JP2012216072A - 情報処理装置、プログラム及び情報提示システム - Google Patents
情報処理装置、プログラム及び情報提示システム Download PDFInfo
- Publication number
- JP2012216072A JP2012216072A JP2011080845A JP2011080845A JP2012216072A JP 2012216072 A JP2012216072 A JP 2012216072A JP 2011080845 A JP2011080845 A JP 2011080845A JP 2011080845 A JP2011080845 A JP 2011080845A JP 2012216072 A JP2012216072 A JP 2012216072A
- Authority
- JP
- Japan
- Prior art keywords
- information
- article
- user
- friend
- evaluation
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】利用者にとって関心のある有用な情報を、インターネットを介して自動的に収集・提示する技術を提供する。
【解決手段】情報処理装置は、ネットワークを介して記事情報を収集し記憶する手段と、ユーザの関心のあるキーワードを含む関心キーワード情報を記憶する手段と、ネットワークを介して形成されたコミュニティのユーザの友人情報を記憶する手段と、記憶された記事情報に含まれる特徴語とキーワードとによって算出される合致度に基づいて記事情報を選定する手段と、選定された記事情報に対するユーザの友人の評価を取得する手段と、取得した友人の評価を尺度として選定された記事情報を抽出し、推奨記事情報として提示する手段とを備える。
【選択図】図１
【解決手段】情報処理装置は、ネットワークを介して記事情報を収集し記憶する手段と、ユーザの関心のあるキーワードを含む関心キーワード情報を記憶する手段と、ネットワークを介して形成されたコミュニティのユーザの友人情報を記憶する手段と、記憶された記事情報に含まれる特徴語とキーワードとによって算出される合致度に基づいて記事情報を選定する手段と、選定された記事情報に対するユーザの友人の評価を取得する手段と、取得した友人の評価を尺度として選定された記事情報を抽出し、推奨記事情報として提示する手段とを備える。
【選択図】図１
Description
本発明は、閲覧情報を提示する情報処理装置、情報処理装置に搭載されるプログラム、及び情報提示システムに関する。
従来、ユーザ（利用者）は、関心のある事象に関する情報等を入手しようとした場合、例えばＰＣ（Personal computer）等の端末装置からインターネット等に接続し、所定の
検索エンジンを用いてキーワード検索を行う等で関心のある事象に関する情報の入手を行っていた。また、ＲＳＳ（RDF Site Summary）リーダー（フィードリーダー）等を使用して配信された各種ニュースサイトやブログサイト等の記事を閲覧することにより多様な情報の入手を行っていた。
検索エンジンを用いてキーワード検索を行う等で関心のある事象に関する情報の入手を行っていた。また、ＲＳＳ（RDF Site Summary）リーダー（フィードリーダー）等を使用して配信された各種ニュースサイトやブログサイト等の記事を閲覧することにより多様な情報の入手を行っていた。
また、近年のインターネット等の普及により、ＳＮＳ（Social Network Service）やソーシャルメディア等のインターネット上に構築された社会的ネットワークを利用して発信された各種コンテンツから、趣味や嗜好、居住地域等のユーザにとって馴染み易い、身近なネットワーク・コミュニティ等からも情報の入手が可能となってきている。
ユーザは、所定の検索エンジンを使用してインターネット上から関心のある情報等を入手する場合には、知りたい対象がある程度明確に意識されている必要がある。例えば、漠然とＩＴ業界の重要な情報を一通り抑えておきたいといった要求には、検索する対象範囲が広すぎるため適さない。また、各種ニュースサイト等でニュース記事を検索する場合には、ユーザ自身が関心のある情報の収集に有用なソースを知っている必要があり、情報の峻別はユーザ自身が閲覧等の目視で判断しなければならない。ネットワーク・コミュニティを利用した場合も同様であり、関心のある事象の範囲をある程度絞り込む必要がある。
開示の技術の課題は、利用者にとって関心のある有用な情報を、インターネットを介して自動的に収集・提示する技術の提供を目的とする。
開示の技術の一側面は、次の情報処理装置の構成によって例示される。すなわち、本情報処理装置は、ネットワークを介して記事情報を収集し記憶する手段と、ユーザの関心のあるキーワードを含む関心キーワード情報を記憶する手段と、ネットワークを介して形成されたコミュニティのユーザの友人情報を記憶する手段と、記憶された記事情報に含まれる特徴語とキーワードとによって算出される合致度に基づいて記事情報を選定する手段と、選定された記事情報に対するユーザの友人の評価を取得する手段と、取得した友人の評価を尺度として選定された記事情報を抽出し、推奨記事情報として提示する手段とを備える。
本情報処理装置によれば、インターネットを介し、利用者にとって関心のある有用な情報を、自動的に収集・提示する技術が提供できる。
本情報処理装置によれば、利用者にとって関心のある有用な情報を、インターネットを介して自動的に収集・提示する技術が提供できる。
以下、図面を参照して、一実施形態に係る情報提示システムを説明する。以下の実施形態の構成は例示であり、本情報提示システムは実施形態の構成には限定されない。
以下、図１から図１８の図面に基づいて、実施例に係る情報提示システムを説明する。＜システム構成＞
図１に、情報提示システムの一例を示す。図１に例示する情報提示システム１０は、例えば、個々のユーザ端末２０に情報提示サービスを提供するシステムである。
図１に、情報提示システムの一例を示す。図１に例示する情報提示システム１０は、例えば、個々のユーザ端末２０に情報提示サービスを提供するシステムである。
図１に例示される情報提示システム１０は、ユーザ端末２０、サーバ装置１００、記憶装置２００を含む。ユーザ端末２０はネットワークＮを介してサーバ装置１００に接続される。サーバ装置１００は記憶装置２００と接続する。サーバ装置１００には、ネットワークＮを介して複数のユーザ端末２０が接続され得る。また、サーバ装置１００は、ネットワークＮを介して図示しない複数の情報処理装置に接続する。複数の情報処理装置は、例えば、ＳＮＳやソーシャルメディア等のように、インターネット上に構築された社会的ネットワークを利用して各種情報を発信する情報処理装置が例示できる。
サーバ装置１００は記憶装置２００を含んでもよい。サーバ装置１００、記憶装置２００は、例えば、インターネット上のコンピュータ群であるクラウドの一部を構成するものであってもよい。ネットワークＮは、インターネット等の公衆ネットワーク、携帯電話網等の無線ネットワーク、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）
等の内部ネットワークを含む。
等の内部ネットワークを含む。
ユーザ端末２０は、パーソナルコンピュータ（ＰＣ、Personal Computer）、ＰＤＡ（Personal Digital Assistant）のような専用または汎用のコンピュータ、あるいは、コン
ピュータを搭載した電子機器を使用して実現可能である。また、ユーザ端末２０は、スマートフォン、携帯電話、カーナビゲーション装置のような専用または汎用のコンピュータ、あるいは、コンピュータを搭載した電子機器を使用して実現可能である。
ピュータを搭載した電子機器を使用して実現可能である。また、ユーザ端末２０は、スマートフォン、携帯電話、カーナビゲーション装置のような専用または汎用のコンピュータ、あるいは、コンピュータを搭載した電子機器を使用して実現可能である。
サーバ装置１００は、ＰＣ等の汎用のコンピュータまたはサーバマシン等の専用のコンピュータを使用して実現可能である。記憶装置２００は、各種プログラムおよび各種データを格納する記憶媒体を備えた記憶装置である。記憶装置２００は、外部記憶装置とも呼ばれる。記憶装置２００としては、例えば、ソリッドステートドライブ装置、ハードディスクドライブ装置、ＣＤ（Compact Disc）ドライブ装置、ＤＶＤ（Digital Versatile Disk）ドライブ装置、＋Ｒ／＋ＲＷドライブ装置、ＨＤ ＤＶＤ（High-Definition Digital Versatile Disk）ドライブ装置、または、ＢＤ（Blu-ray Disk）ドライブ装置がある。また、記憶装置２００は、リムーバブルメディア、即ち可搬記録媒体を含むことができる。
図２に、情報処理装置のハードウェア構成を例示する。図２に例示する情報処理装置３００は、コンピュータである。図１に例示する、ユーザ端末２０、サーバ装置１００は、例えば、図２に例示する情報処理装置３００によって実現される。
情報処理装置３００は、接続バスによって相互に接続されたＣＰＵ（Central Processing Unit）３０１、メモリ３０２、記憶部３０３、入力部３０４、出力部３０５、通信部
３０６を有する。情報処理装置３００は、ＣＰＵ３０１が記憶部３０３に記憶されたプログラムをメモリ３０２の作業領域に実行可能に展開し、プログラムの実行を通じて周辺機器の制御を行う。これにより、情報処理装置３００は、所定の目的に合致した機能を実現することができる。メモリ３０２および記憶部３０３は、コンピュータである情報処理装置３００が読み取り可能な記録媒体である。
３０６を有する。情報処理装置３００は、ＣＰＵ３０１が記憶部３０３に記憶されたプログラムをメモリ３０２の作業領域に実行可能に展開し、プログラムの実行を通じて周辺機器の制御を行う。これにより、情報処理装置３００は、所定の目的に合致した機能を実現することができる。メモリ３０２および記憶部３０３は、コンピュータである情報処理装置３００が読み取り可能な記録媒体である。
