JP2006048320A - 情報処理装置および方法、記録媒体、並びにプログラム - Google Patents

情報処理装置および方法、記録媒体、並びにプログラム Download PDF

Info

Publication number
JP2006048320A
JP2006048320A JP2004227540A JP2004227540A JP2006048320A JP 2006048320 A JP2006048320 A JP 2006048320A JP 2004227540 A JP2004227540 A JP 2004227540A JP 2004227540 A JP2004227540 A JP 2004227540A JP 2006048320 A JP2006048320 A JP 2006048320A
Authority
JP
Japan
Prior art keywords
content
user
feature amount
weight
contents
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.)
Abandoned
Application number
JP2004227540A
Other languages
English (en)
Inventor
Yoshiyuki Kobayashi
由幸 小林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP2004227540A priority Critical patent/JP2006048320A/ja
Priority to US11/193,485 priority patent/US20060036597A1/en
Priority to CN2005101160028A priority patent/CN1750004B/zh
Publication of JP2006048320A publication Critical patent/JP2006048320A/ja
Abandoned legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

【課題】 各特徴量に対するユーザの感じ方の個人差を考慮して、指定コンテンツと検索または推薦の対象となる対象コンテンツとの類似度を計算する。
【解決手段】 ユーザは、入力部２１において、ユーザコンテンツDB２３のなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度を入力する。重み計算部２６は、指定コンテンツに対するユーザの嗜好度と、指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重みを計算する。類似度計算部２７は、重み計算部２６から供給される、ユーザの各特徴量の重みを用いて、任意の検索対象コンテンツ間の類似度を計算する。そして、類似度が高い検索対象コンテンツが、ユーザの嗜好に合致するコンテンツとしてユーザに提示される。本発明は、例えば、コンテンツを検索する情報処理装置に適用できる。
【選択図】図１

