JP2003167901A - 協調フィルタリング方法、協調フィルタリング装置及び協調フィルタリングプログラム - Google Patents

Abstract

(57)【要約】 【課題】 ユーザの負担を抑えつつ予測評価値の精度を
向上させることができる協調フィルタリング方法等を提
供する。 【解決手段】 評価データ作成部１０４は、アクセスロ
グ１０１ｂに応じて各々のユーザについて各々のアイテ
ムに対する評価データを作成し、評価データベース１０
１ｃに格納する。予測評価値算出部１０５は、評価デー
タベース１０１ｃ中の評価データに応じて特定のユーザ
が未評価であるアイテムについての予測評価値を求め
る。アイテム推薦部１０６は、求められた予測評価値が
高いアイテムを特定のユーザ宛てに推薦する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ユーザの興味に合
う情報を選択する協調フィルタリング方法、協調フィル
タリング装置及び協調フィルタリングプログラムに関す
る。

【０００２】

【従来の技術】膨大な情報の中からユーザの趣味に合致
する情報を選択する技術として、協調フィルタリングが
知られている。

【０００３】この協調フィルタリングでは、特定の利用
者が未評価である対象について評価値を予測する際に、
評価済の対象についての評価の傾向が似ている（すなわ
ち評価値に相関がある）他のユーザの評価値に基いて予
測評価値を求めている。

【０００４】従来の協調フィルタリングでは、評価値を
予測するための基準となる個々のユーザの評価値データ
として、主に明示的（explicit）な評価データと、暗示
的（implicit）な評価データが用いられている。

【０００５】明示的な評価データとは、予め実施したア
イテム（コンテンツ等の情報）に対するアンケート等に
対して、ユーザが意図的に評価を与えたデータである。
この明示的な評価データの一例としてＥａｃｈＭｏｖｉ
ｅが挙げられる。このＥａｃｈＭｏｖｉｅに置ける評価
データは、図８に示すように、個々のユーザが見た個々
の映画（アイテム）を５段階で評価したデータの集合で
ある。

【０００６】これに対し、暗示的な評価データとは、ユ
ーザが意識することなく得られた評価データである。こ
の暗示的な評価データは、Ｗｅｂページ等のアクセス履
歴、テレビ番組の視聴率調査等によって得られるデータ
である。このような暗示的な評価データは、図９に示す
ように、あるアイテムをユーザが参照したか否かを数値
（参照した場合には“１”、参照していない場合には
“０”）で示したものである。

【０００７】協調フィルタリングでは、上述のように得
られた評価データに基いて、評価データの傾向が類似し
ているユーザをグループ化し、グループ内の他のユーザ
は利用したが当該ユーザが未だ利用していない情報を予
測評価値として求め、予測評価値の高いアイテムをユー
ザに推薦するようになっている。

【０００８】

【発明が解決しようとする課題】しかしながら、上述の
明示的な評価データに応じた協調フィルタリングでは、
得られる予測評価値の精度は高いものの、ユーザが各々
のアイテムに対して評価を行うことが前提となっている
ため、実際に運用する環境ではユーザの負担が重く、現
実的ではない。

【０００９】一方、暗示的な評価データを用いる場合に
は、ユーザに負担をかけることなく評価データを得るこ
とができる反面、例えばユーザのアクセス履歴に基く場
合等では、ユーザに対する情報量が少なく、得られる予
測評価値の精度が低くなってしまうことがある。

【００１０】本発明は、上述のような課題に鑑みてなさ
れたものであり、ユーザの負担を抑えつつ予測評価値の
精度を向上させることができる協調フィルタリング方
法、協調フィルタリング装置及び協調フィルタリングプ
ログラムを提供することを目的とする。

【００１１】

【課題を解決するための手段】上述の問題を解決するた
めに、本発明に係る協調フィルタリング方法は、特定の
ユーザが評価していない評価対象についての予測評価値
を求める協調フィルタリング方法であって、ユーザの行
動履歴に応じた評価対象についての評価を示す暗示的評
価データを取得するステップと、暗示的評価データと，
ユーザの行動による評価の時からの経過時間に応じた評
価情報を求めるステップと、特定のユーザと評価情報の
傾向が類似するユーザを選択するステップと、選択した
ユーザが評価している評価対象についての評価情報に応
じて、特定のユーザの当該評価対象についての予測評価
値を求めるステップとを有することを特徴とする。

