JP4882918B2 - 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム - Google Patents

Description

本発明は、情報処理装置、および情報処理方法、並びにコンピュータ・プログラムに関する。さらに詳細には、ユーザの嗜好に即したコンテンツ（楽曲、静止画、動画など）再生を可能にするプレイリスト（再生順序情報）の生成処理を実行する情報処理装置、および情報処理方法、並びにコンピュータ・プログラムに関する。

楽曲、静止画、動画などの様々なコンテンツの再生装置、例えば多数のコンテンツを格納したＤＶＤやＨＤ、フラッシュメモリなどの記録メディアからコンテンツを読み出して再生を行う装置ではコンテンツの再生順序を決定したリスト、すなわちプレイリストを設定し、プレイリストに記載されたコンテンツ順に再生処理を可能とした構成を有するものがある。ユーザは、プレイリストに従ってコンテンツ、例えば楽曲を連続して再生できる。

プレイリストは、ユーザがメディア格納コンテンツを確認して、ユーザの好みに応じた再生順序に並べて生成することも可能であるが、例えばユーザの視聴履歴に応じて自動生成する方法も実現されている。例えば、ユーザがいままで聞いた楽曲の属性（タイトル、アーティスト、ジャンル、レビュー等）を蓄積して生成したユーザの嗜好情報と、再生可能な楽曲との距離（余弦関数など）を求め、その距離が短い楽曲をプレイリストに設定して、ユーザが好むと判断される楽曲を連続再生させるプレイリストの生成手法がある。さらに、１つ前の再生曲との距離が近い楽曲が連続して再生されるようなプレイリストの生成手法も提案されている。なお、プレイリストに設定するコンテンツとしては、楽曲、静止画、動画など様々なコンテンツがあるが、以下の説明では、楽曲をコンテンツの代表例として説明する。

しかし、ユーザの過去の視聴履歴に基づいて生成したユーザの嗜好情報に従ってプレイリストを生成すると、基本的には同じような曲調の楽曲が連続して再生されることになる。例えば、ユーザ嗜好情報がゆっくりとした曲を好むことを表している場合、また、１つ前に再生される楽曲がゆっくりとした曲である場合、ゆっくりとした曲が連続して再生され、ユーザが飽きてしまう等の問題がある。

その点を解消する方法として再生楽曲のテンポなど、楽曲の特定の属性が変化するようにプレイリストを生成する方法が提案されている。例えば、特許文献１（特開２００２−３３３８９２号公報）にこのようなプレイリスト生成手法が開示されている。

また、特許文献２（特開２００６−２９３２４６号公報）には、再生する楽曲の順番に対して、前後の曲の間で一定の揺らぎを与えることによって、ユーザの飽きを防ぐような技術を開示している。
特開２００２−３３３８９２号公報 特開２００６−２９３２４６号公報

特許文献１（特開２００２−３３３８９２号公報）に記載のプレイリスト生成手法は、ユーザの嗜好に応じて再生コンテンツの選択がなされる設定であるが、選択コンテンツをどのような順番で再生するかについては特に記述されていない。また、特許文献２（特開２００６−２９３２４６号公報）に記載のプレイリスト生成手法は、再生の順番に関して揺らぎを持たせるのみであり、再生順を個人の嗜好に応じて適応させることはできない。

本発明は、ユーザの嗜好に応じたコンテンツの選択のみならずコンテンツの再生の順番を適切に決定して、再生順をユーザの嗜好に適応させることが可能とした情報処理装置、および情報処理方法、並びにコンピュータ・プログラムを提供することを目的とする。

本発明の第１の側面は、
コンテンツの再生順を規定したプレイリストの生成処理を実行する情報処理装置であり、
コンテンツの特徴情報であるコンテンツ特徴量の時系列パターンに対応する確率モデルを複数格納したモデル情報保持部と、
複数の再生予定コンテンツ各々に対応するコンテンツ特徴量を取得するコンテンツ特徴抽出部と、
前記コンテンツ特徴抽出部の抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、前記モデル情報保持部の保持する確率モデルとを比較し、確率モデルに最も類似するコンテンツ特徴量時系列パターンに従ってコンテンツ再生順を設定したプレイリストを生成するプレイリスト作成部と、
前記プレイリスト作成部の作成したプレイリストに従ったコンテンツ再生を実行するコンテンツ再生部と、
を有することを特徴とする情報処理装置にある。

さらに、本発明の情報処理装置の一実施態様において、前記コンテンツ再生部は、コンテンツ再生履歴情報を生成してコンテンツ再生履歴情報保持部に保持する処理を行う構成であり、前記情報処理装置は、さらに、前記コンテンツ再生履歴情報保持部に保持されたコンテンツ再生履歴情報に対応する再生履歴対応コンテンツ特徴量時系列パターンと、前記モデル情報保持部の保持する複数の確率モデルとを比較し、再生履歴対応コンテンツ特徴量時系列パターンに最も類似する確率モデルを最適モデルとして選択する最適モデル選択部を有し、前記プレイリスト作成部は、前記コンテンツ特徴抽出部の抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、前記最適モデルとを比較し、最適モデルに最も類似するコンテンツ特徴量時系列パターンに対応するコンテンツ再生順を設定したプレイリストを生成する構成であることを特徴とする。

さらに、本発明の情報処理装置の一実施態様において、前記コンテンツ再生部は、コンテンツ再生履歴情報を生成してコンテンツ再生履歴情報保持部に保持する処理を行う構成であり、前記情報処理装置は、さらに、前記コンテンツ再生履歴情報保持部に保持されたコンテンツ再生履歴情報に対応する再生履歴対応コンテンツ特徴量時系列を生成し、生成した再生履歴対応コンテンツ特徴量時系列の持つパラメータを、前記モデル情報保持部の保持する確率モデルに適用する処理により、前記確率モデルを再生履歴対応コンテンツ特徴量時系列に近づける確率モデル更新処理を実行するモデル適応部を有することを特徴とする。

さらに、本発明の情報処理装置の一実施態様において、前記情報処理装置は、さらに、コンテンツの再生順を保持したサンプルデータを適用した確率モデルを生成し、生成した確率モデルの学習処理を実行して複数の異なる確率モデルを生成し、生成した確率モデルを前記モデル情報保持部に格納するモデル生成部を有することを特徴とする。

