CN103455538A - 信息处理装置、信息处理方法和程序 - Google Patents

信息处理装置、信息处理方法和程序 Download PDF

Info

Publication number
CN103455538A
CN103455538A CN2013101902380A CN201310190238A CN103455538A CN 103455538 A CN103455538 A CN 103455538A CN 2013101902380 A CN2013101902380 A CN 2013101902380A CN 201310190238 A CN201310190238 A CN 201310190238A CN 103455538 A CN103455538 A CN 103455538A
Authority
CN
China
Prior art keywords
item
extraction
text data
content
information
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.)
Granted
Application number
CN2013101902380A
Other languages
English (en)
Other versions
CN103455538B (zh
Inventor
馆野启
高村成一
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 CN103455538A publication Critical patent/CN103455538A/zh
Application granted granted Critical
Publication of CN103455538B publication Critical patent/CN103455538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Abstract

本公开涉及信息处理装置、信息处理方法和程序。根据本公开的信息处理装置包括：体验信息提取单元，其从用户输入的文本数据提取作为关于体验的信息的体验信息；事项选择单元，其基于所提取的体验信息，执行提供给用户的事项的提取和优先级设定至少之一；以及提供控制单元，其基于事项的提取或优先级设定的结果，控制针对用户的事项的提供。

Description

信息处理装置、信息处理方法和程序
技术领域
本公开涉及信息处理装置、信息处理方法和程序，更具体地，涉及在为用户推荐事项时适当适用的信息处理装置、信息处理方法和程序。
背景技术
在相关领域中，已提出了用于在为用户推荐诸如内容的各种事项的推荐系统中根据用户的行为改变推荐事项以实现事项的容易接受的技术（例如，参见JP4433326B）。
近来，已开发了用于使用户容易地投稿表明用户观点的文本数据并且使该文本数据向公众公开的服务，诸如Twitter（注册商标）。因此，已积极地开发了用于从文本数据提取用户的行为或感受的技术（例如，参照Kobayashi,N.等人的“Opinion Mining from Web Documents:Extractionand Structurization,”The Japanese Society for Artificial Intelligence,2007）。此外，已提出了用于从用户输入的评价语句提取评价信息并且对用户的嗜好进行学习的技术（例如，JP2011-39811A）。
发明内容
在该情形下，当基于从用户输入的文本数据推荐事项时，希望使用户接受推荐事项的可能性变高。
期望使用户接受推荐事项的可能性变高。
根据本公开的一个实施例，提供了一种信息处理装置，包括：体验信息提取单元，其从用户输入的文本数据提取作为关于体验的信息的体验信息；事项选择单元，其基于所提取的体验信息，执行提供给用户的事项的提取和优先级设定至少之一；以及提供控制单元，其基于事项的提取或优先级设定的结果，控制针对用户的事项的提供。
体验信息提取单元可以将体验信息中包括的体验分类成预定的类别。事项选择单元可以基于体验的类别，执行提供给用户的事项的提取和优先级设定至少之一。
事项选择单元可以基于体验信息中包括的时间或场所，执行提供给用户的事项的提取和优先级设定至少之一。
体验信息可以是关于与事项相关的体验的信息。
信息处理装置可以进一步包括主观表现提取单元，其从文本数据提取主观表现。事项选择单元可以进一步基于所提取的主观表现，执行提供给用户的事项的提取和优先级设定至少之一。
事项选择单元可以基于主观表现是肯定的还是否定的，执行提供给用户的事项的提取和优先级设定至少之一。
当从文本数据提取到体验信息和肯定的主观表现时，事项选择单元可以执行提供给用户的事项的提取和优先级设定至少之一。
事项选择单元可以基于主观表现表明的情绪，执行提供给用户的事项的提取和优先级设定至少之一。
事项选择单元可以基于主观表现是单纯评价还是感性表现，执行提供给用户的事项的提取和优先级设定至少之一。
信息处理装置可以进一步包括关键字提取单元，其从文本数据提取关键字。事项选择单元可以基于所提取的关键字，执行提供给用户的事项的提取和优先级设定至少之一。
关键字可以包括事项的名称。事项选择单元可以基于被提取作为关键字的事项的名称，执行提供给用户的事项的提取和优先级设定至少之一。
关键字可以包括与事项相关的个人或团体的名称。事项选择单元可以基于被提取作为关键字的个人或团体的名称，执行提供给用户的事项的提取和优先级设定至少之一。
提供控制单元可以以如下方式执行控制：已被执行提取或优先级设定的事项连同文本数据一起被提供。
提供控制单元可以以如下方式执行控制：基于满足预定条件的多条文本数据而被执行提取或优先级设定的事项被收集并且被提供给用户。
根据本公开的一个实施例，提供了一种由信息处理装置执行的信息处理方法，该方法包括：从用户输入的文本数据提取作为关于体验的信息的体验信息；基于所提取的体验信息，执行提供给用户的事项的提取和优先级设定至少之一；以及基于事项的提取或优先级设定的结果，控制针对用户的事项的提供。
根据本公开的一个实施例，提供了一种用于使计算机执行包括以下操作的处理的程序：从用户输入的文本数据提取作为关于体验的信息的体验信息；基于所提取的体验信息，执行提供给用户的事项的提取和优先级设定至少之一；以及基于事项的提取或优先级设定的结果，控制针对用户的事项的提供。
根据本公开的实施例，从用户输入的文本数据提取作为关于体验的信息的体验信息，基于所提取的体验信息，执行提供给用户的事项的提取和优先级设定至少之一，并且基于事项的提取或优先级设定的结果，控制针对用户的事项的提供。
根据上文描述的本公开的实施例，可以使用户接受推荐事项的可能性变高。
附图说明
图1是示出被应用本公开的信息处理系统的实施例的框图；
图2是示出服务器的功能的配置示例的框图；
图3是示出内容推荐处理的流程图；
图4是示出文本DB的配置示例的示图；
图5是示出主观表现字典的数据配置的示例的示图；
图6是示出主观表现的提取结果的示例的示图；
图7是示出体验类别字典的数据配置的示例的示图；
图8是示出时间信息字典的数据配置的示例的示图；
图9是示出场所字典的数据配置的示例的示图；
图10是示出体验信息的提取结果的示例的示图；
图11是示出关键字的提取结果的示例的示图；
图12是示出推荐内容提取处理的细节的流程图；
图13是示出内容信息DB的配置示例的示图；
图14是示出评级类别选择处理的细节的流程图；
图15是示出代表性内容DB的配置示例的示图；
图16是示出内容推荐画面的第一示例；
图17是示出内容推荐画面的第二示例；
图18是示出内容推荐画面的第三示例；以及
图19是示出计算机的配置示例的框图。
具体实施方式
在下文中，将参照附图详细描述本公开的优选实施例。注意，在本说明书和附图中，具有基本上相同的功能和结构的结构元件由相同的附图标记表示，并且这些结构元件的重复说明被省略。
以下描述将按如下顺序进行。
1.实施例
2.改型
<1.实施例>
[信息处理系统1的配置示例]
图1是示出被应用本公开的信息处理系统的实施例的框图。
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和客户端12-1至12-n通过网络13相互连接。
在下文中，在没必要单独区分客户端12-1至12-n时，客户端12-1至12-n被简单地称为客户端12。
服务器11提供向每个客户端12分送或推荐作为各种事项中的一种事项的内容的服务（以下称为“内容提供服务”）。服务器11提供接收从客户端12传送的文本数据的投稿并且表明每个用户的意见并向公众公开文本数据的服务（以下称为“投稿服务”）。用户投稿的文本数据的内容没有特别限制。
在下文中，将基于服务器11分送或推荐作为一种内容的音乐的情况示例进行说明。
