JP2008191702A - 嗜好情報収集システム及びそれを用いた情報推薦システム - Google Patents

Abstract

【課題】生活中の様々な行動全般から個々のユーザの嗜好情報を生成、情報検索や推薦などにおいての提示順位を個々のユーザに対して最適化を可能とする。
【解決手段】行動検出部１１でユーザの特徴的な行動を検出すると、情報取得部１２にて、そのような行動を引き起こした情報を取得する。また、情報取得部１２でユーザに影響を与えた情報が特定されると、評価取得部１３ではその情報に対するユーザの評価を取得する。そして、ＤＢ登録部１４を介してユーザ嗜好ＤＢ１５に情報取得部１２から得られた情報と、評価取得部１３から得られた情報が蓄積される。
【選択図】図１

Description

本発明は、ユーザの嗜好に合わせた情報検索を可能とする嗜好情報収集システム及びそれを用いた情報推薦システムに関する。

近年、ユーザが接する情報量の爆発的な増加を受けて、情報の検索や分類、推薦など様々なソリューションが提案、提供されており日々進歩を続けている。これら技術では、その性能を向上するために様々な取り組みがなされており、例えば情報検索の分野であれば、Google（登録商標）のPageRankテクノロジなどが存在する。

上述システムにより、検索エンジンの性能は飛躍的に向上したが、現在でも更なる性能向上が望まれており、その一つに個々のユーザに適合した結果を返す技術、パーソナライズ化が望まれている。例えば、過去の検索履歴に基づいて検索結果を並べ替えるアプローチ（Google（登録商標）のパーソナライズド検索）やAmazon.com（登録商標）の書籍推薦なども有名である。

また、特許文献１ではユーザの位置情報で与えられる行動履歴に基づいて、ユーザにとって適切な情報を提供する情報配信装置が提案されている。これも個々のユーザに適切な情報を提供したいというパーソナライズの一環である。
特開２００６−２５１９３８号公報

しかしながら、上述の技術では次の点で不十分であると言える。
（１）ユーザの履歴取得が限定的、
（２）位置情報だけでは、ひも付けされる情報に対する評価が不明確。
以下に、上記問題点について詳述する。

（１）ユーザの履歴取得が限定的
ユーザの嗜好はユーザが日々の生活で接触する情報全般から形成されるものであり、そういった日々の生活で接触する情報とそれに対するユーザの評価をひも付けした状態で取得、蓄積していく必要がある。上述の検索エンジンによるパーソナライズ化においても、ユーザの検索履歴や、購買履歴などは、そのようなユーザが接する情報の一部であるため、取得する情報が限定されて、効果が得られることは明確であるが、ユーザが持つニーズを潜在化させてしまう可能性が高い。

例えば、外出中に興味のある情報に接触していたとしても、帰宅後パソコンを用いてインターネット情報を閲覧する際にはそのことを忘れていることが多い。これは嗜好情報が個別に管理されていることが原因であり、適切な情報に到達できないという意味では、ユーザ本人にとっても、またその情報が商品である場合は企業にとっても不幸なことである。

（２）位置情報だけでは、ひも付けされる情報に対する評価が不明確
特許文献１の技術では、ユーザの位置情報を常時記録、現在位置情報から現在の行動を過去の行動パターンから推測、一般的興味に基づいて情報を要求しているのか否かを推測する仕組みが開示されている。

具体的には、ある場所を頻繁に訪れているか否かをもって例外か否かを判定しており、
・通常行動 → ユーザの静的な興味分野に従い情報を提供、
・例外行動 → その近辺の情報で例えば人気の高い情報を提供、
といった仕組みにより情報を配信する。この仕組みを利用することで、例えば、良く利用する情報を蓄積、興味分野の更新が期待できる。

しかしながら、これは情報に対してユーザ自身が直接的選択したわけではないために、ユーザが本当にその情報に対して興味を持っているかどうかは保障されていない。情報に対する評価が十分なされていないため、場合によっては他の要因にドリブンされて、ユーザが興味をもっていない情報に近づいてしまっている可能性もある。つまり、ユーザにとっては不要な情報までもが関連付けられてしまうこともあり得る。

本発明は、上述の課題を解決するためになされたものであって、生活中の様々な行動全般から個々のユーザの嗜好情報を生成、情報検索や推薦などにおいての提示順位を個々のユーザに対して最適化を可能とする嗜好情報収集システム及びそれを用いた情報推薦システムを提供する。

本発明は、取得情報に基づくユーザの行動を検出する行動検出部と、前記行動の対象となった情報の詳細情報を取得してキーワード抽出を行なう情報取得部と、前記行動から情報に対する評価を行なう評価取得部と、前記抽出キーワードと評価を対応づけて登録するデータベース部と、を備える嗜好情報収集システムである。

前記行動検出部は、情報表示に対応したユーザの操作行動を検出してもよく、また、商品購入に伴う店舗内端末からの通信情報から検出してもよい。

また、前記行動検出部は、１番組に対する一定時間以上のテレビ視聴を行動として検出してもよい。このとき、テレビ方向への顔向け時間をテレビ視聴時間として検出してもよい。

また、前記行動検出部は、前記ユーザの行動を誘発した情報が、情報の種類ごとに定められた任意の時間以内に再び検出された場合は無効とすることを特徴とする。

前記情報取得部は、広告を特定する情報を元にデータベースから、少なくともテキスト情報を含む詳細情報を取得したり、商品を特定する情報を元にデータベースから、少なくともテキスト情報を含む詳細情報を取得したり、映像を特定する情報を元にデータベースから、少なくともテキスト情報を含む詳細情報を取得したりすることができる。

前記評価取得部は、ユーザの行動を誘発した情報に対して定められたテーブルを参照し、そこからユーザの行動をクエリとして評価値を取得することを特徴とする。

更に本発明は、前記嗜好情報収集システムの嗜好情報を基に、少なくとも映像コンテンツを対象とした情報推薦を行うことを特徴とする情報推薦システムである。

本発明によれば、ユーザが接触した情報及び、その情報に対するユーザの行動に基づく評価を元にユーザ嗜好情報を蓄積でき、この嗜好情報を元にユーザにより適切な情報が提供できる。

以下、図面を参照しつつ、本発明の実施の形態について説明する。
なお、以下の説明において同一の部品については同一の符号を付してあり、それらの名称及び機能も同じであるため、そのような部品については詳細な説明は繰り返さない。また、以下の説明では、ブロック図を示して構成を説明しているが、その配置は目的とする効果が得られる限り、自由に組み替えることが可能であることに言及しておく。更に、図中に登場するシステムの各ブロックは、通信回線（無線、有線を問わず）によって接続されている複数の装置からなる構成であっても良いし、一装置に組み込まれたものでもよい。したがって、各ブロックの存在する場所は、例えば、通信回線（無線、有線を問わず）によって接続されている、インターネット上のサーバであっても、ユーザ所有の端末であってもよい。

図１に、嗜好情報収集システムを示す概念図を示す。この嗜好情報収集システム１０は、行動検出部１１、情報取得部１２、評価取得部１３、ＤＢ登録部１４、ユーザ嗜好ＤＢ１５から構成される。

行動検出部１１でユーザの特徴的な行動を検出すると、情報取得部１２にて、そのような行動を引き起こした情報を取得する。また、情報取得部１２でユーザに影響を与えた情報が特定されると、評価取得部１３ではその情報に対するユーザの評価を取得する。そして、ＤＢ登録部１４を介してユーザ嗜好ＤＢ１５に情報取得部１２から得られた情報と、評価取得部１３から得られた情報が蓄積される。

このようにして保持される情報は、ユーザに接触した情報、かつユーザの評価を含んでいるため、その情報からユーザに適合する情報をフィルタリングすることができる。図２、図３にて、ユーザ嗜好ＤＢ１５を用いた検索結果の情報推薦システムの一例を示す。

図２は、ユーザ嗜好ＤＢを用いた情報推薦システムの一例を示すブロック図である。この情報推薦システム２０は、ユーザが検索語を入力する検索語入力部２１、検索語に基づいて情報を検索する情報検索部２２、ユーザ嗜好ＤＢ１５により検索情報をフィルタリングする情報フィルタ部２３、情報を表示する表示部２４から構成される。

