JP2015011667A - 映像コンテンツのレコメンド装置及び方法及びプログラム - Google Patents

Abstract

【課題】 視聴者特性に基づき映像コンテンツを精度よく視聴者にレコメンドする。【解決手段】 本発明は、入力された映像コンテンツに対する期待度、経験値、満足度を含む視聴者評価情報を視聴者に対応付けた評価値リストに基づいて統計手法を用いて視聴者をグループに分類し、分類結果を一次分類リストに格納し、一次分類リストを参照し、ある視聴者が他の視聴者と同じグループに分類されたことを示す類似回数を、全ての視聴者の組合せに対して計算し、該類似回数に基づいて統計値を求め、類似回数リストに格納し、類似回数リストを参照して、統計値に基づいて同一のグループの視聴者を判定し、判定結果を二次分類リストに格納し、二次分類リストを参照して視聴者評価情報を入力した視聴者と同一のグループに分類された他の視聴者の満足度に基づいて映像コンテンツをレコメンドする。【選択図】 図２

Description

本発明は、映像コンテンツのレコメンド装置及び方法及びプログラムに係り、特に、映像コンテンツ配信サービスの視聴者特性に基づいて映像コンテンツをレコメンドするための映像コンテンツのレコメンド装置及び方法及びプログラムに関する。

映像配信サービスにおいては、視聴者の満足度が高い映像コンテンツを提供することが重要である。しかし、映像コンテンツが多数存在する映像配信サービスにおいては、視聴者が満足度の高い映像コンテンツを、自身で発見することが困難である。故に、視聴者が満足度の高い映像コンテンツに容易にたどり着けるようにするためのレコメンド技術が必要とされている。例えば、視聴率が高い映像コンテンツは一般に人気があると捉え、視聴率が高い映像コンテンツをレコメンドするサービスなどが考えられる（例えば、非特許文献１参照）。

しかし、視聴率は広告戦略などの影響を受けるため、視聴率が高いからと言って必ずしも視聴者の満足度が高い映像コンテンツであるとは限らない。

そこで、視聴者の意見を取り入れ、嗜好を考慮したレコメンドを実現するため、視聴者に映像コンテンツに対する満足度などを評価させ、視聴者特性が類似した（同一映像コンテンツに対し、同じか近い評価値を付ける）視聴者が高い満足度を付けた映像コンテンツを、他方の視聴者にレコメンドする技術が存在する（例えば、特許文献１参照）。

さらに、視聴者のライフログ（具体的には、過去に視聴した映像コンテンツの映像コンテンツ名と出演者名、滞在地履歴、ウェブサイト閲覧履歴）と映像コンテンツ配信者によって予め設定される映像コンテンツの内容説明文に含まれる文字列を突き合わせ、類似する回数の多い映像コンテンツをレコメンドする技術が確立されている（例えば、非特許文献２参照）。しかし、映像コンテンツに対する満足度は、経験値に加えて視聴前の期待度（以下、「期待度」と記す）に基づいて決定される（例えば、非特許文献３,４参照）。従来手法では、期待度と経験値を含めた満足度に基づくレコメンドが実現できていないため、レコメンドの精度が十分でないと考えられる。

特開２０１２−２４２８４４号公報

株式会社ビデオリサーチ，"視聴率がよくわかるブックTV RATING GUIDE BOOK,"Nov.2011. 伊藤達明，中村幸博，手塚博久，武藤伸洋，阿部匡伸，"ライフログに基づくTV番組レコメンド方式の検討，"信学技報，LOIS2009-32,IE2009-73,pp.81-86,Sep.2009. A. Parasuraman, V.A.Zeithaml, and L.L.Valarie, "SERVQUAL: A multiple- item scale for measuring consumer perceptions of service quality," Journal of Retailing, vol. 64(1), pp.12-40, 1988. 小林史弥，増田征貴，"コンテンツ依存性を考慮したユーザ満足度の解析手法，"電子情報通信学会ソ大，B-11-1，Sep.2012.

従来技術により、視聴者の映像コンテンツに関する満足度などの評価値や、ライフログなどから抽出される情報を用いて、視聴者の嗜好に基づくレコメンドが可能になっている。しかし、従来技術は、期待度と経験値を考慮していないために、満足度を捉えきれておらず、そのためにレコメンド精度が十分でないと考えられる。

本発明は、上記の点に鑑みなされたもので、視聴者特性に基づき映像コンテンツを精度よくレコメンドすることが可能な映像コンテンツのレコメンド装置及び方法及びプログラムを提供することを目的とする。

一態様によれば、映像コンテンツに対する視聴者特性に応じて映像コンテンツをレコメンドするための映像コンテンツのレコメンド装置であって、
前記視聴者特性として、映像コンテンツごとに、映像コンテンツ視聴前に視聴者によって評価された該映像コンテンツの面白さに対して期待する度合いである期待度、該映像コンテンツ視聴後に該視聴者によって評価された該映像コンテンツ視聴経験による面白さの度合いである経験値、該映像コンテンツ視聴後に該視聴者によって評価された満足した度合いである満足度を格納する記憶手段と、
前記記憶手段の前記視聴者特性を用いて視聴者を分類し、分類結果に基づいて、映像コンテンツを提供する視聴者が未視聴の映像コンテンツをレコメンドする映像コンテンツ決定手段を有する映像コンテンツのレコメンド装置が提供される。

一態様によれば、ユーザから取得した期待度、経験値、満足度に基づき視聴者を分類することで、分類の特性に応じた適切な映像コンテンツをレコメンドできるようになる。これにより、視聴率に基づくレコメンドやライフログに基づくレコメンドと比べ、期待度と満足度を加味した特性に基づき視聴者を分類しているため、視聴者の満足度により即した映像コンテンツのレコメンドが可能となる。

本発明の一実施の形態における映像コンテンツ配信サービスシステムの構成例である。 本発明の一実施の形態におけるレコメンド装置の構成例である。 本発明の一実施の形態におけるレコメンド装置の処理のフローチャートである。 本発明の一実施の形態における視聴者評価情報の例である。 本発明の一実施の形態における評価値リストの例である。 本発明の一実施の形態における映像コンテンツ（Ａ）におけるクラスタ分析結果の一例である。 本発明の一実施の形態における映像コンテンツ（Ａ）における一次分類リストの一例である。 本発明の一実施の形態における類似回数リストの一例である。 本発明の一実施の形態における二次分類リストの一例である。 本発明の一実施の形態におけるレコメンドのための計算結果の一例である。

以下、図面と共に本発明の実施の形態を説明する。

まず、本実施の形態における以下の用語を定義する。

・期待度：映像コンテンツ視聴前に視聴者によって評価される、その映像コンテンツの面白さなどに対して期待する度合い。

・経験値：映像コンテンツ視聴後に視聴者によって評価される、その映像コンテンツの面白さなどに対して経験した度合い。

・満足度：映像コンテンツ視聴後に視聴者によって評価される、視聴したことによって満足した度合い。

図１は、本発明の一実施の形態における映像コンテンツ配信サービスシステムの構成例である。

以下の本実施の形態で例示する映像コンテンツ配信サービスは、図１に示すように、IP(Internet Protocol)網２０を介して、映像コンテンツ配信装置１０と映像コンテンツ受信端末（例えば、PC）３０とが接続され、当該映像コンテンツ受信端末３０には、映像コンテンツ表示端末（例えば、PC用液晶モニタ）４０が接続されている。映像コンテンツ配信装置１０には、視聴者の映像コンテンツに対する期待度と経験値に基づき映像コンテンツをレコメンドするレコメンド装置１００が接続されている。なお、レコメンド装置１００は、図１に示すように、映像コンテンツ配信装置１０の外部装置として実現してもよいし、映像コンテンツ配信装置１０に組み込んでもよい。

図２は、本発明の一実施の形態におけるレコメンド装置の構成例を示す。

同図に示すレコメンド装置１００は、受信した各映像コンテンツに対する期待度、経験値、満足度の評点を解析し、その解析結果に基づき視聴者を満足させる映像コンテンツをレコメンドするものであり、評価値リスト更新部１１０、一次視聴者分類部１２０、類似回数計算部１３０、二次視聴者分類部１４０、レコメンド部１５０、評価値リスト記憶部１０１、一次分類リスト記憶部１０２、類似回数リスト記憶部１０３、二次分類リスト記憶部１０４を有する。

評価値リスト更新部１１０は、映像コンテンツごとに期待度、経験値、満足度を含む視聴者評価情報を、映像コンテンツ受信端末３０からIP網２０と映像コンテンツ配信装置１０を介して取得し、評価値リストを生成して評価値リスト記憶部１０１に追加格納する。評価値リストは、映像コンテンツ、視聴者ID（番号）、期待度、経験値、満足度の項目から構成される。

一次視聴者分類部１２０は、評価値リスト記憶部１０１から評価値リストを取得し、当該評価値リストの期待度、経験値、満足度に基づいて、グループ分類が可能な統計的な手法を用いて視聴者をグループに分類し、分類したグループの数が所定の範囲内に存在するかを判定し、存在する場合には分類結果から一次分類リストを生成し、一次分類リスト記憶部１０２に格納する。ここで、一次分類リストは、分類数フラグ（例えば、分類グループの数が所定の値以上の場合は"○"、所定の値より小さい場合は"×"を記す）、映像コンテンツＩＤ、視聴者ＩＤ（番号）、当該視聴者が分類された分類グループの項目から構成される。分類数フラグが"×"である映像コンテンツについては、類似回数計算部１３０以降の処理は実施しない。なお、分類数フラグとして"○"、"×"で表記しているが、この例に限定されることなく、所定の値以上の場合は"１"、所定の値より小さい場合は"０"としてもよい。

類似回数計算部１３０は、一次分類リスト記憶部１０２の一次分類リストから分類数フラグが"○"である視聴者を抽出し、抽出された視聴者ごとに、他の視聴者と同じグループに分類された回数を、全ての他の視聴者に対して類似回数として計算し、さらに、全ての視聴者の類似回数から平均値と標準偏差を求め、平均値に標準偏差を加算した値をしきい値として算出する。求められた視聴者ごとの類似回数、平均値、標準偏差、しきい値を類似回数リストに設定し、類似回数リスト記憶部１０３に格納する。

二次視聴者分類部１４０は、類似回数リスト記憶部１０３の類似回数リストに記載されている所定のしきい値以上の２つの視聴者の組み合わせを同一グループの視聴者とし、当該組み合わせを二次分類リストに設定し、二次分類リスト記憶部１０４に格納する。

レコメンド部１５０は、二次分類リスト記憶部１０４の二次分類リストから、視聴者評価値情報を入力した視聴者と同じグループに分類された他の視聴者の映像コンテンツごとに満足度を算出し、最も満足度が高い映像コンテンツをレコメンドする。

図３は、本発明の一実施の形態におけるレコメンド装置の処理のフローチャートである。

ステップ１００） 評価値リスト更新部１１０は、以下の手順で、評価値リスト記憶部１０１に保存される評価値リストを更新する。

ステップ１０１） 映像コンテンツ受信端末３０からIP網２０、映像コンテンツ配信装置１０を介して送信された視聴者による対象コンテンツの期待度、経験値、満足度を示す視聴者評価情報を取得する。視聴者評価情報の例を図４に示す。視聴者評価情報は映像コンテンツＩＤ、視聴者ＩＤ（同図の例では視聴者の番号）、期待度、経験値、満足度を含む。これらの値はアンケート調査などによって評価された値を用いる。本例では、視聴者評価情報は、モバイル映像サービスにおいて約６０秒のコンテンツを視聴したときの、期待度、経験値、満足度に対する視聴者の評価値をそれぞれ５段階尺度で求められ、映像コンテンツ受信端末３０から送出される。当該５段階尺度としては、期待度に対する評価値には、例えば、
５：期待している；
４：どちらかといえば期待している；
３：どちらともいえない；
２：どちらかといえば期待していない；
１：期待していない；
のような尺度を設ける。

また、経験値に対する評価値には、例えば、
５：面白かった；
４：どちらかといえば面白かった；
３：どちらともいえない；
２：どちらかといえば面白くなかった；
１：面白くなかった；
のような尺度を設ける。

また、満足度に対する評価値には、例えば、
５：満足；
４：やや満足；
３：普通；
２：やや不満；
１：不満；
のような尺度を設ける。

上記の期待度、経験値、満足度の求め方は、従来技術であり、上記の方法に限定されない。

本例における評価者を、２０〜３９歳までの男女計４８名とする。

ステップ１０２） 評価リスト更新部１１０は、上記の視聴者評価情報を用いて、ある映像コンテンツに対する、ある視聴者による期待度、経験値、満足度の評価値を属性値として含むリスト要素を構成し、図５に示すように、評価値リスト記憶部１０１に追加記録する。図５の例では、最後のレコードに図４に示すレコードが追加格納されている。

ステップ１１０） 一次視聴者分類部１２０は、一次分類リスト記憶部１０２を初期化し、以下の手順で視聴者を分類した一次分類リストを一次分類リスト記憶部１０２に格納する。

ステップ１１１） 一次視聴者分類部１２０は、評価値リスト記憶部１０１から全ての視聴者の評価値リストを読み込み、当該評価値リストの各視聴者の、各映像コンテンツに対する期待度、経験値、満足度を入力として、視聴者をグループに分類する。ここでは、分類の方法として、クラスタ分析を用いる例を示すが、当該方法に限定されるものではなく、他の統計手法である主成分分析等、分類方法は何を用いてもよい。図６に、前述の図５のデータの非正規化データに対してウォード法を用い、デンドログラムを平方距離で描画した場合の、映像コンテンツ（Ａ）におけるクラスタ分析結果の例を示す。

ここで、視聴者の類似度は、映像コンテンツごとに異なるため、映像コンテンツごとに視聴者を分類する。同図の例では、一次視聴者分類部１２０によって、例えば、映像コンテンツ（Ａ）については、視聴者番号(1),(7),(39),(19),(30),(31),(36),(18),(23),(26),(24),(38),(40)がグループ（ａ）と判定されている。以下、各視聴者が（ｂ）、（ｃ）、（ｄ）のいずれかのグループに分類されている。ここでは、図６中に描画した直線αとデンドログラムの線の交点で視聴者を分類している。なお、分類基準は直線αの位置を移動することにより、任意に設定することが可能である。

上記の分類結果を用いて、一次分類リストを構成し、図７に示すように一次分類リスト記憶部１０２に記録する。本例においては、一次分類リストは、各映像コンテンツに対し、各視聴者がどの分類グループに属し、当該映像コンテンツにおける分類グループ数と予め定められたしきい値との高低の関係を示す値から構成されるリストである。図７は、映像コンテンツ（Ａ）に対し、視聴者(1)がグループ（ａ）に、視聴者(2)がグループ（ｃ）に、視聴者(3)がグループ（ｂ）、…に分類された例を示している。

ステップ１１２） 全視聴者の期待度、経験値、満足度に対する評価値が一致するなどで、分類数（図６の場合、デンドログラムの分岐の数）が小さすぎると、視聴者の分類精度が低下し、視聴者特性に基づくレコメンドが困難になる。そこで、分類の数が予め定めた数より小さい場合は、その映像コンテンツを以下の処理に含めないこととする。図７では、分類されたグループ数が３未満の映像コンテンツを以下の処理に含めないこととする。分類されたグループ数が３未満の映像コンテンツには、一次分類リストに"×"を記し、映像コンテンツ（Ａ）のように、分類されたグループ数が３以上の場合は、一次分類リストに"○"を記す。

ステップ１１３） 上記で生成された一次分類リストのレコードを一次分類リスト記憶部１０２に格納する。

ステップ１２０） 類似回数計算部１３０は、以下の手順で視聴者間の類似回数を計算し、類似回数リスト記憶部１０３に格納する。

ステップ１２１） 類似回数計算部１３０は、一次分類リスト記憶部１０３から一次分類リストを読み込み、当該一次分類リストの分類数フラグが"○"の映像コンテンツにつき、視聴者ごとに他の視聴者と同じグループに分類された回数を、全ての他の視聴者との組み合わせに対して、類似回数として計算する。図８に、視聴者間の類似回数の計算結果の一例を示す。これは、例えば、視聴者（１）は視聴者（２）と３回、視聴者（３）と０回、視聴者（４６）と２回、視聴者（４７）と３回、視聴者（４８）と５回類似していると判断されたことを示している。

ステップ１２２） ステップ１２１で計算した類似回数に基づき、全ての視聴者の類似回数の平均値と標準偏差を計算する。

ステップ１２３） ステップ１２２で計算した平均値に標準偏差を加算した値を、二次視聴者分類部１４０で用いる視聴者分類のしきい値として計算する。当該しきい値は、二次視聴者分類部１４０において所定の値以上の視聴者を、同一の視聴者グループに含めるか否かを判定するために利用される。

ステップ１２４） 類似回数リスト記憶部１０３に記録された類似回数リストに対し、ステップ１２１で計算した類似回数、ステップ１２２で計算した平均値、標準偏差、ステップ１２３で計算したしきい値を設定する。

ステップ１２５） ステップ１２４の類似回数リストの１レコードを類似回数リスト記憶部１０３に格納する。

ステップ１３０） 二次視聴者分類部１４０は、以下の手順で視聴者を分類し、二次分類リスト記憶部１０４に格納する。

ステップ１３１） 二次視聴者分類部１４０は、類似回数リスト記憶部１０３から類似回数リストを読み込み、類似回数リストに記載のしきい値以上の組み合わせを、同一グループの視聴者と判断する。図８の類似回数リストの場合、平均値が3.1、標準偏差が1,8、しきい値が4.9となっている。故に、類似回数が4.9以上の視聴者（１）と（４８）、（２）と（４７）、（４６）と（４８）がそれぞれ同一の分類であると判断する。但し、他のアルゴリズムやしきい値に基づいて分類を判断してもよい。

ステップ１３２） ステップ１３１の判断結果を二次分類として、視聴者ごとに当該視聴者に類似するユーザを設定し、図９に示すような二次分類リストを生成する。

ステップ１３３） 二次分類リストを二次分類リスト記憶部１０４に格納する。

ステップ１４０） レコメンド部１５０はレコメンド内容を決定する。

レコメンド方法の一例を図１０に基づいて説明する。

図１０では、二次視聴者分類部１４０により視聴者（４）は視聴者（７），（３９），（４８）と同じグループに分類されていることとし、視聴者（４）を対象に説明する。但し、他のアルゴリズムに基づいてレコメンド内容を決定してもよい。

まず、二次分類リスト記憶部１０４から二次分類リストを取得する。二次分類リストにおいて、視聴者グループごとに、各映像コンテンツに対する当該グループにおける満足度の平均値を計算する。ここで、各映像コンテンツに対するグループにおける満足度の平均値とは、当該グループに分類された全視聴者数を分母とし、当該グループに分類された各視聴者が評価した当該映像コンテンツに対する満足度を分子とする除算により計算される値である。

視聴者（４）が分類されたグループにおいて、視聴者（４）が未視聴の映像コンテンツの中で、当該グループにおける満足度（当該グループに属する全視聴者による満足度の平均）が最も高い映像コンテンツを選択し、視聴者にレコメンドする。図１０の例では、視聴者（４）は、映像コンテンツ（Ｅ），（Ｆ），（Ｇ）が未視聴である。このうち、映像コンテンツ（Ｅ）が、満足度の平均値が最も高い。故に、視聴者（４）には映像コンテンツ（Ｅ）をレコメンドする。

上記のように、本実施の形態では、視聴者より取得した期待度、経験値、満足度に基づいて当該視聴者をグループに分類し、その分類特性により適切な映像コンテンツをレコメンドすることが可能となる。

なお、上記の図２に示すレコメンド装置の各構成要素の動作をプログラムとして構築し、レコメンド装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。

１０ 映像コンテンツ配信装置
２０ ＩＰ（Internet Protocol）網
３０ 映像コンテンツ受信端末
４０ 映像コンテンツ表示端末
１００ レコメンド装置
１０１ 評価値リスト記憶部
１０２ 一次分類リスト記憶部
１０３ 類似回数リスト記憶部
１０４ 二次分類リスト記憶部
１１０ 評価値リスト更新部
１２０ 一次視聴者分類部
１３０ 類似回数計算部
１４０ 二次視聴者分類部
１５０ レコメンド部

Claims (8)

1. 映像コンテンツに対する視聴者特性に応じて映像コンテンツをレコメンドするための映像コンテンツのレコメンド装置であって、
   前記視聴者特性として、映像コンテンツごとに、映像コンテンツ視聴前に視聴者によって評価された該映像コンテンツの面白さに対して期待する度合いである期待度、該映像コンテンツ視聴後に該視聴者によって評価された該映像コンテンツ視聴経験による面白さの度合いである経験値、該映像コンテンツ視聴後に該視聴者によって評価された満足した度合いである満足度を格納する記憶手段と、
   前記記憶手段の前記視聴者特性を用いて視聴者を分類し、分類結果に基づいて、映像コンテンツを提供する視聴者が未視聴の映像コンテンツをレコメンドする映像コンテンツ決定手段を有する
   ことを特徴とする映像コンテンツのレコメンド装置。
2. 前記映像コンテンツ決定手段は、
   入力された映像コンテンツに対する前記期待度、前記経験値、前記満足度を含む視聴者評価情報を視聴者に対応付けて評価値リストに設定し、評価値リスト記憶手段に格納する評価値リスト更新手段と、
   統計手法を用いて前記評価値リストの視聴者をグループに分類し、分類結果を一次分類リストに設定し、一次分類リスト記憶手段に格納する一次視聴者分類手段と、
   前記一次分類リストを参照し、ある視聴者が他の視聴者と同じグループに分類されたことを示す類似回数を、全ての視聴者の組合せに対して計算し、該類似回数に基づいて統計値を求め、該統計値から視聴者のグループを判定するためのしきい値を求め、求められた値を類似回数リストに設定し、類似回数リスト記憶手段に格納する類似回数計算手段と、
   前記類似回数リストを参照して、前記統計値と前記しきい値に基づいて同一のグループの視聴者を判定し、判定結果を二次分類リストに設定し、二次分類リスト記憶手段に格納する二次視聴者分類手段と、
   前記二次分類リストを参照して前記視聴者評価情報を入力した視聴者と同一のグループに分類された他の視聴者の満足度に基づいて映像コンテンツをレコメンドするレコメンド手段と、
   を有する請求項１記載の映像コンテンツのレコメンド装置。
3. 前記一次視聴者分類手段は、
   分類された前記グループの数が、所定の範囲内に存在するかを判定し、判定結果を前記一次分類リストに設定する手段を含み、
   前記類似回数計算手段は、
   前記一次分類リストの前記判定結果が前記所定の範囲に存在する場合には、前記類似回数の計算を行う手段を含む
   請求項２記載の映像コンテンツのレコメンド装置。
4. 前記類似回数計算手段は、
   前記類似回数の平均値と標準偏差を計算する統計処理手段と、
   前記平均値に前記標準偏差を加算した値をしきい値として算出するしきい値算出手段と、
   前記類似回数、前記平均値、前記標準偏差、前記しきい値を、前記類似回数リストに設定して前記類似回数リスト記憶手段に格納する類似回数リスト更新手段と、
   を含む請求項１または２記載の映像コンテンツのレコメンド装置。
5. 映像コンテンツごとに、映像コンテンツ視聴前に視聴者によって評価された該映像コンテンツの面白さに対して期待する度合いである期待度、該映像コンテンツ視聴後に該視聴者によって評価された該映像コンテンツ視聴経験による面白さの度合いである経験値、該映像コンテンツ視聴後に該視聴者によって評価された満足した度合いである満足度を用いてレコメンドする映像コンテンツを決定する映像コンテンツのレコメンド方法であって、
   前記期待度、前記経験値、前記満足度を含む評価値リストを格納する評価値リスト記憶手段と、
   視聴者の一次分類結果を含む一次分類リストを格納する一次分類リスト記憶手段と、
   求められた分類結果を含む分類回数リストを格納する分類回数リスト記憶手段と、
   視聴者の二次分類結果を含む二次分類リストを格納する二次分類リスト記憶手段と、
   評価値リスト更新手段と、一次視聴者分類手段と、類似回数計算手段と、二次視聴者分類手段と、レコメンド手段と、
   を有する装置において、
   前記評価値リスト更新手段が、入力された映像コンテンツに対する前記期待度、前記経験値、前記満足度を含む視聴者評価情報を視聴者に対応付けて前記評価値リストに設定し、前記評価値リスト記憶手段に格納する評価値リスト更新ステップと、
   前記一次視聴者分類手段が、統計手法を用いて前記評価値リストの視聴者をグループに分類し、分類結果を前記一次分類リストに設定し、前記一次分類リスト記憶手段に格納する一次視聴者分類ステップと、
   前記類似回数計算手段が、前記一次分類リストを参照し、ある視聴者が他の視聴者と同じグループに分類されたことを示す類似回数を、全ての視聴者の組合せに対して計算し、該類似回数に基づいて統計値を求め、該統計値から視聴者のグループを判定するためのしきい値を求め、求められた値を類似回数リストに設定し、類似回数リスト記憶手段に格納する類似回数計算ステップと、
   前記二次視聴者分類手段が、前記類似回数リストを参照して、前記統計値と前記しきい値に基づいて同一のグループの視聴者を判定し、判定結果を前記二次分類リストに設定し、前記二次分類リスト記憶手段に格納する二次視聴者分類ステップと、
   前記レコメンド手段が、前記二次分類リストを参照して前記視聴者評価情報を入力した視聴者と同一のグループに分類された他の視聴者の満足度に基づいて映像コンテンツをレコメンドするレコメンドステップと、
   を行うことを特徴とする映像コンテンツのレコメンド方法。
6. 前記一次視聴者分類ステップにおいて、
   分類された前記グループの数が、所定の範囲内に存在するかを判定し、判定結果を前記一次分類リストに設定し、
   前記類似回数計算ステップにおいて、
   前記一次分類リストの前記判定結果が前記所定の範囲に存在する場合には、前記類似回数の計算を行う
   請求項５記載の映像コンテンツのレコメンド方法。
7. 前記類似回数計算ステップにおいて、
   前記類似回数の平均値と標準偏差を計算する統計処理ステップと、
   前記平均値に前記標準偏差を加算した値をしきい値として算出するしきい値算出ステップと、
   前記類似回数、前記平均値、前記標準偏差、前記しきい値を、前記類似回数リストに設定して前記類似回数リスト記憶手段に格納する類似回数リスト更新ステップと、
   を含む請求項５または６記載の映像コンテンツのレコメンド方法。
8. コンピュータを、
   請求項１乃至４のいずれか１項に記載の映像コンテンツのレコメンド装置の各手段として機能させるための映像コンテンツのレコメンドプログラム。

Images