JP2011015355A - 属性推定装置及び方法及びプログラム - Google Patents

Abstract

【課題】 属性が未知な視聴者に対しても、その属性を推定する。
【解決手段】 本発明は、視聴者の属性が既知である場合は、属性が既知の視聴者について、当該リクエスト情報の内容が類似する視聴者をグループに分類し、当該グループの属性を集計及び統計分析し、グループの属性の集計及び統計分析が行われた結果に基づいて、リクエスト情報に含まれる番組のコンテンツ情報と時間帯及び受信機種別の組み合わせに基づいて視聴者の属性を決定し、推定ルール記憶手段に格納する。また、視聴者の属性が未知である場合は、リクエスト情報の番組内容とリクエスト時間帯と受信機種別の組み合わせに基づいて推定ルール記憶手段を参照することにより該視聴者の属性を決定する。
【選択図】 図１

Description

本発明は、視聴者の属性を推定する属性推定装置及び方法及びプログラムに係り、特に、番組コンテンツに広告を付与する際に、視聴者の属性を推定することによって、その広告にとって意図された視聴者に適合した視聴者に広告を見せることを可能にし、広告の効果を上昇させるための属性推定装置及び方法及びプログラムに関する。

広告配信、その他の映像コンテンツ配信において、配信するコンテンツが豊富になった昨今、広告やコンテンツの視聴者がどのような特性を持っているのかを知り、それに合った広告や映像コンテンツを配信しようとする試みが研究上でも、実ビジネス上でも行われている。その際に、必要となる視聴者の情報を完全に知っておくことが難しい場合には、視聴者の属性を推定して、その上でその視聴者がおそらくは興味を持ちそうな、あるいは、そのような視聴者に向けて作成された広告や映像コンテンツを配信する、という方法がある。例えば、視聴者が興味を持ちそうな番組コンテンツを配信するための技術として、ある時間毎にコンテンツ視聴要求を行った視聴者の属性カテゴリを取得し、それを集計して
、最も多いカテゴリをその時間帯を特徴付けるカテゴリとし、そのカテゴリに対応するコンテンツジャンルを、コンテンツ配信に利用する、という方法がある（例えば、特許文献１参照）。

特開２００４−２７２８５０号公報

しかしながら、上記の特許文献１の技術等では、全視聴者についてその属性カテゴリが定義されている必要があったり、予め視聴者カテゴリとそれに適したコンテンツジャンルとの対応テーブルを有しておくことが必要であったり等、各種前提情報が必要となる。しかし、このような情報を予め用意しておくことは手間が掛かる他、運用上必ずしも漏れなく取得できるとも限らない。また、視聴者の全体的な嗜好の遷移（トレンドや季節変動による影響、提供される番組コンテンツの変化による影響等）等の時間的に変動する情報を反映させることが難しいという問題がある。

本発明は、上記の点に鑑みなされたもので、属性が未知な視聴者に対しても、その属性を推定することで、広告ターゲットに近い視聴者に広告を見せることができ、広告効果を上昇させることが可能な属性推定装置及び方法及びプログラムを提供することを目的とする。

図１は、本発明の原理構成図である。

本発明（請求項１）は、視聴者の属性を推定する属性推定装置であって、
視聴者のIDと該視聴者の基本属性を格納した基本属性記憶手段１０３と、
属性が既知の視聴者について、視聴者属性及びリクエストされた番組コンテンツの内容情報、リクエストした時間帯、受信機の種別を含む情報を蓄積するリクエスト情報記憶手段１０６と、
視聴者装置からリクエスト情報を取得し、該リクエスト情報に含まれている視聴者ＩＤが基本属性記憶手段１０３に登録されている場合は、視聴者の属性が既知であるとし、登録されていない場合は未知であると判定する属性有無判定手段１０１と、
属性有無判定手段１０１において視聴者の属性が既知であると判定された場合は、リクエスト情報記憶手段１０６を参照して、リクエスト情報の内容が類似する視聴者をグループに分類し、当該グループの属性を集計及び統計分析する視聴者分析手段２０２１と、
視聴者分類手段でグループの属性の集計及び統計分析が行われた結果と、リクエスト情報に含まれる番組のコンテンツ情報と時間帯及び受信機種別の組み合わせに基づいて視聴者の属性を決定し、推定ルール記憶手段１０５に格納する属性推定ルール生成手段２０２２と、
属性有無判定手段１０１において視聴者の属性が未知であると判定された場合は、リクエスト情報の番組内容とリクエスト時間帯と受信機種別の組み合わせに基づいて、推定ルール記憶手段１０５を参照することにより該視聴者の属性を決定する視聴者属性推定手段１１０と、を有する。

