JP2008299542A - コンテンツ提供方法、コンテンツ提供装置、コンテンツ提供プログラムおよびコンテンツ提供システム - Google Patents

Abstract

【課題】ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することと、ユーザの嗜好を適切に考慮したコンテンツまたはコンテンツ情報を提供することとを課題とする。
【解決手段】このレコメンドシステムは、ユーザ端末Ａと、ユーザ端末Ｂと、コンテンツ情報サーバと、レコメンドサーバとがインターネットを介して相互に通信可能に接続されている。このような構成において、レコメンドサーバは、ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセス日時、または、ユーザがアクセスしたコンテンツの特徴から当該ユーザのアクセス時期特性を推定して複数のユーザタイプに分類し、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計して、予め定めた所定の条件に従って、ユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供する。
【選択図】 図１

Description

この発明は、ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報をユーザに提供することに適するコンテンツ提供方法、コンテンツ提供装置、コンテンツ提供プログラムおよびコンテンツ提供システムに関する。

従来より、インターネットなどのネットワーク環境が普及し、ネットワークを利用するユーザも増加している。そして、音楽や映画、各種商品などのコンテンツの売買や当該コンテンツを紹介するコンテンツ情報の配信を行うコンテンツ配信企業では、ユーザの増加に従い、インターネット上に提供するコンテンツやコンテンツ情報の種類を増やしたり、会員確保のための様々な手法を用いたコンテンツやコンテンツ情報を提供したりしている。その結果、インターネット上に流通するコンテンツやコンテンツ情報などの情報量が増加している。

このようにインターネット上に流通する情報量が増加している一方で、これらのコンテンツやコンテンツ情報を利用するユーザのＩＴ（Information Technology）リテラシが多様化している。つまり、インターネットを頻繁に利用するＩＴリテラシの高いユーザは、増加している情報量の中から自分の嗜好に合致したコンテンツやコンテンツ情報を短時間で簡単に発見することができる。ところが、ＩＴリテラシの低いユーザは、情報量が多すぎるために、自分の嗜好に合致したコンテンツやコンテンツ情報を発見することができなかったり、発見できたとしても、発見するのに膨大な時間を要したりする。

そこで、ＩＴリテラシの低いユーザに対して、ユーザに負担を掛けずにユーザの嗜好を自動推定して嗜好に合致したコンテンツやコンテンツ情報をユーザに提供する様々な技術が開示されている。例えば、非特許文献１では、ユーザのコンテンツのジャンルやストーリーなどの静的な特徴に対する嗜好を考慮して、それに合致するコンテンツをユーザに提供するコンテンツベース方式が開示されている。また、非特許文献２では、あるコンテンツに対して同じ評価を行ったユーザを同じ嗜好のユーザであると判断して、そのユーザが利用した他のコンテンツを提供する協調フィルタリング方式が開示されている。これらの他にも、コンテンツまたはコンテンツ情報へのアクセス時期に関する特性を推定するための質問をユーザに行い、ユーザが回答した結果を用いて特性を推定して、推定した特性に合致したコンテンツを配信する手法も考えられる。

M.Balabanovic,and Y.syoham、"Content-based,Collaborative Recommendation"、Communications of the ACM、Vol.40、No3、pp66-72 Paul et al．GroupLens"An Open Architecture for Collaborative Filtering of Netnews"

しかしながら、上記した従来の技術は、ＩＴリテラシの低いユーザがコンテンツやコンテンツ情報を取得するのに掛かる負担が大きいという課題と、ユーザの嗜好を適切に考慮したコンテンツやコンテンツ情報を提供できないという課題があった。

具体的には、従来の技術におけるコンテンツの提供手法では、ユーザがアクセスしたコンテンツのジャンルやストーリーなどの静的な特徴に対する嗜好を考慮して、それに合致するコンテンツやコンテンツに関するコンテンツ情報をユーザに提供しているだけであるため、ユーザの多くが商品を購入する際に考慮するコンテンツやコンテンツ情報の新規性や話題性を考慮したものではなく、ユーザの嗜好に適切に合致したコンテンツやコンテンツ情報を提供しているとは言い難い。

また、コンテンツやコンテンツ情報へのアクセス時期に関する特性を推定するための質問をユーザに行い、ユーザが回答した結果を用いて推定した特性に合致したコンテンツやコンテンツ情報を配信する手法では、ＩＴリテラシの低いユーザにとってインターネット上で質問やアンケートに答えること自体、非常に手間がかかり負担が大きい。

そこで、この発明は、上述した従来技術の課題を解決するためになされたものであり、ＩＴリテラシの低いユーザがコンテンツやコンテンツ情報を取得するのに掛かる負担を軽減することが可能であることと、ユーザの嗜好を適切に考慮したコンテンツやコンテンツ情報を提供することが可能であるコンテンツ提供方法、コンテンツ提供装置、コンテンツ提供プログラムおよびコンテンツ提供システムを提供することを目的とする。

上述した課題を解決し、目的を達成するため、請求項１に係る発明は、ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報を前記ユーザに提供するコンテンツ提供方法であって、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする際の時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するユーザ分類工程と、前記ユーザ分類工程により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計するコンテンツ集計工程と、前記コンテンツ集計工程により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類工程により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供するコンテンツ提供工程と、を含んだことを特徴とする。

また、請求項２に係る発明は、上記の発明において、前記ユーザ分類工程は、前記ユーザがコンテンツを購入した日時をさらに用いて前記アクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類することを特徴とする。

また、請求項３に係る発明は、上記の発明において、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが該当するジャンルと、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが人気商品であるか否かと、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが新作商品であるか否かと、前記ユーザがアクセスしたコンテンツ情報が他のユーザによって評価された評価情報を含むか否かとを示すメタデータを記憶するコンテンツメタデータ記憶手段をさらに含み、前記ユーザ分類工程は、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報のメタデータを前記コンテンツメタデータ記憶手段から取得して、前記アクセス時期特性として当該ユーザの嗜好を示すプロファイルベクトルを算出し、算出したプロファイルベクトルが最も類似する予め定めた複数のユーザタイプを示すプロファイルサンプルベクトルのユーザタイプに当該ユーザを分類することを特徴とする。

また、請求項４に係る発明は、上記の発明において、前記ユーザが購入したコンテンツまたは前記ユーザによってある一定期間にアクセスされ、かつ、所定の回数以上アクセスされたコンテンツまたはコンテンツ情報を取得して、取得された前記取得された前記コンテンツまたはコンテンツ情報またはコンテンツ情報に記載されたコンテンツと前記ユーザを識別するユーザＩＤとを対応付けてアクセス済みコンテンツとして保持するアクセス済みコンテンツ保持工程をさらに備え、前記コンテンツ提供工程は、前記コンテンツ集計工程により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類工程により分類された複数のユーザタイプそれぞれに属するユーザに、前記アクセス済みコンテンツ保持工程に保持されるコンテンツまたはコンテンツ情報以外を提供することを特徴とする。

また、請求項５に係る発明は、上記の発明において、前記コンテンツ集計工程は、前記ユーザ分類手段により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を所定の周期で集計することを特徴とする。

また、請求項６に係る発明は、ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報を前記ユーザに提供するコンテンツ提供装置であって、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする際の時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するユーザ分類手段と、前記ユーザ分類手段により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計するコンテンツ集計手段と、前記コンテンツ集計手段により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類手段により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供するコンテンツ提供手段と、を備えたことを特徴とする。

また、請求項７に係る発明は、ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報を前記ユーザに提供することをコンピュータに実行させるコンテンツ提供プログラムであって、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする際の時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するユーザ分類手順と、前記ユーザ分類手順により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計するコンテンツ集計手順と、前記コンテンツ集計手順により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類手順により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供するコンテンツ提供手順と、をコンピュータに実行させることを特徴とする。

また、請求項８に係る発明は、ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報を当該ユーザに配信するコンテンツ配信装置と、前記コンテンツ配信装置からコンテンツまたはコンテンツ情報を取得して前記ユーザに提供するコンテンツ提供装置とから構成されるコンテンツ提供システムであって、前記コンテンツまたはコンテンツ情報に記載されたコンテンツを一意に識別するコンテンツＩＤと、前記コンテンツまたはコンテンツ情報とを対応付けて記憶するコンテンツ記憶手段と、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するユーザ分類手段と、前記ユーザ分類手段により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計するコンテンツ集計手段と、前記コンテンツ集計手段により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類手段により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を前記コンテンツ記憶手段から取得して提供するコンテンツ提供手段と、を備えたことを特徴とする。

請求項１、６、７、８の発明によれば、ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする際の時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類し、分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計し、集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供するので、ユーザが自身の嗜好に適したコンテンツまたはコンテンツ情報へアクセスする時期的な特性を示すアクセス時期特性を用いてコンテンツまたはコンテンツ情報を提供することができる結果、ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することが可能であることと、ユーザの嗜好を適切に考慮したコンテンツまたはコンテンツ情報を提供することが可能である。

例えば、ユーザがアクセスしたコンテンツまたはコンテンツ情報だけでなく、アクセスした日時からユーザの時期的な嗜好をさらに考慮して、Rogersのイノベータ理論にて定義された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」にユーザを分類することで、それぞれのユーザの嗜好を適切に考慮することができるとともに、ＩＴリテラシの低いユーザに対しても、コンテンツを提供する側から当該ユーザの嗜好にあったコンテンツまたはコンテンツ情報を提供することができるので、ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することが可能である。

また、請求項２の発明によれば、ユーザがコンテンツを購入した日時をさらに用いてアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するので、コンテンツが購入された日時をさらに考慮することで、ユーザの嗜好をより適切に考慮したコンテンツを提供することが可能である。