[服务器11的配置示例]
图2主要示出了推荐内容的服务器11的部分功能的配置示例。服务器11包括接收单元51、文本数据存储单元52、字典存储单元53、关键字存储单元54、主观表现提取单元55、主观表现存储单元56、体验信息提取单元57、体验信息存储单元58、关键字提取单元59、提取关键字存储单元60、内容信息存储单元61、用户历史存储单元62、艺术家信息存储单元63、内容选择单元64、评级信息存储单元65、内容存储单元66、提供控制单元67、和传送单元68。
接收单元51通过网络13执行与每个客户端12或另一服务器（图中未示出）的通信并且接收与服务器11提供的服务相关的各种数据或命令。例如，接收单元51从每个客户端12或另一服务器接收每个用户生成并投稿的文本数据。接收单元51将接收到的文本数据存储在文本数据存储单元52中。
字典存储单元53存储各种字典。例如，字典存储单元53存储下文将参照图5描述的主观表现字典、下文将参照图7描述的体验类别字典、下文将参照图8描述的时间信息字典、以及下文将参照图9描述的场所信息字典。
关键字存储单元54存储关键字DB（数据库），其中登记有从文本数据提取的关键字。
主观表现提取单元55从文本数据存储单元52中存储的文本数据提取作为表明用户的主观性的表现的主观表现。主观表现提取单元55确定所提取的主观表现是肯定表现还是否定表现。主观表现提取单元55使用字典存储单元53中存储的主观表现字典，计算所提取的主观表现的属性。主观表现提取单元55将主观表现的提取结果存储在主观表现存储单元56中。
体验信息提取单元57使用字典存储单元53中存储的体验类别字典、时间信息字典和场所信息字典，从文本数据存储单元52中存储的文本数据提取作为关于用户体验的信息的体验信息。体验信息提取单元57将体验信息的提取结果存储在体验信息存储单元58中。
关键字提取单元59使用关键字存储单元54中存储的关键字DB，从文本数据存储单元52中存储的文本数据提取关键字。关键字提取单元59将关键字的提取结果存储在提取关键字存储单元60中。
内容信息存储单元61存储关于服务器11可以提供的内容的信息。例如，内容信息存储单元61存储表明每个内容的属性或特征量的内容信息DB（数据库）以及表明关于每个艺术家的每个内容的代表度的代表性内容DB（数据库）。
用户历史存储单元62使用服务器11提供的服务收集每个用户的行为历史并且存储该历史。例如，用户历史存储单元62收集每个用户的内容的使用历史并且存储该历史。
艺术家信息存储单元63存储关于服务器11可以提供的内容的艺术家的信息。例如，艺术家信息存储单元63存储其中登记有每个艺术家的特征量或元数据的艺术家信息DB（数据库）以及表明艺术家之间的相关关系的数据。
内容选择单元64执行所提供的推荐给用户的内容（以下称为推荐内容）的提取和优先级设定至少之一。内容选择单元64包括推荐内容提取单元81、评级类别选择单元82和评级创建单元83。
推荐内容提取单元81基于主观表现存储单元56中存储的主观表现的提取结果、体验信息存储单元58中存储的体验信息的提取结果、提取关键字存储单元60中存储的关键字的提取结果、以及内容信息存储单元61中存储的内容信息DB，提取推荐内容。推荐内容提取单元81向评级类别选择单元82和评级创建单元83通知推荐内容的提取结果。
评级类别选择单元82基于主观表现存储单元56中存储的主观表现的提取结果、体验信息存储单元58中存储的体验信息的提取结果、以及提取关键字存储单元60中存储的关键字的提取结果，选择评级创建单元83创建的推荐内容的评级类别。评级类别选择单元82向评级创建单元83通知评级类别的选择结果。
评级创建单元83使用内容信息存储单元61中存储的代表性内容DB、用户历史存储单元62中存储的每个用户的内容的用户历史、以及艺术家信息存储单元63中存储的艺术家信息DB，创建推荐内容的评级。评级创建单元83将表明所创建的评级的评级信息存储在评级信息存储单元65中。
内容存储单元66存储服务器11可以提供的内容的数据。
提供控制单元67基于评级信息存储单元65中存储的评级信息和内容存储单元66中存储的每个内容的信息，生成显示向用户提供推荐内容的画面的显示控制数据。提供控制单元67向传送单元68提供显示控制数据。提供控制单元67根据来自客户端12的请求，从内容存储单元66读取提供给客户端12的内容的数据并且将该数据提供给传送单元68。
传送单元68通过网络13执行与每个客户端12或另一服务器（图中未示出）的通信并且传送与服务器11提供的服务相关的各种数据或命令。例如，传送单元68通过网络13向客户端12传送内容数据或者提供控制单元67生成的显示提供数据。
[内容推荐处理]
接下来，将参照图3的流程图描述服务器11执行的内容推荐处理。
在步骤S1中，接收单元51接收文本数据。
例如，用户使用至少可以投稿文本数据的服务，诸如网络日志（weblog）、电子公告牌、产品销售站点的用户评价栏以及动画投稿站点，向客户端12输入诸如日记、意见和评论的文本数据。该服务可以是服务器11提供的投稿服务的一部分或者可以是另一服务器提供的服务（图中未示出）。
例如，接收单元51通过网络13直接接收用户输入的文本数据以及表明源的用户（即投稿者）的信息（例如，用户名称和用户ID）。替选地，接收单元51接收在提供服务的另一服务器中积累的文本数据和表明源的用户的信息。接收单元51将接收到的文本数据登记在文本数据存储单元52中存储的文本DB（数据库）中。
图4示出了文本DB的配置示例。文本DB包括文本ID、用户ID和文本数据的事项。
文本ID是用于识别每个文本数据的识别信息。
用户ID是用于识别与文本数据的源对应的每个用户的识别信息。
文本数据是用户实际投稿的文本数据。在图4中，在如内容1和艺术家1描述的部分中，实际上输入具体的内容名称或具体的艺术家名称。
在该示例中，文本ID是T1的文本数据表明由用户ID是U1的用户投稿的“这音乐极好！”。
随后，将针对图4的文本数据T1至T8执行处理的情况用作具体示例来描述以下处理。
在步骤S2中，主观表现提取单元55提取主观表现。具体地，主观表现提取单元55使用预定方法，从通过步骤S1的处理接收并且存储在文本数据存储单元52中的文本数据提取主观表现。主观表现提取单元55确定所提取的主观表现是肯定表现还是否定表现。
作为从文本数据提取主观表现并且确定所提取的主观表现是肯定表现还是否定表现的方法，可以采用任何方法，诸如在Kobayashi,N.等人的“Opinion Mining from Web Documents:Extraction andStructurization,”The Japanese Society for Artificial Intelligence,2007中描述的方法。
主观表现提取单元55使用字典存储单元53中存储的主观表现字典，计算所提取的主观表现的属性。
图5示出了主观表现字典的数据配置的示例。在主观表现字典中，登记有表明人们的主观表现的大量的主观表现。在主观表现字典中，针对每个主观表现定义两类属性，即类型和情绪。
主观表现的类型被分类为单纯评价和感性表现中的任何一个。作为单纯评价类型的主观表现，例示了表明可由喜欢/不喜欢或五步评价替换的简单表现的表现。作为感性表现类型的主观表现，例示了描述难于用单纯评价来表述的用户感受的表现。
情绪表明由主观表现表明的感受或氛围，并且针对情绪设定酷或快乐的值。
在该示例中，主观表现“极好”的类型被定义为感性表现并且情绪被定义为“酷”。
图6示出了使用图5的主观表现字典，通过针对图4的文本数据T1至T8执行主观表现的提取处理而获得的结果。
例如，从文本数据T1、T2、T3、T4和T8分别提取主观表现“极好”、“好”、“最小”、“累”和“垃圾”。向每个所提取的主观表现给出否定/肯定（pos/neg）、类型和情绪的值。没有从文本数据T5至T7提取主观表现。
主观表现提取单元55将主观表现的提取结果存储在主观表现存储单元56中。
在步骤S3中，体验信息提取单元57提取体验信息。具体地，体验信息提取单元57使用预定方法，从通过步骤S1的处理接收并且存储在文本数据存储单元52中的文本数据提取与服务器11处置的内容相关的体验及其类别。例如，体验信息提取单元57通过形态分析从每个文本数据提取字的模型。随后，体验信息提取单元57使用字典存储单元53中存储的体验类别字典，提取具体的体验及其类别。
图7示出了体验类别字典的数据配置的示例。在体验类别字典中，登记有表明被假设为与服务器11处置的内容相关的体验的体验的措词，并且定义每个措词表明的体验的类别。
在该示例中，登记有诸如“听”、“现场”和“唱”的措词。“听”的体验类别被分类成“听”。此外，与听音乐相关的措词，诸如“倾听”和“收听”被分类成体验类别“听”。“现场”的体验类别被分类成“加入”。此外，与参与事件相关的措词，诸如“参加战争”和“进入”被分类成体验类别“加入”。“唱”的体验类别被分类成“唱”。此外，与唱相关联的措词，诸如“哼唱”和“合唱”被分类成体验类别“唱”。
