JP2010507843A - 個人的な音楽推薦のマッピング - Google Patents

Abstract

音楽トラック、プレイリスト及びその他のお勧めメディアアイテムのようなスケールフリーネットワークのデータセットは、分析され、好ましくは対話形式の環境（図２）で、視覚化のためのグラフィックのマップディスプレイ（図１）に表示される。プロッティング及び視覚化システムは、高性能固有値分解（マップ配置計算）アルゴリズムと共に、一般的に、ネットワーク抽出ルーチン及び新規な視覚化インタラクション手法とから成る。
【選択図】図２

Description

本発明は、例えばプレイリストベースの音楽データのためのスケールフリーのネットワークデータセットの分析、プロッティング及び視覚化システムの分野の方法及び装置に関する。
関連出願

本願は、２００６年１０月２０に出願され、参照によって本書に組み入れられる米国仮出願番号60/862,385に基づく優先権を主張する。

デジタル音楽及びデジタルビデオの激増によって、ユーザは、彼らが購入し及び／又はアクセスすることができるメディアのより多くの選択肢に直面している。ユーザは、自分自身が選ぶことができるデジタルメディアの多量の選択肢に困惑されていることに気付いている。

デジタル記憶装置のコストが低下し続けるに伴い、メディア、特に楽曲のオンライン業者は、彼らの在庫管理におけるデジタルメディアの数を増大させる増分コストが急速に低下していると気付いている。したがって、オンライン業者は、内容や年代の多様性及び過去にリリースされた入手可能な量の双方を拡張して、より多くのコンテンツを提供している。これをインターネットの正にグローバルな性質と結合すれば、最終結果として、直ちに購入して再生できる本当に当惑するほどの多数のメディアになる。

最近のシステム及び方法は、ユーザがおそらく好むであろう例えば音楽のメディアコンテンツのためにユーザが推薦を得られることを可能にするように発展している。推薦システムは、例えば、すでにユーザによって選ばれた楽曲を表すメタデータを考慮し、該メタデータと類似のメタデータを有する他のメディアアイテムを選ぶものが知られている。メタデータの使用すなわち音楽データベースを検索する記述子によるクエリは、例えばボーム（Baum）他の米国特許出願公開２００５／００６０３５０ Ａ１号公報に開示されている。ボーム他に記載されたような推薦システムは、比較的粗雑である。

より洗練されたシステムは、ユーザのプレイリストなどのメディアアイテムの関連した「クエリセット」を与えられると、メディアアイテム(例えば歌)の関連したセットを発生させることができる。前記システムは、大規模なデータベースから選ばれたメディアアイテムの既存のセットを併合することによって、メディアアイテムの新しいセットを作成し、前記既存のセットのそれぞれは互いに関連したアイテムを含んでおり、該セット(またプレイリスト)のそれぞれが前記クエリセットのアイテムと何らかの類似を共有する。同一出願人によるＵＳ２００６−０１７３９１０参照。

推薦システムの特定のタイプの複雑さを問わず、まだ、ユーザは、たくさんの推薦をふるいにかけて、また推薦されたアイテムをプレイリストなどの選ばれたユーザ自身のアイテムのセットに如何に関係づけるかの直観的な感度を得るために、意味のある方法をまだ必要としている。どの推薦がユーザ嗜好に「より良い」のかすなわち「より近い」のか？音楽や他のメディアアイテム(音楽ビデオ、映画、本、論文など)の選択における個人の嗜好又は選好は疑いなく多少主観的ではあるが、ユーザが受け取る推薦を精査することの補助に視覚化環境を提供することはユーザに役立つであろう。

米国特許公開２００５／００６０３５０号公報 米国特許公開２００６／０１７３９１０号公報

プレイリストベースの音楽データの場合に、考慮されるデータセットにおけるアイテム数はきわめて大きくなることがある。より具体的には、そのようなスケールフリーのネットワークデータセットで出会う多量の情報は、それらを分析し、プロットし、視覚化することを困難にする。しばしばプロットの写実的な正確さ又は写実的な完全性が犠牲となる。本願は、有意義な方法、所定の妥当な時間及び計算の制限下で、そのような情報を分析し、図表を用いて表示するために、典型的にはソフトウェアで実行できる改善された手法に向けられる。

