JP2008010951A - 推薦番組情報提供装置、推薦番組情報提供方法及びプログラム - Google Patents

Abstract

【課題】視聴者個人の嗜好や習慣性により適った番組推薦を可能にする推薦番組情報提供装置を提供すること。
【解決手段】嗜好モデル作成部５０は、特定の視聴者の視聴に到る要因と視聴結果との因果関係を記述した嗜好モデルを作成する。推薦番組情報作成部６０は、嗜好モデルと、推薦候補となる複数の放送予定の番組に関する情報を含む放送予定番組情報と、過去の一定期間について該放送予定の連続放送番組に対して特定の関係にある既放送の番組に係る該特定の視聴者の視聴習慣を判断するための習慣性情報とに基づいて、該推薦候補となる複数の放送予定の番組のうちから、該特定の視聴者に対して推薦する推薦番組を選択し、選択された推薦番組に関する情報を含む推薦番組情報を作成する。
【選択図】 図１

Description

本発明は、放送予定の番組のうちから選択した推薦番組に関する推薦番組情報を提供する推薦番組情報提供装置、推薦番組情報提供方法及びプログラムに関する。

近年ＣＡＴＶ、ＣＳ放送、ディジタル地上波放送などディジタル放送の多チャンネル化が進み、映像コンテンツが過多に存在するようになってきた。このような状況下では、ＴＶを見るために番組を選ぶ操作さえも煩雑になっている。このため、膨大な番組の中からユーザ嗜好に合致する番組を選出して推薦するサービスが注目されている。

ところで、例えば番組改編時には多くの連続番組が新たに放送開始になるが、新たに放送開始される連続番組については、例えば、以下のような、番組推薦や自動録画に係る技術が提案されている。

（１）特許文献１には、番組改編時の番組情報に存在する、新たに開始する連続番組であることを示す情報をもとに新連続番組を特定し、初回放送から所定回数の放送分を自動録画する録画方式が開示されている。しかし、この技術では、番組改編時に新たに開始する連続番組のみを対象にしており、放送の曜日や時間に変更のある継続番組や単発番組の録画には対応していない。また、新連続番組をすべて録画することは可能だが、番組改編前の利用者の番組に対する嗜好を利用して、番組改編時に利用者の嗜好に適した新連続番組のみを録画、推薦することはできない。

（２）特許文献２には、最新の番組情報と過去の録画予約番組情報とを比較し、過去に録画予約した番組の放送の曜日や時間に変更があれば録画予約を変更し、番組改編に伴い終了する録画予約番組の録画を中止する録画予約方式が開示されている。しかし、この技術では、継続番組と放送が終了する番組のみを対象としており、新連続番組や単発番組の録画には対応していない。
特開２００４−９２３４７公報 特開２０００−７２４６４公報

以上のように、従来の放送番組を推薦するシステムは、視聴者個人の嗜好や習慣性に適った番組推薦を可能にするには不十分なものであった。

本発明は、上記事情を考慮してなされたもので、視聴者個人の嗜好や習慣性により適った番組推薦を可能にする推薦番組情報提供装置、推薦番組情報提供方法及びプログラムを提供することを目的とする。

本発明に係る推薦番組情報提供装置は、特定の視聴者の視聴に到る要因と視聴結果との因果関係を記述した嗜好モデルを記憶する手段と、前記嗜好モデルと、前記特定の視聴者への推薦候補となる複数の放送予定の番組に関する情報を含む放送予定番組情報と、過去の一定期間について該放送予定の連続放送番組に対して特定の関係にある既放送の番組に係る該特定の視聴者の視聴習慣を判断するための習慣性情報とに基づいて、該推薦候補となる複数の放送予定の番組のうちから、該特定の視聴者に対して推薦する推薦番組を選択する選択手段と、前記選択された推薦番組に関する情報を含む推薦番組情報を作成する作成手段とを備えたことを特徴とする。

なお、装置に係る本発明は方法に係る発明としても成立し、方法に係る本発明は装置に係る発明としても成立する。
また、装置または方法に係る本発明は、コンピュータに当該発明に相当する手順を実行させるための（あるいはコンピュータを当該発明に相当する手段として機能させるための、あるいはコンピュータに当該発明に相当する機能を実現させるための）プログラムとしても成立し、該プログラムを記録したコンピュータ読み取り可能な記録媒体としても成立する。

本発明によれば、視聴者個人の嗜好や習慣性により適った番組推薦が可能になる。

以下、図面を参照しながら本発明の実施形態について説明する。

なお、以下の説明では、テレビ放送されるコンテンツ（テレビ番組）を対象として、視聴者の嗜好にかなうコンテンツを選択して推薦する場合を例にとりながら説明するが、本実施形態は、これに限定されるものではなく、広く放送用のコンテンツ全般（例えば、衛星放送の番組、有線放送の番組、インターネット放送の番組等）を対象にすることが可能である。

図１に、本発明の一実施形態に係る推薦番組情報提供装置の構成例を示す。

図１に示されるように、本実施形態に係る推薦番組情報提供装置は、視聴履歴情報管理部３０、ＥＰＧデータ管理部４０、嗜好モデル作成部５０、推薦番組情報作成部６０、習慣性情報作成部７０を備えている。

推薦番組情報提供装置は、概略的には、放送端末２０が取得した電子番組情報（Electronic Program Guide）（以下、ＥＰＧデータ）や（特定の）視聴者の視聴履歴情報をもとにして推薦番組情報を作成し、これを放送端末２０が利用し（例えば、推薦番組情報を表示し、あるいは、推薦番組情報に基づく自動録画など他の処理を行い）又は放送端末２０が他の機器（例えば、推薦番組情報を表示し、あるいは、推薦番組情報に基づく自動録画など他の処理を行う機器）へ提供するものである。

なお、推薦番組情報提供装置は、放送端末２０に内蔵されたものであってもよいし、放送端末２０とは独立した装置であってもよい。後者の場合には、推薦番組情報提供装置は、放送端末２０との通信を行うユーザインタフェースを備えることになる。

