JP2008077386A - 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
JP2008077386A
JP2008077386A JP2006255729A JP2006255729A JP2008077386A JP 2008077386 A JP2008077386 A JP 2008077386A JP 2006255729 A JP2006255729 A JP 2006255729A JP 2006255729 A JP2006255729 A JP 2006255729A JP 2008077386 A JP2008077386 A JP 2008077386A
Authority
JP
Japan
Prior art keywords
item
user
information
items
information processing
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.)
Granted
Application number
JP2006255729A
Other languages
English (en)
Other versions
JP4240096B2 (ja
Inventor
Hiroshi Tateno
啓 舘野
Noriyuki Yamamoto
則行 山本
Mari Saito
真里 斎藤
Mitsuhiro Miyazaki
充弘 宮嵜
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 JP2006255729A priority Critical patent/JP4240096B2/ja
Priority to EP07253376A priority patent/EP1903460A1/en
Priority to US11/856,439 priority patent/US8117212B2/en
Priority to CN2007101519805A priority patent/CN101166102B/zh
Publication of JP2008077386A publication Critical patent/JP2008077386A/ja
Application granted granted Critical
Publication of JP4240096B2 publication Critical patent/JP4240096B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (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】アイテム紹介システム１は、ユーザに、コンテンツに関する情報であるアイテム間に関連度を付与させる。サーバ１１は、この行為により、ユーザ（ユーザ全体）の嗜好を把握し、例えば、あるユーザがあるアイテムを提示させた際に、アイテム間の関連付けに基づいて、関連アイテムを検索し、そのユーザに指定されたアイテムの情報と共に、他のユーザやそのユーザによってそのアイテムに関連付けられた関連アイテムの情報を提示する。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（例えば購入する）ことができるようにするために、ユーザに対してお勧めのコンテンツや商品を紹介するリコメンデーション（推薦）システムがある。
このような、コンピュータシステムによるコンテンツや商品のリコメンデーションシステムにおいては、ランダムに選択したコンテンツや商品を紹介するものもあるが、より有用な推薦を行うために、例えば、ユーザの嗜好に適した、ユーザが選択しそうなコンテンツや商品を紹介するものもある。その場合、推薦を行うサーバは、ユーザの嗜好を推定し、紹介するコンテンツや商品を選択するために、通常、何らかの情報をユーザよりフィードバックさせる。
このユーザからのフィードバックは、例えば”好き”から”嫌い”までの５段階評価のように明示的なものや、あるいは音楽であれば再生されたものはユーザの好きな曲、スキップされた曲はユーザの嫌いな曲といったような非明示的なものなどがある。システムのサーバはこれらのフィードバックに基づいてユーザの嗜好を推定し、どのアイテムを提示するかを決定する。
例えば、各コンテンツにメタデータが付与されている場合に、ユーザの嗜好をその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とし、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によってユーザにコンテンツを推薦するかどうかを決定するコンテントベースフィルタリング（CBF（Content Based Filtering））がある（例えば、特許文献１参照）。
また、例えば、ユーザ同士のコンテンツ評価の類似性に基づいた予測評価値によって、コンテンツのメタデータを利用することなくユーザに未知コンテンツを推薦する協調フィルタリング（CF（Collaborative Filtering））がある（例えば、非特許文献１参照）。
いずれの方法においても、サーバがユーザに対して適切なリコメンデーション行うためは、一定数以上のユーザからのフィードバック情報を必要とする。しかしながら、通常の場合、ユーザからの短時間における大量のフィードバックは期待することができず、特に、システムが運用開始された初期の頃において不適切な推薦がされてしまう、所謂コールドスタート問題が生じる恐れがあった（例えば、非特許文献２参照）。
この非特許文献２に記載の方法においては、既存ユーザが情報のポインタを他のユーザに伝達することによる問題の解決が試みられている。また、Webページにおける滞在時間やマウスの動きなどからユーザの非明示的なフィードバックを得ることによって明示的な評価やフィードバックを補う方法も考えられている（例えば、非特許文献３参照）。
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. Maltz, D., Ehrlich, K., "Pointing the way: Active collaborative filtering", Proceedings of the Annual ACM SIGCHI Conference on Human Factors in Computing Systems (CHI'95), p.202-209, 1995. Claypool, M., Le, P., Waseda, M., Brown, D., "Implicit Interest Indicators", Proceedings of the 6th International Conference on Intelligent User Interfaces, p.33-40, 2001.
しかしながら、非特許文献２に記載の方法の場合、個人の嗜好が必ずしも反映されない恐れがあった。また、非特許文献３に記載の方法のように、サーバが非明示的なフィードバックよりユーザの嗜好を推定する場合、その推定の正しさは、コンテンツの種類に強く依存するため、この方法を一般に適用することは困難であった。
以上のように、サーバは、必ずしも有用な推薦を行うことができるとは限らなかった。
本発明は、このような状況に鑑みてなされたものであり、コンテンツや商品を紹介するリコメンデーションシステムにおいて、ユーザの明示的な評価行動だけではなく、推薦対象情報間の関係をフィードバックさせることによって、より望ましい推薦を行う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を備える情報処理装置である。
前記関連度集計手段による集計結果に基づいて、前記他の情報処理装置のユーザの嗜好を算出するユーザ嗜好計算手段と、前記ユーザ嗜好計算手段により算出された前記ユーザの嗜好と、各アイテムを比較し、類似度を求める比較手段とをさらに備え、前記紹介手段は、前記比較手段による比較により、前記ユーザの嗜好と類似度が高いと判定されたアイテムを前記関連アイテムとして紹介することができる。
付与された関連度をユーザ毎に比較し、その比較結果に基づいて前記ユーザと嗜好の類似度が高い類似ユーザを検索する類似ユーザ検索手段と、前記類似ユーザ検索手段により検索された類似ユーザによるアイテムの評価値に基づいて、前記ユーザによる各アイテムに対する評価値を予測するアイテム評価予測手段とをさらに備え、前記紹介手段は、前記アイテム評価予測手段により、前記ユーザが高い評価を与えると予測するアイテムを前記関連アイテムとして紹介することができる。
前記関連度の、情報として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。
前記紹介手段は、前記関連アイテムとともに、基準とする所定のアイテムから前記関連アイテムの間に付与された前記関連度、および、前記関連度の信頼度を紹介することができる。
前記関連度を付与した前記ユーザの信頼度を算出するユーザ信頼度算出手段と、付与された関連度をユーザ毎に比較し、その比較結果に基づいて前記ユーザと嗜好の類似度が高い類似ユーザを検索する類似ユーザ検索手段と、前記ユーザ信頼度算出手段により算出された前記ユーザの信頼度に基づいて、前記類似ユーザ検索手段により検索された各類似ユーザに重み付けを行い、前記類似ユーザの重み、および、前記類似ユーザによるアイテムの評価値に基づいて、前記ユーザによる各アイテムに対する評価値を予測するアイテム評価予測手段とをさらに備え、前記紹介手段は、前記アイテム評価予測手段により、前記ユーザが高い評価を与えると予測するアイテムを前記関連アイテムとして紹介することができる。
前記関連度に基づいて、アイテムに対して新たなメタデータを付与する追加メタデータ付与手段をさらに備えることができる。
前記関連度の、情報としての信頼度を算出する信頼度算出手段をさらに備え、前記追加メタデータ付与手段は、前記関連度と前記関連度の信頼度の両方に基づいて、アイテムに対して新たなメタデータを付与することができる。
前記追加メタデータ付与手段により付与された新たなメタデータを用いて、アイテム間の類似度を計算するアイテム類似度計算手段をさらに備え、前記紹介手段は、前記アイテム類似度計算手段により算出された、基準とする所定のアイテムとの類似度が高いアイテムを関連アイテムとして紹介することができる。
前記関連度集計手段による集計結果に基づいて、前記他の情報処理装置のユーザの嗜好を算出するユーザ嗜好計算手段と、各アイテムの、前記追加メタデータ付与手段により付与された新たなメタデータと、前記ユーザ嗜好計算手段により算出された前記ユーザの嗜好とを比較し、類似度を求める比較手段とをさらに備え、前記紹介手段は、前記比較手段による比較により、前記ユーザの嗜好と類似度が高いと判定されたアイテムを前記関連アイテムとして紹介することができる。
前記アイテム間に付与される関連度に基づいて、前記アイテムの、全アイテム中での重要度を算出する重要度算出手段をさらに備えることができる。
前記重要度算出手段により算出された重要度に基づいて、前記他の情報処理装置に紹介する前記関連アイテムの情報の表示形式を補正する補正手段をさらに備え、前記紹介手段は、紹介先である前記他の情報処理装置に、前記関連アイテムの情報を、前記補正手段により補正された表示形式で表示させることができる。
前記重要度算出手段により算出された重要度に基づいて、前記他の情報処理装置に紹介する前記関連アイテムの説明文を、前記関連アイテムの情報に付与する説明文付与手段をさらに備えることができる。
前記関連度集計手段による集計結果に基づいて、前記他の情報処理装置のユーザの嗜好を算出するユーザ嗜好計算手段と、前記重要度算出手段により算出された重要度、および、前記ユーザ嗜好計算手段により算出された前記ユーザの嗜好に基づいて、前記他の情報処理装置に紹介する前記関連アイテムの説明文を、前記関連アイテムの情報に付与する説明文付与手段をさらに備えることができる。
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４の関連度集計部２０１）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４のアイテム情報提示処理部２１４、アイテム情報提示処理部２２４、アイテム情報提示処理部２４４、または、アイテム情報提示処理部２５５）とを備える情報処理装置である。
前記関連度集計手段による集計結果に基づいて、前記他の情報処理装置のユーザの嗜好を算出するユーザ嗜好計算手段（例えば、図４のユーザ嗜好計算部２１２）と、前記ユーザ嗜好計算手段により算出された前記ユーザの嗜好と、各アイテムを比較し、類似度を求める比較手段（例えば、図４のアイテム−ユーザ嗜好マッチング部２１３）とをさらに備え、前記紹介手段は、前記比較手段による比較により、前記ユーザの嗜好と類似度が高いと判定されたアイテムを前記関連アイテムとして紹介することができる。
付与された関連度をユーザ毎に比較し、その比較結果に基づいて前記ユーザと嗜好の類似度が高い類似ユーザを検索する類似ユーザ検索手段（例えば、図４のユーザ類似度計算部２２２）と、前記類似ユーザ検索手段により検索された類似ユーザによるアイテムの評価値に基づいて、前記ユーザによる各アイテムに対する評価値を予測するアイテム評価予測手段（例えば、図４のアイテム評価予測部２２３）とをさらに備え、前記紹介手段は、前記アイテム評価予測手段により、前記ユーザが高い評価を与えると予測するアイテムを前記関連アイテムとして紹介することができる。
前記関連度の、情報としての信頼度を算出する信頼度算出手段（例えば、図４の関連度信頼度計算部２３１）をさらに備えることができる。
前記紹介手段は、前記関連アイテムとともに、基準とする所定のアイテムから前記関連アイテムの間に付与された前記関連度、および、前記関連度の信頼度を紹介することができる（例えば、図３３のステップＳ１２７または図３４のステップＳ１４６）。
前記関連度を付与した前記ユーザの信頼度を算出するユーザ信頼度算出手段（例えば、図４のユーザ信頼度計算部２３２）と、付与された関連度をユーザ毎に比較し、その比較結果に基づいて前記ユーザと嗜好の類似度が高い類似ユーザを検索する類似ユーザ検索手段と、前記ユーザ信頼度算出手段により算出された前記ユーザの信頼度に基づいて、前記類似ユーザ検索手段により検索された各類似ユーザに重み付けを行い、前記類似ユーザの重み、および、前記類似ユーザによるアイテムの評価値に基づいて、前記ユーザによる各アイテムに対する評価値を予測するアイテム評価予測手段（例えば、図４のアイテム評価予測部２２３）とをさらに備え、前記紹介手段は、前記アイテム評価予測手段により、前記ユーザが高い評価を与えると予測するアイテムを前記関連アイテムとして紹介することができる。
前記関連度に基づいて、アイテムに対して新たなメタデータを付与する追加メタデータ付与手段（例えば、図４の追加メタデータ計算部２４１）をさらに備えることができる。
前記関連度の、情報としての信頼度を算出する信頼度算出手段（例えば、図４の関連度信頼度計算部２３１）をさらに備え、前記追加メタデータ付与手段は、前記関連度と前記関連度の信頼度の両方に基づいて、アイテムに対して新たなメタデータを付与することができる。
前記追加メタデータ付与手段により付与された新たなメタデータを用いて、アイテム間の類似度を計算するアイテム類似度計算手段（例えば、図４のアイテム類似度計算部２４３）をさらに備え、前記紹介手段は、前記アイテム類似度計算手段により算出された、基準とする所定のアイテムとの類似度が高いアイテムを関連アイテムとして紹介することができる。
前記関連度集計手段による集計結果に基づいて、前記他の情報処理装置のユーザの嗜好を算出するユーザ嗜好計算手段（例えば、図４のユーザ嗜好計算部２１２）と、各アイテムの、前記追加メタデータ付与手段により付与された新たなメタデータと、前記ユーザ嗜好計算手段により算出された前記ユーザの嗜好とを比較し、類似度を求める比較手段（例えば、図４のアイテム−ユーザ嗜好マッチング部２４５）とをさらに備え、前記紹介手段は、前記比較手段による比較により、前記ユーザの嗜好と類似度が高いと判定されたアイテムを前記関連アイテムとして紹介することができる。
前記アイテム間に付与される関連度に基づいて、前記アイテムの、全アイテム中での重要度を算出する重要度算出手段（例えば、図４のアイテム重要度算出部２５１）をさらに備えることができる。
前記重要度算出手段により算出された重要度に基づいて、前記他の情報処理装置に紹介する前記関連アイテムの情報の表示形式を補正する補正手段（例えば、図４の提示用情報補正部２５４）をさらに備え、前記紹介手段は、紹介先である前記他の情報処理装置に、前記関連アイテムの情報を、前記補正手段により補正された表示形式で表示させることができる。
前記重要度算出手段により算出された重要度に基づいて、前記他の情報処理装置に紹介する前記関連アイテムの説明文を、前記関連アイテムの情報に付与する説明文付与手段（例えば、図６２のステップＳ２６９）をさらに備えることができる。
前記関連度集計手段による集計結果に基づいて、前記他の情報処理装置のユーザの嗜好を算出するユーザ嗜好計算手段と、前記重要度算出手段により算出された重要度、および、前記ユーザ嗜好計算手段により算出された前記ユーザの嗜好に基づいて、前記他の情報処理装置に紹介する前記関連アイテムの説明文を、前記関連アイテムの情報に付与する説明文付与手段（例えば、図６４のステップＳ２８８）をさらに備えることができる。
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。クライアントのユーザ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。
このようにアイテム紹介システム１は、アイテムを紹介するリコメンデーションシステムであって、ユーザの明示的な評価行動だけではなく、アイテム間の関係の入力によってより望ましいアイテムの推薦を実現するシステムである。また、アイテム紹介システム１は、アイテムとアイテムの関係というコンテンツのドメイン（映画や音楽、Webページその他）に制約を受けないアプローチであるため、広く適用可能である。
