JP5461058B2 - レコメンド情報生成装置、端末装置、レコメンド情報生成方法及びレコメンド情報提示システム - Google Patents

Description

本発明は、レコメンド情報生成装置、端末装置、レコメンド情報生成方法及びレコメンド情報提示システムに関する。

従来より、ユーザの嗜好を推定し、ユーザが所望すると推定される情報を提供するための手法として、協調フィルタリングがある。協調フィルタリングは、ユーザが過去に購入した商品や参照した記事等に関する履歴を蓄積しておき、そのユーザと趣味及び嗜好が類似している他のユーザを抽出し、抽出された他のユーザの履歴に蓄積されている商品及び記事等をレコメンド情報として提供するする技術である（例えば、非特許文献１参照）。

B Sarwar, G Karypis, JKonstan, J Reidl: Item-based. collaborative filtering recommendationalgorithms, Proceedings of the 10th international conference on World Wide Web,2001.

ユーザの嗜好性は、そのユーザが置かれている状況により異なる場合がある。例えば、ユーザが仕事場にいるのか、または自宅にいるのかといった場所に関する状況、また、朝であるのか、または夜であるのかといった時間帯に関する状況により、ユーザの所望する情報に関する嗜好は異なる。ユーザの状況ごとにユーザが種々の情報にアクセスした履歴を蓄積しておき、その状況ごとに協調フィルタリングを適用することにより、ユーザの状況に応じたレコメンド情報の提供は可能である。しかしながら、ユーザの状況に関する定義が細分化されて行われた場合において、一の状況に属する履歴の量が少なくなる。協調フィルタリングでは、十分な量の履歴が存在しない場合には、ユーザの嗜好の推定精度が低下する。

そこで、本発明は、かかる問題点に鑑みてなされたものであり、ユーザの各種情報に対するアクセスの履歴に基づく協調フィルタリングにおいて、ユーザの状況に応じたレコメンド情報の提供を可能とするレコメンド情報生成装置、端末装置及びレコメンド情報生成方法を提供することを目的とする。

上記課題を解決するために、本発明のレコメンド情報生成装置は、ユーザの端末装置に提示するためのコンテンツを含むレコメンド情報を生成するレコメンド情報生成装置であって、ユーザによる一のコンテンツの評価履歴に関する情報であって、当該一のコンテンツの評価値、及び評価時における当該ユーザの状況を表すユーザ状況情報を含む評価履歴情報を記憶する評価履歴記憶手段と、端末装置から送信された評価履歴情報を取得し、評価履歴記憶手段に記憶させる履歴収集手段と、コンテンツを提示する対象のユーザである要求ユーザの現在の状況を表す要求ユーザ状況情報を含むレコメンド要求を受信するレコメンド要求受信手段と、要求ユーザにより評価され評価履歴情報が評価履歴記憶手段に記憶されている一のコンテンツである評価済コンテンツの評価履歴情報である要求ユーザ評価履歴情報を履歴記憶手段から抽出し、抽出した要求ユーザ評価履歴情報に含まれるユーザ状況情報と、レコメンド要求受信手段により受信された要求ユーザ状況情報との状況類似度を算出する状況類似度計算手段と、要求ユーザ評価履歴情報に含まれる評価値、及び状況類似度計算手段により算出された状況類似度に基づいて、要求ユーザの現在の状況における評価済コンテンツの評価値である補正評価値を計算する補正評価値計算手段と、複数のコンテンツから、補正評価値計算手段により計算された補正評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成するレコメンドコンテンツ抽出手段と、評価履歴記憶手段に記憶されている複数のユーザによるコンテンツ毎の評価値に基づいて、コンテンツ間の類似度であるコンテンツ間類似度を計算するコンテンツ間類似度計算手段と、要求ユーザにより評価された評価履歴情報が評価履歴記憶手段に記憶されていない一のコンテンツである未評価コンテンツと評価済コンテンツとのコンテンツ間類似度計算手段により計算されたコンテンツ間類似度と、補正評価値計算手段により計算された当該評価済コンテンツの補正評価値とに基づいて、当該未評価コンテンツの評価値である類推評価値を計算する類推評価値計算手段とを備え、レコメンドコンテンツ抽出手段は、複数のコンテンツから、補正評価値計算手段により計算された補正評価値または類推評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成することを特徴とする。
また、未評価コンテンツの評価値である類推評価値が、コンテンツ間類似度を用いることにより、評価済コンテンツの補正評価値に基づいて算出されるので、過去に評価をした履歴が存在しないコンテンツに関する評価値が得られる。コンテンツ間類似度は、複数のユーザの評価値に基づいて求められたものであるので、要求ユーザと嗜好の似ている他のユーザの嗜好が反映された類推評価値が得られる。そして、算出された類推評価値または補正評価値の高いコンテンツを含むレコメンド情報が生成されるので、ユーザの状況に応じたレコメンド情報の提供が可能となる。

また、上記課題を解決するために、本発明のレコメンド情報生成方法は、ユーザの端末装置に提示するためのコンテンツを含むレコメンド情報を生成するレコメンド情報生成装置におけるレコメンド情報生成方法であって、ユーザによる一のコンテンツの評価履歴に関する情報であって、当該一のコンテンツの評価値、及び評価時における当該ユーザの状況を表すユーザ状況情報を含み、端末装置から送信された評価履歴情報を取得し、評価履歴情報を記憶する評価履歴記憶手段に記憶させる履歴収集ステップと、コンテンツを提示する対象のユーザである要求ユーザの現在の状況を表す要求ユーザ状況情報を含むレコメンド要求を受信するレコメンド要求受信ステップと、要求ユーザにより評価され評価履歴情報が評価履歴記憶手段に記憶されている一のコンテンツである評価済コンテンツの評価履歴情報である要求ユーザ評価履歴情報を履歴記憶手段から抽出し、抽出した要求ユーザ評価履歴情報に含まれるユーザ状況情報と、レコメンド要求受信ステップにおいて受信した要求ユーザ状況情報との状況類似度を算出する状況類似度計算ステップと、要求ユーザ評価履歴情報に含まれる評価値、及び状況類似度計算ステップにおいて算出された状況類似度に基づいて、要求ユーザの現在の状況における評価済コンテンツの評価値である補正評価値を計算する補正評価値計算ステップと、複数のコンテンツから、補正評価値計算ステップにおいて計算された補正評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成するレコメンドコンテンツ抽出ステップと、要求ユーザにより評価された評価履歴情報が評価履歴記憶手段に記憶されていない一のコンテンツである未評価コンテンツと評価済コンテンツとの間のコンテンツ間類似度と、補正評価値計算ステップにおいて計算された当該評価済コンテンツの補正評価値とに基づいて、当該未評価コンテンツの評価値である類推評価値を計算する類推評価値計算ステップであって、コンテンツ間類似度は、評価履歴記憶手段に記憶されている複数のユーザによるコンテンツ毎の評価値に基づいて計算される、類推評価値計算ステップと、複数のコンテンツから、補正評価値計算ステップにおいて計算された補正評価値または類推評価値計算ステップにおいて計算された類推評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成するレコメンドコンテンツ抽出ステップとを有することを特徴とする。

