JP2003078899A

JP2003078899A - 機能的計画制度

Info

Publication number: JP2003078899A
Application number: JP2002122995A
Authority: JP
Inventors: Mikhail Prokopenko; プロコペンコミハイル; Dong Mei Zhang; メイツァンドン; Ryszard Kowalczyk; ユヴァルツュクリュザード; Thomas Phillip Alexander Howard; フィリップアレクサンダーホワードトーマス; Farhad Fuad Islam; ファドイスラムファーハド; Alexander Oldfield Michael; アレキサンダーオールドフィールドマイケル
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2001-04-24
Filing date: 2002-04-24
Publication date: 2003-03-14
Anticipated expiration: 2022-04-24
Also published as: JP3768914B2; AUPR460001A0; US7054849B2; US20030046255A1

Abstract

(57)【要約】【課題】ユーザの機能的な使用パターンを学習し、且
つ特定のコンテキストにおける特定のユーザに適した最
善のイベントシーケンスを計画する。【解決手段】決定が行なわれる際のコンテキストなど
のユーザの決定に関する情報及び実際のユーザ決定がＤ
ＴＶエージェント３６により収集され、アバターエージ
ェント３７に引き渡される。学習モジュール３９は、複
数の事例から全ての一般化パターンを識別するように動
作する。方法により、一般化パターンを決定が行なわれ
るべき現在のコンテキストと比較することにより、どの
決定が最も適切であるかが判定される。このような挙動
パターンのクラスタが形成され、各クラスタは、同数の
一致する属性を有する。決定選択プロセスにおいて、挙
動パターンから現在のコンテキストに最も適した決定が
選択される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、人工知能を有する
システムに関し、特にコンテキストベースの意思決定を
行なうシステムに関する。

【０００２】

【従来の技術】テレビの視聴は、多くの世帯において日
常的な活動であり、ニュース及び事実に基づくプログラ
ム（ドキュメンタリー及び生活様式など）のみならずス
ポーツ及び映画などの一定範囲のプログラムコンテンツ
より娯楽の源を提供する。デジタルテレビ（ＤＴＶ）の
出現により、テレビを使用してインターネットを閲覧し
たり、オンラインショッピングを行なったり、テレビを
介して電子メッセージ（電子メール）を受信したりする
こともできる。このため、ホームテレビが外界との主な
接点となってきている。

【０００３】従来、ユーザ／視聴者は、ＤＴＶにコンテ
ンツの表示方法を指図する多数の「ユーザプリファレン
ス」を設定する。例えば、この設定には、電子メールの
到着時の通知をユーザが希望するか否かに関する設定が
含まれる。更に、ユーザは、補助ウィンドウにメッセー
ジを自動的に表示することを希望することもできる。し
かし、このようなユーザプリファレンスは、固定的なも
のではなく、種々の要素に左右される可能性がある。こ
の要素には、例えば電子メールが到着したときにユーザ
が見ているプログラムの性質、メッセージの優先度など
が含まれる。ユーザは、「ユーザプリファレンス」を設
定するときに、最も起こる可能性が高いシナリオを予測
するか、或いは最も保守的な選択を行なう必要があるの
で、これは望ましくない。

【０００４】本発明の目的は、既存の構成の１つ以上の
問題点をほぼ克服するか、少なくとも改善することであ
る。

【０００５】

【課題を解決するための手段】本発明の第１の態様によ
ると、指定のコンテキストの中で決定を判定する方法に
おいて、（ａ）複数のユーザ挙動パターンを受信する工
程であって、各々の挙動パターンは属性情報、ユーザ決
定及び出現頻度を含む工程と、（ｂ）前記指定のコンテ
キストの各属性を前記複数のユーザ挙動パターンの属性
情報と比較して一致する属性の数を判定する工程と、
（ｃ）前記一致する属性の数に基づいて前記複数のユー
ザ挙動パターンの複数のグループを形成する工程と、
（ｄ）前記一致する属性を最も多く有するグループに対
して決定選択プロセスを実行することにより前記複数の
ユーザ挙動パターンから前記指定のコンテキストに最も
適した決定を選択する工程とを有することを特徴とする
方法が提供される。

【０００６】本発明の別の態様によると、指定のコンテ
キストの中で決定を判定する方法において、（ａ）複数
のユーザ挙動パターンを受信する工程であって、各々の
挙動パターンは割り当てられた決定値及び出現頻度を有
するユーザ決定を含む工程と、（ｂ）前記指定のコンテ
キストを前記複数のユーザ挙動パターンの各々と比較し
て、前記複数のユーザ挙動パターンの各々に対する前記
指定のコンテキストとの共通部分の数を判定する工程
と、（ｃ）前記複数のユーザ挙動パターンの複数のグル
ープを形成する工程であって、各々のグループは同数の
前記共通部分を有する工程と、（ｄ）前記複数のグルー
プの各々に対して、前記複数のユーザ挙動パターンの複
数のサブグループを形成する工程であって、前記複数の
サブグループの各々は複数の固有の共通部分を備える工
程と、（ｅ）前記共通部分を最も多く有するグループに
対して、対応する複数のサブグループにおける出現頻度
が最高である挙動パターンに対応する前記決定値の平均
値を計算する工程と、（ｆ）複数の決定区間の定義済み
グループから前記平均値に最も近い決定区間を判定する
工程と、（ｇ）前記サブグループから前記判定された決
定区間の範囲内で且つ出現頻度が最高である決定を選択
する工程とを有することを特徴とする方法が提供され
る。

【０００７】本発明の別の態様によると、上述の方法の
いずれか１つを実行する装置が提供される。

【０００８】本発明の更に別の態様によると、上述の方
法のいずれか１つを実行するための、コンピュータ媒体
に記憶されたプログラムが提供される。

【０００９】本発明は、決定のコンテキスト及び過去の
ユーザの挙動、即ち、過去のコンテスト中に行なわれた
過去の決定を考慮に入れて決定を判定する方法にある。

【００１０】

【発明の実施の形態】以下の説明の一部は、アルゴリズ
ムとコンピュータメモリ内のデータに対する動作の記号
表現との観点から明示的又は黙示的に提示される。これ
らのアルゴリズムの記述及び表現は、データ処理分野の
当業者が作業内容を他の当業者に最も効果的に伝達する
ために使用する手段である。ここで示すアルゴリズム
は、通常、所望の結果に至る一貫したステップのシーケ
ンスと見なされる。

【００１１】本明細書は、上述の方法の動作を実行する
装置も開示する。このような装置は所望の目的のために
特別に構成されても良いし、汎用コンピュータ又はこの
コンピュータに格納されたコンピュータプログラムによ
り選択的に起動又は再構成されるその他の装置を備えて
も良い。ここで提示されるアルゴリズム及び表示は、特
定のコンピュータ又はその他の装置にのみ関するもので
はない。本明細書での教示に従ったプログラムと共に、
種々の汎用装置を使用しても良い。或いは、より専門的
な装置に所望の方法ステップを実行させる構成も適切で
あろう。以下の説明では、従来の汎用コンピュータの構
造が記載される。

【００１２】添付の何れか１つ以上の図面において、同
じ符号を有するステップ及び／又は特徴に言及する場
合、特に明記されていない限り、以下の記述において
は、これらのステップ及び／又は特徴は、同じ機能又は
動作を有するものとする。

【００１３】図１Ａに、ユーザの機能的な利用パターン
を学習し、特定のコンテキストにおける特定のユーザに
適した最善のイベントシーケンスを計画するためのシス
テム５０の概略的な表現を示す。システム５０は、「セ
ットトップ」ボックス２０への相互接続２５を介して接
続されるデジタルＴＶ（ＤＴＶ）１０を具備する。ＤＴ
Ｖエージェントシステム２１は、「セットトップ」ボッ
クス２０内に形成されるのが好ましい。使用の際に、ユ
ーザは、リモートコントロール装置３０を使用してＤＴ
Ｖエージェントシステム２１と対話する。また、ＤＴＶ
エージェントシステム２１は、ＤＴＶ１０に統合されて
も良く、或いは、図８に示すようにパソコン１００に組
み込まれてＤＴＶ１０と適切にインタフェースをとるよ
うにしても良い。

【００１４】図８に示すコンピュータシステム１００
は、コンピュータモジュール１０２と、キーボード１１
０及びマウス１１２などの入力装置と、プリンタ１０８
及び表示装置１０４を含む出力装置とを具備する。コン
ピュータモジュール１０２は、通常、少なくとも１つの
プロセッサ部１１４と、半導体のランダムアクセスメモ
リ（ＲＡＭ）及び読出し専用メモリ（ＲＯＭ）などで形
成されたメモリ部１１８と、ビデオインタフェース１２
２及びキーボード１１０並びにマウス１１２用のＩ／Ｏ
インタフェース１１６を含む入出力（Ｉ／Ｏ）インタフ
ェースとを含む。記憶装置１２４が設けられ、この記憶
装置は、通常、ハードディスクドライブ１２６及びフロ
ッピー（登録商標）ディスクドライブ１２８を含む。磁
気テープドライブ（不図示）を使用しても良い。一般的
に、ＣＤ−ＲＯＭドライブ１２０が、不揮発性のデータ
ソースとして設けられる。コンピュータモジュール１０
２の構成要素１１４から１２８は、通常、相互接続バス
１３０を介してコンピュータシステム１００の動作モー
ドが当業者には既知の従来の動作モードになるように通
信を行なう。

【００１５】一般的に、ハードディスクドライブ１２６
には、アプリケーションプログラムが常駐し、実行時に
はプロセッサ１１４によって読み出し／制御が行なわれ
る。プログラムの中間記憶装置は、半導体メモリ１１８
を使用して、場合によってはハードディスクドライブ１
２６と協働して達成されても良い。アプリケーションプ
ログラムは、ＣＤ−ＲＯＭ又はフロッピー（登録商標）
ディスク上に符号化された形で視聴者に供給され、対応
するドライブ１２０又は１２８を介して読み取られる場
合もあれば、ネットワークからモデム装置（不図示）を
介して視聴者が読み取る場合もある。更に、このソフト
ウェアは、磁気テープ、ＲＯＭ又は集積回路、光磁気デ
ィスク、コンピュータモジュール１０２と別の装置との
間の無線又は赤外線の伝送チャネル、ＰＣＭＣＩＡカー
ドなどのコンピュータ読み取り可能なカード、及び電子
メール送受信並びにウェブサイトなどに記録された情報
を含むインターネット並びにイントラネットを含むその
他のコンピュータ読み取り可能な媒体からコンピュータ
システム１００にロードすることもできる。以上の媒体
は、関連するコンピュータ読み取り可能な媒体のほんの
一例である。本発明の趣旨から逸脱することなくその他
のコンピュータ読み取り可能な媒体を用いて実施するこ
ともできる。

【００１６】図１Ａを再度参照すると、好適な実施形態
において、ＤＴＶエージェントシステム２１は、ＤＴＶ
１０を制御するためのＤＴＶエージェント３６、電子記
憶装置２６、ユニファイドメッセージ通信モジュール
（ＵＭＭ）２７及び複数のアバターエージェント３７を
含む。これに関して「エージェント」は、通常、所望の
機能を実行し又は所望の効果をあげるように構成された
コンピュータプログラムモジュールにより実現される。
エージェント間サーバ（ＩＡＳ）３５が、ＤＴＶエージ
ェント３６、電子記憶装置２６、ＵＭＭ２７及び複数の
アバターエージェント３７の相互の通信を管理する。ま
た、ＩＡＳ３５はゲートウェイ４５を介して「セットト
ップ」ボックス２０を外部ネットワーク４２に接続す
る。その外部ネットワーク４２には複数のコンテンツサ
ーバ４３及び電子プログラムガイド（ＥＰＧ）データベ
ース２２が接続される。

【００１７】ＤＴＶエージェント３６の機能には、以下
のものが含まれる： −ＤＴＶ１０の表示画面１１を介してのグラフィカルユ
ーザインタフェースの提供、 −視聴するマルチメディアコンテンツを選択するための
コンテンツサーバ４３との対話、ＵＭＭ２７からのメッ
セージの閲覧及び電子記憶装置２６に記録されたコンテ
ンツの視聴を含むＤＴＶ１０の機能の制御、及び −ユーザが選択したプログラム及びＤＴＶ１０との対話
の収集及び複数のアバターエージェント３７へのそれら
の出力。