本発明の１態様は、多次元的尺度構成法に基づいた方法を使用するより大きなネットワークのサブグラフに基づくクエリの適用である。ネットワークデータのベースがクエリであるから、ノード接続のある特徴は、サブグラフとオリジナルネットワークとの全域にわたって比較され、前記ノードの重みデータは、その負のエントロピー関数として表せる。このスキームによれば、より大きなネットワーク構造の小さなサブグラフが分析される。ｚ値（ｚ-score）重み付けスキームは、オリジナルのネットワークの接続総数に対する近傍での各ノードの接続強度を修正するために使われ、またこれらの重み付けされた接続強度の次元数は、視覚化及び分析に適するように低次元の埋め込みを作成すべく低減される。

本発明のさらなる態様及び利点は、添付の図面を参照しての以下の好適な実施例の詳細な説明から、明らかになるであろう。

データセットの視覚化されたマップの第１実施例であり、 図１のマップディスプレイとのユーザインタラクションを示し、 クエリ化されたサブグラフのＺＭＤＳプロットの例であり、 対話形式のマップディスプレイのための一組の「ノードインタラクションゾーン」の概念的な説明図である。

ラプラシアン行列は、ネットワークデータを行列として表示するための既知の基本である。ラプラシアン固有マップ（eigenmaps）及びスペクトル分解を含むいくつかの技術は、ネットワーク構造の低次元の埋め込みを解くことを含む。通常、測地的距離は、接続重みを符号化するために使われ、行列にフォーマットされたネットワークが正の半定符号であること、すなわちネットワーク用語で対称であることを必要とする。

固有値分解方法は、データの任意の数のトライアルとオーダリングにわたって一貫した代表的な形を作り出す。これは、それらをグーグル（Google）で使われたページランク計算などの機械学習と指数付けの技術のために理想的にする。しかし、数十万のノードの大型のデータセットに必要とされる計算時間及びリソースは、この工程を従来のパーソナルコンピュータ能力で扱いにくくする。

多くの場合に、ノード及び接続の重要な集団を抽出することによってネットワークに「クエリを行う（querying）」ことは、ローカルネットワーク構造についての一層の理解に有益な方法である。「雪玉式（snowball）」サンプリング法と呼ばれるそのような１つの技術は、ノードの集団を選び、次にそれらが直接的なリンクを共有するノードによってこの選択を拡張することを含む。この方法は、それらがより大きなネットワークと共有する接続のコンテキストでオリジナルのノード集団についての理解を可能にする。しかしながら、グラフのスケールフリーなネットワークの特徴は、一定の「ハブ」ノードが、ずっと高い割合でクエリ結果に含められる原因になる。この意味で、ハブノードは、エントロピー又はプロット表現での非主要点を構成する。それらがクエリを受けた近傍で平均の数の接続を共有することができても、それらの特別な近傍の接続は、それらのローカルな近傍の接続よりかなり高い水準にある。
構造エントロピー

オリジナルネットワークの特徴と前記近傍との間のコントラストは、前記ネットワークの構造のエントロピーのベースになる。ノードの重みは、通常２つのネットワーク間で異なり、この差異の大きさはその特定の近傍のその特定のノードのエントロピーの指標である。負のエントロピーを持つノード集団は、同様に大きな負のエントロピーを持つと考えられるネットワーク「構造」を形成する。ノード間の接続の重みは、１以上の特徴に従って接続強度を示す。我々は、以下で、これらのアイデアを実用的な視覚化システムに適用する。

以下の説明において、プログラミング、ソフトウェアモジュール、ユーザ選択、ネットワークトランザクション、データベースクエリ、データベース構造などのある特定の詳細は、発明の実施例についての完全な理解のために提供される。しかし、当業者は、本発明が１以上の前記特定の詳細無しに、又は他の方法、構成要素、材料などによって実施できることを理解するであろう。

場合によっては、本発明の特徴を覆い隠すことを避けるために、周知の構造、材料又は作用は、詳細に示したり説明したりはしない。さらに、記載された機能、構造又は特徴は、１以上の実施例で何らかの適当な方法によって組み合わせることができる。一般的に、本発明の手順は、１以上のデジタルプロセッサを使って、有利に実行することができる。１つの好適な実施例では、サーバは、インターネットなどのネットワーク経由で、遠隔地のユーザにデータベース及び計算の便宜を提供する。ここに説明されたタイプのマップを表示するに適当な様々なディスプレイは従来よく知られており、従って、そのようなディスプレイの詳細な議論は省略する。

