JP2008225659A

JP2008225659A - 情報処理装置、情報処理方法、およびプログラム

Info

Publication number: JP2008225659A
Application number: JP2007060431A
Authority: JP
Inventors: Hiroyuki Koike; 宏幸小池
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2007-03-09
Filing date: 2007-03-09
Publication date: 2008-09-25
Anticipated expiration: 2027-03-09
Also published as: JP5018148B2

Abstract

【課題】コンテンツを推薦理由とともに推薦する場合において、ユーザにより分かりやすい推薦理由を提示することができるようにする。
【解決手段】推薦コンテンツ決定部１２は、コンテンツDB１１から推薦コンテンツを決定し、比較コンテンツ群取得部１３に供給する。比較コンテンツ群取得部１３は、推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツをコンテンツDB１１から取得する。差異アイテム検出部１４は、比較コンテンツと比較して差のある推薦コンテンツのアイテムである差異アイテムを検出する。提示部１５は、差異アイテムを推薦コンテンツの推薦理由として提示する。本発明は、例えば、コンテンツを推薦する処理を行う情報処理装置に適用できる。
【選択図】図１

Description

本発明は、情報処理装置、情報処理方法、およびプログラムに関し、特に、コンテンツを推薦理由とともに推薦する場合において、ユーザにより分かりやすい推薦理由を提示することができるようにする情報処理装置、情報処理方法、およびプログラムに関する。

テレビジョン放送の番組、映画、楽曲などのコンテンツを、ユーザの嗜好に基づいて、検索して推薦する機能（コンテンツ推薦機能）を備える装置がある。例えば、この機能を備え、テレビジョン放送の番組を記録および再生する記録再生装置では、ユーザの嗜好情報に基づいて、ユーザが好きと思われる番組を、記録する番組の候補として提示するものがある。

コンテンツ推薦機能には、協調フィルタリング(CF)と称する方式やコンテントベーストフィルタリング(CBF)と称される方式が広く使われている（例えば、特許文献１参照）。

CF方式は、各ユーザの購入履歴を管理し、コンテンツを推薦しようとするユーザPに対し、購入履歴が似ている他のユーザQを検出して、その他のユーザQが購入しており、かつ、ユーザPが購入していないコンテンツを推薦するようにしたものであり、例えば、インターネット上の通信販売サイトにおいて採用されている。

CBF方式は、ユーザの嗜好を表す特徴ベクトルと、推薦候補となる各コンテンツの特徴ベクトルとの類似度（コサイン距離など）を算出し、算出された類似度の大きいコンテンツがユーザの嗜好に合致したものとして推薦されるものである。

また近年では、コンテンツを推薦するにあたり、コンテンツを推薦する推薦理由も合わせて提示するものも提案されている（例えば、特許文献２参照）。

特開２００４−１９４１０７号公報特開２００６−１９０１２７号公報

しかしながら、従来、推薦理由を提示する場合において、推薦されたコンテンツが、どういう点がよいのかが分かりにくいということがあった。

本発明は、このような状況に鑑みてなされたものであり、コンテンツを推薦理由とともに推薦する場合において、ユーザにより分かりやすい推薦理由を提示することができるようにするものである。

本発明の一側面の情報処理装置は、推薦するコンテンツである推薦コンテンツを推薦理由とともにユーザに提示する情報処理装置において、前記推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツを取得する比較コンテンツ取得手段と、前記コンテンツの特徴をアイテムとして表し、前記比較コンテンツと比較して差のある前記推薦コンテンツの前記アイテムを差異アイテムとして検出する差異アイテム検出手段と、前記差異アイテム検出手段により検出された前記差異アイテムを、前記推薦コンテンツの推薦理由として提示する提示手段とを備える。

前記比較コンテンツ取得手段には、前記推薦コンテンツとの比較の度合いを表す比較コンテンツ度に基づいて、複数の前記比較コンテンツを取得させ、前記差異アイテム検出手段には、複数の前記比較コンテンツのうち、前記比較コンテンツ度の高い前記比較コンテンツから順に、前記差異アイテムを検出させることができる。

前記比較コンテンツ度は、前記推薦コンテンツと前記比較コンテンツとの類似度であり、前記比較コンテンツ取得手段には、前記ユーザが好きとみなしたコンテンツであって、前記比較コンテンツ度の高いコンテンツを、前記比較コンテンツとして取得させることができる。

