JP2011227717A - 情報提示装置 - Google Patents

Abstract

【課題】ユーザ行動履歴の情報量が少ない状況においては、ユーザにとって意外性があり興味を示す情報を高精度で提示できない。
【解決手段】アイテムのユーザ行動履歴に依存しない一般的な意外度と、ユーザ行動履歴からユーザのアイテムへの嗜好度を統合して計算することによって、ユーザにとって意外性があり興味を示す情報を推薦する。
【選択図】図１

Description

本発明は、ユーザ嗜好に合致した情報をユーザに推薦する情報提示装置に関するものである。

現代の情報文明社会において、インターネットなどの各種メディアが提供する情報量は計り知れない。そのため、ユーザは膨大な情報の中から自身にとって有用な情報を選択することが困難となっている。そこで、ユーザの行動履歴からユーザの嗜好情報（ユーザがどのような情報に興味があるか）を抽出し、そのユーザの嗜好に適した情報を推薦する技術がある。

このような推薦技術では、ユーザのアイテム購入履歴などの行動履歴が蓄積されるに従って、ユーザの嗜好抽出の精度が上がり、適切なアイテムを推薦できるようになる反面、いつも似たようなアイテムが提示されることがある。そのため、ユーザにとって新鮮味や意外性の無い推薦結果となり、ユーザが推薦システムに飽きてしまう可能性がある。こうした課題を解決するために、推薦結果に意外性を付与する技術が、近年、開発され始めている。

特許文献１では、ユーザの興味と類似した他ユーザの行動履歴を利用した推薦結果の中で、当該ユーザの興味オントロジとの距離が遠いものを意外性のあるアイテムとして推薦する。特許文献２では、ユーザの行動履歴に含まれるアイテム属性とは異なるアイテム属性を持つアイテムを意外性のあるアイテムとして推薦する。また、ユーザの行動履歴で生成されたユーザモデルとは異なるユーザモデルを利用して得たアイテムを意外性のあるアイテムとして推薦する。

特開２００８−１１７１２２号公報 特開２００９−２３０３３４号公報

しかしながら、ユーザが意外性を感じるアイテムを推薦するには、ユーザの多様な行動履歴を蓄積しなければならず、従来の方法は、単一の種類の行動履歴（例えば、オンラインショッピングの購買履歴など）によってアイテムを推薦するため、ユーザが意外性を感じるアイテムを推薦することはできない。例えば、オンラインショッピングでは一度も購入したことが無いアイテムであっても、現実の店舗で購入したことがあるという状況は容易に想像できる。また、ユーザにとって意外性を感じるアイテムが、上記特許文献のようなユーザ行動履歴とは離れたアイテムによってのみ表現されるものではない可能性もある。

本発明は、上述の点に鑑みてなされたものであり、その目的とするところは、ユーザにとって意外性があり興味を示す情報を推薦できる方式を提供することにある。

本発明は、アイテムのユーザ行動履歴に依存しない一般的な意外度と、ユーザ行動履歴からユーザのアイテムへの嗜好度を統合して計算することによって、ユーザにとって意外性があり興味を示す情報を推薦する。

ユーザにアイテムの提示を行う本発明の情報提示装置は、一例として、ユーザが利用したアイテムの履歴を蓄積するユーザ行動履歴データベースと、アイテムと各アイテムを説明するキーワードの組を複数蓄積したアイテムデータベースと、ユーザ行動履歴データベースとアイテムデータベースを用いて各アイテムのユーザが興味を持つ度合いを嗜好度として計算する嗜好度計算部と、アイテムデータベースに含まれるキーワードの共起度の逆数によって各アイテムの意外度を計算する意外度計算部と、嗜好度と意外度を統合的に処理してアイテムデータベースに蓄積された各アイテムの推薦スコアを計算する統合処理部と、統合処理部によって計算された推薦スコアを用いて提示するアイテムの情報を決定する提示情報決定部と、端末との間で情報通信を行う情報通信部とを有し、提示情報決定部で決定したアイテムの情報を情報通信部から端末に送信するものである。

嗜好度計算部は、ユーザ行動履歴データベースを用いて利用したアイテムとの類似度によってアイテムの嗜好度を計算してもよい。また、嗜好度計算部は、当該ユーザ以外のユーザのユーザ行動履歴データベースを利用して嗜好度を計算してもよい。

