JP2010218035A - Information distribution apparatus and information distribution method - Google Patents

Information distribution apparatus and information distribution method Download PDF

Info

Publication number
JP2010218035A
JP2010218035A JP2009061658A JP2009061658A JP2010218035A JP 2010218035 A JP2010218035 A JP 2010218035A JP 2009061658 A JP2009061658 A JP 2009061658A JP 2009061658 A JP2009061658 A JP 2009061658A JP 2010218035 A JP2010218035 A JP 2010218035A
Authority
JP
Japan
Prior art keywords
content
vector
user
information
evaluated
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.)
Granted
Application number
JP2009061658A
Other languages
Japanese (ja)
Other versions
JP5248376B2 (en
Inventor
Masahito Yamada
将人 山田
Katsumi Akao
勝己 赤尾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Docomo Inc
Original Assignee
NTT Docomo Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NTT Docomo Inc filed Critical NTT Docomo Inc
Priority to JP2009061658A priority Critical patent/JP5248376B2/en
Publication of JP2010218035A publication Critical patent/JP2010218035A/en
Application granted granted Critical
Publication of JP5248376B2 publication Critical patent/JP5248376B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

<P>PROBLEM TO BE SOLVED: To provide an information distribution apparatus and method, which collects early a use history of a user early so that recommended information such as content desired by the user potentially is distributed without omission. <P>SOLUTION: An evaluated content vector computing unit 209 computes a total sum of normalized vectors of evaluated contents, and a unit 210 for extracting content that is required to be presented and is composed of vectors forming a predetermined or more angle with respect to the computed total sum vector. A content transmission unit 208 transmits, to the user, the extracted content required to be presented so that it is presented to the user. <P>COPYRIGHT: (C)2010,JPO&INPIT

Description

本発明は、コンテンツの配信を行う情報配信装置および情報配信方法に関する。   The present invention relates to an information distribution apparatus and an information distribution method for distributing content.

ユーザの特性に合致したレコメンド情報を配信するために、そのレコメンド情報を抽出するための情報フィルタリング方式として、Ｃｏｎｔｅｎｔ−ｂａｓｅｄ Ｆｉｌｔｅｒｉｎｇ方式が考えられている。この方式は、ユーザがＷｅｂページの閲覧などの行動を取ることにより、閲覧された対象文書を解析し、文書に含まれている単語（キーワード）を抽出する。そして、これらの単語を、ユーザごとに区別して、ユーザプロファイルといわれる興味・嗜好情報として記録する。ユーザプロファイルには、１つの興味の概念が表現され、この概念を利用してユーザに情報を提供することが考えられている。例えば、広告商品等に割り当てられたキーワードとユーザプロファイル（キーワードで表現された）とをマッチングすることにより適切な広告の推薦を可能とするシステムが一般的に知られている。   In order to distribute recommended information that matches user characteristics, a content-based filtering method is considered as an information filtering method for extracting the recommended information. In this method, when a user takes an action such as browsing a Web page, the browsed target document is analyzed, and words (keywords) included in the document are extracted. These words are distinguished for each user and recorded as interest / preference information called a user profile. One concept of interest is expressed in the user profile, and it is considered to provide information to the user using this concept. For example, a system is generally known that makes it possible to recommend an appropriate advertisement by matching a keyword assigned to an advertisement product or the like with a user profile (expressed by a keyword).

また、これに関連する技術として、特許文献１に記載されている技術が挙げられる。この特許文献１には、予め定められたレコメンド抽出ルールに従ってレコメンド情報を配信する配信先および配信すべきレコメンド情報を決定し、配信する技術が記載されている。   Moreover, the technique described in patent document 1 is mentioned as a technique relevant to this. This Patent Document 1 describes a technique for determining and distributing a distribution destination to which recommendation information is distributed and recommendation information to be distributed in accordance with a predetermined recommendation extraction rule.

特開２００７−１４８８７８号公報JP 2007-148878 A

しかしながら、上述の背景技術においては、マッチング処理をすることによりレコメンド情報を抽出するものであったり、また、特許文献１に記載の技術では、予め定められたレコメンド抽出ルールに基づいてレコメンド情報が決定されていることから、レコメンド情報に漏れが生じるおそれがある。   However, in the background art described above, recommendation information is extracted by performing a matching process, or in the technique described in Patent Document 1, recommendation information is determined based on a predetermined recommendation extraction rule. As a result, there is a risk of leakage of recommendation information.

すなわち、特許文献１の技術においては、レコメンド抽出ルールに、趣味・嗜好が登録されていれば、その趣味・嗜好にあったレコメンド情報が決定され配信されることになり、また、購買履歴等に基づいて、ある商品を購入するとその購入した商品に関連する情報が配信されることになるが、これら配信される情報は、趣味・嗜好、購買履歴、またはアクセス履歴などの直接的な情報に基づいて決定されているため、ユーザが潜在的に望んでいるコンテンツに漏れが生じる場合がある。   That is, in the technique of Patent Document 1, if hobbies / preferences are registered in the recommendation extraction rule, recommendation information suitable for the hobbies / preferences is determined and distributed. Based on this, when purchasing a product, information related to the purchased product will be distributed, but this distributed information is based on direct information such as hobbies / preferences, purchase history, or access history. Therefore, there is a case where content that the user wants is leaked.

特にアクセス履歴に基づいてレコメンド情報を配信使用とする場合には、特に漏れが大きくなるものと考えられる。すなわち、ユーザがサイトなどを閲覧する場合、閲覧しているサイト自体は、一つのキーワードによって表されるものではなく、複数のキーワードをもって表されているものが通常である。例えば、ユーザが映画ａに関する情報を検索し、閲覧している場合において、その閲覧しているサイトは、映画ａの紹介であったり、原作本を紹介していたり、興行映画館を紹介していたり、出演者を紹介していたり、いろいろな情報（ベクトル情報）を含んでいる。この場合、ユーザは原作本を探している場合には、その原作本に特化したフィルタリング処理を行い、そのためのだけのレコメンド情報を配信することがユーザにとって望まれるものである。   In particular, when recommendation information is distributed and used based on the access history, it is considered that the leakage is particularly large. That is, when a user browses a site or the like, the browsed site itself is not represented by a single keyword, but is usually represented by a plurality of keywords. For example, when a user searches and browses information related to the movie a, the browsing site introduces the movie a, introduces the original, or introduces the entertainment movie theater. Or introducing performers, and various information (vector information). In this case, when the user is searching for an original book, it is desirable for the user to perform a filtering process specialized for the original book and distribute recommendation information only for that purpose.

しかしながら、上述特許文献１に記載の技術では、閲覧しているサイトの全体を見てその全体に近い情報をレコメンド情報として配信することになり、上述のとおりユーザにとって潜在的に望んでいる情報を配信することができなかった。   However, with the technology described in Patent Document 1, the entire site being browsed is viewed and information close to the entire site is distributed as recommendation information. Could not deliver.

一方で、あるコンテンツについてのユーザの利用履歴が少ない、閲覧していない、または閲覧する機会が無い（メニュー画面・検索画面に出てこない）ときには、コンテンツの関心度についてのサンプル数が少なくなるため、適切に潜在的に望んでいる情報を配信することができない、という問題もある。   On the other hand, when the user's usage history for a certain content is small, not viewed, or there is no opportunity to browse (does not appear on the menu screen / search screen), the number of samples about the content interest level decreases. There is also a problem that information that is potentially desired can not be properly distributed.

そこで、本発明は、ユーザが潜在的に望んでいるコンテンツなどのレコメンド情報を漏れなく配信することができるように、ユーザの利用履歴を早期に収集することができる情報配信装置および情報配信方法を提供することを目的とする。   Therefore, the present invention provides an information distribution apparatus and an information distribution method capable of collecting user usage history at an early stage so that recommendation information such as contents potentially desired by the user can be distributed without omission. The purpose is to provide.

上述の課題を解決するために、本発明の情報配信装置は、評価済みのコンテンツの正規化ベクトルの総和を算出するベクトル算出手段と、前記ベクトル算出手段により算出された総和ベクトルに対して所定以上の角度を形成するベクトルから構成されるコンテンツを抽出するコンテンツ抽出手段と、前記コンテンツ抽出手段により抽出されたコンテンツを要提示コンテンツとしてユーザに提示する提示手段と、を備える。   In order to solve the above-described problem, an information distribution apparatus according to the present invention includes a vector calculation unit that calculates a sum of normalized vectors of evaluated content, and a predetermined value or more with respect to the sum vector calculated by the vector calculation unit. Content extracting means for extracting content composed of vectors forming the angles, and presenting means for presenting the content extracted by the content extracting means to the user as required content.

また、情報配信方法は、評価済みのコンテンツの正規化ベクトルの総和を算出するベクトル算出ステップと、前記ベクトル算出ステップにより算出された総和ベクトルに対して所定以上の角度を形成するベクトルから構成されるコンテンツを抽出するコンテンツ抽出ステップと、前記コンテンツ抽出ステップにより抽出されたコンテンツを要提示コンテンツとしてユーザに提示する提示ステップと、を備える。   The information distribution method includes a vector calculation step for calculating a sum of normalized vectors of evaluated contents, and a vector that forms an angle greater than or equal to a predetermined angle with respect to the sum vector calculated by the vector calculation step. A content extraction step for extracting content, and a presentation step for presenting the content extracted in the content extraction step to the user as required content.

この発明によれば、評価済みのコンテンツの正規化ベクトルの総和を算出し、算出された総和ベクトルに対して所定以上の角度を形成するベクトルから構成される要提示コンテンツを抽出する。そして、抽出された要提示コンテンツをユーザに提示することができる。これにより、要提示コンテンツをユーザに提示させ、選択可能にすることができ、ユーザに要提示コンテンツに対する選択の機会を与えることができる。よって、未評価コンテンツ、または評価が不十分なコンテンツの利用履歴を早期に収集することができる。   According to the present invention, the sum of normalized vectors of evaluated content is calculated, and the required presentation content composed of vectors forming an angle of a predetermined angle or more with respect to the calculated sum vector is extracted. Then, the extracted required presentation content can be presented to the user. Accordingly, the required content can be presented to the user and can be selected, and the user can be given an opportunity to select the required content. Therefore, it is possible to collect the usage history of unrated content or content with insufficient evaluation at an early stage.

また、本発明の情報配信装置において、前記コンテンツ抽出手段は、前記正規化ベクトルと抽出対象とするコンテンツのベクトルとの角度が９０度に近いコンテンツを予め定められた上位ｎ個抽出することが好ましい。   In the information distribution apparatus of the present invention, it is preferable that the content extracting unit extracts the top n predetermined contents whose angle between the normalized vector and the content vector to be extracted is close to 90 degrees. .

この発明によれば、正規化ベクトルと抽出対象とするコンテンツのベクトルとの角度が９０度に近いコンテンツを予め定められた上位ｎ個抽出することで、より適切な要提示コンテンツを抽出することができる。   According to this invention, it is possible to extract more appropriate required content by extracting the top n predetermined contents whose angle between the normalized vector and the content vector to be extracted is close to 90 degrees. it can.

また、本発明の情報配信装置において、前記コンテンツ抽出手段が抽出対象とするコンテンツのベクトルの角度は、９０度またはその近似値であることが好ましい。   In the information distribution apparatus of the present invention, it is preferable that the angle of the content vector to be extracted by the content extraction unit is 90 degrees or an approximate value thereof.

この発明によれば、抽出対象とするベクトルの角度は、９０度またはその近似値とすることで、より適切な要提示コンテンツを抽出することができる。   According to the present invention, it is possible to extract more appropriate presentation required content by setting the angle of the vector to be extracted to 90 degrees or an approximate value thereof.

また、本発明の情報配信装置は、ユーザ操作により、複数のコンテンツから一のコンテンツを選択することを受け付ける受付手段と、前記受付手段により受け付けられた選択されたコンテンツ、選択されなかったコンテンツを特定する特定情報を評価済みコンテンツ特定情報として記憶する履歴記憶手段と、を備え、前記ベクトル算出手段は、前記履歴記憶手段に記憶された評価済みコンテンツ特定情報により特定された評価済みコンテンツの正規化ベクトルの総和を算出することが好ましい。   In addition, the information distribution apparatus of the present invention specifies a reception unit that receives selection of one content from a plurality of contents by a user operation, a selected content received by the reception unit, and a content that has not been selected. History storage means for storing specific information to be evaluated as evaluated content specification information, wherein the vector calculation means is a normalized vector of the evaluated content specified by the evaluated content specification information stored in the history storage means Is preferably calculated.

この発明によれば、ユーザ操作により、複数のコンテンツから一のコンテンツを選択することを受け付け、受け付けられた選択されたコンテンツ、選択されなかったコンテンツを特定する特定情報を評価済みコンテンツ特定情報として記憶しておく。そして、記憶された評価済みコンテンツ特定情報により特定された評価済みコンテンツの正規化ベクトルの総和を算出する。これにより、評価済みコンテンツに基づいて要提示コンテンツを適切に選択することができる。   According to the present invention, it is accepted that one content is selected from a plurality of contents by a user operation, and the received selected content and the specified information specifying the unselected content are stored as evaluated content specifying information. Keep it. Then, the sum of the normalized vectors of the evaluated content specified by the stored evaluated content specifying information is calculated. Thereby, the required presentation content can be appropriately selected based on the evaluated content.

