JP5727846B2

JP5727846B2 - シリーズアイテム群抽出システム、シリーズアイテム群抽出方法、およびシリーズアイテム群抽出プログラム

Info

Publication number: JP5727846B2
Application number: JP2011091927A
Authority: JP
Inventors: 篤信木村; 中山　彰; 彰中山
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2011-04-18
Filing date: 2011-04-18
Publication date: 2015-06-03
Anticipated expiration: 2031-04-18
Also published as: JP2012226470A

Description

本発明は、複数のアイテムの中からシリーズアイテム群を抽出するシリーズアイテム群抽出システム、シリーズアイテム群抽出方法、およびシリーズアイテム群抽出プログラムに関する。

推薦アルゴリズムにおいて、１話目、２話目または１冊目、２冊目と連続し、ユーザが続けて利用したくなるアイテム群（シリーズアイテム群）を抽出することは、推薦の精度を高める上で重要な要素となる。

従来では、ＥＰＧやコンテンツのメタデータなどアイテムに付随する情報を元に、シリーズアイテム群を判定する方法がある。

また、特許文献１には、文書集合内のタイムスタンプ付きの文書間の関連性に基づいて、文書集合を特定する文書集合分析装置が記載されている。

特開2008−210024号公報

ＥＰＧやコンテンツのメタデータを利用する場合、ユーザのアイテムに対する評価値、利用ログなどが考慮されていなく、サービス提供者が規定したルールでシリーズアイテムが定義される。

シリーズアイテムの定義がサービス提供者の規定に依存する場合、サービス提供者の運用が不完全である（例えば、シリーズアイテムのメタデータが欠落している、シリーズアイテムと判定されるべきでないアイテムにメタデータが付与されている）と、シリーズアイテムの抽出が適切に行えないという問題がある。

また、サービス提供者の運用が推薦エンジン（推薦アルゴリズム）におけるシリーズアイテムの概念と異なる（例えば、シリーズアイテム以外のまとまりも含めた形でメタデータを運用している）場合、適切なシリーズアイテムの抽出ができないという問題もある。

本発明は、上記事情に鑑みてなされたものであり、本発明の目的は、シリーズアイテム群の抽出をより適切に行うシリーズアイテム群抽出システム、シリーズアイテム群抽出方法、およびシリーズアイテム群抽出プログラムを提供することにある。

上記目的を達成するため、本発明は、シリーズアイテム群抽出システムであって、複数のアイテムのメタデータが記憶されるメタデータ記憶手段と、複数のユーザのアイテム利用履歴が記憶されるログ記憶手段と、前記メタデータ記憶手段のメタデータを用いて、アイテム間の類似度を算出する類似度算出手段と、前記ログ記憶手段のアイテム利用履歴を用いて、所定の期間においてユーザが２つ以上のアイテムを連続して利用している履歴を元に、連続して利用される可能性が高いアイテム群をグループ化し、各グループのアイテム群の連続度を各グループのアイテム数を用いて算出する連続度算出手段と、前記類似度算出手段が算出したアイテム間の類似度を用いて各グループに属するアイテム群の類似度を算出するとともに、類似度が第１の閾値より大きく、連続度が第２の閾値より大きいグループに属するアイテム群を、シリーズアイテム群として抽出するアイテム群抽出手段と、を備える。
本発明は、シリーズアイテム群抽出システムであって、複数のアイテムのメタデータが記憶されるメタデータ記憶手段と、複数のユーザのアイテム利用履歴が記憶されるログ記憶手段と、前記メタデータ記憶手段のメタデータを用いて、アイテム間の類似度を算出する類似度算出手段と、前記ログ記憶手段のアイテム利用履歴を用いて、連続して利用される可能性が高いアイテム群をグループ化し、各グループのアイテム群の連続度を算出する連続度算出手段と、前記類似度算出手段が算出したアイテム間の類似度を用いて各グループに属するアイテム群の類似度を算出するとともに、類似度が第１の閾値より大きく、連続度が第２の閾値より大きいグループに属するアイテム群を、シリーズアイテム群として抽出するアイテム群抽出手段と、を備え、前記アイテム群抽出手段は、類似度が第１の閾値より大きく、連続度が第２の閾値以下のグループに属するアイテム群を、メタデータにおける関連性が高い同質アイテム群として抽出する。

