JP4655200B2

JP4655200B2 - 情報処理装置および方法、並びにプログラム

Info

Publication number: JP4655200B2
Application number: JP2005025298A
Authority: JP
Inventors: 則行山本
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2005-02-01
Filing date: 2005-02-01
Publication date: 2011-03-23
Anticipated expiration: 2025-02-01
Also published as: US7698300B2; US20060190464A1; JP2006215643A

Description

本発明は、情報処理装置および方法、並びにプログラムに関し、ユーザへのコンテンツ推薦を適切に行うことができる情報処理装置および方法、並びにプログラムに関する。

テレビジョン放送やラジオ放送の番組または別途記憶されている楽曲をユーザに推薦する方法が、いくつか開発されている。

例えば、ユーザの嗜好情報と提供可能なコンテンツの属性情報（ジャンル等）とのマッチングをとり、ユーザの嗜好情報に近い属性を有するコンテンツを推薦する方法が存在する

例えばコンテンツの属性に応じたｎ次元のベクトルを用いてユーザの嗜好情報を蓄積し、その嗜好情報を用いて推薦するコンテンツを決定する方法が、特許文献１に開示されている。

ところで、ユーザの嗜好情報とコンテンツの属性情報とのマッチングを取る方法では、ユーザの嗜好情報は、ユーザの利用履歴（すなわち利用されたコンテンツの属性情報等）に基づいて生成されるが、通常、より長い期間の利用履歴を用いて生成した方が、ユーザの嗜好をより正確に表すものとして、長い期間に集められた利用履歴に基づいて生成されている。

ところでその場合、例えばユーザの気分がいつもと違い、いつも聴いている曲調（例えば、速いテンポ）と異なる曲調（例えば、遅いテンポ）の楽曲を選曲しても、このいつもと違う１回の選曲（利用履歴）は、ユーザの嗜好情報にあまり反映されないので、次の推薦においても、いつもよく聴いている曲調（速いテンポ）の楽曲が推薦されることになる。

特開２００４−１９４１０７号公報

しかしながら、いつもと違う気分で、いつも聴いている曲調（速いテンポ）と異なる曲調（遅いテンポ）の楽曲を選曲したような場合、一般的に、そのいつもと違う気分が一定の期間（例えば楽曲を聴く装置の電源をオンしてからオフするまでの間）続いていると考えられるが（ユーザは、遅いテンポの楽曲を続けて聴きたいものと考えられるが）、従来の方法では、上述したように、いつもよく聴いている曲調（速いテンポ）の楽曲が再び推薦される。

したがって、従来の推薦方法では、ユーザが、いつもと違う属性のコンテンツを選択した際に、その選択を適切に反映したコンテンツ推薦を行うことができなかった。

本発明はこのような状況に鑑みてなされたものであり、ユーザがいつも利用するコンテンツの属性が異なるコンテンツを選択した場合、その選択に応じた適切なコンテンツ推薦を行うことができるようにするものである。

本発明の一側面の情報処理装置は、ユーザに推薦するコンテンツを決定する情報処理装置であって、前記ユーザに提供可能なコンテンツを保有するコンテンツ保有手段と、所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルを生成する短期嗜好ベクトル生成手段と、前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルを生成する長期嗜好ベクトル生成手段と、前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度を算出する属性類似度算出手段と、前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値をより小さな値に変更する基準値変更手段と、前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルを生成する効き目ベクトル生成手段と、前記コンテンツ保有手段に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果を、前記コンテンツ類似度として算出するコンテンツ類似度算出手段と、前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツを決定するコンテンツ決定手段とを備え、前記効き目ベクトル生成手段は、前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを第１の値に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第２の値に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成するか、前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値未満であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな前記第２の値に決定し、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成する情報処理装置である。

前記コンテンツ決定手段により決定された前記コンテンツを前記ユーザに推薦する推薦手段をさらに設けることができ、前記コンテンツ決定手段は、前記推薦手段により推薦された前記コンテンツ以外のコンテンツが前記ユーザにより選択されたとき、選択された前記コンテンツのコンテンツベクトルと、前記短期嗜好ベクトルとの前記第２の属性類似度のうち、所定の閾値以下となる前記第２の属性類似度が得られた前記短期嗜好ベクトルの前記属性情報が表す属性を有するコンテンツを、推薦するコンテンツから除外することができる。

前記ユーザに提供可能なコンテンツを保有するサーバと通信する通信手段と、前記属性類似度算出手段により算出された前記第１の属性類似度のうち、所定の閾値よりも小さい前記第１の属性類似度が存在する場合のみ、前記短期嗜好ベクトル生成手段により生成された前記短期嗜好ベクトル、及び前記効き目ベクトル生成手段により生成された前記効き目ベクトルを、前記通信手段を介して前記サーバに送信し、前記通信手段からの前記短期嗜好ベクトル及び前記効き目ベクトルを受信した前記サーバにより、前記効き目ベクトルを用いて、前記サーバが保有する前記コンテンツのコンテンツベクトルと前記短期嗜好ベクトルとの前記コンテンツ類似度が算出されて送信されたことに対応して、前記サーバからの前記コンテンツ類似度を前記通信手段を介して受信する通信制御手段とをさらに設けることができ、前記コンテンツ決定手段は、受信された前記コンテンツ類似度に基づいて、前記サーバが保有するコンテンツの中からユーザに推薦するコンテンツを決定することができる。

前記短期嗜好ベクトル生成手段は、前記情報処理装置の電源がオンされたときからオフされるまでの期間中に選択されたコンテンツの属性情報に基づいて、前記短期嗜好ベクトルを生成することができる。

前記長期嗜好ベクトルが有する複数の前記属性情報と前記短期嗜好ベクトルが有する複数の前記属性情報との、対応する前記属性情報どうしの類似の程度をそれぞれ表す複数の前記第１の属性類似度のうち、所定の閾値よりも小さい前記第１の属性類似度を抽出し、前記ユーザの気分を表す気分情報として、第１の前記属性情報に暗い気分を表す第１の前記気分情報が、前記第１の属性情報とは異なる第２の前記属性情報に明るい気分を表す第２の前記気分情報が、少なくとも対応付けられている気分テーブルから、抽出した前記第１の属性類似度が得られた前記属性情報に対応付けられている前記気分情報を検出する気分推定手段と、検出された前記気分情報が、暗い気分を表す前記第１の気分情報である場合、コンテンツを表示させる表示部の画面の輝度を下げ、検出された前記気分情報が、明るい気分を表す前記第２の気分情報である場合、前記表示部の画面の輝度を上げるように前記表示部を制御する機器制御手段とをさらに設けることができる。

所定のコンテンツを推薦する推薦手段をさらに設けることができ、前記気分推定手段は、検出した前記気分情報を推薦手段に通知し、前記推薦手段は、前記気分推定手段により通知された前記気分情報に対応する前記属性情報が表す属性のコンテンツを推薦することができる。

コンテンツを再生して得られる映像データを前記表示部に出力して表示させる再生手段をさらに設けることができ、前記機器制御手段は、検出された前記気分情報が、暗い気分を表す前記第１の気分情報である場合、前記表示部の画面の輝度を下げ、検出された前記気分情報が、明るい気分を表す前記第２の気分情報である場合、前記表示部の画面の輝度を上げるように前記表示部を制御することができる。

本発明の一側面の情報処理方法は、ユーザに推薦するコンテンツを決定する情報処理装置の情報処理方法であって、前記情報処理装置は、コンテンツ保有手段と、短期嗜好ベクトル生成手段と、長期嗜好ベクトル手段と、属性類似度算出手段と、基準値変更手段と、効き目ベクトル生成手段と、類似度算出手段と、コンテンツ決定手段とを備え、前記コンテンツ保有手段が、前記ユーザに提供可能なコンテンツを保有し、前記短期嗜好ベクトル生成手段が、所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルを生成し、前記長期嗜好ベクトル手段が、前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルを生成し、前記属性類似度算出手段が、前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度を算出し、前記基準値変更手段が、前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値をより小さな値に変更し、前記効き目ベクトル生成手段が、前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルを生成し、前記コンテンツ類似度算出手段が、前記コンテンツ保有手段に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果を、前記コンテンツ類似度として算出し、前記コンテンツ決定手段が、前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツを決定するステップを含み、前記効き目ベクトル生成手段は、前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを第１の値に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第２の値に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成するか、前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値未満であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな前記第２の値に決定し、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成する情報処理方法である。

本発明の一側面のプログラムは、ユーザに推薦するコンテンツを決定する情報処理装置を制御するプロセッサを、所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルを生成する短期嗜好ベクトル生成手段と、前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルを生成する長期嗜好ベクトル生成手段と、前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度を算出する属性類似度算出手段と、前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値をより小さな値に変更する基準値変更手段と、前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルを生成する効き目ベクトル生成手段と、前記ユーザに提供可能なコンテンツを保有するコンテンツ保有手段に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果を、前記コンテンツ類似度として算出するコンテンツ類似度算出手段と、前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツを決定するコンテンツ決定手段として機能させるためのプログラムであって、前記効き目ベクトル生成手段は、前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを第１の値に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第２の値に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成するか、前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値未満であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな前記第２の値に決定し、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成するプログラムである。

本発明によれば、所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルが生成され、前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルが生成され、前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度が算出され、前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値がより小さな値に変更され、前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルが生成され、前記ユーザに提供可能なコンテンツを保有するコンテンツ保有手段に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果が、前記コンテンツ類似度として算出され、前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツが決定される。なお、効き目ベクトルの生成においては、前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みが第１の値に決定され、前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みが前記第１の値よりも小さな第２の値に決定されて得られる前記重みを要素として有する前記効き目ベクトルが生成されるか、前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みが前記第１の値に決定され、前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値未満であるときには、前記第２の属性類似度に乗算される前記重みが前記第１の値よりも小さな前記第２の値に決定され、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みが前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値に決定されて得られる前記重みを要素として有する前記効き目ベクトルが生成される。

本発明によれば、ユーザがいつも利用するコンテンツの属性が異なるコンテンツを選択した場合、その選択に応じた適切なコンテンツ推薦を行うことができる。

以下に本発明の実施の形態を説明するが、本明細書に記載の発明と、発明の実施の形態との対応関係を例示すると、次のようになる。この記載は、本明細書に記載されている発明をサポートする実施の形態が本明細書に記載されていることを確認するためのものである。従って、発明の実施の形態中には記載されているが、発明に対応するものとして、ここには記載されていない実施の形態があったとしても、そのことは、その実施の形態が、その発明に対応するものではないことを意味するものではない。逆に、実施の形態が発明に対応するものとしてここに記載されていたとしても、そのことは、その実施の形態が、その発明以外の発明には対応しないものであることを意味するものでもない。

さらに、この記載は、本明細書に記載されている発明の全てを意味するものではない。換言すれば、この記載は、本明細書に記載されている発明であって、この出願では請求されていない発明の存在、すなわち、将来、分割出願されたり、補正により出現、追加される発明の存在を否定するものではない。

本発明の一側面の情報処理装置は、ユーザに推薦するコンテンツを決定する情報処理装置（例えば、図１の再生装置１）であって、前記ユーザに提供可能なコンテンツを保有するコンテンツ保有手段（例えば、図１の楽曲データ記憶部１４）と、所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルを生成する短期嗜好ベクトル生成手段（例えば、図２や図７の短期嗜好ベクトル生成部２２）と、前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルを生成する長期嗜好ベクトル生成手段（例えば、図２や図７の長期嗜好ベクトル生成部２４）と、前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度を算出する属性類似度算出手段（例えば、図２や図７の差異算出部３１）と、前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値をより小さな値に変更する基準値変更手段（例えば、図７の変化強調係数決定部４１）と、前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルを生成する効き目ベクトル生成手段（例えば、図２や図７の効き目ベクトル生成部３２）と、前記コンテンツ保有手段に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果を、前記コンテンツ類似度として算出するコンテンツ類似度算出手段（例えば、図２や図７の楽曲類似度算出部３３）と、前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツを決定するコンテンツ決定手段（例えば、図２や図７の推薦情報生成部３４）とを備え、前記効き目ベクトル生成手段は、前記第１の属性類似度が前記基準値（例えば、図４のステップＳ２４における変化強調係数r）未満である場合、前記第２の属性類似度に乗算される前記重みを第１の値（例えば、図４のステップＳ２６における（２−類似度xi））に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第２の値（例えば、図４のステップＳ２５における類似度xi）に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成するか、前記第１の属性類似度が前記基準値未満（例えば、図１０のステップＳ７４における変化強調係数r1）である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値（例えば、図１０のステップＳ７８における（２−類似度xi））に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値（例えば、図１０のステップＳ７５における変化強調係数r2）未満であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな前記第２の値（例えば、図１０のステップＳ７７における類似度xi）に決定し、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値（例えば、図１０のステップＳ７６における１．５）に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成する情報処理装置である。

前記コンテンツ決定手段により決定された前記コンテンツを前記ユーザに推薦する推薦手段（例えば、図１１の推薦情報生成部６３）をさらに備え、前記コンテンツ決定手段（例えば、図１１の推薦情報生成部６３）は、前記推薦手段により推薦された前記コンテンツ以外のコンテンツが前記ユーザにより選択されたとき、選択された前記コンテンツのコンテンツベクトルと、前記短期嗜好ベクトルとの前記第２の属性類似度のうち、所定の閾値以下となる前記第２の属性類似度が得られた前記短期嗜好ベクトルの前記属性情報が表す属性を有するコンテンツを、推薦するコンテンツから除外する（例えば、図１２のステップＳ９６及びステップＳ１０１）。

前記ユーザに提供可能なコンテンツを保有するサーバ（例えば、図１４のサーバ７１）と通信する通信手段（例えば、図１４の通信部８１）と、前記属性類似度算出手段により算出された前記第１の属性類似度のうち、所定の閾値よりも小さい前記第１の属性類似度が存在する場合のみ、前記短期嗜好ベクトル生成手段により生成された前記短期嗜好ベクトル、及び前記効き目ベクトル生成手段により生成された前記効き目ベクトルを、前記通信手段を介して前記サーバに送信し、前記通信手段からの前記短期嗜好ベクトル及び前記効き目ベクトルを受信した前記サーバにより、前記効き目ベクトルを用いて、前記サーバが保有する前記コンテンツのコンテンツベクトルと前記短期嗜好ベクトルとの前記コンテンツ類似度が算出されて送信されたことに対応して、前記サーバからの前記コンテンツ類似度を前記通信手段を介して受信する通信制御手段（例えば、図１４の制御部１２）とをさらに備え、前記コンテンツ決定手段（例えば、図１４の推薦部１６の推薦情報生成部）は、受信された前記コンテンツ類似度に基づいて、前記サーバが保有するコンテンツの中からユーザに推薦するコンテンツを決定する。

前記長期嗜好ベクトルが有する複数の前記属性情報と前記短期嗜好ベクトルが有する複数の前記属性情報との、対応する前記属性情報どうしの類似の程度をそれぞれ表す複数の前記第１の属性類似度のうち、所定の閾値よりも小さい前記第１の属性類似度を抽出し、前記ユーザの気分を表す気分情報として、第１の前記属性情報に暗い気分を表す第１の前記気分情報が、前記第１の属性情報とは異なる第２の前記属性情報に明るい気分を表す第２の前記気分情報が、少なくとも対応付けられている気分テーブルから、抽出した前記第１の属性類似度が得られた前記属性情報に対応付けられている前記気分情報を検出する気分推定手段（例えば、図１７の気分推定部１１２）と、検出された前記気分情報が、暗い気分を表す前記第１の気分情報である場合、コンテンツを表示させる表示部の画面の輝度を下げ、検出された前記気分情報が、明るい気分を表す前記第２の気分情報である場合、前記表示部の画面の輝度を上げるように前記表示部を制御する機器制御手段（例えば、図１７の機器制御部１１３）とをさらに備える。

所定のコンテンツ（例えば、映画）を推薦する推薦手段（例えば、図１９の推薦部１２３）をさらに備え、前記気分推定手段は、検出した前記気分情報を推薦手段に通知し、前記推薦手段は、前記気分推定手段により通知された前記気分情報に対応する前記属性情報が表す属性のコンテンツを推薦する。

コンテンツを再生して得られる映像データを前記表示部に出力して表示させる再生手段（例えば、図１６の再生部１３や、図１９の再生部１２２）をさらに備え、前記機器制御手段は、検出された前記気分情報が、暗い気分を表す前記第１の気分情報である場合、前記表示部の画面の輝度を下げ、検出された前記気分情報が、明るい気分を表す前記第２の気分情報である場合、前記表示部の画面の輝度を上げるように前記表示部を制御する。

本発明の一側面の情報処理方法は、ユーザに推薦するコンテンツを決定する情報処理装置の情報処理方法であって、前記情報処理装置は、コンテンツ保有手段と、短期嗜好ベクトル生成手段と、長期嗜好ベクトル手段と、属性類似度算出手段と、基準値変更手段と、効き目ベクトル生成手段と、類似度算出手段と、コンテンツ決定手段とを備え、前記コンテンツ保有手段が、前記ユーザに提供可能なコンテンツを保有し、前記短期嗜好ベクトル生成手段が、所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルを生成し（例えば、図８のステップＳ５３及びステップＳ６１）、前記長期嗜好ベクトル手段が、前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルを生成し（例えば、図８のステップＳ５８）、前記属性類似度算出手段が、前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度を算出し（例えば、図８のステップＳ５５）、前記基準値変更手段が、前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値をより小さな値に変更し（例えば、図８のステップＳ６２）、前記効き目ベクトル生成手段が、前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルを生成し（例えば、図８のステップＳ５５）、前記コンテンツ類似度算出手段が、前記コンテンツ保有手段に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果を、前記コンテンツ類似度として算出し（例えば、図８のステップＳ５６）、前記コンテンツ決定手段が、前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツを決定する（例えば、図８のステップＳ５７）ステップを含み、前記効き目ベクトル生成手段は、前記第１の属性類似度が前記基準値（例えば、図４のステップＳ２４における変化強調係数r）未満である場合、前記第２の属性類似度に乗算される前記重みを第１の値（例えば、図４のステップＳ２６における（２−類似度xi））に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第２の値（例えば、図４のステップＳ２５における類似度xi）に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成するか、前記第１の属性類似度が前記基準値未満（例えば、図１０のステップＳ７４における変化強調係数r1）である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値（例えば、図１０のステップＳ７８における（２−類似度xi））に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値（例えば、図１０のステップＳ７５における変化強調係数r2）未満であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな前記第２の値（例えば、図１０のステップＳ７７における類似度xi）に決定し、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値（例えば、図１０のステップＳ７６における１．５）に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成する情報処理方法である。

本発明の一側面のプログラムは、ユーザに推薦するコンテンツを決定する情報処理装置（例えば、図１の再生装置１）を制御するプロセッサを、所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルを生成する短期嗜好ベクトル生成手段（例えば、図２や図７の短期嗜好ベクトル生成部２２）と、前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルを生成する長期嗜好ベクトル生成手段（例えば、図２や図７の長期嗜好ベクトル生成部２４）と、前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度を算出する属性類似度算出手段（例えば、図２や図７の差異算出部３１）と、前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値をより小さな値に変更する基準値変更手段（例えば、図７の変化強調係数決定部４１）と、前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルを生成する効き目ベクトル生成手段（例えば、図２や図７の効き目ベクトル生成部３２）と、前記ユーザに提供可能なコンテンツを保有するコンテンツ保有手段（例えば、図１の楽曲データ記憶部１４）に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果を、前記コンテンツ類似度として算出するコンテンツ類似度算出手段（例えば、図２や図７の楽曲類似度算出部３３）と、前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツを決定するコンテンツ決定手段と（例えば、図２や図７の推薦情報生成部３４）して機能させるためのプログラムであって、前記効き目ベクトル生成手段は、前記第１の属性類似度が前記基準値（例えば、図４のステップＳ２４における変化強調係数r）未満である場合、前記第２の属性類似度に乗算される前記重みを第１の値（例えば、図４のステップＳ２６における（２−類似度xi））に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第２の値（例えば、図４のステップＳ２５における類似度xi）に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成するか、前記第１の属性類似度が前記基準値未満（例えば、図１０のステップＳ７４における変化強調係数r1）である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値（例えば、図１０のステップＳ７８における（２−類似度xi））に決定し、前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値（例えば、図１０のステップＳ７５における変化強調係数r2）未満であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな前記第２の値（例えば、図１０のステップＳ７７における類似度xi）に決定し、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値（例えば、図１０のステップＳ７６における１．５）に決定して得られる前記重みを要素として有する前記効き目ベクトルを生成するプログラムである。

図１は、本発明を適用した再生装置１の構成例を示している。この再生装置１は、複数の楽曲の楽曲データを記憶しており、ユーザの操作によって選曲された楽曲の楽曲データを再生して出力することができる。再生装置１はまた、後述するような、ユーザの選曲に応じた楽曲推薦を行うことができる。

再生装置１の操作入力部１１は、例えば、タッチパネルや十字キーなどの入力デバイスで構成され、例えばユーザが選曲した楽曲を認識し、制御部１２に通知する。

制御部１２は、操作入力部１１から、選曲された楽曲の通知を受けると、再生部１３を制御して、その楽曲を再生させる。再生部１３は、制御部１２の制御に従って、楽曲データ記憶部１４から、選曲された楽曲の楽曲データを読み出して再生し、その結果得られた音声データをスピーカ等から構成されている出力部１５から出力する。

制御部１２はまた、所定のタイミングで推薦部１６を制御し、楽曲推薦を行わせる。推薦部１６は、制御部１２の制御に従って、短い期間でのユーザの選曲（例えば、再生装置１の電源がオンされてからオフされる間での選曲）に基づくユーザ嗜好情報と、長い期間でのユーザの選曲（例えば、再生装置１でのいままでの全選曲）に基づくユーザ嗜好情報との差異を用いて、ユーザに推薦する楽曲を決定する（後述）。推薦部１６は、決定した推薦曲を提示する推薦画面を表示部１７に表示する。

図２は、推薦部１６の構成例を示している。

楽曲ベクトル記憶部２１には、楽曲データ記憶部１４（図１）に記憶されている楽曲（ユーザに提供することができる楽曲）のメタデータから生成された、楽曲ベクトルＶcntが記憶されている。

楽曲ベクトルＶcntは、「アーティスト名」、「テンポ」、「ジャンル」、および「リズム」等の楽曲の属性の項目を要素ＶＡとする、下記に示すようなｎ次元のベクトルである。
Ｖcnt＝｛ＶＡ1，ＶＡ2，・・・，ＶＡn｝

またその要素ＶＡi（I=1,2,・・・,n）は、その項目に応じた複数の要素ｃからなるベクトルであり、その要素ｃの値は、楽曲のその項目における属性によって決定される。
ＶＡi＝（ｃ1，ｃ2，・・・・）

例えば、要素ＶＡとしての「テンポ」ベクトルＶＡは、下記に示すように、「速い」、「やや速い」、「普通」、「やや遅い」、「遅い」の要素ｃで構成され、「テンポ」が速い楽曲の「テンポ」ベクトルＶＡは、下記に示すようになる（属性に対応する要素ｃの値が１となり、他の要素ｃの値は０となる）。
「テンポ」ベクトルＶＡ＝（速い，やや速い，普通，やや遅い，遅い）
「テンポ」ベクトルＶＡ＝（ 1, 0, 0, 0, 0）

要素ＶＡとしての「ジャンル」ベクトルＶＡは、下記に示すように、「ポップス」、「ジャズ」、「クラシック」、「テクノ」、・・・の要素ｃで構成され、「ジャンル」がポップスの楽曲の「ジャンル」ベクトルＶＡは、下記に示すようになる。
「ジャンル」ベクトルＶＡ＝（ポップス，ジャズ，クラシック，テクノ，・・・）
「ジャンル」ベクトルＶＡ＝（ 1, 0, 0, 0,・・・）

結局、例えば「テンポ」が速く、「ジャンル」がポップスの楽曲の楽曲ベクトルＶcntは、下記のようになる。
Ｖcnt＝｛・・，「テンポ」ＶＡ（1,0,0,0,0），・・，「ジャンル」ＶＡ（1,0,0,0,・・），・・｝

短期嗜好ベクトル生成部２２には、制御部１２（図１）から、選曲された楽曲が通知される。短期嗜好ベクトル生成部２２は、制御部１２から選曲された楽曲が通知されると、その楽曲の楽曲ベクトルＶcntを楽曲ベクトル記憶部２１から取得するとともに、取得した楽曲ベクトルＶcntを短期嗜好ベクトルＶnpとして、短期嗜好ベクトル記憶部２３に記憶させる。短期嗜好ベクトル生成部２２はまた、取得した楽曲ベクトルＶcntを、長期嗜好ベクトル生成部２４に供給する。

なおこの例では、楽曲ベクトル記憶部２１に楽曲ベクトルＶcntが予め記憶され、短期嗜好ベクトル生成部２２は、そこから楽曲ベクトルＶcntを取得するようにしたが、別途記憶された楽曲のメタデータ（例えば、楽曲データ記憶部１４に楽曲データと対応して記憶されている場合には、そのメタデータ）を適宜取得し、それから楽曲ベクトルＶcntを生成するようにすることもできる。

長期嗜好ベクトル生成部２４は、短期嗜好ベクトル生成部２２から供給された楽曲ベクトルＶcntに基づいて、長期嗜好ベクトル記憶部２５に記憶されている長期嗜好ベクトルＶupを更新する。具体的には、短期嗜好ベクトル生成部２２から供給された楽曲ベクトルＶcntを構成する各ベクトルＶＡを、いま長期嗜好ベクトル記憶部２５に記憶されている長期嗜好ベクトルＶupを構成する各ベクトルＶＡに加算する。

例えば、短期嗜好ベクトル生成部２２から供給された楽曲ベクトルＶcnt（選曲された楽曲の楽曲ベクトルＶcnt）が、
Ｖcnt＝｛・・「テンポ」ＶＡ（0,0,0,0,1），・・，「ジャンル」ＶＡ（1,0,0,0,・・），・・｝であり、
長期嗜好ベクトル記憶部２５に記憶されている長期嗜好ベクトルＶupが、
Ｖup＝｛・・「テンポ」ＶＡ（16,8,0,8,4），・・，「ジャンル」ＶＡ（10,8,5,1,・・），・・｝である場合、長期嗜好ベクトルＶupは、
Ｖup＝｛・・「テンポ」ＶＡ（16,8,0,8,5），・・，「ジャンル」ＶＡ（11,8,5,1,・・），・・｝のように更新される。

推薦部２６は、短期嗜好ベクトル記憶部２３に記憶されている短期嗜好ベクトルＶnpと長期嗜好ベクトル記憶部２５に記憶されている長期嗜好ベクトルＶupとの差異を算出するとともに、その差異に基づく重み付けを利用して、ユーザに推薦する楽曲を決定し、それをユーザに推薦する。

推薦部２６の構成例について説明する。推薦部２６の差異算出部３１は、短期嗜好ベクトル記憶部２３に記憶されている短期嗜好ベクトルＶnpと長期嗜好ベクトル記憶部２５に記憶されている長期嗜好ベクトルＶupとの差異を算出する。具体的には、両ベクトルの対応する要素ＶＡ（「テンポ」ベクトルＶＡ、「ジャンル」ベクトルＶＡ等）毎の類似度ｘを算出する。

類似度ｘが大きければ、その類似度ｘが得られた要素ＶＡに対応する属性におけて短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupとが類似していること（その属性における差異が小さいこと）を意味する。一方類似度ｘが小さければ、その類似度ｘが得られた要素ＶＡに対応する属性におけて短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupとが類似していないこと（その属性における差異が大きいこと）を意味する。

効き目ベクトル生成部３２は、楽曲類似度算出部３３において短期嗜好ベクトルＶnpとユーザに提供可能な楽曲の楽曲ベクトルＶcntとの楽曲類似度Ｙを算出する際の重みとしての効き目ベクトルＶＢを生成する。

効き目ベクトルＶＢは、短期嗜好ベクトルＶnpと楽曲ベクトルＶcntの各要素ＶＡのそれぞれ（各要素ＶＡに対応する属性）の重みとしてのｎ個の要素ｄから構成されている。
ＶＢ＝｛ｄ1，ｄ2，・・・・ｄn｝

効き目ベクトル生成部３２は、原則、差異算出部３１から供給された短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupの要素ＶＡiの類似度ｘiの値を、要素ｄiの値とするが、類似度ｘiが一定値より小さい場合には、すなわちその属性において短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupが類似しない場合には（差異が大きい場合）、要素ｄiの値を後述するように大きな値にする。

楽曲類似度算出部３３は、効き目ベクトル生成部３２から供給された効き目ベクトルＶＢを重みとして利用して、短期嗜好ベクトルＶnpとユーザに提供可能な楽曲の楽曲ベクトルＶcnt（楽曲ベクトル記憶部２１に記憶されている各楽曲ベクトルＶcnt）との楽曲類似度Ｙを算出し、推薦情報生成部３４に供給する。

推薦情報生成部３４は、楽曲類似度算出部３３から供給された楽曲類似度Ｙに基づいて、ユーザに推薦する楽曲を決定する。例えば、楽曲類似度Ｙの高い上位何曲かが、ユーザに推薦する楽曲として決定される。

推薦情報生成部３４は、決定した推薦曲をユーザに提示する推薦画面を生成し、必要に応じて表示部１７に供給する。

次の再生装置１における楽曲推薦処理を、図３のフローチャートを参照して説明する。

ステップＳ１において、再生装置１の図示せぬ電源がオンされると、ステップＳ２において、制御部１２（図１）は、選曲があったか（操作入力部１１から、選曲された楽曲が通知されたか）否かを判定し、選曲があったと判定した場合（すなわち電源投入後の最初の選曲があった場合）、ステップＳ３に進む。

なお選曲があると（後述するステップＳ８での選曲も含む）、制御部１２は、この推薦処理とは異なるルーチンで、再生部１３を制御して、選曲された楽曲を再生させる。

ステップＳ３において、制御部１２は、選曲された楽曲を推薦部１６（短期嗜好ベクトル生成部２２（図２））に通知する。これにより推薦部１６の短期嗜好ベクトル生成部２２は、選曲された楽曲の楽曲ベクトルＶcntを、楽曲ベクトル記憶部２１から取得し、短期嗜好ベクトルＶnpとして短期嗜好ベクトル記憶部２３に記憶させる（短期嗜好ベクトルＶnpを生成する）。短期嗜好ベクトル生成部２２はまた、取得した楽曲ベクトルＶcntを、長期嗜好ベクトル生成部２４に供給する。

次にステップＳ４において、短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupとの差異が算出され、効き目ベクトルＶＢが生成される。この処理の詳細を、図４のフローチャートして説明する。

ステップＳ２１において、推薦部２６の差異算出部３１は、短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupの要素ＶＡi（ベクトルＶＡi）を示すカウンタｉを値１に初期設定する。

次にステップＳ２２において、差異算出部３１は、短期嗜好ベクトル記憶部２３に記憶されている短期嗜好ベクトルＶnpと長期嗜好ベクトル記憶部２５に記憶されている長期嗜好ベクトルＶupの、カウンタｉが示す要素ＶＡi（ベクトルＶＡi）をそれぞれ読み取る。

ステップＳ２３において、差異算出部３１は、ステップＳ２２で読み取った、短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupの要素ＶＡi（ベクトルＶＡi）の類似度ｘiを算出し、その結果を効き目ベクトル生成部３２に供給する。

具体的には、式（１）に示すように、２つのベクトルＶＡiの絶対値の積で各ベクトルＶＡiの内積を除算し、ベクトルＶＡi間のコサイン距離（＝＜１）が求められる。なお式（１）中、Ｓ−ＶＡiは、短期嗜好ベクトルＶnpのベクトルＶＡiを、Ｌ−ＶＡｉは、長期嗜好ベクトルＶupのベクトルＶＡiを表している。

次にステップＳ２４において、効き目ベクトル生成部３２は、ステップＳ２３で算出された要素ＶＡｉの類似度ｘiが、所定の変化強調係数ｒ（例えば、0.3）以上であるか否かを判定し、それ以上とあると判定した場合、すなわち類似度ｘiが大きく、ベクトルＶＡiに対応する属性において短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupが類似している場合（その属性における差異が小さい場合）、ステップＳ２５に進み、効き目ベクトルＶＢの要素ｄiの値（要素ＶＡiに対応する属性の重み）を、その類似度ｘiと同じ値とする。

一方ステップＳ２４で、ステップＳ２３で算出された類似度ｘiが、変化強調係数ｒ以上ではない（ｒより小さい）と判定された場合、すなわち類似度ｘiが小さく、ベクトルＶＡiに対応する属性において短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupが類似していない場合（その属性における差異が大きい場合）、ステップＳ２６に進む。

ステップＳ２６において、効き目ベクトル生成部３２は、効き目ベクトルＶＢの要素ｄiを、値2から類似度ｘiを減算して得られた値（＞1.7）とする。

例えば、類似度ｘiが、r=0.3以上ではない（r=0.3以下の）0.2であるとき、効き目ベクトルＶＢの要素ｄiの値は、1.8（＝2-0.2）となる。

ステップＳ２５またはステップＳ２６で、効き目ベクトルＶＢの要素ｄiが決定されると、ステップＳ２７に進み、差異算出部３１は、ステップＳ２２で短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupのすべての要素ＶＡを読み取ったか否かを判定し（すなわちカウンタｉ＝ｎであるか否かを判定し）、読み取っていない要素ＶＡが存在すると判定した場合（カウンタｉ＜ｎである場合）、ステップＳ２８に進み、カウンタｉの値を１だけインクリメントして、ステップＳ２２に戻り、カウンタｉが示す次の要素ＶＡi（ベクトルＶＡi）を読み取り、ステップＳ２３以降の処理を同様に行う。

ステップＳ２７において、すべての要素ＶＡ（ベクトルＶＡ）を読み取ったと判定された場合（カウンタｉ＝ｎである場合）、効き目ベクトルＶＢのすべての要素ｄの値が決定されたことになるので、ステップＳ２９に進み、効き目ベクトル生成部３２は、決定された要素ｄの値から効き目ベクトルＶＢを生成し、楽曲類似度算出部３３に供給する。

このようにして短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupとの差異が求められるとともに、その差異に応じた効き目ベクトルＶＢが生成されると、処理は、図３のステップＳ５に進む。

ステップＳ５において、短期嗜好ベクトルＶnpと、提供可能な楽曲の楽曲ベクトルＶcntとの楽曲類似度Ｙが算出される。この処理の詳細は、図５のフローチャートに示されている。

ステップＳ４１において、楽曲類似度算出部３３は、楽曲ベクトル記憶部２１に記憶されている１個の楽曲ベクトルＶcntを読み取る。

次にステップＳ４２において、楽曲類似度算出部３３は、式（２）に示すように、ステップＳ４１で読み取った楽曲ベクトルＶcntの各要素ＶＡと、短期嗜好ベクトルＶnpの各要素ＶＡそれぞれの類似度（コサイン距離）を算出するとともに、その算出結果に、効き目ベクトルＶＢの対応する要素ｄの値を乗算し、そしてその算出結果を合計して、楽曲類似度Ｙを算出する。なお式（２）中、Ｓ−ＶＡiは、短期嗜好ベクトルＶnpのベクトルＶＡiを、Ｒ−ＶＡｉは、楽曲ベクトルＶcntのベクトルＶＡiを表している。

ステップＳ４３において、楽曲類似度算出部３３は、ステップＳ４２で算出した楽曲類似度Ｙ（ステップＳ４１で選択された楽曲ベクトルＶcntと短期嗜好ベクトルＶnpとの類似度）を記憶する。

ステップＳ４４において、楽曲類似度算出部３３は、ステップＳ４１で、楽曲ベクトル記憶部２１に記憶されているすべての楽曲ベクトルＶcntを読み取ったか否かを判定し、まだ読み取っていない楽曲ベクトルＶcntが存在すると判定した場合、ステップＳ４１に戻り次の楽曲ベクトルＶcntを読み取り、ステップＳ４２以降の処理を同様に実行する。

ステップＳ４４で、すべての楽曲ベクトルＶcntを読み取ったと判定された場合、楽曲類似度算出処理は終了し、処理は、図３のステップＳ６に進む。

ステップＳ６において、楽曲類似度算出部３３は、ステップＳ５で算出した楽曲類似度Ｙを、推薦情報生成部３４に供給する。推薦情報処理部３４は、楽曲類似度算出部３３から供給された楽曲類似度Ｙに基づいて、推薦曲を決定する。例えば楽曲類似度Ｙが高い上方から位何曲かが推薦曲として決定される。推薦情報生成部３４は、決定した推薦曲に関する情報が表示される推薦画面を表示部１７に表示する。

次にステップＳ７において、長期嗜好ベクトル生成部２４は、短期嗜好ベクトル生成部２２から供給された楽曲ベクトルＶcntを（ステップＳ３）、長期嗜好ベクトル記憶部２５に記憶されている長期嗜好ベクトルＶupに加算して、長期嗜好ベクトルＶupを更新する。

ステップＳ８において、制御部１２（図１）は、楽曲が選曲されたか否かを判定し、楽曲が選曲されていないと判定した場合、ステップＳ９に進み、再生装置１の電源が切られたか否かを判定し、電源が切られていないと判定した場合、ステップＳ８に戻る。

ステップＳ８で、選曲があったと判定された場合、処理は、ステップＳ１０に進む。例えば先に選曲した楽曲を聴き終え、ユーザが、ステップＳ６で表示された推薦画面を参照した後他の楽曲（推薦曲またはそれ以外の曲）を選曲したとき（電源をオフにすることなく続けて選曲したとき）、ステップＳ１０に進む。

ステップＳ１０において、短期嗜好ベクトル生成部２２は、いま選曲された楽曲の楽曲ベクトルＶcntを楽曲ベクトル記憶部２１から取得して、それを、短期嗜好ベクトル記憶部２３に記憶されている短期嗜好ベクトルＶnpに加算して更新する。短期嗜好ベクトル生成部２２はまた、取得した楽曲ベクトルＶcntを長期嗜好ベクトル生成部２４に供給する。

その後、ステップＳ４に戻り、更新された短期嗜好ベクトルＶnp（ステップＳ１０）と長期嗜好ベクトルＶup（ステップＳ７）の差異が算出され、算出された差異に基づいて効き目ベクトルＶＢが生成される。その後ステップＳ５以降の処理が同様に行われる。

ステップＳ９で、電源が切られたと判定した場合、制御部１２は、ステップＳ１１に進み、短期嗜好ベクトル生成部２２を制御して、短期嗜好ベクトル記憶部２３に記憶されている短期嗜好ベクトルＶnpを消去させ、処理を終了させる。

上述した楽曲推薦処理を模式的に示すと、図６に示すようになる。

すなわち図６Ａに示すように、過去に楽曲Ｍ１乃至楽曲Ｍ３を含む複数の楽曲が選曲され、それらの楽曲ベクトルＶcntに基づく長期嗜好ベクトルＶupが存在する場合において、電源が投入された後に（図３のステップＳ１）、楽曲Ｍ４が選曲されると（ステップＳ２）、楽曲Ｍ４の楽曲ベクトルＶcntから短期嗜好ベクトルＶnpが生成される（ステップＳ３）。

そして図６Ｂに示すように、長期嗜好ベクトルＶupと短期嗜好ベクトルＶnpの差異に応じた効き目ベクトルＶＢが生成され（ステップＳ４）、それを用いて推薦曲が決定される（ステップＳ５およびＳ６）。

そしてその後図６Ｃに示すように、楽曲Ｍ４の楽曲ベクトルＶcntに基づいて長期嗜好ベクトルＶupが更新され（ステップＳ７）、次の楽曲Ｍ５が選曲されると（ステップＳ８）、楽曲Ｍ５の楽曲ベクトルＶcntに基づいて、先に選曲された楽曲Ｍ４の楽曲ベクトルＶcntに基づく短期嗜好ベクトルＶnpが更新される（ステップＳ１０）。そしてそれぞれ更新された長期嗜好ベクトルＶupと短期嗜好ベクトルＶnpの差異に応じた効き目ベクトルＶＢが生成され（ステップＳ４）、それを用いて推薦曲が決定される（ステップＳ５およびＳ６）。

このような動作が、電源がオフ（ステップＳ９）されるまで繰り返し行われる。

以上のように、類似度ｘが変化強調係数ｒ以上である場合（その類似度ｘが得られた要素ＶＡに対応する属性において短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupが類似している場合）、その属性の重み（要素ｄiの値）を、例えば１以下の値とし（図４のステップＳ２４およびＳ２５）、類似度ｘが係数ｒより小さい場合（その類似度ｘが得られた要素ＶＡに対応する属性において短期嗜好ベクトルＶnpと長期嗜好ベクトルupが類似していない場合）（その属性における差異が大きい場合）、その属性の重み（要素ｄiの値）を、例えば1.7より大きい値とするようにし（図４のステップＳ２４およびＳ２６）、差異が大きい属性において短期嗜好ベクトルＶnpと類似する楽曲ベクトルＶcntから、例えば他の属性において短期嗜好ベクトルＶnpと類似していなくても高い楽曲類似度Ｙが算出されるようにしたので（図５のステップＳ４２）、そのような楽曲ベクトルＶcntを有する楽曲が推薦される（図３のステップＳ６）。すなわち短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupにおいて差異が大きい属性を強調した楽曲推薦が行われる。

例えば短期嗜好ベクトルＶnpは「テンポ」が「遅い」であり、長期嗜好ベクトルＶupは「テンポ」が「速い」であり、「テンポ」ベクトルＶＡ間の類似度ｘが小さく、「テンポ」において両者が類似していない場合（差異が大きい場合）、効き目ベクトルＶＢの、「テンポ」ベクトルＶＡに対応する要素ｄは大きな値となるので（大きな重みとなるので）（図４のステップＳ２４およびＳ２６）、短期嗜好ベクトルＶnpと同様に「テンポ」が「遅い」属性を有する楽曲ベクトルＶcntからは、例えば他の属性において短期嗜好ベクトルＶnpとあまり類似していなくても大きな値の楽曲類似度Ｙが得られ（図５のステップＳ４２）、その結果、「テンポ」が「遅い」属性を有する楽曲が推薦される（図３のステップＳ６）。

すなわち最初の選曲からしばらくの間（例えば再生装置１の電源が切られるまでの間）、「テンポ」が「遅い」楽曲が推薦され、ユーザの状態（気分）に適切に対応した楽曲推薦が行われる。

なおいまの例では変化強調係数ｒ＝0.3としたが、その値をより大きな値にすれば、少しでも差異があれば、その属性の重みが大きな値となるので（ステップＳ２４およびＳ２６）、差異により敏感な楽曲推薦を行うことができる。また変化強調係数ｒの値をより小さな値にすれば、少しの差異では、その属性の重みは大きな値とならないので（ステップＳ２４およびＳ２５）、差異に鈍感な楽曲推薦（すなわち長期嗜好ベクトルＶupとより類似する楽曲の推薦）を行うことができる。

なお以上においては、推薦画面（図３のステップＳ６）を表示した後、ユーザの選曲があるまで待機したが（ステップＳ８）、すなわちユーザにより選曲された楽曲が再生されたが、例えば最も高い楽曲類似度Ｙが得られた楽曲を自動的に再生されるように（出力部１５から出力されるように）することもできる。

その場合、ステップＳ８の処理は省略され、ステップＳ６において、推薦画面が表示される代わりに、出力された楽曲（最も高い楽曲類似度Ｙが得られた楽曲）を紹介する画面が表示され、ステップＳ７で、長期嗜好ベクトルＶupが更新された後、ステップＳ１０で、出力された楽曲の楽曲ベクトルＶcntによって短期嗜好ベクトルＶnpが更新され、ステップＳ４に戻るようになる。なお、ステップＳ９での電源がオフされたか否かを判定する処理は、ステップＳ４乃至ステップＳ７、およびステップＳ１０のいずれかの処理の後で適宜行われ、電源がオフされていないと判定された場合は次の処理に進み、電源がオフされたと判定された場合、ステップＳ１１に進むようになる。

図７は、再生装置１の推薦部１６の他の構成例を示している。この推薦部には、図２の推薦部１６の推薦部２６に、変化強調係数決定部４１がさらに設けられている。

変化強調係数決定部４１は、楽曲推薦処理で、効き目ベクトルＶＢの要素ｄの値を決定する際に用いられた変化強調係数ｒ（その属性において注目すべき差異があるか否かを判定するための基準値）を（図４のステップＳ２４）、選曲が繰り返される毎に小さな値にする（変更する）。なお図４の例では、変化強調係数ｒは、予め設定された所定の値（例えば、0.3）に固定されていた。

この場合の楽曲推薦処理を、図８のフローチャートに示す。

ステップＳ５１乃至ステップＳ５３においては、図３のステップＳ１乃至ステップＳ３における場合と同様の処理が行われるので、その説明は省略する。

ステップＳ５４において、変化強調係数決定部４１は、変化強調係数ｒを値１に初期設定する。

その後、ステップＳ５５乃至ステップＳ６１において、図３のステップＳ４乃至ステップＳ１０と同様な処理が行われた後、ステップＳ６２において、変化強調決定部４１は、変化強調係数ｒから値0.1が減算し、その結果得られた値を変化強調係数ｒとする。その後、処理はステップＳ５５に戻る。

すなわち選曲がなされる度に（ステップＳ５９）、変化強調係数ｒは、値0.1ずつ小さくなり、その変化強調係数ｒに基づいて効き目ベクトルＶＢの要素ｄが決定される（ステップＳ５５）。

以上のように選曲が繰り返される毎に、変化強調係数ｒが徐々に小さな値になるので、例えば再生装置１の電源がオンされてからオフされる間で選曲が繰り返される毎に、楽曲の推薦を、短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupとの差異に敏感な推薦から、その差異に鈍感な推薦に推移させることができる。すなわち段階的に、通常の嗜好に合わせた推薦が行われるようになる。類似度ｘが変化強調係数ｒ以下となる属性がなくなったとき、長期嗜好ベクトルＶupに類似する属性の効き目が高くなり、より長期嗜好に類似する楽曲が推薦されるようになる。なおこのとき、短期嗜好ベクトルＶnpに代えて、長期嗜好ベクトルＶupと楽曲ベクトルＶcntから類似度ｘを算出することもできる。

したがって、図７の推薦部１６によれば、選曲が繰り返される毎に、いつもよく聴く楽曲が推薦されるようにすることができる。

図９は、再生装置１の推薦部１６の他の構成例を示している。この推薦部には、図２の推薦部１６の推薦部２６の効き目ベクトル生成部３２に代えて、効き目ベクトル生成部５１が設けられている。

図２の推薦部１６の効き目ベクトル生成部３２は、短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupにおいて一定値より小さな類似度ｘiが得られた要素ＶＡiに対応する属性（類似しない属性）の重み（要素ｄi）が大きな値になるように効き目ベクトルＶＢを生成したが、図９の推薦部１６の効き目ベクトル生成部５１は、類似しない属性の重みとともに、類似する属性（大きな類似度ｘiが得られた要素ＶＡiに対応する属性）の重み（要素ｄi）も大きな値になるようにして効き目ベクトルＶＢを生成する。このように効き目ベクトルＶＢを生成することにより、いつもよく聴く曲調の楽曲も推薦することができる。

次にこの場合の楽曲推薦処理を説明するが、ここでの楽曲推薦処理は、図３のステップＳ４における差異算出と効き目ベクトル生成処理の部分以外は、図３における場合と同様な処理が行われるので、ここでは、その差異算出および効き目ベクトル生成処理について図１０のフローチャートを参照して説明する。

ステップＳ７１乃至ステップＳ７３においては、図４のステップＳ２１乃至ステップＳ２３における場合と同様の処理が行われるので、その説明を省略する。

ステップＳ７４において、効き目ベクトル生成部５１は、ステップＳ７３で算出された要素ＶＡiの類似度ｘiが、所定の変化強調係数ｒ1（例えば、0.3）以上であるか否かを判定し、それ以上であると判定した場合、すなわちベクトルＶＡiに対応する属性が類似している場合（差異が小さい場合）、ステップＳ７５に進む。

ステップＳ７５において、効き目ベクトル生成部５１は、その類似度ｘiが所定の他の変化強調係数ｒ2（例えば、0.7）以上であるか否かを判定し、それ以上であると判定した場合、すなわちベクトルＶＡiに対応する属性がよく類似している場合（差異がさらに小さい場合）、ステップＳ７６に進む。

ステップＳ７６において、効き目ベクトル生成部５１は、値1.5を、効き目ベクトルＶＢの要素ｄiの値とする。

一方ステップ７５で、類似度ｘiが、変化強調係数ｒ2より小さいと判定された場合（0.3＜ｘi＜0.7のとき）、ステップＳ７７に進み、効き目ベクトル生成部５１は、類似度ｘiを、そのまま効き目ベクトルＶＢの要素ｄiの値（0.3＜ｄi＜0.7）とする。

ステップＳ７４で、類似度ｘiが変化強調係数ｒ1より小さいと判定された場合、すなわちベクトルＶＢiに対応する属性が類似していない場合（その属性における差異が大きい場合）、ステップＳ７８に進み、効き目ベクトル生成部５１は、図４のステップＳ２６における場合と同様に、値２から類似度ｘiを減算し、その減算結果を、効き目ベクトルＶＢの要素ｄiの値（＞1.7）とする。

ステップＳ７６、ステップＳ７７、またはステップＳ７８で、効き目ベクトルＶＢの要素ｄiの値が決定されると、ステップＳ７９に進む。

ステップＳ７９乃至ステップＳ８１において、図４のステップＳ２７乃至ステップＳ２９における場合と同様な処理が行われるので、その説明は省略する。

以上のように類似している属性に対応する要素ｄiも大きな値（値1.5）となるように効き目ベクトルＶＢを生成するようにしたので、いつも良く聴く曲調と同じ楽曲も推薦することができる。

図１１は、再生装置１の推薦部１６の他の構成例を示している。この推薦部には、図２の推薦部１６の推薦部２６に、差異算出部６１および記憶部６２がさらに設けられ、推薦情報生成部３４に代えて、推薦情報生成部６３が設けられている。

差異算出部６１は、推薦情報生成部６３によって所定の楽曲が推薦された後の選曲において推薦曲以外の楽曲が選択されたとき、短期嗜好ベクトルＶnpと選曲されたその楽曲の楽曲ベクトルＶcntとの属性毎の類似度（差異）を算出し、その類似度が小さかった（差異が大きかった）短期嗜好ベクトルＶnpの属性（小さい類似度が得られた短期嗜好ベクトルＶnpのベクトルＶＡに対応する属性）（例えば、遅いテンポ）を、記憶部６２に供給する。

なおこの例の場合、短期嗜好ベクトルＶnpと選曲された楽曲の楽曲ベクトルＶcntとの類似度が算出されるが、長期嗜好ベクトルＶupと選曲された楽曲の楽曲ベクトルＶcntとの類似度が算出されるようにしてもよい。

記憶部６２は、差異算出部６１から供給された属性（例えば、「テンポ」：「遅い」）を記憶する。

推薦情報生成部６３は、楽曲類似度算出部３３により算出された楽曲類似度Ｙに基づいて推薦曲を決定する際、記憶部６２に記憶されている属性を有する楽曲を排除して、推薦曲を決定する。

この場合の楽曲推薦処理を、図１２のフローチャートを参照して説明する。

ステップＳ９１乃至乃至ステップＳ９５、ステップＳ９７乃至ステップＳ９９、並びにステップＳ１０２およびＳ１０３においては、図３のステップＳ１乃至ステップＳ５、およびステップＳ７乃至ステップＳ１１における場合と同様の処理が行われるので、その説明は省略する。

ステップＳ１００において、短期嗜好ベクトル生成部２２は、ステップＳ９８で選曲された楽曲が、ステップＳ９６で決定された推薦曲であるか否かを判定し、推薦曲以外の楽曲が選択されたと判定した場合、ステップＳ１０１に進み、いま短期嗜好ベクトル記憶部２３に記憶されている短期嗜好ベクトルＶnpを、差異算出部６１に供給する。差異算出部６１は、いま選曲された楽曲の楽曲ベクトルＶcntを楽曲ベクトル記憶部２１から取得するとともに、それと短期嗜好ベクトルＶnpの各要素ＶＡ間の類似度を算出し、所定の閾値より小さい類似度が得られた短期嗜好ベクトルＶnpの要素ＶＡに対応する属性を記憶部６２に記憶させる。この処理の詳細は、図１３のフローチャートに示されている。

ステップＳ１１１において、差異算出部６１は、ステップＳ９８（図１２）で選曲された楽曲の楽曲ベクトルＶcntを楽曲ベクトル記憶部２１から読み取るとともに、その楽曲ベクトルＶcntと短期嗜好ベクトルＶnpの要素ＶＡi（ベクトルＶＡi）を示すカウンタｉの値を値１に初期設定する。

次にステップＳ１１２において、差異算出部６１は、選曲された楽曲の楽曲ベクトルＶcntと短期嗜好ベクトルＶnpとの、カウンタｉが示す要素ＶＡi（ベクトルＶＡi）をそれぞれ読み取る。

ステップＳ１１３において、差異算出部６１は、ステップＳ１１２で読み取った、楽曲ベクトルＶcntと短期嗜好ベクトルＶnpの要素ＶＡi（ベクトルＶＡi）の類似度ｘiを算出する（式１）。

次にステップＳ１１４において、差異算出部６１は、ステップＳ１１３で算出した要素ＶＡｉの類似度ｘiが、所定の閾値以下であるか否かを判定し、それ以下とあると判定した場合、すなわちベクトルＶＡiに対応する属性が類似しておらずその差異が大きい場合、ステップＳ１１５に進み、その類似度ｘiが得られた短期嗜好ベクトルＶnpの要素ＶＡに対応する属性を、記憶部６２に記憶する。

ステップＳ１１４で、類似度ｘiが所定の閾値より大きいと判定されたとき、またはステップＳ１１５で属性が記憶されたとき、ステップＳ１１６に進み、差異算出部６１は、ステップＳ１１２で楽曲ベクトルＶcntと短期嗜好ベクトルＶnpのすべての要素ＶＡを読み取ったか否かを判定し、読み取っていない要素ＶＡが存在すると判定した場合、ステップＳ１１７に進み、カウンタｉの値を１だけインクリメントして、ステップＳ１１２に戻り、カウンタｉが示す次の要素ＶＡi（ベクトルＶＡi）を読み取り、ステップＳ１１３以降の処理を同様に行う。

ステップＳ１１６において、すべての要素ＶＡ（ベクトルＶＡ）を読み取ったと判定された場合、差異算出処理は終了し、処理は、図１２のステップＳ１０２に進む。

ステップＳ１０２で、ステップＳ９８で選曲された楽曲の楽曲ベクトルＶcntで短期嗜好ベクトルＶnpが更新され、その後ステップＳ９４およびステップＳ９５の処理で、効き目ベクトルＶＢが生成され、楽曲類似度Ｙが算出されると、ステップＳ９６において、推薦情報生成部６３は、算出された楽曲類似度Ｙに基づいて、推薦曲を決定する。その際、推薦情報生成部６３は、記憶部６２に記憶されている属性を有する楽曲を排除して推薦曲を決定する。

以上のように推薦曲が選曲されなかった場合、選曲された推薦曲以外の楽曲の楽曲ベクトルＶcntと、例えば短期嗜好ベクトルＶnpとの差異が大きい属性を記憶し、次の推薦においては、その属性を有する楽曲を推薦曲から排除するようにしたので、より適切な推薦を行うことができる。

ところで上述した図１の再生装置１における楽曲推薦では、再生装置１自身が保有する楽曲が推薦されるものとしたが、図１４に示すように、例えばネットワーク７２を介してサーバ７１と通信し、サーバ７１が保有する楽曲を推薦するようにすることもできる。

この場合の再生装置１の構成例について説明する。この再生装置１には、図１４に示すように、通信部８１がさらに設けられている。通信部８１は、サーバ７１とのネットワーク７２を介する通信を制御し、後述するように再生装置１の推薦部１６で生成された短期嗜好ベクトルＶnpと効き目ベクトルＶＢを、サーバ７１に送信するとともに、サーバ７１から送信されてきた、効き目ベクトルＶＢを重みとして算出された、短期嗜好ベクトルＶnpとサーバ７１が保有する楽曲の楽曲ベクトルＶcntとの楽曲類似度Ｙを受信し、制御部１２を介して推薦部１６に供給する。

次にサーバ７１の構成例について説明する。

制御部９１は、各部を制御する。

通信部９２は、再生装置１との通信を制御し、再生装置１から送信されてきた短期嗜好ベクトルＶnpと効き目ベクトルＶＢを受信し、制御部９１に供給する。通信部９２はまた、制御部９１から供給された楽曲類似度Ｙを再生装置１に供給する。

楽曲データ記憶部９３は、再生装置１に提供可能な楽曲の楽曲データを記憶している。楽曲ベクトル記憶部９４は、楽曲データ記憶部９３に記憶されている楽曲の楽曲ベクトルＶcntを記憶している。

楽曲類似度算出部９５は、再生装置１の推薦部１６の楽曲類似度算出部３３（図２）と同様に、再生装置１から送信されてきた効き目ベクトルＶＢを重みとして用いて、同様に送信されてきた短期嗜好ベクトルＶnpと楽曲ベクトル記憶部９４に記憶されている楽曲ベクトルＶcntとの楽曲類似度Ｙを算出し、制御部９１に供給する。

次に、この場合の再生装置１の楽曲推薦処理を、図１５のフローチャートを参照して説明する。

ステップＳ１２１乃至ステップＳ１２４においては、図３のステップＳ１乃至ステップＳ４における場合と同様の処理が行われるので、その説明は省略する。

ステップＳ１２５において、ステップＳ１２４の処理で算出された類似度ｘi（図４のステップＳ２１，Ｓ２２，Ｓ２３，Ｓ２７，Ｓ２８に相当する処理で算出された類似度ｘi）の中で所定の閾値より小さいもの（差異が所定以上ある属性）が存在するか否かを判定し、存在すると判定した場合、ステップＳ１２６に進む。

ステップＳ１２６において、制御部１２は、通信部８１を制御して、ステップＳ１２３で生成された短期嗜好ベクトルＶnpとステップＳ１２４で生成された効き目ベクトルＶＢを、サーバ７１に送信させる。

これによりサーバ７１の制御部９１は、通信部９２を介して、再生装置１から送信されてきた短期嗜好ベクトルＶnpと効き目ベクトルＶＢを受信し、それを楽曲類似度算出部９５に供給する。

サーバ７１の楽曲類似度算出部９５は、再生装置１の推薦部１６の楽曲類似度算出部３３と同様に（図５のステップＳ４１乃至Ｓ４４に相当する処理で）、効き目ベクトルＶＢを重みとして用いて、受信した短期嗜好ベクトルＶnpと楽曲ベクトル記憶部９４に記憶されている楽曲ベクトルＶcntとの楽曲類似度Ｙを算出し、それを制御部９１に供給する。

サーバ７１の制御部９１は、通信部９２を制御して、楽曲類似度算出部９５から供給された楽曲類似度Ｙを、再生装置１に送信する。

このようにしてサーバ７１から楽曲類似度Ｙが送信されてくるので、再生装置１の制御部１２は、ステップＳ１２７において、通信部８１を介してそれらを受信する。

ステップＳ１２５で、類似度ｘが所定の閾値より小さい属性が存在しないと判定されたとき、ステップＳ１２８に進み、図３のステップＳ５（詳細は図５）における場合と同様に、ステップＳ１２４で生成された効き目ベクトルＶＢを重みとして用いて、ステップＳ１２３で生成された短期嗜好ベクトルＶnpと、再生装置１の楽曲ベクトル記憶部２１（図２）に記憶されている楽曲ベクトルＶcntとの楽曲類似度Ｙが算出される。

ステップＳ１２７で楽曲類似度Ｙが受信されたとき、またはステップＳ１２８で楽曲類似度Ｙが算出されたとき、ステップＳ１２９に進み、推薦部１６（推薦情報生成部３４）は、サーバ７１から受信した楽曲類似度Ｙまたは再生装置１自身が算出した楽曲類似度Ｙに基づいて、推薦曲を決定し、それらを提示する推薦画面を、表示部１７に表示する。

ステップＳ１３０乃至ステップＳ１３４において、ステップＳ７乃至ステップＳ１１における場合と同様の処理が行われるので、その説明は省略する。

以上のようにして、再生装置１以外のサーバ７１が保有する楽曲を推薦することもできる。

従来においても、サーバが保有する楽曲を推薦する方法は存在するが、通常、ユーザの嗜好情報（長期嗜好ベクトルＶupに相当する嗜好情報）をサーバ側に送信する必要があった。しかしながらこのユーザ嗜好情報は、長期に渡って集められたユーザにとってプライベート性が高い情報であるので、それが改竄されると、ユーザに与える影響は大変大きかった。一方本図１４の例では、嗜好情報として短期嗜好ベクトルＶnpが送信されるが、それは限られた短い期間での選曲に基づく情報なので、改竄された場合のユーザへの影響を小さなものにすることができる。

すなわちこの方法でサーバ７１が保有する楽曲も推薦できるようにすれば、より安全に楽曲推薦を行うことができる。

さらに上述したように例えば短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupの差異が一定以上あるときに（ステップＳ１２５でYESと判定されたときに）サーバ７１が保有する楽曲を推薦するようにしたので、短期嗜好ベクトルＶnpのサーバ７１への送信が制限され、より安全にサーバ７１を利用することができる。また、通常、差異が小さく、いつも良くきく曲調と類似する楽曲はユーザが保有する再生装置１に記録されていることが多いが、差異が大きい、いつも良く聞く曲調と異なる楽曲は再生装置１に記録されていないことが予想されるので、短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupの差異が一定以上あるときにサーバ７１を利用することで、より効率的に楽曲推薦を行うことができる。

図１６は、再生装置１の他の構成例を示している。この再生装置には、図１の再生装置１に気分推定部１０１がさらに設けられている。

気分推定部１０１には、推薦部１６で算出された短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupの要素ＶＡ間の類似度ｘが供給される。気分推定部１０１は、推薦部１６から供給された類似度ｘの中で、所定の閾値より小さい類似度ｘを抽出し、抽出した類似度ｘが得られた短期嗜好ベクトルＶnpの要素ＶＡに対応する属性に基づいて、ユーザの気分を推定する。すなわちいつもと異なる属性に応じてユーザの気分が推定される。

そして気分推定部１０１は、推定したユーザの気分に基づいて、例えば表示部１７の表示画面の輝度を調整する。

図１７は、気分推定部１０１の構成例を示している。

気分推定部１０１の気分テーブル記憶部１１１には、図１８に示すような、楽曲の属性に応じた気分を表す情報が設定されている。

気分推定部１１２には、推薦部１６から供給された短期嗜好ベクトルＶnpと長期嗜好ベクトルＶupの各要素ＶＡの類似度ｘが供給される。気分推定部１１２は、推薦部１６から供給された類似度ｘの中から、所定の閾値より小さい類似度ｘを抽出する。

そして気分推定部１１２は、気分テーブル記憶部１１１に記憶されている気分テーブル（図１８）を参照して、抽出した類似度ｘが得られた要素ＶＡに対応する属性に対応する気分情報を検出し、それを、機器制御部１１３に供給する。

機器制御部１１３は、気分推定部１１２から供給された気分情報（明るい、暗い等を表す情報）の供給を受けると、その気分情報に応じて表示部１７の画面の輝度を制御する。例えば暗い気分である情報が供給された場合、画面の輝度を下げ、明るい気分である情報が供給された場合、画面の輝度を上げる処理が行われる。

なお図１６の例では、推定された気分に基づいて表示部１７の画面の輝度を制御するようにしたが、その他、出力部１５の音量を制御したり、外部の装置の所定の機能を制御したりすることもできる。

図１９は、再生装置１の他の構成例を示している。この再生装置には、図１６の再生装置１に、映画データ記憶部１２１および推薦部１２３がさらに設けら、再生部１３に代えて再生部１２２が設けられている。

映画データ記憶部１２１は、ユーザが視聴できる映画の映像および音声データ（以下、これらをまとめて映画データと称する）を記憶している。

再生部１２２は、図１６の再生部１３と同様に、制御部１２の制御に従って、楽曲データ記憶部１４に記憶されている所定の楽曲データを再生し（ユーザによって選択された楽曲の楽曲データを再生し）、その結果得られた音声データを出力部１５から出力する。再生部１２２はまた、制御部１２の制御に従って、映画データ記憶部１２１に記憶されている所定の映画データを再生し（ユーザによって選択された映画の映画データを再生し）、その結果得られた音声データを出力部１５から出力し、映像データを表示部１７に出力して表示する。

推薦部１２３には、気分推定部１０１から、推定されたユーザの気分を表す情報が供給される。推薦部１２３は、基本的には推薦部１６と同様に、ユーザに推薦する映画を決定し、それをユーザに推薦するが、図２０に示すように気分に応じた所定の属性（映画の属性）を記憶しており、推薦映画を決定するに際し、気分推定部１０１から供給された気分を表す情報に対応する属性を有する映画を積極的に推薦することができる。

なお図１９の例では、選曲により推定されたユーザの気分を映画推薦に利用するものとしたが、選択された映画によりユーザの気分を推定し、それを楽曲推薦に利用することもできる。

上述した一連の処理は、ハードウエアにより実現させることもできるが、ソフトウエアにより実現させることもできる。一連の処理をソフトウエアにより実現する場合には、そのソフトウエアを構成するプログラムがコンピュータにインストールされ、そのプログラムがコンピュータで実行されることより、再生装置１が機能的に実現される。

図２１は、コンピュータ５０１の構成例を示している。CPU（Central Processing Unit）５１１にはバス５１５を介して入出力インタフェース５１６が接続されており、CPU５１１は、入出力インタフェース５１６を介して、ユーザから、キーボード、マウスなどよりなる入力部５１８から指令が入力されると、例えば、ROM（Read Only Memory）５１２、ハードディスク５１４、またはドライブ５２０に装着される磁気ディスク５３１、光ディスク５３２、光磁気ディスク５３３、若しくは半導体メモリ５３４などの記録媒体に格納されているプログラムを、RAM（Random Access Memory）５１３にロードして実行する。これにより、上述した各種の処理が行われる。さらに、CPU５１１は、その処理結果を、例えば、入出力インタフェース５１６を介して、LCD（Liquid Crystal Display）などよりなる出力部５１７に必要に応じて出力する。なお、プログラムは、ハードディスク５１４やROM５１２に予め記憶しておき、コンピュータ５０１と一体的にユーザに提供したり、磁気ディスク５３１、光ディスク５３２、光磁気ディスク５３３、半導体メモリ５３４等のパッケージメディアとして提供したり、衛星、ネットワーク等から通信部５１９を介してハードディスク５１４に提供することができる。

なお、本明細書において、記録媒体により提供されるプログラムを記述するステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。

本発明を適用した再生装置の構成例を示すブロック図である。図１の推薦部１６の構成例を示すブロック図である。楽曲推薦処理を説明するフローチャートである。図３のステップＳ４の詳細を説明するフローチャートである。図３のステップＳ５の詳細を説明するフローチャートである。図３の楽曲推薦処理を模式的に説明した図である。図１の再生装置１の他の推薦部１６の構成例を示すブロック図である。他の楽曲推薦処理を説明するフローチャートである。図１の再生装置１の他の推薦部１６の構成例を示すブロック図である。図３のステップＳ４の他の処理を説明するフローチャートである。図１の再生装置１の他の推薦部１６の構成例を示すブロック図である。他の楽曲推薦処理を説明するフローチャートである。図１２のステップＳ１０１の詳細を示すフローチャートである。本発明を適用した再生装置の他の構成例を示すブロック図である。他の楽曲推薦処理を説明するフローチャートである。本発明を適用した再生装置の他の構成例を示すブロック図である。図１６の気分推定部１０１の構成例を示すブロック図である。図１７の気分テーブル記憶部１１１に記憶されている気分テーブルの例を示す図である。本発明を適用した再生装置の他の構成例を示すブロック図である。図１９の推薦部１２３に記憶されているテーブルの例を示す図である。コンピュータ５０１構成例を示すブロック図である。

符号の説明

１再生装置，１２制御部，１６推薦部，２１楽曲ベクトル記憶部，２２短期嗜好ベクトル生成部２３短期嗜好ベクトル記憶部，２４長期嗜好ベクトル生成部，２５長期嗜好ベクトル記憶部，２６推薦部，３１差異算出部，３２効き目ベクトル生成部，３３楽曲類似度算出部，３４推薦情報生成部，４１変化強調係数決定部，５１効き目ベクトル生成部，６１差異算出部，６２記憶部，６３推薦情報生成部，７１サーバ，８１通信部，１０１気分推定部

Claims

ユーザに推薦するコンテンツを決定する情報処理装置において、
前記ユーザに提供可能なコンテンツを保有するコンテンツ保有手段と、
所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルを生成する短期嗜好ベクトル生成手段と、
前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルを生成する長期嗜好ベクトル生成手段と、
前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、
ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度を算出する属性類似度算出手段と、
前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値をより小さな値に変更する基準値変更手段と、
前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルを生成する効き目ベクトル生成手段と、
前記コンテンツ保有手段に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、
ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果を、前記コンテンツ類似度として算出するコンテンツ類似度算出手段と、
前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツを決定するコンテンツ決定手段と
を備え、
前記効き目ベクトル生成手段は、
前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを第１の値に決定し、
前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第２の値に決定して
得られる前記重みを要素として有する前記効き目ベクトルを生成するか、
前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値に決定し、
前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値未満であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな前記第２の値に決定し、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値に決定して
得られる前記重みを要素として有する前記効き目ベクトルを生成する
情報処理装置。
前記コンテンツ決定手段により決定された前記コンテンツを前記ユーザに推薦する推薦手段をさらに備え、
前記コンテンツ決定手段は、前記推薦手段により推薦された前記コンテンツ以外のコンテンツが前記ユーザにより選択されたとき、選択された前記コンテンツのコンテンツベクトルと、前記短期嗜好ベクトルとの前記第２の属性類似度のうち、所定の閾値以下となる前記第２の属性類似度が得られた前記短期嗜好ベクトルの前記属性情報が表す属性を有するコンテンツを、推薦するコンテンツから除外する
請求項１に記載の情報処理装置。
前記ユーザに提供可能なコンテンツを保有するサーバと通信する通信手段と、
前記属性類似度算出手段により算出された前記第１の属性類似度のうち、所定の閾値よりも小さい前記第１の属性類似度が存在する場合のみ、前記短期嗜好ベクトル生成手段により生成された前記短期嗜好ベクトル、及び前記効き目ベクトル生成手段により生成された前記効き目ベクトルを、前記通信手段を介して前記サーバに送信し、
前記通信手段からの前記短期嗜好ベクトル及び前記効き目ベクトルを受信した前記サーバにより、前記効き目ベクトルを用いて、前記サーバが保有する前記コンテンツのコンテンツベクトルと前記短期嗜好ベクトルとの前記コンテンツ類似度が算出されて送信されたことに対応して、前記サーバからの前記コンテンツ類似度を前記通信手段を介して受信する通信制御手段と
をさらに備え、
前記コンテンツ決定手段は、受信された前記コンテンツ類似度に基づいて、前記サーバが保有するコンテンツの中からユーザに推薦するコンテンツを決定する
請求項１に記載の情報処理装置。
前記短期嗜好ベクトル生成手段は、前記情報処理装置の電源がオンされたときからオフされるまでの期間中に選択されたコンテンツの属性情報に基づいて、前記短期嗜好ベクトルを生成する
請求項１に記載の情報処理装置。
前記長期嗜好ベクトルが有する複数の前記属性情報と前記短期嗜好ベクトルが有する複数の前記属性情報との、対応する前記属性情報どうしの類似の程度をそれぞれ表す複数の前記第１の属性類似度のうち、所定の閾値よりも小さい前記第１の属性類似度を抽出し、
前記ユーザの気分を表す気分情報として、第１の前記属性情報に暗い気分を表す第１の前記気分情報が、前記第１の属性情報とは異なる第２の前記属性情報に明るい気分を表す第２の前記気分情報が、少なくとも対応付けられている気分テーブルから、抽出した前記第１の属性類似度が得られた前記属性情報に対応付けられている前記気分情報を検出する気分推定手段と、
検出された前記気分情報が、暗い気分を表す前記第１の気分情報である場合、コンテンツを表示させる表示部の画面の輝度を下げ、
検出された前記気分情報が、明るい気分を表す前記第２の気分情報である場合、前記表示部の画面の輝度を上げるように前記表示部を制御する機器制御手段と
をさらに備える請求項１に記載の情報処理装置。
所定のコンテンツを推薦する推薦手段をさらに備え、
前記気分推定手段は、検出した前記気分情報を推薦手段に通知し、
前記推薦手段は、前記気分推定手段により通知された前記気分情報に対応する前記属性情報が表す属性のコンテンツを推薦する
請求項５に記載の情報処理装置。
コンテンツを再生して得られる映像データを前記表示部に出力して表示させる再生手段をさらに備え、
前記機器制御手段は、
検出された前記気分情報が、暗い気分を表す前記第１の気分情報である場合、前記表示部の画面の輝度を下げ、
検出された前記気分情報が、明るい気分を表す前記第２の気分情報である場合、前記表示部の画面の輝度を上げるように前記表示部を制御する
請求項５に記載の情報処理装置。
ユーザに推薦するコンテンツを決定する情報処理装置の情報処理方法において、
前記情報処理装置は、
コンテンツ保有手段と、
短期嗜好ベクトル生成手段と、
長期嗜好ベクトル手段と、
属性類似度算出手段と、
基準値変更手段と、
効き目ベクトル生成手段と、
類似度算出手段と、
コンテンツ決定手段と
を備え、
前記コンテンツ保有手段が、前記ユーザに提供可能なコンテンツを保有し、
前記短期嗜好ベクトル生成手段が、所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルを生成し、
前記長期嗜好ベクトル手段が、前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルを生成し、
前記属性類似度算出手段が、前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、
ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度を算出し、
前記基準値変更手段が、前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値をより小さな値に変更し、
前記効き目ベクトル生成手段が、前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルを生成し、
前記コンテンツ類似度算出手段が、前記コンテンツ保有手段に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、
ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果を、前記コンテンツ類似度として算出し、
前記コンテンツ決定手段が、前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツを決定する
ステップを含み、
前記効き目ベクトル生成手段は、
前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを第１の値に決定し、
前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第２の値に決定して
得られる前記重みを要素として有する前記効き目ベクトルを生成するか、
前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値に決定し、
前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値未満であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな前記第２の値に決定し、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値に決定して
得られる前記重みを要素として有する前記効き目ベクトルを生成する
情報処理方法。
ユーザに推薦するコンテンツを決定する情報処理装置を制御するプロセッサを、
所定の期間中に選択されたコンテンツの属性を表す属性情報に基づいて、前記所定の期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す短期嗜好ベクトルを生成する短期嗜好ベクトル生成手段と、
前記所定の期間よりも長い期間中に選択されたコンテンツの属性情報に基づいて、前記所定の期間よりも長い期間における前記ユーザの嗜好が反映された属性情報を要素として有するベクトルを表す長期嗜好ベクトルを生成する長期嗜好ベクトル生成手段と、
前記長期嗜好ベクトルが有する属性情報と、前記短期嗜好ベクトルが有する属性情報との類似の程度を表す第１の属性類似度であって、
ベクトルにより表される、前記長期嗜好ベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記長期嗜好ベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第１の属性類似度を算出する属性類似度算出手段と、
前記所定の期間中にコンテンツが選択される毎に、前記第１の属性類似度の大小を判定するために用いる基準値をより小さな値に変更する基準値変更手段と、
前記第１の属性類似度が前記基準値以上であるか否かに基づいて、前記ユーザに推薦するコンテンツを決定するためのコンテンツ類似度を算出する際に乗算される重みを要素として有するベクトルを表す効き目ベクトルを生成する効き目ベクトル生成手段と、
前記ユーザに提供可能なコンテンツを保有するコンテンツ保有手段に保有されている前記コンテンツの属性情報を要素として有するベクトルを表すコンテンツベクトルの属性情報と、前記短期嗜好ベクトルの属性情報との類似の程度を表す第２の属性類似度であって、
ベクトルにより表される、前記コンテンツベクトルの属性情報と、ベクトルにより表される、前記短期嗜好ベクトルの属性情報との内積を、前記コンテンツベクトルの属性情報の絶対値と、前記短期嗜好ベクトルの属性情報の絶対値との積で除算して得られる前記第２の属性類似度と、前記効き目ベクトルの重みとの積和演算結果を、前記コンテンツ類似度として算出するコンテンツ類似度算出手段と、
前記コンテンツ類似度に基づいて、前記コンテンツ保有手段に保有されているコンテンツの中から、前記ユーザに推薦するコンテンツを決定するコンテンツ決定手段と
して機能させるためのプログラムであって、
前記効き目ベクトル生成手段は、
前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを第１の値に決定し、
前記第１の属性類似度が前記基準値以上である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第２の値に決定して
得られる前記重みを要素として有する前記効き目ベクトルを生成するか、
前記第１の属性類似度が前記基準値未満である場合、前記第２の属性類似度に乗算される前記重みを前記第１の値に決定し、
前記第１の属性類似度が前記基準値以上である場合、前記第１の属性類似度が、前記基準値よりも大きな他の基準値未満であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな前記第２の値に決定し、前記第１の属性類似度が、前記他の基準値以上であるときには、前記第２の属性類似度に乗算される前記重みを前記第１の値よりも小さな第３の値であって、且つ、前記第２の値よりも大きな前記第３の値に決定して
得られる前記重みを要素として有する前記効き目ベクトルを生成する
プログラム。