JP5469331B2 - レコメンド情報生成装置およびレコメンド情報生成方法 - Google Patents

Description

本発明は、ユーザに適したコンテンツを生成するレコメンド情報生成装置およびレコメンド情報生成方法に関する。

ユーザの特性に合致したレコメンド情報を配信する上で、そのレコメンド情報を抽出するための情報フィルタリング方式には、Ｃｏｎｔｅｎｔ−ｂａｓｅｄＦｉｌｔｅｒｉｎｇ方式が考えられている。この方式は、ユーザがＷｅｂページの閲覧などの行動を実行することにより、閲覧された対象文書を解析し、文書に含まれている単語（キーワード）を抽出し、そして、これらの単語を、ユーザごとに区別して、ユーザプロファイルといわれる興味・嗜好情報として記録する。ユーザプロファイルには、１つの興味の概念が表現され、この概念を利用してユーザに情報を提供することが考えられている。例えば、広告商品等に割り当てられたキーワードとユーザプロファイル（キーワードで表現された）とをマッチングすることにより適切な広告の推薦を可能とするシステムが一般的に知られている。

また、これに関連する技術として、特許文献１に記載されている技術が挙げられる。この特許文献１には、予め定められたレコメンド抽出ルールに従ってレコメンド情報を配信する配信先および配信すべきレコメンド情報を決定し、配信することが記載されている。
特開２００７−１４８８７８号公報

しかしながら、ユーザはユーザが置かれている状況により異なる嗜好を持つ場合がある。たとえば、職場でニュースをチェックする場合は、ユーザは仕事に関連した最新情報を確認する可能性が高く、家でニュースをチェックする場合は、ユーザは趣味に関連した最新情報を確認する可能性が高い。よって、ユーザの状況に応じてその嗜好が変わることから、正しくレコメンド情報を決定することができない。

特許文献１の手法を、これらの状況に応じたレコメンド情報を決定するように構成することも考えられる。例えば、状況ごとに履歴を格納しておき、状況ごとに嗜好を求めればよい。しかしながら、状況が非常に詳細に定義されている場合、すなわち状況の定義が多くなると、一つの状況に割り当てられる履歴の数が少なくなり、状況ごとの嗜好の推定精度が低下する、といった問題がある。

そこで、本発明は、ユーザの置かれている状況に応じたレコメンド情報を生成するレコメンド情報生成装置およ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。

上述の問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、アクセス時におけるユーザがおかれている状況を示す状況情報を含んだ履歴情報を取得する履歴情報取得手段と、前記履歴情報取得手段により取得された履歴情報を記憶する履歴情報記憶手段と、ユーザの状況情報を含んだレコメンド要求を受信するレコメンド要求受信手段と、前記レコメンド要求受信手段により受信された状況情報で示される状況と、前記履歴情報記憶手段に記憶された履歴情報で示される状況との間の類似度を計算する状況類似度計算手段と、前記状況類似度計算手段により計算された類似度に基づいて、履歴情報を並び替える履歴情報並替手段と、前記履歴情報並替手段により並び替えられた履歴情報の並び順に基づいて、ユーザの特徴を表すユーザ特徴ベクトルを計算するユーザ特徴ベクトル計算手段と、前記ユーザ特徴ベクトル計算手段により計算されたユーザ特徴ベクトルに基づいて、前記ユーザに対するレコメンド情報を生成する生成手段と、を備え、前記ユーザ特徴ベクトル計算手段は、前記履歴情報並替手段により並び替えられた履歴情報に示された各コンテンツの並び順に従った、当該各コンテンツの特徴ベクトルとユーザ特徴ベクトルとの内積値を算出することができるユーザ特徴ベクトルのうち最小のユーザ特徴ベクトルを計算することを特徴とする。

