JP2015079396A - 情報処理装置、方法及びプログラム - Google Patents

Abstract

【課題】学習が初期の段階においても、学習が進行した段階においても、適切なコンテンツの推薦ができるようにする。
【解決手段】複数のカテゴリのいずれかに属するコンテンツを、各カテゴリへの興味を反映するスコアであるカテゴリスコアに基づいて選択するコンテンツ選択手段１０２と、各コンテンツの社会的な注目度を順序づけたランキングをカテゴリ毎に取得する社会的注目度ランキング取得手段１１０と、各カテゴリにおいて前記ランキングが所定の順位以上のコンテンツの一群を社会注目カテゴリとする社会注目カテゴリ作成手段１１４と、を備え、前記コンテンツ選択手段１０２は、コンテンツを選択する際、所定のカテゴリスコアを付与された前記社会注目カテゴリ及び前記複数のカテゴリの中から、コンテンツを選択するカテゴリをカテゴリスコアに基づいて選択する。
【選択図】図１

Description

本発明は、情報処理装置、方法及びプログラムに関し、特に、操作して行くにつれてユーザの嗜好や興味を学習する情報処理、方法及びプログラムに関する。

特許文献１には、ユーザが個人的に興味を持つ情報及び世間一般の関心が高いカテゴリの情報を閲覧できるようにすることを課題にした発明が開示されている。特許文献１では、まず、インターネットから見出し情報群を取り込み、各見出し情報を複数のカテゴリに分類し、カテゴリ別データベースに格納する。次に、興味度データベースに基づき、興味度が所定の基準値以上のカテゴリの見出し情報を抽出し、一覧画面を作成・表示する。一覧画面に対するユーザの選択操作に応じて、各カテゴリの興味度を更新する処理も行うことが記載されている。

また、特許文献２には、電子メールに記述する記事を、受信者の興味があるものから順に並び替えるために、受信者によりどのカテゴリの情報が多く参照されたかを送信側サーバの関心領域データベースに格納しておくことが記載されている。

特開２００８−１７６４９１号公報 特開２００４−０１３５２８号公報

ＲＳＳリーダ、ＨＤＤレコーダ、携帯オーディオプレイヤなどの大量のコンテンツを格納することができるコンテンツ閲覧装置の技術分野においては、ユーザの嗜好に合うカテゴリに属するコンテンツを推薦する機能を備えるものが種々、考案されている。このような技術においては、ユーザの嗜好を、コンテンツに対するユーザの操作に基づいて学習するものがある（例えば、特許文献１など）。

一方で、コンテンツをユーザに推薦する際は、社会的注目度の高いコンテンツを推薦することも重要であり、例えば、ランキングの一位から十位までを推薦するなどのことがよく行われている。ユーザの嗜好や興味に合致するカテゴリのコンテンツを推薦する技術を用いた場合、学習が初期の段階においては、ユーザの嗜好がわからないために、適切なコンテンツ推薦ができない問題があった。また、学習が進行した段階においては、ユーザの嗜好に合致するコンテンツのみが推薦されてしまい、社会的注目度の高いコンテンツが推薦できないために、適切なコンテンツ推薦ができない問題があった。

本発明は、上記実情に鑑みてなされたものであって、学習が初期の段階においても、学習が進行した段階においても、適切なコンテンツの推薦ができるようにすることを目的とする。

上記目的を達成する本発明の一態様は、複数のカテゴリのいずれかに属するコンテンツを、各カテゴリへの興味を反映するスコアであるカテゴリスコアに基づいて選択するコンテンツ選択手段と、各コンテンツの社会的な注目度を順序づけたランキングをカテゴリ毎に取得する社会的注目度ランキング取得手段と、各カテゴリにおいて前記ランキングが所定の順位以上のコンテンツの一群を社会注目カテゴリとする社会注目カテゴリ作成手段と、を備え、前記コンテンツ選択手段は、コンテンツを選択する際、所定のカテゴリスコアを付与された前記社会注目カテゴリ及び前記複数のカテゴリの中から、コンテンツを選択するカテゴリをカテゴリスコアに基づいて選択することを特徴とする。

本発明によれば、学習が初期の段階においても、学習が進行した段階においても、適切なコンテンツの推薦ができるようにすることが可能となる。

本発明による実施形態の機能構成を示すブロック図である。 上記実施形態の動作の概要を説明するための概念図である。 本実施形態における操作テーブルの一例を示す図である。 本実施形態におけるカテゴリスコアテーブルの一例を示す図である。 本実施形態における情報ソーステーブルの一例を示す図である。 本実施形態におけるランキング情報の一例を示す図である。 本実施形態におけるランキング順位とコンテンツスコアの関係の一例を示す図（その１）である。 本実施形態におけるランキング順位とコンテンツスコアの関係の一例を示す図（その２）である。 本実施形態のコンテンツ選択処理の流れを示すフローチャート図である。 本実施形態における学習進行度とカテゴリスコアの関係を示す図である。

以下、本発明を実施形態により詳細に説明する。下記実施形態は、情報処理装置の一例として、パーソナルコンピュータ（以下、主として「ＰＣ」と呼ぶ）、スレート型ＰＣ、タブレット型ＰＣ、スマートフォン、携帯型情報端末（Personal Digital Assistance: PDA）などのパーソナルデバイスを採用するものである。しかしながら、本発明はここで例示したパーソナルデバイスだけに限定される技術的思想ではない。ＨＤＤレコーダや携帯型ミュージックプレーヤなどにも応用できる。

図１に、本実施形態の機能構成を示す。図示のように、情報処理装置１は、操作手段１０１、コンテンツ選択手段１０２、表示手段１０３、カテゴリスコア計算手段１０４、カテゴリスコア記憶手段１０５、ランキング取得手段１１０、コンテンツスコア計算手段１１１、コンテンツスコア記憶手段１１２、コンテンツ記憶手段１１３、社会注目カテゴリ作成手段１１４を有する。

図２に、本実施形態の動作の概要を説明するための概念図を示す。情報処理装置１には本実施形態に係るアプリケーションソフトウェア（以下、単に「アプリ」と呼ぶ）がインストールされている。このアプリは、情報処理装置１のハードウェアリソースを利用して、コンテンツ表示処理とコンテンツ推薦処理という大きく分けて２種類の処理を行う。また、アプリによる情報処理によって、情報処理装置１には図１に示したような機能部が備わる。

操作手段１０１は、情報処理装置１に対して行われた、上記アプリに関連するユーザ操作を情報処理装置１に入力して所望の操作結果をユーザに提供するものである。表示手段１０３が、操作結果を表示する処理を行う。操作手段１０１は、一方で、操作の種類をカテゴリスコア計算手段１０４に伝える。操作とは、例えば図３に示すようなものであり、コンテンツの表示を行うような操作がある。また、逆に表示を行わなかったようなものも含む。図３に示すように、操作は、ユーザの嗜好度と正の相関を示すものと、負の相関を示すものとがある。

カテゴリスコア計算手段１０４は、操作手段１０１から操作の種類を受け取って、当該操作の対象となったコンテンツが属するカテゴリのカテゴリスコアの更新を行う。カテゴリスコア記憶手段１０５は、図４に示すカテゴリスコアテーブルの一例のような形式でカテゴリスコアを記憶している。

コンテンツ選択手段１０２は、カテゴリスコア記憶手段１０５に記憶されているカテゴリスコア（図４）に基づいて、コンテンツ記憶手段１１３に記憶されている膨大な量のコンテンツの中から適切な量のコンテンツを選択して、表示手段１０３に表示させる処理を行う。また、コンテンツ選択手段１０２は、コンテンツの社会的注目度を表す尺度であるコンテンツスコアにも基づいて、コンテンツを選択する。

表示手段１０３は、コンテンツ選択手段１０２に選択されたコンテンツがユーザに推薦されるようなユーザインターフェースを生成する。

コンテンツ記憶手段１１３は、図５に示すような情報ソーステーブルに基づいてインターネット上のサーバなどから取得されてきたコンテンツを記憶している。図５に示されるように「政治」「経済」などのカテゴリが各ＵＲＩに紐付けられている。コンテンツは、このＵＲＩに基づいて取得したＲＳＳやＡｔｏｍフィードに含まれる記事の一つ一つのようなものである。

他方で、ランキング取得手段１１０は、外部装置などから各コンテンツの社会的注目度を順序づけたランキングを取得する機能を提供する。ランキングは、カテゴリ毎のランキングである。また、コンテンツスコア計算手段１１１は、ランキング取得手段１１０により取得されたランキングに基づいて、社会的注目度を表すスコアであるコンテンツスコアを計算する。計算したコンテンツスコアは、コンテンツスコア記憶手段１１２が記憶しておき、コンテンツ選択手段１０２が利用する。「カテゴリスコア」は、図３から図５を参照しながら説明したように、本アプリのユーザの嗜好を学習した結果得られるものであるが、「コンテンツスコア」は、社会的注目度を反映したスコアである。

社会的注目度とは、典型的には、図５に記載されたＵＲＩに基づいて取得できるフィードが含む記事の一つ一つが、いわゆる短文投稿サイトから引用された回数や、ソーシャルネットワーキングサービスでサービスのユーザが気に入った記事やウェブページとしてチェックなどを入れた回数などを言うこととする。

短文投稿サイトやソーシャルネットワーキングサービスの中には、ニュース記事などのコンテンツプロバイダ向けに、引用やチェックを入れるのに便利ないわゆるブログパーツを公開しているものがある。このブログパーツで引用されたコンテンツのランキングを提供しているサービスがあり、ランキング取得手段１１０は、このようなサービスからカテゴリ毎にランキングを取得する。図６に、取得するランキング情報の一例を示す。図示のように、ランキング情報は、順位とコンテンツのＵＲＩが紐付けられているカテゴリ毎のランキングからなる。

コンテンツスコア計算手段１１１は、このようにして取得されたランキングに基づいて、ランキング順位に応じたコンテンツスコアを計算する。一例として、本実施形態では、次式でコンテンツスコアを計算する。
Ｑｊ＝（ｗ＾（１−ｒａｎｋ））×１０００
ｗ：ランキングスコア係数（１．０＜ｗ）
ｒａｎｋ：ランキング順位（１≦ｒａｎｋ）

上記式でコンテンツスコアＱｊを計算すると、ランキング順位とコンテンツスコアの関係が図７及び図８のように計算することができる。図示のように、ランキングが高く社会的注目度が高いコンテンツほどコンテンツスコアが高くなるように計算される。計算されたコンテンツスコアは、コンテンツスコア記憶手段１１２が記憶する。

社会注目カテゴリ作成手段１１４は、ランキング取得手段１１０が取得したランキングにおいて、各カテゴリの上位２０位など、所定の順位以上のコンテンツを集めて、「社会注目カテゴリ」という名前のカテゴリを作成する機能を備える。なお、このようにして社会注目カテゴリに属することとされたコンテンツは、コンテンツ選択処理の際は、本来属していたカテゴリと社会注目カテゴリの両方に属するものとみなして扱われる。一方で、カテゴリスコア計算処理の際は、本来属していたカテゴリだけに属しているものとして扱われる。

また、社会注目カテゴリには、カテゴリスコア計算手段１０４が計算するカテゴリスコアが存在しないので、社会注目カテゴリ作成手段１１４が所定のカテゴリスコアを計算して付与する。社会注目カテゴリに付与されたカテゴリスコアは、カテゴリスコア記憶手段１０５が記憶する。なお、社会注目カテゴリのカテゴリスコアは、カテゴリスコア計算手段１０４に計算させてもよい。

社会注目カテゴリに付与するカテゴリスコアは、カテゴリスコア計算処理の繰り返しによってもたらされるユーザの嗜好や興味の学習の進度進行に応じて、低くなるようにすることが好ましい。社会注目カテゴリ作成手段１１４は、ユーザの嗜好や興味の学習の進行を、カテゴリスコアのばらつきの度合いによって判断する。具体的に本実施形態においては、学習が収束したと考えられる段階におけるカテゴリスコアの標準偏差の大きさを「許容標準偏差」として、学習進行度を標準偏差の許容標準偏差に対する割合で推量する。

社会注目カテゴリ作成手段１１４は、社会注目カテゴリのカテゴリスコアを、所定の初期値から学習進行度に応じて減衰させることによって定める。例えば、次式によって計算する。
Ｐ＝Ｔ×ａ×（１−ｂ＾（１−（１／ｒ）））
Ｔ：カテゴリスコアの合計
ｒ：学習進行度（標準偏差／許容標準偏差、０＜ｒ≦１）
ａ：初期値を決めるパラメータ
ｂ：減衰率を決めるパラメータ

上記式で求めたカテゴリスコアＰを、後述するコンテンツ選択処理の一段階目に用いると、社会注目カテゴリがコンテンツを選択するカテゴリとして選択される確率が、学習の初期段階から学習の収束段階に向けて、逓減するようになる。そのため、学習の初期段階においては、社会注目カテゴリに選ばれるような社会的注目度が高いコンテンツが選択される可能性が高い傾向を作り出すことができ、学習が進行した段階においても、ユーザの嗜好に合致するカテゴリのコンテンツのみではなく、一定の割合で社会的注目度が高いコンテンツが選択される可能性が高い傾向を作り出すことができる。

ランキング取得手段１１０は、カテゴリ毎のランキングの取得とは別に、カテゴリに依存しない横断的なランキングを外部のサービスから取得する。コンテンツスコア計算手段１１１は、このカテゴリによらないランキングに基づいて、作成された社会注目カテゴリに属する各コンテンツのコンテンツスコアを計算する。計算されたコンテンツスコアは、カテゴリ毎のコンテンツスコアと同様に、コンテンツスコア記憶手段１１２により記憶される。

図９に、本実施形態のコンテンツ選択処理の流れを示す。この処理は、コンテンツ選択手段１０２が実行する。この処理は、カテゴリスコアの比率にしたがった頻度でランダムにカテゴリを選択する一段階目と、選択されたカテゴリに属するコンテンツの中から、取得したコンテンツスコアの比率にしたがった頻度でランダムにコンテンツを選択する二段階目とがある点が特徴である。

まず、カテゴリスコア（Ｐｉ）の総和Ｓを計算する（Ｓ１０１）。なお、添え字のｉは、このコンテンツ選択処理で取り扱うカテゴリと一対一対応している。なお、社会注目カテゴリは、コンテンツ選択処理で取り扱うカテゴリに含まれる。
Ｓ＝Σ（Ｐｉ）
次に、乱数Ｒ（０≦Ｒ＜Ｓ）を発生させ（Ｓ１０２）、以下の条件を満たす最小のｉが示すカテゴリを、選択するべきカテゴリとする（Ｓ１０３）。
Ｒ≦Ｓｉ， Ｓｉ＝Σ（Ｐｉ）
ただしＳｉはＰ０からＰｉまでの総和である。
このようにカテゴリを選択すると、各カテゴリのカテゴリスコアの比率にしたがった頻度でランダムにカテゴリを選択することができる。
ここで、変数をリセットする。

次に、コンテンツスコア（Ｃｉ）の総和Ｓを計算する（Ｓ１０４）。なお、添え字のｉは、Ｓ１０３で選択されたカテゴリに属し、このコンテンツ選択処理で取り扱うコンテンツと一対一対応している。
Ｓ＝Σ（Ｃｉ）
次に、乱数Ｒ（０≦Ｒ＜Ｓ）を発生させ（Ｓ１０５）、以下の条件を満たす最小のｉが示すコンテンツを、選択するべきコンテンツとする（Ｓ１０６）。
Ｒ≦Ｓｉ， Ｓｉ＝Σ（Ｃｉ）
ただしＳｉはＣ０からＣｉまでの総和である。
このようにコンテンツを選択すると、各コンテンツのコンテンツスコアの比率にしたがった頻度でランダムにコンテンツを選択することができる。

以上に述べたように、本実施形態によれば、ユーザの嗜好を正しく反映しながらもランダムにコンテンツが選択されるようにすることができる。なお、複数のコンテンツを選択する場合は、図９のコンテンツ選択処理を繰り返すとよい。また、その際には一段階目のカテゴリ選択（Ｓ１０１〜Ｓ１０３）においては、そのカテゴリに属する全てのコンテンツが選択済みとなったカテゴリを除いたカテゴリから選択を行うとよく、二段階目のコンテンツ選択（Ｓ１０４〜Ｓ１０６）においては、一度選択されたコンテンツを除いたコンテンツの中から選択を行うとよい。

カテゴリ毎にコンテンツ数は異なる。コンテンツ数が多いカテゴリでは、社会的注目度が高いコンテンツであっても、コンテンツ数が少ないカテゴリにおけるコンテンツよりもコンテンツスコアが低くなる。しかしながら、本実施形態のように、二段階に分けてコンテンツの選択を行うことによって、カテゴリ間で偏ることなくコンテンツの推薦をすることができる。

また、以上に述べた実施形態では、社会的注目度が高いコンテンツを集めたカテゴリを「社会注目カテゴリ」として独立して、コンテンツを選択すべきカテゴリの中に追加している。そのため、ユーザのカテゴリ嗜好にかかわらず一定の割合で社会的注目度の高いコンテンツが選択されるようになる。その結果、学習が初期の段階においても、学習が進行した段階においても、社会的注目度が高いコンテンツが一定の割合で選択されるようになる。

特に、以上に述べた実施形態では、社会注目カテゴリに付与するカテゴリスコアが、カテゴリスコア計算処理の繰り返しによってもたらされるユーザの嗜好や興味の学習の進度・進行に応じて、低くなるようにされている。社会注目カテゴリに付与するカテゴリスコアを、前述の式で計算した場合、学習進行度とカテゴリスコアの関係は、図１０に示すようになる。

図１０に示すように、ユーザの嗜好がわからない学習初期段階では、積極的に社会注目カテゴリの中からコンテンツが選択されるような傾向を作り出すことができ、ユーザの嗜好の学習が進行した段階においても、ユーザの嗜好に合致するコンテンツのみを選択するだけでなく、一定の割合で社会注目カテゴリの中からコンテンツが選択されるような傾向を作り出すことができる。これにより、学習が初期の段階においても、学習が進行した段階においても、適切なコンテンツの推薦を行うことが可能になる。

１ 情報処理装置
１０１ 操作手段
１０２ コンテンツ選択手段
１０３ 表示手段
１０４ カテゴリスコア計算手段
１０５ カテゴリスコア記憶手段
１１０ ランキング取得手段
１１１ コンテンツスコア計算手段
１１２ コンテンツスコア記憶手段
１１３ コンテンツ記憶手段
１１４ 社会注目カテゴリ作成手段

Claims (8)

1. 複数のカテゴリのいずれかに属するコンテンツを、各カテゴリへの興味を反映するスコアであるカテゴリスコアに基づいて選択するコンテンツ選択手段と、
   各コンテンツの社会的な注目度を順序づけたランキングをカテゴリ毎に取得する社会的注目度ランキング取得手段と、
   各カテゴリにおいて前記ランキングが所定の順位以上のコンテンツの一群を社会注目カテゴリとする社会注目カテゴリ作成手段と、を備え、
   前記コンテンツ選択手段は、コンテンツを選択する際、所定のカテゴリスコアを付与された前記社会注目カテゴリ及び前記複数のカテゴリの中から、コンテンツを選択するカテゴリをカテゴリスコアに基づいて選択する
   ことを特徴とする、情報処理装置。
2. 前記所定のカテゴリスコアは、カテゴリスコアの学習が進行するほど、低くなることを特徴とする、請求項１に記載の情報処理装置。
3. 前記社会注目カテゴリ作成手段は、カテゴリスコアの学習の進行に応じて初期値から減衰させて、前記所定のカテゴリスコアを計算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. 前記社会注目カテゴリ作成手段は、カテゴリスコアの学習の進行を、カテゴリスコアのばらつきの度合いに基づいて判断することを特徴とする、請求項２又は３に記載の情報処理装置。
5. 各コンテンツの社会的な注目度を反映したスコアであるコンテンツスコアをカテゴリ毎に計算するコンテンツスコア計算手段を備え、
   前記コンテンツ選択手段は、コンテンツを選択するカテゴリをカテゴリスコアに基づいて選択した後、選択したカテゴリに属するコンテンツの中から、コンテンツスコア計算手段により計算されたコンテンツスコアに基づいて、コンテンツを選択する
   ことを特徴とする、請求項１から４のいずれか１項に記載の情報処理装置。
6. 社会的注目度ランキング取得手段は、前記社会注目カテゴリに属するコンテンツのランキングを取得し、
   前記コンテンツスコア計算手段は、前記社会注目カテゴリに属するコンテンツのコンテンツスコアを、前記社会的注目度ランキング取得手段が取得した前記社会注目カテゴリに属するコンテンツのランキングに基づいて、計算する
   ことを特徴とする、請求項５に記載の情報処理装置。
7. コンピュータが実行する情報処理方法であって、
   複数のカテゴリのいずれかに属するコンテンツを、各カテゴリへの興味を反映するスコアであるカテゴリスコアに基づいて選択するコンテンツ選択ステップと、
   各コンテンツの社会的な注目度を順序づけたランキングをカテゴリ毎に取得する社会的注目度ランキング取得ステップと、
   各カテゴリにおいて前記ランキングが所定の順位以上のコンテンツの一群を社会注目カテゴリとする社会注目カテゴリ作成ステップと、を含み、
   前記コンテンツ選択ステップにおいては、コンテンツを選択する際、所定のカテゴリスコアを付与された前記社会注目カテゴリ及び前記複数のカテゴリの中から、コンテンツを選択するカテゴリをカテゴリスコアに基づいて選択する
   ことを特徴とする、情報処理方法。
8. コンピュータに、
   複数のカテゴリのいずれかに属するコンテンツを、各カテゴリへの興味を反映するスコアであるカテゴリスコアに基づいて選択するコンテンツ選択処理と、
   各コンテンツの社会的な注目度を順序づけたランキングをカテゴリ毎に取得する社会的注目度ランキング取得処理と、
   各カテゴリにおいて前記ランキングが所定の順位以上のコンテンツの一群を社会注目カテゴリとする社会注目カテゴリ作成処理と、を実行させ、
   前記コンテンツ選択処理においては、コンテンツを選択する際、所定のカテゴリスコアを付与された前記社会注目カテゴリ及び前記複数のカテゴリの中から、コンテンツを選択するカテゴリをカテゴリスコアに基づいて選択する
   ようにするための、プログラム。

Images