Description

本発明は、情報処理装置および方法、記録媒体、並びにプログラムに関し、特に、各特徴量に対するユーザの感じ方の個人差を考慮して、指定コンテンツと検索または推薦の対象となる対象コンテンツとの類似度を計算する情報処理装置および方法、記録媒体、並びにプログラムに関する。
テレビジョン放送やラジオ放送などの番組、映画、写真等の画像、楽曲（音声）、または、インターネット上のサイトなどに掲載されている、料理や旅行、ショッピングなどの各種の情報など様々なコンテンツにおいて、数多くのコンテンツのなかから、ユーザ自身の嗜好に合うコンテンツを検索することがある。
ユーザの嗜好に合うコンテンツを検索する方法では、コンテンツの特徴を表す数種類のコンテンツの特徴量を用いて、ユーザが指定した指定コンテンツと検索対象となる検索対象コンテンツとの特徴量の類似度を計算し、指定コンテンツと類似度が高い検索対象コンテンツをユーザの嗜好に合うコンテンツとする方法がある。
例えば、特許文献１では、検索キーとなる１つの検索キーオブジェクト（コンテンツ）を入力し、その検索キーオブジェクトの特徴量と、特徴量格納・管理装置に格納されているオブジェクトの特徴量とから、両者の類似度を算出し、その類似度が所定の値以上のオブジェクトについて類似度の高い順に順序付けが行われて出力される類似オブジェクト検索装置が開示されている。
従来、コンテンツ検索において指定コンテンツと検索対象コンテンツとの特徴量の類似度を計算する場合、コンテンツの各特徴量に対する重要度（重み）は、すべて同等であるものとして計算されている。
特開平１０−１７１８２６号公報
しかしながら、コンテンツにユーザの嗜好の度合いがあるように、コンテンツの特徴量に対しても、ユーザの嗜好の度合いがある。例えば、コンテンツとして楽曲を考えた場合、コンテンツの特徴量を、例えば、テンポ、ムード、音の多さとすると、あるユーザは、テンポと音の多さは、重要視していないが、ムードについては、コンテンツの検索において重要視している、などということがある。
ところが、従来のコンテンツの検索においては、コンテンツの各特徴量のうち、ユーザがどの特徴量に敏感であるか（重要視しているか）を考慮して、換言すれば、各特徴量に対するユーザの感じ方の個人差を考慮して、指定コンテンツと検索対象コンテンツとの類似度を計算していなかった。従って、コンテンツ検索では、ユーザの嗜好に最も合致する（最適な）コンテンツを検索（提示）しているとは言い難かった。
本発明は、このような状況に鑑みてなされたものであり、各特徴量に対するユーザの感じ方の個人差を考慮して、指定コンテンツと検索または推薦の対象となる対象コンテンツとの類似度を計算することができるようにするものである。
本発明の情報処理装置は、対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重みを計算する重み計算手段と、重み計算手段により計算されたユーザの各特徴量の重みを用いて、任意の対象コンテンツ間の類似度を計算する類似度計算手段とを備えることを特徴とする。
類似度計算手段により計算された、任意の対象コンテンツ間の類似度を用いて、各対象コンテンツの合成スコアを計算する合成スコア計算手段と、合成スコアが大きい対象コンテンツを、ユーザの嗜好に合致するコンテンツとして提示する提示手段とをさらに設けることができる。
指定コンテンツを表す指定コンテンツ情報と、指定コンテンツに対するユーザの嗜好度を入力する入力手段をさらに設け、重み計算手段には、入力手段により入力された指定コンテンツ情報が表す指定コンテンツとユーザの嗜好度とを用いて、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重みを計算させることができる。
重み計算手段には、ユーザが敏感な種類の特徴量に対しては、ユーザの重みが大きく、ユーザが鈍感な種類の特徴量に対しては、ユーザの重みが小さくなるように、コンテンツの各特徴量に対するユーザの重みを計算させることができる。
指定コンテンツの特徴量を抽出する抽出手段をさらに設けることができる。
本発明の情報処理方法は、対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重みを計算する重み計算ステップと、重み計算ステップの処理により計算されたユーザの各特徴量の重みを用いて、任意の対象コンテンツ間の類似度を計算する類似度計算ステップとを含むことを特徴とする。
本発明の記録媒体に記録されているプログラムは、対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重みを計算する重み計算ステップと、重み計算ステップの処理により計算されたユーザの各特徴量の重みを用いて、任意の対象コンテンツ間の類似度を計算する類似度計算ステップとを含むことを特徴とする。
本発明のプログラムは、対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重みを計算する重み計算ステップと、重み計算ステップの処理により計算されたユーザの各特徴量の重みを用いて、任意の対象コンテンツ間の類似度を計算する類似度計算ステップとを含む処理をコンピュータに実行させることを特徴とする。
本発明においては、対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重みが計算され、計算されたユーザの各特徴量の重みを用いて、任意の対象コンテンツ間の類似度が計算される。
本発明によれば、各特徴量に対するユーザの感じ方の個人差を考慮して、指定コンテンツと検索または推薦の対象となる対象コンテンツとの類似度を計算することができる。
以下に本発明の実施の形態を説明するが、請求項に記載の構成要件と、発明の実施の形態における具体例との対応関係を例示すると、次のようになる。この記載は、請求項に記載されている発明をサポートする具体例が、発明の実施の形態に記載されていることを確認するためのものである。従って、発明の実施の形態中には記載されているが、構成要件に対応するものとして、ここには記載されていない具体例があったとしても、そのことは、その具体例が、その構成要件に対応するものではないことを意味するものではない。逆に、具体例が構成要件に対応するものとしてここに記載されていたとしても、そのことは、その具体例が、その構成要件以外の構成要件には対応しないものであることを意味するものでもない。
さらに、この記載は、発明の実施の形態に記載されている具体例に対応する発明が、請求項に全て記載されていることを意味するものではない。換言すれば、この記載は、発明の実施の形態に記載されている具体例に対応する発明であって、この出願の請求項には記載されていない発明の存在、すなわち、将来、分割出願されたり、補正により追加される発明の存在を否定するものではない。
請求項１に記載の情報処理装置は、
複数種類の特徴量によってコンテンツの特徴が表されている、検索または推薦の対象となる複数の対象コンテンツに対する処理を行う情報処理装置（例えば、図１のコンテンツ提示装置１１）において、
前記対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の前記指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対する前記ユーザの重みを計算する重み計算手段（例えば、図１の重み計算部２６）と、
前記重み計算手段により計算された前記ユーザの前記各特徴量の重みを用いて、任意の前記対象コンテンツ間の類似度を計算する類似度計算手段（例えば、図１の類似度計算部２７）と
を備えることを特徴とする。
請求項２に記載の情報処理装置は、
前記類似度計算手段により計算された、任意の前記対象コンテンツ間の前記類似度を用いて、各対象コンテンツの合成スコアを計算する合成スコア計算手段（例えば、図１の合成部２９）と、
前記合成スコアが大きい対象コンテンツを、前記ユーザの嗜好に合致するコンテンツとして提示する提示手段（例えば、図１の制御部２２）と
をさらに備えることを特徴とする。
請求項３に記載の情報処理装置は、
前記指定コンテンツを表す指定コンテンツ情報と、前記指定コンテンツに対する前記ユーザの嗜好度を入力する入力手段（例えば、図１の入力部２１）をさらに備え、
前記重み計算手段は、前記入力手段により入力された前記指定コンテンツ情報が表す前記指定コンテンツと前記ユーザの嗜好度とを用いて、所定数の前記指定コンテンツに対する前記ユーザの嗜好度と、所定数の前記指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対する前記ユーザの重みを計算する
ことを特徴とする。
請求項５に記載の情報処理装置は、
前記指定コンテンツの特徴量を抽出する抽出手段（例えば、図１の特徴量抽出部２４）をさらに備える
ことを特徴とする。
請求項６に記載の情報処理方法は、
複数種類の特徴量によってコンテンツの特徴が表されている、検索または推薦の対象となる複数の対象コンテンツに対する処理を行う情報処理方法において、
前記対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の前記指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対する前記ユーザの重みを計算する重み計算ステップ（例えば、図１６のステップＳ３の処理）と、
前記重み計算ステップの処理により計算された前記ユーザの前記各特徴量の重みを用いて、任意の前記対象コンテンツ間の類似度を計算する類似度計算ステップ（例えば、図１７のステップＳ２２の処理）と
を含むことを特徴とする。
請求項７に記載の記録媒体のプログラム、請求項８に記載のプログラムの各ステップの具体例も、請求項６に記載の情報処理方法の各ステップの発明の実施の形態における具体例と同様である。
以下、図を参照して、本発明の実施の形態について説明する。
図１は、本発明を適用したコンテンツ提示装置の一実施の形態の構成例（機能ブロック図）を示している。
図１のコンテンツ提示装置１１は、ユーザが指定したコンテンツ（指定コンテンツ）を基に、ユーザに最適な（ユーザの嗜好に合致する）コンテンツを検索し、ユーザに提示する。
ここで、検索の対象となるコンテンツを検索対象コンテンツ（対象コンテンツ）と称する。また、コンテンツとは、例えば、テレビジョン放送やラジオ放送などの番組、映画、写真等の画像、楽曲（音声）、または、インターネット上のサイトなどに掲載されている、料理や旅行、ショッピングなどの各種のカテゴリの情報を表す。但し、本実施の形態では、コンテンツは楽曲であるとして、ユーザの嗜好に合致する楽曲を提示する例について説明する。
コンテンツ提示装置１１の入力部２１において、ユーザは、ユーザコンテンツＤＢ(Data Base)２３に記憶されているコンテンツ（楽曲）（検索対象コンテンツ）のなかで、既に聴いたことがある楽曲を複数（所定数）指定するとともに、その指定コンテンツに対するユーザの嗜好度を入力する。
