JP5832502B2 - 情報処理装置、方法及びプログラム - Google Patents

Description

本発明は、情報処理装置、方法及びプログラムに関し、特に、操作して行くにつれてユーザの嗜好を学習する情報処理に関する。

特許文献１には、ユーザが個人的に興味を持つ情報及び世間一般の関心が高いカテゴリの情報を閲覧できるようにすることを課題にした発明が開示されている。特許文献１では、まず、インターネットから見出し情報群を取り込み、各見出し情報を複数のカテゴリに分類し、カテゴリ別データベースに格納する。次に、興味度データベースに基づき、興味度が所定の基準値以上のカテゴリの見出し情報を抽出し、一覧画面を作成・表示する。一覧画面に対するユーザの選択操作に応じて、各カテゴリの興味度を更新する処理も行うことが記載されている。

また、特許文献２には、電子メールに記述する記事を、受信者の興味があるものから順に並び替えるために、受信者によりどのカテゴリの情報が多く参照されたかを送信側サーバの関心領域データベースに格納しておくことが記載されている。

特開２００８−１７６４９１号公報 特開２００４−０１３５２８号公報

特許文献１に記載されているような装置は、何らかのカテゴリに分類されるコンテンツをユーザに推薦し、ユーザによる閲覧操作に基づいてカテゴリスコア（興味度・嗜好度を反映するスコア）を更新し、ユーザにコンテンツを推薦する際にカテゴリスコアに基づいて表示の仕方等を変えるものと捉えることができる。

しかしながら、このようなユーザの嗜好を学習する技術においては、過学習により時間の経過に伴うユーザの興味の変動にうまく追随できなくなるという問題点がある。いったんあるカテゴリのスコアが高くなると、そのカテゴリのコンテンツが推薦される比率が高くなるため、実際にそのカテゴリのコンテンツが閲覧される機会が増える。これが繰り返されることにより、最終的には、少数のカテゴリのみがカテゴリスコアを伸ばし、その他のカテゴリがまったくカテゴリスコアを伸ばすことができない状態になり、カテゴリスコアに基づいたコンテンツの推薦がまったく面白みのないものになってしまう。

本発明は、上記実情に鑑みてなされたものであって、時間の経過に伴うユーザの各カテゴリへの嗜好や興味の変化を効率的に追随して学習することができるようにすることを目的とする。

上記目的を達成する本発明の一態様は、いずれかのカテゴリに紐付いたコンテンツが多数ある中から所定の数のコンテンツを各カテゴリスコアに基づいて選択するコンテンツ選択手段と、選択されたコンテンツが属するカテゴリ毎に、前記選択されたコンテンツに対するユーザの操作に応じた操作得点を計算して、前記操作得点に基づいたカテゴリスコアを計算するスコア計算手段を有し、前記スコア計算手段は、前記選択されたコンテンツが属するカテゴリに係るカテゴリスコアの、カテゴリスコアの平均値からの乖離が大きくなるほど、そのカテゴリのカテゴリスコアの計算に用いる前記操作得点を減衰させて、カテゴリスコアを計算することを特徴とする。

本発明によれば、時間の経過に伴うユーザの各カテゴリへの嗜好や興味の変化を効率的に追随して学習することができるようにすることが可能となる。

本発明による実施形態の情報処理の概要を説明するための概念図である。 上記実施形態における「カテゴリ」等を説明するための図である。 上記実施形態における「カテゴリスコア」を説明するための図である。 上記実施形態における「操作」を説明するための図である。 上記実施形態の機能構成を示すブロック図である。 上記実施形態における履歴テーブルの一例を示す図である。 上記実施形態における操作得点の減衰処理を説明するための図である。

以下、本発明を実施形態により詳細に説明する。下記実施形態は、情報処理装置の一例として、パーソナルコンピュータ（以下、主として「ＰＣ」と呼ぶ）、スレート型ＰＣ、タブレット型ＰＣ、スマートフォン、携帯型情報端末（Personal Digital Assistance: PDA）などのパーソナルデバイスを採用するものである。しかしながら、本発明はここで例示したパーソナルデバイスだけに限定される技術的思想ではない。

