CN103390019B - 信息处理设备和信息处理方法 - Google Patents

信息处理设备和信息处理方法 Download PDF

Info

Publication number
CN103390019B
CN103390019B CN201310159982.4A CN201310159982A CN103390019B CN 103390019 B CN103390019 B CN 103390019B CN 201310159982 A CN201310159982 A CN 201310159982A CN 103390019 B CN103390019 B CN 103390019B
Authority
CN
China
Prior art keywords
user
content
link
item
feature amount
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201310159982.4A
Other languages
English (en)
Other versions
CN103390019A (zh
Inventor
馆野启
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Publication of CN103390019A publication Critical patent/CN103390019A/zh
Application granted granted Critical
Publication of CN103390019B publication Critical patent/CN103390019B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/63—Querying
    • G06F16/635—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供了一种信息处理设备和信息处理方法，该信息处理设备包括：链接特征量选择单元，其选择链接特征量，该链接特征量是用于将第一项目与另一项目进行链接的特征量；项目选择单元，其基于所选的链接特征量来选择要与第一项目链接的第二项目的一个或更多个候选；提供控制单元，其控制向用户提供第一项目、链接特征量、以及第二项目的一个或更多个候选；以及链接创建单元，其选择第二项目并且创建第一项目和第二项目的链接。

Description

信息处理设备和信息处理方法
技术领域
本公开内容涉及信息处理设备、信息处理方法及程序，更具体地，涉及适合用于创建或提供项目的链接的信息处理设备、信息处理方法及程序。
背景技术
近来，随着诸如音乐或电影的内容分发服务的快速发展，已提出了用于检索包括内容的各种项目的各种技术。
例如，已知一种对项目的特征量进行矢量化并且利用矢量之间的欧氏距离来对与要考虑的项目相似的项目进行检索的方法。此外，已知一种应用利用用户的评价历史的基于项目的协作筛选并且对与要考虑的项目相似的项目进行检索的方法(例如，参照日本专利申请公开第2012-3359号)。
发明内容
当使用上述检索方法时，易于检索与要考虑的项目平均相似的项目。然而，可能难以检索除了与要考虑的项目平均相似的项目之外的关联项目(例如，与要考虑的项目部分相似的项目)。
期望使得能够容易地创建或使用关联项目的链接。
根据本公开内容的实施方式，提供一种信息处理设备，包括：链接特征量选择单元，其选择链接特征量，该链接特征量是用于将第一项目与另一项目进行链接的特征量；项目选择单元，其基于所选择的链接特征量来选择要与第一项目链接的第二项目的一个或更多个候选；提供控制单元，其控制向用户提供第一项目、链接特征量、以及第二项目的一个或更多个候选；以及链接创建单元，其选择第二项目并创建第一项目和第二项目的链接。
链接特征量选择单元可以基于用户和第一项目中至少之一来选择链接特征量。
链接特征量选择单元可以基于由用户提供的对于项目的评价来计算用户的特征量的重要度，并且可以基于所计算的重要度选择链接特征量。
链接特征量选择单元可以基于由用户创建的项目的链接中使用的链接特征量来计算用户的特征量的重要度，并且可以基于所计算的重要度来选择链接特征量。
链接特征量选择单元可以选择显著表示第一项目的特征的特征量作为链接特征量。
链接特征量选择单元可以选择链接特征量的多个候选。提供控制单元可以进行控制，使得将链接特征量的多个候选提供给用户。项目选择单元可以基于由用户选择的链接特征量来选择第二项目的一个或更多个候选。
提供控制单元可以进行控制，使得将第一项目的多个候选提供给用户。项目选择单元可以基于链接特征量和由用户选择的第一项目来选择第二项目的一个或更多个候选。
链接创建单元可以创建第一项目和由用户选择的第二项目的链接。
提供控制单元可以控制向用户提供另外创建的项目的链接。
提供控制单元可以进行控制，使得将项目的链接与所创建的用户信息一起提供。
提供控制单元可以进行控制，使得将项目的链接连同表示用于创建项目的链接的链接特征量的信息一起提供。
当提供了用户的项目使用历史时，提供控制单元可以进行控制，使得将与项目使用历史中包括的项目形成链接的项目提供给用户。
信息处理设备还可以包括推荐用户选择单元，该推荐用户选择单元当要作为推荐给用户的候选的多个候选用户均被提供时，计算用户的行为的变化量的期待值，并且基于所计算的期待值从候选用户中选择推荐给用户的推荐用户。提供控制单元可以进行控制，使得将由推荐用户创建的项目的链接连同推荐用户一起提供给用户。
推荐用户选择单元可以基于用户接受候选用户的概率和由提供候选用户的反馈而造成的对于预定项目组的评价的预测值的变化量来计算期待值。
推荐用户选择单元可以基于候选用户对项目组中另外包括的项目提供反馈的概率来计算期待值。
提供控制单元可以控制向其他信息处理设备提供第一项目、链接特征量、以及第二项目的一个或更多个候选。
根据本公开内容的实施方式，提供一种信息处理方法，包括：使信息处理设备选择链接特征量，该链接特征量是用于将第一项目与另一项目进行链接的特征量；使信息处理设备基于所选择的链接特征量来选择要与第一项目链接的第二项目的一个或更多个候选；使信息处理设备控制向用户提供第一项目、链接特征量、以及第二项目的一个或更多个候选；以及使信息处理设备选择第二项目并创建第一项目和第二项目的链接。
根据本公开内容的实施方式，提供一种使计算机执行下述过程的程序，该过程包括：选择链接特征量，该链接特征量是用于将第一项目与另一项目进行链接的特征量；基于所选择的链接特征量来选择要与第一项目链接的第二项目的一个或更多个候选；控制向用户提供第一项目、链接特征量、以及第二项目的候选；以及选择第二项目并创建第一项目和第二项目的链接。
根据本公开内容的实施方式，链接特征量被选择为将第一项目与另一项目进行链接的特征量；基于所选择的链接特征量来选择与第一项目进行链接的第二项目的一个或更多个候选；控制向用户提供第一项目、链接特征量以及第二项目的候选；以及选择第二项目并创建第一项目和第二项目的链接。
根据上述的本公开内容的实施方式，可以容易地创建关联项目的链接。此外，可以使用所创建的项目的链接。
附图说明
图1是示出应用本公开内容的信息处理系统的实施方式的框图；
图2是示出服务器的功能的配置示例的框图；
图3是示出内容链接创建处理单元的功能的配置示例的框图；
图4是示出推荐用户选择处理单元的功能的配置示例的框图；
图5是示出提供内容设置单元的功能的配置示例的框图；
图6是示出客户端的功能的配置示例的框图；
图7是示出内容链接创建处理的流程图；
图8是示出用户历史的数据的配置示例的图；
图9是示出内容的特征量的示例的图；
图10是示出从内容的特征量到每个用户对于内容的评价值的回归系数的计算结果的示例的图；
图11是示出内容链接创建画面的示例的图；
图12是示出用户推荐学习处理的流程图；
图13是示出CUF元组的特征量的示例的图；
图14是示出关于在基于CUF的接受模型中使用的每个特征量的权重的示例的图；
图15是示出内容链接共享处理的流程图；
图16是示出推荐用户选择处理的细节的流程图；
图17是示出预测评价值的计算结果的示例的图；
图18是示出用户接受概率的计算结果的示例的图；
图19是示出反馈预测评价值的计算结果的示例的图；
图20是示出提供内容选择处理的细节的流程图；
图21是示出内容的再现次数的历史的示例的图；
图22是示出内容的特征量的示例的图；
图23是示出各内容之间的欧氏距离的计算结果的示例的图；
图24是示出推荐用户列表的显示示例的图；
图25是示出内容链接列表的显示示例的图；
图26是示出内容链接列表的另一显示示例的图；
图27是示出历史关联列表的显示示例的图；以及
图28是示出计算机的配置示例的框图。
具体实施方式
以下，将参照附图对本公开内容的优选实施方式进行详细描述。应注意，在本说明书和附图中，用相同的附图标记来表示基本上具有相同功能和结构的结构元件，并且省略了对这些结构元件的重复说明。
将按照下述顺序来进行以下描述。
1.实施方式
2.变型
<1.实施方式>
[信息处理系统1的配置示例]
图1是示出应用本公开内容的信息处理系统的实施方式的框图。
信息处理系统1包括服务器11和客户端12-1至12-n。服务器11与客户端12-1至12-n通过网络13互相连接。
下文中，当不需要单独区分客户端12-1至12-n时，将客户端12-1至客户端12-n简单地称为客户端12。
服务器11向每个客户端12提供作为各种项目的一种的内容的分发或推荐服务(下文称为内容分发服务)。
在内容分发服务中，除了内容分发或推荐服务之外，还提供与内容分发或推荐服务相关的各种服务。
例如，在内容分发服务中，提供下述服务，该服务用于支持用户关于内容给出反馈，如评论或评价，或者收集所给出的反馈并使用户共享所给出的反馈。
例如，在内容分发服务中，提供下述服务，该服务用于支持创建作为相关内容的链接的内容链接或者使用户共享该相关内容。
内容分发服务具有社交服务功能且每个用户可以与其他用户进行交流。例如，每个用户可以关注其他用户或者可以与其他用户建立友谊。
在这种情况下，用户关注其他用户是指进行设置以使得关注源用户可以自动地获取关于关注目标用户在内容分发服务上的活动的信息(例如，对各种内容的评论和反馈)。建立友谊是指两个用户互相建立关注关系。
下文中，将关注源用户称为关注者而将关注目标用户称为被关注者。因此，建立友谊的两个用户为关注者和被关注者。
例如，在内容分发服务中，提供推荐其他用户以及内容的服务。
下文中，将描述服务器11对作为内容的一种的音乐进行分发或推荐的情况的示例。
使用可以利用由服务器11提供的内容分发服务的设备，如个人电脑、便携式信息终端、移动电话、智能电话、视频播放器以及音频播放器来构成客户端12。
[服务器11的配置示例]
图2示出了服务器11的功能中执行与内容链接有关的处理和与提供其他用户的信息有关的处理的功能的配置示例。
服务器11包括通信单元31、信息处理单元32以及存储单元33。
通信单元31和信息处理单元32的各单元可以互相访问。信息处理单元32的各单元可以访问存储单元33的各单元。
通信单元31通过网络13与各个客户端12进行通信并且发送和接收与内容分发服务有关的各种信息或命令。
信息处理单元32执行与内容分发服务有关的各种处理。信息处理单元32包括：内容链接创建处理单元41、推荐用户选择处理单元42以及提供控制单元43。
内容链接创建处理单元41执行与内容链接的创建有关的处理。例如，内容链接创建处理单元41选择内容链接的链接源和链接目标的内容的候选，以及将两个内容进行链接的特征量的候选，并且将所选择的候选提供给显示控制单元52。
下文中，内容链接的链接源的内容和链接目标的内容分别称为链接源内容和链接目标内容。下文中，对链接源内容和链接目标内容进行链接的特征量称为链接特征量。
例如，内容链接创建处理单元41基于通过通信单元31从客户端12接收的来自用户的命令来确定链接源内容、链接目标内容以及链接特征量，并且创建内容链接。内容链接创建处理单元41将表示所创建的内容链接的内容链接信息存储在存储单元33的内容链接存储单元64中。
推荐用户选择处理单元42执行与推荐给用户的推荐用户的选择有关的处理。推荐用户选择处理单元42将表示推荐用户的选择结果的信息提供给提供控制单元43的提供内容设置单元51。
提供控制单元43控制向每个客户端12的各种信息的提供。提供控制单元43包括提供内容设置单元51和显示控制单元52。
提供内容设置单元51设置要提供给每个客户端12的信息的内容。提供内容设置单元51将表示设置内容的信息提供给显示控制单元52。
显示控制单元52生成显示控制数据以显示各种信息，通过通信单元31将显示控制数据发送到每个客户端12，并且控制每个客户端12中的各种信息的显示。例如，显示控制单元52控制每个客户端12的显示，例如创建内容链接的画面或者提供内容链接或推荐用户的画面。
存储单元33存储由内容分发服务使用的各种信息。存储单元33包括：内容信息存储单元61、用户关系存储单元62、用户历史存储单元63、内容链接存储单元64以及参数存储单元65。
内容信息存储单元61存储关于由内容分发服务提供的各内容的内容信息(例如，特征量和参数)。
用户关系存储单元62存储关于使用内容分发服务的用户之间的关系，例如，被关注者和关注者的友谊和关系的信息。
用户历史存储单元63存储表示每个用户在内容分发服务中的活动的历史的用户历史。用户历史包括每个用户的内容的使用历史或者关于对内容的反馈的信息。
内容链接存储单元64存储关于由每个用户创建的内容链接的内容链接信息。
参数存储单元65存储用于选择推荐给每个用户的推荐用户的学习模型的参数。
[内容链接创建处理单元41的配置示例]
图3示出服务器11的内容链接创建处理单元41的功能的配置示例。内容链接创建处理单元41包括：链接源内容选择单元101、特征量重要度计算单元102、链接特征量选择单元103、链接目标内容选择单元104以及内容链接创建单元105。
链接源内容选择单元101基于用户历史存储单元63中存储的用户历史来选择链接源内容的一个或更多个候选。链接源内容选择单元101将表示所选择的链接源内容的候选的信息提供给内容链接创建单元105和显示控制单元52。
特征量重要度计算单元102基于内容信息存储单元61中存储的内容信息以及用户历史存储单元63中存储的用户历史来计算内容的每个特征量的重要度。特征量重要度计算单元102将表示每个特征量的重要度的计算结果的信息提供给链接特征量选择单元103。
链接特征量选择单元103基于由特征量重要度计算单元102计算的重要度来选择链接特征量的一个或更多个候选。链接特征量选择单元103将表示所选择的链接特征量的候选的信息提供给内容链接创建单元105和显示控制单元52。
链接目标内容选择单元104基于链接特征量和内容信息存储单元61中存储的内容信息来选择链接目标内容的一个或更多个候选。链接目标内容选择单元104将表示所选择的链接目标内容的候选的信息提供给内容链接创建单元105和显示控制单元52。
内容链接创建单元105基于通过通信单元31从客户端12接收的来自用户的命令来从各候选中确定链接源内容、链接特征量以及链接目标内容，并且创建内容链接。内容链接创建单元105将表示所创建的内容链接的内容链接信息存储在内容链接存储单元64中。
当确定了链接源内容或链接特征量时，内容链接创建单元105将表示所确定的链接源或链接特征量的信息提供给链接源内容选择单元101、特征量重要度计算单元102、链接特征量选择单元103、链接目标内容选择单元104和显示控制单元52。当确定了链接目标内容时，内容链接创建单元105将表示所确定的链接目标内容的信息提供给显示控制单元52。
[推荐用户选择处理单元42的配置示例]
图4示出了服务器11的推荐用户选择处理单元42的功能的配置示例。推荐用户选择处理单元42包括学习单元131、预测单元132、变化量期待值计算单元133以及推荐用户选择单元134。
学习单元131学习用于预测下述参数的模型，该参数用于选择推荐给每个用户的推荐用户。学习单元131包括评价预测学习单元141、用户关系预测学习单元142、反馈预测学习单元143以及反馈评价预测学习单元144。
评价预测学习单元141基于内容信息存储单元61中存储的内容信息和用户历史存储单元63中存储的用户历史来生成用于预测每个用户对于内容的评价值的模型(下文中，称为评价预测模型)。评价预测学习单元141将表示所生成的评价预测模型的参数存储在参数存储单元65中。
用户关系预测学习单元142基于用户关系存储单元62中存储的用户关系信息和用户历史存储单元63中存储的用户历史来生成用于预测每个用户接受其他用户的概率的模型(下文中，称为用户关系预测模型)。用户关系预测学习单元142将表示所生成的用户关系预测模型的参数存储在参数存储单元65中。
反馈预测学习单元143基于内容信息存储单元61中存储的内容信息和用户历史存储单元63中存储的用户历史来生成用于预测每个用户对于各内容给出例如评论或评价的反馈的概率的模型(下文中，称为反馈预测模型)。反馈预测学习单元143将表示所生成的反馈预测模型的参数存储在参数存储单元65中。
反馈评价预测学习单元144基于内容信息存储单元61中存储的内容信息和用户历史存储单元63中存储的用户历史来生成用于预测每个用户对于由其他用户连同反馈一起提供的各内容的评价值的模型(下文中，称为反馈评价预测模型)。也就是说，反馈评价预测模型是用于预测不同于用户A的用户B对于由用户A连同反馈一起提供的内容的评价值的模型。反馈评价预测学习单元144将表示所生成的反馈评价预测模型的参数存储在参数存储单元65中。
预测单元132使用由学习单元131生成的模型来预测用于选择推荐给每个用户的推荐用户的参数。预测单元132包括评价预测单元151、用户关系预测单元152、反馈预测单元153以及反馈评价预测单元154。
评价预测单元151使用参数存储单元65中存储的评价预测模型来预测每个用户对于每个内容的评价值。评价预测单元151将表示预测结果的信息提供给变化量期待值计算单元133。
用户关系预测单元152使用参数存储单元65中存储的用户关系预测模型来预测每个用户接受其他用户的概率。用户关系预测单元152将表示预测结果的信息提供给变化量期待值计算单元133。
反馈预测单元153使用参数存储单元65中存储的反馈预测模型来预测每个用户对于各内容给出例如评论或评价的反馈的概率。反馈预测单元153将表示预测结果的信息提供给变化量期待值计算单元133。
反馈评价预测单元154使用参数存储单元65中存储的反馈评价预测模型来预测每个用户对于由其他用户连同反馈一起提供的各内容的评价值。反馈评价预测单元154将表示预测结果的信息提供给变化量期待值计算单元133。
变化量期待值计算单元133基于根据预测单元132的各单元的预测结果来计算为每个用户推荐其他用户之前和之后的用户行为的变化量的期待值(下文中，称为变化量期待值)。在这种情况下，用户的行为是对于是否使用内容的选择或对于内容的评价。变化量期待值计算单元133将表示计算结果的信息提供给推荐用户选择单元134。
推荐用户选择单元134基于变化量期待值的计算结果来选择推荐给每个用户的推荐用户。推荐用户选择单元134生成推荐用户排名，其中所选择的推荐用户按照变化量期待值大的推荐用户的顺序进行排列。推荐用户选择单元134将表示所生成的推荐用户排名的信息提供给提供内容设置单元51。
[提供内容设置单元51的配置示例]
图5示出了服务器11的提供内容设置单元51的功能的配置示例。提供内容设置单元51包括推荐用户列表生成单元171、内容链接列表生成单元172、历史关联列表生成单元173以及提供内容选择单元174。
推荐用户列表生成单元171基于推荐用户排名来生成作为推荐用户的列表的推荐用户列表。下文将描述推荐用户列表的细节。推荐用户列表生成单元171将生成的推荐用户列表提供给内容链接列表生成单元172、历史关联列表生成单元173、提供内容选择单元174以及显示控制单元52。
内容链接列表生成单元172基于内容链接存储单元64中存储的内容链接信息来生成作为内容链接的列表的内容链接列表。下文将描述内容链接列表的细节。内容链接列表生成单元172将生成的内容链接列表提供给提供内容选择单元174和显示控制单元52。
历史关联列表生成单元173基于用户历史存储单元63中存储的用户历史和内容链接存储单元64中存储的内容链接信息来生成历史关联列表，在该历史关联列表中将内容链接与用户的内容的用户历史融合。下文将描述历史关联列表的细节。历史关联列表生成单元173将生成的历史关联列表提供给提供内容选择单元174和显示控制单元52。
提供内容选择单元174基于内容信息存储单元61中存储的内容信息和用户历史存储单元63中存储的用户历史，在将其他用户的信息提供给用户时，选择作为其他用户的内容的使用历史而提供的内容(下文中，称为提供内容)。提供内容选择单元174将表示提供内容的选择结果的信息提供给显示控制单元52。
[客户端12的配置示例]
图6示出了客户端12的功能的配置示例。客户端12包括通信单元201、再现单元202、输出控制单元203、输出单元204、输入单元205以及内容链接创建单元206。
通信单元201通过网络13与服务器11通信，并且发送和接收与内容分发服务有关的各种信息或命令。
再现单元202通过网络13和通信单元201接收来自服务器11的内容，并且再现所接收的内容。再现单元202将作为再现结果获得的再现数据提供给输出控制单元203。
输出控制单元203通过网络13和通信单元201从服务器11接收提供给用户的信息(例如关于内容的信息和对内容的评论)或者与内容的再现一起显示的信息。输出控制单元203基于再现数据来控制输出单元204中的运动图像或静止图像的显示以及声音的输出。输出控制单元203控制从服务器11接收的各种信息在输出单元204中的显示。
使用例如显示器的各种显示设备以及例如扬声器和声音输出终端的各种声音输出设备来构成输出单元204。
使用例如键盘、鼠标、触摸面板和麦克风的各种输入设备来构成输入单元205。输入单元205将由用户输入的信息或命令提供给再现单元202、输出控制单元203以及内容链接创建单元206。
内容链接创建单元206通过网络13和通信单元201，在与服务器11交换信息或各种命令的情况下执行与内容链接的创建有关的处理。
[信息处理系统1的处理]
接下来，将参照图7至图27对信息处理系统1的处理进行描述。
(内容链接创建处理)
首先，将参照图7的流程图对由服务器11执行的内容链接创建处理进行描述。
当从客户端12之一通过网络13将内容链接创建请求发送给服务器11时，内容链接创建处理开始。
以下，在内容链接创建处理中执行内容链接的创建的用户被称为活动用户。
在步骤S1中，内容链接创建处理单元41的链接源内容选择单元101选择链接源内容的候选。例如，链接源内容选择单元101基于用户历史存储单元63中存储的用户历史来选择适合于活动用户的喜好的内容作为链接源内容的候选。适合于活动用户的喜好的内容是活动用户的使用频率或评价高的内容。
在这种情况下，将参照图8对选择链接源内容的候选的方法的具体示例进行描述。
图8示出用户历史存储单元63中存储的用户历史的数据的一部分的配置示例。在该示例中，用户历史包括每个用户对于各内容的评价值和各内容的再现次数。
例如，当链接源内容的候选的选择条件被设置为选择再现次数大于等于10的内容时，如果活动用户为用户U1，则内容C1、C2以及C4被选为链接源内容的候选。
链接源内容选择单元101将表示所选择的链接源内容的候选的信息提供给内容链接创建单元105和显示控制单元52。
在步骤S2中，服务器11提供链接源内容的候选。具体地，显示控制单元52生成显示控制数据以显示链接源内容的候选并且通过通信单元31将显示控制数据发送给活动用户的客户端12。
活动用户的客户端12的输出控制单元203通过网络13和通信单元201从服务器11接收显示控制数据。输出控制单元203基于显示控制数据，通过显示单元204来显示链接源内容的候选。从而，将链接源内容的候选提供给活动用户。
在步骤S3中，服务器11确定链接源内容。
例如，活动用户操作客户端12的输入单元205并且从提供的链接源内容的候选中选择一个期望的候选。此时，活动用户可以从除了提供的候选之外的内容中选择链接源内容。内容链接创建单元206获取来自输入单元205的表示链接源内容的选择结果的信息，并且通过通信单元201将该信息发送给服务器11。
服务器11的通信单元31通过网络13接收来自客户端12的表示链接源内容的选择结果的信息，并且将该信息提供给内容链接创建单元105。内容链接创建单元105将由活动用户选择的内容确定为链接源内容。
内容链接创建单元105可以从各候选中选择链接源内容，而不取决于活动用户的选择。
例如，内容链接创建单元105可以从各候选中选择具有最高的候选选择标准达成率的内容作为链接源内容。在上述参照图8的示例中，当用户U1为活动用户时，具有最大再现次数的内容C1被选为链接源内容。
或者，内容链接创建单元105可以从各候选中随机地选择链接源内容。
内容链接创建单元105将表示所确定的链接源内容的信息提供给链接源内容选择单元101、特征量重要度计算单元102、链接特征量选择单元103、链接目标内容选择单元104以及显示控制单元52。
在步骤S4中，特征量重要度计算单元102基于活动用户和链接源内容的至少之一来计算每个特征量的重要度。
首先，将描述基于活动用户计算每个特征量的重要度的方法的示例。
例如，在预测活动用户对于内容的评价值方面有效的特征量是影响活动用户对于内容的评价、并且对于活动用户具有高的重要度的特征量。因此，特征量重要度计算单元102基于内容信息存储单元61中存储的内容信息和用户历史存储单元63中存储的用户历史来进行从内容的特征量到活动用户对于内容的评价值的回归分析。此外，特征量重要度计算单元102将所计算的回归系数设置为活动用户的每个特征量的重要度。此时，如果将L1正则化应用于回归分析(例如，Tibshirani,R.,“Regression Shrinkage and Selection viathe Lasso”,Journal of the Royal Statistical Society,Series B,Vol.58,No.1,1996)，那么可以将对评价值的预测没有贡献的特征量的回归系数设置为0。
在这种情况下，将参照图9和图10以及上述的图8对使用回归分析计算特征量的重要度的方法的具体示例进行描述。
图9示出了内容信息存储单元61中存储的内容信息中包括的内容的特征量的具体示例。在该示例中，关于各内容计算了三种特征量：节拍、声密度以及节奏乐器比。
图10示出了基于图8的用户历史和图9的内容特征量，通过进行从内容的特征量到每个用户对于内容的评价值的回归分析而获得的回归系数的示例。因为图8和图9中仅示出了用户历史和内容特征量的一部分，因此图8和图9中示出的数据不完全对应于图10的计算结果。
将图10中所示的每个回归系数设置为每个用户的每个特征量的重要度。例如，在该示例的情况中，对于用户U1，节拍变成具有最高重要度的特征量而声密度变成具有最低重要度的特征量。对于用户U2，声密度变成具有最高重要度的特征量而节奏乐器比变成具有最低重要度的特征量。对于用户U3，节奏乐器比变成具有最高重要度的特征量而节拍变成具有最低重要度的特征量。
例如，用户可以考虑将所创建的内容链接作为用户的相似度的标准，并且可以基于所创建的内容链接来学习特征量的重要度。
已知一种在给出多个相似对的情况下学习马哈朗诺比斯距离的方法(例如，参照Yang,L.,“Distance Metric Learning:A Comprehensive Survey”,Michigan StateUniversity,2006)。
在学习马哈朗诺比斯距离的方法中，如果将协方差矩阵限制为对角矩阵，那么可以将与每个特征量对应的协方差矩阵的元素用作每个特征量的重要度。
或者，可以基于活动用户在创建内容链接时使用的链接特征量的历史来设置活动用户的每个特征量的重要度。例如，在由活动用户过去创建的内容链接中，对链接特征量中具有高使用频率的特征量设置高的重要度，而对链接特征量中具有低使用频率的特征量设置低的重要度。
接下来，将描述基于链接源内容来计算每个特征量的重要度的方法的示例。
例如，对显著表示链接源内容的特征的特征量设置高的重要度，而对不显著表示链接源内容的特征的特征量设置低的重要度。
在这种情况下，显著表示链接源内容的特征的特征量是其他内容很少具有而链接源内容具有的特征量，或者是其他内容经常具有而链接源内容不具有的特征量。例如，当链接源内容属于非常罕见的风格(genre)时，作为特征量之一的风格信息的重要度被设置为高。
当用连续量来表示特征量时，显著表示链接源内容的特征的特征量是其中链接源内容的值与整体平均值非常不同的特征量。例如，当与其他内容相比，链接源内容的节拍显著快或慢时，作为特征量之一的音乐作品的节拍的重要度被设置为高。
计算特征量的重要度的方法仅是示例性的，也可以使用其他方法。可以基于活动用户和链接源内容两者来计算特征量的重要度。
特征量重要度计算单元102将表示每个特征量的重要度的计算结果的信息提供给链接特征量选择单元103。
在步骤S5中，链接特征量选择单元103选择链接特征量的候选。具体地，链接特征量选择单元103选择按照通过步骤S4的处理计算的重要度高的特征量的顺序选择的预定数量的特征量来作为链接特征量的候选。链接特征量选择单元103将表示所选择的链接特征量的候选的信息提供给内容链接创建单元105和显示控制单元52。
在步骤S6中，在活动用户的客户端12中，以与步骤S2的处理相同的方式提供链接特征量的候选。
在步骤S7中，服务器11确定链接特征量。
例如，活动用户操作客户端12的输入单元205并且从提供的链接特征量的候选中选择一个或更多个期望的候选。此时，活动用户可以直接输入文本数据，并且可以选择除了提供的候选之外的特征量作为链接特征量。活动用户可以输入信息来描述链接特征量。该信息可以被显示在下文将要描述的图25的对话框422a上。
内容链接创建单元206从输入单元205获取表示链接特征量的选择结果的信息，并且通过通信单元201将该信息发送到服务器11。
服务器11的通信单元31通过网络13接收来自客户端12的表示链接特征量的选择结果的信息，并将该信息提供给内容链接创建单元105。内容链接创建单元105将由活动用户选择的特征量确定为链接特征量。
内容链接创建单元105可以从各候选中选择链接特征量，而不取决于活动用户的选择。
例如，内容链接创建单元105可以从各候选中选择一个或更多个按照具有高的重要度的特征量的顺序选择的特征量来作为链接特征量。
或者，内容链接创建单元105可以从各候选中随机选择链接特征量。
内容链接创建单元105将表示所确定的链接特征量的信息提供给链接源内容选择单元101、特征量重要度计算单元102、链接特征量选择单元103、链接目标内容选择单元104以及显示控制单元52。
在步骤S8中，链接目标内容选择单元104选择链接目标内容的候选。
具体地，链接目标内容选择单元104只基于所确定的链接特征量来计算链接源内容与其他内容的相似度。例如，链接目标内容选择单元104基于内容信息存储单元61中存储的内容信息，只使用链接特征量来计算链接源内容与其他内容之间的欧氏距离。链接目标内容选择单元104将算出的欧氏距离设置为链接源内容与各内容的相似度。链接目标内容选择单元104选择按照与链接源内容具有高相似度的内容的顺序选择的预定数量的内容来作为链接目标内容的候选。
此时，可以从活动用户已经使用的内容中选择链接目标内容的候选，使得活动用户易于选择候选。在这种情况下，可以根据使用水平来任意设置链接目标内容的候选的选择范围。例如，可以将包括活动用户已经再现的内容的集合设置为选择范围，或者可以将选择范围广泛地设置为多至包括活动用户已经读取信息的内容的集合。
链接目标内容选择单元104将表示所选择的链接目标内容的候选的信息提供给内容链接创建单元105和显示控制单元52。
在步骤S9中，在活动用户的客户端12中，以与步骤S2的处理相同的方式来提供链接目标内容的候选。
在步骤S10中，服务器11确定链接目标内容。
例如，活动用户操作客户端12的输入单元205并且从所提供的链接目标的候选中选择一个期望的候选。此时，活动用户可以从除了所提供的候选之外的内容中选择链接目标内容。内容链接创建单元206从输入单元205获取表示链接目标内容的选择结果的信息，并且通过通信单元201将该信息发送给服务器11。
服务器11的通信单元31通过网络13从客户端12接收表示链接目标内容的选择结果的信息，并且将该信息提供给内容链接创建单元105。内容链接创建单元105将由活动用户选择的内容确定为链接目标内容。
内容链接创建单元105可以从各候选中选择链接目标内容，而不取决于活动用户的选择。
例如，内容链接创建单元105可以在各候选中选择与链接源内容之间基于链接特征量的相似度最高的内容来作为链接目标内容。
或者，内容链接创建单元105可以从各候选中随机选择链接目标内容。
内容链接创建单元105将表示所确定的链接目标内容的信息提供给显示控制单元52。
在步骤S11中，内容链接创建单元105存储所创建的内容链接。具体地，内容链接创建单元105使形成所创建的内容链接的链接源内容和链接目标内容、所使用的链接特征量以及关于创建内容链接的活动用户的信息(例如，用户ID)相关联，并将关联结果存储在内容链接存储单元64中。
然后，内容链接创建处理结束。
按这种方式，因为链接源内容的候选、链接特征量的候选以及链接目标内容的候选是根据活动用户的喜好或行为来提供的，所以可以容易地创建满足度高的内容链接。因为基于所选择的链接特征量来提供与链接源内容相似的内容作为链接目标内容的候选，所以活动用户可以基于各种视点找到与链接源内容相关的链接目标内容。从而，可以容易地创建包括适当内容的组合的内容链接。
在以上的示例中，依次提供了链接源内容的候选、链接特征量的候选和链接目标内容的候选，并且依次确定这些候选。然而，也可以同时提供链接源内容的候选、链接特征量的候选和链接目标内容的候选，并且可以同时确定这些候选。
图11示出当同时提供并且同时确定链接源内容的候选、链接特征量的候选以及链接目标内容的候选时，在客户端12中显示的内容链接创建画面的示例。图11中的虚线是为了说明而添加的辅助线，实际上不显示。
内容链接创建画面被分为链接源内容显示区域301、链接特征量显示区域302、以及链接目标内容显示区域303。在链接目标内容显示区域303下方，设置了决定按钮304。
在链接源内容显示区域301中，显示了图标311-1至311-7以及按钮312L和312R。图标311-1至311-7中的每个示出了链接源内容的每个候选，并且包括对应内容(音乐作品)的专辑的图像、单曲外壳的图像或艺术家的图像被用作图标。
以下，当不需要个别区分图标311-1至311-7时，将图标311-1至311-7简单地称为图标311。
如果按下按钮312L，每个图标311向左侧方向滚动。此时，当在左端显示的图标311消失并且存在未在画面上显示的链接源内容的候选时，对应于该内容的图标311出现在右端。另外，如果按下按钮312R，则每个图标311向右侧方向滚动。此时，当右端显示的图标311消失，并且存在未在画面中显示的链接源内容的候选时，对应于该内容的图标311出现在左端。当图标显示在触摸屏上时，可以通过滑动(flick)操作来滚动图标311。
与在中心较大地显示的图标311对应的内容变成当时被选择为链接源内容的内容。因此，将图标311向左侧方向或向右侧方向滚动并且显示在中心的图标311发生改变，使得可以切换链接源内容的选择。在中心显示的图标311下方显示与该图标对应的内容的标题和艺术家名字。
在链接特征量显示区域302中，显示了图标313-1至313-3以及按钮314L和314R。图标313-1至313-3中的每个示出了链接特征量的每个候选。例如，显示表示链接特征量的字符串。
以下，当不需要个别地区分图标313-1至313-3时，可以将图标313-1至313-3简单地称为图标313。
如果按下按钮314L，则每个图标313向左侧方向滚动。此时，当左端显示的图标313消失，并且存在未在画面上显示的链接特征量的候选时，对应该链接特征量的图标313出现在右端。另外，如果按下按钮314R，则每个图标313向右侧方向滚动。此时，当右端显示的图标313消失，并且存在未在画面上显示的链接特征量的候选时，对应于该链接特征量的图标313出现在左端。当图标显示在触摸屏上时，可以通过滑动操作来滚动图标313。
与在中心较大地显示的图标313对应的特征量变成当时被选择为链接特征量的特征量。因此，将图标313向左侧方向或向右侧方向滚动并且在中心显示的图标313发生变化，使得可以切换链接特征量的选择。
在链接目标内容显示区域303中，显示了图标315-1至315-7以及按钮316L和316R。图标315-1至315-7中的每个示出链接目标内容的每个候选。例如，使用包括对应内容(音乐作品)的专辑的图像、单曲外壳的图像或艺术家的图像。
以下，当不需要个别区分图标315-1至315-7时，将图标315-1至315-7简单地称为图标315。
如果按下按钮316L，则每个图标315向左侧方向滚动。此时，当左端显示的图标315消失并且存在未在画面中显示的链接目标内容的候选时，对应于该内容的图标315出现在右端。另外，如果按下按钮316R，则每个图标315向右侧方向滚动。此时，当右端显示的图标315消失并且存在未在画面中显示的链接目标内容的候选时，对应于该内容的图标315出现在左端。当图标显示在触摸屏上时，可以通过滑动操作来滚动图标315。
与在中心较大地显示的图标315对应的内容变成当时被选择为链接目标内容的内容。因此，图标315向左侧方向或向右侧方向滚动并且显示在中心的图标315发生变化，使得可以切换链接目标内容的选择。在显示在中心的图标315下方显示对应于该图标的内容的标题和艺术家名称。
例如，如果切换链接源内容的选择，那么链接目标内容的候选会基于当时选择的链接源内容和链接特征量而发生变化。从而链接目标内容显示区域303的图标315更新为表示变化后的链接目标内容的候选的图标。
此时，当基于链接源内容选择链接特征量的候选时，可以根据链接源内容的变化来更新链接特征量的候选的显示。此外，可以根据链接源内容和链接特征量的变化来更新链接目标内容的候选的显示。
同样地，如果切换链接特征量的选择，则链接目标内容的候选会基于当时所选择的链接源内容和链接特征量而变化。从而，链接目标内容显示区域303的图标315被更新为表示变化后的链接目标内容的候选的图标。
在分别改变链接源内容、链接特征量以及链接目标内容的情况下，当配置了期望的组合时，活动用户按下决定按钮304。以这种方式，创建包括当时所选择的链接源内容、链接特征量以及链接目标内容的组合的内容链接。
因此，活动用户可以在使用一个画面确认链接源内容、链接特征量以及链接目标内容的组合的情况下创建内容链接。可以任意地改变链接源内容、链接特征量以及链接目标内容，直到按下决定按钮。因此，可以很容易地创建期望的内容链接。
(用户推荐学习处理)
接下来，将参照图12的流程图对由服务器11执行的用户推荐学习处理进行描述。
用户推荐学习处理被定期地执行或当满足预定条件时被执行。在这种情况下，预定条件是当添加或删除用户时以及将用户推荐学习处理的执行的命令输入给服务器11时。
在步骤S101中，评价预测学习单元141执行评价预测学习。即，评价预测学习单元141基于内容信息存储单元61中存储的内容信息和用户历史存储单元63中存储的用户历史，使用预定的学习方法来生成用于预测每个用户对于内容的评价值(例如，喜欢和不喜欢以及五个评价等级)的评价预测模型。
可以采用任何方法作为由评价预测学习单元141执行的学习方法，例如Su,X.,Khoshgoftaar,T.M.,“A Survey of Collaborative Filtering Techniques”,Advancesin Artificial Intelligence,Vol.2009，2009，中所述的方法。
评价预测学习单元141将表示所生成的评价预测模型的参数存储在参数存储单元65中。
在步骤S102中，用户关系预测学习单元142执行用户关系预测学习。即，用户关系预测学习单元142基于用户关系存储单元62中存储的用户关系信息和用户历史存储单元63中存储的用户历史，使用预定的学习方法生成用于预测每个用户接受其他用户的概率的用户关系预测模型。
在这种情况下，用户A接受用户B的概率是在内容分发服务上用户A与用户B建立友谊或关注用户B的概率。即，用户A接受用户B的概率是用户A变为用户B的关注者的概率。
可以采用任何方法作为由用户关系预测学习单元142执行的学习方法，例如Hasan,M.A.,Zaki,M.J.,“A Survey of Link Prediction in Social Networks”,SocialNetwork Data Analytics,Springer,2011，中所述的方法。
用户关系预测学习单元142将表示所生成的用户关系预测模型的参数存储在参数存储单元65中。
在步骤S103中，反馈预测学习单元143执行反馈预测学习。即，反馈预测学习单元143基于内容信息存储单元61中存储的内容信息和用户历史存储单元63中存储的用户历史，使用预定的学习方法来生成用于预测每个用户对各内容给出例如评论或评价的反馈的概率的反馈预测模型。
可以采用任何方法作为由反馈预测学习单元143执行的学习方法，例如Zhang,Y.,et al.,“Sentiment Analysis for Online Reviews Using an Author-Review-ObjectModel”,Asia Information Retrieval Societies Conference,2011，中所述的方法。
反馈预测学习单元143将表示所生成的反馈预测模型的参数存储在参数存储单元65中。
在步骤S104中，反馈评价预测学习单元144执行反馈评价预测学习。即，反馈评价预测学习单元144基于内容信息存储单元61中存储的内容信息和用户历史存储单元63中存储的用户历史，使用预定的学习方法来生成用于预测每个用户对于由其他用户连同反馈一起提供的各内容的评价值的反馈评价预测模型。
可以采用任何方法作为由反馈评价预测学习单元144执行的学习方法，例如由与本公开内容相同的申请人申请的日本专利申请公开第2011-168975号中所述的方法。
在这种情况下，将简单描述日本专利申请公开第2011-168975号中所述的方法。
例如，当将内容的反馈和给出该反馈的用户连同内容一起提供时，反馈评价预测学习单元144收集反馈的数据(下文中称为元反馈)，该反馈是所提供的用户关于所提供的组合(下文中称为CUF元组)给出的反馈。反馈评价预测学习单元144判断所收集的元反馈是正的还是负的。
反馈评价预测学习单元144将用户的特征量、内容的特征量以及反馈的特征量矢量化为一个矢量，将元反馈的正判定结果或负判定结果设置为正例或负例，应用例如支持矢量机和逻辑回归的判定方法(例如，参照Bishop C.M.,“Pattern Recognition andMachine Learning”,Springer-Verlag,2006)，并且生成关于CUF元组的接受模型。
例如，如图13中所示地表示CUF元组的特征量矢量。在图13中，各栏的值表示第一列中所示的评价对象元组中包括的内容、用户以及反馈关于第二列以及随后列中所示的各项目的特征量。例如，图13的第一条记录示出了作为评价对象元组的元组(C1,U2和F1)中包括的内容、用户以及反馈的特征量。具体地，内容C1关于各项目“摇滚风格”、“流行风格”、“爵士风格”、“节拍”、“响度”以及“节奏乐器比”的特征量分别为1、0、0、40、55以及40。用户U2关于各项目“男人”、“女人”、“20岁或以下”、“30岁”以及“40岁或以上”的特征量分别为1、0、0、1以及0。反馈F1关于各项目“酷”、“！”、“特征量4”以及“特征量5”的特征量分别为1、1、0以及0。
利用逻辑回归，基于元反馈的判定结果来进行学习，使得如图14中所示地计算用于计算每个用户对于CUF元组的预测接受度的每个特征量的权重。
在图14中，各栏的值表示第一列中所示的用户关于第二列以及随后列中所示的各项的权重。例如，图14的第一条记录示出用户A1关于各项的权重。具体地，用户A1关于与内容有关的各项“摇滚风格”、“流行风格”、“爵士风格”、“节拍”、“响度”以及“节奏乐器比”的权重分别为0.85、0.20、-0.42、0.021、0.152以及0.002。用户A1关于与用户有关的各项“男人”、“女人”、“20岁或以下”、“30岁”以及“40岁或以上”的权重分别为0.51、0.22、0.11、0.53以及0.33。用户A1关于与反馈有关的各项“酷”、“！”、“特征量4”以及“特征量5”的权重分别为0.79、0.35、1.24以及0.80。
使用图14的各个权重的加法表达式变成接受模型。即，通过将CUF元组中包括的内容、用户以及反馈的各特征量乘以图14中对应的各权重并将各特征量相加而获得的值成为用户对于CUF元组的预测接受度。
每个用户对于CUF元组的接受模型可以用作每个用户的反馈评价预测模型。
当通过三个值或更多个值，例如，五个程度来表示元反馈的判定结果时，可以使用线性回归而不用上述的支持矢量机和逻辑回归。
反馈评价预测学习单元144将表示所生成的反馈评价预测模型的参数存储在参数存储单元65中。
然后，用户推荐学习处理结束。
(内容链接共享处理)
接下来，将参考图15的流程图对由服务器11执行的内容链接共享处理进行描述。
当通过网络13将包括内容链接的画面的显示请求从客户端12之一发送给服务器11时，内容链接共享处理开始。
以下，将在内容链接共享处理中请求显示包括内容链接的画面的用户称为活动用户。
在步骤S201中，服务器11执行推荐用户排名生成处理。在这种情况下，将参考图16的流程图来描述推荐用户排名生成处理的细节。
在步骤S231中，评价预测单元151预测活动用户对于各内容的评价值。即，评价预测单元151利用参数存储单元65中存储的评价预测模型来计算活动用户u对于各内容c的预测评价值ruc。评价预测单元151将表示计算结果的信息提供给变化量期待值计算单元133。
在步骤S232中，预测单元132从活动用户未关注的用户(下文称为未关注用户)中选择一个未被选为对象用户的用户。在这种情况下，对象用户是成为步骤S233至S235的处理的对象的用户。
在步骤S233中，用户关系预测单元152对活动用户接受对象用户的概率进行预测。即，用户关系预测单元152使用参数存储单元65中存储的用户关系预测模型来计算作为活动用户u接收对象用户v的概率的用户接受概率P(v|u)。用户关系预测单元152将表示计算结果的信息提供给变化量期待值计算单元133。
在步骤S234中，反馈预测单元153预测对象用户对各内容给出反馈的概率。即，反馈预测单元153使用存储在参数存储单元65中的反馈预测模型来计算作为对象用户v对各内容c给出反馈f的概率的反馈给出概率P(c,f|v)。反馈预测单元153将表示计算结果的信息提供给变化量期待值计算单元133。
在步骤S235中，反馈评价预测单元154对活动用户对于由对象用户连同反馈一起提供的各内容的评价值进行预测。即，反馈评价预测单元154使用参数存储单元65中存储的反馈评价预测模型来计算活动用户u对于由对象用户v连同反馈f一起提供的各内容c的反馈预测评价值ruc(f,v)。反馈评价预测单元154将表示计算结果的信息提供给变化量期待值计算单元133。
在步骤S236中，预测单元132判定在活动用户未关注的用户中是否存在未被选为对象用户的用户。当判定活动用户未关注的用户中存在未被选为对象用户的用户时，处理返回至步骤S232。
然后，步骤S232至S236的处理被重复执行直到在步骤S236中判定活动用户未关注的用户中不存在未被选为对象用户的用户。因此，关于活动用户u的未关注用户v计算了用户接受概率P(v|u)、反馈给出概率P(c,f|v)以及反馈预测评价值ruc(f,v)。
另外，当在步骤S236中判定活动用户未关注的用户中不存在未被选为对象用户的用户时，处理进行至步骤S237。
在步骤S237中，变化量期待值计算单元133计算变化量期待值。
通常，通过接受刺激的概率×由刺激造成的行为的变化量来计算通过给予一定刺激造成的用户的行为的变化量期待值。可以通过对用户给予成为argmaxstimulus(接受刺激的概率×由刺激造成的行为的变化量)的刺激来使用户的行为的变化量的期待值最大化。
因此，变化量期待值计算单元133使用以下表达式1和2来计算活动用户u对于每个未关注用户v的变化量期待值E(v|u)。
Δ(ruc,ruc(c，u))＝ruc(c，v)-ruc···(2)
在表达式1中，P(v|u)表示活动用户u接受刺激(用户v)的概率，ΣcP(c,f|v)Δ(ruc,ruc(f,v))表示由刺激造成的活动用户的行为的变化量。变化量期待值E(v|u)表示在没有给予称为用户v的刺激(用户v的推荐)时活动用户u的行为与给予该刺激时活动用户u的行为的差。因此，如果变化量期待值E(v|u)的绝对值增大，则在用户v被推荐后活动用户u的行为变化的概率变高。另外，如果变化量期待值E(v|u)的绝对值减小，则在用户v被推荐后活动用户u的行为变化的概率变低。
此外，Δ(ruc,ruc(f,v)表示由于提供用户v的反馈而造成的活动用户u对于内容c的预测评价值的变化量。因此，变化量期待值E(v|u)表示当给予称为用户v的刺激时，活动用户u对于各内容的评价值的变化量的期待值。当变化量期待值E(v|u)取正值时，如果变化量期待值的绝对值增大，则在用户v被推荐后活动用户对于内容的评价值整体增大的可能性变高。另外，当变化量期待值E(v|u)取负值时，如果变化量期待值的绝对值增大，则在用户v被推荐后活动用户对于内容的评价值整体降低的可能性变高。
变化量期待值计算单元133将表示计算结果的信息提供给推荐用户选择单元134。
在步骤S238中，推荐用户选择单元134生成推荐用户排名。首先，推荐用户选择单元134将活动用户的未关注用户设置为候选用户，并且从候选用户中选择推荐给活动用户的推荐用户。具体地，推荐用户选择单元134从活动用户的未关注用户中选择按照其变化量期待值E(v|u)是预定阈值或大于预定阈值的用户的顺序选择的预定数量的用户，或者变化量期待值E(v|u)大的用户，作为推荐用户。
接下来，推荐用户选择单元134生成推荐用户排名，其中，所选择的推荐用户按照变化量期待值E(v|u)大的用户的顺序来排列。推荐用户选择单元134将表示所生成的推荐用户排名的信息提供给提供内容设置单元51的推荐用户列表生成单元171。
然后，推荐用户排名生成处理结束。
例如，当在典型的社交服务中为活动用户u推荐其他用户v时，可以预料会生成以下动作流。
1.活动用户u接受推荐用户v。即，活动用户u关注用户v或与用户v建立友谊。
2.用户v对某内容c给出反馈f。
3.活动用户u看见用户v的反馈f并接受内容c。例如，活动用户u观看或再现内容c或购买内容c。
如上所述，如果推荐了变化量期待值E(v|u)(其为正值并且其绝对值大)大的用户v，则活动用户u接受用户v并且活动用户u对于各内容的评价值增大的可能性变高。因此，活动用户u接受新内容的可能性变大。因此，将推荐用户排名中的高排名用户推荐给活动用户u，使得新内容可以有效地被活动用户u接受。
可以通过以下表达式3而不是上述表达式1来计算变化量期待值E(v|u)。
在表达式3中，Cv表示用户v给出了反馈的内容的集合。
在变型中，只使用用户v实际上已给出反馈的内容的集合来计算变化量期待值E(v|u)，而不使用反馈给出概率P(c,f|v)。因此，可以省略图12的步骤S103的反馈预测学习和图16的步骤S234的反馈给出概率P(c,f|v)的计算。
在这种情况下，将参照图17至图19对使用表达式3的变化量期待值E(v|u)来选择推荐用户的情况的具体示例进行描述。
图17示出了活动用户u的预测评价值ruc的计算结果的示例。在该示例中，活动用户u对于内容C11至C14的预测评价值ruc分别变成4.13、2.21、5.46以及3.30。
图18示出了活动用户u对于用户v的用户接受概率P(v|u)的计算结果的示例。在该示例中，活动用户u对于用户U11至用户U14的用户接受概率P(v|u)分别变成0.49、0.11、0.63以及0.61。
图19示出了活动用户u对于用户v给出了反馈的内容c的反馈预测评价值ruc(f,v)的计算结果的示例。在该示例中，活动用户u对于用户U11给出了反馈的内容C11、C12以及C14的反馈预测评价值ruc(f,v)分别变成5.24、2.54以及3.02。活动用户u对于用户U12给出了反馈的内容C12和C13的反馈预测评价值ruc(f,v)分别变成5.73和5.31。
变成N/A的反馈预测评价值ruc(f,v)不用于计算变化量期待值E(v|u)，这是因为用户v的反馈没有给予该对象内容。
例如，利用表达式3将活动用户u对于用户U11的变化量期待值E(U11|u)计算为0.568(＝0.49×(5.24–4.13+2.54–2.21+3.02–3.30)。另外，利用表达式3将活动用户u对于用户U12的变化量期待值E(U12|u)计算为0.371(＝0.11×(5.73–2.21+5.31–5.46))。
因此，当比较用户U11和用户U12时，适当的是将用户U11推荐给活动用户u。当用户U11和用户U12之一被选为推荐用户时，用户U11被选为推荐用户。
返回图15，在步骤S202中，推荐用户列表生成单元171基于推荐用户排名来生成推荐用户列表。具体地，推荐用户列表生成单元171根据预定的标准，从推荐用户排名中包括的用户中选择实际上推荐给活动用户的推荐用户。
可以任意设置推荐用户的选择标准。例如，可以将从推荐用户排名的顶部到预定排名的用户选为推荐用户，或者可以只将在推荐用户排名中包括的用户中的、活动用户的被关注者选为推荐用户。
推荐用户列表生成单元171生成推荐用户列表，其中所选择的推荐用户按照预定标准进行排列。例如，推荐用户列表生成单元171按照其中变化量期待值E(v|u)大的用户的顺序来排列推荐用户并生成推荐用户列表。推荐用户列表生成单元171将所生成的推荐用户列表提供给内容链接列表生成单元172、历史关联列表生成单元173、提供内容选择单元174以及显示控制单元52。
以下，提供给活动用户的用户，例如活动用户的被关注者或包括在推荐用户列表中的用户被称为提供用户。
在步骤S203中，内容链接列表生成单元172生成内容链接列表。具体地，内容链接列表生成单元172从内容链接存储单元64中读取由提供用户生成的内容链接，根据预定的标准来排列所读取的内容链接，并且生成内容链接列表。
可以任意设置用于排列内容链接的标准。例如，可以按照时间次序排列内容链接，例如，按照新或旧创建日期和时间的顺序。可以将具有相似特征量的提供用户创建的内容链接排列成彼此相邻。相反，可以将具有不同特征量的提供用户创建的内容链接排列成彼此相邻。
内容链接列表生成单元172将生成的内容链接列表提供给提供内容选择单元174和显示控制单元52。
在步骤S204中，历史关联列表生成单元173生成历史关联列表。例如，历史关联列表生成单元173基于用户历史存储单元63中存储的活动用户的用户历史来对从过去的预定时间点到当前时间点由活动用户使用的内容进行提取。
此时，可以根据使用水平来任意设置内容的提取范围。例如，可以将包括活动用户已再现的内容的集合设置为提取范围，或者将提取范围广泛地设置为多至包括活动用户已读取信息的内容的集合。
历史关联列表生成单元173基于内容链接存储单元64中存储的内容链接信息来对所提取的内容中成为由提供用户创建的内容链接的链接源内容或链接目标内容的内容以及该内容的内容链接进行提取。
历史关联列表生成单元173基于所提取的内容和内容链接来生成历史关联列表。历史关联列表生成单元173将所生成的历史关联列表提供给提供内容选择单元174和显示控制单元52。
以下将对历史关联列表的细节进行描述。
在步骤S205中，提供内容选择单元174执行提供内容选择处理。在这种情况下，将参考图20的流程图对提供内容选择处理的细节进行描述。
在步骤S261中，提供内容选择单元174从所提供的用户中选择一个没有选择所提供的内容的用户。
下文中，将以上处理中通过步骤S261选择的用户称为对象用户。
在步骤S262中，提供内容选择单元174选择变成所提供的候选的内容组。例如，提供内容选择单元174基于用户历史存储单元63中存储的用户历史，对对象用户的内容的使用历史中高排名的以及包括在活动用户的内容的使用历史中的内容组(下文中称为提供候选内容组)进行提取。
对象用户的内容的使用历史中排名高的内容是对于对象用户来说重要度高的内容。例如，通过对象用户的使用次数或对象用户给出的评价值来确定该内容。
包括在活动用户的内容的使用历史中的内容是活动用户过去使用的内容。
可以任意设置包括在对象用户和活动用户的使用历史中的内容的使用水平。例如，只有被再现过的内容可以被包括在使用历史中，或者其信息被读取过的内容也可以被包括在使用历史中。
在这种情况下，将参考图21对基于再现内容的次数来提取提供候选内容组的情况下的示例进行描述。图21示出了活动用户U1和对象用户U11中的每个用户的再现内容的次数的历史。
例如，当提供候选内容组的提取条件被设置为对象用户U11的再现次数为10次或更多次并且活动用户也再现了该内容的条件时，则内容C11、C12、C14、C16以及C17被提取。
下文中，将包括在提供候选内容组中的内容称为提供候选内容。
在步骤S263中，提供内容选择单元174计算包括在所提取的内容组中的各内容(即，提供候选内容)之间的距离。
如果将内容ci和内容cj之间的距离定义为d(ci,cj)，则可以采用任何方法作为计算距离d(ci,cj)的方法。例如，内容的特征量空间中的欧氏距离或基于用户的评价历史的余弦相似度可以用作距离d(ci,cj)。
在这种情况下，将参照图22和图23对计算各内容之间的距离的方法的具体示例进行描述。图22示出了上述图21的示例中提取的各内容C11、C12、C14、C16以及C17的特征量的示例。在该示例中，使用了三种特征量：节拍、声密度以及节奏乐器比。例如，内容C11的节拍值为55、内容C11的声密度值为39以及内容C11的节奏乐器比的值为26。
图23示出了基于图22的特征量的各内容之间的欧氏距离的计算结果。例如，内容C11与内容C12、内容C14、内容C16以及内容C17中的每个之间的距离分别为23.5、41.8、35.6以及33.3。
在步骤S264中，提供内容选择单元174选择第一提供内容。具体地，提供内容选择单元174使用预定的方法从提供候选内容组中选择连同对象用户一起首先提供的一个内容(下文中，称为第一提供内容)。提供内容选择单元174将所选择的第一提供内容添加至对象用户的提供内容组。
提供内容组是连同对象用户的信息一起提供给活动用户的提供内容中，从提供候选内容组中选择的内容的集合。
可以采用任何方法作为选择第一提供内容的方法。例如，可以从提供候选内容组中选择排在对象用户的内容的使用历史的顶部的内容，或者可以随机选择内容。
在图21的示例中，当基于再现的次数来选择对象用户U11的第一提供内容时，提供候选内容组中再现次数最多的内容C12被选为第一提供内容。
第一提供内容优选地选自未被选为其他提供用户的提供内容的内容。
在步骤S265中，提供内容选择单元174选择与提供内容组不相似的内容。具体地，提供内容选择单元174从未被选为提供内容的提供候选内容中选择与提供内容组的距离最大的一个内容。
例如，当把提供候选内容中未被选为提供内容的内容定义为cai(i＝1,2,···,M)并且将被选为提供内容的内容定义为cbj(j＝1,2,···,N)时，提供内容选择单元174选择满足argmaxiΣjd(cai,cbj)的内容cai。因此，选择与所选的提供内容不相似的内容。
在该示例的情况中，选择与被选为提供内容的内容C12的距离最大的内容C14。当内容C12和内容C14被选为提供内容时，与内容C12和内容C14的距离的平均值最大的内容C16被选为提供内容。
此时，其他提供用户的所选择的提供内容可以被包括在提供内容组中用于计算距离。从而，选择与其他提供用户的提供内容以及对象用户的提供内容不相似的内容。
在步骤S266中，提供内容选择单元174判定所选择的内容与其他提供用户的(所选择的)提供内容的重复。
在步骤S267中，提供内容选择单元174基于步骤S266的判定结果来判定所选内容是否与其他提供用户的提供内容重复。当判定所选内容不与其他提供用户的提供内容重复时，处理进行至步骤S268。
在步骤S268中，提供内容选择单元174将所选内容添加至对象用户的提供内容组。
然后，处理进行至步骤S269。
另外，当在步骤S267中判定所选内容与其他提供用户的提供内容重复时，跳过步骤S268的处理并且处理进行至步骤S269。即，不将所选内容添加至对象用户的提供内容组。所选内容被排除在对象用户的提供候选内容组之外。
在步骤S269中，提供内容选择单元174判定对象用户的提供内容的数量是否达到预定数量。当判定对象用户的提供内容的数量没有达到预定数量时，处理返回至步骤S265。
然后重复执行步骤S265至S269的处理直到在步骤S269中判定提供内容的数量达到预定数量为止。从而，从排在对象用户的使用历史的顶部并且包括在活动用户的使用历史中的内容中，以预定数量将不与其他提供用户的提供内容匹配的内容选择为对象用户的提供内容。优选地，所选提供内容互不相似。因此，为一个提供用户提供的提供内容的种类是多样的。
另外，当在步骤S269中判定提供内容的数量达到预定数量时，处理进行至步骤S270。
在步骤S270中，提供内容选择单元174判定是否选择了全部提供用户的提供内容。当判定没有选择全部提供用户的提供内容时，处理返回至步骤S261。
然后，步骤S261至步骤S270的处理被重复执行直到在步骤S270中判定选择了全部提供用户的提供内容为止。因此，以预定数量选择了的全部提供用户的提供内容。
另外，当在步骤S270中判定选择了全部提供用户的提供内容时，处理进行至步骤S271。
在步骤S271中，提供内容选择单元174将表示每个提供用户的提供内容的选择结果的信息提供给显示控制单元52。
然后，提供内容选择处理结束。
返回至图15，在步骤S206中，服务器11提供内容链接等。具体地，显示控制单元52生成控制数据以显示包括推荐用户列表、内容链接列表和历史关联列表中的至少之一的画面。根据来自客户端12的请求来改变推荐用户列表、内容链接列表以及历史关联列表的组合和显示。显示控制单元52通过通信单元31将所生成的显示控制数据发送给活动用户的客户端12。
活动用户的客户端12的输出控制单元203通过网络13和通信单元201接收来自服务器11的显示控制数据。输出控制单元203基于显示控制数据，通过输出单元204来显示包括推荐用户列表、内容链接列表以及历史关联列表中的至少之一的画面。
在这种情况下，将参照图24至图27对显示在客户端12中的推荐用户列表、内容链接列表以及历史关联列表的具体示例进行描述。
图24示出了推荐用户列表的显示示例。在图24中，虚线是为了说明而添加的辅助线，实际上不显示。
在该示例中，按照竖直排列状态提供用户A至用户C作为推荐用户。
用户图像401a至401c分别是表示用户A至用户C的图像。例如，使用每个用户的照片或头像。用户A的名字或昵称显示在用户图像401a的右侧。
在用户图像401a的右侧并且在用户A的名字的下方，设置了提供内容显示区域402。在提供内容显示区域402中，表示用户A的提供内容的图像以水平排列状态进行显示。在表示内容的图像中，使用了包括各内容的专辑的照片、单曲外壳的照片或艺术家的照片。这适用于图24至图27中的表示其他内容的图像。
在提供内容显示区域402下方，设置了内容链接显示区域403a1。在内容链接显示区域403a1中，显示由用户A创建的内容链接。具体地，表示链接源内容的图像显示在向右的箭头的左侧并且表示链接目标内容的图像显示在箭头的右侧。
在内容链接显示区域403a1的左侧，显示反馈按钮404-1。反馈按钮404-1是当活动用户喜欢内容链接显示区域403a1中的内容链接时，为表达对内容链接的喜欢而按下以给出反馈的按钮。在反馈按钮404-1的右侧，显示了对内容链接显示区域403a1中的内容链接给出反馈的用户的数量(下文中称为反馈用户数量)。
在内容链接显示区域403a1下方，设置了内容链接显示区域403a2，以显示与内容链接显示区域403a1中的内容链接不同的、并且由用户A创建的内容链接。
在内容链接显示区域403a2的左侧，显示与反馈按钮404-1相同的反馈按钮404-2。在反馈按钮404-2的左侧，显示关于内容链接显示区域403a2中的内容链接的反馈用户数量。
在用户图像401b的右侧，设置了内容链接显示区域403b。在内容链接显示区域403b中，显示由用户B创建的内容链接。
在用户图像401c的右侧，设置了内容链接显示区域403c。在内容链接显示区域403c中，显示由用户C创建的内容链接。
可以任意设置推荐用户的显示顺序。例如，可以按照变化量期待值E(v|u)大的用户的顺序来对推荐用户进行排列。可以将具有相似特征量的用户彼此相邻地排列。相反，也可以将不具有相似特征量的用户彼此相邻地排列。
图25示出了内容链接列表的显示示例。在图25中，虚线是为了说明而添加的辅助线，实际上不显示。
在该示例中，由作为活动用户的被关注者的用户A至用户C创建的内容链接和关于用户A至用户C的信息在竖直方向上以三段进行排列并显示。
在第一段的左侧，设置了内容链接显示区域421a。除了在表示各内容的图像下方显示各内容的艺术家名称之外，内容链接显示区域421a中的显示内容与图24的内容链接显示区域403a1至403c中的显示内容一样。
在内容链接显示区域421a的右侧，显示对话框422a。在对话框422a中，显示表示内容链接显示区域421a中的内容链接中使用的链接特征量的信息，即，表示形成内容链接的两个内容的关联的信息。在该信息中，可以使用从服务器11提供的链接特征量的标签，并且可以使用由创建内容链接的用户生成的信息。在对话框422a中，显示关于内容链接显示区域421a中的内容链接的反馈按钮423a。
在对话框422a的右侧，显示用户图像424a，该图像表示创建内容链接显示区域421a中的内容链接的用户。在用户图像424a的右侧，显示用户A的名字或昵称。
在用户图像424a的右侧并且在用户A的名字的下方，设置了与图24的提供内容显示区域402相同的提供内容显示区域425a。在提供内容显示区域425a中，显示表示用户A的提供内容的图像。
在第二段中，以与第一段相同的配置来显示由用户B创建的内容链接和关于用户B的信息。在第三段中，以与第一段和第二段相同的配置来显示由用户C创建的内容连接和关于用户C的信息。
可以任意设置内容链接的显示顺序。例如，内容链接可以按时间次序进行排列，例如，按新或旧创建日期和时间的顺序排列。可以将由具有相似特征量的用户创建的内容链接彼此相邻地排列。相反，也可以将由具有不同特征量的用户创建的内容链接彼此相邻地排列。
如图26所示，可以将推荐用户的内容链接以及活动用户的被关注者混合并显示。
具体地，在图26的内容链接列表中，在图25的内容链接的第二段和第三段的内容链接之间插入以斜线表示的段。在该段中，以与其他段相同的配置显示作为推荐用户的用户D的内容链接和关于用户D的信息。在表示用户D的图像424d的左上方显示表示用户D为推荐用户的星号。
如图26所示，可以区分推荐用户的内容链接与被关注者的内容链接，或者可以不区分推荐用户的内容链接与被关注者的内容链接。例如，推荐用户的内容链接可以与具有最相似特征量的被关注者的内容链接相邻地显示。
图27示出了历史关联列表的显示示例。在历史关联列表中，显示活动用户的过去内容使用历史和包括使用历史中所包括的内容(下文中，称为历史内容)的内容链接。
具体地，在该示例中，关于历史内容的信息被排列为两段并显示。可以任意设置历史内容的显示顺序。例如，历史内容可以按照新的使用日期和时间的顺序排列或可以按照多的使用次数的顺序排列(在该示例的情况中，按照再现的次数排列)。
在第一段的左上方，设置了历史内容显示区域451a。在历史内容显示区域451a中，显示关于历史内容之一的信息。具体地，显示表示历史内容的图像和历史内容的标题、艺术家名称、评价值以及再现次数。可以将活动用户给出的评价值显示为评价值，并且可以将各用户给出的评价值的平均值显示为评价值。可以将活动用户的再现的次数显示为再现的次数，并且可以将全部用户的再现的次数之和显示为再现的次数。
在历史内容显示区域451a下方，以竖直排列状态设置了链接内容显示区域452a1和452a2。在链接内容显示区域452a1和452a2中，显示关于与历史内容显示区域451a中显示的历史内容形成内容链接的内容的信息。
具体地，在其中显示向右的箭头的链接内容显示区域452a1中，表示下述内容的图像以及艺术家名称被显示，该内容成为历史内容显示区域451a中显示的历史内容的链接目标。因此，将下述内容链接提供给活动用户，在该内容链接中，历史内容显示区域451a中的历史内容成为链接源而链接内容显示区域452a1中的内容成为链接目标。
在链接内容显示区域452a1的右侧，显示对话框453a1。在对话框453a1中，显示表示下述内容链接中使用的链接特征量的信息，该内容链接包括历史内容显示区域451a中的历史内容和链接内容显示区域452a1中的内容。
在对话框453a1的右侧，显示表示创建下述内容链接的用户B的用户图像454a1，该内容链接包括历史内容显示区域451a中的历史内容和链接内容显示区域452a1中的内容。在用户图像454a1的右侧，显示用户B的名字或昵称。
在用户图像454a1的右侧并且在用户B的名字的下方，设置了与图24的提供内容显示区域402相同的提供内容显示区域455a1。在提供内容显示区域455a1中，显示表示用户B的提供内容的图像。
另外，在其中显示向左的箭头的链接内容显示区域452a2中，显示艺术家名称和表示下述内容的图像，该内容成为历史内容显示区域451a中显示的历史内容的链接源。因此，将下述内容链接提供给活动用户，在该内容链接中，链接内容显示区域452a2中的内容成为链接源而历史内容显示区域451a中的历史内容成为链接目标。
在链接内容显示区域452a2的右侧，显示对话框453a2。在对话框453a2中，显示表示下述内容链接中使用的链接特征量的信息，该内容链接包括历史内容显示区域452a2中的历史内容和链接内容显示区域452a2中的内容。
在对话框453a2的右侧，显示表示创建下述内容链接的用户C的用户图像454a2，该内容链接包括历史内容显示区域451a中的历史内容和链接内容显示区域452a2中的内容。在用户图像454a2的右侧，显示用户C的名字或昵称。
在用户图像454a2的右侧并且在用户C的名字的下方，设置了与图24的提供内容显示区域402相同的提供内容显示区域455a2。在提供内容显示区域455a2中，显示表示用户C的提供内容的图像。
在第二段中，以与第一段相同的配置显示关于活动用户的不同历史内容的信息、包括历史内容的内容链接以及关于创建内容链接的用户的信息。
连同历史内容一起提供的内容链接可以限制为由活动用户的被关注者创建的内容链接，并且可以包括由推荐用户创建的内容链接。
例如，将图24至图27中的一个或更多个画面进行组合并显示在活动用户的客户端12中。
然后，内容链接共享处理结束。
按这种方式，活动用户可以使用由其他用户创建的内容链接。因此，活动用户可以基于其他用户的视点来寻找彼此有关的内容。特别地，在历史关联列表中，活动用户可以找到与活动用户使用的内容有关的内容。活动用户可以通过由其他用户创建的内容链接来很容易地扩展关于内容的判断并且容易地找到适合活动用户的喜好的内容。
因为推荐了可能引起活动用户的行为的变化的用户，所以活动用户可能接受该用户并接受新内容。即使推荐了与活动用户相似的用户(例如，具有相同内容使用历史的用户)，对于活动用户来说几乎没有新发现。同时，如果推荐了可能引起活动用户的行为的变化的用户，则活动用户可能有新发现(例如，活动用户接收新的风格的内容)。
在连同提供用户一起提供的内容的使用历史(即，提供内容)中，因为提供了互不相似的内容，所以可以准确而无偏差地传达提供用户的喜好。因此，活动用户容易地知道每个提供用户的喜好并且容易地识别与每个提供用户的相似性和差别。因此，活动用户感觉到与其他用户的相似性，并且容易地找到适合活动用户的喜好的用户。活动用户可以获得机会来接收各内容。
因为抑制了各提供用户之间提供的内容的重复，所以可以明确地传送各提供用户的喜好之间的相似性和差别。活动用户可以获得机会来接收各种内容。
<2.变型>
将描述本公开内容的实施方式的变型。
[第一变型：与内容链接有关的变型]
已经描述了用户之间共享所创建的内容链接的情况的示例。然而，本公开内容可以适用于用户在本地环境中创建内容链接并且单独地使用该内容链接的情况。
本公开内容可以适用于下述情况：创建将内容的一部分(例如，音乐作品的序曲部分或过渡部分)进行链接的内容链接，或者创建将整个内容与其他内容的一部分进行链接的内容链接。当创建内容的部分之间的链接时，可以创建同一内容中的不同部分进行链接的内容链接。
已经描述了其中提供了内容链接和创建该内容链接的用户的信息的情况的示例。然而，可以省略创建内容链接的用户的信息。
本公开内容可以适用于下述情况：创建包括一对一组合的内容链接、包括一对多组合或多对一组合的内容链接以及包括多对多组合的内容链接。
本公开内容可以适用于其中创建三个连接或更多连接的内容链接的情况。
本公开内容可以适用于下述情况：除了上述的音乐和运动图像之外，创建各种文字内容、声音内容和图像内容(例如书籍、游戏、软件、网站、新闻以及广告)的链接。
本公开内容可以适用于其中创建除了内容之外的，例如各种商品、社交服务上的用户以及知名人士的各种项目的链接的情况。
[第二变型：关于用户和内容的提供的变型]
已描述了提供多个提供用户的情况的示例。然而，本公开内容可以适用于只提供一个提供用户的情况。即，当提供一个提供用户和多个提供内容时，可通过提供互不相似的提供内容来达到上述效果。
已描述了为每个提供用户提供多个提供内容的情况的示例。然而，本公开内容可以适用于为每个提供用户提供一个提供内容的情况。例如，当提供了多个提供用户并且为每个提供用户提供一个提供内容时，可以通过使提供内容互不重复来达到上述效果。
已描述了禁止提供用户之间的提供内容的重复的情况的示例。然而，可以在预定范围内允许提供内容的重复。即，可以将提供用户之间的重复的提供内容的数量限制在预定范围内。
可以将整个提供内容中重复的提供内容的数量限制在预定范围内。例如，当给全部提供用户提供十个提供内容时，最多可以重复两个内容。
或者，与其他提供用户的提供内容重复的一个提供用户的提供内容的数量可以被限制在预定范围内。例如，当给一个提供用户提供三个提供内容时，一个提供内容可以在一个提供用户与其他提供用户之间重复。
或者，可以限制给其重复提供一个提供内容的提供用户的数量。例如，一个提供内容可以重复提供给两个提供用户。
已描述了将提供用户创建的内容链接和提供内容连同提供用户一起提供的情况的示例。然而，可以提供内容链接或提供内容。即，可以只将内容链接连同提供用户一起提供或可以只将提供内容连同提供用户一起提供。
本公开内容可以适用于将除了上述的音乐和运动图像之外的各种文字内容、声音内容、以及图像内容(例如书籍、游戏、软件、网站、新闻、和广告)连同提供用户一起进行提供的情况。
本公开内容可以适用于将除了内容之外的各种项目(例如各种商品和社交服务上的用户)连同提供用户一起进行提供的情况。
[第三变型：其他变型]
本公开内容中的项目的使用的定义根据对象项目的种类而变得不同。例如，当项目为音乐时，再现对应于该项目的使用，而当项目为运动图像时，观看对应于该项目的使用。例如，当项目为商品时，购买或阅览信息对应于该项目的使用。例如，当项目为另一用户时，与另一用户的交流对应于该项目的使用。
已描述了用户对于内容的评价值的变化量的期待值被用作变化量期待值的情况的示例。然而，可以将表示另一用户的行为的参数的变化量的期待值用作变化量期待值。
[计算机的配置示例]
可以通过硬件或者可以通过软件来执行上述的一系列处理。在通过软件来执行该一系列处理的情况下，在计算机中安装构成该软件的程序。这里，例如，通过安装内置有专用硬件和各种程序的计算机，可以执行各种功能的通用个人计算机包括在计算机中。
图28是示出根据程序来执行上述的一系列处理的计算机的硬件的配置示例的框图。
在计算机中，CPU(中央处理单元)601、ROM(只读存储器)602、RAM(随机存取存储器)603和总线604相互连接。
输入/输出接口605也连接到总线604上。输入单元606、输出单元607、存储单元608、通信单元609以及驱动器610连接到输入/输出接口605。
输入单元606包括键盘、鼠标、麦克风等。输出单元607包括显示器、扬声器等。存储单元608包括硬盘、非易失性存储器等。通信单元609包括网络接口等。驱动器610驱动可移除介质611，诸如磁盘、光盘、磁光盘或半导体存储器。
在如上所述配置的计算机中，例如，由CPU 601通过输入/输出接口605和总线604将存储在存储单元608中的程序加载到RAM 603中，并执行该程序来执行上述的一系列处理。
由计算机(CPU 601)执行的程序例如可以被记录和设置在作为封装介质等的可移除介质611中。此外，可以通过例如局域网、因特网或数字卫星广播的有线或无线传输介质来提供程序。
在计算机中，通过将可移除介质611插入驱动610中，可以经由输入/输出接口605将程序安装在存储单元608中。此外，可以经由有线或无线传输介质，通过通信单元609来接收程序，并可以将程序安装在存储单元608中。此外，可以将程序预先安装在ROM 602和存储单元608中。
应注意，由计算机执行的程序可以是根据本公开内容中描述的顺序来进行时间序列处理的程序，或者可以是在必要的时刻(例如当进行调用时)并行地执行处理的程序。
此外，在本公开内容中，系统的意思是多个构成要素(例如设备或模块(部件))的集合，并且不考虑是否全部的构成要素都在同一外壳中。因此，系统可以是存储在单独的各外壳中、并且通过网络进行连接的多个设备，或者是单个外壳中的多个模块。
本领域技术人员应当理解，取决于设计要求和其他因素，可以出现各种修改、组合、子组合和变更，只要这些都在所附权利要求或权利要求的等同方案的范围内。
例如，本公开内容可以采用云计算的配置，该云计算的配置通过借助于网络由多个设备来分配和连接一个功能来进行处理。
此外，可以通过一个设备或者通过分配多个设备来执行由上述流程图所描述的每个步骤。
此外，在一个步骤中包括多个处理的情况下，可以通过一个设备或者通过分配多个设备来执行该一个步骤中所包括的多个处理。
此外，本技术也可以被如下配置。
(1)一种信息处理设备，包括：
链接特征量选择单元，其选择链接特征量，所述链接特征量是用于将第一项目与另一项目进行链接的特征量；
项目选择单元，其基于所选择的所述链接特征量来选择要与所述第一项目进行链接的第二项目的一个或更多个候选；
提供控制单元，其控制向用户提供所述第一项目、所述链接特征量、以及所述第二项目的所述一个或更多个候选；以及
链接创建单元，其选择所述第二项目，并创建所述第一项目和所述第二项目的链接。
(2)根据(1)所述的信息处理设备，
其中，所述链接特征量选择单元基于所述用户和所述第一项目中至少之一来选择所述链接特征量。
(3)根据(2)所述的信息处理设备，
其中，所述链接特征量选择单元基于由所述用户提供的对于项目的评价来计算所述用户的特征量的重要度，并且基于所计算的重要度来选择所述链接特征量。
(4)根据(2)所述的信息处理设备，
其中，所述链接特征量选择单元基于在由所述用户创建的所述项目的所述链接中使用的所述链接特征量来计算所述用户的特征量的重要度，并且基于所计算的重要度来选择所述链接特征量。
(5)根据(2)所述的信息处理设备，
其中，所述链接特征量选择单元选择显著表示所述第一项目的特征的特征量作为所述链接特征量。
(6)根据(1)至(5)中任一项所述的信息处理设备，
其中，所述链接特征量选择单元选择所述链接特征量的多个候选，其中，所述提供控制单元进行控制，使得将所述链接特征量的所述多个候选提供给所述用户，并且
其中，所述项目选择单元基于由所述用户选择的所述链接特征量来选择所述第二项目的所述一个或更多个候选。
(7)根据(1)至(6)中任一项所述的信息处理设备，
其中，所述提供控制单元进行控制，使得将所述第一项目的多个候选提供给所述用户，并且
其中，所述项目选择单元基于所述链接特征量和由所述用户选择的所述第一项目来选择所述第二项目的所述一个或更多个候选。
(8)根据(1)至(7)中任一项所述的信息处理设备，
其中，所述链接创建单元创建所述第一项目和由所述用户选择的所述第二项目的链接。
(9)根据(1)至(8)中任一项所述的信息处理设备，
其中，所述提供控制单元控制向用户提供另外创建的项目的链接。
(10)根据(9)所述的信息处理设备，
其中，所述提供控制单元进行控制，使得将所述项目的所述链接连同生成的用户信息一起提供。
(11)根据(9)或(10)所述的信息处理设备，
其中，所述提供控制单元进行控制，使得将所述项目的所述链接连同表示用于创建所述项目的所述链接的所述链接特征量的信息一起提供。
(12)根据(9)至(11)中任一项所述的信息处理设备，
其中，当提供所述用户的项目使用历史时，所述提供控制单元进行控制，使得将与所述项目使用历史中包括的项目来形成链接的项目提供给所述用户。
(13)根据(9)至(12)中任一项所述的信息处理设备，还包括：
推荐用户选择单元，其在要作为推荐给所述用户的候选的多个候选用户均被提供时，计算所述用户的行为的变化量的期待值，并且基于所计算的所述期待值从所述候选用户中选择推荐给所述用户的推荐用户，
其中，所述提供控制单元进行控制，使得将由所述推荐用户创建的项目的链接连同所述推荐用户一起提供给所述用户。
(14)根据(13)所述的信息处理设备，
其中，所述推荐用户选择单元基于所述用户接受所述候选用户的概率以及由提供所述候选用户的反馈而造成的所述用户对于预定项目组的评价的预测值的变化量来计算所述期待值。
(15)根据(14)所述的信息处理设备，
其中，所述推荐用户选择单元基于所述候选用户对所述项目组中另外包括的项目提供反馈的概率来计算所述期待值。
(16)根据(1)至(15)中任一项所述的信息处理设备，
其中，所述提供控制单元控制向其他信息处理设备提供所述第一项目、所述链接特征量、以及所述第二项目的所述一个或更多个候选。
(17)一种信息处理方法，包括：
使信息处理设备选择链接特征量，所述链接特征量是用于将第一项目与另一项目进行链接的特征量；
使所述信息处理设备基于所选择的所述链接特征量来选择要与所述第一项目链接的第二项目的一个或更多个候选；
使所述信息处理设备控制向用户提供所述第一项目、所述链接特征量、以及所述第二项目的所述一个或更多个候选；以及
使所述信息处理设备选择所述第二项目，并且创建所述第一项目和所述第二项目的链接。
(18)一种用于使计算机执行下述过程的程序，所述过程包括：
选择链接特征量，所述链接特征量是用于将第一项目与另一项目进行链接的特征量；
基于所选择的所述链接特征量来选择要与所述第一项目链接的第二项目的一个或更多个候选；
控制向用户提供所述第一项目、所述链接特征量、以及所述第二项目的所述候选；以及
选择所述第二项目，并且创建所述第一项目和所述第二项目的链接。
本公开内容包含与2012年5月11日提交日本专利局的日本在先专利申请JP2012-109337中公开的主题相关的主题，该在先专利申请的全部内容通过引用合并到本文中。

Claims (17)

1.一种信息处理设备，包括：
链接特征量选择单元，其选择链接特征量，所述链接特征量是用于将第一项目与另一项目进行链接的特征量；
项目选择单元，其基于所选择的所述链接特征量来选择要与所述第一项目进行链接的第二项目的一个或更多个候选；
提供控制单元，其控制向用户提供所述第一项目、所述链接特征量、以及所述第二项目的所述一个或更多个候选；以及
链接创建单元，其选择所述第二项目，并创建所述第一项目和所述第二项目的链接。
2.根据权利要求1所述的信息处理设备，
其中，所述链接特征量选择单元基于所述用户和所述第一项目中至少之一来选择所述链接特征量。
3.根据权利要求2所述的信息处理设备，
其中，所述链接特征量选择单元基于由所述用户提供的对于项目的评价来计算所述用户的特征量的重要度，并且基于所计算的重要度来选择所述链接特征量。
4.根据权利要求2所述的信息处理设备，
其中，所述链接特征量选择单元基于在由所述用户创建的所述项目的所述链接中使用的所述链接特征量来计算所述用户的特征量的重要度，并且基于所计算的重要度来选择所述链接特征量。
5.根据权利要求2所述的信息处理设备，
其中，所述链接特征量选择单元选择显著表示所述第一项目的特征的特征量作为所述链接特征量。
6.根据权利要求1所述的信息处理设备，
其中，所述链接特征量选择单元选择所述链接特征量的多个候选，
其中，所述提供控制单元进行控制，使得将所述链接特征量的所述多个候选提供给所述用户，并且
其中，所述项目选择单元基于由所述用户选择的所述链接特征量来选择所述第二项目的所述一个或更多个候选。
7.根据权利要求1所述的信息处理设备，
其中，所述提供控制单元进行控制，使得将所述第一项目的多个候选提供给所述用户，并且
其中，所述项目选择单元基于所述链接特征量和由所述用户选择的所述第一项目来选择所述第二项目的所述一个或更多个候选。
8.根据权利要求1所述的信息处理设备，
其中，所述链接创建单元创建所述第一项目和由所述用户选择的所述第二项目的链接。
9.根据权利要求1所述的信息处理设备，
其中，所述提供控制单元控制向所述用户提供另外创建的项目的链接。
10.根据权利要求9所述的信息处理设备，
其中，所述提供控制单元进行控制，使得将所述项目的所述链接连同生成的用户信息一起提供。
11.根据权利要求9所述的信息处理设备，
其中，所述提供控制单元进行控制，使得将所述项目的所述链接连同表示用于创建所述项目的所述链接的所述链接特征量的信息一起提供。
12.根据权利要求9所述的信息处理设备，
其中，当提供所述用户的项目使用历史时，所述提供控制单元进行控制，使得将与所述项目使用历史中包括的项目形成链接的项目提供给所述用户。
13.根据权利要求9所述的信息处理设备，还包括：
推荐用户选择单元，其在要作为推荐给所述用户的候选的多个候选用户均被提供时，计算所述用户的行为的变化量的期待值，并且基于所计算的所述期待值从所述候选用户中选择推荐给所述用户的推荐用户，
其中，所述提供控制单元进行控制，使得将由所述推荐用户创建的项目的链接连同所述推荐用户一起提供给所述用户。
14.根据权利要求13所述的信息处理设备，
其中，所述推荐用户选择单元基于所述用户接受所述候选用户的概率以及由提供所述候选用户的反馈而造成的所述用户对于预定项目组的评价的预测值的变化量来计算所述期待值。
15.根据权利要求14所述的信息处理设备，
其中，所述推荐用户选择单元基于所述候选用户对所述项目组中另外包括的项目提供反馈的概率来计算所述期待值。
16.根据权利要求1所述的信息处理设备，
其中，所述提供控制单元控制向其他信息处理设备提供所述第一项目、所述链接特征量、以及所述第二项目的所述一个或更多个候选。
17.一种信息处理方法，包括：
使信息处理设备选择链接特征量，所述链接特征量是用于将第一项目与另一项目进行链接的特征量；
使所述信息处理设备基于所选择的所述链接特征量来选择要与所述第一项目链接的第二项目的一个或更多个候选；
使所述信息处理设备控制向用户提供所述第一项目、所述链接特征量、以及所述第二项目的所述一个或更多个候选；以及
使所述信息处理设备选择所述第二项目，并且创建所述第一项目和所述第二项目的链接。
CN201310159982.4A 2012-05-11 2013-05-03 信息处理设备和信息处理方法 Expired - Fee Related CN103390019B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-109337 2012-05-11
JP2012109337A JP5843104B2 (ja) 2012-05-11 2012-05-11 情報処理装置、情報処理方法、及び、プログラム

Publications (2)

Publication Number Publication Date
CN103390019A CN103390019A (zh) 2013-11-13
CN103390019B true CN103390019B (zh) 2017-10-27

Family

ID=49534293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310159982.4A Expired - Fee Related CN103390019B (zh) 2012-05-11 2013-05-03 信息处理设备和信息处理方法

Country Status (3)

Country Link
US (1) US9922110B2 (zh)
JP (1) JP5843104B2 (zh)
CN (1) CN103390019B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101494234B1 (ko) * 2012-09-14 2015-02-17 팅크웨어(주) 경로 검색을 위한 사용자 인터페이스 장치 및 그 방법
JP6874282B2 (ja) * 2016-06-03 2021-05-19 大日本印刷株式会社 表示システム、集約装置、サーバ装置及びプログラム
JP2018116545A (ja) 2017-01-19 2018-07-26 オムロン株式会社 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法
EP3635668A1 (en) * 2017-06-09 2020-04-15 Humada Holdings Inc. Providing user specific information for services
US11270071B2 (en) * 2017-12-28 2022-03-08 Comcast Cable Communications, Llc Language-based content recommendations using closed captions
CN109451332B (zh) * 2018-11-16 2021-11-09 武汉斗鱼网络科技有限公司 一种用户属性标记方法、装置、计算机设备及介质
CN109472318B (zh) * 2018-11-27 2021-06-04 创新先进技术有限公司 为构建的机器学习模型选取特征的方法及装置
JP6857932B2 (ja) * 2018-12-25 2021-04-14 有限会社楽々 情報処理装置
CN110929172B (zh) * 2019-11-27 2022-11-18 中科曙光国际信息产业有限公司 信息选择方法、装置、电子设备及可读存储介质
CN112818028B (zh) * 2021-01-12 2021-09-17 平安科技（深圳）有限公司 数据指标筛选方法、装置、计算机设备及存储介质
KR102634376B1 (ko) 2021-07-30 2024-02-05 주식회사 카카오 구독 서비스 제공 방법, 이를 구현한 구독 시스템, 사용자 단말 및 어플리케이션

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6785688B2 (en) * 2000-11-21 2004-08-31 America Online, Inc. Internet streaming media workflow architecture
US7702521B2 (en) * 2001-03-07 2010-04-20 Thomas Layne Bascom Method for users of a network to provide other users with access to link relationships between documents
US6728731B2 (en) * 2001-05-15 2004-04-27 Yahoo!, Inc. Method and apparatus for accessing targeted, personalized voice/audio web content through wireless devices
US6946715B2 (en) * 2003-02-19 2005-09-20 Micron Technology, Inc. CMOS image sensor and method of fabrication
US7467146B2 (en) * 2005-05-05 2008-12-16 International Business Machines Corporation System, method and program product for determining whether a web page returned to a web browser is a redirected web page
US8181201B2 (en) * 2005-08-30 2012-05-15 Nds Limited Enhanced electronic program guides
JP2007079725A (ja) * 2005-09-12 2007-03-29 Sony Corp 再生装置、再生方法及び再生プログラム
US20070260628A1 (en) * 2006-05-02 2007-11-08 Tele Atlas North America, Inc. System and method for providing a virtual database environment and generating digital map information
US20100138451A1 (en) * 2006-04-03 2010-06-03 Assaf Henkin Techniques for facilitating on-line contextual analysis and advertising
JP2008052665A (ja) * 2006-08-28 2008-03-06 Sony Computer Entertainment Inc コンテンツ表示装置およびコンテンツ表示方法
US20080077556A1 (en) * 2006-09-23 2008-03-27 Juan Carlos Muriente System and method for applying real-time optimization of internet websites for improved search engine positioning
JP4730619B2 (ja) * 2007-03-02 2011-07-20 ソニー株式会社 情報処理装置および方法、並びにプログラム
JP2010015394A (ja) * 2008-07-03 2010-01-21 Kddi Corp リンク先提示装置およびコンピュータプログラム
JP4876115B2 (ja) * 2008-11-07 2012-02-15 ヤフー株式会社 コンテンツ提示装置、コンテンツ提示方法及びプログラム
US8175902B2 (en) * 2008-12-23 2012-05-08 Samsung Electronics Co., Ltd. Semantics-based interests in computing environments and systems
US8255403B2 (en) * 2008-12-30 2012-08-28 Expanse Networks, Inc. Pangenetic web satisfaction prediction system
CN101520869A (zh) * 2009-04-17 2009-09-02 武汉刻度科技发展有限公司 业务逻辑对象建模方法和装置
JP5464412B2 (ja) * 2009-08-12 2014-04-09 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
CN101814093A (zh) * 2010-04-02 2010-08-25 南京邮电大学 一种基于相似性的半监督学习垃圾网页检测方法
US20110295612A1 (en) * 2010-05-28 2011-12-01 Thierry Donneau-Golencer Method and apparatus for user modelization
JP2012003359A (ja) 2010-06-15 2012-01-05 Sony Corp アイテム推薦システム、アイテム推薦方法、及びプログラム
US20120023403A1 (en) * 2010-07-21 2012-01-26 Tilman Herberger System and method for dynamic generation of individualized playlists according to user selection of musical features
US20120205436A1 (en) * 2011-02-16 2012-08-16 Augme Technologies, Inc. System for enhanced barcode decoding and image recognition and method therefor
JP2012220582A (ja) * 2011-04-05 2012-11-12 Sony Corp 音楽再生装置、音楽再生方法、プログラム、およびデータ作成装置
US20130041876A1 (en) * 2011-08-08 2013-02-14 Paul Alexander Dow Link recommendation and densification

Also Published As

Publication number Publication date
JP5843104B2 (ja) 2016-01-13
US20130304732A1 (en) 2013-11-14
CN103390019A (zh) 2013-11-13
US9922110B2 (en) 2018-03-20
JP2013235542A (ja) 2013-11-21

Similar Documents

Publication Publication Date Title
CN103390019B (zh) 信息处理设备和信息处理方法
CN110263244B (zh) 内容推荐方法、装置、存储介质和计算机设备
Nabizadeh et al. Adaptive learning path recommender approach using auxiliary learning objects
Elahi et al. A survey of active learning in collaborative filtering recommender systems
CN111241311B (zh) 媒体信息推荐方法、装置、电子设备及存储介质
Beverungen et al. Free labour, social media, management: Challenging Marxist organization studies
CN110266745B (zh) 基于深度网络的信息流推荐方法、装置、设备及存储介质
CN104272304B (zh) 信息处理设备、信息处理方法以及程序
CN103455537B (zh) 信息处理设备和信息处理方法
US9183510B1 (en) Method and system for personalized recommendation of lifestyle items
Grisolía et al. Social engagement and regional theatre: patterns of theatre attendance
CN110008397A (zh) 一种推荐模型训练方法及装置
Boratto et al. Investigating the role of the rating prediction task in granularity-based group recommender systems and big data scenarios
CN111242310A (zh) 特征有效性评估方法、装置、电子设备及存储介质
US11727221B2 (en) Dynamic correlated topic model
Rubtsov et al. A hybrid two-stage recommender system for automatic playlist continuation
AU2024202957A1 (en) System and method for analyzing media for talent discovery cross-reference to related applications
Zhu et al. Online learning in a creator economy
CN113688306A (zh) 一种基于强化学习的推荐策略生成方法及装置
Hafsa et al. A Multi-Objective E-learning Recommender System at Mandarine Academy.
US20220147716A1 (en) Dynamic word correlated topic machine learning model
Kovacevic et al. Crex-wisdom framework for fusion of crowd and experts in crowd voting environment–machine learning approach
JP7390847B2 (ja) 情報処理装置およびコンピュータプログラム
Wang et al. MARF: User-Item Mutual Aware Representation with Feedback
Pilászy Factorization-based large scale recommendation algorithms

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171027