JP2014029636A - 情報処理装置、カテゴリ表示方法、およびプログラム - Google Patents

Abstract

【課題】ユーザが従来より容易にカテゴリを選択することを可能にすること。
【解決手段】情報処理装置は、複数の階層からなるツリー構造を有しそれぞれに１または複数のオブジェクトが属する複数のカテゴリのうちいずれかである対象カテゴリについて、当該対象カテゴリの下位にあるカテゴリをユーザが知っているかを前記ユーザの入力に基づいて推定し、前記対象カテゴリの下位にあるカテゴリをユーザが知っていると推定されたか否かに基づいて、前記対象カテゴリの下位にあるカテゴリを表示手段が表示するか否かを制御する。
【選択図】図３

Description

本発明は情報処理装置、カテゴリ表示方法、およびプログラムに関する。

いわゆる電子商取引などネットワークを用いてユーザに商品などを提示するシステムでは、商品などを階層構造をもつカテゴリに分類し、カテゴリを用いて商品を探せるようにしている。特許文献１には、複数の階層を有するカテゴリに商品を分類しておき、そのカテゴリを用いて商品を検索するショッピングモールシステムが開示されている。

特開２００２−１８３１６３号公報

カテゴリの表示方法として、例えばはじめに特定の階層にあるカテゴリのみ表示しておき、ユーザがカテゴリを選択したらそのカテゴリの下位のカテゴリを表示することを繰り返す方法や、事前に作成された複数階層のカテゴリのリストを表示する方法がある。前者の方法では、必ず上位の階層から順にカテゴリを選択しなければならないため、カテゴリを選択する操作が面倒になる。一方、後者の方法では、ユーザが知らないカテゴリが多く表示されてしまい、ユーザがどのカテゴリを選択するか迷う可能性がある。それらの結果、欲しい商品等を探すことが難しくなるという問題があった。

本発明は上記課題に鑑みてなされたものであって、その目的は、ユーザに対して従来より所望の商品等を探し出すまでの手間を軽減することを可能にする技術を提供することにある。

上記課題を解決するために、本発明にかかる情報処理装置は、複数の階層からなるツリー構造を有しそれぞれに１または複数のオブジェクトが属する複数のカテゴリのうちいずれかである対象カテゴリについて、当該対象カテゴリの下位にあるカテゴリに対するユーザの精通の度合いを前記ユーザの入力に基づいて推定する推定手段と、前記推定手段による推定結果に基づいて、前記対象カテゴリの下位にあるカテゴリを表示手段が表示するか否かを制御する表示制御手段と、を含むことを特徴とする。

また、本発明にかかるカテゴリ表示方法は、複数の階層からなるツリー構造を有しそれぞれに１または複数のオブジェクトが属する複数のカテゴリのうちいずれかである対象カテゴリについて、当該対象カテゴリの下位にあるカテゴリに対するユーザの精通の度合いを前記ユーザの入力に基づいて推定するステップと、前記ユーザの入力に基づいて推定された前記精通の度合いに基づいて、前記対象カテゴリの下位にあるカテゴリを表示手段が表示するか否かを制御するステップと、を含むことを特徴とする。

また、本発明にかかるプログラムは、複数の階層からなるツリー構造を有しそれぞれに１または複数のオブジェクトが属する複数のカテゴリのうちいずれかである対象カテゴリについて、当該対象カテゴリの下位にあるカテゴリに対するユーザの精通の度合いを前記ユーザの入力に基づいて推定する推定手段、および、前記推定手段による推定結果に基づいて、前記対象カテゴリの下位にあるカテゴリを表示手段が表示するか否かを制御する表示制御手段、としてコンピュータを機能させる。

本発明によれば、本構成を有しない場合よりユーザは、所望のオブジェクトを探し出すまでの手間を軽減することができる。

本発明の一態様では、複数のオブジェクトのそれぞれは、最も下位にあるカテゴリのいずれかと、当該いずれかのカテゴリの上位にある複数のカテゴリとに属し、情報処理装置は前記ユーザが入力した検索条件に基づいて検索手段が検索した結果得られた複数のオブジェクトを取得する検索結果取得手段をさらに含み、前記推定手段は、前記対象カテゴリの下位にある複数のカテゴリのそれぞれに属する検索されたオブジェクトの数のばらつきを示す値に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

オブジェクトの数のばらつきが小さいほど、ユーザは適切な検索条件を設定する能力があり、下位のカテゴリについて精通している可能性が高いと考えられる。従って、本態様によれば、ユーザが対象カテゴリの下位のカテゴリに対する精通の度合いを推定することができる。

本発明の一態様では、前記推定手段は、前記対象カテゴリの下位にあるカテゴリであって、当該カテゴリに属する検索されたオブジェクトの数が所与の切捨閾値を超えるカテゴリの数に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

本発明の一態様では、前記推定手段は、前記対象カテゴリの下位にあるカテゴリであって、前記対象カテゴリに属する検索されたオブジェクトの数に対する当該カテゴリに属する検索されたオブジェクトの数の割合が所与の切捨比率を超えるカテゴリの数に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

本発明の一態様では、前記推定手段は、前記対象カテゴリの下位にある複数のカテゴリに属するオブジェクトの数をそれぞれ集計し、前記下位にあるカテゴリごとの前記集計されたオブジェクトの数の分散に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

本発明の一態様では、前記ユーザが入力した検索条件に基づいて前記検索手段が検索した複数のオブジェクトのうち、前記対象カテゴリの下位にある複数のカテゴリのそれぞれに属するオブジェクトの数のばらつきを示す第１の値に対する、前記ユーザが次に入力した検索条件に基づいて前記検索手段が検索した複数のオブジェクトのうち、前記複数のカテゴリのそれぞれに属するオブジェクトの数のばらつきを示す第２の値の変化の程度に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

ある検索でのばらつきに対し、次の検索でのばらつきが有意に減少した場合、ユーザが検索条件を適切に設定する能力があると推定される。したがって、本態様によれば、対象カテゴリの下位のカテゴリに対するユーザの精通の度合いを推定することができる。

本発明の一態様では、複数のオブジェクトのぞれぞれは、前記複数のカテゴリのうち最も下位にあるいずれかのカテゴリと、当該カテゴリの上位にある複数のカテゴリとに属し、前記推定手段は、前記対象カテゴリに属するオブジェクトのうち、詳細表示手段が前記ユーザに対し当該オブジェクトの詳細を出力したもの、購入手段を介して前記ユーザが購入したもの、および前記ユーザが後で閲覧する対象のリストに登録したものの少なくとも一部に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

カテゴリについて商品についてユーザのアクセスが多いほど、ユーザが商品やカテゴリについて知っていると考えられる。従って、本態様によれば、対象カテゴリの下位のカテゴリに対するユーザの精通の度合いを推定することができる。

本発明の一態様では、前記推定手段は、前記対象カテゴリに属するオブジェクトであって、前記ユーザに対して提示手段が勧めていないオブジェクトのうち、詳細表示手段が前記ユーザに対し詳細を出力したもの、購入手段を介して前記ユーザが購入したもの、および前記ユーザが後で閲覧する対象のリストに登録したものの少なくとも一部に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

本発明の一態様では、前記推定手段は、前記対象カテゴリに属するオブジェクトであって、他のユーザがレビュー数閾値より少ない数のレビューを記載しているオブジェクトのうち、詳細表示手段が前記ユーザに対し詳細を出力したもの、購入手段を介して前記ユーザが購入したもの、および前記ユーザが後で閲覧する対象のリストに登録したものの少なくとも一部に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

本発明の一態様では、前記オブジェクトは商品であり、前記推定手段は、前記対象カテゴリに属するオブジェクトのうち、詳細表示手段が前記ユーザに対し詳細を出力したもの、購入手段を介して前記ユーザが購入したもの、および前記ユーザが後で閲覧する対象のリストに登録したものの少なくとも一部のオブジェクトにおけるブランドの種類の数に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

他人の評価やおすすめにより商品を選択する場合、また特定のブランドのみ購入しているような場合、そのユーザはその商品やカテゴリについて知っていない可能性がそうでない場合に比べて高くなる。従って、本態様によれば、対象カテゴリの下位のカテゴリに対するユーザの精通の度合いをより正確に推定することができる。

本発明の一態様では、前記推定手段は、前記対象カテゴリに属するオブジェクトのうち、前記ユーザに対し詳細が表示されたものの数、前記ユーザが購入したものの数、および前記ユーザが後で閲覧する対象のリストに登録したものの数と、前記対象カテゴリに応じて定められる判断閾値とに基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

本態様によれば、例えば、日用品や高額品など、ユーザのアクセスの態様の相違に応じた推定をすることが可能になる。

本発明の一態様では、前記推定手段は、前記対象カテゴリの下位にある複数のカテゴリのそれぞれに属する検索されたオブジェクトの数のばらつきを示す第１の値を算出し、前記対象カテゴリに属するオブジェクトのうち、前記ユーザに対し詳細が表示されたものの第１の数、前記ユーザが購入したものの第２の数、または前記ユーザが後で閲覧する対象のリストに登録したものの第３の数に基づいて、前記ユーザが対象カテゴリに属するオブジェクトを利用する度合いを示す第２の値を算出し、前記第１の値と前記第２の値とを重みづけ加算した値に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定し、前記推定手段は、前記対象カテゴリに属するオブジェクトのうち、前記第１の数、前記第２の数、または前記第３の数が多くなるほど、前記第２の値に重みをつけて前記第１の値と前記第２の値とを重みづけ加算してもよい。

本発明の一態様では、前記対象カテゴリに属するオブジェクトのうち少なくとも一部に対して前記ユーザが入力したレビューの文章の長さに基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定してもよい。

ユーザが商品などのオブジェクトを説明する場合、その文章が長いほどそのオブジェクトやカテゴリについて知っている可能性が高くなる。従って、本態様によれば、対象カテゴリの下位のカテゴリに対するユーザの精通の度合いを推定することができる。

本発明の一態様では、前記表示制御手段は、前記推定手段が前記対象カテゴリの下位にあるカテゴリに対して推定された前記ユーザの精通の度合いが所定の度合いより大きい場合に、前記下位にあるカテゴリを表示手段が表示するよう制御してもよい。

本発明の一態様では、前記表示制御手段は、前記推定手段が前記対象カテゴリの下位にあるカテゴリに対して推定された前記ユーザの精通の度合いが所定の度合いより小さい場合に、前記下位にあるカテゴリを表示手段が表示することを制限してもよい。

本発明の一態様では、前記推定手段は、前記複数の階層のうちいずれかの階層にある複数の対象カテゴリのそれぞれについて、当該対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを前記ユーザの入力に基づいて推定し、前記表示制御手段は、下位のカテゴリに対する前記ユーザの精通の度合いが所定の度合いより大きい対象カテゴリの下位のカテゴリを表示手段に表示させ、下位のカテゴリに対する前記ユーザの精通の度合いが所定の度合いより小さい対象カテゴリの下位のカテゴリを表示手段に表示させなくてもよい。

本発明の実施形態にかかる電子商取引システムの構成の一例を示す図である。 仮想商店街サーバのハードウェア構成の一例を示す図である。 仮想商店街サーバが実現する機能を示す機能ブロック図である。 カテゴリの階層構造の一例を示す図である。 商品データベースの一例を示す図である。 商品検索部および一覧出力部の概略的な処理フローを示す図である。 商品一覧画面の一例を示す図である。 商品詳細画面の一例を示す図である。 閲覧履歴の一例を示す図である。 購入履歴の一例を示す図である。 あるユーザのお気に入りリストの一例を示す図である。 おすすめとして提示した商品に対するユーザの行動履歴の一例を示す図である。 カテゴリ表示制御部の処理フローの一例を示す図である。 カテゴリ表示の一例を示す図である。 カテゴリ表示の他の一例を示す図である。 推定部の処理フローの一例を示す図である。 ある検索結果についてカテゴリごとに集計された商品の件数の一例を示す図である。

以下では、本発明の実施形態について図面に基づいて説明する。同じ符号を付された構成については、重複する説明を省略する。以下ではカテゴリに商品が属する電子商取引システムについて説明する。

図１は、本発明の実施形態にかかる電子商取引システムの構成の一例を示す図である。電子商取引システムは、仮想商店街サーバ１と、店舗クライアント２と、ユーザクライアント３とを含む。これらは、ネットワークの一種であるインターネット４を介して接続されている。以下ではこの電子商取引システムがＷｅｂ技術を用いている場合を中心に説明するが、電子商取引システムは、例えばユーザクライアント３に専用のアプリケーションとインストールするいわゆるクライアントサーバ形式であってもよい。

仮想商店街サーバ１は、電子商取引を行う店舗の機能を実現するサーバである。より具体的には、仮想商店街サーバ１は複数の電子店舗からなる仮想商店街を実現し、商品検索、商品紹介、決済物流支援などの機能を提供する。店舗クライアント２は、仮想商店街を構成する店舗を運営する運営者が仮想商店街サーバ１にアクセスするためのクライアントであり、例えばパーソナルコンピュータである。運営者は店舗クライアント２を介して仮想商店街サーバ１に格納される商品データベースを更新し、ユーザが購入する商品の情報を取得する。また、ユーザクライアント３は、ユーザが操作するコンピュータであり、例えばパーソナルコンピュータや携帯端末などである。

図２は、仮想商店街サーバ１のハードウェア構成の一例を示す図である。仮想商店街サーバ１は、プロセッサ１１、記憶部１２、通信部１３、入出力部１４を含む。仮想商店街サーバ１は、例えばデータセンタなどに設置されるサーバコンピュータであってよい。

プロセッサ１１は、記憶部１２に格納されているプログラムに従って動作する。またプロセッサ１１は通信部１３、入出力部１４を制御する。なお、上記プログラムは、インターネット４等のネットワークを介して提供されるものであってもよいし、ＤＶＤ−ＲＯＭ等のコンピュータで読み取り可能な記憶媒体に格納されて提供されるものであってもよい。

記憶部１２は、ＲＡＭやフラッシュメモリ等のメモリ素子やハードディスクドライブ等によって構成されている。記憶部１２は、上記プログラムを格納する。また、記憶部１２は、各部から入力される情報や演算結果を格納する。

通信部１３は、ユーザクライアント３などの他の装置と通信する機能を実現するものであり、例えば有線ＬＡＮを構成する集積回路や通信端子を有するネットワークカードにより構成されている。通信部１３は、ＣＰＵ１１の制御に基づいて、他の装置から受信した情報をＣＰＵ１１や記憶部１２に入力し、他の装置に情報を送信する。

入出力部１４は、表示出力デバイスや入力デバイスとのやりとりを行う回路であり、例えば表示出力デバイスに画像を出力させるグラフィックボードや、キーボードやマウスなどの入力デバイスからのデータを取得するＵＳＢコントローラなどにより構成される。入出力部１４は、プロセッサ１１の制御に基づいて、画像データ等を表示出力デバイスに対して出力し、入力デバイスより操作者（ユーザ）からの情報を取得する。

図３は、仮想商店街サーバ１が実現する機能を示す機能ブロック図である。仮想商店街サーバ１は機能的に、商品検索部５１、一覧出力部５２、推定部５３、カテゴリ表示制御部５４、詳細表示部５５、購入処理部５６、お気に入り登録部５７、商品提示部５８、マスタ格納部６１、履歴格納部６２、お気に入り格納部６３、提示商品格納部６４を含む。これらの機能は、プロセッサ１１が記憶部１２に格納されたプログラムを実行し、通信部１３等を制御することで実現される。マスタ格納部６１、履歴格納部６２、お気に入り格納部６３および提示商品格納部６４は仮想商店街サーバ１の記憶部１２を中心として実現されるが、他のサーバに含まれるデータベース管理システム等により実現されてもよい。

マスタ格納部６１には、カテゴリデータベースと商品データベースとが格納されている。カテゴリデータベースは複数のレコードを含み、そのそれぞれのレコードは１つのカテゴリに対応し、カテゴリＩＤとカテゴリ名と、親カテゴリＩＤとの項目を含む。あるレコードのカテゴリは親カテゴリＩＤが示すカテゴリの子カテゴリとなる。カテゴリデータベースにより表されるカテゴリ集合は複数の階層からなるツリー構造を示す。親となる１つのカテゴリに１または複数の子となるカテゴリがぶらさがる構造になっている。

図４は、カテゴリの階層構造の一例を示す図である。説明の容易のため図４に示すカテゴリは一部省略しており、例えば図４ではカテゴリ「レディース靴」の１つ下の階層でカテゴリ名まで記載しているカテゴリの数は３であるが、実際には図示していないカテゴリも他に存在する。また空白の欄については実際には複数のカテゴリが存在している。

図５は商品データベースの一例を示す図である。商品データベースは、商品ごとに存在する複数のレコードを含んでいる。各レコードは、商品ＩＤ、商品名、ブランド、商品が属するカテゴリ、その他商品を説明する情報を含む。ここで、各商品は最も下位にあるカテゴリのいずれかと、そのカテゴリの上位にあるカテゴリに属するものとする。図５の例では、商品「ＡＡＡブーツ」は、「ショート」のカテゴリと、その上位にある「靴」、「レディース靴」、「ブーツ」のカテゴリとに属する。

履歴格納部６２は、購入履歴、閲覧履歴、行動履歴などを格納する。お気に入り格納部６３はお気に入りリストを格納する。提示商品格納部６４は商品提示部５８が提示する商品をカテゴリ別のランキングとして格納し、また提示する商品をユーザの特性と関連づけて格納する。これらの情報の詳細については後述する。

以下では、仮想商店街サーバ１が実現する各機能について、処理フローやユーザクライアント３に表示される画面を用いて説明する。図６は、商品検索部５１および一覧出力部５２の概略的な処理フローを示す図である。

商品検索部５１は、プロセッサ１１、記憶部１２および通信部１３を中心として実現される。商品検索部５１は、ユーザが入力した商品検索用の検索キーワードを含む検索条件を取得する（ステップＳ１０１）。より具体的には、商品検索部５１がユーザクライアント３に向けて検索キーワード入力画面のデータを送信し、ユーザクライアント３はそのデータに基づいて検索キーワード入力画面を表示し、ユーザクライアント３はその画面に対してユーザが入力した検索キーワード等の検索条件を商品検索部５１に向けて送信する。商品検索部５１は、送信された検索条件を取得する。なお、検索キーワードの他の検索条件として、検索対象とする特定の階層のカテゴリを取得してもよい。

次に、商品検索部５１は、商品データベースから、取得された検索条件を満たす商品を検索し、検索された商品のリストである商品リストを取得する（ステップＳ１０２）。より具体的には、商品検索部５１は、商品データベースから商品名や商品の説明文に検索キーワードが含まれるレコードを取得し、そのレコードが示す複数の商品（具体的には商品ＩＤ等）を商品リストとして取得する。

カテゴリ表示制御部５４は、プロセッサ１１および記憶部１２を中心として実現される。カテゴリ表示制御部５４は、商品一覧画面などに対して、どのようなカテゴリのリストを表示するかを制御する。そのために、カテゴリ表示制御部５４は表示用カテゴリリストを作成する（ステップＳ１０３）。表示用カテゴリリストは、商品一覧画面や、電子商取引サイトのカテゴリ検索の画面に出力されるカテゴリのリストである。カテゴリ表示制御部５４の処理の詳細については後述する。

一覧出力部５２は、プロセッサ１１、記憶部１２および通信部１３を中心として実現される。一覧出力部５２は、商品一覧画面をユーザクライアント３の表示手段に表示させるデータを出力する（ステップＳ１０４）。商品一覧画面には、表示用カテゴリリストに含まれるカテゴリの一覧と、商品検索部５１が検索した商品のリストとが表示される。

図７は、商品一覧画面の一例を示す図である。商品一覧画面には、商品検索部５１が検索した商品のリストと、カテゴリのリストと、検索キーワードを修正するフィールドと、再検索のボタンとが設けられる。ユーザがカテゴリのリストに含まれるカテゴリを選択すると、その操作の情報を受け取った一覧出力部５２は、そのカテゴリにより絞り込まれた商品のリストを含む商品一覧画面のデータを出力する。この商品一覧画面では、特に商品検索部５１が検索した商品のうちカテゴリにより絞りこまれた商品のリストが表示される。

詳細表示部５５は、プロセッサ１１、記憶部１２および通信部１３を中心として実現される。商品一覧画面でユーザが商品のリストから１つの商品をクリックにより選択すると、詳細表示部５５は、ユーザクライアント３からその選択された商品の商品ＩＤを取得し、さらにその商品の詳細を商品データベースから取得し、その商品の詳細を示す商品詳細画面のデータをユーザクライアント３に向けて出力する。

図８は、商品詳細画面の一例を示す図である。商品詳細画面には、選択された商品の画像、価格、説明文、また他のユーザが記入したレビュー（商品の評価）が含まれる。また、購入処理を進めるための「カートに入れる」ボタンや、ユーザが後から閲覧したい商品のリスト（お気に入りリスト）に登録するための「お気に入り登録」ボタンや、レビューを記入するフィールドなども商品詳細画面に設けられている。

ここで、詳細表示部５５は商品詳細画面のデータを出力すると、ユーザが商品詳細画面を閲覧した履歴を示す閲覧履歴を履歴格納部６２に格納する。図９は閲覧履歴の一例を示す図である。詳細表示部５５は、商品詳細画面のデータを送信しユーザクライアント３の表示手段にその画面が表示されるごとに、商品詳細画面が表示された日時を示す閲覧日時と、ユーザを識別するユーザＩＤ、商品ＩＤ、その商品が属するカテゴリを含むレコードを閲覧履歴に追加する。なお、閲覧履歴は必ずしもカテゴリの情報を含まなくてもよい。商品ＩＤと商品データベースからカテゴリを取得できるからである。

購入処理部５６は、プロセッサ１１、記憶部１２および通信部１３を中心として実現される。購入処理部５６は、ユーザの操作に従って、ユーザが購入を希望する商品についての購入処理を進める。例えば、商品詳細画面でユーザが「カートに入れる」ボタンを押下すると、ユーザクライアント３はその指示を購入処理部５６に送信し、購入処理部５６は、商品の発送や決済の処理に必要な情報を入力させる画面のデータを出力し、その入力に従って商品の発送や決済の処理を進める。

また購入処理部５６は、ユーザが購入した商品やそのユーザなどの情報は購入履歴として履歴格納部６２に格納する。図１０は、購入履歴の一例を示す図である。購入処理部５６は、ユーザが商品を購入し、発送や決済の処理が行われるごとに、ユーザＩＤ、商品ＩＤ、カテゴリ、購入日時を含むレコードを購入履歴に追加する。

お気に入り登録部５７は、プロセッサ１１、記憶部１２および通信部１３を中心として実現される。お気に入り登録部５７は、ユーザがお気に入りとして登録することを指示した商品をお気に入りリストに追加する。お気に入りリストはユーザごとに設けられる。またお気に入り登録部５７は、そのお気に入りリストをお気に入り格納部６３に格納する。図１１は、あるユーザのお気に入りリストの一例を示す図である。お気に入りリストは、商品ＩＤ、カテゴリ、ユーザＩＤの情報を含む。なお、ユーザがトップページなどから「お気に入りリスト画面」を表示させる指示をすると、仮想商店街サーバ１はお気に入りリストに登録された商品を一覧するお気に入りリスト画面のデータをユーザクライアント３に送信する。ユーザはさらにこの画面から商品詳細画面を表示させることもできる。

また、商品詳細画面でユーザがレビューの文章を記入すると、その文章の文字列と、ユーザＩＤと、商品ＩＤとがレビュー情報としてマスタ格納部６１に格納される。他のユーザがこの商品について商品詳細画面を表示させた場合に、このレビュー情報が商品詳細画面などに表示される。

商品提示部５８は、プロセッサ１１および記憶部１２を中心として実現される。商品提示部５８は、ユーザに対して勧める商品を決定する。商品提示部５８が決定する商品は、販売数量が上位の商品や、ユーザの購入履歴や閲覧履歴からユーザが購入する可能性が高いと予測される商品であってよい。前者の商品の場合には、予めカテゴリ別に販売数量等を集計して人気のある商品に順位をつけるランキングの情報が生成されており、商品提示部５８は、表示する画面に関連するカテゴリ（例えば絞り込みに用いられたカテゴリ）に応じたランキングの情報を取得して商品を決定する。そして商品提示部５８は、一覧出力部５２等が商品一覧画面やランキング画面に決定された商品をランキング形式で提示するように制御する。また後者の商品の場合には、商品提示部５８は、ユーザの閲覧履歴や購入履歴からそのユーザの特性を取得し、その特性と関連づけられた商品を提示する商品として決定する。この場合の例はバナー広告である。また提示商品格納部６４に格納される情報を使わずに、単に他のユーザが購入した商品の組合せとユーザの購入履歴や閲覧履歴とをマッチングして提示する商品を決定してもよい。この例はいわゆるリコメンドである。商品提示部５８は、詳細表示部５５が決定された商品を商品詳細画面などで提示するように制御する。

さらに商品提示部５８は、ユーザに対して勧めるよう提示した商品についてユーザの行動履歴を取得し、履歴格納部６２に格納する。図１２は、おすすめとして提示された商品に対するユーザの行動履歴の一例を示す図である。商品提示部５８は、提示された商品をユーザが選択した場合に、そのユーザＩＤと、商品ＩＤと、カテゴリと、クリック日時と、提示の種類（ランキングやバナー広告、レコメンドなど）と、購入有無とを含むレコードを追加する。またユーザがその商品を購入した場合には、購入有無の欄に「有」が設定される。

以下では、カテゴリ表示制御部５４や推定部５３の処理の詳細について説明する。ここで推定部５３は、プロセッサ１１および記憶部１２を中心として実現され、あるカテゴリ（対象カテゴリ）の下位にあるカテゴリに対するユーザの精通の度合い（認知度）をそのユーザの入力（特にユーザの商品等に関する操作）に基づいて推定する処理を行う。その詳細は後述する。なお、この精通の度合いは対象カテゴリごとに取得するものであり、ここでは下位のカテゴリごとには取得しない。

図１３は、カテゴリ表示制御部５４の処理フローの一例を示す図である。はじめに、カテゴリ表示制御部５４は、起点となるカテゴリを取得する（ステップＳ２０１）。起点となるカテゴリは、例えばカテゴリの一覧を表示する際に、同階層のカテゴリを表示しないカテゴリである。図４の例において、例えば商品検索部５１が検索した商品が全て「靴」のカテゴリに属する場合には、「家電・パソコン」のカテゴリは表示する必要がないので、起点となるカテゴリとして「靴」を選択する。

次に、カテゴリ表示制御部５４は起点となるカテゴリの子となるカテゴリのリスト（以下では「対象リスト」と記載する）を取得する（ステップＳ２０２）。上述の例であれば、カテゴリ「靴」に対して１つ下位にある複数のカテゴリである「メンズ靴」、「レディース靴」などを対象リストとして取得する。また、カテゴリ表示制御部５４は変数ｉに１を代入し（ステップＳ２０３）、表示用カテゴリリストを生成するループを開始する。

カテゴリ表示制御部５４は対象リストのｉ番目のカテゴリを対象カテゴリとして取得し（ステップＳ２０４）、この対象カテゴリを表示用カテゴリリストに追加する（ステップＳ２０５）。次に、推定部５３は対象カテゴリの子となるカテゴリに対するユーザの精通の度合いを推定する（ステップＳ２０６）。この推定部５３の処理については後述する。以下では、その精通の度合いとして、ある程度以上精通しているか、そこまで精通していないかの２種類を推定する場合について説明する。

そして、対象カテゴリの子となるカテゴリに対してユーザがある程度以上精通していると推定される場合には（ステップＳ２０７のＹ）、カテゴリ表示制御部５４は対象カテゴリの子となる複数のカテゴリを表示用カテゴリリストに追加する（ステップＳ２０８）。なお対象カテゴリの子となるカテゴリに対してユーザがその程度は精通していないと推定された場合には（ステップＳ２０７のＮ）、カテゴリ表示制御部５４はステップＳ２０８の処理をスキップする。そして、対象リストに次のカテゴリがある場合には（ステップＳ２０９のＹ）、カテゴリ表示制御部５４は変数ｉに１を加算し（ステップＳ２１０）、ステップＳ２０４の処理から繰り返す。

こうすることで、カテゴリ表示制御部５４は、ある対象カテゴリの１つ下位にあるカテゴリに対するユーザの精通の度合いに基づいて、ユーザクライアント３の表示手段に表示されるカテゴリ一覧に、その下位にあるカテゴリを表示させるか否かを制御する。つまり、カテゴリ表示制御部５４は、推定部５３が対象カテゴリの１つ下位にあるカテゴリに対して推定されたユーザの精通の度合いがある程度以上の場合に、その下位にあるカテゴリを表示手段が表示するよう制御し、推定された度合いがある程度より小さい場合に、その下位にあるカテゴリを表示手段が表示することを制限している。

図１４は、ユーザクライアント３の表示手段に表示されるカテゴリ一覧の一例を示す図である。図１４は、起点となるカテゴリが「靴」で、ユーザが「レディース靴」の下位のカテゴリを知っていると推定部５３が推定した場合におけるカテゴリ一覧の例である。この例では、「靴」の１つ下の階層にあるカテゴリ「レディース靴」、「メンズ靴」だけでなく、「レディース靴」の下にあるカテゴリである「ブーツ」、「スニーカー」、「パンプス」なども表示される。ユーザが知っている可能性の高いカテゴリのみが深い階層まで表示されるため、ユーザが下位にあるカテゴリにアクセスするのが面倒と感じる可能性や、逆に知らないカテゴリが大量に表示されて戸惑ってしまう可能性を減少させることができ、ユーザがカテゴリを快適に選択することが可能となる。

図１５は、カテゴリ表示の他の一例を示す図である。上述の例では対象カテゴリの１つ下位のカテゴリまで（起点となるカテゴリの２つ下位のカテゴリ）しか表示していないが、ユーザがさらに下位のカテゴリを知っていると推定されるような場合には、図１５に示すようにそのカテゴリも表示するようにしてもよい。このような処理は、ステップＳ２０８の処理の代わりに、対象カテゴリごとに図１３に示す処理を再帰的に呼び出せば実現できる。その際、再帰的に処理を呼び出す際に、呼び出し先の処理における起点となるカテゴリとして、呼び出し元の対象カテゴリを設定すればよい。

また、カテゴリ表示制御部５４は、対象カテゴリの１つ下位にあるカテゴリが最も低い階層である場合に限ってカテゴリの表示を制御してもよい。

以下では、推定部５３が行うステップＳ２０６の処理の詳細について説明する。図１６は、推定部５３の処理フローの一例を示す図である。推定部５３は、はじめに、商品検索部５１が検索した商品のリスト（検索結果）を取得する（ステップＳ３０１）。次に、推定部５３は対象カテゴリの１つ下位にあるカテゴリのリストを取得し（ステップＳ３０２）、そのカテゴリのリストにあるカテゴリごとに、そのカテゴリに属する検索された商品の数を集計する（ステップＳ３０３）。

そして、推定部５３は、その集計されたカテゴリごとの商品の数のばらつきの度合いを示す値を生成する（ステップＳ３０４）。この値は、例えば対象カテゴリの１つ下位にあるカテゴリ（そのカテゴリの数をＮとする）のうち、商品の数について条件を満たすカテゴリ（そのカテゴリの数をｌとする）が占める割合（ｌ／Ｎ）であってよい。この条件とは、そのカテゴリに属する検索された商品の数が予め定められた切り捨て用の閾値を超えること、または、対象カテゴリに属する検索された商品の数に対するその下位にあるカテゴリに属する検索された商品の数の割合が予め定められた割合を超えることである。この場合、ばらつきの度合いを示す値は、ある基準より大きい数の商品が属するカテゴリの数が多いほど大きくなる。

他には、推定部５３は、ばらつきの度合いを示す値として、カテゴリごとの商品の数の分散を用いてもよい。

この場合、推定部５３は、対象カテゴリの１つ下位にあるカテゴリのそれぞれについて検索された商品の数を集計し、その商品の数とカテゴリの数とを用いて分散を計算する。そして、ばらつきを示す値は、分散の値の関数、特に０以上１未満でかつ値が小さいほどばらつきが大きくなるような関数で定義するとよい。

図１７は、ある検索結果についてカテゴリごとに集計された商品の件数の一例を示す図である。この例では、レディース靴の特にパンプスで有名なブランドの名称で検索した場合の例である。このような場合、レディース靴の中でもパンプスのカテゴリで多くの商品がヒットし、他のカテゴリではそれに比べて少ない商品しかヒットしない。このような分布は、ユーザが検索されるべきものを適切に絞り込めている場合に生じ、またユーザがレディース靴の下位にあるパンプスというカテゴリに精通している蓋然性が高いと考えられる。一方、あまり知らないカテゴリでは、ユーザは検索されるべきものの絞り込みがうまくできないため、検索結果のカテゴリ別の分布がもっとちらばると考えられる。この考えにより、ユーザが対象カテゴリの下位のカテゴリの精通の度合いを推定することが可能となる。なお、図１７では一部のカテゴリを省略しているため、子のカテゴリの商品数の和は親のカテゴリの商品数より小さくなっている。

次に、推定部５３は、下位のカテゴリに対するユーザの精通の度合いの別の指標として、対象カテゴリに属する商品の利用の度合いを示す値を生成する（ステップＳ３０５）。推定部５３は、この利用の度合いを示す値を、購入履歴、閲覧履歴、お気に入りリストのうち、対象カテゴリに属する商品に関するレコードの数を用いて計算する。より具体的には、推定部５３は、ユーザの購入履歴から対象カテゴリの商品についてのレコードを取得し、さらにその中で商品提示部５８が商品を提示したことを起因として購入していない商品についてのレコードを抽出する。これは、ユーザの行動履歴の購入有無の欄を用いて抽出可能である。そしてその抽出されたレコードが示す商品の種類の数を購入商品数とする。また推定部５３は、閲覧履歴やお気に入りリストからも同様に対象カテゴリの商品についてのレコードを取得し、その中で商品提示部５８が商品を提示したことで閲覧やお気に入りリストの登録をしていない商品を抽出し、その抽出された商品の種類の数をそれぞれ閲覧履歴数、お気に入り数として集計する。

次に、利用の度合いを示す値ｂを以下の式を用いて計算する。

ｂ＝α×ＭＫ＋β×ＭＥ＋γ×ＭＯ

ＭＫ、ＭＥ、ＭＯは、それぞれ購入履歴数、閲覧履歴数、お気に入り数が所定の閾値より大きい場合に１、それ以外の場合に０とする値であり、α、β、γは重み付け係数である。ユーザの利用の度合いは購入、お気に入りリスト登録、閲覧の順に小さくなると考えられるので、α＞β＞γとするとよい。また、上述の所定の閾値は、対象カテゴリに応じて定めてもよい。そうすれば、購入回数等が多くなりがちなカテゴリ（例えば日用品）と、少なくなりやすいカテゴリ（家電）とで、特性の違いに応じた判断をすることが可能になる。

対象カテゴリについてユーザの履歴が多く取得されるほど、そのカテゴリにユーザがアクセスすることが多いことを示し、その対象カテゴリの下位のカテゴリについても精通している蓋然性が高くなると考えられる。また、推定部５３はレコードの件数を集計する際に商品提示部５８が商品を提示したことに起因していないレコードのみを抽出している。これは、ユーザが商品提示部５８が勧める商品（ランキングやレコメンド等の商品）を選択するような場合には、他人の評価に依存した履歴であるため、カテゴリに対するユーザの精通の度合いの推定に使うのは不適と考えられるからである。また、同様の理由で、レコードの件数を集計する際にそのレコードが示す商品についてレビューの件数が閾値（レビュー数閾値）より多いレコードを除外してもよい。

また、購入履歴、閲覧履歴、お気に入りリストに含まれる商品であって、対象カテゴリに含まれる商品のブランドの種類が閾値（例えば１）以下である場合には、利用度合いを示す値を０にしてもよい。特定のブランドしか購入等をしない場合には、ブランドだけを頼りに商品を選択しており、商品のカテゴリまでは気にしていないケースも考えられるからである。

次に、推定部５３は、ばらつきを示す値ａと利用度合いを示す値ｂとを重み付け加算する（ステップＳ３０６）。重み付け加算の式は以下のとおりである。

ｃ＝Ｓ×ａ＋Ｔ×ｂ

ここでＳ、Ｔは重み付け係数である。Ｓ、Ｔは、購入履歴数、閲覧履歴数、お気に入り数に応じて求めてもよい。例えば購入履歴数、閲覧履歴数、お気に入り数の和が大きくなるにつれ、Ｓが小さく、Ｔが大きくなるようにしてもよい。そうすれば、購入履歴が増えるほど、より一時的な影響の出やすい検索結果が判断に占めるウエイトを小さくでき、推定の安定性を向上させることが可能となる。

そして、重み付け加算された値が予め定められた判定閾値以上であれば（ステップＳ３０７のＹ）、推定部５３は、ユーザが下位のカテゴリにある程度以上精通していると推定する（ステップＳ３０８）。一方、重み付け加算された値が予め定められた判定閾値未満であれば（ステップＳ３０７のＮ）、ステップＳ３０９でさらに推定の処理を行う。

ステップＳ３０９では、同じ対象カテゴリについて、前回のばらつきを示す値と今回のばらつきを示す値との比（変化）を取得し、その比が、所定の基準以上のばらつきの減少を示すか否かを判断する。所定の基準以上のばらつきの減少を示す場合には（ステップＳ３０９のＹ）、ステップＳ３０８の推定をする。一方、その比が、所定の基準以上のばらつきの減少を示さない場合には、ユーザが下位のカテゴリにその程度は精通していないと推定する（ステップＳ３１０）。ばらつきを示す値として分散を用いる場合には、例えば前回／今回の値が０．６より小さい場合に所定の基準以上のばらつきの減少を示すとする。

なお、購入履歴、閲覧履歴、お気に入りリストの他に、ユーザが商品について記入したレビューを用いて推定してもよい。例えばそのレビューがある商品の数も用いて利用度合いの値を生成してもよい。またそのレビューの文章がある閾値より長ければ、その対象カテゴリの下位のカテゴリにある程度以上精通していると推定してもよい。ユーザが長いレビューを書く場合は、その商品について深く知っている可能性が高く、そのような場合は、その商品が属するカテゴリをよく知っている可能性も高いからである。

また、図１６ではばらつきを示す値ａと利用度合いを示す値ｂとの両方を用いて対象カテゴリの下位のカテゴリにある程度以上精通しているか否かを推定しているが、どちらか一方のみを用いて推定してもよい。またばらつきを示す値ａとの重み付け加算をしなければ、利用度合いを示す値ｂは購入履歴数、閲覧履歴数、お気に入り数の一部または全部を重み付け加算することで求めてよい。この場合、値ｂがカテゴリに応じて定まる閾値より大きいか否かでユーザが下位のカテゴリを知っているか推定してよい。また、単に購入履歴数、閲覧履歴数、お気に入り数のうち１つについて閾値を超えているか否かで推定してもよい。

なお、上述の発明は、電子商取引システムでなくても、ツリー構造のカテゴリと、そのカテゴリに属するオブジェクトとが存在する場合に適用することができる。例えば、料理や質問といった情報のオブジェクトに対しても適用できる。

１ 仮想商店街サーバ、２ 店舗クライアント、３ ユーザクライアント、４ インターネット、１１ プロセッサ、１２ 記憶部、１３ 通信部、１４ 入出力部、５１ 商品検索部、５２ 一覧出力部、５３ 推定部、５４ カテゴリ表示制御部、５５ 詳細表示部、５６ 購入処理部、５７ お気に入り登録部、５８ 商品提示部、６１ マスタ格納部、６２ 履歴格納部、６３ お気に入り格納部、６４ 提示商品格納部。

Claims (18)

1. 複数の階層からなるツリー構造を有しそれぞれに１または複数のオブジェクトが属する複数のカテゴリのうちいずれかである対象カテゴリについて、当該対象カテゴリの下位にあるカテゴリに対するユーザの精通の度合いを前記ユーザの入力に基づいて推定する推定手段と、
   前記推定手段による推定結果に基づいて、前記対象カテゴリの下位にあるカテゴリを表示手段が表示するか否かを制御する表示制御手段と、
   を含むことを特徴とする情報処理装置。
2. 複数のオブジェクトのそれぞれは、最も下位にあるカテゴリのいずれかと、当該いずれかのカテゴリの上位にある複数のカテゴリとに属し、
   前記ユーザが入力した検索条件に基づいて検索手段が検索した結果得られた複数のオブジェクトを取得する検索結果取得手段をさらに含み、
   前記推定手段は、前記対象カテゴリの下位にある複数のカテゴリのそれぞれに属する検索されたオブジェクトの数のばらつきを示す値に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記推定手段は、前記対象カテゴリの下位にあるカテゴリであって、当該カテゴリに属する検索されたオブジェクトの数が所与の切捨閾値を超えるカテゴリの数に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記推定手段は、前記対象カテゴリの下位にあるカテゴリであって、前記対象カテゴリに属する検索されたオブジェクトの数に対する当該カテゴリに属する検索されたオブジェクトの数の割合が所与の切捨比率を超えるカテゴリの数に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
   ことを特徴とする請求項２に記載の情報処理装置。
5. 前記推定手段は、前記対象カテゴリの下位にある複数のカテゴリに属するオブジェクトの数をそれぞれ集計し、前記下位にあるカテゴリごとの前記集計されたオブジェクトの数の分散に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
   ことを特徴とする請求項２に記載の情報処理装置。
6. 前記ユーザが入力した検索条件に基づいて前記検索手段が検索した複数のオブジェクトのうち、前記対象カテゴリの下位にある複数のカテゴリのそれぞれに属するオブジェクトの数のばらつきを示す第１の値に対する、前記ユーザが次に入力した検索条件に基づいて前記検索手段が検索した複数のオブジェクトのうち、前記複数のカテゴリのそれぞれに属するオブジェクトの数のばらつきを示す第２の値の変化の程度に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
   ことを特徴とする請求項２から５のいずれかに記載の情報処理装置。
7. 複数のオブジェクトのぞれぞれは、前記複数のカテゴリのうち最も下位にあるいずれかのカテゴリと、当該カテゴリの上位にある複数のカテゴリとに属し、
   前記推定手段は、前記対象カテゴリに属するオブジェクトのうち、詳細表示手段が前記ユーザに対し当該オブジェクトの詳細を出力したもの、購入手段を介して前記ユーザが購入したもの、および前記ユーザが後で閲覧する対象のリストに登録したものの少なくとも一部に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
   ことを特徴とする請求項１に記載の情報処理装置。
8. 前記推定手段は、前記対象カテゴリに属するオブジェクトであって、前記ユーザに対して提示手段が勧めていないオブジェクトのうち、詳細表示手段が前記ユーザに対し詳細を出力したもの、購入手段を介して前記ユーザが購入したもの、および前記ユーザが後で閲覧する対象のリストに登録したものの少なくとも一部に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
   ことを特徴とする請求項７に記載の情報処理装置。
9. 前記推定手段は、前記対象カテゴリに属するオブジェクトであって、他のユーザがレビュー数閾値より少ない数のレビューを記載しているオブジェクトのうち、詳細表示手段が前記ユーザに対し詳細を出力したもの、購入手段を介して前記ユーザが購入したもの、および前記ユーザが後で閲覧する対象のリストに登録したものの少なくとも一部に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
   ことを特徴とする請求項７または８に記載の情報処理装置。
10. 前記オブジェクトは商品であり、
    前記推定手段は、前記対象カテゴリに属するオブジェクトのうち、詳細表示手段が前記ユーザに対し詳細を出力したもの、購入手段を介して前記ユーザが購入したもの、および前記ユーザが後で閲覧する対象のリストに登録したものの少なくとも一部のオブジェクトにおけるブランドの種類の数に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
    ことを特徴とする請求項７から９のいずれかに記載の情報処理装置。
11. 前記推定手段は、前記対象カテゴリに属するオブジェクトのうち、前記ユーザに対し詳細が表示されたものの数、前記ユーザが購入したものの数、および前記ユーザが後で閲覧する対象のリストに登録したものの数と、前記対象カテゴリに応じて定められる判断閾値とに基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
    ことを特徴とする請求項７から１０のいずれかに記載の情報処理装置。
12. 前記推定手段は、前記対象カテゴリの下位にある複数のカテゴリのそれぞれに属する検索されたオブジェクトの数のばらつきを示す第１の値を算出し、前記対象カテゴリに属するオブジェクトのうち、前記ユーザに対し詳細が表示されたものの第１の数、前記ユーザが購入したものの第２の数、または前記ユーザが後で閲覧する対象のリストに登録したものの第３の数に基づいて、前記ユーザが対象カテゴリに属するオブジェクトを利用する度合いを示す第２の値を算出し、前記第１の値と前記第２の値とを重みづけ加算した値に基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定し、
    前記推定手段は、前記対象カテゴリに属するオブジェクトのうち、前記第１の数、前記第２の数、または前記第３の数が多くなるほど、前記第２の値に重みをつけて前記第１の値と前記第２の値とを重みづけ加算する、
    ことを特徴とする請求項２から６のいずれかに記載の情報処理装置。
13. 前記対象カテゴリに属するオブジェクトのうち少なくとも一部に対して前記ユーザが入力したレビューの文章の長さに基づいて、前記対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを推定する、
    ことを特徴とする請求項１に記載の情報処理装置。
14. 前記表示制御手段は、前記推定手段が前記対象カテゴリの下位にあるカテゴリに対して推定された前記ユーザの精通の度合いが所定の度合い以上の場合に、前記下位にあるカテゴリを表示手段が表示するよう制御する、
    ことを特徴とする請求項１から１３のいずれかに記載の情報処理装置。
15. 前記表示制御手段は、前記推定手段が前記対象カテゴリの下位にあるカテゴリに対して推定された前記ユーザの精通の度合いが所定の度合いより小さい場合に、前記下位にあるカテゴリを表示手段が表示することを制限する、
    ことを特徴とする請求項１から１３のいずれかに記載の情報処理装置。
16. 前記推定手段は、前記複数の階層のうちいずれかの階層にある複数の対象カテゴリのそれぞれについて、当該対象カテゴリの下位にあるカテゴリに対する前記ユーザの精通の度合いを前記ユーザの入力に基づいて推定し、
    前記表示制御手段は、下位のカテゴリに対する前記ユーザの精通の度合いが所定の度合い以上となる対象カテゴリの下位のカテゴリを表示手段に表示させ、下位のカテゴリに対する前記ユーザの精通の度合いが所定の度合いより小さい対象カテゴリの下位のカテゴリを表示手段に表示させない、
    ことを特徴とする請求項１４または１５に記載の情報処理装置。
17. 複数の階層からなるツリー構造を有しそれぞれに１または複数のオブジェクトが属する複数のカテゴリのうちいずれかである対象カテゴリについて、当該対象カテゴリの下位にあるカテゴリに対するユーザの精通の度合いを前記ユーザの入力に基づいて推定するステップと、
    前記ユーザの入力に基づいて推定された前記精通の度合いに基づいて、前記対象カテゴリの下位にあるカテゴリを表示手段が表示するか否かを制御するステップと、
    を含むことを特徴とするカテゴリ表示方法。
18. 複数の階層からなるツリー構造を有しそれぞれに１または複数のオブジェクトが属する複数のカテゴリのうちいずれかである対象カテゴリについて、当該対象カテゴリの下位にあるカテゴリに対するユーザの精通の度合いを前記ユーザの入力に基づいて推定する推定手段、および、
    前記推定手段による推定結果に基づいて、前記対象カテゴリの下位にあるカテゴリを表示手段が表示するか否かを制御する表示制御手段、
    としてコンピュータを機能させるためのプログラム。

Images