JP2004522177A - 音楽に対する好みを予測するためのシステムおよび方法 - Google Patents

Abstract

要約書なし

Description

【０００１】
発明の分野
本発明は、音楽に対する好みを予測するためのシステムおよび方法に関し、特に、ユーザの好みおよび音楽の配信および／または音楽関連製品用のシステムおよび方法の実施により選曲の適当な選択を提案することができるシステムおよび方法に関する。
【０００２】
発明の背景
音楽は、インターネットまたはワールド・ワイド・ウェブ（ＷＷＷ）上で非常に人気のある媒体である。例えば、Ｎａｐｓｔｅｒ、ｉＭｅｓｈおよびＧｎｕｔｅｌｌａのようなファイル共有ソフトウェア・プログラムにより、ユーザは自分のお気に入りの音楽が入っているデジタル・ファイルを共有することができる。他のウェブサイトでは、ユーザは、無料の選曲した音楽を聞くこともできるし、および／または興味の有る音楽を購入することもできるし、および／またはカスタムＣＤ（コンパクト・ディスク）に録音することもできる。さらに、ますます多くの音楽家達が、自分の音楽の販売を促進するためにインターネットに注意を向け、大衆に音楽を販売する従来方式の大規模店舗にアクセスすることができない独立系レコード会社または「独立プロダクション（ｉｎｄｉｅｓ）」に関連する音楽家がインターネットに注目している。
インターネットは、また、例えば、インターネット・ラジオのような他の形態の音楽配信のための有用な媒体でもある。インターネット・ラジオは、簡単に、インターネットを通しての、音楽および／または他のタイプのオーディオ・データの同報通信を含むことができるけれども、この媒体は、また、普通のラジオ放送を通して現在行うことができない他の可能性も提供する。例えば、インターネットの相互作用を有利に使用するために、インターネット・ラジオ「局」を、実際に、個々のユーザの嗜好および好みに合わせることができる。このような「局」は、また、ある目的のための宣伝を放送することもできるし、消費者の音楽に対する嗜好および好みの有用な基準にもなる。
【０００３】
目的に合わせたインターネット・ラジオ「局」は、ユーザが選択した音楽を簡単に放送することができるけれども、もっと有用な手段は、ユーザのとって馴染みのない選曲の流れを供給するために、ユーザの音楽に対する嗜好および／または好みの予測を含む。これらの新しい選曲は、ユーザに多様性を供給し、他の方法ではユーザが聞くことができない、新しいタイプの音楽および／または音楽家をユーザに提供する。このような新しい選曲を正しく行うためには、放送するために、ユーザの音楽に対する嗜好および好みを正確に知らなければならない。そうでなければ、ユーザはすぐに聴取者嗜好のラジオ「局」に厭きてしまうだろう。都合の悪いことに、ユーザの音楽に対する嗜好および／または好みを正確に予測する方法は現在のところない。
コンパクト・ディスクを販売している小売店では、通常、顧客は、購入前にディスクを試聴することはできない。最近、このような小売店も、店内に多くの試聴ステーションを設置し始めた。顧客は、このような試聴ステーションに関心のあるＣＤ（コンパクト・ディスク）を持ち込んで演奏することができる。このようなステーションは、顧客の集合グループの関心についての貴重ではあるが、一般的な情報を提供することができるディスクのバーコードを読み取ることができる。しかし、これらのステーションは、関心のあるＣＤの選択の際に顧客を助けることはできない。
同様に、音楽コンテンツを販売している電子商取引（ｅ−ｃｏｍｍｅｒｃｅ）のサイトも、通常、自分の顧客に、選択の対象として、膨大な（ＣＤまたは種々のフォーマットのオーディオ・ファイル）のコレクションを提供する。これらの販売業者は、顧客がコレクションの中をナビゲートし、購入曲目を発見することができるように、自分の顧客に探索施設を提供する必要がある。しかし、現在、顧客が関心のある音楽を発見するために施設は非常にちゃちなもので、すぐに選択対象の多さのために使い物にならなくなってしまう。
【０００４】
発明の概要
従来技術は、ユーザの音楽に対する嗜好および／または好みを正確に予測するための方法を教示も示唆もしていない。従来技術は、また、自動的に検出したユーザの嗜好により、目的指向のインターネット・ラジオ「局」を教示も、示唆もしていない。従来技術は、また、オンラインまたは電子商取引販売業者に対する探索サービス、または小売店内の高性能の試聴ステーションの設置を教示も、示唆もしていない。
本発明は、ユーザの音楽に対する嗜好および／または好みを予測するためのシステムおよび方法である。このような予測が行われると、ユーザが関心を持つと予測されるこれら曲目を推奨することにより効果的な勧告を入手することができる。
ユーザの音楽に対する嗜好を予測する目的で、これらの曲目についての情報を提供するために、選曲のグループまたはカタログの分析が行われる。また、カタログの１つの曲目についても、ユーザの嗜好についての情報が収集される。好適には、情報は、入手できる曲目のカタログの比較的小さな（変化する）サンプルに対するユーザの嗜好について、およびカタログ内の各曲目について別々に収集することが好ましい。カタログ内の上記曲目についての第２のタイプの情報は、任意の特定のユーザから完全に独立しているので、この情報は任意のものであり、好適には、任意予測を行う前に収集することが好ましい。最も好適なのは、この情報を複数のユーザに対して再使用することである。
その後で、上記方法は、考慮の対象の各曲目にユーザがつけるランキングを予測するために、これら２つのタイプの情報を結合する。本発明の場合には、第１のタイプの情報は、ユーザからの複数の歌のランキング、および／またはそのユーザの音楽に対する嗜好（好み）を記述するためのユーザの嗜好を反映することが分かっているまたは想定される歌のリストを含む。
【０００５】
第２のタイプの情報（カタログ内の歌についての情報）は、選ぶとすれば、１つまたはそれ以上の方法またはそれらの組合わせにより収集することができる。その第１の方法は、完全に自動的なものであり、オーディオ信号を直接分析することによる歌の「特徴による識別」を含む。一方、第２の方法は、１人のプロの音楽家、または予測のために歌の複数の音楽的特色および／または特徴を識別できるようなトレーニングを受けた他の有資格者による分析を含む。第３の方法は、カタログの多数の歌をランクづけする多数の聴取者のランキングを含み、一方、もう１つの方法は、カタログの各歌の人気についての情報の収集を含む。
選ぶとすれば、収集した情報を種々の方法で使用することができる。例えば、収集した情報は、カタログの歌の間の「擬似距離」のマトリックスを形成するために使用することもできるし、および／または選ぶとすれば、収集した情報を、神経ネットワークをトレーニングするために使用することもできる。特定のユーザについて収集した第１のタイプの情報は、その後で、カタログ内の各歌の予想ランキングを供給するために、第２のタイプの情報と結合される。この予想ランキングは、各歌に対して、特定の歌に対する特定のユーザの「好み」または興味の程度の推定値を供給する。好適には、最高の予想ランキングの歌を、その後で特定のユーザに推奨することが好ましい。
【０００６】
以下に説明する本発明の好適な実施形態の場合には、嗜好および／または好みは、選ぶとすれば、０と１との間の実数で測定することができる。０は極度の嫌悪を意味し、１はユーザが非常に好きな曲目を意味する（しかし、もちろん、選ぶとすれば、この逆にすることもできる）。選ぶとすれば、［０、１］の間隔の任意の個々のサブセットを使用することができる。以下に説明する大部分の実験の場合には、５つの値の個々の尺度を使用した。すなわち、０（強い嫌悪）、０．２５（嫌悪）、０．５（どちらでもない）、０．７５（好き）、および１．０（非常に好き）を使用した。
本発明の利点としては、「オンライン」または販売スタッフとの限定された相互作用しかできない他の音楽販売業者に対するもっと高度の探索サービスの提供；顧客の興味および嗜好についての情報を収集することができる、顧客への追加の自動的手助けの提供；および個人的「無線」チャネルの生成等があるが、これらに限定されない。
「従来方式の」店舗内の顧客に対する手助けについては、本発明は、選ぶとすれば、ユーザ（顧客）の注意を関心のあるＣＤに向けるために、モニタ（すなわち、スクリーン）またはタッチスクリーンさえ備えている高性能の演奏ステーションを提供することもできる。これらのステーションは、自動的に、各顧客が、どのＣＤおよび／またはそれらＣＤのどの曲をリクエストするのかを継続的に追跡する。次に、選ぶとすれば、顧客情報をＣＤ自身についての情報に相互に関連づけることができる。このような情報により、小売店のオーナは、自分のビジネスをより効率的に行うことができる。
電子商取引または「オンライン」販売業者については、本発明は、それにより顧客が、顧客の嗜好に適合する提案された曲目をチェックすることができ、そのため、高い確率で購入を実現する勧告を行うためのシステムを提供する。
音楽に関連して本発明を説明するが，それは単に説明上の都合のためだけのものであって、本発明を制限するものではないので、以下に説明するコア予測方法も、選ぶとすれば、他の領域内でのユーザの嗜好を予測するために使用することができ、その中の任意のものを、映画、書籍等の「媒体選択物」として記述することができる。それ故、いうまでもないことだが、本発明は、このような媒体選択物に対しても動作する。
【０００７】
以下の説明においては、「選曲」という用語は、歌、音楽作品またはその一部を意味する。
以下の説明においては、「ネットワーク」という用語は、データを送信することができる任意の２つまたはそれ以上の計算デバイス間の接続を意味する。
以下の説明においては、「計算デバイス」という用語は、ＤＯＳ、ウィンドウズ（登録商標）、ＯＳ／２（登録商標）またはＬｉｎｕｘのようなオペレーティング・システムを有するパーソナル・コンピュータ（ＰＣ）；マッキントッシュ（登録商標）コンピュータ；オペレーティング・システムとしてＪＡＶＡ（登録商標）ＯＳを有するコンピュータ；サンマイクロシステムズ（登録商標）およびシリコン・グラフィックス（登録商標）のコンピュータのようなグラフィカル・ワークステーション、およびサンマイクロシステムズ（登録商標）のＡＩＸ（登録商標）またはＳＯＬＡＲＩＳ（登録商標）のようなＵＮＩＸオペレーティング・システムの何らかのバージョンを有する他のコンピュータ；またはラップトップ・コンピュータ、ハンドヘルド・コンピュータ、ＰＤＡ（携帯情報端末）デバイス、セルラーホン、任意のタイプのＷＡＰ（無線アプリケーション・プロトコル）イネーブル・デバイス、すでに定義したネットワークに接続することができ、オペレーティング・システムを内蔵する任意のタイプの装着型コンピュータを含むが、これらに限定されない任意の他の周知の入手できるオペレーティング・システム、またはデバイスを含むが、これらに限定されない。以下の説明においては、「ウィンドウズ（登録商標）」という用語は、ウィンドウズ９５（登録商標）、ウィンドウズＮＴ（登録商標）、ウィンドウズ９８（登録商標）、ウィンドウズＣＥ（登録商標）、ウィンドウズ２０００（登録商標）、およびマイクロソフト社（米国）のこれらオペレーティング・システムのアップグレード・バージョンを含むが、これらに限定されない。
本発明の場合には、ソフトウェア・アプリケーションを、通常の当業者であれば容易に選択することができるほぼ任意の適当なプログラミング言語で書き込むことができる。選択したプログラミング言語は、それによりソフトウェア・アプリケーションが実行される計算デバイスと互換性を持つものでなければならない。適当なプログラミング言語としては、Ｃ、Ｃ＋＋およびＪａｖａがあるが、これらに限定されない。
さらに、本発明は、ソフトウェア、ファームウェアまたはハードウェアとして実行することができる。これらの実施形態の場合には、本発明の方法により実行される機能は、データ・プロセッサにより実行される、複数の命令として記述することができる。
添付の図面を参照しながら本発明について以下に説明するが、これは例示としてのものに過ぎない。
【０００８】
好適な実施形態の詳細な説明
本発明は、ユーザの音楽に対する嗜好および／または好みを予測するためのシステムおよび方法である。本発明は、一方では、ユーザからの複数の歌のランキングおよび／またはユーザの嗜好についての他の情報を受信し、他方では、そこから推奨が行われるカタログ内の歌についての情報を受信する。本発明の方法は、その後で、ユーザの音楽に対する好みを決定するために、両方のタイプの情報を結合する。次に、これらの好みが、ユーザが好むと予測される少なくとも１つの選曲と照合される。
本発明の「個人的音楽的嗜好」（ＰＭＴ）システムは、好適には、ユーザによりランクづけされる選曲の１つのサンプルに基づいて、しかし、別な方法としては、ユーザの嗜好についての他の情報に基づいて、個人の嗜好を予想する。ＰＭＴシステムは、また、選ぶとすれば、下記のもの、すなわち、予め定義した一組の音楽的特色により、（例えば、歌のような）各曲目を記載している特色ベース、異なる曲目の間の類似性を記載している歌のマップ、およびこれら曲目の人気を記載している、ランキング・リストの上の１つまたはそれ以上を使用する。個人が好む曲目予想は、その後で、選ぶとすれば、販売または聴取のために推奨することができる。これらは、流される演奏リストを作成するために、コンピュータ、ＭＰ３プレーヤーまたは任意の他のデバイス上にダウンロードするために、またはＣＤ（コンパクト・ディスク）内に記録するために使用される。もちろん、ユーザに音楽を供給するための任意の他の方法も、選ぶとすれば、別な方法として、または追加的に使用することができる。
【０００９】
解決方法の説明
本発明は、オプションとして、推奨問題に対する多数の異なる解決方法の中の１つまたはそれ以上を含む。このようなそれぞれの解決方法は、それぞれの歌の特徴、およびこれらの特徴間の関係およびリスナーの認知またはリスナーの音楽に対する嗜好についての１つまたはそれ以上のタイプのデータを収集する。上記解決方法は、選ぶとすれば、次に、ユーザが興味を持つかもしれない他の歌を予測するために使用することができる。以下の説明においては、歌（選曲）の予測および推奨に重点を置くが、実際には、本発明は、また、任意のタイプの媒体選択に対する「嗜好」の主観的な問題を含む、ユーザの他の関心にも拡大して適用することができることに留意されたい。
好適には、方法の３つの異なるグループ、すなわち、神経ネットワーク法、マップ法（ＳＭ、ＦｅａｔＭおよび／またはＦｉｎｇＭ）、およびランキング（Ｒ）法の中の少なくとも１つを使用することが好ましい。より好適には、最高の性能を達成するために、上記方法グループの２つまたはそれ以上を一緒に使用することが好ましい。ＰＭＴシステムの好適な態様としては、それによりトレーニングを受けた音楽家が、好適な選曲のサンプルに基づいて、個人の嗜好を知るために、好適には、音楽曲目および神経ネットワークまたは他のファジー・ロジックのオプションとしての使用を分類する多数の音楽的特色の定義を含む特色ベースを含むが、これに限定されない。より好適には、ＰＭＴシステムのもう１つの好適な態様が、カタログの一部または全体の歌のすべてのペア間の「擬似距離」のマトリックスの形成に基づくマップ法を含むことが好ましい。最も好適には、このようなマトリックスの形成のための下記の３つの異なる方法の中の１つまたはそれ以上の方法を使用することが好ましい。各方法は、異なるタイプの情報を使用する。
マップ・グループの異なる方法は、「フィンガー・マップ」法を含む。この方法の場合には、２つの歌の間の擬似距離は、人間の介入なしで、２つの「識別特徴」間の距離として自動的に決定される。もう１つの好適な方法は、擬似距離が、各歌の特徴を表す予め定義された音楽的特色の２つのベクトル間の距離として測定される「特色マップ」法である。これらのベクトルは、好適には、その歌を聞いたトレーニングを受けた音楽家、または他のトレーニングを受けたスタッフにより生成することが好ましい。さらにもう１つの好適な方法は、擬似距離が、（トレーニングを受けたかまたはトレーニングを受けていない）個人のグループによる任意の一組（またはそれ以上）の歌に与えられたランキングの平均的な違いとして測定される、「歌のマップ」法である。歌のランキングは、その歌をランクづけする個人が、どれくらいこの歌が好きであるか反映している。
【００１０】
本発明の好適な実施形態の場合には、ユーザの音楽に対する嗜好および／または好みは、一組の選曲へのユーザの反応により予測される。ランキングのためにユーザに提示されるこれらの選曲は、カタログ内の曲目の範囲をカバ−するために、選ぶとすれば、曲目のカタログから完全にランダムに選択することもできるし、別な方法としては、誘導的な方法で選択することもできる。このような選択の場合、より好適には、上記方法の中の１つの方法の要件によりカバーを行うことが好ましい。次に、本発明は、カタログから他の選曲に対するユーザの音楽的嗜好を予測することができる。
以下にさらに詳細に説明するように、本発明は、ユーザの音楽に対する嗜好および／または好みの予測の概念に固有の多くの問題を克服することができる。第一に、個人の嗜好を決定するための曲目のカタログが大きなもので、選択した曲目のサンプルが少ない場合には、第１の問題は、全カタログ上の個人の嗜好を予想する問題である。これが予想の問題である。もう１つの問題は、推奨の問題である。個人の嗜好に適合する可能性が最も高い（カタログの大きさに対して）比較的少ない数の曲目をどのような方法で推奨するかという問題である。概念的には、ＰＭＴシステムは、予想の問題を最初に解決し、次に、ユーザの嗜好に最もよく適合するように予想される曲目を推奨することによって、推奨の問題を解決する。この方法は、以下に説明する方法、すなわち、ランキング法、神経ネット法およびいくつかのマップ法およびその組合わせの好適な実施形態に対しても適用することができる。
【００１１】
推奨の問題の解決方法の試験
本発明の好適な実施形態の場合には、推奨の問題は、より好適には、予想の問題を完全に解決しないで解決することが好ましい。最も好適なのは、特定のユーザにより好まれる高い確率の歌に対してだけ予想の問題を解くことである。
上記問題に対するいくつかの可能な解決方法を比較することができるように、個人の嗜好を、カタログ内の各曲目に、間隔［０，１］内のある数値を割り当てる機能により好適に定義する。以下にさらに詳細に説明する本発明の試験の際に、５つの値、「非常に好き」、「好き」、「どちらでもない」、「好きでない」、および「我慢できない（嫌い）」を、１、０．７５、０．５、０．２５および０にそれぞれ変換した。システムについて何回か試験を行った。各試験の際に、（２２００〜５５７０）の歌のカタログにより個人の嗜好を知るために、多数（２８〜３２）の対象に質問した。（好適には、短いが、その長さが変化することが好ましい）一組の歌を「学習セット」として選択することが好ましく、より好適には、システムに、これらの曲目についてだけ、対象の嗜好を入力することが好ましい。ＰＭＴシステムには、他の曲目、「一般化セット」についての対象の嗜好は入力しない。次に、ＰＭＴシステムは、この一般化セットに対する各対象の嗜好を予想し、各対象に多数の曲目を推奨する。これらの曲目について、「目標」、すなわち、試験の際に対象が告げた嗜好が、ＰＭＴシステムの予想と比較される。これら何回かの試験から得られた結果は、すべて非常に類似していた場合には、一回の試験として報告される。
上記２つの問題に対する解決方法の精度の判断基準を注意深く選択した。ＰＭＴシステムは、好適には、予想の問題に対する効果を判断するために、ｌ_１距離を使用することが好ましい。選ぶとすれば、ユークリッド距離も使用することができる。目標ベクトルｔ_ｉと予想ベクトルｆ_ｉとの間のｌ_１距離は、下式により表される。
Σ_ｉ｜ｔａｒｇｅｔ_ｉ−ｆｏｒｅｃａｓｔ_ｉ｜／ｎ
ここで、合計は、ｉ＝１，．．．ｎの範囲内にあり、ｎは、一般化セットの大きさ（そのセット内の曲目の数）であり、関数「｜｜」が絶対値関数である。
予想の問題に対する解決方法の精度は、目標と個人の嗜好のいくつかのサンプルについての多数のトライアル、および何人かの個人について平均した予想との間の距離である。これは、間隔［０，１］内の１つの数値である。この数値が小さければ小さいほど、その解決方法は優れている。
【００１２】
推奨の問題に対する解決方法の精度の基準は少なくとも２つある。このような解決方法に対する第１の基準は、推奨曲目についての目標値の平均である。平均目標値は、０と１との間の１つの数値である。この数値が大きければ大きいほど、推奨は優れている。例えば、この数値が１である場合には、すべての推奨曲目は、実際に対象により「好まれていて」、システムは完全に成功した。この数値は、推奨の精度の測定値である。もう１つの重要な基準は、推奨の個々の精度、または対象の個々の嗜好に非常に敏感であるのに反して、各対象へ同じ曲目を推奨するかどうかである。この基準の最善の測定基準は、推奨間の間隔である。すなわち、対象のコミュニティに対して、全体として、どれほど多くの曲目が推奨されたかということである。全部で５５７０の入手できる曲目および理論的に最大３２０の異なる推奨の中から３２人の一組の対象の各対象に１０の異なる曲目が推奨され、全体で２５の異なる曲目しか推奨されない場合には、多くの異なる対象に同じ曲目が推奨され、一方、多くの曲目が誰にも推奨されなかったことになる。好適には、このような狭い間隔は避けることが好ましい。実際、より広い間隔のほうが非常に好ましい。
