JP5165422B2 - 情報提供システム及び情報提供方法 - Google Patents

Description

本発明は、ユーザに情報を提供する情報提供システム及び情報提供方法に関する。

現在、インターネットには膨大な情報が蓄積されており、ユーザは検索などの手法で所望の情報を情報提供システムに要求することで、情報にアクセスしている。従来の検索エンジンでは、ユーザが入力する検索条件等の条件と格納している文書群のキーワード分布等の文書の情報との関係のみを用いて、条件に合致する情報を提供するものが一般的であった。しかし、検索条件等の入力情報が同じであっても、入力したユーザの嗜好の違いによって、提示される情報の有用性が異なるため、ユーザ個々に応じた情報の提示が求められていた。

これに対して特許文献１では、以下の技術が提案されている。まず、ユーザから指定された文書を、文書の特徴を示す複数の属性値によるベクトルで記述し、指定された文書群のベクトルを合成したベクトルをユーザの嗜好を示すベクトルとして計算する。提示候補である広告を、広告の特徴を示す複数の属性値によるベクトルで記述し、ユーザの嗜好を示すベクトルと広告の特徴を示すベクトルの類似度を計算し、類似度が高い広告を提示する。これにより、ユーザ個々の嗜好に応じた広告を提示できるとしている。
特開２００４−１１８７１６号公報

しかしながら、上記の技術は、文書やサイトに対するアクセス履歴がある程度蓄積されたユーザに対してしか、嗜好を反映した情報を提供することができない。文書やサイトに対するアクセス頻度の低いユーザについては、ユーザの嗜好を十分に反映した特徴付けが困難であり、そのため、ユーザにとって適切な情報を選択することができない。

例えば、アクセス履歴の量が十分でなければ、たまたま一度だけアクセスした文書やサイトがユーザの嗜好と無関係、あるいは複数の嗜好の中の一部のみとしか関係しないような場合であっても、その文書やサイトの特徴のみでユーザの特徴ベクトルが構成されてしまう。その結果、ユーザにとって適合度の低い、ユーザの嗜好に合わない情報が提示されてしまう。

また、情報を提示する上記のようなサービスにおいて、ユーザがサービスを使い始めた段階でされる提示情報の適合度が低いと、ユーザにとってサービスを利用し続ける動機が失われてしまい、サービスの普及や評判にも悪影響を及ぼすこととなる。

本発明は、以上の問題点を解決するためになされたものであり、アクセス履歴が十分蓄積されていないユーザに対しても、ユーザにとって適合度が高い、ユーザの嗜好に合う情報を提示することを可能にする情報提供システム及び情報提供方法を提供することを目的とする。

上記目的を達成するために、本発明に係る情報提供システムは、 ユーザに情報を提供する情報提供システムであって、ユーザの属性を示す属性情報を格納する属性情報格納手段と、ユーザの、アクセス先の情報の履歴を示すアクセス履歴情報を取得して蓄積するアクセス履歴蓄積手段と、アクセス履歴蓄積手段により蓄積されたアクセス履歴情報により示される、ユーザの各アクセス先の情報の特徴量を抽出する特徴量抽出手段と、特徴量抽出手段により抽出された特徴量の各々から、ユーザ毎のアクセス先の情報の特徴を示す特徴ベクトルを生成する特徴ベクトル生成手段と、特徴ベクトル生成手段により生成されたユーザ毎の特徴ベクトルを格納する特徴ベクトル格納手段と、属性情報格納手段を参照して、情報の提供対象となるユーザと同様の属性を有するユーザを特定して、特徴ベクトル格納手段から、情報の提供対象となるユーザ、及び当該ユーザと同様の属性を有するユーザの特徴ベクトルとを取得して合成することによって、情報提供用の特徴ベクトルを生成する特徴ベクトル合成手段と、ユーザへ提供される情報を取得する提供用情報取得手段と、特徴ベクトル合成手段により生成された情報提供用の特徴ベクトルと、提供用情報取得手段により取得される情報の特徴量との関連度に基づいて、提供用情報取得手段により取得された情報から情報の提供対象となるユーザに情報を提供する情報提供手段と、を備えることを特徴とする。

本発明に係る情報提供システムでは、ユーザの各アクセス先の情報の特徴量が抽出されて、当該特徴量から、ユーザ毎のアクセス先の情報の特徴を示す特徴ベクトルが生成される。この特徴ベクトルは当該ユーザと同様の属性を有するユーザの特徴ベクトルと合成されて、合成された情報提供用の特徴ベクトルに基づいて、当該ユーザに情報が提供される。

上記のように本発明に係る情報提供システムでは、ユーザ自身のアクセス履歴だけでなく、当該ユーザと同様の属性を有するユーザの特徴ベクトルにも基づいて、ユーザに情報が提供される。同様の属性を有するユーザは、同様の嗜好を有している可能性が高い。従って、本発明に係る情報提供システムによれば、アクセス履歴が十分蓄積されていないユーザに対しても、ユーザにとって適合度が高い、ユーザの嗜好に合う情報を提示することが可能となる。

アクセス履歴蓄積手段に蓄積されるアクセス履歴情報には、ユーザが情報にアクセスした時刻を示す情報が含まれており、特徴ベクトル生成手段は、時刻を示す情報に基づいて特定される時間的に連続するアクセスの中の先頭の情報の特徴量から、特徴ベクトルを生成する、ことが望ましい。

アクセス履歴の中には、閲覧している情報の提供者等によって設けられるリンク等による、ユーザの意図を必ずしも反映していないアクセス履歴が含まれていることがある。上記の構成のように、時間的に連続するアクセスの中の先頭に位置するもののみを対象とすれば、ユーザの意図によりアクセスしたもののみを抽出することができ、ユーザの意図を反映しないアクセス履歴を除外することができる。これにより、ユーザにとってより適合度が高い、ユーザの嗜好により合う情報を提示することが可能となる。

アクセス履歴蓄積手段に蓄積されるアクセス履歴情報には、ユーザが情報にアクセスした時刻を示す情報が含まれており、特徴ベクトル生成手段は、時刻を示す情報に基づいて、期間又は時間帯に応じた特徴ベクトルを生成する、ことが望ましい。この構成によれば、時系列の振る舞いを含むユーザの嗜好を反映した情報を提供し、あるいは、ユーザの嗜好の変化に応じて情報の提供を行うことが可能になる。

提供用情報取得手段は、検索クエリを受信して、当該検索クエリを用いて検索を行うことによって、ユーザへ提供される情報を取得することが望ましい。この構成によれば、検索結果の情報の提示において、アクセス履歴が十分蓄積されていないユーザに対しても、ユーザにとって適合度が高い、ユーザの嗜好に合う情報を提示することが可能となる。

特徴ベクトル合成手段は、生成したユーザ毎の情報提供用の特徴ベクトルに基づいてユーザのクラスタリングを行い、当該ユーザと同じクラスタに属するユーザの情報提供用の特徴ベクトルから情報提供用の特徴ベクトルを更新する。この構成によれば、情報提供の対象となるユーザと嗜好が近いユーザの特徴が反映されて情報提供が行われるので、更にユーザの嗜好に合う情報を提示することが可能となる。また、ユーザの属性は、当該ユーザの年齢、性別及び住所の何れかを含むこととしてもよい。

提供用情報取得手段は、検索クエリを受信して、当該検索クエリを用いて検索を行うことによって、ユーザへ提供される情報を取得し、情報提供システムは、提供用情報取得手段により受信された検索クエリを、クラスタ毎に蓄積する検索クエリ蓄積手段と、を更に備え、情報提供手段は、受信された検索クエリを送信したユーザのクラスタの、検索クエリ蓄積手段に蓄積された検索クエリと、提供用情報取得手段により取得される情報との関連度にも基づいて、提供用情報取得手段により取得された情報から情報の提供対象となるユーザに情報を提供する、ことが望ましい。この構成によれば、検索結果の情報の提示において、更にユーザの嗜好に合う情報を提示することが可能となる。

ところで、本発明は、上記のように情報提供システムの発明として記述できる他に、以下のように情報提供方法の発明としても記述することができる。これはカテゴリが異なるだけで、実質的に同一の発明であり、同様の作用及び効果を奏する。

即ち、本発明に係る情報提供方法は、ユーザの属性を示す属性情報を格納する属性情報格納手段を備え、ユーザに情報を提供する情報提供システムにおける情報提供方法であって、ユーザの、アクセス先の情報の履歴を示すアクセス履歴情報を取得して蓄積するアクセス履歴蓄積ステップと、アクセス履歴蓄積ステップにおいて蓄積されたアクセス履歴情報により示される、ユーザの各アクセス先の情報の特徴量を抽出する特徴量抽出ステップと、特徴量抽出ステップにおいて抽出された特徴量の各々から、ユーザ毎のアクセス先の情報の特徴を示す特徴ベクトルを生成する特徴ベクトル生成ステップと、特徴ベクトル生成ステップにおいて生成されたユーザ毎の特徴ベクトルを格納する特徴ベクトル格納ステップと、属性情報格納手段を参照して、情報の提供対象となるユーザと同様の属性を有するユーザを特定して、特徴ベクトル格納ステップにおいて格納された、情報の提供対象となるユーザ、及び当該ユーザと同様の属性を有するユーザの特徴ベクトルとを取得して合成することによって、情報提供用の特徴ベクトルを生成する特徴ベクトル合成ステップと、ユーザへ提供される情報を取得する提供用情報取得ステップと、特徴ベクトル合成ステップにおいて生成された情報提供用の特徴ベクトルと、提供用情報取得ステップにおいて取得される情報の特徴量との関連度に基づいて、提供用情報取得ステップにおいて取得された情報から情報の提供対象となるユーザに情報を提供する情報提供ステップと、を含み、特徴ベクトル合成ステップにおいて、生成したユーザ毎の情報提供用の特徴ベクトルに基づいてユーザのクラスタリングを行い、当該ユーザと同じクラスタに属するユーザの情報提供用の特徴ベクトルから情報提供用の特徴ベクトルを更新することを特徴とする。

本発明によれば、ユーザ自身のアクセス履歴だけでなく、当該ユーザと同様の属性を有するユーザの特徴ベクトルにも基づいて、ユーザに提供される情報が判断されるため、アクセス履歴が十分蓄積されていないユーザに対しても、ユーザにとって適合度が高い、ユーザの嗜好に合う情報を提示することが可能となる。

以下、図面と共に本発明に係る情報提供システム及び情報提供方法の好適な実施形態について詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。

図１に本実施形態に係る情報提供システム１の構成を示す。情報提供システム１は、クライアント携帯端末１００に対して情報を提供するシステムである。クライアント携帯端末１００へ提供される情報は、具体的にはクライアント携帯端末１００から送信される検索クエリに対する検索結果の情報である。情報提供は、上記のようにクライアント携帯端末１００からの要求に応じて行われる。図１に示すように情報提供システム１は、クライアント携帯端末１００への情報提供のための主要機能を有する情報提供サーバ１１０を含んで構成される。また、情報提供システム１は、アクセス履歴収集システム１０１と、検索エンジン１０２とを含んでいてもよい。情報提供サーバ１１０、アクセス履歴収集システム１０１及び検索エンジン１０２は、互いに接続されており、情報を送受信することができる。

クライアント携帯端末１００は、ユーザにより用いられる端末装置であり、ネットワークＮへのアクセス機能を有している。具体的には、ネットワークＮは、例えば、移動体通信網であり、クライアント携帯端末１００は、携帯電話機等の移動通信端末である。クライアント携帯端末１００は、所定の方法でネットワークＮ上の情報にアクセスする。具体的には、クライアント携帯端末１００は、ＵＲＬ（Uniform Resource Locator）を含むＨＴＴＰ（Hyper Text Transfer Protocol）リクエストをネットワークＮに送信することで、ＵＲＬに対応するＷｅｂサーバにアクセスしてコンテンツ（情報）を受信する。

クライアント携帯端末１００は、ネットワークＮを介して情報提供システム１を構成する各装置（情報提供サーバ１１０、アクセス履歴収集システム１０１及び検索エンジン１０２）との間で情報の送受信を行うことができる。また、クライアント携帯端末１００は、検索クエリを含む検索要求を情報提供システム１に送信することによって、当該検索クエリに応じた検索結果の情報を受信する。クライアント携帯端末１００は、受信した検索結果の情報を表示出力等して、ユーザへの情報の提示を行う。

アクセス履歴収集システム１０１は、ネットワーク上に設けられており、ユーザのアクセス先の情報の履歴を示すアクセス履歴情報を取得する手段であるシステムである。即ち、アクセス履歴収集システム１０１は、ユーザ毎のアクセス履歴情報を取得するアクセス履歴蓄積手段の一機能としてもよい。アクセス履歴収集システム１０１は、どのクライアント携帯端末１００がどのコンテンツ（情報）にいつアクセスしたかという情報を取得する。具体的には、アクセス履歴収集システム１０１は、図２のテーブルに示すように、クライアント携帯端末１００を特定する情報であるユーザＩＤ、クライアント携帯端末１００により送信されたＨＴＴＰリクエストに含まれるＵＲＬ、及びクライアント携帯端末１００がＨＴＴＰリクエストを送信した時刻（タイムスタンプ）の各情報を対応付けて取得する。ここで、クライアント携帯端末１００がＨＴＴＰリクエストを送信した時刻は、ユーザがコンテンツにアクセスした時刻を示している。

各情報の取得方法としては、例えば、アクセス履歴収集システム１０１がクライアント携帯端末１００のプロキシサーバとして機能しており、クライアント携帯端末１００から、ユーザＩＤを含むＨＴＴＰリクエストを受信して解析することにより行われる。また、例えば、クライアント携帯端末１００から各情報を受信する等の他の方法により各情報を取得してもよい。アクセス履歴収集システム１０１は、取得したアクセス履歴情報を情報提供サーバ１１０に送信する。また、アクセス履歴収集システム１０１がプロキシサーバである場合等には、クライアント携帯端末１００から受信したＨＴＴＰリクエストを対応するＵＲＬのＷｅｂサーバに転送する。

検索エンジン１０２は、クライアント携帯端末１００から検索クエリを含む検索要求を受信して、当該検索クエリを用いて検索を行う装置である。ここで検索クエリは、例えば、検索に用いられるキーワードに相当する。また、検索エンジン１０２による検索の対象は、通常の検索エンジンと同様に、例えば、インターネット上のＷｅｂサーバのコンテンツである。検索エンジン１０２による検索結果を示す情報はクライアント携帯端末１００に提供される情報になるので、検索エンジン１０２をユーザへ提供される情報を取得する提供用情報取得手段の一機能としてもよい。

検索エンジン１０２は、検索結果として、検索クエリに適合したＵＲＬ、及びその適合度合ＳｃｏｒｅＭの一覧を取得（算出）する。適合度合ＳｃｏｒｅＭは、検索クエリに対して、どの程度、Ｗｅｂページが適合しているかを示す指標値である。検索エンジン１０２は、取得した情報を情報提供サーバ１１０に送信する。なお、検索エンジン１０２における検索自体は、既存の方法に従って行われる。

引き続いて、情報提供システム１における、クライアント携帯端末１００への情報提供のための主要機能を有する情報提供サーバ１１０の機能について説明する。図１に示すように、情報提供サーバ１１０は、機能的な構成ブロックとして、特徴ベクトル生成ブロック１１１と、ユーザ属性毎の平均特徴ベクトル重畳ブロック１４０と、提供情報生成ブロック１３０とを備えて構成されている。

特徴ベクトル生成ブロック１１１は、ユーザのアクセス履歴情報に基づいて、ユーザのアクセス先の特徴を示す特徴ベクトルを生成する。特徴ベクトルは、ユーザ毎に生成される。通常、ユーザはクライアント携帯端末１００毎に区別されるので、クライアント携帯端末１００毎に特徴ベクトルが生成される。図１に示すように、特徴ベクトル生成ブロック１１１は、更に詳細な機能的な構成要素として、アクセス履歴蓄積部１１２と、特徴量抽出部１１３と、特徴ベクトル生成部１１４と、特徴ベクトル格納部１１５とを備えて構成される。

アクセス履歴蓄積部１１２は、アクセス履歴収集システム１０１から送信されるアクセス履歴情報を受信して、一定期間にわたり蓄積するアクセス履歴蓄積手段である。アクセス情報の蓄積は、例えば、図２に示すテーブルに各情報を格納することにより行われる。アクセス履歴蓄積部１１２にアクセス履歴情報が蓄積される上記の一定期間については、予め定められている。

特徴量抽出部１１３は、アクセス履歴蓄積部１１２により蓄積されたアクセス履歴情報により示される、ユーザの各アクセス先の情報の特徴量を抽出する特徴量抽出手段である。ここでは、ユーザのアクセス先の情報は、ＵＲＬにより示されるＷｅｂページ（コンテンツ）である。特徴量は、Ｗｅｂページの中の画像、音声、テキスト等を含む全ての情報から、このページを反映する特徴を数値化したものである。特徴量は、予め定められた数の次元のベクトルの形式で表される。ここで、ベクトルの各次元は、Ｗｅｂページのトピックを示すものであり、例えば、「スポーツ」「映画」「ギャンブル」「音楽」「占い」「グルメ」等の情報を特徴づけるカテゴリ分類がなされている。この分類は、後述するように、ユーザの嗜好を特徴付ける分類である。

特徴量の抽出は、例えば、以下のように行われる。予め「単語」と、単語に対応するトピックのスコアを示す単語の特徴量を示すベクトルとを用意し、特徴量抽出部１１３に記憶させておく。特徴量を示すベクトルは、具体的には、「野球」に対しては「スポーツ」、「映画館」に対しては「映画」のスコアが高くなるように予め設定しておく。特徴量抽出の対象となるＷｅｂページのコンテンツのテキスト情報に対して、形態素解析を行う。その結果得られる単語ごとに上記のベクトルを加算し、ベクトルの絶対値が１となるように正規化したものを、そのＷｅｂページの特徴量とする。

単語の特徴を示すベクトルの作成にあたっては、手動で作成する。あるいは、インターネット上のオンライン百科事典（ウィキペディア）やポータルサイトのカテゴリ分類等、カテゴリ毎にコンテンツが分類されたデータを基に作成する。後者の場合は、まずカテゴリに対応するトピックを手動で設定する（例えば「野球」「サッカー」カテゴリであれば「スポーツ」トピックと対応付ける）。次に、各カテゴリのコンテンツ群に含まれる単語を抽出し、単語毎に「各カテゴリで登場する頻度分布」を算出する。次に、同一トピックと対応するカテゴリについて頻度分布を集約（加算）することで、単語毎に「各トピックで登場する頻度分布」を算出する。この頻度分布を正規化したものを単語の特徴量を示すベクトルとする。

なお、Ｗｅｂページの特徴量は、情報提供システム１の管理者等により入力されてもよい。その場合、特徴量抽出部１１３は、その入力を受け付ける（入力を受け付けることが特徴量の抽出に相当する）。なお、特徴量抽出部１１３によって、上述したように自動的に特徴量を抽出する場合は、特徴量の抽出対象となるＷｅｂページのコンテンツを取得する。

特徴量抽出部１１３による情報の特徴量の抽出は、アクセス履歴蓄積部１１２にアクセス履歴情報が蓄積される毎に行われてもよいし、一定時間間隔毎に行われてもよい。また、情報提供システム１の管理者等により入力される場合は、入力された際に行われる。また、一度、特徴量を抽出した情報については、特徴量を情報に対応付けて記憶しておき、その情報を再利用することとしてもよい。特徴量抽出部１１３は、抽出した各情報の特徴量を、ユーザ毎の情報として特徴ベクトル生成部１１４に出力する。

特徴ベクトル生成部１１４は、特徴量抽出部１１３により抽出された特徴量の各々から、ユーザ毎のアクセス先の情報の特徴を示す特徴ベクトルを生成する特徴ベクトル生成手段である。特徴ベクトルは、ユーザ毎の嗜好を示す情報である。特徴ベクトル生成部１１４は、ユーザ毎（ユーザＩＤ毎）に、ユーザが一定期間にアクセスした全てのＷｅｂページ（ＵＲＬ）について、Ｗｅｂページの特徴量を示すベクトルを合算することで特徴ベクトルＫを生成する。特徴ベクトルＫは、Ｗｅｂページの特徴量のベクトルと同じようにトピックを次元とし、その重みを値として構成され、Ｋ＝｛ｋ_１，ｋ_２，ｋ_３，…，ｋ_ｍ｝（ｍは次元の数を示す）と表される。

ここで、重みの値については、必要に応じて、ＩＤＦ（InverseDocument Frequency）等の手段で一定の変換処理を行ってもよい。具体的には、ユーザの各トピックに対する値に対して、下記の式で表されるＩＤＦ値を乗じたものを特徴ベクトルとする。
ＩＤＦ＝ｌｏｇ_１０（Ｎ／ｎ_ｉ）＋１
ここで、Ｎは全ユーザ数、ｎ_ｉはトピックｉに対応するＷｅｂページを期間内に閲覧したユーザ数を示す。閲覧するユーザ数が少ないトピックについてはＩＤＦ値が大きくなり、特異なトピックの閲覧に対して大きい重み付けをした特徴ベクトルが生成できる。

特徴ベクトル生成部１１４による特徴ベクトルの生成は、アクセス履歴蓄積部１１２にアクセス履歴情報が蓄積される毎に蓄積が行われたユーザについて行われてもよいし、一定時間間隔毎に全ユーザについて行われてもよい。特徴ベクトル生成部１１４は、生成した特徴ベクトルをユーザＩＤに対応付けて、特徴ベクトル格納部１１５に出力する。

特徴ベクトル格納部１１５は、特徴ベクトル生成部１１４により生成されたユーザ毎の特徴ベクトルを格納する特徴ベクトル格納手段である。特徴ベクトルの格納は、例えば、図３に示すテーブルにユーザＩＤと特徴ベクトルとを対応付けて格納することにより行われる。特徴ベクトル生成部１１４から既に特徴ベクトルを格納しているユーザＩＤに対応する特徴ベクトルが入力された場合は、入力された特徴ベクトルで格納する情報を更新する。

ユーザ属性毎の平均特徴ベクトル重畳ブロック１４０は、ユーザの属性に基づいて、ユーザに対して情報提供を行う際に用いられる特徴ベクトルを生成する。ユーザ属性毎の平均特徴ベクトル重畳ブロック１４０は、更に詳細な機能的な構成要素として、ユーザ属性情報格納部１４１と、属性平均特徴ベクトル生成部１４２と、属性平均特徴ベクトル格納部１４３と、特徴ベクトル合成部１４４とを備えて構成される。

ユーザ属性情報格納部１４１は、ユーザの属性を示す属性情報を格納する属性情報格納手段である。ユーザ属性情報格納部１４１は、各属性情報をユーザＩＤに対応付けて格納する。ユーザ属性情報格納部１４１に格納される属性情報は、例えば、年齢、性別及び住所等である。ユーザ属性情報格納部１４１に格納される属性情報は、予め各ユーザのクライアント携帯端末１００からユーザＩＤに対応付けられて通知される。

属性平均特徴ベクトル生成部１４２は、属性毎の平均の特徴ベクトルを生成する手段である。属性平均特徴ベクトル生成部１４２は、後述する情報提供用の特徴ベクトルを生成するための特徴ベクトル合成手段の一機能である。属性平均特徴ベクトル生成部１４２は、ユーザ属性情報格納部１４１に格納されたユーザＩＤ毎の属性情報を参照して、属性毎にユーザを分類する。ここで、属性毎のユーザの分類は、例えば性別、年齢を用いて２０歳代の男性、２０歳代の女性といった単位で属性のカテゴリを定めて、全てのユーザを分類する。どのようにカテゴリを定めるかは、属性平均特徴ベクトル生成部１４２に予めカテゴリ分けのルールが記憶されており、そのルールに従って行われる。なお、ここで、全てのユーザとは、例えば、情報提供システム１により情報が提供される対象となる予め登録された全てのユーザである。

属性平均特徴ベクトル生成部１４２は、分類したユーザ群についての特徴ベクトルを特徴ベクトル格納部１１５から取得して、それぞれの属性の分類毎に特徴ベクトルの平均値を求め、属性の分類毎の平均特徴ベクトルＡ＝｛ａ_１，ａ_２，ａ_３，…，ａ_ｍ｝を生成する。

属性平均特徴ベクトル生成部１４２による平均特徴ベクトルの生成は、特徴ベクトル格納部１１５に特徴ベクトルが格納される毎に格納された特徴ベクトルに係るユーザが属する属性の分類について行われてもよいし、一定時間間隔毎に全属性の分類について行われてもよい。属性平均特徴ベクトル生成部１４２は、生成した平均特徴ベクトルを、属性の分類を特定するＩＤに対応付けて、属性平均特徴ベクトル格納部１４３に出力する。

属性平均特徴ベクトル格納部１４３は、属性平均特徴ベクトル生成部１４２により生成された属性の分類毎の平均特徴ベクトルを格納する手段である。属性平均特徴ベクトル格納部１４３は、後述する情報提供用の特徴ベクトルを生成するための特徴ベクトル合成手段の一機能である。平均特徴ベクトルの格納は、例えば、図４に示すテーブルに属性の分類を特定するＩＤと平均特徴ベクトルとを対応付けて格納することにより行われる。属性平均特徴ベクトル生成部１４２から既に平均特徴ベクトルを格納している、属性の分類を特定するＩＤに対応する平均特徴ベクトルが入力された場合は、入力された平均特徴ベクトルで格納する情報を更新する。

特徴ベクトル合成部１４４は、特徴ベクトル格納部１１５に格納されたユーザ毎の特徴ベクトルＫと、同様の属性を有するユーザの特徴ベクトルとを合成（重畳）することによって、ユーザ毎の情報提供用の特徴ベクトルＫ´＝｛ｋ´_１，ｋ´_２，ｋ´_３，…，ｋ´_ｍ｝を生成する特徴ベクトル合成手段である。具体的には、特徴ベクトル合成部１４４は、特徴ベクトル格納部１１５に格納されたユーザ毎の特徴ベクトルＫと、属性平均特徴ベクトル格納部１４３に格納された当該ユーザが属する属性の分類の平均特徴ベクトルＡとを取得して、合成する。ここで、特徴ベクトル合成部１４４は、情報提供用の特徴ベクトルＫ´のｉ番目の要素の重みｋ´_ｉを、例えば、予め特徴ベクトル合成部１４４に記憶された以下の式により算出する。
ｋ´_ｉ＝αｋ_ｉ＋（１−α）ａ_ｉ
ここで、αは（０＜α＜１）を満たす値であり、同様の属性を持つユーザの嗜好（特徴）を反映させたい度合に応じて予め設定されて特徴ベクトル合成部１４４に記憶されている。

特徴ベクトル合成部１４４による情報提供用の特徴ベクトルの生成は、特徴ベクトル格納部１１５に特徴ベクトルが格納される毎に格納された特徴ベクトルに係るユーザが属する属性の分類について行われてもよいし、一定時間間隔毎に全属性の分類について行われてもよい。また、情報提供サーバ１１０による、クライアント携帯端末１００への情報の提供が行われる際に行われてもよい。特徴ベクトル合成部１４４は、生成した情報提供用の特徴ベクトルの生成を、ユーザＩＤに対応付けて、特徴ベクトル格納部１１５に出力する。

特徴ベクトル格納部１１５は、特徴ベクトル合成部１４４により生成された情報提供用の特徴ベクトルを格納する特徴ベクトル格納手段である。情報提供用の特徴ベクトルの格納は、合成前の特徴ベクトルの格納と同様に、図３に示すテーブルにユーザＩＤと情報提供用の特徴ベクトルとを対応付けて格納することにより行われる。また、情報提供用の特徴ベクトルで、合成前の特徴ベクトルを更新することとしてもよい。

提供情報生成ブロック１３０は、特徴ベクトルに基づいて、ユーザに提供する情報を生成して提供を行う。提供情報生成ブロック１３０は、更に詳細な機能的な構成要素として、ユーザ情報抽出部１３１と、一次検索結果取得部１３２と、スコア再計算部１３３と、最終検索結果生成部１３４とを備えて構成される。

ユーザ情報抽出部１３１は、クライアント携帯端末１００が検索エンジン１０２に検索クエリを送信した際に、当該クライアント携帯端末１００（ユーザ）のユーザＩＤを取得して、当該ユーザＩＤに対応する情報提供用の特徴ベクトルを抽出する手段である。即ち、ユーザ情報抽出部１３１は、ユーザに情報を提供する情報提供手段の一機能である。具体的には、まず、ユーザ情報抽出部１３１は、クライアント携帯端末１００が検索エンジン１０２に検索クエリを送信した際に、ユーザＩＤを含む当該検索要求を受信して、検索クエリからユーザＩＤを取得する。ここで、検索要求の受信は、クライアント携帯端末１００から直接行われてもよいし、検索エンジン１０２から行われてもよい。ユーザ情報抽出部１３１は、取得したユーザＩＤに対応する情報提供用の特徴ベクトルを特徴ベクトル格納部１１５から取得する。ユーザ情報抽出部１３１は、取得した情報提供用の特徴ベクトルをスコア再計算部１３３に出力する。

一次検索結果取得部１３２は、検索エンジン１０２から送信される、検索結果として、検索クエリに適合したＵＲＬ、及びその適合度合ＳｃｏｒｅＭの一覧を受信する手段である。この情報は、クライアント携帯端末１００に提供される情報である。即ち、一次検索結果取得部１３２は、ユーザへ提供される情報を取得する提供用情報取得手段である。一次検索結果取得部１３２は、取得した情報をスコア再計算部１３３に出力する。

スコア再計算部１３３は、一次検索結果取得部１３２から入力される、ユーザに提供される情報である各ＵＲＬに対してのスコアを計算する手段である。このスコアは、各ＵＲＬ（によりアクセスされるＷｅｂページのコンテンツ）がユーザの嗜好に適合している度合を示すものである。即ち、スコア再計算部１３３は、ユーザに情報を提供する情報提供手段の一機能である。

スコア再計算部１３３は、各ＵＲＬに係るＷｅｂページのコンテンツの特徴量を示すベクトルを取得する。特徴量を示すベクトルは、上記の特徴量抽出部１１３による方法と同様に取得される。また、特徴量抽出部１１３により既に抽出されたベクトルを用いてもよい。スコア再計算部１３３は、各コンテンツの特徴量を示すベクトルと、ユーザ情報抽出部１３１から入力された、情報提供対象となるユーザの情報提供用の特徴ベクトルとの類似度Ｓｉｍを計算する。類似度Ｓｉｍは、各ＵＲＬに係るコンテンツの特徴と、情報提供用の特徴ベクトルとの関連度を示す数値であり、数値が大きいほど大きな関連があることを示している。ベクトル間の類似度の計算は、既存の方法を用いることができる。スコア再計算部１３３は、この計算結果Ｓｉｍと、検索エンジン１０２により算出された適合度合ＳｃｏｒｅＭとを、各ＵＲＬについて合成して、ユーザの嗜好を考慮した検索結果の適合度合を示す指標値ＳｃｏｒｅＬを算出する。ここで、スコア再計算部１３３は、ＳｃｏｒｅＬを、例えば、予めスコア再計算部１３３に記憶された以下の式により算出する。
ＳｃｏｒｅＬ＝β＊ＳｃｏｒｅＭ＋（１−β）＊Ｓｉｍ
ここで、βは（０＜β＜１）を満たす値であり、ユーザの嗜好（特徴）を検索結果に反映させたい度合に応じて予め設定されてスコア再計算部１３３に記憶されている。なお、検索エンジン１０２からの出力に、ＳｃｏｒｅＭが含まれない場合は、ＳｉｍをＳｃｏｒｅＬとしてもよい。スコア再計算部１３３は、各ＵＲＬを示す情報と、ＵＲＬに対応するＳｃｏｒｅＬとを最終検索結果生成部１３４に出力する。

最終検索結果生成部１３４は、スコア再計算部１３３から入力された情報を基にクライアント携帯端末１００に送信する情報を生成して送信する情報提供手段の一機能である。最終検索結果生成部１３４は、入力されたＵＲＬを、ＳｃｏｒｅＬの値が大きいものからソートして、最終検索結果として生成して、クライアント携帯端末１００に送信して、ユーザに提示する。以上が、本実施形態に係る情報提供サーバ１１０の機能構成である。