【００１８】各々のアバターエージェント３７は１人の
ユーザに関連付けられており、少なくとも１つの視聴者
事例データベース２４を使用して、以降の使用のために
関連付けられたユーザに関する情報を格納する。ここで
使用されるデータベースという用語は、一般的に、デー
タレコードを指し、何ら特定のデータ構造を意味しな
い。図１Ｂに示すように、各アバターエージェント３７
は、その特定のアバターエージェント３７の制御を維持
するアバターマネージャ３８を含む。また、アバターマ
ネージャ３８は、ＩＡＳ３５を介したＤＴＶエージェン
ト３６、電子記憶装置２６及びＵＭＭ２７の相互のメッ
セージの送受信を行なう役割も担う。アバターエージェ
ント３７の内部において、アバターマネージャ３８は、
学習モジュール３９及び計画モジュール４１の各々とイ
ンタフェースする役割も担う。アバターエージェント３
７は、視聴可能なプログラムをユーザに推薦するための
推薦モジュール（不図示）を更に含んでも良い。

【００１９】電子メール（Ｅメール）、ＦＡＸ及びボイ
スメールを含む幾つかの異なる方法で電子メッセージを
送信することができる。ＵＭＭ２７は、単一のレセプタ
クルからこれらの電子メッセージに対するアクセスを可
能にするモジュールである。ユーザは、ＤＴＶ１０を介
して電子メッセージをアクセスしても良く、これらのメ
ッセージを随時検索することができる。ＵＭＭ２７は、
以下の特徴を有することが好ましい： −Ｅメールの添付ファイルの処理、 −ボイスメールからＥメールへの変換：ＤＴＶスピーカ
（不図示）により再生可能なデジタル音声ファイルとし
て到着したメッセージは、ＤＴＶ表示装置１１に表示し
たり、接続されたプリンタ（不図示）で印刷したり、他
のユーザにＥメールで送信したり、外部ネットワーク４
２に接続されたＦＡＸ装置（不図示）に転送したりする
ことができるテキスト形式に変換される、 −ＦＡＸからＥメールへの変換：元の形式のままで到着
したＦＡＸも、ＤＴＶ表示装置１１に表示したり、接続
されたプリンタで印刷したり、他のユーザにＥメールで
送信したり、外部ネットワーク４２に接続されたＦＡＸ
装置に転送したりすることができる、及び −電子メールからボイスメールへの変換：電子メッセー
ジはコンピュータ音声により読み上げられる。

【００２０】ＵＭＭ２７は、ユーザがログオンしている
か否か、或いは、ＤＴＶ１０のスイッチが切られている
か否かにかかわらず、入力メッセージを受信し、アバタ
ーエージェント３７と連係してこれを処理する。例え
ば、検出されたメッセージは適切なデジタル形式（音
声、画像、テキスト）で格納され、ユーザの要求に応じ
てアクセスされる。

【００２１】電子記憶装置２６は、コンテンツの記録及
び再生を行なうことができる。コンテンツは、通常、コ
ンテンツサーバ４３から受信される。電子記憶装置２６
は、ユーザからの通常の方法による要求に応じて記録を
行なっても良い。更に、電子記憶装置２６は、ユーザが
取り込み中の間、現在視聴中のプログラムのフラグメン
トを自動的に記録し、要求に応じてＤＴＶ表示装置１１
上に小さいウィンドウを開いて再生しても良い。

【００２２】電子記憶装置２６には、以下のような特徴
が組み込まれる： −基本機能の自動動作：再生、停止、早送り、巻戻し、 −副次的な機能の自動動作：一時停止、コマ送り再生
（順方向及び逆方向）、スロー再生（順方向及び逆方
向）、 −計画モジュール４１などの他のモジュールからの要求
と現在の状態との矛盾の検出、及び −所望のフラグメントの位置を捜し出すのに便利なよう
に、エンドポインタによりフラグメントを記録するため
の自動検索／アクセス。

【００２３】コンテンツサーバ４３は、通常、コンテン
ツプロバイダにより提供され、映画プログラム及びテレ
ビプログラムなどのマルチメディアコンテンツを含む。
利用可能なプログラムは、ＥＰＧデータベース２２に記
載されている。各コンテンツプロバイダは、関連するＥ
ＰＧデータベース２２を保持しても良い。ＥＰＧデータ
ベース２２に記載された利用可能なプログラムは、プロ
グラム識別子によりコンテンツサーバ４３中の対応する
マルチメディアコンテンツにリンクされても良い。典型
的なＥＰＧデータベース２２の抜粋を図２に示す。ＥＰ
Ｇデータベース２２は、複数のプログラムエントリ６０
を有する。各々のプログラムエントリ６０は、値６２を
伴う複数の属性６１を含む。属性６１には、以下のよう
なものが含まれる： −エントリごとに一意的な数であるＥＰＧ識別子（Ｉ
Ｄ）、 −プログラムごとに一意的であり、再放送の場合は同じ
プログラムＩＤを有するプログラムＩＤ、 −カテゴリＩＤ、例えば「０１」は芸術、「１６」はド
ラマ、「５０」は映画及びシリーズ物、「７５」はスポ
ーツなど、 −サブカテゴリＩＤ、例えば映画カテゴリ「５０」にお
いて、サブカテゴリ「００１」はアクション物／冒険
物、「０６４」はコメディー、「０７４」は犯罪物な
ど、 −タイトル、 −このプログラムエントリに関する汎用のテキストフィ
ールドである備考、 −キーワード、 −視聴率、 −ＥＰＧチャンネル、 −開始曜日、 −開始年月日、 −開始時刻、 −放送時間、及び −製作年。

【００２４】使用の際に、ユーザはリモコン３０を使用
してＤＴＶ１０を「ＯＮ」にする。次に、ユーザはＤＴ
Ｖエージェントシステム２１に対して本人確認を行なわ
せることによりユーザＩＤを確立する。図３を参照し
て、これはＤＴＶエージェント３６により作成され、表
示画面１１に表示された１組のキャラクターからアニメ
ーションキャラクター１２を選択することによって行な
われても良い。選択は、リモコン３０を使用して行なわ
れる。

【００２５】識別されたユーザに関連付けられたアバタ
ーエージェント３７のみを起動するメッセージが複数の
アバターエージェント３７に向けて送信される。ユーザ
は、通常、リモコン３０を使用してＤＴＶ画面１１上に
電子プログラムガイドを表示させ、視聴するプログラム
を選択したり、ＵＭＭ２７からメッセージを読み出した
り、或いは過去に電子記憶装置２６に記憶させたコンテ
ンツを見ることを選択したりする。

【００２６】ユーザがＤＴＶ画面１１上でコンテンツサ
ーバ４３からのコンテンツを見ている最中に、そのユー
ザに対するメッセージがＵＭＭ２７により受信されるこ
とがよくある。アバターエージェント３７は通知される
と、ＤＴＶ画面１１にアイコンを表示する。ユーザは、
メッセージを見るか否か、見るとすればＤＴＶ画面１１
上にどの程度の大きさで表示するかを決定する。

【００２７】決定が行なわれる間のコンテキストなどの
ユーザ決定に関する情報及び実際のユーザ決定がＤＴＶ
エージェント３６によって収集され、アバターエージェ
ント３７に引渡される。アバターエージェント３７は、
視聴者事例データベース２４にこの情報を格納する。ユ
ーザの決定は、指定されたコンテキストの中での特別の
ユーザの決定を表す各事例と共に、視聴者事例データベ
ース２４に事例として格納される。

【００２８】特定の実施形態では、２つの型の事例が識
別される。以降、この型をＢＰ型（挙動パターン型）と
呼ぶ。指定のＢＰ型及びユーザの全ての事例は、指定の
ＢＰ型及びユーザのユーザＩＤに関連付けられた事例フ
ァイルに格納されるのが好ましい。特別のユーザを考慮
し、事例ファイルのフィールドをより詳細に説明する。

【００２９】第１の事例ファイルは、ＢＰ型０に対応
し、これは、ＵＭＭコンテンツ表示に関連付けられる。
この型の事例は、ユーザがコンテンツサーバ４３からの
コンテンツを見ているときに、電子メール（Ｅメー
ル）、ＦＡＸ又はボイスメールが到着した場合に起こ
る。ユーザは、通常、メッセージの性質又は現在視聴中
のコンテンツの他にメッセージの優先度に基づいて決定
を行なう。全てが数値を値とする第１の事例ファイルの
フィールドは、以下の通りである： DTV_Content_Category 対話が発生したときに、ユーザ
がＤＴＶ１０で見ていたコンテンツのカテゴリＩＤで、
ＥＰＧデータベース２２から利用可能。例えば、値「１
６」はカテゴリ「ドラマ」に対応し、値「７５」はカテ
ゴリ「スポーツ」に対応する UMM_Content_Category 対話が発生したときのＵＭＭコ
ンテンツのカテゴリ。例えば、値「３２」はＵＭＭカテ
ゴリ「ＦＡＸ」に対応、値「５６」はＵＭＭカテゴリ
「Ｅメール」に対応する UMM_Content_Priority ＵＭＭコンテンツに関連付けら
れた優先度を指定する。例えば、値「３４」は「低い優
先度」、値「６０」は「中位の優先度」、値「９９」は
「高い優先度」を表す Day 対話が発生した曜日。例えば、
値「０」は「日曜日」を表す Time_of_Day 対話が発生した時間帯。例え
ば、値「１」は「午前」、「２」は「午後」を表す Decision ユーザが下した決定 Frequency 事例ファイルの場合は１。

【００３０】ユーザの決定は以下のようなものであろ
う：・0 無視・11 小さい補助ウィンドウを開く・12 中位の補助ウィンドウを開く・13 大きい補助ウィンドウを開く・-10 中断なし。

【００３１】第２の事例ファイルは、ＢＰ型１に対応
し、これは、ハードディスクドライブ（ＨＤＤ）部分的
コンテンツ再生に関連付けられる。この型の事例は、ユ
ーザがコンテンツサーバ４３からのコンテンツを視聴し
ているときに起こり、ユーザがＵＭＭメッセージを読み
込んでいる間に、ユーザの視聴が中断される。ユーザが
メッセージウィンドウを閉じると、記録された部分を見
るための選択肢が提供される。ユーザは、通常、現在視
聴中のコンテンツの性質のみならず、電子記憶装置２６
の録画したコンテンツの性質及びコンテンツの録画時間
に基づいて決定を行なう。全てが数値を値とする第２の
事例ファイルのフィールドは、以下の通りである： DTV_Content_Category、 HDD_Content_Category 記録された電子記憶装置のコン
テンツのカテゴリ（例えば、値「５０」は電子記憶装置
のコンテンツカテゴリ「映画及びシリーズ物」に対応
し、値「６５」は電子記憶装置のコンテンツカテゴリ
「公共問題」に対応する） Duration 記録されたコンテンツの録画時
間を指定する（例えば、値「３４」は３分以下の「短時
間の」録画、値「５１」は３分から１０分の間の「中位
の時間の」録画、「９２」は１０分以上の「長時間の」
録画を表す Day、Time_of_Day、Decision、及び Frequency 事例ファイルの場合は１。

【００３２】決定は、補助ウィンドウの大きさを特定の
大きさに変更し、ＨＤＤコンテンツの記録されたフラグ
メントを再生するか否かに関するユーザの決定である。
特に、ユーザの決定は以下のようなものである：・0 無視・11 小さい補助ウィンドウを開く・12 中位の補助ウィンドウを開く・13 大きい補助ウィンドウを開く・-10 中断なしこれらの事例は、アバターエージェント３７、特に学習
モジュール３９によって機能的な使用パターン及び依存
関係を学習するために使用される。この機能的な使用パ
ターン及び依存関係から、アバターエージェント３７の
計画モジュール４１はＤＴＶエージェント３６、電子記
憶装置２６及びＵＭＭ２７の活動を計画／調整する。

【００３３】視聴者事例データベース２４に格納された
各事例は、１組の特徴（f_i）に関連付けられる。各特徴
は固有の属性及び属性値の対を表す。各属性は複数の予
想値を有する。属性−値の対の一例はDTV_Content_Cate
gory＝１６である。ここで、DTV_Content_Categoryが属
性であり、「１６」が属性値である。

