップ S 5 5において、番組べクトル生成部 3 3は、この連続ドラマの番組ベタトル PPを、第 1回の放送分の番組べクトル PPに固定して設定し、番組べクトル PPに、生成したクラスタコードを対応付けて設定し、処理が終了される。ステップ S 5 2において、連続ドラマではないと判断された場合、ステップ S 5 6において、図 3または図 6を用いて説明した番組べクトル生成処理が実行される。ステップ S 5 7において、番組べクトル生成部 3 3は、番組べクトノレ PPに生成したクラスタコードを対応付けて、処理が終了される。

このような処理により、連続ドラマ以外であっても、ジャンルや出演者によつて番組べクトル PPをグループ化することが可能となり、グループを示すクラスタコードと、番組べクトル PPとを対応付けることができる。

図 2を用いて説明した配信サーバ 5において、図 3乃至図 8を用いて説明したようにして番組べクトノレ PPが生成されるので、常に新しい用語やジャンルなどに対応した番組べクトル PPを生成することが可能となる。生成された番組べクトル PPは、 E P Gデータとともに、ネットワーク 8を介して、 E P G受信装置 9に受信され、番糸且推薦処理装置 1 0に供給される。

また、グループ化処理は、タイトルを形態素解析して、単語に分解し、単語ごとにグループ I Dを付けることにより行うようにしてもよい。

次に、図 9のフローチャートを参照して、タイトルグループ化処理 1について説明する。

ステップ S 6 1において、データ取得部 2 1は、メタデータデータベース 7に登録されている E P Gデータを参照して、登録されているメタデータから、タイトルを抽出し、番組べクトル生成部 2 3に供給する。

ステップ S 6 2において、番組べクトル生成部 2 3は、タイトルを形態素解析し、単語に分解する。具体的には、メタデータに含まれている映画の題名が「東海道三谷怪談」であった場合、これがタイトルとして形態素解析されるので、「東海道」、「三谷」、「怪談」の 3つの単語が得られる。

ステップ S 6 3において、番組べクトル生成部 2 3は、解析された単語、もしくは、複数の単語から構成される単語群のうちのいずれかを抽出して、データ記憶部 2 4から、抽出された単語、または単語群に対応するグループ I Dを抽出する。

ここで、複数の単語から構成される単語群とは、形態素解析により得られた単語の組み合わせにより生成される単語群であり、例えば、形態素解析により得られた単語が「東海道」、「三谷」、「怪談」である場合、単語群は、「東海道 · 三谷」、「東海道 '怪談」、「三谷'怪談」となる。

ステップ S 6 4において、番組べクトル生成部 2 3は、データ記憶部 2 4から、対応するグループ I Dが抽出されたか否かを判断する。

ステップ S 6 4において、対応するグループ I Dが抽出されなかったと判断された場合、抽出された単語、もしくは、複数の単語から構成される単語群には、まだグループ I Dが付けられていないので、ステップ S 6 5において、番組べクトル生成部 2 3は、抽出された単語、もしくは、複数の単語から構成される単語群に新たなグループ I Dを対応付ける。また、番組べクトル生成部 2 3は、単語、もしくは、複数の単語から構成される単語群と、それに対応するグループ I Dを、データ記憶部 2 4に記憶させる。

ステップ S 6 4において、対応するグループ I Dが抽出されたと判断された場合、または、ステップ S 6 5の処理の終了後、ステップ S 6 6において、番組べクトル生成部 2 3は、タイトルを構成する全ての単語、もしくは、複数の単語から構成される単語群についてグループ I Dを抽出したか否かを判断する。

ステップ S 6 6において、タイトルを構成する全ての単語、もしくは、複数の単語から構成される単語群についてグループ I Dを抽出していないと判断された場合、処理は、ステップ S 6 3に戻り、それ以降の処理が繰り返される。

ステップ S 6 6において、タイトルを構成する全ての単語、もしくは、複数の単語から構成される単語群についてグループ I Dが抽出されたと判断された場合、ステップ S 6 7において、番組べクトル生成部 2 3は、番組べクトルに、抽出されたグループ I Dを対応付けて、処理が終了される。

このような処理により、番組ベクトルに、タイトルを構成する単語、または単語群に対応するグループ I Dが対応付けられて、データ送信部 2 5により、ネットワーク 8を介して、テレビジョン受信装置 4または、 E P G受信装置 9に送信される。

また、類似したタイトルの番組を、同一のグループとするようにしても良い。 P T/JP2003/015925

27

例えば、タイトル「 2年 A組銀八先生」の連続ドラマと、タイトル「2年 A組銀八先生スペシャル」の特別番組とを、同一のグループとしてグループ化することができるように、タイトルを構成する単語の形態素解析結果を基に、例えば、 2 週間、 1ヶ月、半年などの所定の期間の番組タイトルで、単語の一致率を総当りで算出し、単語の一致率が所定の値以上である場合、同一グループとするように次に、図 1 0のフローチャートを参照して、タイトルを構成する単語の一致率によりグループ化を実行するタイトルグループ化処理 2について説明する。

ステップ S 4 0 1およびステップ S 4 0 2において、図 9を用いて説明した、ステップ S 6 1およびステップ S 6 2と同様の処理が実行される。すなわち、データ取得部 2 1は、メタデータデータベース 7に登録されている E P Gデータを参照して、登録されているメタデータから、タイトルを抽出し、番組べクトル生成部 2 3に供給し、番組べクトル生成部 2 3は、タイトルを形態素解析し、単語に分解する。

ステップ S 4 0 3において、番組べクトル生成部 2 3は、解析された単語を基に、タイトル間の単語の一致度、すなわち、単語が一致している割合を示す一致率を算出する。

具体的には、タイトル「2年 A組銀八先生」と、タイトル「2年 A組銀八先生スペシャル」とが、それぞれ、「2」「年」「A j 「組」「銀八」「先生」と、「2」「年」「A」「組」「銀八」「先生」「スペシャル」とに形態素分析された場合、この 2つの番組のタイトルを構成する単語の一致率は、 6 Z 7で 8 5 . 7 %となる。

ステップ S 4 0 4において、番組ベクトル生成部 2 3は、単語が、例えば、 7 0 %などの所定の値以上一致しているか否かを判断する。この、一致率の閾値は、 7 0 %以外のいかなる数値であっても良いことは言うまでもない。

ステップ S 4 0 4において、単語が、 7 0 %などの所定の値以上一致していると判断された場合、ステップ S 4 0 5において、番組ベクトル生成部 ² 3は、それらの番組に、同一のグループ I Dを対応付ける。また、番組ベクトル生成部 2 3は、一致した単語、または、単語群と、それに対応するグループ I Dを、データ記憶部 2 4に記憶させる。

ステップ S 4 0 4において、 7 0 %などの所定の値以下の一致率であると判断された場合、または、ステップ S 4 0 5の処理の終了後、ステップ S 4 0 6において、番組べクトル生成部 2 3は、タイトルの総当りが終了したか否かを判断する。

ステップ S 4 0 6において、タイトルの総当りが終了していないと判断された場合、処理は、ステップ S 4 0 3に戻り、それ以降の処理が繰り返される。ステップ S 4 0 6において、タイトルの総当りが終了したと判断された場合、処理が終了される。

このような処理により、番組べクトルに、タイトルを構成する単語の一致率を基にしたグループ I Dが対応付けられて、データ送信部 2 5により、ネットヮーク 8を介して、テレビジョン受信装置 4または、 E P G受信装置 9に送信されるので、例えば、連続ドラマとスペシャル番組などの類似したタイトルの番組を、同一のグループとして処理させるようにすることができる。

さらに、タイトルを構成する単語の一致率を基にグループを決定するようにすることにより、例えば、 E P G、またはメタデータにおいて、数字の半角と全角、または、英字の半角と全角、もしくは、大文字と小文字などの表記ゆれがあった場合にも、同一タイトルの番組を、同一のグループとして検出することが可能となる。

また、単語の一致率に加えて、例えば、放送局や番組ジャンル、あるいは、放送開始時刻などを、グループ化の条件に加えるようにしても良い。例えば、ニュース番組などにおいては、タイトルが、「ニュース」を含む少ない単語によって構成されているので、図 1 0を用いて説明した処理では、異なる放送局の異なる形態のニュース番組であっても、同一のグループとして検出されてしまう恐れがあるので、単語の一致率に加えて、放送局も一致した場合、同一グループとする 3 015925

29

ようにしても良い。

図 1 1のフローチャートを参照して、放送局の一致を条件に加えて、タイトルを構成する単語の一致率によりグループ化を実行するタイトルグループ化処理 3 について説明する。

ステップ S 4 2 1乃至ステップ S 4 2 4において、図 1 0を用いて説明した、ステップ S 4 0 1乃至ステップ S 4 0 4と同様の処理が実行される。すなわち、データ取得部 2 1は、メタデータデータベース 7に登録されている E P Gデータを参照して、登録されているメタデータから、タイトルを抽出し、番組べクトル生成部 2 3に供給し、番組べクトル生成部 2 3は、タイトルを形態素解析し、単語に分解する。そして、番組ベクトル生成部 2 3は、解析された単語を基に、タィトル間の単語の一致度を算出し、単語が、例えば、 7 0 %などの所定の値以上一致しているか否かを判断する。

ステップ S 4 2 4において、単語が、 7 0 %などの所定の値以上一致していると判断された場合、ステップ S 4 2 5において、番組ベクトル生成部 2 3は、それらの番組の放送局が一致しているか否かを判断する。

ステップ S 4 2 5において、これらの番組の放送局が一致していると判断された場合、ステップ S 4 2 6において、番組べクトル生成部 2 3は、それらの番組に、同一のグループ I Dを対応付ける。また、番組ベクトル生成部 2 3は、一致した単語、または、単語群と、それに対応する放送局およびグループ I Dを、データ記憶部 2 4に記憶させる。

ステップ S 4 2 4において、 7 0 %などの所定の値以下の一致率であると判断された場合、ステップ S 4 2 5において、これらの番組の放送局が一致していないと判断された場合、または、ステップ S 4 2 6の処理の終了後、ステップ S 4 2 7において、番組べクトル生成部 2 3は、タイトルの総当りが終了したか否かを判断する。

ステップ S 4 2 7において、タイトルの総当りが終了していないと判断された場合、処理は、ステップ S 4 2 3に戻り、それ以降の処理が繰り返される。 4 2 7において、タイトルの総当りが終了したと判断された場合、処理が終了される。

このような処理により、番組べクトルに、放送局の一致とタイトルを構成する単語の一致率を基にしたグループ I Dが対応付けられて、データ送信部 2 5により、ネットワーク 8を介して、テレビジョン受信装置 4または、 E P G受信装置 9に送信されるので、例えば、類似したタイトルの番組を、同一のグループとする場合に、他局のニュース番組を同一のグループとするようなことを防ぐことができる。

なお、図 1 1においては、タイトルを構成する単語の一致率以外に、同一の放送局であるか否かを条件として、グループ化を行うものとして説明したが、放送局以外の、例えば、放送時間帯やジャンルなどを、タイトルを構成する単語の一致率以外の条件として、グループ化を実行するようにしても良いことは言うまでもない。

更に、例えば、連続ドラマや帯番組の放送開始時刻が、スポーツ中継や特別番組などのためにずれた場合においても、同一グループとして検出可能なように、タイトルを構成する単語の一致率以外の条件を、放送時刻が、例えば、 1時間などの所定の時間範囲内のずれで一致しているか否かとして、グループ化を実行するようにしても良い。 - 図 1 2のフローチャートを参照して、放送時刻が、所定の時間範囲内のずれで一致しているか否かを条件に加えて、タイトルを構成する単語の一致率によりグループ化を実行するタイトルグループ化処理 4について説明する。

ステップ S 4 4 1乃至ステップ S 4 4 4において、図 1 0を用いて説明した、ステップ S 4 0 1乃至ステップ S 4 0 4と同様の処理が実行される。すなわち、データ取得部 2 1は、メタデータデータベース 7に登録されている E P Gデータを参照して、登録されているメタデータから、タイトノレを抽出し、番組べクトル生成部 2 3に供給し、番組べクトル生成部 2 3は、タイトルを形態素解析し、単語に分解する。そして、番組べクトル生成部 2 3は、解析された単語を基に、タィトル間の単語の一致度を算出し、単語が、例えば、 7 0 %などの所定の値以上一致しているか否かを判断する。

ステップ S 4 4 4において、単語が、 7 0 %などの所定の値以上一致していると判断された場合、ステップ S 4 4 5において、番組べクトル生成部 2 3は、それらの番組の放送開始時刻が、例えば、 1時間などの所定の範囲内のずれで一致しているか否かを判断する。

ステップ S 4 4 5において、それらの番組の放送開始時刻が所定の範囲内のずれで一致していると判断された場合、ステップ S 4 4 6において、番組ベクトル生成部 2 3は、それらの番組に、同一のグループ I Dを対応付ける。また、番組ベクトル生成部 2 3は、一致した単語、または、単語群と、それに対応する放送開始時刻の範囲、およびグループ I Dを、データ記憶部 2 4に記憶させる。ステップ S 4 4 4において、 7 0 %などの所定の値以下の一致率であると判断された場合、ステップ S 4 4 5において、それらの番組の放送開始時刻が所定の範囲以上にずれていると判断された場合、または、ステップ S 4 4 6の処理の終了後、ステップ S 4 4 7において、番組べクトル生成部 2 3は、タイトルの総当りが終了したか否かを判断する。

ステップ S 4 4 7において、タイトルの総当りが終了していないと判断された場合、処理は、ステップ S 4 4 3に戻り、それ以降の処理が繰り返される。ステップ S 4 4 7において、タイトルの総当りが終了したと判断された場合、処理が終了される。

このような処理により、番組べクトルに、放送開始時刻の所定の範囲内のずれを含む一致と、タイトルを構成する単語の一致率を基にしたグループ I Dが対応付けられて、データ送信部 2 5により、ネットワーク 8を介して、テレビジョン受信装置 4または、 E P G受信装置 9に送信されるので、例えば、類似したタイトルの番組を同一のグループとする場合に、特別番組などによる放送時刻の変更のために、同一グループとして検出されるべき番組が、同一グループとして検出されないようなことを防ぐことができる。 3 015925

32

図 1 3は、番組推薦処理装置 1 0の構成を示すブロック図である。

データ取得部 4 1は、配信サーバ 5から送信された番組べクトル PP、およぴ番組べクトル PPに対応する番組側効き目べクトル EfPPを取得する。番組べクトル抽出部 4 2は、データ取得部 4 1が取得した番組べクトル PPから、マッチング処理に必要な番組べクトル PP、あるいは、ユーザモデル生成のために必要な番組べクトル PPを抽出し、必要に応じて、番組べクトル PPに対応する番組側効き目べクトル EfPPとともに、マツチング処理部 4 3に供給する。

操作入力部 4 4は、例えば、キーボード、タツチパッド、マウスなどの入力デバイスで構成され、ユーザが入力した初期登録情報や、ユーザモデル生成のためのトピックの入力を受け、初期登録保存部 4 5に出力する。初期登録保存部 4 5 は、操作入力部 4 4から供給された初期登録内容や、ユーザモデル生成のためのトピックを登録し、必要に応じて、操作ログ取得部 4 6、または、マッチング処理部 4 3に供給する。また、初期登録保存部 4 5に保存されている内容は、操作入力部 4 4から入力されるユーザの操作に基づいて、逐次更新される。初期登録される内容には、例えば、嫌いなジャンル、嫌いなキーワード、嫌いな出演者などの、ユーザが好まない番組を示す情報や、好きなジャンル、好きなキーワード、好きな出演者などの、ユーザが好む番組を示す情報がある。

操作口グ取得部 4 6は、テレビジョン表示装置 1 1または録画再生装置 1 2から、操作ログを取得し、これらの情報を正履歴と負履歴に分類し、必要に応じて、初期登録保存部 4 5に保存されている情報を参照して、データ取得部 4 1が取得した番組べクトル PPのうち、正履歴および負履歴に対応する番組べクトル PPを読み出して、正履歴保存部 4 7と負履歴保存部 4 8に供給して保存させる。正履歴保存部 4 7は、供給された正履歴を保存し、正履歴べクトル UPを生成する。負履歴保存部 4 8は、供給された負履歴を保存し、負履歴べクトル MUPを生成する。生成された正履歴べクトル UPと負履歴べクトル MUPは、マッチング処理部 4 3に供給される。

ここで、正履歴とは、ユーザが積極的に視聴しょうとする、換言すれば、好ましいと思う番組の候補を抽出するために用いられる情報であり、例えば、ユーザ力番組を視聴したり、録画した場合、または、後述する処理によりユーザに推薦番組リストとして提案された番組が、ユーザに受け入れられて視聴または録画された場合、その番組のメタデータは、好印象メタデータとして、正履歴保存部 4 7に保存される。正履歴保存部 4 7は、詳細項目ごとに、または、大項目ごとに、正履歴の総和を求め、正履歴べクトル UPを生成する。

一方、負履歴とは、ユーザが視聴するのに消極的である、換言すれば、好ましくないと思う番組を、推薦する番組から除くために用いられる情報であり、例えば、初期登録で嫌いであるとされた項目や、録画後見ずに消去された番組、または、後述する処理によりユーザに推薦番組リストとして提案された番組がユーザに受け入れられず、視聴または録画操作されなかった場合、その番組のメタデータは負印象メタデータとして、負履歴保存部 4 8に保存される。例えば、ユーザ、初期登録で「スポーツ」を嫌いであるとした場合、ジャンル Gmup= { 0， 0， 5 , 0， 0 , 0， 0 , 0 , 0 } 力重み 5で負印象として負履歴保存部 4 8に追加保存される。負履歴保存部 4 8は、詳細項目ごとに、または、大項目ごとに、負履歴の総和を求め、負履歴べクトル MUPを生成する。

マッチング処理部 4 3は、番組べクトル抽出部 4 2から抽出された番組べクトルと、正履歴保存部 4 7または負履歴保存部 4 8から供給された正履歴べクトル UP、または、負履歴べクトル MUPとのマッチングを検証する。