この情報推薦システム２０において、ユーザが検索語入力部２１を用いて通常の検索を行うと、入力された検索語に基づいて、情報検索部２２が検索を行なう。ユーザ嗜好ＤＢ１５を用いて、情報フィルタ部２３が検索した情報の情報フィルタリングや、提示順序の変更を行い、その結果を表示部２４に表示する。

また図３は、ユーザ嗜好ＤＢを用いた情報推薦システムの他の例を示すブロック図である。この情報推薦システム３０は、ユーザ嗜好ＤＢ１５の情報に基づいてユーザの嗜好性の強い情報の検索を行なう情報検索部３１、その検索結果を表示する表示部３２から構成される。

図２の情報推薦システム２０は、検索結果をユーザに合わせて表示するのに対して、図３の情報推薦システム３０はユーザ自身の情報が検索クエリとして機能しており、ユーザの検索入力なしにユーザに情報を提供を行うものであり、情報検索部３１がユーザにとって有用な情報を検索している形となる。

＜嗜好情報収集システム＞
以下では、具体的な嗜好情報収集システムの実施例をもとに説明を行っていく。これによりユーザ嗜好ＤＢ１５の有用性ならびに実現性を明らかにしていく。

図４は、嗜好情報収集システムを示すブロック図である。この嗜好情報収集システム１０は、携帯電話やＰＤＡ等の携帯用の端末４０とサーバ５０からなる。端末４０と情報配信サーバ５０は、無線通信によりインターネットを介して情報の送受信を可能としている。端末４０は、行動検出部１１、詳細情報取得部４３、テキスト解析部４４、行動評価部４５からなる。また、サーバ５０は、詳細情報ＤＢ５１、行動評価ＤＢ５２、ＤＢ登録部１４、ユーザ嗜好ＤＢからなる。端末４０とサーバ５０には、当然情報の送受信を行なう通信部があるが、それは省略している。

図１に示した情報取得部１２、評価取得部１３は次のように各部から構成される。情報取得部１２は、詳細情報取得部４３、詳細情報ＤＢ５１、テキスト解析部４４からなり、評価取得部１３は、行動評価部４６、行動評価ＤＢ４７からなる。

この嗜好情報収集システムに基づいて、広告情報、商品情報、番組情報に関するユーザ嗜好情報を収集することについて実施例１〜３に説明する。

嗜好情報収集システム１０の実施例１について説明する。
この端末４０は、ユーザが外出したときの位置をＧＰＳ等により検出し、サーバ５０がその検出位置に応じて、広告情報を配信するサービスを受けるものとする。ユーザは、あらかじめユーザＩＤをサーバ５０に登録しておくと、サーバ５０は、端末４０から配信されるユーザＩＤにより、ユーザを特定し、ユーザの嗜好情報を収集しながら適切な広告情報を配信する。この場合は、ユーザの位置により、近くの店の広告情報を配信する。このときは、まず、広告の情報ＩＤとともに、タイトルリストや端末の位置を示す地図上に重畳されるアイコン等を表示するための情報が配信される。

図５は、実施例１における行動検出部を示すブロック図である。行動検出部１１ａは、情報検出部４１、センサ部４２から構成される。

図６は、実施例１の嗜好情報収集システム１０の動作を示すフローチャートであり、これに基づいて嗜好情報収集システム１０の動作を説明する。
端末４０が広告を受信すると（ステップＳ１）、情報検出部４１はユーザに提供される広告の情報ＩＤと広告情報を検出する。端末４０は、広告情報を受信すると、音や光等によってユーザに告げる。そして表示部には、受信した広告情報に基づいて、タイトルリストや端末の位置を示す地図上に重畳されるアイコン等を表示する。ユーザがそのタイトルリストやアイコン等を選択することは、その情報に対するユーザの評価がされていると解釈することができる。センサ部４２は、検出された情報によりユーザが実際に行った行動であるユーザの機器操作を検出して、操作情報として取得する（ステップＳ２）。
行動検出部１１ａにより検出した情報ＩＤと操作情報は、情報取得部１２と評価取得部１３へ送られる。

