CN102870114A - 项目选择装置、项目选择方法以及项目选择用程序 - Google Patents

Abstract

在针对每个用户选择推荐的项目的项目选择装置中，针对用户使用项目的每个记录，计算该项目的生成时刻或提供开始时刻与预定时刻的差即经过值，根据该经过值求出每个用户的利用特性，此外，针对各项目计算表示新颖程度的鲜度值，并且，使用根据利用特性特性不同的对应规则，针对与各用户的利用特性对应的对应规则应用各项目的鲜度值来计算新颖性指标（S420），根据该新颖性指标针对每个用户计算项目的优先度（S430），进行项目的选择（S440）。

Description

项目选择装置、项目选择方法以及项目选择用程序

技术领域

本发明涉及根据与项目有关的用户的利用信息，选择适合于用户的恰当的项目的项目选择装置、项目选择方法以及项目选择用程序。

背景技术

近年来，随着数字技术以及网络技术的发展，使用网络配送或销售内容或商品等项目的情况在增加。与此相伴，从多个项目中选择并提供用户希望的项目信息的需求正在提高。并且，公开了一种技术，使用用户针对项目的评价信息或使用信息，提供适合于用户嗜好或兴趣的项目的信息。

另一方面，针对项目的兴趣的持续性或嗜好的变化速度等，由于用户的不同每个人差异大，存在难以对大范围不同层次的用户恰当地选择项目的问题。作为应对该问题的技术，例如在专利文献1中公开了以下的方法：对每个用户能够设定学习期间、推荐期间、类似用户数的参数，来对用户推荐内容。

现有技术文献

专利文献

专利文献1：日本特开2004-326227号公报

发明内容

发明要解决的课题

根据专利文献1的方法，因为对每个用户设定学习期间、推荐期间、类似用户数的参数，所以与全部用户通用这样的参数的通常的推荐方法相比，认为即使在用户的嗜好的变化速度的程度等因人而存在很大不同时，也能够推荐恰当的内容。

但是，在专利文献1中，需要用户本人或服务管理者等人工输入这样的推荐处理使用的参数的工时。一般用户不会掌握与推荐处理这样的复杂的信息处理有关的知识，所以存在用户本人难以将参数设定为恰当的值的问题。此外，在服务管理者进行设定时，除了输入多个用户的参数的麻烦之外，如果不是用户本人则难以判断最终的推荐结果的恰当性，所以还是存在难以将参数设定为恰当的值的问题。并且，在人工设定参数时，存在一度设定完的参数的值不怎么被更新的倾向，即使在刚刚设定参数后推荐精度良好的情况下，与用户对于项目的使用方式的变化无关，参数的值不会追随该变化，存在推荐精度降低的问题。

因此，本发明的目的在于，不会使用户或服务器管理者等花费用于设定在信息选择处理中使用的参数的工时，并且对于大范围的层次的用户能够精度良好地选择项目。

解决课题的手段

为了达成上述目的，第一侧面的项目选择装置（1、1b、1c）的特征为具有：项目属性存储部（10），其相关联地存储各项目的项目识别符和表示该项目的生成时刻或提供开始时刻的项目时期信息；接收部（14），其从其他装置（2）接收包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息；利用履历存储部（11），其存储利用履历，该利用履历使所述接收部接收到的利用信息中包含的利用主体识别符与项目识别符相关联；利用特性信息计算部（12），其针对在所述利用履历存储部中存储的利用履历，计算与该利用履历中包含的项目识别符对应的所述项目时期信息和预定的时刻的差即经过值，针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息；以及项目选择部（13），其针对在所述项目属性存储部中存储的项目识别符，根据对应的所述项目时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值，并且使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标，根据该新颖性指标针对每个利用主体识别符计算项目的优先度，根据该优先度针对每个利用主体识别符进行项目的选择。在此，括号内的符号是附图中对应的要素的符号（以下相同）。

第二侧面的项目选择装置（1）的特征为具有：接收部（14），其从其他装置（2）接收至少包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息；利用履历存储部（11），其存储使所述接收部接收到的利用信息中包含的三个信息即利用主体识别符、项目识别符以及表示该项目被使用的时刻的利用时期信息相关联的利用履历或者存储使所述接收部接收到的利用信息中包含的两个信息即利用主体识别符和项目识别符，与表示通过所述接收部接收到该利用信息的时刻的利用时期信息相关联的利用履历；利用特性信息计算部（12），其针对在所述利用履历存储部中存储的利用履历，计算该利用履历中包含的所述利用时期信息和预定的时刻的差即经过值，针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息；以及项目选择部（13），其针对在所述利用履历存储部中存储的项目识别符，根据对应的所述利用时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值，并且使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标，根据该新颖性指标针对每个利用主体识别符计算项目的优先度，根据该优先度针对每个利用主体识别符进行项目的选择。

第三侧面的项目选择装置的特征为，在第一侧面的项目选择装置中，所述利用履历存储部存储使所述接收部接收到的利用信息中包含的三个信息即利用主体识别符、项目识别符以及表示该项目被使用的时刻的利用时期信息相关联的利用履历或者存储使所述接收部接收到的利用信息中包含的两个信息即利用主体识别符和项目识别符，与表示通过所述接收部接收到该利用信息的时刻的利用时期信息相关联的利用履历，所述利用特性信息计算部在计算与所述利用履历存储部中存储的利用履历有关的经过值时，把该利用履历中包含的利用时期信息用作所述预定的时刻。

第四侧面的项目选择装置的特征为，在第二侧面的项目选择装置中，所述利用特性信息计算部在计算与所述利用履历存储部中存储的利用履历有关的经过值时，使用包含该利用履历的项目识别符的各利用履历的利用时期信息的分布，计算该项目识别符的项目的生成时刻或提供开始时刻的推定值即推定项目时期信息，把该推定项目时期信息用作上述预定的时刻。

第五侧面的项目选择装置的特征为，在第二侧面的项目选择装置中，所述利用特性信息计算部在计算与所述利用履历存储部中存储的利用履历有关的经过值时，把包含与该利用履历中包含的利用主体识别符相同的利用主体识别符，并且与该利用履历在时间上相邻的其他的利用履历中包含的利用时期信息用作所述预定的时刻。

第六侧面的项目选择装置的特征为，在第五侧面的项目选择装置中，具备项目属性存储部（10），其把各项目的项目识别符和表示该项目的生成时刻或提供开始时刻的项目时期信息相关联地存储，替代上述利用时期信息，所述项目选择部根据在所述项目属性存储部中存储的项目时期信息计算所述鲜度值。

第七侧面的项目选择装置的特征为，在第一或第六侧面的项目选择装置中，所述项目属性存储部在把所述项目的项目识别符和项目时期信息相关联地存储时，还相关联地存储表示该项目所属的类别的类别信息，所述项目选择部在根据所述优先度针对每个利用主体识别符选择项目时，选择与满足预定条件的所述类别信息对应的项目识别符的项目。

第八侧面的项目选择装置的特征为，在第一~第七任意一侧面的项目选择装置中，所述项目选择部根据在所述利用履历存储部中存储的利用履历，计算与每个项目的利用次数或每个项目的利用用户数有关的数值即人气指标（S410，S740、S830），使用该人气指标进行所述优先度的计算。

第九侧面的项目选择装置的特征为，在第一~第七任意一侧面的项目选择装置中，从所述其他装置接收的利用信息包含表示涉及该利用信息的用户针对涉及该利用信息的项目的评价的高度的评价值，根据通过所述接收部接收到的利用信息存储的利用履历还相关联了在该利用信息中包含的评价值，所述项目选择部根据在所述利用履历存储部中存储的利用履历，针对每个项目使用相加了评价值后的值计算人气指标，使用该人气指标进行所述优先度的计算。

第十侧面的项目选择装置的特征为，在第一~第九任意一侧面的项目选择装置中，所述利用特性信息计算部针对每个所述利用主体识别符，在根据对应的经过值的分布计算利用特性信息时，计算基于该经过值的分布的代表值，将其作为该利用特性信息的构成要素（S330）。

第十一侧面的项目选择装置的特征为，在第十侧面的项目选择装置中，基于所述经过值的分布的代表值是该经过值的平均值、该经过值的最频值、与按照从大到小的顺序排列该经过值时的预定的顺序相当的值、预定值以上的该经过值的比例内的某一种。

第十二侧面的项目选择装置的特征为，在第十或第十一侧面的项目选择装置中，所述利用特性计算部在针对每个所述利用主体识别符，根据对应的经过值的分布计算利用特性信息时，以该利用主体识别符的用户利用新的项目的频度越高越为小的值的方式计算该利用主体识别符的所述代表值，所述项目选择部以该项目越新越为小的值的方式计算每个项目的鲜度值，使用所述代表值越小，相对于鲜度值的增加新颖性指标的减少程度越大的对应规则，取得所述新颖性指标。

第十三侧面的项目选择装置的特征为，在第一~第十二任意一侧面的项目选择装置中，所述利用特性信息计算部对于所述每个利用主体识别符，在根据对应的经过值的分布计算利用特性信息时，计算表示该经过值的偏离程度的值，将其作为该利用特性信息的构成要素（SS340）。

第十四侧面的项目选择装置的特征为，在第十三侧面的项目选择装置中，表示所述经过值的偏离程度的值是基于该经过值的分散的值、基于该经过值的平均偏差的值、基于与按照从大到小的顺序排列该经过值时的第一预定顺序相当的值和与第二预定顺序相当的值的差的值内的某一种。

第十五侧面的项目选择装置的特征为，在第一三或第十四侧面的项目选择装置中，所述项目选择部在针对与所述各利用主体识别符的利用特性信息对应的对应规则使用鲜度值来得到新颖性指标时，作为该对应规则，使用表示该利用主体识别符的所述偏离程度的数值越小，对于鲜度值的变化赋予越大的新颖性指标的变化的对应规则。

第十六侧面的项目选择装置的特征为，在第一~第十五任意一侧面的项目选择装置中，所述利用特性信息计算部针对每个所述利用主体识别符，根据对应的经过值的分布计算利用特性信息时，计算该经过值的个数，将其作为该利用特性信息的构成要素（S350）。

第十七侧面的项目选择装置的特征为，在第一~第十六任意一侧面的项目选择装置中，所述项目选择部在根据所述新颖性指标计算每个利用主体识别符的项目的优先度时，使用该新颖性指标与其他预定的指标的乘法值、该新颖性指标乘以第一系数得到的值与其他的指标乘以第二系数得到的值的加法值、该新颖性指标的对数值乘以第三系数得到的值与其他的指标的对数值乘以第四系数得到的值的加法值、把该新颖性指标作为底数把第五系数作为指数的第一乘方值与把其他的指标作为底数把第六系数作为指数的第二乘方值的乘法值内的某一种，来进行该优先度的计算。

第十八侧面的项目选择装置的特征为，在第一~第十七任意一侧面的项目选择装置中，具备类似度计算部（16），其根据在所述利用履历存储部中存储的利用履历，计算任意两个利用主体识别符之间的类似度，所述项目选择部使用基于所述类似度的类似性指标计算所述优先度。

第十九侧面的项目选择装置的特征为，在第一~第十八任意一侧面的项目选择装置中，具备类似度计算部，其根据在所述利用履历存储部中存储的利用履历，计算任意两个利用主体识别符之间的类似度，所述项目选择部在针对每个所述利用主体识别符计算项目的优先度时，针对每个利用主体识别符，提取与该利用主体识别符之间的所述类似度高于预定值的其他的利用主体识别符、或与该利用主体识别符之间的所述类似度按照从高到低的顺序提取没有超过预定数的其他的利用主体识别符，并且从所述利用履历存储部中存储的利用履历中提取与所述提取出的利用主体识别符相关联的项目识别符，将提取出的项目识别符的项目的集合作为对象计算所述优先度。

第二十侧面的项目选择装置的特征为，在第一~第十九任意一侧面的项目选择装置中，具备用户属性存储部，其相关联地存储用于识别用户或该用户使用的终端装置的利用主体识别符和该用户的属性信息；以及适合度计算部（18），其根据在所述用户属性存储部中存储的用户属性信息，计算任意两个利用主体识别符之间的适合度，所述项目选择部使用基于所述适合度的适合性指标进行所述优先度的计算。

第二十一侧面的项目选择装置的特征为，在第一~第二十任意一侧面的项目选择装置中，具备用户属性存储部，其相关联地存储用于识别用户或该用户使用的终端装置的利用主体识别符和该用户的属性信息；以及适合度计算部，其根据在所述用户属性存储部中存储的用户属性信息，计算任意两个利用主体识别符之间的适合度，所述项目选择部在计算每个所述利用主体识别符的项目的优先度时，针对每个利用主体识别符提取与该利用主体识别符的所述适合度高于预定值的其他的利用主体识别符或与该利用主体识别符的所述适合度按照从高到低的顺序提取没有超过预定数的其他的利用主体识别符，并且从所述利用履历存储部中存储的利用履历中提取与所述提取出的利用主体识别符相关联的项目识别符，将提取出的项目识别符的项目的集合作为对象计算所述优先度。

此外，第一侧面的项目选择方法的特征为具有以下步骤：把各项目的项目识别符和表示该项目的生成时刻或提供开始时刻的项目时期信息相关联地存储在项目属性存储部中的步骤；从其他装置接收包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息的步骤；在利用履历存储部中存储利用履历的步骤（S210），该利用履历使通过所述接收步骤接收到的利用信息中包含的利用主体识别符与项目识别符相关联；针对在所述利用履历存储部中存储的利用履历，计算与该利用履历中包含的项目识别符对应的所述项目时期信息和预定的时刻的差即经过值的步骤（S320）；针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息的步骤（S330）；针对在所述项目属性存储部中存储的项目识别符，根据对应的所述项目时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值的步骤；使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标的步骤（S420、S750、S840）；根据该新颖性指标针对每个利用主体识别符计算项目的优先度的步骤（S430、S760、S850）；以及根据该优先度针对每个利用主体识别符进行项目的选择的步骤（S440、S770、S860）。

