JP2003316818A - 情報検索方法及びその装置、コンピュータプログラム - Google Patents
情報検索方法及びその装置、コンピュータプログラムInfo
- Publication number
- JP2003316818A JP2003316818A JP2002106719A JP2002106719A JP2003316818A JP 2003316818 A JP2003316818 A JP 2003316818A JP 2002106719 A JP2002106719 A JP 2002106719A JP 2002106719 A JP2002106719 A JP 2002106719A JP 2003316818 A JP2003316818 A JP 2003316818A
- Authority
- JP
- Japan
- Prior art keywords
- data
- information
- search
- vector
- search target
- 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.)
- Pending
Links
Landscapes
- Reverberation, Karaoke And Other Acoustics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】 少ない学習データにより、精度よく情報の検
索を行うことができる情報検索装置を実現する。 【解決手段】 カテゴリ毎に予め分類された学習データ
によりベクトル量子化のためのツリーを生成するツリー
生成部１１と、ツリーを用いて学習データと検索対象デ
ータをそれぞれベクトル化するベクトル化部１２と、学
習データのベクトルと検索対象データのベクトルの類似
度を算出する類似度算出１３と、類似度に基づいて検索
結果を求める検索結果リスト作成部１４とを備え、検索
結果を出力し、この出力に対するフィードバックデータ
が入力されると、該フィードバックデータを用いて学習
データのベクトルを改良し、この改良ベクトルと検索対
象データのベクトルの類似度に基づいて検索結果を更新
することを特徴とする。
索を行うことができる情報検索装置を実現する。 【解決手段】 カテゴリ毎に予め分類された学習データ
によりベクトル量子化のためのツリーを生成するツリー
生成部１１と、ツリーを用いて学習データと検索対象デ
ータをそれぞれベクトル化するベクトル化部１２と、学
習データのベクトルと検索対象データのベクトルの類似
度を算出する類似度算出１３と、類似度に基づいて検索
結果を求める検索結果リスト作成部１４とを備え、検索
結果を出力し、この出力に対するフィードバックデータ
が入力されると、該フィードバックデータを用いて学習
データのベクトルを改良し、この改良ベクトルと検索対
象データのベクトルの類似度に基づいて検索結果を更新
することを特徴とする。
Description
【０００１】
【発明の属する技術分野】本発明は、音楽情報等の検索
に用いて好適な情報検索方法及びその装置、並びにその
情報検索装置をコンピュータを利用して実現するための
コンピュータプログラムに関する。
に用いて好適な情報検索方法及びその装置、並びにその
情報検索装置をコンピュータを利用して実現するための
コンピュータプログラムに関する。
【０００２】
【従来の技術】近年、カラオケなどで所望の楽曲を探す
際に、ユーザが曲を歌い、その音声データに基づいて該
当曲を検索するための音楽情報検索技術が検討されてい
る。これによれば、曲名やアーティスト名等の楽曲に関
する情報が不明であっても検索することができるので便
利である。
際に、ユーザが曲を歌い、その音声データに基づいて該
当曲を検索するための音楽情報検索技術が検討されてい
る。これによれば、曲名やアーティスト名等の楽曲に関
する情報が不明であっても検索することができるので便
利である。
【０００３】しかし、このような音楽情報検索システム
では、ユーザの「好きな」曲を検索することはできな
い。そこで、音楽情報の自動分類技術を応用し、ユーザ
の嗜好に基づいて音楽データの分類を行うシステムもあ
る。この自動分類技術の一つとして、ツリーベクトル量
子化技術に基づく音楽情報の自動分類方法に関する技術
が、「Foote,“Content-based retrieval of music and
audio”,Proceedings of SPIE,Vol.3229,pp.136-147,1
997」に記載されている。図４に、この自動分類方法を
用いた従来の情報検索処理の流れを示す。
では、ユーザの「好きな」曲を検索することはできな
い。そこで、音楽情報の自動分類技術を応用し、ユーザ
の嗜好に基づいて音楽データの分類を行うシステムもあ
る。この自動分類技術の一つとして、ツリーベクトル量
子化技術に基づく音楽情報の自動分類方法に関する技術
が、「Foote,“Content-based retrieval of music and
audio”,Proceedings of SPIE,Vol.3229,pp.136-147,1
997」に記載されている。図４に、この自動分類方法を
用いた従来の情報検索処理の流れを示す。
【０００４】先ず、図４のステップＳ１０１において、
カテゴリ（集合Ｃg）に予め分類された複数の音楽デー
タＭg1，Ｍg2，・・・，Ｍgnと、カテゴリ（集合Ｃb）
に予め分類された複数の音楽データＭb1，Ｍb2，・・
・，Ｍbpと、検索対象の音楽データＸ1，Ｘ2，・・・，
Ｘkとがデータ入力される。集合Ｃg，Ｃbの音楽データ
は学習用のデータである。そして、集合Ｃbの音楽デー
タは集合Ｃgのカテゴリには含まれない音楽データであ
る。
カテゴリ（集合Ｃg）に予め分類された複数の音楽デー
タＭg1，Ｍg2，・・・，Ｍgnと、カテゴリ（集合Ｃb）
に予め分類された複数の音楽データＭb1，Ｍb2，・・
・，Ｍbpと、検索対象の音楽データＸ1，Ｘ2，・・・，
Ｘkとがデータ入力される。集合Ｃg，Ｃbの音楽データ
は学習用のデータである。そして、集合Ｃbの音楽デー
タは集合Ｃgのカテゴリには含まれない音楽データであ
る。
【０００５】例えば、カラオケのデータベース内にある
全楽曲の中からユーザが歌いたい楽曲を抽出する場合、
集合Ｃgの音楽データはユーザがカラオケで歌いたい楽
曲のデータ、集合Ｃbの音楽データはユーザがカラオケ
で歌いたくない楽曲のデータである。また、検索対象の
音楽データはカラオケのデータベース内にある全楽曲の
データである。
全楽曲の中からユーザが歌いたい楽曲を抽出する場合、
集合Ｃgの音楽データはユーザがカラオケで歌いたい楽
曲のデータ、集合Ｃbの音楽データはユーザがカラオケ
で歌いたくない楽曲のデータである。また、検索対象の
音楽データはカラオケのデータベース内にある全楽曲の
データである。
【０００６】次いで、ステップＳ１０２では、図５に示
す手法により、先ず、学習データである集合Ｃg，Ｃbの
音楽データを使用して、音楽データ毎にＭＦＣＣ（mel-
frequency cepstral coefficients）と音量をＭＦＣＣ
フレーム区間をずらしながら算出する（図５のＳ２０
１，Ｓ２０２）。ＭＦＣＣは１２種類のパラメータから
なる。これによりＭＦＣＣフレームは、１２個のＭＦＣ
Ｃと音量とを要素に持つ１３次元ベクトルとして表され
る。そして、各音楽データＭg1，Ｍg2，・・・，Ｍ
gnは、それぞれにＭＦＣＣフレーム群として表される
（Ｓ２０３）。
す手法により、先ず、学習データである集合Ｃg，Ｃbの
音楽データを使用して、音楽データ毎にＭＦＣＣ（mel-
frequency cepstral coefficients）と音量をＭＦＣＣ
フレーム区間をずらしながら算出する（図５のＳ２０
１，Ｓ２０２）。ＭＦＣＣは１２種類のパラメータから
なる。これによりＭＦＣＣフレームは、１２個のＭＦＣ
Ｃと音量とを要素に持つ１３次元ベクトルとして表され
る。そして、各音楽データＭg1，Ｍg2，・・・，Ｍ
gnは、それぞれにＭＦＣＣフレーム群として表される
（Ｓ２０３）。
【０００７】次いで、集合Ｃg，Ｃbの各音楽データにつ
いてそれぞれに、各ＭＦＣＣフレームの１３次元ベクト
ルを分類し、ベクトル量子化のためのツリーＴgを生成
する。この生成したツリーＴgに対して、集合Ｃgの各音
楽データについての各ＭＦＣＣフレームの１３次元ベク
トルを入力し、ツリーＴgの末端の枝毎に蓄積されるデ
ータ度数のヒストグラムを作成する。このヒストグラム
が集合Ｃgを表すカテゴリベクトルＶgとなる（Ｓ２０
４、Ｓ２０５）。
いてそれぞれに、各ＭＦＣＣフレームの１３次元ベクト
ルを分類し、ベクトル量子化のためのツリーＴgを生成
する。この生成したツリーＴgに対して、集合Ｃgの各音
楽データについての各ＭＦＣＣフレームの１３次元ベク
トルを入力し、ツリーＴgの末端の枝毎に蓄積されるデ
ータ度数のヒストグラムを作成する。このヒストグラム
が集合Ｃgを表すカテゴリベクトルＶgとなる（Ｓ２０
４、Ｓ２０５）。
【０００８】次いで、図４のステップＳ１０３，Ｓ１０
４において、検索対象となる個々の音楽データＸ1，
Ｘ2，・・・，Ｘkについても、同様に、上記ツリーＴg
によりベクトル化する。そして、この検索対象データの
ベクトルと、カテゴリベクトルＶ gとの類似度Ｓｉｍ
（Ｘi，Ｖg）を算出する。
４において、検索対象となる個々の音楽データＸ1，
Ｘ2，・・・，Ｘkについても、同様に、上記ツリーＴg
によりベクトル化する。そして、この検索対象データの
ベクトルと、カテゴリベクトルＶ gとの類似度Ｓｉｍ
（Ｘi，Ｖg）を算出する。
【０００９】次いで、この類似度Ｓｉｍ（Ｘi，Ｖg）の
大きい順に、検索対象データＸ1，Ｘ2，・・・，Ｘkを
並べ替えし、上位Ｎ件の検索対象データを検索結果とし
てユーザに提示する（Ｓ１０５）。
大きい順に、検索対象データＸ1，Ｘ2，・・・，Ｘkを
並べ替えし、上位Ｎ件の検索対象データを検索結果とし
てユーザに提示する（Ｓ１０５）。
【００１０】
【発明が解決しようとする課題】しかし、上述した従来
の情報検索方法では、ベクトル量子化のためのツリーを
生成するために大量の学習データ（数百曲のデータ）が
必要であり、実用的でないという問題がある。例えば、
カラオケをする場合、歌いたい楽曲を学習データとして
多数登録するのは手間がかかり、実用的ではない。ま
た、少ない学習データによりツリーを生成すると検索の
精度が悪くなってしまい、誤った楽曲を出力する可能性
が高い。
の情報検索方法では、ベクトル量子化のためのツリーを
生成するために大量の学習データ（数百曲のデータ）が
必要であり、実用的でないという問題がある。例えば、
カラオケをする場合、歌いたい楽曲を学習データとして
多数登録するのは手間がかかり、実用的ではない。ま
た、少ない学習データによりツリーを生成すると検索の
精度が悪くなってしまい、誤った楽曲を出力する可能性
が高い。
【００１１】本発明は、このような事情を考慮してなさ
れたもので、その目的は、ユーザの個々の嗜好に適応し
て情報を検索することができる情報検索方法を提供する
ことにある。また、その情報検索装置を提供することも
目的とする。
れたもので、その目的は、ユーザの個々の嗜好に適応し
て情報を検索することができる情報検索方法を提供する
ことにある。また、その情報検索装置を提供することも
目的とする。
【００１２】また、本発明は、学習データにより生成し
たベクトル量子化のためのツリーを用いて学習データと
検索対象データをそれぞれベクトル化し、学習データの
ベクトルと検索対象データのベクトルの類似度に基づい
て検索結果を得る情報検索方法において、少ない学習デ
ータで生成したベクトル量子化のためのツリーを用い
て、精度よく情報の検索を行うことができる情報検索方
法を提供することも目的とする。また、その情報検索装
置を提供することも目的とする。
たベクトル量子化のためのツリーを用いて学習データと
検索対象データをそれぞれベクトル化し、学習データの
ベクトルと検索対象データのベクトルの類似度に基づい
て検索結果を得る情報検索方法において、少ない学習デ
ータで生成したベクトル量子化のためのツリーを用い
て、精度よく情報の検索を行うことができる情報検索方
法を提供することも目的とする。また、その情報検索装
置を提供することも目的とする。
【００１３】また、本発明は、その情報検索装置をコン
ピュータを利用して実現するためのコンピュータプログ
ラムを提供することも目的とする。
ピュータを利用して実現するためのコンピュータプログ
ラムを提供することも目的とする。
【００１４】
【課題を解決するための手段】上記の課題を解決するた
めに、請求項１に記載の情報検索方法は、カテゴリ毎に
予め分類された学習データにより生成したベクトル量子
化のためのツリーを用いて、前記学習データと検索対象
データをそれぞれベクトル化し、前記学習データのベク
トルと前記検索対象データのベクトルの類似度に基づい
て検索結果を得る情報検索方法であって、前記検索結果
を出力する過程と、この出力に対するフィードバックデ
ータを受け取る過程と、前記フィードバックデータを用
いて前記学習データのベクトルを改良する過程と、この
改良ベクトルと前記検索対象データのベクトルの類似度
に基づいて検索結果を更新する過程とを含むことを特徴
としている。
めに、請求項１に記載の情報検索方法は、カテゴリ毎に
予め分類された学習データにより生成したベクトル量子
化のためのツリーを用いて、前記学習データと検索対象
データをそれぞれベクトル化し、前記学習データのベク
トルと前記検索対象データのベクトルの類似度に基づい
て検索結果を得る情報検索方法であって、前記検索結果
を出力する過程と、この出力に対するフィードバックデ
ータを受け取る過程と、前記フィードバックデータを用
いて前記学習データのベクトルを改良する過程と、この
改良ベクトルと前記検索対象データのベクトルの類似度
に基づいて検索結果を更新する過程とを含むことを特徴
としている。
【００１５】請求項２に記載の情報検索方法は、前記カ
テゴリは、検索対象との適合度合いに応じたものであ
り、前記類似度の大きい前記検索対象データに関する情
報から順に前記検索結果に含めることを特徴とする。
テゴリは、検索対象との適合度合いに応じたものであ
り、前記類似度の大きい前記検索対象データに関する情
報から順に前記検索結果に含めることを特徴とする。
【００１６】請求項３に記載の情報検索方法は、前記カ
テゴリは、検索対象との適合度合いが小さいものであ
り、前記類似度の大きい前記検索対象データに関する情
報から順に除外して前記検索結果を構成することを特徴
とする。
テゴリは、検索対象との適合度合いが小さいものであ
り、前記類似度の大きい前記検索対象データに関する情
報から順に除外して前記検索結果を構成することを特徴
とする。
【００１７】請求項４に記載の情報検索方法は、前記カ
テゴリは、検索対象との適合度合いが大きい第１のカテ
ゴリと、検索対象との適合度合いが小さい第２のカテゴ
リであり、前記第１のカテゴリについての前記類似度の
方が大きく、且つ、前記第１のカテゴリについての前記
類似度と前記第２のカテゴリについての前記類似度との
差が大きい、前記検索対象データに関する情報から順に
前記検索結果に含めることを特徴とする。
テゴリは、検索対象との適合度合いが大きい第１のカテ
ゴリと、検索対象との適合度合いが小さい第２のカテゴ
リであり、前記第１のカテゴリについての前記類似度の
方が大きく、且つ、前記第１のカテゴリについての前記
類似度と前記第２のカテゴリについての前記類似度との
差が大きい、前記検索対象データに関する情報から順に
前記検索結果に含めることを特徴とする。
【００１８】請求項５に記載の情報検索装置は、データ
を入力または出力する入出力手段と、データを記憶する
記憶手段と、カテゴリ毎に予め分類された学習データに
よりベクトル量子化のためのツリーを生成するツリー生
成手段と、前記ツリーを用いて前記学習データと検索対
象データをそれぞれベクトル化するベクトル化手段と、
前記学習データのベクトルと前記検索対象データのベク
トルの類似度を算出する類似度算出手段と、前記類似度
に基づいて検索結果を求める検索結果作成手段とを備
え、前記検索結果を出力し、この出力に対するフィード
バックデータが入力されると、該フィードバックデータ
を用いて前記学習データのベクトルを改良し、この改良
ベクトルと前記検索対象データのベクトルの類似度に基
づいて検索結果を更新することを特徴としている。
を入力または出力する入出力手段と、データを記憶する
記憶手段と、カテゴリ毎に予め分類された学習データに
よりベクトル量子化のためのツリーを生成するツリー生
成手段と、前記ツリーを用いて前記学習データと検索対
象データをそれぞれベクトル化するベクトル化手段と、
前記学習データのベクトルと前記検索対象データのベク
トルの類似度を算出する類似度算出手段と、前記類似度
に基づいて検索結果を求める検索結果作成手段とを備
え、前記検索結果を出力し、この出力に対するフィード
バックデータが入力されると、該フィードバックデータ
を用いて前記学習データのベクトルを改良し、この改良
ベクトルと前記検索対象データのベクトルの類似度に基
づいて検索結果を更新することを特徴としている。
【００１９】請求項６に記載のコンピュータプログラム
は、カテゴリ毎に予め分類された学習データにより生成
したベクトル量子化のためのツリーを用いて、前記学習
データと検索対象データをそれぞれベクトル化し、前記
学習データのベクトルと前記検索対象データのベクトル
の類似度に基づいて検索結果を得る情報検索処理を行う
ためのコンピュータプログラムであって、前記検索結果
を出力する処理と、この出力に対するフィードバックデ
ータを受け取る処理と、前記フィードバックデータを用
いて前記学習データのベクトルを改良する処理と、この
改良ベクトルと前記検索対象データのベクトルの類似度
に基づいて検索結果を更新する処理とをコンピュータに
実行させることを特徴としている。これにより、前述の
情報検索装置がコンピュータを利用して実現できるよう
になる。
は、カテゴリ毎に予め分類された学習データにより生成
したベクトル量子化のためのツリーを用いて、前記学習
データと検索対象データをそれぞれベクトル化し、前記
学習データのベクトルと前記検索対象データのベクトル
の類似度に基づいて検索結果を得る情報検索処理を行う
ためのコンピュータプログラムであって、前記検索結果
を出力する処理と、この出力に対するフィードバックデ
ータを受け取る処理と、前記フィードバックデータを用
いて前記学習データのベクトルを改良する処理と、この
改良ベクトルと前記検索対象データのベクトルの類似度
に基づいて検索結果を更新する処理とをコンピュータに
実行させることを特徴としている。これにより、前述の
情報検索装置がコンピュータを利用して実現できるよう
になる。
【００２０】請求項７に記載の情報検索方法は、ユーザ
の嗜好情報に基づいて検索対象データを選択し検索結果
を得る情報検索方法であって、ユーザの嗜好情報を受け
取り、ユーザ個人情報として記録する過程と、前記ユー
ザ個人情報の嗜好情報に基づいて検索対象データを選択
し、この検索対象データを当該ユーザへ通信回線を介し
て配信する過程と、前記配信した検索対象データについ
ての評価データを通信回線を介して受け取り、前記ユー
ザ個人情報を更新する過程とを含むことを特徴としてい
る。
の嗜好情報に基づいて検索対象データを選択し検索結果
を得る情報検索方法であって、ユーザの嗜好情報を受け
取り、ユーザ個人情報として記録する過程と、前記ユー
ザ個人情報の嗜好情報に基づいて検索対象データを選択
し、この検索対象データを当該ユーザへ通信回線を介し
て配信する過程と、前記配信した検索対象データについ
ての評価データを通信回線を介して受け取り、前記ユー
ザ個人情報を更新する過程とを含むことを特徴としてい
る。
【００２１】請求項８に記載の情報検索方法において
は、前記検索対象データは、ストリーミング形式により
配信されることを特徴とする。
は、前記検索対象データは、ストリーミング形式により
配信されることを特徴とする。
【００２２】請求項９に記載の情報検索装置は、ユーザ
の嗜好情報に基づいて検索対象データを選択し検索結果
を得る情報検索装置であって、ユーザ毎にユーザ個人情
報を記憶する記憶手段と、ユーザの嗜好情報を受け取
り、前記ユーザ個人情報として記録するユーザ個人情報
生成手段と、前記ユーザ個人情報の嗜好情報に基づいて
検索対象データを選択し、この検索対象データを当該ユ
ーザへ通信回線を介して配信するデータ選択配信手段
と、前記配信した検索対象データについての評価データ
を通信回線を介して受け取り、前記ユーザ個人情報を更
新するユーザ個人情報更新手段とを備えたことを特徴と
している。
の嗜好情報に基づいて検索対象データを選択し検索結果
を得る情報検索装置であって、ユーザ毎にユーザ個人情
報を記憶する記憶手段と、ユーザの嗜好情報を受け取
り、前記ユーザ個人情報として記録するユーザ個人情報
生成手段と、前記ユーザ個人情報の嗜好情報に基づいて
検索対象データを選択し、この検索対象データを当該ユ
ーザへ通信回線を介して配信するデータ選択配信手段
と、前記配信した検索対象データについての評価データ
を通信回線を介して受け取り、前記ユーザ個人情報を更
新するユーザ個人情報更新手段とを備えたことを特徴と
している。
【００２３】請求項１０に記載のコンピュータプログラ
ムは、ユーザの嗜好情報に基づいて検索対象データを選
択し検索結果を得る情報検索処理を行うためのコンピュ
ータプログラムであって、ユーザの嗜好情報を受け取
り、ユーザ個人情報として記録する処理と、前記ユーザ
個人情報の嗜好情報に基づいて検索対象データを選択
し、この検索対象データを当該ユーザへ通信回線を介し
て配信する処理と、前記配信した検索対象データについ
ての評価データを通信回線を介して受け取り、前記ユー
ザ個人情報を更新する処理とをコンピュータに実行させ
ることを特徴としている。これにより、前述の情報検索
装置がコンピュータを利用して実現できるようになる。
ムは、ユーザの嗜好情報に基づいて検索対象データを選
択し検索結果を得る情報検索処理を行うためのコンピュ
ータプログラムであって、ユーザの嗜好情報を受け取
り、ユーザ個人情報として記録する処理と、前記ユーザ
個人情報の嗜好情報に基づいて検索対象データを選択
し、この検索対象データを当該ユーザへ通信回線を介し
て配信する処理と、前記配信した検索対象データについ
ての評価データを通信回線を介して受け取り、前記ユー
ザ個人情報を更新する処理とをコンピュータに実行させ
ることを特徴としている。これにより、前述の情報検索
装置がコンピュータを利用して実現できるようになる。
【００２４】
【発明の実施の形態】以下、図面を参照し、本発明の実
施形態について説明する。図１は、本発明の一実施形態
による情報検索装置の構成を示すブロック図である。こ
の図１において、符号１はデータを入力するための入力
部である。符号２は入力データを使用して情報検索を行
う処理部である。符号３は処理部２の検索結果を出力す
る出力部である。符号４は処理部４からアクセスされ、
各種データ（入力データ、ツリーデータ、ベクトルデー
タ等）を記憶する記憶部である。
施形態について説明する。図１は、本発明の一実施形態
による情報検索装置の構成を示すブロック図である。こ
の図１において、符号１はデータを入力するための入力
部である。符号２は入力データを使用して情報検索を行
う処理部である。符号３は処理部２の検索結果を出力す
る出力部である。符号４は処理部４からアクセスされ、
各種データ（入力データ、ツリーデータ、ベクトルデー
タ等）を記憶する記憶部である。
【００２５】処理部２は、ツリー生成部１１とベクトル
化部１２と類似度算出部１３と検索結果リスト作成部１
４とを有する。ツリー生成部１１は、入力された学習デ
ータに基づいて、ベクトル量子化のためのツリーを生成
する。ベクトル化部１２は、ツリー生成部１１により生
成されたツリーを用いて情報をベクトル量子化し、情報
のベクトル化を行う。類似度算出部１３は、ベクトル化
部１２により生成された２つのベクトルの類似度を算出
する。検索結果リスト作成部１４は、類似度算出部１３
により算出された類似度に基づいて検索対象情報の順位
付けを行い、この結果を記載したリストを作成する。
化部１２と類似度算出部１３と検索結果リスト作成部１
４とを有する。ツリー生成部１１は、入力された学習デ
ータに基づいて、ベクトル量子化のためのツリーを生成
する。ベクトル化部１２は、ツリー生成部１１により生
成されたツリーを用いて情報をベクトル量子化し、情報
のベクトル化を行う。類似度算出部１３は、ベクトル化
部１２により生成された２つのベクトルの類似度を算出
する。検索結果リスト作成部１４は、類似度算出部１３
により算出された類似度に基づいて検索対象情報の順位
付けを行い、この結果を記載したリストを作成する。
【００２６】次に、上記処理部２が行う情報検索処理に
ついて、図２，図３を参照して説明する。図２，図３
は、情報検索処理の流れを示すフローチャートである。
先ず、図２のステップＳ１０１では、一つのカテゴリ
（集合Ｃh）に予め分類された複数の音楽データＭh1，
Ｍh2，・・・，Ｍhm（学習データ）と、検索対象の音楽
データＸ1，Ｘ2，・・・，Ｘkとが入力部１を介して入
力される。但し、学習データは、例えば数曲程度の少量
のデータでよい。
ついて、図２，図３を参照して説明する。図２，図３
は、情報検索処理の流れを示すフローチャートである。
先ず、図２のステップＳ１０１では、一つのカテゴリ
（集合Ｃh）に予め分類された複数の音楽データＭh1，
Ｍh2，・・・，Ｍhm（学習データ）と、検索対象の音楽
データＸ1，Ｘ2，・・・，Ｘkとが入力部１を介して入
力される。但し、学習データは、例えば数曲程度の少量
のデータでよい。
【００２７】例えば、カラオケのデータベース内にある
全楽曲の中からユーザが歌いたい楽曲を抽出する場合、
ユーザが好きな楽曲のデータを数曲分選んで集合Ｃhの
音楽データとし、カラオケのデータベース内にある全楽
曲のデータを検索対象データとする。
全楽曲の中からユーザが歌いたい楽曲を抽出する場合、
ユーザが好きな楽曲のデータを数曲分選んで集合Ｃhの
音楽データとし、カラオケのデータベース内にある全楽
曲のデータを検索対象データとする。
【００２８】次いで、上記図４と同様にして、ツリー生
成部１１は、集合Ｃhの学習データに基づいてツリーＴh
を生成し、このツリーＴhを用いてベクトル化部１２が
該集合Ｃhの学習データのカテゴリベクトルＶhを生成す
る（Ｓ１０２）。また、ベクトル化部１２は、検索対象
データＸ1，Ｘ2，・・・，Ｘkについても、同様に、該
ツリーＴhによりベクトル化する。次いで、類似度算出
部１３は、この検索対象データのベクトルと、カテゴリ
ベクトルＶhとの類似度Ｓｉｍ（Ｘi，Ｖh）を算出する
（Ｓ１０３、Ｓ１０４）。
成部１１は、集合Ｃhの学習データに基づいてツリーＴh
を生成し、このツリーＴhを用いてベクトル化部１２が
該集合Ｃhの学習データのカテゴリベクトルＶhを生成す
る（Ｓ１０２）。また、ベクトル化部１２は、検索対象
データＸ1，Ｘ2，・・・，Ｘkについても、同様に、該
ツリーＴhによりベクトル化する。次いで、類似度算出
部１３は、この検索対象データのベクトルと、カテゴリ
ベクトルＶhとの類似度Ｓｉｍ（Ｘi，Ｖh）を算出する
（Ｓ１０３、Ｓ１０４）。
【００２９】次いで、検索結果リスト作成部１４は、こ
の類似度Ｓｉｍ（Ｘi，Ｖh）の大きい順に、検索対象デ
ータＸ1，Ｘ2，・・・，Ｘkを並べ替えし、上位Ｎ件の
検索対象データの楽曲名をリストにして出力部３を介し
て出力する（Ｓ１０５）。
の類似度Ｓｉｍ（Ｘi，Ｖh）の大きい順に、検索対象デ
ータＸ1，Ｘ2，・・・，Ｘkを並べ替えし、上位Ｎ件の
検索対象データの楽曲名をリストにして出力部３を介し
て出力する（Ｓ１０５）。
【００３０】ユーザは、このリストに記載された楽曲や
その順序が自分の嗜好に合っているか否かを判定する。
そして、自分の嗜好と異なっている場合には、フィード
バック用の音楽データを情報検索装置へ入力する。この
フィードバックデータとしては、例えば、リストに記載
された楽曲の中から嗜好と異なっている楽曲を削除し、
残った楽曲の音楽データとしてもよく、あるいは、新た
に他の楽曲の音楽データとしてもよい。また、それらを
組み合わせてもよい。
その順序が自分の嗜好に合っているか否かを判定する。
そして、自分の嗜好と異なっている場合には、フィード
バック用の音楽データを情報検索装置へ入力する。この
フィードバックデータとしては、例えば、リストに記載
された楽曲の中から嗜好と異なっている楽曲を削除し、
残った楽曲の音楽データとしてもよく、あるいは、新た
に他の楽曲の音楽データとしてもよい。また、それらを
組み合わせてもよい。
【００３１】次いで、図３のステップＳ３０１で、該フ
ィードバックデータとして音楽データＸu1，Ｘu2，・・
・，Ｘujの集合Ｃuが入力されると、ベクトル化部１２
は、集合Ｃuの音楽データＸu1，Ｘu2，・・・，Ｘujを
ＭＦＣＣフレームにして上記ツリーＴhに入力し（Ｓ３
０２）、ツリーＴh末端の枝毎に蓄積されるデータ度数
を、上記図２のステップＳ１０２で求めた集合Ｃhのヒ
ストグラム（このヒストグラムは図５のステップＳ２０
５と同様にして求められる）に重畳する。この結果から
カテゴリベクトルＶhの改良ベクトルＶ’hを生成する
（Ｓ３０３）。
ィードバックデータとして音楽データＸu1，Ｘu2，・・
・，Ｘujの集合Ｃuが入力されると、ベクトル化部１２
は、集合Ｃuの音楽データＸu1，Ｘu2，・・・，Ｘujを
ＭＦＣＣフレームにして上記ツリーＴhに入力し（Ｓ３
０２）、ツリーＴh末端の枝毎に蓄積されるデータ度数
を、上記図２のステップＳ１０２で求めた集合Ｃhのヒ
ストグラム（このヒストグラムは図５のステップＳ２０
５と同様にして求められる）に重畳する。この結果から
カテゴリベクトルＶhの改良ベクトルＶ’hを生成する
（Ｓ３０３）。
【００３２】次いで、類似度算出部１３は、このフィー
ドバックデータが反映された改良ベクトルＶ’hと上記
検索対象データのベクトルとの類似度Ｓｉｍ（Ｘi，
Ｖ’h）を算出する（Ｓ３０４）。
ドバックデータが反映された改良ベクトルＶ’hと上記
検索対象データのベクトルとの類似度Ｓｉｍ（Ｘi，
Ｖ’h）を算出する（Ｓ３０４）。
【００３３】次いで、検索結果リスト作成部１４は、こ
の類似度Ｓｉｍ（Ｘi，Ｖ’h）の大きい順に、検索対象
データＸ1，Ｘ2，・・・，Ｘkを並べ替えし、上位Ｎ件
の検索対象データの楽曲名をリストにして出力部３を介
して出力する（Ｓ３０５）。
の類似度Ｓｉｍ（Ｘi，Ｖ’h）の大きい順に、検索対象
データＸ1，Ｘ2，・・・，Ｘkを並べ替えし、上位Ｎ件
の検索対象データの楽曲名をリストにして出力部３を介
して出力する（Ｓ３０５）。
【００３４】上述した実施形態によれば、学習データに
より生成したベクトル量子化のためのツリーを用いて学
習データと検索対象データをそれぞれベクトル化し、学
習データのベクトルと検索対象データのベクトルの類似
度に基づいて検索結果を得る。そして、この検索結果を
出力してユーザに提示し、ユーザから該検索結果に対す
るフィードバックデータを受け取り、このフィードバッ
クデータを学習データのベクトルに反映させて改良ベク
トルを求め、再度、この改良ベクトルと検索対象データ
のベクトルとの類似度を算出し、この類似度に基づいて
検索結果を更新する。これにより、少ない学習データで
生成したベクトル量子化のためのツリーを用いても、学
習データのベクトルを改良して精度のよい検索結果を得
ることができるという効果が得られる。
より生成したベクトル量子化のためのツリーを用いて学
習データと検索対象データをそれぞれベクトル化し、学
習データのベクトルと検索対象データのベクトルの類似
度に基づいて検索結果を得る。そして、この検索結果を
出力してユーザに提示し、ユーザから該検索結果に対す
るフィードバックデータを受け取り、このフィードバッ
クデータを学習データのベクトルに反映させて改良ベク
トルを求め、再度、この改良ベクトルと検索対象データ
のベクトルとの類似度を算出し、この類似度に基づいて
検索結果を更新する。これにより、少ない学習データで
生成したベクトル量子化のためのツリーを用いても、学
習データのベクトルを改良して精度のよい検索結果を得
ることができるという効果が得られる。
【００３５】また、検索対象との適合度合いに応じたカ
テゴリ（好きのカテゴリ）を用い、類似度の大きい検索
対象データに関する情報から順に検索結果に含めるよう
にしてもよい。これにより、ユーザの嗜好に合った情報
から順に提示することができるという効果が得られる。
テゴリ（好きのカテゴリ）を用い、類似度の大きい検索
対象データに関する情報から順に検索結果に含めるよう
にしてもよい。これにより、ユーザの嗜好に合った情報
から順に提示することができるという効果が得られる。
【００３６】なお、上述した実施形態において、ユーザ
の嗜好の順序により、学習データのベクトル化時に重み
付けを行うようにしてもよい。例えば、図５のステップ
Ｓ２０５と同様にして求めた集合Ｃhのヒストグラムに
おいて、ユーザの嗜好性大の音楽データの度数により高
い重み付けを行うようにする。また、ユーザが検索結果
リストに記載された楽曲の順序を好きな楽曲から並び替
えし、この順序をフィードバックデータとして入力する
ようにしてもよい。この場合には、改良ベクトルＶ’h
生成時に重み付けを行う。
の嗜好の順序により、学習データのベクトル化時に重み
付けを行うようにしてもよい。例えば、図５のステップ
Ｓ２０５と同様にして求めた集合Ｃhのヒストグラムに
おいて、ユーザの嗜好性大の音楽データの度数により高
い重み付けを行うようにする。また、ユーザが検索結果
リストに記載された楽曲の順序を好きな楽曲から並び替
えし、この順序をフィードバックデータとして入力する
ようにしてもよい。この場合には、改良ベクトルＶ’h
生成時に重み付けを行う。
【００３７】また、ユーザの嗜好とは異なるカテゴリ
（検索対象との適合度合いが小さいカテゴリ）を用いて
もよい。この場合には、学習データのカテゴリベクトル
との類似度が大きい検索対象データを除外して、残りの
検索対象データを検索結果として提示する。これによ
り、少なくともユーザの嗜好に適さない情報を検索結果
から省くことが可能となり、能率的に検索を行うことが
できるという効果が得られる。
（検索対象との適合度合いが小さいカテゴリ）を用いて
もよい。この場合には、学習データのカテゴリベクトル
との類似度が大きい検索対象データを除外して、残りの
検索対象データを検索結果として提示する。これによ
り、少なくともユーザの嗜好に適さない情報を検索結果
から省くことが可能となり、能率的に検索を行うことが
できるという効果が得られる。
【００３８】また、ユーザの嗜好に合った楽曲のカテゴ
リ（検索対象との適合度合いが大きいカテゴリ）と、嗜
好とは異なる楽曲のカテゴリ（検索対象との適合度合い
が小さいカテゴリ）の両方を用いるようにしてもよい。
この場合には、嗜好に合ったカテゴリベクトルと嗜好に
合わないカテゴリベクトルとを生成し、各カテゴリベク
トルと検索対象データのベクトルとの類似度を求め、嗜
好に合ったカテゴリベクトルとの類似度の方が大きく、
且つ、嗜好に合ったカテゴリベクトルとの類似度と嗜好
に合わないカテゴリベクトルとの類似度の差が大きい、
検索対象データについて、上位Ｎ件を検索結果とするよ
うにしてもよい。このようにすれば、よりユーザの嗜好
に合致した情報を提示することができるという効果が得
られる。
リ（検索対象との適合度合いが大きいカテゴリ）と、嗜
好とは異なる楽曲のカテゴリ（検索対象との適合度合い
が小さいカテゴリ）の両方を用いるようにしてもよい。
この場合には、嗜好に合ったカテゴリベクトルと嗜好に
合わないカテゴリベクトルとを生成し、各カテゴリベク
トルと検索対象データのベクトルとの類似度を求め、嗜
好に合ったカテゴリベクトルとの類似度の方が大きく、
且つ、嗜好に合ったカテゴリベクトルとの類似度と嗜好
に合わないカテゴリベクトルとの類似度の差が大きい、
検索対象データについて、上位Ｎ件を検索結果とするよ
うにしてもよい。このようにすれば、よりユーザの嗜好
に合致した情報を提示することができるという効果が得
られる。
【００３９】また、フィードバックデータとしては、嗜
好に合った楽曲のみを選択してもよく、あるいは嗜好に
合わない楽曲のみを選択してもよい。また、それらを組
み合わせてフィードバックデータとしてもよい。
好に合った楽曲のみを選択してもよく、あるいは嗜好に
合わない楽曲のみを選択してもよい。また、それらを組
み合わせてフィードバックデータとしてもよい。
【００４０】なお、上述した実施形態においては、検索
対象の情報に音楽データを使用して楽曲の検索を行うよ
うにしたが、検索対象の情報は音楽データに限定され
ず、学習データによりベクトル量子化のためのツリーを
生成可能なデータ種別であればよい。
対象の情報に音楽データを使用して楽曲の検索を行うよ
うにしたが、検索対象の情報は音楽データに限定され
ず、学習データによりベクトル量子化のためのツリーを
生成可能なデータ種別であればよい。
【００４１】また、上述した音楽情報の検索装置は、カ
ラオケシステムにおける検索の他、様々なシステムに適
用可能である。例えば、インターネットを用いた音楽情
報検索システムや、個々のユーザの嗜好に基づいて音楽
情報を配信する音楽情報配信システムなどにも適用する
ことができる。
ラオケシステムにおける検索の他、様々なシステムに適
用可能である。例えば、インターネットを用いた音楽情
報検索システムや、個々のユーザの嗜好に基づいて音楽
情報を配信する音楽情報配信システムなどにも適用する
ことができる。
【００４２】次に、ユーザの個々の嗜好情報に基づいて
音楽情報を配信するシステムについて説明する。図６に
この音楽情報配信システムの構成例を示す。図６におい
て、音楽配信サーバ１０１は、データベース１０２に格
納されている音楽データの中から、ユーザの個々の嗜好
情報に基づいて音楽データを選択し配信する機能を有す
る。また、音楽配信サーバ１０１は、インターネット１
０４に接続され、このインターネット１０４を介して音
楽データを配信する。データベース１０２は、配信対象
音楽データとして各種ジャンルの楽曲の音楽データを蓄
積しており、音楽配信サーバ１０１からアクセス可能で
ある。ユーザの端末１０３は、インターネット１０４を
介して音楽配信サーバ１０１にアクセス可能であり、音
楽配信サーバ１０１から音楽データの配信を受けて音楽
を再生することができる。
音楽情報を配信するシステムについて説明する。図６に
この音楽情報配信システムの構成例を示す。図６におい
て、音楽配信サーバ１０１は、データベース１０２に格
納されている音楽データの中から、ユーザの個々の嗜好
情報に基づいて音楽データを選択し配信する機能を有す
る。また、音楽配信サーバ１０１は、インターネット１
０４に接続され、このインターネット１０４を介して音
楽データを配信する。データベース１０２は、配信対象
音楽データとして各種ジャンルの楽曲の音楽データを蓄
積しており、音楽配信サーバ１０１からアクセス可能で
ある。ユーザの端末１０３は、インターネット１０４を
介して音楽配信サーバ１０１にアクセス可能であり、音
楽配信サーバ１０１から音楽データの配信を受けて音楽
を再生することができる。
【００４３】図７に上記図６に示す音楽配信サーバ１０
１の構成を示す。図７において、プロファイル生成部１
１０は初期プロファイル生成部１１１とプロファイル更
新部１１２とから構成される。初期プロファイル生成部
１１１（ユーザ個人情報生成手段）は、利用登録時など
にユーザが登録した音楽嗜好情報に基づいて、ユーザ個
別の初期のユーザプロファイル２１０（ユーザ個人情
報）を生成する機能を有する。プロファイル更新部１１
２（ユーザ個人情報更新手段）は、ユーザから受け取っ
た適合フィードバック情報に基づいて、該当ユーザプロ
ファイル２１０を更新する機能を有する。
１の構成を示す。図７において、プロファイル生成部１
