JP2006526827A - ユーザフィードバックを有するコンテンツ推薦装置 - Google Patents

Abstract

コンテンツ推薦装置は、ユーザプロファイルに基づき、コンテンツアイテムプール（４）からコンテンツアイテムを選択し、選択されたコンテンツアイテムを含む選択リスト（９）を生成する選択エンジン（２）及び／又はユーザプロファイルに基づき、選択リストを受け取る選択リスト受信手段と、少なくとも１つの先に生成された選択の少なくとも一部に対するユーザフィードバックに基づいてユーザプロファイルを生成するユーザプロファイルエンジンとを備える。このコンテンツ推薦装置において、ユーザフィードバックは、明示的フィードバック及び暗示的フィードバックを含み、これにより、対応する暗示的フィードバックによって精度を高められる非常に簡単な明示的フィードバックが実現する。

Description

本発明は、コンテンツ推薦装置及びコンテンツ推薦方法に関し、特に、動的なコンテンツ配信のための情報及び娯楽機器に関する。

近年、ネットワークは、ユビキタスになった。電話網、コンピュータネットワーク、セルラネットワークは、生活の一部となった。これらのネットワークは、個々のエンティティを統合し、全ての接続機器にデータを伝送することができる。

ネットワークにより、人々は、情報を得るため及び娯楽のためにデータにアクセスすることができる。ここで、自らが必要とする情報、娯楽の欲求、及び個人的な好みに適合する情報及び娯楽アイテムをどのように見出すかということが問題となる。

当分野では、ユーザが欲すると考えられる情報アイテムをユーザに提案する所謂推薦システムが知られている。

このようなシステムは、以下のような情報に基づいて、ユーザが好むであろう情報アイテムを予測する。
・ユーザの嗜好（コンテンツベースのフィルタリング）
・個々のユーザによって格付けされたサンプルの比較（相関：correlation）
・コミュニティー推薦（協調フィルタリング：collaborative filtering）
これらのシステムは、ユーザに推薦するアイテムのリストを出力する。

現在知られているシステムは、推薦リストを生成する。しかしながら、ユーザは、ユーザの嗜好を入力し、サンプルを格付けし、又は他のユーザによる推薦に頼らなければならない。推薦が格付けに基づいている場合（又は格付けに部分的に基づいている場合）、ユーザは、可能な値の範囲内で、個々のアイテムを明示的に格付けしなくてはならない。しかしながら、複数のアイテムに関する少なくとも１人のユーザの相対的な判断に依存する格付けは、複数の可能性が提供されるために判断の入力が複雑であり、また、正しい評価を与えるためには、全てのアイテムを考慮する必要があるため、判断自体が難しい。

そこで、本発明の目的は、改良されたコンテンツ推薦システム、コンテンツ推薦装置及びコンテンツ推薦方法を提供することである。

この目的は、独立請求項１に定義されるコンテンツ推薦装置及び独立請求項１８に定義されるコンテンツ推薦方法によって達成される。各従属請求項は、それぞれの好適な実施形態を定義する。請求項３５は、本発明に基づくコンピュータプログラム製品を定義し、請求項３６は、本発明に基づくコンピュータにより読取可能な媒体を定義する。

本発明に係るコンテンツ推薦装置は、ユーザプロファイルに基づき、コンテンツアイテムプールからコンテンツアイテムを選択し、選択されたコンテンツアイテムを含む選択リストを生成する選択エンジン及び／又はユーザプロファイルに基づき、選択リストを受け取る選択リスト受信手段と、少なくとも１つの先に生成された選択の少なくとも一部に対するユーザフィードバックに基づいてユーザプロファイルを生成するユーザプロファイルエンジンとを備えるコンテンツ推薦装置において、ユーザフィードバックは、明示的フィードバック及び暗示的フィードバックを含む。

また、本発明に係るコンテンツ推薦方法は、ユーザプロファイルに基づき、コンテンツアイテムプールからコンテンツアイテムを選択し、選択されたコンテンツアイテムを含む選択リストを生成するステップ及び／又はユーザプロファイルに基づき、選択リストを受け取るステップと、少なくとも１つの先に生成された選択の少なくとも一部に対するユーザフィードバックに基づいてユーザプロファイルを生成するステップとを有する。

これにより、本発明に基づく推薦システムは、ユーザフィードバックとして、明示的なフィードバック及び暗示的なフィードバックを考慮するので、すなわち、明示的なフィードバックを与える人に関連する暗示的なフィードバックが、例えば、「好き」及び「嫌い」といった、非常に簡単な明示的なフィードバック操作の使用を可能にし、明示的なフィードバックの精度を対応する暗示的なフィードバックによって高めることができるため、既存のシステムに対して、更に向上する。

更に好ましくは、本発明においては、ユーザフィードバックは、暗示的なフィードバックの表現によって重み付けされた明示的なフィードバックの表現の関数である。

明示的なフィードバックは、好ましくは、ユーザが特定のコンテンツアイテムを好きか嫌いかを示す指示を含む。この場合、例えば、２つのボタンを有するタッチスクリーン等、特定のコンテンツアイテムに関して、ユーザの嗜好を容易に検出するための手段が提供される。この特定の単純な形式のユーザフィードバックにより、ユーザは、実際に何らかのフィードバックを提供しやすくなる。本発明は、選択リストの再配列を実現するので、このような簡単なユーザフィードバックは、十分な情報を提供すると同時に、例えば、コンテンツアイテムの距離に関して、密接に関連するコンテンツアイテムのグループに対する過剰な重み付けは行われない。

本発明では、暗示的なフィードバックは、好ましくは、明示的なフィードバックに伴う反応のレベルに基づいており、更に好ましくは、ユーザがコンテンツ推薦装置の入力端末を操作した強さに基づいている。

暗示的なフィードバックは、明示的なフィードバックのための操作子に加えられた圧力及び／又はユーザが明示的なフィードバックのための操作子を操作するまでの反応時間を含んでいてもよい。