ＣＰＵ３０１は、情報処理装置３００全体の制御を行う中央処理演算装置である。ＣＰＵ３０１は、記憶部３０３に格納されたプログラムに従って処理を行う。メモリ３０２は、ＣＰＵ３０１がプログラムやデータをキャッシュしたり、作業領域を展開したりする記憶媒体である。メモリ３０２は、例えば、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）を含む。
記憶部３０３は、各種のプログラム及び各種のデータを読み書き自在に記録媒体に格納する。記憶部３０３は、例えば、ＥＰＲＯＭ（Erasable Programmable ROM）、ソリッド
ステートドライブ装置、ハードディスクドライブ（ＨＤＤ、Hard Disk Drive）装置であ
る。また、記憶部３０３としては、例えば、ＣＤドライブ装置、ＤＶＤドライブ装置、＋Ｒ／＋ＲＷドライブ装置、ＨＤ ＤＶＤドライブ装置、ＢＤドライブ装置が例示できる。記録媒体としては、例えば、不揮発性半導体メモリ（フラッシュメモリ）を含むシリコンディスク、ハードディスク、ＣＤ、ＤＶＤ、＋Ｒ／＋ＲＷ、ＨＤ ＤＶＤ、または、ＢＤがある。ＣＤとしては、ＣＤ−Ｒ（Recordable）、ＣＤ−ＲＷ（Rewritable）、ＣＤ−ＲＯＭがある。ＤＶＤとしては、ＤＶＤ−Ｒ、ＤＶＤ−ＲＡＭ（Random Access Memory）がある。ＢＤとしては、ＢＤ−Ｒ、ＢＤ−ＲＥ（Rewritable）、ＢＤ−ＲＯＭがある。また、記憶部３０３は、リムーバブルメディア等の可搬記録媒体を含むことができる。リムーバブルメディアは、例えば、ＵＳＢ（Universal Serial Bus）メモリ、あるいは、ＣＤやＤＶＤのようなディスク記録媒体が例示できる。
ステートドライブ装置、ハードディスクドライブ（ＨＤＤ、Hard Disk Drive）装置であ
る。また、記憶部３０３としては、例えば、ＣＤドライブ装置、ＤＶＤドライブ装置、＋Ｒ／＋ＲＷドライブ装置、ＨＤ ＤＶＤドライブ装置、ＢＤドライブ装置が例示できる。記録媒体としては、例えば、不揮発性半導体メモリ（フラッシュメモリ）を含むシリコンディスク、ハードディスク、ＣＤ、ＤＶＤ、＋Ｒ／＋ＲＷ、ＨＤ ＤＶＤ、または、ＢＤがある。ＣＤとしては、ＣＤ−Ｒ（Recordable）、ＣＤ−ＲＷ（Rewritable）、ＣＤ−ＲＯＭがある。ＤＶＤとしては、ＤＶＤ−Ｒ、ＤＶＤ−ＲＡＭ（Random Access Memory）がある。ＢＤとしては、ＢＤ−Ｒ、ＢＤ−ＲＥ（Rewritable）、ＢＤ−ＲＯＭがある。また、記憶部３０３は、リムーバブルメディア等の可搬記録媒体を含むことができる。リムーバブルメディアは、例えば、ＵＳＢ（Universal Serial Bus）メモリ、あるいは、ＣＤやＤＶＤのようなディスク記録媒体が例示できる。
入力部３０４は、ユーザ等からの操作指示等を受け付ける。入力部３０４は、入力ボタ
ン、キーボード、ポインティングデバイス、ワイヤレスリモコン、マイクロフォン、カメラ等の入力デバイスである。入力部３０４から入力された情報は、接続バスを介してＣＰＵ３０１に通知される。
ン、キーボード、ポインティングデバイス、ワイヤレスリモコン、マイクロフォン、カメラ等の入力デバイスである。入力部３０４から入力された情報は、接続バスを介してＣＰＵ３０１に通知される。
出力部３０５は、ＣＰＵ３０１で処理されるデータやメモリ３０２に記憶されるデータを出力する。出力部３０５は、ＣＲＴ（Cathode Ray Tube）ディスプレイ、ＬＣＤ（Liquid Crystal Display）、ＰＤＰ（Plasma Display Panel）、ＥＬ（Electroluminescence
）パネル、プリンタ、スピーカ等の出力デバイスである。通信部３０６は、インターネットＮとのインターフェースである。
）パネル、プリンタ、スピーカ等の出力デバイスである。通信部３０６は、インターネットＮとのインターフェースである。
情報処理装置３００は、記憶部３０３に、オペレーティングシステム（Operating System :ＯＳ）、各種プログラム、各種テーブル等を記憶している。ＯＳは、ソフトウェアとハードウェアとの仲介、メモリ空間の管理、ファイル管理、プロセスやタスクの管理を行うソフトウェアである。ＯＳは、通信インターフェースを含む。通信インターフェースは、通信部３０３を介して接続される外部装置等とデータのやり取りを行うプログラムである。外部装置等には、例えば、他の情報処理装置、記憶装置が含まれる。
ユーザ端末２０を実現できる情報処理装置３００は、ＣＰＵ３０１が記憶部３０３に記憶されている各種プログラムや各種データをメモリ３０２に読み出して実行することにより、ブラウザ機能を実現する。ブラウザ機能を有するユーザ端末２０は、インターネットＮを介して接続された情報処理装置が配信する各種コンテンツや記事情報を閲覧することができる。情報処理装置にはサーバ装置１００が含まれる。
サーバ装置１００を実現できる情報処理装置３００は、ＣＰＵ３０１が記憶部３０３に記憶されている各種プログラムや各種データをメモリ３０２に読み出して実行することにより、記事情報収集部１１０、関心キーワード処理部１２０、友人情報処理部１３０、おすすめ記事選定部１４０、記事情報提示部１５０、閲覧情報収集部１６０としての機能を実現する。
図１に戻り、サーバ装置１００は、記事情報収集部１１０、関心キーワード処理部１２０、友人情報処理部１３０、おすすめ記事選定部１４０、記事情報提示部１５０、閲覧情報収集部１６０を含む。各部のうち、いずれかが、他のサーバ装置に含まれてもよい。例えば、情報収集部１１０を含むサーバ装置と、関心キーワード処理部１２０を含むサーバ装置と、友人情報処理部１３０を含むサーバ装置と、おすすめ記事選定部１４０を含むサーバ装置と、記事情報提示部１５０を含むサーバ装置と、閲覧情報収集部１６０を含むサーバ装置とが、ネットワーク等を介して接続されることにより、サーバ装置１００として機能してもよい。サーバ装置１００は、複数のサーバ装置に機能を分散し、各処理部が実現されることで、負荷が軽減される。
記事情報収集部１１０は、サーバ装置１００が接続されたネットワークＮを介して各種記事情報を収集する。各種記事情報の収集は、クローラによる定期的な記事情報の収集が例示できる。記事情報収集部１１０は、例えば、クローラによってウェブ上の各種ニュースサイトやブログサイト等を定期的に巡回し、各種記事情報を収集する。記事情報収集部１１０は、収集・取得した各種記事情報に索引語である特徴語データを付与し、記事情報テーブル２１１として記事情報ＤＢ２１０（Data Base: データベース）に格納する。記
事情報テーブル２１１に格納される記事情報は、記事のタイトル、記事情報を取得したウェブサイトのＵＲＬ（Uniform Resource Locator）、特徴語データ等を含む。尚、索引語の付与としては、ｔｆ−ｉｄｆ（Term Frequency-Inverse Document Frequency）法等の
記事中の特徴的な単語を抽出する従来のアルゴリズム技術が例示できる。
事情報テーブル２１１に格納される記事情報は、記事のタイトル、記事情報を取得したウェブサイトのＵＲＬ（Uniform Resource Locator）、特徴語データ等を含む。尚、索引語の付与としては、ｔｆ−ｉｄｆ（Term Frequency-Inverse Document Frequency）法等の
記事中の特徴的な単語を抽出する従来のアルゴリズム技術が例示できる。
関心キーワード処理部１２０は、関心キーワードＤＢ２２０に格納された各ユーザの関心キーワード情報に対する関心継続度の処理を行う。関心継続度の処理は、例えば所定の周期で定期的に実行される。所定の周期として、１２時間、１日、１週間、１月等が例示できる。
関心継続度の処理が施された関心キーワード情報は、ユーザ毎の関心キーワードテーブル２２１に記録・保存される。関心キーワードテーブル２２１は、各ユーザの関心キーワード情報として関心キーワードＤＢ２２０に格納される。関心キーワード情報は、関心キーワード、関心継続度を表す関心キーワードポイント、キーワードの更新日時情報を含む。
友人情報処理部１３０は、各ユーザのソーシャルメディア等の利用情報から、各ソーシャルメディアにおける友人情報の収集を行う。友人情報の収集としては、ＡＰＩ（Application Programming Interface）による収集が例示できる。友人情報処理部１３０は、ユ
ーザ毎に、各ユーザが利用中のソーシャルメディア等から友人情報を取得し、友人情報テーブル２３１に記録・保存する。友人情報テーブル２３１は、各ユーザの友人情報として友人情報ＤＢ２３０に格納される。友人情報は、各ソーシャルメディアにおける友人（友達）のＩＤリストを含む。
ーザ毎に、各ユーザが利用中のソーシャルメディア等から友人情報を取得し、友人情報テーブル２３１に記録・保存する。友人情報テーブル２３１は、各ユーザの友人情報として友人情報ＤＢ２３０に格納される。友人情報は、各ソーシャルメディアにおける友人（友達）のＩＤリストを含む。
おすすめ記事選定部１４０は、記事情報ＤＢ２１０に格納された記事情報テーブル２１１から記事情報を取得し、関心キーワードＤＢ２２０に格納された関心キーワードテーブル２２１から関心キーワード情報を取得し、記事情報毎に採点処理を実行する。採点情報は、各ユーザに対して提示する「おすすめ記事」の選定尺度である。採点処理については後述する。
また、おすすめ記事選定部１４０は、記事情報ＤＢ２１０に格納された記事情報テーブル２１１から記事情報を取得し、関心キーワードＤＢ２２０に格納された関心キーワードテーブル２２１から関心キーワード情報を取得し、友人情報ＤＢ２３０に格納された友人情報テーブル２３１を取得し、友人が注目している記事情報毎に採点処理を実行する。採点情報は、各ユーザに対して提示する「友人が注目している記事」の選定尺度である。採点処理については後述する。