入力部２１は、ユーザに指定された指定コンテンツを表す指定コンテンツ情報と、その指定コンテンツに対するユーザの嗜好度（以下、ユーザ嗜好度ともいう）とを制御部２２に供給する。
入力部２１における、コンテンツ（指定コンテンツ）を指定する方法と、その指定コンテンツに対する嗜好度の入力方法（U/I（User Interface））は、特に限定されず、どのような方法でもよい。例えば、ユーザコンテンツＤＢ２３に記憶されている楽曲のリストを図示せぬLCD (Liquid Crystal Display)などの表示部に表示させ、図示せぬキーボードまたはマウス等により、ユーザが、表示されている楽曲のリストのなかからコンテンツを指定し、その後、その指定コンテンツに対する嗜好度を数値入力するようにさせることができる。
制御部２２は、入力部２１から供給される指定コンテンツ情報とユーザ嗜好度とを重み計算部２６に供給する。また、制御部２２は、指定コンテンツ情報を類似度計算部２７にも供給する。
また、制御部２２には、ソート部３０から、各検索対象コンテンツの合成スコアＳ（後述）が大きい順にソートされた検索対象コンテンツのリストが供給される。制御部２２は、ソート部３０から供給される検索対象コンテンツのリストを、表示部に表示させユーザに提示する。なお、制御部２２は、合成スコアＳの一番大きい検索対象コンテンツを、ユーザコンテンツＤＢ２３からコンテンツ再生部３２に供給させ、再生させることもできる。
ユーザコンテンツＤＢ２３は、ユーザの嗜好に合致するコンテンツを検索する対象である検索対象コンテンツを記憶している。また、入力部２１において、ユーザは、ユーザコンテンツＤＢ２３に記憶されている検索対象コンテンツのなかから、指定コンテンツを入力するので、検索対象コンテンツには、指定コンテンツであるものも含まれる。ユーザコンテンツＤＢ２３に記憶されているコンテンツは、例えば、外部I/F部３１を介して接続される音楽配信（Electronic Music Distribution：ＥＭＤ）サーバなどの外部サーバ（図示せず）からダウンロードされる。
また、ユーザコンテンツＤＢ２３に記憶されているコンテンツは、必要に応じて、特徴量抽出部２４またはコンテンツ再生部３２に供給される。なお、ユーザコンテンツＤＢ２３には、上述したように、外部I/F３１を介して外部サーバから取得したコンテンツの他、例えば、DVD(Digital Versatile Disc)や半導体メモリなどの所定の記録媒体（リムーバブルメディア）から、図示せぬドライブなどを介して取得されるコンテンツも記憶させることができる。
特徴量抽出部２４は、ユーザコンテンツＤＢ２３に記憶されている全てのコンテンツ（指定コンテンツを含む全ての検索対象コンテンツ）についてコンテンツの特徴量を抽出し、抽出した各特徴量の値を重み計算部２６および類似度計算部２７に供給する。なお、特徴量抽出部２４は、ユーザコンテンツＤＢ２３に記憶されているコンテンツのうち、一度特徴量を抽出したコンテンツについては、特徴量ＤＢ２５に記憶させておくようにして、特徴量ＤＢ２５から取り出すことにより、重み計算部２６および類似度計算部２７にコンテンツの特徴量を供給することができる。
ここで、本実施の形態では、コンテンツを楽曲としているので、コンテンツの特徴量の種類としては、例えば、テンポ、ムード、および音の多さを採用する。また、コンテンツの特徴量の値は、０乃至１の範囲の数値となっており、これにより、その特徴の度合いを表す。例えば、テンポ（の特徴量）については、その楽曲が遅いテンポの曲であるか、または速いテンポの曲であるかが０乃至１の範囲の数値で表されている。また、ムード（の特徴量）については、その楽曲が暗いムードの曲であるか、または明るいムードの曲であるかが０乃至１の範囲の数値で表されている。さらに、音の多さ（の特徴量）については、その楽曲がソロの演奏による曲であるか、または多数の楽器を用いた演奏による曲であるかが０乃至１の範囲の数値で表されている。
なお、コンテンツの特徴量の種類の数は、上述の３つに限定されず、２以下でも、４以上でもよい。その他の楽曲の特徴量の種類としては、例えば、メロディー、コード進行などを採用することができる。
また、特徴量抽出部２４は、外部I/F部３１を介して外部のサーバから供給されるコンテンツの特徴量を抽出し、特徴量ＤＢ２５に記憶させることもできる。
さらに、特徴量抽出部２４は、コンテンツ提示装置１１がユーザに操作されていない時間（コンテンツ提示装置１１が待機状態の時間）を利用して、ユーザコンテンツＤＢ２３に記憶されていて、まだ特徴量が抽出されていないコンテンツの特徴量を抽出し、特徴量ＤＢ２５に記憶させておくようにしても良い。
特徴量ＤＢ２５は、特徴量抽出部２４から供給されるコンテンツの特徴量を記憶し、特徴量抽出部２４に供給する。
重み計算部２６には、指定コンテンツ情報とユーザ嗜好度が制御部２２から供給される。また、重み計算部２６には、ユーザコンテンツＤＢ２３に記憶されている全コンテンツの各特徴量（テンポ、ムード、および音の多さ）の値が特徴量抽出部２４から供給される。
重み計算部２６は、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重み（各特徴量の重み係数）を計算し、類似度計算部２７に供給する。なお、コンテンツの各特徴量の重み係数の求め方については後述する。
類似度計算部２７には、上述したように、ユーザコンテンツＤＢ２３に記憶されている全コンテンツの各特徴量（テンポ、ムード、および音の多さ）の値が特徴量抽出部２４から供給される。また、類似度計算部２７には、コンテンツの各特徴量に対するユーザの重み（各特徴量の重み係数）が重み計算部２６から供給される。さらに、類似度計算部２７には、制御部２２から指定コンテンツ情報が供給される。
類似度計算部２７は、重み計算部２６から供給されるユーザの重みによって特徴量抽出部２４から供給されるコンテンツの各特徴量の値を重み付けし、重み付けられたコンテンツの特徴量を用いて、指定コンテンツと検索対象コンテンツそれぞれとの類似度を、全ての指定コンテンツについて計算し、スコア計算部２８に供給する。
ここで、指定コンテンツと検索対象コンテンツとの類似度を表す指標としては、例えば、テンポ、ムード、音の多さの特徴量それぞれを軸とする３次元空間における、指定コンテンツのベクトルと検索対象コンテンツのベクトルのユークリッド距離を採用することができる。
即ち、指定コンテンツと検索対象コンテンツとの距離Ｄ（類似度）は、
Ｄ＝sqrt｛（検索対象コンテンツ.テンポ−指定コンテンツ.テンポ）2
＋（検索対象コンテンツ.ムード−指定コンテンツ.ムード）2
＋（検索対象コンテンツ.音の多さ−指定コンテンツ.音の多さ）2｝
・・・・・・・・・・・・（１）
と表すことができる。そして、式（１）のコンテンツの各特徴量に対して、重み計算部２６から供給される重み係数が乗算されるので、最終的な指定コンテンツと検索対象コンテンツとの類似度Ｄ’は、式（２）で表すことができる。
Ｄ’＝sqrt｛
((検索対象コンテンツ.テンポ−指定コンテンツ.テンポ)×テンポの重み係数)2
＋((検索対象コンテンツ.ムード−指定コンテンツ.ムード)×ムードの重み係数)2
＋((検索対象コンテンツ.音の多さ−指定コンテンツ.音の多さ)×音の多さの重み係数)2｝
・・・・・・・・・・・・（２）
なお、式（１）と式（２）において、検索対象コンテンツ.テンポは、検索対象コンテンツのテンポの特徴量（の値）を表し、検索対象コンテンツ.ムードは、検索対象コンテンツのムード（の値）を表し、検索対象コンテンツ.音の多さは、検索対象コンテンツの音の多さ（の値）を表す。指定コンテンツについても同様である。また、sqrtは、平方根（√）を表す。
また、指定コンテンツと検索対象コンテンツとの類似度を表す指標としては、上述のユークリッド距離に限定されず、例えば、指定コンテンツおよび検索対象コンテンツそれぞれのベクトルの内積などを採用することもできる。
ここで、指定コンテンツの総数をｎ個、検索対象コンテンツの総数をｍ個（ｎ，ｍは、２以上の任意の整数）とした場合、１つの指定コンテンツに対して、ｍ個の類似度Ｄ’が計算されるので、全部でｎ×ｍ個の類似度Ｄ’がスコア計算部２８に供給される。
スコア計算部２８は、類似度計算部２７から供給される、指定コンテンツと検索対象コンテンツとの類似度Ｄ’を用いて、指定コンテンツと検索対象コンテンツとのスコアｓを計算し、合成部２９に供給する。従って、スコア計算部２８においても、類似度計算部２７と同様のｎ×ｍ個のスコアｓが計算され、合成部２９に供給される。
スコア計算部２８では、指定コンテンツと検索対象コンテンツとの類似度Ｄ’が高いほどスコアｓが大きくなるようにスコアｓが計算される。従って、類似度Ｄ’として上述の式（２）を用いた場合、類似度Ｄ’は、その値が小さいほど類似度が高いことを表すことになるので、スコアｓは、例えば、式（３）を採用することができる。
ｓ＝１÷（Ｄ’＋α）
・・・・・・・・・・・・（３）
なお、式（３）において、αは、類似度Ｄ’がゼロの場合（指定コンテンツと検索対象コンテンツとが完全に一致する場合）でも分母がゼロとならないようにするための所定の定数を表す。
また、類似度Ｄ’を、その値が大きくなるほど類似度が高くなるような指標を用いた場合には、類似度Ｄ’の値をそのままスコアｓとすることができる。この場合、スコア計算部２８は省略することができる。
合成部２９は、検索対象コンテンツごとに指定コンテンツと検索対象コンテンツとのスコアｓを合成した各検索対象コンテンツの合成スコアＳを計算する。即ち、合成部２９は、検索対象コンテンツごとに指定コンテンツと検索対象コンテンツとのスコアｓを加算することにより、各検索対象コンテンツの合成スコアＳを計算する。従って、合成スコアＳが大きいほど、ユーザに最適な（ユーザの嗜好に類似する）コンテンツであることを表す。合成部２９では、各検索対象コンテンツについてｎ個のスコアｓの加算が行われ、ｍ個の合成スコアＳ（各検索対象コンテンツの合成スコアＳ）がソート部３０に供給される。
ソート部３０は、合成部２９から供給されるｍ個の合成スコアＳ（各検索対象コンテンツの合成スコアＳ）を、その合成スコアＳが大きい順にソートする。そして、ソート部３０は、合成スコアＳが大きい順に（ユーザの嗜好に合致する順に）ソートされた検索対象コンテンツのリストを制御部２２に供給する。
外部I/F(Inter Face)部３１は、例えば、ADSL（Asymmetric Digital Subscriber Line）モデムや、LAN (Local Area Network)カード等で構成され、インターネットなどの各種のネットワークとの間の通信インタフェースとして機能する。外部I/F部３１は、制御部２２の制御の下、図示せぬネットワークを介して、外部サーバからコンテンツをダウンロードし、ユーザコンテンツDB２３または特徴量抽出部２４に供給する。
コンテンツ再生部３２は、制御部２２の制御の下、ユーザコンテンツDB２３から供給されるコンテンツを再生する。再生された楽曲は、図示せぬスピーカなどから出力される。
以上のように構成される図１のコンテンツ提示装置１１では、入力部２１において、コンテンツの指定と、その指定コンテンツに対する嗜好度の入力がユーザにより行われる。
特徴量抽出部２４は、ユーザコンテンツＤＢ２３に記憶されている全てのコンテンツ（指定コンテンツおよび検索対象コンテンツ）についてコンテンツの特徴量（の値）を抽出し、重み計算部２６および類似度計算部２７に供給する。重み計算部２６は、指定コンテンツに対するユーザの嗜好度と、その指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重み（各特徴量の重み係数）を計算し、類似度計算部２７に供給する。類似度計算部２７は、重み計算部２６から供給されたコンテンツの各特徴量に対する重みを付加した、指定コンテンツと検索対象コンテンツとの類似度Ｄ’を計算する。
さらに、スコア計算部２８において、指定コンテンツと検索対象コンテンツとの類似度Ｄ’がスコアｓに変換され、合成部２９において、検索対象コンテンツごとに、スコアｓが加算される（合成スコアＳが計算される）。そして、ソート部３０から制御部２２に合成スコアＳが大きい順の検索対象コンテンツのリストが供給され、ユーザに提示される。
図２は、ユーザコンテンツＤＢ２３に記憶されている全ての検索対象コンテンツについて抽出された特徴量のデータ例を示している。
ユーザコンテンツＤＢ２３には、コンテンツＡ1乃至コンテンツＡmのｍ個の検索対象コンテンツが記憶されており、特徴量抽出部２４によって、図２に示すように、テンポ、ムード、および音の多さの各特徴量が抽出され、重み計算部２６と類似度計算部２７とに供給される。
具体的には、特徴量抽出部２４によって抽出された各特徴量の値は、図２に示すように、コンテンツＡ1のテンポが0.4であり、コンテンツＡ1のムードが0.2であり、コンテンツＡ1の音の多さが0.8となっている。また、コンテンツＡ2のテンポが0.3であり、コンテンツＡ2のムードが0.5であり、コンテンツＡ2の音の多さが0.5となっている。さらに、コンテンツＡmのテンポが0.4であり、コンテンツＡmのムードが0.6であり、コンテンツＡmの音の多さが0.1となっている。なお、コンテンツＡ3乃至コンテンツＡm-1のデータについては図示が省略されている。
そして、ユーザコンテンツＤＢ２３に記憶されている全検索対象コンテンツＡ1乃至Ａmのなかから、ユーザは、入力部２１において、図３に示すように、コンテンツＡ1，Ａ6，Ａ9，Ａ14，・・・，Ａ23の計２０個のコンテンツ（指定コンテンツ）を指定するとともに、その指定コンテンツに対するユーザの嗜好度を入力したとする。ここで、指定コンテンツに対するユーザの嗜好度は、大好きを１とし、大嫌いを−１とする１乃至−１の範囲の値で入力されている。
具体的には、入力部２１において、コンテンツＡ1のユーザ嗜好度は、大好きであることを表す＋１、コンテンツＡ6の嗜好度は、大嫌いであることを表す−１、コンテンツＡ9の嗜好度は、＋０．２、コンテンツＡ14の嗜好度は、−０．３，・・・・、コンテンツＡ23の嗜好度は、好きであることを表す＋０．５が、それぞれ入力されている。なお、図３において、指定コンテンツの左側のNO.1乃至NO.20の表示は、指定コンテンツの入力個数を表している。従って、本実施の形態では、指定コンテンツの総数は、２０個（ｎ＝２０）であり、検索対象コンテンツの総数は、２３個以上（ｍ≧２３）となっている。
図４は、図２に示した全検索対象コンテンツＡ1乃至Ａmのなかの、図３で入力された指定コンテンツについての特徴量のデータ例を示している。
具体的には、コンテンツＡ1のテンポが0.4であり、コンテンツＡ1のムードが0.2であり、コンテンツＡ1音の多さが0.8となっている。また、コンテンツＡ6のテンポが0.9であり、コンテンツＡ6のムードが0.4であり、コンテンツＡ6の音の多さが0.2となっている。さらに、コンテンツＡ23はテンポが0.2であり、コンテンツＡ23のムードが0.8であり、コンテンツＡ23の音の多さが0.1となっている。なお、指定コンテンツのその他のデータについては図示が省略されている。
次に、図５乃至図１０を参照して、コンテンツ提示装置１１の重み計算部２６における、コンテンツの各特徴量に対するユーザの重み（各特徴量の重み係数）の算出方法について説明する。なお、図５乃至図１０を参照して説明する処理は、特徴量（の種類）ごとに行われる。
重み計算部２６は、コンテンツの特徴量の値とユーザ嗜好度との間に所定の相関関係（因果関係）がない特徴量については、重み係数が小さく、コンテンツの特徴量の値とユーザ嗜好度との間に所定の相関関係（因果関係）がある特徴量については、重み係数が大きくなるように重み係数を計算する。換言すれば、重み計算部２６は、コンテンツの特徴量の値とユーザ嗜好度とが無関係と考えられる特徴量については、重み係数を小さくし、コンテンツの特徴量の値とユーザ嗜好度との間に明らかな因果関係が見られる特徴量については、重み係数を大きくする。
第１の値（第１の関数による値）と第２の値（第２の関数による値）との相関関係を求める方法としては、統計手法としての相関係数または順位相関係数がある。しかしながら、相関係数または順位相関係数は、ユーザの好みを反映させることを目的とするコンテンツの特徴量の重み係数としては適さない。そこで、重み計算部２６は、以下のようにして、コンテンツの特徴量に対する重み係数を算出する。
初めに、重み計算部２６は、図５に示すように、１つの特徴量の種類ごとに、特徴量の値をｘ軸、ユーザ嗜好度をｙ軸とするｘｙ平面上に指定コンテンツの２０個のデータをプロットする。
例えば、図５は、図４の指定コンテンツＡ1，Ａ6，・・・，Ａ23（以下、指定コンテンツＡ1乃至Ａ23という）の、例えば、テンポに対する特徴量の値と、ユーザ嗜好度をプロットした例を示している。
図５中の星印それぞれは、指定コンテンツＡ1乃至Ａ23を表している。なお、本実施の形態では、コンテンツの特徴量の値は、０乃至１の範囲の数値で表し、ユーザ嗜好度は、１乃至−１の範囲の値で表すこととしているので、ｘ軸の取り得る値の範囲は、０乃至１となり、ｙ軸の取り得る値の範囲は、１乃至−１となっている。
次に、図５に示すｘｙ平面の、０乃至１の範囲を有するｘ軸を、２k個（ｋは正の整数）の区間に分割し、ｘの小さい方から、ｘ’＝１，２，３，・・，２kとする。ここで、ｘ軸の０乃至１の範囲を所定数の区間に分割する区間数としては、例えば、２4＝１６区間や２7＝１２８区間などとすることができる。なお、計算の便宜上、分割数を２のべき乗としているが、分割数は必ずしも２のべき乗でなくてもよい。
図６は、ｘ軸の０乃至１の範囲を１６区間に分割した例を示している。
重み計算部２６は、図６に示す各区間ｘ’＝１，２，３，・・・，１６のそれぞれにおけるユーザ嗜好度Ｙ（x’）を計算する。各区間のユーザ嗜好度Ｙ（x’）としては、例えば、区間内にプロットされている指定コンテンツのユーザ嗜好度の合計値が採用される。即ち、１区間内に指定コンテンツＡ1乃至Ａ23が１つもプロットされていなければ０、１区間内に１つの指定コンテンツがプロットされていれば、そのプロットされている指定コンテンツのユーザ嗜好度、１区間内に複数の指定コンテンツがプロットされていれば、そのプロットされている複数の指定コンテンツのユーザ嗜好度の合計値がＹ（x’）となる。
図６に示す１６区間の各区間ｘ’について計算されたユーザ嗜好度Ｙ（x’）を図示すると図７に示すようになる。
図７では、例えば、ｘ’＝１および２では、１区間に１つの星印（指定コンテンツの特徴量の値）がプロットされており、ユーザ嗜好度Ｙ（x）は、その指定コンテンツの特徴量の値（星印）と重なっている。
また、例えば、ｘ’＝３では、１区間に２つの星印がプロットされており、正と負の特徴量の値が合計されて、ユーザ嗜好度Ｙ（x）は０に近い値となっている。
さらに、例えば、ｘ’＝９では、１区間に１つの星印（指定コンテンツの特徴量の値）もプロットされていないので、ユーザ嗜好度Ｙ（x）は０となっている。
ここで、各区間ｘ’について計算されたユーザ嗜好度Ｙ（x’）は、離散関数であると言える。以下において、各区間ｘ’のユーザ嗜好度Ｙ（x’）を離散関数Ｙ（x’）という。
重み計算部２６は、離散関数Ｙ（x’）に対して低域通過フィルタ（Low Pass Filter）を用いたフィルタ処理を施す。
図８は、図７に示す離散関数Ｙ（x’）に低域通過フィルタを施した後の離散関数Ｙf（x’）を示している。
入力部２１においてユーザが指定したコンテンツ数（サンプリング数）が少ない場合、例えば、ｘ’＝１および２などのように１区間内で１つの指定コンテンツの嗜好度の値しかない場合など、離散関数Ｙ（x’）は、その区間内でサンプリングされた１つのユーザ嗜好度の値に大きく依存するので、離散関数Ｙ（x’）は極端な波形となることがある。
従って、離散関数Ｙ（x’）に低域通過フィルタを施すことにより、特異なサンプリング値を除去し、図８に示すように、滑らかな曲線を得ることができる。
次に、重み計算部２６は、全ての区間ｘ’におけるフィルタ処理後の離散関数Ｙf（x’）の平均値ＹAVE（ｘ’）を求める。いまの場合、区間数を１６としているので、平均値ＹAVE（ｘ’）は、ＹAVE（ｘ’）＝ΣＹf（x’）÷１６で求めることができる。なお、Σは、区間ｘ’についてのサメーションを表す。
図９は、図８のフィルタ処理後の離散関数Ｙf（x’）について計算された平均値ＹAVE（ｘ’）の例を示している。
即ち、図９では、図８のフィルタ処理後の離散関数Ｙf（x’）の全区間の平均値ＹAVE（ｘ’）が、点線で示されている。
重み計算部２６は、離散関数Ｙf（x’）と平均値ＹAVE（ｘ’）とを用いて次式（４）により、コンテンツの特徴量に対する重み係数（ユーザの重み）Ｚを求める。
Ｚ＝Σabs（Ｙf（ｘ’）−ＹAVE（ｘ’））÷１６
・・・・・・・・・・・・（４）
ここで、Σは、区間ｘ’についてのサメーションを表し、absは、絶対値を表す。
即ち、式（４）で求められる重み係数Ｚは、図１０で斜線を付して示される離散関数Ｙf（ｘ’）と平均値ＹAVE（ｘ’）とで囲まれる部分の面積（Σabs（Ｙf（ｘ’）−ＹAVE（ｘ’）））の全区間の平均値を表している。また、重み係数Ｚの値は、Σabs（Ｙf（ｘ’）−ＹAVE（ｘ’））で表される図１０の斜線部分の面積をｘ’の区間数で除算されているので、区間数に拠らず一定の範囲内の数値となる。
また、重み計算部２６は、式（４）に代えて、次式（５）を採用し、コンテンツの特徴量に対する重み係数（ユーザの重み）Ｚを求めるようにすることもできる。
Ｚ＝Σ（Ｙf（ｘ’）−ＹAVE（ｘ’））2÷１６