番組べクトル PP、正履歴べクトル UP、または、負履歴べクトル MUPが、全ての詳細要素を 1列に並べてベタトル化されている場合、タイトルやキーワードなどは複数の単語で構成されているので、その単語 1語と、例えば、ジャンルなどの項目が、ベクトルにおいて同じ重さになってしまう。そこで、マッチング処理部

4 3の正規化処理部 6 1は、単語によって構成される項目であるタイトルおよび内容について、番組ごとに、単語を単語数で割ることで正規化する。例えば、タィトル T ra= {東海道一 1 , 三谷一 1，怪談一 1 }である場合、タイトル T tn= {東海道： 0 . 3 3，三谷： 0 . 3 3 , 怪談： 0 . 3 3 } と正規化される。これにより、タイトル、内容とも、その項目内の単語のトータノレで、重みが 1になるので、マツチング処理において不都合が生じない。

ベタトル演算部 6 2は、番組べクトル PPと、正履歴べクトル UP、または、負履歴べクトル MUPとのマッチング処理を実行する。

ベタトル演算部 6 2は、番組べクトル PP、正履歴べクトル UPおよび負履歴べクトル MUPが、詳細項目の全要素を 1列に並べたベタトルで表されている場合、正履歴べクトル UPまたは負履歴べクトル MUPと、番組べクトル PPとのべクトル間のコサイン距離（_COS0) によって、次の式（1) に示されるように、番組べクトル PPと正履歴ベクトル UPとの類似度 SimUPを求め、式（2) に示されるように、番組べクトル PPと負履歴べクトノレ MUPとの類似度 SimMUPを求める。コサイン距離とは、式（1) と式（2) に示されるように、 2つのベクトルの内積を各ベクトルの絶対値の積で除算して得られる値である。

SimUP = cos 0u = UP · PP/|UP| X |PP| - ■ · (1)

SimMUP = cos Θ m=MUP■ PP/|MUP| X |PP| - - - (2)

ただし、式（1) およぴ式（2) において、 PPは番組べクトル PPを示し、 UP は正履歴べクトル UPを示し、 MUPは、負履歴べクトル MUPを示す。また、 " · " は、内積を示し、 "X" は、要素の掛け算（スカラ演算）を示す。

また、べクトル演算部 62は、番組べクトノレ PP、正履歴べクトル UPおよび負履歴べクトル MUPが大項目ごとにベタトル化されている場合、大項目ごとに、番組べクトル PPと正履歴べクトル UPとの類似度と、番組べクトル PPと負履歴べクトル MUPとの類似度を求め、大項目ごとに類似度の和を算出して、類似度 SimUP および類似度 SimMUPを算出することができる。例えば、単語に分解されている大項目「タイトル」において、正履歴ベクトル UPが、タイトル Tup {学校— 1, 怪談一 1，トイレ— 1 } であり、供給された番組べクトル PPが、タイトル Tm = {東海道一 1，三谷 _ 1，怪談一 1 } である場合、単位ベクトル長さを 1とすると、ベクトルの長さ（絶対値）は、要素の合計の 2乗和の平方根であるので、タィトルの類似度であるコサイン距離 cosS tは、次の式（3)のように算出される。 cos Θ t= (1 · 1) I ( 3XV~3) =1/3 · ■ ■ (3)

式（3) において、 "■ " は、内積を示し、 "X" は、スカラ演算を示す。番組べクトノレ PPと、負履歴べクトル MUPとの大項目ごとの類似度も、式（ 3 ) と同様の計算によって算出される。

例えば、正履歴べクトル UPを、正履歴べクトル UP= {タイトル Tup, ジヤンル Gup, 出演者 Pup, 脚本 Z原作/演出 Aup, 内容（キーワード） Kup} および負履歴べクトノレ MUPを、負履歴べクト MUP= {タイトノレ Tmup，ジャンル Gmup，出演者 Pinup, 脚本 Z原作/演出 Atnup, 内容（キーワード） Kmup} とした場合、それぞれの大項目で、式（3) と同様の演算により、大項目.ごとに類似度が得られるので、類似度 SimUPおよび類似度 SimMUP は、いずれも、次の式（4) の類似度 Simとして演算される。

Sim=cos Θ +4- cos Θ g+cos Θ p+cos Θ„ + cos Θ k · ■ ■ ( 4 )

ここで、 cos 0 _tは、大項目「タイトル」における、番組べクトノレ PPと、正履歴べクトル UPまたは負履歴べクトル MUPとのコサイン距離であり、 cos e ^は、大項目「ジャンル」における、番組ベクトル PPと、正履歴ベクトル UPまたは負履歴ベクトル MUPとのコサイン距離であり、 co_SS_pは、大項目「出演者」における、番組べクトノレ PPと、正履歴べクトル UPまたは負履歴べクトル MUP とのコサイン距離であり、 _COS0 _aは、大項目「脚本/原作 Z演出」における、番組べクトノレ PPと、正履歴べクトル UPまたは負履歴べクトル MUPとのコサイン距離であり、 cos 0 _kは、大項目「内容」における、番組べクトル PPと、正履歴べクトル UPまたは負履歴べクトル MUPとのコサイン距離である。

類似度 SimUPおよぴ類似度 SimMUP力 S、大項目ごとの演算結果の和として算出された場合、項目間の重みの偏りがなくなるため、正規化を行っているのと道義である。従って、全要素を 1列に並べたベタトノレと異なり、正規化処理部 6 1による正規化処理を行わなくてもよい。

すなわち、正規化を行うことなく、全要素を 1列に並べたベクトルを用いてしまった場合、頻度の積み重なり易い、例えば、放送局、ジャンルなどの項目と比較して、タイトルや内容などの項目においては、履歴が増えるに従って、単語数は増える一方、それぞれの単語の頻度は大きくなりにくい。

このため、全要素を用いて、要素ごとに合計を取った場合、頻度の重なりやすい、放送局、ジャンルなどの項目の影響が大きくなつてしまうので、例えば、ュ一ザが解説者 Aのファンであるので、「解説者 Aが解説している球団 Bの試合の実況中継」を好んで視聴しているような場合、ジャンルである「野球の実況中継」という情報は履歴として重なりやすいが、出演者である「解説者 A」という情報は履歴として重なり難い。従って、他の解説者が解説している球団 Bの試合の実況中継が推薦されて、解説者 Aが出演しているバラエティ番組が推薦されないような場合が発生する。

これに対して、正規化を行う力、または、大項目ごとの演算結果の和を類似度 SimUPおよび類似度 SimMUPとして算出するようにすることにより、履歴の頻度の大小の影響を受けることなく、解説者 Aが出演しているバラエティ番組を推薦することができ、より正確にユーザの嗜好を反映するようにすることができる。また、ベタトル演算部 6 2は、初期登録保存部 4 5に保存されているユーザの初期登録情報、番組べクトル PPに対応付けられて送信される番組側効き目べクトル EfPP、または、ユーザ情報登録部 6 3において生成されて登録されているユーザ側効き目べクトル EfUP (後述）、もしくは、ユーザ側反効き目べクトル EfMUP (後述）により、重み付けを行って、類似度 SimUPおよび類似度 SitnMUPを算出するようにすることもできる。

ベタトル演算部 6 2は、上述したような方法で算出された類似度 SiraUPを基に、例えば、正履歴ベクトルとの類似度が高い上位所定数（例えば、 1 0 ) の番組に対して、更に履歴べクトル MUPとの類似度 SimMUPを求め、 SimUP— SimMUPを演算し、演算結果の上位所定数（例えば、 3 ) の番組を推薦番組として、推薦情報出力部 4 9に出力する。

また、ベタトル演算部 6 2は、番組べクトルがグループ化されている場合、推薦された番組の情報を基に、ユーザ情報登録部 6 3に、推薦優先グループを登録し、推薦優先グループに対応する番組を、優先的に推薦する。

更に、ベタトル演算部 6 2は、初期登録保存部 4 5に保存されているトピックを用いて番組べクトル PPのフィルタリングを行うことにより、ユーザモデルべクトルを生成し、ユーザ情報登録部 6 3に登録して、マッチング処理を行うようにすることができる。ユーザモデルについての詳細については後述する。

ユーザ情報登録部 6 3は、初期登録保存部 4 5から供給されたユーザの初期登録内容、あるいは、正履歴保存部 4 7または負履歴保存部 4 8から供給された正履歴べクトル UPまたは負履歴べクトル MUPを基に、ユーザ側効き目べクトル EfUP および反効き目べクトル E預 UPを生成して、保存する。ユーザ側効き目べクトル EfUPは、そのユーザにとって、大項目のうちのいずれの要素が番組の選択に重要であり、番組の選択のために重みが置かれている項目であるかを示すベタトルカ \ または、それぞれの項目におけるユーザの嗜好を示すベクトルである。反効き目ベクトル EfMUPは、そのユーザにとって、大項目のうちのいずれの要素が番組の選択に重要でない要素であり、番組の選択のために重みが置かれていない項目であるかを示すベクトルか、または、それぞれの項目において、ユーザが好まない項目を示すベタトルである。

換言すれば、ユーザ側効き目べクトル EfUPおよぴ反効き目べクトル EfMUPは、番組べクトル PPと、正履歴べクトル UPまたは負履歴べクトル MUP とのマツチングにおいて、いずれの項目が大きく寄与するかを規定するものである。

ユーザ側効き目べクトノレ EfUPおよび反効き目べクトル EfMUPは、ユーザによつて設定可能としたり、予め定められた値を用いるようにしても良いが、初期登録保存部 4 5に登録されているユーザの初期登録内容を基に生成されるようにしても良い。

具体的には、ユーザ側効き目べクトル EfUPが、そのユーザにとって、大項目のうちのいずれの要素が番組の選択に重要であるかを示す情報である場合、番組べクトル PP= {タイトル T tn, ジャンル Gm, 時間帯 Hm, 放送局 S m，出演者 P m，脚本/原作 Z演出 Am，内容 Km } において、ユーザにとってジャンルが重要である場合、例えば、効き目ベクトル EfUP二（1， 5， 1 , 1， 1 , 1， 1 ) と設定される。これに対して、ユーザにとって出演者とジャンルが重要である場合、例えば、効き目ベクトル EfUP= ( 1， 3， 1， 1 , 5 , 1， 1 ) と設定される。また、ユーザ側効き目べクトル EfUPが、それぞれの項目におけるユーザの嗜好を示すベクトルである場合、大項目ジャンル G m = {ドラマ，バラエティ，スポーッ，映画，音楽，子供向け/教育，教養/ドキュメント，ニュースノ報道，その他 } において、ユーザが好ましいと思う番組のジャンルが、教養 zドキュメントであった場合、ユーザ効き目ベクトル EfUPは、例えば、ジャンル G m = { 0 , 0 , 0， 0， 0， 0， 5 , 0， 0 } と設定される。

また、ユーザ側効き目べクトル EfUPおよび反効き目べクトル EfMUPは、正履歴ベタトル UPまたは負履歴べクトル MUPを基に、あるいは、一定期間にユーザが視聴した番組をカウントすることにより、生成されるようにしても良い。更に、ュ一ザ側効き目べクトル EfUPおよぴ反効き目べクトル EfMUPは、ジャンル別に生成することも可能である。ユーザ側効き目べクトル EfUPまたは反効き目べクトル EfMUPを生成する方法については、図 2 2乃至図 2 7を用いて後述する。

更に、ユーザ情報登録部 6 3は、ベタトル演算部 6 2の処理により生成された、推薦優先グループの情報や、ユーザモデルベクトルなどを、必要に応じて登録する。

以上説明したマッチング処理部 4 3においては、正履歴べクトル UPとの類似度が高い番組（ユーザが積極的に視聴する番組）から、負履歴を用いて、ユーザが好まないと思われる番組（ユーザが視聴するのに消極的である番組）を取り除く処理を行わなくても、例えば、正履歴のみを用いて推薦番組を決定することも可能である。

推薦情報出力部 4 9は、マッチング処理部 4 3から供給された推薦番組の情報を、推薦番組リスト 5 0に登録するとともに、テレビジョン表示装置 1 1、または、録画再生装置 1 2に供給する。推薦番組リスト 5 0は、番組推薦処理装置 1 0から取り外し可能に構成されており、推薦番組出力部 4 9から出力された推薦番組情報を登録する。推薦番組リスト 5 0に推薦番組情報を保存するようにすることにより、例えば、異なるテレビジョン受信装置 4、テレビジョン表示装置 1 1、あるいは、録画再生装置 1 2などを用いる場合においても、これまで蓄積した履歴情報を用いて、番組の推薦や、自動録画などを実行させるようにすることが可能である。

また、マッチング処理部 4 3は、必要に応じて、ドライブ 5 1とも接続されている。ドライブ 5 1には、必要に応じて、磁気ディスク 7 1、光ディスク 7 2、光磁気ディスク 7 3、および半導体メモリ 7 4が装着され、データの授受を行う。図 1 4のフローチャートを参照して、番組推薦処理装置 1 0が実行する、正履歴べクトルおよび負履歴べクトル生成処理 1について説明する。

ステップ S 7 1において、操作ログ取得部 4 6は、初期登録保存部 4 5から読み出した初期登録内容を負履歴保存部 4 8に供給する。負履歴保存部 4 8は、供給された初期登録内容を参照して、負履歴べクトル MUPを生成する。

ステップ S 7 2において、操作ログ取得部 4 6は、初期登録保存部 4 5に保存されている登録内容を基に、初期登録内容が変更されたか否かを判断する。ステップ S 7 2において、初期登録内容が変更されたと判断された場合、処理は、ス

7 1に戻り、それ以降の処理が繰り返される。

7 2において、初期登録内容が変更されていないと判断された場合、ステップ S 7 3において、操作ログ取得部 4 6は、テレビジョン表示装置 1 1または録画再生装置 1 2から、操作ログが供給されたか否かを判断する。ステップ S 7 3において、操作ログが供給されていないと判断された場合、処理は、ステップ S 7 2に戻り、それ以降の処理が繰り返される。

ステップ S 7 3において、操作ログが供給されたと判断された場合、ステップ S 7 4において、操作口グ取得部 4 6は、供給された操作口グは、正履歴であるか否かを判断する。例えば、操作ログが、録画操作である場合、その操作に対応する番組の番組べクトル PPは、正履歴となり、操作ログが、再生していない録画データの消去である場合、その操作に対応する番組の番組べクトル PPは、負履歴となる。

ステップ S 7 4において、供給された操作ログは、正履歴であると判断された場合、ステップ S 7 5において、操作ログ取得部 4 6は、正履歴であると判断された操作ログに対応する番組べクトル ppをデータ取得部 4 1から抽出し、正履歴保存部 4 7に供給する。正履歴保存部 4 7は、供給された番組べクトル PPを、正履歴として追加保存する。

ステップ S 7 6において、正履歴保存部 4 7は、詳細項目ごと、または、大項目ごとに正履歴番組べクトル PPのべクトルの総和を求めて、正履歴べクトル UP を生成する。ステップ S 7 6の処理の終了後、処理は、ステップ S 7 2に戻り、それ以降の処理が繰り返される。

ステップ S 7 4において、供給された操作ログは、正履歴ではないと判断された場合、供給された操作ログは、負履歴であるので、ステップ S 7 7において、操作口グ取得部 ₄ 6は、負履歴であると判断された操作口グに対応する番組べクトル PPをデータ取得部 4 1から抽出し、負履歴保存部 4 8に供給する。負履歴保存部 4 8は、供給された番組べクトル PPを、負履歴として追加保存する。

ステップ S 7 8において、負履歴保存部 4 8は、詳細項目ごと、または、大項目ごとに負履歴番組べクトル PPのべクトルの総和を求めて、負履歴べクトル MUP を生成する。テツプ S 7 8の処理の終了後、処理は、ステップ S 7 2に戻り、それ以降の処理が繰り返される。

大項目が、正履歴ベクトル UP= (タイトル T up, ジャンル G up, 出演者 P up, 脚本 Z原作 Z演出 Α ΙΦ, 内容（キーワード） Kup} であり、大項目の中に詳細項目が記載されている場合、正履歴べクト/レ UPにおいては、各詳細項目の後に、ベクトル総和を示す数値が記載される。例えば、図 1 5に示されるように、大項目「ジャンル」に関しては、ジャンル Gup= { (ドラマ一 2 5 ) ，（バラエティ一 3 4 ) ，（スポーツ一 4 2 ) ，（映画— 3 7 ) ，（音楽一 7 3 ) ，（子供向け/ 教育一 1 2 0 ) ，（教養/ドキュメント一 3 ) ，（ニュース報道一 5 ) ，（その他一 2 3 ) }のように、詳細項目ごとに正履歴の総和を示す数値が記載される。また、大項目「タイトル」のように、単語によって示されるベタトルにおいては、例えば、タイトル T u p = { (title 1— 1 2 ) ， (title 2 - 3 ) ， · ■ · } のように、単語に続いて、単語ごとの正履歴の総和を示す数値が記載される。負履歴べクトル MUPにおいても、正履歴べクトル UPと同様にして、項目に続いて総和を示す数値が記述される。

図 1 5においては、正履歴べクトル UP (および、負履歴べクトル MUP) の大項目を、タイトル、ジャンル、出演者、脚本/原作 Z演出、内容（キーワード）とし、図 5を用いて説明した番組べクトル PPよりも少ない項目数であるものとして説明したが、番組べクトノレ PPと同様の大項目としても良いことは言うまでもない。図 1 4においては、初期登録の内容を基に、操作ログが入力される前に負履歴ベクトル MUPが生成されるものとして説明しているが、初期登録時に、ユーザが好ましいと思う番組を選択するための情報の登録を受けるようにし、操作ログが入力される前に正履歴べクトル UPも生成されるようにしても良い。また、初期登録を基に正履歴べクトル UP、または、負履歴べクトル MUPを生成せず、操作ログのみを用いて正履歴べクトル UP、または、負履歴べクトル MUPを生成するようにこのようにして、正履歴べクトル UP、および、負履歴べクトル MUPを独立して生成して保持することにより、より精密に、ユーザの嗜好とのマッチング処理を行うことができる。