スケールフリーのネットワーク特徴を表している、プレイリストベースの音楽データが、本発明の諸態様を説明するために使われるであろう。このデータによれば、ノードは個々のトラック(又は歌)を表しており、対応する重みは、これらの歌がプレイリストに現れる回数である。

大規模なデータベースの近傍（neighborhood）は、何人かのアーティスト、例えばジェニファー・ロペス、ブルース・スプリングスティーン、トーリ・エイモス、グッド・シャーロット及びオアシスによって演奏された歌のリストから構築された。先に概説した重み付けスキームを使って、重みは、ＴＦ-ＩＤＦに類似して、ノードが有するグローバルな接続総数によって単に除算することによって修正することができる。ＴＦ-ＩＤＦ重み(用語の出現頻度-逆出現頻度)は情報検索とテキストマイニングでよく使われる重みである。この重みは、収集物すなわち言語資料中の文書に単語がどれほど重要であるかを評価するために使われる統計的な尺度である。重要性は、単語が文書中に出現する回数に比例して増大するが、言語資料中でのその単語の出現頻度によって相殺される。ＴＦ-ＩＤＦ重み付けスキームの変形は、ユーザクエリを受けた文書の妥当性を採点し、順位付ける主要な手段として、しばしば検索エンジンで使われている。

しかしながら、我々は、この重み機能が、またノードのエッジ重み分布からもほとんどの変化を取り除いてしまうことに気付いた。前記変化を保持する重み付けスキーム(標準偏差単位形式を備える)が、それに代えて好まれる。

この特徴を達成するために、オリジナルのラプラス行列定義（Ｌ＝Ｄ−Ａ）への修正が必要である。第一に、我々は、行列Ａのために、検索された近傍から得られ、重み付けられた隣接行列を使った。次に、我々は、前記近傍の各ノードのための全接続重みの合計から対角線行列Ｄを作成する。その後、２つの行列を引くのではなく、それらは加えられる。最後に、重み付けスキームが各ノードに適用される。
＿
ｗ_i.j ＝ ｋ _i,j −ｋ
σ
ここで、ｗ_i.jはノードｉ及びｊ間のノード重みであり、ｋ_i,jは前記両ノード間の共起数（co-occurrence counts）であり、σはｋの標準偏差である。この方法をすべてのｋに適用することは、ラプラス行列を非対称にするであろう。しかしながら、これは、前記行列を横切る行又は列方向のユークリッド距離計算を適用することによって調和させることができる。ユークリッド距離行列は、多次元的尺度構成法を使って、適当な次元に低減することができ、結果としてプロットを視覚化することができ、さらに以下に説明するように、それが興味ある有益な多様体を生じる。
三次元多様体

しばしばこの方法によって生成された三次元の多様体は、３つの目立った要素である、「ファン（fan）」、「零スペース」及び１つ以上の「テール」を示す。図３を参照するに、特に、前記テール(図３に表示３を付した特徴)は、これらの要素中で注目に値する。テールは、問題の前記近傍の構造が大きな負のエントロピーであることの証拠である。それらは、前記近傍との関連で該近傍の他の部分とよりずっとしばしばそれら自身との接続を形成するノードの集団から成る。これらの接続が頻出度に関して測定されるので、しばしば、前記集団との関与勾配がある。テールの基部に最も近いノードは、結びつきの強い前記集団から前記近傍の残部に架けられた橋に似ているが、テールの終端のノードは前記集団自体と強く結合するだけである。

図３のプロットの中で、テールはブルース・スプリングスティーン及びトーリ・エイモスによる歌に対応しており、当該例示は、これら２人のアーティストが、前記近傍の残部とよりもずっとしばしばそれら自身との接続を形成する歌を持っていることを示す。前記テールは、また、どの歌が前記近傍の残部への橋として作用するかを示す（この場合、ブルースについては「ボーン・イン・ザ・USA（Born in the USA）」であり、トーリについては「ストレンジ（Strange）」であった）。前記テールの基部は、通常、それ自身を零スペース（図３の特徴２）に結び付け、該零スペースではノード構造のエントロピーが零を通る。これらのノードは、エッジと、重み関数の結果として零に近い識別重量とを含んでいる。これは、しばしばそれらが、前記近傍で多くのノードと結びつくが、前記近傍外のノードにほとんど関与しないハブノードであることを意味している。これらのノードは、高いエントロピーのテールをより大きな「ファン」構造（図３の特徴１参照）に接続する。

前記ファンは、近傍内接続よりも多くの近傍外の接続を持っているノード、あるいは前記ファン内のノードへのより小さな接続の程度と、それらのノードへの接続の大多数を形成するノードの２次元的表現である。したがって、さらに以下で説明するように、ネットワークデータのこれらのタイプの表現は、有意義な視覚化及びユーザインタラクションを提供する。
実施方法論

次に、我々は、実用システムと、図１に例示されたようなマップディスプレイなどのネットワークデータセットのグラフィックを用いた視覚化すなわち「マップ」を生成するための方法とを説明する。一般的な手順は、ネットワーク抽出及び分析から始まる。
ネットワーク抽出と分析

一実施例では、ネットワーク抽出ルーチンは、高性能行列計算のために、好ましくは行列データ言語を用いて、例えばパール（Perl）スクリプトのようなスクリプトとしてプログラムを作ることができる。スクリプトは、本書でさらに説明されるように、ネットワーク上で遠隔地ユーザに視覚化サービスを提供するために、適当なサーバの上で展開することができる。それは、また如何なる適切なデジタルコンピュータ上であってもローカルに使うことができる。具体的な実施及びプログラ作成の詳細は、本開示から当業者が知ることができるので、それらを省略する。一般的なルーチンは、次のとおり進む。

Ａ． スクリプトが初期化され、パラメータとして整数プレイリストidを手渡される。換言すれば、ルーチンは、入力としてユーザプレイリストを受け、すなわちユーザのプレイリストにアクセスするidを受け取る。例えば、ある場合、視覚化サービスが使用可能な遠隔地のユーザがサーバに該ユーザのプレイリストをダウンロードするかもしれない。他の実施例では、ユーザは１つ以上のプレイリストをサーバ上に保存しておき、ユーザがサービスにログインしさえすれば、選ばれたプレイリストへアクセスすることができる。

Ｂ. スクリプトソフトウェアはプレイリストidと関連づけられたプレイリストを探し、対応するxmlプレイリストトラック情報をダウンロードする。例えば、一実施例では、スクリプトは、iTunes（登録商標）xmlでフォーマットされたプレイリストを使用する。プレイリストデータを取得するために他のマークアップ言語、フォーマット及びプロトコルを使うことができる。

Ｃ. xmlプレイリストは構文解析され、対応するトラックのためのトラックidが集められる。

Ｄ. スクリプトは、推薦者データベースすなわちサービスにアクセスし、選ばれた数、例えば最初の２００のトラックid毎の推薦を読み取る。推薦重み付けデータが含まれている。

Ｅ. 推薦の発生が計算される。推薦が前記近傍内で少なくとも予め決められた最小数、例えば２回の発生を共有しないならば、それは削除される。これは、データセットを可視化のために扱いやすい量に減少させる一手法である。本明細書及び特許請求の範囲で使用されている近傍という用語は、特殊な技術用語である。スケールフリーのネットワークデータセットとの関連では、より大きなネットワーク構造の小さなサブグラフは近傍（neighborhood）と呼ばれる。「スケールフリーネットワーク」とは、たとえどんなに大きくなっても、ネットワークの構造及び動的理論の様相が同じままであることを指す。例えば、したがって、ユーザプレイリストのデータベース（例えば音楽関連のウェブサイトのユーザ又は「メンバー」）は、かなり大型になることができる。

Ｆ. 次に、全てのトラックは人気によってソートされて、全体に最もポピュラーな推薦トラックの予め決められた数、例えば２００の推薦トラックだけがオリジナルのプレイリストトラックとともに戻される。この数は重要ではなく、その案も、表示のためのセットのサイズを低減することである。小さなスクリーンデバイスのためには、ＰＤＡのような、またより小さな装置が使われるかもしれない。

Ｇ. 行列は、如何なる２つのトラックの間ででもペアワイズ（pair-wise）推薦強度から構成される。強度測定基準は、推薦トラックを提供した推薦者によって提供される。行列の対角線は、それぞれのＰＣＡファイルで与えられるように、そのトラックの全体の人気である。

