JP2007164545A - 嗜好プロファイル生成装置、嗜好プロファイル生成方法及びプロファイル生成プログラム - Google Patents

Abstract

【課題】本発明は、短時間でかつ簡単に、お互いが所有する複数の楽曲データに対するユーザ固有の嗜好を比較し、有効活用するための嗜好プロファイルを生成できるようにする。
【解決手段】本発明は、ハードディスク１５に保持された１以上の楽曲データを所定の楽曲解析手法でそれぞれ解析処理することにより当該楽曲データの特徴を表す複数項目毎の連続値でなる数値メタデータを、複数項目毎に複数種類のクラスにクラス分けすることにより楽曲解析を行い、複数項目毎に、各クラスに分類される楽曲データの数を統計することにより楽曲データに対するユーザ固有の嗜好を表した嗜好プロファイルＰＲ１を生成することができるので、ユーザが所持する楽曲データに応じたユーザ固有の嗜好度を、抽象的ではなく複数項目毎の具体的な数値からなる嗜好プロファイルＰＲ１として生成することができる。
【選択図】図８

Description

本発明は、嗜好プロファイル生成装置、嗜好プロファイル生成方法及びプロファイル生成プログラムに関し、例えば携帯型音楽プレーヤに適用して好適なものである。

従来、携帯型音楽プレーヤにおいては、内蔵された半導体メモリやハードディスク等に複数の楽曲データを保持し、その中から所望の楽曲データを選択して再生することにより、任意の場所で気軽に音楽を楽しませることができるようになされている。

このような携帯型音楽プレーヤを所有するユーザ同士の間で、相互に推薦楽曲リストを交換することにより、最近流行の楽曲を知らせることができたり、自ら好みの楽曲を選択する際の参考情報とする楽曲推薦システムがある（例えば、特許文献１参照）。
特開2004-54023公報

ところで携帯型音楽プレーヤを所有するユーザ同士の間で、お互いに所持している楽曲の嗜好が似通っているか否かを比較する場合には、同じ曲や同じアーティストの楽曲データを双方が所持していないと比較することがそもそも難しいというのが現状である。

実際上、携帯型音楽プレーヤを所有するユーザ同士の間で、お互いに所持している楽曲データ同士を直接比較する場合、所持している曲数が多いと楽曲データリストの転送に長時間を要したり、比較する際の時間についても曲数に比例して長くなるという問題があった。

本発明は以上の点を考慮してなされたもので、短時間でかつ簡単に、お互いが所有する楽曲データに対するユーザ固有の嗜好を比較し、有効活用するための嗜好プロファイルを生成し得る嗜好プロファイル生成装置、嗜好プロファイル生成方法及びプロファイル生成プログラムを提案しようとするものである。

かかる課題を解決するため本発明においては、記憶手段に保持された１以上の楽曲データを所定の楽曲解析手法でそれぞれ解析処理することにより当該楽曲データの特徴を表す複数項目毎の連続値でなる数値メタデータを、複数項目毎に複数種類のクラスにクラス分けし、複数項目毎に、各クラスに分類される楽曲データの数を統計することにより、楽曲データに対するユーザ固有の嗜好を表した嗜好プロファイルを生成することができるので、ユーザが所持する楽曲データに応じたユーザ固有の嗜好度を、抽象的ではなく複数項目毎の具体的な数値からなる嗜好プロファイルとして生成することができる。

本発明によれば、記憶手段に保持された１以上の楽曲データを所定の楽曲解析手法でそれぞれ解析処理することにより当該楽曲データの特徴を表す複数項目毎の連続値でなる数値メタデータを、複数項目毎に複数種類のクラスにクラス分けし、複数項目毎に、各クラスに分類される楽曲データの数を統計することにより、楽曲データに対するユーザ固有の嗜好を表した嗜好プロファイルを生成することができるので、ユーザが所持する楽曲データに応じたユーザ固有の嗜好度を、抽象的ではなく複数項目毎の具体的な数値からなる嗜好プロファイルとして生成することができ、かくして短時間でかつ簡単に、お互いが所有する楽曲データに対するユーザ固有の嗜好を比較し、有効活用するための嗜好プロファイルを生成し得る嗜好プロファイル生成装置、嗜好プロファイル生成方法及びプロファイル生成プログラムを実現することができる。

以下、図面について、本発明の一実施の形態を詳述する。

（１）携帯型音楽プレーヤの構成
図１において、１は全体として本発明の嗜好プロファイル生成機能を搭載した携帯型音楽プレーヤを示し、図示しないバッテリから供給される電源電圧を電源回路５によって所定電圧の内部電力に変換し、これをＣＰＵ(Central Processing Unit)２乃至各回路に供給することにより全体を駆動させるようになされている。

携帯型音楽プレーヤ１のＣＰＵ２は、ＲＯＭ(Read Only Memory)３に格納された基本プログラムや各種アプリケーションプログラム（プロファイル生成プログラム等）を読み出してＲＡＭ(Random Access Memory)４に展開することにより、一般的な楽曲データの録音処理又は再生処理を実行したり、後述する嗜好プロファイルの生成処理等を実行するようになされている。

具体的にＣＰＵ２は、操作キーコントローラ６を介してユーザから再生を希望する例えば楽曲ａが指定されたことを認識すると、バス１９を経由してハードディスクドライブ１４にアクセスし、ハードディスク１５から当該楽曲ａの楽曲データを読み出させ、これをＤＳＰ１０へ送出する。

携帯型音楽プレーヤ１のＣＰＵ２は、ＤＳＰ１０に対して楽曲ａの楽曲データに対して伸長化及び復号化等の再生処理を実行させ、その結果得られる楽曲ａの再生データをディジタルアナログ変換回路１１によりアナログの再生信号に変換させた後、増幅回路１２及びヘッドホンジャック１３を介してヘッドホン（図示せず）から楽曲ａの音声を出力させる。

このとき携帯型音楽プレーヤ１のＣＰＵ２は、ＬＣＤ(Liquid Crystal Display)コントローラ７を介してＬＣＤ８に現在出力中の楽曲ａのタイトル、アーティスト名、再生経過時間のほか、バッテリ残量等の種々の情報を表示するようになされている。

また携帯型音楽プレーヤ１のＣＰＵ２は、入出力インタフェース１６を介して接続されたパーソナルコンピュータ１７との間で楽曲データ等を相互に送受信することが可能であり、当該パーソナルコンピュータ１７から受信した楽曲データをハードディスクドライブ１４を介してハードディスク１５に格納し得るようになされている。

さらに携帯型音楽プレーヤ１のＣＰＵ２は、例えばブルートゥースモジュール(登録商標)やＩＥＥＥ(Institute Of Electrical and Electronics Engineers)802.11g、あるいは赤外線等の近距離無線通信インタフェース１８を有しており、これにより当該携帯型音楽プレーヤ１の所持者であるユーザＡ以外の他のユーザＢが所持する携帯型音楽プレーヤ１との間で後述する嗜好プロファイルや楽曲データを相互に送受信し得るようになされている。なお携帯型音楽プレーヤ１では、近距離無線通信インタフェース１８を用いているが、これに限るものではなく、有線による通信インタフェース等のその他種々の通信手段を用いることが可能である。

このような構成でなる携帯型音楽プレーヤ１においては、アプリケーションプログラムの一つであるプロファイル生成プログラムを起動することにより、ハードディスク１５に多数格納された複数の楽曲データに基づいて、楽曲に対するユーザＡの嗜好を表す嗜好プロファイルを生成し得るようになされており、次に嗜好プロファイルを生成するまでの流れと、その嗜好プロファイルの利用方法について以下説明する。

（２）嗜好プロファイルの生成方法
（２−１）楽曲解析処理手順
携帯型音楽プレーヤ１においては、嗜好プロファイルの生成処理に入る前に、前処理としてユーザＡがハードディスク１５に格納してある複数の楽曲データそれぞれに対する数値メタデータを解析しておく必要があり、その楽曲解析処理手順について最初に説明する。

図２に示すように携帯型音楽プレーヤ１のＣＰＵ２は、ルーチンＲＴ１の開始ステップから入って次のステップＳＰ１へ移り、ハードディスク１５に格納されている複数の楽曲データについて解析することにより、「tempo」、「speed」、「dispersion」、「major」、……等の楽曲に関する特徴を各種項目毎に表した数値メタデータからなる楽曲解析データを所定の手法により算出し、次のステップＳＰ２へ移る。

因みに、楽曲解析データの算出手法の一例としては、本願出願人の特開2005-274708公報に詳述されているが、必ずしもこれに限るものではなく、その他種々の手法により楽曲解析データを算出するようにしても良い。

ここで図３に示すように楽曲解析データＧ１は、例えば楽曲ａについては、「tempo：１２３」、「speed：３４」、「dispersion:５６」、「major:４２」、……等のように当該楽曲ａの特徴が複数の項目毎に連続値でなる特徴量として数値化され、同様に、楽曲ｂについても「tempo：８７」、「speed：６４」、「dispersion:３４」、「major:５６」、……、楽曲ｃについても「tempo：１２０」、「speed：２１」、「dispersion:７３」、「major:２１」、……等のように当該楽曲ｂ及び楽曲ｃの特徴が複数の項目毎に連続値でなる特徴量として数値化されたものである。

この楽曲解析データＧ１は、嗜好プロファイルを生成するための第１段階として必要なデータであり、携帯型音楽プレーヤ１のＣＰＵ２が解析しても良いが、入出力インタフェース１６を介して接続されたパーソナルコンピュータ１７によって解析してもらい、その結果を受け取るようにしても良い。

ステップＳＰ２において携帯型音楽プレーヤ１のＣＰＵ２は、楽曲解析データＧ１を基に項目毎の特徴量をバケット値に変換し、次のステップＳＰ３へ移る。ここで特徴量をバケット値に変換するとは、予め携帯型音楽プレーヤ１に保持されている図４に示すような特徴量―バケット値変換テーブルＴＢＴに基づいて、例えば「tempo」の項目に関しては、特徴量「０−５７」がバケット番号「０」に該当し、特徴量「５８−７１」がバケット番号「１」に該当し、特徴量「７２−８０」がバケット番号「２」に該当し、……、特徴量「１８１−２００」がバケット番号「９」に該当するように、特徴量を１０段階の離散値（バケット番号）にクラス分けして分類することをいう。因みに携帯型音楽プレーヤ１のＣＰＵ２は、「tempo」の項目以外の他の項目の全てについても特徴量を離散値（バケット番号）に変換する。

なお、この特徴量―バケット値変換テーブルＴＢＴは、例えば、音楽（楽曲）の配信サービス（ＥＭＤ(Electronic Music Distribution)サービスを提供するサーバからダウンロードして取得するようにしても良い。但し、いずれの場合であっても、後に他のユーザの嗜好プロファイルと比較することなどを考慮すると、各バケットと各特徴量の範囲との対応関係は、それぞれの特徴量―バケット値変換テーブルＴＢＴで共通していることが望ましい。

因みに、特徴量―バケット値変換テーブルＴＢＴは、幅広いジャンルから大量の楽曲を集め、各楽曲の特徴量を上述の手法により数値で算出し、解析対象とした楽曲が均等に分類されるように各バケットと特徴量とが対応付けられている。

具体的には、解析対象とした楽曲をＮ曲、バケットをＭ個作る場合には、まず、Ｎ曲の楽曲を数値メタデータでソートする。そして、値の小さい方または大きい方からＮ／Ｍ曲目と（Ｎ／Ｍ）＋１曲目の数値メタデータの中間値を、最初又は最後のバケット区切りとし、この処理を順次繰り返すことにより、Ｎ−１個のバケット区切りを生成する。

各バケット値を単に等間隔に分けると、どのユーザも似たような嗜好プロファイルになってしまう可能性があるが、このような手法によれば、数値が集中する範囲は、より細かくクラス分けされることになり、ユーザごとの特徴を反映した嗜好プロファイルを生成することができるのである。

ステップＳＰ３において携帯型音楽プレーヤ１のＣＰＵ２は、楽曲解析データＧ１の特徴量をバケット値に変換することにより、図５に示すように各楽曲（楽曲ａ、楽曲ｂ、楽曲ｃ、……）について各種項目毎にバケット番号が付されたメタデータ付曲集合データＭＭＤを生成することができ、これをハードディスク１５に保存し、次のステップＳＰ４へ移って処理を終了する。

（２−２）プロファイル生成処理手順
次に、携帯型音楽プレーヤ１においては、楽曲解析処理手順ＲＴ１に続いて最終的な嗜好プロファイルを生成するためのプロファイル生成処理手順について説明する。

図６に示すように携帯型音楽プレーヤ１のＣＰＵ２は、ルーチンＲＴ２の開始ステップから入って次のステップＳＰ１１へ移り、メタデータ付曲集合データＭＭＤ（図５）のうち、ユーザが「好き」な楽曲と、「嫌い」な楽曲とをラベル付けし、次のステップＳＰ１２へ移る。

ここでラベル付けとは、ユーザによる明示的な設定操作に応じて楽曲データ毎に「好き」又は「嫌い」に応じたフラグを付加することであるが、必ずしも明示的な設定操作だけではなく、再生回数が所定値を超える楽曲については「好き」であるとみなし、所定値以下の楽曲については「嫌い」であるとみなしてフラグを付加することも可能である。

或いは、ラベル付けの方法としては、プレーヤ自身の操作履歴を利用して、頻繁にスキップ操作された楽曲については「嫌い」であるとみなしたり、所謂レーティングを利用して「好き」又は「嫌い」を判断してフラグを付加することもできる。

ステップＳＰ１２において携帯型音楽プレーヤ１のＣＰＵ２は、ステップＳＰ１１でフラグが付加されたメタデータ付曲集合データＭＭＤを各楽曲データのバケットに格納していく。このときステップＳＰ１１で付加されたラベルのフラグに基づき、各バケット番号に該当する楽曲数の値に対して「好き」のフラグであれば「＋１」を加算し、「嫌い」のフラグであれば「−１」を加算した上で格納する。

因みに、携帯型音楽プレーヤ１のＣＰＵ２は、各バケット番号に該当する楽曲数の値に対して「好き」のフラグであれば「＋１」を加算し、「嫌い」のフラグであれば「−１」を加算するだけではなく、そのバケットに隣接したバケット番号に該当する楽曲数の値についても同時に増減することが可能である。

ステップＳＰ１３において携帯型音楽プレーヤ１のＣＰＵ２は、各バケットに格納された数値データの総和を算出し、次のステップＳＰ１４へ移る。

このステップＳＰ１３までの処理により生成されるのが、図７に示す嗜好プロファイルＰＲ０である。この嗜好プロファイルＰＲ０は、ユーザの音楽に対する嗜好を表すものである。図７の例では、「tempo（テンポ）」がバケット６のクラスで最大となっているので、この嗜好プロファイルを持つユーザは、テンポについては、バケット６に該当する特徴量を持つ音楽をより好むものと推測することができる。

嗜好プロファイルＰＲ０中の各数値は、概ね、「tempo」、「speed」、「dispersion」、「major」、……、の各種項目毎に割り振られたバケット番号に該当する楽曲数が幾つあるのかを示している。一般的には、携帯型音楽プレーヤ１に保持される楽曲は、ユーザの好みにある程度合致すると考えられるため、楽曲データにラベル付けがされていなくても、生成される嗜好プロファイルＰＲ０は、ユーザの音楽に対する嗜好を反映しているといえる。

しかしながら、ステップＳＰ１２において、各バケットに数値が格納される際に、ステップＳＰ１１で付加されたラベルのフラグに応じた加減がなされる場合には、更にユーザの好みが反映された嗜好プロファイルＰＲ０が生成されることになる。

後述するように他のユーザと嗜好プロファイルを比較する場合などにおいては、嗜好プロファイルＰＲ０中の各データが正規化されていることが望ましい。そこでステップＳＰ１４において携帯型音楽プレーヤ１のＣＰＵ２は、ステップＳＰ１３で生成された嗜好プロファイルＰＲ０の各バケットにおける値を正規化し、次のステップＳＰ１５へ移る。

ステップＳＰ１５において携帯型音楽プレーヤ１のＣＰＵ２は、ステップＳＰ１４で正規化することにより、図８に示すような最終的な嗜好プロファイルＰＲ１を生成し、これをハードディスク１５に保存した後、次のステップＳＰ１６へ移ってプロファイル生成処理手順を終了する。

ところで、上述のプロファイル生成処理手順に従って生成される嗜好プロファイルＰＲ１について、もう少し詳細に説明すると、図９に示すように、例えばユーザＡとユーザＢとでは保持している楽曲の種類及び曲数が異なるので、異なる嗜好プロファイルＰＲ１Ａ及びＰＲ１Ｂが生成されることになる。

この嗜好プロファイルＰＲ１Ａ及びＰＲ１Ｂでは、楽曲の特徴量を表す各種項目が多数存在し、それぞれについて一通り説明する。「tempo（テンポ）」は、１分間あたりの４分音符の数、すなわちＢＰＭ(Beat Per Minutes)である。「speed（スピード感）」は、速い感じの曲か、ゆっくりとした感じの曲かを表し、速い感じの曲ほど大きな値になり、ゆっくりとした感じの曲ほど小さい値になるものである。

「dispersion（テンポ分散）」は、テンポの揺れの大きさを表し、テンポの変化の大きな曲ほど大きい値になり、テンポが一定の曲ほど小さい値になるものである。「major（メジャーコードの割合）」は、メジャーコードの出現割合の大きさを表し、メジャーコードの出現割合が大きい曲ほど大きい値になり、マイナーコードの出現割合が大きい曲ほど小さい値になるものである。

「happy（明るさ）」は、曲の明るさを表し、明るい曲ほど大きい値になり、暗い曲ほど小さい値になるものである。「emotion（感情）」は、その曲が感情的かどうかを表し、感情が揺さぶられる曲ほど大きい値になり、すました曲ほど小さい値になるものである。「chord variation（コード進行のバリエーション）」は、コード進行のバリエーションの多さを表し、曲中で様々なコード進行が使われる曲ほど大きな値になり、同じコード進行が曲全体で繰り返しているような曲ほど小さい値になるものである。

「chord complexity（コード判定の難度）」は、コード判定の難しさを表し、４和音の割合が大きい曲、コードが判別できないような曲ほど大きい値になり、３和音の割合が大きい曲、コード判定が容易な曲ほど小さい値になるものである。「key complexity（キー判定の難度）」は、キー（調）判定の難しさを表し、スケールが判別できない曲ほど大きな値になり、明確なスケールが存在する曲ほど小さい値になるものである。

「notes（音符の多さ）」は、音符の多さを表し、何十もの楽器のアンサンブルのように全体の音符の数が多い曲ほど大きい値になり、ソロ演奏など全体に音符の数が少ない曲ほど小さい値になるものである。「rhythm ratio（リズム楽器の割合）」は、リズム楽器の割合を表し、打楽器など音符を持たない音の数が多い曲ほど大きい値になり、その他の音程を持った音の数が少ない曲ほど小さい値になるものである。

「duration（トーンの長さ）」は、トーンの長さを表し、同じ音符が持続することの多い曲ほど大きい値に、同じ音符が持続することの少ない曲ほど小さい値になるものである。「release（トーンの減衰のゆるやかさ）」は、トーンの減衰のゆるやかさを表し、発音が終わった後、音量がゆるやかに減衰する音の多い曲ほど大きい値に、音がすぐに減衰する曲ほど小さい値になるものである。

「hard（発音の速さ）」は、発音の速さを表し、発音の際、音量が大きくなるまでの時間（アタックタイム）が短い個所の多い曲ほど大きい値に、長い個所の多い曲ほど小さい値になるものである。「clearness（トーンの明瞭度）」は、トーンの倍音がはっきりと現れているか≒聞き取りやすさを表し、倍音がはっきりとしたトーンが多い曲ほど大きい値に、少ない曲ほど小さい値になるものである。

「expanse（ステレオの広がりの大きさ）」は、ステレオの広がりの大きさを表し、左右チャンネルの信号差が大きい曲ほど大きい値に、小さい曲ほど小さい値になるものである。「density（音の密度）」は、周波数の埋まり具合を表し、様々な音が発音された結果、多くの周波数が埋まっている曲ほど大きい値になり、信号の無い帯域の多い曲ほど小さい値になるものである。

「amplitude range（音量変化の大きさ）」は、全体の音量変化の大きさを表し、音量が大きく変化する曲ほど大きい値になり、あまり変化しない曲ほど小さい値になるものである。「hi mid（高域の強さ）」は、中音域と比較した高域の強さを表し、高域の音量が大きい曲ほど大きい値に、小さい曲ほど小さい値になるものである。「lo mid（低域の強さ）」は、中音域と比較した低域の強さを表し、低域の音量が大きい曲ほど大きい値に、小さい曲ほど小さい値になるものである。

このような嗜好プロファイルＰＲ１Ａ、ＰＲ１Ｂは、ユーザＡ、ユーザＢがそれぞれ所持している複数の楽曲に関する個々の嗜好が細かな項目毎に分かれて数値化されたものであり、ジャンルや曲名、さらにはアーティスト名等には拘わらず、複数の楽曲全体の持つ特徴が全て反映された非常に有意なプロファイルである。

このような嗜好プロファイルＰＲ１Ａ、ＰＲ１Ｂを用いた種々の利用形態について、以下説明する。

（３）嗜好プロファイルの利用形態
（３−１）相性度算出処理手順
携帯型音楽プレーヤ１を所有しているユーザＡが同じ携帯型音楽プレーヤ１を所有しているユーザＢから嗜好プロファイルＰＲ１Ｂを取り込み、ユーザＡの嗜好プロファイルＰＲ１ＡとユーザＢの嗜好プロファイルＰＲ１Ｂとを基にユーザＡ及びユーザＢの音楽に関する嗜好の相性度を求める利用形態について、図１０のフローチャートを用いて説明する。

携帯型音楽プレーヤ１のＣＰＵ２は、ルーチンＲＴ３の開始ステップから入って次のステップＳＰ２１へ移り、近距離無線通信インタフェース１８を介してユーザＢの携帯型音楽プレーヤ１から嗜好プロファイルＰＲ１Ｂ（図９（Ｂ））を取り込むと、次のステップＳＰ２２へ移る。

ステップＳＰ２２において携帯型音楽プレーヤ１のＣＰＵ２は、図１１に示すようにユーザＡの嗜好プロファイルＰＲ１Ａと、ユーザＢの嗜好プロファイルＰＲ１Ｂとを比較し、同じ位置に存在するバケット値同士の差の絶対値をそれぞれ求め、その総和を算出し、次のステップＳＰ２３へ移る。

具体的にはＣＰＵ２は、ユーザＡの嗜好プロファイルＰＲ１Ａにおける「tempo」のバケット１のバケット値０．０４８と、ユーザＢの嗜好プロファイルＰＲ１Ｂにおける「tempo」のバケット１のバケット値０．０６０との差０．０１２、ユーザＡの嗜好プロファイルＰＲ１Ａにおける「tempo」のバケット２のバケット値０．０９４と、ユーザＢの嗜好プロファイルＰＲ１Ｂにおける「tempo」のバケット２のバケット値０．０６９との差０．０２５、……、ユーザＡの嗜好プロファイルＰＲ１Ａにおける「lo mid」のバケット１０のバケット値０．０７２と、ユーザＢの嗜好プロファイルＰＲ１Ｂにおける「lo mid」のバケット１０のバケット値０．０６４との差０．００８の総和を算出する。

ステップＳＰ２３において携帯型音楽プレーヤ１のＣＰＵ２は、ステップＳＰ２２で算出した総和の値に基づいてユーザＡの音楽嗜好とユーザＢの音楽嗜好との類似度すなわち相性度を求め、その相性度を画面出力し、次のステップＳＰ２４へ移って相性度算出処理を終了する。

ここで相性度算出処理手順ＲＴ３では、総和の値が小さいほど、ユーザＡの音楽嗜好とユーザＢの音楽嗜好とが似ていることを表しており、総和の値が大きいほどユーザＡの音楽嗜好とユーザＢの音楽嗜好とが似ていないことを表している。

従って携帯型音楽プレーヤ１のＣＰＵ２は、図１２に示すように相性度算出処理手順ＲＴ３で算出した総和の値に基づく相性度（％表示）を相性度算出結果画面ＩＧＤとしてＬＣＤ８（図１）に表示するようになされている。

この相性度算出結果画面ＩＧＤでは、ユーザＡの音楽嗜好及びユーザＢの音楽嗜好の相性度が「７９％」であることが示されると共に、その中でもユーザＡ及びユーザＢの双方が所有する同じ楽曲については、そのタイトル及びアーティスト名が表示されるので、当該相性度算出結果画面ＩＧＤを目視確認したユーザＡは、ユーザＢの音楽嗜好と近いのか遠いのかを数値と、楽曲のタイトル及びアーティスト名により直感的に認識することができる。

すなわち相性度を示す％表示の値が高く、楽曲のタイトル及びアーティスト名が提示されているときは、音楽嗜好が似ていると共に同じ楽曲を所有していることをユーザは認識することができ、また相性度を示す％表示の値が高いものの、楽曲のタイトル及びアーティスト名が提示されていないときは、同じ楽曲をお互いが所有している訳ではないが、音楽嗜好的には非常に似ていることをユーザは認識することができるのである。

このような相性度算出処理手順ＲＴ３については、ユーザＡの携帯型音楽プレーヤ１と、ユーザＢの携帯型音楽プレーヤ１とがアドホック接続された状態で、相手から嗜好プロファイルＰＲ１Ｂを取り込むことにより実行するようにしたが、これに限るものではなく、ユーザＡの携帯型音楽プレーヤ１と入出力インタフェース１６を介してパーソナルコンピュータ１７と接続し、当該パーソナルコンピュータ１７から相手の嗜好プロファイルＰＲ１を取り込んで相性度算出処理手順ＲＴ３を実行することも可能であり、「音楽相性占い」のようなアプリケーションとしての利用形態が考えられる。

（３−２）スコアを使用したソート処理手順
携帯型音楽プレーヤ１のユーザＡは、ハードディスク１５に格納された複数の楽曲のうち好きな楽曲から順番に聴取したいと考えたとき、嗜好プロファイルＰＲ１から楽曲単位のスコアを算出し、そのスコアに基づいてソートすることによりユーザＡの好きであろう楽曲から再生するといった利用形態について図１３のフローチャートを用いて説明する。

携帯型音楽プレーヤ１のＣＰＵ２は、ルーチンＲＴ４の開始ステップから入って次のステップＳＰ３１へ移り、図１４（Ａ）に示すようにハードディスク１５に格納してあるメタデータ付曲集合データＭＭＤを読み込み、次のステップＳＰ３２へ移る。

ステップＳＰ３２において携帯型音楽プレーヤ１のＣＰＵ２は、メタデータ付曲集合データＭＭＤのうちユーザがスコア算出を希望する例えば楽曲ａの該当するバケット番号を各項目毎（この場合のバケット番号は「tempo：９」、「speed：４」、「dispersion：６」、「major：４」、……）に求め、次のステップＳＰ３３へ移る。

ステップＳＰ３３において携帯型音楽プレーヤ１のＣＰＵ２は、図１４（Ｂ）及び（Ｃ）に示すように、楽曲ａに関する各種項目のバケット番号に対応付けられているバケット値（０．０９３、０．１０３、０．１０７、０．０９２、……、）を加算し、その合計値（この場合０．７３）を楽曲ａに関するスコアとして算出し、次のステップＳＰ３４へ移る。

ステップＳＰ３４において携帯型音楽プレーヤ１のＣＰＵ２は、楽曲ａに続いて楽曲ｂ、楽曲ｃ、……、についてもスコアを算出したか否かを判定し、否定結果が得られると、上述のステップＳＰ３２以降の処理を繰り返し、肯定結果が得られると次のステップＳＰ３５へ移る。

ステップＳＰ３５において携帯型音楽プレーヤ１のＣＰＵ２は、楽曲ａ、楽曲ｂ、楽曲ｃ、……、についても全てスコアを算出し終えたので、スコア順に楽曲ａ、楽曲ｂ、楽曲ｃ、……、をソートすることによりユーザＡが好む楽曲順に再生することができるようになり、次ぎのステップＳＰ３６へ移ってソート処理手順を終了する。

すなわち携帯型音楽プレーヤ１のＣＰＵ２は、嗜好プロファイルＰＲ１Ａの各種項目毎に正規化されたバケット値を基に、ユーザＡがハードディスク１５に格納している複数の楽曲データそれぞれに対してスコアを算出することができるので、当該スコアの大きな値からソートすればユーザＡの好きな順番に複数の楽曲データを並び替えることができ、スコアの小さな値から用いてソートすれば嫌いな順番に複数の楽曲データを並び替えることができる。

但し、このスコアは絶対値ではなく、相対値であるため、スコアの値だけを見てユーザＡがその楽曲ａを最も好きであるか否かの判断をすることはできず、他の楽曲ｂ、ｃ、……におけるスコアの値と比較しなければ判断し難い。

因みに携帯型音楽プレーヤ１のＣＰＵ２は、上述のソート処理手順ＲＴ４を用いることにより、ユーザＡが再生することを希望するプレイリストの曲順を好きな楽曲の順番で並び替えるといった利用形態に適用することができる。

また携帯型音楽プレーヤ１のＣＰＵ２は、ユーザＢの携帯型音楽プレーヤ１から取り込んだ嗜好プロファイルＰＲ１Ｂを基に、上述のソート処理手順ＲＴ４を実行することにより、ユーザＢが所有する複数の楽曲データの中からユーザＡが好きそうな楽曲の候補をリストアップするといった利用形態に適用することもできる。

（３−３）マージ処理手順
携帯型音楽プレーヤ１を所有しているユーザＡが同じ携帯型音楽プレーヤ１を所有しているユーザＢから嗜好プロファイルＰＲ１Ｂを取り込み、ユーザＡの嗜好プロファイルＰＲ１ＡとユーザＢの嗜好プロファイルＰＲ１ＢとをマージしてユーザＡ及びユーザＢ共に共通の嗜好プロファイルを新たに生成し、それを用いてユーザＡ及びユーザＢが共に好きであろう順番に楽曲をソートするといった利用形態について、図１５のフローチャートを用いて説明する。

携帯型音楽プレーヤ１のＣＰＵ２は、ルーチンＲＴ５の開始ステップから入って次のステップＳＰ４１へ移り、近距離無線通信インタフェース１８を介してユーザＢの携帯型音楽プレーヤ１から嗜好プロファイルＰＲ１Ｂを取り込むと、次のステップＳＰ４２へ移る。

ステップＳＰ４２において携帯型音楽プレーヤ１のＣＰＵ２は、図１６に示すようにユーザＡの嗜好プロファイルＰＲ１Ａ及びユーザＢの嗜好プロファイルＰＲ１Ｂのうち同じ位置に存在するバケット値の平均値をそれぞれ求め、次のステップＳＰ４３へ移る。

ステップＳＰ４３において携帯型音楽プレーヤ１のＣＰＵ２は、ステップＳＰ４３でそれぞれ求めた平均値を新たなバケット値として用いることにより、図１７に示すようにその平均値を用いたマージ後の嗜好プロファイルＰＲ１Ｃを生成し、これをハードディスク１５に保存し、次ぎのステップＳＰ４４へ移ってマージ処理手順を終了する。

これにより携帯型音楽プレーヤ１のＣＰＵ２は、ユーザＡが所有する複数の楽曲データに基づく嗜好プロファイルＰＲ１Ａと、ユーザＢの所有する複数の楽曲データに基づく嗜好プロファイルＰＲ１Ｂとをマージした結果得られる新たな嗜好プロファイルＰＲ１Ｃを基に上述したスコアを各楽曲データ単位で算出することにより、ユーザＡが所持する複数の楽曲データ及びユーザＢが所有する複数の楽曲データの中からユーザＡ及びユーザＢの双方が好むであろう順番で楽曲データをソートすることができるといったフィルタリング的な利用形態に適用することもできる。

（４）動作及び効果
以上の構成において、携帯型音楽プレーヤ１のＣＰＵ２は、図１８に示すようにプロファイル生成プログラムに基づいて楽曲解析モジュールＭ１、嗜好情報収集モジュールＭ２、プロファイル生成モジュールＭ３、プロファイル比較モジュールＭ４、フィルタリングモジュールＭ５及びプロファイル結合モジュールＭ６を形成し、これらが相互に組み合わされて用いられる。

すなわち携帯型音楽プレーヤ１のＣＰＵ２では、楽曲解析モジュールＭ１によって上述した楽曲解析処理手順ＲＴ１（図２）を実行し、嗜好情報収集モジュールＭ２によってユーザＡが「好き」な楽曲と、「嫌い」な楽曲とをラベル付けした際のフラグを楽曲データに対して付加し、プロファイル生成モジュールＭ３によって上述したプロファイル生成処理手順ＲＴ２（図６）を実行する。

そして携帯型音楽プレーヤ１のＣＰＵ２は、プロファイル生成モジュールＭ３によって生成したユーザＡの嗜好プロファイルＰＲ１Ａと、携帯型音楽プレーヤ１から取り込んだユーザＢの嗜好プロファイルＰＲ１Ｂとをプロファイル比較モジュールＭ４によってそれぞれ比較し、各種項目及びバケット番号によって定まる位置におけるバケット値の差をそれぞれ算出し、その差の絶対値の総和に基づいて相性度を算出する。

従って携帯型音楽プレーヤ１のＣＰＵ２は、ジャンルや楽曲タイトル、アーティスト名を比較するといった従来の嗜好比較手法に比べて、楽曲データの各種項目毎が細かく切り分けられた特徴量同士を数値的に比較し、ユーザＡが所持する複数の楽曲データにより定められる特徴量と、ユーザＢが所持する複数の楽曲データにより定められる特徴量との類似度（相性度）を明確な数値（％表示）として算出することができるので、ジャンルやアーティストに拘わらず、きめ細かでかつ精度の高い相性度を提示することができる。

また携帯型音楽プレーヤ１のＣＰＵ２は、ユーザＢの携帯型音楽プレーヤ１から嗜好プロファイルＰＲ１Ｂを取り込み、嗜好プロファイルＰＲ１ＡとＰＲ１Ｂとにおける各特徴量同士の差の絶対値和の総和を算出するだけなので、従来のように、相手先の端末から楽曲データリストの転送を受けたり、比較時間に長時間を要することがなく、簡単かつ短時間で相性度を求めることができる。

また携帯型音楽プレーヤ１のＣＰＵ２は、嗜好プロファイルＰＲ１Ａを用いて楽曲データ毎のスコアを算出したり、ユーザＡの嗜好プロファイルＰＲ１ＡとユーザＢの嗜好プロファイルＰＲ１Ｂとのマージ結果である新たな嗜好プロファイルＰＲ１Ｃを用いて楽曲データ毎のスコアを算出することにより、そのスコアの値に基づいて容易にソートすることができるので、スコアの値に基づいてユーザＡやユーザＢの好きであろう順番に楽曲データを並び換えるといったフィルタリング的な使用を可能にすることができる。

このように本発明の携帯型音楽プレーヤ１では、嗜好プロファイルＰＲ１Ａ、ＰＲ１Ｂが数値化されたデータであるために、当該嗜好プロファイルＰＲ１Ａ、ＰＲ１Ｂを一段と有意な情報として利用に供することができ、かくして多機能化を図ることができると共にユーザの使い勝手を大幅に向上させることができる。

以上の構成によれば、携帯型音楽プレーヤ１のＣＰＵ２は、楽曲データが持つ各種項目毎の特徴量を数値化してなる嗜好プロファイルＰＲ１を生成するようにしたことにより、ユーザＡが所有する複数の楽曲データ全体により定まる嗜好を具体的な数値として提供することができるので、種々の利用形態に適用することができる。

（５）他の実施の形態
なお上述の実施の形態においては、本発明の嗜好プロファイル生成機能を携帯型音楽プレーヤに搭載するようにした場合について述べたが、本発明はこれに限らず、音楽再生機能付きの携帯電話機やＰＤＡ(Personal Digital Assistant)、パーソナルコンピュータに適用するようにしても良い。

また上述の実施の形態においては、本発明の嗜好プロファイル生成機能を携帯型音楽プレーヤ１に搭載し、当該携帯型音楽プレーヤ１自身で嗜好プロファイルＰＲ１を生成するようにした場合について述べたが、本発明はこれに限らず、嗜好プロファイル生成機能を携帯型音楽プレーヤと接続されるパーソナルコンピュータに搭載し、嗜好プロファイルＰＲ１の生成については当該パーソナルコンピュータによって実行させ、その生成された嗜好プロファイルＰＲ１をパーソナルコンピュータから携帯型音楽プレーヤ１が受け取るようにしても良い。

さらに上述の実施の形態においては、例えば楽曲データａに関する各種項目のバケット番号に対応付けられているバケット値を順次加算し、その合計値を楽曲データａに関する相対値でなるスコアとして算出するようにした場合について述べたが、本発明はこれに限らず、例えば図１９に示すように、ユーザＡの嗜好プロファイルＰＲ１Ａ´があったとき、各種項目における特徴量最小値の合計値Σmin（１．６１）と、特徴量最大値の合計値Σmax（２．５４）とを求め、楽曲Ｘのバケット番号に合致する特徴量ｉの合計値Σｉ（２．３３）を求めた後、次式 Score＝（Σｉ−Σmin）／（Σmax−Σmin）によって絶対値でなるスコア（０．７７）を求めるようにしても良い。このスコアについては絶対値であるため、限りなく「１」に近ければ近いほど、ユーザＡがこの楽曲Ｘを好きなことを示すことになる。

さらに上述の実施の形態においては、楽曲に関する嗜好プロファイルＰＲ１を生成するようにした場合について述べたが、本発明はこれに限らず、映像に付加された音声やラジオ番組についての嗜好プロファイルを生成するようにしても良く、また鳥や動物の鳴き声に関する嗜好プロファイルを生成する等、音声に関する種々の嗜好プロファイルを生成すうようにしても良い。

さらに上述の実施の形態においては、ＣＰＵ２がプロファイル生成プログラムに基づいて嗜好プロファイルＰＲ１を生成するようにした場合について述べたが、本発明はこれに限らず、プロファイル生成プログラムが格納されたＣＤ−ＲＯＭ(Compact Disc-Read Only Memory)、ＤＶＤ−ＲＯＭ(Digital Versatile Disc-Read Only Memory)、半導体メモリ等の種々の記憶媒体を携帯型音楽プレーヤ１にインストールすることにより当該プロファイル生成プログラムに基づいて嗜好プロファイルＰＲ１を生成するようにしても良い。

さらに上述の実施の形態においては、記憶手段としてのハードディスク１５、楽曲解析手段としての楽曲解析モジュールＭ２、プロファイル生成手段としてのプロファイル生成モジュールＭ３によってソフトウェア的に嗜好プロファイル生成装置を実現するようにした場合について述べたが、本発明はこれに限らず、記憶手段、楽曲解析手段及びプロファイル生成手段をハードウェア的に構成するようにしても良い。

本発明の嗜好プロファイル生成装置、嗜好プロファイル生成方法及びプロファイル生成プログラムは、例えば携帯型音楽プレーヤに限らず、音楽再生機能を有する携帯電話機、ＰＤＡ(Personal Digital Assistant)、パーソナルコンピュータ、コンピュータゲーム機等の種々の電子機器に適用することができる。

本発明による携帯型音楽プレーヤの構成を示す略線的ブロック図である。 楽曲解析処理手順を示すフローチャートである。 嗜好プロファイルを生成するための第１段階となる楽曲解析データを示す略線図である。 特徴量―バケット番号変換テーブルを示す略線図である。 嗜好プロファイルを生成するための第２段階となるメタデータ付曲集合データを示す略線図である。 プロファイル生成処理手順を示す略線的フローチャートである。 嗜好プロファイルを生成するための第３段階となるバケット値変換データを示す略線図である。 正規化された最終的な嗜好プロファイルを示す略線図である。 嗜好プロファイルの具体例を示す略線図である。 相性度算出処理手順を示すフローチャートである。 嗜好プロファイルを利用した相性度算出処理の説明に供する略線図である。 相性度算出結果画面を示す略線図である。 スコアを使用したソート処理手順を示す略線図である。 スコア算出手法の説明に供する略線図である。 マージ処理手順を示すフローチャートである。 ユーザＡ及びユーザＢの嗜好プロファイルを利用したマージ処理の説明に供する略線図である。 マージ処理後の新たな嗜好プロファイルを示す略線図である。 モジュール構成を示す略線図である。 他の実施の形態におけるスコアの算出手法を示す略線図である。

符号の説明

１……携帯型音楽プレーヤ、２……ＣＰＵ、３……ＲＯＭ、４……ＲＡＭ、５……電源回路、６……操作キーコントローラ、７……ＬＣＤコントローラ、８……ＬＣＤ、１０……ＤＳＰ、１１……Ｄ／Ａ変換回路、１２……増幅回路、１３……ヘッドホンジャック、１４……ハードディスクドライブ、１５……ハードディスク、１６……入出力インタフェース、１７……パーソナルコンピュータ、１８……近距離無線通信インタフェース。

Claims (9)

1. １以上の楽曲データを保持する記憶手段と、
   上記楽曲データを所定の楽曲解析手法でそれぞれ解析処理することにより当該楽曲データの特徴を表す複数項目毎の連続値でなる数値メタデータを、上記複数項目毎に複数種類のクラスにクラス分けする楽曲解析手段と、
   上記複数項目毎に、各クラスに分類される上記楽曲データの数を統計することにより、上記楽曲データに対するユーザ固有の嗜好を表した嗜好プロファイルを生成するプロファイル生成手段と
   を具えることを特徴とする嗜好プロファイル生成装置。
2. 上記プロファイル生成手段は、上記各クラスに分類した上記複数項目毎の上記楽曲データの数を正規化することにより得られる正規化値を用いて上記嗜好プロファイルを生成する
   ことを特徴とする請求項１に記載の嗜好プロファイル生成装置。
3. 上記プロファイル生成手段は、上記嗜好プロファイルを生成する際、上記各楽曲データに付加された所定のフラグにそれぞれ対応する所定値を上記クラスに分類した上記楽曲データの数に対して加算又は減算する
   ことを特徴とする請求項１に記載の嗜好プロファイル生成装置。
4. 上記嗜好プロファイルを相手端末と送受信する通信手段と、
   上記相手端末から受信した上記嗜好プロファイルと、上記プロファイル生成手段によって生成した自身の上記嗜好プロファイルとを上記複数項目毎にそれぞれ比較することにより、お互いの嗜好の類似度を求める類似度算出手段と
   を具えることを特徴とする請求項１に記載の嗜好プロファイル生成装置。
5. 上記類似度算出手段は、上記嗜好プロファイルの上記各クラスに分類した上記複数項目毎の上記楽曲データの数を正規化することにより得られる正規化値を用い、上記比較する上記正規化値の差の絶対値を上記複数項目毎に算出し、上記絶対値の総和に基づいて上記嗜好の類似度を求める
   ことを特徴とする請求項４に記載の嗜好プロファイル生成装置。
6. 上記楽曲データに対する上記複数項目毎の上記正規化値を加算することにより当該楽曲データのスコアを算出し、当該スコアの値に基づいて上記複数の楽曲データをソートするソート手段と
   を具えることを特徴とする請求項１に記載の嗜好プロファイル生成装置。
7. 上記プロファイル生成手段は、上記嗜好プロファイルを相手端末と送受信する通信手段を介して上記相手端末から受信した嗜好プロファイルと、上記プロファイル生成手段によって生成した自身の上記嗜好プロファイルとの上記複数項目毎の平均値を算出することにより、お互いの嗜好がマージされた新たな嗜好プロファイルを生成する
   ことを特徴とする請求項１に記載の嗜好プロファイル生成装置。
8. 記憶手段に保持された１以上の楽曲データを所定の楽曲解析手法でそれぞれ解析処理することにより当該楽曲データの特徴を表す複数項目毎の連続値でなる数値メタデータを、上記複数項目毎に複数種類のクラスにクラス分けする楽曲解析ステップと、
   上記複数項目毎に、各クラスに分類される上記楽曲データの数を統計することにより、上記楽曲データに対するユーザ固有の嗜好を表した嗜好プロファイルを生成するプロファイル生成ステップと
   を具えることを特徴とする嗜好プロファイル生成方法。
9. 情報処理装置に対して、
   記憶手段に保持された１以上の楽曲データを所定の楽曲解析手法でそれぞれ解析処理することにより当該楽曲データの特徴を表す複数項目毎の連続値でなる数値メタデータを、上記複数項目毎に複数種類のクラスにクラス分けする楽曲解析ステップと、
   上記複数項目毎に、各クラスに分類される上記楽曲データの数を統計することにより、上記楽曲データに対するユーザ固有の嗜好を表した嗜好プロファイルを生成するプロファイル生成ステップと
   を実行させることを特徴とするプロファイル生成プログラム。

Images