JP2010044733A - 嗜好分析プログラム及び嗜好分析装置 - Google Patents
嗜好分析プログラム及び嗜好分析装置 Download PDFInfo
- Publication number
- JP2010044733A JP2010044733A JP2008299086A JP2008299086A JP2010044733A JP 2010044733 A JP2010044733 A JP 2010044733A JP 2008299086 A JP2008299086 A JP 2008299086A JP 2008299086 A JP2008299086 A JP 2008299086A JP 2010044733 A JP2010044733 A JP 2010044733A
- Authority
- JP
- Japan
- Prior art keywords
- user
- preference
- database
- content
- music
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Reverberation, Karaoke And Other Acoustics (AREA)
Abstract
【課題】ユーザーの嗜好を判別し、ユーザーが求めるであろう情報をユーザーに提案することのできる、嗜好判別プログラム、システム及びこれを用いた装置を提供する。
【解決手段】入力部13と、データベース21と、処理部23とを備え、入力部からの入力を点数化し、該点数をコンテンツと紐付けてデータベースに保存し、処理部は、このデータベースに格納された一のコンテンツの集合を、他のコンテンツの集合と比較し、一部が重複する場合には、前記他のコンテンツの集合に含まれかつ前記一の集合に含まれないコンテンツを、前記一の集合に取り入れる。
【選択図】図1
【解決手段】入力部13と、データベース21と、処理部23とを備え、入力部からの入力を点数化し、該点数をコンテンツと紐付けてデータベースに保存し、処理部は、このデータベースに格納された一のコンテンツの集合を、他のコンテンツの集合と比較し、一部が重複する場合には、前記他のコンテンツの集合に含まれかつ前記一の集合に含まれないコンテンツを、前記一の集合に取り入れる。
【選択図】図1
Description
本発明は、個人の嗜好を分析するプログラム及び装置に関する。
近年、検索エンジンの高機能化が進んでおり、インターネットホームページのみならず、個人のパソコンや音楽プレーヤー内の楽曲、文書等、またカラオケでの選曲等、主に文字をキーとする検索機能が広く利用されている。
このような検索エンジンや検索システムは、主にキーワードを入力し、データベースの中から、そのキーワードと一部又は全部一致したものを抽出し、一致度の高さなどから重み付けし、ランキングして結果を返すものである(特許文献1参照)。
特開2006−072949号公報
しかしながら、このような検索エンジンや検索システムは、キーワードの一部を知らないと目的のものを検索することができない。すなわち、目的のものの存在と、目的のものの手がかりとなる断片的な知識がなければこれを検索することができないという問題があった。
本発明は、上記問題点に鑑みてなされたものであり、ユーザーの嗜好を判別し、ユーザーが求めるであろう情報をユーザーに提案することのできる、嗜好判別プログラム、システム及びこれを用いた装置を提供することを目的とする。
上記課題を解決するため、本発明の嗜好分析システムは、入力部と、データベースと、処理部とを備え、入力部からの入力を点数化し、該点数をコンテンツと紐付けてデータベースに保存し、処理部は、このデータベースに格納された一のコンテンツの集合を、他のコンテンツの集合と比較し、一部が重複する場合には、前記他のコンテンツの集合に含まれかつ前記一の集合に含まれないコンテンツを、前記一の集合に取り入れることを特徴とする。
このような嗜好分析システムによれば、個人の嗜好を他人の嗜好との比較により判別し、その嗜好に合致したコンテンツを当該個人に提供することが出来る。
次に、本発明の実施形態について、図面を参照して説明する。
第一実施形態は、本発明を音楽配信システムに適用した例である。
図1に示すように、携帯音楽プレーヤー1は、楽曲を記憶するメモリ部11と、楽曲を再生する再生部12と、ユーザーが操作するための入力部である操作部13と、通信部14と、CPU15とを有し、通信部14を介してサーバー2と無線で通信し得る。サーバー2は、データベース記憶部21と、楽曲記憶部22と、処理部23と、図示しない通信手段とを有し、インターネットを介して携帯音楽プレーヤー1と通信し得る。
図1に示すように、携帯音楽プレーヤー1は、楽曲を記憶するメモリ部11と、楽曲を再生する再生部12と、ユーザーが操作するための入力部である操作部13と、通信部14と、CPU15とを有し、通信部14を介してサーバー2と無線で通信し得る。サーバー2は、データベース記憶部21と、楽曲記憶部22と、処理部23と、図示しない通信手段とを有し、インターネットを介して携帯音楽プレーヤー1と通信し得る。
例えば、携帯音楽プレイヤー1のメモリ部11に音楽データが数曲保存されているとする。これを再生部12でアルファベット順やランダム再生などで再生するとする。今、Aという曲が流れている。すると、ユーザーは、流れてきた音楽Aが気に入れば、これを最後まで聴く。また、もう一度聴きたいと思えば、図2に示す操作部13の「戻る」ボタン13aを押してリピートする。一方、音楽Aが気に入らなかった場合、ユーザーは、「早送り」ボタン13bもしくは「スキップ」ボタン13cを押して曲Aをスキップし、次の曲Bを聴く。
このとき、携帯音楽プレーヤー1は当然ながら要求された動作、すなわち再生部12により曲Aをリピートし、もしくは曲Bを再生する。同時に、携帯音楽プレーヤー1はこのようなユーザーのボタン操作、すなわち動的情報を嗜好情報としてサーバー2へ送信し、データベース化する。すなわち、「戻る」ボタン13aを押す行為はユーザーがこの曲を気に入っていることを示すから、図3に示すようなデータベースにおいて、曲Aについての点数が2点プラスされる。一方、「スキップ」ボタン13cを押す行為はユーザーがこの曲を気に入っていないことを示すから、曲Aについての点数が2点マイナスされる。このような判断はCPUでなされ、曲と紐づいた加点・減点を含む加点情報がコンテンツ(ここでは曲A)と紐付けられてサーバーへと送信される。
さらに、ユーザーがその曲をどれぐらいの長さ聴いたか、すなわち静的情報も加点情報とすることができる。たとえば、曲の頭30秒でスキップボタンを押した場合には2.5点減点、曲全体の90%まで聴いた場合には0.5点減点などという嗜好分析パターンを用意しておき、ROMなどに記憶させておく。CPUがこれにしたがってその曲に対する加点情報を算出する。
また、操作部13に、「お気に入り」ボタン13dを設け、ユーザーがこれを押すことで加点することもできる。たとえば曲Aが流れているときにユーザーが「お気に入り」ボタン13dを押すと、曲Aの加点情報として3点プラスという情報がサーバーに送信されることになる。さらに、操作部13に文字入力部13eと出力部としてのディスプレイ13fがあるような場合、ユーザーは聴きたい曲を検索することができるが、このような行為は非常に能動的な行為であるので、その曲に5点プラスという加点情報を与えてもよい。さらに、プレイリストに楽曲ファイルをドラッグアンドドロップするなどして追加した場合も同様に加点しても良い。ユーザーがこの嗜好分析システムを利用し始める当初はログ情報が少なく、嗜好を分析するための材料が乏しいので、ユーザーがプレイリストに楽曲ファイルをドラッグアンドドロップするなどして追加する行為をもって加点対象とすることができる。
ここで、データベースはサーバー2のデータベース記憶部21に記憶されることになるが、スタンドアロンで使用する場合には、携帯音楽プレーヤー1にデータベースを記憶してもかまわない。また、携帯音楽プレーヤー1に内蔵されたCPUで判断して点数情報をサーバーへ送信する態様のほか、押されたボタンを示す情報のみをサーバーへ送信し、サーバー側で加点・減点等の判断を行ってもよい。この場合、携帯音楽プレーヤー1自体にCPUがなくてもよいから、携帯音楽プレーヤー1を小さくすることができる。また、サーバーは複数のユーザーが共用するため、個々のユーザーの端末において処理を行う場合に比べて、全体としてのリソースを節約できる。さらに、通信容量が十分であれば、携帯音楽プレーヤー1に記憶部を用意しなくてもよい。サーバー2の楽曲記憶部22からストリーミングで音楽を再生すればよいからである。この場合、さらに容量やリソースを節約することができ、ユーザーから見れば容量を増やすことができることになる。この考え方は携帯音楽プレーヤーのみならずパソコン等にも応用でき、すなわち音楽プレーヤーやパソコンなどの端末機は入出力インタフェースと通信機能のみ有し、サーバー側に処理や記憶などの機能を持たせることが有効である。
さて、サーバー2内では、ユーザーの嗜好情報がデータベースとして蓄積される。データベース記憶部22では、ユーザーごとに、図3に示すようなデータベースを保有している。すなわち、このユーザーがそれぞれの曲にどれだけの嗜好性を有しているかが、上述のようなステップを経て点数化されている。このように、嗜好行動をログとして残し、分析して点数化した場合の点数をLP(ログポイント)と呼ぶことにし、ユーザーPにおける曲AについてのログポイントをLPPAで表す。
サーバーはこのように点数が紐付けられたコンテンツデータ、すなわち嗜好データの集合からなる嗜好情報データベースに基づいて、携帯音楽プレーヤー1で流す音楽の順番や頻度を決定する。たとえば、Aという曲は点数が高いので嗜好性が高いと判断し、5曲に一回の割合で流すとか、Bという曲は点数が低いので30曲に一回流すとか、Cという曲は点数がマイナスなので流さない、という具合である。点数は0をニュートラル、すなわち点数のついていない状態と同等として、マイナスにはならないようにしてもよい。
ここで、人の嗜好は時間を経ることにより変わることがあるから、嗜好情報が劣化するように設定してもよい。すなわち、曲の加点情報をその曲の点数に加点するのみならず、日時などとともにログ情報として保存しておき、2ヶ月前のプラス2点は現在の1点に目減りするとか、2ヶ月前のマイナス2点は現在のマイナス1点になるとか、時とともに一定の半減期をもって、もしくは一定の減算を行ってニュートラルな点数、すなわち0に近づくように設定することもできる。この情報の劣化速度も、上述のようなユーザーの動的または静的行動をデータベース化し、ある楽曲の点数の変動を履歴化することでユーザーの飽きっぽさを判別し、決定することができる。すなわち、お気に入りに入った曲がお気に入りから消去されるまでの期間が短かったり、リピートしていた曲を数日後にはスキップする傾向にあれば、これを飽きっぽいと判断することができ、その嗜好行動がある閾値を超える程度に変化するまでの期間を、その人の飽きるまでの期間として算出することができる。
ここで、人の嗜好は時間を経ることにより変わることがあるから、嗜好情報が劣化するように設定してもよい。すなわち、曲の加点情報をその曲の点数に加点するのみならず、日時などとともにログ情報として保存しておき、2ヶ月前のプラス2点は現在の1点に目減りするとか、2ヶ月前のマイナス2点は現在のマイナス1点になるとか、時とともに一定の半減期をもって、もしくは一定の減算を行ってニュートラルな点数、すなわち0に近づくように設定することもできる。この情報の劣化速度も、上述のようなユーザーの動的または静的行動をデータベース化し、ある楽曲の点数の変動を履歴化することでユーザーの飽きっぽさを判別し、決定することができる。すなわち、お気に入りに入った曲がお気に入りから消去されるまでの期間が短かったり、リピートしていた曲を数日後にはスキップする傾向にあれば、これを飽きっぽいと判断することができ、その嗜好行動がある閾値を超える程度に変化するまでの期間を、その人の飽きるまでの期間として算出することができる。
サーバー2は上述のような嗜好情報データベースに基づいて音楽の順番や頻度を決定し、プレイリストを作成する。そして、このプレイリストを含む情報を携帯音楽プレーヤー1に送信する。携帯音楽プレーヤー1はこのプレイリストに従って音楽を流すから、ユーザーの嗜好する曲が特に高い頻度で流れることになる。ここで、サーバー2は携帯音楽プレーヤー1に記憶されていない曲については、曲データをも携帯音楽プレーヤー1へ配信する。携帯音楽プレーヤー1に記憶されている曲については、プレイリストのみを送信すればよい。つまり、ユーザーは携帯音楽プレーヤー1に記憶されている曲と記憶されていない曲とを意識し区別して扱う必要がなく、データベース上も、携帯音楽プレーヤー1に記憶されている曲と記憶されていない曲とが同等に嗜好を分析される。
さて、サーバー2を利用するユーザーが複数いた場合には、互いの嗜好情報データベースをサーバー2の処理部23が比較し、ユーザーの嗜好に合った未知の楽曲を、嗜好が似通った他人のデータベースから発見し、携帯音楽プレーヤー1に流すことができる。
例えば、ユーザーの嗜好データベースは図4のような模式図で表すことができる。集合P1は、ユーザーPの携帯音楽プレーヤー1で今まで再生された、すなわち聴いたことのある楽曲群を示し、集合P2はコア範囲、すなわち再生されたことのある楽曲群の中で嗜好を示す点数が一定以上の範囲である。コア範囲は、そのユーザーについてのFPがある閾値を超えている楽曲群であってもよいし、そのユーザーについてのFPの高い楽曲上位例えば10曲を抽出してもよい。また、そのユーザーについてのLPがある閾値を超えている楽曲群であってもよい
例えば、上述のように点数を加算していき、その曲についてのLPの絶対点数をデータベース化し、LPの高いものをヘビーローテーション、すなわち高い頻度で再生するよう、プレイリストを生成することができる。また、聴いたことのある楽曲の全てを100%とし、そのうち特定の曲についてのLPの割合をFP(フェイバリットポイント)という点数で表し、そのユーザーのその曲に対する嗜好の度合いを相対的に表すことができる。ここで、ユーザーPの楽曲Xに対するFPを、FPPXと表すことにする。このようにして蓄積したFPの最も単純な使い方としては、FPをサーバに蓄積し、FPの高い曲が高頻度で流れるように、プレイリストを生成するという方法がある。FPは下の式1により求められる。
[式1]FPPX=LPPX/ユーザーPにおける全ての楽曲についてのLPの合計
[式1]FPPX=LPPX/ユーザーPにおける全ての楽曲についてのLPの合計
図4において、ユーザーPの嗜好データベースP1は、他のユーザーQ、R、Sの嗜好データベースQ1、R1、S1と一部重複しており、特にユーザーPのコア範囲P2はユーザーQ、Sのコア範囲Q2、S2と重複している。この場合、ユーザーPはユーザーQ、R、Sと近似した嗜好を有し、特にユーザーQ、Sとはコア範囲が重複するから嗜好が酷似していることが推測できる。ここで、この嗜好の類似度合いをMP(マッチポイント)とし、ユーザーPのユーザーQに対するMPを、MPPQと表すことにする。図4に示すように、この例においてMPPQは90%、MPPSは80%である。よって、特にユーザーQ、Sのコア範囲Q2かつS2であってかつユーザーPの聴いたことのある楽曲群集合P1に属さない楽曲Xは、ユーザーPが未だ聴いたことがないものの、ユーザーPの嗜好に合う楽曲であると推測できる。
そこで、このような、集合Q2かつS2のうち集合P1に属さない楽曲の集合に属する楽曲Xを、サーバー2の処理部23が判別し、携帯音楽プレーヤー1に流すことで、ユーザーPに、未知の楽曲でありながらその嗜好に合致した楽曲を提供することができる。特に、集合Q2かつS2の中で点数が高い楽曲や、嗜好が類似する複数のユーザーのコア範囲に属する楽曲は、ユーザーPに配信するとともにあらかじめ高い点数を付与してユーザーPのデータベースに加えればよい。
具体的には、まずユーザーPとユーザーQとのMPを割り出す必要がある。これは、例えば、コア曲、すなわちFPが一定以上(例えば、3%以上、もしくは上位10曲など)の曲をそれぞれのユーザーについてリストアップし、抽出されたコア曲群がどの程度重複するかという、以下の式2の計算により割り出すことができる。
[式2]Bのコア曲リスト中、Aのコア曲リストにもある曲の数/Bのコア曲リスト総数
[式2]Bのコア曲リスト中、Aのコア曲リストにもある曲の数/Bのコア曲リスト総数
なお、コア曲の中にもFPの高い曲、低い曲があるので、FPにより重み付けを行ってもよい。重み付けについては後述するが、FPの高い曲同士が重複した場合には特にMPを高くするよう、それぞれの曲についてのFPを乗じる方法である。
このようにして、ユーザー同士のMPが算出されたら、ユーザーPにとって未知の曲である楽曲Xについて、ユーザーPがこれをどの程度嗜好するかという予測、すなわち予想FPを算出することができる。具体的には、図4においてユーザーQ,R,Sは楽曲Xを聴いたことがあり、それぞれ楽曲XについてのFPがあるのであるから、これに、ユーザーQ,R,SのFPの信頼性に応じた重み付けをすることで、ユーザーPの楽曲Xについての予想FPを算出することができる。具体的には以下の式3により、ユーザーPの楽曲Xについての予想FPを算出することができる。すなわち、ユーザー間のMPが高いほどFPが類似すると考えられるからFPの信頼性が高いといえる。そのため、他のユーザーの楽曲XについてのFPに、当該他のユーザーと本人とのMPを乗じ、これを複数の他のユーザーについて行ったものを足し、その解を、当該複数の他のユーザーそれぞれと本人とのMPの和で割ることで得られた解が、ユーザーPの楽曲Xについての予想FPとなる。これは、言い換えれば、他人のFPを、当該他人と本人とのMPで重み付けして得られた解が本人の予想FPであるといえる。
[式3]予想FPPX=(FPQX×MPPQ+FPRX×MPPR+FPSX×MPP
S)/(MPPQ+MPPR+MPPS)
[式3]予想FPPX=(FPQX×MPPQ+FPRX×MPPR+FPSX×MPP
S)/(MPPQ+MPPR+MPPS)
このような未知の楽曲を提供した際にユーザーがどのような反応、行動を示すかを上述したようなボタン操作から読み取り、未知の楽曲への積極性を自動的に分析することができる。また、楽曲に分類情報、たとえばポップス、ロックといったジャンルや、発表された年代などを付しておけば、ユーザーPの嗜好がどの程度分散しているかを判別することができる。このような未知の楽曲への積極性、嗜好の分散といったデータをサーバーのデータベースに保存しておき、処理部23はこのデータに基づいてユーザーに配信する楽曲を選択する。携帯音楽プレーヤー1の記憶部には記憶容量の限界があるから、新規な楽曲がサーバーから提供されたら、そのかわりに最も点数の低い楽曲を記憶部から消去するようにし、常にアップデートしておくことができる。分散を判別するかわりに、ユーザーがどの程度の分散を許容するかを示すためのつまみを表示し、このつまみを調節することで配信する楽曲の分散度を調節してもよい。
以上、本発明を利用した音楽配信システムについての実施形態について説明したが、上記の例に限られるものではない。携帯音楽プレーヤーのみらずパソコンなどを端末装置とすることもできるし、点数なども一例に過ぎない。さらに、本発明はインターネットを介して実現する以外にもスタンドアロンで使われる機器等にも適用でき、さらにインターネットを介して複数のサーバーを使用したシステムにも使用できる。たとえば、カラオケの選曲、インターネットブラウザ、ニュース配信、広告配信、ケーブルテレビ等の動画配信、文字変換などに応用することができる。
インターネットブラウザの考え方は音楽配信システムとほぼ同様であり、長時間閲覧したり更新ボタンをクリックしたり、ユーザーが能動的に検索して閲覧したり、コンテンツ内のリンクや動的コンテンツをクリックしたり、お気に入りに追加したりしたホームページはユーザーが嗜好していると推測し、点数を上げる。一方、短時間でブラウザを閉じもしくは他のページに移動したり、閲覧禁止フォルダに分類したりした場合は点数を下げる。そして、インターネットブラウザを開く度に、最も点数の高いページ、もしくは未だ見たことのないページのうち最も点数の高いページを表示するようにすれば、ユーザーは自分の嗜好に合ったホームページを探すことなく見つけることができる。データベースはユーザーのパソコン端末に格納されてもよいが、サーバーに格納することで、ユーザーが違う端末からホームページを閲覧した場合にも同じサービスを提供することができる。また、ニュース配信、広告配信、ケーブルテレビ等の動画配信についても同様であるが、音楽配信、インターネットブラウザ、ニュース配信等のデータベースを共通にすることで、音楽配信の嗜好傾向をニュース配信に利用することができる。
本発明をカラオケの選曲に応用する場合には、一度のカラオケのセッション、すなわちある団体が一時間カラオケルームを利用するとすればその一時間を、ひとつの集合と考えることができる。一般的に、一度のセッションでは選曲にある程度の偏向性がある。たとえば演歌が多いとか、70年代の曲が多いとか、英語の曲が多いとかである。そのため、あるセッションで選ばれた曲の集合を、他のセッションで選ばれた曲の集合と比較し、それらの集合が一部重複している場合には、他のセッションの集合のうち重複していない部分の楽曲をカラオケのリモコンに表示するようにすれば、ユーザーが次の楽曲を選ぶ際に、場の方向性に合致した曲を提案することができる。
文字変換については、通常、そのユーザーがよく使う文字列の優先度を上げること、予測変換は行われているが、これに加えて、他のユーザーがよく使う文字列を優先的に変換候補に加えることができる。たとえば、通常メールを返信する際は、元メールの内容について書くのであるから、元メールの単語をデータベース化し、ここに含まれている単語の優先度、すなわち点数を高くしておくことが望ましい。また、ユーザーが頻繁に閲覧するホームページに頻出する単語や過去にやり取りしたメールに含まれる単語の点数を高くすることが考えられる。さらに、ユーザーが頻繁に使う単語のデータベース、いわゆるユーザー辞書をサーバーに格納しておけば、同様の単語を使用する他人のデータベースと比較し、そのデータベースに含まれている単語の重み付けを高くすることで、ユーザーが求めている単語を表示するまでに「変換」ボタンを押す回数を減らすことができる。
また、嗜好分析システムをニュース配信システム、例えばニュースをメールで配信するシステムなどに応用する場合には、上のシステムでは誰も評価していないものは決して推薦されないという特徴があることから、公開された直後の記事は推薦されない点が課題となる。また、何も行動を起こしていないユーザーに対しては何も推薦できないという問題もある。
このような問題は、図5に示すように、仮想記事3、仮想ユーザー4を設けることにより解決することができる。図5の表では、行見出しは記事を示し、列見出しはユーザーを示す。また、記事は新しいものほど上に表示されている。例えば、ユーザー「小川」は、「KDDI、・・・」と、「ソレノイドで・・・」という記事を閲覧したため、この記事のセルに1ポイントが入っている。これらの記事は、新しい記事が入るたびに下方へ移動する。
ここで、IT、音楽、野球という仮想記事3が設定されていることに注目する。また、仮想ユーザー4としてIT、音楽、野球が設定されている。この仮想ユーザー4は、担当する分野の記事が入ってきた際には自動的にその記事をクリックし、その記事のセルに1ポイントを追加する。例えば、仮想ユーザー「IT」は、全てのIT関係の記事URLについて、新しい記事が追加される度に自動的に、この記事をクリックしたという仮想ログを残す。そのため、例えばユーザーがいずれかのIT関連の記事をクリックした場合には、他のIT関連の新しい記事についても予想FPが生じることになる。よって、新しい記事をユーザーに推薦することができる。
また、仮想ユーザー4はそれぞれ、自分の担当する分野を示す仮想記事3にポイントを入れている。例えば、ITという仮想ユーザーは、ITという仮想記事に5ポイントを入れている。こうすることにより、ユーザーにジャンルを最初から選択させるという方法も可能になる。例えば、ユーザー「小川」は音楽と野球のジャンルを選択しており、それぞれ5ポイントずつが入っている。こうすることにより、仮想ユーザー「IT」及び「音楽」が自動的にクリックするIT及び音楽に関する記事は、他の人間がクリックしていないものであってもユーザー「小川」の予想FPが高いことになるから、ユーザー「小川」に推薦することができる。
さらに、「人間である」という仮想記事を設け、かつ仮想ユーザーを除く全てのユーザーはデフォルトでこれにポイントが入っていることにすれば、何もジャンルを選択せず、かつ何もクリックしないユーザーに対し、他のユーザーの嗜好の平均、すなわちいわゆるランキング順に、記事を推薦することができる。
いずれのコンテンツについての嗜好分析の場合であっても、嗜好分析システムは、ユーザーが入力する入力部と、データベースと、処理部とを有し、ユーザーの入力、特に従来通りの自然な入力や、コンテンツを利用した時間をキーとしてコンテンツに点数、すなわち重みをつけ、これをデータベースに格納し、このデータベースを他のデータベースと比較し、これらのデータベースが一部重複する場合に、あるユーザーのデータベースに含まれていないが他のユーザーのデータベースに含まれているコンテンツを、前記あるユーザーのデータベースに加えることで、ユーザーが検索をすることなく、ユーザーの嗜好に合ったコンテンツをユーザーに提供することができる。これを司るプログラムは、サーバーに格納されることが望ましいが、端末に格納されてもよい。
1 携帯音楽プレーヤー
Claims (6)
- 入力部と、データベースと、処理部とを備え、前記処理部は、前記入力部からの入力に対応するあらかじめ定められた点数をコンテンツに紐付け、このコンテンツについての点数を集計して前記データベースに保存することを特徴とする、嗜好分析システム。
- 処理部は、コンテンツの再生に際し入力部から入力がない場合は、あらかじめ定められた点数をコンテンツに紐付け、このコンテンツについての点数を集計して前記データベースに保存することを特徴とする、請求項1に記載の嗜好分析システム。
- 入力部と、データベースと、処理部とを備え、前記処理部は、前記データベースに格納された一のユーザーについての嗜好データの集合を、他のユーザーについての嗜好データの集合と比較し、これら嗜好データの集合同士の一部が重複する場合には、前記他のユーザーについての嗜好データの集合に含まれ、かつ前記一のユーザーについての嗜好データの集合に含まれないコンテンツを、前記一のユーザーについての嗜好データの集合に取り入れることを特徴とする、嗜好分析システム。
- 前記入力部からの入力に対応するあらかじめ定められた点数をコンテンツに紐付け、このコンテンツについての点数を集計して前記データベースに保存することで前記嗜好データの集合を作成し、
一のユーザーについての嗜好データの集合が他のユーザーについての嗜好データの集合と重複する場合には、
前記他のユーザーについての嗜好データの集合に含まれ、かつ前記一のユーザーについての嗜好データの集合に含まれないコンテンツを、前記他のユーザーのそのコンテンツについての点数に前記一のユーザーと前記他のユーザーとの類似度合いを乗じて重み付けを行って得られた点数を、前記一のユーザーのそのコンテンツについての点数であると犠牲して、前記一のユーザーについての嗜好データの集合に加えることを特徴とする、請求項1〜3のいずれか記載の嗜好分析システム。 - 担当する分野を示す仮想コンテンツに自動的にポイントを入れる仮想ユーザーをデータベースに有する、請求項1〜3のいずれかに記載の嗜好分析システム。
- 請求項1〜5のいずれかに記載の嗜好分析システムを備えた嗜好分析装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008299086A JP2010044733A (ja) | 2008-01-18 | 2008-11-25 | 嗜好分析プログラム及び嗜好分析装置 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008008699 | 2008-01-18 | ||
JP2008184539 | 2008-07-16 | ||
JP2008299086A JP2010044733A (ja) | 2008-01-18 | 2008-11-25 | 嗜好分析プログラム及び嗜好分析装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010044733A true JP2010044733A (ja) | 2010-02-25 |
Family
ID=42016047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008299086A Pending JP2010044733A (ja) | 2008-01-18 | 2008-11-25 | 嗜好分析プログラム及び嗜好分析装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2010044733A (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012090661A1 (ja) * | 2010-12-27 | 2012-07-05 | コニカミノルタビジネステクノロジーズ株式会社 | 情報提供装置、記憶媒体、および、情報提供方法 |
JP2013213922A (ja) * | 2012-04-02 | 2013-10-17 | Xing Inc | 端末装置及び楽曲再生装置 |
CN111753124A (zh) * | 2019-03-29 | 2020-10-09 | Tcl集团股份有限公司 | 一种音乐推荐方法及服务器 |
JP2021092931A (ja) * | 2019-12-09 | 2021-06-17 | Aiq株式会社 | 情報処理装置及びプログラム |
JP7475787B2 (ja) | 2020-09-24 | 2024-04-30 | 株式会社第一興商 | カラオケ装置 |
CN118034844A (zh) * | 2024-04-12 | 2024-05-14 | 深圳市众悦科技有限公司 | 一种平板电脑多用户共享界面管理方法及系统 |
CN118034844B (zh) * | 2024-04-12 | 2024-06-25 | 深圳市众悦科技有限公司 | 一种平板电脑多用户共享界面管理方法及系统 |
-
2008
- 2008-11-25 JP JP2008299086A patent/JP2010044733A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012090661A1 (ja) * | 2010-12-27 | 2012-07-05 | コニカミノルタビジネステクノロジーズ株式会社 | 情報提供装置、記憶媒体、および、情報提供方法 |
JP2013213922A (ja) * | 2012-04-02 | 2013-10-17 | Xing Inc | 端末装置及び楽曲再生装置 |
CN111753124A (zh) * | 2019-03-29 | 2020-10-09 | Tcl集团股份有限公司 | 一种音乐推荐方法及服务器 |
JP2021092931A (ja) * | 2019-12-09 | 2021-06-17 | Aiq株式会社 | 情報処理装置及びプログラム |
JP7475787B2 (ja) | 2020-09-24 | 2024-04-30 | 株式会社第一興商 | カラオケ装置 |
CN118034844A (zh) * | 2024-04-12 | 2024-05-14 | 深圳市众悦科技有限公司 | 一种平板电脑多用户共享界面管理方法及系统 |
CN118034844B (zh) * | 2024-04-12 | 2024-06-25 | 深圳市众悦科技有限公司 | 一种平板电脑多用户共享界面管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11810133B2 (en) | Systems and methods for discovering artists | |
JP4723481B2 (ja) | 配列エンジンを有するコンテンツ推薦装置 | |
US8799253B2 (en) | Presenting an assembled sequence of preview videos | |
US8838641B2 (en) | Content recommendation system, content recommendation method, content recommendation device, and information storage medium | |
JP4008954B2 (ja) | 情報検索装置 | |
US8688615B2 (en) | Content selection based on consumer interactions | |
US7533091B2 (en) | Methods, systems, and computer-readable media for generating a suggested list of media items based upon a seed | |
US7680824B2 (en) | Single action media playlist generation | |
US7580932B2 (en) | User interface for establishing a filtering engine | |
KR102001647B1 (ko) | 지식 패널들을 컨텍스트화 | |
JP2011138197A (ja) | 情報処理装置、関連度評価方法及びプログラム | |
US20100070917A1 (en) | System and method for playlist generation based on similarity data | |
JP2006526827A (ja) | ユーザフィードバックを有するコンテンツ推薦装置 | |
JP2011175362A (ja) | 情報処理装置、重要度算出方法及びプログラム | |
JP2007058842A (ja) | 情報処理装置、特徴抽出方法、記録媒体、および、プログラム | |
Hu et al. | Task complexity and difficulty in music information retrieval | |
CN113366521A (zh) | 感性计算设备、感性计算方法和程序 | |
JPWO2010021102A1 (ja) | 関連シーン付与装置及び関連シーン付与方法 | |
JP2010044733A (ja) | 嗜好分析プログラム及び嗜好分析装置 | |
JP2004362019A (ja) | 情報推薦装置、情報推薦方法、情報推薦プログラム及び記録媒体 | |
JP4599141B2 (ja) | 情報提供システム,情報提供サーバおよびコンピュータプログラム | |
JP2002099574A (ja) | コンテンツ検索システム及びコンテンツ検索データ収集管理システム | |
CN108140034B (zh) | 使用主题模型基于接收的词项选择内容项目 | |
KR20090021041A (ko) | 감성이 유사한 음악들을 제공하는 서비스 방법 및 시스템 | |
US10368114B2 (en) | Media channel creation based on free-form media input seeds |