また、本発明では、選択リストは、好ましくは、標準化された手法で各コンテンツアイテムを定義するアイテム属性に基づいている。

これに加えて又はこれに代えて、本発明では、選択リストは、好ましくは、商業的意図で配列されたコンテンツアイテムのシーケンスを生成するビジネス規則に基づいていてもよい。

本発明に基づくコンテンツ推薦装置は、選択リストの少なくとも一部を再配列することによって、コンテンツ推薦リストを生成する配列エンジンを更に備えていてもよい。

これに対応して、本発明に係るコンテンツ推薦方法は、選択リストの少なくとも一部を再配列することによって、コンテンツ推薦リストを生成するステップを更に有していてもよい。

このように、本発明に基づく推薦システムでは、従来の技術に基づく推薦システムの最終的な出力に対応する選択リストを、本発明に基づいて更に処理することによって、既存のシステムを著しく向上させることができる。このような更なる処理により、最終的に出力される推薦の結果、すなわち、推薦リストを考慮すべき様々な事項に関して、より容易に適応化することができる。選択されたコンテンツアイテムをこのように配列することによって、個人てきな情報のニーズ及び娯楽の欲求を満足させることができる。

本発明においては、好ましくは、コンテンツアイテムの演出的（dramaturgic）シーケンスを生成する配列規則に基づいて、コンテンツ推薦リストを生成する。推薦リストとして出力される選択リストの少なくとも一部をこのように再配列することにより、複数の非常に類似するコンテンツアイテムが次々と提案されるという従来の技術推薦システムの問題が解消される。この問題は、例えば、コンテンツアイテムからユーザプロファイルへの距離を算出し、次に、距離が最も短いコンテンツアイテムから開始して、距離が長くなる順に所定数のコンテンツアイテムを含むリストを出力する等、選択リストを生成する手法に起因する。

これに代えて又はこれに加えて、本発明では、このコンテンツ推薦リストは、好ましくは、標準化された手法でコンテンツアイテムを定義するアイテム属性に基づいて生成され、特に、配列規則は、個別のアイテム属性を結合する。このため、各配列規則のコンテンツを特に明確に構造化でき、これにより、配列規則を容易に入力及び実装することができる。

更にこれに代えて又はこれに加えて、本発明では、コンテンツ推薦リストは、好ましくは、商業的意図で配列されたコンテンツアイテムのシーケンスを生成するビジネス規則に基づいて生成される。これらのビジネス規則は、コンテンツアイテム属性に関連していてもよく、コンテンツアイテムの作成者の商業的な関心、すなわち、コンテンツアイテムの静的な及び動的なプロパティに関連していてもよい。

更にこれに代えて又はこれに加えて、本発明では、コンテンツ推薦リストは、好ましくは、ユーザプロファイルに基づいている。

また、本発明では、アイテム属性やユーザプロファイル等の周知の、受け入れられているメカニズムに基づいて、推薦するコンテンツだけでなく、その順序も選択することができる。更に、選択及び配列のために、ビジネス規則を考慮してもよい。１つの種類の個々の規則は、選択及び配列毎に異なるものであってもよい。更に、コンテンツアイテムの演出的シーケンスを生成する本発明に基づく配列規則を用いて、選択リストの少なくとも一部を再配列し、推薦リストを生成してもよい。

本発明に基づくコンテンツ推薦装置において、ユーザプロファイルエンジンは、好ましくは、少なくとも１つの先の出力推薦リストに対するユーザフィードバックに基づいて、ユーザプロファイルを生成する。

これに対応して、本発明に係るコンテンツ推薦方法は、好ましくは、少なくとも１つの先の出力推薦リストに対するユーザフィードバックに基づいて、ユーザプロファイルを生成するステップを更に有する。

ユーザフィードバックは、好ましくは、選択リスト又は新たな選択リストのコンテンツアイテムを含む縮小されたコンテンツアイテムプールに基づき、繰り返し精度を高められた推薦リストを生成するために使用される。この場合、一方ではユーザプロファイルの精度を継続的に高め、他方ではユーザの現在の状態、例えば、ユーザの現在の気分を考慮した推薦を容易に提示することができる。例えば、この特徴により、ユーザが第１のコンテンツアイテムを嫌った場合、推薦リストを完全に交換してもよい。

本発明に係るコンピュータプログラム製品は、コンピュータ、デジタルシグナルプロセッサ又はこれに類する装置によって実行されて、上述したコンテンツ推薦方法のステップを実行するよう適応化されたコンピュータプログラム手段を含む。

また、本発明に係るコンピュータにより読取可能な媒体は、本発明に基づくコンピュータプログラム製品を格納する。

本発明に基づくコンテンツ推薦装置は、推薦リストの生成のみに用いてもよいが、好ましくは、コンテンツ推薦装置は、コンテンツアイテムをユーザに提示する。更に、本発明に基づくコンテンツ推薦装置は、コンテンツアイテム、又は独立請求項１及び１９に示すように、選択リスト及び対応するコンテンツアイテムを提供するネットワークの一部であることが好ましい。そして、本発明に基づくコンテンツ推薦装置は、動的で、個人用に特化され、配列されたコンテンツ配信のための情報及び娯楽機器とみなすこともでき、すなわち、本発明は、ユーザにコンテンツアイテムを提案するだけではなく、現在提示されているコンテンツアイテムに特定の簡単なフィードバックを提供することによって将来のコンテンツアイテムに影響を及ぼす可能性を有しながら、コンテンツアイテムを検索し、好ましくは、ユーザの嗜好及びフィードバックに基づいてこれらをソートし、ユーザの現在のニーズに応じて、ユーザが容易に消費できる、演出的な手法（dramaturgic way）で配列された実際の出力ストリームを生成することができるコンテンツ出力装置を提供する。コンテンツアイテムのための配信媒体は、如何なるネットワークであってもよく、すなわち、有線であっても無線であってもよい。更に、コンテンツアイテムは、如何なる機器に配信し又は如何なる機器で表示してもよく、これらの機器は、本発明に基づいて生成された推薦リストに基づいて、コンテンツアイテムを再生する。なお、本発明に基づくコンテンツ推薦装置は、機器自体内にコンテンツアイテムプールを保存してもよい。

