JP2007213401A - ユーザ嗜好の音楽データに基づいてコミュニティを構成するコミュニティサイトサーバ及びプログラム - Google Patents

Abstract

【課題】ユーザ嗜好の音楽データに基づいてコミュニティを検索することができるコミュニティサイトサーバ及びプログラムを提供する。
【解決手段】コミュニティサーバ１は、ユーザＩＤ毎に、ユーザ嗜好の音楽データをオーディオ区間毎にベクトル量子化した音響的特徴データを、ユーザプロファイルとして生成するユーザプロファイル生成部１０５と、複数のユーザプロファイルを蓄積するユーザプロファイルデータベース１０６と、ユーザプロファイルデータベース１０６を用いて、ユーザプロファイル間の類似度を算出するユーザ間類似度算出部１０７と、ユーザ間類似度算出部１０７を用いて、端末２から要求されたユーザＩＤに対応するユーザプロファイルと類似するユーザプロファイルを検索する類似ユーザ検索部１０９とを有する。
【選択図】図１

Description

本発明は、ユーザ嗜好の音楽データに基づいてコミュニティを構成するコミュニティサイトサーバ及びプログラムに関する。

近年、ソーシャルネットワークサービス（ＳＮＳ：Social Networking Site）等において、趣味又は嗜好が類似しているユーザによって、コミュニティが構成されている。ＳＮＳとは、参加者が互いに友人を紹介しあって、新たな友人関係を広げることを目的に開設されたコミュニティ型のＷｅｂサイトである。このようなコミュニティに加入するためには、ユーザ自身が、自分の嗜好に合った既存のコミュニティを検索しなければならない。

ユーザがコミュニティを構成する際に適用可能な技術として、「協調フィルタリング」がある。協調フィルタリングとは、主に電子商取引サイトにおけるレコメンドサービスで用いられている技術である。この技術は、第１のユーザの購買履歴と類似した購買履歴を有する第２のユーザを検索し、第２のユーザの購買履歴に含まれている商品を、第１のユーザに推薦するものである。ユーザ間の購買履歴の相関によってコミュニティを構成することができる。

オンライン掲示板等の上で、同じ話題に関心が高いユーザによってコミュニティを構成させる技術がある（例えば特許文献１参照）。この技術は、ユーザが入力した文章を単語ごとに分解し、ＴＦＩＤＦ(Term Frequency Inverse Document Frequency)によって単語の出現頻度から単語毎に重み付けをする。単語の出現頻度からユーザ間の類似度を算出し、類似度の高いユーザによってコミュニティを構成する。

また、ユーザが、嗜好情報やプロフィール等をテキスト情報としてサーバに予め登録し、これらテキスト情報が一部一致するユーザによってコミュニティを構成する技術もある（例えば特許文献２参照）。

特開２００４−１２７１９６号公報 特開２００５−１４９２０２号公報 特開２００３−３１６８１８号公報 特開２００５−３４６３４７号公報 J. Foote、「Content-based retrieval of music andaudio」、Proceedings of SPIE、Vol 3229、pp 138-147、1997

従来技術におけるコミュニティサイトサーバによれば、ユーザは、自ら加入したいコミュニティを検索するために検索キーワードを用いる必要があった。従って、コミュニティを検索するためのデータ形式は、テキスト形式に限られている。

通常、サーバは、コミュニティ毎にキーワードを登録している。ユーザが、コミュニティに関連する検索キーワードを端末に入力すると、その検索キーワードは、サーバへ送信される。サーバは、端末から受信した検索キーワードを用いて、コミュニティ毎に登録されている登録キーワードと比較する。そして、サーバは、一致した登録キーワードに対応するコミュニティに関する情報を、端末へ返信する。

しかしながら、ユーザが入力する検索キーワードと、コミュニティが登録している登録キーワードとが必ずしも一致するとは限らない。従って、検索キーワードによっては、ユーザが加入したいコミュニティを検索することができない場合もある。

