JP2020194284A - レコメンド装置、レコメンド方法、及びレコメンドプログラム - Google Patents

Abstract

【課題】レコメンドの候補となり得る対象を適切に増やして、潜在的な需要を発掘することを可能とする。【解決手段】レコメンド装置（ショッピングサーバ）のシステム制御部１１は、複数の取引対象それぞれについて取引対象の複数の属性を示す属性情報を取得する属性取得部と、複数のユーザそれぞれによる取引対象の選択履歴を示す履歴情報を取得する履歴取得部と、属性情報及び履歴情報に基づいて、複数の取引対象に含まれる取引対象間の相関性を示す相関性情報を生成する相関情報生成部と、第１取引対象と第２取引対象との間における属性の一致性に基づいて、第１取引対象と、第２取引対象を選択したことがあるユーザが選択したことがある別の第３取引対象との間の相関性を決定する重視度決定部と、生成された相関性情報に基づいて、取引対象に関連するレコメンドを示すレコメンド情報を提示させるレコメンド部と、を有する。【選択図】図４

Description

本発明は、取引対象に関連するレコメンド情報をユーザに対して提示する方法に関する。

従来、商品やサービス等の取引対象をレコメンドする方法として、協調フィルタリングが知られている。協調フィルタリングは、同じ取引対象を選択したユーザは同じ嗜好を有する蓋然性が高いというコンセプトに基づく。例えば、取引対象Ａ及びＢを選択したことがあるユーザ甲と、取引対象Ａを選択したことがあるユーザ乙が存在する場合、ユーザ乙に対して取引対象Ｂがレコメンドされる。この方法においては、例えばユーザによる取引対象の購入、閲覧等の選択の履歴に基づいて、取引対象間又はユーザ間の相関性が算出される（例えば、特許文献１）。

特許第５６４７５７５号公報

しかしながら、協調フィルタリングを用いた従来の方法では、或る取引対象について選択の履歴を有するユーザに対してレコメンドを行う場合に、レコメンド先のユーザ以外のユーザのうち、その取引対象を選択したことがあるユーザによって選択されたことがない取引対象についてはレコメンドを行うことができなかった。

本発明は以上の点に鑑みてなされたものであり、その課題の一例は、レコメンドの候補となり得る対象を適切に増やして、潜在的な需要を発掘することを可能とするレコメンド装置、レコメンド方法、及びレコメンドプログラムを提供することにある。

上記課題を解決するために、請求項１に記載の発明は、複数の取引対象それぞれについて複数の属性を示す属性情報を記憶する属性記憶手段から、前記属性情報を取得する属性情報取得手段と、複数のユーザそれぞれによる前記取引対象の選択履歴を示す履歴情報を記憶する履歴記憶手段から、前記履歴情報を取得する履歴取得手段と、前記取得された属性情報及び前記取得された履歴情報に基づいて、前記複数の取引対象に含まれる取引対象間の相関性を示す相関性情報を生成する生成手段であって、前記複数の取引対象に含まれる第１取引対象と第２取引対象との間における属性の一致性に基づいて、前記第１取引対象と、前記第２取引対象を選択したことがあるユーザが選択したことがある別の第３取引対象との間の相関性を決定する生成手段と、前記生成された相関性情報に基づいて、前記取引対象に関連するレコメンドを示すレコメンド情報を提示させるレコメンド手段と、を備えることを特徴とする。

この発明によれば、第１取引対象と第２取引対象との間における属性の一致性に基づいて、第１取引対象と第３取引対象との間の相関性が決定される。第１取引対象と第２取引対象との間における属性の一致性の程度が相対的に高い場合、第１取引対象を選択したことがあるユーザは、第２取引対象も選択する蓋然性が高い。第３取引対象は、第２取引対象を選択したことがある何れかのユーザによる選択実績がある取引対象である。従って、第１取引対象と第２取引対象との間における属性の一致性の程度が相対的に高い場合、第１取引対象を選択したことがあるユーザは、第３取引対象も選択する蓋然性がある。そのため、上述したように、第１取引対象と第３取引対象との間の相関性を決定することができる。第１取引対象を選択したことがあるユーザの中に、たとえ第３取引対象の選択実績があるユーザが存在しなかったとしても又は第３取引対象の選択実績があるユーザが少なかったとしても、第１取引対象を選択したことがあるユーザに対してレコメンド情報を提示する取引対象の候補に、選択される蓋然性がある第３取引対象を含ませることができる。従って、レコメンドの候補となり得る対象を適切に増やして、潜在的な需要を発掘することができる。

請求項２に記載の発明は、前記生成手段は、前記第１取引対象と前記第２取引対象との間で一致性を有する属性の数が所定数を超える場合、前記第１取引対象と前記第３取引対象との間に相関があると決定することを特徴とする。

この発明によれば、同一のユーザによって選択される蓋然性が高い商品の組み合わせについてのみ相関させることができる。

請求項３に記載の発明は、前記生成手段は、前記第１取引対象と前記第２取引対象との間で一致性を有する属性の数が多いほど、前記第１取引対象と前記第３取引対象との間の相関を高くすることを特徴とする。

この発明によれば、同一のユーザによって選択される蓋然性に応じて、第１取引対象と第３取引対象との間の相関性を決定することができる。

請求項４に記載の発明は、前記生成手段は、前記第１取引対象と前記第３取引対象とが同一のユーザに選択された程度が所定程度以下である場合に、前記第１取引対象と前記第２取引対象との間における属性の一致性に基づいて、前記第１取引対象と前記第３取引対象との間の相関性を決定することを特徴とする。

この発明によれば、第１取引対象を選択したことがあるユーザの中に、第３取引対象の選択実績があるユーザが存在しなかった場合に又は第３取引対象の選択実績があるユーザが少なかった場合に、第１取引対象と第３取引対象とを相関させることができる。

請求項５に記載の発明は、前記履歴情報及び前記属性情報に基づいて、前記複数の属性それぞれについてユーザが重視する度合いを示す重視度情報を、ユーザごとに決定する決定手段を更に備え、前記レコメンド手段は、前記重視度情報に基づいて、前記複数の取引対象のうち、前記レコメンド情報が提示される提示先ユーザが選択したことがある選択取引対象との間に相関を有する相関取引対象の中から、前記レコメンド情報を提示する取引対象を決定することを特徴とする。

この発明によれば、レコメンド情報が提示される候補となる取引対象が複数存在する場合に、複数の属性それぞれに対してユーザが重視する度合いに基づいて、それらの取引対象の中からユーザが選択する蓋然性がある取引対象に関連して、レコメンド情報を提示させることができる。

請求項６に記載の発明は、前記決定手段は、前記提示先ユーザが選択したことがある取引対象間で一致性を有する度合いが高い属性であるほど、該属性に対する前記重視する度合いを高くすることを特徴とする。

この発明によれば、複数の属性それぞれに対してユーザが重視する度合いを適切に決定することができる。

請求項７に記載の発明は、前記レコメンド手段は、前記相関取引対象のうち、前記選択取引対象との間で一致性を有する属性について前記提示先ユーザが重視する度合いが高い取引対象であるほど優先的に、前記レコメンド情報を提示する取引対象に決定することを特徴とする。

この発明によれば、ユーザによる選択実績がある取引対象との間で属性の一致性がある取引対象の中で、その属性に対してそのユーザが重視する度合いが高い取引対象であるほど、優先的にレコメンド情報が提示される。ユーザは、特定の属性を重視して取引対象を選択した蓋然性がある。従って、ユーザが選択する蓋然性がある取引対象に関連して、レコメンド情報を提示させることができる。

請求項８に記載の発明は、前記レコメンド手段は、前記取引対象を薦める前記レコメンド情報又は前記取引対象が有する何れかの属性を薦める前記レコメンド情報を提示させることを特徴とする。

請求項９に記載の発明は、コンピュータにより実行されるレコメンド方法において、複数の取引対象それぞれについて複数の属性を示す属性情報を記憶する属性記憶手段から、前記属性情報を取得する属性情報取得ステップと、複数のユーザそれぞれによる前記取引対象の選択履歴を示す履歴情報を記憶する履歴記憶手段から、前記履歴情報を取得する履歴取得ステップと、前記取得された属性情報及び前記取得された履歴情報に基づいて、前記複数の取引対象に含まれる取引対象間の相関性を示す相関性情報を生成する生成ステップであって、前記複数の取引対象に含まれる第１取引対象と第２取引対象との間における属性の一致性に基づいて、前記第１取引対象と、前記第２取引対象を選択したことがあるユーザが選択したことがある別の第３取引対象との間の相関性を決定する生成ステップと、前記生成された相関性情報に基づいて、前記取引対象に関連するレコメンドを示すレコメンド情報を提示させるレコメンドステップと、を含むことを特徴とする。

請求項１０に記載の発明は、コンピュータを、複数の取引対象それぞれについて複数の属性を示す属性情報を記憶する属性記憶手段から、前記属性情報を取得する属性情報取得手段と、複数のユーザそれぞれによる前記取引対象の選択履歴を示す履歴情報を記憶する履歴記憶手段から、前記履歴情報を取得する履歴取得手段と、前記取得された属性情報及び前記取得された履歴情報に基づいて、前記複数の取引対象に含まれる取引対象間の相関性を示す相関性情報を生成する生成手段であって、前記複数の取引対象に含まれる第１取引対象と第２取引対象との間における属性の一致性に基づいて、前記第１取引対象と、前記第２取引対象を選択したことがあるユーザが選択したことがある別の第３取引対象との間の相関性を決定する生成手段と、前記生成された相関性情報に基づいて、前記取引対象に関連するレコメンドを示すレコメンド情報を提示させるレコメンド手段と、として機能させることを特徴とする。

本発明によれば、レコメンドの候補となり得る対象を適切に増やして、潜在的な需要を発掘することができる。

一実施形態に係るショッピングシステムＳの概要構成の一例を示す図である。 一実施形態に係るショッピングサーバ１の概要構成の一例を示すブロック図である。 データベースに記憶される情報の例を示す図である。 一実施形態に係るショッピングサーバ１のシステム制御部１１の機能ブロックの一例を示す図である。 （ａ）は、商品選択履歴ＤＢ１４ｂに記憶された選択履歴の一例を示す図である。（ｂ）は、中間的な相関性情報の一例を示す図である。（ｃ）は、中間的な相関性情報の別の例を示す図である。 （ａ）は、商品属性ＤＢ１４ａに記憶される属性情報の一例を示す図である。（ｂ）は、中間的な相関性情報を修正することにより生成された最終的な相関性情報の一例を示す図である。（ｃ）は、中間的な相関性情報を修正することにより生成された最終的な相関性情報の別の例を示す図である。 （ａ）は、或るユーザの選択履歴の一例を示す図である。（ｂ）は、或るユーザの重視度情報の一例を示す図である。（ｃ）は、優先度の算出例を示す図である。 ショッピングサーバ１のシステム制御部１１による相関性情報生成処理の一例を示すフローチャートである。 ショッピングサーバ１のシステム制御部１１による重視度決定処理の一例を示すフローチャートである。 ショッピングサーバ１のシステム制御部１１によるレコメンド処理の一例を示すフローチャートである。

以下、図面を参照して本発明の実施形態について詳細に説明する。以下に説明する実施形態は、オンラインショッピングサイトにおいて、取引対象の一例として、ＣＤ（Compact Disk）等の音楽作品の商品に関連したレコメンドを行うショッピングサーバに対して本発明を適用した場合の実施形態である。取引対象は音楽作品に限定されるものではない。例えば、取引対象は、ＤＶＤ（Digital Versatile Disc）、書籍、音楽データ、その他の商品であってもよい。また、取引対象はサービスであってもよい。

［１．ショッピングシステムの構成及び機能概要］
先ず、本実施形態に係るショッピングシステムＳの構成及び機能概要について、図１を用いて説明する。図１は、本実施形態に係るショッピングシステムＳの概要構成の一例を示す図である。

図１に示すように、ショッピングシステムＳは、ショッピングサーバ１と、複数のユーザ端末２と、を含んで構成される。ショッピングサーバと各ユーザ端末２は、ネットワークＮＷを介して互いに接続される。ネットワークＮＷは、例えばインターネット、専用通信回線（例えば、ＣＡＴＶ（Community Antenna Television）回線）、移動体通信網（基地局等を含む）、及びゲートウェイ等により構築されている。

ショッピングサーバ１は、オンラインショッピングサイトにおける商品の売買に関する様々な処理を実行するサーバ装置である。ショッピングサーバ１は、ユーザ端末２からの要求に応じて、オンラインショッピングサイトのウェブページ等、ユーザ端末２の画面に表示される情報をユーザ端末２へ送信する。また、ショッピングサーバ１は、レコメンド情報をユーザ端末２に提示させる。レコメンド情報は、例えばオンラインショッピングサイトで販売される商品に関連するレコメンドを示す。商品に関連するレコメンドは、例えばその商品自体の購入や予約を薦めることであってもよいし、取引対象が有する特定の属性を薦めることであってもよい（例えば、特定の歌手を薦めたり、特定のジャンルを薦めたりする等）。

各ユーザ端末２は、オンラインショッピングサイトを利用するユーザにより利用される端末装置である。ユーザ端末２の例として、パーソナルコンピュータ、セットトップボックス、スマートフォン、タブレット式コンピュータ等の携帯情報端末、携帯電話機、ＰＤＡ（Personal Digital Assistant）等が挙げられる。各ユーザ端末２には、ウェブブラウザやオンラインショッピング用のアプリケーションプログラムがインストールされている。ユーザ端末２は、ウェブブラウザを介してオンラインショッピングサイトのウェブページを表示したり、アプリケーションプログラムに従って、オンラインショッピングサイトの情報を表示したりする。

［２．ショッピングサーバの構成］
次に、ショッピングサーバ１の構成について、図２及び図３を用いて説明する。図２は、本実施形態に係るショッピングサーバ１の概要構成の一例を示すブロック図である。図２に示すように、ショッピングサーバ１は、システム制御部１１と、システムバス１２と、入出力インターフェース１３と、記憶部１４と、通信部１５と、を備えている。システム制御部１１と入出力インターフェース１３とは、システムバス１２を介して接続されている。

システム制御部１１は、ＣＰＵ（Central Processing Unit）１１ａ、ＲＯＭ（Read Only Memory）１１ｂ、ＲＡＭ（Random Access Memory）１１ｃ等により構成されている。

入出力インターフェース１３は、記憶部１４及び通信部１５とシステム制御部１１との間のインターフェース処理を行う。

記憶部１４は、例えば、ハードディスクドライブ等により構成されている。この記憶部１４には、商品属性ＤＢ１４ａ、商品選択履歴ＤＢ１４ｂ、商品相関性ＤＢ１４ｃ、属性重視度ＤＢ１４ｄ等のデータベースが記憶されている。ＤＢは、データベースの略語である。

図３は、データベースに記憶される情報の例を示す図である。商品属性ＤＢ１４ａには、オンラインショッピングサイトで販売される商品、特に音楽作品の商品に関する属性情報が、商品ごとに記憶される。例えば、商品属性ＤＢ１４ａには、属性情報として、商品ＩＤ、歌手ＩＤ、歌手名、作曲家名、作詞家名、音楽のジャンル、発売年等の商品の属性が互いに関連付けて記憶される。商品ＩＤは、商品を識別する識別情報である。歌手ＩＤは、歌手を識別する識別情報である。歌手名が異なる複数の歌手が、実際には同一の歌手である場合、これらの歌手名に対して互いに同一の歌手ＩＤが割り当てられる。

商品選択履歴ＤＢ１４ｂには、オンラインショッピングサイトでの商品の選択履歴が、商品が選択されるごとに記憶される。選択履歴の例として、商品の購入履歴若しくは予約履歴、商品の詳細な情報の閲覧履歴（詳細な情報を閲覧する商品の選択履歴）等が挙げられる。例えば、商品選択履歴ＤＢ１４ｂには、選択履歴として、ユーザＩＤ、商品ＩＤ、選択日時等が関連付けて記憶される。ユーザＩＤは、商品を選択したユーザを識別する識別情報である。商品ＩＤは、選択された商品を示す。

商品相関性ＤＢ１４ｃには、オンラインショッピングサイトで販売される複数の商品に含まれる商品間の相関性を示す相関性情報が、商品ごとに記憶される。商品間の相関性は、例えばアイテムベースの協調フィルタリングをベースとする。例えば、或る商品Ａと商品Ｂとの組み合わせが同一ユーザによって選択されやすい組み合わせであるほど、商品Ａと商品Ｂとの間の相関が高い。商品相関性ＤＢ１４ｃには、例えば相関性情報として、商品ＩＤと、各商品に対応する相関性の値とが関連付けて記憶される。商品ＩＤは、軸となる商品を示す。軸となる商品は、レコメンド情報の提示先のユーザが選択したことがある商品に対応する。相関性の値は、軸となる商品と、各商品との間の相関性を示す。相関性の値は、相関の有無を示してもよいし、相関の高さを数値で示すものであってもよい。

属性重視度ＤＢ１４ｄには、商品が有する複数の属性にそれぞれについて、ユーザが重視する度合いを示す重視度情報が、ユーザごとに記憶される。例えば、属性重視度ＤＢ１４ｄには、重視度情報として、歌手に対する重視度、作曲家に対する重視度、作詞家に対する重視度、ジャンルに対する重視度、発売年代に対する重視度等の各属性に対する重視度が記憶される。

記憶部１４には、更にオペレーティングシステム、ＤＢＭＳ（Database Management System）、レコメンド用プログラム等の各種プログラムが記憶されている。レコメンド用プログラムは、例えば記憶部１４に記憶されるデータベースの更新、データベースに基づくレコメンド等、レコメンドに関連する処理をシステム制御部１１に実行させるプログラムである。レコメンド用プログラムは、例えば、他の装置からネットワークＮＷを介して取得されるようにしてもよいし、磁気テープ、光ディスク、メモリカード等の記録媒体に記録されてドライブ装置を介して読み込まれるようにしてもよい。

通信部１５は、ネットワークＮＷを介して、各ユーザ端末２と接続し、これらの装置との通信状態を制御する。

［３．システム制御部の機能概要］
次に、図４乃至図７を用いて、ショッピングサーバ１のシステム制御部１１の機能概要について説明する。図４は、本実施形態に係るショッピングサーバ１のシステム制御部１１の機能ブロックの一例を示す図である。システム制御部１１は、ＣＰＵ１１ａが、レコメンド用プログラムに含まれる各種プログラムコードを読み出し実行することにより、図４に示すように、属性取得部１１１、履歴取得部１１２、相関性情報生成部１１３、重視度決定部１１４、レコメンド部１１５等として機能する。

属性取得部１１１は、複数の商品それぞれについて商品の複数の属性を示す属性情報を、商品属性ＤＢ１４ａから取得する。属性情報に示される各属性は、ユーザが商品を選択する場合に、選択される商品の条件としてユーザに用いられる可能性がある属性であることが望ましい。

履歴取得部１１２は、複数のユーザそれぞれによる商品の選択履歴を、記憶部１４から取得する。属性取得部１１１による属性情報の取得と、履歴取得部１１２による履歴の取得とは、何れが先に実行されてもよいし、同時に実行されてもよい。

相関性情報生成部１１３は、属性取得部１１１により取得された属性情報及び履歴取得部１１２により取得された選択履歴に基づいて、相関性情報を生成する。先ず、相関性情報生成部１１３は、選択履歴に基づき、一般的な協調フィルタリングを用いた方法と同様の方法で、各商品間の相関性を決定してもよい。すなわち、相関性情報生成部１１３は、同一ユーザによって選択される傾向がある商品の組み合わせであるかに応じて、それらの商品の相関性を決定する。例えば、相関性情報生成部１１３は、軸となる商品を選択したことがあるユーザによって選択されたことがある別の商品を、軸となる商品と相関する商品に決定してもよい。ここで、相関性情報生成部１１３は、例えば選択された回数、選択したユーザの人数、選択された割合等が所定値を超える商品についてのみ、軸となる商品と相関すると決定してもよい。選択された割合は、例えば、軸となる商品を選択したことがあるユーザによって軸となる商品以外の商品が選択された回数のうち、該当の商品が選択された回数の割合である。或いは、相関性情報生成部１１３は、例えば選択された回数、選択したユーザの人数、選択された割合等が高い商品であるほど、軸となる商品との相関を高くしてもよい。相関性情報生成部１１３は、別々のタイミングに選択された商品の組み合わせよりも、同時に選択された商品の組み合わせについて、相関をより高くしてもよい。相関性情報生成部１１３は、例えば決定された相関性を示す中間的な相関性情報を生成する。

図５（ａ）は、商品選択履歴ＤＢ１４ｂに記憶された選択履歴の一例を示す図である。図５（ａ）に示すように、ユーザ甲は、商品Ａ、Ｂ及びＣを選択したことがある。ユーザ乙は、商品Ｄを選択したことがある。ユーザ丙は、商品Ｂ及びＣを選択したことがある。ユーザ丁は、商品Ｃ及びＥを選択したことがある。図５（ｂ）は、中間的な相関性情報の一例を示す図である。図５（ｂ）において、相関性の値「０」は、相関なしを示し、相関性の値「１」は、相関ありを示す。商品Ａは、商品Ｂ及びＣと相関する。商品Ｂは、商品Ａ及びＣと相関する。商品Ｃは、商品Ａ、Ｂ及びＥと相関する。商品Ｄは、何れの商品とも相関しない。商品Ｅは、商品Ｃと相関する。図５（ｃ）は、中間的な相関性情報の別の例を示す図である。図５（ｃ）において、相関性の値は、行に対応する商品（軸となる商品）を選択したユーザのうち、列に対応する商品を選択したユーザの割合を示す。

上述したように中間的な相関性情報を生成すると、相関性情報生成部１１３は、複数の商品に含まれる第１商品と第２商品との間における属性の一致性に基づいて、第１商品と、第２商品を選択したことがあるユーザが選択したことがある第３商品との間の相関性を決定する。第３商品は、第２商品とは異なる商品である。そして、相関性情報生成部１１３は、決定された相関性で中間的な相関性情報を一部修正することにより、最終的な相関性情報を生成する。第１商品は、軸となる商品である。第２商品は、軸となる商品以外の商品である。第３商品の条件から、第２商品と第３商品との間に、或る程度以上の相関がある可能性がある。

例えば、相関性情報生成部１１３は、軸となる第１商品と各第２商品との間における属性の一致性を決定する。属性の一致性があるとは、属性値が一致し又は属性値が類似することであってもよい。例えば、歌手名が異なっていても、歌手ＩＤが同一である歌手同士は、一致性がある。また例えば、類似するジャンル同士（例えば、ヒップホップとラップ）は一致性がある。また例えば、2011年発売と2015年発売は、同じ2010年代であるので、一致性がある。第１商品と第２商品との間における属性の一致性は、第１商品と第２商品との類似性に対応してもよい。相関性情報生成部１１３は、第１商品と第２商品との間の一致性が所定程度以上である場合、第１商品と第２商品は類似すると判定してもよい。例えば、相関性情報生成部１１３は、各第２商品に対してポイントを算出してもよい。相関性情報生成部１１３は、第１商品と第２商品との間で属性値に一致性がある属性項目の数が多いほど、ポイントを高くしてもよい（例えば１属性項目１ポイント等）。相関性情報生成部１１３は、ポイントが所定の閾値以上である第２商品を、第１商品に類似する商品であると判定してもよい。

相関性情報生成部１１３は、第１商品と第２商品とが類似する場合、第１商品と第３商品とが相関すると決定してもよい。或いは、相関性情報生成部１１３は、第１商品と第２商品とが類似する場合であって、且つ第２商品と第３商品とが同一のユーザに選択された程度が所定程度を超える場合に、第１商品と第３商品とが相関すると決定してもよい。同一のユーザに選択された程度は、例えば選択された回数、選択したユーザの人数、選択された割合等であってもよい。また、上述の選択履歴に基づいて決定された相関性の値は、同一のユーザに選択された程度に対応する。従って、同一のユーザに選択された程度は、選択履歴に基づいて決定された相関性の値であってもよい。

第１商品を選択したことがあるユーザは、その第１商品と類似する第２商品も選択する蓋然性が高い。第３商品は、第２商品を選択したことがあるユーザによる選択実績がある商品である。従って、第１商品を選択したことがあるユーザは、第３商品も選択する蓋然性がある。そのため、第１商品と第３商品とは相関すると考えてもよい。この相関は、第１商品と第３商品とを選択したことがあるユーザが実在するか否かとは関係がない。更にこの相関は、第１商品と第２商品とを選択したことがあるユーザが実在するか否かとも関係がない。従って、第１商品を選択したことがあるユーザの中に、たとえ第３商品の選択実績があるユーザが存在しなくても、又はそのようなユーザが少なくても、第１商品を購入したことがあるユーザに対して、そのユーザが購入する蓋然性がある第３商品に関連するレコメンド情報を提示することができる。

第１商品と第２商品との間における属性の一致性に基づく第１商品と第３商品との間の相関性の決定方法は、基本的には第１商品を軸とした場合における決定方法である。すなわち、これは、第１商品を選択したことがあるユーザに対して、第３商品が、関連するレコメンド情報の提示の候補となり得るかを示す情報の決定方法である。第３商品を軸とした場合、相関性情報生成部１１３は、第１商品と第２商品との間における属性の一致性に基づいて、第３商品と第１商品との間の相関性を決定してもよいし、決定しなくてもよい。

図６（ａ）は、商品属性ＤＢ１４ａに記憶される属性情報の一例を示す図である。図６（ａ）に示すように、商品Ｂと商品Ｃとの間で、ジャンル及び発売年に一致性があるので、前述したように、属性値に一致性がある属性項目の数をポイントとしてカウントした場合、２ポイントとなる。商品Ｂと商品Ｄとの間で、歌手、作曲家及びジャンルに一致性があるので、３ポイントとなる。商品Ｃと商品Ｄとの間で、ジャンルに一致性があるので、１ポイントとなる。商品Ｄと商品Ｅとの間で、発売年に一致性があるので、１ポイントとなる。図６（ｂ）は、図５（ｂ）に示す中間的な相関性情報を修正することにより生成された最終的な相関性情報の一例を示す図である。ポイントの閾値を３とすると、商品Ｂと商品Ｄとが類似することになる。商品Ｂと商品Ａとの組み合わせ、及び商品Ｂと商品Ｃとの組み合わせは、少なくとも一のユーザ（この場合はユーザ甲）によって選択された組み合わせである。従って、商品Ｄを軸とした場合、図６（ｂ）に示すように、商品Ｄと商品Ａとの組み合わせ、及び商品Ｄと商品Ｃとの組み合わせに対して、相関性の値「１」（相関あり）が設定される。

相関性情報生成部１１３は、第１商品と第２商品との間で一致性を有する属性の数が多いほど、第１商品と第３商品との間の相関を高くしてもよい。図６（ｃ）は、図５（ｃ）に示す中間的な相関性情報を修正することにより生成された最終的な相関性情報の別の例を示す図である。図６（ｃ）に示す例では、相関性の値は、属性値が一致する属性項目数×０．１で算出される。例えば、商品Ｄと商品Ａとの組み合わせ、及び商品Ｄと商品Ｃとの組み合わせに対して、相関性の値「０．３」が設定される。商品Ｂと商品Ｃとの間で、ジャンル及び発売年に一致性があり、商品Ｃと商品Ｅとの組み合わせは、少なくとも一のユーザ（この場合はユーザ丁）によって選択された組み合わせである。従って、商品Ｂを軸とした場合、商品Ｂと商品Ｃとの組み合わせに対して相関性の値「０．２」が設定される。商品Ｃと商品Ｄとの間で、ジャンルに一致性があり、商品Ｃと商品Ｅとの組み合わせは、選択された組み合わせである。従って、商品Ｄを軸とした場合、商品Ｄと商品Ｅとの組み合わせに対して相関性の値「０．１」が設定される。

相関性情報生成部１１３は、第１商品と第２商品との間で、複数の属性項目のうち少なくとも所定の１又は複数の属性項目について属性値に一致性がある場合に限り、第１商品と第３商品とを相関させてもよい（例えば、ジャンルに一致性があることは絶対条件である等）。所定の属性項目は、予め任意に設定可能であってもよい。

相関性情報生成部１１３は、選択履歴に基づいて決定された第１商品と第２商品との間の相関性と、属性情報に基づいて決定された第１商品と第２商品との間における属性の一致性との両方に基づいて、第１商品と第３商品との間の相関性を決定してもよい。例えば、相関性情報生成部１１３は、第１商品と第２商品との間の相関性の値に、第１商品と第２商品との間で属性値に一致性がある属性項目の数に応じた係数を乗算して、第１商品と第３商品との間の相関性の値を算出してもよい。

相関性情報生成部１１３は、第１商品と第３商品とが同一のユーザに選択された程度が所定程度以下である場合にのみ、第１商品と第２商品との間における属性の一致性に基づいて、第１商品と第３商品との間の相関性を決定してもよい。すなわち、選択履歴に基づいて第１商品と第３商品とが所定程度以上の相関を有すると決定されている場合、相関性情報生成部１１３は、属性情報に基づいて改めて相関性を決定する必要はない。或いは、相関性情報生成部１１３は、選択履歴に基づいて算出された相関性の値、及び属性情報に基づいて算出された相関性の値のうち高い方の値を、第１商品と第３商品との間の相関性の値に採用してもよい。

また、相関性情報生成部１１３は、第１商品と第２商品とが同一のユーザに選択された程度が所定程度以下である場合にのみ、第１商品と第２商品との間における属性の一致性に基づいて、第１商品と第３商品との間の相関性を決定してもよい。

重視度決定部１１４は、選択履歴及び属性情報に基づいて、商品が有する複数の属性それぞれについてユーザが重視する度合いを示す重視度情報を、ユーザごとに決定する。例えば、重視度決定部１１４は、ユーザが選択したことがある商品間で一致性を有する度合いが高い属性であるほど、その属性について重視する度合いを高くしてもよい。例えば、重視度決定部１１４は、各属性項目について、選択されたことがある商品のうち互いに属性値が一致性を有する商品の割合を、重視度情報として決定してもよい。同じような属性値の商品をユーザが選択したことがある頻度が高い属性項目であるほど、ユーザはその属性項目を重視している蓋然性がある。

図７（ａ）は、或るユーザの選択履歴の一例を示す図である。図７（ｂ）は、或るユーザの重視度情報の一例を示す図である。図７（ａ）に示すように、ユーザ戌は、これまでに商品Ｄ、Ｆ、Ｇ、Ｈ、Ｉを選択したことがある。これらの商品のうち、歌手が一致する商品が３個存在する。属性値が一致する商品数を、ユーザ戌が選択したことがある商品数で除算することにより、重視度を算出する場合、図７（ｂ）に示すように、歌手の重視度は０．６である。作曲家が一致する商品は存在しないので、作曲家の重視度は０である。作詞家が一致する商品が２個存在するので、作詞家の重視度は０．４である。ジャンルが一致する商品が５個存在するので、作詞家の重視度は１である。発売年が一致する商品が２個存在するので、発売年の重視度は０．４である。

レコメンド部１１５は、相関性情報生成部１１３により生成された相関性情報に基づいて、商品に関連するレコメンドを示すレコメンド情報をユーザ端末２に提示させる。例えば、レコメンド部１１５は、レコメンドの提示先のユーザの選択履歴を取得する。レコメンド部１１５は、選択履歴に基づき、レコメンドの提示先のユーザが選択したことがある商品を、軸となる商品として特定する。レコメンド部１１５は、相関性情報に基づいて、軸となる商品との間に相関を有する商品を、関連したレコメンド情報を提示する商品として決定する。

軸となる商品との間に相関を有する商品が複数存在する場合、レコメンド部１１５は、これらの商品から、ランダムに、関連したレコメンド情報を提示する商品として決定してもよい。或いは、レコメンド部１１５は、軸となる商品との間の相関が最も高い商品を、関連したレコメンド情報を提示する商品として決定してもよい。ウェブページ内にレコメンド可能な対象の枠が複数存在する場合、レコメンド部１１５は、相関が高い順に、それらの枠の数に相当する数の商品を、関連したレコメンド情報を提示する商品として決定してもよい。或いは、レコメンド部１１５は、各商品に対応する確率を決定してもよい。例えば、レコメンド部１１５は、選択されたことがある商品との間の相関が高い商品であるほど、その確率を高くしてもよい。そして、レコメンド部１１５は、各商品の確率に基づいて、ランダムに、関連したレコメンド情報を提示する商品を決定してもよい。

レコメンド部１１５は、重視度決定部１１４により決定された重視度情報に基づいて、複数の商品のうち、レコメンド情報の提示先のユーザが選択したことがある商品の何れかとの間に相関を有する商品の中から、関連したレコメンド情報を提示する商品を決定してもよい。例えば、レコメンド部１１５は、軸となる商品との間に相関を有する商品のうち、軸となる商品との間で一致性を有する属性について、そのユーザが重視する度合いが高い商品であるほど優先的に、関連するレコメンド情報を提示する商品に決定してもよい。ユーザは、特定の１又は複数の属性項目を重視して、商品を選択した蓋然性がある。ユーザが重視する属性項目について、ユーザが過去に選択したことがある商品と属性値の一致性がある商品を、そのユーザは選択する蓋然性がある。レコメンド部１１５は、例えば各商品について、軸となる商品との間で一致性がある全属性に対応する全重視度の合計を、その商品の優先度として算出してもよい。レコメンド部１１５は、例えば算出された優先度が最も高い商品を、関連したレコメンド情報を提示する商品に決定してもよい。

図７（ｃ）は、優先度の算出例を示す図である。図７（ａ）に示すように、ユーザ戌は商品Ｄを選択したことがある。そこで、ユーザ戌をレコメンド情報の提示先とした場合、例えば商品Ｄを軸とする。図６（ｂ）に示すように、商品Ｄは、商品Ａ及びＣと相関する。図６（ａ）に示すように、商品Ｄと商品Ａとの間で、作詞家が一致する。図７（ｂ）に示すように、作詞家の重視度は０．４であるので、図７（ｃ）に示すように、商品Ａの優先度は０．４である。商品Ｄと商品Ｃとの間で、ジャンルが一致する。ジャンルの重視度は１であるので、商品Ｃの優先度は１である。従って、レコメンド部１１５は、商品Ａよりも商品Ｃを優先して、関連するレコメンド情報を提示する商品に決定する。

レコメンド部１１５は、関連したレコメンド情報を提示する商品として決定された商品自体の購入又は予約を薦めるレコメンド情報（例えば、「商品Ｄを買った方にこの商品（商品Ｃ）をお勧めします」等の情報）を提示させてもよい。ユーザがレコメンド情報を選択すると、レコメンド部１１５は、その商品のウェブページ等の情報をユーザ端末２に表示させてもよい。或いは、レコメンド部１１５は、決定された商品が有する何れかの属性を薦めるレコメンド情報（例えば、「Ｊポップスはいかがですか？」等の情報）を提示させてもよい。ユーザがレコメンド情報を選択すると、レコメンド部１１５は、薦められた属性を有する商品の一覧を示すウェブページ等の情報をユーザ端末２に表示させてもよい。

なお、本実施形態においては、（ｉ）属性情報及び選択履歴の両方に基づく相関性情報の生成及びこの相関性情報に基づくレコメンド情報の提示と、（ｉｉ）重視度情報を用いたレコメンド情報の提示と、の両方が実施される。しかしながら、（ｉ）及び（ｉｉ）のうち何れか一方のみが実施されてもよい。

［４．ショッピングシステムＳの動作］
次に、ショッピングシステムＳの動作について、図８乃至図１０を用いて説明する。図８は、ショッピングサーバ１のシステム制御部１１による相関性情報生成処理の一例を示すフローチャートである。例えば、定期的に相関性情報生成処理が実行される。

図８に示すように、属性取得部１１１は、複数の商品の属性情報を、商品属性ＤＢ１４ａから取得する（ステップＳ１）。次いで、履歴取得部１１２は、複数のユーザの選択履歴を、商品選択履歴ＤＢ１４ｂから取得する（ステップＳ２）。

次いで、相関性情報生成部１１３は、番号ｉを１に設定する（ステップＳ３）。相関性情報生成部１１３は、商品ｉを、軸となる商品として選択する。商品ｉは、全商品のうちｉ番目の商品である。次いで、相関性情報生成部１１３は、選択履歴に基づいて、商品ｉ以外の各商品について、商品ｉとその商品との組み合わせが同一のユーザに選択された程度に応じて、商品ｉとその商品との間の相関性を決定する（ステップＳ４）。例えば、商品ｉを選択したユーザのうち、その商品を選択したユーザの割合を算出する。相関性情報生成部１１３は、算出された割合が所定値を超える場合、商品ｉとその商品との間に相関があると決定し、算出された割合が所定値以下である場合、相関がないと決定する。または、相関性情報生成部１１３は、算出された割合が高いほど、商品ｉとその商品との間の相関性を示す値を高くする。相関性情報生成部１１３は、商品ｉの商品ＩＤと、他の各商品について算出された相関性の値とを関連付けて、商品相関性ＤＢ１４ｃに記憶される。こうして、中間的な相関性情報が生成される。

次いで、相関性情報生成部１１３は、番号ｉが、全商品数に相当する値よりも小さいか否かを判定する（ステップＳ５）。相関性情報生成部１１３は、番号ｉが、全商品数に相当する値よりも小さいと判定した場合には（ステップＳ５：ＹＥＳ）、処理をステップＳ６に進める。ステップＳ６において、相関性情報生成部１１３は、番号ｉを１増加させて、処理をステップＳ４に進める。一方、相関性情報生成部１１３は、番号ｉが、全商品数に相当する値よりも小さくはないと判定した場合には（ステップＳ５：ＮＯ）、処理をステップＳ７に進める。

ステップＳ７において、相関性情報生成部１１３は、番号ｉを１に設定する。相関性情報生成部１１３は、商品ｉを、軸となる第１商品として選択する。次いで、相関性情報生成部１１３は、属性情報に基づいて、商品ｉ以外の各商品について、商品ｉとその商品との間における属性の一致性を決定する（ステップＳ８）。例えば、相関性情報生成部１１３は、商品ｉとその商品との間で、属性値に一致性がある属性項目が多いほど、属性の一致性を示すポイントを高くする。次いで、相関性情報生成部１１３は、商品ｉ以外の商品のうち、ステップＳ４で決定された商品ｉとの間の相関が所定程度以下である商品を、第３商品として特定する（ステップＳ９）。例えば、相関性情報生成部１１３は、相関性の値が所定値（例えば、０等）以下である商品を特定してもよい。次いで、相関性情報生成部１１３は、特定された各第３商品について、ステップＳ４で生成された相関性情報に基づいて、商品ｉ以外で第３商品との間の相関が所定程度を超える商品を、第２商品として特定する（ステップＳ１０）。次いで、相関性情報生成部１１３は、各第３商品について、商品ｉと特定された第２商品との間における属性の一致性に基づいて、商品ｉと第３商品との間の相関性を決定する（ステップＳ１１）。例えば、相関性情報生成部１１３は、商品ｉと第２商品について算出されたポイントが所定値を超える場合、商品ｉと第３商品との間に相関があると決定し、ポイントが所定値以下である場合、相関がないと決定する。または、相関性情報生成部１１３は、算出されたポイントが高いほど、商品ｉと第３商品との間の相関性の値を高くする。第２商品が複数存在する場合、相関性情報生成部１１３は、例えば商品ｉとの間における属性の一致性の程度が最も高い第２商品を選択してもよいし、第３商品との間の相関が最も高い第２商品を選択してもよい。相関性情報生成部１１３は、商品ｉの商品ＩＤと第３商品の商品ＩＤとを関連付けて、決定された相関性の値をＲＡＭ１４ｃに記憶させる。

次いで、相関性情報生成部１１３は、番号ｉが、全商品数に相当する値よりも小さいか否かを判定する（ステップＳ１２）。相関性情報生成部１１３は、番号ｉが、全商品数に相当する値よりも小さいと判定した場合には（ステップＳ１２：ＹＥＳ）、処理をステップＳ１３に進める。ステップＳ１３において、相関性情報生成部１１３は、番号ｉを１増加させて、処理をステップＳ８に進める。一方、相関性情報生成部１１３は、番号ｉが、全商品数に相当する値よりも小さくはないと判定した場合には（ステップＳ１２：ＮＯ）、処理をステップＳ１４に進める。

ステップＳ１４において、相関性情報生成部１１３は、ステップＳ１１でＲＡＭ１４ｃに記憶された相関性の値で、商品相関性ＤＢ１４ｃを更新することにより、最終的な相関性情報を生成して、相関性情報生成処理を終了させる。

図９は、ショッピングサーバ１のシステム制御部１１による重視度決定処理の一例を示すフローチャートである。例えば、定期的に重視度決定処理が実行される。

図９に示すように、重視度決定部１１４は、番号ｉを１に設定する（ステップＳ２１）。重視度決定部１１４は、全ユーザのうちｉ番目のユーザを、ユーザｉとして選択する。次いで、履歴取得部１１２は、ユーザｉのユーザＩＤに関連付けられた選択履歴を、商品選択履歴ＤＢ１４ｂから取得する（ステップＳ２２）。次いで、属性取得部１１１は、取得された各選択履歴から、選択された商品の商品ＩＤを取得する。そして、属性取得部１１１は、ユーザｉに選択された商品の商品ＩＤに関連付けられた属性情報を、商品属性ＤＢ１４ａから取得する（ステップＳ２３）。

次いで、重視度決定部１１４は、取得された属性情報に基づいて、各属性項目について、ユーザｉが選択した商品のうち、属性値に一致性がある商品の割合を算出する。そして、重視度決定部１１４は、各属性項目について、算出された割合に応じた重視度を決定する（ステップＳ２４）。重視度決定部１１４は、決定された全重視度を含む重視度情報を、ユーザｉのユーザＩＤに関連付けて、属性重視度ＤＢ１４ｄに記憶させる（ステップＳ２５）。

次いで、重視度決定部１１４は、番号ｉが、全ユーザ数に相当する値よりも小さいか否かを判定する（ステップ２６）。重視度決定部１１４は、番号ｉが、全ユーザ数に相当する値よりも小さいと判定した場合には（ステップＳ２６：ＹＥＳ）、処理をステップＳ２７に進める。ステップＳ２７において、重視度決定部１１４は、番号ｉを１増加させて、処理をステップＳ２２に進める。一方、重視度決定部１１４は、番号ｉが、全ユーザ数に相当する値よりも小さくはないと判定した場合には（ステップＳ２６：ＮＯ）、重視度決定処理を終了させる。

図１０は、ショッピングサーバ１のシステム制御部１１によるレコメンド処理の一例を示すフローチャートである。何れかのユーザ端末２が、オンラインショッピングサイトのウェブページ等の情報の要求を、ショッピングサーバ１へ送信する。システム制御部１１は、受信された要求に基づき、要求されたウェブページ等内に、レコメンド情報を提示する枠が存在するか否かを判定する。その枠が存在する場合、システム制御部１１はレコメンド処理を実行する。

図１０に示すように、履歴取得部１１２は、レコメンド情報の提示先のユーザのユーザＩＤを、ユーザ端末２から受信された要求から取得する。履歴取得部１１２は、取得されたユーザＩＤに関連付けられた選択履歴を、商品選択履歴ＤＢ１４ｂから取得する（ステップＳ３１）。次いで、レコメンド部１１５は、取得された選択履歴から商品ＩＤを取得することにより、レコメンド情報の提示先のユーザが選択したことがある商品を、軸となる商品として特定する（ステップＳ３２）。ユーザが選択したことがある商品が複数存在する場合、レコメンド部１１５は、例えば所定の条件に従って、一の商品を、軸となる商品として決定してもよい。次いで、レコメンド部１１５は、軸となる商品の商品ＩＤに関連付けられた相関性情報を、商品相関性ＤＢ１４ｃから取得する（ステップＳ３３）。次いで、レコメンド部１１５は、取得された相関性情報に基づいて、軸となる商品との間に相関がある商品を特定する（ステップＳ３４）。レコメンド部１１５は、例えば軸となる商品との間の相関性の値が所定値を超える商品を特定してもよい。

次いで、属性取得部１１１は、ステップＳ３４で特定された各商品について、その商品の商品ＩＤに関連付けられた属性情報を、商品属性ＤＢ１４ａから取得する（ステップＳ３５）。次いで、レコメンド部１１５は、レコメンド情報の提示先のユーザのユーザＩＤに関連付けられた重視度情報を、属性重視度ＤＢ１４ｄから取得する（ステップＳ３６）。次いで、レコメンド部１１５は、取得された属性情報及び重視度情報に基づいて、ステップＳ３４で特定された各商品について、軸となる商品とその商品との間で属性値に一致性がある属性項目に対応する重視度に基づいて、優先度を決定する（ステップＳ３７）。例えば、レコメンド部１１５は、軸となる商品との間で属性値に一致性がある全属性項目に対応する全重視度の合計を算出する。レコメンド部１１５は、算出された合計値が高いほど、優先度を高くする。次いで、レコメンド部１１５は、特定された商品のうち、優先度が最も高い商品を決定する（ステップＳ３８）。レコメンド部１１５は、決定された商品に関連するレコメンド情報を生成する（ステップＳ３９）。レコメンド部１１５は、決定された商品自体を薦めるレコメンド情報を生成してもよいし、決定された商品が有する何れかの属性を薦めるレコメンド情報を生成してもよい。レコメンド部１１５は、生成されたレコメンド情報を含むウェブページ等を、要求を送信してきたユーザ端末２へ送信して（ステップＳ４０）、レコメンド処理を終了させる。

以上説明したように、本実施形態によれば、システム制御部１１が、記憶部１４から属性情報及び選択履歴を取得する。また、システム制御部１１が、取得された属性情報及び履歴情報に基づいて、相関性情報を生成する。ここで、システム制御部１１が、複数の商品に含まれる第１商品と第２商品との間における属性の一致性に基づいて、第１商品と、第２商品を選択したことがあるユーザが選択したことがある別の第３商品との間の相関性を決定する。また、システム制御部１１が、生成された相関性情報に基づいて、レコメンド情報を提示させる。従って、レコメンドの候補となり得る対象を適切に増やして、潜在的な需要を発掘することができる。

また、システム制御部１１が、第１商品と第２商品との間で一致性を有する属性の数が所定数を超える場合、第１商品と第３商品との間に相関があると決定してもよい。この場合、同一のユーザによって選択される蓋然性が高い商品の組み合わせについてのみ相関させることができる。

また、システム制御部１１が、第１商品と第２商品との間で一致性を有する属性の数が多いほど、第１商品と第３商品との間の相関を高くしてもよい。この場合、同一のユーザによって選択される蓋然性に応じて、第１商品と第３商品との間の相関性を決定することができる。

また、システム制御部１１が、第１商品と第３商品とが同一のユーザに選択された程度が所定程度以下である場合に、第１商品と第２商品との間における属性の一致性に基づいて、第１商品と第３商品との間の相関性を決定してもよい。この場合、第１商品を選択したことがあるユーザの中に、第３商品の選択実績があるユーザが存在しなかった場合に又は第３商品の選択実績があるユーザが少なかった場合に、第１商品と第３商品とを相関させることができる。

また、システム制御部１１が、履歴情報及び属性情報に基づいて、重視度情報をユーザごとに決定してもよい。また、システム制御部１１が、重視度情報に基づいて、複数の商品のうち、レコメンド情報が提示されるユーザが選択したことがある商品との間に相関を有する商品の中から、レコメンド情報を提示する商品を決定してもよい。この場合、レコメンド情報が提示される候補となる商品が複数存在する場合に、複数の属性それぞれに対してユーザが重視する度合いに基づいて、それらの商品の中からユーザが選択する蓋然性がある商品に関連して、レコメンド情報を提示させることができる。

また、システム制御部１１が、レコメンド情報の提示先のユーザが選択したことがある商品間で一致性を有する度合いが高い属性であるほど、その属性に対する重視する度合いを高くしてもよい。この場合、複数の属性それぞれに対してユーザが重視する度合いを適切に決定することができる。

また、システム制御部１１が、ユーザが選択したことがある商品との間で一致性を有する属性について、レコメンド情報の提示先のユーザが重視する度合いが高い商品であるほど優先的に、レコメンド情報を提示する商品に決定してもよい。この場合、ユーザが選択する蓋然性がある商品に関連して、レコメンド情報を提示させることができる。

また、システム制御部１１が、商品を薦めるレコメンド情報又は商品が有する何れかの属性を薦めるレコメンド情報を提示させてもよい。

１ ショッピングサーバ
２ ユーザ端末
１１ システム制御部
１２ システムバス
１３ 入出力インターフェース
１４ 記憶部
１４ａ 商品属性ＤＢ
１４ｂ 商品選択履歴ＤＢ
１４ｃ 商品相関性ＤＢ
１４ｄ 属性重視度ＤＢ
１１１ 属性取得部
１１２ 履歴取得部
１１３ 相関性情報生成部
１１４ 重視度決定部
１１５ レコメンド部
ＮＷ ネットワーク
Ｓ ショッピングシステム

Claims (10)

1. 複数の取引対象それぞれについて複数の属性を示す属性情報を記憶する属性記憶手段から、前記属性情報を取得する属性情報取得手段と、
   複数のユーザそれぞれによる前記取引対象の選択履歴を示す履歴情報を記憶する履歴記憶手段から、前記履歴情報を取得する履歴取得手段と、
   前記取得された属性情報及び前記取得された履歴情報に基づいて、前記複数の取引対象に含まれる取引対象間の相関性を示す相関性情報を生成する生成手段であって、前記複数の取引対象に含まれる第１取引対象と第２取引対象との間における属性の一致性に基づいて、前記第１取引対象と、前記第２取引対象を選択したことがあるユーザが選択したことがある別の第３取引対象との間の相関性を決定する生成手段と、
   前記生成された相関性情報に基づいて、前記取引対象に関連するレコメンドを示すレコメンド情報を提示させるレコメンド手段と、
   を備えることを特徴とするレコメンド装置。
2. 前記生成手段は、前記第１取引対象と前記第２取引対象との間で一致性を有する属性の数が所定数を超える場合、前記第１取引対象と前記第３取引対象との間に相関があると決定することを特徴とする請求項１に記載のレコメンド装置。
3. 前記生成手段は、前記第１取引対象と前記第２取引対象との間で一致性を有する属性の数が多いほど、前記第１取引対象と前記第３取引対象との間の相関を高くすることを特徴とする請求項１又は２に記載のレコメンド装置。
4. 前記生成手段は、前記第１取引対象と前記第３取引対象とが同一のユーザに選択された程度が所定程度以下である場合に、前記第１取引対象と前記第２取引対象との間における属性の一致性に基づいて、前記第１取引対象と前記第３取引対象との間の相関性を決定することを特徴とする請求項１乃至３の何れか一項に記載のレコメンド装置。
5. 前記履歴情報及び前記属性情報に基づいて、前記複数の属性それぞれについてユーザが重視する度合いを示す重視度情報を、ユーザごとに決定する決定手段を更に備え、
   前記レコメンド手段は、前記重視度情報に基づいて、前記複数の取引対象のうち、前記レコメンド情報が提示される提示先ユーザが選択したことがある選択取引対象との間に相関を有する相関取引対象の中から、前記レコメンド情報を提示する取引対象を決定することを特徴とする請求項１乃至４の何れか一項に記載のレコメンド装置。
6. 前記決定手段は、前記提示先ユーザが選択したことがある取引対象間で一致性を有する度合いが高い属性であるほど、該属性に対する前記重視する度合いを高くすることを特徴とする請求項５に記載のレコメンド装置。
7. 前記レコメンド手段は、前記相関取引対象のうち、前記選択取引対象との間で一致性を有する属性について前記提示先ユーザが重視する度合いが高い取引対象であるほど優先的に、前記レコメンド情報を提示する取引対象に決定することを特徴とする請求項５又は６に記載のレコメンド装置。
8. 前記レコメンド手段は、前記取引対象を薦める前記レコメンド情報又は前記取引対象が有する何れかの属性を薦める前記レコメンド情報を提示させることを特徴とする請求項１乃至７の何れか一項に記載のレコメンド装置。
9. コンピュータにより実行されるレコメンド方法において、
   複数の取引対象それぞれについて複数の属性を示す属性情報を記憶する属性記憶手段から、前記属性情報を取得する属性情報取得ステップと、
   複数のユーザそれぞれによる前記取引対象の選択履歴を示す履歴情報を記憶する履歴記憶手段から、前記履歴情報を取得する履歴取得ステップと、
   前記取得された属性情報及び前記取得された履歴情報に基づいて、前記複数の取引対象に含まれる取引対象間の相関性を示す相関性情報を生成する生成ステップであって、前記複数の取引対象に含まれる第１取引対象と第２取引対象との間における属性の一致性に基づいて、前記第１取引対象と、前記第２取引対象を選択したことがあるユーザが選択したことがある別の第３取引対象との間の相関性を決定する生成ステップと、
   前記生成された相関性情報に基づいて、前記取引対象に関連するレコメンドを示すレコメンド情報を提示させるレコメンドステップと、
   を含むことを特徴とするレコメンド方法。
10. コンピュータを、
    複数の取引対象それぞれについて複数の属性を示す属性情報を記憶する属性記憶手段から、前記属性情報を取得する属性情報取得手段と、
    複数のユーザそれぞれによる前記取引対象の選択履歴を示す履歴情報を記憶する履歴記憶手段から、前記履歴情報を取得する履歴取得手段と、
    前記取得された属性情報及び前記取得された履歴情報に基づいて、前記複数の取引対象に含まれる取引対象間の相関性を示す相関性情報を生成する生成手段であって、前記複数の取引対象に含まれる第１取引対象と第２取引対象との間における属性の一致性に基づいて、前記第１取引対象と、前記第２取引対象を選択したことがあるユーザが選択したことがある別の第３取引対象との間の相関性を決定する生成手段と、
    前記生成された相関性情報に基づいて、前記取引対象に関連するレコメンドを示すレコメンド情報を提示させるレコメンド手段と、
    として機能させることを特徴とするレコメンドプログラム。

Images