JP2014225132A - 検索システムおよび検索装置 - Google Patents

Abstract

【課題】検索結果の全体に含まれるユーザにとって興味のない検索結果が、少なくとも上位の検索結果には少ない検索システムおよび検索装置を提供する。【解決手段】閲覧情報に基づいてユーザの嗜好を学習する嗜好学習部１４３、２４３を備える。検索部１４２、２４２は、ユーザが入力した検索条件だけでなく、嗜好学習部１４３、２４３が学習したユーザの嗜好も検索条件として検索を行う。ユーザの嗜好が検索条件として加えられることから、検索結果の全体に含まれるユーザにとって興味のない検索結果が少なくなる。【選択図】図１

Description

本発明は、検索システムおよび装置に関し、特に、検索により情報を絞り込む技術に関する。

種々の入力情報を用いる種々の検索方法が知られている。最も一般的な入力情報はキーワードであり、たとえば、特許文献１にキーワードを用いた検索技術が開示されている。また、入力情報として画像を用いる類似画像検索も知られている。

特開２００８−２９９５５６号公報

従来の検索方法では、多くの検索結果が示されるものの、ユーザが興味を持っていないものが、全体の検索結果の上位にも多く含まれてしまうことがあり、その結果、ユーザが知りたい検索結果が分かりにくくなってしまうことがある。

本発明は、この事情に基づいて成されたものであり、その目的とするところは、検索結果の全体に含まれるユーザにとって興味のない検索結果が、少なくとも上位の検索結果には少ない検索システムおよび検索装置を提供することにある。

その目的を達成するための第１発明は、ユーザが入力した検索条件に基づいて検索を行う検索部（１４２、２４２）を備えた検索システム（１、２）であって、ユーザが電子機器を使って閲覧した内容を示す閲覧情報に基づいてユーザの嗜好を学習する嗜好学習部（１４３、２４３）を備え、前記検索部は、前記ユーザが入力した検索条件と前記嗜好学習部が学習した前記ユーザの嗜好とに基づいた検索を行うことを特徴とする。

このように、第１発明では、嗜好学習部を備え、ユーザが電子機器を使って閲覧した内容を示す閲覧情報に基づいてユーザの嗜好を学習している。そして、検索部は、ユーザが入力した検索条件だけでなく、嗜好学習部が学習したユーザの嗜好も検索条件として検索を行う。ユーザの嗜好が検索条件として加えられることから、検索結果の全体に含まれるユーザにとって興味のない検索結果が少なくなる。

また、第２発明は、第１発明の検索システムにおける検索部を備えた検索装置である。

実施形態におけるシステム構成図 検索部１４２、２４２の処理を示すフローチャート ユーザの嗜好の分類例である。 インターネットサイト閲覧時の情報蓄積処理を示すフローチャート 商品購入時の情報蓄積処理を示すフローチャート 嗜好更新（嗜好学習）処理を示すフローチャート 図６のステップＳ３２で設定する重みの大小を示す図 嗜好の項目間の予め設定された対応関係の一例

以下、本発明の実施形態を図面に基づいて説明する。図１に示す携帯型情報閲覧端末（以下、単に携帯端末）１と、車両用ナビゲーション装置（以下、単にナビゲーション装置）２により検索システムが構成される。また、これら携帯端末１とナビゲーション装置２は、それぞれ、単独でも検索システムおよび検索装置としての機能を備える。

携帯端末１としては、スマートフォンと呼ばれる多機能携帯電話、タブレット型コンピュータなどを用いることができる。ナビゲーション装置２は、車両に固定されるものでもよいし、使用時に車両に持ち込む形式でもよい。

（装置構成）
これら携帯端末１と車両用ナビゲーション装置２は、通信部１１、２１を備え、Bluetooth（登録商標）などの通信規格に基づいた無線通信により互いに情報の送受信が可能である。さらに、この通信部１１、２１は通信回線網と接続可能であり、これにより、外部の検索サーバと通信が可能である。

また、携帯端末１およびナビゲーション装置２は、表示部１２、２２、入力部１３、２３、制御部１４、２４、記憶部１５、２５、位置検出部１６、２６をそれぞれ備える。

表示部１２、２２は、制御部１４、２４から入力される信号に基づいてテキストや画像を表示する表示装置である。この表示部１２、２２は、フルカラー表示が可能なものであって、ＴＦＴ液晶ディスプレイ、有機ＥＬディスプレイ等を用いて構成することができる。

入力部１３、２３は、ユーザが検索したい単語を入力するなど、検索条件を入力するための装置である。たとえば、入力部１３、２３は、表示部１２、２２の表示画面に積層されるタッチパネルによって実現する。

記憶部１５、２５は、ＥＥＰＲＯＭなどの書き込み可能な記憶装置である。位置検出部１６、２６は、ＧＰＳ（Global Positioning System）等の衛星測位システムのための受信機を有しており、自装置の現在位置を逐次検出する。また、位置検出部１６、２６は、周知の加速度センサ、ジャイロスコープのいずれか一方または両方をさらに備え、それらも用いて現在位置を逐次検出してもよい。加速度センサ、ジャイロスコープを用いた位置検出装置は、一般にナビゲーション装置によく用いられる。

ナビゲーション装置２は、さらに、地図データベース２７も備える。地図データベース２７には、道路地図データ、施設データなどが格納される。施設データは、施設名称、施設位置、施設ジャンルなどのデータを含む。

制御部１４、２４は、通常のコンピュータとして構成されており、内部には周知のＣＰＵ、ＲＯＭやＲＡＭやＥＥＰＲＯＭなどのメモリ、Ｉ／Ｏ、及びこれらの構成を接続するバスライン（いずれも図示せず）などが備えられている。

制御部１４、２４は、入力部１３、２３から入力された各種信号に基づき、ＲＯＭに予め記憶されているプログラムをＣＰＵが実行することによって種々の処理を実施する。また、制御部１４、２４は、通信部１１、２１、表示部１２、２２、入力部１３、２３と接続されている。そして、制御部１４、２４は、入力部１３、２３からの入力信号を取得し、また、通信部１１、２１、表示部１２、２２を制御する。

さらに、制御部１４、２４は、ユーザ識別部１４１、２４１、検索部１４２、２４２、嗜好学習部１４３、２４３として機能する。

ユーザ識別部１４１、２４１は、パスワードや顔部の画像認証など、公知の識別方法によってユーザの識別を行う。ユーザの識別は、たとえば、携帯端末１、ナビゲーション装置２の起動時に行う。

次に、検索部１４２、２４２、嗜好学習部１４３、２４３について説明する。携帯端末１の制御部１４の検索部１４２、嗜好学習部１４３と、ナビゲーション装置２の制御部２４の検索部２４２、嗜好学習部２４３は基本的に同一の処理である。よって、以下では、携帯端末１の制御部１４の検索部１４２、嗜好学習部１４３のみを説明する。

（検索部１４２の処理）
図２の処理は、たとえば、ユーザの入力操作により表示部１２に所定の検索画面が表示されたことにより開始する。図２に示すように、検索部１４２の処理では、まずステップＳ１で、ユーザ入力条件を取得する。ユーザ入力条件とは、ユーザが入力した検索条件である。ユーザは、種々の種別の検索条件を入力可能である。ユーザが入力可能な検索条件としては、たとえば、キーワード、画像、地点、地域などがある。これらのユーザ入力条件はユーザが入力部１３を操作することで決定されて、検索部１４２に入力される。

ステップＳ２では、ステップＳ１で取得したユーザ入力条件を検索条件として、その時点で設定されている種類の検索モードによる検索処理を実行する。検索モードとしては、テキスト検索、画像検索、地図検索などがある。また、ここでの検索処理は、検索サーバに接続して周知の検索エンジンを利用するものとする。

ステップＳ３では、ユーザの嗜好を学習済みであるかを判断する。ここでのユーザは、ユーザ識別部１４１が識別したユーザである。ユーザの嗜好の学習は嗜好学習部１４３が行う。このステップＳ３では、ユーザ識別部１４１が識別したユーザについて、嗜好学習部１４３で学習済みとなっているかを判断する。

学習済みでない場合（Ｓ３がＮＯ）にはステップＳ４に進む。ステップＳ４では、ステップＳ２を実行して得られた検索結果を表示部１２に表示する。

学習済みである場合（Ｓ３がＹＥＳ）にはステップＳ５に進み、ステップＳ２を実行して得た検索結果を、ユーザの嗜好でフィルタリングする。

このユーザの嗜好でのフィルタリングを説明するに際し、まず、ユーザの嗜好の分類について説明する。ユーザの嗜好の分類として、図３には、（１）好きな物、（２）好きな価格帯、（３）好きなエリア、（４）行動上の世代の４つの分類が示されている。これらは、それぞれに決定項目が予め設定されている。

（１）の好きな物については、その物のジャンル、その物を販売している具体的な店舗名称、その物の一般名称、その物の商品名など、その物に関する特徴を示す少なくとも一項目を決定する。なお、ジャンルとは、たとえば「カバン」などが該当する。一般名称はジャンルよりも狭い概念であり、たとえば、ハンドバックなどである。なお、「カバン」を一般名称と考えることもできる。どのような概念をジャンル・一般名称とするかは適宜決定すればよい。

また、「カバン」であれば、材質、色を決定項目に含ませてもよい。どのような項目を含ませるかは、その物の特徴に応じて適宜設定できる。

（２）の価格帯については、「高い」（すなわち高いものを好む）から「安い」（すなわち安いものを好む）を複数段階に区分し、どの区分に該当するかを決定する。

（３）のエリアは、ユーザの好むエリアを決定する。エリアは地図に名称が存在する単位をもとに定める。たとえば、渋谷などである。エリアの広さは、渋谷などの比較的狭い地域に限らず、ｘｘ区、ｙｙ市、ｚｚ県などの広さでもよく、また、種々の広さが混ざっていてもよい。さらには、ｙｙ市北側地区など、地図に名称が存在する単位の一部でもよい。

（４）の行動上の世代とは、図３にも例示しているように、１０代、２０代、３０代、４０代、５０代、などである。この世代は、実年齢が該当する世代ではなく、行動上の世代である。よって実年齢が５０代でも、２０代と同じような行動をとる人は、２０代に決定される。行動上の世代それ自体は直接的にはユーザの嗜好ではない。しかし、世代と嗜好にはある程度の相関がある。たとえば、若い世代は、比較的安価なものを好む傾向にある、などが一例である。また、若い世代が好んで購入する物と、年配世代が好んで購入する物とには相違があることも周知の通りである。つまり、行動上の世代は、ユーザの嗜好を間接的かつ総合的に示す。したがって、ユーザの嗜好の分類に含ませることができるのである。

次に、ユーザの嗜好によるフィルタリングを説明する。たとえば、ユーザ入力条件が検索キーワード「カバン」であったとして、それぞれの分類の嗜好についてフィルタリングを説明する。

嗜好「好きな物」の例を説明する。好きな物として、カバンの下位概念である一般名称（たとえばセカンドバックなど）が登録されている場合、その一般名称に該当するカバンに所定の嗜好合致ポイントを付与する。また、その他の項目に合致する場合も、所定の嗜好合致ポイントを付与する。これらの項目に合致するかどうかは、テキスト検索であれば、検索結果として得たテキストに該当する単語があるかどうかで判断する。画像検索であれば、画像に付与されている、その画像の特徴をテキストで示したタグデータに、該当する単語があるかどうかで判断する。

次に嗜好「価格帯」の例を説明する。ユーザの「価格帯」の嗜好が、比較的高いものであったとする。具体的には、嗜好「価格帯」を５つに分け、そのうちの最も高い価格帯を好むことを示す数値が「５」であるとし、ユーザの「価格帯」の嗜好が４であったとする。

カバンの価格帯も、嗜好「価格帯」の区分数に対応させて５つに分ける。５つの区分は、検索結果のカバンの価格分布に基づいて決定してもよいし、予め設定されていてもよい。そして、ステップＳ２による検索結果のうち、最も高い価格帯に次ぐ価格帯に該当するカバンに、所定の嗜好合致ポイントを付与する。

次に嗜好「エリア」の例を説明する。ユーザが好きなエリアとしてエリアＡが登録されている場合、そのエリアＡを検索結果のテキストデータや画像に付与されているタグデータに含む検索結果に所定の嗜好合致ポイントを付与する。

次に嗜好「行動上の世代」の例を、ユーザの「行動上の世代」が２０代であったとして説明する。ステップＳ２での検索結果の種々のカバンのうち、２０代によく購入されているカバンに対し、所定の嗜好合致ポイントを付与する。

あるカバンが２０代によく購入されているカバンであるかは、商品とよく購入されている年代との対応関係データを利用して決定する。この対応関係は、販売実績データベースに基づいて予め設定されている。ここでの販売実績データベースとは、販売品と購入者の年代とを対応付けて記憶したデータベースである。たとえば、ユーザが年齢を記入して事前会員登録を行う。そして、販売者が、会員であることを確認して販売した場合には、販売品と購入者の年代との対応付けが可能である。また、通信販売の場合には、会員登録を行わなくても、年代記入欄を設ければ、販売品と購入者の年代との対応付けが可能である。もちろん、すべての検索結果であるカバンに対し、よく購入されている年代を設定することは困難である。よって、よく購入されている年代が設定されているカバンに対してのみ、上記嗜好合致ポイントを付与するかどうかの判断を行う。

以上のようなポイント付与の結果に基づいて、嗜好合致ポイントが所定値以上の検索結果に絞り込む。

ステップＳ６では、検索モードに応じた表示態様でフィルタリング結果を表示する。すなわち、検索モードがキーワード検索であれば、個々のフィルタリング結果として、キーワードを強調表示した文字列を表示する。検索モードが画像検索であれば、ステップＳ５の処理により絞りこまれた画像を表示する。地図検索であれば、ステップＳ５の処理により絞りこまれた検索結果としての地点を、地図上に表示する。

ステップＳ７では、フィルタリング結果から移動中提示施設を決定し、決定した移動中提示施設を記憶部１５に記憶する。移動中提示施設とは、この携帯端末１が移動中にその施設の付近に来た時に、近くにその施設があることを示す情報を表示部１２に表示する施設である。また、表示部１２に表示することに加えて、図示しないスピーカから、その表示を行ったことを示す音を出力してもよい。

移動中提示施設の決定方法について説明する。施設であることから、フィルタリング結果のうち、施設に対応づけられるものである必要がある。たとえば、上述の例、すなわち、ユーザ入力条件が検索キーワード「カバン」であった場合には、嗜好合致ポイントが高かったカバンを販売している施設となる。嗜好合致ポイントが高いとは、閾値以上あるいは上位の所定数を意味する。嗜好合致ポイントが高かったカバンに対応する施設は、嗜好合致ポイントが高かったカバンを検索条件として施設検索（地図検索）を行なって決定する。

このようにして移動中提示施設を決定した後、移動中にその移動中提示施設の付近に来た時に、近くにその施設があることを示す情報を表示部１２に表示する。これにより、ユーザは、その施設に立ち寄ることかどうかを検討することができる。

なお、移動中提示施設の付近であるかどうかは、現在位置と移動中提示施設との距離が、予め設定して判断距離以下であるか否かにより決定する。

（嗜好学習部１４３の処理）
嗜好学習部１４３は、図４、５の情報蓄積処理を行ない、それにより蓄積した情報をもとに図６の嗜好学習処理を行う。

図４の情報蓄積処理は、通信部１１を利用してインターネットサイトを閲覧した時に実行する。この図４の情報蓄積処理では、閲覧したインターネットサイトから単語や画像を抽出して、それらをユーザの嗜好学習の情報源として蓄積する。以下、詳しく説明する。

ステップＳ１１では、閲覧サイトの種別が、個人サイトであるか、業者サイトであるかを判断する。個人のサイトであるか業者のサイトであるかは、ＵＲＬから判断する。たとえば、著名な業者サイトのＵＲＬは予め登録しておく。また、ブログは個人サイトとする。ブログであることは通常、ＵＲＬに標記があるので、ＵＲＬから判断可能である。個人であるか業者であるか不明である場合には、業者サイトとしてもよいし、個人サイトとしてもよい。どちらとするかは予め決めておけばよい。サイト種別が個人サイトである場合にはステップＳ１２へ進み、業者サイトである場合にはステップＳ１４へ進む。

ステップＳ１２では、代理作成の可能性がある部分をリンク貼り付け条件で除去する。代理作成とは、そのサイトを運営している個人ではなく、その個人の代理で業者が作成したことを意味する。特に、芸能人のブログであると、このような代理作成の可能性が高まる。芸能人のブログは閲覧者も多いので広告効果も大きい。そのため、業者が代理で店の紹介などの文を作成することも考えられるのである。

ユーザがインターネットサイトを閲覧する理由は、そのインターネットサイトに興味があるからだと考えられる。よって、そのインターネットサイトに記載の単語や画像には、ユーザが興味のあるものが含まれている可能性が高い。そこで、この図４の処理において、インターネットサイトから単語や画像を抽出するのである。

特に、閲覧サイトが個人サイトである場合には、ユーザと、個人サイトを運営する者との嗜好が類似している可能性が高いと考えられる。しかし、その個人サイトに、その個人サイトを運営する個人とは異なる者が記載した部分があると、その部分は個人サイトを運営する個人の嗜好が現れていないことになる。そこで、代理作成の可能性がある部分を除去するのである。

この除去に、リンク貼り付け有無を条件に含むリンク貼り付け条件を用いる。業者が広告効果を狙って代理作成する場合には、リンクを貼り付ける場合が多いと考えられるからである。リンク貼り付け条件は、次の３つのいずれかとする。

１つ目は単純に、リンクが貼り付けてあるという条件である。この場合、リンクが貼り付けてあれば、そのリンクが貼り付けてある段落は除去する。２つ目は、貼り付けられているリンクが、複数の個人サイトにおいて貼り付けられているという条件である。複数の個人サイトに同じリンクが貼り付けられている場合、それらの個人サイトを運営する各個人ではなく、同じ業者がリンクを貼り付けた可能性が高いと考えられるからである。除去する部分は１つ目の条件の場合と同じである。３つ目は、貼り付けられているリンクの前後（ある一定の行数内）に具体的な理由が記載されていない、という条件である。除去する部分は１つ目の条件の場合と同じである。具体的な理由が記載されている場合には、実際にその本人が体験に基づいて記載していると考え、除去しないようにするのである。

ステップＳ１３では、本人作成部分から画像および単語を抽出する。本人作成部分とは、個人サイトの全体から、ステップＳ１２での除去を行い、さらに、バナー広告部分を除いた部分である。

ステップＳ１４に進んだ場合には、広告部分以外から、画像、単語を抽出する。ステップＳ１３またはステップＳ１４を実行した場合には、それらのステップで抽出した画像、単語を、記憶部１５の所定の記憶領域にユーザ別に蓄積する（ステップＳ１５）。さらに、ステップＳ１６では、蓄積した情報のうち、一定期間経過した古い情報を消去する。ユーザの嗜好が時間とともに変化することを考慮した処理である。

次に図５を説明する。この図５の処理は、この携帯端末１を用いて商品を購入した時に実行する。携帯端末１を用いて商品を購入する際にも、インターネットサイトを閲覧することになるが、購入行動は特にユーザの嗜好を表しているので、特別な処理を実行するのである。

ステップＳ２１では、購入商品のジャンル、商品名、価格、購入日を、記憶部１５の所定の記憶領域にユーザ別に記憶する。商品を購入したことは、商品購入が確定したときに表示される所定の単語が表示されたことにより判断する。商品名、価格は購入画面から抽出する。商品のジャンルも購入画面から抽出する。また、商品名と商品ジャンルとの対応関係を設定したデータベースを利用して商品ジャンルを決定してもよい。このデータベースは、サーバに記憶され、そのサーバと接続することでデータベースを利用する。

ステップＳ２２では、図４のステップＳ１６と同様に、一定期間経過した古い情報を消去する。

この図４、図５を実行して蓄積した情報は、通信部１１、２１を介して、携帯端末１からナビゲーション装置２へ送信可能である。ナビゲーション装置２は、受信した情報を記憶部２５に記憶する。また、ナビゲーション装置２において図４、５を実行して蓄積した情報を携帯端末１に送信することも可能である。携帯端末１は、受信した情報を記憶部１５に記憶する。

次に説明する図６の処理では、このようにして他の装置で蓄積された情報も用いる。図６の処理は一定周期で実行する。ステップＳ３１では、更新条件が成立したか否かを判断する。更新条件とは、記憶部１５に記憶された情報量が一定量を超え、且つ、前回の嗜好更新から一定期間以上経過したことである。情報量が少ない場合には決定する嗜好の精度が不十分となるため、情報量が一定量を超えたことを条件としている。また、あまりに短期間であれば嗜好の変化も少ないと考えられるので、前回の嗜好更新から一定期間以上経過したことも条件としている。

更新条件が不成立（Ｓ３１：ＮＯ）であれば図６の処理は終了する。更新条件が成立した場合（Ｓ３１：ＹＥＳ）にはステップＳ３２に進む。ステップＳ３２では、サイト種別、情報形態別に閲覧情報を重み付けして数値化する。

図７に示すように、本実施形態における重みは４種類である。個人サイトであって画像である場合が、重みは最大である。業者サイトよりも個人サイトの重みを大きくしているのは次の理由による。業者サイトは多数の種類の情報が一つのサイトに含まれていることも多く、その場合、そのうちの一部のみがユーザの嗜好を表しているにすぎない。これに対して、個人サイトは一般的に業者サイトよりは情報の種類が限定的である。よって、個人サイトの方がユーザの嗜好を表していると考えられる。そのため、業者サイトよりも個人サイトの重みを大きくしているのである。また、画像の重みを単語よりも大きくしているのは、画像の方が単語よりも情報量が多い、すなわち、より詳細に嗜好を示していると考えられるからである。

ステップＳ３３では、同じ閲覧情報に対する数値を積算する。ここで同じ閲覧情報とは、単語については、完全一致する単語、同義語を同じ閲覧情報とする。画像については、公知の種々の画像一致度判定処理において一致度が所定値以上であれば、同じ閲覧情報であるとする。

ステップＳ３４では、積算値が基準値以上の閲覧情報、購入情報、一定期間内の検索履歴の３種類の情報をもとに、ユーザの嗜好を学習する。既に学習済みであれば、学習済みの嗜好の更新を行うことになる。

嗜好の更新の具体的処理をいくつか例示する。まず、閲覧情報に基づく嗜好の更新の例を説明する。その閲覧情報が単語であれば、その単語がユーザの嗜好を示しているとする。単語が商品名であれば、図３の分類の好きな物の商品名として、その単語が設定される。

また、その商品名から、価格帯を決定することができる場合、価格帯の嗜好を設定する。価格帯の嗜好は、その商品名に対応する物品名の価格帯と、その物品名の価格範囲におけるその商品名の価格の両方を考慮する。まず、その商品名に対応する物品名自体に基づいて、嗜好の仮の価格帯を設定する。物品名自体が高いもの（たとえば宝石）であれば、嗜好の仮の価格帯も高い価格帯に設定される。嗜好の仮の価格帯を設定後、その物品名の販売価格の範囲における当該商品の価格に基づいて、嗜好の仮の価格帯を修正して、ユーザの嗜好する価格帯を設定する。修正の方法の一例を示すと、その物品名の販売価格の範囲を、価格帯と同じ数に区分する。そして、当該商品の価格がその区分のどこに属するかを決定する。属する区分が中心区分からずれている区分数だけ、嗜好の仮の価格帯からずらした価格帯を、修正後の嗜好の価格帯とする。

また、閲覧情報の単語が一般名称であれば、図３の分類の好きな物の一般名称として、その単語が設定される。単語が地域名であれば、図３の分類のエリアとして、その単語が設定される。

閲覧情報が画像であれば、その画像に付与されているタグデータから単語の場合と同様に嗜好を設定する。

このようにして単語、画像から嗜好を決定した結果、図３の（１）〜（３）など、嗜好の分類において、行動上の世代を除く嗜好が、世代別に予め設定してある嗜好パターンと一致ないしは類似する場合に、ユーザの行動上の世代を設定する。類似するとの判断は、世代別に予め設定してある嗜好パターンの各項目と、ユーザの嗜好の各項目とを比較して一致する項目数により決定する。以上で、閲覧情報に基づく嗜好更新の説明は終了する。

次に、購入情報に基づく嗜好の更新を説明する。閲覧情報については、重み付けした値を積算して基準値以上の閲覧情報のみを嗜好更新に用いた。しかし、購入情報については、全てを嗜好更新に用いる。単に閲覧しただけではなく、購入という行動をとっていることから、購入回数が１回であったとしても、購入した商品はユーザの嗜好を示していると考えられるからである。購入情報には、ステップＳ２１で説明したように、購入商品の商品名、価格、ジャンルが含まれる。これらを用いて、閲覧情報の場合と同様にしてユーザの嗜好を更新する。

次に、検索履歴に基づく嗜好の更新を説明する。検索は、単語あるいは画像により行われる。検索条件を入力する行動は、購入行動に比較すると、ユーザの嗜好を反映している程度は低い。そこで、検索履歴に対して、単語と画像それぞれに値を付与し、同じ検索情報の値を積算する。同じ検索情報とは、単語については、完全一致する単語、同義語を同じ検索情報とする。画像については、公知の種々の画像一致度判定処理において一致度が所定値以上であれば、同じ検索情報であるとする。

そして、積算値が基準値以上の検索情報のみを嗜好更新に用いる。嗜好更新に用いる検索情報を決定した後は、検索情報が単語である場合には、閲覧情報が単語である場合と同様にして嗜好を更新し、検索情報が画像である場合には、閲覧情報が画像である場合と同様にして嗜好を更新する。このステップＳ３４での嗜好更新を次に説明する嗜好更新と区別するために一次更新という。

ステップＳ３５では、ステップＳ３４での一次更新結果、および、具体的嗜好と別の具体的嗜好との間の予め設定された対応関係に基づいて、ユーザの嗜好の二次更新を行う。

図８は上記対応関係の一例である。図８を用いて二次更新を具体的に説明する。図８は、一次更新した具体的嗜好としてエリアＡ、Ｂ、Ｃ、商品Ｅ、価格帯「高」、価格帯「低」を例示しており、それらに対応して二次更新する具体的嗜好を示している。

ここで、エリアＡは高級品を扱う店舗が多いエリアであり、エリアＢ、Ｃは安売り品や価格の低い商品を扱う店舗が多いエリアであるとする。また、エリアＢ、Ｃは似た特徴のエリアであるとする。また、商品Ｅが販売されているエリアとしてエリアＤがよく知られているとする。

エリアＡは高級品を扱う店舗が多いエリアであることから、エリアＡを好むユーザは、高い価格帯を好むユーザであると考えられる。そこで、ユーザの嗜好としてエリアＡを好むという一次更新を行った場合には、そのユーザは高い価格帯を好むという二次更新を行うという対応関係が設定されている。

同様に、エリアＢは安売り品を扱う店舗が多いエリアであることから、エリアＢを好むユーザは、低い価格帯を好むユーザであると考えられる。そこで、ユーザの嗜好としてエリアＢを好むという一次更新を行った場合には、そのユーザは低い価格帯を好むという二次更新を行う。

また、エリアＣはエリアＢと似た特徴のエリアであることから、エリアＢを好むユーザは、エリアＣも好むと考えられる。そこで、ユーザの嗜好としてエリアＢを好むという一次更新を行った場合には、そのユーザはエリアＣを好むという二次更新を行う。

反対に、ユーザの嗜好としてエリアＣを好むという一次更新を行った場合には、そのユーザはエリアＢを好むという二次更新を行う。

商品ＥはエリアＤでよく販売されていることが知られていることから、商品Ｅを好むユーザは、エリアＤを好むユーザであると考えられる。そこで、ユーザの嗜好として商品Ｅを好むという一次更新を行った場合には、そのユーザはエリアＤを好むという二次更新を行う。

また、前述のように、エリアＡは高級品を扱う店舗が多いエリアである。よって、高い価格帯を好むユーザはエリアＡを好むと考えられる。そこで、ユーザの嗜好として高い価格帯を好むという一次更新を行った場合には、そのユーザはエリアＡを好むという二次更新を行う。

また、前述のように、エリアＢ、Ｃは価格の低い商品を扱う店舗が多いエリアである。よって、低い価格帯を好むユーザはエリアＢ、Ｃを好むと考えられる。そこで、ユーザの嗜好として低い価格帯を好むという一次更新を行った場合には、そのユーザはエリアＢ、Ｃを好むという二次更新を行う。

以上のようにして二次更新を行って、ユーザに対して最初に図６の処理を終了すると、ユーザの嗜好は学習済みとなる。学習した嗜好は、記憶部１５に記憶される。

さらに、嗜好学習部１４３は他の装置で学習した嗜好を、通信部１１を介して取得して、記憶部１５に記憶することもできる。本実施形態では、ナビゲーション装置２で学習した嗜好を取得することもできる。また、反対に、ナビゲーション装置２も、携帯端末１で学習した嗜好を取得することもできる。ステップＳ５におけるフィルタリングには、他の装置から取得した嗜好も用いる。

（実施形態の効果）
以上、説明した本実施形態によれば、携帯端末１、ナビゲーション装置２は、それぞれ、嗜好学習部１４３、２４３を備えており、電子機器であるこれらの端末１、装置２を使って閲覧した内容を示す閲覧情報に基づいてユーザの嗜好を学習している。そして、検索部１４２、２４２は、ユーザが入力した検索条件だけでなく、嗜好学習部１４３、２４３が学習したユーザの嗜好も検索条件として検索を行う。具体的には、嗜好学習部１４３、２４３は、ユーザが入力した検索条件で検索を実行した後（図２のＳ２）、検索結果をユーザの嗜好でフィルタリングする（図２のＳ５）。ユーザの嗜好が検索条件として加えられることから、検索結果の全体に含まれるユーザにとって興味のない検索結果が少なくなる。

また、本実施形態では、閲覧情報に基づいてユーザの嗜好の一次学習が行われる（図６のＳ３２−Ｓ３４）。それだけでなく二次学習が行われる（図６のＳ３５）。よって、一次学習のみを行う場合に比較してユーザの嗜好が多く学習できる。これにより、ユーザの嗜好によるフィルタリングを行った検索結果の全体に含まれるユーザにとって興味のない検索結果が一層少なくなる。

以上、本発明の実施形態を説明したが、本発明は上述の実施形態に限定されるものではなく、次の実施形態も本発明の技術的範囲に含まれ、さらに、下記以外にも要旨を逸脱しない範囲内で種々変更して実施することができる。

（変形例１）
前述の実施形態では、嗜好合致ポイントが所定値以上の検索結果に絞り込んでいた。しかし、絞り込むことに代えて、嗜好合致ポイントが低いほど検索結果の順位を下位に変更してもよい。このようにしても、表示される検索結果の上位に含まれるユーザにとって興味のない検索結果を少なくすることができる。

（変形例２）
また、嗜好合致ポイントという指標を用いず、単純に、ユーザが入力した検索条件で行った検索結果のうち、ユーザの嗜好に合致する検索結果のみを残す処理を行なってもよい。

（変形例３）
前述の実施形態では、携帯端末１、ナビゲーション装置２はユーザ識別部１４１、２４１を備えていたが、携帯端末１やナビゲーション装置２を扱う者は主として一人であることも多い。そこで、ユーザ識別部１４１、２４１を備えずに嗜好学習を行なってもよい。

（変形例４、５）
前述の実施形態では、他の装置で学習した嗜好を取得することができると記載した。さらに、他の装置で閲覧した閲覧情報を取得して、学習は自装置で行なってもよい（変形例４）。また、他の装置で学習した嗜好を取得する構成では、嗜好学習部を備える装置と、検索部を備える装置が別々の装置でもよい（変形例５）。

１：携帯型情報閲覧端末（検索装置、検索システム）、 ２：車両用ナビゲーション装置（検索装置、検索システム）、 １１：通信部、 １２：表示部、 １３：入力部、 １４：制御部、 １５：記憶部、 １６：位置検出部、 １４１：ユーザ識別部、 １４２：検索部、 １４３：嗜好学習部、 ２１：通信部、 ２２：表示部、 ２３：入力部、 ２４：制御部、 ２５：記憶部、 ２６：位置検出部、 ２７：地図データベース、 ２４１：ユーザ識別部、 ２４２：検索部、 ２４３：嗜好学習部

Claims (8)

1. ユーザが入力した検索条件に基づいて検索を行う検索部（１４２、２４２）を備えた検索システム（１、２）であって、
   ユーザが電子機器を使って閲覧した内容を示す閲覧情報に基づいてユーザの嗜好を学習する嗜好学習部（１４３、２４３）を備え、
   前記検索部は、前記ユーザが入力した検索条件と前記嗜好学習部が学習した前記ユーザの嗜好とに基づいた検索を行うことを特徴とする検索システム。
2. 請求項１において、
   前記嗜好学習部は、前記閲覧情報に基づいてユーザの嗜好を学習する一次学習処理を行った後、具体的な嗜好と別の具体的な嗜好と間の予め設定された対応関係と、前記一次学習処理での学習結果とに基づいて、前記ユーザの嗜好を学習する二次学習処理を行うことを特徴とする検索システム。
3. 請求項１または２において、
   前記嗜好学習部は、ユーザが閲覧した各閲覧情報から抽出される単語および画像に対して数値を付与し、抽出した単語および画像に対して付与した合計の数値に基づいてユーザの具体的な嗜好を決定するようになっており、前記単語および画像に付与する値は、個人が作成した閲覧情報から抽出したものを、業者が作成した閲覧情報から抽出したものよりも大きい値とする、ことを特徴とする検索装置。
4. 請求項３において、
   前記嗜好学習部は、個人が作成した閲覧情報から、予め設定したリンク貼り付け条件に基づいて、その個人ではない者が代理で作成した代理作成部分を除外した後で、その閲覧情報から単語および画像を抽出する、ことを特徴とする検索装置。
5. 請求項１〜４のいずれか１項において、
   前記嗜好学習部は、前記ユーザの嗜好として、前記ユーザの好きな物、前記ユーザの好きな価格帯、前記ユーザの好きなエリアの少なくとも一つを学習することを特徴とする検索装置。
6. 請求項１〜５のいずれか１項の検索部を備えた検索装置（１、２）。
7. 請求項６において、
   表示部（１２、２２）を備え、
   前記検索部は、検索結果を前記表示部に表示する、ことを特徴とする検索装置。
8. 請求項７において、
   前記検索装置は移動可能に構成され、
   現在位置を逐次検出する位置検出部（１６、２６）を備え、
   前記検索部は、検索結果に基づいて、移動中に、検索結果に関連する施設が付近に存在することをユーザに提示する移動中提示施設を決定し、前記位置検出部が検出した現在位置が前記移動中提示施設の付近であると判断したことに基づいて、前記移動中提示施設が付近に存在することを前記表示部に表示する、ことを特徴とする検索装置。

Images