例えば、コンテンツやコンテンツ情報にアクセスしたが購入していない情報と、コンテンツやコンテンツ情報にアクセスして購入した情報とを分けて考慮することで、Rogersのイノベータ理論にて定義された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」にユーザを分類する際に、より正確にユーザを分類することができる結果、ユーザの嗜好をより適切に考慮したコンテンツを提供することが可能である。

また、請求項３の発明によれば、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが該当するジャンルと、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが人気商品であるか否かと、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが新作商品であるか否かと、ユーザがアクセスしたコンテンツ情報が他のユーザによって評価された評価情報を含むか否かとを示すメタデータを記憶し、ユーザがアクセスしたコンテンツのメタデータを取得して、アクセス時期特性として当該ユーザの嗜好を示すプロファイルベクトルを算出し、算出したプロファイルベクトルが最も類似する予め定めた複数のユーザタイプを示すプロファイルサンプルベクトルのユーザタイプに当該ユーザを分類するので、コンテンツの詳細な内容であるメタデータをさらに考慮することで、ユーザの嗜好をより適切に考慮したコンテンツまたはコンテンツ情報を提供することが可能である。

例えば、ユーザがアクセスしたコンテンツまたはコンテンツ情報だけでなく、アクセスした日時からユーザの時期的な嗜好をさらに考慮して、Rogersのイノベータ理論にて定義された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」にユーザを分類することで、それぞれのユーザの嗜好を適切に考慮することができるとともに、ＩＴリテラシの低いユーザに対しても、コンテンツまたはコンテンツ情報を提供する側から当該ユーザの嗜好にあったコンテンツまたはコンテンツ情報を提供することができるので、ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することが可能である。

また、当該ユーザの嗜好を示すユーザプロファイルベクトルとして５次元のベクトル情報「Ｖ１、Ｖ２、Ｖ３、Ｖ４、Ｖ５」を算出して、このユーザプロファイルベクトルがどのサンプルプロファイルに類似するかを判定するので、より詳細な情報を用いてユーザを分類することができる結果、ユーザの嗜好をより適切に考慮したコンテンツを提供することが可能である。また、より詳細に分類するために、算出するユーザプロファイルベクトルを７次元にしたり、大まかな分類を行うために算出するユーザプロファイルベクトルを３次元にしたり、用途に応じて柔軟に対応することが可能である。

また、請求項４の発明によれば、ユーザが購入したコンテンツまたはユーザによってある一定期間にアクセスされ、かつ、所定の回数以上アクセスされたコンテンツまたはコンテンツ情報を取得して、取得されたコンテンツまたはコンテンツ情報またはコンテンツ情報に記載されたコンテンツとユーザを識別するユーザＩＤとを対応付けて保持し、集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、分類された複数のユーザタイプそれぞれに属するユーザに、保持されるコンテンツまたはコンテンツ情報以外を提供するので、ユーザの嗜好に応じたコンテンツまたはコンテンツ情報を提供することが可能であるとともに、ユーザの購買意欲を向上させることが可能である。

例えば、ユーザに対して、既にアクセスまたは購入したコンテンツまたはコンテンツ情報以外のユーザの嗜好に一致したコンテンツまたはコンテンツ情報を提供（推薦・配信）することができる結果、ユーザの嗜好に応じたコンテンツまたはコンテンツ情報を提供することが可能であるとともに、ユーザの購買意欲を向上させることが可能である。

また、請求項５の発明によれば、分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を所定の周期で集計するので、常にユーザの嗜好に応じたコンテンツまたはコンテンツ情報を提供することが可能である。

例えば、１ヶ月ごとや１週間ごとにユーザを分類して、コンテンツまたはコンテンツ情報を集計するようにすることで、ユーザの嗜好の変化などを適切に考慮することができる結果、常にユーザの嗜好に応じたコンテンツまたはコンテンツ情報を提供することが可能である。

以下に添付図面を参照して、この発明に係るコンテンツ提供方法、コンテンツ提供装置、コンテンツ提供プログラムおよびコンテンツ提供システムの実施例を詳細に説明する。なお、以下では、本実施例で用いる主要な用語、本実施例に係るレコメンドサーバの概要および特徴、レコメンドサーバの構成および処理の流れを順に説明し、最後に本実施例に対する種々の変形例を説明する。

［用語の説明］
まず最初に、本実施例で用いる主要な用語を説明する。本実施例で用いる「レコメンドシステム（特許請求の範囲に記載の「コンテンツ提供システム」）」とは、ユーザ端末に対して、当該ユーザ端末を利用するユーザの嗜好に応じたコンテンツ（例えば、映画、音楽、日用品など）や当該コンテンツを紹介するコンテンツ情報（例えば、映画のタイトルや総評など）を提供するシステムのことであり、具体的には、ユーザ端末とコンテンツ情報サーバとレコメンドサーバとがインターネットなどのネットワークを介して相互に通信可能に接続されて構成される。

ここで示す「コンテンツ」とは、例えば、「映画」や「音楽」などの各種商品であり、「コンテンツ情報」とは、「音楽のタイトル」や「映画のタイトル」など各種商品に関する情報であり、または、「この音楽はお勧めです。評価（３）」や「この映画はいまいちです。評価（１）」などの各種商品の評価情報などを含む場合がある。そして、本発明では、ユーザの嗜好に応じたコンテンツを提供する他に、ユーザの嗜好に応じたコンテンツに関する情報または評価情報などを示すコンテンツ情報のように、コンテンツそのものではなく、コンテンツ情報をユーザに勧めることで、コンテンツそのものの購入意欲を向上させることもできる。そこで、本実施例では、コンテンツに関する情報または評価情報などを示すコンテンツ情報をユーザに提供する場合について説明する。

また、「ユーザ端末（例えば、ユーザ端末Ａ、ユーザ端末Ｂ）」とは、レコメンドシステムを利用して、当該ユーザの嗜好に応じたコンテンツを購入、または、コンテンツ情報閲覧する装置のことであり、具体的には、インターネットを介してレコメンドサーバにアクセスして提供されるコンテンツを購入したり、コンテンツ情報を閲覧したりする。また、「コンテンツ情報サーバ（特許請求の範囲に記載の「コンテンツ配信装置」）」とは、ユーザ端末に対してコンテンツまたはコンテンツ情報を提供する装置のことであり、具体的には、レコメンドサーバの指示に応じたコンテンツまたはコンテンツ情報をユーザ端末に提供する。なお、ユーザ端末がレコメンドサーバへアクセスする手法としては、ＨＴＴＰ（HyperText Transfer Protocol）やＨＴＴＰＳ（HyperText Transfer Protocol Security）などの既存のプロトコルを用いる。

そして、「レコメンドサーバ（特許請求の範囲に記載の「コンテンツ提供装置」、「コンテンツ提供方法」、「コンテンツ提供プログラム」に対応する。）」とは、アクセスを受けたユーザ端末の嗜好に応じたコンテンツまたはコンテンツ情報を当該ユーザ端末に推薦（提供）する装置のことであり、具体的には、ユーザ端末からアクセスを受け付けると、当該ユーザ端末の嗜好を判別して推薦するコンテンツまたはコンテンツ情報を決定し、当該決定したコンテンツまたはコンテンツ情報を提供するようにコンテンツ情報サーバに指示を送信する。

［レコメンドサーバの概要および特徴］
次に、図１を用いて、実施例１に係るレコメンドサーバの概要および特徴を説明する。図１は、実施例１に係るレコメンドサーバを含むレコメンドシステムの全体構成を示す図である。

図１に示すように、このレコメンドシステムは、ユーザ端末Ａと、ユーザ端末Ｂと、コンテンツ情報サーバと、レコメンドサーバとがインターネットを介して相互に通信可能に接続されている。ユーザ端末Ａとユーザ端末Ｂとには、それぞれのユーザを一意に識別するユーザＩＤが記憶されており、具体的に例を挙げれば、「Ｕ００１」と「Ｕ００２」とが記憶されている。また、コンテンツ情報サーバは、ユーザ端末Ａとユーザ端末Ｂとに提供するコンテンツに関する情報をコンテンツＤＢに記憶している。具体的に例を挙げれば、コンテンツＤＢは、『提供するコンテンツの情報を一意に識別する「コンテンツＩＤ」、提供されるコンテンツを示す「コンテンツ」、当該コンテンツの情報を示す「コンテンツ情報」』として「Ｃ００１、音楽Ａ（musicA.mp3）、A.html」や「Ｃ００２、動画Ｂ（movieB.mpg）、B.html」などと記憶している。

このような構成において、実施例１に係るレコメンドサーバは、ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報をユーザに提供することを概要とするものであり、特に、ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することが可能である点と、ユーザの嗜好を適切に考慮したコンテンツまたはコンテンツ情報を提供することが可能である点とに主たる特徴がある。

この主たる特徴を具体的に説明すると、レコメンドサーバは、ユーザ端末Ａまたはユーザ端末Ｂとを使用するユーザを複数のユーザタイプに分類した結果を記憶するユーザ情報ＤＢと、ユーザ情報ＤＢに記憶されるユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計した結果を記憶するコンテンツ情報ＤＢとを備える。

このような状態において、レコメンドサーバは、ユーザ端末Ａからアクセスを受け付けると、コンテンツ情報サーバに対してコンテンツまたはコンテンツ情報の提供を指示して、レコメンドサーバはアクセスログを取得する（図１の（１）〜（３）参照）。具体的に例を挙げると、ユーザ端末Ａは、レコメンドサーバに対してコンテンツ情報「A.html」にアクセスすると、このアクセスを受け付けたレコメンドサーバは、当該コンテンツ情報「A.html」を提供するようにコンテンツ情報サーバに指示する。すると、コンテンツ情報サーバは、指示を受けたコンテンツ情報「A.html」をレコメンドサーバを介してユーザ端末Ａに配信する。そして、レコメンドサーバは、アクセスログとして『アクセスしたユーザを示す「ユーザＩＤ」、アクセスされた日時を示す「日時」、アクセスしたコンテンツ情報を示す「ＵＲＬ」、アクセスされたコンテンツ情報に記載のコンテンツを識別する「コンテンツＩＤ」』として「Ｕ００１、2007年1月1日10時00分、http://・・・・・/C001/A.html、Ｃ００１」などと取得する。

