JP2006004409A - 電子書籍装置および電子書籍装置における表示方法 - Google Patents

Abstract

【課題】 書籍を読み終えるための所要時間を正確に予測することができる電子書籍装置等を提供する。
【解決手段】 電子書籍と電子書籍の属性とを対応づけて蓄積するコンテンツ管理部１３と、電子書籍に対するユーザの操作履歴を蓄積する履歴データ１３２と、履歴データ１３２に蓄積された操作履歴に基づいて、属性ごとの読書速度を算出して記憶する読書速度判定部１４、読書速度データ１４０と、電子書籍蓄積手段に蓄積された電子書籍の属性を少なくとも１つ特定し、読書速度判定部１４によって算出され記憶された読書速度を参照することで、属性に対応する読書速度を特定し、特定した読書速度に基づいて、コンテンツ管理部１３に蓄積された電子書籍の読書に要する時間を予測する所要時間予測部１５とを備える。
【選択図】 図１

Description

本発明は、電子化されたテキスト、画像、図形などのコンテンツ（小説、漫画、新聞など）を表示し、閲覧することを可能にした電子書籍装置に関し、特に利用者が書籍を読み終えるのに要する時間を予測する機能を備える電子書籍装置に関する。

小説や漫画などのコンテンツの電子化が進み、近年広く普及している携帯電話やＰＤＡなどの電子機器を利用して時間や場所を選ばずに様々な電子書籍を閲覧することが可能となっている。また、電子書籍を読書するための専用端末の開発も行われており、電子書籍を読むという読書スタイルは広がりを見せようとしている。

帰宅する電車の中で読む夕刊誌、出張時の新幹線または飛行機の中で読む週刊誌や知識習得を目的としたビジネス書など、ユーザは自分の状況や目的に応じて書籍を選択し、読書という行動を行っている。

しかし、毎日、毎週のように出版される小説、ビジネス書、週刊誌など大量の書籍の中から、ユーザが好む書籍を探すことは非常に手間がかかることである。実世界の書店の場合では、書籍を分野ごとに配置することで、ユーザ自らが興味のある分野の書籍が置かれている場所に足を運び、好む書籍を手に入れることを支援している。しかし、書籍の電子化により、分野ごとの表示を行っても、同一分野の書籍は多数あり一覧性が悪くなってしまい、ユーザが書籍を探すことが新たな問題となってきた。このような問題に対し、特許文献１ではユーザが購入した書籍の履歴などからユーザの興味情報を抽出し、この興味情報に基づいて所望のコンテンツの推薦を行う情報検索システムに関する技術が開示されている。

一方、電子書籍は電子機器を利用するため、ページめくりや所定のページへのジャンプといった入力や画面への表示といった出力系を制御可能なため、印刷された書籍に比べて様々なユーザ支援機能を備えることが可能となる。特許文献２では、ユーザごとに書籍を読む速度は異なっており、ユーザごとに読書速度を算出しそれに応じて自動的にページを切り替えることでユーザの読書を支援する方法に関する技術が開示されている（特許文献２）。この技術ではあらかじめユーザに読み取られる範囲を設定し、その範囲を読むのに要する時間を計測することで読書速度を算出している。
特開平２００１−２６５８０８号公報 特開平７−１４１３９８号公報

ところで、同じ電車に乗る場合でも通勤と出張時では、ユーザの気分も所要時間も違うため、読みたい書籍の分野も異なることが考えられる。書籍の選択を行う場合にユーザの興味情報を利用して推薦を行うために特許文献１に開示されている技術を用いた場合には、ユーザの現在置かれている状況は考慮されておらず、興味のある書籍が推薦されたとしても、読むために必要な時間がユーザには判断できないという問題が生じる。書籍を手に持って調べることができる書店では、書籍の内容を流し読みすることで所要時間を推測することができるために問題とはならないが、電子化された書籍の場合には、書籍名やページ数など書籍の内容と自分自身の読書能力（読書をする速度）から、書籍を読むのにどの程度の時間が掛かるかをユーザの勘によって判断しなければならないという事態に陥る。

一方、特許文献２の技術ではユーザごとの読書速度を測定し、ユーザに合った速さで自動的にページめくりを行うことが可能となるが、まだ購入していない書籍がどの程度の時間で読むことができるかは、保証の限りではない。さらに、書籍の内容が自分の専門の分野の書籍と新規の分野である書籍では理解の速度が異なる、などによってユーザの読書速度は違う。また、静かで落ち着いた書斎で読書を行う場合と騒がしい電車の中で読書を行う場合のような読書環境が異なることでもユーザの読書速度は異なると考えられるが、特許文献２の技術では、このような違いを反映した読書速度の測定を行うことができない。

そこで、本発明は、書籍を読み終えるための所要時間を正確に予測することができる電子書籍装置等を提供することを目的とする。

上記目的を達成するために、本発明に係る電子書籍装置は、電子書籍を表示する電子書籍装置であって、電子書籍と電子書籍の属性とを対応づけて蓄積する電子書籍蓄積手段と、電子書籍に対するユーザの操作履歴を蓄積する操作履歴蓄積手段と、前記操作履歴蓄積手段に蓄積された操作履歴に基づいて、前記属性ごとの読書速度を算出して記憶する読書速度算出手段と、前記電子書籍蓄積手段に蓄積された電子書籍の属性を少なくとも１つ特定する属性特定手段と、前記読書速度算出手段によって算出され記憶された読書速度を参照することで、前記属性特定手段で特定された属性に対応する読書速度を特定し、特定した読書速度に基づいて、前記電子書籍蓄積手段に蓄積された電子書籍の読書に要する時間を予測する所要時間予測手段とを備えることを特徴とする。

なお、本発明は、上記のような電子書籍装置として実現することができるだけでなく、この装置が備える構成要素をステップとする電子書籍装置における表示方法として実現したり、そのようなステップをコンピュータに実行させるプログラムとして実現したり、そのようなプログラムが記録されたＣＤ−ＲＯＭ等の記録媒体として実現することもできる。

本発明に係る電子書籍装置により、読書の対象となる電子書籍だけでなく、電子書籍の属性も考慮に入れた読書所要時間が予測されるので、例えば、読書場所等の読書環境を考慮した読書所要時間が高い精度で予測され、電子書籍のタイトル等とともに表示される。よって、ユーザは、電子書籍を流し読みすることなく、その電子書籍を読み終えるのに要する時間を即座に、かつ、高い精度で、知ることができる。

このように、本発明によって、電子書籍装置の利便性が飛躍的に向上され、小説や漫画などのコンテンツの電子化が進展してきた今日における本発明の実用的価値は極めて高い。

本発明に係る電子書籍装置は、電子書籍を表示する電子書籍装置であって、電子書籍と電子書籍の属性とを対応づけて蓄積する電子書籍蓄積手段と、電子書籍に対するユーザの操作履歴を蓄積する操作履歴蓄積手段と、前記操作履歴蓄積手段に蓄積された操作履歴に基づいて、前記属性ごとの読書速度を算出して記憶する読書速度算出手段と、前記電子書籍蓄積手段に蓄積された電子書籍の属性を少なくとも１つ特定する属性特定手段と、前記読書速度算出手段によって算出され記憶された読書速度を参照することで、前記属性特定手段で特定された属性に対応する読書速度を特定し、特定した読書速度に基づいて、前記電子書籍蓄積手段に蓄積された電子書籍の読書に要する時間を予測する所要時間予測手段とを備えることを特徴とする。ここで、前記属性には、読書環境に関するパラメータが含まれ、前記属性特性手段は、電子書籍蓄積手段に蓄積された電子書籍および現在の読書環境に関する少なくとも１つの属性を特定し、前記電子書籍装置はさらに、前記所要時間予測手段によって予測された時間を表示する表示手段を備えるのが好ましい。たとえば、前記属性には、電子書籍のジャンル、難易度および読書場所等が挙げられる。これによって、読書場所等の読書環境も考慮した読書速度に基づいて読書の所要時間が予測されるので、ユーザは、電子書籍を流し読みすることができない場合であっても、読書環境に依存しない正確な読書時間を知ることができる。

また、前記所要時間予測手段は、前記電子書籍蓄積手段に蓄積された電子書籍について、未読のページ数を特定し、特定した未読のページ数に対して前記時間を予測してもよい。これによって、途中まで読み終えた電子書籍の読書を再開する場合であっても、残るページを読み終えるのに要する時間を知ることができる。

また、前記属性特定手段は、複数の属性を特定し、前記所要時間予測手段は、前記複数の属性それぞれに対応づけられた重み係数を用いることで、前記複数の属性に対応する複数の読書速度から前記時間を予測してもよい。このとき、前記電子書籍装置はさらに、電子書籍の読書に要した時間を計測する読書時間計測手段を備え、前記所要時間予測手段は、予測した時間と前記読書時間計測時間で計測された時間との差に基づいて前記重み係数を修正する重み係数修正部を有してもよい。これによって、重み付けされた複数の属性の組み合わせに基づいて所要時間が予測されるとともに、その重み係数が実測値に従って修正されていくので、より正確に読書の所要時間が予測されるとともに、ユーザの読書能力の変化に追随した適応的な予測が可能となる。

また、前記読書速度は、読書時間に応じて変化する値であり、所要時間予測手段は、読書時間に応じて変化する読書速度に基づいて、前記時間を予測してもよい。これによって、１つの書籍であっても、読書時間に応じた読書速度が参照されるので、読書時間の経過とともにコンテンツの理解が深まり、読書速度が上がったり、長時間が経過すると読書の疲れによって読書速度が下がったりすること等が考慮されるので、より読書状況を緻密に反映した高い精度で、読書の所要時間が予測される。

なお、電子書籍装置は、必ずしも、電子書籍（コンテンツ）自体を保持する必要はなく、電子書籍のタイトル、総ページ数、読書済みページ数等の属性情報だけを保持すればよい。つまり、電子書籍装置は、読書の所要時間を予測するのに必要な情報だけを内部メモリ等に保持し、コンテンツについては、着脱可能なメモリカードに格納されていればよい。

また、前記電子書籍装置はさらに、ユーザが読書できる時間である読書時間を取得する読書情報取得手段と、前記所要時間予測手段によって予測された所要時間に基づいて、前記読書時間内に読み終えるのに適した電子書籍を前記電子書籍蓄積手段に蓄積された電子書籍の中から推薦書籍として特定する推薦書籍特定手段と、特定された推薦書籍を前記ユーザに通知する通知手段とを備える構成としてもよい。このとき、前記推薦書籍特定手段は、前記複数の電子書籍それぞれについて、前記ユーザの電子書籍に対する興味情報に基づいて、興味の度合を示す興味評価値を算出するとともに、前記所要時間と前記読書時間との差に基づいて、時間的な適合性を示す時間評価値を算出し、算出した興味評価値と時間評価値とから前記推薦書籍を特定するのが好ましい。これによって、ユーザの興味だけでなく、ユーザが望む読書時間内に読み終えることができることも考慮して電子書籍が推薦されるので、読書時間がないために興味ある書籍の読書を中断しなければならないということが回避される。

また、前記電子書籍は、学習用の複数の問題が記載された電子書籍であり、前記読書速度算出手段は、前記操作履歴蓄積手段に蓄積された操作履歴に基づいて、前記属性ごとの解答速度を算出して記憶し、前記所要時間予測手段は、前記読書速度算出手段によって算出され記憶された解答速度を参照することで、前記属性ごとの解答時間を予測し、前記電子書籍装置はさらに、解答時間を設定する時間設定手段と、前記所要時間予測手段によって予測された解答時間の合計が前記時間設定手段で設定された解答時間となるように、前記電子書籍蓄積手段に蓄積された複数の問題のうちの１以上の問題からなる問題集を編集する問題編集手段と、編集した問題集を表示する表示手段とを備える構成としてもよい。ここで、前記属性には、問題のジャンルおよび難易度の少なくとも１つが含まれるのが好ましい。これによって、ユーザの問題に対する解答速度に基づいて、設定した時間内に全問を解答することが可能な問題集が自動編集され、効率的な学習が可能となる。

また、前記電子書籍装置はさらに、前記操作履歴蓄積手段に蓄積されている操作履歴から、読書を行っている時間と読書を行っていない時間とを検出し、読書を行っている時間のみで読書時間を算出するページ読書時間算出手段を備え、前記読書速度算出手段は、前記ページ読書算出手段で算出された読書時間から読書速度を算出するのが好ましい。これによって、ページを開いていたが実際には読書していなかったような時間を除いた正味の読書時間だけから読書速度が算出されるので、正確な読書所要時間が予測され得る。

また、前記電子書籍蓄積手段に蓄積された電子書籍は、複数のタイトルに対応する複数のコンテンツから構成され、前記電子書籍装置はさらに、前記操作履歴蓄積手段に蓄積された操作履歴から、前記電子書籍を構成する複数のコンテンツごとに、ユーザが読書を行うか否かを予測して判定する読書ページ判定手段を備え、前記所要時間予測手段は、前記読書ページ判定手段によってユーザが読書を行うと判定されたコンテンツだけを対象として前記時間を予測するのが好ましい。これによって、週刊誌や月刊誌等の複数のタイトルから構成される電子書籍について、ユーザが読まないと推定されるタイトルを除外したタイトルだけを対象として読書所要時間が予測されるので、高い精度で読書所要時間が予測される。

以下、本発明の実施の形態について図面を用いて詳細に説明する。

（実施の形態１）
図１は、本実施の形態における電子書籍装置１の全体構成を示すブロック図である。電子書籍装置１は、図２に示される外観図のような電子書籍端末であり、ユーザからのページめくり入力を受け付けるページめくり部１０と、電子書籍を表示する表示部１１と、ユーザにより読書がなされている日時や場所などの環境を検出する状況検出部１２と、表示部１１に表示される電子書籍コンテンツや、コンテンツの管理情報、例えばコンテンツの名称やジャンル、読書されたときの状況や読書進捗などに関するデータを記憶しておくコンテンツ管理部１３と、コンテンツ管理部１３に管理されている管理情報の属性に応じて読書速度を算出する読書速度判定部１４と、コンテンツを読み終わるために必要な所要時間を予測する所要時間予測部１５とから構成されている。

ページめくり部１０は、ユーザからのページめくり入力を受け付ける装置、例えば、ハードウェアで構成されるボタン、または、電子書籍装置の入力がタッチパネルである場合には、表示部１１にボタンを表示し、その場所をタップすることにより、ページめくり入力を受け付ける処理部である。

表示部１１は、コンテンツ管理部１３に蓄積されたコンテンツデータ１３０を表示する表示装置、例えば、コンテンツデータのフォーマットに適合した閲覧ソフトによって生成されたビットマップを液晶ディスプレイなどの画面に表示する。また、所要時間予測部１５で算出された読書を完了していないコンテンツを読み終えるために要する予測時間を図３のように「予想残り時間」として表示する。

状況検出部１２は、位置検出部１２１と時刻検出部１２２とから構成される。位置検出部１２１はＧＰＳなど大局的なユーザ位置を把握するためのセンサーや、局所無線技術（ＲＦＩＤタグやＢｌｕｅｔｏｏｔｈなど）によりユーザの局所的な位置を検出するためのセンサー等である。検出された位置情報は、最終的には緯度・経度情報として記憶されたり、局所的な位置を示すＩＤ情報として記憶されたりする。いずれの場合も、『自宅』、『職場』、『○×公園』、『△□電車』などの場所を表す表現や、『移動中』、『＊＊中』など状態を表す表現などにマッピングした後に記憶されてもよい。電車やバスに乗車しているという情報は、ＩＣカードが付随した定期券や切符で改札を通過する情報を利用することで取得する。また、時刻検出部１２２は日付や曜日、時刻に関する情報を検出する。位置検出部１２１や時刻検出部１２２により検出された情報は、ユーザにより読書がなされていると判定された場合にコンテンツ管理部１３に記憶される。ユーザによる読書の判定は様々に考えられることができ、折りたたみ式の電子書籍装置であれば開かれた時に判定されてもよいし、表示部１１に電子書籍が表示された時に判定されてもよいし、ページめくり部１０によりページめくりがなされた時に判定されてもよいし、電源が入れられてから切られるまでをユーザによる読書と判定されてもよい。なお、状況検出部１２により検出される状況は位置や時刻以外にも、近くにいる同行者、ユーザの姿勢、ユーザの感情などユーザ自身の状態であってもよい。なお、この状況検出部１２は、読書所要時間を予測する対象となる属性（ここでは、読書環境としての読書場所）を特定する属性特定手段の一例としての機能も備えている。

コンテンツ管理部１３は、電子書籍と電子書籍の属性とを対応づけて蓄積する電子書籍蓄積手段の一例であり、電子書籍の内容を記憶するコンテンツデータ１３０と管理データ１３１と履歴データ１３２とから構成される。コンテンツデータ１３０はコンテンツそのものを格納するデータベースである。管理データ１３１はコンテンツの内容を示す情報（属性）を格納するデータベースであり、例えば、図４に示されるように、コンテンツ名１３１ａ、コンテンツの著者名１３１ｂ、小説、漫画、新聞、図鑑などコンテンツが属するジャンル１３１ｃ、内容が平易であるか難解であるかを示す難易度１３１ｄ、電子書籍のページ数１３１ｅ等の属性を格納している。なお、難易度１３１ｄはユーザ自身が入力してもよいし、コンテンツ提供者が入力するようにしてもよい。履歴データ１３２は、電子書籍に対するユーザの操作履歴を蓄積する操作履歴蓄積手段の一例であり、電子書籍の読書進捗や読書履歴、状況検出部１２により検出される読書時の状況に関する情報などを格納するデータベースである。例えば、図５に示されるように、コンテンツ名１３２ａ、小説、漫画、新聞、図鑑などコンテンツが属するジャンル１３２ｂ、内容が平易であるか難解であるかを示す難易度１３２ｃ、読書を開始した時間である読書日時１３２ｄ、読書を行っていた時間を示す読書時間１３２ｅ、読書した場所を示す読書場所１３２ｆ、読書時間に読んだ読書ページ数１３２ｇ等の情報を格納している。

なお、コンテンツ名１３２ａ、読書時間１３２ｅ、読書ページ数１３２ｇ以外の項目については、必ずしも情報が登録されない場合がある。また、読書時間の算出に必要な読書が終了したかどうかの判定は、電源が切れたかどうか、また開閉式の電子書籍装置であれば装置が閉じられたか否か、などによって判定することができる。さらに、読書自体の終了ではなく、読書中のコンテンツとは別のコンテンツを読むために、現在のコンテンツの読書の終了を判定するのでも良い。例えばコンテンツ一覧を表示するキーがある場合にはそのキーが押下されてその後別のコンテンツがユーザにより選択されたり、次のコンテンツを表示するためにその機能を有するキーを押下したり、などの事象が発生したときに判定してもよい。ここで、管理データ１３１と履歴データ１３２はコンテンツ名によって関連付けられる。なお、電子書籍装置を複数のユーザで利用する場合には、別途ユーザを識別する手段を設けユーザを特定する情報とともに管理しておいてもよい。

読書速度判定部１４は、コンテンツ管理部１３の履歴データ１３２の属性をキーとして、属性ごとあるいはその組み合わせごとのユーザの読書速度を算出し、読書速度データ１４０に蓄積する。読書速度データ１４０は、ユーザの属性の属性項目ごとに読書速度のデータを格納しているデータベースである。図６に示されるように、履歴データ１３２の属性名１４０ａ、属性に含まれる項目名である属性項目１４０ｂ、属性項目ごとの読書速度１４０ｃ等の情報を格納している。ジャンルを属性とした場合の読書速度は、ジャンルの「小説」が読まれた履歴を参照すると、「小説」に属するコンテンツは「コンテンツＡ」と「コンテンツＢ」であり、２つのコンテンツをあわせて４１２ページを読むために２９０分要しているため、１．４２［ページ／分］という読書速度が算出され、同様に「漫画」においては３．６９［ページ／分］という速度が算出される。また、難易度を属性とした場合の読書速度は、難易度の「難」が読まれた履歴を参照すると、「難」に属するコンテンツは「コンテンツＢ」と「コンテンツＤ」と「コンテンツＥ」と「コンテンツＦ」であり、４つのコンテンツをあわせて２２８ページを読むために２４６分要しているため、０．９２［ページ／分］という読書速度が算出され、同様に「並」においては１．３８［ページ／分］、「易」においては３．６９という速度が算出される。また、読書日時をキーにする場合には、カレンダー情報を利用して曜日に応じた速度の算出や、午前中（７時から１１時まで）という時間帯に応じた速度の算出が可能となり、読書場所をキーにすると同一読書場所における速度を算出することができる。さらに、複数の属性を組み合わせて、自宅で小説を読む時の読書速度などを算出することもできる。このように算出された読書速度に関する情報は、読書速度データ１４０に記憶される。なお、ユーザの履歴が十分ではない初期の段階においては、あらかじめ一般的な読書速度を登録しておき、ユーザの履歴が増えるにしたがって、ユーザの履歴のみから読書速度を算出するようにしてもよい。

所要時間予測部１５は、状況検出部１２により検出される現在の状況、ユーザがこれから読もうとしている電子書籍のメタ情報である管理データ１３１と、ユーザがどこまで読んでいるかの履歴である履歴データ１３２と、様々な状況およびコンテンツのメタ情報などの属性ごとに読書速度を記憶している読書速度データ１４０から、読書を完了していないコンテンツを読み終わるためにはどの程度の時間が必要かを予測する。また、まだ読み始めていないコンテンツの場合には、状況検出部１２により検出される現在の状況、電子書籍のメタ情報である管理データ１３１と、様々な状況およびコンテンツのメタ情報などの属性ごとに読書速度を記憶している読書速度データ１４０から、コンテンツを読み終わるためにはどの程度の時間が必要かを予測する。例えば、状況検出部１２により検出された状況が「平日」の「午前中」、「電車」であり、ユーザが読もうとしているコンテンツのジャンルが「小説」、難易度が「難」であれば、このように特定された属性に対応する読書速度、つまり、これら「平日」「午前中」「電車」「小説」「難」という属性情報におけるユーザの過去の読書速度を抽出する。ここで、「平日」「午前中」「電車」「小説」「難」について、履歴データ１３２に十分な履歴がない場合には、１つの属性、または組み合わせに対して所要時間を予測し、表示部１１で表示する。例えば、「コンテンツＡ」の残りのページ数が４５０−（９８＋１２２）＝２２０ページの場合の所要時間の予測において、「ジャンル」の読書速度を利用した場合は、２２０／１．４２＝１５５分となる。同様に、「ジャンル」と「難易度」との組み合わせの読書速度を利用した場合は、２２０／１．４８＝１４９分となる。

なお、読書速度データは一定であるとしたが、図７（ａ）および（ｂ）に示すように、読書時間に応じて読書速度が変化するとして所要時間を予測してもよい。図７（ａ）は、ある状況においてユーザが読書を開始してからの経過時間に対して、算出される読書速度の変化を表している。開始後しばらくすると読書速度は向上するがある程度の速度になると一定となり、その後疲れなどの影響により読書速度が減少する様子が検出されている。また、図７（ｂ）は、あるコンテンツを読んだ割合に対して、読書速度の変化を表している。コンテンツを読み始めた時は、そのコンテンツの全体的な内容や登場人物といった情報を十分に把握できないため速度は遅いが、ある程度読み進むと理解が進み速度が向上する様子が検出されている。たとえば、コンテンツが続き物、１巻から１０巻、上中下などの場合、あとになるほど読書速度は速くなる。これらのような、読書の進捗度合いに応じた読書速度の変化を定めて所要時間を予測してもよい。

また、予測時間の算出のために利用する属性は１つ、または組み合わせとしたが、複数の属性から算出された予測時間に重み（重み係数）を設定し、予測時間を算出してもよい。例えば、「読書場所」「難易度」「ジャンル」の重みが、それぞれ０．２、２．５、１．０であり、それぞれの所要時間の予測値が４０分、１１０分、１００分である場合には、加重平均を使い（０．２×４０分＋２．５×１１０分＋１．０×１００分）／（０．２＋２．５＋１．０）＝１０３．５分として予測時間を算出する。ここで、各属性の重みはユーザ自身が設定してもよいし、予測された時間と、実際にページめくり部１０と状況検出部１２で得られた履歴データ１３２と差により、各属性の重みを修正するようにしてもよい。例えば、実際の読書時間と各属性の予測時間との差から各属性の重みを修正する場合には、図８のような重み修正係数を利用することにより、各属性の重みを修正する。実際の読書時間が１００分であり、「読書場所」「難易度」「ジャンル」の重みが、それぞれ０．２、２．５、１．０であり、それぞれの所要時間の予測値が４０分、１１０分、１００分である場合には、「読書場所」の重みが０．２×０．８＝０．１６、「難易度」の重みが２．５×１．０＝２．５、「ジャンル」の重みが１．０×１．５＝１．５と各属性の重みを修正する。これにより、ユーザの読書速度に対して、重要な属性に関しては重みを増加させ、重要でない属性に関しては重みを減少させることにより、より正確な所要時間を予測することができる。このように、本実施の形態では、所要時間予測部１５は、予測の対象となる電子書籍または読書環境の属性を特定する属性特定手段としての機能も兼ね備えている。

次に、以上のように構成された電子書籍装置１の動作について説明する。
図９は、ユーザが書籍を読み終えるまでの所要時間をユーザに提示するまでの電子書籍装置１の動作手順を示すフローチャートである。

まず、状況検出部１２により検出される現在の状況の特定する（Ｓ１００）。次に電子書籍装置１に蓄積されている書籍の中で、所要時間が新規に算出または更新されていない書籍で、かつ、読み終わっていないものがあるかどうかを判断する（Ｓ１０１）。すべての書籍の所要時間を算出している、または、すべての書籍を読み終わっている場合には、表示部１１に各書籍の所要時間を表示する（Ｓ１０７）。例えば、電子書籍に「こちら杉並区四二分署」、「アタックをねらえ」、「ホワイトジャック」、「黒い巨塔」が蓄積されており、それぞれの書籍を読み終わるための所要時間が「１３０分」、「２１０分」、「９０分」、「２４０分」である場合には、図３のように表示される。

読み終わっていない書籍がある場合には、その書籍が履歴データ１３２に含まれているかどうかを判断する（Ｓ１０２）。その書籍を読んだことがある場合には、履歴データ１３２から、既に読み終わったページ数を獲得する（Ｓ１０３）。次に、管理データ１３１から、該当書籍の総ページ数と、ジャンル、難易度など所要時間予測に利用する書籍のメタデータを検索する（Ｓ１０４）。

所要時間予測部１５は、Ｓ１００で特定されたユーザの状況、Ｓ１０４で読み出された、ユーザがこれから読もうとしている電子書籍のメタ情報とから、読書速度を決めるために利用する属性を選択する（Ｓ１０５）。次に、Ｓ１０３で獲得した、既に読み終わったページ数、または、未読の場合には総ページ数と、読書速度データ１０４からＳ１０５で選択した属性をキーとして検索した読書速度とから、該当の書籍を読み終わるためにはどの程度の時間が必要かを予測し（Ｓ１０６）、Ｓ１０１に戻る。

以上のように、本実施の形態によれば、電子書籍装置のユーザがおかれている状況と、書籍のジャンルや難易度などコンテンツの内容を考慮に入れた書籍の正確な所要時間が表示される。この所要時間をユーザに提示することにより、今から読む書籍の選択を支援し、ユーザの要望に合致した読書時間を提供することが可能となる。

なお、本実施の形態では、難易度の算出には、「難」「並」「易」と３段階にしたが、「難」「やや難」「並」「やや易」「易」と５段階にするなど、多段階にしてもよい。

また、難易度はユーザ自身が入力してもよいし、コンテンツ提供者が入力するようにしてもよいとしたが、書籍の内容から難易度を算出するようにしてもよい。書籍の総文字数からページあたりの文字数、書籍で利用されている漢字または形態素解析により抽出された単語が日本漢字能力検定の何級に属している割合から単語ごとの難易度を算出し、単語の平均難易度、図や表の個数からページあたりの画像数、図や表の大きさあたりのビット数など、書籍から得られる情報から難易度予測値を算出し、難易度を算出してもよい。例えば、図１０（ａ）および（ｂ）に示すように、「文字数×単語の難易度＋画像の個数×画像の複雑度」を難易度予測値として、難易度を算出してもよい。また、難易度予測値から難易度への変換はある数値の範囲内であれば、難易度を「難」にするなどテーブルを作成することにより、決定してもよい。例えば、図１１では、１．０以下は「易」、１．０〜２．０は「やや易」、２．０〜３．０は「並」、３．０〜４．０は「やや難」、４．０以上は「難」として、難易度を決定している。

また、途中まで読んでいる書籍の読み終わるまでの所要時間の予測に読書速度データを利用したが、読み終わった日時によって変更するようにしてもよい。たとえば、昨日途中まで読んだ書籍は、一般にあらすじを覚えているため、読書速度データをそのまま利用し、１ヶ月前に読んでいた書籍は、あらすじを思い出すのに時間がかかるため、読書速度データで算出された値に１．３を乗算するようにしてもよい。

（実施の形態２）
次に、本発明の実施の形態２における電子書籍推薦システムについて説明する。

実施の形態１においては、書籍を読み終わるために必要な時間を予測し、ユーザに提示する電子書籍装置について示した。しかし、通常、電子書籍内にはユーザの読みたいと考えて購入した書籍、つまり、ユーザの興味のある書籍しか入っていない。ところが、新たに書籍を購入する場合には、多くの書籍の中から、読み終えるのに必要な時間と共に興味のある書籍を選択しなければならない。例えば、書籍の内容を流し読みすることができない電子書籍では、ユーザが移動に３時間かかる電車の中で読みたい書籍、次の予定まで１時間ある場合に読みたい書籍など、読み終える時間を考慮に入れた書籍を推薦することは困難である。本実施の形態では、ユーザが時間を設定することで、書籍を読み終えるための所要時間とユーザの興味から、ユーザの要望に合致した書籍を推薦する方法について述べる。

図１２は、本発明の実施の形態２における書籍推薦システム２００の構成例を示すブロック図である。この書籍推薦システム２００は、ユーザが読み終わる時間と共に興味のある書籍を推薦するシステムであり、電子書籍装置１ａと、書籍販売装置２と、書籍推薦装置３とから構成される。

この電子書籍装置１ａは、基本的には、実施の形態１における電子書籍装置１と同様の構成からなる。ただし、所要時間予測部１５がなくなり、書籍購入部１６と、読書時間設定部１７と、送信部１８と、推薦書籍受信部１９とを備える点で実施の形態１と異なる。以下、実施の形態１と同じ構成要素には同一の符号を付して説明を省略し、異なる点を中心に説明する。

書籍購入部１６は、電子書籍の購入処理を行う。ネットワーク１００を介して、書籍販売装置２に購入要求を出し、所定の決済処理の後に、書籍販売装置２から送られてきた電子書籍そのものであるコンテンツデータと電子書籍の内容を示す情報である管理データを、それぞれコンテンツデータ１３０と管理データ１３１に蓄積する。

読書時間設定部１７は、ユーザが読書に使える時間を設定する。設定は手動、または自動で行われる。手動の場合は、ユーザ自身が読書に利用できる時間を電子書籍装置１ａに対して入力する。一方、自動での設定は様々に考えることができる。ユーザが電車やバスに乗る場合、ＩＣカード機能の付いた定期券や切符等で改札を通過する行為と連動して目的地までの所要時間が特定できるため、局所無線などを利用してこの所要時間を取得し読書可能時間として設定することができる。また、ネットワークやメモリカード経由でユーザのスケジュール情報などを参照できる場合、現在時刻から予定のある時刻までの時間を読書可能時間として設定することもできる。また、電子書籍装置１ａのコンテンツ管理部１３に蓄積されている履歴データ１３２に記憶されているユーザの読書履歴を利用して自動設定してもよい。履歴データ１３２には、ユーザの読書履歴が状況とともに蓄積されているため、読書速度判定部１４での処理と同様、属性をキーとして状況ごとの平均読書時間を算出することができる。

読書時間が自動で設定される場合、ユーザ自身による手動設定に比べて不確実性をはらむ。例えばＩＣカード機能付きの定期券との連動を想定すると、通常は定期券の範囲「Ａ駅からＣ駅」まで乗車するとしても、途中のＢ駅で降車することも考えられる。この場合、算出される読書可能時間は本来のそれとは異なってしまう。そこで、自動設定においては算出される時間を既定値とし、その他複数の時間候補を選択可能な形式で表示してもよい。

図１３は、読書時間を設定する画面例を示す図である。表示部１１に時間を選択方式で表示し、電子書籍装置１ａに備え付けられたページめくりボタンなどの選択手段により、読書時間を決定することが可能となる。

送信部１８は、状況検出部１２で検出された状況と、ユーザの本を読む速度を蓄積している読書速度データ１４０と、読書時間設定部１７で設定された読書時間とを、ネットワーク１００を介して、書籍推薦装置３に送信する。

推薦書籍受信部１９は、書籍推薦装置３から送られた書籍のタイトル、予測された所要時間と価格などの推薦書籍リストを受信し、表示部１１に表示する。

書籍販売装置２は、電子書籍の販売に関する処理である決済、各ユーザごとの購入履歴などを管理し、書籍コンテンツと書籍コンテンツを説明する情報などコンテンツに関する情報を蓄積するコンピュータ装置、例えば、インターネット上のＥＣサイトである。この書籍販売装置２は、電子書籍の購入を管理する書籍販売管理部（図で示さず）と、電子書籍そのものを蓄積するコンテンツデータ２０と、コンテンツのジャンルや総ページ数などコンテンツに係わる情報を蓄積する管理データ２１と、ユーザが購入した電子書籍を蓄積する購入履歴データ２２とから構成される。ここで、管理データ２１は、実施の形態１で示した管理データ１３１とほぼ同じ内容であり、図１４に示されるように、コンテンツ名２１ａ、コンテンツの著者名２１ｂ、小説、漫画、新聞、図鑑などコンテンツが属するジャンル２１ｃ、内容が平易であるか難解であるかを示す難易度２１ｄ、電子書籍のページ数２１ｅ、電子書籍の値段２１ｆ、コンテンツの内容を特徴付けるキーワードであるコンテンツ説明キーワード２１ｇ等の情報を格納している。また、購入履歴データ２２は、図１５に示されるように、ユーザを識別するユーザＩＤ２２ａ、コンテンツを識別するコンテンツ名２２ｂ、ユーザが書籍を購入した日時である購入日時２２ｃ等の情報が格納されている。

書籍推薦装置３は、興味情報学習部３１と、ユーザ興味情報３２と、受信部３３と、所要時間予測部３４と、興味コンテンツ情報推薦部３５と、推薦コンテンツ情報提供部３６と、推薦書籍送信部３７とから構成される。

興味情報学習部３１は、購入履歴データ２２からユーザごとに購入した書籍の内容を特徴付けるキーワードを抽出し、ユーザの興味情報を学習する。

ユーザ興味情報３２は、本書籍推薦システム２００で対象となるユーザのユーザ興味情報を格納しているデータベースである。図１６に示されるように、ユーザを識別するユーザＩＤ３２ａ、ユーザが興味を持つ、または、興味を持たないキーワードやジャンル、出演者を示すキーワード３２ｂ、ユーザの履歴情報から自動的に算出、または、手動で入力された、キーワード３２ｂごと評価値を示すキーワード重み３２ｃ等の情報を格納している。例えば、ユーザＩＤが「ＵＩＤ１００」のユーザが、「未来」「宇宙」「惑星」「ロケット」のキーワードがついている書籍に興味をもっており、特に、「ロケット」と「未来」について重要であることを示している。なお、ユーザＩＤ３２ａ、キーワード３２ｂ以外の項目については、必ずしも情報が登録されない場合がある。

受信部３３は、電子書籍装置１ａから状況と、読書速度データ１４０と、ユーザが設定した読書時間を、ネットワークを介して受信する。

所要時間予測部３４は、実施の形態１で示した管理データ１３１とほぼ同じ内容であり、電子書籍装置１ａから状況と読書速度データ１４０を得、書籍販売装置２から管理データ２１を得て、書籍を読み終わるためにはどの程度の時間が必要かを予測する。

興味コンテンツ情報推薦部３５は、管理データ２１とユーザ興味情報３２とから書籍の興味評価値を算出する。

推薦コンテンツ情報提供部３６は、コンテンツを推薦する受信部３３から得られた読書時間と所要時間予測部３４から算出される時間に対する時間評価値と、興味コンテンツ情報推薦部３５で算出される興味評価値とから推薦する書籍を決定する。

推薦書籍送信部３７は、コンテンツを決定する推薦コンテンツ情報提供部３６で決定した推薦書籍を電子書籍装置１ａに送信する。

次に、以上のように構成された本書籍推薦システム２００の動作について説明する。
図１７は、ユーザが読書時間を設定してから、推薦書籍がユーザに提示されるまでの書籍推薦システム２００における通信シーケンスを示す図である。

まず、読み終える時間を考慮に入れた興味のある書籍の推薦を得るために、ユーザが読書に使える時間を電子書籍装置１ａの読書時間設定部１７に設定する。次に、電子書籍装置１ａは状況検出部１２からユーザの現在の状況を獲得し、ネットワークを介して、ユーザの本を読む速度を蓄積している読書速度データ１４０と読書時間と状況とユーザＩＤを、書籍推薦装置３に送信する（Ｓ２０１）。

続いて、書籍推薦装置３は、書籍コンテンツの内容を表す管理データ２１を書籍販売装置２から得る（Ｓ２０２）。なお、書籍販売装置２に存在するすべての管理データ２１を得るのではなく、ユーザが検索キーワードやジャンルを指定することにより、書籍販売装置２の管理データの一部分を得るようにしてもよい。

興味コンテンツ情報推薦部３５では、ユーザＩＤを検索キーにユーザ興味情報３２から該当ユーザの興味情報を読み出す。例えば、図１６において、ユーザＩＤが「ＵＩＤ１００」の場合には、「未来、１０．５」「宇宙、７．２」「惑星、５．６」「ロケット、１２．３」のキーワード３２ｂとキーワード重み３２ｃの組み合わせが読み出される。続いて、管理データ２１とユーザの興味情報から、各コンテンツの興味評価値を計算する（Ｓ２０３）。例えば、図１４に示す管理データであり、ユーザＩＤがＵＩＤ１００である場合には、コンテンツ名が「コンテンツＡ」の興味評価値の計算は、「未来」「物語」「宇宙」「惑星」「連合」のコンテンツ説明キーワード２１ｇとユーザ興味情報を比較し、ユーザ興味情報に含まれる「未来」「宇宙」「惑星」のキーワード重みの総和から、「２３．３」を得る。他のコンテンツ名の書籍も同様に興味評価値を計算し、興味評価値が上位のコンテンツを推薦コンテンツとする。また、ユーザが本書籍推薦装置を利用し始めた初期には、ユーザの履歴が十分ではなく、ユーザの興味情報が抽出されていない場合には、コンテンツの説明情報が多い書籍、購入数が多い書籍など、一般的な書籍を推薦し、履歴が十分蓄積されたら、ユーザの興味情報から推薦コンテンツを決定してもよい。このとき、購入数が多い一般的な書籍とユーザの興味情報から推薦された書籍では、色を変えたり、文字の大きさを変化させたりすることなど区別して表示することにより、世間で流行っている書籍とユーザの興味が高い書籍を区別して確認することができるようにする。これにより、初期段階は、一般的な書籍ばかりだが、ユーザの履歴が蓄積されるに応じて、ユーザの興味情報に応じた書籍の推薦が増加していくようになる。

次に、所要時間予測部３４は、受信部３３で得られた状況と管理データ２１の属性を検索キーに読書速度データ１４０から現在の状況下における読書速度を決定し、管理データ２１の総ページ数から書籍を読み終わるためにはどの程度の時間が必要かを予測する（Ｓ２０４）。例えば、状況検出部１２により検出された状況が「バス」であり、管理データから得られる書籍のジャンルが「漫画」、難易度が「易」であれば、これら「電車」「漫画」「易」という属性情報におけるユーザの過去の読書速度を抽出する。ここで、「電車」「漫画」「易」について、読書速度データ１４０に登録されていない場合には、１つの属性、または組み合わせに対して所要時間を予測する。例えば、「コンテンツＣ」の総ページ数が１２０ページの場合の所要時間の予測において、「読書場所」の読書速度を利用した場合は、１２０／３．７３＝３２．１分となる。同様に、「ジャンル」の読書速度を利用した場合は、１２０／３．６９＝３２．５分となる。なお、ユーザの履歴が十分ではない初期の段階においては、あらかじめ一般的な読書速度を登録しておき、ユーザの履歴が増えるにしたがって、ユーザの履歴のみから読書速度を算出するようにしてもよい。

そして、推薦コンテンツ情報提供部３６は、所要時間予測部３４で算出された所要時間とユーザが設定した読書時間との差から時間評価値を算出する。例えば、読書時間が４０分であり、予測時間が３０分である場合に、時間評価値を算出する評価関数に図１８のような関数を利用すれば、時間評価値は１．０となる。次に、この時間評価値と興味コンテンツ情報推薦部３５で算出された興味評価値を利用して、管理データ２１にあるコンテンツすべての総合評価値を算出する。総合評価値の算出は、興味評価値と時間評価値の加算としてもよいし、興味評価値と時間評価値に重みを付けて加算してもよい。総合評価値の値により、推薦書籍を決定する（Ｓ２０５）。例えば、ユーザＩＤが「ＵＩＤ１００」、読書時間が３０分、読書速度データが図６、管理データが図１４、ユーザ興味情報が図１６、所要時間の予測に「ジャンル」属性のみを利用し、時間評価値を読書時間と予測時間と差の絶対値の逆数を利用し、総合評価値を興味評価値と時間評価値の乗算とし、推薦コンテンツが評価値の上位２件を表示する場合、まず、各コンテンツの予測所要時間は「コンテンツＡ：３１７分」「コンテンツＢ：１９０分」「コンテンツＣ：３２分」「コンテンツＤ：４８分」「コンテンツＥ：４８分」「コンテンツＦ：２３分」となる。これにより、時間評価値は、それぞれ「コンテンツＡ：０．００３」「コンテンツＢ：０．００６」「コンテンツＣ：０．３９７」「コンテンツＤ：０．０５４」「コンテンツＥ：０．０５４」「コンテンツＦ：０．１３５」となる。同様に、ユーザの興味情報から得られる興味評価値は、それぞれ「コンテンツＡ：２３．３」「コンテンツＢ：０．１」「コンテンツＣ：０．１」「コンテンツＤ：１９．５」「コンテンツＥ：０．１」「コンテンツＦ：１２．８」となる。ただし、コンテンツ説明キーワードにユーザの興味のあるキーワードがない場合には、興味評価値を０．１とする。これらから、総合評価値は、それぞれ「コンテンツＡ：０．０８」「コンテンツＢ：０．０」「コンテンツＣ：０．０４」「コンテンツＤ：１．０６」「コンテンツＥ：０．０」「コンテンツＦ：１．７３」となる。この結果から、総合評価値の上位２件である「コンテンツＦ」「コンテンツＤ」が推薦コンテンツとして決定され、例えば、図１９に示される画面表示例のように、表示部１１に表示される。

なお、評価値が上位のコンテンツは、類似した種類のコンテンツばかりとなる可能性があるので、評価値が上位の５件と評価値が中位の５件の計１０件を推薦コンテンツとするなど、評価値が上位のコンテンツだけを利用しないようにしてもよい。

推薦コンテンツ情報提供部３６で決定された推薦書籍を電子書籍装置１ａに送信する（Ｓ２０６）。ユーザは推薦された書籍を気に入れば、書籍販売装置２に購入の要求を出す。

図２０は、ユーザが電子書籍装置１ａから書籍を購入し、書籍推薦装置３がユーザ興味情報を学習するまでの書籍推薦システム２００における通信シーケンスを示す図である。まず、ネットワークを介して、電子書籍装置１ａから書籍販売装置２にユーザＩＤと購入する書籍の書籍ＩＤを送信する（Ｓ２１１）。次に、書籍販売装置２は所定の処理により、販売処理を完了し、電子書籍装置１ａに書籍を送信し（Ｓ２１２）、電子書籍装置１ａはコンテンツ管理部１３に蓄積する。次に、書籍販売装置２はユーザＩＤと購入書籍の管理データを書籍推薦装置３に送信する（Ｓ２１３）。ユーザＩＤと購入書籍の管理データを受信した書籍推薦装置３は、ユーザの興味情報を更新する（Ｓ２１４）。例えば、ユーザが購入した書籍の興味情報の更新をキーワードの重みを＋０．５とし、ユーザが図１４の「コンテンツＡ」を購入した場合には、「コンテンツＡ」に対して、「未来：＋０．５」、「物語：＋０．５」、「宇宙：＋０．５」、「惑星：＋０．５」、「連合：＋０．５」のキーワードとキーワード重みの組み合わせが、ユーザの購入履歴から得られるユーザ興味情報となる。ユーザＩＤが「ＵＩＤ１００」である場合には、ユーザ興味情報３２の更新は、キーワード「未来」が既にユーザ興味情報３２に存在している場合には、キーワード「未来」のキーワード重みを「１１．０」とし、キーワード「物語」がユーザ興味情報３２に存在していない場合には、キーワード「物語」とキーワード重み「０．５」の組み合わせを追加する。このようにして、ユーザの購入履歴に基づいてユーザ興味情報が学習される。

以上のように、本実施の形態によれば、ユーザが読書に利用できる時間を設定することで、あらかじめユーザの購入履歴から求めたユーザの興味と書籍を読み終えるための所要時間の予測から、ユーザの要望に合致した書籍を推薦することが可能となる。

なお、推薦方式は本実施の形態で記載した内容に限らず、コンテンツの説明情報を利用する方法であれば、いずれの推薦方式を利用してもよい。

また、管理データにコンテンツ説明キーワードが含まれていない場合には、書籍から形態素解析を利用することで、キーワードを抽出し、生成してもよい。また、管理データにキーワード文書内頻度を登録して、推薦および学習に利用してもよい。

また、本実施の形態では、管理データにコンテンツ説明キーワードがあるとしたが、実際にはない場合がある。その場合には、ユーザの購入履歴の相関から類似のユーザを探し、類似ユーザが購入しており、そのユーザが購入していない書籍を推薦するといった協調フィルタリングと呼ばれる推薦方式を利用することで書籍を推薦してもよい。

また、本実施の形態では、電子書籍装置から書籍推薦装置に読書速度データを送信するようにしたが、電子書籍装置から読書速度判定部を備えた書籍推薦装置に読書の履歴データを送信することで、書籍の推薦を行ってもよい。

また、本実施の形態では、電子書籍装置はネットワークを介して、書籍販売装置および書籍推薦装置と情報の送受信を行う通信機能があるとしたが、電子書籍装置に通信機能がない場合には、図２１に示すようにＳＤメモリカード４４などの記録媒体を利用してもよい。図２１に示されるように、電子書籍装置４１内の管理データや履歴データ、読書速度データをＳＤメモリカード４４に書き出し、ネットワークに接続可能なパーソナルコンピュータ４５やＫＩＯＳＫ端末４６を介して書籍販売装置４２、書籍推薦装置４３と通信を行うことで同様の効果を得ることができる。このような構成をとる場合、電子書籍装置４１に通信機能が必要なくなり、電子書籍装置のコストの削減が期待できる。

また、電子書籍装置の位置検出手段を、サーバ上で実現してもよい。たとえば、読書開始時間が１３：０５で読書終了時間が１３：２５という履歴情報を電子書籍からサーバに送信した時に、サーバは鉄道会社からユーザがＩＣカードが付随した定期券や切符で改札を通過した駅と時間を獲得し、Ａ駅の改札を１３：００に通り、Ｂ駅の改札を１３：３０に通ったという情報があった場合には、読書していた場所は電車の中であると推定することで、位置検出手段をサーバ上で代替してもよい。

また、本実施の形態は、通信ネットワークを介して接続された３つの装置（電子書籍装置１ａ、書籍販売装置２および書籍推薦装置３）からなる通信システムとして実現されたが、本発明は、このような物理的な構成に限定されるものではない。通信ネットワークを介して接続された更に分散された４以上の装置から構成される通信システムとして実現されてもよいし、２台の装置、あるいは、１台の装置として実現されてもよい。たとえば、書籍販売装置２や書籍推薦装置３が備える機能が電子書籍装置１ａ内に組み込まれていてもよいし、それらの機能が電子書籍装置１ａに着脱またはケーブルを介して接続される補助装置として実現されてもよい。

（実施の形態３）
次に、本発明の実施の形態における電子書籍装置について説明する。

実施の形態１において、状況やコンテンツの内容を考慮に入れた読了時間を表示できる電子書籍装置について示した。同様の装置を利用することにより、受験生など勉強をするユーザにも応用することができる。本実施の形態では、書籍を学習用の問題に置き換えることにより、ユーザが勉強時間を設定し、その時間内に終了するような問題を選択する電子書籍装置について述べる。

図２２は、本実施の形態における電子書籍装置１ｂの全体構成を示すブロック図である。電子書籍装置は、ユーザからのページめくり入力を受け付けるページめくり部１０と、問題を表示する表示部１１と、ユーザにより問題を解いている日時や場所などの環境を検出する状況検出部１２と、表示部１１に表示される問題コンテンツや、コンテンツの管理情報、例えば問題の名称やジャンル、問題を解いているときの状況や解答時間などに関するデータを記憶しておくコンテンツ管理部１３と、コンテンツ管理部１３に管理されている管理情報の属性に応じて解答速度を算出する解答速度判定部１４ａと、問題を解答するために必要な所要時間を予測する所要時間予測部１５と、時間設定部１７ａと、問題を編集する問題編集部１３０１とから構成されている。

この電子書籍装置１ｂは、基本的には、実施の形態１における電子書籍装置１と同様の構成からなる。ただし、ページめくりを行った行為を問題を解き終わった行為とすることで、読書速度判定部１４が解答速度判定部１４ａとなり、時間設定部１７ａと、問題編集部１３０１とを備える点で実施の形態１と異なる。以下、実施の形態１と同じ構成要素には同一の符号を付して説明を省略し、異なる点を中心に説明する。

コンテンツ管理部１３は、問題の内容を記憶するコンテンツデータ１３０と問題管理データ１３１１と解答履歴データ１３２１とから構成される。コンテンツデータ１３０はコンテンツそのものを格納するデータベースである。問題管理データ１３１１は問題の内容を示す情報（属性）を格納するデータベースであり、例えば、図２３に示されるように、問題名１３１１ａ、数学であれば図形、文章題、確率などコンテンツが属するジャンル１３１１ｃ、内容が平易であるか難解であるかを示す難易度１３１１ｄ、問題の標準的な解答時間である標準解答時間１３１１ｄ等の情報を格納している。解答履歴データ１３２１は問題の解答時間の履歴、状況検出部１２により検出される読書時の状況に関する情報などを格納するデータベースであり、例えば、図２４に示されるように、問題名１３２１ａ、数学であれば図形、文章題、確率などコンテンツが属するジャンル１３２１ｂ、内容が平易であるか難解であるかを示す難易度１３２１ｃ、問題を解き始めた時間である実施日時１３２１ｄ、解答までに要した時間を示す解答時間１３２１ｅ、問題を解いた場所を示す解答場所１３２１ｆ等の情報を格納している。

なお、問題名１３２１ａ、解答時間１３２１ｅ以外の項目については、必ずしも情報が登録されない場合がある。また、解答時間の算出に必要な問題を解き終わったかどうかの判定は、ページめくりボタンを押したかどうか、電源が切れたかどうか、また開閉式の電子書籍装置であれば装置が閉じられたか否か、などによって判定することができる。ここで、問題管理データ１３１１と解答履歴データ１３２１は問題名によって関連付けられる。なお、電子書籍装置を複数のユーザで利用する場合には、別途ユーザを識別する手段を設けユーザを特定する情報とともに管理しておいてもよい。

解答速度判定部１４ａは、コンテンツ管理部１３の解答履歴データ１３２１の属性をキーとして、属性ごとあるいはその組み合わせごとのユーザの解答速度を算出し、解答速度データ１４０１に蓄積する。解答速度データ１４０１は、ユーザの属性の属性項目ごとに解答速度のデータを格納しているデータベースである。図２５に示されるように、解答履歴データ１３２１の属性名１４０１ａ、属性に含まれる項目名である属性項目１４０１ｂ、属性項目ごとの解答速度１４０１ｃ等の情報を格納している。ジャンルを属性とした場合の解答速度は、「数学」ジャンルの「図形」の問題を解答するのに要した時間の履歴から平均を求め、５［分／問題］という解答速度が算出される。さらに、実施の形態１と同様に、ジャンルと難易度の組み合わせを用いた解答速度を求めることも可能である。このように算出された解答速度に関する情報は、解答速度データ１４０１に記憶される。なお、ユーザの履歴が十分ではない初期の段階においては、標準的な解答速度を利用し、ユーザの履歴が増えるにしたがって、ユーザの履歴のみから解答速度を算出するようにしてもよい。

時間設定部１７ａは、ユーザが勉強する時間を設定する。設定は手動、または自動で行われる。

問題編集部１３０１は、所要時間予測部１５で予測された複数の問題の解答予測時間を組み合わせ、時間設定部１７ａで入力された時間に近くなるように、問題の取捨選択を行う。たとえば、ユーザの設定時間が２０分である場合、問題管理データと解答速度データ（ジャンルと難易度を利用）とから、各問題の解答予測時間を求め、ランダムに問題の組み合わせ、合計時間が２０分になるようにする。すると、「数学１２（数学−図形、並）：６分」と「数学１３（数学−図形、難）：１０分」と「数学３２（数学−確率、並）：４分」が選択される。

次に、以上のように構成された本電子書籍装置１ｂの動作について説明する。
図２６は、電子書籍装置１ｂによる問題編集の処理手順を示すフローチャートである。

まず、時間設定部１７ａは、ユーザからの指示等に基づいて、問題の解答時間（ユーザの勉強時間）の設定を受け付ける（Ｓ３００）。続いて、問題編集部１３０１は、問題管理データ１３１１と解答速度データ１４０１とを参照することで（Ｓ３０１）、各問題の解答予測時間を算出する（Ｓ３０２）。たとえば、問題管理データ１３１１に登録されている全ての問題について、そのジャンルと難易度に対応する読書速度を解答速度データ１４０１で特定し、実施の形態１のように、それらの解答速度の組み合わせによって、各問題の解答予測時間を算出する。そして、問題編集部１３０１は、解答予測時間の合計が時間設定部１７ａにより設定された時間になるように、複数の問題を組み合わせる（Ｓ３０３）。たとえば、ランダムに問題を選択し、その度に解答予測時間を合計し、合計時間と設定時間とを比較する。そして、合計時間が設定時間を越えた場合に、それまでに選択した全ての問題から最後に選択した問題を除いたものを最終的な問題集として、図２７に示される画面表示例のように、問題ごとの標準解答時間および予想解答時間と併せて、表示部１１に表示する。

以上のように、本実施の形態によれば、電子書籍装置を用いて学習を行う場合に、ユーザが設定した勉強時間に合わせた問題をコンテンツデータから選択することが可能となり、ユーザの要望に合致した勉強時間を提供することが可能となる。

なお、問題の組み合わせはランダムに選択したが、自分の得意分野の難しい問題、自分の不得意分野を集中的に勉強したい場合など、ユーザがジャンルや難易度を設定するようにしてもよい。つまり、作成したい問題のジャンル等の属性を特定する属性特定手段を設け、所要時間予測部１５が、特定された属性に属する問題の解答時間を予測し、問題編集部１３０１が、その属性に属する問題を選択することで、問題集を作成してもよい。

また、解答時間はページめくり部での検出された時間としたが、電子書籍に解答入力部を設け、正解までに要した時間を検出することで、より精度の高い解答時間を得るようにしてもよい。

（実施の形態４）
次に、本発明の実施の形態４における問題作成装置について説明する。

実施の形態３において、勉強時間を設定することで、問題を選択する電子書籍装置について示した。ところが、問題集がないような分野であれば、問題を選択することができない。そこで、本実施の形態では、コンテンツが電子化されているという利点を利用し、一般の書籍（例えば、教科書）から、問題を自動生成する問題作成装置について述べる。

図２８は、本実施の形態における問題作成装置の全体構成を示すブロック図である。問題作成装置５０は、教科書データ５１と、タグ特定部５２と、データ解析部５３と、単語辞書５４と、目隠し規則データ５５と、単語目隠し部５６と、解候補規則データ５７と、解候補作成部５８と、表示部５９とから構成されている。

教科書データ５１は、生成する問題の対象となる社会科や国語等の教科書（文書）が記述されたデータである。

タグ特定部５２は、「人名」、「英単語」、「地名」などユーザが勉強したいタグを設定する。設定は手動または自動で行われる。

単語辞書５４は、形態素解析や文字認識により、教科書データ５１から単語を抽出するのに用いられる辞書である。

データ解析部５３は、教科書データ５１とタグ特定部５２と単語辞書５４から、タグ特定部５２で設定されたタグを抽出する。

目隠し規則データ５５は、１文中に同一タグの単語は隠さない、「年代」タグを隠せば「人名」タグは隠さない、タグの属性に応じて目隠しの色を変えるなど、どの部分を目隠しするかの規則が蓄積している。

単語目隠し部５６は、目隠し規則データ５５とデータ解析部５３の出力から、どの部分を目隠しするかを決定する。

解候補規則データ５７は、歴史の場合は「同時代の人物名」「同ジャンルの固有名称（江戸幕府、鎌倉幕府など）」、英語の場合「動詞の変化形（時制など）」「名詞の変化形（複数形など）」はなど目隠しした単語に類似した解の候補を蓄積している。

解候補作成部５８は、単語目隠し部５６により、目隠しすることが決められた単語に近い単語を解候補規則データ５７から、決定する。

表示部５９は、単語目隠し部５６と解候補作成部５８から作成された問題を表示する。
次に、以上のように構成された本問題作成装置５０の動作について説明する。

図２９は、問題作成装置５０による問題編集の処理手順を示すフローチャートである。
まず、問題作成装置５０は、ユーザからの指示等に基づいて、タグ特定部５２等により、生成する問題の対象となる教科書（例えば、「社会科」等）とタグ（例えば、「人名」と「年代」等）の指定を受け付ける（Ｓ４００）。続いて、データ解析部５３は、指定された教科書に対応する教科書データ５１を読み出し、形態素解析や文字認識をした後に、単語辞書５４を参照することで、単語を抽出した後に（Ｓ４０１）、抽出した単語の中から、タグ特定部５２で特定されたタグに該当する単語だけをさらに抽出する（Ｓ４０２）。

そして、単語目隠し部５６は、目隠し規則データ５５を参照することで、データ解析部５３が抽出した単語のうち、目隠しする単語を決定する（Ｓ４０３）。たとえば、１文中に同一タグの単語は隠さない等の規則に従って目隠し単語を決定する。続いて、解候補作成部５８は、解候補規則データ５７を参照することで、単語目隠し部５６により決定された目隠し単語に近い単語を解候補として決定する（Ｓ４０４）。最後に、表示部５９は、単語目隠し部５６によって決定された目隠し単語を目隠し表示するとともに、目隠し単語と解候補作成部５８によって決定された解候補とを目隠し表示箇所におけるプルダウンメニュー（選択肢）として表示する（Ｓ４０５）。

その結果、図３０の画面表示例に示されるように、教科書データ５１は、ユーザが指定したタグに該当する箇所が目隠し単語として表示される。そして、ユーザは、目隠し単語の箇所でプルダウンメニューを表示させることで、解候補から１つの単語を選択し、目隠し単語を埋めていくことができる。問題作成装置５０は、ユーザが選択した単語が元の教科書データ５１に記載されていたものと一致するか否か判断し、その結果を色等で区別して表示する。

以上のように、本実施の形態における問題作成装置は、機能的な構成として、教科書データおよび目隠し単語の属性であるタグを取得する取得手段と、取得された教科書データに対して形態素解析を行うことによって単語を抽出し、抽出した単語のうち、前記取得手段で取得されたタグに該当する単語をさらに抽出するデータ解析手段と、目隠し単語の設定に関する規則である目隠し規則データを記憶する目隠し規則データ記憶手段と、前記目隠し規則データに従って、前記データ解析手段で抽出された単語の中から目隠しする単語を目隠し単語として決定する目隠し単語決定手段と、決定された目隠し単語を目隠し状態にして前記教科書データを表示する表示手段とを備えることを特徴とする。ここで、前記問題作成装置はさらに、前記目隠し単語決定手段によって決定された目隠し単語に類似した単語を解候補として決定する解候補決定手段を備え、前記表示手段はさらに、前記目隠し単語に入れる解を選択するメニューとして、前記解候補決定手段で決定された解候補の中から選択するメニューを表示するように構成してもよい。

これによって、一般の書籍コンテンツであっても問題を作成することできるため、問題集がない場合であっても、問題を作成することが可能となる。また、実施の形態１の電子書籍装置内に問題作成装置を備えることにより、勉強にも利用できる電子書籍装置を提供することが可能となる。

なお、解答入力部を備えることにより、ユーザの正解履歴から習熟度を判定し、選択肢の数を変更するようにしてもよい。

（実施の形態５）
実施の形態１における読書履歴よりも更に細かい履歴、つまり、電子書籍装置の操作履歴から、まだ読書を行っていない電子書籍の読書に要する時間を算出することもできる。そのような電子書籍装置の構成を図３１に示す。図３１の電子書籍装置は、表示情報蓄積部３１０１、書籍属性情報蓄積部３１０２、電子書籍操作入力部３１０３、電子書籍表示制御部３１０４、電子書籍表示部３１０５、時刻検出部３１０６、場所検出部３１０７、電子書籍操作履歴蓄積部３１０８、読書速度算出部３１０９、読書所要時間予測部３１１０、読書所要時間蓄積部３１１１から構成される。なお、これら構成要素の詳細な機能は、後述する同一名称の構成要素と同じであるので、ここでの説明を省略する。

このような構成により、過去の電子書籍の操作履歴から、まだ読んでいない電子書籍の読書にかかる時間を推定することが可能になる。

しかしながら、ユーザは、電子書籍の電源が入っているときは、常に、ユーザが読書を行っているとは限らない。特に、最近では、電子書籍に利用される表示装置は、記憶型液晶デバイスが利用され、電力なしに画面の表示が可能になっている。そのため、ユーザは、画面にページを表示した状態で、他の作業を行うことも可能である。例えば、電車の中で電子書籍で読書を行っていたユーザが、偶然、友人と会って話しを始めてしまった場合に、電子書籍の電源を切らずにいると、表示したページを長時間閲覧していた履歴が蓄積されてしまう。このように、読書を行っていないのに長時間、特定のページが表示されると、誤った読書時間を計算し、正確な読書速度を特定できない。

また、各ページに関してユーザが読書を行っている時間が計測できたとしても、まだ、読書を行っていない書籍の各ページにおいて、同程度の量の文字が存在するとは限らない。特に、挿絵等が含まれているページは、すべて文字のページに比べ、１ページにかかる読書時間は少なくなることが多い。そのため、ページの属性を考慮せずに読書時間を推定しても正確な時間が求められない。

そこで、本実施の形態においては、電子書籍を保有するユーザが、電子書籍の画面表示の制御履歴を利用して実際に読書を行っていた時間を推定することにより、読書を行っていなかった時間を除いた実際の読書時間を算出し、正確な読書速度を算出するものである。特に、読書は、ある程度決まった時間間隔でページ送りを行う操作からなっている。そこで、本実施の形態では、ユーザが行う定期的な電子書籍に対する操作から、ユーザが読書を行っているかどうかを自動的に判断し、正確な読書時間を測定するものである。

さらに、各ページに含まれる文字数や挿絵の有無を考慮することで、さらに、正確な読書時間を推定するものである。また、各ページが本文であるか、目次や表紙等の本文以外の部分であるかの区分を利用することで、読書時間を推定するものである。

本実施の形態の電子書籍のシステム構成を図３２に示す。図３２の電子書籍装置は、表示情報蓄積部３２０１、書籍属性情報蓄積部３２０２、ページ属性情報蓄積部３２０３、電子書籍操作入力部３２０４、電子書籍表示制御部３２０５、電子書籍表示部３２０６、時刻検出部３２０７、場所検出部３２０８、電子書籍操作履歴蓄積部３２０９、ページ読書時間算出部３２１０、読書速度算出部３２１１、読書所要時間予測部３２１２、読書所要時間蓄積部３２１３から構成される。次に、各モジュール（構成要素）の動作について説明する。

表示情報蓄積部３２０１は、電子書籍のコンテンツの表示する画像情報が蓄積されている。例えば、ＪＰＥＧやＢＭＰ等の形式で電子書籍の画面に表示する情報を蓄積している。

書籍属性情報蓄積部３２０２は、電子書籍の属性に関する情報が蓄積されている。具体例を図３３に示す。図３３では、各電子書籍に対して、タイトル、作者、ジャンル、ページ数、要約等の各書籍に関する情報を示している。本実施の形態においては、この属性の中でジャンル等の情報を利用して、同一ジャンルであれば、読書速度は類似しているという仮定のもと、既読の書籍の読書速度を利用して未読の書籍に対して読書速度を算出した。

ページ属性情報蓄積部３２０３は、電子書籍の各ページに関する情報が属性とその値との組により蓄積されている。具体例を図３４に示す。図３４では、ある書籍ＩＤに対して、その書籍の各表示ページＩＤ毎に、そのページが含まれる章、書籍のページ番号、表示されるテキスト情報、表示されるテキストの文字数（行数）、挿絵が含まれるか否か、含まれる場合には、その画像ファイル名、電子書籍の左右の２面に表示される画像ファイル名が記載されている。このページ属性情報より、電子書籍に表示されているページの内容を判定することが可能になる。

電子書籍操作入力部３２０４は、ユーザが電子書籍の電源を入れたり、表示されているページを送ったり、戻したりする操作や、１０ページを一度に送ったりする、電子書籍の表示に関するユーザ操作を入力するものである。

電子書籍表示制御部３２０５は、表示情報蓄積部３２０１で蓄積されている電子書籍の画像情報を、電子書籍操作入力部３２０４から入力されたユーザの表示画面の制御情報をもとに、表示情報を制御するものである。具体的には、ユーザの操作入力やシステムからの表示指示があると、電子書籍のビデオメモリに所定のデータの書き込み操作を行う。

電子書籍表示部３２０６は、電子書籍表示制御部３２０５の制御情報をもとに電子書籍の表示部に画像情報を表示する。電子書籍表示制御部３２０５では電子書籍装置のビデオメモリにデータが書き込まれるため、その書き込まれた内容を液晶等によって構成された画像表示装置に表示するものである。

時刻検出部３２０７は、電子書籍に内蔵されたクロック等により時刻を検出するものである。また、外部の時計をネットワークを介して利用することで日時を検出してもよい。

場所検出部３２０８は、ＧＰＳアンテナやＲＦタグ等により電子書籍が存在する場所情報を取得する。

電子書籍操作履歴蓄積部３２０９は、電子書籍表示制御部３２０５へ入力された電子書籍操作による制御情報と、ユーザによって制御された日時に関する情報を時刻検出部３２０７より取得し、ユーザによって制御された場所に関する情報を場所検出部３２０８より取得し、それらを対応させて蓄積する。例えば、図３５に示すように、電子書籍の主電源をいれると、図３５（Ａ）に示すように電子書籍の立ち上げのオープニング画面が表示される。次に、図３５（Ｂ）に示すように電子書籍装置がアクセス可能な書籍のリストが表示される。これに対して、ユーザは、右、左のカーソル移動をボタン操作で行いながら、読書を行う書籍のタイトルを選択する。ここで、例えば、「鎌倉物語」を選択した場合には、その書籍の目次情報が図３５（Ｃ）に示すように表示される。そして、再び、ユーザは、右、左のカーソル移動をボタン操作で行うことにより、所望のページの表示を図３５（Ｄ）に示すように行うものである。

図３５に示すような（Ａ）〜（Ｄ）の画面表示の制御に関する操作の履歴が、図３６に示すような表の形式で電子書籍操作履歴蓄積部３２０９では蓄積されている。図３６においては、各画面操作が行われた時刻、対象となったコンテンツ、その操作内容に関する情報が操作履歴として蓄積されている。さらに、この操作履歴から、９時１４分１２秒、９時１４分１５秒では、ページを戻る操作を行っていることがわかり、この操作は、ページを戻って、過去に読書した内容の確認を行っていることも抽出できる。

ページ読書時間算出部３２１０は、電子書籍操作履歴蓄積部３２０９で蓄積されている電子書籍に対するユーザの操作から、ユーザが読書を行っていたと推定される時間を計算する。ユーザの画面の操作履歴から、ページ送りを定期的に行っていた場合には、その時間帯は、ユーザが読書を行っていたと判断するが、操作の時間間隔が伸びた場合は、ユーザが読書を行っていなかったと判断できる。例えば、図３７に示すように、定期的に「ページの送り」を行っているときに、あるとき間隔が普段より長くなった場合には、その時間帯を読書外時間として判断する。その後、図３７（Ａ）に示すように、再び、定期的なページ送りが再開されると、その時間は読書時間として判断する。また、図３７（Ｂ）に示すように、読書外時間と判断し、その後、電源が切られた場合には、読書は中断されたものと判断する。具体的には、図３６の表においても、各操作に対して、次の操作が行われるまでの時間を、まず、算出する。その結果、図３６の右列の時間が算出される。次に、算出された時間に対して頻度の分布を調べる。例えば、図３８（Ａ）および（Ｂ）に示すように、「ページ送り」が行われたから、次の操作を行った時間を２０秒間隔での頻度を算出する。この結果、最も頻度が高かったのが４０−６０秒の４２回となっている。この時間を最大頻度時間とし、この時間に比べ大きく離れている時間を読書を行っていない時間として判断する。一般に、読書は、一定の時間間隔でページ送りが行われるため、同一の書籍であるならば、この時間から大きく異なることは少ない。そこで、この最大頻度時間から大きく異なっている時間は、読書を行っていない時間として判断する。これにより、正確な読書時間が算出される。

読書速度算出部３２１１は、ページ読書時間算出部３２１０で算出された読書時間と、電子書籍操作履歴蓄積部３２０９で、その読書時間に対応するページ数の情報を基に読書速度を算出する。ページ読書時間算出部３２１０の結果より、図３９に示すように、読書を行っていた時間帯（表示されている文字を読んでいた時間帯）と、読書を行っていなかった時間帯（表示されている文字を読んでいなかった時間帯）とを区別ができる。さらに、読書開始ページ（６１ページ）と読書終了ページ（９２ページ（図示なし））とから、読書ページ数が算出され、さらに、読書時間は、読書を行っていなかった時間を引いた時間として２３分が算出される。これにより、１ページを読書するのに要した時間は４５秒という結果が得られる。

次に、ページ属性情報蓄積部３２０３で蓄積されている各ページに対して、そのページを読み終えるのに要した時間を算出する。その結果、図４０に示すように、各ページに対して、電子書籍で表示していた時間を求めることができる。

なお、本実施の形態では、読書速度を一つの書籍に対して算出したが、実施の形態１で述べているように、書籍のジャンル毎、場所に応じた読書速度、平日または休日等、曜日に応じた読書速度を算出することも可能である。つまり、読書所要時間を予測する対象となる電子書籍または読書環境の属性を特定する属性特定手段を設け、特定された属性に対応する電子書籍の読書所要時間を予測してもよい。

読書所要時間予測部３２１２は、読書速度算出部３２１１で算出された読書速度をもとに、ページ属性情報蓄積部３２０３で蓄積されている未読のページに対して読書に要する時間を算出する。具体的には、図４１（Ａ）に示すように、はじめに、既読部分の読書を行った部分に対して読書速度を算出する。書籍の「目次」や「はじめに」等において、所定（例えば２０秒）以下の時間しか要していないページに対しては、ユーザは読書を行わなかったと判断する。次に、本文に対して、各ページの文字数と、そのページを表示していた時間を利用して１文字あたりに読書に要した時間を算出する。さらに、本文を読書するのに要した各ページの時間の平均を算出する。図４１（Ａ）の例では、平均０．０７秒／文字になったとする。

次に、書籍の未読の部分において、ユーザが読書を行う本文を抽出する。図４１（Ｂ）の例では、ユーザがいつも「おわりに」の部分を読書していなかった場合には、「おわりに」の部分は読書を行わない部分とする。読書を行う本文に対して、各ページの文字数から、読書に要する時間を推定する。例えば、１２３５文字のページに対しては、０．０７×１２３５＝８６．５秒となる。これらの未読部分の読書推定時間の和を求めることにより、合計９２分となり、この書籍に関しては書籍を読み終わるのに９２分必要であることが予想される。なお、読書所要時間予測部３２１２は、ページ属性情報蓄積部３２０３で蓄積されている未読のページに対して読書に要する時間を予測したが、電子書籍操作履歴およびページ属性情報に基づいて未読のページの属性を特定する属性特定手段を設け、属性特定手段によって特定された属性に対する読書所要時間を算出してもよい。

読書所要時間蓄積部３２１３は、読書所要時間予測部３２１２で予測した、未読部分が存在する書籍に対して所要時間を推定した結果を蓄積する。例えば、図４２に示すように、各書籍に対して読書完了予想時間が推定される。

以上の動作の結果、ユーザの電子書籍の操作履歴から、ページ送りを行っている操作の時間間隔の情報を基に、読書を行っている時間を算出し、その時間から読書速度を算出することで、未読部分のある書籍に対して、読書を完了させるのに必要な時間を推定することが可能になる。

以上の動作の読書完了予想時間を算出する部分を図４３のフローにまとめる。はじめに、ページ読書時間算出部３２１０は電子書籍操作履歴蓄積部３２０９に蓄積されている操作履歴からページ送り操作の時間間隔を算出する（Ｓ４３０１）。例えば、図３６に示すように、電子書籍に対する各操作に対して、次の操作が行われた時刻情報より算出する。次に、再びページ読書時間算出部３２１０において、２０秒間隔でページ送りの頻度を算出する（Ｓ４３０２）。例えば、図３８に示すように、０から２０秒では１９回の操作がある。図３８（Ｂ）に示すように２０秒間隔で算出された頻度の中で最大となる最大頻度時間を求め、その時間を読書が行われている中心の時間とみなし読書中心時間とする（Ｓ４３０３）。本実施の形態の場合、読書中心時間は、４０から６０秒となる。次に、読書中心時間から４０秒以上離れているページ操作があるかどうかを検索する（Ｓ４３０４）。本例では、１００秒以上次の操作がなかった場合のものが検索される。検索されたものは、読書をしている時間とは考えず、読書時間から除外する（Ｓ４３０５）。その結果、１４０秒から１６０秒の操作や図３９の９時１４分３６秒の３６８秒の操作は、読書外時間として判定される。

読書速度算出部３２１１において、読書外時間を除いた時間帯で各ページに対する読書時間が決定される（Ｓ４３０６）。なお、ステップＳ４３０４で４０秒以上離れている時間がない場合には、すべて読書が行われていたと判断する（Ｓ４３０７）。

続いて、ページ属性情報蓄積部３２０３に蓄積されている各ページに対して読書を行うページか、読書を行わないページかの判断を行う（Ｓ４３０８）。その結果、図４０に示すように、すでに読書を行っているページに対しては、読書時間が算出される。次に読書を行っている部分の平均読書速度を算出する（Ｓ４３０９）。その結果、図４１（Ａ）に示すように各ページに対して１文字当たりに必要な読書時間を算出し、平均読書速度を算出する。さらに、読書所要時間予測部３２１２において、未読部分を読書するのに必要な時間の推定を行う（Ｓ４３１０）。その結果、図４１（Ｂ）に示すように各ページに必要な時間が予測される。最後に、書籍の読書を完了するのに必要な時間を算出し読書所要時間蓄積部３２１３へ登録する（Ｓ４３１１）。本例の場合には、図４２に示すように、各書籍に対して読書完了予想時間が登録される。

以上の動作の結果、ユーザの電子書籍の操作履歴から、ページ送りを行っている操作の時間間隔の情報を基に、読書を行っている時間を算出し、その時間から読書速度を算出することができる。さらに、読書を行うページと行わないページ（前面挿絵で文字がないページ等）を考慮して、読書時間を推定することが可能になる。これによって、正確な読書所要時間が予測され得る。

（実施の形態６）
実施の形態５においては、ユーザが電子書籍の電源を入れているだけで閲覧していないページは、読書を行っていないと判断し、読書時間を決定した。また、各ページの文字数等の情報を利用して、まだ、未読部分の読書を行うのに必要な時間の推定を行うことで、正確な読書時間を推定した。しかしながら、ユーザは、蓄積された書籍を全て読むとは限らない。特に、週刊誌や月刊誌等は、ユーザが好んで読書を行っている部分だけしか読書を行わない場合が多い。例えば、ある漫画雑誌等であれば、毎週、欠かさずに読書している部分が特定されていて、他の部分は読まない場合もある。

そこで、本実施の形態においては、過去の電子書籍の操作履歴より、電子書籍としては蓄積しているが、読書を行わない部分を特定することで、さらに、正確な読書時間を推定するものである。本電子書籍装置の構成を図４４に示す。図４４の電子書籍装置は、表示情報蓄積部４４０１、書籍属性情報蓄積部４４０２、ページ属性情報蓄積部４４０３、電子書籍操作入力部４４０４、電子書籍表示制御部４４０５、電子書籍表示部４４０６、時刻検出部４４０７、場所検出部４４０８、電子書籍操作履歴蓄積部４４０９、ページ読書時間算出部４４１０、読書速度算出部４４１１、読書ページ判定部４４１２、読書所要時間予測部４４１３、読書所要時間蓄積部４４１４から構成される。次に、各モジュールの動作について説明する。ただし、４４０１から４４１１までのモジュールと、４４１３、４４１４のモジュールの動作は、実施の形態５における同一名称のモジュールと同様であるため、説明を省略する。

読書ページ判定部４４１２は、書籍属性情報蓄積部４４０２で蓄積されている書籍の構成に関する情報と、電子書籍操作履歴蓄積部４４０９で蓄積されている電子書籍の操作に関する情報から、ユーザが将来電子書籍の読書を行う部分と読書を行わない部分との判定を行う。書籍属性情報蓄積部４４０２では、例えば、図４５に示す書籍に関する属性情報が蓄積されている。図４５は、「少年ホップ」という漫画雑誌は、５個の漫画コンテンツから構成されている。さらに、各漫画は作者もジャンルも異なる。一方、過去にも「少年ホップ」の電子書籍を購入して読書を行った経験があり、図４５の各漫画に対しては、図４６に示すような所要時間の操作履歴が蓄積されていたとする。このとき、「佐渡島の誘惑」に関しては、電子書籍のコンテンツは蓄積されているが、実際には読書を行っていないことが所要時間の平均から推定することが可能である。

読書所要時間予測部４４１３では、読書ページ判定部４４１２で読書を行う部分と判定されたものについて、読書速度算出部４４１１で算出された読書速度を用いて読書時間を予測することが可能になる。例えば、図４７に示すように、各漫画に対して読書時間を推定することが可能になる。さらに、読書所要時間蓄積部４４１４において、読書に要する時間を蓄積させる。

これにより、読書を行わないコンテンツが含まれていても、精度よく書籍の読書時間を推定することが可能になる。

以上の動作を図４８のフローを用いて説明する。はじめに、読書ページ判定部４４１２は、複数のタイトルからなるコンテンツが存在するか否かを判断する（Ｓ４８０１）。Ｓ４８０１で存在したコンテンツに対して過去に読書を行った履歴があるかを判断する（Ｓ４８０２）。過去の読書を行った履歴がある場合には、読書時間（表示時間）を算出する（Ｓ４８０３）。表示時間がページあたり１０秒以下の場合にはＳ４８０５へ進む（Ｓ４８０４）。それ以外はＳ４８０６へすすむ。１０秒以下のコンテンツは、読書を行っていないと判断し、将来も読書を行わないと判断する（Ｓ４８０５）。読書所要時間予測部４４１３は、読書を行っているコンテンツのみを用いて、読書時間を算出する。Ｓ４８０４で全てのコンテンツが１ページあたり１０秒以上の場合には、すべてのコンテンツに対して読書を行うと判断する（Ｓ４８０６）。

以上のように、複数のタイトルからなる電子書籍のコンテンツが存在した場合には、読書を行うコンテンツと行わないコンテンツを区別することが可能になる。これにより、読書に要する時間を精度よく推定することが可能になる。

なお、本実施の形態においては、ある電子書籍のコンテンツに対して複数のタイトルが含まれている場合に、読書を行うコンテンツと行わないコンテンツに分類することが可能になった。一方、電子書籍のコンテンツは、家庭内でＰＣを用いてコンテンツをハードディスク等の大容量の媒体にダウンロードし、必要なコンテンツのみを半導体メモリ（モバイルメモリ）にコピーし、屋外で電子書籍のコンテンツの閲覧・読書を行うことがある。この場合、ＰＣに蓄えられて大量の電子書籍から、読書を行っていないコンテンツを選択し、コピーを行うことが多い。この場合、コンテンツの全てを閲覧していなければ、未読の電子書籍コンテンツとして扱われてしまう。すなわち、複数の漫画コンテンツから構成される電子書籍において、一部分でも読書を行っていないコンテンツがあると、その電子書籍コンテンツは読書中の状態になる。そこで、本実施の形態の電子書籍装置を利用することで、未読のコンテンツがあっても、そのコンテンツを将来読書する可能性がないと判断できたときには、その電子書籍コンテンツは既読であると処理することが可能になる。

以上、本発明に係る電子書籍装置について、実施の形態１〜６に基づいて説明したが、本発明は、これら実施の形態に限定されるものではない。本発明に主旨を逸脱しない範囲で各実施の形態に対して当業者が思いつく変形を施して実現される形態も本発明に含まれる。また、各実施の形態の構成要素を適宜選択して組み合わせて実現される形態も本発明に含まれる。たとえば、実施の形態１における電子書籍装置に、実施の形態２における電子書籍推薦機能を付加したり、実施の形態３における問題編集機能を付加したり、実施の形態４における問題作成機能を付加したり、実施の形態５における正確な読書所要時間予測機能を付加したり、実施の形態６における複数コンテンツに対応した読書所要時間予測機能を付加したりすることで実現される電子書籍装置、あるいは、電子書籍システムも本発明に含まれる。

また、本発明に係る電子書籍装置は、必ずしも、電子書籍自体を蓄積していなくてもよい。着脱可能なメモリカードや通信ネットワーク等を介して電子書籍を取得することができる電子書籍装置であれば正確に読書所要時間を予測する電子書籍装置を実現することができるからである。

本発明は、電子書籍を表示する電子書籍装置、イメージビューワー、電子書籍を推薦するコンピュータ装置等として、特に、電子書籍のタイトル等とともに読書に要する時間を表示する電子書籍装置、インターネット等を介して端末装置に電子書籍を推薦するＷｅｂサイト、学習用の問題の編集機能を持った電子書籍装置等として利用することができる。

本発明の実施の形態１における電子書籍装置の全体構成を示すブロック図である。 電子書籍装置の外観図である。 「予想残り時間」の画面表示例を示す図である。 管理データの例を示す図である。 履歴データの例を示す図である。 読書速度データの例を示す図である。 読書速度データの他の例を示す図である。 属性の重みを修正する場合の説明図である。 ユーザが書籍を読み終えるまでの所要時間をユーザに提示するまでの電子書籍装置の動作手順を示すフローチャートである。 難易度の算出例を示す図である。 難易度予測値と難易度との関係を示す図である。 本発明の実施の形態２における書籍推薦システムの構成例を示すブロック図である。 読書時間を設定する画面例を示す図である。 管理データの例を示す図である。 購入履歴データの例を示す図である。 ユーザ興味情報の例を示す図である。 ユーザが読書時間を設定してから、推薦書籍がユーザに提示されるまでの書籍推薦システムにおける通信シーケンスを示す図である。 時間評価値を算出する評価関数の例を示す図である。 推薦コンテンツの画面表示例を示す図である。 ユーザが電子書籍装置から書籍を購入し、書籍推薦装置がユーザ興味情報を学習するまでの書籍推薦システムにおける通信シーケンスを示す図である。 書籍推薦システムの他の構成例を示すブロック図である。 本発明の実施の形態３における電子書籍装置の全体構成を示すブロック図である。 問題管理データの例を示す図である。 解答履歴データの例を示す図である。 解答速度データの例を示す図である。 電子書籍装置による問題編集の処理手順を示すフローチャートである。 問題ごとの標準解答時間および予想解答時間が表示される画面表示例を示す図である。 本発明の実施の形態４における問題作成装置の全体構成を示すブロック図である。 問題作成装置による問題編集の処理手順を示すフローチャートである。 教科書データの画面表示例を示す図である。 操作履歴から読書所要時間を予測する電子書籍装置の構成を示すブロック図である。 本発明の実施の形態５における電子書籍装置の構成を示すブロック図である。 書籍属性情報蓄積部に蓄積されている情報の例を示す図である。 ページ属性情報蓄積部に蓄積されている情報の例を示す図である。 電子書籍の操作例を示す図である。 電子書籍操作履歴蓄積部に蓄積されている操作履歴の例を示す図である。 読書時間と読書外時間の判別手法を説明する図である。 ページ送りの時間間隔についての頻度分布を示す図である。 読書を行っていた時間帯とそうでない時間帯とを区別した例を示す図である。 ページごとに読み終えるのに要した時間を算出した例を示す図である。 読書所要時間の算出例を示す図である。 読書完了予想時間の推定例を示す図である。 電子書籍装置の動作手順を示すフローチャートである。 本発明の実施の形態６における電子書籍装置の構成を示すブロック図である。 書籍属性情報蓄積部に蓄積されている属性情報の例を示す図である。 所要時間の履歴を示す図である。 タイトルごとに読書所要時間を推定した例を示す図である。 電子書籍装置の動作手順を示すフローチャートである。