おすすめ記事選定部１４０は、採点処理が施され、所定の閾値以上の採点を受けた「おすすめ記事」、「友人が注目している記事」をおすすめ記事一覧テーブル２４１に記録・保存する。おすすめ記事一覧テーブル２４１は、各ユーザに提示するおすすめ記事情報としておすすめ記事ＤＢ２４０に格納される。
記事情報提示部１５０は、おすすめ記事ＤＢ２４０に格納されたおすすめ記事一覧テーブル１４１からおすすめ記事情報を取得し、各ユーザに提示する。各ユーザには、「おすすめ記事」と「友人が注目している記事」が提示される。各ユーザは、ユーザ端末２０のブラウザ、ツールバー等を介して、記事情報提示部１５０が提示するおすすめ記事情報を閲覧する。記事情報提示部１５０が提示する「おすすめ記事」、「友人が注目している記事」には、例えば[いいね]、[きらい]、[いらない]等の操作ボタンが付与される。記事情報提示部１５０が提示する記事情報を閲覧した各ユーザは、各操作ボタンを操作し、提示された記事の評価を行うことができる。
記事情報提示部１５０は、各ユーザに提示した記事情報の閲覧履歴と共に、各ユーザが操作ボタンを操作して入力した評価情報を閲覧履歴テーブル２５１に記録・保存する。閲覧履歴テーブル２５１は、各ユーザのユーザ毎の閲覧履歴情報として閲覧履歴ＤＢ２５０に格納される。
閲覧情報収集部１６０は、閲覧履歴ＤＢ２５０に格納された閲覧履歴情報を取得し、各ユーザの評価を関心キーワードＤＢに加点ポイントとして反映する。
記憶装置２００は、記事情報ＤＢ２１０（Data Base: データベース）、関心キーワー
ドＤＢ２２０、友人情報ＤＢ２３０、おすすめ記事ＤＢ２４０、閲覧履歴ＤＢ２５０を含む。記事情報ＤＢ２１０、関心キーワードＤＢ２２０、友人情報ＤＢ２３０、おすすめ記事ＤＢ２４０、閲覧履歴ＤＢ２５０は、それぞれ、別々の記憶装置に含まれてもよい。記事情報ＤＢ２１０は、記事情報テーブル２１１を含む。関心キーワードＤＢ２２０は、関心キーワードテーブル２２１を含む。友人情報ＤＢ２３０は、友人情報テーブル２３１を含む。おすすめ記事ＤＢ２４０は、おすすめ記事一覧テーブル２４１を含む。閲覧履歴ＤＢ２５０は、閲覧履歴テーブル２５１を含む。
ドＤＢ２２０、友人情報ＤＢ２３０、おすすめ記事ＤＢ２４０、閲覧履歴ＤＢ２５０を含む。記事情報ＤＢ２１０、関心キーワードＤＢ２２０、友人情報ＤＢ２３０、おすすめ記事ＤＢ２４０、閲覧履歴ＤＢ２５０は、それぞれ、別々の記憶装置に含まれてもよい。記事情報ＤＢ２１０は、記事情報テーブル２１１を含む。関心キーワードＤＢ２２０は、関心キーワードテーブル２２１を含む。友人情報ＤＢ２３０は、友人情報テーブル２３１を含む。おすすめ記事ＤＢ２４０は、おすすめ記事一覧テーブル２４１を含む。閲覧履歴ＤＢ２５０は、閲覧履歴テーブル２５１を含む。
図３に、記事情報テーブルを例示する。図３の記事情報テーブル２１１は、ＵＲＬ毎に、そのＵＲＬの記事に付与された特徴語が登録されるレコードを有している。各レコードは、タイトル、ＵＲＬ、特徴語の各フィールドを備える。なお、記事情報テーブル２１１には、記事を取得した日時情報が含まれても良い。
図４に、関心キーワードテーブルを例示する。図４の関心キーワードテーブル２２１は、ユーザ登録されたユーザ毎にユニークに対応付けた識別情報を含むレコードを有している。各レコードは、ユーザ登録されたユーザ毎にユニークに対応付けた識別情報であるユーザＩＤ、関心キーワード、関心キーワードポイント、キーワードの更新日時をそれぞれ格納するフィールドを備える。関心キーワードポイントは関心キーワード毎に算出される。なお、関心キーワードテーブル２２１の更新日時情報は、図に例示された“ｙｙｙｙ．ｍｍ．ｄｄ．ｈｈ．ｍｍ．ｓｓ”の表現形式に限定されない。
図５に、友人情報テーブルを例示する。図５の友人情報テーブル２３１は、ユーザＩＤに対応付けた友人情報を含むレコードを有している。各レコードは、ユーザＩＤ、ソーシャルメディア名、友達ＩＤをそれぞれ格納するフィールドを備える。
図６に、おすすめ記事一覧テーブルを例示する。図６のおすすめ記事一覧テーブル２４１は、ユーザＩＤに対応付けた記事情報を含むレコードを有している。各レコードは、ユーザＩＤ、記事ＩＤ、ＵＲＬをそれぞれ格納するフィールドを備える。記事ＩＤフィールドには、おすすめ記事選定部１４０で付与された記事ＩＤが格納される。図例では「○○−××××××」形式で記事ＩＤが格納されている。図例において、先頭の“○○”部は、「おすすめ記事」であるか、「友人が注目している記事」であるかを識別する。また、ハイフン後の「××××××」は記事を識別するユニークなＩＤである。なお、記事ＩＤフィールドの格納形式は、図例に限定されない。「おすすめ記事」、「友人が注目している記事」、「記事」が識別されればよい。
図７に、閲覧履歴テーブルを例示する。図７の閲覧履歴テーブル２５１は、ユーザＩＤに対応付けた記事情報を含むレコードを有している。各レコードは、ユーザＩＤ、記事ＩＤ、ＵＲＬ、閲覧日時、評価ポイント値をそれぞれ格納するフィールドを備える。評価ポイント値フィールドには、各ユーザに提示した記事情報に対する所定のポイント値が格納される。例えば、閲覧した場合は“×”ポイント、[いいね]ボタンが操作入力された場合は“××”ポイント、[きらい]ボタン、[いらない]ボタンが操作入力された場合にはポイントを付与しない、などを例示できる。なお、評価ポイント値の付与は、図例に限定されない。[いいね]等の肯定評価、[いらない]等の否定評価情報が閲覧情報に含まれればよい。
＜システム全体フロー＞
次に、本実施形態の情報提示システム１０の処理について説明する。図８に、情報提示システムの全体処理フローを例示する。図８において、記事情報収集部１１０は、所定の周期でネットワークＮ上の各種記事情報を収集する。記事情報収集部１１０は、収集した記事情報を、記事情報ＤＢ２１０に格納する。記事情報ＤＢ２１０に格納された記事情報は、タイトル、ＵＲＬ、特徴語データを関連付けたレコードである。各種記事情報の収集は、例えば、１時間毎、６時間毎、１２時間毎、１日毎等の期間間隔が例示できる。各種記事情報を収集する時間間隔は、情報提示システムが要求される運用精度、システムの規模、データベースが構築される外部記憶装置の容量等によって適正なものを選択すればよい。また、取得した記事情報への特徴語データの付与は、例えば、ｔｆ−ｉｄｆ法等の記事中の特徴的な単語を抽出する従来のアルゴリズム技術によって行われる。
次に、本実施形態の情報提示システム１０の処理について説明する。図８に、情報提示システムの全体処理フローを例示する。図８において、記事情報収集部１１０は、所定の周期でネットワークＮ上の各種記事情報を収集する。記事情報収集部１１０は、収集した記事情報を、記事情報ＤＢ２１０に格納する。記事情報ＤＢ２１０に格納された記事情報は、タイトル、ＵＲＬ、特徴語データを関連付けたレコードである。各種記事情報の収集は、例えば、１時間毎、６時間毎、１２時間毎、１日毎等の期間間隔が例示できる。各種記事情報を収集する時間間隔は、情報提示システムが要求される運用精度、システムの規模、データベースが構築される外部記憶装置の容量等によって適正なものを選択すればよい。また、取得した記事情報への特徴語データの付与は、例えば、ｔｆ−ｉｄｆ法等の記事中の特徴的な単語を抽出する従来のアルゴリズム技術によって行われる。
関心キーワード処理部１２０は、関心キーワードＤＢ２２０に格納されたユーザ毎の関心キーワード情報を読み出して、関心キーワード情報に対する関心継続度の処理を行う。関心キーワード処理部１２０は、関心継続度の処理結果を再び関心キーワードＤＢ２２０に格納する。関心キーワード情報は、関心キーワード、関心継続度を表す関心キーワードポイント、キーワードの更新日時情報が相互に関連付けられている。関心キーワード情報に対する関心継続度の処理は、所定の周期で実行される。関心継続度の処理は、例えば、１時間毎、６時間毎、１２時間毎、１日毎等の期間が例示できる。この周期は、情報提示システムが要求される運用精度、システムの規模、データベースが構築される外部記憶装置の容量等によって適正なものを選択すればよい。また、記事情報収集部１１０が実行する各種記事情報の収集間隔に合わせて実行してもよい。
友人情報処理部１３０は、ユーザ端末２０を介して入力されたユーザ毎のソーシャルメディア等の利用情報から、各ソーシャルメディアにおける友人情報の収集を行う。各ソーシャルメディアのアカウント情報は、例えば、ユーザ登録時の設定により取得することができる。図９に、ユーザ登録時の設定画面を例示する。図９は、ユーザ端末に表示される表示画面の一例である。図９には、ソーシャルメディアアカウント設定画面２１が例示される。ソーシャルメディアアカウント設定画面２１には、複数のソーシャルメディア２１ａ〜２１ｄが表示されている。各ユーザは、複数のソーシャルメディア２１ａ〜２１ｄから利用中のソーシャルメディアを選択し、ユーザ毎に付与されたアカウント情報を入力する。ユーザは、ソーシャルメディアアカウント設定画面２１に表示された、複数のソーシャルメディア２１ａ〜２１ｄを選択する。画面上の操作は、ユーザ端末２０が備える入力部を介して実行される。例えば、ポインティングデバイス等により、ユーザが利用しているソーシャルメディアを選択する。選択後には、アカウント情報入力画面２２が表示される。アカウント情報入力画面２２には、ＩＤ情報入力エリア２２ａ、パスワード（ＰＷ）情報入力エリア２２ｂが設けられている。ユーザは、各ソーシャルメディアで付与されたユーザ識別のＩＤ情報、パスワード情報を入力する。そして、登録ボタン２２ｃを操作し、入力情報の登録設定を行う。友人情報処理部１３０は、入力されたアカウント情報から、各ソーシャルメディアにおける友人情報の収集を行う。友人情報の収集としては、例えば、ＡＰＩによる収集が例示できる。友人情報処理部１３０は、設定入力されたアカウント情報に基づき、各ソーシャルメディアにおける友人情報の収集を行う。収集された友人情報は、ユーザＩＤ、ソーシャルメディア名と関連付けられて友人情報ＤＢ２３０に格納される。
