JP2012226741A - プロファイル生成装置及びプログラム - Google Patents
プロファイル生成装置及びプログラム Download PDFInfo
- Publication number
- JP2012226741A JP2012226741A JP2012084949A JP2012084949A JP2012226741A JP 2012226741 A JP2012226741 A JP 2012226741A JP 2012084949 A JP2012084949 A JP 2012084949A JP 2012084949 A JP2012084949 A JP 2012084949A JP 2012226741 A JP2012226741 A JP 2012226741A
- Authority
- JP
- Japan
- Prior art keywords
- user
- account
- profile
- users
- unit
- 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.)
- Granted
Links
- 239000000284 extract Substances 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 61
- 230000006855 networking Effects 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 39
- 230000005540 biological transmission Effects 0.000 claims description 27
- 101150110009 SCN11A gene Proteins 0.000 abstract description 16
- 102100033974 Sodium channel protein type 11 subunit alpha Human genes 0.000 abstract description 16
- 238000000034 method Methods 0.000 description 40
- 102100031374 Sodium channel protein type 10 subunit alpha Human genes 0.000 description 39
- 238000004458 analytical method Methods 0.000 description 15
- 230000000877 morphologic effect Effects 0.000 description 11
- 230000003542 behavioural effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004904 shortening Methods 0.000 description 4
- 244000205754 Colocasia esculenta Species 0.000 description 2
- 235000006481 Colocasia esculenta Nutrition 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】ユーザのプロファイルを生成するプロファイル生成装置及びプログラムを提供すること。
【解決手段】ユーザＵ１をＳＮＳ１の第１のアカウントのデータ及びＳＮＳ２の第２のアカウントのデータと共に登録する登録部１０と、第１のアカウントのデータを解析する第１の取得部１１ａと、ＳＮＳ１における全ユーザのアカウントのデータを解析する第２の取得部１１ｂと、第１の関連ユーザを特定する第１の関連ユーザ特定部１２と、第２のアカウントのデータに基づいて他のユーザのアカウントのデータを抽出する抽出部１３と、抽出したアカウントのデータを解析し、連携するアカウントがＳＮＳ１内に存在するか否かを判断する判断部１４と、第２の関連ユーザを特定する第２の関連ユーザ特定部１５と、第１の関連ユーザ及び第２の関連ユーザの各アカウントのデータを解析し、ユーザＵ１のプロファイルを作成するユーザプロファイル作成部１６を備える。
【選択図】図１
【解決手段】ユーザＵ１をＳＮＳ１の第１のアカウントのデータ及びＳＮＳ２の第２のアカウントのデータと共に登録する登録部１０と、第１のアカウントのデータを解析する第１の取得部１１ａと、ＳＮＳ１における全ユーザのアカウントのデータを解析する第２の取得部１１ｂと、第１の関連ユーザを特定する第１の関連ユーザ特定部１２と、第２のアカウントのデータに基づいて他のユーザのアカウントのデータを抽出する抽出部１３と、抽出したアカウントのデータを解析し、連携するアカウントがＳＮＳ１内に存在するか否かを判断する判断部１４と、第２の関連ユーザを特定する第２の関連ユーザ特定部１５と、第１の関連ユーザ及び第２の関連ユーザの各アカウントのデータを解析し、ユーザＵ１のプロファイルを作成するユーザプロファイル作成部１６を備える。
【選択図】図１
Description
本発明は、ユーザのプロファイルを生成するプロファイル生成装置及びプログラムに関する。
近年、情報提供の一つに、ユーザの好みに合った番組を事前にサーチしておき、その番組が開始する前にユーザに推薦する技術が提案されている。例えば、特許文献１に記載の番組推薦装置では、ユーザの視聴履歴に基づいて、過去に視聴していた番組のＥＰＧを解析し、ユーザが好む番組を把握し、ユーザの好みに合った番組を推薦する方法が提案されている（例えば、特許文献１を参照。）。
また、番組推薦装置では、視聴履歴を利用する以外にも、例えば、ユーザが予め登録しておいたキーワードや、ユーザが管理するブログの書込み等の情報に基づいて、ユーザの好みを類推し、視聴プロファイルを作成し、当該視聴プロファイルに適合する番組を推薦する構成も考えられる。
しかしながら、プライバシーの観点からユーザが視聴履歴の提供を拒む場合には、このような番組推薦装置では、視聴履歴を取得できず、ユーザの好みに合った番組を推薦することができない。
また、ユーザ本人が番組推薦のために好きなキーワードを登録したり、ブログに書き込みを行ったりすることは、負担が大きく利用されない可能性がある。このような場合には、番組推薦装置は、ユーザの好みを類推できず、ユーザの好みに合った番組を推薦することができない。
また、ユーザは、番組以外にも興味を示すイベント（例えば、映画鑑賞や、スポーツ観戦等）があるので、自分の好みに合ったイベントについて推薦を受けたいと望んでいる。
そこで、本発明は、上記問題を解決するために、ユーザ自身の情報に依存せず、ユーザの好みのイベントを推定するためのプロファイルを生成することができるプロファイル生成装置及びプログラムを提供することが目的の一つである。
請求項１に記載されたプロファイル生成装置は、コメントを投稿して他のユーザとコミュニケーションを図るサービスを提供する第１のソーシャルネットワーキングサービスにおいて自身の第１のアカウントを保有しており、かつ、前記第１のソーシャルネットワーキングサービスとは異なるものであって、実際に訪れた場所の位置情報と共にコメントを投稿して他のユーザとコミュニケーションを図るサービスを提供する第２のソーシャルネットワーキングサービスにおいて自身の第２のアカウントを保有しており、所定の情報の推薦を希望するユーザを前記第１のアカウントのデータ及び前記第２のアカウントのデータと共に登録する登録部と、前記登録部に登録されている前記第１のアカウントのデータを取得し、前記所定の情報の推薦を希望するユーザにより追従されている他のユーザのアカウントのデータを取得する第１の取得部と、前記第１のソーシャルネットワーキングサービスの提供を受けている全ユーザのアカウントのデータを取得し、何人のユーザから追従されているかを示すユーザ数と、前記所定の情報についての発言の回数を、ユーザごとに取得する第２の取得部と、前記第１の取得部により取得された上記他のユーザのアカウントのデータに基づいて、第１の条件を満たすユーザを前記他のユーザの中から抽出し、前記第２の取得部により取得された上記ユーザ数と上記発言の回数に基づいて、第２の条件を満たすユーザを前記全ユーザの中から抽出し、当該抽出したユーザを第１の関連ユーザとして特定する第１の関連ユーザ特定部と、前記登録部に登録されている前記第２のアカウントのデータを取得し、投稿された位置情報に基づいて、前記所定の情報の推薦を希望するユーザの行動形態を解析し、当該行動形態に類似する他のユーザを前記第２のソーシャルネットワーキングサービスの中から特定し、当該他のユーザのアカウントのデータを抽出する抽出部と、前記抽出部で抽出したアカウントのデータを解析し、当該アカウントと連携するアカウントが前記第１のソーシャルネットワーキングサービス内に存在するか否かを判断する判断部と、前記判断部により連携するアカウントが前記第１のソーシャルネットワーキングサービス内に存在すると判断された場合、当該アカウントの所有者を第２の関連ユーザとして特定する第２の関連ユーザ特定部と、前記第１の関連ユーザ及び前記第２の関連ユーザが話題にしている情報を前記第１のソーシャルネットワーキングサービスにより提供されているそれぞれのアカウントのデータから解析し、前記所定の情報の推薦を希望するユーザのユーザプロファイルを作成するユーザプロファイル作成部を備える構成とした。
かかる構成によれば、本発明のプロファイル生成装置は、ユーザ自身の情報に依存せず、ユーザの好みのイベントを推定するためのプロファイルを生成することができる。
請求項２に記載された発明は、請求項１記載のプロファイル生成装置において、発信されているイベント情報を取得して、当該イベント情報の特徴を示すイベントプロファイルを作成するイベントプロファイル作成部と、前記ユーザプロファイル作成部により作成されたユーザプロファイルと、前記イベントプロファイル作成部により作成されたイベントプロファイルを対比して、両プロファイルの類似度を算出する類似度算出部と、前記類似度算出部により算出された結果に基づいて、前記イベントプロファイルに対応するイベントの情報を前記登録部に登録されている前記所定の情報の推薦を希望するユーザに送信する送信部を備える構成とした。
かかる構成によれば、本発明のプロファイル生成装置は、作成したユーザプロファイルに基づいて、各種のイベントの中からユーザが興味を引きそうなイベントの情報をユーザに通知することができる。
請求項３に記載された発明は、請求項１記載のプロファイル生成装置において、前記第１の関連ユーザ特定部は、前記第１の取得部により取得されたユーザのアカウントのデータに基づいて、前記第１の条件として、前記所定の情報に関して所定数以上の発言をしているユーザを抽出し、前記第２の取得部により取得された上記ユーザ数と上記発言の回数に基づいて、前記第２の条件として、所定数以上のユーザから追従されており、かつ所定数以上の発言をしているユーザを抽出する構成とした。
かかる構成によれば、本発明のプロファイル生成装置は、他のユーザが保有するページを追従しているユーザの数に基づいて、第１の関連ユーザを特定するので、所定の情報の推薦を希望するユーザとＳＮＳ上でつながりのあるユーザや人気のある代表的なユーザを第１の関連ユーザにすることができる。
請求項４に記載された発明は、請求項１記載のプロファイル生成装置において、前記第２のソーシャルネットワーキングサービスにより提供されるページには、前記第１のソーシャルネットワーキングサービスにより提供されるアカウントを登録するアカウント登録機能が備えられており、前記判断部は、前記抽出部で抽出したアカウントのデータを解析し、当該ページと連携するページが前記第１のソーシャルネットワーキングサービス内に存在するか否かを判断する構成とした。
かかる構成によれば、本発明のプロファイル生成装置は、第２のソーシャルネットワーキングサービスにより提供されているページに第１のソーシャルネットワーキングサービスにより提供されているページのアカウントが登録されているか否かにより、第１のソーシャルネットワーキングサービスにより提供されるページに連携されているか否かを簡易に判断することができる。
