JP5409268B2

JP5409268B2 - 情報提示装置及び携帯端末

Info

Publication number: JP5409268B2
Application number: JP2009250274A
Authority: JP
Inventors: 高行秋山; 正明谷崎; 清弘小原; 隆小野山; 典之山崎; 隆司橋本
Original assignee: Hitachi Solutions Ltd
Current assignee: Hitachi Solutions Ltd
Priority date: 2009-10-30
Filing date: 2009-10-30
Publication date: 2014-02-05
Anticipated expiration: 2029-10-30
Also published as: JP2011097417A; US8478759B2; US20110106809A1

Description

本発明は、ユーザ嗜好に合致した番組をユーザに推薦する装置に関するものである。

現代の情報文明社会において、放送番組やインターネットなどの各種メディアが提供する情報量は計り知れない。とりわけ、テレビ放送が視聴者に与える影響は大きい。テレビの普及率は極めて高く、ほとんど全ての家庭内に設置されており、各放送局から配信される放送コンテンツは不特定多数の人々によって視聴されている。そうした中で、ユーザは番組視聴時に、ＣＭや番組内容のみならず、番組に関わる情報、例えば、出演者の服飾の情報や、ロケ地の情報などにも興味を示す。

最近では、デジタル技術の発達により、映像コンテンツや番組に関わる情報を大量に蓄積することが可能になり、また、ＨＤＤ（Hard Disk Drive）ベースの録画機や、テレビ番組の録画／視聴機能を持ったパーソナルコンピュータなどが登場してきている。そのため、ユーザが番組視聴中に気になった場面の情報を登録・保存し、視聴後に、ユーザへその情報を提示する技術が活発に研究されている。

特許文献１には、ユーザが番組視聴中に購入したい商品が登場した場面で、当該商品を音声で指定し、ユーザは番組視聴後に、商品登録情報にアクセスして、購入したい商品の詳細情報を受け取る技術が開示されている。特許文献２には、旅番組などの放送番組と、放送番組に対応するインターネット上の情報を利用して、位置情報と合わせて登録しておくことにより、ユーザの興味と嗜好に合ったナビゲーションデータを生成する技術が開示されている。特許文献３には、ユーザが憶えておく必要がある商品を携帯端末に登録しておき、登録された商品メモリストを選択すると、店舗端末に接続して、詳細情報を得ることができる技術が開示されている。また、店舗端末に近づくと、携帯端末に記録されているメモリストからその店舗の商品のお知らせ画面を表示する。

特願２００３−５２６１４５号公報特開２００６−０３１４４１号公報特開２００７−１１５２２０号公報

特許文献１の方法の場合、ユーザは、番組視聴後には興味を示したことを忘れてしまって検索行動を取らない、などの問題がある。そのため、興味を示して登録された情報をユーザにとって最適な状況で提示する技術が必要である。特許文献２のように予め作成された情報からユーザに対して情報を提示すると、提示された情報は、必ずしもユーザが当該状況で求めている情報ではないという問題がある。そのため、ユーザが事前に興味を示した情報の中から適切な情報を提示する技術が必要である。

本発明は、ユーザにとって最適な状況で、以前に視聴した番組中で興味を示した場面の情報を提示するものである。

ユーザが番組視聴中に興味を示したあらゆる場面に関わる興味場面情報を、ユーザにとって最適な状況で提示するためには、興味場面情報を定義づけるキーワードとユーザの行動を定義するキーワードの関係性を定義しなければ、ユーザにとって最適な状況で興味場面情報を提示することはできない。例えば、ユーザの行動解析において、当該ユーザが「デパート」に行くことを望んでいると判定したとしても、「デパートへ行く」という行動が、興味場面情報の中の「服飾」と関係づけられていなければ、「服飾」に関わる興味場面情報を提示することはできない。

本発明は、番組情報を定義づけるキーワード辞書とユーザ行動モデルを用意することにより、ユーザが興味を示した場面を登録・保存し、ユーザにとって最適な状況で興味を示した場面の情報を提示する。

本発明による情報提示装置は、番組情報を蓄積する番組情報データベースと、ユーザの番組視聴履歴を蓄積する視聴履歴データベースと、キーワードとカテゴリの対応関係を記録した辞書と、視聴履歴データベースと番組情報データベースを用いてユーザが興味を持った番組の場面を抽出する興味場面抽出部と、興味場面抽出部によって抽出された興味場面と当該興味場面に付随する番組情報中のキーワードとを対応付け、興味場面に付随するキーワードを辞書に従ってカテゴリ別に興味場面登録情報データベースに登録する興味場面登録部と、携帯端末からカテゴリを含む情報の入力を受け、興味場面登録情報データベースから前記入力されたカテゴリに適合する興味場面を検索して提示する興味場面提示部とを有する。