図５に、情報提供システム１を構成する各装置（情報提供サーバ１１０、アクセス履歴収集システム１０１及び検索エンジン１０２）のハードウェア構成を示す。図５に示すように、各装置１１０，１０１，１０２は、ＣＰＵ（Central Processing Unit）１００１、主記憶装置であるＲＡＭ（Random Access Memory）１００２及びＲＯＭ(ReadOnly Memory)１００３、ネットワークカード等のデータ送受信デバイスである通信モジュール１００４、並びにハードディスク等の補助記憶装置１００５等のハードウェアを備えるコンピュータとして構成される。これらの構成要素が動作することにより、上述した各装置１１０，１０１，１０２の機能が発揮される。なお、各装置１１０，１０１，１０２は、必ずしも一つのコンピュータにより構成されている必要はなく、複数のコンピュータによるコンピュータシステムにより構成されていてもよい。また、上記の２つ以上の各１１０，１０１，１０２の機能が一つのコンピュータにより実現されてもよい。

引き続いて、図６のフローチャートを用いて、本実施形態に係る情報提供システム１により実行される処理（情報提供方法）について説明する。

情報提供システム１では、まず、情報提供サーバ１１０のアクセス履歴蓄積部１１２によって、クライアント携帯端末１００のアクセス履歴情報が一定期間取得されて蓄積される（Ｓ０１、アクセス履歴蓄積ステップ）。アクセス履歴情報の蓄積は、具体的には、以下のように行われる。クライアント携帯端末１００からのアクセス要求であるＨＴＴＰリクエストが、アクセス履歴収集システム１０１により受信される。それに基づいて、アクセス履歴収集システム１０１によってアクセス履歴情報が生成される。生成されたアクセス履歴情報が、アクセス履歴収集システム１０１から情報提供サーバ１１０に送信されて、アクセス履歴蓄積部１１２によって受信される。

続いて、特徴量抽出部１１３によって、ユーザの各アクセス先のＵＲＬ毎にコンテンツを示す情報の特徴量が抽出される（Ｓ０２、特徴量抽出ステップ）。続いて、特徴ベクトル生成部１１４によって、抽出された特徴量の各々から、ユーザ毎の特徴ベクトルが生成される。生成された特徴ベクトルは、特徴ベクトル格納部１１５によって格納される（Ｓ０３、特徴ベクトル生成ステップ、特徴ベクトル格納ステップ）。

続いて、特徴ベクトル合成部１４２によって、属性が一致するユーザ群の特徴ベクトルが、特徴ベクトル格納部１１５から取得される（Ｓ０４、特徴ベクトル合成ステップ）。続いて、属性平均特徴ベクトル生成部１４２によって、属性の分類毎に特徴ベクトルの平均値が求められ、平均特徴ベクトルが生成される（Ｓ０５、特徴ベクトル合成ステップ）。生成された平均特徴ベクトルは、属性平均特徴ベクトル格納部１４３によって格納される。続いて、特徴ベクトル合成部１４４によって、ユーザ毎の特徴ベクトルと、ユーザの属する属性の分類の平均特徴ベクトルとが合成されて、ユーザ毎の情報提供用の特徴ベクトルが生成される（Ｓ０６、特徴ベクトル合成ステップ）。生成されたユーザ毎の情報提供用の特徴ベクトルは、特徴ベクトル格納部１１５によって格納される。以上が、ユーザ毎の情報提供用の特徴ベクトルを生成するまでの処理である。

その後、クライアント携帯端末１００から検索クエリを含む検索要求が検索エンジン１０２に送信されると以降の処理が行われる。検索エンジン１０２によって当該検索要求に係る検索が行われて、検索結果を示す情報が検索エンジン１０２から情報提供サーバ１１０に送信される。情報提供サーバ１１０では、一次検索結果取得部１３２により検索結果を示す情報が受信されて取得される（Ｓ０７、提供用情報取得ステップ）。その一方で、ユーザ情報抽出部１３１によって、当該検索要求に係るクライアント携帯端末１００に対応するユーザＩＤが取得される。

続いて、ユーザ情報抽出部１３１によって、取得されたユーザＩＤに対応する情報提供用の特徴ベクトルが特徴ベクトル格納部１１５から取得される。続いて、スコア再計算部１３３により、一次検索結果取得部１３２によって取得された検索結果を示す情報に含まれる各ＵＲＬのコンテンツの特徴量と、ユーザ情報抽出部１３１によって取得された情報提供用の特徴ベクトルとに基づき、上述した方法で類似度Ｓｉｍが計算される（Ｓ０８、情報提供ステップ）。続いて、ユーザ情報抽出部１３１によって、類似度Ｓｉｍが用いられて、上述した方法で各ＵＲＬについて検索結果適合度合いＳｃｏｒｅＬが計算される。続いて、最終検索結果生成部１３４によって、ＳｃｏｒｅＬの大きい順に検索結果のＵＲＬがソートされた、最終検索結果を示す情報が生成される（Ｓ０９、情報提供ステップ）。生成された情報は、最終検索結果生成部１３４からネットワークＮを介して、クライアント携帯端末１００に送信される（Ｓ０９、情報提供ステップ）。

クライアント携帯端末１００では、最終検索結果を示す情報が受信されて、表示等の出力がなされる。以上が、本実施形態に係る情報提供システム１により実行される処理である。

上述した本実施形態に係る情報提供システム１では、ユーザの各アクセス先であるＷｅｂページのコンテンツ（情報）の特徴量が抽出されて、当該特徴量から、特徴ベクトルが生成される。この特徴ベクトルは、当該ユーザと同様の属性を有するユーザの特徴ベクトルと合成されて、情報提供用の特徴ベクトルが生成される。情報提供用の特徴ベクトルに基づいて検索結果のＵＲＬのスコアが算出されて、このスコアに基づいてＵＲＬが並び替えられてユーザに検索結果として提供される。

上記のように本実施形態に係る情報提供システム１では、ユーザ自身のアクセス履歴だけでなく、当該ユーザと同様の属性を有するユーザの特徴ベクトルにも基づいて、ユーザに情報が提供される。同世代や同性、同地域等の同様の属性を有するユーザは、同様の嗜好を有している可能性が高い。従って、本実施形態に係る情報提供システム１によれば、一定期間におけるアクセス履歴が十分蓄積されておらず、十分にユーザの嗜好を反映する特徴ベクトルが得られないユーザに対しても、ユーザにとって適合度が高い、ユーザの嗜好に合う情報を提示することが可能となる。

また、同様の属性を持つユーザ内で人気の高い嗜好分野は、本人にとっても興味のある可能性が高いと考えられる。本実施形態では、こうした嗜好分野も本人の特徴ベクトルに加算されるため、アクセス履歴にはまだ現れていない潜在的な興味分野の情報をユーザに提供することができる。また、同一の属性のユーザ内で流行し始めているような分野の情報を提示候補とすることが可能である。

また、本実施形態ではコンテンツの内容を表すトピックを特徴量として用いることで、同様のトピックのコンテンツであれば、全く同一のキーワードが含まれていない場合にもいても、同様の特徴量として意味づけを行うことが可能となる。また、キーワードにより抽象化された概念であるトピックを用いることで、キーワードを特徴量とする場合に比べて少ない次元数で、ユーザの嗜好を反映する特徴ベクトルを生成することができる。この特徴ベクトルを用いることで、ユーザが普段アクセスするコンテンツとの適合度が高い情報を提示することが可能となり、より高い精度でユーザの嗜好を反映した情報の提示ができる。

また、本実施形態では、検索クエリを含む検索要求をクライアント携帯端末１００から受信して、検索クエリを用いて検索を行った結果をユーザに提供される情報としていた。この構成とすれば、検索結果の情報の提示において、アクセス履歴が十分蓄積されていないユーザに対しても、ユーザにとって適合度が高い、ユーザの嗜好に合う情報を提示することが可能となる。なお、必ずしもユーザに提供される情報は検索結果である必要はなく、例えば、情報提供サーバ１１０等に予め保持されており、クライアント携帯端末１００からの情報の要求に応じて送信されるものであってもよい。

また、情報提供は、クライアント携帯端末１００からの要求に応じて行われるものでなく、情報提供システム１から自発的に行われるものであってもよい。例えば、広告配信等に上記のシステムが用いられてもよい。また、クライアント携帯端末に送信されてユーザに提供される情報も、ＵＲＬに限られず、ユーザの嗜好に応じて提供されるべき情報であればどのようなものでもよい。

また、本実施形態では、情報提供用の特徴ベクトルに基づいて、提供される情報であるＵＲＬを並べ替えてユーザに提供していたが、例えば、並べ替えでなく、スコアが高い情報のみをユーザに提供する等のユーザに提供される情報を判断することとしてもよい。

上述した実施形態においては、ユーザの（一定期間における）全てのアクセス先の情報の特徴量から、当該ユーザの特徴ベクトルを生成していた。アクセス履歴情報に含まれる、ユーザが情報にアクセスした時刻を示す情報に基づいて、時間的に連続するアクセス（セッション）を特定して、そのセッションの先頭の情報のみから抽出する特徴量を基に特徴ベクトルを構成してもよい。セッションの先頭の情報は次の方法で特定する。

（ユーザ毎の）時刻順に並べたアクセス履歴のレコードを先頭から走査し、隣接する時間差を抽出する。時間差が予め設定した一定の値以上であれば、ここがセッションの区切り目であると判定する。上記手順で得られた各セッションの中で先頭のレコード（最も早い時刻にアクセスされた情報）に含まれるＵＲＬを抽出する。セッションの先頭の情報のみから特徴量を抽出する処理は、特徴量抽出部１１３によって行われる。

このＵＲＬから抽出された特徴量を基に特徴ベクトルを生成して、上述と同様の方法でユーザへの情報提供を行う。

アクセス履歴の中には、閲覧している情報の提供者等によってリンクが設置され、誘導されることで発生するアクセス履歴や、情報に埋め込まれたバナー広告のＵＲＬによるアクセス履歴等、ユーザの意図を必ずしも反映していないアクセス履歴が含まれていることがある。上記の構成のように、時間的に連続するアクセスの中の先頭に位置するもののみを対象とすれば、ＵＲＬを直接入力してアクセスした情報やブックマーク機能を用いてアクセスした情報等、ユーザの意図によりアクセスしたもののみを抽出することができ、ユーザの意図を反映しないアクセス履歴を除外することができる。これにより、ユーザにとってより適合度が高い、ユーザの嗜好により合う情報を提示することが可能となる。

また、上述した実施形態の特徴ベクトルの生成において、ユーザが情報にアクセスした時刻を示す情報に基づいて、期間又は時間帯に応じた特徴ベクトルを生成することとしてもよい。時間帯に応じた特徴ベクトルの生成は、例えば、以下のように行われる。

まず一日をＮ個の時間帯に分類し、（ユーザ毎の）時間帯毎にアクセスしたＵＲＬに対応する特徴量ｆｅａ_ｉ（ｉは１≦ｉ≦Ｎの整数）を抽出する。これにより、特徴ベクトルの各要素についてＮ個の時間帯毎の特徴量が生成される。これらのＮ個の特徴量を以下の式によって合成する。

上記の式において、ＦｅａＮは時間帯毎の特徴量を統合した合成特徴量を表し、ｗ_ｉは各時間帯の特徴量の重みを表す。ｗ_ｉは予め値が設定されて、特徴量抽出部１１３に記憶されている。曜日によって時間帯を設定する場合は、同様に曜日毎の特徴量を生成して、それらを合成することにより合成特徴量を生成する。このように生成した合成特徴量を基に、特徴ベクトル生成部１１４が、特徴量の数で合成特徴量を除算する等して特徴ベクトルを生成し、上述と同様の方法でユーザへの情報提供を行う。

この構成によれば、アクセスされた時間帯を考慮した特徴ベクトルが用いられているので、時系列の振る舞いを含むユーザの嗜好を反映した情報を提供することができる。

また、特徴ベクトルは、一定の時間間隔で、直近の一定期間のアクセス履歴を基にして生成されたものに更新されてもよい。アクセス履歴に含まれる、ユーザが情報にアクセスした時刻を示す情報に基づいて、直近の一定期間のアクセス履歴のみを抽出して特徴ベクトルを更新し、この特徴ベクトルを基にユーザへの情報提供を行う。なお、どの期間のアクセス履歴に基づいて特徴ベクトルを生成するかは、特徴ベクトル生成部１１４に予め記憶されている。

これにより、最新のユーザの嗜好状況を反映した特徴ベクトルを生成できるので、ユーザの嗜好の変化に応じて情報の提供を行うことが可能になる。

上述した実施形態では、ユーザの特徴ベクトルを用いて提供情報の生成を行ったが、特徴ベクトルに基づいてユーザのクラスタリングを行い、ユーザの属するクラスタの平均特徴ベクトルを用いて提供情報の生成を行ってもよい。その場合の本発明の実施形態の変形例を以下に説明する。

図７に本変形例に係る情報提供システム１ａの構成を示す。情報提供システム１ａは、情報提供サーバ１１０ａを含んでおり、それ以外の装置構成については上述した実施形態の情報提供システム１と同様の構成である。情報提供サーバ１１０ａは、上述した実施形態の情報提供サーバ１１０の機能的な構成要素に加えて、特徴ベクトルに基づいてユーザのクラスタリング処理を行うクラスタリング処理ブロック１２０を備えて構成される。

クラスタリング処理ブロック１２０は、クラスタリング処理計算部１２１と、ユーザクラスタ格納部１２２と、クラスタ平均特徴ベクトル生成部１２３と、クラスタ平均特徴ベクトル格納部１２４とを備えて構成される。上記の各構成要素は、クラスタリングを行って、情報提供用の特徴ベクトルを更新する特徴ベクトル合成手段の機能を担っている。

クラスタリング処理計算部１２１は、特徴ベクトル格納部１１５に格納されているユーザ毎の情報提供用の特徴ベクトルを取得する。クラスタリング処理計算部１２１は、情報提供用の特徴ベクトルに基づいて、ユーザ間の距離を計算してユーザのクラスタリングを行う。このクラスタリングの結果は、情報提供用の特徴ベクトルの生成（更新）に用いられる。クラスタリングの計算方法は、ｋ−ｍｅａｎｓ法、ＰＬＳＩ（Probabilistic Latent Semantic Indexing）等様々な方法があり、任意の方法を利用することができる。

ここでは、一例としてｋ−ｍｅａｎｓ法を用いる場合について説明する。まず、予め設定されクラスタリング処理計算部１２１に記憶されている生成するクラスタの数Ｌの、特徴ベクトルと同じ数の要素を有するクラスタ中心ベクトルを生成する。ここで、クラスタ中心ベクトルの各要素の値はランダムに決定する。次に、各ユーザの情報提供用の特徴ベクトルとクラスタ中心ベクトルとの距離を計算し、最も距離が近いクラスタ中心ベクトルに応じて、ユーザをＬ個のクラスタに分類する。ここで、各クラスタに属したユーザの情報提供用の特徴ベクトルに基づき、クラスタ中心ベクトルを更新し、以降、クラスタ中心ベクトルが収束するまでユーザのクラスタ分類処理を繰り返す。この結果、全てのユーザがベクトル距離の近いユーザ群で構成されるクラスタに分類される。クラスタリング処理計算部１２１は、ユーザＩＤに対応付けて、ユーザが属するクラスタを特定する情報であるクラスタＮｏをユーザクラスタ格納部１２２に出力する。

ユーザクラスタ格納部１２２は、クラスタリング処理計算部１２１により行われたクラスタリングの結果、生成されたクラスタを示す情報を格納する。クラスタを示す情報は、図８に示すように、ユーザＩＤと、クラスタＮｏとを対応付けて格納される。

クラスタ平均特徴ベクトル生成部１２３は、ユーザクラスタ格納部１２２に格納されるクラスタの情報、及び特徴ベクトル格納部１１５に格納されているユーザ毎の情報提供用の特徴ベクトルを参照して、同一のクラスタＮｏのユーザ群の特徴ベクトル、即ちクラスタ毎の平均特徴ベクトルＣ＝｛ｃ_１，ｃ_２，ｃ_３，…，ｃ_ｍ｝を生成する。クラスタ毎の平均特徴ベクトルは、提供情報生成ブロック１３０における、ユーザへの情報の提供の際に参照される情報提供用の特徴ベクトルである。即ち、クラスタ平均特徴ベクトル生成部１２３は、ユーザ毎の、各クラスタに属するユーザの情報提供用の特徴ベクトルから情報提供用の特徴ベクトルを生成（更新）する。クラスタ毎の平均特徴ベクトルは、クラスタに含まれるユーザの平均的な特徴を反映する特徴量である。なお、ｋ−ｍｅａｎｓ法を用いる場合は、最終的なクラスタを生成する過程で算出されるクラスタ中心ベクトルが、そのままクラスタ毎の平均特徴ベクトルとなる。

クラスタリング処理計算部１２１によるクラスタリング計算、及びクラスタ平均特徴ベクトル生成部１２３によるクラスタ毎の平均特徴ベクトルの生成は、例えば、特徴ベクトル合成部１４４によってユーザ毎の情報提供用の特徴ベクトルが生成された後のタイミングで行われる。クラスタ平均特徴ベクトル生成部１２３は、生成したクラスタ毎の平均特徴ベクトルをクラスタＮｏに対応付けて、クラスタ平均特徴ベクトル格納部１２４に出力する。

クラスタ平均特徴ベクトル格納部１２４は、クラスタ平均特徴ベクトル生成部１２３により生成されたクラスタ毎の平均特徴ベクトルを格納する手段である。クラスタ毎の平均特徴ベクトルの格納は、例えば、図９に示すテーブルにクラスタＮｏとクラスタ毎の平均特徴ベクトルとを対応付けて格納することにより行われる。クラスタ平均特徴ベクトル生成部１２３から既に特徴ベクトルを格納しているクラスタＮｏに対応するクラスタ毎の平均特徴ベクトルが入力された場合は、入力された特徴ベクトルで格納する情報を更新する。

ユーザ情報抽出部１３１は、取得したユーザＩＤから、ユーザクラスタ格納部を参照して、当該ユーザＩＤに対応するクラスタＮｏを特定する。続いて、ユーザ情報抽出部１３１は、特定したクラスタＮｏの平均特徴ベクトルを、クラスタ平均特徴ベクトル格納部１２４から取得する。ユーザ情報抽出部１３１は、取得した平均特徴ベクトルを情報提供用の特徴ベクトルとして、スコア再計算部１３３に出力する。以上が、本変形例に係る情報提供システム１ａにおける情報提供サーバ１１０ａの機能構成である。

引き続いて、図１０のフローチャートを用いて、本変形例に係る情報提供システム１ａにより実行される処理（情報提供方法）について説明する。情報提供システム１ａでは、上述した処理（Ｓ０１〜Ｓ０６）により、ユーザの属する属性の分類の平均特徴ベクトルとユーザ毎の特徴ベクトルとが合成されて、ユーザ毎の情報提供用の特徴ベクトルが生成される（Ｓ３１〜Ｓ３６）。

続いて、情報提供サーバ１１０ａでは、クラスタリング処理計算部１２１によって、特徴ベクトル格納部１１５に格納されているユーザ毎の情報提供用の特徴ベクトルが用いられて、特徴ベクトルが類似するユーザが同一クラスタとなるようにユーザのクラスタリング処理が行われる（Ｓ３７、特徴ベクトル合成ステップ）。

続いて、クラスタ平均特徴ベクトル生成部１２３によって、クラスタ毎の平均特徴ベクトルが生成される（Ｓ３８、特徴ベクトル合成ステップ）。クラスタリング処理計算部１２１によるクラスタリングの結果は、ユーザクラスタ格納部１２２に格納される。また、クラスタ平均特徴ベクトル生成部１２３によって生成されたクラスタ毎の平均特徴ベクトルは、クラスタ平均特徴ベクトル格納部１２４に格納される（Ｓ３９、特徴ベクトル合成ステップ）。以上が、情報提供用の特徴ベクトルを生成するまでの処理である。

その後、クライアント携帯端末１００から検索クエリを含む検索要求が検索エンジン１０２に送信されると以降の処理が行われる。検索エンジン１０２によって当該検索要求に係る検索が行われて、検索結果を示す情報が検索エンジン１０２から情報提供サーバ１１０に送信される。情報提供サーバ１１０では、一次検索結果取得部１３２により検索結果を示す情報が受信されて取得される（Ｓ４０、提供用情報取得ステップ）。その一方で、ユーザ情報抽出部１３１によって、当該検索要求に係るクライアント携帯端末１００に対応するユーザＩＤが取得される。

続いて、ユーザ情報抽出部１３１によって、取得されたユーザＩＤに対応するクラスタＮｏが、ユーザクラスタ格納部１２２に格納された情報が参照されて特定される。続いて、ユーザ情報抽出部１３１によって、特定されたクラスタＮｏに対応する平均特徴ベクトルが、情報提供用の特徴ベクトルとして、クラスタ平均特徴ベクトル格納部１２４から取得される。続いて、スコア再計算部１３３により、一次検索結果取得部１３２によって取得された検索結果を示す情報に含まれる各ＵＲＬのコンテンツの特徴量と、ユーザ情報抽出部１３１によって取得された情報提供用の特徴ベクトルとに基づき、上述した方法で類似度Ｓｉｍが計算される（Ｓ４１、情報提供ステップ）。続いて、上述した処理（Ｓ０９，Ｓ１０）により、情報提供用の特徴ベクトルが用いられて、ユーザに提供される情報が生成されて、クライアント携帯端末１００に送信される（Ｓ４２，Ｓ４３）。以上が、本変形例に係る情報提供システム１ａにより実行される処理である。

上述した本変形例に係る情報提供システム１ａでは、同じクラスタに属するユーザの特徴ベクトルが考慮されるため、情報提供の対象となるユーザと嗜好が近いユーザの特徴が反映されて情報提供が行われる。例えば、ユーザ自身がアクセスしてないジャンルの情報であっても、嗜好が近いユーザがよくアクセスしている情報を提供することができ、ユーザが興味をもっている可能性が高い情報を提供することができる。即ち、情報提供システム１ａによれば、更にユーザの嗜好に合う情報を提示することが可能となる。

上記の提供情報生成ブロック１３０では、検索結果を並べ替えてユーザに提示したが、これを検索後のサジェスチョンに応用することができる。上記のクラスタ毎に、クライアント携帯端末１００から受信された各クラスタに属する全てのユーザの検索クエリを、クラスタ毎に情報提供サーバ１１０ａの検索クエリ蓄積手段に収集し、蓄積する。これにより、各クラスタの検索クエリ集合が作成される。ユーザがクライアント携帯端末１００において検索クエリの一部を入力して情報提供サーバ１１０ａに送信した際に、そのユーザが属するクラスタの検索クエリ集合と照合し、入力された検索クエリと部分一致する語句を、入力候補としてクライアント携帯端末１００に送信して、ユーザに提示することでサジェスチョンを行う。

これにより、ユーザは同様の特徴を持つユーザ群の検索クエリを知ることができ、自分では思いつかない検索クエリの入力等、精度の高い情報検索手段の提供が可能になる。

また、上記の提供情報生成ブロック１３０では、検索結果を並べ替えてユーザに提示したが、これを連想検索に応用することができる。上記と同様に、クラスタ毎に、クライアント携帯端末１００から受信された各クラスタに属する全てのユーザの検索クエリを、クラスタ毎に情報提供サーバ１１０ａの検索クエリ蓄積手段に収集し、蓄積する。これにより、各クラスタの検索クエリ集合が作成される。

スコア再計算部１３３は、検索クエリ蓄積手段から情報提供対象のユーザが属するクラスタに対応付けられる検索クエリを取得して、検索クエリと一次検索結果取得部１３２により取得された検索結果のＵＲＬのコンテンツとの関連度を指標値ＳｃｏｒｅＬに反映させる。具体的には、例えば、コンテンツに上記の検索クエリが含まれている数に応じて、指標値ＳｃｏｒｅＬを増加させる。また、取得した検索クエリを、ユーザに提供される検索結果に付加してユーザに提示してもよい。

これにより、ユーザと同様の嗜好（特徴）をもつユーザ群が使用する言語空間と関連の大きい情報を提示することが可能となり、検索結果の情報の提示において、更にユーザの嗜好に合う情報を提示することが可能となる。

本発明の実施形態に係る情報提供システムの構成を示す図である。 情報提供システムにおいて取得されて用いられる、ユーザのアクセス先の情報の履歴を示すアクセス履歴情報を示す図である。 情報提供システムにおいて生成されて用いられる、ユーザの特徴ベクトルを示す図である。 情報提供システムにおいて生成されて用いられる、属性の分類毎の平均特徴ベクトルを示す図である。 本発明の実施形態に係る情報提供システムを構成する各装置のハードウェア構成を示す図である。 本発明の実施形態に係る情報提供システムで実行される処理（情報提供方法）を示すフローチャートである。 本発明の実施形態に係る情報提供システムの変形例の構成を示す図である。 情報提供システムにおいて生成されて用いられる、ユーザ毎のクラスタ分類を示す図である。 情報提供システムにおいて生成されて用いられる、クラスタ毎の平均特徴ベクトルを示す図である。 本発明の実施形態に係る情報提供システムの変形例で実行される処理（情報提供方法）を示すフローチャートである。

符号の説明

１，１ａ…情報提供システム、１００…クライアント携帯端末、１０１…アクセス履歴収集システム、１０２…検索エンジン、１１０，１１０ａ…情報提供サーバ、１１１…特徴ベクトル生成ブロック、１１２…アクセス履歴蓄積部、１１３…特徴量抽出部、１１４…特徴ベクトル生成部、１１５…特徴ベクトル格納部、１２０…クラスタリング処理ブロック、１２１…クラスタリング処理計算部、１２２…ユーザクラスタ格納部、１２３…クラスタ平均特徴ベクトル生成部、１２４…クラスタ平均特徴ベクトル格納部、１３０…提供情報生成ブロック、１３１…ユーザ情報抽出部、１３２…一次検索結果取得部、１３３…スコア再計算部、１３４…最終検索結果生成部、１４０…平均特徴ベクトル重畳ブロック、１４１…ユーザ属性情報格納部、１４２…属性平均特徴ベクトル生成部、１４３…属性平均特徴ベクトル格納部、１４４…特徴ベクトル合成部、１００１…ＣＰＵ、１００２…ＲＡＭ、１００３…ＲＯＭ、１００４…通信モジュール、１００５…補助記憶装置。

Claims (7)

1. ユーザに情報を提供する情報提供システムであって、
   ユーザの属性を示す属性情報を格納する属性情報格納手段と、
   ユーザの、アクセス先の情報の履歴を示すアクセス履歴情報を取得して蓄積するアクセス履歴蓄積手段と、
   前記アクセス履歴蓄積手段により蓄積された前記アクセス履歴情報により示される、ユーザの各アクセス先の情報の特徴量を抽出する特徴量抽出手段と、
   前記特徴量抽出手段により抽出された前記特徴量の各々から、ユーザ毎のアクセス先の情報の特徴を示す特徴ベクトルを生成する特徴ベクトル生成手段と、
   前記特徴ベクトル生成手段により生成されたユーザ毎の特徴ベクトルを格納する特徴ベクトル格納手段と、
   前記属性情報格納手段を参照して、情報の提供対象となるユーザと同様の属性を有するユーザを特定して、前記特徴ベクトル格納手段から、前記情報の提供対象となるユーザ、及び当該ユーザと同様の属性を有するユーザの前記特徴ベクトルとを取得して合成することによって、情報提供用の特徴ベクトルを生成する特徴ベクトル合成手段と、
   ユーザへ提供される情報を取得する提供用情報取得手段と、
   前記特徴ベクトル合成手段により生成された情報提供用の特徴ベクトルと、前記提供用情報取得手段により取得される情報の特徴量との関連度に基づいて、提供用情報取得手段により取得された情報から前記情報の提供対象となるユーザに情報を提供する情報提供手段と、
   を備え、
   前記特徴ベクトル合成手段は、生成したユーザ毎の情報提供用の特徴ベクトルに基づいてユーザのクラスタリングを行い、当該ユーザと同じクラスタに属するユーザの情報提供用の特徴ベクトルから情報提供用の特徴ベクトルを更新する情報提供システム。
2. 前記ユーザの属性は、当該ユーザの年齢、性別及び住所の何れかを含む請求項１に記載の情報提供システム。
3. 前記アクセス履歴蓄積手段に蓄積される前記アクセス履歴情報には、ユーザが情報にアクセスした時刻を示す情報が含まれており、
   前記特徴ベクトル生成手段は、前記時刻を示す情報に基づいて特定される時間的に連続するアクセスの中の先頭の情報の特徴量から、前記特徴ベクトルを生成する、
   ことを特徴とする請求項１又は２に記載の情報提供システム。
4. 前記アクセス履歴蓄積手段に蓄積される前記アクセス履歴情報には、ユーザが情報にアクセスした時刻を示す情報が含まれており、
   前記特徴ベクトル生成手段は、前記時刻を示す情報に基づいて、期間又は時間帯に応じた前記特徴ベクトルを生成する、
   ことを特徴とする請求項１〜３の何れか一項に記載の情報提供システム。
5. 前記提供用情報取得手段は、検索クエリを受信して、当該検索クエリを用いて検索を行うことによって、前記ユーザへ提供される情報を取得することを特徴とする請求項１〜４の何れか一項に記載の情報提供システム。
6. 前記提供用情報取得手段は、検索クエリを受信して、当該検索クエリを用いて検索を行うことによって、前記ユーザへ提供される情報を取得し、
   前記情報提供システムは、
   前記提供用情報取得手段により受信された検索クエリを、前記クラスタ毎に蓄積する検索クエリ蓄積手段と、を更に備え、
   前記情報提供手段は、受信された検索クエリを送信したユーザのクラスタの、前記検索クエリ蓄積手段に蓄積された検索クエリと、前記提供用情報取得手段により取得される情報との関連度にも基づいて、提供用情報取得手段により取得された情報から前記情報の提供対象となるユーザに情報を提供する、
   ことを特徴とする請求項１〜５の何れか一項に記載の情報提供システム。
7. ユーザの属性を示す属性情報を格納する属性情報格納手段を備え、ユーザに情報を提供する情報提供システムにおける情報提供方法であって、
   ユーザの、アクセス先の情報の履歴を示すアクセス履歴情報を取得して蓄積するアクセス履歴蓄積ステップと、
   前記アクセス履歴蓄積ステップにおいて蓄積された前記アクセス履歴情報により示される、ユーザの各アクセス先の情報の特徴量を抽出する特徴量抽出ステップと、
   前記特徴量抽出ステップにおいて抽出された前記特徴量の各々から、ユーザ毎のアクセス先の情報の特徴を示す特徴ベクトルを生成する特徴ベクトル生成ステップと、
   前記特徴ベクトル生成ステップにおいて生成されたユーザ毎の特徴ベクトルを格納する特徴ベクトル格納ステップと、
   前記属性情報格納手段を参照して、情報の提供対象となるユーザと同様の属性を有するユーザを特定して、前記特徴ベクトル格納ステップにおいて格納された、前記情報の提供対象となるユーザ、及び当該ユーザと同様の属性を有するユーザの前記特徴ベクトルとを取得して合成することによって、情報提供用の特徴ベクトルを生成する特徴ベクトル合成ステップと、
   ユーザへ提供される情報を取得する提供用情報取得ステップと、
   前記特徴ベクトル合成ステップにおいて生成された情報提供用の特徴ベクトルと、前記提供用情報取得ステップにおいて取得される情報の特徴量との関連度に基づいて、提供用情報取得ステップにおいて取得された情報から前記情報の提供対象となるユーザに情報を提供する情報提供ステップと、
   を含み、
   前記特徴ベクトル合成ステップにおいて、生成したユーザ毎の情報提供用の特徴ベクトルに基づいてユーザのクラスタリングを行い、当該ユーザと同じクラスタに属するユーザの情報提供用の特徴ベクトルから情報提供用の特徴ベクトルを更新する情報提供方法。

Images