また、本発明は、コンピュータが行うシリーズアイテム群抽出方法であって、前記コンピュータは、複数のアイテムのメタデータが記憶されるメタデータ記憶部と、複数のユーザのアイテム利用履歴が記憶されるログ記憶部と、を備え、前記メタデータ記憶部のメタデータを用いて、アイテム間の類似度を算出する類似度算出ステップと、前記ログ記憶部のアイテム利用履歴を用いて、所定の期間においてユーザが２つ以上のアイテムを連続して利用している履歴を元に、連続して利用される可能性が高いアイテム群をグループ化し、各グループのアイテム群の連続度を各グループのアイテム数を用いて算出する連続度算出ステップと、前記類似度算出ステップで算出したアイテム間の類似度を用いて、各グループに属するアイテム群の類似度を算出するグループ類似度算出ステップと、類似度が第１の閾値より大きく、連続度が第２の閾値より大きいグループに属するアイテム群を、シリーズアイテム群として抽出するアイテム群抽出ステップと、を行う。
本発明は、コンピュータが行うシリーズアイテム群抽出方法であって、前記コンピュータは、複数のアイテムのメタデータが記憶されるメタデータ記憶部と、複数のユーザのアイテム利用履歴が記憶されるログ記憶部と、を備え、前記メタデータ記憶部のメタデータを用いて、アイテム間の類似度を算出する類似度算出ステップと、前記ログ記憶部のアイテム利用履歴を用いて、連続して利用される可能性が高いアイテム群をグループ化し、各グループのアイテム群の連続度を算出する連続度算出ステップと、前記類似度算出ステップで算出したアイテム間の類似度を用いて、各グループに属するアイテム群の類似度を算出するグループ類似度算出ステップと、類似度が第１の閾値より大きく、連続度が第２の閾値より大きいグループに属するアイテム群を、シリーズアイテム群として抽出するアイテム群抽出ステップと、を行い、前記アイテム群抽出ステップは、類似度が第１の閾値より大きく、連続度が第２の閾値以下のグループに属するアイテム群を、メタデータにおける関連性が高い同質アイテム群として抽出する。

また、本発明は、前記シリーズアイテム群抽出システムとしてコンピュータを機能させるためのシリーズアイテム群抽出プログラムである。

本発明によれば、シリーズアイテム群の抽出をより適切に行うシリーズアイテム群抽出システム、シリーズアイテム群抽出方法、およびシリーズアイテム群抽出プログラムを提供することができる。

本発明の実施形態に係るシリーズアイテム群抽出システムの構成図である。本実施形態の処理概要を示すフローチャートである。類似度算出処理を示すフローチャートである。メタデータ設定テーブルの一例を示す図である。特徴量抽出テーブルの一例を示す図である。類似度テーブルの一例を示す図である。連続度算出処理を示すフローチャートである。連続度テーブルの一例を示す図である。シリーズ度算出処理を示すフローチャートである。連続度テーブルの一例を示す図である。

以下、本発明の実施の形態について、図面を参照して説明する。

本実施形態のアイテムは、映画、テレビ番組、ニュース、本、音楽などの様々なコンテンツであって、デジタルデータ化されたデジタルコンテンツだけでなく、物品（商品など）や場所（レストランや観光地など）などデジタルコンテンツ以外のコンテンツも含まれる。

図１は、本実施形態に係るアイテム群抽出システムの構成図である。本実施形態のアイテム群抽出システムは、メタデータ記憶部１１と、メタデータ設定テーブル１２と、類似度算出部１３と、特徴量抽出テーブルおよび類似度テーブルを記憶する記憶部１４と、ログ記憶部１５と、連続度算出部１６と、連続度テーブルを記憶する記憶部１７と、シリーズ度算出部１８（アイテム群抽出手段）とを備える。

メタデータ記憶部１１には、複数のアイテムのメタデータが記憶（格納）される。メタデータは、アイテムそのものではなく、アイテムに関連するデータであって、例えば、アイテムのタイトル、概要文、タイトルの読み仮名、キャスト、放映時刻などが考えられる。メタデータ設定テーブル１２には、各メタデータの類似度算出に用いられるパラメータが設定されている。メタデータ設定テーブル１２については、後述する。

類似度算出部１３は、メタデータ記憶部１１のメタデータを用いて、アイテム間の類似度を算出する。

ログ記憶部１５には、ユーザがアイテムを利用したログ（アイテム利用履歴）が記憶（格納）される。

連続度算出部１６は、ログ記憶部１５の各ユーザのログを用いて、連続して利用される可能性が高いアイテム群をグループ化し、各グループのアイテム群の連続度を算出する。

シリーズ度算出部１８は、類似度算出部１３が算出したアイテム間の類似度を用いて各グループに属するアイテム群の類似度を算出するとともに、類似度と連続度とを用いて各グループのシリーズ度を算出する。また、シリーズ度算出部１８は、類似度が第１の閾値より大きく、連続度が第２の閾値より大きいグループに属するアイテム群を、ユーザが続けて利用したくなるアイテム群（以下、「シリーズアイテム」という）として抽出する。また、シリーズ度算出部１８は、類似度が第１の閾値より大きく、連続度が第２の閾値以下のグループに属するアイテム群を、メタデータにおける関連性が高い同質アイテム群として抽出し、類似度が第１の閾値より小さく、連続度が第３の閾値より大きいグループに属するアイテム群を、まとまって利用される可能性が高いパックアイテム群として抽出する。

以上説明したアイテム群抽出システムは、例えば、ＣＰＵと、メモリと、ＨＤＤ等の外部記憶装置と、入力装置と、出力装置とを備えた汎用的なコンピュータシステムを用いることができる。このコンピュータシステムにおいて、ＣＰＵがメモリ上にロードされたアイテム群抽出システム用のプログラムを実行することにより、アイテム群抽出システムの各機能が実現される。また、アイテム群抽出システムのプログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ−ＲＯＭなどのコンピュータ読取り可能な記録媒体に記憶することも、ネットワークを介して配信することもできる。

次に、本実施形態の処理について説明する。

図２は、全体の処理概要を示すフローチャートである。

まず、類似度算出部１３は、メタデータ記憶部１１の各アイテムのメタデータと、メタデータ設定テーブル１２とを用いて各アイテムの特徴量を抽出し、アイテム間の類似度を算出する（Ｓ１１）。次に、連続度算出部１６は、ログ記憶部１５のログを用いて各グループのアイテム群の連続度を算出する（Ｓ１２）。そして、シリーズ度算出部１８は、各グループの類似度を算出するとともに、各グループのシリーズ度を算出（Ｓ１３）、類似度および連続度が比較的大きいグループのアイテム群をシリーズアイテム群として抽出する（Ｓ１４）。

また、シリーズ度算出部１８は、類似度が比較的小さく、連続度が比較的大きいグループのアイテム群をパックアイテム群（まとめ見パックアイテム群）として抽出する（Ｓ１５）。すなわち、メタデータでは繋がりが明確ではないが（類似度：小）、ユーザがまとめて見る（利用する）傾向にある（連続度：大）アイテム群をまとめ見パックアイテム群とする。

また、シリーズ度算出部１８は、類似度が比較的大きく、連続度が比較的小さいグループのアイテム群を同質アイテム群として抽出する（Ｓ１６）。すなわち、メタデータでは繋がりが明確であるのに（類似度：大）、ユーザがまとめて見る傾向がない（連続度：小）アイテム群を同質アイテム群とする。

図３は、類似度算出部１３が行う類似度算出処理（図２：Ｓ１１）のフローチャートである。

類似度算出部１３は、全アイテムの各々に対して特徴量抽出処理（Ｓ２１〜Ｓ２４）を行う（Ｓ２１）。すなわち、メタデータ記憶部１１から所定（処理対象）のアイテムのメタデータを読み出す（Ｓ２２）。本実施形態では、メタデータ設定テーブル１２に設定された各メタデータを読み込む。

図４は、メタデータ設定テーブル１２の一例を示す図である。メタデータ設定テーブル１２には、メタデータの種類（Meta1、Meta2、・・・、Meta5）毎に、内容、類似度算出に用いられる重み係数名、重み係数の値、類似度算出時に用いられる特徴量、類似度算出時に用いられるジャッカード係数算出時が設定されている。

そして、読み込んだ各メタデータについて、当該メタデータに対応する特徴量を抽出し（Ｓ２３）、特徴量抽出テーブルに記憶する（Ｓ２４）。図５は、特徴量抽出テーブルの一例であって、アイテム毎に各メタデータの特徴量と特徴量数とが記憶される。

例えば、Meta1（タイトル）およびMeta2（概要文）の場合、形態素解析処理を行い、品詞判定で名詞と、品詞未定義のカタカナとをキーワードとして抽出し、抽出した各キーワード（特徴量）と、抽出したキーワード数（特徴量数）とを特徴量抽出テーブルに記憶する。

また、Meta３（タイトルの読み仮名）の場合、タイトルのかな文字（特徴量）と、かな文字数（特徴量数）とを特徴量抽出テーブルに記憶する。Meta４（キャスト）の場合、キャスト（特徴量）と、キャスト数（特徴量数）とを特徴量抽出テーブルに記憶する。Meta５（放映時刻）の場合、放映時刻（特徴量）と、放映時間帯数（特徴量数）とを特徴量抽出テーブルに記憶する。

全てのアイテムに対して特徴量抽出処理（Ｓ２１〜Ｓ２４）を行った後、類似度算出部１３は、全ての組み合わせのアイテム間での類似度算出処理（Ｓ２６〜Ｓ３０）を行う（Ｓ２５）。ここでは、アイテムａとアイテムｂのアイテム間の類似度算出処理を例として説明する。

まず、メタデータ毎に、ジャッカード係数算出処理（Ｓ２７、Ｓ２８）を行う（Ｓ２６）。すなわち、メタデータ設定テーブル１２から対応するメタデータのジャッカード係数算出時の要素を読み出し、メタデータ設定テーブル１２に記憶されたアイテムａとアイテムｂの対応するメタデータの特徴量とを用いて、読み出した要素の一致数を取得する（Ｓ２７）。

そして、Ｓ２７で取得した一致数およびメタデータ設定テーブル１２に記憶されたアイテムａとアイテムｂの対応するメタデータの特徴量数とを用いてジャッカード係数を算出する（Ｓ２８）。

例えば、Meta1（タイトル）の場合、図５の特徴量抽出テーブルでは、アイテムaとアイテムｂとでは、キーワード１とキーワード２とが一致しているため、一致数「２」を取得し、下記式によりジャッカード係数J(a,b,Meta1)を算出する。なお、ジャッカード係数の数値の範囲は、［0,1］である。

ジャッカード係数J(a,b,Meta1)=
アイテムa・アイテムbのMeta1での一致キーワード数／
（アイテムaのキーワード数＋アイテムbのキーワード数
−アイテムa・アイテムbのMeta1での一致キーワード数）
例えば、図５に示す特徴量抽出テーブルの場合、ジャッカード係数J(a,b,Meta1)は以下のとおりである。

J(a,b,Meta1)=２/（３＋２−２）
全てのメタデータのジャッカード係数の算出が終了すると、類似度算出部１３は、アイテム間の類似度を算出する。すなわち、各メタデータの重み係数をメタデータ設定テーブル１２から取得し（Ｓ２９）、アイテムaとアイテムb間の類似度F (a,b)を下記式により算出し、類似度テーブルに記憶する（Ｓ３０）。なお、類似度の数値の範囲は、［0,1］である。

類似度F (a,b)＝J(a,b,Meta1)×W1+ J(a,b,Meta2) ×W2+・・・J(a,b,Meta m)×Wm・・・）／m
図６は、類似度テーブルの一例を示す図である。このようの、類似度テーブルには、全ての組み合わせのアイテム間の類似度が設定される。

図７は、連続度算出部１６が行う連続度算出処理（図２：Ｓ１２）のフローチャートである。連続度算出処理は、まず、ログ記憶部１５にログが記憶されている全てのユーザの各々に対して、Ｓ４２からＳ４４の処理を行う（Ｓ４１）。ログ記憶部１５には、各ユーザがいずれかのアイテムを利用・使用（アクセス、ダウンロード、閲覧、購入、視聴、予約、移動、入館、飲食など）した履歴が記憶されている。本実施形態のログ記憶部１５は、ユーザ毎に、利用時間（時刻）、利用したアイテムなどが記憶されているものとする。

まず、ログ記憶部１５に記憶された各ユーザのログから、連続性を抽出するためのログとして、一定期間に利用されたアイテムのアイテムリストを抽出する。具体的には、所定の期間（P1≦P≦P2）に使用されたアイテム数が一定数(例えば10)以上ある場合は（Ｓ４２：ＹＥＳ）、所定の期間内のアイテムをアイテムリストとして抽出する（Ｓ４３）。

一定の期間に利用されたアイテム数が一定数より少ない場合（例えば、新規登録のユーザなど）（Ｓ４２：ＮＯ）、一定期間をP1および／またはP2より広げて一定数のアイテムをアイテムリストとして抽出する（Ｓ４４）。なお、アイテム数が一定数に満たないユーザの場合は、存在するアイテムのみをアイテムリストとして抽出する。

次に、ユーザ毎に抽出したアイテムリストの各々について、グループ化（シリーズとは異なる、一時的なアイテム集合を意味する）を行う（Ｓ４５）。具体的には、あるユーザのアイテムリストのアイテムの中から、全ての組み合わせで２つのアイテムを選択し、最小のグループ（アイテム数：２）として連続度テーブルに設定する（Ｓ４６）。連続度算出部１６は、連番などによりユニークなグループ名で、選択したアイテム、ユーザ名を、連続度テーブルに登録する。

例えば、アイテムリストに10個のアイテムがある場合、_１０Ｃ_２＝４５個のグループが生成される。

図８は、連続度テーブルの一例を示す図である。連続度テーブルには、グループ名、アイテム名、ユーザ名、連続度を有する。連続度については、後述する。

なお、２番目以降のユーザのアイテムリストのグループ化を行う場合、同じアイテム群のグループが既に連続度テーブルに登録されている場合、ユーザ名のみを当該グループのユーザ名の欄に追加する。

全てのユーザのアイテムリストについてＳ４６の処理を行った後、連続度テーブルを更新する。具体的には、アイテムの関係が重複するグループがある場合、アイテムを統合した新規グループを作成し、新規グループのグループ名、ユーザ名、アイテム名を登録するとともに、既存のグループを更新する（Ｓ４７）。

例えば、グループ1（Item1, Item2）、グループ2（Item2,Item3）、グループ3（Item1,Item3）に同じユーザが存在する場合、グループ4（Item1,Item2,Item3）を新規に作成し、より多いアイテム数を含むグループを作成する。

全てのユーザがグループ4に統合される場合は、グループ1,2,3は削除される。また、グループ4に該当しないユーザが存在する場合は、グループ1,2,3が更新される。すなわち、一部のユーザのみグループ4に移行し、残りのユーザはグループ1,2,3に残る。

また、ユーザが一人しかいないグループについては、連続度テーブルから削除する（Ｓ４８）。

このようなグループ化の処理が終了すると、次に、連続度を算出する。ここでは、アイテム数の多いグループから順に選択し（Ｓ４９）、最初のアイテム数が最も多いグループは、Ｓ５０：ＹＥＳでＳ５１：ＹＥＳとなるため、連続度テーブルを参照して当該グループの仮の連続度を下記の式により算出する（Ｓ５２）。

グループの仮の連続度＝グループのアイテム数×グループのユーザ数
そして、次に多いアイテム数を持つグループを選択し（Ｓ４９）、選択したグループが既に仮の連続度を計算したグループ（アイテム数が多い）とアイテムが包含関係にあるグループの場合であって（Ｓ５０：ＹＥＳ）、選択したグループのユーザ数が既に仮の連続度を計算したグループ（アイテム数が多い）のユーザ数よりも多い場合は（Ｓ５１：ＹＥＳ）、選択したグループの仮の連続度を算出する（Ｓ５２）。

また、選択したグループが、既に仮の連続度を計算したグループ（アイテム数が多い）とアイテムが包含関係にないグループの場合（Ｓ５０：ＮＯ）、選択したグループの仮の連続度を算出する（Ｓ５３）。

また、選択したグループのユーザ数が既に仮の連続度を計算したグループ（アイテム数が多い）のユーザ数以下の場合は（Ｓ５１：ＮＯ）、選択したグループを連続度テーブルから削除する（Ｓ５６）。

全てのグループの仮の連続度が計算された後、仮の連続度が一定数（例えば50）以下のグループは、連続性がないとみなし、連続度テーブルから削除する（Ｓ５３）。そして、全グループの中で最大の仮の連続度（MAX_seq）を抽出し（Ｓ５４）、全グループの仮の連続度をMAX_seqで除算した値を、グループの連続度として連続度テーブルに記憶する（Ｓ５５）。

図９は、シリーズ度算出部１８が行う処理（図２：Ｓ１３〜Ｓ１６）のフローチャートである。シリーズ度算出部１８は連続度算出部１６が生成した連続度テーブルの全グループに対して、後述する処理を行うことでグループ毎の類似度およびシリーズ度を算出し、シリーズアイテムを抽出する。

シリーズ度算出部１８は、連続度テーブルの全てのグループの各々に対して、Ｓ６２からＳ６６の処理を行う（Ｓ６１）。すなわち、対象のグループの全てのアイテムについて、アイテム間の類似度を類似度テーブル（図６参照）から抽出し（Ｓ６２）、類似度が一定値（例えば0.5）を超えるアイテムのみ保持し、一定値以下のアイテムは連続度テーブルから削除する（Ｓ６３）。

例えば、対象のグループのアイテムとしてItem1,2,3がある場合、Item1とItem2の類似度が0.6、Item2とItem3の類似度が0.3、Item1とItem3の類似度が0.2である場合、Item1,2のみ残し、Item3を削除する。

そして、アイテム間の類似度の標準偏差に対して、±σの範疇であるアイテムのみ、保持し、それ以外のアイテムは連続度テーブルから削除する（Ｓ６４）。

そして、現時点で連続度テーブルに保持されている各アイテムのアイテム間の類似度の平均が一定値（例えば0.5）を超える場合、類似度の平均を当該グループの類似度として、連続度テーブルに記憶する（Ｓ６５）。なお、アイテム間の類似度の平均が一定値以下の場合は、当該グループを連続度テーブルから削除する。

そして、Ｓ６５で算出した類似度と、連続度算出部１６が算出した連続度（図７：Ｓ５５）を用いて、以下の式により、当該グループのシリーズ度を算出する（Ｓ６６）。

シリーズ度＝類似度×連続度
シリーズ度は、各グループがどれくらいまとまっているかを示す指標として用いられる。例えば、実際のコンテンツ推薦の際に、シリーズ度の高いグループのアイテム群から推薦することが考えられる。

図１０は、類似度およびシリーズ度が設定された連続度テーブルの一例である。

連続度テーブルの全てのグループについて、類似度およびシリーズ度を算出した後、以下の判定処理により、各グループが「シリーズアイテム群」、「同質アイテム群」、「まとめ見アイテム群」、のいずれかに該当するかを判別する。

具体的には、類似度が一定値Ａ（第１の閾値）より大きく（Ｓ６７：ＹＥＳ）、連続度が一定値Ｂ（第２の閾値）より大きいグループの場合（Ｓ６８：ＹＥＳ）、当該グループのアイテム群を、ユーザが続けて利用したくなるアイテム群（シリーズアイテム群）と判別する（Ｓ６９）。

なお、推薦エンジン（不図示）の結果リストにおいて、当該アイテム群（シリーズアイテム群）がある場合は、ユーザの利用ログで未利用となっている最も若い話数を持つアイテムに変換することで、ユーザが直前に見たアイテムの次の話数を推薦して推薦エンジンの精度を高めることができる（Ｓ７０）。

また、類似度が一定値Ａ（第１の閾値）より大きく（Ｓ６７：ＹＥＳ）、連続度が一定値Ｂ（第２の閾値）以下のグループの場合（Ｓ６８：ＮＯ）、当該グループのアイテム群を、メタデータとしては関連性が強いが、ユーザからはまとめて見られる傾向がないアイテム群（同質アイテム群）と判別する（Ｓ７１）。

なお、推薦エンジン（不図示）の結果リストにおいて、当該アイテム群（同質アイテム群）が複数ある場合は、ユーザの利用ログに類似するアイテムを選択し、そうでないアイテムを削除することで、推薦エンジンの精度をより高めることができる（Ｓ７２）。

また、類似度が一定値Ａ（第１の閾値）以下で（Ｓ６７：ＮＯ）、連続度が一定値Ｃ（第３の閾値）より大きいグループの場合（Ｓ７３：ＹＥＳ）、当該グループのアイテム群を、メタデータでは関連性は明確ではないが、ユーザからはまとまって見られる可能性の高いアイテム群（まとめ見パックアイテム群）と判別する（Ｓ７４）。