本発明を３２人の対象のグループに試験し、５つの値の尺度、すなわち、「非常に好き」、「好き」、「まあまあ」、「好きでない」、および「嫌い」で、歌の１つのグループの各歌をランクづけしてもらった。カタログの歌は、現在、世界中で最も人気のある曲を含んでいて、大部分の歌は英語の歌であったが、かなりの数の歌はスペイン語、フランス語、ヘブライ語、ポルトガル語および他の言語の歌であった。上記歌は、異なるジャンル、すなわち、ロック、ポップス、ジャズ、アコースティックおよびエレキ曲目、ラップ、ファンク、レゲエ、およびクラシック音楽を含んでいた。各方法の結果については、以下にさらに詳細に説明する。
【００１３】
このような方法の第１の方法は、好きな音楽曲目の（好適には、少ない）サンプルから個人の嗜好を知るために、神経ネットワークまたはファジー・ロジックを使用する神経ネット法である。各曲目（歌）の特徴は、その音楽的特色（２進ベクトル）により表され、神経ネットワークは、上記サンプルから学習して、（０と１の間の）嗜好を複数の組の音楽的特色と関連づける。音楽的特色およびその分析については、特色マップ法のところで説明する。基本的なアルゴリズムは、逆方向伝搬［ＬｅＣｕｎ：８５，ＢａｃｋＰｒｏｐ：８６］である。神経ネットワークのアーキテクチャは、好適には、１つ、２つまたは３つの隠れたユニットを含む音楽的特色の数に等しい多数の入力ユニットと１つの出力ユニットを含む。学習の例は、反復して神経ネットワークに提示され、学習エラーを最低限度まで低減するために、勾配下降（逆方向伝搬）アルゴリズムが使用される。一般化するために、ネットワークは、ユーザの嗜好が予測される歌の特色で表示される。神経ネットワークは、次に、フィードフォワード法で、ユーザに対する予測ランキング（すなわち、嗜好）を計算する。
この方法を試験するために、５５７０曲目の各カタログで（ランダムに）５または４０の歌のサンプルを選択し、ＰＭＴシステムには、このサンプルに対する３２の各対象の（０と１の間の）嗜好を入力した。ＰＭＴシステムには、次に、カタログの残りの曲目（一般化セット）に対する対象の嗜好を予想するように要求した。神経ネット法は、ランダムな推測よりも、かなり正確に個人の嗜好を予想することが分かった。ランダムな推測は、上記試験データに基づいて、学習セットの大きさとは無関係に、出力と０．１４の目標との間の平均距離を示す。神経ネット法は、大きさ５の学習セットに対して、０．１３の平均を示す。大きさ４０の学習セットの場合には、神経ネット法は同じ値を示す。違いは有意なものである。その理由は、神経ネット・システムは、個人が好む音楽的特色はかなりよく学習するが、それだけでは、個人の嗜好を定義するのに全然十分でないからである。多くの曲目が、類似の特色を共有していて、個々の人々は、同じ特色を共有していても、異なる意見を持っていると予想できるからである。
【００１４】
推奨の問題について、大きさ５の学習セットの場合、神経ネット法は、ランダムな推測よりもかなり優れている。神経ネット法は、０．５２の予想値の平均を達成するが、ランダムな推測の達成値は０．４６である。大きさ２０或いはそれ以上の学習セットの場合には、神経ネット法は、０．６の平均値を入手する。この結果は、本発明の実施形態ほど正確ではない。その理由は、神経ネット法が、入手できるすべての情報をうまく抽出できないことと、個人が好きな音楽的特色に適合する曲目が、必ずしもユーザが好むこれらの曲目でないからである。個人が好む音楽的特色によく適合する多くの曲目は、実際には、その貧弱な全体的な品質のために好まれない。しかし、神経ネット法の間隔は、非常に広い。すなわち、大きさ５または４０の学習セットに基づく１０の推奨に対する可能な異なる推奨の最大数の７２％程度である。神経ネット法は、学習して、個人が一般に、好んだり、嫌ったりする音楽的特色を区別するが、ユーザの嗜好を予想したり、および／またはユーザへ歌を推奨するための最善の方法ではない。
【００１５】
第２のグループの方法は、予想のためのマップ法を含む。このような方法は、［ＣｏｌｌＦｉｌｔ：９５］のアーチスト−アーチスト法をかなり改善した方法である。従来の方法と本発明の方法との間の重要な違いは、アーチストまたはアルバムではなく、特定の歌、すなわち、曲を推奨することである。また、本発明は、条件付きパーソンｒアルゴリズムを使用しないで、代わりにｌ_１距離を使用する。さらに、曲目のカタログについての収集情報が、本発明の場合には、従来技術の方法とは異なる。何故なら、従来技術の方法は、カタログの狭い範囲だけをランクづけする多数のユーザからランダムに収集したランキングに依存しているのに、本発明は、下記のもの、すなわち、それぞれがカタログの広い部分をランクづけした、少数ではあるが一定の人々から収集したランキング、トレーニングを受けた音楽家（および／または他のトレーニングを受けたスタッフ）および／または識別特徴に基づく全自動技術による曲目の分析によるランキングの中の１つまたはそれ以上を好適に使用するからである。
すでに説明したように、これらの方法は、そのエントリーが歌の各ペアに対して「擬似距離」であるマトリックスを使用する。このマトリックスは、予測タスクおよび推奨タスクを解く際に使用するカタログについての唯一の情報である。このグループのいくつかの方法は、これらの擬似距離を計算する際に使用する情報のタイプが異なる。一般的なアイデアは、通常、歌ｉが好きなユーザが歌ｊを好む場合には、歌ｉとｊとの間の擬似距離は短く、歌ｉが嫌いなユーザは、また歌ｊも嫌いであると予想され、その逆もそうである。
異なる方法で生成した「擬似距離」も、例えば、新しい擬似距離を定義するために、ある種の加重線形計算により、選ぶとすれば、また好適には、結合することができることが好ましい。
以下に予想問題を解くために使用する第１の擬似距離の使用方法について説明し、次に、本発明のいくつかの方法がどのようにしてこれらの擬似距離を計算するのかを説明する。
【００１６】
擬似距離ｄ（ｉ，ｊ）のマトリックスおよびいくつかの歌のランキングのベクトル、ｒ（ｋ_１），．．．，ｒ（ｋ_ｎ）が分かっている場合には、この場合、ｒ（ｋ）は、ユーザが歌ｋに与えたランキングであり、歌ｉの（ユーザに対する）予想ランキングは、ランキング、ｒ（ｋ_１），．．．，ｒ（ｋ_ｎ）の加重平均である。この場合、ｒ（ｋ）は、ｄ（ｋ，ｉ）のある固定冪に反比例する量により加重される。すなわち、歌ｉのランキングに対する予想は、
【００１７】
【数１】

【００１８】
により与えられる。この場合、αは正の実数であり、ｃは正規化係数であり、
【００１９】
【数２】

【００２０】
である。αを１０に近い値にとると、歌のマップ法に対して最善の結果がでることが分かった。特色マップおよびフィンガー・マップの場合には、最善の数値はもっと小さい。もちろん、選ぶとすれば、他の値も使用することができ、それも本発明の範囲内に入るものと見なされる。
すでに説明したように、選ぶとすれば、また好適には、擬似距離のマトリックスを形成するための３つの異なる方法の中の１つまたはそれ以上を本発明のために使用することができる。第１の方法、歌のマップ法を使用すれば、最善の結果が得られるが、擬似距離のマトリックスを作成するのに必要なデータ取得のコストのために、実施コストは最も高くなる。この方法の場合には、聴取し、各曲目（歌）を０から１の尺度でランクづけした対象の数は最低限度の数でよい（１５人が最小で、約３５人が最適であると思われる）。推奨の精度は、対象の数およびその多様性の関数である。好適には、異なる嗜好を持つ対象を選択することが好ましい。データは、カタログの一部だけをランクづけした、遥かに大きな対象の組から収集することができるが、歌の各ペアは、少なくとも１５人の対象によりランクづけしなければならない。このデータは、歌のマップ、すなわち、曲目の各ペアの「距離」（または、近接度）を示す擬似距離のマトリックスを作成するために使用される。平均的に、その中の１つが好きな対象が、他のものも好きな場合には、１つが嫌いな対象が他のものも嫌いである場合、曲目間の間隔は狭い。技術的には、２つの歌ｉとｊとの間の擬似距離は、
ｄ（ｉ，ｊ）＝Σ_ｋ｜ｇ_ｉ ^ｋ−ｇ_ｊ ^ｋ｜
により定義することができる。
ここで、ｋはすべての対象上に跨り、ｇ_ｉ ^ｋ は、対象ｋが歌ｉに与えたランキングである。各対象が両方の歌ｉおよびｊに同じランキングを与えた場合には、その間の距離は０である。
歌のマップ法の予想の精度は、神経ネット法の精度より遥かに高い。大きさ５の学習セットの場合には、歌のマップ法は、予想と０．０７２５の目標との間の平均距離を出す。大きさ４０の学習セットの場合には、歌のマップ法は、さらによい平均距離、０．０５７５を出す。歌のマップ（ＳＭ）法は、推奨の問題に対して優れた解答を与える。すでに説明したように、推奨は、最高の予想を得たこれらの歌であると見なされる。大きさ１０の学習セットに基づく５つの推奨の場合には、推奨曲目の予想値の平均は０．６２であり、間隔は２７である。大きさ４０の学習セットの場合には、予想値の平均は０．７５であり、間隔は３２である。大きさ８０の学習セットの場合には、推奨の平均予想値は０．７８である。
【００２１】
任意ではあるが好適なマップ法の第２の方法は、特色マップ法である。この方法の場合には、２つの歌の間の擬似距離は、好適には、プロの音楽家および／または他のトレーニングを受けたスタッフにより、一組の予め定義した音楽的特色で、その歌の分析に基づいて計算することが好ましい。異なる歌は、異なる音楽家（スタッフ）により分析することができるが、これらの人は、好適には、その注意深い定義が、ＰＭＴシステムの中心の部分となっている音楽的特色を認識するようにトレーニングすることが好ましい。特色マップ法は、神経ネット法を適用するのに必要な同じ情報に基づいている。すなわち、一組の予め定義した特色による、トレーニングを受けた音楽家または他のトレーニングを受けたスタッフによる分析である。好適には、１人の音楽家だけが任意の１つの歌を聞き、幾人かの音楽家が任意にいくつかの歌を分析できることが好ましい。これらの人々は、音楽的に有意な特色の定義であり、トレーニングを受けた音楽家によるこれらの特色によるカタログ内の各曲目のマッピングである特色ベースを作成する。これらの特色の中のあるものは、選ぶとすれば、また好適には、入手できる外部情報から入手されることが好ましいが、それらの大部分は、より好適には、ＰＭＴシステムにより定義されることが好ましい。これらの特色のあるものは、客観的なものであり、そのため、好適には、（０かまたは１の）２進システムで表示することが好ましいが、他の特色は、主観的なもので、その値は、好適には、多数の音楽家による値の平均と見なすことが好ましい。現在の一組の特色については、付録を参照されたい。特色マップ法は、本発明の神経ネット法よりも正確な推奨を行うことを説明した。
技術的には、各歌の特徴は、間隔［０，１］内の数のベクトルにより表せる。この実施形態の場合には、ベクトルは、約１００の数を含んでいるが、その各数は０かまたは１である。各数は、付録に記載する音楽的特色に対応する。２つの歌の間の擬似距離は、２つの対応するブール・ベクトル間の距離ｌ_１（または、ユークリッド距離）と見なされる。全く同じ音楽的特色を持つ２つの歌の間の距離は０であり、例えば、１つの音楽的特色だけが異なる歌の間の距離は１である。
【００２２】
特色マップ法は、上記歌のマップ法とは異なるものである。特色マップは、音楽的近接度を示し、一方、歌のマップは、複数のユーザの嗜好を示す。特色マップ法は、大きさ１０の学習セットに基づいて、０．５６の値の推奨を供給し、大きさ４０の学習セットの場合には０．６４の値を供給し、大きさ８０の学習セットの場合には０．６６の値を供給する。これらの値を歌のマップ法から得られた値、すなわち、０．６２、０．７５および０．７８とそれぞれ比較した場合、特色マップ法の結果の方が明らかにかなり劣っている。学習セットが大きくなると、違いはますます有意なものとなる。
しかし、多数の可能な他の方法を考慮した後で、特色マップにより得られた結果が、純粋にカタログの音楽的分析に基づく任意の推奨システムに対して最善であるように思われる。このような任意の方法が、その精度において本質的に制限されているのは、それが根拠とする情報、音楽的特色がユーザの嗜好を完全に示すことができないからである。音楽的な類似性は、音楽的嗜好を表すには部分的に有効なだけである。特色マップで見られる間隔は大きく非常に満足すべきものである。
【００２３】
フィンガー・マップは、第３のマップ法である。この方法の場合には、擬似距離のマトリックスを形成するのに人間が介入する必要はない。各歌は、選曲のオーディオ信号を分析することにより、「特徴により識別される」。特徴による識別は、歌、曲またはオーディオ・ファイルを識別するために使用されるパブリック・ドメイン技術である。例えば、Ｆｒｅｅｔａｎｔｒｕｍ．ｃｏｍにより配信される歌プリント・ライブラリからのようなコンピュータ・プログラムは、オーディオ・ファイルを読んで、通常、ファイルのオーディオ信号による３２の正の整数からなる「識別特徴」を計算する。これらの数は、音楽曲目の一意の「署名」である。何故なら、歌の特定の記録は、そのファイルが他のフォーマットに変換された場合でも、同じまたはほとんど同じ署名を発生すると思われるからである。異なる歌または同じ歌の異なる記録は、異なる署名を生成するものと思われる。
「識別特徴」内の数は、好適には、下記のように計算することが好ましい。オーディオ信号のフーリエ変換が計算され、多数（通常、１６）の各周波数バンドのエネルギーが時間の関数として計算される。（時間についての）平均およびこのエネルギーの標準偏差が、１６の各バンドで計算され、その結果、３２の数が得られる。これらの数は、次に、歌の「識別特徴」と、異なる平均エネルギー、すなわち、音量を比較することができるように、正規化される。「識別特徴」は、通常、歌の一部（例えば、３０秒）上で採取される。カタログの歌の「識別特徴」が存在する場合には、２つの歌の間の擬似距離は、３２の数の２つのベクトル間の距離（ｌ_１またはユークリッド距離）として定義される。
フィンガー・マップ法の主な利点は、擬似距離のマトリックスが、人間の介入を必要としないで、完全に自動的に形成されることである。フィンガー・マップ法は、その距離が短い特徴を持つ歌は、通常、同じように聞こえるという事実を利用する。予測の精度は、マップ・グループの他の方法の精度より低い。大きさ１０、４０、８０の学習セットの場合には、数値０．５３、０．５７および０．５９の推奨がそれぞれ得られる。これは、性能が特色マップ法より低いことを示す。
【００２４】
第３のグループの方法は、実際に非常に簡単なランキング法である。この方法は、個人の嗜好のサンプル・セットも必要としない。この方法は、カタログ内の各曲目について、対象の平均的な嗜好を示すランキング・リストだけを使用する。試験の際には、各歌に対して、３２の対象がそれに与えた平均ランキングを使用した。例えば、外部のソースから集めた情報、または対象の内部グループに対する試験により集めた情報のような異なる曲目の人気についての任意の情報も、選ぶとすれば、使用することができる。例えば、大きなグループ内の個人のある歌に対する「好き」（１）、「嫌い」（０）または「どちらでもない」（０．５）が分かっている場合には、その歌の人気（すなわち、ランキング）は、選ぶとすれば、また好適には、人気についてのこれらの数の平均として計算される。次に、この情報は、最も低い人気の値を引き算し、最も高い人気の値および最も低い人気の値の間の違いで割ることにより、間隔［０，１］に適合するように正規化される。ある歌に対する予想は、単に、その歌の正規化された人気（すなわち、ランキング）であると見なされる。この方法の基本的な原理は、ランキングにより合理的に近似する異なる曲目には、ある種の客観的精度があり、この客観的精度は、個人の嗜好の最高の予測者であるという原理である。この方法は、各個人の同じ嗜好を予想する。
【００２５】
ランキング法は、予想の問題に対して非常によく機能する。この方法を使用すれば，神経ネット法より有意に優れている、目標と０．３１の予想との間の平均距離が得られる。しかし、歌のマップ法の性能は有意に優れている。推奨の問題については、この方法は、神経ネット法よりは遥かに優れていて、ＳＭ法よりも優れている、０．８の平均予想値を達成する。しかし、間隔は、明らかに最小であり、受け入れることはできない。ランキング法が比較的にうまくいく理由はハッキリしている。すなわち、大規模の測定の場合には、個人の嗜好は、それに対して対象が少なくともある程度受け入れることができる曲目のある種の客観的品質により決定されるからである。
カタログ内の曲目のランキングを各個人がカタログの大部分をランクづけした多数の人々から入手したものと仮定した場合、下記のアイデアに基づくこのグループの方法を使用することができる。すなわち、所与のユーザに対する歌Ｉについての予測は、異なるユーザが歌Ｉに与えたランキングの加重平均である。ランクづけした各人の加重は、特定のユーザとランクづけした人との間の距離、すなわち、歌の小さな学習セットから測定する距離のある種の正の冪に反比例する。ランキングがここで提案するように組織的に集められた場合には、この方法を使用すれば、ランダムに収集したデータに基づく、通常の共同濾過技術よりもよい結果が得られる。
【００２６】
今迄、本発明の５つの異なる方法、すなわち、神経ネット法、ＳＭ法、ＦｅａｔＭ法、ＦｉｎＭ法およびＲ法について説明してきた。本発明の好適な実施形態の場合には、これらの方法の２つまたはそれ以上、好適には、全部が、それぞれの利点を供給する１つのシステムに結合される。選ぶとすれば、異なる方法の結合は、非常に簡単である。これらの方法のそれぞれは、間隔［０，１］の間に多数の予想を提案する。これら３つの値の線形結合は、個人の嗜好の予想として使用される。神経ネット法、ＳＭ法およびＲ法だけを使用すると仮定した場合で、ｆ_{ｎｅｕｒａｌ ｎｅｔ}、ｆ_ＳＭおよびｆ_Ｒが、それぞれ、神経ネット法、ＳＭ法およびＲ法の予想である場合には、ＰＭＴシステムの予想は：
Ｃ_{ｎｅｕｒａｌ ｎｅｔ}＋Ｃ_ＳＭ＋Ｃ_Ｒ＝１となるように、正の数Ｃ_{ｎｅｕｒａｌ ｎｅｔ}、Ｃ_ＳＭおよびＣ_Ｒに対してＣ_{ｎｅｕｒａｌ ｎｅｔ}．ｆ_{ｎｅｕｒａｌ ｎｅｔ}＋Ｃ_ＳＭ．ｆ_ＳＭ＋Ｃ_Ｒ．ｆ_Ｒになる。これら３つの係数に対する多くの異なる値は、推奨の問題に対して最善の結果を与えるこれらの値を決定するために、現在試験中である。原則的には、これらの係数に対する正確な最適な値は、現在の問題のパラメータ、すなわち、カタログの大きさ、入手できるランキング情報およびその他により異なるが、この影響は少ないように思われる。
【００２７】
マップ法による非常に大きなカタログの処理
マップ法の場合には、すでに説明したように、歌の各ペア間の擬似距離のマトリックスを計算しなければならない。大きなカタログの場合には、２つの理由によりこれらの方法を適合させる必要がある。第１の理由は、マトリックスがメモリに記憶するには大きすぎる場合があることであり、第２の理由は、ＳＭ法の場合には、ランクづけする人は、好適には、カタログ内のすべての歌をランクづけする必要があるからである。そのようなランクづけは、カタログが非常に大きい場合には不可能である。これらの理由により、ＰＭＴシステムは、好適には、大きなカタログを実用的な大きさのサブカタログに、例えば、好適には、２０００〜６０００の歌のサブカタログに分割することが好ましい。ユーザに対しては、任意の時点で、同じサブカタログ上に表示されている好みに基づいて、サブカタログの中の１つだけから推奨が行われる。システムが、サブカタログ内でユーザが最も好む歌が、使い尽くされていること（または、少なくとも探検されていること）を発見した場合には、システムは、より好適には、ユーザに対して、もう１つのサブカタログを示すことが好ましい。
【００２８】
この新しいサブカタログ上で、情報に基づく推奨を行うことができるようにするために、好適な「転送」方法が開発された。この転送方法を使用すれば、ＰＭＴシステムは、ユーザについての情報をあるサブカタログから他のサブカタログに転送することができる。２つのサブカタログ間で情報を転送するために、（例えば、説明のための１００のような）歌の小さな一組を、好適には、２つの各サブカタログから選択することが好ましい。これらの歌の組は、これらの歌の組が、できるだけこれらのカタログに跨るように選択しなければならない。これら２つの歌の組をランクづけする人のグループ、および第１の組の各歌と、第２の組の各歌との間の擬似距離の転送マトリックス（１００×１００）は、好適には、ＳＭ法で計算したように計算することが好ましい。ＰＭＴシステムが第１のカタログからの歌についてのユーザの好みについての情報を持っていると仮定した場合、システムは、より好適には、第１のカタログのＳＭマトリックスを使用して、（第１のサブカタログからの）１００の歌の第１の組についてのユーザの好みの予測を計算することが好ましい。これらの予測をこれらの予測が学習セットであるかのように使用して、上記方法は、好適には、転送マトリックスの力を借りて、（第２のサブカタログからの）歌の第２の組についてのユーザの好みについての予測を計算することが好ましい。上記方法は、次に、より好適には、第２のサブカタログに対する推奨を行うために、これら最後の予測が学習セットであるかのように、これら最後の予測を使用することが好ましい。第２のサブカタログについてのユーザの好みについて、もっと多くの情報が収集されると、ＰＭＴシステムは、転送マトリックスが収集した予測を再度使用しないで、選ぶとすれば、また最も好適には、第２のサブカタログ上での動作の正常なモードに戻ることが好ましい。
【００２９】
特色ベース
特色ベースは、本発明のもう１つの任意のしかし好適な構成部品であり、音楽的特色によるカタログの各歌の分析を含むデータベースである。このデータベースを使用すれば、特色マップを生成することができ、神経ネット法を使用することができる。この特色ベースおよびこれらの特色によるカタログのマッピングは、これらの方法よりも、種々の目的に対して極めて有用である。ユーザは歌の一例を示し、ＰＭＴシステムから類似の歌、すなわち、この歌に音楽的に近い歌をリクエストすることができる。