統合処理部は、嗜好度と意外度を組み合わせるパラメータを調整する機能を有していてもよく、ユーザが端末で選択したアイテムの嗜好度と意外度の比率に基づいて、嗜好度と意外度を組み合わせるパラメータを学習して調整するようにしてもよい。

また、本発明の情報提示装置は、アイテムを利用可能な店舗が登録されている店舗データベースと、当該店舗データベースと前記端末から受信した当該端末の位置情報とを用いてアイテムの利用度を計算する利用度計算部とを有していてもよい。また、アイテムデータベースのデータを更新するデータ更新部を有していてもよい。

本発明の特徴によれば、ユーザにとって意外性があり興味のある情報を推薦することができ、ユーザに飽きられることなく推薦システムの継続的な利用を促すことができる。

本発明による情報提示システムの一実施例を示すシステム構成図である。 アイテム推薦の処理の流れを説明する図である。 ユーザ行動履歴データベースの例を説明する図である。 アイテムデータベースの例を説明する図である。 本発明による情報提示システムの他の実施例を示すシステム構成図である。 アイテム推薦の処理の流れを説明する図である。 ユーザ行動履歴データベースの他の例を説明する図である。 店舗データベースの例を説明する図である。 本発明による情報提示システムの他の実施例を示すシステム構成図である。 本発明による情報提示システムの他の実施例を示すシステム構成図である。 ユーザプロファイルデータベースの例を説明する図である。

以下に、本発明の実施例について図面に基づいて説明する。
［実施例１］
図１は、本発明による情報提示システムの一実施例を示すシステム構成図である。端末１１０は、情報通信部１１１、提示情報表示部１１２を有する。サーバ１２０は、情報通信部１２１、提示情報決定部１２２、統合処理部１２３、嗜好度計算部１２４、意外度計算部１２５、ユーザ行動履歴データベース１２６、アイテムデータベース１２７を有する。ユーザ行動履歴データベース１２６やアイテムデータベース１２７は、例えば、組み込みデータベースを用いて、端末で管理してもよい。なお、ここでは簡単のためユーザは一人であるとして説明するが、サーバ１２０に個々のユーザに対応したユーザ行動履歴データベース１２６とアイテムデータベース１２７の組を複数保持し、ユーザ毎の端末１１０に関連付けしてそれぞれのユーザ行動履歴データベース１２６とアイテムデータベース１２７の組を管理することによって、本発明は、複数ユーザに対して個別に情報を提示する情報提示システムに容易に拡張可能である。

端末１１０は、通信機能と情報表示機能を有する端末であり、携帯電話などの携帯端末や、ＰＣなどの情報検索端末などを適用できる。情報通信部１１１は、サーバ１２０との間で情報の送受信を行う。通信方式は、ネットワークを介した一般的な通信方式でもよく、赤外線などを用いたアドホックな方式であってもよい。提示情報表示部１１２は、ディスプレイなどの情報を表示する画面であり、サーバ１２０で決定され、端末１１０に送信された提示情報を表示する。

サーバ１２０は、例えばネットワークにつながったＰＣなどの演算処理装置であり、サーバとしての機能を有するその他の電子機器であってもよい。情報通信部１２１は、端末１１０との間で情報の送受信を行う。提示情報決定部１２２は、統合処理部１２３が計算したアイテムの推薦スコアを用いて、ユーザへ提示するアイテムの推薦リストを決定する。統合処理部１２３は、嗜好度計算部１２４で計算されたアイテムの嗜好度とアイテムの意外度計算部１２５で計算されたアイテムの意外度を利用して、アイテムの推薦スコアを計算する。

ユーザ行動履歴データベース１２６は、ユーザの行動と行動が行われた時刻を管理する。図３に、ユーザ行動履歴データベース１２６の構成例を示す。ユーザ行動履歴データベース１２６は、ユーザＩＤ、アイテムＩＤ、時刻という項目を持つ。アイテムＩＤは、アイテムデータベース１２７で管理されるアイテムに付与されるＩＤである。ユーザ行動履歴データベースは、例えば、ユーザの携帯端末での操作履歴や、ＧＰＳなどの測位装置を用いた軌跡情報によって生成される。また、ユーザが自分で入力するものとしてもよい。

図４（ａ）に、アイテムデータベース１２７の構成例を示す。アイテムデータベース１２７は、アイテム名、アイテムＩＤ、キーワードという項目をもつ。ここでいう行動とは、食事や視聴行動などであり、その場合、アイテムデータベースで管理されるアイテムは、料理メニューや、視聴したテレビ番組、ＤＶＤのような映像コンテンツなどを指す。キーワードとは、アイテムを説明する単語やアイテムのデータベース登録日など、アイテムを説明するものならばなんでもよい。これらは、メタデータ作成会社が配信するものとしてもよく、インターネット上の情報などから自動生成されるとしてもよい。行動の他の例としては、観光、論文や特許などの文書検索、インターネットなどを用いた情報検索、障害対応などがある。その場合にアイテムデータベースで管理されるアイテムは、観光地名、文書タイトル、ｗｅｂアドレス、障害対応マニュアルなどとすればよい。

図２は、本実施例の行動解析から興味場面提示までの流れを示すフロー図である。
ステップ２０１において、ユーザ端末１１０による操作が入力され、推薦サーバ１２０に接続される。この操作は、例えば、携帯電話に「推薦」ボタンのようなボタンがあり、そのボタンの押下によるものとしてもよいし、また、所定のｗｅｂアドレスにアクセスすることによって、ｗｅｂ上のサービスとして入力されるものとしてもよい。ステップ２０２では、サーバ１２０の嗜好度計算部１２４がユーザ行動履歴データベース１２６とアイテムデータベース１２７を用いて、各アイテムの嗜好度を式（１）のように計算する。

ここで、Ｉ_sはアイテムＳの嗜好度である。ｉはキーワードであり、Ｎはキーワードの総数である。ｗ_iはキーワードｉの確率であり、ユーザ行動履歴データベースの各履歴に含まれるアイテムＩＤに関連付けられたキーワードｉの出現頻度などで計算される。このとき、ユーザ行動履歴データベースに登録されている時刻を利用して、現在に近い行動の中での出現頻度を計算してもよい。Ｃ_iは当該アイテムＳにキーワードｉが存在するか否かを示すもので、「０」か「１」の２値を返すものとしてよい。嗜好度は、アイテム間の類似度を用いて、利用したアイテムとの類似度を嗜好度として計算してもよい。例えば、利用したアイテムとの類似度を同一キーワードの数など、一般的に用いられる類似度によって計算する。キーワードの確率や、アイテムの嗜好度の計算結果を図４（ｂ）のように格納しておいてもよい。

ステップ２０３において、サーバ１２０の意外度計算部１２５はアイテムデータベース１２７を用いて、各アイテムの意外度を式（２）のように、アイテムに含まれるキーワードの共起度の和の逆数によって計算する。

ここで、Ｑ_sはアイテムＳの意外度である。|Ｓ|はアイテムＳに含まれるキーワード数であり、意外度の正規化係数である。ｖ，ｗはそれぞれキーワードであり、Ｕ_vwは図４（ａ）に示したアイテムデータベースにアイテムのキーワードとしてキーワードｖとキーワードｗが同時に含まれやすさの度合いを表し、式（３）のように計算される。Ｎ_vはキーワードｖが含まれるアイテムの総数であり、Ｎ_vwはキーワードｖとキーワードｗが同時に含まれるアイテムの総数である。Ｕ_vwは、キーワードの共起の度合いを計算するものであればよい。このとき、ステップ２０２において計算された嗜好度を利用して、ユーザの嗜好には関係しないと考えられるような一定の閾値以下の出現頻度であるキーワードを計算に用いないことで、処理の高速化を行ってもよい。閾値は、サービス提供者が設定しておくものとしてもよいし、一般的なキーワードと同様の出現頻度などを用いて自動算出するものとしてもよい。さらに、キーワード間の共起度合いの計算結果を図４（ｃ）のように格納しておいてもよい。また、アイテムの意外度は、行動履歴に依存しないため、計算結果をアイテムに対して事前に、例えば、アイテム登録時に登録しておいてもよい。

ステップ２０４において、サーバ１２０の統合処理部１２３は、ステップ２０２とステップ２０３で計算された嗜好度と意外度を用いて各アイテムの推薦スコアを式（４）のように計算する。

