JP2011204039A - コンテンツ評価装置、方法、プログラム及び集積回路 - Google Patents

Abstract

【課題】大量のコンテンツから利用者に適したコンテンツを推薦できるようにする。
【解決手段】コンテンツ評価装置は、評価対象である被評価コンテンツの評価を行うため、被評価コンテンツの評価に用いる標本コンテンツを取得して、取得した各標本コンテンツから複数の特徴それぞれの検出を試み、各特徴についてその特徴が検出された標本コンテンツの量である検出量を特定する。そしてコンテンツ評価装置は、被評価コンテンツから各特徴の検出を試み、検出された各特徴の検出量に基づいてその被評価コンテンツを評価し、評価の高い被評価コンテンツを推薦する。
【選択図】図２

Description

本発明は、静止画や動画、音楽等のコンテンツの評価技術に関する。

近年、放送のデジタル化、多チャンネル化等を背景にユーザが視聴できるコンテンツが増加している。また、ハードディスク等記録媒体の大容量化に伴って、ユーザが保有することのできるコンテンツの量も増加している。

そのため、見るか見ないかに関わらず、放送されているコンテンツを一旦全て録画しておいて、見たいコンテンツだけを後から見るという視聴方法が可能になってきている。
しかしながら、録画された膨大な量のコンテンツの中から見たいコンテンツを選び出すのには探す手間が掛かるという問題がある。そのため、ユーザが見たいコンテンツを効率的に探せるように、各コンテンツを評価し、評価の高いコンテンツを推薦することが必要になる。

コンテンツを評価、推薦する従来の技術として、コンテンツを視聴する場合にジャンル一覧を表示してコンテンツのジャンルをユーザに選択させ、選択したジャンルの情報に基づいてユーザのジャンルごとの嗜好度を決定し、決定した嗜好度によって他のコンテンツを評価、推薦する技術が特許文献１に開示されている。

また、コンテンツを評価、推薦するのに利用可能な技術として、写真のプリントにおいて、ユーザに好みの画像を選択させ、ユーザによる選択結果から嗜好性データを検出し、検出した嗜好性データを元にプリントアウトすべき写真を選択する技術が特許文献２に開示されている。

また、放送受信システムにおいて、ユーザごとに番組の視聴傾向を示すプロファイルを作成し、作成したプロファイルに適合する番組を推薦する技術が特許文献３に開示されている。

特開２００６−２２９６７８号公報 特開２００７−０７２８２３号公報 特開２００９−２３９６８６号公報

しかしながら、上記の技術による方法ではいずれも、コンテンツのジャンルを選択する、好みの画像を選択する、視聴する番組を選択する等の選択操作をコンテンツの評価に先立って行う必要があり、選択操作の手間が掛かる。

本発明は、上記選択操作を省いて、ユーザに事前の選択操作をさせることなく、コンテンツを推薦するための評価を行う装置を提供することを目的とする。

上記課題を解決するために本発明に係るコンテンツ評価装置は、被評価コンテンツの評価に用いるコンテンツである標本コンテンツを取得する標本コンテンツ取得手段と、前記標本コンテンツ取得手段で取得した全部又は一部の標本コンテンツから複数の特徴それぞれの検出を試み、各特徴について当該特徴が検出された標本コンテンツの量である検出量を特定する特徴検出量特定手段と、一の被評価コンテンツに該当する各特徴について、前記特徴検出量特定手段により特定された検出量に基づいて当該被評価コンテンツを評価する被評価コンテンツ評価手段とを備えることを特徴とする。

ここで、被評価コンテンツ（Ｅｖａｌｕａｔｅｅ Ｃｏｎｔｅｎｔ）とは評価対象のコンテンツである。被評価コンテンツは例えば放送されている番組の映像や音声、インターネットからダウンロードした静止画や動画、第３者から受け取った写真等である。

標本コンテンツ（Ｓａｍｐｌｅ Ｃｏｎｔｅｎｔ）とは、被評価コンテンツの評価に用いるコンテンツであり、被評価コンテンツとは別のコンテンツである。標本コンテンツは例えばユーザが所有している写真や動画等である。

特徴（Ｆｅａｔｕｒｅ）とは、被評価コンテンツ及び標本コンテンツがどのような内容を含んでいるかを示すものである。特徴は例えば、「自動車などのオブジェクトに該当する画像を含む」、「画像の明度が全体的に高い」、「特定のパターンの音声を含む」等が考えられる。

各特徴はその特徴を被評価コンテンツ及び標本コンテンツから検出するための検出基準の情報を持ち、それぞれの検出基準は互いに異なる。

上記の構成を備えるコンテンツ評価装置は、被評価コンテンツが放送番組で、標本コンテンツがユーザにより撮影され蓄積されている写真又は動画のファイルであれば、ユーザの入力により取得した標本コンテンツのファイルから特徴を検出して、検出した結果により各特徴の検出量を特定し、放送番組からも特徴を検出して、その放送番組から検出された特徴の検出量に基づいて放送番組の評価を行う。

ユーザは関心の高いものを多く撮影すると考えられるので、各特徴の検出量はユーザの関心を反映したものになると考えられる。そのため、コンテンツ評価装置はユーザの各特徴に対する関心の高さに応じて放送番組を評価することができる。

ユーザはこのコンテンツ評価装置を使用し、多くの放送番組の中から評価の高い放送番組を選ぶことで、そのユーザにとって関心の高い放送番組を見ることができるようになる。

このとき、ユーザは蓄積しているファイルから必要なファイルをわざわざ選ぶ必要はなく、保有するファイルを全部まとめて入力するだけで良い。これにより、ユーザの好みに合う放送番組を見つけるまでの手間が少なくて済むようになる。

また、評価のために用いる特徴は、少なくとも標本コンテンツのファイルについてはメタデータなどの付加的な情報を用いずにファイルに格納されている写真や動画それ自体のデータから検出するので、ユーザはジャンル情報やタグなどのメタデータを付ける必要がない。これにより、ユーザの好みに合う放送番組を見つけるまでの手間が更に少なくて済むようになる。

ここで、前記特徴検出量特定手段は特徴の検出量を、当該特徴が検出された各標本コンテンツが当該特徴を含む程度を示す値の和に基づいて算出するとしても良い。
このようにすることで、ただ検出された数でなく、標本コンテンツ中に強く現れている特徴を重視して検出量を求めることができる。このため、ユーザの関心をより良く反映した評価結果が得られる。

ユーザにとって関心の高いものは大きく、長時間写される傾向があると考えられるので、ユーザの関心をより良く反映した推薦結果が得られる。
ここで更に、前記標本コンテンツは静止画で、前記各特徴は静止画に含まれる各オブジェクトを表すものであり、前記特徴検出量特定手段は、一の特徴が検出された一の標本コンテンツが、当該特徴を含む程度を示す値を、当該標本コンテンツに当該特徴が表すオブジェクトが含まれる部分の面積の、当該標本コンテンツの面積に対する比として算出するとしても良い。

このようにすることで、ユーザが写真に大きく写している特徴を重視して放送番組を評価することができるようになる。
ここで、前記標本コンテンツは動画で、前記各特徴は動画中のフレームに含まれる各オブジェクトを表すものであり、前記特徴検出量特定手段は特定種のフレームを検出対象として前記各特徴の検出を試みて、一の特徴が検出された一の標本コンテンツについて、当該標本コンテンツの、当該特徴が表すオブジェクトを含むフレームごとに、当該フレームに当該オブジェクトが含まれる部分の面積の、当該フレームの面積に対する比を算出し、当該標本コンテンツが当該特徴を含む程度を示す値を、当該標本コンテンツの当該オブジェクトを含む各フレームについての前記比の総和の、当該標本コンテンツの前記検出対象としたフレーム数に対する比として算出するとしても良い。

このようにすることで、ユーザが動画に大きく写している特徴を重視して放送番組を評価することができるようになる。
ここで、前記標本コンテンツは動画で、前記各特徴は動画中のフレームに含まれる各オブジェクトを表すものであり、前記特徴検出量特定手段は特定種のフレームを検出対象として前記各特徴の検出を試みて、一の特徴が検出された一の標本コンテンツが、当該特徴を含む程度を示す値を、当該標本コンテンツの当該特徴が表すオブジェクトが含まれるフレーム数の、当該標本コンテンツの前記検出対象としたフレーム数に対する比として算出するとしても良い。

このようにすることで、ユーザが動画に長時間写している特徴を重視して放送番組を評価することができるようになる。
ここで、前記被評価コンテンツ評価手段は、一の被評価コンテンツに該当する各特徴の前記検出量の値の総和によって当該被評価コンテンツを評価するとしても良い。

このようにすることで、ユーザの関心が高い特徴を多く含む放送番組を高く評価することができるようになる。
ここで、前記標本コンテンツは作成、取得又は更新した時刻の情報が付与されているコンテンツであり、前記特徴検出量特定手段は、付与されている時刻が、前記被評価コンテンツ評価手段が評価を行う時刻から所定の期間前までの範囲に入る標本コンテンツから特徴の検出を試みるとしても良い。

所定の期間を７日間とすると、ユーザが最近の７日間で関心を持っている特徴により放送番組を評価することができるようになる。
ここで、前記標本コンテンツは作成、取得又は更新した時刻の情報が付与されているコンテンツであり、前記特徴検出量特定手段は、付与されている時刻が、前記被評価コンテンツ評価手段が評価を行う時刻から所定の期間前までの範囲である第１の期間に入る標本コンテンツと、付与されている時刻が、第１の期間より過去の所定の範囲である第２の期間に入る標本コンテンツとから特徴の検出を試み、前記被評価コンテンツ評価手段は、一の被評価コンテンツに該当する各特徴の、時刻が第１の期間に入る標本コンテンツにより特定された検出量の、時刻が第２の期間に入る標本コンテンツにより特定された検出量に対する変化に基づいて当該被評価コンテンツを評価するとしても良い。

第１の期間が評価の当日の１日間で、第２の期間が評価の７日前の１日間であるとすると、最近の７日間でユーザの関心が高まっている特徴により放送番組を評価することができるようになる。

ここで、前記被評価コンテンツはメタデータが付加されているコンテンツであり、前記コンテンツ評価装置は、被評価コンテンツのメタデータと特徴とを対応付ける手段を更に備え、前記被評価コンテンツ評価手段は、当該被評価コンテンツのメタデータに対応する各特徴の前記検出量に基づいて当該被評価コンテンツを評価するとしても良い。

メタデータが番組内容を示すキーワードのテキストであるとすると、単純なテキストの比較によって特徴を検出できるので、高速に放送番組を評価することができるようになる。

また、番組のキーワードはその番組の内容を知る放送者によって適切なものが付加されていると考えられるので、画像処理によって機械的に特徴を検出する場合よりも番組の内容を適切に反映した評価結果が得られる。

本発明の利用例を示す図である。 実施形態１に係る番組推薦装置の機能構成を示す図である。 標本コンテンツ群のデータ構成及び内容例を示す図である。 特徴検出基準情報のデータ構成及び内容例を示す図である。 特徴重要度情報のデータ構成及び内容例を示す図である。 被評価コンテンツ群のデータ構成及び内容例を示す図である。 被評価コンテンツ特徴情報のデータ構成及び内容例を示す図である。 被評価コンテンツ評価情報のデータ構成及び内容例を示す図である。 番組推薦装置が選び出した番組の例を示す図である。 番組推薦装置が推薦する番組を表示装置が表示する例を示す図である。 標本コンテンツを取得する際の処理を示す流れ図である。 画像から特徴を検出するイメージを示す図である。 特徴の検出量を更新する処理を示す流れ図である。 特徴の重要度を算出する処理を示す流れ図である。 被評価コンテンツ群を評価する処理を示す流れ図である。 被評価コンテンツから特徴を検出する際の処理を示す流れ図である。 １つの被評価コンテンツを評価する処理を示す流れ図である。 番組推薦装置が番組を推薦する処理を示す流れ図である。 実施形態２での特徴重要度情報の内容例を示す図である。 実施形態２の特徴検出基準情報のデータ構成及び内容例を示す図である。 実施形態２での被評価コンテンツの評価結果の例を示す図である。 実施形態２で選び出された番組の例を示す図である。 静止画及び動画で特徴の検出面積を特定するイメージを示す図である。 実施形態２で特徴の検出量を更新する処理を示す流れ図である。 実施形態２で被評価コンテンツを評価する処理を示す流れ図である。 特徴の検出量の時間的変化のイメージを示す図である。 実施形態３での標本コンテンツ群のデータ構成及び内容例を示す図である。 実施形態３で標本コンテンツを取得する際の処理を示す流れ図である。 実施形態３で被評価コンテンツから特徴を検出する際の処理を示す流れ図である。 実施形態３で番組推薦装置が番組を推薦する処理を示す流れ図である。 実施形態３で全特徴の重要度を特定する処理を示す流れ図である。 特徴の検出量の時間的変化のイメージを示す図である。 実施形態４での特徴重要度情報のデータ構成及び内容例を示す図である。 実施形態４で全特徴の重要度を特定する処理を示す流れ図である。 実施形態４で特徴の検出量を更新する処理を示す流れ図である。 実施形態４で特徴の重要度を算出する処理を示す流れ図である。 実施形態５での被評価コンテンツ群のデータ構成及び内容例を示す図である。 実施形態５での特徴検出基準情報のデータ構成及び内容例を示す図である。

以下、本発明の実施の形態について、図面を参照しながら説明する。
＜１．実施形態１＞
本発明に係るコンテンツ評価装置の実施形態１として、被評価コンテンツ及び標本コンテンツからそれぞれ画像処理により検出した特徴に基づいて被評価コンテンツを評価して、評価の高い被評価コンテンツを推薦する番組推薦装置を説明する。

ここで、被評価コンテンツは有線又は無線で放送される番組の動画コンテンツとする。
また、標本コンテンツはメモリカード等の記録媒体に格納されている個人所有の静止画及び動画データのファイルをとする。

特徴とは、被評価コンテンツ及び標本コンテンツがどのような内容を含んでいるかを示すものであり、１つの被評価コンテンツ又は標本コンテンツから複数検出されることもある。ここでは特徴は、それぞれの特徴が自動車や花などのオブジェクトが静止画及び動画中に写っているという内容を示すとする。
＜１−１．概要＞
図１は本発明の実施形態１に係る番組推薦装置１００の、その周辺装置等を含めた利用例のイメージ図である。

同図の例において、番組推薦装置１００は、放送１０１から複数の被評価コンテンツを、メモリカード１０４から複数の標本コンテンツを取得し、取得した被評価コンテンツのうち評価の高い被評価コンテンツを表示装置１０２に出力して推薦している。この推薦の動作は、コントローラ１０５を用いたユーザの指示を契機として行われる。

表示装置１０２は、番組推薦装置１００から出力される映像を表示する装置である。表示装置１０２はここでは、Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ（ＨＤＭＩ）ケーブルなどのケーブルを介して番組推薦装置１００と接続されることにより映像を表示するデジタルテレビである。

メモリカード１０４は、標本コンテンツを記録している記録媒体である。番組推薦装置１００はメモリカード１０４を着脱することができ、メモリカード１０４に蓄積されている標本コンテンツを取得することができる。

コントローラ１０５は、番組推薦装置１００を操作するための装置であり、例えば赤外光による通信で番組推薦装置１００に操作信号を送信する。ユーザはコントローラ１０５を用いて、番組推薦装置１００が推薦する番組の中から見たい番組を選ぶことができる。

ユーザがメモリカード１０４を番組推薦装置１００に装着して標本コンテンツを入力すると、番組推薦装置１００はメモリカード１０４から標本コンテンツを取得し、取得した各標本コンテンツから番組推薦装置１００が検出できる特徴それぞれの検出を試みる。そして、それぞれの特徴が検出された標本コンテンツのファイル数によってその特徴の検出量及び重要度を特定し、特定された検出量及び重要度を記録する。

番組推薦装置１００が放送１０１から被評価コンテンツを取得すると、番組推薦装置１００は取得した被評価コンテンツから各特徴の検出を試みる。そして、その被評価コンテンツから検出された特徴それぞれの、記録されている重要度の総和によってその被評価コンテンツを評価し、その評価結果の評価値を記録する。

ユーザがコントローラ１０５によって推薦の指示を示す信号を番組推薦装置１００に送信すると、その信号を受信した番組推薦装置１００は記録されている各被評価コンテンツの評価値によって、評価値が高いものから降順に３つの被評価コンテンツを選択する。そして選択した３つの被評価コンテンツを表示装置１０２に出力して表示させる。
＜１−２．構成＞
以下では番組推薦装置１００の構成について、ハードウェア構成と機能構成に分けて説明する。
＜１−２−１．ハードウェア構成＞
実施形態１に係る番組推薦装置１００は、ハードウェア構成としては、被評価コンテンツを取得するための受信アンテナや入力端子、標本コンテンツを取得するメモリカードリーダ、映像を出力するＨＤＭＩ出力端子、コントローラからの光信号を受信する受光器、データとプログラムとを記憶するメモリ及びプログラムを実行するプロセッサを備える。
＜１−２−２．機能構成＞
図２は番組推薦装置１００の機能構成を示すブロック図である。

同図において番組推薦装置１００は、標本コンテンツ取得部２０１、標本コンテンツ記憶部２０２、特徴検出基準記憶部２０３、特徴検出量特定部２０４、被評価コンテンツ取得部２０８、被評価コンテンツ記憶部２０９、被評価コンテンツ評価部２１０、被評価コンテンツ評価値記憶部２１４、操作入力部２１５、コンテンツ選択部２１６及び出力部２１７により構成される。

更に特徴検出量特定部２０４は、標本コンテンツ特徴検出部２０５、特徴重要度算出部２０６及び特徴重要度記憶部２０７により構成される。
また被評価コンテンツ評価部２１０は、被評価コンテンツ特徴検出部２１１、被評価コンテンツ特徴記憶部２１２及び被評価コンテンツ評価値算出部２１３により構成される。

標本コンテンツ取得部２０１、標本コンテンツ特徴検出部２０５、特徴重要度算出部２０６、被評価コンテンツ取得部２０８、被評価コンテンツ特徴検出部２１１、被評価コンテンツ評価値算出部２１３、操作入力部２１５、コンテンツ選択部２１６及び出力部２１７の動作は、メモリに格納されたプログラムをプロセッサが実行することによって実現される。

標本コンテンツ記憶部２０２、特徴検出基準記憶部２０３、特徴重要度記憶部２０７、被評価コンテンツ記憶部２０９、被評価コンテンツ特徴記憶部２１２及び被評価コンテンツ評価値記憶部２１４は、メモリによって実現される。
＜１−２−３．各機能構成部の説明＞
以下では図２に示す実施形態１の各機能構成部を説明する。

標本コンテンツ取得部２０１は、メモリカード１０４に記録されている標本コンテンツのファイルを取得する機能を有する。更に、各標本コンテンツに対応する標本コンテンツＩＤ３０１を生成し、取得した標本コンテンツとその標本コンテンツそれぞれに対応する標本コンテンツＩＤ３０１との組を、標本コンテンツ記憶部２０２に格納されている標本コンテンツ群３００に追加する機能も有する。

標本コンテンツ記憶部２０２は、標本コンテンツ取得部２０１で取得した標本コンテンツ群３００を記憶するためのメモリの領域である。
図３は、標本コンテンツ記憶部２０２が記憶している標本コンテンツ群３００のデータ構成及び内容例を示したものである。同図に示すように、標本コンテンツ群３００は標本コンテンツＩＤ３０１及び標本コンテンツ３０２から構成されている。

同図の例では、標本コンテンツ群３００のうち、“ＳＣ０００１”から“ＳＣ０００４”までの標本コンテンツＩＤ３０１及びその標本コンテンツＩＤ３０１を持つ標本コンテンツ３０２の画像が示されている。なお、例では図示していないが、標本コンテンツ群３００の標本コンテンツ３０２には動画も含まれる。

特徴検出基準記憶部２０３は、静止画及び動画から特徴を検出する基準である特徴検出基準４０２を複数持つ特徴検出基準情報４００を記憶するためのメモリの領域である。
図４は、特徴検出基準記憶部２０３が記憶している特徴検出基準情報４００のデータ構成及び内容例を示したものである。同図に示すように、特徴検出基準情報４００は特徴ＩＤ４０１及び特徴検出基準４０２から構成されている。

同図の例では、特徴検出基準情報４００のうち、“ＦＥ０００１”から“ＦＥ０００４”までの特徴ＩＤ４０１及びその特徴ＩＤ４０１を持つ特徴の特徴検出基準４０２が示されている。なお、例では特徴検出基準４０２を「自動車の特徴」などの説明的な言葉で書いたが、実際にはその特徴を検出するために用いる特徴量の値などのデータにより構成されている。

特徴検出量特定部２０４は、標本コンテンツ記憶部２０２に格納されている標本コンテンツ３０２から特徴検出基準記憶部２０３に格納されている特徴検出基準４０２によって特徴の検出を試み、検出を試みた結果から各特徴の検出量５０１を特定する機能を有する。また、各特徴の検出量５０１から重要度５０２の算出も行う。

特徴検出量特定部２０４に含まれる標本コンテンツ特徴検出部２０５は、標本コンテンツ記憶部２０２に格納されている標本コンテンツ３０２から、特徴検出基準記憶部２０３に格納されている特徴検出基準４０２により特徴の検出を試みる機能を有する。

特徴検出量特定部２０４に含まれる特徴重要度算出部２０６は、標本コンテンツ特徴検出部２０５が標本コンテンツ３０２から特徴の検出を試みた結果に基づいて特徴ごとにその特徴が検出された標本コンテンツ３０２のファイル数として検出量５０１を求める機能を有する。更に、各特徴の検出量５０１からそれぞれの特徴の重要度５０２を求める機能を有する。各特徴の特徴ＩＤ４０１と検出量５０１と重要度５０２との組を特徴重要度記憶部２０７に特徴重要度情報５００として格納する機能を有する。

ここで、特徴の検出量５０１は、その特徴が検出された標本コンテンツのファイル数として求められる。
また、特徴の重要度５０２は、その特徴の検出量５０１を、全特徴の検出量５０１の最大値で割った値として求められる。

特徴検出量特定部２０４に含まれる特徴重要度記憶部２０７は、標本コンテンツ特徴検出部２０５が求めた特徴重要度情報５００を記憶するためのメモリの領域である。
図５は、特徴重要度記憶部２０７が記憶している特徴重要度情報５００のデータ構成及び内容例を示したものである。同図に示すように、特徴重要度情報５００は特徴ＩＤ４０１、検出量５０１及び重要度５０２から構成されている。

同図の例では、特徴重要度情報５００のうち、“ＦＥ０００１”から“ＦＥ０００４”までの特徴ＩＤ４０１及びその特徴ＩＤ４０１を持つ特徴の検出量５０１と重要度５０２とが示されている。

被評価コンテンツ取得部２０８は、放送されている番組を受信アンテナや入力端子などによって被評価コンテンツとして取得し、各被評価コンテンツに対応する被評価コンテンツＩＤ６０１を生成し、取得した被評価コンテンツとその被評価コンテンツそれぞれに対応する被評価コンテンツＩＤ６０１との組を、被評価コンテンツ記憶部２０９に格納されている被評価コンテンツ群６００に追加する機能を有する。

被評価コンテンツ取得部２０８は、放送されている番組を随時取得して被評価コンテンツ記憶部２０９に格納する。
被評価コンテンツ記憶部２０９は、被評価コンテンツ取得部２０８で取得した被評価コンテンツ群６００を記憶するためのメモリの領域である。

図６は、被評価コンテンツ記憶部２０９が記憶している被評価コンテンツ群６００のデータ構成及び内容例を示したものである。同図に示すように、被評価コンテンツＩＤ６０１及び被評価コンテンツ６０２から構成されている。

同図の例では、被評価コンテンツ群６００のうち、“ＥＣ０００１”から“ＥＣ０００４”までの被評価コンテンツＩＤ６０１及びその被評価コンテンツＩＤ６０１を持つ被評価コンテンツ６０２が示されている。なお、被評価コンテンツ６０２は実際には動画であるが、紙面上では動画を表せないため各動画を代表する一場面の絵で示した。

被評価コンテンツ評価部２１０は、被評価コンテンツ記憶部２０９に格納されている被評価コンテンツ６０２から特徴検出基準記憶部２０３に格納されている特徴検出基準４０２によって特徴の検出を試み、検出を試みた結果と特徴検出量特定部２０４が特定した特徴の重要度５０２とに基づいて被評価コンテンツ６０２の評価を行い、被評価コンテンツ６０２の評価を示す評価値８０１と評価した被評価コンテンツ６０２に対応する被評価コンテンツＩＤ６０１との組を被評価コンテンツ評価値記憶部２１４に格納する。

被評価コンテンツ評価部２１０に含まれる被評価コンテンツ特徴検出部２１１は、被評価コンテンツ記憶部２０９に格納されている被評価コンテンツ６０２から、特徴検出基準記憶部２０３に格納されている特徴検出基準４０２により特徴の検出を試みる機能を有する。また、検出を試みた被評価コンテンツ６０２に対応する被評価コンテンツＩＤ６０１と、その被評価コンテンツ６０２から実際に検出された全ての特徴の特徴ＩＤ４０１との組を被評価コンテンツ特徴記憶部２１２に被評価コンテンツ特徴情報７００として格納する機能も有する。

被評価コンテンツ評価部２１０に含まれる被評価コンテンツ特徴記憶部２１２は、被評価コンテンツ特徴検出部２１１で生成された被評価コンテンツ特徴情報７００を記憶するためのメモリの領域である。

図７は、被評価コンテンツ特徴記憶部２１２が記憶している被評価コンテンツ特徴情報７００のデータ構成及び内容例を示したものである。同図に示すように、被評価コンテンツ特徴情報７００は被評価コンテンツＩＤ６０１及び特徴ＩＤ４０１から構成される。

同図の例では、被評価コンテンツ特徴情報７００のうち、“ＥＣ０００１”から“ＥＣ０００４”までの被評価コンテンツＩＤ６０１及びその被評価コンテンツＩＤ６０１を持つ被評価コンテンツ６０２から検出された特徴の一部の特徴ＩＤ４０１が示されている。

被評価コンテンツ評価部２１０に含まれる被評価コンテンツ評価値算出部２１３は、被評価コンテンツ特徴記憶部２１２に格納されている被評価コンテンツ特徴情報７００と、特徴検出量特定部２０４が特定した特徴の検出量５０１により算出された重要度５０２から、被評価コンテンツに対する評価を示す評価値８０１を算出する機能を有する。また、評価値８０１を算出した被評価コンテンツの被評価コンテンツＩＤ６０１と算出した評価値８０１との組を、被評価コンテンツ評価値記憶部２１４に被評価コンテンツ評価情報８００として格納する機能も有する。

ここで、被評価コンテンツの評価値８０１は、その被評価コンテンツから検出された各特徴の重要度５０２の総和として算出される。
被評価コンテンツ評価値記憶部２１４は、被評価コンテンツ評価部２１０で生成された被評価コンテンツ評価情報８００を記憶するためのメモリの領域である。

図８は、被評価コンテンツ評価値記憶部２１４が記憶している被評価コンテンツ評価情報８００のデータ構成及び内容例を示したものである。同図に示すように、被評価コンテンツ評価情報８００は被評価コンテンツＩＤ６０１及び評価値８０１から構成される。

同図の例では、被評価コンテンツ評価情報８００のうち、“ＥＣ０００１”から“ＥＣ０００４”までの被評価コンテンツＩＤ６０１及びその被評価コンテンツＩＤ６０１を持つ被評価コンテンツの評価である評価値８０１が示されている。

操作入力部２１５は、コンテンツ選択部２１６でコンテンツを選択するなどの操作に対応する光信号をコントローラ１０５から受光器などによって受信し、受信した信号に対応する命令やデータをコンテンツ選択部２１６に送る機能を有する。

コンテンツ選択部２１６は、操作入力部２１５から受信した命令により、被評価コンテンツ評価値記憶部２１４に格納されている評価値８０１の高いものから降順に３つ、推薦及び出力する被評価コンテンツの被評価コンテンツＩＤ６０１を選択する機能を有する。選択された被評価コンテンツは、後述するコンテンツ選択部２１６により出力される。

図９は、コンテンツ選択部２１６が推薦するコンテンツとして選択した被評価コンテンツの例である。
同図の例は、“ＥＣ０００１”、“ＥＣ００６５”及び“ＥＣ０００２”の被評価コンテンツＩＤ６０１を持つ被評価コンテンツが選択されたことを示している。被評価コンテンツの選択は被評価コンテンツＩＤ６０１だけを選び出せば足りるが、この例ではイメージしやすくするため被評価コンテンツ６０２の絵と評価値８０１も併せて示した。

出力部２１７は、コンテンツ選択部２１６で選択された被評価コンテンツＩＤ６０１に対応する被評価コンテンツ６０２を推薦する画面を、ＨＤＭＩ出力端子などの出力インターフェースにより表示装置１０２に表示させる機能を有する。

図１０は、出力部２１７が出力する映像の例である。
同図の例では、推薦する３つの被評価コンテンツ６０２のうち１つの被評価コンテンツ６０２の縮小画像、被評価コンテンツ６０２に対応する番組情報及び評価値８０１の値を表示している様子を示している。
＜１−３．データ＞
次に、上述の構成を備える番組推薦装置１００が取り扱うデータについて詳しく説明する。
＜１−３−１．標本コンテンツ群＞
標本コンテンツ群３００は、被評価コンテンツの評価を行うために用いる標本コンテンツ３０２とそれぞれの標本コンテンツ３０２に対応する標本コンテンツＩＤ３０１との組の集合である。

標本コンテンツ群３００は、標本コンテンツ取得部２０１で取得した標本コンテンツのファイルから生成され、標本コンテンツ記憶部２０２に格納される。
標本コンテンツＩＤ３０１は、標本コンテンツ１つ１つを番組推薦装置１００内で一意に識別するための識別子（ＩＤｅｎｔｉｆｉｅｒ）である。ここでは、標本コンテンツＩＤ３０１は標本コンテンツ取得部２０１が標本コンテンツ３０２を取得した順番に０００１から順に４桁の連番を振り、その番号の先頭に“ＳＣ”を付加したものとする。例えば、１００番目に取得した標本コンテンツ３０２の標本コンテンツＩＤ３０１は、“ＳＣ０１００”となる。

なお、以下では図３に挙げた標本コンテンツを具体例にとって説明を行うとき、その標本コンテンツ３０２及び標本コンテンツ３０２と１対１に対応するデータを標本コンテンツＩＤ３０１で呼ぶこととする。例えば、“ＳＣ０００１”の標本コンテンツＩＤ３０１で識別される標本コンテンツ３０２は「ＳＣ０００１の標本コンテンツ３０２」と呼ぶ。
＜１−３−２．特徴検出基準情報＞
特徴検出基準情報４００は、特徴検出基準記憶部２０３に格納され、標本コンテンツ特徴検出部２０５及び被評価コンテンツ特徴検出部２１１により特徴の検出に使用されるデータである。ここでは特徴検出基準情報４００は、予め用意されて特徴検出基準記憶部２０３に格納されているものとし、番組推薦装置１００の動作中に生成、変更及び削除はされないものとする。

特徴検出基準情報４００の構成要素の特徴ＩＤ４０１は、特徴１つ１つを番組推薦装置１００内で一意に識別するための識別子である。ここでは、特徴ＩＤ４０１は特徴検出基準記憶部２０３が特徴検出基準情報４００を記憶している順番に０００１から順に４桁の連番を振り、その番号の先頭に“ＦＥ”を付加したものとする。例えば、１００番目の特徴の特徴ＩＤ４０１は、“ＦＥ０１００”となる。

なお、以下では図４に挙げた特徴を具体例にとって説明を行うとき、その特徴及び特徴と１対１に対応するデータを特徴ＩＤ４０１で呼ぶこととする。例えば、“ＦＥ０００１”の特徴ＩＤ４０１で識別される特徴は「ＦＥ０００１の特徴」と呼び、“ＦＥ０００１”の特徴を検出する基準となる特徴検出基準４０２は「ＦＥ０００１の特徴検出基準４０２」と呼ぶ。

特徴検出基準情報４００の構成要素の特徴検出基準４０２は、標本コンテンツ特徴検出部２０５及び被評価コンテンツ特徴検出部２１１が特徴を検出するために用いるデータであり、特徴１つ１つに対応する検出の基準を示すデータである。

特徴検出基準４０２は、各特徴が対応するオブジェクトを示すＳＩＦＴ（Ｓｃａｌｅ−Ｉｎｖａｒｉａｎｔ Ｆｅａｔｕｒｅ Ｔｒａｎｓｆｏｒｍ）特徴量や色彩情報等の代表値や範囲を示すデータにより構成されている。
＜１−３−３．特徴重要度情報＞
特徴重要度情報５００は、各特徴が標本コンテンツ群３００からどの程度検出されたかを示す情報であり、被評価コンテンツ評価値算出部２１３が行う被評価コンテンツの評価に用いられる。特徴重要度情報５００は、特徴重要度算出部２０６により生成され、特徴重要度記憶部２０７に格納されて、被評価コンテンツ評価部２１０によって使用される。

特徴重要度情報５００の構成要素の特徴の検出量５０１は、各特徴について標本コンテンツ特徴検出部２０５がその特徴を検出した標本コンテンツの量である。ここでは、標本コンテンツ群３００のうち、その特徴を検出できた標本コンテンツ３０２のファイル数とする。

特徴重要度情報５００の構成要素の特徴の重要度５０２は、各特徴間の検出量５０１の比率を保ったまま最大値が１になるように、上述の検出量５０１を正規化した値である。すなわち、ある特徴の重要度５０２はその特徴の検出量５０１を、全特徴の検出量５０１の中で最大の検出量５０１によって割った値である。

標本コンテンツ群３００に含まれる標本コンテンツが増加すると、検出量５０１も全体的に増加する。そのため、検出量５０１が大きくても、ユーザの関心が高いから検出量５０１が大きいのか単に標本コンテンツが多いから検出量５０１が大きいのかを区別できない。ここで重要度５０２を用いると、重要度５０２は標本コンテンツの総量にかかわらず全て０以上１以下の範囲に収まるため、１に近いほどユーザの関心が高いと考えることができる。
＜１−３−４．被評価コンテンツ群＞
被評価コンテンツ群６００は、評価対象である被評価コンテンツ６０２とそれぞれの標本コンテンツ３０２に対応する被評価コンテンツＩＤ６０１との組の集合である。

被評価コンテンツ群６００は、被評価コンテンツ取得部２０８で取得した被評価コンテンツから生成され、被評価コンテンツ記憶部２０９に格納される。
被評価コンテンツ群６００の構成要素の被評価コンテンツＩＤ６０１は、被評価コンテンツ１つ１つを番組推薦装置１００内で一意に識別するための識別子である。ここでは、被評価コンテンツＩＤ６０１は被評価コンテンツ取得部２０８が被評価コンテンツ６０２を取得した順番に０００１から順に４桁の連番を振り、その番号の先頭に“ＥＣ”を付加したものとする。例えば、１００番目に取得した被評価コンテンツ６０２の被評価コンテンツＩＤ６０１は、“ＥＣ０１００”となる。

なお、以下では図６に挙げた被評価コンテンツを具体例にとって説明を行うとき、その被評価コンテンツ及び被評価コンテンツと１対１に対応するデータを被評価コンテンツＩＤ６０１で呼ぶこととする。例えば、“ＥＣ０００１”の被評価コンテンツＩＤ６０１で識別される被評価コンテンツ６０２は「ＥＣ０００１の被評価コンテンツ６０２」と呼ぶ。
＜１−３−５．被評価コンテンツ特徴情報＞
被評価コンテンツ特徴情報７００は、被評価コンテンツそれぞれに該当する特徴を示すデータである。

被評価コンテンツ特徴情報７００は、被評価コンテンツ特徴検出部２１１で生成され、被評価コンテンツ特徴記憶部２１２に格納されて、被評価コンテンツ評価値算出部２１３により使用される。

被評価コンテンツ６０２からは特徴が複数検出される場合も、１つも検出されない場合もある。１つ以上検出された場合には検出された特徴を全て被評価コンテンツ特徴情報７００に格納し、１つも検出されなかった場合には１つも検出されなかったことを示すデータを被評価コンテンツ特徴情報７００に格納する。
＜１−３−６．被評価コンテンツ評価情報＞
被評価コンテンツ評価情報８００は、被評価コンテンツに対する評価を示す情報である。被評価コンテンツ評価情報８００は被評価コンテンツ評価値算出部２１３で生成され、被評価コンテンツ評価値記憶部２１４に格納されて、コンテンツ選択部２１６によって使用される。

被評価コンテンツ評価情報８００を構成する評価値８０１は、被評価コンテンツ特徴情報７００と特徴重要度情報５００とに基づいて、被評価コンテンツそれぞれに対して被評価コンテンツ評価値算出部２１３によって評価される。
＜１−４．動作＞
次に、本発明に係る番組推薦装置１００の動作について説明する。

番組推薦装置１００の動作は大きく分けて、被評価コンテンツから特徴を検出する際の処理、標本コンテンツを取得する際の処理及び番組を推薦する処理の３つに分けられる。
標本コンテンツを取得する際の処理は、ユーザが番組推薦装置１００にメモリカード１０４を差し込むなどして標本コンテンツを入力する際に実行される。この処理ではメモリカード１０４に蓄積されている標本コンテンツを取得し、それぞれの標本コンテンツ３０２から特徴の検出を試みて、その結果を用いて特徴重要度情報５００を特定する。

被評価コンテンツから特徴を検出する際の処理は定期的に実行される。この処理では、被評価コンテンツ記憶部２０９に格納されている各被評価コンテンツから特徴を検出して記録し、更に検出結果から各被評価コンテンツを評価する。

番組を推薦する処理は、ユーザがコントローラ１０５によりお勧め番組を見る旨の操作を行い、その操作信号を番組推薦装置１００が受信したときなどに実行される。この処理では、評価値８０１の高いものから降順に所定数（ここでは３つとする）の被評価コンテンツ６０２を選び出し、表示することで推薦を行っている。

以下では、上記３つそれぞれの処理について、図面の流れ図に沿って説明する。
＜１−４−１．標本コンテンツを取得する際の処理＞
標本コンテンツを取得する際の処理は、取得可能な標本コンテンツを取得し、取得したそれぞれの標本コンテンツ３０２から特徴の検出を試みる。そしてその結果によって各特徴の重要度５０２を特定し、特定した各特徴の重要度５０２を用いて既に記録されている各被評価コンテンツを評価する。

以下では図１１の流れ図を用いて番組推薦装置１００が標本コンテンツを取得する際の処理を説明する。
まず、標本コンテンツ取得部２０１は新たに取得できる標本コンテンツのうち未取得のものがあるか否かを判断する（ステップＳ１１０１）。

ある場合（ステップＳ１１０１：Ｙｅｓ）には、標本コンテンツ取得部２０１がその未取得の標本コンテンツ３０２のうち１つを取得する。そして標本コンテンツＩＤ３０１を生成して、標本コンテンツＩＤ３０１と取得した標本コンテンツ３０２との組を、標本コンテンツ記憶部２０２に格納されている標本コンテンツ群３００に追加する（ステップＳ１１０２）。

なお、以下ではここで取得した標本コンテンツ３０２を標本コンテンツｘと呼ぶこととする。
次に、標本コンテンツ特徴検出部２０５が特徴検出基準記憶部２０３に格納されている特徴検出基準４０２を用いて標本コンテンツｘから各特徴の検出を試みる（ステップＳ１１０３）。

そして、特徴重要度算出部２０６が標本コンテンツｘから検出された特徴の検出量５０１の更新処理を行う（ステップＳ１１０４）。
特徴の検出量５０１の更新処理が終了すると、次なる標本コンテンツ３０２を取得するため、ステップＳ１１０１へ戻る。

ステップＳ１１０１で新たに取得できる標本コンテンツのうち未取得のものがないと判断された場合（Ｓ１１０１：Ｎｏ）には、特徴重要度算出部２０６が各特徴の重要度５０２の算出処理を行う（ステップＳ１１０５）。

最後に、被評価コンテンツ評価値算出部２１３は算出された各特徴の重要度５０２によって、被評価コンテンツ群の評価処理を行う（ステップＳ１１０６）。
＜１−４−１−１．特徴の検出＞
以下では、標本コンテンツ特徴検出部２０５が標本コンテンツ３０２から特徴の検出を試みる処理について説明する。

処理対象の標本コンテンツ３０２が静止画であった場合には特徴の検出は従来技術を用いて可能である。例えば図１２のように１枚の静止画１２００に対して検出窓と呼ばれる矩形領域から局所特徴量を抽出し、特徴ごとの特徴量のパターンとマッチングを行うことにより特徴（花や自動車等のオブジェクトの存在）を検出する物体検出（Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ）という方法がある。

例えば特徴を検出する基準として花の画像にマッチするパターンと自動車の画像にマッチするパターンとがあるとすれば、同図の例のように、静止画１２００中の矩形領域１２０１ａからは花の、矩形領域１２０１ｂからは自動車が存在するという特徴が検出される。

処理対象の標本コンテンツ３０２が動画であった場合には、その動画に含まれる全てのフレームをそれぞれ静止画と見なして特徴の検出を試みる。そして、全フレームのうち少なくとも１つから検出されれば、その特徴は検出されたこととする。

図１２の静止画１２００が標本コンテンツｘ中の１つのフレームである場合を例にとると、標本コンテンツｘからは花の特徴と自動車の特徴が検出されていることとなる。
なお、被評価コンテンツ６０２から特徴の検出を試みる場合にも同様の方法により特徴の検出を試みることとする。
＜１−４−１−２．特徴の検出量の更新処理＞
特徴の検出量５０１の更新処理は、ある１つの標本コンテンツ３０２から検出された全ての特徴の検出量５０１を更新する処理である。

この処理は特徴重要度算出部２０６により行われ、その結果である特徴重要度情報５００は特徴重要度記憶部２０７に格納される。
以下では図１３の流れ図を用いて特徴重要度算出部２０６が１つの標本コンテンツから検出した特徴によって特徴の検出量５０１を更新する処理を説明する。なお、ここでは特徴の検出を行った標本コンテンツを標本コンテンツｘと呼ぶこととする。

まず、標本コンテンツｘから検出された特徴のうち、特徴の検出量５０１の更新処理を開始してから検出量５０１が未だ更新されていない特徴が存在するか否かを判断する（ステップＳ１３０１）。ある場合には以下の処理に進む（ステップＳ１３０１：Ｙｅｓ）。ない場合には特徴の検出量５０１の更新処理を終了する（ステップＳ１３０１：Ｎｏ）。

検出量５０１が未だ更新されていない特徴のうち１つを選び出し、選び出した特徴の検出量５０１の値を、元の検出量５０１より１大きい値に更新する（ステップＳ１３０２）。

そして、更新した特徴の検出量５０１を特徴重要度記憶部２０７に格納する（ステップＳ１３０３）。
ステップＳ１３０３が終了すると、ステップＳ１３０１に戻る。
＜１−４−１−３．特徴の重要度の算出処理＞
特徴の重要度５０２の算出処理は、全ての特徴の重要度５０２を算出する処理である。

この処理は、特徴重要度算出部２０６により行われ、その結果である特徴重要度情報５００は特徴重要度記憶部２０７に格納される。
以下では図１４の流れ図を用いて特徴重要度算出部２０６が各特徴の重要度５０２を算出する処理を説明する。

まず、検出量５０１が更新された特徴のうち、特徴の重要度５０２の算出処理を開始してから重要度５０２が未だ算出されていない特徴が存在するか否かを判断する（ステップＳ１４０１）。ある場合には以下の処理に進む（ステップＳ１４０１：Ｙｅｓ）。ない場合には特徴の重要度５０２の算出処理を終了する（ステップＳ１４０１：Ｎｏ）。

重要度５０２が未だ算出されていない特徴のうち１つを選び出し、選び出した特徴の重要度５０２の値を、その特徴の検出量５０１を全特徴の検出量５０１のうち最も大きい検出量５０１で割った値として算出する（ステップＳ１４０２）。

そして、算出した特徴の重要度５０２を特徴重要度記憶部２０７に格納する（ステップＳ１４０３）。
ステップＳ１４０３が終了すると、ステップＳ１４０１に戻る。
＜１−４−１−４．被評価コンテンツ群の評価処理＞
被評価コンテンツ群６００の評価処理は、全ての被評価コンテンツ６０２を評価する処理である。

この処理は、被評価コンテンツ評価値算出部２１３によって行われ、その結果である被評価コンテンツ評価情報８００は被評価コンテンツ評価値記憶部２１４に格納される。
以下では図１５の流れ図を用いて被評価コンテンツ評価値算出部２１３が行う被評価コンテンツ群６００の評価処理を説明する。

まず、図示していないが全被評価コンテンツを未評価の状態にする。これは、例えば評価値８０１を無効な値に設定することで実現可能である。
そして、未評価の被評価コンテンツが存在するか否かを判断する（ステップＳ１５０１）。ある場合（ステップＳ１５０１：Ｙｅｓ）には以下の処理に進む。ない場合（ステップＳ１５０１：Ｎｏ）には被評価コンテンツ群の評価処理を終了する。

未評価の被評価コンテンツのうちから１つを選び出し、選び出した被評価コンテンツの評価を行う（ステップＳ１５０２）。この評価の処理については、後に詳しく述べる。
選び出した被評価コンテンツの評価が終了したら、ステップＳ１５０１に戻る。
＜１−４−２．被評価コンテンツから特徴を検出する際の処理＞
被評価コンテンツから特徴を検出する際の処理は、被評価コンテンツ記憶部２０９に格納されているそれぞれの被評価コンテンツ６０２から特徴の検出を試みる。そして検出された各特徴の、特徴検出量特定部２０４が特定した重要度５０２を用いてその被評価コンテンツを評価する。

図１６の流れ図を用いて番組推薦装置１００が被評価コンテンツから特徴を検出する際の処理を説明する。
まず、特徴の検出を未だ行っていない被評価コンテンツがあるか否かを判断する（ステップＳ１６０１）。ある場合（ステップＳ１６０１：Ｙｅｓ）には以下の処理を行う。ない場合（ステップＳ１６０１：Ｎｏ）には処理を終了する。

以下では特徴の検出を未だ行っていない被評価コンテンツのうち１つを特徴の検出対象として処理を行うこととし、検出対象とした被評価コンテンツ６０２を被評価コンテンツｙと呼ぶこととする。

まず、被評価コンテンツ特徴検出部２１１が被評価コンテンツｙから特徴を検出し（ステップＳ１６０２）、被評価コンテンツｙの被評価コンテンツＩＤ６０１と検出した特徴の特徴ＩＤ４０１との組を被評価コンテンツ特徴記憶部２１２に格納する（ステップＳ１６０３）。

続いて被評価コンテンツｙの評価処理を行う（ステップＳ１６０４）。
被評価コンテンツｙの評価処理が終了すると、次なる被評価コンテンツから特徴を検出するため、ステップＳ１６０１へ戻る。
＜１−４−２−１．被評価コンテンツの評価処理＞
被評価コンテンツの評価処理は、１つの被評価コンテンツ６０２から検出された各特徴の重要度５０２の総和として、その被評価コンテンツ６０２の評価値８０１を評価する処理である。

被評価コンテンツの評価処理は被評価コンテンツ評価部２１０により行われ、その結果である被評価コンテンツ評価情報８００は被評価コンテンツ評価値記憶部２１４に格納される。

以下では図１７の流れ図を用いて被評価コンテンツ評価部２１０が１つの被評価コンテンツを評価する際の処理を説明する。なお、ここでは評価対象とする１つの被評価コンテンツを被評価コンテンツｙと呼ぶこととする。

まず、被評価コンテンツｙの評価値を０とする（ステップＳ１７０１）。
続いて、被評価コンテンツｙから検出された特徴のうち、被評価コンテンツｙの評価処理を開始してから評価値８０１の算出に未だ用いていない特徴が存在するか否かを判断する（ステップＳ１７０２）。ある場合（ステップＳ１７０２：Ｙｅｓ）には以下の処理を行う。

被評価コンテンツｙの評価値８０１の算出に未だ用いていない特徴のうち１つを選び出し、選び出した特徴の重要度５０２を被評価コンテンツｙの評価値８０１に加算する（ステップＳ１７０３）。

ステップＳ１７０３の処理が終了すると、ステップＳ１７０２に戻る。
被評価コンテンツｙの評価値８０１の算出に未だ用いていない特徴がない場合（ステップＳ１７０２：Ｎｏ）には、被評価コンテンツｙの被評価コンテンツＩＤと、被評価コンテンツｙの評価値８０１との組を被評価コンテンツ評価情報８００として被評価コンテンツ評価値記憶部２１４に格納する（ステップＳ１７０４）。

被評価コンテンツ評価値記憶部２１４に、既に同じ被評価コンテンツＩＤ６０１を持つ被評価コンテンツ評価情報８００があった場合には、新しい被評価コンテンツ評価情報８００で古い被評価コンテンツ評価情報８００を上書きする。

ステップＳ１７０４が終了すると、被評価コンテンツｙの評価処理は終了し、呼び出し元の処理に戻る。
＜１−４−３．番組を推薦する処理＞
番組を推薦する処理は、ユーザの入力を受けて評価値８０１の高い被評価コンテンツ３つを選び出し、表示することで推薦を行う処理である。

この処理は、コンテンツ選択部２１６によって行われ、結果は出力部２１７によって表示される。
以下では図１８の流れ図を用いてコンテンツ選択部２１６が行う、番組を推薦する処理を説明する。

まず、ユーザによる推薦を要求する操作があるまで待機する（ステップＳ１８０１：Ｎｏ）。推薦を要求する操作があれば以下の処理を行う（ステップＳ１８０１：Ｙｅｓ）。
被評価コンテンツ評価値記憶部２１４に格納されている被評価コンテンツ評価情報８００を用いて、評価値８０１が高いものから降順に３つの被評価コンテンツを選び出す（ステップＳ１８０２）。

次に、出力部２１７に選び出した被評価コンテンツを表示させて推薦する（ステップＳ１８０３）。
推薦する処理が終了したら、ステップＳ１８０１に戻って次の要求があるまで再び待機する。
＜２．実施形態２＞
次に実施形態２として、実施形態１に係る番組推薦装置１００において被評価コンテンツ及び標本コンテンツから特徴が検出できたか否かによって評価値及び検出量を求めていたところを、その特徴が検出できた部分の面積を用いて重み付けして評価値及び検出量を求めるように動作を変更した変形番組推薦装置について説明する。

以下では、実施形態１に係る番組推薦装置１００との違いに当たる部分を中心に述べることとする。
＜２−１．概要＞
変形番組推薦装置は被評価コンテンツについては、その被評価コンテンツから検出された各特徴の重要度５０２を、その特徴の検出された部分の面積で重み付けして足し合わせることで評価値８０１を評価する。

また、変形番組推薦装置は特徴の重要度５０２については、その特徴が検出された標本コンテンツの量を、それぞれの標本コンテンツからその特徴が検出された部分の面積で重み付けして数える。

なお、ここでの面積とは画像の全部又は一部の領域に含まれる画素数のこととする。
＜２−２．構成＞
変形番組推薦装置のハードウェア構成は実施形態１に係る番組推薦装置のハードウェア構成と全く同様である。

変形番組推薦装置の機能構成もまた実施形態１に係る番組推薦装置の機能構成と大部分は同様であるが、一部の機能構成部の動作及び記憶しているデータが以下の点で異なる。
標本コンテンツ特徴検出部２０５は動作を変更し、特徴を検出する際にその特徴の検出面積の算出も行う。

特徴重要度算出部２０６は、特徴の検出量５０１を算出する方法を、その特徴の各標本コンテンツでの検出面積を用いるように変更している。
図１９は、特徴重要度算出部２０６が特定した特徴重要度情報５００のデータ構造及び内容例である。同図に示すように、特徴重要度情報５００は実施形態１における特徴重要度情報５００と同じデータ構成である。

ただし、特徴の検出量５０１はその特徴が検出された標本コンテンツのファイル数ではなく、標本コンテンツ群３００に含まれる各標本コンテンツ３０２から検出された全ての特徴それぞれの検出面積の総和である。

被評価コンテンツ特徴検出部２１１は動作を変更し、特徴を検出する際にその特徴の検出面積の算出も行う。
被評価コンテンツ特徴記憶部２１２は記憶しているデータを変更し、被評価コンテンツ特徴検出部２１１で検出した特徴の情報をその特徴の検出面積も含めて記憶する。

被評価コンテンツ評価値算出部２１３は動作を変更し、被評価コンテンツから検出された各特徴の重要度５０２を、その特徴の検出面積で重み付けして足し合わせることで評価値８０１を評価する。
＜２−３．データ＞
以下では、実施形態１から変更されるデータについて説明する。

変形番組推薦装置の被評価コンテンツ特徴情報７００ａは、実施形態１の被評価コンテンツ特徴情報７００を拡張して、各被評価コンテンツから検出した特徴に１対１に対応する検出面積２００１を追加したデータである。

ここで検出面積とは、画像中から各特徴に対応するオブジェクトが検出された部分の面積の、その画像全体の面積に対する比で示される相対的な面積である。
図２０は被評価コンテンツ特徴情報７００ａのデータ構成及び内容例を示したものである。同図に示すように、被評価コンテンツ特徴情報７００ａは被評価コンテンツＩＤ６０１、特徴ＩＤ４０１及び検出面積２００１で構成されている。

図２１は実施形態１の例と同じ被評価コンテンツ及び標本コンテンツを入力された変形番組推薦装置が、検出面積を用いて被評価コンテンツを評価した結果の被評価コンテンツ評価情報８００の例である。また、図２２はその結果に基づいて推薦される番組の例を示している。

図２１及び図２２に示すように、実施形態２の変形番組推薦装置が評価した評価値８０１及び推薦する番組は図８及び図９に示される実施形態１の番組推薦装置が評価した結果とは異なる。

なお、変更又は追加されたデータに基づいて生成及び更新されるデータは、実施形態１の番組推薦装置が生成及び更新するデータと異なった結果に当然なるため、以後は図示しない。
＜２−４．動作＞
以下では、実施形態１から変更又は追加される処理について説明する。
＜２−４−１．検出面積の算出＞
実施形態２に係る変形番組推薦装置が標本コンテンツ特徴検出部２０５及び被評価コンテンツ特徴検出部２１１において特徴の検出を行う際、特徴が処理対象の静止画又は動画中に存在するか否かを検出するとともに、その特徴に対応するオブジェクトが処理対象の画像の中でどの程度の面積を占めているかを示す検出面積を算出する。

１枚の静止画から特徴を検出する方法を、検出窓と呼ばれる矩形領域から局所特徴量を抽出し、それぞれの特徴に対応するオブジェクトの特徴量のパターンとマッチングを行うこととすると、その特徴が検出された検出窓の面積がその静止画におけるオブジェクトの面積となる。検出面積はそのオブジェクトの面積をその静止画全体の面積で割ったものとなる。

図２３（ａ）に１枚の静止画から花と自動車の２つの特徴を検出する例を示す。
同図の例では、全体の面積が１，０００，０００の静止画２３００において、面積１１０，０００の領域２３０１ａから花の特徴が、面積２７０，０００の領域２３０１ｂから自動車の特徴が検出されている。

この例では、花の特徴の検出面積は１１０，０００／１，０００，０００＝０．１１、自動車の特徴の検出面積は２７０，０００／１，０００，０００＝０．２７となる。
動画における特徴の検出面積は、その特徴を検出するために選び出したフレームそれぞれを静止画と見なしてその特徴の検出を行い、その特徴が検出されたフレームそれぞれでの静止画における検出面積の総和を、選び出したフレームの数で割った値とする。

図２３（ｂ）に動画中の３つのフレームから花の特徴を検出する例を示す。同図の例では全体の面積が１，０００，０００の動画の、フレーム２３００ａからは面積１７０，０００の領域２３０１ｃから花の特徴が検出され、フレーム２３００ｂからは面積４６０，０００の領域２３０１ｄから花の特徴が検出され、フレーム２３００ｃからは花の特徴は検出されていない。

この例では、花の特徴が検出されたフレームそれぞれでの検出面積は、フレーム２３００ａにおいて０．１７、フレーム２３００ｂにおいて０．４６となる。そのため、この例で挙げた動画における検出面積は、これらの和をフレーム数で割って（０．１７＋０．４６）／３＝０．２１となる。
＜２−４−２．標本コンテンツを取得する際の処理＞
標本コンテンツを取得する際の処理は、実施形態１と同じく図１１の流れで行う。ただし、この処理の中で行う特徴の検出量の更新処理（ステップＳ１４０４）の内容が以下のように変更されている。

以下では図２４の流れ図を用いて特徴検出量特定部２０４が１つの標本コンテンツから検出した特徴及び検出面積によって特徴の検出量５０１を更新する処理を説明する。なお、ここでは特徴の検出を行った標本コンテンツを標本コンテンツｘと呼ぶこととする。

同図に示すように、実施形態２における特徴の検出量の更新処理は、実施形態１における特徴の検出量の更新処理（図１３）において検出量５０１を１増やしていた（ステップＳ１３０２）ところを、元の検出量５０１にその特徴の標本コンテンツｘにおける検出面積を足した値に更新する（ステップＳ１３０２ａ）ように変更したものであり、他は実施形態１と変わらない。
＜２−４−３．被評価コンテンツから特徴を検出する際の処理＞
被評価コンテンツから特徴を検出する際の処理は、実施形態１と同じく図１６の流れで行う。ただし、一部の動作を以下のように変更している。

なお、ここでは実施形態１の説明の場合と同様に、特徴の検出対象の被評価コンテンツを被評価コンテンツｙと呼ぶこととする。
被評価コンテンツ特徴検出部２１１が被評価コンテンツｙから特徴を検出するとき、検出された特徴については検出面積２００１の算出も行うようにする（ステップＳ１６０２）。

実施形態１において被評価コンテンツ特徴検出部２１１が被評価コンテンツｙの被評価コンテンツＩＤ６０１と検出した特徴の特徴ＩＤ４０１との組を被評価コンテンツ特徴記憶部２１２に格納していたところを、検出面積２００１も含めて格納するようにする（ステップＳ１６０３）。

被評価コンテンツ評価部２１０が行う被評価コンテンツｙの評価処理（ステップＳ１６０４）は以下のように処理内容が変更されている。
＜２−４−３−１．被評価コンテンツの評価処理＞
被評価コンテンツ評価部２１０が行う被評価コンテンツの評価処理は、実施形態１では被評価コンテンツ６０２から検出された各特徴の重要度５０２の総和として評価値８０１を評価していたところを、被評価コンテンツ６０２から検出された各特徴の重要度５０２と検出面積２００１との積の総和として評価値８０１を評価するように変更したものである。

以下では図２５の流れ図を用いて被評価コンテンツ評価部２１０が行う、被評価コンテンツの評価処理を説明する。なお、ここでは評価対象である被評価コンテンツを被評価コンテンツｙと呼ぶこととする。

同図に示すように、実施形態２における被評価コンテンツの評価処理は、実施形態１における被評価コンテンツの評価処理（図１７）において評価値８０１に、選び出した特徴の重要度５０２を加算していたところ（ステップＳ１７０３）を、選び出した特徴の重要度５０２とその特徴の検出面積２００１との積を加算する（ステップＳ１７０３ａ）ように変更したものであり、他は実施形態１と変わらない。
＜３．実施形態３＞
次に実施形態３として、実施形態１に係る番組推薦装置１００において、標本コンテンツ群３００の全ての標本コンテンツを用いて各特徴の検出量を特定していたところを、評価を行う日付から過去７日間に撮影された標本コンテンツのみを用いて各特徴の検出量を特定するように動作を変更した変形番組推薦装置について説明する。

なお、ここで過去７日間というのは、評価を行う日も含めて７日間とする。
以下では、実施形態１に係る番組推薦装置１００との違いに当たる部分を中心に述べることとする。
＜３−１．概要＞
図２６の棒グラフは特徴Ａ及び特徴Ｂの１日ごとの検出量の例を示している。

同図において横軸は日付を示しており、右に行くほど新しい日付となる。右端は評価を行う当日である。
縦軸は１日の検出量を示しており、棒の高さは１日に撮影された標本コンテンツから検出された検出量を示している。

この例において、特徴Ａと特徴Ｂは全期間を見ると検出量は同程度であるが、点線で囲まれた７日間の検出量は特徴Ｂが多く、特徴Ａについては少ない。
ここから、特徴Ｂは最近７日間で関心が高く、現在も関心が高いと考えられる。一方特徴Ａは、かつては関心が高かったが現在は関心が低いと考えられる。

実施形態３に係る変形番組推薦装置は、評価を行う日付から過去７日間に撮影された標本コンテンツのみにより特定された各特徴の検出量に基づいて被評価コンテンツを評価することで、ユーザの関心が日々変動するのに合わせて現在関心が高いと考えられる被評価コンテンツを推薦する。
＜３−２．構成＞
変形番組推薦装置のハードウェア構成は実施形態１に係る番組推薦装置のハードウェア構成と全く同様である。

変形番組推薦装置の機能構成もまた実施形態１に係る番組推薦装置の機能構成と大部分は同様であるが、一部の機能構成部の動作及び記憶しているデータが以下の点で異なる。
標本コンテンツ記憶部２０２は記憶するデータの内容を変更し、標本コンテンツ群３００に、各標本コンテンツに予め付加されている撮影時刻２７０１のデータも含めた標本コンテンツ群３００ａを記憶する。

図２７は実施形態３における標本コンテンツ群３００ａのデータ構成及び内容例を示している。同図に示すように、実施形態１の標本コンテンツ群３００の構成に、標本コンテンツ１つ１つにそれぞれ対応する撮影時刻２７０１のデータを加えたものとなっている。

撮影時刻は例えばＥｘｉｆ（Ｅｘｃｈａｎｇｅａｂｌｅ ｉｍａｇｅ ｆｉｌｅ ｆｏｒｍａｔ）情報として標本コンテンツに予め付加されているものを用いる。
標本コンテンツ特徴検出部は動作を変更し、撮影時刻が過去７日間の範囲内にある標本コンテンツのみから特徴を検出するようにしている。変更された動作の内容については後に詳しく述べる。
＜３−３．動作＞
以下では、実施形態１から変更又は追加される処理について説明する。

次に、標本コンテンツを取得する際の処理は図２８に示すように、取得すべき全ての標本コンテンツを取得し格納するだけの処理に変更される。
この処理は実施形態１における標本コンテンツを取得する際の処理（図１１）から取得すべき標本コンテンツが存在するか否かを判断する処理（ステップＳ１１０１）及び取得すべき標本コンテンツを１つ取得する処理（ステップＳ１１０２）以外を省いたものである。

なお、標本コンテンツ取得部２０１が取得した標本コンテンツ３０２を標本コンテンツ記憶部２０２に格納する際、標本コンテンツ取得部２０１は同時にその標本コンテンツの撮影時刻２７０１のデータも格納している。

被評価コンテンツから特徴を検出する際の処理は図２９に示すように、特徴の検出を行っていない被評価コンテンツそれぞれから特徴の検出を試みて、検出された特徴を記録するだけの処理に変更される。

この処理は実施形態１における被評価コンテンツから特徴を検出する際の処理（図１６）から被評価コンテンツの評価処理（ステップＳ１６０４）を省いたものである。
番組を推薦する処理は図３０に示すように、実施形態１における番組を推薦する処理（図１８）において、被評価コンテンツを選択する処理（ステップＳ１８０２）の前に、全特徴の重要度の特定処理（ステップＳ３００１）と全被評価コンテンツの評価処理（ステップＳ３００２）とを行うように変更したものである。

ここで、全被評価コンテンツの評価処理（ステップＳ３００２）は、被評価コンテンツ評価値算出部２１３が全ての被評価コンテンツを評価する処理である。この処理は、図１５に示される被評価コンテンツ群の評価処理に等しい。

全特徴の重要度の特定処理（ステップＳ３００１）は、特徴検出量特定部２０４により行われる。以下では図３１の流れ図を用いてこの処理の内容について述べる。
まず、全ての特徴の検出量を０にする（ステップＳ３１０１）。

次に、今回の特定処理を始めてから未だ選出されていない標本コンテンツが標本コンテンツ群３００にあるか否かを判定する（ステップＳ３１０２）。ある場合（ステップＳ３１０２：Ｙｅｓ）は以下の処理を行う。

未だ選出されていなかった標本コンテンツを標本コンテンツ群３００から１つ選出する（ステップＳ３１０３）。以下ではここで選出した標本コンテンツを標本コンテンツｘと呼ぶこととする。

次に、標本コンテンツｘの撮影時刻２７０１が過去７日間の範囲内にあるか否かを判定する（ステップＳ３１０４）。ある場合は以下の処理を行う（ステップＳ３１０４：Ｙｅｓ）。ない場合はステップＳ３１０２に戻る（ステップＳ３１０４：Ｎｏ）。

標本コンテンツｘから特徴を検出の検出を試みる（ステップＳ３１０５）。この処理は実施形態１における特徴の検出処理と同様である。
そして、標本コンテンツｘから検出された特徴の検出量の更新を行う（ステップＳ３１０６）。この処理は実施形態１における特徴の検出量の更新処理（図１３）と同様である。

特徴の検出量の更新処理が終了すると、ステップＳ３１０２に戻る。
全特徴の重要度の特定処理を始めてから未だ選出されていない標本コンテンツが標本コンテンツ群３００にない場合（ステップＳ３１０２：Ｎｏ）は、各特徴の重要度を算出する。この処理は実施形態１における特徴の重要度の算出処理（図１４）と同様である。
＜４．実施形態４＞
次に実施形態４として、実施形態１に係る番組推薦装置１００において、特徴の検出量の値に応じて被評価コンテンツを評価していたところを、更に過去７日間での特徴の検出量の変化にも応じて被評価コンテンツを評価するように動作を変更した変形番組推薦装置について説明する。

以下では、実施形態１に係る番組推薦装置１００との違いに当たる部分を中心に述べることとする。
＜４−１．概要＞
図３２の棒グラフは特徴Ａ及び特徴Ｂの１日ごとの検出量の例を示している。

同図において横軸は日付を示しており、右に行くほど新しい日付となる。右端は評価を行う当日である。
縦軸は１日の検出量を示しており、棒の高さは１日に撮影された標本コンテンツから検出された検出量を示している。

この例において、特徴Ａと特徴Ｂは点線で囲まれた期間における検出量の合計は同程度であるが、７日前から当日までの検出量の変化量を見ると、特徴Ｂの方が検出量は著しく増加している。

このことから、特徴Ｂは現在関心が非常に高まりつつあることが考えられる。
逆に、ずっと検出量が多いままで変化が少ない特徴は、ユーザの関心が高いのではなく単に写りこみやすい特徴であることが考えられる。

実施形態４に係る変形番組推薦装置は全期間からの検出量に加えて、評価を行う当日に撮影された標本コンテンツにより特定された検出量の、７日前に撮影された標本コンテンツにより特定された検出量からの変化量も用いて被評価コンテンツを評価することで、ユーザの関心が日々変動するのに合わせて現在関心が高いと考えられる被評価コンテンツを推薦する。

なお、以下では評価を行う当日の１日間を第１の期間、評価を行う日の７日前の１日間を第２の期間ということとする。
＜４−２．構成＞
変形番組推薦装置のハードウェア構成は実施形態１に係る番組推薦装置のハードウェア構成と全く同様である。

変形番組推薦装置の機能構成もまた実施形態１に係る番組推薦装置の機能構成と大部分は同様であるが、一部の機能構成部の動作及び記憶しているデータが以下の点で異なる。
標本コンテンツ記憶部２０２は記憶するデータの内容を変更し、実施形態３における標本コンテンツ群３００ａ（図２７）と同じ構成のデータを記憶する。

特徴重要度算出部２０６は動作を変更し、実施形態１で用いたものと同じ検出量及び重要度に加えて、第１の期間及び第２の期間に対応する検出量及び重要度も特定するようにしている。

また、被評価コンテンツ評価部２１０が用いる各特徴の重要度の算出方法も変更し、各特徴の検出量を全特徴のうち最大の検出量で割った値に、更にその特徴の重要度の変化量を掛けることで重要度を算出する。ここで特徴の重要度の変化量は、その特徴の第１の期間に対応する重要度から第２の期間に対応する重要度を引いた値である。

特徴重要度記憶部２０７は記憶するデータの内容を変更し、第１の期間及び第２の期間それぞれに対する検出量と重要度とを含む特徴重要度情報５００ａを記憶する。
図３３は実施形態４における特徴重要度情報５００ａのデータ構成及び内容例を示している。同図に示すように、特徴重要度情報５００ａは実施形態１における特徴重要度情報５００の構成に加えて、各特徴に対応する第１の期間の検出量情報３３０１及び第２の期間の検出量情報３３０２により構成されている。

更に第１の期間の検出量情報３３０１及び第２の期間の検出量情報３３０２は、それぞれに対応する検出量及び重要度により構成されている。
以下では、第１の期間の検出量情報３３０１に含まれる検出量５０１ａ及び重要度５０２ａをそれぞれ第１の検出量５０１ａ及び第１の重要度５０２ａといい、第２の期間の検出量情報３３０２に含まれる検出量５０１ｂ及び重要度５０２ｂをそれぞれ第２の検出量５０１ｂ及び第２の重要度５０２ｂということとする。

また、実施形態１における特徴重要度情報５００と共通の検出量５０１及び重要度５０２は、第１と第２の検出量及び重要度と区別するため全期間の検出量５０１及び全期間の重要度５０２ということとする。

図３３の例では、ＦＥ０００１の特徴は第２の期間から第１の期間までに重要度が増加しているため、全期間の重要度は正の値となっている。一方、ＦＥ０００４の特徴は、常に検出量が多いものの重要度は増加していないため、全期間の重要度は０となっている。また、重要度が下がったＦＥ０００２の特徴は全期間の重要度が負の値となっている。
＜４−３．動作＞
以下では、実施形態１から変更又は追加される処理について説明する。

標本コンテンツを取得する際の処理は、実施形態３における標本コンテンツを取得する際の処理（図２８）と同様に行う。
被評価コンテンツから特徴を検出する際の処理は、実施形態３における被評価コンテンツから特徴を検出する際の処理（図２９）と同様に行う。

番組を推薦する処理は、実施形態３における番組を推薦する処理（図３０）と同様に行う。ただし、全特徴の重要度の特定処理（ステップＳ３００１）は実施形態３とは異なる処理を行うため、以下で詳しく説明する。

実施形態４における全特徴の重要度の特定処理は、実施形態３における同じ処理（図３１）の一部を変更したものである。
以下では図３４の流れ図を用いてこの処理の変更点について述べる。なお、ここではステップＳ３１０３で選出された標本コンテンツを標本コンテンツｘと呼ぶこととする。

まず、実施形態３における全特徴の検出量５０１を０に初期化する処理（ステップＳ３１０１）は、全特徴の全期間の検出量５０１、第１の検出量５０１ａ及び第２の検出量５０１ｂを０に初期化する処理（ステップＳ３１０１ａ）に置き換える。

そして、実施形態３における撮影時刻による判断（ステップＳ３１０４）は行わないこととする。
また、特徴の検出量の更新処理（ステップＳ３１０６）及び特徴の重要度の算出処理（ステップＳ３１０７）も一部が変更されているため、以下で説明する。
＜４−３−１．特徴の検出量の更新処理＞
実施形態４における特徴の検出量の更新処理は、実施形態１及び３における同じ処理（図１３）の一部を変更したものであり、特徴の全期間の検出量５０１を更新していたところを、必要に応じて更に特徴の第１の検出量５０１ａ又は第２の検出量５０１ｂも更新するように変更したものである。

以下では図３５の流れ図を用いてこの処理の変更点について述べる。なお、ここでは処理対象とする標本コンテンツを標本コンテンツｘと呼ぶこととする。また、ステップＳ１３０２以降で各検出量を更新する対象とした特徴を特徴ｚと呼ぶこととする。

実施形態４における特徴の検出量の更新処理では、全期間の検出量５０１を記録する処理（ステップＳ１３０３）の後に撮影時刻の判定（ステップＳ３５０１）と、第１の検出量５０１ａを更新する処理（ステップＳ１３０２ｂ及びステップＳ１３０３ｂ）及び第２の検出量５０１ｂを更新する処理（ステップＳ１３０２ｃ及びステップＳ１３０３ｃ）とを追加している。

標本コンテンツｘの撮影時刻２７０１が第１の期間に入るか第２の期間に入るかいずれにも入らないかを判定する（ステップＳ３５０１）。
標本コンテンツｘの撮影時刻２７０１が第１の期間に入る場合（ステップＳ３５０１：第１の期間内）には、特徴ｚの第１の検出量５０１ａの値を、元の第１の検出量５０１ａより１大きい値に更新する（ステップＳ１３０２ｂ）。

そして、更新した特徴ｚの第１の検出量５０１ａを特徴重要度記憶部２０７に格納する（ステップＳ１３０３ｂ）。
第１の検出量５０１ａの更新及び格納が終了すると、ステップＳ１３０１に戻る。

標本コンテンツｘの撮影時刻２７０１が第２の期間に入る場合（ステップＳ３５０１：第２の期間内）には、上述の第１の検出量５０１ａの更新及び格納の処理と同様に、特徴ｚの第２の検出量５０１ｂを更新し（ステップＳ１３０２ｃ）、特徴重要度記憶部２０７に格納して（ステップＳ１３０３ｃ）、ステップＳ１５０１に戻る。

標本コンテンツｘの撮影時刻２７０１が第１の期間にも第２の期間にも入らない場合（ステップＳ３５０１：期間外）には、そのままステップＳ１５０１に戻る。
＜４−３−２．特徴の重要度の算出処理＞
実施形態４における特徴の重要度の算出処理は、実施形態１及び３における同じ処理の一部を変更したものである。実施形態１及び３において特徴の全期間の重要度５０２を算出していたところを、特徴の第１の重要度５０２ａ及び第２の重要度５０２ｂを算出し、その結果によって全期間の重要度５０２を算出するように変更したものである。

以下では図３６の流れ図を用いてこの処理の変更点について述べる。
実施形態４における特徴の重要度の算出処理では、全期間の重要度５０２を計算及び記録する処理（ステップＳ１４０２及びステップＳ１４０３）の前に第１の重要度５０２ａを計算及び記録する処理（ステップＳ１４０２ａ及びステップＳ１４０３ａ）と第２の重要度５０２ｂを計算及び記録する処理（ステップＳ１４０２ｂ及びステップＳ１４０３ｂ）とを追加し、全期間の重要度５０２を計算する処理（ステップＳ１４０２）は処理内容を変更している（ステップＳ１４０２ｃ）。

なお、以下では重要度を計算及び記録する処理の対象となる１つの特徴を特徴ｚと呼ぶこととして、特徴ｚの重要度を計算及び記録する処理について説明する。
まず、特徴ｚの第１の重要度５０２ａの値を、特徴ｚの検出量５０１ａを全特徴の第１の検出量５０１ａのうち最も大きい第１の検出量５０１ａで割った値として算出する（ステップＳ１４０２ａ）。

そして、算出した特徴ｚの第１の重要度５０２ａを特徴重要度記憶部２０７に格納する（ステップＳ１４０３ａ）。
同様にして、特徴ｚの第２の重要度５０２ｂも算出して（ステップＳ１４０２ｂ）、特徴重要度記憶部２０７に格納する（ステップＳ１４０３ｂ）。

特徴ｚの第１の重要度５０２ａ及び第２の重要度５０２ｂの算出が終了すると、全期間の重要度５０２を算出する（ステップＳ１４０２ｃ）。特徴ｚの全期間の重要度５０２は、特徴ｚの全期間の検出量５０１を全期間の検出量５０１のうち最も大きい全期間の検出量５０１で割った値に、第１の重要度から第２の重要度を減算した差を掛けることで算出する。

ステップＳ１４０３が終了すると、ステップＳ１４０１に戻る。
＜５．実施形態５＞
次に実施形態５として、実施形態１に係る番組推薦装置１００において被評価コンテンツから画像処理によって特徴を検出していたところを、被評価コンテンツに予め付加されているメタデータから検出するように動作を変更した変形番組推薦装置について説明する。
＜５−１．概要＞
標本コンテンツはユーザが自ら保有している写真や動画などであるため、必ずしもメタデータが付加されているわけではないし、付加されていたとしてもそのメタデータがその標本コンテンツの特徴を適切に示していることは少ない。

そのため標本コンテンツのメタデータを用いて被評価コンテンツを評価するためには、ユーザによって標本コンテンツに適切なメタデータを付加される必要があるが、この方法ではユーザの手間が掛かってしまう。

一方、被評価コンテンツは放送されている番組であり、検索等の利便性のため放送者が予め適切なメタデータを付加していることが期待できる。
そのため、被評価コンテンツから特徴を検出する際にはメタデータを用いるようにすれば、複雑な画像処理によらず、簡単なテキスト等の比較処理により高速に被評価コンテンツを評価することができると考えられる。

実施形態５に係る変形番組推薦装置は、標本コンテンツからは実施形態１と同じく画像処理によって特徴を検出し、被評価コンテンツからはメタデータによって特徴を検出する。
＜５−２．構成＞
変形番組推薦装置のハードウェア構成は実施形態１に係る番組推薦装置のハードウェア構成と全く同様である。

変形番組推薦装置の機能構成もまた実施形態１に係る番組推薦装置の機能構成と大部分は同様であるが、一部の機能構成部の動作及び記憶しているデータが以下の点で異なる。
被評価コンテンツ記憶部２０９は記憶するデータの内容を変更し、被評価コンテンツ群に、各被評価コンテンツに対応するメタデータを加えて記憶している。

図３７は被評価コンテンツ記憶部２０９が記憶している被評価コンテンツ群６００ａのデータ構成及び内容例である。同図に示すように、実施形態１の被評価コンテンツ群６００（図６を参照）に各被評価コンテンツに対応する文字列のメタデータ３７０１を追加したデータである。

メタデータ３７０１は、被評価コンテンツそれぞれに予め付加されているデータであり、ここでは被評価コンテンツの内容に関連する少なくとも１つのキーワードの文字列とする。

図３７の例では、ＥＣ０００１の被評価コンテンツ６０２に対しては“花”と“山”の文字列のメタデータが付加されている。
特徴検出基準記憶部２０３は記憶するデータの内容を変更し、被評価コンテンツ６０２のメタデータ３７０１から特徴を検出する基準３８０１と標本コンテンツ３０２のデータから特徴を検出する基準３８０２とを含んだ特徴検出基準情報４００ａを記憶している。

以下では被評価コンテンツのメタデータから特徴を検出する基準３８０１を被評価コンテンツの基準３８０１、標本コンテンツのデータから特徴を検出する基準３８０２を標本コンテンツの基準３８０２と呼ぶこととする。

図３８は特徴検出基準情報４００ａのデータ構成及び内容例である。同図に示すように、特徴検出基準情報４００ａは特徴ＩＤ４０１及び特徴検出基準４０２ａにより構成され、更に特徴検出基準４０２ａは被評価コンテンツの基準３８０１及び標本コンテンツの基準３８０２により構成されている。

被評価コンテンツの基準３８０１は、被評価コンテンツ６０２のメタデータ３７０１に含まれるキーワードに対応する文字列である。図３８の例では、ＦＥ０００１の特徴の被評価コンテンツの基準３８０１は“自動車”という文字列であり、被評価コンテンツ６０２のメタデータ３７０１に“自動車”というキーワードが含まれていれば、ＦＥ０００１の特徴をその被評価コンテンツ６０２から検出できる。

標本コンテンツの基準３８０２は、標本コンテンツ特徴検出部２０５が標本コンテンツから特徴を検出する基準であり、実施形態１における特徴検出基準情報４００の特徴検出基準４０２に相当するデータである。図３８の例では、ＦＥ０００１の特徴の標本コンテンツの基準３８０２は自動車画像に対応する特徴量の情報である。

標本コンテンツ特徴検出部２０５は動作を変更し、標本コンテンツ３０２のデータから特徴検出基準情報の標本コンテンツの基準によって特徴を検出する。特徴の検出に用いる基準を標本コンテンツ専用に変更しただけで処理自体に変更点はないため、ここでは動作の詳細については述べない。

被評価コンテンツ特徴検出部２１１は動作を変更し、被評価コンテンツのメタデータから特徴検出基準情報の被評価コンテンツの基準によって特徴を検出する。変更された動作の内容については後に詳しく述べる。
＜５−３．動作＞
以下では、実施形態１から変更される被評価コンテンツからの特徴の検出を試みる処理について説明する。

被評価コンテンツ特徴検出部２１１がある被評価コンテンツ６０２からある特徴の検出を試みるときの処理を以下に示す。ここで、処理対象の被評価コンテンツを被評価コンテンツｙ、検出しようとする特徴を特徴ｚと呼ぶこととする。

まず被評価コンテンツ記憶部２０９に格納されている被評価コンテンツ群６００ａから、被評価コンテンツｙに付加されているメタデータ３７０１を取得する。
次に特徴検出基準記憶部２０３に格納されている特徴検出基準情報４００ａから特徴ｚの被評価コンテンツの基準３８０１を取得する。

そして被評価コンテンツｙのメタデータ３７０１に、特徴ｚの被評価コンテンツの基準３８０１に一致するキーワードが含まれているか否かを判断する。含まれている場合には被評価コンテンツｙから特徴ｚが検出されたこととし、含まれていない場合には被評価コンテンツｙから特徴ｚが検出されなかったこととする。

ここで、一致するキーワードが含まれているか否かの判断は、特徴ｚの被評価コンテンツの基準３８０１の文字列を被評価コンテンツｙのメタデータ３７０１に含まれる各キーワードと比較することによって行う。

図３７及び図３８を例にとると、ＥＣ０００１の被評価コンテンツには“花”というキーワードを含むメタデータ３７０１が付加されているので、“花”という被評価コンテンツの基準３８０１を持つＦＥ０００４の特徴が検出される。

一方、ＥＣ０００１の被評価コンテンツのメタデータ３７０１に“着物”というキーワードが含まれていなければ、“着物”という被評価コンテンツの基準３８０１を持つＦＥ０００３の特徴は検出されない。
＜補足＞
以上、本発明に係るコンテンツ評価装置を実施形態に基づいて説明したが、本発明は上述の実施形態で示した通りの番組推薦装置に限られないことはもちろんである。

（１）本発明は、実施形態で示した被評価コンテンツの評価処理や、標本コンテンツを用いた特徴の検出量を特定する処理等（図１１、１３〜１８を参照）をコンテンツ評価装置のプロセッサ及びそのプロセッサに接続された各種回路に実行させるためのプログラムコードからなる制御プログラムを、記録媒体に記録すること又は各種通信路等を介して流通させ頒布することもできる。このような記録媒体には、ＩＣカード、ハードディスク、光ディスク、フレキシブルディスク、ＲＯＭなどがある。流通、頒布された制御プログラムはプロセッサに読み出されうるメモリなどに格納されることにより利用に供され、そのプロセッサがその制御プログラムを実行することにより各実施形態で示したような機能が実現されるようになる。なお、制御プログラムの一部をコンテンツ評価装置とは別個のプログラム実行可能な装置（プロセッサ）に各種ネットワークを介して送信して、その別個のプログラム実行可能な装置においてその制御プログラムの一部を実行させることとしても良い。

（２）コンテンツ評価装置を構成する構成要素の一部又は全部は、１又は複数の集積回路（ＩＣ、ＬＳＩなど）として実装されることとしても良く、コンテンツ評価装置の構成要素に更に他の要素を加えて集積回路化（１チップ化）されることとしても良い。

（３）実施形態１〜５ではコンテンツ評価装置は被評価コンテンツを推薦するものとしたが、被評価コンテンツの評価を行うのであれば、推薦する装置には限らない。例えば、評価値の低い被評価コンテンツを被評価コンテンツ記憶部から削除する機能を持つ録画装置であっても良いし、各被評価コンテンツの評価値を表示する装置であっても良い。また、評価値をメタデータとして付加した被評価コンテンツを記録媒体に格納する装置であっても良い。

（４）実施形態１〜５では、被評価コンテンツは有線又は無線で放送されるものとしたが、コンテンツ評価装置が取得可能であれば、放送されるものには限らない。例えば、被評価コンテンツはインターネットからダウンロードされるものとしても良いし、ハードディスクなどの各種記録媒体に記録されているものでも良い。

（５）実施形態１〜５では、被評価コンテンツは動画としたが、特徴を検出可能な形式であれば動画には限らない。例えば、被評価コンテンツは静止画でも良いし、音楽や音声としても良い。

被評価コンテンツが音楽や音声である場合には、音声認識技術を用いて音楽又は音声中に含まれる言葉などの特徴を検出することができる。
（６）実施形態１〜５では、標本コンテンツはメモリカード等の記録媒体に格納されているものとしたが、メモリカードには限らない。例えば、ハードディスクやフレキシブルディスクに格納されているものとしても良い。

また、記録媒体に格納されているものとも限らない。例えば、ネットワークを通じてコンテンツ評価装置にダウンロードするものとしても良い。
要は、コンテンツ評価装置が取得可能な状態であれば、どのような形態で標本コンテンツがあっても良い。

（７）実施形態１〜５では、標本コンテンツは静止画及び動画であるとしたが、特徴を検出可能な形式であれば静止画及び動画には限らない。例えば、被評価コンテンツは音楽や音声であっても良い。また、静止画と動画の両方である必要もなく、どちらか片方でも差し支えない。

（８）実施形態１〜５では、特徴は画像中にオブジェクトが写っているという内容を示すとして、物体検出の技術を用いる例を挙げたが、標本コンテンツの内容によって検出できる基準があれば、特徴はオブジェクトが写っているという内容を示すものには限らない。

例えば、画像全体から抽出された特徴量を分類した結果を特徴として用いても良い。
また、画像中の全画素の輝度値の平均が所定値以上であるという特徴でも良いし、画像中の各画素の周波数分布から検出できる特徴であっても良い。

標本コンテンツが音楽や音声であった場合には、所定の言葉が含まれるという特徴などであっても良い。
（９）実施形態１〜５では、出力する先を外部の表示装置であるとしたが、被評価コンテンツの評価結果に基づいた出力をするのであれば、外部の表示装置に表示させるとは限らない。例えば、本体内蔵の表示画面に結果を表示することとしても良いし、インターネットで繋がった遠隔地のコンピュータに対し出力することとしても良い。

（１０）実施形態１〜５では、外部装置であるコントローラによる操作を契機として推薦を行うこととしたが、外部によるコントローラで操作することには限らない。例えば、装置本体が備えるボタンによって操作できることとしても良いし、表示画面上のタッチパネルを用いた操作を受け付けることとしても良い。

また、必ず操作を契機として推薦を行う必要もなく、明示的な操作なしで被評価コンテンツを自動的に推薦することとしても良い。
（１１）実施形態１〜５では、コンテンツ評価装置はデータとプログラムを記憶するハードウェアとしてメモリを備えることとしたが、データとプログラムを記憶できれば、メモリに限る必要はない。例えば、ハードディスクやフレキシブルディスクであっても良い。

（１２）実施形態１〜５では、標本コンテンツ取得部は標本コンテンツＩＤを生成して各標本コンテンツに付与するものとしたが、各標本コンテンツが自装置内で一意に識別可能であれば必ずしも標本コンテンツＩＤを用いる必要はない。例えば、標本コンテンツのファイル名により一意に識別可能であれば、そのファイル名を標本コンテンツＩＤに代えて用いても良い。

また、標本コンテンツＩＤを用いる場合も、連番の先頭にアルファベットを付けたものには限らず、ランダムな文字列や標本コンテンツのデータのハッシュ値などであっても良い。

特徴ＩＤ及び被評価コンテンツＩＤについても同様に、特徴及び被評価コンテンツをそれぞれ自装置内で一意に識別可能であれば連番の先頭にアルファベットを付けたものには限らない。

（１３）実施形態１〜５では、標本コンテンツとしてファイルを取得することとしたが、標本コンテンツ１つ１つを区別できるのであれば、取得するのはファイルである必要はない。例えば、複数のデータを１つのファイルにまとめたアーカイブファイルに含まれる１つ１つのデータを標本コンテンツとしても良い。

（１４）実施形態１〜５では、特徴検出基準情報は予め定められており変化しないこととしたが、動的に変化するものであっても良い。例えば、標本コンテンツそれぞれからＳＩＦＴ特徴量などの特徴量を抽出し、抽出した特徴量によりデータ分類技術を用いて分類して、その分類結果によって特徴検出基準情報を定めても良い。また、インターネットや各種記録媒体等から特徴検出基準情報を取得しても良い。

（１５）実施形態１〜５では、各特徴の重要度は検出量を全特徴の検出量の最大値で除算した値としたが、検出量に基づくのであれば検出量を全特徴の検出量の最大値で除算した値には限らない。例えば、検出量を標本コンテンツの総数で除算した値でも良いし、検出量をそのまま重要度としても構わない。

（１６）実施形態１〜５では、被評価コンテンツの評価値はその被評価コンテンツから検出された各特徴の検出量から算出された重要度の総和や、第１の期間の検出量と第２の期間の重要度との差の総和としたが、特徴の検出量に基づいて評価するのであれば、これに限らない。例えば各特徴の検出量をそのまま足し合わせても良いし、各特徴の重要度の積を用いても良い。また、特徴の検出量だけでなく他の基準も共に考慮した評価を行っても差し支えない。

（１７）実施形態１〜５では、特徴検出基準としてＳＩＦＴ特徴量と色彩情報を例に挙げたが、標本コンテンツや被評価コンテンツから特徴を検出できる基準であればこれに限らない。例えば、Ｇａｂｏｒ特徴量など別の基準により抽出可能な特徴量の情報でも良いし、特徴の検出を行うプログラムのデータであっても良い。

（１８）実施形態１〜５では、メモリカードが自装置に差し込まれた際に標本コンテンツを取得する際の処理が実行されるものとしたが、処理を行うタイミングはメモリカードが自装置に差し込まれたときに限る必要はない。例えば、ユーザの操作を契機として標本コンテンツを取得する際の処理を実行することとしても良い。

（１９）実施形態１〜５では、被評価コンテンツから特徴を検出する際の処理は定期的に実行されるものとしたが、必ずしも定期的に行う必要はない。例えば、ユーザの操作を契機として被評価コンテンツから特徴を検出する際の処理を実行することとしても良いし、被評価コンテンツを取得するごとに処理を実行しても良い。

（２０）実施形態１〜５では、被評価コンテンツを評価した結果に基づき、所定数の被評価コンテンツを出力することとしたが、評価した結果に基づいた出力を行うのであれば、所定数の被評価コンテンツを出力することには限らない。例えば、評価値の高い順に並べて全ての被評価コンテンツを出力することとしても良い。

（２０）実施形態２では、標本コンテンツ及び被評価コンテンツが特徴を含む程度を示す値として特徴の検出に用いた検出窓の面積から算出した検出面積を用いていたが、これに限るものではない。例えば、画像中の全画素の輝度値の平均が所定値以上であるという特徴を用いるとすれば、その輝度値の平均をその特徴を含む程度を示す値として用いることができる。

（２１）実施形態３では、評価を行う日付から過去７日間の期間に撮影された標本コンテンツを用いることとしたが、期間は評価を行う日付から過去７日間に限るものではない。例えば、評価を行う日付から過去１ヶ月間でも良いし、最新の標本コンテンツが撮影された日付より過去の所定の日数でも良い。

また、Ｅｘｉｆ情報として格納されている撮影日時を用いることとしたが、ファイルの作成日時や更新日時を用いることとしても良い。
（２１）実施形態４では、各特徴の第１の期間の重要度と第２の期間の重要度との差によって検出量の変化量を求めたが、差を用いる方法に限らない。例えば、第１の期間の重要度を第２の期間の重要度で割った値を用いても良いし、第１の期間の検出量と第２の期間の検出量との差などで求めても良い。

（２２）実施形態４では、各特徴の重要度を、全期間からの検出量と検出量の変化量とを乗算して求めたが、全期間に限る必要はない。例えば、実施形態３のように過去７日間など所定の期間に撮影された標本コンテンツから検出量を特定し、その検出量に検出量の変化量を掛けて算出しても良い。

また、全期間からの検出量と検出量の変化量とを乗算するとしたが、乗算に限る必要もない。例えば、全期間からの検出量と検出量の変化量との和によって各特徴の重要度を求めても良いし、全期間からの検出量を用いずに検出量の変化量そのものを重要度としても良い。

更に、検出量の変化量は計算方法によって負の値になったり１より大きな値となったりする場合があるが、これを０〜１の範囲に収まるように正規化して各特徴の重要度の計算に用いても良い。例えば、検出量の変化量が負の数になった場合には検出量の変化量に代えて０を用いることが考えられる。

（２３）実施形態５では、メタデータに含まれるキーワードのテキストを用いて被評価コンテンツから特徴を検出していたが、メタデータ特徴を検出できるのであればテキストに限る必要はない。例えば、ジャンルなどを表す数値によって特徴を検出するようにしても良い。

本発明に係るコンテンツ評価装置及び方法は、放送番組を録画する機器等として有用である。また、個人コンテンツを保持するホームサーバや、ネットワーク上でサービスを提供するサービス提供サーバ等の用途にも応用できる。

１００ 番組推薦装置
１０１ 放送
１０２ 表示装置
１０３ デジタルカメラ
１０４ メモリカード
１０５ コントローラ
２０１ 標本コンテンツ取得部
２０２ 標本コンテンツ記憶部
２０３ 特徴検出基準記憶部
２０４ 特徴検出量特定部
２０５ 標本コンテンツ特徴検出部
２０６ 特徴重要度算出部
２０７ 特徴重要度記憶部
２０８ 被評価コンテンツ取得部
２０９ 被評価コンテンツ記憶部
２１０ 被評価コンテンツ評価部
２１１ 被評価コンテンツ特徴検出部
２１２ 被評価コンテンツ特徴記憶部
２１３ 被評価コンテンツ評価値算出部
２１４ 被評価コンテンツ評価値記憶部
２１５ 操作入力部
２１６ コンテンツ選択部
２１７ 出力部
３００ 標本コンテンツ群
３０１ 標本コンテンツＩＤ
３０２ 標本コンテンツ
４００ 特徴検出基準情報
４０１ 特徴ＩＤ
４０２ 特徴検出基準
５００ 特徴重要度情報
５０１ 検出量
５０２ 重要度
６００ 被評価コンテンツ群
６０１ 被評価コンテンツＩＤ
６０２ 被評価コンテンツ
７００ 被評価コンテンツ特徴情報
８００ 被評価コンテンツ評価情報
８０１ 評価値
２００１ 検出面積
２７０１ 撮影時刻
３３０１ 第１の期間の検出量情報
３３０２ 第２の期間の検出量情報
３７０１ メタデータ
３８０１ 被評価コンテンツの特徴検出基準
３８０２ 標本コンテンツの特徴検出基準

Claims (16)

1. 被評価コンテンツを評価するコンテンツ評価装置であって、
   被評価コンテンツの評価に用いるコンテンツである標本コンテンツを取得する標本コンテンツ取得手段と、
   前記標本コンテンツ取得手段で取得した全部又は一部の標本コンテンツから複数の特徴それぞれの検出を試み、各特徴について当該特徴が検出された標本コンテンツの量である検出量を特定する特徴検出量特定手段と、
   一の被評価コンテンツに該当する各特徴について、前記特徴検出量特定手段により特定された検出量に基づいて当該被評価コンテンツを評価する被評価コンテンツ評価手段とを備える
   ことを特徴とするコンテンツ評価装置。
2. 前記特徴検出量特定手段は特徴の検出量を、
   当該特徴が検出された各標本コンテンツが当該特徴を含む程度を示す値の和に基づいて算出する
   ことを特徴とする請求項１に記載のコンテンツ評価装置。
3. 前記標本コンテンツは静止画で、前記各特徴は静止画に含まれる各オブジェクトを表すものであり、
   前記特徴検出量特定手段は、
   一の特徴が検出された一の標本コンテンツが、当該特徴を含む程度を示す値を、
   当該標本コンテンツに当該特徴が表すオブジェクトが含まれる部分の面積の、当該標本コンテンツの面積に対する比として算出する
   ことを特徴とする請求項２に記載のコンテンツ評価装置。
4. 前記標本コンテンツは動画で、前記各特徴は動画中のフレームに含まれる各オブジェクトを表すものであり、
   前記特徴検出量特定手段は特定種のフレームを検出対象として前記各特徴の検出を試みて、
   一の特徴が検出された一の標本コンテンツについて、
   当該標本コンテンツの、当該特徴が表すオブジェクトを含むフレームごとに、
   当該フレームに当該オブジェクトが含まれる部分の面積の、当該フレームの面積に対する比を算出し、
   当該標本コンテンツが当該特徴を含む程度を示す値を、
   当該標本コンテンツの当該オブジェクトを含む各フレームについての前記比の総和の、当該標本コンテンツの前記検出対象としたフレーム数に対する比として算出する
   ことを特徴とする請求項２に記載のコンテンツ評価装置。
5. 前記標本コンテンツは動画で、前記各特徴は動画中のフレームに含まれる各オブジェクトを表すものであり、
   前記特徴検出量特定手段は特定種のフレームを検出対象として前記各特徴の検出を試みて、
   一の特徴が検出された一の標本コンテンツが、当該特徴を含む程度を示す値を、
   当該標本コンテンツの当該特徴が表すオブジェクトが含まれるフレーム数の、
   当該標本コンテンツの前記検出対象としたフレーム数に対する比として算出する
   ことを特徴とする請求項２に記載のコンテンツ評価装置。
6. 前記特徴検出量特定手段は特徴の検出量を、
   当該特徴が検出された標本コンテンツの個数に基づいて算出する
   ことを特徴とする請求項１に記載のコンテンツ評価装置。
7. 前記被評価コンテンツ評価手段は、
   一の被評価コンテンツに該当する各特徴の前記検出量の値の総和
   によって当該被評価コンテンツを評価する
   ことを特徴とする請求項１に記載のコンテンツ評価装置。
8. 前記標本コンテンツは作成、取得又は更新した時刻の情報が付与されているコンテンツであり、
   前記特徴検出量特定手段は、
   付与されている時刻が、前記被評価コンテンツ評価手段が評価を行う時刻から所定の期間前までの範囲に入る標本コンテンツ
   から特徴の検出を試みる
   ことを特徴とする請求項１に記載のコンテンツ評価装置。
9. 前記標本コンテンツは作成、取得又は更新した時刻の情報が付与されているコンテンツであり、
   前記特徴検出量特定手段は、
   付与されている時刻が、前記被評価コンテンツ評価手段が評価を行う時刻から所定の期間前までの範囲である第１の期間に入る標本コンテンツと、
   付与されている時刻が、第１の期間より過去の所定の範囲である第２の期間に入る標本コンテンツと
   から特徴の検出を試み、
   前記被評価コンテンツ評価手段は、一の被評価コンテンツに該当する各特徴の、
   時刻が第１の期間に入る標本コンテンツにより特定された検出量の、時刻が第２の期間に入る標本コンテンツにより特定された検出量に対する変化
   に基づいて当該被評価コンテンツを評価する
   ことを特徴とする請求項１に記載のコンテンツ評価装置。
10. 前記標本コンテンツは作成、取得又は更新した時刻の情報が付与されているコンテンツであり、
    前記特徴検出量特定手段は、
    付与されている時刻が、前記標本コンテンツに付与されている時刻のうち最も新しい時刻から、所定の期間前までの範囲に入る標本コンテンツ
    から特徴の検出を試みる
    ことを特徴とする請求項１に記載のコンテンツ評価装置。
11. 前記被評価コンテンツはメタデータが付加されているコンテンツであり、
    前記コンテンツ評価装置は、
    被評価コンテンツのメタデータと特徴とを対応付ける手段を更に備え、
    前記被評価コンテンツ評価手段は、
    当該被評価コンテンツのメタデータに対応する各特徴の前記検出量
    に基づいて当該被評価コンテンツを評価する
    ことを特徴とする請求項１に記載のコンテンツ評価装置。
12. 前記被評価コンテンツ評価手段は、
    前記評価を複数の被評価コンテンツに対して行い、
    前記コンテンツ評価装置は、
    前記被評価コンテンツ評価手段により評価された各被評価コンテンツを、高い評価の被評価コンテンツから順に表示する表示手段と
    を更に備える
    ことを特徴とする請求項１に記載のコンテンツ評価装置。
13. 被評価コンテンツを評価するコンテンツ評価方法であって、
    被評価コンテンツの評価に用いるコンテンツである標本コンテンツを取得する標本コンテンツ取得ステップと、
    前記標本コンテンツ取得ステップで取得した全部又は一部の標本コンテンツから複数の特徴それぞれの検出を試み、各特徴について当該特徴が検出された標本コンテンツの量である検出量を特定する特徴検出量特定ステップと、
    一の被評価コンテンツに該当する各特徴について、前記特徴検出量特定ステップにより特定された検出量に基づいて当該被評価コンテンツを評価する被評価コンテンツ評価ステップとを備える
    ことを特徴とするコンテンツ評価方法。
14. 被評価コンテンツを評価するコンテンツ評価プログラムであって、
    被評価コンテンツの評価に用いるコンテンツである標本コンテンツを取得する標本コンテンツ取得ステップと、
    前記標本コンテンツ取得ステップで取得した全部又は一部の標本コンテンツから複数の特徴それぞれの検出を試み、各特徴について当該特徴が検出された標本コンテンツの量である検出量を特定する特徴検出量特定ステップと、
    一の被評価コンテンツに該当する各特徴について、前記特徴検出量特定ステップにより特定された検出量に基づいて当該被評価コンテンツを評価する被評価コンテンツ評価ステップとを含む処理をコンピュータに実行させる
    ことを特徴とするコンテンツ評価プログラム。
15. 被評価コンテンツを評価するコンテンツ評価プログラムであって、
    被評価コンテンツの評価に用いるコンテンツである標本コンテンツを取得する標本コンテンツ取得ステップと、
    前記標本コンテンツ取得ステップで取得した全部又は一部の標本コンテンツから複数の特徴それぞれの検出を試み、各特徴について当該特徴が検出された標本コンテンツの量である検出量を特定する特徴検出量特定ステップと、
    一の被評価コンテンツに該当する各特徴について、前記特徴検出量特定ステップにより特定された検出量に基づいて当該被評価コンテンツを評価する被評価コンテンツ評価ステップとを含む処理をコンピュータに実行させるプログラムを記録している
    ことを特徴とする記録媒体。
16. 被評価コンテンツを評価するコンテンツ評価装置であって、
    被評価コンテンツの評価に用いるコンテンツである標本コンテンツを取得する標本コンテンツ取得手段と、
    前記標本コンテンツ取得手段で取得した全部又は一部の標本コンテンツから複数の特徴それぞれの検出を試み、各特徴について当該特徴が検出された標本コンテンツの量である検出量を特定する特徴検出量特定手段と、
    一の被評価コンテンツに該当する各特徴について、前記特徴検出量特定手段により特定された検出量に基づいて当該被評価コンテンツを評価する被評価コンテンツ評価手段とを備える
    ことを特徴とする集積回路。

Images