JP2008287693A - 仮想コンテンツのフィルタリング方法 - Google Patents

Abstract

【課題】雑多な情報の中から有益な情報の検出の容易化を図る。
【解決手段】仮想コンテンツのフィルタリング方法は、ユーザに関連するコンテキストデータを含む仮想コンテンツ集合を受信するステップと、仮想コンテンツアイテムを、前記仮想コンテンツ集合からユーザ関連性の特定性レベルを有しコンテキストの１または複数の次元に割り当てるステップと、前記コンテキストの少なくともひとつの次元は２つ以上のユーザ関連性レベルを有し、コンテキストのひとつまたは複数の次元の１または複数の特定性レベルに基づき、前記仮想コンテンツ集合の部分集合を選択するステップと、前記仮想コンテンツの前記部分集合を前記ユーザに対して表示するステップと、を含む。
【選択図】図１０

Description

本発明の実施態様は、演算装置での仮想コンテンツの受信に関する。より詳しくは、本発明の実施例は、演算装置で受信する仮想コンテンツをユーザのコンテキストに従ってフィルタ処理する技術に関する。

携帯機器の能力は、その発売以来、機能と性能の面で劇的な向上を遂げている。

携帯電話には、さまざまな方法で情報を送受信できる機能があるため、「仮想コンテンツ」（つまり、電子的に符号化された触覚、聴覚または視覚的情報）の提供者はすでに、特定の場所や物体に仮想コンテンツを付随させるアイディアを開拓し始めている。言い換えれば、仮想コンテンツの提供者が仮想コンテンツを特定の場所または物体に関連付け、携帯機器がその場所またはその物体の近くにいるユーザにその仮想コンテンツを配信する。

たとえば、Ｂｌｏｃｋｉｅｓ．ｃｏｍは、ユーザがカメラ付電話機を使ってある場所またはアイテムの写真を撮影し、その場所またはアイテムに固有のＩＤ番号のステッカでマークをつけることができるサービスを提供している。マークをつけたユーザはその写真と固有のＩＤ番号をＢｌｏｃｋｉｅｓ．ｃｏｍに電子メールで送信する。すると、Ｂｌｏｃｋｉｅｓ．ｃｏｍはその写真をその場所にリンクさせ、その後同じ場所を歩く他のユーザが自分の電話機でそのＩＤ番号を入力し、写真を見ることができるようにする。

別の例には、「ブックマーク・ハンドオーバー」というコネクト・テクノロジーズ社と情報通信研究機構（ＮＩＣＴ）が共同開発した技術がある。この技術により、ユーザはテレビや雑誌等のメディアから得た情報にブックマークをつけ、この情報を自分の携帯電話からサーバに記憶させる。情報は、場所、時間、環境、状況等のコンテキスト情報と一緒に記憶される。すると、その後の操作において、サーバはブックマークが付けられた情報に関連付けられたコンテキスト情報を各ユーザの現在のコンテキスト情報（そのユーザの居場所等）と比較する。比較の結果、マッチすれば、サーバはブックマークが付けられた情報を、電子メール、ショートメッセージ、画像、音声等の携帯電話の機能を通じてそのユーザに送信する。

上記の例から、物理的な物体と場所に対応する仮想コンテンツを添付し、受信するためのさまざまな技術があることがわかる。残念ながら、仮想コンテンツを物理的な物体や場所に付随させるためのインフラストラクチャが十分に開発されていることを考えても、システムデザイナは依然として、満足できるユーザ体験の提供において大きな課題に直面している。主な課題のひとつは、ある場所を仮想コンテンツとともに容易にポピュレートできるようになると、その場所にはユーザの注意を必要とするはるかに多くの情報が付随する可能性が高まることである。利用可能な情報量が増えると、ユーザは雑多な情報の中で有益な情報を見つけるのがより困難になることに気づく。

本発明の一態様によれば、仮想コンテンツを選択するシステムが提供される。このシステムはまず、コンテキストデータを含む仮想コンテンツ集合を受信または収集する。次に、システムはその仮想コンテンツ集合の中の仮想コンテンツのアイテムをコンテキストのひとつまたは複数の次元（dimension）に割り当て、この各次元にはユーザ関連性の特定性レベルが何段階かあり、コンテキストの次元の少なくともひとつは、２つまたはそれ以上のユーザ関連性レベルを有する。次に、システムは、コンテキストのひとつまたは複数の次元のひとつまたは複数の特定性レベルに基づいて、その仮想コンテンツ集合の中から部分集合を選択し、ユーザに対してこの仮想コンテキストの部分集合を表示する。

ある実施態様において、ユーザ関連性レベルは、（１）ユーザのプロファイル、（２）ユーザのコンテキスト、（３）ユーザの活動、のうちのひとつまたはそれ以上に基づいている。ある実施態様において、ユーザのプロファイルはユーザの経歴と選好を示す。

ある実施態様において、システムはコンテキストのひとつまたは複数の次元を使ってユーザのコンテキストを決定するが、このコンテキストの次元とはたとえば以下のひとつまたはいくつかの組み合わせである。（１）同時性の程度、（２）場所の近さ、（３）環境条件の類似性、（４）近くにいる、あるいはユーザのソーシャルネットワークの中にいる人に関する計算された推論との関連性、（５）ユーザが選択または遭遇したものにより示されるテキストとの類似性、（６）ユーザから受け取った入力に基づいて収集された情報から推論される少なくともひとつのコンテキストとの類似性、または（７）感知または推論可能なその他の情報。

ある実施態様において、システムはユーザの活動を判断するが、この活動は以下のいずれかまたはいくつかの組み合わせによって判断される。（１）ユーザから受け取った入力による定義、（２）ユーザから受け取った入力からの推論、または（３）ユーザのコンテキストおよび挙動からの推論。

ある実施態様において、仮想コンテンツ集合からの仮想コンテンツのアイテムをコンテキストのひとつまたは複数の次元に割り当てるステップは、仮想コンテンツから情報を抽出するステップと、抽出された情報をユーザのプロファイル、ユーザのコンテキストまたはユーザの活動のうちの少なくともひとつと計算によってマッチさせ、その仮想コンテンツのユーザ関連性レベルを判断するステップを含む。

