JP2000227918A

JP2000227918A - 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体

Info

Publication number: JP2000227918A
Application number: JP11028104A
Authority: JP
Inventors: Yusuke Ariyoshi; 勇介有吉
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 1999-02-05
Filing date: 1999-02-05
Publication date: 2000-08-15

Abstract

(57)【要約】【課題】情報フィルタリングの精度を向上させること。【解決手段】要求者が情報に与えた評価と要求者以外の
利用者が情報に与えた評価と属性とを利用して利用者の
情報に対する第１適合度を算出する適合度推定手段２２
と、第１適合度と要求者が情報に与えた評価と要求者以
外の利用者が情報に与えた評価と属性とによって第１適
合度の精度を算出する誤差予測手段２３と、利用者が情
報に与えた評価と第１適合度と第１適合度の精度と属性
とを利用することによって要求者が評価していない情報
に対する要求者の第２適合度を算出する適合度推定手段
２０７と、第２適合度と要求者が情報に与えた評価と要
求者以外の利用者が情報に与えた評価と適合度と適合度
の精度と属性とを利用することによって第２適合度の精
度を算出する誤差予測手段２０８と、第２適合度と第２
適合度の精度を用いて情報の推薦を行う情報選択手段２
０９を有する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はデータベースやＷＷ
Ｗ（ＷｏｒｌｄＷｉｄｅＷｅｂ）などの情報システ
ムなどのコンピュータ等から、利用者の興味や嗜好に合
った情報の推薦やフィルタリング（本明細書では単に、
フィルタリングという。）を行う情報フィルタリング方
法及び情報フィルタリング装置並びに情報フィルタリン
グプログラムを記録した記録媒体に関し、特に適合度の
予測精度を利用する情報フィルタリング方法及びその装
置並びに情報フィルタリングプログラムを記録した記録
媒体に関する。

【０００２】

【従来の技術】従来、この種の情報フィルタリング方法
や装置や情報フィルタリングプログラム（以下、まとめ
て情報フィルタリングシステムと記載する。）はデータ
ベースやパソコン通信やＷＷＷなどの情報システムが提
供する大量の情報や多数のサービス（以下、本明細書に
おいて、単に「情報」と記載した場合は、このことを指
す。）の中から利用者の興味や嗜好に適合するものを推
薦したりフィルタリングを行うために用いられている。

【０００３】従来の情報フィルタリングシステムは利用
者が情報に与える評価を予測することで、大量の情報の
中から利用者が必要とする情報の選別を行う。評価を予
測する方式には、一般にCBF(Constant Based Filterin
g)方式とSIF(Social Information Filtering)方式の二
つが存在し、更に、このCBF方式とSIF方式とを組み合わ
せた方式（以下、組合せ方式）が知られている。以下で
は、これらの従来の方式で用いられている評価の予測値
のことを適合度と呼ぶ。

【０００４】ＣＢＦ方式は、情報の中に含まれているキ
ーワードや単語頻度などデータ（以下、本明細書では、
このデータのことを属性と記載する。）から、各情報の
内容の特徴を表現し、利用者の過去の興味などをキーワ
ードの重みなどで表現したものとのマッチングに基づい
て情報のフィルタリングを行う方式である。

【０００５】ＳＩＦ方式は、利用者が個々の情報に与え
た評価（以下、本明細書では、評価と記載する。）を記
憶しておき、自分（情報フィルタリングの要求者）が過
去に行った評価と、要求者以外の利用者の評価を比較し
て、要求者と嗜好が似た利用者を見つけだし、その利用
者が高い評価を付けた情報を選び出して要求者に推薦す
ることで情報のフィルタリングを行う方式である。

【０００６】ＣＢＦ方式の情報フィルタリング方式の従
来の技術の公知例としては、特開平３−９４３７５号公
報「文書検索装置」が知られている。ＳＩＦ方式の例と
してはプロシーディングス・オブ・ザ・シーエスシーダ
ブリュ１９９４（ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈ
ｅｃｓｃｗ１９９４）１９９４年エイシーエムプレ
ス（ａｃｍｐｒｅｓｓ）１７５頁から１８６頁米国で
ＧｒｏｕｐＬｅｎｓというシステムについて、プロシー
ディングス・オブ・ザ・シーエイチアイ９５（ｐｒｏｃ
ｅｅｄｉｎｇｓｏｆｔｈｅｃｈｉ９５）１９９５
年エイシーエムプレス（ａｃｍｐｒｅｓｓ）２１０頁
から２１７頁に記載の米国のＲｉｎｇｏというシステム
が知られている。CBF方式とSIF方式の組合せ方式の一例
が、本願出願人が過去に特許出願し、公開された特開平
１０−２４０７４９号公報に記載されている。

【０００７】次に、従来の技術について図面を参照して
説明する。

【０００８】従来技術を図１８、図１９を参照して説明
する。図１８を参照すると、従来の技術においては入出
力装置１とデータ処理装置９と、記憶装置３とを含んで
構成されている。

【０００９】入出力装置１は要求入力部１１と、情報提
示部１２と、評価入力部１３とを備えている。

【００１０】記憶装置３は情報記憶部３１と、属性記憶
部３２と評価記憶部３３を備えている。情報記憶部３１
は、検索対象となる登録情報３０をあらかじめ記憶して
いる。評価記憶部３３は、情報に対する利用者の評価値
を、要求者および要求者以外の利用者による評価値も含
めてあらかじめ記憶している。

【００１１】データ処理装置９は、属性抽出手段２１
と、適合度推定手段２２０と、情報選択手段２２１を備
えている。

【００１２】属性抽出手段２１は情報記憶部３１に記憶
された情報から特徴となる属性（例えば単語頻度）を抽
出し属性記憶部３２に格納する。

【００１３】適合度推定手段２２０は、要求入力部１１
で要求者からの推薦要求を受けとると、評価記憶部３３
に記憶された要求者の評価や要求者以外の利用者の評
価、属性記憶部３２に記憶された情報の属性を利用し
て、情報の要求者に対する適合度を推定する。

【００１４】情報選択手段２２１は、適合度推定手段２
２０が算出した情報の要求者に対する適合度を利用し
て、要求者の興味に合う情報を情報提示部１２に出力す
る。要求者は情報提示部１２で提示された情報が自分の
興味に合うか評価する。

【００１５】評価入力部１３から入力された情報に対す
る評価は評価記憶手段３３に格納される。

【００１６】次に、図１９を参照して、図１８に示され
る従来技術の動作について説明する。

【００１７】要求入力部１１から要求者が推薦要求を入
力すると、適合度推定手段２２０は、評価記憶部３３に
記憶された要求者の評価と要求者以外の利用者の評価
と、属性記憶部３２に記憶された情報の属性を利用し
て、情報の要求者に対する適合度を推定する（Ｄ１）。

【００１８】情報選択手段２２１は、適合度推定手段２
２０が算出した適合度を利用して、要求者の興味に合う
情報を選択し（Ｄ２）、結果を情報提示部１２に出力す
る（Ｄ３）。

【００１９】次に、図面を参照して従来技術のＣＢＦ方
式、ＳＩＦ方式を説明する。

【００２０】まず、ＣＢＦ方式について説明する。ＣＢ
Ｆ方式の適合度推定手段２２０のより具体的な実施の形
態について、図面の図２０、図２１を参照して説明す
る。また、前述した従来の技術と同様な機能をもつ構成
については、図中、同一符合をつけており、これらの機
能については説明を省略する。

【００２１】図２０を参照すると、ＣＢＦ方式の適合度
推定手段２２０は利用者プロファイル学習手段２２２
と、適合度推定手段２２３とを備える。

【００２２】属性抽出手段２１は情報記憶部３１に記憶
された情報から、特徴となる属性を抽出し属性記憶部３
２に格納する。また、ここでいう属性とは、先に説明し
た通り、情報の内容をキーワードや単語頻度などから特
徴づけたものである。例えば、「ある情報の中には、
「野球」と「サッカー」いうキーワードが含まれる。」
というもので、情報の特徴を抽出したものである。

【００２３】利用者プロファイル学習手段２２２は、要
求入力部１１より要求者からの推薦要求を受けとると、
評価記憶部３３に記憶された、要求者が過去に行った情
報に対する評価と、属性記憶部３２に記憶された情報の
属性のうち、要求者が評価済みの情報の属性から、要求
者の評価と属性の間の関係を表すプロファイルを学習す
る。

【００２４】このプロファイルの学習は、例えば、要求
者は、過去に「野球」というキーワードを含む情報に対
して高い評価を行っていたが、逆に「サッカー」という
キーワードを含む情報に対しては、低い評価を行ってい
たというように、要求者の評価と属性との間の関係が分
かるものであり、言い換えれば、利用者興味を情報に含
まれる単語（キーワード）の重みで表現したものであ
る。

【００２５】適合度推定手段２２３は利用者プロファイ
ル学習手段２２２が学習した要求者のプロファイルと、
属性記憶部３２が記憶している情報の属性から、各情報
の要求者に対する適合度を推定する。

【００２６】次に、情報選択手段２２１は、適合度推定
手段２３が推定した適合度を利用して、要求者に適合す
る情報を情報記憶部に記憶している情報の中から選択し
情報提示部１２に出力する。

【００２７】この例では、適合度推定手段２２３が、要
求者が「野球」の属性を持った情報に対して興味がある
というプロファイルを学習し、逆に「サッカー」の属性
を持った情報に対しては興味がないというプロファイル
を学習した結果を受け取り、要求者には、「野球」とい
うキーワードを持った情報が適合すると推定する。情報
選択手段２２１は、適合度推定手段の推定結果を受け取
り、「野球」という属性を持った情報のマッチングを行
い情報記憶部の中から過去に要求者が評価を行っていな
い情報を選択して情報提示部１２に出力する。

【００２８】要求者は情報提示部１２で提示された情報
が自分の興味に合うか評価する。評価入力部１３から入
力された評価は評価記憶部３３に記憶される。

【００２９】よって、このことにより、適合フィードバ
ックが行われ、利用者の興味にあった情報に含まれる単
語（キーワード）の重要度を上げ、興味に合わなかった
情報に含まれる単語の重要度は下げることができ、より
利用者の興味に合った情報フィルタリングを行うことが
可能である。

【００３０】次に、従来のＣＢＦ方式の動作について図
２１を参照して説明する。

【００３１】要求入力部１１から推薦要求が入力される
と、利用者プロファイル学習手段２２２は、評価記憶部
３３に記憶された要求者の評価と、属性記憶部３１に記
憶された情報の属性のうち、要求者が評価済みの情報の
属性から、要求者の評価と属性の間の関係を表すプロフ
ァイルを学習する（Ｄ１１）。

【００３２】続いて適合度推定手段２２３は利用者プロ
ファイル学習手段２２２が学習した要求者のプロファイ
ルと、属性記憶部３２が記憶している情報の属性から、
各情報の要求者に対する適合度を推定する（Ｄ１２）。

【００３３】情報選択手段２２１は、適合度推定手段２
２３が推定した適合度を利用して、要求者の興味に合う
情報を選択し（Ｄ２）結果を情報提示部１２に出力する
（Ｄ３）。

【００３４】情報提示部１２に提示された情報に対し
て、要求者は自分の興味に合うか評価し、評価結果を評
価入力部１３から入力する。入力された評価情報は評価
記憶部３３に記憶される。

【００３５】よって、上述したＣＢＦ方式を用いた情報
フィルタリングシステムでは、情報の中に含まれている
キーワードや単語頻度などの属性から、各情報の内容の
特徴を表現し、利用者の過去の興味をキーワードなどで
表現したプロファイルとのマッチングに基づいて情報の
フィルタリングを行うことが可能である。

【００３６】また、この説明に使用した例は、簡単に説
明するための例であり、実際のプロファイル学習の方法
としては、例えば次のことが考えられる。情報の特徴ベ
クトルとして情報の属性の値を並べたものを考え、情報
の評価値は１から−１の間に正規化してあるものとす
る。ただし正規化された評価値は１が利用者の要求に合
っている、−１が要求に合っていないものとする。この
ときプロファイルは式１で計算することができる。

【００３７】

【数１】適合度の推定方法としていは情報の特徴ベクトルとプロ
ファイルとのピアソンの積率相関係数を使うことが考え
られる。

【００３８】次に、ＳＩＦ方式について説明する。ここ
では、ＳＩＦ方式の適合度推定手段２２０のより具体的
な構成について、図面の図２２、図２３を参照して説明
する。また、前述した従来の技術と同様な機能をもつ構
成については、説明を省略する。