＜情報処理の概要＞
図１の概念図を参照しながら、本実施形態における情報処理の概要を説明する。本実施形態では、何らかのカテゴリに分類されるコンテンツをユーザに推薦し（コンテンツ推薦処理）、ユーザによる閲覧操作に基づいてカテゴリスコア（興味度・嗜好度を反映するスコア）を更新し（嗜好学習処理）、ユーザにコンテンツを推薦するコンテンツ推薦処理の際にカテゴリスコアに基づいて表示の仕方等を変えるという流れの情報処理が行われる。コンテンツ推薦処理と嗜好学習処理が繰り返されることによりユーザの嗜好や興味を情報処理装置が学習し、ユーザの嗜好や興味に適合したコンテンツ推薦が行われるようになる。

本実施形態で言うコンテンツには特に限定はなく、文字情報、静止画像、動画像、音声又はこれらの組み合わせなどが「コンテンツ」の一例に該当する。具体例としては、例えば、新聞記事がある。コンテンツが何らかのカテゴリに分類されるとは、コンテンツが少なくとも一つ以上のカテゴリに紐付けられていることを指す。

コンテンツとカテゴリの紐付けの一例として図２を示す。図２には、複数あるカテゴリの内いずれかに属するＲＳＳやＡｔｏｍなどのフィードのＵＲＩ一覧が示されている。このフィードに記述される新聞記事の一つ一つが、例えば本実施形態のコンテンツに該当する。図２に示すように、カテゴリは、いくつかの大分類の下に小分類があるような木構造であってもよい。情報処理装置は、このようなカテゴリ毎に得点を記憶しており、この得点をカテゴリスコアと呼ぶ（図３）。

本実施形態では、カテゴリに紐付けされたコンテンツに対して閲覧操作等をした場合などに、カテゴリ毎に当該操作に応じた操作得点を計算する（スコア計算処理）。操作得点は、随時カテゴリスコアに反映される（嗜好学習処理）。また、起動中や次回起動時など日付が更新されたことが確認されたときなどのタイミングで、カテゴリスコア全体を一定の割合で減衰させる処理を行う。この処理により古い嗜好が忘却され、新しい嗜好がカテゴリスコアに反映されやすくなる。

操作に応じた操作得点は、例えば、図４の操作テーブルに基づいて計算される。なお、図４に示すように、操作には、カテゴリスコアを増加させるスコア計算処理が行われるものと、逆に、減少させるスコア計算処理が行われるものとがある。

図１のコンテンツ推薦処理は、嗜好学習処理によって得られたカテゴリ毎のカテゴリスコアに基づいて、情報処理装置が推薦するコンテンツを選択するコンテンツ選択処理を行うステップを含む。選択されたコンテンツは、ユーザがそれに対して何らかの操作ができるようにユーザに対して提供される。本実施形態では、典型例としてユーザインタフェースに表示してポインタデバイスなどでクリックできるようにして提供する。操作に対して嗜好学習が行われ、カテゴリスコアにフィードバックされるのは、前述の通りである。

＜情報処理の詳細＞
以下、上記情報処理を実現するような情報処理装置の機能構成を示し、上記情報処理の内容について、スコア計算処理を中心に、さらに詳しく説明する。

図５に、本実施形態の機能構成を示す。図示のように、情報処理装置１は、操作手段１０１、コンテンツ選択手段１０２、表示手段１０３、スコア計算手段１０４、カテゴリスコア記憶手段１０５、許容標準偏差計算手段１０７、コンテンツ取得手段１０８、情報ソーステーブル１０９、操作履歴記憶手段１１０、許容偏差計算手段１１１を有する。

操作手段１０１は、ユーザによる操作入力を受け付ける機能を備える手段である。操作入力に特に限定はなく、ポインティングデバイスを用いた操作、音声入力、テキスト入力その他の操作入力がある。表示手段１０３が、操作結果を表示する処理を行う。操作手段１０１は、一方で、操作の種類をスコア計算手段１０４に伝える。

操作履歴記憶手段１１０は、操作手段１０１による操作の種類を記憶する。とりわけ、図４に示すような操作テーブルに関する操作を履歴テーブルで記憶する。操作履歴記憶手段１１０の履歴テーブルは、スコア計算処理の際に用いる。スコア計算手段１０４は、操作手段１０１から操作の種類を受け取って、図４に示すような操作テーブルを用いてスコア計算処理を行う。スコア計算手段１０４によるスコア計算処理は、ユーザの操作に応じて随時行う。カテゴリスコア記憶手段１０５は、図３に示すようなスコアテーブルに管理されるカテゴリスコアを記憶している。