一方、検索対象となるコンテンツは、テキスト情報だけでなく、音楽データの場合もある。この場合、音楽データに関するコミュニティに対しても、その音楽データに関する検索キーワードを用いて検索する必要があった。音楽データは、人間の感性によって嗜好が異なるにもかかわらず、テキスト形式の検索キーワードを用いるしかなかった。

また、協調フィルタリングを用いた場合、コミュニティを検索する際に、自らの購買履歴等の個人情報をコミュニティサイトサーバへ送信しなければならない。このようなサービスは、個人情報を公開することに抵抗があるユーザにとっては馴染まないものとなってしまう。

そこで、本発明は、これら問題を解決するべく、ユーザ嗜好の音楽データに基づいてコミュニティを検索することができるコミュニティサイトサーバ及びプログラムを提供することを目的とする。

本発明は、複数の端末と通信をするコミュニティサイトサーバにおいて、
ユーザ識別子毎に、ユーザ嗜好の音楽データをオーディオ区間毎にベクトル量子化した音響的特徴データを、ユーザプロファイルとして生成するユーザプロファイル生成手段と、
複数のユーザプロファイルを蓄積するユーザプロファイルデータベースと、
ユーザプロファイルデータベースを用いて、ユーザプロファイル間の類似度を算出するユーザ間類似度算出手段と、
ユーザ間類似度算出手段を用いて、端末から要求された検索ユーザ識別子に対応するユーザプロファイルと類似するユーザプロファイルを検索し、該ユーザプロファイルに対応するユーザ情報を返信する類似ユーザ検索手段と
を有することを特徴とする。

本発明のコミュニティサイトサーバにおける他の実施形態によれば、ユーザ間類似度算出手段は、
各ユーザプロファイルのベクトルをｎ次元で表し、第１のユーザプロファイルＵ_Ａ(u_a1,u_a2,〜,u_an)と、第２のユーザプロファイルＵ_Ｂ(u_b1,u_b2,〜,u_bn)と表している場合、２つの類似度Ｓｉｍ（Ｕ_Ａ，Ｕ_Ｂ）は、

によって算出されることも好ましい。

また、本発明のコミュニティサイトサーバにおける他の実施形態によれば、
ユーザプロファイルは、ユーザプロファイル及び／又はコミュニティプロファイルであり、
複数のユーザプロファイルによってコミュニティクラスタが構成されており、
コミュニティクラスタ毎に、コミュニティプロファイルが設定されていることも好ましい。

更に、本発明のコミュニティサイトサーバにおける他の実施形態によれば、ユーザ間類似度算出手段を用いて、ユーザプロファイルデータベースに蓄積されている複数のユーザプロファイルを、非階層なコミュニティクラスタに自動的に分類するコミュニティ構成手段を更に有することも好ましい。

更に、本発明のコミュニティサイトサーバにおける他の実施形態によれば、コミュニティ構成手段は、コミュニティクラスタに属する複数のユーザプロファイルを平均ベクトル化して、コミュニティプロファイルを生成することも好ましい。

更に、本発明のコミュニティサイトサーバにおける他の実施形態によれば、ユーザプロファイル生成手段は、ユーザに購入された音楽データにおける音響的特徴データを、当該ユーザのユーザプロファイルとして生成することも好ましい。

更に、本発明のコミュニティサイトサーバにおける他の実施形態によれば、ユーザプロファイル生成手段は、ユーザ嗜好の複数の音楽データにおけるユーザプロファイルを平均ベクトル化して、ユーザプロファイルとして生成することも好ましい。

更に、本発明のコミュニティサイトサーバにおける他の実施形態によれば、端末から、音楽データの利用履歴情報を受信する利用履歴受信手段を更に有し、
ユーザプロファイル生成手段は、ユーザ嗜好の複数の音楽データにおけるユーザプロファイルを平均ベクトル化する際に、音楽データの音響的特徴データ毎に利用履歴情報に応じて重み付けしてユーザプロファイルを生成することも好ましい。