【００１２】評価対象には、例えばネットワーク経由で
ユーザの端末装置に提供されるニュース等の文字情報，
着信メロディ，音楽等のコンテンツ等が含まれる。

【００１３】また、暗示的評価データとは、ユーザが意
図的に評価を行わなくても生成されるデータであり、例
えばサーバ装置に対するアクセスログ等が含まれる。

【００１４】また、本発明に係る協調フィルタリング装
置は、特定のユーザが評価していない評価対象について
の予測評価値を求める協調フィルタリング装置であっ
て、評価対象をネットワーク経由でユーザに提供する提
供手段と、各ユーザ毎に対する評価対象の提供履歴に応
じて各ユーザの評価対象に対する評価を示す暗示的評価
データを記録する暗示的評価データ記録手段と、記録し
た暗示的評価データと，ユーザに対する評価対象の提供
の時からの経過時間に応じた評価情報を求める評価情報
算出手段と、特定のユーザと評価情報の傾向が類似する
ユーザを選択するユーザ選択手段と、選択したユーザが
評価している評価対象についての評価情報に応じて、特
定のユーザの当該評価対象についての予測評価値を求め
る予測評価値算出手段とを備えることを特徴とする。

【００１５】また、本発明に係る協調フィルタリングプ
ログラムは、コンピュータに、特定のユーザが評価して
いない評価対象についての予測評価値を求めさせる協調
フィルタリングプログラムであって、ユーザの行動履歴
に応じた評価対象についての評価を示す暗示的評価デー
タを取得するステップと、暗示的評価データと，ユーザ
の行動による評価の時からの経過時間に応じた評価情報
を求めるステップと、特定のユーザと評価情報の傾向が
類似するユーザを選択するステップと、選択したユーザ
が評価している評価対象についての評価情報に応じて、
特定のユーザの当該評価対象についての予測評価値を求
めるステップとを有することを特徴とする。

【００１６】

【発明の実施の形態】本発明は、例えばインターネット
を介して、ニュース等の文字情報，着信メロディ，音楽
等のコンテンツ（アイテム）をインターネット、電子メ
ール等によって推薦する推薦システムに適用することが
できる。

【００１７】（構成）本発明の一実施形態に係る推薦シ
ステムは、例えば図１に示すように、アイテムの提供等
を行うサーバ装置１と、このサーバ装置１とインターネ
ット等のネットワーク２を介して通信を行うことができ
る携帯端末装置３とを備えている。

【００１８】また、この推薦システムは、サーバ装置１
と携帯端末装置３との間の通信プロトコルの変換を行う
ゲートウェイ装置（Ｇ／Ｗ）４と、携帯端末装置３との
間で無線通信を行う基地局５とを備えている。

【００１９】（サーバ構成）サーバ装置１は、例えばＭ
ＰＵ，メモリ，ハードディスクドライブ（ＨＤＤ）１０
１，ネットワークインタフェース（ＮＩＣ）１０２，入
出力手段等を有するパーソナルコンピュータ，ワークス
テーション等の情報処理装置から構成されている。

【００２０】このサーバ装置１では、例えばＭＰＵがＨ
ＤＤ１０１に格納されている制御プログラムを実行する
ことにより、ＨＴＴＰ（Hyper Text Transfer Protoco
l）サーバ１０３，評価データ作成部１０４，予測評価
値算出部１０５，アイテム推薦部１０６及びＳＭＴＰ
（Simple Mail Transfer Protocol）サーバ１０７等と
して機能するようになっている。

【００２１】ＨＴＴＰサーバ１０３は、ネットワーク２
経由で接続される携帯端末装置３等に対して、ニュース
等の文字情報，着信メロディ，音楽等のアイテムをＨＴ
ＴＰプロトコルによって提供する。

【００２２】ＨＤＤ１０１には、ユーザに提供し得るア
イテムを格納するアイテム格納領域１０１ａが設けられ
ている。このアイテム格納領域１０１ａには、ニュース
等の文字情報，着信メロディ，音楽等のアイテムが格納
される。

【００２３】また、ＨＤＤ１０１には、ＨＴＴＰサーバ
１０３によって、ユーザからのアクセスを示すアクセス
ログ１０１ｂが格納される。

【００２４】また、ＨＤＤ１０１には、評価データ作成
部１０４が上述のアクセスログ１０１ｂ内のデータから
作成したユーザ毎の評価データが評価データベース１０
１ｃとして格納される。

【００２５】評価データ作成部１０４は、アクセスログ
１０１ｂ中のデータから各々のユーザがアクセスしたア
イテムの評価データを作成し、評価データベース１０１
ｃに格納する。

【００２６】予測評価値算出部１０５は、各ユーザ毎
に、評価データベース１０１ｃ中の評価データに基いて
ユーザに推薦すべきアイテムを選択するための情報とな
る予測評価値を求め、アイテム推薦部１０６に供給す
る。

【００２７】アイテム推薦部１０６は、供給された予測
評価値に基いてユーザに推薦すべきアイテムを決定す
る。このアイテム推薦部１０６は、例えばＳＭＴＰサー
バ１０７によってユーザに送信するメール、ＨＴＴＰサ
ーバ１０３によって提供する推薦するアイテムを示す画
面を表示するページ記述データ等によって、ユーザにア
イテムを推薦する。

【００２８】（端末構成・動作概要）また、携帯端末装
置３は、携帯電話，パーソナル・デジタル・アシスタン
ト（ＰＤＡ）等の携帯端末装置から構成することができ
る。この携帯端末装置３は、例えばＭＰＵ，メモリ，無
線Ｉ／Ｆ３０１，表示部３０４，入力部３０５，音声Ｉ
／Ｆ３０６等を有している。この携帯端末装置３では、
例えばＭＰＵがメモリに格納されている制御プログラム
を実行することにより、Ｗｅｂブラウザ３０２，メーラ
３０３，制御部３０９等が機能するようになっている。

【００２９】無線Ｉ／Ｆ３０１は、例えば既存のＷｅｂ
ブラウザ機能等を備えたデジタルセルラー電話システム
と同様の手順で、基地局５との間で無線通信を行うよう
になっている。この無線Ｉ／Ｆ３０１は、基地局５から
受信した信号を復調し、受信データとして制御部３０９
に供給すると共に、制御部３０９からの送信データに応
じて送信信号を形成して基地局５に送出している。

【００３０】この無線Ｉ／Ｆ３０１と制御部３０９との
間のデータは、例えば呼の制御等を行う制御データと、
通話用の音声データと、データ通信用のデータ等が多重
化されたデータである。制御部３０９は、音声データ等
を多重化して無線Ｉ／Ｆ３０１に供給する送信データを
形成し、無線Ｉ／Ｆ３０１からの受信データを分離して
音声データ、データ通信用のデータ等に分離する。

【００３１】制御部３０９は、基地局５との間で呼の設
定等の制御を行うようになっている。この制御は、既存
のデジタルセルラー電話と同様に、所定の制御データの
送受信によって行うようになっている。

【００３２】また、送信するデータ通信用のデータは、
例えばＷｅｂブラウザ３０２、メーラ３０３等が生成
し、制御部３０９に供給する。また、受信したデータ通
信用のデータは、制御部３０９が、Ｗｅｂブラウザ３０
２，メーラ３０３に振り分けて供給する。

【００３３】これらのＷｅｂブラウザ３０２，メーラ３
０３が送受信するデータ通信用のデータのフォーマット
は、Ｇ／Ｗ４との間で設定された所定のフォーマットに
従って構成されている。Ｇ／Ｗ４は、このフォーマット
と、ネットワーク２において用いられているデータのフ
ォーマット（例えばＴＣＰ／ＩＰ）パケットとの間の変
換を行う。これにより、例えばＷｅｂブラウザ３０２と
ＨＴＴＰサーバ１０３の間，メーラ３０３とＳＭＴＰサ
ーバ１０７からのメールを受信するＰＯＰ（Post Offic
e Protocol）サーバ等との間で通信を行うことができる
ようになっている。

【００３４】制御部３０９は、例えばＷｅｂブラウザ３
０２によってＨＴＴＰサーバ１０３から取得したＨＴＭ
Ｌ（Hyper Text Markup Language）形式あるいはＸＭＬ
（eXtensible Markup Language）形式等のページ記述デ
ータに応じた画像データを形成する機能を有している。
また、制御部３０９は、メーラ３０３によって取得した
メールのメッセージ等に応じた画像データを形成する機
能を有している。さらに、制御部３０９は、発信、着信
等の当該携帯端末装置３の動作状態に応じた画像データ
を形成する機能も有している。表示部３０４に供給する
画像データは、当該携帯端末装置３の動作状態、入力部
３０５を介して入力されるユーザからの指示等に応じて
制御部３０９が適宜選択するようになっている。制御部
３０９は、このように選択した画像データに応じて表示
部３０４を駆動する。これにより、表示部３０４には、
動作状態等に応じた画像が表示される。

【００３５】ところで、送信する音声データは、ＭＩＣ
３０７からの音声信号に応じて音声Ｉ／Ｆ３０６が生成
し、制御部３０９に供給する。また、受信した音声デー
タは、制御部３０９から音声Ｉ／Ｆ３０６に供給され
る。音声Ｉ／Ｆ３０６は、マイク（ＭＩＣ）３０７から
の音声信号のアナログ／デジタル変換，符号化等の処
理、制御部３０９から供給された音声データに応じたス
ピーカ３０８の駆動等を実行する。