上述した特徴の全てが組み合わされた本発明の特定の好適な実施形態においては、システムの個々のユーザに情報及び娯楽アイテムの推薦を行うことができる。推薦は、ユーザの嗜好、ユーザフィードバック、すなわち、実際のユーザからのユーザフィードバック及び／又はシステムの他のユーザからのユーザフィードバック、例えば、メタデータ等のコンテンツアイテム属性、他のコンテンツアイテム情報に基づいている。以下、単にアイテムとも呼ぶコンテンツアイテムは、情報及び娯楽アイテムであってもよい。

本発明のこの好適な実施形態に基づくシステムによる判定のシーケンスは、推薦−フィードバック−ユーザプロファイル−選択−配列−推薦から構成される因果的なフィードバックループを形成する。

このようにユーザに推薦されたアイテムは、まず、利用可能な全てのアイテムから選択される。次に、アイテムは、配列される。

アイテムの選択は、ユーザフィードバック、メタデータ及び他の情報に基づいている。他の情報として、アイテム選択及び他の規則に影響を及ぼすビジネス規則を用いてもよい。

アイテムの配列は、演出的な手法で選択されたアイテムを配列することを表す。アイテムの配列のために、配列規則が定義される。配列規則は、メタ情報及びビジネス規則等の他の情報によって影響を及ぼされる。

選択及び配列の後に推薦がユーザに提示される。そして、推薦は個人用に特化される。

この好適な実施形態の推薦手続きにおけるユーザフィードバックは、暗示的及び明示的なフィードバックによって実行される。明示的なフィードバックは、例えば、１及び−１等の２つの値に基づく、アイテムに関する格付け情報を収集することによって生成される。値１のフィードバックは、情報及び娯楽アイテムの肯定的評価、すなわち、ユーザが「好き」であることを表す。−１の値は、コンテンツアイテムの否定的評価、すなわち、ユーザが「嫌い」であることを表す。暗示的なフィードバックは、明示的なフィードバックに伴う反応のレベルによって収集される。

この反応とは、ユーザが入力装置又は端末を操作した強さの尺度である。この尺度は、例えば、明示的なフィードバックの操作子にユーザが加えた圧力又は明示的なフィードバックの操作子をユーザが操作した応答時間であってもよい。

本発明の理解を深め、本発明と、その特徴、目的及び利点とを更に明瞭にするために、図面を参照して、本発明の好ましい実施形態を説明する。

本発明の好適な実施形態として、動的で、個人用に特化され、配列された（arranged）コンテンツ配信のための情報及び娯楽機器を例示的に説明する。

ここで、コンテンツとは、１つのメディアフォーマット又は複数のメディアフォーマットの組合せによって存在するあらゆる情報及び娯楽アイテムを意味するものとする。メディアフォーマットは、オーディオ、ビデオ、画像、ピクチャ、テキスト等であってもよい。また、コンテンツの１つのピース、例えば、１つの曲、１つのニュース記事、１つの映画等を総称的にアイテムと呼ぶ。

本発明は、動的で、個人用に特化された形式でアイテムをシステムのユーザに配信するための複数の構成要素を備える。

本発明に基づく情報及び娯楽システムの構成要素の概要を図１に示す。図１は、システムの構成要素及びシステムの入力及び出力を示している。

このシステムは、ユーザプロファイルエンジン１と、選択エンジン２と、配列エンジン３とを備える。

システムの構成要素には、アイテム４と、アイテム属性５と、ビジネス規則６と、配列規則７と、他の規則８と、選択９と、フィードバック１０と、ユーザプロファイル１１とが入力される。

また、システムの構成要素からは、選択９と、推薦１２と、ユーザプロファイル１１とが出力される。

それらの構成要素、入力及び出力は、以下のようにリンクされている。

アイテム４は、コンテンツアイテムプールとして機能する。アイテム４は、本発明に基づく推薦装置内に存在していてもよく、又は例えば、アイテムサーバを介してアクセス可能であってもよい。

選択エンジン２は、アイテム４にアクセスし、選択９、すなわち選択リスト及び／又は対応するコンテンツアイテムを生成することができる。また、選択エンジン２は、本発明に基づく推薦装置内に設けてもよく、又は、本発明に基づくコンテンツ推薦装置の配列エンジン３によってアクセス可能であることが保証される限り、推薦装置外部に設けてもよい。選択エンジン２から出力される選択９は、アイテム属性５、ユーザプロファイル１１、ビジネス規則６及び他の規則８に基づいて所定数のアイテム４を選択することによって選択９を生成する。

本発明に基づく推薦装置内に設けられた配列エンジン３は、選択９にアクセスし、推薦１２、すなわち推薦リスト及び／又は対応するコンテンツアイテムを生成する。この推薦１２の生成は、配列規則７、アイテム属性５、ユーザプロファイル１１及びビジネス規則６に基づいて行われる。

出力された推薦１２に基づいて、ユーザは、フィードバック１０をユーザプロファイルエンジン１に供給し、ユーザプロファイルエンジン１は、このフィードバック１０に基づいて、ユーザプロファイル１１を生成する。

システムの構成要素からは、複数の情報が出力されるが、最も重要な情報は、推薦１２である。推薦１２は、ユーザの情報のニーズ、娯楽の欲求及び好みに適合するとのシステムの仮定に基づいてユーザに提示される配列されたアイテム（arranged item）、すなわち、上述した推薦リストである。ここに説明する例示的な本発明の実施形態では、推薦１２は、個人用に特化される。

推薦１２は、ユーザに提示される。ユーザは、システムにフィードバック１０を供給することによって、システムとインタラクトすることができる。そして、供給されたフィードバック１０は、将来のアイテムの推薦１２及び／又はアイテムの選択９に影響を与える。