【００３９】図２２を参照すると、ＳＩＦ方式の適合度
推定手段２２０は、利用者間類似度算出手段２２４と、
適合度推定手段２２５とを備える。

【００４０】利用者間類似度算出手段２２４は、要求入
力部１１で要求者からの推薦要求を受けとると、評価記
憶部３３に記憶された要求者の情報に対する評価と要求
者以外の利用者の評価から利用者間の類似度を算出す
る。つまり、自分（要求者）と似た嗜好を持つ別の利用
者を見つけだす。ただし、自分の嗜好に似た別の利用者
は１人でなくても、複数でもよい。

【００４１】適合度推定手段２２５は、評価記憶部３３
が記憶している評価と、利用者間類似度算出手段２２４
が算出した利用者間類似度から、各情報の要求者に対す
る適合度を推定しする。

【００４２】情報選択手段２２１は、適合度推定手段２
２５が推定した適合度を利用して、要求者の興味に合う
情報を選択し情報提示部１２に出力する。つまり、利用
者間類似度算出手段２２４が算出した利用者間類似度か
ら、自分の嗜好に似た利用者が良い評価を付けた要求者
がまだ見ていない情報を、適合度推定手段２２５で適合
度を推定することによって、情報選択手段２２１を用い
て選択して情報提示部１２に提示する。

【００４３】要求者は情報提示部１２で提示された情報
が自分の興味に合うか評価する。評価入力部１３から入
力された評価は評価記憶部３３に記憶される。

【００４４】このＳＩＦ方式を、さらに例を挙げて説明
する。「野球」について興味があるが、「サッカー」に
ついては興味のない要求者に、情報フィルタリング（推
薦）することを前提に考える。このＳＩＦ方式では、要
求者と同じように「野球」に興味があるが、「サッカ
ー」に興味のない利用者を探しだし、その探し出された
利用者が高い評価をした情報について要求者に提供す
る。よって、探し出された利用者が、「野球」の他に
「バレーボール」に興味があれば、要求者に対して「バ
レーボール」の情報が提供されることになる。もちろ
ん、提供される情報は、要求者がまだ見ていない情報で
あることが望ましい。

【００４５】次に、図２３を参照して、従来のＳＩＦ方
式の動作について説明する。

【００４６】要求入力部１１から推薦要求があると、利
用者間類似度算出手段２２４は評価記憶部３３に記憶さ
れている評価を利用して利用者間類似度を算出する（Ｄ
１３）。例えば前述したＧｒｏｕｐＬｅｎｓとＲｉｎｇ
ｏでは利用者間類似度としてピアソンの積率相関係数を
使っている。

【００４７】続いて適合度推定手段２２５は、評価記憶
部３３が記憶している評価と、利用者間類似度算出手段
２２４が算出した利用者間類似度から、各情報の要求者
に対する適合度を推定する（Ｄ１４）。例えば前述した
ＧｒｏｕｐＬｅｎｓでは適合度を次にあげる式２により
推定している。

【００４８】情報選択手段２２１は、適合度推定手段２
２５が推定した適合度を利用して、要求者の興味に合う
情報を選択し（Ｄ２）、結果を情報提示部１２に出力す
る（Ｄ３）。

【００４９】

【数２】情報提示部１２に提示された情報に対して、要求者は自
分の興味に合うか評価し、評価結果を評価入力部１３か
ら入力する。入力された評価情報は評価記憶部３３に記
憶される。

【００５０】よって、ＳＩＦ方式では、要求者が過去に
行った評価と、要求者以外の利用者が過去に行った評価
を比較して、要求者の嗜好に似た利用者を見つけだし、
その嗜好の似た利用者が良い評価を付けた、要求者がま
だ見ていない情報を選び出して要求者に対して情報のフ
ィルタリングを行うことができる。

【００５１】次に、CBF方式とSIF方式の組合せ方式につ
いて説明する。ここでは、組合せ方式の適合度推定手段
２２０のより具体的な構成について、図面の図２４、図
２５を参照して説明する。また、前述したＣＢＦ方式お
よびSIF方式の従来の技術と同様な機能をもつ構成につ
いては、説明を省略する。

【００５２】図２４を参照すると、この従来の組合せ方
式の適合度推定手段２２０は、利用者間類似度算出手段
２２４と第１の適合度推定手段２２５と利用者プロファ
イル学習手段２２６と第２の適合度推定手段２２７と適
合度統合手段２２８を備える。

【００５３】利用者間類似度算出手段２２４は、要求入
力部１１で要求者からの推薦要求を受けとると、評価記
憶部３３に記憶された情報に対する要求者の評価と要求
者以外の利用者の評価を利用して利用者間の類似度を算
出する。

【００５４】第１の適合度推定手段２２５は、評価記憶
部３３が記憶している要求者以外の利用者の評価と、利
用者間類似度算出手段２２４が算出した利用者間類似度
から、要求者以外の利用者が評価した情報の要求者に対
する適合度を推定する。

【００５５】利用者プロファイル学習手段２２６は、属
性記憶部３２に記憶された情報の属性と、評価記憶部３
３に記憶された要求者の評価と、第１の適合度推定手段
２２５で推定された適合度から、情報の属性と要求者の
評価との関係をあらわすプロファイルを学習する。ただ
しこのとき、第１の適合度推定手段２２５で推定された
適合度を要求者の評価として扱い、第１の適合度推定手
段２２５で推定された適合度と要求者の評価の両者を合
わせたものと情報の属性との関係をあらわすプロファイ
ルを学習する。

【００５６】例えば、要求者は「野球」というキーワー
ドが含まれる情報に対して過去に高い評価をしていたこ
とを考える。この場合、要求者と同様に「野球」という
キーワードを含む情報について高い評価をしている要求
者以外の利用者が、要求者以外の利用者は評価している
が、要求者がまだ評価していない情報について評価した
情報を取り出し、この情報に含まれる属性を抽出する。

【００５７】例えば、要求者と似た嗜好を持つ別の利用
者が、「野球」の他に「バレーボール」というキーワー
ドを持つ情報に対して高い評価をしている場合は、「要
求者には、「野球」の他に「バレーボール」というキー
ワードを持つ情報について適合度が高そうだ。」とい
う、属性と要求者に対する適合度の関係をあらわすプロ
ファイルを学習する。

【００５８】次に、第２の適合度推定手段２２７は属性
記憶部３２が記憶している情報の属性と、利用者プロフ
ァイル学習手段２２６が学習した要求者のプロファイル
から、要求者が評価していない情報の要求者に対する適
合度を算出し、適合度統合手段２２８に伝える。つま
り、この例の場合、「野球」というキーワードを含む情
報については算出される適合度は高くなるが、同様に
「バレーボール」というキーワードを持つ情報について
算出される適合度も高くなる。

【００５９】適合度統合手段２２８は第１の適合度推定
手段２２５と第２の適合度推定手段２２７から算出され
る適合度を統合して、情報選択手段２２１に伝える。

【００６０】次に図２４に示した組み合わせ方式の動作
を、図２５を参照して説明する。

【００６１】利用者間類似度算出手段２２４は、要求入
力部１１から要求者の推薦要求を受けとると、評価記憶
部３３に記憶された要求者と要求者以外の利用者の評価
を利用して利用者間の類似度を算出する（Ｄ１３）。

【００６２】第１の適合度推定手段２２５は、評価記憶
部３３が記憶している要求者以外の利用者の評価と、利
用者間類似度算出手段２２４が算出した利用者間類似度
から、要求者が評価していない情報の要求者に対する適
合度を推定する（Ｄ１４）。

【００６３】利用者プロファイル学習手段２２６は、属
性記憶部３２に記憶された情報の属性と評価記憶部３３
に記憶された要求者の評価と第１の適合度推定手段２２
５で推定された適合度から、情報の属性と要求者の評価
との関係をあらわすプロファイルを学習する。ただしこ
のとき、第１の適合度推定手段２２５で推定された適合
度を要求者の評価として扱い、第１の適合度推定手段２
２５で推定された適合度と要求者の評価の両者を合わせ
たものと情報の属性との関係をあらわすプロファイルを
学習する（Ｄ１５）。

【００６４】第２の適合度推定手段２２７は属性記憶部
３２が記憶している情報の属性と、利用者プロファイル
学習手段２２６が学習した要求者のプロファイルから、
要求者が評価していない情報の要求者に対する適合度を
推定し、適合度統合手段２２８に伝える（Ｄ１６）。

【００６５】適合度統合手段２２８は第１の適合度推定
手段２２５と第２の適合度推定手段２２７から適合度を
統合して、情報選択手段２２１に伝える。適合度統合手
段２２８では２つの適合度推定手段２２５と２２７が同
じ情報について異なる適合度を推定したときに、適合度
の一本化を行なう（Ｄ１７）。

【００６６】情報選択手段２２１は、適合度統合手段２
２８が一本化した適合度を利用して、要求者の興味に合
う情報を選択し（Ｄ２）、結果を情報提示部１２に出力
する（Ｄ３）。

【００６７】利用者間類似度は従来のＳＩＦ方式と同じ
ものが使える。例えば、利用者の各情報に対する評価値
を要素としたベクトルを評価ベクトルとして、利用者間
の類似度を利用者の評価ベクトル間のピアソンの積率相
関係数を使うことが考えられる。

【００６８】プロファイル学習方法としては、従来のＣ
ＢＦ方式と同じものが使える。ただし、従来は情報の属
性と評価値の間の関係を学習していたが、本発明では情
報の属性と評価値と情報の属性と第１の適合度推定手段
が推定した適合度との関係を学習すればよい。例えばプ
ロファイルの学習結果は式３で計算できる。式３中の、
評価値もしくは推定適合度、とは評価があれば評価値
を、評価が無ければ推定適合度を用いることを示してい
る。

【００６９】

【数３】第２の適合度推定手段で用いる適合度の推定方法は従来
のＣＢＦ方式と同じものが使える。例えば情報の特徴ベ
クトルとプロファイルとのピアソンの積率相関係数を使
うことが考えられる。

【００７０】第２の適合度推定手段では、第１の適合度
推定手段で適合度が推定できない情報や、推定できても
精度が低い情報について、適合度を推定すれば良い。例
えば、利用者が誰も評価していない情報や、評価した利
用者人数が少ない情報について適合度を推定すれば良
い。

【００７１】

【発明が解決しようとする課題】次に、上記説明した従
来の技術の問題点について説明する従来技術の第１の問
題点は、適合率、つまり、推薦された情報のうち実際に
要求者の嗜好に合う情報の割合が低いことである。

【００７２】その理由は、従来の情報選択手段（図１８
の２２１）は適合度だけを考慮して要求者に推薦する情
報を決めていた、つまり、適合度が高い情報を要求者に
推薦していたためである。

【００７３】というのは、適合度が同じ情報であって
も、適合度の算出に使用した評価や属性の量の違いなど
によって、推定した適合度の精度は異なるはずである。
しかし、従来は適合度の大きさだけを考慮して、その精
度は考慮せずに要求者に推薦する情報を決めていたた
め、適合度の精度が悪い情報も要求者に推薦してしまっ
ていたため、適合率が低くなっていた。

【００７４】従来技術の第２の問題点は、従来の組合せ
方式において推薦の精度が低いことである。

【００７５】その第１の理由は、１段目（図２４の適合
度推定手段２２５）が算出した適合度を次段（図２４の
適合度推定手段２２７）がそのまま使用しているためで
ある。

【００７６】同じ適合度であっても、適合度の算出に使
用した評価や属性の量の違いなどによって、推定した適
合度の精度は異なるはずである。しかし、従来は精度を
考慮せずに１段目が算出した適合度を次段で利用してい
るため、２段目が算出する適合度の精度も悪くなり、最
終的な推薦の精度が悪くなっていた。

【００７７】また第２の理由は、各段が算出した適合度
を、その精度を考慮せずに統合して最終的な適合度にし
ているためである。

【００７８】よって、本発明の目的は、上記の従来技術
の問題点に鑑み、上記問題点を軽減または解消し、従来
技術より推薦の適合率と精度の高い情報フィルタリング
システムを提供することにある。

