JP2019082952A - レコメンドシステム、情報処理装置及びａｉサーバ - Google Patents

Abstract

【課題】ユーザによる入力がなくともユーザを分類するための情報を得られるレコメンドシステム等を提供する。【解決手段】レコメンドシステムは、ＨＤＭ３０と、ＨＭＤ３０を用いて視聴された第１のコンテンツに基づいて少なくとも１つの第２のコンテンツを抽出するＡＩサーバ４０とを備え、ＨＭＤ３０は、コンテンツを視聴中のユーザの脳波を検知する脳波検知部３５を有し、ＡＩサーバ４０は、複数のユーザの脳波に関する情報に基づいて複数のユーザを分類するカテゴライズ処理部８１と、あるユーザと同一の分類である他のユーザと関連付けられたコンテンツであって当該あるユーザと関連付けられていないコンテンツを第２のコンテンツとして抽出するレコメンド処理部８２とを有する。【選択図】図１３

Description

本発明は、レコメンドシステム、情報処理装置及びＡＩサーバに関する。

複数のユーザによって入力された評価に基づいてユーザ毎の嗜好性をデータ化し、あるユーザと嗜好性が似ている他のユーザの購入履歴に基づいて当該あるユーザに同様の商品の購入を薦めるシステムがある（例えば特許文献１）。

特許第４９４７４７７号公報

しかしながら、従来のシステムでは評価がユーザによる評価の入力に依存していた。このため、ユーザを分類するための情報を得られるとは限らなかった。

本発明は、上記の課題に鑑みてなされたもので、ユーザによる入力がなくともユーザを分類するための情報を得られるレコメンドシステム、情報処理装置及びＡＩサーバを提供することを目的とする。

本発明の一態様によるレコメンドシステムは、ヘッドマウントディスプレイと、前記ヘッドマウントディスプレイを用いて視聴された第１のコンテンツに基づいて少なくとも１つの第２のコンテンツを抽出する抽出サーバとを備えるレコメンドシステムであって、前記ヘッドマウントディスプレイは、前記第１のコンテンツを視聴中のユーザの脳波を検知する検知部を有し、前記抽出サーバは、複数の前記ユーザの脳波に関する情報に基づいて複数の前記ユーザを分類する分類部と、あるユーザと同一の分類である他のユーザと関連付けられたコンテンツであって当該あるユーザと関連付けられていないコンテンツを前記第２のコンテンツとして抽出する抽出部とを有する。

本発明の一態様による情報処理装置は、第１のコンテンツを視聴中のユーザの脳波に関する情報に基づいて少なくとも１つの第２のコンテンツを抽出する情報処理装置であって、複数の前記ユーザの脳波に関する情報に基づいて複数の前記ユーザを分類する分類部と、あるユーザと同一の分類である他のユーザと関連付けられたコンテンツであって当該あるユーザと関連付けられていないコンテンツを前記第２のコンテンツとして抽出する抽出部とを有する。

本発明の一態様によるＡＩサーバは、第１のコンテンツを視聴中のユーザの脳波に関する情報に基づいた複数の前記ユーザの分類に関する情報と、あるユーザと同一の分類である他のユーザと関連付けられたコンテンツであって当該あるユーザと関連付けられていないコンテンツとして抽出されて前記あるユーザにレコメンドされた第２のコンテンツに関する情報と、前記第２のコンテンツを視聴中の前記あるユーザ及び前記他のユーザの脳波を数値化した情報及び当該数値化に用いられる係数を含むデータを学習前のデータとして、前記あるユーザに対する前記第２のコンテンツのレコメンド後に前記あるユーザが前記第２のコンテンツを視聴したかを示す情報及び前記第２のコンテンツを視聴中の前記あるユーザ及び前記他のユーザの脳波を数値化した情報の少なくとも一方に基づいて前記学習前のデータの評価点を算出し、前記評価点に基づいて前記分類、前記第２のコンテンツの抽出及び前記係数の少なくとも１つ以上を更新するフィードバック処理部を有する。

図１は、本発明の一実施形態であるコンテンツ提供システムの主要構成例を示す図である。 図２は、コンテンツサーバの主要構成例を示すブロック図である。 図３は、端末の主要構成例を示すブロック図である。 図４は、ＨＭＤの主要構成例を示すブロック図である。 図５は、ＡＩサーバの主要構成例を示すブロック図である。 図６は、電子商取引サイトのトップ画面の表示例を示す模式図である。 図７は、図６の画面内に含まれるレコメンドに従ってコンテンツを購入する場合に表示される購入画面の表示例を示す模式図である。 図８は、ユーザＴＢのデータ構成例を示す図である。 図９は、コンテンツＴＢのデータ構成例を示す図である。 図１０は、購入履歴ＴＢのデータ構成例を示す図である。 図１１は、脳波ＴＢのデータ構成例を示す図である。 図１２は、レコメンドＴＢのデータ構成例を示す図である。 図１３は、コンテンツ提供システムの主要機能構成例を示す機能ブロック図である。 図１４は、脳波の種類と、脳波の周波数帯毎のユーザの状態区分との関係の例を示す表図である。 図１５は、図１４に示す脳波のうち一部の波形の例を示す図である。 図１６は、カテゴライズ処理後のユーザの分類の一例を示す図である。 図１７は、コンテンツ毎にユーザを分類した場合の一例を示す図である。 図１８は、評価テーブル生成処理による脳波指数の算出方法を示す図である。 図１９は、カテゴライズ処理及びレコメンド処理を含む主要な処理の流れの一例を示すフローチャートである。 図２０は、カテゴライズ処理の流れの一例を示すフローチャートである。 図２１は、レコメンド処理の流れの一例を示すフローチャートである。 図２２は、評価テーブル生成処理及びフィードバック処理を含む主要な処理の流れの一例を示すフローチャートである。 図２３は、評価テーブル生成処理の流れの一例を示すフローチャートである。 図２４は、フィードバック処理の流れの一例を示すフローチャートである。 図２５は、フィードバック処理の流れの一例を示すフローチャートである。

以下に、本発明の各実施の形態について、図面を参照しつつ説明する。なお、開示はあくまで一例にすぎず、当業者において、発明の主旨を保っての適宜変更について容易に想到し得るものについては、当然に本発明の範囲に含有されるものである。また、図面は説明をより明確にするため、実際の態様に比べ、各部の幅、厚さ、形状等について模式的に表される場合があるが、あくまで一例であって、本発明の解釈を限定するものではない。また、本明細書と各図において、既出の図に関して前述したものと同様の要素には、同一の符号を付して、詳細な説明を適宜省略することがある。

図１は、コンテンツ提供システム１の主要構成例を示す図である。コンテンツ提供システム１は、コンテンツサーバ１０、端末２０、ＨＭＤ３０、ＡＩサーバ４０を備える。コンテンツ提供システム１は、本発明の一実施形態であるレコメンドシステムを含む。

コンテンツサーバ１０は、複数のユーザに提供されるコンテンツに関するデータを取り扱う情報処理装置である。端末２０は、例えばスマートフォン等、コンテンツを視聴するユーザが操作する情報処理装置である。ＨＭＤ３０は、ヘッドマウントディスプレイ（Head Mounted Display）である。ＨＭＤ３０は、端末２０を介して取得されたコンテンツを再生する装置である。ＨＭＤ３０は、ユーザの頭部に装着された状態でコンテンツを再生する。ＡＩサーバ４０は、ＨＭＤ３０を用いてユーザに視聴された第１のコンテンツに基づいて、少なくとも１つの第２のコンテンツを抽出する情報処理装置である。すなわち、ＡＩサーバ４０は、レコメンドシステムにおける抽出サーバとして機能する。

コンテンツサーバ１０と、端末２０と、ＡＩサーバ４０とは、インターネット等のコンピュータネットワークＮの利用によって相互通信可能に接続されている。図１では、コンピュータネットワークＮに対するコンテンツサーバ１０、端末２０、ＡＩサーバ４０のラストワンマイルの通信回線に個別の符号Ｎ１，Ｎ２，Ｎ３を付している。

端末２０と、ＨＭＤ３０とは、コンピュータネットワークＮから独立した近距離通信回線ＮＮによって相互通信可能に接続されている。近距離通信回線ＮＮの具体的な構成として、例えば、屋内無線ローカルエリアネットワーク（Local Area Network：ＬＡＮ）、ブルートゥース（Bluetooth：登録商標）等の近距離無線通信回線の利用が挙げられるが、これに限られるものでなく、適宜変更可能である。例えば、端末２０とＨＭＤ３０とはＵＳＢ（Universal Serial Bus）等の有線による構成を介して接続されてもよい。

図２は、コンテンツサーバ１０の主要構成例を示すブロック図である。コンテンツサーバ１０は、演算部１１、記憶部１２、通信部１３を備える。演算部１１は、ＣＰＵ（Central Processing Unit）等の演算処理装置を有する。記憶部１２は、情報処理装置において処理されるデータを記憶する装置であり、一次記憶装置と二次記憶装置を含む。一次記憶装置は、例えばＤＲＡＭ（Dynamic Random Access Memory）等、ＲＡＭ（Random access memory）として機能する構成である。二次記憶装置は、ハードディスクドライブ（Hard Disk Drive：ＨＤＤ）、ソリッドステートドライブ（Solid State Drive：ＳＳＤ）、フラッシュメモリ及びメモリカード等のうち少なくとも１つを有する。通信部１３は、コンピュータネットワークＮで採用されているプロトコルに対応する通信を行うためのネットワークインタフェースコントローラ（Network interface controller：ＮＩＣ）を有する。通信部１３は、コンピュータネットワークＮと接続されたラストワンマイルの一端で通信に関する処理を行う。

演算部１１は、記憶部１２から処理内容に応じたソフトウェア・プログラム及びデータを読み出して処理を行う。また、演算部１１は、通信部１３を介して取得されたデータに基づいて処理を行う。以下、単にプログラムと記載した場合、ソフトウェア・プログラムをさす。

記憶部１２は、コンテンツに関する各種のデータを記憶する。具体的には、記憶部１２は、例えば、データベース（DataBase：ＤＢ）を構成する各種テーブルデータ（TaBle data）を記憶する。具体的には、ＤＢは、ユーザＴＢ１２ａ、コンテンツＴＢ１２ｂ、購入履歴ＴＢ１２ｃ、脳波ＴＢ１２ｄ、レコメンドＴＢ１２ｅを含む。また、記憶部１２は、電子商取引プログラム１２ｆを記憶する。電子商取引プログラム１２ｆは、ユーザによるコンテンツの購入等、コンテンツサーバ１０に接続する端末２０等の情報処理装置を利用しているユーザに対してコンテンツに関するサービスを提供する電子商取引サイトとして機能するためのプログラムである。電子商取引プログラム１２ｆは、レコメンドプログラム１２ｇを含む。レコメンドプログラム１２ｇは、第１のコンテンツを視聴したユーザから検知された脳波に関する情報に基づいて第２のコンテンツを推薦（レコメンド）する情報を提示するためのプログラムである。これらのＴＢ、電子商取引サイト等については後述する。

図３は、端末２０の主要構成例を示すブロック図である。端末２０は、演算部２１、記憶部２２、通信部２３、入力部２４、出力部２５を備える。演算部２１、記憶部２２及び通信部２３は、演算部１１、記憶部１２及び通信部１３と機能的構成が同様であるので、詳細な説明を省略する。ただし、機能的構成が同様の構成であっても、具体的な構成（回路、記録媒体等）は異なっていてよい。また、記憶部１２が記憶するデータは、記憶部２２が記憶するデータと異なる。

記憶部２２は、ウェブブラウザ２２ａを記憶する。ウェブブラウザ２２ａは、電子商取引サイト等の各種サイトを閲覧、利用可能にするプログラムである。また、記憶部２２は、コンテンツ視聴プログラム２２ｂを記憶する。コンテンツ視聴プログラム２２ｂは、コンテンツサーバ１０の電子商取引サイトでユーザにより購入されたコンテンツをＨＭＤ３０で視聴するためのプログラムである。具体的には、コンテンツ視聴プログラム２２ｂは、端末２０のユーザが購入済みである記録が購入履歴ＴＢ１２ｃにあるコンテンツを取得してＨＭＤ３０に転送する。コンテンツ視聴プログラム２２ｂは、脳波連携プログラム２２ｃを含む。脳波連携プログラム２２ｃは、端末２０のユーザと、当該端末２０と相互通信可能に接続されているＨＭＤ３０を用いて視聴されたコンテンツと、当該コンテンツの視聴中に検知された脳波データとを対応付けるための処理を行うプログラムである。

入力部２４は、端末２０に対するユーザの入力操作を受け付ける。具体的には、入力部２４は、例えばタッチパネル、押しボタン、マイク等の入力装置を有する。出力部２５は、端末２０の処理内容に応じた出力を行う。具体的には、出力部２５は、例えば、液晶ディスプレイ、有機エレクトロルミネセンス（ElectroLuminescence：ＥＬ）ディスプレイ等の表示装置、音声出力装置（スピーカ）等の出力装置を有する。

図４は、ＨＭＤ３０の主要構成例を示すブロック図である。ＨＭＤ３０は、演算部３１、記憶部３２、通信部３３、出力部３４、脳波検知部３５を備える。演算部３１、記憶部３２及び通信部３３は、演算部１１、記憶部１２及び通信部１３と機能的構成が同様であるので、詳細な説明を省略する。ただし、機能的構成が同様の構成であっても、具体的な構成（回路、記録媒体等）は異なっていてよい。

出力部３４は、コンテンツの再生に関する各種の再生を行うための構成を含む。具体的には、出力部３４は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ等の表示装置、音声出力装置（スピーカ）等の出力装置を有する。

脳波検知部３５は、ＨＭＤ３０を装着しているユーザの脳波を検知してデータ化する。具体的には、脳波検知部３５は、例えばユーザの活動に伴い生じる脳波によって頭部に流れる電流を検知する電極、当該電極によって検知された電流に応じて生じたアナログデータをデジタルデータに変換するアナログ／デジタルコンバータ等を有する。本実施形態の説明で脳波データと記載した場合、当該デジタルデータをさすものとする。本実施形態の脳波検知部３５は、例えばある１つのコンテンツの再生開始時に動作を開始し、当該１つのコンテンツの再生中におけるユーザの脳波を検知し、脳波データを出力する。当該１つのコンテンツの再生が終了すると、脳波検知部３５は、動作を終了する。本実施形態では、これによって１つのコンテンツの再生開始からの経過時間と、再生中に変化しうる脳波との間で対応を取っているが、これはコンテンツの再生開始からの経過時間と脳波との対応の取り方の一例であってこれに限られるものでなく、適宜変更可能である。

記憶部３２は、再生するコンテンツのデータを記憶する。また、記憶部３２は、脳波データ等、コンテンツの再生に伴う処理で生じるデータを一時的に記憶する。

図５は、ＡＩサーバ４０の主要構成例を示すブロック図である。ＡＩサーバ４０は、演算部４１、記憶部４２、通信部４３を備える。演算部４１、記憶部４２及び通信部４３は、演算部１１、記憶部１２及び通信部１３と機能的構成が同様であるので、詳細な説明を省略する。ただし、機能的構成が同様の構成であっても、具体的な構成（回路、記録媒体等）は異なっていてよい。記憶部４２が記憶するデータは、記憶部２２が記憶するデータと異なる。

記憶部４２は、脳波利用プログラム４２ａを記憶する。脳波利用プログラム４２ａは、カテゴライズ処理及びレコメンド処理を行うためのプログラムである。カテゴライズ処理は、脳波データに基づいて複数のユーザ同士の関係及び複数のコンテンツと複数のユーザとの関係の少なくとも一方を分類する処理である。レコメンド処理は、上記のレコメンドを行うための情報（レコメンド情報）を生成する処理である。脳波利用プログラム４２ａは、例えば、カテゴライズ処理プログラム４２ｂ、レコメンド処理プログラム４２ｃ、評価テーブル生成処理プログラム４２ｄ、フィードバック処理プログラム４２ｅを含む。これらのプログラムについては後述する。

次に、本実施形態のコンテンツ提供システム１によるコンテンツの提供例について、図６及び図７を参照して説明する。

図６は、電子商取引サイトのトップ画面の表示例を示す模式図である。図６及び後述する図７では、端末２０の出力部が有するディスプレイに表示されるウェブブラウザ２２ａの外枠に符号ＷＢを付している。ウェブブラウザ２２ａを実行中の端末２０は、例えば、電子商取引サイトのＵＲＬ（Uniform Resource Locator）の入力に応じて、コンテンツサーバ１０に対して電子商取引サイトへのアクセスを要求する。コンテンツサーバ１０は、端末２０からのアクセスに応じて電子商取引サイトのＷｅｂページデータを端末２０に送信する。実際には、電子商取引サイトの利用に伴い、ユーザＩＤとパスワードを用いたユーザの認証処理が行われる。コンテンツサーバ１０は、ユーザＩＤとパスワードの組み合わせが正しいユーザ（認証ユーザ）の端末２０に対して電子商取引サイトのトップページ５０を表示するためのデータを送信する。端末２０は、トップページ５０を表示する。

図６に示すトップページ５０は、認証ユーザ名表示部５１、購入履歴表示部５２、レコメンド情報表示部５３等を含む。認証ユーザ名表示部５１は、認証ユーザのユーザ名を表示する領域である。購入履歴表示部５２は、認証ユーザのコンテンツ購入履歴を示す領域である。図６に示す購入履歴表示部５２は、コンテンツＣ１，Ｃ３が過去に購入されたことを示している。

レコメンド情報表示部５３は、認証ユーザが過去に視聴した第１のコンテンツに基づいて抽出された第２のコンテンツに関するレコメンドを提示する表示内容を含む領域である。図６に示すレコメンド情報表示部５３では、認証ユーザがまだ購入していない第２のコンテンツとして、コンテンツＣ２，Ｃ４，Ｃ５がレコメンドされている。これらの第２のコンテンツのうち、少なくともコンテンツＣ２は、認証ユーザが過去に第１のコンテンツを視聴した際の脳波データに基づいてレコメンドされた第２のコンテンツである。このように、本実施形態のトップページ５０は、レコメンドを提示するためのレコメンド情報表示部５３を含む。

購入履歴表示部５２及びレコメンド情報表示部５３では、例えば、コンテンツのスナップ画像が表示される。実際には、コンテンツＣ１〜Ｃ５の符号が付された矩形内に各コンテンツのスナップ画像が表示される。購入履歴表示部５２に含まれるスナップ画像は、例えば、過去に購入したコンテンツの詳細を示す画面（図示略）に遷移するためのハイパーリンクとして機能する。また、レコメンド情報表示部５３に含まれるスナップ画像は、スナップ画像に対応するコンテンツの購入画面５５（図７参照）に遷移するためのハイパーリンクとして機能する。

図７は、図６の画面内に含まれるレコメンドに従ってコンテンツを購入する場合に表示される購入画面５５の表示例を示す模式図である。レコメンド情報表示部５３に含まれるいずれかのコンテンツのスナップ画像に対する操作（ダブルクリック等）が行われると、コンテンツサーバ１０は、購入画面５５を表示するためのデータを端末２０に送信する。端末２０は、購入画面５５を表示する。図７に示す購入画面５５は、レコメンド情報表示部５３のコンテンツＣ２のスナップ画像に対する操作が行われた場合に表示される購入画面である。

購入画面５５は、認証ユーザ名表示部５１、購入対象コンテンツ情報表示部５６等を含む。購入対象コンテンツ情報表示部５６は、例えば、コンテンツ名表示部５６ａ、価格表示部５６ｂ、購入ボタン５６ｃ、レコメンド情報表示部５３で操作の対象になったスナップ画像の表示領域等を含む。コンテンツ名表示部５６ａは、レコメンド情報表示部５３で操作の対象になったスナップ画像に対応するコンテンツの名称を示す。価格表示部５６ｂは、当該コンテンツの価格を示す。購入ボタン５６ｃは、ユーザによる購入操作を受け付けるボタンである。ユーザは、購入ボタン５６ｃに対する操作を行うことで当該コンテンツを購入することができる。このように、本実施形態のコンテンツ提供システム１によれば、レコメンドの提示及びレコメンドに基づいたコンテンツの購入を行うことができる。

次に、レコメンドの提示に関するより具体的な処理内容について説明する。まず、ユーザＴＢ１２ａ、コンテンツＴＢ１２ｂ、購入履歴、脳波ＴＢ１２ｄ及びレコメンドＴＢ１２ｅのデータ構成例について、図８から図１２を参照して説明する。

図８は、ユーザＴＢ１２ａのデータ構成例を示す図である。ユーザＴＢ１２ａは、例えば、ユーザＩＤ、ユーザ名、パスワード、分類等の項目を含むユーザ単位のレコードを記録している。ユーザＴＢ１２ａのレコードの数は、ユーザの数に応じる。ユーザＩＤは、複数のユーザを識別するためにユーザ毎に与えられた固有の文字列である。ユーザ名は、ユーザの氏名である。パスワードは、認証処理でユーザＩＤと組み合わせて用いられる認証用の文字列である。分類は、カテゴライズ処理によって設定されるユーザの属性である。分類については後述する。

図８では、ユーザＩＤがＡ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇ，Ｈである８人のユーザを例示しているが、図８の内容はあくまで例示であってユーザＴＢ１２ａに記憶されるデータをこれに限定するものでない。後述する図９から図１２についても、図８と同様、各ＴＢに記憶されるデータを図示する内容に限定するものでない。

図９は、コンテンツＴＢ１２ｂのデータ構成例を示す図である。コンテンツＴＢ１２ｂは、例えば、コンテンツＩＤ、コンテンツ名、ジャンル、コンテンツ所在等の項目を含むユーザ単位のレコードを記録している。コンテンツＴＢ１２ｂのレコードの数は、コンテンツの数に応じる。コンテンツＩＤは、複数のコンテンツを識別するためにユーザ毎に与えられた固有の文字列である。コンテンツ名は、コンテンツの名称である。ジャンルは、コンテンツのジャンルである。具体的には、本実施形態のジャンルは、映画等の動画像を分類するためのジャンルである。ジャンルによる分類として、例えば、アクション、ホラー、ヒーリング等が図示されている。図示しないが、他のジャンルによる分類として、例えば、コメディ、ドキュメンタリー等も挙げられる。コンテンツ所在は、コンテンツデータが記憶されているパス情報を示す。図９では、例えばコンテンツＣ１のデータが「../contents/c0001」のパスにあることを示している。コンテンツデータは、コンテンツサーバ１０の記憶部１２に記憶されていてもよいし、コンピュータネットワークＮを介して接続されている他の機器に記憶されていてもよい。

図１０は、購入履歴ＴＢ１２ｃのデータ構成例を示す図である。購入履歴ＴＢ１２ｃは、例えば、ユーザＩＤ、コンテンツＩＤ等の項目を含むユーザ単位のレコードを記録している。購入履歴ＴＢ１２ｃのレコードは、コンテンツを購入したユーザのユーザＩＤと、ユーザによって購入されたコンテンツのコンテンツＩＤとを対応付けている。例えば、ユーザＩＤが「Ａ」であり、コンテンツＩＤが「Ｃ１」であるレコードは、ユーザＩＤが「Ａ」であるユーザによってコンテンツＩＤが「Ｃ１」であるコンテンツが購入されたことを示している。購入履歴ＴＢ１２ｃのレコードの数は、ユーザとユーザの購入したコンテンツとの組み合わせの数に応じる。本実施形態の購入履歴ＴＢ１２ｃは、複数のユーザと複数のコンテンツとの関係を示す関連付け情報として機能する。

図１１は、脳波ＴＢ１２ｄのデータ構成例を示す図である。脳波ＴＢ１２ｄは、例えば、ユーザＩＤ、脳波所在、コンテンツＩＤ、脳波指数、コンテンツカテゴリ等の項目を含むユーザ単位のレコードを記録している。脳波ＴＢ１２ｄのレコードは、ユーザと、ユーザが視聴したコンテンツと、当該コンテンツの視聴中に当該ユーザから検知された脳波に関する情報とを対応付けている。すなわち、脳波所在、脳波指数、コンテンツカテゴリは、脳波に関する情報である。本実施形態の脳波ＴＢ１２ｄは、複数のユーザの脳波に関する情報として機能する。脳波ＴＢ１２ｄのレコードの数は、脳波データの数に応じる。脳波所在は、脳波データが記憶されているパス情報を示す。図１１では、例えばコンテンツＩＤが「Ｃ１」であるコンテンツをユーザＩＤが「Ａ」であるユーザが視聴した時の脳波データが「../eeg/a0001」のパスにあることを示している。脳波データは、コンテンツサーバ１０の記憶部１２に記憶されていてもよいし、コンピュータネットワークＮを介して接続されている他の機器に記憶されていてもよい。脳波指数及びコンテンツカテゴリについては後述する。

図１２は、レコメンドＴＢ１２ｅのデータ構成例を示す図である。レコメンドＴＢ１２ｅは、例えば、対象ユーザＩＤ、対象コンテンツＩＤ、参照ユーザＩＤ、レコメンド購入フラグ、評価点等の項目を含むユーザ単位のレコードを記録している。レコメンドＴＢ１２ｅにおけるユーザ単位のレコードのうち、対象ユーザＩＤ、対象コンテンツＩＤ及び参照ユーザＩＤの組み合わせによるデータは、当該ユーザに対するレコメンド情報として機能する。対象ユーザＩＤは、レコメンドが提示される対象となったユーザのユーザＩＤである。対象コンテンツＩＤは、レコメンドされた第２のコンテンツのコンテンツＩＤである。参照ユーザＩＤは、レコメンドのために購入履歴が参照された他のユーザのユーザＩＤである。レコメンド購入フラグ及び評価点については後述する。

次に、本実施形態のコンテンツ提供システム１の機能構成例及び各機能について、図１３を参照して説明する。

図１３は、コンテンツ提供システム１の主要機能構成例を示す機能ブロック図である。ＨＭＤ３０の脳波検知部３５は、コンテンツを視聴中のユーザの脳波を検知する検知部として機能する。端末２０の演算部２１は、脳波連携プログラム２２ｃを実行処理することで、コンテンツ視聴情報取得部６１として機能する。コンテンツ視聴情報取得部６１は、ＨＭＤ３０を用いたコンテンツの視聴完了後、脳波検知部３５から脳波データを取得してコンテンツ視聴情報を生成する。コンテンツ視聴情報は、脳波検知部３５により検知された脳波データと、当該脳波データが得られたコンテンツのコンテンツＩＤと、当該端末２０を利用しているユーザのユーザＩＤとが対応付けられた情報である。端末２０は、コンテンツ視聴情報をＡＩサーバ４０に送信する。

ＡIサーバ４０の演算部４１は、脳波利用プログラムを実行処理することで、カテゴライズ処理部８１、レコメンド処理部８２、評価テーブル生成処理部８３、フィードバック処理部８４として機能する。具体的には、カテゴライズ処理プログラム４２ｂがカテゴライズ処理部８１としての機能に対応するプログラムである。また、レコメンド処理プログラム４２ｃがレコメンド処理部８２としての機能に対応するプログラムである。また、評価テーブル生成処理プログラム４２ｄが評価テーブル生成処理部８３としての機能に対応するプログラムである。また、フィードバック処理プログラム４２ｅがフィードバック処理部８４としての機能に対応するプログラムである。

カテゴライズ処理部８１は、複数のユーザの脳波に関する情報に基づいて複数のユーザを分類する分類部として機能する。「脳波に関する情報」とは、例えば脳波データである。具体的には、カテゴライズ処理部８１は、脳波データに基づいて複数のユーザ同士の関係及び複数のコンテンツと複数のユーザとの関係の少なくとも一方を分類するカテゴライズ処理を行う。より具体的には、カテゴライズ処理部８１は、カテゴライズ処理において、例えば複数のユーザが同一のコンテンツ又は同一のカテゴリに属するコンテンツの視聴中に検知された脳波の類似性に基づいて複数のユーザを分類する。

図１４は、脳波の種類と、脳波の周波数帯毎のユーザの状態区分との関係の例を示す表図である。図１５は、図１４に示す脳波のうち一部の波形の例を示す図である。脳波には、例えばγ波、β波、α波、θ波、Δ波がある。γ波は、３０〜７０［Ｈｚ］の周波数帯の脳波をさす。当該脳波が検知されているユーザは、興奮している状態である。具体的には、当該脳波が検知されているユーザは、スポーツに集中して興奮している。β波は、１４〜３０［Ｈｚ］の周波数帯の脳波をさす。β波のうち、１４〜１８［Ｈｚ］の周波数帯の脳波が検知されているユーザは、意識を集中している状態である。具体的には、当該脳波が検知されているユーザは、例えば問題解決のために意識を集中している。また、β波のうち、１８〜３０［Ｈｚ］の周波数帯の脳波が検知されているユーザは、緊張、不安を生じている状態である。α波は、８〜１４［Ｈｚ］の周波数帯の脳波をさす。α波のうち、１２〜１４［Ｈｚ］の周波数帯の脳波が検知されているユーザは、β波が生じている場合程ではないが、比較的緊張した意識の集中状態である。α波のうち、９〜１２［Ｈｚ］の周波数帯の脳波が検知されているユーザは、比較的弛緩した意識の集中状態である。具体的には、当該脳波が検知されているユーザは、例えば自身の意識内に生じた勘や閃きに集中している。α波のうち、８〜９［Ｈｚ］の周波数帯の脳波が検知されているユーザは、瞑想又は意識的な集中力が比較的低下した状態である。θ波は、４〜８［Ｈｚ］の周波数帯の脳波をさす。当該脳波が検知されているユーザは、まどろみを生じている状態又は浅い睡眠状態である。Δ波は、０．４〜４［Ｈｚ］の周波数帯の脳波をさす。当該脳波が検知されているユーザは、深い睡眠状態である。

カテゴライズ処理部８１は、複数のユーザが同一のコンテンツを見た場合における脳波の類似の度合いを所定のアルゴリズムで算出する。具体的には、カテゴライズ処理部８１は、例えば、コンテンツの再生開始からの経過時間と脳波との相関係数を算出する。カテゴライズ処理部８１は、当該相関係数が示す相関の強弱（１〜−１）に基づいて複数のユーザが同一のコンテンツを見た場合における脳波の類似の度合いを算出する。より具体的な例を挙げると、ある１つのコンテンツは、コンテンツの再生開始からの経過時間に応じた再生内容の変化（起承転結等）を含む。このため、経過時間に応じて視聴しているユーザの意識にも変化が生じ、この変化に伴って脳波の波長が変化することが想定される。ここで、複数のユーザが同一のコンテンツを視聴している条件下で、経過時間が同一であるタイミングで正の相関を示す複数のユーザの脳波が検知されている場合を想定する。この場合、当該複数のユーザは同様の意識を生じているとみなすことができる。一方、当該タイミングで負の相関を示す複数のユーザの脳波が検知されている場合、当該複数のユーザは異なる意識を生じているとみなすことができる。このように、相関係数の正負に基づいて、脳波の類似の度合い、すなわち、同一のコンテンツに対する複数のユーザの意識の類似の度合いを算出することができる。なお、相関係数を用いることは、あくまで脳波の類似の度合いを算出するための所定のアルゴリズムの一例である。所定のアルゴリズムはこれに限られるものでなく、適宜変更可能である。

図１１に示す脳波ＴＢ１２ｄは、ユーザＩＤがＡ，Ｂ，・・・Ｈのいずれかである全てのユーザに共通する脳波データに関する情報として、コンテンツＩＤがＣ１であるコンテンツの視聴中における脳波データの所在を記憶している。従って、図１１に示す例では、コンテンツＩＤがＣ１であるコンテンツの視聴中における脳波データに基づいて、ユーザを分類することができる。

脳波データの相関係数をカテゴライズ処理部８１の内部データに留めず、記録としてＤＢ内のテーブルデータとして保持するようにしてもよい。また、１つのコンテンツに限らず、複数のコンテンツが視聴済みのコンテンツとして共通しているユーザ間では、複数のコンテンツで個別に相関係数の算出を行って個別に類似の度合いを判定したうえで同一の分類とするか判定するようにしてもよい。例えば、３人のユーザＡ，Ｂ，Ｃが共通する３つのコンテンツＣ１，Ｃ２，Ｃ３を視聴済みであったと仮定する。相関係数を算出した場合に、ユーザＡ，Ｂ間のコンテンツＣ１，Ｃ２，Ｃ３の相関係数がそれぞれ０．１，０．２，−０．１であったとする。また、ユーザＡ，Ｃ間のコンテンツＣ１，Ｃ２，Ｃ３の相関係数がそれぞれ０．５，０．８，０．２であったとする。また、ユーザＢ，Ｃ間のコンテンツＣ１，Ｃ２，Ｃ３の相関係数がそれぞれ０．１，−０．３，０．２であったとする。この場合、ユーザＡ，Ｃ間のコンテンツＣ１，Ｃ２，Ｃ３の相関が強く、他のユーザ間の相関が弱いことになる。従って、この場合、カテゴライズ処理部８１は、ユーザＡとユーザＣとを同一の分類とし、ユーザＢをユーザＡ及びユーザＣと異なる分類とする。

また、他の方法でユーザを分類するようにしてもよい。例えば、共通のコンテンツを視聴していないユーザ間の相関を最も弱くし、共通のコンテンツを１つ以上視聴しているユーザ間で算出されたコンテンツ毎の相関係数の合算値と所定の基準値とを比較し、基準値に基づいた条件を満たす相関係数が得られたユーザ同士を同一の分類とし、それ以外のユーザ同士を異なる分類とするようにしてもよい。

このような、ユーザ単位での分類は、分類結果を示すデータが単純で軽量なデータになる。また、ユーザ間で共通する視聴済みコンテンツが少ない場合であってもユーザの分類が可能になる。

カテゴライズ処理に際して、ＡＩサーバ４０は、コンテンツサーバ１０に対して、分類を行う対象となる脳波データと対応付けられたコンテンツＩＤに基づいて、当該コンテンツＩＤと対応付けられた脳波データを要求するリクエストを送信する。このリクエストでは、カテゴライズ処理部８１は、分類を行う対象となる脳波データのユーザＩＤ以外のユーザＩＤと対応付けられた脳波データを要求する。演算部１１は、カテゴライズ処理部８１からのリクエストに基づいて、脳波ＴＢ１２ｄに記憶されているレコードのうち該当するレコードを特定し、特定されたレコードの「脳波所在」を参照して脳波データを取得する。コンテンツサーバ１０は、特定されたレコードのユーザＩＤと取得された脳波データとを対応付けてＡＩサーバ４０に送信する。ＡＩサーバ４０は、ユーザＩＤと対応付けられた脳波データを受信する。カテゴライズ処理部８１は、ユーザＩＤと対応付けられた脳波データを取得し、脳波の類似の度合いを算出してユーザを分類する。ＡＩサーバ４０の機能的構成がコンテンツサーバ１０等の他の機器に記憶されているデータを参照する場合、このような、処理に必要となるデータのリクエストと当該リクエストに基づいたデータの送受信によるデータの取得が行われる。

カテゴライズ処理部８１は、複数のユーザが同一のコンテンツを見た場合における脳波の類似の度合いに基づいて、複数のユーザを１又は複数のグループに分類する。本実施形態におけるカテゴライズ処理の実施例について、図１６及び図１７を参照して説明する。

図１６は、カテゴライズ処理後のユーザの分類の一例を示す図である。図１６に示す例では、複数のユーザは、グループＧ１，Ｇ２，Ｇ３のいずれかに分類されている。グループＧ１は、ユーザＡとユーザＣとを含む。グループＧ２は、ユーザＢとユーザＥとユーザＦとを含む。グループＧ３は、ユーザＤとユーザＧとユーザＨとを含む。図１６に例示するユーザの分類は、図８に示すユーザＴＢ１２ａの「分類」カラムに設定されている。ＡＩサーバ４０は、脳波の類似の度合いに基づいて、ユーザＩＤと当該ユーザＩＤを有するユーザの分類とを対応付けたデータをコンテンツサーバ１０に送信する。コンテンツサーバ１０は、当該データが示す分類を、当該分類と対応付けられたユーザＩＤのレコードとして設定する。

カテゴライズ処理部８１は、コンテンツ毎にユーザを分類してもよい。図１７は、コンテンツ毎にユーザを分類した場合の一例を示す図である。図１７に示す例では、コンテンツＣ１，Ｃ２，Ｃ３のそれぞれにおいてユーザの分類が行われている。コンテンツＣ１では、複数のユーザは、カテゴリＣ１１，Ｃ１２，Ｃ１３のいずれかに分類されている。カテゴリＣ１１は、ユーザＡとユーザＣとを含む。カテゴリＣ１２は、ユーザＢとユーザＥとユーザＦとを含む。カテゴリＣ１３は、ユーザＤとユーザＧとユーザＨとを含む。コンテンツＣ２では、複数のユーザは、カテゴリＣ２１，Ｃ２２，Ｃ２３のいずれかに分類されている。カテゴリＣ２１は、ユーザＣを含む。カテゴリＣ２２は、ユーザＤとユーザＨとを含む。カテゴリＣ２３は、ユーザＦとを含む。コンテンツＣ２でユーザＡ、ユーザＢ、ユーザＥ、ユーザＧがカテゴライズされていないのは、ユーザＡ、ユーザＢ、ユーザＥ、ユーザＧがコンテンツＣ２を視聴していないからである（図１０参照）。コンテンツＣ３では、複数のユーザは、カテゴリＣ３１，Ｃ３２のいずれかに分類されている。カテゴリＣ３１は、ユーザＡとユーザＢとユーザＨとを含む。カテゴリＣ３２は、ユーザＧを含む。コンテンツＣ３でユーザＣ、ユーザＤ、ユーザＥ、ユーザＦがカテゴライズされていないのは、ユーザＣ、ユーザＤ、ユーザＥ、ユーザＦがコンテンツＣ３を視聴していないからである（図１０参照）。

図１７に例示するようなコンテンツ毎のユーザの分類は、コンテンツカテゴリによって管理されている。図１０に示す脳波ＴＢ１２ｄの「コンテンツカテゴリ」カラムに設定されている文字列（Ｃ１１，Ｃ１２，・・・Ｃ３２いずれか）は、図１７における各コンテンツ内におけるカテゴリの符号と同一である。

コンテンツ毎にユーザを分類することで、コンテンツ毎に脳波への現れ方の傾向が異なるユーザの趣味、嗜好の細かな差に応じたより詳細な分類を行うことができる。

なお、図１７に示すコンテンツカテゴリＣＣ１，ＣＣ２，ＣＣ３は、図９に示すコンテンツＴＢ１２ｂの「ジャンル」カラムに設定されているデータに基づいたコンテンツのジャンル別分類である。

また、図１６に示すようなユーザ分類においても、全てのユーザに共通する視聴済みコンテンツは必須でない。例えば、全ユーザの一部が視聴済みのコンテンツに基づいた分類と残りのユーザが視聴済みのコンテンツに基づいた分類とを組み合わせてユーザ分類を行ってもよい。

レコメンド処理部８２は、あるユーザと同一の分類である他のユーザと関連付けられたコンテンツであって当該あるユーザと関連付けられていないコンテンツを第２のコンテンツとして抽出する抽出部として機能する。具体的には、レコメンド処理部８２は、例えば、関連付け情報として機能するデータ（購入履歴ＴＢ１２ｃ）を参照して第２のコンテンツを抽出する。以下、レコメンド情報を提供する対象となるユーザ（対象ユーザ）をあるユーザとし、同一の分類である他のユーザを参照ユーザとする。

レコメンド処理部８２は、ユーザＴＢ１２ａを参照し、対象ユーザと同一の分類である参照ユーザを特定する。レコメンド処理部８２は、購入履歴ＴＢ１２ｃを参照し、購入履歴ＴＢ１２ｃのうち対象ユーザ及び参照ユーザのユーザＩＤを含むレコードの情報を取得する。レコメンド処理部８２は、取得されたレコードに基づいて、対象ユーザが未購入であって参照ユーザが購入済みのコンテンツを抽出する。具体的には、レコメンド処理部８２は、取得されたレコードにおいて参照ユーザのユーザＩＤと対応付けられているコンテンツＩＤであって、対象ユーザのユーザＩＤと対応付けられていないコンテンツＩＤを抽出する。この抽出されたコンテンツＩＤは、第２のコンテンツに関する情報として機能する。

レコメンド処理部８２は、抽出された当該第２のコンテンツに関する情報に基づいて、当該あるユーザへのレコメンド情報を出力する。具体的には、レコメンド処理部８２は、当該あるユーザのユーザＩＤを対象ユーザＩＤとする。また、レコメンド処理部８２は、当該第２のコンテンツのコンテンツＩＤを対象コンテンツＩＤとする。また、レコメンド処理部８２は、当該他のユーザのユーザＩＤを参照ユーザＩＤとする。レコメンド処理部８２は、対象ユーザＩＤ、対象コンテンツＩＤ及び参照ユーザＩＤを組み合わせてレコメンド情報を生成する。レコメンド処理部８２は、生成されたレコメンド情報をコンテンツサーバ１０に送信する。

コンテンツサーバ１０は、レコメンド情報に含まれる対象ユーザＩＤ、対象コンテンツＩＤ、及び参照ユーザＩＤを含むユーザ単位のレコードを記憶する。また、コンテンツサーバ１０は、当該レコードの記憶に伴い、当該レコードのレコメンド購入フラグ及び評価点に所定の初期値を設定する。レコメンド購入フラグの初期値は、例えばヌル（ｎｕｌｌ）である。評価点の初期値は、例えば０である。

なお、上述のレコメンド処理はあくまでレコメンドのための具体的処理の一例であって、レコメンドされるコンテンツの特定方法はこれに限られるものでない。例えば、レコメンドの対象とするコンテンツをコンテンツカテゴリ単位まで拡張するようにしてもよい。具体例を挙げると、図１０と図１７に示す例を考慮すると、購入履歴だけではユーザＣに対してレコメンドすることができるコンテンツがない。このような場合に、レコメンドの対象とするコンテンツをコンテンツカテゴリ単位まで拡張するようにすることで、レコメンドの対象となるコンテンツの選択肢をより多くすることができる。例えば、ユーザＡとユーザＣとが共通で視聴しているコンテンツカテゴリＣＣ１に含まれる図示しない第２のコンテンツがあった場合、ユーザＣに当該第２のコンテンツをレコメンドするようにしてもよい。

また、特定のコンテンツにおけるカテゴリ（例えば、コンテンツＣ１におけるカテゴリＣ１１，Ｃ１２，Ｃ１３によるユーザの分類）によって、レコメンド処理に際して同一の分類とされる他のユーザ（参照ユーザ）を決定するようにしてもよい。この場合、レコメンド処理部８２は、ユーザＴＢ１２ａではなく脳波ＴＢ１２ｄを参照して参照ユーザを決定する。

また、所定のコンテンツをレコメンドに含めるようにしてもよい。具体的には、図６でレコメンド情報表示部５３に含まれているコンテンツＣ４，Ｃ５は、例えば、所定回数以上連続してレコメンド対象にならなかったコンテンツ、優先してレコメンド対象とするようコンテンツサーバ１０の管理者によって予め設定されたコンテンツ等である。レコメンド処理部８２は、このような所定のコンテンツをレコメンドするようにしてもよい。このようなルールでレコメンドされたコンテンツＣ４，Ｃ５については、レコメンドＴＢ１２ｅにおいて参照ユーザＩＤが設定されない。所定回数以上連続してレコメンド対象にならなかったコンテンツをレコメンド対象にする場合、レコメンド処理が行われる度にレコメンドの対象にならなかった回数をカウントするための項目（例えば、「カウンタ」カラム）がコンテンツＴＢ１２ｂに設定される。レコメンド処理部８２は、レコメンドの対象にならなかったコンテンツのカウンタに＋１する。このカウンタは、ユーザ毎に管理されるようにしてもよいし、全てのユーザに共通するカウンタとしてもよい。

評価テーブル生成処理部８３は、閾値に基づいて脳波を数値化する数値化部として機能する。フィードバック処理部８４は、第２のコンテンツを視聴中のあるユーザの脳波の数値と、当該第２のコンテンツを視聴中の他のユーザの脳波の数値とに基づいて第２のコンテンツの抽出の妥当性を判定する判定部として機能する。評価テーブル生成処理部８３及びフィードバック処理部８４については後述する。

演算部１１は、レコメンドプログラム１２ｇを含む電子商取引プログラム１２ｆを実行処理することで、コンテンツ視聴情報記録部７１、レコメンド情報配信部７２、レコメンド結果記録部７３として機能する。

コンテンツ視聴情報記録部７１は、コンテンツ視聴情報を脳波ＴＢ１２ｄに記憶させる。図１３に示すように、本実施形態では、コンテンツ視聴情報は、端末２０からＡＩサーバ４０とコンテンツサーバ１０に送信される。コンテンツ視聴情報記録部７１は、端末２０から送信されたコンテンツ視聴情報を脳波ＴＢ１２ｄの新たなレコードとして記録する。

カテゴライズ処理部８１は、記憶部１２の脳波ＴＢ１２ｄに記憶されているコンテンツ視聴情報を参照して前述のカテゴライズ処理を行うようにしてもよい。後述する図１９のフローチャートでは、記憶部１２の脳波ＴＢ１２ｄに記憶されているコンテンツ視聴情報を参照してカテゴライズ処理を行う場合について説明しているが、カテゴライズ処理部８１は、上述のように端末２０からＡＩサーバ４０に送信されたコンテンツ視聴情報に基づいてカテゴライズ処理を行ってもよい。

レコメンド情報配信部７２は、第２のコンテンツの視聴を薦める情報をあるユーザに配信する配信部として機能する。具体的には、レコメンド情報配信部７２は、例えば認証ユーザの端末２０に対して電子商取引サイトのトップページ５０を表示するためのデータを送信する処理に際して、レコメンドＴＢ１２ｅを読み出して認証ユーザのユーザＩＤが含まれるレコードを特定する。レコメンド情報配信部７２は、特定されたレコードに含まれる対象コンテンツＩＤが与えられたコンテンツをレコメンド情報表示部５３に表示させるためのデータを、当該トップページ５０を表示するためのデータに含める。これによって、レコメンド情報表示部５３において認証ユーザ向けのレコメンド情報が提示される。

レコメンド結果記録部７３は、対象ユーザに対するレコメンド情報の提示が対象ユーザによる第２のコンテンツの購入という結果を導出した場合に当該結果を示す情報をレコメンドＴＢ１２ｅに記録する。また、レコメンド結果記録部７３は、コンテンツを購入した対象ユーザのユーザＩＤと購入されたコンテンツのコンテンツＩＤとを対応付けて購入履歴ＴＢ１２ｃに記録する。

例えば、図７に例示する購入画面５５で対象ユーザによる購入操作が行われると、ウェブブラウザ２２ａを実行している演算部２１は、購入操作情報をコンテンツサーバ１０に送信する。レコメンド結果記録部７３は、この購入操作情報をレコメンド情報からの購入操作情報６３として扱う。レコメンド結果記録部７３は、レコメンドＴＢ１２ｅを参照し、この購入操作を生じさせる元になったレコメンド情報に対応するレコードを特定する。具体的には、レコメンド結果記録部７３は、レコメンドＴＢ１２ｅを参照し、購入操作を行った対象ユーザのユーザＩＤと購入操作の対象になったコンテンツＩＤの組み合わせを含むレコードを特定する。レコメンド結果記録部７３は、特定されたレコメンド購入フラグを「１」にする。すなわち、レコメンド購入フラグが「１」であるレコメンド情報は、対象ユーザにコンテンツを購入させることができたレコメンド情報である。

なお、演算部１１は、購入操作情報の受信に伴い、対象ユーザがレコメンドされたコンテンツを購入したことを購入履歴ＴＢ１２ｃに記録する。具体的には、対象ユーザのユーザＩＤとレコメンドされたコンテンツのコンテンツＩＤとを対応付けた新たなレコードが記録される。この記録は、上述のレコメンド購入フラグの更新と併せてレコメンド結果記録部７３が行ってもよいし、演算部１１が電子商取引プログラム１２ｆを実行処理することによりコンテンツサーバ１０にもたらされる他の機能が行ってもよい。

次に、評価テーブル生成処理部８３が行う処理（評価テーブル生成処理）について、図１８を参照して説明する。

図１８は、評価テーブル生成処理による脳波指数の算出方法を示す図である。評価テーブル生成処理部８３は、まず、脳波評価処理を行う。脳波評価処理は、脳波の種類に応じた周波数帯内の周波数で振幅する脳波を、所定の閾値Ｔに基づいて数値化し、脳波評価値として算出する処理である。本実施形態では、閾値Ｔは、脳波の種類毎に設定されている。図１５では、γ波、β波（１８〜３０Ｈｚ）、α波（１２〜１４Ｈｚ）、α波（８〜９Ｈｚ）、θ波（４〜８Ｈｚ）に個別の閾値Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５が設定されている例を、各々の脳波の波形Ｗ１，Ｗ２，Ｗ３，Ｗ４，Ｗ５とともに示している。閾値Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５は、脳波の最低値Ｌに対する値として設定される。最低値Ｌは、例えば脳波が検知されない場合における脳波検知部３５の出力値（０）である。評価テーブル生成処理部８３は、１つのコンテンツの視聴中に検知された脳波の全時間帯のうち、脳波データとしてデジタル化された脳波の値が閾値以上になった又は閾値を超えた時間帯の割合に基づいて脳波評価値を算出する。閾値Ｔを示すデータは、例えば脳波利用プログラム４２ａに含まれている。閾値Ｔに限らず、脳波利用プログラム４２ａの実行に際して参照される各種のパラメータ（例えば、後述する係数、所定範囲、下限等を示すデータ）は、演算部４１から参照可能な形式で脳波利用プログラム４２ａに含まれている。

脳波評価値は、例えば予め定められた範囲内（例えば、０〜１００）の値として算出される。図１８に示す例におけるγ波の脳波評価値は、８０である。また、β波（１８〜３０［Ｈｚ］）の脳波評価値は、２０である。また、β波（１４〜１８［Ｈｚ］）の脳波評価値は、８０である。また、α波（１２〜１４［Ｈｚ］）の脳波評価値は、６０である。また、α波（９〜１２［Ｈｚ］）の脳波評価値は、３０である。また、α波（８〜９［Ｈｚ］）の脳波評価値は、５である。また、θ波（４〜８［Ｈｚ］）の脳波評価値は、０である。また、Δ波（０．４〜４［Ｈｚ］）の脳波評価値は、０である。このように、評価テーブル生成処理部８３は、脳波の種類毎に個別に脳波評価値を算出する。

評価テーブル生成処理部８３は、算出された脳波評価値に所定の係数を乗じる。係数は、脳波の種類毎に個別に設定されている。図１８に示す例におけるγ波の係数は、１０である。また、β波（１８〜３０［Ｈｚ］）の係数は、−５である。また、β波（１４〜１８［Ｈｚ］）の係数は、１０である。また、α波（１２〜１４［Ｈｚ］）の係数は、１０である。また、α波（９〜１２［Ｈｚ］）の係数は、８である。また、α波（８〜９［Ｈｚ］）の係数は、−５である。また、θ波（４〜８［Ｈｚ］）の係数は、−１０である。また、Δ波（０．４〜４［Ｈｚ］）の係数は、−１０である。

なお、図１８に示す係数はあくまで一例であってこれに限られるものでなく、適宜変更可能である。例えば、ある脳波の種類の係数は、０であってもよい。脳波の種類毎の係数は、例えばコンテンツのカテゴリ毎にあらかじめ定められている。本実施形態の係数は、アクション、ホラー、ヒーリング等のコンテンツカテゴリＣＣ１，ＣＣ２，ＣＣ３毎に定められている。

正の係数は、コンテンツを視聴中のユーザがコンテンツの意図に沿った意識を生じている場合に生じる脳波に設定される。例えば、アクションのジャンルに含まれるコンテンツの場合、興奮によって生じるγ波、緊張によって生じるα波（１２〜１４［Ｈｚ］）等に正の係数が設定されることが考えられる。また、ホラーのジャンルに含まれるコンテンツの場合、不安によって生じるβ波（１８〜３０［Ｈｚ］）等に正の係数が設定されることが考えられる。ジャンル毎に、比重が高い意識に対応する脳波の種類により大きな正の値が設定される。負の係数は、コンテンツを視聴中のユーザがコンテンツの意図に沿わない意識を生じている場合に生じる脳波に設定される。例えば、アクション及びホラーのジャンルに含まれるコンテンツの場合、意識低下、睡眠によって生じるα波（８〜９［Ｈｚ］）以下の周波数の脳波に負の値が設定されることが考えられる。ジャンル毎に、ふさわしくない意識に対応する脳波の種類により大きな負の値が設定される。

評価テーブル生成処理部８３は、脳波評価値に係数を乗じた値を足し合わせて、ある１人のユーザがある１つのコンテンツを視聴した際の脳波指数を算出する。本実施形態では、この脳波指数が、数値化された脳波の数値として扱われる。図１８に示す例における脳波指数は、８００＋（−１００）＋８００＋６００＋２４０＋（−２５）＋０＋０＝２３１５である。

評価テーブル生成処理部８３は、例えば図１１に示すように、脳波ＴＢ１２ｄのレコード毎に脳波指数を算出する。本実施形態では、脳波ＴＢ１２ｄが「脳波指数」カラムを含んでいる。すなわち、脳波ＴＢ１２ｄが評価テーブルとして機能している。これは評価テーブルの形態の一例であってこれに限られるものでない。例えば、脳波指数を管理するために独立したテーブルを設けてもよい。

次に、フィードバック処理部８４が行う処理（フィードバック処理）について説明する。

フィードバック処理部８４は、第２のコンテンツを視聴中のあるユーザの脳波の数値と、当該第２のコンテンツを視聴中の他のユーザの脳波の数値との差が所定範囲内であった場合に第２のコンテンツの抽出が妥当であったと判定する。例えば、ユーザＣの購入履歴に基づいてコンテンツＣ２をレコメンドされたユーザＡがコンテンツＣ２を視聴した場合の脳波指数が、２３１５（図１８参照）であったとする。また、ユーザＣがコンテンツＣ２を視聴した場合の脳波指数は、２２３５である（図１１参照）。この場合、レコメンドに基づいてコンテンツを視聴したユーザＡが対象ユーザ（あるユーザ）であり、レコメンドの元になったユーザＣが参照ユーザ（他のユーザ）である。フィードバック処理部８４は、対象ユーザの脳波指数と参照ユーザの脳波指数を比較し、脳波指数の差が所定範囲内であるか否か判定する。当該所定範囲は、絶対値であってもよいし比率であってもよい。例えば、フィードバック処理部８４は、比較される２つの脳波指数のうち相対的に大きい値の脳波指数が、相対的に小さい値の脳波指数の１．２倍以下であれば所定範囲内であると判定する。この倍率はあくまで一例であってこれに限られるものでなく、適宜変更可能である。ユーザＡの脳波指数（２３１５）は、ユーザＣの脳波指数（２２３５）の１．０４倍未満である。従って、所定範囲が上述の１．２倍の範囲であるとすると、この場合、フィードバック処理部８４は、ユーザＡとユーザＣが同一の分類とされたことでユーザＣの購入履歴に基づいてユーザＡにレコメンドするためのコンテンツＣ２の抽出を妥当であったと判定する。これは、コンテンツＣ１の視聴中の脳波データに基づいてユーザＡとユーザＣとを同一の分類としたことに妥当性があったことを示す。

一方、ユーザＨの購入履歴に基づいてコンテンツＣ３をレコメンドされたユーザＧがコンテンツＣ３を視聴した場合の脳波指数が、７９０（図１１参照）であったとする。また、ユーザＨがコンテンツＣ３を視聴した場合の脳波指数は、２０２０である（図１１参照）。ユーザＨの脳波指数（２０２０）は、ユーザＧの脳波指数（７９０）の２．５５倍を超える。従って、所定範囲が上述の１．２倍の範囲であるとすると、この場合、フィードバック処理部８４は、ユーザＧとユーザＨが同一の分類とされたことでユーザＨの購入履歴に基づいてユーザＧにレコメンドするためのコンテンツＣ３の抽出を妥当でなかったと判定する。これは、コンテンツＣ１の視聴中の脳波データに基づいてユーザＧとユーザＨとを同一の分類としたことが妥当性を欠いていた可能性があることを示す。

フィードバック処理部８４は、第２のコンテンツを視聴中のあるユーザの脳波の数値と、当該第２のコンテンツを視聴中の他のユーザの脳波の数値との差に応じて妥当性の評価点を減点する。例えば、フィードバック処理部８４は、上述のユーザＧに対するコンテンツＣ３のレコメンドの例のように、妥当でなかったと判定されたレコメンドのレコードの評価点を減点する。図１２では、対象ユーザＩＤが「Ｇ」、対象コンテンツＩＤが「Ｃ３」、参照ユーザＩＤが「Ｈ」であるレコードにおいて、初期値が０である評価点が減点されて−１になっている。

本実施形態では、図１２に示すレコメンドＴＢ１２ｅがレコメンドの妥当性を示す「評価点」カラムを含んでいるが、評価点を管理するために独立したテーブルを設けてもよい。

また、カテゴライズ処理部８１は、評価点の減点の度合いに基づいて、同一の分類とされていたあるユーザと他のユーザとを異なる分類にするようにしてもよい。図示しないが、対象コンテンツＩＤが「Ｃ３」であるものに限らず、対象ユーザＩＤが「Ｇ」、参照ユーザＩＤが「Ｈ」であるレコメンドのレコードにおいて、評価点が負の値になっているものが複数あったとする。これによって対象ユーザＩＤが「Ｇ」、参照ユーザＩＤが「Ｈ」であるレコメンドの評価点を合算した値が評価点の下限以下又は下限を下回る値になった場合、カテゴライズ処理部８１は、ユーザＧとユーザＨとを異なる分類にするようにしてもよい。異なる分類とする処理に際して、カテゴライズ処理部８１は、例えば分類の根拠となった共通の視聴済みコンテンツを別の視聴済みコンテンツにして再度分類を行うようにしてもよいし、異なる分類にすることになったユーザの少なくとも一方に新たな分類を付すようにしてもよい。このような分類の変更の具体的方法はあくまで一例であってこれに限られるものでなく、適宜変更可能である。

また、評価テーブル生成処理部８３は、評価点の減点の度合いに基づいて、係数を変更するようにしてもよい。具体的には、評価テーブル生成処理部８３は、レコメンドＴＢ１２ｅに含まれる対象レコメンドＩＤが与えられたコンテンツの脳波指数を算出する場合に用いられる係数が同じであるレコードの評価点を合算する。このような係数毎の評価点の合算した値が所定条件を満たした場合、そのような評価点の減点が生じた係数を変更対象の係数とし、係数の一部又は全部を変更する。所定条件とは、例えば、係数毎の評価点を合算した値が、所定の累積値以下又は累積値を下回る値になることである。評価テーブル生成処理部８３は、例えば、変更対象の係数に含まれる脳波の種類毎の係数のうち一部又は全部を変更した場合における対象ユーザ及び参照ユーザの脳波指数を再算出する。評価テーブル生成処理部８３は、この再算出によって対象ユーザの脳波指数と参照ユーザの脳波指数との差が所定範囲内になるか否かに基づいて、変更後の係数を採用するかを判定する。すなわち、本実施形態では、対象ユーザの脳波指数と参照ユーザの脳波指数との差が所定範囲内にならない算出結果がより多く生じる変更前の係数が脳波指数の算出の際に用いられる係数として妥当でない可能性があるという考え方に基づいて、係数を変更する。このような係数の変更の具体的方法はあくまで一例であってこれに限られるものでなく、適宜変更可能である。

また、フィードバック処理部８４は、レコメンドの対象ユーザが閲覧した後に一定期間が経過しても購入されなかったコンテンツのレコメンドの評価点を減点してもよい。図１２では、対象コンテンツＩＤが「Ｃ４」であるレコードにおいて、初期値が０である評価点が減点されて−１になっている。また、一定期間の経過による評価点の減点は、一定期間が経過する毎に累積されるようにしてもよい。図１２では、対象コンテンツＩＤが「Ｃ５」であるレコードにおいて、初期値が０である評価点が２回減点されて−２になっている。

また、フィードバック処理部８４は、脳波指数の差が所定範囲内のレコメンドにプラスの評価をするようにしてもよい。例えば、一定期間の経過によって評価点が減点されたレコメンドＴＢ１２ｅのレコードにおける対象コンテンツＩＤのコンテンツが、その後対象ユーザによって購入され、対象ユーザの脳波指数と参照ユーザの脳波指数との差が所定範囲内であった場合を仮定する。この場合、フィードバック処理部８４は、減点の度合いを小さくするように評価点を変更してもよい。無論、減点の有無に関係なく、評価点をプラス側に変更してもよい。すなわち、評価点は、正の値を取ってもよい。

また、カテゴライズ処理部８１は、評価テーブル生成処理の結果に基づいてカテゴライズ処理を行ってもよい。すなわち、カテゴライズ処理部８１が取り扱う「脳波に関する情報」は、脳波指数であってもよい。この場合、カテゴライズ処理部８１は、複数のユーザが同一のコンテンツ又は同一のカテゴリに属するコンテンツの視聴中に検知された脳波の数値の差に基づいて複数のユーザを分類する。具体的には、カテゴライズ処理部８１は、記憶部１２の脳波ＴＢ１２ｄに記憶されている脳波指数を参照し、脳波指数の差に基づいて複数のユーザを分類する。カテゴライズ処理部８１は、例えば脳波指数の差が所定範囲内であるユーザ同士を同一の分類とし、当該差が所定範囲を超えるユーザ同士を異なる分類とする。このようなユーザの分類は、ある１つのコンテンツに基づいたユーザの分類（図１６参照）であってもよいし、コンテンツ毎のユーザの分類（図１７参照）であってもよい。

また、脳波利用プログラム４２ａを実行したＡＩサーバ４０は、カテゴライズ処理、レコメンド処理及び評価テーブル生成処理に基づいて生成されたデータを学習前のデータとして、フィードバック処理に基づいて学習用データを生成し、当該学習用データに基づいた機械学習を行ってパラメータを更新するようにしてもよい。例えば、ユーザの分類を示すデータに関する情報を含むユーザＴＢ１２ａ、ユーザに対してレコメンドされるコンテンツに関する情報を含むレコメンドＴＢ１２ｅ、脳波指数を含む脳波ＴＢ１２ｄの各々のレコードがフィードバック処理に先立って記録される。ＡＩサーバ４０は、これらのデータに基づいてフィードバック処理を行うことで、評価点を算出する。フィードバック処理では、算出された脳波指数がレコメンドの妥当性を示しているか、レコメンド後にコンテンツが購入されたかが評価点に反映される。ＡＩサーバ４０は、評価点に基づいて、上述のようなユーザの分類の更新、脳波指数の算出に用いられる係数の更新を行う。すなわち、ユーザの分類の更新や脳波指数の算出のトリガーとなる評価点が加わることで、ＤＢに含まれるデータは、過去に生成された学習前のデータの妥当性を示す情報を含む学習用データとして機能する。ＡＩサーバ４０の処理により、このようなユーザＴＢ１２ａ、レコメンドＴＢ１２ｅ、脳波ＴＢ１２ｄの記録と、評価点の算出と、ユーザの分類及び係数の更新とが繰り返されることで、機械学習が行われる。この機械学習によってユーザの分類及び係数の更新が行われることで、ユーザの分類及びレコメンドの精度の少なくとも一方をより高めるようにパラメータを更新することができる。

なお、カテゴライズ処理、レコメンド処理、評価テーブル生成処理、フィードバック処理の各々の実施タイミングは任意である。例えば、カテゴライズ処理及びレコメンド処理をリアルタイム処理、すなわち、新たなコンテンツ視聴情報が得られたタイミングに応じて行うようにしてもよい。また、評価テーブル生成処理及びフィードバック処理を定期的なバッチ処理で行うようにしてもよい。このような各処理の実施タイミングはあくまで一例であってこれに限られるものでなく、適宜変更可能である。

次に、本実施形態のコンテンツ提供システム１における処理の流れの一例を、図１９から図２５のフローチャートを参照して説明する。

図１９は、カテゴライズ処理及びレコメンド処理を含む主要な処理の流れの一例を示すフローチャートである。まず、ユーザがＨＭＤ３０を用いてコンテンツを視聴することで、ＨＭＤ３０によるコンテンツの再生及び脳波の検知が行われる（ステップＳ１）。脳波検知部３５は、検知された脳波を脳波データとして出力する。

端末２０は、ＨＭＤ３０で再生されたコンテンツを示す情報及びコンテンツの再生中に検知された脳波データをＨＭＤ３０から取得する。端末２０は、当該脳波データと、ＨＭＤ３０で再生されて当該脳波データが得られたコンテンツのコンテンツＩＤと、当該端末２０を利用しているユーザのユーザＩＤとを対応付け、コンテンツ視聴情報としてこれらの情報を取得する（ステップＳ２）。端末２０は、コンテンツ視聴情報をコンテンツサーバ１０に送信する（ステップＳ３）。

コンテンツサーバ１０は、コンテンツ視聴情報を受信する（ステップＳ４）。コンテンツサーバ１０は、コンテンツ視聴情報を脳波ＴＢ１２ｄに記録する（ステップＳ５）。なお、脳波データは脳波ＴＢ１２ｄに直接記憶させるのでなく、脳波データの所在を示す情報（脳波所在）を記録して当該所在に脳波データを記憶させるようにしてよい。ＡＩサーバ４０は、カテゴライズ処理（ステップＳ６）、レコメンド処理（ステップＳ７）を行う。コンテンツサーバ１０は、レコメンド処理後のレコメンドＴＢ１２ｅを読み出して、レコメンド情報を端末２０に配信する（ステップＳ８）。端末２０は、配信されたレコメンド情報の表示（ステップＳ９）等、ユーザにレコメンド情報を通知する出力を行う。

図２０は、カテゴライズ処理の流れの一例を示すフローチャートである。カテゴライズ処理プログラム４２ｂを実行した演算部４１は、まず、カテゴライズ処理の対象となるユーザのコンテンツ視聴情報を読み出す（ステップＳ１１）。また、演算部４１は、他のユーザのコンテンツ視聴情報を読み出す（ステップＳ１２）。具体的には、ＡＩサーバ４０は、コンテンツサーバ１０に脳波ＴＢ１２ｄの読出を要求するリクエストを送信し、当該リクエストへの応答としてコンテンツサーバ１０から送信されたデータを脳波ＴＢ１２ｄに記憶されているコンテンツ視聴情報として取得する。カテゴライズ処理の対象となるユーザは、例えば、ユーザＴＢ１２ａにおいてまた分類が設定されていないレコードに含まれるユーザＩＤが与えられたユーザである。演算部４１は、ステップＳ１１の処理前にユーザＴＢ１２ａを参照し、分類が設定されていないユーザをチェックするようにしてもよい。

演算部４１は、ステップＳ１１の処理で読み出されたコンテンツ視聴情報とステップＳ１２の処理で読み出されたコンテンツ視聴情報を比較し、カテゴライズ処理の対象となるユーザが視聴済みのコンテンツと同一のコンテンツを視聴済みの他のユーザのコンテンツ視聴情報があるか判定する（ステップＳ１３）。

ステップＳ１３の処理で、カテゴライズ処理の対象となるユーザが視聴済みのコンテンツと同一のコンテンツを視聴済みの他のユーザのコンテンツ視聴情報があると判定された場合（ステップＳ１３；Ｙｅｓ）、演算部４１は、カテゴライズ処理の対象となるユーザの脳波に関する情報と、他の１人のユーザの脳波に関する情報を比較する（ステップＳ１４）。演算部４１は、ステップＳ１４の処理で比較された２人のユーザの脳波データが類似するか判定する（ステップＳ１５）。ステップＳ１４の処理における脳波に関する情報の比較及びステップＳ１５の処理における類似の判定は、例えば上述の相関係数の算出によってもよいし、評価テーブル生成処理を経て算出された脳波指数によってもよい。

ステップＳ１５の処理で、２人のユーザの脳波データが類似すると判定された場合（ステップＳ１５；Ｙｅｓ）、演算部４１は、ステップＳ１４の処理で脳波に関する情報が比較された２人のユーザを同一の分類に組分けする（ステップＳ１６）。具体的には、演算部４１は、ユーザＴＢ１２ａを読み出してステップＳ１４の処理における他の１人のユーザの分類を参照し、カテゴライズ処理の対象となるユーザの分類を当該他の１人のユーザの分類と同一の分類にする。

一方、ステップＳ１５の処理で、２人のユーザの脳波データが類似しないと判定された場合（ステップＳ１５；Ｎｏ）、ステップＳ１４の処理で脳波に関する情報が比較された２人のユーザを異なる分類に組分けする（ステップＳ１７）。ステップＳ１７の処理では、演算部４１は、例えば、ステップＳ１４の処理における他の１人のユーザの分類をカテゴライズ処理の対象となるユーザの分類として採用しないことを決定する。演算部４１は、ステップＳ１３の処理で視聴済みのコンテンツが同一であると判定された他のユーザ全員の脳波に関する情報をカテゴライズ処理の対象となるユーザの脳波に関する情報と比較したか判定する（ステップＳ１８）。ここで、カテゴライズ処理の対象となるユーザの脳波に関する情報との比較がまだ完了していない他のユーザの脳波に関する情報があると判定された場合（ステップＳ１８；Ｎｏ）、演算部４１は、ステップＳ１４の処理に移行する。すなわち、演算部４１は、比較がまだ完了していない他のユーザの脳波に関する情報と、カテゴライズ処理の対象となるユーザの脳波に関する情報を比較する処理に移行する。

一方、ステップＳ１８の処理で、他のユーザ全員分の比較処理を完了したと判定された場合（ステップＳ１８；Ｙｅｓ）、演算部４１は、カテゴライズ処理の対象となるユーザの分類として、既にユーザＴＢ１２ａに設定されている「分類」カラムの文字列とは異なる新たな文字列による分類を設定する（ステップＳ１９）。また、ステップＳ１３の処理で、カテゴライズ処理の対象となるユーザが視聴済みのコンテンツと同一のコンテンツを視聴済みの他のユーザのコンテンツ視聴情報がないと判定された場合（ステップＳ１３；Ｎｏ）、演算部４１は、ステップＳ１９の処理に移行する。

ステップＳ１６の処理又はステップＳ１９の処理後、演算部４１は、カテゴライズ処理の対象となるユーザの分類を示す情報の書込に関する処理を行い（ステップＳ２０）、カテゴライズ処理を終了する。具体的には、ＡＩサーバ４０は、カテゴライズ処理の対象となるユーザのユーザＩＤと当該ユーザＩＤを有するユーザの分類とを対応付けたデータをコンテンツサーバ１０に送信する。コンテンツサーバ１０は、当該データが示す分類を、当該分類と対応付けられたユーザＩＤのレコードとして設定する。

図２１は、レコメンド処理の流れの一例を示すフローチャートである。レコメンド処理プログラム４２ｃを実行した演算部４１は、まず、ユーザＴＢ１２ａを読み出す（ステップＳ３１）。具体的には、ＡＩサーバ４０は、コンテンツサーバ１０にユーザＴＢ１２ａの読出を要求するリクエストを送信し、当該リクエストへの応答としてコンテンツサーバ１０から送信されたデータをユーザＴＢ１２ａのデータとして取得する。

演算部４１は、レコメンド処理の対象となるユーザと同一の分類である他のユーザがいるか判定する（ステップＳ３２）。具体的には、演算部４１は、例えばステップＳ３１の処理で読み出したデータに基づいて、図２０を参照して説明したカテゴライズ処理においてカテゴライズ処理の対象となったユーザをレコメンド処理の対象となるユーザとし、当該ユーザと同一の分類である他のユーザがいるか判定する。

ステップＳ３２の処理で、レコメンド処理の対象となるユーザと同一の分類である他のユーザがいると判定された場合（ステップＳ３２；Ｙｅｓ）、演算部４１は、購入履歴ＴＢ１２ｃを参照し、レコメンド処理の対象となるユーザの購入履歴を示すレコードの読出（ステップＳ３３）を行う。また、演算部４１は、レコメンド処理の対象となるユーザと同一の分類である他の１人のユーザの購入履歴を示すレコードの読出（ステップＳ３４）を行う。具体的には、ＡＩサーバ４０は、コンテンツサーバ１０に購入履歴ＴＢ１２ｃの読出を要求するリクエストを送信し、当該リクエストへの応答としてコンテンツサーバ１０から送信されたデータを購入履歴ＴＢ１２ｃのデータとして取得する。

演算部４１は、レコメンド処理の対象となるユーザの購入履歴と他の１人のユーザの購入履歴を比較する（ステップＳ３５）。演算部４１は、他の１人のユーザの購入履歴に特有のコンテンツがあるか判定する（ステップＳ３６）。具体的には、演算部４１は、レコメンド処理の対象となるユーザの購入履歴に含まれず他の１人のユーザの購入履歴に含まれるコンテンツＩＤを特有のコンテンツを示すコンテンツＩＤとして扱い、このようなコンテンツＩＤがあるか判定する。他の１人のユーザの購入履歴に特有のコンテンツを示すコンテンツＩＤがあると判定された場合（ステップＳ３６；Ｙｅｓ）、演算部４１は、特有のコンテンツをレコメンド対象に追加する（ステップＳ３７）。具体的には、特有のコンテンツを示すコンテンツＩＤを対象コンテンツＩＤに追加する。

演算部４１は、レコメンド対象のコンテンツが所定数以上になったか判定する（ステップＳ３８）。ステップＳ３８の処理は、レコメンド対象とするコンテンツの数に上限を設ける場合の処理であり、必須でない。所定数は自然数であり、例えば３であるが、適宜変更可能であり、２以下であってもよいし、４以上であってもよい。

ステップＳ３８の処理で、レコメンド対象のコンテンツが所定数未満であると判定された場合（ステップＳ３８；Ｎｏ）、演算部４１は、レコメンド処理の対象となるユーザの購入履歴と、分類が同一である他のユーザ全員の購入履歴とを比較したか判定する（ステップＳ３９）。分類が同一である他のユーザ全員の購入履歴との比較が完了していないと判定された場合（ステップＳ３９；Ｎｏ）、演算部４１は、ステップＳ３４の処理に移行し、まだ比較が完了していない他の１人のユーザの購入履歴の読出を行う。

また、ステップＳ３６の処理で、他の１人のユーザの購入履歴に特有のコンテンツを示すコンテンツＩＤがないと判定された場合（ステップＳ３６；Ｎｏ）、演算部４１は、ステップＳ３９の判定処理に移行する。

ステップＳ３８の処理で、レコメンド対象のコンテンツが所定数以上であると判定された場合（ステップＳ３８；Ｙｅｓ）、演算部４１は、所定のコンテンツをレコメンド対象に追加する（ステップＳ４０）。所定のコンテンツは、例えば上述のコンテンツＣ４，Ｃ５のようなコンテンツである。また、ステップＳ３２の処理で、レコメンド処理の対象となるユーザと同一の分類である他のユーザがいないと判定された場合（ステップＳ３２；Ｎｏ）や、ステップＳ３９の処理で、分類が同一である他のユーザ全員の購入履歴との比較が完了したと判定された場合（ステップＳ３９；Ｙｅｓ）、演算部４１は、ステップＳ４０の処理に移行する。なお、ステップＳ４０の処理は、所定のコンテンツがある場合の処理であり、必須でない。

ステップＳ４０の処理後、演算部４１は、レコメンド処理の対象となるユーザのレコメンド対象を示す情報の書込に関する処理を行い（ステップＳ４１）、レコメンド処理を終了する。具体的には、演算部４１は、レコメンド処理の対象となるユーザのユーザＩＤを対象ユーザとする。また、演算部４１は、レコメンド対象のコンテンツを示すコンテンツＩＤを対象コンテンツＩＤとする。また、演算部４１は、レコメンド対象のコンテンツが決定された際に参照された他の１人のユーザのユーザＩＤを参照ユーザＩＤとする。なお、演算部４１は、所定のコンテンツの参照ユーザＩＤを値なし（ｎｕｌｌ）とする等、所定のコンテンツと参照ユーザＩＤとの対応付けを行わない。ＡＩサーバ４０は、対象ユーザＩＤ、対象コンテンツＩＤ、参照ユーザＩＤを含むレコメンド情報を示すデータをコンテンツサーバ１０に送信する。コンテンツサーバ１０は、当該データが示すレコメンド情報を、レコメンドＴＢ１２ｅのレコードとして設定する。

図２２は、評価テーブル生成処理及びフィードバック処理を含む主要な処理の流れの一例を示すフローチャートである。ＡＩサーバ４０は、評価テーブル生成処理（ステップＳ５１）、フィードバック処理（ステップＳ５２）を行う。コンテンツサーバ１０は、フィードバック処理後のレコメンドＴＢ１２ｅを読み出して、レコメンド情報を端末２０に配信する（ステップＳ５３）。端末２０は、配信されたレコメンド情報の表示（ステップＳ５４）等、ユーザにレコメンド情報を通知する出力を行う。

図２３は、評価テーブル生成処理の流れの一例を示すフローチャートである。評価テーブル生成処理プログラム４２ｄを実行した演算部４１は、数値化されていない脳波があるか判定する（ステップＳ６１）。具体的には、演算部４１は、コンテンツサーバ１０から脳波ＴＢ１２ｄを取得し、「脳波指数」カラムに値が設定されていないレコードがあるかチェックする。数値化されていない脳波があると判定された場合（ステップＳ６１；Ｙｅｓ）、演算部４１は、数値化されていない１つの脳波の読出を行う（ステップＳ６２）。具体的には、演算部４１は、「脳波指数」カラムに値が設定されていない１つのレコードに含まれる「脳波所在」カラムに設定されている情報に基づいた脳波データの取得を行う。

演算部４１は、ステップＳ６２の処理で読み出された脳波に基づいた脳波指数の算出を行う（ステップＳ６３）。具体的には、演算部４１は、例えば上述の図１８を参照した説明のように、脳波指数を算出する。演算部４１は、ステップＳ６３の処理で算出された脳波指数の脳波ＴＢ１２ｄへの書込に関する処理を行う（ステップＳ６４）。具体的には、演算部４１は、ステップＳ６３の処理で算出された脳波指数を、ステップＳ６２の処理で参照した脳波ＴＢ１２ｄのレコードにおける「脳波指数」カラムの値とする。

ステップＳ６４の処理後、演算部４１は、ステップＳ６１の処理に移行する。数値化されていない脳波がないと判定された場合（ステップＳ６１；Ｎｏ）、演算部４１は、評価テーブル生成処理を終了する。

図２４及び図２５は、フィードバック処理の流れの一例を示すフローチャートである。フィードバック処理プログラム４２ｅを実行した演算部４１は、レコメンドＴＢ１２ｅを読み出す（ステップＳ７１）。具体的には、ＡＩサーバ４０は、コンテンツサーバ１０にレコメンドＴＢ１２ｅの読出を要求するリクエストを送信し、当該リクエストへの応答としてコンテンツサーバ１０から送信されたデータをレコメンドＴＢ１２ｅに記憶されているレコードの情報として取得する。演算部４１は、レコメンド購入フラグが１であるレコードがあるか判定する（ステップＳ７２）。すなわち、演算部４１は、レコメンドに基づいて購入されたコンテンツがあるか判定する。

ステップＳ７２の処理で、レコメンド購入フラグが１であるレコードがあると判定された場合（ステップＳ７２；Ｙｅｓ）、演算部４１は、脳波ＴＢ１２ｄを読み出す（ステップＳ７３）。具体的には、ＡＩサーバ４０は、コンテンツサーバ１０に脳波ＴＢ１２ｄの読出を要求するリクエストを送信し、当該リクエストへの応答としてコンテンツサーバ１０から送信されたデータを脳波ＴＢ１２ｄに記憶されているレコードの情報として取得する。演算部４１は、レコメンド購入フラグが１のコンテンツに対応するコンテンツ視聴情報のレコードが脳波ＴＢ１２ｄにあるか判定する（ステップＳ７４）。レコメンド購入フラグが１のコンテンツとは、レコメンド購入フラグが１であるレコードにおける対象コンテンツＩＤが与えられているコンテンツである。すなわち、演算部４１は、レコメンドに基づいた購入記録に対応するコンテンツのコンテンツ視聴情報があるか判定する。

ステップＳ７４の処理で、レコメンド購入フラグが１のコンテンツに対応するコンテンツ視聴情報のレコードが脳波ＴＢ１２ｄにあると判定された場合（ステップＳ７４；Ｙｅｓ）、演算部４１は、レコメンドに基づいた購入記録に対応する１つのコンテンツ視聴情報を読み出す（ステップＳ７５）。また、演算部４１は、参照ユーザがステップＳ７５と同一のコンテンツの視聴中におけるコンテンツ視聴情報を読み出す（ステップＳ７６）。ステップＳ７６における参照ユーザとは、ステップＳ７５の処理対象となったレコメンド購入フラグが１であるレコードにおける参照ユーザＩＤが与えられているユーザである。

演算部４１は、ステップＳ７５の処理及びステップＳ７６の処理で読み出された２つのコンテンツ視聴情報に含まれる脳波指数を比較する（ステップＳ７７）。演算部４１は、２つの脳波指数の差が所定範囲内か判定する（ステップＳ７８）。ここで、２つの脳波指数の差が所定範囲内でないと判定された場合（ステップＳ７８；Ｎｏ）、演算部４１は、ステップＳ７５の処理対象となったレコメンド購入フラグが１であるレコードにおける評価点を変更する（ステップＳ７９）。例えば、演算部４１は、当該評価点を−１する。

ステップＳ７９の処理後又はステップＳ７８の処理で２つの脳波指数の差が所定範囲内であると判定された場合（ステップＳ７８；Ｙｅｓ）、演算部４１は、ステップＳ７５の処理対象となったレコメンド購入フラグが１であるレコードにおけるレコメンド購入フラグを０にする（ステップＳ８０）。ステップＳ８０の処理によって、コンテンツの購入という結果が導出されたレコメンドの妥当性が評価済みであることがレコメンドＴＢ１２ｅに記憶される。

演算部４１は、レコメンド購入フラグが１のコンテンツに対応する全てのコンテンツ視聴情報の確認が完了したか判定する（ステップＳ８１）。ここで、レコメンド購入フラグが１のコンテンツに対応する全てのコンテンツ視聴情報の確認が完了していないと判定された場合（ステップＳ８１；Ｎｏ）、演算部４１は、ステップＳ７５の処理に移行する。すなわち、演算部４１は、レコメンド購入フラグが１のレコードが複数ある場合、脳波指数に基づいたレコメンドの妥当性の評価がまだ完了していないコンテンツ視聴情報の読出に移行する。

ステップＳ８１の処理で、レコメンド購入フラグが１のコンテンツに対応する全てのコンテンツ視聴情報の確認が完了したと判定された場合（ステップＳ８１；Ｙｅｓ）、演算部４１は、レコメンドＴＢ１２ｅにおいてレコメンド購入フラグがｎｕｌｌである全てのレコードの評価点を変更する（ステップＳ８２）。例えば、演算部４１は、レコメンド購入フラグがｎｕｌｌである全てのレコードの評価点を−１する。これによって、レコメンドされたにも関わらずフィードバック処理が行われるまでコンテンツの購入という結果をもたらさなかったレコメンドの妥当性の評価が行われる。また、ステップＳ７２の処理で、レコメンド購入フラグが１であるレコードがないと判定された場合（ステップＳ７２；Ｎｏ）、演算部４１は、ステップＳ８２の処理に移行する。

演算部４１は、評価点が変更されたレコードのうち、所定条件を満たすレコードがあるか判定する（ステップＳ８３）。所定条件とは、例えば、上述の通り、脳波指数の算出に用いられた係数毎の評価点を合算した値が、所定の累積値以下又は累積値を下回る値になることである。所定条件を満たすレコードがあると判定された場合（ステップＳ８３；Ｙｅｓ）、演算部４１は、所定条件を満たす係数の一部又は全部を変更する（ステップＳ８４）。例えば、変更前の係数に基づく、対象ユーザの脳波指数と参照ユーザの脳波指数の差が所定の範囲内で無かったデータを取得して、変更後の係数に基づく脳波指数を再演算して、再演算した脳波指数の差が所定の範囲内になるような係数に変更する。

ステップＳ８４の処理後又はステップＳ８３の処理で所定条件を満たすレコードがないと判定された場合（ステップＳ８３；Ｎｏ）、演算部４１は、評価点が下限を下回る対象ユーザと参照ユーザの組み合わせがあるか判定する（ステップＳ８５）。評価点が下限を下回る対象ユーザと参照ユーザの組み合わせがあると判定された場合（ステップＳ８５；Ｙｅｓ）、演算部４１は、対象ユーザと参照ユーザの分類を異なる分類にする（ステップＳ８６）。ステップＳ８６の処理後又はステップＳ８５の処理で評価点が下限を下回る対象ユーザと参照ユーザの組み合わせがないと判定された場合（ステップＳ８５；Ｎｏ）、演算部４１は、フィードバック処理を終了する。

なお、ステップＳ８５の判定では、評価点が下限以下の対象ユーザと参照ユーザの組み合わせがあるか判定するようにしてもよい。

以上説明したように、本実施形態によれば、コンテンツの視聴中に検知された脳波に関する情報（例えば、脳波データ又は脳波指数）に基づいてユーザを分類する。これによって、コンテンツに対するユーザの評価等の能動的な入力がなくてもユーザを分類することができる。また、あるユーザと同一の分類である他のユーザと関連付けられたコンテンツであって当該あるユーザと関連付けられていないコンテンツ（例えば、他のユーザが購入済みであって、あるユーザが未購入のコンテンツ）を第２のコンテンツとして抽出する。これによって、抽出されたコンテンツを当該あるユーザにレコメンドすることができる。

また、複数のユーザが同一のコンテンツの視聴中に検知された脳波の類似性に基づいて複数のユーザを分類することで、当該同一のコンテンツに対する意識が類似したユーザを同一の分類にしやすくなる。従って、ユーザの分類の妥当性をより高めやすくなる。

また、閾値に基づいて脳波を数値化することで、コンテンツを視聴中の脳波データを保持し続けなくとも数値化された脳波の情報（例えば、脳波指数）を保持することで複数のユーザを分類するための情報を保持することができる。また、数値化のルールを任意に定めることで、分類のルール等を任意に決定することができる。

また、対象ユーザの脳波指数と参照ユーザの脳波指数とに基づいてレコメンドの妥当性を判定することで、脳波指数に基づいてレコメンドの妥当性をより高めるための情報を得ることができる。

また、対象ユーザの脳波指数と参照ユーザの脳波指数との差が所定範囲であるかどうかで妥当性を判定することで、より簡便な処理で妥当性を判定することができる。

また、妥当性の評価点を設定し、対象ユーザの脳波指数と参照ユーザの脳波指数との差（例えば、所定範囲を超える差）に応じて評価点を減点することで、ユーザの分類やレコメンドの妥当性に関する情報をデータ化することができる。

また、評価点の減点の度合いに基づいて、同一の分類とされていたあるユーザと他のユーザとを異なる分類にすることで、妥当性を欠いていた可能性のあるユーザの分類をより妥当性が高いユーザの分類に再設定しやすくなる。

また、コンテンツサーバ１０を設けることで、複数のユーザと複数のコンテンツとの関係を示す関連付け情報（例えば、購入履歴ＴＢ１２ｃ）の保持やレコメンド情報の配信に関する機能等をＡＩサーバ４０以外の構成に与えることができる。

なお、ＡＩサーバ４０とコンテンツサーバ１０は、上記の実施形態のように個別の情報処理装置であってもよいし、上記の実施形態と異なり、一つの情報処理装置を共有する構成であってもよい。

１人のユーザが１つのコンテンツを複数回視聴した場合、所定回数まで個別の脳波ＴＢ１２ｄのレコードを記憶するようにしてもよい。複数回視聴されたコンテンツの脳波指数は、そのいずれかのレコードの脳波指数であってもよいし、複数回視聴されたことにより記憶された複数のレコードの各々に含まれる脳波指数の平均値であってもよい。

脳波の類似性（相関係数の算出等）の判定の対象とする第１のコンテンツは、同一のコンテンツの視聴中に検知された脳波データに限られない。例えば、カテゴライズ処理部８１は、コンテンツカテゴリＣＣ１，ＣＣ２，ＣＣ３のいずれか１つに含まれるコンテンツを複数のユーザが視聴している場合等、同一のカテゴリに含まれるコンテンツのいずれかを複数のユーザが視聴した時の脳波データを対象として当該複数のユーザの脳波の類似性を判定するようにしてもよい。

同一のカテゴリに含まれるコンテンツは、同一ジャンルのカテゴリに限られない。例えば、映画における監督、出演者の一部が一致する複数のコンテンツを同一のカテゴリとしてもよい。

評価点を減点する条件は、上述の例に限定されない。例えば、レコメンドに基づいて購入されたものの、ＨＭＤ３０を用いたコンテンツの再生が中途で終了された等、コンテンツの視聴が完了しなかったことにより未完の脳波データが得られたコンテンツ視聴情報を導出することになったレコメンドの評価点を減点するようにしてもよい。この場合、コンテンツの視聴が完了したかを示す項目（例えば、「視聴完了」カラム）が脳波ＴＢ１２ｄに追加され、当該項目の記録（例えば、０：未完、１：完了の２値）によってコンテンツの視聴が完了したかの記録が残される。フィードバック処理部８４は、当該項目を参照して評価点を減点するか判定する。

本実施形態では、コンテンツサーバ１０を介してレコメンド情報を端末２０に送信しているが、ＡＩサーバ４０から端末２０にレコメンド情報を送信するようにしてもよい。また、レコメンド情報の通知方法は、図６を参照して説明した方法に限られない。例えば、電子メールやインスタントメッセージ等を用いてレコメンド情報を端末２０に提供するようにしてもよい。また、コンテンツ及びレコメンド情報を配信する構成と、脳波を受信して脳波に基づいて変化するデータを管理する構成がそれぞれ異なる構成であってもよい。具体的には、コンテンツサーバ１０の機能のうち、電子商取引プログラム１２ｆおよびレコメンドプログラム１２ｇに基づき、図６及び図７に示すようなトップページ５０や購入画面５５を介してコンテンツ及びレコメンド情報を端末２０に配信する機能を有する構成と、コンテンツサーバ１０の機能のうちＡＩサーバ４０の演算部４１におけるカテゴライズ処理等の処理において必要となる脳波ＴＢ１２ｄのようなＤＢとして機能するデータを管理する構成とが別個に設けられていてもよい。

本実施形態では、ＡＩサーバ４０が脳波データを数値化する機能を有しているが、ＨＭＤ３０が脳波データを数値化する機能を有していてもよい。この場合、ＨＭＤ３０の演算部３１が、評価テーブル生成処理プログラム４２ｄと同様のプログラムを実行して脳波検知部３５から出力された脳波データを数値化して脳波指数を算出する。この場合、脳波指数が、コンテンツ視聴情報に含まれることになる。この場合、端末２０は、上述の実施形態と同様に脳波データをＨＭＤ３０から取得してもよいし、脳波データ３０を取得せず脳波指数のみを取得するようにしてもよい。

本実施形態のコンテンツ提供システム１では、ユーザにコンテンツを個別に購入してもらう形態を取っているが、これはあくまでコンテンツの提供方法の一例であってこれに限られるものでない。コンテンツ提供システム１は、例えば、定額で所定期間内に一定範囲内のコンテンツを視聴可能とする所謂定額制のコンテンツ提供を行う形態を取ってもよい。この場合、購入履歴ＴＢ１２ｃは必ずしも必要ない。ユーザは、例えば認証処理を経ることでコンテンツの視聴が可能になる。この場合、脳波ＴＢ１２ｄが関連付け情報として機能する。レコメンド処理部８２は、脳波ＴＢ１２ｄを参照し、対象ユーザが未視聴であって参照ユーザが視聴済みのコンテンツを抽出する。例えば、コンテンツサーバ１０は、購入履歴ＴＢ１２ｃの代わりにユーザＩＤと視聴されたコンテンツのコンテンツＩＤとの関係を記録する視聴履歴ＴＢを有する。また、レコメンドＴＢ１２ｅは、レコメンド購入フラグの代わりにレコメンドしたコンテンツの視聴の有無を示すレコメンド視聴フラグを記録する。

ＨＭＤ３０は、出力部３４として表示装置を含まずに、視差画像を表示するためのレンズが配置され、別の情報処理装置端末、又は、端末２０の出力部である表示装置を利用することによってコンテンツを視聴するようにしてもよい。

フィードバック処理では、脳波指数等の脳波に関するデータを同一分類のユーザで比較した方が、分類の妥当性を判断できるので好ましい。しかし、脳波指数は、コンテンツに対して求められる。従って、コンテンツ又はコンテンツジャンル毎にあらかじめ脳波指数の閾値を設定し、脳波指数が当該閾値以上である脳波データを示した場合に、レコメンドが妥当であったと判定し、脳波指数が当該閾値より小さい脳波データを示した場合に、レコメンドが妥当性を欠いていたとして評価点を減点してもよい。

また、本実施形態において述べた態様によりもたらされる他の作用効果について本明細書記載から明らかなもの、又は当業者において適宜想到し得るものについては、当然に本発明によりもたらされるものと解される。

１ コンテンツ提供システム
１０ コンテンツサーバ
１１，２１，３１，４１ 演算部
１２，２２，３２，４２ 記憶部
１３，２３，３３，４３ 通信部
１２ａ ユーザＴＢ
１２ｂ コンテンツＴＢ
１２ｃ 購入履歴ＴＢ
１２ｄ 脳波ＴＢ
１２ｅ レコメンドＴＢ
１２ｆ 電子商取引プログラム
１２ｇ レコメンドプログラム
２０ 端末
２２ｂ コンテンツ視聴プログラム
２２ｃ 脳波連携プログラム
３０ ＨＭＤ
３５ 脳波検知部
４０ ＡＩサーバ
４２ａ 脳波利用プログラム
４２ｂ カテゴライズ処理プログラム
４２ｃ レコメンド処理プログラム
４２ｄ 評価テーブル生成処理プログラム
４２ｅ フィードバック処理プログラム
５０ トップページ
５３ レコメンド情報表示部
５６ 購入対象コンテンツ情報表示部
６１ コンテンツ視聴情報取得部
６３ レコメンド情報からの購入操作情報
７１ コンテンツ視聴情報記録部
７２ レコメンド情報配信部
７３ レコメンド結果記録部
８１ カテゴライズ処理部
８２ レコメンド処理部
８３ 評価テーブル生成処理部
８４ フィードバック処理部
ＤＢ データベース
Ｎ コンピュータネットワーク
Ｎ１，Ｎ２，Ｎ３ 通信回線
ＮＮ 近距離通信回線

Claims (10)

1. ヘッドマウントディスプレイと、前記ヘッドマウントディスプレイを用いて視聴された第１のコンテンツに基づいて少なくとも１つの第２のコンテンツを抽出する抽出サーバとを備えるレコメンドシステムであって、
   前記ヘッドマウントディスプレイは、
   前記第１のコンテンツを視聴中のユーザの脳波を検知する検知部を有し、
   前記抽出サーバは、
   複数の前記ユーザの脳波に関する情報に基づいて複数の前記ユーザを分類する分類部と、
   あるユーザと同一の分類である他のユーザと関連付けられたコンテンツであって当該あるユーザと関連付けられていないコンテンツを前記第２のコンテンツとして抽出する抽出部とを有する
   レコメンドシステム。
2. 前記分類部は、複数の前記ユーザが同一のコンテンツ又は同一のカテゴリに属するコンテンツの視聴中に検知された脳波の類似性に基づいて複数の前記ユーザを分類する
   請求項１に記載のレコメンドシステム。
3. 前記ヘッドマウントディスプレイ又は前記抽出サーバは、閾値に基づいて脳波を数値化する数値化部を有し、
   前記分類部は、複数の前記ユーザが同一のコンテンツ又は同一のカテゴリに属するコンテンツの視聴中に検知された脳波の数値の差に基づいて複数の前記ユーザを分類する
   請求項１又は２に記載のレコメンドシステム。
4. 前記検知部は、前記第２のコンテンツを視聴中の前記あるユーザの脳波を検知し、
   前記抽出サーバは、前記第２のコンテンツを視聴中の前記あるユーザの脳波の数値と、当該第２のコンテンツを視聴中の前記他のユーザの脳波の数値とに基づいて前記第２のコンテンツの抽出の妥当性を判定する判定部を有する
   請求項３に記載のレコメンドシステム。
5. 前記判定部は、前記第２のコンテンツを視聴中の前記あるユーザの脳波の数値と、当該第２のコンテンツを視聴中の前記他のユーザの脳波の数値との差が所定範囲内であった場合に前記第２のコンテンツの抽出が妥当であったと判定する
   請求項４に記載のレコメンドシステム。
6. 前記抽出サーバは、第２のコンテンツを視聴中の前記あるユーザの脳波の数値と、当該第２のコンテンツを視聴中の前記他のユーザの脳波の数値との差に応じて前記妥当性の評価点を減点する
   請求項４又は５に記載のレコメンドシステム。
7. 前記分類部は、前記評価点の減点の度合いに基づいて、同一の分類とされていた前記あるユーザと前記他のユーザとを異なる分類にする
   請求項６に記載のレコメンドシステム。
8. 前記レコメンドシステムは、前記ヘッドマウントディスプレイを用いて視聴されるコンテンツに関するデータを記憶するコンテンツサーバを備え、前記ヘッドマウントディスプレイ、前記抽出サーバ及び前記コンテンツサーバが相互通信可能に接続されており、
   前記コンテンツサーバは、
   複数の前記ユーザと複数のコンテンツとの関係を示す関連付け情報及び複数の前記ユーザの脳波に関する情報を記憶する記憶部と、
   前記第２のコンテンツの視聴を薦める情報を前記あるユーザに配信する配信部とを有し、
   前記分類部は、前記記憶部に記憶されている前記ユーザの脳波に関する情報を参照し、
   前記抽出部は、前記記憶部に記憶されている前記関連付け情報を参照して前記第２のコンテンツを抽出し、
   前記抽出サーバは、前記第２のコンテンツに関する情報を前記コンテンツサーバに送信する
   請求項１から７のいずれか一項に記載のレコメンドシステム。
9. 第１のコンテンツを視聴中のユーザの脳波に関する情報に基づいて少なくとも１つの第２のコンテンツを抽出する情報処理装置であって、
   複数の前記ユーザの脳波に関する情報に基づいて複数の前記ユーザを分類する分類部と、
   あるユーザと同一の分類である他のユーザと関連付けられたコンテンツであって当該あるユーザと関連付けられていないコンテンツを前記第２のコンテンツとして抽出する抽出部とを有する
   情報処理装置。
10. 第１のコンテンツを視聴中のユーザの脳波に関する情報に基づいた複数の前記ユーザの分類に関する情報と、あるユーザと同一の分類である他のユーザと関連付けられたコンテンツであって当該あるユーザと関連付けられていないコンテンツとして抽出されて前記あるユーザにレコメンドされた第２のコンテンツに関する情報と、前記第２のコンテンツを視聴中の前記あるユーザ及び前記他のユーザの脳波を数値化した情報及び当該数値化に用いられる係数を含むデータを学習前のデータとして、
    前記あるユーザに対する前記第２のコンテンツのレコメンド後に前記あるユーザが前記第２のコンテンツを視聴したかを示す情報及び前記第２のコンテンツを視聴中の前記あるユーザ及び前記他のユーザの脳波を数値化した情報の少なくとも一方に基づいて前記学習前のデータの評価点を算出し、前記評価点に基づいて前記分類、前記第２のコンテンツの抽出及び前記係数の少なくとも１つ以上を更新するフィードバック処理部を有する
    ＡＩサーバ。

Images