JP2018014029A - レコメンド装置及びプログラム - Google Patents

Abstract

【課題】ユーザの購買動機に合致するレビュー記事を、商品又はサービスとセットでユーザに提示してレコメンドを行う。
【解決手段】レコメンド装置２は、ユーザ属性情報に基づいて、商品又はサービスのカテゴリー毎に、ユーザの購買動機に関する情報を所定の分類項目で分類した購買動機分類情報を生成更新し、商品又はサービスに対して１以上のその他ユーザによって書き込まれたレビュー記事を、所定の分類項目に応じて分類したレビュー記事分類情報を生成更新し、ユーザ属性情報に基づいてユーザへのレコメンド商品又はサービスを選定し、選定されたレコメンド商品又はサービスに対応するレビュー記事分類情報と、ユーザの購買動機分類情報を比較し、ユーザの購買動機分類情報に対するレコメンドレビュー記事を選定し、ユーザに対して選定したレコメンド商品又はサービスに９レコメンドレビュー記事を付記してレコメンドを行う。
【選択図】図１

Description

本発明は、レコメンド装置及びプログラムに関する。

従来の電子商取引において商品又はサービスをユーザに薦めるレコメンド装置では、ユーザの購買履歴情報などから、ユーザが興味をひく可能性のある商品又はサービスをレコメンドしていた。例えば特許文献１には、オンライン販売及び実店舗における対面販売で購買された商品の購買履歴をデータベースに記憶しておき、オンライン販売及び実店舗販売といった複数の購買履歴情報に基づいて商品又はサービスをレコメンドすることが開示されている。

特開２０１２−２４７９２６号

しかしながら、上述した特許文献１に開示されたシステムでは、複数の流通チャネルに基づくレコメンドが提案されるものの、何故、その商品又はサービスをレコメンドするのかという根拠がユーザには十分に提示されておらず、ユーザへの訴求力に限界があった。一方で、ユーザは商品又はサービスを購買する際には、第三者がその商品又はサービスへの評価として書き込んだレビュー記事を閲覧して購買の参考とするケースが多い。しかし複数のレビュー記事の中からユーザの購買動機（例えば、ユーザがその商品を購買する決め手となるのが、機能性なのか、デザイン性なのか、価格を重視するかなど）に合致する参考となる記事をユーザがみつけるにはかなりの労力が必要であった。

そこで、本発明では、レコメンドする商品又はサービスのレビュー記事の中からユーザの購買動機に合致するレビュー記事を、レコメンドする商品又はサービスとセットでユーザに提示してレコメンドを行うレコメンド装置及びプログラムを提供することを目的とする。

上記課題を解決するために、本発明は、ユーザに対して商品又はサービスをレコメンドするレコメンド装置であって、ユーザに関連するユーザ属性情報に基づいて、商品又はサービスのカテゴリー毎に、ユーザの購買動機に関する情報を所定の分類項目で分類した購買動機分類情報を生成更新する第１の生成更新手段と、各商品又はサービスに対して１以上のその他ユーザによって書き込まれたレビュー記事を、所定の分類項目に応じて分類したレビュー記事分類情報を生成更新する第２の生成更新手段と、ユーザ属性情報に基づいてユーザへのレコメンド商品又はサービスを選定する第１の選定手段と、第１の選定手段により選定されたレコメンド商品又はサービスに対応するレビュー記事分類情報と、ユーザの購買動機分類情報とを比較する比較手段と、比較手段による比較結果に基づいて、ユーザの購買動機分類情報に対するレコメンドレビュー記事を選定する第２の選定手段と、ユーザに対して選定したレコメンド商品又はサービスにレコメンドレビュー記事を付記してレコメンドを行う。

上記発明において、第２の生成更新手段は、ユーザの動向に基づいて算定された分類項目の理想値を設定する教師データを使用し、理想値との一致度に応じて、分類を行うことが好ましい。

上記発明において、所定の教師データは、ユーザが商品又はサービスの購買にあたって提示、閲覧、又は購買の参考となった評価申告のいずれか一つ以上を受けたレビュー記事を、商品又はサービスのカテゴリーに対応するユーザの購買動機分類情報と共に関連づけて形成されることが好ましい。

本発明は、ユーザの購買動機分類情報とレビュー記事分類情報は、所定の分類項目毎に購買動機の大小に応じて点数で表記されており、比較手段は、ユーザの購買動機分類情報とレビュー記事分類情報を所定の分類項目毎に点数の比較を行って各分類項目の点数の一致度に応じて、レビュー記事の近似の度合いを判断する。

上記発明において、コンピューターを、ユーザに関連するユーザ属性情報から、商品又はサービスのカテゴリー毎に所定の分類項目で分類した購買動機分類情報を生成更新する第１の生成更新手段と、各商品又はサービスに対して１以上のユーザによって書き込まれたレビュー記事を、所定の分類項目で分類したレビュー記事分類情報を生成更新する第２の生成更新手段と、ユーザ属性情報に基づいてユーザへのレコメンド商品又はサービスを選定する第１の選定手段と、第１の選定手段により選定されたレコメンド商品又はサービスに対応するレビュー記事分類情報をユーザの購買動機分類情報と比較する比較手段と、比較手段により、ユーザの購買動機分類情報に最も近似するレコメンドレビュー記事を選定する第２の選定手段と、ユーザに対して選定したレコメンド商品又はサービスにレコメンドレビュー記事を付記してレコメンドを行う手段として機能させ、コンピューターを請求項１から４のいずれか１項に記載のレコメンド装置として、制御するためのプログラム。

本発明によれば、レコメンドする商品又はサービスのレビュー記事の中からユーザの購買動機に最も合致するレビュー記事を選択する。そして、ユーザへのレコメンド理由として、当該レビュー記事とレコメンドする商品又はサービスとセットでユーザに提示してレコメンドすることにより、電子商取引でのユーザの購買意欲を増進することができる。

実施形態に係るネットワークサービス提供システム１の通信環境の一例を概略的に示す。 レコメンド装置２の機能構成図の一例を概略的に示す。 レコメンド処理の流れの一例を概略的に示す。 レビュー記事への分類情報付与・更新処理の流れの一例を概略的に示す。 購買動機分類情報の生成・更新処理フローの一例を概略的に示す。 レビュー記事レコメンド画面表示の一例を概略的に示す。 レビュー記事分類教師データテーブルの一例を概略的に示す。 全レビュー記事分類結果テーブルの一例を概略的に示す。 購買動機分類情報テーブルの一例を概略的に示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、ネットワークサービス提供システム１の通信環境の一例を概略的に示す。ネットワークサービス提供システム１は、サービス提供サイトを提供する電子商取引サービス提供装置４を運営する事業者によって提供されるシステムであってよい。ネットワークサービス提供システム１は、無線通信システムの一例であってよい。

ネットワークサービス提供システム１は、通信機能を有するユーザ端末３と、電子商取引サービス提供装置４と、レコメンド装置２とを有する。

ユーザ端末３は、電子商取引サービス提供装置４で商品を購入しようとしているユーザが使用する端末であり、ネットワーク５に接続し、電子商取引サービスを提供する電子商取引サービス提供装置４と通信する。ネットワーク５は、電話網及びインターネットを含む。ユーザ端末３は通信機能を有している機器であり、例えば、スマートフォン等の携帯電話、タブレット端末及びＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等である。

電子商取引サービス提供装置４は、電子商取引サービスを提供する装置である。レコメンド装置２から、商品についての情報を受信し、受信したデータを基に商品の表示を行う。

レコメンド装置２は、ユーザに対して商品又はサービスをレコメンドする装置であり、本実施形態では、ＣＰＵを備えたコンピューター上で各種プログラムを実行することにより、ＣＰＵ上に仮想的に各種モジュールを構築してレコメン度装置として機能させる。なお、この「モジュール」とは、装置や機器等のハードウェア、或いはその機能を持ったソフトウェア、又はこれらの組み合わせなどによって構成され、所定の動作を達成するための機能単位を示す。具体的に、このレコメン度装置は、商品レコメンド部２２とレビュー記事レコメンド部２４とユーザＤＢ２６と商品ＤＢ２８とを有する。

商品レコメンド部２２は、電子商取引サービス提供装置４にて商品Ｙを購入しようとしているユーザＡに対し、ユーザＡの属性と過去購買履歴から、商品Ｙの表示と同時にユーザＡにレコメンドする商品Ｘを決定し、電子商取引サービス提供装置４へ商品Ｘの情報を送信する。

レビュー記事レコメンド部２４は、商品Ｘについて、ユーザＡの属性と過去購買履歴に基づき、商品Ｘの全レビュー記事からユーザＡが商品を購入する際に重要視するレビューを決定し、電子商取引サービス提供装置４へ商品Ｘの決定したレビューを送信する。

ユーザＤＢ２６は、ユーザ属性情報、ユーザの過去の購買履歴、ユーザが商品を購入する際の動機の分類を示す購入動機分類情報、レコメンドレビュー記事反応情報などを有している。
商品ＤＢ２８は、電子商取引サービス提供装置４で取り扱う全ての商品の商品情報、前記商品に関するレビュー記事情報、及びその分類情報であるレビュー記事分類情報を含む評価情報等を有している。ユーザ端末３のユーザ属性情報・購買動機分類情報に一致する商品Ｘを全商品データと比較して探し出す。

図２は、レコメンド装置２の機能構成図の一例を概略的に示す。
商品レコメンド部２２は、送受信部２２０２、ユーザ属性情報・購買動機分類情報取得部２２０４、ユーザ属性情報・購買動機分類情報記録部２２０６、レコメンドレビュー記事要求部２２０８、要求受付部２２１０、レコメンド商品取得部２２１２、レコメンド商品記録部２２１４、レコメンドレビュー記事取得部２２１６、レコメンドレビュー記事記録部２２１８、制御部２２２０を有する。

レビュー記事レコメンド部２４は、送受信部２４０２、購買動機分類情報記録部２４０４、レビュー記事分類情報取得部２４０６、レコメンドレビュー記事選定部２４０８、要求受付部２４１０、レビュー記事分類部２４１２、レビュー記事分類用教師データ格納部２４１４、教師データ更新部２４１６、購買動機分類情報生成部２４１８を有する。

なお、本実施形態では、レビュー記事分類部２４１２が、各商品又はサービスに対して１以上のその他ユーザによって書き込まれたレビュー記事を、所定の分類項目に応じて分類したレビュー記事分類情報を生成更新する第２の生成更新手段として機能する。
また、レビュー記事分類部２４１２は、ユーザの動向に基づいて算定された分類項目の理想値を設定する教師データを使用し、理想値との一致度に応じて、レビュー記事の分類を行う。

この教師データを使用したレビュー記事の分類のために、上記レビュー記事分類用教師データ格納部２４１４には分類器が備えられている。この分類器は、機械学習のために、教師データに対して入力、編集又は削除を行う機能を備えており。ユーザの動向に基づいて算定された分類項目の理想値の設定や入力、編集、削除を行うことで、教師データを更新する。なお、本実施形態において機械学習のための教師データは、ユーザが商品又はサービスの購買にあたって提示、閲覧、又は購買の参考となった評価申告等のユーザ反応情報に基づいて追加・更新することができ、他のユーザが商品又はサービスの購買にあたってレビューが参考になったかどうか、さらにどれくらい参考になったかを表す評価申告やユーザ反応情報を反映させることができる。これにより、各分類項目に応じて分類したレビュー記事分類情報が、更新された教師データに含まれる理想値との一致度に応じて再分類されることとなり、より適切なレビュー記事を選定できるようになる。

さらに、本実施形態では、購買動機分類情報生成部２４１８が、ユーザに関連するユーザ属性情報に基づいて、商品又はサービスのカテゴリー毎に、ユーザの購買動機に関する情報を所定の分類項目で分類した購買動機分類情報を生成更新する第１の生成更新手段として機能する。

図３は、レコメンド処理の流れの一例を概略的に示す。
まず、ステップＳ３０２において、ユーザ端末３は、商品購入のために電子商取引サービス提供装置４へアクセスする。
ステップＳ３０４において、電子商取引サービス提供装置４は、商品レコメンド部２２へ、ユーザ端末３の顧客ＩＤと、ユーザ端末３で購入を検討している商品Ｙの情報と、商品レコメンド要求を送信する。商品レコメンド部２２は要求受付部２２１０で商品レコメンド要求を受信する。

ステップＳ３０６において、ユーザ属性情報・購買動機分類情報取得部２２０４は、ユーザＤＢ２６にアクセスし、Ｓ３０４で受信したユーザ端末３の顧客ＩＤに紐づくユーザ属性情報と購買動機分類情報を取得し、ユーザ属性情報・購買動機分類情報記録部２２０６に記録する。

ステップＳ３０８において、レコメンド商品取得部２１２は第１の選定手段として、商品ＤＢ２８へアクセスし、ユーザ属性情報・購買動機分類情報記録部２２０６で記録しているユーザ属性情報と購買動機分類情報と、商品ＤＢ２８内にある全商品が保持するユーザ属性情報と購買動機分類情報との一致度に応じて、電子商取引サービス提供装置４でユーザ端末３にレコメンドする商品Ｘを選定し、その商品に係るレコメンド商品情報を取得し、レコメンド商品記録部２２１４に記録する。

商品ＤＢ２８で、ユーザ端末３のユーザ属性情報と購買動機分類情報と一致する商品Ｘではなく、ユーザ属性情報・購買動機分類情報が無い場合の商品Ｙのレコメンド商品情報をレコメンド商品取得部２２１２で取得し、レコメンド商品記録部２２１４で、レコメンド商品取得部２２１２で取得した商品Ｙの商品情報がユーザ端末３のユーザ属性情報と購買動機分類情報と一致するか比較し、一致したら商品Ｙとして決定・記録し、一致しない場合は記録せずに、再度、商品ＤＢ２８から、他の商品の商品情報を取得することを繰り返すようにしてもよい。

ステップＳ３１０において、レコメンドレビュー記事要求部２２０８は、Ｓ３０６で記録したユーザ端末３のユーザ属性情報と購買動機分類情報を、レビュー記事レコメンド部２４へ送信する。
ステップＳ３１０において、要求受付部２４１０は、商品レコメンド部２２からユーザ端末３のユーザ属性情報と購買動機分類情報を受け付ける。
ステップＳ３１４において、レビュー記事分類情報取得部２４０６は、商品ＤＢ２８へアクセスし、商品Ｘのレビュー記事分類情報の全件を取得する。

ステップＳ３１６において、レコメンドレビュー記事選定部２４０８は第２の選定手段として、商品レコメンド部２２から受信したユーザ端末３のユーザ属性情報と購買動機分類情報と、Ｓ３１４で取得したレビュー記事分類情報とを比較し、これらレビュー記事分類情報の全件と所定のマッチング度判定基準に基づき、その一致度に応じて購買動機分類情報に最も近いレビュー記事を選定し、レコメンドレビュー記事として決定する。

なお、本実施形態では、ユーザの購買動機分類情報とレビュー記事分類情報とが所定の分類項目毎に購買動機の大小に応じて点数で表記されており、レコメンドレビュー記事選定部２４０８では、分類項目毎の点数の一致度をマッチング度判定基準として定めておき、ユーザの購買動機分類情報とレビュー記事分類情報とを所定の分類項目毎に点数の比較を行って、マッチング度判定基準に応じて、レビュー記事の近似の度合いを判断する。このマッチング度判定基準としては、例えば、分類毎の点数差の加点が小さい順でもよい。

ステップＳ３１８において、レビュー記事レコメンド部２４は、ステップＳ３１６で選定したレコメンドレビュー記事情報を、商品レコメンド部２２へ送信する。
ステップＳ３２０において、商品レコメンド部２２は、レコメンド商品又はサービスに、Ｓ３１８で受信したレコメンドレビュー記事情報を付記して、レビュー記事付商品レコメンド情報を生成する。
ステップＳ３２２において、商品レコメンド部２２は、Ｓ３２０で生成したレビュー記事付商品レコメンド情報を、電子商取引サービス提供装置４へ送信する。
ステップＳ３２４において、電子商取引サービス提供装置４は、レビュー記事付商品レコメンド情報からレコメンドするための画面を生成する。
ステップＳ３２６において、生成したレビュー記事付商品レコメンド画面を、ユーザ端末３の画面上に表示する。

図４は、レビュー記事への分類情報付与・更新処理の流れの一例を概略的に示す。レビュー記事への分類情報付与・更新処理は、商品Ｘを購入したユーザ端末３が、商品Ｘを使用した感想をレビュー記事として記述した都度行われる。さらに、レビュー記事情報は、ユーザ端末３が商品Ｘを使用した感想をレビュー記事として記述した都度、商品ＤＢに登録される。

ステップＳ４０２では、ステップＳ４１６で新たに分類情報が付与された又は更新された、商品Ｘのレビュー記事情報が、商品ＤＢに更新される。
ステップＳ４０４では、レビュー記事分類部２４１２において、ユーザ端末３が商品Ｘに対して記述したレビュー記事情報が登録されると、登録された商品Ｘのレビュー記事情報を取得する。
ステップＳ４０６では、レビュー記事分類部２４１２において、ユーザＤＢ２６から、過去の閲覧、購買、ユーザからの申告などのレコメンドレビュー記事に対するユーザ反応情報を取得する。

ステップＳ４０８では、オペレータにより、レビュー記事分類用教師データ格納部２４１４に格納されている分類器で機械学習のための教師データに入力、編集又は削除を行う。ここで、教師データとは、ユーザの動向に基づいて算定された分類項目の理想値を設定するデータであり、各分類項目に応じて分類したレビュー記事分類情報は、理想値との一致度に応じて分類される。なお、この教師データは、ユーザが商品又はサービスの購買にあたって提示、閲覧、又は購買の参考となった評価申告のいずれか一つ以上を受けたレビュー記事を、商品又はサービスのカテゴリーに対応するユーザの購買動機分類情報と共に関連づけて形成することができる。

評価申告とは、ユーザが商品又はサービスの購買にあたってレビューが参考になったかどうか、さらにどれくらい参考になったかを表す数値のことである。例えば、各レビューには、そのレビューが参考になったかどうかや、その度合いを示すレートを入力するボタンなどのインターフェースが設けられており、そのレビューを閲覧した他のユーザがそのレビューが参考になった程度を、このインターフェースを通じて、評価申告として入力できるようになっている。

ステップＳ４１０では、教師データ更新部２４１６において、レビュー記事分類用教師データ格納部２４１４に格納されている分類器で機械学習のための教師データに、ステップＳ４０６で取得したレコメンドレビュー記事に対するユーザ反応情報を反映する。
ステップＳ４１２では、レビュー記事分類部２４１２において、レビュー記事分類用教師データ格納部２４１４に格納されている分類器で機械学習のための教師データを投入する。
ステップＳ４１４では、レビュー記事分類部２４１２において、登録された商品Ｘのレビュー記事情報を分類器へ投入する。
ステップＳ４１６では、レビュー記事分類部２４１２において、分類器が商品Ｘのレビュー記事情報に分類情報を付与、又は更新を行う。

図５は、ユーザＤＢ２６で保持している購買動機分類情報の生成・更新処理フローの一例を概略的に示す。当フローは、ユーザ端末３が、アンケートに回答、自身についての設定登録、自身以外のレコメンド商品についてのレコメンドレビュー記事を見た場合、商品を購入した場合など、ユーザ端末３が動作を行った都度行われる。

ステップＳ５０２では、購買動機分類情報生成部２４１８にて、電子商取引サービス提供装置４がユーザ端末３に対して行うアンケートの結果、又はユーザ端末３が予め設定するユーザ設定からユーザ端末３の商品購入時に購買動機となる重視項目を取得する。

ステップＳ５０４では、購買動機分類情報生成部２４１８にて、取得した購買動機となる重視項目を基礎として、ユーザ端末３の商品カテゴリー毎の購買動機分類情報を生成しユーザＤＢに保存する。購買動機となる重視項目が取得できない、又はまだ購買動機分類情報生成されていない場合は、予めオペレータが手動で、年齢や性別等に基づく一般的ユーザの購買動機分類情報を生成しておく。

ステップＳ５０６では、ユーザ端末３が閲覧した第三者のレビュー閲覧情報を電子商取引サービス提供装置より受信した場合、商品ＤＢより当該レビューのレビュー記事分類情報を取得して、当該レビュー記事分類情報に基づき、購買動機分類情報生成部２４１８にて、購買動機分類情報を補正して更新する。

ステップＳ５０８では、電子商取引サービス提供装置でユーザ端末３が参考であると申告したレビュー記事情報が存在する場合には、商品ＤＢより当該レビュー記事のレビュー記事分類情報を取得して、購買動機分類情報生成部２４１８にて、当該レビュー記事分類情報に基づき購買動機分類情報をさらに補正して更新する。

ステップＳ５１０では、電子商取引サービス提供装置でユーザ端末３が商品を購入した場合、レコメンドレビュー記事を見て購入した商品について、ユーザ端末３の購買動機分類情報のうち、当該商品カテゴリーの購買動機分類情報をさらに補正する。

図６は、レビュー記事レコメンド画面表示の一例を概略的に示す。この画面は、ユーザ端末３が電子商取引サービス提供装置４で商品を購入しようとした際に、ユーザ端末３以外のユーザにより一緒に購入されていることが多い商品のレコメンドとして表示される。レコメンド商品のレコメンドレビュー記事は、ユーザ端末３のユーザ属性情報と購買動機分類情報を基に、ユーザ端末３に適したレコメンドレビュー記事が表示される。

図７は、レビュー記事分類教師データテーブルの一例を概略的に示す。レビュー記事分類教師データテーブルは、レビュー記事分類用教師データ格納部２４１４に格納される教師データを含むテーブルデータであり、商品カテゴリー、商品の製造元や商品型番などの商品情報、教師データとなるレビューコメント、サイズ、質感、重量、デザイン、機能、価格などの購買動機情報があってもよい。

図８は、全レビュー記事分類結果テーブルの一例を概略的に示す。全レビュー記事分類結果テーブルは、レビュー記事分類部２４１２によって分類されたレビュー記事が集積され、商品ＤＢ２８に格納されるテーブルデータであり、レビュー記事の通番、レビュー記事を記述したユーザ端末３の属性情報、商品カテゴリー、商品の製造元や商品型番などの商品情報、レビューコメント、サイズ、質感、重量、デザイン、機能、価格などの購買動機情報があってもよい。さらに、顧客の区分設定があってもよい。

図９は、購買動機分類情報テーブルの一例を概略的に示す。購買動機分類情報テーブルは、購買動機分類情報が集積され、ユーザ属性情報・購買動機分類情報記録部２２０６に記録されるテーブルデータであり、例えば、ユーザコードやユーザ名などのユーザ端末３を特定するためのユーザ情報、商品カテゴリー、サイズ、質感、重量、デザイン、機能、価格などの購買動機情報があってもよい。さらに、顧客の区分設定があってもよい。

１ レコメンドシステム
２ レコメンド装置
３ ユーザ端末
４ 電子商取引サービス提供装置
５ インターネットネットワーク
２２ 商品レコメンド部
２４ レビュー記事レコメンド部
２６ ユーザＤＢ
２８ 商品ＤＢ
２２０２ 送受信部
２２０４ ユーザ属性情報・購買動機分類情報取得部
２２０６ ユーザ属性情報・購買動機分類情報記録部
２２０８ レコメンドレビュー記事要求部
２２１０ 要求受付部
２２１２ レコメンド商品取得部
２２１４ レコメンド商品記録部
２２１６ レコメンドレビュー記事取得部
２２１８ レコメンドレビュー記事記録部
２２２０ 制御部
２４０２ 送受信部
２４０４ 購買動機分類情報記録部
２４０６ レビュー記事分類情報取得部
２４０８ レコメンドレビュー記事選定部
２４１０ 要求受付部
２４１２ レビュー記事分類部
２４１４ レビュー記事分類用教師データ格納部
２４１６ 教師データ更新部
２４１８ 購買動機分類情報生成部
２４２０ 制御部

Claims (5)

1. ユーザに対して商品又はサービスをレコメンドするレコメンド装置であって、
   前記ユーザに関連するユーザ属性情報に基づいて、商品又はサービスのカテゴリー毎に、ユーザの購買動機に関する情報を所定の分類項目で分類した購買動機分類情報を生成更新する第１の生成更新手段と、
   各商品又はサービスに対して１以上のその他ユーザによって書き込まれたレビュー記事を、前記所定の分類項目に応じて分類したレビュー記事分類情報を生成更新する第２の生成更新手段と、
   前記ユーザ属性情報に基づいて前記ユーザへのレコメンド商品又はサービスを選定する第１の選定手段と、
   前記第１の選定手段により選定された前記レコメンド商品又はサービスに対応するレビュー記事分類情報と、前記ユーザの購買動機分類情報とを比較する比較手段と、
   前記比較手段による比較結果に基づいて、前記ユーザの購買動機分類情報に対するレコメンドレビュー記事を選定する第２の選定手段と、
   前記ユーザに対して選定した前記レコメンド商品又はサービスに前記レコメンドレビュー記事を付記してレコメンドを行うことを特徴とするレコメンド装置。
2. 前記第２の生成更新手段は、前記ユーザの動向に基づいて算定された前記分類項目の理想値を設定する教師データを使用し、前記理想値との一致度に応じて、前記分類を行うことを特徴とする請求項１に記載のレコメンド装置。
3. 前記所定の教師データは、前記ユーザが商品又はサービスの購買にあたって提示、閲覧、又は購買の参考となった評価申告のいずれか一つ以上を受けた前記レビュー記事を、前記商品又はサービスのカテゴリーに対応する前記ユーザの購買動機分類情報と共に関連づけて形成されることを特徴とする請求項２に記載のレコメンド装置。
4. 前記ユーザの購買動機分類情報と前記レビュー記事分類情報は、前記所定の分類項目毎に購買動機の大小に応じて点数で表記されており、
   前記比較手段は、前記ユーザの購買動機分類情報と前記レビュー記事分類情報を前記所定の分類項目毎に前記点数の比較を行って 分類項目毎の点数の一致度に応じて、レビュー記事の近似の度合いを判断することを特徴とする請求項１から３のいずれか１項に記載のレコメンド装置。
5. コンピューターを、
   前記ユーザに関連するユーザ属性情報から、商品又はサービスのカテゴリー毎に所定の分類項目で分類した購買動機分類情報を生成更新する第１の生成更新手段と、
   各商品又はサービスに対して１以上のユーザによって書き込まれたレビュー記事を、前記所定の分類項目で分類したレビュー記事分類情報を生成更新する第２の生成更新手段と、
   前記ユーザ属性情報に基づいて前記ユーザへのレコメンド商品又はサービスを選定する第１の選定手段と、
   前記第１の選定手段により選定された前記レコメンド商品又はサービスに対応するレビュー記事分類情報を前記ユーザの購買動機分類情報と比較する比較手段と、
   前記比較手段により、前記ユーザの購買動機分類情報に最も近似するレコメンドレビュー記事を選定する第２の選定手段と、
   前記ユーザに対して選定した前記レコメンド商品又はサービスに前記レコメンドレビュー記事を付記してレコメンドを行う手段として機能させ、前記コンピューターを前記請求項１から４のいずれか１項に記載のレコメンド装置として制御するためのプログラム。