JP2009147679A - コンテンツ処理装置および方法、プログラム、並びに記録媒体 - Google Patents

Abstract

【課題】視聴者の嗜好をより適切に反映し、かつバリエーションに富んだ推薦ができるようにする。
【解決手段】コンテンツを推薦する場合、視聴履歴に基づいてユーザが視聴したCMの種類を特定し、その種類に属するCMが視聴された回数を正規化することで得られるCM嗜好情報が生成される。ここではCMが視聴された回数を正規化したものが出現頻度として棒グラフで表示されている。一方、HDDレコーダに記録されており、まだユーザに視聴されていないコンテンツである未視聴番組に挿入されたCMの種類を特定し、その種類に属するCMが放送された回数を正規化することで得られる番組CM情報が生成される。そして、推薦システム１０は、視聴履歴の出現頻度と、未視聴番組Aまたは未視聴番組Bの出現頻度との類似度を演算し、類似度の高低に基づいて推薦すべきコンテンツを特定する。
【選択図】図３

Description

本発明は、コンテンツ処理装置および方法、プログラム、並びに記録媒体に関し、特に、視聴者の嗜好をより適切に反映し、かつバリエーションに富んだ推薦ができるようにするコンテンツ処理装置および方法、プログラム、並びに記録媒体に関する。

EPGの普及に伴い、HDD（Hard Disk Drive）レコーダなどにおいては、ジャンルやキーワードなどを指定して、そのジャンルやキーワードに対応する番組を検索する番組検索機能が付加されているものが増えている。

また、ユーザの嗜好情報に基づいて、録画すべき番組を推薦する機能を有するシステムも提案されている（例えば、特許文献１参照）。

特許文献１の技術によれば、ユーザ端末から、ユーザの番組の好みの指標である、嗜好度データを供給され、これを基に、サービスを利用している他のユーザとの間で、番組の嗜好傾向の相関が演算され、サーバは、嗜好度の相関、および予約情報を基に、今後放送される番組に対する、個々のユーザの嗜好度の予測値を算出し、ユーザ端末が放送予定番組の嗜好度予測値を参照して、ユーザに推薦する番組のリストを作成する。

ユーザの嗜好情報を生成する場合、例えば、EPGに含まれる番組のメタデータを解析するなどの処理が行われる。

特開２００３−１１４９０３号公報

ところで、近年のHDDレコーダなどにおいては、番組とともに放送されるCMを特定することが可能である。従来の嗜好情報の生成においては、CMに関する情報は用いられていなかった。

CMは、日付、時間帯、番組、チャンネルなどに係らず、同一のものが放送されることが多く、CMに関する情報は、例えば、嗜好情報の生成において番組同士を比較するために用いる情報などとして有用と考えられる。

本発明はこのような状況に鑑みてなされたものであり、視聴者の嗜好をより適切に反映し、かつバリエーションに富んだ推薦ができるようにするものである。

本発明の第１の側面は、ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段と、前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段と、挿入されたCMの種類とそれらのCMの数が既知である複数のコンテンツのそれぞれについて、前記CMの種類と、前記種類に属するCMの数とを対応付けた番組CM情報を生成して、前記CM嗜好情報と、それぞれの前記番組CM情報との類似度を演算する類似度演算手段と、前記演算された類似度が予め設定された閾値以上となった前記番組CM情報に対応するコンテンツを、前記ユーザに推薦するコンテンツとして特定する推薦特定手段とを備えるコンテンツ処理装置である。

前記コンテンツに含まれるCMのそれぞれを、前記ユーザが実際に視聴したか否かを判定するための情報を出力する視聴判定手段をさらに備えるようにすることができる。

前記CM嗜好情報および前記番組CM情報は、前記CMの種類のそれぞれを要素とし、前記種類に属するCMの数を予め定められた方式で正規化した値を前記要素の値として用いたベクトルとして生成されるようにすることができる。

本発明の第１の側面は、ユーザが視聴したコンテンツに含まれるCMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成し、挿入されたCMの種類とそれらのCMの数が既知である複数のコンテンツのそれぞれについて、前記CMの種類と、前記種類に属するCMの数とを対応付けた番組CM情報を生成して、前記CM嗜好情報と、それぞれの前記番組CM情報との類似度を演算し、前記演算された類似度が予め設定された閾値以上となった前記番組CM情報に対応するコンテンツを、前記ユーザに推薦するコンテンツとして特定するステップを含むコンテンツ処理方法である。

本発明の第１の側面は、コンピュータを、ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段と、前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段と、挿入されたCMの種類とそれらのCMの数が既知である複数のコンテンツのそれぞれについて、前記CMの種類と、前記種類に属するCMの数とを対応付けた番組CM情報を生成して、前記CM嗜好情報と、それぞれの前記番組CM情報との類似度を演算する類似度演算手段と、前記演算された類似度が予め設定された閾値以上となった前記番組CM情報に対応するコンテンツを、前記ユーザに推薦するコンテンツとして特定する推薦特定手段として機能させるプログラムである。

本発明の第１の側面においては、ユーザが視聴したコンテンツに含まれるCMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報が生成され、挿入されたCMの種類とそれらのCMの数が既知である複数のコンテンツのそれぞれについて、前記CMの種類と、前記種類に属するCMの数とを対応付けた番組CM情報が生成されて、前記CM嗜好情報と、それぞれの前記番組CM情報との類似度が演算され、前記演算された類似度が予め設定された閾値以上となった前記番組CM情報に対応するコンテンツが、前記ユーザに推薦するコンテンツとして特定される。

本発明の第２の側面は、ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段と、前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段と、前記CM嗜好情報と、予め提供された視聴特徴情報との類似度を演算する類似度演算手段と、前記演算された類似度が予め設定された閾値以上となった前記視聴特徴情報に対応する商品に関する情報を、前記ユーザに推薦する商品に関する情報として特定する推薦特定手段とを備えるコンテンツ処理装置である。

前記コンテンツに含まれるCMのそれぞれを、前記ユーザが実際に視聴したか否かを判定するための情報を出力する視聴判定手段をさらに備えるようにすることができる。

前記CM嗜好情報は、前記CMの種類のそれぞれを要素とし、前記種類に属するCMの数を予め定められた方式で正規化した値を前記要素の値として用いたベクトルとして生成され、前記視聴特徴情報は、前記CM嗜好情報の要素と同じ要素により構成されるベクトルとされるようにすることができる。

前記商品に関する情報と、前記視聴特徴情報とを対応付けて記憶する記憶手段をさらに備え、前記記憶手段には、前記商品の提供者により供給された前記視聴特徴情報が、前記商品に対応づけられて記憶されているようにすることができる。

本発明の第２の側面は、ユーザが視聴したコンテンツに含まれるCMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成し、前記CM嗜好情報と、予め提供された視聴特徴情報との類似度を演算し、前記演算された類似度が予め設定された閾値以上となった前記視聴特徴情報に対応する商品に関する情報を、前記ユーザに推薦する商品に関する情報として特定するステップを含むコンテンツ処理方法である。

本発明の第２の側面は、コンピュータを、ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段と、前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段と、前記CM嗜好情報と、予め提供された視聴特徴情報との類似度を演算する類似度演算手段と、前記演算された類似度が予め設定された閾値以上となった前記視聴特徴情報に対応する商品に関する情報を、前記ユーザに推薦する商品に関する情報として特定する推薦特定手段とを備えるコンテンツ処理装置として機能させるプログラムである。

本発明の第２の側面においては、ユーザが視聴したコンテンツに含まれるCMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報が生成され、前記CM嗜好情報と、予め提供された視聴特徴情報との類似度が演算され、前記演算された類似度が予め設定された閾値以上となった前記視聴特徴情報に対応する商品に関する情報が、前記ユーザに推薦する商品に関する情報として特定される。

本発明によれば、視聴者の嗜好をより適切に反映し、かつバリエーションに富んだ推薦ができる。

以下に本発明の実施の形態を説明するが、本発明の構成要件と、明細書または図面に記載の実施の形態との対応関係を例示すると、次のようになる。この記載は、本発明をサポートする実施の形態が、明細書または図面に記載されていることを確認するためのものである。従って、明細書または図面中には記載されているが、本発明の構成要件に対応する実施の形態として、ここには記載されていない実施の形態があったとしても、そのことは、その実施の形態が、その構成要件に対応するものではないことを意味するものではない。逆に、実施の形態が構成要件に対応するものとしてここに記載されていたとしても、そのことは、その実施の形態が、その構成要件以外の構成要件には対応しないものであることを意味するものでもない。

本発明の第１の側面のコンテンツ処理装置は、ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段（例えば、図１の視聴情報生成部２３）と、前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段（例えば、図１の嗜好生成部２４）と、挿入されたCMの種類とそれらのCMの数が既知である複数のコンテンツのそれぞれについて、前記CMの種類と、前記種類に属するCMの数とを対応付けた番組CM情報を生成して、前記CM嗜好情報と、それぞれの前記番組CM情報との類似度を演算する類似度演算手段（例えば、図７のステップＳ１３の処理を実行する図１の検索推薦部２５）と、前記演算された類似度が予め設定された閾値以上となった前記番組CM情報に対応するコンテンツを、前記ユーザに推薦するコンテンツとして特定する推薦特定手段（例えば、図７のステップＳ１５の処理を実行する図１の検索推薦部２５）とを備える。

このコンテンツ処理装置は、前記コンテンツに含まれるCMのそれぞれを、前記ユーザが実際に視聴したか否かを判定するための情報を出力する視聴判定手段（例えば、図１の視聴者状態推定部２２）をさらに備えるようにすることができる。

本発明の第２の側面のコンテンツ処理装置は、ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段（例えば、図１の視聴情報生成部２３）と、前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段（例えば、図１の嗜好生成部２４）と、前記CM嗜好情報と、予め提供された視聴特徴情報との類似度を演算する類似度演算手段（例えば、図８のステップＳ３３の処理を実行する図１の検索推薦部２５）と、前記演算された類似度が予め設定された閾値以上となった前記視聴特徴情報に対応する商品に関する情報を、前記ユーザに推薦する商品に関する情報として特定する推薦特定手段（例えば、図８のステップＳ３５の処理を実行する図１の検索推薦部２５）とを備える。

以下、図面を参照して、本発明の実施の形態について説明する。

図１は、本発明の一実施の形態に係る推薦システムの構成例を示すブロック図である。この推薦システム１０は、例えば、HDD（Hard Disk Drive）レコーダなどに組み込まれるものとされ、ユーザが視聴したテレビ番組などに挿入される広告放送（以下、CMという）に基づいてユーザの嗜好を分析し、ユーザの嗜好に適した番組または商品などを特定して推薦番組または推薦商品に関する情報を生成するようになされている。

同図において、機器制御部２１は、推薦システム１０が組み込まれたHDDレコーダなどの制御部と連動し、例えば、HDDレコーダに記録されたコンテンツのうち現在再生されているコンテンツ（番組など）などを特定する情報を機器制御状態情報として出力するようになされている。

視聴者状態推定部２２は、例えば、赤外線センサ、マイクロ波センサ、カメラ、マイクなどのセンサによって、HDDレコーダ、またはHDDレコーダが接続されたテレビジョン受像機などの周囲の所定の範囲内に人（ユーザ）が存在するか否かを検知することで、再生されたコンテンツを実際にユーザが視聴したか否かを推定するための視聴状態情報を出力するようになされている。

視聴情報生成部２３は、機器制御状態情報に基づいて特定されたコンテンツに含まれるCMを、コンテンツ情報データベース４１に記憶されている情報に基づいて特定する。コンテンツ情報データベース４１には、番組とともに放送されたCMの種類と、それぞれのCMがその番組内で放送された回数とを表す情報が、その番組を特定する情報に対応付けられて記憶されている。すなわち、視聴情報生成部２３は、例えば、再生されたコンテンツ（番組）とともに放送されたCMの種類と、それぞれのCMがその番組内で放送された回数を特定する。

視聴情報生成部２３は、さらに、視聴状態情報に基づいて再生されたコンテンツを実際にユーザが視聴したか否かを推定し、実際にユーザが視聴したと推定される場合には、再生されたコンテンツ（番組）とともに放送されたCMの種類と、そのCMが放送された回数を対応付けてユーザの視聴履歴として記憶する。

視聴履歴は、例えば、図２に示されるような情報として、HDDレコーダのHDDの所定の領域などに記憶される。

図２の例では、CMの種類が「a」、「b」、「c」、「d」、「e」とされている。ここで「a」、「b」、「c」、「d」、「e」はそれぞれ、CMのジャンルを表す情報とされる。実際のCMのジャンルは、「健康」、「娯楽」、「金融」、・・・などとされ、例えば、健康食品のCMは、ジャンル「健康」に属するCMとされ、テレビジョン受像機のCMはジャンル「娯楽」に属するCMとされ、保険のCMは、ジャンル「金融」に属するCMとされる。

あるいはまた、「a」、「b」、「c」、「d」、「e」がそれぞれ、CMのスポンサー（メーカーなどの広告主）を表す情報とされてもよいし、CMの商品（酒、自動車、ゲーム機、・・・）を表す情報とされてもよい。

また、図２の例では、CMの種類「a」、「b」、「c」、「d」、「e」に対応する回数であって、それらの種類に属するCMをユーザが視聴した回数が記憶されている。すなわち、再生されたコンテンツを実際にユーザが視聴したと推定される場合、そのコンテンツ（番組）とともに放送されたCMであって、「a」、「b」、「c」、「d」、「e」の種類に属するCMが、それぞれ放送された回数が視聴履歴に記憶される。

なお、図２に示される視聴履歴は、例えば、再生された個々のコンテンツ毎に生成されてもよいし、所定の期間（例えば、1ヶ月間）に再生されたコンテンツについて通算して生成されるようにしてもよい。勿論、視聴履歴が生成されてから現在に至るまでの間に再生されたコンテンツについて通算して生成されるようにしてもよい。

嗜好生成部２４は、視聴情報生成部２３により生成された視聴履歴に基づいてCM嗜好情報を生成する。ここでCM嗜好情報は、例えば、図２に示される視聴履歴を所定の方式で正規化したものとされる。

例えば、図２のCMの種類「a」、「b」、「c」、「d」、「e」に対応する回数の値のそれぞれを、図２の回数として記述された数値の総和により除したものをベクトルとして生成した情報がCM嗜好情報とされる。図２の例では、回数として記述された数値の総和が２６（＝３＋９＋０＋２＋１２）となるので、CM嗜好情報のベクトルVcは、次式の通りとなる。

Vc＝（３／２６，９／２６，０，２／２６，１２／２６）

検索推薦部２５は、HDDレコーダに記録されているコンテンツに含まれるCMを、コンテンツ情報データベース４１に記憶されている情報に基づいて特定し、そのコンテンツ（番組）とともに放送されたCMであって、「a」、「b」、「c」、「d」、「e」の種類に属するCMと、それぞれの種類に属するCMがその番組内で放送された回数とを対応付けた情報を生成し、さらに、CMの種類「a」、「b」、「c」、「d」、「e」に対応する回数の値のそれぞれを、その番組内で放送された全てのCMの放送回数の総和により、除したものをベクトルとして生成することで番組CM情報を生成する。これにより、番組CM情報としてCM嗜好情報と同様の５次元のベクトルが生成される。

ここでは、番組CM情報、CM嗜好情報が５次元のベクトルとして構成される場合の例について説明したが、番組CM情報、CM嗜好情報の構成はこれに限られるものではない。

そして、検索推薦部２５は、HDDレコーダに記録されているそれぞれのコンテンツの番組CM情報と、嗜好生成部２４により生成されたCM嗜好情報の類似度を演算し、所定の閾値以上の類似度が得られた番組CM情報に対応するコンテンツを特定する情報を、推薦番組に関する情報として出力するようになされている。

また、検索推薦部２５は、例えば、インターネットなどのネットワーク３１を介して接続される商品情報サーバ３２に記憶されている商品情報を取得するようになされている。

商品情報サーバ３２には、例えば、商品を提供する企業などのスポンサーにより供給された商品の広告画像（または音声）などのデータが複数記憶されている。また、商品情報サーバ３２には、それぞれの商品に対応付けられて視聴特徴情報が記憶されている。

視聴特徴情報は、例えば、スポンサーが定義したCM嗜好情報とされ、所定の商品の購買者として想定した人物の嗜好を表すものとされ、視聴特徴情報は、CM嗜好情報と同様の構造のベクトルとして構成される。

検索推薦部２５は、商品情報サーバ３２に記録されているそれぞれの商品の視聴特徴情報と、嗜好生成部２４により生成されたCM嗜好情報の類似度を演算し、所定の閾値以上の類似度が得られた視聴特徴情報に対応する商品を特定する情報を、推薦商品に関する情報として出力するようになされている。

さらに、検索推薦部２５は、例えば、ユーザにより指定されたコンテンツに類似するコンテンツを、HDDレコーダに記録されているそれぞれのコンテンツの中から検索するようになされている。この場合、検索推薦部２５は、ユーザにより指定されたコンテンツの番組CM情報と、HDDレコーダに記録されているそれぞれのコンテンツの番組CM情報との類似度を演算し、所定の閾値以上の類似度が得られた番組CM情報に対応するコンテンツを特定する情報を出力する。

図３乃至図５を参照してさらに説明する。

図３は、推薦システム１０により、コンテンツを推薦する場合の例を説明する図である。コンテンツを推薦する場合、推薦システム１０は、視聴履歴に基づいてユーザが視聴したCMの種類を特定し、その種類に属するCMが視聴された回数を正規化することで得られるCM嗜好情報が生成される。図３では、視聴履歴に基づいてユーザが視聴したCMの種類が特定され、各種類（「a」、「b」、「c」、「d」、「e」）に属するCMが視聴された回数を正規化したものが出現頻度として棒グラフで表示されている。

また、推薦システム１０は、例えば、HDDレコーダに記録されており、まだユーザに視聴されていないコンテンツである未視聴番組とともに放送されたCM（未視聴番組に挿入されたCM）の種類を特定し、その種類に属するCMが放送された回数を正規化することで得られる番組CM情報が生成される。図３では、未視聴番組Aおよび未視聴番組Bの各種類に属するCMが放送された回数を正規化したものが、それぞれ出現頻度として棒グラフで表示されている。

そして、推薦システム１０は、視聴履歴の出現頻度と、未視聴番組Aまたは未視聴番組Bの出現頻度との類似度を演算し、類似度の高低に基づいて推薦すべきコンテンツを特定する。この例では、視聴履歴の出現頻度と未視聴番組Aの出現頻度の類似度が高く、視聴履歴の出現頻度と未視聴番組Ｂの出現頻度の類似度が低いものとされている。

なお、実際に演算される類似度は、例えば、ベクトルとして生成されたCM嗜好情報と、同様にベクトルとして生成された番組CM情報との内積として算出される。

図４は、推薦システム１０により、商品を推薦する場合の例を説明する図である。商品を推薦する場合、推薦システム１０は、視聴履歴に基づいてユーザが視聴したCMの種類を特定し、その種類に属するCMが視聴された回数を正規化することで得られるCM嗜好情報が生成される。図４では、視聴履歴に基づいてユーザが視聴したCMの種類が特定され、各種類（「a」、「b」、「c」、「d」、「e」）に属するCMが視聴された回数を正規化したものが出現頻度として棒グラフで表示されている。

また、推薦システム１０は、例えば、商品情報サーバに記憶記録されている視聴特徴情報を取得する。上述したように、視聴特徴情報も、やはり各種類（「a」、「b」、「c」、「d」、「e」）に属するCMが視聴された回数を正規化したものと同様のものであり、図４では、商品Aおよび商品Bの視聴特徴情報が、それぞれ出現頻度と同様の棒グラフで表示されている。

そして、推薦システム１０は、視聴履歴の出現頻度と、商品Aまたは商品Bの視聴特徴情報との類似度を演算し、類似度の高低に基づいて推薦すべき商品を特定する。この例では、視聴履歴の出現頻度と商品Aの視聴特徴情報との類似度が高く、視聴履歴の出現頻度と商品Ｂの視聴特徴情報との類似度が低いものとされている。

なお、実際に演算される類似度は、例えば、ベクトルとして生成されたCM嗜好情報と、同様にベクトルとして生成された視聴特徴情報との内積として算出される。上述したように、視聴特徴情報はCM嗜好情報と同様の構造のベクトルとして構成されており、視聴特徴情報はCM嗜好情報と同じ要素により構成されるベクトル（いまの場合、５次元のベクトル）となる。

図５は、推薦システム１０により、類似のコンテンツを検索する場合の例を説明する図である。類似のコンテンツを検索する場合、推薦システム１０は、例えば、ユーザにより指定されたコンテンツである番組Cとともに放送されたCM（番組Cに挿入されたCM）の種類を特定し、その種類に属するCMが放送された回数を正規化することで得られる番組CM情報が生成される。図５では、番組Cに挿入されたCMの種類が特定され、各種類（「a」、「b」、「c」、「d」、「e」）に属するCMが放送された回数を正規化したものが出現頻度として棒グラフで表示されている。

また、推薦システム１０は、例えば、HDDレコーダに記録されているコンテンツである番組Dおよび番組Eに挿入されたCMの種類を特定し、その種類に属するCMが放送された回数を正規化することで得られる番組CM情報が生成される。図５では、番組Dおよび番組Eの各種類に属するCMが放送された回数を正規化したものが、それぞれ出現頻度として棒グラフで表示されている。

そして、推薦システム１０は、番組Ｃの出現頻度と、番組Dまたは番組Eの出現頻度との類似度を演算し、類似度の高低に基づいて、例えば、番組Ｃと類似の番組（コンテンツ）を特定する。この例では、番組Ｃの出現頻度と番組Dの出現頻度との類似度が高く、番組Ｃの出現頻度と番組Ｅの出現頻度との類似度が低いものとされている。

なお、実際に演算される類似度は、例えば、ベクトルとして生成された番組CM情報どうしの内積として算出される。

上述したように、コンテンツ情報データベース４１には、番組とともに放送されたCMの種類と、それぞれのCMがその番組内で放送された回数とを表す情報が、その番組を特定する情報に対応付けられて記憶されている。なお、コンテンツ情報データベース４１に記憶される情報は、テレビ放送、ケーブル放送、インターネット等を経由して配信されるものとする。

コンテンツ情報データベース４１に記憶される情報は、例えば、放送された番組のメタデータを提供する業者などにより提供された情報を用いることができる。

例えば、図６に示されるような情報が放送局、または放送された番組のメタデータを提供する業者などにより提供される。図６は、ある番組の編成情報の例を示している。同図の例では、３０分間の番組について、「NO.１」乃至「NO.９」の部分に分割した編成情報とされている。この例では、「NO.1」乃至「NO.３」、「NO.６」、および「NO.９」に対応する部分の区分がCMである。また、この例では、それぞれのCMのスポンサーを特定する情報（スポンサーA乃至スポンサーC）が放送内容として表示されている。

なお、図６に示されるような情報は、例えば、番組が放送されたチャンネル、放送開始時刻および放送終了時刻などを表す情報と対応付けられて供給されるものとし、番組毎に図６に示されるような情報が生成されているものとする。

例えば、図６の放送開始位置と放送終了位置に基づいて、ユーザが再生したコンテンツの中でどの部分がCMであるかを特定し、さらに、CMのスポンサーに基づいてCMの種類が特定されるようにすれば、図２を参照して上述したような視聴履歴を生成することができる。

また、デジタル放送などにおいて放送された番組に付加されたメタデータに、CMを特定する情報が含まれている場合、そのメタデータに基づいてコンテンツ情報データベース４１に記憶される情報が生成されるようにしてもよい。

具体的には、例えば、地上波デジタル放送、1セグメント放送（いわゆるワンセグ）などでのデジタル放送では、放送局ごとに、映像、音声の信号とともにデータを送る方式が規格化されており、EPG情報や、番組と連動したり補完したりするようなデータ放送が放送されている。このデータ放送を利用して、CMに関する情報まで含むような拡張されたEPG（Electronic Program Guide）を放送することも可能である。例えば、データ放送に含まれる拡張されたEPGに基づいてコンテンツ情報データベース４１に記憶される情報が生成されるようにしてもよい。

また、ここでは、例えば、HDDレコーダに記録されているコンテンツの番組CM情報を生成して推薦番組が特定される場合を例として説明しているが、上述したような、番組の編成情報、またはCMに関する情報まで含むような拡張されたEPGが番組の放送に先立って提供または放送されている場合、今後放送される予定の番組の、番組CM情報を生成して推薦番組が特定されるようにすることも可能である。

あるいはまた、HDDレコーダに記録されるコンテンツの映像、または音声を解析することによりCMが検出され、CMの映像に含まれるテロップを解析して文字認識を行ったり、CMの音声認識を行うことによりCMが特定され、その特定結果に基づいてコンテンツ情報データベース４１に記憶される情報が生成されるようにしてもよい。

次に、図７のフローチャートを参照して、本発明の推薦システム１０による番組推薦処理について説明する。

ステップＳ１１において、嗜好生成部２４は、視聴情報生成部２３により生成された視聴履歴をチェックする。

また、このとき、例えば、視聴履歴の蓄積期間が指定されるようにしてもよい。上述したように、視聴履歴は、例えば、再生された個々のコンテンツ毎に生成されてもよいし、所定の期間（例えば、1ヶ月間）に再生されたコンテンツについて通算して生成されるようにしてもよいし、視聴履歴が生成されてから現在に至るまでの間に再生されたコンテンツについて通算して生成されるようにしてもよい。これらの視聴履歴の蓄積期間であって、例えば、直前に再生された１つのコンテンツ分、過去１ヶ月間に再生されたコンテンツ分、または視聴履歴が生成されてから現在に至るまでの間に再生されたコンテンツ分について通算して生成される視聴履歴のいずれを用いるかが指定されるようにしてもよい。

ステップＳ１２において、嗜好生成部２４は、ステップＳ１１の処理でチェックした視聴履歴に基づいてCM嗜好情報を生成する。

ステップＳ１３において、検索推薦部２５は、HDDレコーダに記録されているコンテンツに含まれるCMを、コンテンツ情報データベース４１に記憶されている情報に基づいて特定し、そのコンテンツ（番組）とともに放送されたCMであって、各種類に属するCMと、それぞれの種類に属するCMがその番組内で放送された回数とを対応付けた情報を生成し、その情報を正規化して番組CM情報を生成する。そして、検索推薦部２５は、生成された番組CM情報と、ステップＳ１２の処理で生成されたCM嗜好情報の類似度を演算する。類似度は、例えば、CM嗜好情報のベクトルと番組CM情報のベクトルの内積として演算される。

ステップＳ１４において、検索推薦部２５は、ステップＳ１３の処理で演算された類似度が、予め設定された閾値以上か否かを判定する。類似度が閾値以上と判定された場合、処理は、ステップＳ１５に進む。類似度が閾値未満と判定された場合、ステップＳ１５の処理はスキップされる。

ステップＳ１５において、検索推薦部２５は、その番組（ステップＳ１３で演算された類似度が閾値以上であったコンテンツ）を推薦リストに追加する。

ステップＳ１６において、検索推薦部２５は、HDDレコーダに記録されている次のコンテンツがあるか否かを判定し、次のコンテンツがあると判定された場合、処理は、ステップＳ１３に戻り、ステップＳ１３乃至Ｓ１６の処理が繰り返し実行される。

ステップＳ１６において、次のコンテンツがないと判定された場合、処理は終了する。このとき、例えば、推薦リストに記述されているコンテンツの一覧が、HDDレコーダに接続されたテレビジョン受像機の画面などに表示される。あるいはまた、HDDレコーダに記録されているコンテンツのうち、推薦リストに記述されているコンテンツに推薦番組であることを表すマークなどが付加されてテレビジョン受像機の画面などに表示されるようにしてもよい。

ここでは、ステップＳ１３において、HDDレコーダに記録されているコンテンツのそれぞれについて番組CM情報を生成し、生成された番組CM情報と、ステップＳ１２の処理で生成されたCM嗜好情報の類似度を演算すると説明したが、例えば、CMの視聴履歴以外の情報に基づく別の嗜好情報が得られる場合、予めその別の嗜好情報に基づいてHDDレコーダに記録されているコンテンツの中から推薦すべきコンテンツを複数選択しておき、ステップＳ１３の処理では、推薦すべきコンテンツとして選択されたコンテンツのそれぞれについて番組CM情報を生成し、生成された番組CM情報と、ステップＳ１２の処理で生成されたCM嗜好情報の類似度を演算するようにしてもよい。

すなわち、例えば、従来の嗜好情報に基づいて推薦された番組を、CMの視聴履歴に基づいてさらに絞り込むようにすることも可能である。

このようにして、コンテンツ（番組）が推薦される。

従来より録画された番組の履歴などに基づいて嗜好情報を生成することは行われていた。しかしながら、従来の嗜好情報に基づいて行われる推薦では、録画された番組と内容（例えば、ジャンル）の似た番組が推薦されることが多い。

本発明においては、CMの視聴履歴に基づいて番組の推薦が行われる。CMは、番組のスポンサーなどが広告料を負担した上で、その番組の視聴者に対する広告として放送される。広告料を負担するスポンサーは、例えば、自社の商品などに興味をもつ視聴者にCMを視聴させたいと考える。例えば、子供向け番組において酒類のCMを放送するために広告料を負担するスポンサーは少ないと考えられる。すなわち、CMは、その番組を好んで視聴する視聴者をある程度想定した上で放送されることが多い。従って、番組の制作にあたっても、スポンサーの期待に応えられるように、想定された視聴者に好んで視聴されるように番組が製作されることが多い。

ここでいう想定された視聴者とは、単に年齢、性別などにより特定されるものだけではなく、例えば、「２０歳代、独身、首都圏に勤務する女性であって、テニスが趣味である人」などのように詳細にセグメンテーションされることも多い。

換言すれば、番組に挿入されたCMを分析すれば、その番組が対象としている視聴者、またはその番組の製作者が想定した視聴者を詳細に分類することも可能である。本発明によれば、CMの視聴履歴に基づいて番組の推薦が行われるので、例えば、従来の嗜好情報に基づいて行われる推薦のように録画された番組の内容にとらわれない番組の推薦が可能になるとともに、よりユーザの嗜好に適した番組の推薦も可能となる。

また、従来の嗜好情報に基づいて推薦された番組を、CMの視聴履歴に基づいてさらに絞り込めば、そのユーザにとってより適切な番組を推薦することが可能となる。

次に、図８のフローチャートを参照して、本発明の推薦システム１０による商品推薦処理について説明する。

ステップＳ３１とステップＳ３２の処理は、それぞれ図７のステップＳ１１とステップＳ１２の処理と同様なので詳細な説明は省略する。

ステップＳ３３において、検索推薦部２５は、例えば、インターネットなどのネットワーク３１を介して接続される商品情報サーバ３２に記憶されている商品情報を取得し、商品情報のそれぞれの商品に対応付けられている視聴特徴情報を取得する。そして、検索推薦部２５は、商品情報サーバ３２から取得された商品の視聴特徴情報と、ステップＳ３２の処理で生成されたCM嗜好情報の類似度を演算する。類似度は、例えば、CM嗜好情報のベクトルと視聴特徴情報のベクトルの内積として演算される。

ステップＳ３４において、検索推薦部２５は、ステップＳ３３の処理で演算された類似度が、予め設定された閾値以上か否かを判定する。類似度が閾値以上と判定された場合、処理は、ステップＳ３５に進む。類似度が閾値未満と判定された場合、ステップＳ３５の処理はスキップされる。

ステップＳ３５において、検索推薦部２５は、その商品（ステップＳ３３で演算された類似度が閾値以上であった商品）を推薦リストに追加する。

ステップＳ３６において、検索推薦部２５は、商品情報サーバ３２に記憶されている商品情報について次の商品があるか否かを判定し、次の商品があると判定された場合、処理は、ステップＳ３３に戻り、ステップＳ３３乃至Ｓ３６の処理が繰り返し実行される。

ステップＳ３６において、次の商品がないと判定された場合、処理は終了する。このとき、例えば、推薦リストに記述されている商品の一覧が、HDDレコーダに接続されたテレビジョン受像機の画面などに表示される。

このようにして、商品が推薦される。

上述したように、番組に挿入されたCMを分析すれば、その番組が対象としている視聴者、またはその番組の製作者が想定した視聴者を分類することも可能である。本発明によれば、CMの視聴履歴に基づいて番組の推薦が行われるので、例えば、従来の嗜好情報に基づいて行われる推薦のように録画された番組や過去に購入した商品の内容にとらわれない商品の推薦が可能になるとともに、よりユーザの嗜好に適した商品の推薦も可能となる。

また、上述したように、視聴特徴情報は、例えば、スポンサー（商品を提供する企業など）が定義したCM嗜好情報とされるので、スポンサーが所定の商品の購買者として想定した人物に適切な商品を推薦することが可能となる。

また、従来の方式では、商品の推薦するにあたり、例えば、ユーザの年齢、性別などの個人情報を要求する場合があるが、本発明においては、ユーザの個人情報の開示を強いることなく、かつユーザの嗜好に適した商品の推薦が可能となる。

なお、上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。上述した一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば図９に示されるような汎用のパーソナルコンピュータ７００などに、ネットワークや記録媒体からインストールされる。

図９において、CPU（Central Processing Unit）７０１は、ROM（Read Only Memory）７０２に記憶されているプログラム、または記憶部７０８からRAM（Random Access Memory）７０３にロードされたプログラムに従って各種の処理を実行する。RAM７０３にはまた、CPU７０１が各種の処理を実行する上において必要なデータなども適宜記憶される。

CPU７０１、ROM７０２、およびRAM７０３は、バス７０４を介して相互に接続されている。このバス７０４にはまた、入出力インタフェース７０５も接続されている。

入出力インタフェース７０５には、キーボード、マウスなどよりなる入力部７０６、CRT(Cathode Ray Tube)、ＬＣＤ(Liquid Crystal display)などよりなるディスプレイ、並びにスピーカなどよりなる出力部７０７、ハードディスクなどより構成される記憶部７０８、モデム、LANカードなどのネットワークインタフェースカードなどより構成される通信部７０９が接続されている。通信部７０９は、インターネットを含むネットワークを介しての通信処理を行う。

入出力インタフェース７０５にはまた、必要に応じてドライブ７１０が接続され、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア７１１が適宜装着され、それらから読み出されたコンピュータプログラムが、必要に応じて記憶部７０８にインストールされる。

上述した一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、インターネットなどのネットワークや、リムーバブルメディア７１１などからなる記録媒体からインストールされる。

なお、この記録媒体は、図９に示される、装置本体とは別に、ユーザにプログラムを配信するために配布される、プログラムが記録されている磁気ディスク（フロッピディスク（登録商標）を含む）、光ディスク（CD-ROM(Compact Disk-Read Only Memory),DVD(Digital Versatile Disk)を含む）、光磁気ディスク（MD（Mini-Disk）（登録商標）を含む）、もしくは半導体メモリなどよりなるリムーバブルメディア７１１により構成されるものだけでなく、装置本体に予め組み込まれた状態でユーザに配信される、プログラムが記録されているROM７０２や、記憶部７０８に含まれるハードディスクなどで構成されるものも含む。

なお、本明細書において上述した一連の処理を実行するステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。

本発明の一実施の形態に係る推薦システムの構成例を示すブロック図である。 視聴履歴の例を示す図である。 番組の推薦について説明する図である。 商品の推薦について説明する図である。 類似番組の検索について説明する図である。 番組の編成情報の例を示す図である。 番組推薦処理を説明するフローチャートである。 商品推薦処理を説明するフローチャートである。 パーソナルコンピュータの構成例を示すブロック図である。

符号の説明

１０ 推薦システム， ２１ 機器制御部， ２２ 視聴者状態推定部， ２３ 視聴情報生成部， ２４ 嗜好生成部， ２５ 検索推薦部， ３２ 商品情報サーバ， ４１ コンテンツ情報データベース， ７０１ CPU， ７１１ リムーバブルメディア

Claims (12)

1. ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段と、
   前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段と、
   挿入されたCMの種類とそれらのCMの数が既知である複数のコンテンツのそれぞれについて、前記CMの種類と、前記種類に属するCMの数とを対応付けた番組CM情報を生成して、前記CM嗜好情報と、それぞれの前記番組CM情報との類似度を演算する類似度演算手段と、
   前記演算された類似度が予め設定された閾値以上となった前記番組CM情報に対応するコンテンツを、前記ユーザに推薦するコンテンツとして特定する推薦特定手段と
   を備えるコンテンツ処理装置。
2. 前記コンテンツに含まれるCMのそれぞれを、前記ユーザが実際に視聴したか否かを判定するための情報を出力する視聴判定手段をさらに備える
   請求項１に記載のコンテンツ処理装置。
3. 前記CM嗜好情報および前記番組CM情報は、
   前記CMの種類のそれぞれを要素とし、前記種類に属するCMの数を予め定められた方式で正規化した値を前記要素の値として用いたベクトルとして生成される
   請求項１に記載のコンテンツ処理装置。
4. ユーザが視聴したコンテンツに含まれるCMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成し、
   挿入されたCMの種類とそれらのCMの数が既知である複数のコンテンツのそれぞれについて、前記CMの種類と、前記種類に属するCMの数とを対応付けた番組CM情報を生成して、前記CM嗜好情報と、それぞれの前記番組CM情報との類似度を演算し、
   前記演算された類似度が予め設定された閾値以上となった前記番組CM情報に対応するコンテンツを、前記ユーザに推薦するコンテンツとして特定するステップ
   を含むコンテンツ処理方法。
5. コンピュータを、
   ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段と、
   前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段と、
   挿入されたCMの種類とそれらのCMの数が既知である複数のコンテンツのそれぞれについて、前記CMの種類と、前記種類に属するCMの数とを対応付けた番組CM情報を生成して、前記CM嗜好情報と、それぞれの前記番組CM情報との類似度を演算する類似度演算手段と、
   前記演算された類似度が予め設定された閾値以上となった前記番組CM情報に対応するコンテンツを、前記ユーザに推薦するコンテンツとして特定する推薦特定手段として機能させる
   プログラム。
6. ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段と、
   前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段と、
   前記CM嗜好情報と、予め提供された視聴特徴情報との類似度を演算する類似度演算手段と、
   前記演算された類似度が予め設定された閾値以上となった前記視聴特徴情報に対応する商品に関する情報を、前記ユーザに推薦する商品に関する情報として特定する推薦特定手段と
   を備えるコンテンツ処理装置。
7. 前記コンテンツに含まれるCMのそれぞれを、前記ユーザが実際に視聴したか否かを判定するための情報を出力する視聴判定手段をさらに備える
   請求項６に記載のコンテンツ処理装置。
8. 前記CM嗜好情報は、
   前記CMの種類のそれぞれを要素とし、前記種類に属するCMの数を予め定められた方式で正規化した値を前記要素の値として用いたベクトルとして生成され、
   前記視聴特徴情報は、
   前記CM嗜好情報の要素と同じ要素により構成されるベクトルとされる
   請求項６に記載のコンテンツ処理装置。
9. 前記商品に関する情報と、前記視聴特徴情報とを対応付けて記憶する記憶手段をさらに備え、
   前記記憶手段には、
   前記商品の提供者により供給された前記視聴特徴情報が、前記商品に対応づけられて記憶されている
   請求項８に記載のコンテンツ処理装置。
10. ユーザが視聴したコンテンツに含まれるCMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成し、
    前記CM嗜好情報と、予め提供された視聴特徴情報との類似度を演算し、
    前記演算された類似度が予め設定された閾値以上となった前記視聴特徴情報に対応する商品に関する情報を、前記ユーザに推薦する商品に関する情報として特定するステップ
    を含むコンテンツ処理方法。
11. コンピュータを、
    ユーザが視聴したコンテンツに含まれるCMの種類を特定するCM特定手段と、
    前記CMの種類と、前記種類に属するCMのそれぞれが予め設定された期間内に前記ユーザにより視聴された回数とを対応付けたCM嗜好情報を生成するCM嗜好情報生成手段と、
    前記CM嗜好情報と、予め提供された視聴特徴情報との類似度を演算する類似度演算手段と、
    前記演算された類似度が予め設定された閾値以上となった前記視聴特徴情報に対応する商品に関する情報を、前記ユーザに推薦する商品に関する情報として特定する推薦特定手段とを備えるコンテンツ処理装置として機能させる
    プログラム。
12. 請求項５または請求項１１に記載のプログラムが記録されている記録媒体。

Images