JP2003233622A - Content recommendation system, content recommendation device, content recommendation method, program therefor, and program storage medium therefor - Google Patents

Content recommendation system, content recommendation device, content recommendation method, program therefor, and program storage medium therefor

Info

Publication number
JP2003233622A
JP2003233622A JP2002034940A JP2002034940A JP2003233622A JP 2003233622 A JP2003233622 A JP 2003233622A JP 2002034940 A JP2002034940 A JP 2002034940A JP 2002034940 A JP2002034940 A JP 2002034940A JP 2003233622 A JP2003233622 A JP 2003233622A
Authority
JP
Grant status
Application
Patent type
Prior art keywords
attribute
content
value
user
value level
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2002034940A
Other languages
Japanese (ja)
Other versions
JP3975768B2 (en )
JP2003233622A5 (en )
Inventor
Eiichi Naito
Jun Ozawa
栄一 内藤
順 小澤
Original Assignee
Matsushita Electric Ind Co Ltd
松下電器産業株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date

Links

Abstract

<P>PROBLEM TO BE SOLVED: To provide a means that recommends contents with a light load on arithmetic processing and in accordance with the probability of deviation of a user's taste. <P>SOLUTION: Consideration levels are added to attributes of a database and to attribute values. The consideration levels are set by stereotype selection and questionnaire input. From probability based on the consideration levels, recommended contents are selected. The consideration levels are updated based on a user evaluation of the recommended contents. <P>COPYRIGHT: (C)2003,JPO

