JP4785906B2 - コンテンツ推薦装置及び方法 - Google Patents

Description

本発明は、コンテンツ推薦装置及び方法に関するものであって、詳しくは、コンテンツに付与されるタグクラウド（ｔａｇ ｃｌｏｕｄ）を用いて使用者間の類似度を算出しこれに基づいてコンテンツを使用者に推薦するコンテンツ推薦装置及び方法に関する。

最近インターネットの大衆化に伴いインターネット上に各種のコンテンツが幾何級数的に増加している。特に、動画型の使用者生成コンテンツ（ＵＣＣ：Ｕｓｅｒ Ｃｒｅａｔｅｄ Ｃｏｎｔｅｎｔ）の数は爆発的に増加しつつある。このような環境において使用者らは限定された時間内に限定された情報のみを用いて、自分の関心または必要を満すコンテンツを探し出すことは非常に難しい。このため使用者の性向及び選好度などを考慮して使用者に適したコンテンツを推薦する推薦システム（ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍ）が広く用いられている。推薦システムは、推薦対象使用者に類似した趣向を持つ類似使用者集合を定めた後、その類似使用者集合内の使用者と前記推薦対象使用者との関係を用いてコンテンツを推薦する。

しかし、従来の推薦方法は、下記のような限界を持っている。

まず、使用者によって評点が付与されたコンテンツが多くないか、使用者によって購買または使用されたコンテンツが多くない場合、推薦可能なコンテンツが非常に制限される。

また、推薦対象使用者に類似した使用者は、推薦対象使用者と同一のコンテンツを用いた使用者の中で選別される。したがって、類似使用者の範囲が非常に狭くなり、結果的に推薦対象コンテンツの範囲も非常に狭くなり使用者が望まないコンテンツが推薦され得る。

また、使用者の数よりコンテンツの数が遥かに多い場合、推薦対象使用者に類似した使用者を探し出すことは難しい。使用者の数よりコンテンツの数が遥かに多い場合、推薦対象使用者と同一のコンテンツを用いた使用者が非常に少なくなり、これによって推薦対象使用者に類似した使用者を選別しにくくなる。

また、頻繁に推薦されるコンテンツが繰り返して推薦される傾向にある。推薦対象使用者が過去に用いたコンテンツに基づいて類似使用者を選別するので、推薦されるコンテンツは推薦対象使用者が過去に関心を持った主題にのみ集中してしまう。

また、類似使用者の選別が推薦対象使用者と同一のコンテンツを用いた使用者の中でなされるので、全コンテンツに対するカバレージが約１０〜３０％であって非常に低いという問題点がある。

本発明は、コンテンツに付与されたタグクラウドを用いて、推薦対象コンテンツに対するカバレージを高め、コンテンツの数が増加しても推薦対象使用者に趣向が類似している使用者を効率よく探し出して推薦の性能を高めるタグクラウドを用いたコンテンツ推薦装置及び方法を提供することを目的とする。

前記目的を達成するための本発明の第１側面による、ネットワークを通じてコンテンツ推薦サービスを提供するコンテンツ推薦装置は、各コンテンツに付与されたタグを分析し各コンテンツに対するタグごとの頻度を累積してコンテンツタグクラウドを構築するコンテンツタグクラウド生成モジュールと、使用者が用いたコンテンツのタグごとの頻度を累積して使用者ごとのタグクラウドを構築する使用者タグクラウド生成モジュールと、前記使用者ごとのタグクラウドを用いて使用者間の類似度を算出する類似度算出モジュールと、前記算出された使用者間の類似度に基づいて推薦対象使用者が特定のコンテンツを用いる確率を計算してコンテンツを推薦する推薦モジュールを含むことを特徴とする。

また、前記目的を達成するための本発明の第２側面による、ネットワークを通じてコンテンツ推薦サービスを提供するコンテンツ推薦方法は、各コンテンツに付与されたタグを分析し各コンテンツに対するタグごとの頻度を累積してコンテンツタグクラウドを構築するコンテンツタグクラウド生成段階と、使用者が用いたコンテンツのタグごとの頻度を累積して使用者ごとのタグクラウドを構築する使用者タグクラウド生成段階と、構築された使用者ごとのタグクラウドを用いて使用者間の類似度を算出する類似度算出段階と、算出された使用者間の類似度に基づいて推薦対象使用者が特定のコンテンツを用いる確率を計算してコンテンツを推薦する推薦段階を含むことを特徴とする。

前記のような本発明は、多数の使用者によって集団的にコンテンツに付与されたタグクラウドに基づいて使用者のコンテンツ利用形態に応じて使用者のタグクラウドを構成及び更新して使用者間の類似度を測定することで、使用者により適切で正確なコンテンツを推薦することができる。

以下、添付した図面を参照しながら本発明の望ましい実施形態を詳しく説明する。これに先立って、本明細書及び請求範囲に使われた用語や単語は通常的または辞書的な意味に限定して解釈されてはならず、発明者は自らの発明を最善の方法で説明するために用語の概念を適切に定義することができるという原則に則して、本発明の技術的思想に符合する意味と概念とで解釈されなければならない。したがって、本明細書に記載された実施形態と図面に示された構成とは本発明の最も望ましい一実施形態に過ぎず、本発明の技術的思想の全てを代弁するものではないため、本出願時点においてこれらに代替できる多様な均等物と変形例があり得ることを理解しなければならない。

図１は、本発明の一実施形態によるコンテンツ推薦システムのネットワーク構成を示す図面である。

図１に示すように、本発明によるコンテンツ推薦システムは、多数の使用者端末１１０と、前記多数の使用者端末１１０とネットワーク１３０で接続されて前記使用者端末１１０にコンテンツを推薦するコンテンツ推薦サーバー２００を含む。

使用者端末１１０は、デスクトップＰＣ、ノートＰＣ、ＰＤＡ、移動通信端末機などのようにネットワーク１３０を通じてコンテンツ推薦サーバー２００に接続してコンテンツ推薦サーバー２００が提供する各種のコンテンツを用いることができる端末のすべてを通称する。使用者端末１１０は、有無線インターネットブラウザが設けられそのブラウザを用いてコンテンツ推薦サーバー２００に接続できる。ここでコンテンツ推薦サーバー２００が提供するコンテンツは、動画、停止画像、音源（例えば、ＭＰ３ファイル）、広告などを指称する。前記ネットワーク１３０は、移動通信網、有無線インターネット網など前記コンテンツを送受信することができる通信網である。

コンテンツ推薦サーバー２００は、ネットワーク１３０を通じて接続した使用者端末１１０にコンテンツを含んでいるウェブサイトを提供しコンテンツ推薦サービスを提供する。本発明によるコンテンツ推薦サーバー２００は図１に示すように、サービス運営部２１０と、コンテンツ推薦部２３０を含む。

サービス運営部２１０は、多数の使用者端末１１０に提供する各種のコンテンツを貯蔵管理し、使用者端末１１０が接続したときコンテンツを含んでいるウェブサイトを前記使用者端末１１０に提供する。サービス運営部２１０は、使用者がウェブサイトに含まれた各コンテンツに対して連関単語であるタグを付与できるようにするタグ設定インターフェースを使用者端末１１０に提供し、それによって各コンテンツに付与されたタグを貯蔵管理する。各コンテンツに付与されたタグの集合は各コンテンツのタグクラウドとして貯蔵管理される。例えば、使用者は特定のミュージックビデオに対して該ミュージックビデオから連想される連関単語であるセクシー、ワンダーガールス（Ｗｏｎｄｅｒ Ｇｉｒｌｓ）、ダンスなどを前記ミュージックビデオのタグとして付与することができる。サービス運営部２１０は、前記ミュージックビデオのタグクラウドとして、セクシー、ワンダーガールス、ダンスを貯蔵管理する。

また、サービス運営部２１０は、多数の使用者端末１１０にコンテンツサービスを提供し各使用者のタグクラウドを生成して貯蔵管理する。サービス運営部２１０は、ある一人の使用者が多数のコンテンツを用いた場合、その使用者が用いた各コンテンツのタグクラウドを纏めて該使用者のタグクラウドを生成して貯蔵管理する。サービス運営部２１０は、各使用者のタグクラウドを生成するにあたってタグクラウドを構成する各タグの発生頻度を管理する。

コンテンツ推薦部２３０は、サービス運営部２１０で生成され貯蔵管理される使用者のタグクラウドを用いて類似した趣向を持っている類似使用者の集合を選別する。またコンテンツ推薦部２３０は、その類似した趣向を持っている類似使用者集団内の使用者のコンテンツ利用現況に基づいて前記使用者集団内の使用者にコンテンツを推薦する。コンテンツ推薦アルゴリズムに対しては後述する。

図２は、図１のサービス運営部の構成を示す図面であって、図２に示すように、図１のサービス運営部２１０は、コンテンツ観覧内訳管理モジュール２１１、コンテンツタグクラウド生成モジュール２１３、使用者タグクラウド生成モジュール２１５、観覧内訳ＤＢ２１２、コンテンツタグクラウドＤＢ２１４、使用者タグクラウドＤＢ２１６を含む。

コンテンツ観覧内訳管理モジュール２１１は、コンテンツ推薦サーバー２００から多数の使用者端末１１０に提供される各種のコンテンツに対する使用者の観覧内訳を観覧内訳ＤＢ２１２に登録管理する。使用者端末１１０がコンテンツ推薦サーバー２００に接続して所定のコンテンツを用いる場合、コンテンツ観覧内訳管理モジュール２１１は前記使用者端末１１０の使用者識別情報（例えば、クッキー情報、ＩＤなど）にコンテンツの利用有無をチェックして観覧内訳ＤＢ２１２に貯蔵する。観覧内訳ＤＢ２１２は、使用者識別情報ごとに使用者が用いたコンテンツの識別情報をマッピングして貯蔵する。

コンテンツタグクラウド生成モジュール２１３は、コンテンツ推薦サーバー２００から多数の使用者端末１１０に提供される各種のコンテンツに付与されたタグをコンテンツタグクラウドＤＢ２１４に登録管理する。コンテンツタグクラウド生成モジュール２１３は、コンテンツに対するタグを使用者が直接付与することができるインターフェースを使用者端末１１０に提供して使用者からコンテンツに対するタグを付与される。

コンテンツタグクラウド生成モジュール２１３は、使用者が直接定義したタグをコンテンツのタグとして付与される。または、コンテンツタグクラウド生成モジュール２１３は、複数の既設定されたタグ項目を使用者に提供した後そのうち何れか一つまたは複数個をコンテンツのタグとして付与される。コンテンツタグクラウド生成モジュール２１３は、各コンテンツに対して使用者から付与されたタグの頻度をコンテンツタグクラウドＤＢ２１４に貯蔵する。コンテンツタグクラウドＤＢ２１４は、各コンテンツの識別情報に該当するコンテンツに対して付与されたタグの頻度をマッピングして貯蔵する。例えば、動画Ａに対して、使用者１は、朴智星、マンＵ(マンチェスター・ユナイテッド)というタグを付与し、使用者２は、サッカー、朴智星というタグを付与した場合、コンテンツタグクラウドＤＢ２１４には前記動画Ａのタグクラウドとして｛朴智星２, マンＵ１, サッカー１}が構築される。

コンテンツタグクラウド生成モジュール２１３によって構築されるコンテンツタグクラウドを数式で表せば以下のようである。詳しくは、Ｕ＝｛ｕ_１,ｕ_２,...,ｕ_ｌ}を使用者集合、Ｖ＝｛ｖ_１,ｖ_２,...,ｖ_ｍ}をコンテンツ集合、Ｔ＝｛ｔ_１,ｔ_２,...,ｔ_ｎ}をタグ集合、そしてｆ_ｉｊｋを使用者ｕ_ｉがコンテンツｖ_ｊにタグｔ_ｋを付与すれば１の値を、そうでなければ０の値を持つ変数とすれば、コンテンツｖ_ｊのタグクラウドＶＴＣ_ｊは以下の［数式１］のようである。

すなわち、ＶＴＣ_ｊは、特定のコンテンツｖ_ｊに対して使用者がそれぞれのタグｔ_ｋを全部何回付与したかを示すｎ次元のベクトルである。

使用者タグクラウド生成モジュール２１５は、使用者がコンテンツを用いる度に使用者が用いたコンテンツに付与されているタグクラウドを累積して使用者のタグクラウドとして使用者タグクラウドＤＢ２１６に貯蔵する。使用者タグクラウド生成モジュール２１５は、使用者が用いたコンテンツに構築されたタグ頻度をタグごとに全部累積して全体タグの頻度を使用者タグクラウドとして使用者タグクラウドＤＢ２１６に貯蔵する。

使用者タグクラウド生成モジュール２１５によって構築される使用者タグクラウドを数式で表せば以下のようである。使用者ｕ_ｉのタグクラウドをＵＴＣ_ｉとし、使用者ｕ_ｉの最初加入時のタグクラウドＵＴＣ_ｉをｎ次元の０ベクトルで初期化すれば、今後の使用者ｕ_ｉがコンテンツｖ_ｊを観覧する度に以下の［数式２］のような方式で使用者ｕ_ｉのタグクラウドＵＴＣ_ｉは更新される。

ここで、ＮＶＴＣ_ｊは、ＶＴＣ_ｊを正規化（Ｎｏｒｍａｌｉｚａｔｉｏｎ）したものであって、以下の［数式３］のように定義される。

前記［数式２］及び［数式３］を総合すれば、ＵＴＣ_ｉとは、それぞれのタグが示す主題に対する使用者ｕ_ｉの関心の分布を意味し、使用者ｕ_ｉがコンテンツｖ_ｊを用いるということは、ＮＶＴＣ_ｊとして表現されるコンテンツが持っている主題に対して使用者ｕ_ｉが関心を持っているということを意味する。したがって、前記［数式２］は、コンテンツ利用行為を通じて使用者の関心が更新される過程を示す。

以上を具体的な例を挙げて説明すれば、動画Ａのタグクラウドとして｛朴智星２, マンＵ１, サッカー１}が構築されており、新規使用者１が前記動画Ａを用いた場合、使用者１のタグクラウドは｛朴智星１／２, マンＵ１／４, サッカー１／４}に正規化されて構築される。次いで、使用者１がタグクラウドとして｛李英杓２, トットナム１, サッカー１}で構築された動画Ｂを用いた場合、その使用者１のタグクラウド｛朴智星１／２, マンＵ１／４, サッカー１／４}に前記動画Ｂのタグクラウド｛李英杓２, トットナム１, サッカー１}が正規化されて加えられる。結果的に、使用者１のタグクラウドとして｛朴智星１／２, マンＵ１／４, 李英杓１／２, トットナム１／４, サッカー１／２}が構築される。ここで、ｎ次元ベクトルのタグクラウドにタグの頻度を並べる順序は、全体タグの生成順序に従う。

図３は、図１のコンテンツ推薦部の構成を示す図面であって、図３に示すように、図１のコンテンツ推薦部２３０は、使用者類似度算出モジュール２３１と、コンテンツ推薦モジュール２３３を含む。

使用者類似度算出モジュール２３１は、前記使用者タグクラウドＤＢ２１６に貯蔵されている使用者のタグクラウドを用いて各使用者間の類似度を算出する。使用者類似度算出モジュール２３１は、使用者タグクラウドＤＢ２１６に貯蔵されている使用者タグクラウドに基づいて任意の２人の使用者ｕ_ｉとｕ_ｉ'との間のタグクラウド類似度を計算する。これを数式で表せば以下のようである。

任意の２人の使用者ｕ_ｉとｕ_ｉ'との間のタグクラウド類似度をｓｉｍ（ｕ_ｉ, ｕ_ｉ'）とし、使用者ｕ_ｉのタグクラウドをＵＴＣ_ｉ＝（α_１ ^ｉ,α_２ ^ｉ,...,α_ｎ ^ｉ）,使用者ｕ_ｉ'のタグクラウドをＵＴＣ_ｉ'＝（α_１ ^ｉ',α_２ ^ｉ',...,α_ｎ ^ｉ'）とすれば、ｓｉｍ（ｕ_ｉ,ｕ_ｉ'）は以下の［数式４］のように、２つのベクターがなす角のコサイン値で計算できる。

ここで、ＵＴＣ_ｉ・ＵＴＣ_ｉ'は、２つのベクトル ＵＴＣ_ｉとＵＴＣ_ｉ'とのドット積（ｄｏｔ ｐｒｏｄｕｃｔ）を示す。

次いで、コンテンツ推薦モジュール２３３は、前記使用者類似度算出モジュール２３１で算出された推薦対象使用者と任意の使用者間の類似度を用いて推薦対象使用者が特定のコンテンツを用いる確率をすべてのコンテンツに対して計算する。コンテンツ推薦モジュール２３３は、確率が高い順序で前記推薦対象使用者に推薦する。このとき、コンテンツ推薦モジュール２３３は、推薦対象使用者が既に用いたコンテンツを除く。また、コンテンツ推薦モジュール２３３は、推薦対象使用者が特定のコンテンツを用いる確率を計算するにあたって、推薦リストの即時変更が必要な場合にはその推薦対象使用者が新規コンテンツを用いる度に前記確率を更新し、そうではない場合には定期的なバッチ（ｂａｔｃｈ）処理形態ですべての使用者に対する確率を一括して更新する。

コンテンツ推薦モジュール２３３が、推薦対象使用者が特定のコンテンツを用いる確率を計算する過程を数式で表せば以下の［数式５］のようである。

ここで、Ｕは、推薦対象使用者ｕ_ｉに類似した他の使用者の集合（ｎｅｉｇｈｂｏｒ）であり、ｐ_ｉ',ｊは、使用者ｕ_ｉ'が特定のコンテンツｖ_ｊを用いたか否かを示す変数であって、特定のコンテンツｖ_ｊを用いた場合、ｐ_ｉ',ｊは１、そうではない場合ｐ_ｉ',ｊは０である。ｋは、正規化定数を示す。すなわち、

である。

コンテンツ推薦モジュール２３３は、推薦対象使用者に類似した他の使用者の集合Ｕを定める方法であって、通常推薦対象使用者ｕ_ｉが用いたことのあるコンテンツの集合に対して、この集合に属するコンテンツを２個以上用いたことのある使用者集合（Ｓ_ｉ）をＵとして定める。しかし、このような方式はコンテンツの数が使用者の数より圧倒的に多い場合、２個以上のコンテンツをともに用いた使用者の数が急激に少なくなるので、大多数の推薦対象使用者に対して類似した使用者を探し出すことができないという限界を持っており、推薦対象使用者が用いたコンテンツが１個のみである場合には用いることができないという問題がある。したがって、コンテツ推薦モジュール２３３は、以下のような方式で類似した他の使用者集合Ｕを定める。

（１）｜Ｓ_ｉ｜≧Ｎであれば、Ｕ＝Ｓ_ｉ
（２）｜Ｓ_ｉ｜＜Ｎであれば、Ｕは、ｕ_ｉと前記［数式４］の類似度を基準にして最も類似した上位Ｎ人の使用者の集合。

ここでＮは、推薦システムの性能が最大化されるように実験的に定められる定数値である。

図４は、本発明の一実施形態によるコンテンツタグクラウドの構築方法を説明するフローチャートである。

図４に示すように、まず、本発明によるコンテンツ推薦サーバー２００は、内部に保有している多数のコンテンツをホームページなどに掲示する（Ｓ４０１）。コンテンツ推薦サーバー２００は、自己製作したコンテンツ及び／または使用者製作コンテンツをホームページなどに掲示する。このようなコンテンツは、動画、写真、放送メディアなどを指す。このようにコンテンツ推薦サーバー２００によってホームページなどを通じて多数のコンテンツが掲示されると、使用者は使用者端末１１０を用いて前記コンテンツ推薦サーバー２２０のホームページに接続して前記掲示された多数のコンテンツを用いることができるようになる。以下、コンテンツ推薦サーバー２００で掲示する多数のコンテンツの中で何れか一つを多数の使用者が順次用いる場合を例として挙げて説明する。

コンテンツ推薦サーバー２００は、使用者が特定のコンテンツを用いるとき該コンテンツの特徴を示すタグを使用者が付与できるように使用者端末１１０に関連インターフェースを提供する。例えば、使用者がコンテンツに対するタグを直接定義できるようにするかまたは既定義されている多数のタグ類型を使用者に提供しその中で一部を選択できるインターフェースを提供してタグが付与される。

コンテンツ推薦サーバー２００は、使用者が特定のコンテンツを用いた後前記インターフェースを通じてコンテンツに対するタグを付与すれば、該コンテンツのタグクラウドとして前記付与されたタグ及びタグ発生頻度を貯蔵し、さらにコンテンツ利用内訳を貯蔵する（Ｓ４０３）。例えば、使用者１が動画Ａを用いた後該動画Ａにタグ｛朴智星, サッカー}を入力した場合、コンテンツ推薦サーバー２００は動画Ａに対して前記タグ｛朴智星, サッカー}を貯蔵し、さらに前記タグ発生頻度｛１,１}を貯蔵する。

次いで、コンテンツ推薦サーバー２００は、他の使用者が同一のコンテンツを用いた後前記インターフェースを通じてコンテンツに対するタグを付与すれば、その付与されたタグを反映して既貯蔵された該コンテンツのタグクラウド及びコンテンツ利用内訳をアップデートする（Ｓ４０５）。すなわち、コンテンツのタグ及びタグ発生頻度を更新し、さらにコンテンツ利用内訳を更新する。例えば、動画Ａの既貯蔵されたタグクラウドのタグは｛朴智星, サッカー}であり、タグ発生頻度は｛１,１}である状態で、新しいタグとして｛朴智星, マンＵ}が付与されれば、タグは｛朴智星, サッカー, マンＵ}に更新され、タグ発生頻度は｛２, １, １}に更新される。

前述した過程をすべての使用者が用いるすべてのコンテンツに対して繰り返して行ってすべてのコンテンツに対するタグクラウド及びコンテンツ利用内訳を構築する。これを数式で表せば前記［数式１］のようになる。

図５は、本発明の一実施形態による使用者タグクラウドの構築方法を説明するフローチャートである。

図４を参照しながら説明したように、コンテンツ推薦サーバー２００から提供されるすべてのコンテンツに対してタグクラウドが構築された後、新規使用者が前記コンテンツ推薦サーバー２００から提供するコンテンツを用いるとき、該新規使用者のタグクラウドが構築される過程を説明する。

図５に示すように、まず、コンテンツ推薦サーバー２００は、新規使用者が接続すれば、該新規使用者のｎ次元（コンテンツ推薦サーバー２００で生成されたタグの数と同一）タグクラウドを初期化する（Ｓ５０１）。

次いで、前記新規使用者がコンテンツ推薦サーバー２００から提供されるコンテンツの中で何れか一つを用いれば、コンテンツ推薦サーバー２００は前記新規使用者の初期化されたタグクラウドに前記新規使用者が用いたコンテンツのタグクラウドを加えて新規使用者のタグクラウドをアップデートする（Ｓ５０３）。望ましくは、コンテンツ推薦サーバー２００は、コンテンツのタグ発生頻度を正規化して新規使用者のタグ発生頻度に加える。例えば、新規使用者のタグが｛朴智星, サッカー, マンＵ}でありタグ発生頻度が｛２, １, １}である動画Ａを用いた場合、新規使用者のタグは｛朴智星, サッカー, マンＵ}になりタグ発生頻度は｛２／４, １／４, １／４}＝｛０.５, ０.２５, ０.２５}になる。

次いで、前記新規使用者がコンテンツ推薦サーバー２００から提供される他のコンテンツを用いれば、コンテンツ推薦サーバー２００は前記段階Ｓ５０３で生成された新規使用者のタグクラウドに前記他のコンテンツのタグクラウドを累積して新規使用者のタグクラウドをアップデートする（Ｓ５０５）。このときもコンテンツ推薦サーバー２００は、該当するコンテンツのタグ発生頻度を正規化して新規使用者のタグ発生頻度に累積することが望ましい。

前述した過程は、すべての使用者に対して同様に繰り返し行われ、すべての使用者のタグクラウドが構築される。これを数式で表せば、前記［数式２］及び［数式３］のようになる。

図６は、本発明の一実施形態によるコンテンツ推薦方法を説明するフローチャートである。

図５を参照しながら説明したように、使用者のタグクラウドが生成されれば、コンテンツ推薦サーバー２００はある一人の使用者（以下、推薦対象使用者）に対してその使用者が好むコンテンツを推薦する。

図６に示すように、まず、コンテンツ推薦サーバー２００は、使用者タグクラウドに基づいて推薦対象使用者と他の使用者との間の類似度を計算する（Ｓ６０１）。推薦対象使用者のタグクラウドベクトルと他の使用者のタグクラウドベクトルとがなす角のコサイン値を類似度として算出する。これを数式で表せば、前記［数式４］のようである。

次いで、コンテンツ推薦サーバー２００は、推薦対象使用者に趣向が類似している使用者の集合を定める（Ｓ６０３）。推薦対象使用者に類似した他の使用者の集合Ｕを定める方法として、推薦対象使用者が用いたことのあるコンテンツの集合に対して、この集合に属するコンテンツを２個以上用いたことのある使用者集合をＳ_ｉとすれば、以下のような方式で類似した他の使用者の集合Ｕを定める。

（１）｜Ｓ_ｉ｜≧ Ｎであれば、Ｕ＝Ｓ_ｉ
（２）｜Ｓ_ｉ｜＜ Ｎであれば、Ｕは、推薦対象使用者と前記算出された類似度を基準にして最も類似した上位Ｎ人の使用者の集合。

ここで、Ｎは、推薦システム性能が最大化されるように実験的に定められる定数値である。

このように推薦対象使用者に類似した使用者の集合を定めた後、コンテンツ推薦サーバー２００は前記類似使用者集合に属する使用者と推薦対象使用者との間の類似度、そして前記類似使用者集合に属する使用者のコンテンツ利用内訳に基づいて、推薦対象使用者がコンテンツを用いる確率を推薦対象使用者が既存に用いていないすべてのコンテンツに対して計算する（Ｓ６０５）。これを数式で表せば、前記［数式５］のようになる。

次いで、コンテンツ推薦サーバー２００は、すべてのコンテンツに対して計算された推薦対象使用者がコンテンツを用いる確率に基づいて確率が高い順序で前記推薦対象使用者にコンテンツを推薦する（Ｓ６０７）。すべてのコンテンツを順次並べることもでき、または上位いくつかのコンテンツのみを選別して推薦対象使用者に推薦することもできる。

前述した過程はすべてコンテンツ推薦サーバー２００が個別的なコンテンツを推薦対象使用者に推薦することを説明したが、本発明はこれに制限されない。使用者に推薦するコンテンツが定められれば、コンテンツ推薦サーバー２００は単に推薦対象コンテンツを並べるだけでなく、推薦対象コンテンツを保有しているパッケージアイテムを使用者に推薦することもでき、または推薦対象コンテンツを保有しているウェブページを推薦することもできる。したがって、図１のコンテンツ推薦部２３０は、コンテンツ推薦モジュール２３３で使用者に推薦するコンテンツが定められれば、その定められた推薦対象コンテンツを保有しているパッケージアイテムまたはウェブページを使用者に推薦するパッケージ及びショップ推薦モジュールをさらに含むことができる。

前述のように、本発明によるコンテンツ推薦方法は、２人の使用者間の類似度を導出するにあたってタグクラウドを用いることで、必ず２人の使用者が同一のコンテンツを用いていなくても互いに類似した趣向を持っている使用者集合として定めることができる。しかし、従来には２人の使用者間の類似度を導出するにあたって必ず２人の使用者が同一のコンテンツに対して付与した評点を用いるか同一のコンテンツに対する購買情報を用いた。したがって、従来の方法は全体コンテンツに対するカバレージが低い反面、本発明によるコンテンツ推薦方法は全体コンテンツに対するカバレージが高い。

本発明による推薦装置及び推薦方法は、コンピュータで読み取り可能な記録媒体にコンピュータが読み取り可能なコードとして具現することができる。コンピュータが読み取り可能な記録媒体は、コンピュータシステムによって読み取り可能なデータが貯蔵されるすべての種類の記録装置を含む。コンピュータが読み取り可能な記録媒体の例としては、ＲＯＭ、ＲＡＭ、ＣＤ‐ＲＯＭ、磁気テープ、フロッピーディスク、光データ貯蔵装置などがある。

以上のように、本発明は、限定された実施形態と図面とによって説明されたが、本発明はこれによって限定されず、本発明が属する技術分野において通常の知識を持つ者により本発明の技術思想と特許請求範囲の均等範囲内で多様な修正及び変形が可能なことは言うまでもない。

なお、本明細書に添付される下記の図面は本発明の望ましい実施形態を例示するものであって、発明の詳細な説明とともに本発明の技術思想をさらに理解させる役割を果たすものであるため、本発明はそのような図面に記載された事項にのみ限定されて解釈されてはならない。

本発明は、端末へのコンテンツの推薦に好適である。

コンテンツ推薦システムのネットワーク構成を示す図面である。 図１のサービス運営部の構成を示す図面である。 図１のコンテンツ推薦部の構成を示す図面である。 コンテンツタグクラウドの構築方法を説明するフローチャートである。 使用者タグクラウドの構築方法を説明するフローチャートである。 コンテンツ推薦方法を説明するフローチャートである。

符号の説明

１１０ 使用者端末、
１３０ ネットワーク、
２００ コンテンツ推薦サーバー、
２１０ サービス運営部、
２１１ コンテンツ観覧内訳管理モジュール、
２１２ 観覧内訳ＤＢ、
２１３ コンテンツタグクラウド生成モジュール、
２１４ コンテンツタグクラウドＤＢ、
２１５ 使用者タグクラウド生成モジュール、
２１６ 使用者タグクラウドＤＢ、
２３０ コンテンツ推薦部、
２３１ 使用者類似度算出モジュール、
２３３ コンテンツ推薦モジュール。

Claims (15)

1. ネットワークを通じてコンテンツ推薦サービスを提供するコンテンツ推薦装置であって、各コンテンツに複数の使用者によって付与された複数のタグを分析し各コンテンツに対するタグごとの頻度を累積してコンテンツタグクラウド（ｔａｇ
   ｃｌｏｕｄ）を構築するコンテンツタグクラウド生成モジュールと、
   使用者が用いたコンテンツのタグごとの頻度を累積して使用者ごとのタグクラウドを構築する使用者タグクラウド生成モジュールと、
   前記使用者ごとのタグクラウドを用いて使用者間の類似度を算出する類似度算出モジュールと、
   前記算出された使用者間の類似度に基づいて推薦対象使用者が特定のコンテンツを用いる確率を計算してコンテンツを推薦する推薦モジュールと、
   を含むコンテンツ推薦装置。
2. 前記使用者タグクラウド生成モジュールは、
   使用者が用いたコンテンツのタグごとの頻度を累積するにあたって使用者が最近用いたコンテンツのタグごとの頻度を正規化しながら累積することを特徴とする請求項１に記載のコンテンツ推薦装置。
3. 前記推薦モジュールは、
   推薦対象使用者に類似した使用者集合を定め、その定められた使用者集合内に属した使用者と前記推薦対象使用者との間の類似度に基づいてコンテンツを推薦することを特徴とする請求項１または請求項２に記載のコンテンツ推薦装置。
4. 前記推薦モジュールは、
   推薦対象使用者が用いたことのあるコンテンツ集合に属するコンテンツを２個以上用いたことのある使用者集合を前記推薦対象使用者に類似した使用者集合として定めることを特徴とする請求項３に記載のコンテンツ推薦装置。
5. 前記推薦モジュールは、
   前記類似度算出モジュールで算出された使用者間の類似度に基づいて推薦対象使用者との類似度が高い順序でＮ人の使用者を前記推薦対象使用者に類似した使用者集合として定めることを特徴とする請求項３に記載のコンテンツ推薦装置。
6. 前記類似度算出モジュールは、
   ２人の使用者の使用者タグクラウドが形成する２つのベクトルがなす角のコサイン値を類似度として算出することを特徴とする請求項１または請求項２に記載のコンテンツ推薦装置。
7. 前記推薦モジュールで推薦されたコンテンツを保有しているパッケージアイテムまたはウェブページを推薦する第２推薦モジュールをさらに含むことを特徴とする請求項１に記載のコンテンツ推薦装置。
8. ネットワークを通じてコンテンツ推薦サービスを提供するコンテンツ推薦方法であって、
   コンテンツタグクラウド生成モジュールによって、各コンテンツに複数の使用者によって付与された複数のタグを分析し各コンテンツに対するタグごとの頻度を累積してコンテンツタグクラウドを構築する段階と、
   使用者タグクラウド生成モジュールによって、使用者が用いたコンテンツのタグごとの頻度を累積して使用者ごとのタグクラウドを構築する段階と、
   類似度算出モジュールによって、構築された使用者ごとのタグクラウドを用いて使用者間の類似度を算出する段階と、
   推薦モジュールによって、算出された使用者間の類似度に基づいて推薦対象使用者が特定のコンテンツを用いる確率を計算してコンテンツを推薦する段階を含むコンテンツ推薦方法。
9. 前記使用者ごとのタグクラウドを構築する段階は、
   使用者が用いたコンテンツのタグごとの頻度を累積するにあたって使用者が最近用いたコンテンツのタグごとの頻度を正規化しながら累積することを特徴とする請求項８に記載のコンテンツ推薦方法。
10. 前記コンテンツを推薦する段階は、
    前記推薦対象使用者に類似した使用者集合を定める段階と、
    定められた使用者集合内に属した使用者と前記推薦対象使用者との間の類似度に基づいてコンテンツを推薦する段階と、
    を含むことを特徴とする請求項８または請求項９に記載のコンテンツ推薦方法。
11. 前記推薦対象使用者に類似した使用者集合を定める段階は、
    前記推薦対象使用者が用いたことのあるコンテンツ集合に属するコンテンツを２個以上用いたことのある使用者集合を前記推薦対象使用者に類似した使用者集合として定めることを特徴とする請求項１０に記載のコンテンツ推薦方法。
12. 前記推薦対象使用者に類似した使用者集合を定める段階は、
    前記類似度算出段階で算出された使用者間の類似度に基づいて推薦対象使用者との類似度が高い順序でＮ人の使用者を前記推薦対象使用者に類似した使用者集合として定めることを特徴とする請求項１０に記載のコンテンツ推薦方法。
13. 前記使用者間の類似度を算出する段階は、
    ２人の使用者の使用者タグクラウドが形成する２つのベクトルがなす角のコサイン値を類似度として算出することを特徴とする請求項８または請求項９に記載のコンテンツ推薦方法。
14. 第２推薦モジュールによって、前記コンテンツを推薦する段階で推薦されたコンテンツを保有しているパッケージアイテムまたはウェブページを推薦する段階をさらに含むことを特徴とする請求項８に記載のコンテンツ推薦方法。
15. プロセッサを備えたコンピュータでタグクラウドを用いたコンテンツ推薦機能を実現させるためのプログラムを記録したコンピュータで読み取り可能な記録媒体であって、
    各コンテンツに複数の使用者によって付与された複数のタグを分析し各コンテンツに対するタグごとの頻度を構築する第１機能と、
    使用者が用いたコンテンツのタグごとの頻度を累積して使用者ごとのタグクラウドを構築する第２機能と、
    構築された使用者ごとのタグクラウドを用いて使用者間の類似度を算出する第３機能と、
    算出された使用者間の類似度に基づいて推薦対象使用者が特定のコンテンツを用いる確率を計算してコンテンツを推薦する第４機能を実現させるためのプログラムを記録したコンピュータで読み取り可能な記録媒体。

Images