以上示例中所示的体验类别仅是示例性的，并且“买（例如，买CD）”、“演奏（例如演奏乐器）”和“看（例如，观看动画）”可以被用作体验类别。
作为从文本数据提取体验信息及其类别的方法，可以使用任何方法。例如，本公开不限于上述方法，并且准备大量的体验类别的样本文档并使用“Sebastiani,F.,“Machine Learning in Automated Text Categorization,”ACM Computing Surveys,Vol.34,Issue1,2002”中描述的机器学习方法对每个体验类别进行分类。
体验信息提取单元57使用字典存储单元53中存储的时间信息字典，从文本数据提取关于时间的信息。在该情况下，假设从文本数据提取的时间信息可能表明用户已具有相同文本数据中描述的体验的时间。
图8示出了时间信息字典的数据配置的示例。在时间信息字典中，登记有表明时间的表现模式，并且定义每个表现模式表明的具体时间信息。
在该示例中，登记有诸如“现在”、“昨天”、“N天前”、“N月前”、“N年前”和“想要”的表现模式。“现在”被定义为表明0分钟（当前）的表现模式。“昨天”被定义为表明-1天的表现模式，“N天前”被定义为表明-N天的表现模式，“N月前”被定义为表明-N月的表现模式，并且“N年前”被定义为表明-N年的表现模式。“想要”被定义为表明未来的表现模式。
以上示例中示出的时间信息仅是示例性的，并且表明具体年代、年、月、日期和时间的信息可以用作时间信息。
体验信息提取单元57使用字典存储单元53中存储的场所信息字典，从文本数据提取关于场所的信息。在该情况下，假设从文本数据提取的场所信息可能表明用户已具有相同文本数据中描述的体验的场所。
图9示出了场所字典的数据配置的示例。在场所信息字典中，登记有与场所相关的措词，并且每个措词被定义为表明特有场所或一般场所的措词。
在该示例中，登记有诸如“东京”、“湘南海岸”、“咖啡厅”和“返回路”的措词。“东京”和“湘南海岸”被分类成表明特有场所的措词，并且“咖啡厅”和“返回路”被分类成表明一般场所的措词。
图10示出了使用图7至9的字典，通过针对图4的文本数据T1至T8执行体验信息的提取处理而获得的结果。
例如，从文本数据T2中，基于“听”提取体验类别“听”，并且基于“现在”提取时间信息“0分钟”。
从文本数据T3中，基于“现场”提取体验类别“加入”，并且基于“昨天”提取时间信息“-1天”。
从文本数据T4中，基于“今天”提取时间信息“0天”。
从文本数据T5中，基于“听”提取体验类别“听”，并且基于“二十年前”提取时间信息“-20年”。
从文本数据T6中，基于“在驾车期间”提取时间信息“0分钟”，并且提取场所信息“湘南海岸”。
从文本数据T7中，基于“想要唱”提取体验类别“唱”，并且基于“想要唱”提取时间信息“未来”。
从文本数据T1和T8中，未能提取体验类别、时间信息和场所信息。
体验信息提取单元57将体验信息的提取结果存储在体验信息存储单元58中。
在步骤S4中，关键字提取单元59提取关键字。具体地，关键字提取单元59使用关键字存储单元54中存储的关键字DB，从通过步骤S1的处理接收并且存储在文本数据存储单元52中的文本数据提取为用户推荐的内容的类别特有的关键字以及关键字的类别。
图11示出了从图4的文本数据T1至T8提取关键字的结果。
例如，从文本数据T2中，关键字类别属于“内容名称”的“内容1”被提取，并且关键字类别属于“艺术家名称”的“艺术家1”被提取。
从文本数据T3中，关键字类别属于“艺术家名称”的“艺术家2”被提取。
从文本数据T1以及T1至T8，未能提取关键字。
关键字提取单元59将关键字的提取结果存储在提取关键字存储单元60中。
在步骤S5中，推荐内容控制单元71选择文本数据。就是说，推荐内容控制单元71将文本数据存储单元52中存储的文本数据中的一个未处理的文本数据选择为处理对象。
在下文中，被选择为处理对象的文本数据被称为对象文本数据。在下文中，与对象文本数据的源对应的用户被称为对象用户。
在步骤S6中，推荐内容提取单元81执行推荐内容提取处理。就是说，推荐内容提取单元81基于从对象文本数据提取的主观表现和体验信息，从内容信息存储单元61中存储有关于其的信息的内容中，提取推荐给对象用户的内容（推荐内容）。
此时，内容信息存储单元61中存储有关于其的信息的所有内容可以被设定为提取对象，或者提取对象可以限于满足预定条件的内容。
在下文中，变为推荐内容的提取对象的内容集合被称为提取对象内容集合。
在该情况下，将参照图12和图13的流程图描述推荐内容提取处理的具体示例。
图13示出了内容信息存储单元61中存储的内容信息DB的配置示例。内容信息DB包括内容ID、内容名称（音乐作品名称）、现场版本、卡拉OK版本、情绪、发表年份、相关区域和特征量。
内容ID是用于识别每个内容的识别信息。
现场版本表明每个内容是否具有现场版本。针对现场版本的内容设定值Y（是），并且针对现场版本以外的版本的内容设定值N（否）。
卡拉OK版本表明每个内容是否具有卡拉OK版本。针对卡拉OK版本的内容设定值Y（是），并且针对卡拉OK版本以外的版本的内容设定值N（否）。
情绪表明每个内容的情绪。例如，通过学习处理手动地或自动地给出登记在图5的主观表现字典中的情绪中的、适用于每个内容的情绪。
发表年份表明每个内容的发表年份。
相关区域表明每个内容相关的区域。例如，每个内容的标题或歌词中出现的区域或者艺术家的家乡被设定为相关区域。
特征量是通过对每个内容的特征进行数字化而获得的量。在该情况下，设定了关于节奏、声音密度和韵律乐器比的特征量。
在步骤S31中，推荐内容提取单元81基于主观表现存储单元56中存储的主观表现的提取结果，确定与对象文本数据中包括的情绪相关的主观表现。
例如，当包括图6的主观表现的提取结果时，如果文本数据T1是对象文本数据，则确定包括情绪的主观表现。同时，如果文本数据T1以外的文本数据是对象文本数据，则确定不包括情绪的主观表现。
当确定包括与情绪相关的主观表现时，处理前往步骤S32。
在步骤S32中，推荐内容提取单元81从提取对象内容集合中提取与情绪匹配的内容。例如，当文本数据T1是对象文本数据时，文本数据T1的主观表现的情绪是“酷”。因此，基于图13的内容信息DB提取“酷”被设定为情绪的内容C4。
随后，处理前往步骤S33。
同时，当在步骤S31中确定不包括与情绪相关的主观表现时，跳过步骤S32的处理并且处理前往步骤S33。
在步骤S33中，推荐内容提取单元81基于体验信息存储单元58中存储的体验信息的提取结果，确定对象文本数据中是否包括体验类别是“加入”的体验信息。
例如，当获得图10的体验信息的提取结果时，如果文本数据T3是对象文本数据，则确定包括体验类别是“加入”的体验信息。同时，如果文本数据T3以外的文本数据是对象文本数据，则确定不包括体验类别是“加入”的体验信息。
当确定包括体验类别是“加入”的体验信息时，处理前往步骤S34。
在步骤S34中，推荐内容提取单元81从提取对象内容集合中提取现场版本的内容。例如，当文本数据T3是对象文本数据时，提取图13的内容信息DB中的、“Y”被设定为现场版本的各条内容C2和C3。
随后，处理前往步骤S35。
同时，当在步骤S33中确定不包括体验类别是“加入”的体验信息时，跳过步骤S34的处理并且处理前往步骤S35。
在步骤S35中，推荐内容提取单元81基于体验信息存储单元58中存储的体验信息的提取结果，确定对象文本数据中是否包括体验类别是“唱”的体验信息。
例如，当获得图10的体验信息的提取结果时，如果文本数据T7是对象文本数据，则确定包括体验类别是“唱”的体验信息。同时，如果文本数据T7以外的文本数据是对象文本数据，则确定不包括体验类别是“唱”的体验信息。
当确定包括体验类别是“唱”的体验信息时，处理前往步骤S36。
在步骤S36中，推荐内容提取单元81从提取对象内容集合中提取卡拉OK版本的内容。例如，当文本数据T7是对象文本数据时，提取图13的内容信息DB中的、“Y”被设定为卡拉OK版本的内容C4。
随后，处理前往步骤S37。
同时，当在步骤S35中确定不包括体验类别是“唱”的体验信息时，跳过步骤S36的处理并且处理前往步骤S37。
在步骤S37中，推荐内容提取单元81基于体验信息存储单元58中存储的体验信息的提取结果，确定对象文本数据中是否包括时间信息。
例如，当获得图10的体验信息的提取结果时，如果文本数据T2至T7中的任一个是对象文本数据，则确定包括时间信息。同时，如果其他文本数据是对象文本数据，则确定不包括时间信息。
当确定包括时间信息时，处理前往步骤S38。
在步骤S38中，推荐内容提取单元81确定时间信息是否是以年为单位的时间信息。