これにより、入力を利用するシステムの構成要素は、ユーザフィードバックに基づいて、時間と共に、ユーザのニーズを予測することを学習する。

以下、時間の経過に伴う出力及びフィードバックの組合せについて、図２を用いて説明する。

第１のステップＳ１において、推薦番号ｎとして例示的に示す推薦１２をユーザに与える。ユーザは、第２のステップＳ２において、推薦１２の個別のアイテムにフィードバック１０を与える。このフィードバック１０は、推薦１２の全ての推薦アイテムに対するものであってもよく、その一部、例えば、現在再生中の推薦アイテムだけに対するものであってもよい。次の第３のステップＳ３においては、フィードバック１０に基づいて、新たな選択９を生成するか否かを判定する。新たな選択９を生成する場合、処理は、第４のステップＳ４に進み、このタスクを実行する。選択９は、ユーザの要求に適合するアイテムを含む。第３のステップＳ３において、現在の選択を更新するべきでないと判定された場合、この第４のステップＳ４は、スキップされる。ユーザに提示されるリストを改善するために、次の第５のステップＳ５（第４のステップＳ４の後、又は第４のステップＳ４がスキップされた場合、第３のステップＳ３の直後）において、新たな推薦１２、すなわち、推薦番号ｎ＋１を生成する。新たな推薦１２は、既存の推薦、すなわち、推薦番号ｎに近いものであってもよい。システムは、次の第６のステップＳ６において、推薦ｎ＋１と推薦ｎとの間の距離に基づいて、推薦１２を更新するか否かを選択する。この距離が閾値を下回る場合、処理は第１のステップＳ１に戻り、この他の場合、処理は、第７のステップＳ７に進み、ここで、情報及び娯楽アイテムの新たなリストを含む推薦ｎ＋１がユーザに提示され、第２のステップＳ２から処理を継続し、すなわち、ユーザは、推薦番号ｎ＋１に対するフィードバック１０を提供し、これにより、推薦番号ｎ＋２（以下同様）を生成することができる。

推薦１２の距離は、推薦１２内の単一の推薦アイテムのアイテム属性５の距離に基づいて算出してもよい。

フィードバック１０は、ユーザの反応にシステムを適応化するために重要である。フィードバック１０は、２つの手法、すなわち明示的なフィードバックとして及び暗示的なフィードバックとしてシステムに供給することができる。

明示的なフィードバックとは、推薦１２内のアイテムの１つに対してユーザが意識的に行う応答である。暗示的なフィードバックとは、システムのユーザの無意識の反応である。

図３は、システムダイアログを図式的に示している。ユーザは、１つの推薦されたアイテム、例えば、現在再生中のアイテム番号ｉに対してフィードバックを提供することができる。図３に示すフィードバック入力端末１３には、アイテムｉ１４が表示され、正のフィードバック１０、すなわち「好き」に対応する第１の入力ボタン１５と、負のフィードバック１０、すなわち「嫌い」に対応する第２の入力ボタン１６とが設けられている。更に好適な実施形態として、アイテムへのフィードバックと共に、推薦内のアイテムの特定のアイテム属性に対するフィードバックを可能にする拡張されたダイアログをユーザに表示してもよい。

ユーザは、ダイアログ上の入力ボタン１５、１６の１つを押すことによって、表示されたアイテムに対して、肯定的評価又は否定的評価を与える。換言すれば、ユーザは、推薦１２内のアイテム番号ｉに対し、好きであるか嫌いであるかに関するフィードバックを提供する。

なお、本発明のこの好適な実施形態に基づくフィードバック１０は、暗示的及び明示的なフィードバック１０を含む。暗示的なフィードバックとは、ユーザの無意識の動作の集合に基づくフィードバックである。無意識の動作とは、システムダイアログを表示できる機器又はユーザフィードバック１０をシステムに入力するために用いられる機器によって測定できるユーザの反応である。

暗示的なフィードバックの具体例としては、ユーザにお勧めのアイテムを提示した時刻、例えば、曲を再生し始めた時刻から、ユーザが明示的なフィードバックとしての操作を行った時刻、例えば、「好き」又は「嫌い」のボタン１５、１６を押した時刻までに掛かった時間等がある。他の具体例として、システムダイアログ１３内の入力ボタン１５、１６をユーザが押した際の圧力を暗示的なフィードバックとして用いてもよい。

フィードバックの関数Ｆは、暗示的及び明示的なフィードバックの組合せである。本発明の好適な実施形態における明示的なフィードバックは、２つの離散値（例えば、１／−１）の１つである。一方、暗示的なフィードバックは、以下のように、重み付け因子とみなされる。
Ｆ＝Ｗｉ＊Ｆｅ
ここで、Ｆｅは、明示的なフィードバックであり、Ｗｉは、重み付け因子である。

重み付け因子は、与えられた暗示的なフィードバックに依存している。図４は、暗示的なユーザフィードバックと重み付け因子の間の１つの可能な相関を表しており、ここでは、重み付け因子Ｗｉは、時間が長く又は圧力が大きくなるにつれて、非線形的に低減される。

このように、本発明では、フィードバックは、例えば、１〜５又は０〜１００等の柔軟な尺度を用いた１つのアイテムの格付けに基づいて行われるのではなく、例えば、＋１／−１（好き又は嫌い）のように単に２つの離散値の１つとして提供され、この明示的なフィードバックは、与えられた明示的なフィードバックに関連する暗示的なフィードバックによって強調又は減衰される。ユーザは、例えば、曲を聴きながら、上述のような手法でアーチスト又はアルバムを評価できる。

本発明の好適な実施形態に基づく配列エンジン３は、選択９から入手した情報及び娯楽アイテムを演出的な手法で配列する。

配列エンジン３は、選択９のアイテムを再配列し、推薦１２を生成する。配列エンジン３は、第１に、ｋ個のアイテムのクラスタを生成する。第２に、配列規則７を適用し、アイテムをソートしてリストを生成し、これが推薦１２になる。第３に、推薦１２に影響を及ぼすビジネス規則６を適用してもよい。

本発明の好適な実施形態においては、クラスタリングのための基礎は、アイテム属性５である。配列規則７は、アイテム属性５に基づいており、アイテムを所定のシーケンスに配列する。ビジネス規則６は、その後、適用される。ビジネス規則６もまた、アイテム属性５に基づいている。

如何なる個別のアイテム属性５からクラスタリング処理を開始してもよい。クラスタは、選択された個々の属性と同じ属性値を有する選択のアイテム数である。

図５は、このクラスタリング処理を包括的に示している。選択されたアイテム属性５に基づいて、ｋ個のクラスタ１７、１８、１９が生成され、すなわち、属性「値１」のための第１のクラスタ１７と、属性「値２」のための第２のクラスタ１８と、・・・属性「値ｋ」のための第ｋのクラスタ１９とが生成される。この結果、ｋ個のクラスタは、クラスタリングのために選択されたアイテム属性の異なる属性値の数に依存する。

各クラスタ内において、他の個別のアイテム属性に関する次のクラスタリングを行い、所定の数の１番目のサブクラスタ２０、２１、２２、すなわち、第１のクラスタ１７について、第１の１番目のサブクラスタ２０、第２の１番目のサブクラスタ２１、第３の１番目のサブクラスタ２２を生成する。１番目のサブクラスタの数は、各クラスタ内の他の個別のアイテム属性の異なるアイテム属性値の数に依存する。

各１番目のサブクラスタ内において、更なる個別のアイテム属性に関する次のクラスタリングを行い、所定の数の２番目のサブクラスタ２３、２４、すなわち、第１の１番目のサブクラスタ２０について、第１の２番目のサブクラスタ２３、第２の２番目のサブクラスタ２４を生成する。２番目のサブクラスタの数は、それぞれの１番目のサブクラスタ内の更なる個別のアイテム属性の異なるアイテム属性値の数に依存する。

このようなクラスタリングは、最終的に全ての個別のアイテム属性が使用され、ｏ個の異なる個別のアイテム属性について、（ｏ−１）番目のサブクラスタ２５、２６が生成されるまで実行される。生成されるクラスタ又はサブクラスタの数は、選択における各クラスタの上位の部分、すなわち、クラスタリングについては選択全体、サブクラスタリングについては、サブクラスタリングされた選択の一部内の個別のアイテム属性の異なるアイテム属性値の数に依存する。

配列規則７は、クラスタ、１番目のサブクラスタ、２番目のサブクラスタ、・・・の幾つのアイテムから推薦１２を生成するかを定義し、例えば、まず、第１の矢印２７で示すように、第１の１番目のサブクラスタ２０の所定数のアイテム、そして、次に第２の矢印２８によって示すように、第２の２番目のサブクラスタ２４内の所定数のアイテムを定義する。

図６は、ユーザプロファイル、アイテム及び属性値の構造を示している。図６（ａ）に示すように、ユーザプロファイルは、アイテムと、関連するフィードバックとからなり、図６（ｂ）に示すように、各アイテムは、アイテム属性と、関連する属性値とからなり、図６（ｃ）に示すように、各属性値は、（例えば、所定数であるｎ個のクラスタ又はサブクラスタを生成するために）値１〜ｎのうちの１つの値からなる。

その後、配列エンジン３にｌ個のアイテムを配列させ、上述したように、推薦１２を生成する。

ここで、配列規則７を適用する。配列規則７は、特定の複数の規則からなる。これらの規則の全ては、以下のように包括的な形式で記述することができる。

特定のクラスタ／サブクラスタのｘ個のアイテムを選択する。

一連の配列規則７は、配列のための基礎となる。例えば、配列エンジン３に、１５個のアイテムの推薦を生成するよう命ずる。そして、第１の配列規則は、クラスタ１．１．１の５つのアイテムを選択するために定義することができる。第２の配列規則は、クラスタ２．１の７つのアイテムを選択するために定義することができる。第３の規則は、クラスタ４の３つのアイテムを選択するために定義することができる。

ビジネス規則６は、個別のアイテムが単一のクラスタから選ばれる手法に影響を及ぼすことができる。

配列エンジン３の出力は、推薦１２となる。

推薦１２は、ユーザに提示されるアイテムのリストである。本発明のこの好適な実施形態に基づく推薦１２には、２つのセクションがある。一方のセクションは、情報及び娯楽機器のユーザに可視であり、他方のセクションは、隠される。

更に、以下のように、推薦の２つの場合を区別する必要がある。
・最初の推薦（図２の推薦ｎ）
・２回目以降の推薦（図２の推薦ｎ＋１）
第１の推薦、すなわち、最初の推薦については、選択エンジン２は、情報及び娯楽機器内の又は情報及び娯楽機器がアクセス可能であるアイテムプール内で利用可能なアイテムの総数に対応するアイテムを選択する。配列エンジン３は、図７に示すように、例えば、一般的ユーザの想定されたユーザプロファイルに基づき、又は本発明に基づく機器を用いると思われる特別なユーザグループのプロファイルに基づき、アイテムを特別な順序に配列し、ｎ＋ｍ個の選択されたアイテム、すなわち、アイテムの第１のグループ３１を提案する。端末２９においては、ｎ＋ｍ個のアイテムのうち、ユーザに適当であると思われるアイテム１〜アイテムｎ、すなわち、アイテムの第２のグループ３０のみがユーザに表示される。

ユーザは、アイテム１〜アイテムｎにフィードバック１０を与えることができる。上述のように、及び以下に説明するように、フィードバックにより、推薦１２を変更できる。

フィードバック１０は、将来の推薦に影響を及ぼす。なお、与えられたフィードバックは、システムのユーザにとって可視でないセクションのみに影響を及ぼす。配列エンジン３は、最初の推薦においては、ｎ＋ｍ個のアイテムを提案するが、将来の推薦では、推薦の数を一定に保つためにｍ個のアイテムを提案する。

ユーザが情報又は娯楽機器を用いて、アイテムを消費すると、消費されたアイテム（アイテム１〜アイテムｎのうちの１つのアイテム）は、推薦から除外される。そして、推薦の隠されたセクションの第１のアイテムが可視になる。

以下、オーディオデータ、テキストデータ、画像データの情報及び娯楽アイテムの推薦を含むオーディオシステムの具体例を説明する。

以下では、配列エンジン３の機能を例示的に説明する。この具体例では、娯楽アイテムは、オーディオコンテンツであり、詳しくは、娯楽アイテムは、曲である。

曲は、複数のアイテム属性５によって記述され、例えば、図８に示すように、第１のアイテム属性は、「ジャンル」であり、第２のアイテム属性は、「人気度」であり、第３のアイテム属性は、「テンポ」であり、第４のアイテム属性は、「発売日」であり、第５のアイテム属性は、「ダイナミクス」であり、第６のアイテム属性は、「ボーカル」であり、第７のアイテム属性は、「拍子」であり、・・・第ｎのアイテム属性は、「アーチスト」であってもよい。

図１に示すように、ユーザプロファイル１１は、配列エンジン３への入力である。ユーザプロファイル１１は、ユーザからのユーザフィードバック１０を集めることによって形成される。図９は、このオーディオの具体例における例示的なユーザプロファイルを示している。この場合、ユーザは、推薦内の個々の曲について、曲のタイトル（ユーザが特定の曲タイトルを好きであるか嫌いであるか）、アーチスト（ユーザが曲を演奏するアーチストを好きであるか嫌いであるか）又はアルバム（曲が商業的に配布された商品の一部である場合、ユーザがオーディオの編集を好きであるか嫌いであるか）に関してフィードバックを提供できると仮定する。

暗示的及び明示的なフィードバックメカニズムについては、先に、図３及び図４を用いて説明した通りである。図９は、ユーザプロファイル１１ａ内にフィードバック１０を保存する具体例を示している。

与えられたフィードバック、すなわち、タイトル、アーチスト、アルバムのいずれも、配列のために用いることができる。以下では、このオーディオの具体例における「タイトル」に基づくフィードバックについて説明する。

図９に示すユーザプロファイル１１ａは、「曲Ａ」について「タイトル０．７」及び「アーチスト０．２」、「曲Ｂ」について「タイトル−０．３」及び「アルバム−０．１」、「曲Ｃ」について「タイトル０．８」、「曲Ｄ」について「タイトル−１」といったフィードバックを保存している。

したがって、ユーザプロファイル１１ａは、ユーザが曲Ａ及び曲Ｃを好きであり、曲Ｂ及び曲Ｄを嫌っていることを示している。

全ての曲は、アイテム属性によって記述される。図９は、「曲Ａ」に関するこのような記述の具体例を示している。「曲Ａ」は、値「ポップス」を有するアイテム属性「ジャンル」と、その曲がヒットチャートの１０位以内にランクインしたことを示す値「トップ１０」を有するアイテム属性「人気度」と、値「スロー」を有するアイテム属性「テンポ」と、値「１９８２年３月２日」を有するアイテム属性「発売日」と、値「ドライビング」を有するアイテム属性「ダイナミクス」と、値「ボーカル」を有するアイテム属性「ボーカル」と、値「４／４」を有するアイテム属性「拍子」と、値「名前」を有するアイテム属性「アーチスト」とによって記述される。勿論、この他のアイテム属性を用いてもよい。

このオーディオの具体例では、説明のため、更なる簡素化を行う。すなわち、この具体例では、アイテム属性「ジャンル」の属性値だけがユーザプロファイルによって影響を及ぼされるとする。勿論、ユーザプロファイルは、他の全ての値に同様に影響を及ぼしてもよい。

したがって、配列エンジン３へのユーザプロファイル１１ａには、ユーザがアイテム属性「ジャンル」の値「ポップス」を有する曲Ａを好きであり、アイテム属性「ジャンル」値の「ポップス」曲Ｃを好きであることが入力される。

図１０は、配列に影響を及ぼす可能性があるアイテム属性５の例示的なリストを示している。図１０は、配列のための優先順位を上から下の順で示しており、すなわち、ジャンル３２が曲選択に影響を及ぼす最も重要な因子であり、次に、人気度３３、その他の因子、発売日３４、更に上述した具体例の他の因子といった順の優先順位が定められている。

そして、アイテム属性５及びユーザプロファイル１１ａに基づいて、図５を用いて包括的に説明したクラスタ及びサブクラスタを生成する。

図１１は、この具体例のクラスタ及びサブクラスタを示している。

図１０に示す優先順位に基づき、まず、属性「ジャンル」に基づくアイテムのクラスタを生成する。ここでは、図９に示すアイテム属性値と同数のクラスタを使用することができ、例えば、アイテム属性「ジャンル」については、値「ポップス」、「ロック」、「ジャズ」、「クラシック」等を使用できる。この具体例では、各クラスタは、図１０に基づくアイテム属性「人気度」によって、更に個別のエンティティに分割され、この属性は、例えば、「トップ１０」、「トップ４０」及び「その他」といった値を有する。更に、「９０年代」及び「８０年代」といった値を有する第３のアイテム属性「発売日」を用いて、２番目のサブクラスタを作成することができ、例えば、「９０年代及び８０年代にトップ１０にランクインされたポップス曲」を定義することができる。

一旦、配列エンジン３がクラスタリングを完了すると、配列規則７が適用される。この具体例の配列規則７は、以下の通りである。第１に、図１１のＡ１で示すように、９０年代にヒットチャート（トップ１０）にランクインされた、ユーザから最も人気があるジャンル（ポップス）の３つの曲を選択する。第２に、図１１のＡ２によって示すように、ヒットチャート（トップ４０）にランクインされた、ユーザから最も人気があるジャンルに近いジャンルから４つの曲を選択する。第３に、先のステップで推薦した曲をユーザが気に入った場合、図１１のＡ３によって示すように、８０年代にヒットチャート（トップ４０）にランクインされた、クラスタ「ロック」内の１つの曲を選択する。ユーザが提示した曲を好まなかった場合、次に、図１１のＡ４によって示すように、クラスタ「ポップス」から曲を選択する。

このようにして、推薦−フィードバック−ユーザプロファイル−選択−配列−推薦から構成されるフィードバックループとして、８つの曲を含む推薦リストを生成する。

図１２は、本発明の好適な実施形態に基づく推薦装置／システムをインストールできる可能なシステムアーキテクチャを示している。推薦装置３５は、携帯電話機、携帯情報端末（ＰＤＡ）、パーソナルコンピュータ（ＰＣ）又は他の適切な如何なる機器であってもよい。推薦装置３５は、例えば、セルラネットワーク、インターネット又は他の適切なネットワークであるネットワーク３６を介して、ネットワークサーバコンピュータを備えるサーバ側３７と通信を行う。実現例に応じて、サーバ側３７は、コンテンツアイテムプール４として機能してもよく、又は選択９を提供してもよい。

以上のように、本発明に基づくコンテンツ推薦装置は、ユーザプロファイルに基づき、コンテンツアイテムプール４からコンテンツアイテムを選択し、選択されたコンテンツアイテムを含む選択リスト９を生成する選択エンジン２及び／又はユーザプロファイルに基づき、選択リストを受け取る選択リスト受信手段と、少なくとも１つの先に生成された選択の少なくとも一部に対するユーザフィードバックに基づいてユーザプロファイルを生成するユーザプロファイルエンジンとを備える。このコンテンツ推薦装置において、ユーザフィードバックは、明示的フィードバック及び暗示的フィードバックを含み、これにより、対応する暗示的フィードバックによって精度を高められる非常に簡単な明示的フィードバックが実現する。

アイテム推薦のための個々の構成要素及び推薦に影響を及ぼす因子を示す本発明の好適な実施形態のブロック図である。 本発明の好適な実施形態に基づくユーザフィードバックを含むアイテムの選択及び配列のための処理のフローチャートである。 本発明の好適な実施形態に基づく例示的なフィードバック入力端末を示す図である。 本発明の好適な実施形態に基づく暗示的及び明示的なフィードバックからなるフィードバックに対する暗示的なフィードバックメカニズムの効果を例示的に示す相関グラフである。 本発明の好適な実施形態に基づき、選択リスト内で推薦リストを生成するアイテムの再配列のために基礎となる包括的なクラスタリングスキームを示す図である。 本発明の好適な実施形態に基づく基本的なユーザプロファイル、アイテム及び属性値の構造の具体例を示す図である。 本発明の好適な実施形態に基づいて生成された推薦リストを示す図である。 本発明の好適な実施形態に基づくアイテム及び関連する属性の具体例を示す図である。 本発明の好適な実施形態に基づく例示的なユーザプロファイル、アイテム及び属性値の構造の具体例を示す図である。 本発明の好適な実施形態に基づくアイテム属性の優先順位リストの具体例を示す図である。 本発明の好適な実施形態に基づく推薦リストを生成するために選択リスト内でアイテムを再配列するための例示的なクラスタリングを説明する図である。 本発明の好適な実施形態に基づく推薦装置／システムがインストールされる可能なシステムアーキテクチャを示す図である。

Claims (36)

1. ユーザプロファイルに基づき、コンテンツアイテムプール（４）からコンテンツアイテムを選択し、選択されたコンテンツアイテムを含む選択リスト（９）を生成する選択エンジン（２）及び／又はユーザプロファイルに基づき、選択リストを受け取る選択リスト受信手段と、
   少なくとも１つの先に生成された選択の少なくとも一部に対するユーザフィードバックに基づいて上記ユーザプロファイルを生成するユーザプロファイルエンジンとを備えるコンテンツ推薦装置において、
   上記ユーザフィードバックは、明示的フィードバック及び暗示的フィードバックを含むことを特徴とするコンテンツ推薦装置。
2. 上記ユーザフィードバック（１０）は、暗示的なフィードバックの表現によって重み付けされた明示的なフィードバックの表現の関数であることを特徴とする請求項１記載のコンテンツ推薦装置。
3. 上記明示的なフィードバックは、ユーザが特定のコンテンツアイテムを好きか嫌いかを示す指示を含むことを特徴とする請求項１又は２記載のコンテンツ推薦装置。
4. 上記暗示的なフィードバックは、明示的なフィードバックに伴う反応のレベルに基づいていることを特徴とする請求項１乃至３いずれか１項記載のコンテンツ推薦装置。
5. 上記暗示的なフィードバックは、ユーザがコンテンツ推薦装置の入力端末を操作した強さに基づいていることを特徴とする請求項４記載のコンテンツ推薦装置。
6. 上記暗示的なフィードバックは、明示的なフィードバックのための操作子に加えられた圧力を含むことを特徴とする請求項４又は５記載のコンテンツ推薦装置。
7. 上記暗示的なフィードバックは、ユーザが上記明示的なフィードバックのための操作子を操作するまでの反応時間を含むことを特徴とする請求項４乃至６いずれか１項記載のコンテンツ推薦装置。
8. 上記選択エンジン（２）は、標準化された手法で各コンテンツアイテムを定義するアイテム属性（５）に基づいて、上記選択リスト（９）を生成することを特徴とする請求項１乃至７いずれか１項記載のコンテンツ推薦装置。
9. 上記選択エンジン（２）は、商業的意図で配列されたコンテンツアイテムのシーケンスを生成するビジネス規則（６）に基づいて、上記選択リスト（９）を生成することを特徴とする請求項１乃至８いずれか１項記載のコンテンツ推薦装置。
10. 上記選択リスト（９）の少なくとも一部を再配列することによって、コンテンツ推薦リスト（１２）を生成する配列エンジン（３）を更に備える請求項１乃至９いずれか１項記載のコンテンツ推薦装置。
11. 上記配列エンジン（３）は、コンテンツアイテムの演出的シーケンスを生成する配列規則（７）に基づいて、上記コンテンツ推薦リスト（１２）を生成することを特徴とする請求項１０記載のコンテンツ推薦装置。
12. 上記配列エンジン（３）は、標準化された手法で各コンテンツアイテムを定義するアイテム属性（５）に基づいて、上記コンテンツ推薦リスト（１２）を生成することを特徴とする請求項１０又は１１記載のコンテンツ推薦装置。
13. 上記配列規則（７）は、個別のアイテム属性（５）を結合することを特徴とする請求項１１又は１２記載のコンテンツ推薦装置。
14. 上記配列エンジン（３）は、商業的意図で配列されたコンテンツアイテムのシーケンスを生成するビジネス規則（６）に基づいて、上記コンテンツ推薦リスト（１２）を生成することを特徴とする請求項１０乃至１３いずれか１項記載のコンテンツ推薦装置。
15. 上記配列エンジン（３）は、ユーザプロファイル（１１）に基づいて、上記コンテンツ推薦リスト（１２）を生成することを特徴とする請求項１乃至１４いずれか１項記載のコンテンツ推薦装置。
16. 上記ユーザプロファイルエンジン（１）は、少なくとも１つの先の出力推薦リスト（１２）に対するユーザフィードバック（１０）に基づいて、ユーザプロファイル（１１）を生成することを特徴とする請求項１０乃至１５いずれか１項記載のコンテンツ推薦装置。
17. 上記ユーザフィードバック（１０）は、選択リスト（９）又は新たな選択リスト（９）のコンテンツアイテムを含む縮小されたコンテンツアイテムプールに基づき、繰り返し精度を高められた推薦リスト（１２）を生成するために使用されることを特徴とする請求項１０乃至１６いずれか１項記載のコンテンツ推薦装置。
18. ユーザプロファイルに基づき、コンテンツアイテムプール（４）からコンテンツアイテムを選択し、選択されたコンテンツアイテムを含む選択リスト（９）を生成するステップ及び／又はユーザプロファイルに基づき、選択リストを受け取るステップと、
    少なくとも１つの先に生成された選択の少なくとも一部に対するユーザフィードバックに基づいて上記ユーザプロファイルを生成するステップとを有するコンテンツ推薦方法において、
    上記ユーザフィードバックは、明示的フィードバック及び暗示的フィードバックを含むことを特徴とするコンテンツ推薦方法。
19. 上記ユーザフィードバック（１０）は、暗示的なフィードバックの表現によって重み付けされた明示的なフィードバックの表現の関数であることを特徴とする請求項１８記載のコンテンツ推薦方法。
20. 上記明示的なフィードバックは、ユーザが特定のコンテンツアイテムを好きか嫌いかを示す指示を含むことを特徴とする請求項１８又は１９記載のコンテンツ推薦方法。
21. 上記暗示的なフィードバックは、明示的なフィードバックに伴う反応のレベルに基づいていることを特徴とする請求項１８乃至２０いずれか１項記載のコンテンツ推薦方法。
22. 上記暗示的なフィードバックは、ユーザがコンテンツ推薦装置の入力端末を操作した強さに基づいていることを特徴とする請求項２１記載のコンテンツ推薦方法。
23. 上記暗示的なフィードバックは、明示的なフィードバックのための操作子に加えられた圧力を含むことを特徴とする請求項２１又は２２記載のコンテンツ推薦方法。
24. 上記暗示的なフィードバックは、ユーザが上記明示的なフィードバックのための操作子を操作するまでの反応時間を含むことを特徴とする請求項２１乃至２４いずれか１項記載のコンテンツ推薦方法。
25. 標準化された手法で各コンテンツアイテムを定義するアイテム属性（５）に基づいて、上記選択リスト（９）を生成するステップを更に有する請求項１８乃至２４いずれか１項記載のコンテンツ推薦方法。
26. 商業的意図で配列されたコンテンツアイテムのシーケンスを生成するビジネス規則（６）に基づいて、上記選択リスト（９）を生成するステップを更に有する請求項１８乃至２５いずれか１項記載のコンテンツ推薦方法。
27. 上記選択リスト（９）の少なくとも一部を再配列することによって、コンテンツ推薦リスト（１２）を生成するステップを更に有する請求項１８乃至２６いずれか１項記載のコンテンツ推薦方法。
28. コンテンツアイテムの演出的シーケンスを生成する配列規則（７）に基づいて、上記コンテンツ推薦リスト（１２）を生成するステップを更に有する請求項２７記載のコンテンツ推薦方法。
29. 標準化された手法で各コンテンツアイテムを定義するアイテム属性（５）に基づいて、上記コンテンツ推薦リスト（１２）を生成するステップを更に有する請求項２７又は２８記載のコンテンツ推薦方法。
30. 上記配列規則（７）は、個別のアイテム属性（５）を結合することを特徴とする請求項２８又は２９記載のコンテンツ推薦方法。
31. 上記配列エンジン（３）は、商業的意図で配列されたコンテンツアイテムのシーケンスを生成するビジネス規則（６）に基づいて、上記コンテンツ推薦リスト（１２）を生成することを特徴とする請求項２７乃至３０いずれか１項記載のコンテンツ推薦方法。
32. ユーザプロファイル（１１）に基づいて、上記コンテンツ推薦リスト（１２）を生成するステップを更に有する請求項２７乃至３１いずれか１項記載のコンテンツ推薦装置。
33. 少なくとも１つの先の出力推薦リスト（１２）に対するユーザフィードバック（１０）に基づいて、ユーザプロファイル（１１）を生成するステップを更に有することを特徴とする請求項２７乃至３２いずれか１項記載のコンテンツ推薦装置。
34. 上記ユーザフィードバック（１０）は、選択リスト（９）又は新たな選択リスト（９）のコンテンツアイテムを含む縮小されたコンテンツアイテムプールに基づき、繰り返し精度を高められた推薦リスト（１２）を生成するために使用されることを特徴とする請求項２７乃至３３いずれか１項記載のコンテンツ推薦装置。
35. コンピュータ又はデジタルシグナルプロセッサによって実行されて、請求項１８乃至３４いずれか１項記載のコンテンツ推薦方法のステップを実行するよう適応化されたコンピュータプログラム手段を含むコンピュータプログラム製品。
36. 請求項３５記載のコンピュータプログラム製品を格納するコンピュータにより読取可能な媒体。

Images