【００３４】例えば、ＵＭＭコンテンツ表示（ＢＰ型＝
０）の事例は、 DTV_Content_Category ＝７５、 UMM_Content_Category ＝３２、 UMM_Content_Priority ＝５４、 Day ＝３、 Time_of_Day ＝２、 Decision ＝１２、 Frequency ＝１、であり、この事例はユーザがスポーツを視聴し、中位の
優先度のＦＡＸが到着し、それが木曜の午後のことであ
り、ユーザは、中位の補助ウィンドウを開くことを決定
したという意味に解釈される。事例に対する頻度は常に
１である。

【００３５】学習モジュール３９は、複数の事例から全
ての一般化パターンを識別するように動作する。一般化
パターンは、事例内の共有パターンを表す。学習モジュ
ール３９は、事例ファイルを入力として用いて、全ての
一般化パターンを含む一般化パターンリスト（GPList）
を生成する。GPListの各一般化パターンは以下のように
表しても良い：（[共通部分]，出現）、ここで、共通部分は複数の異な
る事例が共有するパターンを示し、出現はこのような共
通部分を共有する事例の数を示す。例えば、以下の事
例： C1 = (f1, f2, f3, f4, f7)、 C2 = (f1, f2, f5, f6, f7)、及び C3 = (f3, f5, f6, f8)では、生成されたGPListは以下の３つの項目を有する：([f1,
f2, f7], 2)、([f3], 2)、及び([f5, f6], 2)。

【００３６】第１のGPListのエントリは、事例Ｃ１及び
Ｃ２の双方において出現する属性及び属性値の対ｆ１、
ｆ２及びｆ７から得られる。その他のエントリも同様に
して導き出される。

【００３７】例えば、事例ファイルは図９Ａ及び９Ｂに
示す事例を含むものとする。これらの事例から学習モジ
ュール３９によりGPListが生成される。

【００３８】学習モジュール３９は、更に挙動パターン
を識別するために、GPListの一般化パターンのうちの適
切なものを選択する。各GPListのエントリが調べられ、
少なくとも１つの別の指定値と共に、「Decision」フィ
ールドに値を有するか否かが判定される。「Decision」
フィールドに値を有すると判定される場合、GPListのエ
ントリは挙動パターンと見なされ、BPListのエントリと
して入力される。従って、BPListはＤＴＶの一機能（Ｂ
Ｐ型によりカプセル化）、即ち、ＵＭＭコンテンツ表示
及びＨＤＤ部分的コンテンツ再生に対して、ユーザの挙
動のパターンをカプセル化する。

【００３９】上述の例において、学習モジュール３９に
より生成されたBPListは、図１０Ａから図１０Ｃに示す
エントリを含む。エントリ７０は、ユーザがスポーツ
（DTV_Content_Category＝７５）を見ている最中に「小
さい補助ウィンドウを開く」（Decision＝１１）の決定
を下した場合の事例が、１６個あったことを示す。その
他の属性及び属性値の対は様々であるので値−１で表さ
れる。これは「不問」と解釈されるであろう。１６個の
事例は、図９Ａ及び９Ｂにおいて７１ａから７１ｐで示
される。

【００４０】計画モジュール４１の機能は、過去のユー
ザ挙動パターンを考慮してどの決定が最も適切であるか
を決定のコンテキストに基づいて見出すことである。通
常、過去の事例は、現在の状態には部分的にしか適合し
ない。これにより、どの決定が最も適切であるかを判定
する際に不確実性が生じる。あるパターンでは、ユーザ
が「小さい補助ウィンドウを開く」決定を選択するよう
に見え、別のパターンでは「中位の補助ウィンドウ」の
決定が好まれるように見える。あるパターンによって
は、「確認を求める」ことが望ましいことを示すであろ
う。

【００４１】ＵＭＭコンテンツ表示（ＢＰ型＝０）及び
ＨＤＤ部分的コンテンツ再生（ＢＰ型＝１）に対して計
画モジュール４１により決定するための決定空間を考慮
する。決定は、ユーザ決定と一致する。「無視」の決定
は、「確認を求める」と解釈されても良く、適切に決定
できないときに計画モジュール４１により使用される。
これは、典型的には、特定のコンテキストにおけるユー
ザ決定のパターンが不十分である場合である。従って、
決定及びその決定値は、以下のようであっても良い：・0 無視・11 小さい補助ウィンドウを開く・12 中位の補助ウィンドウを開く・13 大きい補助ウィンドウを開く・-10 中断なし BPListにおけるパターンの一部として格納された過去の
決定頻度は、決定空間の粒度が原因で相対的な表示でし
かない。例えば、類似性が、BPListエントリと現在のコ
ンテキストのエントリとの間で一致する属性及び属性値
の対の数により判定される場合での同様の状況間で集積
された以下の決定の頻度を考慮する：・無視７・小さい補助ウィンドウを開く４・中位の補助ウィンドウを開く６・大きい補助ウィンドウを開く２・小さい補助ウィンドウを開く２この例では、「無視」の決定が最高の頻度である。しか
し、全体として、ユーザは何らかのウィンドウ（小、中
又は大）を１４回選択している。これは、この状況下で
ウィンドウがより良い選択肢であることを示す。計画モ
ジュール４１は、実際に、これがより良い決定であるこ
とを判定すると共に、どのウィンドウがより良い決定で
あるかを判定することを意図する。

【００４２】規則ベースの意思決定プロセスは、意思決
定が複数の規則へと分割され、決定樹がアプリケーショ
ンプログラム中にハードコード化されることを必要とす
る。例えば、ある規則は、全ての「ウィンドウを開く」
決定に対する頻度の合計が「無視」決定の頻度よりも大
きい場合、「ウィンドウを開く」決定のみを考慮すると
規定する。別の規則は、「ウィンドウを開く」決定のみ
が考慮される場合、「ウィンドウを開く」決定の中で最
も頻度の高い決定を選択すると規定する。

【００４３】この手法の最も明確な問題点は、新規の決
定の型が導入される場合に、特定の決定樹に対するアル
ゴリズムを再プログラミング／再コンパイルする必要が
生じることである。

【００４４】好適な実施形態では、決定空間に対する数
値離散領域（ＮＤＤ）が使用される。これは以下のもの
を必要とする：・決定の型（ウィンドウ関連の決定など）がＮＤＤ区間
により表される。各区間は右側に開いており、粒度は小
数点以下の何桁までが重要であるのかを表す・同様の決定（ウィンドウ関連の決定など）が、同じ数
値区間からより近い数値に割り当てられる有限数の決定要素（ウィンドウの大きさ、音量など）
が、有限数のＮＤＤ区間に提供される。

【００４５】例えば、以下に示すような決定値の場合を
考慮する：・0 無視・11 小さい補助ウィンドウを開く・12 中位の補助ウィンドウを開く・13 大きい補助ウィンドウを開く・-10 中断なしここにＮＤＤ区間により表された３つの決定の型を示
す：[-10,0[（中断なし）、[0,10[（無視）、及び[10,2
0[（ウィンドウ関連の決定）。

【００４６】表記[α,β[は、α≦値＜β、即ち、αを
含むがβを含まない場合の値の範囲を示す。全てのウィ
ンドウ関連の決定は、非常に近い値（１０、１１及び１
２）を有し、「無視」の決定は、離れた値０を有する。

【００４７】図４に、それまでのユーザの挙動パターン
及び決定のコンテキストを考慮してどの決定が最も適切
であるかを判定する方法５００の流れ図を示す。図４の
方法は、従来の汎用コンピュータシステム１００（図
８）を使用して実施されても良い。このシステムでは、
図４のプロセスはコンピュータシステム１００内で実行
するアプリケーションプログラムなどのソフトウェアと
して実現される。特に、ステップはコンピュータにより
実行されるソフトウェア中の命令である。ソフトウェア
はコンピュータ読み取り可能な媒体に記憶されても良
い。ソフトウェアはそのコンピュータ読み取り可能な媒
体からコンピュータにロードされて実行される。このよ
うなソフトウェア又はコンピュータプログラムを記録し
たコンピュータ読み取り可能な媒体はコンピュータプロ
グラム製品である。方法５００に入力されるのが、学習
モジュール３９により作成されたBPListからのユーザ挙
動パターン、現在の属性及び属性値の対により表される
決定のコンテキスト、及び定義済のＮＤＤである。

【００４８】方法５００は、ステップ５０２で開始し、
ステップ５０４で入力を受け取る。ステップ５０６にお
いて、現在の属性及び属性値の対をBPListのレコードの
各々と比較し、パターンレコードごとの一致する属性及
び属性値の対の数を判定する。

【００４９】ステップ５０８において、BPListからコン
テキスト化されたレコードのリスト（c-list）を作成す
る。このリストでは、一致しない属性値は値「−１」に
置き換えられ、一致する属性及び属性値の対の数が各エ
ントリに対する重み付けパラメータとして加えられる。
そのc-listのレコードは、ステップ５１０において、各
重み付けパラメータに従って降順に整列される。

【００５０】ステップ５１２において、c-listのレコー
ド群からなるｎ個のクラスタを構成する。各クラスタ内
の全てのエントリは、同じ重み付けパラメータを有する
ので、同数の一致する属性及び属性値の対を有する。ス
テップ５１４において、各クラスタ内で、ｍ個のサブク
ラスタのレコード群を構成する。各クラスタは、同じ正
の関連する属性及び属性値の対を有する。

【００５１】図１１Ａに、不図示のBPListから作成され
たc-listの例を示す。このc-listの例は、５つの属性、
即ち、ＤＴＶコンテンツカテゴリ、ＵＭＭコンテンツカ
テゴリ、ＵＭＭコンテンツ優先度、日及び曜日を含む。
各エントリの下には、属性値が示される。各エントリに
対応する決定値及びその出現頻度も示される。この例で
の決定値の意味は、以下の通りである：・0 無視・11 小さい補助ウィンドウを開く・12 中位の補助ウィンドウを開く・13 大きい補助ウィンドウを開くこの例に対するＮＤＤ区間は、以下のように示される：
[-10,0[、[0,10[、及び[10,20[。

【００５２】この例では、ステップ５１２において２つ
のクラスタが構成された。クラスタ１のエントリは、各
々が４つの一致する属性及び属性値の対を有するので、
重み付けパラメータは４である。同様に、クラスタ２の
エントリの重み付けパラメータは３である。クラスタ１
は、５つのサブクラスタを有し、各サブクラスタは、同
じ正の関連する属性及び属性値の対を有する。クラスタ
２は、このようなサブクラスタは２つしかない。

【００５３】図４に戻ると、ステップ５１６において、
空の決定リストＸを作成する。このリストＸは、単に後
述する最頻の決定ｄ_jkを保持するための一時的なデータ
構造である。ステップ５１８において、変数ｊを０に等
しく設定する。これにより、初期化を終了する。

【００５４】ステップ５１９において、変数ｊを増分す
る。クラスタｊ（1 ≦ j ≦ n）内で、ステップ５２０
において、サブクラスタｋ（1 ≦ k ≦ m）ごとに最頻
の決定ｄ_jkを頻度に基づいて検索する。再度図１１Ａを
参照すると、各クラスタ内での頻度に基づく最頻の決定
ｄ_jkも示されている。

【００５５】次に、クラスタｊ内での全ての最頻の決定
ｄ_jkがステップ５２２（図４）において平均される。ク
ラスタ１内の最頻の決定ｄ₁₁、ｄ₁₂、ｄ₁₃、ｄ₁₄及びｄ
₁₅の平均は、９．４である。

【００５６】ステップ５２４において、寄与する区間の
うちのどのＮＤＤ区間が左の境界値の観点から見てステ
ップ５２２で計算された平均に最も近いかを見出す。こ
の例では、左の境界値の観点から見て平均値９．４に最
も近い寄与ＮＤＤ区間は、ＮＤＤ区間[10,20[である。
それは、９．４が左の境界値である１０に最も近いから
である。

【００５７】ステップ５２６において、最も近いＮＤＤ
区間中の値を伴う全ての最頻の決定ｄ_jkの中から、サブ
クラスタ間で最頻の決定を頻度に基づいて選択する。こ
の例では、最頻の決定ｄ₁₂、ｄ₁₃、ｄ₁₄及びｄ₁₅は、区
間[10,20[の範囲内であり、頻度６の決定ｄ₁₃が最も頻
度が高い。最頻の決定ｄ₁₃は、決定１２（中位の補助ウ
ィンドウを開く）に関連する。

【００５８】しかし、最も近いＮＤＤ区間が、異なる数
の決定要素を有する決定の型を含むとき（例えば、最も
近いＮＤＤ区間が「ウィンドウ関連」並びに「音量関
連」の双方を有する決定の型、及び、後述するように
「ウィンドウ関連」の決定のみを有する決定の型を含む
とき）、より多くの数の決定要素を有する決定が選択さ
れる。言い換えると、最も近いＮＤＤ区間が、異なる粒
度の決定値を有する決定を含むとき、より粒度の高い
（即ち、より特殊な）決定が選択される。

【００５９】再度、図４を参照すると、選択が可能であ
ったので、ステップ５２８において、方法５００はステ
ップ５６０に進み、この決定が戻される。

【００６０】ステップ５２８において、このような選択
が可能であったか否かを判定する。２つ以上の決定が最
高の頻度を有するならば、ステップ５２６では、このよ
うな選択が妨げられる可能性がある。

【００６１】図１１Ｂは、図１１Ａに示すのと同様のc-
listの別の例を示すが、決定値及び頻度は異なってい
る。

【００６２】ステップ５２２で計算されたクラスタ１内
の最頻の決定ｄ₁₁、ｄ₁₂、ｄ₁₃、ｄ ₁₄及びｄ₁₅の平均
は、６．８である。寄与区間のうちの、左の境界値の観
点から最も平均値６．８に近いＮＤＤ区間は、区間[10,
20[であるが、これは、６．８が左の境界値１０に最も
近いからである。

【００６３】最頻の決定ｄ₁₁、ｄ₁₂及びｄ₁₄は、区間[1
0,20[の範囲内である。しかし、頻度７の決定ｄ₁₁及び
ｄ₁₄の双方が、決定値の中で最も頻度が高い。選択は、
この２つの決定ｄ₁₁及びｄ₁₄間で行なうことはできない
が、それは、双方の頻度が同一値だからである。

【００６４】再度図４を参照すると、ステップ５２８に
おいて、選択が可能であったと判定される場合、方法５
００はステップ５６０において選択を戻し、ステップ５
６１で終了する。選択が可能であったと判定されない場
合、方法５００は、ステップ５３０へと続き、ここで、
同一値の決定のうちの何れかが決定リストＸにおける出
現回数の観点においてリストＸのエントリとより一致す
るか否かを判定する。同一値の決定のうちの１つが決定
リストＸのエントリとより一致する場合、その決定が選
択され、方法５００はその選択をステップ５６０におい
て戻す。決定リストＸのエントリとより一致しない場
合、それぞれ対応する頻度を伴ったクラスタｊからの全
ての最頻の決定ｄ_jkがステップ５３２において決定リス
トＸに加えられる。方法５００は、ステップ５３３にお
いて全てのクラスタの考慮が終了していないと判定され
る場合、ステップ５１９に戻る。

【００６５】図１１Ｂの例に戻ると、決定ｄ₁₁及びｄ₁₄
は同一値であるので、ステップ５２８において、選択が
可能でなかったと判定され、方法５００はステップ５３
０へと続く。ここで、同一値の決定ｄ₁₁及びｄ₁₄の何れ
かが決定リストＸにおける出現回数の観点においてリス
トＸのエントリとより一致するか否かを判定する。リス
トＸは依然として空であるので、同一値の決定ｄ₁₁及び
ｄ₁₄の何れも決定リストＸのエントリとより一致しな
い。ステップ５３２において、クラスタ１からの全ての
最頻の決定ｄ_jkをＸリストに加えると、リストは、｛1
1, 11, 0, 12, 0｝を含むようになる。

【００６６】より多くのクラスタが残るので、方法５０
０はステップ５１９に戻り、ｊは２に増分される。最頻
の決定ｄ₂₁及びｄ₂₂は、ステップ５２０において１１及
び１３であると判定され、ステップ５２２において、平
均が１２であると判定される。寄与区間のうちの、左の
境界値の観点から平均値１２に最も近いＮＤＤ区間は、
またもＮＤＤ区間[10,20[である。

【００６７】最頻の決定ｄ₂₁及びｄ₂₂の双方は、区間[1
0,20[の範囲内にあるが、これもまた同一値である。決
定ｄ₁₁及びｄ₁₄は同一値であるので、ステップ５２８に
おいて、選択が不可能であると判定され、ステップ５３
０において、同一値の決定ｄ ₂₁及びｄ₂₂の何れかが｛1
1, 11, 0, 12, 0｝を含む決定リストＸのエントリとよ
り一致するか否かが判定される。決定ｄ₂₁は、決定値１
１に関連し、リストＸ中に２回出現する。これに対し、
決定ｄ₂₂は、決定値１３に関連し、リストＸ中には出現
しない。従って、決定１１が選択される。

【００６８】全てのクラスタを処理した後、選択が行な
われていない場合、ステップ５３４において、リストＸ
上の全ての決定を平均する。ステップ５３６において、
寄与区間のうちのどのＮＤＤ区間が左の境界値の観点か
らステップ５３４で計算された平均値に最も近いかを見
出す。最も近いＮＤＤ区間中の値を伴うリストＸ中の決
定の中から、ステップ５３８において、最も頻度の高い
決定を頻度に基づいて選択する。ステップ５４０におい
て、このような選択が可能であったか否かを判定し、可
能であった場合、方法５００はステップ５６０において
この選択を戻す。可能でなかった場合、決定＝０（無
視）がステップ５５０において戻される。

【００６９】「ウィンドウ関連」及び「音量関連」の決
定の双方を有する別の例を考慮する。決定値は、以下の
ように割り当てられる：・0 無視・11 小さい補助ウィンドウを開く・11.1 小さい補助ウィンドウを開き、音量を下げる・11.2 小さい補助ウィンドウを開き、音を消す・12 中位の補助ウィンドウを開く・12.1 中位の補助ウィンドウを開き、音量を下げる・12.2 中位の補助ウィンドウを開き、音を消す・13 大きい補助ウィンドウを開く・13.1 大きい補助ウィンドウを開き、音量を下げる・13.2 大きい補助ウィンドウを開き、音を消す・21 フルスクリーンの補助ウィンドウを開く・21.1 フルスクリーンの補助ウィンドウを開き、音量
を下げる・21.2 フルスクリーンの補助ウィンドウを開き、音を
消す・-10 中断なし。

【００７０】以上から、補助ウィンドウの決定の型は類
似していると見なされ、同じ大きさの補助ウィンドウで
音量が様々である場合は、非常に類似していると見なさ
れて一層近い数値が割り当てられることが明らかであ
る。

【００７１】ＮＤＤ区間は、以下の通りである：[-10,0
[、[0,10[、[11,12[、[12,13[、[13,14[、及び[21,2
2[。

【００７２】同じクラスタ内の各サブクラスタから、以
下の最頻の決定ｄ_jkを考慮すると、その解釈及び頻度は
以下の通りである：・0 無視７（サブクラスタ１）・11.1 小さい補助ウィンドウを開き音量を下げる４（サブクラスタ２）・12 中位の補助ウィンドウを開く６（サブクラスタ３）・13.2 大きい補助ウィンドウを開き、音を消す２（サブクラスタ４）・21 フルスクリーンのウィンドウを開く２（サブクラスタ５）ステップ５２２において再度開始すると、このクラスタ
内の全ての最頻の決定ｄ_jkは平均され、平均値１１．４
６が求められる。ステップ５２４において、寄与区間の
うちのどのＮＤＤ区間が左の境界値の観点から平均値１
１．４６に最も近いかを見出す。最も近い寄与区間は、
区間[11,12[である。ステップ５２６において、区間[1
1,12[内で最頻の決定を選択する。この区間には１つの
決定、即ち、決定１１．１（小さい補助ウィンドウを開
き音量を下げる）しかない。選択が可能であったので、
ステップ５２８において、方法５００はステップ５６０
に進み、ここで、この決定が戻される。

【００７３】更に、同じクラスタ内の各サブクラスタか
ら、以下の最頻の決定ｄ_jkを考慮すると、その解釈及び
頻度は以下の通りである：・0 確認を求める７（サブクラスタ１）・11 小さい補助ウィンドウを開く６（サブクラスタ２）・11.1 小さい補助ウィンドウを開き音量を下げる４（サブクラスタ３）・13.2 大きい補助ウィンドウを開き音を消す２（サブクラスタ４）・21 フルスクリーンのウィンドウを開く２（サブクラスタ５）ステップ５２２において再度開始すると、このクラスタ
内の全ての最頻の決定ｄ_jkは平均され、平均値１１．２
６が求められる。ステップ５２４において、寄与区間の
うちのどのＮＤＤ区間が左の境界値の観点から平均値１
１．２６に最も近いかを見出す。最も近い寄与区間は、
区間[11,12[である。ステップ５２６において、区間[1
1,12[内で最頻の決定を選択する。この区間には２つの
決定、即ち、決定１１（小さい補助ウィンドウを開く）
及び決定１１．１（小さい補助ウィンドウを開き音量を
下げる）があり、結果として、「小さい補助ウィンドウ
を開き音量を下げる」決定が選択される。尚、この決定
は、頻度が低いにもかかわらず、「小さい補助ウィンド
ウを開き音量を下げる」決定の方が選ばれている。この
方がより特殊であるからである。

【００７４】選択が可能となったので、ステップ５２８
において、方法５００はステップ５６０に進み、ここ
で、この決定が戻される。

【００７５】計画モジュール４１内部の動作を一例とし
て更に説明する。ユーザは、ＤＴＶでサッカーの試合を
観戦する。木曜日の午後である。このユーザ宛ての高優
先度の電子メールメッセージが到着し、以下の変数を設
定する： UMM.Status = NewMessage、 UMM_Content_Category = 56（電子メール）、及び UMM_Content_Priority = 99（高優先度）。

【００７６】ＵＭＭ２７は、定期的に（ｋ分ごと）変数
UMM.Statusをチェックすることにより、この新規のメッ
セージの到着を認識する。変数UMM.Statusは、値「NewM
essage」を有するので、ＵＭＭ２７は対応するユーザの
アバターエージェント３７に変数UMM_Content_Category
及びUMM_Content_Priorityの値を通知する。

【００７７】計画モジュール４１は、上述の方法５００
を使用することにより、過去のユーザ挙動パターン及び
決定のコンテキストを考慮してどの決定が最も適切であ
るかを判定する。計画モジュール４１は、ＢＰ型０と一
致する事例ファイルから学習モジュール３９により生成
されたBPList、定義済のＮＤＤ、及び、ＤＴＶエージェ
ント３６からの要求コンテキスト情報を読み出す。その
後、応答を待つ。ＤＴＶエージェント３６は、以下の変
数を伴って応答する： DTV.Status = ON、 DTV_Content_Category = 75（スポーツ）、 Day = 2(火曜日)、及び Time_of_Day = 2（午後）。

【００７８】決定がユーザの中断なしであれば、更なる
処置はとらない。決定が「無視」であれば、アバターエ
ージェント３７はＤＴＶエージェント３６に対してユー
ザの説明を取得するように要求し、ユーザの応答を待
つ。ＤＴＶエージェント３６がユーザの確認を受信する
と、アバターエージェント３７に対してユーザの決定を
通知する。

【００７９】決定が補助ウィンドウの型の決定のうちの
１つであるならば、計画モジュール４１は、ＤＴＶエー
ジェント３６に対して補助ウィンドウを配置してＵＭＭ
コンテンツを表示するように要求する。これは直接的な
アクションである。また計画モジュール４１は、電子記
憶装置２６に対して現在のＤＴＶコンテンツ、即ち、サ
ッカーの試合の録画を開始するように要求する。これは
分岐である。

【００８０】ＤＴＶエージェント３６は、サッカーの試
合のウィンドウのサイズを変更し、Ｅメールのウィンド
ウを開く。

【００８１】アバターエージェント３７がＤＴＶエージ
ェント３６からユーザの確認を受信すると、新規の事例
が作成される。また、計画モジュール４１による決定に
基づいてアクションがとられる場合、即ち、自動的に補
助ウィンドウを開く場合であり、且つこの決定がウィン
ドウを即座に閉じることによってユーザにより上書きさ
れない場合、新規の事例がこの決定と共に作成される。
学習モジュール３９は、新規に作成された事例を含む事
例群から新規のGPListを学習し、新規のBPListを作成す
るように通知される。

【００８２】しばらくして、ユーザは、Ｅメールのメッ
セージを読み終え、Ｅメールのオプションを閉じること
を選択する。ＤＴＶエージェント３６は、電子記憶装置
２６に対して記録を停止するように通知する。

【００８３】計画モジュール４１は、続いて、上述の方
法５００を使用して過去のユーザ挙動パターン及び決定
のコンテキストを考慮して録画したフラグメントを表示
するのにどの決定が最も適切であるかを判定する。計画
モジュール４１は、ＢＰ型１と一致する事例ファイルか
ら学習モジュール３９により生成されたBPList、定義済
のＮＤＤ、及び、ＤＴＶエージェント３６からの要求コ
ンテキスト情報を読み出す。この例において、コンテキ
ストは、以下の通りである： DTV_Content_Category = 75、 HDD_Content_Category = 75、 Duration = 34(３分以下の短時間の録画)、 Day = 2、及び Time_of_Day = 2。

【００８４】決定がユーザの中断なしであれば、更なる
処置はとらない。決定が「無視」であれば、アバターエ
ージェント３７は、ＤＴＶエージェント３６に対してユ
ーザの説明を取得するように要求し、ユーザの応答を待
つ。ＤＴＶエージェント３６がユーザの確認を受信する
と、アバターエージェント３７に対してユーザの決定を
通知する。

【００８５】決定が補助ウィンドウの型の決定のうちの
１つであるならば、計画モジュール４１は、ＤＴＶエー
ジェント３６に対して補助ウィンドウを配置してＵＭＭ
コンテンツを表示するように要求する。

【００８６】ＤＴＶエージェント３６は、この例ではサ
ッカーの試合のままである、現在のＤＴＶコンテンツの
大きさを変更し、レコーダーフラグメントが表示される
補助ウィンドウを開く。

【００８７】アバターエージェント３７がＤＴＶエージ
ェント３６からユーザの確認を受信すると、新規の事例
が作成される。また、計画モジュール４１による決定に
基づいてアクションがとられ、この決定がウィンドウを
即座に閉じることによってユーザにより上書きされない
場合、新規の事例がこの決定と共に作成される。学習モ
ジュール３９は、新規のGPListを学習し、新規のBPList
を作成するように通知される。

【００８８】上述の例で説明したようなシステム５０に
おいて実行される様々なタスクは、以下に示すように分
類される：・定期型−指定の間隔で反復的に実行される、即ち、実
行時に周期に従って後続の再実行の予定が組まれるも
の。ＵＭＭ２７が変数UMM.Statusをｋ分ごとにチェック
するために実行するタスクなど、・トリガ式−ＵＭＭ２７からメッセージの到着の通知を
受信したときにＤＴＶエージェント３６により実行され
るタスクなどの外部のイベントに応じて（時には反復的
に）実行されるもの。この通知は、変数UMM_Content_Ca
tegory及びUMM_Content_Priorityの値も含む、及び・知識生成型−現在のコンテキストについての情報を含
むメッセージをＤＴＶエージェント３６から受信したと
きにＤＴＶエージェント３６により実行されるタスクな
どの感知又は情報収集のために実行されるもの。このタ
スクは、過去のユーザ挙動パターン及び決定のコンテキ
ストを考慮して最も適切な決定を判断する。

【００８９】これらのカテゴリは、相互に排他的ではな
い。例えば、知識生成型のタスクは、外部のイベントに
応じてトリガされても良い。

【００９０】より好適な実施形態では、これらのタスク
は、タスクネットワークにより実現される。タスクネッ
トワークにおける全てのタスクは、他のタスク（サブタ
スク）をトリガする、又は、これらのタスクにメッセー
ジを送信する、或いは、その双方によって情報の流れを
柔軟に制御することができる。コンテキスト的なタスク
ネットワークにおける制御の流れは、特定の状態、コン
テキスト的なユーザ挙動パターン、及び、機能的な依存
関係に応じて各タスクにより生成された計画（小計画）
により導き出される。ユーザの挙動パターンが学習モジ
ュール３９により更新される場合、制御の流れは動的に
変化するであろう。

【００９１】図５において、タスクＴ_kはそのＩＤであ
るｉ_k、呼出しの型（トリガ又はメッセージ）ｔ_k、条件
付きの計画（小計画）ｐ_k、及び、タスク（サブタス
ク）ｍ_kのマップにより表される。タスクＴ_kがトリガに
より呼び出されると、入力データの読出し及び解釈を行
い、計画（小計画）ｐ_kを起動し、これを実行する。タ
スクＴ_kは、メッセージと共に呼び出されると、入力デ
ータの読出し及び解釈のみを行なう。計画（小計画）ｐ
_kは、計画ノードｐ_kjのベクタとして表される。計画
（小計画）ｐ_kを起動すると、計画ノードｐ_kjのシーケ
ンスが構成される。各ノードｐ_kjは、マップｍ_kjにより
表される別のタスク（サブタスク）ｉ_jにマッピングさ
れる。言い換えると、各計画ノードは、その時点でどの
タスク（サブタスク）をどのように（トリガによって又
はメッセージと共に）呼び出すべきかを判定する。

【００９２】図６は、タスクネットワーク６００上で、
このプロセスを例証する図である。この例において、タ
スクＴ₅は、タスク（サブタスク）Ｔ₆及びタスク（サブ
タスク）Ｔ₈のいずれかへの制御の流れと、タスク（サ
ブタスク）Ｔ₇への情報の流れを伴う条件付き計画（小
計画）を有する。

【００９３】時には、タスク（サブタスク）Ｔ_iをトリ
ガする又はこれに情報を渡すために、計画ノードは、図
４を参照して説明したようなコンテキスト的なユーザプ
リファレンスを判定する必要がある。例えば、タスクＴ
₉は、このようなコンテキスト化を行なう役割を担うタ
スク（サブタスク）ともなり得る。タスクＴ₆がタスク
（サブタスク）Ｔ₈をトリガできるようになる前に、最
新のユーザ挙動パターンが分析されるべきであるので、
タスク（サブタスク）Ｔ₉がまずトリガされる。

【００９４】タスクＴ₇が学習モジュール３９で実行さ
れる学習アルゴリズムを使用して、メッセージｉ₇がタ
スクＴ₈から受信されたときに、ユーザ挙動パターンBPL
istを更新するものと想定する。このユーザ挙動パター
ンは動的に変化し、タスクＴ₉及びＴ₈が次にトリガされ
るときには異なるものとなっている。従って、Ｔ₉から
Ｔ₈へのメッセージは、新規のコンテキストを考慮して
動的に変化する可能性がある。

【００９５】通常、コンテキスト的なタスクネットワー
クのリンクの部分集合が起動されるときに、特定のシナ
リオが展開される。ＤＴＶシステム５０の現在の状態及
び現在のユーザ挙動パターンを考慮して、計画モジュー
ル４１により軌道が計画され、シナリオは実行中に進展
する。言い換えると、ネットワークにおけるタスクの流
れの全ての可能な組み合わせが、種々の予想シナリオを
包含する。

【００９６】しかし、コンテキスト的であるか否かにか
かわらず、いずれのタスクネットワークでも、全ての予
想軌道が予め規定される。従って、タスクネットワーク
によりサポートされる予想シナリオの数には制限があ
る。この数は、タスクネットワークの組み合わせの性質
を考慮すれば、十分に意義のあるものであるが、コンテ
キスト的なタスクネットワークの柔軟性を制限する。

【００９７】このコンテキスト的なタスクネットワーク
の柔軟性は、タスクネットワークに対するシナリオ独立
型テンプレート（ＳＩＴ−ＴＮ）の導入により改善され
る。この特徴により、システム設計者は、他のモジュー
ル及び／又はタスクに影響を及ぼすことなく、容易に新
規のシナリオを作成することができる。

【００９８】上述のように、タスクネットワークは、全
ての予想軌道を予め規定し、可能なシナリオの数を制限
する。従って、新規のシナリオを導入する必要がある場
合、タスクネットワークは更新され、再プログラミング
／再コンパイルされなければならない。

【００９９】好適な実施例では、ＳＩＴ−ＴＮは、以下
に示すように構成される：

【０１００】

【表１】ここで、Task Name及びTask Linkは、タスクＩＤに相当
する。Task Nameは、現在のタスクであり、Task Link
は、呼出し可能なサブタスクである。Conditionは、呼
出しに際しての必要条件を獲得する論理式であり、Link
Typeは、現在のタスクとサブタスクとの間の呼出しの
型（TRIGGER又はMESSAGE）であり、Argumentsは、サブ
タスクに渡されるパラメータ一式である。

【０１０１】例えば、タスク名がOnHDDResponseであ
り、計画モジュール４１により実行される例示のタスク
を考慮する。このタスクは、HDD_Content_Categoryの値
を求める計画モジュール４１からのそれ以前の要求に対
して、電子記憶装置２６がこの情報を伴って応答すると
きにトリガされる。このタスクのコードは、以下のよう
に示される：従って、タスクOnHDDResponseは、変数の応答、即ち、H
DD_Content_Categoryを含む応答によりトリガされる。
有効なHDD_Content_Categoryが受信された場合、値は正
である。変数subjectはＢＰ型に従って設定される。電
子記憶装置２６に記憶されたコンテンツのフラグメント
の場合にはＢＰ型は１であるので、変数subjectには、
値HDDPartialContentPlayBackが与えられる。それに続
く３コードラインにおいて、現在のコンテキストの全て
の変数を含むsubject_listが用意される。これらの変数
は、適切な決定を判定するために別のタスクによって使
用される。最後に、ＤＴＶエージェント３６のタスクOn
ContentQueryに対して通知が送信され、このタスクに対
するトリガとして作用し、変数sourceの値をタスクに渡
す。

【０１０２】変数subject及びsubject_listを設定する
ことにより、最も適切な決定を判定するタスクOnDTVCon
tentResponseにとって情報が利用可能なものとなる。タ
スクネットワーク環境においては、これはメッセージで
ある。

【０１０３】これに対し、受信された応答が０に等しい
場合、HDD_Content_Categoryは有効ではないので、タス
クはユーザの挙動パターンを監視する処理に進む。

【０１０４】同じタスクは、ＳＩＴ−ＴＮにおいて以下
のように記述しても良い：

【０１０５】

【表２】この表は以下のように解釈しても良い：タスクOnHDDRRe
sponseにおいて、条件response＞0が受信されるとき、
トリガがＤＴＶエージェント３６のタスクOnContentQue
ryに送信され、引数source = avatarが渡される。ま
た、メッセージがタスクOnDTVContentResponseに送信さ
れ、変数subject及びsubject_listの値が渡される。

【０１０６】しかし、条件response = 0が受信される場
合、変数monitoringの値を含むメッセージが、タスクMa
tchEPGUserProfileに送信されると共に、タスクOnRecor
dedRecommendationRequestにもrecorded_epg_idの値を
含むメッセージが送信される。

【０１０７】通常、ＳＩＴ−ＩＮ表現には、同じTask N
ameを有するレコードが少数存在し、各レコードは計画
ノードに対応してそれぞれ特定のリンクを指定する。例
示のタスクOnHDDResponseは、４つのリンクを有する。

【０１０８】学習モジュール３９の動作をより詳細に説
明する。図７Ａから７Ｆに関連して説明される学習モジ
ュール３９により実行されるプロセスは、従来の汎用の
コンピュータシステム１００（図８）を使用して実施さ
れても良い。このコンピュータシステム１００では、プ
ロセスは、内部で実行するアプリケーションプログラム
などのソフトウェアとして実現される。

【０１０９】学習モジュール３９のコア関数を実行する
ためのプロシージャLEARNを図７Ａに示す。このプロシ
ージャでは、４つのデータ構造、即ち、複数の事例（Ｃ
_j）を含む事例ファイル、全ての一般化パターンを保有
するGPList、全ての挙動パターンを保有するBPList、及
び、既に処理が終わった事例を含む検査済事例リストが
使用される。まず、プロシージャLEARNの初期化に際し
て、LEARN、GPList、BPList、及び、検査済事例リスト
は空になる。

【０１１０】プロシージャLEARNは、ステップ２００に
おいて開始し、まずステップ２０１において指定のＢＰ
型に基づいて新規の事例のリストを取得し、ステップ２
０２において、視聴者事例データベース２４からＢＰ型
の事例ファイルを取得する。ステップ２０３において、
新規の事例を加えることにより事例ファイルを更新す
る。

【０１１１】事例ファイルの各事例の現在のGPListとの
共通部分が、残るステップ２０４から２１１において取
得される。ステップ２０４において、事例ファイルから
第１のエントリが取り出され、ステップ２０５におい
て、サブルーチンGEN-INSTANCE-GPLISTを呼び出すとき
の入力事例として使用される。サブルーチンGEN-INSTAN
CE-GPLISTは、入力事例とGPListの各項目との間の一般
化パターンを見出し、図７Ｂのステップ２２０において
開始する。ステップ２０６において、入力事例と検査済
事例リストの各事例との間の一般化パターンを見出すた
めに、サブルーチンGEN-INSTANCE-EXAMINED-INSTANCES
が呼び出される。サブルーチンGEN-INSTANCE-EXAMINED-
INSTANCESは、図７Ｅのステップ３１０において開始す
る。ステップ２０７において、入力事例は検査済事例リ
ストに加えられる。従って、事例（Ｃ_j）は、事例ファ
イルが空になるまで、事例ファイルから検査済事例リス
トへと徐々に移動される。ステップ２０８において、事
例ファイルが更にエントリを有するか否かを判定する。
事例ファイルにエントリが残っている場合、プロシージ
ャLEARNは、ステップ２０９に進む。ここで、事例ファ
イルからの次のエントリが入力事例として使用され、プ
ロシージャLEARNは続けてステップ２０５に進む。

【０１１２】ステップ２０８において、事例ファイルが
空であると判定された後、ステップ２１０において、GP
Listの一般化パターンをフィルタリングし、部分集合を
作成する。各GPListのエントリが調べられ、少なくとも
１つの別の指定値と共に、「Decision」フィールドの値
を有するか否かが判定される。「Decision」フィールド
の値を有すると判定される場合、各GPListのエントリ
は、挙動パターンと見なされ、BPListのエントリとして
入力される。BPListは、挙動パターンであり、ステップ
２１１において出力として生成される。プロシージャLE
ARNは、ステップ２１２において終了する。

【０１１３】図７Ｂにおいて、サブルーチンGEN-INSTAN
CE-GPLISTは、入力事例とGPListの全ての項目との間の
全ての一般化パターンを見出すためのものである。この
サブルーチンは、更に入力事例と現在のGPListとの間の
全ての新規の一般化パターンを伴ってGPListを更新す
る。

【０１１４】GEN-INSTANCE-GPLISTは、ステップ２２０
において開始し、ステップ２２１において、入力事例及
び現在のGPListを入力として受け取る。ステップ２２２
において、現在のGPListが空のままであるか否かを判定
する。現在のGPListが空の場合、入力事例とGPListとの
間の一般化パターンは存在せず、サブルーチンはステッ
プ２３６においてリターンする。

【０１１５】GPListに項目がある場合、サブルーチンは
ステップ２２３へと続く。ここで、入力事例とGPListの
全ての項目との間の全ての一般化パターンは、サブルー
チンG_List_GENを呼ぶことにより見出される。この一般
化パターンは、G_Listに入力され、G_Listは入力事例と
GPListとの間の可能な一般化パターンを含むことにな
る。サブルーチンG_List_GENは図７Ｃのステップ２４０
において開始する。

【０１１６】ステップ２２４において、G_Listが空であ
るか否かを判定する。G_Listが空の場合、入力事例とGP
Listとの間の一般化パターンはサブルーチンG_List_GEN
により見出されず、サブルーチンGEN-INSTANCE-GPLIST
はステップ２３６においてリターンする。

【０１１７】G_Listに項目がある場合、サブルーチンGE
N-INSTANCE-GPLISTは、ステップ２２５へと進む。ここ
で、サブルーチンUG_List_GENが呼び出される。サブル
ーチンUG_List_GENは、図７Ｄのステップ２６０におい
て開始し、G_Listから固有の一般化パターンリストUG_L
istを形成する。

【０１１８】ステップ２２６において、UG_Listから第
１の項目UG_Itemが取り出され、共通部分であるFirst_I
ntersectionがUG_Itemから抽出される。ステップ２２７
において、GPListから第１の項目GPList_Itemが取り出
され、共通部分Second_IntersectionがGPList_Itemから
抽出される。

【０１１９】ステップ２２８において、First_Intersec
tion及びSecond_Intersectionが一致するか否かを判定
する。ステップ２２８において、First_Intersection及
びSecond_Intersectionが一致することが見出される場
合、ステップ２２９において、GPList_Itemの出現は、U
G_Itemの出現に等しく設定される。サブルーチンは、ス
テップ２３３へと続く。

【０１２０】ステップ２２８において、First_Intersec
tion及びSecond_Intersectionが一致しないことが見出
される場合、ステップ２３０において、GPListの全ての
項目の考慮が終了したか否かを判定する。項目が残って
いる場合、ステップ２２８において再びFirst_Intersec
tion及びSecond_Intersectionが一致するか否かを判定
する前に、ステップ２３１において、GPListの次の項目
が、Second_Intersectionとしての共通部分と共に取り
出される。ステップ２３０において、GPListの全ての項
目の考慮が終了していると判定された場合、ステップ２
３２において、UG_ItemがGPListに加えられ、サブルー
チンは、ステップ２３３へと続く。

【０１２１】ステップ２３３において、UG_Listの全て
の項目の考慮が終了していないと判定される場合、ステ
ップ２３４においてUG_Listの次の項目が、First_ Int
ersectionとしての共通部分と共に取り出され、ステッ
プ２２７へと続く。これに対し、ステップ２３３におい
て、UG_Listの全ての項目の考慮が終了していると判定
される場合、ステップ２３５において、サブルーチンGE
N-INSTANCE-GPLISTは、GPListを出力し、ステップ２３
６においてリターンする。

【０１２２】図７Ｃを参照して、サブルーチンG_List_G
ENを説明する。このサブルーチンは、入力事例とGPList
の全ての項目との間の全ての一般化パターンを判定す
る。サブルーチンG_List_GENは、ステップ２４０におい
て開始し、入力事例及びGPListを入力として受け取る。
入力はステップ２４１において受け取られる。ステップ
２４２において、第１の一般化パターンGPList_ItemがG
PListから取得され、ステップ２４３において、入力事
例から第１の特徴が取り出され、ステップ２４４におい
て、GPList_Itemの共通部分から第１の特徴が取り出さ
れる。ステップ２４５において、入力事例から取り出さ
れた特徴は、GPList_Itemから取り出された特徴と同じ
であるか否かを判定する。ステップ２４５において、一
致が見出されない場合、ステップ２４６において、GPLi
st_Itemからの全ての項目を処理し終えたか否かを判定
する。GPList_Itemに更に特徴が残っている場合、ステ
ップ２５５において、GPList_ Itemから次の特徴を取
り出し、ステップ２４５へと続く。GPList_Itemの全て
の特徴の考慮が終了した場合、サブルーチンはステップ
２４７へと続く。

【０１２３】ステップ２４５において一致が見出される
場合、ステップ２５２において、新規の一般化パターン
が作成されたか否かを判定し、ステップ２５３におい
て、必要に応じて１つの一般化パターンを作成する。既
に作成されている場合は、ステップ２５４へと続き、こ
こで共有の特徴が新規の一般化パターンに加えられる。
サブルーチンは、ステップ２４７へと続き、入力事例か
らの全ての特徴の処理が終了したか否かを判定する。入
力事例に特徴が残っている場合、ステップ２５６におい
て、入力事例から次の特徴を取り出す。

【０１２４】ステップ２４７において、入力事例からの
全ての特徴の考慮が終了したと判定された場合、ステッ
プ２４８において、ステップ２５２で新規の一般化パタ
ーンが作成されたか否かを判定する。GPListの共通部分
に一般化パターンが既に存在する場合、サブルーチン
は、ステップ２４９へと続き、ここで新規の一般化パタ
ーンの出現に対して、同じ共通部分を有するGPList_Ite
mの値＋１が付与される。ステップ２５０において、新
規の一般化パターンがG_Listに加えられる。

【０１２５】ステップ２４８において、新規の一般化パ
ターンがGPListにまだ存在しないと判定された場合、サ
ブルーチンはステップ２５１へと続く。

【０１２６】ステップ２５１において、GPListからの全
ての項目の考慮が終了したか否かを判定する。項目がGP
Listに残っている場合、サブルーチンは、ステップ２５
７へと続き、ここでGPListの次の項目が取り出され、ス
テップ２４３が実行される。これに対して、GPListの全
ての項目の考慮が終了している場合、サブルーチンG_Li
st_GENは、ステップ２５８において出力として新規のG_
Listを生成した後で、ステップ２５９においてリターン
する。

【０１２７】図７Ｄにおいて、サブルーチンUG_List_GE
Nが示される。このサブルーチンは、固有の一般化パタ
ーンリストUG_Listを形成する。ステップ２６０におい
て開始すると、サブルーチンは、ステップ２６１におい
て、G_Listを入力として受け取る。ステップ２６２にお
いて、第１の一般化パターンがG_ListからUG_Listにコ
ピーされる。ステップ２６３において、G_Listからの第
１の項目であるG_List_Itemが取り出され、共通部分Fir
st_IntersectionがG_List_Itemから取り出される。ステ
ップ２６４において、UG_Listからの第１の項目UGList_
Itemが取り出され、共通部分Second_IntersectionがUGL
ist_Itemから取り出される。

【０１２８】ステップ２６５において、First_Intersec
tion及びSecond_Intersectionが一致するか否かを判定
する。First_Intersection及びSecond_Inter section
が一致する場合、ステップ２６９及び２７０において、
２つの項目G_List_Item及びUGList_Itemのうちの高い方
の出現が判定され、UGList_ Itemの出現として保存さ
れる。サブルーチンはステップ２６８へと続く。

【０１２９】First_Intersection及びSecond_Intersect
ionが一致しない場合、ステップ２６６において、UG_Li
stの全ての項目の考慮が終了したか否かを判定する。項
目が残っている場合、ステップ２６５で再度First_Inte
rsection及びSecond_Intersectionが一致するか否かを
判定する前に、ステップ２７１において、UG_Listの次
の項目がSecond_Intersectionとしての共通部分と共に
取り出される。ステップ２６６において、UG_Listの全
ての項目の考慮が終了したと判定された場合、ステップ
２６７において、G_List_ItemがUG_Listに加えられ、サ
ブルーチンはステップ２６８へと続く。

【０１３０】ステップ２６８において、GPListの全ての
項目の考慮が終了していないと判定される場合、ステッ
プ２６３において、G_Listの次の項目がFirst_ Inters
ectionとしての共通部分と共に取り出され、ステップ２
６４へと続く。これに対して、ステップ２６８におい
て、G_Listの全ての項目の考慮が終了していないと判定
される場合、ステップ２７３において、サブルーチンUG
_List_GENは、UG_Listを出力し、ステップ２７４におい
てリターンする。

【０１３１】サブルーチンGEN-INSTANCE-EXAMINED-INST
ANCESは、図７Ｅのステップ３１０において開始する。
このサブルーチンは、検査済ケースリスト、事例ファイ
ルからの入力事例、及び、検査済事例リストの事例間で
の一般化パターンを見出す。サブルーチンGEN-INSTANCE
-EXAMINED-INSTANCESは、ステップ３１１において、こ
れらを入力として受け取る。

【０１３２】ステップ３１２において、検査済事例リス
トが空か否かを判定し、空の場合、ステップ３１３にお
いてリターンする。検査済事例リストが項目を有する場
合、サブルーチンはステップ３１４へと進む。ここで、
第１の検査済事例リストが、検査済事例リストから取り
出される。ステップ３１５において、サブルーチンGET-
GEN-PATTERNを呼び出し、入力事例と検査済事例リスト
からの事例との間の一般化パターンGen-patternを計算
する。サブルーチンGET-GEN-PATTERNは、図７Ｆのステ
ップ３３０において開始する。

【０１３３】ステップ３１６において、Gen-patternが
見出されたか否かを判定する。Gen-patternが見出され
た場合、ステップ３１７において、サブルーチンは、Ge
n-patternがGPListのいずれかの項目と一致するか否か
を判定する。Gen-patternがGPListのいずれの項目とも
一致しない場合、ステップ３１８において、Gen-patter
nを新規の項目としてGPListに加え、ステップ３１９へ
と続く。ステップ３１７において、Gen-patternがGPLis
tの項目と一致することを見出す場合、サブルーチン
は、ステップ３１９へと続き、ここで検査済事例リスト
の全ての事例の考慮が終了したか否かを判定する。

【０１３４】ステップ３１９において、考慮すべき検査
済事例リストの事例が残っている場合、ステップ３２０
において、検査済事例リストから次の事例を取り出し、
ステップ３１５へと続く。これに対して、事例が残って
いない場合、ステップ３２１において、GPListを出力
し、サブルーチンGEN-INSTANCE-EXAMINED-INSTANCES
は、ステップ３２２においてリターンする。

【０１３５】図７Ｆにおいて、事例ファイルからの入力
事例と検査済事例リストからの１つの事例との間の一般
化パターンGen-patternを識別するためのサブルーチンG
ET-GEN-PATTERNが示される。サブルーチンは、ステップ
３３０において開始し、ステップ３３１において、入力
事例及び検査済事例リストからの事例を入力として取得
する。サブルーチンは、これらの２つの事例を入力とし
てとり、それぞれの特徴を比較する。２つの事例が特徴
の一部を共有する場合、それらの共有の特徴は、Gen-pa
tternの共通部分に含まれることになる。Gen-patternに
おける出現は２となる。これに対し、双方の事例間で特
徴が共有されない場合、空のGen-patternが出力として
生成される。

【０１３６】ステップ３３２において、入力事例からFi
rst-featureという名称の第１の特徴を取り出す。これ
に続くステップ３３３において、検査済事例リストの事
例からSecond-featureという名称の第１の特徴が取り出
される。ステップ３３４において、First-featureがSec
ond-featureと同じであるか否かを判定する。同じであ
る場合、ステップ３３５において、この特徴をGen-patt
ernの共通部分に保有することになり、ステップ３３８
へと続く。ステップ３３４において、特徴が同じでない
と判定された場合、ステップ３３６において、検査済事
例リストからの事例の全ての特徴の考慮が終了したか否
かを判定する。全ての特徴の考慮が終了した場合、サブ
ルーチンはステップ３３８へと続く。終了していない場
合、ステップ３３７において、検査済ケースリストの次
の特徴、即ち、検査済事例リストからの事例を取り出
し、それをSecond-featureと名づけ、ステップ３３４へ
と続く。ステップ３３８において、入力事例の全ての特
徴の考慮が終了したか否かを判定する。全ての特徴の考
慮が終了したと判定される場合、サブルーチンはステッ
プ３４０へと続く。しかし、ステップ３３８において、
入力事例の全ての特徴の考慮が終了していないと判定さ
れた場合、ステップ３３９において、入力事例の次の特
徴を取り出し、それをFirst-featureと名づけ、ステッ
プ３３３へと続く。

【０１３７】ステップ３４０において、Gen-patternが
空であるか否かを判定する。Gen-patternが空でない場
合、Gen-patternの出現は２とされ、サブルーチンGET-G
EN-PATTERNは、ステップ３４２においてGen-patternを
出力として生成した後に、ステップ３４３においてリタ
ーンする。ステップ３４０において、Gen-patternが空
であると判定される場合、サブルーチンGET-GEN-PATTER
Nもステップ３４３においてリターンする。

【０１３８】図４及び図７Ａから図７Ｆの方法は、これ
らの図面の関数及び下位関数を実行する１つ以上の集積
回路などの専用のハードウェアで実現されても良い。こ
のような専用のハードウェアは、グラフィックプロセッ
サ、デジタル信号プロセッサ、又は１つ以上のマイクロ
プロセッサ及び関連メモリを含んでも良い。

【０１３９】以上、本発明の実施形態のいくつかのみを
説明したが、本発明の趣旨から逸脱することなく、変形
及び／又は変更を行なっても良い。実施形態は、例示の
ためのものであり、本発明を限定するものではない。

【図面の簡単な説明】

【図１Ａ】機能的なユーザの挙動パターンを学習し、且
つ特定のコンテキストにおける特定のユーザに適した最
適なイベントシーケンスを計画するためのシステムを概
略的に表現する図。

【図１Ｂ】図１Ａのシステムのアバターエージェントを
詳細に表現する図。

【図２】典型的な電子プログラムガイドからの抜粋を示
す図。

【図３】図１Ａのシステムの表示画面に表示されたアニ
メのキャラクターを示す図。

【図４（ａ）】、

【図４（ｂ）】、

【図４（ｃ）】図１Ｂに示すアバターエージェントの計
画モジュールにより実行される、過去のユーザ挙動パタ
ーン及び決定のコンテキストを考慮してどの決定が最も
適切であるかを判定する方法の流れ図。

【図５】タスクネットワーク内のタスクの概略図。

【図６】コンテキスト的なタスクネットワークの一例の
概略図。

【図７Ａ】、

【図７Ｂ（ａ）】、

【図７Ｂ（ｂ）】、

【図７Ｃ（ａ）】、

【図７Ｃ（ｂ）】、

【図７Ｄ】、

【図７Ｅ】、

【図７Ｆ】図１Ａに示すアバターエージェントの学習モ
ジュールにより実行される、ユーザが下した決定からコ
ンテキスト的な挙動パターンを学習する方法の流れ図。

【図８】本発明の実施例を実施可能な汎用コンピュータ
の概略ブロック図。

【図９Ａ】、

【図９Ｂ（ａ）】

【図９Ｂ（ｂ）】事例のエントリの一例を含む表を示す
図。

【図１０Ａ】、

【図１０Ｂ】、

【図１０Ｃ】図９Ａ及び９Ｂに示す事例から作成される
挙動パターンを含む表を示す図。

【図１１Ａ】、

【図１１Ｂ】コンテキスト化されたレコードのリストの
一例を示す図。

───────────────────────────────────────────────────── フロントページの続き (72)発明者ドンメイツァンオーストラリア国 2113 ニューサウスウェールズ州，ノースライド，トーマスホルトドライブ１キヤノンインフォメーションシステムズリサーチオーストラリアプロプライエタリーリミテツド内 (72)発明者リュザードユヴァルツュクオーストラリア国 2113 ニューサウスウェールズ州，ノースライド，トーマスホルトドライブ１キヤノンインフォメーションシステムズリサーチオーストラリアプロプライエタリーリミテツド内 (72)発明者トーマスフィリップアレクサンダーホワードオーストラリア国 2113 ニューサウスウェールズ州，ノースライド，トーマスホルトドライブ１キヤノンインフォメーションシステムズリサーチオーストラリアプロプライエタリーリミテツド内 (72)発明者ファーハドファドイスラムオーストラリア国 2113 ニューサウスウェールズ州，ノースライド，トーマスホルトドライブ１キヤノンインフォメーションシステムズリサーチオーストラリアプロプライエタリーリミテツド内 (72)発明者マイケルアレキサンダーオールドフィールドオーストラリア国 2113 ニューサウスウェールズ州，ノースライド，トーマスホルトドライブ１キヤノンインフォメーションシステムズリサーチオーストラリアプロプライエタリーリミテツド内Ｆターム(参考） 5C061 BB05 CC05 5C064 BA01 BB10 BC16 BC23 BD03 BD08

Claims

【特許請求の範囲】

【請求項１】指定のコンテキストの中で決定を判定す
る方法において、（ａ）複数のユーザ挙動パターンを受
信する工程であって、各々の挙動パターンは属性情報、
ユーザ決定及び出現頻度を含む工程と、（ｂ）前記指定
のコンテキストの各属性を前記複数のユーザ挙動パター
ンの属性情報と比較して一致する属性の数を判定する工
程と、（ｃ）前記一致する属性の数に基づいて前記複数
のユーザ挙動パターンの複数のグループを形成する工程
と、（ｄ）前記一致する属性を最も多く有するグループ
に対して決定選択プロセスを実行することにより前記複
数のユーザ挙動パターンから前記指定のコンテキストに
最も適した決定を選択する工程とを有することを特徴と
する方法。
【請求項２】（ｅ）前記複数のグループの各々に対し
て複数のサブグループの各々が固有の属性を有する前記
複数のユーザ挙動パターンのサブグループを形成する工
程を更に有し、前記決定選択プロセスは、前記一致する属性を最も多く
有する前記グループに対して各前記サブグループにおけ
る出現頻度が最も高い前記挙動パターンから決定を選択
することを特徴とする請求項１記載の方法。
【請求項３】前記ユーザ決定の各々に決定値が割り当
てられ、前記決定選択プロセスは、各サブグループにお
ける出現頻度が最も高い前記挙動パターンの前記決定値
の平均値を計算する計算プロセスを含み、前記挙動パタ
ーンから前記平均値に最も近い決定を選択することを特
徴とする請求項２記載の方法。
【請求項４】前記決定選択プロセスは、複数の決定区
間の定義済みグループから前記平均値に最も近い決定区
間を判定する判定プロセスを含み、前記判定区間は前記
決定値によって定義され、前記判定された決定区間の範
囲内にある前記サブグループから出現頻度が最も高い決
定を選択することを特徴とする請求項３記載の方法。
【請求項５】前記決定選択プロセスは、複数の決定区
間の定義済みグループから前記平均値に最も近い決定区
間を判定する判定プロセスを含み、前記判定区間は前記
決定値によって定義され、前記判定された決定区間の範
囲内にある前記サブグループから特定の決定を選択する
ことを特徴とする請求項３記載の方法。
【請求項６】前記決定選択プロセスで特定の決定を選
択できない場合、前記決定選択プロセスは出現頻度が最
も高い決定を選択することを特徴とする請求項５記載の
方法。
【請求項７】前記決定選択プロセスは、各サブグルー
プにおける出現頻度が最も高い前記挙動パターンから固
有の決定を選択できない場合、決定リストの中の対応す
るエントリの数がより多い決定のうちの１つを選択する
工程を更に有することを特徴とする請求項３記載の方
法。
【請求項８】前記決定選択プロセスは、前記決定リストの中の対応するエントリの数がより多い
固有の決定を選択できない場合、前記最も多数の一致す
る属性に関連付けられた前記サブグループの全てのエン
トリを前記決定リストに加える工程と、一致する属性を次に多く有するグループに関連付けられ
たサブグループと共に前記決定選択プロセスを反復する
工程とを更に有することを特徴とする請求項７記載の方
法。
【請求項９】前記決定選択プロセスは、前記反復工程の実行後に固有の決定を選択できない場
合、前記決定リストの中の挙動パターンの前記決定値の
平均値を計算する工程と、複数の決定区間からなる前記定義済のグループからのど
の決定区間が前記決定リストに対して計算された前記平
均値に最も近いかを判定する工程と、前記決定リストから前記決定区間の範囲内にあり且つ出
現率が最高である決定を選択する工程とを更に有するこ
とを特徴とする請求項８記載の方法。
【請求項１０】指定のコンテキストの中で決定を判定
する方法において、（ａ）複数のユーザ挙動パターンを
受信する工程であって、各々の挙動パターンは割り当て
られた決定値及び出現頻度を有するユーザ決定を含む工
程と、（ｂ）前記指定のコンテキストを前記複数のユー
ザ挙動パターンの各々と比較して、前記複数のユーザ挙
動パターンの各々に対する前記指定のコンテキストとの
共通部分の数を判定する工程と、（ｃ）前記複数のユー
ザ挙動パターンの複数のグループを形成する工程であっ
て、各々のグループは同数の前記共通部分を有する工程
と、（ｄ）前記複数のグループの各々に対して、前記複
数のユーザ挙動パターンの複数のサブグループを形成す
る工程であって、前記複数のサブグループの各々は複数
の固有の共通部分を備える工程と、（ｅ）前記共通部分
を最も多く有するグループに対して、対応する複数のサ
ブグループにおける出現頻度が最高である挙動パターン
に対応する前記決定値の平均値を計算する工程と、
（ｆ）複数の決定区間の定義済みグループから前記平均
値に最も近い決定区間を判定する工程と、（ｇ）前記サ
ブグループから前記判定された決定区間の範囲内で且つ
出現頻度が最高である決定を選択する工程とを有するこ
とを特徴とする方法。
【請求項１１】（ｈ）工程（ｇ）で固有の決定を選択
できない場合、工程（ｇ）で選択された決定のうちの、
決定リストの中の対応するエントリの数がより多い１つ
を選択する工程を更に有することを特徴とする請求項１
０記載の方法。
【請求項１２】（ｉ）工程（ｈ）で固有の決定を選択
できない場合、最も多くの共通部分を有するグループに
関連付けられた前記サブグループの全てのエントリを前
記決定リストに加える工程と、（ｊ）共通部分を次に多
く有するグループに関連付けられたサブグループと共に
工程（ｅ）から（ｉ）を反復する工程とを更に有するこ
と特徴とする請求項１１記載の方法。
【請求項１３】（ｋ）工程（ｊ）で固有の決定を選択
できない場合、前記決定リストの中の挙動パターンの前
記決定値の平均値を計算する工程と、（ｌ）複数の決定
区間から成る前記定義済みのグループからのどの決定区
間が、工程（ｋ）で計算された前記平均値に最も近いか
を判定する工程と、（ｍ）前記決定リストから前記決定
区間の範囲内で且つ出現率が最高である決定を選択する
工程とを更に有することを特徴とする請求項１２記載の
方法。
【請求項１４】前記複数のユーザ挙動パターンの各々
は、前記ユーザ決定が下されたときにコンテキストに共
通するコンテキストデータを含むことを特徴とする請求
項１０記載の方法。
【請求項１５】指定のコンテキストの中で決定を判定
する装置において、複数のユーザ挙動パターンを受信する手段であって、各
々の挙動パターンは属性情報、ユーザ決定及び出現頻度
を含む手段と、前記指定のコンテキストの各属性を前記複数のユーザ挙
動パターンの属性情報と比較して一致する属性の数を判
定する手段と、前記一致する属性の数に基づいて前記複数のユーザ挙動
パターンの複数のグループを形成する手段と、前記一致する属性を最も多く有するグループに対して前
記複数のユーザ挙動パターンから前記指定のコンテキス
トに最も適した決定を選択する決定選択プロセスを実行
する手段とを有することを特徴とする装置。
【請求項１６】前記複数のグループの各々に対して複
数のサブグループの各々が固有の属性を有する前記複数
のユーザ挙動パターンのサブグループを形成する手段を
更に有し、前記決定選択プロセスは、前記一致する属性を最も多く
有する前記グループに対して各前記サブグループにおけ
る出現頻度が最も高い前記挙動パターンから決定を選択
することを特徴とする請求項１５記載の装置。
【請求項１７】前記ユーザ決定の各々に決定値が割り
当てられ、前記決定選択プロセスは、各前記サブグルー
プにおいて出現頻度が最も高い前記挙動パターンの前記
決定値の平均値を計算する計算プロセスを含み、前記挙
動パターンから前記平均値に最も近い決定を選択する請
求項１６記載の装置。
【請求項１８】前記決定選択プロセスは、複数の決定
区間の定義済みグループから前記平均値に最も近い決定
区間を判定する判定プロセスを含み、前記判定区間は前
記決定値によって定義され、前記判定された決定区間の
範囲内にある前記サブグループから出現頻度が最も高い
決定を選択することを特徴とする請求項１７記載の装
置。
【請求項１９】前記決定選択プロセスは、複数の決定
区間の定義済みグループから前記平均値に最も近い決定
区間を判定する判定プロセスを含み、前記判定区間は前
記決定値によって定義され、前記判定された決定区間の
範囲内にある前記サブグループから特定の決定を選択す
ることを特徴とする請求項１７記載の装置。
【請求項２０】前記決定選択プロセスで特定の決定を
選択できない場合、前記決定選択プロセスは出現頻度が
最も高い決定を選択することを特徴とする請求項１９記
載の装置。
【請求項２１】前記決定選択プロセスは、各サブグル
ープにおける出現頻度が最も高い前記挙動パターンから
固有の決定を選択できない場合、決定リストの中の対応
するエントリの数がより多い決定のうちの１つを選択す
る工程を更に有することを特徴とする請求項１７記載の
装置。
【請求項２２】前記決定選択プロセスは、前記決定リストの中の対応するエントリの数がより多い
固有の決定を選択できない場合、前記最も多数の一致す
る属性に関連付けられた前記サブグループの全てのエン
トリを前記決定リストに加える工程と、一致する属性を次に多く有するグループに関連付けられ
たサブグループと共に前記決定選択プロセスを反復する
工程とを更に有することを特徴とする請求項２１記載の
装置。
【請求項２３】前記決定選択プロセスは、前記反復工程の実行後に固有の決定を選択できない場
合、前記決定リストの中の挙動パターンの前記決定値の
平均値を計算する工程と、複数の決定区間からなる前記定義済のグループからのど
の決定区間が前記決定リストに対して計算された前記平
均値に最も近いかを判定する工程と、前記決定リストから前記決定区間の範囲内にあり且つ出
現率が最高である決定を選択する工程とを更に有するこ
とを特徴とす請求項２２記載の装置。
【請求項２４】指定のコンテキストの中で決定を判定
する装置において、複数のユーザ挙動パターンを受信する手段であって、各
々の挙動パターンは割り当てられた決定値及び出現頻度
を有するユーザ決定を含む手段と、前記指定のコンテキストを前記複数のユーザ挙動パター
ンの各々と比較して、前記複数のユーザ挙動パターンの
各々に対する前記指定のコンテキストとの共通部分の数
を判定する手段と、前記複数のユーザ挙動パターンの複数のグループを形成
する手段であって、各々のグループは同数の前記共通部
分を有する手段と、前記複数のグループの各々に対して、前記複数のユーザ
挙動パターンの複数のサブグループを形成する手段であ
って、前記複数のサブグループの各々は複数の固有の共
通部分を備える手段と、前記共通部分を最も多く有するグループに対して、対応
する複数のサブグループにおける出現頻度が最高である
挙動パターンに対応する前記決定値の平均値を計算する
手段と、複数の決定区間の定義済みグループから前記平均値に最
も近い決定区間を判定する手段と、前記サブグループから前記判定された決定区間の範囲内
で且つ出現頻度が最高である決定を選択する手段とを有
することを特徴とする装置。
【請求項２５】前記複数のユーザ挙動パターンの各々
は、前記ユーザ決定が下されたときにコンテキストに共
通するコンテキストデータを含むことを特徴とする請求
項２４記載の装置。
【請求項２６】指定のコンテキストの中で決定を判定
するための、メモリ媒体に記憶されたプログラムにおい
て、複数のユーザ挙動パターンを受信するためのコードであ
って、各々の挙動パターンは属性情報、ユーザ決定及び
出現頻度を含むコードと、前記指定のコンテキストの各属性を前記複数のユーザ挙
動パターンの属性情報と比較して一致する属性の数を判
定するためのコードと、前記一致する属性の数に基づいて前記複数のユーザ挙動
パターンの複数のグループを形成するためのコードと、前記一致する属性を最も多く有するグループに対して前
記複数のユーザ挙動パターンから前記指定のコンテキス
トに最も適した決定を選択する決定選択プロセスを実行
するためのコードとを有することを特徴とするプログラ
ム。
【請求項２７】前記複数のグループの各々に対して複
数のサブグループの各々が固有の属性を有する前記複数
のユーザ挙動パターンのサブグループを形成するための
コードを更に含み、前記決定選択プロセスは、前記一致する属性を最も多く
有する前記グループに対して各前記サブグループにおけ
る出現頻度が最も高い前記挙動パターンから決定を選択
することを特徴とする請求項２６記載のプログラム。
【請求項２８】前記ユーザ決定の各々に決定値が割り
当てられ、前記決定選択プロセスは、各サブグループに
おける出現頻度が最も高い前記挙動パターンの前記決定
値の平均値を計算する計算プロセスを含み、前記挙動パ
ターンから前記平均値に最も近い決定を選択することを
特徴とする請求項２７記載のプログラム。
【請求項２９】前記決定選択プロセスは、複数の決定
区間の定義済みグループから前記平均値に最も近い決定
区間を判定する判定プロセスを含み、前記判定区間は前
記決定値によって定義され、前記判定された決定区間の
範囲内にある前記サブグループから出現頻度が最も高い
決定を選択することを特徴とする請求項２８記載のプロ
グラム。
【請求項３０】前記決定選択プロセスは、複数の決定
区間の定義済みグループから前記平均値に最も近い決定
区間を判定する判定プロセスを含み、前記判定区間は前
記決定値によって定義され、前記判定された決定区間の
範囲内にある前記サブグループから特定の決定を選択す
ることを特徴とする請求項２８記載のプログラム。
【請求項３１】前記決定選択プロセスで特定の決定を
選択できない場合、前記決定選択プロセスは出現頻度が
最も高い決定を選択することを特徴とする請求項３０記
載のプログラム。
【請求項３２】前記決定選択プロセスは、各サブグル
ープにおける出現頻度が最も高い前記挙動パターンから
固有の決定を選択できない場合、決定リストの中の対応
するエントリの数がより多い決定のうちの１つを選択す
る工程を更に有することを特徴とする請求項２８記載の
プログラム。
【請求項３３】前記決定選択プロセスは、前記決定リストの中の対応するエントリの数がより多い
固有の決定を選択できない場合、前記最も多数の一致す
る属性に関連付けられた前記サブグループの全てのエン
トリを前記決定リストに加える工程と、一致する属性を次に多く有するグループに関連付けられ
たサブグループと共に前記決定選択プロセスを反復する
工程とを更に有することを特徴とする請求項３２記載の
プログラム。
【請求項３４】前記決定選択プロセスは、前記反復工程の実行後に固有の決定を選択できない場
合、前記決定リストの中の挙動パターンの前記決定値の
平均値を計算する工程と、複数の決定区間からなる前記定義済のグループからのど
の決定区間が前記決定リストに対して計算された前記平
均値に最も近いかを判定する工程と、前記決定リストから前記決定区間の範囲内にあり且つ出
現率が最高である決定を選択する工程とを更に有するこ
とを特徴とする請求項３３記載のプログラム。
【請求項３５】指定のコンテキストの中で決定を判定
するための、メモリ媒体に記憶されたプログラムにおい
て、複数のユーザ挙動パターンを受信するためのコードであ
って、各々の挙動パターンは割り当てられた決定値及び
出現頻度を有するユーザ決定を含むコードと、前記指定のコンテキストを前記複数のユーザ挙動パター
ンの各々と比較して、前記複数のユーザ挙動パターンの
各々に対する前記指定のコンテキストとの共通部分の数
を判定するためのコードと、前記複数のユーザ挙動パターンの複数のグループを形成
するためのコードであって、各々のグループは同数の前
記共通部分を有するためのコードと、前記複数のグループの各々に対して、前記複数のユーザ
挙動パターンの複数のサブグループを形成するためのコ
ードであって、前記複数のサブグループの各々は複数の
固有の共通部分を備えるコードと、前記共通部分を最も多く有するグループに対して、対応
する複数のサブグループにおける出現頻度が最高である
挙動パターンに対応する前記決定値の平均値を計算する
ためのコードと、複数の決定区間の定義済みグループから前記平均値に最
も近い決定区間を判定するためのコードと、前記サブグループから前記判定された決定区間の範囲内
で且つ出現頻度が最高である決定を選択するためのコー
ドとを有することを特徴とするプログラム。
【請求項３６】前記複数のユーザ挙動パターンの各々
は、前記ユーザ決定が下されたときにコンテキストに共
通するコンテキストデータを含むことを特徴とする請求
項３５記載のプログラム。