おすすめ記事選定部１４０は、記事情報ＤＢ２１０、関心キーワードＤＢ２２０、に格納された情報から、記事情報毎に「おすすめ度」の採点処理を実行する。また、おすすめ記事選定部１４０は、記事情報ＤＢ２１０、関心キーワードＤＢ２２０、友人情報ＤＢ２３０に格納された情報から、友人が注目している記事情報毎に採点処理を実行する。採点処理が施され、所定の閾値以上の採点が得られた記事情報は、「おすすめ記事」、「友人
が注目している記事」としておすすめ記事ＤＢ２４０に格納される。おすすめ記事選定部１４０の処理については詳細を後述する。なお、おすすめ記事情報が推奨記事情報の一例である。
が注目している記事」としておすすめ記事ＤＢ２４０に格納される。おすすめ記事選定部１４０の処理については詳細を後述する。なお、おすすめ記事情報が推奨記事情報の一例である。
記事情報提示部１５０は、ユーザ端末２０から閲覧があると、おすすめ記事ＤＢ２４０に格納されたおすすめ記事情報を取得し、ユーザ端末２０に提示する。ユーザ端末２０は、ブラウザ機能により、情報提示システム１０が提示するおすすめ記事情報を閲覧する。記事情報提示部１５０は、ユーザの閲覧履歴情報を閲覧履歴ＤＢ２５０に格納する。閲覧履歴情報は、ユーザＩＤに対応付けられた記事ＩＤ、ＵＲＬ、閲覧日時、評価ポイント値を有するレコードを有する。評価ポイント値は、提示された「おすすめ記事」に対する評価情報が格納される。例えば、［いいね］等の肯定評価時には“××”ポイント、［きらい］、［いらない］等の否定評価時には“ポイントを付与せず”、記事の詳細閲覧時には“×”ポイントを付与することが例示できる。なお、評価ポイントの付与の仕方は実施例に限定されない。肯定評価時に所定のポイント（加点）を付与するものであってもよい。また、否定評価時に所定のポイント（減点）を付与するものであってもよい。提示された記事に対する、ユーザの評価が反映できればよい。
図１０に、記事閲覧画面を例示する。図１０は、ユーザ端末に表示される表示画面の一例である。図１０に例示する記事閲覧画面２３では、おすすめ記事ＤＢ２４０に格納されたおすすめ記事情報が一覧できる。記事閲覧画面２３における「Suitable」タブ２３ｈ、「friends」タブ２３ｊは、おすすめ記事の分類情報を表す。例えば、「Suitable」タブ
２３ｈは、ユーザの関心に沿った記事の一覧を表している。また、例えば、「friends」
タブ２３ｊは、友人が注目している記事の一覧を表している。記事閲覧画面２３では、記事の対象となるユーザ名が含まれた標題エリア２３ａを有する。そして、標題エリア２３ａの下部には、おすすめ記事選定部１４０で選定された記事タイトル２３ａ〜２３ｅが配置する。また、記事閲覧画面２３では、各記事タイトル２３ａ〜２３ｅの下部には、記事に対するユーザ評価のための操作ボタン２３ｆ、２３ｇが配置されている。記事閲覧画面２３に配置される評価ボタンは、例えば、［いいね］ボタン２３ｆの如く肯定評価用の操作ボタンと、［きらい］ボタン２３ｇの如く否定評価用の操作ボタンが含まれる。なお、提示された記事に対する評価用の操作ボタンは［いいね］、［きらい］、［いらない］の表現形式には限定されない。提示された記事を閲覧したユーザの肯定評価、否定評価を反映できればよい。さらに、提示記事への評価は、肯定評価のみであってもよいし、否定評価のみであってもよい。また、おすすめ記事の分類は２分類に限定されない。３分類であってもよいし、８分類であってもよい。分類情報毎にタブによる識別がなされていればよい。
２３ｈは、ユーザの関心に沿った記事の一覧を表している。また、例えば、「friends」
タブ２３ｊは、友人が注目している記事の一覧を表している。記事閲覧画面２３では、記事の対象となるユーザ名が含まれた標題エリア２３ａを有する。そして、標題エリア２３ａの下部には、おすすめ記事選定部１４０で選定された記事タイトル２３ａ〜２３ｅが配置する。また、記事閲覧画面２３では、各記事タイトル２３ａ〜２３ｅの下部には、記事に対するユーザ評価のための操作ボタン２３ｆ、２３ｇが配置されている。記事閲覧画面２３に配置される評価ボタンは、例えば、［いいね］ボタン２３ｆの如く肯定評価用の操作ボタンと、［きらい］ボタン２３ｇの如く否定評価用の操作ボタンが含まれる。なお、提示された記事に対する評価用の操作ボタンは［いいね］、［きらい］、［いらない］の表現形式には限定されない。提示された記事を閲覧したユーザの肯定評価、否定評価を反映できればよい。さらに、提示記事への評価は、肯定評価のみであってもよいし、否定評価のみであってもよい。また、おすすめ記事の分類は２分類に限定されない。３分類であってもよいし、８分類であってもよい。分類情報毎にタブによる識別がなされていればよい。
図１０に例示する記事閲覧画面２３では、提示された各記事タイトル２３ａ〜２３ｅを選択すると、記事詳細画面２４が表示される。記事詳細画面２４では、記事タイトル２４ａの下部領域に肯定評価用ボタン２４ｂ、否定評価用ボタン２４ｃ、記事内容表示領域２４ｄが配置される。なお、記事詳細画面に配置される評価用の操作ボタンは［いいね］、［いらない］の表現形式には限定されない。提示された記事を閲覧したユーザの肯定評価、否定評価を反映できればよい。さらに、提示記事への評価は、肯定評価のみであってもよいし、否定評価のみであってもよい。また、肯定評価用ボタン２４ｂ、否定評価用ボタン２４ｃの配置位置は、例えば記事内容表示領域２４ｄの下部に配置されてもよい。
閲覧情報収集部１６０は、閲覧履歴ＤＢ２５０に格納された閲覧履歴情報を取得し、各ユーザの評価を関心キーワードＤＢに加点ポイントとして反映する。加点ポイントは、関心キーワード処理部１２０により、定期的に実行される関心キーワード情報に対する関心継続度に反映される。
＜関心キーワード処理＞
図１１に、関心キーワード処理のフローチャートを例示する。関心キーワード処理部１２０は、定期処理により、関心キーワードＤＢ２２０に格納されたユーザ毎の関心キーワードテーブル２２１を取得する（Ｓ１２１）。次に、関心キーワード処理部１２０は、各ユーザのレコードから、ユーザＩＤに対応付けた関心キーワードに関する更新日時情報と、現在の日時情報とを比較して、関心キーワードの更新日からの経過日数Ｎを算出する（Ｓ１２２）。関心キーワード処理部１２０は、ユーザＩＤに対応付けた関心キーワード毎の関心キーワードポイントＰに対する加点・減点ポイントの日時減算処理を実行する（Ｓ１２３）。ステップＳ１２３の処理は、ユーザ毎に登録された全てのキーワードについて実行される。
図１１に、関心キーワード処理のフローチャートを例示する。関心キーワード処理部１２０は、定期処理により、関心キーワードＤＢ２２０に格納されたユーザ毎の関心キーワードテーブル２２１を取得する（Ｓ１２１）。次に、関心キーワード処理部１２０は、各ユーザのレコードから、ユーザＩＤに対応付けた関心キーワードに関する更新日時情報と、現在の日時情報とを比較して、関心キーワードの更新日からの経過日数Ｎを算出する（Ｓ１２２）。関心キーワード処理部１２０は、ユーザＩＤに対応付けた関心キーワード毎の関心キーワードポイントＰに対する加点・減点ポイントの日時減算処理を実行する（Ｓ１２３）。ステップＳ１２３の処理は、ユーザ毎に登録された全てのキーワードについて実行される。
図１１に例示されたフローチャートでは、関心キーワードポイントＰに対する加点・減点ポイントの日時減算処理として、以下の処理を例示する。
９０
Σ （加点・減点ポイント×０．９Ｎ）
Ｎ＝１
加点・減点の経過日時：Ｎ＜９０日
ここで、加点・減点ポイントは、閲覧履歴ＤＢ２５０に格納されたユーザ毎の評価ポイント値である。評価ポイント値は、後述するように、関心キーワードを特徴語に含む各記事へのユーザ評価を表す指標である。なお、評価ポイント値の付与は、情報提示システムが要求される運用精度、システムの規模、データベースが構築される外部記憶装置の容量等によって適正なものを選択すればよい。
９０
Σ （加点・減点ポイント×０．９Ｎ）
Ｎ＝１
加点・減点の経過日時：Ｎ＜９０日
ここで、加点・減点ポイントは、閲覧履歴ＤＢ２５０に格納されたユーザ毎の評価ポイント値である。評価ポイント値は、後述するように、関心キーワードを特徴語に含む各記事へのユーザ評価を表す指標である。なお、評価ポイント値の付与は、情報提示システムが要求される運用精度、システムの規模、データベースが構築される外部記憶装置の容量等によって適正なものを選択すればよい。
ステップＳ１２３により、関心キーワードの更新日時以降の経過日数、ユーザに提示されたおすすめ記事情報に対する閲覧評価ポイントがキーワードへの関心継続度として反映される。登録された関心キーワードに対する、ユーザの意識の時間的変化が反映できる。関心キーワード処理部１２０は、現在までに累積された関心キーワードポイントに、ステップＳ１２３で算出した加点・減算ポイントを加えて関心キーワードポイントとし、関心キーワードテーブル２２１に記録・保存する。関心キーワード処理部１２０は、ユーザ毎に登録された関心キーワードの全てのレコードについて日時減算処理を実行し、関心キーワードテーブル２２１を更新する。更新された関心キーワードテーブル２２１は、関心キーワードＤＢ２２０に格納される。
＜おすすめ記事選定処理＞
図１２〜図１４に、おすすめ記事選定処理のフローチャートを示す。図１２〜図１４のフローチャートは、「おすすめ記事」の選定フローチャートである。おすすめ記事選定部１４０は、記事情報ＤＢ２１０に格納された記事情報の取得を行う（Ｓ１４１）。記事情報ＤＢ２１０に格納された記事情報は、記事情報テーブル２１１である。記事情報テーブル２１１は、記事情報を取得したＵＲＬに対応付けた、記事のタイトル、記事に付与された特徴語を含む。
図１２〜図１４に、おすすめ記事選定処理のフローチャートを示す。図１２〜図１４のフローチャートは、「おすすめ記事」の選定フローチャートである。おすすめ記事選定部１４０は、記事情報ＤＢ２１０に格納された記事情報の取得を行う（Ｓ１４１）。記事情報ＤＢ２１０に格納された記事情報は、記事情報テーブル２１１である。記事情報テーブル２１１は、記事情報を取得したＵＲＬに対応付けた、記事のタイトル、記事に付与された特徴語を含む。
おすすめ記事選定部１４０は、次に、関心キーワードＤＢ２２０に格納された関心キーワード情報を取得する（Ｓ１４２）。なお、関心キーワード情報の取得は、ユーザ毎に行われる。関心キーワードＤＢ２２０に格納された関心キーワード情報は、関心キーワードテーブル２２１である。関心キーワードテーブル２２１には、ユーザＩＤに対応付けた関心キーワード、関心キーワードポイント、キーワードの更新日時が含まれる。おすすめ記事選定部１４０は、関心キーワード情報に含まれる関心キーワード、関心キーワードポイントと、記事情報に含まれる各特徴語との合致度を採点する（Ｓ１４３）。
図１２に例示されたフローチャートでは、記事と関心キーワードとの合致度処理として、以下の処理を例示する。以下の処理では、記事情報の全ての特徴語と、全ての関心キーワードとについての総和を算出する。この処理により、各記事に対する全ての関心キーワードとの合致度が算出できる。
Σ（キーワードＰの関心キーワードポイント）× （数式 １）
（その記事におけるキーワードＰの比重）
ここで、その記事におけるキーワードＰの比重とは、例えば、記事情報テーブル２１
１に記録・保存された特徴語に与えられる比重値である。比重値の付与の一例として、記事内の出現頻度等から抽出された各特徴語に対して、総計１となるように案分された比重値を付与する、ことが例示できる。この場合、記事内の特徴語として「ＡＡ」、「ＢＢ」、「ＣＣ」の単語が順に抽出された場合、「ＡＡ」に対して比重値：０．５、「ＢＢ」に対して比重値：０．３、「ＣＣ」に対して比重値：０．２となる比率で比重値を案分することが例示できる。この比重値の案分は、対応する特徴語の、その記事における重み付けが反映されるものであればよい。
Σ（キーワードＰの関心キーワードポイント）× （数式 １）
（その記事におけるキーワードＰの比重）
ここで、その記事におけるキーワードＰの比重とは、例えば、記事情報テーブル２１
１に記録・保存された特徴語に与えられる比重値である。比重値の付与の一例として、記事内の出現頻度等から抽出された各特徴語に対して、総計１となるように案分された比重値を付与する、ことが例示できる。この場合、記事内の特徴語として「ＡＡ」、「ＢＢ」、「ＣＣ」の単語が順に抽出された場合、「ＡＡ」に対して比重値：０．５、「ＢＢ」に対して比重値：０．３、「ＣＣ」に対して比重値：０．２となる比率で比重値を案分することが例示できる。この比重値の案分は、対応する特徴語の、その記事における重み付けが反映されるものであればよい。
なお、ステップＳ１４２〜ステップＳ１４３の処理は全ての関心キーワードについて実行される。
おすすめ記事選定部１４０は、次に、友人情報ＤＢ２３０に格納された友人情報を取得する（Ｓ１４４）。なお、友人情報の取得はユーザ毎に行われる。友人情報ＤＢ２３０に格納された友人情報は、友人情報テーブル２３１である。友人情報２３１には、ユーザＩＤに対応付けたソーシャルメディア名、友達ＩＤ、が含まれる。おすすめ記事選定部１４０は、記事情報ＤＢ２１０に格納された記事の相対的な評価を以下の処理で実行する。
おすすめ記事選定部１４０は、ステップＳ１４２で取得した関心キーワード情報から他のユーザを抽出する（Ｓ１４５）。ここで、他のユーザとは、対象となるユーザが関心キーワードとして登録しているキーワードを、関心キーワードに登録しているその他のユーザである。
図１３に例示するフローチャートにより、おすすめ記事選定部１４０は、ステップＳ１４５で抽出したユーザが対象となるユーザの友達情報に含まれているか否かを判定する（Ｓ１４６）。ステップＳ１４６の判定は、その他のユーザに付与されたユーザＩＤで行われる。おすすめ記事選定部１４０は、対象となるユーザの友人情報テーブルにその他のユーザが有するユーザＩＤが含まれていた場合には（Ｓ１４６、Ｙｅｓ）、ステップＳ１４７に移行する。おすすめ記事選定部１４０は、ステップＳ１４７では、友人係数Ｃ２を選択する。また、おすすめ記事選定部１４０は、友人情報テーブルにその他のユーザが有するユーザＩＤが含まれていない場合には、ステップＳ１４８に移行し、友人係数Ｃ１を選択する。
次に、おすすめ記事選定部１４０は、関心キーワードＰを特徴語に有する記事へのその他のユーザの評価を取得するために、その他のユーザの閲覧履歴情報を閲覧履歴ＤＢ２５０から取得する。閲覧履歴ＤＢ２５０に格納された閲覧履歴情報には、ユーザＩＤに対応付けられた記事ＩＤへの評価ポイント値が含まれる。また、おすすめ記事選定部１４０は、その他のユーザの、ソーシャルメディアアカウント情報に基づいて、ＡＰＩ等により、そのソーシャルメディア内での対象記事（関心キーワードＰを特徴語に有する記事）への評価を取得する（Ｓ１４９）。
おすすめ記事選定部１４０は、ステップ１４９で取得した評価に対して評価処理を実行する（Ｓ１４Ａ）。評価処理の一例として、対象記事への評価が［いいね］等の肯定評価時には「Ｘ」ポイントを付与し、それ以外の場合には「Ｙ」ポイントを付与することが例示できる。ステップＳ１４Ａの評価処理では、肯定評価に対して一定の加点を与えている。これは、対象となるユーザの嗜好と、その他のユーザの嗜好とは一致しないケースが多いためである。従って、嗜好の異なる他のユーザが肯定評価を行った対象記事はおすすめ度が高いと判断できるためである。
おすすめ記事選定部１４０は、関心キーワードを特徴語として付与された記事情報の相対的な評価の高さを判定する（Ｓ１４Ｂ）。図１３に例示するフローチャートでは、相対的な評価の高さを判定する処理として、以下の処理を例示する。以下の処理では、記事情報の全ての特徴語と、全ての関心キーワードとについての総和を算出する。この処理により、各記事に対する全ての関心キーワードとの合致度が算出できる。
Σ（Ａ´×他ユーザのその記事への評価×友人係数）
ΣＡ´ （数式 ２）
ここで、「Ａ´」とは、（数式 １）により、算出したその他のユーザの関心キーワードと記事の合致度を表している。また、「他のユーザのその記事への評価」とは、ステップＳ１４９〜Ｓ１４Ａの評価処理値（「Ｘ」or「Ｙ」）である。また、「友人係数」とは、ステップＳ１４７〜Ｓ１４８で選択した係数（Ｃ１orＣ２）である。
Σ（Ａ´×他ユーザのその記事への評価×友人係数）
ΣＡ´ （数式 ２）
ここで、「Ａ´」とは、（数式 １）により、算出したその他のユーザの関心キーワードと記事の合致度を表している。また、「他のユーザのその記事への評価」とは、ステップＳ１４９〜Ｓ１４Ａの評価処理値（「Ｘ」or「Ｙ」）である。また、「友人係数」とは、ステップＳ１４７〜Ｓ１４８で選択した係数（Ｃ１orＣ２）である。
このような処理を行うことにより、対象となるユーザが登録した関心キーワードが含まれる記事への、他者の記事評価が反映できる。特に、対象となるユーザと関心が似ている他者の評価情報が反映できる。他者の評価が高い場合には、「おすすめ度」がより高い記事であると判断できる。
なお、ステップＳ１４６〜Ｓ１４Ｂの処理は、対象となるユーザと共通する関心キーワードを登録している全てのユーザについて実行される。
図１４に例示するフローチャートにより、おすすめ記事選定部１４０は、現在の日時情報を取得する（Ｓ１４Ｃ）。そして、おすすめ記事選定部１４０は、ステップＳ１４Ｃで取得した日時情報と、ステップＳ１４１で所得した記事情報の日時情報とから、記事の新しさを計算する（Ｓ１４Ｄ）。図１４に例示するフローチャートでは以下の処理を例示する。
１／（現在日時−記事作成日） （数式 ３）
１／（現在日時−記事作成日） （数式 ３）
おすすめ記事選定部１４０は、以上の処理で算出した記事情報への評価基準から、総合的なおすすめ度を計算する（Ｓ１４Ｅ）。総合的なおすすめ度は、以下の処理が例示できる。
総合的なおすすめ度＝［（数式１）×（数式２）×（数式３）］ （数式 ４）
総合的なおすすめ度＝［（数式１）×（数式２）×（数式３）］ （数式 ４）
おすすめ記事選定部１４０は、ステップＳ１４Ｅで計算した総合的なおすすめ度により、ユーザに提示する「おすすめ記事」の判定を行う（Ｓ１４Ｆ）。図１４に例示するフローチャートでは、ステップＳ１４Ｅで計算した総合的なおすすめ度の上位Ｎ件の抽出を行い（Ｓ１４Ｆ）、おすすめ記事ＤＢ２４０へ保存する（Ｓ１４Ｇ）。ここで、記事件数「
Ｎ」は、情報提示システムが要求される処理容量、システムの規模、データベースが構築される外部記憶装置の容量等によって適正なものを選択すればよい。
Ｎ」は、情報提示システムが要求される処理容量、システムの規模、データベースが構築される外部記憶装置の容量等によって適正なものを選択すればよい。
おすすめ記事選定部１４０は、ステップＳ１４１で取得した記事情報に含まれる全ての記事情報について、ステップＳ１４１〜Ｓ１４Ｇの処理を実行する。
＜友人が注目している記事選定処理＞
図１５〜図１７に、友人が注目している記事選定処理のフローチャートを示す。図１５〜図１７のフローチャートは、「友人が注目している記事」の選定フローチャートである。おすすめ記事選定部１４０は、記事情報ＤＢ２１０に格納された記事情報の取得を行う（Ｓ１４Ｈ）。記事情報ＤＢ２１０に格納された記事情報は、記事情報テーブル２１１である。記事情報テーブル２１１は、記事情報を取得したＵＲＬに対応付けた、記事のタイトル、記事に付与された特徴語を含む。
図１５〜図１７に、友人が注目している記事選定処理のフローチャートを示す。図１５〜図１７のフローチャートは、「友人が注目している記事」の選定フローチャートである。おすすめ記事選定部１４０は、記事情報ＤＢ２１０に格納された記事情報の取得を行う（Ｓ１４Ｈ）。記事情報ＤＢ２１０に格納された記事情報は、記事情報テーブル２１１である。記事情報テーブル２１１は、記事情報を取得したＵＲＬに対応付けた、記事のタイトル、記事に付与された特徴語を含む。
次に、おすすめ記事選定部１４０は、友人情報ＤＢ２３０に格納された友人情報を取得する（Ｓ１４Ｊ）。なお、友人情報の取得はユーザ毎に行われる。友人情報ＤＢ２３０に格納された友人情報は、友人情報テーブル２３１である。友人情報２３１には、ユーザＩＤに対応付けたソーシャルメディア名、友達ＩＤ、が含まれる。
そして、おすすめ記事選定部１４０は、友人情報に含まれる友達ＩＤに基づいて、友人の関心キーワードＤＢ２２０に格納された関心キーワード情報を取得する（Ｓ１４Ｋ）。なお、関心キーワード情報の取得は、ユーザ毎に行われる。関心キーワードＤＢ２２０に格納された関心キーワード情報は、関心キーワードテーブル２２１である。関心キーワードテーブル２２１には、友人ＩＤに対応付けた関心キーワード、関心キーワードポイント、キーワードの更新日時が含まれる。おすすめ記事選定部１４０は、友人の関心キーワード情報に含まれる関心キーワード、関心キーワードポイントと、記事情報に含まれる各特徴語との合致度を採点する（Ｓ１４Ｌ）。
図１５に例示されたフローチャートでは、記事と友人の関心キーワードとの合致度処理として、以下の処理を例示する。なお、以下の処理では、記事情報の全ての特徴語と、友人の全ての関心キーワードとについての総和を算出する。この処理により、各記事に対する友人の全ての関心キーワードとの合致度が算出できる。
Σ（キーワードＰの関心キーワードポイント）×
（その記事におけるキーワードＰの比重） （数式 ５）
ここで、その記事におけるキーワードＰの比重とは、例えば、記事情報テーブル２１１に記録・保存された特徴語に与えられる比重値である。比重値の付与の一例として、記事内の出現頻度等から抽出された各特徴語に対して、総計１となるように案分された比重値を付与する、ことが例示できる。この場合、記事内の特徴語として「ＡＡ」、「ＢＢ」、「ＣＣ」の単語が順に抽出された場合、「ＡＡ」に対して比重値：０．５、「ＢＢ」に対して比重値：０．３、「ＣＣ」に対して比重値：０．２となる比率で比重値を案分することが例示できる。この比重値の案分は、対応する特徴語の、その記事における重み付けが反映されるものであればよい。なお、ステップＳ１４Ｋ〜ステップＳ１４Ｌの処理は全ての関心キーワードについて実行される。
Σ（キーワードＰの関心キーワードポイント）×
（その記事におけるキーワードＰの比重） （数式 ５）
ここで、その記事におけるキーワードＰの比重とは、例えば、記事情報テーブル２１１に記録・保存された特徴語に与えられる比重値である。比重値の付与の一例として、記事内の出現頻度等から抽出された各特徴語に対して、総計１となるように案分された比重値を付与する、ことが例示できる。この場合、記事内の特徴語として「ＡＡ」、「ＢＢ」、「ＣＣ」の単語が順に抽出された場合、「ＡＡ」に対して比重値：０．５、「ＢＢ」に対して比重値：０．３、「ＣＣ」に対して比重値：０．２となる比率で比重値を案分することが例示できる。この比重値の案分は、対応する特徴語の、その記事における重み付けが反映されるものであればよい。なお、ステップＳ１４Ｋ〜ステップＳ１４Ｌの処理は全ての関心キーワードについて実行される。
おすすめ記事選定部１４０は、関心キーワードＰを特徴語とする記事に対する、友人の評価を取得する。おすすめ記事選定部１４０は、閲覧履歴ＤＢ２５０から友人の閲覧履歴情報を取得する。閲覧履歴ＤＢ２５０に格納された閲覧履歴情報には、ユーザＩＤに対応
付けられた記事ＩＤへの評価ポイント値が含まれるからである。また、おすすめ記事選定部１４０は、友人のソーシャルメディアアカウント情報に基づいて、ＡＰＩ等により、そのソーシャルメディア内での対象記事（関心キーワードＰを特徴語とする記事）への評価を取得する（Ｓ１４Ｍ）。
付けられた記事ＩＤへの評価ポイント値が含まれるからである。また、おすすめ記事選定部１４０は、友人のソーシャルメディアアカウント情報に基づいて、ＡＰＩ等により、そのソーシャルメディア内での対象記事（関心キーワードＰを特徴語とする記事）への評価を取得する（Ｓ１４Ｍ）。
おすすめ記事選定部１４０は、ステップ１４Ｍで取得した評価に対して評価処理を実行する（Ｓ１４Ｎ）。評価処理の一例として、対象記事への評価が［いいね］等の肯定評価時には「Ｘ」ポイントを付与し、それ以外の場合には「Ｙ」ポイントを付与する、ことが例示できる。ステップＳ１４Ｎでの評価処理の例示では、肯定評価にたいしてのみ一定の加点を与えている。これは、友人が肯定評価を行った対象記事は、友人の関心キーワードにより合致し、おすすめ度が高いと判断できるためである。
おすすめ記事選定部１４０は、友人による記事の重要度を判定する（Ｓ１４Ｐ）。図１６に例示するフローチャートでは、友人による記事の重要度を判定する処理として、以下の処理を例示する。なお、以下の処理では、各記事に対する全ての友人の関心キーワードについて記事評価の総和を算出する。
Σ（記事と友人の関心との合致度×友人のその記事への評価） （数式 ６）
ここで、「友人のその記事への評価」とは、ステップＳ１４Ｍ〜Ｓ１４Ｎの評価処理値（「Ｘ」or「Ｙ」）である。このような処理を行うことにより、おすすめ度が高い、友人が登録した関心キーワードが含まれる記事が峻別できる。ステップＳ１４Ｍ〜Ｓ１４Ｐの処理は、友人情報に含まれる全ての友人に対して実行される。
Σ（記事と友人の関心との合致度×友人のその記事への評価） （数式 ６）
ここで、「友人のその記事への評価」とは、ステップＳ１４Ｍ〜Ｓ１４Ｎの評価処理値（「Ｘ」or「Ｙ」）である。このような処理を行うことにより、おすすめ度が高い、友人が登録した関心キーワードが含まれる記事が峻別できる。ステップＳ１４Ｍ〜Ｓ１４Ｐの処理は、友人情報に含まれる全ての友人に対して実行される。
図１７に例示するフローチャートにより、おすすめ記事選定部１４０は、現在の日時情報を取得する（Ｓ１４Ｑ）。そして、おすすめ記事選定部１４０は、ステップＳ１４Ｑで取得した日時情報と、ステップＳ１４Ｈで所得した記事情報の日時情報とから、記事の新しさを計算する（Ｓ１４Ｒ）。図１７に例示するフローチャートには、以下の処理が例示される。
１／（現在日時−記事作成日） （数式 ７）
１／（現在日時−記事作成日） （数式 ７）
おすすめ記事選定部１４０は、以上の処理で算出した記事情報への評価基準から、総合的なおすすめ度を計算する（Ｓ１４Ｓ）。総合的なおすすめ度は、以下の処理が例示できる。
総合的なおすすめ度＝［（数式５）×（数式６）×（数式７）］ （数式 ８）
総合的なおすすめ度＝［（数式５）×（数式６）×（数式７）］ （数式 ８）
おすすめ記事選定部１４０は、ステップＳ１４Ｓで計算した総合的なおすすめ度により、ユーザに提示する「友人が注目している記事」の判定を行う（Ｓ１４Ｔ）。図１７に例示するフローチャートでは、ステップＳ１４Ｓで計算した総合的なおすすめ度の上位Ｎ件の抽出を行い（Ｓ１４Ｔ、Ｙｅｓ）、おすすめ記事ＤＢ２４０へ保存する（Ｓ１４Ｕ）。ここで、記事件数「Ｎ」は、情報提示システムが要求される処理容量、システムの規模、データベースが構築される外部記憶装置の容量等によって適正なものを選択すればよい。
おすすめ記事選定部１４０は、ステップＳ１４Ｈで取得した記事情報に含まれる全ての記事情報について、ステップＳ１４Ｈ〜Ｓ１４Ｕの処理を実行する。
＜記事情報提示処理＞
図１８に、記事情報提示処理のフローチャートを示す。記事情報提示部１５０は、ユーザ端末２０から閲覧要求があると、おすすめ記事情報を提示する（Ｓ１５１）。おすすめ記事情報の提示は、おすすめ記事ＤＢ２４０に格納されたおすすめ記事一覧テーブル２４１を読み出して実行する。記事情報提示部１５０は、例えば、図１０に例示する、記事閲覧画面２３に提示した「おすすめ記事」、「友人が注目している記事」の各記事タイトル２３ａ〜２３ｅが選択された場合に提示記事の閲覧が行われたと判断する（Ｓ１５２、Ｙｅｓ）。記事情報提示部１５０は、閲覧記事テーブル２５１の閲覧された記事ＩＤに対応する閲覧日時フィールドに閲覧日時データを記録・保存する。また、記事情報提示部１５０は、閲覧記事テーブル２５１の閲覧された記事ＩＤに対応する評価ポイント値フィールドに所定の評価ポイント値を記録・保存する。記事情報提示部１５０は、閲覧記事テーブル２５１を閲覧履歴ＤＢ２５０に格納する。
図１８に、記事情報提示処理のフローチャートを示す。記事情報提示部１５０は、ユーザ端末２０から閲覧要求があると、おすすめ記事情報を提示する（Ｓ１５１）。おすすめ記事情報の提示は、おすすめ記事ＤＢ２４０に格納されたおすすめ記事一覧テーブル２４１を読み出して実行する。記事情報提示部１５０は、例えば、図１０に例示する、記事閲覧画面２３に提示した「おすすめ記事」、「友人が注目している記事」の各記事タイトル２３ａ〜２３ｅが選択された場合に提示記事の閲覧が行われたと判断する（Ｓ１５２、Ｙｅｓ）。記事情報提示部１５０は、閲覧記事テーブル２５１の閲覧された記事ＩＤに対応する閲覧日時フィールドに閲覧日時データを記録・保存する。また、記事情報提示部１５０は、閲覧記事テーブル２５１の閲覧された記事ＩＤに対応する評価ポイント値フィールドに所定の評価ポイント値を記録・保存する。記事情報提示部１５０は、閲覧記事テーブル２５１を閲覧履歴ＤＢ２５０に格納する。
ステップＳ１５２で閲覧されなかった場合には、ステップ１５４に移行する（Ｓ１５２、Ｎｏ）。記事情報提示部１５０は、閲覧されたおすすめ記事情報へのユーザ評価を判断する（Ｓ１５４）。例えば、図１０に例示する［いいね］ボタン２３ｆ、［いいね］ボタン２４ｂが操作された場合（Ｓ１５４、Ｙｅｓ）には、記事情報提示部１５０は、提示された記事に対する肯定評価が得られたと判断する。記事情報提示部１５０は、閲覧記事テーブル２５１の閲覧された記事ＩＤに対応する評価ポイント値フィールドに所定の評価ポイント値を記録・保存する。なお、図１８の例示においては、肯定評価がなされた場合には、ステップＳ１５３で付与するポイント値よりも大きなポイント値が設定される（Ｓ１５５）。ステップ１５４で肯定評価がなされなかった場合には、ステップＳ１５６に移行する（Ｓ１５４、Ｎｏ）。
記事情報提示部１５０は、閲覧されたおすすめ記事情報へのユーザ評価を判断する（Ｓ１５６）。例えば、図１０に例示する［きらい］ボタン２３ｇ、［いらない］ボタン２４ｃが操作された場合（Ｓ１５６、Ｙｅｓ）には、記事情報提示部１５０は、提示された記事に対する否定評価が得られたと判断する。記事情報提示部１５０は、閲覧記事テーブル２５１の閲覧された記事ＩＤに対応する評価ポイント値フィールドに所定の評価ポイント値を記録・保存する。なお、図１８の例示においては、否定評価がなされた場合には、原点ポイント値が設定される（Ｓ１５７）。ステップ１５４で否定評価がなされなかった場合には、処理を終了する。