なお、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。また、例えばサーバ側の処理の一部を、P2P技術などを用いてクライアント同士の処理としても良い。
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等を基準としてその基準アイテムに関連する関連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、基準アイテムより関連アイテムを選択し、その関連アイテムをクライアントに提示する。なお、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（フィードバック）に基づいて行われる。
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て利用したり、アイテム同士の関係を応用して新たなパラメータを生成して利用したり、アイテム同士の関連付けに基づいて各アイテムの重要度を算出して利用したりする。
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に対して行う。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。
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、アイテム間の関係とその関連度を指定することにより、サーバ１１に対して、所望のアイテム間の関係に所望の関連度を付与させることを要求する（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、指定されたアイテム間の関係に関連度を付与することにより、それらのアイテムを関連付ける。
図２は、サーバ１１が管理する、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。
矢印４１乃至矢印４８に示されるように、アイテム３１乃至アイテム３５のそれぞれの間には、一方から他方へ向かう関係が双方向に存在する。例えば、アイテム３１とアイテム３５の間には、アイテム３１からアイテム３５へ向かう関係（矢印４２）と、アイテム３５からアイテム３１に向かう関係（矢印４８）とが存在する。
関連度は、このように矢印で示される、向きを考慮したアイテム間の関係に付与される。図２に示される矢印４１乃至矢印４８は、このように関連度が付与され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に向かう関係と、関連度「３」を指定すると、サーバ１１は、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」を付与する。このときサーバ１１は、その関連度「３」を、クライアント１２が付与した関連度として登録する。つまり、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。なお、サーバ１１は、必要に応じて、アイテム間の関係（矢印）毎に、付与された関連度の総和や平均値等も算出して管理する。
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）。
例えば、コンテンツの販売サービスにおいて、クライアントのユーザが何らかのコンテンツを購入する際に、予め用意された大量のコンテンツの中から購入するコンテンツを無作為に検索する方法は、ユーザにとって、煩雑な作業を必要とするだけでなく、必ずしも購入を希望するような満足のいくコンテンツを見つけることができるとも限らないので、ユーザの購入意欲を低減させる恐れがある。
また、コンテンツの販売者が、お勧めのコンテンツをユーザに紹介するようにしても、販売者が選択したコンテンツをユーザが気に入るとは限らない。そこで、アイテム紹介システム１は、ユーザに、コンテンツに関する情報であるアイテム間に関連度を付与させる。サーバ１１は、この行為により、ユーザ（ユーザ全体）の嗜好を把握し、例えば、あるユーザがあるアイテムを提示させた際に、アイテム間の関連付けに基づいて、関連アイテムを検索し、そのユーザに指定されたアイテムの情報と共に、他のユーザやそのユーザによってそのアイテムに関連付けられた関連アイテムの情報を提示する。
これにより、各ユーザは、自ら検索しなくても、提示された関連アイテムを参照することができ、購入を検討するコンテンツの幅を容易に広げることができ、容易にユーザ自身が満足するコンテンツをより多く購入することができる。
また、関連度の付与は、実際の購入とは独立しているため、ユーザは、サービス運用開始時より、コンテンツの購入無しに、関連度の付与を自由に（若しくは、所定の制限範囲内において自由に）行うことができる。従って、サービスが開始された初期より、大量の関連度の付与を期待することができる。例えば、このようなアイテム紹介に基づいて発生したコンテンツの購入に対して、その購入に貢献したアイテム間の関係に関連度を付与したユーザに報酬が支払われる場合、その関連度を付与したユーザ数が少ないほど、各ユーザが得られる報酬の額が大きいようにすると、サービス開始時における関連度の付与が、より活性化されることを期待することができる。
このように、アイテム紹介システム１のサーバ１１は、クライアントのユーザに対して、アイテムを紹介する。
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、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。
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。
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２０１、コンテンツのメタデータに基づいてユーザの嗜好にマッチする類似アイテムを特定し、それを関連アイテムとして提示するコンテントベースフィルタリング処理部２０２、メタデータを使わず類似のユーザの行動からアイテムに対する評価を予測し、その予測結果に基づいて関連アイテムを提示する協調フィルタリング処理部２０３、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２０４、付与された関連度に基づいて新たなメタデータを生成し、そのメタデータに基づいて関連アイテムの提示を行う追加メタデータ処理部２０５、および、アイテムの重要度を算出し、その重要度に基づいてアイテムの提示を行うアイテム重要度処理部２０６を有する。
コンテントベースフィルタリング処理部２０２は、クライアント１３からの要求を受け付ける情報提示要求処理部２１１、ユーザの嗜好を算出するユーザ嗜好計算部２１２、ユーザの嗜好とアイテムのマッチングを行うアイテム−ユーザ嗜好マッチング部２１３、クライアント１３のユーザに対して関連アイテムの紹介を行うアイテム情報提示処理部２１４、および、提示するアイテムの情報に、そのアイテムに関する説明文を付与するアイテム説明文付与部２１５を有する。
協調フィルタリング処理部２０３は、クライアント１３からの要求を受け付ける情報提示要求処理部２２１、ユーザ間の類似度を算出するユーザ類似度計算部２２２、ユーザの新規アイテムに対する評価を予測するアイテム評価予測部２２３、クライアント１３のユーザに対して関連アイテムの紹介を行うアイテム情報提示処理部２２４、および、提示するアイテムの情報に、そのアイテムに関する説明文を付与するアイテム説明文付与部２２５を有する。
信頼度処理部２０４は、関連度の信頼度を算出する関連度信頼度計算部２３１、および、ユーザの信頼度を算出するユーザ信頼度計算部２３２を有する。
追加メタデータ処理部２０５は、アイテム間の関連度に基づいて分析を行い、新たなメタデータを生成する追加メタデータ計算部２４１、クライアント１３からの要求を受け付ける情報提示要求処理部２４２、新たに追加されたメタデータに基づいてアイテム間の類似度を算出するアイテム類似度計算部２４３、クライアント１３のユーザに対して関連アイテムの紹介を行うアイテム情報提示処理部２４４、および、ユーザの嗜好とアイテムのマッチングを行うアイテム−ユーザ嗜好マッチング部２４５を有する。
アイテム重要度処理部２０６は、アイテムの重要度を算出するアイテム重要度算出部２５１、クライアント１３からの要求を受け付ける情報提示要求処理部２５２、クライアント１３のユーザに提示する提示用情報を生成する提示用情報生成部２５３、提示用情報を補正する提示用情報補正部２５４、および、クライアント１３のユーザに対して関連アイテムの紹介を行うアイテム情報提示処理部２５５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３０１、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３０２、および、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３０３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、関連度付与とアイテムの推薦に分けられる。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２０１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４０１）。サーバ１１の関連度集計部２０１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２０１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２０１は、図７に示されるように、ユーザ情報データベース３０２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４０２）、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。
無条件に関連度の付与を認めると、例えば、各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もある。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３０２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２０１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２０１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３０１を更新する（矢印４０３）。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３０１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３０１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３０１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３０１を更新すると、関連度集計部２０１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２０１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３０２を更新する（矢印４０４）。ユーザ情報データベース３０２を更新すると、関連度集計部２０１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２０１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。
以上のような、ユーザによる関連度の付与という行為をユーザの嗜好を表しているものとみなして、その履歴に基づいたコンテンツの推薦を行う。ユーザへのアイテム推薦の方法としては、その場の短期的なコンテクスト（情報閲覧の状況など）に基づいた方法と、ユーザの長期的な嗜好に基づいた方法とがある。なお、ユーザの嗜好は、例えば、上述した特許文献１に記載されているような、それまでユーザが視聴した（かつ「好き」と評価した）コンテンツのメタデータの平均ベクトルや、ユーザの性格（例えば、売れ筋のコンテンツを好むかマイナー好きか等）等により表すことができる。このユーザの性格は、例えば、予めユーザに入力させたり、ユーザの履歴の傾向・遷移に基づいて判定したりして取得するようにする。
また、ユーザへのアイテム推薦の方法は、技術的には、メタデータに基づくコンテントベースフィルタリングと、メタデータを使わず類似のユーザの行動から予測する協調フィルタリングに大きく分けることができる。
さらに、ユーザによる関連度の付与に基づいて、アイテムに重み付けを行うこともできる。その場合、例えば、あるいはアイテムOiからアイテムOjへの関連度を付与したときは、好きなアイテムにはより多くの情報を付加するであろうという仮定に基づいて、アイテムOiをより高い評価とするようにしてもよいし、逆に好きなアイテムに情報が流れるように付加するだろうという仮定に基づいて、アイテムOjの方を高い評価とするようにしてもよいし、アイテムOiおよびアイテムOjのいずれもユーザの好きなアイテムであるとして、アイテムOiおよびアイテムOjの両方を高い評価とするようにしてもよい。
次に、ユーザへのアイテムの推薦方法を説明する。先ず、各コンテンツにメタデータが付与されている場合に、ユーザの嗜好をその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とし、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によってユーザにコンテンツを推薦するかどうかを決定するコンテントベースフィルタリングによりアイテムの推薦を行う場合について説明する。
コンテントベースフィルタリングによりクライアント１３に対してアイテムを紹介するためにサーバ１１が実行する提示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乃至図１５を参照して説明する。
提示処理を開始すると、コンテントベースフィルタリング処理部２０２の情報提示要求処理部２１１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、Webブラウザなどを用いて、ユーザの嗜好に合うアイテムのリストに関する情報の提示を、ネットワーク１０を介して要求する（矢印４１１）。情報提示要求処理部２１１は、その要求を受け付けると、ユーザ嗜好計算部２１２に通知する（矢印４１２）。
通知を受け取ると、ユーザ嗜好計算部２１２は、図８のステップＳ２２において、要求元であるクライアント１３ユーザの嗜好を算出するのに必要な、ユーザとアイテムの関係を示す情報を取得する。例えば、ユーザ嗜好計算部２１２は、アイテム間関連度データベース３０１にアクセスし、そのクライアント１３のユーザが付与した関連度の情報を取得し（図９の矢印４１３）、ユーザ情報データベース３０２にアクセスし、クライアント１３のユーザに関する情報を取得し（図９の矢印４１４）、さらに、アイテム情報データベース３０３にアクセスし、クライアント１３のユーザが関連度を付与したアイテム（関連度が付与されたアイテム間の両側のアイテム）の情報を取得する（図９の矢印４１５）。
各情報を取得すると、ユーザ嗜好計算部２１２は、ステップＳ２３において、それらの情報に基づいて、ユーザの嗜好を算出する。例えば特許文献１に記載の方法と同様に、アイテムに対応するコンテンツのメタデータをベクトルとし、その足し合わせとしてユーザの嗜好を表現する。その際、ユーザ嗜好計算部２１２は、関連度を付与しただけのアイテムには、明示的に”好き”という評価を与えたものよりも小さな重みを乗じる等して、ユーザuの嗜好ベクトルUPuを以下の式（３）により求める。
Figure 2008077386
ただし、式（３）において、Eu+はユーザuが”好き”と明示的に評価を与えたコンテンツの集合を示し、λfは関連元アイテムに対する重みを示し、λtは関連先アイテムに対する重みを示す。なお、ユーザuの嗜好ベクトルUPuを、式（３）の右辺により求められる値の加重平均とするようにしてもよい。
このように、クライアント１３のユーザの嗜好をベクトルとして算出すると、ユーザ嗜好計算部２１２は、その算出結果をアイテム−ユーザ嗜好マッチング部２１３に供給する（図９の矢印４１６）。アイテム−ユーザ嗜好マッチング部２１３は、ステップＳ２４において、アイテムとユーザ嗜好のマッチングを行う。アイテム−ユーザ嗜好マッチング部２１３は、アイテム情報データベース３０３より、そこに格納されたすべてまたは一部のアイテムに関する情報を取得し（図９の矢印４１７）、その情報に基づいて各アイテムをベクトル化し、ユーザ嗜好計算部２１２により嗜好ベクトルUPuとして算出されたユーザの嗜好の適合性（ベクトル同士がマッチするか否か）を判定する。
アイテム−ユーザ嗜好マッチング部２１３は、例えば、ユーザuのベクトル表現された嗜好をUPu、アイテムOiのベクトル表現をviとし、コサイン類似度Scを以下の式（４）により算出する。
Figure 2008077386
ただし、式（４）において「・」は内積を表す。アイテム−ユーザ嗜好マッチング部２１３は、このように算出したコサイン類似度Scの値の大きさによって、各アイテムを整列し、大きい方から順にＮ（Ｎは任意の整数）個のアイテムを、クライアント１３のユーザの嗜好にマッチしたアイテム（他のアイテムよりもユーザの嗜好に近く、ユーザが気に入る可能性の高いアイテム）と判定する。なお、アイテムとユーザ嗜好の類似度の計算は、上述したコサイン類似度に限らず、どのような手法により行われるようにしてもよく、例えば、ユークリッド距離や都市間距離等を用いて行われるようにしてもよい。
アイテム−ユーザ嗜好マッチング部２１３は、以上のように判定したマッチング結果（ユーザの嗜好にマッチすると判定されたアイテムの、類似度に従って整列されたリスト）をアイテム情報提示処理部２１４に供給する（図９の矢印４１８）。アイテム情報提示処理部２１４は、ステップＳ２５において、提示用情報を生成し、ステップＳ２６においてその提示用情報をクライアント１３のユーザに提示する。アイテム情報提示処理部２１４は、アイテム−ユーザ嗜好マッチング部２１３より供給されたアイテムのリストを、クライアント１３のユーザに提示するために整形して、提示用情報を生成し、それを、ネットワーク１０を介してクライアント１３に供給し、ユーザに提示する（図９の矢印４１９）。
提示用情報を提示するとアイテム情報提示処理部２１４は、提示処理を終了する。
例えば、５個のメタデータを有するコンテンツのアイテムに対して、ユーザｕが行った評価によって生成された、ユーザｕの嗜好ベクトルUPuが図１０に示される表のように算出され、推薦対象となる新規アイテム（アイテム１０乃至アイテム１３）の各ベクトルが図１１に示される表のようになるとする。図１０および図１１の表において、「メタ１」乃至「メタ５」は、それぞれ、コンテンツの、互いに異なるメタデータを示している。この場合、図１１の表に示される各アイテムの、嗜好ベクトルUPuからのユークリッド距離は図１２に示される表のようになる。
また、アイテム１乃至アイテム４が、「メタ１」乃至「メタ５」の、５つのメタデータを、図１３に示される表のように有するとする。これらのアイテムに対して、嗜好ベクトルUPuを持つユーザが、アイテム４からアイテム２への関係に関連度を付与し、それをλf=0.5、λt=0.3の重みで嗜好ベクトルUPuに取り込むとすると、嗜好ベクトルUPuは、以下の式（５）を用いて嗜好ベクトルUPu'に修正され、図１４に示される表のようになる。
UPu’=(5*UPu+0.5*v4+0.3*v2)/5.8 ・・・（５）
これにより、推薦対象となる新規アイテム（アイテム１０乃至アイテム１３）と嗜好ベクトル（修正された嗜好ベクトルUPu'）とのユークリッド距離は図１５に示される表のようになる。図１２および図１５の例の場合、ユーザ嗜好の修正によりアイテム１０とアイテム１１の推薦の優先度が変化している。
このようにすることにより、クライアント１３のユーザは、自ら検索しなくても、自分自身の嗜好により適した関連アイテムを提示されるので、より容易にユーザ自身が満足するコンテンツをより多く購入することができる。つまり、サーバ１１は、クライアント１３のユーザに対してより有用な情報を提示することができる。
次に、ユーザへのアイテムの推薦方法の他の例として、ユーザ同士のコンテンツ評価の類似性に基づいた予測評価値によって、コンテンツのメタデータを利用することなくユーザに未知コンテンツを推薦する協調フィルタリングについて説明する。この場合、サーバ１１は、関連度の付与の傾向に基づいて類似ユーザを探し、その類似ユーザが高い評価（明示的な評価あるいは高い関連度）を与えているアイテムをクライアント１３のユーザに推薦する。
協調フィルタリングによりクライアント１３に対してアイテムを紹介するためにサーバ１１が実行する提示処理の流れの例を図１６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１７乃至図２２を参照して説明する。
提示処理を開始すると、協調フィルタリング処理部２０３の情報提示要求処理部２２１は、ステップＳ４１において、情報提示要求を受け付ける。図１７に示されるように、クライアント１３は、Webブラウザなどを用いて、ユーザの嗜好に合うアイテムのリストに関する情報の提示を、ネットワーク１０を介して要求する（矢印４２１）。情報提示要求処理部２２１は、その要求を受け付けると、ユーザ類似度計算部２２２に通知する（矢印４２２）。
通知を受けるとユーザ類似度計算部２２２は、ステップＳ４２において、類似ユーザを求める。ユーザ類似度計算部２２２は、アイテム間関連度データベース３０１にアクセスし、クライアント１３のユーザ、および、その他のユーザが付与した関連度の情報を取得する（図１７の矢印４２３）。そして、ユーザ類似度計算部２２２は、その関連度の情報に基づいて、クライアント１３のユーザｕが付与した関連度と、その他のユーザｕ'が付与した関連度との相関係数ruu'を、以下の式（６）および式（７）を用いてユーザ毎に算出する。
Figure 2008077386
ユーザ類似度計算部２２２は、このように算出された相関係数ruu'が大きいほうからＮ（Ｎは任意の自然数）人のユーザｕ'を、ユーザｕと類似度の高いユーザ（類似ユーザ）とする。なお、相関係数ruu'の値が予め定められた所定の値よりも大きいユーザｕ'をユーザｕと類似度の高いユーザとするようにしてもよい。また、式（６）および式（７）を用いて算出する相関係数ruu'の代わりに、共通して付与している関連度のユークリッド距離やコサイン距離に対して単調減少する関数をユーザ間の類似度とするようにしてもよい。
ユーザｕと類似度の高い類似ユーザｕ'を求めると、ユーザ類似度計算部２２２は、さらに、関連度に基づいて、その類似ユーザｕ'が高い評価（明示的な評価あるいは高い関連度）を与えているアイテムを特定する。例えば、ユーザ類似度計算部２２２は、各アイテムについて、類似ユーザｕ'が付与した関連度（または明示的な評価値）の平均値を求め、その平均値が大きいほうから順にＮ（Ｎは任意の自然数）個のアイテムを、類似ユーザｕ'が高い評価を与えているアイテム、すなわち、ユーザｕに推薦すべき推薦アイテムとして特定する。これ以外にも、例えば、平均値が予め定められた所定の閾値以上のアイテムを推薦アイテムとして特定するようにしてももちろんよい。
このように、ユーザｕと類似度の高い類似ユーザｕ'、その類似ユーザｕ'が高い評価を与えている推薦アイテム、および、その推薦アイテムに各類似ユーザｕ'が与えた評価値（または関連度）の平均値を求めると、ユーザ類似度計算部２２２は、それらの情報をアイテム評価予測部２２３に供給する（図１７の矢印４２４）。アイテム評価予測部２２３は、ステップＳ４３において、ユーザ間の類似度の加重平均により、ユーザuの、推薦アイテムに対する評価の予測を行う。アイテム評価予測部２２３は、ユーザ情報データベース３０２にアクセスし、ユーザｕが与えた各アイテムに対する評価値の平均値を取得する（図１７の矢印４２５）。アイテム評価予測部２２３は、例えば非特許文献１に記載されている方法のように、ユーザｕが与えた評価値の平均値、推薦アイテム毎の、各類似ユーザｕ'により与えられた評価値の平均値、および、相関係数ruu'を用いて、以下の式（８）のように演算を行い、ユーザuの推薦アイテムiに対する予測評価値を予測する。
Figure 2008077386
なお、これ以外にも、例えば、関連度における相関係数と、評価値における相関係数の加重平均などを利用して、ユーザuの推薦アイテムiに対する予測評価値を予測するようにしてもよい。
アイテム評価予測部２２３は、以上のように、ユーザuの推薦アイテムiに対する予測評価値を予測すると、その予測評価値をアイテム情報提示処理部２２４に供給する（図１７の矢印４２６）。予測評価値を取得すると、アイテム情報提示処理部２２４は、ステップＳ４４において、提示用情報を生成し、ステップＳ４５において、提示用情報を提示する。アイテム情報提示処理部２２４は、アイテム情報データベース３０３にアクセスし、各推薦アイテムの情報を取得し（図１７の矢印４２７）、その推薦アイテムのリストを生成し、アイテム評価予測部２２３より供給された予測評価値に応じて、その推薦アイテムのリストを、クライアント１３のユーザに提示するために整形して提示用情報を生成し、それを、ネットワーク１０を介してクライアント１３に供給し、ユーザに提示する（図１７の矢印４２８）。
提示用情報を提示するとアイテム情報提示処理部２２４は、提示処理を終了する。
より具体的に、ユーザが３人（ユーザｕ１乃至ユーザｕ３）の例について説明する。ユーザｕ１が図１８に示される表のように、ユーザｕ２が図１９に示される表のように、ユーザｕ３が図２０に示される表のように、各アイテム間（ｗ）に対して関連度を付与しているとする。このとき、ユーザｕ１が関連度を付与したアイテム間に、各ユーザが付与した関連度は図２１に示される表のようになる。図２１に示される表において、例えば、ｗ３１は、アイテム３とアイテム１のアイテム間の、アイテム３からアイテム１へ向かう向きを示している。
従って、ユーザｕ１に対するユーザｕ２およびユーザｕ３の相関係数は、図２２に示される表のようになる。ここで新しいアイテムに対するユーザｕ２の評価が「５」であり、ユーザｕ３の評価が「２」であり、ユーザｕ１が与えた評価値の平均値が「２．９」であり、ユーザｕ２が与えた評価値の平均値が「３．１」であり、ユーザｕ３が与えた評価値の平均値が「３．３」であるとすると、ユーザｕ１の予想評価値EVｕ１は、以下の式（９）のように算出される。
EVｕ１=2.9+(0.891*(5-3.1)-0.45*(2-3.3))/(0.891+0.45)＝4.599 ・・・（９）
サーバ１１は、このように、クライアント１３のユーザに類似する類似ユーザが高い評価を与えた推薦コンテンツに対するユーザｕの評価値を予測し、その予測値に基づいて、推薦コンテンツのリストを整形してクライアント１３のユーザに提示する。このようにすることにより、クライアント１３のユーザは、自ら検索しなくても、自分自身の嗜好により適した関連アイテムを提示されるので、より容易にユーザ自身が満足するコンテンツをより多く購入することができる。つまり、サーバ１１は、クライアント１３のユーザに対してより有用な情報を提示することができる。
また、サーバ１１は、アイテム間の関連度やユーザに対して、それがどの程度信頼に足るかを示す信頼度を設定するようにしてもよい。
最初に、アイテム間に付与された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。
アイテム間に付与された関連度に対する信頼度である関連度信頼度を算出するために、信頼度処理部２０４の関連度信頼度計算部２３１により実行される関連度信頼度設定処理の流れの例を図２３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２４乃至図２６を参照して説明する。
信頼度処理部２０４の関連度信頼度計算部２３１は、ステップＳ６１において、図２４に示されるように、アイテム間関連度データベース３０１より、アイテムOiとアイテムOjの関連度を取得し（図２４の矢印４３１）、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３０１に保存し（矢印４３２）、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２３１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（１０）を算出する。
Figure 2008077386
そして、関連度信頼度計算部２３１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２５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２６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３０１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。ユーザに対する信頼度は、例えばユーザ全体の関連度の傾向に対する、そのユーザの傾向のズレにより表すことができる。
図２７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、図２５、並びに、図２８乃至図３１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２３２は、ステップＳ８１において、図２８に示されるように、アイテム間関連度データベース３０１にアクセスし、アイテム間毎に、付与された全ての関連度を取得し（矢印４４１）、ステップＳ８２において、各アイテム間について、そのユーザが付与した関連度の、ユーザ全体の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２３２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（１１）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 2008077386
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（１２）を用いて算出する。
Figure 2008077386
例えばユーザuが図１８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２５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２９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３０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３１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、以下の式（１３）のように算出される。
Cu＝(0.408+1.414+0.816+1.414+0+1)/6=0.842 ・・・（１３）
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２３２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３０２に保存し（図２８の矢印４４２）、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（１４）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 2008077386
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（１５）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 2008077386
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。
このように算出された信頼度は、例えば、上述したような、ユーザに提示する関連アイテムの推薦に利用することができる。例えば、上述した協調フィルタリングにおいて、予測評価値の算出にユーザの信頼度を利用するようにしてもよい。つまり、あるユーザに対して同程度の類似性を持つユーザが二人いた場合、信頼度の高いユーザの評価値を予測評価値により強く反映させることにより、予測精度を向上させる。
その場合の、提示処理の流れを図３２のフローチャートを参照して説明する。なお、この提示処理は、図１６のフローチャートを参照して説明した提示処理に対応する。
すなわち、情報提示要求処理部２２１は、ステップＳ１０１において、ステップＳ４１の場合と同様に、クライアント１３からの情報提示要求を受け付けると、それをユーザ類似度計算部２２２に通知する。ユーザ類似度計算部２２２は、ステップＳ１０２において、ステップＳ４２の場合と同様に、式（６）および式（７）を用いて類似ユーザを求め、さらに、類似ユーザｕ'が付与した関連度（または明示的な評価値）の平均値を求め、その類似ユーザｕ'が高い評価（明示的な評価あるいは高い関連度）を与えている推薦アイテムを特定し、それらの情報をアイテム評価予測部２２３に供給する。
アイテム評価予測部２２３は、ステップＳ１０３において、ユーザuの推薦アイテムiに対する予測評価値を、式（８）を演算して予測する代わりに、ユーザｕの信頼度cuを用いて、以下の式（１６）を演算して予測する。
Figure 2008077386
上述したように、３人のユーザ（ユーザｕ１乃至ユーザｕ３）が、それぞれ図１８乃至図２０に示される表のように関連度を付与しているときに、新しいアイテムに対するユーザｕ２の評価が「５」であり、ユーザｕ３の評価が「２」であり、ユーザｕ１乃至ユーザｕ３のそれぞれの平均評価値が、「2.9」，「3.1」，「3.3」であり、さらに、ユーザｕ２の信頼度が「1.3」であり、ユーザｕ３の信頼度が「0.4」であるとすると、ユーザｕ１のそのアイテムに対する予想評価値は、式（１６）を用いて算出され、以下の式（１７）のように求められる。
2.9+(0.891*(5-3.1)*1.3-0.45*(2-3.3)*0.4)/(0.891*1.3+0.45*0.4)=4.719・・・（１７）
つまりこの場合、ユーザｕ２の評価がより強く反映された予測評価値となる。
アイテム評価予測部２２３は、以上のように、ユーザuの推薦アイテムiに対する予測評価値を予測すると、その予測評価値をアイテム情報提示処理部２２４に供給する。予測評価値を取得すると、アイテム情報提示処理部２２４は、ステップＳ１０４において、ステップＳ４４の場合と同様に提示用情報を生成し、ステップＳ１０５において、ステップＳ４５の場合と同様に提示用情報を提示する。
提示用情報を提示するとアイテム情報提示処理部２２４は、提示処理を終了する。
このように信頼度を算出し、ユーザに推薦するアイテムの選択に利用することにより、サーバ１１は、ユーザの嗜好により適した、ユーザがより満足しそうなアイテムをユーザに提示することができる。つまり、サーバ１１は、ユーザに対してより有用な情報を提示することができる。
なお、サーバ１１は、このような信頼度を、ユーザの判断の補助となるように、ユーザに明示的に提示するようにしてもよい。例えば、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。
さらに、サーバ１１は、信頼度を数字や文字によってユーザに提示するのではなく、例えば、この信頼度を用いて提示用情報の表示を調整することにより、信頼度をユーザに提示するようにしてもよい。