第二侧面的项目选择方法的特征为具有以下步骤：从其他装置接收至少包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息的步骤；在利用履历存储部中存储使通过所述接收步骤接收到的利用信息中包含的三个信息即利用主体识别符、项目识别符以及表示该项目被使用的时刻的利用时期信息相关联的利用履历或者存储使所述接收部接收到的利用信息中包含的两个信息即利用主体识别符和项目识别符与表示通过所述接收部接收到该利用信息的时刻的利用时期信息相关联的利用履历的步骤（S210）；针对在所述利用履历存储部中存储的利用履历，计算该利用履历中包含的所述利用时期信息和预定的时刻的差即经过值的步骤（S320）；针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息的步骤（S330）；针对在所述利用履历存储部中存储的项目识别符，根据对应的所述利用时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值的步骤；使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标的步骤（S420、S750、S840）；根据该新颖性指标针对每个利用主体识别符计算项目的优先度的步骤（S430、S760、S850）；根据该优先度针对每个利用主体识别符进行项目的选择的步骤（S440、S770、S860）。

此外，第一侧面的项目选择用程序的特征为使计算机执行以下的步骤：把各项目的项目识别符和表示该项目的生成时刻或提供开始时刻的项目时期信息相关联地存储在项目属性存储部中的步骤；从其他装置接收包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息的步骤；在利用履历存储部中存储利用履历的步骤（S210），该利用履历使通过所述接收步骤接收到的利用信息中包含的利用主体识别符与项目识别符相关联；针对在所述利用履历存储部中存储的利用履历，计算与该利用履历中包含的项目识别符对应的所述项目时期信息和预定的时刻的差即经过值的步骤（S320）；针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息的步骤（S330）；针对在所述项目属性存储部中存储的项目识别符，根据对应的所述项目时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值的步骤；使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标的步骤（S420、S750、S840）；根据该新颖性指标针对每个利用主体识别符计算项目的优先度的步骤（S430、S760、S850）；以及根据该优先度针对每个利用主体识别符进行项目的选择的步骤（S440、S770、S860）。

第二侧面的项目选择用程序的特征为使计算机执行以下的步骤：从其他装置接收至少包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息的步骤；在利用履历存储部中存储使通过所述接收步骤接收到的利用信息中包含的三个信息即利用主体识别符、项目识别符以及表示该项目被使用的时刻的利用时期信息相关联的利用履历或者存储使所述接收部接收到的利用信息中包含的两个信息即利用主体识别符和项目识别符与表示通过所述接收部接收到该利用信息的时刻的利用时期信息相关联的利用履历的步骤（S210）；针对在所述利用履历存储部中存储的利用履历，计算该利用履历中包含的所述利用时期信息和预定的时刻的差即经过值的步骤（S320）；针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息的步骤（S330）；针对在所述利用履历存储部中存储的项目识别符，根据对应的所述利用时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值的步骤；使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标的步骤（S420、S750、S840）；根据该新颖性指标针对每个利用主体识别符计算项目的优先度的步骤（S430、S760、S850）；根据该优先度针对每个利用主体识别符进行项目的选择的步骤（S440、S770、S860）。

发明的效果

根据本发明，根据与项目有关的用户的履历信息针对每个用户计算利用特性信息，使用利用特性信息能够对每个用户自动地设定项目选择的参数，不需要用户进行特别的操作，即使对于个人差异大的大范围的不同层次的用户，也能够精度良好地选择与各个用户的嗜好合适的信息。特别是能够反应与项目的新颖性有关的用户的喜好，精度良好地选择项目。

例如，对于重视项目的新颖性来使用项目的用户，增大推荐处理中的项目的新颖性的影响力，相反对于不重视项目的新颖性的用户，能够减小推荐处理中的项目的新颖性的影响力。因为不需要用户或营业者等设定推荐处理中的参数，所以能够降低用户或营业者的负担。此外，即使在用户对于项目的利用形式变化的情况下，也能够追随该变化更新参数，所以能够精度良好地选择信息。

附图说明

图1表示本发明的整个系统的结构。

图2表示本发明的整个系统的另外的结构。

图3表示图1或图2的系统中的项目提供服务器2的结构。

图4表示项目提供服务器2的项目存储部22中的数据形式。

图5表示项目提供服务器2的推荐信息存储部23中的数据形式。

图6是表示图1或图2的整个系统的动作的流程图。

图7表示图1或图2的系统中的终端装置的显示装置中显示的操作菜单画面的一例。

图8表示图1或图2的系统中的终端装置的显示装置中显示的推荐项目信息画面的一例。

图9表示本发明实施例1的信息选择装置1的结构。

图10（A）以及10（B）表示信息选择装置1的项目属性存储部10的数据形式。

图11表示信息选择装置1的利用履历存储部11的数据形式。

图12是用于说明从信息选择装置1向项目提供服务器12发送推荐信息的处理的流程图。

图13是用于说明在信息选择装置1的利用特性计算部12中计算利用特性信息的处理的流程图。

图14表示利用特性计算部12中的利用特性信息的数据形式。

图15是用于说明在实施例1中生成推荐信息的处理的流程图。

图16表示在信息选择装置1的项目选择部13中计算新颖性指标时使用的函数的特性的一例。

图17是用于说明在项目选择部13中选择函数的处理的流程图。

图18是用于说明在项目选择部13中选择函数的处理的流程图。

图19表示在项目选择部13中计算的人气指标的一例。

图20表示在项目选择部13中计算的新颖性指标的一例。

图21表示在项目选择部13中计算的优先度的一例。

图22表示本发明实施例2的信息选择装置1b的结构。

图23是用于说明在实施例2中生成推荐信息的处理的流程图。

图24表示通过信息选择装置1b的类似度计算部16计算出的数据形式。

图25表示本发明实施例3中的信息选择装置1c的结构。

图26A表示在信息选择装置1c的用户属性存储部17中存储的数据形式。

图26B表示在信息选择装置1c的用户属性存储部17中存储的数据形式。

图27是用于说明在实施例3中生成推荐信息的处理的流程图。

具体实施方式

（实施例1）

图1表示本发明实施例1的整个系统的结构。经由网络4连接了信息选择装置1、项目提供服务器2、一个以上的终端装置3（3a~3n）。此外，如图2所示，可以使用两个网络构成整个系统。在图2中，信息选择装置1和项目提供服务器2经由网络4a连接，项目提供服务器2和终端装置3（3a~3n）经由网络4b连接。网络4a例如是LAN（Local Area Network），无法直接连接信息选择装置1和终端装置3。在本实施例中，只要没有特别的限定，说明整个系统的结构为图1的情况。此外，在本实施例中，说明使信息选择装置1和项目提供服务器2分别为不同的装置的情况，但是也可以合并这两个功能作为一个装置来实现。

项目提供服务器2是根据来自终端装置3的请求，提供与项目以及与项目有关的信息的装置。在此，项目是文件、声音、音乐、影像等数字内容或各种物品，并且还可以是与金融商品、不动产、人物有关的信息等。即，本实施例的项目与有形无形无关，并且与缴费还是免费无关。图3表示了项目提供服务器2的结构。项目提供服务器2由认证部21、项目存储部22、推荐信息存储部23、收发部24、控制部25构成。项目提供服务器2还能使用具有CPU、RAM、ROM、硬盘驱动器、网络接口等一般的计算机，通过执行软件（程序）处理的方式来实现。

认证部21认证终端装置3或使用终端装置3的用户。认证部21把唯一识别使用终端装置3的用户的用户识别符、或用于唯一识别终端装置3的终端识别符与密码相关联地存储。在本实施例中，以使用用户识别符识别用户的情况为例来进行说明，但是在使用终端识别符时也相同。将用户识别符和终端识别符合称为利用主体识别符。但是，也可以省略认证部21。此外，在认证部21中仅存储主体识别符，能够省略密码的存储和认证处理。例如，在把制造终端装置3时设定的终端识别符等不容易变更的识别符用作利用主体识别符等时，可以省略密码的存储和认证处理。

项目存储部22是以图4所示的数据形式，把唯一识别项目的项目识别符、项目的“名称”、“作者”、“类别”、“说明信息”等项目属性信息与项目本体相关联地存储。“作者”是根据项目的种类具有广泛含义的信息，例如，是项目的制作者、导演、作曲者、作词者、演奏者、出演者等。

“类别”是按照预定的观点对项目进行分类后的信息，例如在项目为音乐时，可以使用“摇滚乐”、“爵士乐”、“古典音乐”、“民谣”等种类信息，在项目为电影时，可以使用“SF”、“动作片”、“喜剧片”“卡通”等种类信息。此外，还可以是“日本”、“美国”、“英国”等使用了作者的国或地域的分类信息。并且，还可以是“1970年代”、“1980年代”、“1990年代”这样的与项目的生成时期有关的信息。此外，作为“类别”还可以使用“催眠类”、“激昂”、“浪漫”这样的表示项目的气氛或氛围的信息作为“类别”。“说明信息”是项目的预先制作的背景说明等信息。

此外，在一个项目中可以存在多个相同种类的属性项目。例如，对于一个项目可以对应三个类别。在此举出的项目属性信息只不过是一个例子，并非限定为上述那样。项目本体是项目自身的文本数据或二进制数据或表示项目的存在位置的信息（例如URL：Uniform Resource Locator）等。关于项目本体，在项目为数字内容时，是在经由网络4向终端装置3发送项目时存储的内容，在项目为物品等时，省略项目本体的存储。

推荐信息存储部23存储从信息选择装置1接收到的推荐信息。图5表示推荐信息的存储形式。把用户识别符、项目识别符以及推荐顺序相关联地存储。该推荐顺序表示对每个用户识别符推荐项目的顺序，在此，数字越小越优先向用户提示。还可以取代推荐顺序，存储数值越大越优先向用户提示的推荐度。此外，可以省略推荐顺序的存储，以相同的顺序处理在推荐信息存储部23中存储的推荐信息。收发部24经由网络4（或网络4a、4b），在与信息选择装置1以及终端装置3之间收发数据。控制部25控制整个项目提供服务器2。

终端装置3是具备CPU、RAM、ROM、硬盘驱动器、网络接口等一般的计算机，内置有用于从项目提供服务器2取得项目信息的程序。在终端装置3上连接有显示器等显示装置31（未图示）和键盘、鼠标、轨迹球、遥控器等用于接收来自用户的操作指示的输入装置32（未图示）。

然后，使用图6的流程图说明整个系统的动作。当接通终端装置3的电源时，在显示装置31中显示图7所示的用于取得项目信息的操作菜单。“1）显示推荐项目信息”是显示通过信息选择装置1生成的推荐信息的选择项。“2）显示项目一览”例如是按照项目的名称或作者的“あいうえお的顺序”或“ABC的顺序”用于显示项目提供服务器2具有的项目的一览列表的选择项。“3）项目检索”是使用户输入关键字，显示在项目的名称或说明信息中包含该关键字的项目，或者使用户指定希望的类别，显示与其一致的项目的选择项。此外，在显示推荐信息时，可以仅显示与用户指定的关键字或类别一致的推荐信息。在此表示的操作菜单的选择项只是一个例子，还可以准备其他的选择项。

首先，在步骤S100中，终端装置3当经由输入装置32收到来自用户的指示时，向项目提供服务器2发送请求项目信息的消息。在该消息中包含预先设定的识别用户的用户识别符、密码、以及表示通过上述的操作菜单选择的选择项的信息（请求信息的种类。）为了进一步缩小显示的推荐信息，在用户指定了密码和类别时，包含这些信息。

然后在步骤S110中，项目提供服务器2的认证部21经由收发部24接收项目信息请求的消息，进行认证处理，判定认证是否成功。当在接收到的消息中包含的用户识别符和密码与预先在认证部21中存储的一致时（是），作为认证成功进入步骤S120。在不一致时（否），作为认证失败经由收发部24向终端装置3通知认证失败消息，从步骤S100开始重新执行处理。

然后，在步骤S120中，项目提供服务器2的控制部25判定在项目信息请求的消息中包含的请求信息的种类是否为推荐信息请求。在请求了推荐信息时（是），进入步骤S130，在请求了以外的信息时（否），进入步骤S 140。

在步骤S130中，项目提供服务器2的控制部25生成基于推荐信息的项目信息的列表，并经由收发部24发送给终端装置3。在该列表中包含项目识别符、项目属性信息和推荐顺序的信息。具体地说，控制部25从推荐信息存储部23中存储的数据中提取具有与在步骤S110中认证后的用户识别符一致的用户识别符的推荐信息，一边参照项目存储部22一边读出与提取出的推荐信息的项目识别符对应的项目属性信息，并且与推荐顺序一起生成推荐项目的列表，并对其进行发送。

此外，用户指定特定的类别，在请求推荐信息时，参照推荐信息存储部23以及项目存储部22，提供具有与在步骤S110中进行了认证的用户识别符一致的用户识别符，并且具有与指定的类别一致的类别的项目所对应的推荐信息。此外，在用户指定关键字，请求推荐信息时，参照在推荐信息存储部23以及项目存储部22，提供具有与在步骤S110中进行了认证的用户识别符一致的用户识别符，并且确定在“名称”、“作者”、“说明信息”等项目属性信息内存在指定的关键字的项目，与该项目对应的推荐信息。

在步骤S140中，项目提供服务器2的控制部25根据推荐信息以外的信息生成项目信息的列表，经由收发部24发送给终端装置3。在该列表中包含了项目识别符和项目属性信息。例如，在图7的操作菜单中，在选择了“2）显示项目一览”时，一边参照项目存储部22，一边生成项目的名称或作者的“あいうえお的顺序”或“ABC的顺序”的一览列表，并对其进行发送。预先生成这样的一览列表然后存储在项目存储部中，在步骤S140中将其读出并发送。此外，在图7的操作菜单中，在选择了“3）项目检索”，在项目信息请求的消息中包含关键字等检索条件时，在步骤S140中，控制部25生成与该检索条件一致的项目的列表并进行发送。