【００３６】また、この携帯端末装置３では、基地局５
からの着信に応じてメロディを発生することができるよ
うになっている。このために、制御部３０９は、着信メ
ロディを発生するためのデータを保持する着信メロディ
保持部３０９ａを備えている。この着信メロディ保持部
３０９ａには、例えばメロディを音階，長さ，強度等で
表すデータ（メロディデータ）が格納されている。制御
部３０９は、このメロディデータに応じて音声データを
生成する機能を有している。この生成機能は、メロディ
データに応じて音声データを生成するソフトウェアとし
て実装することもできるし、同様の機能を有するハード
ウェアとして実装することもできる。

【００３７】このようにメロディデータに応じて生成さ
れた音声データは、着信時に制御部３０９から音声Ｉ／
Ｆ３０６に供給される。音声Ｉ／Ｆ３０６は供給された
音声データに応じてスピーカ３０８を駆動し、メロディ
データに応じた着信メロディが発生される。

【００３８】さらに、この携帯端末装置３では、上述の
ＨＴＴＰサーバ１０３がアイテムとして提供するメロデ
ィデータをダウンロードして上述の着信メロディ保持部
３０９ａに格納することができるようになっている。

【００３９】このダウンロードでは、まず、ユーザが入
力部３０５を操作して、 例えばＨＴＴＰサーバ１０３
が提供するページ記述データ中で定義されているメロデ
ィデータのリストから所望のメロディデータを選択す
る。このようにユーザから特定のメロディデータが指示
されると、Ｗｅｂブラウザ３０２は、選択されたメロデ
ィーデータを示すデータをＨＴＴＰサーバ１０３宛てに
送信する。このようなデータを受信すると、ＨＴＴＰサ
ーバ１０３は、指示されたメロディデータをアイテム格
納領域１０１ａから読み出し、ＮＩＣ１０２経由で携帯
端末装置３宛てに送信する。このように送信されたデー
タは、ネットワーク２，Ｇ／Ｗ４，基地局５，無線Ｉ／
Ｆ３０１，制御部３０９を経由してＷｅｂブラウザ３０
２に供給される。Ｗｅｂブラウザ３０２は、供給された
メロディデータを着信メロディ保持部３０９ａに格納す
る。これにより、ＨＴＴＰサーバ１０３からダウンロー
ドした、メロディデータに応じた着信メロディを発生し
得る状態となる。

【００４０】（動作詳細）ところで、携帯端末装置３で
は、携帯性の観点等から表示部３０４に表示可能な文字
数が制限されている。このため、ＨＴＴＰサーバ１０３
が提供するメロディデータの総数が多くなると、上述の
ようなダウンロードするメロディデータを選択するため
の操作は、例えばメロディの分野，アーティスト毎等の
複数回の選択が必要になる等、複雑になってしまう。

【００４１】このため、この推薦システムでは、予測評
価値算出部１０５が、上述の評価データ作成部１０４に
よって作成した評価データベース１０２ｃに応じて、ユ
ーザの興味のありそうなメロディデータ（アイテム）を
予測し、予測したアイテムをアイテム推薦部１０６によ
ってユーザに推薦するようになっている。

【００４２】この推薦システムでは、このユーザの興味
のありそうなアイテムの予測は、過去のユーザのアクセ
ス履歴等に時間情報を考慮して求めた評価データに基い
て行うようになっている。同種のアイテムを利用するユ
ーザは、当該アイテムを利用する時期によって異なる傾
向を有することが考えられる。このため、時間情報を考
慮して評価データに基いて推薦するアイテムの予測を行
うことにより、ユーザの傾向をより正確に反映した精度
の高い予測を行うことができる。

【００４３】また、この推薦システムでは、ユーザにア
イテムを推薦する際に、推薦するアイテムを容易にアク
セスあるいはダウンロードできるように、当該アイテム
にアクセスするための情報（例えば当該アイテムのアド
レス等を示す情報等）を一緒に提供する。このように、
推薦するアイテムのアドレスを示す情報を、ユーザに提
供することにより、ユーザが推薦されたアイテムを容易
にダウンロードし得る状態となる。

【００４４】（時間情報を考慮した評価データの作成）
アクセスログ１０１ｂにはＨＴＴＰサーバ１０３によっ
て、例えば図２に示すように、個々のアクセスを識別す
るためのＩＤ，ＨＴＴＰサーバ１０３に対するアクセス
の時刻，アクセス元のＩＰアドレス，アクセスしたユー
ザを識別するための識別情報（ユーザＩＤ），アクセス
対象のアイテム等が対応付けられて記録されている。