その場合の、コンテントベースフィルタリングを用いてアイテムを推薦する提示処理の流れの例について、図３３のフローチャートを参照して説明する。すなわち、図３３のフローチャートは、図８のフローチャートに対応する。必要に応じて図３４および図３５を参照して説明する。
提示処理を開始すると、コンテントベースフィルタリング処理部２０２の情報提示要求処理部２１１は、ステップＳ１２１において、ステップＳ２１の場合と同様に、情報提示要求を受け付け（図３４の矢印４５１）、ユーザ嗜好計算部２１２に通知する（図３４の矢印４５２）。
通知を受け取ると、ユーザ嗜好計算部２１２は、ステップＳ１２２において、ステップＳ２２の場合と同様に、アイテム間関連度データベース３０１、ユーザ情報データベース３０２、およびアイテム情報データベース３０３のそれぞれより、ユーザとアイテムの関係を示す情報を取得する（図３４の矢印４５３乃至矢印４５５）。
各情報を取得すると、ユーザ嗜好計算部２１２は、ステップＳ１２３において、ステップＳ２３の場合と同様に、それらの情報に基づいて、ユーザの嗜好を算出し、その算出結果をアイテム−ユーザ嗜好マッチング部２１３に供給する（図３４の矢印４５６）。アイテム−ユーザ嗜好マッチング部２１３は、ステップＳ１２４において、ステップＳ２４の場合と同様に、アイテム情報データベース３０３より、そこに格納されたすべてまたは一部のアイテムに関する情報を取得し（図３４の矢印４５７）、アイテムとユーザ嗜好のマッチングを行い、そのマッチング結果（ユーザの嗜好にマッチすると判定されたアイテムの、類似度に従って整列されたリスト）をアイテム情報提示処理部２１４に供給する（図３４の矢印４５８）。
アイテム情報提示処理部２１４は、ステップＳ１２５において、ステップＳ２５の場合と同様に、提示用情報を生成する。
提示用情報を生成すると、アイテム情報提示処理部２１４は、ステップＳ１２６において、アイテム間関連度データベース３０１より信頼度を取得し（図３４の矢印４５９）、ステップＳ１２７において、信頼度に基づいて表示を調整する。
例えば、図３５に示される提示用情報４６１のように、類似度に従って整列されたアイテムのリストにおいて、各アイテムの文字の大きさを、そのアイテムの信頼度に応じて設定するようにしてもよい。また、各アイテムの信頼度に応じて、色やフォントを設定するようにしてもよい。また、逆に、アイテムのリストを、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もちろんよい。さらに、アイテムを示す記号や画像（アルバムジャケット）などの表示の大きさや画像の解像度や色の彩度・明度などが、信頼度に応じて設定されるようにしてもよい。
このように信頼度に応じてアイテムのリストの表示を調整すると、アイテム情報提示処理部２１４は、ステップＳ１２８において、その提示用情報をクライアント１３のユーザに提示する（図３４の矢印４６０）。
提示用情報を提示するとアイテム情報提示処理部２１４は、提示処理を終了する。
次に、協調フィルタリングを用いてアイテムを推薦する提示処理の流れの例について、図３６のフローチャートを参照して説明する。すなわち、図３６のフローチャートは、図１６のフローチャートに対応する。必要に応じて図３７を参照して説明する。
協調フィルタリング処理部２０３の各部は、ステップＳ１４１乃至ステップＳ１４４の各処理を、ステップＳ４１乃至ステップＳ４４の場合と同様に行う。
すなわち、情報提示要求処理部２２１は、ステップＳ１４１において、情報提示要求を受け付け（図３７の矢印４７１）、ユーザ類似度計算部２２２に通知する（図３７の矢印４７２）。通知を受けるとユーザ類似度計算部２２２は、ステップＳ１４２において、アイテム間関連度データベース３０１より関連度の情報を取得し（図３７の矢印４７３）、その関連度の情報に基づいて、要求元のユーザｕに類似する類似ユーザｕ'、その類似ユーザｕ'が高い評価を与えている推薦アイテム、および、その推薦アイテムに各類似ユーザｕ'が与えた評価値（または関連度）の平均値を求め、それらの情報をアイテム評価予測部２２３に供給する（図３７の矢印４７４）。アイテム評価予測部２２３は、ステップＳ１４３において、ユーザ情報データベース３０２より、ユーザｕが与えた各アイテムに対する評価値の平均値を取得し（図３７の矢印４７５）、ユーザuの推薦アイテムiに対する予測評価値を予測し、その予測評価値をアイテム情報提示処理部２２４に供給する（図３７の矢印４７６）。予測評価値を取得するとアイテム情報提示処理部２２４は、ステップＳ１４４において、アイテム情報データベース３０３より各推薦アイテムの情報を取得し（図３７の矢印４７７）、それらの情報に基づいて提示用情報を生成する。
提示用情報を生成すると、アイテム情報提示処理部２２４は、ステップＳ１４５において、アイテム間関連度データベース３０１より信頼度を取得し（図３７の矢印４７８）、ステップＳ１４６において、その信頼度に基づいて提示用情報の表示を調整する。この調整は、図３５参照して説明したコンテントベースフィルタリングの場合と同様であるので、説明を省略する。
提示用情報を整形すると、アイテム情報提示処理部２２４は、ステップＳ１４７において、提示用情報を、ネットワーク１０を介してクライアント１３に供給し、ユーザに提示し（図３７の矢印４７９）、提示処理を終了する。
ここまで説明したアイテム間の関連度のような集合内での相対的な関係を、ベクトル空間内あるいは確率空間内の絶対的な座標に変換する手法として、主座標分析（例えば、Gower, J. C., “Multivariate Analysis and Multidimensional Geometry”, Statistician, vol. 17, No. 1, pp.13-28, 1967.（以下、非特許文献４と称する）参照）や、SAM（例えば、Semantic Aggregation Model）（持橋大地, “意味の確率的表現”, 情報処理学会研究報告自然言語処理, Vol. 2002, No. 4, 2002. （以下、非特許文献５と称する）参照）などがある。
これらの手法によって、各アイテムは、関連度の高いもの同士や、第三者のアイテムとの関連度の傾向が似ているもの同士が、ベクトル空間あるいは確率空間上の近い位置に配置される。このようにして新たに付与されたメタデータは、例えば音楽のジャンルのように比較的客観的に決まるものとは異なり、人間の主観的な感覚やサービスを提供するコミュニティの性質を反映したものとなるため、より適切な推薦などに活用することができる。
例えばSAMでは、2つの単語w1とw2の共起頻度N(w1,w2)（正方行列となる）を元に、w1とw2が共起する同時確率P(w1, w2)を、潜在確率変数zを用いてP(w1, w2)=ΣzP(w1|z)P(w2|z)P(z)と表現し、EMアルゴリズムによって分布パラメータを求める。そしてP(z|w)∝P(w|z)P(z)（z∈{z1,z2,…,zK}）を単語wに対する確率的表現とみなす（Kは潜在確率変数zの実現値の個数）。これをアイテム間関連に適用し、単語をアイテムとし、単語の共起頻度をアイテム間の関連度と対応させることにより、同様に、あるアイテムOiの確率的表現P(z|Oi)が得られる。
このような、アイテム間の関連度より新たなメタデータ（追加メタデータ）を生成する追加メタデータ生成処理の流れの例を、図３８のフローチャートを参照して説明する。必要に応じて、図３９乃至図４１を参照して説明する。
追加メタデータ生成処理が開始されると、追加メタデータ処理部２０５の追加メタデータ計算部２４１は、ステップＳ１６１において、全アイテムの関連度を取得する。追加メタデータ計算部２４１は、図３９に示されるように、アイテム間関連度データベース３０１にアクセスし、全アイテムに付与された関連度を全て取り出す（図３９の矢印４８１）。
関連度の情報を全て取得した追加メタデータ計算部２４１は、ステップＳ１６２において、非特許文献５に記載のEMアルゴリズムなどの手法により、確率分布のパラメータを推定する。ここではP(z)、P(O|z)（O∈{O1,O2,…}：全アイテム集合, z∈{z1,z2,…,zK}）がパラメータとなる。
追加メタデータ計算部２４１は、ステップＳ１６３において、各アイテムOに関して、z∈{z1,z2,…,zK}に対するP(z|O)を要素とするベクトルを追加メタデータとする。追加メタデータを生成した追加メタデータ計算部２４１は、ステップＳ１６４において、追加メタデータを、アイテム情報データベース３０２に保存し、追加メタデータ生成処理を終了する。
例えば関連度が、図４０に示される表のように、各アイテム間に対称的に付与されているとする。図４０に示される表においては、４個のアイテムのアイテム間に付与された関連度のみが示されているが、一般には10^2以上のオーダーのアイテム数で計算されるものである。
このような関連度を用いて、SAMでK=4としてP(z|O)を推定すると、追加メタデータ計算部２４１は、例えば、図４１に示される表のような結果を得る（EMアルゴリズムは初期値に依存した結果をもたらすので、再現性のあるものではない）。このように推定されたの各パラメータが、適切に正規化等の処理を施された後にアイテムのメタデータとされると、関連度の高いアイテム２０とアイテム２１、若しくは、アイテム２２とアイテム２３は、空間上で互いに近い位置に配置される。
なお、以上のように、追加メタデータを生成する際に、追加メタデータ計算部２４１が、関連度に対する信頼度（関連度信頼度）を利用して生成するようにしてもよい。関連度信頼度は、アイテム間に付与された関連度が信頼に足るかどうかを示すものなので、信頼度の大きい関連度を重視することによって、追加メタデータ計算部２４１は、より精度の高い追加メタデータを生成することができる。例えば、関連度wijに信頼度cijが与えられている場合、追加メタデータ計算部２４１は、それらを乗算したwijcijを、アイテムOiとアイテムOjの間に付与された関連度とし、上述した方法によって追加メタデータを生成する。このようにすることにより、追加メタデータ計算部２４１は、関連度信頼度を反映させた追加メタデータを生成することができる。
次に、このように生成された追加メタデータを利用した類似アイテムによる推薦について説明する。短期的なコンテクストを利用した推薦の方法として、例えば、アイテムOiの情報を提示する要求があったときに、同時に、アイテムOiに類似するアイテムへのリンク情報を提示する方法がある。ここでの類似アイテムは、アイテム情報データベース３０３に保持されている各種メタデータのベクトル表現と、ユーザによってアイテム間に付与された関連度または追加メタデータ（あるいは両方）を合わされてユークリッド距離やコサイン距離などで決定される。
図４２のフローチャートを参照して、このような類似アイテムを提示する類似アイテム処理の流れの例を説明する。必要に応じて、図４３乃至図４６を参照して説明する。
追加メタデータ処理部２０５の情報提示要求処理部２４２は、ステップＳ１８１において、クライアント１３のWebブラウザなどから、アイテムOiに関する情報提示要求を受け付け（図４３の矢印４９１）、それをアイテム類似度計算部２４３に通知する（図４３の矢印４９２）。
アイテム類似度計算部２４３は、ステップＳ１８２において、類似アイテムを求める。アイテムOiのメタデータによるベクトル表現をviとし、追加メタデータのベクトル表現をsiとし、アイテムOiからアイテムOjへの関連度をwijとすると、アイテム類似度計算部２４３は、アイテム情報データベース３０３より関連度の情報を取得すると（図４３の矢印４９３）、以下の式（１８）を用いて、追加メタデータを含めたベクトル空間上でのユークリッド距離ｄＥを求め、このユークリッド距離ｄＥが短い方からＮ（Ｎは任意の自然数）個のアイテムを類似アイテムとする。
Figure 2008077386
なお、式（１８）のユークリッド距離の代わりに、以下の式（１９）を用い、その値が小さい方からＮ（Ｎは任意の自然数）個のアイテムを類似アイテムとするようにしてもよい。
Figure 2008077386
なお、ここでvihはベクトルviの第h成分である。アイテム類似度計算部２４３は、以上のように求められた類似アイテムのリストを、アイテム情報提示処理部２４４に供給する（図４３の矢印４９４）。
アイテム情報提示処理部２４４は、ステップＳ１８３において、以上のように選択された整列された類似アイテムのリストを整形して提示用情報を生成し、ステップＳ１８４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に供給し（図４３の矢印４９５）、クライアント１３のユーザに提示する。
例えば、アイテム１乃至アイテム４に、図４４に示される表のように数値で表現されるメタデータが付与されていたとすると、アイテム２０を基準とした、アイテム２１乃至アイテム２３までのユークリッド距離は、図４５に示される表のようになる。従って、アイテム２１乃至アイテム２３を、アイテム２０に類似している順に整列させると、最初にアイテム２３、次にアイテム２１、そして最後にアイテム２２という順番に並べられる。
これに対して、追加メタデータが図４１に示される表のように付いているとして、上述した式（１８）を用いて求められるユークリッド距離は、図４６に示される表のようになる。従って、アイテム２１乃至アイテム２３を、アイテム２０に類似している順に整列させると、最初にアイテム２１、次にアイテム２３、そして最後にアイテム２２という順番に並べられる。
なお、追加メタデータは、ユーザ嗜好マッチングにも利用することができる。
その場合の提示処理である、ユーザ嗜好マッチング処理の流れの例を図４７のフローチャートを参照して説明する。必要に応じて、図４８乃至図５２を参照して説明する。
情報提示要求処理部２４２は、ステップＳ２０１において、クライアント１３のWebブラウザなどから、アイテムOiに関する情報提示要求を受け付け（図４８の矢印５０１）、それをアイテム−ユーザ嗜好マッチング部２４５に通知する（図４８の矢印５０２）。
アイテム−ユーザ嗜好マッチング部２４５は、ステップＳ２０２において、アイテム情報データベース３０３より、一部または全部のアイテムに関する情報を取得し（図４８の矢印５０３）、各アイテムとユーザの嗜好がマッチするかを判定するアイテム−ユーザ嗜好マッチングを行う。
例えば、ユーザuのベクトル表現された嗜好をUPu、アイテムOiのベクトル表現をviとした場合、アイテム−ユーザ嗜好マッチング部２４５は、コサイン類似度Scを式（４）を用いて算出し、その値の大きい方からＮ個のアイテム（Ｎは任意の整数）を、ユーザの嗜好にマッチしたアイテムとする。なお、ここで、viは既存メタデータと追加メタデータをつなげてベクトル化したものである。また、コサイン距離に限らず、ユークリッド距離や都市間距離等を用いてマッチングを行うようにしてもよい。
アイテム−ユーザ嗜好マッチング部２４５は、マッチング結果として、ユーザの嗜好にマッチしたアイテムのリストをアイテム情報提示処理部２４４に供給する（図４８の矢印５０４）。
アイテム情報提示処理部２４４は、ステップＳ２０３において、提示用情報を生成し、ステップＳ２０４において、その提示用情報を、ネットワークを介してクライアント１３に供給し（図４８の矢印５０５）、そのクライアント１３のユーザに提示する。
例えば、既存メタデータと追加メタデータをそれぞれ正規化（分散1、平均0）したものが図４９に示される表のようになり、ユーザ嗜好ベクトルが図５０に示される表のようになっているものとする。このとき追加メタデータを考慮に入れない従来どおりのコンテンツとユーザ嗜好のマッチングではユークリッド距離は、図５１に示される表のようになり、各類似アイテムの情報は、アイテム２３、アイテム２０、アイテム２１、およびアイテム２２の順に整列されて提示されるが、追加メタデータも含めた場合、ユークリッド距離は、図５２に示される表のようになり、アイテム２０、アイテム２３、アイテム２１、およびアイテム２２の順に整列されて提示される。
以上のような追加メタデータの一例として、アイテム間関連度から、アイテムの重要度を算出するようにしてもよい。アイテムの絶対的な重要度が求まれば、一般にユーザが望ましいと思うコンテンツが求まるので、十分な嗜好情報が得られないときなどの推薦に便利である。ここでは「多くのアイテムから関連すると評価されたアイテム、また重要なアイテムから関連すると評価されたアイテムが重要である」という考え方に基づき重要度を決定する。このような考え方を実現するために、例えば単に関連度の列/行方向への総和をとるようにしてもよいし、あるいはPageRank(例えば、米国特許第６２８５９９９号明細書参照)やHITS(例えば、Kleinberg, J., "Authoritative Sources in a Hyperlinked Environment." Journal of the ACM, 46, 1999.参照)などの手法を用いるようにしてもよい。ここではPageRankを単純化したものについて説明する。なお、関連度が変化するたびに重要度は更新されるべきであるが、処理の負担上関連度の変更と非同期に更新しても良い。
このようなアイテム重要度を算出するために実行されるアイテム重要度算出処理の流れの例を図５３のフローチャートを参照して説明する。必要に応じて、図５４乃至図５８を参照して説明する。
アイテム重要度算出処理が開始されると、アイテム重要度処理部２０６のアイテム重要度算出処理部２５１は、ステップＳ２２１において、アイテム間関連度データベース３０１より、全アイテムに関する関連度情報を取り出す（図５４の矢印５１１）。ここで取り出された関連度は、アイテムOiからアイテムOjへの関連度をwijとし、それをi行j列成分とする行列Wで表現されるものとする。
アイテム重要度算出処理部２５１は、ステップＳ２２２において、関連度の行列Wを転置し、列ごとに正規化した遷移確率行列W’を生成する。さらに、アイテム重要度算出処理部２５１は、ステップＳ２２３において、その遷移確率行列W'を、以下の式（２０）のように、列を固有ベクトルとする行列Vと、対角成分に固有値を持つ行列Lを用いて固有値分解する。
W’=V*L*V-1 ・・・（２０）
アイテム重要度算出処理部２５１は、ステップＳ２２４において、絶対値が最大の固有値を持つ固有ベクトルを特定し、その各要素をアイテムの重要度として設定し、ステップＳ２２５において、そのアイテム重要度をアイテム情報データベース３０３に保存し（図５４の矢印５１２）、アイテム重要度算出処理を終了する。