Ｈ. 次に、行列を横切る行毎にユークリッド距離が計算され、古い行列は、スペースを節約するために削除されるかもしれない。

Ｉ. 次に、好適な一実施例では、任意であるが、各行列要素の自然対数は計算され、オリジナルの要素値に置換されるかもしれない。自然対数は、「近」距離が「遠」距離よりも保存が良いように、トラック「距離」を圧縮する。マップ上で「長」距離を表すことは、結果として生じるプロットを歪める傾向があるので、その記述的な能力を制限するが、これは、以下で説明されたマップディスプレイのためにはプラス面を有する。

Ｊ. 計量ＭＤＳ(多次元尺度構成)法は、行列の最上位（top）の固有ベクトル(次元)を明らかにするために、行列で使われる。

一実施例では、スクリプトは、使用可能なデータベース中で推奨された各アイテムのためのトラックＩＤを探す。その場合、スクリプトは、対応するトラック名、アーティスト名、アルバム名などを返すことができる。望ましくは、ＭＤＳアルゴリズムからのトラックＩＤ、その関連したタイトル、アーティスト、アルバム情報及びその二次元位置は、ＸＭＬファイルとして返される。（他のプロトコル又はコーディングを使うことができる。）

最小で、グラフィカルなマップディスプレイ(２次元)を作成するためには、まさにＭＤＳアルゴリズムからのその２次元位置で十分である。各アイテム、例えば歌は、マップ上の対応する２次元位置にプロットされる。各歌は、それが２次元マップ空間のどこにあるかを示すために、マップ上でドット、円、正方形又はすべての他の可視インジケータあるいはトークンによって、表示されるかもしれない。マップディスプレイのx、y軸又は次元は、如何なる直接的な定義をも有していない。(例えば、x次元は歌の速度を表しておらず、y方向は歌の如何なるメタデータ又は記述子とも相関していない。) むしろ、有用性は、歌トークンの、マップ上の他の歌トークンとの相対的な位置から生じる。

次に図１を参照するに、該図は、対応する丸いドットによってそれぞれが表されている一組の歌のマップを示す。このマップ中のアイテムの２つのサブセット又は種が、異なる色によって識別され、図面中ではハッチング線によって示されている。実用的な実施では、カラーディスプレイの使用が好ましい。原則的に、任意数のサブセットを同時に表示することができる。また、さまざまな色の使用は、さまざまなグループを識別するために、好ましい。しかしながら、アイコンのさまざまなサイズ又は形状をも同様に使うことができる。

図１のマップで、全体に符号１１０で示された第１のセットのドットは、入力セット、例えばユーザのプレイリストに対応している。この第１のセットの各ドットは、歌又は他のプレイリストメディアアイテムに対応しており、例えばドット１１２、１１４のための対角ハッチング線によって識別される。符号１４０で全体が示されたより多くのドットの第２のセットは、ユーザのプレイリスト上のアイテムとの関係に基づいてユーザに推薦される歌(又は他のメディアアイテム)に対応している。これらは、小さな円又は満たされていないドット、例えばドット１４２、１４４によって示されている。一般的な方法では、ユーザは、いくつかの推奨されたドットが、視覚的により「遠い」推薦のそれらよりもユーザのプレイリストの歌(マップ空間で重なりさえ生じる)に近いことを観察できる。

本発明の他の態様では、上で説明されたタイプのグラフィックマップディスプレイは、より容易に付加情報をユーザに伝えるために、対話式であるようにプログラムすることができる。ユーザインタラクションは、例えば、ポインティングデバイス(マウス、ジョイスティック、タッチパッドなど)又は他の入力装置を用いてのユーザからの入力を含むことができる。主に、マップディスプレイ画面の上でカーソルを移動するための手段はしきい値が条件である。これは、ユーザが、より多くの情報を要求するために、カーソルを移動するかマップの上のアイテム(ドット、トークン)の選ばれた１つのまわりを「うろつく（hover）」ことを可能にする。

次に図２を参照するに、ユーザがアイテム上をうろつく（hover）か、それを「クリックする」と、付加情報は、選ばれたアイテムを表すメタデータなどを表示することができる。メタデータは、例えば、歌のタイトル、アーティスト、アルバム、ジャンル、リリースの年などを含むかもしれない。メタデータはマップ上の選ばれたアイテムに隣接して、又はディスプレイ画面上の都合の良い位置に表示されるかもしれない。

本発明の他の特徴によれば、対話形式のディスプレイは、マップの上の選ばれたアイテムを動的に再配置する。この特徴は、図１のマップ上のいくつかのエリアでそうであるように、近接して配置されあるいは互いに重なり合った多数のトークンでマップが込んでいるところで、特に有益である。（この状況は「妨害掩蔽（nuisance occlusion）」と呼ぶことができる。）好ましくは、1度に１つのアイテムが選ばれ、それが動かずに保持され、周辺のアイテム（選ばれたアイテムから予め決められた距離内のそれら）は、選ばれたアイテムのまわりにスペースすなわち「暈（halo）」を広げるように、それから遠ざけられる。（「追い払われる。」）この特徴は図２に示されている。ユーザが興味のあるアイテムは、例えばホーバリングする（hovering）カーソルあるいはマウスクリック等によって選ぶことができる。「暈」のサイズは重要ではなく、それは主に1度に1つのアイテムの選択を容易にする。正確にどのように周辺のアイテムが遠ざけられるかも重要ではない。例えば、それらのアイテムは、選ばれたアイテムの位置にその基点を有するデカルト虚軸に関してそれらが位置する象限に対応した遠い角の方へ進むかもしれない。他の実施例では、選ばれたアイテムの回りの近くのアイテムは、該アイテムが選ばれたアイテムを再び覆い隠さないように、マップからまさに一時的に「消える」かもしれない。これは、ユーザがもっとよく知るために興味ある個々のアイテムをより容易にクリックするか、さもなければ選ぶことを可能にする。

好適な一実施例では、対話形式の視覚化環境は、埋め込まれたフラッシュアプレットとして上記したように一般的に実装される。他の技術も同様に使うことができる。アプレットは、望ましくは、上で説明した入力データをＸＭＬファイルで読む。それは、次にＸＭＬファイルに記載され、アプレットディスプレイパネルのサイズに適合するようにスケーリングを受けた位置にノードを生成する。好適な一実施例では、それは、ノードの人気得点に適合する大きさに該ノードを設定する。人気得点は、前記近傍の他のノードとの比較であり、標準化されている。これにより、すべてのノードが上で議論された可視化及びインタラクションのために適切な範囲に納められる。

他の実施例では、マップノードはマウスカーソルの位置に従って追い払われるであろう。このインタラクションスタイルは、また、マッピングアルゴリズムによって生成されるようなデータ分布で生じる過度な「妨害掩蔽」を緩和するように設計される。好適な本実施例では、各ノードは該ノードとカーソルとの関係に依存したいくつかの可能な状態及びふるまいを有する。次に図４を参照する。

１． ノードは「ホーバリングを受け(Hovered)」（カーソルがその上をホーバリングし（hovering）、領域「Ａ」で表されている）
ａ． ノードは、その彩度を増大させ、より目立たせるであろう。それはすべての運動を停止する。
２． ノードは「覆われている」(カーソルはその上にあるが、ノードは該ノード上の他のノードによって掩蔽されている。この配置の最上位置のノードはホーバリングを受け、その残余は覆われている）
ａ． ノードはカーソルから離れるように真っ直ぐに動くであろう。
３． ノードは、「近距離（Short Ranged）」にある（カーソルはノードから短い距離内にあり、領域Ｂによって表されている)
ａ． ノードはカーソルから離れるように真っ直ぐに動くであろう。
４． ノードは「中近距離境（Mid Ranged Bordered）」にある（カーソルは近距離と中近距離ゾーンとの間の小さなギャップ中にある。ゾーンＢ及びＣ間）
ａ． ノードは、動きを停止する。これは、カーソルから離れるようにノードを散りばめるが、それでも近接ノードが選ばれることを可能にする。
５． ノードは「中間距離（Mid Ranged）」にある（カーソルは領域Ｃ内にある。）
ａ． ノードはカーソルから離れるように真っ直ぐに動くであろう。
６． ノードは「遠距離境（Far Ranged Bordered）」にある（カーソルは遠距離と該遠距離外との間の小さなギャップ中にある。）
ａ． ノードは、動きを停止する。
７． ノードは「遠距離（Far Ranged）」にある（カーソルは領域Ｃ外にある。）
ａ． ノードは、そのオリジナルの位置に戻るように動く。既にそのオリジナル位置にあれば、ノードは何もしないであろう。