また、本発明の情報配信装置において、前記コンテンツ抽出手段は、前記評価済みコンテンツではないコンテンツまたは評価が不十分なコンテンツからコンテンツを要提示コンテンツとして抽出することが好ましい。   In the information distribution apparatus of the present invention, it is preferable that the content extracting unit extracts content as content that needs to be presented from content that is not the evaluated content or content that is not sufficiently evaluated.

この発明によれば、評価済みコンテンツではないコンテンツまたは評価が不十分なコンテンツからコンテンツを要提示コンテンツとして抽出することができ、特に評価が不十分なコンテンツを抽出することができる。   According to the present invention, content can be extracted as required presentation content from content that is not evaluated content or content that is insufficiently evaluated, and content that is particularly insufficiently evaluated can be extracted.

また、本発明の情報配信装置において、前記履歴記憶手段は、前記評価済みコンテンツのうち、前記受付手段により受け付けられた選択されたコンテンツのベクトルを満足特徴ベクトルとして記憶し、前記履歴記憶手段により記憶されている選択されたコンテンツの満足特徴ベクトルからユーザ特性ベクトルを生成するユーザ特性ベクトル生成手段と、前記ユーザ特性ベクトル生成手段により生成されたユーザ特性ベクトルに基づいて、未知のコンテンツの評価を行う評価手段とを備え、前記提示手段は、前記評価手段により評価された未知のコンテンツおよび前記要提示コンテンツを含めてレコメンド情報としてユーザに提示することが好ましい。   In the information distribution apparatus according to the present invention, the history storage unit stores a vector of the selected content received by the reception unit among the evaluated contents as a satisfaction feature vector, and stores the vector by the history storage unit. A user characteristic vector generating unit that generates a user characteristic vector from a satisfaction feature vector of the selected content that is selected, and an evaluation that evaluates an unknown content based on the user characteristic vector generated by the user characteristic vector generating unit It is preferable that the presenting means presents the unknown content evaluated by the evaluating means and the required presentation content to the user as recommended information.

この発明によれば、ユーザ操作により、複数のコンテンツから一のコンテンツを選択することを受け付け、選択されたコンテンツのベクトルである満足特徴ベクトルを記憶する。ここで記憶されている選択されたコンテンツの満足特徴ベクトルからユーザ特性ベクトルを生成し、生成されたユーザ特性ベクトルに基づいて、未知のコンテンツの評価を行う。そして、この未知のコンテンツおよび要提示コンテンツを含めたレコメンド情報をユーザに提示する。   According to the present invention, it is accepted that one content is selected from a plurality of contents by a user operation, and a satisfaction feature vector which is a vector of the selected content is stored. A user characteristic vector is generated from the satisfaction feature vector of the selected content stored here, and unknown content is evaluated based on the generated user characteristic vector. Then, recommendation information including the unknown content and the required presentation content is presented to the user.

これにより、ユーザの特性を示すベクトルにしたがって未知のコンテンツなどを含んだレコメンド情報の評価を行うことができ、ユーザの趣味・嗜好など、またアクセス履歴などの直接的な情報に基づいて推薦すべきレコメンド情報を評価することがなく、漏れなくレコメンド情報をユーザに提供することができる。よって、レコメンド情報を提供するとともに、要提示コンテンツをユーザに提供することができる。   This makes it possible to evaluate recommendation information including unknown content according to a vector indicating the user's characteristics, and recommend based on user's hobbies / preferences and direct information such as access history. The recommendation information is not evaluated, and the recommendation information can be provided to the user without omission. Therefore, while providing recommendation information, a required presentation content can be provided to a user.

本発明によれば、要提示コンテンツをユーザに提示させ、選択可能にすることで、ユーザに要提示コンテンツに対する選択の機会を与えることができる。よって、未評価コンテンツ、または評価が不十分なコンテンツの利用履歴を早期に収集することができる。   According to the present invention, it is possible to give the user an opportunity to select the required content by making the required content presented to the user and making it selectable. Therefore, it is possible to collect the usage history of unrated content or content with insufficient evaluation at an early stage.

本実施形態の携帯電話機１００および情報配信サーバ２００を備えた情報配信システムのシステム構成を示すシステム構成図である。1 is a system configuration diagram illustrating a system configuration of an information distribution system including a mobile phone 100 and an information distribution server 200 according to the present embodiment. 情報配信サーバ２００の機能構成を示すブロック図である。2 is a block diagram showing a functional configuration of an information distribution server 200. FIG. 情報配信サーバ２００のハードウェア構成図である。2 is a hardware configuration diagram of an information distribution server 200. FIG. 携帯電話機１００に表示されるメニュー画面の一例を示す説明図である。FIG. 10 is an explanatory diagram illustrating an example of a menu screen displayed on the mobile phone 100. 分離平面を生成するときの処理概念を示す概念図である。It is a conceptual diagram which shows the processing concept when producing | generating a separation plane. 分離平面に基づいてユーザ特性ベクトルを算出し、さらにユーザ特性ベクトルに基づいて評価を行うときの概念を示す概念図である。It is a conceptual diagram which shows the concept when calculating a user characteristic vector based on a separation plane, and also evaluating based on a user characteristic vector. コンテンツ管理テーブル２０５ａの記憶内容を示す説明図である。It is explanatory drawing which shows the memory content of the content management table 205a. コンテンツ特性ベクトル管理テーブル２０７ｂの記憶内容を示す説明図である。It is explanatory drawing which shows the memory content of the content characteristic vector management table 207b. 携帯電話機１００の機能構成を示すブロック図である。2 is a block diagram showing a functional configuration of a mobile phone 100. FIG. 携帯電話機１００の要求に応じてコンテンツを配信するときの処理を示すシーケンス図である。FIG. 11 is a sequence diagram showing processing when content is distributed in response to a request from mobile phone 100. ユーザ特性ベクトルの計算処理を示すフローチャートである。It is a flowchart which shows the calculation process of a user characteristic vector. レコメンド情報を配信するときのシーケンス図である。It is a sequence diagram when distributing recommendation information. コンテンツの評価処理を示すフローチャートである。It is a flowchart which shows the content evaluation process. 閲覧頻度を考慮して特性ベクトルの重心を求める処理を示す概念図である。It is a conceptual diagram which shows the process which calculates | requires the gravity center of a characteristic vector in consideration of browsing frequency. コンテンツベクトルが２次元の特徴空間からなる場合において正規化ベクトルを生成するときの概念を示す模式図である。It is a schematic diagram which shows the concept when producing | generating a normalization vector in case a content vector consists of two-dimensional feature space. 評価済み総和コンテンツを生成するときの概念を示す模式図である。It is a schematic diagram which shows the concept when producing | generating an evaluated total content. 評価済みコンテンツと未評価コンテンツとの特徴空間における関係を示す説明図である。It is explanatory drawing which shows the relationship in the feature space of evaluated content and unrated content. 要提示コンテンツを含んだレコメンド情報を生成するときの処理を示すフローチャートである。It is a flowchart which shows a process when producing the recommendation information containing a presentation required content. ＮＮ法を用いてユーザ特性ベクトルを算出する概念を示す概念図である。It is a conceptual diagram which shows the concept which calculates a user characteristic vector using NN method.

添付図面を参照しながら本発明の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。   Embodiments of the present invention will be described with reference to the accompanying drawings. Where possible, the same parts are denoted by the same reference numerals, and redundant description is omitted.

図１は、本実施形態の携帯電話機１００および情報配信サーバ２００を備えた情報配信システムのシステム構成を示すシステム構成図である。携帯電話機１００からの要求に応じて情報配信サーバ２００は、予め記憶されているレコメンド情報となるコンテンツを、携帯電話機１００に配信する。配信されるレコメンド情報は、携帯電話機１００のユーザのアクセス履歴に基づいて編集されたものであり、ユーザにとって必要と思われる情報である。なお、この情報配信サーバ２００は、携帯電話機１００からのアクセス要求に応じて、他のコンテンツプロバイダからコンテンツを取得し、取得したコンテンツを配信するものであり、アクセス履歴はこのときに収集される。また、携帯電話機１００がアクセス履歴を送信し、それを取得するように構成されてもよい。   FIG. 1 is a system configuration diagram illustrating a system configuration of an information distribution system including a mobile phone 100 and an information distribution server 200 according to the present embodiment. In response to a request from the mobile phone 100, the information distribution server 200 distributes content that serves as recommendation information stored in advance to the mobile phone 100. The recommended information to be distributed has been edited based on the access history of the user of the mobile phone 100 and is information that seems necessary for the user. The information distribution server 200 acquires content from other content providers and distributes the acquired content in response to an access request from the mobile phone 100, and the access history is collected at this time. Further, the mobile phone 100 may be configured to transmit and acquire the access history.

このような情報配信サーバ２００の構成について、図２を用いて説明する。図２は、情報配信サーバ２００の機能構成を示すブロック図である。この情報配信サーバ２００は、コンテンツ要求受信部２０１（受付手段）、レコメンド要求受信部２０２、履歴クラス分離部２０３、ユーザ特性ベクトル計算部２０４（ユーザ特性ベクトル生成手段）、配信情報格納部２０５、コンテンツ評価部２０６（評価手段）、履歴格納部２０７（履歴記憶手段）、コンテンツ送信部２０８（提示手段）、評価済みコンテンツベクトル算出部２０９（ベクトル算出手段）、および要提示コンテンツ抽出部２１０（コンテンツ抽出手段）を含んで構成されている。   The configuration of such an information distribution server 200 will be described with reference to FIG. FIG. 2 is a block diagram showing a functional configuration of the information distribution server 200. The information distribution server 200 includes a content request receiving unit 201 (accepting unit), a recommendation request receiving unit 202, a history class separating unit 203, a user characteristic vector calculating unit 204 (user characteristic vector generating unit), a distribution information storage unit 205, a content Evaluation unit 206 (evaluation unit), history storage unit 207 (history storage unit), content transmission unit 208 (presentation unit), evaluated content vector calculation unit 209 (vector calculation unit), and required content extraction unit 210 (content extraction) Means).

図３は、情報配信サーバ２００のハードウェア構成図である。図２に示される情報配信サーバ２００は、物理的には、図３に示すように、ＣＰＵ１１、主記憶装置であるＲＡＭ１２及びＲＯＭ１３、入力デバイスであるキーボード及びマウス等の入力装置１４、ディスプレイ等の出力装置１５、ネットワークカード等のデータ送受信デバイスである通信モジュール１６、ハードディスク等の補助記憶装置１７などを含むコンピュータシステムとして構成されている。図２において説明した各機能は、図３に示すＣＰＵ１１、ＲＡＭ１２等のハードウェア上に所定のコンピュータソフトウェアを読み込ませることにより、ＣＰＵ１１の制御のもとで入力装置１４、出力装置１５、通信モジュール１６を動作させるとともに、ＲＡＭ１２や補助記憶装置１７におけるデータの読み出し及び書き込みを行うことで実現される。以下、図２に示す機能ブロックに基づいて、各機能ブロックを説明する。   FIG. 3 is a hardware configuration diagram of the information distribution server 200. As shown in FIG. 3, the information distribution server 200 shown in FIG. 2 physically includes a CPU 11, a RAM 12 and a ROM 13 that are main storage devices, an input device 14 such as a keyboard and a mouse that are input devices, a display, and the like. The computer system includes an output device 15, a communication module 16 that is a data transmission / reception device such as a network card, and an auxiliary storage device 17 such as a hard disk. Each function described in FIG. 2 has the input device 14, the output device 15, and the communication module 16 under the control of the CPU 11 by reading predetermined computer software on the hardware such as the CPU 11 and the RAM 12 shown in FIG. 3. This is realized by reading and writing data in the RAM 12 and the auxiliary storage device 17. Hereinafter, each functional block will be described based on the functional blocks shown in FIG.

コンテンツ要求受信部２０１は、携帯電話機１００からのコンテンツの要求に応じて、ネットワーク上のコンテンツプロバイダからコンテンツを取得する部分であり、携帯電話機１００からコンテンツの要求とそのＵＲＬを受信することでアクセス履歴を収集することができる。収集したアクセス履歴（ＵＲＬなど）は、履歴格納部２０７に出力される。なお、このコンテンツ要求受信部２０１は、アクセス履歴として、あるメニュー画面（事象）内において実際にアクセスされたコンテンツ（ＵＲＬ）と、メニュー画面には表示されているものの、実際にアクセスされなかったコンテンツとを区別して収集する。   The content request receiving unit 201 is a part that acquires content from a content provider on the network in response to a content request from the mobile phone 100, and receives an access history by receiving the content request and its URL from the mobile phone 100. Can be collected. The collected access history (such as URL) is output to the history storage unit 207. The content request receiving unit 201 includes, as an access history, content (URL) that is actually accessed in a certain menu screen (event) and content that is displayed on the menu screen but not actually accessed. Collect separately.

