JP5527408B2 - アイテム選択装置、アイテム選択方法、およびアイテム選択用プログラム - Google Patents

Description

本発明は、アイテムに関するユーザの利用情報に基づいて、ユーザに合った適切なアイテムを選択するアイテム選択装置、アイテム選択方法、およびアイテム選択用プログラムに関する。

近年、デジタル技術やネットワーク技術の進展により、ネットワークを使ってコンテンツや商品などのアイテムを配信したり、販売したりすることが増えている。これに伴い、多数のアイテムの中から、ユーザの所望するアイテムの情報を選択して提供する技術へのニーズが高まっている。そして、ユーザのアイテムに対する評価情報や利用情報を用いて、ユーザの嗜好や興味に合致するアイテムの情報を提供する技術が開示されている。

一方、アイテムに対する興味の持続性や、嗜好の変化の速さなどは、ユーザごとに異なっており、個人差が大きいため、幅広い層のユーザに対して適切にアイテムを選択することは難しいという問題がある。このような問題に対応する技術として、例えば、ユーザごとに学習期間、推薦期間、類似ユーザ数のパラメータを設定可能にして、ユーザにコンテンツを推薦する方法が特許文献１に開示されている。

特開２００４−３２６２２７号公報

特許文献１の方法によれば、ユーザごとに学習期間、推薦期間、類似ユーザ数のパラメータを設定するため、そのようなパラメータを全ユーザで共通にしている通常の推薦方法に比べて、ユーザの嗜好の変化の速さ度合いなどの個人差が大きい場合であっても、適切なコンテンツを推薦できると考えられる。

しかしながら、特許文献１においては、そのような推薦処理の用いるパラメータをユーザ本人やサービス管理者などの人間が入力する手間が必要であった。一般的にユーザは、推薦処理のような複雑な情報処理に関する知識を持っていないため、ユーザ本人がパラメータを適切な値に設定することは難しいといった問題があった。また、サービス管理者が設定する場合は、多数のユーザのパラメータを入力する手間が煩雑である上に、ユーザ本人でないと最終的な推薦結果の妥当性を判断できないため、やはりパラメータを適切な値に設定することが難しいといった問題があった。さらに、人間がパラメータを設定する場合には、一度設定されたパラメータの値があまり更新されない傾向があり、パラメータが設定された直後に推薦精度が良い場合であっても、ユーザのアイテムに対する利用パターンが変化しているにもかかわらず、パラメータの値がそれに追従しないため、推薦精度が低下する問題があった。

そこで本発明は、ユーザやサービス管理者などに情報選択処理で用いるパラメータを設定する手間をかけさせることなく、幅広い層のユーザに対しても精度良くアイテムを選択することを目的とする。

上記目的を達成するため、第１の側面に係るアイテム選択装置（１，１ｂ，１ｃ）は、各アイテムのアイテム識別子と、該アイテムの作成時点または提供開始時点を示すアイテム時期情報とを関連付けて格納するアイテム属性格納部（１０）と、ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを含む利用情報を他の装置（２）から受信する受信部（１４）と、前記受信部により受信した利用情報に含まれる利用主体識別子とアイテム識別子とを関連付けた利用履歴を格納する利用履歴格納部（１１）と、前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれるアイテム識別子に対応する前記アイテム時期情報と所定の時点との差である経過値を算出し、前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する利用特性情報算出部（１２）と、前記アイテム属性格納部に格納されたアイテム識別子について、対応する前記アイテム時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出するとともに、前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出し、該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出し、該優先度に基づいて利用主体識別子ごとにアイテムの選択を行うアイテム選択部（１３）とを具備することを特徴とする。ここで、括弧内の符号は、図面中の対応する要素の符号である（以下、同様）。

第２の側面に係るアイテム選択装置（１）は、ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを少なくとも含む利用情報を他の装置（２）から受信する受信部（１４）と、前記受信部により受信した利用情報に含まれる３つの情報である利用主体識別子と、アイテム識別子と、該アイテムが利用された時点を示す利用時期情報とを関連付けた利用履歴、または前記受信部により受信した利用情報に含まれる２つの情報である利用主体識別子と、アイテム識別子と、該利用情報を前記受信部により受信した時点を示す利用時期情報とを関連付けた利用履歴を格納する利用履歴格納部（１１）と、前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれる前記利用時期情報と所定の時点との差である経過値を算出し、前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する利用特性情報算出部（１２）と、前記利用履歴格納部に格納されたアイテム識別子について、対応する前記利用時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出するとともに、前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出し、該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出し、該優先度に基づいて利用主体識別子ごとにアイテムの選択を行うアイテム選択部（１３）とを具備することを特徴とする。

第３の側面に係るアイテム選択装置は、第１の側面に係るアイテム選択装置において、前記利用履歴格納部は、前記受信部により受信した利用情報に含まれる３つの情報である利用主体識別子と、アイテム識別子と、該アイテムが利用された時点を示す利用時期情報とを関連付けた利用履歴、または前記受信部により受信した利用情報に含まれる２つの情報である利用主体識別子と、アイテム識別子と、該利用情報を前記受信部により受信した時点を示す利用時期情報とを関連付けた利用履歴を格納し、前記利用特性情報算出部は、前記利用履歴格納部に格納された利用履歴についての経過値の算出に際し、該利用履歴に含まれる利用時期情報を前記所定の時点として用いることを特徴とする。

第４の側面に係るアイテム選択装置は、第２の側面に係るアイテム選択装置において、前記利用特性情報算出部は、前記利用履歴格納部に格納された利用履歴についての経過値の算出に際し、該利用履歴のアイテム識別子を含む各利用履歴の利用時期情報の分布を用いて、該アイテム識別子に係るアイテムの作成時点または提供開始時点の推定値である推定アイテム時期情報を算出し、該推定アイテム時期情報を前記所定の時点として用いることを特徴とする。

第５の側面に係るアイテム選択装置は、第２の側面に係るアイテム選択装置において、前記利用特性情報算出部は、前記利用履歴格納部に格納された利用履歴についての経過値の算出に際し、該利用履歴に含まれる利用主体識別子と同一の利用主体識別子を含み、かつ該利用履歴と時間的に隣り合う他の利用履歴に含まれる利用時期情報を前記所定の時点として用いることを特徴とする。

第６の側面に係るアイテム選択装置は、第５の側面に係るアイテム選択装置において、各アイテムのアイテム識別子と、該アイテムの作成時点または提供開始時点を示すアイテム時期情報とを関連付けて格納するアイテム属性格納部（１０）を備え、前記アイテム選択部は、前記利用時期情報に代えて、前記アイテム属性格納部に格納されたアイテム時期情報に基づき前記鮮度値を算出することを特徴とする。

第７の側面に係るアイテム選択装置は、第１または第６の側面に係るアイテム選択装置において、前記アイテム属性格納部は、前記アイテムのアイテム識別子とアイテム時期情報とを関連付けて格納するに際し、該アイテムが属するカテゴリを示すカテゴリ情報をさらに関連付けて格納し、前記アイテム選択部は、前記優先度に基づいて利用主体識別子ごとにアイテムの選択を行うに際し、所定の条件を満たす前記カテゴリ情報に対応するアイテム識別子に係るアイテムを選択することを特徴とする。

第８の側面に係るアイテム選択装置は、第１〜第７のいずれかの側面に係るアイテム選択装置において、前記アイテム選択部は、前記利用履歴格納部に格納された利用履歴に基づき、アイテムごとの利用回数またはアイテムごとの利用ユーザ数に関連する数値である人気指標を算出し（Ｓ４１０、Ｓ７４０、Ｓ８３０）、該人気指標を用いて前記優先度の算出を行うことを特徴とする。

第９の側面に係るアイテム選択装置は、第１〜第７のいずれかの側面に係るアイテム選択装置において、前記他の装置から受信する利用情報は、該利用情報に係るユーザの該利用情報に係るアイテムに対する評価の高さを示す評価値を含み、前記受信部により受信した利用情報に基づいて格納される利用履歴は、該利用情報に含まれる評価値をさらに関連付けたものであり、前記アイテム選択部は、前記利用履歴格納部に格納された利用履歴に基づき、アイテムごとに評価値を加算した値を用いて人気指標を算出し、該人気指標を用いて前記優先度の算出を行うことを特徴とする。

第１０の側面に係るアイテム選択装置は、第１〜第９のいずれかの側面に係るアイテム選択装置において、前記利用特性情報算出部は、前記利用主体識別子ごとに、対応する経過値の分布に基づいて利用特性情報を算出するに際し、該経過値の分布に基づく代表値を、該利用特性情報を構成するものとして算出する（Ｓ３３０）ことを特徴とする。

第１１の側面に係るアイテム選択装置は、第１０の側面に係るアイテム選択装置において、前記経過値の分布に基づく代表値は、該経過値の平均値、該経過値の最頻値、該経過値を大きさの順に並べた場合の所定の順位に該当する値、所定値以上の該経過値の割合の内のいずれかであることを特徴とする。

第１２の側面に係るアイテム選択装置は、第１０または第１１の側面に係るアイテム選択装置において、前記利用特性情報算出部は、前記利用主体識別子ごとに、対応する経過値の分布に基づいて利用特性情報を算出するに際し、該利用主体識別子に係るユーザが新しいアイテムを利用する頻度が高いほど、小さな値となるように該利用主体識別子に係る前記代表値を算出し、前記アイテム選択部は、前記アイテムごとの鮮度値を、該アイテムが新しいほど小さな値になるように算出し、前記代表値が小さいほど、鮮度値の増加に対する新規性指標の減少度合いがより大きな対応規則を用いて、前記新規性指標の取得を行うことを特徴とする。

第１３の側面に係るアイテム選択装置は、第１〜第１２のいずれかの側面に係るアイテム選択装置において、前記利用特性情報算出部は、前記利用主体識別子ごとに、対応する経過値の分布に基づいて利用特性情報を算出するに際し、該経過値のばらつき度合いを示す値を、該利用特性情報を構成するものとして算出する（ＳＳ３４０）ことを特徴とする。

第１４の側面に係るアイテム選択装置は、第１３の側面に係るアイテム選択装置において、前記経過値のばらつき度合いを示す値は、該経過値の分散に基づく値、該経過値の平均偏差に基づく値、該経過値を大きさ順に並べた場合の第１の所定順位に該当する値と第２の所定順位に該当する値との差に基づく値の内のいずれかであることを特徴とする。

第１５の側面に係るアイテム選択装置は、第１３または第１４の側面に係るアイテム選択装置において、前記アイテム選択部は、前記各利用主体識別子の利用特性情報に対応する対応規則に鮮度値を適用して新規性指標を得るに際し、該対応規則として、該利用主体識別子に係る前記ばらつき度合いを示す数値が小さいほど、鮮度値の変化に対してより大きな新規性指標の変化を与えるものを用いることを特徴とする。

第１６の側面に係るアイテム選択装置は、第１〜第１５のいずれかの側面に係るアイテム選択装置において、前記利用特性情報算出部は、前記利用主体識別子ごとに、対応する経過値の分布に基づいて利用特性情報を算出するに際し、該経過値の個数を、該利用特性情報を構成するものとして算出する（Ｓ３５０）ことを特徴とする。

第１７の側面に係るアイテム選択装置は、第１〜第１６のいずれかの側面に係るアイテム選択装置において、前記アイテム選択部は、前記新規性指標に基づいて利用主体識別子ごとのアイテムの優先度を算出するに際し、該新規性指標と他の所定の指標との乗算値、該新規性指標に第１の係数を乗じることにより得られた値と該他の指標に第２の係数を乗じることにより得られた値との加算値、該新規性指標の対数値に第３の係数を乗じることにより得られた値と該他の指標の対数値に第４の係数を乗じることにより得られた値との加算値、該新規性指標を基数として第５の係数を指数とする第１の累乗値と該他の指標を基数とし第６の係数を指数とする第２の累乗値との乗算値の内のいずれかを用いて該優先度の算出を行うことを特徴とする。

第１８の側面に係るアイテム選択装置は、第１〜第１７のいずれかの側面に係るアイテム選択装置において、前記利用履歴格納部に格納された利用履歴に基づいて、任意の２つの利用主体識別子の間の類似度を算出する類似度算出部（１６）を備え、前記アイテム選択部は、前記類似度に基づく類似性指標を用いて前記優先度の算出を行うことを特徴とする。

第１９の側面に係るアイテム選択装置は、第１〜第１８のいずれかの側面に係るアイテム選択装置において、前記利用履歴格納部に格納された利用履歴に基づいて、任意の２つの利用主体識別子の間の類似度を算出する類似度算出部を備え、前記アイテム選択部は、前記利用主体識別子ごとにアイテムの優先度を算出するに際し、利用主体識別子ごとに、該利用主体識別子との間の前記類似度が所定値より高い他の利用主体識別子、または該利用主体識別子との間の前記類似度が高い順に所定数を超えない数の他の利用主体識別子を抽出するとともに、前記利用履歴格納部に格納された利用履歴から、前記抽出された利用主体識別子に関連付けられているアイテム識別子を抽出し、抽出したアイテム識別子に係るアイテムの集合を対象として前記優先度の算出を行うことを特徴とする。

第２０の側面に係るアイテム選択装置は、第１〜第１９のいずれかの側面に係るアイテム選択装置において、ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザの属性情報とを関連付けて格納するユーザ属性格納部と、前記ユーザ属性格納部に格納されたユーザ属性情報に基づいて、任意の２つの利用主体識別子の間の適合度を算出する適合度算出部（１８）を備え、前記アイテム選択部は、前記適合度に基づく適合性指標を用いて前記優先度の算出を行うことを特徴とする。

第２１の側面に係るアイテム選択装置は、第１〜第２０のいずれかの側面に係るアイテム選択装置において、ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザの属性情報とを関連付けて格納するユーザ属性格納部と、前記ユーザ属性格納部に格納されたユーザ属性情報に基づいて、任意の２つの利用主体識別子の間の適合度を算出する適合度算出部を備え、前記アイテム選択部は、前記利用主体識別子ごとのアイテムの優先度を算出するに際し、利用主体識別子ごとに、該利用主体識別子との前記適合度が所定値より高い他の利用主体識別子、または該利用主体識別子との前記適合度が高い順に所定数を超えない数の他の利用主体識別子を抽出し、前記利用履歴格納部に格納された利用履歴から、前記抽出された利用主体識別子に関連付けられているアイテム識別子を抽出し、抽出したアイテム識別子に係るアイテムの集合を対象として前記優先度の算出を行うことを特徴とする。

また、第１の側面に係るアイテム選択方法は、アイテム選択装置において実行されるアイテム選択方法において、各アイテムのアイテム識別子と、該アイテムの作成時点または提供開始時点を示すアイテム時期情報とを関連付けてアイテム属性格納部に格納する工程と、ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを含む利用情報を他の装置から受信する工程と、前記受信する工程により受信した利用情報に含まれる利用主体識別子とアイテム識別子とを関連付けた利用履歴を利用履歴格納部に格納する工程（Ｓ２１０）と、前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれるアイテム識別子に対応する前記アイテム時期情報と所定の時点との差である経過値を算出する工程（Ｓ３２０）と、前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する工程（Ｓ３３０）と、前記アイテム属性格納部に格納されたアイテム識別子について、対応する前記アイテム時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出する工程と、前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出する工程（Ｓ４２０，Ｓ７５０，Ｓ８４０）と、該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出する工程（Ｓ４３０，Ｓ７６０，Ｓ８５０）と、該優先度に基づいて利用主体識別子ごとにアイテムの選択を行う工程（Ｓ４４０，Ｓ７７０，Ｓ８６０）とを具備することを特徴とする。

第２の側面に係るアイテム選択方法は、アイテム選択装置において実行されるアイテム選択方法において、ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを少なくとも含む利用情報を他の装置から受信する工程と、前記受信する工程により受信した利用情報に含まれる３つの情報である利用主体識別子と、アイテム識別子と、該アイテムが利用された時点を示す利用時期情報とを関連付けた利用履歴、または前記受信する工程により受信した利用情報に含まれる２つの情報である利用主体識別子と、アイテム識別子と、該利用情報を前記受信する工程により受信した時点を示す利用時期情報とを関連付けた利用履歴を利用履歴格納部に格納する工程（Ｓ２１０）と、前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれる前記利用時期情報と所定の時点との差である経過値を算出する工程（Ｓ３２０）と、前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する工程（Ｓ３３０）と、前記利用履歴格納部に格納されたアイテム識別子について、対応する前記利用時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出する工程と、前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出する工程（Ｓ４２０，Ｓ７５０，Ｓ８４０）と、該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出する工程（Ｓ４３０，Ｓ７６０，Ｓ８５０）と、該優先度に基づいて利用主体識別子ごとにアイテムの選択を行う工程（Ｓ４４０，Ｓ７７０，Ｓ８６０）とを具備することを特徴とするアイテム選択方法。

また、第１の側面に係るアイテム選択用プログラムは、コンピュータに、各アイテムのアイテム識別子と、該アイテムの作成時点または提供開始時点を示すアイテム時期情報とを関連付けてアイテム属性格納部に格納する手順と、ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを含む利用情報を他の装置から受信する手順と、前記受信する手順により受信した利用情報に含まれる利用主体識別子とアイテム識別子とを関連付けた利用履歴を利用履歴格納部に格納する手順（Ｓ２１０）と、前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれるアイテム識別子に対応する前記アイテム時期情報と所定の時点との差である経過値を算出する手順（Ｓ３２０）と、前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する手順（Ｓ３３０）と、前記アイテム属性格納部に格納されたアイテム識別子について、対応する前記アイテム時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出する手順と、前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出する手順（Ｓ４２０，Ｓ７５０，Ｓ８４０）と、該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出する手順（Ｓ４３０，Ｓ７６０，Ｓ８５０）と、該優先度に基づいて利用主体識別子ごとにアイテムの選択を行う手順（Ｓ４４０，Ｓ７７０，Ｓ８６０）とを実行させることを特徴とする。

第２の側面に係るアイテム選択用プログラムは、コンピュータに、ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを少なくとも含む利用情報を他の装置から受信する手順と、前記受信する手順により受信した利用情報に含まれる３つの情報である利用主体識別子と、アイテム識別子と、該アイテムが利用された時点を示す利用時期情報とを関連付けた利用履歴、または前記受信する手順により受信した利用情報に含まれる２つの情報である利用主体識別子と、アイテム識別子と、該利用情報を前記受信する手順により受信した時点を示す利用時期情報とを関連付けた利用履歴を利用履歴格納部に格納する手順（Ｓ２１０）と、前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれる前記利用時期情報と所定の時点との差である経過値を算出する手順（Ｓ３２０）と、前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する手順（Ｓ３３０）と、前記利用履歴格納部に格納されたアイテム識別子について、対応する前記利用時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出する手順と、前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出する手順（Ｓ４２０，Ｓ７５０，Ｓ８４０）と、該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出する手順（Ｓ４３０，Ｓ７６０，Ｓ８５０）と、該優先度に基づいて利用主体識別子ごとにアイテムの選択を行う手順（Ｓ４４０，Ｓ７７０，Ｓ８６０）とを実行させることを特徴とする。

本発明によれば、アイテムに関するユーザの利用履歴をもとに利用特性情報をユーザごとに算出し、利用特性情報を用いてアイテム選択におけるパラメータをユーザごとに自動的に設定できるため、ユーザに特別な操作をさせることなく、個人差の大きい幅広い層のユーザに対しても、それぞれのユーザの嗜好に合った情報を精度良く選択できる。特に、アイテムの新しさに関するユーザの好みを反映して精度良くアイテムを選択することが可能になる。

例えば、アイテムの新しさを重視してアイテムを利用するユーザには、推薦処理におけるアイテムの新しさの影響力を大きくし、逆にアイテムの新しさを重視しないユーザには、推薦処理におけるアイテムの新しさの影響力を小さくするといったことができる。ユーザや事業者などが推薦処理におけるパラメータを設定する必要がないので、ユーザの手間や事業者の負担を低減することができる。また、ユーザのアイテムに対する利用パターンが変化した場合でも、パラメータが追従して更新されるため、精度良く情報を選択できる。

図１は、本発明のシステム全体の構成を示す図である。 図２は、本発明のシステム全体の別の構成を示す図である。 図３は、図１または図２のシステムにおけるアイテム提供サーバ２の構成を示す図である。 図４は、アイテム提供サーバ２のアイテム格納部２２におけるデータ形式を示す図である。 図５は、アイテム提供サーバ２の推薦情報格納部２３におけるデータ形式を示す図である。 図６は、図１または図２のシステムの全体の動作を説明するためのフローチャートである。 図７は、図１または図２のシステムにおける端末装置の表示装置に表示される操作メニュー画面の一例を示す図である。 図８は、図１または図２のシステムにおける端末装置の表示装置に表示される推薦アイテム情報画面の一例を示す図である。 図９は、本発明の実施例１における情報選択装置１の構成を示す図である。 図１０（Ａ）および１０（Ｂ）は、情報選択装置１のアイテム属性格納部１０のデータ形式を示す図である。 図１１は、情報選択装置１の利用履歴格納部１１のデータ形式を示す図である。 図１２は、情報選択装置１からアイテム提供サーバ２に推薦情報を送信する処理を説明するためのフローチャートである。 図１３は、情報選択装置１の利用特性情報算出部１２において利用特性情報を算出する処理を説明するためのフローチャートである。 図１４は、利用特性情報算出部１２における利用特性情報のデータ形式を示す図である。 図１５は、実施例１において推薦情報を作成する処理を説明するためのフローチャートである。 図１６は、情報選択装置１のアイテム選択部１３において新規性指標を算出する際に用いる関数の特性の一例を示す図である。 図１７は、アイテム選択部１３において関数を選択する処理を説明するためのフローチャートである。 図１８は、アイテム選択部１３において関数を選択する処理を説明するためのフローチャートである。 図１９は、アイテム選択部１３において算出される人気指標の一例を示す図である。 図２０は、アイテム選択部１３において算出される新規性指標の一例を示す図である。 図２１は、アイテム選択部１３において算出される優先度の一例を示す図である。 図２２は、本発明の実施例２における情報選択装置１ｂの構成を示す図である。 図２３は、実施例２において推薦情報を作成する処理を説明するためのフローチャートである。 図２４は、情報選択装置１ｂの類似度算出部１６で算出されるデータ形式を示す図である。 図２５は、本発明の実施例３における情報選択装置１ｃの構成を示す図である。 図２６Ａは、情報選択装置１ｃのユーザ属性格納部１７に格納されるデータ形式を示す図である。 図２６Ｂは、情報選択装置１ｃのユーザ属性格納部１７に格納されるデータ形式を示す図である。 図２７は、実施例３において推薦情報を作成する処理を説明するためのフローチャートである。

＜実施例１＞

本発明の実施例１におけるシステム全体の構成を図１に示す。情報選択装置１と、アイテム提供サーバ２と、１つ以上の端末装置３（３ａ〜３ｎ）がネットワーク４を介して接続されている。また、図２に示すように、２つのネットワークを用いてシステム全体を構成してもよい。図２においては、情報選択装置１とアイテム提供サーバ２がネットワーク４ａを介して接続されており、アイテム提供サーバ２と端末装置３（３ａ〜３ｎ）がネットワーク４ｂを介して接続されている。ネットワーク４ａは、例えばＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）であり、情報選択装置１と端末装置３は、直接接続できないようになっている。本実施例では、特に断らない限り、システム全体の構成が図１である場合を説明する。また本実施例では、情報選択装置１とアイテム提供サーバ２を別々の装置とする場合を説明するが、この２つの機能を合わせて１つの装置として実現してもよい。

アイテム提供サーバ２は、端末装置３からの要求に応じて、アイテムおよびアイテムに関する情報を提供する装置である。ここでアイテムとは、テキスト、音声、音楽、映像等のデジタルコンテンツや様々な物品であり、さらには金融商品、不動産、人物についての情報等であってもよい。すなわち本実施例におけるアイテムは、有形か無形かを問わず、有料か無料かも問わない。アイテム提供サーバ２の構成を図３に示す。アイテム提供サーバ２は、認証部２１と、アイテム格納部２２と、推薦情報格納部２３と、送受信部２４と、制御部２５とで構成されている。アイテム提供サーバ２は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ハードディスクドライブ、ネットワークインタフェース等を備える一般的なコンピュータを用いて、ソフトウェア（プログラム）処理を実行する形態により実現することも可能である。

認証部２１は、端末装置３または端末装置３を利用するユーザを認証する。認証部２１は、端末装置３を利用するユーザを一意に識別するユーザ識別子、または端末装置３を一意に識別するための端末識別子と、パスワードとを関連付けて格納している。本実施例では、ユーザ識別子を用いてユーザを識別する場合を例にして説明するが、端末識別子を用いる場合も同様である。なお、ユーザ識別子と端末識別子とを合わせて、利用主体識別子と呼ぶ。ただし、認証部２１は省略することも可能である、また、認証部２１に利用主体識別子のみ格納し、パスワードの格納と認証処理とを省略することも可能である。例えば、端末装置３の製造時に設定される端末識別子など、容易には変更できない識別子を利用主体識別子として用いる等の場合は、パスワードの格納と認証処理を省略することができる。

アイテム格納部２２は、図４に示すようなテーブル形式で、アイテムを一意に識別するアイテム識別子と、アイテムの「名称」、「作成者」、「カテゴリ」、「説明情報」などのアイテム属性情報と、アイテム本体とを関連付けて格納している。「作成者」は、アイテムの種類に応じて幅広い意味を持つ情報であり、例えば、アイテムの制作者、監督者、作曲者、作詞者、演奏者、出演者などである。

「カテゴリ」とは、アイテムを所定の観点で分類した情報であり、例えば、アイテムが音楽の場合、「ロック」、「ジャズ」、「クラシック」、「フォーク」等のジャンル情報、アイテムが映画の場合、「ＳＦ」、「アクション」、「コメディ」、「アニメ」等のジャンル情報を用いることができる。また、「日本」、「アメリカ」、「イギリス」、など作成者の国や地域を用いた分類情報でもよい。さらに、「１９７０年代」、「１９８０年代」、「１９９０年代」といったアイテムの作成時期に関する情報であってもよい。また、「癒し系」、「エキサイティング」、「ドラマティック」といったアイテムの雰囲気やムードを示す情報を「カテゴリ」として用いてもよい。「説明情報」は、アイテムのあらすじ、制作された背景説明などの情報である。

また、１つのアイテムに同じ種類の属性項目が複数存在していてもよい。例えば、１つのアイテムに３つのカテゴリが対応していてもよい。なお、ここで挙げたアイテム属性情報は、あくまでも一例であり、上記に限定される訳ではない。アイテム本体は、アイテムそのものであるテキストデータやバイナリデータ、またはアイテムの存在位置を示す情報（例えばＵＲＬ：Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）などである。なおアイテム本体は、アイテムがデジタルコンテンツであって、ネットワーク４を介して端末装置３にアイテムを配信する場合に格納するものであり、アイテムが物品などの場合は、アイテム本体の格納を省略する。

推薦情報格納部２３は、情報選択装置１から受信した推薦情報を格納する。図５に推薦情報の格納形式を示す。ユーザ識別子とアイテム識別子と推薦順位とを関連付けて格納している。この推薦順位は、ユーザ識別子ごとにアイテムを推薦する順位を示しており、ここでは数字が小さいほど、優先的にユーザに提示される。なお、推薦順位の代わりに、数値が大きいほど、優先的にユーザに提示されるような推薦度を格納するようにしてもよい。また、推薦順位の格納を省略して、推薦情報格納部２３に格納された推薦情報を同じ順位で扱うようにしてもよい。送受信部２４は、ネットワーク４（またはネットワーク４ａ，４ｂ）を介して、情報選択装置１および端末装置３との間でデータを送受信する。制御部２５は、アイテム提供サーバ２の全体の制御を行う。

端末装置３は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ハードディスクドライブ、ネットワークインタフェース等を備える一般的なコンピュータであり、アイテム情報をアイテム提供サーバ２から取得するためのプログラムが内蔵されている。端末装置３には、ディスプレイ等の表示装置３１（不図示）と、キーボード、マウス、トラックボール、リモコン等のユーザからの操作指示を受け付けるための入力装置３２（不図示）とが接続されている。

次に図６のフローチャートを用いて、システム全体の動作を説明する。端末装置３に電源を投入すると、図７に示すようなアイテム情報を取得するための操作メニューが表示装置３１に表示される。「１」推薦アイテム情報を表示」は、情報選択装置１で作成された推薦情報を表示する選択肢である。「２」アイテム一覧を表示」は、例えばアイテムの名称や作成者の「あいうえお順」または「ＡＢＣ順」に、アイテム提供サーバ２の保有するアイテムの一覧リストを表示するための選択肢である。「３」アイテム検索」は、ユーザにキーワードを入力させ、そのキーワードがアイテムの名称や説明情報に含まれるアイテムを表示したり、ユーザに所望のカテゴリを指定したりさせ、それに合致するアイテムを表示するための選択肢である。また、推薦情報を表示させる場合に、ユーザが指定したキーワードやカテゴリに合致する推薦情報のみを表示させるようにしてもよい。なお、ここで示した操作メニューの選択肢は、あくまでも一例であり、他の選択肢を用意してもよい。

まずステップＳ１００において、端末装置３は、ユーザからの指示を入力装置３２を介して受け付けると、アイテム情報を要求するメッセージをアイテム提供サーバ２に送信する。このメッセージには、あらかじめ設定されたユーザを識別するユーザ識別子と、パスワードと、上記の操作メニューで選択された選択肢を示す情報（要求情報の種類）とが含まれている。また、表示する推薦情報を絞り込むために、ユーザがキーワードやカテゴリを指定した場合には、それらの情報が含まれている。

次にステップＳ１１０において、アイテム提供サーバ２の認証部２１が、送受信部２４を介してアイテム情報要求のメッセージを受信し、認証処理を行って、認証成功か否かを判定する。受信したメッセージに含まれるユーザ識別子とパスワードが、あらかじめ認証部２１に格納されているものと一致する場合（ＹＥＳ）は、認証成功として、ステップＳ１２０に進む。そうでない場合（ＮＯ）は、認証失敗として、認証失敗メッセージを送受信部２４を介して端末装置３に通知し、ステップＳ１００から再度処理を行うように要求する。

次にステップＳ１２０において、アイテム提供サーバ２の制御部２５が、アイテム情報要求のメッセージに含まれる要求情報の種類が、推薦情報要求か否かを判定する。推薦情報が要求された場合（ＹＥＳ）は、ステップＳ１３０に進み、それ以外の情報が要求された場合（ＮＯ）は、ステップＳ１４０に進む。

ステップＳ１３０では、アイテム提供サーバ２の制御部２５が、推薦情報に基づくアイテム情報のリストを作成し、送受信部２４を介して端末装置３に送信する。このリストには、アイテム識別子とアイテム属性情報と、推薦順位の情報が含まれている。具体的には、制御部２５が、推薦情報格納部２３に格納されたデータから、ステップＳ１１０で認証を行ったユーザ識別子と一致するユーザ識別子を持つ推薦情報を抽出し、アイテム格納部２２を参照しながら、抽出した推薦情報のアイテム識別子に対応するアイテム属性情報を読み出して、さらに推薦順位と合わせて推薦アイテムのリストを作成し、これを送信する。

また、ユーザが特定のカテゴリを指定して、推薦情報を要求した場合には、推薦情報格納部２３およびアイテム格納部２２を参照して、ステップＳ１１０で認証を行ったユーザ識別子と一致するユーザ識別子を持つ推薦情報であり、かつ指定されたカテゴリと一致するカテゴリを持つアイテムに対応する推薦情報を提供する。また、ユーザがキーワードを指定して、推薦情報を要求した場合には、推薦情報格納部２３およびアイテム格納部２２を参照して、ステップＳ１１０で認証を行ったユーザ識別子と一致するユーザ識別子を持つ推薦情報であり、かつ指定されたキーワードが「名称」、「作成者」、「説明情報」などのアイテム属性情報の内に存在するアイテムを特定し、それに対応する推薦情報を提供する。

ステップＳ１４０では、アイテム提供サーバ２の制御部２５が、推薦情報以外の情報に基づいてアイテム情報のリストを作成し、送受信部２４を介して端末装置３に送信する。このリストには、アイテム識別子とアイテム属性情報が含まれている。例えば、図７の操作メニューの中で、「２）アイテム一覧を表示」が選択された場合は、アイテム格納部２２を参照しながら、アイテムの名称や作成者の「あいうえお順」または「ＡＢＣ順」の一覧リストを作成し、これを送信する。なお、このような一覧リストをあらかじめ作成してアイテム格納部に格納しておき、ステップＳ１４０でこれを読み出して送信してもよい。また、図７の操作メニューの中で、「３）アイテム検索」が選択され、アイテム情報要求のメッセージにキーワード等の検索条件が含まれている場合は、ステップＳ１４０において、制御部２５が、その検索条件に合致するアイテムのリストを作成して送信する。

ステップＳ１５０において、端末装置３は、ステップＳ１３０またはステップＳ１４０によって送信されたアイテム情報を受信し、その情報を表示装置３１に表示させる。ステップＳ１３０により送信された推薦アイテム情報の表示形式の一例を図８に示す。図８の例では、アイテムは音楽であり、アイテム属性情報として、曲名（タイトル）、アーティスト名（作成者）、ジャンル（カテゴリ）が推薦順位と合わせて表示されている。

ユーザは、表示装置３１の画面を見て、利用したいアイテムがあれば、入力装置３２を操作して、その表示箇所をクリックする操作を行う。例えば、アイテムが音楽の場合、ユーザは再生したい曲をマウス等でクリックして指定する。また、操作を終了するための「終了」ボタンが表示されている。また、図８の画面例では表示していないが、推薦情報以外のアイテム情報を表示させるための「一覧表示」ボタンと、キーワードを指定してそれに該当するアイテムを表示させるための「検索条件指定」ボタンなどを表示させた上で、ユーザからの指示を受け付けて、それに対応した処理を行ってもよい。なお、受信したアイテム情報に含まれるアイテム識別子は、表示装置３１に表示されていないが、画面に表示した各々のアイテムに対応するアイテム識別子は、端末装置３が記憶管理している。

ステップＳ１６０において、端末装置３は、入力装置３２を介して、アイテムの利用要求がユーザから入力されたか否かを判定する。このアイテムの利用要求とは、アイテムの再生、アイテムのプレビュー、アイテムの購入、アイテムの詳細情報の表示、アイテムに対する評価情報（評価値）の登録などの種々の要求である。アイテムの利用要求が入力された場合（ＹＥＳ）は、ステップＳ１８０に進み、そうでない場合（ＮＯ）はステップＳ１７０に進む。ステップＳ１７０において、端末装置３は、入力装置３２を介して、操作終了の指示がユーザから入力された否か判定する。操作終了の指示が入力された場合（ＹＥＳ）は、処理を終了し、そうでない場合（ＮＯ）は、ステップＳ１６０に戻って処理を繰り返す。

ステップＳ１８０において、端末装置３は、アイテムの利用要求を示すメッセージをアイテム提供サーバ２に送信する。このメッセージには、端末装置３を利用しているユーザのユーザ識別子と、ユーザが指定したアイテムのアイテム識別子とが含まれている。また、利用要求を送信する日時などを示す利用時期情報をメッセージに含めてもよい。また、利用要求の種類に応じて、必要なパラメータ（評価情報など）がメッセージに含まれている。

ステップＳ１９０において、アイテム提供サーバ２の送受信部２４が、端末装置３からのアイテムの利用要求メッセージを受信すると、アイテム提供サーバ２の制御部２５は、端末装置３を利用するユーザに対して、アイテムを提供する処理を行う。例えば、アイテムがデジタルコンテンツである場合には、アイテム格納部２２から、利用要求メッセージに含まれるアイテム識別子に対応するアイテム本体を読み出して、送受信部２４を介して端末装置３に送信する。また、アイテムが物品である場合には、配送事業者のシステムに配送依頼の情報を送る配送処理などを行う。また必要に応じて、課金処理などを行う。

ステップＳ２００において、アイテム提供サーバ２の送受信部２４は、端末装置３から受信したアイテムの利用要求メッセージを情報選択装置１に送信し中継する。次にステップＳ２１０において、情報選択装置１は、アイテムの利用要求メッセージを受信し、アイテムの利用情報を格納する。この処理については後述する。次にステップＳ２２０において、情報選択装置１は、アイテム利用情報の格納を終了したことを示すメッセージをアイテム提供サーバ２に送信する。

次にステップＳ２３０において、アイテム提供サーバ２の制御部２５は、送受信部２４を介してアイテム利用情報の格納終了メッセージを受信し、送受信部２４を介して、それを端末装置３に送信する。端末装置３は、そのメッセージを受信するとステップＳ１６０からの処理を繰り返す。以上がユーザがアイテムを利用する際のシステム全体の動作である。

次に、情報選択装置１の構成を図９に示す。アイテム属性格納部１０と、利用履歴格納部１１と、利用特性情報算出部１２と、アイテム選択部１３と、送受信部１４と、制御部１５とで構成されている。情報選択装置１は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ハードディスクドライブ、ネットワークインタフェース等を備える一般的なコンピュータを用いて、ソフトウェア（プログラム）処理を実行する形態により実現することも可能である。また、情報選択装置１を複数のコンピュータを用いて構成してもよい。例えば、負荷分散をするために、情報選択装置１の各部に相当する処理を行うコンピュータを複数用いて分散処理を行ってもよい。また、情報選択装置１の一部の部の処理をあるコンピュータで実施し、他の部の処理を別のコンピュータで実施する形態で分散処理を行ってもよい。

アイテム属性格納部１０におけるデータ格納形式を図１０に示す。第１の格納形式は、図１０（Ａ）に示すテーブル形式であり、アイテム識別子と、「アイテム時期情報」とを関連付けた形式である。ここで「アイテム時期情報」は、アイテムの作成された時期、またはアイテム提供サーバ２でアイテムを提供開始した時期のいずれかを示す情報である。本実施例では、時期（時間）の単位として、「２０１０年１月１日」などの日付を用いるが、他の単位を用いてもよい。例えば、「２０１０年１月１日１０時１５分２０秒」などの秒単位までの日時でもよいし、ミリ秒単位までの日時でもよい。さらに「２０１０年１月」などの月単位の情報でも、「２０１０年１Ｑ」などの四半期単位の情報でも、「２０１０年」などの年単位の情報でも、「２０００年代」などの年単位より大まかな年代の情報でもよい。

第２の格納形式は、図１０（Ｂ）に示すテーブル形式であり、アイテム識別子と、「アイテム時期情報」と、アイテム属性情報とを関連付けた形式である。このアイテム属性情報は、アイテム提供サーバ２のアイテム格納部２２におけるアイテム属性情報と同様であり、アイテムの「名称」、「作成者」、「カテゴリ」、「説明情報」などである。また、「アイテム時期情報」をアイテム属性情報の内の１つとして取り扱ってもよい。なお後述するように、利用特性情報算出部１２において、「アイテム時期情報」を用いないで利用特性情報を算出する場合には、アイテム属性格納部１０を省略してもよい。

送受信部１４は、ネットワーク４（またはネットワーク４ａ）を介して、アイテム提供サーバ２との間でデータを送受信する。制御部１５は、情報選択装置１の全体の制御を行う。先に説明した図６のフローチャートのステップＳ２１０において、情報選択装置１の制御部１５は、送受信部１４を介してアイテムの利用要求メッセージを受信する。前述したように、このメッセージには、端末装置３を利用しているユーザのユーザ識別子と、ユーザが指定したアイテムのアイテム識別子とが含まれている。

制御部１５は、図１１に示すテーブル形式で、ユーザ識別子とアイテム識別子と利用時期情報とを関連付けた利用履歴を利用履歴格納部１１に格納させる。図１１において、ユーザ識別子およびアイテム識別子は、受信したアイテムの利用要求メッセージに含まれているものである。アイテムの利用要求メッセージに利用時期情報が含まれている場合は、それを取り出して利用時期情報として格納する。利用要求メッセージに利用時期情報が含まれていない場合は、制御部１５に内蔵されている時計を用いて、情報選択装置１が利用要求メッセージを受信した時期（時間）を利用時期情報として格納する。本実施例では、利用時期情報の形式として、「２０１０年１月１日１０時１５分２０秒」などの秒単位までの日時を用いるが、それ以外にも、ミリ秒単位までの日時、日単位までの日付、月単位、年単位など種々の形式を用いることができる。なお、利用要求メッセージの中に、ユーザのアイテムに対する評価値（好き＝３、どちらでもない＝２、嫌い＝１、などの好き嫌いの度合いを示す数値）を含ませた上で、ユーザ識別子とアイテム識別子と利用時期情報と評価値とを関連付けて利用履歴格納部１１に格納するようにしてもよい。

次に図１２のフローチャートを用いて、情報選択装置１で推薦情報を作成して送信し、アイテム提供サーバ２がそれを受信する動作の概要について説明する。情報選択装置１の制御部１５は、所定のタイミングで利用特性情報算出部１２に動作開始の指示を与えることにより、処理が開始される。所定のタイミングとしては、種々の条件を用いることができる。例えば、所定の時間間隔（２４時間ごと等）を用いてもよいし、利用要求メッセージ（利用情報）を所定回数受信するごととしてもよい。また、月曜日〜金曜日までは３時間ごと、土曜日は６時間ごと、日曜日は１２時間ごと、というように時間間隔が変動してもよい。また、夏は時間間隔を短くして、冬は時間間隔を長くするなど、季節に応じて時間間隔を変えてもよい。

まずステップＳ２６０において、利用特性情報算出部１２が、ユーザごとの利用特性情報を算出する。次にステップＳ２７０において、アイテム選択部１３が、ステップＳ２６０で算出された利用特性情報を用いて、推薦情報を作成する。この推薦情報は、アイテム提供サーバ２の推薦情報格納部２３で説明したデータ形式と同様に、ユーザ識別子と、アイテム識別子と、推薦順位とが対応付けられたものである。次にステップＳ２８０において、制御部１５が、ステップＳ２７０で作成された推薦情報を送受信部１４を介して、アイテム提供サーバ２に送信する。次にステップＳ２９０において、アイテム提供サーバ２の制御部２５は、送受信部２４を介して推薦情報を受信し、図５に示した形式で推薦情報格納部２３に格納させる。なお、既に推薦情報格納部２３に推薦情報が格納されている場合は、古い推薦情報を消去した後に格納すればよい。また格納する日時をバージョン情報として合わせて格納し、複数のバージョンの推薦情報を同時に格納するようにしてもよい。

次に図１３のフローチャートを用いて、上記のステップＳ２６０における利用特性情報算出の第１の方法を説明する。まずステップＳ３００において、利用特性情報算出部１２は、利用履歴格納部１１に格納されている利用履歴の内から所定の条件を満たすデータを抽出し、そのユーザ識別子と、アイテム識別子と、利用時期情報を読み出す。ここで所定の条件としては、例えば、「格納されている全てのデータ」という条件を用いることができる。また、「利用時期が過去６ヶ月以内のデータ」、「利用時期と現在との差が１０日以上かつ３０日未満」などのように、「利用履歴の利用時期情報が所定の範囲にあるデータ」という条件を用いてもよい。また、アイテム識別子の集合を用意し、「利用履歴のアイテム識別子が所定の集合に含まれるデータ」という条件を用いてもよい。

次にステップＳ３１０において、利用特性情報算出部１２は、ステップＳ３００で読み出した利用履歴に含まれるアイテム識別子に対応するアイテム時期情報をアイテム属性格納部１０から読み出す。次にステップＳ３２０において、利用特性情報算出部１２は、ステップＳ３００で読み出した利用履歴それぞれについて、経過値を算出する。

経過値算出の第１の方法は、利用履歴の利用時期情報と、その利用履歴のアイテム識別子に対応するアイテム時期情報との時間的な差を算出する方法である。例えば、（利用時期情報−アイテム時期情報）を日単位で計算する。具体例を示すと、図１１に示すテーブルの１行目のデータである、「ＵｓｅｒＩＤ−１」と「ＩｔｅｍＩＤ−３」に対応する利用時期情報は「２０１０年１月１日１０時１５分２０秒」であり、「ＩｔｅｍＩＤ−３」に対応するアイテム時期情報は、図１０の３行目の「２００９年１２月３１日」であるので、（「２０１０年１月１日１０時１５分２０秒」−「２００９年１２月３１日」）を日単位で計算する。この場合は、「２００９年１２月３１日００時００分００秒」と見なして、経過値を「１日」として計算する。この場合、アイテムが作成または提供開始された時期は、ユーザに利用された時期よりも必ず古いため、経過値は０以上の値となる。また、アイテムが作成または提供開始された時期と、ユーザに利用された時期との差が短いほど（ユーザが新作のアイテムをすぐに利用するほど）、経過値は小さな値となる。なお、これとは逆に、これら２つの時期の差が短いほど、大きな値となるように経過値を算出してもよい。経過値を日単位ではなく、時単位、分単位、秒単位などの他の時間単位で算出しても、もちろんよい。

経過値算出の第２の方法は、ある利用履歴（一の利用履歴、利用履歴Ａ）のユーザ識別子（利用主体識別子）と、同じユーザ識別子を持ち、かつ一の利用履歴と時間的に隣り合う（隣接する）他の利用履歴（利用履歴Ｂ）を特定し、利用履歴Ａの利用時期情報と利用履歴Ｂの利用時期情報との時間的な差を算出する方法である。例えば、図１１に示すテーブルには、「ＵｓｅｒＩＤ−１」の関連する利用履歴が３個（１行目、２行目、４行目）格納されており、１行目の利用時期情報「２０１０年１月１日１０時１５分２０秒」と、２行目の利用時期情報「２０１０年１月２日１５時２０分３０秒」との時間差を日単位で算出した、「１日」を１行目の利用履歴に対する経過値とする。また、２行目の利用時期情報「２０１０年１月２日１５時２０分３０秒」と、４行目の利用時期情報「２０１０年１月５日１６時３０分４０秒」との時間差を日単位で算出した、「３日」を２行目の利用履歴に対する経過値とする。４行目の利用履歴に対する経過値は、新たな利用履歴が格納されるまでは、「該当なし」の状態である。

この方法を用いた場合、あるユーザの経過値の個数は、そのユーザの利用履歴の個数より１つ少なくなる。なお、経過値を日単位ではなく、時単位、分単位、秒単位などの他の時間単位で算出しても、もちろんよい。この第２の算出方法では、ユーザが短い周期で頻繁にアイテムを利用するほど、経過値が小さい値となる。新作のアイテムのリリース（発売）を常にチェックしていて、リリース後すぐに利用するタイプのユーザの経過値は、そうでないユーザの経過値に比べて、小さな値になる傾向がある。また、第２の算出方法を用いれば、アイテム属性格納部１０にアイテム時期情報を格納しない場合、あるいはアイテム属性格納部１０を省略した場合であっても、経過値を算出することが可能である。

次にステップＳ３３０において、利用特性情報算出部１２は、ユーザ（ユーザ識別子、利用主体識別子）ごとに、ステップＳ３２０で算出された経過値を用いた統計処理を行ない、そのユーザの経過値の傾向を示す代表値を利用特性情報として計算する。ここで代表値は、他のユーザの経過値とそのユーザの経過値との傾向の違いを示すものであればよく、例えば、平均値、最頻値、経過値を大きさ順に並べた場合の所定の順位に該当する値（中央値、最小値、最大値、四分位値等）などを用いることができる。以下では、あるユーザがアイテムを合計５回利用しており、それぞれの経過値が、「１」，「２」，「２」，「３」，「１０」である場合を例にして、具体的な数値例を示す。

この場合の平均値は、（１＋２＋２＋３＋１０）／５＝「３．６」である。また、「２」が２回出現し、他の値は全て１回のみの出現なので、最頻値は「２」となる。また、小さい順に並べた時の真ん中の値は「３」であるので、中央値は「３」となる。また、最小値は「１」で、最大値は「１０」である。また、データを小さい順に並べた時の小さい方から１／４（２番目）の位置のデータに相当する第１四分位値は「２」、小さい方から３／４（４番目）の位置のデータに相当する第３四分位値は「３」となる。また、平均値として相加平均だけでなく、相乗平均や調和平均を用いてもよい。さらに経過値の対数値（ｌｏｇ（経過値））の平均を算出して、代表値としてもよい。

さらに、統計分野で一般的に用いられている「代表値」の意味とは異なるが、そのユーザの全ての経過値の数に対する、所定値以上の経過値の割合を代表値としてもよい。上記の例において、所定値を「５」とすると、「５」以上の経過値は「１０」の１個なので、「１／５＝０．２」が代表値となる。なお本実施例においては、新しいアイテム（作成されてから間もない新作のアイテム）を利用する傾向の強いユーザほど、代表値が小さな値となるように算出している。このため、所定値以上の経過値の割合を代表値としたが、これに限定されるわけではない。これとは逆に、新しいアイテムを利用する傾向の強いユーザほど、大きな値となるように代表値を算出してもよい。この場合は、所定値以下の経過値の割合を代表値とすればよい。

次にステップＳ３４０において、利用特性情報算出部１２は、ユーザ（ユーザ識別子）ごとに、ステップＳ３２０で算出された経過値のばらつき度合いを示す数値である変化値を利用特性情報として計算する。具体的にはそのユーザの経過値の分散、標準偏差（分散の平方根）、範囲（最大値と最小値との差）、四分位範囲（第３四分位点と第１四分位点との差）、平均偏差（経過値の平均との差の絶対値の平均値）、変動係数（標準偏差を平均で割った値）、平均偏差を経過値の平均で割った値などを用いることができる。なお、範囲および四分位範囲は、経過値を小さい順に並べた上で、第１の所定順位に該当する値と、第２の所定順位に該当する値との差に基づく値であると言える。

本実施例において、変化値が小さなユーザは、アイテムが作成されてから利用するまでの期間が一定の傾向がある。例えば、作成されてから間もない新作のアイテムを常に利用するユーザでは、この変化値が小さくなる。逆に、作成されてからかなりの時間が経過した旧作のアイテムを常に利用するユーザでも、この変化値が小さくなる。一方、新作も旧作も両方とも利用するユーザの場合は、この変化値が大きくなる。

次にステップＳ３５０において、利用特性情報算出部１２は、ユーザ（ユーザ識別子）ごとに、ステップＳ３２０で算出された経過値の個数を利用特性情報として算出する。なお、ここで経過値の個数の代わりに、ユーザごとに利用履歴の個数を算出して用いてもよい。利用特性情報算出部１２は、ステップＳ３５０を実行した後に処理を終了し、処理が終了したことを制御部１５に通知する。

以上の処理が終了した状態で、利用特性情報算出部１２は、図１４に示すテーブル形式で、
ユーザ識別子と、代表値と、変化値と、経過値の個数を対応させたデータを内部の記憶部に保持している。以下では、ユーザ識別子が「ＵｓｅｒＩＤ−１」から「ＵｓｅｒＩＤ−Ｕ」までのＵ人のユーザの利用特性が算出されているものとする。

本実施例では、経過値を算出するのに、上記の第１の方法または第２の方法を用いる場合を説明したが、これ以外に以下に示す方法を用いてもよい。

経過値算出の第３の方法は、利用履歴の利用時期情報を用いない方法である。この方法では、ステップＳ３００において、利用履歴格納部１１から利用時期情報を読み出さず、アイテム識別子のみを読み出す。そしてステップＳ３２０において、アイテム時期情報と所定の時期との差を算出し、経過値とする。所定の時期としては、例えば、経過値を算出する時点の日時や日付を用いることができる。また、アイテム属性格納部１０に格納された最も古いアイテム時期情報、またはそれよりもさらに過去のある時点の日時や日付を所定の時期として用いてもよい。例えば、最も古いアイテム時期情報が「２００５年４月１日」である場合、「２００５年４月１日」、「２０００年１月１日」などを所定の時期とすればよい。第３の方法は、新作アイテムを多く利用するユーザの利用履歴に含まれるアイテムのアイテム時期情報は、そうでないユーザの利用履歴に含まれるアイテムのアイテム時期情報に比べて新しい可能性が高いことに基づいている。第３の方法は、第１の方法に比べて、利用特性情報の精度が落ちる場合があるが、利用履歴格納部１１に利用時期情報を格納しない場合であっても、利用特性情報が算出できるという特徴がある。

経過値算出の第４の方法は、アイテム時期情報を用いない方法である。この方法では、ステップＳ３１０を省略して、その代わりにステップＳ３１１（不図示）を実行する。すなわち、ステップＳ３００からステップＳ３１１に進み、ステップＳ３１１からステップＳ３２０に進む。ステップＳ３１１では、ステップＳ３００で読み出した利用履歴を対象にして、アイテム識別子ごとの利用時期情報の分布情報を算出し、その分布情報を用いて、アイテムが提供開始された時期に関連する時期情報（アイテム提供時期の推定情報）を算出する。例えば、この分布情報としては、アイテム識別子ごとの利用時期情報の最小値（最も古い時期）を用いることができる。そして、最小値そのもの、または最小値から所定値を減算した値を推定時期情報とすればよい。例えば、図１１に示した例において、「ＩｔｅｍＩＤ−３」に対応する利用時期情報の最小値が１行目の「２０１０年１月１日１０時１５分２０秒」であるとすると、この「２０１０年１月１日１０時１５分２０秒」、またはこの日時のさらに所定時間前（例えば、３日前、１０日前など）をそのアイテムの推定時期情報とする。アイテムが提供開始されてから、最初に利用されるまでに平均的に「３日」かかることが経験的に知られている場合は、最小値から「３日」を引いた値を推定時期情報とする。また、最小値以外にも、アイテム識別子ごとの利用時期情報の代表値（平均値、中央値、最頻値など）を算出し、その代表値から所定値（例えば、３ヶ月や６ヶ月）を減算した値（減算値）が、最小値以下となるように所定値を調整した場合の減算値を推定時期情報としてもよい。

そしてステップＳ３２０において、利用履歴の利用時期情報と、その利用履歴のアイテム識別子に対応するステップＳ３１１で算出した推定時期情報との差を算出し、経過値とする。第４の方法では、アイテムが提供開始された時期を必ずしも正確には推定できないため、第１の方法に比べて、利用特性情報の精度が落ちる場合があるが、アイテム属性格納部１０にアイテム時期情報を格納しない場合、あるいはアイテム属性格納部１０を省略した場合であっても、利用特性情報が算出できるという特徴がある。

本実施例においては、利用特性情報として、代表値、変化値、経過値の個数の３つを算出したが、これらは全て、ユーザごとの経過値の分布情報（頻度分布、確率分布）に基づいて算出された値であると言える。また、後述するように、これら３つを全て算出する必要は必ずしもなく、少なくとも１つを算出するようにしてもよい。さらに、経過値の分布情報に基づいて、歪度、尖度などの他の値（指標）を算出してもよい。さらに、経過値の分布を正規分布、ロジスティック分布、ガンマ分布等の所定の確率分布（確率密度関数）に当てはめ、所定の確率分布のパラメータ（母数）を利用特性情報として用いてもよい。

次に図１５のフローチャートを用いて、上記のステップＳ２７０における推薦情報作成処理の詳細を説明する。まずステップＳ４００において、アイテム選択部１３は、利用履歴格納部１１に格納されている利用履歴の内から所定の条件を満たすデータを抽出し、そのアイテム識別子と利用時期情報とを読み出す。ここで所定の条件は、ステップＳ３００で用いた所定の条件と同じであっても、異なっていてもよい。例えば、「格納されている全てのデータ」という条件を用いることができる。また、「利用時期が過去３ヶ月以内」、「利用時期と現在との差が１０日以上かつ６０日未満」などのように、「利用履歴の利用時期情報が所定の範囲にあるデータ」という条件を用いてもよい。また、アイテム識別子の集合を用意し、「利用履歴のアイテム識別子が所定の集合に含まれるデータ」という条件を用いてもよい。また、ユーザ識別子の集合を用意し、「利用履歴のユーザ識別子が所定の集合に含まれるデータ」という条件を用いてもよい。

次にステップＳ４１０において、アイテム選択部１３は、ステップＳ４００で読み出したデータを対象にして、アイテム識別子ごとにアイテムの人気度合いを示す人気指標を算出する。人気指標を算出する第１の方法は、アイテム識別子ごとに利用回数を計数（カウント）する方法である。ステップＳ４００で読み出されたアイテム識別子の種類Ｌを算出し、アイテムｉ（ｉ＝１〜Ｌ）の利用回数（出現回数）Ｆ［ｉ］をカウントする。そして、Ｆ［ｉ］をアイテムｉの人気指標Ｐ［ｉ］（ｉ＝１〜Ｌ）とする。

人気指標を算出する第２の方法は、アイテム識別子ごとに、そのアイテムを利用したユーザの数Ｆｕ［ｉ］を計数（カウント）し、これを人気指標Ｐ［ｉ］（ｉ＝１〜Ｌ）とする方法である。この方法では、あるユーザが同一のアイテムを複数回利用している場合、利用回数を「１回」としてカウントしていることになる。

人気指標を算出する第３の方法は、利用履歴格納部１１に、ユーザのアイテムに対する評価値が格納されている場合に用いられる方法であり、アイテム識別子ごとに評価値を加算した値Ｆｅ［ｉ］を人気指標Ｐ［ｉ］（ｉ＝１〜Ｌ）とする。また、ユーザの評価がある程度高い評価値のみを加算してもよい。例えば、大好き＝５、やや好き＝４、どちらでもない＝３、やや嫌い＝２、大嫌い＝１という５段階の評価値を用いた場合、評価値が４以上の場合に加算するような処理を行ってもよい。この方法では、第１の方法や第２の方法よりも、さらに精度良く人気指標を算出することが可能である。

人気指標を算出する第４の方法は、利用回数に加えて利用時期情報を用いる方法である。ステップＳ４００で読み出されたデータにおけるアイテムｉの利用回数をＦ［ｉ］とし、その利用時期情報をＴａ［ｊ］（ｊ＝１〜Ｆ［ｉ］）として、

に従って、アイテムｉの人気指標Ｐ［ｉ］（ｉ＝１〜Ｌ）を算出する。ここでＴｃは、アイテムの利用時期よりも新しい所定の時期（例えば、この計算を行う時点の日時）であり、関数ｆ（ｘ）は、入力値が小さいほど出力値が大きくなるような単調減少関数である。すなわち、現在日時と利用時期との差が小さいほど大きな値を出力する関数である。

（１）式によれば、利用回数Ｆ［ｉ］が多いほど人気指標Ｐ［ｉ］が大きな値となるが、同じ利用回数の２つのアイテムがあった場合に、一方のアイテムの利用時期が比較的新しく、他方の利用時期が比較的古ければ、利用時期が新しいアイテムの人気指標Ｐ［ｉ］の方が大きな値となる。すなわち、利用回数が多いほど、かつ利用時期が新しいほど人気指標の値が大きくなる。

人気指標を算出する第５の方法は、評価値と利用時期情報を用いる方法である。ステップＳ４００で読み出されたデータにおけるアイテムｉの利用回数（評価回数）をＦ［ｉ］とし、その利用時期情報をＴａ［ｊ］（ｊ＝１〜Ｆ［ｉ］）、評価値をＥｖ［ｊ］（ｊ＝１〜Ｆ［ｉ］）として、

に従って、アイテムｉの人気指標Ｐ［ｉ］（ｉ＝１〜Ｌ）を算出する。

関数ｆ（ｘ）は、第４の方法と同様の特性である。すなわち、関数ｆ（ｘ）を用いて、現在日時と利用時期との差が小さいほど大きな値となる係数を算出し、この係数と評価値とを乗算した値をアイテムごとに加算している。この方法は、利用履歴格納部１１に、ユーザのアイテムに対する評価値が格納されている場合に用いられる。この方法によれば、評価が高いほど、かつ利用時期情報（ユーザが評価を行った時期）が新しいほど人気指標の値が大きくなる。

なおここでは、ユーザの評価が高いほど評価値が大きな値であることを前提にしているが、逆の特性の評価値を用いる場合は、適当な補正を行えばよい。また、Ｅｖ［ｊ］（ｊ＝１〜Ｆ［ｉ］）の平均値Ｅｍと、（Ｔｃ−Ｔａ［ｊ］）（ｊ＝１〜Ｆ［ｉ］）の平均値Ｔｍとをそれぞれ算出し、それらの乗算値を人気指標Ｐ［ｉ］（Ｐ［ｉ］＝Ｅｍ×Ｔｍ）としてもよい。すなわち、評価値の平均値が高いほど、かつ利用時期情報の平均値が新しいほど、人気指標の値が大きくなる。

次にステップＳ４２０において、アイテム選択部１３は、新規性指標を算出する。具体的な算出方法は後述するが、ユーザｕのアイテムｉに関する新規性指標Ｑ［ｕ］［ｉ］（ｕ＝１〜Ｕ，ｉ＝１〜Ｍ）を算出する。ここでＵは、上述したように利用特性情報算出部１２で利用特性情報が算出されたユーザ数であり、Ｍは新規性指標を算出するアイテムの個数である。なお、人気指標を算出した全てのアイテムを対象に新規性指標を算出してもよいし、人気指標を算出した一部のアイテムを対象に新規性指標を算出してもよい。例えば、人気指標の高い順に上位所定順位までのアイテムを対象にして、新規性指標を算出してもよい。

次にステップＳ４３０において、アイテム選択部１３は、人気指標Ｐ［ｉ］と新規性指標Ｑ［ｕ］［ｉ］とを用いて、ユーザｕのアイテムｉに対する優先度Ｓ［ｕ］［ｉ］（ｕ＝１〜Ｕ，ｉ＝１〜Ｍ）を算出する。優先度Ｓ［ｕ］［ｉ］は、ユーザｕがアイテムｉに魅力を感じる度合い（利用意欲の度合い）を推測した数値であり、値が大きいほどそのユーザが魅力を感じる可能性が高い。優先度は以下の方法で算出する。

優先度の第１の算出方法は、

に示すように、人気指標Ｐ［ｉ］と新規性指標Ｑ［ｕ］［ｉ］との積を用いる方法である。ここで、γ１は所定の係数である。

優先度の第２の算出方法は、

に示すように、人気指標Ｐ［ｉ］に所定の係数γ２を乗じた値と、新規性指標Ｑ［ｕ］［ｉ］に所定の係数γ３を乗じた値とを加算する方法である。

優先度の第３の算出方法は、

に示すように、人気指標Ｐ［ｉ］の対数値に所定の係数γ４を乗じた値と、新規性指標Ｑ［ｕ］［ｉ］の対数値に所定の係数γ５を乗じた値とを加算する方法である。

優先度の第４の算出方法は、

に示すように、人気指標Ｐ［ｉ］を基数とし、定数γ６を指数とする累乗値と、新規性指標Ｑ［ｕ］［ｉ］を基数とし、定数γ７を指数とする累乗値との積を用いる方法である。ここで、γ８は所定の係数である。

以上のように優先度を算出すると、人気指標が大きいほど、かつ新規性指標が大きいほど優先度が高く、大きな値となる。なお本実施例とは逆に、数値が小さいほど優先度が高くなるような方法で優先度を算出してもよい。

次にステップＳ４４０において、アイテム選択部１３は、ユーザｕに対して優先度Ｓ［ｕ］［ｉ］が高いアイテムを選択し、推薦情報を作成する。具体的には、ステップＳ４３０で算出された優先度が所定のしきい値よりも高い（大きい）アイテムを選択する。また、優先度が高い順（大きい順）に所定数を超えない範囲でアイテムを選択してもよい。例えば、優先度が算出されたアイテムが所定数以上あるユーザの場合は、優先度が高い順（大きい順）に所定数のアイテムを選択し、優先度が算出されたアイテムが所定数に満たないユーザの場合は、優先度が算出された全てのアイテムを選択すればよい。またユーザごとに、選択したアイテムの優先度が高い順に「１」から始まる番号を付けて推薦順位とする。そして、図５に示したように、ユーザ識別子と、アイテム識別子と、推薦順位とを対応させた推薦情報を作成する。

また、ステップＳ１００において、ユーザがアイテムのカテゴリやキーワードを指定した場合に、アイテム提供サーバ２を介して端末装置３から、そのカテゴリやキーワードを含むメッセージを情報選択装置１が受信し、アイテム選択部１３の内部の記憶部に記憶した上で、ステップＳ４４０において、その情報を用いてもよい。具体的には、アイテム選択部１３の記憶部に、ユーザ識別子と、ユーザから指定されたアイテム絞込み条件（カテゴリまたは／およびキーワード）とを関連付けて記憶しておく。そしてステップＳ４４０において、ユーザｕに対応するアイテム絞込み条件を記憶部から読み出し、アイテム属性格納部１０を参照しながら、アイテム属性情報がアイテム絞込み条件に合致し、かつ優先度が所定のしきい値よりも高い（大きい）アイテムを選択する。また、アイテム属性情報がアイテム絞込み条件に合致するアイテムの内から、優先度が高い順（大きい順）に所定数を超えない範囲でアイテムを選択してもよい。すなわち、ユーザが指定したアイテム絞込み条件を満たすアイテムで推薦情報を構成するようにしてもよい。なおこの場合には、アイテム属性格納部１０に、図１０（Ｂ）に示した形式のデータを格納しておく必要がある。ステップＳ４４０を終了すると、アイテム選択部１３は、処理終了を制御部１５に通知する。

次にステップＳ４２０における新規性指標算出方法について説明する。新規性指標Ｑ［ｕ］［ｉ］は、アイテムｉの「新しさ（鮮度）」というファクターが、アイテムｉに対するユーザｕの関心度（利用意欲の度合い、魅力を感じる度合い）に及ぼす影響度合いを示す数値であり、アイテムの新しさを示す鮮度値に基づいて算出される。まず、各アイテムの鮮度値Ｎｗ［ｉ］（ｉ＝１〜Ｍ）を以下のいずれかの方法で算出する。

鮮度値の第１の算出方法は、アイテム時期情報を用いる方法である。アイテム属性格納部１０からアイテムｉのアイテム時期情報Ｔｓ［ｉ］を取得し、所定の時期（例えば、この計算を行う現在日時）Ｔｃとアイテム時期情報Ｔｓ［ｉ］（ｉ＝１〜Ｍ）との差（Ｔｃ−Ｔｓ［ｉ］）を計算し、Ｎｗ［ｉ］＝（Ｔｃ−Ｔｓ［ｉ］）とすればよい。この方法はアイテムの新しさを精度良く数値化できる。

鮮度値の第２の算出方法は、利用履歴の利用時期情報を用いる方法である。ステップＳ４００で読み出した利用履歴の中に、アイテムｉの利用履歴がＦａ［ｉ］個あるとして、

に従って、鮮度値Ｎｗ［ｉ］を算出する。

すなわち、所定の時期Ｔｃと、利用時期情報Ｔａ［ｉ］との差の平均値である。この方法は、利用時期が新しいアイテムは、作成された時期も新しい可能性が高いことを利用している。もちろん例外はあるので、第１の方法に比べて精度が落ちる場合があるが、アイテム属性部にアイテム時期情報を格納しない場合またはアイテム属性部を省略した場合であっても、鮮度値を算出できる。

なお、本実施例においては、上記の所定の時期Ｔｃを適切に設定（例えば、現在日時に設定）することにより、アイテムが新しいほど、値が小さくなるように、鮮度値を０以上の値として算出しているが、逆にアイテムが新しいほど値が大きくなるように鮮度値を算出してもよい。

次に、鮮度値Ｎｗ［ｉ］を関数ｇ（ｘ）の入力としたときの出力値ｇ（Ｎｗ［ｉ］）を用いて、新規性指標Ｑ［ｕ］［ｉ］を計算する。標準的な関数ｇ（ｘ）は、入力値が小さいほど出力値が大きくなるような単調減少関数であり、鮮度値Ｎｗ［ｉ］が小さいほど大きな値が得られる。関数ｇ（ｘ）は、鮮度値を新規性指標に変換する関数であり、推薦処理における鮮度値の影響力（優先度に対する鮮度値の重み）を決める関数であるとも言える。一般的には、作成時期が新しい新作のアイテムをユーザが所望することが多いので、標準的な関数ｇ（ｘ）を用いた処理により、ユーザの所望するアイテムの情報を提供できる。しかしながら、アイテムの「新しさ」をどの程度重視するかは、ユーザによって異なり、中には新しいアイテムには魅力を感じず、むしろ古いアイテムを好むユーザも存在する。従って、全てのユーザに同じ特性の関数ｇ（ｘ）を用いて処理を行うだけでは、十分な精度で推薦情報を作成できない。このため本発明においては、推薦処理における「新しさ」の影響力を一律にするのではなく、ユーザごとに「新しさ」の影響力（「新しさ」というファクターが優先度に占める割合）を適切に設定して、推薦情報を作成する。

本実施例では、関数ｇ（ｘ）として、異なる特性を持つｋ個の関数ｇ１（ｘ）〜ｇｋ（ｘ）がアイテム選択部１３内部のメモリに格納されている。以下の説明においては、ｋ＝４として、図１６に示すような４つの関数ｇ１（ｘ）〜ｇ４（ｘ）が格納されているものとする。そして、ユーザごとに適切な関数を選択して、新規性指標の算出に用いる。なお、鮮度値から新規性指標を求める場合に、入力（鮮度値）と出力（新規性指標）との対応ルールを記述した入出力対応ルール、入出力対応テーブル等を用いてもよく、利用特性情報に対応した所定の対応規則に従って、鮮度値から新規性指標を求めればよい。

関数選択の第１の方法は、アイテム選択部１３が、利用特性情報算出部１２で算出された利用特性情報の内の代表値を用いて、関数を選択する方法である。図１６に示した４つの関数を選択する例の場合、θ１，θ２，θ３の３つのしきい値を用意する。ただし、その大きさは、θ１＜θ２＜θ３の関係にあるとする。そして、ユーザｕの代表値Ｒ［ｕ］とこれらのしきい値とを比較して、関数を選択する。

Ｒ［ｕ］がθ１より小さい場合、すなわち（Ｒ［ｕ］＜θ１）の場合、このユーザは、
作成または提供が開始されてから時間が経過していない新しいアイテムを利用する傾向が非常に強いと判定できる。このため、図１６に示した関数の中で、時間経過に対する減衰量が最も大きいｇ１（ｘ）を選択する。

次にＲ［ｕ］がθ１以上、かつθ２より小さい場合、すなわち（θ１≦Ｒ［ｕ］＜θ２）の場合、このユーザは、作成または提供が開始されてから時間が経過していない新しいアイテムを利用する傾向がある程度強いと判定できる。このため、図１６に示した関数の中で、時間経過に対する減衰量が２番目に大きいｇ２（ｘ）を選択する。

次にＲ［ｕ］がθ２以上、かつθ３より小さい場合、すなわち（θ２≦Ｒ［ｕ］＜θ３）の場合、このユーザは、作成または提供が開始されてから時間が経過していない新しいアイテムを利用する傾向は顕著ではないと判定できる。このため、図１６に示した関数の中で、時間経過によらずに一定値を出力するｇ３（ｘ）を選択する。

最後にＲ［ｕ］がθ３より大きい場合、すなわち（Ｒ［ｕ］＞θ３）の場合、このユーザは、むしろ作成または提供が開始されてから時間が経過した古いアイテムを利用する傾向があると判定できる。このため、図１６に示した関数の中で、時間経過に従って出力値が増えるｇ４（ｘ）を選択する。

なお、この処理で用いるしきい値（θ１，θ２，θ３）として、あらかじめ設定された値を用いるだけでなく、複数のユーザの代表値の分布情報を用いて算出した値を用いてもよい。具体的には、Ｕ人のユーザの代表値を小さい順に並べた場合の所定順位（所定の累積度数）あるいは所定の累積相対度数に相当する代表値をしきい値とする。例えば、小さい方から数えて２０％の累積相対度数に相当する代表値をθ１とし、７０％の累積相対度数に相当する代表値をθ２とし、９０％の累積相対度数に相当する代表値をθ３とする等の処理を行えばよい。

以上が関数選択の第１の方法である。関数選択の第２の方法は、代表値だけでなく、利用特性情報算出部１２で算出された変化値を用いて関数を選択する方法である。図１７のフローチャートを用いて、関数選択の第２の方法を説明する。ここでは、ユーザｕの代表値をＲ［ｕ］、変化値をＶ［ｕ］とする。

まずステップＳ５００において、アイテム選択部１３は、Ｒ［ｕ］が所定値α１以下であり、かつＶ［ｕ］が所定値β１以下であるか否かを判定する。すなわち、Ｒ［ｕ］が比較的小さく、かつＶ［ｕ］も比較的小さいという条件である。この条件に合致する場合、ユーザは、作成または提供開始されてからあまり時間が経過していない、新しいアイテムを利用することが多く、かつその傾向が一貫していると判定できる。従って、図１６に示した関数の中で、時間経過に対する減衰量が最も大きいｇ１（ｘ）を選択する。ｇ１（ｘ）が選択されたユーザには、新しいアイテムが最も推薦され易くなる。この条件に合致しない場合には、ステップＳ５１０に進む。

次にステップＳ５１０において、アイテム選択部１３は、Ｖ［ｕ］が所定値β２以上であるか否かを判定する。ここで、β１＜β２である。この条件に合致する場合、そのユーザの変化値が比較的大きいため、新しいアイテムを利用することもあれば、古いアイテムを利用することもあり、アイテムの新しさに関する好みに一貫した傾向は見られないと判定できる。従って、図１６に示した関数の中で、出力が時間経過に依存せず一定であるｇ３（ｘ）を選択する。ｇ３（ｘ）が選択されたユーザでは、アイテム時期情報に関係なく推薦情報が決まることになる。

次にステップＳ５２０において、アイテム選択部１３は、Ｒ［ｕ］が所定値α２以上であり、かつＶ［ｕ］が所定値β３以下であるか否かを判定する。ここで、α１＜α２、β３＜β２であり、β３とβ１の間の大小関係は、特に制約はない。すなわち、Ｒ［ｕ］が比較的大きく、かつＶ［ｕ］が比較的小さいという条件である。この条件に合致する場合、ユーザは、作成または提供開始されてから時間が経過した、古いアイテムを利用することが多く、かつその傾向が一貫していると判定できる。従って、図１６に示した関数の中で、時間経過に対する増加量が最も大きいｇ４（ｘ）を選択する。ｇ４（ｘ）が選択されたユーザには、古いアイテムが最も推薦され易くなる。

そしてステップＳ５２０の条件に合致しない場合は、そのユーザには特に顕著な特徴がないため、図１６に示した関数の中で、最も一般的であるｇ２（ｘ）を選択する。このように、代表値に加えて変化値を用いることにより、ユーザの利用特性をさらに精度良く捉えて、それに合った特性の関数を選択することができる。

なお、この処理で用いるしきい値（α１，α２，β１，β２，β３）として、あらかじめ設定された値を用いるだけでなく、複数のユーザの代表値および変化値の分布情報を用いて算出した値を用いてもよい。具体的には、Ｕ人のユーザの代表値を小さい順に並べた場合の所定順位（所定の累積度数）あるいは所定の累積相対度数に相当する代表値を用いて、α１とα２決定する。例えば、小さい方から数えて３０％の累積相対度数に相当する代表値をα１とし、８０％の累積相対度数に相当する代表値をα２とする等の処理を行なえばよい。また、Ｕ人のユーザの変化値を小さい順に並べた場合の所定順位（所定の累積度数）あるいは所定の累積相対度数に相当する変化値を用いて、β１、β２、β３を決定する。例えば、小さい方から数えて２０％の累積相対度数に相当する変化値をβ３とし、３０％の累積相対度数に相当する変化値をβ１とし、８０％の累積相対度数に相当する変化値をβ２とする等の処理を行なえばよい。β１とβ３は、どちらが大きくてもよい。

関数選択の第３の方法は、ユーザｕの代表値Ｒ［ｕ］と経過値（利用履歴）の個数Ｆｃ［ｕ］とを用いて関数を選択する方法である。図１６に示した４つの関数を選択する例の場合、代表値に関して、θ４，θ５，θ６の３つのしきい値を用意する。ただし、その大きさは、θ４＜θ５＜θ６の関係にあるとする。図１８に示すフローチャートを用いて、この方法を説明する。

まずステップＳ６００において、アイテム選択部１３は、経過値の個数Ｆｃ［ｕ］が、所定値ε１以上であるか否かを判定する。この条件に合致する場合は、ステップＳ６１０に進む。この条件に合致しない場合は、最も一般的な関数ｇ２（ｘ）を選択する。この場合にｇ２（ｘ）を選択する理由は、経過値（利用履歴）の数が少ないと、そのユーザの本当の利用傾向が代表値にうまく反映されない可能性が高く（代表値の信頼度が低い）、個性の強い関数よりも、一般的な関数を用いた方が、推薦精度が良くなることが多いためである。

次にステップＳ６１０において、アイテム選択部１３は、Ｒ［ｕ］がθ４より小さいか否かを判定する。この条件に合致する場合、このユーザは新しいアイテムを利用する傾向が非常に強いと判定できる。このため、図１６に示した関数の中で、時間経過に対する減衰量が最も大きいｇ１（ｘ）を選択する。この条件に合致しない場合はステップＳ６２０に進む。

次にステップＳ６２０において、アイテム選択部１３は、Ｒ［ｕ］がθ４以上、かつθ５より小さいか否かを判定する。この条件に合致する場合、このユーザは、新しいアイテムを利用する傾向がある程度強いと判定できる。このため、図１６に示した関数の中で、時間経過に対する減衰量が２番目に大きいｇ２（ｘ）を選択する。

次にステップＳ６３０において、アイテム選択部１３は、Ｒ［ｕ］がθ５以上、かつθ６より小さいか否かを判定する。この条件に合致する場合、このユーザは、新しいアイテムを利用する傾向が顕著ではないと判定できる。このため、図１６に示した関数の中で、時間経過によらずに一定値を出力するｇ３（ｘ）を選択する。

この条件に合致しない場合、すなわち、Ｒ［ｕ］がθ６以上である場合、このユーザは、新しいアイテムよりもむしろ古いアイテムを利用する傾向があると判定できる。このため、図１６に示した関数の中で、時間経過に従って出力値が増えるｇ４（ｘ）を選択する。

なお、この処理で用いるしきい値（θ４，θ５，θ６，ε１）として、あらかじめ設定された値を用いるだけでなく、複数のユーザの代表値および経過値の個数の分布情報を用いて算出した値を用いてもよい。具体的には、Ｕ人のユーザの代表値を小さい順に並べた場合の所定順位（所定の累積度数）あるいは所定の累積相対度数に相当する代表値をしきい値とする。例えば、小さい方から数えて２０％の累積相対度数に相当する代表値をθ４とし、７０％の累積相対度数に相当する代表値をθ５とし、９０％の累積相対度数に相当する代表値をθ６とする等の処理を行えばよい。また、Ｕ人のユーザの経過値の個数を小さい順に並べた場合の所定順位（所定の累積度数）あるいは所定の累積相対度数に相当する個数を用いてε１を決定する。例えば、小さい方から数えて２０％の累積相対度数に相当する経過値の個数をε１とすればよい。

以上が関数選択の第３の方法である。このように、代表値に加えて経過値の個数を用いることにより、第１の方法よりもさらに精度良く関数を選択することができる。以上は、あらかじめ用意された関数の内から、ユーザごとに適切な関数を選択する方法であるが、さらに別の方法を用いてもよい。

例えば、鮮度値Ｎｗ［ｉ］が大きくなるにつれて、出力値が減少する関数であり、かつＲ［ｕ］が小さいほど、その減少率が大きくなる（急激になる）関数を用いて、新規性指標Ｑ［ｕ］［ｉ］を直接計算してもよい。具体的には、

に示すように、鮮度値Ｎｗ［ｉ］とＲ［ｕ］を指数部に入れた指数関数ｅｘｐを用いればよい。ここで、λは正の定数である。また、δも定数であり、指数部の分母が必ず正の値となるように設定する。また、Ｒ［ｕ］を正の値になるように算出しておく。さらに、λをユーザごとに変えて、Ｒ［ｕ］が小さいユーザほど、λを大きな値に設定するようにしてもよい。

（８）式によれば、鮮度値が大きくなるほど(古いアイテムであるほど）、新規性指標Ｑ［ｕ］［ｉ］は小さな値となる。そして鮮度値の増加に対する新規性指標Ｑ［ｕ］［ｉ］の減少の度合いはユーザごとに異なり、利用特性値Ｒ［ｕ］が小さいユーザほど、急減に減少する。このため、利用特性値Ｒ［ｕ］が小さいユーザほど、新しいアイテムが推薦情報に入り易くなる。また、利用特性値Ｒ［ｕ］が小さいユーザでは、鮮度値が優先度（推薦結果）に及ぼす影響力が相対的に大きく、利用特性値Ｒ［ｕ］が大きいユーザでは、鮮度値が優先度（推薦結果）に及ぼす影響力が小さい。

また、上記の説明においては、代表値を用いて関数の特性を決定する方法を示したが、必ずしも代表値を用いなくてもよい。例えば、利用特性情報の内の変化値のみを用いて、変化値が所定値以上である場合は、入力に対して出力が一定である、図１６のｇ３（ｘ）関数を選択し、変化値が所定値未満である場合は、最も一般的である（一般的なユーザに有効と考えられる）図１６のｇ２（ｘ）を選択するようにしてもよい。変化値のみを用いる場合は、利用特性情報算出部１２において、代表値および経過値の個数の算出を省略できる。同様に、利用特性情報の内の経過値の個数のみを用いて、経過値の個数が所定値未満である場合は、入力に対して出力が一定である、図１６のｇ３（ｘ）関数を選択し、経過値の個数が所定値以上である場合は、最も一般的である図１６のｇ２（ｘ）を選択するようにしてもよい。経過値の個数のみを用いる場合は、利用特性情報算出部１２において、代表値および変化値の算出を省略できる。

次に、以上説明した人気指標、新規性指標、優先度の具体例を示す。ステップＳ４１０の結果、人気指標の高い上位３個のアイテムの人気指標が、図１９に示す値であるとする。また４人のユーザに対して、ステップＳ４３０の処理を行った結果、図１６の関数の中で、ユーザ１にはｇ１（ｘ）が選択され、ユーザ２にはｇ２（ｘ）が選択され、ユーザ３にはｇ３（ｘ）が選択され、ユーザ４にはｇ４（ｘ）が選択されたとする。この３つのアイテムＡ、アイテムＢ、アイテムＣの鮮度値Ｎｗ［ｉ］は異なっており、図１６のＡ点、Ｂ点、Ｃ点に相当するものとする。また、各関数のＡ点、Ｂ点、Ｃ点における値は、図２０に示す値であるとする。図２０において例えば、ｇ１（ｘ）のＡ点での値「０．２」は、ユーザ１のアイテムＡに関する新規性指標となる。上記の優先度算出の第１の方法（人気指標と新規性指標との積）において、γ１＝１を用いて、優先度を算出すると、図２１に示す結果が得られる。例えば、ユーザ１のアイテムＡに関する優先度は、「１×５０×０．２＝１０．０」となっている。図２１から明らかなように、優先度の大きさや、優先度に従ったアイテムの順番は、ユーザごとに異なる。

１つのアイテムを各々のユーザに推薦する場合（優先度の最も高いアイテムのみ推薦する場合）を例にして、本実施例と他の方式との比較を行う。人気指標だけを用いて推薦情報を作成する方式では、全てのユーザにアイテムＡ（人気指標＝「５０」、優先度＝「５０」）が推薦されることになる。また、全てのユーザに対して同じ関数ｇ（ｘ）を用いて新規性指標を算出し、その新規性指標と人気指標に基づいて優先度を算出する方式の場合、例えば、全てのユーザに関数ｇ２（ｘ）を用いるとすると、全てのユーザにアイテムＢが推薦される（優先度＝「４５」）。これに対して本実施例では、ユーザ１にはアイテムＣ（優先度＝「５１．０」）、ユーザ２にはアイテムＢ（優先度＝「４５．０」）、ユーザ３にはアイテムＡ（優先度＝「５０．０」）、ユーザ４にはアイテムＡ（優先度＝「７５．０」）というように、ユーザごとに異なるアイテムが推薦される。

この例の場合、ユーザ１の優先度に対する新規性指標（鮮度値）の影響力は非常に大きく、人気指標の順位と全く異なる結果となる。またユーザ２の優先度に対する新規性指標（鮮度値）の影響力はやや大きく、人気指標の順位とは異なる結果となる。一方、ユーザ３の優先度に対する新規性指標（鮮度値）の影響力は全く無く、人気指標をそのまま優先度とした場合と同じ結果になる。ユーザ４は、ユーザ１と別の方向ではあるが、やはり新規性指標（鮮度値）の影響力は大きい。このように、ユーザごとに優先度計算におけるアイテムの鮮度値の影響力を適切に制御することにより、アイテムの「新しさ」に対するユーザごとの好みの違いをうまく反映した推薦情報を作成することができ、精度の高い推薦情報を提供することが可能になる。
＜実施例２＞

本発明の実施例２におけるシステム全体の構成は、図１および図２に示した実施例１における構成と同様である。アイテム提供サーバ２と、端末装置３（３ａ〜３ｎ）と、ネットワーク４（４ａ，４ｂ）は、実施例１と全く同じであり、実施例１における情報選択装置１は、実施例２においては情報選択装置１ｂとなる。

実施例２における情報選択装置１ｂの構成を図２２に示す。アイテム属性格納部１０と、利用履歴格納部１１と、利用特性情報算出部１２と、アイテム選択部１３ｂと、送受信部１４と、制御部１５ｂと、類似度算出部１６とで構成されている。実施例１に比べて、類似度算出部１６が追加されている他、アイテム選択部１３ｂと制御部１５ｂが異なっている。情報選択装置１ｂは、ＣＰＵ、ＲＡＭ、ＲＯＭ、ハードディスクドライブ、ネットワークインタフェース等を備える一般的なコンピュータを用いて、ソフトウェア（プログラム）処理を実行する形態により実現することも可能である。

本実施例においても、制御部１５ｂが、所定のタイミングで図１２に示すフローチャートと同様の処理を各部に実行させることにより、利用特性の算出、推薦情報の作成、推薦情報の送信などの一連の処理が行なわれる。ただし、実施例１におけるステップＳ２７０の推薦情報作成処理は、実施例２では、以下に説明するように異なっている。

図２３のフローチャートを用いて、本実施例における推薦情報作成方法を説明する。まずステップＳ７００において、類似度算出部１６は、利用履歴格納部１１に格納されている利用履歴を読み出す。ここでは、全ての利用履歴を読み出してもよいし、所定の条件を満たす利用履歴を読み出してもよい。例えば、「利用時期が過去４ヶ月以内」、「利用時期と現在との差が３日以上かつ３０日未満」などのように、「利用履歴の利用時期情報が所定の範囲にある」という条件を満たす利用履歴を読み出してもよい。

また、アイテム識別子の集合を用意し、「利用履歴のアイテム識別子が所定の集合に含まれるデータ」という条件を用いてもよい。また、ユーザ識別子の集合を用意し、「利用履歴のユーザ識別子が所定の集合に含まれるデータ」という条件で読み出してもよい。このステップで読み出した利用履歴に含まれるユーザ（ユーザ識別子）の集合をσ、ユーザの数（ユーザ識別子の異なる種類数）をＵｓ、アイテムの数（アイテムの異なる種類数）をＭｓとする。

次にステップＳ７１０において、制御部１５ｂが、ユーザ集合σの内から、まだ処理を行っていないユーザ（未処理のユーザ）を１つ選択する。ここで選択された未処理のユーザ（推薦対象ユーザ）をユーザｕとする。次にステップＳ７２０において、類似度算出部１６は、ステップＳ７００で読み出された利用履歴を用いて、推薦対象ユーザｕと、ユーザ集合σに属する他のユーザｙ（ｙ∈σ）との類似度を算出する。

具体的には、ユーザｕの利用したことのあるアイテム集合をＩ［ｕ］、ユーザｙの利用したことのあるアイテム集合をＩ［ｙ］、ユーザｕとユーザｙが共に利用したことのあるアイテム数を｜Ｉ［ｕ］∩Ｉ［ｙ］｜、ユーザｕとユーザｙの少なくとも一方が利用したことのあるアイテムの種類数を｜Ｉ［ｕ］∪Ｉ［ｙ］｜としたとき、

に示すように、ジャカード（Ｊａｃｃａｒｄ）係数を用いてユーザｕとユーザｙの類似度Ｗ［ｕ］［ｙ］を算出することができる。

また、ステップＳ７００で読み出された利用履歴から、利用回数に関する情報やユーザがアイテムに対して行った評価の情報（評価値）が得られる場合は、コサイン尺度やピアソン積率相関係数を用いて類似度を算出してもよい。例えば、ユーザｕのアイテムｉに対する利用回数または評価値をＥ［ｕ］［ｉ］、ユーザｙのアイテムｉに対する利用回数や評価値をＥ［ｙ］［ｉ］としたとき、

に示すように、コサイン尺度を用いてユーザｕとユーザｙの類似度Ｗ［ｕ］［ｙ］を算出することができる。

また、

に示すように、ピアソン積率相関係数を用いて、類似度Ｗ［ｕ］［ｙ］を算出してもよい。ここで、Ｉｃ［ｕ］［ｙ］は、ユーザｕとユーザｙが共に利用したアイテムの集合であり、Ｅａ［ｕ］は、Ｉｃ［ｕ］［ｙ］を対象としたユーザｕの利用回数または評価値の平均値、Ｅａ［ｙ］は、Ｉｃ［ｕ］［ｙ］を対象としたユーザｙの利用回数または評価値の平均値である。

また、Ｅ［ｕ］［ｉ］とＥ［ｙ］［ｉ］とのユークリッド距離あるいはその他の距離を用いて、類似度Ｗ［ｕ］［ｙ］を算出してもよい。

さらに、ユーザｕのアイテムｉに対する利用回数や評価値をＥ［ｕ］［ｉ］（ｕ＝１〜Ｕｓ，ｉ＝１〜Ｍｓ）を構成要素とする行列に対して、主成分分析や数量化３類などの多変量解析を適用し、次元数を削減した上で、コサイン尺度やユークリッド距離などを用いて類似度を算出してもよい。また、上記以外にも、２ユーザ間の類似性を表す指標であれば、どのような方法を用いてもよい。

次にステップＳ７３０において、類似度算出部１６は、ユーザｕとの類似度の高い「類似ユーザ」を選出する。具体的には、推薦対象ユーザｕとの類似度が所定値以上の他のユーザをユーザ集合σから選出し、ユーザｕの類似ユーザとする。また、推薦対象ユーザｕとの類似度が高い順に所定数を超えない範囲で他のユーザを選出し、類似ユーザとしてもよい。例えば、類似度を０以上の数値として算出した場合、推薦対象ユーザｕとの類似度が０より大きい値のユーザの数が所定数に満たない場合は、類似度が算出された全てのユーザを類似ユーザとし、所定数以上のユーザの類似度が算出された場合は、類似度が高い順に所定数のユーザを選出すればよい。さらに、推薦対象ユーザｕとの類似度が所定値以上の他のユーザの中から、類似度が高い順に所定数を超えない範囲でユーザを選出し、それを類似ユーザとしてもよい。そして類似度算出部１６は、図２４に示すような形式で、推薦対象ユーザのユーザ識別子と、選出した類似ユーザのユーザ識別子と、その類似度とを関連付けて、類似度算出部１６内部の記憶部に格納する。図２４においては、各々の推薦対象ユーザに対して、類似度の高い順に類似ユーザを格納している。推薦対対象ユーザによって、類似ユーザの数は異なっていても、同じであってもよい。このステップで算出されたユーザｕの類似ユーザの集合（類似ユーザのユーザ識別子の集合）をω［ｕ］とする。

次にステップＳ７４０において、アイテム選択部１３ｂは、類似ユーザの利用したアイテム（あるいは評価したアイテム）を対象にして、アイテムの人気指標を算出する。

人気指標を算出する第１の方法は、実施例１のステップＳ４１０で説明した各方法と同様な方法である。ただし、実施例１とは処理対象のデータが異なる。実施例１のステップＳ４１０で説明した各方法においては、ステップＳ４００で読み出したデータを対象に処理を行っていたが、本実施例では、ステップＳ７００で読み出されたデータの内から、利用履歴のユーザ識別子が類似ユーザ集合ω［ｕ］に対応するデータを抽出し、そのデータを対象にステップＳ４１０の各方法と同様な処理を行って、人気指標Ｐ［ｕ］［ｉ］を算出すればよい。すなわち、ステップＳ７００で読み出されたデータ、および類似度算出部１６内部の記憶部を参照しながら、類似ユーザ集合ω［ｕ］に属するユーザが利用したアイテムの集合を特定し、そのアイテム集合に属するアイテムｉの人気指標Ｐ［ｕ］［ｉ］（ｉ＝１〜Ｌｓ［ｕ］）を算出する。ここでＬｓ［ｕ］は、類似ユーザが利用したアイテムの集合に含まれるアイテムの個数である。実施例１における人気指標Ｐ［ｉ］は、ユーザごとに変わらず共通であったが、実施例２における人気指標Ｐ［ｕ］［ｉ］は、ユーザごとに異なる。

人気指標を算出する第２の方法は、ユーザ間の類似度を用いる方法である。例えば、ユーザｕの類似ユーザｚ（ｚ∈ω［ｕ］）がアイテムｉを利用した回数をＦ［ｚ］［ｉ］、ユーザｕと類似ユーザｚとの類似度をＷ［ｕ］［ｚ］として、

に従って、人気指標Ｐ［ｕ］［ｉ］を算出する。この場合、類似度の高いユーザが多く使っているアイテムほど、人気指標が大きな値となる。

人気指標を算出する第３の方法は、ユーザ間の類似度と利用時期情報とを用いて、

に従って算出する方法である。ここで、Ｔａ［ｚ］［ｉ］［ｋ］は、類似ユーザｚがアイテムｉをｋ回目に利用した時の利用時期情報であり、Ｔｃは、アイテムの利用時期よりも新しい所定の時期（例えば、この計算を行う時点の日時）であり、関数ｆ（ｘ）は、入力値が小さいほど出力値が大きくなるような単調減少関数である。

（１３）式によれば、類似度の高いユーザが、最近多く使っているアイテムほど、人気指標Ｐ［ｕ］［ｉ］が大きな値となる。

次にステップＳ７５０において、アイテム選択部１３ｂは、実施例１のステップＳ４２０と同様な方法で新規性指標を算出する。次にステップＳ７６０において、アイテム選択部１３ｂは、ユーザｕのアイテムｉに対する優先度Ｓ［ｕ］［ｉ］（ｉ＝１〜Ｌｓ［ｕ］）を算出する。実施例１のステップＳ４３０で説明した各方法においては、人気指標Ｐ［ｉ］と新規性指標Ｑ［ｕ］［ｉ］とを用いて、優先度Ｓ［ｕ］［ｉ］を算出したが、実施例１の人気指標Ｐ［ｉ］をユーザごとの人気指標Ｐ［ｕ］［ｉ］に置き換えて、ステップＳ４３０の各方法と同様な処理を行えばよい。本実施例では、実施例１で説明したアイテムの利用回数等だけでなく、ユーザ間の類似度を用いて人気指標を算出している。

次にステップＳ７７０において、アイテム選択部１３ｂは、ユーザｕに対して優先度Ｓ［ｕ］［ｉ］の高いアイテムを選択し、推薦情報を作成する。この処理は、実施例１におけるステップＳ４４０と同様である。次にステップＳ７８０において、制御部１５ｂは、ユーザ集合σの中で、まだ処理を行っていない未処理のユーザが存在するか否かを判定する。未処理のユーザが存在する場合（ＹＥＳ）は、ステップＳ７１０に戻って処理を繰り返し、そうでない場合（ＮＯ）は、推薦情報作成処理を終了する。以上が本実施例における、推薦情報作成処理である。

なお、ステップＳ７４０において、（１２）式および（１３）式に示したように、ユーザ間の類似度を用いて人気指標を算出する場合は、ステップＳ７３０において、必ずしも「類似ユーザ」を選出する必要はなく、このステップを省略してもよい。例えば、ステップＳ７２０において、ユーザ間の類似度を「０」以上の数値として算出し、ステップＳ７４０において、推薦対象ユーザｕ以外の全てのユーザ（類似度が「０」のユーザも含む）の集合をω［ｕ］として、（１２）式または（１３）式に従って、人気指標を算出してもよい。このようにしても、類似度の高いユーザが多く使っているアイテムほど、大きな値となる人気指標が得られる。

また、ステップＳ７００の後（ステップＳ７１０の前）に、ユーザ集合σに属する全てのユーザの組合せ（ただし、同一ユーザ同士の組合せは除外）に対して、類似度をあらかじめ算出し、２人のユーザのユーザ識別子と類似度を類似度算出部１６の記憶部に記憶しておく処理を行ってもよい。この場合は、ステップＳ７２０の類似度算出処理を省略できる。

また本実施例では、アイテムの利用回数等を用いた人気指標を算出しているが、このような人気指標を算出せずに、新規性指標と類似性指標とを用いて優先度を算出してもよい。この場合は、ステップＳ７４０を省略する。そしてステップＳ７３０とステップＳ７５０との間において、類似ユーザの集合ω［ｕ］に属するユーザｚ（ｚ∈ω［ｕ］）が利用したアイテムを対象にして、ユーザｕと類似ユーザｚとの類似度をＷ［ｕ］［ｚ］をアイテムｉごとに加算した類似性指標Ｄａ［ｕ］［ｉ］を

に従って算出する。ここで、Δ［ｚ］［ｉ］は、ユーザｚがアイテムｉを利用している場合に値が「１」となり、利用していない場合に値が「０」となる関数である。

そしてステップＳ７６０において、人気指標Ｐ［ｕ］［ｉ］の代わりに類似性指標Ｄａ［ｕ］［ｉ］を用いて優先度を算出すればよい。

本実施例では、ユーザ間の類似度を算出し、推薦対象ユーザとの類似度が高いユーザの利用履歴を用いて推薦情報を作成しているので、実施例１よりもさらに、各々のユーザの嗜好に合った精度の高い推薦情報を作成することができる。また本実施例は実施例１と同様に、ユーザに特別な入力操作を要求することなく、かつユーザのプライバシーに係る個人情報を用いることなく、推薦情報を作成することができる。
＜実施例３＞

本発明の実施例３におけるシステム全体の構成は、図１および図２に示した実施例１における構成と同様である。アイテム提供サーバ２と、端末装置３（３ａ〜３ｎ）と、ネットワーク４（４ａ，４ｂ）は、実施例１と全く同じであり、実施例１における情報選択装置１は、実施例３においては情報選択装置１ｃとなる。

実施例３における情報選択装置１ｃの構成を図２５に示す。アイテム属性格納部１０と、利用履歴格納部１１と、利用特性情報算出部１２と、アイテム選択部１３ｃと、送受信部１４と、制御部１５ｃと、ユーザ属性格納部１７と、適合度算出部１８とで構成されている。実施例１に比べて、ユーザ属性格納部１７および適合度算出部１８が追加されている他、アイテム選択部１３ｃと制御部１５ｃが異なっている。本実施例におけるアイテム属性格納部１０は、図１０（Ｂ）に示したように、アイテム属性情報を含むデータを格納している。情報選択装置１ｃは、ＣＰＵ、ＲＡＭ、ＲＯＭ、ハードディスクドライブ、ネットワークインタフェース等を備える一般的なコンピュータを用いて、ソフトウェア（プログラム）処理を実行する形態により実現することも可能である。

ユーザ属性格納部１７は、図２６に示すような形式で、ユーザ識別子とユーザ属性情報とを関連付けて格納している。ユーザ属性情報とは、利用履歴では表現されないユーザ固有の情報であり、例えば、ユーザの氏名、生年月日、性別、住んでいる地域、血液型、入会時期（アイテム利用を開始した時期）、趣味、好きなアイテムのカテゴリ、好きなアイテムに関するキーワード、などの項目で構成される。このようなユーザ属性情報は、ユーザがアイテムの利用を開始する前に行うユーザ登録処理（入会処理）などにおいて、端末装置３が、ユーザ属性情報の入力を促すメッセージを表示装置３１に表示させ、それを見たユーザに入力装置３２を介して入力させた情報である。そして情報選択装置１は、アイテム提供サーバ２を介して、あるいは直接、端末装置３からそのユーザに関連する属性情報を受信し、ユーザ属性格納部１７に格納しておく。

図２６Ａは、ユーザ識別子と、ユーザ本人の属性情報（本人属性）とを対応させて格納する形式を示す図である。趣味、好きなカテゴリ、好きなキーワードなどの項目は、１人のユーザについて、それぞれ複数存在していてもよい。

図２６Ｂは、ユーザ識別子とユーザ本人の属性情報に加えて、推薦情報を作成する際に用いる相手の属性情報（相手属性）を格納する形式である。ユーザ本人の属性情報は、図２６Ａと同様である。相手属性とは、「自分と相性が良い」、あるいは「自分の推薦情報には、このような属性を持つユーザの利用情報を反映させて欲しい」とユーザ本人が考える他のユーザの属性情報であり、年齢層、性別、血液型、趣味、好きなアイテムのカテゴリなどで構成される。また、趣味や好きなアイテムのカテゴリ、好きなキーワードなどの項目は、１人のユーザについて、それぞれ複数存在していてもよい。また図において「−」で示している箇所はデータの存在しない項目であり、このように、必ずしも全ての項目にデータを格納しなくてもよい。

なお、図２６Ａおよび２６Ｂに示したユーザ属性情報の項目は、あくまでも一例であり、この他の項目を格納してもよい。例えば、ユーザの嫌いなアイテムのカテゴリ、嫌いなキーワードなどの項目を格納してもよい。以下では、ユーザ属性格納部１７にＵｇ人のユーザの属性情報が格納されているものとする。

本実施例においても、制御部１５ｃが、所定のタイミングで図１２に示すフローチャートと同様の処理を各部に実行させることにより、利用特性の算出、推薦情報の作成、推薦情報の送信などの一連の処理が行なわれる。なお本実施例においては、ステップＳ２６０の利用特性を算出する処理において、以下の方法を用いることもできる。例えば、ステップＳ２６０の一部分であるステップＳ３００において、ユーザ識別子ごとにユーザ属性情報の「好きなカテゴリ」または／および「好きなキーワード」に該当するアイテムのアイテム識別子の集合を作成し、そのアイテム識別子の集合に対応する利用履歴を読み出して、利用特性情報の算出に用いてもよい。すなわち、ユーザの「好きなカテゴリ」または／および「好きなキーワード」に該当するアイテムに対応する利用履歴のみを使って、利用特性情報を算出してもよい。

次に、実施例１のステップＳ２７０に相当する推薦情報作成処理を説明する。本実施例における推薦情報作成の第１の方法を図２７のフローチャートに示す。まずステップＳ８００において、制御部１５ｃが、ユーザ属性格納部１７に格納されているユーザ識別子の中から、まだ処理を行っていないユーザ識別子（未処理のユーザ）を１つ選択する。ここで選択された未処理のユーザ（推薦対象ユーザ）をユーザｕとする。

次にステップＳ８１０において、適合度算出部１８が、ステップＳ８００において選択されたユーザｕと、ユーザ属性格納部１７に格納されている他のユーザｙ（ｙ＝１〜Ｕｇ，ｙ≠ｕ）との適合度Ｗｂ［ｕ］［ｙ］を算出する。本実施例においては、２人のユーザが似ている、あるいは２人の相性が良いほど、値が大きくなるように適合度を算出する。

適合度算出の第１の方法は、ユーザｕの本人属性と、ユーザｙの本人属性との適合度を算出する方法である。例えば、２人のユーザの本人属性において、一致する項目数を計数（カウント）すればよい。また、「生年月日」や「入会時期」などの項目については、２人の項目の時間差が所定以内であれば、一致するとして処理を行ってもよい。また、「好きなカテゴリ」や「好きなキーワード」などの項目については、完全に一致する場合に一致と見なす他、あらかじめカテゴリ同士やキーワード同士の一致度を示すルールを格納しておき、それに基づいて適合度を算出してもよい。また、「血液型」については、同じ血液型だけでなく、いわゆる相性の良い血液型の組合せである場合に、２人の項目が一致するとしてもよい。また、「氏名」の項目は適合度の算出に用いなくてもよいが、氏名の画数や表音などに基づく姓名判断を用いて、２人の適合度を算出してもよい。また、各々の項目について、一致する／一致しないの２値ではなく、一致する度合いを示す実数値を用いて適合度を算出してもよい。なお、空欄の項目に関しては、適合度の算出に用いなくてもよいし、一致するとみなして処理を行ってもよいし、完全一致ではなく、やや一致するとして処理を行ってもよい。

適合度算出の第２の方法は、ユーザｕの相手属性と、ユーザｙの本人属性との適合度を算出する方法である。第１の方法と同様に、それらの属性情報において一致する項目数を計数（カウント）すればよい。この方法を用いる場合は、図２６Ｂに示したように、ユーザ属性格納部１７に相手属性を格納しておく必要がある。

次にステップＳ８２０において、適合度算出部１８が、ユーザｕとの適合度が高い「適合ユーザ」を選出する。具体的には、ユーザｕとの適合度が所定値以上の他のユーザを選出し、適合ユーザとする。また、ユーザｕとの適合度が高い順に所定数を超えない範囲で他のユーザを選出し、適合ユーザとしてもよい。例えば、適合度を０以上の数値として算出した場合、ユーザｕとの適合度が０より大きい値として算出された他のユーザの数が所定数に満たない場合は、適合度が算出された全てのユーザを適合ユーザとし、所定数以上のユーザの適合度が算出された場合は、適合度が高い順に所定数のユーザを選出する。さらに、ユーザｕとの適合度が所定値以上の他のユーザの中から、適合度が高い順に所定数を超えない範囲でユーザを選出し、それを適合ユーザとしてもよい。そして適合度算出部１６は、ユーザｕのユーザ識別子と、選出した適合ユーザのユーザ識別子と、その適合度とを関連付けて、適合度算出部１８内部の記憶部に格納する。本実施例では、ユーザｕの適合ユーザの集合（ユーザ識別子の集合）をφ［ｕ］とする。

次にステップＳ８３０において、アイテム選択部１３ｃが、ユーザｕの適合ユーザが利用したアイテム（あるいは評価したアイテム）を対象にして、アイテムの人気指標を算出する。人気指標を算出する第１の方法は、実施例１のステップＳ４１０で説明した各方法と同様な方法である。ただし、実施例１とは処理対象のデータが異なる。アイテム選択部１３ｃは、利用履歴格納部１１に格納されている利用履歴の中から、ユーザ識別子がユーザ集合φ［ｕ］に対応するデータを読み出し、そのデータを対象にステップＳ４１０の各方法と同様な処理を行なって、人気指標Ｐ［ｕ］［ｉ］（ｉ＝１〜Ｌｂ［ｕ］）を算出する。ここでＬｂ［ｕ］は、ユーザｕの適合ユーザが利用したアイテムの集合に含まれるアイテムの個数である。また、集合φ［ｕ］に対応する全ての利用履歴ではなく、さらに所定の条件を満たす利用履歴を処理の対象にしてもよい。例えば、集合φ［ｕ］に対応し、かつ利用時期が所定の範囲にある利用履歴を処理の対象にしてもよい。

また、ユーザｕのユーザ属性情報を用いて、処理対象のデータを絞り込んでもよい。アイテム選択部１３ｃは、アイテム属性格納部１０と利用履歴格納部１１とユーザ属性格納部１７とを関連付けて参照しながら、例えば、ユーザｕの本人属性の「好きなカテゴリ」項目と一致するカテゴリを持つアイテムに対応する利用履歴であり、かつユーザ集合φ［ｕ］に対応する利用履歴を抽出し、それを処理の対象にする。例えば、ユーザｕの本人属性の「好きなカテゴリ」が「ジャズ」である場合、カテゴリが「ジャズ」であるアイテムに対応し、かつユーザ集合φ［ｕ］に対応する利用履歴を処理対象にする。また、「好きなカテゴリ」の代わりに「好きなキーワード」を用いて処理を行ってもよい。また上記と同様の方法で、ユーザｕのユーザ属性情報だけでなく、ユーザ集合φ［ｕ］に属するユーザのユーザ属性情報を用いて、処理対象のデータを絞り込んでもよい。

人気指標を算出する第２の方法は、ユーザ間の適合度を用いる方法である。例えば、適合ユーザｚ（ｚ∈φ［ｕ］）がアイテムｉを利用した回数をＦ［ｚ］［ｉ］、ユーザｕと適合ユーザｚとの適合度をＷｂ［ｕ］［ｚ］として、

に従って、人気指標Ｐ［ｕ］［ｉ］を算出する。この場合、適合度の高いユーザが多く使っているアイテムほど、人気指標が大きな値となる。

人気指標を算出する第３の方法は、ユーザ間の適合度と利用時期情報とを用いて、

に従って算出する方法である。ここで、Ｔａ［ｚ］［ｉ］［ｋ］は、適合ユーザｚがアイテムｉをｋ回目に利用した時の利用時期情報であり、Ｔｃは、アイテムの利用時期よりも新しい所定の時期（例えば、この計算を行う時点の日時）であり、関数ｆは、入力値が小さいほど出力値が大きくなるような単調減少関数である。

（１６）式によれば、適合度の高いユーザが、最近多く使っているアイテムほど、人気指標が大きな値となる。

次にステップＳ８４０において、アイテム選択部１３ｃは、実施例１のステップＳ４２０と同様な方法で新規性指標を算出する。次にステップＳ８５０において、アイテム選択部１３ｃは、ユーザｕのアイテムｉに対する優先度Ｓ［ｕ］［ｉ］（ｉ＝１〜Ｌｂ［ｕ］）を算出する。実施例１のステップＳ４３０で説明した各方法においては、人気指標Ｐ［ｉ］と新規性指標Ｑ［ｕ］［ｉ］とを用いて、優先度Ｓ［ｕ］［ｉ］を算出したが、実施例１の人気指標Ｐ［ｉ］をユーザごとの人気指標Ｐ［ｕ］［ｉ］に置き換えて、ステップＳ４３０の各方法と同様な処理を行えばよい。本実施例では、実施例１で説明したアイテムの利用回数等だけでなく、ユーザ間の適合度を用いて人気指標を算出している。

次にステップＳ８６０において、アイテム選択部１３ｃは、ユーザｕに対して優先度Ｓ［ｕ］［ｉ］の高いアイテムを選択し、推薦情報を作成する。アイテム選択の第１の方法は、実施例１におけるステップＳ４４０と同様である。アイテム選択の第２の方法は、ユーザ属性情報を用いて、所定の条件に合致するアイテムを選択する方法である。具体的には、アイテム選択部１３ｃは、アイテム属性格納部１０およびユーザ属性格納部１７を参照しながら、ユーザｕの本人属性の「好きなカテゴリ」および／または「好きなキーワード」と合致するアイテム属性を持つアイテムであり、かつ優先度が所定のしきい値よりも高い（大きい）アイテムを選択する。また、ユーザｕの本人属性の「好きなカテゴリ」および「好きなキーワード」と合致するアイテム属性を持つアイテムの集合の内から、優先度が高い順（大きい順）に所定数を超えない範囲でアイテムを選択してもよい。例えば、そのアイテム集合に属するアイテムが所定数以上ある場合は、優先度が高い順（大きい順）に所定数のアイテムを選択し、そのアイテム集合に属するアイテムが所定数に満たないユーザの場合は、アイテム集合の全てのアイテムを選択すればよい。上記の第１または第２の方法により選択したアイテムの優先度が高い順に「１」から始まる番号を付けて推薦順位とする。そして、図５に示したように、ユーザ識別子と、アイテム識別子と、推薦順位とを対応させた推薦情報を作成する。

次にステップＳ８７０において、制御部１５ｃは、ユーザ属性格納部１７に格納されているユーザ（ユーザ識別子）の集合に対して、未処理のユーザが存在するか否かを判定する。未処理のユーザが存在する場合（ＹＥＳ）は、ステップＳ８００に戻って処理を繰り返し、そうでない場合（ＮＯ）は、推薦情報作成処理を終了する。

なお、ステップＳ８３０において、（１５）式および（１６）式に示したように、推薦対象ユーザと適合ユーザとの適合度を用いて人気指標を算出する場合は、ステップＳ８２０において、必ずしも「適合ユーザ」を選出する必要はなく、このステップを省略してもよい。例えば、ステップＳ８１０において、ユーザ間の適合度を「０」以上の数値として算出し、ステップＳ８３０において、推薦対象ユーザｕ以外の全てのユーザ（適合度が「０」のユーザも含む）の集合をω［ｕ］として、（１５）式または（１６）式に従って、人気指標を算出してもよい。このようにしても、適合度の高いユーザが多く使っているアイテムほど、大きな値となる人気指標が得られる。

また、ステップＳ８００に先立って、ユーザ属性格納部１７に格納されている全てのユーザの組合せ（ただし、同一ユーザ同士の組合せは除外）に対して、適合度をあらかじめ算出し、２人のユーザのユーザ識別子と適合度を適合度算出部１８の記憶部に記憶しておく処理を行ってもよい。この場合は、ステップＳ８１０の適合度算出処理を省略できる。

また本実施例では、ユーザ間の適合度を算出しているが、適合度算出部１８を省略した上で、実施例１の処理と、本実施例で説明したようなユーザ属性情報を用いた処理とを組み合わせてもよい。例えば、実施例１のステップＳ４４０において、ステップＳ８６０のアイテム選択の第２の方法と同様に、ユーザｕの本人属性の「好きなカテゴリ」および／または「好きなキーワード」と合致するアイテム属性を持つアイテムであり、かつ優先度が高い（大きい）アイテムを選択してもよい。すなわち、ユーザが指定したアイテム属性情報に関する条件を満たすアイテムで推薦情報を構成するようにしてもよい。

また本実施例では、アイテムの利用回数等を用いた人気指標を算出しているが、このような人気指標を算出せずに、新規性指標と適合性指標とを用いて優先度を算出してもよい。この場合は、ステップＳ８３０を省略する。そしてステップＳ８２０とステップＳ８４０との間において、適合ユーザの集合φ［ｕ］に属するユーザｚ（ｚ∈φ［ｕ］）が利用したアイテムを対象にして、ユーザｕと適合ユーザｚとの適合度をＷｂ［ｕ］［ｚ］をアイテムｉごとに加算した適合性指標Ｄｂ［ｕ］［ｉ］を

に従って算出する。ここで、Δ［ｚ］［ｉ］は、ユーザｚがアイテムｉを利用している場合に値が「１」となり、利用していない場合に値が「０」となる関数である。

そしてステップＳ８５０において、人気指標Ｐ［ｕ］［ｉ］の代わりに適合性指標Ｄｂ［ｕ］［ｉ］を用いて優先度を算出すればよい。

さらに、新規性指標と適合性指標と類似性指標とを用いて優先度を算出してもよい。例えば、

を用いて、第１の統合指標Ｄｃ［ｕ］［ｉ］を算出した上で、ステップＳ８５０において、人気指標Ｐ［ｕ］［ｉ］の代わりに第１の統合指標Ｄｃ［ｕ］［ｉ］を用いて優先度を算出すればよい。

（１８）式においては、類似性指標Ｄａ［ｕ］［ｉ］と適合性指標Ｄｂ［ｕ］［ｉ］とを用い、それぞれに重み係数ρ１，ρ２を乗じた値を加算して第１の統合指標を算出している。また、類似性指標と適合性指標との積を用いて、第１の統合指標を算出してもよい。

また同様に、新規性指標と適合性指標と類似性指標と人気指標とを用いて優先度を算出してもよい。例えば、

を用いて、第２の統合指標Ｄｅ［ｕ］［ｉ］を算出した上で、ステップＳ８５０において、人気指標Ｐ［ｕ］［ｉ］の代わりに第２の統合指標Ｄｅ［ｕ］［ｉ］を用いて優先度を算出すればよい。

（１９）式においては、類似性指標Ｄａ［ｕ］［ｉ］と適合性指標Ｄｂ［ｕ］［ｉ］と人気指標（利用回数の和であるΣの部分）とを用い、それぞれに重み係数ρ３，ρ４，ρ５を乗じた値を加算して第２の統合指標を算出している。また、類似性指標と適合性指標と人気指標との積を用いて、第２の統合指標を算出してもよい。

本実施例によれば、ユーザ属性を用いてユーザ間の適合度を算出し、適合度の高いユーザの利用履歴を用いて推薦情報を作成しているので、実施例１よりもさらに、各々のユーザの嗜好に合った精度の高い推薦情報を作成することができる。また実施例１と同様に、新規に入会したユーザなどで、まだアイテムを利用していないユーザに対しても、推薦情報を提供することができる。

以上の説明より明らかなように、本発明は、ユーザに推薦するアイテムを、ユーザ等の手間を要することなく精度良く選択することができるアイテム選択装置を提供することができる。

１，１ｂ，１ｃ 情報選択装置
２ アイテム提供サーバ
３，３ａ〜３ｎ 端末装置
４，４ａ，４ｂ ネットワーク
１０ アイテム属性格納部
１１ 利用履歴格納部
１２ 利用特性情報算出部
１３，１３ｂ，１３ｃ アイテム選択部
１４ 送受信部
１５，１５ｂ，１５ｃ 制御部
１６ 類似度算出部
１７ ユーザ属性格納部
１８ 適合度算出部
２１ 認証部
２２ アイテム格納部
２３ 推薦情報格納部
２４ 送受信部
２５ 制御部
３１ 表示装置
３２ 入力装置

Claims (20)

1. 各アイテムのアイテム識別子と、該アイテムの作成時点または提供開始時点を示すアイテム時期情報とを関連付けて格納するアイテム属性格納部と、
   ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを含む利用情報を他の装置から受信する受信部と、
   前記受信部により受信した利用情報に含まれる利用主体識別子とアイテム識別子とを関連付けた利用履歴を格納する利用履歴格納部と、
   前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれるアイテム識別子に対応する前記アイテム時期情報と所定の時点との差である経過値を算出し、前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する利用特性情報算出部と、
   前記アイテム属性格納部に格納されたアイテム識別子について、対応する前記アイテム時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出するとともに、前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出し、該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出し、該優先度に基づいて利用主体識別子ごとにアイテムの選択を行うアイテム選択部とを具備することを特徴とするアイテム選択装置。
2. ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを少なくとも含む利用情報を他の装置から受信する受信部と、
   前記受信部により受信した利用情報に含まれる３つの情報である利用主体識別子と、アイテム識別子と、該アイテムが利用された時点を示す利用時期情報とを関連付けた利用履歴、または前記受信部により受信した利用情報に含まれる２つの情報である利用主体識別子と、アイテム識別子と、該利用情報を前記受信部により受信した時点を示す利用時期情報とを関連付けた利用履歴を格納する利用履歴格納部と、
   前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれる前記利用時期情報と所定の時点との差である経過値を算出し、前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する利用特性情報算出部と、
   前記利用履歴格納部に格納されたアイテム識別子について、対応する前記利用時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出するとともに、前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出し、該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出し、該優先度に基づいて利用主体識別子ごとにアイテムの選択を行うアイテム選択部とを具備することを特徴とするアイテム選択装置。
3. 前記利用履歴格納部は、前記受信部により受信した利用情報に含まれる３つの情報である利用主体識別子と、アイテム識別子と、該アイテムが利用された時点を示す利用時期情報とを関連付けた利用履歴、または前記受信部により受信した利用情報に含まれる２つの情報である利用主体識別子と、アイテム識別子と、該利用情報を前記受信部により受信した時点を示す利用時期情報とを関連付けた利用履歴を格納し、
   前記利用特性情報算出部は、前記利用履歴格納部に格納された利用履歴についての経過値の算出に際し、該利用履歴に含まれる利用時期情報を前記所定の時点として用いることを特徴とする請求項１に記載のアイテム選択装置。
4. 前記利用特性情報算出部は、前記利用履歴格納部に格納された利用履歴についての経過値の算出に際し、該利用履歴のアイテム識別子を含む各利用履歴の利用時期情報の分布を用いて、該アイテム識別子に係るアイテムの作成時点または提供開始時点の推定値である推定アイテム時期情報を算出し、該推定アイテム時期情報を前記所定の時点として用いることを特徴とする請求項２に記載のアイテム選択装置。
5. 前記利用特性情報算出部は、前記利用履歴格納部に格納された利用履歴についての経過値の算出に際し、該利用履歴に含まれる利用主体識別子と同一の利用主体識別子を含み、かつ該利用履歴と時間的に隣り合う他の利用履歴に含まれる利用時期情報を前記所定の時点として用いることを特徴とする請求項２に記載のアイテム選択装置。
6. 各アイテムのアイテム識別子と、該アイテムの作成時点または提供開始時点を示すアイテム時期情報とを関連付けて格納するアイテム属性格納部を備え、
   前記アイテム選択部は、前記利用時期情報に代えて、前記アイテム属性格納部に格納されたアイテム時期情報に基づき前記鮮度値を算出することを特徴とする請求項５に記載のアイテム選択装置。
7. 前記アイテム属性格納部は、前記アイテムのアイテム識別子とアイテム時期情報とを関連付けて格納するに際し、該アイテムが属するカテゴリを示すカテゴリ情報をさらに関連付けて格納し、
   前記アイテム選択部は、前記優先度に基づいて利用主体識別子ごとにアイテムの選択を行うに際し、所定の条件を満たす前記カテゴリ情報に対応するアイテム識別子に係るアイテムを選択することを特徴とする請求項１または請求項６に記載のアイテム選択装置。
8. 前記アイテム選択部は、前記利用履歴格納部に格納された利用履歴に基づき、アイテムごとの利用回数またはアイテムごとの利用ユーザ数に関連する数値である人気指標を算出し、該人気指標を用いて前記優先度の算出を行うことを特徴とする請求項１〜７のいずれか１項に記載のアイテム選択装置。
9. 前記他の装置から受信する利用情報は、該利用情報に係るユーザの該利用情報に係るアイテムに対する評価の高さを示す評価値を含み、
   前記受信部により受信した利用情報に基づいて格納される利用履歴は、該利用情報に含まれる評価値をさらに関連付けたものであり、
   前記アイテム選択部は、前記利用履歴格納部に格納された利用履歴に基づき、アイテムごとに評価値を加算した値を用いて人気指標を算出し、該人気指標を用いて前記優先度の算出を行うことを特徴とする請求項１〜７のいずれか１項に記載のアイテム選択装置。
10. 前記利用特性情報算出部は、前記利用主体識別子ごとに、対応する経過値の分布に基づいて利用特性情報を算出するに際し、該経過値の分布に基づく代表値を、該利用特性情報を構成するものとして算出することを特徴とする請求項１〜９のいずれか１項に記載のアイテム選択装置。
11. 前記利用特性情報算出部は、前記利用主体識別子ごとに、対応する経過値の分布に基づいて利用特性情報を算出するに際し、該経過値のばらつき度合いを示す値を、該利用特性情報を構成するものとして算出することを特徴とする請求項１〜１０のいずれか１項に記載のアイテム選択装置。
12. 前記利用特性情報算出部は、前記利用主体識別子ごとに、対応する経過値の分布に基づいて利用特性情報を算出するに際し、該経過値の個数を、該利用特性情報を構成するものとして算出することを特徴とする請求項１〜請求項１１に記載のアイテム選択装置。
13. 前記利用履歴格納部に格納された利用履歴に基づいて、任意の２つの利用主体識別子の間の類似度を算出する類似度算出部を備え、
    前記アイテム選択部は、前記類似度に基づく類似性指標を用いて前記優先度の算出を行うことを特徴とする請求項１〜１２のいずれか１項に記載のアイテム選択装置。
14. 前記利用履歴格納部に格納された利用履歴に基づいて、任意の２つの利用主体識別子の間の類似度を算出する類似度算出部を備え、
    前記アイテム選択部は、前記利用主体識別子ごとにアイテムの優先度を算出するに際し、利用主体識別子ごとに、該利用主体識別子との間の前記類似度が所定値より高い他の利用主体識別子、または該利用主体識別子との間の前記類似度が高い順に所定数を超えない数の他の利用主体識別子を抽出するとともに、前記利用履歴格納部に格納された利用履歴から、前記抽出された利用主体識別子に関連付けられているアイテム識別子を抽出し、抽出したアイテム識別子に係るアイテムの集合を対象として前記優先度の算出を行うことを特徴とする請求項１〜１３のいずれか１項に記載のアイテム選択装置。
15. ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザの属性情報とを関連付けて格納するユーザ属性格納部と、
    前記ユーザ属性格納部に格納されたユーザ属性情報に基づいて、任意の２つの利用主体識別子の間の適合度を算出する適合度算出部を備え、
    前記アイテム選択部は、前記適合度に基づく適合性指標を用いて前記優先度の算出を行うことを特徴とする請求項１〜１４のいずれか１項に記載のアイテム選択装置。
16. ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザの属性情報とを関連付けて格納するユーザ属性格納部と、
    前記ユーザ属性格納部に格納されたユーザ属性情報に基づいて、任意の２つの利用主体識別子の間の適合度を算出する適合度算出部を備え、
    前記アイテム選択部は、前記利用主体識別子ごとのアイテムの優先度を算出するに際し、利用主体識別子ごとに、該利用主体識別子との前記適合度が所定値より高い他の利用主体識別子、または該利用主体識別子との前記適合度が高い順に所定数を超えない数の他の利用主体識別子を抽出し、前記利用履歴格納部に格納された利用履歴から、前記抽出された利用主体識別子に関連付けられているアイテム識別子を抽出し、抽出したアイテム識別子に係るアイテムの集合を対象として前記優先度の算出を行うことを特徴とする請求項１〜１５のいずれか１項に記載のアイテム選択装置。
17. アイテム選択装置において実行されるアイテム選択方法において、
    各アイテムのアイテム識別子と、該アイテムの作成時点または提供開始時点を示すアイテム時期情報とを関連付けてアイテム属性格納部に格納する工程と、
    ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを含む利用情報を他の装置から受信する工程と、
    前記受信する工程により受信した利用情報に含まれる利用主体識別子とアイテム識別子とを関連付けた利用履歴を利用履歴格納部に格納する工程と、
    前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれるアイテム識別子に対応する前記アイテム時期情報と所定の時点との差である経過値を算出する工程と
    、
    前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する工程と、
    前記アイテム属性格納部に格納されたアイテム識別子について、対応する前記アイテム時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出する工程と、
    前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出する工程と、
    該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出する工程と、
    該優先度に基づいて利用主体識別子ごとにアイテムの選択を行う工程とを具備することを特徴とするアイテム選択方法。
18. アイテム選択装置において実行されるアイテム選択方法において、
    ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを少なくとも含む利用情報を他の装置から受信する工程と、
    前記受信する工程により受信した利用情報に含まれる３つの情報である利用主体識別子と、
    アイテム識別子と、該アイテムが利用された時点を示す利用時期情報とを関連付けた利用履歴、または前記受信する工程により受信した利用情報に含まれる２つの情報である利用主体識別子と、アイテム識別子と、該利用情報を前記受信する工程により受信した時点を示す利用時期情報とを関連付けた利用履歴を利用履歴格納部に格納する工程と、
    前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれる前記利用時期情報と所定の時点との差である経過値を算出する工程と、
    前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する工程と、
    前記利用履歴格納部に格納されたアイテム識別子について、対応する前記利用時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出する工程と、
    前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出する工程と、
    該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出する工程と、
    該優先度に基づいて利用主体識別子ごとにアイテムの選択を行う工程とを具備することを特徴とするアイテム選択方法。
19. コンピュータに、
    各アイテムのアイテム識別子と、該アイテムの作成時点または提供開始時点を示すアイテム時期情報とを関連付けてアイテム属性格納部に格納する手順と、
    ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを含む利用情報を他の装置から受信する手順と、
    前記受信する手順により受信した利用情報に含まれる利用主体識別子とアイテム識別子とを関連付けた利用履歴を利用履歴格納部に格納する手順と、
    前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれるアイテム識別子に対応する前記アイテム時期情報と所定の時点との差である経過値を算出する手順と、
    前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する手順と、
    前記アイテム属性格納部に格納されたアイテム識別子について、対応する前記アイテム時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出する手順と、
    前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出する手順と、
    該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出する手順と、
    該優先度に基づいて利用主体識別子ごとにアイテムの選択を行う手順とを実行させるためのアイテム選択用プログラム。
20. コンピュータに、
    ユーザまたは該ユーザが利用した端末装置を識別するための利用主体識別子と、該ユーザにより利用されたアイテムのアイテム識別子とを少なくとも含む利用情報を他の装置から受信する手順と、
    前記受信する手順により受信した利用情報に含まれる３つの情報である利用主体識別子と、
    アイテム識別子と、該アイテムが利用された時点を示す利用時期情報とを関連付けた利用履歴、または前記受信する手順により受信した利用情報に含まれる２つの情報である利用主体識別子と、アイテム識別子と、該利用情報を前記受信する手順により受信した時点を示す利用時期情報とを関連付けた利用履歴を利用履歴格納部に格納する手順と、
    前記利用履歴格納部に格納された利用履歴について、該利用履歴に含まれる前記利用時期情報と所定の時点との差である経過値を算出する手順と、
    前記利用履歴格納部に格納された利用履歴に含まれる利用主体識別子ごとに、対応する前記経過値の分布に基づいて利用特性情報を算出する手順と、
    前記利用履歴格納部に格納されたアイテム識別子について、対応する前記利用時期情報に基づき、該アイテム識別子に係るアイテムの新しさの度合いを示す鮮度値を算出する手順と、
    前記利用特性情報に応じて特性が異なる対応規則を用い、各利用主体識別子の前記利用特性情報に対応する前記対応規則に前記鮮度値を適用して新規性指標を算出する手順と、
    該新規性指標に基づいて利用主体識別子ごとにアイテムの優先度を算出する手順と、
    該優先度に基づいて利用主体識別子ごとにアイテムの選択を行う手順とを実行させるためのアイテム選択用プログラム。

Images