例えば、全ユーザの付与した関連度の総和が図２５に示される表のようになるとする（ここでは、説明の簡略化のため、アイテムは、アイテム１乃至アイテム４の４つとして説明する）。これを行列Wとすると、遷移確率行列W’は図５５のようになる。これを固有値分解すると、列を固有ベクトルとする行列Vは図５６のようになり、対角成分に固有値を持つ行列Lは図５７のようになる。最大固有値は「１」なので、行列Vの１列目が必要な固有ベクトルとなり、アイテム１乃至アイテム４の重要度は、図５８に示される表のように、それぞれ、「0.723」、「0.225」、「0.546」、「0.358」となる。
なお、以上においては、アイテムの重要度を、全ユーザによる関連度に基づいて求めるように説明したが、これに限らず、例えば、１人のユーザが付与した関連度に基づいて求めるようにしてもよい。その場合、各ユーザにとっての個人化されたアイテム重要度（ユーザ毎のアイテム重要度）が算出されることになるので、サーバ１１は、それを利用してアイテムの推薦を行うことにより、より適切なアイテムの推薦や提示を行うことができる。
さらに、上述したような関連度に対する信頼度を利用するようにすれば、より精度の高い重要度が求まることが期待される。例えば、関連度wijに信頼度cijが対応付けられている場合、アイテム重要度算出部２５１は、両者の積wijcijをi行j列成分とする行列Wcを新たに関連度を表現する行列とし、上述した場合と同様の計算を行うことにより、アイテム重要度の算出に関連度信頼度を反映させることができる。
以上のようにして算出したアイテムの重要度に応じてユーザへのアイテムの提示方法を変更するようにしてもよい。これにより利便性の高い推薦が提供可能となる。このような提示を行うために実行されるアイテム重要度提示補正処理の流れの例を、図５９のフローチャートを参照して説明する。必要に応じて、図６０および図６１を参照して説明する。
アイテム重要度提示補正処理が開始されると、アイテム重要度処理部２０６の情報提示要求処理部２５２は、ステップＳ２４１において、クライアント１３よりネットワーク１０を介して供給される情報提示要求を受け付け（図６０の矢印５２１）、それを提示用情報生成部２５３に通知する（図６０の矢印５２２）。
通知を受け取ると提示用情報生成部２５３は、ステップＳ２４２において、アイテム情報データベース３０３より、検索要求の条件に適合するアイテム群の情報を取得する（図６０の矢印５２３）。ここでは例えばアーティストのジャンルや出身地など、任意のメタデータによる検索を含む。提示用情報生成部２５３は、ステップＳ２４３において、その取得した情報をユーザに提示するための提示用情報を作成し、それを提示用情報補正部２５４に供給する（図６０の矢印５２４）。
提示用情報補正部２５４は、ステップＳ２４４において、アイテム情報データベース３０３より、アイテム重要度を取得し（図６０の矢印５２５）、ステップＳ２４５において、そのアイテム重要度に基づいて、例えば、アイテムのリストの再整列を行ったり、表示される画像や文字の大きさや色などを変更したりして、提示用情報を補正する。
例えば、アイテムの重要度が図５８に示される表のように設定されているとする。ここであるアイテムに類似したものとしてアイテム２、アイテム３、およびアイテム４が推薦される場合、図６１に示される提示用情報５３１のように、各アイテムを、各アイテムの重要度の大きさ順に整列させて提示することもできる。なお、この提示順はどのような順序であってもよく、例えば、関連度と重要度の積の値の大きさ順に整列させて提示するようにしてもよい。
補正が終了すると、提示用情報補正部２５４は、その補正済みの提示用情報をアイテム情報提示処理部２５５に供給する（図６０の矢印５２６）。
アイテム情報提示処理部２５５は、ステップＳ２４６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、クライアント１３のユーザに対して情報を提示し（図６０の矢印５２７）、アイテム重要度提示補正処理を終了する。
以上のアイテムの重要度の利用方法として、さらに、アイテムの重要度や重要度とユーザ嗜好情報の関係に基づいて選択したアイテムの説明文を利用者に提示するようにしてもよい。
最初に、図６２のフローチャートを参照して、コンテンツベースフィルタリングに適用した場合の提示処理の流れの例について説明する。必要に応じて図６３を参照して説明する。なお、図６２のフローチャートは、図８のフローチャートに対応する。
従って、コンテントベースフィルタリング処理部２０２の各部は、図８のステップＳ２１乃至ステップＳ２５の各処理と同様に、図６２のステップＳ２６１乃至ステップＳ２６５の処理を実行する。すなわち、提示処理が開始されると、情報提示要求処理部２１１は、ステップＳ２６１において、クライアント１３より、ネットワーク１０を介して供給される情報提示要求を受け付け（図６３の矢印５４１）、それをユーザ嗜好計算部２１２に通知する（図６３の矢印５４２）。
通知を受け取ると、ユーザ嗜好計算部２１２は、ステップＳ２６２において、アイテム間関連度データベース３０１、ユーザ情報データベース３０２、およびアイテム情報データベース３０３のそれぞれより、ユーザとアイテムの関係を示す情報を取得する（図６３の矢印５４３乃至矢印５４５）。
各情報を取得すると、ユーザ嗜好計算部２１２は、ステップＳ２６３において、それらの情報に基づいて、ユーザの嗜好を算出し、その算出結果をアイテム−ユーザ嗜好マッチング部２１３に供給する（図６３の矢印５４６）。アイテム−ユーザ嗜好マッチング部２１３は、ステップＳ２６４において、アイテム情報データベース３０３より、そこに格納されたすべてまたは一部のアイテムに関する情報を取得し（図６３の矢印５４７）、アイテムとユーザ嗜好のマッチングを行い、そのマッチング結果（ユーザの嗜好にマッチすると判定されたアイテムの、類似度に従って整列されたリスト）をアイテム情報提示処理部２１４に供給する（図６３の矢印５４８）。
アイテム情報提示処理部２１４は、ステップＳ２６５において、提示用情報を生成する。また、アイテム説明文付与部２１５は、ステップＳ２６６において、アイテム情報データベース３０３より、マッチング結果に含まれるアイテムの重要度を取得し（図６３の矢印５４９）、ステップＳ２６７において、そのアイテムの重要度に基づいて、各アイテムの説明文のテンプレートを、予め用意された中から選択し、それをアイテム情報提示処理部２１４に供給する（図６３の矢印５５０）。
アイテム説明文付与部２１５は、ユーザの嗜好にマッチすると判定された各アイテムが、それぞれ、どのような性質のものかを、アイテムの重要度に基づいて説明する単語あるいは文を生成し、それを提示用情報に付与させる。
例えば、アイテム説明文付与部２１５は、音楽コンテンツに対応するアイテムの説明文として、重要度が高いアイテムには、「これは是非ともお聴きください！」といったテンプレートを選択し、重要度が低いアイテムには「マニアック商品！」などといったテンプレートを選択する。ここではあらかじめ決められた文を単純に選択する方法のみ示すが、複数の単語の組み合わせなどでも良い。
これによって、アイテムのリストを提示されたユーザが、そのアイテムのことをより正確に把握することができる。例えば、ユーザにとって未知のアイテムが推薦された場合、ユーザがそのアイテムがどのようなアイテムであるかをそのアイテム名のみに基づいて把握することは困難である。このような場合に、アイテム説明文付与部２１５がアイテム説明文を提示用情報に付与させることにより、ユーザはより容易に提示されたアイテムを正しく理解することができる。
アイテム情報提示処理部２１４は、ステップＳ２６８において、その説明文を提示用情報のアイテムのリストに付与し、ステップＳ２６９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、クライアント１３のユーザに、ユーザの嗜好にマッチするアイテムの、説明文付きのリストを提示する（図６３の矢印５５１）。提示用情報を提示するとアイテム情報提示処理部２１４は、提示処理を終了する。
次に、図６４のフローチャートを参照して、協調フィルタリングに適用した場合の提示処理の流れの例について説明する。必要に応じて図６５を参照して説明する。なお、図６４のフローチャートは、図１６のフローチャートに対応する。
協調フィルタリング処理部２０３の各部は、ステップＳ２８１乃至ステップＳ２８４の各処理を、ステップＳ４１乃至ステップＳ４４の場合と同様に行う。
すなわち、情報提示要求処理部２２１は、ステップＳ２８１において、情報提示要求を受け付け（図６５の矢印５６１）、ユーザ類似度計算部２２２に通知する（図６５の矢印５６２）。通知を受けるとユーザ類似度計算部２２２は、ステップＳ２８２において、アイテム間関連度データベース３０１より関連度の情報を取得し（図６５の矢印５６３）、その関連度の情報に基づいて、要求元のユーザｕに類似する類似ユーザｕ'、その類似ユーザｕ'が高い評価を与えている推薦アイテム、および、その推薦アイテムに各類似ユーザｕ'が与えた評価値（または関連度）の平均値を求め、それらの情報をアイテム評価予測部２２３に供給する（図６５の矢印５６４）。アイテム評価予測部２２３は、ステップＳ２８３において、ユーザ情報データベース３０２より、ユーザｕが与えた各アイテムに対する評価値の平均値を取得し（図６５の矢印５６５）、ユーザuの推薦アイテムiに対する予測評価値を予測し、その予測評価値をアイテム情報提示処理部２２４に供給する（図６５の矢印５６６）。予測評価値を取得するとアイテム情報提示処理部２２４は、ステップＳ２８４において、アイテム情報データベース３０３より各推薦アイテムの情報を取得し（図３７の矢印５６７）、それらの情報に基づいて提示用情報を生成する。
アイテム説明文付与部２２５は、ステップＳ２８５において、アイテム情報データベース３０３より、各推薦アイテムの重要度を取得し（図６５の矢印５６８）、ステップＳ２８６において、ユーザ情報データベース３０２より、要求元のユーザの嗜好情報を取得し（図６５の矢印５６９）、ステップＳ２８７において、それらのアイテム重要度およびユーザ嗜好情報に基づいて、テンプレートを選択し、それをアイテム情報提示処理部２２４に供給する（図６５の矢印５７０）。
すなわち、アイテム説明文付与部２２５は、情報を提示されるユーザの嗜好情報において、アイテムの重要度の役割を分析する。例えば、音楽コンテンツにおいて、ユーザの購入履歴に含まれるアイテムが、重要度が高いアイテムに偏っている場合、ユーザは一般的に広く人気のある（メジャーな）アーティスト（アルバム・楽曲）を好むと考えることができ、購入履歴に含まれるアイテムが、重要度が低いアイテムに偏っていた場合、ユーザは一部の人にのみ人気のある（マイナーな）アーティストを好むと考えることができ、さらに、ユーザの購入履歴に含まれるアイテムが、特に偏りを持たず、満遍なく広がっている（分散が大きい）場合、ユーザはアーティストが有名であるか否か（メジャーであるかマイナーであるか）についてこだわりが無いと考えることができる。このように、アイテム説明文付与部２２５は、アイテムの重要度とユーザ嗜好における重要度の位置づけに基づいて、例えば、図６６に示される表のように、提示しようとするアイテムに適切な説明文を予め用意されたテンプレートより選択する。
例えば、アイテム説明文付与部２２５は、図６６に示されるように、嗜好が重要度の低いものに偏っているユーザに対して重要度の低いアイテムを提示する場合、「マニアックなあなたにはこれ！」という説明文を提示用情報に付与する。また、同じユーザに対して重要度の高いアイテムを提示する場合、アイテム説明文付与部２２５は、「たまにはこんなのもどう？」という説明文を提示用情報に付与する。このように、アイテム説明文付与部２２５は、ユーザの嗜好とアイテムの重要度の関係に基づいて、説明文を選択することにより、より適切な説明文を付与することができる。
アイテム情報提示処理部２２４は、ステップＳ２８８において、その説明文を提示用情報に付与し、ステップＳ２８９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に供給し、ユーザに提示し（図６５の矢印５７１）、提示処理を終了する。
以上のように、サーバ１１は、クライアントのユーザの明示的な評価行動だけではなく、推薦対象情報間の関係をフィードバックさせることによって、クライアントのユーザに対して、より望ましい推薦を行うことができる。
すなわち、コンテンツに対する明示的な評価だけでなくアイテム間の関連度を付与させることにより多くのフィードバックが得られ、アイテム間の類似性というユーザの感性に依存する情報を利用することにより、既存のメタデータでは表現されない情報を抽出できるの、アイテム紹介システム１（サーバ１１）は、クライアントのユーザに対する効果的なコンテンツ推薦（アイテム推薦）を行うことができる。
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。 提示処理の流れの例を説明するフローチャートである。 提示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。 嗜好ベクトルの例を示す表である。 新規アイテムの例を示す表である。 嗜好ベクトルとの距離の例を示す表である。 正規化されたメタデータの例を示す表である。 修正された嗜好ベクトルの例を示す表である。 修正された嗜好ベクトルとの距離の例を示す表である。 提示処理の流れの他の例を説明するフローチャートである。 提示処理に関する機能ブロックの動作の様子の、他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。 ユーザｕ２の付与した関連度の例を示す表である。 ユーザｕ３の付与した関連度の例を示す表である。 各ユーザの付与した関連度を比較する対応表である。 ユーザｕ１との相関係数を示す表である。 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。 全ユーザの付与した関連度の例を示す表である。 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。 関連度の全ユーザでの平均値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。 提示処理の流れの、さらに他の例を説明するフローチャートである。 提示処理の流れの、さらに他の例を説明するフローチャートである。 提示処理に関する機能ブロックの動作の様子の、さらに他の例を示す図である。 提示用情報の例を示す図である。 提示処理の流れの、さらに他の例を説明するフローチャートである。 提示処理に関する機能ブロックの動作の様子の、さらに他の例を示す図である。 追加メタデータ生成処理の流れの例を説明するフローチャートである。 追加メタデータ生成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。 関連度の例を示す表である。 SAMパラメータによる追加メタデータの例を示す表である。 類似アイテム処理の流れの例を説明するフローチャートである。 類似アイテム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。 アイテムのメタデータの例を示す表である。 アイテム１０からの距離の例を示す表である。 追加メタデータを含む距離の例を示す表である。 ユーザ嗜好マッチング処理の流れの例を示すフローチャートである。 ユーザ嗜好マッチング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。 正規化されたメタデータの例を示す表である。 ユーザ嗜好ベクトルの例を示す表である。 追加メタデータ無しのユークリッド距離の例を示す表である。 追加メタデータ有りのユークリッド距離の例を示す表である。 アイテム重要度算出処理の流れの例を説明するフローチャートである。 アイテム重要度算出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。 遷移確率行列の例を示す図である。 行列Ｖの例を示す図である。 行列Ｌの例を示す図である。 重要度の例を示す表である。 アイテム重要度提示補正処理の流れの例を説明するフローチャートである。 アイテム重要度提示補正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。 提示用情報の他の例を示す図である。 提示処理の流れの、さらに他の例を説明するフローチャートである。 提示処理に関する機能ブロックの動作の様子の、さらに他の例を示す図である。 提示処理の流れの、さらに他の例を説明するフローチャートである。 提示処理に関する機能ブロックの動作の様子の、さらに他の例を示す図である。 アイテムの説明文の例を示す表である。
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， ２０１ 関連度集計部， ２０２ コンテントベースフィルタリング処理部， ２０３ 協調フィルタリング処理部， ２０４ 信頼度処理部， ２０５ 追加メタデータ処理部， ２０６ アイテム重要度処理部， ２１１ 情報提示要求処理部， ２１２ ユーザ嗜好計算部， ２１３ アイテム−ユーザ嗜好マッチング部， ２１４ アイテム情報提示処理部， ２１５ アイテム説明文付与部， ２２１ 情報提示要求処理部， ２２２ ユーザ類似度計算部， ２２３ アイテム評価予測部， ２２４ アイテム情報提示処理部， ２２５ アイテム説明文付与部， ２３１ 関連度信頼度計算部， ２３２ ユーザ信頼度計算部， ２４１ 追加メタデータ計算部， ２４２ 情報提示要求処理部， ２４３ アイテム類似度計算部， ２４４ アイテム情報提示処理部， ２４５ アイテム−ユーザ嗜好マッチング部， ２５１ アイテム重要度算出部， ２５２ 情報提示要求処理部， ２５３ 提示用情報生成部， ２５４ 提示用情報補正部， ２５５ アイテム情報提示処理部， ３０１ アイテム間関連度データベース， ３０２ ユーザ情報データベース， ３０３ アイテム情報データベース

