JP2013069266A - コンテンツ推薦システム - Google Patents

Abstract

【課題】ユーザの嗜好および環境要因を考慮して適切なコンテンツを推薦する。
【解決手段】コンテンツ推薦システムは、集約モジュールとモデル生成モジュールと推薦モジュールとを含む。集約モジュールは、コンテンツがユーザに推薦されたときの環境を記述した状況データ、及び推薦に対するユーザのレスポンスを記述したフィードバックデータと、コンテンツデータを集約させる。モデル生成モジュールは、ユーザの動的コンテンツ嗜好を表すコンテンツ嗜好モデルを集約データに基づいて生成する。推薦モジュールは、コンテンツ嗜好モデルに基づいて、第１のコンテンツ推薦を生成する。また、推薦モジュールは、推薦に対するユーザからのフィードバックデータを受信してモデルを更新し、更新されたコンテンツ嗜好モデルに基づいて新しいコンテンツ推薦を生成する。
【選択図】図１

Description

本発明は、ユーザに対して推薦を行うためのシステム及び方法に関し、特に、コンテンツの推薦を行うことに関する。

好みの楽曲を検索したりラジオ局を頻繁に変更するなどの行為は、ドライバの注意を逸らして事故を引き起こす恐れがある。このような理由により、ドライバに音楽を推薦するためのシステムが市場で普及してきている。しかしながら、既存の音楽推薦システムは、数々の欠点を有しており、ドライバが聴きたい音楽を正確に推薦していない。

既存の推薦システムにおける１つ目の欠点は、ユーザが音楽を聴く環境に応じてユーザの音楽嗜好がどのように変化するかを考慮していないことである。これらの既存の推薦システムは、単純に、一連の音楽属性（例えば、アーティスト、ジャンル、アルバム、歌詞のタイプ、使用された楽器、テンポなど）に関するユーザの静的嗜好に基づいて音楽推薦を行う。その結果、これらのシステムは、ドライバが聴きたい音楽に影響を及ぼすその他の要因を考慮することなく同じ音楽を何度も繰り返しドライバに推薦する。既存のシステムは、ドライバの身体状態、ドライバの精神状態、ドライバが運転している道路のタイプ、周囲の交通、１日のうちの時間帯、ドライバのルーチンなどの、ユーザの音楽嗜好に影響を及ぼす外的要因を考慮する能力を持たない。

既存の推薦システムにおける２つ目の欠点は、ドライバの音楽嗜好が時とともに変化するという事実を考慮していないことである。これらのシステムは、モデルを使用して音楽推薦を生成するが、これらのモデルは、時とともに変化しない。むしろ、これらのモデルは、静的である。その結果、既存のシステムは、ユーザの音楽嗜好を記述したデータをどんどん蓄積することによって音楽推薦を精緻化することがない。

既存の推薦システムにおける３つ目の欠点は、天候などの環境的要因がドライバの音楽嗜好に及ぼす影響を考慮できないことである。その結果、これらの既存の推薦システムは、環境的要因に基づいて推薦モデルを向上させることができない。

これらのシステムにおける４つ目の問題は、これらが音楽推薦を行うことのみに限定されていることである。しかしながら、ユーザによっては、ニュース番組、ポッドキャスト、オーディオブック、映画、テレビ番組などの、その他のコンテンツについての推薦を望むことがある。

特開２０１１−０１８３８２号公報

本発明の目的は、ユーザの嗜好および環境要因を考慮して適切なコンテンツを推薦する技術を提供することにある。

先行技術の欠点及び限界は、少なくとも部分的には、ユーザの動的コンテンツ嗜好を捉えた車内コンテンツ推薦のためのシステム及び方法を提供することによって克服される。
システムは、集約モジュールと、モデル生成モジュールと、推薦モジュールとを含む。集約モジュールは、音楽、ニュース番組、ポッドキャスト、オーディオブック、映画、テレビ番組などのコンテンツを記述したコンテンツデータを集約させる。集約モジュールは、また、コンテンツがユーザに推薦されたときの環境を記述した状況データと、推薦に対するユーザのレスポンスを記述したフィードバックデータとを集約させる。モデル生成モジュールは、コンテンツ嗜好モデルを生成する。コンテンツ嗜好モデルは、少なくとも部分的には集約データに基づいた、ユーザの動的コンテンツ嗜好を表す。推薦モジュールは、少なくとも部分的にはコンテンツ嗜好モデルに基づいて、第１のコンテンツ推薦を生成する。

本発明によれば、ユーザの嗜好および環境要因を考慮して適切なコンテンツを推薦するができる。

車内コンテンツ推薦のためのシステムの１つの実施形態を示したハイレベルブロック図である。 記憶装置の１つの実施形態を示した図である。 コンテンツ決定モジュールの１つの実施形態を示したブロック図である。 状況特徴ベクトルを示した図である。 車内コンテンツ推薦のための方法の１つの実施形態のフロー図である。 車内コンテンツ推薦のための方法の別の実施形態のフロー図である。

以下、図面を参照しながら、本発明の実施形態について説明する。なお、図面においては、類似の要素に言及するために同様の参照符号を使用されている。実施形態および図面による説明は、本発明を説明するためのものであり、本発明を限定するものではない。

車内コンテンツ推薦のためのシステム及び方法が、以下で説明される。以下の説明では、解説を目的として、実施形態の完全な理解を可能にするために多くの詳細が特定されている。しかしながら、当業者にならば明らかなように、本明細書は、これらの詳細を伴わずとも実践することができる。また、構造及び装置は、実施形態を不明瞭にしないために、ブロック図の形式で示されている。例えば、１つの実施形態は、ユーザインターフェース及び特定のハードウェアを参照して以下で説明されている。しかしながら、本明細書は、データ及びコマンドを受信することができるあらゆるタイプの計算装置、並びにサービスを提供するあらゆる周辺装置に適用する。

本明細書において言及される「１つの実施形態」又は「一実施形態」は、その実施形態に関連して説明される特定の特徴、構造、又は特性が少なくとも１つの実施形態に含まれることを意味している。本明細書の随所に見られる「１つの実施形態では」という言い回しは、必ずしも全てが同じ実施形態に言及しているとは限らない。

以下に続く詳細な説明の一部は、コンピュータメモリ内の、データビットに対する動作のアルゴリズム及び記号的表現として提示される。これらのアルゴリズム的な記述及び表現は、データ処理分野の当業者が自身の作業内容を最も効果的にその他の当業者に伝えるために使用する手段である。アルゴリズムは、ここでは、そして一般的には、所望の結果をもたらす自己矛盾のない一連のステップであると考えられる。これらのステップは、物理量の物理的操作を必要とするステップである。必ずではないが、これらの量は、通常は、格納、転送、結合、比較、及びその他の操作が可能な電気信号又は磁気信号の形態をとる。これらの信号は、ときには、主に共通使用を理由として、ビット、値、要素、記号、
文字、用語、数などとして言及されると好都合であることが証明されている。

しかしながら、これらの及び類似の用語は、全て、適切な物理量に関連付けられるものであること、及びこれらの量に適用される好都合なラベルに過ぎないことを、心に留めておくべきである。以下の議論から明らかなように、その他の形で具体的に明記されない限り、「処理する」又は「計算する」又は「算出する」又は「決定する」又は「表示する」などの用語を用いる議論は、説明全体を通して、コンピュータシステムのレジスタ及びメモリにおいて物理（電子）量として表わされるデータを操作して、コンピュータシステムのメモリ若しくはレジスタ、又はその他の同様の情報記憶装置、情報伝送装置、若しくは情報ディスプレイ装置において物理量として同様に表わされるその他のデータに変換する、コンピュータシステム又は類似の電子計算装置の行為及び処理に言及していることがわかる。

本明細書は、ここで開示される動作を実施するための装置にも関する。この装置は、所要の目的のために特別に構築されてもよいし、又はコンピュータに格納されたコンピュータプログラムによって選択的に作動若しくは再構成される汎用コンピュータを含むものであってもよい。このようなコンピュータプログラムは、フロッピディスク、光ディスク、ＣＤ−ＲＯＭ、及び磁気ディスクを含む任意のタイプのディスク、読み出し専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気カード若しくは光カード、不揮発性メモリとのＵＳＢキーを含むフラッシュメモリ、又は電子命令を格納するのに適した任意のタイプのコンテンツなどを非限定例として含み、それぞれがコンピュータシステムバスにつながれた、コンピュータ可読ストレージ媒体に格納されてよい。

実施形態は、完全にハードウェアの実施形態、完全にソフトウェアの実施形態、又はハードウェアの要素とソフトウェアの要素とを両方含む実施形態の形をとることができる。好ましい実施形態は、ソフトウェアの形で実現され、非限定例として、ファームウェア、常駐ソフトウェア、マイクロコードなどがある。

更に、実施形態は、コンピュータ可用媒体又はコンピュータ可読媒体からアクセス可能なコンピュータプログラム製品の形態をとって、コンピュータ若しくは任意の命令実行システムによって又はコンピュータ若しくは任意の命令実行システムに関連して使用されるプログラムコードを提供することができる。この説明を目的として、コンピュータ可用媒体又はコンピュータ可読媒体は、命令実行システム、装置、若しくはデバイスによって又は命令実行システム、装置、若しくはデバイスに関連して使用されるプログラムコードを内包、格納、通信、伝搬、又は運搬することができる任意の装置であることが可能である。

プログラムコードの格納及び／又は実行に適したデータ処理システムは、システムバスを通じてメモリエレメントに直接的に又は間接的につながれた少なくとも１つのプロセッサを含む。メモリエレメントは、プログラムコードの実際の実行時に用いられるローカルメモリ、バルクストレージ、及び実行時にバルクストレージからコードを取り出さなければならない回数を減らすために少なくとも一部のプログラムコードの一時的な保存を可能にするキャッシュメモリを含むことができる。

入出力装置すなわちＩ／Ｏ装置（キーボード、ディスプレイ、ポインティング装置などを非限定例として含む）は、直接的に又は介在するＩ／Ｏコントローラを通じてシステムにつなぐことができる。

介在するプライベートネットワーク又はパブリックネットワークを通じてデータ処理シ
ステムがその他のデータ処理システム又はリモートプリンタ又は記憶装置につながることを可能にするために、ネットワークアダプタがシステムにつながれてもよい。モデム、ケーブルモデム、及びイーサネット（登録商標）カードは、現在入手可能なネットワークアダプタのほんの幾つかのタイプ例である。

最後に、ここで提示されるアルゴリズム及び表示は、元来どれか特定のコンピュータ又はその他の装置に関係しているものではない。各種の汎用システムが、ここでの教示内容にしたがったプログラムと併用されてよい。或いは、所要の方法ステップを実施するにはより専用の装置を構築すると好都合であることが、証明されるかもしれない。これらの様々なシステムに必要とされる構造は、以下の説明から見えてくる。また、実施形態は、いかなる特定のプログラミング言語にも言及することなく説明される。ここで説明される実施形態の教示内容の遂行には、様々なプログラミング言語が使用されてよいことがわかる。

＜システム概要＞
図１は、１つの実施形態にしたがった、車内コンテンツ推薦のためのシステム１００のブロック図を示している。図に示されたシステム１００は、制御部１０２と、カメラ１０８と、センサ１１０ａ及び１１０ｎ（個別に又はまとめてセンサ１１０として言及される）と、インターフェース１１２と、ユーザ１２５と、記憶装置１４０とを含む。２つのセンサ１１０ａ及び１１０ｎのみが示されているが、当業者ならば、任意の数のセンサ１１０ｎが利用可能であることがわかる。更に、図１では、制御部１０２、カメラ１０８、インターフェース１１２、ユーザ１２５、及び記憶装置１４０はいずれも１つのみが描かれているが、システム１００はこれらの要素を複数を含むことが可能である。

図に示された実施形態では、カメラ１０８は、信号線１０９を介して制御部１０２と通信可能に接続されている。センサ１１０ａは、信号線１１１を介して制御部１０２と通信可能に接続されている。センサ１１０ｎは、信号線１１３を介して制御部１０２と通信可能に接続されている。ユーザ１２５は、信号線１１７を介してインターフェース１１２とやり取りする。インターフェース１１２は、信号線１１５を介して制御部１０２と通信可能に接続されている。記憶装置１４０は、信号線１４１を介して制御部１０２と通信可能に接続されている。

図に示された実施形態では、システム１００は、更に、ネットワーク１０５と、統合クラウドデータベース１５０とを含む。ネットワーク１０５及び統合クラウドデータベース１５０は、それらがシステム１００の省略可能な特徴であることを示すために、破線で描かれている。制御部１０２は、信号線１１９を介してネットワーク１０５と通信可能に接続されている。統合クラウドデータベースは、信号線１５１を介してネットワーク１０５と通信可能に接続されている。

カメラ１０８は、画像を記録するための光学システムである。例えばカメラ１０８は、車が道路を走行するのに伴って、道路、信号機、車などの車外の写真を撮影する。１つの実施形態では、カメラ１０８は、画像を捕えてそれらの画像を記憶装置１４０に保存する。

センサ１１０は、任意のタイプのデータを収集するように構成された任意のタイプの従来センサである。例えば、センサ１１０は、レーダ、光検出と測距（ＬＩＤＡＲ）センサ、赤外線検出器、動作検出器などのうちの、１つ又は２つ以上である。当業者ならば、その他のタイプのセンサも可能であることがわかる。１つの実施形態では、センサ１１０は、センサに関連付けられた車両に関係した状態（すなわち、「車両状態」）を測定する。例えば、センサ１１０は、車両の方向、速さ、及び加速を測定する。別の実施形態では、
センサ１１０は、車外の状態を測定する。例えば、センサ１１０は、外気温や湿度などを測定する。更に別の実施形態では、センサ１１０は、車内の状態を測定する。例えば、センサは、車内の温度、フォグライトがオンであるかどうか、フロントガラスワイパーがオンであるかどうか、又はシートにかかる重さに基づいて助手席に人がいるかどうかを測定する。

１つの実施形態では、センサ１１０は、ユーザ１２５の身体状態及び／又は生理的状態を測定する。例えば、センサ１１０は、ユーザ１２５による１つ又は２つ以上のジェスチャを測定する。ジェスチャは、ユーザ１２５の動きである。例えば、ジェスチャは、ユーザ１２５の手の動き及び頭の動きのうちの１つ又は２つ以上の組み合わせである。センサ１１０は、検出されたジェスチャを記述したジェスチャデータを制御部１０２に通信するために、制御部１０２と通信可能に接続されている。制御部１０２は、ジェスチャデータを受信し、少なくとも部分的には該ジェスチャデータに基づいて、ユーザの身体状態及び／又は生理的状態を決定する。例えば、制御部１０２は、少なくとも部分的にはジェスチャデータ（例えば、まばたき率、あくび、又は頭を振るなど）に基づいて、ユーザ１２５の身体状態を「疲労」と決定する。

更に別の実施形態では、センサ１１０は、上述された実施形態の任意の組み合わせの形でデータを提供する。１つの実施形態では、センサ１１０は、ジェスチャデータを測定し、該ジェスチャデータを記憶装置１４０に保存する。

インターフェース１１２は、ユーザ１２５から入力を受信し、該受信された入力を制御部１０２に通信するように構成されたハードウェア装置である。例えば、インターフェース１１２は、ユーザ１２５からの入力を受信するための車載タッチスクリーンや、ユーザ１２５からの音声コマンドを拾うためのマイクなどを含む。１つの実施形態では、インターフェースは、制御部１０２からの出力をユーザ１２５に通信するようにも構成される。例えば、コンテンツを再生するためのオーディオシステム又はコンテンツ推薦を表示するためのタッチスクリーンがある。当業者ならば、その他のタイプのインターフェース１１２及び入力も可能であることがわかる。

ここで使用されるコンテンツとは、任意のタイプのコンテンツを含むものである。コンテンツは、音声コンテンツ（曲など）又は音声・映像コンテンツ（映画など）であってよい。例えば、コンテンツは、音楽、ポッドキャスト、音声ニュース番組、オーディオブック、映画、テレビ番組、アマチュアが作成し映像提供サイトによって提供される映像などのユーザ作成コンテンツなどを含む。明瞭さを期するために、以下で挙げられる例は、曲やアルバムなどの音楽コンテンツを主に扱う。しかしながら、当業者ならば、システム１００が、ここで提供される教示内容から逸脱することなくその他のタイプのコンテンツについても推薦を行えることがわかる。

ユーザ１２５は、人間のユーザである。１つの実施形態では、ユーザ１２５は、インターフェース１１２とやり取りする又はそれ以外の形でインターフェース１１２に入力を提供することができる、車内のドライバ又は乗客であり、インターフェース１１２は、制御部１０２との間において様々なタイプのデータの送信及び受信を行う。例えば、インターフェース１１２は、タッチスクリーンであり、ユーザ１２５は、指又はスタイラスペンでタッチスクリーンの一部分にタッチする。この入力によって、ユーザ１２５は、「コンテンツ要求」フィールドを選択する。この入力に応答して、インターフェース１１２は、コンテンツ推薦を求めるユーザリクエストを制御部１０２に送信する。

記憶装置１４０は、データを保存する非一時的な（non-transitory）なメモリである。例えば、記憶装置１４０は、ハードドライブやフラッシュドライブなどである。記憶装置
は、図２を参照にして、更に詳しく説明される。

ネットワーク１０５は省略可能であるが、有線又は無線の、従来のタイプのネットワークであり、スター型構成、トークンリング構成、又は当業者に知られたその他の構成などの、任意の数の構成を含んでよい。１つの実施形態では、ネットワーク１０５は、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）（例えばインターネット）、及び／又は複数の装置がそれを通して通信し合うその他の任意の相互接続データ経路のうちの、１つ又は２つを含む。別の実施形態では、ネットワーク１０５は、ピアツーピアネットワークである。ネットワーク１０５は、データを種々様々な通信プロトコルで送信するために、電気通信ネットワークにつながれる又は電気通信ネットワークの部分を含む。例えば、ネットワークは、３Ｇネットワーク又は４Ｇネットワークである。更に別の実施形態では、ネットワーク１０５は、ショートメッセージングサービス（ＳＭＳ）、マルチメディアメッセージングサービス（ＭＭＳ）、ハイパーテキスト転送プロトコル（ＨＴＴＰ）、直接データ接続、ワイヤレスアプリケーションプロトコル（ＷＡＰ）、ｅメールなどを介してデータを送受信するために、ブルートゥース通信ネットワーク又はセルラ式通信ネットワークを含む。更に別の実施形態では、ネットワーク１０５のなかのリンクの全部又は一部が、セキュアソケットレイヤ（ＳＳＬ）、セキュアＨＴＴＰ、及び／又は仮想プライベートネットワーク（ＶＰＮ）などの、従来の暗号化技術を使用して暗号化される。

統合クラウドデータベース１５０は省略可能であるが、ネットワーク１０５からアクセス可能なオンラインデータベースである。例えば、統合クラウドデータベース１５０は、複数の企業によって提供された複数の仮想サーバ上にデータを保存されるデータベースである。１つの実施形態では、統合クラウドデータベース１５０は、システム１００の機能性を提供するために、任意のデータを保存する。

制御部１０２は、コンテンツ推薦を生成するための電子装置である。例えば、制御部１０２は、車に実装されたエンジンコントロールユニット（ＥＣＵ）である。１つの実施形態では、制御部１０２は、フィードバックデータ、画像データ、及びセンサデータの任意の組み合わせを使用して、ユーザ１２５に対してコンテンツ推薦を生成する。フィードバックデータは、インターフェース１１２を介してユーザ１２５から受信されたデータである。画像データは、カメラ１０８から受信されたデータである。センサデータは、センサ１１０から受信されたデータである。センサデータは、なかでも、センサ１１０に言及して上述されたジェスチャデータを含むことができる。制御部１０２は、信号線１４１を介して記憶装置１４０からデータを取り出す。

１つの実施形態では、制御部１０２は、プロセッサ１０４と、コンテンツ決定モジュール１０６とを含む。コンテンツ決定モジュール１０６は、図３、図５、及び図６を参照にして、以下で更に詳しく説明される。

プロセッサ１０４は、計算を実施するために、及び記憶装置１４０に保存されたデータを取り出すなどのために、算術論理演算ユニット、マイクロプロセッサ、汎用コントローラ、又はその他の何らかのプロセッサアレイを含む。プロセッサ１０４は、データ信号を処理し、複合命令セットコンピュータ（ＣＩＳＣ）アーキテクチャ、縮小命令デットコンピュータ（ＲＩＳＣ）アーキテクチャ、又は命令セットの組み合わせを実行するアーキテクチャなどの、様々な計算アーキテクチャを含んでよい。図１には１つのプロセッサのみが示されているが、複数のプロセッサが含まれてよい。処理能力は、画像の表示、並びに画像の取り込み及び伝送をサポートすることに限られてよい。処理能力は、様々なタイプの特徴抽出やサンプリングなどの、より複雑なタスクを実施するのに十分であってよい。当業者ならば、その他のプロセッサ、オペレーティングシステム、センサ、ディスプレイ
、及び物理的構成も可能であることが明らかである。

既存の推薦システムは、フィードバックデータのみに基づいてコンテンツ推薦を行う。これに対して、本システム１００は、フィードバックデータ、画像データ、及びセンサデータのうちの、１つ又は２つ以上に基づいてコンテンツ推薦を生成する。１つの実施形態では、フィードバックデータは、コンテンツ推薦を決定するために、画像データ及びセンサデータのうちの少なくとも１つとともに使用される。フィードバックデータは、ユーザ１２５の静的コンテンツ嗜好を記述したデータを含む。例えば、フィードバックデータは、ユーザ１２５が好む１つ又は２つ以上のアーティスト、アルバム、曲、及びジャンルを記述している。しかしながら、このような嗜好は、車外の環境に応じてしばしば変化する。画像データ及び／又はセンサデータは、ユーザ１２５のコンテンツ嗜好に影響を及ぼす環境的要因を表す。例えば、ユーザ１２５が、通常は、ゆったりとした哀愁を帯びたコンテンツを好きであるが、往来が少ない開けた高速道路を運転するときは、より速く且つよりアップビートなコンテンツを好むとする。カメラ１０８は、高速道路の交通が少なくしたがって開けていることを示す画像データを収集する。センサ１１０は、車の速さを記述したセンサデータを収集する。カメラ１０８及びセンサ１１０は、画像データ及びセンサデータを制御部１０２に通信するために、制御部１０２と通信可能に接続されている。制御部１０２は、画像データ及びセンサデータを受信する。制御部１０２は、画像データ、センサデータ、及びフィードバックデータを使用して、より速く且つよりアップビートなコンテンツ（例えば、高速ビートを含む曲やスリルのあるシーンを含む映画など）を含むコンテンツ推薦を決定する。要するに、本システム１００は、静的なコンテンツ嗜好だけでなく動的コンテンツ嗜好も捉えることによって、コンテンツ推薦を決定する。

本システム１００は、ユーザのコンテンツ嗜好を学習することによって、コンテンツ推薦を生成する。ユーザ１２５は、車内のコンテンツを評価する。例えば、ユーザ１２５は、ユーザ１２５が制御部１０２からのコンテンツ推薦を拒否することを示す入力を提供する。ユーザからのこの入力は、フィードバックデータの一例である。画像データ及びセンサデータは、それぞれカメラ１０８及びセンサ１１０によって捕えられる。カメラ１０８及びセンサ１１０は、画像データ及びセンサデータを制御部１０２に送信するために、制御部１０２と通信可能に接続されている。制御部１０２は、保存されたフィードバックデータ、画像データ、及びセンサデータを、カメラ１０８及びセンサ１１０から受信されたフィードバックデータ、画像データ、及びセンサデータによって更新する。制御部１０２は、ユーザ１２５に対して別のコンテンツ推薦を生成する。１つの実施形態では、この第２のコンテンツ推薦は、少なくとも部分的には、更新されたフィードバックデータ、画像データ、及びセンサデータに基づく。追加のフィードバックデータ、画像データ、及びセンサデータを受信することによって、制御部１０２は、ユーザ１２５のコンテンツ嗜好を記述した更に多くのデータを取得する。制御部１０２は、より正確なコンテンツ推薦を生成するために、このデータを使用する。要するに、本システム１００は、ユーザ１２５のコンテンツ嗜好を記述した更に多くの入力を受信するのに伴って、時とともにコンテンツ推薦パフォーマンスを向上させる。

＜記憶装置１４０＞
図２は、１つの実施形態にしたがった、記憶装置１４０を描いている。記憶装置１４０は、制御部１０２の機能性を提供するために、制御部１０２によって使用されるデータ及び情報を保存する非一時的なコンピュータ可読記憶媒体である。記憶装置１４０は、状況データベース２３２、フィートバックデータベース２３４、再生履歴データベース２３６、モデルデータベース２３８、及びコンテンツライブラリ２４０のうちの、１つ又は２つ以上を含む。１つの実施形態では、状況データベース２３２、フィートバックデータベース２３４、再生履歴データベース２３６、モデルデータベース２３８、及びコンテンツライブラリ２４０は、ユーザに対してサービスを提供するために制御部１０２によってアク
セス可能である１つ又は２つ以上の検索可能データベースを含む。１つの実施形態では、これらのデータベースは、１つ又は２つ以上の永久の及び／又は揮発性のメモリ装置（例えば、フラッシュ、ＲＡＭ、ハードドライブなど）として構成される。１つの実施形態では、記憶装置１４０は、ユーザに対して再生するための任意のタイプのコンテンツを保存する。

状況データベース２３２は、カメラ１０８、センサ１１０、又はこれらの両方によって捕えられた任意のデータ及び／又は情報を保存するストレージシステムである。１つの実施形態では、状況データベース２３２は、カメラ１０８から受信された画像データ、センサ１１０から受信されたセンサデータ、又はこれらの両方を保存する。別の実施形態では、状況データベース２３２は、画像データ、センサデータ、又はこれらの両方を処理した結果得られたデータを保存する。更に別の実施形態では、状況データベース２３２は、未処理の画像データやセンサデータと、画像データやセンサデータを処理した結果得られたデータとの任意の組み合わせを保存する。例えば、状況データベース２３２は、シーンカテゴリ情報及び状態データを、状況データ及び状況特徴ベクトルとして保存する。シーンカテゴリ情報、状態データ、状況データ、及び状況特徴ベクトルは、図３を参照にして、以下で更に詳しく説明される。

フィードバックデータベース２３４は、ユーザ１２５からの入力として受信されたデータを保存するストレージシステムである。例えば、フィードバックデータベース２３４は、ユーザ１２５から受信されたフィードバックデータを保存する。１つの実施形態では、フィードバックデータベース２３４は、ユーザ１２５の静的コンテンツ嗜好を記述したフィードバックデータを保存する。例えば、フィードバックデータベース２３４は、ユーザ１２５が曲、アルバム、アーティスト、ポッドキャスト、オーディオブック、映画、テレビ番組、テレビシリーズなどのコンテンツをどのように格付け（レーティング）したかを記述したデータを保存する。システム１００は、コンテンツを格付けするためにユーザ１２５によって使用されるグラフィックユーザインターフェース（ＧＵＩ）を含む。ＧＵＩは、インターフェース１１２に表示される。ユーザ１２５は、曲、アルバム、アーティスト、ポッドキャスト、オーディオブック、映画、テレビ番組、テレビシリーズなどののうちの１つ又は２つ以上を格付けした入力を提供するために、インターフェース１１２とやり取りする。制御部１０２は、入力を受信し、該入力をフィードバックデータベース２３４に保存する。

別の実施形態では、フィードバックデータベース２３４は、コンテンツ推薦に対するユーザ１２５のレスポンスを記述したフィードバックデータを保存する。例えば、フィードバックデータベース２３４は、ユーザ１２５がコンテンツ推薦に同意するか又は同意しないか、ユーザ１２５がコンテンツ推薦に同意した後にそのコンテンツを通しで再生するかどうか、推薦されたコンテンツをユーザ１２５がどれだけ長く再生するか、コンテンツ推薦をユーザ１２５がどのように格付けするかなどを記述したフィードバックデータを保存する。ユーザ１２５は、コンテンツ推薦に対する自身のレスポンスを示した入力を提供するために、インターフェース１１２とやり取りする。制御部１０２は、入力を受信し、該ユーザレスポンスをフィードバックデータベース２３４に保存する。

更に別の実施形態では、フィードバックデータベース２３４は、ユーザリクエストを記述したデータを保存する。ユーザリクエストは、ユーザ１２５によって提供される入力であって、コンテンツ推薦を生成してユーザ１２５に提供するようにユーザ１２５がコンテンツ決定モジュール１０６に求める入力である。ユーザ１２５は、ユーザリクエストを入力するために、インターフェース１１２とやり取りする。制御部１０２は、入力を受信し、該ユーザリクエストをフィードバックデータベース２３４に保存する。

再生履歴データベース２３６は、ユーザ１２５がこれまでに再生したコンテンツを記述したデータ及び／又は情報（すなわち、ユーザ１２５の再生履歴）を保存するストレージシステムである。１つの実施形態では、再生履歴データベース２３６は、データベースのなかの様々なエントリを状況データベース２３２及びフィードバックデータベース２３４に保存されたデータに関連付けたデータを保存する。例えば、再生履歴データベース２３６は、ユーザ１２５が「ホテル・カリフォルニア」という曲を聴いていたことを記述したデータを保存する。状況データベース２３２は、ユーザ１２５がこの曲を火曜日の午後、天候が雨降りで且つ高速道路が非常に混雑していたときにどのように聴いていたかを記述した情報を保存するとする。フィードバックデータベース２３４は、ユーザ１２５がこの曲を通しでどのように聴いていたかを記述した情報を保存するとする。再生履歴データベース２３６は、曲「ホテル・カリフォルニア」を状況データベース２３２及びフィードバックデータベース２３４に保存されたこれらのデータに関連付けたデータを保存する。将来、ユーザ１２５は、コンテンツ推薦を求める入力を提供する。その入力が行われた状況が、火曜日の午後で、天候は雨降りで、尚且つ交通は混雑していれば、コンテンツ決定モジュール１０６は、このユーザリクエストに応答して曲「ホテル・カリフォルニア」を推薦する。

モデルデータベース２３８は、モデルデータを保存するストレージシステムである。モデルデータは、ユーザ１２５に対する推薦を生成するためにコンテンツ決定モジュール１０６によって使用されるコンテンツ嗜好モデルを記述している。モデルデータは、図３を参照にして、以下で更に詳しく説明される。

コンテンツライブラリ２４０は、コンテンツデータを保存するストレージシステムである。コンテンツデータは、コンテンツの再生に使用されるデータ（例えば、曲、アルバム、アーティスト、ポッドキャスト、オーディオブック、映画、テレビ番組、テレビシリーズなど）及びコンテンツを記述したデータ（例えば、曲のタイトル、曲の作曲家、曲のアーティスト、その曲を収録しているアルバム、テンポ、使用された楽器、ポッドキャストのタイトル、ポッドキャストのテーマ、オーディオブックの作者、オーディオブック、映画、若しくはテレビ番組のジャンルなど）である。当業者ならば、その他のコンテンツデータも可能であること、及びコンテンツを記述したその他のデータも可能であることがわかるであろう。

１つの実施形態では、コンテンツライブラリ２４０は、統合クラウドデータベース１５０に保存される。例えば、コンテンツライブラリ２４０は、コンテンツデータを保存及び配信する（例えば、コンテンツストリーミングサービス）クラウドベースのストレージシステムを含むオンラインコンテンツサービスの一部である。別の実施形態では、コンテンツライブラリ２４０は、ユーザ１２５の個人的なコンテンツコレクションを含むローカルなコンテンツストレージシステムである。

＜コンテンツ決定モジュール１０６＞
次に、より詳しくコンテンツ決定モジュール１０６が示された図３を参照する。図３は、記憶装置１４０、並びに制御部１０２のコンテンツ決定モジュール１０６及びプロセッサ１０４のブロック図である。プロセッサ１０４は、信号線３３４を介してバス３２０と通信可能に接続されている。記憶装置１４０は、信号線１４１を通じてバス３２０と通信可能に接続されている。

コンテンツ決定モジュール１０６は、通信モジュール３０１と、状況モジュール３０３と、グラフィカルユーザインターフェース（ＧＵＩ）モジュール３０５と、集約モジュール３０７と、モデル生成モジュール３０９と、推薦モジュール３１１とを含む。

通信モジュール３０１は、プロセッサ１０４によって実行されたときに、通信モジュール３０１をその他の装置と通信させるコード及びルーチンである。コンテンツ決定モジュール１０６は、通信モジュール３０１を介してその他の装置と通信する。例えば、通信モジュール３０１は、カメラ１０８と、及び／又はセンサ１１０と、及び／又はインターフェース１１２を介してユーザ１２５と通信する。通信モジュール３０１は、これらの装置１０８、１１０、１１２にデータを送信し、これらの装置１０８、１１０、１１２からデータ及び／又は情報を受信する。図に示された実施形態では、通信モジュール３０１は、バス３２０及び信号線３２２を介してコンテンツ決定モジュール１０６のコンポーネント間における内部通信を扱う。例えば、通信モジュール３０１は、状況モジュール３０３の出力を集約モジュール３０７に引き渡すために、状況モジュール３０３及び集約モジュール３０７と通信する。しかしながら、この説明では、明瞭さを期するために、便宜上、通信モジュール２０１への言及が省略されることがある。例えば、明瞭さを期するために、便宜上、上記のシナリオは、集約モジュール３０７が状況モジュール３０３の出力を受信するとして説明されることがある。

状況モジュール３０３は、プロセッサ１０４によって実行されたときに、状況データを処理するコード及びルーチンである。１つの実施形態では、状況データは、状況特徴ベクトルを生成することによって処理される。状況特徴ベクトルは、状況データをベクトル化することによって生成されるデータであり、以下で詳しく論じられる。状況データは、コンテンツ推薦の決定において使用される環境的要因を記述したデータである。状況データは、２つのタイプのデータ、すなわちシーンカテゴリ情報と、状態データとを含むことができる。シーンカテゴリ情報は、カメラ１０８によって捕えられた画像データを処理した結果得られたデータである。状態データは、センサ１１０によって測定されたセンサデータを処理した結果得られたデータであり、車両及び／又はユーザ１２５に関係した１つ又は２つ以上の状態を記述している。

１つの実施形態では、状況モジュール３０３は、状況データベース２３２から取り出された画像データに対して画像処理を実施し、画像のなかのシーンを複数のカテゴリに分類し、シーンの各種のカテゴリを記述した配列を生成する（ここでは、「シーンカテゴリ情報」と呼ばれる）。１つの実施形態では、シーンカテゴリ情報は、車外の情報を含む。このような１つの実施形態では、シーンのカテゴリは、道路タイプ、交通レベル、エリアタイプなどを含むが、これらに限定はされない。例えば、カメラ１０８は、ユーザ１２５が道路で車を運転しているときに画像を捕え、これらの画像を状況データベース２３２に保存する。状況モジュール３０３は、通信モジュール３０１を介して状況データベース２３２から画像データを取り出す。状況モジュール３０３は、少なくとも部分的には画像の処理に基づいて、道路が狭い、道路が海岸にある、道路の往来が少ないなどを記述したシーンカテゴリ情報を提供する。１つの実施形態では、状況モジュール３０３は、画像を二次元信号として扱うことによって、標準的な信号処理技術によって画像処理を実施する。当業者ならば、その他の画像処理技術も可能であることがわかる。

１つの実施形態では、状況モジュール３０３は、状況データベース２３２からセンサデータを取り出し、センサデータを処理し、車両及び／又はユーザに関係した１つ又は２つ以上の状態を記述した状態データを生成する。状態データは、ユーザの環境情報を表し、これは、車内環境及び／又は車外環境を含んでよい。

状態データは、１つの実施形態では、例えば、車の動きを記述した状態（以下「車両機動状態」とも称する）や天候条件などの、車両に関係したデータを含む。車両機動状態は、車の速さ、車が加速又は減速しているかどうか、及び車がどれくらいの割合でどの程度頻繁に加速又は減速するかなどのうちの、１つ又は２つ以上に関する情報を含むが、含まれる情報はこれらに限定はされない。天候条件は、例として、ただし非限定的なものとし
て、温度、湿度、気圧、フロントガラスワイパー状態、フォグライト状態、牽引コントロール状態などのうちの、１つ又は２つ以上を含む。例えば、取り出されたセンサデータをもとに、状況モジュール３０３は、車両機動状態は、車が素早く動いていることで、天候状態は、天候が暑いこと（例えば、華氏８５度（約摂氏２９度）を超える）であると決定する。状態データは、したがって、車が素早く動いていて尚且つ天候が暑いという情報を含む。

状態データは、１つの実施形態では、例えば、ユーザ１２５の身体状態やユーザ１２５の精神状態などの、ユーザに関係したデータを含む。例えば、状況モジュール３０３は、状況データベース２３２からユーザ１２５のジェスチャデータを取り出す。ジェスチャデータは、例えば、ユーザ１２５が過去１０分間にハンドルに二回叩いたことを示す。状況モジュール３０３は、少なくとも部分的には、ジェスチャデータによって測定されたユーザがハンドルを叩く頻度に基づいて、ユーザ１２５の精神状態が不安定であると決定する。

状況モジュール３０３は、シーンカテゴリ情報及び状態データのうちの１つ又は２つ以上を含む状況データを処理する。状況モジュール３０３は、１つの実施形態では、状況データをベクトル化すること及び状況特徴ベクトルを生成することによって、状況データを処理する。状況データのベクトル化は、状況データの各エントリに数値を割り当て、これらの数値を使用して状況データを列ベクトル又は行ベクトルに変換することによって達成される。例えば、最も単純な形をした状況データが、交通が混雑していて尚且つユーザ１２５が疲れているという情報を含むとする。状況モジュール３０３は、交通が混雑していることを示すために第１のベクトル値に「１」を割り当てる、又は交通が普通である若しくは空いていることを示すために第１のベクトル値に「０」を割り当てる。状況モジュール３０３はユーザ１２５が元気であることを示すために第２のベクトル値に「４」を、ユーザ１２５が普通であることを示すために第２のベクトル値に「３」を、ユーザ１２５が疲れていることを示すために第２のベクトル値に「２」を、ユーザ１２５が疲れ果てていることを示すために第２のベクトル値に「１」を割り当てる。これらの数値例にしたがって、状況モジュール３０３は、道路上の交通量が多く尚且つユーザ１２５が疲れていることを示すために状況特徴ベクトル［１ ２］を生成する。当業者ならば、状況特徴ベクトルが、その他の又は異なる状況データに対応する任意の数の値を含んでよいことがわかる。更に、当業者ならば、本明細書の教示内容から逸脱することなくベクトル化のためのその他の値割り当てルール又は状況データを処理するためのその他の技術が適用されてよいことがわかる。

１つの実施形態では、シーンカテゴリ情報は、車外の環境情報を記述している。１つの実施形態では、状態データは、車及びユーザに関係した状態を記述しており、したがって、ユーザ、車内、及び／又は車外についての環境情報を表している。状況特徴ベクトルは、したがって、１つの実施形態では、車内、車外、及びユーザに関する環境情報を含む。

次に、状況特徴ベクトル４０２の１つの実施形態がより詳しく示された図４を参照する。図４は、ベクトル化された身体データ４０４、精神データ４０６、道路タイプ４０８、交通４１０、時刻４１２、及び天候４１４を含む、状況特徴ベクトル４０２の一実施形態例を示している。当業者ならば、状況特徴ベクトルが、その他のすなわち異なるベクトル化状況データを含んでよいことがわかる。更に、当業者ならば、列挙された状況データのタイプのうちの１つ又は２つ以上が、１つ又は２つ以上のベクトル値を含んでよいことがわかる。例えば、天候４１４は、実施形態に応じて、１つのベクトル値（例えば、温度に対応する）又は複数のベクトル値（例えば、温度、湿度、及び気圧に対応する）を有してよい。

身体データ４０４及び精神データ４０６は、ユーザ１２５及び／又はユーザ環境を記述した状態データである。身体データ４０４は、ユーザ１２５の身体状態の表れである。例えば、身体データ４０４は、ユーザ１２５が疲れていることを示す。精神データ４０６は、ユーザ１２５の精神状態の表れである。例えば、精神データは、ユーザ１２５が上機嫌であることを示す。道路タイプデータ４０８、交通データ４１０、時刻データ４１２、及び天候データ４１４は、車内環境及び車外環境を記述した環境データである。例えば、状況特徴ベクトルが、［１，２，３，１，８．１２，１］であるとする。この状況特徴ベクトルの６つの値は、ユーザ１２５が疲れていること、ユーザ１２５が上機嫌であること、道路が沿岸道路であること、道路が混雑していること、時刻が午前８時１２分であること、及び天候が暑いことをそれぞれ示す。１つの実施形態では、時刻４１２は、データがいつ記録されたかを示し、以下で論じられる集約モジュール３０７によって実施されるデータ集約の時刻印（タイムスタンプ）として機能する。

図３に戻り、状況モジュール３０３は、信号線３２４を介してバス３２０と通信可能に接続されている。状況モジュール３０３は、１つの実施形態では、状況特徴ベクトルを通信モジュール３０１に出力し、通信モジュール３０１は、該出力された状況特徴ベクトルを集約モジュール３０７に送達する。１つの実施形態では、状況モジュール３０３は、また、状況データ及び／又は状況特徴ベクトルを状況データベース２３２に保存する。

ＧＵＩモジュール３０５は、プロセッサ１０４によって実行されたときに、ユーザ１２５のためのグラフィカルユーザインターフェース（「ＧＵＩ」）を生成するコード及びルーチンである。１つの実施形態では、ＧＵＩモジュール３０５は、ユーザ１２５によって使用されるＧＵＩを生成する。ＧＵＩは、インターフェース１１２に表示される。ユーザ１２５は、ＧＵＩモジュール３０５によって受信された入力をコンテンツ決定モジュール１０６に提供するために、インターフェース１１２とやり取りする。１つの実施形態では、入力は、ユーザ１２５の静的コンテンツ嗜好を記述したフィードバックデータである。例えば、ＧＵＩモジュール３０５は、ユーザ１２５が曲、アルバム、アーティスト、ポッドキャスト、オーディオブック、映画、テレビ番組、テレビシリーズなどをどのように格付けしたかを記述したフィードバックデータをユーザ１２５から受信するために、通信モジュール３０１を介してインターフェース１１２と通信する。別の実施形態では、入力は、ユーザリクエストを記述したフィードバックデータである。例えば、ＧＵＩモジュール３０５は、コンテンツ推薦を生成してユーザ１２５に提供するようにコンテンツ決定モジュール１０６に求める入力をユーザ１２５から受信する。更に別の実施形態では、入力は、コンテンツ推薦に対するユーザ１２５のレスポンスを記述したフィードバックデータである。例えば、ＧＵＩモジュール３０５は、ユーザ１２５がコンテンツ推薦に同意しないことを示す入力をユーザ１２５から受信する。

フィードバックデータは、ユーザ１２５から受信されたデータである。フィードバックデータは、コンテンツ推薦に影響を及ぼす。フィードバックデータは、該フィードバックデータがいつユーザ１２５によって入力されたかを示す時刻印を含む。１つの実施形態では、フィードバックデータは、コンテンツ推薦に対するユーザのレスポンスであり、フィードバックデータは、時刻印に基づいて状況特徴ベクトルに関連付けられる。

図に示された実施形態では、ＧＵＩモジュール３０５は、信号線３２６を介してバス３２０と通信可能に接続されている。１つの実施形態では、ＧＵＩモジュール３０５は、フィードバックデータを受信し、該フィードバックデータを集約モジュール３０７に通信する。別の実施形態では、ＧＵＩモジュール３０５は、フィードバックデータを推薦モジュール３１１に引き渡すことも行う。更に別の実施形態では、ＧＵＩモジュール３０５は、フィードバックデータをフィードバックデータベース２３４に保存する。

集約モジュール３０７は、プロセッサ１０４によって実行されたときに、フィードバックデータと状況特徴ベクトルとコンテンツデータとを集約させて集約データを生成するコード及びルーチンである。上述したように、フィードバックデータはＧＵＩモジュール３０５から受信された若しくはフィードバックデータベース２３４から取り出され、状況特徴ベクトルは、状況モジュール３０３から受信された若しくは状況データベース２３２から取り出される、コンテンツデータコンテンツライブラリ２４０から取り出されものである。集約モジュール３０７によって生成された集約データは、モデル生成モジュール３０９に送信される、再生履歴データベース２３６に保存される、又はその両方である。図に示された実施形態では、集約モジュール３０７は、信号線３２８を介してバス３２０と通信可能に接続されている。１つの実施形態では、集約データは、１行のデータである。１行のデータは、ユーザ１２５の再生履歴を、すなわちユーザ１２５がこれまでに再生したコンテンツを記述したデータである。１つの実施形態では、再生履歴は、例えば、コンテンツが再生されたときの状況、及びユーザがコンテンツに同意したか又は同意しなかったかを記述したデータなどの、追加のデータを含む。

１つの実施形態では、集約モジュール３０７は、少なくとも部分的には、フィードバックデータ及び状況特徴ベクトルに含まれる時刻印に基づいて、フィードバックデータと状況特徴ベクトルとをペアにし、そのペアを、フィードバックデータが受信されたときに再生又は推薦されていたコンテンツのコンテンツデータに関連付けることによって、データを集約させる。例えば、集約モジュール３０７は、特定の時刻印に関連付けられたフィードバックデータを受信し、同じ又はほぼ同じ時刻印を有する状況特徴ベクトルを選択し、フィードバックデータと状況特徴ベクトルとのペアを、フィードバックデータが受信されたときに推薦されていたコンテンツを記述したコンテンツデータと組み合わせて１行のデータにする。コンテンツデータと、フィードバックデータと、（例えば、環境的要因を表す）状況特徴ベクトルとを組み合わせることによって、システムは、少なくとも部分的には集約データに基づいたユーザ１２５の動的コンテンツ嗜好を捉えたコンテンツ嗜好モデルを生成することを有利に可能にする。当業者ならば、その他の集約技術も可能であることがわかる。

モデル生成モジュール３０９は、プロセッサ１０４によって実行されたときに、コンテンツ嗜好モデルを生成するコード及びルーチンである。コンテンツ嗜好モデルは、ユーザ１２５のコンテンツ嗜好を記述したモデルである。コンテンツ嗜好は、静的コンテンツ嗜好と、動的コンテンツ嗜好とを含む。静的コンテンツ嗜好は、１つ又は２つ以上のアーティスト、アルバム、曲、ジャンル、ポッドキャストのテーマ、オーディオブックの作者、役者、ディレクタ、作家などについてのユーザ１２５の好みを含む。しかしながら、ユーザ１２５のコンテンツ嗜好は、車両及び／又はユーザ１２５に関する環境的要因に応じてしばしば変化する。例えば、ユーザ１２５は、独りでブロードウェイのサウンドトラックを聴くことが好きであるとする（なぜならば、同乗者がいると恥ずかしいからである）。同乗者の存在は、ユーザ１２５の静的嗜好を変化させない（すなわち、ユーザ１２５は、依然、ブロードウェイのサウンドトラックが好きである）が、ブロードウェイのサウンドトラックからの曲を聴くというユーザ１２５の嗜好は、同乗者が存在するかどうか（すなわち、環境的要因）に応じて変化する。動的コンテンツ嗜好は、このような嗜好の変化を記述している。別の例として、ユーザ１２５の静的コンテンツ嗜好が、ユーザ１２５が、通常は、ゆったりとした哀愁を帯びたコンテンツを好きであることを示す一方で、ユーザ１２５の動的コンテンツ嗜好は、ユーザ１２５が、往来が少ない開けた高速道路を運転しているときは、より速く且つよりアップビートなコンテンツを好むことを示す。このようなコンテンツ嗜好モデルは、ユーザ１２５の動的コンテンツ嗜好を含むゆえに、より正確なコンテンツ嗜好モデルが生成されることを有利に可能にし、これは、既存の推薦システムと比べて、より正確な推薦がなされることを可能にする。

モデル生成モジュール３０９は、再生履歴データベース２３６から取り出されたデータをモデル化することによってコンテンツ嗜好モデルを生成する。１つの実施形態では、モデル生成モジュール３０９は、再生履歴データベース２３６からデータを取り出すことに加えて、又はその代わりに、集約モジュール３０７からデータを受信する。１つの実施形態では、モデル生成モジュール３０９は、ユーザ１２５に関連付けられたデータの行を再生履歴データベース２３６から取り出し、そのデータの行を使用して行列を生成し、その行列に対して潜在意味解析（Latent Semantic Indexing, LSI）を実施し、行列に含まれ
る行と列との間の関係からユーザ１２５の嗜好を識別し、ユーザ１２５の嗜好をモデルで表す。例えば、モデル生成モジュール３０９は、少なくとも部分的には、再生履歴データベース２３６から取り出されたデータに基づいて、ユーザ１２５が雨降りの火曜日の午後に曲「ホテル・カリフォルニア」を聴いていたことを記述した第１の行と、ユーザ１２５が雨降りの日曜日の朝に曲「ニュー・キッド・イン・タウン」を聴いていたことを記述した第２の行とを有する行列を生成するとする。これらの曲は、ともに、バンド「イーグルズ」の曲であるので、モデル生成モジュール３０９は、ユーザ１２５が、雨降りの日に運転するときにイーグルズの曲を聴くことを好むと識別する。モデル生成モジュール３０９は、この嗜好をコンテンツ嗜好モデルのなかに保持する。当業者ならば、コンテンツ嗜好モデルを生成するためのその他の技術も可能であることがわかる。

モデル生成モジュール３０９は、モデルデータを出力する。モデルデータは、ユーザ１２５のコンテンツ嗜好モデルを記述したデータである。１つの実施形態では、モデルデータは、表の形態をとっている。例えば、表の１行は、クラシックコンテンツ、交響曲、及び往来が少ないというエントリを有する。このモデルデータは、ユーザ１２５のコンテンツ嗜好の一部分を示す。ユーザ１２５のコンテンツ嗜好のこの一部分は、ユーザ１２５が、往来が少ない道路を運転しているときに交響曲などのクラシック音楽を好むことを示す。当業者ならば、その他の形態のモデルデータも可能であることがわかる。

図に示された実施形態では、モデル生成モジュール３０９は、信号線３３０を介してバス３２０と通信可能に接続されている。１つの実施形態では、モデル生成モジュール３０９は、通信モジュール３０１を介して推薦モジュール３１１にモデルデータを送信する。別の実施形態では、モデル生成モジュール３０９は、モデルデータをモデルデータベース２３８に保存する。更に別の実施形態では、モデルデータは、推薦モジュール３１１に送信されるとともにモデルデータベース２３８に保存される。

推薦モジュール３１１は、プロセッサ１０４によって実行されたときに、モデル生成モジュール３０９から受信された又はモデルデータベース２３８から取り出されたモデルデータを使用してユーザ１２５に対してコンテンツ推薦を行うコード及びルーチンである。図に示された実施形態では、推薦モジュール３１１は、信号線３３２を介してバス３２０と通信可能に接続されている。

１つの実施形態では、推薦モジュール３１１は、コンテンツライブラリ２４０のなかのコンテンツと、モデルデータの形でユーザ１２５のコンテンツ嗜好によって記述されたコンテンツとの間の類似度を測定するために、コサイン類似度の方法を使用し、コンテンツライブラリ２４０のなかのコンテンツのうち、ユーザ１２５のコンテンツ嗜好によって記述されたコンテンツに最も類似しているコンテンツを見つけ出し、ユーザ１２５のコンテンツ嗜好に最も類似していると決定されたそのコンテンツについての推薦を生成する。例えば、推薦モジュール３１１が、ユーザ１２５が交響曲などのクラシックコンテンツを好むことを記述したモデルデータを受信したとすると、推薦モジュールは、コンテンツライブラリ２４０のなかのコンテンツをモデルデータと比較し、ベートーベンの交響曲第九番の推薦を決定する。当業者ならば、どのコンテンツを推薦するかを決定するためのその他の技術も可能であることがわかる。

推薦モジュール３１１は、ユーザ１２５から受信されたフィードバックデータのコンテンツに応じて、新しいコンテンツ推薦を生成するかどうかを決定する。１つの実施形態では、推薦モジュール３１１は、コンテンツ推薦を求めるユーザリクエストの形をしたフィードバックデータの受信に応答してコンテンツ推薦処理を実行して、コンテンツ推薦を生成する。別の実施形態では、推薦モジュール３１１は、例えば先のコンテンツ推薦に対するユーザ１２５のレスポンスなどのフィードバックデータの受信に応答してコンテンツ推薦を生成する。このような１つの実施形態では、推薦モジュール３１１は、フィードバックデータのなかのユーザ１２５のレスポンスが非同意である場合にコンテンツ推薦を生成する。

もし推薦モジュール３１１がコンテンツ推薦を生成する場合は、推薦モジュール３１１は、このコンテンツ推薦を通信モジュール３０１に引き渡す。通信モジュール３０１は、インターフェース１１２を介してコンテンツ推薦をユーザ１２５に送信する。１つの実施形態では、推薦モジュール３１１は、生成されたコンテンツ推薦の音声再生を自動的に実行する。別の実施形態では、コンテンツ推薦は、インターフェース１１２上のＧＵＩを通じてユーザ１２５に表示され、ユーザ１２５は、コンテンツ推薦の音声再生を実行するためにはコンテンツ推薦に同意しなければならない。

＜方法＞
次に、１つの実施形態にしたがった、ユーザ１２５に対してコンテンツ推薦を行うための方法５００のフロー図を描かれた図５を参照する。コンテンツ決定モジュール１０６は、カメラ１０８と、センサ１１０と、ユーザ１２５との任意の組み合わせからデータを収集する（５０２）。１つの実施形態では、例えばコンテンツ推薦を求めるユーザリクエストや先のコンテンツ推薦に対するユーザの受け入れ若しくは拒否を含むフィードバックデータなどのユーザ入力に応答して。データが収集される（５０２）。上記のように、収集された（５０２）データは、フィードバックデータと状況データとを含む。上述のように、状況データは、シーンカテゴリ情報（カメラ１０８によって捕えられた画像の結果得られたデータ）、状態データ（センサ１１０による測定の結果得られたデータ）、又はそれらの両方を含む。

コンテンツ決定モジュール１０６は、データを集約させる（５０４）。１つの実施形態では、状況データは、集約（５０４）前に、ベクトル化して状況特徴ベクトルを作成するといった処理が施される（不図示）。１つの実施形態では、コンテンツ決定モジュール１０６は、フィードバックデータを同じ又は同様の時刻印を有する状況データとマッチさせるために、時刻印を使用してデータを集約させる（５０４）。フィードバックデータ（例えばユーザ１２５の同意又は非同意）及び状況データ（環境的要因を表す）の集約（５０４）は、集約データのなかからユーザ１２５の動的コンテンツ嗜好を捉え、コンテンツ決定モジュール１０６が、少なくとも部分的には集約データに基づいた、したがってユーザ１２５の動的コンテンツ嗜好に基づいたコンテンツ嗜好モデルを生成する（５０６）ことを有利に可能にする。コンテンツ決定モジュール１０６は、少なくとも部分的にはコンテンツ嗜好モデルに基づいて、ユーザ１２５に対してコンテンツ推薦を生成する（５０８）。

１つの実施形態にしたがった、ユーザ１２５に対してコンテンツ推薦を行うための別の方法６００のフロー図を描かれた図６を参照する。ステップ６０２では、ＧＵＩモジュール３０５は、フィードバックデータ（例えば、コンテンツ推薦を求めるユーザリクエストやコンテンツ推薦に対する同意若しくは非同意）をユーザ１２５から受信する（６０２）。１つの実施形態では、ＧＵＩモジュール３０５は、フィードバックデータを集約モジュール３０７に引き渡す。１つの実施形態では、ＧＵＩモジュール３０５は、フィードバッ
クデータをフィードバックデータベース２３４に保存する。

１つの実施形態では、ＧＵＩモジュール３０５によって受信されたフィードバックデータに応答して、状況モジュール３０３は、カメラ１０８から画像データを、センサ１１０からセンサデータを、又はそれらの両方を受信し、それらをもとに状況データを生成する（不図示）。状況モジュール３０３は、状況データをベクトル化して状況特徴ベクトルを作成する（不図示）。状況モジュール３０３は、状況特徴ベクトルを集約モジュール３０７に送信する（不図示）。１つの実施形態では、状況モジュール３０３は、状況特徴ベクトルを状況データベース２３２に保存する（不図示）。ステップ６０４では、集約モジュール３０７は、状況特徴ベクトルを状況モジュール３０３から受信する（６０４）ために又は状況ベクトルを状況データベース２３２から取り出すために、通信モジュール３０１と通信する。

ステップ６０６では、集約モジュール３０７は、フィードバックデータと状況特徴ベクトルとコンテンツデータとを集約させて集約データを生成する（６０６）。コンテンツデータ（すなわち、再生又は推薦された内容及びその特性）と、フィードバックデータ（すなわち、推薦又は再生された内容に対するユーザのレスポンス）と、状況特徴ベクトル（すなわち、コンテンツの推薦又は再生に対してユーザ１２５のレスポンスがなされたときの環境状態）との集約は、ユーザ１２５の動的コンテンツ嗜好を捉えたコンテンツ嗜好モデルを生成するための土台として機能する。１つの実施形態では、集約モジュール３０７は、集約データを再生履歴データベース２３６に保存する。別の実施形態では、集約モジュールは、集約データをモデル生成モジュール３０９に送信する。

ステップ６０８では、モデル生成モジュール３０９は、再生履歴データベース２３６から取り出された及び／又は集約モジュール３０７から受信された集約データを使用してコンテンツ嗜好モデルを生成する（６０８）。もし、ステップ６０２で受信されたフィードバックデータが、コンテンツ推薦に対するユーザ１２５のレスポンスであった場合は、集約データは、ユーザ１２５、カメラ１０８、及び／又はセンサ１１０からの新しい情報（すなわち、推薦のコンテンツデータに関連付けられた新しいフィードバックデータ及び新しい状況特徴ベクトル）を含み、モデル生成モジュール３０９は、少なくとも部分的にはこれらの追加情報に基づいて、新しいコンテンツ嗜好モデルを生成する。もし、ステップ６０２で受信されたフィードバックデータが、ユーザリクエストであった場合は、１つの実施形態では、新しいコンテンツ嗜好モデルは生成されない。１つの実施形態では、モデル生成モジュール３０９は、コンテンツ嗜好モデルを記述したモデルデータを推薦モジュール３１１に引き渡す。

推薦モジュール３１１は、ステップ６０２で受信されたフィードバックデータのコンテンツに応じ、新しいコンテンツ推薦を生成するかどうかを決定する。ステップ６１０では、推薦モジュール３１１は、ステップ６０２で受信されたフィードバックデータがコンテンツ推薦を求めるユーザリクエストであったかどうかを決定する（６１０）。ユーザリクエストは、コンテンツ決定モジュール１０６にコンテンツ推薦を生成させるユーザ入力である。もし、受信された（６０２）フィードバックデータがユーザリクエストであった場合は、方法６００は、ステップ６１４に進む。もし、受信された（６０２）フィードバックデータがユーザリクエストでなかった場合は、方法６００は、ステップ６１２に進む。

ステップ６１２では、推薦モジュール３１１は、ユーザ１２５のレスポンスを記述したフィードバックデータが先のコンテンツ推薦に対する同意であったか又は非同意であったかを決定する（６１２）。同意信号は、ユーザ１２５が先のコンテンツ推薦を受け入れた、すなわち好きだったことを示す。１つの実施形態では、ユーザ１２５の同意は、例えば、ユーザ１２５がコンテンツ推薦を通しで再生したら同意信号が送信されるなどのように
、間接的である。別の実施形態では、ユーザ１２５の同意は、例えば、もしユーザがインターフェース１１２とやり取りしてＧＵＩ上の「承認」を選択したら同意信号が送信されるなどのように、直接的である。非同意信号は、ユーザ１２５が先のコンテンツ推薦を拒否した、すなわち好きでなかったことを示す。１つの実施形態では、ユーザ１２５の非同意は、例えば、ユーザ１２５がインターフェースを使用してＧＵＩ上の「次トラック」ボタンを選択したら非同意信号が送信されるなどのように、間接的である。別の実施形態では、ユーザ１２５の非同意は、例えば、ユーザがインターフェース１２とやり取りしてＧＵＩ上の「却下」を選択したら非同意信号が送信されるなどのように、直接的である。

非同意信号が受信されなかった場合（６１２−ＮＯ）は、新しいコンテンツ推薦は生成されず、方法６００は終了する。別の実施形態では、非同意信号が受信されなかった場合（６１２−ＮＯ）は、ユーザ１２５は、推薦されたコンテンツを再生する。このような１つの実施形態では、ユーザ１２５は、推薦されたコンテンツの再生を終えた後に、ユーザ１２５がコンテンツ推薦に同意した後にコンテンツを通しで再生したかどうか、ユーザ１２５が推薦されたコンテンツをどれくらい長く再生したか、ユーザ１２５がコンテンツ推薦をどのように格付けしたかなどを記述したフィードバックデータを、コンテンツ決定モジュール１０６に送信する。同様の別の実施形態では、推薦されたコンテンツの再生後、ステップ６１４に進むことによって（不図示）又は新しいユーザリクエスト（不図示）を自動的に生成して方法６００のステップ６０２を再び開始させることによって、新しいコンテンツ推薦がなされる。非同意信号が受信された場合（６１２−ＹＥＳ）は、方法６００は、ステップ６１４に進む。

ステップ６１４では、推薦モジュール３１１は、ステップ６０８で生成されてモデル生成モジュール３０９から受信された又はモデルデータベース２３８から取り出されたコンテンツ嗜好モデルに基づいたモデルデータを使用して、コンテンツ推薦を生成する（６１４）。図に示された方法では、推薦モジュール３１１は、コンテンツ推薦を求めるユーザリクエスト又は先のコンテンツ推薦に対する非同意信号のいずれかである受信された（６０２）フィードバックレスポンスに応答して、コンテンツ推薦を生成する（６１４）。推薦モジュール３１１は、インターフェース１１２を介してユーザ１２５にコンテンツ推薦を送信し（不図示）、ユーザは、同意（直接的若しくは間接的）又は非同意（直接的若しくは間接的）でコンテンツ推薦に対して応答する（不図示）。

ステップ６１６では、ＧＵＩモジュール３０５は、ユーザ１２５が新しいコンテンツ推薦に同意するかどうかを決定する（６１６）。ユーザ１２５がコンテンツ推薦に同意する場合（６１６−ＹＥＳ）は、コンテンツ推薦が再生され（６１８）、ＧＵＩモジュールは、方法をステップ６０２から再び開始させるために、同意信号を含むフィードバックデータを送信する（６２０）。ユーザ１２５がこの新しいコンテンツ推薦に同意しない（６１６−ＮＯ）場合は、ユーザ１２５は、方法をステップ６０２から再び開始させるために、非同意信号を含むフィードバックデータを送信する（６２２）。

図に示された方法では、同意信号又は非同意信号を含むフィードバックデータが受信されるたびに、システム１００は、記憶装置１４０のモデルデータベース２３８に保存されているコンテンツ嗜好モデルを更新し、ユーザ１２５の動的コンテンツ嗜好を含む、次第に正確さを増すコンテンツ嗜好モデルを有利に作成する。システム１００は、また、コンテンツ決定モジュール１０６がユーザ１２５からの同意信号を含むフィードバックデータを受信するまで、コンテンツ嗜好モデルに基づいて新しいコンテンツ推薦を生成し続ける。

実施形態例の以上の説明は、例示及び説明を目的として提示されたものであり、包括的であることも、開示された形態そのものに本発明を限定することも意図していない。上記
の教示内容に照らして、多くの変更形態及びバリエーションが可能である。本開示内容の範囲は、この詳細な説明によってではなく、本出願の特許請求の範囲によって限定されることを意図している。当業者にならば理解されるように、本発明は、その趣旨又は基本的特性から逸脱することなくその他の特定の形態で具現化することが可能である。同様に、モジュール、ルーチン、特徴、属性、技法、及びその他の態様の、具体的な命名及び区別は、強制的でも重大でもなく、本明細書又はその特徴を実現するメカニズムは、異なる呼び名、区別、及び／又は形式を有することが可能である。更に、関連分野の当業者にならば明らかなように、本発明のモジュール、ルーチン、特徴、属性、技法、及びその他の態様は、ソフトウェア、ハードウェア、ファームウェア、又はこれら３つの任意の組み合わせとして実装することができる。また、本発明の、例えばモジュールを一例とするコンポーネントが、どこであれソフトウェアとして実装されたとすると、そのコンポーネントは、独立したプログラムとして、より大きなプログラムの一部として、複数の個別のプログラムとして、静的に若しくは動的にリンクされたライブラリとして、カーネルローダブルモジュールとして、デバイスドライバとして、並びに／又はコンピュータプログラミングの分野の当業者に現在若しくは将来知られるあらゆる及び任意のその他の形で実装することができる。また、本発明は、いかなる特定のプログラミング言語での実装にも、又はいかなる特定のオペレーティングシステム若しくは環境のための実装にも、決して限定されない。したがって、本開示内容は、添付の特許請求の範囲に定められた本発明の範囲を限定するのでなく、例示的であることを意図している。

１００ コンテンツ推薦システム
１０２ 制御部
１０６ 音楽決定モジュール
３０１ 通信モジュール
３０３ 状況モジュール
３０５ ＧＵＩモジュール
３０７ 集約モジュール
３０９ モデル生成モジュール
３１１ 推薦モジュール

Claims (20)

1. コンピュータによって実行されるコンテンツ推薦方法であって、
   コンテンツを記述したコンテンツデータと、前記コンテンツがユーザに推薦されたときの環境を記述した状況データと、前記推薦に対する前記ユーザのレスポンスを記述したフィードバックデータとを集約させるデータ集約ステップと、
   少なくとも部分的には前記集約データに基づいた前記ユーザの動的コンテンツ嗜好を表すコンテンツ嗜好モデルを生成するモデル生成ステップと、
   少なくとも部分的には前記コンテンツ嗜好モデルに基づいて、第１のコンテンツ推薦を生成するコンテンツ推薦ステップと、
   を含むコンテンツ推薦方法。
2. 前記第１のコンテンツ推薦を前記ユーザに提示する提示ステップと、
   前記ユーザからフィードバックデータを受信するフィードバック受信ステップと、
   前記フィードバックデータの受信に応答して、更新されたコンテンツ嗜好モデルを生成するモデル更新ステップと、
   を更に含む請求項１に記載のコンテンツ推薦方法。
3. 前記モデル更新ステップは、
   前記ユーザから受信されたフィードバックのタイプと、前記フィードバックがいつ受信されたかを示す時刻印とを含む前記フィードバックデータを受信するステップと、
   新しいフィードバックデータの受信に応答して、センサ及びカメラのうちの１つ又は２つ以上から、前記新しいフィードバックデータの前記時刻印に近い時刻印を有する新しい状況データを収集するステップと、
   前期新しいフィードバックデータが受信されたときの前記第１のコンテンツ推薦に関連付けられた前記コンテンツデータを受信するステップと、
   前記フィードバックデータと、前記新しい状況データと、前記コンテンツ推薦に関連付けられた前記コンテンツデータとを集約させて、新しい集約データを作成するステップと、
   少なくとも部分的には前記新しい集約データに基づいて、更新されたコンテンツ嗜好モデルを生成するステップと、
   を含む請求項２に記載のコンテンツ推薦方法。
4. 前記ユーザが前記第１のコンテンツ推薦を拒否したことを示すフィードバックデータに応答して、少なくとも部分的には前記更新されたコンテンツ嗜好モデルに基づいて、第２のコンテンツ推薦を生成するステップを更に含む、請求項２または３に記載のコンテンツ推薦方法。
5. 前記フィードバックデータは、
   前記コンテンツ推薦を求めるユーザリクエストと、
   前記ユーザが前記第１のコンテンツ推薦を受け入れたことを示すユーザレスポンスと、
   前記ユーザが前記第１のコンテンツ推薦を拒否したことを示すユーザレスポンスと、
   のうちの少なくともいずれかのタイプを有する請求項１〜４のいずれかに記載のコンテンツ推薦方法。
6. 前記状況データは、少なくとも部分的には、カメラによって収集されたデータから生成されるシーンカテゴリ情報を含む、請求項１〜５のいずれかに記載のコンテンツ推薦方法。
7. 前記状況データは、少なくとも部分的には、センサ及びカメラのうちの１つ又は２つ以
   上から収集されたデータを含み、かつ、ベクトル化されて状況特徴ベクトルが生成されている、請求項１〜６のいずれかに記載のコンテンツ推薦方法。
8. コンテンツを記述したコンテンツデータと、前記コンテンツがユーザに推薦されたときの環境を記述した状況データと、前記推薦に対する前記ユーザのレスポンスを記述したフィードバックデータとを集約させるための集約モジュールと、
   少なくとも部分的には前記集約データに基づいた前記ユーザの動的コンテンツ嗜好を表すコンテンツ嗜好モデルを生成するためのモデル生成モジュールと、
   少なくとも部分的には前記コンテンツ嗜好モデルに基づいて、第１のコンテンツ推薦を生成するためのコンテンツ推薦モジュールと、
   を備えるコンテンツ推薦システム。
9. 前記第１のコンテンツ推薦を提示し、時刻印を有するフィードバックデータを受信するためのＧＵＩモジュールを更に備える請求項８に記載のコンテンツ推薦システム。
10. 車の環境を記述した状況データを捕えるためのカメラ及びセンサのうちの１つ又は２つ以上と、
    前記ＧＵＩモジュールによる前記フィードバックデータの受信に応答して前記センサ及び前記カメラのうちの１つ又は２つ以上から、前記フィードバックデータの前記時刻印に近い時刻印を有する状況データを収集するための状況モジュールと、
    前記ＧＵＩモジュールによって前記フィードバックが受信されたときの前記提示された第１のコンテンツ推薦に関連付けられた前記コンテンツデータを保存するコンテンツライブラリと、
    前記フィードバックデータと、前記新しい状況データと、前記ＧＵＩモジュールによって前記フィードバックが受信されたときの前記提示された第１のコンテンツ推薦に関連付けられた前記コンテンツデータとを集約させた結果得られた集約データを保存するための再生履歴データベースと、
    少なくとも部分的には前記集約データに基づいた、前記モデル生成モジュールによって生成された前記コンテンツ嗜好モデルを保存するためのモデルデータベースと、
    を更に備える請求項９に記載のコンテンツ推薦システム。
11. 前記ＧＵＩモジュールは、
    前記コンテンツ推薦を求めるユーザリクエストと、
    前記ユーザが前記第１のコンテンツ推薦を受け入れたことを示すユーザレスポンスと、
    前記ユーザが前記第１のコンテンツ推薦を拒否したことを示すユーザレスポンスと、
    のうちの少なくともいずれかのタイプを有するフィードバックデータを受信する、請求項９または１０に記載のコンテンツ推薦システム。
12. 前記推薦モジュールは、前記ユーザが前記第１のコンテンツ推薦を拒否したことを示すフィードバックデータに応答して、少なくとも部分的には前記更新されたコンテンツ嗜好モデルに基づいて、第２のコンテンツ推薦を生成する、
    請求項９〜１１のいずれかに記載のコンテンツ推薦システム。
13. 前記状況データは、少なくとも部分的には、カメラによって収集されたデータを前記状況モジュールが処理することによって生成されるシーンカテゴリ情報を含む、
    請求項８〜１２のいずれかに記載のコンテンツ推薦システム。
14. 前記状況データは、少なくとも部分的には、センサ及びカメラのうちの１つ又は２つ以上から収集されたデータを含み、かつ、前記状況モジュールによってベクトル化されて状況特徴ベクトルが生成されている、
    請求項８〜１３のいずれかに記載のコンテンツ推薦システム。
15. コンテンツを記述したコンテンツデータと、前記コンテンツがユーザに推薦されたときの環境を記述した状況データと、前記推薦に対する前記ユーザのレスポンスを記述したフィードバックデータとを集約させるデータ集約ステップと、
    少なくとも部分的には前記集約データに基づいた前記ユーザの動的コンテンツ嗜好を表すコンテンツ嗜好モデルを生成するモデル生成ステップと、
    少なくとも部分的には前記コンテンツ嗜好モデルに基づいて、第１のコンテンツ推薦を生成するコンテンツ推薦ステップと、
    をコンピュータに実行させるためのコンピュータプログラム。
16. 前記第１のコンテンツ推薦を前記ユーザに提示する提示ステップと、
    前記ユーザからフィードバックデータを受信するフィードバック受信ステップと、
    前記フィードバックデータの受信に応答して、更新されたコンテンツ嗜好モデルを生成するモデル更新ステップと、
    を更にコンピュータに実行させる請求項１５に記載のコンピュータプログラム。
17. 前記モデル更新ステップは、
    前記ユーザから受信されたフィードバックのタイプと、前記フィードバックがいつ受信されたかを示す時刻印とを含む前記フィードバックデータを受信するステップと、
    新しいフィードバックデータの受信に応答して、センサ及びカメラのうちの１つ又は２つ以上から、前記新しいフィードバックデータの前記時刻印に接近した時刻印を有する新しい状況データを収集するステップと、
    前記新しいフィードバックデータが受信されたときの前記第１のコンテンツ推薦に関連付けられた前記コンテンツデータを受信するステップと、
    前記フィードバックデータと、前記新しい状況データと、前記コンテンツ推薦に関連付けられた前記コンテンツデータとを集約させて、新しい集約データを作成するステップと、
    少なくとも部分的には前記新しい集約データに基づいた、更新されたコンテンツ嗜好モデルを生成するステップと、
    を更に含む、請求項１６に記載のコンピュータプログラム。
18. 前記ユーザが前記第１のコンテンツ推薦を拒否したことをフィードバックデータが示すことを決定するステップと、
    前記決定に応答して、少なくとも部分的には前記更新されたコンテンツ嗜好モデルに基づいて、第２のコンテンツ推薦を生成するステップと、
    を更にコンピュータに実行させる請求項１６または１７に記載のコンピュータプログラム。
19. 前記フィードバックデータは、
    前記コンテンツ推薦を求めるユーザリクエストと、
    前記ユーザが前記第１のコンテンツ推薦を受け入れたことを示すユーザレスポンスと、
    前記ユーザが前記第１のコンテンツ推薦を拒否したことを示すユーザレスポンスと、
    のうちの１つ又は２つ以上のタイプを有する、
    請求項１５〜１７のいずれかに記載のコンピュータプログラム。
20. 前記状況データは、少なくとも部分的には、カメラによって収集されたデータから生成されるシーンカテゴリ情報を含む、請求項１５〜１９のいずれかに記載のコンピュータプログラム。

Images