ある実施態様において、システムは、選択された仮想コンテンツの量が多すぎる、または少なすぎる場合に、コンテキストの少なくともひとつの次元に関する特定性レベルを、コンテキストのその少なくともひとつの次元に関する所与のユーザ関連性レベルを使って調整する。システムは、コンテキストのその少なくともひとつの次元の調整後の特定性レベルに基づいて、仮想コンテンツ集合の中から部分集合を選択し、ユーザに対してその仮想コンテンツの部分集合を表示する。

ある実施態様において、システムはユーザに対し、仮想コンテンツ集合から部分集合を選択するのに使用されたコンテキストの次元の特定性レベルを特定するフィードバックを提供する。

ある実施態様において、システムはユーザに対し、コンテキストのひとつまたは複数の次元を調整するための少なくともひとつのインディケータを表示する。システムは、コンテキストのひとつまたは複数の次元のひとつまたは複数の異なる特定性レベルを示す、少なくともひとつのインディケータについてユーザが行った調整を受け取る。システムは、コンテキストのひとつまたは複数の次元のひとつまたは複数の異なる特定性レベルに基づいて、仮想コンテンツ集合の中から部分集合を選択し、ユーザに対してその仮想コンテンツの部分集合を表示する。

ある実施態様において、調整インディケータはグラフィカルインタフェースで示され、このグラフィカルインタフェースは、仮想コンテンツフィルタ、メニュー、スライダまたはダイアルのグラフィクスによる表現とすることができる。これらの実施例において、調整インディータはコンテンツの少なくともひとつの次元を表す。

ある実施態様において、仮想コンテンツは以下のうちのひとつまたは複数である。（１）ウェブページ、（２）テキストファイル、（３）イメージファイル、（４）音声ファイル、（５）画像ファイル、または（６）その他の形態による電子的に符号化された情報（これらの情報から抽出されたメタデータを含む）。

ある実施態様において、仮想コンテンツは以下のうちのひとつまたは複数から受信または収集される。（１）広告主、（２）公共または民間の情報サービス、（３）政府機関、（４）個人、または（５）仮想コンテンツを作るその他の企業。

ある実施態様において、仮想コンテンツは携帯機器で受信される。

図１には、本発明における実施の形態による携帯機器１００が示されている。携帯機器１００は、仮想コンテンツを受信または収集できるコンピュータ機器である。図１に示すように、携帯機器１００は、コントロール１０４、キーパッド１０６、ディスプレイ１０２を備える。動作中、携帯機器１００は、ディスプレイ１０２で仮想コンテンツ（つまり、電子的に符号化された視覚的情報）を表示し、スピーカ（図示せず）を通じて仮想コンテンツからの音声（つまり、電子的に符号化された音声情報）を再生し、または振動装置（図示せず）を通じて仮想コンテンツからの感覚（つまり、電子的に符号化された触覚情報）を創出する。ユーザは、コントロール１０４とキーパッド１０６を使って携帯機器１００を制御する。本実施の形態において、ディスプレイ１０２はタッチセンサ式スクリーンを備え、これによってユーザは携帯機器１００を制御できる。

他の実施の形態において、携帯機器１００は携帯情報端末、ラップトップ、タブレットコンピュータ、ウェアラブル機器、携帯電話あるいはその他の形態の適当な携帯型コンピュータ機器である。また別の実施の形態において、コンピュータ機器はデスクトップコンピュータ、キオスク（kiosk）、あるいはその他の形態の適当な非携帯型コンピュータ機器である。さらに、携帯機器１００は、本明細書に記載する１または複数の機能が携帯機器１００によって実行され、１または複数の機能が、携帯機器１００を断続的または永久的に接続できる遠隔コンピュータによって実行されるネットワークシステムの一部としてもよい。

本明細書において、「仮想コンテンツ」と「情報」は互換的に使用され、携帯機器１００が受信、遭遇、収集あるいはその他の方法で取得する、電子的に符号化された触覚的、聴覚的また視覚的情報を示す。この仮想コンテンツは、ウェブページ、テキストファイル、イメージファイル、音声ファイル、画像ファイル、あるいはその他の形態の電子的に符号化された情報等とすることができる。さらに、携帯機器１００により取得される電子的に符号化された情報は、異なる種類のデータ、たとえば、ビデオが埋め込まれたテキストファイル、ファイル情報を含むイメージ、音声または画像ファイル（ｍｐ３ファイルとともに含めることができるＩＤ３型タグ等）、または埋め込まれた書誌情報、デジタルウォーターマークおよびその他の関連情報等のメタデータを含む他のファイルフォーマットとすることができる。電子的に符号化された情報は、無線ネットワーク、ラジオネットワーク、セルラーネットワーク、イーサネット（登録商標）ネットワークあるいはその他の適当なネットワークフォーマットから取得できる。

図２には、物理的に添付された仮想コンテンツの存在を検出できる携帯型電子機器のユーザが体験する状況が示されている。ユーザがいる場所またはその場所の中の物体に多くの情報が関連付けられる可能性があるため、ユーザが大量の情報の集中砲火を受ける、あるいは情報が多すぎて関心のある情報を見ることができない、ということがありうる。ユーザは、スクリーンスペースが非常に限られた携帯電子機器を携帯している。このような小さなスクリーン上で一度にすべての情報を表示することはほとんど不可能であり、たとえ情報を表示できたとしても（たとえば、ユーザが大型の折畳み式ディスプレイを持っている場合等）、ユーザにとって、雑多な情報群の中から本当に関連性のある、あるいは興味深い情報を特定するのは困難であろう。

一部の携帯電子機器は、ユーザがマニュアルで要求した場合にのみ、そのユーザに情報を提供する。しかしながら、この方法も最適ではない。一般的な携帯電子機器の場合、情報を要求するためユーザインタフェースには、正しい情報を見つけるためにメニューとサブメニューを通じた複雑なナビゲーションやストリングベースの検索クエリが必要となり、後者については、検索結果をさらに検索して、ユーザが探している情報をみつけなければならないかもしれない。正しいクエリの作成は、キーボードとマウスを備えるパーソナルコンピュータ（ＰＣ）でも十分難しいが、小さなスクリーンのハンドヘルドデバイスでのクエリの作成ははるかに大きな問題である。情報検索の実際が複雑であることはユーザにとって苛立たしく、機器を使ったコンテンツへのアクセスが敬遠されがちとなる。

携帯機器１００は、ユーザのコンテキスト、活動およびプロファイルの分析に基づき、予想されるその関連性の点でコンテンツを分化する。（この分析に関しては後で詳細に説明する。）分化による最終的な結果として、たとえば、情報がフィルタ処理され、状況に関連する情報が優先される。図３には、本実施の形態における情報の優先順位決定の一例が示されている。図３において、携帯機器１００のユーザは、これから会う同僚のために途中でプレゼントを買うという活動に従事している。この時点で、ユーザは関連する「宣伝」（図３において太字で示す）と「製品情報」に関心があり、適当なプレゼントが買えそうな場所までの道を見つけようとしている。この場合、ユーザには「マップ」が必要である。ユーザはまた、何らかの「リマインダ」を必要とするかもしれず、これはたとえば、ユーザのいる場所が他のある物を買おうとしていた特定の店の近くであり、同僚との約束の時刻までに時間があるため、その店に立ち寄ることを思い出させるための「リマインダ」等である。

図４には、本実施の形態における情報優先順位決定の第二の例が示されている。図４において、携帯機器１００のユーザは、ランチタイムに人気のレストランで席が開くのを待っている。この時点で、ユーザは「個人メッセージ」（図４において太字で示す）を受信し、処理することや、自分の「ソーシャルネットワーク」を見て、友達や同僚に何か面白いことが起こっていないか確かめることに興味を持つかもしれない。ユーザは、読むべき「出版物の記事」に関するおすすめ情報を受け入れ、あるいは自分の周辺エリアに関する「現地情報」を検索しようと思うかもしれない。この例においても、ユーザは、ランチの後にクリーニングを取りに行くこと等を思い出させる「リマインダ」を受け取ることや、自分の「スケジュール」を調べ、その日の午後に何の予定が入っているかを確認することを望むかもしれない。

図５には、本実施の形態における仮想コンテンツフィルタが示されている。図５に示す仮想コンテンツフィルタを使い、携帯機器１００は、ユーザに関連する情報を選択する。関連性は、仮想コンテンツフィルタの中央から外側に向かって減少する。

仮想コンテンツフィルタの中央（「ユーザにより通知」の円）には、ユーザにとって最も関連性の高い情報がある。ユーザは、機器に対し、どの情報が関連しているかをクエリまたはある種の行動を通じて知らせることができる。明らかに、ユーザが望む情報は関連性を有する可能性が高い。問題は、ユーザが自分の意図を携帯機器１００に対してどれだけうまく表現できるかである。これが簡単な場合もあれば（「カレンダーが見たい」等）、難しい場合もある（「よいレストランを探したい」等）。前者の場合、ユーザが参照できるカレンダーは１つであろう。後者の場合は通常、さまざまな回答がある。

別の実施の形態において、「ユーザにより通知」の円に入るべき情報は、携帯機器１００により推論可能である。これらの実施例では、携帯機器１００は、携帯機器１００がユーザの活動から感知できる事柄からユーザの活動が何かを推論したものに基づき、自動的にクエリを作成し、あるいは行動を実行することができる。たとえば、携帯機器１００は、ユーザが正午にオフィスを出れば、ランチに行くであろうと推論するかもしれない。この推論から、携帯機器１００は受信または収集したレストランに関する仮想コンテンツを「ユーザにより通知」の円に分類することができる。（さらに、この推論に基づき、携帯機器１００は仮想情報を収集するためにレストランに関する自動クエリを作ることもある。）

外側に向かって次の輪（「コンテキストから推論」の輪）は、ユーザのコンテキストから有益であると推論できる情報である。出願人は、コンテキストと関連性を以下に詳細に定義するが、たとえば、ユーザが特定の場所にいて、よいレストランに関する情報を求めた場合、より近いレストランが遠いレストランに優先される。本実施の形態において、この輪を使って提示される情報は、ユーザが求める情報またはユーザの行動からの推論に基づいて機器が要求する情報（つまり、「ユーザにより通知」の円に含まれる情報）を含む。しかしながら、この輪にはユーザの挙動には関係のない情報も含まれる。

次の輪（「プロファイルに基づく」の輪）は、ユーザのプロファイルにマッチする情報である（これは、「ユーザにより通知」と「コンテキストから推論」の領域の中の情報だけでなく、これらの輪には含まれない情報も含む）。ユーザのプロファイルは、ある期間中に収集または推論された情報、あるいは、ユーザの音楽、食べ物または読み物の好み等、ユーザが明確に入力した情報に基づく。したがって、ユーザが自動車レースを好み、園芸は好きではない場合、携帯機器１００は後者より前者を優先させる。ユーザが寿司店とフランス料理レストランを最も好むのであれば、携帯機器１００は他の飲食店よりこれらを優先させる。

最後にあるのは一般的情報（「一般」の輪）であり、ここには内側の３つの輪に含まれるすべてのほか、大量の無関係の情報が含まれる。ユーザが依然としてこのような情報を求めることは時々あるかもしれないが、具体的な要求以外に、ユーザがこうした情報を求める可能性は低い。（ユーザが具体的な要求を行うケースは、この輪の中に含まれる円のいずれかによって制限される場合とされない場合がある。ユーザは、標準的なサーチエンジンを用いた場合と同様に、クエリ単語にマッチするものを求める無制限の一般的クエリを行いたいと思うかもしれない。）

第四の、つまり一般の輪は利用可能なすべての仮想コンテンツ（インターネット上の情報等）を含み、この情報の多くは関連性を持つ可能性が低い。

第三の、つまり「プロファイルに基づく」の輪は、ユーザにとって関連性がありそうな情報に、より限定されており、この種の情報にはすでに、個人に対するサービスをカスタマイズしようとする商業的組織が大きな関心を寄せている。プロファイルに基づく情報の配信はＡｍａｚｏｎ．ｃｏｍ等のいわゆる「おすすめ情報システム」において一般的であり、このシステムでは、ユーザは過去の購入習慣に基づいて提示された製品を見ることができる。第二の、つまり「コンテキストから推論」の輪はさらに限定的であり、第二の輪には現在のコンテキスト（これは刻々と変化する）からの情報が含まれるため、より深い関連性を持つ可能性が高い。第一の、つまり「ユーザにより通知」の輪は最も限定的であり、ユーザのプロファイル、現在のコンテキストおよび継続的な挙動または機器１００への入力に無関係なものは排除される。

出願人は「コンテキスト」を、ユーザの状況に関して収集可能なデータと技術的に定義する。図６Ａには、本実施の形態において、ユーザの状況に関するデータとコンテキスト（たとば、活動、人、時間、コンテンツ、場所および経歴等）の推論に使用されるデータの入手源を説明する表が示されている。これらのデータ項目の１つまたはいくつかを、必要な結果を得るための制約またはクエリとして使用することにより、無関係の情報をふるい落とすことが容易となる。「コンテンツ」（図６Ａに示す）は、情報源とコンテキスト感知結果のどちらでもありうる。

図６Ｂには、本実施の形態において、コンテキストの各次元（つまり、時間、場所、人およびコンテンツ）が１つまたは複数の特定性レベルを持つ仮想コンテンツフィルタ上にマッピングされる方法が示されている。（仮想コンテンツフィルタの各々の輪（またはバンド）を、個々の「次元ごとの仮想コンテキストフィルタ」と考えることができる。）コンテキストの「時間」と「場所」の次元の場合、中央の輪は性格が若干異なる。それは、中央の輪の一部が、ユーザに関して客観的および直接的に測定可能なデータにより定義できるからである。しかしながら、より一般的には、仮想コンテンツフィルタの中央の輪の定義は出願人が「活動」と呼ぶものによって決定され、これについて以下に説明する。

本実施の形態において、「活動」は人間の挙動のモデルから、また携帯機器１００が現在のコンテキストから感知するものから推論可能である。たとえば、人間の挙動のモデルは、「ランチ」とラベルが貼られた推論による「活動」が午後１時近くに発生する可能性が高く、午後２時以降になるとその可能性が低くなることを示す。したがって、ユーザがオフィスを午後１２：３０に出ると、携帯機器１００は推論される「活動」としては「ランチ」の可能性が最も高いと推論する。ユーザが午後４時にオフィスから出た場合、携帯機器はこのようには推論しない。本実施の形態において、設計者は１つまたは複数の人間の挙動および活動モデルを携帯機器１００に追加する。別の実施の形態では、携帯機器１００は、一人または複数の人々の挙動の分析またはシステムのユーザから収集されたデータを使った計算に基づき、人間の挙動および活動のモデルを「学習する」（つまり、考案する）。このように、携帯機器１００はまだ発生していない将来の状況や推論される「活動」を予測し、予想された状況や活動に関するコンテキストの各次元の関連性レベルをどのように定義するのが適当かを計算することができる。

さらに別の実施の形態において、「活動」は、ユーザが活動を計画するにあたって、あるいは単に自分の好奇心を満たすために収集する情報の容器（つまり、データストラクチャ）として実現してもよい。図７には、本実施の形態において、「活動」という容器からの情報を表示するグラフィカルインタフェースが示されている。

携帯機器１００のユーザは、自分が発見した情報の一部を、後に使用するために保存できることを望む場合がある。ユーザはまた、過去のコンテキストあるいは、ちょうどＰＣや携帯電話のユーザのように、コンテキストの異なる次元の中央の輪が現在の状況に関係していない場合には将来のコンテキストにまでアクセスしたいと望み、自分の機器にメッセージや写真を保存し、前のコンテンツに戻ってこれを参照し、将来の計画を立てたいと望むであろう。このために、「活動」という容器は、スケジュールを立て、参加者を誘い、検索し、計画を立てる等の機能およびユーザが収集したコンテンツを収容するための図７に示すようなグラフィカルユーザインタフェースを備える技術的なメカニズムとして実装できる。すると、このコンテンツは、そのテキストやコンテンツに含まれるかもしれないメタデータの分析によって、直接的コンテキストがよりよく定義されたサービスの中に含められる。この種の「活動」という容器は、まだ起こっていない、時間、場所、人、およびコンテンツの将来のコンテキストのために作成可能であり、あるいは「活動」という容器を使って、過去（つまり履歴）および、もう存在していないコンテンツを参照することができる。

携帯機器１００は、ユーザが以前から存在する「活動」に入らない情報を保存すると必ず、新しく推論された、および／または「活動」という容器のインスタンスを作成する。「活動」は、特定の活動の種類の規則的な特徴のモデルを含むスキーマの範囲に入る。たとえば、買い物、外食、あるいはテーマパークに行くことはすべて、規則的な特徴を有する活動である。

このような「活動」の各々には、異なるシステムモデルが関連している。たとえば、買い物の場合、いくつもの目的地に空間的に効率のよい方法で訪問することがある（つまり、携帯機器１００のユーザは通常、１軒の店に行ったあと、１キロ先の別の店に行って、また最初の店の隣の店に行く、などということをしない。）買い物の場合、１つまたは複数の購入目的物があることが多く、あるいはユーザの好みに合う物を突発的に購入することもあろう。外食とテーマパークの場合、目的地は一箇所であるが、外食は１回の食事にしか関わらないのに対し、テーマパークの場合、さまざまな乗り物を試す。

上記のような規則性に基づき、携帯機器１００のユーザが活動の計画時に行き着かなければならない決定と行動として考えられるものに関する基本的スキーマが設計者によって携帯機器１００に与えられ、あるいは携帯機器１００によって自動的に考案される。このスキーマは、機器１００のユーザインタフェースにおいて、ある活動にとって典型的な行動の選択可能なオプションとして示される。すると、携帯機器１００はこれらを「活動」の中の行動として提示することができる。たとえば、人間の活動の多くには、友人を誘うことや日時を調整することが関わる。買い物にはおそらく、関心のある品目を販売している店が最も集中した地域を見つけることが関わる。外食にはおそらく、１軒のレストランを選び出し、予約をすることが関わる。これらは、携帯機器１００が「活動」の中からユーザのために提示し、単純化できるオプションである。

ユーザは、現在または別の時点で起こっている「活動」の「中」からこれらの行動や他のもっと一般的な行動を実行でき、コンテキストの定義のために携帯機器１００が使用するコンテンツを追加する。たとえば、ユーザがすでに（機器１００からのメッセージ等によって）複数の友人を一緒に行くよう誘った「買い物という活動」の中からカレンダーを見る場合、携帯機器１００は買い物のコンテキストを使って友人のカレンダーのクエリを行い（これらの友人のスケジュールを見せることによって彼らのプライバシーを損なわない）、全員にとって最も都合のよい日時を提案する。別の例では、携帯機器１００のユーザは買い物のコンテキストを使い、カレンダーの中で、自分の予定が空いていて、かつ店も営業している時間をハイライトすることができる。

「活動」はまた、ユーザが雑誌を読んでいるときやある事柄について詳しく知るための調査中に遭遇した情報を保存できるフォルダのようなものでもある。ユーザの観点から見ると、ユーザは単純に後で参照するために情報を保存またはブックマークし、携帯機器１００の観点から見ると、ユーザが収集するコンテンツは「活動」の性質を定義するのに役立つ。ユーザが収集したテキストの中から特別な単語または特定のキーワードやフレーズをマイニングすることにより、携帯機器１００はこの情報を使って「活動」の目的をよりよく理解し、情報を得るためのその後のクエリを制約することができる。たとえば、ユーザが特定の店のウォッチセールに関する宣伝を見かけ、これを「買い物という活動」の中に記憶させると、携帯機器１００はたとえば、ウォッチや関連アイテムを買うことができる近くの店のリストを編集する、その店への最も近道または関心のある複数の店舗間の最短経路を見つける、一緒に行きそうなプロファイルを持つ友人を誘う、買い物の後で食事をする場所を提案する、といった事柄を実行できる。

ユーザが従事する各活動は、理論的にはひとつの「活動」の別々のインスタンスであるため、２回の買い物が計画される場合は２つの別の「活動」が作成される。これは、時間が異なり、また場所、目的、参加者も異なる可能性があるからである。しかしながら、ユーザは１回目の買い物で目的が果たせないとき、あるものを買うための２回目の試みをしたいと思うことがある。この場合、ユーザは、たとえ前の外出をすでに終えていたとしても、あるいはまだ１回目の外出も行っていないとしても、再び「活動」を開き、その「活動」に含まれる情報を再度利用するが、新たな時間と場所を設定し、別の友人を誘うであろう。

上述のように、「人」と「コンテンツ」という仮想コンテンツフィルタの「参加者」と「関連性」の輪は各々、推論された、またはユーザが指定した活動によって決定される。ユーザは、ある「活動」のオプションの中からその「活動」に参加する人を、携帯機器１００を使ってメッセージを送ったり、電話をかけたりして誘うことができ、「活動」の中にコンテンツを保存できるため、携帯機器１００は参加者と関連するコンテンツを決定することが可能である。あるいは、参加と関連性も活動と同様に、ユーザが携帯機器１００を使って誰と通信しているか、何を読み書きしているかといったユーザの挙動からのデータを使って推論できる。

「時間」と「場所」の仮想コンテンツフィルタの中の「まもなく／最近」および「近く」という第二の輪は各々、あるユーザに関する客観的に測定可能な可変値である。しかしながら、これらの輪は、ユーザが活動を計画しているか、調整しているか、あるいは実際に活動に関与しているかに応じて、実際の定義を変更することもできる。

ある活動を計画する際（つまり、イベントが始まる前）、ユーザの現在の時間と場所に対する関連情報の特定性の程度は軽くなるため、携帯機器１００は仮想コンテンツフィルタの特定性を緩和し、合理的な移動距離に関する情報や来週頃に関連するもの全てを受け入れる。具体的なイベントに関するプロモーションを活動に追加することによって、ユーザが時間と場所を特定すると、携帯機器１００は仮想コンテンツフィルタの中のより限定的なバンドを用いる。ユーザが、その活動の種類を旅行または観光と特定すると、携帯機器１００はその時間と場所の領域を拡張してより広い範囲の目的地を受け入れ（「近く」を「到達可能」に変更する）、さらに時間の範囲が異なる旅行の機会（ディスカウントパッケージ等）に関する情報を提示することもある。

いろいろな活動に参加する場合、ユーザは自分がどこにいるか、今、何をすることに興味を持っているかについて非常に特定された情報に焦点を当てる傾向が高まるため、携帯機器１００はより制約的な時間と場所のバンドを使ってフィルタ処理し、その後の活動をモデルに基づいて予測したものに関連する情報を得ようとする。

参加者、関連するコンテンツ、時間、場所が定義されると、次元ごとの各仮想コンテンツフィルタの外側の輪も、これらに関連して定義される。異なる次元ごとの仮想コンテンツフィルタにおける情報の間には関連付けがあり、ひとつの仮想コンテンツフィルタの中央の輪の中の情報が別の仮想コンテンツフィルタの第二の輪に通知することもある。たとえば、「コンテンツ」の仮想コンテンツフィルタの中の関連するコンテンツは、「人」の仮想コンテンツフィルタの中の「関心を持つ」人の定義を通知する。

次元ごとの仮想コンテンツフィルタは一般的仮想コンテンツフィルタを分解したものであるが、その輪は必ずしも正確に一般的仮想コンテンツフィルタの輪の上にマッピングされるとは限らない。たとえば、「時間」と「場所」の仮想コンテンツフィルタの内側の３つの輪は実際には、一般的仮想コンテンツフィルタの「コンテキストから推論」の輪を分解したものである。

「活動」は、ユーザの直接的（イミディエット: immediate）コンテキストに関する常に変化する定義を見つけるための中核構造となる。上記の仮想コンテンツフィルタの中央に見られるように、「活動」はコンテキストの正確な理論的定義を提供するのに使用できる。つまり、「活動」によって提供されるデータは、携帯機器１００が有用性を改善し、社会的イベントの調整やルートの計画といった、本来は実行が面倒な行動への近道を提供するのに使用できる。

以上のように「活動」の構造について説明し、「活動」を仮想コンテンツフィルタの構造に関連付けたところで、次に、コンテンツのフィルタ処理の問題に戻り、ユーザが携帯機器１００の自動フィルタ処理をどのように制御するかについて述べる。携帯機器１００がユーザの希望を常に正確に予想するわけではないため、ユーザは、携帯機器１００による情報のフィルタ処理方法を理解するための何らかのインタフェースと携帯機器１００のフィルタ処理を無効にするための何らかのメカニズムを必要とする。

上述の仮想コンテンツフィルタの構造は、フィルタ処理メカニズムとしてだけではなく、ユーザインタフェース要素としても（つまり、グラフィカルインタフェースの中で）使用できる。

図８には、本実施の形態によって、携帯機器１００が仮想コンテンツのフィルタ処理に現在のコンテキストをどのように使用するかに関するフィードバックを提供するために仮想コンテンツフィルタの絵を利用するグラフィカルインタフェースが示されている。この図により、ユーザは提示された情報にどの程度の関連性があるかを判断することができる。さらに、ユーザがコンテキストを判断できるような情報を受け取っていない場合、このグラフィカルインタフェースにより、ユーザは、自分が見ている情報があまり役立たなければ、携帯機器１００に自分が何をしているかのコンテキストに関してより多くの手がかりを与えるよう奨励される。ユーザはこの奨励に関して何もする必要はないが、自分が見ているコンテンツに満足できなければ、ユーザは少なくとも、携帯機器１００が処理しているデータが少なすぎてあまり役に立たず、その状況を改善するためにユーザ自身にできることがあるということがわかる。

図９は、本実施の形態により、自動情報フィルタ処理と仮想コンテンツの優先順位決定を調整するためにユーザが携帯機器１００の上で使用できる仮想コンテンツフィルタの別の図である。図９に示すように、ユーザは、自分が仮想コンテンツフィルタのどのバンド、またはバンドの組み合わせを好むかを示すことにより、携帯機器１００により使用される仮想コンテンツのフィルタ処理レベルを制御できる。別の実施の形態では、メニューやスライダを使って、コンテキストの各種の次元に関する携帯機器１００の自動情報フィルタ処理と優先順位決定を制御する。

図１０は、仮想コンテンツを選択する工程を示すフローチャートであり、図１１は本実施の形態による関連するコンテンツデータベース１１００を示した図である。工程の各ステップが携帯機器１００によって実行される実施の形態もあれば、工程内のひとつまたは複数のステップが携帯機器１００の含まれるシステムによって実行される実施の形態もある。

図１０に示される工程は、携帯機器１００が仮想コンテンツアイテム１１０２を受信または収集することから始まる（ステップ１０００）。携帯機器１００は、コンテンツデータベース１１００から、仮想コンテンツアイテム１１０２（たとえば、ベンダ、出版社またはエンドユーザにより提供される記事、レビュー、宣伝、コメント等あるいはＷｏｒｌｄ Ｗｉｄｅ Ｗｅｂ上または非公開データベース内にあるコンテンツ等）を受信または収集する。

携帯機器１００は次に、仮想コンテンツアイテム１１０２を処理し、各仮想コンテンツアイテム１１０２に固有の識別子（数値のタグ等）を付与し、そのコンテンツを特徴付けるメタデータ１１０４でインデックスを作成する（演算メタデータタギング等の手法による）（ステップ１００２）。たとえば、ある仮想コンテンツアイテム１１０２に関するメタデータ１１０４には、アイテムのテキストまたはその他のコンテンツを特徴付ける統計的尺度が含まれる。さらに、メタデータ１１０４は、場所、時間、用事、人等（それぞれ複数の場合もある）のコンテキスト情報を参照するメタデータを含む場合もある。

メタデータ１１０４はまた、コンテンツデータベース１１００の中の非コンテンツアイテム１１０６と関連しているかもしれず、これらはコンテンツデータベース１１００の中で固有の数字またはその他の種類のタグでも定義される。非コンテンツアイテム１１０６は、レストラン、店、劇場、夜間学校等、企業その他の団体を説明する。あるいは、非コンテンツアイテム１１０６は、製品、映画等のアイテムを示すこともある。仮想コンテンツアイテム１１０２は、そのテキスト内の非コンテンツアイテム１１０６を参照するかもしれない。仮想コンテンツアイテム１１０２に関連するメタデータ１１０４はいずれも、データベース１１００の中に保存された非コンテンツアイテム１１０６と関連するものと、多かれ少なかれ密接にマッチする、あるいは同じものとして計算されることもある。非コンテンツアイテム１１０６はまた、他の非コンテンツアイテム１１０６を参照するメタデータ１１０４を持っているかもしれず、たとえば、店舗のアイテムは、製品アイテムの参照を含むメタデータ１１０４を有するかもしれない。

コンテンツデータベース１１００の中の仮想コンテンツアイテム１１０２と非コンテンツアイテム１１０６の関連性は、携帯機器１００により、それらが共有するメタデータ１１０４の数値の近さを計算するか、関連付けのいずれかによって判断される。たとえば、１軒の時計店がたまたま特定のブランドのサングラスを扱っていて、これがその時計店に関するメタデータ１１０４の中で示された場合、他の時計店は、そのメタデータ１１０４において最初の時計店に類似していることで、そのサングラスのブランドに関連付けられる。

たとえば、データベース１１００の中の仮想コンテンツアイテム１１０２は、土曜日に東京の原宿で行われるウォッチのセールの宣伝であるとする。この宣伝と関連付けられるメタデータ１１０４にはテキストの統計的記述が含まれ、これはテキストがファッション、アクセサリ、品質、金額、ディスカウント、セール、ストラップ、バッテリその他を参照することを捉える。メタデータ１１０４にはまた、商号、営業時間と営業日、住所、地理的な位置、セール開催日等も含まれる。

携帯機器１００は、ユーザから明確に（たとえば、選好の設定等のユーザ入力による）あるいは黙示的に（たとえば、ユーザの挙動からの検出と推論による）時間、場所、感知されたコンテンツ、社会的プロファイルその他のデータを収集することもある（ステップ１００４）。このようなデータ収集では、携帯機器１００はユーザについてのプロファイルを構築し、このプロファイルは急速に変化する当初の「ブートストラップ」期間がすぎると、時間の経過とともにだんだん変化しなくなる傾向がある。たとえば、携帯機器１００はユーザの買い物履歴から、そのユーザはよく連絡をとる友人を持ち、ファッションに非常に興味があり、頻繁にアクセサリを買うが、バーゲンも好きであると推論する。

携帯機器１００は次に、データベース１１００の中の仮想コンテンツアイテム１１０２のユーザにとっての一般効用（ゼネラルユーティリティ: general utility）を計算する（ステップ１００６）。一般効用を計算する際、携帯機器１００は、ステップ１００４において作成されたプロファイルからのデータをメタデータ１１０４と比較し、データベース内の各アイテムのユーザにとっての計算された関連性に寄与する要素を導き出す。

一般コンテンツ効用の計算において、携帯機器１００はステップ１００４で収集されたコンテキスト情報に応じて、各仮想コンテンツアイテム１１０２についての満足度を判断する。ある実施の形態では、携帯機器１００はユーティリティ機能を使ってユーザにとっての一般コンテンツ効用を計算する。たとえば、Ｘを「消費可能集合」、つまりユーザがおそらく消費するのであろうすべての相互に排他的な仮想コンテンツの集合とする。ユーザのユーティリティ機能ｕ：Ｘ→Ｒは、消費可能集合の中の仮想コンテンツの各アイテムをランク付けする。ｕ（ｘ）＞または＝ｕ（ｙ）（ｘＲｙ）の場合、ユーザは完全にｙよりｘを好むか、あるいはｘとｙの差に無関心である。たとえば、このような計算をした後、上記のウォッチセールの宣伝は、ユーザのプロファイルの中に保存された情報にマッチする、あるいは緊密に関連付けられている宣伝のメタデータに基づき、ユーザにとって平均以上に大きな関連性を持つように計算されることがある。

携帯機器１０は次に、ステップ１００４において収集されたデータを使い、直接的コンテキストまたはユーザが関心を持つコンテキストを計算する（ステップ１００８）。計算されるコンテキストには、具体的な時間、場所、コンテンツ、社会的状況等がある。計算によるコンテキストは、ステップ１００４で計算されたユーザのプロファイルよりずっと頻繁に変化する可能性がある。たとえば、ユーザは土曜日の午後に東京の原宿にいて、竹下通りをゆっくりと歩いているかもしれない。そこで、携帯機器１００は時間と場所において現在感知されているコンテキストを計算する。ユーザが製品の物理的タグをスキャニングすると、関連する仮想コンテンツアイテム１１０２がコンテキストの定義に利用される。

携帯機器１００は次に、ステップ１００８において計算されたコンテキストおよび／または、そのモデルまたはユーザ入力に基づいてユーザの挙動を理解したものを使って、関心の対象であるユーザの活動を推論する（ステップ１０１０）。前述のように、計算による活動の推論は、ステップ１００４において計算されたユーザのプロファイルより急速に変化する傾向がある。上記の例では、携帯機器１００のユーザモデルは買い物という活動を原宿という場所、土曜日の午後、ゆっくりとした歩行動作というコンテキストに関連付け、この活動を現在の感知されたコンテキストとマッチさせることができる。

あるいは、ユーザは、土曜日の午後に友人と原宿に買い物に行く計画について電子メールで通信しているかもしれない。携帯機器１００は、電子メールのテキストをデータとして使い、電子メールのテキストから抽出された関連するコンテキストの特徴、つまり、送受信されたメッセージから得られる時間、場所、店の名前およびその他のコンテンツから、その後の買い物という活動を予想する。携帯機器１００は、友人も一緒に行く可能性があると推論するかもしれない。ユーザまたはその友人がメールの中でファッション、アクセサリ、品質、値段、ディスカウント、セール、ストラップ、バッテリ等について述べていれば、買い物という活動の目的も推論できる。

携帯機器１００は次に、活動または関心のあるコンテキストを参照して、その仮想コンテンツフィルタを構成する（ステップ１０１２）。携帯機器１００は、ステップ１００８と１０１０からのユーザのコンテキストと活動（現在のものあるいは関心のあるもの）の推論を考慮し、できるだけ正確に仮想コンテンツフィルタを構成する。

本実施の形態において、プロファイルデータ、コンテキストデータ、活動データのうちのひとつまたはいくつかが入手できない場合、携帯機器１００は利用可能なデータだけを用いて可能な範囲で動作し、仮想コンテンツフィルタを構成する。より具体的には、ステップ１００６，１００８，１０１０の計算は、ひとつまたはいくつかの種類のデータがステップ１００４において更新できない場合、最も新しく入手できたデータを使用するよう調整する。たとえば、対応するステップで使用できるデータがない場合（データが収集できない、または古い場合等）、このステップはヌル値を戻し、コンテンツのフィルタ処理に影響を与えない。たとえば、関心のあるユーザの活動が、コンテキストとユーザ挙動のデータがないために計算不能である場合、ステップ１０１０はヌル値を戻し、したがって、コンテンツのフィルタ処理に影響を与えない。

携帯機器１００は次に、コンテンツデータベース１１００のクエリを行う（ステップ１０１４）。コンテンツデータベース１１００のクエリにおいて、携帯機器１００は、ユーザにとってある程度の効用レベルを有する仮想コンテンツアイテム１１０２の部分集合に対し、フィルタ処理済みのクエリを実行する（効用レベルがステップ１０００，１００２，１００４，１００６において判断される場合）。関連するコンテンツの検索はさらに、近所にあるアイテムだけに制約されることもある。検索スペースを制限するための手法を用いることにより、データベースのコンテンツ全体に対する検索が効率化され、あるクエリ中の応答時間が短縮される。その結果、携帯機器１００の性能に不当に影響を与えることなく、クエリを定期的に行うことが可能となる。前述の例において、検索されるアイテムのひとつは原宿でのウォッチのセールであり、これはセールが近所で行われ、ユーザのプロファイルとともにコンテキストおよび関心のある活動とマッチするからである。

別の例として、ユーザがディーラのロットで新しいスポーツカーのＱＲタグをスキャニングする場合を考える。すると携帯機器は、スキャニングされたＱＲタグに関する（つまり、スポーツカーに関する）仮想コンテンツアイテム１１０２だけでなく、スポーツカーに関連するローカル仮想コンテンツアイテム１１０２（たとえば、そのスポーツカーと同クラスの他のスポーツカー、保険および資金調達費用、あるいはまもなく開催される現地のスポーツカーレースイベントに関する情報等）を収集できる。

さらに別の例として、ユーザが携帯機器１００を使ってその日の夜に「都会」の劇場での見るための映画のチケットを購入しようとしている場合、携帯機器１００はユーザの入力から、その時点でのユーザの活動は「映画を見ること」であろうと判断し、映画の開始時間が近づいているときにユーザが郊外の自宅にいれば、ユーザの次の活動は「都会に行くこと」であろうと推論する。

携帯機器１００は次に、データベース１１００から最もよくマッチする仮想コンテンツアイテム１１０２をユーザに対して表示する（ステップ１０１６）。ある実施の形態において、マッチする仮想コンテンツアイテム１１０２は、現在のコンテキストまたは活動とマッチする緊密さの順に表示される。また別の実施の形態では、マッチする仮想コンテンツアイテム１１０２は、新しいアイテムまたはそれほどぴったりとマッチしないアイテムを表示された仮想コンテンツアイテム１１０２の集合の中に入れるような方法で表示することができる（ユーザが同じアイテムを何度も繰り返し見ることを希望しないかもしれないからである）。上記の例では、原宿でのウォッチセールがユーザのプロファイル、コンテキスト、活動にもっともよくマッチするため、ユーザが見ようとするかもしれないアイテムのリストの一番上に表示されるであろう。

携帯機器１００は、自動仮想コンテンツフィルタ構成のユーザによるオーバーライドを受け入れることができる（ステップ１０１８）。ユーザは、上述のようなグラフィカルインタフェースでの操作により、このようなオーバーライドを入力する。オーバーライドを入力すると、携帯機器１００はコンテンツデータベース１１００に対して新たなクエリを行い、携帯機器１００はステップ１００６において計算されたユーザにとっての一般コンテンツ効用を強制的に無視する。すると、携帯機器１００はステップ１０１６に戻り、新しい結果を表示する。

本発明の実施の形態における携帯機器を示す図である。 物理的に添付された仮想コンテンツの存在を検出できる機器のユーザが体験する状況を示す図である。 本発明の実施の形態における情報の優先順位決定の一例を示す図である。 本発明の実施の形態における情報の優先順位決定の第二の例を示す図である。 本発明の実施の形態における仮想コンテンツフィルタを示す図である。 本発明の実施の形態におけるユーザの状況に関するデータとそのデータの入手源を示す表図である。 本発明の実施の形態において、仮想コンテンツフィルタにコンテキストの次元をマッピングする方法を示す図である。 本発明の実施の形態において、「活動」からの情報を表示するグラフィカルインタフェースを示す図である。 本発明の実施の形態において、仮想コンテンツのフィルタ処理のための携帯機器による現在のコンテキストの利用に関するフィードバックを提供するために、仮想コンテンツフィルタの絵を使用するグラフィカルインタフェースを示す図である。 本発明の実施の形態において、携帯機器の自動情報フィルタ処理および優先順位決定を制御するためのグラフィクスによる仮想コンテンツフィルタを使用するステップを示す図である。 本発明の実施の形態における仮想コンテンツ選択プロセスを示すフローチャートである。 本発明の実施の形態におけるコンテンツデータベースを示す図である。

符号の説明

１００ 携帯機器、１０２ ディスプレイ、１０４ コントロール、１０６ キーパッド。

Claims (4)

1. ユーザに関連するコンテキストデータを含む仮想コンテンツ集合を受信するステップと、
   仮想コンテンツアイテムを、前記仮想コンテンツ集合からユーザ関連性の特定性レベルを有しコンテキストの１または複数の次元に割り当てるステップと、
   前記コンテキストの少なくともひとつの次元は２つ以上のユーザ関連性レベルを有し、
   コンテキストのひとつまたは複数の次元の１または複数の特定性レベルに基づき、前記仮想コンテンツ集合の部分集合を選択するステップと、
   前記仮想コンテンツの前記部分集合を前記ユーザに対して表示するステップと、
   を含むことを特徴とする仮想コンテンツのフィルタリング方法。
2. 請求項１に記載の方法であって、さらに、
   コンテキストの１または複数の次元を使って前記ユーザのコンテキストを判断するステップを含み、
   前記コンテキストの次元は、同時性の程度、位置の近さ、環境条件の類似性、前記ユーザのソーシャルネットワークの中または近接する人に関する計算による推論との関連性、ユーザの選択または遭遇により示されるテキストとの類似性、前記ユーザから受け取った入力に基づいて収集された情報から推論された少なくとも１つのコンテキストとの類似性、１または複数のコンピュータにより感知または推論されたその他の情報、のうちの１または複数の組合せを含むことを特徴とする仮想コンテンツのフィルタリング方法。
3. 請求項２に記載の方法であって、
   さらに、前記ユーザの活動を判断するステップを含み、
   前記ユーザの活動は、前記ユーザから受け取った入力によって定義されるもの、前記ユーザから受け取った入力から推論されるもの、または前記ユーザのコンテキストと挙動から推論されるもの、のいずれか１または複数の組合せであることを特徴とする仮想コンテンツのフィルタリング方法。
4. 請求項３に記載の方法であって、
   前記仮想コンテンツの部分集合を選択するステップは、
   前記仮想コンテンツから情報を抽出するステップと、
   前記抽出された情報を前記ユーザのプロファイル、前記ユーザのコンテキストの１または複数、あるいは前記ユーザの活動のうちの少なくとも１つに計算によってマッチさせ、前記ユーザコンテンツのユーザ関連性レベルを判断するステップと、
   を含むことを特徴とする仮想コンテンツのフィルタリング方法。

Images