情報取得部１２の詳細情報取得部４３は、操作情報からユーザが選択した広告の情報ＩＤにより、サーバ５０の詳細情報ＤＢにアクセスして詳細な広告情報を取得する（ステップＳ３）。
例えば、詳細情報ＤＢ４４に保持されている広告情報の例を図７に示す。情報ＩＤは、Ａ００１，Ａ００２，Ａ００３等であり、そのＩＤに対応して、「○×本店では他では真似のできない品揃えと、安さで皆様の…」等のテキストが格納されている。この情報はテキスト以外に画像情報などを保持してもよいし、画像や映像などの情報へのＵＲＩを保持してもよい。

もちろん、広告の情報を受信した段階で、テキスト情報が既に取得できている場合も考えられる。その場合は情報取得部１２は不要になる。また、図では示していないが、詳細情報取得部４３は、テキストを取得できる手段であれば、どのような手段であっても（実現できるものであれば）、手段は問わないため、例えば店員との会話を音声認識によりテキスト化する方法や、写真で文章を撮影、ＯＣＲにより取得する方法であることも考えられる。

次に、詳細情報取得部４３により取得された文章（テキスト）を、テキスト解析部４４が解析する（ステップＳ４）。そして、広告文章を特徴付ける所定の条件を満たす単語を抽出する。例えば、取得した広告文章を対象に形態素解析し、名詞、形容詞や動詞などの自立語を抽出する。ここで、形態素解析とは、辞書等を参照し、自然言語で書かれた文を形態素を解析することであり、言語で意味を持つ最小単位に分解し、コンピュータ処理に適した形にすることである。

次に、抽出された単語（キーワード）を使って、広告文章をキーワードベクトルで表現する。キーワードベクトルの算出には、ＴＦＩＤＦ（Term Frequency Inverse Document Frequency）などを用いる。ＴＦＩＤＦとは、キーワードの出現頻度（ＴＦ）に文書集合全体でのキーワードの出現の偏り（ＩＤＦ）を考慮に入れてキーワードの重要性を計算する方法である。すなわち、単語の出現頻度で文書群全体の中でのその単語の重要性を判断し、ある特定の文書においてその単語が重要であるかを判断するために、その単語の頻度を文書間で比較するものである。

端末４０の行動評価部４５ではサーバ５０の行動評価ＤＢ５２から、情報検出部４１で検出した情報に合致したテーブルを取得し、このテーブルに基づいて、行動の重み情報を取得する（ステップＳ５）。図８にルールテーブルに保持される情報の例を示す。このルールテーブルには、広告受信時の行動テーブル６１、購買時の行動テーブル６２、テレビ視聴時のテーブル６３等がある。そして、センサ部４２で取得した操作をクエリとして、行動評価ＤＢ５２から取得したテーブル中を検索、その操作に対する重み（ユーザのその情報に対する評価値）を取得する。

以上のようにして、情報取得部１２で得られた広告テキストのキーワードベクトルと、評価取得部１３で得られた広告に対する評価値が、サーバ５０のＤＢ登録部１４を介してユーザ嗜好ＤＢ１５に格納される（ステップＳ６）。

図９にユーザ嗜好ＤＢ１５に蓄積されるデータテーブル６４の例を示す。このデータテーブル６４は、文書番号、ユーザ行動評価の重みである文書評価、解析したキーワード、キーワードベクトルの重みから構成され、文書評価値はユーザが好む情報であればあるほど大きい値としている。

次に図１０に示すような構造のデータテーブル６５をデータテーブル６４より作成する。これは、ユーザの嗜好をキーワードごとに評価したテーブルをあらわす。例えば、以下に示すような方法により、テーブル６５を作成する。

i:文書番号（情報ＩＤ）、j:文書内のキーワード番号、Ｍ：蓄積されている文書数、Ｎ：文書i中のキーワード数、WEIGHTi:文書（情報）に対するユーザの評価値、KWij：文書i中のj番目のキーワード、KW＿WEIGHTij:文書i中のj番目のキーワードの重み(ＴＦＩＤＦ値)とすると、キーワードＷＯＲＤのトータル重みを、次の式で表す。

これは上述したように、あるキーワードに対するユーザ評価を求める式と言える。ユーザの評価が高い文書中に登場するキーワード群は、ユーザに好まれるであろうこと、またその文書を特徴付けるキーワードがより好まれることを考慮し、それを反映したものである。

たとえば、図１１に示すような２文書からキーワードごとの重みを計算する例を考えると、はじめに文書評価とキーワード重みが乗算される。その後、それぞれの文書で計算された値をキーワードごとに整理、加算する。これは、全キーワードに対するユーザの嗜好を表すキーワードベクトルを形成することを意味する。

なお、上述の計算は一例であり、おなじ意味合いの計算であれば採用することができる。たとえば、数１では文書評価とＴＦＩＤＦ値を乗算した後、単純に加算することでキーワードごとの値を取得しているが、この加算を平均によって求めることも考えられる。

実施例１では、広告の検出をトリガとして、ユーザ嗜好ＤＢ１５を構築する方法を示したが、広告の検出以外のトリガであっても問題ない。その例として、実施例２ではユーザの購買（という行動）をトリガとしたユーザ嗜好情報の構築を説明する。

この嗜好情報収集システムの行動検出部１１ｂは、商品購入を検出するものであり、現金での購入、カードでの購入、ケータイでの購入など様々存在するが、購入したことを本システムに対して電子的に通知することができれば手段は問わない。また、詳細情報ＤＢ５１には商品情報が格納されている。

次に、この嗜好情報収集システムの動作について説明する。図１２は、実施例２の嗜好情報収集システムの動作処理を示すフローチャートである。
行動検出部１１ｂは購入があったことを検出する（ステップＳ２１）。上述したように、購入は、現金での購入、カードでの購入、ケータイでの購入など様々存在するが、購入したことを本システムに対して電子的に通知することができれば手段は問わない。例えば、図１３に示すように、端末４０がカード決済機能付き携帯電話とすると、このカード決済機能部分が行動検出部１１ｂとなる。携帯電話４０により商品購入によるカード決済依頼がカード会社のサーバ７５に行なわれ、決済完了の結果が携帯電話４０に返信されることにより、ユーザの購入行動を検出する。

行動検出部１１ｂにより購入の発生を確認すると、情報取得部１２、評価取得部１３に対してトリガを発行する。上述モジュールはトリガを受信すると、詳細情報取得部４３を介して詳細情報ＤＢ５１から購入した商品の情報を取得し（ステップＳ２２）、テキスト解析部４４にて、実施例１と同様の処理によりキーワードベクトルを算出する（ステップＳ２３）。

同時に行動評価部４５は行動評価ＤＢ５２から現在の行動（購買）に対する評価値を取得する（ステップＳ２４）。このようにして得られた商品に対するキーワードベクトル及び評価値を対にして、ＤＢ登録部１４を介してユーザ嗜好ＤＢ１５に登録する（ステップＳ２５）。

加えて、実施例２ではユーザの購買をトリガとして説明してきたが、これはユーザの
購買活動に付随する行動、例えば来店に対するポイント加算サービスなど、店舗やショッピングモール内に存在する端末の操作（個人を識別してサービスを行うもの）などにも適用できることは言うまでもない。

例えば会員カードを挿入することでポイントをためるサービスの場合、端末にカードが挿入され、個人を特定した時点で、その端末（もしくはその端末が接続されている店舗、ショッピングモールのシステム）からトリガおよびテキストを発信することで実現される。

実施例１、２で示してきたように、本特許に開示される技術は汎用性が高い方法であるため、ユーザをとりまく様々な環境を統合することが可能となる。実施例３ではユーザが視聴している際の行動（チャンネル選択、視聴）を元にユーザ嗜好ＤＢ１５を構築する例を説明する。

この嗜好情報収集システムの行動検出部１１ｃは、視聴状況と、ユーザの操作からユーザの番組に対する評価を意味する行動を検出する。例えばユーザがある番組を一定時間以上見続ける、一定比率以上の時間見続けるなどは、ユーザがその番組に対する興味、すなわち、そこに登場する情報に興味を抱いている可能性が高いため、その好例といえる。他にも顔向きの検出や生体指標の利用など、様々な方法が考えられるが、本特許ではその方法は問わない。また、家庭内では複数人数での視聴が頻繁に発生するため、個人認証、個別にＤＢ構築されることが望ましいため、そのための顔認識、個人デバイス、ウェアラブルデバイスなどの利用も考えられるが、その方法も問わない。また、詳細情報ＤＢ５１には、番組情報が格納されている。

さて、行動検出部１１ｃは、以上の方法により、ユーザ嗜好ＤＢ１５へ登録を行うトリガを発生するが、このトリガが同じ番組に対して、連続して行われるのは問題が発生しうる。これは実施例１、２でも同様のことが言える。

例えば、
・ある番組Ａをしきい値を超える時間、視聴してユーザ嗜好ＤＢ１５を更新、
・その後、番組Ｂを一瞬視聴し、再び番組Ａをしきい値を超える時間視聴、ユーザ嗜好ＤＢ１５を更新、
このような場合、番組Ａに対して２回登録を繰り返す（同じキーワードベクトルを登録＝同じキーワードの重みを２重で登録）ことになる。この場合、チャタリングのようなノイズとなりうる。

このような問題に対する方法として、同じ情報に対して複数回の登録が行われないように制御するモジュールを配置する必要がある。図１４はこのような問題に対応した行動検出部１１ｃのブロック図、図１５は行動検出部検出部１１ｃの動作フローチャートである。

行動検出部１１ｃは、情報検出部８１、２重取得確認部８２、取得ＩＤリスト８３、センサ部８４からなり、情報検出部が番組の情報ＩＤを取得すると（ステップＳ３１）、２重取得確認部８２では、情報検出部８１からの情報ＩＤを受け取り、その時の時間と取得したＩＤを対にして設定された時間保持する。設定される時間は情報の種類（視聴／購買／広告取得／etc…）によって変えることもできる。

そして再度情報検出部８１から情報入力があると、二重取得確認部８２は取得ＩＤリスト８３に同じ情報ＩＤが存在しないかを確認する（ステップＳ３２）。そして、入力された情報ＩＤが既に登録されている場合は二重取得であるとして無視する（ステップＳ３２；Ｙｅｓ）。情報ＩＤが無ければ（ステップＳ３２；Ｎｏ）、取得ＩＤリストに新たな情報ＩＤを登録する（ステップＳ３３）。次に、センサ部８４は、ユーザの操作を検出する（ステップＳ３４）。
これにより同じ情報源に対して複数回の登録がなされるという事態を回避することができる。

ところで、上記では、行動検出部１１ｃに対して二重取得確認部８２を追加しているが、これは行動検出部１１ｃ以外の場所、例えば、情報取得部内でＤＢ登録部１４の手前に配置することでも同様の効果を得られることを追記しておく。

次に、この嗜好情報収集システムの動作について説明する。図１６は、実施例３の嗜好情報収集システムの動作処理を示すフローチャートである。
上記の行動検出部１１ｃが情報ＩＤを取得し（ステップＳ４１）、ある番組に対するユーザの行為を取得すると（ステップＳ４２）、情報取得部１２、評価取得部１３に対してトリガを発行する。上述モジュールはトリガを受信すると、詳細情報取得部４３を介して詳細情報ＤＢ５１からユーザの視聴している番組の情報を取得し（ステップＳ４３）、テキスト解析部４４にて、実施例１と同様の処理によりキーワードベクトルを算出する（ステップＳ４４）。上述の詳細情報ＤＢ５１から取得する番組の情報は、少なくとも番組の内容を表すテキスト情報を含むものとする。

同時に行動評価部４５は行動評価ＤＢ５２から現在の行動（視聴）に対する評価値を取得する（ステップＳ４５）。このようにして得られた番組に対するキーワードベクトル及び評価値を対にして、ＤＢ登録部１４を介してユーザ嗜好ＤＢ１５に登録する（ステップＳ４６）。

こうして、実施例１〜３の嗜好情報収集システムは、取得した情報と、その情報に基づくユーザの行動によって、取得情報を評価して重み付けを行ないながら、情報を取得するので、ユーザの嗜好に応じて情報の提供が可能となる。

＜情報推薦システム＞
次に、この嗜好情報に基づいた、情報提供を行なうことができる情報推薦システムについて説明する。

実施例４の情報推薦システムは、実施例１で説明した広告情報に関する情報推薦を行うものである。図１７に、情報推薦システムの一実施例を示すブロック図を示す。
この情報推薦システムは、端末４０内に推薦要求部５６と、表示部２５を備え、サーバ５０内に情報ＤＢ，ユーザ嗜好ＤＢ１５に加え、情報検索部２２を備えるものである。

図１８は、この情報推薦システムの動作処理を示すフローチャートである。
ユーザに推薦を行うべき状態であることを推薦要求部５６が検知すると（ステップＳ５１）、情報検索部２２はユーザ嗜好ＤＢ１５に存在するユーザ嗜好情報（キーワードベクトル：重み付き）を取得し（ステップＳ５２）、このユーザ嗜好情報を用いて、情報ＤＢ５１から検索対象データを検索する（ステップＳ５３）。
ここで推薦要求部５６は、ユーザの推薦要求を受け付ける操作部であり、ユーザが所望のタイミングでシステムに対して推薦を行うようトリガを与えることができる。
また、推薦要求部５６はユーザを観察するシステムであっても本システムは機能する。この場合、推薦要求部５６は内部にユーザを観察する仕組み、およびユーザの状況を推測するアルゴリズムを内包することになる。

例えば、家庭内ハードディスクレコーダに蓄積されたコンテンツを検索の対象とする場合を考える。例えば地上デジタル放送など、映像情報にＥＰＧや字幕情報などのテキスト情報が付随するコンテンツの場合であれば、取得したテキストをユーザ嗜好情報を生成したときと同様の手法により、映像ごとのキーワードベクトルを生成し、このようにして生成されたキーワードベクトルと映像を対にして情報ＤＢ５１に保持する。

情報検索部２２では上記のように生成されたキーワードベクトルと、ユーザの嗜好を表すユーザ特徴ベクトルとの類似度を計算し、検索対象内でユーザに適切な情報のリストを生成する。なお、類似度の計算には内積をとる方法、余弦をとる方法、Dice係数やJaccard係数などを利用して計算する。算出されたリストは類似度という値を持っているため、順位付けがなされている。

このようにして得られた情報の推薦リストを元に表示部２４にて合成、ユーザに対して提示する（ステップＳ５４）。テレビ視聴中であれば、例えば図１９のような表示例９１が考えられる。すなわち、映像あるいは静止画のサムネイル９２とその横に記載される簡単な内容説明文９３のリストを表示する。また、図２０のような他画面のサムネイル９６のリスト表示９５の場合に利用することもできる。

こうして、ユーザ嗜好ＤＢ１５のデータにしたがって、ユーザの嗜好順に表示が可能であり、ユーザにとっては、より適切な情報を無駄な検索操作をすることなしに、素早くえられるという利点がある。
なお、このような表示は携帯端末などにも利用できるのはいうまでもないし、ＰＣで映像を閲覧中であっても問題ない。

以上、視聴する映像に関する推薦についての説明を行ってきたが、これは映像に関する推薦に限定しているわけではないことを付け加えておく。つまり推薦対象となる情報に、その情報を意味するテキスト情報が付随している情報であれば、同様の手法により推薦が行われることは容易に理解できる。例えば情報ＤＢ５１をインターネット全体と考えた場合に推薦されるのは、ホームページやサイトなどとなる。また、推薦する内容が外出時のサービスや近くにある店舗の情報、商品であっても推薦を行うことができる。
つまり、文書情報はもとより、その情報に関連するテキストが取得できる場合は本特許に開示の技術を利用することができる。