Description

【発明の詳細な説明】 【0001】 【発明の属する技術分野】本発明は、多量のコンテンツの中からユーザが求めるものを容易に閲覧可能とするためのコンテンツ推薦システム、コンテンツ推薦装置、コンテンツ推薦方法、そのプログラム、および、そのプログラム記憶媒体に関する。 BACKGROUND OF THE INVENTION [0001] [Technical Field of the Invention The present invention relates to a content recommendation system for easily viewable what users demand from a large amount of content, the content recommendation device, the content recommendation mETHOD, program, and a program storage medium. 【0002】 【従来の技術】近年、インターネットの普及に伴い、W [0002] In recent years, with the spread of the Internet, W
WW(World Wide Web)上にHTML HTML on the WW (World Wide Web)
(Hyper Text Markup Langua (Hyper Text Markup Langua
ge)で記述されたホームページが掲載されるようになるなど、一般ユーザが多量の情報にアクセスすることが可能となっている。 Etc. The described homepage ge) is to be published, a general user has become possible to access a large amount of information. また、移動電話においても着信メロディーなどのコンテンツを容易にダウンロードし利用できるようになっている。 In addition, it is also to be able to easily download and use the content, such as ringtones in the mobile phone. ユーザにとって、多量のコンテンツにアクセスできるのは便利であるが、逆に多量のコンテンツの中から自分の求めるコンテンツを見つけ出すことが大変な作業となっている。 For the user, but is a convenient access to a large amount of content, it is to find the content that their petition from among the large amount of content in the reverse has become a daunting task. このため、例えば、特開平9−54780号公報には、ユーザが提供された情報に評価値を与え、システムの評価値との差分から関数のパラメータを学習し、ユーザの求める情報を選択する方法が開示されている。 METHOD Thus, for example, to JP-A-9-54780, a score value to the information the user is provided, to learn the parameters of the function from the difference between the evaluation value of the system to select the information required by the user There has been disclosed. 【0003】 【発明が解決しようとする課題】しかしながら、従来の技術では、ユーザに推薦するコンテンツを選択するために全コンテンツの評価値を求める必要があり、演算処理の負担が大きかった。 [0003] The present invention is, however, in the prior art, it is necessary to obtain the evaluation values ​​of all contents in order to select a content to be recommended to the user, the burden of processing is large. また、選択されるコンテンツは評価値の上位のものだけであるので、ユーザの興味があるにもかかわらず上位ではないようなコンテンツは推薦され得ず、ユーザの嗜好以上に推薦するコンテンツが偏るという問題点があった。 Further, since the content to be selected is limited to a higher evaluation value, content that is not in the upper spite of interest of the user is not obtained is recommended, that biased content to be recommended to the above user's preference there is a problem. 【0004】本発明は、かかる点に鑑み、演算処理の負担が軽く、ユーザの嗜好の偏りの確率に応じて、ユーザの求める情報を推薦可能とするコンテンツ推薦システム、コンテンツ推薦装置およびコンテンツ推薦方法を提供することを目的とする。 [0004] In view of this point, lighter load of arithmetic processing in accordance with the probability of a deviation of the preference of the user, the content recommendation system capable recommendation information required by the user, the content recommendation device and a content recommendation method an object of the present invention is to provide a. 【0005】 【課題を解決するための手段】請求項1の本発明は、推薦対象である複数のコンテンツを蓄積・推薦するサーバと、サーバから推薦されたコンテンツをユーザに提示する端末からなるコンテンツ推薦システムであって、前記コンテンツ各々に関連付けられた一つ以上の属性の属性値からなる特徴量を記憶しているコンテンツ特徴量データベースと、ユーザの前記各属性の重視度を記憶している属性重視度データベースと、ユーザの前記各属性の複数の属性値の重視度を記憶している属性値重視度データベースと、前記各属性の重視度および前記各属性値の重視度とから前記特徴量の検索条件を決定する検索条件決定手段と、前記検索条件に基づいて推薦するコンテンツを選択するコンテンツ選択手段と、選択されたコンテンツを [0005] According to an aspect of the present invention of claim 1, a server for storing and recommending a plurality of contents are recommended target content consisting terminal presenting content that is recommended from the server to the user a recommendation system, the content feature quantity database storing feature quantity consisting of the attribute values ​​of one or more attributes associated with each content, the attribute that stores the value level of each attribute of the user a value level database, and an attribute value value level database for storing emphasis of the plurality of attribute values ​​for each attribute of the user, said from the emphasis of the emphasis level and the attribute values ​​of each attribute of the feature amount a search condition determining means for determining a search condition, a content selection means for selecting a content to be recommended on the basis of the search condition, the selected content ユーザに提示する手段とを有することを特徴とするコンテンツ推薦システムである。 A content recommendation system characterized by a means for presenting to the user. 【0006】請求項2の本発明は、推薦対象である複数のコンテンツからコンテンツを推薦するコンテンツ推薦装置であって、前記コンテンツ各々に関連付けられた一つ以上の属性の属性値からなる特徴量を記憶しているコンテンツ特徴量データベースと、ユーザの前記各属性の重視度を記憶している属性重視度データベースと、ユーザの前記各属性の複数の属性値の重視度を記憶している属性値重視度データベースと、前記各属性の重視度および前記各属性値の重視度とから前記特徴量の検索条件を決定する検索条件決定手段と、前記検索条件に基づいて推薦するコンテンツを選択するコンテンツ選択手段とを有することを特徴とするコンテンツ推薦装置である。 [0006] The present invention of claim 2, a content recommendation apparatus that recommends content from a plurality of contents is recommendable target, the feature quantity consisting of the attribute values ​​of one or more attributes associated with the content of each a content feature quantity database which stores the attribute value level database for storing emphasis degree of said attributes of a user, emphasis attribute value that stores the value level of the plurality of attribute values ​​for each attribute of the user and degree database, the search condition determining means for determining from the value level of the search condition of the feature amount of emphasis degree and each attribute value of each attribute, the content selection means for selecting a content to be recommended on the basis of the search condition a content recommendation device characterized in that it comprises and. 【0007】請求項6の本発明は、前記検索条件決定手段は、前記属性の重視度に比例した確率で属性を選択し、該属性について前記属性値の重視度に比例した確率で属性値を選択し、該属性の該属性値を検索条件とすることを特徴とする請求項2に記載のコンテンツ推薦装置である。 [0007] The present invention of claim 6, wherein the search condition determining means selects an attribute with a probability proportional to the value level of the attribute, the attribute value at a probability proportional to emphasize the degree of the attribute values ​​for the attribute selected, a content recommendation apparatus according to claim 2, characterized in that the search condition the attribute value of the attribute. 【0008】請求項7の本発明は、前記検索条件決定手段は、前記属性の重視度に比例した確率で属性に順序付けを行い、検索結果数が所定の範囲内になるまで、上位の属性から順に、該属性について前記属性値の重視度に比例した確率で属性値を選択し、該属性の該属性値を検索条件として追加することを繰り返すことを特徴とする請求項2に記載のコンテンツ推薦装置である。 [0008] The present invention of claim 7, wherein the search condition determining means performs the ordered attribute with a probability proportional to the value level of said attribute, until the number of search results is within a predetermined range, from an upper attribute turn, select an attribute value with probability proportional to emphasize the degree of the attribute values ​​for the attribute, the content recommendation according to claim 2, characterized in that repeatedly adding the attribute value of the attribute as a search condition it is a device. 【0009】請求項8の本発明は、前記属性はさらに第一属性と第二属性とに分けて記憶され、前記検索条件決定手段は、まず第一属性について前記属性の重視度に比例した確率で属性に順序付けを行い、次に第二属性について前記属性の重視度に比例した確率で属性に順序付けを行い、検索結果数が所定の範囲内になるまで、上位の属性から順に、該各属性について前記属性値の重視度に比例した確率で属性値を選択し、該属性の該属性値を検索条件として追加することを繰り返すことを特徴とする請求項2に記載のコンテンツ推薦装置である。 [0009] The present invention of claim 8, wherein the attribute is stored further divided into a first attribute and a second attribute, the search condition determining means, first probability proportional to the value level of the attribute for the first attribute in performs ordered attributes, then the second attribute performs ordered attribute with a probability proportional to the value level of the attribute, the search until the result number is within a predetermined range, in order from the upper attributes, respective attribute for selecting an attribute value with probability proportional to emphasize the degree of the attribute value, a content recommendation apparatus according to claim 2, characterized in that repeated adding the attribute value of the attribute as a search condition. 【0010】請求項9の本発明は、前記属性の重視度と前記属性値の重視度とに関連付けられた複数のユーザ像ステレオタイプを記憶しているステレオタイプデータベースと、ユーザのステレオタイプ選択を受け付けるステレオタイプ選択受付手段と、前記ステレオタイプ選択から前記属性の重視度と前記属性値の重視度を設定する重視度設定手段とをさらに有することを特徴とする請求項2に記載のコンテンツ推薦装置である。 [0010] The present invention of claim 9 includes a stereotyped database that stores a plurality of user image stereo type associated with the value level of the value level and the attribute value of the attribute, the stereotype selected users stereotype selecting a receiving unit, a content recommendation apparatus according to claim 2, characterized by further having a value level setting means for setting the focus of the focused degree and the attribute value of the attribute from the stereotype selection accepting it is. 【0011】請求項10の本発明は、前記属性の重視度と前記属性値の重視度とに関連付けられたアンケート項目を記憶しているアンケートデータベースと、ユーザのアンケート入力を受け付けるアンケート受付手段と、前記アンケート入力から前記属性の重視度と前記属性値の重視度を設定する重視度設定手段とをさらに有することを特徴とする請求項2に記載のコンテンツ推薦装置である。 [0011] The present invention of claim 10 includes a questionnaire database storing questionnaire items associated with the value level of the attribute values ​​and emphasis degree of said attributes, and surveys accepting means for accepting a questionnaire input for the user, a content recommendation device according to claim 2, characterized by further having a value level setting means for setting the value level of the attribute values ​​and emphasis degree of said attributes from the questionnaire input. 【0012】請求項11の本発明は、前記推薦されたコンテンツに対するユーザの評価の入力を受け付ける評価入力手段と、前記評価から前記属性値の重視度を更新する属性値重視度更新手段とをさらに有することを特徴とする請求項2に記載のコンテンツ推薦装置である。 The invention of claim 11 is an evaluation input means for accepting an input of evaluation of the user with respect to the recommended content, the attribute value value level updating means for updating the value level of the attribute values ​​from the evaluation further a content recommendation device according to claim 2, characterized in that it has. 【0013】請求項12の本発明は、前記推薦されたコンテンツに対するユーザの評価の入力を受け付ける評価入力手段と、前記評価から前記属性の重視度を更新する属性重視度更新手段とをさらに有することを特徴とする請求項2に記載のコンテンツ推薦装置である。 The invention of claim 12, further comprising an evaluation inputting means for accepting input of evaluation of the user with respect to the recommended content, the attribute value level updating means for updating the value level of said attribute from said evaluation a content recommendation device according to claim 2, wherein. 【0014】 【発明の実施の形態】以下、本発明の実施の形態について図面を参照しながら説明する。 DETAILED DESCRIPTION OF THE INVENTION Hereinafter, will be described with reference to the drawings, embodiments of the present invention. 【0015】(実施の形態1)第1の実施の形態のコンテンツ推薦システムの構成図を図1に示す。 [0015] (Embodiment 1) shows a configuration diagram of a content recommendation system of the first embodiment in FIG. 本実施の形態では、本発明を移動電話向けの着信メロディーを推薦するという応用例に適用したものである。 In the present embodiment, it is applied to applications that the present invention recommending incoming melody mobile phones. 図1において、11は楽曲推薦サーバ、12はインターネット、1 1, 11 music recommendation server, 12 Internet, 1
3は移動電話網、14はサーバ11から楽曲を取得してユーザに推薦する機能を有する端末であり、移動電話網13に複数台接続されている。 3 mobile phone network, 14 is a terminal having a function to be recommended to the user acquires music from the server 11, are a plurality connected to a mobile telephone network 13. サーバ11と端末14とは、インターネット12と携帯電話網13とにより相互に通信可能な状態となっている。 The server 11 and the terminal 14, and has a communicable state with each other by the Internet 12 and the mobile phone network 13. 【0016】楽曲推薦サーバ11の構成図を図2に示す。 [0016] shows a block diagram of a music recommendation server 11 is shown in FIG. 2. 図2において、101は推薦対象である複数の楽曲を記憶しているコンテンツデータベース、102は各楽曲に関連付けられた一つ以上の属性の属性値からなる特徴量を記憶しているコンテンツ特徴量データベース、1 2, 101 is recommended is the object content database that stores a plurality of music, 102 content feature quantity database storing feature quantity consisting of the attribute values ​​of one or more attributes associated with each song , 1
03はユーザの各属性の重視度を記憶している属性重視度データベース、104はユーザの各属性の複数の属性値の重視度を記憶している属性値重視度データベース、 03 attribute value level database for storing emphasis degree of each attribute of the user, 104 attribute values ​​value level database for storing emphasis of the plurality of attribute values ​​for each attribute of the user,
105は各属性の重視度および各属性値の重視度とから特徴量の検索条件を決定する検索条件決定部、106は検索条件に基づいて推薦するコンテンツを選択するコンテンツ選択部、107は属性と属性値ごとに推薦コンテンツ数と購入コンテンツ数とを記憶する履歴記憶部、1 105 search condition determining unit that determines a search condition value level from the feature amount of emphasis degree and each attribute value of each attribute, 106 content selection unit for selecting a content to be recommended based on the search criteria, 107 attributes and history storage unit for storing the number of the recommended content and the number of purchases contents and for each attribute value, 1
08は推薦コンテンツ数と購入コンテンツ数とから属性値の重視度を更新する属性値重視度更新部、109は推薦コンテンツ数と購入コンテンツ数とから属性の重視度を更新する属性重視度更新部、110は複数のユーザ像ステレオタイプを記憶しているステレオタイプデータベース、111はユーザのステレオタイプ選択を受け付けるステレオタイプ選択受付部、112はアンケート項目を記憶しているアンケートデータベース、113はユーザのアンケート入力を受け付けるアンケート受付部、1 08 is the attribute value-oriented degree update section for updating the importance of the attribute values ​​from the number of recommended content and the number of purchases content and, 109 attribute importance degree update section for updating the attributes of the importance degree from the number of recommended content and the number of purchases content and, 110 stereotypes database that stores a plurality of user image stereotypes, 111 stereotypes selection accepting section for accepting a stereotype selected by the user, 112 questionnaire database storing questionnaire, 113 questionnaire user input questionnaire accepting unit that accepts a, 1
14はステレオタイプ選択とアンケート入力とから属性の重視度と属性値の重視度を設定する重視度設定部である。 14 is a value level setting unit for setting the stereo type selection and attributes value level and a questionnaire input and attribute values ​​emphasis degree. 115は楽曲推薦サーバ11が端末14と通信するための入出力部である。 115 is an output unit for music recommendation server 11 to communicate with the terminal 14. 【0017】コンテンツ特徴量データベースに記憶されているコンテンツの特徴量の例を図3に示す。 [0017] The example of the feature amount of the content stored in the content feature quantity database shown in FIG. 特徴量は、ユニークな曲ID、曲名、複数の属性に関する属性値とからなる。 Feature quantity consists of a unique song ID, Song, and attribute values ​​for a plurality of attributes. 属性は、推薦に用いない基本属性と、推薦に用いる第一属性、第二属性に分類される。 Attribute, a basic attribute is not used in the recommendation, the first attribute is used to recommendation are classified into the second attribute. 【0018】属性重視度データベース103に記憶されている属性の重視度の例を図4に示す。 [0018] An example of an attribute of a value level that is stored in the attribute value level database 103 in FIG. 属性の重視度はユーザごとに記憶されている。 Attributes of value level is stored for each user. 図4において、例えば、 4, for example,
属性「デュエット」の重視度が0.3ということを表す。 Importance of the attribute "duet" represents the fact that 0.3. 重視度0の属性は記憶しない。 Attributes of the importance degree 0 is not stored. 【0019】属性値重視度データベース104に記憶されている属性値の重視度の例を図5に示す。 [0019] An example of a focus of the attribute values ​​stored in the attribute value emphasis level database 104 in Figure 5. 属性値の重視度はユーザごとに記憶されている。 Emphasis of the attribute values ​​are stored for each user. 図5において、例えば、属性「デュエット」の属性値「0」の重視度が0.3ということを表す。 5, for example, attribute value of the attribute "duet" value level of "0" indicates that 0.3. 重視度0の属性は記憶しない。 Attributes of the importance degree 0 is not stored. 【0020】以上のように構成された第1の実施の形態の動作を、ユーザ登録時とコンテンツ推薦時とに分けて以下に説明する。 [0020] The operation of the first embodiment configured as described above will be explained below by dividing into the time of user registration time and the content recommendation. ユーザ登録時とは、ユーザが本システムを利用する初回に行う動作である。 The time of user registration, the user is the operation that performs the first time to use this system. コンテンツ推薦時とは、ユーザ登録時以降、本システムがユーザにコンテンツを推薦する動作である。 When the content recommendation, since the time of user registration, is an operation of this system is to recommend the content to the user. 【0021】ユーザ登録時は以下のステップにしたがって動作する。 [0021] At the time of user registration to operate in accordance with the following steps. 【0022】[ステップ101] ステレオタイプ選択受け付けステレオタイプ選択受付部111は、ステレオタイプデータベース110を参照し、入出力部115を通じて、 [0022] [Step 101] Stereotype selection accepting stereotype selection receiving unit 111 refers to the stereotype database 110, through the input unit 115,
ユーザからのユーザ像ステレオタイプの選択入力を受け付ける。 It accepts a user image stereo type of selection input from the user. ステレオタイプデータベース110に記憶されているステレオタイプの例を図6に示す。 An example of stereotypes stored in stereotype database 110 shown in FIG. ステレオタイプは名称と説明を有し、ユーザはそれを参照してステレオタイプを選択する。 Stereotype has name and description, the user selects a stereotype see it. また、それぞれのステレオタイプには、図4と同様の属性重視度と、図5と同様の属性値重視度が関連付けられている。 Further, each of the stereotypes, and similar attributes value level and 4, the same attribute value emphasis degree of 5 is associated. 【0023】[ステップ102] アンケート入力受け付けアンケート受付部113は、アンケートデータベース1 [0023] [step 102] questionnaire input receiving the questionnaire receiving unit 113, the questionnaire database 1
12を参照し、入出力部115を通じて、ユーザからのアンケート選択入力を受け付ける。 Referring to 12, through the input unit 115, receives a questionnaire selection input from the user. アンケートデータベース112に記憶されているアンケートの例を図7に示す。 Examples of questionnaire stored in the questionnaire database 112 shown in FIG. アンケート項目は複数の選択回答と、回答に応じた重視度補正内容を有する。 Questionnaire item has a plurality of selection answer, the emphasis on the degree of correction contents in accordance with the answer. 【0024】[ステップ103] ステレオタイプによる重視度設定重視度設定部114は、ユーザのステレオタイプ入力に応じて、ステレオタイプデータベース110に記憶されているステレオタイプに関連付けられている属性重視度と、属性値重視度を、それぞれ属性重視度データベース103と属性値重視度データベース104とに該ユーザと関連付けて記憶させる。 [0024] [Step 103] stereotypes by emphasis level setting value level setting section 114, depending on stereotypes user input, the attribute value level associated with the stereotype stored in stereotype database 110, attribute value value level, associated with the user are stored in each and attribute value level database 103 and attribute values ​​emphasis degree database 104. 【0025】[ステップ104] アンケートによる重視度補正重視度設定部114は、ユーザのアンケート入力に応じて、アンケートデータベース112に記憶されているアンケート回答に対応した重視度補正内容にしたがって、 [0025] [Step 104] value level correction value level setting unit 114 according to the questionnaire, according to the questionnaire user input, according to value level correction content corresponding to the questionnaire stored in the questionnaire database 112,
属性値重視度データベース104の該ユーザの属性値重視度を補正する。 Correcting the attribute value emphasis degree of the user attribute value emphasis degree database 104. 【0026】以上の動作により、ユーザ登録時には、属性の重視度と属性値の重視度をユーザと関連付けて記憶しておく。 [0026] By the above operation, at the time of user registration, and stores the value level of the attributes of emphasis of the attribute value associated with the user. ここでは、それぞれ図4および図5に示す重視度が記憶されたとする。 Here, the value level shown in Figure 4 and Figure 5 respectively are stored. 【0027】コンテンツ推薦時の動作を以下の図8のフローチャートを用いて説明する。 [0027] be described with reference to the flowchart in Figure 8 below the operation when the content recommendation. 【0028】[ステップ111] コンテンツ取得要求受け付け検索条件決定部105は、入出力部115を通じてユーザからのコンテンツ取得要求を受け付ける。 [0028] [Step 111] content acquisition request receiving search condition determining unit 105 receives the content acquisition request from the user via the input unit 115. ユーザからのコンテンツ取得要求がない場合は本ステップに戻る。 If there is no content acquisition request from the user is returned to the step.
コンテンツ取得要求がある場合は、コンテンツの推薦リストを空にして[ステップ112]に進む。 If there is a content acquisition request, and a recommendation list of content to empty the process proceeds to Step 112. 【0029】[ステップ112] 属性順序付け検索条件決定部105は、属性重視度データベース10 [0029] [Step 112] attribute ordering search condition determining unit 105, the attribute value level database 10
3から該ユーザの全属性とその重視度とを取り出す。 3 taken out and its value level and all attributes of the user from. このうち第一属性について、属性の重視度に比例した確率でランダムに属性の順序付けを行う。 For these first attribute, order the attributes randomly with a probability proportional to the attributes of the value level. 例えば、図4に示した属性重視度データベースでは、第1順序として「新譜」が選択される確率は次のようになる。 For example, the attribute value level database shown in FIG. 4, the probability of "new music" is selected as the first order is as follows. 【0030】0.5/(0.3+0.2+0.5)= [0030] 0.5 / (0.3 + 0.2 + 0.5) =
0.5 第1順序として「新譜」が選択された場合、第2順序として「メドレー」が選択される確率は次のようになる。 If "new album" is selected as 0.5 first order, the probability of "medley" is selected as the second order is as follows. 【0031】0.2/(0.3+0.2)=0.4 第2順序として「メドレー」が選択された場合、第3順序としては残った「デュエット」が選択される。 [0031] 0.2 / (0.3 + 0.2) = 0.4 If the "medley" is selected as the second order, remaining as a third order "duet" is selected. 【0032】次に、第一属性と同様に、第二属性について属性の順序付けを行い、順序付けられた第一属性の順序の後に追加して全属性の順序付けを得る。 Next, similarly to the first attribute, perform ordering attribute for the second attribute to obtain the ordering of all attributes in addition to following the order of the first ordered attributes. 順序付けは重視度に比例した確率でランダムに行うので、重視度の高い属性が上位になる可能性が高いが、必ずしも上位になるとは限らない。 Since ordering performed randomly with a probability proportional to the value level, there is a high possibility that the high value level attribute becomes higher, not always be higher. ここでは、「新譜」「メドレー」 Here, "new album", "medley"
「デュエット」「歌手名」「作詞者」の順に順序付けされたとする。 And it has been ordered in the order of "duet", "singer name", "lyricist". 【0033】検索条件決定部105は、順序付けされた属性から第1順序の属性を取り出し、検索条件を空に設定して、次のステップに進む。 The search condition determining unit 105, the ordered attributes removed attribute of the first order, and set the search condition to empty, the process proceeds to the next step. 【0034】[ステップ113] 属性値選択検索条件決定部105は、属性値重視度データベース1 [0034] [step 113] attribute values ​​selected search condition determining unit 105, the attribute value emphasis level database 1
04から該ユーザの該属性の全属性値とその重視度とを取り出し、属性値の重視度に比例した確率でランダムに属性値を一つ選択する。 04 was taken out and its value level and all the attribute values ​​of the attribute of the user, randomly selects one attribute value to a probability that is proportional to the value level of the attribute values. 例えば、図5に示した属性値重視度データベースでは、属性が「新譜」の場合、属性値「0」が選択される確率は次のようになる。 For example, the attribute value value level database shown in FIG. 5, if the attribute is "new music", the probability of the attribute value "0" is selected is as follows. 【0035】0.7/(0.7+0.2)=約0.78 検索条件決定部105は、該属性の該属性値を、検索条件にAND条件として追加し、新たな検索条件とする。 [0035] 0.7 / (0.7 + 0.2) = about 0.78 search condition determining unit 105, the attribute value of the attribute, and added as an AND condition to the search condition, and a new search condition. 【0036】コンテンツ選択部106は、設定された検索条件でコンテンツ特徴量データベース102を検索し、検索結果数を検索条件決定部105に返す。 The content selection unit 106 searches the content feature amount database 102 with the search condition set, and returns the number of search results to the search condition determining unit 105. 【0037】[ステップ114] 検索結果数判断検索条件決定部105は、検索結果数が所定の範囲内である場合[ステップ115]に進む。 [0037] [step 114] Search results number determined search condition determining unit 105, the number of search results proceeds if it is within the predetermined range [step 115]. 検索結果数が所定の数より少ない場合、検索条件から最後に追加したAN If the number of search results is less than a predetermined number, it added from search conditions the last AN
D条件を除いて、検索条件を緩和し、[ステップ11 Except for D conditions, to relax the search condition, Step 11
5]に進む。 Proceed to 5]. 検索結果数が所定の数より多い場合は、順序付けされた属性から次の属性を取り出し[ステップ1 If the number of search results is larger than a predetermined number, retrieves the ordered following attributes from the attribute [Step 1
13]に戻る。 Back to 13]. 【0038】[ステップ115] 推薦リストに追加コンテンツ選択部106は、設定された検索条件でコンテンツ特徴量データベース102を検索し、検索結果の中から一つをランダムに選択する。 [0038] [step 115] Add to recommendation list content selection unit 106 searches the content feature amount database 102 with the search condition set, randomly select one from among the search results. 【0039】次に、選択した検索結果に関連付けられた楽曲をコンテンツデータベース101から取り出し、これをコンテンツの推薦リストに追加する。 Next, take out the music associated with the selected search result from the content database 101, and adds it to the recommendation list of content. 【0040】また、選択した検索結果の属性と属性値とに基づいて、履歴記憶部107の該ユーザの「推薦コンテンツ数」の該当する欄のカウントをそれぞれ1増やす。 Further, based on the attributes and attribute values ​​of the selected result, the count of the corresponding column "recommended number of contents" of the user of the history storage unit 107 increases respectively 1. 履歴記憶部107の例を図9に示す。 An example of the history storing unit 107 shown in FIG. 図9では、例えば、属性「デュエット」の属性値が「0」のコンテンツを今まで9回推薦し、属性値が「1」のコンテンツを今まで21回推薦したことを表している。 9, for example, attribute value of the attribute "duet" content recommended 9 times until now "0", the attribute value represents that it has recommended content now up to 21 times of "1". 【0041】[ステップ116] 推薦コンテンツ数判断コンテンツ選択部106は、コンテンツの推薦リストのコンテンツ数が所定の数に達した場合、[ステップ11 [0041] [step 116] the recommended content number determining the content selection unit 106, when the number of content recommendation list of contents has reached a predetermined number, the Step 11
7]に進む。 Proceed to 7]. コンテンツ数が所定の数に達していない場合、[ステップ112]に戻る。 If the number of contents has not reached the predetermined number, the flow returns to Step 112. 【0042】[ステップ117] コンテンツ購入要求受け付けコンテンツ選択部106は、入出力部115を通じて推薦リストのコンテンツを出力する。 [0042] [step 117] the content purchase request receiving content selection unit 106 outputs the content recommendation list through input and output section 115. 出力された推薦リストのコンテンツの例を図10に示す。 The example of the content of the output recommendation list shown in FIG. 10. 【0043】次に、コンテンツ選択部106は、ユーザからのコンテンツ購入要求を受け付ける。 [0043] Next, the content selection unit 106 receives the content purchase request from the user. 購入要求があったコンテンツについて、その属性と属性値とに基づいて、購入履歴記憶部107の該ユーザの「購入コンテンツ数」の該当する欄のカウントをそれぞれ1増やす。 Purchase for request a content, based on the attribute and the attribute value, purchase "purchase content number" of the user of the history storage unit 107 corresponding to the count of the column increases each 1. 図9の履歴記憶部107の例では、例えば、属性「デュエット」の属性値が「0」のコンテンツを今まで3回購入し、属性値が「1」のコンテンツを今まで7回購入したことを表している。 In the example of the history storage unit 107 of FIG. 9, for example, the attribute value of the attribute "duet" purchases 3 times the content of "0" up to now, the attribute value is purchased until now seven times the contents of the "1" a represents. 【0044】[ステップ118] 重視度更新属性値重視度更新部108は、履歴記憶部107を参照して、各属性値ごとに「購入コンテンツ数」を「推薦コンテンツ数」で除算した値を該属性値の重視度として、 [0044] [step 118] value level update attribute values ​​emphasis degree update section 108 refers to the history storage unit 107, a value obtained by dividing the "purchase number of contents" for each attribute value in the "recommended number of contents" the as the importance of the attribute value,
属性値重視度データベース104を更新する。 Updating the attribute value emphasis degree database 104. 図9に示した履歴記憶部107の例から更新された属性値重視度データベース104を図11に示す。 Attribute value emphasis degree database 104 is updated from the example of the history storage unit 107 shown in FIG. 9 is shown in FIG. 11. 例えば、属性「デュエット」の属性値が「0」の重視度は次のようになる。 For example, the attribute value of the attribute "duet" the importance of the "0" is as follows. 【0045】3/9=約0.33 次に、属性重視度更新部109は、履歴記憶部107を参照して、各属性ごとに、属性値別の「推薦コンテンツ数」を要素とするベクトルと「購入コンテンツ数」を要素とするベクトルとの正弦を該属性の重視度として、属性重視度データベース105を更新する。 [0045] 3/9 = about 0.33 Next, the attribute value level updating unit 109 refers to the history storage unit 107, for each attribute, and the specific attribute value "recommended number of contents" and element vector and "the number of purchases content," the sine of a vector that is an element as the attribute of the importance degree, to update the attribute value level database 105. 図9に示した履歴記憶部107の例から更新された属性重視度データベース105を図12に示す。 The attribute value level database 105 which is updated from the example of the history storage unit 107 shown in FIG. 9 is shown in FIG. 12. 例えば、属性「メドレー」の重視度は次のようになる。 For example, emphasis on the degree of the attribute "medley" is as follows. 【0046】[1−(12*8+18*2)^2/ [0046] [1- (12 * 8 + 18 * 2) ^ 2 /
{(12^2+18^2)*(8^2+2^2)}]^ {(12 ^ 2 + 18 ^ 2) * (8 ^ 2 + 2 ^ 2)}] ^
0.5=約0.68 以上の動作により、コンテンツ推薦時には、属性の重視度と属性値の重視度とから推薦するコンテンツを選択し、推薦履歴および購入履歴に基づいて属性の重視度と属性値の重視度を更新する。 0.5 = The approximately 0.68 above operation, at the time of content recommendation, select the content to be recommended from the attributes of emphasis of the attribute value of value level, the recommendation history and attributes based on the purchase history of the value level and attributes to update the importance of the value. 【0047】以上のように、第1の実施の形態によれば、属性の重視度と属性値の重視度とを設けることにより、ユーザの嗜好に応じた確率で適切なコンテンツを推薦できる。 [0047] As described above, according to the first embodiment, by providing the emphasis of the attributes of emphasis degree and attribute values ​​can recommend appropriate content with a probability corresponding to the user's preference. また、コンテンツの評価値を求めず、コンテンツの検索条件を設定するので、演算処理の負担を軽くできる。 In addition, without asking the evaluation value of the content, so to set the search criteria of content, it can reduce the burden of arithmetic processing. また、ステレオタイプ選択とアンケート入力で重視度を設定することにより、ユーザの重視度設定の負担を低減できる。 In addition, by setting the importance degree of stereo type selection and survey input, it is possible to reduce the burden on the user of the importance degree setting. また、ユーザの推薦コンテンツに対する評価に基づいて重視度を更新することにより、より推薦の精度を高めていくことができる。 Further, it is possible by updating the value level based on the evaluation of the recommended content user, it will increase more recommendation accuracy. 【0048】なお、本実施の形態では、推薦するコンテンツを楽曲の例で示したが、映画・書籍・ニュースなど他のコンテンツでも良い。 [0048] In the present embodiment, although the content to be recommended in the example of music, it may be other content such as movies, books, news. また、コンテンツの購入要求をコンテンツに対する正の評価としたが、コンテンツの詳細情報閲覧要求など、他の指標でも良い。 In addition, although the purchase request of the content and the positive evaluation of the content, such as detailed information viewing request of content, but may be other indicators. また、コンテンツ推薦先の端末を移動電話で示したが、パソコンなど他の端末でも良い。 In addition, although the content recommendation destination terminal in a mobile phone, may be another terminal such as a personal computer. また、サーバは、ユーザからのコンテンツ取得要求により推薦動作を行ったが、タイマーなど他の要因をトリガーとして動作しても良い。 The server is performed recommended operation by the content acquisition request from the user may operate the other factors such as a timer as a trigger. また、 Also,
構成要素のいずれが端末側にあっても良い。 Any of the components may be in the terminal side. また、サーバと端末というシステム構成でなくても、一つの装置であっても良い。 Moreover, even without a system configuration of a server and the terminal may be a single device. 【0049】 【発明の効果】以上のように、本発明によれば、演算処理の負担が軽く、さらにユーザにかける負担も軽く、ユーザの嗜好の偏りの確率に応じて、ユーザの求める情報を推薦することができる。 [0049] As is evident from the foregoing description, according to the present invention, the burden of calculation processing is light, even lighter burden applied to the user, depending on the probability of a deviation of the preferences of the user, the information required by the user it can be recommended to.

【図面の簡単な説明】 【図1】本発明に係るコンテンツ推薦システムの構成例を示す図【図2】図1中のコンテンツ推薦装置の構成図【図3】図2中のコンテンツ特徴量データベースの記憶情報の例を示す図【図4】図2中の属性重視度データベースの記憶情報の例を示す図【図5】図2中の属性値重視度データベースの記憶情報の例を示す図【図6】図2中のステレオタイプデータベースの記憶情報の例を示す図【図7】図2中のアンケートデータベースの記憶情報の例を示す図【図8】図1の情報推薦システムのコンテンツ推薦時の動作を示すフローチャート【図9】図2中の履歴記憶部の記憶情報の例を示す図【図10】図1の情報推薦システムによりユーザに提示されるコンテンツの例を示す図【図11】図2中の属性値重視度デー BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a configuration diagram [3] content feature quantity database in Figure 2 of the content recommendation device of FIG. FIG. 2 in FIG. 1 showing a configuration example of a content recommendation system according to the present invention diagram illustrating an example of storage information of FIG. 4 shows the attribute value value level database of FIG [5] in FIG. 2 showing an example of information stored in the attribute value level database in FIG. 2 showing an example of storage information of the 6] FIG. 7 is a diagram [8] when the information recommendation system content recommendation Figure 1 shows an example of information stored in the questionnaire database in FIG. 2 showing an example of information stored in the stereotype database in FIG Figure 11 illustrates an example of a content to be presented to the user by the flowchart FIGS. 9A and FIG. 10 shows an example of information stored in the history storage unit in FIG recommendation system of Figure 1 showing the operation of the attribute value importance of data in FIG. 2 タベースの更新された記憶情報の例を示す図【図12】図2中の属性重視度データベースの更新された記憶情報の例を示す図【符号の説明】 11 楽曲推薦サーバ12 インターネット13 移動電話網14 端末101 コンテンツデータベース102 コンテンツ特徴量データベース103 属性重視度データベース104 属性値重視度データベース105 検索条件決定部106 コンテンツ選択部107 履歴記憶部108 属性値重視度更新部109 属性重視度更新部110 ステレオタイプデータベース111 ステレオタイプ選択受付部112 アンケートデータベース113 アンケート受付部114 重視度設定部115 入出力部 Figure 12] [Explanation of symbols] shows an example of the updated information stored in the attribute value level database in FIG 11 music recommendation server 12 Internet 13 mobile telephone network showing an example of the updated information stored in the database 14 terminal 101 the content database 102 content feature quantity database 103 attributes value level database 104 attributes values ​​emphasis degree database 105 search condition determining unit 106 the content selection unit 107 history storage unit 108 attribute values ​​emphasis degree update section 109 attribute value level update unit 110 stereotype database 111 stereotype selection receiving unit 112 questionnaire database 113 questionnaire receiving unit 114 value level setting unit 115 input-output unit

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl. 7識別記号 FI テーマコート゛(参考) H04Q 7/20 H04Q 7/04 Z Fターム(参考) 5B075 ND02 PP13 PR08 UU08 5K067 AA34 BB04 BB21 EE02 EE16 FF02 FF23 FF25 KK13 KK15 ────────────────────────────────────────────────── ─── of the front page continued (51) Int.Cl. 7 identification mark FI theme Court Bu (reference) H04Q 7/20 H04Q 7/04 Z F-term (reference) 5B075 ND02 PP13 PR08 UU08 5K067 AA34 BB04 BB21 EE02 EE16 FF02 FF23 FF25 KK13 KK15

Claims (1)

  1. 【特許請求の範囲】 【請求項1】 推薦対象である複数のコンテンツを蓄積・推薦するサーバと、サーバから推薦されたコンテンツをユーザに提示する端末からなるコンテンツ推薦システムであって、前記コンテンツ各々に関連付けられた一つ以上の属性の属性値からなる特徴量を記憶しているコンテンツ特徴量データベースと、ユーザの前記各属性の重視度を記憶している属性重視度データベースと、ユーザの前記各属性の複数の属性値の重視度を記憶している属性値重視度データベースと、前記各属性の重視度および前記各属性値の重視度とから前記特徴量の検索条件を決定する検索条件決定手段と、前記検索条件に基づいて推薦するコンテンツを選択するコンテンツ選択手段と、選択されたコンテンツをユーザに提示する手段とを有す A server for storing and recommending a plurality of contents is ## Claims 1. A recommendation target, a content recommendation system comprising a terminal for presenting content that is recommended from the server to the user, the content of each a content feature quantity database storing feature quantity consisting of the attribute values ​​of one or more attributes associated with the attribute value level database for storing emphasis degree of said attributes of a user, each user and attribute values ​​emphasis level database for storing a plurality of attribute values ​​of emphasis of the attribute, the search condition determining means for determining a search condition of the features from the emphasis of the emphasis level and the attribute values ​​for each attribute Yusuke When a content selection means for selecting a content to be recommended on the basis of the search condition, and means for presenting the selected content to the user ことを特徴とするコンテンツ推薦システム。 Content recommendation system, characterized in that. 【請求項2】 推薦対象である複数のコンテンツからコンテンツを推薦するコンテンツ推薦装置であって、前記コンテンツ各々に関連付けられた一つ以上の属性の属性値からなる特徴量を記憶しているコンテンツ特徴量データベースと、ユーザの前記各属性の重視度を記憶している属性重視度データベースと、ユーザの前記各属性の複数の属性値の重視度を記憶している属性値重視度データベースと、前記各属性の重視度および前記各属性値の重視度とから前記特徴量の検索条件を決定する検索条件決定手段と、前記検索条件に基づいて推薦するコンテンツを選択するコンテンツ選択手段とを有することを特徴とするコンテンツ推薦装置。 2. A content recommendation apparatus that recommends content from a plurality of contents are recommended target content feature that stores a feature quantity consisting of the attribute values ​​of one or more attributes associated with the content of each the amount database, and the attribute value level database for storing emphasis of each attribute of the user, and an attribute value emphasis level database that stores the emphasis of the plurality of attribute values ​​for each attribute of the user, each comprising: the attributes of the emphasis level and the search condition determining means for determining a search condition of the feature quantity from said with emphasis degree of each attribute value, and a content selection means for selecting a content to be recommended on the basis of the search condition content recommendation device to. 【請求項3】 推薦対象である複数のコンテンツからコンテンツを推薦するコンテンツ推薦方法であって、前記コンテンツ各々に関連付けられた一つ以上の属性の属性値からなる特徴量に係る検索条件を、ユーザの前記各属性の重視度と前記各属性の複数の属性値の重視度とから決定し、前記検索条件に基づいて推薦するコンテンツを選択するコンテンツ推薦方法。 3. A content recommendation method for recommending content from multiple content is recommendable target, a search condition according to the feature quantity consisting of the attribute values ​​of one or more attributes associated with the content, respectively, the user the content recommendation method of determining from the emphasis of the plurality of attribute values ​​for each attribute and value level of each attribute, selects the content to be recommended based on the search conditions. 【請求項4】 コンピュータを、請求項2に記載のコンテンツ推薦装置として機能させるためのプログラム。 The 4. A computer program for functioning as a content recommendation device according to claim 2. 【請求項5】 請求項2に記載のプログラムの機能をコンピュータに実行させるために、プログラムの全体あるいは一部を格納しているプログラム記録媒体。 5. In order to execute the functions of the program according to the computer to claim 2, a program recording medium storing the whole or part of the program. 【請求項6】 前記検索条件決定手段は、前記属性の重視度に比例した確率で属性を選択し、該属性について前記属性値の重視度に比例した確率で属性値を選択し、該属性の該属性値を検索条件とすることを特徴とする請求項2に記載のコンテンツ推薦装置。 Wherein said search condition determining means selects an attribute with a probability proportional to the value level of said attribute, select an attribute value with probability proportional to emphasize the degree of the attribute values ​​for the attribute, the the attribute content recommendation device according to claim 2, characterized in that the search condition the attribute value. 【請求項7】 前記検索条件決定手段は、前記属性の重視度に比例した確率で属性に順序付けを行い、検索結果数が所定の範囲内になるまで、上位の属性から順に、該属性について前記属性値の重視度に比例した確率で属性値を選択し、該属性の該属性値を検索条件として追加することを繰り返すことを特徴とする請求項2に記載のコンテンツ推薦装置。 Wherein said retrieval condition determination unit performs ordered attribute with a probability proportional to the value level of the attribute, the search until the result number is within a predetermined range, in order from the upper attribute above for the attribute select an attribute value with probability proportional to emphasize the degree of attribute value, the content recommendation device according to claim 2, characterized in that repeatedly adding the attribute value of the attribute as a search condition. 【請求項8】 前記属性はさらに第一属性と第二属性とに分けて記憶され、前記検索条件決定手段は、まず第一属性について前記属性の重視度に比例した確率で属性に順序付けを行い、次に第二属性について前記属性の重視度に比例した確率で属性に順序付けを行い、検索結果数が所定の範囲内になるまで、上位の属性から順に、該各属性について前記属性値の重視度に比例した確率で属性値を選択し、該属性の該属性値を検索条件として追加することを繰り返すことを特徴とする請求項2に記載のコンテンツ推薦装置。 Wherein said attribute is stored further divided into a first attribute and a second attribute, the search condition determining means performs the ordered attributes the first of attributes with a probability proportional to the value level of said attribute , then performs ordered attribute with a probability proportional to the value level of the attribute for the second attribute, the search until the result number is within a predetermined range, in order from the upper attributes, emphasizing the respective attributes of the attribute values select an attribute value with probability proportional to time, the content recommendation device according to claim 2, characterized in that repeatedly adding the attribute value of the attribute as a search condition. 【請求項9】 前記属性の重視度と前記属性値の重視度とに関連付けられた複数のユーザ像ステレオタイプを記憶しているステレオタイプデータベースと、ユーザのステレオタイプ選択を受け付けるステレオタイプ選択受付手段と、前記ステレオタイプ選択から前記属性の重視度と前記属性値の重視度を設定する重視度設定手段とをさらに有することを特徴とする請求項2に記載のコンテンツ推薦装置。 9. stereotype selection accepting means for accepting a stereotype database that stores a plurality of user image stereo type associated with the value level of the value level and the attribute value of the attribute, the stereotype selected users When, the content recommendation device according to claim 2, characterized by further having a value level setting means for setting the value level of the attribute values ​​and emphasis degree of said attributes from the stereotype selected. 【請求項10】 前記属性の重視度と前記属性値の重視度とに関連付けられたアンケート項目を記憶しているアンケートデータベースと、ユーザのアンケート入力を受け付けるアンケート受付手段と、前記アンケート入力から前記属性の重視度と前記属性値の重視度を設定する重視度設定手段とをさらに有することを特徴とする請求項2に記載のコンテンツ推薦装置。 10. A questionnaire database value level and stores the questionnaire items associated with the value level of the attribute value of the attribute, and surveys accepting means for accepting a questionnaire input of the user, the attributes from the questionnaire input content recommendation device according to claim 2, the value level and further comprising a value level setting means for setting the value level of the attribute value. 【請求項11】 前記推薦されたコンテンツに対するユーザの評価の入力を受け付ける評価入力手段と、前記評価から前記属性値の重視度を更新する属性値重視度更新手段とをさらに有することを特徴とする請求項2に記載のコンテンツ推薦装置。 And further comprising an evaluation inputting means 11. receives an input of the evaluation of the user with respect to the recommended content, the attribute value value level updating means for updating the value level of the attribute values ​​from the evaluation content recommendation device according to claim 2. 【請求項12】 前記推薦されたコンテンツに対するユーザの評価の入力を受け付ける評価入力手段と、前記評価から前記属性の重視度を更新する属性重視度更新手段とをさらに有することを特徴とする請求項2に記載のコンテンツ推薦装置。 12. The method of claim, characterized by further comprising an evaluation inputting means for accepting input of user evaluation, the attribute value level updating means for updating the value level of said attribute from said rating for said recommended content content recommendation device according to 2. 【請求項13】 前記属性と前記属性値ごとに、推薦したコンテンツ数とユーザが正の評価を与えたコンテンツ数とを記憶する履歴記憶手段をさらに有し、前記属性値重視度更新手段は、推薦したコンテンツ数とユーザが正の評価を与えたコンテンツ数とから前記属性値の重視度を更新することを特徴とする請求項11に記載のコンテンツ推薦装置。 Each wherein said attribute value and the attribute, further comprising a history storage means for recommending content number and the user stores the number of contents that gave a positive evaluation, the attribute value value level updating unit content recommendation device according to the recommended content number and the user and the number of contents that gave a positive rating to claim 11, characterized in that updating the value level of the attribute value. 【請求項14】 前記属性と前記属性値ごとに、推薦したコンテンツ数とユーザが正の評価を与えたコンテンツ数とを記憶する履歴記憶手段をさらに有し、前記属性重視度更新手段は、推薦したコンテンツ数とユーザが正の評価を与えたコンテンツ数とから前記属性の重視度を更新することを特徴とする請求項12に記載のコンテンツ推薦装置。 For each 14. said attribute the attribute value, further comprising a history storage means for recommending content number and the user stores the number given content of a positive evaluation, the attribute value level updating means, recommended content recommendation device according to claim 12, the content number and the user and a number of contents that gave a positive evaluation and updates the emphasis degree of said attributes. 【請求項15】 前記属性値重視度更新手段は、前記推薦したコンテンツ数を前記ユーザが正の評価を与えたコンテンツ数で除算した値を重視度とすることを特徴とする請求項13に記載のコンテンツ推薦装置。 15. The attribute value value level updating unit according to claim 13, characterized in that the emphasis of the recommendation to the user the number of contents has is divided by the number of content gave a positive evaluation value the content recommendation device. 【請求項16】 前記属性重視度更新手段は、前記属性ごとに、属性値別の前記推薦したコンテンツ数を要素とするベクトルと、属性値別の前記ユーザが正の評価を与えたコンテンツ数のベクトルとの正弦を重視度とすることを特徴とする請求項14に記載のコンテンツ推薦装置。 16. The attribute value level updating unit for each of the attributes, and a vector that the number of contents that another of the recommended attribute values ​​and element, the specific attribute value the user number of content gave a positive evaluation content recommendation device according to claim 14, characterized in that the emphasis of the sine of the vector. 【請求項17】 前記コンテンツは移動電話用のカラオケメロディであることを特徴とする請求項2に記載のコンテンツ推薦装置。 17. The content content recommendation apparatus of claim 2, which is a karaoke melodies for mobile phones. 【請求項18】 前記コンテンツは移動電話用の着信メロディであることを特徴とする請求項2に記載のコンテンツ推薦装置。 18. The content content recommendation device according to claim 2, characterized in that a ringing tone for a mobile telephone.
JP2002034940A 2002-02-13 2002-02-13 Content recommendation device, the content recommendation method, program, and, the program storage medium Active JP3975768B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2002034940A JP3975768B2 (en) 2002-02-13 2002-02-13 Content recommendation device, the content recommendation method, program, and, the program storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002034940A JP3975768B2 (en) 2002-02-13 2002-02-13 Content recommendation device, the content recommendation method, program, and, the program storage medium

Publications (3)

Publication Number Publication Date
JP2003233622A true true JP2003233622A (en) 2003-08-22
JP2003233622A5 true JP2003233622A5 (en) 2005-08-25
JP3975768B2 JP3975768B2 (en) 2007-09-12

Family

ID=27777272

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002034940A Active JP3975768B2 (en) 2002-02-13 2002-02-13 Content recommendation device, the content recommendation method, program, and, the program storage medium

Country Status (1)

Country Link
JP (1) JP3975768B2 (en)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1619877A1 (en) 2004-07-20 2006-01-25 Sony Corporation Information processing system, information processing method, and computer program used therewith
JP2006190127A (en) * 2005-01-07 2006-07-20 Sony Corp Information processing apparatus and method, and program
WO2007013390A1 (en) * 2005-07-26 2007-02-01 Sony Corporation Information processing device, feature extraction method, recording medium, and program
US7251506B2 (en) 2003-10-27 2007-07-31 Nec Corporation Mobile phone system with incoming melody designating function and mobile phone
JP2009110107A (en) * 2007-10-26 2009-05-21 Nec Corp Data processor, its computer program, and data processing method
WO2012026410A1 (en) * 2010-08-23 2012-03-01 日本電気株式会社 Recommendation assist device, recommendation assist system, user device, recommendation assist method, and program storage medium
JP2013125495A (en) * 2011-12-16 2013-06-24 Nippon Telegr & Teleph Corp <Ntt> Distributed concierge system, control method for distributed concierge system, social concierge device and control program for social concierge device
US8611676B2 (en) 2005-07-26 2013-12-17 Sony Corporation Information processing apparatus, feature extraction method, recording media, and program
JP2015075983A (en) * 2013-10-10 2015-04-20 Necパーソナルコンピュータ株式会社 Information processing device, method, and program
JP2015146212A (en) * 2006-10-06 2015-08-13 ユナイテッド ビデオ プロパティーズ, インコーポレイテッド Systems and methods for acquiring, categorizing, and delivering media in interactive media guidance applications

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7251506B2 (en) 2003-10-27 2007-07-31 Nec Corporation Mobile phone system with incoming melody designating function and mobile phone
US7519612B2 (en) 2004-07-20 2009-04-14 Sony Corporation Information processing system, information processing method, and computer program used therewith
EP1619877A1 (en) 2004-07-20 2006-01-25 Sony Corporation Information processing system, information processing method, and computer program used therewith
JP4543930B2 (en) * 2005-01-07 2010-09-15 ソニー株式会社 An information processing apparatus and method, and program
JP2006190127A (en) * 2005-01-07 2006-07-20 Sony Corp Information processing apparatus and method, and program
US8805851B2 (en) 2005-01-07 2014-08-12 Sony Corporation Information processing apparatus, information processing method, and program
US9558243B2 (en) 2005-01-07 2017-01-31 Sony Corporation Information processing apparatus, information processing method, and program
US8611676B2 (en) 2005-07-26 2013-12-17 Sony Corporation Information processing apparatus, feature extraction method, recording media, and program
WO2007013390A1 (en) * 2005-07-26 2007-02-01 Sony Corporation Information processing device, feature extraction method, recording medium, and program
JP2015146212A (en) * 2006-10-06 2015-08-13 ユナイテッド ビデオ プロパティーズ, インコーポレイテッド Systems and methods for acquiring, categorizing, and delivering media in interactive media guidance applications
JP4706688B2 (en) * 2007-10-26 2011-06-22 日本電気株式会社 Data processing apparatus, the computer program and data processing method
JP2009110107A (en) * 2007-10-26 2009-05-21 Nec Corp Data processor, its computer program, and data processing method
WO2012026410A1 (en) * 2010-08-23 2012-03-01 日本電気株式会社 Recommendation assist device, recommendation assist system, user device, recommendation assist method, and program storage medium
JP2013125495A (en) * 2011-12-16 2013-06-24 Nippon Telegr & Teleph Corp <Ntt> Distributed concierge system, control method for distributed concierge system, social concierge device and control program for social concierge device
JP2015075983A (en) * 2013-10-10 2015-04-20 Necパーソナルコンピュータ株式会社 Information processing device, method, and program

Also Published As

Publication number Publication date Type
JP3975768B2 (en) 2007-09-12 grant

Similar Documents

Publication Publication Date Title
US6404445B1 (en) Method and system for modeling data
US6947922B1 (en) Recommender system and method for generating implicit ratings based on user interactions with handheld devices
US8204952B2 (en) Digital file distribution in a social network system
US20050080788A1 (en) Metadata distribution management system, apparatus, and method, and computer program therefore
US20080016205A1 (en) P2P network for providing real time media recommendations
US20070048714A1 (en) Media player service library
US20030195884A1 (en) Method and system for single-action personalized recommendation and display of internet content
US7155425B2 (en) Mobile web services
US20060031147A1 (en) Modular e-commerce web site development system
US8090606B2 (en) Embedded media recommendations
US7536320B2 (en) Method, system, and computer readable medium for the selection of content items for presentation to users
US20100086192A1 (en) Product identification using image analysis and user interaction
US20080201446A1 (en) Method and system for collecting information about a user&#39;s media collections from multiple login points
US20120124126A1 (en) Contextual and task focused computing
US20080046343A1 (en) System and method for dynamic categorization
US7702675B1 (en) Automated categorization of RSS feeds using standardized directory structures
US7548914B2 (en) System and method for providing active tags
US7853577B2 (en) Shopping context engine
US20060143094A1 (en) Providing purchasing opportunities for performances
US20130166406A1 (en) System and method for generating user recommendations
US20080313256A1 (en) Automatically Sharing a User&#39;s Personal Message
US6574660B1 (en) Intelligent content delivery system based on user actions with client application data
US20090077499A1 (en) System and method for assigning user preference settings for a category, and in particular a media category
US20090183237A1 (en) Contextual and customized help information
US8290818B1 (en) System for recommending item bundles

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050207

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050210

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20050704

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20070403

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20070423

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20070529

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20070611

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100629

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100629

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110629

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120629

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120629

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130629

Year of fee payment: 6

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250