許容標準偏差計算手段１０７は、スコア計算処理に用いる許容標準偏差を、各カテゴリスコアやカテゴリ数に基づいて計算する処理を行う。許容偏差計算手段１１１は、スコア計算処理に用いる許容偏差を、各カテゴリスコア等に基づいて計算する。

コンテンツ取得手段１０８は、図２に示すような情報ソーステーブル１０９に基づいて外部サーバなどの外部装置からコンテンツを取得する機能を備える。コンテンツ選択手段１０２は、カテゴリスコア記憶手段１０５に記憶されているカテゴリスコアに基づいて、取得されている膨大な数のコンテンツの中から適切な量のコンテンツを選択する（図１のコンテンツ選択処理）。選択されたコンテンツは、表示手段１０３が表示処理をする。コンテンツの取得も含めたコンテンツ選択処理は、表示手段１０３に選択したコンテンツを表示する必要が生じタイミングなどで随時行う。

＜スコア計算処理＞
スコア計算手段１０４は、カテゴリスコア記憶手段１０５に記憶されているカテゴリスコア（図３）を、操作テーブル（図４）に示す閲覧操作が行われるたびに、次の式により更新する（Ｐｊは、カテゴリスコア）。
Ｐｊ′＝Ｐｊ×ｐ
ただし、ｐ：操作得点

しかしながら、一度行われた操作は、短時間のうちに繰り返し行われる可能性が高い。例えば、気に入ったコンテンツを何度も開いて閲覧することなどが考えられる。このため、上記処理のみでスコア計算処理をすると、一日の間に何度も同じ操作が行われるとカテゴリスコアＰｊが過剰に上昇又は減少してしまい、ユーザの嗜好や興味を正しく学習できなくなるという問題がある。そこで、スコア計算手段１０４は、同じコンテンツに対して同じ操作が行われた場合は、次の式を適用することで操作得点を減衰する。なお、ｎ回の操作が行われた場合は、次の式をｎ−１回適用する。
ｐ′＝ｐ−（ｐ−１）×ｗ
ただし、ｗ：得点減衰係数（０＜ｗ＜１）

操作履歴記憶手段１１０が、閲覧操作されたコンテンツと操作種別毎の操作回数を、図６に示すように履歴テーブルに記録する。図６中、ＵＲＩは、図２で示すＵＲＩで取得するフィードに記述される１つ１つの記事に対応するＵＲＩである。操作１〜ｎは、図４の操作テーブルの各操作に対応する。なお、この同じコンテンツに対する同じ操作の繰り返しについて操作得点を減衰させる処理は、同日中に行われた操作のみに適用するため、図６の履歴テーブルは、日付が変更されるたびに破棄し新規作成することとする。また、この減衰させる処理によれば、カテゴリスコアが過剰に上昇又は減少してしまうことを避けることができ、ユーザの嗜好や興味を正しく学習することができる。

また、操作得点ｐは、学習進度に応じた減衰を受ける。学習進度を測る目安としては、カテゴリスコアの平均値からの乖離の大きさ、またはカテゴリスコアのばらつきの大きさを用いるとよい。本実施形態では、カテゴリスコアの平均値からの乖離の大きさとして偏差を用い、カテゴリスコアのばらつきの大きさとして標準偏差を用いる。特定のカテゴリのスコアが過大、過少になることを防止するため、標準偏差による減衰、偏差による減衰を行う。この処理は、平均スコアを上回るカテゴリに対してｐ＞１の得点を加える場合か、平均スコアを下回るカテゴリに対してｐ＜１の得点を加える場合に該当する場合にのみ行う。

標準偏差の大きさは、各カテゴリスコアやカテゴリ数によってオーダーが変わるため、操作得点の減衰率を決定する目安となる許容標準偏差も各カテゴリスコアやカテゴリ数に応じて変化させると、適切な操作得点の減衰が実現する。そこで、操作得点の減衰に先立ち、許容標準偏差をあらかじめ決める。許容標準偏差計算手段１０７がカテゴリスコア記憶手段１０５に記憶されているカテゴリスコアやカテゴリ数に基づいて、許容標準偏差を計算する。

カテゴリスコアに基づく標準偏差が取りうる範囲は、以下の通りとなる。
０≦標準偏差≦（Ｔ／Ｎ）×√（Ｎ−１）
ただし、Ｔ：カテゴリスコアの合計スコア、Ｎ：カテゴリ数
許容標準偏差は、以下の通り最大の標準偏差にパラメータａをかけることで決定する。
許容標準偏差＝（Ｔ／Ｎ）×√（Ｎ−１）×ａ
ただし、０＜ａ＜１