また、放送端末２０は、ＥＰＧデータを例えば外部放送機器より受信するなどして取得するとともに、視聴者の視聴履歴情報を例えば視聴者のテレビ操作を監視して取得し或いは例えば他の機器から取得する。

また、図１において、推薦番組情報提供装置は、ＥＰＧデータ及び又は視聴履歴情報を放送端末２０以外の装置から受信する構成や、放送端末２０以外の装置へ推薦番組情報を提供する構成も可能である。

なお、本実施形態では、放送用コンテンツとしてテレビ番組を例にとっているので、以下の説明で用いるＥＰＧデータ、視聴者の視聴履歴情報、推薦番組情報は、テレビ番組に係るものになるが、それらは、本実施形態において例示する内容に限らず、様々なフォーマットや定義をもつ情報であって構わない。また、キーボード入力、リモートコントロール入力、ネットワークによるオンライン入力、情報伝達の媒体である磁気テープから読み取る等の種々の形態で入力することが可能である。

ＥＰＧデータ管理部４０は、放送端末２０からＥＰＧデータを受取って管理し、定期的に更新する。ＥＰＧデータ管理部４０に入力されたＥＰＧデータは、ＥＰＧデータベース４１に記録される。

視聴履歴情報管理部３０は、放送端末２０から視聴者の視聴履歴情報を受取って管理し、定期的に更新する。視聴履歴情報管理部３０に入力した視聴履歴情報は、視聴履歴情報データベース３１に記録される。

嗜好モデル作成部５０は、ＥＰＧデータと視聴履歴情報とに基づいて、視聴者の番組視聴に関する嗜好を記述した嗜好モデルを作成するものであり、図１に示すように、嗜好モデル学習部５１、嗜好モデル管理部５２、嗜好モデルデータベース５３を含んでいる。

嗜好モデル学習部５１は、ＥＰＧデータ管理部４０と視聴履歴情報管理部３０とからそれぞれ過去の一定期間のＥＰＧデータとそれらに対する視聴者の視聴履歴情報とを入力し、これらに基づいて、嗜好モデルを作成する。なお、嗜好モデル学習部５１は、将来的に放送される予定の番組に関するＥＰＧデータと、視聴履歴情報とを入力して、定期的に、或いは所定のデータ数が入力された時点で、嗜好モデルの更新を行う機能も有する。

嗜好モデル管理部５２は、詳細は後述する構造定義データと条件付確率値を嗜好モデルとして管理する。

嗜好モデルデータベース５３は、嗜好モデル学習部５１で作成された嗜好モデルを記録するためのものである。

推薦番組情報作成部６０は、嗜好モデル作成部５０で作成された嗜好モデルと、推薦候補となる番組に関するＥＰＧデータと、習慣性情報作成部７０が作成した習慣性情報とに基づいて、視聴者の嗜好にかなう番組を、推薦すべき番組として選択し、選択した推薦番組に関する情報を含む推薦番組情報を作成するものであり、視聴確率計算部６１、推薦番組決定部６２を含んでいる。

なお、連続放送番組については、各回の間の内容の関係はどのような形態であってもよく、例えば、1回の放送分ごとに独立した内容のものであってもよいし、また、例えば、各回の内容に連続性のあるものであってもよい。

視聴確率計算部６１は、ＥＰＧデータ管理部４０からのＥＰＧデータと嗜好モデル管理部５２からの嗜好モデルの条件付確率値とを入力して、放送予定のテレビ番組について、その視聴確率を求める。

推薦番組決定部６２は、処理の対象となる放送予定のテレビ番組について、その番組の種類が、既に放送開始されている連続放送番組か、新たに放送開始される連続放送番組か、単発番組かを特定し、番組の種類を考慮した処理手順を利用して、各放送予定のテレビ番組を推薦の対象とするか否かを決定し、推薦の対象とするものを推薦番組リストに追加していく。また、推薦番組リストに基づいて、視聴者への推薦番組提示のために必要な、推薦番組に関する情報を含む推薦番組情報を作成する。

なお、推薦番組リストや推薦番組情報は、図示しない推薦番組情報格納部に格納される。

習慣性情報作成部７０は、特定の視聴者に対する過去の一定期間の視聴履歴情報をもとに、該特定の視聴者が該過去の一定期間に視聴したテレビ番組に関する情報を示す習慣性情報を作成するものであり、習慣性獲得部７１、習慣性管理部７２、習慣性情報データベース７３を含んでいる。

習慣性獲得部７１は、視聴履歴情報管理部３０からの視聴履歴情報を入力として、習慣性情報を獲得する。

習慣性管理部７２は、獲得された習慣性情報を管理する。

習慣性情報データベース７３は、獲得された習慣性情報を格納する。

以下、本実施形態に係る推薦番組情報提供装置の動作について説明する。

まず、本実施形態に係る推薦番組情報提供装置の嗜好モデル作成部５０における嗜好モデルの作成手順について説明する。

嗜好モデル作成部５０は、過去の一定期間のＥＰＧデータ及び視聴履歴情報に基づいて、視聴者の番組視聴に関する嗜好を記述した嗜好モデルを作成する
図２に、本実施形態で対象とする嗜好モデルの一例を示す。

図２に示す嗜好モデルは、ベイジアンネットワークで表現されるモデルである。ベイジアンネットワークは、確率変数をノードで表し、因果関係や相関関係といった依存する関係を持つ変数の間にリンクを張ったグラフ構造による確率モデルである確率ネットワークにおいて、リンクが因果関係の方向に向きを持ち、このリンクをたどったパスが循環しない、非循環有向グラフで表されるモデルである。図２に示す嗜好モデルは、確率変数を「番組ジャンル」、「出演者に対する選好」及び「番組内容に対する選好」、並びに「視聴」として、確率変数「番組ジャンル」と確率変数「出演者に対する選好」と確率変数「番組内容に対する選好」が確率変数「視聴」に影響を及ぼすという因果関係を記述した嗜好モデルである。

