JP5482206B2 - 情報処理装置、情報処理方法およびプログラム - Google Patents

Description

本発明は、映像を含む番組の再生を行うと共にユーザの嗜好に基づいて推薦番組を判定する情報処理装置、情報処理方法およびプログラムに関する。

従来、例えば、テレビジョン放送やラジオ放送などにおいて、ユーザに対して番組を推薦する場合には、電子番組ガイド（ＥＰＧ：Electronic Program Guide）などの番組情報（番組メタデータ）を基に、ユーザの嗜好情報にマッチングする番組が選択された。ユーザへの番組の推薦方法は、ユーザ嗜好データの取得の方法によって異なり、例えば、初期にユーザの興味に関する情報を登録してもらい、その情報に基づいて、番組を推薦する初期興味登録方式、ユーザが過去に視聴した番組の履歴を利用して、番組を推薦する視聴履歴利用方式などの方法があった。

初期興味登録方式では、利用開始時に、例えば、好きな番組カテゴリー（例えば、ドラマ、バラエティ、など）、好きなジャンル（推理もの、お笑いもの、など）、または、好きなタレント名などをユーザに登録してもらい、これらの情報をキーワードとして、番組メタデータとの間でマッチングを取ることにより、推薦すべき番組名が取得されるようになされている。

しかしながら、初期登録方式を基に、番組を選択する場合、ユーザが初期登録を行った時期の固定的な興味しか反映できない上、詳細な情報を得るためには、ユーザの登録操作が複雑になってしまう。これに対して、初期設定の登録情報の入力操作を簡単にするために、登録される情報数を少なくしてしまった場合、大まかなユーザの嗜好情報を基にした推薦しかできないので、ユーザの嗜好に合致する番組が選択される精度が低いものとなってしまう。

これに対し、視聴履歴利用方式では、ユーザが番組を視聴するたびに、視聴された番組メタデータが蓄積され、ある程度、履歴メタデータが蓄積されると、そのメタデータが解析されて、例えば、好きな番組カテゴリー、好きなジャンル、または、好きなタレント名などの情報が取得される。そして、これらの情報をキーワードとして、番組メタデータとの間でマッチングを取ることにより、推薦すべき番組名が取得される。したがって、初期登録方式におけるようなユーザの面倒な登録操作が不要である。

また、視聴履歴利用方式として、番組の属性を、例えば、タイトル、ジャンル、出演者などの決められた属性項目毎のベクルト情報として表現する一方で、視聴履歴をもとに視聴者の嗜好を表す同様のベクトル情報を作成し、各々を比較して、視聴者の嗜好に合った番組を提示する技術が開示されている（例えば、特許文献１）。

特開２００１−１６０９５５号公報

ところで、家庭内では、様々なユーザが放送番組を視聴し、また、同時に視聴するユーザの数も様々である。しかし、視聴履歴を利用して番組を推薦する方式では、番組を同時に視聴するユーザの数が考慮されることない。このため、特定のユーザの嗜好が番組推薦の結果に過剰に反映される傾向が生じるなど、良好な推薦番組が得られない場合があった。

以上のような事情に鑑み、本発明の目的は、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を良好に行うことができ、良好な番組推薦結果を得ることのできる情報処理装置、情報処理方法およびプログラムを提供することにある。

上記目的を達成するため、本発明の一形態に係る情報処理装置は、ユーザにより選択された放送番組を受信し、再生する放送信号処理部と、前記再生された放送番組を視聴するユーザの数を視聴者人数として取得する視聴者情報取得部と、放送中の１以上の放送番組の特徴情報を取得する特徴情報取得部と、複数のユーザの嗜好を統合したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部と、少なくとも、前記再生された放送番組について前記特徴情報取得部により取得された特徴情報と前記視聴者情報取得部により取得された視聴者人数とをもとに、前記ユーザ嗜好情報記憶部に記憶されたユーザ嗜好情報の学習を行うユーザ嗜好情報作成部と、前記放送中の放送番組の中から前記ユーザ嗜好情報をもとに推薦番組を判定する推薦番組判定部とを具備する。

本発明では、ユーザ嗜好情報作成部が、ユーザ嗜好情報の学習において視聴者人数を加味し、視聴者人数が多い程、視聴中の放送番組の特徴情報をユーザ嗜好情報に大きく反映させる。これにより、特定のユーザの嗜好がユーザ嗜好ベクトルの学習に過剰に反映されることが回避される。その結果、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を良好に行うことができ、良好な番組推薦結果が得られる。例えば、家族のうちの一人だけが視聴している番組よりも、家族なかでより多くの人が好む番組を優先して推薦することが可能となる。

本発明は、前記再生された放送番組の再生時間を視聴時間として取得し、前記再生された放送番組の全時間長に対する前記視聴時間の割合を実視聴時間割合として取得する実視聴時間割合取得部をさらに具備し、前記ユーザ嗜好情報作成部は、前記再生された放送番組について前記取得された特徴情報と、前記視聴者情報取得部により取得された視聴者人数と、前記実視聴時間割合取得部により取得された実視聴時間割合とをもとに、前記ユーザ嗜好情報の学習を行うこととしてもよい。例えば、前記ユーザ嗜好情報作成部は、前記実視聴時間割合と前記視聴者人数とから重みを求め、この重みと前記放送番組の前記特徴情報とから前記ユーザ嗜好情報に対する学習用のデータを作成することとしてもよい。

ユーザ嗜好情報作成部により、放送番組の実視聴時間割合を考慮してユーザ嗜好情報の学習が行われるので、視聴される放送番組が途中でユーザによって切り換えられる場合でのユーザ嗜好情報の学習を良好に行うことができる。

本発明は、前記再生された放送番組を視聴中のユーザを撮像するための撮像部をさらに有し、前記視聴者情報取得部は、前記撮像された映像から前記視聴者人数を取得するようにしてもよい。これにより、視聴者人数を正しく、かつユーザからの視聴者人数の入力を要することなく取得することができる。正しく視聴者人数を取得できることによって、ユーザ嗜好情報の学習を良好に行うことができる。

また、前記視聴者情報取得部は、前記撮像された一定周期毎の映像から人の顔の部分を検出し、個々の映像の中から検出された顔部分の数の番組視聴終了時点までの平均値を前記視聴者人数として判定するようにしてもよい。これにより、視聴者人数の時間的な変動を考慮した、より妥当な視聴者人数が得られる。

本発明は、前記ユーザ嗜好情報作成部で前記学習が行われたことを前記視聴中のユーザに提示する手段をさらに有するものであってもよい。これにより、視聴中のユーザにどのタイミングで自分の嗜好が学習されたかを示すことが可能になり、番組推薦結果に対するユーザの信頼度向上を期待できる。

本発明において、前記視聴者情報取得部は、前記放送番組を視聴する複数のユーザをそれぞれ判別して当該複数のユーザの組み合わせとしてのユーザグループを判定し、前記ユーザ嗜好情報記憶部は、前記ユーザグループ毎の前記ユーザ嗜好情報を記憶し、前記ユーザ嗜好情報作成部は、前記判定されたユーザグループ毎の前記ユーザ嗜好情報の学習を行い、前記推薦番組判定部は、放送中の放送番組の中から、前記判定されたユーザグループの前記ユーザ嗜好情報をもとに推薦番組を判定するにしてもよい。これにより、複数のユーザの組み合わせとしてのユーザグループの単位でのユーザ嗜好情報の学習および放送番組の推薦を行うことができ、各々のユーザにとって、より妥当性の高い番組推薦結果が得られる。

本発明の別の形態に係る情報処理方法は、放送信号処理部が、ユーザにより選択された放送番組を受信して再生し、視聴者情報取得部が、前記再生された放送番組を視聴中のユーザの数を視聴者人数として取得し、特徴情報取得部が、放送中の１以上の放送番組の特徴情報を取得し、ユーザ嗜好情報作成部が、少なくとも、前記再生された前記放送番組について前記取得された特徴情報と前記取得された視聴者人数とをもとに、複数のユーザの嗜好を統合したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部に記憶された前記ユーザ嗜好情報の学習を行い、推薦番組判定部が、前記放送中の放送番組の中から前記ユーザ嗜好情報をもとに推薦番組を判定するというものである。

本発明の別の形態に係るプログラムは、ユーザにより選択された放送番組を受信し、再生する放送信号処理部と、前記再生された放送番組を視聴するユーザの数を視聴者人数として取得する視聴者情報取得部と、放送中の１以上の放送番組の特徴情報を取得する特徴情報取得部と、複数のユーザの嗜好を統合したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部と、少なくとも、前記再生された放送番組について前記特徴情報取得部により取得された特徴情報と前記視聴者情報取得部により取得された視聴者人数とをもとに、前記ユーザ嗜好情報記憶部に記憶されたユーザ嗜好情報の学習を行うユーザ嗜好情報作成部と、前記放送中の放送番組の中から前記ユーザ嗜好情報をもとに推薦番組を判定する推薦番組判定部としてコンピュータを動作させるものである。

以上のように本発明によれば、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を良好に行うことができ、良好な番組推薦結果を得ることができる。

本発明の第１の実施形態に係る情報処理装置を含むシステム全体の構成を示す図である。 第１の実施形態に係る情報処理装置の構成を示す図である。 放送信号処理部の構成を示す図である。 番組特徴量ベクトル算出の手順を示すフローチャートである。 ユーザ嗜好学習の手順を示すフローチャートである。 番組推薦の手順を示すフローチャートである。 第２の実施形態の情報処理装置の構成を示す図である。 ユーザグループ嗜好学習の手順を示すフローチャートである。 ユーザグループ番組推薦の手順を示すフローチャートである。 第１の実施形態の変形例である情報処理装置の構成を示す図である。 ユーザ嗜好学習結果の表示情報の例を示す図である。

以下、図面を参照しながら、本発明の実施形態を説明する。
＜第１の実施形態＞
［システムの構成］
図１は、本発明の一実施形態に係る情報処理装置を含むシステム全体の構成を示す図である。同図に示すように、本システムは、１以上の番組提供装置１と情報処理装置２とからなる。

番組提供装置１は、例えば、放送局や、ネットワーク上のサーバ装置などである。番組提供装置１は、例えば、地上波、衛星波、インターネットなどの通信媒体を介してデジタル放送番組（以降「番組」と呼ぶ。）を送信する。番組提供装置１は、番組のストリームパケットと、その番組に関する情報であるＥＩＴ（Event Information Table）パケットとを多重化して送信することが可能である。ＥＩＴには、タイトル、番組説明、チャンネルＩＤ（service id：放送規格で定められている情報）、番組開始時間および番組放送時間（番組の長さ）、番組ジャンル、パレンタルレーティング情報（視聴年齢制限情報）、字幕の有無、有料／無料などが含まれ、情報処理装置２においてＥＰＧ（Electronic Program Guide）としても利用可能である。

情報処理装置２は、番組提供装置１から地上波、衛星波、インターネットなどの通信媒体を介してデジタル放送信号を受信し、このデジタル放送信号から番組のストリームパケットを分離し、復号することで、番組の映像信号および音声信号を復元し、表示部２１およびスピーカ部（図示省略）を通じて出力する。また、情報処理装置２は、受信したデジタル放送信号の中からＥＩＴパケットを分離し、復号してＥＩＴデータを取得し、このＥＩＴデータをもとに放送中の番組の特徴量をベクトル化した番組特徴量ベクトル（番組の特徴情報）を生成し保存することができる。

また、情報処理装置２は、装置本体と一体化された、もしくはケーブルを通じて外部接続された表示部２１と、表示部２１の画面を通じて番組を視聴するユーザ（視聴者Ｕ）を撮像するための撮像部２２を備える。撮像部２２は、視聴者Ｕの主に顔部分を撮像することが可能なように位置と向きが適宜設定される。撮像部２２は、人間の顔画像部分を特定できる程度の解像度を有する撮像素子を用いたもので構わない。もちろん、それ以上の高い解像度を有するものであっても構わない。

情報処理装置２は、撮像部２２により撮像された映像から人の顔の標準的なパターンに類似する部分（顔部分）を検出して視聴者Ｕの人数を取得する。情報処理装置２は、この視聴者人数と、視聴中の番組の全体の長さに対して実際にその番組を視聴した時間の割合（実視聴時間割合）と、再生した番組の特徴情報である特徴量ベクトルとから、複数のユーザの嗜好を統合したユーザ嗜好情報であるユーザ嗜好ベクトルの学習用データを生成する。さらに、情報処理装置２は、番組の視聴毎に生成したユーザ嗜好ベクトルの学習用データを足し合わせるなどしてユーザ嗜好ベクトルの学習を行い、その結果を保存する。そして、情報処理装置２は、放送中の各番組の番組特徴量ベクトルとユーザ嗜好ベクトルとの間のコサイン距離によって表される類似度を算出し、類似度が高い上位所定数の番組を推薦番組として判定する。

なお、情報処理装置２は、より具体的には、テレビジョン装置、パーソナルコンピュータ、プレーヤ、ゲーム機、携帯端末（電話機を含む。）などであるが、発明に関して、製品形態は問わない。

［情報処理装置２の構成の詳細］
次に、本実施形態の情報処理装置２の構成を説明する。
図２は情報処理装置２の構成を示す図である。
同図に示すように、情報処理装置２は、上記の表示部２１、撮像部２２の他、放送信号処理部２３、入力部２４、スピーカ部２５、番組推薦処理部２６を有する。

放送信号処理部２３は、番組提供装置１から地上波、衛星波、インターネットなどの通信媒体を介してデジタル放送信号を受信し、このデジタル放送信号から番組のストリームパケットを分離し、復号することで、番組の映像信号および音声信号を復元（再生）し、表示部２１およびスピーカ部２５を通じて出力する。また、情報処理装置２は、受信したデジタル放送信号からＥＩＴパケットを分離し、復号することで、ＥＩＴデータを取得する。この放送信号処理部２３の詳細については後で説明する。

入力部２４は、視聴者Ｕからの各種の操作命令やデータの入力を受け付ける。この入力部２４は、情報処理装置２に本体に一体に設けられたものの他、情報処理装置２に本体に対して無線で各種の操作命令やデータの入力を行うことが可能なリモート型の入力部であってもよい。

表示部２１は、放送信号受信部にてデジタル放送信号から復元された映像信号を入力して表示駆動を行う。表示部２１は、具体的には、ＬＣＤ（liquid crystal monitor）、その他の方式の表示素子を用いた表示器などによって構成される。表示部２１は、情報処理装置２に本体に一体に設けられたものの他、情報処理装置２に本体の外部に映像信号用の配線を通じて接続されたものであってもよい。

スピーカ部２５は、放送信号受信部にてデジタル放送信号から復元された音声信号を入力して音声出力を行う。スピーカ部２５は、情報処理装置２に本体に一体に設けられたものの他、情報処理装置２に本体の外部に音声信号用の配線を通じて接続されたものであってもよい。

撮像部２２は、表示部２１の画面を通して番組を視聴している視聴者Ｕの人数を検出するために必要な映像を時間周期的に取り込むためのものである。前述したように、撮像部２２は、画面を通して番組を視聴中の視聴者Ｕの顔を撮像することが可能なように位置と向きが適宜設定される。撮像部２２は、より具体的には、レンズを通して入ってきた光をＣＣＤ（Charge Coupled Device）、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）などの半導体撮像素子を用いて電気信号に変換する。撮像部２２は、動画撮影を行うものであっても、静止画撮影を行うものであってもよい。映像を取り込む時間周期は、視聴中の視聴者Ｕの人数が変化する時間的な傾向を考慮して適宜選定されるべきである。例えば、１乃至数分程度でよい。

番組推薦処理部２６は、再生された番組（視聴者Ｕによって視聴された番組）の特徴量ベクトル、視聴者人数および実視聴時間割合をもとにユーザ嗜好ベクトルの学習を行い、このユーザ嗜好ベクトルと放送中の各番組の特徴量ベクトルとのマッチングにより推薦番組を判定する処理を行う。この番組推薦処理部２６の詳細については後で説明する。

番組推薦処理部２６は、より具体的には、ＣＰＵ（Central Processing Unit）およびメインメモリを含むコンピュータを動作させるプログラムにより実現される。さらに、情報処理装置２は、ハードディスクドライブ、フラッシュドライブなどの不揮発性のストレージ部を有し、受信した番組のビデオデータおよびオーディオデータを記録することが可能である。勿論、ストレージ部に記録された番組のビデオデータおよびオーディオデータを再生することも可能である。ＣＰＵは、放送信号処理部２３、入力部２４、表示部２１、スピーカ部２５、撮像部２２、ストレージ部（図示せず）それぞれの間でのデータの入出力をも制御する。

［放送信号処理部２３の構成］
図３は、放送信号処理部２３の構成を示す図である。
放送信号処理部２３は、放送信号受信部２３１、復調・復号部２３２、トランスポートストリーム再生部（ＴＳ再生部）２３３、デマルチプレクサ２３４、ビデオ復号部２３５、オーディオ復号部２３６、データ復号部２３７などを含む。これらは地上波、衛星波、インターネットなどの通信媒体を介してデジタル放送番組を受信する典型的な受信機の構成と同様である。

放送信号受信部２３１は、より具体的には、放送局から地上波、衛星波などの放送媒体を介してデジタル放送信号をアンテナを介して選局して受信するチューナや、インターネットなどのネットワークを通じてＩＰマルチキャスト放送信号を受信するネットワーク接続部である。

復調・復号部２３２は、放送信号受信部２３１にて受信されたデジタル放送信号を、伝送モード（変調方式、符号化率など）に応じた方法で復調および復号してトランスポートストリーム再生部２３３に供給する。

トランスポートストリーム再生部２３３は、復調・復号部２３２より供給された信号をもとにトランスポートストリームを再生してデマルチプレクサ２３４に供給する。

デマルチプレクサ２３４は、トランスポートストリーム再生部２３３より供給されたトランスポートストリームからビデオストリーム、オーディオストリーム、ＥＩＴなどのデータストリームなどを分離し、それぞれビデオ復号部２３５、オーディオ復号部２３６、データ復号部２３７に供給する。

ビデオ復号部２３５は、デマルチプレクサ２３４より供給されたビデオストリームを復号し、表示部２１にビデオ信号を供給する。オーディオ復号部２３６は、デマルチプレクサ２３４より供給されたオーディオストリームを復号してスピーカ部２５にオーディオ信号を供給する。データ復号部２３７は、デマルチプレクサ２３４より供給されたデータストリームを復号して番組推薦処理部２６に供給する。

［番組推薦処理部２６の構成］
図２に戻って番組推薦処理部２６の構成を説明する。番組推薦処理部２６は、ＥＩＴ取得部２６１（特徴情報取得部）、番組特徴量検出部２６２（特徴情報取得部）、番組特徴量管理部２６３、視聴者人数取得部２６４（視聴者情報取得部）、実視聴時間割合取得部２６５、ユーザ嗜好学習部２６６（ユーザ嗜好情報作成部）、ユーザプロファイル管理部２６７（ユーザ嗜好情報記憶部）、推薦番組判定部２６８、および推薦番組情報出力部２６９を具備する。

ＥＩＴ取得部２６１は、放送信号処理部２３にて受信および復号されたＥＩＴデータを取得し、保持する。ここで、取得されるＥＩＴデータとは、現在放送中の番組のＥＩＴデータである。
番組特徴量検出部２６２は、ＥＩＴ取得部２６１にて取得したＥＩＴデータをもとに番組の特徴量ベクトルを生成する。
番組特徴量管理部２６３は、番組特徴量検出部２６２により生成された番組特徴量ベクトルを保存する。

視聴者人数取得部２６４は、撮像部２２にて取り込まれた一定周期毎の映像から人の顔の標準的なパターンに類似する部分（顔部分）を検出し、個々の映像の中から検出された顔部分の数の番組視聴終了時点までの平均値を平均視聴者人数として判定し、判定結果をユーザ嗜好学習部２６６に通知する。

実視聴時間割合取得部２６５は、番組の再生時に少なくとも１人の視聴者Ｕが存在することが判定された時間を実視聴時間として、この実視聴時間の番組全長時間に対する割合の値を実視聴時間割合として判定し、判定結果をユーザ嗜好学習部２６６に通知する。

ユーザ嗜好学習部２６６は、再生された番組の特徴量ベクトルと、視聴者人数取得部２６４により判定された平均視聴者人数と、実視聴時間割合取得部２６５により判定された実視聴時間割合とをもとにユーザ嗜好ベクトルの学習用データを作成する。ユーザ嗜好学習部２６６は、作成した学習用データを用いて、ユーザプロファイル管理部２６６にユーザプロファイルとして保存されているユーザ嗜好ベクトルを最新の内容に更新（学習）する。

ユーザプロファイル管理部２６６は、ユーザ嗜好学習部２６６によって更新（学習）された最新のユーザ嗜好ベクトルをユーザプロファイルとして保存する記憶部である。

推薦番組判定部２６８は、番組特徴量管理部２６３に保存された放送中の各番組の特徴量ベクトルとユーザプロファイル管理部２６６にユーザプロファイルとして保存されたユーザ嗜好ベクトルとの間のコサイン距離によって表される類似度を算出し、類似度が高い上位所定数の番組を推薦番組として判定する。

推薦番組情報出力部２６９は、推薦番組判定部２６８により判定された推薦番組に関する情報をＥＩＴデータから抽出して表示部２１を通して視聴者Ｕに提示する。

次に、図４から図６を用いて、本実施形態の情報処理装置２における番組推薦処理部２６の動作を説明する。
番組推薦処理部２６においては、大別して、番組特徴量ベクトルの算出、ユーザ嗜好学習、番組推薦の各処理が行われる。以下に、これらの動作を個別に説明する。

［番組特徴量ベクトルの算出の動作］
図４は、番組特徴量ベクトル算出の手順を示すフローチャートである。

（ステップＳ１０１）まず、番組推薦処理部２６において、ＥＩＴ取得部２６１が、トランスポートストリームに多重化して送られてくるＥＩＴデータを放送信号処理部２３より取得し、番組特徴量検出部２６２に供給する。ＥＩＴデータには、例えば、番組ＩＤ、タイトル、ジャンル、放送局、出演者、脚本／原作／演出、内容、チャンネルＩＤ、番組開始時間および番組放送時間、パレンタルレーティング情報（視聴年齢制限情報）、字幕の有無、有料／無料などが含まれる。

（ステップＳ１０２）次に、番組特徴量検出部２６２が、ＥＩＴ取得部２６１より供給されたＥＩＴデータをもとに項目毎の番組特徴量ベクトルを生成する。ここで、ＥＩＴデータに含まれる項目には、例えば、タイトル（Ｔ）、ジャンル（Ｇ）、時間帯（Ｈ）、放送局（Ｓ）、出演者（Ａ）、脚本／原作／演出（Ｐ）、内容（Ｋ）などがある。番組特徴量検出部２６２は、これらの項目毎の内容から、番組特徴量ベクトル＝（Ｔｍ，Ｇｍ，Ｈｍ，Ｓｍ，Ｐｍ，Ａｍ，Ｋｍ）を生成する。ここで、Ｔｍ，Ｇｍ，Ｈｍ，Ｓｍ，Ｐｍ，Ａｍ，Ｋｍは番組特徴量ベクトル内の項目毎の数値ベクトルである。

ここで、「ジャンル」、「放送局」、「時間帯」は種類が限定的であるから、各々の放送局を別々の数値ベクトルで表すことができる。放送局の場合、例えば、放送局が１０局存在するならば、その中で３番目として決められた放送局の数値ベクトルＳｍは｛０，０，１，０，０，０，０，０，０，０｝で表すことができる。ジャンルの場合も同様であり、ジャンルが、例えば、「ドラマ」、「バラエティ」、「スポーツ」、「映画」、「音楽」、「子供向け／教育」、「教養／ドキュメント」、「ニュース／報道」、「その他」に分類されている場合、その中で５番目として決められた「音楽」の数値ベクトルＧｍは｛０，０，０，０，１，０，０，０，０｝で表すことができる。

一方、「タイトル」、「出演者」、「脚本／原作／演出」、「内容」など、そのままでは数値ベクトルで表すことのできない項目については、その中に含まれる単語の頻度などによって、項目値（単語）と重み（数値）が対応付けられる。例えば、「東海道冬物語」という「タイトル」の場合、数値ベクトルＴｍは｛東海道＝１，冬＝１，物語＝１｝のように表される。ここで「東海道＝１」は、「東海道」の単語の頻度が「１」であることを意味する。

（ステップＳ１０３）以上のようにして番組特徴量検出部２６２によって検出された番組特徴量ベクトルは番組特徴量管理部２６３に保存される。

［ユーザ嗜好学習の動作］
次に、ユーザ嗜好学習の動作について説明する。
図５は、ユーザ嗜好学習の手順を示すフローチャートである。

（ステップＳ２０１）情報処理装置２において番組が再生されていることとする。この間、番組推薦処理部２６の視聴者人数取得部２６４は、撮像部２２により、番組を視聴している視聴者Ｕの人数を検出するために必要な映像を予め決められた時間周期で取り込む。視聴者人数取得部２６４は、取り込んだ映像から顔部分を検出し、１つの映像から検出された全ての顔部分の数の番組視聴終了時点までの平均値を平均視聴者人数として判定し、その結果をユーザ嗜好学習部２６６に通知する。このようにして平均視聴者人数を判定することによって、視聴者人数の時間的な変動を考慮した、より妥当な視聴者人数が得られることが期待できる。

一方、実視聴時間割合取得部２６５は、番組の再生時に少なくとも１人の視聴者が存在することが判定された場合には、その時間の累計値をカウントする。そして実視聴時間割合取得部２６５は、番組の視聴終了時点での時間累計値の、番組全時間に対する割合の値を実視聴時間割合として求め、その結果をユーザ嗜好学習部２６６に通知する。

（ステップＳ２０２）ユーザ嗜好学習部２６６は、視聴者人数取得部２６４からの平均視聴者人数と、実視聴時間割合取得部２６５からの実視聴時間割合を受け取ると、これら平均視聴者人数および実視聴時間割合から重みを計算する。例えば、ユーザ嗜好学習部２６６は、平均視聴者人数に実視聴時間割合を掛け合わせた値を重みとして求める。なお、視聴者人数取得部２６４によって計算された平均視聴者人数が"１"以下の場合には、"１"を実視聴時間割合に乗じた値を重みとすることが望ましい。これは、番組を再生していることそのものに視聴者Ｕの視聴の意思が含まれるという解釈に基づく。これにより、途中までしか再生されなかった番組であっても、その番組の視聴に対して妥当な重みが得られる。

（ステップＳ２０３）次に、ユーザ嗜好学習部２６６は、求めた重みを、再生された番組（視聴された番組）の少なくとも一部の項目の特徴量ベクトルの各項目の値に掛け合わせてユーザ嗜好ベクトルの学習用データを生成する。ここで、ユーザプロファイル管理部２６６にユーザ嗜好ベクトルが未だ保存されていない場合、ユーザ嗜好学習部２６６は、作成した学習用データをそのままユーザプロファイル管理部２６６にユーザ嗜好ベクトルの初期値として保存する。ユーザプロファイル管理部２６６にユーザ嗜好ベクトルが既に保存されている場合には、ユーザ嗜好学習部２６６は作成した学習用データを用いて、ユーザプロファイル管理部２６６に既にユーザプロファイルとして保存されているユーザ嗜好ベクトルの更新（学習）を行う。

なお、上記の一部の項目とは、特徴量ベクトルが頻度の値を持つ項目、例えば、「タイトル」、「出演者」、「脚本／原作／演出」、「内容」などの項目である。「ジャンル」、「放送局」、「時間帯」などの項目は、特徴量ベクトルの値が頻度の値を持たないので、これらの項目の特徴量ベクトルはユーザ嗜好ベクトルの学習用データの作成には使用されない。

ユーザ嗜好ベクトルの更新（学習）の具体例を以下に示す。例えば、タイトルが「東海道冬物語」という番組が視聴されたことにより、視聴者人数取得部２６４によって、平均視聴者人数として"２"、実視聴時間割合として"１．５（時間）"が算出されたこととする。ユーザ嗜好学習部２６６は、これらの結果を受けて、２×１．５＝３を重みとして得て、この重みを番組特徴量ベクトル中の「タイトル」の項目の数値ベクトルの頻度の値に掛け合わせる。例えば、数値ベクトルが｛東海道＝１，冬＝１，物語＝１｝だとした場合、これらの頻度の値に重み"３"が掛け合わされることで、数値ベクトルは｛東海道＝３，冬＝３，物語＝３｝になる。その他の項目の数値ベクトルについても同様に重みが掛け合わされる。

（ステップＳ２０４）次に、ユーザ嗜好学習部２６６は、以上のようにして求められたユーザ嗜好ベクトルの学習用データを用いて、ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されているユーザ嗜好ベクトルを更新（学習）する。ここで、ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されたユーザ嗜好ベクトルとは、今回の更新（学習）以前に、上記と同じ方法で作成あるいは更新（学習）されたユーザ嗜好ベクトルである。

ここで、ユーザ嗜好ベクトルの更新方法の具体例を説明する。
例えば、ユーザ嗜好学習部２６６は、ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されているユーザ嗜好ベクトルと学習用データとを加算してユーザ嗜好ベクトルの更新結果（学習結果）を得る。ここでユーザ嗜好ベクトルと学習用データとの加算の具体例を「タイトル」の項目の特徴量ベクトルの更新に絞って説明する。

ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されているユーザ嗜好ベクトルにおける「タイトル」の項目の特徴量ベクトルが｛・・・，東海道＝５，冬＝５，物語＝５，・・・｝であるとする。今回計算された学習用データ中の「タイトル」の項目の特徴量ベクトルが｛東海道＝３，冬＝３，物語＝３｝だとした場合、両者の頻度の値を合算することで、更新結果は｛・・・，東海道＝８，冬＝８，物語＝８，・・・｝となる。その他の項目の特徴量ベクトルについても同様に更新が行われる。このようにして、例えば家庭内の複数のユーザの嗜好を統合したユーザ嗜好情報であるユーザ嗜好ベクトルの学習が行われる。

なお、上の例では、ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されているユーザ嗜好ベクトルと学習用データとを加算した結果をユーザ嗜好ベクトルの更新結果としたが、加算平均の結果をユーザ嗜好ベクトルの更新（学習）結果としてもよい。

［番組推薦の動作］
次に、番組推薦の動作について説明する。
図６は、番組推薦処理部２６による番組推薦の手順を示すフローチャートである。

（ステップＳ３０１）推薦番組判定部２６８は、所定のイベントの発生を契機に、番組特徴量管理部２６３に保存された各番組の番組特徴量ベクトルとユーザプロファイル管理部２６６にユーザプロファイルとして保存されたユーザ嗜好ベクトルとの間のコサイン距離によって表される類似度をそれぞれ算出し、類似度が高い上位所定数の番組を推薦番組として判定する。そして推薦番組判定部２６８は、判定結果である推薦番組の番組ＩＤを推薦番組情報出力部２６９に出力する。

所定のイベントとしては、例えば、ユーザプロファイル管理部２６６にユーザプロファイルとして保存されているユーザ嗜好ベクトルの更新、情報処理装置２のシステムの立ち上がり、ユーザからの推薦番組の表示要求の入力、一定の時間周期などがある。ユーザは、これらの中から希望するイベントを情報処理装置２に対して設定できることとしてもよい。なお、ユーザにより設定可能な項目としては、上記のほかに、推薦番組の数、推薦番組表示のソート条件、ユーザ嗜好学習の対象となる項目などがある。

（ステップＳ３０２）推薦番組情報出力部２６９は、推薦番組判定部２６８より、判定結果である推薦番組の番組ＩＤを受け取ると、その番組ＩＤをキーに、ＥＩＴ取得部２６１に保持されたＥＩＴデータの中から該当する推薦番組に関する情報を取り出す。そして、推薦番組情報出力部２６９は、取り出した推薦番組に関する情報を表示部２１を通して視聴者Ｕに提示する。

以上のように、本実施形態の情報処理装置２では、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習が視聴者人数を加味して行われるので、ユーザ嗜好ベクトルの学習に特定のユーザの嗜好が過剰に反映されることが回避される。その結果、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を良好に行うことができ、良好な番組推薦結果が得られる。例えば、家族のうちの一人だけが視聴している番組よりも、家族なかでより多くの人が好む番組を優先して推薦することが可能となる。

また、本実施形態では、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習に、視聴者の番組嗜好度を反映する情報である実視聴時間割合を加味したことで、視聴する番組が途中で切り換えられたり中断されたりした場合でも、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を適切に行うことができる。

＜第２の実施形態＞
次に、本発明に係る第２の実施形態の情報処理装置について説明する。
図７は、第２の実施形態の情報処理装置２Ａの構成を示す図である。

本実施形態の情報処理装置２Ａは、第１の実施形態と同様に放送信号処理部２３、入力部２４、表示部２１、スピーカ部２５、撮像部２２、番組推薦処理部２６Ａを有する。ここで、番組推薦処理部２６Ａ以外の構成は第１の実施形態と同じであるため、これらの詳細な説明は省く。

番組推薦処理部２６Ａは、ＥＩＴ取得部２６１（特徴情報取得部）、番組特徴量検出部２６２（特徴情報取得部）、番組特徴量管理部２６３、ユーザグループ判定部２７１（視聴者情報取得部）、実視聴時間割合取得部２６５、ユーザグループ嗜好学習部２７２（ユーザ嗜好情報作成部）、ユーザプロファイル管理部２７３（ユーザ嗜好情報記憶部）、ユーザグループ推薦番組判定部２７４（推薦番組判定部）、および推薦番組情報出力部２６９を具備する。ここで、ユーザグループ判定部２７１、ユーザグループ嗜好学習部２７２、ユーザプロファイル管理部２７３、ユーザグループ推薦番組判定部２７４以外のものは第１の実施形態と同様である。

ユーザグループ判定部２７１は、撮像部２２にて取り込まれた一定周期毎の映像から人の顔の標準的なパターンに類似する部分（顔部分）を検出し、個々の映像の中から検出された顔部分の数の番組終了時点までの平均値を平均視聴者人数として判定する。また、ユーザグループ判定部２７１は、検出されたそれぞれの顔部分の映像と予め登録された複数のユーザの顔のパターン情報との照合により、映像中に視聴者Ｕとして存在する全てのユーザを判別し、判別したユーザもしくはユーザの組み合わせをユーザグループＧｕとして判定する。そして、ユーザグループ判定部２７１は、判定した平均視聴者人数、ユーザグループＧｕの情報をユーザグループ嗜好学習部２７２に通知する。

ユーザグループ嗜好学習部２７２は、ユーザグループＧｕ毎のユーザグループ嗜好ベクトルを学習する。ここでユーザグループ嗜好ベクトルとは、１つの情報処理装置２Ａにおいて個々のユーザグループＧｕ毎に１つ生成され、ユーザグループに属する各ユーザの嗜好を統合したユーザ嗜好情報である。ユーザグループ嗜好学習部２７２は、再生された番組の特徴量ベクトルと、ユーザグループ判定部２７１より出力されたユーザグループＧｕの情報および平均視聴者人数と、実視聴時間割合取得部２６５により判定された実視聴時間割合とをもとにユーザグループ嗜好ベクトルの学習用データを作成する。ユーザグループ嗜好学習部２７２は、作成した学習用データを用いて、ユーザプロファイル管理部２７３に既に保存されている同じユーザグループＧｕのユーザグループ嗜好ベクトルを最新の内容に更新（学習）する。

ユーザプロファイル管理部２７３は、ユーザグループ嗜好学習部２７２によって更新（学習）された、ユーザグループＧｕ毎に最新のユーザグループ嗜好ベクトルを保存する。すなわち、ユーザプロファイル管理部２７３は、ユーザグループ嗜好学習部２７２によって更新（学習）された最新のユーザグループ嗜好ベクトルを、ユーザグループ毎の嗜好学習の現時点での成果物として保存する記憶部である。

ユーザグループ推薦番組判定部２７４は、番組特徴量管理部２６３に保存された放送中の各番組の特徴量ベクトルと、ユーザプロファイル管理部２７３に保存され、ユーザグループ判定部２７１によって判定されたユーザグループＧｕのユーザグループ嗜好ベクトルとの間のコサイン距離によって表される類似度を算出し、類似度が高い上位所定数の番組をユーザグループ推薦番組として判定する。

次に、図８および図９を用いて、第２の実施形態の情報処理装置２Ａにおける番組推薦処理部２６Ａの動作を説明する。
番組推薦処理部２６Ａにおいて、番組特徴量ベクトルの算出の動作は第１の実施形態と同様であるので、ここではユーザグループ嗜好学習、ユーザグループ番組推薦の各処理について説明する。

［ユーザグループ嗜好学習の動作］
図８は、ユーザグループ嗜好学習の手順を示すフローチャートである。

（ステップＳ４０１）情報処理装置２Ａにおいて番組が再生されているものとする。この間、番組推薦処理部２６Ａのユーザグループ判定部２７１は、撮像部２２より映像を予め決められた周期で取り込む。ユーザグループ判定部２７１は、取り込まれた映像から人の顔の標準的なパターンに類似する部分（顔部分）を検出して、１つの映像から検出された全ての顔部分の数の番組視聴終了時点までの平均値を平均視聴者人数として判定する。さらに、ユーザグループ判定部２７１は、検出されたそれぞれの顔部分の映像と予め登録された複数のユーザの顔のパターン情報との照合により、映像中に視聴者Ｕとして存在する全てのユーザを判別し、判別したユーザもしくはユーザの組み合わせをユーザグループＧｕとして判定する。そして、ユーザグループ判定部２７１は、判定した平均視聴者人数とユーザグループＧｕの情報をユーザグループ嗜好学習部２７２に通知する。

一方、実視聴時間割合取得部２６５は、番組の再生時に少なくとも１人の視聴者が存在することが判定された場合には、その時間の累計値をカウントする。そして実視聴時間割合取得部２６５は、番組の視聴終了時点での時間累計値の、番組全時間に対する割合の値を実視聴時間割合として求め、その結果をユーザグループ嗜好学習部２７２に通知する。

（ステップＳ４０２）ユーザグループ嗜好学習部２７２は、ユーザグループ判定部２７１からの平均視聴者人数およびユーザグループＧｕの情報と、実視聴時間割合取得部２６５からの実視聴時間割合を受け取ると、平均視聴者人数および実視聴時間割合から重みを計算する。この重みの計算方法は第１の実施形態と同じである。

（ステップＳ４０３）次に、ユーザグループ嗜好学習部２７２は、求めた重みを、再生された番組（視聴された番組）の少なくとも一部の項目の特徴量ベクトルの各値に掛け合わせて、当該ユーザグループＧｕのユーザグループ嗜好ベクトルの学習用データを生成する。一部の項目については第１の実施形態で説明した通りである。

（ステップＳ４０４）ここで、ユーザプロファイル管理部２７３に当該ユーザグループＧｕのユーザグループ嗜好ベクトルが未だ保存されていない場合、ユーザグループ嗜好学習部２７２は、作成した学習用データをそのままユーザプロファイル管理部２７３に当該ユーザグループＧｕのユーザグループ嗜好ベクトルの初期値として保存する。ユーザプロファイル管理部２７３に当該ユーザグループＧｕのユーザグループ嗜好ベクトルが既に保存されている場合には、ユーザグループ嗜好学習部２７２は作成した学習用データを用いて、ユーザプロファイル管理部２７３に既に保存されている当該ユーザグループＧｕのユーザグループ嗜好ベクトルの更新（学習）を行う。ユーザグループ嗜好ベクトルの更新の具体的な方法については第１の実施形態で説明した通りである。

［ユーザグループ番組推薦の動作］
次に、ユーザグループ番組推薦の動作について説明する。
図９は、番組推薦処理部２６Ａによるユーザグループ番組推薦の手順を示すフローチャートである。

（ステップＳ５０１）ユーザグループ推薦番組判定部２７４は、所定のイベントの発生を契機に、撮影部２２によって撮影された映像からユーザグループ判定部２７１によって判定されたユーザグループに対応する、ユーザプロファイル管理部２７３内のユーザグループ嗜好ベクトルと、番組特徴量管理部２６３に保存された各番組の番組特徴量ベクトルとの間のコサイン距離によって表される類似度を算出する。次に、ユーザグループ推薦番組判定部２７４は、類似度が高い上位所定数の番組を推薦番組として判定する。そしてユーザグループ推薦番組判定部２７４は、判定結果である推薦番組の番組ＩＤを推薦番組情報出力部２６９に出力する。

所定のイベントとしては、例えば、ユーザプロファイル管理部２７３に既に保存されているユーザグループ嗜好ベクトルの更新、情報処理装置２Ａのシステムの立ち上がり、視聴者Ｕからの推薦番組の表示要求の入力、一定の時間周期などがある。視聴者Ｕは、これらの中から希望するイベント、イベント間の優先順位等を情報処理装置２Ａに対して設定できるようにしてもよい。なお、視聴者Ｕにより設定可能な項目としては、上記のほかに、推薦番組の数、推薦番組表示のソート条件、ユーザグループ嗜好学習の対象となる項目などがある。

（ステップＳ５０２）推薦番組情報出力部２６９は、ユーザグループ推薦番組判定部２７４より、判定結果である推薦番組の番組ＩＤを受け取ると、その番組ＩＤをキーに、ＥＩＴ取得部２６１に保持されたＥＩＴデータの中から該当する推薦番組に関する情報を取り出す。そして、推薦番組情報出力部２６９は、取り出した推薦番組に関する情報を表示部２１を通して視聴者Ｕに提示する。これにより推薦番組が各視聴者Ｕによって視認可能となる。

以上のように、本実施形態の情報処理装置２Ａによれば、複数のユーザの組み合わせとしてのユーザグループの単位でのユーザ嗜好情報の学習および放送番組の推薦を行うことができ、各々のユーザにとって、より妥当性の高い番組推薦結果が得られる。

［変形例１］
上記の実施形態の変形例１を説明する。
この変形例１の情報処理装置２Ａは、ユーザ嗜好学習、ユーザグループ嗜好学習の結果を視聴者Ｕに提示する手段を有するものである。

図１０は第１の実施形態の情報処理装置２において、ユーザ嗜好学習部２６６によるユーザ嗜好学習の結果を表示部２１を通じて視聴者Ｕに提示するようにした場合のブロック図である。ユーザ嗜好学習部２６６は、ユーザ嗜好学習によりユーザ嗜好ベクトルを更新したとき、そのユーザ嗜好学習が行われたことを示す情報３０１を表示部２１に出力し、表示部２１に視覚的な情報として出力させる。

図１１はユーザ嗜好学習結果の表示情報の例を示す図である。表示情報３０２として、例えば、「３人で見た番組だと学習しました」のように、学習が行われたことを示す文字情報が表示部２１を通じて視聴者Ｕに提示される。これにより、視聴者Ｕにどのタイミングで自分の嗜好が学習されたかを示すことが可能になり、番組推薦結果に対するユーザの信頼度向上を期待できる。

ユーザ嗜好学習の結果は、文字情報の他、アニメーションやアイコンなどの画像として出力するようにしてもよい。

［その他の変形例］
以上の実施形態では、視聴者人数の検出に撮像部を用いた。しかし本発明は、これに限定されるものではない。例えば、赤外線、超音波、可視光などの電磁波を使った人感センサを用いて視聴者人数の検出を行うようにしてもよい。

本発明は、上述した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能である。

２ 情報処理装置
２１ 表示部
２２ 撮像部
２３ 放送信号処理部
２４ 入力部
２５ スピーカ部
２６ 番組推薦処理部
２６１ ＥＩＴ取得部
２６２ 番組特徴量検出部
２６３ 番組特徴量管理部
２６４ 視聴者人数取得部
２６５ 実視聴時間割合取得部
２６６ ユーザ嗜好学習部
２６７ ユーザプロファイル管理部
２６８ 推薦番組判定部
２６９ 推薦番組情報出力部
２７１ ユーザグループ判定部
２７２ ユーザグループ嗜好学習部
２７３ ユーザプロファイル管理部
２７４ ユーザグループ推薦番組判定部
Ｕ 視聴者
Ｇｕ ユーザグループ

Claims (7)

1. ユーザにより選択された放送番組を受信し、再生する放送信号処理部と、
   前記再生された放送番組を視聴中のユーザを撮像するための撮像部と、
   前記撮像部より撮像された映像をもとに、前記再生された放送番組を視聴するユーザの数を視聴者人数として取得する視聴者情報取得部と、
   放送中の１以上の放送番組の特徴を複数の所定の項目毎の値により表現した特徴情報を取得する特徴情報取得部と、
   ユーザの嗜好に関する情報を前記複数の所定の項目毎の値により表現したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部と、
   前記再生された放送番組について前記特徴情報取得部により取得された前記特徴情報の前記項目毎の値に、前記視聴者情報取得部により取得された視聴者人数の値に対応する重みを少なくとも付与した学習用データを作成し、この学習用データをもとに、前記ユーザ嗜好情報記憶部に記憶された前記ユーザ嗜好情報の学習を行うユーザ嗜好情報作成部と、
   前記放送中の１以上の放送番組の特徴情報と前記ユーザ嗜好情報との類似度を算出し、この類似度をもとに推薦番組を判定する推薦番組判定部と
   を具備する情報処理装置。
2. 請求項１に記載の情報処理装置であって、
   前記再生された前記放送番組の再生時間を視聴時間として取得し、前記再生された放送番組の全時間長に対する前記視聴時間の割合を視聴時間割合として取得する実視聴時間割合取得部をさらに具備し、
   前記ユーザ嗜好情報作成部は、前記視聴者情報取得部により取得された視聴者人数の値に前記実視聴時間割合取得部により取得された実視聴時間割合を加味した重みを算出し、前記再生された放送番組について前記特徴情報取得部により取得された前記特徴情報の前記項目毎の値に前記重みを付与した前記学習用データを作成する
   情報処理装置。
3. 請求項１に記載の情報処理装置であって、
   前記視聴者情報取得部は、前記撮像された一定周期毎の映像から人の顔の部分を検出し、個々の映像の中から検出された顔部分の数の番組視聴終了時点までの平均値を前記視聴者人数として判定する
   情報処理装置。
4. 請求項１に記載の情報処理装置であって、
   前記ユーザ嗜好情報の学習が行われたことを前記視聴中のユーザに提示する手段をさらに有する
   情報処理装置。
5. 請求項１に記載の情報処理装置であって、
   前記視聴者情報取得部は、前記放送番組を視聴する複数のユーザをそれぞれ判別して当該複数のユーザの組み合わせとしてのユーザグループを判定し、
   前記ユーザ嗜好情報記憶部は、前記ユーザグループ毎の前記ユーザ嗜好情報を記憶し、
   前記ユーザ嗜好情報作成部は、前記判定されたユーザグループ毎の前記ユーザ嗜好情報の学習を行い、
   前記推薦番組判定部は、前記放送中の１以上の放送番組の特徴情報と前記判定されたユーザグループの前記ユーザ嗜好情報との類似度を算出し、この類似度をもとに推薦番組を判定する
   情報処理装置。
6. 放送信号処理部が、ユーザにより選択された放送番組を受信して再生し、
   撮像部が、前記再生された放送番組を視聴中のユーザを撮像し、
   視聴者情報取得部が、前記撮像部より撮像された映像をもとに、前記再生された放送番組を視聴中のユーザの数を視聴者人数として取得し、
   特徴情報取得部が、放送中の１以上の放送番組の特徴を複数の所定の項目毎の値により表現した特徴情報を取得し、
   ユーザ嗜好情報作成部が、前記再生された放送番組について前記特徴情報取得部により取得された前記特徴情報の前記項目毎の値に、前記視聴者情報取得部により取得された視聴者人数の値に対応する重みを少なくとも付与した学習用データを作成し、この学習用データをもとに、ユーザの嗜好に関する情報を前記複数の所定の項目毎の値により表現したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部に記憶された前記ユーザ嗜好情報を学習し、
   推薦番組判定部が、前記放送中の１以上の放送番組の特徴情報と前記ユーザ嗜好情報との類似度を算出し、この類似度をもとに推薦番組を判定する
   情報処理方法。
7. ユーザにより選択された放送番組を受信し、再生する放送信号処理部と、
   前記再生された放送番組を視聴中のユーザを撮像するための撮像部により撮像された映像をもとに、前記再生された放送番組を視聴するユーザの数を視聴者人数として取得する視聴者情報取得部と、
   放送中の１以上の放送番組の特徴を複数の所定の項目毎の値により表現した特徴情報を取得する特徴情報取得部と、
   前記再生された放送番組について前記特徴情報取得部により取得された前記特徴情報の前記項目毎の値に、前記視聴者情報取得部により取得された視聴者人数の値に対応する重みを少なくとも付与した学習用データを作成し、この学習用データをもとに、ユーザの嗜好に関する情報を前記複数の所定の項目毎の値により表現したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部に記憶された前記ユーザ嗜好情報を学習するユーザ嗜好情報作成部と、
   前記放送中の１以上の放送番組の特徴情報と前記ユーザ嗜好情報との類似度を算出し、この類似度をもとに推薦番組を判定する推薦番組判定部として
   コンピュータを動作させるプログラム。

Images