また、本発明（請求項２）は、属性推定ルール生成手段２０２２及び視聴者属性推定手段１１０において、
視聴者の属性を、視聴者属性情報を用いて広告を含むコンテンツとのマッチングを行うことにより該コンテンツの配信先を決定するマッチング装置に送出する手段を含む。

図２は、本発明の原理を説明するための図である。

本発明（請求項３）は、視聴者の属性を推定する属性推定方法であって、
コンピュータが、
視聴者装置からリクエスト情報を取得し（ステップ１）、該リクエスト情報に含まれる視聴者ＩＤに対応する基本属性が、属性登録済みの視聴者に関する基本属性を格納した基本属性記憶手段に登録されている場合は、視聴者の属性が既知であるとし、登録されていない場合は未知であると判定する（ステップ２）属性有無判定ステップと、
属性有無判定ステップにおいて視聴者の属性が既知であると判定された場合（ステップ２、Ｙｅｓ）は、属性が既知の視聴者について、視聴者属性及びリクエストされた番組コンテンツの内容情報、リクエストした時間帯、受信機の種別を含む情報を蓄積するリクエスト情報記憶手段を参照して、リクエスト情報の内容が類似する視聴者をグループに分類し、当該グループの属性を集計及び統計分析する（ステップ３）視聴者分析ステップと、
視聴者分類ステップでグループの属性の集計及び統計分析が行われた結果と、リクエスト情報に含まれる番組のコンテンツ情報と時間帯及び受信機種別の組み合わせに基づいて視聴者の属性を決定し、推定ルール記憶手段に格納する（ステップ４）属性推定ルール計算ステップと、
属性有無判定ステップにおいて視聴者の属性が未知であると判定された場合（ステップ２、Ｎｏ）は、リクエスト情報の番組内容とリクエスト時間帯と受信機種別の組み合わせに基づいて推定ルール記憶手段を参照することにより該視聴者の属性を決定する（ステップ５）視聴者属性推定ステップと、を行う。

また、本発明（請求項４）は、属性推定ルール計算ステップ、または、視聴者属性ステップで得られた視聴者の属性を、視聴者属性情報を用いて広告を含むコンテンツとのマッチングを行うことにより該コンテンツの配信先を決定するマッチング装置に送出するステップを更に行う。

本発明（請求項５）は、請求項１または２に記載の属性推定装置を構成する各手段としてコンピュータを機能させるための属性推定プログラムである。

上記のように本発明によれば、一部の事前に情報のある視聴者の性別等の基本属性、消費者としてのタイプ等を利用して、番組コンテンツのジャンル等の内容情報及び視聴時間帯の情報から、視聴者の属性を推定するルールを導き出し、属性が未知な視聴者に対しても、その属性を推定することで、広告ターゲットに近い視聴者に広告を見せることができ、広告効果の上昇が期待できる。

本発明の原理構成図である。 本発明の原理を説明するための図である。 本発明の一実施の形態における属性推定装置の構成図である。 本発明の一実施の形態における基本属性記憶部に蓄積されるデータの例である。 本発明の一実施の形態におけるリクエスト情報記憶部に蓄積されるデータの例である。 本発明の一実施の形態における推定ルール記憶部に蓄積されるデータの例である。 本発明の一実施の形態におけるコンテンツ情報記憶部に蓄積されるデータの例である。 本発明の一実施の形態における推定ルール算出部の全体の処理フローである。 本発明の一実施の形態における関係分析部の処理フローである。 本発明の一実施の形態における視聴者属性推定部の全体の処理フローである。

以下、図面と共に本発明の実施の形態を説明する。

図３は、本発明の一実施の形態における属性推定装置の構成を示す。

同図に示す属性推定装置１００は、視聴端末群１０との情報の送受信が可能で、及び視聴者の何らかの消費行動に関わる情報を備えたデータベース、例えば、提携サイトでの購買履歴情報のような購買行動情報を格納する記憶部（購買情報蓄積装置２０）と接続することが可能である。視聴端末群１０の視聴装置１１は、テレビ等の受信機を制御するための端末であり、視聴者からの入力を受けるインタフェースを備えており、観たい映像コンテンツについてのリクエスト情報や、登録されているユーザＩＤ等の視聴者情報を送信することができる。

また、属性推定装置１００は、当該装置１００から出力される推定された視聴者属性情報を利用して、広告等のコンテンツとのマッチを考慮して配信先を決めるマッチング装置３０と接続されている。

以下、ビデオ・オンデマンド等の視聴者からのリクエストを受け付けて映像を配信するサービスを想定して説明する。

属性推定装置１００は、弁別部１０１、コンテンツ情報記憶部１０４、視聴者属性推定を行う視聴者属性推定部１１０、視聴者属性推定を行う推定ルール算出部１２０を有する。

弁別部１０１は、視聴端末群１０の視聴装置１１と接続されており、視聴装置１１から番組リクエストを取得し、当該番組リクエストの内容から視聴者属性が未知であり視聴者属性推定を行うか、視聴者属性が既知であり推定ルールの算出を行うか、を判断する。つまり、視聴者属性が未知である場合は視聴者属性推定部１１０の処理を行い、視聴者属性が既知の場合は指定ルール算出部１２０の処理を行う。なお、本例では、視聴者属性が未知であるか既知であるかの判定は、番組リクエストとユーザＩＤの対応がとれており、かつ当該ユーザＩＤが基本属性記憶部１０３に登録されているか否かで判断するものとする。また、この例に限定されることなく、端末識別番号等の送信元の端末からリクエストされたことがわかる何らかの情報を用いることも可能である。

推定ルール算出部１２０は、属性推定ルールを作成する属性推定ルール計算部１０２と、図４に示すような視聴者の基本属性が格納されている基本属性記憶部１０３、図５に示すようにそこで用いられる視聴者属性と番組コンテンツリクエスト情報のセットを格納するリクエスト情報記憶部１０６、図６に示すように作成された推定ルールを蓄積する推定ルール記憶部１０５を有する。

属性推定ルール計算部１０２は、視聴者情報取得部２０１と関係分析部２０２とを有する。

視聴者属性推定部１１０は、図７に示すようなコンテンツ情報を蓄積しておくコンテンツ情報記憶部１０４からコンテンツIDを元にコンテンツ情報を取得するコンテンツ情報取得部１０７と、推定ルール記憶部１０５を参照して視聴者のタイプを判別する視聴者タイプ判別部１０８から構成される。

属性推定装置１００の基本属性記憶部１０３、コンテンツ情報記憶部１０４、推定ルール記憶部１０５、リクエスト情報記憶部１０６は、ハードディスク装置等の記憶媒体である。

基本属性記憶部１０３は、図４に示すような各視聴装置１１から予め登録されたユーザ毎のユーザID、性別、年代、地域等の静的な情報を格納している。

コンテンツ情報記憶部１０４は、図７に示すように、コンテンツ毎の番組ID、番組名、製作者、放映期間、ジャンル、番組内容等を格納する。

推定ルール記憶部１０５は、図６に示すように、受信機の種別、ユーザID、時間帯毎のリクエストのジャンル（例えば、報道、趣味、音楽等）及び、視聴者群の識別情報を格納する。

リクエスト情報記憶部１０６は、図５に示すように、ユーザ毎にユーザID、性別、年齢等の視聴者属性、時刻、受信機の種別、コンテンツID、コンテンツ内容情報等が格納される。

以下に、上記の構成における属性推定装置１００の動作を説明する。

＜推定ルール算出部１２０の動作＞
最初に、推定ルール算出部１２０の処理について説明する。以下の処理は、弁別部１０１において、視聴装置１１から受信した番組リクエスト情報に視聴者属性がある場合（視聴者属性が既知）に推定ルールを算出する動作である。

図８は、本発明の一実施の形態における推定ルール算出部の全体の処理フローを示す。

ステップ６０１） 弁別部１０１は、番組リクエスト情報（リクエストする番組のコンテンツID、及び、時刻、受信機の種別（携帯端末、テレビ等）、ある場合は視聴者属性についての情報等）を視聴装置１１より受信する。この時、何らかのネットワークを介して受信してもよい。弁別部１０１は、視聴者属性についての情報としてユーザＩＤが含まれている場合は、当該ユーザＩＤに基づいて基本属性記憶部１０３を参照し、当該ユーザＩＤが登録されている場合は、以下の処理を行う。登録されていない場合は、後述する図１０の処理を行う。

ステップ６０２） 弁別部１０１は、番組リクエスト情報のうち、ユーザID、コンテンツID、リクエスト時刻、受信機の情報を、属性推定ルール計算部１０２に送る。ここで、ユーザIDは、基本属性記憶部１０３に登録された視聴者の属性に対応付けられたIDで、かつ、購買情報蓄積装置２０とも共通のものであってもよい。

ステップ６０３） 属性ルール計算部１０２の視聴者情報取得部２０１は、ユーザIDに基づいて、基本属性記憶部１０３より当該視聴者の基本属性情報を取得する。

ステップ６０４） 視聴者情報取得部２０１は、同じくユーザIDに基づいて、外部の購買情報蓄積装置２０にアクセスし、その視聴者の購買行動に関する情報（購買行動情報）を取得する。外部から取得する当該購買行動情報としては、例えば、提携しているオンライン・ショップでの購買履歴の一部でもよい。視聴者情報取得部２０１は、その購買行動情報を利用して、その視聴者の消費タイプを決定する。ここで、消費タイプとは、例えば、スタイル追求型、ファミリー型等、ライフスタイルや購買行動・嗜好の傾向の典型をいくつか定めたものである。

このような顧客分類のための方法は様々提案されているが、本装置１００では、購買行動情報から顧客分類を決定するためにこれらの処理を行うのではなく、今後の処理のために購買行動情報からわかる視聴者についての属性にラベルをつける目的で行う。そのために、顧客分類のための既存手法を用いてもよい（例えば、「當間愛晃、遠藤聡志、石原洋、大城翔、植木宏、高野敦伸、稲荷幹夫、比嘉徹、"電子マネー顧客分類のための手法と検討と解析結果に関する報告"、信学技報、KBSE, vol. 105, No. 652, pp. 19-24, 2006」を参照）。

ステップ６０５） 視聴者情報取得部２０１は、ステップ６０３で得られた当該視聴者の基本属性情報と、ステップ６０４で得られた消費タイプを、該視聴者の視聴者属性として関係分析部２０２に渡す。

ステップ６０６） また、視聴者情報取得部２０１は、弁別部１０１から渡されたコンテンツID、リクエスト時刻、受信機の種別（テレビ、携帯端末等）もまた関係分析部２０２に渡す。

ステップ６０７） 関係分析部２０２は、コンテンツIDを元に、コンテンツ情報記憶部１０４よりコンテンツ情報を取得する。コンテンツ情報としては、番組ジャンル、つづきもの、短編、等の番組形態、等のコンテンツの内容についての情報をコンテンツ情報記憶部１０４から取得する。

また、関係分析部２０２は、得られた視聴者属性とリクエスト時刻、受信機の種別、コンテンツ情報をマッチング装置３０に出力し、リクエストされた番組コンテンツにあった広告が選択されるようにする。

ステップ６０８） 関係分析部２０２は、ステップ６０５で得た視聴者属性、ステップ
６０６で得たリクエスト時刻、受信機の種別、ステップ６０７で得たコンテンツ内容情報をリクエスト・セットとしてリクエスト情報記憶部１０６に蓄積する。

ステップ６０９） 関係分析部２０２は、リクエスト情報記憶部１０６に蓄積されたリクエスト・セットを読み込んで、視聴者属性、リクエスト時刻及び端末、番組ジャンル等のコンテンツ内容情報の関係を分析して、属性推定ルールを作成し、推定ルール記憶部１０５の内容を更新する。

次に、上記のステップ６０９の処理について詳細に説明する。

図９は、本発明の一実施の形態における関係分析部の処理フローを示す。

ステップ７０１） 関係分析部２０２は、前回の処理から一定時間が経過したかどうかを判断する。経過した場合、リクエスト情報記憶部１０６に蓄積されたデータについて以下のような処理を行う。経過していない場合は、当該処理を終了する。

ステップ７０２）関係分析部２０２は、リクエスト情報記憶部１０６より、蓄積されたリクエスト・セット群を読み込み、リクエスト受信機の種別毎に、コンテンツ内容とリクエスト時刻によって視聴者を分類する。このとき、コンテンツ内容として、予め定まったセットの番組ジャンルを用いたり、番組内容の説明文から抽出したキーワードを用いたりしてもよい。例えば、前者を用いる場合、番組ジャンル間の距離を定めておき、ある視聴者の時間帯毎のリクエストする番組ジャンルのパターンを求め、そのパターンの類似度によって視聴者を分類してもよい。また、ある視聴者について、その時間帯にジャンルＡを視聴したら"１"、視聴しなかったら"０"とし、数（時間帯数）×（ジャンル数）次元のベクトルで表現し、そのベクトル間の類似度を定めて視聴者を分類する、という方法も考えられる。

このとき、一日毎にそのパターンを求めて使用してもよいが、例えば、月単位などでダイナミックに変化する変遷パターンを求めて、その類似度を算出して、視聴者を分類してもよい。

ステップ７０３） 関係分析部２０２は、ステップ７０２で得られたそれぞれの視聴者群について、各データに対応付けられている基本属性記憶部１０３の視聴者属性を集計、あるいは、統計処理を行って代表的な属性を決定したり、視聴者属性の分布を算出したりする。

ステップ７０４） 関係分析部２０２は、視聴者属性が未知の視聴者については、そのリクエスト・セットについて、それがどの視聴者群に所属しそうなデータかを推定し、視聴者群のクラスタの視聴者属性の代表値もしくは視聴者属性の分布を推定された視聴者属性とし、推定ルールとする。"どの視聴者群に所属しそうなデータかを推定"する方法については、ステップ７０２で行ったように、"１"もしくは"０"を要素とする（時間帯数）×（ジャンル数）次元のベクトルの類似度を用いて、類似度が最も高くなるような視聴者群の代表値を求め、そのリクエスト・セットが属するクラスタ（視聴者群）に該当するものとしてもよい。

ステップ７０５） 関係分析部２０２は、ステップ７０４で求めたある視聴者とそのリクエスト・セットとそれが該当する視聴者群の情報で推定ルール記憶部１０５を更新する。推定ルール記憶部１０５に蓄積されるデータの例は図６に示すとおりである。

以上のようにして、推定ルール算出部１０２により推定ルール記憶部１０５には視聴者属性推定の根拠が蓄積され、視聴者属性推定部１１０によって参照される。

＜視聴者属性推定部１１０の動作＞
次に、弁別部１０１において視聴者属性が"未知"と判定された場合の、視聴者属性推定部１１０の動作を説明する。

図１０は、本発明の一実施の形態における視聴者属性推定部の動作の処理フローである。

ステップ８０１） 弁別部１０１は、番組リクエスト情報を視聴装置１１より受信する。

ステップ８０２） 弁別部１０１は、番組リクエスト情報からリクエスト時刻、受信機種別情報を抽出し、視聴者タイプ判別部１０８に転送する。

ステップ８０３） 弁別部１０１は、番組リクエスト情報からコンテンツIDを抽出し、コンテンツ情報取得部１０７に転送する。

ステップ８０４） コンテンツ情報取得部１０７は、コンテンツ情報記憶部１０４より、コンテンツIDに基づいてコンテンツ情報を取得し、視聴者タイプ判別部１０８に転送する。

ステップ８０５） 視聴者タイプ判別部１０８は、番組リクエスト情報の時間帯毎の推定ルール記憶部１０５を参照し、ステップ７０３に示したような方法を用いて視聴者タイプ（属性）を推定し、その結果をマッチング装置３０に出力する。

マッチング装置３０は、視聴者タイプ判別部１０８から視聴者属性情報を取得して、広告等のコンテンツとのマッチングを行い、配信先を決定する。

上記のように、本発明は、一部の属性が既知な（基本属性記憶部に登録されている）視聴者の番組コンテンツリクエスト情報を蓄積及び分析した結果を応用して、属性が未知な視聴者の属性を推定する。よって、視聴者の属性に合わせたコンテンツの推薦を行うにあたって、視聴者の属性情報がない場合にもその視聴者に合ったコンテンツを推薦することが可能である。また、本発明では、視聴行動のパターン（番組コンテンツのリクエストの時間的変動パターン）等の時間的に変動する要因を反映させることができるため、従来用いられてきた静的な属性に加えて、例えば、一日の視聴のパターンという動的要因を用いて視聴者をカテゴライズすることができ、今までよりも的確な属性の推定が可能になる。また、変化していく購買行動やトレンドなどの、時間的に変動する視聴者のタイプに適応することができ、常に最適に視聴者をカテゴライズし、属性の推定を行うことができる。

また、上記の図３に示す属性推定装置の各構成要素の動作をプログラムとして構築し、属性推定装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。

また、構築されたプログラムをハードディスクや、フレキシブルディスク・ＣＤ−ＲＯＭ等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。

なお、本発明は、上記の実施の形態及び実施例に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。

本発明は、広告提示のターゲットとなる視聴者を検索し、当該視聴者に広告情報を提供する技術に適用可能である。

１０ 視聴端末群
１１ 視聴装置
２０ 購買情報記憶装置
３０ マッチング装置
１００ 属性推定装置
１０１ 属性有無判定手段、弁別部
１０２ 属性推定ルール計算部
１０３ 基本属性記憶手段、基本属性記憶部
１０４ コンテンツ情報記憶部
１０５ 推定ルール記憶手段、推定ルール記憶部
１０６ リクエスト情報記憶手段、関係記憶部
１０７ コンテンツ情報取得部
１０８ 視聴者タイプ判別部
１１０ 視聴者属性推定手段、視聴者属性推定部
１２０ 推定ルール算出部
２０１ 視聴者情報取得部
２０２ 関係分析部
２０２１ 視聴者分析手段
２０２２ 属性推定ルール生成手段

Claims (5)

1. 視聴者の属性を推定する属性推定装置であって、
   視聴者のIDと該視聴者の基本属性を格納した基本属性記憶手段と、
   属性が既知の視聴者について、視聴者属性及びリクエストされた番組コンテンツの内容情報、リクエストした時間帯、受信機の種別を含む情報を蓄積するリクエスト情報記憶手段と、
   視聴者装置からリクエスト情報を取得し、該リクエスト情報に含まれる視聴者ＩＤが前記基本属性記憶手段に登録されている場合は、視聴者の属性が既知であるとし、登録されていない場合は未知であると判定する属性有無判定手段と、
   前記属性有無判定手段において視聴者の属性が既知であると判定された場合は、前記リクエスト情報記憶手段を参照して、前記リクエスト情報の内容が類似する視聴者をグループに分類し、当該グループの属性を集計及び統計分析する視聴者分析手段と、
   前記視聴者分類手段で前記グループの属性の集計及び統計分析が行われた結果と、前記リクエスト情報に含まれる番組のコンテンツ情報と時間帯及び受信機種別の組み合わせに基づいて前記視聴者の属性を決定し、推定ルール記憶手段に格納する属性推定ルール生成手段と、
   前記属性有無判定手段において視聴者の属性が未知であると判定された場合は、前記リクエスト情報の番組内容とリクエスト時間帯と受信機種別の組み合わせに基づいて前記推定ルール記憶手段を参照することにより該視聴者の属性を決定する視聴者属性推定手段と、
   を有することを特徴とする属性推定装置。
2. 前記属性推定ルール生成手段及び前記視聴者属性推定手段は、
   前記視聴者の属性を、視聴者属性情報を用いて広告を含むコンテンツとのマッチングを行うことにより該コンテンツの配信先を決定するマッチング装置に送出する手段を含む
   請求項１記載の属性推定装置。
3. 視聴者の属性を推定する属性推定方法であって、
   コンピュータが、
   視聴者装置からリクエスト情報を取得し、該リクエスト情報に含まれる視聴者ＩＤが、属性登録済みの視聴者に関する基本属性を格納した基本属性記憶手段に登録されている場合は、視聴者の属性が既知であるとし、登録されていない場合は未知であると判定する属性有無判定ステップと、
   前記属性有無判定ステップにおいて視聴者の属性が既知であると判定された場合は、属性が既知の視聴者について、視聴者属性及びリクエストされた番組コンテンツの内容情報、リクエストした時間帯、受信機の種別を含む情報を蓄積するリクエスト情報記憶手段を参照して、前記リクエスト情報の内容が類似する視聴者をグループに分類し、当該グループの属性を集計及び統計分析する視聴者分析ステップと、
   前記視聴者分類ステップで前記グループの属性の集計及び統計分析が行われた結果と、前記リクエスト情報に含まれる番組のコンテンツ情報と時間帯及び受信機種別の組み合わせに基づいて前記視聴者の属性を決定し、推定ルール記憶手段に格納する属性推定ルール計算ステップと、
   前記属性有無判定ステップにおいて視聴者の属性が未知であると判定された場合は、前記リクエスト情報の番組内容とリクエスト時間帯と受信機種別の組み合わせに基づいて、前記推定ルール記憶手段を参照することにより該視聴者の属性を決定する視聴者属性推定ステップと、
   を行うことを特徴とする属性推定方法。
4. 前記属性推定ルール計算ステップ、または、前記視聴者属性ステップで得られた前記視聴者の属性を、視聴者属性情報を用いて広告を含むコンテンツとのマッチングを行うことにより該コンテンツの配信先を決定するマッチング装置に送出するステップを更に行う、
   請求項３記載の属性推定方法。
5. 請求項１または２に記載の属性推定装置を構成する各手段としてコンピュータを機能させるための属性推定プログラム。

Images