JP2013257696A

JP2013257696A - 情報処理装置、情報処理方法、及び、プログラム

Info

Publication number: JP2013257696A
Application number: JP2012132877A
Authority: JP
Inventors: Masaru Saito; 勝斉藤
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2012-06-12
Filing date: 2012-06-12
Publication date: 2013-12-26
Also published as: CN103488667A; US20130332470A1

Abstract

【課題】コンテンツを推薦するサービスの利用当初のユーザの満足度を向上させる。
【解決手段】集計部は、ユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する。ベクトル生成部は、各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成する。推薦部は、ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、初回ユーザに対して、初回ユーザが使用するクライアントの種別に対応するクライアント種別別ベクトルを用いてコンテンツの推薦を行う。本技術は、例えば、楽曲配信システムに適用できる。
【選択図】図７

Description

本技術は、情報処理装置、情報処理方法、及び、プログラムに関し、特に、コンテンツの推薦を行う場合に用いて好適な情報処理装置、情報処理方法、及び、プログラムに関する。

従来、各ユーザの楽曲に対する評価をシステムに与え、各ユーザの嗜好ベクトルを生成し、各楽曲の特徴ベクトルと嗜好ベクトルとの類似度に基づいて、各ユーザの嗜好に合わせた楽曲リストを提供する技術が提案されている（例えば、特許文献１参照）。この技術を用いれば、各ユーザの嗜好情報の蓄積量の増加に伴い、各ユーザの嗜好ベクトルを成長させることができ、より嗜好に合う楽曲を各ユーザに推薦することが可能になる。

国際公開２０１１／００７６３１号

しかしながら、特許文献１に記載の技術では、サービスを初めて利用する初回ユーザ等、嗜好情報が蓄積されていないユーザについては、嗜好ベクトルを生成することができない。従って、そのようなユーザに対しては、例えば、複数の人気のある楽曲の特徴ベクトルから生成したベクトルを用いて、楽曲リストの作成及び提供が行われる。その結果、当該ユーザの嗜好情報が蓄積されるまでの間、平均的で万人受けする楽曲リストが提供されることになる。

一方、このようなサービスでは、１、２回利用しただけで、ユーザの嗜好情報が蓄積される前に、サービスのメリットを体験することなく、利用を止めてしまうユーザが多いことが経験的に分かっている。

従って、ユーザにサービスのメリットを体験してもらい、継続的にサービスを利用してもらうためには、サービスの利用当初に推薦する楽曲の選択が重要となる。

そこで、本技術は、楽曲等のコンテンツを推薦するサービスにおいて、ユーザの満足度、特に、サービスの利用当初のユーザの満足度を向上させることができるようにするものである。

本技術の一側面の情報処理装置は、コンテンツの推薦を行うサービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する集計部と、各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成するベクトル生成部と、前記ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦を行う推薦部とを含む。

前記集計部には、さらにユーザが属する地域を示す情報を収集し、地域毎に各コンテンツに対するユーザの評価を集計させ、前記ベクトル生成部には、各ユーザが嗜好するコンテンツの特徴を地域別に表す地域別ベクトルをさらに生成させ、前記推薦部には、前記初回ユーザに対して、前記初回ユーザが属する地域に対応する前記地域別ベクトルをさらに用いてコンテンツの推薦を行わせることができる。

前記集計部には、さらにユーザの年齢を示す情報を収集し、年齢毎又は年齢層毎に各コンテンツに対するユーザの評価を集計させ、前記ベクトル生成部には、各ユーザが嗜好するコンテンツの特徴を年齢別又は年齢層別に表す年齢別ベクトルをさらに生成させ、前記推薦部には、前記初回ユーザに対して、前記初回ユーザの年齢に対応する前記年齢ベクトルをさらに用いてコンテンツの推薦を行わせることができる。

前記推薦部には、前記ベクトル生成部により生成される複数の種類のベクトルを代わる代わる用いてコンテンツの推薦を行わせることができる。

前記ベクトル生成部には、ユーザがコンテンツに対して肯定的な評価を付与した場合、当該コンテンツの特徴又は当該コンテンツのアーティストの特徴を表す優先ベクトルを生成し、前記推薦部は、当該ユーザに対して、前記優先ベクトルを優先的に用いてコンテンツの推薦を行わせることができる。

前記推薦部には、当該ユーザが当該コンテンツに対して肯定的な評価を付与してから時間が経過するにつれて、前記優先ベクトルを用いる比率を下げさせることができる。

前記推薦部には、前記嗜好情報の蓄積量が多いユーザほど、当該ユーザの前記ユーザ嗜好ベクトルを用いる比率を高くさせることができる。

前記推薦部には、ユーザが肯定的な評価を付与したコンテンツの推薦に用いられた頻度又は割合が高いベクトルを優先的に用いて、当該ユーザに対してコンテンツの推薦を行わせることができる。

前記推薦部には、前記ベクトル生成部により生成される複数の種類のベクトルを合成したベクトルを用いてコンテンツの推薦を行わせることができる。

前記推薦部には、前記嗜好情報の蓄積量が多いユーザほど、当該ユーザの前記ユーザ嗜好ベクトルを合成する比率を高くさせることができる。

クライアントから送信されてくる位置情報に基づいて、当該クライアントを使用するユーザのシチュエーションを分析するシチュエーション分析部をさらに設け、前記集計部には、シチュエーション毎に各コンテンツに対するユーザの評価を集計させ、前記ベクトル生成部には、各ユーザが嗜好するコンテンツの特徴をシチュエーション別に表すシチュエーションベクトルをさらに生成させることができる。

本技術の一側面の情報処理方法は、コンテンツの推薦を行うサービスを提供する情報処理装置が、前記サービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する集計ステップと、各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成するベクトル生成ステップと、前記ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦を行う推薦ステップとを含む。

本技術の一側面のプログラムは、コンテンツの推薦を行うサービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する集計ステップと、各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成するベクトル生成ステップと、前記ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦を行う推薦ステップとを含む。

本技術の一側面においては、コンテンツの推薦を行うサービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報が収集され、クライアントの種別毎に各コンテンツに対するユーザの評価が集計され、各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルが少なくとも生成され、生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦が行われるとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦が行われる。

本技術の一側面によれば、コンテンツを推薦するサービスにおいて、ユーザの満足度を向上させることができる。特に、本技術の一側面によれば、サービスの利用当初のユーザの満足度を向上させることができる。

本技術の実施形態に係るコンテンツ推薦システムの全体構成図である。サーバのハードウエア構成図である。ユーザ装置のハードウエア構成図である。ユーザ装置の外観斜視図である。変形例に係るユーザ装置の外観斜視図である。ユーザ装置の機能ブロック図である。楽曲配信サーバの機能ブロック図である。ユーザ評価データベースのデータ構成の例を模式的に示す図である。ユーザ属性別楽曲評価データベースのデータ構成の例を模式的に示す図である。シチュエーション別楽曲評価データベースのデータ構成の例を模式的に示す図である。ユーザ属性データベースのデータ構成の例を模式的に示す図である。楽曲情報データベースのデータ構成の例を模式的に示す図である。楽曲特徴データベースのデータ構成の例を模式的に示す図である。楽曲属性データベースのデータ構成の例を模式的に示す図である。推薦部の機能ブロック図である。内部ランキング記憶部の記憶内容を示す図である。ユーザ評価集計処理を説明するためのフローチャートである。デフォルトベクトル生成処理を説明するためのフローチャートである。シチュエーションベクトル生成処理を説明するためのフローチャートである。楽曲推薦処理を説明するためのフローチャートである。基準ベクトル設定処理を説明するためのフローチャートである。推薦楽曲リスト生成処理を説明するためのフローチャートである。１次リストの例を示す図である。ユーザ評価反映処理を説明するためのフローチャートである。

以下、本技術を実施するための形態（以下、実施の形態という）について説明する。なお、説明は以下の順序で行う。
１．実施の形態
２．変形例

＜１．実施の形態＞
［コンテンツ推薦システム１０の構成例］
図１は、本技術の実施形態に係るコンテンツ推薦システム１０の全体構成図である。

コンテンツ推薦システム１０は、インターネット等のデータ通信ネットワーク１８に接続され、相互にデータ通信可能な楽曲配信サーバ１４、楽曲ランキング配信サーバ１５、及び、クライアントを構成する複数のユーザ装置１２−１乃至１２−ｎを含んでいる。

なお、以下、ユーザ装置１２−１乃至１２−ｎを個々に区別する必要がない場合、単にユーザ装置１２と称する。

ユーザ装置１２は、例えば各家庭に設置されるパーソナルコンピュータ、コンピュータゲームシステム、ホームサーバなどのコンピュータシステム、或いは携帯ゲーム機、携帯電話機、スマートフォン、携帯音楽プレーヤなどの可搬型のコンピュータシステム等により構成される。そして、ユーザ装置１２は、楽曲配信サーバ１４にアクセスして当該ユーザ装置１２のユーザに推薦する楽曲のリスト（以下、推薦楽曲リストと称する）を受信する。また、ユーザ装置１２は、推薦楽曲リストに含まれる楽曲のデータを楽曲配信サーバ１４にリクエストし、これを受信して再生する。

一方、楽曲配信サーバ１４は、例えば公知のサーバコンピュータなどのコンピュータシステム等により構成される。そして、各ユーザ装置１２に該ユーザ装置１２のユーザに推薦する楽曲のリスト（推薦楽曲リスト）を送信する。また、楽曲配信サーバ１４は、各ユーザ装置１２からのリクエストに応じて個々の楽曲のデータを送信する。

楽曲ランキング配信サーバ１５は、例えば公知のサーバコンピュータなどのコンピュータシステム等により構成される。楽曲ランキング配信サーバ１５は、楽曲配信サーバ１４の管理者とは異なる者により管理され、楽曲配信サーバ１４からのリクエストに応じて楽曲のランキングを送信する。

この楽曲のランキングは、例えば、定期的に（例えば毎週或いは毎月など）、ポップス、ジャズ、クラシックなどの音楽ジャンル別、国別に発行され、その発行時期及び音楽ジャンルに関連づけて楽曲配信サーバ１４に記憶されている。なお、このランキングは、様々な観点で作成されてよく、例えば購入数の多い楽曲、ダウンロードされた回数の多い楽曲、楽曲に関する情報（例えば解説文書）が閲覧された回数の多い楽曲等に基づいて作成される。

［楽曲配信サーバ１４及び楽曲ランキング配信サーバ１５の構成例］
図２は、楽曲配信サーバ１４及び楽曲ランキング配信サーバ１５のハードウエア構成例を示す図である。

楽曲配信サーバ１４や楽曲ランキング配信サーバ１５は、プロセッサ２１、メモリ２２、ハードディスクドライブ２３、媒体ドライブ２４、通信インタフェース（Ｉ／Ｆ）２５を含み、これらはバス２６に接続され、相互にデータを授受できるように構成されている。

プロセッサ２１は、メモリ２２、ハードディスクドライブ２３又はコンピュータ可読媒体２７に記憶されているプログラムに従って、サーバの各部を制御する。

メモリ２２は、例えばＲＯＭ及びＲＡＭにより構成されており、ＲＯＭは各種のシステムプログラムが記憶され、ＲＡＭは主としてプロセッサ２１の作業用に用いられる。

ハードディスクドライブ２３は、楽曲配信或いは楽曲ランキング配信のためのプログラムが格納されたり、楽曲配信或いは楽曲ランキング配信のための各種データベースが構築される。

媒体ドライブ２４は、ＣＤ−ＲＯＭやＤＶＤ−ＲＡＭなどのコンピュータ可読媒体２７に格納されたデータを読み出したり、或いはそこにデータを書き込んだりする装置である。

通信インタフェース２５は、ユーザ装置１２等の他のコンピュータシステムとの通信ネットワーク１８を介したデータ通信を制御する。

［ユーザ装置１２の構成例］
図３は、ユーザ装置１２のハードウエア構成例を示す図である。

ユーザ装置１２は、プロセッサ３１、メモリ３２、表示制御部３３、サウンド制御部３４、ハードディスクドライブ３５、操作デバイス３６、ＧＰＳ（Global Positioning System）受信部３７、媒体ドライブ３８、通信インタフェース（Ｉ／Ｆ）３９を含み、これらはバス４０に接続され、相互にデータを授受できるように構成されている。

プロセッサ３１は、メモリ３２、ハードディスクドライブ３５又はコンピュータ可読媒体４１に記憶されているプログラムに従って、ユーザ装置１２の各部を制御する。

メモリ３２は、例えばＲＯＭ及びＲＡＭにより構成されており、ＲＯＭは各種のシステムプログラムが記憶され、ＲＡＭは主としてプロセッサ３１の作業用に用いられる。

表示制御部３３は、ビデオメモリを含んで構成されており、プロセッサ３１がビデオメモリに描画した画像をビデオ信号に変換してディスプレイに出力し、該画像を表示させる。

サウンド制御部３４は、サウンドバッファを含んで構成されており、プロセッサ３１がサウンドバッファに格納したサウンドデータをアナログ音声信号に変換してスピーカに出力し、音声を出力させる。

ハードディスクドライブ３５は、楽曲再生プログラムなどの各種プログラムが格納されたり、各種データベースが構築される。

操作デバイス３６は、例えばユーザがユーザ装置１２に各種の指示を与えたり、データを入力したりするために用いられ、例えばキーボード、マウスなどのポインティングデバイス、ゲームＰＡＤ等により構成される。

ＧＰＳ受信部３７は、測地衛星からの電波を受信して、ユーザ装置１２の現在位置を測定する。ＧＰＳ受信部３７は、ユーザ装置１２の現在位置の測定結果をプロセッサ３１に供給したり、通信インタフェース３９を介して、楽曲配信サーバ１４などの他のコンピュータシステムに送信したりする。

媒体ドライブ３８は、ＣＤ−ＲＯＭやＤＶＤ−ＲＡＭなどのコンピュータ可読媒体４１に格納されたデータを読み出したり、或いはそこにデータを書き込んだりする装置である。

通信インタフェース３９は、楽曲配信サーバ１４などの他のコンピュータシステムとの通信ネットワーク１８を介したデータ通信を制御する。

なお、この図に示されるユーザ装置１２のハードウエア構成は、その一例であり、その一部を省略したり、他の構成要素を追加したりすることが可能である。例えば、ユーザ装置１２がデスクトップ型のパーソナルコンピュータのように据置型の装置により構成される場合、ＧＰＳ受信部３７を省略することが可能である。

［ユーザ装置１２の具体例］
ユーザ装置１２は、種々の形態で実現することができ、例えば図４に示すような家庭用電源で動作する据え置き型のゲームコンソールにより構成することが可能である。

この場合、図３に示される各ハードウエア要素は筐体４４に収納され、ディスプレイ及びスピーカとしては、筐体４４とは別体のテレビ受像器４２の表示器４２ａ及び内蔵スピーカ４３が用いられる。また、操作デバイス３６も筐体４４とは別に設けられる。

或いは、ユーザ装置１２は、図５に示すようなバッテリで動作する可搬型且つ一体型のゲーム装置により構成することが可能である。

この場合、図３に示される各ハードウエア要素は筐体４５に収納され、さらにディスプレイとしては、筐体４５の表面に設けられたフラットパネルディスプレイ４６が用いられる。操作デバイス３６も筐体４５の表面に設けられ、例えばフラットパネルディスプレイ４６の左右に配置される。スピーカとしては、筐体４５に内蔵された図示しないスピーカが用いられてもよいし、筐体４５とは別体のステレオヘッドフォン４７が用いられてもよい。

［ユーザ装置１２の機能的構成の例］
次に、ユーザ装置１２の機能的構成を説明する。図６は、ユーザ装置１２の機能ブロック図である。

ユーザ装置１２は、機能的には操作部６１、楽曲再生部６２、及び、位置情報取得部６３を含んで構成される。これらの機能要素は、例えば、ユーザ装置１２においてプログラムが実行されることにより実現される。

操作部６１は、操作デバイス３６を中心に構成されており、操作デバイス３６に対して特定の要求操作が行われると、推薦楽曲リストの要求（以下、楽曲リスト要求と称する）を通信インタフェース３９を介して楽曲配信サーバ１４に送信する。この楽曲リスト要求には、ユーザの識別情報であるユーザＩＤ、楽曲の属性（以下、指定属性と称する）、ユーザ装置１２の種別の識別情報であるクライアント種別ＩＤ、及び、ユーザ装置１２の位置情報が含まれる。

なお、ユーザ装置１２の種別（以下、クライアント種別と称する）を分類する基準は、任意に設定することができる。例えば、パーソナルコンピュータ、携帯ゲーム機等、ユーザ装置１２の種類や形態により分類することも可能であるし、さらに細かく具体的な機種毎に分類することも可能である。

また、操作部６１は、ユーザが操作デバイス３６を用いて楽曲に対する評価を入力した場合、評価された楽曲の識別情報である楽曲ＩＤ、評価したユーザのユーザＩＤ、ユーザ装置１２のクライアント種別ＩＤ及び位置情報、並びに、入力された評価を含むユーザ評価情報を、通信インタフェース３９を介して送信する。例えば、ユーザは、各楽曲に対して肯定的評価（例えば、好き）又は否定的評価（例えば、嫌い）を付与したり、評価値（例えば、５段階評価や得点）を付与したりすることができる。

さらに、操作部６１は、楽曲の再生中に操作デバイス３６に対して行われるユーザ操作（例えば、スキップや停止等）や、楽曲の再生状況（例えば、最後まで再生されたか否か等）に基づいて、その楽曲に対するユーザの評価を判定する。そして、操作部６１は、判定した評価を含むユーザ評価情報を、通信インタフェース３９を介して送信する。

また、操作部６１は、操作デバイス３６に対してユーザ操作が行われた場合、必要に応じて、それを楽曲再生部６２に通知する。

楽曲再生部６２は、楽曲配信サーバ１４から送信される推薦楽曲リストを、通信ネットワーク１８及び通信インタフェース３９を介して受信する。また、楽曲再生部６２は、推薦楽曲リストに含まれる各楽曲の楽曲ＩＤを、リスト順に通信インタフェース３９を介して楽曲配信サーバ１４に送信する。楽曲再生部６２は、この楽曲ＩＤの送信に応答して楽曲配信サーバ１４から送信される楽曲データを、通信ネットワーク１８及び通信インタフェース３９を介して受信し、サウンド制御部３４を用いて再生する。このとき、楽曲再生部６２は、図４及び図５に示すように、ディスプレイに楽曲データに含まれる楽曲のタイトルを表示する。また、楽曲再生部６２は、操作デバイス３６に対するユーザ操作に従って、楽曲データの再生の制御を行う。

位置情報取得部６３は、ＧＰＳ受信部３７を中心に構成されており、ユーザ装置１２の現在位置を測定し、現在位置の測定結果を、通信インタフェース３９を介して楽曲配信サーバ１４に送信する。

［楽曲配信サーバ１４の機能的構成の例］
次に、楽曲配信サーバ１４の機能的構成を説明する。図７は、楽曲配信サーバ１４の機能ブロック図である。

楽曲配信サーバ１４は、機能的には送受信部１０１、情報処理部１０２、及び、記憶部１０３を含んで構成される。

情報処理部１０２は、楽曲の推薦や配信等に関わる処理を行い、シチュエーション分析部１２１、集計部１２２、ベクトル生成部１２３、推薦部１２４、配信部１２５、及び、表示制御部１２６を含んで構成される。

ベクトル生成部１２３は、楽曲の推薦に用いる各種のベクトルの生成を行い、デフォルトベクトル生成部１３１、ユーザ嗜好ベクトル生成部１３２、シチュエーションベクトル生成部１３３、及び、優先ベクトル生成部１３４を含んで構成される。

記憶部１０３は、集計情報記憶部１５１、ユーザ情報記憶部１５２、楽曲情報記憶部１５３、及び、ベクトル記憶部１５４を含んで構成される。

なお、これらの機能要素は、例えば、楽曲配信サーバ１４においてプログラムが実行されることにより実現される。

また、送受信部１０１と情報処理部１０２の各部は、相互にアクセスすることが可能である。さらに、情報処理部１０２の各部は、記憶部１０３の各部にアクセスすることが可能である。

送受信部１０１は、通信インタフェース２５を中心に構成されており、ユーザ装置１２等の他のコンピュータシステムと、通信ネットワーク１８を介してデータ通信を行う。そして、送受信部１０１は、受信したデータを楽曲配信サーバ１４の各部に供給したり、楽曲配信サーバ１４の各部から取得したデータを他のコンピュータシステムに送信したりする。

例えば、送受信部１０１は、各ユーザ装置１２から送信されるユーザ評価情報を受信する。そして、送受信部１０１は、ユーザ評価情報に含まれるユーザ装置１２の位置情報をシチュエーション分析部１２１に通知し、シチュエーションの分析を依頼する。また、送受信部１０１は、ユーザ評価情報を集計部１２２に供給し、集計結果の更新を依頼する。さらに、送受信部１０１は、ユーザ評価情報に含まれる楽曲ＩＤを優先ベクトル生成部１３４に通知し、優先ベクトルの生成を依頼する。また、送受信部１０１は、楽曲ランキング配信サーバ１５から楽曲ランキングを受信し、推薦部１２４に供給する。

さらに、送受信部１０１は、各ユーザ装置から送信されてくる楽曲リスト要求を受信する。そして、送受信部１０１は、楽曲リスト要求に含まれるユーザＩＤをユーザ嗜好ベクトル生成部１３２に通知し、ユーザ嗜好ベクトルの生成を依頼する。また、送受信部１０１は、楽曲リスト要求に含まれるユーザ装置１２の位置情報をシチュエーション分析部１２１に通知し、シチュエーションの分析を依頼する。さらに、送受信部１０１は、楽曲リスト要求に含まれるユーザＩＤ、クライアント種別ＩＤ、及び、指定属性を推薦部１２４に通知し、推薦楽曲リストの生成を依頼する。

また、送受信部１０１は、送受信部１０１は、推薦楽曲リストに含まれる楽曲ＩＤ、当該推薦楽曲リストの宛先のユーザＩＤ、並びに、宛先のユーザ装置１２のクライアント種別ＩＤを集計部１２２に通知する。

また、送受信部１０１は、各ユーザ装置１２から送信される楽曲ＩＤを受信し、配信部１２５に供給する。そして、送受信部１０１は、ユーザ装置１２から受信した楽曲ＩＤに対する楽曲データを配信部１２５から取得し、要求元のユーザ装置１２に送信する。

シチュエーション分析部１２１は、各ユーザ装置１２の位置情報に基づいて、そのユーザ装置１２を使用するユーザのシチュエーションを分析する。シチュエーション分析部１２１は、シチュエーションの分析結果を集計部１２２及び推薦部１２４に通知する。

なお、シチュエーションを分類する基準は、ユーザ装置１２の位置情報に基づいて分類することが可能な範囲内であれば、任意に設定することができる。例えば、海、山、観光地、都市等のピンポイントの位置情報に基づくシチュエーションや、電車で移動中、ドライブ中等の位置情報の時系列の変化に基づくシチュエーションに分類することが可能である。また、ピンポイントの位置情報に基づくシチュエーションは、海、山等の大きな括りで分類するようにしてもよいし、具体的な地名等に細分化するようにしてもよい。また、位置情報の時系列の変化に基づくシチュエーションは、場所を特定するようにしてもよいし、特定しないようにしてもよい。場所を特定するようにした場合、例えば、海岸線をドライブ中、都心部を電車で移動中等に分類することが可能になる。

集計部１２２は、各ユーザ装置１２から収集したユーザ評価情報、及び各ユーザ装置１２に対して送信される推薦楽曲リストに係る情報の集計を行い、集計結果を集計情報記憶部１５１に記憶させたり、ベクトル生成部１２３に供給したりする。

デフォルトベクトル生成部１３１は、ユーザの属性等に応じた楽曲の推薦に用いられるデフォルトベクトルを生成する。具体的には、デフォルトベクトル生成部１３１は、集計部１２２による集計結果、及び、楽曲情報記憶部１５３内の楽曲特徴データベース（図１３）を用いて、各ユーザが嗜好する楽曲の特徴をユーザ装置１２のクライアント種別別に表すクライアント種別別ベクトル、各ユーザが嗜好する楽曲の特徴をユーザが属する地域別に表す地域別ベクトル、及び、各ユーザが嗜好する楽曲の特徴をユーザの年齢別又は年齢層別に表す年齢別ベクトルを生成する。デフォルトベクトル生成部１３１は、生成したクライアント種別別ベクトル、地域別ベクトル、及び、年齢別ベクトルをベクトル記憶部１５４に記憶させる。

ユーザ嗜好ベクトル生成部１３２は、後述するように、集計情報記憶部１５１内のユーザ評価データベース（図８）、及び、楽曲情報記憶部１５３内の楽曲特徴データベース（図１３）を用いて、各ユーザが嗜好する楽曲の特徴をユーザ毎に個別に表すユーザ嗜好ベクトルを生成する。ユーザ嗜好ベクトル生成部１３２は、生成したユーザ嗜好ベクトルをベクトル記憶部１５４に記憶させる。

シチュエーションベクトル生成部１３３は、ユーザのシチュエーションに応じた楽曲の推薦に用いられるシチュエーションベクトルを生成する。具体的には、シチュエーションベクトル生成部１３３は、集計情報記憶部１５１内のシチュエーション別楽曲評価データベース（図１０）、及び、楽曲情報記憶部１５３内の楽曲特徴データベース（図１３）を用いて、シチュエーションベクトルを生成する。シチュエーションベクトル生成部１３３は、生成したシチュエーションベクトルをベクトル記憶部１５４に記憶させる。

優先ベクトル生成部１３４は、ユーザにより楽曲に対して肯定的な評価が付与された場合、当該楽曲の特徴又は当該楽曲のアーティストの特徴を表す優先ベクトルを生成する。優先ベクトル生成部１３４は、生成した優先ベクトルを推薦部１２４に供給する。

推薦部１２４は、後述するように、集計情報記憶部１５１内のユーザ属性別楽曲評価データベース、ユーザ情報記憶部１５２内のユーザ属性データベース、楽曲情報記憶部１５３内の楽曲属性データベース及び楽曲特徴データベース、ベクトル記憶部１５４に記憶されている各種のベクトル、楽曲ランキング配信サーバ１５から受信した楽曲ランキング、並びに、ユーザにより指定された指定属性を用いて、推薦楽曲リストを生成する。推薦部１２４は、生成した推薦楽曲リストを送受信部１０１に供給する。

配信部１２５は、通信ネットワーク１８及び送受信部１０１を介して、ユーザ装置１２から送信された楽曲ＩＤを受信する。また、配信部１２５は、受信した楽曲ＩＤに関連づけられた楽曲データを楽曲情報記憶部１５３から取得し、送受信部１０１を介して、要求元のユーザ装置１２に送信する。

表示制御部１２６は、例えば、ユーザ装置１２において楽曲配信サーバ１４が提供するサービスを利用するための画面の表示を制御する。具体的には、表示制御部１２６は、通信ネットワーク１８及び送受信部１０１を介してユーザ装置１２から受信した各種の要求に応じて、表示用のプログラムやデータ等を含む表示制御データを生成し、送受信部１０１を介してユーザ装置１２に送信する。ユーザ装置１２は、受信した表示制御データに基づいて、所定の画面を表示したり、画面の表示を更新したりする。

なお、ユーザ装置１２において表示される各種の画面は、楽曲配信サーバ１４の表示制御部１２６から供給される表示制御データに基づいて表示されるものと、ユーザ装置１２が独自に表示するものに分かれるが、その区分けは任意に設定することが可能である。

集計情報記憶部１５１は、ハードディスクドライブ２３又は図示しない別体のデータベースを用いて構成され、図８にデータ構造が模式的に示されるユーザ評価データベースを格納する。ユーザ評価データベースは、各ユーザの楽曲に対する評価を集計したデータベースであり、各ユーザの楽曲に対する嗜好情報を示す。ユーザ評価データベースでは、ユーザＩＤと、ユーザが肯定的評価を付与した楽曲（好きな曲）及び否定的評価を付与した楽曲（嫌いな曲）の楽曲ＩＤとが関連づけられている。

また、例えば、集計情報記憶部１５１は、図９にデータ構造が模式的に示されるユーザ属性別楽曲評価データベースを格納する。ユーザ属性別楽曲評価データベースは、各楽曲に対する評価をユーザの属性毎に集計したデータベースである。ユーザ属性別楽曲評価データベースでは、楽曲ＩＤと、ユーザ属性毎の楽曲に対する評価を示す集計値とが関連づけられている。

ユーザ属性は、例えば、年齢、居住地（ユーザが属する地域）、使用言語、使用するユーザ装置１２のクライアント種別の組み合わせにより分類される。なお、１人のユーザが複数のユーザ装置１２を用いてサービスを利用する場合、当該ユーザの各楽曲に対する評価は、クライアント種別毎に分類して集計される。また、各ユーザの年齢を示す情報として、生年月日など間接的に年齢を示す情報を用いるようにしてもよい。

また、集計値は、例えば、ユーザ装置１２に送信された楽曲リストに含まれた回数（以下、配信回数ｘと称する）、ユーザ装置１２から当該楽曲に対して肯定的評価が送信された回数（以下、肯定評価数ｙと称する）、及びユーザ装置１２から当該楽曲に対して否定的評価が送信された回数（以下、否定評価数ｚと称する）の３つの数値を含んでいる。

さらに、例えば、集計情報記憶部１５１は、図１０にデータ構造が模式的に示されるシチュエーション別楽曲評価データベースを格納する。シチュエーション別楽曲評価データベースは、各楽曲に対する評価をシチュエーション毎に集計したデータベースである。シチュエーション別楽曲評価データベースでは、楽曲ＩＤと、ユーザのシチュエーション毎の楽曲に対する評価を示す集計値とが関連づけられている。

なお、集計値は、図９のユーザ属性別楽曲評価データベースと同様に、例えば、配信回数ｘ、肯定評価数ｙ、及び、否定評価数ｚの３つの数値を含んでいる。

ユーザ情報記憶部１５２は、ハードディスクドライブ２３又は図示しない別体のデータベースを用いて構成され、コンテンツ推薦システム１０の各ユーザに関する情報を記憶する。

例えば、ユーザ情報記憶部１５２は、図１１にデータ構造が模式的に示されるユーザ属性データベースを格納する。ユーザ属性データベースは、各ユーザの属性を管理するためのデータベースであり、ユーザＩＤと、年齢、居住地、使用言語等のユーザの属性とが関連づけられている。なお、ユーザ属性データベースの各データを、各ユーザ装置１２から登録できるようにすることが可能である。

楽曲情報記憶部１５３は、ハードディスクドライブ２３又は図示しない別体のデータベースを用いて構成され、コンテンツ推薦システム１０において配信される楽曲に関する情報を記憶する。

例えば、楽曲情報記憶部１５３は、楽曲ＩＤと、対応する楽曲のデータを関連づけて記憶する。なお、同じ楽曲が複数のアルバムに収録されている場合などに、同じ楽曲に対して複数の楽曲データが存在する場合がある。この場合、各楽曲データに対してそれぞれ異なる楽曲ＩＤが付与される。

また、例えば、楽曲情報記憶部１５３は、図１２にデータ構造が模式的に示される楽曲情報データベースを格納する。楽曲情報データベースは、配信される楽曲に関する情報を管理するためのデータベースであり、楽曲ＩＤと、楽曲のタイトル、アーティスト名、収録アルバム等の楽曲に関する情報とが関連づけられている。

さらに、例えば、楽曲情報記憶部１５３は、図１３にデータ構造が模式的に示される楽曲特徴データベースを格納する。楽曲特徴データベースは、各楽曲の特徴を表す特徴量を管理するためのデータベースである。楽曲特徴データベースでは、楽曲ＩＤと、その楽曲ＩＤに対応する楽曲の特徴１乃至Ｍに対する特徴量とが関連づけられている。特徴１乃至Ｍには、例えば楽曲のテンポ、楽曲が特定周波数の音を含む程度、楽曲の解説テキスト中に特定キーワードが含まれている頻度等が採用される。なお、各楽曲の特徴量は、例えば、人手により付与するようにしてもよいし、コンピュータによる解析処理により求めるようにしてもよい。

なお、以下、特徴１乃至Ｍに対する特徴量を成分とし、各楽曲の特徴を表すベクトルを特徴ベクトルと称する。

また、例えば、楽曲情報記憶部１５３は、図１４にデータ構造が模式的に示される楽曲属性データベースを格納する。楽曲属性データベースは、各楽曲の属性を管理するためのデータベースである。楽曲属性データベースでは、楽曲ＩＤと、その楽曲ＩＤに対応する楽曲が各属性を有しているか否かを示すフラグとが関連づけられている。楽曲の属性は、例えばリラックス、バラード、ハッピー、アクティブなどの曲調であり、例えばコンピュータによる解析処理により求められる。

ベクトル記憶部１５４は、ハードディスクドライブ２３又は図示しない別体のデータベースを用いて構成され、デフォルトベクトル、ユーザ嗜好ベクトル、及び、シチュエーションベクトル等を格納する。

［推薦部１２４の構成例］
次に、楽曲配信サーバ１４の推薦部１２４の機能的構成を説明する。図１５は、推薦部１２４の機能ブロック図である。

推薦部１２４は、機能的には内部ランキング生成部２０１、内部ランキング記憶部２０２、ランキング選択合成部２０３、１次リスト記憶部２０４、２次リスト生成部２０５、基準ベクトル設定部２０６、及び、推薦楽曲リスト生成部２０７を含んで構成される。

内部ランキング生成部２０１は、集計情報記憶部１５１内のユーザ属性別楽曲評価データベースに基づいて、定期的に（例えば、毎週又は毎月など）、各種のユーザ属性の範囲に対する楽曲のランキング（以下、内部ランキングと称する）を生成する。内部ランキング生成部２０１は、生成した内部ランキングを内部ランキング記憶部２０２に記憶させる。

内部ランキング記憶部２０２は、ハードディスクドライブ２３又は図示しない別体のデータベースを用いて構成される。内部ランキング記憶部２０２は、図１６に示すように、内部ランキング生成部２０１により生成される各種のランキングを、その生成時期及びユーザ属性の範囲に関連づけて記憶する。

例えば、１５才以下、居住地が日本、使用言語が日本語であるユーザが好む楽曲のランキングは、図９のユーザ属性別楽曲評価データベースにおける「１３才以下・日本・日本語」、「１４才・日本・日本語」、「１５才・日本・日本語」のカラムに記録された肯定評価数ｙの合計値の大きい順に、所定数（例えば１００）の楽曲の楽曲ＩＤを並べることにより生成される。このとき、例えば、配信回数ｘの合計値に対する肯定評価数ｙの合計値の割合、すなわち推薦した回数に対して肯定的評価が付与される回数の割合が大きい順に、所定数の楽曲の楽曲ＩＤを並べることにより、ランキングを生成するようにしてもよい。

ランキング選択合成部２０３は、ユーザ装置１２から送信される楽曲リスト要求に含まれるユーザＩＤに関連づけられたユーザの属性を、ユーザ情報記憶部１５２内のユーザ属性データベースから読み出す。また、ランキング選択合成部２０３は、読み出したユーザ属性に対応する内部ランキングを内部ランキング記憶部２０２から読み出す。さらに、ランキング選択合成部２０３は、当該ユーザ属性に対応する楽曲ランキング（以下、外部ランキングと称する）を、送受信部１０１及び通信ネットワーク１８を介して楽曲ランキング配信サーバ１５から受信する。そして、ランキング選択合成部２０３は、取得した２つのランキングに含まれる楽曲ＩＤを合成することにより、１次リストを生成する。ランキング選択合成部２０３は、生成した１次リストを１次リスト記憶部２０４に記憶させる。

１次リスト記憶部２０４は、ハードディスクドライブ２３又は図示しない別体のデータベースを用いて構成され、１次リストを格納する。

２次リスト生成部２０５は、１次リストを１次リスト記憶部２０４から読み出す。そして、２次リスト生成部２０５は、楽曲リスト要求に含まれる指示属性、及び、楽曲情報記憶部１５３内の楽曲属性データベースに基づいて、１次リストに含まれる各楽曲ＩＤを絞り込んで、２次リストを生成する。２次リスト生成部２０５は、生成した２次リストを推薦楽曲リスト生成部２０７に供給する。

基準ベクトル設定部２０６は、コンテンツの推薦に用いる基準ベクトルの設定を行う。具体的には、基準ベクトル設定部２０６は、ベクトル記憶部１５４に記憶されている各種ベクトルの中から基準ベクトルを選択したり、それらのベクトルを合成することにより基準ベクトルを生成したりする。基準ベクトル設定部２０６は、設定した基準ベクトルを推薦楽曲リスト生成部２０７に供給する。

推薦楽曲リスト生成部２０７は、楽曲情報記憶部１５３内の楽曲特徴データベース、２次リスト生成部２０５から供給される２次リスト、ベクトル生成部１２３の優先ベクトル生成部１３４から供給される優先ベクトル、及び、基準ベクトル設定部２０６から供給される基準ベクトルを用いて、推薦楽曲リストを生成する。推薦楽曲リスト生成部２０７は、生成した推薦楽曲リストを送受信部１０１に供給する。

［コンテンツ推薦システム１０の処理］
次に、コンテンツ推薦システム１０により実行される処理について説明する。

（ユーザ評価収集処理）
まず、図１７のフローチャートを参照して、楽曲配信サーバ１４により実行されるユーザ評価集計処理について説明する。

ステップＳ１において、楽曲配信サーバ１４は、ユーザの楽曲に対する評価を取得する。

例えば、ユーザは、楽曲再生中に、ユーザ装置１２の操作デバイス３６を用いて再生中の楽曲に対する評価を入力することができる。ユーザによる評価が入力された場合、ユーザ装置１２の操作部６１は、再生中の楽曲の楽曲ＩＤ、ユーザＩＤ、並びに、ユーザ装置１２のクライアント種別ＩＤ及び位置情報を含み、入力された評価を示すユーザ評価情報を、通信インタフェース３９を介して楽曲配信サーバ１４に送信する。

なお、再生中の楽曲に限定せずに、再生していない楽曲を選択して、選択した楽曲に対する評価を入力し、そのユーザ評価情報をユーザ装置１２から楽曲配信サーバ１４に送信できるようにしてもよい。

また、例えば、操作部６１は、楽曲再生中に、操作デバイス３６に対してスキップ操作が行われた場合、それを楽曲再生部６２に通知する。楽曲再生部６２は、この通知に従って、楽曲の再生を中止し、次の楽曲ＩＤを楽曲配信サーバ１４に送信し、返信される楽曲データを再生する。このとき、操作部６１は、スキップされた楽曲の楽曲ＩＤ、ユーザＩＤ、並びに、ユーザ装置１２のクライアント種別ＩＤ及び位置情報を含み、否定的評価を示すユーザ評価情報を、通信インタフェース３９を介して楽曲配信サーバ１４に送信する。

さらに、例えば、楽曲再生部６２は、楽曲をスキップすることなく最後まで再生すると、その旨を操作部６１に通知する。この場合、操作部６１は、最後まで再生した楽曲の楽曲ＩＤ、ユーザＩＤ、並びに、ユーザ装置１２のクライアント種別ＩＤ及び位置情報を含み、肯定的評価を示すユーザ評価情報を、通信インタフェース３９を介して楽曲配信サーバ１４に送信する。

なお、ユーザ装置１２が位置情報取得部６３の機能を有していない場合、ユーザ評価情報にユーザ装置１２の位置情報は含まれない。

楽曲配信サーバ１４の送受信部１０１は、以上のようにして各ユーザ装置１２から送信されるユーザ評価情報を、通信ネットワーク１８を介して受信する。

ステップＳ２において、シチュエーション分析部１２１は、ユーザ装置１２の位置情報に基づいて、ユーザのシチュエーションを分析する。具体的には、送受信部１０１は、ユーザ評価情報に含まれるユーザ装置１２の位置情報をシチュエーション分析部１２１に通知し、ユーザのシチュエーションの分析を依頼する。シチュエーション分析部１２１は、ユーザ装置１２の位置情報に基づいて、図１０のシチュエーション別楽曲評価データベースに設定されているシチュエーションの中から、楽曲に対する評価を付与したユーザのシチュエーションを特定する。シチュエーション分析部１２１は、特定したユーザのシチュエーションを示す情報を集計部１２２に供給する。

なお、ユーザ評価情報に位置情報が含まれない場合、ステップＳ２の処理はスキップされる。

ステップＳ３において、集計部１２２は、取得したユーザ評価情報、及び、ユーザのシチュエーションの分析結果に基づいて、集計情報記憶部１５１に記憶されている集計結果の更新を行う。具体的には、送受信部１０１は、ユーザ評価情報を集計部１２２に供給し、集計結果の更新を依頼する。

例えば、ユーザ評価情報に肯定的評価が示されている場合、集計部１２２は、図８のユーザ評価データベースにおいて、ユーザ評価情報に示されるユーザＩＤの好きな曲に、ユーザ評価情報に示される楽曲ＩＤを追加する。一方、ユーザ評価情報に否定的評価が示されている場合、集計部１２２は、図８のユーザ評価データベースにおいて、ユーザ評価情報に示されるユーザＩＤの嫌いな曲に、ユーザ評価情報に示される楽曲ＩＤを追加する。

また、集計部１２２は、ユーザ評価情報に示されるユーザＩＤに対応するユーザの属性をユーザ情報記憶部１５２内のユーザ属性データベースから読み出す。さらに、集計部１２２は、読み出したユーザの属性、及び、ユーザ評価情報に示されるクライアント種別ＩＤに基づいて、図９のユーザ属性別楽曲評価データベースにおいて、楽曲に対して評価を付与したユーザが属するユーザ属性範囲を特定する。そして、集計部１２２は、図９のユーザ属性別楽曲評価データベースにおいて、特定したユーザ属性範囲の集計値を更新する。具体的には、集計部１２２は、ユーザ評価情報に肯定的評価が示されている場合、集計値の肯定評価数ｙを１だけ増加させ、否定的評価が示されている場合、集計値の否定評価数ｚを１だけ増加させる。

さらに、集計部１２２は、図１０のシチュエーション別楽曲評価データベースにおいて、シチュエーション分析部１２１により特定されたシチュエーションの集計値を更新する。具体的には、集計部１２２は、ユーザ評価情報に肯定的評価が示されている場合、肯定評価数ｙを１だけ増加させ、否定的評価が示されている場合、集計値の否定評価数ｚを１だけ増加させる。

その後、ユーザ評価集計処理は終了する。

（デフォルトベクトル生成処理）
次に、図１８のフローチャートを参照して、楽曲配信サーバ１４により実行されるデフォルトベクト生成処理について説明する。

なお、この処理は、例えば、定期的に、或いは、所定の条件が満たされたときに開始される。なお、所定の条件が満たされたときとは、例えば、前回のデフォルトベクトル生成処理の実行時から、各楽曲に対するユーザの評価数が所定量以上増加した場合等が想定される。

ステップＳ２１において、集計部１２２は、クライアント種別、年齢、居住地毎に各楽曲に対するユーザの評価を集計する。具体的には、集計部１２２は、集計情報記憶部１５１内のユーザ属性別楽曲評価データベースに基づいて、各楽曲の配信回数ｘ、肯定評価数ｙ、及び、否定評価数ｚを、クライアント種別毎、年齢毎、及び、居住地毎にそれぞれ集計する。そして、集計部１２２は、集計結果をベクトル生成部１２３に供給する。

ステップＳ２２において、デフォルトベクトル生成部１３１は、クライアント種別、年齢、居住地毎に人気曲を抽出する。

具体的には、デフォルトベクトル生成部１３１は、クライアント種別毎の各楽曲に対するユーザの評価の集計結果に基づいて、クライアント種別毎に評価が高い人気曲を複数抽出する。

なお、人気曲の抽出方法には、任意の方法を採用することができる。例えば、あるクライアント種別において、肯定評価数ｙが所定の数以上の楽曲、又は、肯定評価数ｙが上位の所定の数の楽曲を、そのクライアント種別における人気曲として抽出するようにしてもよい。或いは、あるクライアント種別において、肯定評価数ｙが所定の数以上の楽曲のうち、配信回数ｘに対する肯定評価数ｙの割合が所定の値以上の楽曲、又は、配信回数ｘに対する肯定評価数ｙの割合が上位の所定の数の楽曲を、そのクライアント種別における人気曲として抽出するようにしてもよい。或いは、あるクライアント種別において、肯定評価数ｙが所定の数以上の楽曲のうち、否定評価数ｚに対する肯定評価数ｙの割合が所定の値以上の楽曲、又は、否定評価数ｚに対する肯定評価数ｙの割合が上位の所定の数の楽曲を、そのクライアント種別における人気曲として抽出するようにしてもよい。

また、デフォルトベクトル生成部１３１は、同様の処理により、ユーザの年齢毎、及び、ユーザの居住地毎に人気曲を複数抽出する。なお、このとき、複数の年齢を含む年齢層（例えば、２０代等）毎に人気曲を抽出したり、複数の居住地を含む地域（例えば、北米地域等）毎に人気曲を抽出したりするようにしてもよい。

ステップＳ２３において、デフォルトベクトル生成部１３１は、抽出した人気曲に基づいて、デフォルトベクトルを生成する。

具体的には、デフォルトベクトル生成部１３１は、クライアント種別毎に、抽出した人気曲の特徴量に基づいて、クライアント種別別ベクトルを生成する。例えば、デフォルトベクトル生成部１３１は、あるクライアント種別における人気曲の特徴量を、楽曲情報記憶部１５３内の楽曲特徴データベースから読み出す。そして、デフォルトベクトル生成部１３１は、読み出した人気曲の特徴量の特徴毎の平均値を算出し、算出した平均値を成分とするベクトルを、そのクライアント種別に対応するクライアント種別別ベクトルとして生成する。なお、このとき、各楽曲の人気度に応じて重み付けすることにより、人気曲の特徴量の特徴毎の加重平均を成分とするクライアント種別別ベクトルを生成するようにしてもよい。

従って、クライアント種別別ベクトルは、各ユーザが嗜好する楽曲の特徴を、使用するユーザ装置１２のクライアント種別別に表したものとなる。

また、デフォルトベクトル生成部１３１は、同様の処理により、ユーザの年齢毎に年齢別ベクトルを生成する。従って、年齢別ベクトルは、各ユーザが嗜好する楽曲の特徴量を、ユーザの年齢別に表したものとなる。なお、このとき、所定の年齢層毎に人気曲が抽出されている場合には、各年齢層毎に年齢別ベクトルが生成される。

さらに、デフォルトベクトル生成部１３１は、同様の処理により、ユーザの居住地毎に地域別ベクトルを生成する。従って、地域別ベクトルは、各ユーザが嗜好する楽曲の特徴を、ユーザの居住地別に表したものとなる。なお、このとき、所定の地域毎に人気曲が抽出されている場合には、各地域毎に地域別ベクトルが生成される。

そして、デフォルトベクトル生成部１３１は、生成したクライアント種別別ベクトル、年齢別ベクトル、及び、地域別ベクトルをベクトル記憶部１５４に記憶させる。

その後、デフォルトベクトル生成処理は終了する。

（シチュエーションベクトル生成処理）
次に、図１９のフローチャートを参照して、楽曲配信サーバ１４により実行されるシチュエーションベクト生成処理について説明する。

なお、この処理は、例えば、定期的に、或いは、所定の条件が満たされたときに開始される。なお、所定の条件が満たされたときとは、例えば、前回のシチュエーションベクトル生成処理の実行時から、各楽曲に対するユーザの評価数が所定量以上増加した場合等が想定される。

ステップＳ４１において、シチュエーションベクトル生成部１３３は、シチュエーション毎に人気曲を抽出する。具体的には、シチュエーションベクトル生成部１３３は、図１８のステップＳ２２と同様の処理により、集計情報記憶部１５１内のシチュエーション別楽曲評価データベースに基づいて、シチュエーション毎に評価が高い人気曲を複数抽出する。

ステップＳ４２において、シチュエーションベクトル生成部１３３は、抽出した人気曲に基づいて、シチュエーションベクトルを生成する。具体的には、シチュエーションベクトル生成部１３３は、クライアント種別別ベクトル等を生成する場合と同様の処理により、シチュエーション毎に、抽出した人気曲の特徴量に基づいて、シチュエーションベクトルを生成する。従って、シチュエーションベクトルは、各ユーザが嗜好する楽曲の特徴を、ユーザのシチュエーション別に表したものとなる。

そして、シチュエーションベクトル生成部１３３は、生成したシチュエーションベクトルをベクトル記憶部１５４に記憶させる。

その後、シチュエーションベクトル生成処理は終了する。

［楽曲推薦処理］
次に、図２０のフローチャートを参照して、コンテンツ推薦システム１０により実行される楽曲推薦処理について説明する。

なお、以下、この処理において、ユーザ装置１２を介して楽曲の配信を受けるユーザのことをアクティブユーザと称する。

ステップＳ１０１において、ユーザ装置１２は、ユーザ（アクティブユーザ）からのリクエストを取得する。具体的には、アクティブユーザは、楽曲配信サーバ１４から楽曲の配信を受けたい場合、操作デバイス３６を用いて、楽曲の配信のリクエストを入力する。このとき、アクティブユーザは、配信を希望する楽曲の属性（例えば、リラックス、バラード、ハッピー、アクティブなどの曲調）を指定する。なお、楽曲の属性をアクティブユーザが指定せずに、ユーザ装置１２がランダムに選択するようにしてもよい。そして、操作部６１は、アクティブユーザにより入力された楽曲の配信のリクエストを取得する。

ステップＳ１０２において、操作部６１は、推薦楽曲リストの送信を要求する。具体的には、操作部６１は、アクティブユーザのリクエストに対応する楽曲リスト要求を生成し、通信インタフェース３９を介して楽曲配信サーバ１４に送信する。楽曲リスト要求には、アクティブユーザのユーザＩＤ、指定属性、並びに、ユーザ装置１２のクライアント種別ＩＤ及び位置情報が含まれる。

なお、ユーザ装置１２が位置情報取得部６３の機能を有していない場合、楽曲リスト要求にユーザ装置１２の位置情報は含まれない。

ステップＳ１０３において、楽曲配信サーバ１４の送受信部１０１は、通信ネットワーク１８を介して、楽曲リスト要求をユーザ装置１２から受信する。

ステップＳ１０４において、楽曲配信サーバ１４は、基準ベクトル設定処理を実行する。

ここで、図２１のフローチャートを参照して、基準ベクトル設定処理の詳細について説明する。

ステップＳ１３１において、ユーザ嗜好ベクトル生成部１３２は、ユーザ（アクティブユーザ）の嗜好情報が蓄積されているか否かを判定する。具体的には、送受信部１０１は、楽曲リスト要求に含まれるユーザＩＤをユーザ嗜好ベクトル生成部１３２に通知し、ユーザ嗜好ベクトルの生成を依頼する。ユーザ嗜好ベクトル生成部１３２は、集計情報記憶部１５１内のユーザ評価データベースから、通知されたユーザＩＤに関連づけられている好きな曲の楽曲ＩＤを検索する。そして、ユーザ嗜好ベクトル生成部１３２は、通知されたユーザＩＤに関連づけられている好きな曲の楽曲ＩＤが検索された場合、アクティブユーザの嗜好情報が蓄積されていると判定し、処理はステップ１３２に進む。

ステップＳ１３２において、ユーザ嗜好ベクトル生成部１３２は、ユーザ嗜好ベクトルを生成する。具体的には、ユーザ嗜好ベクトル生成部１３２は、ステップＳ１３１の処理で検索された楽曲ＩＤの特徴量を、楽曲情報記憶部１５３内の楽曲特徴データベースから読み出す。そして、ユーザ嗜好ベクトル生成部１３２は、読み出した楽曲の特徴量に基づいて、ユーザ嗜好ベクトルを生成する。例えば、ユーザ嗜好ベクトル生成部１３２は、読み出した楽曲の特徴量の特徴毎の平均値を算出し、算出した平均値を成分とするベクトルをユーザ嗜好ベクトルとして生成する。そして、ユーザ嗜好ベクトル生成部１３２は、生成したユーザ嗜好ベクトルを基準ベクトル設定部２０６に供給する。

その後、処理はステップＳ１３３に進む。

一方、ステップＳ１３１において、ユーザ嗜好ベクトル生成部１３２は、通知されたユーザＩＤに関連づけられている好きな曲の楽曲ＩＤが検索されなかった場合、アクティブユーザの嗜好情報が蓄積されていないと判定する。そして、ステップＳ１３２の処理はスキップされ、処理はステップＳ１３３に進む。

すなわち、この場合、アクティブユーザの嗜好情報が蓄積されていないため、ユーザ嗜好ベクトルは生成されない。これは、例えば、アクティブユーザがサービスを初めて利用する初回ユーザである場合や、アクティブユーザがサービスの利用を開始して間もない場合等が想定される。

ステップＳ１３３において、基準ベクトル設定部２０６は、デフォルトベクトルを選択する。具体的には、送受信部１０１は、楽曲リスト要求に含まれるユーザＩＤ及びクライアント種別ＩＤを基準ベクトル設定部２０６に通知し、デフォルトベクトルの選択を依頼する。

基準ベクトル設定部２０６は、通知されたユーザＩＤに対応するアクティブユーザの属性をユーザ情報記憶部１５２内のユーザ属性データベースから読み出す。基準ベクトル設定部２０６は、アクティブユーザの年齢に対応する年齢別ベクトル、及び、アクティブユーザの居住地に対応する地域別ベクトルをベクトル記憶部１５４から読み出す。また、基準ベクトル設定部２０６は、通知されたクライアント種別ＩＤに対応するクライアント種別別ベクトルをベクトル記憶部１５４から読み出す。

ステップＳ１３４において、送受信部１０１は、位置情報を受信したか否かを判定する。送受信部１０１は、受信した楽曲リスト要求にユーザ装置１２の位置情報が含まれる場合、位置情報を受信したと判定し、処理はステップＳ１３５に進む。

ステップＳ１３５において、図１７のステップＳ２の処理と同様に、アクティブユーザのシチュエーションが分析され、現在のアクティブユーザのシチュエーションが特定される。

ステップＳ１３６において、基準ベクトル設定部２０６は、シチュエーションベクトルを選択する。具体的には、シチュエーション分析部１２１は、アクティブユーザのシチュエーションの分析結果を基準ベクトル設定部２０６に通知し、シチュエーションベクトルの選択を依頼する。基準ベクトル設定部２０６は、特定されたアクティブユーザのシチュエーションに対応するシチュエーションベクトルをベクトル記憶部１５４から読み出す。

その後、処理はステップＳ１３７に進む。

一方、ステップＳ１３４において、送受信部１０１は、受信した楽曲リスト要求にユーザ装置１２の位置情報が含まれない場合、位置情報を受信していないと判定する。そして、ステップＳ１３５及びＳ１３６の処理はスキップされ、処理はステップＳ１３７に進む。

ステップＳ１３７において、基準ベクトル設定部２０６は、基準ベクトルを設定する。具体的には、基準ベクトル設定部２０６は、ステップＳ１３３の処理で選択した３種類のデフォルトベクトル、ステップＳ１３２の処理で生成されたユーザ嗜好ベクトル、及び、ステップＳ１３６の処理で選択したシチュエーションベクトルの中から１つ以上基準ベクトルの候補となる候補ベクトルを選択する。

なお、上述したステップＳ１３１及びＳ１３４の判定結果によっては、ユーザ嗜好ベクトル及びシチュエーションベクトルが、候補ベクトルの選択対象に含まれない場合がある。例えば、アクティブユーザが初回ユーザの場合には、ユーザ嗜好ベクトルが選択対象に含まれない。さらに、アクティブユーザが初回ユーザの場合、シチュエーションベクトルを選択対象から除外し、デフォルトベクトルのみを候補ベクトルの選択対象とするようにしてもよい。

また、このとき、候補ベクトルを１つ選択するようにしてもよいし、複数選択するようにしてもよい。さらに、候補ベクトルをランダムに選択するようにしてもよいし、所定の基準に従って選択するようにしてもよい。

なお、所定の基準に従って候補ベクトルを選択する場合、アクティブユーザの嗜好により近いベクトルが優先して選択されるように、選択基準を設定することが望ましい。ここで、アクティブユーザの嗜好により近いベクトルとは、例えば、そのベクトルを用いて楽曲を推薦した場合に、推薦した楽曲がアクティブユーザの嗜好に合致する確率がより高いベクトルのことである。

そのような選択基準は、例えば、フィールドテストの結果等に基づいて、サービスの提供者が設定したり、或いは、学習処理により自動生成したりすることが可能である。また、例えば、アクティブユーザの嗜好情報の蓄積量が多いほど、ユーザ嗜好ベクトルの精度が高くなるため、ユーザ嗜好ベクトルがより優先して選択されるように選択基準を設定するようにしてもよい。さらに、例えば、ユーザが評価を付与した楽曲の推薦に用いられたベクトルの種類を集計し、アクティブユーザが肯定的評価を付与した楽曲の推薦に用いられた頻度又は割合が高いベクトルほど優先順位を高く設定し、否定的評価を付与した楽曲の抽出に用いられた頻度又は割合が高いベクトルほど優先順位を低く設定するように、選択基準を設定するようにしてもよい。

また、複数の候補ベクトルを選択した場合、選択した候補ベクトルをそれぞれ個別に基準ベクトルに設定するようにしてもよいし、或いは、複数の候補ベクトルを合成することにより基準ベクトルを生成するようにしてもよい。なお、３つ以上の候補ベクトルを選択した場合、選択した全ての候補ベクトルを合成するようにしてもよいし、その一部の候補ベクトルを合成するようにしてもよい。また、３つ以上の候補ベクトルを選択した場合、異なる組み合わせで候補ベクトルを合成することにより、複数の基準ベクトルを生成するようにしてもよい。

さらに、複数の候補ベクトルを合成する場合、同じ比率で合成するようにしてもよいし、異なる比率で合成するようにしてもよい。異なる比率で合成する場合には、アクティブユーザの嗜好により近いベクトルを合成する比率をより高く設定するようにすることが望ましい。

そのような合成比率は、例えば、上述した選択基準と同様に、フィールドテストの結果等に基づいて、サービスの提供者が設定したり、或いは、学習処理により自動生成したりすることが可能である。また、例えば、アクティブユーザの嗜好情報の蓄積量が多いほど、ユーザ嗜好ベクトルを合成する比率を高くするようにしてもよい。

また、複数の候補ベクトルを合成して基準ベクトルを生成した場合、合成前の候補ベクトルも基準ベクトルに設定するようにしてもよい。例えば、候補ベクトルＡと候補ベクトルＢを合成して基準ベクトルＣを生成した場合、候補ベクトルＡ及び候補ベクトルＢのいずれか又は両方を基準ベクトルに設定するようにしてもよい。

以上のようにして、１つ以上の基準ベクトルが設定される。

その後、基準ベクトル設定処理は終了する。

図２０に戻り、ステップＳ１０５において、推薦部１２４は、推薦楽曲リスト生成処理を実行する。

ここで、図２２のフローチャートを参照して、ステップＳ１０５の推薦楽曲リスト生成処理の詳細について説明する。

ステップＳ１６１において、ランキング選択合成部２０３は、ユーザ属性を取得する。具体的には、送受信部１０１は、楽曲リスト要求に含まれるユーザＩＤをランキング選択合成部２０３に通知し、ランキングの合成を依頼する。ランキング選択合成部２０３は、通知されたユーザＩＤに対応するユーザ属性を、ユーザ情報記憶部１５２内のユーザ属性データベースから読み出す。

ステップＳ１６２において、ランキング選択合成部２０３は、ユーザ属性に対応する内部ランキングを取得する。すなわち、ランキング選択合成部２０３は、読み出したユーザ属性を含むユーザ属性の範囲に対応する内部ランキングを、内部ランキング記憶部２０２から読み出す。なお、このとき、読み出した内部ランキングのユーザ属性の範囲に隣接する範囲に対応する内部ランキングも読み出すようにしてもよい。

ステップＳ１６３において、ランキング選択合成部２０３は、ユーザ属性に対応する外部ランキングを取得する。すなわち、ランキング選択合成部２０３は、読み出したユーザ属性に対応する外部ランキングを、送受信部１０１及び通信ネットワーク１８を介して楽曲ランキング配信サーバ１５から受信する。例えば、ランキング選択合成部２０３は、アクティブユーザの居住地（居住国）の最新のランキングを受信したり、あるいは、アクティブユーザの年齢を基にして、アクティブユーザが１５才のときに当該居住地で発行されたランキングを受信したりする。

ステップＳ１６４において、ランキング選択合成部２０３は、取得したランキングを合成する。具体的には、例えば、ランキング選択合成部２０３は、図２３に模式的に示されるように、取得した内部ランキングに含まれる楽曲ＩＤと、外部ランキングに含まれる楽曲ＩＤとを合成したリスト（１次リスト）を生成する。なお、このとき、必ずしも各ランキングに含まれる全ての楽曲ＩＤを１次リストに含める必要はない。ランキング選択合成部２０３は、生成した１次リストを１次リスト記憶部２０４に記憶させる。

ステップＳ１６５において、２次リスト生成部２０５は、楽曲の属性に基づいて楽曲を絞り込む。具体的には、送受信部１０１は、楽曲リスト要求に含まれる指定属性を２次リスト生成部２０５に通知し、推薦楽曲リストの生成を依頼する。２次リスト生成部２０５は、ランキング選択合成部２０３により生成された１次リストを１次リスト記憶部２０４から読み出す。また、２次リスト生成部２０５は、１次リストに含まれる各楽曲ＩＤに関連づけられている楽曲属性を、楽曲情報記憶部１５３内の楽曲属性データベースから読み出す。さらに、２次リスト生成部２０５は、１次リストに含まれる楽曲ＩＤのうち指示属性を有する楽曲ＩＤを抽出する。そして、２次リスト生成部２０５は、抽出した楽曲ＩＤからなる２次リストを生成する。２次リスト生成部２０５は、生成した２次リストを推薦楽曲リスト生成部２０７に供給する。

ステップＳ１６６において、推薦楽曲リスト生成部２０７は、基準ベクトルを用いて推薦楽曲リストを生成する。

なお、推薦楽曲リストの生成方法は、基準ベクトル設定部２０６により設定された基準ベクトルの数が１つの場合と２つ以上の場合とで、大きく異なる。そこで、まず、設定された基準ベクトルが１つの場合の推薦楽曲リストの生成方法について説明する。

例えば、推薦楽曲リスト生成部２０７は、２次リストに含まれる楽曲ＩＤに関連づけられている特徴量を、楽曲情報記憶部１５３内の楽曲特徴データベースから読み出す。そして、推薦楽曲リスト生成部２０７は、各楽曲ＩＤの特徴量からなる特徴ベクトルと基準ベクトルとの類似度を算出し、類似度が高い順に２次リスト内の楽曲ＩＤをソートする。これにより、基準ベクトルにより表される特徴に類似する楽曲（の楽曲ＩＤ）ほど、２次リストの上位に配置される。

そして、推薦楽曲リスト生成部２０７は、例えば、ソート後の２次リストの上位の所定
の数の楽曲ＩＤからなるリストを、推薦楽曲リストとして生成する。

次に、基準ベクトル設定部２０６により設定された基準ベクトルが２つ以上の場合の推薦楽曲リストの生成方法について説明する。

例えば、推薦楽曲リスト生成部２０７は、２次リストに含まれる楽曲ＩＤに関連づけられている特徴量を、楽曲情報記憶部１５３内の楽曲特徴データベースから読み出す。そして、推薦楽曲リスト生成部２０７は、それぞれの基準ベクトルについて、各楽曲ＩＤの特徴量からなる特徴ベクトルと基準ベクトルとの類似度を算出し、類似度が高い順に２次リスト内の楽曲ＩＤをソートする。これにより、各基準ベクトルを用いて２次リスト内の楽曲（の楽曲ＩＤ）をソートしたリスト（以下、３次リストと称する）が複数生成される。また、各基準ベクトルにより表される特徴に類似する楽曲（の楽曲ＩＤ）ほど、各３次リストの上位に配置される。

そして、推薦楽曲リスト生成部２０７は、各３次リストの上位の楽曲ＩＤを抽出し、抽出した楽曲ＩＤを含む推薦楽曲リストを生成する。なお、各３次リストから抽出される楽曲ＩＤが重複しないようにすることが望ましい。

このとき、各３次リストから抽出する楽曲ＩＤの数を同じ値に設定するようにしてもよいし、異なる値に設定するようにしてもよい。後者の場合、アクティブユーザの嗜好により近い基準ベクトルを用いて生成された３次リストからより多くの楽曲ＩＤを抽出するようにすることが望ましい。

なお、各３次リストから抽出する楽曲ＩＤの数は、例えば、選択基準と同様に、フィールドテストの結果等に基づいて、サービスの提供者が設定したり、或いは、学習処理により自動生成したりすることが可能である。また、アクティブユーザの嗜好情報の蓄積量が多いほど、ユーザ嗜好ベクトルに基づく基準ベクトルを用いて生成された３次リストから抽出する楽曲ＩＤの数を多くするようにしてもよい。

そして、各３次リストから抽出した楽曲ＩＤを並べることにより推薦楽曲リストが生成される。

このとき、例えば、同じ３次リストから抽出された楽曲ＩＤが連続しすぎないように、各３次リストから抽出された楽曲ＩＤを適度に混ぜて配置するようにすることが望ましい。例えば、各３次リストの楽曲ＩＤを、上位から順に１曲又は数曲毎に代わる代わる並べるようにすることが考えられる。これにより、実質的に複数の種類の基準ベクトルを１曲又は数曲毎に代わる代わる用いて楽曲を推薦することと等価になる。

なお、楽曲ＩＤの抽出元となる３次リストの並び順は規則的であってもよいし、不規則であってもよい。例えば、３次リストＡ乃至Ｃから抽出した楽曲ＩＤを並べる場合、前者では、例えば、３次リストＡの楽曲ＩＤをｎ１曲、３次リストＢの楽曲ＩＤをｎ２曲、３次リストＣの楽曲ＩＤをｎ３曲、３次リストＡの楽曲ＩＤをｎ４曲、３次リストＢの楽曲ＩＤをｎ５曲、３次リストＣの楽曲ＩＤをｎ６曲・・・のように、楽曲ＩＤの抽出元となる３次リストが規則的に並べられる。一方、後者では、例えば、３次リストＡの楽曲ＩＤをｎ１曲、３次リストＢの楽曲ＩＤをｎ２曲、３次リストＡの楽曲ＩＤをｎ３曲、３次リストＣの楽曲ＩＤをｎ４曲、３次リストＢの楽曲ＩＤをｎ５曲、３次リストＡの楽曲ＩＤをｎ６曲・・・のように、楽曲ＩＤの抽出元となる３次リストが不規則に並べられる。

なお、ｎ１乃至ｎ６は、１以上の自然数である。

また、同じ３次リストから抽出した楽曲ＩＤが連続する数を一定にしてもよいし、変化させるようにしてもよい。例えば、３次リストＡの楽曲ＩＤをｎａ１曲、３次リストＢの楽曲ＩＤをｎｂ１曲、３次リストＡの楽曲ＩＤをｎａ２曲、３次リストＢの楽曲ＩＤをｎｂ２曲の順に並べる場合、ｎａ１＝ｎａ２及びｎｂ１＝ｎｂ２としてもよいし、ｎａ１≠ｎａ２又はｎｂ１≠ｎｂ２としてもよい。また、ｎａ１＝ｎｂ１及びｎａ２＝ｎｂ２としてもよいし、ｎａ１≠ｎｂ１又はｎａ２≠ｎｂ２としてもよい。

なお、ｎａ１乃至ｎｂ２は、１以上の自然数である。

また、必要に応じて、同一アーティストの楽曲の間隔が所定の曲数以上になるように、推薦楽曲リスト内の楽曲の並びを調整するようにしてもよい。これにより、同じアーティストの楽曲が連続して単調になるのを防止することができる。また、インターネットラジオ等において、同一アーティストの楽曲を少なくとも所定の曲数以上空けないと流せない規約がある場合に、その規約を満足することができる。

その後、推薦楽曲リスト生成処理は終了する。

図２０に戻り、ステップＳ１０６において、推薦楽曲リスト生成部２０７は、送受信部１０１を介して、推薦楽曲リストを、アクティブユーザのユーザ装置１２に送信する。

このとき、送受信部１０１は、推薦楽曲リストに含まれる楽曲ＩＤ、当該推薦楽曲リストの宛先（アクティブユーザ）のユーザＩＤ、並びに、アクティブユーザのユーザ装置１２のクライアント種別ＩＤを集計部１２２に通知する。集計部１２２は、該ユーザＩＤに関連づけられたアクティブユーザの属性を、ユーザ情報記憶部１５２内のユーザ属性データベースから読み出す。そして、集計部１２２は、集計情報記憶部１５１内のユーザ属性別楽曲評価データベースにおいて、アクティブユーザの属性及びクライアント種別の組み合わせが属しているユーザ属性範囲の集計値の配信回数ｘを１だけ増加させる。

また、シチュエーション分析部１２１は、ステップＳ１３５において、アクティブユーザのシチュエーションの分析を行った場合、分析結果を集計部１２２に通知する。そして、集計部１２２は、集計情報記憶部１５１内のシチュエーション別楽曲評価データベースにおいて、アクティブユーザのシチュエーションに対応する集計値の配信回数ｘを１だけ増加させる。

ステップＳ１０７において、ユーザ装置１２の楽曲再生部６２は、通信ネットワーク１８及び通信インタフェース３９を介して、推薦楽曲リストを受信する。

ステップＳ１０８において、楽曲再生部６２は、楽曲データの送信を要求する。具体的には、楽曲再生部６２は、推薦楽曲リスト内の未再生の楽曲の楽曲ＩＤのうち最も上位の楽曲ＩＤを、通信インタフェース３９を介して楽曲配信サーバ１４に送信する。

ステップＳ１０９において、楽曲配信サーバ１４は、楽曲データを返信する。具体的には、楽曲配信サーバ１４の配信部１２５は、通信ネットワーク１８及び送受信部１０１を介して、ユーザ装置１２から送信された楽曲ＩＤを受信する。配信部１２５は、受信した楽曲ＩＤに関連づけられた楽曲データを楽曲情報記憶部１５３から取得し、送受信部１０１を介して、要求元のユーザ装置１２に送信する。

ステップＳ１１０において、ユーザ装置１２は、楽曲データを再生する。具体的には、ユーザ装置１２の楽曲再生部６２は、通信ネットワーク１８及び通信インタフェース３９を介して、楽曲配信サーバ１４から送信された楽曲データを受信する。そして、楽曲再生部６２は、受信した楽曲データを再生する。

ステップＳ１１１において、楽曲再生部６２は、推薦楽曲リストに含まれる楽曲を全て再生したか否かを判定する。推薦楽曲リストに含まれる楽曲をまだ全て再生していないと判定された場合、処理はステップＳ１０８に戻る。

その後、ステップＳ１１１において、推薦楽曲リストに含まれる楽曲を全て再生したと判定されるまで、ステップＳ１０８乃至Ｓ１１１の処理が繰り返し実行される。これにより、推薦楽曲リストに含まれる全ての楽曲ＩＤに対応する楽曲が、リストの曲順どおりに再生される。

一方、ステップＳ１１１において、推薦楽曲リストに含まれる楽曲を全て再生したと判定された場合、処理は終了する。

なお、推薦楽曲リストに含まれる楽曲を全て再生した後、ステップＳ１０１に戻って、またステップＳ１０１から処理を開始するようにしてもよい。

以上のようにして、ユーザの嗜好に合う楽曲を推薦することができる。

例えば、初回ユーザに対して、当該ユーザの属性に応じた３種類のデフォルトベクトルのうち少なくとも１つを用いて生成した推薦楽曲リストを提供することにより、全ユーザで平均的に人気が高い楽曲からなる推薦楽曲リストを提供する場合と比較して、よりユーザの嗜好に合う楽曲を推薦することができる。これにより、初回利用時のユーザの満足度が向上し、継続してサービスを利用する可能性が高くなる。同様の理由により、ユーザの嗜好情報が蓄積されるまでの間のサービスの利用当初のユーザの満足度が向上する。

また、上述したように、嗜好情報の蓄積量が多いユーザほどユーザ嗜好ベクトルを用いる比率や合成する比率を高くしたり、ユーザが肯定的な評価を付与した楽曲の推薦に用いられた頻度又は割合が高いベクトルを優先的に用いることにより、サービスの利用回数や利用時間が増えるに従い、推薦する楽曲とユーザの嗜好の合致度が向上し、ユーザの満足度が向上する。

さらに、シチュエーションベクトルを用いて推薦楽曲リストを生成し、提供することにより、ユーザの属性や嗜好だけでなく、ユーザの置かれているシチュエーションに応じた楽曲を推薦することができ、ユーザの満足度が向上する。

また、複数の基準ベクトルを代わる代わる用いたり、複数のベクトルを合成した基準ベクトルを用いて推薦楽曲リストを生成して提供することにより、推薦する楽曲が単調になるのを防ぎ、ユーザの嗜好に合わせつつ、多様な楽曲を推薦することができ、ユーザの満足度が向上する。

さらに、時間経過に応じて変動する各種のランキングに基づいて推薦楽曲リストが生成されるので、同じ楽曲がユーザに推薦され続けるとことが防止され、ユーザに多様な楽曲を推薦することができる。

＜２．変形例＞
以下、本技術の実施の形態の変形例について説明する。

［変形例１：ユーザ評価の即時反映］
例えば、ユーザが再生中の楽曲に対して評価を付与した場合、その評価をリアルタイムに推薦楽曲リストに反映するようにしてもよい。

ここで、図２４を参照して、ユーザの評価をリアルタイムに推薦楽曲リストに反映する場合の楽曲配信サーバ１４の処理について説明する。

ステップＳ２０１において、楽曲配信サーバ１４は、図１７のステップＳ１の処理と同様にして、ユーザ（アクティブユーザ）の楽曲に対する評価（ユーザ評価情報）を取得する。

ステップＳ２０２において、送受信部１０１は、受信したユーザ評価情報に基づいて、肯定的評価であるか否かを判定する。肯定的評価であると判定された場合、処理はステップＳ２０３に進む。

なお、このとき、例えば、アクティブユーザにより明示的に付与された肯定的評価のみを判定対象にし、楽曲を最後まで再生する等によりユーザの明示的な入力によらずに暗黙的に付与された肯定的評価を判定対象から除外するようにしてもよい。すなわち、前者の明示的な肯定的評価が付与されている場合のみ、処理をステップＳ２０３に進めるようにしてもよい。

ステップＳ２０３において、優先ベクトル生成部１３４は、肯定的評価が付与された楽曲に基づいて、優先ベクトルを生成する。

具体的には、送受信部１０１は、ユーザ評価情報に含まれる楽曲ＩＤを優先ベクトル生成部１３４に通知し、優先ベクトルの生成を依頼する。優先ベクトル生成部１３４は、例えば、通知された楽曲ＩＤの特徴量、すなわち、アクティブユーザにより肯定的評価が付与された楽曲の特徴量を、楽曲情報記憶部１５３内の楽曲特徴データベースから読み出す。そして、優先ベクトル生成部１３４は、読み出した特徴量を成分とするベクトルを優先ベクトルとして生成する。すなわち、この場合、アクティブユーザにより肯定的評価が付与された楽曲の特徴ベクトルが、優先ベクトルとして生成される。

あるいは、例えば、優先ベクトル生成部１３４は、アクティブユーザにより肯定定期評価が付与された楽曲のアーティストの複数の楽曲（例えば、そのアーティストの代表曲）の特徴量を、楽曲情報記憶部１５３内の楽曲特徴データベースから読み出す。このとき、特徴量を読み出す楽曲に、アクティブユーザにより肯定定期評価が付与された楽曲を必ず含めるようにしてもよい。そして、優先ベクトル生成部１３４は、読み出した楽曲の特徴量の特徴毎の平均値を算出し、算出した平均値を成分とするベクトルを優先ベクトルとして生成する。すなわち、この場合、アクティブユーザにより肯定的評価が付与されたアーティストの楽曲の特徴を表すベクトルが、優先ベクトルとして生成される。

ステップＳ２０４において、推薦楽曲リスト生成部２０７は、推薦楽曲リストを更新する。具体的には、優先ベクトル生成部１３４は、生成した優先ベクトルを推薦楽曲リスト生成部２０７に供給し、推薦楽曲リストの更新を推薦楽曲リスト生成部２０７に依頼する。

例えば、推薦楽曲リスト生成部２０７は、上述したステップＳ１６５の処理で生成された２次リストに含まれる楽曲ＩＤに関連づけられている特徴量を、楽曲情報記憶部１５３内の楽曲特徴データベースから読み出す。そして、推薦楽曲リスト生成部２０７は、各楽曲ＩＤの特徴量からなる特徴ベクトルと優先ベクトルとの類似度を算出し、類似度が高い順に２次リスト内の楽曲ＩＤをソートする。これにより、優先ベクトルにより表される特徴に類似する楽曲（の楽曲ＩＤ）が上位に配置されたリスト（以下、優先リストと称する）が生成される。

また、推薦楽曲リスト生成部２０７は、アクティブユーザのユーザ装置１２に送信済みの最新の推薦楽曲リストから、既にアクティブユーザのユーザ装置１２に送信済みの楽曲データの楽曲ＩＤを削除する。これにより、未送信の楽曲の楽曲ＩＤからなる推薦楽曲リスト（以下、未送信推薦楽曲リストと称する）が生成される。

そして、推薦楽曲リスト生成部２０７は、優先リストの上位の楽曲ＩＤを抽出し、未送信推薦楽曲リストに加えることにより推薦楽曲リストを更新する。このとき、例えば、未送信推薦楽曲リストの先頭に、優先リストから抽出した楽曲ＩＤを加えるようにしてもよいし、優先リストから抽出した楽曲ＩＤと未送信推薦楽曲リストの楽曲ＩＤを適度に混ぜて配置するようにしてもよい。

なお、後者の場合、更新後の推薦楽曲リストにおいて、先頭に近いほど優先リストからの楽曲ＩＤを配置する比率を大きくして、徐々に小さくしていくようにすることが望ましい。これにより、実質的に、アクティブユーザが肯定的評価を付与してから時間が経過するにつれて、優先ベクトルを用いる比率が下げられることになる。その結果、アクティブユーザが肯定的評価を付与した直後は、優先ベクトルを優先的に用いることにより、肯定的評価が付与された楽曲と特徴が類似する楽曲が優先的に推薦され、時間が経過するにつれて、徐々に優先度が下がっていく。

また、送信済みの楽曲の楽曲ＩＤ及び未送信推薦楽曲リストの楽曲ＩＤと重複しないように、優先リストから楽曲ＩＤを抽出するようにすることが望ましい。

さらに、必要に応じて、同一アーティストの楽曲の間隔が所定の曲数以上になるように、更新後の推薦楽曲リスト内の楽曲の並びを調整するようにしてもよい。

ステップＳ２０５において、図２０のステップＳ１０６の処理と同様に、推薦楽曲リストがアクティブユーザのユーザ装置１２に送信される。なお、このとき、優先リストから抽出され、新たに推薦楽曲リストに追加された楽曲のみを対象に、集計情報記憶部１５１内のユーザ属性別楽曲評価データベース及びシチュエーション別楽曲評価データベースの集計値が更新される。

その後、ユーザ評価反映処理は終了する。

一方、ステップＳ２０２において、肯定的評価でないと判定された場合、ステップＳ２０３乃至Ｓ２０５の処理はスキップされ、ユーザ評価反映処理は終了する。

このようにして、ユーザの楽曲に対する評価を推薦楽曲リストにすぐに反映し、ユーザが肯定的評価を付与した楽曲と特徴が類似する楽曲を優先的に推薦することができる。これにより、ユーザの好みに迅速に反応することができ、ユーザの満足度が向上する。

なお、例えば、アクティブユーザにより否定的評価が付与された場合、否定的評価が付与された楽曲と特徴が類似する楽曲を推薦楽曲リストから削除するようにしてもよい。

［変形例２：ベクトルの種類の変形例］
以上に挙げたベクトルの種類は、その一例であり、他の種類のベクトルを基準ベクトルに用いたり、基準ベクトルの生成に用いたりすることが可能である。

例えば、有名なアーティストの好みの楽曲に基づくベクトル（以下、アーティストベクトルと称する）を生成し、用いるようにしてもよい。これにより、各ユーザは、自分の好みのアーティストのベクトルを利用して、そのアーティストの好みの楽曲の推薦を受けることができる。

また、各ユーザを嗜好情報に基づいて複数のクラスタにクラスタリングし、クラスタ毎にベクトル（以下、クラスタベクトルと称する）を生成し、用いるようにしてもよい。クラスタベクトルは、例えば、上述したデフォルトベクトルと同様に、クラスタ内のユーザの人気曲を抽出し、抽出した人気曲の特徴量に基づいて生成することが可能である。

なお、ユーザをクラスタリングする方法は、特開２０１１−２５７９１７号に記載されている方法等、任意の方法を採用することができる。

［変形例３：基準ベクトルの設定方法の変形例］
以上の説明では、楽曲配信サーバ１４が自動的に基準ベクトルを設定する例を示したが、例えば、ユーザが基準ベクトルに用いるベクトルを選択できるようにしてもよい。また、例えば、複数の基準ベクトルを用いて推薦楽曲リストを生成する場合に、ユーザが各ベクトルを用いる比率を設定できるようにしてもよい。さらに、例えば、複数のベクトルを合成して基準ベクトルを生成する場合に、ユーザが各ベクトルを合成する比率を設定できるようにしてもよい。

［変形例４：推薦する楽曲の抽出方法の変形例］
以上の説明では、楽曲のランキングに基づいて推薦する楽曲を抽出する例を示したが、他の方法により楽曲を抽出するようにしてもよい。

例えば、ランダムに楽曲を抽出するようにしてもよいし、基準ベクトルに特徴ベクトルが類似する楽曲を抽出するようにしてもよい。後者の場合、例えば、類似度が上位の楽曲からなる推薦楽曲リストを生成して、ユーザに提供するようにしてもよい。

また、本技術は、推薦楽曲リストを作成せずに、単に基準ベクトルに特徴ベクトルが類似する楽曲を抽出して、ユーザに推薦する場合にも適用できる。

さらに、例えば、基準ベクトルの逆ベクトルを用いて、逆ベクトルと特徴ベクトルが類似する楽曲を推薦楽曲リストの下位に配置したり、推薦楽曲リストから除いたりするようにしてもよい。

［変形例５：地域別ベクトルを生成する場合の地域の基準の変形例］
地域別ベクトルを生成する場合の地域の基準は、特に限定されるものではなく、例えば、国毎、北米地域やＥＵ（欧州連合）等の複数の国からなる地域毎、都道府県や州等の国内の地域毎等、様々な基準に設定することが可能である。

［変形例６：処理の分担の変形例］
例えば、各ユーザ装置１２が、各楽曲の特徴ベクトルを楽曲配信サーバ１４から取得し、ユーザ嗜好ベクトルを各ユーザ装置１２で生成するようにしてもよい。そして、例えば、各ユーザ装置１２が、楽曲リスト要求にユーザ嗜好ベクトルを含めて、楽曲配信サーバ１４に送信するようにしてもよい。

また、例えば、楽曲配信サーバ１４で各ベクトルを生成せずに、他の装置で生成したベクトルを、楽曲配信サーバ１４に提供するようにしてもよい。

さらに、楽曲の特徴量を解析する手段を楽曲配信サーバ１４に設けるようにしてもよい。

［変形例７：コンテンツの変形例］
本技術は、例えば、映画やテレビジョン番組などの動画像、写真や絵画などの静止画像、電子書籍、ゲーム、文書ファイル等の各種のコンテンツの推薦を行う場合にも適用することができる。なお、使用するコンテンツの特徴量も、コンテンツの種類によって適宜変更することが可能である。

上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。

さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。

例えば、本技術は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。

また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。

さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。

また、例えば、本技術は以下のような構成も取ることができる。

（１）
コンテンツの推薦を行うサービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する集計部と、
各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成するベクトル生成部と、
前記ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦を行う推薦部と
を含む情報処理装置。
（２）
前記集計部は、さらにユーザが属する地域を示す情報を収集し、地域毎に各コンテンツに対するユーザの評価を集計し、
前記ベクトル生成部は、各ユーザが嗜好するコンテンツの特徴を地域別に表す地域別ベクトルをさらに生成し、
前記推薦部は、前記初回ユーザに対して、前記初回ユーザが属する地域に対応する前記地域別ベクトルをさらに用いてコンテンツの推薦を行う
前記（１）に記載の情報処理装置。
（３）
前記集計部は、さらにユーザの年齢を示す情報を収集し、年齢毎又は年齢層毎に各コンテンツに対するユーザの評価を集計し、
前記ベクトル生成部は、各ユーザが嗜好するコンテンツの特徴を年齢別又は年齢層別に表す年齢別ベクトルをさらに生成し、
前記推薦部は、前記初回ユーザに対して、前記初回ユーザの年齢に対応する前記年齢ベクトルをさらに用いてコンテンツの推薦を行う
前記（１）又は（２）に記載の情報処理装置。
（４）
前記推薦部は、前記ベクトル生成部により生成される複数の種類のベクトルを代わる代わる用いてコンテンツの推薦を行う
前記（１）乃至（３）のいずれかに記載の情報処理装置。
（５）
前記ベクトル生成部は、ユーザがコンテンツに対して肯定的な評価を付与した場合、当該コンテンツの特徴又は当該コンテンツのアーティストの特徴を表す優先ベクトルを生成し、
前記推薦部は、当該ユーザに対して、前記優先ベクトルを優先的に用いてコンテンツの推薦を行う
前記（４）に記載の情報処理装置。
（６）
前記推薦部は、当該ユーザが当該コンテンツに対して肯定的な評価を付与してから時間が経過するにつれて、前記優先ベクトルを用いる比率を下げていく
前記（５）に記載の情報処理装置。
（７）
前記推薦部は、前記嗜好情報の蓄積量が多いユーザほど、当該ユーザの前記ユーザ嗜好ベクトルを用いる比率を高くする
前記（４）乃至（６）のいずれかに記載の情報処理装置。
（８）
前記推薦部は、ユーザが肯定的な評価を付与したコンテンツの推薦に用いられた頻度又は割合が高いベクトルを優先的に用いて、当該ユーザに対してコンテンツの推薦を行う
前記（４）乃至（７）のいずれかに記載の情報処理装置。
（９）
前記推薦部は、前記ベクトル生成部により生成される複数の種類のベクトルを合成したベクトルを用いてコンテンツの推薦を行う
前記（１）乃至（９）のいずれかに記載の情報処理装置。
（１０）
前記推薦部は、前記嗜好情報の蓄積量が多いユーザほど、当該ユーザの前記ユーザ嗜好ベクトルを合成する比率を高くする
前記（９）に記載の情報処理装置。
（１１）
クライアントから送信されてくる位置情報に基づいて、当該クライアントを使用するユーザのシチュエーションを分析するシチュエーション分析部を
さらに備え、
前記集計部は、シチュエーション毎に各コンテンツに対するユーザの評価を集計し、
前記ベクトル生成部は、各ユーザが嗜好するコンテンツの特徴をシチュエーション別に表すシチュエーションベクトルをさらに生成する
前記（１）乃至（１０）のいずれかに記載の情報処理装置。
（１２）
コンテンツの推薦を行うサービスを提供する情報処理装置が、
前記サービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する集計ステップと、
各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成するベクトル生成ステップと、
前記ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦を行う推薦ステップと
を含む情報処理方法。
（１３）
コンテンツの推薦を行うサービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する集計ステップと、
各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成するベクトル生成ステップと、
前記ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦を行う推薦ステップと
を含む処理をコンピュータに実行させるためのプログラム。

１０コンテンツ推薦システム，１２−１乃至１２−ｎユーザ装置，１４楽曲配信サーバ，１５楽曲ランキング配信サーバ，２１プロセッサ，３１プロセッサ，３３表示制御部，３４サウンド制御部，３６操作デバイス，３７ＧＰＳ受信部，６１操作部，６２楽曲再生部，６３位置情報取得部，１０１送受信部，１０２情報処理部，１０３記憶部，１２１シチュエーション分析部，１２２集計部，１２３ベクトル生成部，１２４推薦部，１２５配信部，１２６表示制御部，１３１デフォルトベクトル生成部，１３２ユーザ嗜好ベクトル生成部，１３３シチュエーションベクトル生成部，１３４優先ベクトル生成部，１５１集計情報記憶部，１５２ユーザ情報記憶部，１５３楽曲情報記憶部，１５４ベクトル記憶部，２０１内部ランキング生成部，２０３ランキング選択合成部，２０５２次リスト生成部，２０６基準ベクトル設定部，２０７推薦楽曲リスト生成部

Claims

コンテンツの推薦を行うサービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する集計部と、
各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成するベクトル生成部と、
前記ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦を行う推薦部と
を含む情報処理装置。
前記集計部は、さらにユーザが属する地域を示す情報を収集し、地域毎に各コンテンツに対するユーザの評価を集計し、
前記ベクトル生成部は、各ユーザが嗜好するコンテンツの特徴を地域別に表す地域別ベクトルをさらに生成し、
前記推薦部は、前記初回ユーザに対して、前記初回ユーザが属する地域に対応する前記地域別ベクトルをさらに用いてコンテンツの推薦を行う
請求項１に記載の情報処理装置。
前記集計部は、さらにユーザの年齢を示す情報を収集し、年齢毎又は年齢層毎に各コンテンツに対するユーザの評価を集計し、
前記ベクトル生成部は、各ユーザが嗜好するコンテンツの特徴を年齢別又は年齢層別に表す年齢別ベクトルをさらに生成し、
前記推薦部は、前記初回ユーザに対して、前記初回ユーザの年齢に対応する前記年齢ベクトルをさらに用いてコンテンツの推薦を行う
請求項１に記載の情報処理装置。
前記推薦部は、前記ベクトル生成部により生成される複数の種類のベクトルを代わる代わる用いてコンテンツの推薦を行う
請求項１に記載の情報処理装置。
前記ベクトル生成部は、ユーザがコンテンツに対して肯定的な評価を付与した場合、当該コンテンツの特徴又は当該コンテンツのアーティストの特徴を表す優先ベクトルを生成し、
前記推薦部は、当該ユーザに対して、前記優先ベクトルを優先的に用いてコンテンツの推薦を行う
請求項４に記載の情報処理装置。
前記推薦部は、当該ユーザが当該コンテンツに対して肯定的な評価を付与してから時間が経過するにつれて、前記優先ベクトルを用いる比率を下げていく
請求項５に記載の情報処理装置。
前記推薦部は、前記嗜好情報の蓄積量が多いユーザほど、当該ユーザの前記ユーザ嗜好ベクトルを用いる比率を高くする
請求項４に記載の情報処理装置。
前記推薦部は、ユーザが肯定的な評価を付与したコンテンツの推薦に用いられた頻度又は割合が高いベクトルを優先的に用いて、当該ユーザに対してコンテンツの推薦を行う
請求項４に記載の情報処理装置。
前記推薦部は、前記ベクトル生成部により生成される複数の種類のベクトルを合成したベクトルを用いてコンテンツの推薦を行う
請求項１に記載の情報処理装置。
前記推薦部は、前記嗜好情報の蓄積量が多いユーザほど、当該ユーザの前記ユーザ嗜好ベクトルを合成する比率を高くする
請求項９に記載の情報処理装置。
クライアントから送信されてくる位置情報に基づいて、当該クライアントを使用するユーザのシチュエーションを分析するシチュエーション分析部を
さらに備え、
前記集計部は、シチュエーション毎に各コンテンツに対するユーザの評価を集計し、
前記ベクトル生成部は、各ユーザが嗜好するコンテンツの特徴をシチュエーション別に表すシチュエーションベクトルをさらに生成する
請求項１に記載の情報処理装置。
コンテンツの推薦を行うサービスを提供する情報処理装置が、
前記サービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する集計ステップと、
各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成するベクトル生成ステップと、
前記ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦を行う推薦ステップと
を含む情報処理方法。
コンテンツの推薦を行うサービスを利用するユーザが使用するクライアントの種別を示す情報、及び、ユーザのコンテンツに対する評価を示す嗜好情報を収集し、クライアントの種別毎に各コンテンツに対するユーザの評価を集計する集計ステップと、
各ユーザが嗜好するコンテンツの特徴を表すユーザ嗜好ベクトル、及び、各ユーザが嗜好するコンテンツの特徴をクライアントの種別別に表すクライアント種別別ベクトルを少なくとも生成するベクトル生成ステップと、
前記ベクトル生成部により生成されるベクトルの少なくとも１つと各コンテンツの特徴を表す特徴ベクトルを用いて、コンテンツの推薦を行うとともに、前記サービスを初めて利用する初回ユーザに対して、前記初回ユーザが使用するクライアントの種別に対応する前記クライアント種別別ベクトルを用いてコンテンツの推薦を行う推薦ステップと
を含む処理をコンピュータに実行させるためのプログラム。