なお、このとき、正履歴および負履歴を、更に精緻に求めることができるようにしても良い。例えば、図 1 4を用いて説明した処理においては、全ての項目における正履歴と負履歴に対応する番組べクトル PPの総和を用いて、正履歴べクトル UPおよび負履歴べクトル MUPを生成したが、正履歴および負履歴に対応する番組べクトル PPの総和を、例えば、ジャンル別に蓄積して、ジャンル別に正履歴べクトル UPおよび負履歴べクトル MUPを生成するようにしても良い。

放送される番組のジャンルによって、出演者が偏ってしまうことが頻繁に発生するため、ユーザの嗜好が正しく反映されない場合がある。具体的には、ドラマ PC蘭 00雇 5925

42

が好きで、バラエティは、ほとんどドラマに出演しないコメディアン Aが出演するもののみを好み、バラエティ対ドラマの視聴比率が 2 ： 8であるユーザにおいて、ジャンルを区別せずに出演者の正履歴を蓄積した場合、ほとんどドラマに出演しないコメディアン Aよりも、特に好きな俳優でないにもかかわらず、ドラマに頻繁に出演する出演者 Bが、正履歴べクトル UPにおいて高ポイントとなってしまう場合がある。このような場合、例えば、コメディアン Aが出演するバラェティよりも、ドラマに頻繁に出演する出演者 Bが出演するドキュメンタリーが推薦されてしまう。これを防止するためには、ジャンル別に正履歴おょぴ負履歴を蓄積し、これを基に、ジャンル別に正履歴ベクトル UPおよび負履歴ベクトル MUP を生成すればよい。

また、例えば、ユーザが解説者 Aのファンであるので、「解説者 Aが解説している球団 Bの試合の実況中継」を好んで視聴しているような場合、ジャンルである「スポーツ」という情報は履歴として重なりやすいが、出演者である「解説者 AJ という情報は履歴として重なり難いので、他の解説者が解説している球団 B の試合の実況中継が推薦されて、解説者 Aが出演しているバラエティ番組が推薦されないような場合が発生する。これを防止するためには、例えば、出演者別に正履歴おょぴ負履歴を蓄積し、これを基に、出演者別に正履歴べクトル UPおよび負履歴べクトル MUPを生成すればよい。

このように、特定の要素別に履歴を蓄積するようにすることにより、ユーザの好みをなまらせることなく、より緻密にユーザの嗜好を反映することが可能となる。

そして、マッチング処理部 4 3において、このようにして生成された正履歴べクトル UPおよぴ負履歴べクトノレ MUPと、供給された番組べクトル PPのマツチングを検証することにより、ユーザの嗜好を正しく反映した推薦番組情報を生成することが可能となる。

次に、図 1 6のフローチャートを参照して、ジャンル別に履歴を蓄積するようにした、正履歴べクトルおよび負履歴べクトル生成処理 2について説明する。 PC蘭 003/015925

43

ステップ S 8 1乃至ステップ S 8 4において、図 1 4のステップ S 7 1乃至ステツプ S 7 4と同様の処理が実行される。すなわち、初期登録が参照されて、負履歴べクトル MUPが生成され、初期登録内容が変更されたか否かが判断されて、変更されなかった場合、供給された操作ログが、正履歴であるか否かが判断される。

ステップ S 8 4において、供給された操作ログが正履歴であると判断された場合、ステップ S 8 5において、操作ログ取得部 4 6は、正履歴であると判断された操作ログに対応する番組べクトル PPをデータ取得部 4 1から抽出し、正履歴保存部 4 7に供給する。正履歴保存部 4 7は、供給された番組べクトル PPのジヤンルを抽出する。

ステップ S 8 6において、正履歴保存部 4 7は、データ取得部 4 1から抽出された番組ベクトル PPを、ジャンル別に、正履歴として追加保存する。

ステップ S 8 7において、正履歴保存部 4 7は、詳細項目ごと、または、大項目ごとに、番組べクトルが追加保存されたジャンルにおいて、正履歴の番組べクトル PPのべクトルの総和を求めて、対応するジャンルの正履歴べクトノレ UPを生成する。ステップ S 8 7の処理の終了後、処理は、ステップ S 8 2に戻り、それ以降の処理が繰り返される。

ステップ S 8 4において、供給された操作ログが正履歴ではないと判断された場合、供給された操作ログは負履歴であるので、ステップ S 8 8において、操作ログ取得部 4 6は、負履歴であると判断された操作ログに対応する番組べクトル PPをデータ取得部 4 1カゝら抽出し、負履歴保存部 4 8に供給する。負履歴保存部 4 8は、供給された番組べクトル PPのジャンルを抽出する。

ステップ S 8 9において、負履歴保存部 4 8は、データ取得部 4 1から抽出された番組ベクトル PPを、ジャンル別に、負履歴として追加保存する。

ステップ S 9 0において、負履歴保存部 4 8は、詳細項目ごと、または、大項目ごとに、番組べクトルが追加保存されたジャンルにおいて、負履歴の番組べクトル PPのべクトルの総和を求めて、対応するジャンルの負履歴べクトル MUPを生成する。ステップ S 9 0の処理の終了後、処理は、ステップ S 8 2に戻り、それ以降の処理が繰り返される。

このような処理により、ジャンル別に正履歴べクトル UPと負履歴べクトル MUP が生成されるので、ユーザの好みをなまらせることなく、より緻密にユーザの嗜好を反映することが可能となり、ユーザの嗜好を正しく反映した推薦番組情報を生成することが可能となる。

図 1 7のフローチャートを参照して、番組べクトル PP、正履歴べクトル UPおよび負履歴べクトル MUPが、詳細項目の全要素を 1列に並べたべクトルで表されている場合の、マッチング処理 1について説明する。

ステップ S 1 0 1において、番組べクトル抽出部 4 2は、複数番組（例えば、所定の時間帯に放送される番組）の番組べクトル PPをデータ取得部 4 1から抽出して、マッチング処理部 4 3の正規化処理部 6 1に供給する。正規化処理部 6 1 は、供給された番組べクトル PPと、正履歴保存部 4 7から読み出した正履歴べクトル UPの構成要素のうち、単語で構成されているタイトルおよび内容についての正規化を行い、ベタトル演算部 6 2に正規化結果を供給する。

具体的には、正規化処理部 6 1は、供給された番組べクトル PP力例えば、タィトル T m = {東海道— 1，三谷一 1，怪談一 1 } である場合、タイトル T m = {東海道： 0 . 3 3，三谷： 0 . 3 3，怪談： 0 . 3 3 } として、その番組ごとに、その項目内の単語のトータルで、重みが 1になるように正規化する。

ステップ S 1 0 2において、マッチング処理部 4 3のべクトル演算部 6 2は、上述した式（1 ) を用いて、複数番組の番組べクトル PPと正履歴べクトル UPのコサイン距離である類似度 SimUPを算出する。

ステップ S 1 0 3において、ベタトル演算部 6 2は、ステップ S 1 0 2において算出された、番組べクトル PPと正履歴べクトル UPとの類似度を示す類似度 SiraUPを比較し、類似度の上位から、例えば、 1 0などの所定の数だけ、番組べタトル PPを抽出する。

ステップ S 1 0 4において、ベタトル演算部 6 2は、ステップ S 1 0 3において抽出された番組べクトル PPと、負履歴保存部 4 8から読み出した負履歴べクトル MUPとのコサイン距離である類似度 SimMUPを、上述した式（2 ) を用いて算出する。

ステップ S 1 0 5において、ベタトル演算部 6 2は、正履歴べクトル UPとの類似度（すなわち、コサイン距離） SiraMUP—負履歴べクトルとの類似度（すなわち、コサイン距離） SimMUPを算出し、その上位となる、所定数（例えば、 1つ）の番組の番組べクトルまたは E P Gデータを推薦情報として抽出し、推薦情報出力部 4 9に出力して、推薦番組リスト 5 0に登録させるとともに、テレビジョン表示装置 1 1および録画再生装置 1 2に出力して、処理が終了される。

このような処理により、番組ベクトル PP、正履歴ベクトル UPおよぴ負履歴べクトル MUPが、詳細項目の全要素を 1列に並べたベタトルで表されている場合において、番組べクトル PPと正履歴べクトル UPとの類似度と、番組べクトル PP と負履歴べクトルとの類似度とを基に、ユーザの嗜好に合致した推薦番組を決定することが可能となる。

次に、図 1 8のフローチャートを参照して、単語で示される項目の正規化を行うのではなく、大項目ごとにコサイン距離の計算を行い、その和を類似度 SimUP および類似度 SitnMUPとして算出することにより推薦番組を決定する、マッチング処理 2について説明する。

ステップ S 1 1 1において、番組べクトル抽出部 4 2は、複数番組（例えば、所定の時間帯に放送される番組）の番組べクトル PPをデータ取得部 4 1から抽出して、マッチング処理部 4 3のべクトル演算部 6 2に供給する。ベタトル演算部 6 2は、供給された番組べクトル PPと、正履歴保存部 4 7から読み出した正履歴ベタトノレ UP のそれぞれの大項目について、番糸且ベタトノレ PPと正履歴べクトノレ UP のコサイン距離を算出する。

ステップ S 1 1 2において、ベタトノレ演算部 6 2は、ステップ S 1 1 1において項目ごとに算出されたコサイン距離の値を、上述した式（4 )を用いて合計し、類似度 SiraUPを算出する。ステップ S I 1 3において、ベタトル演算部 6 2は、ステップ S 1 1 2において算出された、番組べクトル PPと正履歴べクトル UPとの類似度 SimUPを比較し、類似度の上位から、例えば、 1 0などの所定の数の番組ベクトル PPを抽出する。ステップ S 1 1 4において、べクトル演算部 6 2は、ステップ S 1 1 3の処理により抽出された番組べクトル PPと、負履歴保存部 4 8から読み出した負履歴べクトル MUPのそれぞれの大項目について、番組べクトル PPと負履歴べクトル MUP のコサイン距離を算出する。

ステップ S 1 1 5において、ベタトル演算部 6 2は、ステップ S 1 1 4において項目ごとに算出されたコサイン距離の値を、上述した式（4 )を用いて合計し、類似度 SimMUPを算出する。

ステップ S 1 1 6において、ベタトル演算部 6 2は、 {番組べクトル PPと正履歴べクトル UPとのコサイン距離である類似度 SimUP} — {番組べクトル PPと負履歴べクトルとのコサイン距離である類似度 SimMUP } を算出し、その上位となる所定数（例えば 3つ）の番組の番組べクトル PPまたは E P Gデータを推薦情報として抽出し、推薦情報出力部 4 9に出力して、推薦番組リスト 5 0に登録させるとともに、テレビジョン表示装置 1 1および録画再生装置 1 2に出力して、処理が終了される。

このような処理により、単語で示される項目の正規化を行うことなく、大項目ごとに演算結果の和が類似度 SimUPおよび類似度 SimMUPとして算出されるので、異なる大項目に属する詳細要素間の履歴の重なりの偏りの影響を受けることなく、番組べクトル PPと正履歴べクトル UPとの類似度と、番組べクトル PPと負履歴べクトル MUPとの類似度とを基に、ユーザの嗜好に合致した推薦番組を決定することが可能となる。

図 1 7および図 1 8を用いて説明したマッチング処理 1およびマッチング処理 2においては、ユーザの正履歴べクトル UPとの類似度が高い番組から、負履歴を用いて、ユーザが好まないと思われる番組を取り除くことができるものとして説明しているが、例えば、正履歴のみを用いて推薦番組を決定するようにしてもよ 3 015925

47 い。

また、ユーザによっては、番組を選択するにあたり、ニュースや報道番組を非常に好んだり、ジャンルよりも出演者が重要であったり、出演者にはこだわらないが、内容が重要であるなど、番組を選択するために重み付けられる項目と、重み付けられない項目、換言すれば、重要な項目とそうでない項目が固定している場合がある。

従って、マッチング処理は、上述した番組側効き目べクトル EfPP、ユーザ側効き目べクトル EfUP、または、ユーザ側反効き目べクトル EfMUPを利用して行うようにしてもよい。また、番組側効き目べクトル EfPP、ユーザ側効き目べクトル EfUP、または、ユーザ側反効き目ベクトル EfMUPを利用するか否かは、ユーザにより設定可能なようにしても良い。

次に、図 1 9のフローチヤ一トを参照して、番組べクトル PP、正履歴べクトル UPおよぴ負履歴べクトル MUP力 S、詳細項目の全要素を 1列に並べたベタトルで表されている場合に、ユーザの設定により、番組側効き目べクトル EfPPまたはユーザ側効き目べクトル EfUPを利用してマッチング処理を行う、マッチング処理 3について説明する。

ステップ S 1 2 1において、ベクトル演算部 6 2は、操作入力部 4 4を用いてユーザにより入力され、初期登録保存部 4 5に登録されている番組側効き目べクトル EfPPおよびユーザ側効き目べクトル EfUPまたはユーザ側反効き目べクトル EfMUPの利用設定内容を取得する。効き目ベクトルの利用設定内容とは、マッチング処理において、番組側効き目ベクトル EfPP、ユーザ側効き目ベクトル EfUP またはユーザ側反効き目べクトル EfMUPを利用して、重み付けを行うか否かを示す情報である。

ステップ S 1 2 2において、ベタトル演算部 6 2は、必要に応じて、ユーザ情報登録部 6 3から、ユーザ側効き目べクトル EfUPを読み込み、次の式（5 ) を用いて、番組べクトル PPと正履歴べクトル UPのコサイン距離を算出し、類似度 SimUPとする。 epd₁'eud_rp₁'u₁+epd₂'eud₂'p₂'u₂+.. ,

S I mUP = I nn I I . in I . . . J なお、式（5) においては、番組べクトル PP= (pい p₂、 ■ ■ · ) 、正履歴ベクトル UP= (u_1; u₂， ■ ■ · ) 、番組側効き目ベクトル EfPP- (e p dい e p d₂, · · · ) 、ユーザ側効き目ベクトル EfUP= (e u dい e u d₂, ' ■ · ) であるものとする。また、式（5) においては、番組側効き目べクトル EfPPおよぴユーザ側効き目べクトル EfUPのいずれをも利用するものとして説明している、設定により、番組側効き目べクトル EfPPおよぴユーザ側効き目ベクトル EfUP のうちのいずれかが利用されない場合、利用されないベタトルに代わって数値「1」が代入されて計算される。

また、ユーザ側効き目べクトノレ EfUPは、ユーザにより設定可能であっても、ュ一ザの初期設定を基に設定されるものであっても良いし、ユーザ情報登録部 63 において生成されるものであっても良い。ユーザ側効き目べクトル EfUPの生成の詳細については、図 22乃至図 25を用いて後述する。

ステップ S 1 23において、ベタトル演算部 6 2は、ステップ S 1 22において算出された、番組べクトル PPと正履歴べクトル UPとの類似度 SimUPを比較し、類似度の上位から、例えば、 10などの所定の数の番組べクトル PPを抽出する。ステップ S 1 24において、べクトル演算部 6 2は、必要に応じて、ユーザ情報登録部 6 3から、ユーザ側反効き目べクトル EfMUPを読み込み、次の式（6) を用いて、ステップ S 1 23において抽出された番組べクトル PPと負履歴べクトノレ MUPのコサイン距離を算出する。 = ·崎 (6) なお、式（6) においては、番組ベクトル PP= (pい p₂、 · · ·）、負履歴ベタトル MUP= (m₁₍ m₂， ■ · · ) s 番組側効き目べクトル EfPP= ( e p d_L, e p d₂, · · ■) 、ユーザ側反効き目べクトル EfMUP= (emdi, e md₂, · ■ ·) であるものとする。また、式（6) においては、番組側効き目べクトル EfPPおよぴユーザ側反効き目べクトル EfMUPのいずれをも利用するものとして説明している力設定により、番組側効き目べクトル EfPPおよびユーザ側反効き目べクトル EfMUPのうちのいずれかが利用されない場合、利用されないベタトルに代わって、数値「1」が代入されて計算される。

また、ユーザ側反効き目べクトル EfMUPは、ユーザにより設定可能であっても、ユーザの初期設定を基に設定されるものであっても良いし、ユーザ情報登録部 6 3において生成されるものであっても良い。ユーザ側反効き目べクトル EfMUPの生成の詳細については、図 2 6または図 2 7を用いて後述する。

ステップ S 1 2 5において、べクトル演算部 6 2は、番組べクトル PPと正履歴ベタトル UPとの類似度 SimUP—番組べクトル PPと負履歴べクトルとの類似度

SimMUPを算出し、その上位となる所定数（例えば 3つ）の番組の番組べクトル PP または E P Gデータを推薦情報として抽出し、推薦情報出力部 4 9に出力して、推薦番組リスト 5 0に登録させるとともに、テレビジョン表示装置 1 1およぴ録画再生装置 1 2に出力して、処理が終了される。

このような処理により、設定に応じて、番組側効き目べクトノレ EfPP、ユーザ側効き目ベクトル EfUP、または、ユーザ側反効き目ベクトル EfMUPが用いられて、推薦情報が抽出されるので、ユーザの嗜好を正しく反映した番組を推薦するようにすることができる。

図 1 9を用いて説明した処理では、番組べクトル PP、正履歴べクトル UPおよび負履歴べクトル MUPが、詳細項目の全要素を 1列に並べたベタトルで表されている場合の処理について説明したが、番組べクトル PP、正履歴べクトル UPおよび負履歴ベクトル MUPを、それぞれ、大項目ごとに演算するようにしても良い。次に、図 2 0のフローチャートを参照して、大項目ごとに、番組側効き目べクトル EfPP、ユーザ側効き目ベクトル EfUP、または、ユーザ側反効き目ベクトル E UPを反映させることができるようにした、マッチング処理 4について説明する。

ステップ S 1 3 1において、図 1 9のステップ S 1 2 1と同様の処理が実行されて、効き目ベクトルの利用設定内容が取得される。

ステップ S 1 3 2において、ベタトル演算部 6 2は、供給された番組べクトル PPと、正履歴保存部 4 7から読み出した正履歴べクトル UPのそれぞれの大項目について、番組べクトル PPと正履歴べクトル UPのコサイン距離を算出する。ここでは、効き目ベクトルは演算に利用されない。

ステップ S 1 3 3において、ベタトル演算部 6 2は、次の式（7) を用いて、項目ごとに算出されたコサイン距離に、必要に応じて効き目べクトルを乗算し、得られた値を合計して、類似度 SimUPを算出する。

SimUP = epcU，eud_ · cos 0 u++ epd_g- eud^- cos Θ u_g+ epdp* eud_p* cos Θ u_p

+ epL' eud。 · cos Θ u_a+ epdj^* eud^* cos Θ · · ■ (7) なお、式（7) においては、番組べクトル PP= ( _t, _g, _p, p_a, _k) と正履歴ベクトル UP= (u_t, u_g, u_p, u_a， u_k) との大項目ごとのコサイン距離力 (cos Θ u_t, cos Θ u_g, cos Θ u_p ， cos Θ u_a, cos Θ u_k) であり、番糸且倜 J効き目ベタトル EfPP= (epd_t， epd_g, epd_p, epd_a, epd_k)、ユーザ側効き目べクトル EfUP = (eud_t， eud ， eud_p, eud„， eud_k) であるものとする。また、式（7) においては、番組側効き目べクトル EfPPおよびユーザ側効き目べクトル EfUPのいずれをも利用するものとして説明しているが、設定により、番組側効き目ベクトル EfPPおよびユーザ側効き目べクトル EfUPのうちのいずれかが利用されない場合、利用されないベクトルに代わって、数値「1」が代入されて計算される。

ステップ S 1 34において、ベタトル演算部 6 2は、ステップ S 1 3 3において算出された、番組べクトル PPと正履歴べクトル UPとの類似度 SimUPを比較し、類似度の上位から、例えば、 1 0などの所定の数の番組べクトル PPを抽出する。ステップ S 1 3 5において、ベタトル演算部 6 2は、ステップ S 1 3 4の処理により抽出された番組べクトル PPと、負履歴保存部 4 8から読み出した負履歴べクトル MUPのそれぞれの大項目について、番組べクトル PPと負履歴べクトル MUP のコサイン距離を算出する。ここでは、効き目ベクトルは演算に利用されない。ステップ S 1 3 6において、ベタトル演算部 6 2は、次の式（8) を用いて、項目ごとに算出されたコサイン距離に、必要に応じて効き目べクトルを乗算し、得られた値を合計して、類似度 SimMUPを算出する。

SimMUP = epd-j- * erad+ ' cos Θ m_t+ epd_CT' erad_g* cos Θ nig+ epd_n * emd_p' cos Θ ra_p

+ epd„ · emd_a · co s Θ m„ + epd^* erndj^' cos Θ ra^ · ■ · ( 8 )

なお、式（8 ) においては、番組ベクトル PP= ( _t, _g, _p, p _a, _k) と負履歴ベクトル UP= (m_t, m_g, m_p, m_a, m_k) との大項目ごとのコサイン距離が、（cos e m_t， cos Θ m_g) cos Θ ra_p , cos Θ m_a, cos Θ m_k) であり、番組側効き目ベクトル EfPP= (epd_t， epd_g, epd_p, epd_a, epd_k) 、ユーザ側反効き目べクトノレ EfMUP= (emd_t, emd_g, emd_p, emd_a， emd_k) であるものとする。また、式（8 ) においては、番組側効き目べクトル EfPPおよびユーザ側反効き目べクトル EfMUP のいずれをも利用するものとして説明しているが、設定により、番組側効き目べクトル EfPPおよびユーザ側反効き目べクトル EfMUPのうちのいずれかが利用されない場合、利用されないべクトルに代わって、数値「1」が代入されて計算される。

ステップ S 1 3 7において、ベクトル演算部 6 2は、 {番組ベクトル PPと正履歴べクトル UPとのコサイン距離である類似度 SimUP} — {番組べクトノレ PPと負履歴べクトルとのコサイン距離である類似度 SimMUP} を算出し、その上位となる所定数（例えば 3つ）の番組の番組べクトル PPまたは E P Gデータを推薦情報として抽出し、推薦情報出力部 4 9に出力して、推薦番組リスト 5 0に登録させるとともに、テレビジョン表示装置 1 1および録画再生装置 1 2に出力して、処理が終了される。

このような処理により、大項目ごとに、効き目べクトルが利用されて重み付けが行われるので、ユーザの嗜好に詳細に合致した推薦情報を生成することが可能となる。

次に、図 2 1のフローチャートを参照して、図 1 6を用いて説明した正履歴べクトルおょぴ負履歴べクトル生成処理 2の処理により生成された、ジャンル別の正履歴べクトル UPおよぴ負履歴べクトル MUP、並びに、ジャンル別のユーザ側効き目べクトル EfUPおよびユーザ側反効き目べクトル EfMUPを用いて、マッチング処理を実行するマッチング処理 5について説明する。

ステップ S 1 4 1において、図 1 9のステップ S 1 2 1と同様の処理が実行されて、効き目べクトルの利用設定内容が取得される。

ステップ S 1 4 2において、ベタトル演算部 6 2は、供給された番組べクトル PPのジャンルを抽出する。ここでは、例えば、供給された番組ベクトル PPのジヤンルが「ドラマ」であったものとして説明する。

ステップ S 1 4 3において、ベタトル演算部 6 2は、供給された番組べクトル PPと、正履歴保存部 4 7から読み出した、ジャンル「ドラマ」に対応する正履歴ベタトル UPのそれぞれの大項目について、番組べクトノレ PPと正履歴べクトノレ UP のコサイン距離を算出する。ここでは、効き目ベクトルは演算に利用されない。ステップ S 1 44において、ベタトル演算部 6 2は、次の式（9) を用いて、項目ごとに算出されたコサイン距離に、必要に応じて、ジャンル「ドラマ」に対応するユーザ側効き目ベクトルを乗算し、得られた値を合計して、類似度 SimUP を算出する。

SiraUP = epd_t"eud_t(j'cos Θ u_t(j+ epd_g · eud_gc{ · cos Θ u_gc^ + epd_p · eud_p(^ - cos Θ u_pc}

+ epd„-eud_ad*cos 0 u_ad+ e dj^* eudj^^* cos Θ · · · (9) なお、式（9) においては、番組ベクトル PP= ( _t, _g, p_p, _a, _k) と、ジャンル「ドラマ」に対応する正履歴べクトル UP= (u_t, u_g, u_p, u_a， u_k) との大項目ごとのコサイン距離が、（cos Θ u_td， cos Θ u_gd， cos Θ u_pd， cos Θ u_ad, cos Θ u_kd)であり、番組側効き目べクトル EfPP= (epd_t, epd_g, epd_p, epd_a, epd_k)、ジャンル「ドラマ」に対応するユーザ側効き目ベクトル EfUP= (eud_td> eud_gd, eud_pd, eud_ad， eud_kd) であるものとする。また、式（9) においては、番組側効き目べクトル EfPPおよびユーザ側効き目べクトル EfUPのいずれをも利用するものとして説明しているが、設定により、番組側効き目べクトル EfPPおよびユーザ側効き目べクトル EfUPのうちのいずれかが利用されない場合、利用されないベタトルに代わって、数値「1」が代入されて計算される。ステップ S 1 4 5において、ベタトル演算部 6 2は、ステップ S 1 4 3において算出された、番組べクトル PPと正履歴べクトル UPとの類似度 SimUPを比較し、類似度の上位から、例えば、 1 0などの所定の数の番組ベクトル PPを抽出する。ステップ S 1 4 6において、ベタトル演算部 6 2は、ステップ S 1 4 5の処理により抽出された番組べクトル PPと、負履歴保存部 4 8から読み出したジャンル「ドラマ」に対応する負履歴ベクトル MUPのそれぞれの大項目について、番組べクトル PPと負履歴べクトル MUPのコサイン距離を算出する。ここでは、効き目べクトルは演算に利用されない。

ステップ S 1 4 7において、ベタトル演算部 6 2は、次の式（1 0 ) を用いて、項目ごとに算出されたコサイン距離に、必要に応じて、ジャンル「ドラマ」に対応する効き目べクトルを乗算し、得られた値を合計して、類似度 SimMUPを算出する。

SiraMUP = epd_t - emd_tf] - cos Θ emd_gcj · cos Θ m_gcj - epd_p - emd_pcj * cos Θ m_pcj

+ epcL · emd_ad' cos Θ ra_ad+ epdj^* erndj^j' cos Θ · · · ( 1 0 ) なお、式（1 0 ) においては、番組ベクトル PP ( _t, p _g, _p, _a, _k) と負履歴ベクトル MUP= (m_t, m_g, m_p, m_a， m_k) との大項目ごとのコサイン距离" I力 Sヽ (cos Θ m_td, cos Θ m_gd， cos Θ m_pc , cos Θ m_a(j, cos Θ m^) であり、番組側効き目べクトノレ EfPP = (epd_t, epd_g, epd_p, epd_a， epd_k) 、ジャンル「ドラマ」に対応するユーザ側反効き目べクトル EfMUP= (emd_td， emd_gd, emd_pd， emd_ad, erad_kd) であるものとする。また、式（1 0 ) においては、番組側効き目ベクトル EfPP およびユーザ側反効き目べクトル EfMUPのいずれをも利用するものとして説明しているが、設定により、番組側効き目べクトル EfPPおよびユーザ側反効き目べクトル E预 UPのうちのいずれかが利用されない場合、利用されないベタトルに代わつて、数値「1」が代入されて計算される。

ステップ S 1 4 8において、ベクトル演算部 6 2は、 {番組ベクトル PPと正履歴べクトル UPとのコサイン距離である類似度 SimUP} — {番組べクトル PPと負履歴べクトルとのコサイン距離である類似度 SimMUP}. を算出し、その上位となる所定数（例えば 3つ）の番組の番組べクトル PPまたは E P Gデータを推薦情報として抽出し、推薦情報出力部 4 9に出力して、推薦番組リスト 5 0に登録させるとともに、テレビジョン表示装置 1 1および録画再生装置 1 2に出力して、処理が終了される。

このような処理により、大項目ごとに、ジャンル別の正履歴べクトル UPおよび負履歴べクトル MUPと番組べクトル PPとのコサイン距離が求められ、ジャンルに対応した効き目べクトルが利用されて重み付けが行われて類似度が算出されるので、ユーザの嗜好に詳細に合致した推薦情報を生成することが可能となる。

また、ユーザ側効き目べクトル EfUPおよび反効き目べクトル EfMUPは、上述したように、初期登録保存部 4 5に登録されている、ユーザの初期登録内容を基に生成されるようにしても良いし、正履歴べクトル UPまたは負履歴べクトル MUP、あるいは、一定期間にユーザが視聴した番組をカウントすることにより、ユーザ固有のユーザ側効き目べクトル EfUPおよび反効き目べクトル E UPが生成されるようにしても良い。

図 2 2のフローチャートを参照して、一定期間にユーザが視聴した番組をカウントすることによりユーザ側効き目べクトル EfUPを生成する、ユーザ側効き目べクトル生成処理 1について説明する。

ステップ S 1 5 1において、マッチング処理部 4 3のユーザ情報登録部 6 3は、未処理の大項目のうちのいずれかを選択する。

ステップ S 1 5 2において、ユーザ情報登録部 6 3は、正履歴保存部 4 7に保存されている正履歴を参照して、例えば、 1週間、 1ヶ月、または 3ヶ月などの一定期間中にユーザが視聴した番組を検出し、番組べクトル抽出部 4 2に、一定期間中にユーザが視聴した番組に対応する番組べクトル PPをデータ取得部 4 1 から抽出させて、ステップ S 1 5 1において選択された大項目に含まれる詳細項目ごとに番組数をカウントする。

具体的には、例えば、ステップ S 1 5 1において選択された大項目が、大項目ジャンル G m == {ドラマ，バラエティ，スポーツ，映画，音楽，子供向け Z教育，教養 Zドキュメント，ニュース/報道，その他 } であれば、ユーザ情報登録部⁶ 3は、一定期間中にユーザが視聴した番組の番組べクトル PPの構成要素を、それぞれに対応する項目に分類してカウントする。一定期間中にユーザが視聴した番組が、例えば、 5 0番組であった場合、番組数のカウント結果は、例えば、ジャンル Gm= ( 1 0， 1 8 , 5 , 2 , 8 , 1 , 0, 1， 5 ) となる。

ステップ S 1 5 3において、ユーザ情報登録部 6 3は、番組べクトル抽出部 4 2に、同一期間における全ての番組に対応する番組べクトル PPをデータ取得部 4 1から抽出させて、ステップ S 1 5 1において選択された大項目に含まれる詳細項目ごとに番組数を力ゥントする。

具体的には、例えば、ステップ S 1 5 1において選択された大項目が、大項目ジャンル Gm= {ドラマ，パラエティ，スポーツ，映画，音楽，子供向け Z教育，教養ドキュメント，ニュース Z報道，その他 } であれば、ユーザ情報登録部 6 3は、同一期間における全ての番組の番組べクトル PPの構成要素を、それぞれに対応する項目に分類してカウントする。同一期間における全ての番組が、例えば、 1 0◦ 0番組であった場合、番組数のカウント結果は、例えば、ジャンル Gm = (1 04， 2 3 9, 6 8 , 2 5， 7 8， 9 1 , 6 0， 2 5 4, 8 1 ) となる。ステップ S 1 54において、ユーザ情報登録部 6 3は、ステップ S 1 5 2およびステップ S 1 5 3のカウント結果を基に、ユーザの視聴実績のカウント数/全番組のカウント数を算出する。

番組編成は、視聴率競争の影響により、大衆の嗜好を反映していると考えられる。すなわち、ユーザの視聴実績のカウント数ノ全番組のカウント数の演算は、換言すれば、ユーザの視聴実績のカウント数を、標準モデルとしての全番組の力ゥント数で正規化することと同義である。ステップ S 1 5 4において算出される正規化べクトルを正規化べクトル Dと称するものとする。

例えば、大項目ジャンル Gm= {ドラマ，バラエティ，スポーツ，映画，音楽，子供向けノ教育，教養ドキュメント，ニュース/報道，その他 } において、 1 週間の全番組のカウント数が、（8， 1 2， 3， 7, 6， 4， 2， 8， 1 0) であり、対してユーザが視聴した番組のカウント数が、（4， 0, 1， 2, 3， 4， 5， 5， 2)であった場合、正規化ベクトル Dは、以下のようになる。 D= (4 /8 , 0/ 1 2, 1/3 , 2/7， 3/6 , 4/4 , 1/2, 2/8 , 2/ 1 0) = (0. 5 , 0， 0. 3 3 , 0. 2 8， 0. 5 , 1. 0, 0. 5 , 0. 1 3， 0. 2) すなわち、正規化ベクトル Dの構成要素が 1. 0である場合は、設定された期間中に、該当する項目の全番組を視聴したこと、正規化ベクトル Dの構成要素が 0である場合は、設定された期間中に、該当する番組は一つも視聴しなかつたことを意味する。

ステップ S 1 5 5において、ユーザ情報登録部 6 3は、ステップ S 1 5 4の算出結果を基に、対応する大項目の効き目べクトルを生成する。

効き目ベクトルを生成するために、大項目ジャンル Gm= {ドラマ，バラェティ，スポーツ，映画，音楽，子供向け Z教育，教養/ドキュメント，ニュース Z 報道，その他 } のうちのいずれかの項目を用いて、標準値を設定する。例えば、ジャンル：「ドラマ」の番組 1週間分において、一般的なユーザは、その 2割程度を視聴しているとして、標準値を 0. 2に設定すればよい。大項目の効き目べタトルは、相対値として算出されるため、設定値は 0乃至 1のいずれの値であつてもかまわない。そして、ユーザ側効き目ベクトルは、ステップ S 1 5 4において算出された正規化べクトル Dと、設定値との相対値である。

従って、ユーザの興味ジャンルを示す、大項目ジャンル Gmの効き目ベクトル Eは、 E= (0. 3， — 0. 2， 0. 1 3, 0. 0 8， 0. 3， 0. 8， 0. 3，一 0. 0 7, 0. 0) と算出されるので、対応するユーザは、「子供向け Z教育」のジャンルを好み、「バラエティ」のジャンルを好まないと判断することができる。

ステップ S 1 5 6において、ユーザ情報登録部 6 3は、全ての大項目の効き目べクトルが生成されたか否かを判断する。ステップ S 1 5 6において、全ての大項目の効き目べクトルが生成されていないと判断された場合、処理は、

S 1 5 1に戻り、それ以降の処理が繰り返される。ステップ S 1 5 6において、全ての大項目の効き目べクトルが生成されたと判断された場合、ステップ S 1 5 7において、ユーザ情報登録部 6 3は、全ての大項目の効き目べクトルを保存して、処理が終了される。

このような処理により、一般的な嗜好と、ユーザ固有の嗜好との差を求めることができる。また、ユーザ側効き目べクトル EfUPを、例えば、 3ヶ月、半年などの所定の期間ごとに再演算するようにすることにより、ユーザの嗜好をリアルタィムに反映した番組を推薦することができる。

また、図 2 2の処理においては、例えば、 1週間、 1ヶ月、または 3ヶ月などの一定期間中にユーザが視聴した番組を基にユーザ側効き目べクトル EfUPを求めるものとして説明したが、複数の期間を対象として、例えば、短期、中期、長期に対応するユーザ側効き目べクトル EfUPを算出し、これら複数の効き目べクトルを用いて、推薦情報を決定するようにしても良い。

ここでは、ユーザ固有の嗜好を、ユーザ側効き目べクトル EfUPとして利用する場合について説明したが、ユーザ固有の嗜好を、正履歴べクトル UPとしてマッチング処理に用いるようにしても良い。

また、放送されている全番組に代わって、視聴者が最も番組を視聴する所定の時間帯（例えば、 1 8時乃至 2 2時の、いわゆる、ゴールデンタイム）に放送される全番組をカウントするようにしてもよい。このようにすることにより、一般的な嗜好を求めるための演算処理を大幅に少なくすることができる。