請求項５に記載された発明は、請求項２記載のプロファイル生成装置において、前記ユーザプロファイル作成部は、前記第１の関連ユーザ及び前記第２の関連ユーザが話題にしている情報を前記第１のソーシャルネットワーキングサービスにより提供されているそれぞれのアカウントのデータから解析し、当該情報に対する全ての書き込みを対象とし、対象とする書き込みに出現する所定の語に関して重み計算を行い、前記イベントプロファイル作成部は、生成したイベントプロファイルを構成するコンテンツベクトルを前記語の重み計算に基づいて短縮する演算を行い、前記ユーザプロファイル作成部は、短縮したコンテンツベクトルに基づいて、前記ユーザプロファイルを作成し、前記類似度算出部は、前記イベントプロファイル作成部によりコンテンツベクトルを短縮したイベントプロファイルと、前記ユーザプロファイル作成部により作成されたユーザプロファイルを対比して、両プロファイルの類似度を算出する構成とした。
かかる構成によれば、本発明のプロファイル生成装置は、所定の情報の推薦を希望するユーザに対してある程度の関連ユーザが存在する場合には、第１のソーシャルネットワーキングサービスの全ユーザの書き込みを対象とせず、関連ユーザの書き込みのみを対象として、イベントプロファイルを構成するコンテンツベクトルを短縮するので、より所定の情報の推薦を希望するユーザの嗜好に合ったイベントプロファイルを作成することができる。
請求項６に記載された発明は、請求項５記載のプロファイル生成装置において、前記イベントプロファイル作成部は、前記イベントプロファイルを構成するコンテンツベクトルに対し、前記所定の語に関して計算した重みを用いて所定の演算を行い、計算環境に応じて、特定の閾値よりも重みの低い要素、又は重みの高い要素から特定数の要素以外の要素に対し、コンテンツベクトルにおいて重みを０とすることにより、コンテンツベクトルを短縮する構成とした。
かかる構成によれば、本発明のプロファイル生成装置は、特定の閾値よりも重みの低い要素、又は重みの高い要素から特定数の要素以外の要素に対し、コンテンツベクトルにおいて重みを０とすることにより、コンテンツベクトルを短縮するので、より所定の情報の推薦を希望するユーザの嗜好に合ったイベントプロファイルを作成することができる。
請求項５に記載されたプログラムは、コメントを投稿して他のユーザとコミュニケーションを図るサービスを提供する第１のソーシャルネットワーキングサービスにおいて自身の第１のアカウントを保有しており、かつ、前記第１のソーシャルネットワーキングサービスとは異なるものであって、実際に訪れた場所の位置情報と共にコメントを投稿して他のユーザとコミュニケーションを図るサービスを提供する第２のソーシャルネットワーキングサービスにおいて自身の第２のアカウントを保有しており、所定の情報の推薦を希望するユーザを前記第１のアカウントのデータ及び前記第２のアカウントのデータと共に登録する登録部と、前記登録部に登録されている前記第１のアカウントのデータを取得し、前記所定の情報の推薦を希望するユーザにより追従されている他のユーザのアカウントのデータを取得する第１の取得部と、前記第１のソーシャルネットワーキングサービスの提供を受けている全ユーザのアカウントのデータを取得し、何人のユーザから追従されているかを示すユーザ数と、前記所定の情報についての発言の回数を、ユーザごとに取得する第２の取得部と、前記第１の取得部により取得された上記他のユーザのアカウントのデータに基づいて、第１の条件を満たすユーザを前記他のユーザの中から抽出し、前記第２の取得部により取得された上記ユーザ数と上記発言の回数に基づいて、第２の条件を満たすユーザを前記全ユーザの中から抽出し、当該抽出したユーザを第１の関連ユーザとして特定する第１の関連ユーザ特定部と、前記登録部に登録されている前記第２のアカウントのデータを取得し、投稿された位置情報に基づいて、前記所定の情報の推薦を希望するユーザの行動形態を解析し、当該行動形態に類似する他のユーザを前記第２のソーシャルネットワーキングサービスの中から特定し、当該他のユーザのアカウントのデータを抽出する抽出部と、前記抽出部で抽出したアカウントのデータを解析し、当該アカウントと連携するアカウントが前記第１のソーシャルネットワーキングサービス内に存在するか否かを判断する判断部と、前記判断部により連携するアカウントが前記第１のソーシャルネットワーキングサービス内に存在すると判断された場合、当該アカウントの所有者を第２の関連ユーザとして特定する第２の関連ユーザ特定部と、前記第１の関連ユーザ及び前記第２の関連ユーザが話題にしている情報を前記第１のソーシャルネットワーキングサービスにより提供されているそれぞれのアカウントのデータから解析し、前記所定の情報の推薦を希望するユーザのユーザプロファイルを作成するユーザプロファイル作成部を備えるコンピュータを、プロファイル生成装置として機能させる構成とした。
かかる構成によれば、本発明のプログラムは、ユーザ自身の情報に依存せず、ユーザの好みのイベントを推定するためのプロファイルを生成することができる。
本発明によれば、ユーザ自身の情報に依存せず、ユーザの好みのイベントを推定するためのプロファイルを生成することができる。
以下、本発明の実施の形態について図面を参照して説明する。
プロファイル生成装置１は、図１に示すように、登録部１０と、取得部１１と、第１の関連ユーザ特定部１２と、抽出部１３と、判断部１４と、第２の関連ユーザ特定部１５と、ユーザプロファイル作成部１６を備える。また、プロファイル生成装置１は、ネットワーク１００を介して、複数台のユーザ端末２００と、コメントを投稿して他のユーザとコミュニケーションを図るサービスである第１のソーシャルネットワーキングサービス（以下、ＳＮＳ１という。）を提供するＷｅｂサーバ３００と、ＳＮＳ１とは異なるものであって、実際に訪れた場所の位置情報と共にコメントを投稿して他のユーザとコミュニケーションを図るサービス、いわゆるロケーションベースのサービスである第２のソーシャルネットワーキングサービス（以下、ＳＮＳ２という。）を提供するＷｅｂサーバ３０１が相互に接続されている。
プロファイル生成装置１は、図１に示すように、登録部１０と、取得部１１と、第１の関連ユーザ特定部１２と、抽出部１３と、判断部１４と、第２の関連ユーザ特定部１５と、ユーザプロファイル作成部１６を備える。また、プロファイル生成装置１は、ネットワーク１００を介して、複数台のユーザ端末２００と、コメントを投稿して他のユーザとコミュニケーションを図るサービスである第１のソーシャルネットワーキングサービス（以下、ＳＮＳ１という。）を提供するＷｅｂサーバ３００と、ＳＮＳ１とは異なるものであって、実際に訪れた場所の位置情報と共にコメントを投稿して他のユーザとコミュニケーションを図るサービス、いわゆるロケーションベースのサービスである第２のソーシャルネットワーキングサービス（以下、ＳＮＳ２という。）を提供するＷｅｂサーバ３０１が相互に接続されている。
登録部１０は、ＳＮＳ１において自身の第１のアカウントを保有しており、かつ、ＳＮＳ２において自身の第２のアカウントを保有しており、所定の情報の推薦を希望するユーザ（以下、ユーザＵ１という。）を第１のアカウントのデータ及び第２のアカウントのデータと共に登録する。
例えば、ユーザＵ１は、ＳＮＳ１において、所定の登録処理を行うことにより、第１のアカウントのデータを取得できる。また、ユーザＵ１は、取得した第１のアカウントのデータを利用することにより、ＳＮＳ１において作成された自身のホームページ（以下、第１のＳＮＳページという。）にアクセスすることができる。
また、同様に、ユーザＵ１は、ＳＮＳ２において、所定の登録処理を行うことにより、第２のアカウントのデータを取得できる。また、ユーザＵ１は、取得した第２のアカウントのデータを利用することにより、ＳＮＳ２において作成された自身のホームページ（以下、第２のＳＮＳページという。）にアクセスすることができる。
つぎに、図２を用いて、第１のＳＮＳページ（以下、ページＰ１という。）の主な構成について説明する。ページＰ１は、ユーザＵ１自身の発言を入力する領域Ａ１と、ユーザＵ１の発言とフォローしているユーザの発言が新しい順番で表示される発言領域Ａ２と、フォローしているユーザを示すフォロー領域Ａ３等から構成されている。なお、フォロー領域Ａ３に示されているユーザのアイコンは、当該ユーザのページに遷移（ジャンプ）できる機能（ハイパーリンク機能）が付与されている。また、ＳＮＳ１においては、投稿した発言には、固有のＵＲＬが割り当てられ、フォローしているユーザのページにおける発言領域Ａ２にタイムラインとして順次更新されてゆく。
また、同様に、ユーザＵ１は、ＳＮＳ２において、所定の登録処理を行うことにより、第２のアカウントのデータを取得できる。また、ユーザＵ１は、取得した第２のアカウントのデータを利用することにより、ＳＮＳ２において作成された自身のホームページ（以下、第２のＳＮＳページという。）にアクセスすることができる。
つぎに、図２を用いて、第１のＳＮＳページ（以下、ページＰ１という。）の主な構成について説明する。ページＰ１は、ユーザＵ１自身の発言を入力する領域Ａ１と、ユーザＵ１の発言とフォローしているユーザの発言が新しい順番で表示される発言領域Ａ２と、フォローしているユーザを示すフォロー領域Ａ３等から構成されている。なお、フォロー領域Ａ３に示されているユーザのアイコンは、当該ユーザのページに遷移（ジャンプ）できる機能（ハイパーリンク機能）が付与されている。また、ＳＮＳ１においては、投稿した発言には、固有のＵＲＬが割り当てられ、フォローしているユーザのページにおける発言領域Ａ２にタイムラインとして順次更新されてゆく。
つぎに、図３を用いて、第２のＳＮＳページ（以下、ページＰ２という。）の主な構成について説明する。ページＰ２は、ユーザＵ１が訪れた場所（チェックイン）の数を示すチェックイン領域Ｂ１と、ＳＮＳ１におけるページＰ１へのリンクを示すリンク情報領域Ｂ２と、チェックインした場所において訪れた回数が他のユーザよりも多い場合に付与される称号（メイヤー）の数を示すメイヤー領域Ｂ３と、投稿されたコメントを表示する投稿領域Ｂ４等から構成されている。
具体的には、ＳＮＳ２は、所定の登録作業により、ユーザＵ１が所有しているＧＰＳ機能付の携帯端末とページＰ２をリンクさせておき、携帯端末を所持したユーザＵ１がある場所を訪れ、チェックインの操作を行うと、ページＰ２のチェックイン領域Ｂ１の数を増加する処理を行う。また、ＳＮＳ２では、同じ場所にチェックインした回数が最も多いユーザに対して、称号（メイヤー）を付与し、ページＰ２のメイヤー領域Ｂ３に新たなマークを登録する処理を行う。
取得部１１は、第１の取得部１１ａと第２の取得部１１ｂにより構成されている。
第１の取得部１１ａは、登録部１０に登録されている第１のアカウントのデータを取得し、フォロー（追従）情報に基づいて、ユーザＵ１が追従（フォロー）している他のユーザのアカウントのデータを取得する。
また、第２の取得部１１ｂは、ＳＮＳ１における全ユーザのアカウントのデータを取得し、何人のユーザから追従されているかを示すユーザ数と、所定の情報についての発言の回数を、ユーザごとに取得する。
第１の取得部１１ａは、登録部１０に登録されている第１のアカウントのデータを取得し、フォロー（追従）情報に基づいて、ユーザＵ１が追従（フォロー）している他のユーザのアカウントのデータを取得する。
また、第２の取得部１１ｂは、ＳＮＳ１における全ユーザのアカウントのデータを取得し、何人のユーザから追従されているかを示すユーザ数と、所定の情報についての発言の回数を、ユーザごとに取得する。
また、第１の関連ユーザ特定部１２は、第１の取得部１１ａにより取得されたユーザのアカウントのデータに基づいて、第１の条件を満たすユーザを他のユーザの中から抽出する。また、第１の関連ユーザ特定部１２は、第２の取得部１１ｂにより取得されたユーザ数と発言の回数に基づいて、第２の条件を満たすユーザを全ユーザの中から抽出する。なお、全ユーザの中から抽出されたユーザは、本実施例では、後述するカリスマユーザを意味している。