符号の説明

１、１ａ、１ｂ、４１ 電子書籍装置
２、４２ 書籍販売装置
３、４３ 書籍推薦装置
１０ ページめくり部
１１ 表示部
１２ 状況検出部
１３ コンテンツ管理部
１４ 読書速度判定部
１４ａ 解答速度判定部
１５ 所要時間予測部
１６ 書籍購入部
１７ 読書時間設定部
１７ａ 時間設定部
１８ 送信部
１９ 推薦書籍受信部
２０ コンテンツデータ
２１ 管理データ
２２ 購入履歴データ
３１ 興味情報学習部
３２ ユーザ興味情報
３３ 受信部
３４ 所要時間予測部
３５ 興味コンテンツ情報推薦部
３６ 推薦コンテンツ情報提供部
３７ 推薦書籍送信部
４４ メモリカード
４５ パーソナルコンピュータ
４６ ＫＩＯＳＫ端末
５０ 問題作成装置
５１ 教科書データ
５２ タグ特定部
５３ データ解析部
５４ 単語辞書
５５ 目隠し規則データ
５６ 単語目隠し部
５７ 解候補規則データ
５８ 解候補作成部
５９ 表示部
１００ ネットワーク
１０４ 読書速度データ
１２１ 位置検出部
１２２ 時刻検出部
１３０ コンテンツデータ
１３１ 管理データ
１３２ 履歴データ
１４０ 読書速度データ
２００ 書籍推薦システム
１３０１ 問題編集部
１３１１ 問題管理データ
１３２１ 解答履歴データ
１４０１ 解答速度データ
３１０１、３２０１、４４０１ 表示情報蓄積部
３１０２、３２０２、４４０２ 書籍属性情報蓄積部
３１０３、３２０４、４４０４ 電子書籍操作入力部
３１０４、３２０５、４４０５ 電子書籍表示制御部
３１０５、３２０６、４４０６ 電子書籍表示部
３１０６、３２０７、４４０７ 時刻検出部
３１０７、３２０８、４４０８ 場所検出部
３１０８、３２０９、４４０９ 電子書籍操作履歴蓄積部
３１０９、３２１１、４４１１ 読書速度算出部
３１１０、３２１２、４４１３ 読書所要時間予測部
３１１１、３２１３、４４１４ 読書所要時間蓄積部
３２０３、４４０３ ページ属性情報蓄積部
３２１０、４４１０ ページ読書時間算出部
４４１２ 読書ページ判定部

Claims (20)

1. 電子書籍を表示する電子書籍装置であって、
   電子書籍と電子書籍の属性とを対応づけて蓄積する電子書籍蓄積手段と、
   電子書籍に対するユーザの操作履歴を蓄積する操作履歴蓄積手段と、
   前記操作履歴蓄積手段に蓄積された操作履歴に基づいて、前記属性ごとの読書速度を算出して記憶する読書速度算出手段と、
   前記電子書籍蓄積手段に蓄積された電子書籍の属性を少なくとも１つ特定する属性特定手段と、
   前記読書速度算出手段によって算出され記憶された読書速度を参照することで、前記属性特定手段で特定された属性に対応する読書速度を特定し、特定した読書速度に基づいて、前記電子書籍蓄積手段に蓄積された電子書籍の読書に要する時間を予測する所要時間予測手段と
   を備えることを特徴とする電子書籍装置。
2. 前記属性には、読書環境に関するパラメータが含まれ、
   前記属性特性手段は、電子書籍蓄積手段に蓄積された電子書籍および現在の読書環境に関する少なくとも１つの属性を特定し、
   前記電子書籍装置はさらに、前記所要時間予測手段によって予測された時間を表示する表示手段を備える
   ことを特徴とする請求項１記載の電子書籍装置。
3. 前記属性には、電子書籍のジャンル、難易度および読書場所の少なくとも１つが含まれる
   ことを特徴とする請求項２記載の電子書籍装置。
4. 前記所要時間予測手段は、前記電子書籍蓄積手段に蓄積された電子書籍について、未読のページ数を特定し、特定した未読のページ数に対して前記時間を予測する
   ことを特徴とする請求項２記載の電子書籍装置。
5. 前記属性特定手段は、複数の属性を特定し、
   前記所要時間予測手段は、前記複数の属性それぞれに対応づけられた重み係数を用いることで、前記複数の属性に対応する複数の読書速度から前記時間を予測する
   ことを特徴とする請求項２記載の電子書籍装置。
6. 前記電子書籍装置はさらに、電子書籍の読書に要した時間を計測する読書時間計測手段を備え、
   前記所要時間予測手段は、予測した時間と前記読書時間計測時間で計測された時間との差に基づいて前記重み係数を修正する重み係数修正部を有する
   ことを特徴とする請求項５記載の電子書籍装置。
7. 前記読書速度は、読書時間に応じて変化する値であり、
   所要時間予測手段は、読書時間に応じて変化する読書速度に基づいて、前記時間を予測する
   ことを特徴とする請求項２記載の電子書籍装置。
8. 前記電子書籍装置はさらに、
   ユーザが読書できる時間である読書時間を取得する読書情報取得手段と、
   前記所要時間予測手段によって予測された所要時間に基づいて、前記読書時間内に読み終えるのに適した電子書籍を前記電子書籍蓄積手段に蓄積された電子書籍の中から推薦書籍として特定する推薦書籍特定手段と、
   特定された推薦書籍を前記ユーザに通知する通知手段と
   を備えることを特徴とする請求項１記載の電子書籍装置。
9. 前記推薦書籍特定手段は、前記複数の電子書籍それぞれについて、前記ユーザの電子書籍に対する興味情報に基づいて、興味の度合を示す興味評価値を算出するとともに、前記所要時間と前記読書時間との差に基づいて、時間的な適合性を示す時間評価値を算出し、算出した興味評価値と時間評価値とから前記推薦書籍を特定する
   ことを特徴とする請求項８記載の電子書籍装置。
10. 前記電子書籍は、学習用の複数の問題が記載された電子書籍であり、
    前記読書速度算出手段は、前記操作履歴蓄積手段に蓄積された操作履歴に基づいて、前記属性ごとの解答速度を算出して記憶し、
    前記所要時間予測手段は、前記読書速度算出手段によって算出され記憶された解答速度を参照することで、前記属性ごとの解答時間を予測し、
    前記電子書籍装置はさらに、
    解答時間を設定する時間設定手段と、
    前記所要時間予測手段によって予測された解答時間の合計が前記時間設定手段で設定された解答時間となるように、前記電子書籍蓄積手段に蓄積された複数の問題のうちの１以上の問題からなる問題集を編集する問題編集手段と、
    編集した問題集を表示する表示手段とを備える
    ことを特徴とする請求項１記載の電子書籍装置。
11. 前記属性には、問題のジャンルおよび難易度の少なくとも１つが含まれる
    ことを特徴とする請求項１０記載の電子書籍装置。
12. 前記電子書籍蓄積手段には、前記問題ごとの標準解答時間が蓄積され、
    前記表示手段は、前記問題ごとに、前記電子書籍蓄積手段に蓄積された標準解答時間および前記所要時間予測手段で予測された予測解答時間を表示する
    ことを特徴とする請求項１０記載の電子書籍装置。
13. 前記電子書籍装置はさらに、前記操作履歴蓄積手段に蓄積されている操作履歴から、読書を行っている時間と読書を行っていない時間とを検出し、読書を行っている時間のみで読書時間を算出するページ読書時間算出手段を備え、
    前記読書速度算出手段は、前記ページ読書算出手段で算出された読書時間から読書速度を算出する
    ことを特徴とする請求項１記載の電子書籍装置。
14. 前記ページ読書時間算出手段は、前記操作履歴蓄積手段に蓄積されている操作履歴から、ユーザがページ送りを定期的に行っているか否かを判定し、定期的に行っている時間帯をユーザが読書を行っている時間と検出する
    ことを特徴とする請求項１３記載の電子書籍装置。
15. 前記電子書籍装置はさらに、前記電子書籍蓄積手段に蓄積された電子書籍の各ページに関する情報を蓄積するページ属性情報記憶手段を備え、
    前記読書速度算出手段は、前記ページ属性情報記憶手段に記憶されている各ページに対して読書速度を算出し、
    前記所要時間予測手段は、前記読書速度算出手段によって算出された前記ページごとの読書速度に基づいて、前記電子書籍の読書に要する時間を予測する
    ことを特徴とする請求項１３記載の電子書籍装置。
16. 前記電子書籍蓄積手段に蓄積された電子書籍は、複数のタイトルに対応する複数のコンテンツから構成され、
    前記電子書籍装置はさらに、前記操作履歴蓄積手段に蓄積された操作履歴から、前記電子書籍を構成する複数のコンテンツごとに、ユーザが読書を行うか否かを予測して判定する読書ページ判定手段を備え、
    前記所要時間予測手段は、前記読書ページ判定手段によってユーザが読書を行うと判定されたコンテンツだけを対象として前記時間を予測する
    ことを特徴とする請求項１記載の電子書籍装置。
17. 前記読書ページ判定手段は、前記操作履歴蓄積手段に蓄積された操作履歴から、前記コンテンツが表示されていたコンテンツ表示時間を算出し、前記コンテンツ表示時間が所定の値より小さいときには、前記コンテンツについては、今後、ユーザは読書しないと判定する
    ことを特徴とする請求項１６記載の電子書籍装置。
18. 電子書籍と電子書籍の属性とを対応づけて蓄積した電子書籍蓄積手段とともに用いられ、前記電子書籍を表示する電子書籍装置であって、
    電子書籍に対するユーザの操作履歴を蓄積する操作履歴蓄積手段と、
    前記操作履歴蓄積手段に蓄積された操作履歴に基づいて、前記属性ごとの読書速度を算出して記憶する読書速度算出手段と、
    前記電子書籍蓄積手段に蓄積された電子書籍の属性を少なくとも１つ特定する属性特定手段と、
    前記読書速度算出手段によって算出され記憶された読書速度を参照することで、前記属性特定手段で特定された属性に対応する読書速度を特定し、特定した読書速度に基づいて、前記電子書籍蓄積手段に蓄積された電子書籍の読書に要する時間を予測する所要時間予測手段と
    を備えることを特徴とする電子書籍装置。
19. 電子書籍と電子書籍の属性とを対応づけて蓄積した電子書籍蓄積手段とともに用いられる電子書籍装置における表示方法であって、
    電子書籍に対するユーザの操作履歴を蓄積する操作履歴蓄積ステップと、
    前記操作履歴蓄積ステップで蓄積された操作履歴に基づいて、前記属性ごとの読書速度を算出して記憶する読書速度算出ステップと、
    前記電子書籍蓄積手段に蓄積された電子書籍の属性を少なくとも１つ特定する属性特定ステップと、
    前記読書速度算出ステップで算出され記憶された読書速度を参照することで、前記属性特定ステップで特定された属性に対応する読書速度を特定し、特定した読書速度に基づいて、前記電子書籍蓄積ステップに蓄積された電子書籍の読書に要する時間を予測する所要時間予測ステップと、
    予測された時間を表示する表示ステップと
    を含むことを特徴とする電子書籍における表示方法。
20. 電子書籍と電子書籍の属性とを対応づけて蓄積した電子書籍蓄積手段とともに用いられる電子書籍装置のためのプログラムであって、
    請求項１９記載の電子書籍装置における表示方法に含まれるステップをコンピュータに実行させる
    ことを特徴とするプログラム。

Images