次に、図 2 3のフローチャートを参照して、正履歴べクトル UPと、大衆の嗜好との類似度を示すコサイン距離の演算によって、ユーザ固有の嗜好と、大衆の嗜好との隔たりをマッチングに利用するためのユーザ側効き目べクトル EfUPを求める、ユーザ側効き目べクトル算出処理 2について説明する。

ステップ S 1 6 1において、マッチング処理部 4 3のユーザ情報登録部 6 3は、正履歴保存部 4 7に保存されている正履歴べクトル UPを取得する。

ステップ S 1 6 2において、ユーザ情報登録部 6 3は、一般的な嗜好を示す、標準嗜好べクトル APPを取得する。標準嗜好べクトル APPは、配信サーバ 5から供給されるものとしても良いし、または、番組編成は、視聴率競争の影響により、大衆の嗜好を反映していると考えられるので、図 2 2を用いて説明したユーザ側効き目べクトル算出処理 1と同様にして、一定期間に放送された全番組の内容をカウントし、必要に応じて正規化して、標準嗜好ベクトル APPとするようにしても良い。

配信サーバ 5においては、例えば、一般的な視聴率調査や、その他の方法を用いて、一般的な嗜好を示す標準嗜好べクトル APPを生成するようにしても良い。ステップ S 1 6 3において、ユーザ情報登録部 6 3は、大項目ごとに、標準嗜好べクトル APPと、正履歴べクトル UPとのコサイン距離を算出する。コサイン距離が大きいほど、標準嗜好べクトル APPと、正履歴べクトル UPとの類似度が高い。ステップ S 1 6 4において、ユーザ情報登録部 6 3は、ステップ S 1 6 3において算出されたコサイン距離を基に、大項目ごとに、コサイン距離を逆数にして、効き目べクトル EfUPを生成して、処理が終了される。コサイン距離の逆数が大きいほど、標準嗜好べクトル APPと、正履歴べクトル UPとの類似度は低い。

このような処理により、一般的な嗜好と、対応するユーザ固有の嗜好との差を反映したユーザ側効き目べクトル EfUPを求めることができる。このユーザ側効き目べクトル EfUPを用いて番組推薦処理を行った場合、ユーザの嗜好と一般的な嗜好との違いが強調されて、推薦される番組が決定される。

なお、ここでは、番組べクトル PP、および正履歴べクトル UPが、大項目ごとにべクトルで表されているものとして説明したが、番組べクトル PP、および正履歴べクトル UP力詳細項目の全要素を 1列に並べたべクトルで表されている場合においても、同様の処理が実行可能であることは言うまでもない。

また、標準嗜好べクトル APPと、正履歴べクトル UPとの類似度は、効き目べクトルを算出するのみならず、そのユーザのユニーク度を示す指数として、番組の推薦に直接的に用いるようにしても良い。例えば、標準嗜好ベクトル APPと、正履歴べクトル UPとの類似度が高い場合、一般向けの流行に即した新番組などを優先的に推薦するようにしても良い。 59

図 2 2および図 2 3を用いて説明したように、ユーザ側効き目べクトル EfUP は、ユーザの操作履歴に基づいて、学習的に求められると好適であるが、ユーザ側効き目ベクトルは、予め初期登録として登録されていても良いし、経験などにより求められる、予め設定されている値を用いるようにしても良い。

なお、大項目に着目して、ユーザ側効き目べクトル EfUPを生成するのみならず、大項目を構成する構成要素に着目して、ユーザ側効き目べクトル EfUPを生成するようにしても良い。例えば、大項目を構成する構成要素「出演者 P m」において、主役と脇役を区別可能にしておき、ドラマや映画において、主役よりも脇役の配役を優先するユーザは、主役に対して、脇役の重み付けを大きくするようにユーザ側効き目べクトル EfUPを設定可能としたり、大項目を構成する構成要素「脚本 /原作 Z演出 Am」において、監督、演出家、原作者、カメラマンなどを区別可能にしておき、監督や演出家より、カメラマンを重視するユーザは、カメラマンの重み付けを大きくするようにユーザ側効き目べクトル EfUPを設定可能なようにしても良い。

また、ユーザ側効き目べクトル EfUPをジャンルごとに生成し、図 2 1を用いて説明したマッチング処理 5のように、対応するジャンルの正履歴べクトル UPと番組べクトル PPとのマッチングのときに作用させるようにしても良い。

次に、図 2 4のフローチャートを参照して、一定期間にユーザが視聴した番組を、ジヤンル別にカウントすることによりユーザ側効き目べクトル EfUPを生成する、ユーザ側効き目ベクトル生成処理 3について説明する。

ステップ S 1 7 1において、マッチング処理部 4 3のユーザ情報登録部 6 3は、一定期間にユーザが視聴した番組を、ジャンル別にカウントするために、いずれかのジャンルを選択する。

ステップ S 1 7 2において、ユーザ情報登録部 6 3は、未処理の大項目のうちのいずれかを選択する。

ステップ S 1 7 3において、ユーザ情報登録部 6 3は、正履歴保存部 4 7に保存されている正履歴を参照して、例えば、 1週間、 1ヶ月、または 3ヶ月などの一定期間中にユーザが視聴した番組のうち、選択されたジャンルのものを検出し、番組ベクトル抽出部 4 2に、一定期間中にユーザが視聴したもののうち、選択されたジャンルの番組に対応する番組べクトノレ PPをデータ取得部 4 1から抽出させて、ステップ S 1 7 2において選択された大項目に含まれる詳細項目ごとに番組数をカウントする。

ステップ S 1 74において、ユーザ情報登録部 6 3は、番組べクトル抽出部 4 2に、同一期間における全ての番組のうち、選択されたジャンルに対応する番組ベタトノレ PPをデータ取得部 4 1から抽出させて、ステップ S 1 7 2において選択された大項目に含まれる詳細項目ごとに番組数をカウントする。

ステップ S 1 7 5において、ユーザ情報登録部 6 3は、ステップ S 1 7 3およびステップ S 1 74のカウント結果を基に、選択されたジャンルにおける、ユーザの視聴実績のカウント数全番組のカウント数を算出する。

上述したように、番組編成は、視聴率競争の影響により、大衆の嗜好を反映していると考えられる。すなわち、選択されたジャンルにおける、ユーザの視聴実績のカウント数ノ全番組のカウント数の演算は、換言すれば、対応するジャンルにおけるユーザの視聴実績のカウント数を、標準モデルとしての対応するジヤンルの全番組のカウント数で正規化することと同義である。ステップ S 1 7 5において算出される正規化べクトルを正規化べクトル D 'と称するものとする。

例えば、大項目ジャンル Gm= {ドラマ，バラエティ，スポーツ，映画，音楽，子供向け/教育，教養/ドキュメント，ェユース/報道，その他 } のうちの「ドラマ」のジャンルに対応する番組べクトル PPの、大項目時間帯 Tm= {朝、昼、夕方、ゴールデン、深夜 } において、 1週間の全番組のカウント数が、（1 0, 3 5， 7， 5 3 , 1 7) であり、対してユーザが視聴した番組のカウント数が、 (5， 0, 0， 8, 4)であった場合、正規化ベクトル D 'は、以下のようになる。 D ' = (5/1 0, 0/3 5 , 0/7, 8/5 3 , 4/ 1 7) = (0. 5， 0， 0， 0. 2 8， 0. 1 5， 0. 24) すなわち、正規化べタトル D ,の構成要素が 1. 0である場合は、設定された期間中に、該当する項目の全番組を視聴したことを意味し、正規化べクトル ETの構成要素が 0である場合は、設定された期間中に、該当する番組は一つも視聴しなかったことを意味する。ステップ S 1 7 6において、ユーザ情報登録部 6 3は、ステップ S 1 7 5の算出結果を基に、選択されたジャンルにおける、対応する大項目の効き目べクトルを生成する。

効き目ベクトルを生成するために、大項目時間帯 Tm= {朝、昼、夕方、ゴールデン、深夜 } のうちのいずれかの項目を用いて、標準値を設定する。例えば、時間帯：「ゴールデン」の番組 1週間分において、一般的なユーザは、ドラマの 2割程度を視聴しているとして、標準値を 0. 2に設定すればよい。大項目の効き目ベクトルは、相対値として算出されるため、設定値は 0乃至 1のいずれの値であってもかまわない。そして、ユーザ側効き目ベクトルは、ステップ S 1 7 5 において算出された正規化べクトル ET と、設定値との相対値である。

従って、ユーザの興味ジャンルを示す、大項目ジャンル Gmの効き目ベクトル E 'は、 E ' = (0. 3 , — 0. 2，一0. 2，一 0. 0 5, 0. 0 4) と算出されるので、対応するユーザは、朝の時間帯のドラマを好み、昼や夕方の時間帯のドラマを好まないと判断することができる。

ステップ S 1 7 7において、ユーザ情報登録部 6 3は、選択されたジャンルにおいて、全ての大項目の効き目ベクトルが生成されたか否かを判断する。ステツプ S 1 7 7において、全ての大項目の効き目べクトルが生成されていないと判断された場合、処理は、ステップ S 1 7 2に戻り、それ以降の処理が繰り返される。ステップ S 1 7 7において、全ての大項目の効き目べクトルが生成されたと判断された場合、ステップ S 1 7 8において、ユーザ情報登録部 6 3は、全てのジヤンルの処理が終了したか否かを判断する。ステップ S 1 78において、全てのジャンルが終了していないと判断された場合、処理は、ステップ S 1 7 1に戻り、それ以降の処理が繰り返される。

ステップ S 1 7 8において、全てのジャンルが終了したと判断された場合、ステツプ S 1 7 9において、ユーザ情報登録部 6 3は、全ての大項目の効き目べクトルを保存して、処理が終了される。

このような処理により、一般的な嗜好と、ユーザ固有の嗜好との差をジャンル別に求めることができる。また、図 2 2を用いて説明した場合と同様にして、ュ一ザ側効き目べクトル EfUPを、例えば、 3ヶ月、半年などの所定の期間ごとに再演算するようにすることにより、ユーザの嗜好をリアルタイムに反映した番組を推薦することができる。

また、図 2 4の処理においても、例えば、 1週間、 1ヶ月、または 3ヶ月などの一定期間中にユーザが視聴した番組を基にユーザ側効き目べクトル EfUPを求めるものとして説明したが、図 2 2を用いて説明した場合と同様にして、複数の期間を対象として、例えば、短期、中期、長期に対応するユーザ側効き目べクトル EfUPを算出し、これら複数の効き目べクトルを用いて、推薦情報を決定するようにしても良い。

また、図 2 4の処理においても、放送されている全番組に代わって、視聴者が最も番組を視聴する所定の時間帯（例えば、 1 8時乃至 2 2時の、いわゆる、ゴ一ルデンタイム）に放送される全番組をカウントするようにしてもよい。

次に、図 2 5のフローチヤ一トを参照して、正履歴べクトル UPと、大衆の嗜好との類似度を示すコサイン距離の演算を、ジャンル別に実行することによって、ユーザ固有の嗜好と大衆の嗜好との隔たりをマッチングに利用するためのユーザ側効き目べクトル EfUPを求める、ユーザ側効き目べクトル生成処理 4について説明する。

ステップ S 1 9 1において、マッチング処理部 4 3のユーザ情報登録部 6 3は、処理を実行するジャンルを指定するために、いずれかのジャンルを選択する。ステップ S 1 9 2において、ユーザ情報登録部 6 3は、正履歴保存部 4 7に保存されている正履歴べクトル UPのうち、選択されたジャンルの正履歴べクトル UPを取得する。

ステップ S 1 9 3において、ユーザ情報登録部 6 3は、一般的な嗜好を示す、標準嗜好べクトル APPのうち、選択されたジャンルの標準嗜好べクトル APPを取得する。

標準嗜好ベクトル APPは、上述したように、配信サーバ 5から供給されるものとしても良いし、または、番組編成は、視聴率競争の影響により、大衆の嗜好を反映していると考えられるので、図 2 4を用いて説明したユーザ側効き目べクトル算出処理 3と同様にして、一定期間に放送された全番組の内容をジャンル別にカウントし、必要に応じて正規化して、ジャンル別標準嗜好ベクトル APPとするようにしても良い。

配信サーバ 5においては、例えば、一般的な視聴率調査や、その他の方法を用いて、一般的な嗜好を示す標準嗜好べクトル APPをジャンル別に生成するようにしても良い。

ステップ S 1 9 4において、ユーザ情報登録部 6 3は、選択されたジャンルの正履歴べクトル UPと、選択されたジャンルの標準嗜好べクトル APPを用いて、大項目ごとに、標準嗜好べクトル APPと、正履歴べクトル UPとのコサイン距離を算出する。コサイン距離が大きいほど、標準嗜好べクトル APPと、正履歴べクトル UPとの類似度が高い。

ステップ S 1 9 5において、ユーザ情報登録部 6 3は、ステップ S 1 9 4において算出されたコサイン距離を基に、大項目ごとに、コサイン距離を逆数にして、選択されたジャンルの効き目べクトル EfUPを生成する。コサイン距離の逆数が大きいほど、標準嗜好べクトル APPと、正履歴べクトル UPとの類似度は低い。ステップ S 1 9 6において、ユーザ情報登録部 6 3は、全てのジャンルの処理が終了したか否かを判断する。ステップ S 1 7 8において、全てのジャンルが終了していないと判断された場合、処理は、ステップ S 1 9 1に戻り、それ以降の処理が繰り返される。ステップ S 1 9 6において、全てのジャンルが終了したと判断された場合、処理が終了される。

このような処理により、一般的な嗜好と、対応するユーザ固有の嗜好との差を反映した、ジャンル別のユーザ側効き目べクトル EfUPを求めることができる。また、図 2 3を用いて説明した処理と同様にして、標準嗜好ベクトル APPと、負履歴べクトル MUPとの類似度を求め、その逆数を、反効き目べクトル EfMUPとして算出するようにしてもよい。

次に、図 2 6のフローチャートを参照して、負履歴ベクトル MUPを、大衆の嗜好と比較することにより、反効き目べクトル EfMUPを求めるユーザ側反効き目べタトル算出処理 1について説明する。

ステップ S 2 0 1において、マッチング処理部 4 3のユーザ情報登録部 6 3は、負履歴保存部 4 8に保存されている負履歴べクトル MUPを取得する。

ステップ S 2 0 2において、ユーザ情報登録部 6 3は、一般的な嗜好を示す、標準嗜好べクトル APPを取得する。

標準嗜好ベクトル APPは、配信サーバ 5から供給されるものとしても良い。あるいは、番組編成は、視聴率競争の影響により、大衆の嗜好を反映していると考えられるので、図 2 2を用いて説明したユーザ側効き目べクトル算出処理 1と同様にして、一定期間に放送された全番組の内容をカウントし、必要に応じて正規化して、標準嗜好べクトル APPとするようにしても良い。

ステップ S 2 0 3において、ユーザ情報登録部 6 3は、大項目ごとに、標準嗜好ベクトル APPと、負履歴ベクトル MUPとのコサイン距離を算出する。コサイン距離が大きいほど、標準嗜好べクトル APPと、負履歴べクトル MUPとの類似度が高い。

ステップ S 2 0 4において、ユーザ情報登録部 6 3は、ステップ S 2 0 3において算出されたコサイン距離を基に、大項目ごとに、コサイン距離を逆数にして、反効き目ベクトル EfMUPを生成して、処理が終了される。

このような処理により、反効き目べクトル EfMUPを生成することができるので、ユーザが好まない番組を、推薦する番組から効果的に省くことができる。

次に、図 2 7のフローチャートを参照して、ジャンル別に実行されるユーザ側反効き目ベクトル生成処理 2について説明する。

ステップ S 2 1 1において、マッチング処理部 4 3のユーザ情報登録部 6 3は、処理を実行するジャンルを指定するために、いずれかのジャンルを選択する。ステップ S 2 1 2において、ユーザ情報登録部 6 3は、負履歴保存部 4 8に保存されている負履歴べクトル MUPのうち、選択されたジャンルの負履歴べクトル MUPを取得する。

ステップ S 2 1 3において、ユーザ情報登録部 6 3は、一般的な嗜好を示す、標準嗜好べクトル APPのうち、選択されたジャンルの標準嗜好べクトル APPを取得する。

ステップ S 2 1 4において、ユーザ情報登録部 6 3は、選択されたジャンルの負履歴べクトル MUPと選択されたジャンルの標準嗜好べクトル APPとを基に、大項目ごとに、標準嗜好べクトル APPと、負履歴べタトル MUPとのコサイン距離を算出する。コサイン距離が大きいほど、標準嗜好べクトル APPと、負履歴べクトル MUPとの類似度が高い。

ステップ S 2 1 5において、ユーザ情報登録部 6 3は、ステップ S 2 1 4において算出されたコサイン距離を基に、大項目ごとに、コサイン距離を逆数にして、反効き目ベクトル ΕΏΙΙΙΡを生成する。コサイン距離の逆数が大きいほど、標準嗜好べクトル ΑΡΡと、負履歴べクトル MUPとの類似度が低い。

ステップ S 2 1 6において、ユーザ情報登録部 6 3は、全てのジャンルの処理が終了したか否かを判断する。ステップ S 2 1 6において、全てのジャンルが終了していないと判断された場合、処理は、ステップ S 2 1 1に戻り、それ以降の処理が繰り返される。ステップ S 2 1 6において、全てのジャンルが終了したと判断された場合、処理が終了される。

このような処理により、反効き目ベクトル EfMUPを、ジャンル別に生成することができるので、ユーザが好まない番組を、推薦する番組から効果的に省くことができる。

なお、ユーザ側効き目べクトル EfUPと、反効き目べクトル EfMUPは、図 2 3、および、図 2 5乃至図 2 7を用いて説明した大項目ごとのコサイン距離の逆数を n倍した値、あるいは、所定の桁で四捨五入した値を用いるものとしてもかまわないし、 1からコサイン距離の逆数を減算した値、あるいは、その値を n倍したィ直を用いるものとしてもかまわない。

ここでは、番組べクトル PP、および負履歴べクトル MUP力大項目ごとにべクトルで表されているものとして説明したが、番組べクトル PP、およぴ負履歴べクトル MUPが、詳細項目の全要素を 1列に並べたべクトルで表されている場合においても、同様の処理が実行可能であることは言うまでもない。

また、番組べクトル抽出部 4 2によって抽出される番組べクトルには、図 7または図 8を用いて説明した処理により生成された、クループ I D、またはクラスタコードなどのグループを示す情報が付加されている場合がある。

例えば、ユーザが好んで視聴する番組が、連続ドラマであった場合、該当する連続ドラマは、全ての回において推薦されるようにすれば、推薦のための演算処理を削減することができる。また、ユーザに非常に好まれている番組と同グループの番組を優先的に推龠するようにすることによつても、推薦のための演算処理を削減することができる。

次に、図 2 8のフローチャートを参照して、クループ推薦を含むマッチング処理について説明する。

ステップ S 2 2 1において、マッチング処理部 4 3のべクトル演算部 6 2は、番組べクトル抽出部 4 2から供給された番組べクトノレ PPに、クループ I D、またはクラスタコードなどのグループを示す情報が付加されているか否かを基に、対応する番組は、グループ化されているか否かを判断する。

ステップ S 2 2 1において、対応する番組はグループ化されていると判断された場合、ステップ S 2 2 2において、ベクトル演算部 6 2は、クループ I D、またはクラスタコードで示されるグループは、推薦優先グループとして、ユーザ情報登録部 6 3に登録されているか否かを判断する。

ステップ S 2 2 2において、推薦優先グループとして登録されていると判断された場合、ステップ S 2 2 3において、ベタトル演算部 6 2は、対応する番組の情報を、推薦情報として、推薦情報出力部 4 9に供給する。推薦情報出力部 4 9 は、推薦番組リスト 5 0に推薦する番組を登録するとともに、テレビジョン表示装置 1 1、または、録画再生装置 1 2に、推薦する番組の情報を出力して、処理は、後述するステップ S 2 2 7に進む。

ステップ S 2 2 1において、対応する番組はグループ化されていないと判断された場合、または、ステップ S 2 2 2において、推薦優先グループとして登録されていないと判断された場合、ステップ S 2 2 4において、図 1 7乃至図 2 1を用いて説明した、マッチング処理 1乃至マッチング処理 5のいずれかの処理が実行される。

ステップ S 2 2 5において、ベタトル演算部 6 2は、ステップ S 2 2 4において実行されたマッチング処理 1乃至マッチング処理 3のいずれかの処理において推薦された番組の番組ベクトルに、クループ I D、またはクラスタコードなどのグループを示す情報が付加されているか否かを基に、推薦された番組は、グループ化されているか否かを判断する。ステップ S 2 2 5において、推薦された番組は、グループ化されていないと判断された場合、処理は終了される。

ステップ S 2 2 5において、推薦された番組は、グループ化されていると判断された場合、ステップ S 2 2 6において、ベタトル演算部 6 2は、番組べクトルに付加しているグループ I D、またはクラスタコードを、推薦優先グループとして、ユーザ情報登録部 6 3に登録して保存する。

ステップ S 2 2 3、または、ステップ S 2 2 6の処理の終了後、ステップ S 2 2 7において、べクトル演算部 6 2は、負履歴保存部 4 8に保存されている負履歴の操作ログを参照して、ステップ S 2 2 3の処理により推薦された番組、または、ステップ S 2 2 4の処理により推薦された番組のうち、グループ化されているので、ステップ S 2 2 6の処理において推薦優先グループとして登録された番組に対して、例えば、推薦した番組が受け入れられずにその他の番組の視聴の視聴または録画を指令する操作入力や、自動録画された番組の再生前の消去を指令する操作入力など、負の履歴となる操作入力を受けたか否かを判断する。ステツプ S 2 2 7において、負の履歴となる操作入力を受けていないと判断された場合、処理が終了される。ステップ S 2 2 7において、負の履歴となる操作入力を受けたと判断された場合、ステップ S 2 2 8において、ベタトル演算部 6 2は、ユーザ情報登録部 6 3 の推薦優先グループの登録から、対応するグループをはずして、処理が終了される。

なお、図 9を用いて説明したタイトルグループ化処理 1により、 1つの番組べクトル PPに複数のグループ I Dが関連付けられている場合もある。特にこのような場合には、ステップ S 2 2 8において、負の履歴となる操作入力により、ユーザ情報登録部 6 3の推薦優先グループの登録から、全てのグループ I Dがはずされるようにしても良いし、負の履歴となる操作入力の回数を蓄積するようにし、所定の数だけ負の履歴となる操作入力が行われた場合に、ユーザ情報登録部 6 3 の推薦優先グループの登録から、対応するグループ I Dがはずされるようにしても良い。また、 1つの番組ベクトル PPに 1つののグループ I Dが関連付けられている場合においても同様である。

このような処理により、ユーザが好んで視聴している連続ドラマを全ての回において推薦されるようにしたり、ユーザに非常に好まれている番組と同グループの番組を推薦するようにすることができるので、推薦のための演算処理を削減することができる。

このように、グループ推薦を含むマッチング処理が行われている場合、テレビジョン表示装置 1 1または録画再生装置 1 2から取得されるユーザの操作履歴を基に生成される正履歴べクトル UPおよぴ負履歴べクトル MUPは、対応するグループごとに生成されるようにしてもよい。

また、テレビジョン表示装置 1 1または録画再生装置 1 2から取得されるユーザの操作履歴のうちの正履歴を基に、同一の連続ドラマにおける視聴または録画予約の回数をカウントし、所定回数以上になった場合に、マッチング処理を特に行うことなく、優先的に推薦するようにしてもかまわない。

また、ユーザ履歴を用いて番組の推薦処理を行うのではなく、ユーザが予め指定したトピックを基にユーザモデルを設定し、ユーザモデルを基に番組の推薦処理を行うようにしてもよレ、。

ユーザモデルは、所定の番組群から、ユーザが予め指定したトピックを用いてフィルタリングを行うことにより、トピックに対応する番組を抽出することで得られる。初期登録保存部 4 5は、ユーザにより入力されたトピックを保存する。登録されるトピックは複数であってもかまわないし、ユーザの操作入力によって、適宜、更新される。ベタトル演算部 6 2は、番組べクトル抽出部 4 2から供給される、ユーザモデル作成対象の番組の番組べクトルにおいて、初期登録保存部 4 5に保存されているトピックを含む番組べクトルを抽出し、抽出された番組べクトルの総和を、必要に応じて正規化することにより、ユーザモデルベクトルを生成し、ユーザ情報登録部 6 3に登録する。

これにより、例えば、トピックとして、時間帯 Hm = 「2 3時以降」およびジヤンル G m = 「パラエティ」が指定された場合、これらのトピックを用いてフィルタリングが行われ、ユーザモデル「深夜のバラエティ」が生成される。ユーザモデル「深夜のバラエティ」には、 2 3時以降の深夜枠に放送されるバラエティ ' 番組に出演したコメディアンが構成要素として含まれるので、例えば、ドラマなどの、バラエティとは異なるジャンルの番組において、対応するコメディアンが出演する番組がマッチング処理において抽出され、推薦されるので、項目ごとにマッチング処理を行う場合と比較して、ユーザの嗜好を、ジャンルなどを超越して適用することが可能となる。

なお、ユーザモデル作成対象の番組は、例えば、所定期間の全番組であっても、所定の時間帯（例えば、いわゆるゴールデンタイム）に放送された番組群であつてもよい。

また、例えば、同じフィルタリング条件を用いて、異なる番組集合を対象にフィルタリングを行うことによって、例えば、異なる時期、あるいは、異なる時間帯などの、異なる番組編成に詳細に対応したユーザモデルベクトルを生成することができる。

具体的には、同じ「ジャンル G m =音楽」という条件でも、現在の番組編成と、 1 0年前の番組編成では、放送時刻や出演者に違いがあるので、「現在の音楽フアン」「1 0年前の音楽ファン」という異なるユーザモデルを生成することができる。これにより、「 1 0年前の音楽ファン」が好んで聞いていたポップス歌手力現在、俳優として出演しているドラマや映画などを推薦したり、または、「1 0年前の音楽ファン」が好んで聞いていた楽曲を、現在の歌手が歌うような番組を推薦することが可能となる。

また、例えば、主に社会人が視聴するような、 2 0時乃至 2 4時などの時間帯と、主に子供が視聴するような、 1 5時乃至 2 0時などの時間帯とでは、同じ「ジヤンル G m =音楽」という条件でも、フィルタリングにより異なる番組群を得ることができるので、異なるユーザモデルを生成することができる。

そして、ベタトル演算部 6 2は、番組べクトル抽出部 4 2から供給される番組の番組べクトル PPと、ユーザ情報登録部 6 3に登録されているユーザモデルべクトルとの類似度を演算し、その結果を基に、推薦情報を生成し、推薦情報出力部 4 9に供給する。推薦情報出力部 4 9は、推薦情報を、推薦番組リスト 5 0に登録するとともに、テレビジョン表示装置 1 1、または、録画再生装置 1 2に供給する。

次に、図 2 9のフローチャートを参照して、ユーザモデルを用いたマッチング処理について説明する。

ステップ S 2 3 1において、マッチング処理部 4 3のべクトル演算部 6 2は、番組ベクトル抽出部 4 2において抽出された、ユーザモデル作成対象の番組の番組ベクトルを取得する。ユーザモデル作成対象の番組とは、例えば、 1ヶ月または 3ヶ月などの所定の期間に放送された番組であっても、それら所定の期間中の所定の時間帯（例えば、ゴールデンタイム)に放送された番組であっても良いし、あるいは、 1 0年前、 2 0年前などの、過去の所定の期間に放送された番組であつても良い。

ステップ S 2 3 2において、初期登録保存部 4 5は、操作入力部 4 4より、ュ一ザにより入力されたトピックを取得し、保存する。ベクトル演算部 6 2は、初期登録保存部 4 5からトピックを読み出して、フィルタリング条件として設定する。フィルタリング条件は、例えば、ハッシュテーブルとして記載されるようにしても良い。

ステップ S 2 3 3において、ベタトル演算部 6 2は、ステップ S 2 3 1において取得された番組べクトル PPを、ステップ S 2 3 2において設定されたフィルタリング条件を基にフィルタリングし、トピックに合致する番組べクトル PPを抽出する。例えば、ユーザモデル作成対象の番組が、過去 3ヶ月間の全番組である場合、ベタトル演算部 6 2は、過去 3ヶ月間の全番組べクトル PPに対して「タイトノレ T m、または、ジャンル G m =サッカー」という条件でフィルタリングを施す。ステップ S 2 3 4において、べクトル演算部 6 2は、ステップ S 2 3 3においてフィルタリングによって抽出された番組べクトノレ PPの総和を求めて、ユーザモデルベクトルとする。例えば、「タイトル T m、または、ジャンル G m =サッカ一」という条件でフィルタリングが施された場合、「サッカーファン」というュ一ザモデノレのユーザモデノレべクト /レが生成される。

ステップ S 2 3 5において、べクトル演算部 6 2は、ステップ S 2 3 4において生成されたユーザモデルべクトノレと、番組べクトル抽出部 4 2において抽出された、推薦情報を求めるための候補となる（この後放送される予定である）番組の番組べクトル PPとのコサイン距離を算出する。

ステップ S 2 3 6において、ベタトル演算部 6 2は、ステップ S 2 3 5において算出されたコサイン距離を基に、ユーザモデルベクトルと推薦情報を求めるための候補となる番組の番組べクトル PPとの類似度を比較し、比較結果を基に、類似度が高いもののうち、上位から所定の数の番組を推薦情報として抽出し、推薦情報出力部 4 9に供給する。推薦情報出力部 4 9は、推薦情報を、推薦番組リスト 5 0に登録するとともに、テレビジョン表示装置 1 1、または、録画再生装置 1 2に供給して、処理が終了される。

このような処理により、ユーザの操作履歷がない場合においても、ユーザが設定したトピックに合致した番組を推薦することができる。また、従来においては、例えば、「タイトル T m、または、ジャンル G m二サッカー」という条件を設定してマッチング処理を行った場合、サッカー選手が出演するバラエティやドラマなどを抽出することができなかった。これに対して、図 2 9を用いて説明した処理においては、「タイトル T m、または、ジャンル G m =サッカー」というトビックでユーザモデルを設定することにより、ユーザモデルベクトルの出演者や内容などの項目にも、サッカー選手名が多く含まれるために、たとえ「タイトル T m、または、ジャンル G m =サッカー」という条件に合致していない番組であつても、サッカー選手が出演するバラエティやドラマなどを抽出して推薦することが可能となる。

ここでは、ユーザモデルべクトルと、番組べクトルとのコサイン距離を算出することにより、類似度を求めるものとして説明しているが、大項目ごとに、個別にコサイン距離を算出し、その合計を用いて類似度を求めるようにしても良い。なお、ユーザモデルベクトルの生成処理は、配信サーバ 5において実行されるようにしてもよい。その場合、例えば、図 2を用いて説明した番組ベクトル生成部 2 3が生成した番組ベクトルを用いて、図 2 9のステップ S 2 3 1乃至ステツプ S 2 3 4の処理が実行されるようにすれば良い。

また、ユーザの嗜好にあった番組を推薦するばかりでなく、正履歴べクトル UP および負履歴べクトル MUPのいずれとも類似度が低いものを選ぶと、好きでも嫌いでもない、すなわち、これまでユーザが視聴したことのない特徴を有する番組、換言すれば、食わず嫌いの番組が推薦される可能性が高くなる。このように、ュ一ザの嗜好を抽出して学習を進めるためには、これまでユーザが視聴したことのない特徴を有する番組も評価してもらうことが重要である。

これにより、ユーザに対して提供する推薦結果に意外性を与え、ユーザの興味の拡大につなげることが可能になるばかりでなく、よりユーザの嗜好に合致した番組を推薦するために、非常に重要な履歴情報を取得することが可能となる。次に、図 3 0のフローチャートを参照して、例外推薦番組選択処理について説明する。ステップ S 2 4 1において、マッチング処理部 4 3のべクトル演算部 6 2は、番組べクトル抽出部 4 2から供給された番組べクトル PPと、正履歴保存部 4 7に保存されている正履歴べクトル UP、および、負履歴保存部 4 8に保存されている負履歴べクトル MUPとを用いて、大項目ごとに、正履歴べクトル UPと番組べクトル PPとのコサイン距離、および、負履歴べクトル MUPと番組べクトル PPとのコサイン距離を、それぞれ算出する。

ステップ S 2 4 2において、ベタトル演算部 6 2は、項目ごとに算出されたコサイン距離の値を、正履歴側と負履歴側で、それぞれ、合計する。すなわち、ステツプ S 2 4 1およびステップ S 2 4 2の処理により、上述した、正履歴べクトル UPと番糸且ベタトル PPとの類似度 SitnUPおよび負履歴べクトル MUPと番糸且ベタトノレ PPとの類似度 SimMUPが算出される。

ステップ S 2 4 3において、ベタトル演算部 6 2は、正履歴べクトル UP、および、負履歴べクトル MUPとの類似度の低さを示す例外推薦値を算出する。

具体的には、例外推薦値は、（ 1一 SimUP) X ( 1 -SimMUP) または（ 1 ZSimUP) X ( 1 /SimMUP) によって求めることが可能である。

ステップ S 2 4 4において、べクトル演算部 6 2は、ステップ S 2 4 3の算出結果を基に、例外推薦値の高い番組を求め、推薦情報として抽出し、処理が終了される。

このような処理により、これまでユーザが視聴したことのない特徴を有する番組を抽出して推薦することができるので、ユーザへの推薦番組の選択に、意外性を与え、ユーザの興味の拡大につなげることが可能になるばかりでなく、よりュ一ザの嗜好に合致した番組を推薦するために、非常に重要な履歴情報を取得することが可能となる。

図 1 3乃至図 3 0を用いて説明した処理により、番組推薦処理装置 1 0において、推薦情報が生成されて、テレビジョン表示装置 1 1、または、録画再生装置 1 2に供給される。

テレビジョン表示装置 1 1、または、録画再生装置 1 2には、テレビジョン受信装置 4において受信されて復号された衛星波または地上波の放送信号が供給される。

テレビジョン表示装置 1 1は、ユーザの操作入力を基に、テレビジョン受信装置 4から供給された放送信号、または、録画再生装置 1 2から供給された再生データを表示したり、番組推薦処理装置 1 0から供給された推薦情報を基に、推薦番組情報を表示したり、チャンネルの自動設定を実行する。更に、テレビジョン表示装置 1 1は、操作ログを番組推薦処理装置 1 0に供給する。

また、録画再生装置 1 2は、ユーザの操作入力を基に、テレビジョン受信装置 4から供給された放送信号を録画または録画予約したり、番組推薦処理装置 1 0 から供給された推薦情報を基に、番組を自動録画する。また、録画再生装置 1 2 は、装着された記録媒体、または、内蔵する記録媒体に録画されている番組を再生し、テレビジョン表示装置 1 1に出力して表示させる。更に、録画再生装置 1 2は、操作ログを番組推薦処理装置 1 0に供給する。

図 3 1は、テレビジョン受信装置 4の構成を示すブロック図である。テレビジヨン受信装置 4は、デジタル放送用受信装置の標準規格に対応する一般的な受信装置であるものとして説明する。

衛星波検波部 9 1は、衛星 2を介して送信され、アンテナ 3によって受信された衛星波を、テレビジョン表示装置 1 1、または、録画再生装置 1 2から供給されたチャンネルを選択する信号を基に選局して検波し、伝送モードに関する制御 1B号を T M C C (Transmission and Multiplexing Configuration Control) 復号部 9 2に、放送信号を復調 '復号処理部 9 3に供給する。

丁1^[じじ復号部9 2は、伝送多重制御信号における伝送モード（変調方式、符号化率など）やスロット等の情報の入力を受け、これらの情報を復号し、復調' 復号処理部 9 3に供給する。

復調 '復号処理部 9 3は、 T M C C復号部 9 2から供給された、伝送モードに関する情報に基づいて、供給された放送信号を、例えば、 Q P S K (quadri-phase shift keying： 4位相変調方式、または、 4相 P S Kとも称する）方式や、 8相 15925

75

P S K方式などの方法を用いて復調および復号し、ディンタリーバ 9 4に供給する。

ディンタリーバ 9 4は、供給された信号をディンタリープして、誤り訂正処理部 9 5に供給する。また、ディンタリーバ 9 4は、供給された信号に対して、更に、フレーム分離やデスクランブルの処理を施すようにしても良い。

誤り訂正処理部 9 5は、例えば、リードソロモン符号などを用いた誤り訂正処理を行い、 C A (Conditional Access：限定受信）デスクランブル部 1 0 1に供給する。

地上波検波部 9 6は、アンテナ 3によって受信された地上波を、テレビジョン表示装置 1 1または録画再生装置 1 2から供給された、チャンネルを選択する制御信号を基に選局して検波し、伝送モードに関する制御信号を T M C C復号部 9 7に、放送信号を復調'復号処理部 9 8に供給する。

T M C C復号部9 7は、伝送多重制御信号における伝送モード（変調方式、符号化率など）やスロット、 T S等の情報の入力を受け、これらの情報を復号し、復調'復号処理部 9 8に供給する。

復調 '復号処理部 9 8は、 T M C C復号部 9 7から供給された、伝送モードに関する情報に基づいて、供給された放送信号を、例えば、 Q AM (quadrature ampl itude modulation：直交振幅変調）方式などの方法を用いて復調および復号し、ディンタリーバ 9 9に供給する。

ディンタリーバ 9 9は、供給された信号をディンタリーブして、 T S (Transport Stream；トランスポートストリーム）再生部 1 0 0に供給する。また、デインタリーバ 9 9は、供給された信号に対して、更に、フレーム分離やデスクランブルの処理を施すようにしても良い。

T S再生部 1 0 0は、供給された信号を基に、トランスポートストリームを再生し、 C Aデスクランプル部 1 0 1に供給する。

C Aデスクランプル部 1 0 1は、誤り訂正処理部 9 5、または、 T S再生部 1 0 0から供給された信号を基に、限定受信信- レクサ 1 0 2に供給する。

データ入力部 1 0 3は、 E P G受信装置 9から、 E P Gデータの入力を受けたり、ネットワーク 8を介して、配信サーバ 5より、ストリーミングデータの供給を受け、デマルチプレクサ 1 0 2に供給する。

デマルチプレクサ 1 0 2は、 C Aデスクランブル部 1 0 1、または、データ入力部 1 0 3から供給された信号をデマルチプレタスし、音声信号は音声信号復号部 1 0 4に、映像信号は、映像信号復号部 1 0 5に、そして、制御信号や E P G などのデータは、データ復号部 1 0 6にそれぞれ供給する。

音声信号復号部 1 0 4は、供給された音声信号を復号し、テレビジョン表示装置 1 1、または、録画再生装置 1 2に供給する。映像信号復号部 1 0 5は、供給された映像信号を復号し、テレビジョン表示装置 1 1、または、録画再生装置 1 2に供給する。データ復号部 1 0 6は、供給された制御信号や E P Gなどのデータを復号し、テレビジョン表示装置 1 1、または、録画再生装置 1 2に供給する。テレビジョン受信装置 4の処理により、受信された衛星波、または地上波、あるいは、配信されたストリーミングデータが、所定の方式により復調および復号されて、テレビジョン表示装置 1 1、または、録画再生装置 1 2に供給される。図 3 2は、テレビジョン表示装置 1 1の構成を示すプロック図である。

操作入力部 1 2 1は、ユーザからの操作入力を受け、テレビジョン表示装置 1 1の各部にユーザの操作入力に対応する制御信号を供給するとともに、ユーザの操作内容を操作ログリスト 1 2 2に供給して保存させる。操作ログリスト 1 2 2 に保存されているユーザの操作ログは、図 1 3を用いて説明した番組推薦処理装置 1 0の操作ログ取得部 4 6により取得される。また、ユーザの操作入力が、チヤンネルの選択であった場合、操作入力部 1 2 1は、入力されたユーザの操作をチャンネル設定部 1 2 3に供給する。

チヤンネル設定部 1 2 3は、操作入力部 1 2 1から供給されたユーザの操作入力を示す信号に基づいて、チヤンネルの選択を示す制御信号を生成し、テレビジヨン受信装置 4に供給する。また、チャンネル設定部 1 2 3は、後述する推薦番 JP2003/015925

77

組リスト 1 2 8に登録されている推薦情報に基づいて、自動的にチャンネルを設定するために、チャンネルの選択を示す制御信号を生成し、テレビジョン受信装置 4に供給する。テレビジョン受信装置 4は、制御信号に基づいて、指定されたチャンネルの放送信号を受信する。

データ入力部 1 2 4は、テレビジョン受信装置 4から放送信号の入力を受け、画像処理部 1 2 5に供給する。画像処理部 1 2 5は、供給された放送信号に対して、出力部 1 2 6の画像表示方法に基づいて、画像処理を施し、出力部 1 2 6に供給する。出力部 1 2 6は、例えば、 C R T (Cathode Ray Tube) 、または、 L C D (Liquid Crystal Display) などの表示デバイスと、スピーカなどの音声出力デバイスで構成され、供給された画像処理後の放送信号の画像信号を表示デバイスに表示し、音声出力デバイスから音声信号を出力する。

推薦番組リスト取得部 1 2 7は、番組推薦処理装置 1 0から、推薦情報を取得し、推薦番組リスト 1 2 8に供給する。推薦番組リスト 1 2 8は、供給された推薦情報を登録する。推薦番組リスト 1 2 8に登録された推薦情報は、チャンネル設定部 1 2 3に読み出されたり、推薦番組情報表示制御部 1 2 9に読み出される。推薦番組情報表示制御部 1 2 9は、番組の推薦情報をユーザに提示するために、推薦番組リスト 1 2 8から読み出した推薦情報を、画像処理部 1 2 5に出力する。画像処理部 1 2 5は、推薦番組情報表示制御部 1 2 9から供給された推薦情報を、単独で、または、データ入力部 1 2 4から供給された放送信号の画像に重畳させて、出力部 1 2 6に出力して、表示デバイスに表示させる。

なお、番組推薦処理装置 1 0から供給される推薦情報を基に、出力部 1 2 6に推薦情報を表示させるか、自動的にチャンネルを設定させるようにするかは、ュ一ザの設定によって決定されるようにしても良い。

図 3 3のフローチヤ一トを参照して、番組推薦処理装置 1 0から供給される推薦情報を基に、ユーザに番組推薦情報を提示するための推薦情報表示処理について説明する。

2 5 1において、推薦番組リスト取得部 1 2 7は、番組推薦処理装置 1 0の推薦情報出力部 4 9から出力された推薦情報を取得する。

ステップ S 2 5 2において、推薦番組リスト取得部 1 2 7は、取得した推薦情報を、推薦番組リスト 1 2 8に登録する。

ステップ S 2 5 3において、推薦番組情報表示制御部 1 2 9は、推薦番組リスト 1 2 8から、例えば、 3時間や 1日など、現在時刻よりも所定の時間以内に放送される番組の推薦情報を読み出し、推薦する番組のタイトル、内容、放送時間、および、放送チャンネルなどを表示させるための、推薦情報表示用のデータを生成し、画像処理部 1 2 5に供給する。

ステップ S 2 5 4において、画像処理部 1 2 5は、供給された推薦情報表示用のデータを、出力部 1 2 6に表示させるための画像処理を実行し、出力部 1 2 6 に供給する。推薦情報は、単独で、または、データ入力部 1 2 4から供給された放送信号の画像に重畳されて、画像処理される。

ステップ S 2 5 5において、出力部 1 2 6は、画像処理部 1 2 5から供給された推薦情報を表示し、処理が終了される。

このような処理により、出力部 1 2 6に推薦情報が表示されるので、ユーザは、表示された推薦情報を参照して、視聴する番組を選択することが可能となる。次に、図 3 4のフローチャートを参照して、番組推薦処理装置 1 0から供給される推薦情報を基に、自動的にチャンネルを設定して、ユーザの嗜好に合致した番組を表示させるための自動チャンネル設定処理について説明する。

ステップ S 2 7 1およびステップ S 2 7 2において、図 3 3を用いて説明したステップ S 2 5 1およびステップ S 2 5 2と同様の処理が実行される。すなわち、番組推薦処理装置 1 0の推薦情報出力部 4 9から出力された推薦情報が取得され、取得された推薦情報が、推薦番組リスト 1 2 8に登録される。

チャンネル設定部 1 2 3は、ステップ S 2 7 3において、番組推薦リスト 9 8 から、現在時刻に対応する推薦番組の情報を取得し、ステップ S 2 7 4において、推薦番組の情報を基に、チャンネル設定情報を生成し、テレビジョン受信装置 4 に出力する。テレビジョン受信装置 4は、制御信号に基づいて、指定されたチヤンネルの放送信号を受信する。

ステップ S 2 7 5において、データ入力部 1 2 4は、テレビジョン受信装置 4 から指定されたチャンネルの放送信号を取得し、画像処理部 1 2 5に供給する。ステップ S 2 7 6において、画像処理部 1 2 5は、供給された放送信号に、出力部 1 2 6に表示させるための画像処理を実行し、出力部 1 2 6に供給する。ステップ S 2 7 7において、出力部 1 2 6は、画像処理部 1 2 5から供給された、推薦された番組の映像を表示して、音声を出力し、処理が終了される。このような処理により、自動的に、ユーザの嗜好に合致した番組が放送されているチャンネルにチャンネル設定される。図 3 4を用いて説明した自動チャンネル設定処理は、例えば、ユーザが指令したときに実行されるようにしても良い。これにより、ユーザが、どの番組を視聴するかを悩んだ場合などに、適切な番組が放送されている番組にチャンネルを自動的に設定することが可能となる。また、図 3 4を用いて説明した自動チャンネル設定処理は、例えば、 2時間など、特に意識してチャンネルを設定せず、ただ放置されていると判断可能なような所定の時間ごとに、あるいは、放置されていると判断可能なような所定の時間、ユーザからの操作入力がなかつた場合などに実行されるようにしても良い。なお、ユーザが意識して番組を視聴している途中で、自動的にチャンネルが切り替わってしまうことがないように、自動チャンネル設定処理の実行不可のモードを用意して、ユーザが指令することができるようにしても良い。

図 3 5は、録画再生装置 1 2の構成を示すブロック図である。

操作入力部 1 4 1は、ユーザからの操作入力を受け、録画再生装置 1 2の各部にユーザの操作入力に対応する制御信号を供給するとともに、ユーザの操作内容を操作ログリスト 1 4 2に供給して保存させる。操作口グリスト 1 4 2に保存されているユーザの操作ログは、図 1 3を用いて説明した番組推薦処理装置 1 0の操作口グ取得部 4 6により取得される。

録画設定部 1 4 3は、操作入力部 1 4 1から供給されたユーザの操作入力を示す信号に基づいて、または、後述する推薦番組リスト 1 4 9に登録されている推薦情報から、例えば、録画する番組の放送開始時間おょぴ放送終了時間、並びに、放送されるチャンネルなど、録画処理を行うために必要な情報を抽出する。録画設定部 1 4 3は、操作入力部 1 4 1から供給されたユーザの操作入力が録画予約である場合、録画処理を行うために必要な情報を録画予約リスト 1 4 4に登録し、操作入力部 1 4 1から供給されたユーザの操作入力が、現在放送されている番組の録画処理である場合、または、後述する推薦番組リスト 1 4 9に登録されている推薦情報を用いて自動録画処理を行う場合、録画処理を行うために必要な情報を、録画制御部 1 4 5に供給する。

録画制御部 1 4 5は、録画設定部 1 4 3から供給された、録画処理を行うために必要な情報を基に、または、録画予約リスト 1 4 4に登録されている録画予約情報のうち現在時刻に対応する録画予約情報を抽出することにより、録画する番組の放送チャンネルを示す制御信号を生成して、テレビジョン受信装置 4に供給するとともに、録画処理を実行するための制御信号を生成し、録画再生処理部 1 4 7に供給する。テレビジョン受信装置 4は、制御信号に基づいて、指定されたチャンネルの放送信号を受信する。

データ入力部 1 4 6は、テレビジョン受信装置 4から放送信号の入力を受け、録画再生処理部 1 4 7に供給する。録画再生処理部 1 4 7は、例えば、磁気テープ、光ディスク、磁気ディスク、光磁気ディスク、または、半導体メモリなどの記録媒体が装着可能なように構成されるか、その内部に、例えば、ハードデイスク、または、半導体メモリなどの記録媒体を有し、それらの記録媒体に情報を記録したり、それらの記録媒体から情報を再生可能なようになされている。具体的には、録画再生処理部 1 4 7に装着可能な記録媒体が磁気テープである場合、録画再生処理部 1 4 7は、磁気へッドを有し、磁気テープにデータ入力部 1 4 6から供給された放送信号を記録（すなわち、録画）したり、磁気テープに記録されている情報を再生して、テレビジョン表示装置 1 1などに供給して再生出力させる。

推薦番組リスト取得部 1 4 8は、番組推薦処理装置 1 0から、推薦情報を取得し、推薦番組リスト 1 4 9に供給する。推薦番組リスト 1 4 9は、供給された推薦情報を登録する。推薦番組リスト 1 4 9に登録された推薦情報は、録画設定部 1 4 3に読み出されて、自動的に録画処理が実行される。

次に、図 3 6のフローチャートを参照して、自動録画処理について説明する。ステップ S 2 9 1において、推薦番組リスト取得部 1 4 8は、番組推薦処理装置 1 0の推薦情報出力部 4 9から出力された推薦情報を取得する。

ステップ S 2 9 2において、推薦番組リスト取得部 1 4 8は、取得した推薦情報を、推薦番組リスト 1 4 9に登録する。

ステップ S 2 9 3において、録画設定部 1 4 3は、番組推薦リスト 1 0 9力、ら、現在時刻に対応する推薦番組の情報を抽出し、放送開始時間および放送終了時間、並びに、放送チャンネルなどの、録画処理のために必要な情報を取得して、録画制御部 1 4 5に供給する。

ステップ S 2 9 4において、録画制御部 1 4 5は、録画する番組の放送信号の供給を受けるためのチヤンネル設定情報を生成し、テレビジョン受信装置 4に出力する。テレビジョン受信装置 4は、制御信号に基づいて、指定されたチャンネルの放送信号を受信する。

ステップ S 2 9 5において、データ入力部 1 4 6は、テレビジョン受信装置 4 から、指定されたチャンネルの放送信号を取得し、録画再生処理部 1 4 7に供給する。

ステップ S 2 9 6において、録画再生処理部 1 4 7は、供給された放送信号を、装着されている、または、内蔵されている記録媒体に記録して、処理が終了される。

このような処理により、ユーザの嗜好に合致した番組を、自動的に録画することが可能となる。図 3 6を用いて説明した自動録画処理は、ユーザが指令した録画処理、または、録画予約処理による録画動作中など、すでに録画動作が行われている間には実行されない。

ここでは、現在時刻に対応する推薦番組を基に、自動的に録画を行い場合について説明したが、例えば、現在時刻よりも先の所定の時間分の推薦情報を取得して、同様の処理により、自動的に録画予約を設定することができるようにしてもよいことは言うまでもない。

図 1乃至図 3 6を用いて説明した処理では、番組べクトル PP力配信サーバ 5 において生成されるものとして説明したが、配信サーバが番組べクトル PPを生成するのではなく、ネットワーク 8を介して、 E P Gデータを番組推薦処理装置に供給し、番組推薦処理装置において、番組べクトル PPを生成するようにしても良い。

配信サーバが番組べクトノレ ppを生成するのではなく、ネットワーク 8を介して、 E P Gデータを番組推薦処理装置に供給し、番組推薦処理装置において、番組べクトル PPを生成する場合の配信サーバ 1 7 1の構成を図 3 7に示し、番組推薦処理装置 1 9 1の構成を図 3 8に示す。

なお、図 2の配信サーバ 5、および、図 1 3の番組推薦処理装置 1 0における場合と対応する部分には同一の符号を付してあり、その説明は適宜省略する。すなわち、配信サーバ 1 7 1は、図 2を用いて説明した配信サーバ 5のデータ取得部 2 1およびデータ送信部 2 5で構成され、ストリーミングデータデータベース 6またはメタデータデータベース 7からストリーミングデータ、または、メタデータで構成される E P Gデータを取得して、ネットワーク 8を介して、 E P G受信装置 8またはテレビジョン受信装置 4に送信する。

そして、番組推薦処理装置 1 9 1は、図 2の配信サーバ 5に設けられていたものと同様のメタデータ取得部 2 2および番組べクトル生成部 2 3が新たに設けられている以外は、図 1 3を用いて説明した番組推薦処理装置 1 0と同様の構成を有するものであり、番組推薦処理装置 1 0が実行する処理に加えて、図 3を用いて説明した番組ベクトル生成処理 1、および、図 6を用いて説明した番組べタトル生成処理 2、並びに、図 7を用いて説明したグループ化処理 1、および、図 8 を用いて説明したグループ化処理を実行する。

配信サーバが番組べクトル PPを生成するのではなく、ネットワーク 8を介して、 E P Gデータを番組推薦処理装置に供給し、番組推薦処理装置において、番組べクトル PPを生成する場合においても、図 1乃至図 3 6を用いて説明した場合と同様の効果を奏することが可能である。

また、更に、 E P G受信装置 9が、テレビジョンジョン表示装置 1 1および録画再生装置 1 2から、ユーザの操作履歴や設定情報などを収集して、ネットヮーク 8を介して、配信サーバに供給するようにし、配信サーバが、番組べクトル PP を生成するのみでなく、マッチング処理を実行し、ネットワーク 8を介して、マツチング結果を E P G受信装置 9に供給するようにしてもよい。この場合のネットワーク構成を図 3 9に示し、配信サーバ² 0 1の構成を示すブロック図を図⁴ 0に示す。

なお、図 1、図 3 7、および図 3 8における場合と対応する部分には同一の符号を付してあり、その説明は適宜省略する。

すなわち、配信サーバ 2 0 1は、図 3 7を用いて説明した配信サーバ 1 7 1に、図 3 8を用いて説明した番組推薦処理装置 1 9 1の機能を加えたものであり、ュ —ザは、番組推薦処理装置を保有する必要がない。

図 3 9および図 4 0に示される構成においては、番組べクトル PP、番組側効き目べクトル EfPP、正履歴べクトル UP、負履歴べクトル MUP、もしくは、標準嗜好ベタトル APPなどの生成処理や、番組べクトルのグループ化処理、マッチング処理、または、例外推薦番組選択処理などの、図 3乃至図 1 2、および、図 1 4乃至図 3 0を用いて説明した全ての処理が、配信サーバ 2 0 1で実行される。

なお、このとき、 E P G受信装置 9力テレビジョンジョン表示装置 1 1および録画再生装置 1 2から収集して、ネットワーク 8を介して送信する、ユーザの操作履歴や設定情報などには、たとえば、ユーザ I Dなどが付けられて、ユーザごとに区別可能なようになされる。また、配信サーバ 2 0 1の番組推薦処理装置 1 9 1において、初期登録保存部 4 5、正履歴保存部 4 7、負履歴保存部 4 8などは、供給された情報のユーザ I Dを基に、それぞれの情報をユーザ別に保存する。以上の説明においては、テレビジョン放送信号の E P Gデータを用いて、ユーザの嗜好にあった番組を推薦する場合について説明したが、本発明は、ラジオ放送、あるいは、ストリーミングデータなどの各種デジタルコンテンツに属性情報を付加し、ユーザの嗜好にあったものを推薦する場合についても適用可能である。上述した一連の処理は、ソフトウェアにより実行することもできる。そのソフトウエアは、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンビュータなどに、記録媒体からインストールされる。

この記録媒体は、図 2、図 1 3、または、図 3 8に示すように、コンピュータとは別に、ユーザにプログラムを提供するために配布される、プログラムが記録されている磁気ディスク 3 1または 7 1 (フレキシブルディスクを含む) 、光デイスク 3 2または 7 2 (CD-ROM (Compact Disk-Read Only Memory) , DVD (Digital Versatile Disk) を含む）、光磁気ディスク 3 3または 7 3 (MD (Mini-Disk) (商標）を含む）、もしくは半導体メモリ 3 4または 7 4などよりなるパッケ一ジメディアなどにより構成される。

また、本明細書において、記録媒体に記録されるプログラムを記述するステツプは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。

なお、本明細書において、システムとは、複数の装置により構成される装置全体を表すものである。産業上の利用可能性

このように、本発明によれば、コンテンツの属性情報を生成することができる。特に、属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定する重み付け情報と、コンテンッの属性情報を対応付けることができる。

また、他の本発明によれば、ユーザの嗜好と合致したコンテンツを選択することができるほか、属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の項目それぞれの寄与の度合いを規定する重み付け情報を用いて、コンテンッが選択されるので、ユーザの嗜好に正しく合致したコンテンツを選択することができる。

さらに、他の本発明によれば、ユーザの嗜好を求めることができる。特に、ュ一ザの嗜好と一般的な嗜好を比較して、ユーザの嗜好の偏りを求めることにより、ユーザ固有の嗜好を求めることができる。

Claims

請求の範囲

1 . コンテンツに関する情報を基に前記コンテンツの属性情報を生成する情報処理装置において、

前記コンテンツに関する情報を取得する取得手段と、

前記取得手段により取得された前記コンテンツに関する情報に基づいて、複数の項目で構成される前記属性情報を生成する属性情報生成手段と、

前記属性情報生成手段により生成された前記属性情報の前記項目に対応する第 1の重み付け情報を記憶する第 1の記憶手段と

を備え、

前記第 1の重み付け情報は、前記属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の前記項目それぞれの寄与の度合いを規定するものである

ことを特徴とする情報処理装置。

2 . 前記属性情報生成手段により生成された前記属性情報を送信する送信手段

を更に備えることを特徴とする請求の範囲第 1項に記載の情報処理装置。

3 . 前記送信手段は、前記第 1の記憶手段により記憶されている前記第 1の重み付け情報から、前記コンテンツが有する条件に合致する前記第 1の重み付け情報を抽出して、前記属性情報生成手段により生成された前記属性情報に対応付けて、更に送信する

ことを特徴とする請求の範囲第 2項に記載の情報処理装置。

4 . 前記コンテンツが有する条件は、前記コンテンツのジャンルであることを特徴とする請求の範囲第 3項に記載の情報処理装置。

5 . 前記取得手段により取得された前記コンテンツに関する情報のうち、所定の情報を抽出する抽出手段を更に備え、

前記属性情報生成手段は、前記抽出手段により抽出された前記所定の情報を、複数の前記項目ごとにべクトル化して、前記属性情報を生成することを特徴とする請求の範囲第 1項に記載の情報処理装置。

6 . 前記属性情報生成手段は、前記コンテンツに関する情報のうち、言語により記載された情報を解析し、解析結果を基に、前記属性情報を生成することを特徴とする請求の範囲第 1項に記載の情報処理装置。

7 . 前記属性情報生成手段は、言語により記載された情報に、頻度または重みを示す数値を対応付けて、前記属性情報を生成する

ことを特徴とする請求の範囲第 5項に記載の情報処理装置。

8 . 複数の前記項目で構成される所定の前記ユーザの前記嗜好情報を記憶する第 2の記憶手段と、

前記第 2の記憶手段により記憶されている前記嗜好情報と、前記属性情報生成手段により生成された前記属性情報との、前記項目ごとの類似度を算出することにより、前記ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成手段と

を更に備えることを特徴とする請求の範囲第 1項に記載の情報処理装置。 9 . 前記推薦情報生成手段は、前記第 1の記憶手段により記憶されている前記第 1の重み付け情報を用いて、前記属性情報と前記嗜好情報とを比較することにより、前記推薦情報を生成する

ことを特徴とする請求の範囲第 8項に記載の情報処理装置。

1 0 . 前記ユーザの操作履歴を取得する操作履歴取得手段と、

前記操作履歴取得手段により取得された前記操作履歴を基に、前記ユーザの嗜好情報を生成する嗜好情報生成手段と、

前記嗜好情報生成手段により生成された前記嗜好情報を基に、第 2の重み付け情報を生成する重み付け情報生成手段と

を更に備え、

前記第 2の重み付け情報は、複数の前記項目の、前記属性情報と前記ユーザの嗜好情報との類似度の算出時の寄与の度合いを規定するものであり、

前記推薦情報生成手段は、前記重み付け情報生成手段により生成された前記第 2の重み付け情報を用いて、前記嗜好情報と前記属性情報とを比較することにより、前記推薦情報を生成する

1 1 . コンテンツに関する情報を基に前記コンテンツの属性情報を生成する情報処理装置の情報処理方法において、

前記コンテンツに関する情報を取得する取得ステップと、

前記取得ステップの処理により取得された前記コンテンツに関する情報に基づいて、複数の項目で構成される前記属性情報を生成する属性情報生成ステップと、前記取得ステップの処理により取得された前記コンテンツに関する情報を基に、前記コンテンツが有する条件に基づいて、前記属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の前記項目それぞれの寄与の度合いを規定する重み付け情報を抽出する抽出ステップと、

前記抽出ステツプの処理により抽出された前記重み付け情報と、前記属性情報生成ステツプの処理により生成された前記属性情報とを対応付ける対応付けステップと

を含むことを特徴とする情報処理方法。

1 2 . コンテンツに関する情報を基に前記コンテンツの属性情報を生成する処理をコンピュータに実行させるプログラムであって、

前記コンテンツに関する情報を取得する取得ステップと、

前記抽出ステップの処理により抽出された前記重み付け情報と、前記属性情報生成ステップの処理により生成された前記属性情報とを対応付ける対応付けステップと

を含むことを特徴とするコンピュータが読み取り可能なプログラムが記録されている記録媒体。

1 3 . コンテンツに関する情報を基に前記コンテンツの属性情報を生成する処理をコンピュータに実行させるプログラムであって、

前記コンテンツに関する情報を取得する取得ステップと、

前記取得ステップの処理により取得された前記コンテンツに関する情報に基づいて、複数の項目で構成される前記属性情報を生成する属性情報生成ステツプと、前記取得ステツプの処理により取得された前記コンテンツに関する情報を基に、前記コンテンツが有する条件に基づいて、前記属性情報と所定のユーザの嗜好情報との類似度の算出における、複数の前記項目それぞれの寄与の度合いを規定する重み付け情報を抽出する抽出ステップと、

前記抽出ステップの処理により抽出された前記重み付け情報と、前記属性情報生成ステツプの処理により生成された前記属性情報とを対応付ける対応付けステップと

を含むことを特徴とするプログラム。

1 4 . ユーザの嗜好と合致したコンテンツを選択する処理を実行する情報処理装置において、

複数の項目で構成されている前記コンテンツの属性情報を取得する取得手段と、複数の前記項目で構成されている前記ユーザの嗜好情報を記憶する記憶手段と、前記取得手段により取得された前記属性情報と、前記記憶手段により記憶されている前記ユーザの嗜好情報との類似度を、所定の重み付け情報を用いて算出することにより、前記ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成手段と

を備え、

前記重み付け情報は、前記属性情報と前記ユーザの嗜好情報との類似度の算出における、複数の前記項目それぞれの寄与の度合いを規定することを特徴とする情報処理装置。

1 5 . 前記取得手段は前記コンテンツの属性情報とともに、前記重み付け情報を更に取得し、

前記推薦情報生成手段は、前記重み付け情報を用いて、前記コンテンツの属性情報と前記嗜好情報とを比較することにより、前記推薦情報を生成する

ことを特徴とする請求の範囲第 1 4項に記載の情報処理装置。

1 6 . 前記ユーザの操作履歴を取得する操作履歴取得手段と、

前記嗜好情報生成手段により生成された前記嗜好情報を基に、前記重み付け情報を生成する重み付け情報生成手段と

を更に備え、

前記推薦情報生成手段は、前記重み付け情報生成手段により生成された前記重み付け情報を用いて、前記嗜好情報と前記属性情報とを比較することにより、前記推薦情報を生成する

1 7 . 前記重み付け情報は、前記コンテンツの属性情報のうち、一般的な嗜好に対して、前記ユーザの特徴的な嗜好を示す情報である

1 8 . 前記重み付け情報は、前記コンテンツの属性情報のうち、前記ユーザにとつて重要な項目を示す情報である

1 9 . 前記重み付け情報は、前記コンテンツの属性情報のうち、前記ユーザが好むコンテンツを表す項目を示す情報である

2 0 . 前記重み付け情報は、前記コンテンツの属性情報のうち、前記ユーザが好まないコンテンツを表す項目を示す情報であることを特徴とする請求の範囲第 1 4項に記載の情報処理装置。

2 1 . 前記ユーザの操作人力を受ける操作入力手段を更に備え、

前記重み付け情報は、前記操作入力手段により入力される前記ユーザの操作入力により設定される

2 2 . ユーザの嗜好と合致したコンテンツを選択する処理を実行する情報処理装置の情報処理方法において、

複数の項目により構成される前記コンテンッの属性情報と、複数の項目により構成される所定のユーザの嗜好情報との類似度の算出における、複数の前記項目それぞれの寄与の度合いを規定する重み付け情報に関する設定情報を取得する取得ステップと、

前記属性情報と前記嗜好情報との類似度を、前記取得ステップの処理により取得された前記重み付け情報に関する設定情報に基づいて算出する算出ステップと、前記算出ステップの処理による算出結果を用いて、前記ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成ステップと

を含むことを特徴とする情報処理方法。

2 3 . ユーザの嗜好と合致したコンテンツを選択する処理をコンピュータに実行させるプログラムであって、

複数の項目により構成される前記コンテンツの属性情報と、複数の項目により構成される所定のユーザの嗜好情報との類似度の算出における、複数の前記項目それぞれの寄与の度合いを規定する重み付け.情報に関する設定情報を取得する取前記属性情報と前記嗜好情報との類似度を、前記取得ステップの処理により取得された前記重み付け情報に関する設定情報に基づいて算出する算出ステップと、前記算出ステップの処理による算出結果を用いて、前記ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成ステップと

2 4 . ユーザの嗜好と合致したコンテンツを選択する処理をコンピュータに実行させるプログラムであって、

複数の項目により構成される前記コンテンツの属性情報と、複数の項目により構成される所定のユーザの嗜好情報との類似度の算出における、複数の前記項目それぞれの寄与の度合いを規定する重み付け情報に関する設定情報を取得する取前記属性情報と前記嗜好情報との類似度を、前記取得ステップの処理により取得された前記重み付け情報に関する設定情報に基づいて算出する算出ステップと、前記算出ステップの処理による算出結果を用いて、前記ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成ステップと

を含むことを特徴とするプログラム。

2 5 . コンテンツに関する情報を基に前記コンテンツの属性情報を生成する第 1の情報処理装置と、

前記第 1の情報処理装置から供給された前記コンテンツの属性情報を基に、ュ一ザの嗜好と合致した前記コンテンツを選択する処理を実行する第 2の情報処理で構成される情報処理システムにおいて、

前記第 1の情報処理装置は、

前記コンテンツに関する情報を取得する第 1の取得手段と、

前記第 1の取得手段により取得された前記コンテンツに関する情報に基づいて、複数の項目で構成される前記属性情報を生成する属性情報生成手段と、前記属性情報生成手段により生成された前記属性情報の前記項目に対応する第 1の重み付け情報を記憶する第 1の記憶手段と、

前記第 1の記憶手段に記憶されている前記第 1の重み付け情報から、前記コンテンッが有する条件に合致する前記第 1の重み付け情報を抽出して、前記属性情報生成手段により生成された前記属性情報に対応付けて送信する送信手段と

を備え、

前記第 2の情報処理装置は、

複数の項目で構成されている前記コンテンツの属性情報および前記第 1の重み付け情報を取得する第 2の取得手段と、

複数の前記項目で構成されている前記ユーザの嗜好情報を記憶する第 2の記憶手段と、

前記第 2の取得手段により取得された前記属性情報と、前記第 2の記憶手段により記憶されている前記ユーザの嗜好情報との類似度を、前記第 1の重み付け情報と前記第 1の重み付け情報とは異なる第 2の重み付け情報のうちの少なくともいずれか一方の情報を用いて算出することにより、前記ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成手段と

を備え、

前記第 1の重み付け情報および前記第 2の重み付け情報は、前記属性情報と前記ユーザの嗜好情報との類似度の算出における、複数の前記項目それぞれの寄与の度合いを規定する

ことを特徴とする情報処理システム。

2 6 . ユーザの嗜好と合致したコンテンツを選択する処理を実行する情報処理装置において、

前記コンテンツの属性情報を取得する取得手段と、

前記ユーザの嗜好を示す第 1の情報と、一般的な嗜好を示す第 2の情報とを基に、一般的な嗜好に対する前記ユーザの嗜好の偏りを示す第 3の情報を生成する偏り情報生成手段と

を備えることを特徴とする情報処理装置。

2 7 . 前記属性情報、前記第 1の情報、および前記第 3の情報は、それぞれ複数の項目により構成され、

前記第 3の情報を用いて、前記属性情報と前記第 1の情報との前記項目ごとの類似度を算出して、前記ユーザの嗜好と合致したコンテンツを選択する選択手段を更に備える

ことを特徴とする請求の範囲第 2 6項に記載の情報処理装置。

2 8 . 前記第 1の情報および前記第 2の情報は、それぞれ複数の項目により構成され、

前記偏り情報生成手段は、前記第 3の情報として、前記第 1の情報と前記第 2 の情報との類似度が低い前記項目を示す情報を生成する

2 9 . 前記ユーザの操作履歴を取得する操作履歴取得手段と、

前記操作履歴取得手段により取得された前記操作履歴を基に、前記第 1の情報を生成する嗜好情報生成手段と

を更に備えることを特徴とする請求の範囲第 2 6項に記載の情報処理装置。

3 0 . 前記偏り情報生成手段は、前記第 1の情報として、所定のコンテンツ群のうち、前記ユーザが試聴したコンテンッを所定の項目ごとに計数した第 1の値を算出し、前記第 2の情報として、前記所定のコンテンツ群の全コンテンツを前記所定の項目ごとに計数した第 2の値を算出し、前記第 1の値を前記第 2の値で正規化することにより、前記第 3の情報を生成する

3 1 . 前記所定のコンテンツ群は、所定の期間中に放送または配信されたコンテンッの集合である

ことを特徴とする請求の範囲第 3 0項に記載の情報処理装置。

3 2 . 前記偏り情報生成手段は、複数の異なる期間中に放送または配信されたコンテンツの集合を、それぞれ、複数の前記所定のコンテンツ群として、複数の前記第 1の値および前記第 2の値を算出し、前記第 1の値を、同一のコンテンッ群に対応する前記第 2の値で正規化することにより、前記第 3の情報を、複数生成する

3 3 . 前記所定のコンテンツ群は、所定の時間帯に放送または配信されたコンテンッの集合である

3 4 . 前記第 1の情報は、前記コンテンツの属性情報のうち、前記ユーザが好むコンテンツを表す項目を示す情報である

3 5 . 前記第 1の情報は、前記コンテンツの属性情報のうち、前記ユーザが好まないコンテンツを表す項目を示す情報である

3 6 . ユーザの嗜好と合致したコンテンツを選択する処理を実行する情報処理装置の情報処理方法において、

前記ユーザの嗜好を示す第 1の情報を取得する第 1の取得ステップと、一般的な嗜好を示す第 2の情報を取得する第 2の取得ステップと、

前記第 1の取得ステップの処理により取得された前記第 1の情報と、前記第 2 の取得ステップの処理により取得された前記第 2の情報とを基に、一般的な嗜好に対する、前記ユーザの嗜好の偏りを示す第 3の情報を生成する偏り情報生成ステツプと

を含むことを特徴とする情報処理方法。

3 7 . ユーザの嗜好と合致したコンテンツを選択する処理をコン

ピュータに実行させるプログラムであって、

3 8 . ユーザの嗜好と合致したコンテンツを選択する処理をコンピュータに実行させるプログラムであって、

を含むことを特徴とするプログラム。