例如，当获得图10的体验信息的提取结果时，如果文本数据T5是对象文本数据，则确定时间信息是以年为单位的时间信息。同时，如果文本数据T5以外的文本数据是对象文本数据，则确定时间信息不是以年为单位的时间信息。
当确定时间信息是以年为单位的时间信息时，处理前往步骤S39。
在步骤S39中，推荐内容提取单元81从提取对象内容集合中提取目标年份之前和之后的一年内的内容。
例如，当文本数据T5是对象文本数据时，文本数据T5中包括时间信息“-20年”。因此，在当前年份是2012时，提取在2012之前20年的1992之前和之后的一年内发表的内容，即发表年份是从1991到1993的内容。例如，提取图13的内容信息DB中的发表年份在从1991到1993的范围内的各条内容C2和C4。
随后，处理前往步骤S40。
同时，当在步骤S38中确定时间信息不是以年为单位的时间信息时，跳过步骤S39的处理并且处理前往步骤S40。
当在步骤S37中确定不包括时间信息时，跳过步骤S38和S39的处理并且处理前往步骤S40。
在步骤S40中，推荐内容提取单元81基于体验信息存储单元58中存储的体验信息的提取结果，确定对象文本数据中是否包括场所信息。
例如，当获得图10的体验信息的提取结果时，如果文本数据T6是对象文本数据，则确定包括场所信息。同时，如果文本数据T6以外的文本数据是对象文本数据，则确定不包括场所信息。
当确定包括场所信息时，处理前往步骤S41。
在步骤S41中，推荐内容提取单元81从提取对象内容集合中提取与目标场所相关的内容。
例如，当文本数据T6是对象文本数据时，文本数据T6中包括场所信息“湘南海岸”。因此，提取图13的内容信息DB中的、“湘南海岸”被设定为相关区域的内容C3。
随后，处理前往步骤S42。
同时，当在步骤S40中确定不包括场所信息时，跳过步骤S41的处理并且处理前往步骤S42。
在步骤S42中，推荐内容提取单元81确定推荐内容。例如，当推荐内容提取单元81执行步骤S32、S34、S36、S39和S41的提取处理中的至少一个时，推荐内容提取单元81通过OR（或）条件和AND（与）条件中的任何一个确定推荐内容。就是说，当使用OR条件时，所执行的任何一个提取处理提取的内容被确定为推荐内容。同时，当使用AND条件时，由所执行的所有提取处理提取的内容被确定为推荐内容。
当从对象文本数据提取的主观表现和体验信息不满足条件并且未执行提取处理时，推荐内容提取单元81将提取对象内容集合中包括的所有内容确定为推荐内容。
随后，推荐内容提取处理结束。
参照图3，在步骤S7中，推荐内容提取单元81基于步骤S6的处理结果，确定是否存在推荐内容。当确定存在推荐内容时，处理前往步骤S8。
在步骤S8中，推荐内容提取单元81向评级类别选择单元82和评级创建单元83通知推荐内容的提取结果。推荐内容的提取结果包括推荐内容的ID。
在步骤S9中，评级类别选择单元82执行评级类别选择处理。在该情况下，将参照图14的流程图描述评级类别选择处理的细节。
在步骤S71中，评级类别选择单元82基于主观表现存储单元56中存储的主观表现的提取结果，确定对象文本数据中是否包括肯定主观表现。当确定包括肯定主观表现时，处理前往步骤S72。
在步骤S72中，评级类别选择单元82基于体验信息存储单元58中存储的体验信息的提取结果，确定对象文本数据中是否包括体验信息。当确定包括体验信息时，处理前往步骤S73。
在步骤S73中，评级类别选择单元82基于提取关键字存储单元60中存储的关键字的提取结果，确定对象文本数据中是否包括内容名称。当确定不包括内容名称时，处理前往步骤S74。
在步骤S74中，评级类别选择单元82基于提取关键字存储单元60中存储的关键字的提取结果，确定对象文本数据中是否包括艺术家名称。当确定不包括艺术家名称时，处理前往步骤S75。
在步骤S75中，评级类别选择单元82基于用户历史选择评级。就是说，当对象文本数据中包括肯定主观表现和体验信息，但是对象文本数据中不包括内容名称和艺术家名称时，选择基于用户的内容使用历史的评级（以下称为用户历史评级）。例如，假设如下情况，对象用户已针对体验投稿具有肯定内容的文本数据而与具体内容或具体艺术家无关。在图4的文本数据T1至T8中，不存在选择用户历史评级的文本数据。
评级类别选择单元82向评级创建单元83通知所选择的评级类别。
随后，评级类别选择处理结束。
同时，当在步骤S74中确定包括艺术家名称时，处理前往步骤S76。
在步骤S76中，评级类别选择单元82基于主观表现存储单元56中存储的主观表现的提取结果，确定对象文本数据中包括的主观表现的类型是感性表现还是单纯评价。当确定主观表现的类型是感性表现时，处理前往步骤S77。
在步骤S77中，评级类别选择单元82基于相关艺术家的代表性音乐来选择评级。就是说，当对象文本数据中包括基于肯定感性表现的主观表现、体验信息和艺术家名称，但是对象文本数据中不包括内容名称时，选择基于相关艺术家的代表性音乐的评级（以下称为相关艺术家代表性音乐评级）。例如，假设如下情况，对象用户已针对与具体艺术家相关的体验，通过感性表现投稿具有肯定内容的文本数据，而与具体内容无关。在图4的文本数据T1至T8中，不存在选择相关艺术家代表性音乐评级的文本数据。
评级类别选择单元82向评级创建单元83通知所选择的评级类别。
随后，评级类别选择处理结束。
同时，当在步骤S76中确定主观表现的类型是单纯评价时，处理前往步骤S78。
在步骤S78中，评级类别选择单元82基于艺术家的代表性音乐来选择评级。就是说，当对象文本数据中包括基于肯定单纯评价的主观表现、体验信息和艺术家名称，但是对象文本数据中不包括内容名称时，选择基于艺术家的代表性音乐的评级（以下称为艺术家代表性音乐评级）。例如，假设如下情况，对象用户已针对与具体艺术家相关的体验，投稿具有表明肯定评级的内容的艺术家数据，而与具体内容无关。当文本数据T3是对象文本数据时，选择艺术家代表性音乐评级。
评级类别选择单元82向评级创建单元83通知所选择的评级类别。
随后，评级类别选择处理结束。
同时，当在步骤S73中确定包括内容名称时，处理前往步骤S79。
在步骤S79中，评级类别选择单元82基于内容的相似度来选择评级。就是说，当对象文本数据中包括肯定主观表现、体验信息和内容名称时，选择基于内容的相似度的评级（以下称为内容相似度评级）。例如，假设如下情况，对象用户已针对与具体内容相关的体验，投稿具有肯定内容的文本数据。当文本数据T2是对象文本数据时，选择内容相似度评级。
评级类别选择单元82向评级创建单元83通知所选择的评级类别。
随后，评级类别选择处理结束。
同时，当在步骤S71中确定不包括肯定主观表现或者在步骤S72中确定不包括体验信息时，处理前往步骤S80。
在步骤S80中，评级类别选择单元82确定不执行评级类别的选择。就是说，当对象文本数据中不包括肯定主观表现和体验信息时，不执行评级类别的选择。例如，假设如下情况，对象用户已投稿具有与体验不相关的内容的文本数据，或者对象用户已针对体验投稿具有否定内容的文本数据。当文本数据T2和T3以外的文本数据是对象文本数据时，确定不执行评级类别的选择。
评级类别选择单元82向评级创建单元83通知不执行评级类别的选择。
随后，评级类别选择处理结束。
返回图3，在步骤S10中，评级创建单元83基于来自评级类别选择单元82的通知，确定是否选择了评级类别。当确定选择了评级类别时，处理前往步骤S11。
在步骤S11中，评级创建单元83创建评级。就是说，评级创建单元83针对所提取的推荐内容，基于所选择的评级类别，预测对象用户可能喜欢的顺序，并且创建反映预测结果的评级。
例如，当选择了用户历史评级时，评级创建单元83使用预定方法，基于用户历史存储单元62中存储的对象用户的内容的使用历史，针对每个推荐内容预测对象用户的偏好度。此外，评级创建单元83按照高偏好度的顺序排列推荐内容并且创建推荐内容的评级。
作为针对内容预测用户的偏好度的方法，可以采用任何方法。例如，可以采用Su,X.,Khoshgoftaar,T.M.,“A Survey of CollaborativeFiltering Techniques,”Advances in Artificial Intelligence,vol.2009,2009和Adomavicius,G.,Alexander,T.,“Toward the Next Generation ofRecommender Systems:A Survey of the State-of-the-Art and PossibleExtensions,”IEEE Trans.Knowledge and Data Mining,Vol.17,No.6,2005中描述的方法。
例如，当选择了相关艺术家代表性音乐评级时，评级创建单元83搜索与对象文本数据中出现的艺术家相关的相关艺术家（以下称为对象艺术家）。
