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
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 Download PDFInfo
- Publication number
- JP2008299542A JP2008299542A JP2007144167A JP2007144167A JP2008299542A JP 2008299542 A JP2008299542 A JP 2008299542A JP 2007144167 A JP2007144167 A JP 2007144167A JP 2007144167 A JP2007144167 A JP 2007144167A JP 2008299542 A JP2008299542 A JP 2008299542A
- Authority
- JP
- Japan
- Prior art keywords
- content
- user
- information
- content information
- accessed
- 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.)
- Pending
Links
Images
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
【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。
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。
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。
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。
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。
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。
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。
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。
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)。
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。
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。
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、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、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。
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。
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
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)
- 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。 - 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。
- 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。 - 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。 - 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。
- 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007144167A JP2008299542A (ja) | 2007-05-30 | 2007-05-30 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007144167A JP2008299542A (ja) | 2007-05-30 | 2007-05-30 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008299542A true JP2008299542A (ja) | 2008-12-11 |
Family
ID=40173022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007144167A Pending JP2008299542A (ja) | 2007-05-30 | 2007-05-30 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008299542A (ja) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009238193A (ja) * | 2008-03-07 | 2009-10-15 | Nec Corp | 普及予測システム、方法およびプログラム、並びに影響度推定システム、方法およびプログラム |
JP2011053855A (ja) * | 2009-09-01 | 2011-03-17 | Brother Industries Ltd | 初期購入者抽出処理方法、初期購入者推奨方法、初期購入者抽出システム、初期購入者推奨システム |
JP2011070396A (ja) * | 2009-09-25 | 2011-04-07 | Brother Industries Ltd | 商品利用傾向分析方法、商品推奨方法、商品利用傾向分析システム、及び商品推奨システム |
JP2011209810A (ja) * | 2010-03-29 | 2011-10-20 | Brother Industries Ltd | レコメンドシステム、レコメンド方法、レコメンドシステムのプログラム |
JP2011237917A (ja) * | 2010-05-07 | 2011-11-24 | Nippon Telegr & Teleph Corp <Ntt> | 避難情報配信装置およびプログラム |
JP2011257916A (ja) * | 2010-06-08 | 2011-12-22 | Sony Computer Entertainment Inc | 情報提供システム及び情報提供方法 |
JP2012048170A (ja) * | 2010-08-30 | 2012-03-08 | Brother Ind Ltd | 楽曲再生システム |
JP2012058985A (ja) * | 2010-09-08 | 2012-03-22 | Ntt Docomo Inc | アプリケーション判別装置及びアプリケーション判別方法 |
JP2012088896A (ja) * | 2010-10-19 | 2012-05-10 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ推奨装置およびその動作方法 |
JP4947477B1 (ja) * | 2011-04-27 | 2012-06-06 | 株式会社天問堂 | レコメンド装置、レコメンド方法およびレコメンドプログラム |
WO2012073718A1 (ja) * | 2010-11-29 | 2012-06-07 | 日本電気株式会社 | コンテンツ分析システム、コンテンツ分析装置、コンテンツ分析方法、コンテンツ分析プログラム |
JP2014510972A (ja) * | 2011-03-10 | 2014-05-01 | アリババ・グループ・ホールディング・リミテッド | ユーザアクセス属性値に基づいた選好カテゴリの決定 |
KR101491986B1 (ko) * | 2013-07-09 | 2015-02-16 | 김태정 | 개인화된 페르소나 그룹을 통한 소셜 질의응답 시스템 |
-
2007
- 2007-05-30 JP JP2007144167A patent/JP2008299542A/ja active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009238193A (ja) * | 2008-03-07 | 2009-10-15 | Nec Corp | 普及予測システム、方法およびプログラム、並びに影響度推定システム、方法およびプログラム |
JP2011053855A (ja) * | 2009-09-01 | 2011-03-17 | Brother Industries Ltd | 初期購入者抽出処理方法、初期購入者推奨方法、初期購入者抽出システム、初期購入者推奨システム |
JP2011070396A (ja) * | 2009-09-25 | 2011-04-07 | Brother Industries Ltd | 商品利用傾向分析方法、商品推奨方法、商品利用傾向分析システム、及び商品推奨システム |
JP2011209810A (ja) * | 2010-03-29 | 2011-10-20 | Brother Industries Ltd | レコメンドシステム、レコメンド方法、レコメンドシステムのプログラム |
JP2011237917A (ja) * | 2010-05-07 | 2011-11-24 | Nippon Telegr & Teleph Corp <Ntt> | 避難情報配信装置およびプログラム |
JP2011257916A (ja) * | 2010-06-08 | 2011-12-22 | Sony Computer Entertainment Inc | 情報提供システム及び情報提供方法 |
JP2012048170A (ja) * | 2010-08-30 | 2012-03-08 | Brother Ind Ltd | 楽曲再生システム |
JP2012058985A (ja) * | 2010-09-08 | 2012-03-22 | Ntt Docomo Inc | アプリケーション判別装置及びアプリケーション判別方法 |
JP2012088896A (ja) * | 2010-10-19 | 2012-05-10 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ推奨装置およびその動作方法 |
WO2012073718A1 (ja) * | 2010-11-29 | 2012-06-07 | 日本電気株式会社 | コンテンツ分析システム、コンテンツ分析装置、コンテンツ分析方法、コンテンツ分析プログラム |
JP2014510972A (ja) * | 2011-03-10 | 2014-05-01 | アリババ・グループ・ホールディング・リミテッド | ユーザアクセス属性値に基づいた選好カテゴリの決定 |
JP4947477B1 (ja) * | 2011-04-27 | 2012-06-06 | 株式会社天問堂 | レコメンド装置、レコメンド方法およびレコメンドプログラム |
KR101491986B1 (ko) * | 2013-07-09 | 2015-02-16 | 김태정 | 개인화된 페르소나 그룹을 통한 소셜 질의응답 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008299542A (ja) | 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 | |
US9792332B2 (en) | Mining of user event data to identify users with common interests | |
US10095771B1 (en) | Clustering and recommending items based upon keyword analysis | |
US8301623B2 (en) | Probabilistic recommendation system | |
CN108550068B (zh) | 一种基于用户行为分析的个性化商品推荐方法及系统 | |
Yalcin et al. | An entropy empowered hybridized aggregation technique for group recommender systems | |
WO2018121700A1 (zh) | 基于已安装应用来推荐应用信息的方法、装置、终端设备及存储介质 | |
US20170171336A1 (en) | Method and electronic device for information recommendation | |
WO2015034850A2 (en) | Feature selection for recommender systems | |
US20130073618A1 (en) | Information Providing System, Information Providing method, Information Providing Device, Program, And Information Storage Medium | |
US9767204B1 (en) | Category predictions identifying a search frequency | |
Madadipouya et al. | A literature review on recommender systems algorithms, techniques and evaluations | |
Costa et al. | Emotion-based recommender system for overcoming the problem of information overload | |
US20160196593A1 (en) | System and method for tracking filter activity and monitoring trends associated with said activity | |
US10474670B1 (en) | Category predictions with browse node probabilities | |
Xiao et al. | E-commerce product recommendation using historical purchases and clickstream data | |
JP2013131009A (ja) | 情報提供システム、情報提供方法及びプログラム | |
CN113077317A (zh) | 基于用户数据的物品推荐方法、装置、设备及存储介质 | |
Zheng et al. | Substitutes or complements: another step forward in recommendations | |
US10387934B1 (en) | Method medium and system for category prediction for a changed shopping mission | |
Wasilewski et al. | Are you reaching your audience? Exploring item exposure over consumer segments in recommender systems | |
JP6664580B2 (ja) | 算出装置、算出方法および算出プログラム | |
KR20200065754A (ko) | 도서 추천 방법 및 이를 지원하는 서비스 장치 | |
JP4962950B2 (ja) | ネットワーク上のユーザに対するレコメンデーションの方法、レコメンデーションサーバ及びプログラム | |
CN108694171A (zh) | 信息推送的方法及装置 |