なお、図２に示す嗜好モデルは一例であって、本実施形態は、これに限定されるものではない。

図３に、本実施形態における嗜好モデルの作成手順例を示す。

嗜好モデル作成部５０の嗜好モデル学習部５１は、嗜好モデルの構造を定義した構造定義データを読み込む（ステップＳ１）。

図４に、この構造定義データの一例を示す。図４は、図２に例示した嗜好モデルにおけるベイジアンネットワークの構造を、コンピュータで読み取れる形で記述したものである。

図４の構造定義データにおいては、「番組ジャンル」と「出演者に対する選好」と「番組内容に対する選好」と「視聴」という４つの要素が確率変数として定義されており、さらに、各確率変数のとる値もそれぞれ定義されている。例えば、確率変数「番組ジャンル」の値として、「ニュース(News)」、「スポーツ(Sports)」、「ドラマ(Drama)」、「音楽(Music)」、「バラエティー(Variety)」、「映画(Movie)」、「アニメーション(Anime)」、「ドキュメンタリー(Documentary)」、「趣味(Hobby)」、「情報(Info)」という１０種類の値があることを示している。同様に、確率変数「出演者に対する選好」の値として、「好き」、「それ以外」という２種類、確率変数「番組内容に対する選好」の値として、「好き」、「それ以外」という２種類があり、確率変数「視聴」の値には「視聴する(TRUE)」、「視聴しない(FALSE)」という２種類の値があることを示している。さらに、因果関係を定義するために、原因となる確率変数を「親のノード(Parent)」、結果となる確率変数を「子のノード(Child)」として、該当する確率変数を記載している。

また、嗜好モデル学習部５１は、ＥＰＧデータ管理部４０から、過去の一定期間のＥＰＧデータを読み込む（ステップＳ２）。

図５に、このＥＰＧデータ（テレビ番組情報）の一例を示す。図５に例示するＥＰＧデータは、１つの番組ごとに、日付、放送局、開始及び終了時間、並びにタイトルなどの属性が含まれている。なお、必要に応じて、ゲスト情報などの属性も付加されている。図５に示す例では、２００５年１月１８日のテレビ番組として、Ｎテレビで４：３０から８：１５まで「おそよう日本」が放送され、Ｆテレビで、１１：２５から１１：３０まで「子育ててれびじょん」が放送され、１２：００から１３：００まで「誘っていいとも！」が放送されることを示している。そして、「誘っていいとも！」では、ゲストとしてヤモリ、久野雅美、中田正広、山本智充が出演することを示している。

また、嗜好モデル学習部５１は、視聴履歴情報管理部３０から、過去の一定期間の視聴履歴情報を読み込む（ステップＳ３）。

図６に、図５に例示したＥＰＧデータに対する、ある視聴者の視聴履歴情報の一例を示す。図６では、図５に示すＥＰＧデータに対する視聴履歴情報を示すために、「ＴＲＵＥ」又は「ＦＡＬＳＥ」という記号を用いている。具体的には、属性が「ＴＲＵＥ」の場合には、視聴や録画を行ったことを示し、「ＦＡＬＳＥ」の場合は、視聴や録画を行っていないことを示している。例えば、図６に示した具体例においては、「視聴」という属性が「ＴＲＵＥ」である番組は「子育ててれびじょん」と「おそよう日本」であるので、これらの２つ番組を視聴者が視聴したことを示しており、また、録画は行われていないことを示している。この場合において、この視聴履歴情報は、実際に視聴者が視聴した、或いは視聴しないといった結果に係る情報である。

なお、ステップＳ１〜Ｓ３は、任意に実行順を入れ替えて構わない。また、並列的に実行しても構わない。

次に、嗜好モデル学習部５１は、ベイジアンネットワークにおける各確率変数の条件付確率値を計算し（ステップＳ４）、構造定義データとともにこれらを嗜好モデルとして、嗜好モデルデータベース５３に格納する（ステップＳ５）。ステップＳ４における条件付確率値の計算方法は、図６に示すような過去の一定期間の視聴履歴情報から、条件に見合う番組の頻度として計算したり、システム設計者が任意の値を設定したりして求めてもよい。

図７は、図２に示した嗜好モデルに従って、本実施形態で計算し出力する条件付確率表の値の例である。なお、ここでは、図６に示した視聴者の視聴履歴を用いて条件付確率表の値を計算する場合を例にとって説明するが、システム設計者や利用者が任意の値をあらかじめ設定してもかまわない。

図７では、確率変数「番組ジャンル」が各値をとる場合の確率値を定義している。例えば、１行目の、
（番組ジャンル＝Ｎｅｗｓ）−＞０．１７９３２６，
という記述は、番組ジャンルが「ニュース」である番組の確率値が“０．１７９３２６”であることを表している。これは例えば、図６に示した視聴者の視聴履歴に含まれる全番組のうち、確率変数「番組ジャンル」の値が「ニュース」である番組の頻度を計算することによって求めることができる。以下、同様に、「スポーツ」や「ドラマ」等の様々な番組ジャンルの確率値を定義している。

図７中の確率変数「出演者に対する選好」に関しては、出演者に関する選好度合いを２値の確率変数として定義している。例えば、図７中の、
（出演者に対する選好＝好き）−＞０．１，
という記述は、確率変数「出演者に対する選好」の値が「好き」である番組（すなわち、好きな出演者が出演する番組）の生起確率が“０．１”であることを表している。この値の決定の仕方は、例えば、図６に示す視聴者の視聴履歴に含まれる視聴番組の出演者を、視聴者の好きな出演者として見なすことによって視聴者の好みの出演者リストを作成し、作成したリストを参照して各番組の出演者に対する選好情報（「好き」、「それ以外」）を付与して、全番組中における各選好情報の付与された番組の頻度を数え上げる方法が考えられる。

