JP3646011B2 - 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 - Google Patents
検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 Download PDFInfo
- Publication number
- JP3646011B2 JP3646011B2 JP30078198A JP30078198A JP3646011B2 JP 3646011 B2 JP3646011 B2 JP 3646011B2 JP 30078198 A JP30078198 A JP 30078198A JP 30078198 A JP30078198 A JP 30078198A JP 3646011 B2 JP3646011 B2 JP 3646011B2
- Authority
- JP
- Japan
- Prior art keywords
- objects
- preference
- user
- value
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、ＣＤ、絵画及び映画等の複数のジャンルに属する複数のオブジェクトに関するデータベースより、ユーザの好みに合うオブジェクトを検索し、検索したオブジェクトを推薦作品としてディスプレイやプリンター等に出力する検索システムに関する。
【０００２】
【従来の技術】
従来より、ＣＤ、絵画、又は、映画といったオブジェクトのデータを記憶するデータベースから、キーワードによる絞り込みによりユーザの所望するオブジェクトを検索するシステムが知られている。
【０００３】
例えば、映画のデータベースからユーザの好みに合う映画を検索し、検索した映画を次に見る映画として推薦する絞り込み検索システムが知られている。ユーザは、コメディ／ロマンス／ＳＦ等のジャンルを表すキーワードや、洋画／邦画、監督名、作成国等を表す複数のキーワードから、好きな映画に関するキーワードを指定する。当該絞り込み検索システムでは、ユーザにより指定されたキーワードによる絞り込み検索を行い、当該検索された映画を、次に見る映画としてディスプレイやプリンタ等の出力装置に出力する。
【０００４】
ところが、上記従来の絞り込み検索システムでは、データベース内のデータが増加すると、作品を所望の数にまで絞り込むために設定を用するキーワードの数が増加して操作性が悪くなると共に、適切なキーワードの設定が困難になるといった問題がある。
【０００５】
そこで、上記キーワードの設定のかわりに、ユーザに好きな映画のタイトルを複数入力させ、入力された映画を同じように好きな人が上記複数の映画以外に好きな映画を、次に見る映画として推薦する推測検索システムが提案されている。当該推測検索システムでは、数百人又は数千人を対象として行った好きな映画に関するアンケート結果をデータベースとして構築しておき、ユーザの好きな複数の映画を同じく好きであると答えた人（標本）を特定し、該特定した人（標本）がユーザが入力した映画以外に好きな映画を、次に見る映画として推薦する。
【０００６】
【発明が解決しようとする課題】
以下、ＣＤ、絵画及び映画等、多くのジャンルに関し、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースから、ユーザの好みに合う映画を検索する場合を想定する。
【０００７】
上記絞り込み検索システムの場合、ユーザは好みの映画に関するキーワードを適切に設定する必要がある。しかし、ユーザが音楽については詳しいが、映画について詳しくない場合、ユーザは適切なキーワードの設定を行うことができず、所望する映画の検索を行うことができない。
【０００８】
また、上記推測検索システムの場合、ユーザは、ユーザの好みに合う映画を特定するため自己が好きなＣＤ、絵画及び映画のタイトルを入力する必要が生じる。しかし、音楽については詳しいが、映画については詳しくない場合、ユーザは、好きな映画のタイトルを入力することができない。一般的に、音楽の好みと映画の好みは必ずしも一致しない。このため、音楽の好みに基づいて特定された人（標本）が好きな映画が、常にユーザの好みに合うとは限らない。
【０００９】
このように、上記絞り込み検索システム及び推測検索システムでは、例えば、音楽に対する好みに基づいて、ユーザの好みに合う映画を適切に推薦することはできない。
【００１０】
本発明は、ＣＤ、絵画及び映画等の多くのジャンルに関し、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースから、簡単な作業でユーザの好みに合致するオブジェクトを、異なるジャンルの嗜好データに基づいて特定し、特定したオブジェクトを推薦作品としてディスプレイやプリンタに出力する検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体を提供することを目的とする。
【００１１】
本発明の第１の検索システムは、複数のジャンルについて、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースと、複数のオブジェクト相互間の関係の強さを表す数値を、データベースに記録されている各オブジェクトの嗜好度に基づいて算出する演算手段と、複数のオブジェクト内の１以上のオブジェクトに対するユーザの嗜好度を設定する設定手段と、演算手段により求められた各オブジェクト相互間の関係の強さを表す数値、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測する推測手段と、推測手段により求められた各オブジェクトに対するユーザの嗜好度の推測値に基づいて１以上のオブジェクトを選択し、選択した１以上のオブジェクトを推薦作品として出力する出力手段とで構成されることを特徴とする。
【００１２】
本発明の第２の検索システムは、第１の検索システムにおいて、演算手段が、オブジェクト相互間の関係の強さを表す数値として、各オブジェクトの嗜好度に基づいてオブジェクト相互間の相関値を算出することを特徴とする。
演算手段が、オブジェクト相互間の関係の強さを表す数値として、各オブジェクトの嗜好度に基づいてオブジェクト相互間の相関値を算出することを特徴とする請求項１記載の検索システム。
【００１３】
本発明の第３の検索システムは、第１の検索システムにおいて、演算手段が、オブジェクト相互間の関係の強さを表す数値として、各オブジェクト間の点差に基づいて定められる距離を求め、求めた距離の逆数に比例する値を算出することを特徴とする。
【００１４】
本発明の第４の検索システムは、第１の検索システムにおいて、複数のオブジェクトに対する嗜好度として、好き／嫌いといった２値的な評価を採用し、演算手段は、２つのオブジェクトに関して好きと答えた人の割合を、又は、２つのオブジェクトに関して嫌いと答えた人の割合を、オブジェクト相互間の関係の強さを表す数値として算出することを特徴とする。
【００１５】
本発明の第５の検索システムは、第２乃至第４の何れかの検索システムにおいて、推測手段が、各オブジェクト相互間の関係の強さを表す数値で構成される行列に、設定手段により設定されたユーザの嗜好度を掛け合わして求められる値を、各オブジェクトに対するユーザの嗜好度の推測値とすることを特徴とする。
【００１６】
本発明の第６の検索システムは、第２乃至第４の何れかの検索システムにおいて、推測手段が、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値とに基づいて、多次元尺度法を用いて各オブジェクトを空間内に配置し、配置後のオブジェクトに対してバネモデルを適用し、各オブジェクトを同一質量の点として取り扱い、該オブジェクト相互間の関係の強さを表す数値に基づいて定まるバネ係数のバネにより接続したバネモデルで表し、あるオブジェクト（以下、第１オブジェクトという）以外のオブジェクト（以下、第２オブジェクトという）の嗜好度と第１オブジェクトから第２オブジェクトまでの距離に基づいて定まる数値とを、第１オブジェクト以外の全てのオブジェクトについて求め、求めた全ての数値を第１オブジェクトの嗜好度に加算した値を第１オブジェクトの嗜好度を表す推測値とすることを特徴とする。
【００１７】
本発明の第７の検索システムは、第２乃至第４の何れかの検索システムにおいて、推測手段が、クラスタ分析手法に従って演算手段により求められるオブジェクト相互間の関係の強さを表す数値に基づいて、複数のオブジェクトを所定の数のグループに分け、グループ毎に、グループを構成する複数のオブジェクトの嗜好度の合計値又は平均値を、グループを構成する各オブジェクトの嗜好度の推測値とすることを特徴とする。
【００１８】
本発明のコンピュータ読み取り可能な記録媒体は、複数のジャンルについて、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めて成るデータベースを備えるコンピュータを、複数のオブジェクト相互間の嗜好度の強さを表す数値を、データベースに記録されている各オブジェクトの嗜好度に基づいて算出する演算手段と、複数のオブジェクト内の１以上のオブジェクトに対するユーザの嗜好度を設定する設定手段と、演算手段により求められた各オブジェクト相互間の関係の強さを表す数値と、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値と、に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測する推測手段と、推測手段により求められた各オブジェクトに対するユーザの嗜好度の推測値の大きなオブジェクトを推薦作品として出力する出力手段として機能させるためのプログラムを記録したことを特徴とする。
【００１９】
【発明の実施の形態】
本発明の検索システムは、データベース内に構築されている多くのジャンルに関し、ジャンル別に属する複数のオブジェクト相互間の関係の強さ（相関値等）を求め、例えば、ある音楽ＣＤが好きな人は、この映画が好きな場合が多いといった統計を求める。当該統計を利用して、例えば、音楽ＣＤについての好みに基づいて、ユーザが好きと思われる映画を推薦作品としてディスプレイやプリンタに出力することを特徴とする。
以下、上記特徴を具備する実施の形態１〜実施の形態３にかかるデータベース検索システムについて説明する。
【００２０】
（１）実施の形態１
図１は、実施の形態１にかかる検索システム１００の構成を示す図である。ディスプレイ１０１は、ユーザの各オブジェクトに対する嗜好度の推測値、及び、ユーザに推薦するオブジェクトを表示する。制御部１０２は、ＣＤ、絵画及び映画等の多くのジャンルに関し、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースのデータを記憶するハードディスク１０５（図２を参照）を内蔵し、ユーザにより入力された検索プロファイルや検索条件に基づいてデータの検索を実行する。キーボード１０３及びマウス１０４は、ユーザのプロファイルや検索条件を入力する手段として用いる。
なお、ディスプレイ１０１の他にプリンターを備え、ユーザに推薦するオブジェクトを用紙に印刷する構成を採用しても良い。
【００２１】
図２は、上記制御部１０２の内部構成を示す図である。制御部１０２は、上記ＣＤ、絵画及び映画等の多くのジャンルに関し、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースのデータを記憶するハードディスク１０５、検索プログラムを記憶するＲＯＭ１０６、ＲＡＭ１０８、及び、前記ＲＯＭ１０６に記憶されている検索プログラムをＲＡＭ１０８に読み出して実行する中央演算処理装置（以下、ＣＰＵという）１０７で構成される。図示するように、ＣＰＵ１０７は、ディスプレイ１０１、キーボード１０３及びマウス１０４に接続されている。
【００２２】
なお、上記データベースのデータを、ハードディスク１０５のかわりに光磁気ディスクやＣＤ―ＲＯＭ等の外部記録媒体に記録しておき、所定の読取装置により上記外部記録媒体に書き込まれているデータを読み出す構成を採用しても良い。上記外部記録媒体の読取装置は、通信線を介して検索システム１００のＣＰＵ１０７に接続される構成を採用しても良い。
また、上記検索プログラムは、ＲＯＭ１０６のかわりにハードディスク１０５又は上記外部記録媒体に記録しておき、必要に応じてＲＡＭ１０８に読み出し、実行する構成を採用しても良い。
【００２３】
図３は、ハードディスク１０５に記憶されている多くのジャンルに関し、ジャンル別に属する複数のオブジェクトに対する嗜好度を、例えば５０００人分集めてなるデータベースの構成を示す図である。本データベースは、各々ＩＤ番号の割り当てられている５０００人分のプロファイルデータ及び嗜好データにより構成されている。上記プロファイルデータは、例えば、年齢、性別及び職業のデータで構成されている。上記嗜好データは、多くのジャンルに関し、ジャンル別に属する複数のオブジェクト、例えば、ＣＤについて３個、絵画について３個及び映画について２個…といった合計でｍ個のオブジェクトに対する嗜好度を各々１００点満点で表したデータ、及び、各オブジェクトのプロファイルデータで構成されている。なお、各オブジェクトの嗜好度は、例えばＣＤ、絵画、映画、…の所定の順番でハードディスク１０５に書き込まれている。
【００２４】
図３において、ＩＤ＝０００１の人（以下、単に標本ともいう）のプロファイルデータは、２５歳、男性、会社員である。ＣＤに関して、当該ＩＤ＝０００１の人のｃｄ１に対する嗜好度は６０点、ｃｄ２に対する嗜好度は８０点、ｃｄ３に対する嗜好度は７０点である。なお、ｃｄ１のプロファイルデータは、１９５４年発売、男性、ジャズであり、ｃｄ２のプロファイルデータは、１９７１年発売、男性、ロックであり、ｃｄ３のプロファイルデータは、１９９７年発売、女性、ポピュラーである。
絵画に関して、当該ＩＤ＝０００１の人のｄ１に対する嗜好度は７０点、ｄ２に対する嗜好度は５０点、ｄ３に対する嗜好度は８０点である。なお、ｄ１のプロファイルデータは、１９２０年作成、洋画、油絵であり、ｄ２のプロファイルデータは、１９９５年作成、邦画、版画であり、ｄ３のプロファイルデータは、１９３３年作成、洋画、写真である。
映画に関して、当該ＩＤ＝０００１の人のｍ１に対する嗜好度は６０点、ｍ２に対する嗜好度は８０点となっている。なお、ｍ１のプロファイルデータは、１９８６年上映、洋画、アクションであり、ｍ２のプロファイルデータは、１９８１年上映、邦画、ロマンスである。
なお、説明の便宜上、残りのｍ―８個のオブジェクトのプロファイルデータ及び嗜好データについての記載及び説明は省略する。
【００２５】
後にフローチャートを用いて説明するが、ＣＰＵ１０７は、上記データベースを構築する各人の嗜好データを用いて、ｍ個のオブジェクト相互間の相関値を求め、求めた相関値をＲＡＭ１０８に記憶しておく。
【００２６】
なお、ｍ個のオブジェクト相互間の相関値は、調べようとする２つのオブジェクトに関する５０００人分（後に説明するデータプロファイルの設定（図８を参照）により処理対象とする標本が絞り込まれた場合には、当該絞り込まれた人数分）の嗜好データの共分散値及び標準偏差値を求め、上記共分散値を上記標準偏差値で割ることにより求める。
具体的には、処理対象とする人数をＮ人とすると、上記相関値は、次の「数１」により求められる。なお、変数ｉ、ｊは、１〜ｍの整数値を取り、ｉ番目及びｊ番目にハードディスク１０５に記憶されているオブジェクトを示す。例えば、図３に示すように、ハードディスク１０５に１番目に記憶されているオブジェクトは、ｃｄ１である。
【数１】
上記相関値は、２つのオブジェクトの関係の強さを表すものである。相関値は、−１〜１の値をとり、２つのオブジェクトの関係が強い程１に近づく。
【００２７】
なお、検索システム１００では、各オブジェクト間の関係の強さを上記「数１」により求められる相関値により表すが、各オブジェクト間の点差に基づいて定められる距離を求め、求めた距離の逆数に比例する値を各オブジェクト間の関係の強さを表す数値として取り扱うようにしても良い。
【００２８】
また、各オブジェクトに対する嗜好度を、好き／嫌いといった２値的な評価により表しても良い。この場合、２つのオブジェクトに関して好きと答えた人の割合をオブジェクト間の関係の強さを表す数値として取り扱えばよい。
【００２９】
図４は、ＣＰＵ１０７の実行する検索処理のメインフローを示す図である。検索処理プログラムの実行に伴い、ＣＰＵ１０７は、ディスプレイ１０１上に図５に示すユーザプロファイル設定画面を表示する（ステップＳ６）。ユーザは、当該設定画面に設けるチェックボックス５０１〜５０９をマウス１０４によりクリックしてユーザプロファイルの設定を行う。
ユーザにより「完了」のボタン５１０がマウス１０４によりクリックされた場合であって（ステップＳ７でＹＥＳ）、ユーザプロファイルの設定が行われている場合には（ステップＳ８でＹＥＳ）、当該設定に従って検索処理の対象とする標本の絞り込みを実行する（ステップＳ９）。具体的には、ＣＰＵ１０７は、ユーザにより設定されたプロファイルと一致する標本のデータのみを検索処理の対象とすることで、処理の迅速化、及び、より適切な作品の推薦を実現する。
なお、ユーザプロファイルの設定が行われていない場合には（ステップＳ８でＮＯ）、絞り込み処理をスキップし、全ての標本を検索処理の対象として、次のステップＳ１０に進む。
【００３０】
ユーザプロファイルの設定に基づく標本の絞り込み処理の実行後、ＣＰＵ１０７は、作品間関係記述処理を実行する（ステップＳ１０）。当該処理では上記ステップＳ９において絞り込まれた各標本のｍ個のオブジェクトの嗜好データに基づいて、オブジェクト相互間の相関値を求める。
次に示す「表１」は、説明の便宜上、図３に示したＩＤ＝０００１，ＩＤ＝０００２，ＩＤ＝０００３の標本の嗜好データに基づいて、ＣＤ３個、絵画３個、映画２個の合計８個のオブジェクト相互間の相関を求めた結果を表す。なお、当該処理については後に詳しく説明する。
【表１】
【００３１】
上記作品間関係記述処理の終了後、ＣＰＵ１０７は、図６に示すユーザ感性入力画面をディスプレイ１０１に表示する（ステップＳ１１）。ディスプレイ１０１上には、ｍ個のオブジェクトに対する嗜好度の入力画面が表示されるが、説明の便宜上、図６には、ｍ個のオブジェクトの内、ＣＤ３個、絵画３個、映画２個の合計８個のオブジェクトに対する嗜好度の入力画面を表示する。
ユーザは、キーボード１０３及びマウス１０４を操作して数値入力ボックス６０１〜６０８に各オブジェクトに対する嗜好度を１００点満点で入力する。各オブジェクトに対する嗜好度を１００点満点で設定した後、ユーザは、マウス１０４により「検索スタート」のボタン６０９をクリックする。
当該嗜好度の入力画面において、ユーザは全てのオブジェクトに対する嗜好度を入力する必要はなく、適切に評価できるオブジェクトに対してのみ嗜好度を入力すればよい。なお、各数値入力ボックス６０１〜６０８には、嗜好度のデフォルト値として０点が設定されている。
本図では、ＣＤに関して、ユーザのｃｄ１に対する嗜好度は７０点、ｃｄ２に対する嗜好度は９０点、ｃｄ３に対する嗜好度は７０点に設定されている。残りのオブジェクトには点がつけられておらず０点に設定されている。
【００３２】
図６に示すユーザ感性入力画面において、ユーザがマウス１０４で「検索スタート」のボタン６０９をクリックすると（ステップＳ１２でＹＥＳ）、ＣＰＵ１０７は、ｍ個のオブジェクトに対するユーザの嗜好度を推測する処理を実行する（ステップＳ１３）。具体的には、上記ステップＳ１０において求められたｍ×ｍ行列で表されるｍ個のオブジェクト相互間の相関値に、ｍ×１行列で表される上記ユーザの入力したｍ個のオブジェクトの嗜好度を掛け合わせる。上記掛け算により得られるｍ×１行列の値が、ｍ個のオブジェクトに対するユーザの嗜好度の推測値である。
次の「数２」は、上記「表１」に示すＣＤ３個、絵画３個、映画２個の合計８個のオブジェクトについての相関値と、図６に示す設定に基づいて求められたユーザの嗜好度の推測値を示す。
【数２】
このように、検索システム１００では、ユーザは、全てのオブジェクトに対する嗜好度を入力せずとも、全ｍ個のオブジェクトに対するユーザの嗜好度を適切に推測することができる。これにより、他のジャンルの嗜好度データに基づいて、所望するジャンルについての適切な作品を推薦することができる。
【００３３】
ＣＰＵ１０７は、図７に示すように、上記ステップＳ１３において実行する推測処理により推測されたｍ個のオブジェクトに対するユーザの嗜好度をディスプレイ１０１上に棒グラフで表すと共に、ＣＤ、絵画及び映画といった各ジャンルの中で最も嗜好度の推測値の高いものを、それぞれ推薦作品として表示する（ステップＳ１４）。このように、ディスプレイ１０１上に棒グラフを表示することで、ユーザは、推薦作品以外の作品に対する嗜好度の推測値を確認することができる。なお、上記ステップＳ１４では、各ジャンル毎に、嗜好度の推測値の上位３位までのオブジェクトを推薦作品として表示しても良い。
【００３４】
ユーザは、オブジェクトのプロファイルによって推薦作品の絞り込みを行おうとする場合には、図７に示す結果表示画面に設けられている「絞り込み」のボタン７０１をマウス１０４によりクリックする（ステップＳ１５でＹＥＳ）。「絞り込み」のボタン７０１のクリックに対応して、ＣＰＵ１０７はディスプレイ１０１上に、図８に示すデータプロファイル設定画面を表示する（ステップＳ１６）。当該データプロファイル設定画面では、チェックボタン８０１、８１０、８１９をマウス１０４によりクリックすることで、それぞれＣＤ、絵画、映画について設定したプロファイルが有効になる。ＣＤの欄において、数値入力ボックス８０２、８０３は、対象とするＣＤの発売された年を入力する。チェックボックス８０４〜８０９は、対象とする歌手の性別、音楽のジャンルなどを設定する。絵画の欄において、数値入力ボックス８１１、８１２は、対象とする絵画の作成された年を入力する。チェックボックス８１３〜８１８は、対象とする絵画の特徴を設定する。映画の欄において、数値入力ボックス８２０、８２１は、対象とする映画の上映された年を入力する。チェックボックス８２２、８２６は、対象とする映画のジャンルを入力する。ユーザは、キーボード１０３及びマウス１０４を操作して上記データプロファイルを設定する。ユーザは、絞り込みに使用するプロファイルデータの設定終了後、「検索スタート」のボタン８００をマウス１０４によりクリックする。
【００３５】
ＣＰＵ１０７は、「検索スタート」のボタン８００のクリックに応じて（ステップＳ１７でＹＥＳ）、ユーザにより設定されたデータプロファイルに一致するオブジェクトの中から嗜好度の高いものを選択する作品絞り込み処理を実行し（ステップＳ１８）、図６に示す結果表示画面を更新した後に（ステップＳ１９）、上記ステップＳ１５に戻る。
【００３６】
なお、図６に示す結果表示画面でユーザが「作品の絞り込み」のボタン６０１をクリックしない場合には（ステップＳ１５でＮＯ）、そのまま処理を終了する。
【００３７】
図９は、上記作品間関係記述処理（図４、ステップＳ１０）のフローチャートである。まず、初期設定として、ｉ＝１、ｊ＝１、Ｉmax＝Ｊmax＝ｍ（オブジェクトの数）に設定する（ステップＳ２０）。ｉ番目のオブジェクト及びｊ番目のオブジェクトの相関値を求める（ステップＳ２１）。具体的には、ハードディスク１０５にｉ番目に記憶されているオブジェクトと、ｊ番目に記憶されているオブジェクトとの５０００人分（ユーザプロファイルの設定により検索処理で用いる標本が絞り込まれた場合には、当該絞り込まれた人数分）の嗜好度のデータに基づく共分散値及び標準偏差値を求め、上記共分散値を標準偏差値で割ることで相関値を求める（上記「数１」を参照）。
上記相関値は、２つのオブジェクトの関係の強さを表すものであり、該相関値は−１〜１の値をとり、２つのオブジェクトの関係が強い程１に近づく。
【００３８】
変数ｉに１を加算する（ステップＳ２２）。ｉの値がＩmax以下の場合には（ステップＳ２３でＮＯ）、上記ステップＳ２１に戻る。一方、変数ｉの値がＩmaxよりも大きくなった場合には（ステップＳ２３でＹＥＳ）、変数ｊに１を加算する（ステップＳ２４）。変数ｊの値がＪmax以下の場合には（ステップＳ２５でＮＯ）、変数ｉの値を１に設定した後に（ステップＳ２６）、上記ステップＳ２１に戻る。一方、ｊの値がＪmaxよりも大きくなった場合には（ステップＳ２７でＹＥＳ）、全てのオブジェクト相互の組み合わせについての相関値の算出処理が終了したと判断して作品間関係記述処理を終了し、図４のメインフローにリターンする。
【００３９】
以上に説明するように、検索システム１００では、ユーザの好きなオブジェクトと関係の強い（相関値の高い）オブジェクトを推薦作品として出力する。これにより、例えば、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
なお、上記検索システム１００では、ＣＤ、絵画及び映画等のｍ個のオブジェクトについてのプロファイルデータ及び嗜好データで構成される単一のデータベースを使用するが、ＣＤに関するデータベース、絵画に関するデータベース、映画に関するデータベースといった複数のデータベースを用意し、上記複数のデータベースのオブジェクト相互の相関を算出し、該算出した相関値と各オブジェクトに対してユーザが設定した嗜好度に基づいて、上記複数のデータベースの各オブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値の大きなオブジェクトを推薦作品としても良い。
【００４０】
（２）実施の形態２
以下、実施の形態２に示す検索システム２００について説明する。検索システム２００は、上記実施の形態１にかかる検索システム１００に比べて、検索処理において実行するユーザの嗜好度の推測処理（図４、ステップＳ１３に対応する処理）が異なるだけである。
以下、実施の形態２にかかる検索システム２００の実行する推測処理（ステップＳ１００）について説明する。
【００４１】
図１０は、検索システム２００の実行するユーザの嗜好度の推測処理（ステップＳ１００）のフローチャートである。検索システム２００は、バネモデルを利用して、ユーザの嗜好度の推測を行う。
なお、バネモデルに関する公知文献としては、田村淳による論文、「記号間の力学に基づく概念マップ生成システムＳＰＲＩＮＧＳ」、情報処理学会論文誌、１９９２年４月、Ｖｏｌ．３３、Ｎｏ．４、４６５頁〜４７０頁、及び、高杉耕一及び國藤進による論文、「ばねモデルを用いたアイデア触発システムの構築について」、第７回ＡＩシンポジウム（ＳＩＧ−Ｊ）、１９９６年１２月があげられる。
【００４２】
以下、図１１の（ａ）〜（ｃ）を参照しつつ、検索システム２００で実行するユーザの嗜好度の推測処理の内容について説明する。
まず、周知の多次元尺度法（例えば、題名「多次元尺度法」、高根芳雄著、東京大学出版会を参照）を用いて、ユーザにより設定された１以上のオブジェクトに対する嗜好度に基づいて、ｍ個のオブジェクトを空間内に配置する（ステップＳ１０１）。当該処理では、上記実施の形態１にかかる検索システム１００と同様に、ユーザにより嗜好度の設定が行われなかったオブジェクトの嗜好度は０点として取り扱う。上記空間内では、ユーザにより設定された嗜好度の値が近似するオブジェクト同士が近距離に配置される。
例えば、ＣＤであるｃｄ１、ｃｄ２及びｃｄ３に７０点、９０点及び７０点が設定されている場合、ｃｄ１、ｃｄ２及びｃｄ３は、図１１の（ａ）に示すように、空間内の所定の位置に配置される。
【００４３】
以下のステップＳ１０２〜Ｓ１０８の処理では、ユーザの各オブジェクトに対する嗜好度をバネモデルを用いて推測する。
まず、上記ｍ個のオブジェクトの配置された空間に対してバネモデルを適用する（ステップＳ１０２）。なお、モデル化する際、各オブジェクトは、一様な質量を持つ質点とする。また、空間内で定常状態に落ち着いたｍ個のオブジェクト間のバネ係数は、相関値に比例した値をとる。
当該処理により、ｃｄ１、ｃｄ２及びｃｄ３は、図１１の（ｂ）に示すように、所定のバネ係数のバネにより接続される。これに伴い、ｃｄ１、ｃｄ２及びｃｄ３は、関係の強いもの同士が引き付け合い、図１１の（ｃ）に示す位置に再配置される。
【００４４】
変数Ｍの値を１に設定する（ステップＳ１０３）。Ｍ番目のオブジェクトのユーザにより設定された嗜好度と当該Ｍ番目のオブジェクトとｍ―１個の残りのオブジェクトの距離の逆数に比例して求められる、上記ｍ―１個の残りのオブジェクトへの加算点をそれぞれ算出し、算出した各々のオブジェクトへの加算点をＲＡＭ１０８に記憶する（ステップＳ１０４）。
【００４５】
例えば、図１１の（ｃ）に示すように、ｃｄ１、ｃｄ２及びｃｄ３を接続する各バネのバネ係数より、（ｃｄ１とｃｄ２間の距離）：（ｃｄ１とｃｄ３間の距離）：（ｃｄ２とｃｄ３間の距離）＝３：２：４．５が求められた場合を想定する。この場合において、ユーザにより設定された嗜好度が７０点のｃｄ１に注目すると、ｃｄ２に対する加算点は２３．３点、ｃｄ３に対する加算点は３５点となる。また、図示していないが、ユーザにより設定された嗜好度が９０点のｃｄ２に注目した場合、ｃｄ１に対する加算点は３０点、ｃｄ３に対する加算点は２０点となる。同様に、ユーザにより設定された嗜好度が７０点のｃｄ３に注目した場合、ｃｄ１に対する加算点は３５点、ｃｄ２に対する加算点は１５．６点となる。
【００４６】
次のオブジェクトに対する処理を実行するため、変数Ｍに１を加算する（ステップＳ１０５）。変数Ｍの値がｍ以下の場合（ステップＳ１０６でＮＯ）、上記ステップＳ１０４に戻る。変数Ｍの値がｍよりも大きい場合（ステップＳ１０６でＹＥＳ）、各オブジェクトのユーザにより設定された嗜好度に、ＲＡＭ１０８に記憶している加算点を加算した合計値を、ユーザの各オブジェクトに対する嗜好度の推測値とする（ステップＳ１０７）。
【００４７】
例えば、ｃｄ１では、ユーザにより設定された嗜好度が７０点、ｃｄ２からの加算点が３０点、ｃｄ３からの加算点が３５点であり、嗜好度の推測値は、７０＋３０＋３５＝１３５点となる。ｃｄ２では、ユーザにより設定された嗜好度は９０点、ｃｄ１からの加算点が２３．３点、ｃｄ３からの加算点が１５．６点であり、嗜好度の推測値は、９０＋２３．３＋１５．６＝１１８．９点となる。ｃｄ３では、ユーザにより設定された嗜好度が７０点、ｃｄ１からの加算点が３５点、ｃｄ２からの加算点が２０点であり、嗜好度の推測値は、７０＋３５＋２０＝１２５点となる。
【００４８】
以上、説明するように、実施の形態２にかかる検索システム２００は、バネモデルを利用してユーザの嗜好度の推測を行う。検索システム２００の構成、及び、上記推測処理（ステップＳ１００）以外の処理の内容は、上記実施の形態１にかかる検索システム１００と同じである。このため、検索システム２００の構成及び上記推測処理（ステップＳ１００）以外の処理についての説明は省略する。
【００４９】
（３）実施の形態３
以下、実施の形態３に示す検索システム３００について説明する。検索システム３００は、上記実施の形態１にかかる検索システム１００に比べて、検索処理において実行するユーザの嗜好度の推測処理（図４、ステップＳ１３に対応する処理）の内容が異なるだけである。
以下、実施の形態３にかかる検索システム３００の推測処理（ステップＳ２００）について説明する。
【００５０】
検索システム３００は、クラスタ分析手法を用いてユーザの嗜好度の推測処理を実行する。
なお、クラスタ分析手法に関する文献としては、「多変量解析ハンドブック」（柳井春夫／高木廣文編著、現代数学社）、及び、舘村純一による論文「文献空間のインタラクティブ視覚化」（ＷＩＳＳ’９６）があげられる。
【００５１】
図１２は、クラスタ分析手法を利用してユーザの嗜好度を推測する推測処理（ステップＳ２００）の概略内容を示した図である。本図では、ＣＤであるｃｄ１〜ｃｄ３、及び、映画１の合計４つのオブジェクトの嗜好度を推測する。図１２の（ａ）は、上記４つのオブジェクト相互間の相関値を表す。この中から最も相関値の大きなオブジェクトの組を検出する。本例の場合、ｃｄ１及びｃｄ３の組が最も大きな相関値を持つ。検出した２つのオブジェクトｃｄ１及びｃｄ３をグループ１として新たなオブジェクトとする。このグループ１のオブジェクトの嗜好度は、検出した２つのオブジェクトｃｄ１及びｃｄ３の嗜好度の平均値とする。
【００５２】
ｃｄ２、グループ１及び映画１の３つのオブジェクト相互間の相関値を求める。図１２の（ｂ）は、上記３つのオブジェクト相互間の相関値を表す。この中から最も相関値の大きなオブジェクト組を検出する。本例の場合、ｃｄ２及び映画１の組が最も大きな相関値を持つ。検出した２つのオブジェクトｃｄ及び映画１をグループ２として新たなオブジェクトとする。このグループ２のオブジェクトの嗜好度は、検出した２つのオブジェクトｃｄ２及び映画１の嗜好度の平均値とする。
【００５３】
グループ１及びグループ２の２つのオブジェクト相互間の相関値を求める。図１２の（ｃ）は、上記２つのオブジェクト相互間の相関値を表す。例えば、予め予定したオブジェクトの数が２つの場合、上記オブジェクトの数を減らす処理を終了する。各グループ毎に、グループを構成するオブジェクトに割り当てられている嗜好度の平均値を求め、求めた嗜好度の平均値を上記グループを構成するオブジェクトの嗜好度の推測値とする。
【００５４】
図１３は、検索システム３００の実行するユーザの嗜好度の推測処理（ステップＳ２００）のフローチャートである。
まず、初期設定として、変数Ｍをオブジェクトの数であるｍに設定する（ステップＳ２０１）。オブジェクト相互間の相関値が最大の値をとるオブジェクトの組み合わせを検出する（ステップＳ２０２）。検出した２つのオブジェクトを新たな１つのオブジェクトとする（ステップＳ２０３）。なお、上記新たなオブジェクトの各標本における嗜好度は、上記２つのオブジェクトの嗜好度の平均値とする。変数Ｍの値より１を減算する（ステップＳ２０４）。変数ｉ及び変数ｊの値を１に設定する。Ｉmax＝Ｊmax＝Ｍに設定する（ステップＳ２０５）。
【００５５】
ｉ番目のオブジェクト及びｊ番目のオブジェクトの相関値を求める（ステップＳ２０６）。上記相関値は、２つのオブジェクトの関係の強さを表すものであり、該相関値は−１〜１の値をとり、２つのオブジェクトの関係が強い程１に近づく。
変数ｉに１を加算する（ステップＳ２０７）。ｉの値がＩmax以下の場合には（ステップＳ２０８でＮＯ）、上記ステップＳ２０６に戻る。一方、変数ｉの値がＩmaxよりも大きくなった場合には（ステップＳ２０８でＹＥＳ）、変数ｊに１を加算する（ステップＳ２０９）。変数ｊの値がＪmax以下の場合には（ステップＳ２１０でＮＯ）、変数ｉの値を１に設定した後に（ステップＳ２１１）、上記ステップＳ２０６に戻る。一方、ｊの値がＪmaxよりも大きくなった場合には（ステップＳ２１０でＹＥＳ）、全てのオブジェクト相互の組み合わせについての相関値の算出処理が終了したと判断する。変数Ｍの値が、目標とするグループの数として定めるＭmin以上の場合（ステップＳ２１２でＮＯ）、上記ステップＳ２０２に戻る。一方、変数Ｍの値が上記Ｍminよりも小さくなった場合には（ステップＳ２１２でＹＥＳ）、Ｍmin個のグループ毎に、内包されるオブジェクトの嗜好度の合計を算出する（ステップＳ２１３）。前記合計を各オブジェクトの数で割って求められる嗜好度の平均値を各オブジェクトの嗜好度の推測値とする（ステップＳ２１４）。
【００５６】
以上、説明するように、実施の形態３にかかる検索システム３００は、クラスタ分析手法を利用してユーザの嗜好度の推測を行う。検索システム３００の構成、及び、上記推測処理（ステップＳ２００）以外の処理の内容は、上記実施の形態１にかかる検索システム１００と同じである。このため、検索システム３００の構成及び上記推測処理（ステップＳ２００）以外の処理についての説明は省略する。
【００５７】
【発明の効果】
本発明の第１の検索システムは、オブジェクト相互間の関係の強さを表す数値、１以上のオブジェクトに対して設定されたユーザの嗜好度、及び、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。このように、本発明の第１の検索システムでは、ユーザの好きなオブジェクトと関係の強いオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００５８】
本発明の第２の検索システムでは、オブジェクト相互間の関係の強さを表す数値として相関値を使用し、設定手段により１以上のオブジェクトに対して設定されたユーザの嗜好度、及び、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００５９】
本発明の第３の検索システムでは、オブジェクト相互間の関係の強さを表す数値として各オブジェクト間の嗜好度の差に基づいて距離を求め、求めた距離の逆数に基づく値を算出し、１以上のオブジェクトに対して設定されたユーザの嗜好度、及び、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６０】
本発明の第４の検索システムでは、複数のオブジェクトに対する嗜好度として、好き／嫌いといった２値的な評価を採用し、２つのオブジェクトに関して好きと答えた人の割合を、又は、２つのオブジェクト関して嫌いと答えた人の割合を、オブジェクト相互間の関係の強さを表す数値とする。この数値と、１以上のオブジェクトに対して設定されたユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値とに基づいて、全てのオブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。従って、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤと映画とが含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６１】
本発明の第５の検索システムは、複数のオブジェクト相互間の関係の強さを表す数値を重み付けフィルタとして用いて、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度の全てのオブジェクトに対する重み付けを行い、求められた値を各オブジェクトの嗜好度の推測値とする。そして、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６２】
本発明の第６の検索システムでは、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度、及び、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、多次元尺度法に従い、各オブジェクトを空間内に配置し、配置後のオブジェクトに対して、バネモデルを適用し、各オブジェクトを同一質量の点として取り扱い、該オブジェクト相互間の関係の強さを表す数値に基づいて定まるバネ係数のバネにより接続したバネモデルで表し、あるオブジェクト（第１オブジェクトという）以外の別のオブジェクト（第２オブジェクトという）の嗜好度と第１オブジェクトから第２オブジェクトのまでの距離に基づいて定まる数値を、上記第１オブジェクト以外の全てのオブジェクトについて求め、求めた全ての数値を上記第１オブジェクトの嗜好度に加算した値を上記第１オブジェクトの嗜好度の推測値とする。そして、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６３】
本発明の第７の検索システムは、クラスタ分析手法に従い、上記演算手段により求められるオブジェクト相互間の関係の強さを表す数値に基づいて上記複数のオブジェクトを所定数にグループ化し、上記グループ別に、グループを構成する複数のオブジェクトの嗜好度の合計値又は平均値を、グループを構成する各オブジェクトの嗜好度の推測値とする。そして、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６４】
本発明の記録媒体に記録されているプログラムは、複数のジャンルに関し、ジャンル別に属する複数のオブジェクトに対する嗜好度を、所定の人数分だけ集めて構成されるデータベースを備えるコンピュータを、上記第１の検索システムとして機能させることができる。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【図面の簡単な説明】
【図１】 実施の形態１にかかる検索システムの全体構成図である。
【図２】 検索システムの構成図である。
【図３】 検索システムで用いるデータベースの構成を示す図である。
【図４】 ＣＰＵの実行する検索処理のフローチャートである。
【図５】 ディスプレイ上に表示するユーザプロファイル設定画面である。
【図６】 ディスプレイ上に表示するユーザ感性入力画面である。
【図７】 ディスプレイ上に表示する検索結果表示画面である。
【図８】 ディスプレイ上に表示するデータプロファイル設定画面である。
【図９】 作品間関係記述処理のフローチャートである。
【図１０】 実施の形態２にかかる検索システムの実行する推測処理のフローチャートである。
【図１１】 バネモデルを使用した場合に、空間に配置される各オブジェクトの様子を示す図である。
【図１２】 クラスタ分析手法を採用した場合における嗜好度の推測処理の手順を示す図である。
【図１３】 実施の形態３にかかる検索システムの実行する推測処理のフローチャートである。
【符号の説明】
１００ 検索システム、１０１ ディスプレイ、１０２ 制御部、１０３ キーボード、１０４ マウス、１０５ ハードディスク、１０６ ＲＯＭ、１０７ ＣＰＵ、１０８ ＲＡＭ
【発明の属する技術分野】
本発明は、ＣＤ、絵画及び映画等の複数のジャンルに属する複数のオブジェクトに関するデータベースより、ユーザの好みに合うオブジェクトを検索し、検索したオブジェクトを推薦作品としてディスプレイやプリンター等に出力する検索システムに関する。
【０００２】
【従来の技術】
従来より、ＣＤ、絵画、又は、映画といったオブジェクトのデータを記憶するデータベースから、キーワードによる絞り込みによりユーザの所望するオブジェクトを検索するシステムが知られている。
【０００３】
例えば、映画のデータベースからユーザの好みに合う映画を検索し、検索した映画を次に見る映画として推薦する絞り込み検索システムが知られている。ユーザは、コメディ／ロマンス／ＳＦ等のジャンルを表すキーワードや、洋画／邦画、監督名、作成国等を表す複数のキーワードから、好きな映画に関するキーワードを指定する。当該絞り込み検索システムでは、ユーザにより指定されたキーワードによる絞り込み検索を行い、当該検索された映画を、次に見る映画としてディスプレイやプリンタ等の出力装置に出力する。
【０００４】
ところが、上記従来の絞り込み検索システムでは、データベース内のデータが増加すると、作品を所望の数にまで絞り込むために設定を用するキーワードの数が増加して操作性が悪くなると共に、適切なキーワードの設定が困難になるといった問題がある。
【０００５】
そこで、上記キーワードの設定のかわりに、ユーザに好きな映画のタイトルを複数入力させ、入力された映画を同じように好きな人が上記複数の映画以外に好きな映画を、次に見る映画として推薦する推測検索システムが提案されている。当該推測検索システムでは、数百人又は数千人を対象として行った好きな映画に関するアンケート結果をデータベースとして構築しておき、ユーザの好きな複数の映画を同じく好きであると答えた人（標本）を特定し、該特定した人（標本）がユーザが入力した映画以外に好きな映画を、次に見る映画として推薦する。
【０００６】
【発明が解決しようとする課題】
以下、ＣＤ、絵画及び映画等、多くのジャンルに関し、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースから、ユーザの好みに合う映画を検索する場合を想定する。
【０００７】
上記絞り込み検索システムの場合、ユーザは好みの映画に関するキーワードを適切に設定する必要がある。しかし、ユーザが音楽については詳しいが、映画について詳しくない場合、ユーザは適切なキーワードの設定を行うことができず、所望する映画の検索を行うことができない。
【０００８】
また、上記推測検索システムの場合、ユーザは、ユーザの好みに合う映画を特定するため自己が好きなＣＤ、絵画及び映画のタイトルを入力する必要が生じる。しかし、音楽については詳しいが、映画については詳しくない場合、ユーザは、好きな映画のタイトルを入力することができない。一般的に、音楽の好みと映画の好みは必ずしも一致しない。このため、音楽の好みに基づいて特定された人（標本）が好きな映画が、常にユーザの好みに合うとは限らない。
【０００９】
このように、上記絞り込み検索システム及び推測検索システムでは、例えば、音楽に対する好みに基づいて、ユーザの好みに合う映画を適切に推薦することはできない。
【００１０】
本発明は、ＣＤ、絵画及び映画等の多くのジャンルに関し、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースから、簡単な作業でユーザの好みに合致するオブジェクトを、異なるジャンルの嗜好データに基づいて特定し、特定したオブジェクトを推薦作品としてディスプレイやプリンタに出力する検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体を提供することを目的とする。
【００１１】
本発明の第１の検索システムは、複数のジャンルについて、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースと、複数のオブジェクト相互間の関係の強さを表す数値を、データベースに記録されている各オブジェクトの嗜好度に基づいて算出する演算手段と、複数のオブジェクト内の１以上のオブジェクトに対するユーザの嗜好度を設定する設定手段と、演算手段により求められた各オブジェクト相互間の関係の強さを表す数値、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測する推測手段と、推測手段により求められた各オブジェクトに対するユーザの嗜好度の推測値に基づいて１以上のオブジェクトを選択し、選択した１以上のオブジェクトを推薦作品として出力する出力手段とで構成されることを特徴とする。
【００１２】
本発明の第２の検索システムは、第１の検索システムにおいて、演算手段が、オブジェクト相互間の関係の強さを表す数値として、各オブジェクトの嗜好度に基づいてオブジェクト相互間の相関値を算出することを特徴とする。
演算手段が、オブジェクト相互間の関係の強さを表す数値として、各オブジェクトの嗜好度に基づいてオブジェクト相互間の相関値を算出することを特徴とする請求項１記載の検索システム。
【００１３】
本発明の第３の検索システムは、第１の検索システムにおいて、演算手段が、オブジェクト相互間の関係の強さを表す数値として、各オブジェクト間の点差に基づいて定められる距離を求め、求めた距離の逆数に比例する値を算出することを特徴とする。
【００１４】
本発明の第４の検索システムは、第１の検索システムにおいて、複数のオブジェクトに対する嗜好度として、好き／嫌いといった２値的な評価を採用し、演算手段は、２つのオブジェクトに関して好きと答えた人の割合を、又は、２つのオブジェクトに関して嫌いと答えた人の割合を、オブジェクト相互間の関係の強さを表す数値として算出することを特徴とする。
【００１５】
本発明の第５の検索システムは、第２乃至第４の何れかの検索システムにおいて、推測手段が、各オブジェクト相互間の関係の強さを表す数値で構成される行列に、設定手段により設定されたユーザの嗜好度を掛け合わして求められる値を、各オブジェクトに対するユーザの嗜好度の推測値とすることを特徴とする。
【００１６】
本発明の第６の検索システムは、第２乃至第４の何れかの検索システムにおいて、推測手段が、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値とに基づいて、多次元尺度法を用いて各オブジェクトを空間内に配置し、配置後のオブジェクトに対してバネモデルを適用し、各オブジェクトを同一質量の点として取り扱い、該オブジェクト相互間の関係の強さを表す数値に基づいて定まるバネ係数のバネにより接続したバネモデルで表し、あるオブジェクト（以下、第１オブジェクトという）以外のオブジェクト（以下、第２オブジェクトという）の嗜好度と第１オブジェクトから第２オブジェクトまでの距離に基づいて定まる数値とを、第１オブジェクト以外の全てのオブジェクトについて求め、求めた全ての数値を第１オブジェクトの嗜好度に加算した値を第１オブジェクトの嗜好度を表す推測値とすることを特徴とする。
【００１７】
本発明の第７の検索システムは、第２乃至第４の何れかの検索システムにおいて、推測手段が、クラスタ分析手法に従って演算手段により求められるオブジェクト相互間の関係の強さを表す数値に基づいて、複数のオブジェクトを所定の数のグループに分け、グループ毎に、グループを構成する複数のオブジェクトの嗜好度の合計値又は平均値を、グループを構成する各オブジェクトの嗜好度の推測値とすることを特徴とする。
【００１８】
本発明のコンピュータ読み取り可能な記録媒体は、複数のジャンルについて、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めて成るデータベースを備えるコンピュータを、複数のオブジェクト相互間の嗜好度の強さを表す数値を、データベースに記録されている各オブジェクトの嗜好度に基づいて算出する演算手段と、複数のオブジェクト内の１以上のオブジェクトに対するユーザの嗜好度を設定する設定手段と、演算手段により求められた各オブジェクト相互間の関係の強さを表す数値と、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値と、に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測する推測手段と、推測手段により求められた各オブジェクトに対するユーザの嗜好度の推測値の大きなオブジェクトを推薦作品として出力する出力手段として機能させるためのプログラムを記録したことを特徴とする。
【００１９】
【発明の実施の形態】
本発明の検索システムは、データベース内に構築されている多くのジャンルに関し、ジャンル別に属する複数のオブジェクト相互間の関係の強さ（相関値等）を求め、例えば、ある音楽ＣＤが好きな人は、この映画が好きな場合が多いといった統計を求める。当該統計を利用して、例えば、音楽ＣＤについての好みに基づいて、ユーザが好きと思われる映画を推薦作品としてディスプレイやプリンタに出力することを特徴とする。
以下、上記特徴を具備する実施の形態１〜実施の形態３にかかるデータベース検索システムについて説明する。
【００２０】
（１）実施の形態１
図１は、実施の形態１にかかる検索システム１００の構成を示す図である。ディスプレイ１０１は、ユーザの各オブジェクトに対する嗜好度の推測値、及び、ユーザに推薦するオブジェクトを表示する。制御部１０２は、ＣＤ、絵画及び映画等の多くのジャンルに関し、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースのデータを記憶するハードディスク１０５（図２を参照）を内蔵し、ユーザにより入力された検索プロファイルや検索条件に基づいてデータの検索を実行する。キーボード１０３及びマウス１０４は、ユーザのプロファイルや検索条件を入力する手段として用いる。
なお、ディスプレイ１０１の他にプリンターを備え、ユーザに推薦するオブジェクトを用紙に印刷する構成を採用しても良い。
【００２１】
図２は、上記制御部１０２の内部構成を示す図である。制御部１０２は、上記ＣＤ、絵画及び映画等の多くのジャンルに関し、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースのデータを記憶するハードディスク１０５、検索プログラムを記憶するＲＯＭ１０６、ＲＡＭ１０８、及び、前記ＲＯＭ１０６に記憶されている検索プログラムをＲＡＭ１０８に読み出して実行する中央演算処理装置（以下、ＣＰＵという）１０７で構成される。図示するように、ＣＰＵ１０７は、ディスプレイ１０１、キーボード１０３及びマウス１０４に接続されている。
【００２２】
なお、上記データベースのデータを、ハードディスク１０５のかわりに光磁気ディスクやＣＤ―ＲＯＭ等の外部記録媒体に記録しておき、所定の読取装置により上記外部記録媒体に書き込まれているデータを読み出す構成を採用しても良い。上記外部記録媒体の読取装置は、通信線を介して検索システム１００のＣＰＵ１０７に接続される構成を採用しても良い。
また、上記検索プログラムは、ＲＯＭ１０６のかわりにハードディスク１０５又は上記外部記録媒体に記録しておき、必要に応じてＲＡＭ１０８に読み出し、実行する構成を採用しても良い。
【００２３】
図３は、ハードディスク１０５に記憶されている多くのジャンルに関し、ジャンル別に属する複数のオブジェクトに対する嗜好度を、例えば５０００人分集めてなるデータベースの構成を示す図である。本データベースは、各々ＩＤ番号の割り当てられている５０００人分のプロファイルデータ及び嗜好データにより構成されている。上記プロファイルデータは、例えば、年齢、性別及び職業のデータで構成されている。上記嗜好データは、多くのジャンルに関し、ジャンル別に属する複数のオブジェクト、例えば、ＣＤについて３個、絵画について３個及び映画について２個…といった合計でｍ個のオブジェクトに対する嗜好度を各々１００点満点で表したデータ、及び、各オブジェクトのプロファイルデータで構成されている。なお、各オブジェクトの嗜好度は、例えばＣＤ、絵画、映画、…の所定の順番でハードディスク１０５に書き込まれている。
【００２４】
図３において、ＩＤ＝０００１の人（以下、単に標本ともいう）のプロファイルデータは、２５歳、男性、会社員である。ＣＤに関して、当該ＩＤ＝０００１の人のｃｄ１に対する嗜好度は６０点、ｃｄ２に対する嗜好度は８０点、ｃｄ３に対する嗜好度は７０点である。なお、ｃｄ１のプロファイルデータは、１９５４年発売、男性、ジャズであり、ｃｄ２のプロファイルデータは、１９７１年発売、男性、ロックであり、ｃｄ３のプロファイルデータは、１９９７年発売、女性、ポピュラーである。
絵画に関して、当該ＩＤ＝０００１の人のｄ１に対する嗜好度は７０点、ｄ２に対する嗜好度は５０点、ｄ３に対する嗜好度は８０点である。なお、ｄ１のプロファイルデータは、１９２０年作成、洋画、油絵であり、ｄ２のプロファイルデータは、１９９５年作成、邦画、版画であり、ｄ３のプロファイルデータは、１９３３年作成、洋画、写真である。
映画に関して、当該ＩＤ＝０００１の人のｍ１に対する嗜好度は６０点、ｍ２に対する嗜好度は８０点となっている。なお、ｍ１のプロファイルデータは、１９８６年上映、洋画、アクションであり、ｍ２のプロファイルデータは、１９８１年上映、邦画、ロマンスである。
なお、説明の便宜上、残りのｍ―８個のオブジェクトのプロファイルデータ及び嗜好データについての記載及び説明は省略する。
【００２５】
後にフローチャートを用いて説明するが、ＣＰＵ１０７は、上記データベースを構築する各人の嗜好データを用いて、ｍ個のオブジェクト相互間の相関値を求め、求めた相関値をＲＡＭ１０８に記憶しておく。
【００２６】
なお、ｍ個のオブジェクト相互間の相関値は、調べようとする２つのオブジェクトに関する５０００人分（後に説明するデータプロファイルの設定（図８を参照）により処理対象とする標本が絞り込まれた場合には、当該絞り込まれた人数分）の嗜好データの共分散値及び標準偏差値を求め、上記共分散値を上記標準偏差値で割ることにより求める。
具体的には、処理対象とする人数をＮ人とすると、上記相関値は、次の「数１」により求められる。なお、変数ｉ、ｊは、１〜ｍの整数値を取り、ｉ番目及びｊ番目にハードディスク１０５に記憶されているオブジェクトを示す。例えば、図３に示すように、ハードディスク１０５に１番目に記憶されているオブジェクトは、ｃｄ１である。
【数１】
【００２７】
なお、検索システム１００では、各オブジェクト間の関係の強さを上記「数１」により求められる相関値により表すが、各オブジェクト間の点差に基づいて定められる距離を求め、求めた距離の逆数に比例する値を各オブジェクト間の関係の強さを表す数値として取り扱うようにしても良い。
【００２８】
また、各オブジェクトに対する嗜好度を、好き／嫌いといった２値的な評価により表しても良い。この場合、２つのオブジェクトに関して好きと答えた人の割合をオブジェクト間の関係の強さを表す数値として取り扱えばよい。
【００２９】
図４は、ＣＰＵ１０７の実行する検索処理のメインフローを示す図である。検索処理プログラムの実行に伴い、ＣＰＵ１０７は、ディスプレイ１０１上に図５に示すユーザプロファイル設定画面を表示する（ステップＳ６）。ユーザは、当該設定画面に設けるチェックボックス５０１〜５０９をマウス１０４によりクリックしてユーザプロファイルの設定を行う。
ユーザにより「完了」のボタン５１０がマウス１０４によりクリックされた場合であって（ステップＳ７でＹＥＳ）、ユーザプロファイルの設定が行われている場合には（ステップＳ８でＹＥＳ）、当該設定に従って検索処理の対象とする標本の絞り込みを実行する（ステップＳ９）。具体的には、ＣＰＵ１０７は、ユーザにより設定されたプロファイルと一致する標本のデータのみを検索処理の対象とすることで、処理の迅速化、及び、より適切な作品の推薦を実現する。
なお、ユーザプロファイルの設定が行われていない場合には（ステップＳ８でＮＯ）、絞り込み処理をスキップし、全ての標本を検索処理の対象として、次のステップＳ１０に進む。
【００３０】
ユーザプロファイルの設定に基づく標本の絞り込み処理の実行後、ＣＰＵ１０７は、作品間関係記述処理を実行する（ステップＳ１０）。当該処理では上記ステップＳ９において絞り込まれた各標本のｍ個のオブジェクトの嗜好データに基づいて、オブジェクト相互間の相関値を求める。
次に示す「表１」は、説明の便宜上、図３に示したＩＤ＝０００１，ＩＤ＝０００２，ＩＤ＝０００３の標本の嗜好データに基づいて、ＣＤ３個、絵画３個、映画２個の合計８個のオブジェクト相互間の相関を求めた結果を表す。なお、当該処理については後に詳しく説明する。
【表１】
上記作品間関係記述処理の終了後、ＣＰＵ１０７は、図６に示すユーザ感性入力画面をディスプレイ１０１に表示する（ステップＳ１１）。ディスプレイ１０１上には、ｍ個のオブジェクトに対する嗜好度の入力画面が表示されるが、説明の便宜上、図６には、ｍ個のオブジェクトの内、ＣＤ３個、絵画３個、映画２個の合計８個のオブジェクトに対する嗜好度の入力画面を表示する。
ユーザは、キーボード１０３及びマウス１０４を操作して数値入力ボックス６０１〜６０８に各オブジェクトに対する嗜好度を１００点満点で入力する。各オブジェクトに対する嗜好度を１００点満点で設定した後、ユーザは、マウス１０４により「検索スタート」のボタン６０９をクリックする。
当該嗜好度の入力画面において、ユーザは全てのオブジェクトに対する嗜好度を入力する必要はなく、適切に評価できるオブジェクトに対してのみ嗜好度を入力すればよい。なお、各数値入力ボックス６０１〜６０８には、嗜好度のデフォルト値として０点が設定されている。
本図では、ＣＤに関して、ユーザのｃｄ１に対する嗜好度は７０点、ｃｄ２に対する嗜好度は９０点、ｃｄ３に対する嗜好度は７０点に設定されている。残りのオブジェクトには点がつけられておらず０点に設定されている。
【００３２】
図６に示すユーザ感性入力画面において、ユーザがマウス１０４で「検索スタート」のボタン６０９をクリックすると（ステップＳ１２でＹＥＳ）、ＣＰＵ１０７は、ｍ個のオブジェクトに対するユーザの嗜好度を推測する処理を実行する（ステップＳ１３）。具体的には、上記ステップＳ１０において求められたｍ×ｍ行列で表されるｍ個のオブジェクト相互間の相関値に、ｍ×１行列で表される上記ユーザの入力したｍ個のオブジェクトの嗜好度を掛け合わせる。上記掛け算により得られるｍ×１行列の値が、ｍ個のオブジェクトに対するユーザの嗜好度の推測値である。
次の「数２」は、上記「表１」に示すＣＤ３個、絵画３個、映画２個の合計８個のオブジェクトについての相関値と、図６に示す設定に基づいて求められたユーザの嗜好度の推測値を示す。
【数２】
【００３３】
ＣＰＵ１０７は、図７に示すように、上記ステップＳ１３において実行する推測処理により推測されたｍ個のオブジェクトに対するユーザの嗜好度をディスプレイ１０１上に棒グラフで表すと共に、ＣＤ、絵画及び映画といった各ジャンルの中で最も嗜好度の推測値の高いものを、それぞれ推薦作品として表示する（ステップＳ１４）。このように、ディスプレイ１０１上に棒グラフを表示することで、ユーザは、推薦作品以外の作品に対する嗜好度の推測値を確認することができる。なお、上記ステップＳ１４では、各ジャンル毎に、嗜好度の推測値の上位３位までのオブジェクトを推薦作品として表示しても良い。
【００３４】
ユーザは、オブジェクトのプロファイルによって推薦作品の絞り込みを行おうとする場合には、図７に示す結果表示画面に設けられている「絞り込み」のボタン７０１をマウス１０４によりクリックする（ステップＳ１５でＹＥＳ）。「絞り込み」のボタン７０１のクリックに対応して、ＣＰＵ１０７はディスプレイ１０１上に、図８に示すデータプロファイル設定画面を表示する（ステップＳ１６）。当該データプロファイル設定画面では、チェックボタン８０１、８１０、８１９をマウス１０４によりクリックすることで、それぞれＣＤ、絵画、映画について設定したプロファイルが有効になる。ＣＤの欄において、数値入力ボックス８０２、８０３は、対象とするＣＤの発売された年を入力する。チェックボックス８０４〜８０９は、対象とする歌手の性別、音楽のジャンルなどを設定する。絵画の欄において、数値入力ボックス８１１、８１２は、対象とする絵画の作成された年を入力する。チェックボックス８１３〜８１８は、対象とする絵画の特徴を設定する。映画の欄において、数値入力ボックス８２０、８２１は、対象とする映画の上映された年を入力する。チェックボックス８２２、８２６は、対象とする映画のジャンルを入力する。ユーザは、キーボード１０３及びマウス１０４を操作して上記データプロファイルを設定する。ユーザは、絞り込みに使用するプロファイルデータの設定終了後、「検索スタート」のボタン８００をマウス１０４によりクリックする。
【００３５】
ＣＰＵ１０７は、「検索スタート」のボタン８００のクリックに応じて（ステップＳ１７でＹＥＳ）、ユーザにより設定されたデータプロファイルに一致するオブジェクトの中から嗜好度の高いものを選択する作品絞り込み処理を実行し（ステップＳ１８）、図６に示す結果表示画面を更新した後に（ステップＳ１９）、上記ステップＳ１５に戻る。
【００３６】
なお、図６に示す結果表示画面でユーザが「作品の絞り込み」のボタン６０１をクリックしない場合には（ステップＳ１５でＮＯ）、そのまま処理を終了する。
【００３７】
図９は、上記作品間関係記述処理（図４、ステップＳ１０）のフローチャートである。まず、初期設定として、ｉ＝１、ｊ＝１、Ｉmax＝Ｊmax＝ｍ（オブジェクトの数）に設定する（ステップＳ２０）。ｉ番目のオブジェクト及びｊ番目のオブジェクトの相関値を求める（ステップＳ２１）。具体的には、ハードディスク１０５にｉ番目に記憶されているオブジェクトと、ｊ番目に記憶されているオブジェクトとの５０００人分（ユーザプロファイルの設定により検索処理で用いる標本が絞り込まれた場合には、当該絞り込まれた人数分）の嗜好度のデータに基づく共分散値及び標準偏差値を求め、上記共分散値を標準偏差値で割ることで相関値を求める（上記「数１」を参照）。
上記相関値は、２つのオブジェクトの関係の強さを表すものであり、該相関値は−１〜１の値をとり、２つのオブジェクトの関係が強い程１に近づく。
【００３８】
変数ｉに１を加算する（ステップＳ２２）。ｉの値がＩmax以下の場合には（ステップＳ２３でＮＯ）、上記ステップＳ２１に戻る。一方、変数ｉの値がＩmaxよりも大きくなった場合には（ステップＳ２３でＹＥＳ）、変数ｊに１を加算する（ステップＳ２４）。変数ｊの値がＪmax以下の場合には（ステップＳ２５でＮＯ）、変数ｉの値を１に設定した後に（ステップＳ２６）、上記ステップＳ２１に戻る。一方、ｊの値がＪmaxよりも大きくなった場合には（ステップＳ２７でＹＥＳ）、全てのオブジェクト相互の組み合わせについての相関値の算出処理が終了したと判断して作品間関係記述処理を終了し、図４のメインフローにリターンする。
【００３９】
以上に説明するように、検索システム１００では、ユーザの好きなオブジェクトと関係の強い（相関値の高い）オブジェクトを推薦作品として出力する。これにより、例えば、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
なお、上記検索システム１００では、ＣＤ、絵画及び映画等のｍ個のオブジェクトについてのプロファイルデータ及び嗜好データで構成される単一のデータベースを使用するが、ＣＤに関するデータベース、絵画に関するデータベース、映画に関するデータベースといった複数のデータベースを用意し、上記複数のデータベースのオブジェクト相互の相関を算出し、該算出した相関値と各オブジェクトに対してユーザが設定した嗜好度に基づいて、上記複数のデータベースの各オブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値の大きなオブジェクトを推薦作品としても良い。
【００４０】
（２）実施の形態２
以下、実施の形態２に示す検索システム２００について説明する。検索システム２００は、上記実施の形態１にかかる検索システム１００に比べて、検索処理において実行するユーザの嗜好度の推測処理（図４、ステップＳ１３に対応する処理）が異なるだけである。
以下、実施の形態２にかかる検索システム２００の実行する推測処理（ステップＳ１００）について説明する。
【００４１】
図１０は、検索システム２００の実行するユーザの嗜好度の推測処理（ステップＳ１００）のフローチャートである。検索システム２００は、バネモデルを利用して、ユーザの嗜好度の推測を行う。
なお、バネモデルに関する公知文献としては、田村淳による論文、「記号間の力学に基づく概念マップ生成システムＳＰＲＩＮＧＳ」、情報処理学会論文誌、１９９２年４月、Ｖｏｌ．３３、Ｎｏ．４、４６５頁〜４７０頁、及び、高杉耕一及び國藤進による論文、「ばねモデルを用いたアイデア触発システムの構築について」、第７回ＡＩシンポジウム（ＳＩＧ−Ｊ）、１９９６年１２月があげられる。
【００４２】
以下、図１１の（ａ）〜（ｃ）を参照しつつ、検索システム２００で実行するユーザの嗜好度の推測処理の内容について説明する。
まず、周知の多次元尺度法（例えば、題名「多次元尺度法」、高根芳雄著、東京大学出版会を参照）を用いて、ユーザにより設定された１以上のオブジェクトに対する嗜好度に基づいて、ｍ個のオブジェクトを空間内に配置する（ステップＳ１０１）。当該処理では、上記実施の形態１にかかる検索システム１００と同様に、ユーザにより嗜好度の設定が行われなかったオブジェクトの嗜好度は０点として取り扱う。上記空間内では、ユーザにより設定された嗜好度の値が近似するオブジェクト同士が近距離に配置される。
例えば、ＣＤであるｃｄ１、ｃｄ２及びｃｄ３に７０点、９０点及び７０点が設定されている場合、ｃｄ１、ｃｄ２及びｃｄ３は、図１１の（ａ）に示すように、空間内の所定の位置に配置される。
【００４３】
以下のステップＳ１０２〜Ｓ１０８の処理では、ユーザの各オブジェクトに対する嗜好度をバネモデルを用いて推測する。
まず、上記ｍ個のオブジェクトの配置された空間に対してバネモデルを適用する（ステップＳ１０２）。なお、モデル化する際、各オブジェクトは、一様な質量を持つ質点とする。また、空間内で定常状態に落ち着いたｍ個のオブジェクト間のバネ係数は、相関値に比例した値をとる。
当該処理により、ｃｄ１、ｃｄ２及びｃｄ３は、図１１の（ｂ）に示すように、所定のバネ係数のバネにより接続される。これに伴い、ｃｄ１、ｃｄ２及びｃｄ３は、関係の強いもの同士が引き付け合い、図１１の（ｃ）に示す位置に再配置される。
【００４４】
変数Ｍの値を１に設定する（ステップＳ１０３）。Ｍ番目のオブジェクトのユーザにより設定された嗜好度と当該Ｍ番目のオブジェクトとｍ―１個の残りのオブジェクトの距離の逆数に比例して求められる、上記ｍ―１個の残りのオブジェクトへの加算点をそれぞれ算出し、算出した各々のオブジェクトへの加算点をＲＡＭ１０８に記憶する（ステップＳ１０４）。
【００４５】
例えば、図１１の（ｃ）に示すように、ｃｄ１、ｃｄ２及びｃｄ３を接続する各バネのバネ係数より、（ｃｄ１とｃｄ２間の距離）：（ｃｄ１とｃｄ３間の距離）：（ｃｄ２とｃｄ３間の距離）＝３：２：４．５が求められた場合を想定する。この場合において、ユーザにより設定された嗜好度が７０点のｃｄ１に注目すると、ｃｄ２に対する加算点は２３．３点、ｃｄ３に対する加算点は３５点となる。また、図示していないが、ユーザにより設定された嗜好度が９０点のｃｄ２に注目した場合、ｃｄ１に対する加算点は３０点、ｃｄ３に対する加算点は２０点となる。同様に、ユーザにより設定された嗜好度が７０点のｃｄ３に注目した場合、ｃｄ１に対する加算点は３５点、ｃｄ２に対する加算点は１５．６点となる。
【００４６】
次のオブジェクトに対する処理を実行するため、変数Ｍに１を加算する（ステップＳ１０５）。変数Ｍの値がｍ以下の場合（ステップＳ１０６でＮＯ）、上記ステップＳ１０４に戻る。変数Ｍの値がｍよりも大きい場合（ステップＳ１０６でＹＥＳ）、各オブジェクトのユーザにより設定された嗜好度に、ＲＡＭ１０８に記憶している加算点を加算した合計値を、ユーザの各オブジェクトに対する嗜好度の推測値とする（ステップＳ１０７）。
【００４７】
例えば、ｃｄ１では、ユーザにより設定された嗜好度が７０点、ｃｄ２からの加算点が３０点、ｃｄ３からの加算点が３５点であり、嗜好度の推測値は、７０＋３０＋３５＝１３５点となる。ｃｄ２では、ユーザにより設定された嗜好度は９０点、ｃｄ１からの加算点が２３．３点、ｃｄ３からの加算点が１５．６点であり、嗜好度の推測値は、９０＋２３．３＋１５．６＝１１８．９点となる。ｃｄ３では、ユーザにより設定された嗜好度が７０点、ｃｄ１からの加算点が３５点、ｃｄ２からの加算点が２０点であり、嗜好度の推測値は、７０＋３５＋２０＝１２５点となる。
【００４８】
以上、説明するように、実施の形態２にかかる検索システム２００は、バネモデルを利用してユーザの嗜好度の推測を行う。検索システム２００の構成、及び、上記推測処理（ステップＳ１００）以外の処理の内容は、上記実施の形態１にかかる検索システム１００と同じである。このため、検索システム２００の構成及び上記推測処理（ステップＳ１００）以外の処理についての説明は省略する。
【００４９】
（３）実施の形態３
以下、実施の形態３に示す検索システム３００について説明する。検索システム３００は、上記実施の形態１にかかる検索システム１００に比べて、検索処理において実行するユーザの嗜好度の推測処理（図４、ステップＳ１３に対応する処理）の内容が異なるだけである。
以下、実施の形態３にかかる検索システム３００の推測処理（ステップＳ２００）について説明する。
【００５０】
検索システム３００は、クラスタ分析手法を用いてユーザの嗜好度の推測処理を実行する。
なお、クラスタ分析手法に関する文献としては、「多変量解析ハンドブック」（柳井春夫／高木廣文編著、現代数学社）、及び、舘村純一による論文「文献空間のインタラクティブ視覚化」（ＷＩＳＳ’９６）があげられる。
【００５１】
図１２は、クラスタ分析手法を利用してユーザの嗜好度を推測する推測処理（ステップＳ２００）の概略内容を示した図である。本図では、ＣＤであるｃｄ１〜ｃｄ３、及び、映画１の合計４つのオブジェクトの嗜好度を推測する。図１２の（ａ）は、上記４つのオブジェクト相互間の相関値を表す。この中から最も相関値の大きなオブジェクトの組を検出する。本例の場合、ｃｄ１及びｃｄ３の組が最も大きな相関値を持つ。検出した２つのオブジェクトｃｄ１及びｃｄ３をグループ１として新たなオブジェクトとする。このグループ１のオブジェクトの嗜好度は、検出した２つのオブジェクトｃｄ１及びｃｄ３の嗜好度の平均値とする。
【００５２】
ｃｄ２、グループ１及び映画１の３つのオブジェクト相互間の相関値を求める。図１２の（ｂ）は、上記３つのオブジェクト相互間の相関値を表す。この中から最も相関値の大きなオブジェクト組を検出する。本例の場合、ｃｄ２及び映画１の組が最も大きな相関値を持つ。検出した２つのオブジェクトｃｄ及び映画１をグループ２として新たなオブジェクトとする。このグループ２のオブジェクトの嗜好度は、検出した２つのオブジェクトｃｄ２及び映画１の嗜好度の平均値とする。
【００５３】
グループ１及びグループ２の２つのオブジェクト相互間の相関値を求める。図１２の（ｃ）は、上記２つのオブジェクト相互間の相関値を表す。例えば、予め予定したオブジェクトの数が２つの場合、上記オブジェクトの数を減らす処理を終了する。各グループ毎に、グループを構成するオブジェクトに割り当てられている嗜好度の平均値を求め、求めた嗜好度の平均値を上記グループを構成するオブジェクトの嗜好度の推測値とする。
【００５４】
図１３は、検索システム３００の実行するユーザの嗜好度の推測処理（ステップＳ２００）のフローチャートである。
まず、初期設定として、変数Ｍをオブジェクトの数であるｍに設定する（ステップＳ２０１）。オブジェクト相互間の相関値が最大の値をとるオブジェクトの組み合わせを検出する（ステップＳ２０２）。検出した２つのオブジェクトを新たな１つのオブジェクトとする（ステップＳ２０３）。なお、上記新たなオブジェクトの各標本における嗜好度は、上記２つのオブジェクトの嗜好度の平均値とする。変数Ｍの値より１を減算する（ステップＳ２０４）。変数ｉ及び変数ｊの値を１に設定する。Ｉmax＝Ｊmax＝Ｍに設定する（ステップＳ２０５）。
【００５５】
ｉ番目のオブジェクト及びｊ番目のオブジェクトの相関値を求める（ステップＳ２０６）。上記相関値は、２つのオブジェクトの関係の強さを表すものであり、該相関値は−１〜１の値をとり、２つのオブジェクトの関係が強い程１に近づく。
変数ｉに１を加算する（ステップＳ２０７）。ｉの値がＩmax以下の場合には（ステップＳ２０８でＮＯ）、上記ステップＳ２０６に戻る。一方、変数ｉの値がＩmaxよりも大きくなった場合には（ステップＳ２０８でＹＥＳ）、変数ｊに１を加算する（ステップＳ２０９）。変数ｊの値がＪmax以下の場合には（ステップＳ２１０でＮＯ）、変数ｉの値を１に設定した後に（ステップＳ２１１）、上記ステップＳ２０６に戻る。一方、ｊの値がＪmaxよりも大きくなった場合には（ステップＳ２１０でＹＥＳ）、全てのオブジェクト相互の組み合わせについての相関値の算出処理が終了したと判断する。変数Ｍの値が、目標とするグループの数として定めるＭmin以上の場合（ステップＳ２１２でＮＯ）、上記ステップＳ２０２に戻る。一方、変数Ｍの値が上記Ｍminよりも小さくなった場合には（ステップＳ２１２でＹＥＳ）、Ｍmin個のグループ毎に、内包されるオブジェクトの嗜好度の合計を算出する（ステップＳ２１３）。前記合計を各オブジェクトの数で割って求められる嗜好度の平均値を各オブジェクトの嗜好度の推測値とする（ステップＳ２１４）。
【００５６】
以上、説明するように、実施の形態３にかかる検索システム３００は、クラスタ分析手法を利用してユーザの嗜好度の推測を行う。検索システム３００の構成、及び、上記推測処理（ステップＳ２００）以外の処理の内容は、上記実施の形態１にかかる検索システム１００と同じである。このため、検索システム３００の構成及び上記推測処理（ステップＳ２００）以外の処理についての説明は省略する。
【００５７】
【発明の効果】
本発明の第１の検索システムは、オブジェクト相互間の関係の強さを表す数値、１以上のオブジェクトに対して設定されたユーザの嗜好度、及び、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。このように、本発明の第１の検索システムでは、ユーザの好きなオブジェクトと関係の強いオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００５８】
本発明の第２の検索システムでは、オブジェクト相互間の関係の強さを表す数値として相関値を使用し、設定手段により１以上のオブジェクトに対して設定されたユーザの嗜好度、及び、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００５９】
本発明の第３の検索システムでは、オブジェクト相互間の関係の強さを表す数値として各オブジェクト間の嗜好度の差に基づいて距離を求め、求めた距離の逆数に基づく値を算出し、１以上のオブジェクトに対して設定されたユーザの嗜好度、及び、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６０】
本発明の第４の検索システムでは、複数のオブジェクトに対する嗜好度として、好き／嫌いといった２値的な評価を採用し、２つのオブジェクトに関して好きと答えた人の割合を、又は、２つのオブジェクト関して嫌いと答えた人の割合を、オブジェクト相互間の関係の強さを表す数値とする。この数値と、１以上のオブジェクトに対して設定されたユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値とに基づいて、全てのオブジェクトに対するユーザの嗜好度を推測し、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。従って、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤと映画とが含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６１】
本発明の第５の検索システムは、複数のオブジェクト相互間の関係の強さを表す数値を重み付けフィルタとして用いて、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度の全てのオブジェクトに対する重み付けを行い、求められた値を各オブジェクトの嗜好度の推測値とする。そして、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６２】
本発明の第６の検索システムでは、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度、及び、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、多次元尺度法に従い、各オブジェクトを空間内に配置し、配置後のオブジェクトに対して、バネモデルを適用し、各オブジェクトを同一質量の点として取り扱い、該オブジェクト相互間の関係の強さを表す数値に基づいて定まるバネ係数のバネにより接続したバネモデルで表し、あるオブジェクト（第１オブジェクトという）以外の別のオブジェクト（第２オブジェクトという）の嗜好度と第１オブジェクトから第２オブジェクトのまでの距離に基づいて定まる数値を、上記第１オブジェクト以外の全てのオブジェクトについて求め、求めた全ての数値を上記第１オブジェクトの嗜好度に加算した値を上記第１オブジェクトの嗜好度の推測値とする。そして、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６３】
本発明の第７の検索システムは、クラスタ分析手法に従い、上記演算手段により求められるオブジェクト相互間の関係の強さを表す数値に基づいて上記複数のオブジェクトを所定数にグループ化し、上記グループ別に、グループを構成する複数のオブジェクトの嗜好度の合計値又は平均値を、グループを構成する各オブジェクトの嗜好度の推測値とする。そして、嗜好度の推測値が大きなオブジェクトを推薦作品として出力する。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【００６４】
本発明の記録媒体に記録されているプログラムは、複数のジャンルに関し、ジャンル別に属する複数のオブジェクトに対する嗜好度を、所定の人数分だけ集めて構成されるデータベースを備えるコンピュータを、上記第１の検索システムとして機能させることができる。これにより、例えば、データベースを構築するオブジェクトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に基づいて、ユーザの好みに合う映画を推薦することができる。
【図面の簡単な説明】
【図１】 実施の形態１にかかる検索システムの全体構成図である。
【図２】 検索システムの構成図である。
【図３】 検索システムで用いるデータベースの構成を示す図である。
【図４】 ＣＰＵの実行する検索処理のフローチャートである。
【図５】 ディスプレイ上に表示するユーザプロファイル設定画面である。
【図６】 ディスプレイ上に表示するユーザ感性入力画面である。
【図７】 ディスプレイ上に表示する検索結果表示画面である。
【図８】 ディスプレイ上に表示するデータプロファイル設定画面である。
【図９】 作品間関係記述処理のフローチャートである。
【図１０】 実施の形態２にかかる検索システムの実行する推測処理のフローチャートである。
【図１１】 バネモデルを使用した場合に、空間に配置される各オブジェクトの様子を示す図である。
【図１２】 クラスタ分析手法を採用した場合における嗜好度の推測処理の手順を示す図である。
【図１３】 実施の形態３にかかる検索システムの実行する推測処理のフローチャートである。
【符号の説明】
１００ 検索システム、１０１ ディスプレイ、１０２ 制御部、１０３ キーボード、１０４ マウス、１０５ ハードディスク、１０６ ＲＯＭ、１０７ ＣＰＵ、１０８ ＲＡＭ
Claims (8)
- 複数のジャンルについて、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めてなるデータベースと、
複数のオブジェクト相互間の関係の強さを表す数値を、データベースに記録されている各オブジェクトの嗜好度に基づいて算出する演算手段と、
複数のオブジェクト内の１以上のオブジェクトに対するユーザの嗜好度を設定する設定手段と、
演算手段により求められた各オブジェクト相互間の関係の強さを表す数値、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測する推測手段と、
推測手段により求められた各オブジェクトに対するユーザの嗜好度の推測値に基づいて１以上のオブジェクトを選択し、選択した１以上のオブジェクトを推薦作品として出力する出力手段とで構成されることを特徴とする検索システム。 - 演算手段が、オブジェクト相互間の関係の強さを表す数値として、各オブジェクトの嗜好度に基づいてオブジェクト相互間の相関値を算出することを特徴とする請求項１記載の検索システム。
- 演算手段が、オブジェクト相互間の関係の強さを表す数値として、各オブジェクト間の点差に基づいて定められる距離を求め、求めた距離の逆数に比例する値を算出することを特徴とする請求項１記載の検索システム。
- 複数のオブジェクトに対する嗜好度として、好き／嫌いといった２値的な評価を採用し、
演算手段は、２つのオブジェクトに関して好きと答えた人の割合を、又は、２つのオブジェクトに関して嫌いと答えた人の割合を、オブジェクト相互間の関係の強さを表す数値として算出することを特徴とする請求項１記載の検索システム。 - 推測手段が、各オブジェクト相互間の関係の強さを表す数値で構成される行列に、設定手段により設定されたユーザの嗜好度を掛け合わして求められる値を、各オブジェクトに対するユーザの嗜好度の推測値とすることを特徴とする請求項２乃至４の何れかに記載の検索システム。
- 推測手段が、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値とに基づいて、多次元尺度法を用いて各オブジェクトを空間内に配置し、配置後のオブジェクトに対してバネモデルを適用し、各オブジェクトを同一質量の点として取り扱い、該オブジェクト相互間の関係の強さを表す数値に基づいて定まるバネ係数のバネにより接続したバネモデルで表し、あるオブジェクト（以下、第１オブジェクトという）以外のオブジェクト（以下、第２オブジェクトという）の嗜好度と第１オブジェクトから第２オブジェクトまでの距離に基づいて定まる数値とを、第１オブジェクト以外の全てのオブジェクトについて求め、求めた全ての数値を第１オブジェクトの嗜好度に加算した値を第１オブジェクトの嗜好度を表す推測値とすることを特徴とする請求項２乃至４の何れかに記載の検索システム。
- 推測手段が、クラスタ分析手法に従って演算手段により求められるオブジェクト相互間の関係の強さを表す数値に基づいて、複数のオブジェクトを所定の数のグループに分け、グループ毎に、グループを構成する複数のオブジェクトの嗜好度の合計値又は平均値を、グループを構成する各オブジェクトの嗜好度の推測値とすることを特徴とする請求項２乃至４の何れかに記載の検索システム。
- 複数のジャンルについて、ジャンル別に属する複数のオブジェクトの嗜好度を、所定の人数分だけ集めて成るデータベースを備えるコンピュータを、
複数のオブジェクト相互間の嗜好度の強さを表す数値を、データベースに記録されている各オブジェクトの嗜好度に基づいて算出する演算手段と、
複数のオブジェクト内の１以上のオブジェクトに対するユーザの嗜好度を設定する設定手段と、
演算手段により求められた各オブジェクト相互間の関係の強さを表す数値と、設定手段により設定された１以上のオブジェクトに対するユーザの嗜好度と、ユーザにより嗜好度の設定が行われなかったオブジェクトに対する嗜好度のデフォルト値と、に基づいて、全てのオブジェクトに対するユーザの嗜好度を推測する推測手段と、
推測手段により求められた各オブジェクトに対するユーザの嗜好度の推測値の大きなオブジェクトを推薦作品として出力する出力手段として機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30078198A JP3646011B2 (ja) | 1998-10-22 | 1998-10-22 | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30078198A JP3646011B2 (ja) | 1998-10-22 | 1998-10-22 | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000132557A JP2000132557A (ja) | 2000-05-12 |
| JP3646011B2 true JP3646011B2 (ja) | 2005-05-11 |
Family
ID=17889025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP30078198A Expired - Fee Related JP3646011B2 (ja) | 1998-10-22 | 1998-10-22 | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3646011B2 (ja) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004522177A (ja) * | 2000-06-29 | 2004-07-22 | ミュージックゲノム．コム インコーポレイテッド | 音楽に対する好みを予測するためのシステムおよび方法 |
| DE60045001D1 (de) * | 2000-07-04 | 2010-11-04 | Sony France Sa | Vorrichtung und Verfahren zur inkrementellen Fertigstellung von Sequenzen von Musiktitel-Elementen |
| JPWO2002097691A1 (ja) * | 2001-05-29 | 2004-09-16 | 富士通株式会社 | 情報提供装置 |
| CN1799262A (zh) * | 2003-06-02 | 2006-07-05 | 皇家飞利浦电子股份有限公司 | 经由动态类别创建的节目推荐 |
| JP2005285077A (ja) * | 2004-03-29 | 2005-10-13 | Dice:Kk | 情報提供装置 |
| JP4849301B2 (ja) * | 2005-07-27 | 2012-01-11 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
| JP4822317B2 (ja) * | 2005-10-03 | 2011-11-24 | Ｋｄｄｉ株式会社 | レコメンド方法およびシステムならびにレコメンドプログラムおよびその記憶媒体 |
| GB0702596D0 (en) | 2006-05-05 | 2007-03-21 | Omnifone Ltd | Big book one |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5583763A (en) * | 1993-09-09 | 1996-12-10 | Mni Interactive | Method and apparatus for recommending selections based on preferences in a multi-user system |
| JPH09153027A (ja) * | 1995-11-29 | 1997-06-10 | Matsushita Electric Ind Co Ltd | 商品情報提供装置 |
| JP2950222B2 (ja) * | 1996-01-12 | 1999-09-20 | 日本電気株式会社 | 情報検索方式 |
| JP2800769B2 (ja) * | 1996-03-29 | 1998-09-21 | 日本電気株式会社 | 情報フィルタリング方式 |
| JP3116851B2 (ja) * | 1997-02-24 | 2000-12-11 | 日本電気株式会社 | 情報フィルタリング方法及びその装置 |
-
1998
- 1998-10-22 JP JP30078198A patent/JP3646011B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000132557A (ja) | 2000-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3116851B2 (ja) | 情報フィルタリング方法及びその装置 | |
| US6065001A (en) | Information associating apparatus and method | |
| JP4011906B2 (ja) | プロファイル情報の情報検索方法、プログラム、記録媒体及び装置 | |
| US20190087504A1 (en) | Search engine that applies feedback from users to improve search results | |
| US7430550B2 (en) | Sampling method for estimating co-occurrence counts | |
| JP2800769B2 (ja) | 情報フィルタリング方式 | |
| US11157984B2 (en) | System and method for item recommendations | |
| USRE41899E1 (en) | System for ranking the relevance of information objects accessed by computer users | |
| KR20080045659A (ko) | 정보 처리 장치, 방법, 및 프로그램 | |
| US20120109943A1 (en) | Adaptive Image Retrieval Database | |
| EP0497960A1 (en) | Adaptive ranking system for information retrieval | |
| GB2350712A (en) | Document processor and recording medium | |
| JP2006251866A (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
| US20160283564A1 (en) | Predictive visual search enginge | |
| Bouras et al. | Improving news articles recommendations via user clustering | |
| JP3488063B2 (ja) | 情報分類方法、装置及びシステム | |
| JP4569380B2 (ja) | ベクトル生成方法及び装置及びカテゴリ分類方法及び装置及びプログラム及びプログラムを格納したコンピュータ読み取り可能な記録媒体 | |
| JP2016018286A (ja) | 行動タイプ判定装置、行動タイプ判定方法及び行動タイプ判定プログラム | |
| El Ghali et al. | Context-aware query expansion method using language models and latent semantic analyses | |
| JP3646011B2 (ja) | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| US20040098389A1 (en) | Document search method with interactively employed distance graphics display | |
| JPH09190443A (ja) | 情報検索方式 | |
| JP3373086B2 (ja) | 情報検索装置 | |
| JP4059970B2 (ja) | 情報源推薦装置 | |
| CN117056619A (zh) | 确定用户行为特征的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040727 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040922 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050201 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050207 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080210 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090210 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100210 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |