JP2011071819A - レコメンデーションサーバ、レコメンド決定方法およびプログラム - Google Patents
レコメンデーションサーバ、レコメンド決定方法およびプログラム Download PDFInfo
- Publication number
- JP2011071819A JP2011071819A JP2009222081A JP2009222081A JP2011071819A JP 2011071819 A JP2011071819 A JP 2011071819A JP 2009222081 A JP2009222081 A JP 2009222081A JP 2009222081 A JP2009222081 A JP 2009222081A JP 2011071819 A JP2011071819 A JP 2011071819A
- Authority
- JP
- Japan
- Prior art keywords
- user
- class
- viewing
- recommendation
- program
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Television Signal Processing For Recording (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】ユーザ群を木構造にグループ化したクラスを作成し、木構造の各ノードのクラスに対して視聴履歴情報に基づいて、録画番組のレコメンデーションを行う。
【解決手段】予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する格納手段と、受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と格納手段に格納された木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定するユーザクラス判定手段と、ユーザクラス判定手段において求められたユーザクラスに基づいて、視聴番組のレコメンドを行うレコメンド手段と、を備える。
【選択図】図1
【解決手段】予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する格納手段と、受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と格納手段に格納された木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定するユーザクラス判定手段と、ユーザクラス判定手段において求められたユーザクラスに基づいて、視聴番組のレコメンドを行うレコメンド手段と、を備える。
【選択図】図1
Description
本発明は、複数のユーザの視聴履歴に対して、録画番組に対する適切なレコメンデーションを行うレコメンデーションサーバ、レコメンド決定方法およびプログラムに関する。
近年、放送の多チャンネル化やインターネットの普及により視聴できるコンテンツが増大している。また、デジタル放送において字幕情報やメタ情報が付与された番組が増えている。
こうした中、セットトップボックス(STB)を用いた多数の番組の録画が可能になり、視聴履歴に基づく推奨番組を自動録画する様々な手法が提案されている。そのため、宅内に、TV受像機やSTBなどデジタル放送を受信可能な機器が複数存在し、一人のユーザが複数の録画再生装置を使用するケースが増えている。
また、同一宅内あるいは異なる宅内に設置された録画再生装置が、それぞれの機器に接続された通信回線経由で情報を交換することが可能になってきた。このように、ソーシャル・ネットワーキング・サービス(SNS)の広がりにより、離れたメンバー間で推奨番組情報を交換する環境が整ってきた。
そのため、特許文献1では、TV受像機と録画再生装置のそれぞれを使用する場合、それぞれの録画再生装置間でユーザの嗜好情報を共有することにより視聴履歴精度を高めることを目的として、TV受像機と録画再生装置間で視聴記録履歴を相互交換する技術が開示されている。
また、特許文献2では、より自分の嗜好に合った番組を録画することを目的として、面白かった等の評価がわかる形式で番組名等を表示することで、自分と嗜好等の属性が同じである他人が行った番組に対する評価を受け取り、自分と嗜好等が同じ人が面白いと評価している番組を選択し、視聴することができる技術が開示されている。
さらに、特許文献3では、複数のユーザのユーザ番組視聴履歴から特定のユーザと似た履歴を持つ類似ユーザ群を統計的に求め、ユーザ・ベースの協調フィルタリングにより類似ユーザ群の好む番組群に基づいて判り易くコンテンツを推薦する技術が開示されている。
しかしながら、特許文献1に開示された技術は、異なる機器に蓄積された視聴履歴を交換のした上で、自己の視聴履歴に単純に追加するもので、蓄積された視聴履歴において、他方と自己の視聴履歴の区別はない。また、TV受像機と録画再生装置間の相互情報交換に限定されており、複数の録画再生装置間の視聴履歴の交換を目的としていない。
また、特許文献2に開示された技術は、視聴履歴だけではなく、視聴者の評価結果を明示的に機器に入力することが必要であり、特許文献3に開示された技術は、特定のユーザごとに類似のユーザ群を個別に求める必要があるという課題があった。
そこで、本発明は、上述の課題を解決するためになされたものであり、ユーザ群を木構造にグループ化したクラスを作成し、木構造の各ノードのクラスに対して視聴履歴情報に基づいて、録画番組のレコメンデーションを行うレコメンデーションサーバ、レコメンド決定方法およびプログラムを提供することを目的とする。
本発明は、上記の課題を解決するために、以下の事項を提案している。
(1)本発明は、受信装置に対して、番組録画のレコメンデーションを行うレコメンデーションサーバであって、予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する格納手段と、前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と前記格納手段に格納された木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定するユーザクラス判定手段と、該ユーザクラス判定手段において求められたユーザクラスに基づいて、視聴番組のレコメンドを行うレコメンド手段と、を備えたことを特徴とするレコメンデーションサーバを提案している。