また、コンテンツ要求受信部２０１は、アクセス要求だけでなく、携帯電話機１００において収集されたアクセス履歴情報を受信し、これを履歴格納部２０７に出力するようにしてもよい。この場合も同様に、携帯電話機１００は、あるメニュー画面において選択されたコンテンツ、選択されなかったコンテンツを区別してアクセス履歴情報として情報配信サーバ２００に送信するように構成される。   Further, the content request receiving unit 201 may receive not only the access request but also access history information collected by the mobile phone 100 and output this to the history storage unit 207. Similarly, in this case, the mobile phone 100 is configured to distinguish the content selected on a certain menu screen from the content not selected and transmit it to the information distribution server 200 as access history information.

レコメンド要求受信部２０２は、携帯電話機１００からレコメンド情報の配信要求を、携帯電話機１００のユーザのユーザＩＤとともに受信する部分である。レコメンド要求受信部２０２は、その配信要求を受信すると、コンテンツ評価部２０６にその旨を通知し、予め計算されていたユーザ特性ベクトルに基づいて、配信情報格納部２０５に記憶されているコンテンツの評価を行うよう指示する。なお、変形例として、レコメンド要求のあった旨をユーザ特性ベクトル計算部２０４に出力し、現時点におけるユーザ特性ベクトルを計算させ、その結果をコンテンツ評価部２０６に通知し、コンテンツ送信部２０８にレコメンド情報の配信を行わせるようにしてもよい。   The recommendation request receiving unit 202 is a part that receives a distribution request for recommendation information from the mobile phone 100 together with the user ID of the user of the mobile phone 100. When receiving the distribution request, the recommendation request receiving unit 202 notifies the content evaluation unit 206 to that effect, and evaluates the content stored in the distribution information storage unit 205 based on the user characteristic vector calculated in advance. To instruct As a modification, the fact that there is a recommendation request is output to the user characteristic vector calculation unit 204, the current user characteristic vector is calculated, the result is notified to the content evaluation unit 206, and the recommendation information is transmitted to the content transmission unit 208 You may make it deliver.

履歴クラス分離部２０３は、履歴格納部２０７（閲覧履歴テーブル２０７ｃ）に記憶されている閲覧履歴情報に含まれているコンテンツの特性ベクトルに基づいて、あるユーザが閲覧したコンテンツを満足クラスと不満足クラスとに分離するための分離平面を生成する部分である。この構成は、後述するとおり、ＳＶＭ法を用いた場合に必須の構成である。ここで、満足クラスとは、あるコンテンツにアクセスするためのメニュー画面において選択可能に表示された複数のコンテンツのうち、実際に選択されたコンテンツのみを含んだクラスをいい、不満足クラスとは、そのメニュー画面において選択されなかったコンテンツのみを含んだクラスをいう。この履歴クラス分離部２０３は、ＳＶＭ法またはＮＮ法を用いて、各コンテンツの特性ベクトルを満足クラスと不満足クラスとに分離することができる分離平面を生成することで、これらクラスを分離することができる。ここでＳＶＭ（Support Vector Machine）法とは、それぞれのクラスのノード間（特性ベクトル間）の最小距離を最大化する平面を分離平面とする方法であり、ＮＮ法とは、それぞれのクラスの重心間、すなわち各コンテンツの特性ベクトルに基づいて算出された、満足クラスの重心と不満足クラスの重心とを結んだ直線を推薦する平面を分離平面とする方法である。なお、ＮＮ法においては、必ずしも分離平面を求める必要はなく、不満足クラスの重心から満足クラスへの重心へ結んだ直線をユーザ特性ベクトルとするようにしてもよい。   The history class separation unit 203 is based on the content characteristic vector included in the browsing history information stored in the history storage unit 207 (browsing history table 207c), and the content browsed by a certain user is satisfied and unsatisfied. It is a part which produces | generates the separation plane for isolate | separating into. This configuration is indispensable when the SVM method is used, as will be described later. Here, the satisfaction class refers to a class including only the actually selected content among a plurality of contents displayed in a selectable manner on a menu screen for accessing certain content. A class that contains only content that was not selected on the menu screen. The history class separation unit 203 uses the SVM method or the NN method to generate a separation plane that can separate the characteristic vector of each content into a satisfaction class and a dissatisfaction class, thereby separating these classes. it can. Here, the SVM (Support Vector Machine) method is a method in which a plane that maximizes the minimum distance between nodes of each class (between characteristic vectors) is a separation plane, and the NN method is the center of gravity of each class. In other words, a plane that recommends a straight line connecting the centroid of the satisfaction class and the centroid of the dissatisfaction class calculated based on the characteristic vector of each content is used as the separation plane. In the NN method, it is not always necessary to obtain a separation plane, and a straight line connecting the centroid of the unsatisfactory class to the centroid of the satisfactory class may be used as the user characteristic vector.

ここで分離平面を生成する具体的な方法について説明する。図４は、携帯電話機１００に表示されるメニュー画面の一例を示す説明図である。図４に示すようにNode１〜Node５が表示されている。このNodeは、選択対象項目を示すものであり、例えばウェブ上のメニュー画面におけるカテゴリごとに区別された項目であったり、ウエブページのタイトルである。例えば、Node１が、自動車に関するコンテンツ、Node２が、金融に関するコンテンツなどである。ユーザは、Node１〜Node５のいずれかを選択することにより、対応するコンテンツを閲覧することができる。   Here, a specific method for generating the separation plane will be described. FIG. 4 is an explanatory diagram illustrating an example of a menu screen displayed on the mobile phone 100. As shown in FIG. 4, Node1 to Node5 are displayed. This Node indicates an item to be selected, for example, an item distinguished for each category on a menu screen on the web, or a title of a web page. For example, Node 1 is content related to automobiles, and Node 2 is content related to finance. The user can browse the corresponding content by selecting any one of Node1 to Node5.

図５は、分離平面を生成するときの処理概念を示す概念図である。図５は、上述図４におけるメニュー画面のうちユーザが選択したコンテンツおよび選択されなかったコンテンツにおける、特徴空間内における各コンテンツの特性ベクトルの位置関係を示す。図５に示されている通り、円形で示されている部分が満足なコンテンツ（Node３、Node４）であり、三角形で示されている部分が不満足なコンテンツ（Node１、Node２、Node５）であり、四角形で示されている部分が未知の未評価コンテンツ（Node８、Node７）である。これら満足コンテンツと不満足コンテンツとを分離するように生成されたものが分離平面である。ここでは、未評価コンテンツは分離処理する際には考慮されない。なお、図においては、特徴空間を便宜上二次元平面で表現しているが、ベクトルを構成するパラメータ分だけベクトル軸が存在することになり、通常は２０次元以上のベクトルで特徴空間は構成されている。   FIG. 5 is a conceptual diagram showing a processing concept when generating a separation plane. FIG. 5 shows the positional relationship between the characteristic vectors of each content in the feature space in the content selected by the user and the content not selected in the menu screen in FIG. As shown in FIG. 5, the parts indicated by circles are satisfactory contents (Node3, Node4), and the parts indicated by triangles are unsatisfactory contents (Node1, Node2, Node5), and are rectangular. The parts indicated by are unknown unevaluated contents (Node8, Node7). A separation plane is generated so as to separate the satisfactory content and the unsatisfied content. Here, the unevaluated content is not taken into consideration when the separation process is performed. In the figure, the feature space is represented by a two-dimensional plane for convenience. However, there are vector axes corresponding to the parameters constituting the vector, and the feature space is usually composed of vectors of 20 dimensions or more. Yes.

ユーザ特性ベクトル計算部２０４は、コンテンツの満足特徴ベクトルからベクトルを算出し、これをユーザ特性ベクトルとする部分である。例えば、ＮＮ法を用いた方法について説明する。図１９（ａ）は、ＮＮ法を用いてユーザ特性ベクトルを算出する方法を示す概念図である。ここで○印が満足コンテンツ、×印が不満足コンテンツである。そして、ユーザ特性ベクトル計算部２０４は、それぞれのコンテンツにおける特性ベクトルの重心を算出し、不満足コンテンツの特性ベクトルの重心から満足コンテンツの特性ベクトルの重心に向かう方向のベクトルをユーザ特性ベクトルとする。   The user characteristic vector calculation unit 204 is a part that calculates a vector from the content satisfaction feature vector and sets this as a user characteristic vector. For example, a method using the NN method will be described. FIG. 19A is a conceptual diagram showing a method for calculating a user characteristic vector using the NN method. Here, ○ marks are satisfied contents and × marks are unsatisfied contents. Then, the user characteristic vector calculation unit 204 calculates the centroid of the characteristic vector in each content, and sets the vector in the direction from the centroid of the characteristic vector of the dissatisfied content to the centroid of the characteristic vector of the satisfied content as the user characteristic vector.

また、不満足コンテンツが存在しない場合など、不満足コンテンツの特性ベクトルを用いることなく、満足コンテンツの特性ベクトルのみを用いてユーザ特性ベクトルを算出することもできる。その場合、例えば、図１９（ｂ）に示すように、原点から満足コンテンツの特性ベクトルの重心に向けたベクトルを算出することで、これをユーザ特性ベクトルとすることができる。   In addition, when there is no unsatisfied content, the user characteristic vector can be calculated using only the characteristic vector of the satisfied content without using the characteristic vector of the unsatisfactory content. In this case, for example, as shown in FIG. 19B, by calculating a vector from the origin toward the center of gravity of the characteristic vector of the satisfactory content, this can be used as the user characteristic vector.

なお、ＮＮ法を用いた場合には、特に分離平面を算出する必要は無く、その場合、上述の履歴クラス分離部２０３など、ＳＶＭ法に関する構成は必ずしも必須ではない。   When the NN method is used, it is not necessary to calculate a separation plane in particular, and in that case, a configuration related to the SVM method such as the above-described history class separation unit 203 is not necessarily required.

また、ＳＶＭ法を用いてユーザ特性ベクトルを算出しても良い。図６にその具体例を示す。図６は、分離平面に基づいてユーザ特性ベクトルを算出し、さらにユーザ特性ベクトルに基づいて評価を行うときの概念を示す概念図である。図６に示すように、分離平面に直交する直交ベクトルであるユーザ特性ベクトルｗが、ユーザ特性ベクトル計算部２０４により算出される。ユーザ特性ベクトル計算部２０４は、閲覧履歴が収集されるたびに計算され、ユーザ特性ベクトル管理テーブル２０７ａに記憶されているユーザ特性ベクトルを更新させる。   Further, the user characteristic vector may be calculated using the SVM method. A specific example is shown in FIG. FIG. 6 is a conceptual diagram illustrating a concept when a user characteristic vector is calculated based on the separation plane and evaluation is performed based on the user characteristic vector. As shown in FIG. 6, a user characteristic vector w that is an orthogonal vector orthogonal to the separation plane is calculated by the user characteristic vector calculation unit 204. The user characteristic vector calculation unit 204 is updated every time browsing history is collected, and updates the user characteristic vector stored in the user characteristic vector management table 207a.

配信情報格納部２０５は、配信対象であるコンテンツ（レコメンド情報）およびその管理情報を記憶する部分であり、コンテンツ管理テーブル２０５ａを記憶している。図７は、コンテンツ管理テーブル２０５ａの記憶内容を示す説明図である。図７に示すように、このコンテンツ管理テーブル２０５ａは、コンテンツＩＤ、カテゴリ、タイトル、およびレコメンド本文を対応付けて記憶している。コンテンツＩＤは、コンテンツを一意に特定するための識別情報であり、カテゴリは情報種別を示し、例えばＣＤに関連するもの、ＤＶＤに関連するもの、書籍に関連するもの、テレビ番組に関連するものなどを示すための情報である。タイトルは、レコメンド情報として表示するための見出し情報である。レコメンド情報を配信する際には、このタイトル部分が表示されることになる。レコメンド文は、レコメンド情報の本体部分であり、ユーザに有用な情報である。このコンテンツ管理テーブル２０５ａに記憶される情報は、予めオペレータにより入力されたものでもよいし、自動的にコンテンツプロバイダから検索・抽出され所定のフィルターにより絞り込まれたものであってもよい。   The distribution information storage unit 205 is a part that stores content to be distributed (recommendation information) and management information thereof, and stores a content management table 205a. FIG. 7 is an explanatory diagram showing the stored contents of the content management table 205a. As shown in FIG. 7, the content management table 205a stores a content ID, a category, a title, and a recommended text in association with each other. The content ID is identification information for uniquely identifying the content, and the category indicates the information type. For example, information related to CD, information related to DVD, information related to books, information related to TV programs, etc. It is information for indicating. The title is heading information to be displayed as recommendation information. When the recommendation information is distributed, this title portion is displayed. The recommendation sentence is a main part of the recommendation information and is useful information for the user. Information stored in the content management table 205a may be input in advance by an operator, or may be information that is automatically retrieved and extracted from a content provider and narrowed down by a predetermined filter.