【００７９】

【課題を解決するための手段】本発明の第１の発明は、
要求者に推薦する情報を選ぶ際に、適合度に加えて適合
度の精度も考慮する。より具体的には誤差予測手段（図
１の２３）と情報選択手段（図１の２４）を有し、誤差
予測手段が適合度や評価記憶部に記憶されている評価
や、属性記憶部に記憶されている情報の属性を利用し
て、適合度の誤差を予測することにより適合度の精度を
推定し、情報選択手段（図１の２４）が適合度に加えて
適合度の精度も考慮して要求者に推薦する情報を選別す
る。

【００８０】次に、本発明の第２の発明は、組合せ方式
において、１段目が算出した適合度を、２段目は適合度
の精度も考慮して利用する。より具体的には、誤差予測
手段（図７の２３）と第２の適合度推定手段（図７の２
０７）と第２の誤差予測手段（図７の２０８）を有し、
誤差予測手段が第１の適合度推定手段が算出した適合度
（以下第１適合度）や評価記憶部に記憶されている評価
や、属性記憶部に記憶されている情報の属性を利用し
て、適合度の誤差を予測することにより第１適合度の精
度を推定し、第２の適合度推定手段が評価記憶部に記憶
されている評価や、属性記憶部に記憶されている情報の
属性、第１適合度に加えて第１適合度の精度も利用して
要求者に推薦する情報の第２の適合度を推定する。

【００８１】また、第２の誤差予測手段が評価記憶部に
記憶されている評価や、属性記憶部に記憶されている情
報の属性、第２の適合度に加えて、第１適合度と第１適
合度の精度も利用して要求者に推薦する情報の第２の適
合度の精度を予測する。

【００８２】また、本発明の第３の発明は、組合せ方式
において、１段目が算出した適合度と２段目が算出した
適合度（以下第２適合度）とを、それぞれの精度を考慮
して統合する。

【００８３】より具体的には、第１の誤差予測手段（図
１１の２３）と第２の誤差予測手段（図１１の２０８）
と適合度統合手段（図１１の２１３）を有し、第１の誤
差予測手段が第１の適合度推定手段が算出した適合度
（以下第１適合度）や評価記憶部に記憶されている評価
や、属性記憶部に記憶されている情報の属性を利用し
て、適合度の誤差を予測することにより第１適合度の精
度を推定し、第２の誤差予測手段が第２の適合度推定手
段が算出した適合度や、第１適合度や第１適合度の精度
や評価記憶部に記憶されている評価や属性記憶部に記憶
されている情報の属性を利用して第２適合度の誤差を予
測することにより第２適合度の精度を推定し、適合度統
合手段は第１適合度と第２適合度を第１適合度の精度と
第２適合度の精度を考慮して統合する。

【００８４】

【発明の実施の形態】次に、本発明の実施の形態につい
て図面を参照して詳しく説明する。また、この発明の実
施の形態においては、上述した従来の技術と同様な構成
については、図面に同一符合を付けている。特に説明が
無い限り、従来の技術と同様な構成であるため説明を省
略する。

【００８５】［第１の発明の実施の形態］まず、第１の
発明の実施の形態について図面を参照して説明する。

【００８６】図１を参照すると、本発明の実施の形態は
入出力装置１とデータ処理装置２と、記憶装置３とを含
んで構成される。

【００８７】入出力装置１は要求入力部１１と、情報提
示部１２と、評価入力部１３とを備えている。

【００８８】記憶装置３は情報記憶部３１と、属性記憶
部３２と評価記憶部３３を備えている。情報記憶部３１
は、登録情報３０をあらかじめ記憶している。評価記憶
部３３は、情報に対する利用者の評価値を、要求者およ
び要求者以外の利用者による評価値も含めてあらかじめ
記憶している。

【００８９】データ処理装置２は、属性抽出手段２１
と、適合度推定手段２２と、誤差予測手段２３と、情報
選択手段２４を備えている。

【００９０】属性抽出手段２１は情報記憶部３１に記憶
された情報から特徴となる属性（例えば、単語頻度）を
抽出し属性記憶部３２に格納する。

【００９１】適合度推定手段２２は、要求入力部１１で
要求者からの推薦要求を受けとると、評価記憶部３３に
記憶された要求者の評価や要求者以外の利用者の評価、
属性記憶部３２に記憶された情報の属性を利用して、情
報の要求者に対する適合度を推定する。

【００９２】誤差予測手段２３は、適合度推定手段２２
が算出した各情報の要求者に対する適合度と、評価記憶
部３３に記憶された要求者の評価や要求者以外の利用者
の評価、属性記憶部３２に記憶された情報の属性を利用
して、適合度の誤差を予測する。

【００９３】情報選択手段２４は、適合度推定手段２２
が算出した情報の要求者に対する適合度と、誤差予測手
段２３が算出した適合度の誤差の予測値を利用して、要
求者の興味に合う情報を選択し、情報提示部１２に出力
する。要求者は情報提示部１２で提示された情報が自分
の興味に合うか評価する。

【００９４】評価入力部１３から入力された情報に対す
る評価は評価記憶手段３３に格納される。

【００９５】（動作の説明）次に、図２を参照して、第
１の発明の一実施の形態の動作について説明する。

【００９６】要求入力部１１から要求者が推薦要求を入
力すると、適合度推定手段２２は、評価記憶部３３に記
憶された要求者の評価と要求者以外の利用者の評価と、
属性記憶部３２に記憶された情報の属性を利用して、利
用者の評価値と情報の属性の間の関係を分析し、情報の
要求者に対する適合度を推定する（Ａ１）。

【００９７】誤差予測手段２３は、適合度推定手段２２
から各情報の要求者に対する適合度を受け取ると、その
適合度と、評価記憶部３３に記憶された要求者の評価や
要求者以外の利用者の評価、属性記憶部３２に記憶され
た情報の属性を利用して、適合度の誤差を予測する（Ａ
２）。

【００９８】情報選択手段２４は、適合度推定手段２２
が推定した適合度と誤差予測手段２３が予測した適合度
の誤差を利用して、要求者の興味に合う情報を選択し
（Ａ３）、結果を情報提示部１２に出力する（Ａ４）。

【００９９】（実施例）次に具体的な実施例を用いて本
実施の形態の動作を説明する。

【０１００】情報選択手段２４で情報を要求者に推薦す
るか決める基準としては、例えば、（適合度−係数×誤
差予測値）や（適合度／誤差予測値）の値が閾値以上か
で決めることが考えられる。

【０１０１】係数と閾値は利用者やコンテンツの種類に
合わせて決めればよい。たとえば、実際に情報フィルタ
リングサービスを行いながら、集まった評価と属性のデ
ータから最適な係数を最小二乗法などで決めればよい。

【０１０２】例えば、情報１と情報２があり、適合度推
定手段２２が算出した要求者に対する適合度が共に４
で、誤差予測手段２３が算出した適合度の誤差予測値が
それぞれ１と２だったとする。そして、情報選択手段２
４が、情報を利用者に推薦するか決める基準が、（適合
度−係数×誤差予測値）の値が閾値以上かで決まり、仮
に今、係数の値が０．２で閾値が３．７だったとする
と、情報１は４−０．２×１＝３．８で閾値以上である
ため情報提示部１２に送られるが、情報２は４−０．２
×２＝３．６で閾値以下となり情報提示部１２に送られ
ない。

【０１０３】この例のように、本発明は、適合度が同じ
であっても、適合度の誤差が小さい、すなわち、適合度
の精度が高い情報が要求者に推薦される。そのため、要
求者に推薦された情報のうち実際に要求者の嗜好に合う
情報の割合が従来より増加し、適合率が向上する。

【０１０４】また、この説明に使用した例は、簡単に説
明するための例であり、情報の種類によっては評価とし
て利用者から入力された評価値そのままではなく、評価
値の平均を引いたものを用いる方が精度が良い場合や、
評価値の平均からの偏差を標準偏差で割った値を用いる
方が精度が良い場合もある。

【０１０５】［第１の発明の第２の実施の形態］次に、
第１の発明の適合度推定手段２２および誤差推定手段２
３の第２の実施の形態について、図面を参照して詳細に
説明する。

【０１０６】図３を参照すると、適合度推定手段２２
は、利用者プロファイル学習手段２０１と適合度推定手
段２０２を備える。

【０１０７】利用者プロファイル学習手段２０１は、要
求入力部１１から要求者の推薦要求を受けとると、属性
記憶部３２に記憶された情報の属性と評価記憶部３３に
記憶された要求者の評価から、情報の属性と要求者の評
価との関係をあらわすプロファイルを学習する。

【０１０８】適合度推定手段２０２は属性記憶部３２が
記憶している情報の属性と、利用者プロファイル学習手
段２０１が学習した要求者のプロファイルから、要求者
が未評価の情報の要求者に対する適合度を算出する。

【０１０９】誤差予測手段２０３は、利用者プロファイ
ル学習手段２０１が学習した要求者のプロファイルと、
適合度推定手段２０２が算出した各情報の要求者に対す
る適合度と、評価記憶部３３に記憶された要求者の評価
や要求者以外の利用者の評価、属性記憶部３２に記憶さ
れた情報の属性を利用して、適合度の誤差を予測する。

【０１１０】情報選択手段２４は、適合度推定手段２０
２が算出した情報の要求者に対する適合度と、誤差予測
手段２３が算出した適合度の誤差の予測値を利用して、
要求者の興味に合う情報を選択し、情報提示部１２に出
力する。

【０１１１】（動作の説明）次に図３の実施の形態の動
作を図４を参照して説明する。

【０１１２】要求入力部１１から要求者の推薦要求を受
けとると、利用者プロファイル学習手段２０１は、属性
記憶部３２に記憶された情報の属性と評価記憶部３３に
記憶された要求者の評価から、情報の属性と要求者の評
価の関係をあらわすプロファイルを学習する（Ａ１
１）。

【０１１３】適合度推定部２０２は属性記憶部３２が記
憶している情報の属性と、利用者プロファイル学習手段
２０１が学習した要求者のプロファイルから、要求者が
未評価の情報の要求者に対する適合度を算出する（Ａ１
２）。

【０１１４】誤差予測手段２０３は、利用者プロファイ
ル学習手段２０１が学習した要求者のプロファイルと、
適合度推定手段２０２が算出した各情報の要求者に対す
る適合度と、評価記憶部３３に記憶された要求者の評価
や要求者以外の利用者の評価、属性記憶部３２に記憶さ
れた情報の属性を利用して、適合度の誤差を予測する
（Ａ２）。

【０１１５】情報選択手段２４は、適合度推定手段２０
２が算出した情報の要求者に対する適合度と、誤差予測
手段２３が算出した適合度の誤差の予測値を利用して、
要求者の興味に合う情報を選択し（Ａ３）、結果を情報
提示部１２に出力する（Ａ４）。

【０１１６】プロファイル学習方法としては、従来のＣ
ＢＦ方式と同じものが使える。

【０１１７】適合度推定部で用いる適合度の推定方法は
従来のＣＢＦ方式と同じものが使える。情報選択手段２
４で用いる情報選択方法としては、第１の発明の第１の
実施の形態と同じものが使える。

【０１１８】次に、誤差予測手段２０３で用いる適合度
の誤差の予測方式について述べる。適合度の誤差とは、
要求者がある情報に与えた評価と、情報フィルタリング
システムが予測した適合度との差、もしくは差の二乗で
ある。

【０１１９】適合度は属性とプロファイルから算出され
るので、属性の量とプロファイルの学習量が多いほど適
合度の精度は高いと考えられる。そのため、適合度の誤
差は属性の情報量とプロファイルの学習量を利用して算
出する。

【０１２０】具体的なプロファイル学習量としては、プ
ロファイル中の単語数、プロファイルが学習した情報の
総数、プロファイルが学習した単語の総数、情報１の属
性とプロファイルの両方に含まれる単語の数、プロファ
イルが学習した単語の総数のうち情報１の属性とプロフ
ァイルの両方に含まれる語の学習総回数などが考えられ
る。属性の情報量としては、情報１の属性の単語の総
数、情報１の属性とプロファイルの両方に含まれる単語
の数、情報１の属性とプロファイルの両方に含まれる単
語の情報１中の総数などが考えられる。