他の代替実施例では、追加の移動ロジックの改良を適用することができる。例えば、システムは、いつの時点でも、いくつのノードが動いているかを絶えず追跡する。１つ又は２つのノードだけがカーソルとインタラクションしているならば、該カーソルはほとんど(又は全く)動かないであろう。これは、ノード密度の「まばらな」領域上でインタラクションを単純化する。また、ノードに、該ノードに適用される一定の伸縮自在な要因を与え、該ノードがそれらのオリジナルの位置からあまり遠くに移動することを防止することが好ましい。

ここに明らかにされた分析及び可視化の方法は、好ましくは、ソフトウェアで実行される。その結果は、１つの態様において、ユーザの（コンピュータなどに関連づけられる）ディスプレイ画面上への表示のために生成されたグラフィカルなマップである。好ましくは、そのようなソフトウェアは、集中型のサーバに実装され、例えば上で説明されるようなスクリプトを使い、その結果、ネットワーク経由で遠隔地のユーザによって使うことができる。(ここでは、概念的なデータネットワークと区別されるように、我々はインターネットなどの通信網に言及する。)

本発明の基本的原理から逸脱することなく、上記で説明した実施例の細部にまで多くの変更を施すことができることは、当業者にとって明らかであろう。本発明の範囲は、したがって、以下の特許請求の範囲によってのみ決められるべきである。

１１０ 第１のセット（入力セット）
１１２、１１４ プレイリストメディアアイテム
１４０ 第２のセット
１４２、１４４ 推薦されるメディアアイテム

Claims (20)

1. （ａ）対応するトラックのためにトラックＩＤを含むプレイリストを受信すること、
   （ｂ）推薦者のデータベース又はサービスにアクセスし、前記プレイリストのトラックＩＤに応答して推奨されるトラックＩＤであって各推薦トラックＩＤがそれぞれの強度メトリックを含み前記プレイリストＩＤ及び前記推薦トラックＩＤが共にデータセットを構成するトラックＩＤの予め決められた数を検索すること、
   （ｃ）少なくとも前記データセット近傍内に現れる予め決められた最小数を共有しない推薦トラックＩＤを削除し、その結果、視覚化表示のために前記データセットを管理可能な量に削減すること
   （ｄ）推奨されたトラックＩＤを人気によって並べ替えること、
   （ｅ）視覚化表示のためのデータセットの大きさを減少させるように、最も人気のある推薦トラックの最適な予め決められた全体数のみを保持すること、
   （ｆ）減少したデータセットにおけるトラックの各ペアの間でペアワイズの推薦強さから、対角が選ばれたリソースで示されるようにそのトラックの全体の人気である行列を作ること、
   （ｇ）前記行列を横切る行毎にユークリッド距離を計算すること、
   （ｈ）前記行列の優勢固有ベクトル（複数次元）を決定するために、前記行列にメトリックＭＤＳ（多次元尺度構成）法を適用すること、
   （ｉ）前記プレイリストトラック及び推奨されたトラックのそれぞれのための２次元のマップ位置を支配固有ベクトルに基づいて決定すること、及び
   （ｊ）各トラックのための前記２次元のマップ位置に応じてグラフィックディスプレイスクリーンの上の減少したデータセットの視覚化マップをプロットすることの各ステップを含む、音楽データの分析及び視覚化マッピングのための方法。
2. さらに、各行列要素の自然対数を計算し、プロットされた視覚化マップの上の相対距離を圧縮するようにオリジナルの値または各行列要素に替えて前記自然対数を代用する、請求項１に記載の方法。
3. さらに、ユーザによって選ばれたトラックのための対応したメタデータをプロット化された前記視覚化マップに表示することを含む、請求項１に記載の方法。
4. 第１及び第２の異なる表象によって、前記プレイリストトラック及び前記推奨されたトラックを前記視覚化マップディスプレイに示すことを含む、請求項２に記載の方法。
5. 前記第１及び第２の表象は前記視覚化マップディスプレイ上に異なる色で識別される、請求項４に記載の方法。
6. 各音楽トラックの相対的な人気は前記マップディスプレイ上の関連付けられた前記表象の対応する大きさによって示される、請求項２に記載の方法。
7. 前記プロッティングのステップは、対応する音楽トラックと関連付けられたメタデータを表示するためにユーザが前記マップ上の表象を選択することを可能にするユーザインタラクション機能を付与することを含む、請求項４に記載の方法。
8. 前記プロッティングのステップは、前記マップの込んでいる領域の中での掩蔽を緩和するように現カーソル位置から離れた隣接する表象を追い払うことによって、前記マップ上に選択されなかった表象を動的に再配置するユーザインタラクション機能を付与することを含む、請求項４に記載の方法。
9. 前記マップとのユーザインターラクションを支援するために前記マップディスプレイ上の選択された表象の彩度を増大させることを含む、請求項８に記載の方法。
10. （ａ）記憶されたデジタルネットワークデータセットであってノードが個々のメディアアイテムと一致しておりまたネットワークノード間の接続重さが少なくとも１つの予め決められた特徴に従った接続強度を示すデジタルネットデータセットにアクセスすること、
    （ｂ）近傍行列を成形すべく、前記ネットワークデータセットの選択された近傍サブセットを検索すること、
    （ｃ）各ノードのエッジ重量分布の相違を保つように選択された重み関数を近傍行列に適用すること、
    （ｄ）対称行列を形成するように前記行列を横切る選択されたユークリッド距離計算を適用すること、及び
    （ｅ）前記ネットワークデータセットの選択された近傍サブセットの２次元の可視化マップを形成するように、グラフィックディスプレイ画面にマトリックスデータをプロットすることの各ステップを含む、ネットワークデータセットの分析及びマッピングのための方法。
11. 前記重み関数の選択は、
    （ａ）行列Ａのために検索された近傍から得られ、重み付けされた隣接行列を選択すること、
    （ｂ）前記近傍の各ノードのための総接続重量の合計から対角線行列Ｄを作成すること、
    （ｃ）和行列を成形するために両行列Ａ＋Ｄを加算すること、及び
    （ｄ）次式により定義される重み関数を前記和行列の各ノードの上に適用することの各ステップを含み、
    ＿
    ｗ_i.j ＝ ｋ _i,j −ｋ
    σ
    ここで、ｗ_i.jはノードｉ及びｊ間のノード重みであり、ｋ_i,jは前記両ノード間の共起数（co-occurrence counts）であり、σはｋの標準偏差である、請求項１０に記載の方法。
12. 前記ネットワークデータセットは、前記ノードが個々の音楽トラックまたは歌と一致しておりまた前記接続重量が対応する歌のプレイリスト上での存在回数を表すプレイリストベースの音楽データを含む、請求項１０又は１１に記載の方法。
13. さらに、
    （ａ）第２の近傍行列を形成すべく、前記ネットワークデータセットの第２の選択される近傍サブセットを検索すること、
    （ｂ）前記重み関数を前記第２の近傍行列に適用すること、
    （ｃ）前記第２の近傍行列を横切る選択されたユークリッド距離計算を適用すること、及び
    （ｄ）前記第１及び第２の近傍データの目視比較のために２次元の可視化マップを形成するように、グラフィックディスプレイ画面に第１及び第２の結果として生じる行列データを共にプロットすることの各ステップを含む、請求項１０又は１１に記載の方法。
14. ネットワークデータセットは、前記ノードが個々のメディアアイテムと一致しておりまた前記接続重量が対応するメディアアイテムのプレイリスト上での存在回数を表すプレイリストベースの音楽データを含む、請求項１３に記載の方法。
15. 前記第１の近傍はユーザプレイリストに対応し、前記第２の近傍は、前記ユーザプレイリストに応じて作成された推奨プレイリストに対応している、請求項１４に記載の方法。
16. 前記可視化マップディスプレイ上に異なる第１及び第２の表象によって前記第１及び第２の近傍アイテムを表示することを含む、請求項１５に記載の方法。
17. 前記第１及び第２の表象は、可視化マップディスプレイ上の異なる色によって識別される、請求項１６に記載の方法。
18. 前記第１及び第２の表象は、可視化マップディスプレイ上の異なる形状によって識別される、請求項１６に記載の方法。
19. 各アイテムの前記相対的な人気は、前記マップの上に関連づけられたトークンの大きさによって示される、請求項１０から１９のいずれか一項に記載の方法。
20. 前記メデイアアイテムは個々の音楽トラック又は歌である、請求項１０から１９のいずれか一項に記載の方法。

Images