JP2008065548A - 情報処理装置および方法、プログラム並びに記録媒体 - Google Patents

情報処理装置および方法、プログラム並びに記録媒体 Download PDF

Info

Publication number
JP2008065548A
JP2008065548A JP2006241863A JP2006241863A JP2008065548A JP 2008065548 A JP2008065548 A JP 2008065548A JP 2006241863 A JP2006241863 A JP 2006241863A JP 2006241863 A JP2006241863 A JP 2006241863A JP 2008065548 A JP2008065548 A JP 2008065548A
Authority
JP
Japan
Prior art keywords
item
user
relevance
reliability
degree
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.)
Withdrawn
Application number
JP2006241863A
Other languages
English (en)
Inventor
Hiroshi Tateno
啓 舘野
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 JP2006241863A priority Critical patent/JP2008065548A/ja
Publication of JP2008065548A publication Critical patent/JP2008065548A/ja
Withdrawn legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】アイテムを推薦する際に、利用者にとってより適切なアイテムを推薦することができることができるようにする。
【解決手段】サーバ１１は、クライアントに対して、既に提示したアイテムに関連するアイテムや、クライアントに指定されたアイテムに関連するアイテムを提示する。サーバ１１は、クライアントによりアイテム間に付与された関連度に基づいて、関連アイテムをクライアントに提示する。サーバ１１は、アイテムの提示に基づいて所定の目的が達成された場合、その目的の達成に寄与したアイテム間の関連度に基づいて、クライアントに対する報酬の分配を行う。本発明は、情報処理装置に適用することができる。
【選択図】図１

Description

本発明は、情報処理装置および方法、プログラム並びに記録媒体に関し、特に、アイテムを推薦する際に、利用者にとってより適切なアイテムを推薦することができるようにした情報処理装置および方法、プログラム並びに記録媒体に関する。
近年、通信技術が発達し、インターネットに代表されるネットワークを介した様々な通信サービスが普及してきた。その中に、ユーザが大量のコンテンツや商品から嗜好に合ったものを適切に選択することができるようにするリコメンデーションシステムがある。
このようなシステムにおいては、リコメンデーション（推薦）を実現するために、コンテントベースフィルタリング(Content Based Filtering:CBF）を用いるもの（例えば、特許文献１参照）や、協調フィルタリング(Collaborative Filtering:CF）を用いるものがある（例えば、非特許文献１参照）。
例えばCBFを用いる場合、リコメンデーションを行う装置は、各コンテンツに付与されているメタデータを利用し、ユーザが視聴したコンテンツのメタデータの総和や平均を算出することによりそのユーザの嗜好を求め、そのユーザの嗜好と未知のコンテンツとの内積あるいはコサイン類似度などを求め、その値に応じてユーザにコンテンツを推薦するかどうかを決定する。
また、例えばCFを用いる場合、リコメンデーションを行う装置は、コンテンツにメタデータが付加されていなくても、ユーザ同士のコンテンツ視聴履歴の類似性から、互いのユーザに未知コンテンツを推薦することが可能である。
さらに、近年、アフィリエイトサービスと呼ばれる人力に依拠したコンテンツの紹介サービスも普及してきた。アフィリエイトサービスは、商品を扱う事業者に代わって、一般のユーザがその事業者の商品をそのユーザの保有するWebページなどで紹介する見返りに、紹介を介して商品が売れた場合には事業者がそのユーザに一定の割合で紹介報酬を支払う、というものである（例えば、特許文献２参照）。このような仕組みにより、購買ユーザは紹介ユーザによる商品の紹介文や、紹介ユーザ自身への信頼をもとに商品の購入を決定できる。
特開２００１−１６０９５５号公報 P. Resnick, N. Iacovou, M. Suchak, P. Bergstrom, and J. Riedl. "GroupLens: Open Architecture for Collaborative Filtering of Netnews." Conference on Computer Supported Cooperative Work, pp. 175-186, 1994. 米国特許第６０２９１４１号明細書
しかしながら、上述したようにCBFを利用する場合、コンテンツにメタデータが付与されていなければならず、メタデータの精度によって推薦の質が大きく左右されてしまったり、似たようなコンテンツばかりが推薦されてしまったりする等、ユーザにとって有効な推薦を行うことができない恐れがあった。
また、上述したようにCFを利用する場合、当該サービスのユーザ数や各ユーザの視聴履歴がある程度以上の規模にならないと、ユーザにとって正確な（有効な）推薦を行うことができない恐れがあった。
さらに、アフィリエイトサービスの場合、紹介ユーザにとっては、紹介報酬が紹介行為への動機付けとなるが、コンスタントにその紹介報酬を得るためには、他のユーザが商品を購入するに足る程度の質の高い情報の提供とその頻繁な更新が必要であった。またそもそも紹介しているWebページ自体を認知してもらうには長い時間を要する恐れがあった。このように、アフェリエイトサービスを利用して安定的に紹介報酬を得ることは容易ではなく、誰でも手軽に紹介行為を紹介報酬に結びつけることができるものではなかった。そのため、紹介ユーザの紹介行為への動機付けが低下してしまい、結果として紹介行為の数が低減し、紹介行為の不足や偏り等が発生し、ユーザにとって有効な推薦が行われなくなる恐れがあった。
本発明は、このような状況に鑑みてなされたものであり、アイテム同士の関連付けを利用者に適切に行わせるようにすることにより、アイテムを推薦する際に、利用者にとってより適切なアイテムを推薦することができるようにする。
本発明の側面は、基準とする所定のアイテムから、前記アイテムに関連する関連アイテムを紹介するサービスを他の情報処理装置に提供する情報処理装置であって、前記他の情報処理装置のユーザが前記アイテム間に付与する、前記アイテム間の関係の重みを示す関連度を集計する関連度集計手段と、前記関連度集計手段による集計結果に基づいて、基準とする所定のアイテムから前記関連アイテムを決定して前記他の情報処理装置に紹介する紹介手段と、前記紹介手段による紹介に基づいて、所定の条件が満たされた場合、前記関連度を付与した前記ユーザに対して、報酬を分配する報酬分配手段とを備える情報処理装置である。
前記ユーザには、予めユーザポイントが割り当てられており、前記関連度が付与される度に、前記ユーザポイントより前記関連度に相当するポイントを減算する減算手段をさらに備え、
前記報酬分配手段は、前記報酬として、所定の量のポイントを前記ユーザポイントに加算することができる。
前記報酬分配手段は、前記所定の条件を満たすのに寄与した前記関連度の大きさに応じて前記報酬を分配することができる。
前記関連度、または、前記関連度を付与した前記ユーザの信頼度を算出する信頼度算出手段をさらに備えることができる。
前記信頼度算出手段は、前記所定の条件が満たされる頻度または確率に基づいて、前記関連度の信頼度を算出することができる。
前記信頼度算出手段は、前記関連度を付与した前記ユーザ以外のユーザによる評価に基づいて、前記関連度の信頼度を算出することができる。
前記報酬分配手段は、前記信頼度算出手段により算出された前記信頼度の大きさに応じて前記報酬を分配することができる。
前記紹介手段は、基準とする前記アイテムと前記関連アイテムとの間に付与された関連度とともに、前記信頼度を、前記ユーザに提示することができる。
本発明の側面はまた、基準とする所定のアイテムから、前記アイテムに関連する関連アイテムを紹介するサービスを他の情報処理装置に提供する情報処理装置の情報処理方法であって、前記他の情報処理装置のユーザが前記アイテム間に付与する、前記アイテム間の関係の重みを示す関連度を集計する関連度集計ステップと、前記関連度集計ステップの処理による集計結果に基づいて、基準とする所定のアイテムから前記関連アイテムを決定して前記他の情報処理装置に紹介する紹介ステップと、前記紹介ステップの処理による紹介に基づいて、所定の条件が満たされた場合、前記関連度を付与した前記ユーザに対して、報酬を分配する報酬分配ステップとを備える情報処理方法、プログラム、またはプログラムが記録された記録媒体である。
本発明の側面においては、他の情報処理装置のユーザがアイテム間に付与する、アイテム間の関係の重みを示す関連度が集計され、集計結果に基づいて、基準とする所定のアイテムから関連アイテムが決定されて他の情報処理装置に紹介され、その紹介に基づいて、所定の条件が満たされた場合、関連度を付与したユーザに対して、報酬が分配される。
本発明の側面によれば、アイテムを推薦することができる。特に、そのアイテムの推薦の際に、利用者にとってより適切なアイテムを推薦することができる。
以下に本発明の実施の形態を説明するが、本発明の構成要件と、明細書または図面に記載の実施の形態との対応関係を例示すると、次のようになる。この記載は、本発明をサポートする実施の形態が、明細書または図面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、明細書または図面中には記載されているが、本発明の構成要件に対応する実施の形態として、ここには記載されていない実施の形態があったとしても、そのことは、その実施の形態が、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、実施の形態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、その実施の形態が、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。
本発明の側面は、基準とする所定のアイテムから、前記アイテムに関連する関連アイテムを紹介するサービスを他の情報処理装置（例えば、図１のクライアント１２およびクライアント１３）に提供する情報処理装置（例えば、図１のサーバ１１）であって、前記他の情報処理装置のユーザが前記アイテム間に付与する、前記アイテム間の関係の重みを示す関連度を集計する関連度集計手段（例えば、図３の関連度集計部１５１）と、前記関連度集計手段による集計結果に基づいて、基準とする所定のアイテムから前記関連アイテムを決定して前記他の情報処理装置に紹介する紹介手段（例えば、図３の提示処理１５２）と、前記紹介手段による紹介に基づいて、所定の条件が満たされた場合、前記関連度を付与した前記ユーザに対して、報酬を分配する報酬分配手段（例えば、図３の報酬処理部１５３）とを備える情報処理装置である。
前記ユーザには、予めユーザポイントが割り当てられており、前記関連度が付与される度に、前記ユーザポイントより前記関連度に相当するポイントを減算する減算手段（例えば、図３の紹介報酬計算部１７２）をさらに備え、
前記報酬分配手段は、前記報酬として、所定の量のポイントを前記ユーザポイントに加算することができる。
前記関連度、または、前記関連度を付与した前記ユーザの信頼度を算出する信頼度算出手段（例えば、図３の信頼度処理部１５４）をさらに備えることができる。
前記信頼度算出手段は、前記所定の条件が満たされる頻度または確率に基づいて、前記関連度の信頼度を算出する（例えば、図３の成立信頼度計算部１８３）ことができる。
前記信頼度算出手段は、前記関連度を付与した前記ユーザ以外のユーザによる評価に基づいて、前記関連度の信頼度を算出する（例えば、図３の評価信頼度計算部１８４）ことができる。
本発明の側面はまた、基準とする所定のアイテムから、前記アイテムに関連する関連アイテムを紹介するサービスを他の情報処理装置（例えば、図１のクライアント１２およびクライアント１３）に提供する情報処理装置（例えば、図１のサーバ１１）の情報処理方法であって、前記他の情報処理装置のユーザが前記アイテム間に付与する、前記アイテム間の関係の重みを示す関連度を集計する関連度集計ステップ（例えば、図６のステップＳ４）と、前記関連度集計ステップの処理による集計結果に基づいて、基準とする所定のアイテムから前記関連アイテムを決定して前記他の情報処理装置に紹介する紹介ステップ（例えば、図８のステップＳ２４）と、前記紹介ステップの処理による紹介に基づいて、所定の条件が満たされた場合、前記関連度を付与した前記ユーザに対して、報酬を分配する報酬分配ステップ（例えば、図１０のステップＳ４５）とを備える情報処理方法、プログラム、またはプログラムが記録された記録媒体である。
以下、本発明の実施の形態について説明する。
図１は、本発明を適用したアイテム紹介システムの構成例を示すブロック図である。
図１において、アイテム紹介システム１は、ネットワーク１０を介して接続された、サーバ１１、並びに、クライアント１２およびクライアント１３により構成され、サーバ１１が、クライアントに対してアイテムを紹介（推薦）するシステムである。このアイテム紹介システム１は、例えばコンテンツの販売サービス等に利用される。
例えば、コンテンツの購入を希望するクライアント（のユーザ）は、購入するコンテンツを選択するために、コンテンツの販売側であるサーバ１１に対してコンテンツの情報を要求する。その要求に基づいて、サーバ１１は、コンテンツの情報をアイテムとして要求元のクライアントに紹介する。クライアントはその紹介されたコンテンツの情報を参照しコンテンツを購入するか否かを決定する。
ここでコンテンツとは、例えば、音楽、映画、TV番組、および、まとまった文章等のメディアコンテンツ、並びに物販商品などを含む。
また、アイテムは、アイテム紹介システム１における情報提示やリコメンデーション（推薦）の単位であり、その内容は状況によって異なる。例えば、音楽であればアーティスト、アルバム、楽曲など、映画であれば個々の作品や、監督等のスタッフ、俳優、配給会社などがアイテムとなりうる単位である。すなわち個別の作品・商品に限らず、任意の属性（メタデータ）を共有するまとまりを含む。
なお、メタデータとは、音楽であればジャンルやアーティストの出身地・デビュー年、レビュー文に出現する単語、コンテンツから抽出された特徴量など、コンテンツを体験するユーザによらずコンテンツに付加されているあるいは内包するデータすべてである。