【０１２１】適合度の誤差を算出する方式としては、属
性の情報量とプロファイル学習量による関数を決めれば
よい。たとえば、属性の情報量とプロファイル学習量に
よる多項式が考えられる。具体的な例として、属性の情
報量をＸ、プロファイル学習量をＹとし、ａ１〜ａ１２
を多項式の係数とすると、ａ１×Ｘ＋ａ２×Ｘ＾２＋ａ３×Ｙ＋ａ４×Ｙ＾２＋ａ
５×Ｘ×Ｙ＋ａ６や１／（ａ１×Ｘ＋ａ２×Ｘ＾２＋ａ３×Ｙ＋ａ４×Ｙ＾
２＋ａ５×Ｘ×Ｙ＋ａ６）やａ１×Ｘ＋ａ２×Ｘ＾２＋ａ３×Ｙ＋ａ４×Ｙ＾２＋ａ
５×Ｘ×Ｙ＋ａ６＋１／（ａ７×Ｘ＋ａ８×Ｘ＾２＋ａ
９×Ｙ＋ａ１０×Ｙ＾２＋ａ１１×Ｘ×Ｙ＋ａ１２）などが考えられる。

【０１２２】ａ１〜ａ１２の係数は利用者やコンテンツ
の種類に合わせて決めればよい。たとえば、実際に使用
しながら集まった評価と属性のデータから誤差が最小に
なるように最小二乗法などで決めればよい。

【０１２３】［第１の発明の第３の実施の形態］次に、
第１の発明の適合度推定手段２２および誤差推定手段２
３の第３の実施の形態について、図面を参照して詳細に
説明する。

【０１２４】図５を参照すると、適合度推定手段２２
は、利用者間類似度算出手段２０４と適合度推定手段２
０５を備える。

【０１２５】利用者間類似度算出手段２０４は、要求入
力部１１で要求者からの推薦要求を受けとると、評価記
憶部３３に記憶された情報に対する要求者の評価と要求
者以外の利用者の評価を利用して利用者間の類似度を算
出する。

【０１２６】適合度推定手段２０５は、評価記憶部３３
が記憶している要求者以外の利用者の評価と、利用者間
類似度算出手段２０４が算出した利用者間類似度から、
要求者が未評価の情報の要求者に対する適合度を推定す
る。

【０１２７】誤差予測手段２０６は、利用者間類似度算
出手段２０４が算出した利用者間類似度と、適合度推定
手段２０５が算出した情報の要求者に対する適合度と、
評価記憶部３３に記憶された要求者の評価や要求者以外
の利用者の評価を利用して、適合度の誤差を予測する。

【０１２８】情報選択手段２４は、適合度推定手段２０
５が算出した情報の要求者に対する適合度と、誤差予測
手段２０６が算出した適合度の誤差の予測値を利用し
て、要求者の興味に合う情報を選択し、情報提示部１２
に出力する。

【０１２９】（動作の説明）次に図５の実施の形態の動
作を図６を参照して説明する。

【０１３０】要求入力部１１から要求者の推薦要求を受
けとると、利用者間類似度算出手段２０４は、評価記憶
部３３に記憶された要求者と要求者以外の利用者の評価
を利用して利用者間の類似度を算出する（Ａ１３）。

【０１３１】適合度推定手段２０５は、評価記憶部３３
が記憶している要求者以外の利用者の評価と、利用者間
類似度算出手段２０４が算出した利用者間類似度から、
要求者が評価していない情報の要求者に対する適合度を
推定する（Ａ１４）。

【０１３２】誤差予測手段２０６は、利用者間類似度算
出手段２０４が算出した利用者間類似度と、適合度推定
手段２０５が算出した情報の要求者に対する適合度と、
評価記憶部３３に記憶された要求者の評価や要求者以外
の利用者の評価を利用して、適合度の誤差を予測する
（Ａ２）。

【０１３３】情報選択手段２４は、適合度推定手段２０
５が算出した情報の要求者に対する適合度と、誤差予測
手段２０６が算出した適合度の誤差の予測値を利用し
て、要求者の興味に合う情報を選択し（Ａ３）、情報提
示部１２に出力する（Ａ４）。

【０１３４】利用者間類似度と適合度推定は従来のＳＩ
Ｆ方式と同じものが使える。情報選択手段２４で用いる
情報選択方法は、第１の発明の第１の実施の形態と同じ
ものが使える。

【０１３５】誤差予測手段２０６で用いる適合度の誤差
の予測方式について述べる。

【０１３６】適合度は利用者間類似度と要求者以外の利
用者の評価から算出されるので、利用者間類似度の精度
と要求者の適合度算出に使われた利用者が多いほど適合
度の精度は高いと考えられる。そのため、適合度の誤差
は利用者間類似度の精度と適合度算出に使われた利用者
数を利用して算出する。

【０１３７】利用者間類似度の精度を表す具体的なもの
としては、利用者間類似度算出に使われた評価情報総
数、利用者間類似度算出で重み付けした利用者間類似度
算出に使われた評価情報総数などが考えられる。

【０１３８】適合度算出に使われた利用者数を表す具体
的なものとしては、要求者と興味が類似した利用者の人
数、利用者間類似度算出で重み付けした要求者と興味が
類似した利用者の人数などが考えられる。

【０１３９】また、適合度の精度を算出する方式として
は、利用者間類似度の精度と要求者の適合度算出に使わ
れた利用者数による関数を決めればよい。たとえば、利
用者間類似度の精度と要求者の適合度算出に使われた利
用者数による多項式が考えられる。具体的な例として、
利用者間類似度の精度をＸ、要求者の適合度算出に使わ
れた利用者数をＹとし、ａ１〜ａ１２を多項式の係数と
すると、ａ１×Ｘ＋ａ２×Ｘ＾２＋ａ３×Ｙ＋ａ４×Ｙ＾２＋ａ
５×Ｘ×Ｙ＋ａ６や１／（ａ１×Ｘ＋ａ２×Ｘ＾２＋ａ３×Ｙ＋ａ４×Ｙ＾
２＋ａ５×Ｘ×Ｙ＋ａ６）やａ１×Ｘ＋ａ２×Ｘ＾２＋ａ３×Ｙ＋ａ４×Ｙ＾２＋ａ
５×Ｘ×Ｙ＋ａ６＋１／（ａ７×Ｘ＋ａ８×Ｘ＾２＋ａ
９×Ｙ＋ａ１０×Ｙ＾２＋ａ１１×Ｘ×Ｙ＋ａ１２）などが考えられる。

【０１４０】ａ１〜ａ１２の係数は利用者やコンテンツ
の種類に合わせて決めればよい。たとえば、実際に使用
しながら集まった評価と属性のデータから誤差が最小に
なるように最小二乗法などで決めればよい。

【０１４１】［第２の発明の実施の形態］次に、第２の
発明の一実施の形態について図面を参照して詳細に説明
する。

【０１４２】図７を参照すると、本発明の実施の形態は
入出力装置１とデータ処理装置４と、記憶措置５とを含
む。

【０１４３】記憶装置５は情報記憶部３１と、属性記憶
部３４と、評価記憶部３５を備えている。情報記憶部３
１は、登録情報３０をあらかじめ記憶している。評価記
憶部３５は、情報に対する利用者の評価値を、要求者お
よび要求者以外の利用者による評価値も含めてあらかじ
め記憶している。

【０１４４】データ処理装置４は、属性抽出手段２１
と、第１の適合度推定手段２２と、第１の誤差予測手段
２３と、第２の適合度推定手段２０７と、第２の誤差予
測手段２０８と、情報選択手段２０９を備えている。

【０１４５】属性抽出手段２１は、情報記憶部３１に記
憶された情報から特徴となる属性（例えば、単語頻度）
を抽出し属性記憶部３４に格納する。

【０１４６】第１の適合度推定手段２２は、要求入力部
１１で要求者からの推薦要求を受けとると、評価記憶部
３５に記憶された要求者の評価や要求者以外の利用者の
評価、属性記憶部３４に記憶された情報の属性を利用し
て、情報の利用者に対する適合度（以下、第１適合度）
を推定する。

【０１４７】第１の誤差予測手段２３は、第１の適合度
推定手段２２が算出した各情報の利用者に対する第１適
合度と、評価記憶部３５に記憶された要求者の評価や要
求者以外の利用者の評価、属性記憶部３４に記憶された
情報の属性を利用して、適合度の誤差を予測する。

【０１４８】第２の適合度推定手段２０７は、第１の適
合度推定手段２２が算出した情報の利用者に対する第１
適合度と、第１の誤差予測手段２３が算出した適合度の
誤差と、評価記憶部３５に記憶された要求者の評価や要
求者以外の利用者の評価、属性記憶部３４に記憶された
情報の属性を利用して、要求者が評価していない情報の
要求者に対する適合度（以下、第２適合度）を推定す
る。

【０１４９】第２の誤差予測手段２０８は、適合度推定
手段２２が算出した情報の利用者に対する第１適合度
と、誤差予測手段２３が算出した適合度の誤差と、第２
の適合度推定手段２０７が算出した要求者が評価してい
ない情報の要求者に対する第２適合度と、評価記憶部３
５に記憶された要求者の評価や要求者以外の利用者の評
価、属性記憶部３４に記憶された情報の属性を利用し
て、第２適合度の誤差を予測する。

【０１５０】情報選択手段２０９は、要求者が未評価の
情報に対して、適合度推定手段２０７が算出した第２適
合度と、誤差予測手段２０８が算出した適合度の誤差の
予測値を利用して、要求者の興味に合う情報を選択し、
情報提示部１２に出力する。要求者は情報提示部１２で
提示された情報が自分の興味に合うか評価する。

【０１５１】（動作の説明）次に図７の実施の形態の動
作を図８を参照して説明する。

【０１５２】要求入力部１１から要求者の推薦要求を受
けとると、第１の適合度推定手段２２は、評価記憶部３
５に記憶された要求者の評価や要求者以外の利用者の評
価、属性記憶部３４に記憶された情報の属性を利用し
て、情報の利用者に対する適合度を推定する（Ｂ１）。

【０１５３】誤差予測手段２３は、第１の適合度推定手
段２２が算出した各情報の利用者に対する第１適合度
と、評価記憶部３５に記憶された要求者の評価や要求者
以外の利用者の評価、属性記憶部３４に記憶された情報
の属性を利用して、適合度の誤差を予測する（Ｂ２）。

【０１５４】第２の適合度推定手段２０７は、第１の適
合度推定手段２２が算出した情報の利用者に対する第１
適合度と、誤差予測手段２３が算出した適合度の誤差
と、評価記憶部３５に記憶された要求者の評価や要求者
以外の利用者の評価、属性記憶部３４に記憶された情報
の属性を利用して、要求者が評価していない情報の要求
者に対する第２適合度を推定する（Ｂ３）。

【０１５５】第２の誤差予測手段２０８は、第１の適合
度推定手段２２が算出した情報の利用者に対する第１適
合度と、誤差予測手段２３が算出した適合度の誤差と、
第２の適合度推定手段２０７が算出した要求者が評価し
ていない情報の要求者に対する第２適合度と、評価記憶
部３５に記憶された要求者の評価や要求者以外の利用者
の評価、属性記憶部３４に記憶された情報の属性を利用
して、第２適合度の誤差を予測する（Ｂ４）。

【０１５６】情報選択手段２０９は、要求者が未評価の
情報に対して、第２の適合度推定手段２０７が算出した
第２適合度と、第２の誤差予測手段２０８が算出した第
２適合度の誤差の予測値を利用して、要求者の興味に合
う情報を選択し（Ｂ５）、情報提示部１２に出力する
（Ｂ６）。要求者は情報提示部１２で提示された情報が
自分の興味に合うか評価する。

【０１５７】（実施例）情報選択手段２０９における要
求者の興味に合う情報の選択方法は、第１の発明と同じ
方法を用いればよい。

【０１５８】第２の適合度推定手段２０７おける適合度
推定方法は、第１の適合度推定手段２２と同じ方法を用
いれば良い。ただし、適合度推定手段２２で推定された
適合度に誤差予測手段２３が予測した誤差を考慮したも
のも利用者の評価として扱い、第２の適合度を算出す
る。

【０１５９】適合度に予測誤差を考慮したものの算出方
法としては（適合度−係数×誤差予測値）や（（係数×
適合度）／誤差予測値）などが考えられる。

【０１６０】係数は利用者やコンテンツの種類に合わせ
て決めればよい。たとえば、実際に情報フィルタリング
サービスを行いながら、集まった評価と属性のデータか
ら最適な係数を最小二乗法などで決めればよい。