特色ベースを使用すれば、あるタイプの曲目を探しているユーザは、これらの音楽的特色により、全カタログを能動的に探索することができる。ＰＭＴシステムは推奨を濾過し、リクエストされたタイプに適合する歌だけを推奨する。特色ベースを使用すれば、また、例により探索を行うこともできる。ある歌が与えられた場合、ＰＭＴシステムは、特色マップで使用した擬似距離により、所与の歌に最も近い歌を求めて、カタログを探索することができる。
【００３０】
本発明の任意の実施形態
図面および添付の説明を参照すれば、本発明の原理および動作をよりよく理解することができる。
本発明は、多数の任意のしかし好適な実施形態を含むが、これらの実施形態は例示としてのものであって、本発明を制限するものではない。以下にさらに詳細に説明するように、これらの実施形態は、インターネットのようなネットワークを通して、ユーザと相互作用を行うための、（ＧＵＩ（グラフィカル・ユーザ・インターフェースによる））ソフトウェアの供給、および「従来方式の」店舗内に設置するための「独立タイプ」のステーションを供給する。インターネット（または他のネットワーク）を通してのユーザの相互作用は、また、選ぶとすれば、図６に示すように、「個人チャネル」（インターネット・ラジオ）により行うことができる。最初のスクリーン映像（図１−図５）は、選ぶとすれば、いずれかの実施形態と一緒に使用することができる。図７−図１４は、好適には、「独立タイプ」のステーション用の本発明の例示としての実施形態と一緒に使用することが好ましい。図１５は、インターネットのようなネットワークを通しての、ユーザとの相互作用のための本発明の実施形態である。図１６は、「独立タイプ」のステーションを含む本発明の他の実施形態の簡単なブロック図である。
【００３１】
図面について説明すると、図１は、本発明のユーザ・インターフェースの例示としてのスクリーン映像である。図１は、ユーザの嗜好／興味を確認することができるようにするために、ユーザが最初の選曲に入るための導入スクリーン映像１０である。ユーザには、Ｎ個の（この場合には１０の）歌（選曲）１２のリストが与えられる。これらの歌は、好適には、名前および演奏者により、５つのグループで提示することが好ましい。（ラウドスピーカがついている）リスニング・ボタン１４により、ユーザはその歌を聞くことができる。例えば、リスニング・ボタン１４をクリックするか、または他の方法で選択すると、（マイクロソフト社のメディア・プレーヤー、ＷｉｎＡｍｐまたはＬｉｑｕｉｄ Ａｕｄｉｏのような）オーディオおよび／またはメディア・プレーヤーが歌の演奏をスタートする。右側の各歌に対する５つのランキング・ボタン１６を使用することにより、ユーザは各歌をランクづけすることができる。ユーザは、各歌を聞き、可能なランキングの中の１つを選択する。この例の場合には、５つの値の尺度、すなわち、非常に好き、好き、まあまあ、好きでない、嫌い、が使用される。尺度の大きさは、容易に、例えば、好き、まあまあ、好きでない、の３つに、または実際に他の一組の数値に変更することができる。
【００３２】
Ｎ個の歌をランクづけした後で、ユーザは、好適には、例えば、「推奨入手」ボタン１８を押して、新しい歌に対する推奨をリクエストすることが好ましい。次に、本発明のシステム（図１５および図１６のところで以下に説明する）は、好適には、これらのランキングに基づいて、またすでに説明したように、歌について前に決定した情報に基づいて、ユーザの個人プロフィールを生成することが好ましい。
「推奨入手」ボタン１８をクリックした後で、ユーザは、また、好適には、図２に第２の組のＧＵＩ２０として示すように、個人プロフィールに基づいてＭ個の新しい歌のリストを受信することが好ましい。このリストは、好適には、各歌に対する下記のフィールド、すなわち、歌の名称およびその歌の演奏者１２、リスニング・ボタン１４、ランキング・ボタン１６、購入ボタン２２、および類似性ボタン２４を含むことが好ましい。購入ボタン２２をクリックするか、または他の方法で選択すると、新しいウィンドウが開き、その中でユーザは推奨の歌を含むＣＤを購入することができる。好適には、類似性ボタン２４をクリックするか、または他の方法で選択すると、図３に示すように、基準になる歌に似た歌のリストを含む新しいウィンドウが開くことが好ましい。
【００３３】
また図２に示すように、スクリーンの左側の多数のチェック・ボックス２６により、ユーザは特定のジャンルをチェックすることができる。最初に、好適には、すべてのボックス２６をチェックし、任意のジャンルから推奨することが好ましい。ユーザは、そうしなくてもよいが、より好適には、ボックス２６のいくつか（しかし、最も好適には全部を）チェックしないか、または選択しないこともできる。次に、ユーザは、選択するジャンルに限定された推奨を受信する。そうしなくてもよいが、好適には、異なる言語のための類似のチェック・ボックス２６を供給することが好ましい。
また図２に示すように、スクリーンの最下部の４つのボタンにより、好適には、ユーザは、下記の動作、すなわち、「お気に入り」ボタン２８による、最高のランキングを与えられた歌のリストの閲覧；「トップ２０」ボタン３０による、本発明のＰＭＴシステムのユーザの間で最も人気にある２０の歌のリストの閲覧；「リセット」ボタン３２による、ユーザの個人プロフィールのリセット；「ログイン」ボタン３４による、他のユーザとしてのログインを行うことができる。ユーザは、また、「他の推奨」ボタン３６により、他の推奨を入手することもできる。
【００３４】
図３は、図２から「類似性」ボタンを選択した場合に、ユーザに提供される類似の歌を含む、例示としてのＧＵＩスクリーン映像３８である。このリストは、上記のフィールドを含む。ユーザは、選ぶとすれば、これらの「類似の」歌をランクづけし、次に、「プロフィール更新」ボタン３９をクリックすることにより、ユーザのプロフィールを更新することができる。これらのランキングは、その後で、新しい一組の推奨を行う場合に使用される。
図２の場合には、ユーザは、選ぶとすれば、「お気に入り」ボタン２８を選択することができ、選択すると、図４に示すように、お気に入りＧＵＩスクリーン映像４０が表示される。お気に入りＧＵＩスクリーン映像４０は、例えば、図２のＧＵＩから、ユーザが前に選択した１つまたはそれ以上の歌（選曲）を示す。フィールド／ボタンは上記と同じである。
図２において、ユーザは、また、選ぶとすれば、「トップ２０」ボタン３０を選択することができ、選択すると、図５に示すように、トップ２０ＧＵＩスクリーン映像４２が表示される。トップ２０ＧＵＩスクリーン映像４２は、好適には、最大の数のユーザが最高にランクづけした歌により、前にユーザの最大のグループに非常に興味があるものとランクづけされた歌のグループを示す。フィールド／ボタンは上記と同じである。
【００３５】
図６は、例示としての個人チャネル、すなわち、個人ラジオ、すなわち、インターフェース４４のスクリーン映像である。個人チャネルは、好適には、ユーザの嗜好に適合するＣＤと少なくとも同程度の、高い音質を供給することが好ましい。演奏した歌は、本発明のＰＭＴシステムにより選択される。好適には、ユーザに推奨するのにふさわしいこととして選択された歌が、順次演奏されるのが好ましく、より好適には、リクエストを行わないでも演奏されることが好ましい。図に示すように、各歌は、上記と同じフィールドを含むが、より好適には、ユーザは、推奨を入手するために音楽的特性を定義できることが好ましい。ユーザは、好適には、ジャンル選択エリア４５により、少なくとも歌に対するジャンルを選択することができることが好ましい。
そうしなくてもよいが、より好適には、歌を選択するための、またユーザの嗜好を予測するための上記のＧＵＩ相互作用も、ここで個人チャネルのために実行することが好ましい。別な方法としては、ユーザが歌の小さなグループをランクづけし、より好適には、ジャンルにより、ユーザの嗜好を予測するために、もっと簡単なランキング・システムを使用することができることが好ましい。ランキング・エリア４７は、ＧＵＩの中央に位置していて、その下の演奏制御パネル４９により、ユーザは、特定の歌の演奏をスタートしたり、および／またはスキップしたりするために、演奏をストップさせることができる。
【００３６】
次の図（図７−図１４）は、デジタル・キオスクまたはＰＭＴシステムの「独立タイプのステーション」実施のショット映像である。デジタル・キオスクは、好適には、インテリジェント・リスニング・ステーションとして実行することが好ましく、より好適には、コンピュータ、タッチスクリーン、バーコード・リーダおよび一組のイヤホンとして実行することが好ましい。独立タイプのステーションにより、ＣＤ店の顧客は、ＣＤをキオスクに持っていくことができるし、より好適には、バーコードを読み取った後でＣＤの異なる曲またはその抜粋を聞くことができる。顧客は、また、歌をランクづけすることができ、ＰＭＴシステムにより、顧客の嗜好に適合する推奨を入手することができる。返却する顧客が、そうしなくてもよいが、より好適には、ログインの後でシステムにより認識され、次に、選ぶとすれば、顧客に推奨を直ちに行うことができることが好ましい。
【００３７】
図７は、例えば、楽器店用のデジタル・キオスクの例示としての導入スクリーン４６である。図に示すように、導入スクリーン４６は、好適には、３つの異なるエリアを持つことが好ましい。（左側の）販売促進エリア４８は、好適には、販売促進および宣伝のために店舗により使用することが好ましい。より好適には、各店舗がこのエリアの使用方法を決定することができることが好ましい。右側のバーコード・エリア５０は、好適には、ＣＤのコードを入力するために使用するのが好ましい。このバーコードは、より好適には、キオスクにリンクしているバーコード・スキャナにより入力するのが好ましいが、バーコードを自動的に読み取ることができない場合には、手動で入力することもできる。他のボタンは、図１−図５のように、上記の通常のインターフェース用のものであるが、探索ボタン５２は例外で、ユーザが１つまたはそれ以上の基準により、特定の歌を探索できるようにするためのものである。
バーコードを入力した場合、好適には、図８に示すように、製品ＧＵＩ５４が表示されることが好ましい。製品ＧＵＩ５４は、そうしなくてもよいが、より好適には、選ぶとすれば、アーチストおよび／またはＣＤについての情報と一緒に、演奏のための歌のリストを含むＣＤについての情報を表示することが好ましい。
【００３８】
