JP2013109698A - アイテム推薦装置、アイテム推薦方法及びプログラム - Google Patents

Abstract

【課題】より高い精度のアイテム推薦を行う。
【解決手段】意図推定部４１０は、ユーザによるアイテムの操作履歴を取得し、ユーザが意図するアイテムの特徴を推定する。推薦ファイル計算部４１１は、推定されたアイテムの特徴に基づいて、ユーザに対して推薦するアイテムの計算方法を決定し、ユーザに対して推薦するアイテムを算出する。
【選択図】図４

Description

本発明は、ユーザに対してアイテム推薦を行うための技術に関するものである。

ユーザが所望のアイテムを検索するための手法として、キーワードによるマッチング方式を用いた手法や、分類・階層化されたアイテムの階層を選択して絞り込んでいく手法が知られている。しかし、これらの手法はユーザに掛かる負担が大きく、また、ユーザの技量によっては最悪の場合、所望のアイテムが見つけられない可能性もある。そこで、ユーザの手間を軽減し、必要としているアイテムを自動的に検索してユーザへ提示する推薦手法が提案されている。

推薦手法として有名なものに、ＥＣ（Electronic commerce）サイト等で広く普及している協調フィルタリングという手法がある。これは、過去の利用履歴からアイテムの利用傾向が似ているユーザ（以下、類似ユーザと称す）を抽出し、その類似ユーザの利用履歴を用いてお薦めするアイテムを予測するものである。この手法は、一般的にユーザに意外性のあるアイテムを推薦することができるとされている。また、利用履歴からユーザの嗜好のプロファイルを作成し、ユーザの嗜好に合うアイテムを推薦する手法や、全ユーザの利用履歴からある観点に対するランキングを提示する手法等、様々な推薦手法が存在する。どの推薦手法により推薦されたアイテムがユーザにとって有益なのかは、ユーザの目的や状況によって異なる。

そこで、ＥＣサイト等では、それぞれの推薦手法によるお薦めアイテムをそれぞれ独立した個別の領域に表示させている。しかし、その結果、お薦めのアイテムを見るために画面のスクロール操作が発生したり、また慣れていない人にとっては、アイテムが煩雑に並び何を見れば良いのか迷ったりする問題がある。また、潤沢な表示領域を確保できないような場合には、この問題はより顕著なものとなる。そこで、１つの表示領域にまとめて表示し、ユーザの操作により、どの推薦手法によるお薦めアイテムを表示するかを選択させる方法が知られている。しかし、ユーザが状況に応じて自ら表示を切り替えるのは手間がかかる上に、状況に応じて適切な推薦手法を選択するのは困難である。そこで、複数の推薦手法によるアイテムの推薦スコアを、重みを付けて結合して１つの推薦スコアとし、この統合した推薦スコアが高い順にお薦めアイテムとして提示する方法が知られている。この方法では、どの推薦手法による効果を優先するかを操作する重みを、どのように決めるかが重要となるが、従来は経験的に決められた固定の重みを与えていた。しかし、上述したように、どの推薦手法により推薦されたアイテムがユーザにとって有益なのかは、ユーザの目的や状況によって異なるので、重みを固定化することは好ましくない。そこで、優先する推薦手法をシステムが動的に変える仕組みがいくつか提案されている。

特許文献１には、番組推薦装置において、ユーザの嗜好の学習度に応じて推薦方式を切り替える技術が開示されている。例えば、嗜好の学習度（視聴回数）が低い場合には、話題の番組が推薦される。また、嗜好の学習が中程度である場合には、蓄積されたユーザ嗜好情報から番組が推薦される。また、嗜好の学習度が高い場合には、他のユーザの嗜好情報と比較し、似ているユーザの視聴履歴から番組が推薦される。

特許文献２には、推薦結果からユーザによって選ばれたアイテムを検出すると、そのアイテムに統合された推薦スコアの中で比重の高い推薦スコアを、ユーザが好む推薦尺度として学習し、その推薦スコアの優先度が高くなるように重みを更新する技術が開示されている。

特開２０１０−１８３３１９号公報 特開２０１０−４９４９８号公報

特許文献１に開示される技術は、ユーザの利用履歴の総量に応じて推薦手法を切り替えるが、それはユーザの目的や状況を加味したものではなく、推薦手法の特徴を考慮したものである。つまり、利用履歴が少ない間は履歴を使わない手法を用い、利用履歴がある程度蓄積されてきたら、履歴を使った手法に切り替えるというものである。しかし、話題の番組が見たいのか、自分が好きな番組が見たいのか、類似ユーザが好きな番組を見たいのかは、利用履歴の量とは無関係であり、その時々で変わる。しかしながら、特許文献１には、その意図を反映した推薦については開示されていない。

また、特許文献２に開示される技術は、推薦結果からユーザに受け入れられたアイテムをフィードバックとして受け取り、そのアイテムを推薦する根拠となった推薦手法の優先度が高くなるように更新することにより、ユーザの意図を反映させようとしている。この方法は、ユーザが長期的にある推薦手法により推薦されるアイテムばかりを望む場合には効果的だが、実際には、短期的に、その時々で望むアイテムは変わることの方が多い。このように、従来の技術では、ユーザのその時々の目的や状況を考慮した、アイテム推薦を行うことはできない。

そこで、本発明の目的は、より高い精度のアイテム推薦を行うことにある。

本発明のアイテム推薦装置は、ユーザによるアイテムの操作履歴を取得する取得手段と、前記取得手段により取得された前記操作履歴に基づいて、前記ユーザが意図するアイテムの特徴を推定する推定手段と、前記推定手段により推定されたアイテムの特徴に基づいて、前記ユーザに対して推薦するアイテムの計算方法を決定する決定手段と、前記決定手段により決定された計算方法により、前記ユーザに対して推薦するアイテムを算出する算出手段とを有することを特徴とする。

本発明によれば、より高い精度のアイテム推薦を行うことが可能となる。

本発明の実施形態に係るアイテム推薦システムの構成を示す図である。 ユーザ端末のクライアントツールによって表示される画面の例を示す図である。 ユーザ端末及びファイル管理サーバのハードウェア構成を示す図である。 ファイル管理サーバが備えるファイル管理システムの構成を示す図である。 ファイル操作履歴として格納されるファイル操作情報の例を示す図である。 ファイル推薦部における意図推定部及び推薦ファイル計算部の処理を示すフローチャートである。 第１の推薦ファイルの算出方法を説明するための図である。 図７に示すようなフォルダ遷移操作を行ったユーザに対して推薦ファイルを提示した画面例を示す図である。 第２の推薦ファイルの算出方法を説明するための図である。 第２の推薦ファイルの算出方法を説明するための図である。 第２の推薦ファイルの算出方法を説明するための図である。 第２の推薦ファイルの算出方法を説明するための図である。 操作履歴と重要度との関係をグラフで示した図である。 推薦ファイル表示部において表示される推薦ファイルの具体例を示す図である。 第３の推薦ファイルの算出方法を説明するための図である。

以下、本発明を適用した好適な実施形態を、添付図面を参照しながら詳細に説明する。

以下に説明する実施形態では、アイテムとして、フォルダ構造（又はディレクトリ構造）を持つファイルを対象とする。また、本実施形態に係るアイテム推薦システムは、ファイル推薦機能を備えている。本実施形態におけるファイル推薦機能とは、ユーザのファイル操作履歴を用いて、現在、ユーザが開いているフォルダ以下のファイル(サブフォルダを含む)中で、ユーザにとって有益なファイルをお薦めする機能である。ユーザにとって有益なファイルとは、例えばユーザが最近よく閲覧しているファイルや、ユーザが所属するグループ内でよく閲覧されているファイル等であり、ファイルの操作履歴を用いて求められる。なお、本実施形態では、アイテムとしてファイルを対象としているが、これに限定されるわけではない。例えば、ＥＣサイトにおける商品や映像視聴での映像コンテンツ等、他のアイテムについても適用可能である。

図１は、本発明の実施形態に係るアイテム推薦システムの構成を示す図である。本実施形態に係るアイテム推薦システムはクライアントサーバモデルで実現されている。ユーザ端末Ａ〜Ｃ１０２〜１０４及びファイル管理サーバ１０５は、ネットワーク１０１を介して接続されており、それぞれ相互間で各種情報を授受することができる。ユーザは、それぞれユーザ端末Ａ１０２、ユーザ端末Ｂ１０３及びユーザ端末Ｃ１０４上の専用のクライアントツールを用いて、ファイルの登録、閲覧及び削除等のファイル操作を行う。なお、上述したとおり、本実施形態に係るアイテム推薦システムをクライアントサーバモデルで実現させているが、これに限らず、クライアント単体でも実現させることができる。なお、ファイル管理サーバ１０５は、アイテム推薦装置の適用例となる構成である。

図２は、ユーザ端末Ａ〜Ｃ１０２〜１０４のクライアントツールによって表示される画面の例を示す図である。図２において、２０１は、フォルダの階層構造をツリー状に表示し、フォルダの移動をナビゲートするフォルダ表示部である。２０２は、現在選択されているフォルダの中のファイルやサブフォルダを表示し、ファイルやサブフォルダに対して「開く」、「コピー」及び「削除」等の各種操作を受け付けるフォルダ表示部である。２０３は、サブフォルダも含め、現在選択されているフォルダ以下の全てのファイルの中でユーザにとって有益と思われる推薦ファイル２０４を表示する推薦ファイル表示部である。推薦ファイル表示部２０３において推薦度２０５及び推薦理由２０６が推薦ファイル２０４に付加された状態で表示される。

図３は、ユーザ端末Ａ〜Ｃ１０２〜１０４及びファイル管理サーバ１０５のハードウェア構成を示す図である。ＣＰＵ等で構成される制御部３０１は、バス３０２を介して、メモリ部３０３、大規模記憶部３０４、表示部３０５、入力部３０６、出力部３０７及びネットワーク接続部３０８と接続される。メモリ部３０３はＲＡＭ等で構成される電子的な記憶装置である。制御部３０１は、メモリ部３０３に記録されるプログラム及びデータに従って動作し、バス３０２を介して接続される各構成を制御するとともに、データの入出力を行う。大規模記憶部３０４は、ハードディスク又は光学ディスク等のデータ蓄積装置である。表示部３０５は、文書等を表示するディスプレイ装置である。入力部３０６は、表示部３０５の表示内容に連動した指示を入力するためのマウス、スティック又はパッド等のポインティングデバイスである。なお、タッチパネル機能付きディスプレイ等、表示部３０５と入力部３０６とを兼ねた装置を採用してもよい。出力部３０７は、データを紙に出力するプリンタデバイス等である。ネットワーク接続部３０８は、外部装置とデータの送受信を行うためのネットワークインタフェースである。なお、図３に示す構成は、ＰＣ等の汎用コンピュータ単体で構成してもよいし、ＭＦＰ等の電子機器内に構築してもよい。また、互いに接続された複数のコンピュータやサーバ、及び、ディスプレイやＰＤＡ等の周辺機器の集合によって構築してもよい。

図４は、ファイル管理サーバ１０５が備えるファイル管理システム４０１の構成を示す図である。図４に示すように、ファイル管理システム４０１は、操作取得部４０３、ファイル管理部４０４、操作履歴管理部４０６、情報送信部４０８、ファイル推薦部４０９、データベース４０５及び操作履歴データベース４０７で構成される。ファイル推薦部４０９は、意図推定部４１０及び推薦ファイル計算部４１１で構成される。なお、図４に示す構成のうち、操作取得部４０３、ファイル管理部４０４、操作履歴管理部４０６、情報送信部４０８及びファイル推薦部４０９は、制御部３０１がメモリ部３０３から必要なプログラム及びデータを読み出し、実行することによって実現する機能的な構成である。また、データベース４０５及び操作履歴データベース４０７は、メモリ部３０３又は大規模記憶部３０４における一部記憶領域に相当する構成である。ユーザ端末４０２には、上述したクライアントツールが設けられている。なお、ユーザ端末４０２は、図１におけるユーザ端末Ａ１０２、ユーザ端末Ｂ１０３又はユーザ端末Ｃ１０４に対応する構成である。

なお、本実施形態では、ファイル管理システム４０１にファイル推薦機能を組み込む形で実施しているが、これに限定されるわけではない。ファイル推薦機能として単体で実施してもよいし、他のシステムに組み込む形で実施してもよい。

操作取得部４０３は、ユーザ端末４０２上のクライアントツールからファイル操作情報を入力し、ファイル管理部４０４及び操作履歴管理部４０６に対してファイル操作情報を出力する。ファイル管理部４０４は、操作取得部４０３から入力したファイル操作情報に基づいて、データベース４０５と連携して所定のファイル操作を行う。ここでいう所定のファイル操作とは、例えば、ファイルの新規登録、オープン、コピー又は削除等の操作を意味する。またその他、フォルダに対する上記の操作等も意味する。所定のファイル操作による処理内容は一般的なファイル管理システムと同様である。ファイル操作による処理結果は、情報送信部４０８によってユーザ端末４０２に送信され、ユーザ端末４０２のクライアントツールによって表示される。

データベース４０５は、ファイル管理システム４０１において管理されるファイルやフォルダに関する情報やユーザに関する情報等を格納したり、取得したりする。ユーザに関する情報としては、ユーザ名やユーザＩＤ等のユーザ自体に関する情報だけではなく、ユーザが所属するグループや、グループに所属しているユーザのリスト等のユーザグループに関する情報も含まれる。

操作履歴管理部４０６は、操作取得部４０３からファイル操作情報を入力し、操作履歴データベース４０７にファイル操作履歴としてファイル操作情報を格納する。図５は、ファイル操作履歴として格納されるファイル操作情報の例を示す図である。図５において、５０１は、ログＩＤを示しており、ファイル操作情報を一意に識別するための情報である。５０２は、ファイル操作が行われた時間情報を示している。５０３は、ユーザＩＤを示しており、ファイル操作を行ったユーザを識別するための情報である。５０４は、ファイルＩＤを示しており、操作対象のファイルを識別するための情報である。５０５は、操作イベントを示しており、実行されたファイル操作の種類を示す情報である。ここで挙げたファイル操作履歴（ファイル操作情報）は飽くまでも一例であり、これに限定されない。

ファイル推薦部４０９は、意図推定部４１０と推薦ファイル計算部４１１とを備え、ユーザの操作に応じて推薦ファイルを算出する。情報送信部４０８は、ファイル推薦部４０９によって算出された推薦ファイルをユーザ端末４０２に対して送信する。ユーザ端末４０２のクライアントツールは、ファイル管理システム４０１から受信した推薦ファイルを図２の推薦ファイル表示部２０３に表示する。

次に、図６を参照しながら、ファイル推薦部４０９における意図推定部４１０及び推薦ファイル計算部４１１の処理について説明する。

ステップＳ６０１において、意図推定部４１０は、ユーザの直近のファイル操作履歴を、操作履歴管理部４０６を介して操作履歴データベース４０７から取得する。ステップＳ６０２において、意図推定部４１０は、予め定められたルールに基づいて、ユーザの直近のファイル操作履歴からユーザが意図（所望）するファイルの特徴を推定する。本実施形態においては、ユーザの意図を推定するための手掛かりとなるファイル操作として、ファルダ遷移の方向、遷移時間及びファイルの開閉時間等に着目する。ユーザが意図（所望）するファイルの特徴とは、例えば、ユーザがその存在も場所もよく知っているようなファイルであるとか、逆に存在を知らないファイルや、又は、存在は知っているが場所を忘れたファイル等が考えられる。

ステップＳ６０３において、推薦ファイル計算部４１１は、ステップＳ６０２で推定されたユーザが所望するファイルの特徴に基づいて、推薦ファイルの算出方式を決定する。ステップＳ６０４において、推薦ファイル計算部４１１は、ステップＳ６０３で決定した推薦ファイルの算出方式に基づいて、推薦ファイルを算出する。ステップＳ６０５において、推薦ファイル計算部４１１は、ステップＳ６０４で算出した推薦ファイルを示す推薦ファイル情報を出力する。図２に示す推薦ファイル表示部２０３においては、推薦ファイル情報に基づいて推薦ファイル２０４が表示される。

なお、推薦ファイル計算部４１１によって推薦ファイル情報が出力された後も、意図推定部４１０はユーザが所望するファイルの特徴の推定を継続する。これは、ユーザがファイル操作を一定時間以上行っていないことを検知して、ユーザの意図を推定するパターンがあるためである。詳しくは後述する。

以下では、図７〜図１５を参照しながら、ユーザの直近のファイル操作履歴からユーザが所望するファイルの特徴を推定し、推薦ファイルを算出する処理について具体的に説明する。

先ず、第１の推薦ファイルの算出方法について説明する。ユーザの直近のファイル操作履歴から、図７に示すように、フォルダ７０１からフォルダ７０２、フォルダ７０３と、フォルダを遷移していく時間（遷移時間）が比較的短いと判定される場合、ユーザは探しているファイルの存在や場所を自身がよく分かっていると推定することができる。ユーザのファイル操作の判定方法の一例として、遷移時間に対する閾値を設け、遷移時間がその閾値以下である場合、遷移時間が短いと判定することが挙げられる。また、連続して一定回数、遷移時間が閾値以下である場合、遷移時間が短いと判定してもよい。さらに、フォルダに含まれるファイル数やサブフォルダ数を加味して閾値を変えてもよい。例えば、フォルダに含まれるファイル数やサブフォルダ数が少ない場合、遷移時間の閾値を低くし、一方、フォルダに含まれるファイル数やサブフォルダ数が多い場合、遷移時間の閾値を高く設定することが考えられる。これにより、より高い精度でユーザのファイル操作を判定することが可能となる。

推薦ファイル計算部４１１は、ユーザが探しているファイルの存在や場所を自身がよく分かっていると推定された場合、現在選択されているフォルダ以下で、そのユーザが最近よく利用しているファイルを推薦ファイルとして算出する、推薦ファイルの計算方式を選択する。具体的には、推薦ファイル計算部４１１は、現在選択されているフォルダ以下のファイルに対するユーザの閲覧に関するファイル操作履歴を抽出し、ファイル毎に閲覧回数を集計したものをそのファイルの推薦度とする。また、ただ閲覧回数を集計した場合、全てのファイル操作履歴の重要度は同じとなるが、最近よく利用されているファイルの推薦度を高くするために、閲覧回数を集計する際には、経過時間に従って重要度が下がるような減衰の係数を掛け合わせるとよい。このような減衰の係数としては例えば、次の式１で表されるガウス関数等を使用することができる。

式１において、ｘは操作の発生時間を表し、μは重要度を高くしたい基準となる時間を表し、ρは経過時間による重要度の差の変化率を制御するパラメータを表している。最近の操作の重要度を高くしたい場合には、μを現在時間にすることにより、図１３の１３０１に示すようなグラフの関数となり、現在時間に近いファイル操作履歴ほど高い重要度を与えることができる。なお、グラフにおいてｘ軸は操作の発生時間を表し、ｙ軸は重要度を表す。

また、ユーザが最近よく利用しているファイルを推薦する場合、本実施形態ではファイルの利用として閲覧だけに絞ったが、それ以外にも、編集や印刷等の他の操作も考えられる。この場合、各操作における推薦度を同様に個別に計算した後、各操作の重要度を考慮した重みを掛けて足し合わせることにより、様々な操作を考慮したユーザが最近よく利用しているファイルの推薦度を算出することができる。

推薦ファイル計算部４１１は、上記のように算出した各ファイルの推薦度を降順にソートし、推薦度が高い上位Ｎファイルをユーザが最近よく利用している推薦ファイルとして算出する。図８は、図７に示すようなフォルダ遷移操作を行ったユーザに対して推薦ファイルを提示した画面例を示す図である。図８に示す画面では、推薦ファイルとともに推薦度と推薦理由とが表示されている。推薦度は、計算結果により得られた推薦度を例えば０〜１００の間に正規化をして表示すればよい。推薦理由は、ここでは閲覧履歴しか考慮していないため、「最近よく閲覧しています」としているが、編集や印刷等の他の操作履歴も考慮した場合、推薦度への寄与が高かった操作を推薦理由とすればよい。例えば、推薦度を計算したとき、印刷の操作履歴による推薦度が高い割合であったらなら、「最近よく印刷しています」等となる。

次に、第２の推薦ファイルの算出方法について説明する。ユーザの直近のファイル操作履歴から、図９に示すように、フォルダ９０１からフォルダ９０２、フォルダ９０３と、フォルダを遷移していく時間（遷移時間）が比較的長いと判定される場合には、ユーザは探しているファイルの存在や場所を自身がよく分かっていないと推定することができる。ユーザのファイル操作の判定方法の一例として、遷移時間に対する閾値を設け、遷移時間がその閾値以上である場合、遷移時間が長いと判定することが挙げられる。また、連続して一定回数、遷移時間が閾値以上である場合、遷移時間が長いと判定してもよい。さらに、フォルダに含まれるファイル数やサブフォルダ数を加味して閾値を変えてもよい。例えば、フォルダに含まれるファイル数やサブフォルダ数が少ない場合、遷移時間の閾値を低くし、一方、フォルダに含まれるファイル数やサブフォルダ数が多い場合、遷移時間の閾値を高く設定することが考えられる。これにより、より高い精度でユーザのファイル操作を判定することが可能となる。

また、ユーザが探しているファイルの存在や場所がよく分からないと推定できる方法は他にもいくつかある。例えば、ユーザの操作によるフォルダの遷移方向から推定することができる。図１０に示すように、フォルダ１００１から子フォルダ１００２に遷移し、また親フォルダ１００１に戻ってから、別の子フォルダ１００３に遷移するような場合も、ユーザは探しているファイルの存在や場所が分かっていないと推定することができる。

また、図１１に示すように、あるフォルダ１１０１での停滞時間（フォルダ１１０１の選択時間）が比較的長い場合、ユーザはフォルダに含まれるサブフォルダやファイルの名前等から探しているファイルの手掛かりを得ようとしていると考えられる。そのため、このような場合もユーザは探しているファイルの存在や場所が分かっていないと推定することができる。停滞時間はフォルダ遷移の操作を受け取ってから、次の操作を受け取るまでの時間とし、この停滞時間が閾値を超えた場合に停滞時間が長いと判定すればよい。なお、フォルダに含まれるファイル数やサブフォルダ数に応じて上記閾値を変えてもよい。

さらに、図１２に示すように、あるフォルダ１２０１の中のファイル１２０２を開いて、比較的短い時間で閉じた場合、ファイルの中身を確認しながら、所望のファイルを探していると考えられる。そのため、ユーザは探しているファイルの存在や場所が分かっていないと推定することができる。判定方法としては、ファイルを開く操作から閉じる操作までの時間が閾値以下である場合、ファイルを開いて、比較的短い時間で閉じたと判定すればよい。なお、ファイルに含まれる文字数等に応じて上記閾値を変えてもよい。

推薦ファイル計算部４１１は、上記方法により、ユーザが探しているファイルの存在や場所を分かっていないと推定された場合、現在選択されているフォルダ以下で、例えば、他者がよく利用しているファイルや、そのユーザが少し前によく利用しているファイルを推薦ファイルとして算出する、推薦ファイルの計算方式を選択する。その根拠としては、ユーザが探しているファイルの存在や場所が分からないケースは次の二つが考えられるためである。一つは、一度も利用したことのないファイルで、例えば参考になりそうなファイルを手探りで探しているような場合である。もう一つは、最近利用していなくて、どこにあったかを忘れてしまった、又は、うる覚えの状態の場合である。前者の場合は、ユーザ自身は一度も利用していないため、他者のファイル操作履歴から推薦ファイルが算出される。後者の場合は、ユーザ自身のファイル操作履歴から推薦ファイルが算出されるが、第１の推薦ファイルの算出方法で説明したように最近よく利用したファイルではなく、少し前によく利用したファイルが推薦される。最終的には、他者のファイル操作履歴からの推薦ファイルと、自身のファイル操作履歴による推薦ファイルとをマージして、ユーザが探しているファイルの存在や場所を分かっていないと推定した場合の推薦ファイルとする。以下、それぞれについて詳細に説明する。

先ずは、他者のファイル操作履歴から推薦ファイルを求める方法について説明する。推薦ファイル計算部４１１は、ファイル操作履歴から現在選択されているフォルダ以下に含まれる他者（自分以外）の閲覧に関するファイル操作履歴を抽出し、ファイル毎にその閲覧回数を集計したものをそのファイルの推薦度とする。また、ただ閲覧回数を集計した場合、全てのファイル操作履歴の重要度は同じとなるが、最近よく利用されているファイルの推薦度を高くするために、閲覧回数を集計する際には、経過時間に従って重要度が下がるような減衰の係数を掛け合わせるようにしてもよい。このような減衰の係数としては例えば、上記式１で表されるガウス関数等を用いることができる。また、他者としては、自分以外とするのではなく、データベース４０５に格納されているユーザに関する情報を利用してグループユーザに限定してもよい。ここでは、閲覧操作だけに絞って推薦度を算出したが、第１の推薦ファイルの算出方法での説明と同様、編集や印刷等の他の操作を考慮してもよく、その計算方法は同様である。

次に、自身のファイル操作履歴から推薦ファイルを求める方法について説明する。計算方法としては、第１の推薦ファイルの算出方法で説明したユーザが最近よく利用しているファイルを推薦する計算方式と同様だが、ここでは、最近の利用ではなく、少し前の利用の重要度を高くする点が異なる。具体的には、上記式１における、μを現在時間にするのではなく、例えば３週間前の時間等にする。こうすることにより、図１３の１３０２に示すようなグラフの関数となり、３週間前に近い操作履歴ほど高い重要度を与えることができる。なお、グラフにおいてx軸は操作の発生時間を表し、y軸は重要度を表す。このように、基準時間となるμをシフトさせることで、任意の期間によく利用していたファイルを推薦することができる。ここでのμはシステムで固定値としてもよいし、ユーザが任意に変更できるようにしてもよい。また、固定値ではなく推薦後の時間の経過とともに変化させるようにしてもよい。例えば、ユーザが探しているファイルの存在や場所を分かっていないと推定された場合に、はじめは２週間前によく利用していたファイルが推薦される。その後、ユーザが推薦したファイルを一定時間以上選択しない場合には、μの値をシフトさせ、４週間前によく利用していたファイルを推薦するといった具合である。

最終的には、他者のファイル操作履歴による推薦ファイルと自身のファイル操作履歴による推薦ファイルとの推薦度をそれぞれ正規化して足し合わせることで、推薦ファイルの推薦度を算出する。その際に、重みを付けることで、どちらを優先するか変化をつけてもよい。このように計算した各ファイルの推薦度を降順にソートし、推薦度が高い上位Ｎファイルを、ユーザが探しているファイルの存在や場所を分かっていない場合の推薦ファイルとする。図１４は、推薦ファイル表示部２０３において表示される推薦ファイルの具体例を示す図である。図１４に示すように、推薦ファイルとして、他のユーザがよく閲覧しているファイル１４０１や、ユーザ少し前によく閲覧していたファイル１４０２等が混ざってお薦めされる。

次に、第３の推薦ファイルの算出方法について説明する。ユーザの直近の操作状況から、図１５に示すように、フォルダ１５０１から子フォルダ１５０２へ遷移し、その後、親フォルダ１５０１へ戻った場合には、ユーザが探しているファイルは子フォルダ１５０２以下にはなかったと推定できる。このように推定したときには、子フォルダ１５０２以下にあるファイルを推薦対象から除外することで、推薦精度を向上させることができる。

以上、図７〜図１５を用いて、ユーザの直近の操作状況から推定した意図に基づく推薦ファイルの算出方法について説明した。このように、ユーザの直近の操作状況から、どのようなファイルをユーザが探しているのかを推定し、それに見合うファイルを推薦することで、ユーザはより効率的に所望のファイルを探すことができるようになる。

上述した実施形態においては、ユーザがどのようなアイテムを探しているのか、その意図を推定し、動的に推薦手法を変えることにより、ノイズを除去したより精度の高いアイテムの推薦を行うことができる。その結果、ユーザは迷うこともなく単一の推薦ファイル表示部２０３から所望のアイテムを効率的に探すことが可能となる。

また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

１０１：ネットワーク、１０２〜１０４、４０２：ユーザ端末、１０５：ファイル管理サーバ、４０１：ファイル管理システム、４０３：操作取得部、４０４：ファイル管理部、４０５：データベース、４０６：操作履歴管理部、４０７：操作履歴データベース、４０８：情報送信部、４０９：ファイル推薦部、４１０：意図推定部、４１１：推薦ファイル計算部

Claims (9)

1. ユーザによるアイテムの操作履歴を取得する取得手段と、
   前記取得手段により取得された前記操作履歴に基づいて、前記ユーザが意図するアイテムの特徴を推定する推定手段と、
   前記推定手段により推定されたアイテムの特徴に基づいて、前記ユーザに対して推薦するアイテムの計算方法を決定する決定手段と、
   前記決定手段により決定された計算方法により、前記ユーザに対して推薦するアイテムを算出する算出手段とを有することを特徴とするアイテム推薦装置。
2. 前記推定手段は、前記操作履歴に基づいて、前記ユーザの操作によるアイテムの遷移時間に関する判定を行い、当該判定結果に応じて、前記ユーザが意図するアイテムの特徴を推定することを特徴とする請求項１に記載のアイテム推薦装置。
3. 前記推定手段は、前記操作履歴に基づいて、前記ユーザの操作によるアイテムの遷移方向に関する判定を行い、当該判定結果に応じて、前記ユーザが意図するアイテムの特徴を推定することを特徴とする請求項１に記載のアイテム推薦装置。
4. 前記推定手段は、前記操作履歴に基づいて、前記ユーザの操作によるアイテムの選択時間に関する判定を行い、当該判定結果に応じて、前記ユーザが意図するアイテムの特徴を推定することを特徴とする請求項１に記載のアイテム推薦装置。
5. 前記推定手段は、前記操作履歴に基づいて、前記ユーザの操作によるアイテムの遷移方向及び選択時間に関する判定を行い、当該判定結果に応じて、前記ユーザが意図しないアイテムを推定し、前記算出手段は、前記ユーザに対して推薦するアイテムから、前記推定手段により推定されたアイテムを除外することを特徴とする請求項１に記載のアイテム推薦装置。
6. 前記アイテムは、階層構造を有することを特徴とする請求項１乃至５の何れか１項に記載のアイテム推薦装置。
7. 階層構造を有する前記アイテムは、フォルダ構造を有するファイルであることを特徴とする請求項６に記載のアイテム推薦装置。
8. アイテム推薦装置によって実行されるアイテム推薦方法であって、
   ユーザによるアイテムの操作履歴を取得する取得ステップと、
   前記取得ステップにより取得された前記操作履歴に基づいて、前記ユーザが意図するアイテムの特徴を推定する推定ステップと、
   前記推定ステップにより推定されたアイテムの特徴に基づいて、前記ユーザに対して推薦するアイテムの計算方法を決定する決定ステップと、
   前記決定ステップにより決定された計算方法により、前記ユーザに対して推薦するアイテムを算出する算出ステップとを有することを特徴とするアイテム推薦方法。
9. ユーザによるアイテムの操作履歴を取得する取得ステップと、
   前記取得ステップにより取得された前記操作履歴に基づいて、前記ユーザが意図するアイテムの特徴を推定する推定ステップと、
   前記推定ステップにより推定されたアイテムの特徴に基づいて、前記ユーザに対して推薦するアイテムの計算方法を決定する決定ステップと、
   前記決定ステップにより決定された計算方法により、前記ユーザに対して推薦するアイテムを算出する算出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