【０１６１】例えば、情報１と情報２があり、第１の適
合度推定手段２２が算出した要求者に対する適合度が共
に４で、誤差予測手段２３が算出した適合度の誤差予測
値がそれぞれ１と２だったとする。そして、第２の適合
度推定手段２０７が、適合度に誤差を考慮したものの算
出方法が、（適合度−係数×誤差予測値）だったとす
る。仮に今、係数の値が０．２だったとすると、適合度
に誤差を考慮したものの値は、情報１は４−０．２×１
＝３．８、情報２は４−０．２×２＝３．６となる。

【０１６２】第２の誤差予測手段２０８における誤差予
測方法は、誤差予測手段２３と同じ方法を用いればよ
い。ただし、適合度推定手段２２で推定された適合度に
誤差予測手段２３が予測した誤差を考慮したものも利用
者の評価として扱い、誤差を予測する。適合度に予測誤
差を考慮したものの算出方法としては、第２の適合度推
定手段２０７と同じ方法を用いれば良い。

【０１６３】このように、本発明は、適合度が同じであ
っても、適合度の誤差が大きいものが、適合度に誤差を
考慮したものの値が小さくなり、第２の適合度の算出と
第２の適合度の誤差の算出に与える影響が小さい。その
ため、第２の適合度と第２の適合度の誤差の精度が向上
し、最終的な要求者への情報の推薦の精度も向上する。

【０１６４】また、この説明に使用した例は、簡単に説
明するための例であり、情報の種類によっては評価とし
て利用者から入力された評価値そのままではなく、評価
値の平均を引いたものを用いる方が精度が良い場合や、
評価値の平均からの偏差を標準偏差で割った値を用いる
方が精度が良い場合もある。

【０１６５】［第２の発明の第２の実施の形態］次に、
第２の発明の第２の実施の形態について図面を参照して
詳細に説明する。

【０１６６】図９を参照すると、第２の発明の第２の実
施の形態はデータ装置６が、第２の発明の第１の実施の
形態のデータ装置４と比較して、誤差予測手段２３と第
２の適合度推定手段２１１の間に、第１の適合度選択手
段２１０をさらに備えることに特徴がある。

【０１６７】適合度選択手段２１０は、第１の適合度推
定手段２２が算出した情報の利用者に対する適合度と、
誤差予測手段２３が算出した第１適合度の誤差の予測値
を利用して、精度の高い適合度だけを選択する。

【０１６８】第２の適合度推定手段２１１は、適合度選
択手段２１０が選択した適合度と、評価記憶部３５に記
憶された要求者の評価や要求者以外の利用者の評価、属
性記憶部３４に記憶された情報の属性を利用して、要求
者が評価していない情報の要求者に対する第２適合度を
推定する

【０１６９】第２の誤差予測手段２１２は、適合度選択
手段２１０が選択した適合度と、第２の適合度推定手段
２１１が算出した要求者が評価していない情報の要求者
に対する第２適合度と、評価記憶部３５に記憶された要
求者の評価や要求者以外の利用者の評価、属性記憶部３
４に記憶された情報の属性を利用して、第２適合度の誤
差を予測する。

【０１７０】（動作の説明）次に図９の実施の形態の動
作を図１０を参照して説明する。

【０１７１】要求入力部１１から要求者の推薦要求を受
けとると、第１の適合度推定手段２２は、評価記憶部３
５に記憶された要求者の評価や要求者以外の利用者の評
価、属性記憶部３４に記憶された情報の属性を利用し
て、情報の利用者に対する第１適合度を推定する（Ｂ
１）。

【０１７２】誤差予測手段２３は、第１の適合度推定手
段２２が算出した各情報の利用者に対する第１適合度
と、評価記憶部３５に記憶された要求者の評価や要求者
以外の利用者の評価、属性記憶部３４に記憶された情報
の属性を利用して、適合度の誤差を予測する（Ｂ２）。

【０１７３】適合度選択手段２１０は、適合度推定手段
２２が算出した情報の利用者に対する適合度と、誤差予
測手段２３が算出した適合度の誤差の予測値を利用し
て、精度の高い適合度だけを選択する（Ｂ７）。

【０１７４】第２の適合度推定手段２１１は、適合度選
択手段２１０が選択した適合度と、評価記憶部３５に記
憶された要求者の評価や要求者以外の利用者の評価、属
性記憶部３４に記憶された情報の属性を利用して、要求
者が評価していない情報の要求者に対する第２適合度を
推定する（Ｂ８）。

【０１７５】第２の誤差予測手段２１２は、適合度選択
手段２１０が選択した適合度と、第２の適合度推定手段
２１１が算出した要求者が評価していない情報の要求者
に対する第２適合度と、評価記憶部３５に記憶された要
求者の評価や要求者以外の利用者の評価、属性記憶部３
４に記憶された情報の属性を利用して、第２適合度の誤
差を予測する（Ｂ９）。

【０１７６】情報選択手段２０９は、要求者が未評価の
情報に対して、第２の適合度推定手段２１１が算出した
第２適合度と、第２の誤差予測手段２１２が算出した第
２適合度の誤差の予測値を利用して、要求者の興味に合
う情報を選択し（Ｂ１０）、情報提示部１２に出力する
（Ｂ６）。要求者は情報提示部１２で提示された情報が
自分の興味に合うか評価する。

【０１７７】適合度選択手段２１０における情報の選別
方法は、第１の発明の情報選択手段で使われていると同
じ方法を用いることが考えられる。

【０１７８】また、利用者の嗜好は、評価の値が中ぐら
いよりも、評価の値が大きいものや小さいものからのほ
うが、良く知ることが出来る。そのため、単に精度の高
い適合度を選ぶのではなく、精度が高く且つ適合度の値
が大きなものや、精度が高く且つ適合度の値が小さいも
のを選ぶことが考えられる。

【０１７９】第２の適合度推定手段２１１における適合
度の算出法は、適合度推定手段２２で使われているのと
同じ方法を用いればよい。ただし、適合度選択手段２１
０が選択した第１適合度も、利用者の評価として扱い、
第２の適合度を算出する。

【０１８０】第２の誤差予測手段２１２における予測誤
差の算出方法は、誤差予測手段２３と同じ方法を持ちい
ればよい。ただし、適合度選択手段２１０が選択した第
１適合度も、利用者の評価として扱い、第２の適合度の
誤差予測を算出する。

【０１８１】［第３の発明の実施の形態］次に、第３の
発明の一実施の形態について図面を参照して詳細に説明
する。

【０１８２】図１１を参照すると、第３の発明の一実施
の形態はデータ装置７が、第２の発明の第１の実施の形
態のデータ処理装置４と比較して、第２の誤差予測手段
２０８と情報選択手段２１４の間に適合度統合手段２１
３を更に有すること特徴がある。

【０１８３】適合度統合手段２１４は、要求者が未評価
の情報に対して、第１の適合度推定手段２２が算出した
第１適合度と、誤差予測手段２２が算出した第１適合度
の誤差の予測値と、第２の適合度推定手段２０７が算出
した第２適合度と、第２の誤差予測手段２０８が算出し
た第２適合度の誤差の予測値を利用して、２つの適合度
を統合した最終的な適合度（以下、統合適合度）を算出
する。

【０１８４】情報選択手段２１４は、適合度統合手段２
１３が算出した統合適合度を利用して、要求者の興味に
合う情報を選択し、情報提示部１２に出力する。

【０１８５】（動作の説明）次に図１１の実施の形態の
動作を図１２を参照して説明する。

【０１８６】要求入力部１１から要求者からの推薦要求
を受けとると、第１の適合度推定手段２２は、評価記憶
部３５に記憶された要求者の評価や要求者以外の利用者
の評価、属性記憶部３４に記憶された情報の属性を利用
して、情報の利用者に対する適合度を推定する（Ｃ
１）。

【０１８７】誤差予測手段２３は、第１の適合度推定手
段２２が算出した各情報の利用者に対する適合度と、評
価記憶部３５に記憶された要求者の評価や要求者以外の
利用者の評価、属性記憶部３４に記憶された情報の属性
を利用して、適合度の誤差を予測する（Ｃ２）。

【０１８８】第２の適合度推定手段２０７は、第１の適
合度推定手段２２が算出した情報の利用者に対する第１
の適合度と、誤差予測手段２３が算出した適合度の誤差
と、評価記憶部３５に記憶された要求者の評価や要求者
以外の利用者の評価、属性記憶部３４に記憶された情報
の属性を利用して、要求者が評価していない情報の要求
者に対する第２適合度を推定する（Ｃ３）。

【０１８９】第２の誤差予測手段２０８は、第１の適合
度推定手段２２が算出した情報の利用者に対する第１適
合度と、誤差予測手段２３が算出した適合度の誤差と、
第２の適合度推定手段２０７が算出した要求者が評価し
ていない情報の要求者に対する第２適合度と、評価記憶
部３５に記憶された要求者の評価や要求者以外の利用者
の評価、属性記憶部３４に記憶された情報の属性を利用
して、第２適合度の誤差を予測する（Ｃ４）。

【０１９０】適合度統合手段２１３は、要求者が未評価
の情報に対して、適合度推定手段２2が算出した第１適
合度と、誤差予測手段２２が算出した第１適合度の誤差
の予測値と、第２の適合度推定手段２０７が算出した第
２適合度と、第２の誤差予測手段２０８が算出した第２
適合度の誤差の予測値を利用して、２つの適合度を統合
した統合適合度を算出する（Ｃ５）。

【０１９１】情報選択手段２１４は、適合度統合手段２
１３が算出した統合適合度を利用して、要求者の興味に
合う情報を選択し（Ｃ６）、情報提示部１２に出力する
（Ｃ７）。要求者は情報提示部１２で提示された情報が
自分の興味に合うか評価する。

【０１９２】情報選択手段２１４における情報選択の方
法は、従来方式の情報選択手段２２１同じ方法を用いれ
ばよい。

【０１９３】適合度統合手段２１３における適合度の統
合方法としては、適合度の誤差の小さい方を統合適合度
にえらぶ方法が考えられる。例えば、（第１適合度の誤
差／第２適合度の誤差）や（第１適合度の誤差 − 第
２適合度誤差）が閾値より小さい場合は第１の適合度
を、大きい場合は第２の適合度を統合適合度に選ぶ。閾
値は利用者やコンテンツの種類に合わせて決めればよ
い。たとえば、実際に情報フィルタリングサービスを行
いながら、集まった評価と属性のデータから最適な係数
を最小二乗法などで決めればよい。

【０１９４】例えば、ある情報に関して、適合度推定手
段２２が算出した要求者に対する第１適合度が４で、誤
差予測手段２３が算出した第１適合度の誤差予測値が１
だったとし、第２の適合度推定手段２０７が算出した要
求者に対する第２適合度が５で、第２の誤差予測手段２
０８が算出した第２適合度の誤差が２だったとする。そ
して、適合度推定手段２１３が統合適合度を選ぶ基準
が、（第１適合度の誤差／第２適合度の誤差）の値が閾
値以上かで決まり、仮に今、閾値が０．９だったとする
と、（第１適合度の誤差／第２適合度の誤差）＝（１／
２）＝０．５＜０．９であるので、第１適合度の４が統
合適合度に選ばれる。

【０１９５】また、別の適合度の統合方法として、２つ
の適合度を適合度の誤差に応じて合わせたものを統合適
合度とする方法が考えられる。例えば、式（（第１適合
度×第２適合度の誤差＋第２適合度×第１適合度の誤
差）／（第１適合度の誤差＋第２適合度の誤差））によ
って、２つの適合度を適合度の誤差に応じて合わせるこ
とが考えられる。先の例の数値を当てはめると統合適合
度は（（第１適合度×第２適合度の誤差＋第２適合度×
第１適合度の誤差）／（第１適合度の誤差＋第２適合度
の誤差））＝（（４×２＋５×１）／（１＋２））＝
（１３／３）≒４．３３となり、第２適合度より誤差の
小さい第１適合度に近い値となる。

【０１９６】［第３の発明の第２の実施の形態］次に、
第３の発明の第２の実施の形態について図面を参照して
詳細に説明する。

【０１９７】図１３を参照すると、第３の発明の第２の
実施の形態はデータ処理装置８が、第２の発明の第２の
実施の形態のデータ装置６と比較して、第２の誤差予測
手段２１２と情報選択手段２１６の間に適合度統合手段
２１５を更に有することに特徴がある。