嗜好情報収集システムを示す概念図である。 ユーザ嗜好ＤＢを用いた情報推薦システムの一例を示すブロック図である。 ユーザ嗜好ＤＢを用いた情報推薦システムの他の例を示すブロック図である。 嗜好情報収集システムを示すブロック図である。 実施例１における行動検出部を示すブロック図である。 実施例１の嗜好情報収集システムの動作を示すフローチャートである。 詳細情報ＤＢに保持されている広告情報の例を示す図である。 ルールテーブルに保持される情報の例を示す図である。 ユーザ嗜好ＤＢに蓄積されるデータテーブルを示す図である。 ユーザ嗜好ＤＢに蓄積されるデータテーブルに基づいて作成されるテーブルを示す図である。 ２文書からキーワード毎の重みを計算する例を示す図である。 実施例２の嗜好情報収集システムの動作処理を示すフローチャートである。 行動検出部分を示すブロック図である。 実施例３の行動検出部を示すブロック図である。 実施例３の行動検出部の動作を示すフローチャートである。 実施例３の嗜好情報収集システムの動作処理を示すフローチャートである。 情報推薦システムの一実施例を示すブロック図である。 この情報推薦システムが動作処理を示すフローチャートである。 ユーザ嗜好情報に基づく番組リスト表示例である。 ユーザ嗜好情報に基づく番組リスト表示の他の例である。

符号の説明

１０ 嗜好情報収集システム
１１ 行動検出部
１２ 情報取得部
１３ 評価取得部
１４ ＤＢ登録部
１５ ユーザ嗜好ＤＢ
２０ 情報推薦システム
２１ 検索語入力部
２２ 情報検索部
２３ 情報フィルタ部
２４ 表示部
３０ 情報推薦システム
３１ 情報検索部
３２ 表示部
４０ 端末
４１ 情報検出部
４２ センサ部
４３ 詳細情報取得部
４４ テキスト解析部
４５ 行動評価部
４６ 行動評価部
５０ サーバ
５６ 推薦要求部
６１，６２，６３ 行動テーブル
６４ データテーブル
６５ テーブル構造
７５ サーバ
８１ 情報検出部
８２ 二重取得確認部
８３ リスト
８４ センサ部
９１，９５ 表示例
９２，９６ サムネイル
９３ サムネイルの説明文

Claims (11)

1. 取得情報に基づくユーザの行動を検出する行動検出部と、
   前記行動の対象となった情報の詳細情報を取得してキーワード抽出を行なう情報取得部と、
   前記行動から情報に対する評価を行なう評価取得部と、
   前記抽出キーワードと評価を対応づけて登録するデータベース部と、
   を備える嗜好情報収集システム。
2. 前記行動検出部は、情報表示に対応したユーザの操作行動を検出することを特徴とする請求項１記載の嗜好情報収集システム。
3. 前記行動検出部は、商品購入に伴う店舗内端末からの通信情報から検出することを特徴とする請求項１記載の嗜好情報収集システム。
4. 前記行動検出部は、１番組に対する一定時間以上のテレビ視聴を行動として検出することを特徴とする請求項１記載の嗜好情報収集システム。
5. 前記行動検出部は、テレビ方向への顔向け時間をテレビ視聴時間として検出することを特徴とする請求項４記載の嗜好情報収集システム。
6. 前記行動検出部は、ユーザの行動を誘発した情報が、情報の種類ごとに定められた任意の時間以内に再び検出された場合は無効とすることを特徴とする請求項１記載の嗜好情報収集システム。
7. 前記情報取得部は、広告を特定する情報を元にデータベースから、少なくともテキスト情報を含む詳細情報を取得することを特徴とする請求項１記載の嗜好情報収集システム。
8. 前記情報取得部は、商品を特定する情報を元にデータベースから、少なくともテキスト情報を含む詳細情報を取得することを特徴とする請求項１記載の嗜好情報収集システム。
9. 情報取得部は、映像を特定する情報を元にデータベースから、少なくともテキスト情報を含む詳細情報を取得することを特徴とする請求項１記載の嗜好情報収集システム。
10. 前記評価取得部は、ユーザの行動を誘発した情報に対して定められたテーブルを参照し、そこからユーザの行動をクエリとして評価値を取得することを特徴とする請求項１記載の嗜好情報収集システム。
11. 請求項１乃至１０のいずれかの嗜好情報収集システムの嗜好情報を基に、少なくとも映像コンテンツを対象とした情報推薦を行うことを特徴とする情報推薦システム。

Images