JP2010157117A - コンテンツ抽出装置およびコンテンツ抽出方法 - Google Patents

Abstract

【課題】ユーザのニーズに応えたコンテンツを提示できるコンテンツ抽出装置およびコンテンツ抽出方法を提供する。
【解決手段】コンテンツ抽出装置が、複数のコンテンツから１つのコンテンツを視聴するために選択する選択部と、前記選択されたコンテンツを視聴中に、異なるコンテンツを選択するための指示部と、前記指示部による指示があった場合、前記選択されたコンテンツとは異なるコンテンツを提示する提示部と、を具備し、前記提示部は、前記複数のコンテンツと前記視聴中のコンテンツとの類似度を算出し、類似の少ないコンテンツを提示する。
【選択図】図４

Description

本発明は、ユーザの好みに応じたコンテンツを抽出するコンテンツ抽出装置およびコンテンツ抽出方法に関する。

従来では、メタデータを基に、複数のコンテンツ間の関連性を求め、この関連性に基づいて、複数のコンテンツの検索結果を表す情報を示す。または、この求めた関連性に基づいて、類似コンテンツを示す技術が開示されている（特許文献１参照）。
特開２００４−３４８６０７号公報

しかしながら、前述の技術では、現在視聴中のコンテンツとは別の種類のコンテンツを視聴したいというユーザのニーズに応えることができない。すなわち、現在視聴中のコンテンツとは違った系統のコンテンツを提示することは困難である。
上記に鑑み、本発明は、ユーザのニーズに応えたコンテンツを提示できるコンテンツ抽出装置およびコンテンツ抽出方法を提供することを目的とする。

本発明の一態様に係るコンテンツ抽出装置は、複数のコンテンツから１つのコンテンツを視聴するために選択する選択部と、前記選択されたコンテンツを視聴中に、異なるコンテンツを選択するための指示部と、前記指示部による指示があった場合、前記選択されたコンテンツとは異なるコンテンツを提示する提示部と、を具備し、前記提示部は、前記複数のコンテンツと前記視聴中のコンテンツとの類似度を算出し、類似の少ないコンテンツを提示する。

本発明の一態様に係るコンテンツ抽出方法は、複数のコンテンツから１つのコンテンツを視聴するために選択するステップと、前記選択されたコンテンツを視聴中に、異なるコンテンツの選択を指示するステップと、前記指示があった場合、前記選択されたコンテンツとは異なるコンテンツを提示するステップと、を含み、前記提示するステップでは、前記複数のコンテンツと前記視聴中のコンテンツとの類似度を算出し、類似の少ないコンテンツを提示する。

本発明によれば、ユーザのニーズに応えたコンテンツを提示できるコンテンツ抽出装置およびコンテンツ抽出方法を提供できる。

以下、図面を参照して、本発明の実施の形態を詳細に説明する。本実施形態では、コンテンツ抽出装置としてデジタル放送受信装置を例として説明する。

（実施形態）
図１は、本発明の一実施形態に係る録画再生システム１の概略構成を表す構成図である。録画再生システム１は、コンテンツ抽出装置１０、コンテンツ配信サーバ１００とを備える。コンテンツ抽出装置１０とコンテンツ配信サーバ１００とは、インターネットの通信網１１０でデータ通信可能に接続される。

コンテンツ抽出装置１０は、図示しないアンテナからデジタル放送電波を受信する。コンテンツ抽出装置１０は、有料放送の受信履歴を映像配信サービス事業者のコンテンツ配信サーバ１００に対して送信する。コンテンツ抽出装置１０は、コンテンツ配信サーバ１００からコンテンツを取得する。また、コンテンツ抽出装置１０には、図示しない、コンテンツ画像が表示されるモニタ、コンテンツ音声を発生するスピーカ、後述する限定受信用のＢＣＡＳ(BS Conditional Access Systems)カード１５１を挿入するためのカードスロットを備える。コンテンツ抽出装置１０は、リモートコントローラ（以下、「リモコン」という）１２０によって遠隔操作可能になっている。

図２は、本発明の一実施形態に係るリモコン１２０の概略構成を示す構成図である。リモコン１２０は、コンテンツ抽出装置１０の操作部１１の一部として機能する。リモコン１２０は、テレビ機能操作スイッチ群１３０、表示機能操作スイッチ群１４０、録画再生操作スイッチ群１５０、数値入力スイッチ群１６０を備える。録画再生操作スイッチ群１５０は、コンテンツの抽出要求をコンテンツ抽出装置１０へ送信するための指示を入力するコンテンツ抽出スイッチ１５１を備える。リモコン１２０は、このコンテンツ抽出スイッチ１５１からの入力に基づいて、コンテンツの抽出要求をコンテンツ抽出装置１０へ送信する。リモコン１２０は、複数のコンテンツから１つのコンテンツを視聴するために選択する選択部として機能する。リモコン１２０は、選択されたコンテンツを視聴中に、異なるコンテンツを選択するための指示部として機能する。コンテンツ抽出スイッチ１５１は、異なるコンテンツの選択を直接指示する指示キーとして機能する。

図３は、本発明の一実施形態に係るコンテンツ抽出装置１０を表すブロック図である。コンテンツ抽出装置１０は、操作部１１、受光部１２、デジタルチューナ１３、ストリームプロセッサ１４、ビデオデコーダ１５、ＯＳＤ(On Screen Display)１６、オーディオデコーダ１７、ＤＳＰ(Digital Signal Processor)１８、ＨＤＭＩ(High Definition Multimedia Interface)１９、ディスクＩ／Ｆ(Interface)２０、メモリ２１、カードＩ／Ｆ２２、入出力部２３、ＣＰＵ(Central Processing Unit)２４を有する。

操作部１１は、図示しない、電源ボタン、停止ボタン、再生ボタン、録画ボタン、早送りボタン、巻戻しボタンを有する。電源ボタンは、コンテンツ抽出装置１０の電源をオン／オフするためのボタンである。停止ボタンは、コンテンツデータの再生、録画などの停止操作を行うためのボタンである。再生ボタンは、コンテンツデータの再生操作を行うためのボタンである。録画ボタンは、コンテンツデータを光ディスク１７１または磁気ディスク１８１に記憶させる録画操作を行うためのボタンである。早送りボタンは、再生中のコンテンツデータの早送り操作を行うためのボタンである。巻戻しボタンは、再生中のコンテンツデータの巻戻し操作を行うためのボタンである。

受光部１２は、リモコン１２０からのコンテンツの抽出要求を含む操作信号（たとえば赤外線信号）を受信する。デジタルチューナ１３は、アンテナを介してデジタル放送電波で送られてくるコンテンツデータを受信する。ストリームプロセッサ１４は、デジタルチューナ１３で受信した受信データからコンテンツ毎にコンテンツデータを分離する。ビデオデコーダ１５は、この分離されたコンテンツデータの画像信号をデコードする。

ＯＳＤ１６は、モニタに出力する画像に、予約設定画面などを重ねる画像処理を行う。オーディオデコーダ１７は、分離された受信データの音声信号をデコードする。ＤＳＰ１８は、デコードされた音声信号にイコライジングなどの処理を行い、この処理された音声信号をモニタに出力する。ＨＤＭＩ１９は、ＨＤＭＩ規格に準拠した、ＨＤＭＩケーブルを介した信号出力が可能のものである。ＨＤＭＩ１９は、モニタのＨＤＭＩとＨＤＭＩケーブルによって接続される。ＨＤＭＩ１９は、映像および音声信号のほかに、モニタが表示可能な解像度などの装置情報、各種命令などの信号をモニタのＨＤＭＩと送受信する。モニタは、現在の時間や予約確認画面などを表示する。

ディスクＩ／Ｆ２０は、光ディスクドライブ１７０または磁気ディスクドライブ１８０を介して、光ディスク１７１または磁気ディスク１８１からのリムーバブルメディアの読み取りと、光ディスク１７１または磁気ディスク１８１へのリムーバブルメディアの書き込みとを行う。磁気ディスク１８１は、受信データを処理したコンテンツデータ、番組表情報、操作履歴データ、グループ情報、閾値、プログラムを記憶する。番組表情報は、たとえばＥＰＧ(Electronic Program Guide)やＥＣＧ(Electronic Content Guide)などの電子番組表である。

メモリ２１は、データを一時的に記憶する。カードＩ／Ｆ２２は、ＢＣＡＳカードの読み取りと認証を行う。入出力部２３は、Ｅｔｈｅｒｎｅｔ（登録商標）、ＵＳＢ（Universal Serial Bus）およびＩＥＥＥ１３９４(Institute of Electrical and Electronic Engineers 1394)などの入出力端子を介してデータの入出力を可能とする。Ｅｔｈｅｒｎｅｔ（登録商標）からは、コンテンツデータ（映像データや音声データ）、後述するメタデータが入力する。

ＣＰＵ２４は、磁気ディスク１８１に記憶されたポログラムを読み出し、実行する。ＣＰＵ２４は、上述した各部位を総括して制御する。これら部位は、バスを介して接続され、各種データを送受信する。また、ＣＰＵ２４は、コンテンツ抽出スイッチ１５１の押下によるコンテンツの抽出要求を取得すると、視聴中のコンテンツと類似の少ないコンテンツを提示する。ＣＰＵ２４は、指示部による指示があった場合、選択されたコンテンツとは異なるコンテンツを提示する提示部として機能する。

図４は、本発明の一実施形態に係るコンテンツ抽出モジュール２００の概略構成を示す構成図である。コンテンツ抽出モジュール２００は、キー入力部２０１、ユーザインターフェース部２０２、操作履歴取得部２０３、操作履歴情報データベース２０４、嗜好モデル学習部２０５、嗜好モデルデータベース２０６、推薦スコア算出部２０７と、メタデータデータベース２０８、類似度算出部２０９を有する。

キー入力部２０１は、ユーザからのキー操作を入力する。このキー入力部２０１には、図３の操作部１１、リモコン１２０が該当する。
ユーザインターフェース部２０２は、キー操作を受け付ける。さらに、ユーザインターフェース部２０２は、このキー操作に応じて映像をモニタに、音声をスピーカに出力する。このユーザインターフェース部２０２は、類似度算出部２０９で類似度が算出されたコンテンツのリストを表示する。このユーザインターフェース部２０２は、算出された類似度に関連付けて、前記抽出された複数のコンテンツを表示する表示部として機能する。このユーザインターフェース部２０２には、図３のビデオデコーダ１５、ＯＳＤ１６、ＤＳＰ１８、ＨＤＭＩ１９、モニタ、スピーカなどが該当する。

操作履歴取得部２０３は、ユーザインターフェース部２０２からの操作情報を受け取り、操作履歴情報データベース２０４に記憶する。操作履歴情報としては、映像の映像の再生、早送り、早戻し、スキップ、一時停止などのトリックプレイ、再生停止、コンテンツの削除などの情報を有する。この操作履歴取得部２０３には、図３のＣＰＵ２４が該当する。この操作履歴情報データベース２０４には、図３の磁気ディスク１８１が該当する。

嗜好モデル学習部２０５は、操作履歴情報データベース２０４に記憶されたデータと、メタデータデータベース２０８に記憶された操作対象のコンテンツのメタデータとに基づいて、後述する嗜好モデルに沿った条件付確率を算出する。嗜好モデル学習部２０５は、この算出結果である条件付き確率値を嗜好モデルデータベース２０６に記憶する。この嗜好モデル学習部２０５には、図３のＣＰＵ２４が該当する。嗜好モデルデータベース２０６には、図３の磁気ディスク１８１が該当する。

推薦スコア算出部２０７は、嗜好モデルデータベース２０６に記憶された嗜好モデルの条件付き視聴確率値に基づいて、各コンテンツの推薦スコアを算出する。推薦スコア算出部２０７は、この算出結果の推薦スコアを各コンテンツに対応するメタデータの一部としてメタデータデータベース２０８に記憶する。この推薦スコア算出部２０７は、図３のＣＰＵ２４が該当する。この推薦スコア算出部２０７は、複数のコンテンツの視聴時間に基づいて、これら複数のコンテンツそれぞれの評価値を算出する第１の算出部として機能する。メタデータデータベース２０８は、図３の磁気ディスク１８１が該当する。

類似度算出部２０９は、メタデータデータベース２０８から読み出した任意の２個のコンテンツのメタデータに基づいて、この２個のコンテンツの類似度を算出する。本実施形態では、類似度算出部２０９が、推薦スコア算出部２０７で算出された推薦スコアが所定の閾値以上である複数のコンテンツ（このコンテンツを、「推薦対象コンテンツ」という）を抽出する。類似度算出部２０９が、複数の推薦対象コンテンツと、現在視聴中のコンテンツとの類似度をそれぞれ算出する。類似度算出部２０９は、類似度を算出した推薦対象コンテンツのリストを作成してユーザインターフェース部２０２に出力する。この類似度算出部２０９は、算出された評価値に関連付けて、前記複数のコンテンツから複数の所定のコンテンツを抽出する抽出部として機能する。また、この類似度算出部２０９は、前記抽出された複数のコンテンツの属性情報と視聴中のコンテンツの属性情報に基づいて、前記視聴中のコンテンツと前記抽出された複数のコンテンツそれぞれとの類似度を算出する第２の算出部として機能する。

図５は本発明の一実施形態に係る視聴履歴情報のデータ構成を表す図である。本実施形態では、コンテンツが視聴される度に、コンテンツＩＤ、そのコンテンツの視聴開始日、視聴開始時刻、視聴終了時刻、視聴終了日、視聴終了時刻、サービスタイプ、サービスＩＤを視聴履歴情報として記憶する。ここで、コンテンツＩＤは、コンテンツを識別するための番号である。サービスタイプは、放送波の種別（地上波／ＢＳ／ＣＳなど）や映像配信サービス事業者を識別するための番号である。サービスＩＤは、放送チャンネルまたは映像配信サービスを識別するための番号である。サービスタイプおよびサービスＩＤは、任意に設定される。

図６は、本発明の一実施形態に係る嗜好モデルの因果関係を表す図である。この嗜好モデルは、たとえばベイジアンネットワークで表現されるモデルである。この嗜好モデルは、要素「番組ジャンル」と要素「キーワード」が、要素「視聴」に影響を及ぼすという因果関係を表す。

図７は、図６に示した嗜好モデルにおけるベイジアンネットワークの構造定義データの一例を表す図である。なお、この構造定義データはテキスト形式で表している。このモデルでは、「キーワード」と「番組ジャンル」、「視聴」という要素を確率変数として定義し、各確率変数のとる値も定義している。たとえば「キーワード」の値としては、「韓国」、「水泳」、「花」、「グルメ」、「東京」、「カレー」、「バッグ」、「ショッピング」、「すれ違い」、「チャン」の１０種類の値をとりえることを示す。また、たとえば「番組ジャンル」の値としては、「ニュース」、「音楽」、「バラエティ」、「アニメーション（以下、「アニメ」という）」、「ドラマ」、「映画」、「ドキュメンタリー（以下、「ドキュメント」という）」、「趣味」、「スポーツ」、「情報」の１０種類の値をとりえることを示す。「視聴」の値としては、「視聴する」、「視聴しない」の２種類の値をとりえることを示す。さらに、原因となる確率変数を親ノード「キーワード」と「番組ジャンル」、結果となる確率変数を子ノード「視聴」とする。そして、確率変数間の因果関係の有無を定義している。なお、この嗜好モデルは単なる一例であって、本発明はこの嗜好モデルに限定されない。

図８は、本発明の一実施形態に係るメタデータのデータ構成を表す図である。本実施形態では、項目名、長さ、サンプル、備考をメタデータとして記憶する。この項目名には、コンテンツＩＤ、放送局コード、放送局名、放送日、開始時間、時間長、ジャンルコード、放送モード、番組名、サブタイトル、出演者、概要情報、詳細情報、キーワード、推薦スコアが設定される。長さは、データ長（ビット）を示す。サンプルは、項目の内容を示す。

このメタデータの取得経路としては、受信したデジタル放送信号にメタデータが多重化されている場合と、インターネット上のコンテンツ配信サーバ１００から配信される場合がある。このメタデータのデータ構成は、それぞれの映像配信サービス事業者によって異なることがある。その場合は、ＣＰＵ２４の変換部（図示せず）が、受信したメタデータを図８の形式にマッピングする変換処理を行うものとする。

（条件付き視聴確率の算出）
次に、嗜好モデル学習部２０５による条件付き視聴確率算出の動作について説明する。図９は、条件付き視聴確率算出の動作手順の一例を表すフローチャートである。嗜好モデル学習部２０５は、嗜好モデルデータベース２０６から構造定義データを読み込む（ステップＳ３１）。次に、操作履歴情報データベース２０４に記憶された操作履歴情報と、メタデータデータベース２０８に記憶された操作対象となったコンテンツのメタデータを読み込む（ステップＳ３２）。そして、読み込んだ操作履歴情報とメタデータから、嗜好モデルに沿って条件付き視聴確率を計算する（ステップＳ３３）。

この条件付き視聴確率の計算では、過去の一定期間、たとえば過去１週間に視聴することができる全てのコンテンツの中で、たとえば「番組ジャンル＝ドラマ」と「キーワード＝韓国」の組み合わせで実際に視聴したコンテンツの回数を条件付き視聴確率として算出する。たとえば１週間で上記組み合わせのコンテンツの放送が１０回あって、その中から実際に視聴した回数が１回の場合を考える。この場合には、この条件付き視聴確率は、１／１０＝０．１０となる。そして、この場合の上記視聴確率のデータとしては、「（番組ジャンル＝ドラマ＆キーワード＝韓国）→（視聴＝視聴する）→０．１０，（視聴＝視聴しない）→０．９０」となる。この計算を全てのジャンルとキーワードの１対１の組み合わせで行う。なお、録画されたコンテンツの場合は、同一のコンテンツを何度も視聴する場合が考えられる。この場合には、たとえば視聴時間の最も長いもののみを視聴した回数に加える。また、上述した設定方法とは別に、たとえば１週間の全ての視聴時間に対する対象のコンテンツの視聴時間の割合から上記条件付き視聴確率を算出することも可能である。

（視聴履歴データとメタデータの関わり）
視聴履歴データは、上記１週間に実際に視聴したコンテンツとその視聴開始時間と終了時間の履歴が集積されている。この視聴開始と終了時間から実際の視聴時間を算出する。
メタデータは、Ｅｔｈｅｎｅｔを介してコンテンツ配信サーバ１００から受信した各コンテンツの関連情報で、視聴の時間長「５４分」が含まれている（図８参照）。
算出した実際の視聴時間と、メタデータ中の同一のコンテンツの視聴の時間長とから、このコンテンツを全体の何割視聴したか算出する。そして、この算出した割合が予め設定した閾値以上の場合に視聴回数に加える。

次に、嗜好モデル学習部２０５は、この全て「番組ジャンル」と「キーワード」の組み合わせの条件付き視聴確率を算出する。そして、全ての算出が終わると、その算出結果を条件付き視聴確率表のデータとして嗜好モデルデータベース２０６に記憶させる（ステップＳ３４）。

（推薦スコアの算出）
次に、推薦スコア算出部２０７による推薦スコア算出の動作について説明する。図１０は、推薦スコア算出の動作手順の一例を表すフローチャートである。推薦スコア算出部２０７は、メタデータデータベース２０８に記憶された推薦対象となるコンテンツのメタデータと、嗜好モデルデータベース２０６に記憶された条件付き視聴確率表のデータを読み込む（ステップＳ４１）。ここで、推薦対象となるコンテンツとは、現時点で視聴することが可能なコンテンツを示し、たとえば現在放送中のコンテンツ、録画済みのコンテンツなどを含む。

次に、各コンテンツのメタデータから、「番組ジャンル」と「キーワード」を抽出し、この「番組ジャンル」と「キーワード」の１対１の全ての組み合わせを求める。たとえば図８のコンテンツの例では、「番組ジャンル＝ドラマ」で、「キーワード＝韓国，チャン，すれ違い」である。したがって、組み合わせとしては、「（番組ジャンル＝ドラマ＆キーワード＝韓国）」、「（番組ジャンル＝ドラマ＆キーワード＝チャン）」、「（番組ジャンル＝ドラマ＆キーワード＝すれ違い）」の３つの組み合わせが求まる（ステップＳ４２）。

次に、条件付き視聴確率表のデータから、これら３つの組み合わせに対応した視聴確率を抽出する。上述した（条件付き視聴確率の算出）では、「（番組ジャンル＝ドラマ＆キーワード＝韓国）→（視聴＝視聴する）→０．１０」である。本実施形態では、求めた「（番組ジャンル＝ドラマ＆キーワード＝韓国）」の視聴確率を、上記視聴確率表の「（番組ジャンル＝ドラマ＆キーワード＝韓国）→（視聴＝視聴する）」の視聴確率「０．１０」とする。他の２つの組み合わせの視聴確率も同様に、上記視聴確率表の「（番組ジャンル＝ドラマ＆キーワード＝チャン）」、「（番組ジャンル＝ドラマ＆キーワード＝すれ違い）」の「（視聴＝視聴する）」の視聴確率とする。そして、このように、組み合わせが複数ある場合は、この視聴確率値の中で、最も大きい視聴確率値を推薦スコアとして求める（ステップＳ４３）。図８の例では、「（番組ジャンル＝ドラマ＆キーワード＝韓国）」の視聴確率「０．１０」が、最も大きい視聴確率値であるとして、この値を推薦スコアとして求まる。

次に、この求めた推薦スコアのデータを、該当するコンテンツのメタデータに書き込んでメタデータデータベース２０８に記憶する（ステップＳ４４）。

（類似度の算出）
次に、現在視聴中のコンテンツと推薦対象となるコンテンツとの類似度算出の動作について説明する。図１１は、類似度算出の動作手順の一例を表すフローチャートである。類似度の算出は、以下の手順で行う。
１．推薦対象コンテンツを求める。
２．現在視聴中のコンテンツの特徴ベクトルを求める。
３．推薦対象コンテンツの特徴ベクトルを求める。
４．両コンテンツのベクトルの距離を求める。
５．４で求めた距離から２つのコンテンツ間の類似度を算出する。

（推薦対象コンテンツを求める）
類似度算出部２０９は、メタデータデータベース２０８に記憶された、現在視聴中のコンテンツのメタデータを読み出す（ステップＳ５１）。次に、推薦スコアが予め設定された閾値以上のコンテンツを選出し、このコンテンツのメタデータを読み出す（ステップＳ５２）。この選出されたコンテンツが、推薦対象コンテンツとなる。ここでは、たとえば推薦スコアの上位５個を推薦対象コンテンツとする。

（現在視聴中のコンテンツの特徴ベクトルを求める）
次に、現在視聴中のコンテンツの特徴ベクトルを求める（ステップＳ５３）。ここでは、以下のようなベクトルｖ１を考える。ベクトルｖ１は、コンテンツ毎に定義される。このベクトルｖ１の各成分の値は、そのコンテンツの「番組ジャンル」と「キーワード」によって決まるものとする。
すなわち、上述した例の場合、ベクトルｖ１＝（ニュース、音楽、バラエティ、アニメ、ドラマ、映画、ドキュメント、趣味、スポーツ、情報、韓国、水泳、花、グルメ、東京、カレー、バッグ、ショッピング、すれ違い、チャン）となる。また、現在視聴中のコンテンツが、「番組ジャンル＝ドラマ、キーワード＝韓国、チャン」の場合は、ベクトルｖ１＝（０，０，０，０，１，０，０，０，０，０，１，０，０，０，０，０，０，０，０，１）となる。

次に、ベクトルｖ１の大きさ（長さ）を求める。ベクトルｖ１の大きさは｜ｖ１｜と標記する。このベクトルｖ１の大きさ｜ｖ１｜は、各成分を２乗し、その総和の平方根となる。したがって、
｜ｖ１｜＝√（１^２＋１^２＋１^２）＝√３
となる。そして、現在視聴中のコンテンツの特徴ベクトルａを、ｖ１と同じ向きの単位ベクトルであると定義すると、ａは以下のようになる。
ａ＝ｖ１／｜ｖ１｜＝（０，０，０，０，１／√３，０，０，０，０，０，１／√３，０，０，０，０，０，０，０，０，１／√３）
となる。

（推薦対象コンテンツの特徴ベクトルを求める）
次に、推薦対象コンテンツの特徴ベクトルをそれぞれ求める（ステップＳ５４）。ここでは、ステップＳ５３と同様に、以下のようなベクトルｖ２を考える。
すなわち、上述した例の場合、ベクトルｖ２＝（ニュース、音楽、バラエティ、アニメ、ドラマ、映画、ドキュメント、趣味、スポーツ、情報、韓国、水泳、花、グルメ、東京、カレー、バッグ、ショッピング、すれ違い、チャン）となる。ここで、推薦対象コンテンツが、「番組ジャンル＝情報、キーワード＝韓国、水泳」の場合は、ベクトルｖ２＝（０，０，０，０，０，０，０，０，０，１，１，１，０，０，０，０，０，０，０，０）となる。

次に、上記と同様に、ベクトルｖ２の大きさ｜ｖ２｜を求める。
｜ｖ２｜＝√（１^２＋１^２＋１^２）＝√３
となる。そして、推薦対象コンテンツの特徴ベクトルｂを、ｖ２と同じ向きの単位ベクトルであると定義すると、ｂは以下のようになる。
ｂ＝ｖ２／｜ｖ２｜＝（０，０，０，０，０，０，０，０，０，１／√３，１／√３，１／√３，０，０，０，０，０，０，０，０）
となる。これと同様に、全ての推薦対象コンテンツに対して、特徴ベクトルをそれぞれ求める。

（ベクトルの距離を求める）
次に、上記で求めた両コンテンツ（現在視聴中のコンテンツと推薦対象コンテンツ）間のベクトルの距離を求める（ステップＳ５５）。このベクトルの距離は、各成分の差を２乗し、その総和の平方根となる。
ステップＳ５３でもとめた特徴ベクトルａと、ステップＳ５４で求めた特徴ベクトルｂの距離も、各成分の差の２乗の総和の平方根で求まる。すなわち、
√[（１／√３−０）^２＋（０−１／√３）^２＋（１／√３−１／√３）^２＋（０−１／√３）^２＋（１／√３−０）^２]＝√（４／３） …（１）
となる。なお、上記（１）式では、成分「０」と「０」の計算を省略する。また、本実施形態では、「番組ジャンル」と「キーワード」の数が同一の場合を示したが、「キーワード」の数が異なる場合も、同様にベクトルの距離を算出することが可能である。また、「キーワード」の数を少ないコンテンツの方に合わせることも可能である。この場合には、たとえば条件付き視聴確率の大きい「キーワード」を選択して、ベクトルの距離を計算しても良い。

（類似度の算出）
次に、類似度算出部２０９は、ステップＳ５５で求めた距離から現在視聴中のコンテンツと推薦対象コンテンツ間の類似度をそれぞれ算出する（ステップＳ５６）。ここで、２つのコンテンツの類似度を、それぞれのコンテンツの特徴ベクトル間の距離と定義する。したがって、現在視聴中のコンテンツと推薦対象コンテンツ間の類似度は、（１）式から√（４／３）≒１．１５となる。この類似度は、大きければ大きいほど類似していないことを示す値となる。これと同様に、現在視聴中のコンテンツと全ての推薦対象コンテンツ間の類似度をそれぞれ算出する。

次に、類似度算出部２０９は、これら算出した類似度を比較して、推薦対象コンテンツのメタデータを類似度の大きい順にソートして、メタデータのリストを作成する。そして、この作成したリストのデータをユーザインターフェース部２０２に出力する（ステップＳ５７）。図１２は、推薦対象コンテンツのメタデータリストのデータ構成を表す図である。このリストは、コンテンツＩＤ、放送日、放送局コード、放送局名、開始時間、時間長、ジャンル、番組名、出演者、視聴の確率、類似度から構成される。

ユーザインターフェース部２０２は、入力したメタデータのリストをモニタに表示する。
このように、本実施形態に係るコンテンツ抽出装置は、視聴中のコンテンツとは類似しないコンテンツのリストを作成して表示する。この結果、現在視聴中のコンテンツとは別の種類のコンテンツを視聴したいというユーザのニーズに応えたコンテンツを提示できる。さらに、本実施形態に係るコンテンツ抽出装置は、推薦スコアの高いコンテンツを類似しない順にリストを作成して表示する。この結果、現在視聴中のコンテンツとは別の種類のコンテンツで、かつ嗜好に合ったコンテンツを視聴したいというユーザのニーズに応えたコンテンツを提示できる。

なお、上述した実施形態では、コンテンツのメタデータと、条件付き視聴確率値とに基づいて、コンテンツの推薦スコアをそれぞれ算出したが、本発明に係る録画再生装置はこれに限らない。たとえばインターネットを介して外部から評価情報を取得し、この評価情報に基づいて、コンテンツの推薦スコアを算出することも可能である。

この場合、１つのコンテンツに対して、複数の評価情報が取得されることが考えられるが、これらの評価情報の平均値を算出し、この平均値から推薦スコアを算出しても良い。また、評価情報は、１０段階評価のものや５段階評価のものなど段階評価が異なる場合が考えられるが、いずれか１つの段階評価に換算することも可能である。また、この算出された評価情報をコンテンツの推薦スコアとすることも可能である。

これにより、条件付き視聴確率をコンテンツ毎に算出しなくても、より簡単な計算で推薦スコアを算出することができる。

（その他の実施形態）
本発明の実施形態は上記の実施形態に限られず拡張、変更可能であり、拡張、変更した実施形態も本発明の技術的範囲に含まれる。

本発明の一実施形態に係る録画再生システム１の概略構成を表す構成図である。 本発明の一実施形態に係るリモコンの概略構成を示す構成図である。 本発明の一実施形態に係るコンテンツ抽出装置を表すブロック図である。 本発明の一実施形態に係るコンテンツ抽出モジュールの概略構成を示す構成図である。 本発明の一実施形態に係る視聴履歴情報のデータ構成を表す図である。 本発明の一実施形態に係る嗜好モデルの因果関係を表す図である。 図６に示した嗜好モデルにおけるベイジアンネットワークの構造定義データの一例を表す図である。 本発明の一実施形態に係るメタデータのデータ構成を表す図である。 条件付き視聴確率算出の動作手順の一例を表すフローチャートである。 推薦スコア算出の動作手順の一例を表すフローチャートである。 類似度算出の動作手順の一例を表すフローチャートである。 推薦対象コンテンツのメタデータリストのデータ構成を表す図である。

符号の説明

１…録画再生システム、１０…コンテンツ抽出装置、１１…操作部、１２…受光部、１３…デジタルチューナ、１４…ストリームプロセッサ、１５…ビデオデコーダ、１７…オーディオデコーダ、２０…ディスクＩ／Ｆ、２２…カードＩ／Ｆ、２１…メモリ、２３…入出力部、１００…コンテンツ配信サーバ、１１０…通信網、１２０…リモコン、１５１…コンテンツ抽出スイッチ、１７０…光ディスクドライブ、１７１…光ディスク、１８０…磁気ディスクドライブ、１８１…磁気ディスク、２００…コンテンツ抽出モジュール、２０１…キー入力部、２０２…ユーザインターフェース部、２０３…操作履歴取得部、２０４…操作履歴情報データベース、２０５…嗜好モデル学習部、２０６…嗜好モデルデータベース、２０７…推薦スコア算出部、２０８…メタデータデータベース、２０９…類似度算出部

Claims (8)

1. 複数のコンテンツから１つのコンテンツを視聴するために選択する選択部と、
   前記選択されたコンテンツを視聴中に、異なるコンテンツを選択するための指示部と、
   前記指示部による指示があった場合、前記選択されたコンテンツとは異なるコンテンツを提示する提示部と、
   を具備し、
   前記提示部は、前記複数のコンテンツと前記視聴中のコンテンツとの類似度を算出し、類似の少ないコンテンツを提示する
   ことを特徴とするコンテンツ抽出装置。
2. 前記指示部は、前記異なるコンテンツの選択を直接指示する指示キーを備える
   ことを特徴とする請求項１に記載のコンテンツ抽出装置。
3. 前記提示部は、
   複数のコンテンツの視聴時間に基づいて、これらコンテンツそれぞれの評価値を算出する第１の算出部と、
   前記算出された評価値に関連付けて、前記複数のコンテンツから複数の所定のコンテンツを抽出する抽出部と
   前記抽出された複数のコンテンツの属性情報と前記視聴中のコンテンツの属性情報に基づいて、前記視聴中のコンテンツと前記抽出された複数のコンテンツそれぞれとの類似度を算出する第２の算出部と、
   前記抽出された複数のコンテンツを前記算出された類似度に関連付けて類似の少ない順に表示する表示部と、
   を備えることを特徴とする請求項１または２記載のコンテンツ抽出装置。
4. 前記提示部は、
   前記複数のコンテンツの放送時間、属性情報をそれぞれ受信する受信部と、
   前記複数のコンテンツそれぞれの視聴時間を集積して記憶する記憶部と、
   をさらに備え、
   前記第１の算出部が、前記受信された放送時間と、前記記憶された視聴時間とに基づいて、前記複数のコンテンツそれぞれの評価値を算出し、
   前記第２の算出部が、前記受信された属性情報に基づいて、前記視聴中のコンテンツと前記抽出された複数のコンテンツそれぞれとの類似度を算出する
   ことを特徴とする請求項１乃至３のいずれか１つに記載のコンテンツ抽出装置。
5. 前記提示部は、
   前記複数のコンテンツの評価情報、属性情報をそれぞれ受信する受信部と、
   をさらに備え、
   前記第１の算出部が、前記受信された評価情報に基づいて、前記複数のコンテンツそれぞれの評価値を算出し、
   前記第２の算出部が、前記受信された属性情報に基づいて、前記視聴中のコンテンツと前記抽出された複数のコンテンツそれぞれとの類似度を算出する
   ことを特徴とする請求項１乃至３のいずれか１つに記載のコンテンツ抽出装置。
6. 前記第１の算出部は、
   前記複数のコンテンツそれぞれに設定されたジャンルとキーワードを組み合わせた少なくとも１つの属性情報と、前記視聴時間とに基づいて、この属性情報の条件付き視聴確率をそれぞれ算出する確率算出部と、
   前記算出された属性情報の条件付き視聴確率に基づいて、前記複数のコンテンツそれぞれの評価値を算出する評価値算出部と、
   を有することを特徴とする請求項１乃至５のいずれか１つに記載のコンテンツ抽出装置。
7. 前記第２の算出部は、
   前記抽出された複数のコンテンツそれぞれに設定されたジャンルとキーワードの組み合わせた少なくとも１つの属性情報に基づいて、これら抽出されたコンテンツそれぞれの特徴ベクトルを算出する第１のベクトル算出部と、
   前記視聴中のコンテンツに設定されたジャンルとキーワードの組み合わせた少なくとも１つの属性情報に基づいて、この視聴中のコンテンツの特徴ベクトルを算出する第２のベクトル算出部と、
   前記抽出された複数のコンテンツの前記算出された特徴ベクトルと、前記視聴中のコンテンツの前記算出された特徴ベクトルとに基づいて、この視聴中のコンテンツとこれら抽出された複数のコンテンツそれぞれとの類似度を算出する類似度算出部と、
   を有することを特徴とする請求項１乃至６のいずれか１つに記載のコンテンツ抽出装置。
8. 複数のコンテンツから１つのコンテンツを視聴するために選択するステップと、
   前記選択されたコンテンツを視聴中に、異なるコンテンツの選択を指示するステップと、
   前記指示があった場合、前記選択されたコンテンツとは異なるコンテンツを提示するステップと、
   を含み、
   前記提示するステップでは、前記複数のコンテンツと前記視聴中のコンテンツとの類似度を算出し、類似の少ないコンテンツを提示する
   ことを特徴とするコンテンツ抽出方法。

Images