図１においては、アイテム紹介システム１が、１台のサーバ（サーバ１１）と、１つのネットワーク（ネットワーク１０）と、２台のクライアント（クライアント１２およびクライアント１３）により構成されるように示されているが、ネットワーク、サーバ、およびクライアントの数はいずれも任意であり、複数のネットワーク、複数のサーバ、または３台以上のクライアントを有するようにしてもよい。
ネットワーク１０は、例えば、インターネットやLAN（Local Area Network）に代表される１つまたは複数のネットワークである。ネットワーク１０は、有線のネットワークであってもよいし無線のネットワークであってもよいし、有線と無線が混在するネットワークであってもよい。
サーバ１１は、クライアントに対して、アイテムを紹介するサービスを提供する。その際、サーバ１１は、既に提示したアイテムに関連するアイテムや、クライアントに指定されたアイテムに関連するアイテムを提示する。サーバ１１は、紹介対象であるアイテムの情報だけでなく、そのアイテム同士を関連付ける情報も管理しており、そのアイテム同士を関連付ける情報に基づいて、関連アイテムをクライアントに提示する。
このアイテム同士の関連付けは、クライアントからの要求により行われるものであり、サーバ１１は、アイテムの提示に基づいて所定の目的が達成された場合、その目的の達成に寄与したアイテム同士を関連付ける情報を登録したクライアントに対する報酬の分配を行う。
さらに、サーバ１１は、アイテム同士を関連付ける情報やユーザの信頼度を算出し、報酬の算出に利用したり、アイテムと共にクライアントに提示し、コンテンツ購入の判断材料として利用させたりする。
各クライアントは、互いに独立に動作し、関連付けを行うアイテムや、その関連付けの重み（以下、関連度と称する）の指定をサーバ１１に対して行い、紹介行為成立時に報酬を取得する。また、このような処理とは独立して、クライアントは、アイテムの提示要求を行い、既に提示されたアイテムに関連するアイテムや、指定したアイテムに関連するアイテムの提示を受ける。このときクライアントは、アイテム同士を関連付ける情報やユーザの信頼度の情報を得たりもする。
以下においては、アイテムの関連付けを行うクライアントをクライアント１２とし、アイテムの提示を受けるクライアントをクライアント１３として説明する。実際には、アイテムの関連付けを行う処理と、アイテムの提示を受ける処理は互いに独立しているので、１つのクライアントがこれらの処理の両方を行うこともあるし、いずれか一方の処理しか行わないこともある。また、各処理の実行タイミングは任意である。
以下に、アイテム紹介システム１における各装置の役割についてより詳細に説明する。
アイテムの関連付けを行うクライアント１２は、関連付けるアイテムと、その関連度の登録をサーバ１１に要求する（点線矢印２１）。サーバ１１は、アイテム間の関連付けに関する情報を管理するデータベースを有しており、そのクライアント１２からの要求に基づいて、そのデータベースを更新し、アイテム同士を関連付け、その関係に関連度を付与する。
図２は、アイテム間の関連付けに関する情報を模式的に示した図である。図２において、アイテム３１乃至アイテム３５は、予め用意された紹介対象である複数のアイテムを示しており、矢印４１乃至矢印４８は、クライアント１２が関連度を登録したアイテム間の関係を示している。
例えば、クライアント１２がアイテム３１からアイテム３２に向かう関係について関連度「３」の登録要求を行うと、サーバ１１は、図２に示されるようなアイテム間の関連付けに関する情報の、アイテム３１からアイテム３２に向かう関係（矢印４１）に、関連度「３」を、クライアント１２が付与した関連度として登録する。
関連度は、１つの関係（矢印）に対して、クライアント毎に付与される。つまり、サーバ１１は、各クライアントが登録した関連度をそれぞれ個別に管理する。このようにすることにより、サーバ１１は、報酬分配の際に、この関連度の大きさを報酬額の算出に反映させることが出来るようになる。
図１に戻り、アイテムの提示を受けるクライアント１３は、サーバ１１に対して、アイテムの提示要求（または関連アイテム提示要求）を行う（矢印２２）。サーバ１１は、この要求に基づいて、指定されたアイテムや既に提示したアイテムに関連するアイテムを、図２に示されるようなアイテム間の関連付けに関する情報より検索し、そのアイテムに関する情報をクライアント１３に提示する（矢印２３）。またこのとき、サーバ１１は、必要に応じて、その関連付けやユーザに関する信頼度も提示する。
情報を提示されたクライアント１３のユーザは、そのアイテムに対応するコンテンツを購入するか否かを検討する。コンテンツを購入する場合、クライアント１３は、その旨をサーバ１１に通知する。サーバ１１は、その購入を紹介成立行為として認識し、その購入に寄与した関連度を付与したクライアント１２に対して報酬を決定して分配する（矢印２４）。
つまり、サーバ１１がクライアント１３に対して関連アイテムを紹介するために必要な、アイテム間の関係をクライアント１２が構築する。サーバ１１は、クライアント１２が構築したアイテム間の関連付けを利用してクライアント１３に対してアイテムの紹介を行うので、そのアイテム紹介により、予め定められた所定の条件が満たされた（紹介行為が成立した）場合、その紹介行為の成立に貢献したアイテム間の関係を構築したクライアント１２に対して報酬を支払う。なお、紹介行為の成立に貢献したアイテム間の関係を構築したクライアントが複数存在する場合、サーバ１１は、例えば、各クライアントが登録した関連度に応じて、報酬を分配する。
クライアント１２は、この報酬の取得を目的として、有用な（紹介行為が成立する可能性の高い実用的な）アイテム間の関係を構築する。これにより、サーバ１１は、クライアント１３のユーザにとってより適切なアイテムを推薦することができる。
このように、アイテム紹介システム１のサーバ１１は、クライアントに対して、商品を扱う事業者に代わって、一般のユーザがその事業者の商品を紹介し、その紹介を介して商品が売れた場合には事業者がそのユーザに一定の割合で紹介報酬を支払う、従来のアフェリエイトサービスとは異なる方法で、アイテムを紹介する。
なお、紹介行為の成立を示す予め定められた所定の条件は、どのようなものであってもよく、例えば、サーバ１１がクライアント１３に対してアイテムを提示した時点で成立するようにしてもよいし、クライアント１３のユーザがそのアイテムに対応するコンテンツを購入することであってもよいし、コンテンツが映像や音楽の場合、クライアント１３のユーザがそのコンテンツを視聴することであってもよいし、ダウンロードすることであってもよい。また、複数種類の条件を併用するようにしてもよいし、コンテンツの種類によって変えるようにしてもよい。
以上においては、アイテム紹介システム１は、例えばコンテンツの販売サービスに利用されるように説明したが、これに限らず、例えば、コンテンツのダウンロードサービス、レンタルサービス、閲覧サービス等、どのようなサービスに利用されるようにしても良い。また、アイテム紹介システム１そのもののみで紹介サービスとして成立させるようにしてもよい。紹介行為の成立を示す予め定められた所定の条件は、このようなアイテム紹介システム１の利用法に応じて任意に設定可能である。
以下においては、説明の簡略化のため、アイテム紹介システム１がコンテンツの販売サービスに利用され、コンテンツに関する情報をアイテムとして紹介するものとして説明する。また、紹介成立行為を、クライアント１３のユーザが、紹介されたアイテムに対応するコンテンツを購入することとする。つまり、サーバ１１は、アイテムを紹介したクライアント１３より、そのアイテムに対応するコンテンツの購入を通知（要求）された場合、紹介行為が成立したものとして、アイテム紹介に寄与したクライアント１２に報酬を分配するものとする。
図３は、サーバ１１の内部の構成例を示すブロック図である。
図３において、サーバ１１のCPU（Central Processing Unit）１０１は、ROM（Read Only Memory）１０２に記憶されているプログラム、または記憶部１１３からRAM（Random Access Memory）１０３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。RAM１０３にはまた、CPU１０１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。
CPU１０１、ROM１０２、およびRAM１０３は、バス１０４を介して相互に接続されている。このバス１０４にはまた、入出力インタフェース１１０も接続されている。
入出力インタフェース１１０には、キーボード、マウスなどよりなる入力部１１１、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１１２、ハードディスクなどより構成される記憶部１１３、モデムなどより構成される通信部１１４が接続されている。通信部１１４は、インターネットを含むネットワークを介しての通信処理を行う。
入出力インタフェース１１０にはまた、必要に応じてドライブ１１５が接続され、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア１２１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１１３にインストールされる。
図４は、プログラムを実行するCPU１０１が有する機能を説明するための機能ブロック図である。
図４に示されるように、CPU１０１は、クライアント１２より供給される関連度を受け付け、アイテム間の関係に割り当てる処理を行う関連度集計部１５１、クライアント１３に対するアイテムの紹介に関する処理を行う提示処理部１５２、報酬の支払いに関する処理を行う報酬処理部１５３、および、関連度やユーザの信頼度に関する処理を行う信頼度処理部１５４を有する。
提示処理部１５２は、クライアント１３より供給されるアイテムの提示要求を取得し、その要求に対応する情報（例えば、関連アイテムに関する情報等）を収集する情報提示要求処理部１６１、および、情報提示要求処理部１６１により収集された情報をクライアント１３に提示する情報提示処理部１６２を有する。
報酬処理部１５３は、クライアント１３よりコンテンツの購入要求（紹介成立行為）を受け付け、その購入に関する処理を行う購入処理受付部１７１、コンテンツ購入に関わるアイテム紹介に対する報酬を計算する紹介報酬計算部１７２、および、コンテンツ購入に寄与したクライアント１２に対して報酬を分配する報酬分配処理部１７３を有している。
信頼度処理部１５４は、関連度の信頼度を算出する関連度信頼度計算部１８１、ユーザの信頼度を算出するユーザ信頼度計算部１８２、紹介行為成立の頻度に基づいて関連度の信頼度を算出する成立信頼度計算部１８３、および、アイテムを紹介されたクライアント１３からの評価に基づいて関連度の信頼度を算出する評価信頼度計算部１８４を有している。
成立信頼度計算部１８３は、信頼度の算出のために回帰計算を行う回帰計算部１９１、および、回帰計算結果を利用して信頼度の算出を行う信頼度計算部１９２を有する。
評価信頼度計算部１８４は、クライアント１３からの、関連度に関する評価を受け付ける評価受付部１９３、および、受け付けた評価に基づいて信頼度の算出を行う信頼度計算部１９４を有する。
図５は、図３の記憶部１１３の内部の構成例を示す模式図である。
図５に示されるように、記憶部１１３は、クライアント１２に登録されたアイテム間の関連付け、および、その関連度を蓄積して管理するアイテム間関連度データベース２０１、関連度を登録するクライアント１２のユーザに関する情報を蓄積して管理するユーザ情報データベース２０２、紹介するアイテムに関する情報を蓄積して管理するアイテム情報データベース２０３、および、情報の提示やコンテンツ購入等の履歴を蓄積して管理する履歴データベース２０４を有する。
以下に具体的な処理について説明する。
本発明の基本的な処理は、関連度付与、アイテムの推薦、紹介報酬の決定に分けられる。最初に、クライアント１２に対してサーバ１１が実行する関連度付与処理の流れの例を図６のフローチャートを参照して説明する。また、必要に応じて図７を参照して説明する。
関連度付与処理を開始すると、サーバ１１の関連度集計部１５１は、ステップＳ１において、関連度評価を受け付ける。図７に示されるように、クライアント１２は、ネットワーク１０を介して、関連付けるアイテムの組み合わせを指定し、そのアイテム間の関連度付与するように要求する（矢印２１１）。サーバ１１の関連度集計部１５１は、このような各ユーザからの要求を取得する。なお、以下において、ユーザuがアイテムOiとアイテムOjの間に付与した関連度をwu ijとする。
このとき、wu ijは、大きな値を持つほどより関連性が強いことを示す指標である。このwu ijの値について、例えば「１」乃至「５」の整数値のように、予め定められた所定のシステムに共通な定義域を設けるようにしてもよいし、特に制限を設けずに、任意の実数とするようにしてもよい。
以上のように関連度評価を受け付けると、関連度集計部１５１は、ステップＳ２において、ポイント制限判定を行う。関連度集計部１５１は、図７に示されるように、ユーザ情報データベース２０２より、関連度付与の要求元のユーザの現保有ポイントを取得し（矢印２１２）、今回の要求によって、そのポイントを超える値の関連度付与が要求されたか否かを判定する。
上述したように、報酬は、紹介行為の成立に寄与する関連度を付与したユーザに対して支払われるため、無条件に関連度の付与を認めると、ユーザが、全てのアイテム間に最も大きい関連度を付与する恐れがある。このような場合、アイテム間の関連付けがアイテム紹介に対して有用なものでなくなり、サーバ１１がクライアント１３のユーザにとってより適切なアイテムを推薦することができなくなる恐れがある。
そこで、サーバ１１は、このようなユーザによる無作為な関連度の付与を抑制するために、各ユーザが付与した関連度の合計値をユーザポイントとして管理することにより、各ユーザが付与可能な関連度の合計値を制限する。つまり、サーバ１１は、予め、各ユーザに対して所定のポイント数のユーザポイントを割り当て、ユーザ情報データベース２０２に登録しておき、ユーザが関連度を付与する度にそのユーザポイントを減算していき、ユーザポイントがマイナスになるような関連度の付与を禁止する。
このようなユーザポイントについての制限判定を行うと、関連度集計部１５１は、ステップＳ３において、その制限を超えたか否かを判定し、超えていないと判定した場合、処理をステップＳ４に進め、クライアント１２からの要求に基づいて、関連度を更新する。つまり、関連度集計部１５１は、クライアント１２の要求に基づいて、要求されたアイテム間に、要求された関連度を付与するように、図７に示されるようにアイテム間関連度データベース２０１を更新する（矢印２１３）。この際、アイテムOiからアイテムOjに対する関連度がi行j列成分となるような行列形式で保存される（実際のデータベース内部でのデータ構造は任意である）。
アイテム間関連度データベース２０１は、各アイテム間において関連度を、付与したユーザ毎の値として保存すると共に、アイテム紹介システム１の全クライアントのユーザに共通な値として、その総計や平均値などを保存する。例えば、あるアイテム間について全ユーザが付与した関連度の総和Ｔを算出して保存する場合、アイテム間関連度データベース２０１は、以下の式（１）を用いて総和Ｔを算出する。
Ｔ＝Σu(wu ij) ・・・（１）
また、例えば、あるアイテム間について全ユーザが付与した関連度の平均値Ｍを算出して保存する場合、アイテム間関連度データベース２０１は、以下の式（２）を用いて平均値Ｍを算出する。
Ｍ＝Σu(wu ij)/|Uij| ・・・（２）
ただし、|Uij|はアイテムOiとアイテムOjの関連度を付与したユーザ数を示す。
なお、アイテムOiとアイテムOjの関係を対称とみなし、ij成分（アイテムOiを関連元としアイテムOjを関連先とする関係）とji成分（アイテムOjを関連元としアイテムOiを関連先とする関係）に共通の関連度が付与されるようにしてもよいし、アイテムOiとアイテムOjの関係を非対称とみなし、ij成分とji成分に互いに独立して関連度が付与される（つまり、アイテムOjがアイテムOiに関連する度合いと、アイテムOiがアイテムOjに関連する度合いとが互いに異なる）ようにしてもよい。
アイテム間関連度データベース２０１を更新すると、関連度集計部１５１は、ステップＳ５において、ユーザポイントを減算する。図７に示されるように、関連度集計部１５１は、関連度を付与したユーザのユーザポイントを、付与した関連度の値に応じて減算するように、ユーザ情報データベース２０２を更新する（矢印２１４）。ユーザ情報データベース２０２を更新すると、関連度集計部１５１は、関連度付与処理を終了する。
また、ステップＳ３において、ステップＳ２のユーザポイント制限判定において、制限を超えた（例えば、値がマイナスになる）と判定した場合、関連度集計部１５１は、要求された関連度を付与せずに関連度付与処理を終了する。
以上のユーザポイントは、ユーザによる関連度の付与を制限するものであればどのようなものであってもよく、具体的にどのような実体を持たせ、どのように管理するかは任意であり、例えば、本発明を実現するシステムの構成やサービスの内容に依存する。また、ユーザによる無作為な関連度の付与がなされないことが期待できるのであれば、このようなポイント制限は省略することができる。
次に、クライアント１３に対してサーバ１１が実行するアイテム紹介処理の流れの例を図８のフローチャートを参照して説明する。また、必要に応じて図９を参照して説明する。
アイテム紹介処理を開始すると、提示処理部１５２の情報提示要求処理部１６１は、ステップＳ２１において、情報提示要求を受け付ける。図９に示されるように、クライアント１３は、なんらかのアイテムOiの情報提示を、ネットワーク１０を介して要求する（矢印２２１）。情報提示要求処理部１６１は、その要求を受け付ける。
情報提示要求を受け付けると、情報提示要求処理部１６１は、ステップＳ２２において、関連アイテムの情報を取得する。図９に示されるように、情報提示要求処理部１６１は、アイテム間関連度データベース２０１より、クライアント１３に要求されたアイテムを関連元アイテムとし、そのアイテムに関連するアイテムの情報を取得し（矢印２２２）、関連先のアイテムを特定する。
情報提示要求処理部１６１は、ステップＳ２３において、関連元のアイテムに関する情報、および、関連先のアイテムに関連する情報を取得する。図９に示されるように、情報提示要求処理部１６１は、必要に応じて、アイテム情報データベース２０３より、関連元のアイテムに関する情報と、関連先のアイテムに関連する情報を、それぞれ取得する（矢印２２３）。例えば、関連元のアイテムが、既にクライアント１３に対して提示したアイテムである場合、情報提示要求処理部１６１は、アイテム情報データベース２０３より、関連先のアイテムに関連する情報のみを取得する。
必要な情報を取得すると、情報提示要求処理部１６１は、それらの情報を情報提示処理部１６２に供給する（矢印２２４）。ステップＳ２４において、情報提示処理部１６２は、情報を提示する。図９に示されるように、情報提示処理部１６２は、情報提示要求処理部１６１より供給された情報を、ネットワーク１０を介して、クライアント１３に供給することにより（矢印２２５）、要求に対応する情報をユーザに提示する。
情報の提示を終了すると情報提示処理部１６２は、ステップＳ２５において、情報提示の履歴を保存し、アイテム紹介処理を終了する。図９に示されるように、情報提示処理部１６２は、情報をクライアント１３に提示した旨を、履歴データベース２０４に履歴として保存する（矢印２２６）。
次に、紹介行為成立に対する報酬について説明する。紹介報酬は通常のアフィリエイトサービスではユーザごとには差がつかないが、本発明では例えば関連度への寄与の程度によって変化をつけるなどして、関連度に対する貢献のインセンティブとすることが出来る。これによって、各ユーザの動機付けが増し、本発明を実現するサービスにより有用な情報（アイテムの関連付け）が集まることが期待される。
クライアント１３が紹介行為を成立させたときに、クライアント１２のユーザに対してサーバ１１が実行する紹介報酬処理の流れの例を図１０のフローチャートを参照して説明する。また、必要に応じて図１１を参照して説明する。
購入処理受付部１７１は、ステップＳ４１において、購入処理指示を受け付け、購入処理指示を受け付けると、ステップＳ４２において、購入処理を行う。例えば、アイテムOiの情報が提示され、そのアイテムOiの関連アイテムとしてしてアイテムOjの情報が提示されたクライアント１３のユーザは、アイテムOjに対応するコンテンツの購入を検討しする。そして購入が決定されると、クライアント１３は、図１１に示されるように、ネットワーク１０を介して購入要求を行う（矢印２３１）。購入処理受付部１７１は、その要求を受け付けると、購入処理を行い、その旨を紹介報酬計算部１７２に通知する（矢印２３２）。
ステップＳ４３において、紹介報酬計算部１７２は、関連度、およびアイテムの情報を取得する。紹介報酬計算部１７２は、図１１に示されるように、コンテンツ購入に寄与した、アイテムOiとアイテムOjの間の関連度を、アイテム間関連度データベース２０１より取得する（矢印２３３）。また、紹介報酬計算部１７２は、同様に、コンテンツ購入に寄与したアイテムOjに関する情報を、アイテム情報データベース２０３より取得する（矢印２３４）。
ステップＳ４４において、紹介報酬計算部１７２は、取得された情報に基づいて、紹介報酬を算出する。
例えば、変数wijをアイテムOiとアイテムOjの間に付与された関連度の総和Ｔとする。あるユーザが価格Pjの、アイテムOjに対応するコンテンツを購入すると、紹介報酬計算部１７２は、アイテムOiとアイテムOjの関連度wu ijを付与したユーザuに対する紹介報酬Ruを、以下の式（３）を算出することにより求める。なお、アイテムOjに対応するコンテンツの価格Pjは、アイテム情報データベース２０３より取得される。
Ru＝αPjwu ij/wij（α>0） ・・・（３）
つまり、紹介報酬計算部１７２は、アイテムOiとアイテムOjの間に関連度を付与したユーザ全体に対するユーザuの寄与度が高い場合に大きな報酬が返るように紹介報酬を算出する。
また、変数wijがユーザの付与した関連度の平均Ｍとすると、紹介報酬計算部１７２は、ユーザuに対する紹介報酬Ruを、その平均からのズレを用いて、以下の式（４）を算出することにより求める。
Ru＝αPjs(wu ij-wij+α) ・・・（４）
ただし、s(x)はx>0でx, x≦0で0をとる関数であり、αは定数とする。
紹介報酬計算部１７２は、以上のように紹介報酬を算出すると、図１１に示されるように、その算出結果を報酬分配処理部１７３に供給する（矢印２３５）。
ステップＳ４５において、報酬分配処理部１７３は、図１１に示されるように、算出された報酬を、ユーザ情報データベース２０２が管理する該当ユーザのユーザ情報に加算する（矢印２３６）。
ステップＳ４６において、購入処理受付部１７１は、図１１に示されるように、購入処理の履歴を履歴データベース２０４に保存させる（矢印２３７）。ステップＳ４６の処理を終了すると、購入処理受付部１７１は、紹介報酬処理を終了する。
報酬の計算の具体例を説明する。例えば、ユーザuがアイテム１乃至アイテム４の関連度を図１２に示される表のように付与し、全ユーザが、アイテム１乃至アイテム４の関連度を図１３に示される表のように付与したとする。なお、図１３に示される表において、カッコ内の数字はそのアイテム間に付与された関連度の総和を示している。そして、このサービスにおいては購入に対して５％の掛け率での紹介報酬が発生するとする。例えば、あるユーザが、アイテム１の情報よりアイテム３の情報を紹介され、かつ、価格５０００円のアイテム３を購入すると、アイテム１からアイテム３への関係に付与された関連度の総和が２３であるため、この関係に関連度５を付与したユーザｕには、0.05*5000*5/23=54.3円の紹介報酬が分配される。なお、ここでは報酬の単位を現金である円としたが、ポイントのようにサービス固有の単位でも良いし、他国通貨等であってもよい。
このように報酬を決定することによって、購入行動（紹介成立行動）に繋がりやすいと多くのユーザが予測するアイテム間の関連には、実際に高い関連度が付与されやすくなる。つまり、関連付けの情報の有用さが増す。なお、報酬は価格Pjか、変数wu ij（すなわち、アイテムOiとアイテムOjの間に付与された関連度の総和Ｔ、若しくは、ユーザの付与した関連度の平均Ｍ）のいずれかに依存、または両方に依存せず一定値としても良い。
次に、アイテム間の関連付けを示す情報の信頼度について説明する。サーバ１１は、アイテム間に付与された関連度や、ユーザがどの程度信頼に足るかを示す信頼度を決めることができる。この、信頼度の算出方法は、任意であり、例えば、関連度の信頼度を算出する方法、ユーザが付与した全関連度を基準とする方法、コンテンツ購入が実現した割合に基づいて算出する方法、または、アイテムの紹介を受けたユーザによる評価に基づいて算出する方法などがある。
以下において、このような信頼度の算出方法の例について説明する。最初に、関連度の信頼度を計算する方法について説明する。これは全ユーザに対して共通な値となる。あるアイテム間に付与された関連度がどの程度信頼できるかを明示することにより、関連度を参照するユーザの判断を補助する。
このような関連度の信頼度を設定する関連度信頼度設定処理の流れの例を図１４のフローチャートを参照して説明する。必要に応じて図１５を参照して説明する。信頼度処理部１５４の関連度信頼度計算部１８１は、ステップＳ６１において、図１５に示されるように、アイテム間関連度データベース２０１より、アイテムOiとアイテムOjの関連度を取得し（矢印２４１）、ステップＳ６２において、関連度のばらつきに基づいて信頼度を算出し、ステップＳ６３において、その算出した信頼度をアイテム間関連度データベース２０１に保存し（矢印２４２）、関連度信頼度設定処理を終了する。
例えば、複数のユーザが同じアイテム間に関連度を付与しており、かつ関連度の値に制限がある場合、関連度信頼度計算部１８１は、まず、同じアイテム間に付与された関連度のばらつきを求めるために、分散値σij 2を以下の式（５）を算出する。
Figure 2008065548
そして、関連度信頼度計算部１８１は、その分散値σij 2の逆数や指数関数exp（-σij 2）など、そのアイテムの組み合わせに対する関連度の各ユーザでのばらつきに対して単調減少な関数を利用して信頼度を算出する。例えば、全ユーザによって、図１３に示される表のように関連度が付与されるとすると、指数関数を利用して求められた関連度の信頼度は、図１６に示される表のようになる。なお、このように信頼度を算出する場合、ユーザ毎の関連度の値をアイテム間関連度データベース２０１に保存しておく必要がある。
次にユーザに対する信頼度の算出について説明する。ユーザに対して信頼度は、例えばユーザ全体の関連度の傾向からのそのユーザのズレにより表わすことができる。このようなユーザ信頼度を算出し、ユーザがどの程度信頼できるかを明示することにより、アイテムを提示されたユーザが、アイテム間に付与された関連度の信頼性を、その関連度を付与したユーザによって判断することができる。例えばユーザのプロファイルページなどでそのユーザが付与した関連度一覧を、そのユーザの信頼度とともに提示することにより、アイテムの紹介を受けるクライアント１３のユーザは、それらの関連度がどの程度参考になるかを容易に把握することができる。
図１７のフローチャートを参照し、このようなユーザに対する信頼度を算出するユーザ信頼度設定処理の流れの例を説明する。また、必要に応じて図１８を参照して説明する。
あるユーザの信頼度を算出すべくユーザ信頼度設定処理が開始されると、ユーザ信頼度計算部１８２は、ステップＳ８１において、図１８に示されるように、アイテム間関連度データベース２０１にアクセスし、アイテムOiとアイテムOjに対して付与された全ての関連度を取得し（矢印２５１）、ステップＳ８２において、そのユーザが付与した関連度の傾向に対するずれに基づいて信頼度を算出する。
例えば、ユーザ信頼度計算部１８２は、最初に、アイテムOiとアイテムOjの関連度のユーザuによる関連度をｗu ijとして、以下の式（６）を用いて、関連度に対する偏差の絶対値の平均を算出する。
Figure 2008065548
ここでWuはユーザuが付与した関連度の集合、|Wu|はその個数である。そして、ユーザ信頼度計算部１８２は、ユーザuの信頼度cuを、以下の式（７）を用いて算出する。
Figure 2008065548
例えばユーザuが図１２に示される表のように関連度を付与し、そのユーザｕを含む全てのユーザが、図１３に示される表のように関連度を付加した場合、各アイテム間における、全ユーザにより付加された関連度の平均は図１９に示される表のようになり、各アイテム間における、全ユーザにより付加された関連度の標準偏差は、図２０に示される表のようになり、ユーザuにより付加された関連度の偏差は図２１に示される表のようにになるので、ユーザuの信頼度cuの値は(0.408+1.414+0.816+1.414+0+1)/6=0.842となる。
なお、以上の算出方法は一例であり、全体の傾向からのズレが大きいほど、信頼度が低くなるような算出方法であれば、上述した以外のどのような方法であってもよい。
以上のようにユーザの信頼度を算出すると、ユーザ信頼度計算部１８２は、ステップＳ８３において、そのユーザに対して算出された信頼度をユーザ情報データベース２０２に保存し（矢印２５２）、ユーザ信頼度設定処理を終了する。
なお、上述した、関連度の信頼度と、ユーザの信頼度は互いに独立に、上述したような方法で計算するようにしてもよいが、一方を求め、その値を用いて他方を求めるようにしてもよい。
ユーザごとの信頼度に基づいて関連度に対する信頼度を算出する場合、関連度に対する信頼度cijは、以下の式（８）に示されるように、例えば関連度wijに寄与する全てのユーザの信頼度の平均を用いて算出することができる。
Figure 2008065548
逆に、関連度ごとに付与された信頼度からユーザごとの信頼度を計算する場合、ユーザｕの信頼度cuは、以下の式（９）に示されるように、例えばユーザｕが付与した関連度に対する信頼度の平均を用いて算出することができる。
Figure 2008065548
以上のように、関連度ごとに付与された信頼度とユーザごとの信頼度は、相互に変換可能である。
信頼度は、上述したようにユーザ間での分散など関連度そのものから求める以外にも、さらに、その他の情報を使って決定するようにしてもよい。
例えば、あるアイテム間に付けられた関連度が大きい場合に実際に購入等の紹介行為に繋がったとすれば、信頼に足るものと考えることが出来る。逆に、関連度が大きいにもかかわらず紹介行為の成立が少なかったり、関連度が小さいのに紹介行為の成立が多かったりすれば、その関連度の信頼度は低いものとみなすことができる。
このような紹介行為の成立・不成立に基づいて、関連度の信頼度を評価する方法について説明する。このような信頼度を算出するために実行される、成立信頼度設定処理の流れの例を図２２のフローチャートを参照して説明する。また、必要に応じて、図２３を参照して説明する。
成立信頼度設定処理が開始されると、成立信頼度計算部１８３の回帰計算部１９１は、ステップＳ１０１において、図２３に示されるように、履歴データベース２０４より、情報の提示履歴や購入処理の実行履歴（紹介行為成立の履歴）を含む履歴情報を取得する（矢印２６１）。つまり、回帰計算部１９１は、ある期間内で、アイテムOiの情報提示要求がどの程度あったか、アイテムOiからアイテムOjへの情報提示要求がどの程度あったか（tij）、その結果、アイテムOjの購買行動（紹介行為成立）がどの程度あったか、などの情報を、履歴データベース２０４から取得する。
さらに、回帰計算部１９１は、ステップＳ１０２において、アイテム間関連度データベース２０１にアクセスし、関連度を取得する（矢印２６２）。
次に、回帰計算部１９１は、ステップＳ１０３において、取得したそれらの情報を用いて回帰分析を行い、回帰直線を求める。つまり、回帰計算部１９１は、現在付与されている関連度が、実際のユーザの行動とどの程度連動しているのかを計算する。例えば、回帰計算部１９１は、全てのi,jに関するpij/tij、すなわち情報の遷移が購入に繋がった割合と関連度wijをサンプルとする回帰分析を行い、回帰直線p/t=aw+bを求める。
分析が終了すると、回帰計算部１９１は、図２３に示されるように、その回帰直線を分析結果として、履歴情報や関連度と共に信頼度計算部１９２に供給する（矢印２６３）。
ステップＳ１０４において、信頼度計算部１９２は、回帰直線からのずれに基づいて、信頼度を算出する。回帰計算部１９１において求められた回帰直線からのズレが小さいほど信頼できる関連であるといえるので、例えば、この場合の信頼度craは、以下の式（１０）を用いて算出することができる。
Figure 2008065548
 ただし、cは定数
上述した式（１０）では実際の関連性が関連度によって過小評価されている（本当はもっと関連があるのに、関連度という値では低く見積もられている）のか、若しくは、過大評価されているのかが信頼度に反映されない。従って、信頼度計算部１９２が、式（１０）の代わりに、純粋に購入確率pij/tijに対して単調増加する関数を、関連度を補正する乗数のように使用する信頼度として算出するようにしてもよい。
その場合について具体的な算出例を説明する。例えば、w12が関連度２であり、w13が関連度４．６であり、アイテムO1の関連アイテムとして紹介されたアイテムO2に対応するコンテンツを購入した割合が０．６であり、アイテムO1の関連アイテムとして紹介されたアイテムO3に対応するコンテンツを購入した割合が0.24であるとする。このような各関連度に対して、購入確率pij/tijの乗算により補正が行われると、補正された関連度の値は、それぞれ、2*0.6=1.2、4.6*0.24=1.1となる。つまり、このような補正により、アイテムO1からアイテムO2への関連度のほうが、アイテムO1からアイテムO3への関連度よりも実際には強い（少なくとも購入動機になりやすい）ということが示される。
図２２に戻り、ステップＳ１０５において、信頼度計算部１９２は、図２３に示されるように、算出した信頼度をアイテム間関連度データベース２０１に保存し（矢印２６４）、成立信頼度設定処理を終了する。
さらに、信頼度は明示的にユーザが決定するようにしてもよい。アイテムを紹介されたユーザが信頼度を決めることによって、紹介を受けるユーザの感覚にあった関連度を実現することができる。
このようにユーザの評価に基づいて信頼度を設定する評価信頼度設定処理の流れの例を図２４のフローチャートを参照して説明する。また、必要に応じて図２５を参照して説明する。
評価信頼度設定処理が開始されると、情報提示要求処理部１６１は、ステップＳ１２１において情報提示要求を受け付ける。図２５に示されるように、クライアント１３は、ネットワーク１０を介して、サーバ１１にアイテムの情報提示を要求する（矢印２７１）。情報提示要求処理部１６１は、その要求を取得する。
要求を取得すると、情報提示要求処理部１６１は、ステップＳ１２２において、図２５に示されるように、アイテム間関連度データベース２０１にアクセスし、関連アイテムの情報を取得する（矢印２７２）。なお、このとき、情報提示要求処理部１６１は、必要に応じてアイテム情報データベース２０３より、関連元アイテムおよび関連先アイテムに関する情報を取得するが、その説明は省略する。
情報提示要求処理部１６１は、図２５に示されるように、取得した関連アイテムの情報を情報提示処理部１６２に供給する（矢印２７３）。情報提示処理部１６２は、ステップＳ１２３において、図２５に示されるように、ネットワーク１０を介してクライアント１３に、それらの情報を提示する（矢印２７４）。
評価信頼度計算部１８４の評価受付部１９３は、ステップＳ１２４において評価を受け付ける。図２５に示されるように、サーバ１１よりアイテムの提示を受けたクライアント１３（のユーザ）は、そのアイテムの関連度についての評価を、ネットワーク１０を介してサーバ１１に供給する（矢印２７５）。評価受付部１９３は、その評価を受け付け、信頼度計算部１９４に供給する（矢印２７６）。
例えばアイテムOiからアイテムOjへの関連度wijが提示されると、ユーザ（クライアント１３）は、その関連度が信頼できると思えば値「＋１」を、信頼できない（参考にならない）と思えば値「−１」を、関連度の評価値としてサーバ１１にフィードバックさせる。
評価信頼度計算部１８４の信頼度計算部１９４は、ステップＳ１２５において、このような評価に基づいて信頼度を算出する。例えば各ユーザのフィードバックfu ijの平均Σufu ij/|Fij|を信頼度とする。ここでFijは関係ijにフィードバックを返したユーザ数である。
評価信頼度計算部１８４の信頼度計算部１９４は、ステップＳ１２６において、図２５に示されるように、算出した信頼度を、アイテム間関連度データベース２０１に保存し（矢印２７７）、評価信頼度設定処理を終了する。
なお、フィードバックされる評価値は、これに限らずどのような仕組みものであってもよく、例えば５段階評価によるものであってもよいし、関連度が信頼できる場合のみ値「＋１」をフィードバックさせ、信頼できない場合はフィードバックさせない（若しくは値「０」をフィードバックさせる）ようなものであってもよい。
また、このフィードバックする評価値は、関連度に対する評価だけでなく、ユーザに対する評価とすることも可能である。例えば任意のユーザが付与した関連度の一覧を閲覧可能とし、その一覧を閲覧したユーザが、それらの関連度が総合的に信頼できるならば値「＋１」をサーバ１１にフィードバックし、信頼できないのであれば値「−１」をフィードバックするようにしてもよい。なお、この場合、算出された信頼度は、ユーザ情報データベース２０２に保存される。

さらに、上述した紹介行為の成立頻度による信頼度の場合と同様に、信頼度の値が、過小評価・過大評価の要素も含むようにすることも可能である。例えば、フィードバックの意味合いを変え、ユーザが、提示される関連度よりもより関連性が高いと思えば値「＋１」、適切と思えば値「０」、関連性が低いと思えば値「−１」をフィードバックさせるようにし、サーバ１１が、そのようにフィードバックされた評価値の平均値を関連度の補正項として扱うようにするようにしてもよい。
具体的な演算例を説明する。w12が関連度２であり、w13が関連度４．６であり、さらに、値「＋１」、「０」、または「−１」のいずれかよりなる、それらの関連度の評価値（適切さのフィードバック）の平均がそれぞれ「０．４」と「−０．７」であるとすると、補正後のw12、w13はそれぞれ「２．４」と「３．９」となる。
サーバ１１は、以上のように算出された関連度の信頼度を用いて、紹介報酬を調整することができる。これによって、サーバ１１は、関連度をより正確に付与したユーザ（より有用な関連度を付与したユーザ）に紹介報酬を多く支払うことができる。これにより、関連度を登録するユーザは、より有用な関連度を登録するようになるので、アイテムの提示を受けるユーザは、全体の情報の質の向上を期待することができる。
このような、信頼度を考慮した紹介報酬処理の流れの例を図２６のフローチャートを参照して説明する。なお、この処理は、図１０のフローチャートを参照して説明した紹介報酬処理に対応する処理である。
つまり、購入処理受付部１７１は、ステップＳ１４１において、購入処理指示を受け付け、購入処理指示を受け付けると、ステップＳ１４２において、購入処理を行う。購入処理を行うと、紹介報酬計算部１７２は、ステップＳ４３において、アイテム間関連度データベース２０１より、関連度、およびアイテムの情報を取得し、ステップＳ１４４において、さらに、アイテム間関連度データベース２０１（若しくはユーザ情報データベース２０２）より、信頼度を取得する。
各情報を取得すると、紹介報酬計算部１７２は、ステップＳ１４５において、信頼度を考慮して紹介報酬を算出する。
単純に信頼度が高いほど報酬が高くなるようにするとすれば、上述した紹介報酬αPjwu ij/wijに信頼度を乗じるなどすればよい。例えばユーザごとに信頼度cuが決まっていれば、紹介報酬はαcuPjwu ij/wijにより算出される。
例えば、アイテムO３からアイテムO１の関連付けに対して、信頼度「１．２」のユーザu１が関連度「５」を付与し、、信頼度「3.3」のユーザu２が関連度「３」を付与し、全ユーザが付与した関連度の総和が「３０」とする。また、α=0.05、P1=\5000とすると、信頼度を考慮しない場合、ユーザu1には、0.05*5000*5/30=41.7円の紹介報酬が分配され、ユーザu2には0.05*5000*3/30=25円の紹介報酬が分配されることになる。これに対して、信頼度を考慮する場合、ユーザu1には、1.2*0.05*5000*5/30=50円の紹介報酬が分配され、ユーザu2は、3.3*0.05*5000*3/30=82.5円の紹介報酬が分配されることになる。
紹介報酬を算出すると、紹介報酬計算部１７２は、その算出結果を報酬分配処理部１７３に供給する。ステップＳ１４６において、報酬分配処理部１７３は、算出された報酬を、ユーザ情報データベース２０２が管理する該当ユーザのユーザ情報に加算する。
ステップＳ１４７において、購入処理受付部１７１は、購入処理の履歴を履歴データベース２０４に保存させ、紹介報酬処理を終了する。
また、信頼度は、以上のような報酬の算出等、内部的な処理に利用するだけでなく、その信頼度自身をアイテムの情報提示の際に関連度とともに明示的にユーザに示されるようにすることも可能である。
例えばあるアイテムOiに対する類似アイテム集合Riをリストとしてクライアント１３に表示させる際に、その関連度wij（j∈Ri）とともに信頼度cijを表示させるようにすることが出来る。
その場合のアイテム紹介処理の流れの例を、図２７のフローチャートを参照して説明する。なお、この処理は、図８のフローチャートを参照して説明したアイテム紹介処理に対応する処理である。
つまり、アイテム紹介処理を開始すると、提示処理部１５２の情報提示要求処理部１６１は、ステップＳ１６１において、クライアント１３からの情報提示要求を受け付け、ステップＳ１６２において、アイテム間関連度データベース２０１より、関連アイテムの情報を取得し、ステップＳ１６３において、アイテム情報データベース２０３より、関連元のアイテムに関する情報、および、関連先のアイテムに関連する情報を取得する。
ステップＳ１６４において、情報提示要求処理部１６１は、さらに、アイテム間関連度データベース２０１より、信頼度を取得する。
信頼度を取得した情報提示要求処理部１６１は、ステップＳ１６５において、信頼度を考慮して、アイテムに関する情報、関連度、および信頼度をクライアント１３のユーザに提示する提示用情報を作成する。
例えば、アイテム関連度（全ユーザでの平均）が図１９に示される表のようになり、その関連度の信頼度が図１６に示される表のようになるとき、情報提示要求処理部１６１は、アイテム１に対する類似アイテムであるアイテム２乃至アイテム４の情報を、図２８に示される表３０１のような提示用情報を作成する。図２８に示される表３０１においては、類似アイテムを、その関連度（カッコ内の数字）の大きい順に上から並べて表示し、さらに、その関連度の信頼度によって文字の大きさが変えられている。つまり、図２８の例の場合、表３０１においては、アイテム２乃至アイテム４の中で、アイテム２の文字が最も大きく表示されており、そのアイテム２とアイテム１の間の関連度の信頼度が一番大きいことが示されており（1.000）、また、アイテム４の文字が最も小さく表示されており、そのアイテム４とアイテム１との間の関連度の信頼度が一番小さいことも示されている（0.135）。
なお、信頼度によって変わる表示対象はアイテムを示す文字列だけでなく、アイテムを示す記号や画像（アルバムジャケット）などとしてもよく、また、信頼度によって表示の大きさを変える代わりに、画像の解像度や色の彩度・明度などを変化させるようにしても良い。
さらに、これ以外にも、関連度と信頼度をそのまま数値で表示するようにしてもよいし、関連アイテムを信頼度の順にソートし、関連度に応じて表示の大きさや色を変化させるようにしてもよい。
提示用情報を作成すると、情報提示要求処理部１６１は、それを情報提示処理部１６２に供給する。情報提示処理部１６２は、ステップＳ１６６において、その提示用情報を、ネットワーク１０を介して、クライアント１３に供給することにより、要求に対応する情報をユーザに提示する。情報の提示を終了すると情報提示処理部１６２は、ステップＳ１６７において、情報提示の履歴を履歴データベース２０４に保存し、アイテム紹介処理を終了する。
以上のように、紹介対象であるアイテム間にクライアントのユーザが関連度を付与することにより、サーバ１１は、そのアイテム間の関連度に基づいて、購買等に有用な情報の提供を行うことができる。これにより、ユーザは、有用な情報の提供を受けることができ、購買等をより適切に行うことができる。
また、関連度を付与したユーザは、アイテム間の関連度という知識を提供することの対価として紹介報酬を得ることが出来る。また、これにより、より有用な関連度が登録されるようになる。
さらに、関連度を付与したユーザや、その関連度自体に対する信頼度が明確になることにより、報酬の分配がより有用な情報に対して多く分配されるようになり、より有用な関連度の登録の増大を期待することができる。また、これにより、紹介を受けるユーザは、より的確な購買等の判断が可能になるとともに、信頼度が低い関連の情報を容易に排除することができる。
上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。上述した一連の処理をソフトウェアにより実行させる場合には、そのソフウェアを構成するプログラムが、ネットワークや記録媒体からインストールされる。
この記録媒体は、例えば、図３に示されるように、装置本体とは別に、ユーザにプログラムを配信するために配布される、プログラムが記録されている磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disk-Read Only Memory),DVD(Digital Versatile Disk)を含む）、光磁気ディスク（ＭＤ（Mini-Disk）（登録商標）を含む）、もしくは半導体メモリなどよりなるリムーバブルメディア１２１により構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに配信される、プログラムが記録されているROM１０２や、記憶部１１３に含まれるハードディスクなどで構成される。
なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、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。
また、本明細書において、システムとは、複数のデバイス（装置）により構成される装置全体を表すものである。
なお、以上において、一つの装置として説明した構成を分割し、複数の装置として構成するようにしてもよい。逆に、以上において複数の装置として説明した構成をまとめて一つの装置として構成されるようにしてもよい。また、各装置の構成に上述した以外の構成を付加するようにしてももちろんよい。さらに、システム全体としての構成や動作が実質的に同じであれば、ある装置の構成の一部を他の装置の構成に含めるようにしてもよい。つまり、本発明の実施の形態は、上述した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能である。
本発明は、情報処理装置に適用することが可能である。
本発明を適用したアイテム紹介システムの構成例を示すブロック図である。 アイテム間の関連付けを説明する模式図である。 図１のサーバの構成例を示すブロック図である。 サーバのCPUが有する機能を説明する機能ブロック図である。 記憶部の構成例を示す図である。 関連度付与処理の流れの例を説明するフローチャートである。 関連度付与処理に関する機能ブロックの動作の様子の例を示す図である。 アイテム紹介処理の流れの例を説明するフローチャートである。 アイテム紹介処理に関する機能ブロックの動作の様子の例を示す図である。 紹介報酬処理の流れの例を説明するフローチャートである。 紹介報酬処理に関する機能ブロックの動作の様子の例を示す図である。 ユーザｕの付与した関連度の例を示す表である。 全ユーザの付与した関連度の例を示す表である。 関連度信頼度設定処理の流れの例を説明するフローチャートである。 関連度信頼度設定処理に関する機能ブロックの動作の様子の例を示す図である。 関連度の信頼度の例を示す表である。 ユーザ信頼度設定処理の流れの例を説明するフローチャートである。 ユーザ信頼度設定処理に関する機能ブロックの動作の様子の例を示す図である。 関連度の全ユーザの平均の例を示す表である。 関連度の標準偏差の例を示す表である。 ユーザｕの偏差の絶対値の例を示す表である。 成立信頼度設定処理の流れの例を説明するフローチャートである。 成立信頼度設定処理に関する機能ブロックの動作の様子の例を示す図である。 評価信頼度設定処理の流れの例を説明するフローチャートである。 評価信頼度設定処理に関する機能ブロックの動作の様子の例を示す図である。 紹介報酬処理の流れの、他の例を説明するフローチャートである。 アイテム紹介処理の流れの、他の例を説明するフローチャートである。 提示用情報の例を示す模式図である。
符号の説明
１ アイテム紹介システム， １１ サーバ， １２ クライアント， １３ クライアント， １５１ 関連度集計部， １５２ 提示処理部， １５３ 報酬処理部， １５４ 信頼度処理部， １６１ 情報提示要求処理部， １６２ 情報提示処理部， １７１ 購入処理受付部， １７２ 紹介報酬計算部， １７３ 報酬分配処理部， １８１ 関連度信頼度計算部， １８２ ユーザ信頼度計算部， １８３ 成立信頼度計算部， １８４ 評価信頼度計算部， １９１ 回帰計算部， １９２ 信頼度計算部， １９３ 評価受付部， １９４ 信頼度計算部， ２０１ アイテム間関連度データベース， ２０２ ユーザ情報データベース， ２０３ アイテム情報データベース， ２０４ 履歴データベース

Claims (11)

  1. 基準とする所定のアイテムから、前記アイテムに関連する関連アイテムを紹介するサービスを他の情報処理装置に提供する情報処理装置であって、
    前記他の情報処理装置のユーザが前記アイテム間に付与する、前記アイテム間の関係の重みを示す関連度を集計する関連度集計手段と、
    前記関連度集計手段による集計結果に基づいて、基準とする所定のアイテムから前記関連アイテムを決定して前記他の情報処理装置に紹介する紹介手段と、
    前記紹介手段による紹介に基づいて、所定の条件が満たされた場合、前記関連度を付与した前記ユーザに対して、報酬を分配する報酬分配手段と
    を備える情報処理装置。
  2. 前記ユーザには、予めユーザポイントが割り当てられており、前記関連度が付与される度に、前記ユーザポイントより前記関連度に相当するポイントを減算する減算手段をさらに備え、
    前記報酬分配手段は、前記報酬として、所定の量のポイントを前記ユーザポイントに加算する
    請求項１に記載の情報処理装置。
  3. 前記報酬分配手段は、前記所定の条件を満たすのに寄与した前記関連度の大きさに応じて前記報酬を分配する
    請求項１に記載の情報処理装置。
  4. 前記関連度、または、前記関連度を付与した前記ユーザの信頼度を算出する信頼度算出手段をさらに備える
    請求項１に記載の情報処理装置。
  5. 前記信頼度算出手段は、前記所定の条件が満たされる頻度または確率に基づいて、前記関連度の信頼度を算出する
    請求項４に記載の情報処理装置。
  6. 前記信頼度算出手段は、前記関連度を付与した前記ユーザ以外のユーザによる評価に基づいて、前記関連度の信頼度を算出する
    請求項４に記載の情報処理装置。
  7. 前記報酬分配手段は、前記信頼度算出手段により算出された前記信頼度の大きさに応じて前記報酬を分配する
    請求項４に記載の情報処理装置。
  8. 前記紹介手段は、基準とする前記アイテムと前記関連アイテムとの間に付与された関連度とともに、前記信頼度を、前記ユーザに提示する
    請求項４に記載の情報処理装置。
  9. 基準とする所定のアイテムから、前記アイテムに関連する関連アイテムを紹介するサービスを他の情報処理装置に提供する情報処理装置の情報処理方法であって、
    前記他の情報処理装置のユーザが前記アイテム間に付与する、前記アイテム間の関係の重みを示す関連度を集計する関連度集計ステップと、
    前記関連度集計ステップの処理による集計結果に基づいて、基準とする所定のアイテムから前記関連アイテムを決定して前記他の情報処理装置に紹介する紹介ステップと、
    前記紹介ステップの処理による紹介に基づいて、所定の条件が満たされた場合、前記関連度を付与した前記ユーザに対して、報酬を分配する報酬分配ステップと
    を備える情報処理方法。
  10. 基準とする所定のアイテムから、前記アイテムに関連する関連アイテムを紹介するサービスを他の情報処理装置に提供する処理を制御するコンピュータが実行可能なプログラムであって、
    前記他の情報処理装置のユーザが前記アイテム間に付与する、前記アイテム間の関係の重みを示す関連度を集計する関連度集計ステップと、
    前記関連度集計ステップの処理による集計結果に基づいて、基準とする所定のアイテムから前記関連アイテムを決定して前記他の情報処理装置に紹介する紹介ステップと、
    前記紹介ステップの処理による紹介に基づいて、所定の条件が満たされた場合、前記関連度を付与した前記ユーザに対して、報酬を分配する報酬分配ステップと
    をコンピュータに実行させるプログラム。
  11. 請求項１０に記載のプログラムが記録されている記録媒体。
JP2006241863A 2006-09-06 2006-09-06 情報処理装置および方法、プログラム並びに記録媒体 Withdrawn JP2008065548A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006241863A JP2008065548A (ja) 2006-09-06 2006-09-06 情報処理装置および方法、プログラム並びに記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006241863A JP2008065548A (ja) 2006-09-06 2006-09-06 情報処理装置および方法、プログラム並びに記録媒体

Publications (1)

Publication Number Publication Date
JP2008065548A true JP2008065548A (ja) 2008-03-21

Family

ID=39288219

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006241863A Withdrawn JP2008065548A (ja) 2006-09-06 2006-09-06 情報処理装置および方法、プログラム並びに記録媒体

Country Status (1)

Country Link
JP (1) JP2008065548A (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010102634A (ja) * 2008-10-27 2010-05-06 Yahoo Japan Corp メディアと連動したアフィリエイト収入権付与サーバ及びその方法
WO2011078368A1 (ja) * 2009-12-24 2011-06-30 日本電気株式会社 計量学習装置、計量学習方法、及び、記録媒体
JP2011232970A (ja) * 2010-04-28 2011-11-17 Jvc Kenwood Corp 情報処理方法、情報処理装置、端末装置および情報処理プログラム
JP2012108862A (ja) * 2010-10-21 2012-06-07 Jvc Kenwood Corp 情報処理方法、表示方法、情報処理装置、端末装置、及び情報処理プログラム
JP5234688B1 (ja) * 2013-02-12 2013-07-10 株式会社東京トルマリン 購入者紹介ビジネス支援装置
JP5543659B1 (ja) * 2013-12-16 2014-07-09 グリー株式会社 ゲームサーバ、プログラム、及びゲームサーバの制御方法
JP2014211878A (ja) * 2014-05-08 2014-11-13 グリー株式会社 サーバの制御方法、プログラム、及びサーバ
JP2014210087A (ja) * 2013-04-19 2014-11-13 グリー株式会社 ゲームサーバ、プログラム、及びゲームサーバの制御方法
JP2014222532A (ja) * 2010-10-21 2014-11-27 株式会社Ｊｖｃケンウッド 情報処理方法、表示方法、情報処理装置、端末装置、及び情報処理プログラム

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010102634A (ja) * 2008-10-27 2010-05-06 Yahoo Japan Corp メディアと連動したアフィリエイト収入権付与サーバ及びその方法
WO2011078368A1 (ja) * 2009-12-24 2011-06-30 日本電気株式会社 計量学習装置、計量学習方法、及び、記録媒体
JP5720579B2 (ja) * 2009-12-24 2015-05-20 日本電気株式会社 計量学習装置、計量学習方法、及び、プログラム
JP2011232970A (ja) * 2010-04-28 2011-11-17 Jvc Kenwood Corp 情報処理方法、情報処理装置、端末装置および情報処理プログラム
JP2012108862A (ja) * 2010-10-21 2012-06-07 Jvc Kenwood Corp 情報処理方法、表示方法、情報処理装置、端末装置、及び情報処理プログラム
JP2014222532A (ja) * 2010-10-21 2014-11-27 株式会社Ｊｖｃケンウッド 情報処理方法、表示方法、情報処理装置、端末装置、及び情報処理プログラム
JP5234688B1 (ja) * 2013-02-12 2013-07-10 株式会社東京トルマリン 購入者紹介ビジネス支援装置
JP2014210087A (ja) * 2013-04-19 2014-11-13 グリー株式会社 ゲームサーバ、プログラム、及びゲームサーバの制御方法
JP5543659B1 (ja) * 2013-12-16 2014-07-09 グリー株式会社 ゲームサーバ、プログラム、及びゲームサーバの制御方法
JP2014211859A (ja) * 2013-12-16 2014-11-13 グリー株式会社 ゲームサーバ、プログラム、及びゲームサーバの制御方法
JP2014211878A (ja) * 2014-05-08 2014-11-13 グリー株式会社 サーバの制御方法、プログラム、及びサーバ

Similar Documents

Publication Publication Date Title
JP2008065548A (ja) 情報処理装置および方法、プログラム並びに記録媒体
US8117212B2 (en) Information processing apparatus and method, program and recording medium
US9697486B2 (en) Facilitating performance of tasks via distribution using third-party sites
AU2018204372A1 (en) A united framework for personalisation which encompasses cold start and implicit interaction data
US20110112981A1 (en) Feature-Based Method and System for Cold-Start Recommendation of Online Ads
US20140108431A1 (en) Correlated information recommendation
US8180755B2 (en) Matching reviews to objects using a language model
US20130103592A1 (en) Interactive Licensing Of Media With Negotiation And Dynamic Pricing Guidance
US10491967B1 (en) Integrating a live streaming video service with external computing systems
US20150039418A1 (en) Content item distribution based on user interactions
JPH117472A (ja) 商品情報提供装置及び方法
Beel et al. Online evaluations for everyone: Mr. DLib’s living lab for scholarly recommendations
Gupta et al. Eqbal-rs: Mitigating popularity bias in recommender systems
US20150134461A1 (en) Referral management methods and apparatus
Dikow et al. Improving the accuracy of Business-to-Business (B2B) reputation systems through rater expertise prediction
Lopez et al. 'Entomopia' A remarkable case of cerebral polyopia
JP2022036262A (ja) 情報処理装置、情報処理方法および情報処理プログラム
US20190279289A1 (en) Content item distribution based on user interactions
De Meo et al. EC-XAMAS: supporting e-commerce activities by an XML-based adaptive multi-agent system
Yavarigohar et al. The impact of stiamuli associated with the brand on brand loyalty in social media
JP2008077385A (ja) 情報処理装置および方法、プログラム並びに記録媒体
JP2020057292A (ja) 情報処理装置、情報処理方法および情報処理プログラム
JP7453182B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Symeonidis Similarity search, recommendation and explainability over graphs in different domains: social media, news, and health industry
Heidary Moghadam et al. An exponential similarity measure for collaborative filtering

Legal Events

Date Code Title Description
A300 Application deemed to be withdrawn because no request for examination was validly filed

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20091110