前記比較コンテンツ度は、現在時刻からの時間的近さであり、前記比較コンテンツ取得手段には、前記ユーザが好きとみなしたコンテンツであって、前記比較コンテンツ度の高いコンテンツを、前記比較コンテンツとして取得させることができる。

前記比較コンテンツ度は、前記比較コンテンツを前記ユーザが利用した時刻に応じた値であり、前記比較コンテンツ取得手段には、前記比較コンテンツ度の高いコンテンツを、前記比較コンテンツとして取得させることができる。

前記差異アイテム検出手段には、前記比較コンテンツと前記推薦コンテンツとで前記アイテムの値の差が最大のアイテムを、前記差異アイテムとして検出させることができる。

前記差異アイテム検出手段には、前記比較コンテンツと前記推薦コンテンツとで前記アイテムの値に差があって、前記推薦コンテンツの前記アイテムの値が最大のアイテムを、前記差異アイテムとして検出させることができる。

前記ユーザが興味を持っているアイテムが登録されており、前記差異アイテム検出手段には、前記ユーザが興味を持っているアイテムのなかから、前記差異アイテムを検出させることができる。

本発明の一側面の情報処理方法は、推薦するコンテンツである推薦コンテンツを推薦理由とともにユーザに提示する処理を行う情報処理方法において、前記推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツを取得し、前記コンテンツの特徴をアイテムとして表し、前記比較コンテンツと比較して差のある前記推薦コンテンツの前記アイテムを差異アイテムとして検出し、検出された前記差異アイテムを、前記推薦コンテンツの推薦理由として提示するステップを含む。

本発明の一側面のプログラムは、推薦するコンテンツである推薦コンテンツを推薦理由とともにユーザに提示する処理を、コンピュータに実行させるプログラムにおいて、前記推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツを取得し、前記コンテンツの特徴をアイテムとして表し、前記比較コンテンツと比較して差のある前記推薦コンテンツの前記アイテムを差異アイテムとして検出し、検出された前記差異アイテムを、前記推薦コンテンツの推薦理由として提示するステップを含む。

本発明の一側面においては、推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツが取得されるとともに、コンテンツの特徴がアイテムとして表され、比較コンテンツと比較して差のある推薦コンテンツのアイテムが差異アイテムとして検出され、推薦コンテンツの推薦理由として提示される。

本発明の一側面によれば、コンテンツを推薦理由とともに提示することができる。

また、本発明の一側面によれば、ユーザにより分かりやすい推薦理由を提示することができる。

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、明細書又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、明細書又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、明細書又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。

本発明の一側面の情報処理装置（例えば、図１の情報処理装置１）は、推薦するコンテンツである推薦コンテンツを推薦理由とともにユーザに提示する情報処理装置において、前記推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツを取得する比較コンテンツ取得手段（例えば、図１の比較コンテンツ群取得部１３）と、前記コンテンツの特徴をアイテムとして表し、前記比較コンテンツと比較して差のある前記推薦コンテンツの前記アイテムを差異アイテムとして検出する差異アイテム検出手段（例えば、図１差異アイテム検出部１４）と、前記差異アイテム検出手段により検出された前記差異アイテムを、前記推薦コンテンツの推薦理由として提示する提示手段（例えば、図１の提示部１５）とを備える。

本発明の一側面の情報処理方法は、推薦するコンテンツである推薦コンテンツを推薦理由とともにユーザに提示する処理を行う情報処理方法において、前記推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツを取得し（例えば、図４のステップＳ１５）、前記コンテンツの特徴をアイテムとして表し、前記比較コンテンツと比較して差のある前記推薦コンテンツの前記アイテムを差異アイテムとして検出し（例えば、図４のステップＳ１８）、検出された前記差異アイテムを、前記推薦コンテンツの推薦理由として提示する（例えば、図４のステップＳ２１）ステップを含む。