以上の処理を行うことにより、記事情報提示部１５０は、提示した「おすすめ記事」、「友人が注目している記事」等に対するユーザ評価を得ることができる。閲覧履歴テーブル２５１に記録・保存され、閲覧履歴ＤＢ２５０に格納された閲覧履歴情報は、閲覧情報収集部１６０によって、関心キーワードに反映される。
以上に説明した実施例によれば、本情報提示システム１０は、ユーザにとって関心のあるキーワードが含まれる記事を自動的に提示することができる。本情報提示システム１０は、関心キーワード処理として関心キーワード登録時からの時間変化の要素を考慮している。このため、本情報提示システム１０が提示するおすすめ記事は、ユーザの嗜好や傾向、流行等を的確に反映することができる。また、本情報提示システム１０は、ユーザが利用しているソーシャルメディアでの記事評価を反映しておすすめ度を算出している。このため、ユーザの関心に沿ったおすすめ度が高い記事情報を提示することができる。例えば、ネットワーク上で収集した記事が高いおすすめ度を有していても、ユーザが利用するソーシャルメディア内で低評価であった場合には、記事のおすすめ度は相対的に下がる。このため、本情報提示システムを利用するユーザの不要な失望感を防ぐことができる。本情報提示システム１０は、おすすめ記事の選定に当たって、他のユーザの評価を反映する。このため、記事の提示に当たって、より客観的な観点から提示記事の選定を行うことがで
きる。また、本情報提示システム１０は、おすすめ記事の選定に当たって、ソーシャルメディア上での友人の評価を反映する。このため、例えば、提示記事の選定に当たって、ユーザが関心ある分野に長けた友人の評価を反映することができる。より的確な記事評価を得ることができる。本情報処理システム１０は、「友人の注目している記事」情報を提示できる。このため、ユーザよりもその分野に長けた友人の注目記事を閲覧することが可能となる。本情報処理システム１０は、ユーザに提示したおすすめ記事情報の評価をフィードバックさせることが出来る。このため、ユーザのニーズに合わせた的確な記事情報の提示を行うことが出来る。
きる。また、本情報提示システム１０は、おすすめ記事の選定に当たって、ソーシャルメディア上での友人の評価を反映する。このため、例えば、提示記事の選定に当たって、ユーザが関心ある分野に長けた友人の評価を反映することができる。より的確な記事評価を得ることができる。本情報処理システム１０は、「友人の注目している記事」情報を提示できる。このため、ユーザよりもその分野に長けた友人の注目記事を閲覧することが可能となる。本情報処理システム１０は、ユーザに提示したおすすめ記事情報の評価をフィードバックさせることが出来る。このため、ユーザのニーズに合わせた的確な記事情報の提示を行うことが出来る。
《コンピュータが読み取り可能な記録媒体》
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。
ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ／Ｗ、ＤＶＤ、ブルーレイディスク、ＤＡＴ、８ｍｍテープ、フラッシュメモリなどのメモリカード等がある。また、コンピュータ等に固定された記録媒体としてハードディスクやＲＯＭ（リードオンリーメモリ）等がある。
１０ 情報提示システム
２０ ユーザ端末
１００ サーバ装置
１１０ 記事情報収集部
１２０ 関心キーワード処理部
１３０ 友人情報処理部
１４０ おすすめ記事選定部
１５０ 記事情報提示部
１６０ 閲覧情報収集部
２１０ 記事情報ＤＢ
２１１ 記事情報テーブル
２２０ 関心キーワードＤＢ
２２１ 関心キーワードテーブル
２３０ 友人情報ＤＢ
２３１ 友人情報テーブル
２４０ おすすめ記事ＤＢ
２４１ おすすめ記事一覧テーブル
２５０ 閲覧履歴ＤＢ
２５１ 閲覧履歴テーブル
３００ 情報処理装置
３０１ ＣＰＵ
３０２ メモリ
３０３ 記憶部
３０４ 入力部
３０５ 出力部
３０６ 通信部
２０ ユーザ端末
１００ サーバ装置
１１０ 記事情報収集部
１２０ 関心キーワード処理部
１３０ 友人情報処理部
１４０ おすすめ記事選定部
１５０ 記事情報提示部
１６０ 閲覧情報収集部
２１０ 記事情報ＤＢ
２１１ 記事情報テーブル
２２０ 関心キーワードＤＢ
２２１ 関心キーワードテーブル
２３０ 友人情報ＤＢ
２３１ 友人情報テーブル
２４０ おすすめ記事ＤＢ
２４１ おすすめ記事一覧テーブル
２５０ 閲覧履歴ＤＢ
２５１ 閲覧履歴テーブル
３００ 情報処理装置
３０１ ＣＰＵ
３０２ メモリ
３０３ 記憶部
３０４ 入力部
３０５ 出力部
３０６ 通信部
Claims (6)
- ネットワークを介して記事情報を収集し記憶する手段と、
ユーザの関心のあるキーワードを含む関心キーワード情報を記憶する手段と、
前記ネットワークを介して形成されたコミュニティの前記ユーザの友人情報を記憶する手段と、
前記記憶された記事情報に含まれる特徴語と前記キーワードとによって算出される合致度に基づいて記事情報を選定する手段と、
前記選定された記事情報に対する前記ユーザの友人の評価を取得する手段と、
前記取得した友人の評価を尺度として前記選定された記事情報を抽出し、推奨記事情報として提示する手段と
を備えた情報処理装置。 - 前記友人の評価には、前記ネットワークを介して形成されたコミュニティでの評価が含まれる請求項１に記載の情報処理装置。
- 前記提示された推奨記事情報を閲覧した前記ユーザの閲覧履歴と共に前記推奨記事情報に対する前記ユーザの評価を取得し、閲覧履歴情報として記憶する手段と、をさらに含み、
前記閲覧履歴情報に記憶された前記ユーザの評価を前記尺度に含める請求項１または請求項２に記載の情報処理装置。 - 前記関心キーワード情報は、前記閲覧履歴情報に含まれる前記ユーザの評価と、前記ユーザの関心のあるキーワードへの経時変化とを反映させる請求項１〜３の何れか一項に記載の情報処理装置。
- 情報処理装置に、
ネットワークを介して記事情報を収集し記憶するステップと、
ユーザの関心のあるキーワードを含む関心キーワード情報を記憶するステップと、
前記ネットワークを介して形成されたコミュニティの前記ユーザの友人情報を記憶するステップと、
前記記憶された記事情報に含まれる特徴語と前記キーワードとによって算出される合致度に基づいて記事情報を選定するステップと、
前記選定された記事情報に対する前記ユーザの友人の評価を取得するステップと、
取得した友人の評価を尺度として前記選定された記事情報を抽出し、推奨記事情報として提示する手段とステップと
を実行させるプログラム。 - 複数の端末と通信可能な情報処理装置を備える情報提示システムであって、
前記情報処理装置は、
ネットワークを介して記事情報を収集し記憶する手段と、
ユーザの関心のあるキーワードを含む関心キーワード情報を記憶する手段と、
前記ネットワークを介して形成されたコミュニティの前記ユーザの友人情報を記憶する手段と、
前記記憶された記事情報に含まれる特徴語と前記キーワードとによって算出される合致度に基づいて記事情報を選定する手段と、
前記選定された記事情報に対する前記ユーザの友人の評価を取得する手段と、
前記取得した友人の評価を尺度として前記選定された記事情報を抽出し、推奨記事情報として提示する手段と、
を備えることを特徴とする情報提示システム
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011080845A JP2012216072A (ja) | 2011-03-31 | 2011-03-31 | 情報処理装置、プログラム及び情報提示システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011080845A JP2012216072A (ja) | 2011-03-31 | 2011-03-31 | 情報処理装置、プログラム及び情報提示システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2012216072A true JP2012216072A (ja) | 2012-11-08 |
Family
ID=47268784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011080845A Pending JP2012216072A (ja) | 2011-03-31 | 2011-03-31 | 情報処理装置、プログラム及び情報提示システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2012216072A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5554447B1 (ja) * | 2013-11-28 | 2014-07-23 | 株式会社 ディー・エヌ・エー | 情報提供システム、情報提供プログラム、及び情報提供方法 |
| JP2014170434A (ja) * | 2013-03-05 | 2014-09-18 | I-Cubed Research Center Inc | 災害時情報システム、地域サーバ装置、基幹サーバ装置、情報処理方法、およびプログラム |
| JP2015176294A (ja) * | 2014-03-14 | 2015-10-05 | ブイコンセプションＶｃｏｎｃｅｐｔｉｏｎ | ネットワークシステム及びサーバコンピュータ |
| JP2016521404A (ja) * | 2013-03-27 | 2016-07-21 | フェイスブック，インク． | ソーシャル・コンテキストに基づくメディア・プレビュー |
| JP2017215715A (ja) * | 2016-05-31 | 2017-12-07 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
