JP2001265808A - 情報検索システム及び情報検索方法 - Google Patents

Abstract

(57)【要約】 【課題】 有益性と意外性とを兼ね備えた書籍を探し当
てて顧客に推薦する。 【解決手段】 顧客が過去に購入した各書籍のキーワー
ド・ベクトルをカテゴリ別に合成して顧客プロファイル
を生成する。また、書籍データベースを基にして、各書
籍毎にキーワード・ベクトルを生成する。そして、同じ
カテゴリ間、並びに異なるカテゴリ間の双方の組み合わ
せで、顧客プロファイルのキーワード・ベクトルと未購
入の各書籍のキーワード・ベクトルの類似度を計算する
ことで、有益性と意外性の双方の観点から書籍を検索す
ることができる。類似度の高い未購入書籍をリコメンド
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、膨大な情報コンテ
ンツの中からユーザの要求に合致したコンテンツを探し
出すための情報検索システム及び方法に係り、特に、ユ
ーザの趣味・嗜好や過去の探索履歴などのユーザ・プロ
ファイル情報に基づいて所望のコンテンツの探索を行う
情報検索システム及び方法に関する。

【０００２】更に詳しくは、本発明は、インターネット
上で商品販売などのビジネスを行う場合に顧客が望む商
品を探し当ててリコメンドするために利用可能な情報検
索システム及び方法に係り、特に、書籍販売などのよう
に、顧客が有益性と意外性を兼ね備えた商品を求めるよ
うな商品販売ビジネスにおいて適用される情報検索シス
テム及び方法に関する。

【０００３】

【従来の技術】昨今における半導体製造その他の工業技
術の向上に伴い、パーソナル・コンピュータ（ＰＣ）を
始めとして比較的低廉な計算システムを市場で提供する
ことが可能となってきた。計算機システムは、企業や研
究機関のオフィスや一般家庭に至るまで、広範に普及し
てきている。さらに、計算機システム同士を相互接続す
るネットワーク・コンピューティング技術に対する要望
も高まってきている。ネットワーク上では、各ユーザ同
士で、ファイルやプリンタなどのコンピュータ資源を共
有したり、情報の共有・流通・配布・交換などの協働的作
業を円滑に行うことができる。

【０００４】コンピュータ同士を相互接続するネットワ
ークの形態は様々である。例えば、イーサネット（登録
商標）やトークンリングのような局所に敷設されたＬＡ
Ｎ（Local Area Network）や、ＬＡＮ同士を専用線など
で相互接続して構成されるＷＡＮ（Wide Area Networ
k）、さらには、ネットワーク同士の相互接続を繰り返
し行った結果として文字通り世界規模のネットワークへ
成長を遂げた「インターネット」（The Internet）など
様々である。

【０００５】インターネットは、各大学や研究機関等に
設置されたサーバが自主的に相互接続を繰り返した結
果、巨大ネットワークへと成長するに至った。インター
ネット上のサーバ同士は、通常、ＴＣＰ／ＩＰ（Transm
ission Control Protocol/Internet Protocol）ベース
で相互接続されている。

【０００６】インターネット上では、ＷＷＷ（World Wi
de Web）、Ｎｅｗｓ、ＴＥＬＮＥＴ（TELetypewriter N
ETwork）、ＦＴＰ（File Transfer Protocol）、Ｇｏｐ
ｈｅｒなど、ＴＣＰ／ＩＰネットワーク上で動作する多
数のサービスが公開されている。特に、ＷＷＷは、ハイ
パーリンク構造の情報空間を提供する広域情報検索シス
テムであり、インターネットの爆発的な成長や急速な普
及を遂げる最大の要因ともなっている。

【０００７】ＷＷＷはクライアント−サーバ型で構築さ
れる。ＷＷＷサーバは、ＨＴＴＰデーモンと呼ばれるサ
ーバ・ソフトウェアを稼動し、ＨＴＭＬ形式で記述され
た情報資源を格納し、及び／又は、該資源を提供するコ
ンピュータ・システムである。ＷＷＷサーバは、ＨＴＭ
Ｌドキュメントを始めとする情報資源を、インターネッ
ト上で有償又は無償で公開する。ＴＣＰ／ＩＰに従え
ば、これらの情報資源は、ＵＲＬ（Uniform Resource L
ocator）という形式の識別子によって特定される。ＨＴ
ＭＬドキュメントは、他の情報資源とのリンク関係を含
むことができるが、リンク情報もＵＲＬ形式で指定され
る。

【０００８】他方のＷＷＷクライアントは、「ＷＷＷブ
ラウザ」又は「ＨＴＭＬブラウザ」と呼ばれるユーザ・
エージェントを用いて動作するコンピュータである。米
Netscape Communications社の"Netscape Navigator"
や、米Microsoft社の"Internet Explorer"がＷＷＷブラ
ウザの代表例である。

【０００９】ＷＷＷクライアント・ユーザは、ブラウザ
画面上の場所ボックスに資源識別子としてのＵＲＬ文字
列を記入することによって、所望の情報資源を指定する
ことができる。ＷＷＷブラウザは、通常、ＨＴＴＰ（Hy
per Text Transfer Protocol）プロトコルに従ってＷＷ
Ｗサーバ上の情報資源へのアクセスすなわち情報資源の
取り出しを行う。さらに、ＷＷＷブラウザは、取得した
ＨＴＭＬドキュメントを解析して、ブラウザ・ウィンド
ウ画面上で、その内容を表示する（すなわちホームペー
ジをブラウザ画面上で組み立てる）。ブラウザ画面に表
示されたＷＷＷページ上では、リンク情報は「アンカ
ー」として表示される。ユーザはアンカーをクリックす
ることで、次の参照先である情報資源を順次指定するこ
とができる。すなわち、ユーザは、ＷＷＷブラウザ画面
を介して、インターネット上でハイパーリンクが張り巡
らされたＷＷＷ情報資源空間を探索し、多様な情報資源
に次々と継ぎ目なくアクセスすることができる（周
知）。ＷＷＷは、対話入力による簡単な操作で情報検索
を行うことができる、先進的なユーザ・インターフェー
スを備えている。

【００１０】インターネットの普及率は既に高く、大学
など各種研究機関、企業のオフィス、一般家庭などに深
く浸透している。現在、インターネットは、単なる情報
配信のみならず、さまざまな商取引の手段として利用さ
れている。いわゆる「インターネット・ビジネス」と呼
ばれる商品流通・販売システムである。

【００１１】例えば、コンピュータ・ソフトウェアや音
楽・映像コンテンツなどのデジタル情報は、インターネ
ット経由で配信することができる。このような場合、Ｃ
ＤやＤＶＤなど記録メディアで販売する際に必要とされ
る商品の流通経路や販売路をほとんど省略することがで
きる。

【００１２】また、旧来の通信販売に対してインターネ
ット・ビジネスを適用した場合、１ヶ所のＷｅｂサイト
上にカタログに相当するデータ・コンテンツをアップロ
ードしておくだけで、商品情報を世界中に瞬間的に配信
することができる。この結果、チラシやカタログなどの
印刷媒体を配布したり郵送したりする手間やコストを節
約することができる。商品情報の即時性があり、商品の
売買契約を円滑且つ迅速に成立させることができる。

【００１３】インターネット上で商品情報を配信するこ
とにより、遠隔地に埋もれた消費者又は商品需要を比較
的容易に発掘することができる。商品販売業者側にとっ
ては、商品棚に並べる程の出荷高が見込まれないような
少量商品であっても、各地に散在する消費者に対してピ
ンポイントで販売することができる。また、一般消費者
側からすれば、輸入品や洋書など最寄の商店には取り扱
われておらず割高感のある商品であっても、供給業者を
容易に探し出し、低コストで購入することができる。言
い換えれば、店舗の敷居が格段と低くなる。

【００１４】インターネット・ビジネスは、情報の即時
性に優れている。また、他の利点として、商品販売のた
めのショー・ケースのような物理的な手段をほとんど必
要とせず、商品販売及び販売促進に要するイニシャル・
コストが低いことが挙げられる。インターネット・ビジ
ネスの発達により、消費者の立場は強まり、商品選択の
幅が大きく拡張されたと言われている。さらに、料金の
支払いにセキュアな電子決済を採り入れることにより、
商品販売のほとんど全工程をネットワーク経由の遠隔操
作によって機械化・自動化することができる。

【００１５】インターネット・ビジネスでは、基本的に
は、ＷＷＷのようなインタラクティブで先進的なユーザ
・インターフェースを介して取引を行うことができる。
また、インターネット・ビジネスを展開する企業では、
顧客とインタラクティブに結ばれているという点を活か
して、顧客毎にコンテンツやサービスをカスタマイズす
るパーソナライズ化が志向されている。

【００１６】しかしながら、顧客毎に個別の対応を行う
ことは、ＷＷＷや電子メールにおける既存の技術で実現
可能である一方、顧客毎に適切なコンテンツを準備した
り推薦することは容易ではない。このような課題に対し
ては、自動的に推薦情報を生成する「リコメンダー・シ
ステム」が期待されている。

【００１７】例えば、インターネット上で洋書などの書
籍販売を行うようなビジネスに対してリコメンダー・シ
ステムを適用することにより、各読者に対して好みに応
じた新刊書を提供することができ、顧客サービスを拡充
するとともに、売上の増大にもつながる。

【００１８】リコメンダー・システムには、従来より、
「コンテンツ分析方式」及び「協調フィルタリング方
式」と呼ばれる２方式が存在している。

【００１９】コンテンツ分析方式とは、リコメンド対象
となるコンテンツの特徴表現とユーザ興味表現であるユ
ーザ・プロファイルの比較を行うことにより、ユーザの
興味により近いコンテンツを選択して、リコメンドする
方法である。洋書販売に適用する場合、コンテンツの特
徴表現は、各書籍のタイトル、著者名、ジャンル、キー
ワードなどからなる書籍データベースとして蓄積され
る。また、ユーザ・プロファイルは、ユーザの趣味や特
技などのプロファイルの他、過去の書籍購買履歴や探索
履歴で構成される。

【００２０】コンテンツ分析のために、情報検索分野の
周知技術を適用することができる。例えば、重み付きタ
ームによるベクトル空間モデル^[1] 型の検索のような、
コンテンツに関する特徴ベクトル同士を比較するような
分析手法を利用することができる。すなわち、Ｎ個のキ
ーワードの各々に対して座標軸を割り当てたＮ次元空間
上において、コンテンツ中での各キーワードの出現回数
に重み付け因子を掛けた座標値を持つベクトルすなわち
「キーワード・ベクトル」を求め、キーワード・ベクト
ル同士の類似度を基にして所望のコンテンツを検索する
ものである。類似度は、例えば、ベクトルの内積や距離
に基づいて求めることができる。

【００２１】しかしながら、コンテンツ分析方式の欠点
として、次に挙げる２点が指摘されている^[2]。 （１）検索対象とするコンテンツが、コンテンツ分析技
術に依存する。現状では、情報検索技術が適用できるテ
キスト・ドキュメントに制限される。

【００２２】（２）ユーザが高く評価した情報に類似し
た情報ばかりが抽出される傾向がある。

【００２３】特に、情報検索を洋書などの書籍のリコメ
ンデーションに利用する場合、以前に購入した書籍と類
似した内容のものばかりが常に好まれる訳ではない。そ
もそも読書は知的欲求に基づく行為であるから、ユーザ
（読者）の趣味・嗜好に合致するなど有益性があるだけ
ではなく、意外性や新規性のある書籍をリコメンドする
ことが好ましい。類似内容の書籍ばかりリコメンデーシ
ョンを繰り返すと、顧客はやがて飽きてしまう。したが
って、コンテンツ分析方式が持つ上記（２）の欠点は、
書籍販売ビジネスに適用する上で致命的になりかねな
い。

【００２４】また、協調フィルタリング方式は、コンテ
ンツ分析を行わずに、複数のユーザ間でのコンテンツ評
価情報を分析することによってリコメンド情報を生成す
る方式である。まず、ユーザ間のコンテンツ評価情報を
比較することにより、類似した興味を持つ仲間をグルー
プ化する。そして、自分の仲間が高く評価したコンテン
ツのうち、自分が未評価のものがリコメンドされる。協
調フィルタリング方式は、NetPerceptions^[3][4]に代表
される、いくつかの商用ソリューションにおいて既に採
用されている。

【００２５】協調フィルタリング方式は、コンテンツ分
析を行わないために、対象とするコンテンツに制限がな
いという利点があり、テキスト・ドキュメント以外のほ
とんどすべてのメディアに対しても適用可能である。一
方で、協調フィルタリング方式の欠点としては、次に挙
げる４点が指摘されている^[2]。

【００２６】（１）対象コンテンツの量に対して、充分
なユーザ数と評価情報数が必要になる。ユーザ数が不足
する場合には、カバレッジが狭くなり、すべてのコンテ
ンツのうち限られた一部しかリコメンド対象とすること
ができなくなる。また、特異な嗜好を持つユーザには仲
間が見つからない結果として、リコメンド自体が不能に
なるなどが懸念される。

【００２７】（２）新しいコンテンツが登録されても、
誰かが評価するまではリコメンド対象にならない。

【００２８】（３）コンテンツ分析を行わないため、内
容が類似しているがＩＤが異なるコンテンツの評価が高
いユーザ同士を仲間にすることができない。

【００２９】（４）コンテンツ評価の誤入力が、他ユー
ザへのリコメンドに与える影響を排除することが困難で
ある。

【００３０】書籍を対象にリコメンド・サービスを考察
した場合、基本的には、コンテンツ方式と協調フィルタ
リング方式のどちらも適用可能である。但し、上述した
ように各方式にはそれぞれ欠点があることから、次の点
が懸念される。

【００３１】（１）コンテンツ分析方式では、リコメン
ドされる書籍が、顧客が過去に購入した書籍に類似した
ものばかりになる可能性が高い。類似内容の書籍ばかり
リコメンデーションを繰り返すと、顧客はやがて飽きて
しまう。

【００３２】（２）協調フィルタリング方式では、書籍
販売では対象とするコンテンツ数が膨大であるため、リ
コメンド・サービスの対象となる顧客数も相当な規模で
なければ、質の高いサービスが期待できない。

【００３３】

【発明が解決しようとする課題】本発明の目的は、膨大
な情報コンテンツの中からユーザの要求に合致したコン
テンツを探し出してリコメンドすることができる、優れ
た情報検索システム及び方法を提供することにある。

【００３４】本発明の更なる目的は、ユーザの趣味・嗜
好や過去の探索履歴・購買履歴などのユーザプロファイ
ル情報に基づいて所望のコンテンツの探索しリコメンド
を行うことができる、優れた情報検索システム及び方法
を提供することにある。

【００３５】本発明の更なる目的は、インターネット上
で商品販売などのビジネスを行う場合において、顧客が
期待する商品を探し当ててリコメンドすることができ
る、優れた情報検索システム及び方法を提供することに
ある。

【００３６】本発明の更なる目的は、書籍販売などのよ
うに、顧客が有益性の他に意外性を求めるような商品を
探し当てリコメンドすることができる、優れた情報検索
システム及び方法を提供することにある。

【００３７】

【課題を解決するための手段】本発明は、上記課題を参
酌してなされたものであり、その第１の側面は、多数の
コンテンツを含む情報空間の中からユーザが望むコンテ
ンツを検索する情報検索システム又は方法であって、前
記情報空間上の各コンテンツを所定数のコンテンツ・カ
テゴリに分類する分類手段又はステップと、前記情報空
間上の各コンテンツの特徴ベクトルを生成する特徴ベク
トル生成手段又はステップと、前記情報空間上の各コン
テンツを所定数のコンテンツ・カテゴリに分類する分類
手段又はステップと、ユーザが過去アクセスしたコンテ
ンツの特徴ベクトルを含むユーザ・プロファイルを生成
するユーザ・プロファイル生成手段又はステップと、各
コンテンツ・カテゴリ毎にユーザ・プロファイルとコン
テンツの特徴ベクトルを比較するベクトル比較手段又は
ステップと、前記比較の結果に基づいて、ユーザが望む
コンテンツを特定するコンテンツ特定手段又はステップ
と、を具備することを特徴とする情報検索システム又は
方法である。

【００３８】但し、本発明に係る情報検索システム又は
方法において、書籍のようにあらかじめコンテンツ・カ
テゴリが規定されている商品を検索対象コンテンツとし
て取り扱う場合には、上記の分類手段又はステップを省
略して、既存のコンテンツ・カテゴリをそのまま利用し
てもよい。書籍カテゴリの一例は、ＢＩＳＡＣ（BookIn
dustry Systems Advisory Committee）が提供する" BIS
AC Subject Category"である。

【００３９】本発明の第１の側面に係る情報検索システ
ム又は方法において、前記コンテンツは書籍などのテキ
スト・ドキュメントを含むコンテンツであってもよい。
このような場合、前記特徴ベクトル生成手段又はステッ
プは、Ｎ個のキーワードの各々に対して座標軸を割り当
てたＮ次元キーワード空間上において、コンテンツ中で
の各キーワードの出現頻度に重み付け因子を掛けた座標
値を持つキーワード・ベクトルを生成するようにしても
よい。

【００４０】また、前記ユーザ・プロファイル生成手段
又はステップは、ユーザが過去アクセスした各コンテン
ツの特徴ベクトルをコンテンツ・カテゴリ毎に合成し
て、各コンテンツ・カテゴリ毎の特徴ベクトルからなる
ユーザ・プロファイルを生成するようにしてもよい。

【００４１】また、前記ユーザ・プロファイル生成手段
又はステップにおいて、各コンテンツ・カテゴリ毎の特
徴ベクトルからなるユーザ・プロファイルを生成するよ
うな場合には、前記ベクトル比較手段又はステップは、
同一カテゴリ内でユーザ・プロファイルの特徴ベクトル
とコンテンツの特徴ベクトルを比較する（順マッチン
グ）ようにしてもよい。あるいは、前記ベクトル比較手
段又はステップは、異なるカテゴリ間でユーザ・プロフ
ァイルの特徴ベクトルとコンテンツの特徴ベクトルを比
較する（交差マッチング）ようにしてもよい。

【００４２】また、前記コンテンツ特定手段又はステッ
プは、ユーザ・プロファイルと類似度の高いコンテンツ
をユーザが望むコンテンツとして特定して、ユーザにリ
コメンドするようにしてもよい。

【００４３】また、前記コンテンツ特定手段又はステッ
プは、ユーザ・プロファイルと類似度の高いコンテンツ
のうちユーザが未アクセスのものをユーザが望むコンテ
ンツとして特定して、ユーザにリコメンドするようにし
てもよい。

【００４４】また、本発明の第２の側面は、多数のコン
テンツを含む情報空間の中からユーザが望むコンテンツ
を検索する情報検索処理をコンピュータ・システム上で
実行せしめるためのコンピュータ・ソフトウェアをコン
ピュータ可読形式で格納するソフトウェア記憶媒体であ
って、前記コンピュータ・ソフトウェアは、前記情報空
間上の各コンテンツの特徴ベクトルを生成する特徴ベク
トル生成ステップと、前記情報空間上の各コンテンツを
所定数のコンテンツ・カテゴリに分類する分類ステップ
と、ユーザが過去アクセスしたコンテンツの特徴ベクト
ルを含むユーザ・プロファイルを生成するユーザ・プロ
ファイル生成ステップと、各コンテンツ・カテゴリ毎に
ユーザ・プロファイルとコンテンツの特徴ベクトルを比
較するベクトル比較ステップと、前記比較の結果に基づ
いて、ユーザが望むコンテンツを特定するコンテンツ特
定ステップと、を具備することを特徴とするソフトウェ
ア記憶媒体である。

【００４５】

【作用】本発明に係る情報検索システム及び方法は、書
籍等のテキスト・ドキュメントからなるコンテンツの探
索やリコメンデーションなどに好適に適用することがで
きる。

【００４６】本発明に係る情報検索システム及び方法で
は、顧客が過去に購入した各書籍の特徴ベクトルをカテ
ゴリ別に合成して、カテゴリ毎の特徴ベクトルからなる
顧客プロファイルを生成する。また、書籍データベース
を基にして、各書籍に対してキーワード・ベクトル空間
構成処理を実行することで、各書籍毎に特徴ベクトルを
生成する。

【００４７】そして、顧客プロファイルの特徴ベクトル
と未購入の各書籍が持つ特徴ベクトルの類似度を計算し
て、類似度の高い未購入書籍をリコメンドする。同じカ
テゴリ間（順マッチング）、並びに異なるカテゴリ間
（交差マッチング）の各々の組み合わせで特徴ベクトル
の類似度計算を行うことで、有益性と意外性の双方の観
点から書籍を検索することができる。

【００４８】本発明において取り扱う特徴ベクトルは、
例えば、テキスト・ドキュメントなどのコンテンツ中に
散在するキーワードの出現頻度を表現した「キーワード
・ベクトル」でよい。キーワード・ベクトルは、Ｎ個の
キーワードの各々に対して座標軸を割り当てたＮ次元キ
ーワード空間上において、コンテンツ中での各キーワー
ドの出現回数に重み付け因子を掛けた座標値を持つベク
トルのことである。

【００４９】本発明に係る情報検索システム及び方法
は、コンテンツ分析方式を基調とするが、リコメンド情
報の幅を広げる工夫をすることにより、コンテンツ分析
方式の欠点を解消することができる。また、書籍販売の
ように対象コンテンツ数が非常に大きな業種において本
発明を適用することで、顧客規模が小さい場合にも、質
の高いリコメンド・サービスを提供可能にすることがで
きる。

【００５０】本発明の第２の側面に係るソフトウェア記
憶媒体は、例えば、様々なプログラム・コードを実行可
能な汎用コンピュータ・システムに対して、コンピュー
タ・ソフトウェアをコンピュータ可読な形式で提供する
媒体である。このような媒体は、例えば、ＣＤ（Compac
t Disc）やＦＤ（Floppy Disc）、ＭＯ（Magneto-Optic
al disc）などの着脱自在で可搬性の記憶媒体である。

【００５１】このようなソフトウェア記憶媒体は、コン
ピュータ・システム上で所定のコンピュータ・ソフトウ
ェアの機能を実現するための、コンピュータ・ソフトウ
ェアと記憶媒体との構造上又は機能上の協働的関係を定
義したものである。換言すれば、本発明の第２の側面に
係るソフトウェア記憶媒体を介して所定のコンピュータ
・ソフトウェアをコンピュータ・システムにインストー
ルすることによって、コンピュータ・システム上では協
働的作用が発揮され、本発明の第１の側面に係る情報検
索システム又は方法と同様の作用効果を得ることができ
る。

【００５２】本発明のさらに他の目的、特徴や利点は、
後述する本発明の実施例や添付する図面に基づくより詳
細な説明によって明らかになるであろう。

【００５３】

【発明の実施の形態】本発明に係る情報検索システム
は、例えば書籍販売に適用して、膨大数の書籍の山から
各顧客が望む書籍を探し出してリコメンドすなわち購買
を推薦することができる。

【００５４】図１には、本発明に係る情報検索システム
がリコメンド情報を生成する手順を図解している。

【００５５】テキスト・ドキュメントを対象としたコン
テンツ分析型リコメンデーションでは、顧客興味の表現
である顧客プロファイルやコンテンツの特徴表現として
キーワード・ベクトルを用いるのが一般的であるが、本
発明に係る情報検索システムの場合も同様である。キー
ワード・ベクトルとは、Ｎ個のキーワードの各々に対し
て座標軸を割り当てたＮ次元空間上において、コンテン
ツ中での各キーワードの出現回数に重み付け因子を掛け
た座標値を持つＮ次元ベクトルのことである（前述）。

【００５６】本情報検索システムでは、書籍情報（書籍
データベース）と顧客の購買履歴情報（購買履歴データ
ベース）とを用いて、顧客プロファイルのキーワード・
ベクトルを生成する。ここでは、顧客プロファイルのキ
ーワード・ベクトルは、顧客が過去に購入した各書籍の
キーワード・ベクトルをカテゴリ別に合成して生成され
るベクトルで構成される。購買履歴情報は、例えば、顧
客の会員識別子（ＩＤ）や、過去に購買した書籍の識別
子（ＩＳＢＮ：International Standard BookNunber）
などで構成される。

【００５７】他方、書籍データベースを基にして、各書
籍に対してキーワード・ベクトル空間構成処理を実行す
ることで、各書籍毎にキーワード・ベクトルを生成する
ことができる。書籍データベースは、各書籍のタイト
ル、内容説明（要約／抄録など）、著者名、カテゴリな
どで構成される。

【００５８】そして、顧客プロファイルのキーワード・
ベクトルと未購入の各書籍のキーワード・ベクトルの類
似度を計算する。類似度の高い未購入書籍を顧客に対し
てリコメンドすることができる。

【００５９】次いで、顧客プロファイルの作成処理につ
いて詳解する。

【００６０】本発明では、顧客が実際の書店で興味にあ
った書籍を探し出す行動は、図２に示すような書籍購買
行動モデルに従うことを仮定する。図示の通り、購入書
籍の決定に至るまでの行動は、興味分野にあった書棚を
選択する行動と、該当する書棚の書籍の背表紙や目次の
情報を利用して興味に沿った書籍を選択する行動の２つ
に大別される。それぞれの行動の特徴から、前者を「分
類型選択行動」と呼び、後者を「検索型選択行動」と呼
ぶことができる。

【００６１】本発明に係る情報検索システムでは、図２
に示す書籍購買行動モデルに基づき、分類型選択行動に
相当する書籍カテゴリと、検索的選択行動の基準となる
キーワード・ベクトルという、２種類の顧客興味表現系
を採用する。

【００６２】書籍カテゴリは、本発明に係る情報検索シ
ステムのためにゼロから構築してもよいし、既存の書籍
カテゴリを適用することも可能である。既存の書籍カテ
ゴリとしては、例えば、ＢＩＳＡＣ（Book Industry Sy
stems Advisory Committee）が提供する" BISAC Subjec
t Category "を挙げることができる。BISAC SubjectCat
egory では、Art、Business & Economics、Cooking、Co
mputersなどの４９種類のカテゴリに分類している。

【００６３】図３には、BISAC Subject Categoryを用
いて、顧客の書籍購買カテゴリ数を調べたグラフを示し
ている。複数の書籍を購入した人ほど複数のカテゴリに
またがって書籍を購入している場合が多く、一般書籍に
対する興味の幅は非常に広い、という傾向があることを
理解できるであろう。

【００６４】ＷＷＷ（World Wide Web）を始めとする各
種の情報検索システムが充実したインターネット上で書
籍販売ビジネスを行う場合、ユーザすなわち顧客が自ら
販売サイトにアクセスして、目的の書籍を検索するのが
一般的である。検索には、書籍タイトル、著者名、出版
社やキーワードなどが用いられる。複数のカテゴリに興
味を持っている顧客の場合、検索する書籍カテゴリ毎に
まったく異なるキーワードを使い分けるであろうこと
は、容易に想像できる。

【００６５】したがって、顧客興味を表現する顧客プロ
ファイルを作成する場合にも、顧客の興味の幅が広い場
合には、複数のキーワード・ベクトルを作成する必要が
あると思料される。

【００６６】本発明に係る情報検索システムでは、書籍
カテゴリを顧客興味の単位と仮定して、購買書籍カテゴ
リ別の複数のキーワード・ベクトルにより顧客プロファ
イルを構成するようにした。

【００６７】具体的な顧客プロファイルとしては、キー
ワード・ベクトルを用いる。キーワード・ベクトルと
は、Ｎ個のキーワードの各々に対して座標軸を割り当て
たＮ次元キーワード空間上において、コンテンツ中での
各キーワードの出現回数に重み付け因子を掛けた座標値
を持つベクトルのことである（前述）。

【００６８】書籍データベース上の項目から、書籍の特
徴を代表する項目として、タイトル、内容説明、著者、
サブカテゴリ（４９分類をさらに詳細に約３，７００に
分類したもの）を用いて、キーワード・ベクトルを構成
する。一般には、タイトルや内容説明といったテキスト
形式のデータ中の語句をキーワードとして利用するが、
著者やサブカテゴリの情報も１つのキーワードとしてベ
クトル中に含めるようにしてもよい。

【００６９】本実施例では、顧客プロファイルは、書籍
カテゴリ毎のキーワード・ベクトルで構成される。図４
には、顧客プロファイルのキーワード・ベクトル作成処
理手順を図解している。まず、書籍毎にキーワード・ベ
クトルを付与する。次いで、この顧客が過去に購買した
各書籍のキーワード・ベクトルを、書籍カテゴリ毎に合
算することによって、顧客の購買書籍カテゴリ毎のキー
ワード・ベクトルを作成する。

【００７０】また、図５には、書籍毎のキーワード・ベ
クトルの作成手順を図解している。但し、書籍のタイト
ルと内容説明についてはテキスト処理を行う必要があ
る。テキスト処理の内容は、次の手順である。

【００７１】（１）テキストに含まれる各単語に品詞を
付与する。品詞を付与するためのツールとしては、Bril
l's English tagger ^[5]を用いる。

【００７２】（２）不要語の削除は、品詞情報を用いて
名詞・形容詞・外来語以外の品詞を削除する。その後、
事前に作成した不要語リストを適用する。

【００７３】（３）削除されずに残った単語を単語キー
ワードとして利用する。

【００７４】（４）複合語キーワードは、文章中に名詞
が連続して出現した場合に、その組み合わせを複合語キ
ーワードとして利用する。

【００７５】著者、書籍カテゴリ、サブカテゴリについ
ては、前述の単語キーワードや複合語キーワードと同様
に重み付けを行い、キーワード・ベクトルに加える。本
実施例では、重み付けの方法は、語句の出現頻度ＴＦ
（Term Frequency）と逆文献頻度ＩＤＦ（Inverse Docu
ment Frequency）を用いた、ＴＦＩＤＦ^[1]と呼ばれる
重み付け手法を用いる。

【００７６】以下の説明では、ｉ番目の書籍ｄ_iにおけ
る単語・複合語・著者・サブカテゴリのｊ番目のキーワ
ードｔ_jの出現頻度をｆ_ijとし、また、全書籍数Ｎの中
でキーワードｔ_jが出現する書籍数をｎ_jとおくこととす
る。また、キーワードの種別毎に設定した重みをｋとす
る。本明細書中では、キーワード種別毎の重みは、経験
的にサブカテゴリについてはｋ＝２とし、それ以外につ
いてはｋ＝１とした。

【００７７】また、同一のキーワードが過剰に出現した
場合の影響を緩和するために、ｉ番目の書籍ｄ_i中にお
けるｊ番目のキーワードｔ_jの出現頻度ｆ_ijをそのまま
用いるのではなく、対数表現を採り入れた以下の式で定
義されるＴＦ_ijを用いて各キーワードの出現頻度を評価
することとした。

【００７８】

【数１】

【００７９】また、逆文献頻度に関しては、対数表現を
採り入れて、以下の式で定義されるＩＤＦ_jを用いるこ
ととした。

【００８０】

【数２】

【００８１】また、書籍ｄ_iにおけるキーワードｔ_jに付
与される重みｗ_ijは、上記の各式［数１］及び［数２］
を用いて次式となる。

【００８２】

【数３】

【００８３】最終的な書籍毎のキーワード・ベクトル
は、キーワードｔ_jの重みｗ_jの降順に上位１２個のキー
ワードを各書籍に付与する。但し、本発明を実現する上
で、キーワードの上限を設定する必要は必ずしもなく、
また、上限値が１２個に限定されるものでもない。

【００８４】図４に示すように、顧客プロファイルは、
書籍カテゴリ毎の購買書籍のキーワード・ベクトルの
和、すなわちカテゴリ毎の合成ベクトルで構成される。
顧客Ｕ _kのカテゴリＣ_lについてのキーワードｔ_jの重み
ｗ'_jklは、下式のように定義される。

【００８５】

【数４】

【００８６】但し、上式［数４］において、ｂ_ikは、顧
客Ｕ_kが書籍ｄ_iを購入していた場合に１とし、それ以外
は０とする。また、ｓ_ilは、書籍ｄ_iがカテゴリＣ_lに属
している場合に１とし、それ以外は０とする。

【００８７】顧客にリコメンドする書籍の選択は、顧客
プロファイルのキーワード・ベクトルと書籍の特徴を表
すキーワード・ベクトルの類似度を計算することによっ
て行う。類似度の計算方法には、キーワード・ベクトル
間のなす角のコサインを用いる。

【００８８】顧客Ｕ_kのカテゴリＣ_lにおけるキーワード
ｔ_jの重みをｗ'_jklとおき、また、書籍ｄ_iにおけるキー
ワードｔ_jの重みｗ_ijとおくと、顧客Ｕ_kのカテゴリＣ_l
に対する書籍ｄ_iの推薦度ｒ_iklは、次式の通りとなる。

【００８９】

【数５】

【００９０】次いで、書籍のリコメンデーション処理に
ついて説明する。

【００９１】キーワード・ベクトルのような特徴ベクト
ルを用いたコンテンツ分析手法では、一般に、ベクトル
同士の類似度に基づいて特徴比較が行われる。

【００９２】本実施例では、カテゴリ毎に特徴比較を行
う。より具体的には、同一の書籍カテゴリに含まれるキ
ーワード・ベクトル同士を比較する「順マッチング型リ
コメンデーション」と、異なる書籍カテゴリに含まれる
キーワード・ベクトル同士を比較する「交差マッチング
型リコメンデーション」の２通りを行う。

【００９３】図６には、順マッチング型リコメンデーシ
ョンの処理手順を図解している。

【００９４】顧客の興味表現すなわち顧客プロファイル
は、過去の購買履歴のある各書籍カテゴリにおけるキー
ワード・ベクトルの合成ベクトルで構成される。図６に
示す例では、顧客が過去に購入したことがある書籍カテ
ゴリＡ及びＢの各々において、顧客プロファイルを表現
するキーワード・ベクトルが生成される。

【００９５】他方、書籍データベースを基に、書籍毎の
キーワード・ベクトルが生成されており（図４を参照の
こと）、このうち、顧客の購買履歴が残された書籍カテ
ゴリＡ及びＢの各々に含まれる書籍のキーワード・ベク
トルを抽出する。

【００９６】さらに、同じ書籍カテゴリＡ又はＢ内で、
顧客プロファイルのキーワード・ベクトルと書籍のキー
ワード・ベクトルの比較すなわち類似度を計算する。類
似度の計算には、上記の［数５］を用いればよい。そし
て、類似度の高い書籍のうち、顧客が未購入のものを検
索結果として顧客にリコメンドする。

【００９７】順マッチング型リコメンデーションでは、
まったく興味のないカテゴリの書籍が、いくつかのキー
ワードが一致したというだけでリコメンドされてしま
う、すなわち不要又は無益なリコメンデーションを防ぐ
ことができる。

【００９８】また、図７には、交差マッチング型リコメ
ンデーションの処理手順を図解している。

【００９９】顧客の興味表現すなわち顧客プロファイル
は、過去の購買履歴のある各書籍カテゴリにおけるキー
ワード・ベクトルの合成ベクトルで構成される。図７に
示す例では、顧客が過去に購入したことがある書籍カテ
ゴリＡ及びＢの各々において、顧客プロファイルを表現
するキーワード・ベクトルが生成される。また、書籍デ
ータベースを基に、顧客の購買履歴が残された書籍カテ
ゴリＡ及びＢの各々に含まれる書籍のキーワード・ベク
トルを抽出する（同上）。

【０１００】さらに、異なる書籍カテゴリの間で、顧客
プロファイルのキーワード・ベクトルと書籍のキーワー
ド・ベクトルの比較を行う。図７に示す例では、書籍カ
テゴリＡの顧客プロファイルと書籍カテゴリＢの書籍キ
ーワード・ベクトルとを比較するとともに、書籍カテゴ
リＢの顧客プロファイルと書籍カテゴリＡの書籍キーワ
ード・ベクトルとを比較する。ベクトルの比較すなわち
類似度の計算には、上記の［数５］を用いればよい。そ
して、類似度の高い書籍のうち、顧客が未購入のものを
検索結果として顧客にリコメンドする。

【０１０１】交差マッチング型リコメンデーションによ
れば、キーワード・ベクトルと書籍特徴の書籍カテゴリ
の関係を交差させることにより、意外性の高いリコメン
ド情報を生成することができる。

【０１０２】例えば、図２に示した書籍購買行動モデル
の書籍探索フェーズのように、目的の書棚から必要なキ
ーワードを持つ書籍を探す行動を行っている際に、普段
から興味を持っているがまったく別の分野のキーワード
を含む書籍を偶然見つけるようなケースである。交差マ
ッチング型リコメンデーションは、意図的にこのような
効果を狙う手法である。

【０１０３】分かり易い例としては、Science Fiction
のカテゴリからStar Trekに関する書籍とCookingカテゴ
リからいくつかの書籍を購入している顧客に対するリコ
メンデーションを考察してみる。交差マッチング型リコ
メンデーションによれば、Cookingカテゴリの書籍をキ
ーワード"Star Trek"を用いて検索し、"Star Trek Cook
book"といった書籍を紹介することができる。

【０１０４】但し、交差マッチングにおいては、比較の
対象となる書籍カテゴリを、過去に購入実績があり顧客
が興味を持っている書籍カテゴリに限定することが、リ
コメンデーションの精度を向上する上で好ましいと思料
する。

【０１０５】

【実施例】以下、図面を参照しながら本発明の実施例を
詳解する。

【０１０６】図８には、本発明の実施に供される情報検
索システム１０のハードウェア構成を模式的に示してい
る。情報検索システム１０は、専用のハードウェア装置
としてデザインしてもよいが、一般的な計算機システム
上で所定のアプリケーション（本明細書中では、仮に
「リコメンド・アプリケーション」とする）を実行する
ことによっても実現される。計算機システムの一例は、
米ＩＢＭ社のＰＣ／ＡＴ互換機又はその後継機である。
以下、システム１０の各部について説明する。

【０１０７】システム１０のメイン・コントローラであ
るＣＰＵ（Central Processing Unit）１１は、オペレ
ーティング・システム（ＯＳ）の制御下で、各種のアプ
リケーションを実行するようになっている。ＯＳは、例
えばＵＮＩＸ（登録商標）、あるいは米マイクロソフト
社のＷｉｎｄｏｗｓ９８／ＮＴでよい。

【０１０８】図示の通り、ＣＰＵ１１は、バス１９によ
って他の機器類と相互接続されている。バス１９上の各
機器にはそれぞれ固有のメモリ・アドレス又はＩ／Ｏア
ドレスが付与されており、ＣＰＵ１１はこれらアドレス
によって機器アクセスが可能となっている。バス１９の
一例はＰＣＩ（Peripheral Component Interconnect）
バスである。

【０１０９】ＲＡＭ（Random Access Memory）１２は、
ＣＰＵ１１において実行されるプログラム・コードをロ
ードしたり、実行中の作業データを一時保管するために
使用される揮発性の記憶装置であり、通常は、複数個の
ＤＲＡＭ（dynamic RAM）チップで構成される。また、
ＲＯＭ（Read Only Memory）１３は、所定のプログラム
・コードやデータが恒久的に書き込まれた不揮発性の記
憶装置である。ＲＯＭ１３上には、例えば、電源投入時
に実行する自己診断プログラム（ＰＯＳＴ）や、ハード
ウェア入出力操作用のコード群（ＢＩＯＳ：基本入出力
システム）などが格納されている。

【０１１０】ディスプレイ・インターフェース１４は、
ＣＰＵ１１が発行する描画命令を実際に処理するための
専用コントローラであり、より好ましくはＳＶＧＡ（Su
perVideo Graphic Array）又はＸＧＡ（eXtended Graph
ic Array）相当のビットマップ描画機能をサポートして
いる。ディスプレイ・インターフェース１４において処
理された描画データは、例えばフレーム・バッファ（図
示しない）に一旦書き込まれた後、表示装置２１に画面
出力される。表示装置２１は、例えば、ＣＲＴ（Cathod
e Ray Tube）ディスプレイや、液晶表示ディスプレイ
（Liquid Crystal Display）などである。

【０１１１】入力機器インターフェース１５は、キーボ
ード２２やマウス２３などのユーザ入力機器をシステム
１に接続するための装置である。入力機器インターフェ
ース１５は、キーボード２２によるキー入力又はマウス
２３を介した座標指示入力に応答して、ＣＰＵ１１に対
して割り込みを発生する。

【０１１２】外部機器インターフェース１７は、ハード
・ディスク・ドライブ（ＨＤＤ）２４やメディア・ドライ
ブ２５などの外部装置をシステム１に接続するための装
置である。外部機器インターフェース１７は、例えば、
ＩＤＥ（Integrated Drive Electronics）やＳＣＳＩ
（Small Computer System Interface）などのインター
フェース規格に準拠する。

【０１１３】ＨＤＤ２４は、記憶担体としての磁気ディ
スクを固定的に搭載した外部記憶装置であり（周知）、
記憶容量やデータ転送速度などの点で他の外部記憶装置
よりも優れている。ソフトウェア・プログラムを実行可
能な状態でＨＤＤ２４上に置くことをプログラムのシス
テムへの「インストール」と呼ぶ。通常、ＨＤＤ２４に
は、オペレーティング・システムや、アプリケーション・
プログラム、デバイス・ドライバなどのＣＰＵ１１の実
行プログラム・コードが不揮発的に格納されている。Ｈ
ＤＤ２４にインストールされるアプリケーションの一例
は、本実施例に係るリコメンド・アプリケーションであ
る。また、ＨＤＤ２４に格納されるデータ・ファイルの
一例は、情報コンテンツの検索に利用されるキーワード
・ベクトルや顧客プロファイルである。

【０１１４】また、メディア・ドライブ２５は、ＣＤ（C
ompact Disc）やＭＯ（Magneto-Optical disc）、ＤＶ
Ｄ（Digital Versatile Disc）などの可搬型メディアを
装填して、データ記録面にアクセスするための装置であ
る。可搬型メディアは、主として、ソフトウェア・プロ
グラムやデータ・ファイルなどをコンピュータ可読形式
のデータとしてバックアップすることや、これらをシス
テム間で移動（販売・流通・配布を含む）する目的で使用
される。例えば、このような可搬型メディアを媒介にし
て、本実施例に係るリコメンド・アプリケーションを配
布したり、情報コンテンツの検索に利用されるキーワー
ド・ベクトルや顧客プロファイルなどのデータ・ファイ
ルを配布することが可能である。

【０１１５】ネットワーク・インターフェース１６は、
Ｅｔｈｅｒｎｅｔなどの所定の通信プロトコルに従っ
て、システム１をＬＡＮ（Local Area Network）に接続
することができる。ネットワーク・インターフェース１
６は、一般に、ＬＡＮアダプタ・カードの形態で提供さ
れ、マザーボード（図示しない）上のＰＣＩバス・スロ
ットの装着して用いられる。

【０１１６】ＬＡＮ上には、サーバ又はクライアントと
して稼動する１以上の計算機システムが接続されてい
る。また、ＬＡＮ上の計算機システムのうち一部はルー
タとして機能し、インターネットなどの外部の広域ネッ
トワークに接続されている。

【０１１７】これらネットワーク上では、多数の計算機
システムがトランスペアレントな状態で接続され、分散
コンピューティング環境が構築されている。かかる分散
環境下では、各ユーザはプログラムやデータなど資源オ
ブジェクトの所在を特に認識する必要がなくなる。ま
た、コンピュータにおいて実行される手続きやメソッド
も、ネットワーク上で分散して保持され、管理されてい
る。例えば、ネットワーク上のある１つのコンピュータ
上で動作しているプロセスが、他のコンピュータ上で動
作するプロセスの手続きを呼び出して実行させることが
できる。

【０１１８】ネットワーク上で稼動するサーバは、例え
ば、ファイル・サーバ、プリント・サーバ、データベー
ス・サーバであってもよい。また、インターネット上で
ＨＴＴＰ（Hyper Text Transfer Protocol）プロトコル
に従ってＨＴＭＬ（Hyper Text Markup Language）ドキ
ュメントを公開するＷＷＷ（World Wide Web）サーバ
や、メール送受信サービスを提供するメール・サーバで
あってもよい。

【０１１９】上述した情報検索システム１０は、分散ネ
ットワーク上において、クライアントからの書籍リコメ
ンドなどの情報コンテンツ検索要求に対してリコメンド
情報を提供するサーバとして位置付けることができる。

【０１２０】但し、情報コンテンツ検索及びリコメンデ
ーションのための処理プロセスをすべて単一の計算機シ
ステム１０上で実行する必要は必ずしもない。例えば、
ある１つの計算機システムが、ＣＧＩ（Common Gateway
Interface）などの遠隔手続き呼び出しの仕組みを利用
することによって、ＷＷＷサーバ経由で情報コンテンツ
検索要求を受信した後、ネットワーク上の他のサーバに
対して検索処理の実行を委ねるようにしてもよい。

【０１２１】また、ネットワーク上では、ソフトウェア
・プログラムやデータ・コンテンツなどのディストリビ
ューションが行われる（周知）。例えば、本実施例に係
るリコメンデーション・アプリケーションをネットワー
ク経由で配信したり、コンテンツ検索のためのキーワー
ド・ベクトルや顧客プロファイルなどのデータ・ファイ
ルをネットワーク経由で配信することが可能である。

【０１２２】図９には、本実施例に係る情報検索システ
ム１０が、情報コンテンツとしての書籍の検索のために
使用するデータベースを一覧表示している。但し、これ
らのデータベースをすべて単一の計算機システム上で蓄
積・管理する必要はなく、ネットワーク上の他の１以上
のデータベース・サーバやファイル・サーバに分散して
配置して、必要に応じて適宜アクセスするようにしても
よい。

【０１２３】次いで、情報検索システム１０上で実行さ
れる情報検索及びリコメンド情報の生成処理について説
明する。以下で説明する処理手順は、例えば、一般的な
計算機システムで構成される情報検索システム１０上
で、本実施例に係るリコメンデーション・アプリケーシ
ョンを実行することで実現される。また、以下の説明で
は、情報検索システム１０は書籍の検索及びリコメンデ
ーションに適用されているものとする。

【０１２４】図１０には、本実施例に係るコンテンツ検
索の処理手順を概略的に示している。

【０１２５】情報検索システム１０は、コンテンツとし
ての書籍を検索するために、まずテンポラリ・テーブル
を初期化する（ステップＳ１）。テンポラリ・テーブル
には、コンテンツ検索のために使用されるキーワードを
登録するための「キーワード・テーブル」、各コンテン
ツすなわち書籍毎にキーワードの出現頻度（又はキーワ
ード・ベクトル）を登録するための「コンテンツ・キー
ワード・テーブル」、コンテンツ検索の要求元である顧
客のプロファイルを管理する「顧客プロファイル・テー
ブル」、並びに、本処理結果の戻り値であるリコメンド
情報を登録するために「推薦コンテンツ・テーブル」が
含まれる。

【０１２６】次いで、コンテンツ・キーワードの作成処
理を行う（ステップＳ２）。コンテンツ・キーワードの
作成処理は、図１１にさらに詳しく記述しているが、詳
細は後述に譲る。

【０１２７】次いで、顧客プロファイルの作成処理を行
う（ステップＳ３）。コンテンツ・キーワードの作成処
理は、図１２にさらに詳しく記述しているが、詳細は後
述に譲る。

【０１２８】次いで、推薦コンテンツの選択処理を行う
（ステップＳ４）。本実施例における推薦コンテンツの
選択処理は、書籍のリコメンド情報の生成に該当する。
前述したように書籍リコメンドには、順マッチング型リ
コメンデーションと、交差マッチング型リコメンデーシ
ョン、及び、両者のハイブリッド型リコメンデーション
が挙げられる。順マッチング型リコメンデーションの処
理手順については図１３に、交差マッチング型リコメン
デーションの処理手順については図１４及び図１５に、
それぞれ詳しく記述しているが、詳細は後述に譲る。

【０１２９】図１１には、コンテンツ・キーワード作成
の処理手順の詳細を、フローチャートの形式で図解して
いる。以下、このフローチャートに従って説明する。

【０１３０】まず、コンテンツ・テーブルからレコード
を１つずつ読み出す（ステップＳ１１）。そして、書籍
の説明文をキーワードに分解して品詞を付与する（ステ
ップＳ１２）。

【０１３１】次いで、品詞が不要品詞リストに含まれて
いるか否かをチェックする（ステップＳ１３）。次い
で、キーワードが不要品詞リストに含まれているか否か
をチェックする（ステップＳ１４）。

【０１３２】不要品詞リストには、テキスト・ドキュメ
ントなどのコンテンツ中で頻繁に出現してもあまり意味
を持たない単語（例えば、冠詞や、「情報」や「システ
ム」のようにそもそも頻繁に出現する性質の用語など）
が含まれている。不要品詞リストに含まれている品詞や
キーワードは、キーワードから除外する（ステップＳ１
５）。

【０１３３】次いで、コンテンツ・キーワード・テーブ
ル（書籍キーワード・テーブル）に一致するレコードが
既に存在するか否かをチェックする（ステップＳ１
６）。一致するレコードが発見された場合には、該レコ
ードの出現頻度を１だけ増分する（ステップＳ１７）。
他方、一致するレコードが見つからなかった場合には、
コンテンツ・キーワード・テーブルにこのレコードを追
加する（ステップＳ１８）。この新規レコードには、出
現頻度として１を、重みとしてゼロを与える。

【０１３４】ステップＳ１３〜Ｓ１８の処理を、すべて
のキーワードに対して繰り返し実行する（ステップＳ１
９）。また、ステップＳ１１〜Ｓ１９の処理を、すべて
のコンテンツ（すなわち書籍）に対して繰り返し実行す
る（ステップＳ２０）。

【０１３５】次いで、コンテンツ・キーワード・テーブ
ルからキーワード毎に、レコード数をカウントして読み
出す（ステップＳ２１）。

【０１３６】次いで、読み出したすべてのレコードをキ
ーワード・テーブルに追加する（ステップＳ２２）。こ
のとき、コンテンツ頻度にレコード件数を代入する。

【０１３７】次いで、コンテンツ・キーワード・テーブ
ルからレコードを１つ読み出す（ステップＳ２３）。

【０１３８】次いで、キーワード・テーブルから同一キ
ーワードのレコードを読み出す（ステップＳ２４）。

【０１３９】次いで、重み（＝出現頻度÷log（全コン
テンツ数÷コンテンツ頻度））を計算する（ステップＳ
２５）。

【０１４０】次いで、コンテンツ・キーワード・テーブ
ル中の該当するレコードを、上記の計算した値で更新す
る（ステップＳ２６）。

【０１４１】そして、ステップＳ２３〜Ｓ２６の処理を
すべてのコンテンツ・キーワードに対して繰り返し実行
することにより、コンテンツ・キーワードすなわち書籍
キーワードが完成する。

【０１４２】また、図１２には、顧客プロファイル作成
の処理手順の詳細を、フローチャートの形式で図解して
いる。以下、このフローチャートに従って説明する。

【０１４３】まず、リコメンド要求元である顧客の購買
履歴テーブルからレコードを１つずつ読み出す（ステッ
プＳ３１）。

【０１４４】そして、コンテンツ・キーワード・テーブ
ルの中から、コンテンツＩＤが一致するレコードを１つ
だけ読み出す（ステップＳ３２）。

【０１４５】次いで、顧客プロファイル・テーブル中
に、顧客ＩＤ、カテゴリＩＤ、及び、キーワードが一致
するレコードが存在するか否かをチェックする（ステッ
プＳ３３）。

【０１４６】一致するレコードが存在する場合には、こ
の一致レコードの重みに該処理中のレコードの重みを加
算する（ステップＳ３４）。

【０１４７】次いで、顧客プロファイル・テーブルにこ
のレコードを追加する（ステップＳ３５）。

【０１４８】上記のステップＳ３２〜Ｓ３５の処理を、
コンテンツＩＤが一致するすべてのレコードに対して実
行する（ステップＳ３６）。

【０１４９】そして、ステップＳ３１〜Ｓ３６の処理
を、購買履歴テーブル中のすべてのレコードに対して実
行する（ステップＳ３７）。

【０１５０】また、図１３には、順マッチング型リコメ
ンデーションの処理手順の詳細を、フローチャートの形
式で図解している。以下、このフローチャートに従って
説明する。

【０１５１】まず、顧客プロファイルから顧客、カテゴ
リＩＤ毎にキーワード・ベクトルを読み出す（ステップ
Ｓ４１）。

【０１５２】次いで、コンテンツ・テーブルからカテゴ
リＩＤが一致するコンテンツを１つ読み出す（ステップ
Ｓ４２）。

【０１５３】次いで、コンテンツ・キーワード・テーブ
ルからコンテンツＩＤが一致するキーワードを読み出す
（ステップＳ４３）。

【０１５４】そして、顧客プロファイル側のキーワード
・ベクトルと、コンテンツ側のキーワード・ベクトルを
用いて、推薦度を計算する（ステップＳ４４）。顧客プ
ロファイルは、図１２に示す処理手順に従って既に作成
されている。

【０１５５】また、顧客Ｕ_kのカテゴリＣ_lにおけるキー
ワードｔ_jの重みをｗ'_jklとおき、コンテンツ（書籍）
ｄ_iにおけるキーワードｔ_jの重みｗ_ijとおいたとき、顧
客ＵkのカテゴリＣ_lに対するコンテンツｄ_iの推薦度ｒ
_iklは、上記の式［数５］によって表される。但し、顧
客Ｕ_kのカテゴリＣ_lにキーワードｔ_jが存在しない場合
はｗ'_jklをゼロとして扱い、また、コンテンツｄ_iにキ
ーワードｔ_jが存在しない場合はｗ_ijをゼロとして扱
う。

【０１５６】次いで、推薦コンテンツ・テーブルに新規
レコードを追加する（ステップＳ４５）。

【０１５７】上記のステップＳ４２〜Ｓ４５の処理を、
カテゴリＩＤが一致するすべてのコンテンツすなわち書
籍に対して繰り返し実行する（ステップＳ４６）。

【０１５８】また、上記のステップＳ４１〜Ｓ４６の処
理を、顧客プロファイル中のすべてのキーワード・ベク
トルに対して繰り返し実行する（ステップＳ４７）。

【０１５９】次いで、推薦コンテンツ・テーブルから、
顧客毎に推薦度が高い順にレコードを読み出す（ステッ
プＳ４８）。

【０１６０】そして、購買履歴テーブル中に顧客ＩＤ及
びコンテンツＩＤの双方が一致するレコードが存在する
か否かをチェックする（ステップＳ４９）。一致するレ
コードは、推薦コンテンツ・テーブルから削除する（ス
テップＳ５４）。

【０１６１】さらに、推薦履歴テーブル中に顧客ＩＤ及
びコンテンツＩＤの双方が一致するレコードが存在する
か否かをチェックする（ステップＳ５０）。一致するレ
コードは、推薦コンテンツ・テーブルから削除する（ス
テップＳ５４）。

【０１６２】次いで、推薦コンテンツを顧客毎にカウン
トする（ステップＳ５１）。そして、カウントした件数
が推薦したいコンテンツ数を越えたか否かをチェックす
る（ステップＳ５２）。推薦したいコンテンツ数以内で
あれば、推薦履歴テーブルに当該レコードを追加登録す
る（ステップＳ５３）。逆に、推薦したいコンテンツ数
を超えてしまった場合には、当該レコードを推薦コンテ
ンツ・テーブルから削除する（ステップＳ５４）。

【０１６３】上記のステップＳ４８〜Ｓ５４の処理を、
推薦コンテンツ・テーブル中のすべてのレコードに対し
て繰り返し実行する（ステップＳ５５）。

【０１６４】また、図１４及び図１５には、交差マッチ
ング型リコメンデーションの処理手順の詳細を、フロー
チャートの形式で図解している。以下、これらのフロー
チャートに従って説明する。

【０１６５】まず、リストＡを初期化する（ステップＳ
６１）。

【０１６６】そして、顧客テーブルからレコードを１つ
読み出す（ステップＳ６２）とともに、購買履歴テーブ
ルから顧客ＩＤするレコードを読み出す（ステップＳ６
３）。

【０１６７】次いで、購買履歴のあるカテゴリＩＤのリ
ストを作成して、リストＡに書き込む（ステップＳ６
４）。

【０１６８】次いで、顧客プルファイルの中から、顧客
ＩＤが一致するレコードをカテゴリＩＤ毎に読み出す
（ステップＳ６５）。

【０１６９】次いで、コンテンツ・テーブルから以下の
条件１を満たすコンテンツを１つ読み出す（ステップＳ
６６）。

【０１７０】条件１：カテゴリＩＤが顧客プロファイル
のカテゴリＩＤと異なり（カテゴリが交差する）、且
つ、カテゴリＩＤがリストＡに含まれること。

【０１７１】次いで、コンテンツ・キーワード・テーブ
ルの中から、コンテンツＩＤが一致するキーワード・ベ
クトルを読み出す（ステップＳ６７）。顧客プロファイ
ルは、図１２に示す処理手順に従って既に作成されてい
る。

【０１７２】次いで、顧客プロファイル側のキーワード
・ベクトルと、コンテンツ側のキーワード・ベクトルを
用いて、推薦度を計算する（ステップＳ６８）。顧客プ
ロファイルは、図１２に示す処理手順に従って既に作成
されている。

【０１７３】また、顧客Ｕ_kのカテゴリＣ_lにおけるキー
ワードｔ_jの重みをｗ'_jklとおき、コンテンツ（書籍）
ｄ_iにおけるキーワードｔ_jの重みｗ_ijとおいたとき、顧
客Ｕ _kのカテゴリＣ_lに対するコンテンツｄ_iの推薦度ｒ
_iklは、上記の式［数５］によって表される。但し、顧
客Ｕ_kのカテゴリＣ_lにキーワードｔ_jが存在しない場合
はｗ'_jklをゼロとして扱い、また、コンテンツｄ_iにキ
ーワードｔ_jが存在しない場合はｗ_ijをゼロとして扱
う。

【０１７４】次いで、推薦コンテンツ・テーブルの中
に、顧客ＩＤとコンテンツＩＤの双方が一致するレコー
ドが存在するか否かをチェックする（ステップＳ６
９）。一致するレコードが存在しない場合には、推薦コ
ンテンツ・テーブルに当該レコードを追加登録する（ス
テップＳ７２）。

【０１７５】また、推薦コンテンツ・テーブルの中に、
顧客ＩＤとコンテンツＩＤの双方が一致するレコードが
存在する場合には、さらに、当該レコードの推薦度がス
テップＳ６８で計算した推薦度よりも高いか否かをチェ
ックする（ステップＳ７０）。計算した推薦度よりも高
い場合には、当該レコード上の推薦度を、計算した推薦
度の値で更新する（ステップＳ７１）。また、計算した
推薦度よりも高くない場合には、ステップＳ７１をスキ
ップする。

【０１７６】上記のステップＳ６６〜Ｓ７２の処理を、
カテゴリＩＤが条件１に合致するすべてのコンテンツに
対して繰り返し実行する（ステップＳ７３）。

【０１７７】また、上記のステップＳ６５〜Ｓ７３の処
理を、該当する顧客のすべての顧客プロファイル・キー
ワード・ベクトルに対して繰り返し実行する（ステップ
Ｓ７４）。

【０１７８】また、ステップＳ６１〜Ｓ７４の処理を、
顧客テーブル中のすべての顧客に対して繰り返し実行す
る（ステップＳ７５）。

【０１７９】次いで、推薦コンテンツ・テーブルの中か
ら、顧客毎に推薦度が高い順で１つずつ読み出す（ステ
ップＳ７６）。

【０１８０】そして、購買履歴テーブル中に顧客ＩＤ及
びコンテンツＩＤの双方が一致するレコードが存在する
か否かをチェックする（ステップＳ７７）。一致するレ
コードは、推薦コンテンツ・テーブルから削除する（ス
テップＳ８２）。

【０１８１】さらに、推薦履歴テーブル中に顧客ＩＤ及
びコンテンツＩＤの双方が一致するレコードが存在する
か否かをチェックする（ステップＳ７８）。一致するレ
コードは、推薦コンテンツ・テーブルから削除する（ス
テップＳ８２）。

【０１８２】次いで、推薦コンテンツを顧客毎にカウン
トする（ステップＳ７９）。そして、カウントした件数
が推薦したいコンテンツ数を越えたか否かをチェックす
る（ステップＳ８０）。推薦したいコンテンツ数以内で
あれば、推薦履歴テーブルに当該レコードを追加登録す
る（ステップＳ８１）。逆に、推薦したいコンテンツ数
を超えてしまった場合には、当該レコードを推薦コンテ
ンツ・テーブルから削除する（ステップＳ８２）。

【０１８３】上記のステップＳ７６〜Ｓ８２の処理を、
推薦コンテンツ・テーブル中のすべてのレコードに対し
て繰り返し実行する（ステップＳ８３）。

【０１８４】《注釈》 [1]：G. Salton and C. Buckley, Term-weighting appr
oaches in automatic text retrieval., Information P
rocessing and Management, 1988, Vol.14, No.5, P.51
3-523 [2]：Marko Balabanovic, and Yoav Shoham, Content-B
ased, Collaborative Recommendation., Commnications
of the ACM, 1997, Vol. 40, No.3, p66-72 [3]：Paul Resnick, Neophytos Iacovou, Mitesh Sucha
k, et al., GroupLends:An Open Architecture for Col
laborative Filtering of Netnews. Proceedings of th
e Conference on Conputer Supported Cooperative Wor
k, 1994, p175-186 [4]：NetPerceptions Inc., Recommendation Engine Wh
ite Paper. http://www.netperceptions.com/literatur
e/content/recommendation.pdf, 2000 [5] ：Eric Brill, Rule Based Tagger, http://www.c
s.jhu.edu/~brill/ home.html, 2000

【０１８５】［追補］以上、特定の実施例を参照しなが
ら、本発明について詳解してきた。しかしながら、本発
明の要旨を逸脱しない範囲で当業者が該実施例の修正や
代用を成し得ることは自明である。

【０１８６】本実施例では、書籍販売をベースに説明し
たが、他の商品の検索、あるいは商品以外の物品やデー
タ・コンテンツを探し当てる場合であっても、本発明が
同様に実現可能であることは言うまでもない。また、必
ずしも、インターネットなどの広域ネットワーク上での
コンテンツ検索に限定されない。例えば、スタンドアロ
ンの計算機システム上で、対話画面上でコンテンツ検索
サービスを検索する場合であっても、同様に本発明を適
用することかできる。

【０１８７】要するに、例示という形態で本発明を開示
してきたのであり、限定的に解釈されるべきではない。
本発明の要旨を判断するためには、冒頭に記載した特許
請求の範囲の欄を参酌すべきである。

【０１８８】

【発明の効果】以上詳記したように、本発明によれば、
膨大な情報コンテンツの中からユーザの要求に合致した
コンテンツを探し出してリコメンドすることができる、
優れた情報検索システム又は方法を提供することができ
る。

【０１８９】また、本発明によれば、ユーザの趣味・嗜
好や過去の探索履歴・購買履歴などのユーザプロファイ
ル情報に基づいて所望のコンテンツの探索しリコメンド
を行うことができる、優れた情報検索システム又は方法
を提供することができる。

【０１９０】また、本発明によれば、インターネット上
で商品販売などのビジネスを行う場合において、顧客が
期待する商品を探し当ててリコメンドすることができ
る、優れた情報検索システム又は方法を提供することが
できる。

【０１９１】また、本発明によれば、書籍販売などのよ
うに、顧客が有益性の他に意外性を求めるような商品を
探し当てて顧客にリコメンドすることができる、優れた
情報検索システム又は方法を提供することができる。

【０１９２】本発明に係る情報検索システム及び方法
は、コンテンツ分析方式を基調とするが、リコメンド情
報の幅を広げる工夫をすることにより、コンテンツ分析
方式の欠点を解消することができる。また、書籍販売の
ように対象コンテンツ数が非常に大きな業種において本
発明を適用することで、顧客規模が小さい場合にも、質
の高いリコメンド・サービスを提供可能にすることがで
きる。

【図面の簡単な説明】

【図１】本発明に係る情報検索システムがリコメンド情
報を生成する手順を示した図である。

【図２】本実施例において仮定される、顧客が実際の書
店で興味にあった書籍を探し出すときの書籍購買行動モ
デルを示した図である。

【図３】BISAC Subject Categoryを用いて、顧客の書
籍購買カテゴリ数を調べたグラフである。

【図４】顧客プロファイルのキーワード・ベクトル作成
処理手順を示した図である。

【図５】書籍毎のキーワード・ベクトルの作成手順を示
した図である。

【図６】順マッチング型リコメンデーションの処理手順
を示した図である。

【図７】交差マッチング型リコメンデーションの処理手
順を示した図である。

【図８】本発明の実施に供される情報検索システム１０
のハードウェア構成を模式的に示した図である。

【図９】本実施例に係る情報検索システム１０が、情報
コンテンツとしての書籍の検索のために使用するデータ
ベースを一覧表示した図である。

【図１０】本実施例に係るコンテンツ検索の処理手順を
概略的に示したフローチャートである。

【図１１】コンテンツ・キーワード作成の処理手順を詳
細に示したフローチャートである。

【図１２】顧客プロファイル作成の処理手順を詳細に示
したフローチャートである。

【図１３】順マッチング型リコメンデーションの処理手
順を詳細に示したフローチャートである。

【図１４】交差マッチング型リコメンデーションの処理
手順（前半）を詳細に示したフローチャートである。

【図１５】交差マッチング型リコメンデーションの処理
手順（後半）を詳細に示したフローチャートである。

【符号の説明】

１０…情報検索システム １１…ＣＰＵ １２…ＲＡＭ １３…ＲＯＭ １４…ディスプレイ・インターフェース １５…入力機器インターフェース １６…ネットワーク・インターフェース １７…外部機器インターフェース １９…バス ２１…ディスプレイ ２２…キーボード ２３…マウス ２４…ハード・ディスク装置 ２５…メディア・ドライブ

フロントページの続き Ｆターム(参考） 5B075 NK46 NR12 PP02 PP03 PQ02 PR04 PR06 QM08 UU11

Claims (21)

【特許請求の範囲】
1. 【請求項１】多数のコンテンツを含む情報空間の中から
   ユーザが望むコンテンツを検索する情報検索システムで
   あって、 前記情報空間上の各コンテンツを所定数のコンテンツ・
   カテゴリに分類する分類手段と、 前記情報空間上の各コンテンツの特徴ベクトルを生成す
   る特徴ベクトル生成手段と、 ユーザが過去アクセスしたコンテンツの特徴ベクトルを
   含むユーザ・プロファイルを生成するユーザ・プロファ
   イル生成手段と、 各コンテンツ・カテゴリ毎にユーザ・プロファイルとコ
   ンテンツの特徴ベクトルを比較するベクトル比較手段
   と、 前記比較の結果に基づいて、ユーザが望むコンテンツを
   特定するコンテンツ特定手段と、を具備することを特徴
   とする情報検索システム。
2. 【請求項２】前記コンテンツは書籍などのテキスト・ド
   キュメントを含むコンテンツであり、 前記特徴ベクトル生成手段は、Ｎ個のキーワードの各々
   に対して座標軸を割り当てたＮ次元キーワード空間上に
   おいて、コンテンツ中での各キーワードの出現頻度に重
   み付け因子を掛けた座標値を持つキーワード・ベクトル
   を生成することを特徴とする請求項１に記載の情報検索
   システム。
3. 【請求項３】前記ユーザ・プロファイル生成手段は、ユ
   ーザが過去アクセスした各コンテンツの特徴ベクトルを
   コンテンツ・カテゴリ毎に合成して、各コンテンツ・カ
   テゴリ毎の特徴ベクトルからなるユーザ・プロファイル
   を生成することを特徴とする請求項１に記載の情報検索
   システム。
4. 【請求項４】前記ユーザ・プロファイル生成手段は、各
   コンテンツ・カテゴリ毎の特徴ベクトルからなるユーザ
   ・プロファイルを生成し、 前記ベクトル比較手段は、同一カテゴリ内でユーザ・プ
   ロファイルの特徴ベクトルとコンテンツの特徴ベクトル
   を比較することを特徴とする請求項１に記載の情報検索
   システム。
5. 【請求項５】前記ユーザ・プロファイル生成手段は、各
   コンテンツ・カテゴリ毎の特徴ベクトルからなるユーザ
   ・プロファイルを生成し、 前記ベクトル比較手段は、異なるカテゴリ間でユーザ・
   プロファイルの特徴ベクトルとコンテンツの特徴ベクト
   ルを比較することを特徴とする請求項１に記載の情報検
   索システム。
6. 【請求項６】前記コンテンツ特定手段は、ユーザ・プロ
   ファイルと類似度の高いコンテンツをユーザが望むコン
   テンツとして特定することを特徴とする請求項１に記載
   の情報検索システム。
7. 【請求項７】前記コンテンツ特定手段は、ユーザ・プロ
   ファイルと類似度の高いコンテンツのうちユーザが未ア
   クセスのものをユーザが望むコンテンツとして特定する
   ことを特徴とする請求項１に記載の情報検索システム。
8. 【請求項８】多数のコンテンツを含む情報空間の中から
   ユーザが望むコンテンツを検索する情報検索方法であっ
   て、 前記情報空間上の各コンテンツの特徴ベクトルを生成す
   る特徴ベクトル生成ステップと、 前記情報空間上の各コンテンツを所定数のコンテンツ・
   カテゴリに分類する分類ステップと、 ユーザが過去アクセスしたコンテンツの特徴ベクトルを
   含むユーザ・プロファイルを生成するユーザ・プロファ
   イル生成ステップと、 各コンテンツ・カテゴリ毎にユーザ・プロファイルとコ
   ンテンツの特徴ベクトルを比較するベクトル比較ステッ
   プと、 前記比較の結果に基づいて、ユーザが望むコンテンツを
   特定するコンテンツ特定ステップと、 を具備することを特徴とする情報検索方法。
9. 【請求項９】前記コンテンツは書籍などのテキスト・ド
   キュメントを含むコンテンツであり、 前記特徴ベクトル生成ステップでは、Ｎ個のキーワード
   の各々に対して座標軸を割り当てたＮ次元キーワード空
   間上において、コンテンツ中での各キーワードの出現頻
   度に重み付け因子を掛けた座標値を持つキーワード・ベ
   クトルを生成することを特徴とする請求項８に記載の情
   報検索方法。
10. 【請求項１０】前記ユーザ・プロファイル生成ステップ
    では、ユーザが過去アクセスした各コンテンツの特徴ベ
    クトルをコンテンツ・カテゴリ毎に合成して、各コンテ
    ンツ・カテゴリ毎の特徴ベクトルからなるユーザ・プロ
    ファイルを生成することを特徴とする請求項８に記載の
    情報検索方法。
11. 【請求項１１】前記ユーザ・プロファイル生成ステップ
    では、各コンテンツ・カテゴリ毎の特徴ベクトルからな
    るユーザ・プロファイルを生成し、 前記ベクトル比較ステップでは、同一カテゴリ内でユー
    ザ・プロファイルの特徴ベクトルとコンテンツの特徴ベ
    クトルを比較することを特徴とする請求項８に記載の情
    報検索方法。
12. 【請求項１２】前記ユーザ・プロファイル生成ステップ
    では、各コンテンツ・カテゴリ毎の特徴ベクトルからな
    るユーザ・プロファイルを生成し、 前記ベクトル比較ステップは、異なるカテゴリ間でユー
    ザ・プロファイルの特徴ベクトルとコンテンツの特徴ベ
    クトルを比較することを特徴とする請求項８に記載の情
    報検索方法。
13. 【請求項１３】前記コンテンツ特定ステップでは、ユー
    ザ・プロファイルと類似度の高いコンテンツをユーザが
    望むコンテンツとして特定することを特徴とする請求項
    ８に記載の情報検索方法。
14. 【請求項１４】前記コンテンツ特定ステップでは、ユー
    ザ・プロファイルと類似度の高いコンテンツのうちユー
    ザが未アクセスのものをユーザが望むコンテンツとして
    特定することを特徴とする請求項８に記載の情報検索方
    法。
15. 【請求項１５】多数のコンテンツを含む情報空間の中か
    らユーザが望むコンテンツを検索する情報検索処理をコ
    ンピュータ・システム上で実行せしめるためのコンピュ
    ータ・ソフトウェアをコンピュータ可読形式で格納する
    ソフトウェア記憶媒体であって、前記コンピュータ・ソ
    フトウェアは、 前記情報空間上の各コンテンツの特徴ベクトルを生成す
    る特徴ベクトル生成ステップと、 前記情報空間上の各コンテンツを所定数のコンテンツ・
    カテゴリに分類する分類ステップと、 ユーザが過去アクセスしたコンテンツの特徴ベクトルを
    含むユーザ・プロファイルを生成するユーザ・プロファ
    イル生成ステップと、 各コンテンツ・カテゴリ毎にユーザ・プロファイルとコ
    ンテンツの特徴ベクトルを比較するベクトル比較ステッ
    プと、 前記比較の結果に基づいて、ユーザが望むコンテンツを
    特定するコンテンツ特定ステップと、を具備することを
    特徴とするソフトウェア記憶媒体。
16. 【請求項１６】前記コンテンツは書籍などのテキスト・
    ドキュメントを含むコンテンツであり、 前記特徴ベクトル生成ステップでは、Ｎ個のキーワード
    の各々に対して座標軸を割り当てたＮ次元キーワード空
    間上において、コンテンツ中での各キーワードの出現頻
    度に重み付け因子を掛けた座標値を持つキーワード・ベ
    クトルを生成することを特徴とする請求項１５に記載の
    ソフトウェア記憶媒体。
17. 【請求項１７】前記ユーザ・プロファイル生成ステップ
    では、ユーザが過去アクセスした各コンテンツの特徴ベ
    クトルをコンテンツ・カテゴリ毎に合成して、各コンテ
    ンツ・カテゴリ毎の特徴ベクトルからなるユーザ・プロ
    ファイルを生成することを特徴とする請求項１５に記載
    のソフトウェア記憶媒体。
18. 【請求項１８】前記ユーザ・プロファイル生成ステップ
    では、各コンテンツ・カテゴリ毎の特徴ベクトルからな
    るユーザ・プロファイルを生成し、 前記ベクトル比較ステップでは、同一カテゴリ内でユー
    ザ・プロファイルの特徴ベクトルとコンテンツの特徴ベ
    クトルを比較することを特徴とする請求項１５に記載の
    ソフトウェア記憶媒体。
19. 【請求項１９】前記ユーザ・プロファイル生成ステップ
    では、各コンテンツ・カテゴリ毎の特徴ベクトルからな
    るユーザ・プロファイルを生成し、 前記ベクトル比較ステップは、異なるカテゴリ間でユー
    ザ・プロファイルの特徴ベクトルとコンテンツの特徴ベ
    クトルを比較することを特徴とする請求項１５に記載の
    ソフトウェア記憶媒体。
20. 【請求項２０】前記コンテンツ特定ステップでは、ユー
    ザ・プロファイルと類似度の高いコンテンツをユーザが
    望むコンテンツとして特定することを特徴とする請求項
    １５に記載のソフトウェア記憶媒体。
21. 【請求項２１】前記コンテンツ特定ステップでは、ユー
    ザ・プロファイルと類似度の高いコンテンツのうちユー
    ザが未アクセスのものをユーザが望むコンテンツとして
    特定することを特徴とする請求項１５に記載のソフトウ
    ェア記憶媒体。