【０１９８】適合度統合手段２１５は、要求者が未評価
の情報に対して、適合度推定手段２2が算出した第１適
合度と、誤差予測手段２２が算出した第１適合度の誤差
の予測値と、第２の適合度推定手段２１１が算出した第
２適合度と、第２の誤差予測手段２１２が算出した第２
適合度の誤差の予測値を利用して、２つの適合度を統合
した最終的な適合度（以下、統合適合度）を算出する。

【０１９９】情報選択手段２１６は、適合度統合手段２
１５が算出した統合適合度を利用して、要求者の興味に
合う情報を選択し、情報提示部１２に出力する。

【０２００】（動作の説明）次に図１３の実施の形態の
動作を図１４を参照して説明する。

【０２０１】要求入力部１１から要求者の推薦要求を受
けとると、第１の適合度推定手段２２は、評価記憶部３
５に記憶された要求者の評価や要求者以外の利用者の評
価、属性記憶部３４に記憶された情報の属性を利用し
て、情報の利用者に対する第１適合度を推定する（Ｃ
１）。

【０２０２】誤差予測手段２３は、第１の適合度推定手
段２２が算出した各情報の利用者に対する適合度と、評
価記憶部３５に記憶された要求者の評価や要求者以外の
利用者の評価、属性記憶部３４に記憶された情報の属性
を利用して、第１適合度の誤差を予測する（Ｃ２）。

【０２０３】適合度選択手段２１０は、第１の適合度推
定手段２２が算出した情報の利用者に対する第１適合度
と、誤差予測手段２３が算出した第１適合度の誤差の予
測値を利用して、精度の高い第１適合度だけを選択する
（Ｃ８）。

【０２０４】第２の適合度推定手段２１１は、適合度選
択手段２１０が選択した適合度と、評価記憶部３５に記
憶された要求者の評価や要求者以外の利用者の評価、属
性記憶部３４に記憶された情報の属性を利用して、要求
者が評価していない情報の要求者に対する第２適合度を
推定する（Ｃ９）。

【０２０５】第２の誤差予測手段２１２は、適合度選択
手段２１０が選択した適合度と、第２の適合度推定手段
２１１が算出した要求者が評価していない情報の要求者
に対する第２適合度と、評価記憶部３５に記憶された要
求者の評価や要求者以外の利用者の評価、属性記憶部３
４に記憶された情報の属性を利用して、第２適合度の誤
差を予測する（Ｃ１０）。

【０２０６】適合度統合手段２１５は、要求者が未評価
の情報に対して、第１の適合度推定手段２2が算出した
第１適合度と、誤差予測手段２２が算出した第１適合度
の誤差の予測値と、第２の適合度推定手段２１１が算出
した第２適合度と、第２の誤差予測手段２１２が算出し
た第２適合度の誤差の予測値を利用して、２つの適合度
を統合した統合適合度を算出する（Ｃ１１）。

【０２０７】情報選択手段２１６は、適合度統合手段２
１５が算出した統合適合度を利用して、要求者の興味に
合う情報を選択し（Ｃ１２）、情報提示部１２に出力す
る（Ｃ７）。要求者は情報提示部１２で提示された情報
が自分の興味に合うか評価する。

【０２０８】適合度統合手段２１５における適合度の統
合方法としては、第３の発明の第１の実施の形態におけ
る情報統合手段２１３と同じ方法を用いればよい。

【０２０９】情報選択手段２１６における情報選択の方
法は、従来方式の情報選択手段２２１と同じ方法を用い
ればよい。

【０２１０】［第３の発明の第３の実施の形態］次に、
第３の発明の第３の実施の形態について図面を参照して
詳細に説明する。

【０２１１】図１５を参照すると、第３の発明の第３の
実施の形態は、第３の発明の第２の実施の形態におい
て、１段目にＳＩＦ方式、つまり第１の発明の第３の実
施の形態を、２段目にＣＢＦ方式、つまり第１の発明の
第２の実施の形態を用いたものである。

【０２１２】また、適合度推定手段２１７は選択した第
１適合度を２段目に直接渡さずに、評価記憶部３６に一
旦格納し、２段目は第１適合度を評価記憶部３６から受
け取っている。

【０２１３】［第３の発明の第４の実施の形態］次に、
第３の発明の第４の実施の形態について図面を参照して
詳細に説明する。

【０２１４】図１６を参照すると、第３の発明の第４の
実施の形態は、第３の発明の第２の実施の形態におい
て、１段目にＣＢＦ方式、つまり第１の発明の第２の実
施の形態を、２段目にＳＩＦ方式、つまり第１の発明の
第３の実施の形態を用いたものである。

【０２１５】また、適合度推定手段２１７は選択した第
１適合度を２段目に直接渡さずに、評価記憶部３６に一
旦格納し、２段目は第１適合度を評価記憶部３６から受
け取っている。

【０２１６】［第３の発明の第５の実施の形態］次に、
第３の発明の第５の実施の形態について図面を参照して
詳細に説明する。

【０２１７】図１７を参照すると、第３の発明の第５の
実施の形態は、第３の発明の第２の実施の形態におい
て、１段目にＳＩＦ方式、つまり第１の発明の第３の実
施の形態を、２段目もＳＩＦ方式、つまり第１の発明の
第３の実施の形態を用いたものである。

【０２１８】また、適合度推定手段２１７は選択した第
１適合度を２段目に直接渡さずに、評価記憶部３６に一
旦格納し、２段目は第１適合度を評価記憶部３６から受
け取っている。

【０２１９】また、本発明の情報表示システムをコンピ
ュータによって実施するため、例えば上記した実施の形
態の構成においては、コンピュータの内部に上記したデ
ータ処理装置や記憶装置の機能を生成せしめるコンピュ
ータプログラムを作成し、そのコンピュータプログラム
をＣＤ−ＲＯＭやフロッピー（登録商標）ディスクや半
導体メモリに代表される記録媒体に記録しておき、コン
ピュータ側では、このプログラムが記録された記録媒体
を読み出すことにより、上記データ処理装置や記憶装置
が持つ機能を生成するようにすれば、本発明の実施の形
態に記載された構成をコンピュータによって構築するこ
とができる。また、このコンピュータプログラムは、例
えばサーバ内の記録装置に記録されている形態でもかま
わなく、ネットワークを介し提供される形態でもかまわ
ない。

【０２２０】

【発明の効果】第１の発明の効果は、適合率、つまり、
推薦された情報のうち実際に要求者の嗜好に合う情報の
割合の増加である。

【０２２１】その理由は、要求者に推薦する情報を選ぶ
際に、適合度に加えて適合度の精度も考慮することによ
り、適合度が高くかつ適合度の精度も高い情報しか推薦
されないためである。

【０２２２】第２の発明の効果は、推薦の精度の向上で
ある。

【０２２３】その理由は、１段目が算出した適合度を、
２段目は適合度の精度も考慮してい利用することによ
り、１段目が算出した適合度のうち精度の低いものが、
２段目が算出する適合度に与える影響を減らすとが出来
るためである。

【０２２４】第３の発明の効果は、推薦の精度の向上で
ある。

【０２２５】その理由は、１段目が算出した適合度と２
段目が算出した適合度とを、それぞれの精度を考慮して
統合できるため、精度の低い方の適合度の最終的な適合
度に与える影響を小さく出来るからである。

【図面の簡単な説明】

【図１】第１の発明の構成の一実施の形態を示すブロッ
ク図である。

【図２】第１の発明の動作の一実施の形態を示すフロー
チャートである。

【図３】第１の発明の適合度推定手段および誤差予測手
段の第２の実施の形態を示すブロック図である。

【図４】第１の発明の第２の実施の形態の動作例を示す
フローチャートである。

【図５】第１の発明の適合度推定手段および誤差予測手
段の第３の構成例を示すブロック図である。

【図６】第１の発明の第３の実施の形態の動作例を示す
フローチャートである。

【図７】第２の発明の構成の一実施の形態を示すブロッ
ク図である。

【図８】第２の発明の動作の一実施の形態を示すフロー
チャートである。

【図９】第２の発明の第２の実施の形態の構成を示すブ
ロック図である。

【図１０】第２の発明の第２の実施の形態の動作を示す
フローチャートである。

【図１１】第３の発明の構成の一実施の形態を示すブロ
ック図である。

【図１２】第３の発明の動作の一実施の形態を示すフロ
ーチャートである。

【図１３】第３の発明の第２の実施の形態の構成を示す
ブロック図である。

【図１４】第３の発明の第２の実施の形態の動作を示す
フローチャートである。

【図１５】第３の発明の第３の実施の形態の構成を示す
ブロック図である。

【図１６】第３の発明の第４の実施の形態の構成を示す
ブロック図である。

【図１７】第３の発明の第５の実施の形態の構成を示す
ブロック図である。

【図１８】従来の方式の構成を示すブロック図である。

【図１９】従来の方式の動作を示すフローチャートであ
る。

【図２０】従来のＣＢＦ方式の適合度推定手段の構成を
示すブロック図である。

【図２１】従来のＣＢＦ方式の適合度推定手段の動作を
示すフローチャートである。

【図２２】従来のＳＩＦ方式の適合度推定手段の構成を
示すブロック図である。

【図２３】従来のＳＩＦ方式の適合度推定手段の動作を
示すフローチャートである。

【図２４】従来の組合せ方式の適合度推定手段の構成を
示すブロック図である。

【図２５】従来の組合せ方式の適合度推定手段の動作を
示すフローチャートである。

【符号の説明】

１入出力装置２データ処理装置３記憶装置４データ処理装置５記憶装置６データ処理装置８データ処理装置１１要求入力部１２情報提示部１３評価入力部２１属性抽出手段２２適合度推定手段２３誤差予測手段２４情報選択手段３０登録情報３１情報記憶部３２属性記憶部３３評価記憶部３４属性記憶部３５評価記憶部５１記憶装置５２記憶装置５３記憶装置８１データ処理装置８２データ処理装置８３データ処理装置２０１利用者プロファイル学習手段２０２適合度推定手段２０３誤差予測手段２０４利用者間類似度算出手段２０５適合度推定手段２０６誤差予測手段２０７適合度推定手段２０８誤差予測手段２０９情報選択手段２１０適合度選択手段２１１適合度推定手段２１２誤差予測手段２１３適合度統合手段２１４情報選択手段２１５適合度統合手段２１６情報選択手段２１７適合度選択手段２１８利用者プロファイル学習手段２１９利用者間類似度算出手段２２０適合度推定手段２２１情報選択手段２２２利用者プロファイル学習手段２２３適合度推定手段２２４利用者間類似度算出手段２２５適合度推定手段２２６利用者プロファイル学習手段２２７適合度推定手段２２８適合度統合手段２２９利用者間類似度算出手段