この発明によれば、格納手段は、予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する。ユーザクラス判定手段は、受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と格納手段に格納された木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する。レコメンド手段は、そのユーザクラス判定手段において求められたユーザクラスに基づいて、視聴番組のレコメンドを行う。したがって、ユーザ群を木構造にグループ化したクラスを作成し、木構造の各ノードのクラスに対して視聴履歴情報に基づいて、録画番組のレコメンデーションを行うため、受信装置から視聴履歴情報さえ入力すれば、各ユーザに対して、その視聴履歴に基づいた適切な録画番組のレコメンデーションを実行することができる。
(2)本発明は、(1)のレコメンデーションサーバについて、前記木構造ユーザクラスモデルが、すべてのユーザが所属するクラスを頂点とする木構造のクラスにより構成されることを特徴とするレコメンデーションサーバを提案している。
この発明によれば、木構造ユーザクラスモデルが、すべてのユーザが所属するクラスを頂点とする木構造のクラスにより構成される。つまり、すべてのユーザが所属するクラスを頂点とし、さらに、ジャンル等のパラメータにより下位のクラスが分岐されて構成されるため、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
(3)本発明は、(2)のレコメンデーションサーバについて、前記木構造のクラスの分割数が、録画された番組の類似度に基づく距離尺度に基づくことを特徴とするレコメンデーションサーバを提案している。
この発明によれば、木構造のクラスの分割数が、録画された番組の類似度に基づく距離尺度に基づく。したがって、ユーザの割り当てられたクラスによって、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
(4)本発明は、(2)のレコメンデーションサーバについて、前記木構造の各クラスが協調フィルタリングを行うためのアイテム間類似度フィルタを備えていることを特徴とするレコメンデーションサーバを提案している。
この発明によれば、木構造の各クラスが協調フィルタリングを行うためのアイテム間類似度フィルタを備えている。したがって、各クラスごとに、適切な協調フィルタリングを行うことができる。
(5)本発明は、(1)のレコメンデーションサーバについて、前記ユーザクラス判定手段が、各ユーザの前記受信装置から入力する視聴履歴に基づいて、最も事後確率が高くなるように、クラスを割り当てることを特徴とするレコメンデーションサーバを提案している。
この発明によれば、ユーザクラス判定手段が、各ユーザの受信装置から入力する視聴履歴に基づいて、最も事後確率が高くなるように、クラスを割り当てる。したがって、特定のユーザに関する視聴履歴データの増加に対応して、最適なクラスを割り当てるとともに、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
(6)本発明は、複数の受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンデーションサーバであって、予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する格納手段と、前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と前記格納手段に格納された木構造ユーザクラスモデルの情報から、それぞれの受信装置のクラスを学習し判定するユーザクラス判定手段と、該ユーザクラス判定手段において求められたそれぞれの受信装置のユーザクラスを合算し、その結果に基づいて、視聴番組のレコメンドを行うレコメンド手段と、を備えたことを特徴とするレコメンデーションサーバを提案している。
この発明によれば、格納手段は、予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する。ユーザクラス判定手段は、受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と格納手段に格納された木構造ユーザクラスモデルの情報から、それぞれの受信装置のクラスを学習し判定する。レコメンド手段は、ユーザクラス判定手段において求められたそれぞれの受信装置のユーザクラスを合算し、その結果に基づいて、視聴番組のレコメンドを行う。したがって、特定のユーザが複数の録画再生機器を用いている場合でも、個々の録画再生機器の視聴履歴からそれぞれのクラスを特定したのち、これらを合算することにより、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
(7)本発明は、複数のユーザの受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンデーションサーバであって、予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する格納手段と、前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と前記格納手段に格納された木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定するユーザクラス判定手段と、該ユーザクラス判定手段において求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出するレコメンド抽出手段と、該抽出した各ユーザのレコメンドの和集合を算出して、前記複数のユーザの視聴番組についてのレコメンドを決定するレコメンド決定手段と、を備えたことを特徴とするレコメンデーションサーバを提案している。
この発明によれば、格納手段は、予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する。ユーザクラス判定手段は、受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と格納手段に格納された木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する。レコメンド抽出手段は、ユーザクラス判定手段において求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出する。レコメンド決定手段は、その抽出した各ユーザのレコメンドの和集合を算出して、複数のユーザの視聴番組についてのレコメンドを決定する。したがって、複数のユーザに対して、レコメンデーションを行う場合であっても、個々のユーザの視聴履歴からクラスを割り当て、これの和集合を求めることにより、すべてのユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