次に、スコア計算手段１０４は、標準偏差による減衰率ｗ１を、所定の減衰係数、標準偏差、許容標準偏差に基づいて計算により求める。計算は次式による。
ｗ１＝ａ１＾（１−１／ｒ１）
ただし、ａ１：減衰係数（ａ１＞１．０）
ｒ１＝（標準偏差）／（許容標準偏差） （０＜ｒ１＜１）
また、減衰率ｗ１は、０≦ｗ１≦１を満たす値である必要があり、上記式による計算の結果１を超えた場合は、ｗ１＝１とする。

次に、スコア計算手段１０４は、偏差による減衰率ｗ２を、所定の減衰係数、カテゴリスコア、平均スコア、許容偏差に基づいて計算により求める。計算は次式による。
ｗ２＝ａ２＾（１−１／ｒ２）
ただし、ａ２：減衰係数（ａ２＞１．０）
ｒ２＝｜カテゴリスコア−平均スコア｜／（許容偏差）
許容偏差は、許容偏差計算手段１１１が、標準偏差に所定の係数を乗算して設定する。
また、減衰率ｗ２は、０≦ｗ２≦１を満たす値である必要があり、上記式による計算の結果１を超えた場合は、ｗ２＝１とする。

次に、スコア計算手段１０４は、計算した標準偏差による減衰率ｗ１、偏差による減衰率ｗ２に基づいて、操作得点ｐを減衰させる。計算は次式による。
ｐ＝ｐ−（ｐ−１）×ｗ１×ｗ２

図７に、ｗ＝ａ＾（１−１／ｒ）をグラフにした図を示す。図示のように、ｒが小さくなり０に近づくほど、ｗは０に近づき、ｒが大きくなり１に近づくほど、ｗは１に近づく。
カテゴリスコアの標準偏差は、初期状態では０であり、学習が進行するほど大きくなる。このため、標準偏差による減衰率ｗ１は、初期状態では０であり、学習が進行するほど大きくなり１に近づく。

また、カテゴリスコアは、初期状態では平均スコアに等しく、学習が進んだカテゴリほど、カテゴリスコアと平均スコアの乖離は大きくなる。このため、偏差による減衰率ｗ２は、初期状態では０であり、学習が進んだカテゴリほど大きくなり１に近づく。したがって、学習が進行するほど、平均スコアとの乖離が大きいカテゴリほど操作得点ｐは１に近づく。

上述のような操作得点の減衰処理を行うことで、特定のカテゴリのカテゴリスコアが過大、過少になることを抑え、ユーザの興味の変動にうまく追随することができるようになる。

＜嗜好忘却処理＞
過去の嗜好を忘却することで最近の嗜好を反映しやすくするため、日付が変わった際に、累計スコアを次の手順で更新する。この嗜好忘却処理は、スコア計算手段１０４が実行する。
まず、合計スコアが一定となるようにスコアを正規化する。
Ｐｊ′＝（Ｐｊ／Σ（Ｐ））×Ｔ
ただし、Ｔ：正規化後のカテゴリスコアの合計スコア
次に、時間経過によるスコアの減衰処理を行う。
Ｍ＝Σ（Ｐｊ′）／Ｎ、 （Ｎ：カテゴリ数、Ｍ：平均値）
Ｐｊ″＝Ｐｊ′−（Ｐｊ′−Ｍ）×ｗ
ただし、ｗ：減衰係数（０＜ｗ＜１）

上述のように、嗜好忘却処理において、正規化後の各カテゴリスコアと平均値の差を一定の割合で縮めることでカテゴリスコアを減衰させる処理を行う。また、減衰させたカテゴリスコアを新たな累計スコアとする。この処理によれば、過去の嗜好を徐々に忘却し、最近の嗜好を反映されやすくすることができる。

１ 情報処理装置
１０１ 操作手段
１０２ コンテンツ選択手段
１０３ 表示手段
１０４ スコア計算手段
１０５ カテゴリスコア記憶手段
１０７ 許容標準偏差計算手段
１０８ コンテンツ取得手段
１０９ 情報ソーステーブル
１１０ 操作履歴記憶手段
１１１ 許容偏差計算手段

Claims (11)

1. いずれかのカテゴリに紐付いたコンテンツが多数ある中から所定の数のコンテンツを各カテゴリスコアに基づいて選択するコンテンツ選択手段と、
   選択されたコンテンツが属するカテゴリ毎に、前記選択されたコンテンツに対するユーザの操作に応じた操作得点を計算して、前記操作得点に基づいたカテゴリスコアを計算するスコア計算手段を有し、
   前記スコア計算手段は、前記選択されたコンテンツが属するカテゴリに係るカテゴリスコアの、カテゴリスコアの平均値からの乖離が大きくなるほど、そのカテゴリのカテゴリスコアの計算に用いる前記操作得点を減衰させて、カテゴリスコアを計算する
   ことを特徴とする、情報処理装置。
2. 前記スコア計算手段は、カテゴリスコアのばらつきが大きくなるほど、前記操作得点を減衰させて、カテゴリスコアを計算することを特徴とする、請求項１に記載の情報処理装置。
3. 前記スコア計算手段が、前記乖離を大きくする方向にカテゴリスコアを更新する操作得点は、前記乖離の大きさに応じて減衰させ、前記乖離を小さくする方向にカテゴリスコアを更新する操作得点は、減衰を行わない
   ことを特徴とする請求項１又は２に記載の情報処理装置。
4. コンテンツ毎に、そのコンテンツに対して行われた操作の回数を操作毎に記憶する履歴テーブルを有し、
   前記スコア計算手段は、同じコンテンツに対して同じ操作が複数回行われた場合に、２回目以降で得られる操作得点を減衰させる計算を行う
   ことを特徴とする、請求項１又は２に記載の情報処理装置。
5. 前記スコア計算手段は、日付が変わった際に、各カテゴリスコアと平均値との差を一定の割合で縮める計算を行うことを特徴とする、請求項１から４のいずれか１項に記載の情報処理装置。
6. コンピュータが実行する情報処理方法であって、
   いずれかのカテゴリに紐付いたコンテンツが多数ある中から所定の数のコンテンツを各カテゴリスコアに基づいて選択するコンテンツ選択処理と、
   選択されたコンテンツが属するカテゴリ毎に、前記選択されたコンテンツに対するユーザの操作に応じた操作得点を計算する第１のスコア計算処理と、
   前記選択されたコンテンツが属するカテゴリに係るカテゴリスコアの、カテゴリスコアの平均値からの乖離の大きさに応じて、前記乖離が大きくなるほど減衰が大きくなるように減衰させた前記操作得点に基づいてカテゴリスコアを計算する第２のスコア計算処理とを含むことを特徴とする、情報処理方法。
7. 前記第２のスコア計算処理では、カテゴリスコアのばらつきが大きくなるほど、前記操作得点を減衰させて、カテゴリスコアを計算することを特徴とする、請求項６に記載の情報処理方法。
8. 前記第２のスコア計算処理では、前記乖離を大きくする方向にカテゴリスコアを更新する操作得点は、前記乖離の大きさに応じて減衰させ、前記乖離を小さくする方向にカテゴリスコアを更新する操作得点は、減衰を行わない
   ことを特徴とする請求項６又は７に記載の情報処理方法。
9. コンテンツ毎に、そのコンテンツに対して行われた操作の回数を操作毎に記憶する操作履歴記憶処理を含み、
   前記第１のスコア計算処理では、同じコンテンツに対して同じ操作が複数回行われた場合に、２回目以降で得られる操作得点を減衰させる計算を行う
   ことを特徴とする、請求項６又は７に記載の情報処理方法。
10. 前記第２のスコアを計算する処理では、日付が変わった際に、各カテゴリスコアと平均値との差を一定の割合で縮める計算を行うことを特徴とする、請求項６から９のいずれか１項に記載の情報処理方法。
11. コンピュータに、
    いずれかのカテゴリに紐付いたコンテンツが多数ある中から所定の数のコンテンツを各カテゴリスコアに基づいて選択するコンテンツ選択処理と、
    選択されたコンテンツが属するカテゴリ毎に、前記選択されたコンテンツに対するユーザの操作に応じた操作得点を計算する第１のスコア計算処理と、
    前記選択されたコンテンツが属するカテゴリに係るカテゴリスコアの、カテゴリスコアの平均値からの乖離の大きさに応じて、前記乖離が大きくなるほど減衰が大きくなるように減衰させた前記操作得点に基づいてカテゴリスコアを計算する第２のスコア計算処理と
    実行させるためのプログラム。

Images