図７中の「番組内容に対する選好」に関しては、番組内容に関する選好度合いを２値の確率変数として定義している。例えば、図７中の、
（番組内容に対する選好＝好き）−＞０．１，
という記述は、確率変数「番組内容に対する選好」の値が「好き」である番組（すなわち、好きな内容の番組）の生起確率が“０．１”であることを表している。この値の決定の仕方は、例えば、図６に示す視聴者の視聴履歴に含まれる視聴番組の番組内容からキーワードを抽出し、視聴者の好きな番組のキーワードとして見なすことによって視聴者の好みのキーワードリストを作成し、作成したリストを参照して各番組内容に対する選好情報（「好き」、「それ以外」）を付与して、全番組中における各選好情報の付与された番組の頻度を数え上げる方法が考えられる。

一方、確率変数「視聴」の確率値に関しては、図２に示した嗜好モデルに従って、確率変数「番組ジャンル」と確率変数「出演者に対する選好」と確率変数「番組内容に対する選好」とから影響を受けるため、確率変数「番組ジャンル」と確率変数「出演者に対する選好」と確率変数「番組内容に対する選好」との各値のすべてのバリエーションを条件とした確率値を定義する。例えば、図７の下から５行目の、
（番組ジャンル＝Ｖａｒｉｅｔｙ＆出演者に対する選好＝好き＆番組内容に対する選好＝それ以外）−＞（視聴＝ＴＲＵＥ）−＞０．８０１６５４，（視聴＝ＦＡＬＳＥ）−＞０．１９８３４６という記述は、確率変数「番組ジャンル」の値が「バラエティ」であり且つ確率変数「出演者に対する選好」の値が「好き」であり且つ確率変数「番組内容に対する選好」の値が「それ以外」である番組が、視聴者によって視聴される確率値が“０．８０１６５４”、視聴者によって視聴されない確率値が“０．１９８３４６”であることを示している。これは、例えば、図６に示した視聴者の視聴履歴における出現頻度に従い、視聴履歴に含まれる、確率変数「番組ジャンル」の値が「バラエティ」であり且つ確率変数「出演者に対する選好」の値が「好き」であり且つ確率変数「番組内容に対する選好」の値が「それ以外」である番組のうち、確率変数「視聴」の有無別に番組の頻度を計算することによって、求めることができる。

次に、本実施形態に係る推薦番組情報提供装置の推薦番組情報作成部６０における推薦番組情報の作成手順について説明する。

推薦番組情報作成部６０は、嗜好モデル作成部５０で過去の一定期間のＥＰＧデータ及び視聴履歴情報に基づいて作成された嗜好モデルと、推薦候補となる将来的に放送される予定の番組に関するＥＰＧデータと、習慣性情報作成部７０が作成した習慣性情報とに基づいて、推薦番組情報を作成する。

図８に、本実施形態における推薦番組情報の作成手順例を示す。

推薦番組情報作成部６０は、まず、ＥＰＧデータ管理部４０で管理される、以下の処理の対象となる将来的に放送される予定の番組（以下、対象番組と呼ぶ）に関するＥＰＧデータ（例えば図５のようなＥＰＧデータ）を読み込む（ステップＳ１１）。

嗜好モデル学習部５１は、ＥＰＧデータ管理部４０と視聴履歴情報管理部３０とからそれぞれ過去の一定期間のＥＰＧデータとそれらに対する当該特定の視聴者の視聴履歴情報とを入力し、これらに基づいて、嗜好モデルを作成する（ステップＳ１２）。なお、既に作成されている嗜好モデルを利用できる場合には、このステップは省いて構わない。

視聴確率計算部６１は、対象番組に関するＥＰＧデータと、嗜好モデル管理部５２からの嗜好モデルの条件付確率値とに基づいて、各対象番組に対する当該特定の視聴者の確率値（視聴確率）を求める（ステップＳ１３）。

これらの視聴の確率値は、嗜好モデル上の確率推論によって求められる。例えば、将来的に放送が予定されているあるテレビ番組の番組ジャンルが「バラエティ」であることが明らかな場合、その番組に対するある視聴者の視聴の確率Ｐ（視聴＝TRUE｜番組シ゛ャンル＝Variety）は、
Ｐ（視聴＝TRUE｜番組シ゛ャンル＝Variety）＝
Ｐ（視聴＝TRUE）・Ｐ（番組シ゛ャンル＝Variety｜視聴＝TRUE）／Ｐ（番組シ゛ャンル＝Variety）として、図７に示す条件付確率値などの確率分布を用いて計算される。

なお、この計算は、図４に示す構造定義データで定義される嗜好モデルの構造が複雑な場合には、計算量が過度に増加するため、近似計算手法で計算するのが好ましい。近似計算手法には、loopy belief propagation（例えば、文献“K. P. Murphy, Y. Weiss, and M. I. Jordan: Loopy belief propagation for approximate inference: an empirical study, In Proc. of Conf. Uncertainty in Artificial Intelligence (UAI-99), (1999)”）や、各種サンプリング手法（例えば、文献“M. Henrion : Propagation of uncertainty by probabilistic logic sampling in Bayes’ networks, In J. F. Lemmer & L. N. Kanal (Eds.), Uncertainty in Artificial Intelligence 2, pp.149-163, (1988).”、文献“R. Fung, and C. K. Chang : Weighting and integrating evidence for stochastic simulation in Bayesian networks, In Proc. of Conf. Uncertainty in Artificial Intelligence (UAI-89), (1989).”）などのさまざまな手法が提案されているが、いずれの手法を用いてもかまわない。

次に、推薦番組決定部６２は、各対象番組について、その対象番組の種類が、既に放送開始されている連続放送番組（以下、継続番組と呼ぶ）か、新たに放送開始される連続放送番組（以下、新連続番組と呼ぶ）か、単発番組かを特定する（ステップＳ１４）。

例えば、対象番組に係るＥＰＧデータに、継続番組や新連続番組であることを直接示すコードが含まれている場合には、そのコードから特定することができる。また、例えば、該ＥＰＧデータに、「（新）」「第１回」「第一話」など連続放送番組の初回の放送回であると認められる情報が含まれている場合には、新連続番組と特定することができる。また、例えば、該ＥＰＧデータに、「第２回」「最終回」など連続放送番組の２回目以降の放送回であると認められる情報が含まれている場合には、継続番と特定することができる。

また、例えば、対象番組に係るＥＰＧデータからは継続番組や新連続番組であることが特定できなくても、該ＥＰＧデータと、過去の一定期間のＥＰＧデータとを比較し、所定の条件（例えば、対象番組のタイトルと同一のタイトルの番組が、同一の放送局により所定期間前（例えば、前週ｏｒ前々週ｏｒ前日）の同一の時間帯で放送されていること）が満たされる場合に、継続番組と特定することができる。また、少し条件を緩和して、例えば、放送予定の番組のタイトルと同一のタイトルの番組が、過去の一定期間に１回でも放送されていた場合には、放送局や時間帯にかかわらずに、継続番組とみなしてしまうことも可能である。

なお、上記の他にも、種々の方法によって、継続番組や新連続番組であることを特定することができる。

また、ここでは、予め用意された方法をすべて用いても、継続番組や新連続番組であることが特定できなかった対象番組については、これを単発番組として特定するものとする。もちろん、例えば、対象番組に係るＥＰＧデータに、単発番組であることを特定可能な情報が含まれている場合には、その情報から特定して構わない。

なお、連続放送番組の条件を緩めて、例えば、ある本編の番組を宣伝する特別番組とこれに続いて放送されるその本編の番組のケース、ある本編の番組とこれに続いて放送される該本編の番組の制作風景等を紹介する特別番組のケースなどを、連続放送番組とみなして扱うようにすることもできる。

さて、以降は、全ての対象番組についてそれぞれ同じ処理を適用することになる（ループ処理となる）。

まず、推薦番組決定部６２は、対象番組が継続番組である場合に（ステップＳ１５）、習慣性情報作成部７０から、必要な習慣性情報（例えば、過去の一定期間に放送された該対象番組と同一の番組に対する当該特定の視聴者の視聴の有無を特定可能な習慣性情報）を取得し（ステップＳ１８）、該習慣性情報を参照して、その対象番組について、予め定められた習慣性に関する第１の条件を満たすことがわかれば（ステップＳ１９）、その対象番組を推薦の対象とすることを決定して、少なくともその対象番組を特定可能な情報と（計算された視聴確率にかかわらずに設定される）視聴確率とを含むデータを（視聴確率の降順に並べた）推薦番組リストに追加する（ステップＳ２２）。

なお、ここでは、第１の条件を満たさない継続番組については、推薦の対象としないことが決定されるものとしている。

ここで、推薦の対象とするか否かを判断するための習慣性に関する第１の条件について説明する。

習慣性に関する第１の条件は、特定の視聴者が対象番組（継続番組）を視聴しているものと判断されることである。

より具体的には、例えば、該特定の視聴者が過去の一定期間に対象番組と同一の番組を一回でも視聴したことが習慣性情報により判明したときに、該特定の視聴者が対象番組を視聴しているものと判断することができる。

また、例えば、該特定の視聴者が過去の一定期間に対象番組と同一の番組の特定の放送回（例えば、対象番組の放送回の直前の回、対象番組の第１回目の放送回、対象番組の放送回の直前の回及び対象番組の第１回目の放送回）を視聴したことが習慣性情報により判明したときに、該特定の視聴者が対象番組を視聴しているものと判断することができる。

また、例えば、過去の一定期間に放送された当該対象番組（継続番組）に属する全番組（全放送回）に対する視聴状況に応じて、該特定の視聴者が対象番組を視聴しているか否かを（すなわち、推薦の対象とするか否かを）判断することも可能である。例えば、過去の一定期間に放送された当該対象番組に属する全番組のうちで視聴した番組の数、あるいはこの数を全番組の数で除して得た値が基準値以上であるか否かに従って判断する方法や、その際に、直近の回ほど高い重み付けをして評価する方法など、種々の方法が可能である。

次に、ここでの視聴確率について説明する。

上記の計算された視聴確率にかかわらずに設定される視聴確率は、計算された値にかかわらずに、例えば、予め高い値として定めておいた値（例えば０．８あるいは０．９あるいは１など、どのような値でも構わない）に設定する方法が考えられる。また、例えば、次の視聴確率による処理で、推薦の対象とするか否かを決することになる予め定められた基準値から１までの範囲で何らかの方法で設定するようにしてもよい（例えば、該特定の視聴者が過去の一定期間に対象番組と同一の番組を視聴した回数が１回なら０．８、２回なら０．９、３回以上なら１などのように、視聴した頻度に応じて設定するようにしてもよい）。

なお、上記の推薦番組リストは、例えば、ＥＰＧデータの各番組のデータに視聴確率を付加し、視聴確率の降順に並べ替えたものでもよい。

次に、推薦番組決定部６２は、対象番組が継続族番組でない場合には（ステップＳ１５）、視聴確率計算部６１により求められた対象番組に係る視聴確率が、予め定められた基準値以上であれば（ステップＳ１６）、その対象番組を推薦の対象とすることを決定して、少なくともその対象番組を特定可能な情報とその視聴確率とを含むデータを（視聴確率の降順に並べた）推薦番組リストに追加する（ステップＳ２２）。

次に、推薦番組決定部６２は、上記のステップＳ１６において視聴確率が予め定められた基準値に満たなかった対象番組について、その対象番組が新連続番組である場合に（ステップＳ１７）、習慣性情報作成部７０から、必要な習慣性情報（例えば、過去の一定期間に、該対象番組を放送する放送局により、該対象番組の放送時間帯と同じ放送時間帯に、放送された他の番組に対する当該特定の視聴者の視聴の有無を特定可能な習慣性情報）を取得し（ステップＳ２０）、該習慣性情報を参照して、その対象番組について、予め定められた習慣性に関する第２の条件を満たすことがわかれば（ステップＳ２１）、その対象番組を推薦の対象とすることを決定して、少なくともその対象番組を特定可能な情報と（計算された視聴確率にかかわらずに設定される）視聴確率とを含むデータを（視聴確率の降順に並べた）推薦番組リストに追加する（ステップＳ２２）。

なお、ここでは、上記のステップＳ１６において視聴確率が予め定められた基準値に満たなかった単発番組については、推薦の対象としないことが決定されるものとしている。

ここで、推薦の対象とするか否かを判断するための習慣性に関する第２の条件について説明する。

習慣性に関する第２の条件は、特定の視聴者が対象番組（新連続番組）と同一の放送局・放送時間帯での他の連続放送番組を視聴していたものと判断されることである。

より具体的には、例えば、該特定の視聴者が過去の一定期間に上記他の連続放送番組を視聴したことが習慣性情報により判明したときに、該特定の視聴者が該他の連続放送番組を視聴していたものと判断することができる。

また、例えば、該特定の視聴者が過去の一定期間に上記他の連続放送番組の特定の放送回（例えば、対象番組の放送回の直前の回、対象番組の第１回目の放送回、対象番組の放送回の直前の回及び対象番組の第１回目の放送回）を視聴したことが習慣性情報により判明したときに、該特定の視聴者が該他の連続放送番組を視聴していたものと判断することができる。

また、例えば、過去の一定期間に放送された当該対象番組（新連続番組）と同一の放送局・放送時間帯での他の連続放送番組に属する全番組（全放送回）に対する視聴状況に応じて、該特定の視聴者が該他の連続放送番組を視聴していたか否かを（すなわち、推薦の対象とするか否かを）判断することも可能である。例えば、過去の一定期間に放送された当該他の連続放送番組に属する全番組のうちで視聴した番組の数、あるいはこの数を全番組の数で除して得た値に基づいて判断する方法や、その際に、直近の回ほど高い重み付けをして評価する方法など、種々の方法が可能である。

また、上記の過去の一定期間が長く取られ、対象番組（新連続番組）と同一の放送局・放送時間帯での他の連続放送番組に該当するものが複数ある場合には、直近に放送されていた連続放送番組のみを判断の対象に用いるようにしてもよい。

なお、上記の他の連続放送番組については、実際に、前述したような方法で連続放送番組であることを調べ、連続放送番組であることが確認された場合にのみ、対象番組を推薦の対象とするか否かを判断することも可能であるし、過去の一定期間に対象番組と同一の放送局・放送時間帯で放送された番組を連続放送番組とみなして扱
うことも可能である。

次に、ここでの視聴確率について説明する。

上記の計算された視聴確率にかかわらずに設定される視聴確率は、対象番組が継続番組の場合の処理と同様であり、計算された値にかかわらずに、例えば、予め高い値として定めておいた値に設定する方法が考えられる。また、例えば、上記の基準値から１までの範囲で何らかの方法で設定するようにしてもよい（例えば、該特定の視聴者が過去の一定期間に対象番組と同一の放送局・放送時間帯での他の連続放送番組を視聴した回数が１回なら０．８、２回なら０．９、３回以上なら１などのように、視聴した頻度に応じて設定するようにしてもよい）。また、計算された視聴確率にかかわらずに設定される視聴確率を、対象番組が継続番組である場合と、対象番組が新連続番組である場合とで、同じ方法で設定するようにしてもよいし、異なる方法で設定するようにしてもよい。

以上のループ処理は、全ての対象番組について繰り返し行われる（ステップＳ２３）。

さて、全ての対象番組に対する処理が終了したならば、推薦番組決定部６２は、作成された推薦番組リストをもとに、視聴者への推薦番組提示のために必要な、推薦番組に関する情報を含む推薦番組情報を作成し、放送端末１へ送る（ステップＳ２４）。なお、放送端末２０は、例えば、受信した推薦番組情報をユーザに提示する。

図９は、本実施形態で作成する推薦番組情報の一例である。図９では、「摩訶ジョーシキ！！ＳＰ」という番組が、視聴者が視聴する確率が０．９２で最も高く、お薦めの番組として提示されている。

なお、推薦番組情報に視聴確率を記述する場合に、継続番組又は新連続番組である対象番組については、計算された視聴確率を記述する方法、計算された視聴確率にかかわらずに設定される視聴確率を記述する方法、視聴確率を記述せずに、継続番組である旨又は新連続番組である旨を記述する方法などが考えられる。

なお、推薦番組リストを作成する際、推薦番組リストに記述する番組数の上限を設けるようにしてもよい。

これを実現するためには、例えば、ステップＳ２４において、推薦番組決定部６２が、推薦番組リストに登録された番組数が上限数を超えている場合に、視聴確率が上位のものから優先的に番組を選択するようにしてもよい。

また、例えば、ステップＳ２２において、推薦番組決定部６２が、対象番組を推薦番組リストに追加するにあたって、推薦番組リストに登録されている番組数が上限数に達している場合に、推薦番組リストに登録されている番組の視聴確率と、対象番組の視聴確率（対象番組が継続番組又は新連続番組である場合には、計算された視聴確率にかかわらずに設定される視聴確率）とを比較して、該対象番組を推薦番組リストに登録するか否かを決定すればよい（例えば、対象番組の視聴確率が推薦番組リストに登録されている視聴確率の最低値を超えている場合にのみ、推薦番組リストから該視聴確率が最低値である番組を外し、代わりに、該対象番組を推薦番組リストに登録するようにしてもよい）。

なお、継続番組又は新連続番組である対象番組については、視聴確率にはその対象番組が継続番組又は新連続番組であることを示す特別の値を設定し、視聴確率が特別の値である対象番組については、優先的に推薦番組リストに登録するようにしてもよい。

なお、図８の手順では、先に、対象番組が継続番組であるか否かを判断し、次に、継続番組でない対象番組について視聴確率が基準値以上かどうか判断し、次に、視聴確率が基準値未満の対象番組が新連続番組であるか否かを判断したが、これ以外の手順も可能であり、例えば、先に、対象番組について視聴確率が基準値以上かどうか判断し、視聴確率が基準値未満の対象番組が継続番組であるか否かを判断し、次に、視聴確率が基準値未満で且つ継続番組でない対象番組が新連続番組であるか否かを判断するようにしてもよいし、また、例えば、先に、対象番組について視聴確率が基準値以上かどうか判断し、視聴確率が基準値未満の対象番組が新連続番組であるか否かを判断し、次に、視聴確率が基準値未満で且つ新連続番組でない対象番組が継続番組であるか否かを判断するようにしてもよいし、また、例えば、最後に、対象番組について視聴確率が基準値以上かどうか判断するようにしてもよい。

ところで、多くの連続放送番組が新たに放送開始になるのは番組改編時であることから、図８の手順を、番組改編時（例えば、４月、７月、１０月、１２月）のみ実行し、他の時期には、新たに放送開始される連続放送番組かどうかを判断しない処理を行うようにしてもよい。例えば、図８において、ステップＳ１６とステップＳ１７との間に、例えばカレンダー情報などをもとに番組改編時かどうかを判断するステップを設け、番組改編時と判断される場合に、ステップＳ１７に進み、そうでない場合には、ステップＳ２３に進むようにしてもよい。また、例えば、番組改編時には、図８の手順を実行し、それ以外の時期には、図８の手順において、ステップＳ１７及びＳ２１を省き、ステップＳ１６でＮｏの場合には、ステップＳ２３に進むようにしたものを実行するようにしてもよい。

以上説明してきたように、本実施形態によれば、視聴者個人の嗜好や習慣性により適った番組推薦が可能になる。また、例えば番組改編時の継続番組、新連続番組、単発番組に対して、利用者の嗜好や習慣性を考慮した、より精度の高い番組推薦や自動録画が実現することができる。

なお、以上の各機能は、ソフトウェアとして記述し適当な機構をもったコンピュータに処理させても実現可能である。
また、本実施形態は、コンピュータに所定の手順を実行させるための、あるいはコンピュータを所定の手段として機能させるための、あるいはコンピュータに所定の機能を実現させるためのプログラムとして実施することもできる。加えて該プログラムを記録したコンピュータ読取り可能な記録媒体として実施することもできる。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

本発明の一実施形態に係る推薦番組情報提供装置の概略構成を示す図 視聴者の嗜好モデルの一例を示す図 同実施形態に係る推薦番組情報提供装置における嗜好モデルの作成手順の一例を示すフローチャート 図２に示した嗜好モデルにおけるベイジアンネットワークの構造を、コンピュータで読み取れる形で記述した例を示す図 テレビ番組情報の一例を示す図 図５に示したテレビ番組情報に対するある視聴者の視聴履歴情報の一例を示す図 図２に示した嗜好モデルに従って計算し出力する条件付確率表の値の例を示す図 同実施形態に係る推薦番組情報提供装置における推薦番組情報の作成手順の一例を示すフローチャート 推薦番組情報の一例を示す図

符号の説明

２０…放送端末、３０…聴履歴情報管理部、３１…視聴履歴情報データベース、４０…ＥＰＧデータ管理部、４１…ＥＰＧデータベース、５０…嗜好モデル作成部、５１…嗜好モデル学習部、５２…嗜好モデル管理部、５３…嗜好モデルデータベース、６０…推薦番組情報作成部、６１…視聴確率計算部、６２…推薦番組決定部、７０…習慣性情報作成部、７１…習慣性獲得部、７２…習慣性管理部、７３…習慣性情報データベース

Claims (18)

1. 特定の視聴者の視聴に到る要因と視聴結果との因果関係を記述した嗜好モデルを記憶する手段と、
   前記嗜好モデルと、前記特定の視聴者への推薦候補となる複数の放送予定の番組に関する情報を含む放送予定番組情報と、過去の一定期間について該放送予定の連続放送番組に対して特定の関係にある既放送の番組に係る該特定の視聴者の視聴習慣を判断するための習慣性情報とに基づいて、該推薦候補となる複数の放送予定の番組のうちから、該特定の視聴者に対して推薦する推薦番組を選択する選択手段と、
   前記選択された推薦番組に関する情報を含む推薦番組情報を作成する作成手段とを備えたことを特徴とする推薦番組情報提供装置。
2. 前記選択手段は、前記放送予定の番組が既に放送開始されている連続放送番組である場合に、前記習慣性情報により、前記特定の視聴者が当該連続放送番組を視聴しているものと判断されるときは、前記嗜好モデル及び前記放送予定番組情報の内容にかかわらずに、前記放送予定の番組を推薦の対象として選択することを特徴とする請求項１に記載の推薦番組情報提供装置。
3. 前記選択手段は、前記放送予定の番組が新たに放送開始される連続放送番組である場合に、前記習慣性情報により、当該新たに放送開始される連続放送番組を放送する放送局により当該新たに放送開始される連続放送番組の放送時間帯と同じ放送時間帯において過去に放送されていた他の番組を、前記特定の視聴者が視聴していたものと判断されるときは、前記嗜好モデル及び前記放送予定番組情報の内容にかかわらずに、前記放送予定の番組を推薦の対象として選択することを特徴とする請求項１に記載の推薦番組情報提供装置。
4. 前記選択手段は、前記習慣性情報により、前記特定の視聴者が前記他の番組に該当する番組を１回でも視聴したことが判明したならば、前記特定の視聴者が前記他の番組を視聴していたものと判断することを特徴とする請求項３に記載の推薦番組情報提供装置。
5. 前記選択手段は、前記習慣性情報により、前記特定の視聴者が前記他の番組に該当する番組を視聴していた回数に関する評価値が所定の条件を満たすことが判明したならば、前記特定の視聴者が前記他の連続放送番組を視聴していたものと判断することを特徴とする請求項３に記載の推薦番組情報提供装置。
6. 他の連続放送番組に属する番組のみを、前記他の番組に該当する番組として扱うことを特徴とする請求項３ないし５のいずれか１項に記載の推薦番組情報提供装置。
7. 前記他の番組に該当する連続放送番組が複数存在する場合には、前記新たに放送開始される連続放送番組の直前に放送されていた連続放送番組に属する番組のみを、前記他の番組に該当する番組として扱うことを特徴とする請求項３ないし６のいずれか１項に記載の推薦番組情報提供装置。
8. 前記選択手段は、前記習慣性情報により、前記他の番組に該当する番組のうち、前記新たに放送開始される連続放送番組の直前に放送されていた連続放送番組の予め定められた特定の放送回を前記特定の視聴者が視聴したことが判明したならば、前記特定の視聴者が前記他の連続放送番組を視聴していたものと判断することを特徴とする請求項７に記載の推薦番組情報提供装置。
9. 前記選択手段は、前記放送予定の番組が単発番組又は新たに放送開始される連続放送番組である場合に、前記嗜好モデルと前記放送予定番組情報とに基づいて算出された該放送予定の番組に対する前記特定の視聴者の視聴確率が予め定められた基準値以上であるときに、該放送予定の番組を推薦の対象として選択し、該視聴確率が基準値未満のために推薦の対象とされなかった放送予定の番組が新たに放送開始される連続放送番組である場合に、前記習慣性情報を用いた選択を行うことを特徴とする請求項３ないし８のいずれか１項に記載の推薦番組情報提供装置。
10. 前記選択手段は、番組改編時においてのみ、前記放送予定の番組が新たに放送開始される連続放送番組か否かに応じた選択を行い、番組改編時以外においては、前記放送予定の番組が新たに放送開始される連続放送番組か否かを区別しない選択を行うことを特徴とする請求項３ないし８のいずれか１項に記載の推薦番組情報提供装置。
11. 前記放送予定の番組が、既に放送開始されている連続放送番組であるか、新たに放送開始される連続放送番組であるか、単発番組であるかを特定する特定手段を更に備えたことを特徴とする請求項１ないし１０のいずれか１項に記載の推薦番組情報提供装置。
12. 前記特定手段は、前記前記放送予定の番組に係る前記放送予定番組情報のみを参照することによって、又は前記前記放送予定の番組に係る前記放送予定番組情報と過去に放送された番組に係る前記放送予定番組情報とを比較することによって、前記放送予定の番組が連続放送番組であるか否か、及び連続放送番組である場合にそれが既に放送開始されているものか新たに放送開始されるものかについて特定し、既に放送開始されている連続放送番組と新たに放送開始される連続放送番組のいずれにも特定されないものを単発番組とすることを特徴とする請求項１１に記載の推薦番組情報提供装置。
13. 前記嗜好モデルの前記視聴に到る要因は、番組の属性に基づく要因であり、
    前記嗜好モデルは、予め定められた複数の要因と視聴結果との因果関係を記述したものであり、
    前記放送予定番組情報は、前記放送予定の番組の属性に関する情報を含むものであることを特徴とする請求項１ないし１２のいずれか1項に記載の推薦番組情報提供装置。
14. 前記視聴に到る要因は、番組のジャンルと、番組の出演者に対する選好と、番組の内容に対する選好とを含むことを特徴とする請求項１ないし１３のいずれか1項に記載の推薦番組情報提供装置。
15. 過去の一定期間における既放送の番組の属性に関する情報を含む既放送番組情報と、それら既放送の番組を対象とした前記特定の視聴者による視聴結果を示す履歴情報とに基づいて、前記特定の視聴者の嗜好モデルを作成する嗜好モデル作成手段を更に備えたことを特徴とする請求項１ないし１４に記載の推薦番組情報提供装置。
16. 作成された前記推薦番組情報を、前記視聴者に係る端末装置へ送信する手段を更に備えたことを特徴とする請求項１ないし１５のいずれか１項に記載の推薦番組情報提供装置。
17. 特定の視聴者の視聴に到る要因と視聴結果との因果関係を記述した嗜好モデルを記憶手段に記憶するステップと、
    前記嗜好モデルと、前記特定の視聴者への推薦候補となる複数の放送予定の番組に関する情報を含む放送予定番組情報と、過去の一定期間について該放送予定の連続放送番組に対して特定の関係にある既放送の番組に係る該特定の視聴者の視聴習慣を判断するための習慣性情報とに基づいて、該推薦候補となる複数の放送予定の番組のうちから、該特定の視聴者に対して推薦する推薦番組を選択するステップと、
    前記選択された推薦番組に関する情報を含む推薦番組情報を作成するステップとを有することを特徴とする推薦番組情報提供方法。
18. 推薦番組情報提供装置としてコンピュータを機能させるためのプログラムにおいて、
    特定の視聴者の視聴に到る要因と視聴結果との因果関係を記述した嗜好モデルを記憶手段に記憶するステップと、
    前記嗜好モデルと、前記特定の視聴者への推薦候補となる複数の放送予定の番組に関する情報を含む放送予定番組情報と、過去の一定期間について該放送予定の連続放送番組に対して特定の関係にある既放送の番組に係る該特定の視聴者の視聴習慣を判断するための習慣性情報とに基づいて、該推薦候補となる複数の放送予定の番組のうちから、該特定の視聴者に対して推薦する推薦番組を選択するステップと、
    前記選択された推薦番組に関する情報を含む推薦番組情報を作成するステップと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