・・・・・・・・・・・・（５）
式（５）において、Σは、区間ｘ’についてのサメーションを表す。
以上のようにして、重み計算部２６は、１つの特徴量（の種類）に対する重み係数を求める。そして、この処理を全ての特徴量（の種類）について行うことにより、全ての特徴量の重み係数を求めることができる。
図１１乃至図１３は、あるユーザ（同一ユーザ）について、テンポ、ムード、および音の多さの各特徴量に対する重み係数を求めた例を示している。
図１１は、ユーザのテンポに対する指定コンテンツの特徴量の値とユーザ嗜好度の分布を示している。
ユーザは、図１１に示すように、どのようなテンポ（特徴量）の値に対してもユーザ嗜好度が大きい（好きな）ものと小さい（嫌いな）ものが点在しており、偏りがない。従って、離散関数Ｙf（ｘ’）は、ｘ’軸にほぼ平行で、かつ平均値ＹAVE（ｘ’）に近い値となっている。ここで、図１１に示すユーザの指定コンテンツの嗜好度によって式（４）で求められる、ユーザのテンポに対する重み係数Ｚは、例えば、０．１である。
図１２は、ユーザのムードに対する指定コンテンツの特徴量の値とユーザ嗜好度の分布を示している。
図１２では、ムード（特徴量）の値が小さいコンテンツと大きいコンテンツは、平均値ＹAVE（ｘ’）に対して離散関数Ｙf（x’）の値が大きく、ムードの値が中間的なコンテンツは、平均値ＹAVE（ｘ’）に対して離散関数Ｙf（x’）の値が小さいという傾向が顕著に現れている。即ち、ユーザは、ムードが暗い楽曲と明るい楽曲は好きだが、ムードが暗いとも明るいともつかないような楽曲は嫌いであるという傾向が顕著に現れている。ここで、図１２に示すユーザの指定コンテンツの嗜好度によって式（４）で求められる、ユーザのムードに対する重み係数Ｚは、例えば、０．３である。
図１３は、ユーザの音の多さに対する指定コンテンツの特徴量の値とユーザ嗜好度の分布を示している。
図１３では、音の多さ（特徴量）の値が小さいコンテンツは、平均値ＹAVE（ｘ’）に対して離散関数Ｙf（x’）の値が大きく、音の多さ（特徴量）の値が大きいコンテンツは、平均値ＹAVE（ｘ’）に対して離散関数Ｙf（x’）の値が小さいという傾向が顕著に現れている。即ち、ユーザは、音が少ない楽曲は好きだが、音が多い楽曲は嫌いであるという傾向が顕著に現れている。ここで、図１３に示すユーザの指定コンテンツの嗜好度によって式（４）で求められる、ユーザの音の多さに対する重み係数Ｚは、例えば、０．３である。
従って、図１１乃至図１３によれば、テンポ（の特徴量）に対する重み係数Ｚとしては０．１が求められ、ムード（の特徴量）に対する重み係数Ｚとしては０．３が求められ、音の多さ（の特徴量）に対する重み係数Ｚとしては０．３が求められる。
即ち、ユーザは、どのようなテンポの楽曲を聴いても特に好きとも嫌いとも思わない。従って、テンポに対してユーザは鈍感である（テンポは、嗜好にほとんど影響しない）ので、０．１の重み係数が与えられる。反対に、ムードと音の多さについては、ユーザは、どのようなムードあるいは音の多さが好きか（または嫌いか）がはっきりしている。従って、ムードおよび音の多さに対してユーザは敏感である（ムードおよび音の多さは、嗜好に影響しやすい）ので、０．３の重み係数が与えられる。
このように、重み計算部２６によれば、ユーザが敏感なムードや音の多さについては、特徴量の重み係数が大きく、ユーザが鈍感なテンポについては、特徴量の重み係数が小さくなるように、コンテンツの各特徴量に対するユーザの重みを計算することができる。
従って、重み計算部２６によれば、ユーザは検索対象コンテンツのなかから、既に聴いたことがあるコンテンツをいくつか指定し、その指定コンテンツに対する好み（嗜好度）を入力するだけで、コンテンツの各特徴量に対する重み係数を自動的に計算することができる。これにより、ユーザは、自らコンテンツの特徴量ごとの重みを入力することなく、自分の各特徴量に対する嗜好をコンテンツの検索に反映させることができる。
以上のように、各特徴量に対する重み係数が計算され、類似度計算部２７に供給されると、類似度計算部２７は、指定コンテンツのそれぞれについて、上述した式（２）により、指定コンテンツと検索対象コンテンツとの類似度Ｄ’を計算する。
図１４は、類似度計算部２７による、図４の指定コンテンツと図２の検索対象コンテンツとの類似度Ｄ’の計算結果の例を示している。
図１４に示す表の行（横の列）は、ユーザコンテンツＤＢ２３に記憶されている全ての検索対象コンテンツＡ1乃至Ａm（Ａj，ｊ＝１乃至ｍ）を表し、表の列（縦の列）は、入力部２１で指定された指定コンテンツＡ1乃至Ａ23（Ａi，ｉ＝１，６，９，・・，２３）を表している。そして、図１４に示す表の、検索対象コンテンツの行と指定コンテンツの列の交差するセルに、その行の検索対象コンテンツとその列の指定コンテンツとの類似度Ｄ’i,jが示されている。
なお、指定コンテンツは、ユーザコンテンツＤＢ２３のなかから指定されているので、同一のコンテンツどうしの類似度Ｄ’i,jも計算されることになる。この場合、例えば、図１４のセル５１に示されているように、同一のコンテンツどうしの類似度Ｄ’1,1（指定コンテンツＡ1と検索対象コンテンツＡ1との類似度Ｄ’1,1）は、０となる。また、同一のコンテンツどうしの類似度Ｄ’i,jが０となることは、上述した式（２）からも明らかである。
図１４のセル５２に示されている、指定コンテンツＡ6と検索対象コンテンツＡ1との類似度Ｄ’6,1は、式（２）に基づいて、次のように計算される。
Ｄ’6,1＝sqrt｛（（コンテンツＡ1.テンポ − コンテンツＡ6.テンポ）×テンポの重み係数｝2
＋（（コンテンツＡ1. ムード − コンテンツＡ6. ムード）×ムードの重み係数)2
＋（（コンテンツＡ1. 音の多さ − コンテンツＡ6. 音の多さ）×音の多さの重み係数)2｝
＝sqrt｛(（0.4−0.9）×0.12＋（（0.2−0.4）×0.3）2＋（（0.8−0.2）×0.3）2｝
＝sqrt｛0.0385｝
≒0.20
同様にして、指定コンテンツＡ9と検索対象コンテンツＡ1との類似度Ｄ’9,1、指定コンテンツＡ14と検索対象コンテンツＡ1との類似度Ｄ’14,1，・・・、および指定コンテンツＡ23と検索対象コンテンツＡ1との類似度Ｄ’23,1が、それぞれ、０．３３，０．１２，・・・，０．２８と計算されている。
さらに、検索対象コンテンツＡ2乃至Ａmについても、同様に、各指定コンテンツとの類似度Ｄ’i,jが計算されている。
そして、図１４に示す類似度Ｄ’i,jが類似度計算部２７からスコア計算部２８に供給されると、スコア計算部２８は、その類似度Ｄ’i,jを基に、式（３）により、指定コンテンツＡiと検索対象コンテンツＡjとのスコアｓi,jを計算する。
図１５は、図１４の指定コンテンツＡiと検索対象コンテンツＡjとの類似度Ｄ’i,jがスコア計算部２８に供給されたときの、指定コンテンツＡiと検索対象コンテンツＡjとのスコアｓi,jと、そのスコアｓi,jに基づいて計算される各検索対象コンテンツの合成スコアＳjの計算例を示している。なお、図１５では、式（３）における所定の定数αは０．１として計算されている。
例えば、図１５のセル６１に示されている、指定コンテンツＡ1と検索対象コンテンツＡ1とのスコアｓ1,1は、式（３）を用いて次のように計算される。
指定コンテンツＡ1と検索対象コンテンツＡ1とのスコアｓ1,1＝１÷（0.00＋0.1）
＝10.0
また、例えば、図１５のセル６２に示されている、指定コンテンツＡ6と検索対象コンテンツＡ1とのスコアｓ6,1は、次のように計算される。
指定コンテンツＡ6と検索対象コンテンツＡ1とのスコアｓ6,1＝１÷（0.20＋0.1）
≒3.3
同様にして、図１５に示すように、全ての指定コンテンツＡiと検索対象コンテンツＡjとのスコアｓi,jが計算され、スコア計算部２８から合成部２９に供給される。
そして、合成部２９は、検索対象コンテンツごとに、指定コンテンツＡiと検索対象コンテンツＡjとのスコアｓi,jを加算することにより、検索対象コンテンツＡjの合成スコアＳjを計算する。
図１５では、合成部２９が計算した各検索対象コンテンツＡjの合成スコアＳjが表の一番右の列に示されている。
即ち、例えば、検索対象コンテンツＡ1（指定コンテンツでもある）の合成スコアＳ1は、次式に示すように、その行方向のスコアｓi,jの加算によって表され、６７．７となっている。
検索対象コンテンツＡ1の合成スコアＳ1
＝10.0+3.3+2.3+4.5+・・・・・・+2.6
＝67.7
また、例えば、検索対象コンテンツＡ2の合成スコアＳ2は、次式に示すように、その行方向のスコアｓi,jの加算によって表され、７０．８となっている。
検索対象コンテンツＡ2の合成スコアＳ2
＝4.3+4.8+5.6+7.1+・・・・・・+4.0
＝70.8
同様にして、ユーザコンテンツＤＢ２３に記憶されている全ての検索対象コンテンツ（コンテンツＡ1乃至Ａm）について、合成スコアＳ1乃至Ｓmが、それぞれ求められている。
そして、ソート部３０において、図１５に示す合成スコアＳ1乃至Ｓmが、その値の大きい順にソートされて、制御部２２に供給される。制御部２２は、合成スコアＳ1乃至Ｓmが大きい順にソートされた検索対象コンテンツのリストをユーザに提示したり、合成スコアの一番大きい検索対象コンテンツをユーザコンテンツＤＢ２３からコンテンツ再生部３２に供給し、再生させる。
次に、図６のフローチャートを参照して、コンテンツ提示装置１１のコンテンツ提示処理について説明する。
初めに、ステップＳ１において、入力部２１は、指定コンテンツ情報とユーザ嗜好度が入力されたか否か、即ち、コンテンツが指定され、その指定されたコンテンツ（指定コンテンツ）に対するユーザの嗜好度が入力されたか否かを判定する。ステップＳ１で、指定コンテンツとユーザ嗜好度が入力されたと判定されるまで、ステップＳ１の処理が繰り返される。
ステップＳ１で、指定コンテンツとユーザ嗜好度が入力されたと判定された場合、ステップＳ２に進み、制御部２２は、ユーザコンテンツＤＢ２３に記憶されている全てのコンテンツ（指定コンテンツを含む全ての検索対象コンテンツ）についてコンテンツの特徴量を抽出し、抽出されたコンテンツの特徴量の値を重み計算部２６および類似度計算部２７に供給して、ステップＳ３に進む。
ステップＳ３において、重み計算部２６は、指定コンテンツのユーザの嗜好度と、その指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対するユーザの重み（各特徴量の重み係数）を計算し、類似度計算部２７に供給して、ステップＳ４に進む。
ステップＳ４において、類似度計算部２７およびスコア計算部２８は、スコア計算処理を行い、ステップＳ５に進む。ステップＳ４のスコア計算処理では、図１４と図１５を参照して説明したように、指定コンテンツＡiと検索対象コンテンツＡjとの類似度Ｄ’i,jおよびスコアｓi,jが求められる。なお、スコア計算処理の詳細については、図１７を参照して後述する。