Claims

【特許請求の範囲】

【請求項１】情報記憶部に記憶された情報の要求者に対
する適合度を算出し、前記算出された適合度の精度を算出し、この算出された
適合度の精度と前記適合度とを利用して前記情報記憶部
に記憶された情報のフィルタリングを行うことを特徴と
する情報フィルタリング方法。
【請求項２】情報記憶部に記憶された情報に含まれる属
性を抽出して記憶するとともに、前記情報に対する利用
者の評価を記憶しておき、前記記憶された属性と評価とに基づいて、前記要求者に
対する前記情報記憶部に記憶されている情報の適合度を
算出し、この算出された適合度と、前記記憶された属性と評価と
を利用して、前記適合度の精度を算出し、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行うことを特徴とする情
報フィルタリング方法。
【請求項３】情報記憶部に記憶された情報に含まれる属
性を抽出して記憶するとともに、前記情報に対する利用
者の評価を記憶しておき、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記属性とを利用することによ
って、前記要求者が評価していない情報に対する前記要
求者の適合度を算出し、この算出された適合度と、前記要求者が情報に与えた評
価と前記要求者以外の利用者が情報に与えた評価と前記
属性とを利用することによって前記適合度の精度を算出
し、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行うことを特徴とする情
報フィルタリング方法。
【請求項４】情報記憶部に記憶された情報に含まれる属
性を抽出して記憶するとともに、前記情報に対する利用
者の評価を記憶しておき、前記情報に含まれる属性を抽出して記憶するとともに、
前記情報に対する利用者の評価を記憶しておき、前記要求者が情報に与えた評価と前記属性の関係を利用
することによって、前記要求者が評価していない情報に
対する前記要求者の適合度を算出し、この算出された適合度と、前記要求者が情報に与えた評
価と前記属性と前記要求者が情報与えた評価と前記属性
の関係とを利用することによって前記適合度の精度を算
出し、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行うことを特徴とする情
報フィルタリング方法。
【請求項５】情報記憶部に記憶された情報に対する利用
者の評価を記憶しておき、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価を利用することによって、前記要
求者が評価していない情報に対する前記要求者の適合度
を算出し、この算出された適合度と、前記要求者が情報に与えた評
価と前記要求者以外の利用者が情報に与えた評価とを利
用することによって前記適合度の精度を算出し、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行うことを特徴とする情
報フィルタリング方法。
【請求項６】情報記憶部に記憶された情報に対する利用
者の評価を記憶しておき、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価を利用することによって、前記要
求者と前記要求者以外の利用者間の類似度を算出し、算出された利用者間の類似度から、前記要求者以外の利
用者が評価した情報のうち、前記要求者が評価していな
い情報に対する前記要求者の適合度を算出し、この算出された適合度と、前記要求者が情報に与えた評
価と前記要求者以外の利用者が情報に与えた評価とを利
用することによって前記適合度の精度を算出し、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行うことを特徴とする情
報フィルタリング方法。
【請求項７】情報記憶部に記憶された情報に含まれる属
性を抽出して記憶するとともに、前記情報に対する利用
者の評価を記憶しておき、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記属性とを利用することによ
って、前記要求者を含む利用者の前記情報に対する第１
適合度を算出し、この算出された第１適合度と前記要求者が情報に与えた
評価と前記要求者以外の利用者が情報に与えた評価と前
記属性とを利用することによって、前記第１適合度の精
度を算出し、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記第１適合度と前記第１適合
度の精度と前記属性とを利用することによって、前記要
求者が評価していない情報に対する前記要求者の第２適
合度を算出し、この算出された第２適合度と前記要求者が情報に与えた
評価と前記要求者以外の利用者が情報に与えた評価と前
記第１適合度と前記第１適合度の精度と前記属性とを利
用することによって、前記第２適合度の精度を算出し、この算出された前記第２適合度と前記第２適合度の精度
を用いて前記要求者に適合する情報のフィルタリングを
行うことを特徴とする情報フィルタリング方法。
【請求項８】情報記憶部に記憶された情報に含まれる属
性を抽出して記憶するとともに、前記情報に対する利用
者の評価を記憶しておき、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記属性とを利用することによ
って、前記要求者を含む利用者の前記情報に対する第１
適合度を算出し、前記第１適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価と前記属性とを
利用することによって、前記第１適合度の精度を算出
し、前記第１適合度と前記第１適合度の精度を用いて、第１
適合度の選択を行い、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記選択された第１適合度と前
記属性とを利用することによって、前記要求者が評価し
ていない情報に対する前記要求者の第２適合度を算出
し、前記第２適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価と前記選択され
た第１適合度と前記第２適合度と前記属性とを利用する
ことによって、前記第２適合度の精度を算出し、前記第２適合度と前記第２適合度の精度を用いて前記要
求者に適合する情報のフィルタリングを行うことを特徴
とする情報フィルタリング方法。
【請求項９】情報記憶部に記憶された情報に含まれる属
性を抽出して記憶するとともに、前記情報に対する利用
者の評価を記憶しておき、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記属性を利用することによっ
て、前記要求者を含む利用者の前記情報に対する第１適
合度を算出し、前記第１適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価と前記属性とを
利用することによって、前記第１適合度の精度を算出
し、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記第１適合度と前記第１適合
度の精度と前記属性とを利用することによって、前記要
求者が評価していない情報に対する前記要求者の第２適
合度を算出し、前記第２適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価と前記第１適合
度と前記第１適合度の精度と前記属性とを利用すること
によって、前記第２適合度の精度を算出し、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度を用いて前記第１適合度と前
記第２適合度を統合した適合度を算出し、前記統合した
適合度を利用して前記要求者に適合する情報のフィルタ
リングを行うことを特徴とする情報フィルタリング方
法。
【請求項１０】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶しておき、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記属性を利用することによっ
て、前記要求者を含む利用者の前記情報に対する第１適
合度を算出し、前記第１適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価と前記属性とを
利用することによって、前記第１適合度の精度を算出
し、前記第１適合度と前記第１適合度の精度を用いて、前記
第１適合度の選択を行い、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記選択された第１適合度と前
記属性とを利用することによって、前記要求者が評価し
ていない情報に対する前記要求者の第２適合度を算出
し、前記第２適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価と前記選択され
た第１適合度と前記第２適合度と前記属性とを利用する
ことによって、前記第２適合度の精度を算出し、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度とを用いて第１適合度と第２
適合度を統合した適合度を算出し、前記統合した適合度
を利用して前記要求者に適合する情報のフィルタリング
を行うことを特徴とする情報フィルタリング方法。
【請求項１１】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶しておき、前記要求者が情報に与えた評価と、前記要求者以外の利
用者が情報に与えた評価を利用することによって、前記
要求者が評価していない情報に対する前記要求者の第１
適合度を算出し、前記第１適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価とを利用するこ
とによって、前記第１適合度の精度を算出し、前記要求者が情報に与えた評価と前記第１適合度と前記
第１適合度の精度と前記属性とを利用することによっ
て、前記要求者が評価していない情報に対する前記要求
者の第２適合度を算出し、前記第２適合度と前記要求者が情報に与えた評価と前記
第１適合度と前記第１適合度の精度と前記属性とを利用
することによって、前記第２適合度の精度を算出し、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度を用いて前記要求者に対して
適合する情報のフィルタリングを行うことを特徴とする
情報フィルタリング方法。
【請求項１２】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶しておき、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記属性を利用することによっ
て、前記要求者を含む利用者の前記情報に対する第１適
合度を算出し、前記第１適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価と前記属性とを
利用することによって、前記第１適合度の精度を算出
し、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記第１適合度と前記第１適合
度の精度とを利用することによって、前記要求者が評価
していない情報に対する前記要求者の第２適合度を算出
し、前記第２適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価と前記第１適合
度と前記第１適合度の精度とを利用することによって、
前記第２適合度の精度を算出し、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度とを用いて前記要求者に対し
て適合する情報のフィルタリングを行うことを特徴とす
る情報フィルタリング方法。
【請求項１３】情報記憶部に記憶された情報に対する利
用者の評価を記憶しておき、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価とを利用することによって、前記
要求者を含む利用者の前記情報に対する第１適合度を算
出し、前記第１適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価を利用すること
によって、前記第１適合度の精度を算出し、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記第１適合度と前記第１適合
度の精度を利用することによって、前記要求者が評価し
ていない情報に対する前記要求者の第２適合度を算出
し、前記第２適合度と前記要求者が情報に与えた評価と前記
要求者以外の利用者が情報に与えた評価と前記第１適合
度と前記第１適合度の精度とを利用することによって、
前記第２適合度の精度を算出し、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度を用いて前記要求者に対して
適合する情報のフィルタリングを行うことを特徴とする
情報フィルタリング方法。
【請求項１４】情報記憶部に記憶された情報の要求者に
対する適合度を算出し、前記算出された適合度の精度を算出し、この算出された
適合度の精度と前記適合度とを利用して前記情報記憶部
に記憶された情報のフィルタリングを行うことを特徴と
する情報フィルタリング装置。
【請求項１５】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶する属性／評価記憶部と、前記属性／評価記憶部に記憶された属性と評価とに基づ
いて、前記要求者に対する前記情報記憶部に記憶されて
いる情報の適合度を算出する適合度推定手段と、前記適合度推定手段によって算出された適合度と前記記
憶された属性と評価とを利用して、前記適合度の精度を
算出する誤差予測手段と、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行う情報選択手段とを有
することを特徴とする情報フィルタリング装置。
【請求項１６】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶する属性／評価記憶部と、前記属性／評価記憶部に記憶された前記要求者が情報に
与えた評価と前記要求者以外の利用者が情報に与えた評
価と前記属性とを利用することによって、前記要求者が
評価していない情報に対する前記要求者の適合度を算出
する適合度推定手段と、前記適合度推定手段で算出された適合度と、前記要求者
が情報に与えた評価と前記要求者以外の利用者が情報に
与えた評価と前記属性とを利用することによって前記適
合度の精度を算出する誤差予測手段と、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行う情報選択手段とを有
することを特徴とする情報フィルタリング装置。
【請求項１７】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶する属性／評価記憶部と、前記属性／評価記憶部に記憶された前記要求者が情報に
与えた評価と前記属性の関係を利用することによって、
前記要求者が評価していない情報に対する前記要求者の
適合度を算出する適合度推定手段と、前記適合度推定手段で算出された適合度と前記要求者が
情報に与えた評価と前記属性と前記要求者が情報与えた
評価と前記属性の関係とを利用することによって前記適
合度の精度を算出する誤差予測手段と、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行う情報選択手段とを有
することを特徴とする情報フィルタリング装置。
【請求項１８】情報記憶部に記憶された情報に対する利
用者の評価を記憶する評価記憶部と、前記評価記憶部に記憶された前記要求者が情報に与えた
評価と前記要求者以外の利用者が情報に与えた評価を利
用することによって、前記要求者が評価していない情報
に対する前記要求者の適合度を算出する適合度推定手段
と、前記適合度推定手段で算出された適合度と前記要求者が
情報に与えた評価と前記要求者以外の利用者が情報に与
えた評価とを利用することによって前記適合度の精度を
算出する誤差予測手段と、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行う情報選択手段とを有
することを特徴とする情報フィルタリング装置。
【請求項１９】情報記憶部に記憶された情報に対する利
用者の評価を記憶する評価記憶部と、前記評価記憶部に記憶された前記要求者が情報に与えた
評価と前記要求者以外の利用者が情報に与えた評価を利