【００４５】評価データ作成部１０４は、予めアクセス
ログ１０１ｂを参照して、各々のユーザ毎に、アクセス
（あるいはダウンロード）した個々のアイテムと、各々
のアイテムにアクセスした時間情報を考慮した評価値を
求め、評価データベース１０１ｃに格納する。

【００４６】この評価値は、個々のアイテムに対するア
クセスの有無を示す数値（アクセスがある場合には
“１”、アクセスがない場合には“０”）に、時間情報
を示す係数ｌ_ｉを乗じて求める。

【００４７】この係数ｌ_ｉは、ユーザの現在の興味等を
正確に評価すべく、現在の時刻を１とし、時間を遡るに
従って値が減少する関数、例えば半減期関数，時間の経
過に従って減少する１次関数あるいはさらに高次の関数
等を用いて求める。

【００４８】係数ｌ_ｉとして半減期関数を用いる場合に
は、例えば図３に示すように、次式に従って求めること
ができる。

【００４９】

【数１】 ここで、ｔ_ｎは現在の時刻、ｔ_ｉはユーザがアイテムｉ
（ｉ＝１，２，…，ｍ−１，ｍ）にアクセス（あるいは
ダウンロード）した時刻、τは係数ｌ_ｉの値が０．５に
なる時間（いわゆる半減期）を示している。

【００５０】上述のように、アクセスログ１０１ｂから
求めた評価データベース中の個々のアイテムの評価値
は、例えば図４及び図５に示すように、ユーザが個々の
アイテムにアクセスした時刻からの経過時間（アクセス
時刻と現在の時刻の差）を反映した値となっている。例
えば上述の図２中の符号ａに対応する図４及び図５中の
ユーザＩＤが１であるユーザ（以下、単にユーザ１とい
う。）のアイテム２の評価値“０．４”は、これより後
にアクセスされた図２中の符号ｂに対応するユーザＩＤ
がｎ−２であるユーザ（以下、単にユーザｎ−２とい
う。）のアイテム２の評価値“０．５”より小さくなっ
ている。

【００５１】また、予測評価値算出部１０５は、上述の
ように求められた評価データベース１０１ｃ中の各評価
値を、例えば学習理論で用いられているメモリベースア
ルゴリズム（Memory-based Algorithm）あるいはメモリ
ベース推論等の計算式に当てはめ、ユーザが評価してい
ないアイテムについての予測評価値を求める。

【００５２】具体的には、このような予測評価値では、
例えば図６に示すように、まず、あるユーザを特定のユ
ーザとし、特定のユーザが評価しているアイテムと同じ
アイテムに対する評価値を有するユーザであって当該特
定のユーザの評価値との相関が高いユーザを選択する
（Ｓ１）。このユーザの選択では、例えば特定のユーザ
と他のユーザによる個々のアイテムの評価値を比較し、
個々のアイテムの評価値毎の相関を求め、例えば相関が
高い場合には高い値として評価する。さらに、ユーザ毎
に全てのアイテムについての相関を示す値の総和を求め
る。このようにして求めた総和が大きいユーザを、例え
ば総和が大きい順に所定数選択する。選択するユーザの
数は、例えばユーザ数と予測評価値の精度の関係を実験
で求め、必要な精度，演算負荷等に応じて適宜設定す
る。

【００５３】例えば上述の図５に示す状況では、ユーザ
１の評価値の傾向と、ユーザｎ−２の評価値の傾向が似
ている。このため、ユーザｎ−２が、ユーザ１と相関が
高いユーザとして選択される。なお、このユーザｎ−２
の他にも相関が高いユーザが所定数選択される。

【００５４】次に、選択した所定数のユーザの内、上述
の特定のユーザ（特定ユーザ）が評価していないアイテ
ムについて選択しているユーザを選択し（Ｓ２）、当該
選択したユーザ（選択ユーザ）による当該アイテムの評
価値に応じて特定ユーザの予測評価値を求める（Ｓ
３）。

【００５５】上述のメモリベースアルゴリズムによって
求められる予測評価値は、ユーザａ（特定ユーザ）のア
イテムｊに対する予測評価値をＰ_ａ，ｊとすると、例え
ば次式で示される。

【００５６】

【数２】 ここで、ｎは上述のように選択した選択ユーザの数であ
り、ｖ_ａ（バー）はユーザａの評価値の平均（平均評価
値）であり、ｗ（ａ，ｉ）はユーザａとユーザｉ（ある
選択ユーザ）の相関を表す値（相関係数）であり、ｖ
_ｉ，ｊはユーザｉのアイテムｊに対する評価値である。
また、Ｋはｗ（ａ，ｉ）の総和が１となるように、すな
わち次式を満たすように設定された正規化係数である。