(8)本発明は、受信装置に対して、番組録画のレコメンデーションを行うレコメンデーションサーバにおける録画番組のレコメンド決定方法であって、前記受信装置からユーザの視聴履歴を入力し、予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する第1のステップと、該第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを行う第2のステップと、を備えたことを特徴とするレコメンド決定方法を提案している。
この発明によれば、受信装置からユーザの視聴履歴を入力し、予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する。そして、第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを行う。したがって、ユーザ群を木構造にグループ化したクラスを作成し、木構造の各ノードのクラスに対して視聴履歴情報に基づいて、録画番組のレコメンデーションを行うため、受信装置から視聴履歴情報さえ入力すれば、各ユーザに対して、その視聴履歴に基づいた適切な録画番組のレコメンデーションを実行することができる。
(9)本発明は、複数の受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンデーションサーバにおける録画番組のレコメンド決定方法であって、前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、それぞれのユーザの視聴履歴を合算してクラスを学習し判定する第1のステップと、該第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを行う第2のステップと、を備えたことを特徴とするレコメンド決定方法を提案している。
この発明によれば、受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、それぞれのユーザの視聴履歴を合算してクラスを学習し判定する。そして、第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを行う。したがって、特定のユーザが複数の録画再生機器を用いている場合でも、個々の録画再生機器の視聴履歴からそれぞれのクラスを特定したのち、これらを合算することにより、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
(10)本発明は、複数のユーザの受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンド決定方法であって、前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、特定のユーザのクラスを学習して判定する第1のステップと、該第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出する第2のステップと、該抽出した各ユーザのレコメンドの和集合を算出して、前記複数のユーザの視聴番組についてのレコメンドを決定する第3のステップと、を備えたことを特徴とするレコメンド決定方法を提案している。
この発明によれば、受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、特定のユーザのクラスを学習して判定する。そして、第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出し、その抽出した各ユーザのレコメンドの和集合を算出して、複数のユーザの視聴番組についてのレコメンドを決定する。したがって、複数のユーザに対して、レコメンデーションを行う場合であっても、個々のユーザの視聴履歴からクラスを割り当て、これの和集合を求めることにより、すべてのユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
(11)本発明は、コンピュータに、受信装置に対して、番組録画のレコメンデーションを行うレコメンデーションサーバにおける録画番組のレコメンド決定方法を実行させるためのプログラムであって、前記受信装置からユーザの視聴履歴を入力し、予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する第1のステップと、該第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを行う第2のステップと、を実行するためのプログラムを提案している。
この発明によれば、受信装置からユーザの視聴履歴を入力し、予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する。そして、第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを行う。したがって、ユーザ群を木構造にグループ化したクラスを作成し、木構造の各ノードのクラスに対して視聴履歴情報に基づいて、録画番組のレコメンデーションを行うため、受信装置から視聴履歴情報さえ入力すれば、各ユーザに対して、その視聴履歴に基づいた適切な録画番組のレコメンデーションを実行することができる。
(12)本発明は、コンピュータに、複数の受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンデーションサーバにおける録画番組のレコメンド決定方法を実行させるためのプログラムであって、前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、それぞれの受信装置のクラスを学習し判定する第1のステップと、該第1のステップにおいて求められたそれぞれの受信装置のユーザクラスを合算し、その結果に基づいて、視聴番組のレコメンドを行う第2のステップと、を実行させるためのプログラムを提案している。
この発明によれば、受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、それぞれの受信装置のクラスを学習し判定する第1のステップと、該第1のステップにおいて求められたそれぞれの受信装置のユーザクラスを合算し、その結果に基づいて、視聴番組のレコメンドを行う。したがって、特定のユーザが複数の録画再生機器を用いている場合でも、個々の録画再生機器の視聴履歴からそれぞれのクラスを特定したのち、これらを合算することにより、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