在步骤S150中，终端装置3接收通过步骤S130或步骤S140发送的项目信息，在显示装置31中显示该信息。在图8中表示了通过步骤S130发送的推荐项目信息的显示形式的一例。在图8的例子中，项目为音乐，作为项目属性信息，与推荐顺序一起显示了曲面（标题）、艺术家名（作者）、种类（类别）。

用户看到显示装置31的画面，如果具有想要利用的项目，则操作输入装置32，进行点击其显示部位的操作。例如，在项目为音乐时，用户用鼠标等点击指定想要再生的曲子。此外，显示了用于结束操作的“结束”按钮。此外，虽然在图8的画面例子中没有显示，但是可以显示用于显示推荐信息以外的项目信息的“一览显示”按钮、用于指定关键字显示与该关键字相当的项目的“检索条件指定”按钮等，然后接收来自用户的指示，进行与其对应的处理。在显示装置31中没有显示接收到的项目信息中包含的项目识别符，但是终端装置3存储管理与在画面中显示的各项目对应的项目识别符。

在步骤S160中，终端装置3判定是否经由输入装置32从用户输入了项目的利用请求。该项目的利用请求是项目的再生、项目的预览、项目的购入、项目的详细信息的显示、针对项目的评价信息（评价值）登录等各种请求。在输入了项目的利用请求时（是），进入步骤S180，在没有输入时（否）进入步骤S170。在步骤S170中，终端装置3判定是否经由输入装置32从用户输入了操作结束的指示。在输入了操作结束的指示时（是），结束处理，在没有输入时（否），返回步骤S160重复处理。

在步骤S108中，终端装置3把表示项目的利用请求的消息发送给项目提供服务器2。在该消息中包含利用终端装置3的用户的用户识别符、用户指定的项目的项目识别符。在消息中还可以包含表示发送利用请求的日期等的利用时期信息。此外，根据利用请求的种类，在消息中包含需要的参数（评价信息等）。

在步骤S190中，项目提供服务器2的收发部24当接收到来自终端装置3的项目的利用请求消息时，项目提供服务器2的控制部25针对利用终端装置3的用户，进行提供项目的处理。例如，在项目为数字内容的情况下，从项目存储部22中读出与在利用请求消息中包含的项目识别符对应的项目本体，经由收发部24发送给终端装置3。此外，在项目为物品时，进行向输送业者的系统发送输送委托信息的输送处理等。此外，根据需要进行计费处理等。

在步骤S200中，项目提供服务器2的收发部24向信息选择装置1发送并中继从终端装置3接收到的项目的利用请求消息。然后，在步骤S210中，信息选择装置1接收项目的利用请求消息，存储项目的利用信息。关于该处理将在后面进行叙述。然后在步骤S220中，信息选择装置1向项目提供服务器2发送表示结束了项目利用信息的存储的消息。

然后，在步骤S280中，项目提供服务器2的控制部25经由收发部24接收项目利用信息的存储结束消息，并经由收发部24将其发送给终端装置3。终端装置3当接收到该消息时，重复从步骤S 160开始的处理。以上是用户利用项目时的整个系统的动作。

然后，图9表示信息选择装置1的结构。由项目属性存储部10、利用履历存储部11、利用特性计算部12、项目选择部13、收发部14以及控制部15构成。信息选择装置1可以使用具有CPU、RAM、ROM、硬盘驱动器、网络接口等的一般计算机，通过执行软件（程序）处理的方式来实现。此外，还可以使用多个计算机构成信息选择装置1。例如，为了分散负荷，使用多个用于进行相当于信息选择装置1的各部的处理的计算机进行分散处理。此外，可以采用通过某个计算机执行信息选择装置1的一部分处理，通过别的计算机执行其他部分的处理的方式来进行分散处理。

图10表示项目属性存储部10的数据存储形式。第一存储形式是图10（A）所示的表形式，是使项目识别符和“项目时期信息”相关联的形式，在此，“项目时期信息”是表示生成项目的时期或通过项目提供服务器2开始提供项目的时期中某一种的信息。在本实施例中，作为时期（时间）的单位，虽然使用了“2010年1月1日等日期，但是还可以使用其他的单位。例如可以是“2010年1月1日10点15分20秒”等直到以秒为单位的日期，还可以是直到以毫秒为单位的日期。并且，可以是“2010年1月”等以月为单位的信息，可以是“2010年1Q”等以季度为单位的日期，可以是“2010年”等以年为单位的信息，还可以是“2000年代等”比年的单位大的年代的信息。

第二存储形式是图10（B）所示的表形式，是使项目识别符、“项目时期信息”和项目属性信息相关联的形式。该项目属性信息与项目提供服务器2的项目存储部22中的项目属性信息相同，为项目的“名称”、“作者”、“类别”、“说明信息”等。此外，可以把“项目时期信息”作为项目属性信息内的一个属性来处理。可以如后所述那样，在利用特性计算部12中，在不使用“项目时期信息”计算利用特性信息时，可以省略项目属性存储部10。

收发部14经由网络4（或者网络4a）在与项目提供服务器2之间收发数据。控制部15进行整个信息选择装置1的控制。在之前说明的图6的流程图的步骤S210中，信息选择装置1的控制部15经由收发部14接收项目的利用请求消息。如上所述，在该消息中包含利用终端装置3的用户的用户识别符和用户指定的项目的项目识别符。

控制部15以图11所示的表形式，在利用履历存储部11中存储使用户识别符和项目识别符以及利用时期信息相互关联的利用履历。在图11中，用户识别符以及项目识别符包含在接收到的项目的利用请求消息中。当在项目的利用请求消息中包含利用时期信息时，将其取出作为利用时期信息进行存储。当在利用请求消息中没有包含利用时期信息时，使用在控制部15中内置的时钟，把信息选择装置1接收到利用请求消息的时期（时间）作为利用时期信息存储。在本实施例中，作为利用时期信息的形式，使用“2010年1月1日10时15分20秒”等直到以秒为单位的日期，但是除此之外还可以使用直到以毫秒为单位的日期、以天为单位的日期、月单位、年单位等各种形式。此外，在利用请求消息中包含用户针对项目的评价值（喜欢=3、无所谓=2、厌恶=1等表示喜欢厌恶的程度的数值），可以把用户识别符、项目识别符、利用时期信息以及评价值相关联地存储在利用履历存储部11中。

然后，使用图12的流程图，说明在信息选择装置1中生成并发送推荐信息，项目提供服务器2接收该推荐信息的动作的概要。信息选择装置1的控制部15通过按照预定的定时向利用特性计算部12赋予动作开始的指示，开始处理。作为预定的定时，可以使用各种条件。例如，可以使用预定的时间间隔（每隔24小时等），可以接收预定次数的利用请求消息（利用信息）。此外，时间间隔可以像星期一至星期五每隔三小时，星期六每隔6小时，星期日每隔12小时那样变动。此外，夏天缩短时间间隔，冬天延长时间间隔，可以根据季节改变时间间隔。

首先，在步骤S260中，利用特性计算部12计算每个用户的利用特性信息。然后在步骤S270中，项目选择部13使用在步骤S260中计算出的利用特性信息，生成推荐信息。该推荐信息与在项目提供服务器2的推荐信息存储部23中说明的数据形式相同，使用户识别符、项目识别符以及推荐顺序相对应。然后在步骤S280中，控制部15把在步骤S270中生成的推荐信息经由收发部14发送给项目提供服务器2。然后在步骤S290中，项目提供服务器2的控制部25经由收发部24接收推荐信息，以图5所示的形式存储在推荐信息存储部23中。当在推荐信息存储部23中已经存储了推荐信息时，可以在删除旧的推荐信息后存储。此外，把进行存储的日期作为版本信息一起存储，可以同时存储多个版本的推荐信息。

然后，使用图13的流程图，说明上述的步骤S260的利用特性信息计算的第一方法。首先，在步骤S300中，利用特性计算部12从在利用履历存储部11中存储的利用履历中提取满足预定条件的数据，读出其用户识别符、项目识别符和利用时期信息。在此作为预定的条件，例如可以使用“存储的全部的数据”这样的条件。此外，可以像“利用时期在过去6个月以内的数据”、“利用时期与当前的差为10天以上并且不满30天”那样，使用“利用履历的利用时期信息在预定范围内的数据”这样的条件。此外，可以准备项目识别符的集合，使用“利用履历的项目识别符包含在预定的集合中的数据”的条件。

然后，在步骤S310中，利用特性计算部12从项目属性存储部10读出与在步骤S300中读出的利用履历中包含的项目识别符对应的利用时期信息。然后在步骤S320中，利用特性计算部12关于在步骤S300中读出的各个利用履历，计算经过值。

计算经过值的第一方法是计算利用履历的利用时期信息和该利用履历的项目识别符所对应的项目时期信息的时间差的方法。例如，以天为单位计算（利用时期信息-项目时期信息）。作为具体的例子，图11所示的表的第一行的数据即“User ID-1”和“Item ID-3”对应的利用时期信息为“2010年1月1日10时15分20秒”，与“Item ID-3”对应的项目时期信息为图10的第三行的“2009年12月31日”，所以以天为单位计算（“2010年1月1日10时15分20秒”－“2009年12月31日”）。此时，看做“2009年12月31日00时00分00秒”，计算经过值为“1天”。此时，因为生成或开始提供项目的时期必定比用户使用的时期早，所以经过值成为0以上的值。此外，生成或开始提供项目的时期与用户使用的时期的差越小（越是用户立刻使用新生成的项目），经过值越成为小的值。可以与此相反，这两个时期的差越短，计算经过值越成为大的值。不仅是以天为单位，还可以以小时为单位、以分为单位以秒为单位等其他时间单位，计算经过值。

计算经过值的第二方法是确定具有与某个利用履历（一个利用履历，利用履历A）的用户识别符（利用主体识别符）相同的用户识别符，并且与一个利用履历在时间上相邻（相近）的其他的利用履历（利用履历B），计算利用履历A的利用时期信息与利用履历B的利用时期信息在时间上的差的方法。例如，在图11所示的表中，存储三个（第一行、第二行、第四行）“User ID-1”关联的利用履历，以天为单位计算第一行的利用时期信息“2010年1月1日10时15分20秒”与第二行的利用时期信息“2010年1月2日15时20分30秒”的时间差。把“1天”作为对于第一行的利用履历的经过值。此外，以天为单位计算第二行的利用时期信息“2010年1月2日15时20分30秒”与第四行的利用时期信息“2010年1月5日16时30分40秒”的时间差。把“3天”作为对于第二行的利用履历的经过值。在存储新的利用履历之前，对于第四行的利用履历的经过值为“无相应值”的状态。

在使用该方法时，某个用户的经过值的个数比该用户的利用履历的个数少一个。可以不以天为单位计算经过值，可以通过小时单位、分钟单位、秒单位等其他的时间单位进行计算。在该第二计算方法中，用户越是以短的周期频繁地利用项目，经过值越是成为小的值。始终检查新生成的项目的释放（发售），释放后立即使用的类型的用户的经过值与不是这样的用户的经过值相比，存在成为小的值的倾向。此外，如果使用第二计算方法，当在项目属性存储部10中不存储项目时期信息时，或者在省略了项目属性存储部10时，也能够计算经过值。

然后在步骤S330中，利用特性计算部12针对每个用户（用户识别符、利用主体识别符），使用在步骤S320中计算出的经过值进行统计处理，计算表示该用户的经过值的倾向的代表值来作为利用特性信息。在此，代表值只要是表示其他用户的经过值与该用户的经过值的倾向的不同的值即可，例如可以使用平均值、最频值、与按照从大到小的顺序排列经过值时的预定的序位相当的值（中央值、最小值、最大值、四分位值）等。以下，以某个用户合计5次使用项目，经过值分别为“1”、“2”、“2”、“3”、“10”的情况为例，表示具体的数值例。

此时的平均值为（1+2+3+3+10）/5=“3.6”。此外，因为“2”出现两次，其他的值全部出现一次，所以最频值为“2”。此外，按照从小到大的顺序排列时的正中间的值为“3”，所以中央值为“3”。此外，最小值为“1”，最大值为“10”。此外，按照从小到大的顺序排列数据时的从小的一方开始，相当于1/4（第二）的位置的数据的第一四分位值为“2”，从小的一方开始相当于3/4（第四）的位置的数据的第三四分位值为“3”。此外，作为平均值不仅可以使用相加平均值，还可以使用相乘平均或调和平均。并且，可以计算经过值的对数值（log（经过值））的平均来作为代表值。

并且，虽然与在统计领域一般使用的“代表值”的含义不同，但是可以将预定值以上的经过值相对于该用户的全部的经过值的数量的比例作为代表值。在上述例子中，档设预定值为“5”时，“5”以上的经过值为一个“10”，“1/5=0.2”成为代表值。此外在本实施例中，以使用新的项目（生成后不久的新生成的项目）的倾向越强的用户，代表值越小的方式进行计算。因此，将预定值以上的经过值的比例作为代表值，但并不限于此。还可以与此相反，以使用新的项目的强项越强的用户，值越大的方式计算代表值。此时，把预定值以下的经过值的比例作为代表值即可。

然后，在步骤S340中，利用特性计算部12针对每个用户（用户识别符），计算表示在步骤S320中计算出的经过值的偏离程度的数值即变化值来作为利用特性信息。具体地说，可以使用该用户的经过值的分散、标准偏差（分散的平方根）、范围（最大值与最小值的差）、四分位范围（第三四分位点与第一四分位点的差）、平均偏差（与经过值的平均的差的绝对值的平均值）、变动系数（标准偏差除以平均得到的值）、平均偏差除以经过值的平均得到的值等。范围以及四分位范围在按照从小到大的顺序排列经过值后，可以说是基于与第一预定序位相当的值和与第二预定序位相当的值的差的值。

在本实施例中，变化值小的用户具有生产项目后直到利用项目的期间恒定的倾向。例如，在始终在生产后不久使用新的项目的用户中，其变化值小。相反，在始终使用在生成后经过了相当长的时间的以前生成的项目的用户中，其变化值小。另一方面，在新生成的项目和以前生成的项目都使用的用户时，其变化值变大。

然后，在步骤S350中，利用特性计算部12针对每个用户（用户识别符）计算在步骤S320中计算出的经过值的个数来作为利用特性信息。在此可以取代经过值的个数，针对每个用户计算并使用利用履历的个数。利用特性计算部12在执行步骤S350后结束处理，向控制部15通知处理已结束。

在以上的处理结束的状态下，利用特性计算部12在内部的存储部中保存以图14所述的形式使用户识别符、代表值、变化值、经过值的个数对应的数据。以下，计算用户识别符为“User ID-1”到“User ID-U”的U个人的用户的利用特性。

在本实施例中，为了计算经过值，说明了使用上述的第一方法或第二方法的情况，但是除此之外还可以使用以下所示的方法。

计算经过值的第三方法是不使用利用履历的利用时期信息的方法。在该方法中，在步骤S300中，不从利用履历存储部11读出利用时期信息，仅读出项目识别符。然后，在步骤S320中，计算项目时期信息与预定的时期的差，设为经过值。作为预定的时期，例如可以使用计算经过值的时刻的日期时间或日期。此外，可以把项目属性存储部10中存储的最早的项目时期信息或比其更更早的某个时刻的日期时间或日期作为预定的时期来使用。例如，在最早的项目时期信息为“2005年4月1日”时，把“2005年4月1日、“2000年1月1日”等作为预定的时期即可。第三方法基于以下的情况：多使用新项目的用户的利用履历中包含的项目的项目时期信息比不是这样的用户的利用履历中包含的项目的项目时期信息新的可能性高。第三方法与第一方法相比，具有有时利用特性信息的精度降低，但是即使在利用履历存储部11中不存储利用时期信息的情况下，也能够计算利用特性信息的特征。

计算经过值的第四方法是不使用项目时期信息的方法。在该方法中，省略步骤S310，取而代之执行步骤S311（未图示）。即，从步骤S300进入步骤S311，从步骤S311进入步骤S320。在步骤S311中，以在步骤S300中读出的利用履历为对象，计算每个项目识别符的利用时期信息的分布信息，使用该分布信息，计算与开始提供项目的时期相关联的时期信息（项目提供时期的推定信息）。例如，作为该分布信息，可以使用每个项目识别符的利用时期信息的最小值（最早时间）。并且，把最小值自身或者从最小值减去预定值得到的值作为推定时期信息即可。例如，在图11所示的例子中，当设与“Item ID-3”对应的利用时期信息的最小值为第一行的“2010年1月1日10时15分20秒”时，把该“2010年1月1日10时15分20秒”或者把该日期时间的预定时间之前（例如3天前、10天前）的时期时间作为该项目的推定时期信息。根据经验可知从开始提供项目开始直到最初使用为止平均需要花费3天时间时，把最小值减去“3天”得到的值作为推定时期信息。此外，除了最小值以外，还可以计算每个项目识别符的利用时期信息的代表值（平均值、中央值、最频值等），把以该代表值减去预定值（例如三个月或六个月）后的值（减法值）成为最小值以下的方式调整了预定值时的减法值，作为推定时期信息。

然后，在步骤S320中，计算利用履历的利用时期信息和与该利用履历的项目识别符对应的在步骤S311中计算出的推定时期信息的差，将其作为经过值。在第四方法中，因为无法一定正确地推定开始提供项目的时期，所以与第一方法相比，有时利用特性信息的精度降低，但是具有在属性信息存储部10中不存储项目时期信息的情况或省略了项目属性存储部10的情况下，也能够计算利用特性信息的特征。

在本实施例中，作为利用特性信息，计算了代表值、变化值、经过值这三个值，但是它们全部可以说是根据每个用户的经过值的分布信息（频度分布、概率分布）计算出的值。此外，如后所述，不必计算全部三个值，可以至少计算一个。并且，可以根据经过值的分布信息，计算斜度、峰度等其他值（指标）。并且，把经过值分布用于正态分布、逻辑斯特分布、伽玛分布等预定的概率分布（概率密度函数），可以把预定的概率分布的参数（母数）作为利用特性信息使用。

然后，使用图15的流程图，说明上述的步骤S270中的推荐信息生成处理的详细内容。首先，在步骤S400中，项目选择部13从在利用履历存储部11中存储的利用履历内提取满足预定条件的数据，读出其项目识别符和利用时期信息。在此，预定条件可以与步骤S300中使用的预定条件相同，也可以不同。例如，可以使用“存储的全部的数据”这样的条件。此外，可以像“利用时期在过去3个月以内”、“利用时期与当前的差为10天以上并且不满60天”那样，使用“利用履历的利用时期信息在预定范围内的数据”这样的条件。此外，可以准备项目识别符的集合，使用“利用履历的项目识别符包含在预定的集合中的数据”的条件。此外，可以准备用户识别符的集合，使用“利用履历的用户识别符包含在预定的集合中的数据”的条件。

然后，在步骤S410中，项目选择部13把在步骤S400中读出的数据作为对象，针对每个项目识别符计算表示项目的人气程度的人气指标。计算人气指标的第一方法是针对每个项目识别符对利用次数进行计数的方法。计算在步骤S400中读出的项目的识别符的种类L，对项目i（i=1~L）的利用次数（出现次数）F[i]进行计数。然后，把F[i]作为项目i的人气指标P[i]（i=1~L）。

计算人气指标的第二方法是针对每个项目识别符，对使用该项目的用户的数量Fu[i]进行计数，将其作为人气指标P[i]（i=1~L）的方法。在该方法中，在某个用户多次使用同一项目时，把利用次数计数为“1次”。

计算人气指标的第三方法是在利用履历存储部11中存储了用户针对项目的评价时使用的方法，把针对每个项目识别符相加评价值后的值Fe[i]作为人气指标P[i]（i=1~L）。此外，可以仅相加具有用户评价的程度高的评价值。例如，在使用非常喜欢=5、稍稍喜欢=4、无所谓=3、稍稍厌恶=2、非常厌恶=1这5个阶段的评价值时，可以进行在评价值为4以上时进行相加的处理。在该方法中，与第一方法和第二方法相比，能够精度更好地计算人气指标。

计算人气指标的第四方法是除了利用次数之外，还是采用利用时期信息的方法。把在步骤S400中读出的数据中的项目i的利用次数设为F[i]，把其利用时期信息设为Ta[j]（j＝1~F[i]），按照

$P\left[i\right]=\underset{j=1}{\overset{F\left[i\right]}{\mathrm{\Σ}}}f(\mathrm{Tc}-\mathrm{Ta}[j\left]\right)...\left(1\right)$

计算项目i的人气指标P[i]（i=1~L）。在此，Tc是比项目的使用时期新的预定的时期（例如进行该计算的时刻的日期时间），函数f（x）是输入值越小输出值越大的单调减函数。即，是当前日期时间与利用时期的差越小，输出越大值的函数。

根据（1）式，利用次数F[i]越多，人气指标P[i]越成为大的值，但是在具有相同利用次数的两个项目时，如果一方的项目的利用时期比较新，另一方的利用时期比较早，则利用时期新的项目的人气指标P[i]的一方成为大的值。即，利用次数越多，并且利用时期越新，人气指标的值就越大。

计算人气指标的第五方法是使用评价值和利用时期信息的方法。把在步骤S400中读出的数据中的项目i的利用次数（评价次数）设为F[i]，把其利用时期信息设为Ta[j]（j＝1~F[i]），把评价值作为Ev[j]（j＝1~F[i]），按照

$P\left[i\right]=\underset{j=1}{\overset{F\left[i\right]}{\mathrm{\Σ}}}\mathrm{Ev}\left[j\right]f(\mathrm{Tc}-\mathrm{Ta}[j\left]\right)...\left(2\right)$

计算项目i的人气指标P[i]（i=1~L）。

函数f（x）是与第4方法相同的特性。即，使用函数f（x），计算当前日期时间与利用时期的差越小值越大的系数，针对每个项目相加该系数与评价值相乘后的值。该方法在利用履历存储部11中存储了用户针对项目的评价值时使用。根据该方法，评价越高，并且利用时期信息（用户进行评价的时期）越新，人气指标越大。

在此，以用户评价越高评价值为越大的值为前提，但是在使用相反的特性的评价值时，能够进行恰当的修正。此外，可以分别计算Ev[j]（j＝1~F[i]）的平均值Em和（Tc-Ta[j]）（j＝1~F[i]））的平均值Tm，把它们的乘法值作为人气指标P[i]（P[i]=Em×Tm）。即，评价值的平均值越高，并且利用时期信息的平均值越新，人气指标的值越大。

然后，在步骤S420中，项目选择部13计算新颖性指标。具体的计算方法将在后面叙述，但是计算与用户u的项目i有关的新颖性指标Q[u][i]（u=1~u，i=1~M）。在此，U是如上那样通过利用特性计算部12计算出利用特性信息的用户数，M是计算新颖性指标的项目的个数。可以把计算出人气指标的全部的项目作为对象计算新颖性指标，还可以把计算出人气指标的一部分的项目作为对象计算新颖性指标。例如，按照人气指标从高到低的顺序把直到上述预定序位的项目作为对象，计算新颖性指标。

然后，在步骤S430中，项目选择部13使用人气指标P[i]和新颖性指标Q[u][i]，计算用户u对于项目i的优先度S[u][i]（u=1~u，i=1~M）。优先度S[u][i]是推测用户u对于项目i感到的魅力的程度（利用意欲的程度）的数值，值越大该用户感到的魅力的可能性越高。通过以下的方法计算优先度。

优先度的第一计算方法如以下那样，是使用人气指标P[i]与新颖性指标Q[u][i]的积的方法。在此，γ1为预定的系数。

S[u][i]＝γ1×P[i]×Q[u][i]…(3)

优先度的第二计算方法如以下那样，把人气指标P[i]乘以预定系数γ2后的值与新颖性指标Q[u][i]乘以预定的系数γ3后的值相加的方法。

S[u][i]＝γ2×P[i]+γ3×Q[u][i]…(4)

优先度第三计算方法是如下所示那样，把人气指标P[i]的对数值乘以预定系数γ4后的值与新颖性指标Q[u][i]的对数值乘以预定的系数γ5后的值相加的方法。

S[u][i]＝γ4×log(P[i])+γ5×log(Q[u][i])…(5)

优先度第四计算方法是如下所示那样，使用把人气指标P[i]作为底数，把常数γ6作为指数的乘方值与把新颖性指标Q[u][i]作为底数把常数γ7作为指数的乘方值的积的方法。在此，γ8是预定的系数。

S[u][i]＝γ8×P[i]^γ6+γ5×Q[u][i]^γ7…(6)

当如上那样计算优先度时，人气指标越大，并且新颖性指标越大优先度越高成为大的值。可以与本实施例相反，通过数值越小优先度越高的方法计算优先度。

然后在步骤S440中，项目选择部13对于用户u选择优先度S[u][i]高的项目，生成推荐信息。具体地说，选择在步骤S430中计算出的优先度高于（大于）预定的阈值的项目。此外，可以按照优先度从高到低的顺序（从大到小的顺序）在不超过预定数的范围内选择项目。例如，在存在预定数以上的计算出优先度的项目的用户时，按照优先度从高到低的顺序（从大到小的顺序）选择预定数的项目，在计算出优先度的项目不满足预定数的用户时，可以选择计算出优先度的全部的项目。此外，针对每个用户，按照选择的项目的优先度从高到低的顺序赋予从“1”开始的序号作为推荐序位。然后，如图5所示，生成使用户识别符、项目识别符、推荐序位相对应的推荐信息。

此外，在步骤S100中，在用户指定了项目的类别或关键字时，信息选择装置1经由项目提供服务器2从终端装置3接收包含该分类或关键字的消息，在将其存储在项目选择部13的内部的存储部中后，在步骤S440中可以使用该信息。具体地说，在项目选择部13的存储部中，相关联地存储用户识别符、从用户指定的项目缩小条件（类别或/以及关键字）。然后在步骤S440中，从存储部读出与用户u对应的项目缩小条件，一边参照项目属性存储部10一边选择项目属性信息与项目缩小条件一致，并且优先度比预定的阈值高（大）的项目。此外，可以从项目属性信息与项目缩小条件一致的项目内，按照优先度从高到低的顺序（从大到小的顺序）在不超过预定数的范围内选择项目。即，可以通过满足用户指定的项目缩小条件的项目构成推荐信息。此时，需要在项目属性存储部10中存储图10（B）所示那样的形式的数据。当结束步骤S440时，项目选择部13向控制部15通知处理结束。

然后，说明步骤S420的新颖性指标计算方法。新颖性指标Q[u][i]是表示项目i的“新颖性（鲜度）”这样的因素对于用户u针对项目i的关心度（利用意欲的程度，感到魅力的程度）造成的影响程度的数值，根据表示项目的新颖性的鲜度值来计算。首先，通过以下任意一种方法计算各项目的鲜度值Nw[i]（i=1~M）。

鲜度值的第一计算方法是使用项目时期信息的方法。从项目属性存储部10取得项目i的项目时期信息Ts[i]，计算预定的时期（例如进行该计算的当前日期时间）Tc与项目时期信息Ts[i]（i=1~M）的差（Tc-Ts[i]），设为Nw[i]=（Tc-Ts[i]）即可。该方法精度良好地使项目的新颖性数值化。

鲜度值的第二计算方法是使用利用履历的利用时期信息的方法。在步骤S400中读出的利用履历中，设具有Fa[i]个项目i的利用履历，按照下式计算鲜度值Nw[i]。

$\mathrm{Nw}\left[i\right]=\frac{\underset{i=1}{\overset{\mathrm{Fa}\left[i\right]}{\mathrm{\Σ}}}(\mathrm{Tc}-\mathrm{Ta}[i\left]\right)}{\mathrm{Fa}\left[i\right]}...\left(7\right)$

即，是预定的时期Tc与利用时期信息Ta[i]的差的平均值。该方法利用了使用时期新的项目的生成的时期也新的可能高的情况。当然还有例外，所以与第一方法相比有时降低，但是在项目属性部中没有存储项目时期信息或者省略了项目属性部的情况下，也可以计算鲜度值。

在本实施例中，通过恰当地设定上述的预定的时期Tc（例如设定为当前日期时间），能够以项目越新值越小的方式，作为0以上的值计算鲜度值，相反，还可以按照项目越新值越大的方式计算鲜度值。

然后，使用把鲜度值Nw[i]作为函数g（x）的输入时的输出值g（Nw[i]），计算新颖性指标Q[u][i]。标准的函数g（x）是输入值越小输出值越大的单调减函数，鲜度值Nw[i]越小越得到大的值。函数g（x）是把鲜度值变换为新颖性指标的函数，可以说是决定推荐处理中的鲜度值的影响力（鲜度值对于优先度的权重）的函数。一般，因为很多时候用户希望生成时期新的新生成的项目，所以通过使用标准的函数g（x）的处理，能够提供用户希望的项目的信息。但是，关于以怎样的程度重视项目的“新颖性”，因用户的不同而不同，其中还存在对于新的项目感觉不到魅力，喜欢旧的项目的用户。因此，仅通过使用对于全部的用户相同的特性的函数g（x）进行处理，无法以足够的精度生成推荐信息。因此在本发明中，并非使推荐处理中的“新颖性”的影响力都相同，而是针对每个用户恰当地设定“新颖性”的影响力（称为“新颖性”的因素在优先度中所占的比例），来生成推荐信息。

在本实施例中，作为函数g（x），在项目选择部13的内部的存储器中存储了具有不同特性的k个函数g1（x）~gk（x）。在以下的说明中，设k=4，存储了图16所示那样的4个函数g1（x）~g4（x）。然后，对于每个用户选择恰当的函数，用于计算新颖性指标。在根据鲜度值求出新颖性指标时，可以使用记述了输入（鲜度值）和输出（新颖性指标）的对应规则的输入输出对应规则、输入输出对应表等，按照与利用特性信息对应的预定的对应规则，根据鲜度值求出新颖性指标即可。

函数选择的第一方法是项目选择部13使用由利用特性计算部12计算出的利用特性信息内的代表值，选择函数的方法。在选择图16所示的四个函数的例子时，准备θ1、θ2、θ3这三个阈值。其中，其大小为θ1＜θ2＜θ3的关系。然后，把用户u的代表值R[u]与这些阈值进行比较，选择函数。

在R[u]小于θ1时，即（R[u]＜θ1）时，可以判断该用户使用生成或开始提供后没有经过时间的新项目的倾向非常强。因此，在图16所示的函数中，选择对于时间经过的衰减量最大的g1（x）。

然后在R[u]为θ1以上，并且小于θ2时，即（θ1≤R[u]＜θ2）时，可以判断该用户具有使用生成或开始提供后没有经过时间的新项目的倾向的程度强。因此，在图16所示的函数中，选择对于时间经过的衰减量为第二的g2（x）。

然后在R[u]为θ2以上，并且小于θ3时，即（θ2≤R[u]＜θ3）时，可以判断该用户使用生成或开始提供后没有经过时间的新项目的倾向不显著。因此，在图16所示的函数中，选择与时间经过无关，输出恒定值的g3（x）。

最后，在R[u]大于θ3时，即（R[u]＞θ3）时，可以判断该用户具有使用生成或开始提供后经过了时间的旧项目的倾向。因此，在图16所示的函数中，选择按照时间经过输出值增加的g4（x）。

作为在该处理中使用的阈值（θ1、θ2、θ3），不仅使用预先设定的值，还可以采用使用多个用户的代表值的分布信息计算出的值。具体地说，把按照从小到大的顺序排列U个人的用户的代表值时的预定序位（预定的累积度数）或相当于预定的累积相对度数的代表值作为阈值。例如，可以进行把从小的一方开始计数相当于20%的累积相对度数的代表值设为θ1，把相当于70%的累积相对度数的代表值设为θ2，把相当于90%的累积相对度数的代表值设为θ3等的处理。

以上是函数选择的第一方法。函数选择的第二方法是不仅使用代表值，还使用利用特性计算部12计算出的变化值来选择函数的方法。使用图17的流程图，说明函数选择的第二方法。在此，设用户u的代表值为R[u]，变化值为V[u]。

首先，在步骤S500中，项目选择部13判定R[u]是否在预定值α1以下，并且V[u]是否在预定值β1以下。即，是R[u]比较小，并且V[u]也比较小的条件。在与该条件一致时，可以判断用户很多时候使用生成或开始提供后没怎么经过时间的新项目，并且该倾向是一贯的。因此，在图16所示的函数中，选择对于时间经过的衰减量最大的g1（x）。对于选择了g1（x）的用户，最易推荐新的项目。在与该条件不一致时，进入步骤S510。

然后，在步骤S510中，项目选择部13判定V[u]是否在预定值β2以上。在此，β1＜β2。在与该条件一致时，可以判断该用户的变化值比较大，所以有时使用新的项目，有时使用旧的项目，在与项目的新颖性有关的喜好中看不到一贯的倾向。因此，在图16所示的函数中，选择不依赖于时间经过，输出恒定的g3（x）。在选择了g3（x）的用户中，与项目时期信息无关地决定推荐信息。

然后，在步骤S520中，项目选择部13判定R[u]是否在预定值α2以上，并且V[u]是否在预定值β3以下。在此，α1＜α2，β3＜β2，β3与β1之间的大小关系没有特别的限定。即，是R[u]比较大，并且V[u]比较小的条件。在与该条件一致时，可以判断用户很多时候使用生成或开始提供后经过了时间的旧项目，并且该倾向是一贯的。因此，在图16所示的函数中，选择对于时间经过的增加量最大的g4（x）。对于选择了g4（x）的用户，最易推荐旧的项目。

然后在与步骤S520的条件不一致时，因为该用户没有特别的显著的特征，所以在图16所示的函数中，选择最一般的g2（x）。如此，通过除了代表值之外还使用变化值，能够更加精度良好地捕捉用户的利用特性，可以选择与其相适合的特性的函数。

作为在该处理中使用的阈值（α1、α2、β1、β2、β3），不仅使用预先设定的值，还可以使用采用多个用户的代表值以及变化值的分布信息计算出的值。具体地说，使用按照从小到大的顺序排列U个人的用户的代表值时的预定序位（预定的累积度数）或相当于预定的累积相对度数的代表值，来决定α1和α2。例如，进行把从小的一方开始计数相当于30%的累积相对度数的代表值设为α1，把相当于80%的累积相对度数的代表值设为α2等的处理即可。此外，使用按照从小到大的顺序排列U个人的用户的变化值时的预定序位（预定的累积度数）或相当于预定的累积相对度数的变化值，来决定β1、β2、β3。例如，进行把从小的一方开始计数相当于20%的累积相对度数的变化值设为β3，把相当于30%的累积相对度数的变化值设为β1，把相当于80%的累积相对度数的变化值设为β2等的处理即可。β1和β3无论哪一个大都可以。

函数选择的第三方法是使用用户的代表值R[u]和经过值（利用履历）的个数Fc[u]来选择函数的方法。在选择了图16所示的4个函数的例子时，关于代表值准备θ4、θ5、θ6这三个阈值。其大小成为θ4＜θ5＜θ6的关系。使用图18所示的流程图，说明该方法。

首先，在步骤S600中，项目选择部13判定经过值的个数Fc[u]是否在预定值ε1以上。在与该条件一致时，进入步骤S610。在与该条件不一致时，选择最一般的函数g2（x）。此时选择g2（x）的理由在于当经过值（利用履历）的数量少时，代表值不能良好地反映该用户的本来的利用倾向的可能性高（代表值的可靠性低），很多时候与个性强的函数相比，使用一般的函数时推荐精度良好。

然后，在步骤S610中，项目选择部13判定R[u]是否小于θ4。在与该条件一致时，能够判定该用户利用新的项目的倾向非常强。因此，在图16所示的函数中，选择对于时间经过的衰减量最大的g1（x）。在与该条件不一致时，进入步骤S620。

在该步骤S620中，项目选择部13判定R[u]是否在θ4以上，并且小于θ5。在与该条件一致时，可以判断该用户具有使用新项目的倾向的程度强。因此，在图16所示的函数中，选择对于时间经过的衰减量为第二的g2（x）。

然后在步骤S630中，项目选择部13判定在R[u]是否为θ5以上，并且小于θ6。在与该条件一致时，可以判断该用户使用新项目的倾向不显著。因此，在图16所示的函数中，选择与时间经过无关，输出恒定值的的g3（x）。

在与该条件不一致时，即R[u]在θ6以上时，可以判断该用户具有与使用新的项目相比更倾向使用旧项目的倾向。因此，在图16所示的函数中，选择按照时间经过输出值增加的g4（x）。

作为在该处理中使用的阈值（θ4、θ5、θ6、ε1），不仅使用预先设定的值，还可以采用使用多个用户的代表值以及经过值的个数的分布信息计算出的值。具体地说，把按照从小到大的顺序排列U个人的用户的代表值时的预定序位（预定的累积度数）或相当于预定的累积相对度数的代表值作为阈值。例如，可以进行把从小的一方开始计数相当于20%的累积相对度数的代表值设为θ4，把相当于70%的累积相对度数的代表值设为θ5，把相当于90%的累积相对度数的代表值设为θ6等的处理。此外，使用按照从小到大的顺序排列U个人的用户的经过值的个数时的预定序位（预定的累积度数）或相当于预定的累积相对度数的个数决定ε1。例如，把从小的一方开始计数相当于20%的累积相对度数的经过值的个数设为ε1即可。

以上是函数选择的第三方法。如此，通过除了代表值以外还使用经过值的个数，与第一方法相比能够精度更好地选择函数。以上是从预先准备的函数中选择适合用户的函数的方法，但是还可以使用其他的方法。

例如，可以使用随着鲜度值Nw[i]增大，输出值减少，并且R[u]越小，其减少率越大（急剧）的函数，直接计算新颖性指标Q[u][i]。具体地说，如下式所示，使用把鲜度值Nw[i]和R[u]输入到指数部的指数函数exp即可。

$Q\left[u\right]\left[i\right]=\mathrm{\λexp}\{-\frac{\mathrm{Nw}\left[i\right]}{R\left[u\right]+\mathrm{\δ}}\}...\left(8\right)$

在此，λ为正的常数。此外，δ也是常数，进行设定使指数部的分母必须为正的值。此外，计算R[u]使其成为正的值。并且，可以针对每个用户改变λ，R[u]越小的用户，把λ设定为越大的值。

根据式（8），鲜度值越大（越是旧的项目），新颖性指标Q[u][i]的值越小。并且，对于每个用户来说，相当于鲜度值的增加新颖性指标Q[u][i]的减少的程度不同，利用特性值R[u]越小的用户，越急剧地减少。因此，利用特性值R[u]越小的用户，新的项目越容易进入推荐信息。此外，在利用特性值R[u]小的用户中，鲜度值对于优先度（推荐结果）的影响力相对大，在利用特性值R[u]大的用户中，鲜度值对于优先度（推荐结果）的影响力小。

此外，在上述说明中，表示了使用代表值决定函数的特性的方法，但是可以不必使用代表值。例如，仅使用利用特性信息内的变化值，在变化值为预定值以上时，选择相对于输入输出恒定的图16的g3（x）函数，在变化值不满预定值时，可以选择最一般的（认为对一般的用户有效）图16的g2（x）。在仅使用变化值时，在特性利用计算部12中，可以省略代表值以及经过值的个数的计算。同样地，仅使用利用特性信息内的经过值的个数，在经过值的个数不满预定值时，选择相对于输入输出恒定的图16的g3（x）函数，在经过值的个数为预定值以上时，可以选择最一般的图16的g2（x）。在仅使用经过值的个数时，在利用特性计算部12中，可以省略代表值以及变化值的计算。

然后，表示以上说明的人气指标、新颖性指标、优先度的具体例子。作为步骤S410的结果，设人气指标高的上位三个项目的人气指标为图19所示的值。此外，作为对于4个用户，进行了步骤S430的处理的结果，在图16的函数中，对于用户1选择g1（x），对于用户2选择g2（x），对于用户3选择g3（x），对于用户4选择g4（x）。该三个项目A、项目B、项目C的鲜度值Nw[i]不同，设相当于图16的A点、B点、C点。此外，设各函数的A点、B点、C点中的值为图20所示的值。在图20中例如g1（x）在A点的值“0.2”成为与用户1的项目A有关的新颖性指标。在上述的优先度计算的第一方法（人气指标与新颖性指标的乘积）中，当使用γ1=1，计算优先度时，得到图21所示的结果。例如，与用户1的项目A有关的优先度成为“1×50×0.2=10.0”。根据图21可知，优先度的大小或者按照优先度的项目的顺序对于每个用户不同。

以对于各个用户推荐一个项目的情况（仅推荐优先度最高的项目的情况）为例，进行本实施例与其他方式的比较。在仅使用人气指标生成推荐信息的方法中，对全部的用户推荐项目A（人气指标=“50”、优先度=“50”）。此外，对于全部的用户使用相同的函数g（x）计算新颖性指标，在根据该新颖性指标和人气指标计算优先度时，例如，当对于全部的用户使用函数g2（x）时，对全部的用户推荐项目B（优先度=“45”）。与此相对，在本实施例中，对用户1推荐项目C（优先度=“51.0”），对用户2推荐项目B（优先度=“45.0”），对用户3推荐项目A（优先度=“50.0”），对用户4推荐项目A（优先度=“75.0”），对每个用户推荐不同的项目。

在该例子时，新颖性指标（鲜度值）对于用户1的优先度的影响力非常大，成为与人气指标的序位完全不同的结果。此外，新颖性指标（鲜度值）对于用户2的优先度的影响力稍大，成为与人气指标的序位不同的结果。另一方面，新颖性指标（鲜度值）对于用户3的优先度的影响力全无，成为与把人气指标直接作为优先度的情况相同的结果。用户4是与用户1不同的方向，新颖性指标（鲜度值）的影响力仍然大。如此，通过针对每个用户恰当地控制优先度计算中的项目的鲜度值的影响力，能够生成良好反映了每个用户对于项目的“新颖性”的不同喜好的推荐信息，能够提供高精度的推荐信息。

（实施例2）

本发明实施例2的整个系统的结构与图1以及图2所示的实施例1的结构相同。项目提供服务器2和终端装置3（3a~3n）以及网络4（4a、4b）与实施例1完全相同，实施例1的信息选择装置1在实施例2中成为信息选择装置1b。

在图22中表示实施例2的信息选择装置1b的结构。由项目属性存储部10、利用履历存储部11、利用特性计算部12、项目选择部13b、收发部14、控制部15b以及类似度计算部16构成。与实施例1相比，除了追加了类似度计算部16之外，项目选择部13b与控制部15b不同。信息选择装置1b可以使用具有CPU、RAM、ROM、硬盘驱动器、网络接口等的一般计算机，通过执行软件（程序）处理的方式来实现。

在本实施例中，控制部15b通过按照预定的定时使各部执行与图12所示的流程图相同的处理，进行利用特性的计算、推荐信息的生成、推荐信息的发送等一系列的处理。但是，实施例1中的步骤S270的推荐信息生成处理在实施例2中如下说明那样不同。

使用图23的流程图，说明本实施例的推荐信息生成方法。首先在步骤S700中，类似度计算部16读出在利用履历存储部11中存储的利用履历。在此，可以读出全部的利用履历，还可以读出满足预定的条件的利用履历。例如，可以像“利用时期在过去4个月以内”、“利用时期与当前的差为3天以上并且不满30天”那样，读出满足“利用履历的利用时期信息在预定范围”的条件的利用履历。

此外，可以准备项目识别符的集合，使用“利用履历的项目识别符包含在预定的集合中的数据”的条件。此外，可以准备用户识别符的集合，使用“利用履历的用户识别符包含在预定的集合中的数据”的条件。把在该步骤中读出的利用履历中包含的用户（用户识别符）的集合设为δ，把用户数量（用户识别符的不同的种类数）设为Us，把项目数（项目的不同种类数）设为Ms。

然后在步骤S710中，控制部15b从用户集合δ内选择一个还没有进行处理的用户（未处理的用户）。把在此选择的未处理的用户（推荐对象用户）设为用户u。然后在步骤S720中，类似度计算部16使用在步骤S700中读出的利用履历信息，计算推荐对象用户u与属于用户集合δ的其他的用户y（y∈δ）的类似度。

具体地说，在把用户u利用过的项目集合设为I[u]，把用户y利用过的项目集合设为I[y]，把用户u和用户y共同利用过的项目数设为|I[u]∩I[y]|，把用户u和用户y至少一方利用过的项目的种类数设为|I[u]∪I[y]|时，如下式所示，能够使用相似（jaccard）系数计算用户u与用户y的类似度W[u][y]。

$W\left[u\right]\left[i\right]=\frac{\left|I\right[u]\∩I[y\left]\right|}{\left|I\right[u]\∪I[y\left]\right|}...\left(9\right)$

此外，在从步骤S700中读出的利用履历中得到与利用次数有关的信息和用户针对项目进行的评价的信息（评价值）时，可以使用余弦尺度和皮尔逊相关系数计算类似度。例如，在把用户u针对项目i的利用次数或评价值设为E[u][i]，把用户y针对项目i的利用次数或评价值设为E[y][i]时，可以像下式那样使用余弦尺度计算用户u和用户y的类似度W[u][y]。

$W\left[u\right]\left[y\right]=\frac{\underset{i=1}{\overset{\mathrm{Ms}}{\mathrm{\Σ}}}E\left[u\right]\left[i\right]\×E\left[y\right]\left[i\right]}{\sqrt{\underset{i=1}{\overset{\mathrm{Ms}}{\mathrm{\Σ}}}E\left[u\right]{\left[i\right]}^2\sqrt{\underset{i=1}{\overset{\mathrm{Ms}}{\mathrm{\Σ}}}E\left[y\right]{\left[i\right]}^2}}}...\left(10\right)$

此外，如下式所示可以使用皮尔逊相关系数计算类似度W[u][y]。

$W\left[u\right]\left[y\right]=\frac{\underset{i\∈\mathrm{Ic}\left[x\right]\left[y\right]}{\mathrm{\Σ}}\left(E\right[u\left]\right[i]-\mathrm{Ea}[u\left]\right)\left(E\right[y\left]\right[i]-\mathrm{Ea}[y\left]\right)}{\sqrt{\underset{i\∈\mathrm{Ic}\left[u\right]\left[y\right]}{\mathrm{\Σ}}{\left(E\right[u\left]\right[i]-\mathrm{Ea}[u\left]\right)}^2}\sqrt{\underset{i\∈\mathrm{Ic}\left[u\right]\left[y\right]}{\mathrm{\Σ}}{\left(E\right[y\left]\right[i]-\mathrm{Ea}[y\left]\right)}^2}}...\left(11\right)$

在此，Ic[u][y]是用户u好用户y都使用过的项目的集合，Ea[u]是把Ic[u][y]作为对象的用户u的利用次数或评价值的平均值。Ea[y]是把Ic[u][y]作为对象的用户y的利用次数或评价值的平均值。

此外，还可以使用E[u][i]与E[y][i]的欧几里得距离或其他的距离，计算类似度W[u][y]。

并且，还可以针对把用户u对应项目i的利用次数或评价值E[u][i]（u=1~Us，i=1~Ms）作为构成要素的矩阵，应用主成分分析或量化3类等多变量解析，在削减次数后，使用余弦尺度或欧几里得距离等计算类似度。此外，除了上述以外，如果是表示两个用户之间的类似性的指标，可以采用任何的方法。

然后在步骤S730中，类似度计算部16选择与用户u的类似度高的“类似用户”。具体地说，从用户集合δ中选出与推荐对象用户u的类似度在预定值以上的其他用户，设为用户u的类似用户。按照与推荐对象用户u的类似度从高到低的顺序在不超过预定数量的范围内选择其他的用户，可以作为类似用户。例如，在计算类似度为0以上的数值时，在与推荐对象u的类似度为大于0的值的用户的数量不足预定数量的情况下，把计算出类似度的全部的用户作为类似用户，在计算出预定数量以上的用户的类似度时，按照类似度从高到低的顺序选择预定数量的用户即可。并且，可以从与推荐对象用户u的类似度在预定值以上的其他用户中，按照类似度从高到低的顺序在不超过预定数量的范围内选择用户，将其作为类似用户。然后。类似度计算部16以图24所述的形式把推荐对象用户的用户识别符、选择的类似用户的用户识别符以及该类似度相关联地存储在类似度计算部16的存储部中。在图24中，对于各个推荐对象用户，按照类似度从高到低的顺序存储了类似用户。根据推荐对象用户，类似用户的数量可以不同也可以相同。把在该步骤中计算出的用户u的类似用户的集合（类似用户的用户识别符的集合）设为ω[u]。

然后在步骤S740中，项目选择部13b把类似用户利用的项目（或者评级过的项目）作为对象，计算项目的人气指标。

计算人气指标的第一方法是与在实施例1的步骤S410中说明的各方法相同的方法。但是，与实施例1相比处理对象的数据不同。在实施例1的步骤S410中说明的各方法中，以在步骤S400中读出的数据作为对象进行了处理，但是在本实施例中，从在步骤S700读出的数据中提取利用履历的用户识别符与类似用户的集合ω[u]对应的数据，把该数据作为对象进行与步骤S410的各方法相同的处理，来计算人气指标P[u][i]即可。即，一边参照在步骤S700中读出的数据以及类似度计算部16内部的存储部，一边确定属于类似用户集合ω[u]的用户利用过的项目的集合，计算属于该项目集合的项目i的人气指标p[u][i]（i=1~Ls[u]）。在此，Ls[u]是在类似用户利用的项目集合中包含的项目的个数。实施例1的人气指标P[u][i]对于每个用户来说没有变化是通用的，但是实施例2的人气指标P[u][i]对于每个用户不同。

计算人气指标的第二方法为使用用户间的类似度的方法。例如，把用户u的类似用户z（z∈ω[u]）使用项目i的次数设为F[z][i]，把用户u与类似用户z的类似度设为W[u][z]，按照下式计算人气指标P[u][i]。

$P\left[u\right]\left[i\right]=\underset{z\∈\mathrm{\ω}\left[u\right]}{\mathrm{\Σ}}F\left[z\right]\left[i\right]\×W\left[u\right]\left[z\right]...\left(12\right)$

此时，越是类似度高的用户经常使用的项目，人气指标的值越高。

计算人气指标的第三方法是使用用户间的类似度和利用时期信息，按照下式进行计算的方法。

$P\left[u\right]\left[i\right]=\underset{z\∈\mathrm{\ω}\left[u\right]}{\mathrm{\Σ}}\underset{k=1}{\overset{F\left[z\right]\left[i\right]}{\mathrm{\Σ}}}W\left[u\right]\left[i\right]\×f(\mathrm{Tc}-\mathrm{Ta}[z\left]\right[i\left]\right[k\left]\right)...\left(13\right)$

在此，Ta[z][i][k]是类似用户z第k次利用了项目i时的利用时期信息，Tc是比项目的利用时期信息新的预定的时期（例如进行该计算的时刻的日期时间），函数f（x）是输入值越小输出值越大的单调减函数。

根据式（13），越是类似度高的用户最近经常使用的项目，人气指标P[u][i]的值越大。

然后在步骤S750中，项目选择部13b通过与实施例1的步骤S420相同的方法计算新颖性指标。然后在步骤S760中，项目选择部13b计算对于用户u的项目i的优先度S[u][i]（i=1~Ls[u]）。在实施例1的步骤S430中说明的各方法中，使用人气指标P[i]与新颖性指标Q[u][i]，计算优先度S[u][i]，但是可以把实施例1的人气指标P[i]置换为每个用户的人气指标P[u][i]，进行与步骤S430的各方法相同的处理即可。在本实施例中，不仅使用在实施例1中说明的项目的利用次数等，还使用用户间的类似度计算人气指标。

然后在S770中，项目选择部13b对于用户u选择优先度S[u][i]高的项目，生成推荐信息。该处理与实施例1中的步骤S440相同。然后在步骤S780中，控制部15b在用户聚合δ中判定是否存在还没有进行处理的未处理的用户。在存在未处理的用户时（是），返回步骤S710重复处理，在不存在时（否），结束推荐信息生成处理。以上是本实施例中的推荐信息生成处理。

在步骤S740中，如式（12）以及式（13）所示那样，在使用用户间的类似度计算人气指标时，在步骤S730中，不一定需要选择“类似用户”，可以省略该步骤。例如，在步骤S720中，可以计算用户间的类似度作为“0”以上的数值，在步骤S740中把推荐对象用户u以外的全部用户（还包含类似度为“0”的用户）的集合设为ω[u]，按照式（12）或式（13），计算人气指标。即使如此，越是类似度高的用户经常使用的项目，越得到成为大值的人气指标。

在步骤S700后（步骤S710前），可以进行以下的处理：对于属于用户集合δ的全部的用户的组合（但是，同一用户彼此的组合除外），预先计算类似度，把两个用户的用户识别符和类似度存储在类似度计算部16的存储部中。此时，可以省略步骤S720的类似度计算处理。

此外，在本实施例中，使用项目的利用次数等计算人气指标，但是可以不计算这样的人气指标，使用新颖性指标和类似性指标计算优先度。此时，省略步骤S740。然后在步骤S730和步骤S750之间，把属于类似用户的集合ω[u]的用户z（z∈ω[u]）所利用的项目作为对象，按照下式计算针对每个项目i把用户u与类似用户z的类似度W[u][z]进行相加得到的类似性指标Da[u][i]。

$\mathrm{Da}\left[u\right]\left[i\right]=\underset{z\∈\mathrm{\ω}\left[u\right]}{\mathrm{\Σ}}\mathrm{\Δ}\left[z\right]\left[i\right]\×W\left[u\right]\left[z\right]...\left(14\right)$

在此，Δ[z][i]是在用户z使用项目i时值成为“1”，在没有使用时值成为“0”的函数。

然后在步骤S760中，可以取代人气指标P[u][i]，使用类似性指标Da[u][i]计算优先度。

在本实施例中，计算用户间的类似度，使用与推荐对象用户的类似度高的用户的利用履历生成了推荐信息，所以与实施例1相比能够生成适合于各个用户的嗜好的高精度的推荐信息。此外，本实施例与实施例1相同，能够不需要使用户进行特别的输入操作，并且不使用与用户的个人隐私有关的个人信息，生成推荐信息。

（实施例3）

本发明实施例3的整个系统的结构与图1以及图2所示的实施例1的结构相同。项目提供服务器2和终端装置3（3a～3n）以及网络4（4a、4b）与实施例1完全相同，实施例1的信息选择装置1在实施例3中成为信息选择装置1c。

在图25中表示实施例3的信息选择装置1c的结构。由项目属性存储部10、利用履历存储部11、利用特性计算部12、项目选择部13c、收发部14、控制部15c、用户属性存储部17以及适合度计算部18构成。与实施例1相比，除了追加了用户属性存储部17以及适合度计算部18之外，项目选择部13c和控制部15c也不同。本实施例的项目属性存储部10如图10（B）所示那样，存储了包含项目属性存储的数据。信息选择装置1c可以使用具有CPU、RAM、ROM、硬盘驱动器、网络接口等的一般计算机，通过执行软件（程序）处理的方式来实现。

用户属性存储部17以图26所示的形式，把用户识别符与用户属性信息相关联地存储。用户属性信息是在利用履历中没有表现的用户固有的信息，例如由用户的姓名、出生年月日、性别、所住的地域、血型、入会时期（开始使用项目的时期）、兴趣、喜欢的项目的类别、与喜欢的项目有关的关键字等项目构成。这样的用户属性信息是在用户开始使用项目前进行的用户登录处理（入会处理）等中，终端装置3在显示装置31中显示催促输入用户属性信息的消息，看到该消息的用户经由输入装置32输入的信息。然后，信息选择装置1经由项目提供服务器2，或者直接从终端装置3接收与该用户有关的属性信息，并将其存储在用户属性存储部17中。

图26A表示对应地存储用户识别符和用户本人的属性信息（本人属性）的形式。关于一个用户，分别存在多个兴趣、喜欢的类别、喜欢的关键字等项目。

图26B是除了用户识别符与用户本人的属性信息外，存储在生成推荐信息时使用的对象的属性信息（对象属性）的形式。用户本人的属性信息与图26A相同。对象属性是“与自身的关系好”或“希望在自身的推荐信息中反映具有这样的属性的用户的利用信息”以及用户本人考虑的其他用户的属性信息，由年龄层、性别、血型、兴趣、喜欢的项目的类别等构成。此外，关于一个用户可以分别存在多个兴趣或喜欢的项目的类别、喜欢的关键字等项目。此外在图中“－”表示的部位是不存在数据的项目，如此可以不必对全部的项目存储数据。

图26A以及26B所示的用户属性信息的项目只是一个例子，还可以存储其他的项目。例如，可以存储用户厌恶的项目的类别、厌恶的关键字等项目。以下，可以在用户属性存储部17中存储Ug个用户的属性信息。

在本实施例中，控制部15c通过按照预定的定时使各部执行与图12所示的流程图相同的处理，进行利用特性的计算、推荐信息的生成、推荐信息的发送等一系列的处理。在本实施例中，在步骤S260的计算利用特性的处理中，可以使用以下的方法。例如，在作为步骤S260的一部分的步骤S300中，可以对每个用户识别符生成与用户属性信息的“喜欢的类别”或/以及“喜欢的关键字”相当的项目的项目识别符的集合，读出与该项目识别符的集合对应的利用履历，用于计算利用特性信息。即，可以仅使用与用户的“喜欢的类别”或/以及“喜欢的关键字”相当的项目所对应的利用履历，计算利用特性信息。

然后，说明与实施例1的步骤S270相当的推荐信息生成处理。在图27的流程图中表示了本实施例的生成推荐信息的第一方法。首先，在步骤S800中控制部15c从在用户属性存储部17中存储的用户识别符中选择一个还没有进行处理的用户识别符（未处理的用户）。把在此选择的未处理的用户（推荐对象用户）设为用户u。

然后，在步骤S810中，适合度计算部180计算在步骤S800中选择的用户u和在用户属性存储部17中存储的其他用户y（y=1~Ug，y≠u）的适合度Wb[u][y]。在本实施例中，以两个用户越相似，或者两个关系越好，值越大的方式计算适合度。

适合度计算的第一方法是计算用户u的本人属性和用户y的本人属性的适合度的方法。例如，在两个用户的本人属性中，对一致的项目数进行计数即可。此外，关于“出生年月日”或“入会时期”等项目，如果两个人的项目的时间差在预定以内，则可以作为一致来进行处理。此外，关于“喜欢的类别”或“喜欢的关键字”等项目，除了在完全一致时看做一致之外，还预先存储表示类别彼此或关键字彼此的一致度的规则，可以根据该规则计算适合度。此外，关于“血型”，不仅是相同的血型，在为所谓的关系良好的血型的组合时，也可以设两个人的项目一致。此外，“姓名”的项目可以不用于计算适合度，也可以根据姓名的笔画数或发音等对姓名进行判断，来计算两个人的适合度。此外，关于各个项目，可以不使用一致或/不一致的两个值，而是使用表示一致的程度的实数值计算适合度。关于空栏的项目，可以不用于适合度的计算，也可以看做一致进行处理，并非完全不一致，可以作为稍稍一致进行处理。

计算适合度的第二方法是计算用户u的对象属性和用户y的本人属性的适合度的方法。与第一方法相同，在这些属性信息中对于一致的项目的数量进行计数即可。在使用该方法时，如图26B所示，需要在用户属性存储部17中存储对象属性。

然后，在步骤S820中，适合度计算部18选出与用户u的适合度高的“适合用户”。具体地说，选出与用户u的适合度在预定值以上的其他的用户，设为适合用户。此外，可以按照与用户u的适合度从高到低的顺序在不超过预定数量的范围内选择其他的用户，作为适合用户。例如，在计算适合度为0以上的数值时，在被计算出与用户u的适合度为大于0的值的其他用户的数量不足预定数量的情况下，把计算出适合度的全部的用户作为适合用户，在计算出预定数量以上的用户的适合度时，按照适合度从高到低的顺序选择预定数量的用户。并且，可以从与用户u的适合度在预定值以上的其他用户中，按照适合度从高到低的顺序在不超过预定数量的范围内选择用户，将其作为适合用户。然后。适合度计算部16把用户u的用户识别符、选择出的适合用户的用户识别符以及该适合度相关联地存储在适合度计算部18内部的存储部中。在本实施例中，把用户u的适合用户的集合（用户识别符的集合）设为φ[u]。

然后，在步骤S830中，项目选择部13c把用户u的适合用户利用的项目（或评价的项目）作为对象，计算项目的人气指标。计算人气指标的第一方法与在实施例1的步骤S410中说明的各方法相同的方法。但是，与实施例1相比，处理对象的数据不同。项目选择部13c从在利用履历存储部11中存储的利用履历中，读出与用户识别符用户集合φ[u]对应的数据，以该数据为对象进行与步骤S410的各方法相同的处理，计算人气指标P[u][i]（i=1~Lb[u]）。在此，Lb[u]是用户u的适合用户利用的项目的集合中包含的项目的个数。此外，可以不是与集合φ[u]对应的全部的利用履历，而是把进一步满足预定条件的利用履历作为处理的对象。例如，可以把与集合φ[u]对应，并且利用时期在预定的范围内的利用履历作为处理的对象。

此外，可以使用用户u的用户属性信息，缩小处理对象的数据。项目选择部13c可以一边相关联地参照项目属性存储部10和利用履历存储部11以及用户属性存储部17，一边提取例如具有与用户u的本人属性的“喜欢的类别”项目一致的类别的项目所对应的、并且与用户集合φ[u]对应的利用履历，将其作为处理的对象。例如，在用户u的本人属性的“喜欢的类别”为“爵士乐”时，把与类别为“爵士乐”的项目对应的、并且与用户集合φ[u]对应的利用履历作为处理对象。此外，可以取代“喜欢的类别”，使用“喜欢的关键字”来进行处理。并且可以通过与上述相同的方法，不仅使用用户u的用户属性信息，还使用属于用户集合φ[u]的用户的用户属性信息，缩小处理对象的数据。

计算人气指标的第二方法是使用用户间的适合度的方法。例如，把适合用户z（z∈φ[u]）使用项目i的次数设为F[z][i]，把用户u与适合用户z的适合度设为W[u][z]，按照下式计算人气指标P[u][i]。

$P\left[u\right]\left[i\right]=\underset{z\∈\mathrm{\φ}\left[u\right]}{\mathrm{\Σ}}F\left[z\right]\left[i\right]\×\mathrm{Wb}\left[u\right]\left[z\right]...\left(15\right)$

此时，越是适合度高的用户经常使用的项目，人气指标的值越高。

计算人气指标的第三方法是使用用户间的适合度和利用时期信息，按照下式进行计算的方法。

$P\left[u\right]\left[i\right]=\underset{z\∈\mathrm{\φ}\left[u\right]}{\mathrm{\Σ}}\underset{k=1}{\overset{F\left[z\right]\left[i\right]}{\mathrm{\Σ}}}\mathrm{Wb}\left[u\right]\left[z\right]\×f(\mathrm{Tc}-\mathrm{Ta}[z\left]\right[i\left]\right[k\left]\right)...\left(16\right)$

在此，Ta[z][i][k]是适合用户z第k次利用了项目i时的利用时期信息，Tc是比项目的利用时期信息新的预定的时期（例如进行该计算的时刻的日期时间），函数f（x）是输入值越小输出值越大的单调减函数。

根据式（16），越是适合度高的用户最近经常使用的项目，人气指标的值越大。

然后在步骤S840中，项目选择部13c通过与实施例1的步骤S420相同的方法计算新颖性指标。然后在步骤S850中，项目选择部13c计算对于用户u的项目i的优先度S[u][i]（i=1~Lb[u]）。在实施例1的步骤S430中说明的各方法中，使用人气指标P[i]与新颖性指标Q[u][i]，计算优先度S[u][i]，但是可以把实施例1的人气指标P[i]置换为每个用户的人气指标P[u][i]，进行与步骤S430的各方法相同的处理即可。在本实施例中，不仅使用在实施例1中说明的项目的利用次数等，还使用用户间的适合度计算人气指标。

然后在S860中，项目选择部13c对于用户u选择优先度S[u][i]高的项目，生成推荐信息。项目选择的第一方法与实施例1中的步骤S440相同。项目选择的第二方法是使用用户属性信息，选择与预定的条件一致的项目的方法。具体地说，项目选择部13c一边参照项目属性存储部10以及用户属性存储部17，一边选择具有与用户u的本人属性的“喜好的类别”以及/或“喜欢的关键字”一致的项目属性的、并且优先度比预定的阈值高（大）的项目。此外，可以从具有与用户u的本人属性的“喜好的类别”以及“喜欢的关键字”一致的项目属性的项目的集合内，按照优先度从高到低（从大到小）的顺序在不超过预定数量的范围内选择项目。例如，在具有预定数量以上的属于该项目集合的项目时，按照优先度从高到低的顺序（从大到小的顺序）选择预定数量的项目，在属于该项目集合的项目不满足预定数量的用户时，可以选择项目集合的全部的项目。此外，按照通过上述第一方法或第二方法选择的项目的优先度从高到低的顺序赋予从“1”开始的序号来作为推荐序位。然后，如图5所示，生成使用户识别符、项目识别符、推荐序位相对应的推荐信息。

然后，在步骤S870中，控制部15c对于在用户属性存储部17中存储的用户（用户识别符）的集合，判定是否存在未处理的用户。在存在未处理的用户时（是），返回步骤S800重复处理，在不存在时（否），结束推荐信息生成处理。

在步骤S830中，如式（15）以及式（16）所示那样，在使用推荐对象用户和适合用户的适合度计算人气指标时，在步骤S820中，不一定需要选择“适合用户”，可以省略该步骤。例如，在步骤S810中，可以计算用户间的适合度作为“0”以上的数值，在步骤S830中把推荐对象用户u以外的全部用户（还包含适合度为“0”的用户）的集合设为ω[u]，按照式（15）或式（16），计算人气指标。即使如此，越是类似度高的用户经常使用的项目，越得到成为大值的人气指标。

此外，在步骤S800前，可以进行以下的处理：对于在用户属性存储部17中存储的全部的用户的组合（但是，同一用户彼此的组合除外），预先计算适合度，把两个用户的用户识别符和类似度存储在适合度计算部18的存储部中。此时，可以省略步骤S810的适合度计算处理。

此外，在本实施例中，计算了用户间的适合度，但是可以省略适合度计算部18，组合实施例1的处理和使用了在本实施例中说明的用户属性信息的处理，例如，在实施例1的步骤S440中，可以与步骤S860的项目选择的第二方向相同地，选择具有与用户u的本人属性的“喜欢的类别”以及/或者“喜欢的关键字”一致的项目属性的、并且优先度高（大）的项目。即，可以通过满足与用户指定的项目属性信息有关的条件的项目，构成推荐信息。

此外，在本实施例中，使用项目的利用次数等计算人气指标，但是可以不计算这样的人气指标，使用新颖性指标和适合性指标计算优先度。此时，省略步骤S830。然后在步骤S820和步骤S840之间，把属于适合用户的集合φ[u]的用户z（z∈φ[u]）所利用的项目作为对象，按照下式计算针对每个项目i把用户u与适合用户z的适合度W b[u][z]进行相加得到的适合性指标Db[u][i]。

$\mathrm{Db}\left[u\right]\left[i\right]=\underset{z\∈\mathrm{\φ}\left[u\right]}{\mathrm{\Σ}}\mathrm{\Δ}\left[z\right]\left[i\right]\×\mathrm{Wb}\left[u\right]\left[z\right]...\left(17\right)$

在此，Δ[z][i]是在用户z使用项目i时值成为“1”，在没有使用时值成为“0”的函数。

然后在步骤S850中，可以取代人气指标P[u][i]，使用适合性指标Db[u][i]计算优先度。

并且，可以使用新颖性指标和适合性指标以及类似性指标计算优先度。例如，在使用下式计算出第一综合指标Dc[u][i]后，

Dc[u][i]＝ρ1×Da[u][i]+ρ2×Db[u][i]…(18)

在步骤S850中，取代人气指标P[u][i]使用第一综合指标Dc[u][i]，计算优先度即可。

在式（18）中，使用类似性指标Da[u][i]和适合性指标Db[u][i]，把分别乘以加权系数ρ1、ρ2得到的值相加来计算第一综合指标。此外，还可以使用类似性指标与适合性指标的乘积，计算第一综合指标。

此外，同样地，可以使用新颖性指标、适合性指标、类似性指标以及人气指标计算优先度。例如，在使用下式计算出第二综合指标De[u][i]后，

$\mathrm{De}\left[u\right]\left[i\right]=\mathrm{\ρ}3\×\mathrm{Da}\left[u\right]\left[i\right]+\mathrm{\ρ}4\×\mathrm{Db}\left[u\right]\left[i\right]+\mathrm{\ρ}5\×\underset{z\∈\mathrm{\φ}\left[u\right]}{\mathrm{\Σ}}F\left[z\right]\left[i\right]...\left(19\right)$

在步骤S850中，取代人气指标P[u][i]使用第二综合指标De[u][i]，计算优先度即可。

在式（19）中，使用类似性指标Da[u][i]和适合性指标Db[u][i]以及人气指标（作为利用次数之和的∑的部分），把分别乘以加权系数ρ3、ρ4、ρ5得到的值相加来计算第二综合指标。此外，还可以使用类似性指标、适合性指标以及人气指标的乘积，计算第二综合指标。

根据本发明，使用用户属性计算用户间的适合度，使用适合度高的用户的利用履历生成了推荐信息，所以与实施例1相比能够生成适合于各个用户的嗜好的高精度的推荐信息。此外，与实施例1相同，即使对于新入会的用户等还没有使用项目的用户，也能够提供推荐信息。

产业上的应用

根据以上的说明可知，本发明能够提供不需要用户等的操作能够精度良好地选择向用户推荐的项目的项目选择装置。

符号说明

1、1b、1c信息选择装置

2项目提供服务器

3、3a~3n终端装置

4、4a、4b网络

10项目属性存储部

11利用履历存储部

12利用特性计算部

13、13b、13c项目选择部

14收发部

15、15b、15c控制部

16类似度计算部

17用户属性存储部

18适合度计算部

21认证部

22项目存储部

23推荐信息存储部

24收发部

25控制部

31显示装置

32输入装置

Claims (20)

1.一种项目选择装置，其特征在于，具有：

项目属性存储部，其相关联地存储各项目的项目识别符和表示该项目的生成时刻或提供开始时刻的项目时期信息；

接收部，其从其他装置接收包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息；

利用履历存储部，其存储利用履历，该利用履历使所述接收部接收到的利用信息中包含的利用主体识别符与项目识别符相关联；

利用特性信息计算部，其针对在所述利用履历存储部中存储的利用履历，计算与该利用履历中包含的项目识别符对应的所述项目时期信息和预定的时刻的差即经过值，针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息；以及

项目选择部，其针对在所述项目属性存储部中存储的项目识别符，根据对应的所述项目时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值，并且使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标，根据该新颖性指标针对每个利用主体识别符计算项目的优先度，根据该优先度针对每个利用主体识别符进行项目的选择。

2.一种项目选择装置，其特征在于，具备：

接收部，其从其他装置接收至少包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息；

利用履历存储部，其存储使所述接收部接收到的利用信息中包含的三个信息即利用主体识别符、项目识别符以及表示该项目被使用的时刻的利用时期信息相关联的利用履历或者存储使所述接收部接收到的利用信息中包含的两个信息即利用主体识别符和项目识别符，与表示通过所述接收部接收到该利用信息的时刻的利用时期信息相关联的利用履历；

利用特性信息计算部，其针对在所述利用履历存储部中存储的利用履历，计算该利用履历中包含的所述利用时期信息和预定的时刻的差即经过值，针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息；以及

项目选择部，其针对在所述利用履历存储部中存储的项目识别符，根据对应的所述利用时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值，并且使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标，根据该新颖性指标针对每个利用主体识别符计算项目的优先度，根据该优先度针对每个利用主体识别符进行项目的选择。

3.根据权利要求1所述的项目选择装置，其特征在于，

所述利用履历存储部存储使所述接收部接收到的利用信息中包含的三个信息即利用主体识别符、项目识别符以及表示该项目被使用的时刻的利用时期信息相关联的利用履历或者存储使所述接收部接收到的利用信息中包含的两个信息即利用主体识别符和项目识别符，与表示通过所述接收部接收到该利用信息的时刻的利用时期信息相关联的利用履历，

所述利用特性信息计算部在计算与所述利用履历存储部中存储的利用履历有关的经过值时，把该利用履历中包含的利用时期信息用作所述预定的时刻。

4.根据权利要求2所述的项目选择装置，其特征在于，

所述利用特性信息计算部在计算与所述利用履历存储部中存储的利用履历有关的经过值时，使用包含该利用履历的项目识别符的各利用履历的利用时期信息的分布，计算该项目识别符的项目的生成时刻或提供开始时刻的推定值即推定项目时期信息，把该推定项目时期信息用作上述预定的时刻。

5.根据权利要求2所述的项目选择装置，其特征在于，

所述利用特性信息计算部在计算与所述利用履历存储部中存储的利用履历有关的经过值时，把包含与该利用履历中包含的利用主体识别符相同的利用主体识别符，并且与该利用履历在时间上相邻的其他的利用履历中包含的利用时期信息用作所述预定的时刻。

6.根据权利要求5所述的项目选择装置，其特征在于，

具备项目属性存储部，其把各项目的项目识别符和表示该项目的生成时刻或提供开始时刻的项目时期信息相关联地存储，

替代上述利用时期信息，所述项目选择部根据在所述项目属性存储部中存储的项目时期信息计算所述鲜度值。

7.根据权利要求1或6所述的项目选择装置，其特征在于，

所述项目属性存储部在把所述项目的项目识别符和项目时期信息相关联地存储时，还相关联地存储表示该项目所属的类别的类别信息，

所述项目选择部在根据所述优先度针对每个利用主体识别符选择项目时，选择与满足预定条件的所述类别信息对应的项目识别符的项目。

8.根据权利要求1~7的任意一项所述的项目选择装置，其特征在于，

所述项目选择部根据在所述利用履历存储部中存储的利用履历，计算与每个项目的利用次数或每个项目的利用用户数有关的数值即人气指标，使用该人气指标进行所述优先度的计算。

9.根据权利要求1~7的任意一项所述的项目选择装置，其特征在于，

从所述其他装置接收的利用信息包含表示涉及该利用信息的用户针对涉及该利用信息的项目的评价的高度的评价值，

根据通过所述接收部接收到的利用信息存储的利用履历还相关联了在该利用信息中包含的评价值，

所述项目选择部根据在所述利用履历存储部中存储的利用履历，针对每个项目使用相加了评价值后的值计算人气指标，使用该人气指标进行所述优先度的计算。

10.根据权利要求1~9的任意一项所述的项目选择装置，其特征在于，

所述利用特性信息计算部针对每个所述利用主体识别符，在根据对应的经过值的分布计算利用特性信息时，计算基于该经过值的分布的代表值，将其作为该利用特性信息的构成要素。

11.根据权利要求1~10的任意一项所述的项目选择装置，其特征在于，

所述利用特性信息计算部对于所述每个利用主体识别符，在根据对应的经过值的分布计算利用特性信息时，计算表示该经过值的偏离程度的值，将其作为该利用特性信息的构成要素。

12.根据权利要求1~11的任意一项所述的项目选择装置，其特征在于，

所述利用特性信息计算部针对每个所述利用主体识别符，根据对应的经过值的分布计算利用特性信息时，计算该经过值的个数，将其作为该利用特性信息的构成要素。

13.根据权利要求1~12的任意一项所述的项目选择装置，其特征在于，

具备类似度计算部，其根据在所述利用履历存储部中存储的利用履历，计算任意两个利用主体识别符之间的类似度，

所述项目选择部使用基于所述类似度的类似性指标计算所述优先度。

14.根据权利要求1~13的任意一项所述的项目选择装置，其特征在于，

具备类似度计算部，其根据在所述利用履历存储部中存储的利用履历，计算任意两个利用主体识别符之间的类似度，

所述项目选择部在针对每个所述利用主体识别符计算项目的优先度时，针对每个利用主体识别符，提取与该利用主体识别符之间的所述类似度高于预定值的其他的利用主体识别符、或与该利用主体识别符之间的所述类似度按照从高到低的顺序提取没有超过预定数的其他的利用主体识别符，并且从所述利用履历存储部中存储的利用履历中提取与所述提取出的利用主体识别符相关联的项目识别符，将提取出的项目识别符的项目的集合作为对象计算所述优先度。

15.根据权利要求1~14的任意一项所述的项目选择装置，其特征在于，

具备：用户属性存储部，其相关联地存储用于识别用户或该用户使用的终端装置的利用主体识别符和该用户的属性信息；以及

适合度计算部，其根据在所述用户属性存储部中存储的用户属性信息，计算任意两个利用主体识别符之间的适合度，

所述项目选择部使用基于所述适合度的适合性指标进行所述优先度的计算。

16.根据权利要求1~15的任意一项所述的项目选择装置，其特征在于，

具备：用户属性存储部，其相关联地存储用于识别用户或该用户使用的终端装置的利用主体识别符和该用户的属性信息；以及

适合度计算部，其根据在所述用户属性存储部中存储的用户属性信息，计算任意两个利用主体识别符之间的适合度，

所述项目选择部在计算每个所述利用主体识别符的项目的优先度时，针对每个利用主体识别符提取与该利用主体识别符的所述适合度高于预定值的其他的利用主体识别符或与该利用主体识别符的所述适合度按照从高到低的顺序提取没有超过预定数的其他的利用主体识别符，并且从所述利用履历存储部中存储的利用履历中提取与所述提取出的利用主体识别符相关联的项目识别符，将提取出的项目识别符的项目的集合作为对象计算所述优先度。

17.一种项目选择方法，其特征在于，具有以下步骤：

把各项目的项目识别符和表示该项目的生成时刻或提供开始时刻的项目时期信息相关联地存储在项目属性存储部中的步骤；

从其他装置接收包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息的步骤；

在利用履历存储部中存储利用履历的步骤，该利用履历使通过所述接收步骤接收到的利用信息中包含的利用主体识别符与项目识别符相关联；

针对在所述利用履历存储部中存储的利用履历，计算与该利用履历中包含的项目识别符对应的所述项目时期信息和预定的时刻的差即经过值的步骤；

针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息的步骤；

针对在所述项目属性存储部中存储的项目识别符，根据对应的所述项目时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值的步骤；

使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标的步骤；

根据该新颖性指标针对每个利用主体识别符计算项目的优先度的步骤；以及

根据该优先度针对每个利用主体识别符进行项目的选择的步骤。

18.一种项目选择方法，其特征在于，具有以下步骤：

从其他装置接收至少包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息的步骤；

在利用履历存储部中存储使通过所述接收步骤接收到的利用信息中包含的三个信息即利用主体识别符、项目识别符以及表示该项目被使用的时刻的利用时期信息相关联的利用履历或者存储使所述接收部接收到的利用信息中包含的两个信息即利用主体识别符和项目识别符，与表示通过所述接收部接收到该利用信息的时刻的利用时期信息相关联的利用履历的步骤；

针对在所述利用履历存储部中存储的利用履历，计算该利用履历中包含的所述利用时期信息和预定的时刻的差即经过值的步骤；

针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息的步骤；

针对在所述利用履历存储部中存储的项目识别符，根据对应的所述利用时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值的步骤；

使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标的步骤；

根据该新颖性指标针对每个利用主体识别符计算项目的优先度的步骤；以及

根据该优先度针对每个利用主体识别符进行项目的选择的步骤。

19.一种项目选择用程序，其特征在于，使计算机执行以下的步骤：

把各项目的项目识别符和表示该项目的生成时刻或提供开始时刻的项目时期信息相关联地存储在项目属性存储部中的步骤；

从其他装置接收包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息的步骤；

在利用履历存储部中存储利用履历的步骤，该利用履历使通过所述接收步骤接收到的利用信息中包含的利用主体识别符与项目识别符相关联；

针对在所述利用履历存储部中存储的利用履历，计算与该利用履历中包含的项目识别符对应的所述项目时期信息和预定的时刻的差即经过值的步骤；

针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息的步骤；

针对在所述项目属性存储部中存储的项目识别符，根据对应的所述项目时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值的步骤；

使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标的步骤；

根据该新颖性指标针对每个利用主体识别符计算项目的优先度的步骤；以及

根据该优先度针对每个利用主体识别符进行项目的选择的步骤。

20.一种项目选择用程序，其特征在于，使计算机执行以下的步骤：

从其他装置接收至少包含用于识别用户或该用户使用的终端装置的利用主体识别符和该用户使用的项目的项目识别符的利用信息的步骤；

在利用履历存储部中存储使通过所述接收步骤接收到的利用信息中包含的三个信息即利用主体识别符、项目识别符以及表示该项目被使用的时刻的利用时期信息相关联的利用履历或者存储使所述接收部接收到的利用信息中包含的两个信息即利用主体识别符和项目识别符，与表示通过所述接收部接收到该利用信息的时刻的利用时期信息相关联的利用履历的步骤；

针对在所述利用履历存储部中存储的利用履历，计算该利用履历中包含的所述利用时期信息和预定的时刻的差即经过值的步骤；

针对在所述利用履历存储部中存储的利用履历中包含的每个利用主体识别符，根据对应的所述经过值的分布计算利用特性信息的步骤；

针对在所述利用履历存储部中存储的项目识别符，根据对应的所述利用时期信息，计算表示该项目识别符的项目的新颖程度的鲜度值的步骤；

使用根据所述利用特性信息特性不同的对应规则，针对与各利用主体识别符的所述利用特性信息对应的所述对应规则使用所述鲜度值来计算新颖性指标的步骤；

根据该新颖性指标针对每个利用主体识别符计算项目的优先度的步骤；以及

根据该优先度针对每个利用主体识别符进行项目的选择的步骤。

Images