１０は初期プロファイル生成部１１１とプロファイル更
新部１１２とから構成される。初期プロファイル生成部
１１１（ユーザ個人情報生成手段）は、利用登録時など
にユーザが登録した音楽嗜好情報に基づいて、ユーザ個
別の初期のユーザプロファイル２１０（ユーザ個人情
報）を生成する機能を有する。プロファイル更新部１１
２（ユーザ個人情報更新手段）は、ユーザから受け取っ
た適合フィードバック情報に基づいて、該当ユーザプロ
ファイル２１０を更新する機能を有する。
【００４４】ユーザプロファイル２１０は、ユーザ個人
情報が記録されるデータファイルであって、該ユーザ個
人情報にはユーザの音楽嗜好に関するデータが含まれ
る。音楽嗜好に関するデータとは、例えば、好きな音楽
ジャンル（ロック、ポップス、ジャズ、クラシックな
ど）やアーティストなどの情報、実際にユーザが好きだ
と判断した楽曲の音楽的特徴が抽出されたデータ（上記
図２のカテゴリベクトルＶ hに相当）などである。この
ユーザプロファイル２１０は、音楽配信サーバ１０１内
の記憶部１３０に記憶される。あるいはデータベース１
０２に記憶するようにしてもよい。
情報が記録されるデータファイルであって、該ユーザ個
人情報にはユーザの音楽嗜好に関するデータが含まれ
る。音楽嗜好に関するデータとは、例えば、好きな音楽
ジャンル（ロック、ポップス、ジャズ、クラシックな
ど）やアーティストなどの情報、実際にユーザが好きだ
と判断した楽曲の音楽的特徴が抽出されたデータ（上記
図２のカテゴリベクトルＶ hに相当）などである。この
ユーザプロファイル２１０は、音楽配信サーバ１０１内
の記憶部１３０に記憶される。あるいはデータベース１
０２に記憶するようにしてもよい。
【００４５】データ処理部１２０（データ選択配信手
段）は、スコア算出部１２１と配信データ選択部１２２
とから構成される。スコア算出部１２１は、ユーザプロ
ファイル２１０と配信対象音楽データ２００（検索対象
データ）を参照し、ユーザ個別に、各配信対象音楽デー
タ２００のスコアを算出する機能を有する。配信データ
選択部１２２は、スコア算出部１２１によって算出され
たスコアに基づいて、該当ユーザに配信する音楽データ
２００を選択し、音楽情報配信データとして出力する機
能を有する。
段）は、スコア算出部１２１と配信データ選択部１２２
とから構成される。スコア算出部１２１は、ユーザプロ
ファイル２１０と配信対象音楽データ２００（検索対象
データ）を参照し、ユーザ個別に、各配信対象音楽デー
タ２００のスコアを算出する機能を有する。配信データ
選択部１２２は、スコア算出部１２１によって算出され
たスコアに基づいて、該当ユーザに配信する音楽データ
２００を選択し、音楽情報配信データとして出力する機
能を有する。
【００４６】次に、図８を参照して、図６の音楽情報配
信システムの動作を説明する。初めに、ユーザは、端末
１０３により、自己の音楽嗜好の情報を音楽配信サーバ
１０１へ登録する。この音楽嗜好情報を受け取ると、音
楽配信サーバ１０１の初期プロファイル生成部１１１
は、該音楽嗜好情報に基づいて当該ユーザの初期のユー
ザプロファイル２１０を生成し記録する（ステップＳ４
０１）。
信システムの動作を説明する。初めに、ユーザは、端末
１０３により、自己の音楽嗜好の情報を音楽配信サーバ
１０１へ登録する。この音楽嗜好情報を受け取ると、音
楽配信サーバ１０１の初期プロファイル生成部１１１
は、該音楽嗜好情報に基づいて当該ユーザの初期のユー
ザプロファイル２１０を生成し記録する（ステップＳ４
０１）。
【００４７】次いで、スコア算出部１２１は、ユーザ個
別に、該当ユーザプロファイル２１０と各配信対象音楽
データ２００を参照して各配信対象音楽データ２００の
スコアを算出する。配信データ選択部１２２は、このス
コアに基づいて音楽情報配信データを選択し、該当ユー
ザの端末１０３へ配信する（ステップＳ４０２）。
別に、該当ユーザプロファイル２１０と各配信対象音楽
データ２００を参照して各配信対象音楽データ２００の
スコアを算出する。配信データ選択部１２２は、このス
コアに基づいて音楽情報配信データを選択し、該当ユー
ザの端末１０３へ配信する（ステップＳ４０２）。
【００４８】次いで、ユーザは、端末１０３により、受
信した音楽情報配信データの再生がなされると、該楽曲
の評価を行い、この評価値を適合フィードバック情報と
して音楽配信サーバ１０１へ送信する。音楽配信サーバ
１０１のプロファイル更新部１１２は、適合フィードバ
ック情報を受け取ると、該情報に基づいて該当ユーザプ
ロファイル２１０を更新する（ステップＳ４０３）。
信した音楽情報配信データの再生がなされると、該楽曲
の評価を行い、この評価値を適合フィードバック情報と
して音楽配信サーバ１０１へ送信する。音楽配信サーバ
１０１のプロファイル更新部１１２は、適合フィードバ
ック情報を受け取ると、該情報に基づいて該当ユーザプ
ロファイル２１０を更新する（ステップＳ４０３）。
【００４９】次いで、スコア算出部１２１は、該更新後
のユーザプロファイル２１０と各配信対象音楽データ２
００を参照して各配信対象音楽データ２００のスコアを
算出し、配信データ選択部１２２は、このスコアに基づ
いて音楽情報配信データを選択し、該当ユーザの端末１
０３へ配信する（ステップＳ４０４）。例えば、スコア
の大きい順に、配信対象音楽データ２００を順次配信す
る。このように、ユーザから適合フィードバック情報を
受け取ってユーザプロファイルを更新し、該ユーザプロ
ファイル内のユーザの音楽嗜好に関するデータに基づい
て音楽情報配信データを選択するようにしたので、ユー
ザの個々の音楽的嗜好に適応して音楽情報を検索するこ
とができる。この結果、ユーザに配信する音楽情報に関
して、ユーザ個々の音楽的嗜好の適合精度を向上させる
ことができるという優れた効果を奏する。
のユーザプロファイル２１０と各配信対象音楽データ２
００を参照して各配信対象音楽データ２００のスコアを
算出し、配信データ選択部１２２は、このスコアに基づ
いて音楽情報配信データを選択し、該当ユーザの端末１
０３へ配信する（ステップＳ４０４）。例えば、スコア
の大きい順に、配信対象音楽データ２００を順次配信す
る。このように、ユーザから適合フィードバック情報を
受け取ってユーザプロファイルを更新し、該ユーザプロ
ファイル内のユーザの音楽嗜好に関するデータに基づい
て音楽情報配信データを選択するようにしたので、ユー
ザの個々の音楽的嗜好に適応して音楽情報を検索するこ
とができる。この結果、ユーザに配信する音楽情報に関
して、ユーザ個々の音楽的嗜好の適合精度を向上させる
ことができるという優れた効果を奏する。
【００５０】なお、上記ステップＳ４０３の楽曲の評価
方法としては、例えば、配信された楽曲について、好み
に合う度合いを５段階あるいは「○×」式で評価する。
「○×」式評価の場合には、ユーザが、聞きたくない楽
曲については端末の音楽再生機能の中の「早送り」操作
を行い、この操作情報を「×」の評価値として利用する
ようにしてもよい。ユーザプロファイルには、例えばこ
の評価値を音楽ジャンル毎に分類して記録し、スコア算
出部１２１は、その評価値に基づいてスコアを算出す
る。
方法としては、例えば、配信された楽曲について、好み
に合う度合いを５段階あるいは「○×」式で評価する。
「○×」式評価の場合には、ユーザが、聞きたくない楽
曲については端末の音楽再生機能の中の「早送り」操作
を行い、この操作情報を「×」の評価値として利用する
ようにしてもよい。ユーザプロファイルには、例えばこ
の評価値を音楽ジャンル毎に分類して記録し、スコア算
出部１２１は、その評価値に基づいてスコアを算出す
る。
【００５１】また、上述した図６の音楽情報配信システ
ムにおいて、配信する音楽データの形式に一般的なスト
リーミング形式を用いるようにすれば、ユーザが受信視
聴中に評価を行い、該評価値を適合フィードバック情報
として音楽配信サーバ１０１へ送信することによって、
音楽配信サーバ１０１は、受信した評価値が現在配信中
の音楽データについてのものであると容易に特定するこ
とができる。また、ユーザにとっては視聴後に各楽曲に
ついて各々評価し適合フィードバック情報を送信する手
間が省けるので、配信された楽曲に対する評価を行いや
すく、より確実に適合フィードバック情報の送信がなさ
れることを期待できる。これにより、音楽情報配信の都
度、ユーザの音楽的嗜好がユーザプロファイルに反映さ
れるので、ユーザの嗜好を精度よく且つ効率的に配信情
報に反映することができるという優れた効果を奏する。
ムにおいて、配信する音楽データの形式に一般的なスト
リーミング形式を用いるようにすれば、ユーザが受信視
聴中に評価を行い、該評価値を適合フィードバック情報
として音楽配信サーバ１０１へ送信することによって、
音楽配信サーバ１０１は、受信した評価値が現在配信中
の音楽データについてのものであると容易に特定するこ
とができる。また、ユーザにとっては視聴後に各楽曲に
ついて各々評価し適合フィードバック情報を送信する手
間が省けるので、配信された楽曲に対する評価を行いや
すく、より確実に適合フィードバック情報の送信がなさ
れることを期待できる。これにより、音楽情報配信の都
度、ユーザの音楽的嗜好がユーザプロファイルに反映さ
れるので、ユーザの嗜好を精度よく且つ効率的に配信情
報に反映することができるという優れた効果を奏する。
【００５２】また、上述した図６の音楽情報配信システ
ムにおいて、ユーザプロファイルにカテゴリベクトルＶ
hを含めるようにし、ユーザから受信した適合フィード
バック情報に基づいて上記図３の処理により、該カテゴ
リベクトルＶhを更新するようにしてもよい。この場合
には、ユーザプロファイル内のカテゴリベクトルＶhと
配信対象音楽データとの類似度を算出することによっ
て、各配信対象音楽データのスコアを算出する。
ムにおいて、ユーザプロファイルにカテゴリベクトルＶ
hを含めるようにし、ユーザから受信した適合フィード
バック情報に基づいて上記図３の処理により、該カテゴ
リベクトルＶhを更新するようにしてもよい。この場合
には、ユーザプロファイル内のカテゴリベクトルＶhと
配信対象音楽データとの類似度を算出することによっ
て、各配信対象音楽データのスコアを算出する。
【００５３】なお、上述した図６の音楽情報配信システ
ムは、例えば、インターネットを介して音楽情報等を配
信するインターネットラジオ放送システムに応用するこ
とができる。この場合、音楽配信サーバは、全ユーザに
同じ音楽情報を配信するためのチャネルの他に、ユーザ
毎のチャネルを設けてユーザ個別の音楽情報の配信およ
び適合フィードバック情報の取得を行うようにする。
ムは、例えば、インターネットを介して音楽情報等を配
信するインターネットラジオ放送システムに応用するこ
とができる。この場合、音楽配信サーバは、全ユーザに
同じ音楽情報を配信するためのチャネルの他に、ユーザ
毎のチャネルを設けてユーザ個別の音楽情報の配信およ
び適合フィードバック情報の取得を行うようにする。
【００５４】また、図２、図３に示す各ステップを実現
するためのプログラム、あるいは図７に示すプロファイ
ル生成部１１０およびデータ処理部１２０の機能を実現
するためのプログラムをコンピュータ読み取り可能な記
録媒体に記録して、この記録媒体に記録されたプログラ
ムをコンピュータシステムに読み込ませ、実行すること
により情報検索処理を行ってもよい。なお、ここでいう
「コンピュータシステム」とは、ＯＳや周辺機器等のハ
ードウェアを含むものであってもよい。また、「コンピ
ュータシステム」は、ＷＷＷシステムを利用している場
合であれば、ホームページ提供環境（あるいは表示環
境）も含むものとする。また、「コンピュータ読み取り
可能な記録媒体」とは、フレキシブルディスク、光磁気
ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピ
ュータシステムに内蔵されるハードディスク等の記憶装
置のことをいう。
するためのプログラム、あるいは図７に示すプロファイ
ル生成部１１０およびデータ処理部１２０の機能を実現
するためのプログラムをコンピュータ読み取り可能な記
録媒体に記録して、この記録媒体に記録されたプログラ
ムをコンピュータシステムに読み込ませ、実行すること
により情報検索処理を行ってもよい。なお、ここでいう
「コンピュータシステム」とは、ＯＳや周辺機器等のハ
ードウェアを含むものであってもよい。また、「コンピ
ュータシステム」は、ＷＷＷシステムを利用している場
合であれば、ホームページ提供環境（あるいは表示環
境）も含むものとする。また、「コンピュータ読み取り
可能な記録媒体」とは、フレキシブルディスク、光磁気
ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピ
ュータシステムに内蔵されるハードディスク等の記憶装
置のことをいう。
【００５５】さらに「コンピュータ読み取り可能な記録
媒体」とは、インターネット等のネットワークや電話回
線等の通信回線を介してプログラムが送信された場合の
サーバやクライアントとなるコンピュータシステム内部
の揮発性メモリ（ＲＡＭ）のように、一定時間プログラ
ムを保持しているものも含むものとする。また、上記プ
ログラムは、このプログラムを記憶装置等に格納したコ
ンピュータシステムから、伝送媒体を介して、あるい
は、伝送媒体中の伝送波により他のコンピュータシステ
ムに伝送されてもよい。ここで、プログラムを伝送する
「伝送媒体」は、インターネット等のネットワーク（通
信網）や電話回線等の通信回線（通信線）のように情報
を伝送する機能を有する媒体のことをいう。また、上記
プログラムは、前述した機能の一部を実現するためのも
のであっても良い。さらに、前述した機能をコンピュー
タシステムにすでに記録されているプログラムとの組み
合わせで実現できるもの、いわゆる差分ファイル（差分
プログラム）であっても良い。
媒体」とは、インターネット等のネットワークや電話回
線等の通信回線を介してプログラムが送信された場合の
サーバやクライアントとなるコンピュータシステム内部
の揮発性メモリ（ＲＡＭ）のように、一定時間プログラ
ムを保持しているものも含むものとする。また、上記プ
ログラムは、このプログラムを記憶装置等に格納したコ
ンピュータシステムから、伝送媒体を介して、あるい
は、伝送媒体中の伝送波により他のコンピュータシステ
ムに伝送されてもよい。ここで、プログラムを伝送する
「伝送媒体」は、インターネット等のネットワーク（通
信網）や電話回線等の通信回線（通信線）のように情報
を伝送する機能を有する媒体のことをいう。また、上記
プログラムは、前述した機能の一部を実現するためのも
のであっても良い。さらに、前述した機能をコンピュー
タシステムにすでに記録されているプログラムとの組み
合わせで実現できるもの、いわゆる差分ファイル（差分
プログラム）であっても良い。
【００５６】以上、本発明の実施形態を図面を参照して
詳述してきたが、具体的な構成はこの実施形態に限られ
るものではなく、本発明の要旨を逸脱しない範囲の設計
変更等も含まれる。
詳述してきたが、具体的な構成はこの実施形態に限られ
るものではなく、本発明の要旨を逸脱しない範囲の設計
変更等も含まれる。
【００５７】
【発明の効果】以上説明したように、本発明によれば、
検索結果に対するフィードバックデータを用いて学習デ
ータのベクトルを改良し、この改良ベクトルと検索対象
データのベクトルの類似度に基づいて検索結果を更新す
るようにしたので、ユーザの個々の嗜好に適応して情報
を検索することができる。また、少ない学習データで生
成したベクトル量子化のためのツリーを用いても、学習
データのベクトルを改良して精度のよい検索結果を得る
ことができるという効果が得られる。
検索結果に対するフィードバックデータを用いて学習デ
ータのベクトルを改良し、この改良ベクトルと検索対象
データのベクトルの類似度に基づいて検索結果を更新す
るようにしたので、ユーザの個々の嗜好に適応して情報
を検索することができる。また、少ない学習データで生
成したベクトル量子化のためのツリーを用いても、学習
データのベクトルを改良して精度のよい検索結果を得る
ことができるという効果が得られる。
【００５８】また、検索対象との適合度合いに応じたカ
テゴリを用い、類似度の大きい検索対象データに関する
情報から順に検索結果に含めるようにすれば、ユーザの
嗜好に合った情報から順に提示することができるという
効果が得られる。
テゴリを用い、類似度の大きい検索対象データに関する
情報から順に検索結果に含めるようにすれば、ユーザの
嗜好に合った情報から順に提示することができるという
効果が得られる。
【００５９】また、検索対象との適合度合いが小さいカ
テゴリを用い、類似度の大きい検索対象データに関する
情報から順に除外して検索結果を構成するようにすれ
ば、少なくともユーザの嗜好に適さない情報を検索結果
から省くことが可能となり、能率的に検索を行うことが
できるという効果が得られる。
テゴリを用い、類似度の大きい検索対象データに関する
情報から順に除外して検索結果を構成するようにすれ
ば、少なくともユーザの嗜好に適さない情報を検索結果
から省くことが可能となり、能率的に検索を行うことが
できるという効果が得られる。
【００６０】また、検索対象との適合度合いが大きい第
１のカテゴリと、検索対象との適合度合いが小さい第２
のカテゴリを用い、第１のカテゴリについての類似度の
方が大きく、且つ、第１のカテゴリについての類似度と
第２のカテゴリについての類似度との差が大きい、検索
対象データに関する情報から順に検索結果に含めるよう
にすれば、よりユーザの嗜好に合致した情報を提示する
ことができるという効果が得られる。
１のカテゴリと、検索対象との適合度合いが小さい第２
のカテゴリを用い、第１のカテゴリについての類似度の
方が大きく、且つ、第１のカテゴリについての類似度と
第２のカテゴリについての類似度との差が大きい、検索
対象データに関する情報から順に検索結果に含めるよう
にすれば、よりユーザの嗜好に合致した情報を提示する
ことができるという効果が得られる。
【００６１】また、本発明によれば、ユーザへ配信した
検索対象データについての評価データを通信回線を介し
て受け取り、ユーザ個人情報を更新するようにしたの
で、該評価データに基づいてユーザ個人情報を更新し、
この更新済みのユーザ個人情報によりユーザへ配信する
検索対象データを選択することができるので、ユーザの
個々の嗜好に適応して情報を検索することができるとい
う効果が得られる。
検索対象データについての評価データを通信回線を介し
て受け取り、ユーザ個人情報を更新するようにしたの
で、該評価データに基づいてユーザ個人情報を更新し、
この更新済みのユーザ個人情報によりユーザへ配信する
検索対象データを選択することができるので、ユーザの
個々の嗜好に適応して情報を検索することができるとい
う効果が得られる。
【００６２】また、ストリーミング形式により検索対象
データを配信するようにすれば、例えばユーザが音楽デ
ータの受信視聴中に評価を行い、該評価値を送信するこ
とによって、該評価値が現在配信中の音楽データについ
てのものであると容易に特定することができる。また、
ユーザにとっては視聴後に各楽曲について各々評価しこ
の評価値を送信する手間が省けるので、配信された楽曲
に対する評価を行いやすく、より確実に適合フィードバ
ック情報の送信がなされることを期待できる。これによ
り、音楽情報配信の都度、ユーザの音楽的嗜好がユーザ
プロファイルに反映されるので、ユーザの嗜好を精度よ
く且つ効率的に配信情報に反映することができるという
優れた効果を奏する。
データを配信するようにすれば、例えばユーザが音楽デ
ータの受信視聴中に評価を行い、該評価値を送信するこ
とによって、該評価値が現在配信中の音楽データについ
てのものであると容易に特定することができる。また、
ユーザにとっては視聴後に各楽曲について各々評価しこ
の評価値を送信する手間が省けるので、配信された楽曲
に対する評価を行いやすく、より確実に適合フィードバ
ック情報の送信がなされることを期待できる。これによ
り、音楽情報配信の都度、ユーザの音楽的嗜好がユーザ
プロファイルに反映されるので、ユーザの嗜好を精度よ
く且つ効率的に配信情報に反映することができるという
優れた効果を奏する。
【図１】 本発明の一実施形態による情報検索装置の構
成を示すブロック図である。
成を示すブロック図である。
【図２】 図１に示す処理部２が行う情報検索処理の流
れを示す第１のフローチャートである。
れを示す第１のフローチャートである。
【図３】 図１に示す処理部２が行う情報検索処理の流
れを示す第２のフローチャートである。
れを示す第２のフローチャートである。
【図４】 従来の情報検索処理の流れを示すフローチャ
ートである。
ートである。
【図５】 ツリーベクトル量子化によるベクトル化手法
について説明するための図である。
について説明するための図である。
【図６】 本発明の一実施形態による情報検索装置（音
楽配信サーバ１０１）を適用した音楽情報配信システム
の構成例を示すブロック図である。
楽配信サーバ１０１）を適用した音楽情報配信システム
の構成例を示すブロック図である。
【図７】 図６に示す音楽配信サーバ１０１の構成を示
すブロック図である。
すブロック図である。
【図８】 図６に示す音楽情報配信システムの動作を説
明するための図である。
明するための図である。
１…入力部、２…処理部、３…出力部、４…記憶部、１
１…ツリー生成部、１２…ベクトル化部、１３…類似度
算出部、１４…検索結果リスト作成部、１０１…音楽配
信サーバ、１０２…データベース、１０３…端末、１０
４…インターネット、１１０…プロファイル生成部、１
１１…初期プロファイル生成部、１１２…プロファイル
更新部、１２０…データ処理部、１２１…スコア算出
部、１２２…配信データ選択部、１３０…記憶部、２０
０…音楽データ、２１０…ユーザプロファイル
１…ツリー生成部、１２…ベクトル化部、１３…類似度
算出部、１４…検索結果リスト作成部、１０１…音楽配
信サーバ、１０２…データベース、１０３…端末、１０
４…インターネット、１１０…プロファイル生成部、１
１１…初期プロファイル生成部、１１２…プロファイル
更新部、１２０…データ処理部、１２１…スコア算出
部、１２２…配信データ選択部、１３０…記憶部、２０
０…音楽データ、２１０…ユーザプロファイル
Claims (10)
- 【請求項１】 カテゴリ毎に予め分類された学習データ
により生成したベクトル量子化のためのツリーを用い
て、前記学習データと検索対象データをそれぞれベクト
ル化し、前記学習データのベクトルと前記検索対象デー
タのベクトルの類似度に基づいて検索結果を得る情報検
索方法であって、 前記検索結果を出力する過程と、 この出力に対するフィードバックデータを受け取る過程
と、 前記フィードバックデータを用いて前記学習データのベ
クトルを改良する過程と、 この改良ベクトルと前記検索対象データのベクトルの類
似度に基づいて検索結果を更新する過程と、を含むこと
を特徴とする情報検索方法。 - 【請求項２】 前記カテゴリは、検索対象との適合度合
いに応じたものであり、 前記類似度の大きい前記検索対象データに関する情報か
ら順に前記検索結果に含めることを特徴とする請求項１
に記載の情報検索方法。 - 【請求項３】 前記カテゴリは、検索対象との適合度合
いが小さいものであり、 前記類似度の大きい前記検索対象データに関する情報か
ら順に除外して前記検索結果を構成することを特徴とす
る請求項１に記載の情報検索方法。 - 【請求項４】 前記カテゴリは、検索対象との適合度合
いが大きい第１のカテゴリと、検索対象との適合度合い
が小さい第２のカテゴリであり、 前記第１のカテゴリについての前記類似度の方が大き
く、且つ、前記第１のカテゴリについての前記類似度と
前記第２のカテゴリについての前記類似度との差が大き
い、前記検索対象データに関する情報から順に前記検索
結果に含めることを特徴とする請求項１に記載の情報検
索方法。 - 【請求項５】 データを入力または出力する入出力手段
と、 データを記憶する記憶手段と、 カテゴリ毎に予め分類された学習データによりベクトル
量子化のためのツリーを生成するツリー生成手段と、 前記ツリーを用いて前記学習データと検索対象データを
それぞれベクトル化するベクトル化手段と、 前記学習データのベクトルと前記検索対象データのベク
トルの類似度を算出する類似度算出手段と、 前記類似度に基づいて検索結果を求める検索結果作成手
段とを備え、 前記検索結果を出力し、この出力に対するフィードバッ
クデータが入力されると、該フィードバックデータを用
いて前記学習データのベクトルを改良し、この改良ベク
トルと前記検索対象データのベクトルの類似度に基づい
て検索結果を更新することを特徴とする情報検索装置。 - 【請求項６】 カテゴリ毎に予め分類された学習データ
により生成したベクトル量子化のためのツリーを用い
て、前記学習データと検索対象データをそれぞれベクト
ル化し、前記学習データのベクトルと前記検索対象デー
タのベクトルの類似度に基づいて検索結果を得る情報検
索処理を行うためのコンピュータプログラムであって、 前記検索結果を出力する処理と、 この出力に対するフィードバックデータを受け取る処理
と、 前記フィードバックデータを用いて前記学習データのベ
クトルを改良する処理と、 この改良ベクトルと前記検索対象データのベクトルの類
似度に基づいて検索結果を更新する処理と、 をコンピュータに実行させることを特徴とするコンピュ
ータプログラム。 - 【請求項７】 ユーザの嗜好情報に基づいて検索対象デ
ータを選択し検索結果を得る情報検索方法であって、 ユーザの嗜好情報を受け取り、ユーザ個人情報として記
録する過程と、 前記ユーザ個人情報の嗜好情報に基づいて検索対象デー
タを選択し、この検索対象データを当該ユーザへ通信回
線を介して配信する過程と、 前記配信した検索対象データについての評価データを通
信回線を介して受け取り、前記ユーザ個人情報を更新す
る過程と、 を含むことを特徴とする情報検索方法。 - 【請求項８】 前記検索対象データは、ストリーミング
形式により配信されることを特徴とする情報検索方法。 - 【請求項９】 ユーザの嗜好情報に基づいて検索対象デ
ータを選択し検索結果を得る情報検索装置であって、 ユーザ毎にユーザ個人情報を記憶する記憶手段と、 ユーザの嗜好情報を受け取り、前記ユーザ個人情報とし
て記録するユーザ個人情報生成手段と、 前記ユーザ個人情報の嗜好情報に基づいて検索対象デー
タを選択し、この検索対象データを当該ユーザへ通信回
線を介して配信するデータ選択配信手段と、 前記配信した検索対象データについての評価データを通
信回線を介して受け取り、前記ユーザ個人情報を更新す
るユーザ個人情報更新手段と、 を備えたことを特徴とする情報検索装置。 - 【請求項１０】 ユーザの嗜好情報に基づいて検索対象
データを選択し検索結果を得る情報検索処理を行うため
のコンピュータプログラムであって、 ユーザの嗜好情報を受け取り、ユーザ個人情報として記
録する処理と、 前記ユーザ個人情報の嗜好情報に基づいて検索対象デー
タを選択し、この検索対象データを当該ユーザへ通信回
線を介して配信する処理と、 前記配信した検索対象データについての評価データを通
信回線を介して受け取り、前記ユーザ個人情報を更新す
る処理と、 をコンピュータに実行させることを特徴とするコンピュ
ータプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002106719A JP2003316818A (ja) | 2002-02-21 | 2002-04-09 | 情報検索方法及びその装置、コンピュータプログラム |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002-44779 | 2002-02-21 | ||
| JP2002044779 | 2002-02-21 | ||
| JP2002106719A JP2003316818A (ja) | 2002-02-21 | 2002-04-09 | 情報検索方法及びその装置、コンピュータプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2003316818A true JP2003316818A (ja) | 2003-11-07 |
Family
ID=29551804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002106719A Pending JP2003316818A (ja) | 2002-02-21 | 2002-04-09 | 情報検索方法及びその装置、コンピュータプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2003316818A (ja) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005241876A (ja) * | 2004-02-25 | 2005-09-08 | Yamaha Corp | 演奏制御データ生成装置、楽曲素材データ配信サーバおよびプログラム |
| JP2006085628A (ja) * | 2004-09-17 | 2006-03-30 | Ricoh Co Ltd | 文書検索装置、文書検索方法、プログラム及び記憶媒体 |
| JP2006243887A (ja) * | 2005-03-01 | 2006-09-14 | Kddi Corp | 情報検索装置および方法ならびにコンピュータプログラム |
| JP2007534995A (ja) * | 2004-04-29 | 2007-11-29 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 音声信号を分類する方法及びシステム |
| JP2008059383A (ja) * | 2006-08-31 | 2008-03-13 | Toshiba Corp | コンテンツ提示装置及びコンピュータプログラム |
| JP2009266083A (ja) * | 2008-04-28 | 2009-11-12 | Kddi Corp | 試聴用コンテンツ配信システムおよび端末装置 |
| US7680768B2 (en) | 2006-06-01 | 2010-03-16 | Sony Corporation | Information processing apparatus and method, program, and storage medium |
| JP2010164762A (ja) * | 2009-01-15 | 2010-07-29 | Kddi Corp | 特徴量抽出装置、特徴量抽出方法、およびプログラム |
| US7930281B2 (en) | 2007-01-05 | 2011-04-19 | Kddi Corporation | Method, apparatus and computer program for information retrieval |
| JP2013210688A (ja) * | 2012-03-30 | 2013-10-10 | Brother Ind Ltd | 配信装置、配信システム、および配信方法 |
| KR101761263B1 (ko) * | 2015-04-16 | 2017-07-25 | 이석준 | 이미지 기반의 관심 제품과 관심 부품의 검색 방법 및 그 시스템 |
-
2002
- 2002-04-09 JP JP2002106719A patent/JP2003316818A/ja active Pending
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005241876A (ja) * | 2004-02-25 | 2005-09-08 | Yamaha Corp | 演奏制御データ生成装置、楽曲素材データ配信サーバおよびプログラム |
| JP2007534995A (ja) * | 2004-04-29 | 2007-11-29 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 音声信号を分類する方法及びシステム |
| JP4520264B2 (ja) * | 2004-09-17 | 2010-08-04 | 株式会社リコー | 文書検索装置、文書検索方法、プログラム及び記憶媒体 |
| JP2006085628A (ja) * | 2004-09-17 | 2006-03-30 | Ricoh Co Ltd | 文書検索装置、文書検索方法、プログラム及び記憶媒体 |
| JP4597714B2 (ja) * | 2005-03-01 | 2010-12-15 | Ｋｄｄｉ株式会社 | 情報検索装置および方法ならびにコンピュータプログラム |
| JP2006243887A (ja) * | 2005-03-01 | 2006-09-14 | Kddi Corp | 情報検索装置および方法ならびにコンピュータプログラム |
| US7680768B2 (en) | 2006-06-01 | 2010-03-16 | Sony Corporation | Information processing apparatus and method, program, and storage medium |
| JP2008059383A (ja) * | 2006-08-31 | 2008-03-13 | Toshiba Corp | コンテンツ提示装置及びコンピュータプログラム |
| US7930281B2 (en) | 2007-01-05 | 2011-04-19 | Kddi Corporation | Method, apparatus and computer program for information retrieval |
| JP2009266083A (ja) * | 2008-04-28 | 2009-11-12 | Kddi Corp | 試聴用コンテンツ配信システムおよび端末装置 |
| JP2010164762A (ja) * | 2009-01-15 | 2010-07-29 | Kddi Corp | 特徴量抽出装置、特徴量抽出方法、およびプログラム |
| US8301284B2 (en) | 2009-01-15 | 2012-10-30 | Kddi Corporation | Feature extraction apparatus, feature extraction method, and program thereof |
| JP2013210688A (ja) * | 2012-03-30 | 2013-10-10 | Brother Ind Ltd | 配信装置、配信システム、および配信方法 |
| KR101761263B1 (ko) * | 2015-04-16 | 2017-07-25 | 이석준 | 이미지 기반의 관심 제품과 관심 부품의 검색 방법 및 그 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11461388B2 (en) | Generating a playlist | |
| US7613736B2 (en) | Sharing music essence in a recommendation system | |
| US9171001B2 (en) | Personalized playlist arrangement and stream selection | |
| US8676816B2 (en) | Information processing apparatus and method for recommending content to a user | |
| US8321414B2 (en) | Hybrid audio-visual categorization system and method | |
| JP5432264B2 (ja) | コレクションプロファイルの生成及びコレクションプロファイルに基づく通信のための装置及び方法 | |
| US20170300567A1 (en) | Media content items sequencing | |
| US20060224260A1 (en) | Scan shuffle for building playlists | |
| US20060217828A1 (en) | Music searching system and method | |
| US20060206478A1 (en) | Playlist generating methods | |
| US7805389B2 (en) | Information processing apparatus and method, program and recording medium | |
| US9576050B1 (en) | Generating a playlist based on input acoustic information | |
| CN109165302A (zh) | 多媒体文件推荐方法及装置 | |
| JP2010061601A (ja) | 推薦装置および方法、プログラム、並びに記録媒体 | |
| Smith et al. | Towards a Hybrid Recommendation System for a Sound Library. | |
| KR101942459B1 (ko) | 음원 컨텐츠 및 메타 정보를 이용한 플레이리스트 자동 생성 방법 및 시스템 | |
| KR20090033750A (ko) | 콘텐츠 플레이 리스트 추천 방법 및 장치 | |
| US20060026155A1 (en) | Information processing apparatus and method, recording medium, and program | |
| JP2003316818A (ja) | 情報検索方法及びその装置、コンピュータプログラム | |
| JP2006048320A (ja) | 情報処理装置および方法、記録媒体、並びにプログラム | |
| JP4804960B2 (ja) | 音楽情報検索システム、音楽情報検索方法及びコンピュータプログラム | |
| JP5013161B2 (ja) | 情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム | |
| JP2005346347A (ja) | 情報検索装置、情報検索方法、情報検索プログラムおよび記録媒体 | |
| JP5344756B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| KR20070061887A (ko) | 컴플라이언스 정보 제공 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040916 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20040921 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070417 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070615 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070731 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20071009 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20071009 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080415 |