以下、図を参照して、本発明の実施の形態について説明する。

図１は、本発明を適用した情報処理装置の一実施の形態の構成例を示すブロック図である。

図１の情報処理装置１は、コンテンツDB(Data base)１１、推薦コンテンツ決定部１２、比較コンテンツ群取得部１３、差異アイテム検出部１４、および提示部１５により構成され、ユーザに推薦するコンテンツを決定する推薦コンテンツ決定処理を行う。また、情報処理装置１は、推薦コンテンツ決定処理によって決定されたコンテンツ（以下、推薦コンテンツと称する）の推薦理由を決定し、推薦コンテンツとともに提示する推薦理由提示処理も行う。

なお、以下では、コンテンツとして、テレビジョン放送の番組を例として説明するが、情報処理装置１が行う推薦コンテンツ決定処理および推薦理由提示処理は、テレビジョン放送の番組以外のコンテンツ、例えば、楽曲、画像、映画などにも適用することが可能である。即ち、本実施の形態のコンテンツは、テレビジョン放送の番組に限定されない。

コンテンツDB１１には、コンテンツとしての番組のデータと、番組の放送時刻、ユーザが視聴した番組である場合にはユーザがその番組を視聴した日時などの、番組に関するデータ（番組メタデータ）が記憶されている。

また、コンテンツDB１１には、そこに記憶されている多数のコンテンツ（番組）のそれぞれについて、コンテンツの特徴をベクトル化して表したコンテンツ特徴ベクトルも記憶されている。

推薦コンテンツ決定部１２は、推薦コンテンツ決定処理を実行することにより、推薦コンテンツを決定する。推薦コンテンツ決定処理における推薦コンテンツを決定する方式は特に限定されず、上述したCF方式やCBF方式のほか、初期興味登録方式、または、視聴履歴利用方式などを採用することができる。

初期興味登録方式では、利用開始時に、例えば、好きな番組カテゴリー（例えば、ドラマ、バラエティ、など）、好きなジャンル（推理もの、お笑いもの、など）、または、好きなタレント名などをユーザに登録してもらい、これらの情報をキーワードとして、番組メタデータとの間でマッチングを取ることにより、推薦コンテンツが決定されるようになされている。

また、視聴履歴利用方式では、ユーザが番組を視聴するたびに、視聴された番組メタデータが履歴メタデータとして蓄積され、ある程度、履歴メタデータが蓄積されると、その履歴メタデータが解析されて、例えば、好きな番組カテゴリー、好きなジャンル、または、好きなタレント名などの情報が取得される。そして、これらの情報をキーワードとして、番組メタデータとの間でマッチングを取ることにより、推薦コンテンツが決定されるようになされている。

推薦コンテンツ決定部１２は、コンテンツDB１１に記憶されている多数のコンテンツのなかから、所定数（例えば、１０個）の推薦コンテンツを決定し、比較コンテンツ群取得部１３に供給する。

比較コンテンツ群取得部１３は、推薦コンテンツ決定部１２から供給される推薦コンテンツのそれぞれに対して、推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツを、コンテンツDB１１から複数決定し、取得する。この複数の比較コンテンツの集まりを比較コンテンツ群とも称する。

比較コンテンツ群取得部１３は、比較コンテンツ群を、次のようにして決定する。

比較コンテンツ群取得部１３は、最初に、コンテンツDB１１のコンテンツのなかから、ユーザが「好き」とみなしたコンテンツ（以下、適宜、お気に入りコンテンツとも称する）を取得する。お気に入りコンテンツは、例えば、ユーザが録画および視聴したコンテンツ、ユーザが購入して得たコンテンツ、ユーザが何度も視聴したコンテンツ、または、ユーザが最後まで視聴したコンテンツなどとすることができる。

次に、比較コンテンツ群取得部１３は、取得されたお気に入りコンテンツと、推薦コンテンツとの比較の度合いを表す比較コンテンツ度を計算し、比較コンテンツ度が所定の閾値以上のお気に入りコンテンツを比較コンテンツとする。

ここで、比較コンテンツ群取得部１３は、比較コンテンツ度をコンテンツ特徴ベクトルの類似度により計算する。ベクトルどうしの類似度は、例えば、コサイン距離、内積、または、ユークリッド距離などを採用することができる。従って、この場合、推薦コンテンツと内容が似たお気に入りコンテンツの比較コンテンツ度が高くなる。比較コンテンツ群取得部１３によって取得された比較コンテンツ群は、差異アイテム検出部１４に供給される。

差異アイテム検出部１４は、比較コンテンツ群取得部１３から供給される比較コンテンツのそれぞれに対して、推薦コンテンツとの差異となるアイテムである差異アイテムを検出する。ここで、アイテムとは、コンテンツの各特徴のことであり、コンテンツ特徴ベクトルを構成する各要素（成分）に対応する。従って、差異アイテムの検出は、換言すれば、推薦コンテンツが比較コンテンツと比較して差のある特徴を検出することであると言うことができる。

差異アイテム検出部１４は、比較コンテンツ群の、比較コンテンツ度の高い比較コンテンツから順に差異アイテムの検出を行い、差異アイテムを有する比較コンテンツが検出された時点で、それ以降の比較コンテンツについての差異アイテムの検出を中止する。そして、差異アイテム検出部１４は、差異アイテムが検出された比較コンテンツを、推薦コンテンツをユーザに提示するときに推薦理由を説明するためのコンテンツ（以下、推薦理由提示コンテンツと称する）として決定する。

推薦コンテンツ、推薦提示理由コンテンツ、および差異アイテムについての情報は、提示部１５に供給される。

提示部１５は、推薦コンテンツ、推薦提示理由コンテンツ、および差異アイテムについての情報に基づいて、推薦提示理由コンテンツと差異アイテムを推薦理由に用いて、推薦コンテンツをユーザに提示する。

例えば、提示部１５は、「推薦コンテンツＡ」を推薦するとした場合、「推薦コンテンツＡは、あなたが視聴したコンテンツＢよりＣの点が優れています」という推薦理由を提示する。この推薦理由においては、「コンテンツＢ」が推薦提示理由コンテンツであり、「Ｃ」が差異アイテムである。

なお、提示部１５にける提示とは、ディスプレイなどに文字（文章）として表示するものの他、推薦コンテンツおよび推薦理由をデータとして他の装置に送信するものも含む。

次に、図２を参照して、コンテンツ特徴ベクトルについて説明する。

コンテンツ特徴ベクトルは、図２に示されるように、人物「Ｘ」、人物「Ｙ」、ジャンル「野球」、およびジャンル「ドラマ」のアイテム（要素）により構成されており、アイテムの値（アイテム値）が、アイテム（特徴）の度合いを表す。なお、人物「Ｘ」および人物「Ｙ」のアイテムに共通する「人物」、および、ジャンル「野球」およびジャンル「ドラマ」のアイテムに共通する「ジャンル」を属性と称する。

推薦コンテンツ決定部１２によってコンテンツDB１１から推薦コンテンツとして決定されたコンテンツＡ（以下、推薦コンテンツＡと称する）は、人物「Ｘ」、人物「Ｙ」、ジャンル「野球」、およびジャンル「ドラマ」のアイテムについて、それぞれ、「０．８」、「０．３」、「０．９」、および「０．５」のアイテム値を有している。

また、比較コンテンツ群取得部１３によってコンテンツDB１１から比較コンテンツとして決定されたコンテンツＢ（以下、比較コンテンツＢと称する）は、人物「Ｘ」、人物「Ｙ」、ジャンル「野球」、およびジャンル「ドラマ」のアイテムについて、それぞれ、「０．２」、「０．５」、「０．７」、および「０．５」のアイテム値を有している。

そして、この推薦コンテンツＡと比較コンテンツＢにおける、差異アイテムの検出について、図３を参照して説明する。

差異アイテム検出部１４による差異アイテムの検出では、推薦コンテンツと比較コンテンツの同一アイテムのアイテム値の差（差分）で検出する場合と、推薦コンテンツのアイテム値そのもので検出する場合の２通りがある。

同一アイテムのアイテム値の差で検出する場合と推薦コンテンツのアイテム値そのもので検出する場合のいずれも、最初に、差異アイテム検出部１４は、推薦コンテンツと比較コンテンツの同一アイテムどうしで、推薦コンテンツのアイテム値が比較コンテンツよりも大きいアイテムを検出する。図３の例では、推薦コンテンツＡが「０．８」で比較コンテンツＢが「０．２」であり、推薦コンテンツＡが“０．６”だけ大きいアイテムである人物「Ｘ」と、推薦コンテンツＡが「０．９」で比較コンテンツＢが「０．７」であり、推薦コンテンツＡが“０．２”だけ大きいアイテムであるジャンル「野球」が検出される。

そして、アイテム値の差で検出する場合には、推薦コンテンツのアイテム値が比較コンテンツよりも大きいアイテムのなかから、同一アイテムのアイテム値の差が大きいアイテムが差異アイテムに決定される。図３の例では、人物「Ｘ」のアイテム値の差は“０．６”であり、ジャンル「野球」のアイテム値の差は“０．２”であるので、人物「Ｘ」が差異アイテムに決定される。

一方、推薦コンテンツのアイテム値で検出する場合には、推薦コンテンツのアイテム値が比較コンテンツよりも大きいアイテムのなかから、推薦コンテンツのアイテム値が大きいアイテムが差異アイテムに決定される。図３の例では、人物「Ｘ」のアイテム値は“０．８”であり、ジャンル「野球」のアイテム値は“０．９”であるので、ジャンル「野球」が差異アイテムに決定される。

なお、推薦コンテンツのアイテム値が比較コンテンツのそれよりも大きいアイテムが３以上検出された場合には、同一アイテムどうしのアイテム値の差が最大のアイテム、または、推薦コンテンツのアイテム値が最大のアイテムが、差異アイテムに決定される。

次に、図４のフローチャートを参照して、情報処理装置１による推薦理由提示処理について説明する。

初めに、ステップＳ１１において、推薦コンテンツ決定部１２から、推薦コンテンツ決定処理によって決定された所定数の推薦コンテンツが供給され、比較コンテンツ群取得部１３は、その推薦コンテンツを取得する。

ステップＳ１２において、比較コンテンツ群取得部１３は、推薦コンテンツ決定部１２から供給された所定数の推薦コンテンツのうち、未処理の推薦コンテンツがあるか、即ち、比較コンテンツ群を決定していない推薦コンテンツがあるかを判定する。

ステップＳ１２で、未処理の推薦コンテンツがあると判定された場合、処理はステップＳ１３に進み、比較コンテンツ群取得部１３は、未処理の推薦コンテンツのなかから１つの推薦コンテンツを選択する。ここで、選択された推薦コンテンツに対して、以下のステップＳ１４乃至Ｓ２０の処理が実行される。従って、例えば、１０個の推薦コンテンツが推薦コンテンツ決定部１２から比較コンテンツ群取得部１３に供給された場合には、ステップＳ１３乃至Ｓ２０の一連の処理が１０回繰り返されることになる。

ステップＳ１４において、比較コンテンツ群取得部１３は、ユーザが「好き」とみなしたコンテンツ（お気に入りコンテンツ）を取得し、ステップＳ１５において、取得されたお気に入りコンテンツと、推薦コンテンツとの比較コンテンツ度を計算する。そして、比較コンテンツ度が所定の閾値以上の比較コンテンツの集まりが比較コンテンツ群とされ、比較コンテンツ群取得部１３から差異アイテム検出部１４に供給される。

ステップＳ１６において、差異アイテム検出部１４は、比較コンテンツ群のなかで、未処理の比較コンテンツがあるか、即ち、差異アイテムを検出していない比較コンテンツがあるかを判定する。

ステップＳ１６で、未処理の比較コンテンツがあると判定された場合、処理はステップＳ１７に進み、差異アイテム検出部１４は、未処理の比較コンテンツのなかから、比較コンテンツ度の最も高い比較コンテンツを選択する。

ステップＳ１８において、差異アイテム検出部１４は、選択された比較コンテンツと差異となる推薦コンテンツのアイテムである差異アイテムを検出する。これにより、図３を参照して説明した例では、アイテム値の差で検出する場合には人物「Ｘ」が検出され、推薦コンテンツのアイテム値で検出する場合にはジャンル「野球」が検出される。なお、推薦コンテンツに、比較コンテンツよりも大きいアイテム値がない場合には、差異アイテムは検出されないことになる。

ステップＳ１９において、差異アイテム検出部１４は、差異アイテムが検出されたか否かを判定する。ステップＳ１９で、差異アイテムが検出されなかったと判定された場合、処理はステップＳ１６に戻る。これにより、戻ったステップＳ１６において未処理の比較コンテンツがあると判定された場合には、ステップＳ１７乃至Ｓ１９の処理が実行され、未処理の比較コンテンツのうちの次に比較コンテンツ度の高い比較コンテンツについて差異アイテムを検出する処理が実行される。

一方、戻ったステップＳ１６において未処理の比較コンテンツがないと判定された場合、即ち、比較コンテンツ群の全ての比較コンテンツについて差異アイテムが検出されなかった場合、処理はステップＳ１２に戻る。但し、通常は、比較コンテンツ群の全ての比較コンテンツについて差異アイテムが検出されないということはない。

一方、ステップＳ１９で、差異アイテムが検出されたと判定された場合、処理はステップＳ２０に進み、差異アイテム検出部１４は、差異アイテムが検出された比較コンテンツを、推薦理由提示コンテンツとして決定し、推薦コンテンツ、推薦提示理由コンテンツ、および差異アイテムについての情報を、差異アイテム検出部１４に供給する。ステップＳ２０の処理後、処理はステップＳ１２に戻る。

推薦コンテンツ決定部１２で決定された推薦コンテンツの全てについて上述したステップＳ１３乃至Ｓ２０の処理が実行され、ステップＳ１２で、未処理の推薦コンテンツがないと判定された場合、処理はステップＳ２１に進み、提示部１５は、推薦コンテンツを、推薦理由とともにユーザに提示して、処理を終了する。

以上のように、情報処理装置１の推薦理由提示処理によれば、ユーザが録画および視聴したコンテンツ、ユーザが購入して得たコンテンツ、ユーザが何度も視聴したコンテンツ、または、ユーザが最後まで視聴したコンテンツなどの、ユーザが「好き」とみなしたコンテンツと比較した差を、推薦コンテンツの推薦理由として提示するので、ユーザにより分かりやすい推薦理由を提示することができる。換言すれば、ユーザが「好き」とみなしたコンテンツはユーザの経験済みのコンテンツであるので、提示される推薦理由がユーザにとって理解し易いものとなる。

なお、ステップＳ１８の差異アイテムの検出において、すべてのアイテムについて一律にアイテム値を比較するのではなく、ユーザが興味を持っているアイテムを予め登録しておき、そのユーザが興味を持っているアイテムのなかだけで、差異アイテムを検出するようにしてもよい。

例えば、いま、図５において斜線が付されている人物「Ｘ」およびジャンル「ドラマ」が、ユーザが興味を持っているアイテムとして登録されているとして、推薦コンテンツのアイテム値によって差異アイテムを検出する場合、推薦コンテンツのアイテム値が比較コンテンツよりも大きいアイテムの検出では、上述したように人物「Ｘ」とジャンル「野球」が検出されるが、“０．９”のアイテム値を有するジャンル「野球」は、ユーザが興味を持っているアイテムではないため、“０．８”のアイテム値を有する人物「Ｘ」が差異アイテムとして、差異アイテム検出部１４により検出されることになる。

なお、アイテム値の差によって差異アイテムを検出する場合には、図３を参照して説明した場合と同様の人物「Ｘ」が、ユーザが興味を持っているアイテムに含まれるので、そのまま、差異アイテムとして検出される。

以上のように、ユーザが興味を持っているアイテムに絞って、差異アイテムを検出することにより、ユーザが惹かれやすいアイテムを重点的に説明することが可能となる。

次に、比較コンテンツ群のその他の求め方について説明する。

上述した例では、ユーザが「好き」とみなしたコンテンツで、推薦コンテンツと内容の似ているコンテンツを比較コンテンツ群として求めたが、その他、例えば、ユーザが最近「好き」とみなしたコンテンツを比較コンテンツ群として求めることもできる。この場合、比較コンテンツ度としては、現在時刻からの時間的近さを採用する。即ち、コンテンツDB１１のコンテンツのなかから、お気に入りコンテンツが取得され、取得されたお気に入りコンテンツのなかで現在時刻に近いものほど、比較コンテンツ度が高く設定される。そして、比較コンテンツ度が所定の閾値以上のお気に入りコンテンツが比較コンテンツとして決定、取得される。

また、その他の比較コンテンツ群の求め方として、ユーザが「好き」か「嫌い」かに関わらず、ユーザがコンテンツを利用（視聴）した時刻に応じて、比較コンテンツ群を決定することも可能である。この場合、比較コンテンツ度は、一定の定数となる。例えば、昨日視聴したコンテンツには比較コンテンツ度“１”が、それ以外のコンテンツには比較コンテンツ度“０”が割り当てられるとすれば、ユーザが最近視聴したコンテンツを比較コンテンツ群として求めることができる。

次に、情報処理装置１のその他の実施の形態について説明する。

図６は、情報処理装置１のその他の実施の形態の構成例を示すブロック図である。

なお、図６において、図１と対応する部分については同一の符号を付してあり、その説明は適宜省略する。

即ち、図６においては、推薦コンテンツ１２、比較コンテンツ群取得部１３、差異アイテム検出部１４、および提示部１５を有する点において図１の情報処理装置１と共通し、コンテンツDB１１に代えて、外部DB２１および視聴履歴DB２２を有する点が、図１の情報処理装置１と相違する。

外部DB２１は、インターネットなどのネットワークと通信する通信部、または、ドライブに装着された光ディスク、半導体メモリなどのリムーバブルメディア（いずれも図示せず）を介して、外部の装置から取得された、ユーザがまだ視聴していないコンテンツを記憶する。

一方、視聴履歴DB２２は、ユーザが過去に視聴したコンテンツを記憶する。

なお、外部DB２１および視聴履歴DB２２には、そこに記憶されているコンテンツのメタデータ（番組メタデータ）およびコンテンツ特徴ベクトルも記憶されている。

推薦コンテンツ決定部１２は、外部DB２１に記憶されている多数のコンテンツの中から推薦コンテンツを決定し、比較コンテンツ群取得部１３に供給する。

比較コンテンツ群取得部１３は、推薦コンテンツ決定部１２から供給される推薦コンテンツのそれぞれに対して、比較コンテンツを、視聴履歴DB２２から複数決定し、取得する。

図６の情報処理装置１による推薦理由提示処理は、コンテンツDB１１の代わりに、外部DB２１または視聴履歴２２からコンテンツを決定する以外は、図４を参照して説明した推薦理由提示処理と同様であるので、その説明は省略する。

なお、外部DB２１および視聴履歴DB２２の両方、または、そのいずれか一方を、外部の装置に配置し、その外部の装置から、通信部またはリムーバブルメディアを介して、推薦コンテンツまたは比較コンテンツ群を決定するようにしてもよい。

上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、専用のハードウエアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、プログラム記録媒体からインストールされる。

図７は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。

コンピュータにおいて、CPU（Central Processing Unit）１０１，ROM（Read Only Memory）１０２，RAM（Random Access Memory）１０３は、バス１０４により相互に接続されている。

バス１０４には、さらに、入出力インタフェース１０５が接続されている。入出力インタフェース１０５には、キーボード、マウス、マイクロホンなどよりなる入力部１０６、ディスプレイ、スピーカなどよりなる出力部１０７、ハードディスクや不揮発性のメモリなどよりなる記憶部１０８、ネットワークインタフェースなどよりなる通信部１０９、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を駆動するドライブ１１０が接続されている。

以上のように構成されるコンピュータでは、CPU１０１が、例えば、記憶部１０８に記憶されているプログラムを、入出力インタフェース１０５及びバス１０４を介して、RAM１０３にロードして実行することにより、上述した一連の処理が行われる。

コンピュータ（CPU１０１）が実行するプログラムは、例えば、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 Disc-Read Only Memory),DVD(Digital Versatile Disc)等）、光磁気ディスク、もしくは半導体メモリなどよりなるパッケージメディアであるリムーバブルメディア１２１に記録して、あるいは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供される。

そして、プログラムは、リムーバブルメディア１２１をドライブ１１０に装着することにより、入出力インタフェース１０５を介して、記憶部１０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部１０９で受信し、記憶部１０８にインストールすることができる。その他、プログラムは、ROM１０２や記憶部１０８に、あらかじめインストールしておくことができる。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

上述した例では、差異アイテムを検出する場合に、アイテム値が大きいアイテムを差異アイテムの候補として検出するようにしたが、反対に、アイテム値が小さいアイテムを差異アイテムの候補として検出し、次に、差分の大きいまたはアイテム値が最小のアイテムを差異アイテムとするようにしてもよい。

本明細書において、フローチャートに記述されたステップは、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。

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。

本発明を適用した情報処理装置の一実施の形態の構成例を示すブロック図である。コンテンツ特徴ベクトルについて説明する図である。差異アイテムの検出について説明する図である。推薦理由提示処理について説明するフローチャートである。その他の差異アイテムの検出について説明する図である。本発明を適用した情報処理装置のその他の実施の形態の構成例を示すブロック図である。本発明を適用したコンピュータの一実施の形態の構成例を示すブロック図である。

符号の説明

１情報処理装置，１３比較コンテンツ群取得部，１４差異アイテム検出部，１５提示部

Claims

推薦するコンテンツである推薦コンテンツを推薦理由とともにユーザに提示する情報処理装置において、
前記推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツを取得する比較コンテンツ取得手段と、
前記コンテンツの特徴をアイテムとして表し、前記比較コンテンツと比較して差のある前記推薦コンテンツの前記アイテムを差異アイテムとして検出する差異アイテム検出手段と、
前記差異アイテム検出手段により検出された前記差異アイテムを、前記推薦コンテンツの推薦理由として提示する提示手段と
を備える情報処理装置。
前記比較コンテンツ取得手段は、前記推薦コンテンツとの比較の度合いを表す比較コンテンツ度に基づいて、複数の前記比較コンテンツを取得し、
前記差異アイテム検出手段は、複数の前記比較コンテンツのうち、前記比較コンテンツ度の高い前記比較コンテンツから順に、前記差異アイテムを検出する
請求項１に記載の情報処理装置。
前記比較コンテンツ度は、前記推薦コンテンツと前記比較コンテンツとの類似度であり、
前記比較コンテンツ取得手段は、前記ユーザが好きとみなしたコンテンツであって、前記比較コンテンツ度の高いコンテンツを、前記比較コンテンツとして取得する
請求項２に記載の情報処理装置。
前記比較コンテンツ度は、現在時刻からの時間的近さであり、
前記比較コンテンツ取得手段は、前記ユーザが好きとみなしたコンテンツであって、前記比較コンテンツ度の高いコンテンツを、前記比較コンテンツとして取得する
請求項２に記載の情報処理装置。
前記比較コンテンツ度は、前記比較コンテンツを前記ユーザが利用した時刻に応じた値であり、
前記比較コンテンツ取得手段は、前記比較コンテンツ度の高いコンテンツを、前記比較コンテンツとして取得する
請求項２に記載の情報処理装置。
前記差異アイテム検出手段は、前記比較コンテンツと前記推薦コンテンツとで前記アイテムの値の差が最大のアイテムを、前記差異アイテムとして検出する
請求項１に記載の情報処理装置。
前記差異アイテム検出手段は、前記比較コンテンツと前記推薦コンテンツとで前記アイテムの値に差があって、前記推薦コンテンツの前記アイテムの値が最大のアイテムを、前記差異アイテムとして検出する
請求項１に記載の情報処理装置。
前記ユーザが興味を持っているアイテムが登録されており、
前記差異アイテム検出手段は、前記ユーザが興味を持っているアイテムのなかから、前記差異アイテムを検出する
請求項１に記載の情報処理装置。
推薦するコンテンツである推薦コンテンツを推薦理由とともにユーザに提示する処理を行う情報処理方法において、
前記推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツを取得し、
前記コンテンツの特徴をアイテムとして表し、前記比較コンテンツと比較して差のある前記推薦コンテンツの前記アイテムを差異アイテムとして検出し、
検出された前記差異アイテムを、前記推薦コンテンツの推薦理由として提示する
ステップを含む情報処理方法。
推薦するコンテンツである推薦コンテンツを推薦理由とともにユーザに提示する処理を、コンピュータに実行させるプログラムにおいて、
前記推薦コンテンツとの比較の対象となるコンテンツである比較コンテンツを取得し、
前記コンテンツの特徴をアイテムとして表し、前記比較コンテンツと比較して差のある前記推薦コンテンツの前記アイテムを差異アイテムとして検出し、
検出された前記差異アイテムを、前記推薦コンテンツの推薦理由として提示する
ステップを含む処理をコンピュータに実行させるプログラム。