作为搜索相关艺术家的方法，可以采用任何方法。例如，评级创建单元83使用艺术家信息存储单元63中存储的艺术家信息DB，计算对象艺术家和其他艺术家之间的特征量或元数据的相似度。此外，评级创建单元83提取相似度等于或大于预定阈值的艺术家或者自顶而下直到预定评级的相似度的艺术家，作为相关艺术家。
此外，可以使用表明艺术家之间的相关关系的数据来提取与对象艺术家相关的相关艺术家。
接下来，评级创建单元83从推荐内容提取对象艺术家和相关艺术家的内容。
此外，评级创建单元83使用内容信息存储单元61中存储的代表性内容DB，创建所提取的内容的评级。
图15示出了代表性内容DB的配置示例。代表性内容DB包括内容ID、艺术家名称和代表度的事项。
针对每个内容，为每个艺术家设定代表度。如果代表度的值增加，则表明相应艺术家的代表性内容。例如，可以基于销售、查看内容的次数和公知度来按照顺序排列每个艺术家的内容，并且可以将顺序设定为代表度。替选地，可以基于销售、查看内容的次数和公知度将每个艺术家的内容分类成多个级别，并且可以为每个级别设定代表度。在前者的情况下，可以对同一艺术家的每个内容设定不同的代表度，而在后者的情况下，可以对同一艺术家的多个内容设定相同的代表度。
评级创建单元83按照代表度的顺序排列所提取的内容并且创建推荐内容的评级。
例如，当选择了艺术家代表性音乐评级时，评级创建单元83从推荐内容中提取对象文本数据中出现的对象艺术家的内容。评级创建单元83使用图15的代表性内容DB，按照代表度的顺序排列所提取的内容，并且创建推荐内容的评级。
例如，当选择了内容相似度评级时，评级创建单元83使用图13的内容信息DB，计算对象文本数据中出现的内容和每个推荐内容之间的相似度。
作为计算各条内容之间的相似度的方法，可以使用任何方法。例如，可以基于图13的内容信息DB中登记的每个内容的特征量来计算各条内容之间的相似度。再者，可以使用Su,X.,Khoshgoftaar,T.M.,“A Surveyof Collaborative Filtering Techniques,”Advances in Artificial Intelligence,vol.2009,2009中描述的基于事项的CF（相关过滤）来各条内容之间的相似度。
评级创建单元83按照高相似度排列推荐内容并且创建推荐内容的评级。
这样，基于对象用户投稿的文本数据中包括的主观表现和体验信息，执行提供给对象用户的推荐内容的优先级设定。
评级创建单元83使表明所创建的评级的评级信息与表明对象用户的信息相关联，并且将关联结果存储在评级信息存储单元65中。
在步骤S12中，提供控制单元67确定当前定时是否是内容推荐定时。当确定当前定时是内容推荐定时时，处理前往步骤S13。例如，如下文参照图16描述的，当与对象用户的文本数据投稿同步地、实时地推荐内容时，在步骤S12中，确定当前定时是内容推荐定时，紧随其后创建评级。
在步骤S13中，提供控制单元67基于评级提供推荐内容。具体地，提供控制单元67从评级信息存储单元65读取关于对象用户的评级信息。提供控制单元67基于评级信息，生成向对象用户提供推荐内容的画面（以下称为内容推荐画面）的显示控制数据。提供控制单元67通过传送单元68和网络13将显示控制数据传送到对象用户的客户端12。
接收到显示控制数据的客户端12基于接收到的显示控制数据来显示内容推荐画面。下文将参照图16至18描述内容推荐画面的具体示例。
随后，处理前往步骤S14。
同时，当在步骤S12中确定当前定时不是内容推荐定时时，跳过步骤S13的处理并且处理前往步骤S14。
在此后当前定时变为内容推荐定时之后，使用由于跳过步骤S13的处理而未被使用的评级信息。例如，如下文参照图18描述的，假设如下情况，基于对象用户在过去投稿的文本数据共同地推荐内容。
当在步骤S10中确定未选择评级类别时，跳过步骤S11至S13的处理并且处理前往步骤S14。就是说，在该情况下，不推荐内容。
当在步骤S7中确定不存在推荐内容时，跳过步骤S8至S13的处理并且处理前往步骤S14。
在步骤S14中，推荐内容控制单元71确定是否剩余未处理的文本数据。当确定剩余未处理的文本数据时，处理返回步骤S5。随后，重复执行步骤S5至S14的处理直至在步骤S14中确定没有剩余未处理的文本数据。
同时，当在步骤S14中确定没有剩余未处理的文本数据时，内容推荐处理结束。
在该情况下，将参照图16至18描述提供推荐内容的方法的具体示例。
图16示出了当用户投稿文本数据时，在根据文本数据的内容提供推荐内容（音乐作品）的服务（例如，音乐SNS（社交网络服务））中，客户端12中显示的内容推荐画面的示例。
内容推荐画面以列表的形式显示对象用户投稿的文本数据。在内容推荐画面上，显示有图标101a和101b、气球102a和102b、窗口103a、以及图标104a和104b。
图标101a和101b是表明对象用户的图标。
在气球102a和102b中，显示对象用户投稿的文本数据的内容。
在窗口103a中，显示已基于气球102a中的文本数据执行了提取和优先级设定的推荐内容。具体地，气球102a中的文本数据“昨天艺术家2的现场演奏是最好的！”包括肯定单纯评价的主观表现（最好）、体验（现场）和艺术家名称（艺术家2）。因此，在上文描述的图14的评级类别选择处理中，选择艺术家代表性音乐评级。
结果，在窗口103a中，显示艺术家2的内容中的、具有高代表度的预定数目的内容。在该情况下，基于图15的代表性内容DB，显示艺术家2的代表性内容中的上面的两条内容C36和C37的内容名称。此外，显示与内容C36和C37对应的图标104a和104b。在图标104a和104b中，使用相应内容（音乐作品）的封面。
这样，根据对象用户投稿的文本数据中包括的主观表现和体验信息，实时地推荐内容。因此，对象用户接受推荐内容的可能性变高。就是说，对象用户使用、购买和评价推荐内容并且读取内容的信息的可能性变高。
如图17中所示，可以提供不仅针对对象用户投稿的文本数据，而且针对其他用户投稿的文本数据推荐的内容。
具体地，图17示出了如下情况，以列表的形式显示对象用户跟随的用户投稿的文本数据。在该情况下，显示有图标121a和121b、气球122a和122b、窗口123a、以及图标124a和124b。
在该情况下，对象用户跟随的用户是对象用户设定的引用所投稿的文本数据的其他用户。
图标121a和121b是表明对象用户跟随的用户的图标。
在气球122a和122b中，显示与图标121a和121b对应的用户投稿的文本数据的内容。在每个气球122a和122b上，显示投稿文本数据的用户的用户名称以及用户投稿文本数据的日期和时间。
在窗口123a中，显示基于气球122a中的文本数据提供给用户1的推荐内容。具体地，气球122a中的文本数据“我现在听到内容了。每当我听到内容，我感觉很好>内容1”包括肯定单纯评价的主观表现（好）、体验（听）和内容名称（内容1）。因此，在图14的评级类别选择处理中，选择内容相似度评级。
结果，在窗口123a中，显示具有与内容1的高相似度的预定数目的内容。在该示例中，基于图13的内容信息显示具有与内容1的特征量的高相似度的上面的两条内容C20和C5的内容名称。此外，显示与内容C20和C5对应的图标124a和124b。在图标124a和124b中，使用相应内容（音乐作品）的封面。
这样，根据对象用户跟随的用户的文本数据中包括的主观表现和体验信息推荐的内容被提供给对象用户。从而，对象用户可以了解对象用户跟随的用户关于内容的嗜好。对象用户跟随的用户可能是嗜好或价值观与对象用户的嗜好或价值观相匹配的用户。因此，对象用户接受针对对象用户跟随的用户推荐的内容的可能性是高的。
图18示出了当服务器11提供收集基于流派分类的每个频道的内容并且提供该内容（如互联网广播）的服务时，对象用户的客户端12中显示的画面的示例。
在画面上，显示有与各个频道对应的窗口141至143。在窗口141至143中，窗口141和142对应于从服务器11提供的作为正常频道的摇滚频道和爵士频道。在窗口141中，与在摇滚频道上分送的内容对应的图标151a至151g按照再现顺序排列并且显示。在窗口142中，与在爵士频道上分送的内容对应的图标152a至152g按照再现顺序排列并且显示。
同时，窗口143对应于“上周的活跃频道”，其中收集有基于对象用户上周投稿的文本数据而推荐的内容。在窗口143中，与在上周的活跃频道上分送的内容对应的图标152a至152g按照再现顺序排列并且显示。根据基于对象用户上周通过社交网络服务（SNS）投稿的文本数据的内容而创建的评级信息，确定分送的内容和再现顺序。
这样，根据对象用户在过去预定时段期间投稿的文本数据中包括的主观表现和体验信息，收集并推荐内容。因此，对象用户接受推荐内容的可能性变高。
<2.改型>
在下文中，将描述本公开的实施例的改型。
[第一改型：执行内容的提取和优先级设定的方法的改型]
提取提供给用户的内容并且创建内容的评级（即设定优先级）的方法不限于上述示例并且可以采用任何方法。
例如，使用上述条件以外的条件，可以提取推荐内容并且可以创建推荐内容的评级。