また、上記課題を解決するために、本発明の端末装置は、レコメンド情報を取得して、レコメンド情報に含まれるコンテンツをユーザに提示する端末装置であって、ユーザの状況を表すユーザ状況情報を取得するユーザ状況情報取得手段と、ユーザによる一のコンテンツの評価値、及び当該一のコンテンツの評価時においてユーザ状況情報取得手段により取得された当該ユーザのユーザ状況情報を含む評価履歴情報を送信する履歴情報送信手段と、ユーザ状況情報取得手段により取得された現在におけるユーザ状況情報を含むレコメンド要求を送信するレコメンド要求送信手段と、レコメンド要求に応じて返信されたレコメンド情報に含まれるコンテンツをユーザに対して表示するレコメンドコンテンツ表示手段とを備えることを特徴とする。

また、上記課題を解決するために、本発明のレコメンド情報提示システムは、ユーザの端末装置と、該端末装置からのレコメンド要求に応じて端末装置に提示するためのコンテンツを含むレコメンド情報を生成するレコメンド情報生成装置とからなるレコメンド情報提示システムであって、端末装置は、端末装置のユーザの状況を表すユーザ状況情報を取得するユーザ状況情報取得手段と、ユーザによる一のコンテンツの評価値、及び当該一のコンテンツの評価時においてユーザ状況情報取得手段により取得された当該ユーザのユーザ状況情報を含む評価履歴情報をレコメンド情報生成装置に送信する履歴情報送信手段と、ユーザ状況情報取得手段により取得された現在におけるユーザ状況情報を含むレコメンド要求をレコメンド情報生成装置に送信するレコメンド要求送信手段と、レコメンド要求に応じて返信されたレコメンド情報に含まれるコンテンツをユーザに対して表示するレコメンドコンテンツ表示手段とを備え、レコメンド情報生成装置は、評価履歴情報を記憶する評価履歴記憶手段と、端末装置から送信された評価履歴情報を取得し、評価履歴記憶手段に記憶させる履歴収集手段と、コンテンツを提示する対象のユーザである要求ユーザの端末装置から送信されたレコメンド要求を受信するレコメンド要求受信手段と、要求ユーザにより評価され評価履歴情報が評価履歴記憶手段に記憶されている一のコンテンツである評価済コンテンツの評価履歴情報である要求ユーザ評価履歴情報を履歴記憶手段から抽出し、抽出した要求ユーザ評価履歴情報に含まれるユーザ状況情報と、レコメンド要求受信手段により受信されたレコメンド要求に含まれるユーザ状況情報との状況類似度を算出する状況類似度計算手段と、要求ユーザ評価履歴情報に含まれる評価値、及び状況類似度計算手段により算出された状況類似度に基づいて、要求ユーザの現在の状況における評価済コンテンツの評価値である補正評価値を計算する補正評価値計算手段と、複数のコンテンツから、補正評価値計算手段により計算された補正評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成するレコメンドコンテンツ抽出手段と、レコメンドコンテンツ抽出手段により生成されたレコメンド情報を端末装置に送信するレコメンド情報送信手段と、評価履歴記憶手段に記憶されている複数のユーザによるコンテンツ毎の評価値に基づいて、コンテンツ間の類似度であるコンテンツ間類似度を計算するコンテンツ間類似度計算手段と、要求ユーザにより評価された評価履歴情報が評価履歴記憶手段に記憶されていない一のコンテンツである未評価コンテンツと評価済コンテンツとのコンテンツ間類似度計算手段により計算されたコンテンツ間類似度と、補正評価値計算手段により計算された当該評価済コンテンツの補正評価値とに基づいて、当該未評価コンテンツの評価値である類推評価値を計算する類推評価値計算手段とを備え、レコメンドコンテンツ抽出手段は、複数のコンテンツから、補正評価値計算手段により計算された補正評価値または類推評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成することを特徴とする。

本発明のレコメンド情報生成装置、端末装置、レコメンド情報提示システム及びレコメンド情報生成方法では、レコメンド情報を提供する対象の要求ユーザの現在の状況を表す要求ユーザ状況情報と、評価済コンテンツの評価時におけるユーザのユーザ状況情報との類似度を用いることにより、評価済コンテンツの評価値に基づいて補正評価値が算出されるので、ユーザの現在の状況に応じた評価済コンテンツに関する評価値が得られる。そして、算出された補正評価値の高いコンテンツを含むレコメンド情報が生成されるので、ユーザの状況に応じたレコメンド情報の提供が可能となる。

また、本発明のレコメンド情報生成装置では、ユーザ状況情報は、コンテンツの評価時における時刻に関する情報及び当該ユーザの居所に関する情報を含むことを特徴とする。この場合には、ユーザ状況情報は、ユーザの状況を適切に反映したものとなる。

また、本発明のレコメンド情報生成装置では、要求ユーザ評価履歴情報に含まれるユーザ状況情報及び要求ユーザ状況情報は、それぞれ多次元のベクトルにより表され、状況類似度計算手段は、要求ユーザ評価履歴情報に含まれるユーザ状況情報を表すベクトルと、要求ユーザ状況情報を表すベクトルとの類似度を算出して状況類似度とすることを特徴とする。この場合には、評価履歴記憶手段に記憶されている評価履歴情報の評価時におけるユーザの状況と、現在におけるユーザの状況との類似度が、適切に算出される。

また、本発明のレコメンド情報生成装置では、補正評価値計算手段は、要求ユーザ評価履歴情報に含まれる評価値に、状況類似度計算手段により算出された状況類似度を乗じて補正評価値を計算することを特徴とする。この場合には、ユーザの現在の状況が適切に反映された補正評価値を得ることが可能となる。

また、本発明のレコメンド情報生成装置では、コンテンツ間類似度計算手段は、コンテンツ毎の複数のユーザによる評価値をベクトル化したユーザ評価ベクトルを生成し、生成されたユーザ評価ベクトルの類似度を計算してコンテンツ間類似度とすることを特徴とする。この場合には、複数のユーザにより同様の評価をされるコンテンツ間では、高い類似度が算出されるので、ユーザの評価が反映された適切なコンテンツ間類似度が算出される。

また、本発明のレコメンド情報生成装置では、類推評価値計算手段は、未評価コンテンツと評価済コンテンツとの間のコンテンツ間類似度を当該評価済コンテンツの補正評価値に乗じて、当該未評価コンテンツの類推評価値を計算することを特徴とする。この場合には、ユーザの嗜好が適切に反映された類推評価値を得ることが可能となる。

本発明のレコメンド情報生成装置及びレコメンド情報生成方法によれば、ユーザの現在の状況に応じた評価済コンテンツに関する評価値が得られ、かかる評価値に基づいて、ユーザの状況に応じたレコメンド情報の提供が可能となる。

レコメンド情報提示システムの構成を示す図である。 レコメンド情報生成装置の機能的構成を示すブロック図である。 レコメンド情報生成装置のハードブロック図である。 端末装置の機能的構成を示すブロック図である。 評価履歴記憶部から抽出した評価履歴情報の一部、並びにユーザの状況類似度及び補正評価値の計算例を示す図である。 コンテンツ間類似度の計算例を示す図である。 コンテンツ毎に計算された現在評価値を示す図である。 レコメンド情報生成装置において行われるコンテンツ間類似度の計算処理を示すフローチャートである。 レコメンド情報生成装置において行われる補正評価値及び類推評価値の計算処理を示すフローチャートである。

本発明の実施形態に係るレコメンド情報提示システム、レコメンド情報生成装置及び端末装置について図面を参照して説明する。なお、可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。

図１は、実施形態に係るレコメンド情報提示システムの構成を示す図である。図１に示すレコメンド情報提示システム１００は、レコメンド情報生成装置１及び端末装置２を含み、レコメンド情報生成装置１と端末装置２とは種々の通信手段により通信可能に構成されている。なお、図１では、１つの端末装置２が示されているが、その数は１つには限られず、さらに多数であってもよい。

レコメンド情報生成装置１は、ユーザの端末装置２に提示するためのコンテンツを含むレコメンド情報を生成する装置である。また、端末装置２は、レコメンド要求をレコメンド情報生成装置１に送信して、レコメンド要求に応じてレコメンド情報生成装置１から返信されたレコメンド情報を取得して、レコメンド情報に含まれるコンテンツをユーザに提示する装置である。レコメンド要求は、端末装置２のユーザの現在の状況に適した種々の情報の送信をレコメンド情報生成装置１に要求するものである。

図２は、レコメンド情報生成装置１の機能的構成を示すブロック図である。レコメンド情報生成装置１は、機能的には、履歴収集部１０（履歴収集手段）、評価履歴記憶部１１（評価履歴記憶手段）、レコメンド要求受信部１２（レコメンド要求受信手段）、状況類似度計算部１３（状況類似度計算手段）、補正評価値計算部１４（補正評価値計算手段）、コンテンツ間類似度計算部１５（コンテンツ間類似度計算手段）、類推評価値計算部１６（類推評価値計算手段）、コンテンツ記憶部１７、レコメンドコンテンツ抽出部１８（レコメンドコンテンツ抽出手段）及びレコメンド情報送信部１９（レコメンド情報送信手段）を備える。

また、図３は、レコメンド情報生成装置１のハードウエア構成図である。レコメンド情報生成装置１は、物理的には、図３に示すように、ＣＰＵ１０１、主記憶装置であるＲＡＭ１０２及びＲＯＭ１０３、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１０４、ハードディスク、フラッシュメモリ等の補助記憶装置１０５、入力デバイスであるキーボード及びマウス等の入力装置１０６、ディスプレイ等の出力装置１０７などを含むコンピュータシステムとして構成されている。図２に示した各機能は、図３に示すＣＰＵ１０１、ＲＡＭ１０２等のハードウエア上に所定のコンピュータソフトウェアを読み込ませることにより、ＣＰＵ１０１の制御のもとで通信モジュール１０４、入力装置１０６、出力装置１０７を動作させるとともに、ＲＡＭ１０２や補助記憶装置１０５におけるデータの読み出し及び書き込みを行うことで実現される。以下、図２を用いて、レコメンド情報生成装置１の各機能部について詳細に説明する。

履歴収集部１０は、ユーザによる一のコンテンツの評価履歴に関する情報であって、当該コンテンツの評価値、及び評価時における当該ユーザの状況を表すユーザ状況情報を含む評価履歴情報を、ユーザの端末装置２から取得し、評価履歴記憶部１１に記憶させる部分である。なお、ユーザ状況情報については後述する。

評価履歴記憶部１１は、履歴収集部１０により取得された評価履歴情報を記憶する記憶手段である。

レコメンド要求受信部１２は、端末装置２から送信されたレコメンド要求を受信する部分である。レコメンド要求は、当該レコメンド要求の送信元である端末装置２のユーザ（以下、「要求ユーザ」とする）の、現在の状況を表すユーザ状況情報（以下、「要求ユーザ状況情報」とする）を含む。現在の状況とは、即ち、レコメンド要求の送信時の状況を指す。レコメンド要求受信部１２は、要求ユーザを識別するユーザＩＤと併せて、要求ユーザ状況情報を状況類似度計算部１３に送出する。

状況類似度計算部１３は、要求ユーザにより評価され、その評価結果である評価履歴情報が評価履歴記憶部１１に記憶されているコンテンツ（以下、「評価済コンテンツ」とする）の評価履歴情報（以下、「要求ユーザ評価履歴情報」とする）を履歴記憶手段から抽出し、抽出した要求ユーザ評価履歴情報に含まれるユーザ状況情報と、レコメンド要求受信部１２から送出された要求ユーザ状況情報との状況類似度を計算する部分である。即ち、状況類似度計算部１３は、各評価済コンテンツの評価時における要求ユーザの状況と、レコメンド要求の送信時における要求ユーザの状況との類似の程度を計算する部分である。図５を用いて、状況類似度の計算の一例を具体的に説明する。

状況類似度計算部１３は、図５に示すように、要求ユーザのユーザＩＤ「Ｙ１１」をキーとして、評価履歴記憶部１１から要求ユーザ評価履歴情報１１ａを抽出する。要求ユーザ評価履歴情報１１ａは、コンテンツＩＤ、履歴日時、評価値及びユーザ状況情報（ベクトル）を含む。コンテンツＩＤは、コンテンツを識別する情報である。履歴日時は、当該評価履歴情報が評価履歴記憶部１１に記憶された日時を表す。評価値は、ユーザによる当該コンテンツの有用度を数値化したものである。ユーザ状況情報は、当該コンテンツの評価時における要求ユーザの状況を示すものであり、ここでは５次元のベクトルで表される。ユーザ状況情報のベクトルによる表し方については後述する。

続いて、状況類似度計算部１３は、要求ユーザ状況情報と、各コンテンツのユーザ状況情報との類似度を計算する。要求ユーザ状況情報を表すベクトルを、要求ユーザ状況情報ベクトルｃｓとすると、以下の式（１）のように表される。

式（１）において、ｓ_ｋはベクトルの要素、ｄはベクトルの次元数を表す。各コンテンツのユーザ評価情報を表すベクトルをユーザ評価情報ベクトルＳ_ｎとすると、ベクトルＳ_ｎも上記ベクトルｃｓと同様の多次元のベクトルで表される。なお、ベクトルＳ_ｎにおけるｎは、評価履歴情報の数を表す。そして、要求ユーザ状況情報ベクトルｃｓとユーザ評価情報ベクトルＳ_ｎとの類似度ｓｉｍ（ｃｓ，Ｓ_ｎ）は、式（２）で表される。

要求ユーザ状況情報が、例えば要求ユーザ状況情報ベクトルｃｓ＝（１，０，１，１，１）で表され、コンテンツＩＤ「Ｉ０１」のユーザ状況情報ベクトルＳ_ｎ＝（１，０，１，０，０）との類似度を計算する場合には、図５に示す表のカラム１１ｂに示すような類似度ｓｉｍ（ｃｓ，Ｓ_ｎ）＝０．７が算出される。他の要求ユーザ評価履歴情報についても同様に状況類似度１１ｂが算出される。このように算出された状況類似度１１ｂは、評価履歴記憶部１１に記憶されている評価履歴情報の評価時における要求ユーザの状況と、現在における要求ユーザの状況との類似度が、適切に反映されたものとなる。そして、状況類似度計算部１３は、計算した状況類似度を補正評価値計算部１４に送出する。

補正評価値計算部１４は、要求ユーザ評価履歴情報に含まれる評価値、及び状況類似度計算部１３により算出された状況類似度に基づいて、補正評価値を計算する部分である。補正評価値は、要求ユーザの現在の状況における評価済コンテンツの評価値である。具体的には、補正評価値計算部１４は、要求ユーザ評価履歴情報１１ａに含まれる各コンテンツの評価値Ｒに、状況類似度計算部１３から取得した状況類似度を乗じて補正評価値ＥＶを計算する。即ち、補正評価値ＥＶは、要求ユーザの現在の状況ｃｓにおける評価値である。補正評価値ＥＶは、以下に示す式（３）で表される。

式（３）において、ｕはユーザＩＤ、ｉはコンテンツＩＤ、Ｎはコンテンツｉの評価履歴情報の総数を表す。即ち、同一のコンテンツについて複数の評価履歴情報が存在する場合には、当該コンテンツの補正評価値として、複数の評価履歴情報から算出された補正評価値の平均値が採用されることとなる。例えば、図５において、１月２日に記憶されたコンテンツＩＤ「Ｉ０２」の評価値Ｒは０．２であるので、補正評価値ＥＶは、図５に示す表のカラム１１ｃに示すように、０．１４（０．２×０．７）となる。また、１月３日に記憶されたコンテンツＩＤ「Ｉ０２」の評価値Ｒは０．４であるので、補正評価値ＥＶは、図５に示す表のカラム１１ｃに示すように、０．２８（０．４×０．７）となる。従って、コンテンツＩＤ「Ｉ０２」の補正評価値ＥＶは、図５に示す表のカラム１１ｄに示すように、０．２１（（０．１４＋０．２８）／２）となる。１月１日に記憶されたコンテンツＩＤ「Ｉ０１」の補正評価値ＥＶ「０．７」、及び１月４日に記憶されたコンテンツＩＤ「Ｉ０３」の補正評価値ＥＶ「０．４２」も同様に算出される。補正評価値計算部１４は、算出した補正評価値ＥＶを類推評価値計算部１６に送出する。

コンテンツ間類似度計算部１５は、評価履歴記憶部１１に記憶されている複数のユーザによるコンテンツ毎の評価値に基づいて、コンテンツ間の類似度であるコンテンツ間類似度を計算する部分である。具体的には、コンテンツ間類似度計算部１５は、コンテンツ毎の複数のユーザによる評価値をベクトル化したユーザ評価ベクトルを生成し、生成されたユーザ評価ベクトルの類似度を計算してコンテンツ間類似度とする。このように算出されたコンテンツ間類似度は、ユーザの評価が反映された適切なコンテンツ間類似度となる。以下に、図６を用いて、コンテンツ間類似度の計算の一例を具体的に説明する。

コンテンツ間類似度計算部１５は、図６（ａ）に示すように、評価履歴記憶部１１から、コンテンツＩＤ毎の複数ユーザによる評価値Ｒを抽出する。そして、コンテンツ間類似度計算部１５は、式（４）に示すようなユーザ評価ベクトルｉＲ_ｉを生成する。

式（４）において、ｉはコンテンツＩＤ、ｕはユーザＩＤ、Ｕはユーザ数を表す。図６（ａ）に示す例では、コンテンツＩＤ「Ｉ０１」のユーザ評価ベクトルは、ｉＲ_Ｉ０１＝（１，１，１，３）と表される。

続いて、コンテンツ間類似度計算部１５は、コンテンツ間類似度を以下の式（５）により計算する。

式（５）において、ｉは未評価コンテンツのコンテンツＩＤ、ｉ´評価済コンテンツのコンテンツＩＤを表す。図６（ｂ）に示す例では、コンテンツＩＤ「Ｉ０１」のコンテンツと、コンテンツＩＤ「Ｉ０２」のコンテンツとのコンテンツ間類似度ｓｉｍ（ｉＲ_Ｉ０１，ｉＲ_Ｉ０２）は、０．６５７５となる。コンテンツ間類似度計算部１５は、計算したコンテンツ間類似度を類推評価値計算部１６に送出する。

類推評価値計算部１６は、未評価コンテンツと評価済コンテンツとのコンテンツ間類似度と、補正評価値計算部１４により計算された評価済コンテンツの補正評価値とに基づいて、当該未評価コンテンツの評価値である類推評価値を計算する部分である。未評価コンテンツは、要求ユーザにより評価された評価履歴情報が評価履歴記憶部１１に記憶されていないコンテンツである。未評価コンテンツと評価済コンテンツとのコンテンツ間類似度は、コンテンツ間類似度計算部１５から取得することができる。

具体的には、類推評価値計算部１６は、未評価コンテンツと評価済コンテンツとの間のコンテンツ間類似度を評価済コンテンツの補正評価値に乗じて、当該未評価コンテンツの類推評価値を計算する。このように計算することにより、ユーザの嗜好が適切に反映された類推評価値を得ることが可能となる。類推評価値Ｐ_ｕ，ｉは、以下の式（６）により表される。

図５に示す例では、ユーザＹ１１によるコンテンツＩ０４の評価履歴情報は存在しないので、ユーザＹ１１に関するコンテンツＩ０４の類推評価値を計算する例を以下に説明する。

図５に示す表のカラム１１ｄより、コンテンツＩ０１，Ｉ０２，Ｉ０３の補正評価値ＥＶはそれぞれ以下のようになる。
ＥＶ_{Ｙ１１，Ｉ０１}＝０．７ ・・・（７）
ＥＶ_{Ｙ１１，Ｉ０２}＝０．２１ ・・・（８）
ＥＶ_{Ｙ１１，Ｉ０３}＝０．４２ ・・・（９）
そして、図６（ｂ）より、コンテンツＩ０４とコンテンツＩ０１，Ｉ０２，Ｉ０３とのコンテンツ間類似度はそれぞれ以下のようになる。
ｓｉｍ（ｉＲ_Ｉ０４，ｉＲ_Ｉ０１）＝０．５９５９ ・・・（１０）
ｓｉｍ（ｉＲ_Ｉ０４，ｉＲ_Ｉ０２）＝０．８９５６ ・・・（１１）
ｓｉｍ（ｉＲ_Ｉ０４，ｉＲ_Ｉ０３）＝０．４４５２ ・・・（１２）

従って、上記式（７）〜（１２）より、ユーザＹ１１に関するコンテンツＩ０４の類推評価値Ｐ_{Ｙ１１，Ｉ０４}は、以下の式（１３）のように算出される。
Ｐ_{Ｙ１１，Ｉ０４}＝（０．５９５９×０．７＋０．８９５６×０．２１＋０．４４５２×０．４２）／（０．５９５９＋０．８９５６＋０．４４５２）＝０．４０９

以上のように求められた、ユーザＹ１１の現在の状況に応じた評価値である現在評価値を図７に示す。現在評価値は、補正評価値または類推評価値からなる。コンテンツＩ０１，Ｉ０２，Ｉ０３は、ユーザＹ１１が評価を行い、評価履歴情報が評価履歴記憶部１１に存在する評価済コンテンツであるので、図７に示すコンテンツＩ０１，Ｉ０２，Ｉ０３の評価値は、補正評価値計算部１４により計算された補正評価値である。また、コンテンツＩ０４は、ユーザＹ１１による評価履歴情報が評価履歴記憶部１１に存在しない未評価コンテンツであるので、図７に示すコンテンツＩ０４の評価値は、類推評価値計算部１６により計算された類推評価値である。類推評価値計算部１６は、図７に示すような各コンテンツの評価値をレコメンドコンテンツ抽出部１８に送出する。

コンテンツ記憶部１７は、種々のコンテンツをコンテンツＩＤに対応付けて記憶している記憶手段である。

レコメンドコンテンツ抽出部１８は、複数のコンテンツから、当該複数のコンテンツに関する現在評価値の高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成する部分である。例えば、抽出するコンテンツの所定数が２つに予め設定されており、図７に示すような現在評価値を取得した場合には、レコメンドコンテンツ抽出部１８は、コンテンツＩ０１及びコンテンツＩ０３を抽出し、これらのコンテンツを含むレコメンド情報を生成する。そして、レコメンドコンテンツ抽出部１８は、生成したレコメンド情報をレコメンド情報送信部１９に送出する。

レコメンド情報送信部１９は、レコメンドコンテンツ抽出部１８により生成されたレコメンド情報を、要求ユーザの端末装置２に送信する部分である。

次に、図４を用いて、端末装置２の各機能部について詳細に説明する。図４は、端末装置２の機能的構成を示すブロック図である。端末装置２は、機能的には、履歴情報送信部２０（履歴情報送信手段）、ユーザ状況情報取得部２１（ユーザ状況情報取得手段）、レコメンド要求送信部２２（レコメンド要求送信手段）及びレコメンドコンテンツ表示部２３（レコメンドコンテンツ表示手段）を備える。端末装置２は、例えば携帯電話といった移動端末装置により構成され、レコメンド情報生成装置１と同様のハードウエア構成を備えるコンピュータシステムにより構成される。

履歴情報送信部２０は、ユーザによるコンテンツの評価値、及び当該コンテンツの評価時においてユーザ状況情報取得部２１により取得された当該ユーザのユーザ状況情報を含む評価履歴情報を、レコメンド情報生成装置１に送信する部分である。コンテンツの評価値は、例えば、端末装置２のユーザにより入力されることとしてもよいし、端末装置２が備える種々の計測手段により計測された値（例えば、当該コンテンツの閲覧時間）を換算した値を評価値としてもよい。

ユーザ状況情報取得部２１は、端末装置２のユーザの状況を取得して、取得したユーザの状況から、ユーザ状況情報を生成する部分である。ユーザの状況は、例えば、ユーザが家または会社にいるのかといった居所に関する情報、一人でいるのか大勢でいるのかといった情報、及び朝、昼、夜のいずれの時間帯であるのかといった時刻に関する情報により表される。ユーザ状況情報は、これらのユーザの種々の状況をベクトル化したものである。このようなベクトルを生成することにより、ユーザ状況情報は、ユーザの状況を適切に反映したものとなる。

ユーザ状況情報を例えば、（家，会社，一人，大勢，朝，昼，夜）といった７次元のベクトルとして定義し、各要素に該当する場合は１とし、該当しない場合は０とすることにより、ユーザの状況をベクトルにより表すことが可能となる。例えば、あるユーザが、「午前７時に家に一人」でいる場合には、ユーザ状況情報のベクトルは、（１，０，１，０，１，０，０）となる。なお、ここでは、ユーザ状況情報が７次元のベクトルである場合を説明したが、ベクトルの次元数はこれには限られない。上記したレコメンド情報生成装置１の各機能部の説明においては、ユーザ状況情報が５次元のベクトルである場合について説明している。

端末装置２は、居所に関する情報を、例えば端末装置２に内蔵されたＧＰＳ装置や、通信のための基地局等から取得した情報から取得することができる。また、端末装置２は、ユーザが一人でいるか、大勢でいるかといった情報を、例えばユーザによる明示的な入力、近距離通信手段により他端末装置を検出したか否かといった情報から取得することができる。さらに、端末装置２は、時刻に関する情報を、例えば端末装置２が有する時計の機能等から取得することができる。

ユーザ状況情報取得部２１は、以上説明したように取得したユーザ状況情報を履歴情報送信部２０またはレコメンド要求送信部２２に送信する。

レコメンド要求送信部２２は、レコメンド情報生成装置１に対して、レコメンド情報の送信を要求するためのレコメンド要求を送信する部分である。レコメンド要求は、当該レコメンド要求の送信時におけるユーザ状況情報を含む。

レコメンドコンテンツ表示部２３は、レコメンド情報生成装置１より受信したレコメンド情報に含まれるコンテンツをユーザに表示するための部分である。

続いて、図８及び図９を用いて、本実施形態のレコメンド情報生成方法におけるレコメンド情報生成装置１の動作について説明する。図８は、レコメンド情報生成装置１において行われるコンテンツ間類似度を計算する処理を示すフローチャートである。

まず、コンテンツ間類似度計算部１５は、評価履歴記憶部１１に記憶されている複数のユーザによるコンテンツ毎の評価値に基づいて、ユーザ評価ベクトルｉＲ_ｉを生成する（Ｓ１）。ユーザ評価ベクトルｉＲ_ｉは、上記式（６）に例示される。

続いて、コンテンツ間類似度計算部１５は、ステップＳ１において生成されたユーザ評価ベクトルｉＲ_ｉの類似度を、上記式（５）を用いて計算することにより、コンテンツ間類似度を算出する（Ｓ２）。計算されたコンテンツ間類似度は、例えば図６（ｂ）に例示される。さらに、コンテンツ間類似度計算部１５は、計算したコンテンツ間類似度を類推評価値計算部１６に送出する。図８に示すコンテンツ間類似度を計算する処理は、所定の時間間隔で定期的に行われることとすることができる。

次に、図９に示すフローチャートを用いて、レコメンド情報生成装置１において行われるレコメンド情報を生成する処理を説明する。

まず、レコメンド要求受信部１２は、端末装置２のレコメンド要求送信部２２から送信されたレコメンド要求を受信することにより、要求ユーザの現在の状況を表す要求ユーザ状況情報を取得する（Ｓ１０）。要求ユーザ状況情報を表すベクトルは、上記式（１）に示す形式で表され、図５に示す表のカラム１１ｂの項目欄に例示される。レコメンド要求受信部１２は、要求ユーザを識別するユーザＩＤと共に、要求ユーザ状況情報を状況類似度計算部１３に送出する。

次に、状況類似度計算部１３は、要求ユーザによるコンテンツの評価履歴である評価履歴情報を評価履歴記憶部１１から抽出し、取得する（Ｓ１１）。要求ユーザのユーザＩＤが「Ｙ１１」である場合には、例えば図５に示す要求ユーザ評価履歴情報１１ａが取得される。

続いて、状況類似度計算部１３は、ステップＳ１１において取得した要求ユーザ評価履歴情報１１ａから、一の評価済コンテンツを選択し（Ｓ１２）、選択した評価済コンテンツのユーザ状況情報Ｓ_ｎのベクトルと要求ユーザ状況情報のベクトルｃｓとの状況類似度を計算する（Ｓ１３）。状況類似度は、上記式（２）に例示される。そして、状況類似度計算部１３は、計算した状況類似度を補正評価値計算部１４に送出する。

次に、補正評価値計算部１４は、要求ユーザ評価履歴情報１１ａに含まれる評価値Ｒに、状況類似度計算部１３により算出された状況類似度を乗じることにより、補正評価値ＥＶを計算する（Ｓ１４）。補正評価値ＥＶの算出は、上記式（３）に例示される式により行われ、算出された補正評価値ＥＶの例は、図５に示す表のカラム１１ｄに例示される。

そして、ステップＳ１１において取得した要求ユーザ評価履歴情報１１ａに含まれる全ての評価済コンテンツについて、ステップＳ１２〜Ｓ１４の処理が実施される（Ｓ１５）。ここまでの処理を実施することにより、要求ユーザが過去に評価をしたことのある評価済コンテンツに関する、現在の状況に応じた評価値（補正評価値）が算出されることとなる。

次に、類推評価値計算部１６は、他ユーザによる評価履歴情報が評価履歴記憶部１１に存在し、要求ユーザによる評価履歴情報が評価履歴記憶部１１に記憶されていないコンテンツである未評価コンテンツから、一の未評価コンテンツを選択し（Ｓ１６）、当該未評価コンテンツと評価済コンテンツとのコンテンツ間類似度を、補正評価値計算部１４により計算された評価済コンテンツの補正評価値に乗じることにより、当該未評価コンテンツの評価値である類推評価値を計算する（Ｓ１７）。類推評価値の算出は、上記式（６）に例示する式により行われる。そして、全ての未評価コンテンツについて、ステップＳ１６〜Ｓ１７の処理が実施される（Ｓ１８）。こうして、未評価コンテンツに関する、現在の状況に応じた評価値（類推評価値）が算出されることとなる。そして、類推評価値計算部１６は、算出された全ての現在評価値（補正評価値、類推評価値）をレコメンドコンテンツ抽出部１８に送出する。ここでレコメンドコンテンツ抽出部１８に送出されるコンテンツごとの現在評価値は、図７に例示される。

レコメンドコンテンツ抽出部１８は、類推評価値計算部１６から送出されたコンテンツごとの現在評価値の高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成する（Ｓ１９）。例えば、抽出するコンテンツの所定数が２つに予め設定されており、図７に示すような現在評価値を取得した場合には、レコメンドコンテンツ抽出部１８は、コンテンツＩ０１及びコンテンツＩ０３を抽出し、これらのコンテンツを含むレコメンド情報を生成する。そして、レコメンドコンテンツ抽出部１８は、生成されたレコメンド情報をレコメンド情報送信部１９に送出する（Ｓ１９）。さらに、レコメンド情報送信部１９は、レコメンドコンテンツ抽出部１８から送出されたレコメンド情報を、要求ユーザの端末装置２に送信する（Ｓ１９）。端末装置２のレコメンドコンテンツ表示部２３は、ステップＳ１９において送信されたレコメンド情報を受信し、受信したレコメンド情報に含まれるコンテンツをユーザに表示する

続いて、以上説明したレコメンド情報生成装置１及びレコメンド情報生成方法の作用効果について説明する。本実施形態のレコメンド情報生成装置及びレコメンド情報生成方法では、レコメンド情報を提供する対象の要求ユーザの現在の状況を表す要求ユーザ状況情報がレコメンド要求受信部１２により取得され、評価済コンテンツの評価時における要求ユーザのユーザ状況情報と要求ユーザ状況情報との状況類似度が状況類似度計算部１３により計算され、評価済コンテンツの評価値に状況類似度を乗ずることにより補正評価値が算出されるので、ユーザの現在の状況に応じた評価済コンテンツに関する評価値が得られる。さらに、類推評価値計算部１６により、未評価コンテンツの評価値である類推評価値が、評価済コンテンツの補正評価値に、コンテンツ間類似度計算部１５により算出されたコンテンツ間類似度を乗ずることにより算出されるので、ユーザの現在の状況に応じた未評価コンテンツに関する評価値が得られる。そして、算出された類推評価値または補正評価値の高いコンテンツを含むレコメンド情報が生成されるので、ユーザの状況に応じたレコメンド情報の提供が可能となる。

１…レコメンド情報生成装置、２…端末装置、１０…履歴収集部、１１…評価履歴記憶部、１２…レコメンド要求受信部、１３…状況類似度計算部、１４…補正評価値計算部、１５…コンテンツ間類似度計算部、１６…類推評価値計算部、１７…コンテンツ記憶部、１８…レコメンドコンテンツ抽出部、１９…レコメンド情報送信部、２０…履歴情報送信部、２１…ユーザ状況情報取得部、２２…レコメンド要求送信部、２３…レコメンドコンテンツ表示部、１００…レコメンド情報提示システム。

Claims (8)

1. ユーザの端末装置に提示するためのコンテンツを含むレコメンド情報を生成するレコメンド情報生成装置であって、
   ユーザによる一のコンテンツの評価履歴に関する情報であって、当該一のコンテンツの評価値、及び評価時における当該ユーザの状況を表すユーザ状況情報を含む評価履歴情報を記憶する評価履歴記憶手段と、
   前記端末装置から送信された前記評価履歴情報を取得し、前記評価履歴記憶手段に記憶させる履歴収集手段と、
   コンテンツを提示する対象のユーザである要求ユーザの現在の状況を表す要求ユーザ状況情報を含むレコメンド要求を受信するレコメンド要求受信手段と、
   前記要求ユーザにより評価され前記評価履歴情報が前記評価履歴記憶手段に記憶されている一のコンテンツである評価済コンテンツの前記評価履歴情報である要求ユーザ評価履歴情報を前記履歴記憶手段から抽出し、抽出した前記要求ユーザ評価履歴情報に含まれる前記ユーザ状況情報と、前記レコメンド要求受信手段により受信された前記要求ユーザ状況情報との状況類似度を算出する状況類似度計算手段と、
   前記要求ユーザ評価履歴情報に含まれる評価値、及び前記状況類似度計算手段により算出された前記状況類似度に基づいて、前記要求ユーザの現在の状況における前記評価済コンテンツの評価値である補正評価値を計算する補正評価値計算手段と、
   複数のコンテンツから、前記補正評価値計算手段により計算された前記補正評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成するレコメンドコンテンツ抽出手段と、
   前記評価履歴記憶手段に記憶されている複数のユーザによるコンテンツ毎の評価値に基づいて、コンテンツ間の類似度であるコンテンツ間類似度を計算するコンテンツ間類似度計算手段と、
   前記要求ユーザにより評価された前記評価履歴情報が前記評価履歴記憶手段に記憶されていない一のコンテンツである未評価コンテンツと前記評価済コンテンツとの前記コンテンツ間類似度計算手段により計算されたコンテンツ間類似度と、補正評価値計算手段により計算された当該評価済コンテンツの前記補正評価値とに基づいて、当該未評価コンテンツの評価値である類推評価値を計算する類推評価値計算手段とを備え、
   前記レコメンドコンテンツ抽出手段は、複数のコンテンツから、前記補正評価値計算手段により計算された前記補正評価値または前記類推評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成する
   ことを特徴とするレコメンド情報生成装置。
2. 前記ユーザ状況情報は、前記コンテンツの評価時における時刻に関する情報及び当該ユーザの居所に関する情報を含むことを特徴とする請求項１に記載のレコメンド情報生成装置。
3. 前記要求ユーザ評価履歴情報に含まれる前記ユーザ状況情報及び前記要求ユーザ状況情報は、それぞれ多次元のベクトルにより表され、
   前記状況類似度計算手段は、前記要求ユーザ評価履歴情報に含まれる前記ユーザ状況情報を表すベクトルと、前記要求ユーザ状況情報を表すベクトルとの類似度を算出して前記状況類似度とする
   ことを特徴とする請求項１または２に記載のレコメンド情報生成装置。
4. 前記補正評価値計算手段は、
   前記要求ユーザ評価履歴情報に含まれる評価値に、前記状況類似度計算手段により算出された前記状況類似度を乗じて、前記補正評価値を計算する
   ことを特徴とする請求項１〜３のいずれか１項に記載のレコメンド情報生成装置。
5. 前記コンテンツ間類似度計算手段は、
   コンテンツ毎の複数のユーザによる評価値をベクトル化したユーザ評価ベクトルを生成し、生成されたユーザ評価ベクトルの類似度を計算してコンテンツ間類似度とすること
   を特徴とする請求項１〜４のいずれか１項に記載のレコメンド情報生成装置。
6. 前記類推評価値計算手段は、
   前記未評価コンテンツと前記評価済コンテンツとの間の前記コンテンツ間類似度を当該評価済コンテンツの前記補正評価値に乗じて、当該未評価コンテンツの類推評価値を計算する
   ことを特徴とする請求項１〜５のいずれか１項に記載のレコメンド情報生成装置。
7. ユーザの端末装置に提示するためのコンテンツを含むレコメンド情報を生成するレコメンド情報生成装置におけるレコメンド情報生成方法であって、
   ユーザによる一のコンテンツの評価履歴に関する情報であって、当該一のコンテンツの評価値、及び評価時における当該ユーザの状況を表すユーザ状況情報を含み、前記端末装置から送信された評価履歴情報を取得し、前記評価履歴情報を記憶する評価履歴記憶手段に記憶させる履歴収集ステップと、
   コンテンツを提示する対象のユーザである要求ユーザの現在の状況を表す要求ユーザ状況情報を含むレコメンド要求を受信するレコメンド要求受信ステップと、
   前記要求ユーザにより評価され前記評価履歴情報が前記評価履歴記憶手段に記憶されている一のコンテンツである評価済コンテンツの前記評価履歴情報である要求ユーザ評価履歴情報を前記履歴記憶手段から抽出し、抽出した前記要求ユーザ評価履歴情報に含まれる前記ユーザ状況情報と、前記レコメンド要求受信ステップにおいて受信した前記要求ユーザ状況情報との状況類似度を算出する状況類似度計算ステップと、
   前記要求ユーザ評価履歴情報に含まれる評価値、及び前記状況類似度計算ステップにおいて算出された前記状況類似度に基づいて、前記要求ユーザの現在の状況における前記評価済コンテンツの評価値である補正評価値を計算する補正評価値計算ステップと、
   前記要求ユーザにより評価された前記評価履歴情報が前記評価履歴記憶手段に記憶されていない一のコンテンツである未評価コンテンツと前記評価済コンテンツとの間のコンテンツ間類似度と、補正評価値計算ステップにおいて計算された当該評価済コンテンツの前記補正評価値とに基づいて、当該未評価コンテンツの評価値である類推評価値を計算する類推評価値計算ステップであって、前記コンテンツ間類似度は、前記評価履歴記憶手段に記憶されている複数のユーザによるコンテンツ毎の評価値に基づいて計算される、類推評価値計算ステップと、
   複数のコンテンツから、前記補正評価値計算ステップにおいて計算された前記補正評価値または類推評価値計算ステップにおいて計算された前記類推評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成するレコメンドコンテンツ抽出ステップと、
   を有することを特徴とするレコメンド情報生成方法。
8. ユーザの端末装置と、該端末装置からのレコメンド要求に応じて前記端末装置に提示するためのコンテンツを含むレコメンド情報を生成するレコメンド情報生成装置とからなるレコメンド情報提示システムであって、
   前記端末装置は、
   前記端末装置のユーザの状況を表すユーザ状況情報を取得するユーザ状況情報取得手段と、
   ユーザによる一のコンテンツの評価値、及び当該コンテンツの評価時において前記ユーザ状況情報取得手段により取得された当該ユーザのユーザ状況情報を含む評価履歴情報を前記レコメンド情報生成装置に送信する履歴情報送信手段と、
   前記ユーザ状況情報取得手段により取得された現在におけるユーザ状況情報を含むレコメンド要求を前記レコメンド情報生成装置に送信するレコメンド要求送信手段と、
   前記レコメンド要求に応じて返信されたレコメンド情報に含まれるコンテンツをユーザに対して表示するレコメンドコンテンツ表示手段とを備え、
   前記レコメンド情報生成装置は、
   前記評価履歴情報を記憶する評価履歴記憶手段と、
   前記端末装置から送信された前記評価履歴情報を取得し、前記評価履歴記憶手段に記憶させる履歴収集手段と、
   コンテンツを提示する対象のユーザである要求ユーザの前記端末装置から送信された前記レコメンド要求を受信するレコメンド要求受信手段と、
   前記要求ユーザにより評価され前記評価履歴情報が前記評価履歴記憶手段に記憶されている一のコンテンツである評価済コンテンツの前記評価履歴情報である要求ユーザ評価履歴情報を前記履歴記憶手段から抽出し、抽出した前記要求ユーザ評価履歴情報に含まれる前記ユーザ状況情報と、前記レコメンド要求受信手段により受信された前記レコメンド要求に含まれる前記ユーザ状況情報との状況類似度を算出する状況類似度計算手段と、
   前記要求ユーザ評価履歴情報に含まれる評価値、及び前記状況類似度計算手段により算出された前記状況類似度に基づいて、前記要求ユーザの現在の状況における前記評価済コンテンツの評価値である補正評価値を計算する補正評価値計算手段と、
   複数のコンテンツから、前記補正評価値計算手段により計算された前記補正評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成するレコメンドコンテンツ抽出手段と、
   前記レコメンドコンテンツ抽出手段により生成されたレコメンド情報を前記移動端末に送信するレコメンド情報送信手段と、
   前記評価履歴記憶手段に記憶されている複数のユーザによるコンテンツ毎の評価値に基づいて、コンテンツ間の類似度であるコンテンツ間類似度を計算するコンテンツ間類似度計算手段と、
   前記要求ユーザにより評価された前記評価履歴情報が前記評価履歴記憶手段に記憶されていない一のコンテンツである未評価コンテンツと前記評価済コンテンツとの前記コンテンツ間類似度計算手段により計算されたコンテンツ間類似度と、補正評価値計算手段により計算された当該評価済コンテンツの前記補正評価値とに基づいて、当該未評価コンテンツの評価値である類推評価値を計算する類推評価値計算手段とを備え、
   前記レコメンドコンテンツ抽出手段は、複数のコンテンツから、前記補正評価値計算手段により計算された前記補正評価値または前記類推評価値が高い順に所定数のコンテンツを抽出し、抽出されたコンテンツからなるレコメンド情報を生成する
   ことを特徴とするレコメンド情報提示システム。
   

Images