コンテンツ評価部２０６は、レコメンド要求受信部２０２によりレコメンドの要求が受信されると、配信情報格納部２０５に記憶されているコンテンツに対して、ユーザ特性ベクトル計算部２０４により計算されたユーザ特性ベクトルに基づいて評価し、そして評価の高い順にコンテンツのタイトルを並べたレコメンド情報を生成する部分である。具体的には、このコンテンツ評価部２０６は、ユーザ特性ベクトルと各コンテンツの特性ベクトルとの内積を計算することにより評価値を算出し、その評価値の高い順にコンテンツのタイトルを並べたレコメンド情報を生成する。さらに、コンテンツ評価部２０６は、要提示コンテンツ抽出部２１０により抽出された要提示コンテンツを、生成したレコメンド情報に付加して、これをレコメンド情報とする。   When the recommendation request is received by the recommendation request receiving unit 202, the content evaluation unit 206 applies the user characteristic vector calculated by the user characteristic vector calculation unit 204 to the content stored in the distribution information storage unit 205. This is a part for generating recommendation information in which the titles of the contents are arranged in the descending order of evaluation. Specifically, the content evaluation unit 206 calculates an evaluation value by calculating the inner product of the user characteristic vector and the characteristic vector of each content, and recommends information in which the content titles are arranged in descending order of the evaluation value. Generate. Further, the content evaluation unit 206 adds the required presentation content extracted by the required content extraction unit 210 to the generated recommendation information, and sets this as recommended information.

概念的には、つぎの通りとなる。例えば、図６では、Node７およびNode８がコンテンツ管理テーブル２０５ａに記憶された情報であるとして、未知のコンテンツとして扱われている。ここで、Node７およびNode８からユーザ特性ベクトルｗに対して垂線をおろした点がユーザ特性ベクトルｗに対する評価点となる。この垂線とユーザ特性ベクトルとの交点の位置が上位にある順にコンテンツ（タイトル部分）を表示するようにレコメンド情報を生成する。なお、予め定めた基準値を用いて上位のもの、下位のもので評価を行うようにしても良い。また、ＳＶＭ法を用いる場合、分離平面を基準に、表示または非表示とするようにしてもよい。例えば、Node８からの垂線との交点は、分離平面を基準にした場合、それよりも上位に位置しているため、ユーザにとって評価は高いと判断されレコメンド情報として選択される。一方、Node７は基準より下位にあるため、評価は低く、レコメンド情報として選択されない、というようなレコメンド情報としてもよい。   Conceptually, it is as follows. For example, in FIG. 6, Node 7 and Node 8 are treated as unknown content, assuming that the information is stored in the content management table 205a. Here, the point perpendicular to the user characteristic vector w from Node 7 and Node 8 is the evaluation point for the user characteristic vector w. The recommendation information is generated so that the content (title portion) is displayed in the order in which the position of the intersection of the perpendicular and the user characteristic vector is higher. In addition, you may make it evaluate by a high-order thing and a low-order thing using a predetermined reference value. When the SVM method is used, display or non-display may be performed based on the separation plane. For example, since the intersection with the perpendicular from Node 8 is positioned higher than the separation plane as a reference, it is determined that the evaluation is high for the user and is selected as recommendation information. On the other hand, since Node 7 is lower than the reference, the evaluation may be low and the recommendation information may not be selected as recommendation information.

履歴格納部２０７は、各履歴情報を記憶する部分であり、ユーザ特性ベクトル管理テーブル２０７ａ、コンテンツ特性ベクトル管理テーブル２０７ｂ、および閲覧履歴テーブル２０７ｃを記憶している。   The history storage unit 207 stores each piece of history information, and stores a user characteristic vector management table 207a, a content characteristic vector management table 207b, and a browsing history table 207c.

ユーザ特性ベクトル管理テーブル２０７ａは、ユーザ特性ベクトル計算部２０４により計算されたユーザ特性ベクトルを、ユーザを特定するためのユーザＩＤと対応付けて記憶する部分である。   The user characteristic vector management table 207a is a part that stores the user characteristic vector calculated by the user characteristic vector calculation unit 204 in association with the user ID for specifying the user.

コンテンツ特性ベクトル管理テーブル２０７ｂは、コンテンツ管理テーブル２０５ａに記憶されているコンテンツの特性ベクトルを、そのコンテンツを特定するための情報（例えばコンテンツＩＤ、ＵＲＬなど）と対応付けて記憶する部分である。このコンテンツ特性ベクトルは、ユーザがアクセスしたときにそのコンテンツとともに、コンテンツ要求受信部２０１により取得されるもの、レコメンド情報を登録するときにそのオペレータにより設定されたものである。例えば、コンテンツ特性ベクトル管理テーブル２０７ｂは、図８に示される情報が記憶されている。図８に示すように、コンテンツＩＤと対応付けて、特性ベクトルを構成するパラメータが複数記憶されている。図８では、８個のパラメータを記載しているが、通常はさらに多くのパラメータから特性ベクトルは構成されている。なお、規定のパラメータ以外に、コンテンツごとに形態素解析にしたがって抽出されたキーワードをパラメータとして追加するようにしてもよい。特性ベクトルを構成するパラメータごとに、０から１の間で数値が記述されており、どの特性ベクトルに特徴を持たせているかを表している。   The content characteristic vector management table 207b is a part that stores the characteristic vector of content stored in the content management table 205a in association with information (for example, content ID, URL, etc.) for specifying the content. This content characteristic vector is acquired by the content request receiving unit 201 together with the content when the user accesses it, and is set by the operator when registering the recommendation information. For example, the content characteristic vector management table 207b stores information shown in FIG. As shown in FIG. 8, a plurality of parameters constituting the characteristic vector are stored in association with the content ID. Although eight parameters are shown in FIG. 8, the characteristic vector is usually composed of more parameters. In addition to the defined parameters, keywords extracted according to morphological analysis for each content may be added as parameters. For each parameter constituting the characteristic vector, a numerical value is described between 0 and 1, indicating which characteristic vector has a feature.

閲覧履歴テーブル２０７ｃは、コンテンツ要求受信部２０１により受信されたあて先または収集されたアクセス履歴情報を記憶する部分であり、例えば、メニュー画面に表示されたコンテンツおよび閲覧されたコンテンツのコンテンツＩＤ（またはコンテンツのＵＲＬ）およびそれらコンテンツの特性ベクトルを対応付けて記憶する部分である。すなわち、この閲覧履歴テーブル２０７ｃは、選択（閲覧）されたコンテンツ、選択（閲覧）されなかったコンテンツを特定する特定情報を評価済みコンテンツ特定情報として記憶しておく。
このコンテンツの特性ベクトルは、コンテンツ要求受信部２０１により取得されるコンテンツとともに取得されるものである。 The browsing history table 207c is a part that stores the destination or collected access history information received by the content request receiving unit 201. For example, the content displayed on the menu screen and the content ID (or content) of the browsed content URL) and the characteristic vectors of these contents are stored in association with each other. That is, the browsing history table 207c stores, as evaluated content specifying information, specific information that specifies content that has been selected (viewed) and content that has not been selected (viewed).
The content characteristic vector is acquired together with the content acquired by the content request receiving unit 201.

コンテンツ送信部２０８は、コンテンツ要求受信部２０１により受信されたコンテンツ要求またはレコメンド要求受信部２０２により受信されたレコメンド要求に応じて取得されたコンテンツを送信する部分である。例えば、コンテンツ送信部２０８は、コンテンツ要求受信部２０１により受信されたコンテンツ要求に応じて取得されたコンテンツを送信し、またレコメンド要求受信部２０２に応じて配信情報格納部２０５に記憶されているコンテンツに基づいてコンテンツ評価部２０６による評価結果にしたがって生成されたレコメンド情報を送信する。   The content transmitting unit 208 is a part that transmits content acquired in response to a content request received by the content request receiving unit 201 or a recommendation request received by the recommendation request receiving unit 202. For example, the content transmission unit 208 transmits the content acquired in response to the content request received by the content request reception unit 201, and the content stored in the distribution information storage unit 205 according to the recommendation request reception unit 202 The recommendation information generated in accordance with the evaluation result by the content evaluation unit 206 is transmitted.

評価済みコンテンツベクトル算出部２０９は、既にユーザから何らかの反応を得た評価済みのコンテンツの正規化ベクトルの総和を算出する部分である。何らかの反応を得たコンテンツとは、例えば、詳細情報が閲覧された、メニュー画面に表示されたのにも係わらず、閲覧されること無く、無視されたなどである。なお、評価済みコンテンツとは、上述したとおり、閲覧等されたコンテンツ（満足クラス）、メニュー画面には選択可能に表示されているものの閲覧等されなかったコンテンツ（不満足クラス）である。評価がされていないコンテンツとは、ユーザにとって選択する機会が与えられていないコンテンツであって、例えば、複数ページからなるメニュー画面において、ユーザが１ページ目のみ閲覧し、２ページ目移行は閲覧しなかった場合には、２ページ目以降のコンテンツは未評価のコンテンツとされる。これらは、閲覧履歴テーブル２０７ｃに記憶されている閲覧履歴情報に基づいて判断され、評価済みコンテンツベクトル算出部２０９は、閲覧履歴テーブル２０７ｃの情報に従って、正規化ベクトルの総和を算出する。   The evaluated content vector calculation unit 209 is a part that calculates the sum of normalized vectors of evaluated content that has already obtained some kind of response from the user. The content that has obtained some kind of reaction is, for example, that the detailed information has been browsed or ignored, although it has been displayed on the menu screen. As described above, the evaluated content is content that has been browsed (satisfaction class), and content that is displayed so as to be selectable on the menu screen but has not been browsed (unsatisfied class). Content that has not been evaluated is content that is not given an opportunity for the user to select. For example, in a menu screen consisting of a plurality of pages, the user browses only the first page, and the second page transition is viewed. If there is no content, the content after the second page is regarded as unevaluated content. These are determined based on the browsing history information stored in the browsing history table 207c, and the evaluated content vector calculation unit 209 calculates the sum of normalized vectors according to the information of the browsing history table 207c.

なお、コンテンツを満足と判定する条件としては、上記で挙げたように閲覧する行為のほかに、“お気に入りコンテンツに登録した”、“コンテンツの予約（購入）ページを閲覧した”など、後日コンテンツの閲覧を可能にさせる行為を条件とする方法も考えられる。また、コンテンツを不満足と判定する条件としては、上記で挙げた例のほかに、“コンテンツのメニュー画面（例えば概要情報の一覧）に表示されたにもかかわらずユーザに選択されなかったケースが一定回数以上あった”などを条件とする方法も考えられる。これら条件を満たした場合には、閲覧履歴テーブル２０７ｃにその行為を示すフラグが記述されることにより、評価済みコンテンツベクトル算出部２０９は処理することができる。また、必ずしもコンテンツを「不満足」と判定する必要はなく、「満足」判定のみが行われる場合も考えられる。   In addition to the actions of browsing as listed above, the conditions for determining content satisfaction are “added to favorite content”, “viewed content reservation (purchase) page”, etc. A method is also conceivable that requires the act of enabling browsing. In addition to the above-mentioned examples, the condition for determining content as unsatisfactory is that there is a fixed case where the content is not selected by the user despite being displayed on the content menu screen (for example, the summary information list). A method is also conceivable on the condition that "there was more than the number of times". When these conditions are satisfied, a flag indicating the action is described in the browsing history table 207c, so that the evaluated content vector calculation unit 209 can process. Further, it is not always necessary to determine that the content is “unsatisfied”, and only “satisfied” determination may be performed.

つぎに、正規化処理についてその具体的を、図１５を用いて説明する。図１５は、コンテンツベクトルが２次元の特徴空間からなる場合において正規化ベクトルを生成するときの概念を示す模式図である。図１５に示されるように、コンテンツＰが評価済みコンテンツであるとともに、閲覧等されることが無かったため、不満足と評価されたとする。また、コンテンツＱは、評価済みコンテンツであるとともに、閲覧等がされたため、満足と評価されたとする。まず、評価済みコンテンツベクトル算出部２０９は、各コンテンツＰ，Ｑのそれぞれのベクトルｐ１、ベクトルｑ１を正規化処理する。正規化とは、図１５に示されるように、半径１の超球Ｔ（Ｎ次元の球体を想定：ここでは２次元の球体）に沿ってコンテンツベクトルの大きさが変換される。例えば、コンテンツＱのベクトルｑ１は、Ｙ軸上において、１の大きさとなるように小さくなり、逆にコンテンツＰのベクトルｐ１は、超球の円周（または球面）上に終端がくるようにそのベクトルの大きさが大きく変換される。 Next, the specifics of the normalization process will be described with reference to FIG. FIG. 15 is a schematic diagram showing a concept when a normalized vector is generated when a content vector is composed of a two-dimensional feature space. As shown in FIG. 15, it is assumed that the content P is evaluated content and has not been browsed, so that it is evaluated as unsatisfactory. Further, it is assumed that the content Q is evaluated content and has been evaluated as satisfactory because it has been browsed. First, the evaluated content vector calculation unit 209 normalizes the vectors p 1 and q 1 of the contents P and Q, respectively. In normalization, as shown in FIG. 15, the size of a content vector is converted along a hypersphere T having a radius of 1 (assuming an N-dimensional sphere: here a two-dimensional sphere). For example, the vector q 1 content Q is on the Y axis, becomes small so that the size of one, the vector p 1 content P Conversely, to come terminating on the circumference of the hypersphere (or spherical) The size of the vector is greatly converted.