例如，上述实施例中的用于内容提取的条件可以用于内容评级的创建。相反，用于内容评级的创建的条件可以用于内容的提取。
例如，可以仅执行内容的提取或者内容评级的创建。对于提取对象内容集合中的所有内容，可以创建推荐内容的评级。替选地，可以从提取对象内容集合中的内容仅提取推荐内容并且可以创建评级。
例如，可以仅基于从文本数据提取的体验信息或者主观表现来执行推荐内容的提取或者推荐内容的评级的创建。
例如，当未从文本数据提取与体验相关的措词时，体验信息不能用于推荐内容的提取和推荐内容的评级的创建，即使提取了时间信息或场所信息。这是因为从文本数据提取的时间信息或场所信息不是与体验相关的信息。
[第二改型：推荐内容的方法的改型]
上文参照图16至18描述的提供推荐内容的方法是示例性的，并且可以使用其他方法提供推荐内容。
例如，可以原样提供推荐内容的评级。
例如，根据评级，所提供的推荐内容可以按每个预定时间而改变。
在上文参照图18描述的示例中，基于对象用户在过去预定时段期间投稿的多个文本数据，收集并推荐内容。然而，本公开不限于此，并且可以根据基于任何其他条件提取的多个文本数据来收集并推荐内容。例如，文本数据的长度、文本数据中包括的措词、交谈话题、以及投稿时间或投稿的周天可以被用作提取条件。
[第三改型：输入文本数据的方法的改型]
本公开可以应用于用户使用声音输入文本数据的情况以及用户将文本数据直接输入到客户端12的情况。在该情况下，输入的声音数据可以在客户端12处被转换成文本数据并且文本数据可以被传送到服务器11。替选地，声音数据可以从客户端12传送到服务器11，并且声音数据可以在服务器11处被转换成文本数据。
[第四改型：推荐事项的改型]
使用本公开推荐的事项不限于上述示例。例如，除了音乐和动画，本公开可以应用于使用诸如书籍、游戏、软件、网站、新闻和广告的文字、声音和图像来推荐各种内容的情况。
本公开可以应用于如下情况，推荐内容以外的各种事项，例如社交服务上的各种用品和用户。
[第五改型：关键字的改型]
已描述了提取内容（音乐作品）的艺术家的名称作为关键字并且用于推荐内容的提取或者设定推荐内容的优先级的情况的示例。然而，艺术家以外的人或团体可以被用作关键字。
例如，开发、制造和销售事项的人、公司和团体的名称可以被用作关键字。用于关键字的名称可以不是官方名称。例如，可以使用通称或略称。
[计算机的配置例子]
上面提到的系列过程可以通过硬件来执行，也可以通过软件来执行。在系列过程通过软件来执行的情况下，在计算机中安装配置这个软件的程序。这里，例如，通过安装结合到专用硬件和各种程序中的计算机，在计算机中包括可以执行各种功能的通用个人计算机。
图19是示出通过程序来执行上面的系列过程的计算机的硬件的配置例子的框图。
中央处理单元（CPU）301、只读存储器（ROM）302、随机存取存储器（RAM）303和总线304在计算机中相互连接。
输入/输出接口305进一步连接到总线304。输入单元306、输出单元307、存储单元308、通信单元309和驱动器310连接到输入/输出接口305。
输入单元306包括键盘、鼠标或麦克风等。输出单元307包括显示器或扬声器等。存储单元308包括硬盘或非易失性存储器等。通信单元309包括网络接口等。驱动器310驱动可移动介质311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CPU301通过输入/输出接口305和总线304在RAM303中加载并执行存储单元308中存储的程序，来执行上面提到的系列过程。
例如可以在作为封装介质等的可移动介质311中记录并提供由计算机（CPU301）执行的程序。进一步，可以通过有线或无线的传输介质如局域网、因特网或数字卫星广播来提供程序。
在计算机中，通过在驱动器310中安装可移动介质311，可以通过输入/输出接口305将程序安装在存储单元308中。进一步，程序可以由通信单元309通过有线或无线的传输介质来接收，并且可以安装在存储单元308中。另外，程序可以预先安装在ROM302和存储单元308中。
注意，由计算机执行的程序可以是根据本公开中描述的顺序执行时间系列过程的程序，也可以是并行地在必要时刻如当执行调用时执行过程的程序。
进一步，在本公开中，系统具有多个配置元件（诸如设备或模块（部件））的集合的含义，并且没有计入所有的配置元件是否都处于相同的壳体内。因此，系统可以是存储在分开的壳体内并且通过网络连接的多个设备，或者是单个壳体之内的多个模块。
本领域技术人员应当理解，根据设计需要和其他因素，可以进行各种修改、组合、子组合和变更，只要它们在所附权利要求或其等同物的范围内。
例如，本公开可以采用云计算配置，其通过网络利用多个装置分配并连接一个功能来进行处理。
此外，上述流程图描述的每个步骤可以由一个装置执行或者通过分配多个装置而执行。
此外，在一个步骤中包括多个处理的情况下，该一个步骤中包括的多个处理可以由一个装置执行或者通过分配多个装置而执行。
此外，本技术还可以如下配置。
（1）一种信息处理装置，包括：
体验信息提取单元，其从用户输入的文本数据提取作为关于体验的信息的体验信息；
事项选择单元，其基于所提取的所述体验信息，执行提供给所述用户的事项的提取和优先级设定至少之一；以及
提供控制单元，其基于事项的提取或优先级设定的结果，控制针对所述用户的事项的提供。
（2）根据（1）所述的信息处理装置，
其中所述体验信息提取单元将所述体验信息中包括的体验分类成预定的类别，以及
其中所述事项选择单元基于所述体验的类别，执行提供给所述用户的事项的提取和优先级设定至少之一。
（3）根据（1）或（2）所述的信息处理装置，
其中所述事项选择单元基于所述体验信息中包括的时间或场所，执行提供给所述用户的事项的提取和优先级设定至少之一。
（4）根据（1）至（3）中任一项所述的信息处理装置，
其中所述体验信息是关于与所述事项相关的体验的信息。
（5）根据（1）至（4）中任一项所述的信息处理装置，进一步包括：
主观表现提取单元，其从所述文本数据提取主观表现，
其中所述事项选择单元进一步基于所提取的所述主观表现，执行提供给所述用户的事项的提取和优先级设定至少之一。
（6）根据（5）所述的信息处理装置，
其中所述事项选择单元基于所述主观表现是肯定的还是否定的，执行提供给所述用户的事项的提取和优先级设定至少之一。
（7）根据（6）所述的信息处理装置，
其中当从所述文本数据提取到所述体验信息和肯定的所述主观表现时，所述事项选择单元执行提供给所述用户的事项的提取和优先级设定至少之一。
（8）根据（5）至（7）中任一项所述的信息处理装置，
其中所述事项选择单元基于所述主观表现表明的情绪，执行提供给所述用户的事项的提取和优先级设定至少之一。
（9）根据（5）至（8）中任一项所述的信息处理装置，
其中所述事项选择单元基于所述主观表现是单纯评价还是感性表现，执行提供给所述用户的事项的提取和优先级设定至少之一。
（10）根据（1）至（9）中任一项所述的信息处理装置，进一步包括：
关键字提取单元，其从所述文本数据提取关键字，
其中所述事项选择单元基于所提取的关键字，执行提供给所述用户的事项的提取和优先级设定至少之一。
（11）根据（10）所述的信息处理装置，
其中所述关键字包括事项的名称，以及
其中所述事项选择单元基于被提取作为所述关键字的事项的名称，执行提供给所述用户的事项的提取和优先级设定至少之一。
（12）根据（10）或（11）所述的信息处理装置，
其中所述关键字包括与事项相关的个人或团体的名称，以及
其中所述事项选择单元基于被提取作为所述关键字的个人或团体的名称，执行提供给所述用户的事项的提取和优先级设定至少之一。
（13）根据（1）至（12）中任一项所述的信息处理装置，
其中所述提供控制单元以如下方式执行控制：已被执行提取或优先级设定的事项连同所述文本数据一起被提供。
（14）根据（1）至（12）中任一项所述的信息处理装置，
其中所述提供控制单元以如下方式执行控制：基于满足预定条件的多条所述文本数据而被执行提取或优先级设定的事项被收集并且被提供给所述用户。
（15）一种由信息处理装置执行的信息处理方法，所述方法包括：
从用户输入的文本数据提取作为关于体验的信息的体验信息；
基于所提取的所述体验信息，执行提供给所述用户的事项的提取和优先级设定至少之一；以及
基于事项的提取或优先级设定的结果，控制针对所述用户的事项的提供。
（16）一种用于使计算机执行包括以下操作的处理的程序：
从用户输入的文本数据提取作为关于体验的信息的体验信息；
基于所提取的所述体验信息，执行提供给所述用户的事项的提取和优先级设定至少之一；以及
基于事项的提取或优先级设定的结果，控制针对所述用户的事项的提供。
本公开包含与2012年5月28日提交日本专利局的日本在先专利申请JP2012-120725中公开的主题内容相关的主题内容，其整体内容通过引用合并于此。

Claims (16)

1.一种信息处理装置，包括：
体验信息提取单元，其从用户输入的文本数据提取作为关于体验的信息的体验信息；
事项选择单元，其基于所提取的所述体验信息，执行提供给所述用户的事项的提取和优先级设定至少之一；以及
提供控制单元，其基于事项的提取或优先级设定的结果，控制针对所述用户的事项的提供。
2.根据权利要求1所述的信息处理装置，
其中所述体验信息提取单元将所述体验信息中包括的体验分类成预定的类别，以及
其中所述事项选择单元基于所述体验的类别，执行提供给所述用户的事项的提取和优先级设定至少之一。
3.根据权利要求1所述的信息处理装置，
其中所述事项选择单元基于所述体验信息中包括的时间或场所，执行提供给所述用户的事项的提取和优先级设定至少之一。
4.根据权利要求1所述的信息处理装置，
其中所述体验信息是关于与所述事项相关的体验的信息。
5.根据权利要求1所述的信息处理装置，进一步包括：
主观表现提取单元，其从所述文本数据提取主观表现，
其中所述事项选择单元进一步基于所提取的所述主观表现，执行提供给所述用户的事项的提取和优先级设定至少之一。
6.根据权利要求5所述的信息处理装置，
其中所述事项选择单元基于所述主观表现是肯定的还是否定的，执行提供给所述用户的事项的提取和优先级设定至少之一。
7.根据权利要求6所述的信息处理装置，
其中当从所述文本数据提取到所述体验信息和肯定的所述主观表现时，所述事项选择单元执行提供给所述用户的事项的提取和优先级设定至少之一。
8.根据权利要求5所述的信息处理装置，
其中所述事项选择单元基于所述主观表现表明的情绪，执行提供给所述用户的事项的提取和优先级设定至少之一。
9.根据权利要求5所述的信息处理装置，
其中所述事项选择单元基于所述主观表现是单纯评价还是感性表现，执行提供给所述用户的事项的提取和优先级设定至少之一。
10.根据权利要求1所述的信息处理装置，进一步包括：
关键字提取单元，其从所述文本数据提取关键字，
其中所述事项选择单元基于所提取的关键字，执行提供给所述用户的事项的提取和优先级设定至少之一。
11.根据权利要求10所述的信息处理装置，
其中所述关键字包括事项的名称，以及
其中所述事项选择单元基于被提取作为所述关键字的事项的名称，执行提供给所述用户的事项的提取和优先级设定至少之一。
12.根据权利要求10所述的信息处理装置，
其中所述关键字包括与事项相关的个人或团体的名称，以及
其中所述事项选择单元基于被提取作为所述关键字的个人或团体的名称，执行提供给所述用户的事项的提取和优先级设定至少之一。
13.根据权利要求1所述的信息处理装置，
其中所述提供控制单元以如下方式执行控制：已被执行提取或优先级设定的事项连同所述文本数据一起被提供。
14.根据权利要求1所述的信息处理装置，
其中所述提供控制单元以如下方式执行控制：基于满足预定条件的多条所述文本数据而被执行提取或优先级设定的事项被收集并且被提供给所述用户。
15.一种由信息处理装置执行的信息处理方法，所述方法包括：
从用户输入的文本数据提取作为关于体验的信息的体验信息；
基于所提取的所述体验信息，执行提供给所述用户的事项的提取和优先级设定至少之一；以及
基于事项的提取或优先级设定的结果，控制针对所述用户的事项的提供。
16.一种用于使计算机执行包括以下操作的处理的程序：
从用户输入的文本数据提取作为关于体验的信息的体验信息；
基于所提取的所述体验信息，执行提供给所述用户的事项的提取和优先级设定至少之一；以及
基于事项的提取或优先级设定的结果，控制针对所述用户的事项的提供。
CN201310190238.0A 2012-05-28 2013-05-21 信息处理装置、信息处理方法和程序 Active CN103455538B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-120725 2012-05-28
JP2012120725A JP5910316B2 (ja) 2012-05-28 2012-05-28 情報処理装置、情報処理方法、および、プログラム