デジタル・キオスクは、また、好適には、選ぶとすれば、探索ボタン５２を選択することによりトリガすることができ、その結果、図９に示すように、探索ＧＵＩ５６が表示される、探索機能を備えることが好ましい。ユーザは、好適には、歌詞のストリングを入力し、次に、「探索基準」オプション、すなわち、アーチストの名前、演奏者の名前またはアルバムの名前の中の１つを選択することが好ましい。次に、好適には、ユーザは、探索ボタンをクリックし、システムはパラメータと一致する歌を探索することが好ましい。ユーザは、また、そうしなくてもよいが、より好適には、図１０の音楽的特性ＧＵＩ５８内に示すように、音楽的特性（ジャンル、ムード、楽器、言語．．．）により探索することができることが好ましい。ユーザは、好適には、１つまたはそれ以上の必要な特性６０をクリックするか、または他の方法で選択し、次に、好適には、再び探索ボタンをクリックすることが好ましい。この探索の結果は、ユーザが定義した特性の全部（または、少なくともその一部）と一致する歌のリストである。
デジタル・キオスクは、また、そうしなくてもよいが、より好適には、図１−５のところで説明したように、また、図１１の例示としての推奨ＧＵＩ６２として示すように、ユーザへの推奨の供給をサポートすることが好ましい。ユーザは、そうしなくてもよいが、最も好適には、「従来方式の」店舗自身内で購入するために、利用することができるこれらの歌および／またはＣＤに限定される、１つまたはそれ以上の推奨する歌および／またはＣＤの供給を受けることが、そうしなくてもよいが、より好適には好ましい。
本発明のデジタル・キオスクのもう１つの任意のしかし好適な機能は、図４のところで説明し、また図１２のお気に入りＧＵＩ６４として示した、私のお気に入り機能である。さらにもう１つの任意であるがしかし好適な機能は、図４のところで説明し、図１３に示すトップ２０機能である。
【００３９】
図１４は、本発明の好適な特色ベース用の情報を入力するための例示としてのＧＵＩである。歌のアナライザＧＵＩ６６は、好適には、ユーザが、この情報を入力できるようにすることが好ましい。より好適には、ユーザは、歌を分析し、特色ベースを生成する音楽家、またはトレーニングを受けたスタッフであることが好ましい。すでに説明したように、好適には、各歌は、歌を聞き、その後で、付録にさらに詳細に説明するパラメータにより、歌を分類するプロの音楽家により分析することが好ましい。
【００４０】
図１５は、インターネットのようなネットワークを通してユーザと相互作用を行うための、本発明の例示としてのシステム６８の簡単なブロック図である。図に示すように、システム６８は、多数のランクづけ構成部品の動作を制御するためのサーバ７０を備える。サーバ７０は、ユーザの計算デバイス７４により動作し、ユーザ・インターフェースとして機能するクライアント７２と通信する。すでに説明したように、好適には、第１のユーザ・インターフェースは、ユーザの音楽に対する嗜好を決定するために歌を選択するためのユーザ用のものであり、一方、第２のユーザ・インターフェースは、歌を分析するプロの音楽家のためのものであることが好ましい。
サーバ７０は、また、好適には、図にはインターネット７８として図示されているネットワークを通してクライアント７２と通信するための通信インターフェース７６を備えることが好ましい。通信インターフェース７６は、好適には、クライアント７２への接続（接続、送信および受信）のための必要な、すべてのモジュールを含んでいることが好ましい。制御インターフェース８０は、推奨エンジン８２と一緒にクライアント７２の相互作用を制御する。制御インターフェース８０は、好適には、他の構成部品を初期化し、また同期させ、例外を処理することが好ましい。
【００４１】
推奨エンジン８２は、次に、好適には、データベース・ハンドラ８６を通して、データベース８４から情報を受信することが好ましい。推奨エンジン８２は、また、好適には、ユーザの音楽的嗜好のプロフィールを形成するために使用される学習アルゴリズムを含んでいることが好ましい。このプロフィールに基づいて、システム１０は、高度の成功率で、ユーザに新しい歌を推奨することができる。
データベース８４は、好適には、サーバ７０を動作させるために必要な、テーブルを含んでいることが好ましい。これらのテーブルは、好適には、サーバを動作するために必要な一般的な情報を含む制御テーブル、すなわち、歌についてのすべての情報（例えば、歌名、演奏者名等）を含む歌テーブル；サーバにアクセスする顧客についての情報を含む会社テーブル；各会社に対するユーザについての情報を含むユーザのテーブル；使用、ユーザの数およびユーザの量についての統計を含む統計テーブルを含むことが好ましいが、テーブルはこれらに限定されない。
メモリ管理モジュール８８は、好適には、サーバ７０のメモリを管理し、好適には、コンピュータの（サーバの）主メモリ内にロードすることが好ましい、推奨エンジン８２を動作するために必要な情報を保持することが好ましい。メモリ管理モジュール８８の役割は、メモリ内のデータ構造体（例えば、ベクトルおよびマップ）を定義し、形成し、アクセスすることである。
サーバ７０の構成部品を通るプロセスの流れは、好適には、下記のように動作することが好ましい。最初に、サーバ７０が初期化される。制御モジュール８０が、データベース・ハンドラ８６を作動する。制御モジュール８０は、次に、コマンドをデータベース・ハンドラ・モジュール８６に送信することにより、メモリに必要なすべての情報をロードするメモリ管理モジュール８８を初期化する。通信インターフェース７６は、好適には、サーバ用の特定のポート番号を初期化することが好ましい（ＴＣＰ／ＩＰ）。
【００４２】
次に、クライアント・サイクル中に、クライアント７２からの各リクエストが、好適には、リクエストが実行されるや否や、サーバ７０により閉鎖される個々のスレッド内に挿入されることが好ましい。より好適には、同じユーザからの次のリクエストが、新しいスレッドを開くことが好ましい。
最初に、通信インターフェース７６は、「ランキングのための歌の送信」メッセージをクライアント７２から受信し、それを制御モジュール８０に送る。制御モジュール８０は、次に、主メモリから一組の歌を選択する推奨エンジン８２を作動する。これらの歌を選択する合理的な方法は、ランダムに選択することであるが、他の方法が好ましい場合もある。制御モジュール８０は、歌ベクトルを受信し、それを通信インターフェース７６に送る。通信インターフェース７６は、選択した一組の歌をクライアント７２に送る。制御モジュール８０は、通信インターフェース７６に切離しコマンドを送り、クライアント・セッションをストップする。このプロセスは、任意の時間に開いているスレッドの数を最低限度まで低減するために行われる。
ユーザは送信された歌を聞き、これらの歌が好きかどうかを記録する。通信インターフェース７６は、上記記録が行われた場合、「ランクづけ歌」メッセージをクライアント７２から受信し、それを制御モジュールに送る。このメッセージは、ユーザのランキングを含む。
【００４３】
制御モジュール８０は、次に、好適には、メモリ管理モジュール８８を作動することが好ましい。制御モジュール８０は、メモリ管理モジュール８８からＡＣＫを受信し、それを通信インターフェース７６に送る。制御モジュール８０は、通信インターフェース７６に切離しコマンドを送り、クライアント・セッションをストップする。クライアント７２は、好適には、推奨を受信するために、追加のリクエスト、「推奨する歌を送れ」メッセージを送ることが好ましい。
通信インターフェース７６は、クライアント７２から「推奨する歌を送れ」メッセージを受信し、それを制御モジュール８０に送り、制御モジュール８０は、推奨エンジン８２を作動する。推奨エンジン８２は、推奨のための歌のベクトルを推奨し、作成するためにある種の学習アルゴリズムを使用する。制御モジュール８０は、上記ベクトルを受信し、それを通信インターフェース７６に送る。
通信インターフェース７６は、クライアントに推奨する歌のリストを送る。制御モジュール８０は、通信インターフェース７６に切離しコマンドを送る。制御モジュール８０は、クライアント・セッションをストップする。
選ぶとすれば、またより好適には、各セッション中に、データベース・テーブルおよび統計テーブルを更新することが好ましい。各セッションは、１人のユーザにサービスを提供する。別々のスレッド上に、複数のセッションが同時に存在することができる。
【００４４】
図１６は、上記の「独立タイプ・ステーション」のための、本発明のもう１つの例示としての実施形態である。図に示すように、デジタル・キオスク９０は、好適には、ユーザに情報を表示し、ユーザから情報を受信するための表示スクリーン９２を備えることが好ましい。デジタル・キオスク９０は、選ぶとすれば、マウスまたは他のポインティング・デバイスのような、入力装置９４を備えることができ、また選ぶとすれば、キーボード（図示せず）を備えることもできる。別な方法としてまたは追加として、表示スクリーン９２は、情報を入力するためのタッチスクリーンを備えることができる。
ユーザは、選ぶとすれば、バーコード情報を入力することができ、すでに説明したように、推奨を要求することもできるし、および／または探索も行うこともでき、これらのある種の組合わせを行うこともできる。デジタル・キオスク９０は、その後で、例えば、図１５のサーバと類似の方法で実行することができるサーバ９６に接続する。サーバ９６は、次に、好適には、要求されたタスクを行うことが好ましい。選ぶとすれば、サーバ９６は、デジタル・キオスク９０内に１つの物理ユニットとして内蔵させることができる。別の方法としては、サーバ９６は、例えば、ＬＡＮ（ローカル・エリア・ネットワーク）を通して、および／またはＰＳＴＮ（公衆交換電話網）を通して、ダイヤルアップ電話線接続により、デジタル・キオスク９０に別々に接続することができる。
そうしなくてもよいが、より好適には、デジタル・キオスク９０に、ＣＤまたは他のタイプの音楽媒体を持ち込むのではなく、デジタル・キオスク９０は、後で直接購入することができる種々のフォーマットの音楽媒体を含むことが好ましい。例えば、ユーザは、推奨を受信することができ、次に、自動販売機から購入するように、デジタル・キオスク９０からＣＤを購入することができる。この実施形態の場合には、デジタル・キオスク９０は、好適には、ユーザがＣＤまたはその他の音楽媒体を購入することができるように、クレジット・カード・リーダまたはその他の支払い機構を備えることができることが好ましい。
【００４５】
図１７は、本発明の上記用途のいずれかと一緒に使用することができるサーバの例示としての実施形態のもう１つの簡単なブロック図である。図に示すように、サーバ１００は、本発明の上記の推奨機能を実行するために、複数の推奨サーバ１０２を備えている。推奨サーバ１０２は、好適には、ユーザの嗜好についての情報、および複数のＡＰＩサーバ１０４の中の１つから推奨を行うためのリクエストを受信することが好ましい。各ＡＰＩサーバ１０４は、選ぶとすれば、リクエストを解釈し、データベース・サーバ１０８を通してデータベース１０６からユーザ・データを検索し、次に、応答を送信するための、ＨＴＴＰサーバおよびアプリケーション・サーバ（図示せず）を含むことができる。より好適には、応答をＸＭＬ（拡張マークアップ言語）で送信することが好ましい。
サーバ１００は、また、好適には、保護のため、また選ぶとすれば、負荷バランス機能を実行するために、ファイアウォール１１０を備えることが好ましい。
【００４６】
本発明の任意であるが好適な実施形態の場合には、本発明のシステムおよび方法は、また、単に音楽を選択するためではなく、他のタイプの媒体選択についてのユーザの嗜好を予測するためにも使用される。このような媒体選択の例としては、映画、書籍等があるが、これらに限定されない。上記コア予測方法は、また、選ぶとすれば、映画、書籍等のような他の領域内のユーザの嗜好を予測するためにも使用される。例えば、特色マップ法は、選ぶとすれば、内容に対して特定の一組の特性を定義することにより、選曲についての嗜好を予測するための上記方法から一般化することができる。
いくつかの実施形態について本発明を説明してきたが、本発明を種々に変更、修正することができ、他の用途にも使用できることを理解することができるだろう。
【００４７】
参考文献
ＬｅＣｕｎ：８５ Ｙｖｅｓ Ｌｅ Ｃｕｎ． Ｕｎｅ ｐｒｏｃｅｄｕｒｅ ｄ’ａｐｐｒｅｎｔｉｓｓａｇｅ ｐｏｕｒ ｒｅｓｅａｕ ａ ｓｅｕｉｌ ａｓｓｙｍｅｔｒｉｑｕｅ． Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｃｏｇｎｉｔｉｖａ， ｐａｇｅｓ ５９９−６０４， Ｐａｒｉｓ， Ｆｒａｎｃｅ， １９８５．
ＢａｃｋＰｒｏｐ：８６ Ｄ．Ｅ． Ｒｕｍｅｌｈａｒｔ， Ｇ．Ｅ． Ｈｉｎｔｏｎ， ａｎｄ Ｒ．Ｊ． Ｗｉｌｌｉａｍｓ． Ｌｅａｒｎｉｎｇ ｉｎｔｅｒｎａｌ ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ｂｙ ｅｒｒｏｒ ｐｒｏｐａｇａｔｉｏｎ． Ｉｎ Ｒｕｍｅｌｈａｒｔ ａｎｄ ＭｃＣｌｅｌｌａｎｄ， ｅｄｉｔｏｒｓ， Ｐｒｏｃ． ｏｆ Ｓｔｒｕｃｔｕｒｅ ｉｎ Ｃｏｍｐｌｅｘｉｔｙ Ｔｈｅｏｒｙ， ｖｏｌｕｍｅ １， ｃｈａｐｔｅｒ ８， ｐａｇｅｓ ３１８−３６２． ＭＩＴ Ｐｒｅｓｓ， Ｃａｍｂｒｉｄｇｅ， ＭＡ．， １９８６．
ＣｏｌｌＦｉｌｔ：９５ Ｕ． Ｓｈａｒｄａｎａｎｄ ａｎｄ Ｐ． Ｍａｅｓ． Ｓｏｃｉａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｉｌｔｅｒｉｎｇ： Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ Ａｕｔｏｍａｔｉｎｇ “Ｗｏｒｄ ｏｆ Ｍｏｕｔｈ”． Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＣＨＩ’９５ Ｍａｙ １９９５， Ｄｅｎｖｅｒ， ＣＯ ＡＣＭ Ｐｒｅｓｓ．
【００４８】
付録
特色の最初の一組を下記のように定義した。すなわち、ロック、ジャズ、エレキ、リズム・セクション、女性、男性、二重奏、弦楽器、金管セクション、ピアノ、アコースティック・ギター、表情に富んでいない、表情に富んでいる、非常に表情に富んでいる、正しい音程で、英語で。現在使用している９０の特色は下記の通りである。
音楽的パラメータ
ジャンル
１．ポップおよびロック：エルビス・プレスリー、ビートルズ、ヘビーロック、マドンナ等を含む、１９５０年代後半からのすべてのポップおよびロック
２．ジャズ：ブルース、ビーバップ、スタンダード、ボーカルジャズ、ビッグバンド等を含むすべてのジャズ・タイプ
３．ラテン＋南米音楽：ラテン・リズム（タンゴ、サルサ、サンバ等）
４．エレキ楽器：電子音楽によってだけ演奏される器楽作品
５．ラップおよびブラック：すべてのラップ、レゲエ、リズム・アンド・ブルース、アフリカ系アメリカ音楽
６．カントリー＋フォーク：すべてのフォーク音楽およびフランスのシャンソンのようなフォークに似た音楽を含む。一般に、ヨーロッパおよび北米音楽と呼ばれるもの。
７．イージー・リスニング＋ナツメロ：通常、大規模のシンフォニーオーケストラまたはビッグバンドによる伴奏を伴うミュージカルおよび軽音楽を含む。
８．外国文化（アフリカ、東アジアの種々の種族等）からの世界の歌：通常、西欧の音楽家および／または楽器と結合している。また、東西音楽の組合わせ。
９．クラシック音楽
１０．レゲエ：（ジャマイカ音楽）
１１．エレエテス・イスラエル：ノスタルジックなイスラエル音楽
１２．ポップ・ミズラヘ：中東のポップ音楽（ギリシャ音楽、アラビア音楽および類似の音楽）
１３．その他
デケード
前処理段階で記入すべきパラメータ
構成
イントロ／アウトロ：歌に先行する音楽の実質的な部分（有意な時長価の非常に長いオープニング）。また、歌の終わりに来たとき。歌の共通のフェードアウトは含まない。
演奏家
１．男性：男性の歌手ソリスト
２．女性：女性の歌手ソリスト
３．二重奏＋：（二重奏および三重奏から全コーラスまでの）同じ重要性を持つ歌手の任意の趣旨
４．楽器：歌手を含まない曲。歌手は伴奏のボーカル部分に現れる場合があり、その場合、「伴奏２」セクション内の「音声」として識別される。
【００４９】
演奏方法（表情の豊かさ）
１．リラックスして−生き生きと：通常のタイプの歌唱法、リラックス・ムード、特殊な表情なし、音声効果なし、抑制された歌手の中域での歌唱。
２．悲しく／抑圧された：涙を誘う悲しみ、平穏、スロー、キーの低い「途切れがちの」音声の表現、悲しみまたは類似の歌詞。
３．劇的表現：音声による効果、絶叫、「ささやくようなレベル」、強くハッキリと語りかける高域。
４．興奮／熱情的：感情の個人的な表現、恋の歌、愛するものへの感情、特殊な音声による効果、すなわち、深い息遣い、ささやくレベルの声域、途切れがちの音声およびため息。
５．声量の変化：通常、劇的表現の際の小さな声量から大きな声量への移行、絶叫からささやきへの移行およびその逆。
６．グリッサンド：通常、両方向にスライドするピッチを使用する特殊な音声技術。またセンテンスの終わりのスライド・ダウン。
７．高域／絶叫：情緒および表現を表すための、音声の高域の使用、多くのパワーおよびエネルギーの使用。
８．深い呼吸／ため息：熱情的な表現を行うために使用する、非常に強い音声効果。
９．ファルセット：男性の頭声、高域。絶叫への対比−この音声を発生するために特殊な効果は使用しない。
１０．朗読／朗吟：リズム効果および劇的効果のために使用。
１１．ラスピー：声帯上に大きな圧力を掛ける、しゃがれ声。
１２．無気力／無関心：情緒を伴わない平板で客観的な歌唱法。
１３．芸術的／古典的：劇的な意図での音声の展開技術を使用。
１４．ささやき：熱情的または劇的表現のための、音声を伴わないか、ほとんど音声を伴わない歌唱または発声。
１５．エスニック：東洋（ミズラヒ）風、アラビア風またはアフリカ風の歌唱法。
【００５０】
伴奏１
１．リズム・セクション：バス、ドラムおよびエレキギター。また別の機能で使用することもできる。
２．ピアノ：アコースティック・ピアノおよび電気ピアノを含む。
３．アコースティック・ギター：クラシック・ギターを含む。
４．旋律パーカッション：ビブラフォン、マリンバ、シロフォン、カリビアンドラム等。
５．キーボード：ピアノおよび電気ピアノを除くすべてのタイプのキーボード。
６．ギター＋：すべてのタイプのギターおよびかき鳴らすための楽器。
７．ファズ：すべての歪曲ギター。
伴奏２
１．アコースティック・ライン：アコースティック楽器（ピアノおよびアコースティック・ギターを除く）を含み、また持続効果を含むすべてのアコースティック楽器またはセクション。
２．シンフォニー・オーケストラ：弦楽オーケストラをベースとするもの。
３．電気的効果：電気ピアノおよびオルガンを含まない。
４．音声：ソロシンガーの他の１人またはそれ以上の歌手。
５．音調の一様な保持：弦、電気オルガン、音声等を含む長い、一定の音響効果。
６．弦＋：ヴァイオリン、チェロ、ヴィオラ、コントラバス等。
７．金管セクション：任意の大きさの金管セクションまたはオーケストラ。
８．木管：任意の大きさの木管セクションまたはオーケストラ。
９．パーカッション：通常のドラム・セット（タンバリン、マラカス等）の一部でない任意のパーカッション楽器。
１０．旋律パーカッション：ビブラフォン、マリンバ、シロフォン、カリビアンドラム等を含む。
１１．ハーモニーックス：バグパイプ、ハーモニカ、アコーディオン、ハルモニウム等を含む。
１２．エキゾチック：極東、中東、アフリカおよびユニークな楽器。
【００５１】
ソロ／属音楽器
器楽ソロまたはソリストにとって重要な主要部分。また、歌手の伴奏をしている場合。楽器は、ソロ楽器と見なされる有意な部分を演奏しなければならない。
ｉ．アコーディオン
ｉｉ．アコースティック・ギター
ｉｉｉ．バグパイプ
ｉｖ．バンジョー
ｖ．バス
ｖｉ．チェロ
ｖｉｉ．クラリネット
ｖｉｉｉ．エレキギター
ｉｘ．エキゾチックな弦楽器
ｘ．フルート
ｘｉ．ハーモニカ
ｘｉｉ．ホルン
ｘｉｉｉ．旋律パーカッション
ｘｉｖ．オーボエ
ｘｖ．パーカッション
ｘｖｉ．ピアノ
ｘｖｉｉ．サキソフォン
ｘｖｉｉｉ．キーボード
ｘｉｘ．トロンボーン
ｘｘ．トランペット
ｘｘｉ．ヴァイオリン
伴奏表現
１．クレッシェンドへの増大
２．オスティナート／反復ライン：３回またはそれ以上現れるリズム要素またはメロディー要素を含む。
３．集中的オーケストレーション：多くの部分でオーケストレーションされた大規模のオーケストラ。
４．リズムの中断：通常、歌に「ドライブ」を与えるために使用する、歌の中のビートの変更。
５．オルガン点：１つの楽譜を持続するすべての楽器を含む。
【００５２】
言語
１．英語
２．ヘブライ語
３．フランス語
４．スペイン語
５．ポルトガル語
６．イタリア語
７．ドイツ語
８．他の言語：わけの分からない言語を含む。
テンポ
テンポは決定されない。むしろ、歌の「フィーリング」が測定され、１／４音符のサブ分割および歌が歌われる拍子に関連づけられる。しかし、テンポは下記のように表現することができる。
１．速い速度：１２０Ｍ．Ｍ．以上
２．中程度の速度：６０〜１２０Ｍ．Ｍ．
３．遅い速度：６０Ｍ．Ｍ．以下
テンポは、ＢＰＭプログラムにより設定される。マッパは、ＢＰＭバーを左クリックし、キーボードのスペースバーを６〜７回叩くと、コンピュータがそれによりＢＰＭを計算する。
リズム感覚
１．急速なシンバル＋：１／１６音符（またはそれ以上）を演奏する急速なシンバルまたはシンバル類似の楽器。
２．スイング感覚：スイング八番、均等でない感覚
【００５３】
エスニックな動機
中東の動機、１／４音程、メリスマ、複雑な拍子、特殊な楽器。
歌詞
バラード／ストーリー：これらの歌は、通常、歌詞を重視して、通常、音楽的な部分、すなわち、ダルなメロディー・ラインおよびハーモニーを重要視しないで、音楽的に認識される。歌手は，多くの場合、単調に歌を歌う。多くの場合、詩の一行の歌詞を終りの各詩の一行の終わりのところで反復する行がある。バラードは、正確に韻を踏んでいない。何故なら、歌詞の内容がもっと重要な役割を演じているからである。
反復語：反復語は歌をもっと魅力的にすると思われているので、この特色は、歌の中に３回またはそれ以上現れる語または熟語に適用される。（「彼女は君を愛す」、「彼女はラララ」等）。「語」は、また、シラブルおよび分けの分からない反復語を含む。