同様に、ユーザ端末Ａは、レコメンドサーバに対してコンテンツ「動画Ｂ」にアクセスすると、このアクセスを受け付けたレコメンドサーバは、当該コンテンツ「動画Ｂ」を提供するようにコンテンツ情報サーバに指示する。すると、コンテンツ情報サーバは、指示を受けたコンテンツ「動画Ｂ」をレコメンドサーバを介してユーザ端末Ａに配信する。そして、レコメンドサーバは、アクセスログを取得する。

このようにして、ユーザ端末からアクセスされたアクセスログを一定期間取得すると、レコメンドサーバは、ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザが自身の嗜好に適したコンテンツまたはコンテンツ情報へアクセスする時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類する（図１の（４）参照）。

具体的に説明すると、レコメンドサーバは、ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを記憶するアクセスログを参照し、アクセスした日時をユーザが自身の嗜好に適したコンテンツまたはコンテンツ情報にアクセスする時期的な特性を示すアクセス時期特性と推定して、アクセスログに記憶されているユーザを、商品を購入する時期が早い順に、Rogersのイノベータ理論にて定義された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」に分類する。例えば、レコメンドサーバは、『分類されるユーザを示す「ユーザＩＤ」、分類されたユーザタイプを示す「ユーザタイプ」』として「Ｕ００１、アーリーアダプタ」や「Ｕ００２、イノベータ」などとユーザ情報ＤＢに格納する。なお、この分類手法はあくまで一例であり、レコメンドシステムの運用者が定める様々な手法を用いて分類することができる。

そして、レコメンドサーバは、分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計する（図１の（５）参照）。具体的に説明すると、レコメンドサーバは、分類された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」ごとに、これらのユーザタイプに属するユーザがどのコンテンツまたはコンテンツ情報へ最もアクセスしたかをアクセスログから取得する。例えば、レコメンドサーバは、「イノベータ」に分類されたユーザ「Ｕ００２」がアクセスしたコンテンツをアクセスログから集計して、『ユーザタイプを示す「イノベータ」、当該ユーザタイプがアクセスした回数が多い順番を示す「順位」』として「イノベータ、Ｃ００２、Ｃ００３、Ｃ００１、Ｃ００４、Ｃ００５」などとコンテンツ情報ＤＢに格納する。また、レコメンドサーバは、「アーリーアダプタ」に分類されたユーザ「Ｕ００１」がアクセスしたコンテンツ情報をアクセスログから集計して、『分類されたユーザタイプを示す「ユーザタイプ」、当該ユーザタイプがアクセスした回数が多い順番を示す「順位」』として「アーリーアダプタ、Ｃ００１、Ｃ００２、Ｃ００３、Ｃ００４、Ｃ００５」などとコンテンツ情報ＤＢに格納する。

続いて、レコメンドサーバは、ユーザ「Ｕ００１」からアクセスを受け付けると、集計されたコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、ユーザタイプが分類されたユーザ（Ｕ００１）にコンテンツまたはコンテンツ情報を提供する（図１の（５）と（６）参照）。具体的に説明すると、レコメンドサーバは、分類されたユーザタイプごとにアクセス履歴が多い順に集計されたコンテンツ情報ＤＢから、予め定めた所定の条件である「レコメンドするユーザと同じタイプのユーザに人気のコンテンツ情報をレコメンドする」に従って、分類された複数のユーザタイプそれぞれに属するユーザにコンテンツ情報を提供する。例えば、レコメンドサーバは、「アーリーアダプタ」に分類されたユーザ「Ｕ００１」に対して、予め定めた所定の条件である「レコメンドするユーザと同じタイプのユーザに人気のコンテンツ情報をレコメンドする」に従って、「アーリーアダプタ」が最もアクセスしたコンテンツの「コンテンツＩＤ＝Ｃ００１」をコンテンツ情報ＤＢから取得し、当該コンテンツＩＤに対応するコンテンツ情報をコンテンツ情報サーバから取得してユーザ「Ｕ００１」に提供する。

また、「イノベータ」に分類されたユーザ「Ｕ００２」からアクセスを受け付けた場合、レコメンドサーバは、予め定めた所定の条件である「レコメンドするユーザと同じタイプのユーザに人気のコンテンツ情報をレコメンドする」に従って、「イノベータ」が最もアクセスしたコンテンツ情報である「コンテンツＩＤ＝Ｃ００２」をコンテンツ情報ＤＢから取得し、当該コンテンツＩＤに対応するコンテンツ情報をコンテンツ情報サーバから取得してユーザ「Ｕ００２」に提供する。なお、この予め定めた条件とはあくまで一例であり、例えば、「レコメンドするユーザより少し先進的なタイプのユーザに人気のあるコンテンツをレコメンドする」などのように様々な条件を指定することができる。この場合、レコメンドサーバは、「アーリーアダプタ」に属するユーザに対して、レコメンドするユーザより少し先進的なタイプのユーザである「イノベータ」に人気のあるコンテンツ（アクセス回数が多いコンテンツ）を提供する。

このように、実施例１に係るレコメンドサーバは、ユーザがコンテンツまたはコンテンツ情報へアクセスする時期的な特性を示すアクセス時期特性を用いてコンテンツまたはコンテンツ情報を提供することができる結果、上記した主たる特徴のごとく、ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することが可能であることと、ユーザの嗜好を適切に考慮したコンテンツまたはコンテンツ情報を提供することが可能である。

［レコメンドシステムの構成］
次に、図２を用いて、図１に示したレコメンドシステムの構成を説明する。図２は、実施例１に係るレコメンドシステムの構成を示すブロック図である。ここでは、本発明に特に密接に関係するコンテンツ情報サーバ１０とレコメンドサーバ２０とについて説明する。なお、ユーザ端末について説明しておくと、ユーザ端末Ａ、ユーザ端末Ｂは、当該端末を利用するユーザを一意に識別する「ユーザＩＤ（Ｕ００１、Ｕ００２）」を記憶して、コンテンツやコンテンツ情報を閲覧・購入するためにレコメンドサーバにアクセスする際に、アクセス要求とともに記憶する「ユーザＩＤ」を送信する。また、これらのユーザ端末は、インターネットに接続してコンテンツやコンテンツ情報を参照することのできる既知のパーソナルコンピュータ、ワークステーション、携帯電話、ＰＨＳ端末、移動体通信端末またはＰＤＡなどの情報処理装置である。

（コンテンツ情報サーバ１０の構成）
図２に示すように、コンテンツ情報サーバ１０は、通信制御Ｉ／Ｆ部１１と、記憶部１２と、制御部１５とから構成される。通信制御Ｉ／Ｆ部１１は、接続されるレコメンドサーバ２０との間でやり取りする各種情報に関する通信を制御する。具体的に例を挙げれば、通信制御Ｉ／Ｆ部１１は、レコメンドサーバ２０から提供されるコンテンツまたはコンテンツ情報の提供指示を受信したり、レコメンドサーバ２０から指示されたコンテンツまたはコンテンツ情報をレコメンドサーバ２０に送信したりする。

記憶部１２は、制御部１５による各種処理に必要なデータおよびプログラム、通信を行うためのＩＰアドレスなどの情報を格納するとともに、特に本発明に密接に関連するものとしては、コンテンツＤＢ１３を備える。

コンテンツＤＢ１３は、ユーザ端末に提供するコンテンツまたはコンテンツ情報を記憶する。具体的に例を挙げれば、コンテンツＤＢ１３は、図３に示すように、『提供するコンテンツの情報を一意に識別する「コンテンツＩＤ」、提供されるコンテンツを示す「コンテンツ」、当該コンテンツの情報を示す「コンテンツ情報」』として「Ｃ００１、音楽Ａ（musicA.mp3）、A.html」や「Ｃ００２、動画Ｂ（movieB.mpg）、B.html」などと記憶している。なお、図３は、コンテンツＤＢに記憶される情報の例を示す図である。

制御部１５は、ＯＳ（Operating System）などの制御プログラム、各種の処理手順などを規定したプログラムおよび所要データを格納するための内部メモリを有するとともに、コンテンツ要求受信部１６と、コンテンツ配信部１７とを備え、これらによって種々の処理を実行する。

コンテンツ要求受信部１６は、レコメンドサーバ２０から送信されたコンテンツ提供指示を受信する。具体的に例を挙げれば、コンテンツ要求受信部１６は、レコメントサーバ２０から送信されたコンテンツＩＤを通信制御Ｉ／Ｆ部１１を介して受信し、受信したコンテンツＩＤを後述するコンテンツ配信部１７に通知する。

コンテンツ配信部１７は、レコメンドサーバ２０を介してユーザ端末にコンテンツまたはコンテンツ情報を配信する。具体的には、コンテンツ配信部１７は、コンテンツ要求受信部１６によってコンテンツＩＤが通知されると、当該コンテンツＩＤに対応するコンテンツまたはコンテンツ情報をコンテンツＤＢから取得して、取得したコンテンツまたはコンテンツ情報をレコメンドサーバ２０を介してユーザ端末に配信する。上記した例で具体的に説明すると、コンテンツ配信部１７は、コンテンツ要求受信部１６によってコンテンツＩＤ「Ｃ００１」が通知されると、当該コンテンツＩＤ「Ｃ００１」に対応するコンテンツ情報「A.html」をコンテンツＤＢから取得して、取得したコンテンツ情報「A.html」をレコメンドサーバ２０を介してユーザ端末に配信する。