(13)本発明は、コンピュータに、複数のユーザの受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンド決定方法を実行させるためのプログラムであって、前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、特定のユーザのクラスを学習して判定する第1のステップと、該第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出する第2のステップと、該抽出した各ユーザのレコメンドの和集合を算出して、前記複数のユーザの視聴番組についてのレコメンドを決定する第3のステップと、を実行させるためのプログラムを提案している。
この発明によれば、受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、特定のユーザのクラスを学習して判定する。そして、第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出し、その抽出した各ユーザのレコメンドの和集合を算出して、複数のユーザの視聴番組についてのレコメンドを決定する。したがって、複数のユーザに対して、レコメンデーションを行う場合であっても、個々のユーザの視聴履歴からクラスを割り当て、これの和集合を求めることにより、すべてのユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
本発明によれば、ユーザ群を木構造にグループ化したクラスを作成し、木構造の各ノードのクラスに対して視聴履歴情報に基づいて、録画番組のレコメンデーションを行うため、受信装置から視聴履歴情報さえ入力すれば、各ユーザに対して、その視聴履歴に基づいた適切な録画番組のレコメンデーションを実行することができるという効果がある。
本発明によれば、特定のユーザが複数の録画再生機器を用いている場合でも、個々の録画再生機器の視聴履歴からそれぞれのクラスを特定したのち、これらを合算することにより、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができるという効果がある。
本発明によれば、複数のユーザに対して、レコメンデーションを行う場合であっても、個々のユーザの視聴履歴からクラスを割り当て、これの和集合を求めることにより、すべてのユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができるという効果がある。
以下、本発明の実施形態について、図面を用いて、詳細に説明する。
なお、本実施形態における構成要素は適宜、既存の構成要素等との置き換えが可能であり、また、他の既存の構成要素との組合せを含む様々なバリエーションが可能である。したがって、本実施形態の記載をもって、特許請求の範囲に記載された発明の内容を限定するものではない。
なお、本実施形態における構成要素は適宜、既存の構成要素等との置き換えが可能であり、また、他の既存の構成要素との組合せを含む様々なバリエーションが可能である。したがって、本実施形態の記載をもって、特許請求の範囲に記載された発明の内容を限定するものではない。
<第1の実施形態>
図1から図5を用いて、本発明の第1の実施形態について、詳細に説明する。
図1は、本発明のレコメンドサーバを用いたレコメンドシステムを表している。図1によれば、レコメンドシステムは、レコメンドサーバ100と、受信録画再生装置200とから構成されている。受信録画再生装置200は、例えば、STB等であるが、レコメンドサーバ100とネットワークを介して、データの送受信を行い、動画像データを録画・再生できる機器であれば、特に、STB等には限定されない。また、本実施形態においては、特定のユーザに対するレコメンド処理を例にとって説明する。
図1から図5を用いて、本発明の第1の実施形態について、詳細に説明する。
図1は、本発明のレコメンドサーバを用いたレコメンドシステムを表している。図1によれば、レコメンドシステムは、レコメンドサーバ100と、受信録画再生装置200とから構成されている。受信録画再生装置200は、例えば、STB等であるが、レコメンドサーバ100とネットワークを介して、データの送受信を行い、動画像データを録画・再生できる機器であれば、特に、STB等には限定されない。また、本実施形態においては、特定のユーザに対するレコメンド処理を例にとって説明する。
<受信録画再生装置の構成>
受信録画再生装置200は、受信部201と、録画部202と、再生部203と、リモコン入力部204と、視聴履歴蓄積部205と、レコメンドインターフェース部206とから構成されている。なお、レコメンドサーバ100の構成については、後述する。
受信録画再生装置200は、受信部201と、録画部202と、再生部203と、リモコン入力部204と、視聴履歴蓄積部205と、レコメンドインターフェース部206とから構成されている。なお、レコメンドサーバ100の構成については、後述する。
受信部201は、放送局等から番組の放送信号を受信する。録画部202は、受信部201が受信した動画像データ等で構成される番組の放送信号を録画する。再生部203は、録画部202に録画した番組のうち、レコメンドインターフェース部206を介して、レコメンドサーバ100からレコメンドされた番組を再生する。
リモコン入力部204は、視聴者がリモコンを用いて受信録画再生装置200を操作するための操作信号を入力し、その情報を再生部203に出力する。視聴履歴蓄積部205は、視聴者の過去の視聴履歴を記憶する記憶装置である。レコメンドインターフェース部206は、ネットワークを介して、レコメンドサーバ100が決定したレコメンド結果を受信し、この情報を録画部202に出力する。
<レコメンドサーバの構成>
レコメンドサーバ100は、図2に示すように、レコメンド部101と、ユーザクラス判定部102と、ユーザクラスモデル格納部103とから構成されている。
レコメンドサーバ100は、図2に示すように、レコメンド部101と、ユーザクラス判定部102と、ユーザクラスモデル格納部103とから構成されている。
レコメンド部101は、ユーザクラス判定部102において求められたユーザクラスに基づいて、視聴番組のレコメンドを行う。ユーザクラス判定部102は、受信録画再生装置200からユーザの視聴履歴を入力し、特定のユーザの視聴履歴とユーザクラスモデル格納部103に格納された木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する。
ユーザクラスモデル格納部103は、予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する記憶装置である。なお、この詳細については、後述する。
<木構造ユーザクラスについて>
ユーザクラスモデル格納部103には、図3に示すように、予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルが格納されている。この木構造ユーザクラスモデルは、ユーザをK−means等の既存手法によりクラスタリングし、全ユーザが所属するクラスを頂点とし、そのユーザを漸次分割した木構造クラスになっている。ここで木構造のひとつ下の階層への分割数は予め定めた数であっても、距離尺度等により自動決定されても良い。これにより、ユーザの割り当てられたクラスによって、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
ユーザクラスモデル格納部103には、図3に示すように、予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルが格納されている。この木構造ユーザクラスモデルは、ユーザをK−means等の既存手法によりクラスタリングし、全ユーザが所属するクラスを頂点とし、そのユーザを漸次分割した木構造クラスになっている。ここで木構造のひとつ下の階層への分割数は予め定めた数であっても、距離尺度等により自動決定されても良い。これにより、ユーザの割り当てられたクラスによって、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
また、各クラスには、協調フィルタリングを行うための、アイテム間類似度のテーブルが保持されている。これにより、各クラスごとに、適切な協調フィルタリングを行うことができる。
<ユーザの所属クラスの判定とレコメンドの関係>
図4に示すように、ユーザの視聴履歴に関するデータが少ない場合には、まず、ユーザの所属クラスが、頂点のクラスC0に割り当てられる。そして、ユーザの視聴履歴に関するデータが多くなると、さらに、下層のクラスC1、C3へとユーザの所属クラスが、変化する。
図4に示すように、ユーザの視聴履歴に関するデータが少ない場合には、まず、ユーザの所属クラスが、頂点のクラスC0に割り当てられる。そして、ユーザの視聴履歴に関するデータが多くなると、さらに、下層のクラスC1、C3へとユーザの所属クラスが、変化する。
つまり、各ユーザの視聴履歴データ量に従って、最も事後確率が高くなるようにユーザの所属クラスが割り当てられる。そのため、特定のユーザに関する視聴履歴データの増加に対応して、最適なクラスを割り当てるとともに、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。そして、割り当てられたクラスが保持する協調フィルタリングテーブルによって、レコメンドが行われる。
<レコメンドサーバの処理>
図5を用いて、レコメンドサーバ100の処理について、説明する。
まず、受信録画再生装置200からユーザの視聴履歴を入力し、予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する(ステップS101)。
図5を用いて、レコメンドサーバ100の処理について、説明する。
まず、受信録画再生装置200からユーザの視聴履歴を入力し、予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する(ステップS101)。
そして、ステップS101において求められたユーザクラスに基づいて、視聴番組のレコメンドを行う。受信録画再生装置200は、レコメンドサーバ100からのレコメンドを受け取り、このレコメンドに対応した番組を録画部202から再生部203に出力して、番組の再生を行う。なお、再生された番組情報は、視聴履歴蓄積部205に蓄積される。
したがって、本実施形態によれば、ユーザ群を木構造にグループ化したクラスを作成し、木構造の各ノードのクラスに対して視聴履歴情報に基づいて、録画番組のレコメンデーションを行うため、受信録画再生装置から視聴履歴情報さえ入力すれば、各ユーザに対して、その視聴履歴に基づいた適切な録画番組のレコメンデーションを実行することができる。
<第2の実施形態>
図6および図7を用いて、本発明の第2の実施形態について説明する。本実施形態では、特定のユーザが複数の受信録画再生装置を有している場合のレコメンド処理を例に説明する。なお、レコメンドサーバ100の構成は、レコメンド部101の機能を除いて、第1の実施形態と同様であるため、その詳細な説明は省略する。
図6および図7を用いて、本発明の第2の実施形態について説明する。本実施形態では、特定のユーザが複数の受信録画再生装置を有している場合のレコメンド処理を例に説明する。なお、レコメンドサーバ100の構成は、レコメンド部101の機能を除いて、第1の実施形態と同様であるため、その詳細な説明は省略する。
図6のように、特定のユーザが録画再生機器Aと録画再生機器Bとを有する場合、それぞれの視聴履歴からユーザクラス判定部102は、所属するクラスを割り当てる(図6の場合、録画再生機器Aのクラスは、「C0」、録画再生機器Bのクラスは、「C1」)。
そして、ユーザクラス判定部102は、この結果をレコメンド部に出力する。レコメンド部は、ユーザクラス判定部102から入力したクラスの視聴履歴を合算して、その結果からユーザのレコメンド結果を求める。
<レコメンドサーバの処理>
図7を用いて、レコメンドサーバ100の処理について、説明する。
まず、受信録画再生装置200からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、それぞれの受信装置のクラスを学習し判定する(ステップS201)。
図7を用いて、レコメンドサーバ100の処理について、説明する。
まず、受信録画再生装置200からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、それぞれの受信装置のクラスを学習し判定する(ステップS201)。
そして、ステップS201において求められたそれぞれの受信録画再生装置200のユーザクラスを合算し、その結果に基づいて、視聴番組のレコメンドを行う(ステップS202)。受信録画再生装置200は、レコメンドサーバ100からのレコメンドを受け取り、このレコメンドに対応した番組を録画部202から再生部203に出力して、番組の再生を行う。なお、再生された番組情報は、視聴履歴蓄積部205に蓄積される。