| JP2017228166A (ja) * | 2016-06-23 | 2017-12-28 | 本田技研工業株式会社 | コンテンツ出力システム及び方法 |
| JP2020198102A (ja) * | 2014-12-11 | 2020-12-10 | 株式会社リリピア | 情報提示装置、情報提示システム、情報提示方法および情報提示プログラム |
| JP2021149553A (ja) * | 2020-03-19 | 2021-09-27 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
| JP2022168761A (ja) * | 2021-04-26 | 2022-11-08 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000099548A (ja) * | 1998-07-22 | 2000-04-07 | Nec Corp | 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体 |
| JP2006309660A (ja) * | 2005-05-02 | 2006-11-09 | Nippon Hoso Kyokai <Nhk> | 推薦順位選定装置及び推薦順位選定プログラム推薦順位選定装置及び推薦順位選定プログラム |
| JP2010266959A (ja) * | 2009-05-12 | 2010-11-25 | Nippon Telegr & Teleph Corp <Ntt> | 推薦番組算出装置、推薦番組算出方法及びコンピュータプログラム |
-
2011
- 2011-03-31 JP JP2011080845A patent/JP2012216072A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000099548A (ja) * | 1998-07-22 | 2000-04-07 | Nec Corp | 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体 |
| JP2006309660A (ja) * | 2005-05-02 | 2006-11-09 | Nippon Hoso Kyokai <Nhk> | 推薦順位選定装置及び推薦順位選定プログラム推薦順位選定装置及び推薦順位選定プログラム |
| JP2010266959A (ja) * | 2009-05-12 | 2010-11-25 | Nippon Telegr & Teleph Corp <Ntt> | 推薦番組算出装置、推薦番組算出方法及びコンピュータプログラム |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014170434A (ja) * | 2013-03-05 | 2014-09-18 | I-Cubed Research Center Inc | 災害時情報システム、地域サーバ装置、基幹サーバ装置、情報処理方法、およびプログラム |
| JP2016521404A (ja) * | 2013-03-27 | 2016-07-21 | フェイスブック，インク． | ソーシャル・コンテキストに基づくメディア・プレビュー |
| JP2014194748A (ja) * | 2013-11-28 | 2014-10-09 | Dna:Kk | 情報提供システム、情報提供プログラム、及び情報提供方法 |
| JP5554447B1 (ja) * | 2013-11-28 | 2014-07-23 | 株式会社 ディー・エヌ・エー | 情報提供システム、情報提供プログラム、及び情報提供方法 |
| JP2015176294A (ja) * | 2014-03-14 | 2015-10-05 | ブイコンセプションＶｃｏｎｃｅｐｔｉｏｎ | ネットワークシステム及びサーバコンピュータ |
| JP2020198102A (ja) * | 2014-12-11 | 2020-12-10 | 株式会社リリピア | 情報提示装置、情報提示システム、情報提示方法および情報提示プログラム |
| JP2017215715A (ja) * | 2016-05-31 | 2017-12-07 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
| JP2017228166A (ja) * | 2016-06-23 | 2017-12-28 | 本田技研工業株式会社 | コンテンツ出力システム及び方法 |
| US10580168B2 (en) | 2016-06-23 | 2020-03-03 | Honda Motor Col, Ltd. | Content output system and method |
| JP2021149553A (ja) * | 2020-03-19 | 2021-09-27 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
| JP7189905B2 (ja) | 2020-03-19 | 2022-12-14 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
| JP2022168761A (ja) * | 2021-04-26 | 2022-11-08 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
| JP7193574B2 (ja) | 2021-04-26 | 2022-12-20 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2012216072A (ja) | 情報処理装置、プログラム及び情報提示システム | |
| US20230129014A1 (en) | Apparatus, systems, and methods for analyzing characteristics of entities of interest | |
| WO2019100892A1 (zh) | 信息显示方法、装置、设备以及存储介质 | |
| TWI472720B (zh) | 興趣點資訊地圖呈現系統、方法及其記錄媒體 | |
| US20120023085A1 (en) | Social graph search system | |
| JP2008234550A (ja) | 専門家情報検索装置、専門家情報検索方法およびプログラム。 | |
| US20160034957A1 (en) | Generating Advertisements for Search Results Associated With Entities Based on Aggregated Entity Bids | |
| US20140122501A1 (en) | Method and system for building an entity profile from email address and name information | |
| JP2010113557A (ja) | レコメンデーション装置、レコメンデーション方法およびレコメンデーションプログラム | |
| US10007955B2 (en) | Base-business cards | |
| JP6490261B2 (ja) | 情報管理方法、情報管理システム、及び情報管理プログラム | |
| WO2011123118A1 (en) | Multi-factor promotional offer suggestion | |
| JP5787717B2 (ja) | 情報処理装置、プログラム及び情報検索システム | |
| JP2014067359A (ja) | 商品評価支援装置、商品評価支援プログラム、商品評価支援方法及び商品評価支援システム | |
| WO2014099384A1 (en) | Determining contact opportunities | |
| WO2014050837A1 (ja) | 判定装置、判定方法、及びコンピュータ読み取り可能な記録媒体 | |
| JP2015230594A (ja) | 意見活用支援装置、及び意見活用支援方法 | |
| JP2018197936A (ja) | 情報抽出装置、情報抽出プログラムおよび情報抽出方法 | |
| JP2017079080A (ja) | 情報処理装置、情報処理方法、情報処理プログラム | |
| US20160034958A1 (en) | Generating Advertisements For Search Results That Are Associated With Entities | |
| JP2016021131A (ja) | 情報処理装置及び情報処理プログラム | |
| JP5915724B2 (ja) | 情報処理方法、表示方法、情報処理装置、表示装置、情報処理プログラム、表示プログラム | |
| JP6500377B2 (ja) | 情報処理装置及びプログラム | |
| WO2022026018A1 (en) | Enhancing remote work productivity data | |
| JP2013092823A (ja) | 情報処理装置、プログラム及び情報検索システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140226 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140710 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140722 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20150106 |