そして、評価済みコンテンツベクトル算出部２０９は、これらコンテンツＰおよびコンテンツＱのそれぞれの正規化ベクトルｐ、ｑを加算する。具体的には図１６に示すとおりとなる。図１６は、評価済み総和コンテンツを生成するときの概念を示す模式図である。図１６において、評価済みコンテンツベクトル算出部２０９により評価済み総和ベクトルｖは、ベクトルｑおよびベクトルｐとの総和として算出される。   Then, the evaluated content vector calculation unit 209 adds the normalized vectors p and q of the content P and the content Q, respectively. Specifically, it is as shown in FIG. FIG. 16 is a schematic diagram illustrating a concept when the evaluated total content is generated. In FIG. 16, the evaluated sum vector v is calculated by the evaluated content vector calculation unit 209 as the sum of a vector q and a vector p.

要提示コンテンツ抽出部２１０は、評価済みコンテンツベクトル算出部２０９により算出された評価済み総和ベクトルｖに基づいて、未評価コンテンツまたはユーザによる評価が不十分なコンテンツから、特に評価が不十分であるコンテンツ（またはユーザに評価させたい、閲覧の機会を与えたい）であり、ユーザへの提示を必要とする要提示コンテンツを抽出する。ここで未評価コンテンツとは、コンテンツ管理テーブル２０５ａ（およびコンテンツ特性ベクトル管理テーブル２０７ｂ）に記憶されているコンテンツのうち、メニュー画面、検索結果画面等で表示されたことがないコンテンツであり、例えば、メニュー画面が複数ページからなるものである場合には、閲覧されなかったページに含まれているコンテンツである。また、評価が不十分なコンテンツとは、メニュー画面・検索結果画面等に表示されたコンテンツのタイトル（または概要）のうち、閲覧されなかったものであったり、閲覧されても１回だけなど、他のコンテンツと比較して、閲覧回数や、メニュー画面等における表示回数が極端に少なかったものである。   The required content extraction unit 210 is based on the evaluated total vector v calculated by the evaluated content vector calculation unit 209, and content that is not particularly evaluated from unrated content or content that is not sufficiently evaluated by the user. (Or want the user to evaluate or give a viewing opportunity) and extract the required presentation content that needs to be presented to the user. Here, the unevaluated content is content that has not been displayed on the menu screen, the search result screen, or the like among the content stored in the content management table 205a (and the content characteristic vector management table 207b). When the menu screen is composed of a plurality of pages, the content is included in a page that has not been browsed. In addition, content with insufficient evaluation means that the title (or summary) of the content displayed on the menu screen / search result screen etc. has not been browsed, or has been browsed once, etc. Compared to other contents, the number of times of browsing and the number of times of display on the menu screen are extremely small.

ここで、未評価コンテンツまたは評価が不十分なコンテンツ（以下、未評価コンテンツ等と略す）から特に評価が不十分であってユーザに評価させたい要提示コンテンツの選択の仕方について具体的に説明する。例えば、図１６の例においては、未評価コンテンツ等であるコンテンツＲおよびコンテンツＳが示されている。この場合、評価済み総和ベクトルｖと比較して、略直角であるコンテンツＳがユーザによる評価が特に不十分な要提示コンテンツと判断することができる。そして、未評価コンテンツ抽出部２１０は、抽出したコンテンツＳを、コンテンツ評価部２０６に出力し、このコンテンツ評価部２０６は、要提示コンテンツであるコンテンツＳをレコメンド情報に付加し、コンテンツ送信部２０８はレコメンド情報とともに送信する。なお、複数の未評価等のコンテンツがあった場合、その中で一番で最も直角に近い角度のベクトルを有するコンテンツを要提示コンテンツとすることもでき、また上位Ｎ個のベクトルのコンテンツを要提示コンテンツとしてもよい。   Here, a specific description will be given of how to select content to be presented that is not sufficiently evaluated and is to be evaluated by the user from content that has not been evaluated or content that has not been evaluated sufficiently (hereinafter abbreviated as unrated content, etc.). . For example, in the example of FIG. 16, content R and content S, which are unevaluated content and the like, are shown. In this case, compared to the evaluated sum vector v, it is possible to determine that the content S having a substantially right angle is the required presentation content that is particularly insufficient for evaluation by the user. Then, the unevaluated content extraction unit 210 outputs the extracted content S to the content evaluation unit 206, the content evaluation unit 206 adds the content S that is the required presentation content to the recommendation information, and the content transmission unit 208 Sent with recommendation information. If there are a plurality of unevaluated contents, the content having the vector with the angle closest to the rightmost among them can be the required presentation content, and the content of the top N vectors is required. It may be presented content.

つぎに、評価済み総和ベクトルに直交する、またはそれに近い角度のベクトルを有するコンテンツが、ユーザによる評価が特に不十分であることの理由について説明する。なお、ここではコンテンツを特徴付ける特徴空間が３次元（3個の要素）からなる空間を例に説明する。   Next, the reason why the content having a vector orthogonal to or close to the evaluated sum vector is not particularly evaluated by the user will be described. Here, a description will be given by taking as an example a space in which a feature space characterizing content is composed of three dimensions (three elements).

図１７（ａ）のように、(X,Y,Z)=(0,0,A) (ただしA>0)で表されるコンテンツaが、あるユーザにとって満足コンテンツと評価されており、その他のコンテンツについては評価が得られていないとき、当該ユーザの総和ベクトルは(0,0,A)と算出される。このとき、当該ユーザの嗜好についてわかっていることは、Ｚ軸に値をもつコンテンツが好きな可能性があるということのみである。Ｘ軸やＹ軸についての好みの情報は一切ないため、例えば(B,0,0)（ただしB>0）や(0,B,0)といったコンテンツを当該ユーザにレコメンド情報として提供すべきか否かについては、推定する術がない。推定するためには、Ｘ軸やＹ軸に値を持つコンテンツの評価結果を得る必要がある。また、このとき、Ｘ軸とＺ軸の両方に値を持つコンテンツ（C,0,D）（ただしC>0,D>0）の評価結果を得るよりも、Ｘ軸にのみ値をもつコンテンツの評価結果を得たいと考える方がよい。なぜなら、Ｘ軸とＺ軸の両方に値を持つコンテンツが仮に満足コンテンツと評価された場合、その評価がＺ軸に値を持つということに大きく起因しているのか、あるいはＸ軸に値を持つことこそが大きく起因しているのかが不明確のためである。一方で、Ｘ軸にのみ値をもつコンテンツを評価させたほうが、Ｘ軸についての嗜好をずばり問うことが出来る。評価結果が満足だった場合、それはまぎれもなくＸ軸の値にのみ起因する評価結果とみなすことが出来る。   As shown in FIG. 17A, the content a represented by (X, Y, Z) = (0,0, A) (A> 0) is evaluated as satisfying content for a certain user, and the others When the evaluation is not obtained for the content, the total vector of the user is calculated as (0, 0, A). At this time, the only thing known about the user's preference is that there is a possibility that he / she likes content having a value on the Z axis. Since there is no preference information about the X-axis and Y-axis, whether content such as (B, 0,0) (B> 0) or (0, B, 0) should be provided to the user as recommendation information There is no way to estimate. In order to estimate, it is necessary to obtain an evaluation result of content having values on the X axis and the Y axis. Also, at this time, content that has a value only on the X-axis rather than an evaluation result of content (C, 0, D) (where C> 0, D> 0) that has values on both the X-axis and Z-axis It is better to think that you want to get the evaluation result. Because, if content having values on both the X-axis and the Z-axis is evaluated as satisfactory content, it is largely due to the fact that the evaluation has a value on the Z-axis, or has a value on the X-axis This is because it is unclear whether this is a major cause. On the other hand, if the content having a value only on the X axis is evaluated, the preference about the X axis can be asked. If the evaluation result is satisfactory, it can be regarded as an evaluation result caused by only the value of the X axis.

次に、ある程度のコンテンツ評価結果が得られた例を挙げる。図１７（ｂ）は、５つのコンテンツに対し満足評価を、４つのコンテンツに対し不満足評価を得ていることを示している。これら９つのコンテンツはいずれもＸ-Ｚ平面上に存在しており、Ｙ軸に値を持っていないことは明らかである。すなわち、当該ユーザの嗜好についてはＸ軸およびＺ軸についてのみ情報が得られており、Ｙ軸については一切が不明な状態である。このとき、総和ベクトルもまたＸ-Ｚ平面上に存在しており、Ｙ軸は総和ベクトルに直交（＝なす角が最大）している。   Next, an example in which a certain content evaluation result is obtained will be described. FIG. 17B shows that a satisfaction evaluation is obtained for five contents and a dissatisfaction evaluation is obtained for four contents. It is clear that all these nine contents exist on the XZ plane and have no value on the Y axis. That is, information about the user's preferences is obtained only for the X axis and the Z axis, and the Y axis is in an unknown state. At this time, the sum vector is also present on the XZ plane, and the Y axis is orthogonal to the sum vector (= the angle formed is the maximum).

これは、以下のように説明することができる。すなわち、総和ベクトルの向きは、当該ユーザの嗜好に関する評価結果が各軸についてどれだけ得られているかを示している。上述の場合、総和ベクトルはＸ-Ｚ平面上に存在しており、当該ユーザの嗜好についてＸ軸およびＺ軸については他軸に比べて十分得られていることを示している。一方で、総和ベクトルとなす角が最大となる方向、すなわち直交する方向（Ｙ軸）にある軸については評価結果が不十分ということになる。したがって、総和ベクトルとなす角がより大きい（＝より直交に近い）方向にあるコンテンツをより優先的に当該ユーザに評価させる必要があるといえる。   This can be explained as follows. That is, the direction of the sum vector indicates how many evaluation results regarding the user's preference are obtained for each axis. In the above-described case, the sum vector exists on the XZ plane, indicating that the user's preference is sufficiently obtained for the X axis and the Z axis compared to the other axes. On the other hand, the evaluation result is insufficient for the direction in which the angle formed by the sum vector is maximum, that is, the axis in the orthogonal direction (Y-axis). Therefore, it can be said that the user needs to preferentially evaluate the content in the direction in which the angle formed with the sum vector is larger (= more orthogonal).

すべての軸に対して平等に評価結果が得られたときは、総和ベクトルは（1,1,1）の方向に収束する。このときは、Ｘ軸、Ｙ軸、またはＺ軸のいずれかの軸上に位置するコンテンツとの角度が４５度となって最大となる。このときは、各軸上に位置するコンテンツが等確率で選出される。しかし、Ｘ軸に評価結果（量）が偏れば、総和ベクトルは（A+B,A,A）（ただしA>0,B>0）のようになり、再びＹ軸およびＺ軸となす角度がＸ軸となす角度よりも大きくなることで、Ｘ軸の評価量に追いつくようにＹ-Ｚ平面方向にあるコンテンツの評価結果を得ようと作用することになる。   When evaluation results are obtained equally for all axes, the sum vector converges in the (1,1,1) direction. At this time, the angle with the content located on any of the X axis, the Y axis, and the Z axis is 45 degrees, which is the maximum. At this time, content located on each axis is selected with equal probability. However, if the evaluation result (quantity) is biased to the X axis, the sum vector becomes (A + B, A, A) (where A> 0, B> 0), and again becomes the Y axis and Z axis. When the angle is larger than the angle formed with the X-axis, it works to obtain the evaluation result of the content in the YZ plane direction so as to catch up with the evaluation amount of the X-axis.

このように構成された情報配信サーバ２００は、携帯電話機１００からの要求に応じて、ユーザ特性ベクトルに基づいて評価されたレコメンド情報を配信することができる。よって、嗜好・趣味などの情報を登録する必要はなく、またアクセスしたコンテンツに直接的に関連するコンテンツのみを抽出することがなく、漏れのないレコメンド情報を配信することを可能とする。さらに、評価がされていないコンテンツ、または評価が不十分なコンテンツについてはさらに評価させることができるように要提示コンテンツとして抽出してユーザに提示することで、それらコンテンツに対する閲覧させる機会をユーザに与えることができ、早期にコンテンツに対する利用履歴を収集することができる。   The information distribution server 200 configured as described above can distribute the recommendation information evaluated based on the user characteristic vector in response to a request from the mobile phone 100. Therefore, it is not necessary to register information such as tastes and hobbies, and it is possible to distribute recommended information without omission, without extracting only content directly related to accessed content. Furthermore, content that has not been evaluated or content that is not sufficiently evaluated is extracted as presentation-required content and presented to the user so that it can be further evaluated, thereby giving the user an opportunity to browse the content. It is possible to collect the usage history for the content at an early stage.

つぎに、携帯電話機１００について説明する。図９は、携帯電話機１００の機能構成を示すブロック図である。図９に示すとおり、携帯電話機１００は、ブラウザ１０１、履歴送信部１０２、レコメンド要求送信部１０３、および配信情報表示部１０４を含んで構成されている。この携帯電話機１００は、ＣＰＵ、ＲＡＭ、ＲＯＭなどのハードウェアにより構成されており、記憶されているプログラムにしたがってＣＰＵは動作するよう構成されている。具体的には、情報配信サーバ２００と同様の構成をとるものであって、図３に示されるハードウェア構成により実現される。以下、各構成について説明する。   Next, the mobile phone 100 will be described. FIG. 9 is a block diagram showing a functional configuration of the mobile phone 100. As shown in FIG. 9, the mobile phone 100 includes a browser 101, a history transmission unit 102, a recommendation request transmission unit 103, and a distribution information display unit 104. The cellular phone 100 is configured by hardware such as a CPU, RAM, and ROM, and the CPU is configured to operate according to a stored program. Specifically, it has the same configuration as that of the information distribution server 200 and is realized by the hardware configuration shown in FIG. Each configuration will be described below.

ブラウザ１０１は、インターネットに接続するためのアプリケーション部分であり、インターネット上に配置されているサイトに対してアクセスし、サイトに保持されているコンテンツをユーザに閲覧可能にさせるものである。このブラウザ１０１は、アクセス履歴を保持するように構成される。   The browser 101 is an application part for connecting to the Internet, and accesses a site arranged on the Internet and allows a user to view content held on the site. The browser 101 is configured to hold an access history.

履歴送信部１０２は、ブラウザ１０１を用いてアクセスしたコンテンツのアクセス履歴（同一メニュー画面上において選択されたコンテンツおよび選択されなかったコンテンツを示す情報）を送信する部分である。なお、この履歴送信部１０２は、情報配信サーバ２００側でアクセスのたびに履歴情報を収集する機能を有している場合には、必須の構成ではない。   The history transmission unit 102 is a part that transmits an access history (information indicating selected content and unselected content on the same menu screen) of content accessed using the browser 101. The history transmitting unit 102 is not an essential configuration when it has a function of collecting history information every time it is accessed on the information distribution server 200 side.

レコメンド要求送信部１０３は、図示しない操作部をユーザが操作することによりユーザＩＤとともにレコメンド情報の要求を情報配信サーバ２００に送信する部分である。   The recommendation request transmission unit 103 is a part that transmits a request for recommendation information to the information distribution server 200 together with a user ID when a user operates an operation unit (not shown).

配信情報表示部１０４は、ブラウザ１０１により取得されたメニュー画面およびコンテンツ（ウエブページ）を表示する部分である。   The distribution information display unit 104 is a part that displays the menu screen and content (web page) acquired by the browser 101.

このように構成された携帯電話機１００は、ブラウザ１０１を用いてインターネットにアクセス可能にするとともに、そのアクセス履歴を保持し、履歴送信部１０２は、情報配信サーバ２００からの要求または所定のタイミングでアクセス履歴を送信することができる。   The mobile phone 100 configured as described above enables access to the Internet using the browser 101 and holds the access history. The history transmission unit 102 accesses the request from the information distribution server 200 or at a predetermined timing. History can be sent.

つぎに、これら携帯電話機１００および情報配信サーバ２００の動作について説明する。図１０は、携帯電話機１００の要求に応じてコンテンツを配信するときの携帯電話機１００と情報配信サーバ２００との処理を示すシーケンス図である。   Next, operations of the mobile phone 100 and the information distribution server 200 will be described. FIG. 10 is a sequence diagram illustrating processing performed by the mobile phone 100 and the information distribution server 200 when content is distributed in response to a request from the mobile phone 100.

図１０に示すとおり、携帯電話機１００におけるブラウザ１０１からの要求に応じて、コンテンツ送信部２０８により情報配信サーバ２００からメニュー画面（例えば、複数ページからなるメニュー画面）が配信される（Ｓ１０１）。携帯電話機１００のユーザは、そのメニュー画面から任意の一のコンテンツ（上述Nodeに相当）を選択し、携帯電話機１００におけるブラウザ１０１がこれを受け付けると（Ｓ１０２）、コンテンツの接続要求およびそのあて先でＵＲＬが情報配信サーバ２００に送信される（Ｓ１０３）。   As shown in FIG. 10, in response to a request from the browser 101 in the mobile phone 100, the content transmission unit 208 distributes a menu screen (for example, a menu screen consisting of a plurality of pages) from the information distribution server 200 (S101). The user of the mobile phone 100 selects any one content (corresponding to the above-mentioned Node) from the menu screen, and when the browser 101 in the mobile phone 100 accepts this (S102), a URL for the content connection request and destination Is transmitted to the information distribution server 200 (S103).

情報配信サーバ２００では、ＵＲＬはコンテンツ要求受信部２０１により受信され、閲覧履歴テーブル２０７ｃにアクセス履歴として記憶される。そして、このアクセス履歴に基づいて、ユーザ特性ベクトルの計算がなされ、記憶される（Ｓ１０４）。そして、コンテンツ送信部２０８によりＳ１０３において要求のあったあて先に基づいたコンテンツがコンテンツプロバイダ（図示せず）から取得され、配信される（Ｓ１０５）。なお、ユーザ特性ベクトルの計算処理と、コンテンツの配信処理の順番は逆でもよい。   In the information distribution server 200, the URL is received by the content request receiving unit 201 and stored as an access history in the browsing history table 207c. Based on the access history, the user characteristic vector is calculated and stored (S104). Then, content based on the destination requested in S103 is acquired by the content transmission unit 208 from a content provider (not shown) and distributed (S105). Note that the order of the user characteristic vector calculation process and the content distribution process may be reversed.

ここでＳ１０４におけるユーザ特性ベクトル計算の詳細に処理について説明する。図１１は、ユーザ特性ベクトルの計算処理を示すフローチャートである。図１１に示すように、まずコンテンツ要求受信部２０１により受信されたアクセス要求またはアクセス履歴により示されたアクセス履歴情報が、新たに追加されたアクセス履歴として閲覧履歴テーブル２０７ｃに記憶される（Ｓ２０１）。   Here, the process will be described in detail for the user characteristic vector calculation in S104. FIG. 11 is a flowchart showing the calculation process of the user characteristic vector. As shown in FIG. 11, first, access history information indicated by an access request or access history received by the content request receiving unit 201 is stored in the browsing history table 207c as a newly added access history (S201). .

そして、履歴クラス分離部２０３により、この閲覧履歴テーブル２０７ｃに記憶されているアクセス履歴情報に基づいて、各満足クラスまたは不満足クラスに属するコンテンツの特性ベクトルが抽出される（Ｓ２０２）。そして、履歴クラス分離部２０３により、これら特性ベクトルに基づいて満足クラスと不満足クラスとを分離するための分離平面が生成される（Ｓ２０３）。つぎに、ユーザ特性ベクトル計算部２０４により、生成された分離平面に直交する直交ベクトルが計算され、ユーザ特性ベクトルが求められる（Ｓ２０４）。なお、ＮＮ法においては、必ずしも分離平面を求める必要はなく、不満足クラスの重心から満足クラスへの重心へ結んだ直線をユーザ特性ベクトルとするようにしてもよい。ここで求められたユーザ特性ベクトルは、ユーザ特性ベクトル管理テーブル２０７ａに保持され、レコメンド情報の配信時において配信情報格納部２０５に記憶されているコンテンツを評価する際に利用される。   Then, based on the access history information stored in the browsing history table 207c, the history class separation unit 203 extracts characteristic vectors of content belonging to each satisfaction class or dissatisfaction class (S202). Then, the history class separation unit 203 generates a separation plane for separating the satisfaction class and the dissatisfaction class based on these characteristic vectors (S203). Next, an orthogonal vector orthogonal to the generated separation plane is calculated by the user characteristic vector calculation unit 204 to obtain a user characteristic vector (S204). In the NN method, it is not always necessary to obtain a separation plane, and a straight line connecting the centroid of the unsatisfactory class to the centroid of the satisfactory class may be used as the user characteristic vector. The user characteristic vector obtained here is held in the user characteristic vector management table 207a and is used when evaluating the content stored in the distribution information storage unit 205 at the time of distribution of recommendation information.

つぎに、本実施形態におけるレコメンド情報を配信するときのそのコンテンツの評価処理について説明する。図１２は、レコメンド情報を配信するときのシーケンス図である。図１２に示すように、携帯電話機１００におけるレコメンド要求送信部１０３によりユーザＩＤを含んだレコメンド要求が送信され、このレコメンド要求は情報配信サーバ２００におけるレコメンド要求受信部２０２により受信される（Ｓ３０１）。そして、情報配信サーバ２００では、配信情報格納部２０５に記憶されているコンテンツに対して、コンテンツの評価が行われる（Ｓ３０２）。ここでは、コンテンツ評価部２０６により、ユーザ特性ベクトルにしたがって評価され、高評価順にコンテンツのタイトルを並べたレコメンド情報が生成される。そして、コンテンツ送信部２０８により、このように生成されたレコメンド情報が配信される（Ｓ３０３）。なお、ここではレコメンド情報には、未評価のコンテンツ、または評価が不十分なコンテンツのうちユーザに提示が要されると判断された要提示コンテンツが含まれている。また、レコメンド要求を受信する前に、予めコンテンツの評価がなされていてもよい。   Next, content evaluation processing when distributing recommendation information in the present embodiment will be described. FIG. 12 is a sequence diagram when distributing recommendation information. As shown in FIG. 12, a recommendation request including a user ID is transmitted by the recommendation request transmitting unit 103 in the mobile phone 100, and the recommendation request is received by the recommendation request receiving unit 202 in the information distribution server 200 (S301). Then, the information distribution server 200 evaluates the content stored in the distribution information storage unit 205 (S302). Here, the content evaluation unit 206 evaluates according to the user characteristic vector, and generates recommendation information in which the titles of the content are arranged in the order of high evaluation. And the recommendation information produced | generated in this way is delivered by the content transmission part 208 (S303). Here, the recommendation information includes content that has not been evaluated or content that is required to be presented to the user among content that is not sufficiently evaluated. Further, content may be evaluated in advance before receiving a recommendation request.

ここで、Ｓ３０２のコンテンツ評価についてさらに詳細な処理について説明する。図１３は、コンテンツの評価処理を示すフローチャートである。図１３に示すように、コンテンツ評価部２０６により、レコメンド要求とともに送信されたユーザＩＤに基づいて、ユーザ特性ベクトル管理テーブル２０７ａから、対応するユーザ特性ベクトルが取得される（Ｓ４０１）。つぎに、コンテンツ評価部２０６により、コンテンツ特性ベクトル管理テーブル２０７ｂから、各コンテンツの特性ベクトルが取得される（Ｓ４０２）。   Here, further detailed processing for content evaluation in S302 will be described. FIG. 13 is a flowchart showing content evaluation processing. As shown in FIG. 13, the content evaluation unit 206 acquires a corresponding user characteristic vector from the user characteristic vector management table 207a based on the user ID transmitted together with the recommendation request (S401). Next, the content evaluation unit 206 acquires the characteristic vector of each content from the content characteristic vector management table 207b (S402).

そして、コンテンツ評価部２０６により、ユーザ特性ベクトルとコンテンツの特性ベクトルとの内積が計算される（Ｓ４０３）。コンテンツ評価部２０６により計算された内積の大きい順に、コンテンツ管理テーブル２０５ａに記憶されているコンテンツＩＤに対応するタイトルが抽出され、そのタイトルが評価の高い順に並べられることでレコメンド情報が生成される。また、評価済みコンテンツベクトル算出部２０８により評価済みコンテンツの評価済み総和ベクトルが算出される。この評価済み総和ベクトルに基づいて未評価コンテンツ等から要提示コンテンツが抽出される。すなわち、総和ベクトルに直交する、または略直交するベクトルを有するコンテンツが要提示コンテンツとして抽出される。そして、コンテンツ評価部２０６により、先のレコメンド情報に、未評価コンテンツ抽出部２０９により抽出された要提示コンテンツが付加される（Ｓ４０３ａ）。そして、コンテンツ送信部２０８により、生成されたレコメンド情報（要提示コンテンツを含む）が携帯電話機１００に送信される（Ｓ４０４（図１２のＳ３０３参照））。   Then, the inner product of the user characteristic vector and the content characteristic vector is calculated by the content evaluation unit 206 (S403). The titles corresponding to the content IDs stored in the content management table 205a are extracted in descending order of the inner product calculated by the content evaluation unit 206, and recommendation information is generated by arranging the titles in descending order of evaluation. In addition, the evaluated content vector calculation unit 208 calculates the evaluated sum vector of the evaluated content. Based on the evaluated sum vector, the required presentation content is extracted from the unevaluated content and the like. That is, content having a vector orthogonal to or substantially orthogonal to the sum vector is extracted as the presentation required content. The content evaluation unit 206 adds the required presentation content extracted by the unevaluated content extraction unit 209 to the previous recommendation information (S403a). Then, the recommended information (including the required presentation content) is transmitted to the mobile phone 100 by the content transmitting unit 208 (S404 (see S303 in FIG. 12)).

このように、ユーザ特性ベクトルにしたがって、レコメンド情報を提供することができ、漏れなく、要提示コンテンツをレコメンド情報に含めてユーザに提供することができる。よって、ユーザに要提示コンテンツを閲覧させる機会を与えることができ、よりコンテンツの満足・不満足を分けるためのサンプル数を早期に収集することができる。   In this way, recommendation information can be provided according to the user characteristic vector, and the required content can be included in the recommendation information and provided to the user without omission. Therefore, it is possible to give the user an opportunity to browse the required presentation content, and it is possible to collect the number of samples for separating satisfaction / dissatisfaction of the content earlier.

＜閲覧頻度を考慮した分離平面の生成方法＞
つぎに、コンテンツの閲覧頻度を用いた重み付け処理を行い、この重み付け処理された特性ベクトルを用いて分離平面を生成するときの履歴クラス分離部２０３の処理について説明する。なお、ここでは、ＮＮ法を用いた分離平面の生成について説明する。 <Method of generating separation plane considering browsing frequency>
Next, processing of the history class separation unit 203 when performing weighting processing using content browsing frequency and generating a separation plane using the weighted characteristic vector will be described. Here, generation of a separation plane using the NN method will be described.

図１４は、閲覧頻度を考慮して特性ベクトルの重心を求める処理を示す概念図でありNodeＡ〜Ｃに対応したコンテンツｃ１〜ｃ３の特性ベクトルの位置を表す特徴空間を示す概念図である。コンテンツｃ１の閲覧頻度は３回、コンテンツｃ２の閲覧頻度は１回、コンテンツｃ３の閲覧頻度は１０回とする。なお、閲覧履歴テーブル２０７ｃは、閲覧されたコンテンツの閲覧履歴、閲覧されていないコンテンツの不閲覧履歴を記憶しておくことが好ましく、それぞれの頻度を保持または計算可能に記憶しておくことが必要である。   FIG. 14 is a conceptual diagram illustrating a process for obtaining the center of gravity of a characteristic vector in consideration of the browsing frequency, and is a conceptual diagram illustrating a feature space that represents the position of the characteristic vector of the contents c1 to c3 corresponding to the Nodes A to C. The browsing frequency of the content c1 is 3 times, the browsing frequency of the content c2 is 1 time, and the browsing frequency of the content c3 is 10 times. The browsing history table 207c preferably stores the browsing history of the browsed content and the non-viewing history of the content that has not been browsed, and it is necessary to store each frequency so that it can be held or calculated. It is.

この場合、これらコンテンツｃ１〜ｃ３の重心は、以下の式（１）により計算される。
なお、ｃｉは閲覧されたコンテンツの特性ベクトル、ｎｉは閲覧頻度である。 In this case, the center of gravity of the contents c1 to c3 is calculated by the following equation (1).
Here, ci is the characteristic vector of the browsed content, and ni is the browsing frequency.

この計算を行うことにより重心が定まる。また、図示していないが閲覧されていないコンテンツについても同様に式（１）を用いて、閲覧さていないコンテンツの特性ベクトルを用いてその重心を求める。そして、閲覧されていないコンテンツの重心から閲覧されたコンテンツの重心に対して結んだ直線をユーザ特性ベクトルとして求めることができる。なお、この直線は、分離平面に直交する直線と同じ向きを取るものであり、分離平面を算出し、この分離平面に直交する直交ベクトルを求めるようにしてもよいが、ＮＮ法においては必ずしも分離平面は必要とはならない。   By performing this calculation, the center of gravity is determined. In addition, for the content that is not shown but is not browsed, the center of gravity is also obtained using the characteristic vector of the content that is not browsed using Equation (1). Then, a straight line connecting the centroid of the browsed content to the centroid of the browsed content can be obtained as the user characteristic vector. This straight line has the same direction as the straight line orthogonal to the separation plane, and the separation plane may be calculated to obtain an orthogonal vector orthogonal to the separation plane. However, in the NN method, the separation is not necessarily performed. A plane is not required.

これにより、コンテンツの閲覧頻度を利用してユーザ特性ベクトルを求めることができ、閲覧頻度を利用しない場合と比較して、ユーザの嗜好に近いユーザ特性ベクトルを求めることができる。よって、ユーザの嗜好にそったコンテンツの評価を行うことができる。   Thereby, the user characteristic vector can be obtained using the browsing frequency of the content, and the user characteristic vector close to the user's preference can be obtained as compared with the case where the browsing frequency is not used. Therefore, it is possible to evaluate the content according to the user's preference.

つぎに、レコメンド情報を生成するときの処理（Ｓ４０３ａ）について説明する。図１８は、要提示コンテンツを含んだレコメンド情報を生成するときの処理を示すフローチャートである。情報配信サーバ２００において、図１３のＳ４０３にて取得された内積値に基づいてユーザの嗜好が推定され、レコメンド情報が選出される。すなわち、コンテンツ評価部２０６により、ユーザ特性ベクトルとコンテンツ特性ベクトルとの内積値に基づいて、ユーザ特性ベクトルとの類似度の高いコンテンツ特性ベクトルを有するコンテンツが抽出され、レコメンド情報とされる（Ｓ５０２）。つぎに、評価済みコンテンツベクトル算出部２０９により、評価済みのコンテンツのベクトルに基づいて、ユーザの評価済み総和ベクトルが算出される（Ｓ５０３）。ここで算出された評価済み総和ベクトルとなす角の大きいベクトルを有するコンテンツが要提示コンテンツとして、要提示コンテンツ抽出部２１０により抽出される（Ｓ５０４）。抽出されると、コンテンツ評価部２０６により、要提示コンテンツはレコメンド情報に付加される（Ｓ５０５）。   Next, a process (S403a) for generating recommendation information will be described. FIG. 18 is a flowchart showing processing when generating recommendation information including the required presentation content. In the information distribution server 200, the user's preference is estimated based on the inner product value acquired in S403 of FIG. 13, and recommendation information is selected. That is, the content evaluation unit 206 extracts content having a content characteristic vector having a high similarity to the user characteristic vector based on the inner product value of the user characteristic vector and the content characteristic vector, and uses it as recommendation information (S502). . Next, the evaluated content vector calculation unit 209 calculates the user's evaluated total vector based on the evaluated content vector (S503). The content having a vector having a large angle with the calculated total vector calculated here is extracted as the required content by the required content extracting unit 210 (S504). When extracted, the content evaluation unit 206 adds the required content to the recommendation information (S505).

このようにして、レコメンド情報に要提示コンテンツが付加され、携帯電話機１００においてユーザはレコメンド情報に従って、要提示コンテンツを含めたコンテンツの選択を行うことができる。よって、ユーザは要提示コンテンツについて閲覧する機会を得ることができる。   In this way, the required content is added to the recommendation information, and the user can select the content including the required content in the mobile phone 100 according to the recommendation information. Therefore, the user can obtain an opportunity to browse the required presentation content.

つぎに、本実施形態における情報配信サーバ２００の作用効果について説明する。本実施形態の情報配信サーバ２００によれば、評価済みコンテンツベクトル算出部２０９は、評価済みのコンテンツの正規化ベクトルの総和を算出し、要提示コンテンツ抽出部２１０は、算出された総和ベクトルに対して所定以上の角度を形成するベクトルから構成される未評価のコンテンツを抽出する。そして、コンテンツ送信部２０８は、抽出された要提示コンテンツをユーザに提示するようユーザ宛に送信することができる。これにより、要提示コンテンツをユーザに提示させ、選択可能にすることができ、ユーザに評価が不十分などのコンテンツに対する選択の機会を与えることができる。よって、未評価コンテンツまたは評価が不十分なコンテンツの利用履歴を早期に収集することができる。   Next, operational effects of the information distribution server 200 in the present embodiment will be described. According to the information distribution server 200 of the present embodiment, the evaluated content vector calculation unit 209 calculates the sum of the normalized vectors of evaluated content, and the required content extraction unit 210 calculates the calculated sum vector. Thus, unevaluated content composed of vectors forming a predetermined angle or more is extracted. Then, the content transmitting unit 208 can transmit the extracted required presentation content to the user so as to be presented to the user. Thereby, the required content can be presented to the user and can be selected, and the user can be given an opportunity to select content that is not sufficiently evaluated. Therefore, it is possible to collect the usage history of unrated content or content that is not sufficiently evaluated at an early stage.

ここで、正規化ベクトルと抽出対象とするコンテンツのベクトルとの角度が９０度に近いコンテンツを予め定められた上位ｎ個抽出することで、より適切な要提示コンテンツを抽出することができる。抽出対象とするベクトルの角度は、９０度またはその近似値とすることが好ましく、より適切な要提示コンテンツとしての未評価コンテンツまたは評価が不十分なコンテンツを抽出することができる。   Here, by extracting the top n predetermined contents whose angle between the normalized vector and the content vector to be extracted is close to 90 degrees, it is possible to extract more appropriate presentation required contents. The angle of the vector to be extracted is preferably 90 degrees or an approximate value thereof, and it is possible to extract unevaluated content or insufficiently evaluated content as more appropriate presentation required content.

また、情報配信サーバ２００によれば、コンテンツ要求受信部２０１により、ユーザ操作により、複数の選択対象項目コンテンツから一のコンテンツを選択することを受け付け、履歴格納部２０７（閲覧履歴テーブル２０７ｃ）が、受け付けられた選択されたコンテンツ、選択されなかったコンテンツを特定する特定情報（例えばコンテンツＩＤ等）を評価済みコンテンツ特定情報として記憶しておく。そして、評価済みコンテンツベクトル算出部２０９は、記憶された評価済みコンテンツ特定情報により特定された評価済みコンテンツの正規化ベクトルの総和を算出する。これにより、評価済みコンテンツに基づいて要提示コンテンツを適切に選択することができる。   Further, according to the information distribution server 200, the content request receiving unit 201 accepts selection of one content from a plurality of selection target item contents by a user operation, and the history storage unit 207 (browsing history table 207c) Specific information (for example, content ID or the like) that specifies the accepted selected content or non-selected content is stored as evaluated content specifying information. Then, the evaluated content vector calculation unit 209 calculates the sum of normalized vectors of evaluated content specified by the stored evaluated content specifying information. Thereby, the required presentation content can be appropriately selected based on the evaluated content.

また、情報配信サーバ２００によれば、要提示コンテンツ抽出部２１０は、評価済みコンテンツではないコンテンツまたは評価が不十分なコンテンツからコンテンツを要提示コンテンツとして抽出することができ、特に評価が不十分なコンテンツを抽出することができる。   Further, according to the information distribution server 200, the required content extraction unit 210 can extract the content as the required content from the content that is not the evaluated content or the content that is insufficiently evaluated, and the evaluation is particularly insufficient. Content can be extracted.

また、レコメンド情報とともに要提示コンテンツをユーザに提示するとより効果的に閲覧機会をユーザに与えることができる。例えば、以下の通りである。携帯電話機１００において、ブラウザを操作することによりメニュー画面が表示されており、Node１〜Node５などのコンテンツを表す複数の選択対象項目が表示されている。そして、ユーザ操作により、これらコンテンツから任意の一のコンテンツを選択すると、携帯電話機１００は情報配信サーバ２００に選択されたコンテンツおよび選択されなかったコンテンツを送信し、情報配信サーバ２００（コンテンツ要求受信部２０１）はこれを受け付ける。コンテンツ要求受信部２０１は、選択されたコンテンツを、コンテンツプロバイダから取得し、コンテンツ送信部２０８はこれを携帯電話機１００に送信する。   In addition, when the required information is presented to the user together with the recommendation information, a viewing opportunity can be given to the user more effectively. For example, it is as follows. In the mobile phone 100, a menu screen is displayed by operating a browser, and a plurality of selection target items representing contents such as Node1 to Node5 are displayed. When any one of these contents is selected by the user operation, the mobile phone 100 transmits the selected content and the unselected content to the information distribution server 200, and the information distribution server 200 (content request receiving unit) 201) accepts this. The content request receiving unit 201 acquires the selected content from the content provider, and the content transmitting unit 208 transmits this to the mobile phone 100.

一方、閲覧履歴テーブル２０７ｃは、選択されたコンテンツの特性ベクトルおよび選択されなかったコンテンツの特性ベクトルを記憶する。履歴クラス分離部２０３は、閲覧履歴テーブル２０７ｃに記憶されている選択されたコンテンツの特性ベクトルと選択されなかったコンテンツの特性ベクトルとを、特徴空間内で分離するための分離平面を生成する。そして、ユーザ特性ベクトル計算部２０４は、生成された分離平面に直交する直交ベクトルに基づいてユーザ特性ベクトルを生成し、これをユーザ特性ベクトル管理テーブル２０７ａに記憶させる。なお、ＮＮ法においては、必ずしも分離平面を求める必要はなく、不満足クラスの重心から満足クラスへの重心へ結んだ直線をユーザ特性ベクトルとするようにしてもよい。その後、レコメンド要求をレコメンド要求受信部２０２が受信すると、コンテンツ評価部２０６は、記憶されているユーザ特性ベクトルに基づいて、コンテンツの評価を行う。   On the other hand, the browsing history table 207c stores the characteristic vector of the selected content and the characteristic vector of the unselected content. The history class separation unit 203 generates a separation plane for separating the characteristic vector of the selected content stored in the browsing history table 207c and the characteristic vector of the unselected content in the feature space. Then, the user characteristic vector calculation unit 204 generates a user characteristic vector based on the orthogonal vector orthogonal to the generated separation plane, and stores this in the user characteristic vector management table 207a. In the NN method, it is not always necessary to obtain a separation plane, and a straight line connecting the centroid of the unsatisfactory class to the centroid of the satisfactory class may be used as the user characteristic vector. Thereafter, when the recommendation request receiving unit 202 receives the recommendation request, the content evaluation unit 206 evaluates the content based on the stored user characteristic vector.

これにより、ユーザの特性を示すベクトルにしたがってコンテンツの評価を行うことができ、ユーザの趣味・嗜好など、またアクセス履歴などの直接的な情報に基づいて推薦すべきコンテンツを評価することがなく、漏れのないコンテンツをユーザに提供することができる。   Thereby, it is possible to evaluate the content according to the vector indicating the characteristics of the user, without evaluating the content to be recommended based on the user's hobbies / preferences, direct information such as the access history, Content without omission can be provided to the user.

１００…携帯電話機、１００ａ…携帯電話機、１０１…ブラウザ、１０１ａ…操作部、１０２…履歴送信部、１０３…レコメンド要求送信部、１０４…配信情報表示部、１０４ａ…レコメンド操作表示部、１０５…履歴クラス分離部、１０６…ユーザ特性ベクトル計算部、１０７…操作情報評価部、１０８…操作情報格納部、１０９…履歴格納部、２００…情報配信サーバ、２０１…コンテンツ要求受信部、２０２…レコメンド要求受信部、２０３…履歴クラス分離部、２０４…ユーザ特性ベクトル計算部、２０５…配信情報格納部、２０５ａ…コンテンツ管理テーブル、２０６…コンテンツ評価部、２０７…履歴格納部、２０７ａ…ユーザ特性ベクトル管理テーブル、２０７ｂ…コンテンツ特性ベクトル管理テーブル、２０７ｃ…閲覧履歴テーブル、２０８…コンテンツ送信部。 DESCRIPTION OF SYMBOLS 100 ... Mobile phone, 100a ... Mobile phone, 101 ... Browser, 101a ... Operation part, 102 ... History transmission part, 103 ... Recommendation request transmission part, 104 ... Delivery information display part, 104a ... Recommendation operation display part, 105 ... History class Separation unit 106 ... User characteristic vector calculation unit 107 ... Operation information evaluation unit 108 ... Operation information storage unit 109 ... History storage unit 200 ... Information distribution server 201 ... Content request reception unit 202 ... Recommendation request reception unit , 203 ... history class separation unit, 204 ... user characteristic vector calculation unit, 205 ... distribution information storage unit, 205a ... content management table, 206 ... content evaluation unit, 207 ... history storage unit, 207a ... user characteristic vector management table, 207b ... Content characteristic vector management table, 207c ... Browsing history Buru, 208 ... content transmission unit.

Claims (7)

評価済みのコンテンツの正規化ベクトルの総和を算出するベクトル算出手段と、
前記ベクトル算出手段により算出された総和ベクトルに対して所定以上の角度を形成するベクトルから構成されるコンテンツを抽出するコンテンツ抽出手段と、
前記コンテンツ抽出手段により抽出されたコンテンツを要提示コンテンツとしてユーザに提示する提示手段と、
を備える情報配信装置。 Vector calculation means for calculating the sum of normalized vectors of evaluated content;
Content extracting means for extracting content composed of vectors forming an angle of a predetermined angle or more with respect to the sum vector calculated by the vector calculating means;
Presenting means for presenting the content extracted by the content extracting means to the user as required content;
An information distribution apparatus comprising: 前記コンテンツ抽出手段は、前記正規化ベクトルと抽出対象とするコンテンツのベクトルとの角度が９０度に近いコンテンツを予め定められた上位ｎ個抽出することを特徴とする請求項１に記載の情報配信装置。   2. The information distribution according to claim 1, wherein the content extraction unit extracts the top n predetermined contents whose angle between the normalized vector and the content vector to be extracted is close to 90 degrees. apparatus. 前記コンテンツ抽出手段が抽出対象とするコンテンツのベクトルの角度は、９０度またはその近似値であることを特徴とする請求項１に記載の情報配信装置。   The information distribution apparatus according to claim 1, wherein an angle of a content vector to be extracted by the content extraction unit is 90 degrees or an approximate value thereof. ユーザ操作により、複数のコンテンツから一のコンテンツを選択することを受け付ける受付手段と、
前記受付手段により受け付けられた選択されたコンテンツ、選択されなかったコンテンツを特定する特定情報を評価済みコンテンツ特定情報として記憶する履歴記憶手段と、
を備え、
前記ベクトル算出手段は、前記履歴記憶手段に記憶された評価済みコンテンツ特定情報により特定された評価済みコンテンツの正規化ベクトルの総和を算出することを特徴とする請求項１から３のいずれか一項に記載の情報配信装置。 Accepting means for accepting selection of one content from a plurality of content by a user operation;
History storage means for storing the selected content accepted by the accepting means and the specific information for specifying the unselected content as evaluated content specifying information;
With
4. The vector calculating unit according to claim 1, wherein the vector calculating unit calculates a sum of normalized vectors of evaluated content specified by the evaluated content specifying information stored in the history storage unit. The information distribution device described in 1. 前記コンテンツ抽出手段は、前記評価済みコンテンツではないコンテンツまたは評価が不十分なコンテンツからコンテンツを要提示コンテンツとして抽出することを特徴とする請求項１から４のいずれか一項に記載の情報配信装置。   5. The information distribution apparatus according to claim 1, wherein the content extraction unit extracts content as content that needs to be presented from content that is not the evaluated content or content that is insufficiently evaluated. . 前記履歴記憶手段は、前記評価済みコンテンツのうち、前記受付手段により受け付けられた選択されたコンテンツのベクトルを満足特徴ベクトルとして記憶し、
前記履歴記憶手段により記憶されている選択されたコンテンツの満足特徴ベクトルからユーザ特性ベクトルを生成するユーザ特性ベクトル生成手段と、
前記ユーザ特性ベクトル生成手段により生成されたユーザ特性ベクトルに基づいて、未知のコンテンツの評価を行う評価手段と
を備え、
前記提示手段は、前記評価手段により評価された未知のコンテンツおよび前記要提示コンテンツを含めてレコメンド情報としてユーザに提示することを特徴とする請求項１から５のいずれか一項に記載の情報配信装置。 The history storage unit stores a vector of the selected content received by the receiving unit among the evaluated content as a satisfaction feature vector,
User characteristic vector generation means for generating a user characteristic vector from a satisfaction characteristic vector of the selected content stored by the history storage means;
Evaluation means for evaluating unknown content based on the user characteristic vector generated by the user characteristic vector generation means,
The information delivery according to any one of claims 1 to 5, wherein the presenting means presents the unknown content evaluated by the evaluating means and the required presentation content to the user as recommended information. apparatus. 評価済みのコンテンツの正規化ベクトルの総和を算出するベクトル算出ステップと、
前記ベクトル算出ステップにより算出された総和ベクトルに対して所定以上の角度を形成するベクトルから構成されるコンテンツを抽出するコンテンツ抽出ステップと、
前記コンテンツ抽出ステップにより抽出されたコンテンツを要提示コンテンツとしてユーザに提示する提示ステップと、
を備える情報配信方法。



A vector calculation step for calculating a sum of normalized vectors of evaluated content;
A content extraction step of extracting content composed of vectors forming an angle of a predetermined angle or more with respect to the sum vector calculated by the vector calculation step;
A presentation step of presenting the content extracted by the content extraction step to the user as the required presentation content;
An information delivery method comprising:



JP2009061658A 2009-03-13 2009-03-13 Information distribution apparatus and information distribution method Active JP5248376B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2009061658A JP5248376B2 (en) 2009-03-13 2009-03-13 Information distribution apparatus and information distribution method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009061658A JP5248376B2 (en) 2009-03-13 2009-03-13 Information distribution apparatus and information distribution method

Publications (2)

Publication Number Publication Date
JP2010218035A true JP2010218035A (en) 2010-09-30
JP5248376B2 JP5248376B2 (en) 2013-07-31

Family

ID=42976855

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009061658A Active JP5248376B2 (en) 2009-03-13 2009-03-13 Information distribution apparatus and information distribution method

Country Status (1)

Country Link
JP (1) JP5248376B2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017082293A1 (en) * 2015-11-09 2017-05-18 株式会社電通 Customer relation management device and method

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JPN6013002879; Ｉａｑｕｉｎｔａ，　Ｌ: Ｉｎｔｒｏｄｕｃｉｎｇ　Ｓｅｒｅｎｄｉｐｉｔｙ　ｉｎ　ａ　Ｃｏｎｔｅｎｔ-Ｂａｓｅｄ　Ｒｅｃｏｍｍｅｎｄｅｒ　Ｓｙｓｔｅｍ , 20080919, ｐｐ．１６８-１７３ *
JPN7013000229; Ｒａｎｄａ　Ｋａｓｓａｂ: 'Ｎｏｖｅｌｔｙ　Ｄｅｔｅｃｔｉｏｎ　ｆｏｒ　Ｍｏｄｅｌｉｎｇ　Ｕｓｅｒ'ｓ　Ｐｒｏｆｉｌｅ' Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｅｉｇｈｔｅｅｎｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｆｌｏｒｉｄａ　Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　Ｒｅｓｅａｒｃｈ　Ｓｏｃｉｅｔｙ　Ｃｏｎｆｅｒｅ , 200505, ｐｐ．８３０-８３１, Ｔｈｅ　ＡＡＡＩ　Ｐｒｅｓｓ *
JPN7013000230; Ｅ．　Ｇａｂｒｉｌｏｖｉｃｈ: 'ＮｅｗｓＪｕｎｋｉｅ：　Ｐｒｏｖｉｄｉｎｇ　Ｐｅｒｓｏｎａｌｉｚｅｄ　Ｎｅｗｓｆｅｅｄｓ　ｖｉａ　Ａｎａｌｙｓｉｓ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｎｏｖｅｌｔｙ' Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｔｈｉｒｔｅｅｎｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ　Ｃｏｎｆｅｒｅｎｃｅ　２００４　（ＷＷＷ　２００４） , 200405 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017082293A1 (en) * 2015-11-09 2017-05-18 株式会社電通 Customer relation management device and method
JP2017091121A (en) * 2015-11-09 2017-05-25 株式会社電通 Customer relations management device and method
CN108352028A (en) * 2015-11-09 2018-07-31 株式会社电通 CRM Customer Relationship Management device and method
CN108352028B (en) * 2015-11-09 2022-07-15 株式会社电通 Customer relationship management device and method

Also Published As

Publication number Publication date
JP5248376B2 (en) 2013-07-31

Similar Documents

Publication Publication Date Title
JP5328212B2 (en) RECOMMENDATION INFORMATION EVALUATION DEVICE AND RECOMMENDATION INFORMATION EVALUATION METHOD
TWI461939B (en) Method, apparatus, computer-readable media, computer program product and computer system for supplementing an article of content
KR101147470B1 (en) Recommendation information generation apparatus and recommendation information generation method
JP5603337B2 (en) System and method for supporting search request by vertical proposal
JP4769889B2 (en) PROGRAM SELECTION DEVICE AND PROGRAM SELECTION DEVICE CONTROL METHOD
EP3529714B1 (en) Animated snippets for search results
US9699490B1 (en) Adaptive filtering to adjust automated selection of content using weightings based on contextual parameters of a browsing session
US9953011B1 (en) Dynamically paginated user interface
JP5483269B2 (en) Information search device and information search method
JP2010181966A (en) Device and method for evaluating recommendation information
JP2004362019A (en) Information recommendation device, information recommendation method, information recommendation program and recording medium
JP5416063B2 (en) Content recommendation device, content recommendation program and recording medium thereof
JP5805134B2 (en) Terminal device and device program
JP2012242844A (en) Recommendation information generation device and recommendation information generation method
WO2009125622A1 (en) Electronic bulletin board system
JP5248376B2 (en) Information distribution apparatus and information distribution method
JP2018151995A (en) Information providing device, information providing method, and information providing program
CN111259248A (en) Recommendation method and device of information resources, readable storage medium and electronic equipment
JP6139617B2 (en) Information providing system, information providing server, information providing method, and program for information providing system
JP5183282B2 (en) RECOMMENDATION INFORMATION EVALUATION DEVICE AND RECOMMENDATION INFORMATION EVALUATION METHOD
JP5813026B2 (en) Terminal device and device program
JP2011008619A (en) Device, method and program for presenting information

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20110829

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20130117

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130129

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130304

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130326

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130410

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20160419

Year of fee payment: 3

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250