ここで、Ｐ_sはアイテムＳの推薦スコアである。αはパラメータであり、０から１の間の値を取り、推薦結果において、嗜好度を重視するか、意外性を重視するかの度合いを制御するものである。この値は、システム設計者やサービス事業者が一定の値を設定するものとしてもよいし、ユーザが手動で設定するとしてもよいし、また、ユーザの入力に応じて最適な値を学習し変化するものとしてもよい。学習する計算方法としては、例えば、提示した推薦リストからユーザよって選択されたアイテムが意外度よりも嗜好度の高いものであれば、αを１．１倍し、逆に、意外度の方が高いアイテムが選択されれば、αを０．９倍するような方法が考えられる。学習する計算方法はこれに限らず、ユーザの評価のフィードバックを行えればよい。ユーザのアイテム選択は、端末上で行われるものを想定し、例えば、ボタンクリックなどの情報をサーバに送信することで、サーバ側で、そのアイテムが選択されたかどうかを判断するものとしてよい。

ステップ２０５において、サーバ１２０の提示情報決定部１２２は、式（４）のように計算された推薦スコアから上位数件を提示する推薦リストとして決定する。提示件数は、サービス事業者が設定するものとしてもよい。また、検索結果を表示する媒体によって、個別に設定されるものとする。例えば、ＰＣ上に表示する場合と、携帯電話の画面上に表示する場合とでは、表示件数が異なるように設定する。また、表示形式についても、媒体によって設定を変える。例えば、アイテム情報が動画やテキスト形式のメタデータを含んでいる場合、表示媒体がＰＣなどの処理速度の十分なものであれば、すべての情報を表示する。一方、表示媒体が携帯電話のようなものであった場合、すべての情報を表示すると処理が遅くなるなどの問題が発生するため、テキストデータや動画要約画像のみを表示するなどのように、表示方式を媒体に合わせて適切に決定する（表示方式は、表示する媒体に応じて、あらかじめ設定されていてもよいし、媒体の表示画面の大きさから自動的に決定するものとしてもよい。また、アイテムの新鮮さを考慮して、推薦スコアが同値のアイテムは、登録日が新しいアイテムを上位に表示してもよい。

ステップ２０６において、サーバ１２０の情報通信部１２１は、決定された推薦リストに含まれるアイテム情報を端末１１０へ送信する。端末１１０では、情報通信部１１１がサーバから送信されたデータを受信し、提示情報表示部１１２に推薦リストを表示する。

例えば、アイテムを料理メニューとした場合、アイテムデータベースには、料理名、料理ＩＤ、料理の食材や塩分などの成分量、などが登録されている。ユーザ行動履歴データベースには、ユーザが食べた料理名とその料理を食べた時刻が格納されている。ユーザが夕食の献立を考えているときに、推薦サーバへ接続し、推薦リストを要求すると、ユーザは、最近食べた料理とは異なるが、自身の嗜好からは予想ができない意外な料理を推薦結果として受け取ることができる。例えば、果物のいちごを頻繁に食べるが、和菓子をあまり食べなかった人は、「いちご大福」という和菓子を推薦結果として受け取ることができる。

また、アイテムをＤＶＤなどの映像コンテンツとした場合、アイテムデータベースには、タイトル、製作日時、ジャンル、出演者などの映像コンテンツを説明する詳細情報が格納されている。視聴端末に蓄積される視聴履歴などを用いて生成されたユーザ行動履歴データベースには、ユーザが映像コンテンツを視聴した時刻が格納されている。ユーザが推薦サーバへ接続し、推薦リストを要求すると、ユーザは、最近視聴した映像コンテンツとは異なるが、自身の嗜好からは予想ができない意外な映像コンテンツを推薦結果として受け取ることができる。例えば、普段よく視聴しているコメディアンが出演している教育番組などを推薦結果として受けとることができる。

また、アイテムを学術論文とした場合、アイテムデータベースには、論文タイトル、投稿日時、技術分野、執筆者、技術的キーワードなどの当該論文を説明する詳細情報が格納されている。ＰＣなどに蓄積されるpdfファイルなどの閲覧履歴などを用いて生成されるユーザ行動履歴データベースには、ユーザが論文を閲覧した時刻が格納されている。ユーザが推薦サーバへ接続し、推薦リストを要求すると、ユーザは、最近閲覧した論文とは異なるが、自身の嗜好からは予想ができずに見落としていた意外な論文を推薦結果として受け取ることができる。例えば、医療分野の論文をよく閲覧する人に、技術的に近い内容であるが、一般的には類似していないとされるような数学の論文などを推薦することができる。

提示された推薦リストは、インターネットなどのネットワークを介して、当該ユーザ以外のユーザに対して提示するものとしてもよい。また、ＵＳＢメモリなどの外部記憶媒体に記録し、他ユーザと共有できるようにしてもよい。このとき、アイテムＩＤや当該アイテムの要約のみを共有するようにしてもよい。

嗜好度と意外度の計算に用いるキーワードの出現頻度やキーワード間の共起度合いを計算した結果を図４（ｂ）（ｃ）のように格納しておく場合、サーバの統合処理部１２３において、推薦スコア計算に必要なキーワードを抽出することで、処理の高速化を行う。嗜好度の閾値を定め、その閾値以下のキーワードは当該ユーザにとって興味の無いキーワードとして削除する。閾値は、サービス提供者が設定しておくものとしてもよいし、一般的なキーワードと同様の出現頻度などを用いて自動算出するとしてもよい。そして、意外度計算において、抽出されたキーワード間の共起度合いのみ計算して格納することにしてもよい。また、逆に、共起度合いに閾値を設定し、一定の閾値以上のキーワードの組み合わせは、同一の意味を持つキーワードとして、キーワード数を圧縮してデータベースに格納しておくとしてもよい。その場合、同一の意味を持つ単語組合せ辞書を生成するとしてもよい

本実施例では、ユーザが利用したアイテムはすべて登録しておくとしているが、一定時間を経過したら自動的に削除される機能を追加してもよい。この場合、削除される時間は、事前に設定されていてもよいし、ユーザ自身が設定してもよい。

以下、上記実施例を拡張した場合について説明する。
［実施例２］
図５は、実施例１に示した情報提示システムの構成に加えて、端末１１０が位置情報取得部１１３を有し、サーバ１２０が利用度計算部１２８及び店舗データベース１２９を有する情報提示システムの構成例を示す図である。

統合処理部１２３は、嗜好度計算部１２４において計算された嗜好度と意外度計算部１２５において計算された意外度、利用度計算部１２８において計算された利用度を統合的に処理してアイテムの推薦スコアを計算する。端末１１０は、本実施例では、携帯電話などのＧＰＳ機能を有するモバイル端末を想定する。

ユーザ行動履歴データベース１２６は、ユーザの行動と行動が行われた時刻と行われた位置情報を管理する。図７に、ユーザ行動履歴データベースの構成例を示す。ユーザ行動履歴データベースは、ユーザＩＤ、アイテムＩＤ、時刻、座標という項目を持つ。時刻と座標については、嗜好度計算において、時間や場所を考慮する際に利用する。例えば、場所の局所性のあるような場合に利用する。

店舗データベース１２９は、店舗と店舗が扱っている商品、サービスと店舗の位置情報を管理する。図８に店舗データベースの構成例を示す。店舗データベースには、図８（ａ）のように店舗が扱っているアイテムのＩＤを登録してもよいし、図８（ｂ）のように、アイテムを説明するキーワードで登録してもよい。また、アイテムとキーワードどちらも登録されているとしてもよい。
その他のシステム構成については、図１に示した実施例１の構成と同様である。

推薦処理の流れを図６に示す。実施例１と同様に、ステップ６０１において、端末１１０による操作が入力され、推薦サーバ１２０に接続される。端末１１０の情報通信部１１１は、位置情報取得部１１３によって取得したユーザの現在位置の座標をサーバ１２０に送信する。

ステップ６０２において、サーバ１２０の利用度計算部１２８はアイテムデータベース１２７と店舗データベース１２９を用いて、各アイテムの利用度を計算する。利用度は、例えば式（５）のように現在位置から当該アイテムを利用できる店舗までの距離で定義する。

Ｄ_sは、アイテムＳを利用できる最近傍の店舗までの距離を表し、利用度である。Ｐ_Xは、アイテムＳを利用できる最近傍の店舗の座標、Ｐ_Cは現在位置の座標である。利用度は、カーナビゲーションで用いられる地図などを利用して、現在位置から当該店舗までの移動時間を計算した結果としてもよい。店舗データベースが図８（ｂ）の場合、式（５）はアイテムではなく、キーワードの利用できる最近傍の店舗となり、キーワードへの利用度を計算する。さらに、行動履歴データベースに登録されている時刻と座標を利用して、日常的にその場所に行くことがあるのかどうかを加味するとしてもよい。図８（ａ）の店舗データベースを用いる場合でも、図８（ｂ）の店舗データベースを用いる場合でも、利用度の計算方法は変わらない。

ステップ６０３の各アイテムの嗜好度計算とステップ６０４の各アイテムの意外度計算においては、実施例１のステップ２０２及びステップ２０３と同様の計算を行う。ここで、ステップ６０２において計算された利用度に基づいて、一定の閾値以下の利用度を持つアイテムについては嗜好度や意外度を計算しないことで、処理を高速化してもよい。

次に、ステップ６０５において、ステップ６０２とステップ６０３とステップ６０４で計算された利用度と嗜好度と意外度を統合的に処理して、各アイテムの推薦スコアを式（６）のように計算する。

ここで、Ｐ_sはアイテムＳの推薦スコアである。α，βはパラメータであり、０から１の間の値を取り、α＋β≦１とする。これらのパラメータは、推薦結果の利用度を重視するか、嗜好度を重視するか、意外性を重視するかの度合いを制御するものである。この値は、システム設計者やサービス事業者が一定の値を設定するものとしてもよいし、ユーザが手動で設定するものとしてもよいし、また、ユーザの入力に応じて最適な値を学習し変化させるものとしてもよい。学習する計算方法としては、例えば、提示された推薦リストからユーザによって選択されたアイテムが嗜好度の高いものであれば、αを１．１倍し、意外度が高いアイテムが選択されれば、βを１．１倍する。そして、利用度が重視されれば、αとβをそれぞれ０．９倍するような方法である。学習する計算方法はこれに限らず、ユーザの評価のフィードバックを行えればよい。

統合処理部１２３は、ユーザ行動履歴データベース１２６における、ユーザの位置情報の履歴から、ユーザの通常の行動エリアを推定し、特定のエリア内における利用度の計算結果を登録しておいて、処理の負荷を軽減することとしてもよい。

その後は、実施例１と同様に、ステップ６０６でサーバの提示情報決定部１２２において推薦リストが決定され、ステップ６０７において推薦リストがサーバ１２０から端末１１０に送信されて、端末１１０の提示情報表示部１１２に表示される。

例えば、アイテムを料理メニューとした場合、アイテムデータベースには、料理名、料理ＩＤ、料理の食材や塩分などの成分量、などが登録されている。ユーザ行動履歴データベースには、ユーザ食べた料理の料理名と、その料理を食べた時刻が格納されている。これはユーザが自ら入力するものとしてもよい。店舗データベースには、スーパーマーケットなどの座標や、扱っている食材、商品などが登録されている。また、食材に含まれる成分などがキーワードとして登録されていてもよい。ユーザが夕食の献立を考えているときに、推薦サーバへ接続し、推薦リストを要求すると、ユーザは、現在位置から購入可能な食材などに基づき、最近食べた料理とは異なるが、自身の嗜好からは予想ができない意外でかつ、実現可能な料理を推薦結果として受け取ることができる。店舗データベースが図８（ａ）の場合、推薦サーバは各料理について嗜好度と意外度を計算し、スーパーやレストランですでに作られている料理の推薦スコア上位の料理を推薦結果として出力する。店舗データベースが図８（ｂ）の場合、推薦スコアの高い料理とその料理を作るために必要な食材を出力する。例えば、いつも行くスーパーでは購入できない食材を、いつもよりも少し遠回りすることによって購入でき、あまり作ったことのない自分の嗜好に合致した料理を推薦結果として受け取ることができる。

また、アイテムをＤＶＤなどの映像コンテンツとした場合、アイテムデータベースには、タイトル、製作日時、ジャンル、出演者などの映像コンテンツを説明する詳細情報が格納されている。ユーザ行動履歴データベースには、ユーザが視聴した映像コンテンツのＩＤとその映像コンテンツを視聴した時刻が格納されている。ユーザ行動履歴データベースへの登録はユーザが自ら入力するものとしてもよいし、視聴端末や携帯端末などの端末操作履歴から抽出するものとしてもよい。店舗データベースには、レンタルショップなどの座標や、扱っているコンテンツなどが登録されている。ユーザが推薦サーバへ接続し、推薦リストを要求すると、ユーザは、現在位置からアクセス可能な店舗情報に基づき、最近視聴した映像コンテンツとは異なるが、自身の嗜好からは予想ができない意外かつ利用可能な映像コンテンツを推薦結果として受け取ることができる。例えば、いつも行くレンタルショップからは少し離れているが、いつもよりも少し遠くのレンタルショップに行くことによって借りることができる、あまり見たことのない自分の嗜好に合致した映像コンテンツを推薦結果として受け取ることができる。これには、映像コンテンツに限らず、書籍や音楽ＣＤなどにも適用可能であり、それらを総合的に扱うことにしても良い。

［実施例３］
図９は、実施例１に示した情報提示システムの構成に加えて、サーバがデータ更新部１３０を持つ情報提示システムの構成例を示す図である。アイテムデータベースを更新する処理を行うのがデータ更新部１３０である。その他の構成については、図１に示した実施例１の構成と同様である。

データ更新部１３０は、新しいアイテム情報をアイテムデータベース１２７へ追加する。アイテム情報は、サービス事業者やメタデータ作成者が配信するものであってもよいし、インターネット上の情報であってもよい。データの形式については、フリーフォーマットでもよいし、図４（ａ）のような形式になっていてもよい。

データ更新部１３０は、形態素解析などのキーワード抽出アルゴリズムを用いてアイテム情報を解析し、アイテム情報からアイテム名とキーワードを抽出する。このとき生成されたキーワード群を、アイテムデータベースにすべて登録するとしてもよい。しかし、実用上では、ディスク容量やメモリ領域の制限があるため、統合処理部１２３によってキーワード数を削減し、嗜好度と意外度から推薦に重要なキーワードのみを登録するのがよい。キーワードの重要度は、例えば、式（７）のように計算する。

ここで、Ｅ_vはキーワードｖの重要度である。Ｉ_vはキーワードｖの嗜好度であり、例えば、図４（ｂ）のように格納されている。Ｕ_vwはキーワードｖとキーワードｗが共起することの意外度であり、例えば、図４（ｃ）のように格納されている。

［実施例４］
図１０は、実施例２に示した情報提示システムの構成を一部変更し、ユーザ行動履歴データベース１２６をサーバ１２０から端末１１０に移し、また、端末１１０にユーザプロファイル生成部１１４とユーザプロファイルデータベース１１５を設けた情報提示システムの構成例を示す図である。ユーザ行動履歴データベース１２６は、実施例１、２と同様であり、ユーザプロファイル生成部１１４は、ユーザ行動履歴データベース１２６から、ユーザプロファイルデータベース１１５を生成する。その他の構成については、実施例２と同様である。

ユーザプロファイルデータベース１１５は、端末１１０のユーザのアイテムを特徴づけるキーワードへの嗜好度を格納する。図１１（ａ）に、ユーザプロファイルデータベース１１５の構成例を示す。図１１（ｂ）のように、アイテム自体に嗜好度を付与するものとしてもよい。嗜好度は、推薦サーバにおいて計算されるものでもよいし、また、ユーザ自身が入力するものであってもよい。

推薦の流れは、図６と同様である。端末１１０から推薦サーバ１２０に接続し、情報通信部１１１を介して、情報を送信する際に、ユーザプロファイルデータベース１１５に登録されているキーワードと嗜好度をすべて送信するとしてもよいし、嗜好度上位数件のキーワードを嗜好度と共に送信することで、通信を高速化することとしてもよい。送信するキーワードの件数は、サービス事業者が設定しておくものとしてもよいし、ユーザが自身で設定するものとしてもよい。また、ユーザが推薦サーバに接続する際に、ユーザにどの程度の精度と応答速度を求めているかを質問し、その結果に応じて、調節するものとしてもよい。

ユーザプロファイルデータベース１１５が図１１（ａ）に示したようにキーワードへの嗜好度を格納したものである場合、図６のステップ６０３では式（１）に従って、アイテムデータベース１２７中の各アイテムの嗜好度を計算する。また、ユーザプロファイルデータベース１１５が図１１（ｂ）に示したようにアイテムへの嗜好度を格納したものである場合、図６のステップ６０３は省略される。

本願発明は、例えばＤＶＤレコーダ、ＴＶ等の家庭向け映像機器や、テレビ機能付のパソコン、ＰＤＡや携帯電話等の情報機器、ネット配信番組を再生するセットトップボックス等に適用できる。

１１０ 端末
１１１ 情報通信部
１１２ 提示情報表示部
１２０ サーバ
１２１ 情報通信部
１２２ 提示情報決定部
１２３ 統合処理部
１２４ 嗜好度計算部
１２５ 意外度計算部
１２６ ユーザ行動履歴データベース
１２７ アイテムデータベース

Claims (18)

1. ユーザにアイテムの提示を行う情報提示装置であって、
   ユーザが利用したアイテムの履歴を蓄積するユーザ行動履歴データベースと、
   アイテムと各アイテムを説明するキーワードの組を複数蓄積したアイテムデータベースと、
   前記ユーザ行動履歴データベースと前記アイテムデータベースを用いて各アイテムのユーザが興味を持つ度合いを嗜好度として計算する嗜好度計算部と、
   前記アイテムデータベースに含まれるキーワードの共起度の逆数によって各アイテムの意外度を計算する意外度計算部と、
   前記嗜好度と前記意外度を統合的に処理して前記アイテムデータベースに蓄積された各アイテムの推薦スコアを計算する統合処理部と、
   前記統合処理部によって計算された推薦スコアを用いて提示するアイテムの情報を決定する提示情報決定部と、
   端末との間で情報通信を行う情報通信部とを有し、
   前記提示情報決定部で決定したアイテムの情報を前記情報通信部から端末に送信することを特徴とする情報提示装置。
2. 請求項１記載の情報提示装置において、前記端末の種類に応じて前記端末に送信する情報の情報表示方式を変換することを特徴とする情報提示装置。
3. 請求項１記載の情報提示装置において、前記嗜好度計算部は、前記ユーザ行動履歴データベースを用いて利用したアイテムとの類似度によってアイテムの嗜好度を計算することを特徴とする情報提示装置。
4. 請求項１記載の情報提示装置において、前記嗜好度計算部は、当該ユーザ以外のユーザのユーザ行動履歴データベースを利用して嗜好度を計算することを特徴とする情報提示装置。
5. 請求項１記載の情報提示装置において、前記意外度計算部は、上記嗜好度計算部で計算された嗜好度を利用して意外度計算に用いる情報量を削減することを特徴とする情報提示装置。
6. 請求項１記載の情報提示装置において、前記統合処理部は、嗜好度と意外度を組み合わせるパラメータを調整する機能を有することを特徴とする情報提示装置。
7. 請求項１記載の情報提示装置において、前記統合処理部は、ユーザによって選択されたアイテムの嗜好度と意外度の比率に基づいて、嗜好度と意外度を組み合わせるパラメータを学習する機能を有することを特徴とする情報提示装置。
8. 請求項１記載の情報提示装置において、前記統合処理部は、アイテムの登録日を利用して、推薦結果を決定する機能を有することを特徴とする情報提示装置。
9. 請求項１記載の情報提示装置において、前記統合処理部は、前記提示するアイテムの件数を調整する機能を有することを特徴とする情報提示装置。
10. 請求項１記載の情報提示装置において、前記提示情報決定部は、前記端末の種類に応じて情報量を決定する機能を有することを特徴とする情報提示装置。
11. 請求項１記載の情報提示装置において、アイテムを利用可能な店舗が登録されている店舗データベースと、当該店舗データベースと前記端末から受信した当該端末の位置情報とを用いてアイテムの利用度を計算する利用度計算部とを有することを特徴とする情報提示装置。
12. 請求項１１記載の情報提示装置において、前記嗜好度計算部は、前記利用度計算部によって計算された利用度を利用して、計算するアイテム数を削減することを特徴とする情報提示装置。
13. 請求項１１記載の情報提示装置において、前記意外度計算部は、前記利用度計算部によって計算された利用度を利用して、計算するアイテム数を削減することを特徴とする情報提示装置。
14. 請求項１１記載の情報提示装置において、前記統合処理部は、利用度と意外度と嗜好度を組み合わせるパラメータを調整する方式を有することを特徴とする情報提示装置。
15. 請求項１１記載の情報提示装置において、前記統合処理部は、ユーザによって選択されたアイテムの利用度と意外度と嗜好度の比率に基づいて、利用度と意外度と嗜好度を組み合わせるパラメータを学習する機能を有することを特徴とする情報提示装置。
16. 請求項１記載の情報提示装置において、前記アイテムデータベースのデータを更新するデータ更新部を有することを特徴とする情報提示装置。
17. 請求項１６記載の情報提示装置において、前記データ更新部は、意外度と嗜好度に基づいてデータ量を削減する方式を有することを特徴とする情報提示装置。
18. 請求項１記載の情報提示装置において、ユーザのプロファイルを生成するユーザプロファイル生成部と、当該ユーザのプロファイルを管理するユーザプロファイルデータベースとを有することを特徴とする情報提示装置。

Images