Publications (2)

Publication Number Publication Date
CN103455538A true CN103455538A (zh) 2013-12-18
CN103455538B CN103455538B (zh) 2018-08-07

Family

ID=49622361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310190238.0A Active CN103455538B (zh) 2012-05-28 2013-05-21 信息处理装置、信息处理方法和程序

Country Status (3)

Country Link
US (1) US20130318021A1 (zh)
JP (1) JP5910316B2 (zh)
CN (1) CN103455538B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5935516B2 (ja) 2012-06-01 2016-06-15 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
CN104978368A (zh) * 2014-04-14 2015-10-14 百度在线网络技术（北京）有限公司 一种用于提供推荐信息的方法和装置
JP5946880B2 (ja) 2014-09-26 2016-07-06 ファナック株式会社 Ｌｃｌフィルタ保護機能を有するモータ制御装置
CN107277246B (zh) * 2017-06-16 2018-12-28 珠海格力电器股份有限公司 一种信息提醒方法及其装置、电子设备
JP2019079224A (ja) 2017-10-24 2019-05-23 富士ゼロックス株式会社 情報処理装置及び情報処理プログラム
CN112020707A (zh) * 2018-01-05 2020-12-01 国立大学法人九州工业大学 标签添加装置、标签添加方法以及程序
JP7059811B2 (ja) * 2018-05-30 2022-04-26 ヤマハ株式会社 情報処理方法および情報処理装置
WO2022044513A1 (ja) * 2020-08-24 2022-03-03 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 情報処理方法、情報処理装置及び情報処理プログラム
CN112784071B (zh) * 2020-12-31 2023-08-15 重庆空间视创科技有限公司 Iptv数据共享系统及方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101124575A (zh) * 2004-02-26 2008-02-13 雅虎公司 用于生成推荐的方法和系统
US20090073033A1 (en) * 2007-09-18 2009-03-19 Palo Alto Research Center Incorporated Learning a user's activity preferences from gps traces and known nearby venues
JP2009176302A (ja) * 2008-01-23 2009-08-06 Palo Alto Research Center Inc 推薦システム用の時間情報および場所情報の言語抽出
US20090265332A1 (en) * 2008-04-18 2009-10-22 Biz360 Inc. System and Methods for Evaluating Feature Opinions for Products, Services, and Entities
US20100023259A1 (en) * 2008-07-22 2010-01-28 Microsoft Corporation Discovering points of interest from users map annotations
US20100057712A1 (en) * 2008-09-02 2010-03-04 Yahoo! Inc. Integrated community-based, contribution polling arrangement
US20100276484A1 (en) * 2009-05-01 2010-11-04 Ashim Banerjee Staged transaction token for merchant rating
CN101968802A (zh) * 2010-09-30 2011-02-09 百度在线网络技术（北京）有限公司 一种基于用户浏览行为进行互联网内容推荐的方法与设备
CN101986298A (zh) * 2010-10-28 2011-03-16 浙江大学 用于在线论坛的信息实时推荐方法
CN102104688A (zh) * 2011-02-15 2011-06-22 宇龙计算机通信科技(深圳)有限公司 软件推荐方法和移动终端
CN102236646A (zh) * 2010-04-20 2011-11-09 得利在线信息技术(北京)有限公司 对象级垂直搜索引擎个性化排序算法iRank
JP2011253243A (ja) * 2010-05-31 2011-12-15 Nippon Telegr & Teleph Corp <Ntt> 情報提供装置、情報提供方法、及び情報提供プログラム
CN102459549A (zh) * 2009-06-04 2012-05-16 花王株式会社 香味的选择方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6456234B1 (en) * 2000-06-07 2002-09-24 William J. Johnson System and method for proactive content delivery by situation location
US6848542B2 (en) * 2001-04-27 2005-02-01 Accenture Llp Method for passive mining of usage information in a location-based services system
US7962461B2 (en) * 2004-12-14 2011-06-14 Google Inc. Method and system for finding and aggregating reviews for a product
US8238528B2 (en) * 2007-06-29 2012-08-07 Verizon Patent And Licensing Inc. Automatic analysis of voice mail content
US20110251973A1 (en) * 2010-04-08 2011-10-13 Microsoft Corporation Deriving statement from product or service reviews

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101124575A (zh) * 2004-02-26 2008-02-13 雅虎公司 用于生成推荐的方法和系统
US20090073033A1 (en) * 2007-09-18 2009-03-19 Palo Alto Research Center Incorporated Learning a user's activity preferences from gps traces and known nearby venues
JP2009176302A (ja) * 2008-01-23 2009-08-06 Palo Alto Research Center Inc 推薦システム用の時間情報および場所情報の言語抽出
US20090265332A1 (en) * 2008-04-18 2009-10-22 Biz360 Inc. System and Methods for Evaluating Feature Opinions for Products, Services, and Entities
US20100023259A1 (en) * 2008-07-22 2010-01-28 Microsoft Corporation Discovering points of interest from users map annotations
US20100057712A1 (en) * 2008-09-02 2010-03-04 Yahoo! Inc. Integrated community-based, contribution polling arrangement
US20100276484A1 (en) * 2009-05-01 2010-11-04 Ashim Banerjee Staged transaction token for merchant rating
CN102459549A (zh) * 2009-06-04 2012-05-16 花王株式会社 香味的选择方法
US20120125082A1 (en) * 2009-06-04 2012-05-24 Kao Corporation Method of Selecting a Fragrance
CN102236646A (zh) * 2010-04-20 2011-11-09 得利在线信息技术(北京)有限公司 对象级垂直搜索引擎个性化排序算法iRank
JP2011253243A (ja) * 2010-05-31 2011-12-15 Nippon Telegr & Teleph Corp <Ntt> 情報提供装置、情報提供方法、及び情報提供プログラム
CN101968802A (zh) * 2010-09-30 2011-02-09 百度在线网络技术（北京）有限公司 一种基于用户浏览行为进行互联网内容推荐的方法与设备
CN101986298A (zh) * 2010-10-28 2011-03-16 浙江大学 用于在线论坛的信息实时推荐方法
CN102104688A (zh) * 2011-02-15 2011-06-22 宇龙计算机通信科技(深圳)有限公司 软件推荐方法和移动终端

Also Published As

Publication number Publication date
CN103455538B (zh) 2018-08-07
JP2013246683A (ja) 2013-12-09
US20130318021A1 (en) 2013-11-28
JP5910316B2 (ja) 2016-04-27

Similar Documents

Publication Publication Date Title
CN103455538A (zh) 信息处理装置、信息处理方法和程序
US9881042B2 (en) Internet based method and system for ranking individuals using a popularity profile
US8555173B2 (en) Recommendation engine
JP4940399B2 (ja) 広告配信装置およびプログラム
CN100504866C (zh) 一种综合搜索结果的排序系统及方法
US11243992B2 (en) System and method for information recommendation
CN101458703A (zh) 用于控制相对重要性的标签表示或标签组表示大小调整
CN106294787A (zh) 一种推送信息的方法、装置及电子设备
CN102576438A (zh) 用于执行推荐的方法和设备
US20160012454A1 (en) Database systems for measuring impact on the internet
CN103514253A (zh) 基于社交活动数据的排序
CN104077707B (zh) 一种推广呈现方式的优化方法和装置
CN103198082B (zh) 信息处理装置和信息处理方法
CN106294500A (zh) 内容项目的推送方法、装置及系统
US20140122504A1 (en) Systems and Methods for Collection and Automatic Analysis of Opinions on Various Types of Media
US20090198552A1 (en) System and process for identifying users for which cooperative electronic advertising is relevant
US20090198553A1 (en) System and process for generating a user model for use in providing personalized advertisements to retail customers
CN103593382A (zh) 信息处理设备、信息处理方法和程序
US20090199233A1 (en) System and process for generating a selection model for use in personalized non-competitive advertising
KR102030342B1 (ko) 웹 콘텐츠의 소비 행태 분석 장치 및 그 방법
Ziegler et al. Music recommenders based on hybrid techniques and serendipity
US20090198551A1 (en) System and process for selecting personalized non-competitive electronic advertising for electronic display
JP7481050B1 (ja) 情報処理装置、情報処理方法、およびプログラム
CN102799593A (zh) 个人化搜寻排序方法以及系统
Khoeurn et al. Sentiment Analysis Engine for Cambodian Music Industry Re-building

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