理解することができる：このパラメータで、聴衆に対して歌っている歌詞の明瞭度が決定される。これは内容の深い意味には適用されないが、歌手の言葉使いおよび男性／女性歌手が歌に与える重要性には適用される。
ハーモニー
簡単な変化：多くない悲しい音符、９−１１−１３コードまたは転調を含む、（Ｉ−ＩＶ−Ｖ−Ｉまたは類似の）簡単なハーモニーをベースとする歌、および歌の中の小さな変化。
大きな変化／半音階：もっと洗練されたハーモニー、９−１１−１３コード（ジャズ）、バスまたはメロディー内の半音階ステップ、また短時間内の多くのコードへの参照。
転調：歌の中での音階の変化。転調は、特に歌の終わりに近づくと、劇的な表現を持つ。このパラメータは、また、調のシフトまたはジャンプのために使用される。
驚き：何らかの予備音を含むハーモニーの連続の珍しいコード。
【００５４】
拍子
２拍子：完全な歌の中での２拍子の使用（２／４、４／４、６／８等）。
３拍子：完全な歌の中での２拍子の使用（３／４、３／８等）
複合／混合拍子：１つの歌の中での２拍子および３拍子の組合わせ、または複合拍子の使用（７／８、９／１６、１１／１６等）
ムード機能
１．幸福／リズミカル：９５−１２０＋ＢＰＭ、ダイナミック、エネルギッシュ、甘美、軽快、魅力的、明快、自由
２．悲しい／憂うつな：０−１００ＢＰＭ、短音階、苦しみを表し、涙を誘う正直で、メランコリックで弱い音声、悲しい叙情、ブルース
３．ロマンチック／センチメンタル：０−１００ＢＰＭ、長音階、セクシー、官能的、情緒に満ち溢れて、ロマンチックな叙情詩、持続、ヴァイオリンのグループ、悲哀に満ちて。
４．アグレッシブ／狂騒的：緊張に満ちた、残酷で、厚く、金切り声の不協和音に満ちた重い音響、悲鳴。
【００５５】
リズムのパターン：
１．ロックンロール
ロックバラード
シャッフルロック
ロックファンク
ヘビーロック
ポップロック
ソフトロック
ファストロック
ラテンロック
ツイストロック
ディスコロック
カントリーロック
ロックソカ
ロックループ
３／４ロック
ロックマーチ
ツイスト
モロカン
２．スローロック
スローロック
３．ファンク
ファンクバラード
スローファンク
シャッフルファンク
ラテンファンク
ファストファンク
ミディアムファンク
ファンクループ
ポップファンク
ジャズファンク
ファンクディスコ
４．スイング
ミディアムスイング
バラード
ファストスイング
ベイシーグルーブ
ディキシーランド
シャッフルスイング
ジャズワルツ
ラテンジャズ
チャールストン
タランテラ
５．マンボクラベス
マンボ
ソンゴ
アフロキューバン ６／８
モザンビック
ボレロ
ファストラテン
カリプソ
ラテンフォークロア
ビギン
６．チャチャチャ
チャチャチャ
７．ブラジルのボサ
ボサノバ
８．サンバ
ミディアムサンバ
ファストサンバ
サンババトゥカダ
ファンクサンバ
ディスコサンバ
９．ディスコ
ディスコ
ディスコエスタ
ハウスディスコ
マーチ
１０．エスタ
エスタ
１１．ワルツ
ワルツ
１２．タンゴ
タンゴ
１３．レゲエ
レゲエ
１４．テクノ
ハウス
テクノ
１５．ラップ
ラップ
ジャングル
ヒップホップ
アシッドジャズ
１６．マクルビー
マクルビー
マクサム
マスムディサリル
ランキング
１．素敵
２．好き
３．まあまあ
４．好きでない
５．我慢できない
【図面の簡単な説明】
【図１】
歌を最初に分析するための、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図２】
ユーザに歌を推奨し、これら歌のユーザによるランキングを入手するための、本発明による第２のユーザ・インターフェースの例示としてのスクリーン映像である。
【図３】
類似の歌を示すための、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図４】
お気に入りの歌を示すための、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図５】
人気のある歌を示すための、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図６】
「個人チャネル」用の、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図７】
デジタル・キオスク用の、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図８】
デジタル・キオスク用の製品ページのための、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図９】
探索ページ用の本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図１０】
音楽的特性による探索のための、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図１１】
推奨のための、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図１２】
他の「お気に入り」の実施形態のための、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図１３】
他のポピュラー・ソング実施形態のための、本発明によるユーザ・インターフェースの例示としてのスクリーン映像である。
【図１４】
分析情報を入力するための、本発明によるインターフェースの例示としてのスクリーン映像である。
【図１５】
本発明による例示としてのシステムの簡単なブロック図である。
【図１６】
本発明による第２の例示としてのシステムの簡単なブロック図である。
【図１７】
本発明による例示としてのサーバの実施形態の簡単なブロック図である。
【符号の説明】
１０ 導入スクリーン映像 １２ 歌（選曲）
３８ 類似性ＧＵＩスクリーン ４０ お気に入りＧＵＩスクリーン
４２ 人気のある歌ＧＵＩスクリーン ４４ 個人チャンネルＧＵＩスクリーン
４６ 導入スクリーン ５４ デジタルキオスク製品ＧＵＩスクリーン
５６ 探索ページＧＵＩスクリーン 音楽的特性ＧＵＩスクリーン
５８ 音楽的特色 ６２ 推奨ＧＵＩスクリーン
６８ システム ７０ サーバ ７２ クライアント
７４ ユーザ計算デバイス ７６ 通信 ７８ インターネット
８０ 制御 ８２ 推奨エンジン ８４ データベース
８６ データベースハンドラ ８８ メモリ管理 ９０ デジタルキオスク
１００ サーバ １０４ ＡＰＩサーバ １１０ ファイアウォール

Claims (25)

1. 複数の特徴により媒体選択のカタログを分析するステップと、
   ユーザにより少なくとも１つの媒体選択をランクづけするステップと、
   前記カタログの前記媒体選択の少なくとも１つに対するユーザの好みを予測するために、前記ランキングと前記複数の特徴とを照合するステップと、
   ユーザに少なくとも１つの予測媒体選択を推奨するステップとを含む媒体選択に対するユーザの好みを予測するための方法。
2. 前記ランキングを前記複数の特徴と照合するために、複数の照合プロセスを使用する請求項１記載の方法。
3. 照合プロセスが、前記媒体選択の前記複数の特徴が２進ベクトルを形成し、前記神経ネットワークが、前記２進ベクトルをユーザによりランクづけされた各媒体選択の特徴と照合するように学習する神経ネットワークである請求項１または２記載の方法。
4. 照合プロセスが、ランクづけした媒体選択を前記カタログ内の少なくとも１つの他の媒体選択と比較するために、媒体選択の各ペア間の擬似距離のマトリックスを生成するためのマップ法である請求項１または２記載の方法。
5. 前記マップ法が、媒体選択の各ペアのすべての特徴を比較するための選択マップ法である請求項４記載の方法。
6. 前記マップ法が、媒体選択の各ペアの特色の選択したグループを比較するための特色マップ法である請求項４記載の方法。
7. 前記マップ法が、媒体選択の各ペアの署名を比較するための指紋マップ法である請求項４記載の方法。
8. 照合プロセスが、前記カタログの各媒体選択をランクづけし、ユーザの各ランキングを、前記カタログの前記媒体選択に対する前記ランキングと直接比較するランキング方法である請求項１または２記載の方法。
9. 前記カタログ内の各媒体選択についての情報が特色ベースに記憶される請求項１から８の何れか記載の方法。
10. 各媒体選択がジャンルにより特徴づけられる請求項１から９の何れか記載の方法。
11. 各媒体選択が選曲である請求項１から１０の何れか記載の方法。
12. 前記選曲が、トレーニングを受けた音楽家による音楽的特色により分析される請求項１１記載の方法。
13. 前記選曲が複数のユーザによりランクづけされる請求項１１記載の方法。
14. 前記選曲がオーディオ信号の指紋により自動的に分析される請求項１１記載の方法。
15. 前記選曲およびランキング情報が、ネットワークを通してユーザに提示される請求項１１から１４の何れか記載の方法。
16. 前記ネットワークがインターネットである請求項１５記載の方法。
17. 前記選曲およびランキング情報が、独立タイプのステーションを通してユーザに提示される請求項１１から１４の何れか記載の方法。
18. さらに、ユーザが選曲した曲を購入するステップを含む請求項１５から１７の何れか記載の方法。
19. 前記媒体選択が印刷物を特徴とする請求項１から１０の何れか記載の方法。
20. 前記媒体選択が視覚的資料を特徴とする請求項１から１０の何れか記載の方法。
21. 前記視覚的資料が、ビデオ・データを含む請求項２０記載の方法。
22. 前記媒体選択が、複数のユーザによりランクづけされる請求項１記載の方法。
23. ランクづけをするもののグループにより、特徴に従って前記媒体選択のカタログの少なくとも一部を分析するステップと、
    ユーザにより少なくとも１つの媒体選択をランクづけするステップと、
    前記カタログの前記媒体選択の少なくとも１つに対してユーザの好みを予測するために、前記ランキングを前記特徴と照合するステップと、
    ユーザに少なくとも１つの予測した前記媒体選択を推奨するステップとを含む媒体選択に対するユーザの好みを予測するための方法。
24. ある特徴に従って媒体選択のカタログの少なくとも一部を自動的に分析するステップと、
    ユーザにより少なくとも１つの前記媒体選択をランクづけするステップと、
    前記カタログの前記媒体選択の少なくとも１つに対してユーザの好みを予測するために、前記ランキングを前記特徴と照合するステップと、
    ユーザに少なくとも１つの予測した前記媒体選択を推奨するステップとを含む媒体選択に対するユーザの好みを予測するための方法。
25. 前記媒体選択が、オーディオ・データを特徴とし、前記特徴が、オーディオ信号としての前記オーディオ・データの指紋である請求項２４記載の方法。

Images