また、本発明のレコメンド情報生成方法は、アクセス時のユーザがおかれている状況を示す状況情報を含んだ履歴情報を取得する履歴情報取得ステップと、前記履歴情報取得ステップにより取得された履歴情報を履歴情報記憶手段に記憶する履歴情報記憶ステップと、ユーザの状況情報を含んだ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、前記レコメンド要求受信ステップにより受信された状況情報で示される状況と、前記履歴情報取得ステップにより取得された状況情報で示される状況と、前記履歴情報記憶手段に記憶された履歴情報で示される状況との間の類似度を計算する状況類似度計算ステップと、前記状況類似度計算ステップにより計算された類似度に基づいて、履歴情報を並び替える履歴情報並替ステップと、前記履歴情報並替ステップにより並び替えられた履歴情報の並び順に基づいて、ユーザの特徴を表すユーザ特徴ベクトルを計算するユーザ特徴ベクトル計算ステップと、前記ユーザ特徴ベクトル計算ステップにより計算されたユーザ特徴ベクトルに基づいて、前記ユーザに対するレコメンド情報を生成する生成ステップと、を備え、前記ユーザ特徴ベクトル計算ステップは、前記履歴情報並替ステップにより並び替えられた履歴情報に示された各コンテンツの並び順に従った、当該各コンテンツの特徴ベクトルとユーザ特徴ベクトルとの内積値を算出することができるユーザ特徴ベクトルのうち最小のユーザ特徴ベクトルを計算することを特徴とする。

この発明によれば、ユーザがおかれている状況情報を含んだ履歴情報を記憶しておく。そして、ユーザの状況情報を含んだレコメンド要求を受信すると、受信された状況情報で示される状況と、過去において記憶された履歴情報で示される状況との間の類似度を計算し、計算された類似度に基づいて、履歴情報を並び替え、並び替えられた履歴情報の並び順に基づいて、ユーザの特徴を表すユーザ特徴ベクトルを計算する。そして、計算されたユーザ特徴ベクトルに基づいて、ユーザに対するレコメンド情報を生成することができる。これにより、ユーザの状況に応じたユーザ特徴ベクトルを生成することができ、よって、ユーザの状況に応じたレコメンド情報を生成することができる。
さらに、並び替えられた履歴情報に示された各コンテンツの並び順に従った、当該各コンテンツの特徴ベクトルとユーザ特徴ベクトルとの内積値を算出することができるユーザ特徴ベクトルのうち最小のユーザ特徴ベクトルを計算することで、ユーザの状況にあった適切なユーザ特徴ベクトルを計算することができる。

また、本発明のレコメンド情報生成装置は、前記履歴情報記憶手段に記憶されている履歴情報の評価値を取得する履歴評価値取得手段をさらに備え、前記履歴情報並替手段は、前記履歴評価値取得手段により取得された評価値と、前記状況類似度計算手段により計算された状況類似度との乗算値の大きい順に履歴情報を並び替えることが好ましい。

この発明によれば、履歴情報に含まれている評価値と計算された状況類似度との乗算値の大きい順に履歴情報を並び替えることができ、よって、評価値を考慮したユーザ特徴ベクトルを計算し、適切なレコメンド情報を生成することができる。

また、本発明のレコメンド情報生成装置は、前記状況類似度計算手段により算出された類似度が所定値以下である場合には、前記履歴情報並替手段またはユーザ特徴ベクトル計算手段は、類似度が所定値以下となった履歴情報については、ユーザ特徴ベクトルの計算には用いないことが好ましい。

この発明によれば、算出された類似度が所定値以下である場合には、類似度が所定値以下となった履歴情報については、ユーザ特徴ベクトルの計算には用いないことができ、よりユーザの状況にあったユーザ特徴ベクトルを計算することができる。

本発明によれば、ユーザの状況に応じたユーザ特徴ベクトルを生成することができ、よって、ユーザの状況に応じたレコメンド情報を生成することができる。

添付図面を参照しながら本発明の実施形態を説明する。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、本実施形態の移動機および情報配信サーバのシステム全体を示すシステム構成図である。図１に示されているように、このシステムにおいては、移動機１００と情報配信サーバ２００とから構成されており、移動機１００が情報配信サーバ２００などからコンテンツの配信を受け、配信されたコンテンツを移動機１００において閲覧可能にさせることができる。

つぎに、移動機１００および情報配信サーバ２００の構成について説明する。図２は、移動機１００および情報配信サーバ２００の機能を示すブロック図である。図２に示すように、移動機１００は、履歴送信部１０、レコメンド要求送信部１２、状況推定部１４、およびレコメンド情報表示部１６を含んで構成されている。また、情報配信サーバ２００は、状況類似度計算部２０（状況類似度計算手段）、履歴ランキング部２２（履歴情報並替手段、履歴評価値取得手段）、ユーザ特徴ベクトル計算部２４（ユーザ特徴ベクトル計算手段）、コンテンツ並び替え部２６（生成手段）、履歴収集部２８（履歴情報取得手段）、レコメンド要求受信部３０(レコメンド要求受信手段)、コンテンツ送信部３２、ユーザ履歴管理ＤＢ４０（履歴情報記憶手段）、コンテンツ管理ＤＢ４２、およびユーザ特徴ベクトル管理ＤＢ４４を含んで構成されている。

これら移動機１００または情報配信サーバ２００は、図３に示されているハードウェア構成により実現される。図３は、情報配信サーバ２００のハードウェア構成図である。図２に示される情報配信サーバ２００は、物理的には、図３に示すように、ＣＰＵ２０１、主記憶装置であるＲＡＭ２０２及びＲＯＭ２０３、ディスプレイ等の出力装置２０５、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２０６、ハードディスク等の補助記憶装置２０７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において説明した各機能は、図３に示すＣＰＵ２０１、ＲＡＭ２０２等のハードウェ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、ＣＰＵ２０１の制御のもとで入力装置２０４、出力装置２０５、通信モジュール２０６を動作させるとともに、ＲＡＭ２０２や補助記憶装置２０７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。移動機１００についても同様なハードウェア構成をとるため、ここではその説明は省略する。以下、図２に示す機能ブロックに基づいて、各機能ブロックを説明する。

履歴送信部１０は、移動機１００における閲覧履歴、アクセス履歴などの履歴情報を情報配信サーバ２００に送信する部分である。履歴情報には、端末を特定する端末ＩＤ、コンテンツを特定するコンテンツＩＤ、ユーザにより評価されたコンテンツの評価値、および状況情報（状況ベクトル）が含まれている。これら処理はユーザの操作により、または所定周期によって、送信しても良いし、そのほか、所定のルールに従って送信するようにしてもよい。

レコメンド要求送信部１２は、ユーザの操作に従って、レコメンド情報の配信要求を情報配信サーバ２００に送信する部分である。レコメント要求には、端末ＩＤ、状況ベクトル、およびコンテンツ種別情報などが含まれている。

状況推定部１４は、移動機１００、すなわちユーザの置かれている状況を推定する部分である。例えば、ユーザがどこにいるのかを示す位置情報、現在の時刻、ユーザの周囲の状況（誰もいないのか、または何人かいるのかなど）を推定する部分である。位置情報は、ＧＰＳ技術などの周知の位置測位技術を用いて取得することができ、現時刻は内蔵するタイマによって取得することができる。また、ユーザの周囲の状況は、予め登録されているユーザ（携帯端末）のＧＰＳによる位置情報に基づいて、あるユーザの周囲にどのユーザがいるか判断することができる。また、温度センサ、振動センサなどによって、周囲の人の有無を判断したり、またはユーザが手入力により、周囲の状況を入力することができるようにしても良い。

レコメンド情報表示部１６は、情報配信サーバ２００から配信されたレコメンド情報を表示する部分である。

つぎに、情報配信サーバ２００について説明する。状況類似度計算部２０は、レコメンド要求受信部３０により受信されたレコメンド要求に含まれているユーザの状況情報と、過去において収集したユーザの履歴情報に含まれ、ユーザ履歴管理ＤＢ４０に記憶されているユーザの状況情報とを比較して、その状況の近さを示す類似度を計算する部分である。

この状況類似度計算部２０は、レコメンド要求受信部３０により受信されたレコメンド要求時のユーザの状況を示す状況情報と、ユーザ履歴管理ＤＢ４０に記憶されている履歴情報に含まれている状況情報との類似度を計算する部分である。

状況情報Ｃ_Ｔは、以下の式により表される。なお、T_n(node_i)は、履歴情報ｉの状況情報におけるｎ番目の状況を示す数値であり、例えば、０または１で示されるものである。例えば、図４の例では、T₁(node₁)＝０（状況パラメータのうち場所として家を示す欄）で示される。

また、レコメンド要求受信部３０により受信された履歴情報に含まれる状況情報は以下の通りである。

このように表された数式を用いて、状況類似度計算部２０は、レコメンド要求時における現在の状況情報と過去の状況情報との内積を計算することにより類似度ｃｌ_ｉを計算する。

履歴ランキング部２２は、ユーザ履歴管理ＤＢ４０に記憶されている履歴情報をランキング順に並び替える部分である。具体的には、履歴ランキング部２２は、ユーザ履歴管理ＤＢ４０から、履歴情報に対応付けられている評価値を取得し、状況類似度計算部２０により計算された類似度と、取得したコンテンツの評価値とを乗算することにより、優先度を算出し、算出した優先度の高い順にしたがって履歴情報を並び替える。なお、評価値は、ユーザにより入力された数値でもよいし、所定のルール、例えばコンテンツの閲覧時間が長いと評価値を高くするようなルールに基づいて算出された数値でもよい。また、評価値を用いることなく、類似度のみに基づいて履歴情報の並び替えをしてもよい。

ユーザ特徴ベクトル計算部２４は、現在のユーザの状況に基づいたユーザ特徴ベクトルを計算する部分であり、履歴ランキング部２２により算出された優先度したがって並び替えられた履歴情報を満たすように、ユーザ特徴ベクトルを計算する部分である。

例えば、履歴情報ｉ（ｉ＝１、２、３）があったとし、コンテンツnode_n評価値Ｈ（node_n）と類似度（状況の近さ）ｃｌ_ｉとを乗算することにより算出された優先度は以下の関係となったとする。

すなわち、履歴情報２は履歴情報１より優先度が高く、履歴情報１は履歴情報３より優先度が高い、と判断されている。

このように算出された各履歴情報の優先順位を満たすように、ユーザ特徴ベクトル計算部２４は、ユーザ特徴ベクトルを算出する。本実施形態では、Joachims らが提唱するRankingSVMという手法を用いて、ユーザ特徴ベクトルは算出される。すなわち、式（５）で示すように、所定の条件を満たしつつ、Ｖ（ｗ）が最小となる、ユーザ特徴ベクトルｗを算出する。ここでは、ベクトルｗがユーザ特徴ベクトル、ベクトルC_s(node_i)がnode_iにおけるコンテンツの特徴空間上におけるベクトルである。

上述式（５）により、C_s(node_i)間の順序関係を満たすように、ユーザ特徴ベクトル計算部２４は、ユーザ特徴ベクトルと各コンテンツ特徴ベクトル（node_１~node_３）との内積値とを不等号を用いた条件式（式（５）におけるSuject toで規定されている条件）を満たすユーザ特徴ベクトルのうち、最小のユーザ特徴ベクトルｗを計算することができる。すなわち、ユーザ特徴ベクトル計算部２４は、履歴ランキング部２２により並び替えられた履歴情報に示された各コンテンツの並び順に従った、当該各コンテンツの特徴ベクトルC_sとユーザ特徴ベクトルｗとの内積値を算出することができるユーザ特徴ベクトルのうち最小のユーザ特徴ベクトルｗを計算することができる。このRankingSVM手法は、以下の参考文献にその詳細が記載されており、ここではその説明を省略する。なお、上述の説明では、履歴情報を３つ用いているが、これに限定するものではなく、４つ以上でもよい。
［参考文献］ T. Joachims, Optimizing SearchEngines Using Clickthrough Data”, Proc. ACM SIGKDD Int’l Conf. Knowledge Discoveryand Data Mining (KDD02), ACM Press, pp.132-142, 2002.

コンテンツ並替部２６は、ユーザ特徴ベクトル計算部２４により計算されたユーザ特徴ベクトルと、コンテンツの特徴ベクトルとの内積を計算し、計算して得られた内積値の大きい順にコンテンツを並び替える部分である。

履歴収集部２８は、移動機１００から送信される閲覧履歴またはアクセス履歴などの履歴情報を状況情報とともに収集して、ユーザ履歴管理ＤＢ４０に記憶させる部分である。

レコメンド要求受信部３０は、移動機１００（レコメンド要求送信部１２）から送信されたレコメンド要求を受信する部分である。このレコメンド要求受信部３０が、移動機１００からのレコメンド要求を受信すると、その旨を状況類似度計算部２０、およびコンテンツ送信部３２に通知し、移動機１００のユーザの現在の状況に応じて並び替えなどして生成されたコンテンツをレコメンド情報として生成し、そしてこのレコメンド情報を送信するように処理を実行する。

コンテンツ送信部３２は、コンテンツ並替部２６において並び替えられたコンテンツリストをレコメンド情報として送信する部分である。

ユーザ履歴管理ＤＢ４０は、ユーザの閲覧履歴またはアクセス履歴を示すユーザ履歴情報を記憶するデータベースである。図４は、ユーザ履歴情報を示す説明図である。図４に示されるようにユーザ履歴情報は、閲覧またはアクセス日時を示す日時情報、閲覧またはアクセスされたコンテンツを特定する識別情報、コンテンツの評価、その閲覧またはアクセスしたときのユーザの置かれている状況を示す状況情報を対応付けて記述している。なお、評価値は、ユーザにより入力された数値でもよいし、所定のルール、例えばコンテンツの閲覧時間が長いと評価値を高くするようなルールに基づいて算出された数値でもよい。

また、状況情報は、上述履歴収集部２８にて収集された履歴情報に基づいて取得される。なお、図４に示すように、状況情報は、場所、時間、一緒に居る人の３つの項目により構成されており、場所は、自宅か、または会社か、を１または０で示している。また時間は、朝か夜かを同様に１または０にて示している。一緒にいる人は、一人であるか、同僚といっしょか、家族と一緒かをそれぞれ１または０で示している。

なお、ここでは、予め定めた基準に基づいて状況情報が規定されているが、これに限るものではなく、例えば、移動機１００の位置を定期的に収集しておき、これをクラスタリングすることにより、ｋ個のグループに分割し、この分割されたグループに基づいて状況情報を規定するようにしても良い。具体的には、クラスタリングすることにより位置ａ、位置ｂなどのグループに分けられたとすると、どのグループにいるときに、どのようなコンテンツの閲覧がなされたか、を示す履歴情報を生成するようにしても良い。

コンテンツ管理ＤＢ４２は、レコメンド情報として配信対象となるコンテンツの管理情報を記憶するデータベースである。図５は、コンテンツの管理情報を示す説明図である。図５に示すように、コンテンツを特定するための識別情報であるコンテンツＩＤと、各特徴ベクトルとが対応付けて記憶されている。特徴ベクトルの項目としては、ここでは、金融、旅行、ＴＶ（テレビ）などの項目が割り振られており、“１”が関連するもの、“０”が関連しないものとして特徴ベクトルが構成されている。

ユーザ特徴ベクトル管理ＤＢ４４は、計算されたユーザ特徴ベクトルを記憶する部分である。

コンテンツテーブル４６は、コンテンツの具体的な情報を記憶するデータベースである。図６は、コンテンツテーブルの記憶内容を示す説明図である。図６に示すように、コンテンツＩＤ、コンテンツのカテゴリ、コンテンツのタイトル、レコメンド配信情報として配信対象となるレコメンド本文が対応付けて記憶されている。

つぎに、このように構成された情報配信サーバ２００の処理について説明する。図７は、情報配信サーバ２００の処理を示すフローチャートである。レコメンド要求受信部３０により、レコメンド要求が受信される（Ｓ１０１）。そして、状況類似度計算部２０により、レコメンド要求受信部３０により受信されたレコメンド要求に含まれている、現在の状況を示す状況情報と、ユーザ履歴管理ＤＢ４０に記憶されている過去の状況である状況情報との間の類似度が計算される（Ｓ１０２）。つぎに、履歴ランキング部２２により、類似度と評価値との積から優先度が計算され、当該優先度の大きい順に履歴情報がランキングされる（Ｓ１０３）。

この優先度に基づいてランキング付けされた履歴情報に基づいて、ユーザ特徴ベクトル計算部２４により、ユーザ特徴ベクトルが計算される（Ｓ１０４）。そして、コンテンツ並替部２６により、ユーザ特徴ベクトルとコンテンツの特徴ベクトルとの内積が計算され、当該内積値の大きい順にコンテンツが並び替えられ（Ｓ１０５）、並び替えられたコンテンツはレコメンド情報として移動機１００に送信される（Ｓ１０６）。

このようにして、ユーザの閲覧したときのその周囲の状況の類似度合いを用いて、レコメンド情報を生成することができる。

つぎに、変形例について説明する。ユーザが現在見ているＷｅｂページをユーザの状況として取り扱うことも可能である。この場合には、Ｗｅｂページを形態素解析した結果得られた単語をユーザの状況を示す状況情報として扱い、単語ごとの重要度を状況の値として入力する。単語ごとの重要度は、TF-IDF値を計算することで可能になる。

また、類似度（状況の近さ）に閾値を設け、一定の閾値以下の類似度に対応する履歴情報については、嗜好の計算には用いないとすることで嗜好推定の精度が向上する可能性がある。例えば、式（３）における類似度が所定値以下である場合には、式（４）で示される条件に用いないこととしたり、また履歴ランキング部２２におけるランキング付けの対象としないこととする。これにより、上述の通り嗜好の推定の精度、すなわちユーザ特徴ベクトルの精度が向上することが期待できる。

つぎに、本実施形態の情報配信サーバ２００の作用効果について説明する。この情報配信サーバ２００において、履歴収集部２８が、ユーザがおかれている状況情報を含んだ履歴情報を取得し、ユーザ履歴管理ＤＢ４０は、取得された履歴情報を記憶する。レコメンド要求受信部３０が、レコメンド要求を受信すると、状況類似度計算部２０は、レコメンド要求に含まれている状況情報で示される状況と、ユーザ履歴管理ＤＢ４０に記憶されている過去において記憶された履歴情報で示される状況との間の類似度を計算する。履歴ランキング部２２は、計算された類似度に基づいて、履歴情報を並び替える。そして、ユーザ特徴ベクトル計算部２４は、並び替えられた履歴情報の並び順に基づいて、ユーザの特徴を表すユーザ特徴ベクトルを計算する。そして、コンテンツ並替部２６は、計算されたユーザ特徴ベクトルに基づいて、ユーザに対するレコメンド情報を生成することができる。これにより、ユーザの状況に応じたユーザ特徴ベクトルを生成することができ、よって、ユーザの状況に応じたレコメンド情報を生成することができる。

さらに、この情報配信サーバ２００において、履歴ランキング部２２は、履歴情報に含まれている評価値と計算された状況類似度との乗算値の大きい順に履歴情報を並び替えることができ、よって、評価値を考慮したユーザ特徴ベクトルを計算し、適切なレコメンド情報を生成することができる。

また、情報配信サーバ２００においては、ユーザ特徴ベクトル計算部２４は、履歴ランキング部２２により並び替えられた履歴情報に示された各コンテンツの並び順に従った、当該各コンテンツの特徴ベクトルとユーザ特徴ベクトルとの内積値を算出することができるユーザ特徴ベクトルのうち最小のユーザ特徴ベクトルを計算することで、ユーザの状況にあった適切なユーザ特徴ベクトルを計算することができる。

また、情報配信サーバ２００においては、状況類似度計算部２０により算出された類似度が所定値以下である履歴情報については、ユーザ特徴ベクトル計算部２４または履歴ランキング部２２は、履歴の並び替えの対象とせず、またユーザ特徴ベクトルの計算には用いないことができ、よりユーザの状況にあったユーザ特徴ベクトルを計算することができる。

本実施形態の移動機および情報配信サーバのシステム全体を示すシステム構成図である。 移動機１００および情報配信サーバ２００の機能を示すブロック図である。 情報配信サーバ２００のハードウェア構成図である。 ユーザ履歴情報を示す説明図である。 コンテンツの管理情報を示す説明図である。 コンテンツテーブルの記憶内容を示す説明図である。 情報配信サーバ２００の処理を示すフローチャートである。

符号の説明

１０…履歴送信部、１２…レコメンド要求送信部、１４…状況推定部、１６…レコメンド情報表示部、２０…状況類似度計算部、２２…履歴ランキング部、２４…ユーザ特徴ベクトル計算部、２６…コンテンツ並替部、２８…履歴収集部、３０…レコメンド要求受信部、３２…コンテンツ送信部、４０…ユーザ履歴管理ＤＢ、４２…コンテンツ管理ＤＢ、４４…ユーザ特徴ベクトル管理ＤＢ、４６…コンテンツテーブル、１００…移動機、２００…情報配信サーバ。

Claims (4)

1. アクセス時におけるユーザがおかれている状況を示す状況情報を含んだ履歴情報を取得する履歴情報取得手段と、
   前記履歴情報取得手段により取得された履歴情報を記憶する履歴情報記憶手段と、
   ユーザの状況情報を含んだレコメンド要求を受信するレコメンド要求受信手段と、
   前記レコメンド要求受信手段により受信された状況情報で示される状況と、前記履歴情報記憶手段に記憶された履歴情報で示される状況との間の類似度を計算する状況類似度計算手段と、
   前記状況類似度計算手段により計算された類似度に基づいて、履歴情報を並び替える履歴情報並替手段と、
   前記履歴情報並替手段により並び替えられた履歴情報の並び順に基づいて、ユーザの特徴を表すユーザ特徴ベクトルを計算するユーザ特徴ベクトル計算手段と、
   前記ユーザ特徴ベクトル計算手段により計算されたユーザ特徴ベクトルに基づいて、前記ユーザに対するレコメンド情報を生成する生成手段と、
   を備え、
   前記ユーザ特徴ベクトル計算手段は、
   前記履歴情報並替手段により並び替えられた履歴情報に示された各コンテンツの並び順に従った、当該各コンテンツの特徴ベクトルとユーザ特徴ベクトルとの内積値を算出することができるユーザ特徴ベクトルのうち最小のユーザ特徴ベクトルを計算することを特徴とするレコメンド情報生成装置。
2. 前記履歴情報記憶手段に記憶されている履歴情報の評価値を取得する履歴評価値取得手段をさらに備え、
   前記履歴情報並替手段は、前記履歴評価値取得手段により取得された評価値と、前記状況類似度計算手段により計算された状況類似度との乗算値の大きい順に履歴情報を並び替える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. 前記状況類似度計算手段により算出された類似度が所定値以下である場合には、前記履歴情報並替手段またはユーザ特徴ベクトル計算手段は、類似度が所定値以下となった履歴情報については、ユーザ特徴ベクトルの計算には用いない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. 履歴情報記憶手段を備え、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において、
   アクセス時のユーザがおかれている状況を示す状況情報を含んだ履歴情報を取得する履歴情報取得ステップと、
   前記履歴情報取得ステップにより取得された履歴情報を前記履歴情報記憶手段に記憶する履歴情報記憶ステップと、
   ユーザの状況情報を含んだ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、
   前記レコメンド要求受信ステップにより受信された状況情報で示される状況と、前記履歴情報取得ステップにより取得された状況情報で示される状況と、前記履歴情報記憶手段に記憶された履歴情報で示される状況との間の類似度を計算する状況類似度計算ステップと、
   前記状況類似度計算ステップにより計算された類似度に基づいて、履歴情報を並び替える履歴情報並替ステップと、
   前記履歴情報並替ステップにより並び替えられた履歴情報の並び順に基づいて、ユーザの特徴を表すユーザ特徴ベクトルを計算するユーザ特徴ベクトル計算ステップと、
   前記ユーザ特徴ベクトル計算ステップにより計算されたユーザ特徴ベクトルに基づいて、前記ユーザに対するレコメンド情報を生成する生成ステップと、
   を備え、
   前記ユーザ特徴ベクトル計算ステップは、
   前記履歴情報並替ステップにより並び替えられた履歴情報に示された各コンテンツの並び順に従った、当該各コンテンツの特徴ベクトルとユーザ特徴ベクトルとの内積値を算出することができるユーザ特徴ベクトルのうち最小のユーザ特徴ベクトルを計算することを特徴とするレコメンド情報生成方法。

Images