また、本発明の携帯端末は、上記情報提示装置と共に用いられるものであり、入力と当該入力に対応する複数のカテゴリ毎の確率を格納したユーザ行動モデルと、ユーザ行動モデルから最新の入力に対応するカテゴリ毎の確率を取得し、情報提示装置に送信する行動解析部と、情報提示装置から送信された興味場面を表示する表示部とを有する。

本発明によれば、ユーザは番組視聴中に認識した有益な情報を、最適な状況で再び得ることができる。

本発明の一実施例の構成を説明する図である。番組情報データベースの例を説明する図である。視聴履歴データベースの例を説明する図である。キーワード辞書の例を説明する図である。興味場面登録情報データベースの例を説明する図である。興味場面提示の処理の流れを説明する図である。興味場面提示の情報の流れを説明する図である。興味場面の携帯端末での表示画面を説明する図である。ユーザ行動モデルの例を説明する図である。ユーザ行動モデルと興味場面登録情報データベースの具体例を説明する図である。図１に示した実施例にユーザ行動履歴と行動・カテゴリ組合せ学習部を付与した構成を説明する図である。興味場面情報の例と、興味場面に含まれるキーワードのクラスタリングの方法を説明する図である。キーワードのクラスタリングによって生成されたキーワード辞書の例を説明する図である。図１３のキーワード辞書に基づいた興味場面登録情報データベースの例を説明する図である。ユーザ行動履歴の例と、ユーザ行動履歴からの行動属性抽出の方法を説明する図である。ユーザ行動モデルの例と、場面属性と行動属性とを対応させる確率の学習方法を説明する図である。図１に示した実施例にキーワード辞書編集部とユーザ行動編集部を付与した構成を説明する図である。図１７のキーワード辞書編集部とユーザ行動編集部を説明する図である。図１に示した実施例にオントロジデータベースとユーザ行動定義部を付与した構成を説明する図である。オントロジデータベースの例を説明する図である。

以下に、本発明の実施例について図面に基づいて説明する。

[実施例１]
図１は、本発明による情報提示システムの構成例を表す図である。

端末１１０は、番組情報データベース１１１、視聴履歴データベース１１２、興味場面抽出部１１３、興味場面登録部１１４、キーワード辞書１１５、興味場面登録情報データベース１１６、興味場面提示部１１７、表示方式決定部１１８を有し、これらは例えばセットトップボックスやテレビなどの映像コンテンツ受信機に内蔵できる。端末１２０は、ユーザ行動モデル１２１、行動解析部１２２、表示部１２３を有し、これらは例えば携帯電話のような携帯端末や、ＰＣなどの情報検索端末などに内蔵できる。

番組情報データベース１１１や視聴履歴データベース１１２、キーワード辞書１１５、興味場面登録情報データベース１１６、ユーザ行動モデル１２１には、例えば組み込みデータベースを用いることもできる。これらのデータベースは、端末で管理するのではなく、サーバなどの端末とは別の場所で管理されるものとしてもよい。

以下、本実施例を構成する各部について説明する。
端末１１０は、番組視聴機能を有する端末であり、セットトップボックスやテレビなどの映像コンテンツ受信機などを適用できる。

番組情報データベース１１１は、例えば映像配信サーバなどから配信されるＥＰＧ（Electronic Program Guide）などのような番組情報を管理する。図２に、番組情報データベース１１１の構成例を示す。図示の例の番組情報データベース１１１は、番組名、場面ＩＤ、時間割、出演者、ジャンル、内容説明、番組長という項目を持つ。出演者には出演者名が、内容説明には番組内容を説明したテキストが格納されている。

視聴履歴データベース１１２は、ユーザの視聴開始・終了時間や、テレビのリモコンの「気になる」ボタン入力時間を管理する。「気になる」ボタンとは、ユーザが興味を持った場面で押下するボタンである。図３に視聴履歴データベース１１２の構成例を示す。視聴履歴データベース１１２は、場面ＩＤ、視聴開始時間、視聴終了時間、ボタン押下時刻という項目を持つ。図３の例の場合、ユーザは番組Ｐの場面ＩＤがID_P1の場面を時刻AA:AA:AAから時刻DD:DD:DDまで視聴し、その間、リモコンの「気になる」ボタンは押されなかったことが記録されている。また、番組Ｑの場面ＩＤがID_Q3の場面を時刻BB:BB:BBから時刻EE:EE:EEまで視聴し、その間、時刻GG:GG:GGにリモコンの「気になる」ボタンを押したことが記録されている。また、リモコンの「気になる」ボタン押下時刻に限らず、携帯端末のメール送信の時刻や、ｗｅｂ検索の時刻をユーザが場面に興味を持った時刻として記録するようにしてもよい。

興味場面抽出部１１３は、番組情報データベース１１１と視聴履歴データベース１１２で管理された番組情報と視聴履歴から、ユーザが興味を持った場面を抽出する。具体的には、興味場面抽出部１１３は視聴履歴データベース１１２を参照してボタン押下時刻が書き込まれているレコードの場面ＩＤを抽出し、次に番組情報データベース１１１にアクセスして当該場面ＩＤのレコードの出演者、内容説明などの項目に含まれているキーワードを抽出する。

興味場面登録部１１４は、興味場面抽出部１１３が番組情報データベース１１１の興味場面ＩＤのレコードから抽出したキーワードを、キーワード辞書１１５によって定義されるキーワードのカテゴリごとに登録し、興味場面登録情報データベース１１６に格納する。キーワード辞書に載っていないテキスト中の語句は使われない。

キーワード辞書１１５の構成例を図４に示す。キーワード辞書１１５は、キーワードとそれに対応するカテゴリを項目に持つ。また、場所の名称とそれに対応する座標（緯度、経度）を項目に持つテーブルも保持する。

興味場面登録情報データベース１１６の構成例を図５に示す。興味場面登録情報データベース１１６は、場面ＩＤ、「人物」などのキーワード辞書１１５によって定義される複数のカテゴリ、興味時間、登録日を項目に持つ。ここで、カテゴリの項目には、当該場面ＩＤのレコードに含まれるキーワードからそのカテゴリに所属するキーワードが選択されて格納される。興味時間とは、ユーザが興味を持った場面の当該場面内での時刻を指し、図３に示した視聴履歴データベース中のボタン押下時刻が対応する。また、登録日とは、興味場面が登録された日付を指す。

ここで、カテゴリとは、「人物」や「場所」など、そのキーワードの属する意味を指し、ユーザの興味や行動目的を分類するものである。カテゴリは、サービス事業者が定義してもよいし、ユーザの行動履歴から自動的に生成されるものでもよいし、複数ユーザが定義するものであってもよい。実施例１では、カテゴリはすでに定義されているものとした。ユーザの行動履歴からカテゴリが自動生成される場合については実施例２で、複数ユーザがカテゴリを定義する場合については、実施例３で詳細に説明する。

興味場面提示部１１７は、後述する端末１２０の行動解析部１２２によって解析された当該ユーザの求める情報を取得し、興味場面登録情報データベース１１６から当該ユーザの求める情報を有する興味場面を表示方式決定部１１８に提示する。

表示方式決定部１１８は、興味場面を表示する端末１２０のタイプに応じて、映像の圧縮形式や表示方式などを変換する処理を行う。端末１２０は、本実施例では、携帯電話などのＧＰＳ機能を有する携帯端末を想定する。

ユーザ行動モデル１２１には、端末１２０の操作内容と、当該操作内容によって推測されるユーザ行動と、その次に求められるアイテムカテゴリへの確率が格納されている。

ユーザ行動解析部１２２は、取得した端末１２０の操作履歴から、ユーザ行動モデル１２１によって、当該ユーザが求める情報のカテゴリを判断し、当該カテゴリとその求められる確率を興味場面提示部１１７へ送信する。

表示部１２３は、ディスプレイなどの情報を表示する画面であり、端末１１０の表示方式決定部１１８から送信された情報を表示する。

図６は、本実施例の行動解析から興味場面提示までの処理の流れを示す図である。図７は、図６の処理における情報の流れを示す図である。

ステップ６０１において、携帯端末による操作が入力され、行動解析部１２２を起動する。この操作は、例えば、携帯端末に「興味場面提示」ボタンのようなボタンがあり、そのボタンの押下によるものとしてもよいし、ＧＰＳによる位置情報の取得などの入力によるものとしてもよいし、また、電車の改札を通過した、などの特定の行動を入力としてもよい。さらに、メール送受信や、ｗｅｂ検索行動などを入力としてもよい。どのような操作入力のタイミングで行動解析部を起動するかは、予め携帯端末に設定しておくことができる。

入力の内容が位置情報に関わるものならば、ステップ６０２において、現在の位置情報（緯度、経度など）を取得し、メール送受信やｗｅｂの検索などの文字に関わるものならば、ステップ６０３において、特徴的なワードを取得する。ステップ６０４において、ユーザ行動モデル１２１に接続して、ユーザの求めるアイテムカテゴリとその確率を取得する。ステップ６０５において、検索されたアイテムカテゴリと場所情報の両方、もしくは、いずれか一方を興味場面提示部１１７へ送信し、興味場面提示部１１７は興味場面情報データベース１１６から当該情報を含む興味場面を検索する。検索結果は表示方式決定部１１８に渡される。

ステップ６０６において、表示方式決定部１１８は、検索された興味場面の表示方式、提示方式を決定する。例えば、興味場面情報は動画やテキスト形式のメタデータを含んでいるが、表示機器がＰＣなどの処理速度の十分なものであれば、すべての情報を表示しても問題ない。一方、表示機器が携帯電話のようなものであった場合、すべての情報を表示すると処理が遅くなるなどの問題が発生するため、テキストデータや動画要約画像のみを表示するのが現実的である。このように、表示方式決定部１１８は、興味場面を表示すべき機器のタイプ等に応じて適切な表示方式を決定する。

そして、ステップ６０７において、表示方式決定部１１８は決定された表示方式で表示部１２３に情報提示を行う。例えば、携帯端末の表示部の場合、図８（ａ）のように、表示方式決定部１１８から送信された１つあるいは複数の興味場面を番組名とサムネイルによって表示し、ユーザがその中から一つの興味場面を選択すると、図８（ｂ）のように詳細情報が表示される。サムネイルには、当該興味時間の画像が表示される。詳細情報とは、例えば、「出演者C_1がアイテムKW_3をお薦め」などの、場面に関わる情報である。この詳細情報は、番組情報データベースに既に登録されていた情報である。

次に、ステップ６０４におけるユーザ行動モデルからのアイテムカテゴリ取得と、ステップ６０５における興味場面検索の処理について説明する。

ユーザ行動モデルは、図９のように、行動と、そのときにユーザが求めるカテゴリの確率を格納したものである。ユーザ行動モデルは、サービス事業者が予め設定しておいてもよいし、ユーザの行動履歴から自動生成されるものとしてもよい。図９に示したユーザ行動モデルにおける「行動」は、具体的には図９下図のように、図６に示したステップ６０２の処理で抽出された位置情報やステップ６０３の処理で抽出されたキーワードの組み合わせによって定義されるものである。例えば、行動Ａ１は、生活圏外の場所情報と駅改札通過情報の組み合わせによって「旅行」と定義され、行動Ａ２は生活圏内の駅改札の通過情報とメール文章の「帰る」などの入力の組み合わせによって定義される「帰宅」である。携帯端末の入力によって、ユーザの行動を決定し、当該行動時に求める確率の最も高いカテゴリを取得する。図９の例では、行動Ａ１のときには最も確率の高いカテゴリとして「服飾」というカテゴリが取得される。別の例として、ステップ６０２で位置情報が取得されたとすると、ステップ６０４では、図９のユーザ行動モデルを参照し、ステップ６０２で取得した位置情報（軽度、緯度）あるいはそれに最も近い位置を行動として持つモデルから確率の最も高いカテゴリを取得する。

ステップ６０５では、ステップ６０２もしくはステップ６０３によって取得された情報と、ステップ６０４によって取得されたカテゴリによって、興味場面を検索する。ステップ６０２で位置情報が取得されたとすると、その位置情報（緯度、経度）を用いてキーワード辞書から場所名を取得し、当該場所名と、ステップ６０４によって取得されたカテゴリにキーワードが格納されている興味場面を興味場面登録情報データベースから検索する。

ここで、最も高確率のカテゴリにキーワードが格納されている興味場面が、興味場面登録情報データベースに登録されていない場合、次に高い確率のカテゴリを用いて検索を行うものとしてもよい。また、すべてのカテゴリの確率を用いて、式(1)のように興味場面の優先度の点数計算を行ってもよい。

ここで、Ｑ_sは興味場面Ｓの優先度である。ｉはカテゴリであり、Ｎはカテゴリの総数である。ｗ_iはカテゴリｉの確率、Ｃ_iは当該場面Ｓにカテゴリｉのキーワードが存在するか否かを示すので、０か１の２値を返すものとしてよい。

式(1)のように計算された興味場面の優先度の上位数件を検索結果としてもよい。件数は、サービス事業者が設定するものとしてもよい。また、検索結果を表示する機器によって、個別に設定してもよい。例えば、ＰＣ上に表示する場合と、携帯端末の画面上に表示する場合とでは、表示件数が異なるように設定してもよい。もしくは、場面の新鮮さを考慮するために、式(1)の点数計算を式(2)のように、登録日からの経過時間を場面の優先度の点数計算に用いてもよい。

Ｔ_sは、当該場面の登録日からの現在までの経過時間による点数である。登録日が新しいものほど、０に近いものとする。

例えば、ユーザが広島へ旅行中の場合、広島駅改札を出たところで「興味場面提示」ボタンを押下すると、ＧＰＳによる位置情報から場所名として「広島駅」、行動として「旅行」が取得され、ユーザ行動モデルから旅行に関わるすべてのカテゴリの確率を用いて、式(1)を用いて興味場面の優先度を計算し、興味場面が提示される。図１０を用いて説明すると、行動「旅行」のときにユーザの求めるカテゴリ確率が図１０（ａ）のように設定されているとすると、図１０（ｂ）の場面の優先度は、ID_P2が６０、 ID_Q5が６０、ID_R3が４０となる。このとき、ユーザは当初の旅行の目的、例えば原爆記念館、以外にも、過去に興味があったが忘れてしまっていた広島に関係する情報、例えば、好きな有名人が薦めていたお好み焼き屋などの情報、を受け取ることが可能になる。

また、メールで「今から帰ります。」という文章を送信したとすると、メール送受信を入力として、行動解析部を起動し、「帰り」というキーワードと生活圏内の位置情報をもとに、ユーザ行動モデルで「帰宅」に関わるすべてのカテゴリの確率を取得し、同様の計算を行って、興味場面を提示する。図１０を用いて説明すると、行動「帰宅」のときに図１０（ａ）のユーザの求めるカテゴリ確率を用いて、図１０（ｂ）の各場面の優先度を計算すると、ID_Q5の優先度が３５、ID_S4の優先度が３５、ID_T1の優先度が５０、ID_U2の優先度が３５となる。このとき、帰宅時はいつも本屋に寄っていたが、過去に気になった映画の情報などが提示されると、レンタルショップへ寄って行くこということが可能になる。

提示された情報に対するユーザの評価を用いて、ユーザ行動モデルに格納されているカテゴリの確率を変化させる機能を追加してもよい。例えば、提示された情報に対して、ユーザの端末で表示された興味場面を閲覧する操作を行ったか否かによって、カテゴリの確率を増減させる。計算方法としては、例えば、選択された場面に登録されているカテゴリの確率のみ１．１倍し、他のカテゴリを確率の総和を一定値に保つように均等に減算する。図１０で、行動「旅行」時にID_Q5を閲覧すると、ID_Q5に登録されているカテゴリである「人物」「場所」「飲食店」の確率値を1.1倍する。つまり、「人物」「場所」「飲食店」の確率がそれぞれ２２となる。そして、すべての確率値の総和を１００に保つように、すべての確率の和、つまり、今の場合、1.06ですべてのカテゴリの確率を割り、小数点第１位までを確率値とする。結果として、「人物」「場所」「飲食店」が20.7となり、「観光地」が37.7となる。このとき、総和が99.8となってしまうので、残りの0.2を最も確率値の高いものに加算する。今の場合、「観光地」が最も高いので、「観光地」を37.9とする。増減の計算方法はこれに限らず、ユーザの評価のフィードバックを行えればよい。

もしくは、事前に定義された確率分布（ガウス分布、混合ガウス分布など）を用いて、カテゴリの確率を繰り返し推定するとしてもよい。

提示された興味場面は、インターネットなどのネットワークを介して、当該ユーザ以外のユーザに対して提示するとしてもよい。また、ＵＳＢメモリなどの外部記憶媒体に記録し、他ユーザと共有できるとしてもよい。このとき、興味場面の映像データを共有するとしてもよいし、場面ＩＤや当該場面のサムネイルのみを共有するとしてもよい。

本実施例では、ユーザが興味を持った場面はすべて登録しておくとしているが、登録後一定時間を経過したら自動的に削除される機能を追加してもよい。この場合、削除されるまでの時間は、事前に設定されていてもよいし、ユーザ自身が設定してもよい。

以下、上記実施例を拡張した場合について説明する。

[実施例２]
図１１は、キーワード辞書とユーザ行動モデルを組み合わせる処理部を持つ情報提示システムの構成例を示す図である。端末１１１０のキーワード辞書１１１５に登録されているカテゴリと、端末１１２０のユーザ行動履歴１１２１に基づいて生成されたユーザ行動モデル１１２３に登録されている行動が対応付けられていない場合に、両者を対応付ける学習を行うのが行動・カテゴリ組合せ学習部１１２２である。その他の構成については、実施例１の図１の構成と同様である。

実施例１と同様に、興味場面抽出部１１３において、興味場面情報が抽出される。興味場面登録部１１１４では、図１２のように、興味場面中に含まれるキーワードを文脈や同時出現確率などから、クラスタリングを行い、グループ分けを行う。クラスタリングには、次式(3)で定義される類似度を用いる。

ｄ_ijは、キーワードｉとキーワードｊの類似度である。Ｎ_ijは、キーワードｉとキーワードｊが同時に出現する場面数、Ｎ_iは、キーワードｉが出現する場面数である。興味場面の情報であるので、同時に出現するキーワードは意味としては異なる可能性が高いため、ｄ_ijが低いものを意味的に近いものとしてクラスタリングを行う。ｄ_ijが低い組を見つけ出して、それらをグループとして生成する。その際、グループの数を設定しておくとしてもよいし、グループの数は、グループ内の類似度の最大値をしきい値として設定しておき、しきい値以下のものをグループとしてもよい。

こうして生成されたグループを、図１３のように、カテゴリとしてキーワード辞書１１１５に登録する。このようにして生成されたキーワード辞書に基づいて、図１４のように、興味場面を登録する。

次に、ユーザ行動履歴１１２１から行動・カテゴリ組合せ学習部１１２２において、ユーザ行動モデル１１２３を生成する処理について詳細に説明する。

ユーザ行動履歴１１２１の構成例と行動の抽出方法のイメージ図を図１５に示す。図１５（ａ）の表には、ＧＰＳの位置情報や電子マネーによる商品購入、メール操作、ｗｅｂ閲覧などの入力（図中のinput）が同時に行われる確率が格納されている。例えば、Ｖ₁₂はinput１とinput２が同時に行われる確率である。同時に行われる確率は、例えば、式(4)のように計算される。

Ｖ_ijは、inputｉとinputｊの同時に起こる確率である。Ｄ_ijは、inputｉとinputｊが同時に入力された回数、Ｄ_iは、inputｉが入力された回数である。
これらの同時入力の中で、確率が高い、起こりやすい組み合わせのものだけを抽出し、それらを行動（図１５（ａ）中のaction）として登録する。これらの処理はバックグラウンドで行われるものとしてもよいし、蓄積されたデータを定期的に処理するものとしてもよい。

次に、同時に起こった入力の組み合わせから行動を抽出する方式について説明する。例えば、「駅の改札を通過した」という入力と、「国分寺駅」というＧＰＳなどから得られる位置情報を同時に保持しておくことによって、図１５（ａ）の入力行動が同時に起こった確率表が生成される。input１が「改札通過」、input２が「国分寺駅」とすると、Ｖ₁₂には同時に起こった確率を登録する。Ｖ_iiは１であり、Ｖ_ij＝Ｖ_jiとなるので、メモリ上では、Ｖ_ij（ｉ≦ｊ）のみを格納する。この表を用いて、同時に起こる確率の高い入力の組み合わせを行動（action）として設定する。その際、行動として設定する確率値の閾値は、予め設定しておくこととする。同時に入力される入力は、２つに限らず、３つ以上、もしくは単一としてもよい。単一の入力の場合には、事前に入力を行動と一対一に対応させる。生成された行動とinputの対応表が図１５（ｂ）である。ここで、「同時に入力される」とは、予め設定された時間内の入力であり、例えば、駅の改札を通過してから、レストランで購買行動をとる、というような時間的に連続した入力の組合せとしてもよい。

以上のように、生成された場面のカテゴリと行動をユーザ行動モデル１１２３に格納する。ユーザ行動モデル１１２３の構成例を図１６（ａ）に示す。システム稼働時における確率の初期値は、等確率でもよいし、ランダムに設定されるとしてもよい。実施例１と同様に、興味場面提示を行い、ユーザによる評価値をフィードバックし、行動と場面カテゴリを結合する確率値を学習していく（図１６（ｂ））。

評価値のフィードバックの方式について説明する。図１３のように生成されたアイテムカテゴリと、図１６のように生成された行動とを対応づける確率値の初期値を与える。実施例１と同様に、ユーザ行動モデルに登録されたアイテムカテゴリの確率値を用いて、興味場面情報の優先度を計算し、上位数件の興味場面情報を提示する。提示された情報をユーザが選択したかどうか、の入力を用いて、式(5)のように、選択された興味場面情報に含まれるアイテムカテゴリの当該行動における確率値を増加させ、式(6)のように、選択されなかった情報に含まれるアイテムカテゴリの確率値を減少させる。

ここで、ｗ_ijは行動Ａ_iにおけるカテゴリｊの確率であり、ｗ*_ijは更新された確率、Ｃ₊は選択されたカテゴリｋの増加率（１＜Ｃ₊＜２）、Ｃ_-は選択されなかったカテゴリｊの減少率（０＜Ｃ_-＜１）である。この際、確率値の総和は一定値に保たれるものとするので、式(7)のように、確率値の和を一定値に保つ処理を行う。

このような評価値のフィードバックを行うことによって、図１６（ａ）のように、ユーザに適した確率値が登録されることになる。

上記では、場面カテゴリと行動は、一度生成されると変化しないようにしたが、新しい番組情報の挿入や、ユーザの端末操作の複雑化によって、新しい場面カテゴリと新しい行動が更新されてもよい。図１２に示したようなクラスタリングの処理を定期的に行うものとし、図１５（ａ）に示したようなユーザ行動履歴は定期的に再計算する。そして、図１５（ｂ）のような行動生成も定期的に行うものとする。その場合も、行動・カテゴリ組合せ学習部１１２２によって、ユーザ行動モデルにおけるアイテムカテゴリの確率値が学習され、ユーザは適切な興味場面を取得することが可能となる。

また、上記のように生成されたキーワード辞書とユーザ行動モデルは、インターネットなどのネットワークを介して、当該ユーザ以外の他ユーザと共有し、他ユーザのキーワード辞書とユーザ行動モデルを用いて、興味場面提示を行うとしてもよい。また、ＵＳＢメモリなどの外部記憶媒体を用いて共有するとしてもよい。

[実施例３]
図１７は、キーワード辞書１７１５とユーザ行動モデル１７２１をサーバ１７３０において管理する情報提示システムの構成例を示す図である。

サーバ１７３０はキーワード辞書編集部１７３１とユーザ行動編集部１７３２を持つ。キーワード辞書編集部１７３１によって、キーワード辞書１７１５が編集され、編集されたキーワード辞書１７１５によって、各ユーザの端末１７１０の興味場面登録情報データベース１７１６が生成される。このような編集は、サーバ管理者が行うとしてもよく、複数ユーザによるものでもよい。また、ユーザ行動編集部１７３２において、ユーザ行動モデル１７２１が編集され、編集されたユーザ行動モデル１７２１によって行動解析部１７２２はユーザの求める場面カテゴリの情報を抽出する。このような編集も、サーバ管理者が行うとしてもよく、複数ユーザによるものでもよい。ここでいう編集とは、カテゴリの追加や削除なども指す。その他の構成については、実施例１の図１の構成と同様である。

サーバ１７３０におけるキーワード辞書編集と、ユーザ行動編集について説明する。ユーザはインターネットを介してサーバ１７３０にいつでも接続でき、ユーザ行動モデル１７２１のユーザ行動とキーワードのカテゴリを自由に設定する。その際、ユーザ行動は、「購買行動」「メール操作」「ｗｅｂ閲覧」などといったものと、場所名などの位置情報との組み合わせとして用意しておくものとする。キーワードは、興味場面情報データベースからすべて抽出してあるものとする。

例えば、図１８（ａ）のように、ユーザ行動において「ｗｅｂ閲覧」と「国分寺駅」との同時入力を「ひまつぶし」という行動と設定し、キーワードのカテゴリを「アミューズメント」として、カテゴリ確率をキーワードに自由に設定する（図１８（ｂ））。ユーザは、編集したユーザ行動モデルをサーバからインターネットなどを介してダウンロードすることによって、実際の行動時に新たな興味場面情報を取得することが可能となる。

また、複数ユーザによるインターネット上のコミュニティサイト上で、編集したものをダウンロードできるようにしてもよい。他ユーザの編集したユーザ行動モデルを共有することによって、行動とキーワードカテゴリの新たな組み合わせを発見することが可能となる。

また、サーバ１７３０において編集されたキーワード辞書は、端末１７１０にダウンロードし、外部記憶装置に記録・保存することとしてもよい。

図１９は、オントロジデータベース１９２１とユーザ行動定義部１９３１を追加した情報提示システムの構成例を示す図である。

オントロジデータベース１９２１は、カテゴリの意味的な関連付けが登録されているデータベースである。その構成例を図２０に示す。キーワードと場面カテゴリに意味的な上位下位関係が登録されており、場面カテゴリと行動の意味的な関連付けも登録されている。これに基づき、ユーザ行動定義部１９３１はユーザ行動モデル１９３２を生成する。その他の構成については、実施例１の図１の構成と同様である。

オントロジデータベースを用いて、ユーザ行動モデルの行動とユーザの求めるカテゴリの確率値は、行動に関連のあるカテゴリで総和が１００となるように初期値を設定する。例えば、行動Ａ１に対して、カテゴリＸ１、Ｘ２が定義されているとすると、各カテゴリの初期値は５０と設定する。そして、上記のような確率値の学習を行い、ユーザに最適なユーザ行動モデルを学習する。

本願発明は、例えばＤＶＤレコーダ、ＴＶ等の家庭向け映像機器や、テレビ機能付のパソコン、ＰＤＡや携帯電話等の情報機器、ネット配信番組を再生するセットトップボックス等に適用できる。

１１０端末
１１１番組情報データベース
１１２視聴履歴データベース
１１３興味場面抽出部
１１４興味場面登録部
１１５キーワード辞書
１１６興味場面登録情報データベース
１１７興味場面提示部
１１８表示方式決定部
１２０端末
１２１ユーザ行動モデル
１２２行動解析部
１２３表示部

Claims

携帯端末の表示部を通じ、ユーザに情報を提示する情報提示装置において、
番組の場面を一意に特定する場面ＩＤ及びキーワードを含む番組情報を蓄積する番組情報データベースと、
ユーザが興味を持った番組の場面で操作入力した時刻と前記場面を一意に特定する前記場面ＩＤとを含むユーザの番組視聴履歴を蓄積する視聴履歴データベースと、
キーワードとカテゴリの対応関係を記録した辞書と、
前記視聴履歴データベースと前記番組情報データベースを用いてユーザが興味を持った番組の場面を一意に特定する前記場面ＩＤと前記場面ＩＤに付随する前記番組情報中のキーワードとを抽出する興味場面抽出部と、
前記興味場面抽出部によって抽出された前記場面ＩＤに付随する前記番組情報中のキーワードを前記辞書に従ってカテゴリ別に分類し、分類されたカテゴリ別のキーワードを対応する場面ＩＤに関連づけて興味場面登録情報データベースに登録する興味場面登録部と、
携帯端末からカテゴリを含む情報の入力を受け、前記興味場面登録情報データベースから前記入力されたカテゴリに適合する興味場面を前記場面ＩＤを通じて検索し、検索結果に対応する情報を前記番組情報データベースから読み出して前記携帯端末に提供する興味場面提供部と
を有することを特徴とする情報提示装置。
請求項１記載の情報提示装置において、情報表示方式を変換する情報表示方式決定部を有し、前記情報表示方式決定部は前記興味場面提供部によって検索された興味場面の表示方式を前記携帯端末から通知のあった携帯端末のタイプに応じて変換して前記携帯端末に送信することを特徴とする情報提示装置。
請求項１又は２記載の情報提示装置において、前記興味場面提供部は、複数のカテゴリとカテゴリ毎の確率に関する情報の入力を受け、前記興味場面登録部に登録された興味場面が複数存在する場合に提供する場面の順番を決定する優先度を計算することを特徴とする情報提示装置。
請求項１又は２記載の情報提示装置において、前記興味場面登録情報データベースには興味場面の登録日が記録され、前記興味場面提供部は、登録日の新しい興味場面について、検索結果に対応する興味場面が複数存在する場合に提供する場面の順番を決定する優先度を上げる計算を行うことを特徴とする情報提示装置。
請求項１又は２記載の情報提示装置において、前記興味場面登録情報データベースには興味場面の登録日が記録され、前記興味場面登録部は登録後一定時間が経過した興味場面の情報を削除することを特徴とする情報提示装置。
請求項１又は２記載の情報提示装置において、前記辞書は、場所の名称と座標との対応関係も記録していることを特徴とする情報提示装置。
請求項１又は２記載の情報提示装置において、前記辞書は、ネットワーク経由で複数のユーザと共有することを特徴とする情報提示装置。
請求項１又は２記載の情報提示装置において、前記辞書は外部記憶装置に記録され、複数のユーザとネットワーク経由で共有することを特徴とする情報提示装置。
請求項１又は２記載の情報提示装置において、前記興味場面抽出部によって抽出された興味場面に含まれるキーワードを複数のクラスタにクラスタリングし、各クラスタをそれぞれカテゴリとして登録することで前記辞書を作成することを特徴とする情報提示装置。
請求項１又は２記載の情報提示装置と共に用いられる携帯端末であって、
行動の種類と当該行動の種類に対応する複数のカテゴリ毎の確率を格納したユーザ行動モデルと、
前記ユーザ行動モデルから、行動の種類を与える最新の入力に対応するカテゴリ毎の確率を取得し、前記情報提示装置に送信する行動解析部と、
前記情報提示装置から送信された興味場面を表示する表示部と
を有することを特徴とする携帯端末。
請求項１０記載の携帯端末において、前記表示部に表示された興味場面を閲覧したとき、前記最新の入力に対応するカテゴリの確率のうち当該興味場面に登録されているカテゴリと共通するカテゴリの確率を増加させ、他のカテゴリの確率を減少させることを特徴とする携帯端末。
請求項１０記載の携帯端末において、前記ユーザ行動モデルは、ネットワーク経由で複数のユーザと共有することを特徴とする携帯端末。
請求項１０記載の携帯端末において、前記ユーザ行動モデルは外部記憶装置に記録され、複数のユーザとネットワーク経由で共有することを特徴とする携帯端末。
請求項１０記載の携帯端末において、前記情報提示装置に設けられる辞書は前記興味場面抽出部によって抽出された興味場面に含まれるキーワードを複数のクラスタにクラスタリングし、各クラスタをそれぞれカテゴリとして登録することで作成されたものであり、前記辞書に登録されたキーワードと同時に起こりやすい行動の組み合わせを抽出する行動・カテゴリ組合せ学習部を有することを特徴とする携帯端末。
請求項１４記載の携帯端末において、前記行動・カテゴリ組合せ学習部は、ユーザの操作履歴から同時に起こりやすい操作の組み合わせを特徴的な行動として抽出することを特徴とする携帯端末。
請求項１５記載の携帯端末において、前記行動・カテゴリ組合せ学習部は、ユーザが当該場面で実施した操作内容をユーザの評価と関連付けることで、前記特徴的な行動に対応する各カテゴリの確率値を学習することを特徴とする携帯端末。