【００５７】

【数３】 また、ユーザａとユーザｉの相関を表す相関係数ｗ
（ａ，ｉ）は、例えば次式に示すコサイン値による類似
度として求めることができる。

【００５８】

【数４】 この数４式中、右辺分子のベクトルｖ_ａはユーザａの評
価値を示すベクトル｛ベクトルｖ_ａ＝（ｖ_ａ１，
ｖ_ａ２，…，ｖ_ａｋ）｝であり、ベクトルｖ_ｉはユーザ
ｉの評価値を示すベクトル｛ベクトルｖ_ｉ＝（ｖ_ｉ１，
ｖ_ｉ２，…，ｖ_ｉｋ）｝であり、ベクトルｖ_ａ・ベクト
ルｖ_ｉは、ベクトルｖ_ａとベクトルｖ_ｉの内積である。
また、右辺分母の｜ベクトルｖ_ａ｜及び｜ベクトルｖ_ｉ
｜は各々ベクトルｖ_ａ及びベクトルｖ_ｉのユークリッド
長である。

【００５９】このようなメモリベースアルゴリズムによ
って、例えば上述の図５に示す状況では、ユーザ１と相
関が高いユーザとして選択されたユーザｎ−２等による
アイテムｍの評価値から求められたユーザ１の予測評価
値が１．０となっている。

【００６０】ところで、上述の数２式によって求められ
る予測評価値は、数２式の右辺第２項に示されるよう
に、特定ユーザとの相関係数に応じて個々の選択ユーザ
の評価値を重み付けして加算した値に応じて求められて
いるため、相関の高いユーザの評価値が予測評価値によ
り大きく反映されることになり、予測評価値の精度が高
くなる。

【００６１】なお、上述の数２式の代わりに、単純に選
択ユーザのアイテムに対する評価値の平均を予測評価値
とすることもできる。この場合、上述の数２式によって
予測評価値を求める場合に比較して精度は低下するもの
の、予測評価値を求めるための演算負荷を低減すること
ができる。

【００６２】以上のように特定ユーザの未評価アイテム
についての予測評価値を求めると、予測評価値算出部１
０５は、未評価アイテムがある他のユーザを特定のユー
ザとし、上述と同様な処理（Ｓ１〜Ｓ４）を繰り返し、
全てのユーザの未評価アイテムについて予測評価値を求
める。

【００６３】全てのユーザの未評価アイテムの予測評価
値が求められると、アイテム推薦部１０６は、ユーザ毎
に、例えば予測評価値が高い順に所定数のアイテムを推
薦する。あるいは、予め所定の閾値を決めておき、予測
評価値が当該閾値を超えたアイテムを推薦するようにし
てもよい。

【００６４】具体的なアイテムの推薦は、上述のよう
に、例えばＳＭＴＰサーバ１０７による当該ユーザ宛て
のメールの送信あるいはＨＴＴＰサーバ１０３による推
薦するアイテムを示すページ記述データの提供等によっ
て行う。

【００６５】アイテム推薦部１０６は、メールによって
アイテムを推薦する場合には、例えば推薦するアイテム
を示す文字，当該アイテムのアドレスの記述等を含むメ
ールのメッセージを生成し、ＳＭＴＰサーバ１０７によ
ってユーザ宛てに送信させる。また、ページ記述データ
によってアイテムを推薦する場合には、アイテム推薦部
１０６は、例えば推薦するアイテムを示す文字，当該ア
イテムのアドレスの記述等を含むページ記述データを生
成し、当該ユーザのユーザＩＤと共に、ＨＴＴＰサーバ
１０３に供給する。ＨＴＴＰサーバ１０３は、例えば当
該ユーザからのアクセスがあると、アイテム推薦部１０
６から供給されたページ記述データを当該ユーザの携帯
端末装置３宛てに送信する。

【００６６】（効果）上述のように、この推薦システム
では、ユーザによるアイテムのアクセス履歴，ダウンロ
ード履歴等に基いて求めた暗示的な評価データを用い
て、ユーザに推薦するアイテムを決定しているので、ユ
ーザの負担は非常に軽い。

【００６７】また、この推薦システムでは、ユーザ毎に
個々のアイテムに対するアクセス時刻からの時間の経過
に従って減少する評価値を求めることにより、アクセス
履歴，ダウンロード履歴に相関の高い評価値を求めるこ
とができる。