なお、推薦エンジン（不図示）の結果リストにおいて、当該アイテム群（まとめ見パックアイテム群）に含まれるアイテムがある場合は、そのアイテムと連続度が高く、かつ、同じシリーズアイテムではないまとめ見パックアイテムを推薦して推薦エンジンの精度を高めることができる（Ｓ７５）。

また、類似度が一定値Ａ（第１の閾値）以下で（Ｓ６７：ＮＯ）、連続度が一定値Ｃ（第３の閾値）以下のグループの場合（Ｓ７３：ＮＯ）、当該グループのアイテム群を、シリーズ等としてまとめるのには相応しくないと判定し、当該グループを連続度テーブルから削除する（Ｓ７６）。

以上説明した本実施形態では、メタデータから把握されるアイテムの類似度に加えて、アイテムの連続度を指標とし、ユーザが続けて利用したくなるアイテム群（シリーズアイテム群）を抽出する。これにより、本実施形態では、より適切な、精度の高いシリーズアイテム群を抽出することができる。また、メタデータの運用いかんに関わらず、シリーズアイテムの抽出が可能になる。

また、本実施形態では、類似度および連続度が比較的大きいグループのアイテム群をシリーズアイテム群として抽出する。これにより、例えば、あるアイテムを視聴した後に、シリーズアイテムの次の話数を推薦することで、精度の高い推薦を行うことができる。

あるいは、協調フィルタリング系の推薦アルゴリズムにおいて、一つのシリーズアイテム内で複数の話数が視聴された場合に、重み付けを低く設定することで、精度を高く推薦を行うことができる（まとまりのあるコンテンツを複数回推薦せずに、ほかのコンテンツを推薦できる）。

また、本実施形態では、類似度が比較的小さく、連続度が比較的大きいグループのアイテム群を、メタデータでは関連性が明確ではないが、ユーザからはまとまって見られる可能性の高いアイテム群を、まとめ見パックアイテムとして抽出することができる。これによって、メタデータだけでは実現できず、協調フィルタリングのユーザログベースの関連性の高さとも異なる、連続性を持つアイテム群を推薦することができる。

また、本実施形態では、類似度が比較的大きく、連続度が比較的小さいグループのアイテム群を、メタデータとしては関連性が強いが、ユーザからはまとめて見られる傾向がない同質アイテム群として抽出することができる。これによって、同じコンテンツの再放送や画質違いのコンテンツ（高精細度（HD:High Definition）のコンテンツと標準精細度（SD:Standard Definition）のコンテンツ）を判別することができ、過去に同じコンテンツを視聴したユーザに、タイトルなどは微妙に違うが中身は同じコンテンツを推薦せずにすみ、推薦の精度をあげることができる。

また、本実施形態では、類似度に連続度を乗算してシリーズ度を算出することで、段階的なシリーズアイテムらしさをパラメータとして取得することができる。

なお、本発明は上記実施形態に限定されるものではなく、その要旨の範囲内で数々の変形が可能である。

１１：メタデータ記憶部
１２：メタデータ設定テーブル
１３：類似度算出部
１４：記憶部
１５：ログ記憶部
１６：連続度算出部
１７：記憶部
１８：シリーズ度算出部

Claims

シリーズアイテム群抽出システムであって、
複数のアイテムのメタデータが記憶されるメタデータ記憶手段と、
複数のユーザのアイテム利用履歴が記憶されるログ記憶手段と、
前記メタデータ記憶手段のメタデータを用いて、アイテム間の類似度を算出する類似度算出手段と、
前記ログ記憶手段のアイテム利用履歴を用いて、所定の期間においてユーザが２つ以上のアイテムを連続して利用している履歴を元に、連続して利用される可能性が高いアイテム群をグループ化し、各グループのアイテム群の連続度を各グループのアイテム数を用いて算出する連続度算出手段と、
前記類似度算出手段が算出したアイテム間の類似度を用いて各グループに属するアイテム群の類似度を算出するとともに、類似度が第１の閾値より大きく、連続度が第２の閾値より大きいグループに属するアイテム群を、シリーズアイテム群として抽出するアイテム群抽出手段と、を備えること
を特徴とするシリーズアイテム群抽出システム。
シリーズアイテム群抽出システムであって、
複数のアイテムのメタデータが記憶されるメタデータ記憶手段と、
複数のユーザのアイテム利用履歴が記憶されるログ記憶手段と、
前記メタデータ記憶手段のメタデータを用いて、アイテム間の類似度を算出する類似度算出手段と、
前記ログ記憶手段のアイテム利用履歴を用いて、連続して利用される可能性が高いアイテム群をグループ化し、各グループのアイテム群の連続度を算出する連続度算出手段と、
前記類似度算出手段が算出したアイテム間の類似度を用いて各グループに属するアイテム群の類似度を算出するとともに、類似度が第１の閾値より大きく、連続度が第２の閾値より大きいグループに属するアイテム群を、シリーズアイテム群として抽出するアイテム群抽出手段と、を備え、
前記アイテム群抽出手段は、類似度が第１の閾値より大きく、連続度が第２の閾値以下のグループに属するアイテム群を、メタデータにおける関連性が高い同質アイテム群として抽出すること
を特徴とするシリーズアイテム群抽出システム。
請求項１または請求項２に記載のシリーズアイテム群抽出システムであって、
前記アイテム群抽出手段は、類似度が第１の閾値より小さく、連続度が第３の閾値より大きいグループに属するアイテム群を、まとまって利用される可能性が高いパックアイテム群として抽出すること
を特徴とするシリーズアイテム群抽出システム。
請求項１または請求項２に記載のシリーズアイテム群抽出システムであって、
前記アイテム群抽出手段は、各グループのシリーズ度を、類似度に連続度を乗じて算出すること
を特徴とするシリーズアイテム群抽出システム。
コンピュータが行うシリーズアイテム群抽出方法であって、
前記コンピュータは、
複数のアイテムのメタデータが記憶されるメタデータ記憶部と、
複数のユーザのアイテム利用履歴が記憶されるログ記憶部と、を備え、
前記メタデータ記憶部のメタデータを用いて、アイテム間の類似度を算出する類似度算出ステップと、
前記ログ記憶部のアイテム利用履歴を用いて、所定の期間においてユーザが２つ以上のアイテムを連続して利用している履歴を元に、連続して利用される可能性が高いアイテム群をグループ化し、各グループのアイテム群の連続度を各グループのアイテム数を用いて算出する連続度算出ステップと、
前記類似度算出ステップで算出したアイテム間の類似度を用いて、各グループに属するアイテム群の類似度を算出するグループ類似度算出ステップと、
類似度が第１の閾値より大きく、連続度が第２の閾値より大きいグループに属するアイテム群を、シリーズアイテム群として抽出するアイテム群抽出ステップと、を行うこと
を特徴とするシリーズアイテム群抽出方法。
コンピュータが行うシリーズアイテム群抽出方法であって、
前記コンピュータは、
複数のアイテムのメタデータが記憶されるメタデータ記憶部と、
複数のユーザのアイテム利用履歴が記憶されるログ記憶部と、を備え、
前記メタデータ記憶部のメタデータを用いて、アイテム間の類似度を算出する類似度算出ステップと、
前記ログ記憶部のアイテム利用履歴を用いて、連続して利用される可能性が高いアイテム群をグループ化し、各グループのアイテム群の連続度を算出する連続度算出ステップと、
前記類似度算出ステップで算出したアイテム間の類似度を用いて、各グループに属するアイテム群の類似度を算出するグループ類似度算出ステップと、
類似度が第１の閾値より大きく、連続度が第２の閾値より大きいグループに属するアイテム群を、シリーズアイテム群として抽出するアイテム群抽出ステップと、を行い、
前記アイテム群抽出ステップは、類似度が第１の閾値より大きく、連続度が第２の閾値以下のグループに属するアイテム群を、メタデータにおける関連性が高い同質アイテム群として抽出すること
を特徴とするシリーズアイテム群抽出方法。
請求項５または請求項６に記載のシリーズアイテム群抽出方法であって、
前記アイテム群抽出ステップは、類似度が第１の閾値より小さく、連続度が第３の閾値より大きいグループに属するアイテム群を、まとまって利用される可能性が高いパックアイテム群として抽出すること
を特徴とするシリーズアイテム群抽出方法。
請求項１から請求項４のいずれか一項に記載のシリーズアイテム群抽出システムとしてコンピュータを機能させるためのシリーズアイテム群抽出プログラム。