JP5504220B2 - 提供情報選択装置、方法及びプログラム - Google Patents

Description

この発明は、複数の構成員を含む集団に対し適切な情報を選択し提供するための提供情報選択装置、方法及びプログラムに関する。

近年、コンピュータネットワークを利用して情報利用者に対し当該情報利用者に適した情報を提供するサービスが種々提案されており、その一つに嗜好の異なる複数の構成員を含む集団に対して適切な情報を提供する、ディジタルサイネージを利用したサービスが注目されている。提供する情報としては、例えば広告情報やニュース情報、飲食店情報が有望である。

この種のサービスを実現する手法として、従来では例えば各構成員の嗜好情報と対象集団での行動履歴とから集団の関係性を導き出し、その関係性を利用して対象集団にとって未知かつ最適な情報を選択する手法が提案されている。この手法によれば、集団の関係性を利用することにより、未体験でかつ集団に適した情報を選択することが可能となる（例えば非特許文献１を参照）。

Shunichi Seko 他、"Video content recommendation for group based on viewing history and viewer preference"、IEEE International Conference on Consumer Electronics (ICCE)、pp.359-360、2011。

ところが、前記従来の手法は、対象集団にとって未知でかつ最適な情報を選択することには長けているが，同時に対象集団にとって不適な情報も選択してしまう場合がある。また、不適切な情報を除去しようとすると、未知でかつ最適な情報も除去してしまう場合がある。このように、従来の手法では、対象集団にとって未知かつ最適な情報と不適切な情報との間にトレードオフの関係が生じ、両立が困難になる場合がある。

この発明は上記事情に着目してなされたもので、その目的とするところは、集団にとって未知でかつ適切な情報と不適切な情報との間で生じるトレードオフの問題を軽減し、これにより集団にとって未知でかつ適切な情報の選択精度の向上を図った提供情報選択装置、方法及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にこの発明の１つの観点は、先ず集団に提供するための複数の情報提供用データと、上記集団の構成員を表す情報と、上記構成員の嗜好を表す情報と、上記集団の行動履歴を表す情報をそれぞれ取得して記憶媒体に記憶する。そして、情報提供用データの提供対象となる集団が指定されたとき、上記記憶媒体に記憶された集団の構成員を表す情報及び当該構成員の嗜好を表す情報をもとに、上記記憶された複数の情報提供用データの各々に対する上記指定された集団の各構成員の嗜好の強さを表す嗜好スコア情報を算出する。またそれと共に、上記記憶媒体に記憶された情報提供用データ及び行動履歴を表す情報をもとに、当該情報提供用データに対する上記指定された集団の選択傾向度合いを表す情報を算出する。そして、上記算出された各構成員の嗜好スコア情報と集団の選択傾向度合いを表す情報とをもとに、上記情報提供用データ及び行動履歴を表す情報に対する特徴ベクトルをそれぞれ算出し、さらに情報提供用データごとに当該情報提供用データに対し算出された特徴ベクトルと上記行動履歴を表す情報に対し算出された特徴ベクトルとの類似度をそれぞれ算出する。そして、上記情報提供用データごとに算出された特徴ベクトルの類似度を予め設定されたしきい値とそれぞれ比較し、類似度がしきい値より大きい嗜好スコア情報に対応する情報提供用データを、上記集団に適したデータとして選択するようにしたものである。

したがって、嗜好空間に集団の選択傾向の次元が追加され、集団に提供する情報の候補である情報提供用データと集団の行動履歴データとがその拡張された嗜好空間上に示され、その空間上での類似度を測ることによって各情報提供用データが対象集団にとって適しているか否かが判定される。すなわち、情報に対する各構成員の嗜好スコアの組み合わせに加え、情報が持つメタ情報（ジャンル等のその情報を特徴づける情報）に対する集団の選択傾向が考慮されて、集団に適した情報提供用データが選択される。この結果、集団の関係性による未知でかつ適切な情報を選択可能という利点と、集団の選択傾向による不適切な情報を排除するという利点を兼ね備えた情報選択が可能となり、これによりトレードオフを解消して集団に適した情報選択が可能となる。

またこの発明の１つの観点は、上記選択傾向度合いを表す情報を算出する際に、先ず記憶媒体に記憶された行動履歴を表す情報をもとに、当該行動履歴情報の総数をＮ、任意の 行動履歴情報に含まれる当該行動履歴の特徴を表すメタ情報の数をｍとした場合に、あるメタ情報Ｇの出現頻度ＧＦ(G) を

により算出し、次に記憶媒体に記憶された複数の情報提供用データのうち候補として選んだ情報提供用データＤに含まれるメタ情報の数をｍとしたとき、上記行動履歴情報から算出されたメタ情報Ｇの出現頻度ＧＦ(G) に基づいて、当該候補となる情報提供用データＤに対する上記集団の選択傾向度合いＢＳ(D) を

により算出することも特徴とする。
このようにすると、集団の行動履歴情報に含まれるジャンル情報等の出現頻度を利用して、各情報提供用データに対する集団の選択傾向度合いを適切に計算することが可能となる。

すなわちこの発明の１つの観点によれば、集団にとって未知でかつ適切な情報と不適切な情報との間で生じるトレードオフの問題を軽減し、これにより集団にとって未知でかつ適切な情報の選択精度の向上を図った提供情報選択装置、方法及びプログラムを提供することができる。

この発明の一実施形態に係わる提供情報選択装置の機能構成を示すブロック図。 図１に示した提供情報選択装置の具体的な構成を示すブロック図。 図２に示した提供情報選択装置に設けられる情報提供用データ記憶エリアに記憶される情報提供用情報データの一例を示す図。 図２に示した提供情報選択装置に設けられる集団構成情報記憶エリアに記憶される集団構成情報の一例を示す図。 図２に示した提供情報選択装置に設けられる個人の嗜好情報記憶エリアに記憶される個人の嗜好情報の一例を示す図。 図２に示した提供情報選択装置に設けられる集団の行動履歴情報記憶エリアに記憶される集団の行動履歴情報の一例を示す図。 図２に示した提供情報選択装置に設けられる集団の行動頻度情報記憶エリアに記憶される集団の行動頻度情報の一例を示す図。 図２に示した提供情報選択装置による全体の処理手順とその処理内容を示すフローチャート。 図８に示した全体の処理手順のうち集団の行動頻度情報算出処理の手順と処理内容を示すフローチャート。 図８に示した全体の処理手順のうち情報選択処理の手順と処理内容を示すフローチャート。 図１０に示した情報選択処理の手順のうち集団に適した情報を判定する処理の手順と処理内容を示すフローチャート。 情報提供用データを従来の方法により座標空間にプロットした例を示す図。 情報提供用データをこの発明の一実施形態に係る方法により座標空間にプロットした例を示す図。 図２に示した提供情報選択装置による情報提供用データと行動履歴データとの類似度の算出結果の一例を示す図。 実施形態の概要説明に用いる行動履歴データの一例を示す図。 実施形態の概要説明に用いる情報提供用データの一例を示す図。 実施形態の概要説明に用いるジャンルに対する嗜好スコアの一例を示す図。

以下、図面を参照してこの発明に係わる実施形態を説明する。
［概要］
この発明の一実施形態は、集団の関係性に加えて対象集団が選択した情報の傾向を考慮することで、集団にとって未知でかつ適切な情報と不適切な情報との間で生じるトレードオフの問題を解決する。

従来提案されている方法、例えば非特許文献１では、各構成員の嗜好スコアを軸とした空間（以下、嗜好空間）を作成し、その空間内における集団での行動履歴と情報提供用データとの類似性を基に未知かつ最適な情報を選択していた。しかしながら、この手法は空間を作成したあとは、情報提供用データや行動履歴情報が持つメタ情報（ジャンル等のその情報を特徴づける情報）を全く利用していなかった。このため、全く異なるメタ情報をもつ情報であっても、その情報に対する各構成員の嗜好スコアの組み合わせが同等であれば、推薦スコア（推薦の優先度）も全く同等の値になってしまう。このように、情報提供用データや行動履歴情報が持つメタ情報を利用していなかったため、対象集団にとって未知かつ最適な情報は選択可能であっても、不適な情報も多量に選択してしまうという問題が生じ易いと考えられる。

そこでこの発明の一実施形態では、情報提供用データや行動履歴情報が持つメタ情報に対する集団の選択傾向も考慮することで、従来技術の長所を活かしつつ不適切な情報が選択されないようにすることを実現する。
その実現方法として、嗜好空間に集団の選択傾向の次元を追加し、集団に提供する情報の候補である情報提供用データ、例えば「○○麻婆豆腐屋」、「△△ラーメン屋」等の飲食店情報データの集合と、集団の行動履歴データ、例えば「□□ハンバーガーショップ」に訪れた等の訪問した飲食店情報データをその拡張した嗜好空間上に示し、その空間上での類似度を測ることによって各情報提供用データが対象集団にとって適しているか否かを判定する手法を用いる。

図１２及び図１３は、それぞれいずれも異なるメタ情報を持つ情報提供用データＡ〜Ｃを、従来技術による空間及びこの発明の一実施形態による空間にプロットした例を示すものである。図１２及び図１３において行動履歴高密度エリアとは、集団の行動履歴がプロットされる可能性が高い領域、つまり情報提供用データがこの領域中および近くにあればあるほど推薦順位が高くなる領域を示している。したがって、図１２における推薦順位はＡ＝Ｃ＞Ｂとなり、図１３における推薦順位はＡ＞Ｂ＞Ｃとなる。このように、情報提供用データや行動履歴情報が持つメタ情報に対する集団の選択傾向を加味することにより、従来技術では同等の推薦順位になってしまうものを分離することが可能となり、集団の関係性による未知でかつ適切な情報を選択可能という利点と、集団の選択傾向による不適切な情報を除去可能という利点を兼ね備えた情報選択が可能となり、これによりトレードオフの問題を解決することが可能となる。

この発明の一実施形態では、集団の選択傾向度合いを算出する手法として、行動履歴として現れたジャンル情報の出現頻度を利用した例をあげる。ジャンルごとに行動履歴として現れた頻度を算出する。もし、行動履歴データが複数のジャンル情報をメタ情報として持っている場合、ジャンルの出現頻度は所持しているジャンル数で割った値を加算する。例えば、「○○麻婆豆腐屋」が中華と豆腐の２つのジャンルを持っている場合、中華と豆腐に対する選択傾向度合いは１／２ずつ加算されることになる。つまり、全行動履歴データ数がＮ、ある行動履歴データＣが所持しているジャンル数をｍとした場合、あるジャンルＧの出現頻度ＧＦ(G) は以下の式（１）で表される。

各情報提供用データに対する集団の選択傾向度合いは、これらのメタ情報の出現頻度を用いて計算を行う。例えば、各情報提供用データに対する集団の選択傾向度合いは、それぞれの情報提供用データがもつメタ情報の頻度の平均とする。例えば、「中華」の出現頻度が「２」、「豆腐」の出現頻度が「１」であった場合、中華と豆腐の２つのメタ情報をもつ「○○麻婆豆腐屋」に対する選択傾向度合いは、
（中華の出現頻度＋豆腐の出現頻度）／（○○麻婆豆腐屋が持つメタ情報数）
＝（２＋１）／２
＝１．５
となる。
なお、所持するジャンルに対応する出現頻度が存在しない場合には、その値は０として扱う。

以上のことより、候補として選んだ情報提供用データＤが所持しているジャンル数をｍ、あるジャンルＧの出現頻度をＧＦ(G) とした場合、当該情報提供用データＤに対する選択傾向度合いＢＳ(D) は以下の式（２）で表される。

以上述べたジャンル情報の出現頻度を利用した集団の選択傾向度合いの算出例を以下に述べる。
例えば、対象集団の行動履歴として図１５に示した３つの店舗で食事をしたとし、それぞれの店舗は図１５に示されるジャンルをメタ情報として有しているものとする。この場合、それぞれのジャンルｘの出現頻度ＧＦ(x) は以下のようになる。
ＧＦ(中華)＝１／２＋１／３＋０
＝５／６
ＧＦ(豆腐)＝１／２＋０＋０
＝１／２
ＧＦ(麺)＝０＋１／３＋０
＝１／３
ＧＦ(ラーメン)＝０＋１／３＋０
＝１／３
ＧＦ(和食)＝０＋０＋１／３
＝１／３
ＧＦ(居酒屋)＝０＋０＋１／３
＝１／３
ＧＦ(日本酒)＝０＋０＋１／３
＝１／３

また、情報提供用データとして例えば図１６に示す４つの店舗が含まれていたとする。この場合、それぞれの情報提供用データｘに対する選択傾向度合いＢＳ(x) は以下のようになる。
ＢＳ(□□中華飯店)＝１／２（５／６＋０）
＝５／１２
ＢＳ(◇◇うどん)＝１／２（１／３＋０）
＝１／６
ＢＳ(○○ステーキ店)＝１／３（０＋０＋０）
＝０
ＢＳ(△△小料理)＝１／３（０＋１／３＋１／３）
＝２／９

情報提供用データと集団の行動履歴データとの類似性を算出する手法としては、ユークリッド距離を利用した例をあげる。
図１４は、集団の行動履歴データ３つと情報提供用データ１つを、ユーザＡとユーザＢの嗜好スコアと集団の選択傾向度合いからなる空間上にプロットした場合の例を示したものである。集団の行動履歴データ及び情報提供用データは共にユーザＡの嗜好スコア、ユーザＢの嗜好スコア、集団の選択傾向度合いを成分としたベクトルで表される。ある情報提供用データＤが所持するジャンル数をｍ、あるジャンルＧに対するユーザＵの嗜好スコアをＧＰ(U,G) としたとき、ある情報提供用データＤに対するユーザＵの嗜好スコアをＣＰ(U,D) は以下の式（３）で表される。なお、あるジャンルＧに対するユーザＵの嗜好スコアＧＰ(U,G) は予めアンケート等で取得されているものとする。

例えば、ユーザＡとユーザＢのジャンルに対する嗜好スコアが図１７に示す値であったとする。この場合、中華と豆腐をジャンルにもつ○○麻婆豆腐屋に対する各ユーザの嗜好スコアは以下のようになる。
ＣＰ(ユーザＡ、○○麻婆豆腐屋)＝１／２（５＋４）
＝４.５
ＣＰ(ユーザＢ、○○麻婆豆腐屋)＝１／（３＋５）
＝４

この嗜好スコア（図１７より算出される値）と、集団の選択傾向度合い（図１５より算出される値）を利用して、各集団の行動履歴データの特徴ベクトル及び情報提供用データの特徴ベクトルをそれぞれ作成すると、このユーザＡとユーザＢとからなるグループの「○○麻婆豆腐屋」に対する特徴ベクトルＶ(○○麻婆豆腐屋)は以下のようになる。
Ｖ(○○麻婆豆腐屋)＝（４．５，４，５／１２）

しかし、それぞれの特徴量の値をそのまま使用すると各次元(軸)がもつ値の範囲にばらつきがあるため、それぞれの次元（軸）ごとに正規化を行う。正規化を行うと、各構成員の嗜好スコアと集団の選択傾向度合いは０から１までの値に収まるため、各次元の取り得る範囲のばらつきを抑えることが可能となる。

正規化には、例えばProbability Density Functionを利用する。Probability Density Function は対象とするデータ集合（個人の嗜好スコア，集団の選択傾向度合い）の中で、正規化したい値以下が起こる確率を用いて正規化を行う。具体的には、確率分布の関数に対して、−∞からｘ（正規化したい値）までの積分値が、ｘの正規化後の値となる。したがって、値ｘの正規化後の値をＦ(x) とした場合、正規化の数式は式（４）により表せる。

確率分布の関数としては、例えば正規分布を用いる。つまり、式（４）内の関数ｆ(t) は、以下の式（５）で置き換えられる。

例えば、図１７に示した６つのジャンルしか存在せず、ユーザＡのジャンルに対する嗜好スコアも図１７に示されている値の場合、ユーザＡの中華および豆腐に対する嗜好スコアの正規化後の値（ＮＧＰ（ユーザＡ，中華）、（ＮＧＰ（ユーザＡ，豆腐）は以下のようになる。

したがって、ユーザＡの「○○麻婆豆腐屋」（中華と豆腐をジャンルとして持つ）に対する嗜好スコアの正規化後の値ＮＧＰ（ユーザＡ，○○麻婆豆腐屋）は以下の値になる。
ＮＧＰ（ユーザＡ，○○麻婆豆腐屋）
＝１／２（０．８８６１＋０．６１８５）
≒０．７５２５
同様に、ユーザＢの中華および豆腐に対する嗜好スコアの正規化後の値ＮＣＰ（ユーザＢ，中華）、ＮＣＰ（ユーザＢ，豆腐）、及び「○○麻婆豆腐屋」（中華と豆腐をジャンルとして持つ）に対する嗜好スコアの正規化後の値（ＮＣＰ（ユーザＢ，○○麻婆豆腐屋）は以下のようになる。

また、ユーザＡとユーザＢとからなる集団の行動履歴が図１５に示すものだった場合、この集団の中華及び豆腐に対する選択傾向度合いの正規化後の値（ＮＧＦ（中華），ＮＧＦ（豆腐））及び「○○麻婆豆腐屋」（中華と豆腐をジャンルとして持つ）に対する選択傾向度合いの正規化後の値（ＮＢＳ(○○麻婆豆腐屋)）は、以下のようになる。

したがって、「○○麻婆豆腐屋」に対する正規化された特徴ベクトル（ＮＶ(○○麻婆豆腐屋)）は以下のようになる。
（ＮＶ(○○麻婆豆腐屋)）＝（０．７５２３，０．７６４９，０．８００５）

情報提供用データ・集団の行動履歴データの特徴ベクトルは、すべてこのように正規化を行う。これら正規化された特徴ベクトルを用いて、情報提供用データと集団の行動履歴データとのユークリッド距離に基づいた類似度を計算し、類似度の総和を情報提供用データの推薦スコアとする。図１４を例にとると、情報提供用データは３つの行動履歴データとの類似度をそれぞれ計算し、その総和が情報提供用データの推薦スコアとなる。式（６）は情報提供用データ（Ｃ）の特徴ベクトル（ＮＶ（Ｃ））と行動履歴データ（Ｈ）の特徴ベクトル（ＮＶ（Ｈ））との類似度を計算する式の一例を示したものである。

このように、情報提供用データの特徴ベクトルと行動履歴データの特徴ベクトルのユークリッド距離が近いほど類似度が高くなる。このような特徴を持たせれば、類似度の計算式はこの限りではない。例えば式（７）のように、ノルムをべき乗し、ユークリッド距離がより近くにないと高い類似度が算出されないようにするなどしても良い。

この類似度を全行動履歴データに対して計算し、その総和を情報提供用データの推薦スコアとする。したがって、全行動履歴データの数をＮとすると、情報提供用データ（Ｃ）の推薦スコア（ＲＳ(C)）は式（８）で表せる。

この推薦スコアを求める処理を全ての情報提供用データに対して行い、推薦スコアが高い情報提供用データほど集団に適した情報とみなし、推薦スコアの高い順に推薦を行う。

以上のように、各構成員の嗜好スコアと集団の行動履歴を入力データとし、情報提供用データが対象集団に適した情報か否かを、各構成員の嗜好スコアと集団の選択傾向度合いからなる空間において、集団の行動履歴データとの類似度を用いて評価することにより、従来手法で問題であったトレードオフを解消した集団に適した情報選択が可能となる。

［装置の機能構成］
図１は、この発明の一実施形態に係わる提供情報選択装置の機能構成を示すブロック図である。
この発明の一実施形態に係わる提供情報選択装置は、図示しない入力デバイスや表示デバイス、記憶装置との間でデータの入出力を行う入出力インタフェース１と、プログラム及びデータを記憶しておくための記憶部２と、情報選択部３と、集団の行動頻度情報算出部４と、他のシステムとの間で図示しない通信ネットワークを介して情報を送受信するための通信インタフェース部５と、開始トリガを発生するタイマ部６とを備えている。

入出力インタフェース部１又は通信インタフェース部５は、入力デバイス、記憶装置、情報提供者又は情報利用者の端末から個人の嗜好情報、集団の行動履歴情報、集団構成情報及び情報提供用データを受け取り、この受け取った各入力データを記憶部２に記憶させる。ただし、入力データのうち集団の行動履歴情報については、当該入力データを集団の行動頻度情報算出部４へ供給する。集団の行動頻度情報算出部４は、集団の行動履歴情報を受け取ると、この集団の行動履歴情報に含まれているグループＩＤと項目をもとにジャンル別の行動頻度情報を算出し、その算出結果を記憶部２に記憶させる。

また、入出力インタフェース部１は、操作者又はタイマ部６から入力された開始トリガを情報選択部３へ与える。情報選択部３は、開始トリガを受け取ると記憶部２に対し必要なデータを要求し、該当するデータを受け取る。そして、受け取ったデータをもとに、情報提供用データの中から指定された集団に適した情報を選択し、この選択された集団に適した情報を記憶部２に記憶させる。また、必要に応じて、上記集団に適した情報を入出力インタフェース部１から操作者へ提示し、さらに通信インタフェース部５から情報利用者の端末等へ送信する。

情報選択部３は、この家実施形態を実施するために必要な機能として、個人情報の嗜好スコア算出部３１と、集団の選択傾向度合い算出部３２と、推薦スコア算出部３３を備えている。これらの機能についての詳細は後に述べる。

［装置の具体的構成］
図２は、図１に示した提供情報選択装置の具体的な構成を示すブロック図である。
同図に示すように提供情報選択装置は、中央処理ユニット（Central Processing Unit；ＣＰＵ）１１を備え、このＣＰＵ１１に対しバス１２を介してプログラムメモリ１３及びデータメモリ１４を接続し、さらに通信インタフェース１６、入出力インタフェース１７及びタイマ・インタフェース２０を接続したものとなっている。

通信インタフェース１６はアンテナ１５を備え、情報利用者が所持する携帯端末（図示せず）との間でＩＰ網等からなる通信ネットワークを介して通信を行う。入出力インタフェース１７には入力デバイス１８及び表示デバイス１９が接続される。入力デバイス１８は、キーボード及びマウスあるいはタブレット型入力デバイスからなる。表示デバイス１９は液晶ディスプレイ（ＬＣＤ）又は有機ＥＬディスプレイからなる。タイマ・インタフェース２０は、タイマ２１から発生された開始トリガ信号を受信してＣＰＵ１１に通知する。

データメモリ１４には、この発明の一実施形態を実施する上で必要な情報データを記憶するエリアとして、個人の嗜好情報記憶エリア１４１と、集団の行動履歴情報記憶エリア１４２と、嗜好クラスタ情報記憶エリア１４３と、情報提供用データ記憶エリア１４４と、集団に適した情報記憶エリア１４５と、集団構成情報記憶エリア１４６と、集団の行動頻度情報記憶エリア１４７が設けられている。

情報提供用データ記憶エリア１４４は、情報利用者の集団に提供する提供用データを記憶するために用いられる。図３は記憶された情報提供用データの一例を示すものである。このデータは、飲食店を情報利用者に紹介するもので、項目名として店舗名を定義し、この店舗名に対し当該店舗のジャンル名、立地場所及び営業時間を表す情報を関連付けたもの（メタ情報）からなる。このように、外食を例にとると、項目名（店舗名）やジャンル名といった情報の集合が１つのデータとなる。なお、１つのデータが複数のジャンルを持っても良く、設定可能なジャンルがｎ個あったとしても必ずしもｎ個のジャンルを持たなくても良い。また、飲食店のような場所や時間に限定される項目であれば、その限定条件（立地場所、開店時間等）が１つのデータの中に含まれていても良い。

集団構成情報記憶エリア１４６は、情報利用者の集団の構成を表す情報を記憶するために用いられる。図４は記憶された集団構成情報の一例を示すもので、この情報は情報利用者のユーザＩＤに対し当該情報利用者が所属する集団（グループ）のＩＤを関連付けたものからなる。なお、１人の情報利用者が複数の集団に所属することも可能である。

個人の嗜好情報記憶エリア１４１は、情報利用者の嗜好を表す情報を記憶するために使用される。図５は記憶された個人の嗜好情報の一例を示すものである。この情報は、情報利用者のユーザＩＤに対しジャンル名と嗜好スコアを表す情報を関連付けたものからなる。嗜好スコアはジャンルに対する情報利用者の嗜好を定量化したもので、例えば非特許文献１に記述されているような手法や、情報利用者に対してアンケートを行うことにより算出される。

集団の行動履歴情報記憶エリア１４２は、集団の行動履歴情報を記憶するために使用される。図６は記憶された集団の行動履歴情報の一例を示すものである。この情報は、集団のグループＩＤに行動日時、項目名（飲食店名）及び費用を表す情報を関連付けたものからなる。集団の行動履歴情報は、例えば情報利用者が集団で飲食店を訪れたときに、当該情報利用者が携帯端末等を利用して上記行動日時、項目名（飲食店名）及び費用を表す情報を入力して送信し、提供情報選択装置がこの入力情報を受信して上記情報利用者が属する集団のグループＩＤに関連付けることにより生成される。

集団の行動頻度情報記憶エリア１４７は、集団ごとに項目別の行動頻度を表す情報を記憶するために使用される。図７は記憶された集団の行動頻度情報の一例を示したものである。この集団の行動頻度情報は、集団のグループＩＤに対し、ジャンル名及び行動頻度を表す情報を関連付けたものからなる。行動頻度は、例えば中華料理店に訪れた場合にその回数を中華というジャンルに対応付けて累積加算することにより求められる。

嗜好クラスタ情報記憶エリア１４３は、集団に所属する各情報利用者の項目別の嗜好の程度を表す情報を記憶するために使用される。嗜好クラスタ情報は、集団のグループＩＤに、項目名（店舗名）と、上記集団に所属する各ユーザの嗜好クラスタ番号を関連付けたものからなる。嗜好クラスタ番号とは、嗜好スコアの理論的な最小値と最大値との区間をｎ分割したとき、対象嗜好スコアがどの区間に該当するかを示す番号である。例えば、理論的な最小値が１、理論的な最大値が５であり、１０個の区間に分割する場合、１．０〜１．４が区間１、１．４〜１．８が区間２、…、４．６〜５．０が区間１０というような区間番号になり、この各番号を嗜好クラスタ番号と呼ぶ。

プログラムメモリ１３には、この発明を実施するために必要なアプリケーション・プログラムとして、入出力制御プログラム１３１と、個人の嗜好スコア算出プログラム１３２と、集団の選択傾向度合い算出プログラム１３３と、集団の行動頻度算出プログラム１３４と、推薦スコア算出プログラム１３５と、集団に適した情報選択プログラム１３６が格納されている。

入出力制御プログラム１３１は、入力デバイス１８、外部記憶装置、情報提供者端末又は情報利用者端末から、個人の嗜好情報、集団の行動履歴情報、集団構成情報及び情報提供用データを、入出力インタフェース１７又は通信インタフェース１６を介して受信する。そして、この受信された各入力データをそれぞれ、データメモリ１４内の個人の嗜好情報記憶エリア１４１、集団の行動履歴情報記憶エリア１４２、集団の構成情報記憶エリア１４６及び情報提供用データ記憶エリア１４４に記憶させる処理を、上記ＣＰＵ１１に実行させる。

個人の嗜好スコア算出プログラム１３２は、図１に述べた個人の嗜好スコア算出部３１の機能を実現するためのもので、情報提供用データの提供対象となる集団が指定されたとき、情報選択処理の過程で、上記集団構成情報記憶エリア１４６に記憶された集団の構成員を表す情報及び当該構成員の嗜好を表す情報をもとに、上記情報提供用データ記憶エリア１４４に記憶された複数の情報提供用データの各々に対する上記指定された集団の各構成員の嗜好の強さを表す嗜好スコア情報を算出する処理を、上記ＣＰＵ１１に実行させる。

集団の選択傾向度合い算出プログラム１３３は、図１に示した集団の選択傾向度合い算出部３２の機能を実現するためのもので、先ず上記集団の行動履歴情報記憶エリア１４２に記憶された行動履歴情報をもとに、当該行動履歴の特徴を表すメタ情報、例えばジャンル情報の出現頻度を算出する。次に、この算出されたジャンル情報の出現頻度を用いて、上記情報提供用データ記憶エリア１４４に記憶された情報提供用データの各々について、当該情報提供用データに対する上記集団の選択傾向度合いを算出する処理を、上記ＣＰＵ１１に実行させる。

集団の行動頻度算出プログラム１３４は、新たな集団行動履歴情報を受信した場合に、この集団行動履歴情報に含まれている識別ＩＤ（グループＩＤ）と同じＩＤが付与されている過去の集団行動履歴情報を集団の行動履歴情報記憶エリア１４２から読み出す。そして、この読み出された集団行動履歴情報をもとに当該集団の行動頻度情報を算出し、その算出結果をデータメモリ１４内の集団の行動頻度情報記憶エリアに記憶させる処理を、上記ＣＰＵ１１に実行させる。

推薦スコア算出プログラム１３５は、情報選択処理の過程で、上記算出された各構成員の嗜好スコア情報と集団の選択傾向度合いを表す情報とをもとに、上記情報提供用データ及び行動履歴を表す情報に対する特徴ベクトルをそれぞれ算出し、さらに情報提供用データごとに当該情報提供用データに対し算出された特徴ベクトルと上記行動履歴を表す情報に対し算出された特徴ベクトルとの類似度をそれぞれ算出する。そして、この類似度の総和を情報提供用データの推薦スコアとする処理を、上記ＣＰＵ１１に実行させる。

集団に適した情報選択プログラム１３６は、データメモリ１４内の個人の嗜好情報記憶エリア１４１、集団の行動頻度情報記憶エリア１４７、集団構成情報記憶エリア１４６及び情報提供用データ記憶エリア１４４からそれぞれ個人の嗜好情報、集団の行動頻度情報、集団構成情報及び情報提供用データを読み出す。そして、上記算出された推薦スコアをもとに、当該推薦スコアが高い順に予め設定した数の情報提供用データを選択する処理を、ＣＰＵ１１に実行させる。

［装置の動作］
次に、以上のように構成された提供情報選択装置の動作を説明する。
提供情報選択装置は以下のような手順で処理を実行する。図８はその全体の処理手順と処理内容を示すフローチャートである。

（１）入力データの記憶処理
提供情報選択装置は、待機状態において入出力制御プログラム１３１の制御の下でデータの入力を監視している。この状態で、入出力インタフェース１７又は通信インタフェース１６を介してデータが受信されると、先ずステップＳ１により当該入力データが開始トリガであるかを判断する。この判定の結果、開始トリガでなければ、続いてステップＳ３において上記入力データが集団の行動履歴情報であるか他のデータであるかを判定する。そして、集団の行動履歴情報以外のデータだったとすれば、ステップＳ７において当該入力データをデータメモリ１４内の対応する記憶エリアに記憶させる。

例えば、入力データが情報提供者の端末から送られた情報提供用データであれば、このデータを情報提供用データ記憶エリア１４４に記憶させる。このとき、入力データと同一の項目名が既に情報提供用データ記憶エリア１４４に記憶されていればこの該当データに上書きし、そうでなければ追記する。また、入力データが情報利用者の携帯端末等から送られた個人の嗜好情報であれば、個人の嗜好情報記憶エリア１４１に記憶させる。このとき、入力データと同一のユーザＩＤ及びジャンル名が既に嗜好情報記憶エリア１４１に記憶されていれば当該該当データに上書きし、そうでなければ追記する。同様に、入力データが集団構成情報であれば、この入力データを集団構成情報記憶エリア１４６に記憶させる。このとき、入力データと同一のユーザＩＤが既に集団構成情報記憶エリア１４６に記憶されていればその該当データに上書きし、そうでなければ追記する。

（２）集団の行動頻度の算出処理
一方、入力データが集団の行動履歴を表す情報だったとする。この場合提供情報選択装置は、ステップＳ４により入出力制御プログラム１３１の制御の下で、上記入力された集団の行動履歴情報をデータメモリ１４内の集団の行動履歴情報記憶エリア１４２に記憶させる。次に、ステップＳ５において集団の行動頻度算出プログラム１３４を起動し、この行動頻度算出プログラム１３４の制御の下で集団の行動頻度を算出するための処理を以下のように実行する。図９はその処理手順と処理内容を示すフローチャートである。

すなわち、提供情報選択装置は先ずステップＳ５１において、上記集団の行動履歴情報記憶エリア１４２に記憶された集団の行動履歴情報から、グループＩＤと項目名との組み合わせを一組選択する。選択対象となるグループＩＤと項目名との組み合わせは、今回入力された集団の行動履歴情報に含まれるグループＩＤと項目名との全組み合わせのうち、行動頻度の加算処理が行われていないすべての組み合わせである。例えば、今回入力された集団の行動履歴情報の１レコード目のグループＩＤが「グループ１」、項目名が「○○麻婆豆腐屋」であった場合、「グループ１＋○○麻婆豆腐屋」という組になる。

提供情報選択装置は、次にステップＳ５２において、上記選択された項目名に該当するジャンル名を情報提供用データ記憶エリア１４４から検索する。例えば、項目名が「○○麻婆豆腐屋」であり、情報提供用データに当該「○○麻婆豆腐屋」に対応するジャンル名として「中華」、「豆腐」が登録されていたとすると、ジャンル名として「中華」、「豆腐」が検索される。

続いて提供情報選択装置は、ステップＳ５３において、上記選択されたグループＩＤとジャンル名との組に該当する行動頻度の加算処理を以下のように行う。すなわち、先ず上記選択されたグループＩＤとジャンル名との組に該当する集団の行動頻度情報を、集団の行動頻度情報記憶エリア１４７から読み出す。そして、この読み出された集団の行動頻度情報の行動頻度をインクリメント（＋１加算）する。例えば、選択されたグループＩＤが「グループ１」、ジャンル名が「中華」及び「豆腐」だった場合には、集団の行動頻度情報で「グループ１・中華」「グループ１・豆腐」の組であるデータの行動頻度をインクリメントする。そして、それまで記憶されていた同一グループＩＤ・ジャンル名に該当する行動頻度情報を、上記インクリメント後の行動頻度に更新する。なお、選択されたグループＩＤ・ジャンル名に該当する集団の行動頻度情報が記憶エリア１４７に存在しない場合には、上記選択されたグループＩＤとジャンル名との組に対応する行動頻度の値を「１」に設定し、これを新たな記憶情報とする。

最後に提供情報選択装置は、ステップＳ５４において、今回入力された集団の行動履歴情報に含まれるグループＩＤとジャンル名との組み合わせの中に、まだ加算処理が行われていない組み合わせが存在するか否かを判定する。そして、この判定の結果、加算処理が済んでいない組み合わせが残っていれば、ステップＳ５１に戻ってこの組み合わせに対し上記行動頻度の加算処理を実行する。これに対し、加算処理が済んでいない組み合わせが残っていなければ、ステップＳ６において上記加算処理後のすべての行動頻度情報を集団の行動頻度情報を記憶エリア１４７に記憶したのち、集団の行動頻度情報の算出処理を終了する。

（３）情報提供用データの選択処理
さて、この状態でタイマ２１から開始トリガが発生するか、又は入力デバイス１８において操作者が開始トリガを入力したとする。開始トリガには、集団に適した情報選択処理を実行する開始フラグと情報選択対象とするグループＩＤが必ず含まれ、必要に応じてその他の情報も含まれる。グループＩＤは、このグループＩＤに一致する情報を記憶部２より抽出するといった用途に使用する。その他の情報は、例えば場所や時間帯などの情報であり、必ずしも含まれていなくても良い。場所や時間帯情報は、開始トリガ発信者の今居る場所や時間帯であっても、これから向かおうと思っている場所や時間帯であっても構わない。なお、ユーザＩＤ、グループＩＤ、ジャンル名、項目名は全ての情報データにおいて統一されており、同一のＩＤ及び名称であれば同じものを示している。

上記開始トリガが入力されると、提供情報選択装置はステップＳ１からステップＳ２に移行し、ここで情報提供用データの選択処理を以下のように実行する。図１０はその制御手順と制御内容を示すフローチャートである。

（３−１）記憶データの検索
すなわち提供情報選択装置は、先ずステップＳ２１において、受信した開始トリガに含まれているグループＩＤに該当する集団行動頻度情報、集団構成情報及び集団行動履歴情報をそれぞれデータメモリ１４内の記憶エリア１４７，１４６，１４２より読み出す。続いてステップＳ２２において、上記読み出した集団構成情報に含まれるユーザＩＤをもとに該当する個人の嗜好情報を記憶エリア１４１から読み出す。

次にステップＳ２３において、上記読み出された個人の嗜好情報及び集団の行動頻度情報の値の正規化を行う。この正規化はそれぞれのデータ群、例えばユーザ１の嗜好情報、ユーザ２の嗜好情報、集団の行動頻度情報ごとに行う。正規化には、例えば正規分布を用いたProbability Density Functionを利用する。正規化したいデータ、例えばユーザＡの中華に対する嗜好情報をｘ、データｘが所属するデータ集合、例えばユーザＡの嗜好情報の集合の平均値をμ、標準偏差値をσとしたとき、データｘの正規化後の値Ｆ(x) は以下の式で求められる。

そして、ステップＳ２４において、情報提供用データ記憶エリア１４４から情報提供用データを読み出す。このとき、開始トリガに場所や時間帯を表す情報が含まれていた場合には、この場所や時間帯に合致したデータのみを読み出す。例えば、開始トリガの場所情報に「横浜」、時間帯情報に「１８：００〜１９：００」が含まれていたとすると、情報提供用データの立地場所情報が「横浜」に合致し、営業時間情報が「１８：００〜１９：００」を包括する範囲であるデータのみを選択的に読み出す。なお、読み出す情報提供用データは１つに絞る必要はなく、該当するデータが複数あれば複数読み出す。

（３−２）情報提供用データ及び行動履歴情報の特徴ベクトルの作成
さて、上記各情報の読み出しが終了すると、提供情報選択装置は続いて上記情報提供用データ及び行動履歴情報の特徴ベクトルを作成する処理を以下のように実行する。
すなわち、先ずステップＳ２５により、まだ特徴ベクトルを算出していない情報提供用データ及び行動履歴情報が存在するか否かを判定する。そして、特徴ベクトルを算出していない情報提供用データ及び行動履歴情報が存在する場合にはステップＳ２６〜Ｓ２８の処理へ、存在しなければステップＳ２９へ移行する。

（３−２−１）嗜好スコアの算出
提供情報選択装置は、ステップＳ２６において、選択された情報提供用データまたは行動履歴情報に対する個人の嗜好スコアを算出するために、データメモリ１４から、選択した情報提供用データまたは行動履歴情報が持つジャンル名と、そのジャンル名と対象とするユーザに該当する個人の嗜好情報を読み出す。そして、上記選択された情報提供用データまたは行動履歴情報のデータＤが所持するジャンル数をｍ、あるジャンルＧに対するユーザＵの嗜好スコアをＧＰ(U,G)とすると、上記選択した情報提供用データＤに対するユーザＵの嗜好スコアＣＰ(U,D)を以下の式により算出する。

なお、この際に利用する嗜好スコアは、ステップＳ２３にて正規化された値を利用する。このように、選択された情報提供用データもしくは行動履歴情報に対する個人の嗜好スコアを、必要なユーザの分だけ算出する。

（３−２−２）情報提供用データに対する集団の選択傾向度合いの算出
提供情報選択装置は、次にステップＳ２７において、上記選択された情報提供用データに対する集団の選択度合いを算出するために、選択した行動履歴情報が持つジャンル名と、そのジャンル名と対象とするグループに該当する行動頻度情報をデータメモリ１４から読み出す。いま、全行動履歴情報の数がＮ、ある行動履歴情報Ｃが所持しているジャンル数をｍとすると、あるジャンルＧの出現頻度ＧＦ(G) は

により算出する。

続いて、上記算出されたあるジャンルＧの出現頻度ＧＦ(G) を用いて、ある情報提供用データＤに対する選択傾向度合いＢＳ(D) を

により算出する。

（３−２−３）特徴ベクトルの算出
提供情報選択装置は、続いてステップＳ２８において、上記ステップＳ２６，Ｓ２７で算出されたユーザの嗜好スコアＣＰ(U,D) 及び集団の選択傾向度合いＢＳ(D) をもとに、上記選択された情報提供用データ及び行動履歴情報に対する特徴ベクトルを以下のように算出する。

すなわち、集団の構成員の数をＮ、選択された情報提供用データＤに対するユーザＵの嗜好スコアをＣＰ(U,D)、上記選択された情報提供用データＤに対する選択傾向度合いをＢＳ(D)とすると、上記選択された情報提供用データＤの特徴ベクトル（Ｖ(D)）を
Ｖ(D)＝｛ＣＰ(U1,D)，ＣＰ(U2,D)，…，ＣＰ(UN,D)，ＢＳ(D)｝ （１１）
により算出する。そして、この算出された情報提供用データＤの特徴ベクトル（Ｖ(D)）をデータメモリ１４に保存する。なお、行動履歴情報に対する特徴ベクトルについても同様に算出し、データメモリ１４に保存する。

以上述べたステップＳ２６〜ステップＳ２８による処理が終了すると、提供情報選択装置はステップＳ２５に戻って、まだ特徴ベクトルを算出していない情報提供用データ及び行動履歴情報が存在するか否かを判定する。そして、特徴ベクトルを算出していない情報提供用データ及び行動履歴情報が残っている限り、ステップＳ２６〜ステップＳ２８による一連の処理を繰り返す。

（３−３）情報提供用データの選択
（３−３−１）特徴ベクトルを用いた類似度の算出
そうして全ての情報提供用データ及び行動履歴情報に対する特徴ベクトルの算出が終了すると、提供情報選択装置はステップＳ２９に移行し、このステップＳ２９において、上記算出された情報提供用データ及び行動履歴情報の特徴ベクトルを利用して、情報提供用データが対象集団に適しているか否かを判定する。ここでは、ユークリッド距離を応用した判定法を例にあげ、その処理を説明する。図１１はその処理手順と処理内容を示すフローチャートである。

すなわち、先ずステップＳ３１により、推薦スコアをまだ計算していない情報提供用データが存在するか否かを判定する。そして、未計算の情報提供データが存在するのであれば、ステップＳ３２〜ステップＳ３６により推薦スコアの計算処理を実行し、存在しなければ計算したすべての推薦スコア情報をデータメモリ１４に保持して図１０のステップＳ３０へ移行する。つまり、図１０のステップＳ２４により情報提供用データ記憶エリア１４４から読み出したすべての情報提供用データに対する推薦スコアの計算処理が終わるまで、上記ステップＳ３２〜ステップＳ３６による推薦スコアの計算処理を繰り返し実行し、すべての情報提供用データに対する推薦スコアの計算が終わると図１０のステップＳ３０へ移行する。

ステップＳ３２では、推薦スコアが未計算の情報提供用データの中からひとつを選択し、続いてステップＳ３３において、図１０のステップＳ２１により集団の行動履歴情報記憶エリア１４２から読み出された集団の行動履歴データの中に、上記選択された情報提供用データとの間で類似度の計算がまだ行われていない行動履歴データが存在するか否かを判定する。この判定の結果、存在するのであれば、ステップＳ３４において、上記選択された情報提供用データとの間の類似度をまだ計算していない行動履歴データの中からひとつを選択し、ステップＳ３５に移行する。

ステップＳ３５では、上記選択された情報提供用データと、上記選択された集団の行動履歴データとの間の類似度を計算する。類似度の計算には、それぞれのデータに対する特徴ベクトルのユークリッド距離を利用する。なお、特徴ベクトルは図１０のステップＳ２８により算出されたものを利用する。すなわち、上記選択された情報提供用データ（Ｃ）の特徴ベクトル（Ｖ(C)）と、上記選択された行動履歴データ（H）の特徴ベクトル(Ｖ(H))との類似度は、

により算出する。そして、この算出された類似度をデータメモリ１３に保存する。以上のステップＳ３４及びステップＳ３５による類似度の計算処理は、類似度を計算していない行動履歴データがなくなったことが上記ステップＳ３３で検出されるまで繰り返し実行される。

（３−３−２）推薦スコアの算出
前記選択されたひとつの情報提供用データと、全ての行動履歴データとの間の類似度の計算が終了すると、ステップＳ３６に移行する。そして、このステップＳ３６において、上記算出された類似度を用いて、上記選択された情報提供用データの推薦スコアを決定する。情報提供用データの推薦スコアは、ステップＳＳ３３〜Ｓ３５で求めた類似度の総和とする。したがって、すべての行動履歴データの数をＮとすると、情報提供用データ（Ｃ）の推薦スコア（ＲＳ(C)）は、

により算出する。この算出された値を、上記選択された情報提供用データの推薦スコアとし、図１０のステップＳ３０に移行する。
かくして、全ての情報提供データについて推薦スコアが算出される。

（３−３−３）情報提供用データの選択と出力
上記ステップＳ２９による推薦スコアの計算処理が終了すると、提供情報選択装置はステップＳ３０に移行する。そして、ステップＳ２９において算出された推薦スコアをもとに、対象集団に適した情報提供データを選択する。具体的には、提供候補となる全ての情報提供用データを、上記ステップＳ２９により算出された推薦スコアが高い順に並べ、そのうち上位ｎ個の情報提供用データを選択する。なお、このｎは予め設定しておくか、あるいは開始トリガ情報の中に含めておく。

上記提供対象として選択された情報提供用データは、対象集団に適した情報提供用データとしてデータメモリ１４中の集団に適した情報記憶エリア１４５に保存する。そして、この保存された情報提供データを、通信インタフェース部５を介して上記集団が存在する街頭や集会場等に設置されたディジタルサイネージ用の表示デバイスに表示させ、これにより集団の構成員に提示する。また、必要に応じて装置に付属する表示器に表示させてシステムオペレータが確認できるようにしたり、通信インタフェース部５を介して他のシステムへ送信する。

［実施形態の作用効果］
以上詳述したようにこの実施形態では、集団に提供する情報の集合である情報提供用データ集合と、集団の構成を表す情報と、集団を構成する各個人の嗜好を表す情報を取得してデータメモリ１４の記憶エリアにそれぞれ格納すると共に、集団の行動履歴情報を取得してこの情報をもとに集団の行動頻度を算出して記憶エリアに格納する。そして、開始トリガが発生した場合に、この開始トリガにより指定されたグループＩＤに該当する集団に所属する個人の嗜好情報と、上記開始トリガにより指定された立地場所及び営業時間に該当する情報提供用データとをそれぞれ検索し、この検索された情報提供用データに対する個人の嗜好スコアを算出する。またそれと共に、上記情報提供用データ及び行動履歴データをもとに、当該情報提供用データに対する上記指定された集団の選択傾向度合いを表す情報を算出する。そして、上記算出された各構成員の嗜好スコア情報と集団の選択傾向度合いを表す情報とをもとに、上記情報提供用データ及び行動履歴を表す情報に対する特徴ベクトルをそれぞれ算出してこれらの特徴ベクトル間の類似度を算出し、上記情報提供用データごとに算出された特徴ベクトルの類似度を予め設定されたしきい値とそれぞれ比較することにより、類似度がしきい値より大きい嗜好スコア情報に対応する情報提供用データを、上記集団に適したデータとして選択するようにしている。

したがって、集団にとって適する情報提供用データを選択する場合に、情報提供データに対する各構成員の嗜好スコアの組み合わせに加え、情報が持つジャンルに対する集団の選択傾向が考慮されて、集団に適した情報提供用データが選択される。この結果、集団の関係性による未知でかつ適切な情報を選択可能という利点と、集団の選択傾向による不適切な情報を排除するという利点を兼ね備えた情報選択が可能となり、これによりトレードオフを解消して集団に適した情報選択が可能となる。

なお、この発明は上記実施形態に限定されるものではない。例えば、集団は２人であっても３人以上であってもよい。また、前記実施形態では情報提供用データとして飲食店に関する情報を取り扱う場合を例に説明したが、その他商品やサービス、ニュース、広告、映画やコンサート等のイベントに関する情報を取り扱うことも可能である。

その他、提供情報選択装置の設置場所や構成、情報選択のための処理手順と処理内容等についても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。
要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１…入出力インタフェース部、２…記憶部、３…情報選択部、４…集団の行動頻度情報算出部、５…通信インタフェース部、６…タイマ部、１１…中央処理ユニット（ＣＰＵ）、１２…バス、１３…プログラムメモリ、１４…データメモリ、１５…アンテナ、１６…通信インタフェース、１７…入出力インタフェース、１８…入力デバイス、１９…表示デバイス、２０…タイマ・インタフェース、２１…タイマ、３１…個人の嗜好スコア算出部、３２…集団の選択傾向度合い算出部、３３…推薦スコア算出部、１３１…入出力制御プログラム、１３２…個人の嗜好スコア算出プログラム、１３３…集団の選択傾向度合い算出プログラム、１３４…集団の行動頻度算出プログラム、１３５…推薦スコア算出プログラム、１３６…集団に適した情報選択プログラム、１４１…個人の嗜好情報記憶エリア、１４２…集団の行動履歴情報記憶エリア、１４３…嗜好クラスタ情報記憶エリア、１４４…情報提供用データ記憶エリア、１４５…集団に適した情報記憶エリア、１４６…集団構成情報記憶エリア、１４７…集団の行動頻度情報記憶エリア。

Claims (5)

1. 集団に提供するための複数の情報提供用データと、前記集団の構成員を表す情報と、前記構成員の嗜好を表す情報と、前記集団の行動履歴を表す情報をそれぞれ取得して記憶媒体に記憶する手段と、
   情報提供用データの提供対象となる集団が指定されたとき、前記記憶媒体に記憶された集団の構成員を表す情報及び当該構成員の嗜好を表す情報をもとに、前記記憶された複数の情報提供用データの各々に対する前記指定された集団の各構成員の嗜好の強さを表す嗜好スコア情報を算出する手段と、
   前記記憶媒体に記憶された情報提供用データ及び行動履歴を表す情報をもとに、前記情報提供用データごとに当該情報提供用データに対する前記指定された集団の選択傾向度合いを表す情報を算出する手段と、
   前記算出された各構成員の嗜好スコア情報と前記算出された集団の選択傾向度合いを表す情報とをもとに、前記情報提供用データ及び行動履歴を表す情報に対する特徴ベクトルをそれぞれ算出する手段と、
   前記情報提供用データごとに、当該情報提供用データに対し算出された特徴ベクトルと前記行動履歴を表す情報に対し算出された特徴ベクトルとの類似度をそれぞれ算出する手段と、
   前記情報提供用データごとに算出された特徴ベクトルの類似度を予め設定されたしきい値とそれぞれ比較し、類似度がしきい値より大きい嗜好スコア情報に対応する情報提供用データを、前記集団に適したデータとして選択する手段と
   を具備することを特徴とする提供情報選択装置。
2. 前記選択傾向度合いを表す情報を算出する手段は、
   前記記憶媒体に記憶された行動履歴を表す情報をもとに、当該行動履歴情報の総数をＮ、任意の行動履歴情報に含まれる当該行動履歴の特徴を表すメタ情報の数をｍとした場合に、あるメタ情報Ｇの出現頻度ＧＦ(G) を
   

   

   により算出する手段と、
   前記記憶媒体に記憶された複数の情報提供用データのうち候補として選んだ情報提供用データＤに含まれるメタ情報の数をｍとしたとき、前記行動履歴情報から算出されたメタ情報Ｇの出現頻度ＧＦ(G) に基づいて、当該候補となる情報提供用データＤに対する前記集団の選択傾向度合いＢＳ(D) を
   

   

   により算出する手段と
   を備えることを特徴とする請求項１記載の提供情報選択装置。
3. 集団に提供するための複数の情報提供用データと、前記集団の構成員を表す情報と、前記構成員の嗜好を表す情報と、前記集団の行動履歴を表す情報をそれぞれ取得して記憶媒体に記憶する過程と、
   情報提供用データの提供対象となる集団が指定されたとき、前記記憶媒体に記憶された集団の構成員を表す情報及び当該構成員の嗜好を表す情報をもとに、前記記憶された複数の情報提供用データの各々に対する前記指定された集団の各構成員の嗜好の強さを表す嗜好スコア情報を算出する過程と、
   前記記憶媒体に記憶された情報提供用データ及び行動履歴を表す情報をもとに、前記情報提供用データごとに当該情報提供用データに対する前記指定された集団の選択傾向度合いを表す情報を算出する過程と、
   前記算出された各構成員の嗜好スコア情報と前記算出された集団の選択傾向度合いを表す情報とをもとに、前記情報提供用データ及び行動履歴を表す情報に対する特徴ベクトルをそれぞれ算出する過程と、
   前記情報提供用データごとに、当該情報提供用データに対し算出された特徴ベクトルと前記行動履歴を表す情報に対し算出された特徴ベクトルとの類似度をそれぞれ算出する過程と、
   前記情報提供用データごとに算出された特徴ベクトルの類似度を予め設定されたしきい値とそれぞれ比較し、類似度がしきい値より大きい嗜好スコア情報に対応する情報提供用データを、前記集団に適したデータとして選択する過程と
   を具備することを特徴とする提供情報選択方法。
4. 前記選択傾向度合いを表す情報を算出する過程は、
   前記記憶媒体に記憶された行動履歴を表す情報をもとに、当該行動履歴情報の総数をＮ、任意の行動履歴情報に含まれる当該行動履歴の特徴を表すメタ情報の数をｍとした場合に、あるメタ情報Ｇの出現頻度ＧＦ(G) を
   

   

   により算出する過程と、
   前記記憶媒体に記憶された複数の情報提供用データのうち候補として選んだ情報提供用データＤに含まれるメタ情報の数をｍとしたとき、前記行動履歴情報から算出されたメタ情報Ｇの出現頻度ＧＦ(G) に基づいて、当該候補となる情報提供用データＤに対する前記集団の選択傾向度合いＢＳ(D) を
   

   

   により算出する過程と
   を備えることを特徴とする請求項３記載の提供情報選択方法。
5. 請求項３又は４記載の提供情報選択方法が備える過程に対応する処理をコンピュータに実行させるプログラム。

Images