（レコメンドサーバ２０の構成）
図２に示すように、レコメンドサーバ２０は、通信制御Ｉ／Ｆ部２１と、記憶部２２と、制御部３０とから構成される。通信制御Ｉ／Ｆ部２１は、接続されるユーザ端末やコンテンツ情報サーバ１０との間でやり取りする各種情報に関する通信を制御する。具体的に例を挙げれば、通信制御Ｉ／Ｆ部２１は、ユーザ端末からコンテンツアクセス要求を受信したり、コンテンツ情報サーバ１０に対してコンテンツＩＤを送信したり、コンテンツ情報サーバ１０からコンテンツまたはコンテンツ情報を受信したり、ユーザ端末に対してコンテンツまたはコンテンツ情報を提供したりする。

記憶部２２は、制御部３０による各種処理に必要なデータおよびプログラムや通信を行うためのＩＰアドレスなどの情報を格納するとともに、特に本発明に密接に関連するものとしては、アクセスログＤＢ２３と、ユーザ情報ＤＢ２４と、コンテンツ情報ＤＢ２５と、マッチングルールＤＢ２６とを備える。

アクセスログＤＢ２３は、ユーザ端末がアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時と記憶する。具体的に例を挙げれば、アクセスログＤＢ２３は、図４に示すように、『アクセスしたユーザを示す「ユーザＩＤ」、アクセスされた日時を示す「アクセス日時」、アクセスしたコンテンツ情報を示す「アクセスＵＲＬ」、アクセスされたコンテンツ情報を識別する「コンテンツＩＤ」、コンテンツが購入された有無を示す「購入状況」』として「Ｕ００１、2007年3月31日11:00:00、http:/・・・・・/C001/A.html、Ｃ００１、有り」などと記憶する。なお、図４は、アクセスログＤＢに記憶される情報の例を示す図である。

ユーザ情報ＤＢ２４は、コンテンツまたはコンテンツ情報へアクセスするユーザ端末それぞれを複数のユーザタイプに分類した結果を記憶する。具体的には、ユーザ情報ＤＢ２４は、後述するユーザ分類部３２によって分類されて格納されたユーザ分類結果を記憶する。例えば、ユーザ情報ＤＢ２４は、図５に示すように、『分類されたユーザを示す「ユーザＩＤ」、分類されたユーザタイプを示す「ユーザタイプ」』として「Ｕ００１、アーリーアダプタ」や「Ｕ００２、イノベータ」、「Ｕ００３、ラガード」などと記憶する。なお、図５は、ユーザ情報ＤＢに記憶される情報の例を示す図である。

コンテンツ情報ＤＢ２５は、ユーザ情報ＤＢ２４に記憶される分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴の集計結果を記憶する。具体的には、コンテンツ情報ＤＢ２５は、ユーザ情報ＤＢ２４に記憶される分類された複数のユーザタイプごとに、後述するコンテンツ集計部３３によって集計されて格納された当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報のアクセス履歴を記憶する。例えば、コンテンツ情報ＤＢ２５は、図６に示すように、『分類されたユーザタイプを示す「ユーザタイプ」、当該ユーザタイプがアクセスした回数が多い順番を示す「順位」』として「イノベータ、Ｃ００２、Ｃ００３、Ｃ００１、Ｃ００４、Ｃ００５」や「アーリーアダプタ、Ｃ００１、Ｃ００２、Ｃ００３、Ｃ００４、Ｃ００５」などと記憶する。なお、図６は、コンテンツ情報ＤＢに記憶される情報の例を示す図である。

マッチングルールＤＢ２６は、当該レコメンドシステムの運営者（管理者）によって格納されたユーザ端末に推薦（提供）するコンテンツまたはコンテンツ情報を決定する条件（ルール）を記憶する。具体的に例を挙げれば、マッチングルールＤＢ２６は、図７に示すように、『ルールを一意に識別する「ルールＩＤ」、当該ルール内容を示す「ルール内容」』として「Ｒ００１、レコメンドするユーザと同じタイプのユーザに人気のコンテンツ情報をレコメンドする」や「レコメンドするユーザより少し先進的なタイプ（商品の購入時期が１つ早いタイプ）のユーザに人気のコンテンツをレコメンドする」などと記憶する。

また、マッチングルールＤＢは、上記した情報以外にも、当該ルールが有効であるか否かを示す情報を記憶するようにしてもよい。なお、マッチングルールＤＢ２６は、特許請求の範囲に記載の「所定の条件」に対応する。また、図７は、マッチングルールＤＢに記憶される情報の例を示す図である。

制御部３０は、ＯＳ（Operating System）などの制御プログラム、各種の処理手順などを規定したプログラムおよび所要データを格納するための内部メモリを有するとともに、コンテンツ要求受信部３１と、ユーザ分類部３２と、コンテンツ集計部３３と、コンテンツ提供部３４とを備え、これらによって種々の処理を実行する。

コンテンツ要求受信部３１は、ユーザ端末からアクセス要求を受信する。具体的に例を挙げれば、コンテンツ要求受信部３１は、ユーザ端末Ａやユーザ端末Ｂなどから通信制御Ｉ／Ｆ部２１を介してアクセス要求を受信し、受信した旨を後述するコンテンツ提供部３４に通知する。

ユーザ分類部３２は、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする際の時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類する。具体的には、ユーザ分類部３２は、ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを記憶するアクセスログＤＢ２３を参照し、アクセスする際の時期的な特性を示すアクセス時期特性を推定して、アクセスログＤＢ２３に記憶されているユーザを、商品を購入する時期が早い順に、Rogersのイノベータ理論にて定義された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」に分類し、分類した結果をユーザ情報ＤＢ２４に格納する。なお、ユーザ分類部３２は、特許請求の範囲に記載の「ユーザ分類工程」に対応する。

コンテンツ集計部３３は、ユーザ分類部３２により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計する。具体的に例を挙げると、コンテンツ集計部３３は、ユーザ分類部３２によって分類された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」ごとに、これらのユーザタイプに属するユーザがどのコンテンツまたはコンテンツ情報へ最もアクセスしたかをアクセスログから取得する。例えば、コンテンツ集計部３３は、「イノベータ」に分類されたユーザ「Ｕ００２」がアクセスしたコンテンツまたはコンテンツ情報をアクセスログから集計して、『ユーザタイプを示す「イノベータ」、当該ユーザタイプがアクセスした回数が多い順番を示す「順位」』として「イノベータ、Ｃ００２、Ｃ００３、Ｃ００１、Ｃ００４、Ｃ００５」などとコンテンツ情報ＤＢ２５に格納する。

また、コンテンツ集計部３３は、「アーリーアダプタ」に分類されたユーザ「Ｕ００１」がアクセスしたコンテンツまたはコンテンツ情報をアクセスログから集計して、『分類されたユーザタイプを示す「ユーザタイプ」、当該ユーザタイプがアクセスした回数が多い順番を示す「順位」』として「アーリーアダプタ、Ｃ００１、Ｃ００２、Ｃ００３、Ｃ００４、Ｃ００５」などとコンテンツ情報ＤＢ２５に格納する。なお、コンテンツ集計部３３は、特許請求の範囲に記載の「コンテンツ集計工程」に対応する。

コンテンツ提供部３４は、コンテンツ集計部３３により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、ユーザ分類部３２により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供する。具体的には、コンテンツ提供部３４は、分類されたユーザタイプごとに集計したコンテンツまたはコンテンツ情報を記載したコンテンツＤＢ２５から、マッチングルールＤＢ２６に記憶される「Ｒ００１、レコメンドするユーザと同じタイプのユーザに人気のコンテンツ情報をレコメンドする」に従って、分類された複数のユーザタイプそれぞれに属するユーザにコンテンツ情報を提供する。

例えば、コンテンツ提供部３４は、「アーリーアダプタ」に分類されたユーザ「Ｕ００１」からコンテンツ要求受信部３１によってアクセスが受け付けられると、マッチングルールＤＢ２６に記憶される「Ｒ００１、レコメンドするユーザと同じタイプのユーザに人気のコンテンツ情報をレコメンドする」に従って、「アーリーアダプタ」が最もアクセスしたコンテンツ情報に記載の「コンテンツＩＤ＝Ｃ００１」に該当するコンテンツ情報をコンテンツ情報ＤＢ２５から取得し、当該コンテンツＩＤに対応するコンテンツ情報を配信するようにコンテンツ情報サーバ１０に指示する。そして、コンテンツ提供部３４は、配信された「コンテンツＩＤ＝Ｃ００１」であるコンテンツ情報「A.html」をコンテンツ情報サーバ１０から取得してユーザ「Ｕ００１」に提供する。

また、コンテンツ提供部３４は、「イノベータ」に分類されたユーザ「Ｕ００２」からコンテンツ要求受信部３１によってアクセスが受け付けられると、マッチングルールＤＢ２６に記憶される「Ｒ００１、レコメンドするユーザと同じタイプのユーザに人気のコンテンツ情報をレコメンドする」に従って、「イノベータ」が最もアクセスしたコンテンツ情報に記載の「コンテンツＩＤ＝Ｃ００２」に該当するコンテンツ情報をコンテンツ情報ＤＢ２５から取得し、当該コンテンツＩＤに対応するコンテンツを配信するようコンテンツ情報サーバ１０に指示する。そして、コンテンツ提供部３４は、配信された「コンテンツＩＤ＝Ｃ００２」であるコンテンツ情報「B.html」をコンテンツ情報サーバ１０から取得してユーザ「Ｕ００２」に提供する。

なお、コンテンツ提供部３４が参照するマッチングルールは、あらかじめレコメンドシステムの運営者によって定められてもよく、マッチングルールＤＢ２６に記憶されるルールが有効か無効かを示す情報をさらに記憶させておき、有効であるルールを参照するようにしてもよい。また、コンテンツ提供部３４は、特許請求の範囲に記載の「コンテンツ提供工程」に対応する。

［レコメンドサーバによる処理］
次に、図８を用いて、実施例１に係るレコメンドサーバによる処理を説明する。図８は、実施例１に係るレコメンドサーバにおけるコンテンツレコメンド処理の流れを示すフローチャートである。

図８に示すように、レコメンドシステムの運営者や管理者などからユーザ分類指示を受信したり、ユーザ分類実施時刻に到達したりすると（ステップＳ８０１肯定）、レコメンドサーバ２０のユーザ分類部３２は、ユーザ端末がアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを記憶するアクセスログＤＢ２３からアクセスログを取得する（ステップＳ８０２）。

続いて、ユーザ分類部３２は、当該ユーザが自身の嗜好に適したコンテンツまたはコンテンツ情報へアクセスする時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類する（ステップＳ８０３）。具体的に例を挙げると、ユーザ分類手段３２は、アクセスした日時をユーザが自身の嗜好に適したコンテンツまたはコンテンツ情報にアクセスする時期的な特性を示すアクセス時期特性と推定して、アクセスログＤＢ２３に記憶されているユーザを、商品を購入する時期が早い順に、Rogersのイノベータ理論にて定義された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」に分類し、分類した結果をユーザ情報ＤＢ２４に格納する。

そして、レコメンドサーバ２０のコンテンツ集計部３３は、ユーザ分類部３２により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計する（ステップＳ８０４）。具体的に例を挙げると、コンテンツ集計部３３は、ユーザ分類部３２によって分類された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」ごとに、これらのユーザタイプに属するユーザがどのコンテンツ情報へ最もアクセスしたかをアクセスログＤＢ２３から取得する。

その後、レコメンドサーバ２０のコンテンツ提供部３４は、コンテンツ集計部３３により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、ユーザ分類部３２により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供する（ステップＳ８０５）。具体的に例を挙げると、コンテンツ提供部３４は、「アーリーアダプタ」に分類されたユーザ「Ｕ００１」からコンテンツ要求受信部３１によってアクセスが受け付けられると、マッチングルールＤＢ２６に記憶される「Ｒ００１、レコメンドするユーザと同じタイプのユーザに人気のコンテンツをレコメンドする」に従って、「アーリーアダプタ」が最もアクセスしたコンテンツの「コンテンツＩＤ＝Ｃ００１」をコンテンツ情報ＤＢ２５から取得し、当該コンテンツＩＤに対応するコンテンツをコンテンツ情報サーバ１０から取得して、取得された「コンテンツＩＤ＝Ｃ００１」であるコンテンツ情報「A.html」をユーザ「Ｕ００１」に提供する。

［実施例１による効果］
このように、実施例１によれば、ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする際の時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類し、分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計し、集計されたコンテンツまたはコンテンツ情報報の履歴と、予め定めたマッチングルールとに基づいて、分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供するので、ユーザが自身の嗜好に適したコンテンツまたはコンテンツ情報へアクセスする時期的な特性を示すアクセス時期特性を用いてコンテンツ情報を提供することができる結果、ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することが可能であることと、ユーザの嗜好を適切に考慮したコンテンツまたはコンテンツ情報を提供することが可能である。

例えば、ユーザがアクセスしたコンテンツまたはコンテンツ情報だけでなく、アクセスした日時からユーザの時期的な嗜好をさらに考慮して、Rogersのイノベータ理論にて定義された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」にユーザを分類することで、それぞれのユーザの嗜好を適切に考慮することができるとともに、ＩＴリテラシの低いユーザに対しても、コンテンツまたはコンテンツ情報を提供する側から当該ユーザの嗜好にあったコンテンツまたはコンテンツ情報を提供することができるので、ＩＴリテラシの低いユーザがコンテンツ情報を取得するのに掛かる負担を軽減することが可能である。

また、実施例１によれば、ユーザがコンテンツを購入した日時をさらに用いてアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するので、コンテンツが購入された日時をさらに考慮することで、ユーザの嗜好をより適切に考慮したコンテンツ情報を提供することが可能である。

例えば、コンテンツまたはコンテンツ情報にアクセスしたが購入していない情報と、コンテンツにアクセスして購入した情報とを分けて考慮することで、Rogersのイノベータ理論にて定義された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」にユーザを分類する際に、より正確にユーザを分類することができる結果、ユーザの嗜好をより適切に考慮したコンテンツまたはコンテンツ情報を提供することが可能である。

ところで、実施例１では、ユーザのコンテンツまたはコンテンツ情報に対するアクセス履歴からアクセス時期特性を推定してユーザを分類する場合について説明したが、本発明はこれに限定されるものではなく、ユーザがアクセスしたコンテンツ情報やコンテンツそのもの、および、購入したコンテンツから、新作商品に対する興味の度合い、人気商品に対する興味の度合い、商品のジャンルに対する興味の度合い、評価情報に対する興味の度合いなどを用いてアクセス時期特性をベクトルで算出してユーザを分類するようにしてもよい。

そこで、実施例２では、アクセス時期特性をベクトルで表現してユーザを分類する場合について説明する。なお、実施例２では、実施例２に係るレコメンドサーバの構成および実施例２による効果について説明する。

［レコメンドサーバの構成］
図９を用いて、実施例２に係るレコメンドサーバの構成について説明する。図９に示すように、このレコメンドサーバ２０は、通信制御Ｉ／Ｆ部２１と、アクセスログＤＢ２３と、ユーザ情報ＤＢ２４と、コンテンツ情報ＤＢ２５と、マッチングルールＤＢ２６と、コンテンツメタデータＤＢ２７と、プロファイルサンプルＤＢ２８と、コンテンツ要求受信部３１と、ユーザ分類部３２と、コンテンツ集計部３３と、コンテンツ提供部３４とから構成される。このうち、通信制御Ｉ／Ｆ部２１と、アクセスログＤＢ２３と、ユーザ情報ＤＢ２４と、コンテンツ情報ＤＢ２５と、マッチングルールＤＢ２６と、コンテンツ要求受信部３１と、コンテンツ集計部３３と、コンテンツ提供部３４とは、実施例１とは同様の機能を有するので、ここではその詳細な説明は省略する。なお、コンテンツ情報サーバ１０についても実施例１と同様の機能を有するので、ここでは詳細な説明は省略する。

図９では、実施例１とは異なる機能を有する、コンテンツメタデータＤＢ２７と、プロファイルサンプルＤＢ２８と、ユーザ分類部３２とについて説明する。なお、図９は、実施例２に係るレコメンドシステムの構成を示す図である。

コンテンツメタデータＤＢ２７は、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが該当するジャンルと、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが人気商品であるか否かと、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが新作商品であるか否かと、ユーザがアクセスしたコンテンツ情報が他のユーザによって評価された評価情報を含むか否かとを示すメタデータを記憶する。具体的に例を挙げれば、コンテンツメタデータＤＢ２７は、図１０に示すように、『コンテンツを一意に識別する「コンテンツＩＤ」、コンテンツのジャンルを示す「ジャンル」、コンテンツが新作商品か否かを示す「新作商品か？」、コンテンツが人気商品か否かを示す「人気商品か？」』として「Ｃ００１、アクション、新作商品、−」や「Ｃ００２、ＳＦ、−、人気商品」などと記憶する。ここで示す「−」とは、当該項目に該当しないことを示している。また、コンテンツメタデータＤＢ２７は、特許請求の範囲に記載の「コンテンツメタデータ記憶手段」に対応する。なお、図１０は、コンテンツメタデータＤＢに記憶される情報の例を示す図である。

プロファイルサンプルＤＢ２８は、予め定めた複数のユーザタイプを示すプロファイルサンプルベクトルを記憶する。具体的には、プロファイルサンプルＤＢ２８は、K-means法を用いてクラスタリングして生成された複数のユーザタイプを示すプロファイルサンプルベクトルを記憶する。例えば、プロファイルサンプルＤＢ２８は、図１１に示すように、『ユーザタイプを示す「ユーザタイプ」、当該ユーザを示す「プロファイルサンプルベクトル」』として「イノベータ、Ａ１、Ａ２、Ａ３、Ａ４、Ａ５」や「アーリーアダプタ、Ｂ１、Ｂ２、Ｂ３、Ｂ４、Ｂ５」などと記憶する。また、このプロファイルサンプルＤＢ２８に記憶される情報は、運営者や管理者などによって予め登録されていてもよく、過去のデータから算出して登録されていてもよい。また、プロファイルサンプルＤＢ２８に記憶される情報は、必ずしも５次元である必要はない。なお、図１１は、プロファイルサンプルＤＢに記憶される情報の例を示す図である。

ユーザ分類部３２は、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツのメタデータをコンテンツメタデータＤＢ２７から取得して、アクセス時期特性として当該ユーザの嗜好を示すプロファイルベクトル（ユーザプロファイルベクトル）を算出し、算出したプロファイルベクトルが最も類似する予め定めた複数のユーザタイプを示すプロファイルサンプルベクトルのユーザタイプに当該ユーザを分類する。

ここで、ユーザを分類する流れについて説明すると、まず、ユーザ分類部３２は、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツのメタデータをコンテンツメタデータＤＢ２７から取得して、アクセス時期特性として当該ユーザの嗜好を示すユーザプロファイルベクトルを５次元で算出する。例えば、ユーザ分類部３２は、５次元のベクトル情報として、「新作コンテンツに対する興味の度合い、人気コンテンツに対する興味の度合い、お勧めコンテンツに対する興味の度合い、カテゴリ（ジャンル）に対する興味の度合い、評価情報に対する興味の度合い」のそれぞれを図１２に示す算出方法で統計的に算出する。なお、図１２は、ユーザプロファイルベクトルの算出方法の例を示す図である。

次に、ユーザ分類部３２は、算出したユーザプロファイルベクトルが最も類似する予め定めた複数のユーザタイプを示すプロファイルサンプルベクトルのユーザタイプに当該ユーザを分類する。上記した例で具体的に説明すると、ユーザ分類部３２は、算出したユーザの嗜好を示すユーザプロファイルベクトル「Ｖ１、Ｖ２、Ｖ３、Ｖ４、Ｖ５」と、プロファイルサンプルＤＢ２８に記憶される各サンプルプロファイルベクトルとをユークリッド距離法を用いて類似度を算出する。そして、ユーザ分類部３２は、ユーザの嗜好を示すユーザプロファイルベクトル「Ｖ１、Ｖ２、Ｖ３、Ｖ４、Ｖ５」と最も類似度が大きいサンプルプロファイルベクトルのユーザタイプを、当該ユーザのユーザタイプとして決定して「Ｕ００１、アーリーアダプタ」などとユーザ情報ＤＢ２４に格納する。

これ以降のユーザタイプ別に、マッチングルールに従ってそれぞれのタイプの嗜好に適したコンテンツを提供する処理の流れは、実施例１と同様であるので、ここでは省略する。

［実施例２による効果］
このように、実施例２によれば、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが該当するジャンルと、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが人気商品であるか否かと、ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが新作商品であるか否かと、ユーザがアクセスしたコンテンツ情報が他のユーザによって評価された評価情報を含むか否かとを示すメタデータを記憶し、ユーザがアクセスしたコンテンツまたはコンテンツ情報のメタデータを取得して、アクセス時期特性として当該ユーザの嗜好を示すプロファイルベクトルを算出し、算出したプロファイルベクトルが最も類似する予め定めた複数のユーザタイプを示すプロファイルサンプルベクトルのユーザタイプに当該ユーザを分類するので、コンテンツまたはコンテンツ情報の詳細な内容であるメタデータをさらに考慮することで、ユーザの嗜好をより適切に考慮したコンテンツを提供することが可能である。

例えば、ユーザがアクセスしたコンテンツまたはコンテンツ情報だけでなく、アクセスした日時からユーザの時期的な嗜好をさらに考慮して、Rogersのイノベータ理論にて定義された「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」、「ラガード」にユーザを分類することで、それぞれのユーザの嗜好を適切に考慮することができるとともに、ＩＴリテラシの低いユーザに対しても、コンテンツまたはコンテンツ情報を提供する側から当該ユーザの嗜好にあったコンテンツまたはコンテンツ情報を提供することができるので、ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することが可能である。

また、当該ユーザの嗜好を示すユーザプロファイルベクトルとして５次元のベクトル情報「Ｖ１、Ｖ２、Ｖ３、Ｖ４、Ｖ５」を算出して、このユーザプロファイルベクトルがどのサンプルプロファイルに類似するかを判定するので、より詳細な情報を用いてユーザを分類することができる結果、ユーザの嗜好をより適切に考慮したコンテンツを提供することが可能である。また、より詳細に分類するために、算出するユーザプロファイルベクトルを７次元にしたり、大まかな分類を行うために算出するユーザプロファイルベクトルを３次元にしたり、用途に応じて柔軟に対応することが可能である。

ところで、実施例２では、算出したプロファイルベクトルと予め記憶されるプロファイルサンプルベクトルとをユークリッド距離法を用いて類似度を算出し、算出された類似度からからユーザを分類する場合について説明したが、本発明はこれに限定されるものではなく、分類されるユーザの種類ごとに示したプロファイルベクトル（ユーザプロファイルベクトル）の評価基準値を用いてユーザを分類するようにしてもよい。

また、実施例２では、ユーザプロファイルベクトルが５次元である場合について説明したが、本発明はこれに限定されるものではなく、算出するユーザプロファイルベクトルは何次元であってもよい。そこで、実施例３では、図１３〜図２３を用いて、分類されるユーザの種類ごとに示した３次元で示されたプロファイルベクトル（ユーザプロファイルベクトル）の評価基準値を用いてユーザを分類する場合について説明する。なお、実施例３では、プロファイルベクトル算出処理の流れ、ユーザ分類処理の流れ、実施例３による効果を順に説明する。なお、図１３は、実施例３に係るプロファイルベクトル算出処理の流れを示すフローチャートである。

［プロファイルベクトル算出処理の流れ］
図１３に示すように、レコメンドシステムの運営者や管理者などからユーザ分類指示を受信したり、ユーザ分類実施時刻に到達したりすると（ステップＳ１３０１肯定）、レコメンドサーバ２０は、ユーザ分類対象期間を決定する（ステップＳ１３０２）。そして、レコメンドサーバ２０は、決定した対象期間のアクセスログをアクセスログＤＢ２３から取得する（ステップＳ１３０３）。

具体的に例を挙げれば、レコメンドシステムの運営者や管理者などからユーザ分類指示を受信したり、ユーザ分類実施時刻に到達したりすると、レコメンドサーバ２０は、ユーザ分類対象期間を「2007年4月1日〜2007年4月30日」と決定する。続いて、レコメンドサーバ２０は、図１４に示したアクセスログＤＢ２３に記憶されるアクセスログから、当該期間「2007年4月1日〜2007年4月30日」に該当するアクセスログ「Ｕ００１、2007/4/1 11:00:00、http://・・・・・/C001/ A.html、Ｃ００１」を取得する。なお、図１４は、アクセスログＤＢに記憶される情報の例を示す図である。

そして、レコメンドサーバ２０は、取得したアクセスログのコンテンツが新作である場合（ステップＳ１３０４肯定）、アクセスログ集計データの「新作へのアクセス回数」を加算し（ステップＳ１３０５）、取得したアクセスログのコンテンツが人気があるコンテンツである場合（ステップＳ１３０６肯定）、アクセスログ集計データの「人気へのアクセス回数」を加算し（ステップＳ１３０７）、取得したアクセスログのコンテンツのジャンルがアクションである場合（ステップＳ１３０８肯定）、アクセスログ集計データの「アクションジャンルへのアクセス回数」を加算し（ステップＳ１３０９）、決定した期間内のアクセスログが終了したか否かを判定する（ステップＳ１３１０）。続いて、レコメンドサーバ２０は、決定した期間内のアクセスログが存在する限り（ステップＳ１３１０否定）、次のアクセスログを読み込んで、ステップＳ１３０３〜ステップＳ１３１０までの処理を繰り返す。

上記した例で具体的に説明すると、レコメンドサーバ２０は、取得したアクセスログ「Ｕ００１、2007/4/1 11:00:00、http://・・・・・/C001/ A.html、Ｃ００１」からコンテンツ「Ｃ００１」が「新作商品であるか」、「人気商品であるか」、「ジャンルがアクションであるか」を、図１５に示したコンテンツメタデータから判定する。この場合、レコメンドサーバ２０は、コンテンツ「Ｃ００１」を「新作商品」であり「ジャンルがアクション」と判定する。続いて、レコメンドサーバ２０は、判定した結果から、図１６に示したアクセスログ集計データのユーザ「Ｕ００１」に対応付けて「新作コンテンツへのアクセス回数」と「アクションジャンルへのアクセス回数」を加算する。そして、レコメンドサーバ２０は、決定された期間のアクセスログ全てに対して、上記した手法を用いて、ユーザがどのようなコンテンツまたはコンテンツ情報にアクセスしたかを集計する（図１６参照）。なお、図１５は、コンテンツメタデータＤＢ２７に記憶される情報の例を示す図であり、図１６は、アクセス集計された情報の例を示す図である。

そして、決定した期間内のアクセスログ全てに対して上記した手法が実行されると（ステップＳ１３１０肯定）、レコメンドサーバ２０は、ユーザごとのアクセス状況を集計したアクセス集計データ（図１６参照）と、予め定めたプロファイルベクトル（ユーザプロファイルベクトル）の評価基準値を突合して（ステップＳ１３１１）、ユーザプロファイルベクトルを算出する（ステップＳ１３１２）。

上記した例で具体的に説明すると、レコメンドサーバ２０は、ユーザごとのアクセス状況を集計したアクセス集計データ（図１６参照）と、図１７に示す「新作コンテンツへのアクセス回数」、「人気コンテンツへのアクセス回数」、「アクションジャンルのコンテンツへのアクセス回数」ごとに「評価値」を予め定めたプロファイルベクトルとを突合して、図１８に示すユーザプロファイルベクトルを算出する。例えば、レコメンドサーバ２０は、図１６に示したユーザ「Ｕ００１」の新作コンテンツへのアクセス回数＝２０」、「人気コンテンツへのアクセス回数＝２０」、「アクションジャンルのコンテンツへのアクセス回数＝２０」であることから、それぞれのアクセス回数が「１１〜２０」である場合の「評価値＝２」をユーザプロファイルベクトルとして算出する。なお、図１７は、評価値基準値データの例を示す図であり、図１８は、生成されるユーザプロファイルベクトルの例を示す図である。

［ユーザ分類処理の流れ］
次に、図１９を用いて、実施例３に係るユーザ分類処理の流れを説明する。なお、図１９は、実施例３に係るユーザ分類処理の流れを示すフローチャートである。

図１９に示すように、ユーザプロファイルベクトルが生成されると（ステップＳ１９０１肯定）、レコメンドサーバ２０は、生成されたユーザプロファイルを取得し（ステップＳ１９０２）、予め定めたサンプルプロファイルベクトルに基づいて、生成されたユーザプロファイルベクトルの各ユーザを分類する（ステップＳ１９０３）。そして、レコメンドサーバ２０は、ユーザプロファイルベクトルの全ユーザに対してユーザタイプが決定するまで（ステップＳ１９０４否定）、上記したステップＳ１９０２〜ステップＳ１９０３の処理を実行し、ユーザプロファイルベクトルの全ユーザに対してユーザタイプが決定する（ステップＳ１９０４肯定）と、処理を終了する。

ユーザ分類手法を具体的に説明すると、レコメンドサーバ２０は、ユーザプロファイルベクトルが「Ｕ１、Ｕ２、Ｕ３」であり、プロファイルサンプルベクトルが「Ｓ１、Ｓ２、Ｓ３」であった場合、図２０の（１）に示した、ユーザプロファイルベクトルとプロファイルサンプルベクトルとが対応するベクトル値の差を算出し、算出された値を２乗して足し合わせを行う距離算出式を用いて距離（類似度）を算出する。そして、レコメンドサーバ２０は、それぞれのユーザタイプごとにプロファイルサンプルベクトルとの距離を図２０の（１）で算出し、算出された距離が最も小さかったユーザタイプに、当該ユーザを分類する。また、ユーザプロファイルベクトルおよびプロファイルサンプルベクトルが５次元であった場合、つまり、ユーザプロファイルベクトルが「Ｕ１、Ｕ２、Ｕ３、Ｕ４、Ｕ５」であり、プロファイルサンプルベクトルが「Ｓ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５」であった場合、レコメンドサーバ２０は、図２０の（２）に示した距離算出式を用いて距離を算出する。なお、図２０は、距離算出式の例を示す図である。

上記した例で具体的に説明すると、図２１に示したようなユーザプロファイルベクトルが生成されると、レコメンドサーバ２０は、図２０からユーザプロファイルベクトルとして「Ｕ００１、２、２、２」と、図２２に示したサンプルプロファイルベクトルの「イノベータ」から順に記憶されるベクトル（イノベータの場合「１、１、１」）を取得する。そして、レコメンドサーバ２０は、図２０の（１）に示した距離算出式を用いて、それぞれのユーザタイプとの距離を算出する。

この例では、重み付け「α、β、γ、ζ、ε」をそれぞれ「１」とした場合、ユーザプロファイルベクトルとして「Ｕ００１、２、２、２」とイノベータとの距離は「３」、アーリーアダプタとの距離は「０」、アーリーマジョリティとの距離は「３」、レイトマジョリティとの距離は「１２」、ラガードとの距離は「２７」となることより、レコメンドサーバ２０は、ユーザプロファイルベクトル「Ｕ００１、２、２、２」のユーザタイプを「アーリーアダプタ」と分類し。ユーザ「Ｕ００１」のユーザタイプを「アーリーアダプタ」として、図２３に示したユーザ情報ＤＢ２４に格納する。

そして、レコメンドサーバ２０は、ユーザプロファイルベクトルの全ユーザに対してユーザタイプが決定するまで、上記した手法を実行してユーザプロファイルベクトルに記憶される全ユーザを分類し、ユーザプロファイルベクトルの全ユーザが分類されると、処理を終了する。なお、図２１は、ユーザプロファイルベクトルの例を示す図であり、図２２は、サンプルプロファイルベクトルの例を示す図であり、図２３は、ユーザ情報ＤＢに記憶される情報の例を示す図である。

［実施例３による効果］
このように、実施例３によれば、ユーザがコンテンツまたはコンテンツ情報へアクセスする時期的な特性を示すアクセス時期特性を用いてコンテンツまたはコンテンツ情報を提供することができる結果、ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することが可能であることと、ユーザの嗜好を適切に考慮したコンテンツまたはコンテンツ情報を提供することが可能である。

ところで、実施例１〜３では、所定の条件であるマッチングルールに従って、分類されたユーザにコンテンツまたはコンテンツ情報を提供する場合について説明したが、本発明はこれに限定されるものではなく、ユーザによって既にアクセスされたコンテンツまたはコンテンツ情報の提供を抑止することもできる。

そこで、実施例４では、図２４〜図２６を用いて、所定の条件であるマッチングルールに従って、分類されたユーザにコンテンツまたはコンテンツ情報を提供する場合に、ユーザによって既にアクセスされたコンテンツまたはコンテンツ情報の提供を抑止する、つまり、既にアクセスされたコンテンツまたはコンテンツ情報以外をユーザに提供する手法について説明する。

実施例４に係るレコメンドサーバは、ユーザからアクセスを受け付けて、コンテンツ情報サーバからコンテンツまたはコンテンツ情報が配信されると、当該コンテンツまたはコンテンツ情報にアクセスして購入したユーザに一意に割り当てられた「ユーザＩＤ」に対応付けて、購入されたコンテンツに割り当てられた「コンテンツＩＤ」をアクセス済みコンテンツリストＤＢに記憶する。具体的に例を挙げれば、ユーザＩＤ「Ｕ００１」がコンテンツ「Ｃ００１」にアクセスしたり、ユーザＩＤ「Ｕ００２」がコンテンツ「Ｃ００２」にアクセスしたりすると、レコメンドサーバは、図２３に示すように、「ユーザＩＤ、コンテンツＩＤ」として「Ｕ００１、Ｃ００１」や「Ｕ００２、Ｃ００２」などとアクセス済みコンテンツリストＤＢに記憶する。なお、アクセス済みコンテンツリストＤＢは、特許請求の範囲に記載の「アクセス済みコンテンツ保持工程」に対応する。また、図２４は、アクセス済みコンテンツリストＤＢに記憶される情報の例を示す図である。

そして、ユーザが分類されてコンテンツまたはコンテンツ情報が集計されるまでの処理は、実施例１〜実施例３で説明したいずれの手法を用いてもよく、ここでは、特に処理が異なるその後のマッチング処理「提供コンテンツ決定」について、図２５を用いて以下で具体的に説明する。

図２５は、実施例４に係るレコメンドサーバにおける提供コンテンツ決定処理の流れを示すフローチャートである。図２５に示すように、ユーザが分類されて、分類されたユーザごとにアクセスしたコンテンツまたはコンテンツ情報が集計され、マッチング処理が開始されると（ステップＳ２５０１肯定）、レコメンドサーバは、分類されたユーザＩＤを取得し、当該ユーザＩＤが属するユーザタイプの集計されたコンテンツリストとマッチングルールとに基づいて、提供するコンテンツ候補を決定する（ステップＳ２５０２〜ステップＳ２５０４）。

続いて、レコメンドサーバは、決定された提供するコンテンツ候補が既にアクセスされたコンテンツまたはコンテンツ情報か否かを判定する（ステップＳ２５０５）。具体的には、レコメンドサーバは、決定された提供するコンテンツ候補のコンテンツＩＤと、コンテンツまたはコンテンツ情報を提供するユーザのユーザＩＤとの組み合わせが、アクセス済みコンテンツリストＤＢに記憶されているか否かを判定する。

そして、決定された提供するコンテンツ候補が既にアクセスされたコンテンツである場合（ステップＳ２５０５肯定）、レコメンドサーバは、当該ユーザＩＤが属するユーザタイプの集計されたコンテンツリストに基づいて、再び提供するコンテンツ候補を決定し、既にアクセス済みか否かを判定するステップＳ２５０４とステップＳ２５０５の処理を実行する。

一方、決定された提供するコンテンツ候補が既にアクセスされたコンテンツでない場合（ステップＳ２５０５否定）、レコメンドサーバは、当該コンテンツ候補をユーザ端末に提供する（ステップＳ２５０６）。

このように、実施例４によれば、ユーザが購入したコンテンツまたはユーザによってある一定期間にアクセスされ、かつ、所定の回数以上アクセスされたコンテンツまたはコンテンツ情報を取得して、取得されたコンテンツまたはコンテンツ情報またはコンテンツ情報に記載されたコンテンツとユーザを識別するユーザＩＤとを対応付けてアクセス済みコンテンツとして保持し、集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、分類された複数のユーザタイプそれぞれに属するユーザに、保持されるコンテンツまたはコンテンツ情報以外を提供するので、ユーザの嗜好に応じたコンテンツまたはコンテンツ情報を提供することが可能であるとともに、ユーザの購買意欲を向上させることが可能である。

例えば、既にアクセスまたは購入したコンテンツ以外のユーザの嗜好に一致したコンテンツまたはコンテンツ情報を提供（推薦・配信）することができる結果、ユーザの嗜好に応じたコンテンツまたはコンテンツ情報を提供することが可能であるとともに、ユーザの購買意欲を向上させることが可能である。

また、実施例４では、ユーザがアクセスしたコンテンツまたはコンテンツ情報をアクセス済みコンテンツリストとして格納する場合について説明したが、本発明はこれに限定されるものではなく、ユーザが購入したコンテンツまたはユーザにコンテンツまたはコンテンツ情報を提供する日時よりも所定の日時前にアクセスされ、かつ、所定の回数以上アクセスされたコンテンツまたはコンテンツ情報を記憶するようにしてもよい。

また、ユーザに対してレコメンドしないレコメンド除外コンテンツリストを予め記憶しておき、レコメンド除外コンテンツリスト以外をユーザに提供するようにしてもよい。例えば、図２６に示すように、「レコメンド除外コンテンツＩＤ」として「Ｃ０１０」、「Ｃ０２０」、「Ｃ０３０」などと記憶しておき、上記したステップＳ２５０５の前または後ろで、提供するコンテンツ候補が「レコメンド除外コンテンツＩＤ」と一致するか否かを判定するようにしてもよい。なお、図２６は、レコメンド除外コンテンツリストの例を示す図である。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下に示すように、（１）コンテンツ集計周期、（２）システム構成等、（３）プログラム、にそれぞれ区分けして異なる実施例を説明する。

（１）コンテンツ集計周期
例えば、実施例１〜実施例４で説明した、分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計する処理は、所定の周期で実施するようにしてもよい。そうすることで、常にユーザの嗜好に応じたコンテンツまたはコンテンツ情報を提供することが可能である。

例えば、１ヶ月ごとや１週間ごとにユーザを分類して、コンテンツまたはコンテンツ情報を集計するようにすることで、ユーザの嗜好の変化などを適切に考慮することができる結果、常にユーザの嗜好に応じたコンテンツまたはコンテンツ情報を提供することが可能である。

（２）システム構成等
また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理（例えば、ユーザからコンテンツまたはコンテンツ情報へのアクセスを受け付ける処理など）の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理（例えば、マッチングルールを格納する処理など）の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報（例えば、図３〜７、図９〜図１２、図１４〜図１８、図２１〜図２３、図２４、図２６など）については、特記する場合を除いて任意に変更することができる。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合（例えば、コンテンツ要求受信部とコンテンツ提供部とを統合したり、コンテンツ情報サーバとレコメンドサーバとを統合したりするなど）して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

また、実施例１〜４で説明したコンテンツ情報サーバは、レコメンドサーバに組み込むこともできる。つまり、レコメンドサーバは、ユーザに嗜好に応じたコンテンツまたはコンテンツ情報をコンテンツ情報サーバから取得してユーザに提供（推薦）すると説明したが、自装置においてコンテンツまたはコンテンツ情報を記憶しておくことで、コンテンツ情報サーバからコンテンツまたはコンテンツ情報を取得する処理を省略することもできる。また、実施例で説明したレコメンドシステムとは、あくまで一例であり、各装置の構成、数を限定するものではない。つまり、ユーザ端末、コンテンツ情報サーバ、レコメンドサーバはそれぞれ複数あってもよい。

（３）プログラム
なお、本実施例で説明したコンテンツ提供方法は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。このプログラムは、インターネットなどのネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。

以上のように、本発明に係るコンテンツ提供方法、コンテンツ提供装置、コンテンツ提供プログラムおよびコンテンツ提供システムは、ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報をユーザに提供することに有用であり、特に、ユーザがコンテンツまたはコンテンツ情報へアクセスする時期的な特性を示すアクセス時期特性を用いてコンテンツまたはコンテンツ情報を提供することができる結果、ＩＴリテラシの低いユーザがコンテンツまたはコンテンツ情報を取得するのに掛かる負担を軽減することが可能であることと、ユーザの嗜好を適切に考慮したコンテンツまたはコンテンツ情報を提供することに適する。

実施例１に係るレコメンドサーバを含むレコメンドシステムの全体構成を示す図である。 実施例１に係るレコメンドシステムの構成を示すブロック図である。 コンテンツＤＢに記憶される情報の例を示す図である。 アクセスログＤＢに記憶される情報の例を示す図である。 ユーザ情報ＤＢに記憶される情報の例を示す図である。 コンテンツ情報ＤＢに記憶される情報の例を示す図である。 マッチングルールＤＢに記憶される情報の例を示す図である。 実施例１に係るレコメンドサーバにおけるコンテンツレコメンド処理の流れを示すフローチャートである。 実施例２に係るレコメンドシステムの構成を示す図である。 コンテンツメタデータＤＢに記憶される情報の例を示す図である。 プロファイルサンプルＤＢに記憶される情報の例を示す図である。 ユーザプロファイルベクトルの算出方法の例を示す図である。 実施例３に係るプロファイルベクトル算出処理の流れを示すフローチャートである。 アクセスログＤＢに記憶される情報の例を示す図である。 コンテンツメタデータＤＢ２７に記憶される情報の例を示す図である。 アクセス集計された情報の例を示す図である。 評価値基準値データの例を示す図である。 生成されるユーザプロファイルベクトルの例を示す図である。 実施例３に係るユーザ分類処理の流れを示すフローチャートである。 距離算出式の例を示す図である。 ユーザプロファイルベクトルの例を示す図である。 サンプルプロファイルベクトルの例を示す図である。 ユーザ情報ＤＢに記憶される情報の例を示す図である。 アクセス済みコンテンツリストＤＢに記憶される情報の例を示す図である。 実施例４に係るレコメンドサーバにおける提供コンテンツ決定処理の流れを示すフローチャートである。 レコメンド除外コンテンツリストの例を示す図である。

符号の説明

１０ コンテンツ情報サーバ
１１ 通信制御Ｉ／Ｆ部
１２ 記憶部
１３ コンテンツＤＢ
１５ 制御部
１６ コンテンツ要求受信部
１７ コンテンツ配信部
２０ レコメンドサーバ
２１ 通信制御Ｉ／Ｆ部
２２ 記憶部
２３ アクセスログＤＢ
２４ ユーザ情報ＤＢ
２５ コンテンツ情報ＤＢ
２６ マッチングルールＤＢ
２７ コンテンツメタデータＤＢ
２８ プロファイルサンプルＤＢ
３０ 制御部
３１ コンテンツ要求受信部
３２ ユーザ分類部
３３ コンテンツ集計部
３４ コンテンツ提供部

Claims (8)

1. ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報を前記ユーザに提供するコンテンツ提供方法であって、
   前記ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする際の時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するユーザ分類工程と、
   前記ユーザ分類工程により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計するコンテンツ集計工程と、
   前記コンテンツ集計工程により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類工程により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供するコンテンツ提供工程と、
   を含んだことを特徴とするコンテンツ提供方法。
2. 前記ユーザ分類工程は、前記ユーザがコンテンツを購入した日時をさらに用いて前記アクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類することを特徴とする請求項１に記載のコンテンツ提供方法。
3. 前記ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが該当するジャンルと、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが人気商品であるか否かと、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報に記載されたコンテンツが新作商品であるか否かと、前記ユーザがアクセスしたコンテンツ情報が他のユーザによって評価された評価情報を含むか否かとを示すメタデータを記憶するコンテンツメタデータ記憶手段をさらに含み、
   前記ユーザ分類工程は、前記ユーザがアクセスしたコンテンツまたはコンテンツ情報のメタデータを前記コンテンツメタデータ記憶手段から取得して、前記アクセス時期特性として当該ユーザの嗜好を示すプロファイルベクトルを算出し、算出したプロファイルベクトルが最も類似する予め定めた複数のユーザタイプを示すプロファイルサンプルベクトルのユーザタイプに当該ユーザを分類することを特徴とする請求項１または２に記載のコンテンツ提供方法。
4. 前記ユーザが購入したコンテンツまたは前記ユーザによってある一定期間にアクセスされ、かつ、所定の回数以上アクセスされたコンテンツまたはコンテンツ情報を取得して、取得された前記コンテンツまたはコンテンツ情報またはコンテンツ情報に記載されたコンテンツと前記ユーザを識別するユーザＩＤとを対応付けてアクセス済みコンテンツとして保持するアクセス済みコンテンツ保持工程をさらに備え、
   前記コンテンツ提供工程は、前記コンテンツ集計工程により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類工程により分類された複数のユーザタイプそれぞれに属するユーザに、前記アクセス済みコンテンツ保持工程に保持されるコンテンツまたはコンテンツ情報以外を提供することを特徴とする請求項１〜３のいずれか一つに記載のコンテンツ提供方法。
5. 前記コンテンツ集計工程は、前記ユーザ分類手段により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を所定の周期で集計することを特徴とする請求項１〜４のいずれか一つに記載のコンテンツ提供方法。
6. ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報を前記ユーザに提供するコンテンツ提供装置であって、
   前記ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする際の時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するユーザ分類手段と、
   前記ユーザ分類手段により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計するコンテンツ集計手段と、
   前記コンテンツ集計手段により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類手段により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供するコンテンツ提供手段と、
   を備えたことを特徴とするコンテンツ提供装置。
7. ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報を前記ユーザに提供することをコンピュータに実行させるコンテンツ提供プログラムであって、
   前記ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする際の時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するユーザ分類手順と、
   前記ユーザ分類手順により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計するコンテンツ集計手順と、
   前記コンテンツ集計手順により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類手順により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を提供するコンテンツ提供手順と、
   をコンピュータに実行させることを特徴とするコンテンツ提供プログラム。
8. ユーザによって購入される各種商品を示すコンテンツまたは各種商品に関するコンテンツ情報を当該ユーザに配信するコンテンツ配信装置と、前記コンテンツ配信装置からコンテンツまたはコンテンツ情報を取得して前記ユーザに提供するコンテンツ提供装置とから構成されるコンテンツ提供システムであって、
   前記コンテンツまたはコンテンツ情報に記載されたコンテンツを一意に識別するコンテンツＩＤと、前記コンテンツまたはコンテンツ情報とを対応付けて記憶するコンテンツ記憶手段と、
   前記ユーザがアクセスしたコンテンツまたはコンテンツ情報とアクセスした日時とを用いて、当該ユーザがコンテンツまたはコンテンツ情報へアクセスする時期的な特性を示すアクセス時期特性を推定し、推定したアクセス時期特性に基づいて当該ユーザを複数のユーザタイプに分類するユーザ分類手段と、
   前記ユーザ分類手段により分類された複数のユーザタイプごとに、当該ユーザタイプに属するユーザがアクセスしたコンテンツまたはコンテンツ情報の履歴を集計するコンテンツ集計手段と、
   前記コンテンツ集計手段により集計されたコンテンツまたはコンテンツ情報の履歴と、予め定めた所定の条件とに基づいて、前記ユーザ分類手段により分類された複数のユーザタイプそれぞれに属するユーザにコンテンツまたはコンテンツ情報を前記コンテンツ記憶手段から取得して提供するコンテンツ提供手段と、
   を備えたことを特徴とするコンテンツ提供システム。

Images