したがって、本実施形態によれば、特定のユーザが複数の録画再生機器を用いている場合でも、個々の録画再生機器の視聴履歴からそれぞれのクラスを特定したのち、これらを合算することにより、ユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
<第3の実施形態>
図8および図9を用いて、本発明の第3の実施形態について説明する。本実施形態では、特定のユーザにレコメンドを実施する場合のレコメンド処理を例に説明する。なお、レコメンドサーバ100の構成は、レコメンド部101の機能を除いて、第1の実施形態と同様であるため、その詳細な説明は省略する。
図8および図9を用いて、本発明の第3の実施形態について説明する。本実施形態では、特定のユーザにレコメンドを実施する場合のレコメンド処理を例に説明する。なお、レコメンドサーバ100の構成は、レコメンド部101の機能を除いて、第1の実施形態と同様であるため、その詳細な説明は省略する。
図8のように、複数のユーザ(図中、ユーザA、ユーザB、ユーザC)が存在し、これらのユーザに共通のレコメンドを実施する場合、それぞれの視聴履歴からユーザクラス判定部102は、所属するクラスを割り当てる(図8の場合、ユーザAのクラスは、「C5」、ユーザBのクラスは、「C1」、ユーザCのクラスは、「C3」)。
そして、ユーザクラス判定部102は、この結果をレコメンド部に出力する。レコメンド部は、ユーザクラス判定部102から入力した各ユーザが所属するクラスの視聴履歴から、それぞれのユーザのレコメンド結果を求め、そのレコメンド結果の和集合を算出する。
<レコメンドサーバの処理>
図8を用いて、レコメンドサーバ100の処理について、説明する。
まず、受信録画再生装置200からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、特定のユーザのクラスを学習して判定する(ステップS301)。
図8を用いて、レコメンドサーバ100の処理について、説明する。
まず、受信録画再生装置200からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、特定のユーザのクラスを学習して判定する(ステップS301)。
そして、ステップS301において求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出し(ステップS302)、その抽出した各ユーザのレコメンドの和集合を算出して、複数のユーザの視聴番組についてのレコメンドを決定する(ステップS303)。受信録画再生装置200は、レコメンドサーバ100からのレコメンドを受け取り、このレコメンドに対応した番組を録画部202から再生部203に出力して、番組の再生を行う。なお、再生された番組情報は、視聴履歴蓄積部205に蓄積される。
したがって、本実施形態によれば、したがって、複数のユーザに対して、レコメンデーションを行う場合であっても、個々のユーザの視聴履歴からクラスを割り当て、これの和集合を求めることにより、すべてのユーザの趣味や嗜好に合わせた適切なレコメンデーションを短時間に実現することができる。
なお、レコメンドサーバの処理をコンピュータ読み取り可能な記録媒体に記録し、この記録媒体に記録されたプログラムをレコメンドサーバに読み込ませ、実行することによって本発明のレコメンドサーバを実現することができる。ここでいうコンピュータシステムとは、OSや周辺装置等のハードウェアを含む。
また、「コンピュータシステム」は、WWW(World Wide Web)システムを利用している場合であれば、ホームページ提供環境(あるいは表示環境)も含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されても良い。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク(通信網)や電話回線等の通信回線(通信線)のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組合せで実現できるもの、いわゆる差分ファイル(差分プログラム)であっても良い。
以上、この発明の実施形態につき、図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。例えば、第1の実施形態では、木構造ユーザクラスの下位層の分割数を距離尺度等により、自動的に決定する例について説明したが、これに限らず、予め、分割数を決めておいてもよい。
また、第3の実施形態においては、それぞれのユーザのレコメンド結果の和集合を算出して、それぞれのユーザに共通するレコメンドを提供する例について説明したが、これに限らず、積集合を算出してそれぞれのユーザに共通するレコメンドを提供してもよい。
100;レコメンドサーバ
101;レコメンド部
102;ユーザクラス判定部
103;ユーザクラスモデル格納部
200;受信録画再生装置
201;受信部
202;録画部
203;再生部
204;リモコン入力部
205;視聴履歴蓄積部
206;レコメンドインターフェース部
101;レコメンド部
102;ユーザクラス判定部
103;ユーザクラスモデル格納部
200;受信録画再生装置
201;受信部
202;録画部
203;再生部
204;リモコン入力部
205;視聴履歴蓄積部
206;レコメンドインターフェース部
Claims (13)
- 受信装置に対して、番組録画のレコメンデーションを行うレコメンデーションサーバであって、
予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する格納手段と、
前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と前記格納手段に格納された木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定するユーザクラス判定手段と、
該ユーザクラス判定手段において求められたユーザクラスに基づいて、視聴番組のレコメンドを行うレコメンド手段と、
を備えたことを特徴とするレコメンデーションサーバ。 - 前記木構造ユーザクラスモデルが、すべてのユーザが所属するクラスを頂点とする木構造のクラスにより構成されることを特徴とする請求項1に記載のレコメンデーションサーバ。
- 前記木構造のクラスの分割数が、録画された番組の類似度に基づく距離尺度に基づくことを特徴とする請求項2に記載のレコメンデーションサーバ。
- 前記木構造の各クラスが協調フィルタリングを行うためのアイテム間類似度フィルタを備えていることを特徴とする請求項2に記載のレコメンデーションサーバ。
- 前記ユーザクラス判定手段が、各ユーザの前記受信装置から入力する視聴履歴に基づいて、最も事後確率が高くなるように、クラスを割り当てることを特徴とする請求項1に記載のレコメンデーションサーバ。
- 複数の受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンデーションサーバであって、
予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する格納手段と、
前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と前記格納手段に格納された木構造ユーザクラスモデルの情報から、それぞれの受信装置のクラスを学習し判定するユーザクラス判定手段と、
該ユーザクラス判定手段において求められたそれぞれの受信装置のユーザクラスを合算し、その結果に基づいて、視聴番組のレコメンドを行うレコメンド手段と、
を備えたことを特徴とするレコメンデーションサーバ。 - 複数のユーザの受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンデーションサーバであって、
予め多数のユーザの視聴履歴に基づきユーザ群を木構造で表現した木構造ユーザクラスモデルを格納する格納手段と、
前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と前記格納手段に格納された木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定するユーザクラス判定手段と、
該ユーザクラス判定手段において求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出するレコメンド抽出手段と、
該抽出した各ユーザのレコメンドの和集合を算出して、前記複数のユーザの視聴番組についてのレコメンドを決定するレコメンド決定手段と、
を備えたことを特徴とするレコメンデーションサーバ。 - 受信装置に対して、番組録画のレコメンデーションを行うレコメンデーションサーバにおける録画番組のレコメンド決定方法であって、
前記受信装置からユーザの視聴履歴を入力し、予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する第1のステップと、
該第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを行う第2のステップと、
を備えたことを特徴とするレコメンド決定方法。 - 複数の受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンデーションサーバにおける録画番組のレコメンド決定方法であって、
前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、それぞれの受信装置のクラスを学習し判定する第1のステップと、
該第1のステップにおいて求められたそれぞれの受信装置のユーザクラスを合算し、その結果に基づいて、視聴番組のレコメンドを行う第2のステップと、 - 複数のユーザの受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンド決定方法であって、
前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、特定のユーザのクラスを学習して判定する第1のステップと、
該第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出する第2のステップと、
該抽出した各ユーザのレコメンドの和集合を算出して、前記複数のユーザの視聴番組についてのレコメンドを決定する第3のステップと、
を備えたことを特徴とするレコメンド決定方法。 - コンピュータに、受信装置に対して、番組録画のレコメンデーションを行うレコメンデーションサーバにおける録画番組のレコメンド決定方法を実行させるためのプログラムであって、
前記受信装置からユーザの視聴履歴を入力し、予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報から、特定のユーザのクラスを学習して判定する第1のステップと、
該第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを行う第2のステップと、
を実行するためのプログラム。 - コンピュータに、複数の受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンデーションサーバにおける録画番組のレコメンド決定方法を実行させるためのプログラムであって、
前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、それぞれの受信装置のクラスを学習し判定する第1のステップと、
該第1のステップにおいて求められたそれぞれの受信装置のユーザクラスを合算し、その結果に基づいて、視聴番組のレコメンドを行う第2のステップと、
を実行させるためのプログラム。 - コンピュータに、複数のユーザの受信装置からの視聴履歴に基づいて、番組録画のレコメンデーションを行うレコメンド決定方法を実行させるためのプログラムであって、
前記受信装置からユーザの視聴履歴を入力し、特定のユーザの視聴履歴と予め格納された多数のユーザの視聴履歴に基づいたユーザ群を木構造で表現した木構造ユーザクラスモデルの情報とから、特定のユーザのクラスを学習して判定する第1のステップと、
該第1のステップにおいて求められたユーザクラスに基づいて、視聴番組のレコメンドを抽出する第2のステップと、
該抽出した各ユーザのレコメンドの和集合を算出して、前記複数のユーザの視聴番組についてのレコメンドを決定する第3のステップと、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009222081A JP2011071819A (ja) | 2009-09-28 | 2009-09-28 | レコメンデーションサーバ、レコメンド決定方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009222081A JP2011071819A (ja) | 2009-09-28 | 2009-09-28 | レコメンデーションサーバ、レコメンド決定方法およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2011071819A true JP2011071819A (ja) | 2011-04-07 |
Family
ID=44016639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009222081A Pending JP2011071819A (ja) | 2009-09-28 | 2009-09-28 | レコメンデーションサーバ、レコメンド決定方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2011071819A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079014A (zh) * | 2019-12-17 | 2020-04-28 | 携程计算机技术(上海)有限公司 | 基于树结构的推荐方法、系统、介质和电子设备 |
CN112449217A (zh) * | 2019-09-02 | 2021-03-05 | 北京京东尚科信息技术有限公司 | 一种推送视频的方法和装置 |
CN116701775A (zh) * | 2023-08-04 | 2023-09-05 | 北京集度科技有限公司 | 服务推荐方法、电子设备及计算机程序产品 |
JP7469450B1 (ja) | 2022-12-22 | 2024-04-16 | Lineヤフー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
-
2009
- 2009-09-28 JP JP2009222081A patent/JP2011071819A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112449217A (zh) * | 2019-09-02 | 2021-03-05 | 北京京东尚科信息技术有限公司 | 一种推送视频的方法和装置 |
CN112449217B (zh) * | 2019-09-02 | 2022-12-27 | 北京京东尚科信息技术有限公司 | 一种推送视频的方法、装置、电子设备和计算机可读介质 |
CN111079014A (zh) * | 2019-12-17 | 2020-04-28 | 携程计算机技术(上海)有限公司 | 基于树结构的推荐方法、系统、介质和电子设备 |
CN111079014B (zh) * | 2019-12-17 | 2024-02-09 | 携程计算机技术(上海)有限公司 | 基于树结构的推荐方法、系统、介质和电子设备 |
JP7469450B1 (ja) | 2022-12-22 | 2024-04-16 | Lineヤフー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
CN116701775A (zh) * | 2023-08-04 | 2023-09-05 | 北京集度科技有限公司 | 服务推荐方法、电子设备及计算机程序产品 |
CN116701775B (zh) * | 2023-08-04 | 2023-10-31 | 北京集度科技有限公司 | 服务推荐方法、电子设备及计算机程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240160648A1 (en) | Systems and methods for automatic program recommendations based on user interactions | |
US8819738B2 (en) | System and method for real-time composite broadcast with moderation mechanism for multiple media feeds | |
EP3346718B1 (en) | Methods and systems for displaying contextually relevant information regarding a media asset | |
CN102656898B (zh) | 在线社交网络上的自动媒体资产更新 | |
US10671687B2 (en) | Managing access rights to content using social media | |
US20140052696A1 (en) | Systems and methods for visual categorization of multimedia data | |
US11558480B2 (en) | Tracking content use via social media | |
CN103686237A (zh) | 推荐视频资源的方法及系统 | |
US20160098602A1 (en) | Method for computing a similarity measure for video segments | |
US11871070B2 (en) | Method and system for aggregating live streams | |
JP2011071819A (ja) | レコメンデーションサーバ、レコメンド決定方法およびプログラム | |
US20160021051A1 (en) | Providing Access To Content Via Social Media | |
KR101805618B1 (ko) | 컨텐트에 대한 코멘트 공유 방법 및 그 장치 | |
KR20170057318A (ko) | 미디어 서비스 추천을 표시하는 전자 프로그램 가이드 | |
Erikson V. De S. Rosa et al. | Contextualizing and capturing individual user interactions in shared iTV environments | |
Pfeffer et al. | HbbTV: a powerful asset for alerting the population during a crisis | |
DeWerth-Pallmeyer | Assessing the role audience plays in digital broadcasting today and tomorrow | |
Hemsley et al. | ContextController: Augmenting broadcast TV with realtime contextual information |