ステップＳ５において、合成部２９は、検索対象コンテンツごとに、指定コンテンツＡiと検索対象コンテンツＡjとのスコアｓi,jを加算することにより、検索対象コンテンツごとの合成スコア（検索対象コンテンツAjの合成スコアＳj）を計算し、ソート部３０に供給して、ステップＳ６に進む。
ステップＳ６において、ソート部３０は、ステップＳ５で計算された合成スコアＳjが大きい順となるように検索対象コンテンツAjをソートし、その結果得られる検索対象コンテンツのリストを制御部２２に供給する。また、ステップＳ６では、制御部２２は、合成スコアＳjが大きい順にソートされた検索対象コンテンツのリストをユーザに提示したり、合成スコアＳjの一番大きい検索対象コンテンツをユーザコンテンツＤＢ２３からコンテンツ再生部３２に供給し、再生させて、処理を終了する。
次に、図１７のフローチャートを参照して、図１６のステップＳ４におけるスコア計算処理について説明する。
初めに、ステップＳ２１において、類似度計算部２７は、最初の指定コンテンツＡiと検索対象コンテンツＡjとを選択して、ステップＳ２２に進む。
ステップＳ２２において、類似度計算部２７は、式（２）を用いて、指定コンテンツＡiと検索対象コンテンツＡjとの類似度Ｄ’i,jを計算し、その計算結果をスコア計算部２８に供給して、ステップＳ２３に進む。
ステップＳ２３において、類似度計算部２７は、いま選択されている指定コンテンツＡiについて、全ての検索対象コンテンツＡjとの類似度Ｄ’i,jを計算したか否かを判定する。ステップＳ２３で、指定コンテンツＡiについて、全ての検索対象コンテンツＡjとの類似度Ｄ’i,jが計算されていないと判定された場合、ステップＳ２４に進み、類似度計算部２７は、次の検索対象コンテンツＡjを選択して、ステップＳ２２に戻る。
一方、ステップＳ２３で、指定コンテンツＡiについて、全ての検索対象コンテンツＡjとの類似度Ｄ’i,jが計算されたと判定された場合、ステップＳ２５に進む。
ステップＳ２５において、類似度計算部２７は、全ての指定コンテンツについて類似度Ｄ’i,jを計算したか否かを判定する。
ステップＳ２５で、全ての指定コンテンツについて類似度Ｄ’i,jが計算されていないと判定された場合、ステップＳ２６に進み、類似度計算部２７は、次の指定コンテンツＡiを選択して、ステップＳ２２に戻る。
一方、ステップＳ２５で、全ての指定コンテンツについて類似度Ｄ’i,jが計算されたと判定された場合、ステップＳ２７に進む。
ステップＳ２７において、スコア計算部２８は、最初の指定コンテンツＡiと検索対象コンテンツＡjとを選択して、ステップＳ２８に進む。
ステップＳ２８において、スコア計算部２８は、類似度計算部２７から供給された指定コンテンツＡiと検索対象コンテンツＡjとの類似度Ｄ’i,jから、指定コンテンツＡiと検索対象コンテンツＡjとのスコアｓi,jを計算し、合成部２９に供給して、ステップＳ２９に進む。
ステップＳ２９において、スコア計算部２８は、いま選択されている指定コンテンツＡiについて、全ての検索対象コンテンツＡjとのスコアｓi,jを計算したか否かを判定する。ステップＳ２９で、指定コンテンツＡiについて、全ての検索対象コンテンツＡjとのスコアｓi,jが計算されていないと判定された場合、ステップＳ３０に進み、スコア計算部２８は、次の検索対象コンテンツＡjを選択して、ステップＳ２８に戻る。
一方、ステップＳ２９で、指定コンテンツＡiについて、全ての検索対象コンテンツＡjとのスコアｓi,jが計算されたと判定された場合、ステップＳ３１に進む。
ステップＳ３１において、スコア計算部２８は、全ての指定コンテンツについてスコアｓi,jを計算したか否かを判定する。
ステップＳ３１で、全ての指定コンテンツについてスコアｓi,jが計算されていないと判定された場合、ステップＳ３２に進み、スコア計算部２８は、次の指定コンテンツＡiを選択して、ステップＳ２８に戻る。
一方、ステップＳ３１で、全ての指定コンテンツについてスコアｓi,jが計算されたと判定された場合、処理を戻る。
以上のように、図１６のコンテンツ提示処理によれば、入力部２１で入力（指定）される指定コンテンツとユーザ嗜好度に従って、検索対象コンテンツのなかから、ユーザの嗜好に最も合致する（スコアの大きい）コンテンツを検索し、ユーザに提示することができる。即ち、ユーザに最適なコンテンツを提示することができる。
また、コンテンツ提示処理では、入力部２１で入力される指定コンテンツとユーザ嗜好度とから、コンテンツの特徴量ごとの重み係数を算出し、各特徴量に対する重み係数を考慮した、指定コンテンツＡiと検索対象コンテンツＡjとの類似度Ｄ’ i,jを計算し、その類似度Ｄ’ i,jを基に、検索対象コンテンツＡjの合成スコアＳjを計算する。これにより、ユーザは、コンテンツの特徴量ごとの重み係数を特に入力しなくても、コンテンツの各特徴量に対するユーザの感じ方（各特徴量に対するユーザの感じ方の個人差）を考慮したコンテンツの検索を行うことが可能となる。
なお、上述した実施の形態では、検索対象コンテンツは、ユーザが既に保有しているコンテンツであり、コンテンツ提示処理によって、ユーザコンテンツＤＢ２３に記憶されているコンテンツを自分の嗜好に合うようにパーソナライズしているとも言うことができる。
なお、コンテンツ提示処理は、ユーザがまだ保有していないコンテンツ、例えば、外部I/F部３１と接続されている外部のサーバ内のコンテンツから、ユーザの嗜好に合致するコンテンツを検索し、ユーザに推薦する場合にも適用することができる。この場合においても、コンテンツの各特徴量に対するユーザの感じ方を考慮したコンテンツの推薦（検索）を行うことができる。
さらに、上述した実施の形態では、類似度およびスコアの計算を、コンテンツごとに行うようにしたが、さらに細かく、テンポやムードなどのコンテンツの特徴量ごとに行うようにしても良い。
また、上述した実施の形態では、重み計算部２６において、各特徴量に対するユーザの重みを計算する場合の指定コンテンツと、類似度計算部２７において、ユーザの各特徴量の重みを用いて、指定コンテンツと検索対象コンテンツとの類似度Ｄ’i,jを計算する場合の指定コンテンツを、同一の指定コンテンツＡ1乃至Ａ23として説明したが、ユーザの各特徴量の重みを計算する場合の指定コンテンツと、類似度Ｄ’i,jを計算する場合の指定コンテンツは、異なるコンテンツでもよい。
さらに、図１４で説明した例では、類似度計算部２７が、全ての検索対象コンテンツＡjについて類似度Ｄ’i,jを計算したが、検索対象コンテンツＡjのうちの一部の検索対象コンテンツのみについて類似度Ｄ’i,jを計算し、その類似度Ｄ’i,jが計算された検索対象コンテンツだけで合成スコアＳを計算することもできる。即ち、類似度計算部２７は、重み計算部２６により計算されたユーザの各特徴量の重みを用いて、任意の検索対象コンテンツ間の類似度を計算するようにすることができる。
上述したコンテンツ提示処理などの一連の処理は、専用のハードウエアにより実行させることもできるし、ソフトウエアにより実行させることもできる。コンテンツ提示処理をソフトウエアによって行う場合、そのコンテンツ提示処理は、例えば、図１８に示されるような（パーソナル）コンピュータにプログラムを実行させることにより実現することができる。
図１８において、CPU（Central Processing Unit）３０１は、ROM（Read Only Memory）３０２に記憶されているプログラム、または記憶部３０８からRAM（Random Access Memory）３０３にロードされたプログラムに従って各種の処理を実行する。RAM３０３にはまた、CPU３０１が各種の処理を実行する上において必要なデータなども適宜記憶される。
CPU３０１は、例えば、図１のコンテンツ提示装置１１の制御部２２、特徴量抽出部２４、重み計算部２６、類似度計算部２７、スコア計算部２８、合成部２９、およびソート部３０の処理を行う。
CPU３０１、ROM３０２、およびRAM３０３は、バス３０４を介して相互に接続されている。このバス３０４にはまた、入出力インタフェース３０５も接続されている。
入出力インタフェース３０５には、キーボード、マウスなどよりなる入力部３０６、CRT(Cathode Ray Tube)、LCD(Liquid Crystal display)などよりなるディスプレイ、並びにスピーカなどよりなる出力部３０７、ハードディスクなどより構成される記憶部３０８、モデム、ターミナルアダプタなどより構成される通信部３０９が接続されている。通信部３０９は、インターネットなどのネットワークを介しての通信処理を行う。
入力部３０６は、例えば、コンテンツ提示装置１１の入力部２１として、記憶部２０８は、例えば、コンテンツ提示装置１１のユーザコンテンツＤＢ２３および特徴量ＤＢ２５として機能する。また、通信部３０９は、例えば、コンテンツ提示装置１１の外部I/F部３１として機能する。
入出力インタフェース３０５にはまた、必要に応じてドライブ３１０が接続され、磁気ディスク３２１、光ディスク３２２、光磁気ディスク３２３、或いは半導体メモリ３２４などが適宜装着され、それらから読み出されたコンピュータプログラムが、必要に応じて記憶部３０８にインストールされる。
なお、本明細書において、フローチャートに記述されたステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
本発明を適用したコンテンツ提示装置の一実施の形態の構成例を示すブロック図である。 検索対象コンテンツの特徴量のデータの例を示す図である。 指定コンテンツの特徴量のデータの例を示す図である。 各特徴量の重み係数を求める処理を説明する図である。 各特徴量の重み係数を求める処理を説明する図である。 各特徴量の重み係数を求める処理を説明する図である。 各特徴量の重み係数を求める処理を説明する図である。 各特徴量の重み係数を求める処理を説明する図である。 各特徴量の重み係数を求める処理を説明する図である。 各特徴量の重み係数を求める処理を説明する図である。 あるユーザのテンポに対する重み係数を求めた例を示す図である。 あるユーザのムードに対する重み係数を求めた例を示す図である。 あるユーザの音の多さに対する重み係数を求めた例を示す図である。 類似度計算部２７による計算結果の例を示す図である。 スコア計算部２８または合成部２９による計算結果の例を示す図である。 コンテンツ提示処理を説明するフローチャートである。 スコア計算処理を説明するフローチャートである。 本発明を適用したコンピュータの一実施の形態の構成例を示すブロック図である。
符号の説明
１１ コンテンツ提示装置， ２１ 入力部， ２２ 制御部， ２３ ユーザコンテンツＤＢ， ２４ 特徴量抽出部， ２５ 特徴量ＤＢ， ２６ 重み計算部， ２７ 類似度計算部， ２８ スコア計算部， ２９ 合成部， ３０ ソート部

Claims (8)

  1. 複数種類の特徴量によってコンテンツの特徴が表されている、検索または推薦の対象となる複数の対象コンテンツに対する処理を行う情報処理装置において、
    前記対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の前記指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対する前記ユーザの重みを計算する重み計算手段と、
    前記重み計算手段により計算された前記ユーザの前記各特徴量の重みを用いて、任意の前記対象コンテンツ間の類似度を計算する類似度計算手段と
    を備えることを特徴とする情報処理装置。
  2. 前記類似度計算手段により計算された、任意の前記対象コンテンツ間の前記類似度を用いて、各対象コンテンツの合成スコアを計算する合成スコア計算手段と、
    前記合成スコアが大きい対象コンテンツを、前記ユーザの嗜好に合致するコンテンツとして提示する提示手段と
    をさらに備えることを特徴とする請求項１に記載の情報処理装置。
  3. 前記指定コンテンツを表す指定コンテンツ情報と、前記指定コンテンツに対する前記ユーザの嗜好度を入力する入力手段をさらに備え、
    前記重み計算手段は、前記入力手段により入力された前記指定コンテンツ情報が表す前記指定コンテンツと前記ユーザの嗜好度とを用いて、所定数の前記指定コンテンツに対する前記ユーザの嗜好度と、所定数の前記指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対する前記ユーザの重みを計算する
    ことを特徴とする請求項１に記載の情報処理装置。
  4. 前記重み計算手段は、ユーザが敏感な種類の特徴量に対しては、前記ユーザの重みが大きく、ユーザが鈍感な種類の特徴量に対しては、前記ユーザの重みが小さくなるように、コンテンツの各特徴量に対する前記ユーザの重みを計算する
    ことを特徴とする請求項１に記載の情報処理装置。
  5. 前記指定コンテンツの特徴量を抽出する抽出手段をさらに備える
    ことを特徴とする請求項１に記載の情報処理装置。
  6. 複数種類の特徴量によってコンテンツの特徴が表されている、検索または推薦の対象となる複数の対象コンテンツに対する処理を行う情報処理方法において、
    前記対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の前記指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対する前記ユーザの重みを計算する重み計算ステップと、
    前記重み計算ステップの処理により計算された前記ユーザの前記各特徴量の重みを用いて、任意の前記対象コンテンツ間の類似度を計算する類似度計算ステップと
    を含むことを特徴とする情報処理方法。
  7. 複数種類の特徴量によってコンテンツの特徴が表されている、検索または推薦の対象となる複数の対象コンテンツに対する処理を行うプログラムであって、
    前記対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の前記指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対する前記ユーザの重みを計算する重み計算ステップと、
    前記重み計算ステップの処理により計算された前記ユーザの前記各特徴量の重みを用いて、任意の前記対象コンテンツ間の類似度を計算する類似度計算ステップと
    を含むことを特徴とするコンピュータが読み取り可能なプログラムが記録されている記録媒体。
  8. 複数種類の特徴量によってコンテンツの特徴が表されている、検索または推薦の対象となる複数の対象コンテンツに対する処理を行うプログラムにおいて、
    前記対象コンテンツのなかから指定された、所定数の指定コンテンツに対するユーザの嗜好度と、所定数の前記指定コンテンツの各特徴量の値とから、コンテンツの各特徴量に対する前記ユーザの重みを計算する重み計算ステップと、
    前記重み計算ステップの処理により計算された前記ユーザの前記各特徴量の重みを用いて、任意の前記対象コンテンツ間の類似度を計算する類似度計算ステップと
    を含む処理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。
JP2004227540A 2004-08-04 2004-08-04 情報処理装置および方法、記録媒体、並びにプログラム Abandoned JP2006048320A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2004227540A JP2006048320A (ja) 2004-08-04 2004-08-04 情報処理装置および方法、記録媒体、並びにプログラム
US11/193,485 US20060036597A1 (en) 2004-08-04 2005-08-01 Information processing apparatus and method, recording medium, and program
CN2005101160028A CN1750004B (zh) 2004-08-04 2005-08-04 信息处理装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2004227540A JP2006048320A (ja) 2004-08-04 2004-08-04 情報処理装置および方法、記録媒体、並びにプログラム

Publications (1)

Publication Number Publication Date
JP2006048320A true JP2006048320A (ja) 2006-02-16

Family

ID=35801197

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2004227540A Abandoned JP2006048320A (ja) 2004-08-04 2004-08-04 情報処理装置および方法、記録媒体、並びにプログラム

Country Status (3)

Country Link
US (1) US20060036597A1 (ja)
JP (1) JP2006048320A (ja)
CN (1) CN1750004B (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011123530A (ja) * 2009-12-08 2011-06-23 Nec Corp 話題推薦装置、話題推薦装方法およびプログラム
WO2013179558A1 (ja) * 2012-05-29 2013-12-05 パナソニック株式会社 画像評価装置、画像評価方法、プログラム、集積回路
CN105718524A (zh) * 2016-01-15 2016-06-29 合一网络技术(北京)有限公司 确定视频正本的方法和装置
JP2017503275A (ja) * 2014-01-03 2017-01-26 フェイスブック，インク． 類似度距離に基づいたオブジェクトの推奨
WO2019012684A1 (ja) * 2017-07-14 2019-01-17 三菱電機株式会社 再生リスト作成装置および再生リスト作成方法
US10691762B2 (en) 2015-10-05 2020-06-23 Fujitsu Limited Method of outputting recommended item and recommended item output device
JP2021108167A (ja) * 2020-05-21 2021-07-29 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッドＢｅｉｊｉｎｇ Ｂａｉｄｕ Ｎｅｔｃｏｍ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．， Ｌｔｄ． コンテンツ推薦方法、装置及び機器

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080071741A1 (en) * 2006-09-19 2008-03-20 Kazunari Omi Method and an apparatus to perform feature weighted search and recommendation
US20080071764A1 (en) * 2006-09-19 2008-03-20 Kazunari Omi Method and an apparatus to perform feature similarity mapping
JP4678546B2 (ja) * 2008-09-08 2011-04-27 ソニー株式会社 推薦装置および方法、プログラム、並びに記録媒体
JP4650541B2 (ja) * 2008-09-08 2011-03-16 ソニー株式会社 推薦装置および方法、プログラム、並びに記録媒体
CN102362275A (zh) * 2009-03-23 2012-02-22 富士通株式会社 内容推荐方法、推荐信息生成方法、内容推荐程序、内容推荐服务器以及内容提供系统
EP2565835A4 (en) * 2010-04-28 2013-10-16 Jvc Kenwood Corp ARTICLES SELECTION DEVICE, ARTICLES SELECTION METHOD, AND ARTICLES SELECTION UTILIZATION PROGRAM
CN103136289B (zh) * 2011-12-05 2016-09-28 腾讯科技（深圳）有限公司 资源推荐方法及系统
CN103377250B (zh) * 2012-04-27 2017-08-04 杭州载言网络技术有限公司 基于邻域的top‑k推荐方法
JP6065907B2 (ja) * 2012-05-11 2017-01-25 ソニー株式会社 情報処理装置、情報処理方法、および、プログラム
WO2016002985A1 (en) * 2014-07-01 2016-01-07 Lg Electronics Inc. Electronic device and method for controlling the same
CN110969460B (zh) * 2018-09-29 2023-10-31 北京国双科技有限公司 一种针对信息流广告的投放效果预测方法和装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5911008A (en) * 1996-04-30 1999-06-08 Nippon Telegraph And Telephone Corporation Scheme for detecting shot boundaries in compressed video data using inter-frame/inter-field prediction coding and intra-frame/intra-field coding
ATE480826T1 (de) * 1999-01-29 2010-09-15 Lg Electronics Inc Verfajren zum suchen und browsen von multimediadaten und datenstruktur
KR100788643B1 (ko) * 2001-01-09 2007-12-26 삼성전자주식회사 색과 질감의 조합을 기반으로 하는 영상 검색 방법
CN1864171A (zh) * 2003-08-08 2006-11-15 皇家飞利浦电子股份有限公司 处理数据的系统及其方法
JP4423262B2 (ja) * 2003-09-11 2010-03-03 パナソニック株式会社 コンテンツ選択方法およびコンテンツ選択装置
JP4428036B2 (ja) * 2003-12-02 2010-03-10 ソニー株式会社 情報処理装置および方法、プログラム、並びに、情報処理システムおよび方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011123530A (ja) * 2009-12-08 2011-06-23 Nec Corp 話題推薦装置、話題推薦装方法およびプログラム
WO2013179558A1 (ja) * 2012-05-29 2013-12-05 パナソニック株式会社 画像評価装置、画像評価方法、プログラム、集積回路
US9177201B2 (en) 2012-05-29 2015-11-03 Panasonic Intellectual Property Management Co., Ltd. Image evaluation device, image evaluation method, program, and integrated circuit
JPWO2013179558A1 (ja) * 2012-05-29 2016-01-18 パナソニックＩｐマネジメント株式会社 画像評価装置、画像評価方法、プログラム、集積回路
JP2017503275A (ja) * 2014-01-03 2017-01-26 フェイスブック，インク． 類似度距離に基づいたオブジェクトの推奨
US10691762B2 (en) 2015-10-05 2020-06-23 Fujitsu Limited Method of outputting recommended item and recommended item output device
CN105718524A (zh) * 2016-01-15 2016-06-29 合一网络技术(北京)有限公司 确定视频正本的方法和装置
WO2019012684A1 (ja) * 2017-07-14 2019-01-17 三菱電機株式会社 再生リスト作成装置および再生リスト作成方法
JP2021108167A (ja) * 2020-05-21 2021-07-29 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッドＢｅｉｊｉｎｇ Ｂａｉｄｕ Ｎｅｔｃｏｍ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．， Ｌｔｄ． コンテンツ推薦方法、装置及び機器
JP7269275B2 (ja) 2020-05-21 2023-05-08 阿波▲羅▼智▲聯▼（北京）科技有限公司 コンテンツ推薦方法、装置及び機器

Also Published As

Publication number Publication date
US20060036597A1 (en) 2006-02-16
CN1750004A (zh) 2006-03-22
CN1750004B (zh) 2010-05-05

Similar Documents

Publication Publication Date Title
US11620326B2 (en) User-specific media playlists
US20060036597A1 (en) Information processing apparatus and method, recording medium, and program
US8601003B2 (en) System and method for playlist generation based on similarity data
US8620919B2 (en) Media item clustering based on similarity data
JP4179341B2 (ja) 情報処理装置および方法、プログラム、並びに記録媒体
US20060217828A1 (en) Music searching system and method
US20080141133A1 (en) Display Control Processing Apparatus, Display Control Processing Method and Display Control Processing Program
JP2006190127A (ja) 情報処理装置および方法、並びにプログラム
JP2008165759A (ja) 情報処理装置及び方法並びにプログラム
EP2161668A1 (en) System and method for playlist generation based on similarity data
US8015186B2 (en) Information processing apparatus and method, recording medium, and program
US9305119B1 (en) System, apparatus and method for determining correct metadata from community-submitted data
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
JP2008513877A (ja) 追従情報を提供する方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20070703

A762 Written abandonment of application

Free format text: JAPANESE INTERMEDIATE CODE: A762

Effective date: 20080424