第１の関連ユーザ特定部１２は、第１の取得部１１ａ及び第２の取得部１１ｂにより抽出したユーザを第１の関連ユーザとして特定する。
第１の関連ユーザ特定部１２は、第１の取得部１１ａ及び第２の取得部１１ｂにより抽出したユーザを第１の関連ユーザとして特定する。
また、抽出部１３は、登録部１０に登録されている第２のアカウントのデータを取得し、投稿された位置情報に基づいて、ユーザＵ１の行動形態を解析し、当該行動形態に類似する他のユーザをＳＮＳ２の中から特定し、当該他のユーザのアカウントのデータを抽出する。
判断部１４は、抽出部１３で抽出したアカウントのデータを解析し、当該アカウントと連携するアカウントがＳＮＳ１内に存在するか否かを判断する。
第２の関連ユーザ特定部１５は、判断部１４により連携するアカウントがＳＮＳ１内に存在すると判断された場合、当該アカウントの所有者を第２の関連ユーザとして特定する。
ユーザプロファイル作成部１６は、第１の関連ユーザ及び前記第２の関連ユーザが興味を持っている情報（以下、話題にしている情報という）をＳＮＳ１におけるそれぞれのアカウントのデータから解析することにより、ユーザＵ１のユーザプロファイルを作成する。このようにして作成されたユーザプロファイルは、ユーザＵ１が興味を引きそうな情報の特徴を示している。なお、ユーザプロファイルは、イベントプロファイル作成部１７で作成されたコンテンツベクトルに基づいて作成される。
このように構成されるので、プロファイル生成装置１は、ユーザＵ１自身の情報（例えば、ＳＮＳ１におけるページＰ１への書き込み等）に依存せずに、ユーザＵ１とＳＮＳ１上でつながりのあるユーザや、人気のある代表的なユーザ又はユーザＵ１と行動形態が類似するユーザが所有するＳＮＳ１におけるページの書き込みに基づいて、ユーザＵ１の好みの情報（イベント）を推定するためのプロファイルを生成することができる。
なお、上述では、プロファイル生成装置１の構成について説明したが、これに限られず、各構成要素を備え、ユーザＵ１の好みのイベントを推定するためのプロファイルを生成するコンピュータをプロファイル生成装置として機能させるプログラムとして構成されても良い。
また、プロファイル生成装置１は、図１に示すように、イベントプロファイル作成部１７と、類似度算出部１８と、送信部１９を備える。
イベントプロファイル作成部１７は、イベント情報発信サーバ４００から発信されているイベント情報を取得して、当該イベント情報の特徴を示すイベントプロファイルを作成する。ここで、イベント情報が放送予定のテレビ番組の情報である場合には、イベントプロファイル作成部１７は、イベント情報発信サーバ４００から発信されるＥＰＧを形態素解析し、番組内容の特徴を示すイベントプロファイルを放送番組ごとに作成する。また、イベント情報が公開中又は公開予定の映画の情報である場合には、イベントプロファイル作成部１７は、例えば、イベント情報発信サーバ４００としての配給会社のホームページに記載されている映画情報に基づいて、映画内容の特徴を示すイベントプロファイルを映画ごとに作成する。なお、イベントは、テレビ番組や映画に限られず、ラジオ番組や、演劇や、スポーツや、ニュース等であっても良い。
また、類似度算出部１８は、ユーザプロファイル作成部１６により作成されたユーザプロファイルと、イベントプロファイル作成部１７により作成されたイベントプロファイルを対比して、両プロファイルの類似度を算出する。
送信部１９は、類似度算出部１８により算出された結果に基づいて、イベントプロファイルに対応するイベントの情報を登録部１０に登録されているユーザＵ１にメッセージで伝える。例えば、メッセージは、ページＰ１が受信して発言領域Ａ２等に表示される。
このように構成されるので、プロファイル生成装置１は、作成したユーザプロファイルに基づいて、各種のイベントの中からユーザが興味を引きそうなイベントの情報をユーザに通知することができる。
また、第１の関連ユーザ特定部１２は、第１の取得部１１ａにより取得されたユーザのアカウントのデータに基づき、イベントについて所定数以上の発言をしていることを条件（第１の条件）として、ユーザを抽出する。
また、第１の関連ユーザ特定部１２は、第２の取得部１１ｂにより取得されたユーザ数と発言の回数に基づいて、所定数以上のユーザから追従されており、かつ所定数以上の発言をしていることを条件（第２の条件）として、ユーザを抽出する。
第１の関連ユーザ特定部１２は、第１の取得部１１ａ及び第２の取得部１１ｂにより抽出されたユーザを第１の関連ユーザとして特定する構成でも良い。
また、第１の関連ユーザ特定部１２は、第２の取得部１１ｂにより取得されたユーザ数と発言の回数に基づいて、所定数以上のユーザから追従されており、かつ所定数以上の発言をしていることを条件（第２の条件）として、ユーザを抽出する。
第１の関連ユーザ特定部１２は、第１の取得部１１ａ及び第２の取得部１１ｂにより抽出されたユーザを第１の関連ユーザとして特定する構成でも良い。
このように構成されるので、プロファイル生成装置１は、他のユーザが保有するページを追従しているユーザの数に基づいて、第１の関連ユーザを特定するので、所定の情報の推薦を希望するユーザＵ１とＳＮＳ１上でつながりのあるユーザや人気のある代表的なユーザを第１の関連ユーザに特定することができる。
なお、第１の関連ユーザ特定部１２は、第２の取得部１１ｂにより取得されたユーザの数が最も多いユーザのみを第１の関連ユーザとして特定しても良い。
また、ＳＮＳ２により提供されるページには、ＳＮＳ１により提供されるアカウントを登録するアカウント登録機能が備えられている（図３のリンク情報領域Ｂ２を参照）。
このように構成される場合には、判断部１４は、抽出部１３で抽出したアカウントのデータを解析し、当該ページのアカウント登録機能を参照して、当該ページと連携するページがＳＮＳ１内に存在するか否かを判断する。
よって、プロファイル生成装置１は、ＳＮＳ２におけるページにＳＮＳ１におけるページのアカウントが登録されているか否かにより、ＳＮＳ１により提供されるページに連携されているか否かを簡易に判断することができる。
ここで、放送予定のテレビ番組を推薦する番組推薦装置としてのプロファイル生成装置１の実施例について以下に説明する。
プロファイル生成装置１は、図１に示すように、番組推薦システムＳにおいて、ネットワーク１００を介して、複数台のユーザ端末２００と、ＳＮＳ１を提供するＷｅｂサーバ３００と、ＳＮＳ２を提供するサーバ３０１と、電子番組情報（ＥＰＧ、Ｅｌｅｃｔｒｏｎｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）を有するイベント情報発信サーバ４００に接続されている。ＥＰＧには、全放送番組の放送時間情報や出演者情報や番組概要情報等が含まれている。
登録部１０は、ＳＮＳ１において自身のページＰ１を有しており、かつＳＮＳ２において自身のページＰ２を有しており、放送番組の推薦を希望するユーザ（以下、ユーザＵ１という。）をページＰ１とページＰ２の情報（ＵＲＬ等）と共に登録する。例えば、登録部１０は、図４に示すような登録テーブルを有しており、登録テーブルに推薦を希望するユーザのＩＤと、ユーザ名と、ＳＮＳ１におけるアカウントＩＤ（第１のアカウントＩＤ）と、ＳＮＳ２におけるアカウントＩＤ（第２のアカウントＩＤ）を関連付けて登録する。
ここで、ユーザＵ１は、登録部１０によって登録する前に、ＳＮＳ１及びＳＮＳ２において、自身のページを有している必要がある。
Ｗｅｂサーバ３００は、例えば、ツイッター（Ｔｗｉｔｔｅｒ）やフェイスブックのように、登録されたユーザ（例えば、ユーザ名が「ａｂｃｄ」）に対して、ユニークなＵＲＬ（例えば、ｈｔｔｐ：／／ＳＮＳ１．ｃｏｍ／ａｂｃｄ）を付与し、このＵＲＬにより表示されるページにおいて、ユーザ同士で互いの発言をフォローしたり又はされたりすることにより、ユーザ間のコミュニケーションを図るＳＮＳ１を提供している。
Ｗｅｂサーバ３００は、例えば、ツイッター（Ｔｗｉｔｔｅｒ）やフェイスブックのように、登録されたユーザ（例えば、ユーザ名が「ａｂｃｄ」）に対して、ユニークなＵＲＬ（例えば、ｈｔｔｐ：／／ＳＮＳ１．ｃｏｍ／ａｂｃｄ）を付与し、このＵＲＬにより表示されるページにおいて、ユーザ同士で互いの発言をフォローしたり又はされたりすることにより、ユーザ間のコミュニケーションを図るＳＮＳ１を提供している。
なお、ＳＮＳ１は、ツイッターのように、ユーザの「いま」に関する書き込みが行われ、かつ、他のユーザとの関係を明示するような形態であれば、どのようなＳＮＳであっても良く、これを利用することによって本発明を実現することができる。
また、Ｗｅｂサーバ３０１は、例えば、フォースクエアのように、登録されたユーザ（例えば、ユーザ名が「ａｂｃｄ」）に対して、ユニークなＵＲＬ（例えば、ｈｔｔｐ：／／ＳＮＳ２．ｃｏｍ／ａｂｃｄ）を付与し、このＵＲＬにより表示されるページにおいて、実際に訪れた場所の位置情報と共にコメント（Ｔｉｐ）を投稿して他のユーザとコミュニケーションを図るＳＮＳ２を提供している。
なお、ＳＮＳ２は、フォースクエアのように、ユーザの場所へのチェックインが行われたり、チェックインと共にユーザの場所に関するコメントが書き込まれ、かつ、他のユーザとの関係を明示するような形態であれば、どのようなＳＮＳであっても良く、これを利用することによって本発明を実現することができる。
取得部１１は、登録部１０に登録されているページＰ１を閲覧し、ページＰ１のフォロー領域Ａ３を参照して、ユーザＵ１により追従されている他のユーザのページに遷移して、当該ページを解析し、当該ページを追従しているユーザの数を取得する。
第１の関連ユーザ特定部１２は、取得部１１により取得されたユーザの数に基づいて、他のユーザの中から第１の関連ユーザを特定する。
第１の関連ユーザ特定部１２は、取得部１１により取得されたユーザの数に基づいて、他のユーザの中から第１の関連ユーザを特定する。
また、抽出部１３は、例えば、登録部１０に登録されているアカウントのデータを取得し、同じ場所をチェックインしているユーザや、当該場所においてメイヤーとなっているユーザや、投稿領域Ｂ４に対して投稿を行っているユーザ等を、ユーザＵ１の行動形態に類似する他のユーザとして特定し、当該他のユーザのページを抽出する。
判断部１４は、抽出部１３で抽出したページを解析し、当該ページと連携するページがＳＮＳ１内に存在するか否かを判断する。
第２の関連ユーザ特定部１５は、判断部１４により連携するページがＳＮＳ１内に存在すると判断された場合、当該ページの所有者を第２の関連ユーザとして特定する。
ユーザプロファイル作成部１６は、第１の関連ユーザ及び第２の関連ユーザ（以下、単に関連ユーザという）のＳＮＳ１におけるページを解析（例えば、形態素解析）し、当該解析の結果に基づいて、コメントされている時間とコメント内容から、関連ユーザが視聴していた一又は複数の放送番組をＥＰＧを参照して推定する。
ユーザプロファイル作成部１６は、推定した一又は複数の放送番組をイベントプロファイル作成部１７に通知する。
ユーザプロファイル作成部１６は、推定した一又は複数の放送番組をイベントプロファイル作成部１７に通知する。
そして、イベントプロファイル作成部１７は、通知された一又は複数の放送番組の情報を放送済みのＥＰＧから抽出し、抽出した一又は複数の放送番組の情報を形態素解析し、解析結果に基づいて、関連ユーザが視聴していた放送番組の特徴に基づいて、番組プロファイルを作成する。
イベントプロファイル作成部１７は、作成した番組プロファイルのコンテンツベクトルをユーザプロファイル作成部１６に通知する。
ユーザプロファイル作成部１６は、通知されたコンテンツベクトルに基づいて、ユーザＵ１のユーザプロファイルを作成する。
イベントプロファイル作成部１７は、作成した番組プロファイルのコンテンツベクトルをユーザプロファイル作成部１６に通知する。
ユーザプロファイル作成部１６は、通知されたコンテンツベクトルに基づいて、ユーザＵ１のユーザプロファイルを作成する。
