JP2013025324A - レコメンド装置、レコメンド方法およびプログラム - Google Patents

Abstract

【課題】時と場所および状況に合致し、かつ、ユーザがお気に入りのアプリケーションを推薦する。
【解決手段】各種センサーから得られる情報からユーザの状況を推定し、少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する。そして、状況推定処理と嗜好推定処理とを並列に実行し、状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する。
【選択図】図５

Description

本発明は、時と場所および状況に合致し、かつ、ユーザがお気に入りのアプリケーションを推薦するレコメンド装置、レコメンド方法およびプログラムに関する。

近年、ユーザの履歴情報などを基にユーザの嗜好を推測し、ユーザの嗜好に適合すると推測されるコンテンツなどを自動的にレコメンドする「レコメンドサービス」が盛んに行われている。このようなレコメンドサービスにおいて利用されている代表的な技術が「協調フィルタリング」と呼ばれているものである。この協調フィルタリングは、購買履歴や閲覧履歴等のユーザの履歴情報を、各ユーザ間、あるいは各コンテンツ間で比較することでユーザ間の類似性を定義し、その類似性を元にユーザが興味を持つと予測されるコンテンツをレコメンド結果として出力する手法である。この協調フィルタリングについては、自動化や高速化等の改良技術が知られている（例えば、非特許文献１、非特許文献２、非特許文献３参照。）。

また、ユーザ属性とコンテンツ属性とユーザのコンテンツ評価とユーザ属性およびコンテンツ属性の両方に依存関係のある共通属性とに関する各確率変数から構築したベイジアンネットワークモデルを用いて、特定ユーザに推薦するコンテンツを決定することを可能とする技術も知られている（例えば、特許文献１参照）。

特開２００７−５８３９８号公報

Ｐ.Ｒｅｓｎｉｃｋ, Ｎ.Ｉａｃｏｖｏｕ, Ｍ.Ｓｕｃｈａｋ, Ｐ.Ｂｅｒｇｓｔｒｏｍ, ａｎｄ Ｊ.Ｒｉｅｄｌ. "ＧｒｏｕｐＬｅｎｓ： Ｏｐｅｎ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ ｏｆ Ｎｅｔｎｅｗｓ" Ｉｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｓｕｐｐｏｒｔｅｄ Ｃｏｏｐｅｒａｔｉｖｅ Ｗｏｒｋ, ｐｐ. １７５−１８６ （１９９４） Ｔ.Ｈｏｆｍａｎｎ ａｎｄ Ｊ.Ｐｕｚｉｃｈａ, "Ｌａｔｅｎｔ Ｃｌａｓｓ Ｍｏｄｅｌｓ ｆｏｒ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ", １６ｔｈ ＩＪＣＡＩ （１９９９） 百田信, 伊東栄典，"ソーシャルブックマークに基づく情報発見,"ＤＥＷＳ ２００８, Ｉ１−１５, Ｍａｒ.２００８. 佐藤 亮，川島 英之，北川 博之，"ベイジアンネットワークを用いた確率的データストリーム処理システムの提案、"Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ ＤＢＳＪ Ｖｏｌ.７, Ｎｏ.１

しかしながら、特許文献１のような手法では、非特許文書４が指摘している通り、ベイジアンネットはノード数の増加とともに確率計算の処理時間が増大するという問題があるため、決め細やかなコンテンツ毎のレコメンドを行おうとすると、センサー数やコンテンツ数、あるいは設定する属性数等に応じて処理時間が爆発的に増大し、レコメンドシステムとして実用的な応答速度を保つことが困難となる。また、非特許文献１〜３の手法では、ユーザの履歴情報のみに基づくレコメンド方法であるため、ユーザの現在の状況をも加味したコンテンツのレコメンドができないという問題があった。

そこで、本発明は、上述の課題に鑑みてなされたものであり、時と場所および状況に合致し、かつ、ユーザがお気に入りのアプリケーションを推薦するレコメンド装置、レコメンド方法およびプログラムを提供することを目的とする。

本発明は、上記の課題を解決するために、以下の事項を提案している。なお、理解を容易にするために、本発明の実施形態に対応する符号を付して説明するが、これに限定されるものではない。

（１）本発明は、各種センサーから得られる情報からユーザの状況を推定する状況推定処理手段（例えば、図１の状況推定部１２０に相当）と、少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する嗜好推定処理手段（例えば、図１の嗜好推定部１４０に相当）と、前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段（例えば、図１のアプリケーション提示部１５０に相当）と、を備えたことを特徴とするレコメンド装置を提案している。

この発明によれば、状況推定処理手段は、各種センサーから得られる情報からユーザの状況を推定する。嗜好推定処理手段は、少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する。推薦アプリケーション提示手段は、前記状況推定処理と嗜好推定処理とを並列に実行し、状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する。したがって、時と場所および状況に合致し、かつ、ユーザがお気に入りのアプリケーションを推薦することができる。

（２）本発明は、（１）のレコメンド装置について、前記状況推定処理手段が、各種センサーから得られる情報を取得し、取得した情報から推薦するコンテンツの種類を決定することを特徴とするレコメンド装置を提案している。

この発明によれば、状況推定処理手段は、各種センサーから得られる情報を取得し、取得した情報から推薦するコンテンツの種類を決定する。したがって、現在の状況の推定およびこれに基づく適切なアプリケーションあるいは、不適切なアプリケーションを分類することができる。

（３）本発明は、（１）のレコメンド装置について、前記嗜好推定処理手段が、前記履歴データベースからユーザの履歴情報を取得し、該取得した情報から前記ユーザの嗜好に応じたコンテンツを決定することを特徴とするレコメンド装置を提案している。

この発明によれば、嗜好推定処理手段が、履歴データベースからユーザの履歴情報を取得し、取得した情報からユーザの嗜好に応じたコンテンツを決定する。つまり、状況推定処理手段が、各種センサーから得られる情報を取得し、取得した情報から推薦するコンテンツの種類を決定し、嗜好推定処理手段が、履歴データベースからユーザの履歴情報を取得し、取得した情報からユーザの嗜好に応じたコンテンツを決定することから、時と場所および状況に合致し、かつ、ユーザがお気に入りのアプリケーションを推薦することができる。

（４）本発明は、（３）のレコメンド装置について、前記嗜好推定処理手段が、前記状況推定処理手段とは独立して、前記ユーザにおけるコンテンツの嗜好を推定することを特徴とするレコメンド装置を提案している。

この発明によれば、嗜好推定処理手段が、状況推定処理手段とは独立して、ユーザにおけるコンテンツの嗜好を推定する。したがって、ユーザが嗜好するコンテンツおよびユーザが多く利用しているコンテンツを抽出することができる。

（５）本発明は、（１）のレコメンド装置について、前記状況推定処理手段が、前記各種センサーから得たアプリケーションを推薦するユーザの情報から該ユーザの状況を推定し、前記嗜好推定処理手段が、前記履歴データベースから得たアプリケーションを推薦するユーザの履歴情報から該ユーザの嗜好を推定することを特徴とするレコメンド装置を提案している。

この発明によれば、状況推定処理手段が、各種センサーから得たアプリケーションを推薦するユーザの情報からユーザの状況を推定し、嗜好推定処理手段が、履歴データベースから得たアプリケーションを推薦するユーザの履歴情報からユーザの嗜好を推定する。したがって、嗜好推定処理手段が、ユーザ個人の履歴情報からユーザの嗜好を推定するため、状況に合致し、ユーザがそのような状況でいつも選択するアプリケーションを推薦することができる。

（６）本発明は、（１）のレコメンド装置について、前記状況推定処理手段が、前記各種センサーから得たアプリケーションを推薦するユーザ以外の複数のユーザの情報から該ユーザの状況を推定し、前記嗜好推定処理手段が、前記履歴データベースから得たアプリケーションを推薦するユーザ以外の複数のユーザの履歴情報から該ユーザの嗜好を推定することを特徴とするレコメンド装置を提案している。

この発明によれば、嗜好推定処理手段が、ユーザ以外の複数のユーザの履歴情報からユーザの嗜好を推定することから、現在の状況に適合しつつ、ユーザが今まで選択したことのないアプリケーションを推薦することができる。また、嗜好推定手段と状況推定手段とが独立した簡素なアルゴリズムで実装が可能なため、実用的なレコメンドシステムを実現する。加えて、嗜好推定手段が状況推定手段と独立しているため、状況推定の結果を多数の嗜好推定の手段と合わせて多種多様なレコメンドを実現可能としている。例えば、端末内での利用回数を元によく利用するアプリを状況に応じて推薦したり、他者の利用履歴と照らし合わせてまだ取得していないアプリを状況に応じて推薦したり、といったレコメンドを、一回のみの状況推定を共通に利用することで行うことができる。

（７）本発明は、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する状況推定処理手段（例えば、図１の状況推定部１２０に相当）と、該アプリケーションを推薦するユーザの履歴情報を格納する格納手段（例えば、図１の履歴格納部１３０に相当）と、前記格納手段に格納された履歴情報から嗜好を推定する嗜好推定処理手段（例えば、図１の嗜好推定部１４０に相当）と、前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、前記ユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段（例えば、図１のアプリケーション提示部１５０に相当）と、を備えたことを特徴とするレコメンド装置を提案している。

この発明によれば、状況推定処理手段は、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する。格納手段は、アプリケーションを推薦するユーザの履歴情報を格納する。嗜好推定処理手段は、格納手段に格納された履歴情報から嗜好を推定する。推薦アプリケーション提示手段は、状況推定処理と嗜好推定処理とを並列に実行し、状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する。したがって、嗜好推定処理手段が、ユーザ個人の履歴情報からユーザの嗜好を推定するため、状況に合致し、ユーザがそのような状況でいつも選択するアプリケーションを推薦することができる。

（８）本発明は、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する状況推定処理手段（例えば、図６の状況推定部１２０に相当）と、前記アプリケーションを推薦するユーザの履歴情報を格納する格納手段（例えば、図６の履歴格納部１３０に相当）と、各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報と前記格納手段に格納された履歴情報から嗜好を推定する嗜好推定処理手段（例えば、図６の嗜好推定部２１０に相当）と、前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段（例えば、図６のアプリケーション提示部２２０に相当）と、を備えたことを特徴とするレコメンド装置を提案している。

この発明によれば、状況推定処理手段は、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する。格納手段は、アプリケーションを推薦するユーザの履歴情報を格納する。嗜好推定処理手段は、各ユーザの履歴情報を格納した履歴データベースから得られる履歴情報と格納手段に格納された履歴情報から嗜好を推定する。推薦アプリケーション提示手段は、状況推定処理と嗜好推定処理とを並列に実行し、状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する。したがって、嗜好推定処理手段が、複数のユーザの履歴情報からユーザの嗜好を推定することから、現在の状況に適合しつつ、ユーザが今まで選択したことのないアプリケーションを推薦することができる。

（９）本発明は、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する状況推定処理手段（例えば、図８の状況推定部１２０に相当）と、該アプリケーションを推薦するユーザの履歴情報を格納する格納手段（例えば、図８の履歴格納部１３０に相当）と、前記格納手段に格納された履歴情報からユーザの嗜好を推定する嗜好推定処理手段（例えば、図８の嗜好推定部３１０に相当）と、該推定結果と前記状況推定処理手段の推定結果とからユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段（例えば、図８のアプリケーション提示部３２０に相当）と、を備えたことを特徴とするレコメンド装置を提案している。

この発明によれば、状況推定処理手段は、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する。格納手段は、アプリケーションを推薦するユーザの履歴情報を格納する。嗜好推定処理手段は、格納手段に格納された履歴情報からユーザの嗜好を推定する。推薦アプリケーション提示手段は、該推定結果と前記状況推定処理手段の推定結果とからユーザに適切なアプリケーションを推薦する。したがって、処理手順を直列に構成し、状況推定処理手段において、コンテンツの種類を特定し、この情報と格納手段に格納された履歴情報とからユーザの嗜好を推定するため、状況に合致し、ユーザがそのような状況でいつも選択するアプリケーションを推薦することができる。

（１０）本発明は、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する状況推定処理手段（例えば、図１０の状況推定部１２０に相当）と、前記アプリケーションを推薦するユーザの履歴情報を格納する格納手段（例えば、図１０の履歴格納部１３０に相当）と、各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベース（例えば、図１０の履歴データベース２３０に相当）から得られる履歴情報と前記格納手段に格納された履歴情報とからユーザの嗜好を推定する嗜好推定処理手段（例えば、図１０の嗜好推定部４１０に相当）と、該推定結果と前記状況推定処理手段の推定結果とからユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段（例えば、図１０のアプリケーション提示部４２０に相当）と、を備えたことを特徴とするレコメンド装置を提案している。

この発明によれば、状況推定処理手段は、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する。格納手段は、アプリケーションを推薦するユーザの履歴情報を格納する。嗜好推定処理手段は、各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報と格納手段に格納された履歴情報とからユーザの嗜好を推定する。推薦アプリケーション提示手段は、推定結果と状況推定処理手段の推定結果とからユーザに適切なアプリケーションを推薦する。したがって、処理手順を直列に構成し、状況推定処理手段において、コンテンツの種類を特定し、この情報と履歴データベースから得られる履歴情報と格納手段に格納された履歴情報とからユーザの嗜好を推定するため、現在の状況に適合しつつ、ユーザが今まで選択したことのないアプリケーションを推薦することができる。

（１１）本発明は、（１）、（２）、（５）から（１０）のレコメンド装置について、前記状況推定処理手段が、ベイジアンネットを用いて、前記アプリケーションを推薦するユーザの状況を推定することを特徴とするレコメンド装置を提案している。

この発明によれば、状況推定処理手段が、ベイジアンネットを用いて、アプリケーションを推薦するユーザの状況を推定する。

（１２）本発明は、（１）から（１１）のレコメンド装置を備えた携帯電話を提案している。

（１３）本発明は、各種センサーから得られる情報からユーザの状況を推定する第１のステップ（例えば、図５のステップＳ１０１に相当）と、少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する第２のステップ（例えば、図５のステップＳ１０２に相当）と、前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する第３のステップ（例えば、図５のステップＳ１０３に相当）と、を備えたことを特徴とするレコメンド方法を提案している。

この発明によれば、各種センサーから得られる情報からユーザの状況を推定し、少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する。そして、状況推定処理と嗜好推定処理とを並列に実行し、状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する。したがって、時と場所および状況に合致し、かつ、ユーザがお気に入りのアプリケーションを推薦することができる。

（１４）本発明は、各種センサーから得られる情報からユーザの状況を推定する第１のステップ（例えば、図５のステップＳ１０１に相当）と、少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する第２のステップ（例えば、図５のステップＳ１０２に相当）と、前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する第３のステップ（例えば、図５のステップＳ１０３に相当）と、をコンピュータに実行させるためのプログラムを提案している。

この発明によれば、各種センサーから得られる情報からユーザの状況を推定し、少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する。そして、状況推定処理と嗜好推定処理とを並列に実行し、状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する。したがって、時と場所および状況に合致し、かつ、ユーザがお気に入りのアプリケーションを推薦することができる。

本発明によれば、嗜好推定処理手段が、履歴データベースからユーザの履歴情報を取得し、取得した情報からユーザの嗜好に応じたコンテンツを決定する。つまり、状況推定処理手段が、各種センサーから得られる情報を取得し、取得した情報から推薦するコンテンツの種類を決定し、嗜好推定処理手段が、履歴データベースからユーザの履歴情報を取得し、取得した情報からユーザの嗜好に応じたコンテンツを決定することから、時と場所および状況に合致し、かつ、ユーザがお気に入りのアプリケーションを推薦することができるという効果がある。また、状況推定処理手段は、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定し、格納手段は、アプリケーションを推薦するユーザの履歴情報を格納し、推薦アプリケーション提示手段は、格納手段に格納された履歴情報からユーザの嗜好を推定するとともに、推定結果と状況推定処理手段の推定結果とからユーザに適切なアプリケーションを推薦する。したがって、処理手順を直列に構成し、状況推定処理手段において、コンテンツの種類を特定し、この情報と格納手段に格納された履歴情報とからユーザの嗜好を推定するため、状況に合致し、ユーザがそのような状況でいつも選択するアプリケーションを推薦することができるという効果がある。

本発明の第１の実施形態に係るレコメンド装置の構成を示す図である。 本発明の第１の実施形態に係るレコメンド装置の処理過程を具体的に示す図である。 本発明の第１の実施形態に係るレコメンド装置に用いるベイジアンネットの処理過程を具体的に示す図である。 本発明の第１の実施形態に係るレコメンド装置に用いる協調フィルタリングの処理過程を具体的に示す図である。 本発明の第１の実施形態に係るレコメンド装置の処理を示す図である。 本発明の第２の実施形態に係るレコメンド装置の構成を示す図である。 本発明の第２の実施形態に係るレコメンド装置の処理を示す図である。 本発明の第１の実施形態の変形例に係るレコメンド装置の構成を示す図である。 本発明の第１の実施形態の変形例に係るレコメンド装置の処理を示す図である。 本発明の第２の実施形態の変形例に係るレコメンド装置の構成を示す図である。 本発明の第２の実施形態の変形例に係るレコメンド装置の処理を示す図である。

なお、本実施形態における構成要素は適宜、既存の構成要素等との置き換えが可能であり、また、他の既存の構成要素との組合せを含む様々なバリエーションが可能である。したがって、本実施形態の記載をもって、特許請求の範囲に記載された発明の内容を限定するものではない。

＜第１の実施形態＞
図１から図５を用いて、本発明の第１の実施形態について説明する。

＜レコメンド装置の構成＞
図１を用いて、本実施形態に係るレコメンド装置の構成について説明する。なお、本実施形態は、状況を推定する状況推定部の処理と嗜好を推定する嗜好推定部の処理とを並列で実行し、これらの結果を統合して、ユーザに適切なアプリケーションを提示するものであり、特に、ユーザ個人の履歴情報から状況に合致したいつも使うアプリケーションを提示するものである。

本実施形態に係るレコメンド装置１０００は、図１に示すように、センサー部１１０と、状況推定部１２０と、履歴格納部１３０と、嗜好推定部１４０と、アプリケーション提示部１５０とから構成されている。なお、本実施形態においては、レコメンド装置１０００が、ユーザの携帯電話に内蔵されている場合を想定して説明する。

センサー部１１０は、場所を検出するＧＰＳや日時を検出するセンサーや傾きを検出する地軸センサー、加速度を検出する加速度センサー等からユーザの現在の状況を取得する。

状況推定部１２０は、センサー部１１０から得られる情報からユーザの状況を推定する。この推定には、例えば、ベイジアンネットが用いられる。ここで、ベイジアンネットとは、因果関係を確率遷移で記述するグラフィカルモデルの１つで、複雑な因果関係の推論を有向グラフ構造により表すとともに、個々のノード間の関係を条件つき確率で表す確率推論のモデルである。状況推定部１２０は、ベイジアンネットを用いて、推薦するコンテンツの種類を決定する。

図３を用いて、具体的に説明すると、この例では、７つのセンサーから７つのセンサー値が得られる。なお、センサー値は、取得したデータをまとめて、「０」または「１」で表現する。次に、センサーからの入力値に基づいて、状態確率を定義する。センサーの入力値については、例えば、取得した時間が平日の午前９時から午後６時である場合には、センサー値ｄ１として１を、そうでないときは０を返却する。また、例えば、取得したＧＰＳを、過去のＧＰＳの蓄積情報と照合し、普段の生活位置から１ｋｍ以内の場合には、センサー値ｄ２として１を、そうでないときは０を返却する。これらのような複数のセンサー値を元に、例えば、今ユーザの置かれている場所が自宅に近いか、会社に近いかといった、状態を示す確率Ｄ１からＤ３を、過去のセンサー値との統計データをもとに定義する。同様に、各状態Ｄ１からＤ３のときの各種アプリケーション起動確率（条件付き確率）の全体的な統計データを利用して確率的な許容度合Ｔ１からＴ４を推定する。このように定義した状態確率を元に、７つまたは７つ未満のセンサー値から各種アプリケーションの許容度合を推測することができるようになる。

履歴格納部１３０は、アプリケーションを推薦するユーザの履歴情報を格納する。具体的には、ユーザが携帯電話を用いて、アプリケーションを利用する度に、その情報を記憶する。

嗜好推定部１４０は、履歴格納部１３０に格納された履歴情報からユーザの嗜好を推定する。この推定には、例えば、協調フィルタリングが用いられる。ここで、協調フィルタリングとは、多くのユーザの嗜好情報を蓄積し、あるユーザと嗜好の類似した他のユーザの情報を用いて自動的に推論を行う方法論である。嗜好推定部１４０は、履歴格納部１３０に格納された履歴情報からユーザの嗜好に応じたコンテンツを決定する。

図４を用いて、具体的に説明すると、この例では、６種類の音楽を縦軸に、５人のユーザを横軸にした表を作成し、各ユーザが気に入っている音楽に「○」をつける。次に、ユーザ１にレコメンドをする場合を想定する場合、ユーザ１と他のユーザとを行単位で比較して、類似度を算出する。この例では、ユーザ２の類似度は、「０．２０」、ユーザ３の類似度は、「０．６０」、ユーザ４の類似度は、「０．２０」、ユーザ５の類似度は、「０．３３」となる。なお、この例では、「同時に購入した数といずれかが購入した数の比」を類似度としている。次に、ユーザ１とユーザ３との類似度を基に、音楽４および音楽６の推薦度を算出する。なお、ここでは、類似度とコンテンツを持っているか、いないかの乗算和により、推薦度を算出している。この結果、音楽６の方が音楽４よりも高い推薦度となるため、ユーザ１には、音楽６をレコメンドすることになる。

アプリケーション提示部１５０は、状況推定部１２０の処理と嗜好推定部１４０の処理とを並列に実行し、状況推定部１２０と嗜好推定部１４０の処理結果を統合して、ユーザに適切なアプリケーションを推薦する。

図２を用いて、具体的に説明すると、状況推定部１２０は、センサー部１１０から得られる情報からアプリケーションの種類について数値化する。一方で、嗜好推定部１４０は、履歴格納部１３０に格納された履歴情報からアプリケーションについて数値化する。そして、これらの値を乗算して、各アプリケーションのスコアを算出し、スコアの高い順番にレコメンドを行う。

＜レコメンド装置の処理＞
図５を用いて、本実施形態に係るレコメンド装置の処理について説明する。

まず、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する（ステップＳ１０１）。次に、アプリケーションを推薦するユーザの履歴情報から嗜好を推定する（ステップＳ１０２）。そして、ステップＳ１０１の処理とステップＳ１０２の処理とを並列に実行し、その処理結果を統合して、ユーザに適切なアプリケーションを推薦する（ステップＳ１０３）。

以上、説明したように、本実施形態によれば、嗜好推定処理部が、ユーザ個人の履歴情報からユーザの嗜好を推定するため、状況に合致し、ユーザがそのような状況でいつも選択するアプリケーションを推薦することができる。

＜第２の実施形態＞
図６および図７を用いて、本発明の第２の実施形態について説明する。

＜レコメンド装置の構成＞
図６を用いて、本実施形態に係るレコメンド装置の構成について説明する。なお、本実施形態は、状況を推定する状況推定部の処理と嗜好を推定する嗜好推定部の処理とを並列で実行し、これらの結果を統合して、ユーザに適切なアプリケーションを提示するものであり、特に、複数のユーザの履歴情報から状況に合致した未登録のアプリケーションを提示するものである。

本実施形態に係るレコメンド装置１０００は、図６に示すように、センサー部１１０と、状況推定部１２０と、履歴格納部１３０と、嗜好推定部２１０と、アプリケーション提示部２２０とから構成され、嗜好推定部２１０は、ネットワークを介して、履歴データベース２３０と接続されている。なお、本実施形態においては、レコメンド装置１０００が、ユーザの携帯電話に内蔵されている場合を想定して説明する。また、第１の実施形態と同一の符号を付す構成要素については、同様の機能を有することからその詳細な説明は省略する。

嗜好推定部２１０は、各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベース２３０から得られる履歴情報と履歴格納部１３０に格納されたアプリケーションを推薦するユーザの履歴情報から嗜好を推定する。

アプリケーション提示部２２０は、状況推定部１２０の処理と嗜好推定部２１０の処理とを並列に実行し、状況推定部１２０と嗜好推定部２１０の処理結果を統合して、ユーザに適切なアプリケーションを推薦する。

＜レコメンド装置の処理＞
図７を用いて、本実施形態に係るレコメンド装置の処理について説明する。

まず、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する（ステップＳ２０１）。次に、各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベース２３０から得られる履歴情報と履歴格納部１３０に格納されたアプリケーションを推薦するユーザの履歴情報から嗜好を推定する（ステップＳ２０２）。そして、ステップＳ２０１の処理とステップＳ２０２の処理とを並列に実行し、その処理結果を統合して、ユーザに適切なアプリケーションを推薦する（ステップＳ２０３）。

以上、説明したように、本実施形態によれば、嗜好推定部が、複数のユーザの履歴情報をも用いて、ユーザの嗜好を推定することから、現在の状況に適合しつつ、ユーザが今まで選択したことのないアプリケーションを推薦することができる。

＜第１の実施形態の変形例＞
図８および図９を用いて、本発明の第１の実施形態の変形例について説明する。

＜レコメンド装置の構成＞
図８を用いて、本実施形態に係るレコメンド装置の構成について説明する。なお、第１の実施形態では、状況を推定する状況推定部の処理と嗜好を推定する嗜好推定部の処理とを並列で実行する例について説明したが、本実施形態では、状況を推定する状況推定部の処理と嗜好を推定する嗜好推定部の処理とを直列に実行する。

本実施形態に係るレコメンド装置１０００は、図８に示すように、センサー部１１０と、状況推定部１２０と、履歴格納部１３０と、嗜好推定部３１０と、アプリケーション提示部３２０とから構成されている。なお、本実施形態においては、レコメンド装置１０００が、ユーザの携帯電話に内蔵されている場合を想定して説明する。また、第１の実施形態と同一の符号を付す構成要素については、同様の機能を有する。

嗜好推定部３１０は、状況推定部１２０の結果を元に、対象となるアプリケーションの種類を限定し、履歴格納部１３０に格納された履歴情報からユーザの嗜好を推定する。この推定には、例えば、協調フィルタリングが用いられる。ここで、協調フィルタリングとは、多くのユーザの嗜好情報を蓄積し、あるユーザと嗜好の類似した他のユーザの情報を用いて自動的に推論を行う方法論である。嗜好推定部３１０は、履歴格納部１３０に格納された、状況推定部１２０において許容度合の高いアプリケーションの履歴情報のみを取得し、ユーザの嗜好に応じたコンテンツを決定する。

アプリケーション提示部３２０は、嗜好推定部３１０において推定された、ユーザに適切なアプリケーションを推薦する。

＜レコメンド装置の処理＞
図９を用いて、本実施形態に係るレコメンド装置の処理について説明する。

まず、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する（ステップＳ３０１）。次に、アプリケーションを推薦するユーザの履歴情報からユーザの嗜好を推定するとともに、その推定結果と状況推定部１２０の推定結果とからユーザに適切なアプリケーションを推薦する（ステップＳ３０２）。

以上、説明したように、本実施形態によれば、処理手順を直列に構成し、状況推定部において、コンテンツの種類を特定し、この情報と履歴格納部に格納されたユーザ個人の履歴情報とからユーザの嗜好を推定するため、状況に合致し、ユーザがそのような状況でいつも選択するアプリケーションを推薦することができる。

＜第２の実施形態の変形例＞
図１０および図１１を用いて、本発明の第２の実施形態の変形例について説明する。

＜レコメンド装置の構成＞
図１０を用いて、本実施形態に係るレコメンド装置の構成について説明する。なお、第２の実施形態では、状況を推定する状況推定部の処理と嗜好を推定する嗜好推定部の処理とを並列で実行する例について説明したが、本実施形態では、状況を推定する状況推定部の処理と嗜好を推定する嗜好推定部の処理とを直列に実行する。

本実施形態に係るレコメンド装置１０００は、図１０に示すように、センサー部１１０と、状況推定部１２０と、履歴格納部１３０と、嗜好推定部４１０と、アプリケーション提示部４２０とから構成されている。また、第１の実施形態と同一の符号を付す構成要素については、同様の機能を有することからその詳細な説明は省略する。

嗜好推定部４１０は、状況推定部１２０の結果を元に、対象となるアプリケーションの種類を限定し、履歴格納部１３０に格納された履歴情報と履歴データベース２３０に格納された複数のユーザの履歴情報とからユーザの嗜好を推定する。この推定には、例えば、協調フィルタリングが用いられる。ここで、協調フィルタリングとは、多くのユーザの嗜好情報を蓄積し、あるユーザと嗜好の類似した他のユーザの情報を用いて自動的に推論を行う方法論である。嗜好推定部３１０は、履歴格納部１３０および履歴データベース２３０に格納された、状況推定部１２０において許容度合の高いアプリケーションの履歴情報のみを取得し、ユーザの嗜好に応じたコンテンツを決定する。

アプリケーション提示部４２０は、嗜好推定部４１０において推定された、ユーザに適切なアプリケーションを推薦する。

＜レコメンド装置の処理＞
図１１を用いて、本実施形態に係るレコメンド装置の処理について説明する。

まず、各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する（ステップＳ４０１）。次に、履歴格納部１３０に格納されたアプリケーションを推薦するユーザの履歴情報と履歴データベース２３０に格納された複数のユーザの履歴情報とからユーザの嗜好を推定するとともに、その推定結果と状況推定部１２０の推定結果とからユーザに適切なアプリケーションを推薦する（ステップＳ４０２）。

以上、説明したように、本実施形態によれば、処理手順を直列に構成し、状況推定部において、コンテンツの種類を特定し、この情報と履歴データベースから得られる履歴情報と履歴格納部に格納されたユーザ個人の履歴情報とからユーザの嗜好を推定するため、現在の状況に適合しつつ、ユーザが今まで選択したことのないアプリケーションを推薦することができる。

なお、レコメンド装置の処理をコンピュータ読み取り可能な記録媒体に記録し、この記録媒体に記録されたプログラムをレコメンド装置に読み込ませ、実行することによって本発明のレコメンド装置を実現することができる。ここでいうコンピュータシステムとは、ＯＳや周辺装置等のハードウェアを含む。

また、「コンピュータシステム」は、ＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）システムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されても良い。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。

また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組合せで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

以上、この発明の実施形態につき、図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１１０；センサー部
１２０；状況推定部
１３０；履歴格納部
１４０；嗜好推定部
１５０；アプリケーション提示部
２１０；嗜好推定部
２２０；アプリケーション提示部
２３０；履歴データベース
３１０；嗜好推定部
３２０；アプリケーション提示部
４１０；嗜好推定部
４２０；アプリケーション提示部
１０００；レコメンド装置

Claims (14)

1. 各種センサーから得られる情報からユーザの状況を推定する状況推定処理手段と、
   少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する嗜好推定処理手段と、
   前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段と、
   を備えたことを特徴とするレコメンド装置。
2. 前記状況推定処理手段が、前記各種センサーから得られる情報を取得し、該取得した情報から推薦するコンテンツの種類を決定することを特徴とする請求項１に記載のレコメンド装置。
3. 前記嗜好推定処理手段が、前記履歴データベースからユーザの履歴情報を取得し、該取得した情報から前記ユーザの嗜好に応じたコンテンツを決定することを特徴とする請求項１に記載のレコメンド装置。
4. 前記嗜好推定処理手段が、前記状況推定処理手段とは独立して、前記ユーザにおけるコンテンツの嗜好を推定することを特徴とする請求項３に記載のレコメンド装置。
5. 前記状況推定処理手段が、前記各種センサーから得たアプリケーションを推薦するユーザの情報から該ユーザの状況を推定し、前記嗜好推定処理手段が、前記履歴データベースから得たアプリケーションを推薦するユーザの履歴情報から該ユーザの嗜好を推定することを特徴とする請求項１に記載のレコメンド装置。
6. 前記状況推定処理手段が、前記各種センサーから得たアプリケーションを推薦するユーザ以外の複数のユーザの情報から該ユーザの状況を推定し、前記嗜好推定処理手段が、前記履歴データベースから得たアプリケーションを推薦するユーザ以外の複数のユーザの履歴情報から該ユーザの嗜好を推定することを特徴とする請求項１に記載のレコメンド装置。
7. 各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する状況推定処理手段と、
   該アプリケーションを推薦するユーザの履歴情報を格納する格納手段と、
   前記格納手段に格納された履歴情報から嗜好を推定する嗜好推定処理手段と、
   前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、前記ユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段と、
   を備えたことを特徴とするレコメンド装置。
8. 各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する状況推定処理手段と、
   前記アプリケーションを推薦するユーザの履歴情報を格納する格納手段と、
   各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報と前記格納手段に格納された履歴情報から嗜好を推定する嗜好推定処理手段と、
   前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段と、
   を備えたことを特徴とするレコメンド装置。
9. 各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する状況推定処理手段と、
   該アプリケーションを推薦するユーザの履歴情報を格納する格納手段と、
   前記格納手段に格納された履歴情報からユーザの嗜好を推定する嗜好推定処理手段と、
   該推定結果と前記状況推定処理手段の推定結果とからユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段と、
   を備えたことを特徴とするレコメンド装置。
10. 各種センサーから得られる情報からアプリケーションを推薦するユーザの状況を推定する状況推定処理手段と、
    前記アプリケーションを推薦するユーザの履歴情報を格納する格納手段と、
    各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報と前記格納手段に格納された履歴情報とからユーザの嗜好を推定する嗜好推定処理手段と、
    該推定結果と前記状況推定処理手段の推定結果とからユーザに適切なアプリケーションを推薦する推薦アプリケーション提示手段と、
    を備えたことを特徴とするレコメンド装置。
11. 前記状況推定処理手段が、ベイジアンネットを用いて、前記アプリケーションを推薦するユーザの状況を推定することを特徴とする請求項１、請求項２、請求項５から請求項１０に記載のレコメンド装置。
12. 前記請求項１から請求項１１に記載のレコメンド装置を備えた携帯電話。
13. 各種センサーから得られる情報からユーザの状況を推定する第１のステップと、
    少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する第２のステップと、
    前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する第３のステップと、
    を備えたことを特徴とするレコメンド方法。
14. 各種センサーから得られる情報からユーザの状況を推定する第１のステップと、
    少なくとも各ユーザの履歴情報を格納し、ネットワーク網により接続された履歴データベースから得られる履歴情報からユーザの嗜好を推定する第２のステップと、
    前記状況推定処理と嗜好推定処理とを並列に実行し、前記状況推定処理と嗜好推定処理の処理結果を統合して、ユーザに適切なアプリケーションを推薦する第３のステップと、
    をコンピュータに実行させるためのプログラム。

Images