本発明は、複数の端末と通信をするサーバに搭載されたコンピュータを機能させるコミュニティサイトプログラムにおいて、
ユーザ識別子毎に、ユーザ嗜好の音楽データをオーディオ区間毎にベクトル量子化した音響的特徴データを、ユーザプロファイルとして生成するユーザプロファイル生成手段と、
複数のユーザプロファイルを蓄積するユーザプロファイルデータベースと、
ユーザプロファイルデータベースを用いて、ユーザプロファイル間の類似度を算出するユーザ間類似度算出手段と、
ユーザ間類似度算出手段を用いて、端末から要求された検索ユーザ識別子に対応するユーザプロファイルと類似するユーザプロファイルを検索し、該ユーザプロファイルに対応するユーザ情報を返信する類似ユーザ検索手段と
してコンピュータを機能させることを特徴とする。

本発明のコミュニティサイトサーバ等によれば、音楽データに関するコミュニティを構成する際に、ユーザ嗜好の音楽データの音響的特徴データを用いて類似度を算出するために、ユーザ嗜好に合致したコミュニティを検索することができる。また、ユーザによる音楽データの購買履歴及び利用履歴に基づいて、自動的にユーザ嗜好に類似するユーザに関する情報を得ることもできる。従来のＳＮＳ等で能動的に構成されたコミュニティと比較して、ユーザ嗜好が類似するコミュニティの構成効率が向上する。

また、ユーザは、自らの購買履歴及び利用履歴等の個人情報をコミュニティサイトサーバへ送信する必要もない。本発明は、過去の履歴情報そのものを直接利用する協調フィルタリング方法と比較して、検索されたユーザを見ても利用履歴が推測されにくく、個人情報保護の観点からも優位である。

更に、ユーザ嗜好の音楽データの音響的特徴データに基づいてユーザプロファイルを構成するために、協調フィルタリングと比較して、ヒット曲偏重傾向が緩やかになり、より嗜好が類似したユーザが検索されやすくなる。

以下では、図面を用いて、本発明を実施するための最良の形態について詳細に説明する。

図１は、本発明におけるコミュニティサイトサーバの機能構成図である。

図１によれば、コミュニティサイトサーバ１は、インターネット等のネットワークを介して、ユーザの操作する端末２と通信する。

コミュニティサイトサーバ１は、音楽提供部１０１と、音楽データベース１０２と、音楽特徴抽出部１０３と、音楽特徴データベース１０４と、ユーザプロファイル生成部１０５と、ユーザプロファイルデータベース１０６と、ユーザ間類似度算出部１０７と、コミュニティデータベース１０８と、類似ユーザ検索部１０９と、コミュニティ構成部１１０と、購買履歴データベース１１２と、利用履歴受信部１１３と、利用履歴データベース１１４とを有する。

音楽データベース１０２は、ユーザへの配信対象となる音楽データを蓄積する。音楽データは、音楽ＩＤ（識別子）に対応付けて蓄積される。

音楽提供部１０１は、端末２から音楽データ購入要求を受信する。音楽購入データ要求は、購入したい音楽ＩＤと、購入元のユーザＩＤとを含む。音楽提供部１０１は、音楽ＩＤを用いて、音楽データベース１０２に蓄積された音楽データを検索し、その音楽データを端末２へ配信する。また、音楽提供部１０１は、ユーザＩＤと音楽ＩＤとを対応付けて、当該ユーザの購買履歴として、購買履歴データベース１１２へ蓄積する。

購買履歴データベース１１２は、以下の表１のように、ユーザＩＤと音楽ＩＤとを対応付けて蓄積する。

利用履歴受信部１１３は、端末２からユーザの利用履歴情報を受信する。利用履歴情報には、例えば、主観評価情報と再生履歴情報とがある。主観評価情報は、例えば、当該音楽データに対してユーザが指定する、良いから悪いまで５段階の評価値である。再生履歴情報は、端末２の音楽再生アプリケーションにおける当該音楽データの再生回数、再生時刻、操作履歴等の履歴情報である。操作履歴は、例えばユーザが選択した音楽ＩＤだけでなく、あえて選択しなかった音楽ＩＤを含むものであってもよい（例えば特許文献４参照）。

利用履歴データベース１１４は、利用履歴受信部１１３によって受信された利用履歴情報を、ユーザＩＤ及び音楽ＩＤに対応付けて蓄積する。ここで、音楽データ毎に利用履歴情報に応じて重み係数が与えられる。即ち、利用履歴情報についてユーザ嗜好が高いものから順に段階的に表し、その段階に応じて音楽データに重み付けをする。例えば、以下の表２のように重み付けされる。

音楽特徴抽出部１０３は、音楽データベース１０２から取得した音楽データ毎に、音響的特徴データを抽出し、その音響的特徴データを音楽特徴データベース１０４へ蓄積する。音響的特徴データの抽出方法については、例えばＴｒｅｅＱ方式がある（例えば非特許文献１参照）。また、検索結果に対するフィードバックデータを用いて音響的特徴データを改良する方法もある（例えば特許文献３参照）。

図２は、音響的特徴データを導出する概念的なフローチャートである。

各音楽データ（波形データ）について、ＭＦＣＣ(Mel-Frequency Cepstral Coefficients)及び音量を、所定時間内のオーディオ区間毎に算出する。各オーディオ区間のＭＦＣＣは、１２個のＭＦＣＣ係数及び音量を要素にする１３次元ベクトルとして表される。従って、各音楽データは、ＭＦＣＣ群として表される。

次に、音楽データ毎に、所定の規則に従って、ＭＦＣＣの１３次元ベクトルを分類し、ベクトル量子化のためのツリーＴｇを生成する。このツリーＴｇに対して、各ＭＦＣＣの１３次元ベクトルを入力し、ツリーＴｇの末端の枝毎に蓄積されるデータ度数のヒストグラムを作成する。このヒストグラムが、その音楽データの音響的特徴データ（ベクトルＶｇ）となる。このように、全ての音楽データは、音響的特徴データへ変換することができる。

ユーザプロファイル生成部１０５は、ユーザＩＤ毎（Ａ、Ｂ、〜）に、ユーザ嗜好の音楽データの音響的特徴データを、ユーザプロファイルＵ（Ｕ_Ａ、Ｕ_Ｂ、〜）として生成する。生成されたユーザプロファイルＵは、ユーザプロファイルデータベース１０６に蓄積される。ユーザ嗜好の音楽データが１つである場合、音響的特徴データＶｇは、当該ユーザのユーザプロファイルを表すこととなる。また、ユーザ嗜好の音楽データが複数ある場合、各音楽データの音響的特徴データＶｇを平均ベクトル化したものを、ユーザプロファイルとする。ここで、ユーザ嗜好の音楽データとは、購買履歴データベース１１２に蓄積された、当該ユーザによって購入された音楽データである。

ユーザプロファイル生成部１０５は、以下の表３のようなユーザプロファイルを生成する。

ユーザプロファイルデータベース１０６は、複数のユーザプロファイルを蓄積する。ここで、ユーザプロファイルデータベース１０６は、ユーザプロファイルだけでなく、コミュニティプロファイルも含む。これにより、ユーザ間類似度算出部１０７によって、ユーザプロファイル−ユーザプロファイル間の類似度だけでなく、ユーザプロファイル−コミュニティプロファイル間の類似度も算出される。

ユーザ間類似度算出部１０７は、ユーザプロファイルデータベース１０６を用いて、ユーザプロファイル間の類似度を算出する。各ユーザプロファイルは、ｎ次元のベクトルで表される。また、ユーザＡのユーザプロファイルは、Ｕ_Ａ(u_a1,u_a2,〜,u_an)と表し、ユーザＢのユーザプロファイルは、Ｕ_Ｂ(u_b1,u_b2,〜,u_bn)と表す。これら２つの類似度Ｓｉｍ（Ｕ_Ａ，Ｕ_Ｂ）は、本発明によれば以下の式によって算出される。

また、ユーザ間類似度算出部１０７は、ユーザプロファイル−ユーザプロファイル間に限られず、ユーザプロファイル−コミュニティプロファイル間の類似度も算出することができる。複数のユーザプロファイルによってコミュニティクラスタが構成され、コミュニティクラスタ毎に、コミュニティプロファイルが設定される。コミュニティプロファイルは、コミュニティの代表者によって予め設定されたものであってもよいし、コミュニティクラスタに属するユーザプロファイルによって決定されるものであってもよい。

コミュニティデータベース１０８は、コミュニティクラスタと、複数のユーザＩＤとを対応付けて記憶する。これにより、どのユーザＩＤが、どのコミュニティクラスタに属しているかを把握できる。コミュニティクラスタ毎にコミュニティプロファイルは、ユーザプロファイルデータベースに蓄積される。

類似ユーザ検索部１０９は、端末２から類似ユーザ検索要求を受信する。類似ユーザ検索要求は、端末２を操作するユーザのユーザＩＤ（検索ユーザＩＤ）を含む。類似ユーザ検索部１０９は、ユーザ間類似度算出部１０７を用いて、検索ユーザＩＤのユーザプロファイルと、全てのユーザプロファイルとを比較して、類似度Ｓｉｍ（Ｕ_Ａ、Ｕ_ｘ）を算出する。そして、検索ユーザＩＤのユーザプロファイルと類似するユーザプロファイルのユーザＩＤを検索する。検索されたユーザプロファイルのユーザＩＤは、類似度の高い順に、複数（Ｎ人）検索されるのが好ましい。

類似ユーザ検索部１０９は、検索されたユーザＩＤを含む類似ユーザ通知を、端末２へ返信する。尚、端末２へ通知される検索結果は、類似するユーザＩＤに限られず、名前、プロフィール、写真等であってもよい。端末２は、コミュニティサイトサーバ１から受信したユーザＩＤ等をディスプレイに表示する。

また、類似ユーザ検索部１０９は、ユーザ間類似度算出部１０７を用いて、検索ユーザＩＤのユーザプロファイルと、全てのコミュニティプロファイルとを比較して、類似度Ｓｉｍ（Ｕ_Ａ、Ｕ_ｘ）を算出することもできる。そして、検索ユーザＩＤのユーザプロファイルと類似するコミュニティプロファイルのコミュニティＩＤも検索することができる。検索されたコミュニティプロファイルのコミュニティＩＤは、類似度の高い順に、複数（Ｎ個のコミュニティ）検索されるのが好ましい。

尚、類似ユーザ検索部１０９は、類似ユーザＩＤを端末２へ定期的に送信するものであってもよい。また、類似ユーザ検索部１０９は、音楽特徴データベース１０４を用いて、検索ユーザＩＤのユーザプロファイルと、音楽データ毎の音楽特徴データと比較して、類似する（複数の）音楽ＩＤ（音楽ＩＤリスト）を検索するものであってもよい。

更に、類似ユーザ検索部１０９が、端末２から受信する類似ユーザ検索要求に、１つ以上の音楽ＩＤ（音楽リスト、プレイリスト）が含まれていてもよい。この場合、類似ユーザ検索部１０９は、これら音楽ＩＤに対応する音楽特徴データを検索し、それら音楽特徴データを平均ベクトル化して、１つの検索プロファイルを生成する。次に、類似ユーザ検索部１０９は、ユーザプロファイルデータベース１０６を用いて、この検索プロファイルに類似するユーザプロファイルを検索する。その結果、類似ユーザ検索部１０９は、検索されたユーザプロファイルに対応するユーザＩＤを含む類似ユーザ通知を、端末２へ送信する。

コミュニティ構成部１１０は、ユーザ間類似度算出部１０７を用いて、ユーザプロファイルデータベース１０６に蓄積されている複数のユーザプロファイルを、非階層なクラスタに分類して、コミュニティクラスタを構成する。コミュニティ構成部１１０は、コミュニティクラスタを構成した際に、当該コミュニティクラスタに属するユーザＩＤの端末へ、参加コミュニティ通知を送信する。構成されたコミュニティクラスタと、ユーザプロファイルとの対応付けは、コミュニティデータベース１０８に蓄積される。

非階層なクラスタリングとして、Ｋ−ｍｅａｎｓクラスタリング方法がある。この方法は、予め決められた数（例えばＫ個）のクラスタの各々に、コミュニティプロファイルを与え、各ユーザプロファイルを、最も類似するコミュニティプロファイルに割り当てる。次に、各コミュニティクラスタについて、属する複数のユーザプロファイルを平均ベクトル化して、新たなコミュニティプロファイルを生成する。更に、各ユーザプロファイルを、最も類似するコミュニティプロファイルに割り当てる。割り当てが収束するまで、これらステップを繰り返すことにより、適切なクラスタが構成される。

また、Ｋ−ｍｅａｎｓクラスタリング方法を用いることなく、単に、コミュニティの代表ユーザのユーザプロファイルを、コミュニティプロファイルとするものであってもよい。

更に、一度、コミュニティクラスタを構成した後で、そのコミュニティに属するユーザが再生している音楽からコミュニティプロファイルを生成することもできる。例えば、そのコミュニティに属するユーザの上位Ｍ件の音楽データを抽出し、それら音楽データの音響的特徴データの平均ベクトル化したものを、コミュニティプロファイルとする。

図３は、本発明におけるフローチャートである。

Ｓ３０１〜Ｓ３０５は、コミュニティサイトサーバ１の音楽提供部１０１の動作を表すシーケンスである。

（Ｓ３０１）ユーザが音楽データを購入したいとする。ユーザによって操作される端末２は、コミュニティサーバ１へ音楽データ購入要求を送信する。音楽データ購入要求は、端末２を操作するユーザのユーザＩＤを含む。
（Ｓ３０２）コミュニティサイトサーバ１は、ユーザＩＤについて認証をした後で、音楽データベースを用いて、配信すべき音楽データを検索する。このとき、コミュニティサイトサーバ１は、ユーザＩＤと、配信すべき音楽データの音楽ＩＤとを対応付けて、当該ユーザの購買履歴として登録する。販売された音楽データは、当該ユーザの嗜好に合うものであると、認識される。
（Ｓ３０３）コミュニティサイトサーバ１は、配信すべき音楽データを、端末２へ送信する。端末２は、その音楽データを蓄積し、ユーザの操作によって再生可能とする。
（Ｓ３０４）その後、ユーザの操作によって、端末２が音楽データを再生したとする。このとき、端末２は、再生された音楽データの音楽ＩＤに対応付けて、再生回数、再生時間等を利用履歴として記録する。端末２は、その利用履歴情報をコミュニティサイトサーバ１へ送信する。
（Ｓ３０５）コミュニティサイトサーバ１は、受信した利用履歴情報を、ユーザＩＤと対応付けて利用履歴データベースに蓄積する。この利用履歴情報は、当該ユーザＩＤに対するユーザプロファイルが生成される際に、その音楽データの嗜好に応じた重み付けに用いられる。

Ｓ３１１〜Ｓ３１５は、コミュニティサイトサーバ１の類似ユーザ検索部１０９の動作を表すシーケンスである。

（Ｓ３１１）ユーザが、自分の音楽嗜好と類似するユーザを知りたいとする。このとき、ユーザの操作によって、端末２は、コミュニティサイトサーバ２へ、類似ユーザ検索要求を送信する。類似ユーザ検索要求は、端末２を操作するユーザのユーザＩＤを含む。
（Ｓ３１２）コミュニティサイトサーバ１は、類似ユーザ検索要求に含まれる検索ユーザＩＤに対応するユーザプロファイルを、ユーザプロファイルデータベースから検索する。
（Ｓ３１３）次に、コミュニティサイトサーバ２は、検索ユーザＩＤに対応するユーザプロファイルと比較して、類似度の高いユーザプロファイルを検索する。類似度の算出方法は、前述したとおりである。
（Ｓ３１４）コミュニティサイトサーバ１は、類似ユーザ通知を、端末２へ返信する。類似ユーザ通知は、高い類似度のユーザプロファイルに対応するユーザＩＤを含む。ここで、類似ユーザ通知は、類似ユーザを特定できるような、名前、プロフィール、写真等を含んでもよい。また、類似ユーザ通知は、複数のユーザＩＤ等の情報が含むことも好ましい。
（Ｓ３１５）端末２は、類似ユーザ通知に含まれるユーザＩＤ等の情報を、ディスプレイに表示し、ユーザに認識させる。