用することによって、前記要求者と前記要求者以外の利
用者間の類似度を算出する利用者間類似度算出手段と、前記利用者間類似度算出手段によって算出された利用者
間の類似度から、前記要求者以外の利用者が評価した情
報のうち、前記要求者が評価していない情報に対する前
記要求者の適合度を算出する適合度推定手段と、前記算出された適合度と、前記利用者間の類似度と前記
要求者が情報に与えた評価と前記要求者以外の利用者が
情報に与えた評価とを利用することによって前記適合度
の精度を算出する誤差予測手段と、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行う情報選択手段とを有
することを特徴とする情報フィルタリング装置。
【請求項２０】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶する属性／評価記憶部と、前記属性／評価記憶部に記憶された前記要求者が情報に
与えた評価と前記要求者以外の利用者が情報に与えた評
価と前記属性とを利用することによって、前記要求者を
含む利用者の前記情報に対する第１適合度を算出する第
１の適合度推定手段と、前記第１の適合度推定手段で算出された第１適合度と前
記要求者が情報に与えた評価と前記要求者以外の利用者
が情報に与えた評価と前記属性とを利用することによっ
て、前記第１適合度の精度を算出する第１の誤差予測手
段と、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記第１適合度と前記第１適合
度の精度と前記属性とを利用することによって、前記要
求者が評価していない情報に対する前記要求者の第２適
合度を算出する第２の適合度推定手段と、前記第２の適合度推定手段で算出された第２適合度と前
記要求者が情報に与えた評価と前記要求者以外の利用者
が情報に与えた評価と前記第１適合度と前記第１適合度
の精度と前記第２適合度と前記属性とを利用することに
よって、前記第２適合度の精度を算出する第２の誤差予
測手段と、この算出された前記第２適合度と前記第２適合度の精度
を用いて前記要求者に適合する情報のフィルタリングを
行う情報選択手段とを有することを特徴とする情報フィ
ルタリング装置。
【請求項２１】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶する属性／評価記憶部と、前記属性／評価記憶部に記憶された前記要求者が情報に
与えた評価と前記要求者以外の利用者が情報に与えた評
価と前記属性とを利用することによって、前記要求者を
含む利用者の前記情報に対する第１適合度を算出する第
１の適合度推定手段と、前記第１の適合度推定手段が算出した第１適合度と前記
要求者が情報に与えた評価と前記要求者以外の利用者が
情報に与えた評価と前記属性とを利用することによっ
て、前記第１適合度の精度を算出する第１の誤差予測手
段と、前記第１適合度と前記第１適合度の精度を用いて、第１
適合度の選択を行う適合度選択手段と、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記選択された第１適合度と前
記属性とを利用することによって、前記要求者が評価し
ていない情報に対する前記要求者の第２適合度を算出す
る第２の適合度推定手段と、前記適合度推定手段が算出した第２適合度と前記要求者
が情報に与えた評価と前記要求者以外の利用者が情報に
与えた評価と前記選択された第１適合度と前記第２適合
度と前記属性とを利用することによって、前記第２適合
度の精度を算出する第２の誤差予測手段と、前記第２適合度と前記第２適合度の精度を用いて前記要
求者に適合する情報のフィルタリングを行う情報選択手
段とを有することを特徴とする情報フィルタリング装
置。
【請求項２２】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶する属性／評価記憶部と、前記属性／評価記憶部で記憶された前記要求者が情報に
与えた評価と前記要求者以外の利用者が情報に与えた評
価と前記属性を利用することによって、前記要求者を含
む利用者の前記情報に対する第１適合度を算出する第１
の適合度推定手段と、前記第１の適合度推定手段で算出された第１適合度と前
記要求者が情報に与えた評価と前記要求者以外の利用者
が情報に与えた評価と前記属性とを利用することによっ
て、前記第１適合度の精度を算出する第１の誤差予測手
段と、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記第１適合度と前記第１適合
度の精度と前記属性とを利用することによって、前記要
求者が評価していない情報に対する前記要求者の第２適
合度を算出する第２の適合度推定手段と、前記第２の適合度推定手段で算出された第２適合度と前
記要求者が情報に与えた評価と前記要求者以外の利用者
が情報に与えた評価と前記第１適合度と前記第１適合度
の精度と前記属性とを利用することによって、前記第２
適合度の精度を算出する第２の誤差予測手段と、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度を用いて前記第１適合度と前
記第２適合度を統合した適合度を算出する適合度統合手
段と、前記適合度統合手段によって統合された適合度を利用し
て前記要求者に適合する情報のフィルタリングを行う情
報選択手段とを有することを特徴とする情報フィルタリ
ング装置。
【請求項２３】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶する属性／評価記憶部と、前記属性／評価記憶部に記憶された前記要求者が情報に
与えた評価と前記要求者以外の利用者が情報に与えた評
価と前記属性を利用することによって、前記要求者を含
む利用者の前記情報に対する第１適合度を算出する第１
の適合度算出手段と、前記第１の適合度算出手段で算出された第１適合度と前
記要求者が情報に与えた評価と前記要求者以外の利用者
が情報に与えた評価と前記属性とを利用することによっ
て、前記第１適合度の精度を算出する第１の誤差予測手
段と、前記第１適合度と前記第１適合度の精度を用いて、前記
第１適合度の選択を行う適合度選択手段と、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記選択された第１適合度と前
記属性とを利用することによって、前記要求者が評価し
ていない情報に対する前記要求者の第２適合度を算出す
る第２の適合度推定手段と、前記適合度推定手段で算出された第２適合度と前記要求
者が情報に与えた評価と前記要求者以外の利用者が情報
に与えた評価と前記選択された第１適合度と前記第２適
合度と前記属性とを利用することによって、前記第２適
合度の精度を算出する第２の誤差予測手段と、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度とを用いて第１適合度と第２
適合度を統合した適合度を算出する適合度統合手段と、前記適合度統合手段によって統合した適合度を利用して
前記要求者に適合する情報のフィルタリングを行う情報
選択手段とを有することを特徴とする情報フィルタリン
グ装置。
【請求項２４】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶する属性／評価記憶部と、前記属性／評価記憶部で記憶された前記要求者が情報に
与えた評価と、前記要求者以外の利用者が情報に与えた
評価を利用することによって、前記要求者が評価してい
ない情報に対する前記要求者の第１適合度を算出する第
１の適合度推定手段と、前記第１の適合度推定手段で算出された前記第１適合度
と前記要求者が情報に与えた評価と前記要求者以外の利
用者が情報に与えた評価とを利用することによって、前
記第１適合度の精度を算出する第１の誤差予測手段と、前記要求者が情報に与えた評価と前記第１適合度と前記
第１適合度の精度と前記属性とを利用することによっ
て、前記要求者が評価していない情報に対する前記要求
者の第２適合度を算出する第２の適合度推定手段と、前記第２の適合度推定手段で算出された第２適合度と前
記要求者が情報に与えた評価と前記第１適合度と前記第
１適合度の精度と前記属性とを利用することによって、
前記第２適合度の精度を算出する第２の誤差予測手段
と、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度を用いて前記要求者に対して
適合する情報のフィルタリングを行う情報選択手段とを
有することを特徴とする情報フィルタリング装置。
【請求項２５】情報記憶部に記憶された情報に含まれる
属性を抽出して記憶するとともに、前記情報に対する利
用者の評価を記憶する属性／評価記憶部と、前記属性／評価記憶部で記憶された前記要求者が情報に
与えた評価と前記要求者以外の利用者が情報に与えた評
価と前記属性を利用することによって、前記要求者を含
む利用者の前記情報に対する第１適合度を算出する第１
の適合度推定手段と、前記第１の適合度推定手段で算出された前記第１適合度
と前記要求者が情報に与えた評価と前記要求者以外の利
用者が情報に与えた評価と前記属性とを利用することに
よって、前記第１適合度の精度を算出する第１の誤差予
測手段と、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記第１適合度と前記第１適合
度の精度とを利用することによって、前記要求者が評価
していない情報に対する前記要求者の第２適合度を算出
する第２の適合度推定手段と、前記第２の適合度推定手段で算出された第２適合度と前
記要求者が情報に与えた評価と前記要求者以外の利用者
が情報に与えた評価と前記第１適合度と前記第１適合度
の精度とを利用することによって、前記第２適合度の精
度を算出する第２の誤差予測手段と、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度とを用いて前記要求者に対し
て適合する情報のフィルタリングを行う情報選択手段と
を有することを特徴とする情報フィルタリング装置。
【請求項２６】情報記憶部に記憶された情報に対する利
用者の評価を記憶する評価記憶部と、前記評価記憶部で記憶された前記要求者が情報に与えた
評価と前記要求者以外の利用者が情報に与えた評価とを
利用することによって、前記要求者を含む利用者の前記
情報に対する第１適合度を算出する第１の適合度推定手
段と、前記第１の適合度推定手段で算出された第１適合度と前
記要求者が情報に与えた評価と前記要求者以外の利用者
が情報に与えた評価を利用することによって、前記第１
適合度の精度を算出する第１の誤差予測手段と、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記第１適合度と前記第１適合
度の精度を利用することによって、前記要求者が評価し
ていない情報に対する前記要求者の第２適合度を算出す
る第２の適合度推定手段と、前記第２の適合度推定手段算出された第２適合度と前記
要求者が情報に与えた評価と前記要求者以外の利用者が
情報に与えた評価と前記第１適合度と前記第１適合度の
精度とを利用することによって、前記第２適合度の精度
を算出する第２の誤差予測手段と、前記第１適合度と前記第１適合度の精度と前記第２適合
度と前記第２適合度の精度を用いて前記要求者に対して
適合する情報のフィルタリングを行う情報選択手段とを
有することを特徴とする情報フィルタリング装置。
【請求項２７】コンピュータに情報記憶部に記憶された
情報の要求者に対する適合度を算出する機能と、前記算出された適合度の精度を算出する機能と、この算出された適合度の精度と前記適合度とを利用して
前記情報記憶部に記憶された情報のフィルタリングを行
う機能とを実現するためのプログラムを記録した情報フ
ィルタリングプログラムを記録した記録媒体。
【請求項２８】コンピュータに、情報記憶部に記憶された情報に含まれる属性を抽出して
記憶するとともに、前記情報に対する利用者の評価を記
憶させる属性／評価記憶機能と、前記属性／評価記憶機能によって記憶された属性と評価
とに基づいて、前記要求者に対する前記情報記憶部に記
憶されている情報の適合度を算出する適合度推定機能
と、前記適合度推定機能によって算出された適合度と前記記
憶された属性と評価とを利用して、前記適合度の精度を
算出する誤差予測機能と、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行う情報選択機能とを実
現するためのプログラムを記録した情報フィルタリング
プログラムを記録した記録媒体。
【請求項２９】コンピュータに、情報記憶部に記憶された情報に含まれる属性を抽出して
記憶するとともに、前記情報に対する利用者の評価を記
憶させる属性／評価記憶機能と、前記属性／評価記機能によって記憶された前記要求者が
情報に与えた評価と前記属性の関係を利用することによ
って、前記要求者が評価していない情報に対する前記要
求者の適合度を算出する適合度推定機能と、前記適合度推定機能で算出された適合度と前記要求者が
情報に与えた評価と前記属性と前記要求者が情報与えた
評価と前記属性の関係とを利用することによって前記適
合度の精度を算出する誤差予測機能と、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行う情報選択機能と、を実現するためのプログラムを記録した情報フィルタリ
ングプログラムを記録した記録媒体。
【請求項３０】コンピュータに、情報記憶部に記憶された情報に対する利用者の評価を記
憶させる評価記憶機能と、前記評価記憶機能によって記憶された前記要求者が情報
に与えた評価と前記要求者以外の利用者が情報に与えた
評価を利用することによって、前記要求者が評価してい
ない情報に対する前記要求者の適合度を算出する適合度
推定機能と、前記適合度推定機能で算出された適合度と前記要求者が
情報に与えた評価と前記要求者以外の利用者が情報に与
えた評価とを利用することによって前記適合度の精度を
算出する誤差予測機能と、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行う情報選択機能とを実
現するためのプログラムを記録した情報フィルタリング
プログラムを記録した記録媒体。
【請求項３１】コンピュータに、情報記憶部に記憶された情報に対する利用者の評価を記
憶させる評価記憶機能と、前記評価記憶機能によって記憶された前記要求者が情報
に与えた評価と前記要求者以外の利用者が情報に与えた
評価を利用することによって、前記要求者と前記要求者
以外の利用者間の類似度を算出する利用者間類似度算出
機能と、前記利用者間類似度算出機能によって算出された利用者
間の類似度から、前記要求者以外の利用者が評価した情
報のうち、前記要求者が評価していない情報に対する前
記要求者の適合度を算出する適合度推定機能と、前記算出された適合度と、前記利用者間の類似度と前記
要求者が情報に与えた評価と前記要求者以外の利用者が
情報に与えた評価とを利用することによって前記適合度
の精度を算出する誤差予測機能と、前記適合度と前記適合度の精度を用いて前記要求者に適
合する情報のフィルタリングを行う情報選択機能とを実
現するためのプログラムを記録した情報フィルタリング
プログラムを記録した記録媒体。
【請求項３２】コンピュータに、情報記憶部に記憶された情報に含まれる属性を抽出して
記憶するとともに、前記情報に対する利用者の評価を記
憶させる属性／評価記憶機能と、前記属性／評価記憶機能によって記憶された前記要求者
が情報に与えた評価と前記要求者以外の利用者が情報に
与えた評価と前記属性とを利用することによって、前記
要求者を含む利用者の前記情報に対する第１適合度を算
出する第１の適合度推定機能と、前記第１の適合度推定機能で算出された第１適合度と前
記要求者が情報に与えた評価と前記要求者以外の利用者
が情報に与えた評価と前記属性とを利用することによっ
て、前記第１適合度の精度を算出する第１の誤差予測機
能と、前記要求者が情報に与えた評価と前記要求者以外の利用
者が情報に与えた評価と前記第１適合度と前記第１適合
度の精度と前記属性とを利用することによって、前記要
求者が評価していない情報に対する前記要求者の第２適
合度を算出する第２の適合度推定機能と、前記第２の適合度推定機能で算出された第２適合度と前
記要求者が情報に与えた評価と前記要求者以外の利用者
が情報に与えた評価と前記第１適合度と前記第１適合度
の精度と前記第２適合度と前記属性とを利用することに
よって、前記第２適合度の精度を算出する第２の誤差予
測機能と、この算出された前記第２適合度と前記第２適合度の精度
を用いて前記要求者に適合する情報のフィルタリングを
行う情報選択機能とを実現するためのプログラムを記録
した情報フィルタリングプログラムを記録した記録媒
体。