Claims (17)

  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
    を備える情報処理装置。
  2. 前記関連度集計手段による集計結果に基づいて、前記他の情報処理装置のユーザの嗜好を算出するユーザ嗜好計算手段と、
    前記ユーザ嗜好計算手段により算出された前記ユーザの嗜好と、各アイテムを比較し、類似度を求める比較手段と
    をさらに備え、
    前記紹介手段は、前記比較手段による比較により、前記ユーザの嗜好と類似度が高いと判定されたアイテムを前記関連アイテムとして紹介する
    請求項１に記載の情報処理装置。
  3. 付与された関連度をユーザ毎に比較し、その比較結果に基づいて前記ユーザと嗜好の類似度が高い類似ユーザを検索する類似ユーザ検索手段と、
    前記類似ユーザ検索手段により検索された類似ユーザによるアイテムの評価値に基づいて、前記ユーザによる各アイテムに対する評価値を予測するアイテム評価予測手段と
    をさらに備え、
    前記紹介手段は、前記アイテム評価予測手段により、前記ユーザが高い評価を与えると予測するアイテムを前記関連アイテムとして紹介する
    請求項１に記載の情報処理装置。
  4. 前記関連度の、情報として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. 前記紹介手段は、前記関連アイテムとともに、基準とする所定のアイテムから前記関連アイテムの間に付与された前記関連度、および、前記関連度の信頼度を紹介する
    請求項４に記載の情報処理装置。
  6. 前記関連度を付与した前記ユーザの信頼度を算出するユーザ信頼度算出手段と、
    付与された関連度をユーザ毎に比較し、その比較結果に基づいて前記ユーザと嗜好の類似度が高い類似ユーザを検索する類似ユーザ検索手段と、
    前記ユーザ信頼度算出手段により算出された前記ユーザの信頼度に基づいて、前記類似ユーザ検索手段により検索された各類似ユーザに重み付けを行い、前記類似ユーザの重み、および、前記類似ユーザによるアイテムの評価値に基づいて、前記ユーザによる各アイテムに対する評価値を予測するアイテム評価予測手段と
    をさらに備え、
    前記紹介手段は、前記アイテム評価予測手段により、前記ユーザが高い評価を与えると予測するアイテムを前記関連アイテムとして紹介する
    請求項１に記載の情報処理装置。
  7. 前記関連度に基づいて、アイテムに対して新たなメタデータを付与する追加メタデータ付与手段をさらに備える
    請求項１に記載の情報処理装置。
  8. 前記関連度の、情報としての信頼度を算出する信頼度算出手段をさらに備え、
    前記追加メタデータ付与手段は、前記関連度と前記関連度の信頼度の両方に基づいて、アイテムに対して新たなメタデータを付与する
    請求項７に記載の情報処理装置。
  9. 前記追加メタデータ付与手段により付与された新たなメタデータを用いて、アイテム間の類似度を計算するアイテム類似度計算手段をさらに備え、
    前記紹介手段は、前記アイテム類似度計算手段により算出された、基準とする所定のアイテムとの類似度が高いアイテムを関連アイテムとして紹介する
    請求項７に記載の情報処理装置。
  10. 前記関連度集計手段による集計結果に基づいて、前記他の情報処理装置のユーザの嗜好を算出するユーザ嗜好計算手段と、
    各アイテムの、前記追加メタデータ付与手段により付与された新たなメタデータと、前記ユーザ嗜好計算手段により算出された前記ユーザの嗜好とを比較し、類似度を求める比較手段と
    をさらに備え、
    前記紹介手段は、前記比較手段による比較により、前記ユーザの嗜好と類似度が高いと判定されたアイテムを前記関連アイテムとして紹介する
    請求項７に記載の情報処理装置。
  11. 前記アイテム間に付与される関連度に基づいて、前記アイテムの、全アイテム中での重要度を算出する重要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。
  12. 前記重要度算出手段により算出された重要度に基づいて、前記他の情報処理装置に紹介する前記関連アイテムの情報の表示形式を補正する補正手段をさらに備え、
    前記紹介手段は、紹介先である前記他の情報処理装置に、前記関連アイテムの情報を、前記補正手段により補正された表示形式で表示させる
    請求項１１に記載の情報処理装置。
  13. 前記重要度算出手段により算出された重要度に基づいて、前記他の情報処理装置に紹介する前記関連アイテムの説明文を、前記関連アイテムの情報に付与する説明文付与手段をさらに備える
    請求項１１に記載の情報処理装置。
  14. 前記関連度集計手段による集計結果に基づいて、前記他の情報処理装置のユーザの嗜好を算出するユーザ嗜好計算手段と、
    前記重要度算出手段により算出された重要度、および、前記ユーザ嗜好計算手段により算出された前記ユーザの嗜好に基づいて、前記他の情報処理装置に紹介する前記関連アイテムの説明文を、前記関連アイテムの情報に付与する説明文付与手段をさらに備える
    請求項１１に記載の情報処理装置。
  15. 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
    を備える情報処理方法。
  16. 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
    をコンピュータに実行させるプログラム。
  17. 請求項１６に記載のプログラムが記録されている記録媒体。
JP2006255729A 2006-09-21 2006-09-21 情報処理装置および方法、プログラム並びに記録媒体 Expired - Fee Related JP4240096B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2006255729A JP4240096B2 (ja) 2006-09-21 2006-09-21 情報処理装置および方法、プログラム並びに記録媒体
EP07253376A EP1903460A1 (en) 2006-09-21 2007-08-28 Information processing
US11/856,439 US8117212B2 (en) 2006-09-21 2007-09-17 Information processing apparatus and method, program and recording medium
CN2007101519805A CN101166102B (zh) 2006-09-21 2007-09-21 信息处理设备及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006255729A JP4240096B2 (ja) 2006-09-21 2006-09-21 情報処理装置および方法、プログラム並びに記録媒体

Publications (2)

Publication Number Publication Date
JP2008077386A true JP2008077386A (ja) 2008-04-03
JP4240096B2 JP4240096B2 (ja) 2009-03-18

Family

ID=38734880

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006255729A Expired - Fee Related JP4240096B2 (ja) 2006-09-21 2006-09-21 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 (4)

Country Link
US (1) US8117212B2 (ja)
EP (1) EP1903460A1 (ja)
JP (1) JP4240096B2 (ja)
CN (1) CN101166102B (ja)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009252179A (ja) * 2008-04-10 2009-10-29 Ntt Docomo Inc レコメンド情報評価装置およびレコメンド情報評価方法
JP2010097604A (ja) * 2008-09-16 2010-04-30 M Up:Kk 決済処理システム、会費処理装置及び会費処理方法
JP2010128592A (ja) * 2008-11-25 2010-06-10 Sony Corp 履歴表示装置、履歴表示システム、履歴表示方法、およびプログラム
JP2011135183A (ja) * 2009-12-22 2011-07-07 Sony Corp 情報処理装置および方法
WO2012118087A1 (ja) * 2011-03-03 2012-09-07 日本電気株式会社 レコメンダシステム、レコメンド方法、及びプログラム
US8468105B2 (en) 2009-01-28 2013-06-18 Sony Corporation Learning apparatus, learning method, information processing apparatus, data selection method, data accumulation method, data conversion method and program
JP2013235392A (ja) * 2012-05-08 2013-11-21 Kddi Corp 治療プラン作成支援システム、プログラムおよび治療プラン作成支援方法
JP2013257671A (ja) * 2012-06-11 2013-12-26 Nippon Telegr & Teleph Corp <Ntt> 場所評価システム、装置、方法及びプログラム
JP5695781B1 (ja) * 2014-07-17 2015-04-08 株式会社 ディー・エヌ・エー デジタルコンテンツを紹介するためのプログラム、システム、及び方法
JP2015170264A (ja) * 2014-03-10 2015-09-28 Ｐｉｏｎｅｅｒ ＤＪ株式会社 表示装置、表示装置の制御方法およびプログラム
JP2019040228A (ja) * 2017-08-22 2019-03-14 富士ゼロックス株式会社 情報処理装置及びプログラム
JP2020047157A (ja) * 2018-09-21 2020-03-26 富士ゼロックス株式会社 商品推薦装置、商品推薦システム及びプログラム
JP2021508395A (ja) * 2017-12-22 2021-03-04 華為技術有限公司Ｈｕａｗｅｉ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏ．，Ｌｔｄ． パーソナライズされた推奨を生成するために適合されたクライアント、サーバ、およびクライアント−サーバシステム
JP7101438B1 (ja) 2021-11-04 2022-07-15 株式会社オプティム プログラム、商品推薦装置、商品推薦方法、および商品推薦システム
JP2023061295A (ja) * 2021-10-19 2023-05-01 株式会社エクサウィザーズ 情報処理方法、装置及びプログラム
JP2023075674A (ja) * 2021-11-19 2023-05-31 楽天グループ株式会社 情報提供装置、情報提供方法、及び情報提供プログラム

Families Citing this family (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7739280B2 (en) 2006-03-06 2010-06-15 Veveo, Inc. Methods and systems for selecting and presenting content based on user preference information extracted from an aggregate preference signature
US8316394B2 (en) 2006-03-24 2012-11-20 United Video Properties, Inc. Interactive media guidance application with intelligent navigation and display features
US20080097821A1 (en) * 2006-10-24 2008-04-24 Microsoft Corporation Recommendations utilizing meta-data based pair-wise lift predictions
US8171035B2 (en) 2007-10-22 2012-05-01 Samsung Electronics Co., Ltd. Situation-aware recommendation using correlation
US8166052B2 (en) * 2007-10-22 2012-04-24 Samsung Electronics Co., Ltd. Situation recognition for recommendation using merge-split approach
US8019782B2 (en) * 2007-10-22 2011-09-13 Samsung Electronics Co., Ltd. Situation-aware recommendation using limited cluster sizes
US9916611B2 (en) * 2008-04-01 2018-03-13 Certona Corporation System and method for collecting and targeting visitor behavior
JP4645676B2 (ja) * 2008-04-28 2011-03-09 ソニー株式会社 情報処理装置、関連アイテムの提供方法、及びプログラム
WO2010036164A1 (en) * 2008-09-29 2010-04-01 Telefonaktiebolaget Lm Ericsson (Publ) Double weighted correlation scheme
JP4650552B2 (ja) * 2008-10-14 2011-03-16 ソニー株式会社 電子機器、コンテンツ推薦方法及びプログラム
US8301624B2 (en) * 2009-03-31 2012-10-30 Yahoo! Inc. Determining user preference of items based on user ratings and user features
JP5464412B2 (ja) * 2009-08-12 2014-04-09 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
US8996451B2 (en) 2010-03-23 2015-03-31 Nokia Corporation Method and apparatus for determining an analysis chronicle
US9189873B2 (en) 2010-03-23 2015-11-17 Nokia Technologies Oy Method and apparatus for indicating historical analysis chronicle information
JP2012003359A (ja) * 2010-06-15 2012-01-05 Sony Corp アイテム推薦システム、アイテム推薦方法、及びプログラム
JP5633423B2 (ja) * 2010-10-21 2014-12-03 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
EP2458546A1 (en) * 2010-11-23 2012-05-30 Axel Springer Digital TV Guide GmbH Recommender system for stimulating a user to recommend an item to a contact of the user
WO2012094564A1 (en) 2011-01-06 2012-07-12 Veveo, Inc. Methods of and systems for content search based on environment sampling
JP2012190061A (ja) * 2011-03-08 2012-10-04 Sony Corp 情報処理装置、端末装置、情報提示システム、評価スコアの算出方法、及びプログラム
CN102693223A (zh) * 2011-03-21 2012-09-26 潘燕辉 一种搜索方法
CN103180850B (zh) * 2011-03-23 2016-06-08 株式会社日立制作所 计算机系统和使用了计算机系统的信息提示方法
JP2013033376A (ja) * 2011-08-02 2013-02-14 Sony Corp 情報処理装置、情報処理方法、および、プログラム
JP5156879B1 (ja) * 2011-08-25 2013-03-06 パナソニック株式会社 情報提示制御装置及び情報提示制御方法
US20130085955A1 (en) * 2011-09-30 2013-04-04 Peter Dugas Systems and methods for managing learning materials
US10789561B2 (en) * 2011-11-21 2020-09-29 Hewlett-Packard Development Company, L.P. Recommending production plans
CN102591966B (zh) * 2011-12-31 2013-12-18 华中科技大学 一种移动场景下的搜索结果过滤方法
JP5846442B2 (ja) * 2012-05-28 2016-01-20 ソニー株式会社 情報処理装置、情報処理方法、および、プログラム
US9177201B2 (en) * 2012-05-29 2015-11-03 Panasonic Intellectual Property Management Co., Ltd. Image evaluation device, image evaluation method, program, and integrated circuit
JP2014032434A (ja) * 2012-08-01 2014-02-20 Sony Corp 情報処理装置、情報処理方法、及び、情報処理システム
CN104462093B (zh) * 2013-09-13 2019-12-10 Sap欧洲公司 个人推荐方案
US9799065B1 (en) * 2014-06-16 2017-10-24 Amazon Technologies, Inc. Associating items based at least in part on physical location information
CN104243590B (zh) * 2014-09-19 2017-10-13 广州华多网络科技有限公司 资源对象推荐方法和装置
CN104731914A (zh) * 2015-03-24 2015-06-24 浪潮集团有限公司 一种基于行为相似度的用户异常行为检测方法
US20170024363A1 (en) * 2015-06-21 2017-01-26 Dan Tocchini System and Method for Dynamic Predictive Analytics for Pattern Search and Publishing Engine
US10025779B2 (en) * 2015-08-13 2018-07-17 Xerox Corporation System and method for predicting an optimal machine translation system for a user based on an updated user profile
JP6563038B2 (ja) * 2015-12-25 2019-09-04 富士フイルム株式会社 情報処理装置及び情報処理方法
CN108289029A (zh) * 2017-01-09 2018-07-17 北京嘀嘀无限科技发展有限公司 通信群组建立方法及装置
CN108229905B (zh) * 2017-06-30 2023-04-25 勤智数码科技股份有限公司 一种基于业务关联的部门关系生成方法及系统
CN109559245B (zh) * 2017-09-26 2022-02-25 北京国双科技有限公司 一种识别特定用户的方法及装置
CN111353864B (zh) * 2020-03-31 2024-04-05 建信金融科技有限责任公司 一种产品推荐方法、装置、服务器及存储介质
JP2022012908A (ja) * 2020-07-02 2022-01-17 富士フイルムビジネスイノベーション株式会社 情報処理装置及び情報処理プログラム

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6049777A (en) * 1995-06-30 2000-04-11 Microsoft Corporation Computer-implemented collaborative filtering based method for recommending an item to a user
US6285999B1 (en) * 1997-01-10 2001-09-04 The Board Of Trustees Of The Leland Stanford Junior University Method for node ranking in a linked database
US6327586B1 (en) * 1998-05-27 2001-12-04 Wisdombuilder, L.L.C. System method and computer program product to automate the management and analysis of heterogeneous data
JP2000090110A (ja) 1998-09-11 2000-03-31 Nippon Telegr & Teleph Corp <Ntt> 全文検索方法、装置、および全文検索プログラムを記録した記録媒体
US6651059B1 (en) * 1999-11-15 2003-11-18 International Business Machines Corporation System and method for the automatic recognition of relevant terms by mining link annotations
JP4828679B2 (ja) 1999-12-01 2011-11-30 ソニー株式会社 受信装置、コンテンツ選択方法、及び放送システム
EP1364308A2 (en) * 2000-02-24 2003-11-26 Findbase, L.L.C. Method and system for extracting, analyzing, storing, comparing and reporting on data stored in web and/or other network repositories and apparatus to detect, prevent and obfuscate information removal from information servers
JP2001282838A (ja) 2000-03-31 2001-10-12 Kyocera Communication Systems Co Ltd コンテンツ推奨システム
US20020032019A1 (en) * 2000-04-24 2002-03-14 Marks Michael B. Method for assembly of unique playlists
US6697800B1 (en) * 2000-05-19 2004-02-24 Roxio, Inc. System and method for determining affinity using objective and subjective data
US20020062268A1 (en) * 2000-11-20 2002-05-23 Motoi Sato Scheme for presenting recommended items through network based on access log and user preference
US20020099629A1 (en) * 2001-01-19 2002-07-25 Motoi Sato Scheme for presenting recommended items through network using client preference estimating factor information
US20020152262A1 (en) * 2001-04-17 2002-10-17 Jed Arkin Method and system for preventing the infringement of intellectual property rights
DE10154656A1 (de) * 2001-05-10 2002-11-21 Ibm System und Verfahren für Empfehlungen von Artikeln
DE10247929A1 (de) * 2001-10-31 2003-05-28 Ibm Auslegen eines Empfehlungssystems zum Vorsehen von Anwender-zu-Anwender-Empfehlungen
GB2383153A (en) * 2001-12-17 2003-06-18 Hemera Technologies Inc Search engine for computer graphic images
CN1647073B (zh) * 2002-03-29 2010-05-26 索尼株式会社 信息搜索系统、信息处理设备和方法、及信息搜索设备和方法
US6763354B2 (en) * 2002-05-10 2004-07-13 Agentarts, Inc. Mining emergent weighted association rules utilizing backlinking reinforcement analysis
JP2004157835A (ja) 2002-11-07 2004-06-03 Nippon Telegr & Teleph Corp <Ntt> 広告群順序付け方法、広告掲示方法、およびプログラム
JP2004348607A (ja) 2003-05-23 2004-12-09 Nippon Telegr & Teleph Corp <Ntt> コンテンツ検索方法、コンテンツ検索システム、コンテンツ検索用プログラムおよびコンテンツ検索用プログラムが記録された記録媒体
JP2005196469A (ja) 2004-01-07 2005-07-21 Sony Corp データ表示サーバ，データ表示方法，およびそのプログラム
JP2005196540A (ja) 2004-01-08 2005-07-21 Sony Corp メタデータ関連情報管理システム，メタデータ関連情報管理方法，関連メタデータ管理サーバ，メタデータ参照端末およびコンピュータプログラム
US20060136451A1 (en) * 2004-12-22 2006-06-22 Mikhail Denissov Methods and systems for applying attention strength, activation scores and co-occurrence statistics in information management
JP4543930B2 (ja) * 2005-01-07 2010-09-15 ソニー株式会社 情報処理装置および方法、並びにプログラム
JP4333599B2 (ja) * 2005-02-15 2009-09-16 ソニー株式会社 情報処理装置、情報処理方法

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009252179A (ja) * 2008-04-10 2009-10-29 Ntt Docomo Inc レコメンド情報評価装置およびレコメンド情報評価方法
JP2010097604A (ja) * 2008-09-16 2010-04-30 M Up:Kk 決済処理システム、会費処理装置及び会費処理方法
JP2010128592A (ja) * 2008-11-25 2010-06-10 Sony Corp 履歴表示装置、履歴表示システム、履歴表示方法、およびプログラム
JP4645728B2 (ja) * 2008-11-25 2011-03-09 ソニー株式会社 履歴表示装置、履歴表示システム、履歴表示方法、およびプログラム
US8468105B2 (en) 2009-01-28 2013-06-18 Sony Corporation Learning apparatus, learning method, information processing apparatus, data selection method, data accumulation method, data conversion method and program
JP2011135183A (ja) * 2009-12-22 2011-07-07 Sony Corp 情報処理装置および方法
WO2012118087A1 (ja) * 2011-03-03 2012-09-07 日本電気株式会社 レコメンダシステム、レコメンド方法、及びプログラム
JP5962926B2 (ja) * 2011-03-03 2016-08-03 日本電気株式会社 レコメンダシステム、レコメンド方法、及びプログラム
JPWO2012118087A1 (ja) * 2011-03-03 2014-07-07 日本電気株式会社 レコメンダシステム、レコメンド方法、及びプログラム
US9569499B2 (en) 2011-03-03 2017-02-14 Nec Corporation Method and apparatus for recommending content on the internet by evaluating users having similar preference tendencies
JP2013235392A (ja) * 2012-05-08 2013-11-21 Kddi Corp 治療プラン作成支援システム、プログラムおよび治療プラン作成支援方法
JP2013257671A (ja) * 2012-06-11 2013-12-26 Nippon Telegr & Teleph Corp <Ntt> 場所評価システム、装置、方法及びプログラム
JP2015170264A (ja) * 2014-03-10 2015-09-28 Ｐｉｏｎｅｅｒ ＤＪ株式会社 表示装置、表示装置の制御方法およびプログラム
WO2016009724A1 (ja) * 2014-07-17 2016-01-21 株式会社ディー・エヌ・エー デジタルコンテンツを紹介するためのプログラム、システム、及び方法
JP2016024536A (ja) * 2014-07-17 2016-02-08 株式会社 ディー・エヌ・エー デジタルコンテンツを紹介するためのプログラム、システム、及び方法
JP5695781B1 (ja) * 2014-07-17 2015-04-08 株式会社 ディー・エヌ・エー デジタルコンテンツを紹介するためのプログラム、システム、及び方法
JP2019040228A (ja) * 2017-08-22 2019-03-14 富士ゼロックス株式会社 情報処理装置及びプログラム
JP7021475B2 (ja) 2017-08-22 2022-02-17 富士フイルムビジネスイノベーション株式会社 情報処理装置及びプログラム
JP2021508395A (ja) * 2017-12-22 2021-03-04 華為技術有限公司Ｈｕａｗｅｉ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏ．，Ｌｔｄ． パーソナライズされた推奨を生成するために適合されたクライアント、サーバ、およびクライアント−サーバシステム
JP2020047157A (ja) * 2018-09-21 2020-03-26 富士ゼロックス株式会社 商品推薦装置、商品推薦システム及びプログラム
JP2023061295A (ja) * 2021-10-19 2023-05-01 株式会社エクサウィザーズ 情報処理方法、装置及びプログラム
JP7101438B1 (ja) 2021-11-04 2022-07-15 株式会社オプティム プログラム、商品推薦装置、商品推薦方法、および商品推薦システム
JP2023069041A (ja) * 2021-11-04 2023-05-18 株式会社オプティム プログラム、商品推薦装置、商品推薦方法、および商品推薦システム
JP2023075674A (ja) * 2021-11-19 2023-05-31 楽天グループ株式会社 情報提供装置、情報提供方法、及び情報提供プログラム
JP7332669B2 (ja) 2021-11-19 2023-08-23 楽天グループ株式会社 情報提供装置、情報提供方法、及び情報提供プログラム

Also Published As

Publication number Publication date
CN101166102B (zh) 2012-04-18
US20080077575A1 (en) 2008-03-27
US8117212B2 (en) 2012-02-14
CN101166102A (zh) 2008-04-23
EP1903460A1 (en) 2008-03-26
JP4240096B2 (ja) 2009-03-18

Similar Documents

Publication Publication Date Title
JP4240096B2 (ja) 情報処理装置および方法、プログラム並びに記録媒体
Tahmasebi et al. A hybrid recommendation system based on profile expansion technique to alleviate cold start problem
Palumbo et al. Knowledge graph embeddings with node2vec for item recommendation
Hijikata et al. Discovery-oriented collaborative filtering for improving user satisfaction
US8301623B2 (en) Probabilistic recommendation system
US8751507B2 (en) Recommendation system with multiple integrated recommenders
Cremonesi et al. User interface patterns in recommendation-empowered content intensive multimedia applications
US20150242750A1 (en) Asymmetric Rankers for Vector-Based Recommendation
US20090157618A1 (en) Entity networking system using displayed information for exploring connectedness of selected entities
JP6203304B2 (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
Ambulgekar et al. A survey on collaborative filtering: tasks, approaches and applications
Amane et al. ERSDO: E-learning recommender system based on dynamic ontology
Ahmed et al. Book recommendation using collaborative filtering algorithm
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
Li et al. Novel recommendation system for tourist spots based on hierarchical sampling statistics and SVD++
Barros et al. Hybrid semantic recommender system for chemical compounds
Jeon et al. Interactive feedback loop with counterfactual data modification for serendipity in a recommendation system
Chicaiza et al. Explainable recommender systems: from theory to practice
Pawar et al. Movies Recommendation System using Cosine Similarity
Mortensen Design and evaluation of a recommender system
Polatidis et al. An explanation-based approach for experiment reproducibility in recommender systems
Xu et al. How Does the System Perceive Me?—A Transparent and Tunable Recommender System
Elahi et al. Exploring personalized university ranking and recommendation
Godavarthy et al. Learning user preferences through online conversations via personalized memory transfer
Saha et al. User centric and collaborative movie recommendation system under customized platforms

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080626

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080825

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20081202

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20081215

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120109

Year of fee payment: 3

R151 Written notification of patent or utility model registration

Ref document number: 4240096

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120109

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130109

Year of fee payment: 4

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees