JP5516421B2

JP5516421B2 - コンテキスト収集装置、コンテキスト収集プログラム、およびコンテキスト収集方法

Info

Publication number: JP5516421B2
Application number: JP2010544864A
Authority: JP
Inventors: 圭介梅津
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2009-01-05
Filing date: 2009-12-21
Publication date: 2014-06-11
Anticipated expiration: 2029-12-21
Also published as: WO2010076871A1; US20110264662A1; JPWO2010076871A1

Description

本発明は、コンテンツ利用者のコンテキストを収集する技術に関する。

近年、様々なセンサ等から得られる情報に基づいて利用者のコンテキストを推定し、コンテキストに応じて様々な情報処理を実行するシステムの開発が進められている。

この種のコンテキスト収集・活用システムの一例が下記の文献１に記載されている。文献１のコンテキスト収集・活用システムは、ユビキタスネットワークから収集されたデータ・プロセスからコンテキストを作成し、そのコンテキストを蓄積する。さらに、コンテキスト収集・活用システムは、蓄積されたコンテキストを元に、クライアントからの要求に適合するビューを作成する。

ここでいうビューは、クライアントにとって意味のあるものであり、クライアントの要求に適合していることが好ましい。このビューは、クライアントの要求に関連する様々な情報処理に利用されうる。

また、下記の文献２では、利用者の心的状況に対応する嗜好が、時間の経過とともに変化した場合でも、その変化に追従して、利用者の嗜好に合致する情報コンテンツを提供するシステムが提案されている。本システムは、利用者が情報コンテンツを選択するとき、利用者から心的情報の入力を受け、選択された情報コンテンツの属性を、入力された利用者の心的状況に応じて更新する。これにより、利用者の嗜好の変化に追従して情報コンテンツの属性が動的に更新されるので、提供する情報コンテンツと利用者の嗜好とがずれにくくなる。

また、下記の文献３には、利用者がある物品を利用したとき、その利用者へ推奨する物品を検索する技術が記載されている。本技術では、物品を特定するための『物品情報』と、当該物品を特徴付ける少なくともひとつの単語から構成される『特徴単語群』と、を予め対応付けておく。そして、利用者がある物品を利用したとき、当該物品に対応付けられている単語を取得し、その単語をキーとして利用して利用者への推奨物品の検索を行う。

また、文献３には、『物品特徴単語記憶部』から、当該物品が保持している『特徴単語群』に含まれる単語と関連のある単語を取得することにより、当該物品に付与される『特徴単語群』における、検索のキーとなる単語の数を増やす技術が記載されている。

下記の文献４には、利用者の操作を基にして、コンテキストを示す要素情報を収集することが記載されている。また、収集したコンテキストの履歴から、学習によってコンテキスト（状態）の価値を更新する技術が記載されている。本技術によれば、状態等を要素とする時系列情報を所定の連続性ルールに従って時系列情報群に分割し、時系列情報群を１学習対象とした学習処理を行う。この学習処理により、時系列情報群に含まれる先頭から最後尾までの各状態の状態価値と行動価値を更新することができる。

特開２００５−１２８８３６号公報特開２００４−７０５１０号公報特開２００８−２２５５８４号公報特開２００５−２６７４８３号公報

ところで、利用者のコンテキストには様々なものがある。例えば、利用者の現在位置や年齢、職業、性別などのように客観的事実として把握されるコンテキストがある。また、利用者の嗜好、感情、欲しいもの、しようと思っていることなどのように利用者の内面的心情として把握されるコンテキストもある。さらに、食事中、移動中、仕事中などのように利用者の行動内容として把握されるコンテキストもある。また、現在の天気や気温、混雑状況、利用者の同伴者の有無などのように、利用者自身のコンテキストではないが、利用者のコンテキストに影響を与えうるコンテキストも利用者のコンテキストに含めて考えることができる。

このような様々なコンテキストのうち、利用者の感情や同伴者の有無、行動内容、欲しいもの、しようと思っていること、のような「利用者の現在の状況」を表すコンテキストをフラジャイルコンテキスト（ＦｒａｇｉｌｅＣｏｎｔｅｘｔ）と称することにする。

フラジャイルコンテキストは、利用者の現時点でのコンテキストを的確に表すコンテキストであり、利用者に関する様々な情報処理に有用なコンテキストである。しかしながら、このフラジャイルコンテキストは、比較的短時間で変化しやすく、しかも客観的事実としてセンサ等を用いて計測することが困難なものもある。そのため、現在、適切に利用者のフラジャイルコンテキストを収集することを可能とする技術は見当たらない。

例えば、上記文献１、２、４に記載の技術は、基本的に、利用者に自らのコンテキストを手入力させるものである。しかし、利用者がコンテキストの変化を毎回入力することは大きな手間であり、現実的ではない。例えば、現在行っている行動、同伴者、感情等の各種コンテキストについて、コンテキストが変化するたびにシステムへ入力することを利用者に強いることは不可能であろう。

また、文献３には、物品と、当該物品を特徴付ける単語とを対応付けておき、利用者が利用した物品に対応する単語から推奨物品を推定する技術が記載されているが、収集される単語は推奨物品を判断するための単語であり、利用者のコンテキストを取得することが考慮されていない。

以上のように、いずれの技術を用いても利用者のコンテキストを適切に収集することはできない。

本発明の目的は、適切に利用者のコンテキストを収集することを可能にする技術を提供することである。

上記目的を達成するために、本発明のコンテキスト分析装置は、
利用可能なコンテンツと、該コンテンツに付与された、コンテキストを表すタグとを対応付けたコンテンツ情報を予め記憶しているコンテンツ記憶手段と、
利用者が利用したコンテンツを示す情報を利用ログとして蓄積する利用ログ記憶手段と、
前記利用ログに蓄積されたコンテンツに対応付けられているタグを前記コンテンツ情報から取得し、取得したタグに基づいて前記利用者のコンテキストを判断するユーザコンテキスト判断手段と、を有している。

本発明のコンテキスト分析プログラムは、
利用可能なコンテンツと、該コンテンツに付与された、コンテキストを表すタグとを対応付けたコンテンツ情報を予め記憶しておくコンテンツ記憶手順と、
利用者が利用したコンテンツを示す情報を利用ログとして蓄積する利用ログ記憶手順と、
前記利用ログに蓄積されたコンテンツに対応付けられているタグを前記コンテンツ情報から取得し、取得した前記タグに基づいて前記利用者のコンテキストを判断するユーザコンテキスト判断手順と、をコンピュータに実行させる。

本発明のコンテキスト分析方法は、
利用可能なコンテンツと、該コンテンツに付与された、コンテキストを表すタグとを対応付けたコンテンツ情報を予め記憶し、
利用者が利用したコンテンツを示す情報を利用ログとして蓄積し、
前記利用ログに蓄積されたコンテンツに対応付けられているタグを前記コンテンツ情報から取得し、
取得した前記タグに基づいて前記利用者のコンテキストを判断するものである。

第１の実施形態によるコンテキスト収集システムの構成を示すブロック図である。第１の実施形態によるコンテキスト収集装置の構成を示すブロック図である。コンテキスト収集システムの動作を示すフローチャートである。タグ群記憶部１２ａに予め記憶されている関連性情報の内容の一例を示す図である。コンテンツ記憶部１２ｂに予め記憶されているコンテンツ情報の内容の一例を示す図である。利用ログ記憶部１２ｃに記憶される利用ログの一例を示す図である。コンテンツＡの拡張タグリストを示す図である。コンテンツＢの拡張タグリストを示す図である。時系列順のコンテンツ列におけるコンテキスト変化点の一例を示す図である。利用者のコンテキストの一例を示す図である。第２の実施形態によるコンテキスト収集システムの構成を示すブロック図である。第２の実施形態によるコンテキスト収集装置の構成を示すブロック図である。第３の実施形態によるコンテキスト収集システムの構成を示すブロック図である。第３の実施形態によるコンテキスト収集装置の構成を示すブロック図である。

本発明を実施するための形態について図面を参照して詳細に説明する。

（第１の実施形態）
図１は、第１の実施形態によるコンテキスト収集システムの構成を示すブロック図である。図２は、第１の実施形態によるコンテキスト収集装置の構成を示すブロック図である。図２を参照すると、コンテキスト収集装置１０は、データ処理装置１１、記憶装置１２、およびネットワーク接続装置１３を有している。

図１を参照すると、コンテキスト収集装置１０は、ネットワーク接続装置１３を通してネットワーク３０から、クライアント端末２０にて利用されたコンテンツの利用ログを取得する。そして、コンテキスト収集装置１０は、取得した利用ログを記憶装置１２に記憶する。

記憶装置１２に新しいデータが記憶されると、データ処理装置１１は記憶装置１２から、コンテンツ利用ログと、コンテンツに付与されるタグ情報と、コンテンツ定義情報を読み出し、利用者のコンテキストを分析し、分析の結果として最新のコンテキストを生成する。生成したコンテキストは記憶装置１２に記憶される。

また、データ処理装置１１は記憶装置１２から利用者のコンテキストを読み出し、コンテキストを活用することにより、利用者に対する様々なサービスの情報処理を実行する。

ネットワーク３０は、コンテキスト収集装置１０とクライアント端末２０との情報通信を可能にするものであれば、どのような構成のネットワークであってもよい。

クライアント端末２０は、携帯電話、ＰＨＳ（ＰｅｒｓｏｎａｌＨａｎｄｙ−ｐｈｏｎｅＳｙｓｔｅｍ）、ＰＤＡ（ＰｅｒｓｏｎａｌＤｉｇｉｔａｌＡｓｓｉｓｔａｎｔ）、ＰＣ（ＰｅｒｓｏｎａｌＣｏｍｐｕｔｅｒ）等の通信装置であり、利用者が操作してコンテンツを利用する装置である。なお、本実施形態におけるクライアント端末２０は、コンテキスト収集装置１０と通信することができれば、どのような装置であってもよい。例えば、クライアント端末２０は、近距離通信を行うことができるＩＣ（ＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔ）タグであってもよい。

次に、コンテキスト収集装置１０について説明する。

図２を参照すると、記憶装置１２は、タグ群記憶部１２ａ、コンテンツ記憶部１２ｂ、利用ログ記憶部１２ｃ、およびコンテキスト記憶部１２ｄを備えている。データ処理装置１１は、利用ログ収集部１１ａ、コンテンツ間類似度抽出部１１ｂ、コンテキスト変化判別部１１ｃ、ユーザコンテキスト判断部１１ｄ、およびユーザコンテキスト活用部１１ｅを備えている。

タグ群記憶部１２ａは、コンテキストを表すタグと、そのタグ間の関連性をリンクとその関連度の組で表した関連性情報を記憶する。なお、ここではリンクは単方向リンクであるものとする。また、タグは、それ自身でコンテキストを表すが、複数のタグからコンテキストを分析するのに利用することもできるような情報である。

コンテンツ記憶部１２ｂは、コンテンツとそのコンテンツに付与されたタグとを対応付けたコンテンツ情報を記憶しておく。

利用ログ記憶部１２ｃは、利用ログ収集部１１ａによって収集された、クライアント端末２０にて利用されたコンテンツの情報を利用ログとして蓄積する。

コンテキスト記憶部１２ｄは、ユーザコンテキスト判断部１１ｄによって生成された利用者のコンテキストを記憶する。

利用ログ収集部１１ａは、利用者が利用したコンテンツの情報をクライアント端末２０から取得し、取得した情報を利用ログとして利用ログ記憶部１２ｃに記録する。

コンテンツ間類似度抽出部１１ｂは、利用ログ記憶部１２ｃに蓄積された利用ログに含まれる、利用者が利用したコンテンツの情報を時系列順に一列に並べる。また、コンテンツ間類似度抽出部１１ｂは、それら各コンテンツに付与されているタグの情報を、タグ群記憶部１２ａに記録されている関連性情報を用いて拡張する。さらに、コンテンツ間類似度抽出部１１ｂは、時系列で隣り合ったコンテンツ同士の類似度を算出する。

コンテキスト変化判別部１１ｃは、コンテンツ間類似度抽出部１１ｂで算出された類似度に基づいて、利用者のコンテキストが変化した時点を表すコンテキスト変化点を判別する。

ユーザコンテキスト判断部１１ｄは、コンテキスト変化判別部１１ｃによって得られたコンテキスト変化点と、そのコンテキスト変化点以降のコンテンツに対応するタグから利用者のコンテキストを分析し、その分析結果として利用者の最新のコンテキストを生成する。ユーザコンテキスト判断部１１ｄが生成したコンテキストはコンテキスト記憶部１２ｄに記録される。

ユーザコンテキスト活用部１１ｅは、コンテキスト記憶部１２ｄの内容であるコンテキストを活用した、利用者への様々なサービスの情報処理を実行する。

次に、本実施形態のコンテキスト収集システムの動作について詳細に説明する。図３は、コンテキスト収集システムの動作を示すフローチャートである。

図４は、タグ群記憶部１２ａに予め記憶されている関連性情報の内容の一例を示す図である。図４を参照すると、関連性情報には、コンテキストを表す個々のタグごとに、そのタグに関連するタグと、関連の強さを表す関連度との組がリスト形式で記録されている。タグとタグの関連は単方向リンクである。例えば、『移動中』というコンテキストは、『歩行中』というコンテキストを含む概念である。このようなコンテキストの関連性が関連性情報として定義される。

コンテキスト間の関連性の定義は、フラジャイルコンテキストのあいまい性を吸収するために有用となる。例えば、自宅の最寄り駅から自宅まで歩いている、というシーンを考える。このシーンでの利用者の行動を表すコンテキストとして、『移動中』、『帰宅中』、『歩行中』などが考えられる。これら３つのコンテキストは、利用者の行動を表す上ですべて適切であり、１つに決めることはできない。このようなあいまい性をもつコンテキストがフラジャイルコンテキストには多い。

あいまい性をもつコンテキスト間の関連性を定義しないと、例えば、『移動中』というコンテキストと『歩行中』というコンテキストとはまったく別の意味を持つコンテキストであると判断されてしまう。その結果、収集されるコンテキストを有効に利用することが困難となる。

コンテキスト間の関連性を定義すれば、例えば、ある利用者のコンテキストとして、『歩行中』というコンテキストが明らかとなっている時、新たに『移動中』というコンテキストも当てはまるのではないか、という推測が可能となる。この推測を繰り返すことにより、少量のコンテキストから、より多くのコンテキストを取得することが可能となる。

また、例えば、『歩行中』というコンテキストと、『移動中』というコンテキストのように、近い意味を持つコンテキスト間の関連性を定義しておくことも有用である。近い意味を持つコンテキスト間の関連性を定義しておくことによって、利用者のコンテキストからコンテンツを検索する際に、検索漏れを少なくすることができる。

例えば、『移動中』というコンテキストを定義し、そのコンテキストに、近い意味を持つ『歩行中』というコンテキストと、『帰宅中』というコンテキストを関連づけることができる。

関連性は『コンテキスト名，関連度』という２つの値で定義される。次に、関連度を定義する方法の例について説明する。ここでは、関連度は０から１００の数値が与えられ、１００は最も関連性が強いことを示すものとする。例えば、「『歩行中』のときは、必ず『移動中』である」という関係について関連性を設定するのであれば、コンテキスト名が『歩行中』である列の任意の関連αの要素として『移動中，１００』を記録すればよい。

図５は、コンテンツ記憶部１２ｂに予め記憶されているコンテンツ情報の内容の一例を示す図である。コンテンツ記憶部１２ｂには、コンテンツの実体と、そのコンテンツに付与された少なくとも１つのタグとの対応付けがリスト形式で記憶される。対応付けは、タグ名と重要度の組によって示される。これらのタグは、タグ群記憶部１２ａに記録されているタグ情報に存在するものである必要がある。また、これらのタグは、どのようなコンテキストをもつ利用者に使ってほしいか、という観点で付与することが望ましい。なお、タグ情報にデータを記録するのは、コンテキスト収集装置１０を管理する者であってもよく、コンテンツを提供する者であってもよい。

さらに、コンテンツを利用した時点における利用者のコンテキストの値を統計的に分析することによって、コンテンツに付与されるコンテキストと、その重要度を決定、修正、あるいは更新してもよい。それにより、コンテンツに付与されているコンテキストが全くない状態からコンテキストを生成したり、利用者の的確なコンテキストを判定したりすることが可能となる。

図３を参照すると、データ処理装置１１内の利用ログ収集部１１ａは、ネットワーク接続装置１３経由でクライアント端末３０から、コンテンツの利用に関する通知を受け（ステップＳ１）、利用ログ記憶部１２ｃに利用ログとして記憶する（ステップＳ２）。

図６は、利用ログ記憶部１２ｃに記憶される利用ログの一例を示す図である。図６を参照すると、利用ログには、ユーザ識別子、利用日時、および利用コンテンツの３つの情報が組になり、リスト形式で記憶される。これにより、各利用者が、いつ、どのコンテンツを利用したかを参照できる。

続いて、コンテンツ間類似度抽出部１１ｂが、タグ群記憶部１２ａに記録されているタグ情報、コンテンツ記憶部１２ｂに記録されているコンテンツ情報、利用ログ記憶部１２ｃに蓄積された利用ログを取得する（ステップＳ３）。そして、コンテンツ間類似度抽出部１１ｂは、利用ログをもとに、ある１人の利用者が使用したコンテンツのリストを抽出する。

次に、コンテンツ間類似度抽出部１１ｂは、抽出した各コンテキストに付与されているコンテキストをコンテンツ記憶部１２ｂのコンテンツ情報から抽出し、さらにタグ群記憶部１２ａのタグ情報を基に拡張する。この拡張によってタグ量が増加する。

更に、コンテンツ間類似度抽出部１１ｂは、各タグの重要度と関連度を用いて拡張タグリストを作成する。拡張タグリストは、拡張されたタグ（コンテキスト）と重み値の組をリスト形式で記録したリスト情報である。

さらに、コンテンツ間類似度抽出部１１ｂは、使用したコンテンツを時系列順に一例に並べ、隣り合ったコンテンツ同士の類似度を算出する。類似度は、隣り合った２つのコンテンツに付与されているタグを比較することにより算出する（ステップＳ４）。

次に、コンテンツ間の類似度の計算方法の一例について説明する。ここではコンテンツＡとコンテンツＢの類似度をする例を示す。

まず、コンテンツ記憶部１２ｂとタグ群記憶部１２ａの内容より、各コンテンツに付与される拡張タグリストを作成する。図７はコンテンツＡの拡張タグリストを示す図である。図８はコンテンツＢの拡張タグリストを示す図である。

拡張タグリストは例えば以下の方法で作成すればよい。

今、コンテンツＡに『移動中，１００』というタグ名と重要度の組が設定されているとする。このとき、タグ群記憶部１２ａの内容を参照し、『移動中』というコンテキストから、そのコンテキストに関連するコンテキストへのリンクと、そのリンクの関連度との組を読み込む。読み込んだデータに、例えば『歩行中，４０』というデータが存在したとすれば、それは、「『移動中』というコンテキストが確認されているとき、『歩行中』というコンテキストでもある確率が『４０％』である」ことを示す。

この場合、『歩行中』というタグを拡張タグリストに追加し、『歩行中』タグの重要度を『拡張元のタグの重要度×関連度を１００で割ったもの＝１００×０．４＝４０』に設定する。この計算を、『移動中』に関連付けられているすべてのタグに対して行う。ただし、求めた重要度が閾値（本例では『１０』）未満であった場合、拡張タグリストへの登録は行わない。その理由は、重要度が閾値以下である場合、有用なコンテキストではないと判断するためである。

さらに、新しく拡張タグリストに追加されたタグに対して、同様に、タグの拡張の処理を行う。このとき、追加しようとしたタグがすでに拡張タグリストに含まれていた場合、求めた重要度を拡張タグリスト中の重要度に加算する。ただし、重要度の上限は１００とする。

また、上記閾値の設定を変更することによって、コンテキストの拡張範囲を調整することができる。例えば、閾値を小さくすると（例えば、『１』）、有用であると判定されるコンテキストが増えるため、拡張されるコンテキストの範囲は広くなる。また、閾値を大きくすると（例えば、『２０』）、拡張されるコンテキストの範囲が狭くなる。拡張されるコンテキストの範囲を狭くすれば、拡張タグリストを抽出するための計算量は少なくなるため、コンテキストを推定する処理を短時間で行うことができるようになる。

上述した方法でコンテンツＡおよびコンテンツＢの拡張タグリストを作成したら、次に、それぞれの拡張タグリストについて、その拡張タグリストに含まれる、タグの重要度を合計する。そして、コンテンツＡの重要度の合計と、コンテンツＢの重要度の合計との平均値を算出する。本例では、図７に示されたコンテンツＡの重要度の合計が『３５０』であり、図８に示されたコンテンツＢの重要度の合計が『４０２』である。そのため、それらの平均値は『３７６』となる。

次に、２つの拡張タグリストを比較し、双方に含まれているタグ（コンテキスト）を抽出する。本例では、『通勤中』、『移動中』、『電車』、『少しヒマ』という４つのタグが抽出される。さらに、抽出したタグごとに、付与されている重要度を比較し、低いほうの値をタグごとの類似ポイントとする。最後に、類似ポイントの合計値を上記重要度の平均値で除算する。その演算結果がコンテキスト間の類似度となる。本例では、類似ポイントの合計点が『１２０』（＝２０＋４０＋４０＋２０）であるため、１２０÷３７６≒０．３２がコンテンツＡとコンテンツＢの類似度である。

算出されたコンテンツ間の類似度は、コンテキスト変化判別部１１ｃに供給される。コンテキスト変化判別部１１ｃは、隣接するコンテンツ間の類似度に基づいて、時系列順のコンテンツ列の中でコンテキストが変化するタイミングを判別する。

『ＦｒａｇｉｌｅＣｏｎｔｅｘｔ』は変化しやすく、ユーザコンテキストが消滅してしまうことがあるため、コンテキストの変化点を求め、それをコンテキストの分析において考慮することが有用である。例えば、『電車乗車中』というコンテキストは、本来、利用者が電車から降りた瞬間に消滅する。このようなコンテキスト変化が起こったとき、変化前に利用していたコンテンツをコンテキスト分析に利用すると、最新の正しいコンテキストが抽出できなくなる。したがって、このコンテキスト変化点を判別し、変化点以降のコンテンツに基づいて利用者の最新のコンテキストを決定することが好ましい。

次に、コンテキスト変化判別部１１ｃがコンテキスト変化点を判別する手法の一例について説明する。

コンテキスト変化判別部１１ｃは、供給されたすべてのコンテンツ間の類似度の平均値を算出し、その平均値を閾値に設定する。次に、コンテキスト変化判別部１１ｃは、設定した閾値以上の類似度で結ばれているコンテンツをクラスタリングし、各クラスタ内の類似度の平均値を求める。次に、コンテキスト変化判別部１１ｃは、求めた平均値を類似度とする２つのバーチャルコンテキストを生成し、クラスタリング前のコンテンツの対と置き換える。続いて、コンテキスト変化判別部１１ｃは、再度、すべてのコンテンツ間の類似度の平均値を求め、その値を閾値とし、閾値以下となったコンテンツ間をコンテキスト変化点とする（ステップＳ５）。

図９は、時系列順のコンテンツ列におけるコンテキスト変化点の一例を示す図である。図９に例では、コンテンツＡ〜Ｅが時系列に並んでおり、コンテンツＢとコンテンツＣの間にコンテキスト変化点がある。

ユーザコンテキスト判断部１１ｄは、コンテキスト変化判別部１１ｃによって得られたコンテキスト変化点と、最後のコンテキスト変化点以降のコンテンツの持つコンテキストから利用者のコンテキストを生成する（ステップＳ６）。

利用者のコンテキストを生成する方法として、ユーザコンテキスト判断部１１ｄは、まず、最後のコンテキスト変化点以降のコンテンツに付与されているコンテキストの重要度をコンテキスト毎に合計する。続いて、ユーザコンテキスト判断部１１ｄは、各コンテキストの合計値の平均値を算出し、その平均値を閾値として、合計値が閾値以上のコンテキストを、利用者のコンテキストとする。

ユーザコンテキスト判断部１１ｄは、生成した利用者のコンテキストをコンテキスト記憶部１２ｄに書き込む（ステップＳ７）。図１０は、利用者のコンテキストの一例を示す図である。図１０を参照すると、例えば、ユーザ識別子００００１の利用者のコンテキストは『空腹』と『昼休み』である。コンテキスト記憶部１２ｄには、利用者の各コンテキストについての重要度も記録されている。

ユーザコンテキスト活用部１１ｅは、コンテキスト記憶部１２ｄの内容である利用者のコンテキストを取得し（ステップＳ８）、そのコンテキストを活用した、利用者への様々なサービスの情報処理を実行する（ステップＳ９）。サービスは、ユーザコンテキストを活用したものであればよく、特に限定するものではない。サービスの一例として、利用者のコンテキストを利用して、利用者に合った広告を送るような広告配信システムが考えられる。また、利用者のコンテキストをプレゼンスとして利用するＳＮＳ（ＳｏｃｉａｌＮｅｔｗｏｒｋＳｅｒｖｉｃｅ）サービスやアプリケーション配信サービスも考えられる。

以上説明したように、本実施形態によれば、利用者が利用可能なコンテンツに対して、あらかじめフラジャイルコンテキストをタグとして付与しておき、利用者が利用したコンテンツに付与されているタグを収集して分析する。そのため、利用者のフラジャイルコンテキストを容易かつ適切に収集することが可能である。

また、本実施形態では、コンテンツ間の類似度から利用者のコンテキスト変化点を判別し、最新のコンテキスト変化点以降に利用されたコンテンツの情報に基づいて、利用者の最新のコンテキストを生成する。そのため、利用者のコンテキストを決定するのに、コンテキスト変化前のノイズデータを排除し、コンテキスト変化後の有用なデータのみを用いることができる。以下、より具体的に説明する。

一般的には、例えば１０分程度で変化してしまうような『変化しやすいコンテキスト（電車に乗っている、等）』を分析するために、１時間前に取得されたタグを利用するのは妥当でない。そのため、『変化しやすいコンテキスト』の分析に利用できる利用履歴は最近の短期間に取得されたタグに限られ、有効な推定を行うのに十分な数のタグが存在しない可能性がある。

また、『変化しやすいコンテキスト』の分析時には、間違ったコンテキストの抽出が多くなる。なぜなら、すでに変化してしまった後のコンテキストが含まれているコンテンツが、分析に使われるためである。例として、「昼休みに、レストランコンテンツをいくつか利用してお店を探し、食事後にニュースや株価情報コンテンツを利用する」というシーンを考える。上記ユーザコンテキストを自動で抽出する手法を使うと、レストランに関するコンテンツをいくつか利用したとき、『空腹である』というコンテキストが抽出される。食後、利用者がニュースや株価情報コンテンツ利用している時には、『空腹である』という感情（コンテキスト）は収まっているはずである。しかし、レストランコンテンツの利用履歴を用いてコンテキストの分析を行っているため、『空腹である』というコンテキストは残ってしまう。

上記文献４では、時系列のコンテキストの連続性を連続性ルール基づいて判断している。しかしながら、連続性ルールを予め記述しておくことが必要である。また、連続性の判断が適切に行われるようにするには、図１０に示されているような複数項目のルールを適切に設定する必要がある。そのため、これを実現するのは容易でない。

その点、本実施形態では、コンテンツ間の類似度から利用者のコンテキスト変化点を判別し、利用ログのコンテンツを区切るので、利用ログの適切な範囲のデータから利用者のコンテキストを的確に決定することが容易である。

また、本実施形態では、タグ（コンテキスト）同士の関連性を予め記録しておき、その関連性を基に、利用者のコンテキストを分析するためのタグを拡張する。そのため、取得されたタグが少なくても、利用者のコンテキストを適切に分析することが可能になる。また、コンテンツに大量なタグを付与しておかなくても、利用されたコンテンツから関連するタグを良好に抽出し、的確にコンテキストを分析することができる。近い意味を持つコンテキストをあらかじめ定義しておくことにより、利用者のコンテキストにマッチしたコンテンツを検索する際の検索漏れを少なくすることができる。

（第２の実施形態）
図１１は、第２の実施形態によるコンテキスト収集システムの構成を示すブロック図である。図１１に示されているように、第２の実施形態のコンテキスト収集システムは外部事業者端末２４０を含んでいる点で、図１に示した第１の実施形態のコンテキスト収集システムと異なる。

外部事業者端末２４０は、ネットワーク３０を通じてコンテキスト収集装置２１０から利用者のコンテキストを取得し、取得した利用者のコンテキストを情報処理に利用する。利用者のコンテキストを利用した情報処理としては様々な用途が考えられる。

外部事業者端末２４０は、コンテキスト収集装置２１０と通信可能であり、コンテキスト収集装置２１０が生成した利用者のコンテキストを利用して処理を実行する装置であれば、どのような装置であってもよい。外部事業者端末２４０の例としては、広告配信事業者端末、アプリケーション配信サービス事業者端末、コンテンツ利用動向調査事業者端末がある。

図１２は、第２の実施形態によるコンテキスト収集装置の構成を示すブロック図である。図１２に示されているように、第２の実施形態のコンテキスト収集装置２１０は、データ処理装置２１１にユーザコンテキスト送信部２１１ｆが含まれている点で、第１の実施形態のコンテキスト収集装置１０と異なる。

ユーザコンテキスト判断部１１ｄは、利用者のコンテキストを生成し、コンテキスト記憶部１２ｄに記録する。ユーザコンテキスト送信部２１１ｆは、コンテキスト記憶部１２ｄに記憶されている利用者のコンテキストを、外部事業者端末２４０からのクエリにより、外部事業者端末２４０に送信する。外部事業者端末２４０は、コンテキスト収集装置２１０からネットワーク３０経由で利用者のコンテキストを取得すると、そのコンテキストを利用して様々な情報処理を行う。

また、本実施形態の利用ログ収集部１１ａは、第１の実施形態の利用ログ収集部１１ａの機能に加えて、外部事業者端末２４０からネットワーク３０を通して利用ログを収集する機能を備えていてもよい。その場合、外部事業者端末２４０が扱うコンテンツと、そのコンテンツに付与されるタグとの組がコンテンツ記憶部１２ｃに記憶されているものとする。また、そのタグはタグ群記憶部１２ａにも記憶されているものとする。

外部事業者端末２４０は、利用者によるコンテンツの利用を検知すると、その利用者のユーザ識別子、そのユーザがコンテンツを利用した日時、利用したコンテンツのコンテンツ名を組にして、ネットワーク３０を通して利用ログ収集部１１ａに送る。利用ログ収集部１１ａは、受け取った情報を利用ログとして利用ログ記憶部１２ｃに記録する。ただし、このとき利用ログ収集部１１ａは、受け取った情報を利用ログ記憶部１１ａに記録するか否かを選択できるものとする。

以上説明したように、本実施形態によれば、コンテキスト収集装置２１０が生成した利用者のコンテキストを外部事業者端末２４０に通知することができるので、利用者のコンテキストを複数の装置で共有することができる。その結果、各事業者が個々に利用者のコンテキストを生成するのに比べて、各事業者の処理負荷が軽減される。

また、本実施形態では、コンテキスト収集装置２１０は外部事業者端末２４０から利用ログを収集することができるので、利用者のコンテキストを生成するのに、複数の事業者が取得した利用ログを利用することができる。その結果、利用者のコンテキストの生成に利用できるデータ量が増加し、利用者のフラジャイルコンテキストを適切に収集することが可能になる。

（第３の実施形態）
図１３は、第３の実施形態によるコンテキスト収集システムの構成を示すブロック図である。図１３に示されているように、第３の実施形態のコンテキスト収集システムは、外部事業者端末２４０を含み、クライアント端末２０を含まない点で、第１の実施形態と異なる。本実施形態の外部事業者端末２４０は、第２の実施形態の外部事業者端末２４０と同様のものである。また、本実施形態のコンテキスト収集装置３１０が、携帯電話、ＰＨＳ、ＰＤＡ、ＰＣ等のクライアント端末である。そのため図１３には他のクライアント端末が存在しない。

図１４は、第３の実施形態によるコンテキスト収集装置の構成を示すブロック図である。図１４に示されているように、第３の実施形態のコンテキスト収集装置３１０は、データ処理装置３１１にユーザコンテキスト送信部２１１ｆとタグ群更新部３１１ｇが含まれている点で、第１の実施形態のコンテキスト収集装置１０と異なる。ただし、ユーザコンテキスト送信部２１１ｆは、第２の実施形態のものと同様のものである。

ユーザコンテンツ判断部１１ｄは、利用者のコンテンツを生成し、コンテキスト記憶部１２ｄに記録する。ユーザコンテンツ送信部２１１ｆは、コンテキスト記憶部１２ｄに記憶されている利用者のコンテキストを、外部事業者端末２４０からのクエリにより、外部事業者端末２４０に送信する。外部事業者端末２４０は、コンテキスト収集装置３１０からネットワーク３０経由で利用者のコンテキストを取得すると、そのコンテキストを利用して様々な情報処理を実行する。その際、クライアント端末に組み込まれたコンテキスト収集装置３１０のユーザコンテキスト送信部２２１ｆは、利用者のコンテキストを外部事業者端末２４０へ送付するか否かを、利用者の指示により選択することができるものとする。

また、本実施形態では、利用ログ収集部１１ａは、外部事業者端末２４０から利用者に配信されたコンテンツと、そのコンテンツに付与されているコンテキストとの組の情報を利用ログとして利用ログ記憶部１２ｃに記録する。

そのため、外部事業者端末２４０の扱うコンテンツと、そのコンテンツに付与されているタグの組はタグ情報としてタグ群記憶部１２ａに予め定義されているものとする。そして、外部事業者端末２４０の利用ログ収集部１ｂは、タグ群記憶部１２ａに定義されている中から、利用者に配信されたコンテンツを選択し、それをコンテキスト収集装置３１０に通知する。

タグ群更新部３１１ｇは、利用ログ記憶部１２ｄに記憶されている利用ログを統計的に分析することにより、タグ群記憶部１２ａに記憶されている、タグ間の関連性を示す関連性情報を更新する。例えば、利用ログから利用者がとる可能性の高い行動パターンを推定し、その行動パターンに適合するタグ間のリンクについて関連度を高めることにしてもよい。利用ログから帰宅中には読書をするという行動パターンが推定されれば、帰宅中というタグから読書中というタグへのリンクの関連度を高めればよい。

以上説明したように、本実施形態によれば、コンテキスト収集装置３１０が生成した利用者のコンテキストが各利用者のクライアント端末に存在し、利用者のコンテキストを外部事業者端末２４０へ送信するか否かを利用者が判断することができるので、利用者のプライバシーを良好に保護することが可能となる。

また、本実施形態では、第２の実施形態と同様、コンテキスト収集装置３１０は外部事業者端末２４０から利用ログを収集することができるので、利用者のコンテキストを生成するのに、複数の事業者が取得した利用ログを利用することができる。その結果、利用者のコンテキストの生成に利用できるデータ量が増加し、利用者のフラジャイルコンテキストを適切に収集することが可能になる。

以上説明した第１から第３の実施形態は、利用ログ内のコンテキスト変化点を判別し、そのコンテキスト変化点で利用ログを区切って利用者のコンテキストを分析あるいは生成するものであったが、本発明はこれに限定されるものではない。

他の例として、利用者がコンテンツを利用すると、そのコンテンツに対応付けられているタグに基づいて、利用者のコンテキストを分析するものであってもよい。具体例としては、コンテンツ分析装置は、利用可能なコンテンツと、そのコンテンツに付与された、コンテキストを表すタグとを対応付けたコンテンツ情報を予め記憶しておけばよい。そして、コンテンツ分析装置は、利用者が利用したコンテンツを示す情報を利用ログとして蓄積し、利用ログに蓄積されたコンテンツに対応付けられているタグをコンテンツ情報から取得し、取得したタグに基づいて利用者のコンテキストを分析すればよい。

さらに他の例として、利用者がコンテンツを利用すると、そのコンテンツに対応付けられているタグと、そのタグに関連するタグとに基づいて、利用者のコンテキストを分析するものであってもよい。具体例としては、コンテンツ分析装置は、利用可能なコンテンツと、そのコンテンツに付与された、コンテキストを表すタグとを対応付けたコンテンツ情報と、各タグについてタグ同士の関連性を表す関連性情報とを予め記憶しておけばよい。そして、コンテンツ分析装置は、利用者が利用したコンテンツを示す情報を利用ログとして蓄積し、利用ログに蓄積されたコンテンツに対応付けられているタグをコンテンツ情報から取得し、さらにそのタグに関連するタグを関連性情報から取得し、両方のタグに基づいて利用者のコンテキストを分析すればよい。

なお、上述した各実施形態のコンテキスト収集装置は、データ処理装置を構成する各部の処理手順を規定したソフトウェアプログラムをコンピュータに実行させることにより実現することもできる。

また、上述した実施形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明はその趣旨を逸脱することなく変更、改良され得ると共に、本発明にはその等価物も含まれる。

（産業上の利用可能性）
本発明は、例えば、利用者のコンテキストを利用することにより、利用者の気分や行動あるいは周辺状況を推定し、個々の利用者に適した広告を推奨したり配信したりするモバイル向け広告配信システムに利用することができる。

また他の例として、本発明は、利用者のコンテキストを利用することにより、利用者の気分や行動あるいは周辺状況を推定し、利用者に適したアプリケーションを推薦あるいは配信するアプリケーション配信システムに利用することができる。

また他の例として、本発明は、利用者のコンテキストを利用することにより利用者の気分や行動あるいは周辺状況を考慮し、利用者に適した情報を推薦したり配信したりするモバイル向け広告配信システムに利用することができる。

また他の例として、本発明は、利用者のコンテキストを利用することにより、利用者の気分や周辺状況を考慮し、利用者の気分に合わせた機器制御を行う機器制御システムに利用することができる。具体例として、利用者が暑いまたは寒いと感じているときに空調の温度設定を自動で調整するシステムが考えられる。

以上、実施形態を参照して本発明を説明したが、本発明は実施形態に限定されるものではない。クレームに定義された本発明の構成や詳細には、発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２００９年１月５日に出願された日本出願特願２００９−０００２２９を基礎として優先権の利益を主張するものであり、その開示の全てを引用によってここに取り込む。

Claims

利用可能なコンテンツと、該コンテンツに付与された、コンテキストを表すタグとを対応付けたコンテンツ情報を予め記憶しているコンテンツ記憶手段と、
利用者が利用したコンテンツを示す情報を利用ログとして蓄積する利用ログ記憶手段と、
前記利用ログに蓄積されたコンテンツに対応付けられているタグを前記コンテンツ情報から取得し、取得したタグに基づいて前記利用者のコンテキストを判断するユーザコンテキスト判断手段と、
前記利用ログに含まれている、時系列で隣り合うコンテンツ間の類似度を抽出するコンテンツ間類似度抽出手段と、
前記類似度に基づいて、前記利用者のコンテキストが変化した時点を表すコンテキスト変化点を判別するコンテキスト変化点判別手段と、を有し、
前記ユーザコンテキスト判断手段は、前記利用ログを前記コンテキスト変化点で区切って前記利用者のコンテキストを分析する、コンテキスト収集装置。
前記ユーザコンテキスト判断手段は、前記利用ログに含まれている前記コンテンツのうち最新のコンテキスト変化点以降のコンテキストに基づいて、前記利用者の最新のコンテキストを決定する、請求項１に記載のコンテキスト収集装置。
前記ユーザコンテキスト判断手段で決定された最新のコンテキストを利用して、前記ユーザに関する情報処理を実行するコンテキスト活用手段を更に有する、請求項２に記載のコンテキスト収集装置。
前記ユーザコンテキスト判断手段で決定された最新のコンテキストを、該コンテキストを利用して前記ユーザに関する情報処理を実行する情報処理装置に通知するユーザコンテキスト送信手段を更に有する、請求項２または３に記載のコンテキスト収集装置。
前記コンテンツ記憶手段に記憶されているタグについて、タグ同士の関連性を表す関連性情報を予め記憶しているタグ群記憶手段と、を更に有し、
前記ユーザコンテキスト判断手段は、前記利用ログに含まれている前記コンテンツに対応するタグを前記コンテンツ情報から取得し、取得した前記タグに関連するタグを前記関連性情報から取得し、前記コンテンツ情報から取得した前記タグと、前記関連性情報から取得した前記タグとを、前記利用者のコンテキストの判断に利用する、請求項１から４のいずれか１項に記載のコンテキスト収集装置。
前記関連性は、タグ間のリンクによって表されており、
前記ユーザコンテキスト判断手段は、前記コンテンツ情報から取得した前記タグからリンクされたタグを前記関連性情報から取得する、請求項５に記載のコンテキスト収集装置。
前記ユーザがコンテンツを利用するためのクライアント端末に組み込まれている、請求項１から６のいずれか１項に記載のコンテキスト収集装置。
前記利用者がコンテンツを利用したことを検知し、該コンテンツの情報を前記利用ログとして前記利用ログ記憶手段に記録する利用ログ収集手段を更に有する、請求項１から７のいずれか１項に記載のコンテキスト収集装置。
前記コンテキストは、前記利用者の行動、感情、思い、同伴者を表す情報のうち少なくとも１つを含む、請求項１から８のいずれか１項に記載のコンテキスト収集装置。
利用可能なコンテンツと、該コンテンツに付与された、コンテキストを表すタグとを対応付けたコンテンツ情報を予め記憶しておくコンテンツ記憶手順と、
利用者が利用したコンテンツを示す情報を利用ログとして蓄積する利用ログ記憶手順と、
前記利用ログに蓄積されたコンテンツに対応付けられているタグを前記コンテンツ情報から取得し、取得した前記タグに基づいて前記利用者のコンテキストを判断するユーザコンテキスト判断手順と、
前記利用ログに含まれている、時系列で隣り合うコンテンツ間の類似度を抽出するコンテンツ間類似度抽出手順と、
前記類似度に基づいて、前記利用者のコンテキストが変化した時点を表すコンテキスト変化点を判別するコンテキスト変化点判別手順と、をコンピュータに実行させ、
前記ユーザコンテキスト判断手順では、前記利用ログを前記コンテキスト変化点で区切って前記利用者のコンテキストを分析する、コンテキスト収集プログラム。
前記コンテンツ記憶手順で記憶されるタグについて、タグ同士の関連性を表す関連性情報を予め記憶しておくタグ群記憶手順を更にコンピュータに実行させ、
前記ユーザコンテキスト判断手順では、前記利用ログに含まれている前記コンテンツに対応するタグを前記コンテンツ情報から取得し、取得した前記タグに関連するタグを前記関連性情報から取得し、前記コンテンツ情報から取得した前記タグと、前記関連性情報から取得した前記タグとを、前記利用者のコンテキストの判断に利用する、
請求項１０に記載のコンテキスト収集プログラム。
コンテンツ記憶手段は、利用可能なコンテンツと、該コンテンツに付与された、コンテキストを表すタグとを対応付けたコンテンツ情報を予め記憶し、
利用ログ記憶手段は、利用者が利用したコンテンツを示す情報を利用ログとして蓄積し、
ユーザコンテキスト判断手段は、前記利用ログに蓄積されたコンテンツに対応付けられているタグを前記コンテンツ情報から取得し、取得した前記タグに基づいて前記利用者のコンテキストを判断し、
コンテンツ間類似度抽出手段は、前記利用ログに含まれている、時系列で隣り合うコンテンツ間の類似度を抽出し、
コンテキスト変化点判別手段は、前記類似度に基づいて、前記利用者のコンテキストが変化した時点を表すコンテキスト変化点を判別し、
前記ユーザコンテキスト判断手段は、前記利用ログを前記コンテキスト変化点で区切って前記利用者のコンテキストを判断する、コンテキスト収集方法。
更に、タグ群記憶手段は、コンテンツ情報に記憶されるタグについて、タグ同士の関連性を表す関連性情報を予め記憶し、
前記ユーザコンテキスト判断手段は、前記利用ログに含まれている前記コンテンツに対応するタグを前記コンテンツ情報から取得し、取得した前記タグに関連するタグを前記関連性情報から取得し、前記コンテンツ情報から取得した前記タグと、前記関連性情報から取得した前記タグとを、前記利用者のコンテキストの判断に利用する、
請求項１２に記載のコンテキスト収集方法。