【００６８】このような評価値を用いてユーザに推薦す
るアイテムを決定することにより、ユーザの傾向をより
正確に反映したアイテムの推薦を行うことができ、協調
フィルタリングの精度を向上させることができる。

【００６９】また、上述のように、この推薦システムで
は、ユーザにアイテムを推薦する際に、推薦するアイテ
ムにアクセスするための情報（例えば推薦するアイテム
のアドレス等）をユーザに提供することにより、特に、
携帯電話装置，ＰＤＡ等の表示能力が制限された携帯端
末装置を用いて、コンテンツをダウンロードする際の手
数を大幅に削減することができる。

【００７０】（変形例）上述の説明では、上述の図５に
示すように、評価データ作成部１０４が予めアクセスロ
グ１０１ｂに応じてユーザ毎の個々のアイテムの評価値
を求めておくようにしていたが、例えば図７に示すよう
に、評価データ作成部１０４は、単に、アクセスログ１
０１ｂからユーザ毎の個々のアイテムに対するアクセス
の有無及びアクセス時刻を評価データベース１０１ｃに
格納しておくようにしてもよい。なお、この図７は、説
明の便宜上、上述の図５に示す状況とは完全には対応し
ていない。

【００７１】この場合は、予測評価値算出部１０５が予
測評価値を求める際に、現在の時刻と評価データベース
１０１ｃ中のアクセス時刻に応じて上述の数１式により
係数を求め、求めた係数を乗じた評価値に応じて、予測
評価値を求める。

【００７２】例えばこの図７に示す状況では、ユーザ１
の評価値の傾向とユーザｎ−２等の評価値の傾向が似て
いる。このため、ユーザｎ−２等が、ユーザ１と相関が
高いユーザとして選択される。この後、ユーザ１が評価
していないアイテムｍに対する予測評価値が、上述と同
様に、ユーザｎ−２等がアイテムｍにアクセスした時刻
に応じた値として求められる。

【００７３】図７に示す状況では、ユーザｎ−２等がア
イテムｍにアクセスした時刻が比較的最近である。この
ため、ユーザｎ−２等がアイテムｍにアクセスした時刻
に応じて上述の数１式から求めた係数が大きくなってい
る。これにより、ユーザ１の予測評価値が大きな値とな
って、ユーザ１が近い将来、アイテムｍにアクセスする
と予測することができる。

【００７４】なお、上述の説明では、アイテムの例とし
て着信メロディを示して説明したが、本発明はこれに限
定されるものではなく、例えばニュース等の文字情報，
着信メロディ，待ち受け画面，音楽等のコンテンツ（ア
イテム）を推薦する推薦システムに本発明を適用するこ
とができる。これらのアイテムを提供する際には、例え
ば上述のＨＴＴＰサーバ１０３あるいは特別なサーバプ
ロセスを用いるが、上述と同様なアクセスログを記録し
ておくことにすれば、このアクセスログに応じて上述と
同様にアイテムの推薦を行うことができる。

【００７５】また、上述の説明では、無線通信を介して
サーバ装置に接続された携帯端末装置によってサーバ装
置が提供するアイテムを利用する構成とした例について
示した。しかしながら、本発明は、この例に限定される
ものではなく、例えば有線ネットワークを介してサーバ
装置に接続されたパーソナルコンピュータ、ワークステ
ーション等の情報処理装置によってサーバ装置が提供す
るアイテムを利用する構成とする等、本発明の技術的思
想の範囲内で、適宜構成を変更することができる。

【００７６】

【発明の効果】本発明では、ユーザの行動履歴に応じた
評価対象についての評価を示す暗示的評価データと，ユ
ーザの行動による評価の時からの経過時間に応じた評価
情報を求め、特定のユーザと評価情報の傾向が類似する
ユーザを選択し、選択したユーザが評価している評価対
象についての評価情報に応じて、特定のユーザの当該評
価対象についての予測評価値を求めているため、従来の
協調フィルタリングにおける評価データでは考慮されて
いなかった時間情報を考慮することができる。

【００７７】同じような行動をしても当該行動の時期が
異なるユーザは、異なる傾向を有すると考えられるた
め、上述のように時間情報を考慮して求めた評価情報を
用いることにより、より傾向の近いユーザを選択するこ
とができる。

【００７８】このように選択したユーザの評価情報に応
じて、特定のユーザの予測評価値を求めることにより、
求められる予測評価値の精度を向上させることができ
る。

【００７９】また、本発明では、ユーザの行動履歴に応
じた評価対象についての評価を示す暗示的評価データに
基いて予測評価値を求めているため、ユーザは意識的に
評価を行う必要がない。このため、ユーザの負担を抑え
ることができる。

【図面の簡単な説明】

【図１】本発明の一実施形態に係る推薦システムの構成
を示すブロック図である。

【図２】前記推薦システムを構成するＨＴＴＰサーバが
生成するアクセスログの一例を示す図である。

【図３】前記推薦システムを構成する評価データ作成部
が用いる係数の一例を示す図である。

【図４】前記評価データ作成部が作成する評価データベ
ースの一例を示す図である。

【図５】前記評価データ作成部が作成する評価データベ
ースの一例を概念的に示す図である。

【図６】前記評価システムを構成するアイテム推薦部に
よる予測評価値を求める処理を示すフローチャートであ
る。

【図７】前記評価データ作成部が作成する評価データベ
ースの他の例を概念的に示す概略図である。

【図８】従来の協調フィルタリングにおいて用いられる
明示的な評価データの例を示す図である。

【図９】従来の協調フィルタリングにおいて用いられる
暗示的な評価データの例を示す図である。

【符号の説明】

１…サーバ装置、１０１…ＨＤＤ、１０１ａ…アイテム
格納領域、１０１ｂ…アクセスログ、１０１ｃ…評価デ
ータベース、１０２…ＮＩＣ、１０３…ＨＴＴＰサー
バ、１０４…評価データ作成部、１０５…予測評価値算
出部、１０６…アイテム推薦部、１０７…ＳＭＴＰサー
バ

───────────────────────────────────────────────────── フロントページの続き (72)発明者 田中 卓弥 埼玉県上福岡市大原２丁目１番15号 株式 会社ケイディーディーアイ研究所内 (72)発明者 井ノ上 直己 埼玉県上福岡市大原２丁目１番15号 株式 会社ケイディーディーアイ研究所内 Ｆターム(参考） 5B075 NK06 PR03 PR08

Claims (5)

【特許請求の範囲】
1. 【請求項１】 特定のユーザが評価していない評価対象
   についての予測評価値を求める協調フィルタリング方法
   であって、 ユーザの行動履歴に応じた評価対象についての評価を示
   す暗示的評価データを取得するステップと、 前記暗示的評価データと，前記ユーザの行動による評価
   の時からの経過時間に応じた評価情報を求めるステップ
   と、 前記特定のユーザと前記評価情報の傾向が類似するユー
   ザを選択するステップと、 該選択したユーザが評価している評価対象についての前
   記評価情報に応じて、前記特定のユーザの当該評価対象
   についての予測評価値を求めるステップとを有すること
   を特徴とする協調フィルタリング方法。
2. 【請求項２】 前記予測評価値に応じて当該予測評価値
   に対応する前記評価対象を前記特定のユーザに推薦する
   ステップを有することを特徴とする請求項１記載の協調
   フィルタリング方法。
3. 【請求項３】 特定のユーザが評価していない評価対象
   についての予測評価値を求める協調フィルタリング装置
   であって、 評価対象をネットワーク経由でユーザに提供する提供手
   段と、 前記各ユーザ毎に対する評価対象の提供履歴に応じて各
   ユーザの評価対象に対する評価を示す暗示的評価データ
   を記録する暗示的評価データ記録手段と、 前記記録した暗示的評価データと，前記ユーザに対する
   評価対象の提供の時からの経過時間に応じた評価情報を
   求める評価情報算出手段と、 前記特定のユーザと前記評価情報の傾向が類似するユー
   ザを選択するユーザ選択手段と、 該選択したユーザが評価している評価対象についての前
   記評価情報に応じて、前記特定のユーザの当該評価対象
   についての予測評価値を求める予測評価値算出手段とを
   備えることを特徴とする協調フィルタリング装置。
4. 【請求項４】 前記予測評価値算出手段が求めた予測評
   価値に応じて当該予測評価値に対応する前記評価対象を
   前記特定のユーザに推薦する推薦手段を備えることを特
   徴とする請求項３記載の協調フィルタリング装置。
5. 【請求項５】 コンピュータに、特定のユーザが評価し
   ていない評価対象についての予測評価値を求めさせる協
   調フィルタリングプログラムであって、 ユーザの行動履歴に応じた評価対象についての評価を示
   す暗示的評価データを取得するステップと、 前記暗示的評価データと，前記ユーザの行動による評価
   の時からの経過時間に応じた評価情報を求めるステップ
   と、 前記特定のユーザと前記評価情報の傾向が類似するユー
   ザを選択するステップと、 該選択したユーザが評価している評価対象についての前
   記評価情報に応じて、前記特定のユーザの当該評価対象
   についての予測評価値を求めるステップとを有すること
   を特徴とする協調フィルタリングプログラム。