さらに、本発明の情報処理装置の一実施態様において、前記情報処理装置は、さらに、前記モデル情報保持部の保持する確率モデルに類似する系列から構成される複数のコンテンツを再生コンテンツとして選択する再生コンテンツ選択部を有することを特徴とする。

さらに、本発明の情報処理装置の一実施態様において、前記モデル情報保持部は、コンテンツの特徴情報であるコンテンツ特徴量の時系列パターンに対応する確率モデルとして、隠れマルコフモデル（ＨＭＭ：Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）に従った確率モデルを格納した構成であることを特徴とする。

さらに、本発明の情報処理装置の一実施態様において、前記コンテンツ特徴量は、コンテンツを構成するデータ信号の特徴情報、またはコンテンツ対応のメタ情報の少なくともいずれかの情報を含むことを特徴とする。

さらに、本発明の第２の側面は、
情報処理装置において、コンテンツの再生順を規定したプレイリストの生成処理を実行する情報処理方法であり、
コンテンツ特徴抽出部が、複数の再生予定コンテンツ各々に対応するコンテンツ特徴量を取得するコンテンツ特徴抽出ステップと、
プレイリスト作成部が、前記コンテンツ特徴抽出ステップにおいて抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、予めモデル情報保持部の保持する確率モデルとを比較し、確率モデルに最も類似するコンテンツ特徴量時系列パターンに従ってコンテンツ再生順を設定したプレイリストを生成するプレイリスト作成ステップと、
コンテンツ再生部が、前記プレイリスト作成ステップにおいて作成したプレイリストに従ったコンテンツ再生を実行するコンテンツ再生ステップと、
を有することを特徴とする情報処理方法にある。

さらに、本発明の情報処理方法の一実施態様において、前記情報処理方法は、さらに、前記コンテンツ再生部が、コンテンツ再生履歴情報を生成してコンテンツ再生履歴情報保持部に保持するコンテンツ再生履歴生成ステップと、最適モデル選択部が、前記コンテンツ再生履歴情報保持部に保持されたコンテンツ再生履歴情報に対応する再生履歴対応コンテンツ特徴量時系列パターンと、前記モデル情報保持部の保持する複数の確率モデルとを比較し、再生履歴対応コンテンツ特徴量時系列パターンに最も類似する確率モデルを最適モデルとして選択する最適モデル選択ステップを有し、前記プレイリスト作成ステップは、前記コンテンツ特徴抽出ステップにおいて抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、前記最適モデルとを比較し、最適モデルに最も類似するコンテンツ特徴量時系列パターンに対応するコンテンツ再生順を設定したプレイリストを生成するステップであることを特徴とする。

さらに、本発明の情報処理方法の一実施態様において、前記情報処理方法は、さらに、前記コンテンツ再生部が、コンテンツ再生履歴情報を生成してコンテンツ再生履歴情報保持部に保持するコンテンツ再生履歴生成ステップと、モデル適応部が、前記コンテンツ再生履歴情報保持部に保持されたコンテンツ再生履歴情報に対応する再生履歴対応コンテンツ特徴量時系列の持つパラメータを、前記モデル情報保持部の保持する確率モデルに適用する処理により、前記確率モデルを再生履歴対応コンテンツ特徴量時系列に近づけるモデル適応ステップ、を有することを特徴とする。

さらに、本発明の情報処理方法の一実施態様において、前記情報処理方法は、さらに、モデル生成部が、コンテンツの再生順を保持したサンプルデータを適用した確率モデルを生成し、生成した確率モデルの学習処理を実行して複数の異なる確率モデルを生成し、生成した確率モデルを前記モデル情報保持部に格納するモデル生成ステップを有することを特徴とする。

さらに、本発明の情報処理方法の一実施態様において、前記情報処理方法は、さらに、再生コンテンツ選択部が、前記モデル情報保持部の保持する確率モデルに類似する系列から構成される複数のコンテンツを再生コンテンツとして選択する再生コンテンツ選択ステップを有することを特徴とする。

さらに、本発明の情報処理方法の一実施態様において、前記モデル情報保持部は、コンテンツの特徴情報であるコンテンツ特徴量の時系列パターンに対応する確率モデルとして、隠れマルコフモデル（ＨＭＭ：Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）に従った確率モデルを格納した構成であることを特徴とする。

さらに、本発明の情報処理方法の一実施態様において、前記コンテンツ特徴量は、コンテンツを構成するデータ信号の特徴情報、またはコンテンツ対応のメタ情報の少なくともいずれかの情報を含むことを特徴とする。

さらに、本発明の第３の側面は、
情報処理装置において、コンテンツの再生順を規定したプレイリストの生成処理を実行させるコンピュータ・プログラムであり、
コンテンツ特徴抽出部に、複数の再生予定コンテンツ各々に対応するコンテンツ特徴量を取得させるコンテンツ特徴抽出ステップと、
プレイリスト作成部に、前記コンテンツ特徴抽出ステップにおいて抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、予めモデル情報保持部の保持する確率モデルとを比較し、確率モデルに最も類似するコンテンツ特徴量時系列パターンに従ってコンテンツ再生順を設定したプレイリストを生成させるプレイリスト作成ステップと、
コンテンツ再生部に、前記プレイリスト作成ステップにおいて作成したプレイリストに従ったコンテンツ再生を実行させるコンテンツ再生ステップと、
を有することを特徴とするコンピュータ・プログラムにある。

なお、本発明のコンピュータ・プログラムは、例えば、様々なプログラム・コードを実行可能な汎用コンピュータ・システムに対して、コンピュータ可読な形式で提供する記憶媒体、通信媒体によって提供可能なコンピュータ・プログラムである。このようなプログラムをコンピュータ可読な形式で提供することにより、コンピュータ・システム上でプログラムに応じた処理が実現される。

本発明のさらに他の目的、特徴や利点は、後述する本発明の実施例や添付する図面に基づくより詳細な説明によって明らかになるであろう。なお、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

本発明の一実施例の構成によれば、コンテンツの再生順を規定したプレイリストの生成処理を実行する情報処理装置において、コンテンツの特徴情報であるコンテンツ特徴量の時系列パターンに対応する確率モデルをモデル情報保持部に格納し、再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、モデル情報保持部に格納された確率モデルとの比較（尤度算出）を実行して、確率モデルに最も類似するコンテンツ特徴量時系列パターンに従ってコンテンツ再生順を設定したプレイリストを生成して、生成したプレイリストに従ったコンテンツ再生を実行する構成としたので、ユーザの嗜好に即したコンテンツ再生が可能となる。

以下、図面を参照しながら本発明の情報処理装置、および情報処理方法、並びにコンピュータ・プログラムの詳細について説明する。

図１を参照して、本発明の一実施例に係る情報処理装置の構成および処理について説明する。本発明の情報処理装置１００は、図１に示すように、最適モデル選択部１０１、再生コンテンツ選択部１０２、プレイリスト作成部１０３、コンテンツ再生部１０４、コンテンツ特徴抽出部１０５、モデル情報保持部１０６、コンテンツ情報保持部１０７、コンテンツ再生履歴情報保持部１０８、モデル適応部１０９、モデル生成部１１１を有する。

なお、モデル生成部１１１は、モデル情報保持部１０６に格納する確率モデルを生成する処理部であり、モデル情報保持部１０６に確率モデルが格納済みである構成では不要であり、情報処理装置１００の必須構成ではない。モデル生成部１１１は、モデル情報保持部１０６に格納する確率モデルの生成、更新などの処理を実行する。

コンテンツ情報保持部１０７は、プレイリスト生成対象となるコンテンツ、すなわち楽曲などのコンテンツに対応するコンテンツ情報を格納している。コンテンツ情報とは、例えばユーザに提示する楽曲名、アーティスト名などの情報である。さらに、コンテンツ情報保持部１０７は、コンテンツ情報とともにコンテンツ特徴量を保持している。

コンテンツ特徴量とは、コンテンツ（楽曲など）の信号処理によって解析される特徴量や、コンテンツに予め設定されているメタ情報などの特徴量であり、具体的には、例えばコンテンツである楽曲のパワー、ピッチ、テンポ、ムード、ボーカルの種類などの情報である。なお、コンテンツ特徴量の具体例については後述する。コンテンツ情報保持部１０７は、このようにコンテンツ情報と、コンテンツ特徴量を格納した記憶部である。

コンテンツ特徴抽出部１０５は、コンテンツ情報保持部１０７が保持しているコンテンツに関する特徴量を取得し、コンテンツ再生履歴情報保持部１０８が保持しているユーザのコンテンツ再生履歴情報に基づいて、コンテンツ特徴量の系列データを作成し、最適モデル選択部１０１に供給する。コンテンツ再生履歴情報保持部１０８は、この情報処理装置１００を利用してコンテンツ再生を行ったユーザの再生履歴情報を格納する記憶部である。

コンテンツ特徴抽出部１０５は、コンテンツ再生履歴情報保持部１０８が保持しているユーザのコンテンツ再生履歴情報に対応する時系列の再生履歴に対応するコンテンツ特徴量の時系列データを作成する。すなわち、コンテンツ情報保持部１０７が保持しているコンテンツに関する特徴量を取得してコンテンツ再生履歴情報に対応するコンテンツ特徴量の時系列データを作成して、最適モデル選択部１０１に供給する。

最適モデル選択部１０１は、コンテンツ特徴抽出部１０５から、コンテンツ再生履歴に対応するコンテンツ特徴量時系列データを入力し、入力したコンテンツ特徴量系列データに近い確率モデルをモデル情報保持部１０６が保持している複数の確率モデルの中から選択する。コンテンツ特徴量時系列データに基づく確率モデルの選択手法の詳細については後述する。なお、モデル情報保持部１０６は、例えば隠れマルコフモデル（ＨＭＭ：Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）などで表現される複数の確率モデルを保持する。

再生コンテンツ選択部１０２は、コンテンツ情報保持部１０７が保持しているコンテンツの中から再生コンテンツを選択する。選択手法としては、ユーザが指定してもよいし、公知のコンテンツ推薦技術を利用して選択してもよい、あるいは後述する確率モデルを利用した選択を行ってもよい。再生コンテンツとして選択されたコンテンツはプレイリスト作成部１０３に供給される。

プレイリスト作成部１０３は、再生対象として選択されたコンテンツの再生順を後述する方法で決定してプレイリストを生成する。すなわち、プレイリスト作成部１０３は、確率モデルを利用してコンテンツの再生順番を決定しプレイリストを生成してコンテンツ再生部１０４に供給する。

コンテンツ再生部１０４は、プレイリスト作成部１０３において作成されたプレイリストに基づいて、リストに記載されたコンテンツ名などのコンテンツ識別情報を適用して図示しないハードディスクやＤＶＤ、あるいはフラッシュメモリなどのコンテンツ記憶部からコンテンツを取得してコンテンツ再生を行う。

コンテンツ再生部１０４は、さらに、コンテンツ再生に際して、コンテンツ再生履歴情報を生成し、生成したコンテンツ再生履歴情報をコンテンツ再生履歴情報保持部１０８に供給する。ユーザの再生履歴とは、プレイリストに基づくコンテンツ再生順序情報、例えばコンテンツ識別情報を再生順に並べたコンテンツ再生履歴情報である。また、ユーザがプレイリストに従って再生を行わず、再生をスキップした場合には、スキップしたコンテンツの識別情報を保持し、これらのスキップしたコンテンツ情報も取得してコンテンツ再生履歴情報保持部１０８に供給する。

モデル適応部１０９は、コンテンツ再生履歴情報保持部１０８が保持する再生履歴情報を入力して、モデル情報保持部１０６に格納されている確率モデルの適応を行ない、モデルをユーザの嗜好に適応させる処理を実行する。この処理の詳細については後段で説明する。

モデル情報保持部１０６、コンテンツ情報保持部、コンテンツ再生履歴情報保持部は、いずれもデータ記憶部によって構成され、前述したように、モデル情報保持部１０６は、例えば隠れマルコフモデル（ＨＭＭ）などで表現される複数の確率モデルを保持し、コンテンツ情報保持部１０７は、ユーザに提示・再生するコンテンツの情報及びコンテンツの信号解析によって抽出される特徴量や、予めコンテンツに対応する情報として付与されているメタデータなどのコンテンツ特徴量を保持する。コンテンツ再生履歴情報保持部１０８は、ユーザのコンテンツ再生履歴を保持する。

次に、図１に示す構成を持つ情報処理装置１００によるコンテンツ再生処理、すなわち、ユーザの嗜好にあったプレイリストを作成してコンテンツを再生する処理の流れについて、図２のフローチャートを参照して説明する。図２に示す処理は、例えば、ユーザがプレイリストに従った再生の開始要求を情報処理装置１００の入力部を介して入力したことをトリガとして開始される。

まず、ステップＳ１０１において、コンテンツ特徴抽出部１０５が、コンテンツ再生履歴情報保持部１０８が保持しているユーザのコンテンツ再生履歴情報に対応する時系列の再生履歴に対応するコンテンツ特徴量の時系列データを作成する。

コンテンツ再生履歴情報保持部１０８は、情報処理装置１００を利用してユーザが実行した過去のコンテンツ再生履歴情報を保持している。例えば、
（ａ）２００７／０７／０１：コンテンツＡ→コンテンツＢ→コンテンツＣ→コンテンツＤ
（ｂ）２００７／０７／０２：コンテンツＦ→コンテンツＫ→コンテンツＰ→コンテンツＭ
（ｃ）２００７／０７／０３：コンテンツＱ→コンテンツＡ→コンテンツＧ→コンテンツＤ
などの情報である。

コンテンツ特徴抽出部１０５は、コンテンツ再生履歴情報保持部１０８が保持している上記のようなユーザの再生履歴から、コンテンツの特徴量を再生系列に従って抽出してコンテンツの特徴量系列を作成する。

例えば、図３に示すようなコンテンツの特徴量系列を作成する。図３に示す例は、ユーザが実行したコンテンツ再生処理の順番にコンテンツ特徴量を並べたデータである。コンテンツの再生順は、楽曲Ａ→楽曲Ｂ→楽曲Ｃ→楽曲Ｄ→楽曲Ｅの順であり、コンテンツ特徴抽出部１０５は、コンテンツ再生履歴情報保持部１０８が保持しているユーザの再生履歴（楽曲Ａ→楽曲Ｂ→楽曲Ｃ→楽曲Ｄ→楽曲Ｅ）に対応するコンテンツの特徴量（楽曲のパワー、ピッチ、テンポ、ムード、ボーカルの種類など特徴量）を再生順に並べたコンテンツ特徴量系列を作成する。

コンテンツ特徴量系列は、信号処理的に求められるパワー、ピッチ、テンポなどの特徴量と、メタデータとして付与されている楽曲のムードやボーカルの種類といった特徴量が楽曲の再生順に従って特徴量ベクトルの系列として与えられる。なお特徴量は、数値的な特徴量と記号的な特徴量の両方を備えたデータであってもよいし、どちらか一方のみを備えたデータであってもよい。

次に、ステップＳ１０２において、作成されたコンテンツの特徴量系列に基づいて、モデル情報保持部１０６が保持している複数の確率モデルのそれぞれに対して尤度を計算し、もっとも尤度の高いモデルを選択する。

この処理は、最適モデル選択部１０１の処理であり、最適モデル選択部１０１は、コンテンツ特徴抽出部１０５から、コンテンツ再生履歴に対応するコンテンツ特徴量時系列データを入力し、入力したコンテンツ特徴量系列データに近い確率モデルをモデル情報保持部１０６が保持している複数の確率モデルの中から選択する。

モデル情報保持部１０６が保持している確率モデルの一例を図４に示す。図４に示す確率モデルは、隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ：ＨＭＭ）の１種で、ｅｒｇｏｄｉｃ ＨＭＭと呼ばれるものである。図４に示す例は状態１〜４の４状態を有し、それぞれの状態１〜状態４の遷移確率をａｎｍとして示している。例えば、状態１から状態２への遷移確率はａ１２であり、状態１から状態３への遷移確率はａ１３であり、状態１から状態１への遷移確率はａ１１である。

一方、各々の状態には、楽曲の特徴量ベクトル（楽曲のパワー，ピッチ，テンポ，ムード，ボーカルの種類）の出力確率を生成するパラメータが割り当てられている。具体的には、実数値で表現される特徴量に関しては混合正規分布、メタデータなどの離散的な値をとる場合は、それぞれの離散値の生起確率テーブルとったパラメータとなる。

モデル情報保持部１０６は、このような確率モデルを複数有している。これらの確率モデルは、例えばサンプルデータに基づく学習などによって生成される。確率モデルの生成処理の詳細については後述する。

ステップＳ１０２では、ユーザのコンテンツ再生履歴情報に対応する時系列の再生履歴に対応するコンテンツ特徴量時系列データと、モデル情報保持部１０６が保持している複数の確率モデルとを照合して、最も類似する確率モデル、すなわち最も尤度の高いモデルを選択する。

すなわち、最適モデル選択部１０１は、ユーザのコンテンツ再生履歴情報に対応する時系列の再生履歴に対応するコンテンツ特徴量時系列データと、モデル情報保持部１０６が保持している複数の確率モデル各々との尤度を計算し、最も尤度の高いモデルを最適モデルとして選択する。

次に、ステップＳ１０３において、再生コンテンツ選択部１０２において再生する複数のコンテンツを選択する。選択手法としては、ユーザが指定してもよいし、公知のコンテンツ推薦技術を利用して選択してもよい。あるいは上述の確率モデルを利用して選択してもよい。確率モデルを利用した再生コンテンツの選択手法については後段で説明する。

次に、ステップＳ１０４において、プレイリスト作成部１０３が、再生コンテンツ選択部１０２から選択コンテンツ情報を取得し、選択された複数のコンテンツの順列の候補を作成する。例えば選択コンテンツが５個（Ａ，Ｂ，Ｃ，Ｄ，Ｅ）であれば、
Ａ→Ｂ→Ｃ→Ｄ→Ｅ、
Ａ→Ｂ→Ｃ→Ｅ→Ｄ、
Ａ→Ｂ→Ｅ→Ｃ→Ｄ、
・・
など、５×４×３×２×１＝１２０通りの再生順候補が作成され、これらの再生順候補に対応するＮ個のコンテンツ特徴量の系列を作成する。例えば図５に示すようにＮ個のコンテンツ特徴量系列を作成する。

プレイリスト作成部１０３は、さらに、ステップＳ１０５において、Ｎ個のコンテンツ特徴量系列の各々と、先にステップＳ１０２において選択された再生履歴対応の特徴量系列に最も近い確率モデルとの尤度を計算する。

すなわち、新たに再生コンテンツとして選択されたコンテンツによって設定されたＮ個の再生順候補に対応するＮ個のコンテンツ特徴量系列の各々と先にステップＳ１０２において選択された再生履歴対応の特徴量系列に最も近い確率モデルとの尤度を算出し、選択された確率モデルに最も近いコンテンツ特徴量系列を選択する。

次に、プレイリスト作成部１０３は、ステップＳ１０６において、最も尤度の高かったコンテンツ特徴量系列に対応するコンテンツの順列に従って、プレイリストを作成する。

例えば前述したように、選択コンテンツが５個（Ａ，Ｂ，Ｃ，Ｄ，Ｅ）であれば、
Ａ→Ｂ→Ｃ→Ｄ→Ｅ、
Ａ→Ｂ→Ｃ→Ｅ→Ｄ、
Ａ→Ｂ→Ｅ→Ｃ→Ｄ、
・・
など、５×４×３×２×１＝１２０通りの再生順候補が作成され、これらの各々に対応するコンテンツ特徴量系列が設定されるが、これらのコンテンツ特徴量系列から、ステップＳ１０２において選択された確率モデルに最も近いコンテンツ特徴量系列を選択し、その選択されたコンテンツ特徴量系列に対応するコンテンツ順番をもつプレイリストを作成する。

コンテンツ再生部１０４は、ステップＳ１０７において、プレイリスト作成部１０３が上述の処理によって生成したプレイリストに従ってコンテンツの再生を行なう。

なお、上述の処理例では、再生コンテンツ選択部１０２で複数の再生コンテンツをまとめて選択して、プレイリスト作成部１０３において、選択した複数コンテンツの再生順番を規定するプレイリストを作成する処理例として説明したが、例えば、再生コンテンツ選択部１０２で、これまでのコンテンツ再生履歴を考慮して次に再生する１つのコンテンツを順次選択するというように、コンテンツ選択処理を、プレイリストを考慮した処理として行う構成としてもよい。

次に、図１に示すモデル情報保持部１０６が保持す確率モデルの生成処理手順について、図６に示すフローチャートを参照して説明する。モデル情報保持部１０６が保持している確率モデルは、先に図４を参照して説明したように、例えば、隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ：ＨＭＭ）に従った確率モデルであり、例えばサンプルデータに基づく学習などによって生成される。

これらの処理は、図１に示すモデル生成部１１１において行われる。先に説明したようにモデル生成部１１１は、モデル情報保持部１０６に格納する確率モデルを生成する処理部であり、モデル情報保持部１０６に確率モデルが格納済みである構成では不要であり、情報処理装置１００の必須構成ではない。モデル生成部１１１は、モデル情報保持部１０６に格納する確率モデルの生成、更新などの処理を実行する。モデル生成部１１１の実行する確率モデルの生成処理について図６に示すフローチャートを参照して説明する。

まず、ステップＳ２０１において、学習に利用するデータとして、コンテンツの再生順を保持したサンプルデータを用意する。これは、例えば音楽アルバムにおける個々の楽曲の順番の情報や、いろいろな人のコンテンツ再生順に関するデータなどを利用する。

次に、ステップＳ２０２において、学習データのコンテンツ再生順に対応するコンテンツ特徴量系列を生成する。コンテンツ特徴量は、先に説明したように、各コンテンツについて信号処理的に解析される特徴量やメタ情報として付与されている特徴量、具体的には例えばパワー、ピッチ、テンポ、ムード、ボーカルなどの特徴量であり、学習データに基づいて作成されるコンテンツ特徴量系列も、先に図５を参照して説明したと同様の複数のコンテンツ特徴量系列として作成される。

次に、ステップＳ２０３において、取得したコンテンツ特徴量系列群の中から、部分系列を抽出する。この部分系列の抽出に当たっては、いわゆるデータマイニングの手法を用いて頻出系列パターンを抽出するようなことを行なってもいいし、単純にＮ個の連鎖系列を抽出してもいいし、学習データそのままを利用してもよい。

次にステップＳ２０４において、これらの系列群をクラスタリング手法を用いて、複数のクラスタに分割する。ステップＳ２０５〜Ｓ２０６では、取得した個々のクラスタに対して、各々１つずつの確率モデルを割り当て、各確率モデルを、各クラスタに割り当てられた特徴量系列群によって学習を行なう。

なお、確率モデルは、先に図４を参照して説明したように、例えば、隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ：ＨＭＭ）に従った確率モデルであり、上述したように初期的にはサンプルデータに基づく学習などによって生成される。なお、特徴量は、本実施例ではコンテンツの特徴量である楽曲のパワー、ピッチ、テンポ、ムード、ボーカルの種類など特徴量である。利用する特徴量は、数値的な特徴量と、記号的な特徴量の両方を備えてもいいし、どちらか一方のみを備えてもよい。上述したステップＳ２０５〜Ｓ２０６において確率モデルの学習する場合に、両方の特徴量を備えている場合は、例えばマルチストリームの特徴量として扱った学習を行えばよい。

上述した処理によって、複数の異なる確率モデルが生成され、生成された確率モデルが、モデル情報保持部１０６に格納される。

次に、図１に示す情報処理装置１００のモデル適応部１０９の処理、すなわち、コンテンツ再生履歴情報保持部１０８に格納されたユーザの再生履歴情報に基づいて、モデル情報保持部１０６に格納された確率モデルを更新して、ユーザの嗜好に適応させる処理シーケンスについて、図７に示す４のフローチャートを参照して説明する。

まず、モデル適応部１０９は、ステップＳ３０１において、先に説明した図６のフローのステップＳ２０１〜Ｓ２０２の処理と同様、コンテンツ再生履歴情報保持部１０８に格納されたユーザのコンテンツ再生履歴を入力し、再生履歴のコンテンツ再生順に対応するコンテンツ特徴量系列を作成する。

すなわち、モデル適応部１０９はコンテンツ再生履歴情報保持部１０８に格納されたユーザのコンテンツ再生履歴に含まれるコンテンツの特徴量をコンテンツ情報保持部１０７から取得し、コンテンツ再生順にコンテンツ特徴量を並べたコンテンツ特徴量系列を作成する。

次に、モデル適応部１０９は、ステップＳ３０２において、生成したコンテンツ特徴量系列と、モデル情報保持部１０６に格納された複数の確率モデルの各々とを比較し、最も類似する確率モデル、すなわち、ユーザのコンテンツ再生履歴に基づいて生成したコンテンツ特徴量系列と最も尤度の高い確率モデルを選択する。

次に、モデル適応部１０９は、ステップＳ３０３において、選択された確率モデルに対して、ユーザのコンテンツ再生履歴に基づいて生成したコンテンツ特徴量系列に基づいて、パラメータの適応を行なう。適応の手法としては、例えば最大事後確率推定（ＭＡＰ推定）法などの公知の手法を利用することが可能である。

上記処理により、モデル情報保持部１０６に格納された確率モデルは、ユーザのコンテンツ再生履歴に基づいて生成したコンテンツ特徴量系列に近いパラメータを持つ確率モデルに更新されることになる。

モデル情報保持部１０６に格納される確率モデルは、先に図４を参照して説明したように、例えば、隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ：ＨＭＭ）に従った確率モデルであり、初期的には例えばサンプルデータに基づく学習などによって生成されるが、上述した適応処理を行うことで、情報処理装置１００においてコンテンツ再生を実行しているユーザの再生履歴に応じてパラメータが更新され、次第にユーザの嗜好が反映され、各ユーザに適応した確率モデルに更新される。

次に、モデル情報保持部１０６に格納される確率モデルを用いて、再生するコンテンツを選択する手順について、図８のフローチャートを参照して説明する。

先に、図２のプレイリストの作成およびコンテンツ再生処理シーケンスのステップＳ１０３のコンテンツ選択処理において説明したように、再生コンテンツ選択部１０２において再生する複数のコンテンツを選択する場合、コンテンツ選択手法として、ユーザの指定、公知のコンテンツ推薦技術を利用した処理、あるいは確率モデルを利用した選択処理が可能である。

以下では、モデル情報保持部１０６に格納されている確率モデルを用いて、再生するコンテンツを選択する手順について説明する。

なお、この手順の前にモデル情報保持部１０６に複数の確率モデルが格納されている場合は、１つの確率モデルを選択する。確率モデルの選択は、例えば、図２のプレイリストの作成およびコンテンツ再生処理シーケンスのステップＳ１０１〜Ｓ１０２の処理と同様の処理によって選択すればよい。すなわち、ユーザの再生履歴に対応する特徴量系列に最も近い（尤度の高い）確率モデルを選択する。

１つの確率モデルが選択されると、再生コンテンツ選択部１０２は、図８に示すフローのステップＳ４０１において、選択した確率モデルの持つパラメータに従って、確率モデル対応の特徴量系列を生成する。例えば、確率モデルが図４を参照して説明したような隠れマルコフモデル（ＨＭＭ）である場合は、その遷移確率に従ってＨＭＭの状態の遷移を行ない、各状態の出力確率に従って、特徴量ベクトルを生成し、確率モデル対応の特徴量系列を生成する。

次に、ステップＳ４０２おいて、再生コンテンツ選択部１０２は、ステップＳ４０１で生成した確率モデル対応の特徴量系列を構成するそれぞれの特徴量ベクトルに類似するコンテンツ特徴量を有するコンテンツ情報をコンテンツ情報保持部１０７から選択する。

例えば、確率モデル対応の特徴量系列を構成する複数の特徴量ベクトルの並びが、
ベクトルｐ→ベクトルｑ→ベクトルｒ
である場合、
コンテンツ情報保持部１０７に保持された各コンテンツ対応のコンテンツ特徴量からなる特徴量ベクトルから、
ベクトルｐに近いコンテンツ特徴量を持つコンテンツ、
ベクトルｑに近いコンテンツ特徴量を持つコンテンツ、
ベクトルｒに近いコンテンツ特徴量を持つコンテンツ、
を選択する。なお、ベクトルｐ，ｑ，ｒは、それぞれ、具体的には例えばパワー、ピッチ、テンポ、ムード、ボーカルなどの特徴量からなるベクトルである。

最後に、再生コンテンツ選択部１０２は、ステップＳ４０３において、コンテンツ情報保持部１０７から選択されたコンテンツ情報を、確率モデル対応の特徴量系列に従って、並べてプレイリスト作成部１０３に出力し、プレイリスト作成部１０３が、指定順のプレイリストを作成し、コンテンツ再生部１０４は、作成されたプレイリストに従ったコンテンツ再生を実行する。

このようにして、モデル情報保持部１０６に格納されている確率モデルを用いて、再生するコンテンツが選択され、プレイリストの作成およびコンテンツ再生が実行される。

なお、上述した説明では、特徴量ベクトル間の類似判定の具体的な尺度について言及していないが、実数値で表される比率尺度においてはユークリッド距離、メタデータなどの名義尺度においては、名義の一致数やベクトル空間法による余弦距離などの一般的な基準を利用することが可能である。

最後に、上述した処理を実行する情報処理装置のハードウェア構成例について、図９を参照して説明する。ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）５０１は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に対応する処理、上述の実施例において説明したデータ処理部の実行主体として機能する。具体的には、上述したプレイリストの作成、コンテンツ再生制御、コンテンツ特徴量の解析、コンテンツ特徴量系列の生成など、上述した説明に含まれる処理を実行する。これらの処理は、各情報処理装置のＲＯＭ、ハードディスクなどのデータ記憶部に格納されたコンピュータ・プログラムに従って実行される。

ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）５０２は、ＣＰＵ５０１が使用するプログラムや演算パラメータ等を格納する。ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）５０３は、ＣＰＵ５０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を格納する。これらはＣＰＵバスなどから構成されるホストバス５０４により相互に接続されている。

ホストバス５０４は、ブリッジ５０５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス５０６に接続されている。

入力部５０８は、キーボード、ポインティングデバイスなどであり、ユーザにより操作される入力デバイスである。出力部５１０は、ディスプレイ２２１、スピーカー２２２などによって構成される。

ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）５１１は、ハードディスクを内蔵し、ハードディスクを駆動し、ＣＰＵ５０１によって実行するプログラムや情報を記録または再生させる。ハードディスクは、例えばコンテンツおよびメタデータなどの格納手段などに利用され、さらに、データ処理プログラム等、各種コンピュータ・プログラムが格納される。

ドライブ５１２は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体５２１に記録されているデータまたはプログラムを読み出して、そのデータまたはプログラムを、インタフェース５０７、外部バス５０６、ブリッジ５０５、およびホストバス５０４を介して接続されているＲＡＭ５０３に供給する。

接続ポート５１４は、外部接続機器５２２を接続するポートであり、ＵＳＢ，ＩＥＥＥ１３９４等の接続部を持つ。接続ポート５１４は、インタフェース５０７、および外部バス５０６、ブリッジ５０５、ホストバス５０４等を介してＣＰＵ５０１等に接続されている。通信部５１５は、ネットワークに接続され、ネットワークを介した通信を実行する。

なお、図９に示す情報処理装置のハードウェア構成例は、ＰＣを適用して構成した装置の一例であり、図９に示す構成に限らず、上述した実施例において説明した処理を実行可能な様々な装置が適用可能である。

以上、特定の実施例を参照しながら、本発明について詳解してきた。しかしながら、本発明の要旨を逸脱しない範囲で当業者が実施例の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、限定的に解釈されるべきではない。本発明の要旨を判断するためには、特許請求の範囲の欄を参酌すべきである。

また、明細書中において説明した一連の処理はハードウェア、またはソフトウェア、あるいは両者の複合構成によって実行することが可能である。ソフトウェアによる処理を実行する場合は、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれたコンピュータ内のメモリにインストールして実行させるか、あるいは、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。例えば、プログラムは記録媒体に予め記録しておくことができる。記録媒体からコンピュータにインストールする他、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットといったネットワークを介してプログラムを受信し、内蔵するハードディスク等の記録媒体にインストールすることができる。

なお、明細書に記載された各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。また、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

以上、説明したように、本発明の一実施例の構成によれば、コンテンツの再生順を規定したプレイリストの生成処理を実行する情報処理装置において、コンテンツの特徴情報であるコンテンツ特徴量の時系列パターンに対応する確率モデルをモデル情報保持部に格納し、再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、モデル情報保持部に格納された確率モデルとの比較（尤度算出）を実行して、確率モデルに最も類似するコンテンツ特徴量時系列パターンに従ってコンテンツ再生順を設定したプレイリストを生成して、生成したプレイリストに従ったコンテンツ再生を実行する構成としたので、ユーザの嗜好に即したコンテンツ再生が可能となる。

本発明の一実施例に係る情報処理装置の構成例および処理について説明する図である。 本発明の一実施例に係る情報処理装置を利用したプレイリストの生成およびコンテンツ再生処理シーケンスを説明するフローチャートを示す図である。 本発明の一実施例に係る情報処理装置が生成するコンテンツ特徴量系列のデータ構成例を示す図である。 本発明の一実施例に係る情報処理装置のモデル情報保持部が保持している確率モデルの一例について説明する図である。 本発明の一実施例に係る情報処理装置のプレイリスト作成部が生成する再生順候補に対応するＮ個のコンテンツ特徴量の系列のデータ構成例について説明する図である。 本発明の一実施例に係る情報処理装置のモデル情報保持部が保持す確率モデルの生成処理シーケンスについて説明するフローチャートを示す図である。 本発明の一実施例に係る情報処理装置のモデル適応部が実行するモデル情報保持部に格納された確率モデルを更新して、ユーザの嗜好に適応させる処理シーケンスについて説明するフローチャートを示す図である。 本発明の一実施例に係る情報処理装置のモデル情報保持部に格納される確率モデルを用いて、再生するコンテンツを選択する処理シーケンスについて説明するフローチャートを示す図である。 情報処理装置のハードウェア構成例について説明する図である。

符号の説明

１００ 情報処理装置
１０１ 最適モデル選択部
１０２ 再生コンテンツ選択部
１０３ プレイリスト作成部
１０４ コンテンツ再生部
１０５ コンテンツ特徴抽出部
１０６ モデル情報保持部
１０７ コンテンツ情報保持部
１０８ コンテンツ再生履歴情報保持部
１０９ モデル適応部
１１１ モデル生成部
５０１ ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
５０２ ＲＯＭ（Ｒｅａｄ−Ｏｎｌｙ−Ｍｅｍｏｒｙ）
５０３ ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）
５０４ ホストバス
５０５ ブリッジ
５０６ 外部バス
５０７ インタフェース
５０８ 入力部
５１０ 出力部
５１１ ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）
５１２ ドライブ
５１４ 接続ポート
５１５ 通信部
５２１ リムーバブル記録媒体
５２２ 外部接続機器

Claims (15)

1. コンテンツの再生順を規定したプレイリストの生成処理を実行する情報処理装置であり、
   コンテンツの特徴情報であるコンテンツ特徴量の時系列パターンに対応する確率モデルを複数格納したモデル情報保持部と、
   複数の再生予定コンテンツ各々に対応するコンテンツ特徴量を取得するコンテンツ特徴抽出部と、
   前記コンテンツ特徴抽出部の抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、前記モデル情報保持部の保持する確率モデルとを比較し、確率モデルに最も類似するコンテンツ特徴量時系列パターンに従ってコンテンツ再生順を設定したプレイリストを生成するプレイリスト作成部と、
   前記プレイリスト作成部の作成したプレイリストに従ったコンテンツ再生を実行するコンテンツ再生部と、
   を有することを特徴とする情報処理装置。
2. 前記コンテンツ再生部は、コンテンツ再生履歴情報を生成してコンテンツ再生履歴情報保持部に保持する処理を行う構成であり、
   前記情報処理装置は、さらに、
   前記コンテンツ再生履歴情報保持部に保持されたコンテンツ再生履歴情報に対応する再生履歴対応コンテンツ特徴量時系列パターンと、前記モデル情報保持部の保持する複数の確率モデルとを比較し、再生履歴対応コンテンツ特徴量時系列パターンに最も類似する確率モデルを最適モデルとして選択する最適モデル選択部を有し、
   前記プレイリスト作成部は、
   前記コンテンツ特徴抽出部の抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、前記最適モデルとを比較し、最適モデルに最も類似するコンテンツ特徴量時系列パターンに対応するコンテンツ再生順を設定したプレイリストを生成する構成であることを特徴とする請求項１に記載の情報処理装置。
3. 前記コンテンツ再生部は、コンテンツ再生履歴情報を生成してコンテンツ再生履歴情報保持部に保持する処理を行う構成であり、
   前記情報処理装置は、さらに、
   前記コンテンツ再生履歴情報保持部に保持されたコンテンツ再生履歴情報に対応する再生履歴対応コンテンツ特徴量時系列を生成し、生成した再生履歴対応コンテンツ特徴量時系列の持つパラメータを、前記モデル情報保持部の保持する確率モデルに適用する処理により、前記確率モデルを再生履歴対応コンテンツ特徴量時系列に近づける確率モデル更新処理を実行するモデル適応部を有することを特徴とする請求項１に記載の情報処理装置。
4. 前記情報処理装置は、さらに、
   コンテンツの再生順を保持したサンプルデータを適用した確率モデルを生成し、生成した確率モデルの学習処理を実行して複数の異なる確率モデルを生成し、生成した確率モデルを前記モデル情報保持部に格納するモデル生成部を有することを特徴とする請求項１に記載の情報処理装置。
5. 前記情報処理装置は、さらに、
   前記モデル情報保持部の保持する確率モデルに類似する系列から構成される複数のコンテンツを再生コンテンツとして選択する再生コンテンツ選択部を有することを特徴とする請求項１に記載の情報処理装置。
6. 前記モデル情報保持部は、
   コンテンツの特徴情報であるコンテンツ特徴量の時系列パターンに対応する確率モデルとして、隠れマルコフモデル（ＨＭＭ：Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）に従った確率モデルを格納した構成であることを特徴とする請求項１に記載の情報処理装置。
7. 前記コンテンツ特徴量は、コンテンツを構成するデータ信号の特徴情報、またはコンテンツ対応のメタ情報の少なくともいずれかの情報を含むことを特徴とする請求項１に記載の情報処理装置。
8. 情報処理装置において、コンテンツの再生順を規定したプレイリストの生成処理を実行する情報処理方法であり、
   コンテンツ特徴抽出部が、複数の再生予定コンテンツ各々に対応するコンテンツ特徴量を取得するコンテンツ特徴抽出ステップと、
   プレイリスト作成部が、前記コンテンツ特徴抽出ステップにおいて抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、予めモデル情報保持部の保持する確率モデルとを比較し、確率モデルに最も類似するコンテンツ特徴量時系列パターンに従ってコンテンツ再生順を設定したプレイリストを生成するプレイリスト作成ステップと、
   コンテンツ再生部が、前記プレイリスト作成ステップにおいて作成したプレイリストに従ったコンテンツ再生を実行するコンテンツ再生ステップと、
   を有することを特徴とする情報処理方法。
9. 前記情報処理方法は、さらに、
   前記コンテンツ再生部が、コンテンツ再生履歴情報を生成してコンテンツ再生履歴情報保持部に保持するコンテンツ再生履歴生成ステップと、
   最適モデル選択部が、前記コンテンツ再生履歴情報保持部に保持されたコンテンツ再生履歴情報に対応する再生履歴対応コンテンツ特徴量時系列パターンと、前記モデル情報保持部の保持する複数の確率モデルとを比較し、再生履歴対応コンテンツ特徴量時系列パターンに最も類似する確率モデルを最適モデルとして選択する最適モデル選択ステップを有し、
   前記プレイリスト作成ステップは、
   前記コンテンツ特徴抽出ステップにおいて抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、前記最適モデルとを比較し、最適モデルに最も類似するコンテンツ特徴量時系列パターンに対応するコンテンツ再生順を設定したプレイリストを生成するステップであることを特徴とする請求項８に記載の情報処理方法。
10. 前記情報処理方法は、さらに、
    前記コンテンツ再生部が、コンテンツ再生履歴情報を生成してコンテンツ再生履歴情報保持部に保持するコンテンツ再生履歴生成ステップと、
    モデル適応部が、前記コンテンツ再生履歴情報保持部に保持されたコンテンツ再生履歴情報に対応する再生履歴対応コンテンツ特徴量時系列の持つパラメータを、前記モデル情報保持部の保持する確率モデルに適用する処理により、前記確率モデルを再生履歴対応コンテンツ特徴量時系列に近づけるモデル適応ステップ、
    を有することを特徴とする請求項８に記載の情報処理方法。
11. 前記情報処理方法は、さらに、
    モデル生成部が、コンテンツの再生順を保持したサンプルデータを適用した確率モデルを生成し、生成した確率モデルの学習処理を実行して複数の異なる確率モデルを生成し、生成した確率モデルを前記モデル情報保持部に格納するモデル生成ステップを有することを特徴とする請求項８に記載の情報処理方法。
12. 前記情報処理方法は、さらに、
    再生コンテンツ選択部が、前記モデル情報保持部の保持する確率モデルに類似する系列から構成される複数のコンテンツを再生コンテンツとして選択する再生コンテンツ選択ステップを有することを特徴とする請求項８に記載の情報処理方法。
13. 前記モデル情報保持部は、コンテンツの特徴情報であるコンテンツ特徴量の時系列パターンに対応する確率モデルとして、隠れマルコフモデル（ＨＭＭ：Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）に従った確率モデルを格納した構成であることを特徴とする請求項８に記載の情報処理方法。
14. 前記コンテンツ特徴量は、コンテンツを構成するデータ信号の特徴情報、またはコンテンツ対応のメタ情報の少なくともいずれかの情報を含むことを特徴とする請求項８に記載の情報処理方法。
15. 情報処理装置において、コンテンツの再生順を規定したプレイリストの生成処理を実行させるコンピュータ・プログラムであり、
    コンテンツ特徴抽出部に、複数の再生予定コンテンツ各々に対応するコンテンツ特徴量を取得させるコンテンツ特徴抽出ステップと、
    プレイリスト作成部に、前記コンテンツ特徴抽出ステップにおいて抽出した再生予定コンテンツの再生順の複数の順列パターン各々に対応するコンテンツ特徴量時系列パターンと、予めモデル情報保持部の保持する確率モデルとを比較し、確率モデルに最も類似するコンテンツ特徴量時系列パターンに従ってコンテンツ再生順を設定したプレイリストを生成させるプレイリスト作成ステップと、
    コンテンツ再生部に、前記プレイリスト作成ステップにおいて作成したプレイリストに従ったコンテンツ再生を実行させるコンテンツ再生ステップと、
    を有することを特徴とするコンピュータ・プログラム。

Images