Ｓ３２１〜Ｓ３２４は、コミュニティサイトサーバ１のコミュニティ構成部１１０の動作を表すシーケンスである。

（Ｓ３２１）コミュニティサイトサーバ１は、ユーザプロファイルデータベースを用いて、ユーザＩＤのクラスタリングを行う。クラスタリングによって構成される各クラスタは、１つのコミュニティを構築する。
（Ｓ３２２）構成されたコミュニティに対して、新たなユーザの加入又は脱退や、コミュニティメンバへの通知情報が発生した際に、コミュニティサイトサーバは、コミュニティ情報を端末２へ送信する。
（Ｓ３２３）コミュニティサイトサーバ１は、コミュニティメンバとなるユーザの端末２へ、コミュニティ情報通知を送信する。

Ｓ３３１〜Ｓ３３５は、コミュニティサイトサーバ１の類似ユーザ検索部１０９の動作を表すシーケンスである。

（Ｓ３３１）各コミュニティは、コミュニティプロファイルを生成する。コミュニティプロファイルは、そのメンバのユーザのユーザプロファイルを平均ベクトル化したものであってもよい。また、コミュニティの代表ユーザのユーザプロファイルを、コミュニティプロファイルとしてもよい。
（Ｓ３３２）ユーザが、自分の音楽嗜好と類似するコミュニティを知りたいとする。このとき、ユーザの操作によって、端末２は、コミュニティサイトサーバ２へ、類似コミュニティ検索要求を送信する。類似コミュニティ検索要求は、端末２の操作するユーザのユーザＩＤを含む。
（Ｓ３３３）コミュニティサイトサーバ１は、類似コミュニティ検索要求に含まれる検索ユーザＩＤに対応するユーザプロファイルを、ユーザプロファイルデータベースから検索する。
（Ｓ３３４）次に、コミュニティサイトサーバ２は、検索ユーザＩＤに対応するユーザプロファイルと比較して、類似度の高いコミュニティプロファイルを検索する。
（Ｓ３３５）コミュニティサイトサーバ１は、類似コミュニティ通知を、端末２へ返信する。類似コミュニティ通知は、高い類似度のコミュニティプロファイルに対応するコミュニティＩＤを含む。また、類似コミュニティ通知は、複数のコミュニティＩＤを含むことも好ましい。
（Ｓ３３６）端末２は、類似コミュニティ通知に含まれるコミュニティＩＤ等の情報を、ディスプレイに表示し、ユーザに認識させる。

本発明のコミュニティサイトサーバ等によれば、音楽データに興味を持つユーザによるコミュニティを構成する際に、ユーザ嗜好の音楽データの音響的特徴データを用いて類似度を算出するために、ユーザ嗜好に合致したコミュニティを検索することができる。ユーザによる音楽データの購買履歴及び利用履歴の情報に基づいて、自動的にユーザ嗜好に類似するユーザに関する情報を得ることができる。従来のＳＮＳ等で能動的に構成されたコミュニティと比較して、ユーザ嗜好が類似するコミュニティの構成効率が向上する。

前述した本発明における種々の実施形態によれば、当業者は、本発明の技術思想及び見地の範囲における種々の変更、修正及び省略を容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。

本発明におけるコミュニティサイトサーバの機能構成図である。 音響的特徴データを導出する概念的なフローチャートである。 本発明におけるシーケンス図である。

符号の説明

１ コミュニティサイトサーバ
１０１ 音楽提供部
１０２ 音楽データベース
１０３ 音楽特徴抽出部
１０４ 音楽特徴データベース
１０５ ユーザプロファイル生成部
１０６ ユーザプロファイルデータベース
１０７ ユーザ間類似度算出部
１０８ コミュニティデータベース
１０９ 類似ユーザ検索部
１１０ コミュニティ構成部
１１２ 購買履歴データベース
１１３ 利用履歴受信部
１１４ 利用履歴データベース
２ 端末

Claims (9)

1. 複数の端末と通信をするコミュニティサイトサーバにおいて、
   ユーザ識別子毎に、ユーザ嗜好の音楽データをオーディオ区間毎にベクトル量子化した音響的特徴データを、ユーザプロファイルとして生成するユーザプロファイル生成手段と、
   複数の前記ユーザプロファイルを蓄積するユーザプロファイルデータベースと、
   前記ユーザプロファイルデータベースを用いて、ユーザプロファイル間の類似度を算出するユーザ間類似度算出手段と、
   前記ユーザ間類似度算出手段を用いて、前記端末から要求された検索ユーザＩＤに対応するユーザプロファイルと類似するユーザプロファイルを検索し、該ユーザプロファイルに対応するユーザ情報を返信する類似ユーザ検索手段と
   を有することを特徴とするコミュニティサイトサーバ。
2. 前記ユーザ間類似度算出手段は、
   各ユーザプロファイルのベクトルをｎ次元で表し、第１のユーザプロファイルをＵ_Ａ(u_a1,u_a2,〜,u_an)と表し、第２のユーザプロファイルをＵ_Ｂ(u_b1,u_b2,〜,u_bn)と表している場合、２つの類似度Ｓｉｍ（Ｕ_Ａ，Ｕ_Ｂ）は、
   

   

   によって算出されることを特徴とする請求項１に記載のコミュニティサイトサーバ。
3. 前記ユーザプロファイルは、ユーザプロファイル及び／又はコミュニティプロファイルであり、
   複数のユーザプロファイルによってコミュニティクラスタが構成されており、
   前記コミュニティクラスタ毎に、前記コミュニティプロファイルが設定されていることを特徴とする請求項１又は２に記載のコミュニティサイトサーバ。
4. 前記ユーザ間類似度算出手段を用いて、前記ユーザプロファイルデータベースに蓄積されている複数のユーザプロファイルを、非階層なコミュニティクラスタに自動的に分類するコミュニティ構成手段を更に有することを特徴とする請求項３に記載のコミュニティサイトサーバ。
5. 前記コミュニティクラスタに属する複数のユーザプロファイルを平均ベクトル化して、コミュニティプロファイルを生成することを特徴とする請求項３又は４に記載のコミュニティサイトサーバ。
6. 前記ユーザプロファイル生成手段は、ユーザに購入された音楽データにおける音響的特徴データを、当該ユーザのユーザプロファイルとして生成することを特徴とする請求項１から５のいずれか１項に記載のコミュニティサイトサーバ。
7. 前記ユーザプロファイル生成手段は、ユーザ嗜好の複数の音楽データにおけるユーザプロファイルを平均ベクトル化して、ユーザプロファイルとして生成することを特徴とする請求項１から６のいずれか１項に記載のコミュニティサイトサーバ。
8. 前記端末から、前記音楽データの利用履歴情報を受信する利用履歴受信手段を更に有し、
   前記ユーザプロファイル生成手段は、ユーザ嗜好の複数の音楽データにおけるユーザプロファイルを平均ベクトル化する際に、前記音楽データの音響的特徴データ毎に前記利用履歴情報に応じて重み付けしてユーザプロファイルを生成することを特徴とする請求項７に記載のコミュニティサイトサーバ。
9. 複数の端末と通信をするサーバに搭載されたコンピュータを機能させるコミュニティサイトプログラムにおいて、
   ユーザ識別子毎に、ユーザ嗜好の音楽データをオーディオ区間毎にベクトル量子化した音響的特徴データを、ユーザプロファイルとして生成するユーザプロファイル生成手段と、
   複数の前記ユーザプロファイルを蓄積するユーザプロファイルデータベースと、
   前記ユーザプロファイルデータベースを用いて、ユーザプロファイル間の類似度を算出するユーザ間類似度算出手段と、
   前記ユーザ間類似度算出手段を用いて、前記端末から要求された検索ユーザＩＤに対応するユーザプロファイルと類似するユーザプロファイルを検索し、該ユーザプロファイルに対応するユーザ情報を返信する類似ユーザ検索手段と
   してコンピュータを機能させることを特徴とするコミュニティサイトプログラム。
   

Images