イベントプロファイル作成部１７は、イベント情報発信サーバ４００から発信されている未放送のＥＰＧを取得して形態素解析を行い、番組内容の特徴を示すイベントプロファイル（以下、番組プロファイルという。）を放送番組ごとに作成する。
また、類似度算出部１８は、ユーザプロファイル作成部１６により作成されたユーザＵ１のユーザプロファイルと、イベントプロファイル作成部１７により作成された放送番組ごとの番組プロファイルを比較し、類似度が高い番組プロファイルに対応する放送番組を推薦番組に決定する。
送信部１９は、類似度算出部１８により決定された推薦番組を登録部１０に登録されているユーザＵ１にメッセージで伝える。例えば、送信部１９により送信されたメッセージは、ユーザＵ１のページＰ１に表示される。
本実施形態では、送信部１９によって送信された推薦番組の情報は、ユーザＵ１が管理するページＰ１における発言領域Ａ２に表示されるものとするが（リプライ機能）、この形態に限られない。例えば、送信部１９は、Ｅメール等のＳＮＳを利用しない伝達手段によって決定された推薦番組の情報を送信しても良い。
このようにして、プロファイル生成装置１は、ユーザＵ１自身の情報に依存せず、ユーザＵ１の行動形態に類似する他のユーザ等の発言に基づいて、ユーザＵ１が好みそうな番組を推薦することが可能になっている。また、プロファイル生成装置１は、普段、視聴している番組内容ではないが、ユーザＵ１が潜在的に望んでいる放送番組の推薦も行うことができる。
また、プロファイル生成装置１は、例えば、ユーザＵ１が管理するページＰ１における所定の場所（例えば、発言領域Ａ２）に推薦番組の情報（番組のタイトルや、放送時間等の情報）を表示させるので、推薦番組の情報をＳＮＳ上で提供でき、他のアプリケーションを別途利用する必要がなく、効率的かつ安価に実現できる。
また、プロファイル生成装置１は、ＳＮＳ１への書込みから番組の視聴履歴を推定するので、個人情報である視聴履歴を各ユーザから提供してもらわなくても、ユーザＵ１に対して番組推薦を行うことができる。また、プロファイル生成装置１は、従来のようなキーワード登録や個人プロファイル設定等も必要ないため、ユーザＵ１に対して負担をかけることなく番組推薦を行うことができる。
また、プロファイル生成装置１は、ユーザＵ１自身の書込みからも番組推薦を行うこともできるが、ユーザＵ１自身の発言がない場合でも、関連性のあるユーザの発言に基づいて、番組推薦を行うことができる。
また、プロファイル生成装置１は、ユーザＵ１がフォロー等していれば、その情報も考慮して番組推薦を行うが、必ずしもフォロー等の機能を利用していなくても良い。これは、プロファイル生成装置１は、ＳＮＳ上で関係のあるユーザがいれば、そのユーザの発言に基づいて番組推薦を行うが、関係のあるユーザが全くいなくても、ＳＮＳ上で一定の条件（例えば、後述の条件１．及び条件２）を満足するユーザ（カリスマユーザ）の発言に基づいて番組推薦を行うことができるからである。また、プロファイル生成装置１は、複数のカリスマユーザの発言に基づいて番組推薦を行っても良い。この場合には、プロファイル生成装置１は、ユーザＵ１に対して、広く多様な情報を推薦することができる。
また、ユーザＵ１の発言のみに基づいて番組推薦をした場合、ユーザＵ１自身が今まで視聴していた番組に近い番組が推薦される可能性が高い。一方、プロファイル生成装置１は、他のユーザの発言に基づいて情報を推薦するので、例えば、流行の番組や友達が見ている番組等、ユーザＵ１が知らなかった番組の推薦が可能であるため、新しい番組を視聴するきっかけ作りに役立てることができる。
ここで、プロファイル生成装置１により、１．カリスマユーザを抽出し、２．関連ユーザ（ユーザＵ１への推薦の基準とするユーザ）を決定し、３．関連ユーザが視聴した番組を推定及び推薦番組の決定をする、一連の動作について、図５を参照しながら説明する。
＜１．カリスマユーザの抽出＞
ここで、カリスマユーザの抽出方法について説明する。
第１の関連ユーザ特定部１２は、ＳＮＳ１における全ユーザの発言とフォローの状況（フォローされている状況と、フォローをしている状況）を解析し、予め、以下の２つの条件を満たすユーザをカリスマユーザとして抽出しておく。ただし、カリスマユーザを利用しない場合には、本作業は不要となる。
ここで、カリスマユーザの抽出方法について説明する。
第１の関連ユーザ特定部１２は、ＳＮＳ１における全ユーザの発言とフォローの状況（フォローされている状況と、フォローをしている状況）を解析し、予め、以下の２つの条件を満たすユーザをカリスマユーザとして抽出しておく。ただし、カリスマユーザを利用しない場合には、本作業は不要となる。
条件１．フォローされている数が一定数以上であること。
フォローとは、他のユーザをお気に入り登録をすることをいう。ＳＮＳ１において、このお気に入り登録されたユーザの発言は、フォローされているユーザのページにおける発言領域Ａ２に表示されることになる。
フォローとは、他のユーザをお気に入り登録をすることをいう。ＳＮＳ１において、このお気に入り登録されたユーザの発言は、フォローされているユーザのページにおける発言領域Ａ２に表示されることになる。
第１の関連ユーザ特定部１２は、お気に入り登録されている関連ユーザのページを解析し、多くのユーザからフォローされている場合には、人気のあるユーザと推定する。図５に示す例では、第１の関連ユーザ特定部１２は、複数のユーザからフォローされているユーザＵ２を人気のあるユーザと推定する。なお、図５中の一方向性の矢印は、始端がフォローするユーザを示し、終端がそのユーザにフォローされているユーザを示す。また、双方向性の矢印は、両端のユーザ同士が相互にフォローし合っている様子を示している。
条件２．一定数以上、放送番組について発言をしていること。
第１の関連ユーザ特定部１２は、発言内容を解析し、放送番組に関するハッシュタグが発言に付加されている場合、番組について発言したものとみなす。
第１の関連ユーザ特定部１２は、発言内容を解析し、放送番組に関するハッシュタグが発言に付加されている場合、番組について発言したものとみなす。
なお、本実施例では、ＳＮＳ１における全ユーザの中から、条件１．及び条件２．を満たすカリスマユーザを関連ユーザとしているが、これに限定されず、関連ユーザがフォローしているユーザも関連ユーザとしても良い。
＜２．関連ユーザの決定＞
つぎに、関連ユーザの決定方法について説明する。関連ユーザとは、ユーザＵ１への推薦の基準になるユーザのことをいう。
原則的に、関連ユーザは、ＳＮＳ１でユーザＵ１が管理するページＰ１において、ユーザＵ１がフォローしているユーザである。
また、関連ユーザは、ＳＮＳ２でユーザＵ１が管理するページＰ２において、ユーザＵ１がチェックインした場所（又はコメントを書き込んだ場所）に対して、メイヤーとなっているユーザや、当該場所にチェックインしたユーザや、コメントを記入したユーザであって、ＳＮＳ１に連携するページを有するユーザも該当する。
特に、互いにチェックインした場所（又はコメントを書き込んだ場所）が多いほど、ユーザＵ１と他のユーザとの関連度合いが高いと言える。
つぎに、関連ユーザの決定方法について説明する。関連ユーザとは、ユーザＵ１への推薦の基準になるユーザのことをいう。
原則的に、関連ユーザは、ＳＮＳ１でユーザＵ１が管理するページＰ１において、ユーザＵ１がフォローしているユーザである。
また、関連ユーザは、ＳＮＳ２でユーザＵ１が管理するページＰ２において、ユーザＵ１がチェックインした場所（又はコメントを書き込んだ場所）に対して、メイヤーとなっているユーザや、当該場所にチェックインしたユーザや、コメントを記入したユーザであって、ＳＮＳ１に連携するページを有するユーザも該当する。
特に、互いにチェックインした場所（又はコメントを書き込んだ場所）が多いほど、ユーザＵ１と他のユーザとの関連度合いが高いと言える。
ここで、関連度合いの算出方法について一例を示す。抽出部１３は、以下の（１）式に基づいて、ユーザＵ１が訪れた場所ごとに行動形態類似度Ａを算出し、場所ごとに算出した行動形態類似度Ａを０〜１に正規化した上で、足し合わせ、合計値が大きいほど関連度合い（類似度）が高いと判断する。
Ａ＝［（ａ×ユーザＵ１のメイヤーフラグ）＋（ｂ×ユーザＵ１のチェックイン回数）＋（ｃ×ユーザＵ１の投稿回数）］×［（ｄ×他のユーザのメイヤーフラグ）＋（ｅ×他のユーザのチェックイン回数）×（ｆ×他のユーザの投稿回数）］・・・（１）
Ａ＝［（ａ×ユーザＵ１のメイヤーフラグ）＋（ｂ×ユーザＵ１のチェックイン回数）＋（ｃ×ユーザＵ１の投稿回数）］×［（ｄ×他のユーザのメイヤーフラグ）＋（ｅ×他のユーザのチェックイン回数）×（ｆ×他のユーザの投稿回数）］・・・（１）
なお、メイヤーフラグとは、メイヤーとなっていれば「１」、メイヤーとなっていなければ「０」とする。また、ａ，ｂ，ｃ，ｄ，ｅ，ｆは、変数である。プロファイル生成装置１は、重要な項目に対しては、ａ，ｂ，ｃ，ｄ，ｅ又はｆに大きな値を設定することができる。例えば、プロファイル生成装置１は、「ユーザＵ１のメイヤーフラグ」が行動形態の類似度を計算する上で一番重要な項目であると判断した場合には、「ａ」を他の変数に比べて大きな値を設定する。
また、判断部１４は、上述のようにして算出した合計値に基づいて、所定の値を超えているユーザを関連ユーザ（第２の関連ユーザ）の候補としても良いし、最も高い値のユーザのみを関連ユーザ（第２の関連ユーザ）の候補としても良い。そして、判断部１４は、候補となったユーザが連携するページをＳＮＳ１内に有しているか否かを判断する。
第２の関連ユーザ特定部１５は、判断部１４により連携するページがＳＮＳ１内に存在すると判断された場合、当該ページの所有者を第２の関連ユーザとして特定する。
なお、第１の関連ユーザ特定部１２は、フォローの状況からユーザ同士の関係性をさらに解析し、フォローしたユーザがフォローしているユーザや、双方向的にフォローし合っているユーザ等の特定の条件を満たすユーザを関連ユーザに含めることもできる。
＜３．関連ユーザが視聴した番組の推定方法及び推薦番組の決定方法＞
つぎに、プロファイル生成装置１により行われる、関連ユーザが視聴していた番組の推定方法について説明する。なお、以下では、第１の関連ユーザ特定部１２と第２の関連ユーザ特定部１５により、第１の関連ユーザ及び第２の関連ユーザ（以下、単に関連ユーザという。）が３人（関連ユーザＡ氏、Ｂ氏及びＣ氏）特定された場合におけるユーザプロファイル作成部１６と、イベントプロファイル作成部１７と、類似度算出部１８の具体的な動作について以下に説明する。
つぎに、プロファイル生成装置１により行われる、関連ユーザが視聴していた番組の推定方法について説明する。なお、以下では、第１の関連ユーザ特定部１２と第２の関連ユーザ特定部１５により、第１の関連ユーザ及び第２の関連ユーザ（以下、単に関連ユーザという。）が３人（関連ユーザＡ氏、Ｂ氏及びＣ氏）特定された場合におけるユーザプロファイル作成部１６と、イベントプロファイル作成部１７と、類似度算出部１８の具体的な動作について以下に説明する。
ユーザプロファイル作成部１６は、図６に示すように、関連ユーザのページを解析した結果に基づいて、発言した時間と発言内容に基づいて、関連ユーザの視聴していた放送番組の特徴をＥＰＧから抽出し、各関連ユーザの視聴状況を示すプロファイル（以下、視聴プロファイルという。）をベクトルで表現する。
例えば、ユーザプロファイル作成部１６では、関連ユーザＡ氏の発言した時間と発言内容から、関連ユーザＡ氏が「１／２８ ２３：００ 特許最前線」と「１／３１ ２１：００ 商標伝」を視聴していたと判定する。そして、ユーザプロファイル作成部１６は、この判定結果から放送番組「特許最前線」と放送番組「商標伝」のＥＰＧの番組情報を解析し、語ごとに特徴量を算出し、関連ユーザＡ氏の視聴プロファイルａを作成する。
また、ユーザプロファイル作成部１６は、上述と同様に、関連ユーザＢ氏の視聴プロファイルｂと、関連ユーザＣ氏の視聴プロファイルｃを作成する。
つぎに、ユーザプロファイル作成部１６は、各関連ユーザの視聴プロファイルａ、ｂ及びｃを加算処理し、ユーザＵ１（以下、単にユーザＵ１という。）のユーザプロファイル（以下、ユーザプロファイルｘという）を作成する。なお、ユーザプロファイル作成部１６は、ユーザＵ１との関連度が高いユーザ（例えば、行動形態が近い第２の関連ユーザ）の視聴プロファイルに高いウェイトをかけてユーザプロファイルを作成しても良い。
つぎに、ユーザプロファイル作成部１６は、各関連ユーザの視聴プロファイルａ、ｂ及びｃを加算処理し、ユーザＵ１（以下、単にユーザＵ１という。）のユーザプロファイル（以下、ユーザプロファイルｘという）を作成する。なお、ユーザプロファイル作成部１６は、ユーザＵ１との関連度が高いユーザ（例えば、行動形態が近い第２の関連ユーザ）の視聴プロファイルに高いウェイトをかけてユーザプロファイルを作成しても良い。
そして、類似度算出部１８は、ユーザＵ１のユーザプロファイルｘと、イベントプロファイル作成部１７により作成された放送番組ごとの番組プロファイルを比較し、類似度が高い番組プロファイルに対応する放送番組を推薦番組に決定する。
このようにして、プロファイル生成装置１は、関連ユーザＡ氏、Ｂ氏及びＣ氏の視聴プロファイルに基づいて、ユーザＵ１のユーザプロファイルを作成し、このユーザＵ１のユーザプロファイルと放送番組ごとに作成した番組プロファイルを比較し、類似度が高い番組プロファイルに対応する放送番組を推薦番組に決定するので、ユーザＵ１とＳＮＳ上でつながりのあるユーザや人気のある代表的なユーザ（関連ユーザＡ氏、Ｂ氏及びＣ氏）の視聴している放送番組と同じような特徴をもつ放送番組を推薦することが可能になっている。
つぎに、番組プロファイルの作成方法と、類似度の算出方法について具体的に説明する。
まず、推薦を希望するユーザｑｕ（ユーザＵ１）の関連ユーザの視聴プロファイルの作成方法について説明する。ユーザプロファイル作成部１６は、視聴した放送番組のＥＰＧに含まれている番組情報を形態素解析し、特徴的な単語（例えば、出演者名や場所の名称等）の出現頻度と品詞の種別に応じて各語に評価値を付与する。ユーザプロファイル作成部１６は、形態素解析の結果から、一の関連ユーザｑｒのプロファイルベクトルＱｒを作成する。例えば、プロファイルベクトルＱｒは、（２）式に示すように表すことができる。
Ｑｒ＝＜（ｋ１、Ｚｒ１）、・・・、（ｋｎ、Ｚｒｎ）＞ （２）
ただし、Ｚｒｊは、関連ユーザｑｒにとっての語ｋｊの重みを表しており、例えば、ｔｆ−ｉｄｆ手法によって関連ユーザｑｒが視聴した各放送番組における語ｋｊの重みを算出し、関連ユーザｑｒが視聴した全ての放送番組における語ｋｊの重みを足し合わせたものである。また、プロファイルベクトルＱｒは、放送番組の特徴を示すものになるため、出演者名や場所に関する語は、他の語と比べて高い重み付けにしている。
このようにして、順次、他の関連ユーザの視聴プロファイルを作成する。
まず、推薦を希望するユーザｑｕ（ユーザＵ１）の関連ユーザの視聴プロファイルの作成方法について説明する。ユーザプロファイル作成部１６は、視聴した放送番組のＥＰＧに含まれている番組情報を形態素解析し、特徴的な単語（例えば、出演者名や場所の名称等）の出現頻度と品詞の種別に応じて各語に評価値を付与する。ユーザプロファイル作成部１６は、形態素解析の結果から、一の関連ユーザｑｒのプロファイルベクトルＱｒを作成する。例えば、プロファイルベクトルＱｒは、（２）式に示すように表すことができる。
Ｑｒ＝＜（ｋ１、Ｚｒ１）、・・・、（ｋｎ、Ｚｒｎ）＞ （２）
ただし、Ｚｒｊは、関連ユーザｑｒにとっての語ｋｊの重みを表しており、例えば、ｔｆ−ｉｄｆ手法によって関連ユーザｑｒが視聴した各放送番組における語ｋｊの重みを算出し、関連ユーザｑｒが視聴した全ての放送番組における語ｋｊの重みを足し合わせたものである。また、プロファイルベクトルＱｒは、放送番組の特徴を示すものになるため、出演者名や場所に関する語は、他の語と比べて高い重み付けにしている。
このようにして、順次、他の関連ユーザの視聴プロファイルを作成する。
つぎに、ユーザプロファイル作成部１６は、全ての関連ユーザの視聴プロファイルに基づいて推薦を希望するユーザｑｕのユーザプロファイルを作成する。例えば、推薦を希望するユーザｑｕのユーザプロファイルは、プロファイルベクトルＱ‘ｕとして、（３）式に示すように表すことができる。
ただし、Ｑｋは、推薦を希望するユーザｑｕの関連ユーザｑｋのプロファイルベクトルを示しており、ａｋは、関連ユーザｑｋの関連パラメータを示している。関連パラメータとは、関連ユーザごとに付与される重み付けである。詳細は後述するように、ユーザプロファイル作成部１６は、関連ユーザの中でも重要度の高い関連ユーザ（カリスマユーザ）の視聴プロファイルを他の関連ユーザの視聴プロファイルよりも優先し、高い重み付けを付与する。
また、ユーザプロファイル作成部１６は、推薦を希望するユーザｑｕの関連ユーザが一人のみの場合には、この関連ユーザの視聴プロファイルを推薦を希望するユーザｑｕのユーザプロファイルとして利用する。
また、イベントプロファイル作成部１７は、放送予定番組のＥＰＧをイベント情報発信サーバ４００から取得し、解析し、放送番組ごとの番組プロファイルを作成する。例えば、放送番組ｄｉの番組プロファイルは、コンテンツベクトルＤｉとして、（４）式に示すように表すことができる。
Ｄｉ＝＜（ｋ１、Ｗｉ１）、・・・、（ｋｎ、Ｗｉｎ）＞ （４）
ただし、Ｗｉｊは、例えば、ｔｆ−ｉｄｆ手法によって算出される放送番組ｄｉにおける語ｋｊの重みを表している。例えば、コンテンツベクトルは、放送番組の特徴を示すものとなるめ、出演者名や場所に関する語は、他の語と比べて高い重み付けになる。
Ｄｉ＝＜（ｋ１、Ｗｉ１）、・・・、（ｋｎ、Ｗｉｎ）＞ （４）
ただし、Ｗｉｊは、例えば、ｔｆ−ｉｄｆ手法によって算出される放送番組ｄｉにおける語ｋｊの重みを表している。例えば、コンテンツベクトルは、放送番組の特徴を示すものとなるめ、出演者名や場所に関する語は、他の語と比べて高い重み付けになる。
つぎに、類似度算出部１８は、プロファイルベクトルＱ‘ｕとコンテンツベクトルＤｉの類似度が高い放送番組を推薦番組として決定する。ここで、推薦を希望するユーザｑｕとある放送番組ｄｉとの類似度（ＳＩＭＩＬＡＲＩＴＹ）は、（５）式に示すように表すことができる。
また、ユーザプロファイル作成部１６は、例えば、放送番組であることを示す所定の記号が挿入されている発言を検索し、原則的に、当該所定の記号が挿入されている発言のみを解析の対象にする。ここで、所定の記号とは、ハッシュタグ（「＃」が頭についた単語）のことである。
ユーザプロファイル作成部１６は、例えば、「＃ｎｈｋ」が発言の中に含まれていれば、この発言は、ＮＨＫの放送番組についての発言であると判断し、その発言をした時間に基づいて、ＥＰＧを参照し、関連ユーザが視聴していた放送番組を推定し、当該放送番組の情報を解析する。なお、ツイッターにおいては、放送番組を視聴しながら放送局名や番組名のハッシュタグを付加して発言するスタイルが慣習化している。
また、ユーザプロファイル作成部１６は、所定の記号のみならず、予め、ＥＰＧから番組名や登場人物名等の放送番組に特有のキーワードを抽出しておき、これらのキーワードが発言に含まれていれば、当該放送番組を視聴していたと推定し、当該放送番組の情報を解析する構成でも良い。
また、ユーザプロファイル作成部１６は、「＃ｎｈｋ」のようなハッシュタグのみ含まれていれば、発言を行った時刻に放送されていた番組を視聴していたと推定する。
また、ユーザプロファイル作成部１６は、番組固有のハッシュタグが付加されていた場合（例えば、「＃ｓｈｏｕｈｙｏｕｄｅｎ」）には、発言を行った時刻にどの番組が放送されているかに関わらず、ハッシュタグの放送番組（例えば、「商標伝」）を視聴していたと推定する構成でも良い。
なお、ユーザプロファイル作成部１６は、発言を行った時刻がハッシュタグの放送番組が放送されていた時間帯から、ある程度離れている場合には、過去の番組について発言しているとみなし、ハッシュタグの放送番組を視聴しているとは推定しない。
また、ユーザプロファイル作成部１６は、所定の記号のみならず、予め、ＥＰＧから番組名や登場人物名等の放送番組に特有のキーワードを抽出しておき、これらのキーワードが発言に含まれていれば、当該放送番組を視聴していたと推定し、当該放送番組の情報を解析する構成でも良い。
また、ユーザプロファイル作成部１６は、「＃ｎｈｋ」のようなハッシュタグのみ含まれていれば、発言を行った時刻に放送されていた番組を視聴していたと推定する。
また、ユーザプロファイル作成部１６は、番組固有のハッシュタグが付加されていた場合（例えば、「＃ｓｈｏｕｈｙｏｕｄｅｎ」）には、発言を行った時刻にどの番組が放送されているかに関わらず、ハッシュタグの放送番組（例えば、「商標伝」）を視聴していたと推定する構成でも良い。
なお、ユーザプロファイル作成部１６は、発言を行った時刻がハッシュタグの放送番組が放送されていた時間帯から、ある程度離れている場合には、過去の番組について発言しているとみなし、ハッシュタグの放送番組を視聴しているとは推定しない。
このようにして、プロファイル生成装置１は、放送番組に関係の深い発言のみを対象として解析するため、放送番組に関係のない発言を排除できるので、効率的な発言の解析を行うことが可能になっている。
つぎに、プロファイル生成装置１の具体的な動作について説明する。以下では、関連ユーザＡ氏が視聴していた番組をそのまま推薦するケース１と、関連ユーザＡ氏が視聴していた番組の出演者が出演している他の番組を推薦するケース２について説明する。また、以下では、関連ユーザは、関連ユーザＡ氏の一人のみとし、かつ、この関連ユーザＡ氏が視聴していた放送番組は、一つであると想定して説明を行う。
ケース１において、ユーザプロファイル作成部１６は、図７（ａ）に示すように、ユーザＵ１のＳＮＳ１上のページにおいて、関連ユーザＡ氏の発言「２０１０／１／２８（木）２３：３８ 特許庁行きたくなった。＃ｎｈｋ」を解析する。ユーザプロファイル作成部１６は、関連ユーザＡ氏がＮＨＫの放送番組「特許最前線」を視聴していたと推定する。
また、ユーザプロファイル作成部１６は、ＥＰＧから取得した放送番組「特許最前線」の情報を解析し、関連ユーザＡ氏の視聴プロファイルを作成し、これをユーザＵ１のユーザプロファイルに利用する。
類似度算出部１８は、ユーザプロファイル作成部１６により作成されたユーザＵ１のユーザプロファイルと、イベントプロファイル作成部１７により作成された放送番組ごとの番組プロファイルを比較し、比較結果から、例えば、次週に放送される「特許最前線」を推薦番組に決定する。
送信部１９は、所定のタイミング（少なくとも、放送時間前までに）で、ユーザＵ１のページに「特許最前線」を推薦番組として送信する。
例えば、ユーザＵ１のページの発言領域Ａ２には、「もうすぐ、ＮＨＫで「特許最前線」が始まります。」という発言が表示される。
例えば、ユーザＵ１のページの発言領域Ａ２には、「もうすぐ、ＮＨＫで「特許最前線」が始まります。」という発言が表示される。
また、ケース２において、ユーザプロファイル作成部１６は、図７（ｂ）に示すように、ユーザＵ１のＳＮＳ１上のページにおいて、関連ユーザＢ氏の発言「２０１０／１／３１（日）２１：２６ 奥が深い。＃ｎｈｋ」を解析する。ユーザプロファイル作成部１６は、関連ユーザＢ氏がＮＨＫの放送番組「商標伝」を視聴していたと推定する。
また、ユーザプロファイル作成部１６は、ＥＰＧから取得した放送番組「商標伝」の情報を解析し、「商標伝」の出演者（特許太郎）を抽出し、関連ユーザＢ氏の視聴プロファイルを作成し、これをユーザＵ１のユーザプロファイルに利用する。
類似度算出部１８は、ユーザプロファイル作成部１６により作成されたユーザＵ１のユーザプロファイルと、イベントプロファイル作成部１７により作成された放送番組ごとの番組プロファイルと比較する。類似度算出部１８は、比較結果から、例えば、「商標伝」に出演していた特許太郎が出演する他の放送番組「意匠の活用」を推薦番組に決定する。
送信部１９は、所定のタイミング（少なくとも、放送時間前までに）で、ユーザＵ１のページに、「商標伝」や「意匠の活用」を推薦番組として送信する。
送信部１９は、所定のタイミング（少なくとも、放送時間前までに）で、ユーザＵ１のページに、「商標伝」や「意匠の活用」を推薦番組として送信する。
例えば、ユーザＵ１のページの発言領域Ａ２には、「もうすぐ、ＮＨＫで「意匠の活用」が始まります。」や「もうすぐ、ＮＨＫで「商標伝」が始まります」という発言が表示される。
また、プロファイル生成装置１は、番組推薦をする際に、推薦番組のホームページのＵＲＬ（リンク情報）や、前回までのあらすじを一緒にユーザＵ１のページに送信しても良い。
＜他の推薦番組の決定方法＞
また、ユーザプロファイル作成部１６は、関連ユーザのページを解析し、発言した時間と発言内容に基づいて、関連ユーザが視聴していたであろうと考えられる放送番組をＥＰＧから抽出する。
類似度算出部１８は、ユーザプロファイル作成部１６により抽出された放送番組に基づいて、関連ユーザごとに視聴頻度を記録する（図８を参照。）。なお、類似度算出部１８は、抽出された放送番組が定時編成番組や連続ドラマ等のシリーズ番組である場合のみ、視聴頻度を記録するものとする。
また、ユーザプロファイル作成部１６は、関連ユーザのページを解析し、発言した時間と発言内容に基づいて、関連ユーザが視聴していたであろうと考えられる放送番組をＥＰＧから抽出する。
類似度算出部１８は、ユーザプロファイル作成部１６により抽出された放送番組に基づいて、関連ユーザごとに視聴頻度を記録する（図８を参照。）。なお、類似度算出部１８は、抽出された放送番組が定時編成番組や連続ドラマ等のシリーズ番組である場合のみ、視聴頻度を記録するものとする。
類似度算出部１８は、記録した視聴頻度に基づいて、推薦する放送番組を決定する。類似度算出部１８は、図８に示す例では、番組３が一定以上の関連ユーザが高頻度で視聴した番組として、推薦番組に決定する。
ここで、上述した＜３．関連ユーザが視聴した番組の推定方法及び推薦番組の決定方法＞で記した推薦番組決定方法＞（以下、＜方法１＞という。）及び＜他の推薦番組の決定方法＞（以下、＜方法２＞という。）の特徴について説明する。＜方法１＞では、視聴した番組のＥＰＧの情報に基づいて、視聴プロファイルを作成するため、番組内容自体に基づく推薦方法であるといえる。そのため、＜方法１＞では、推薦希望ユーザの視聴プロファイルが特定の人物（例えば、俳優）の特徴を有する場合には、単発の番組や、シリーズ番組の中でも、特にその人物が出演している回のみ推薦できるメリットがある。
また、＜方法２＞では、シリーズ番組に対して、ただ視聴したかどうかをもとに推薦番組を決定するため、番組タイトルに基づく推薦方法であるといえる。そのため、定期的に視聴されている番組は必ず推薦できるメリットがある。
なお、プロファイル生成装置１は、上述した＜方法１＞及び＜方法２＞の結果を全て推薦する方法でも良いし、＜方法１＞と＜方法２＞で共通する結果のみ推薦する方法でも良い。
このようにして、プロファイル生成装置１は、所定の情報の推薦を希望するユーザＵ１とＳＮＳ上でつながりのあるユーザや人気のある代表的なユーザのコメントに基づいてユーザプロファイルを作成し、当該ユーザプロファイルに類似するイベントプロファイルを抽出し、当該イベントプロファイルに対応するイベント（例えば、放送番組やニュース等）をＵ１に通知することができる。
また、プロファイル生成装置１は、複数のＳＮＳを利用するので、上述の効果に加え、ユーザＵ１との間においてＳＮＳ１上においてフォロー関係等の直接的な関係がなくても、ＳＮＳ２上において、ユーザＵ１と行動形態が類似するユーザを抽出し、当該ユーザのコメントに基づいてユーザＵ１が興味を持つと推定される情報を提供することができる。
また、行動履歴を取得する方法として一般的であるＧＰＳからの位置情報を単に利用しただけでは、ユーザがＧＰＳから取得した位置の周辺にあるレストランやスーパー等のどこに訪れたのか、また、何のためにそこに訪れたのかまで特定することが困難である。本実施例に係るプロファイル生成装置１は、ＳＮＳ２で得られる情報のように場所の意味が明確なデータを基にしているため、正確で詳細なプロファイルを作成することができる。
上述の実施例では、ＥＰＧに出現する全ての語について重みを算出しなければならない。そうすると、番組数が増加すれば出現する語の総数も増加し、（２）式で定義したプロファイルベクトルＱｒも、（４）式で定義したコンテンツベクトルＤｉもベクトル長が大きくなる。その結果、（５）式のベクトル演算のコストも高くなってしまう。
本実施例では、多くの番組とユーザを対象としてサービスを実現するために、ベクトルの要素となる語のうち算出される類似度にあまり影響を与えない語、すなわち、あまり重要でない語や、重みの高くない語を削減することでベクトル長を抑え、ベクトル演算のコストを削減する。
上述の実施例では、ＥＰＧのテキストからベクトル求めており、ｔｆ−ｉｄｆ手法によりＥＰＧに頻繁に出現する語や希少性が高い語（その番組を特徴付ける語）ほど重みを高く評価している。
一方、ベクトルは、ユーザの番組に対する嗜好を的確に表す必要がある。番組を視聴しているユーザは、同じ番組の中でもｔｆ−ｉｄｆ手法によって高く評価される語とは異なる語に注目している可能性がある。
一方、ベクトルは、ユーザの番組に対する嗜好を的確に表す必要がある。番組を視聴しているユーザは、同じ番組の中でもｔｆ−ｉｄｆ手法によって高く評価される語とは異なる語に注目している可能性がある。
すなわち、ＥＰＧで放送局が強調したい語とユーザが注目している語とは、必ずしも一致しない。
そこで、本実施例では、ユーザの番組に対する嗜好を表すベクトルに、ＥＰＧ内の特徴的な語だけではなく、ユーザが番組内で注目する語の特徴を加味する。
ただし、ユーザが番組内のどの語に注目しているかを取得するために、ユーザに直接入力させることは、ユーザの負担となる上、視聴した番組ごとにその都度入力してもらうのは現実的でない。
そのため、ＳＮＳ１においてユーザが書き込んでいる語の特徴をベクトルに加味することで、その番組内でユーザが注目している語の特徴を表すことができる。又は、ユーザ本人の書込みがなければ、一般のユーザが書き込んでいる語の特徴をベクトルに加味することで、その番組内で一般の視聴者から注目される傾向の高い語の特徴を表すことができる。
具体的には、ユーザプロファイル作成部１６は、第１の関連ユーザ及び第２の関連ユーザが話題にしている情報をＳＮＳ１により提供されているそれぞれのアカウントのデータから解析し、当該情報に対する全ての書き込みを対象とし、対象とする書き込みに出現する所定の語に関して重み計算を行い、計算結果をイベントプロファイル作成部１７に供給する。
詳細には、ユーザプロファイル作成部１６は、第１の関連ユーザ及び第２の関連ユーザが話題にしている情報に対する全ての書き込みを対象とし、対象とする書き込みに出現する全語の出現総数をｍとし、話題ｄｉに関する書き込み中の語ｋｊの出現頻度をｍｉｊとして、語ｋｊの重みをｍｉｊ／ｍとして語の重み計算を行う。なお、語ｋｊの重みは、出現頻度ｍｉｊであっても良い。
例えば、ユーザプロファイル作成部１６は、「商標伝を見ていて思うけど、回数を重ねるごとに面白くなってくるね。いまのセリフに感動した。表情もいい。」という書き込みに対して、形態素解析して名詞と動詞「商標伝 見る いる 思う 回数 重ねる ごと なる くる いま セリフ 感動 する 表情」のみを抽出する。
ユーザプロファイル作成部１６は、抽出した単語の総数ｍを「１０」とし、語ｋｊを「商標伝」とすると、出現頻度ｍｉｊを「１」として計算する。本実施例の場合には、「商標伝」の重みは、「１／１０」又は「１」になる。なお、上述した語の重み計算は、一例であって、これに限られない。
ユーザプロファイル作成部１６は、抽出した単語の総数ｍを「１０」とし、語ｋｊを「商標伝」とすると、出現頻度ｍｉｊを「１」として計算する。本実施例の場合には、「商標伝」の重みは、「１／１０」又は「１」になる。なお、上述した語の重み計算は、一例であって、これに限られない。
イベントプロファイル作成部１７は、生成したイベントプロファイルを構成するコンテンツベクトルを語の重み計算に基づいて短縮する演算を行い、短縮したコンテンツベクトルをユーザプロファイル作成部１６に供給する。
ユーザプロファイル作成部１６は、短縮したコンテンツベクトルに基づいて、ユーザプロファイルを作成する。
類似度算出部１８は、イベントプロファイル作成部１７によりコンテンツベクトルを短縮したイベントプロファイルと、ユーザプロファイル作成部１６により作成されたユーザプロファイルを対比して、両プロファイルの類似度を算出する。
類似度算出部１８は、イベントプロファイル作成部１７によりコンテンツベクトルを短縮したイベントプロファイルと、ユーザプロファイル作成部１６により作成されたユーザプロファイルを対比して、両プロファイルの類似度を算出する。
このように構成されることにより、プロファイル生成装置１は、所定の情報（例えば、テレビ番組）の推薦を希望するユーザＵ１に対して、ある程度の関連ユーザが存在する場合には、ＳＮＳ１の全ユーザの書き込みを対象とせず、関連ユーザの書き込みのみを対象として、番組プロファイルを構成するコンテンツベクトルを短縮するので、その短縮したコンテンツベクトルを基にしてよりユーザＵ１の嗜好に合ったユーザプロファイルを作成することができる。また、プロファイル生成装置１は、この番組プロファイルを用いて推薦番組を決定するので、よりユーザＵ１の嗜好に合った番組を推薦することができる。
イベントプロファイル作成部１７は、イベントプロファイルを構成するコンテンツベクトルに対し、ユーザプロファイル作成部１６から供給された所定の語に関して計算した重みを用いて所定の演算を行い、計算環境に応じて、特定の閾値よりも重みの低い要素、又は重みの高い要素から特定数の要素以外の要素に対し、コンテンツベクトルにおいて重みを０とすることにより、コンテンツベクトルを短縮する。
例えば、イベントプロファイル作成部１７は、イベントプロファイル（番組プロファイル）を構成するコンテンツベクトルＤｉ＝＜（ｋ１、Ｗｉ１）、・・・、（ｋｎ、Ｗｉｎ）＞と、語の重み計算により求めたＤ‘ｉ＝＜（ｋ１、ｍｉ１／ｍ）、・・・、（ｋｎ、ｍｉｎ／ｍ）＞を正規化し、Ｄｉ＋ｂ・Ｄ‘ｉ（ｂを特定の値とする）各要素、又は正規化後のＤｉ、Ｄ‘ｉをＤｉ＝＜（ｋ１、Ａｉ１）、・・・、（ｋｎ、Ａｉｎ）＞、Ｄ‘ｉ＝＜（ｋ１、Ｂｉ１）、・・・、（ｋｎ、Ｂｉｎ）＞とすると、＜（ｋ１、Ａｉ１・Ｂｉ１）、・・・、（ｋｎ、Ａｉｎ・Ｂｉｎ）＞の各要素に関し、計算環境に応じて、特定の閾値よりも重みの低い要素、又は重みの高い要素から特定数の要素以外の要素に対し、Ｄｉにおいて重みを０とすることにより、コンテンツベクトルを短縮する。
例えば、イベントプロファイル作成部１７は、イベントプロファイル（番組プロファイル）を構成するコンテンツベクトルＤｉ＝＜（ｋ１、Ｗｉ１）、・・・、（ｋｎ、Ｗｉｎ）＞と、語の重み計算により求めたＤ‘ｉ＝＜（ｋ１、ｍｉ１／ｍ）、・・・、（ｋｎ、ｍｉｎ／ｍ）＞を正規化し、Ｄｉ＋ｂ・Ｄ‘ｉ（ｂを特定の値とする）各要素、又は正規化後のＤｉ、Ｄ‘ｉをＤｉ＝＜（ｋ１、Ａｉ１）、・・・、（ｋｎ、Ａｉｎ）＞、Ｄ‘ｉ＝＜（ｋ１、Ｂｉ１）、・・・、（ｋｎ、Ｂｉｎ）＞とすると、＜（ｋ１、Ａｉ１・Ｂｉ１）、・・・、（ｋｎ、Ａｉｎ・Ｂｉｎ）＞の各要素に関し、計算環境に応じて、特定の閾値よりも重みの低い要素、又は重みの高い要素から特定数の要素以外の要素に対し、Ｄｉにおいて重みを０とすることにより、コンテンツベクトルを短縮する。
このように構成されることにより、プロファイル生成装置１は、特定の閾値よりも重みの低い要素、又は重みの高い要素から特定数の要素以外の要素に対し、Ｄｉにおいて重みを０とすることにより、コンテンツベクトルを短縮するので、その短縮したコンテンツベクトルを基にしてよりユーザＵ１の嗜好に合ったユーザプロファイルを作成することができる。また、プロファイル生成装置１は、この番組プロファイルを用いて推薦番組を決定するので、よりユーザＵ１の嗜好に合った番組を推薦することができる。
ここで、プロファイル生成装置１によりコンテンツベクトルを短縮するときの処理の流れについて、図９に示すフローチャートを参照しながら説明する。
ステップＳＴ１において、ユーザプロファイル作成部１６は、関連ユーザが話題にしている情報（番組）をＳＮＳ１により提供されているそれぞれのアカウントのデータから解析し、視聴番組を推定する。具体的には、ユーザプロファイル作成部１６は、関連ユーザのＳＮＳ１におけるページを解析（例えば、形態素解析）し、当該解析の結果に基づいて、コメントされている時間とコメント内容から、関連ユーザが視聴していた一又は複数の放送番組をＥＰＧを参照して推定する。
ステップＳＴ１において、ユーザプロファイル作成部１６は、関連ユーザが話題にしている情報（番組）をＳＮＳ１により提供されているそれぞれのアカウントのデータから解析し、視聴番組を推定する。具体的には、ユーザプロファイル作成部１６は、関連ユーザのＳＮＳ１におけるページを解析（例えば、形態素解析）し、当該解析の結果に基づいて、コメントされている時間とコメント内容から、関連ユーザが視聴していた一又は複数の放送番組をＥＰＧを参照して推定する。
ステップＳＴ２において、ユーザプロファイル作成部１６は、推定した一又は複数の放送番組の情報を放送済みのＥＰＧから抽出し、抽出した一又は複数の放送番組の情報を形態素解析する。
ステップＳＴ３において、ユーザプロファイル作成部１６は、ステップＳＴ２の工程により形態素解析した結果に基づいて、番組内の語の重み計算を行う。ユーザプロファイル作成部１６は、計算した語の重みをイベントプロファイル作成部１７に供給する。
また、ステップＳＴ１１において、イベントプロファイル作成部１７は、イベント情報発信サーバ４００から発信されている未放送のＥＰＧを取得して形態素解析を行う。
ステップＳＴ１２において、イベントプロファイル作成部１７は、ステップＳＴ１１の工程により形態素解析した結果に基づいて、ｔｆ−ｉｄｆによる語の重み計算を行う。
ステップＳＴ１３において、イベントプロファイル作成部１７は、ステップＳＴ１２の工程によるｔｆ−ｉｄｆによる語の重み計算に基づいて、番組内容の特徴を示す番組プロファイルを放送番組ごとに作成する。
ステップＳＴ１４において、イベントプロファイル作成部１７は、ステップＳＴ３の工程により計算した語の重みに基づいて、イベントプロファイル作成部１７で生成した番組プロファイルを構成するコンテンツベクトルを短縮する演算を行う。イベントプロファイル作成部１７は、短縮したコンテンツベクトルをユーザプロファイル作成部１６に供給する。
ステップＳＴ１５において、ユーザプロファイル作成部１６は、短縮したコンテンツベクトルに基づいて、ユーザプロファイルを作成する。
ステップＳＴ１６において、類似度算出部１８は、コンテンツベクトルを短縮した番組プロファイルと、ユーザプロファイルを対比して、両プロファイルの類似度を算出する。
ステップＳＴ１６において、類似度算出部１８は、コンテンツベクトルを短縮した番組プロファイルと、ユーザプロファイルを対比して、両プロファイルの類似度を算出する。
このように構成されることにより、プロファイル生成装置１は、テレビ番組の推薦を希望するユーザＵ１に対して、ある程度の関連ユーザが存在する場合には、ＳＮＳ１の全ユーザの書き込みを対象とせず、関連ユーザの書き込みのみを対象として、番組プロファイルを構成するコンテンツベクトルを短縮するので、その短縮したコンテンツベクトルを基にしてよりユーザＵ１の嗜好に合ったユーザプロファイルを作成することができる。また、プロファイル生成装置１は、この番組プロファイルを用いて推薦番組を決定するので、よりユーザＵ１の嗜好に合った番組を推薦することができる。
１ プロファイル生成装置
１０ 登録部
１１ 取得部
１１ａ 第１の取得部
１１ｂ 第２の取得部
１２ 第１の関連ユーザ特定部
１３ 抽出部
１４ 判断部
１５ 第２の関連ユーザ特定部
１６ ユーザプロファイル作成部
１７ イベントプロファイル作成部
１８ 類似度算出部
１９ 送信部
１０ 登録部
１１ 取得部
１１ａ 第１の取得部
１１ｂ 第２の取得部
１２ 第１の関連ユーザ特定部
１３ 抽出部
１４ 判断部
１５ 第２の関連ユーザ特定部
１６ ユーザプロファイル作成部
１７ イベントプロファイル作成部
１８ 類似度算出部
１９ 送信部
Claims (7)
- コメントを投稿して他のユーザとコミュニケーションを図るサービスを提供する第１のソーシャルネットワーキングサービスにおいて自身の第１のアカウントを保有しており、かつ、前記第１のソーシャルネットワーキングサービスとは異なるものであって、実際に訪れた場所の位置情報と共にコメントを投稿して他のユーザとコミュニケーションを図るサービスを提供する第２のソーシャルネットワーキングサービスにおいて自身の第２のアカウントを保有しており、所定の情報の推薦を希望するユーザを前記第１のアカウントのデータ及び前記第２のアカウントのデータと共に登録する登録部と、
前記登録部に登録されている前記第１のアカウントのデータを取得し、前記所定の情報の推薦を希望するユーザにより追従されている他のユーザのアカウントのデータを取得する第１の取得部と、
前記第１のソーシャルネットワーキングサービスの提供を受けている全ユーザのアカウントのデータを取得し、何人のユーザから追従されているかを示すユーザ数と、前記所定の情報についての発言の回数を、ユーザごとに取得する第２の取得部と、
前記第１の取得部により取得された上記他のユーザのアカウントのデータに基づいて、第１の条件を満たすユーザを前記他のユーザの中から抽出し、前記第２の取得部により取得された上記ユーザ数と上記発言の回数に基づいて、第２の条件を満たすユーザを前記全ユーザの中から抽出し、当該抽出したユーザを第１の関連ユーザとして特定する第１の関連ユーザ特定部と、
前記登録部に登録されている前記第２のアカウントのデータを取得し、投稿された位置情報に基づいて、前記所定の情報の推薦を希望するユーザの行動形態を解析し、当該行動形態に類似する他のユーザを前記第２のソーシャルネットワーキングサービスの中から特定し、当該他のユーザのアカウントのデータを抽出する抽出部と、
前記抽出部で抽出したアカウントのデータを解析し、当該アカウントと連携するアカウントが前記第１のソーシャルネットワーキングサービス内に存在するか否かを判断する判断部と、
前記判断部により連携するアカウントが前記第１のソーシャルネットワーキングサービス内に存在すると判断された場合、当該アカウントの所有者を第２の関連ユーザとして特定する第２の関連ユーザ特定部と、
前記第１の関連ユーザ及び前記第２の関連ユーザが話題にしている情報を前記第１のソーシャルネットワーキングサービスにより提供されているそれぞれのアカウントのデータから解析し、前記所定の情報の推薦を希望するユーザのユーザプロファイルを作成するユーザプロファイル作成部を備えるプロファイル生成装置。 - 発信されているイベント情報を取得して、当該イベント情報の特徴を示すイベントプロファイルを作成するイベントプロファイル作成部と、
前記ユーザプロファイル作成部により作成されたユーザプロファイルと、前記イベントプロファイル作成部により作成されたイベントプロファイルを対比して、両プロファイルの類似度を算出する類似度算出部と、
前記類似度算出部により算出された結果に基づいて、前記イベントプロファイルに対応するイベントの情報を前記登録部に登録されている前記所定の情報の推薦を希望するユーザに送信する送信部を備える請求項１記載のプロファイル生成装置。 - 前記第１の関連ユーザ特定部は、前記第１の取得部により取得されたユーザのアカウントのデータに基づいて、前記第１の条件として、前記所定の情報に関して所定数以上の発言をしているユーザを抽出し、前記第２の取得部により取得された上記ユーザ数と上記発言の回数に基づいて、前記第２の条件として、所定数以上のユーザから追従されており、かつ所定数以上の発言をしているユーザを抽出する請求項１記載のプロファイル生成装置。
- 前記第２のソーシャルネットワーキングサービスにより提供されるページには、前記第１のソーシャルネットワーキングサービスにより提供されるアカウントを登録するアカウント登録機能が備えられており、
前記判断部は、前記抽出部で抽出したアカウントのデータを解析し、当該ページと連携するページが前記第１のソーシャルネットワーキングサービス内に存在するか否かを判断する請求項１記載のプロファイル生成装置。 - 前記ユーザプロファイル作成部は、前記第１の関連ユーザ及び前記第２の関連ユーザが話題にしている情報を前記第１のソーシャルネットワーキングサービスにより提供されているそれぞれのアカウントのデータから解析し、当該情報に対する全ての書き込みを対象とし、対象とする書き込みに出現する所定の語に関して重み計算を行い、
前記イベントプロファイル作成部は、生成したイベントプロファイルを構成するコンテンツベクトルを前記語の重み計算に基づいて短縮する演算を行い、
前記ユーザプロファイル作成部は、短縮したコンテンツベクトルに基づいて、前記ユーザプロファイルを作成し、
前記類似度算出部は、前記イベントプロファイル作成部によりコンテンツベクトルを短縮したイベントプロファイルと、前記ユーザプロファイル作成部により作成されたユーザプロファイルを対比して、両プロファイルの類似度を算出する請求項２記載のプロファイル生成装置。 - 前記イベントプロファイル作成部は、前記イベントプロファイルを構成するコンテンツベクトルに対し、前記所定の語に関して計算した重みを用いて所定の演算を行い、計算環境に応じて、特定の閾値よりも重みの低い要素、又は重みの高い要素から特定数の要素以外の要素に対し、コンテンツベクトルにおいて重みを０とすることにより、コンテンツベクトルを短縮する請求項５記載のプロファイル生成装置。
- コメントを投稿して他のユーザとコミュニケーションを図るサービスを提供する第１のソーシャルネットワーキングサービスにおいて自身の第１のアカウントを保有しており、かつ、前記第１のソーシャルネットワーキングサービスとは異なるものであって、実際に訪れた場所の位置情報と共にコメントを投稿して他のユーザとコミュニケーションを図るサービスを提供する第２のソーシャルネットワーキングサービスにおいて自身の第２のアカウントを保有しており、所定の情報の推薦を希望するユーザを前記第１のアカウントのデータ及び前記第２のアカウントのデータと共に登録する登録部と、
前記登録部に登録されている前記第１のアカウントのデータを取得し、前記所定の情報の推薦を希望するユーザにより追従されている他のユーザのアカウントのデータを取得する第１の取得部と、
前記第１のソーシャルネットワーキングサービスの提供を受けている全ユーザのアカウントのデータを取得し、何人のユーザから追従されているかを示すユーザ数と、前記所定の情報についての発言の回数を、ユーザごとに取得する第２の取得部と、
前記第１の取得部により取得された上記他のユーザのアカウントのデータに基づいて、第１の条件を満たすユーザを前記他のユーザの中から抽出し、前記第２の取得部により取得された上記ユーザ数と上記発言の回数に基づいて、第２の条件を満たすユーザを前記全ユーザの中から抽出し、当該抽出したユーザを第１の関連ユーザとして特定する第１の関連ユーザ特定部と、
前記登録部に登録されている前記第２のアカウントのデータを取得し、投稿された位置情報に基づいて、前記所定の情報の推薦を希望するユーザの行動形態を解析し、当該行動形態に類似する他のユーザを前記第２のソーシャルネットワーキングサービスの中から特定し、当該他のユーザのアカウントのデータを抽出する抽出部と、
前記抽出部で抽出したアカウントのデータを解析し、当該アカウントと連携するアカウントが前記第１のソーシャルネットワーキングサービス内に存在するか否かを判断する判断部と、
前記判断部により連携するアカウントが前記第１のソーシャルネットワーキングサービス内に存在すると判断された場合、当該アカウントの所有者を第２の関連ユーザとして特定する第２の関連ユーザ特定部と、
前記第１の関連ユーザ及び前記第２の関連ユーザが話題にしている情報を前記第１のソーシャルネットワーキングサービスにより提供されているそれぞれのアカウントのデータから解析し、前記所定の情報の推薦を希望するユーザのユーザプロファイルを作成するユーザプロファイル作成部を備えるコンピュータを、プロファイル生成装置として機能させるプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012084949A JP5892839B2 (ja) | 2011-04-06 | 2012-04-03 | プロファイル生成装置及びプログラム |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011084232 | 2011-04-06 | ||
| JP2011084232 | 2011-04-06 | ||
| JP2012084949A JP5892839B2 (ja) | 2011-04-06 | 2012-04-03 | プロファイル生成装置及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2012226741A true JP2012226741A (ja) | 2012-11-15 |
| JP5892839B2 JP5892839B2 (ja) | 2016-03-23 |
Family
ID=47276781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012084949A Active JP5892839B2 (ja) | 2011-04-06 | 2012-04-03 | プロファイル生成装置及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5892839B2 (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014153934A (ja) * | 2013-02-08 | 2014-08-25 | Nippon Telegr & Teleph Corp <Ntt> | ユーザ属性推定器構築方法、ユーザ属性推定方法、装置、及びプログラム |
| JP2015095663A (ja) * | 2013-11-08 | 2015-05-18 | アルパイン株式会社 | 放送受信機 |
| JP2016015004A (ja) * | 2014-07-02 | 2016-01-28 | 富士ゼロックス株式会社 | 情報処理装置、情報処理システム及び情報処理プログラム |
| JP2020009453A (ja) * | 2019-07-19 | 2020-01-16 | Ａｉｑ株式会社 | 情報処理装置及びプログラム |
| JP2021140538A (ja) * | 2020-03-06 | 2021-09-16 | 楽天グループ株式会社 | 映画推奨装置、映画推奨方法、及び映画推奨プログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1166081A (ja) * | 1997-08-12 | 1999-03-09 | N T T Data:Kk | プロファイル取得システム、情報提供システム、プロファイル取得方法及び媒体 |
| US20090249451A1 (en) * | 2008-03-31 | 2009-10-01 | Yahoo!, Inc. | Access to Trusted User-Generated Content Using Social Networks |
| US20100076968A1 (en) * | 2008-05-27 | 2010-03-25 | Boyns Mark R | Method and apparatus for aggregating and presenting data associated with geographic locations |
-
2012
- 2012-04-03 JP JP2012084949A patent/JP5892839B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1166081A (ja) * | 1997-08-12 | 1999-03-09 | N T T Data:Kk | プロファイル取得システム、情報提供システム、プロファイル取得方法及び媒体 |
| US20090249451A1 (en) * | 2008-03-31 | 2009-10-01 | Yahoo!, Inc. | Access to Trusted User-Generated Content Using Social Networks |
| US20100076968A1 (en) * | 2008-05-27 | 2010-03-25 | Boyns Mark R | Method and apparatus for aggregating and presenting data associated with geographic locations |
Non-Patent Citations (2)
| Title |
|---|
| 澤井 里枝: "ＳＮＳを利用した協調フィルタリングによる番組推薦手法", 情報処理学会研究報告 平成２２年度▲４▼ ［ＣＤ−ＲＯＭ］, JPN6016002229, 15 December 2010 (2010-12-15), JP, pages 1 - 8, ISSN: 0003242296 * |
| 矢橋 司: "ソーシャルメディアのワザ帳 【定期ＰＯＳＴ】第１０回散らばった投稿を１つにまとめるワザ", ＭＡＣ ＦＡＮ 第２０巻 第２号, vol. 第20巻, JPN6016002234, 1 February 2012 (2012-02-01), JP, pages １９１ページ, ISSN: 0003242297 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014153934A (ja) * | 2013-02-08 | 2014-08-25 | Nippon Telegr & Teleph Corp <Ntt> | ユーザ属性推定器構築方法、ユーザ属性推定方法、装置、及びプログラム |
| JP2015095663A (ja) * | 2013-11-08 | 2015-05-18 | アルパイン株式会社 | 放送受信機 |
| JP2016015004A (ja) * | 2014-07-02 | 2016-01-28 | 富士ゼロックス株式会社 | 情報処理装置、情報処理システム及び情報処理プログラム |
| JP2020009453A (ja) * | 2019-07-19 | 2020-01-16 | Ａｉｑ株式会社 | 情報処理装置及びプログラム |
| JP2021140538A (ja) * | 2020-03-06 | 2021-09-16 | 楽天グループ株式会社 | 映画推奨装置、映画推奨方法、及び映画推奨プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5892839B2 (ja) | 2016-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6360228B2 (ja) | オンライン・ソーシャル・ネットワーク用のクライアント側検索テンプレート | |
| US9998796B1 (en) | Enhancing live video streams using themed experiences | |
| AU2012312858B2 (en) | Structured objects and actions on a social networking system | |
| US8909515B2 (en) | Dynamic sentence formation from structured objects and actions in a social networking system | |
| US8793593B2 (en) | Integrating structured objects and actions generated on external systems into a social networking system | |
| US9032290B2 (en) | Tool for creating structured objects and actions on a social networking system | |
| US10057199B2 (en) | Ranking and filtering comments based on impression calculations | |
| JP6420481B2 (ja) | オンライン・ソーシャル・ネットワーク上のキー・オーサーによるコンテンツの検索 | |
| US10216803B2 (en) | Ranking and filtering comments based on author and content | |
| US10545969B2 (en) | Ranking and filtering comments based on audience | |
| JP5560103B2 (ja) | 番組推薦装置及び番組推薦プログラム | |
| US10133710B2 (en) | Generating preview data for online content | |
| US10482090B2 (en) | Ranking and filtering comments based on feed interaction history | |
| US20130073568A1 (en) | Ranking structured objects and actions on a social networking system | |
| US20180349503A1 (en) | Multimedia Search Using Reshare Text on Online Social Networks | |
| US9672530B2 (en) | Supporting voting-based campaigns in search | |
| US20170140051A1 (en) | Ranking and Filtering Comments Based on Labelling | |
| JP2010170436A (ja) | インターネットのウェブページ（デジタルコンテンツ）内の任意のキーワードにレコメンド広告を配信して表示する方法、およびその広告の品質の評価方法、ならびにその品質評価に基づいて課金する方法。 | |
| JP5892839B2 (ja) | プロファイル生成装置及びプログラム | |
| US20140089239A1 (en) | Methods, Apparatuses and Computer Program Products for Providing Topic Model with Wording Preferences | |
| US8886799B1 (en) | Identifying a similar user identifier | |
| JP2014200007A (ja) | 推薦プログラム、推薦情報受信プログラム、推薦方法、推薦情報受信方法及び推薦装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150302 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160115 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160126 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160223 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5892839 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |