JP5843104B2 - 情報処理装置、情報処理方法、及び、プログラム - Google Patents
情報処理装置、情報処理方法、及び、プログラム Download PDFInfo
- Publication number
- JP5843104B2 JP5843104B2 JP2012109337A JP2012109337A JP5843104B2 JP 5843104 B2 JP5843104 B2 JP 5843104B2 JP 2012109337 A JP2012109337 A JP 2012109337A JP 2012109337 A JP2012109337 A JP 2012109337A JP 5843104 B2 JP5843104 B2 JP 5843104B2
- Authority
- JP
- Japan
- Prior art keywords
- item
- link
- user
- content
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 68
- 238000003672 processing method Methods 0.000 title claims description 12
- 238000011156 evaluation Methods 0.000 claims description 102
- 238000000034 method Methods 0.000 claims description 93
- 230000008859 change Effects 0.000 claims description 66
- 230000008569 process Effects 0.000 claims description 52
- 238000012545 processing Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 description 47
- 238000005516 engineering process Methods 0.000 description 36
- 238000004891 communication Methods 0.000 description 25
- 230000006399 behavior Effects 0.000 description 14
- 230000033458 reproduction Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000033764 rhythmic process Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- HAORKNGNJCEJBX-UHFFFAOYSA-N cyprodinil Chemical group N=1C(C)=CC(C2CC2)=NC=1NC1=CC=CC=C1 HAORKNGNJCEJBX-UHFFFAOYSA-N 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/635—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本技術は、情報処理装置、情報処理方法、及び、プログラムに関し、特に、アイテムのリンクを作成又は提示する場合に用いて好適な情報処理装置、情報処理方法、及び、プログラムに関する。
近年、音楽や映画などのコンテンツ配信サービスの急速な発展に伴い、コンテンツを始めとする各種のアイテムを検索する技術が種々提案されている。
例えば、アイテムの特徴量をベクトル化し、ベクトル間のユークリッド距離を用いて、着目するアイテムに類似するアイテムを検索する方法が知られている。また、例えば、ユーザの評価履歴を利用したアイテムベース協調フィルタリングの手法を応用して、着目するアイテムに類似するアイテムを検索する方法が知られている（例えば、特許文献１参照）。
しかしながら、以上の検索方法を用いた場合、着目するアイテムに平均的に類似するアイテムを検索することは容易になるが、それ以外の関連するアイテム（例えば、部分的に類似するアイテム等）の検索は難しい場合がある。
そこで、本技術は、簡単に関連するアイテムのリンクを作成したり、利用したりすることができるようにするものである。
本技術の第１の側面の情報処理装置は、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部とを備え、前記リンク特徴量選択部は、前記ユーザが作成したアイテムのリンクに用いられた前記リンク特徴量に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択する。
本技術の第２の側面の情報処理装置は、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部とを備え、前記リンク特徴量選択部は、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度を高く設定し、設定した重要度に基づいて前記リンク特徴量を選択する。
本技術の第３の側面の情報処理装置は、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部とを備え、前記提示制御部は、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御する。
本技術の第４の側面の情報処理装置は、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部と、ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択する推薦ユーザ選択部とを備え、前記提示制御部は、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御する。
本技術の第２の側面の情報処理装置は、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部とを備え、前記リンク特徴量選択部は、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度を高く設定し、設定した重要度に基づいて前記リンク特徴量を選択する。
本技術の第３の側面の情報処理装置は、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部とを備え、前記提示制御部は、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御する。
本技術の第４の側面の情報処理装置は、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部と、ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択する推薦ユーザ選択部とを備え、前記提示制御部は、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御する。
前記リンク特徴量選択部には、前記ユーザが付与した各アイテムに対する評価に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択させることができる。
前記リンク特徴量選択部には、複数の前記リンク特徴量の候補を選択させ、前記提示制御部には、前記リンク特徴量の候補を前記ユーザに提示するように制御させ、前記アイテム選択部には、前記ユーザにより選択された前記リンク特徴量に基づいて、前記第２のアイテムの候補を選択させることができる。
前記提示制御部には、複数の前記第１のアイテムの候補を前記ユーザに提示するように制御させ、前記アイテム選択部には、前記ユーザにより選択された前記第１のアイテム、及び、前記リンク特徴量に基づいて、前記第２のアイテムの候補を選択させることができる。
前記リンク作成部には、前記第１のアイテムと前記ユーザにより選択された前記第２アイテムとのリンクを作成させることができる。
前記提示制御部には、作成したユーザの情報とともに前記アイテムのリンクを提示するように制御するように制御させることができる。
前記提示制御部には、前記アイテムのリンクの作成に用いられた前記リンク特徴量を示す情報とともに前記アイテムのリンクを提示するように制御させることができる。
前記推薦ユーザ選択部には、前記ユーザが前記候補ユーザを受け入れる確率、及び、前記候補ユーザのフィードバックが提示されることによる所定のアイテム群に対する前記ユーザの評価の予測値の変化量に基づいて、前記期待値を計算させることができる。
前記推薦ユーザ選択部には、さらに前記アイテム群に含まれる各アイテムに前記候補ユーザがフィードバックを付与する確率に基づいて、前記期待値を計算させることができる。
前記提示制御部には、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補の他の情報処理装置への提示を制御させることができる。
本技術の第１の側面の情報処理方法は、情報処理装置が、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、前記ユーザが作成したアイテムのリンクに用いられた前記リンク特徴量に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するステップを含む。
本技術の第１の側面のプログラムは、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、前記ユーザが作成したアイテムのリンクに用いられた前記リンク特徴量に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するステップを含む処理をコンピュータに実行させる。
本技術の第２の側面の情報処理方法は、情報処理装置が、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度を高く設定し、設定した重要度に基づいて前記リンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するステップを含む。
本技術の第２の側面のプログラムは、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度を高く設定し、設定した重要度に基づいて前記リンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するステップを含む処理をコンピュータに実行させる。
本技術の第３の側面の情報処理方法は、情報処理装置が、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御するステップを含む。
本技術の第３の側面のプログラムは、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御するステップを含む処理をコンピュータに実行させる。
本技術の第４の側面の情報処理方法は、情報処理装置が、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択し、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御するステップを含む。
本技術の第４の側面のプログラムは、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択し、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御するステップを含む処理をコンピュータに実行させる。
本技術の第２の側面の情報処理方法は、情報処理装置が、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度を高く設定し、設定した重要度に基づいて前記リンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するステップを含む。
本技術の第２の側面のプログラムは、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度を高く設定し、設定した重要度に基づいて前記リンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するステップを含む処理をコンピュータに実行させる。
本技術の第３の側面の情報処理方法は、情報処理装置が、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御するステップを含む。
本技術の第３の側面のプログラムは、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御するステップを含む処理をコンピュータに実行させる。
本技術の第４の側面の情報処理方法は、情報処理装置が、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択し、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御するステップを含む。
本技術の第４の側面のプログラムは、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択し、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御するステップを含む処理をコンピュータに実行させる。
本技術の第１の側面においては、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、前記ユーザが作成したアイテムのリンクに用いられた前記リンク特徴量に基づいて、前記ユーザの各特徴量に対する重要度が求められ、求められた重要度に基づいて前記リンク特徴量が選択され、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクが作成される。
本技術の第２の側面においては、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度が高く設定され、設定された重要度に基づいて前記リンク特徴量が選択され、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補が１つ以上選択され、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示が制御され、前記第２のアイテムが選択され、前記第１のアイテムと前記第２のアイテムとのリンクが作成される。
本技術の第３の側面においては、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量が選択され、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補が１つ以上選択され、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示が制御され、前記第２のアイテムが選択され、前記第１のアイテムと前記第２のアイテムとのリンクが作成され、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムが前記ユーザに提示される。
本技術の第４の側面においては、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量が選択され、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補が１つ以上選択され、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示が制御され、前記第２のアイテムが選択され、前記第１のアイテムと前記第２のアイテムとのリンクが作成され、ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値が計算され、計算された期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザが選択され、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクが前記ユーザに提示される。
本技術の第２の側面においては、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度が高く設定され、設定された重要度に基づいて前記リンク特徴量が選択され、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補が１つ以上選択され、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示が制御され、前記第２のアイテムが選択され、前記第１のアイテムと前記第２のアイテムとのリンクが作成される。
本技術の第３の側面においては、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量が選択され、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補が１つ以上選択され、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示が制御され、前記第２のアイテムが選択され、前記第１のアイテムと前記第２のアイテムとのリンクが作成され、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムが前記ユーザに提示される。
本技術の第４の側面においては、第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量が選択され、選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補が１つ以上選択され、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示が制御され、前記第２のアイテムが選択され、前記第１のアイテムと前記第２のアイテムとのリンクが作成され、ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値が計算され、計算された期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザが選択され、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクが前記ユーザに提示される。
本技術の第１乃至第４の側面によれば、簡単に関連するアイテムのリンクを作成することができる。また、作成したアイテムのリンクを利用することができる。
以下、本技術を実施するための形態（以下、実施の形態という）について説明する。なお、説明は以下の順序で行う。
１．実施の形態
２．変形例
１．実施の形態
２．変形例
＜１．実施の形態＞
［情報処理システム１の構成例］
図１は、本技術を適用した情報処理システムの一実施の形態を示すブロック図である。
［情報処理システム１の構成例］
図１は、本技術を適用した情報処理システムの一実施の形態を示すブロック図である。
情報処理システム１は、サーバ１１及びクライアント１２−１乃至１２−ｎを含むように構成される。サーバ１１とクライアント１２−１乃至１２−ｎは、ネットワーク１３を介して相互に接続されている。
なお、以下、クライアント１２−１乃至１２−ｎを個々に区別する必要がない場合、単に、クライアント１２と称する。
サーバ１１は、各クライアント１２に対して、各種のアイテムの一種であるコンテンツの配信や推薦等を行うサービス（以下、コンテンツ配信サービスと称する）を提供する。
なお、このコンテンツ配信サービスでは、コンテンツの配信や推薦以外にも、それらに付随する各種のサービスが提供される。
例えば、このコンテンツ配信サービスでは、ユーザがコンテンツに対してコメントや評価等のフィードバックを付与するのを支援したり、付与されたフィードバックを収集し、ユーザ間で共有したりするサービスが提供される。
また、例えば、このコンテンツ配信サービスでは、関連するコンテンツのリンクであるコンテンツリンクの作成を支援したり、作成したコンテンツリンクをユーザ間で共有したりするサービスが提供される。
さらに、例えば、このコンテンツ配信サービスは、ソーシャルサービスの機能を備えており、各ユーザは、他のユーザとコミュニケーションをとることができる。例えば、各ユーザは、他のユーザをフォローしたり、他のユーザと友人関係を結んだりすることが可能である。
ここで、ユーザが他のユーザをフォローするとは、例えば、フォロー元のユーザがフォロー先のユーザのコンテンツ配信サービス上でのアクティビティ（例えば、発言、各種コンテンツへのフィードバック等）に関する情報を自動的に取得できるように設定することである。また、友人関係を結ぶとは、例えば、２人のユーザがお互いをフォローする関係を結ぶことである。
なお、以下、フォロー元のユーザをfollowerと称し、フォロー先のユーザをfolloweeと称する。従って、友人関係にある２人のユーザは、お互いがfollowerでもあり、followeeでもある。
また、例えば、このコンテンツ配信サービスでは、コンテンツだけでなく、他のユーザを推薦するサービスが提供される。
なお、以下、サーバ１１が、コンテンツの一種である音楽の配信や推薦等を行う例を中心に説明する。
クライアント１２は、例えば、パーソナルコンピュータ、携帯情報端末、携帯電話機、スマートフォン、動画プレイヤー、オーディオプレイヤー等、サーバ１２が提供するコンテンツ配信サービスの利用が可能な装置により構成される。
［サーバ１１の構成例］
図２は、サーバ１１の機能のうち、主にコンテンツリンクに関わる処理、及び、他のユーザの情報の提示に関わる処理を行う部分の機能の構成例を示している。
図２は、サーバ１１の機能のうち、主にコンテンツリンクに関わる処理、及び、他のユーザの情報の提示に関わる処理を行う部分の機能の構成例を示している。
サーバ１１は、通信部３１、情報処理部３２及び保存部３３を含むように構成される。
なお、通信部３１と情報処理部３２の各部は、相互にアクセスすることが可能である。また、情報処理部３２の各部は、保存部３３の各部にアクセスすることが可能である。
通信部３１は、ネットワーク１３を介して各クライアント１２と通信を行い、コンテンツ配信サービスに関わる各種の情報や指令等の送受信を行う。
情報処理部３２は、コンテンツ配信サービスに関わる各種の処理を行う。情報処理部３２は、コンテンツリンク作成処理部４１、推薦ユーザ選択処理部４２、及び、提示制御部４３を含むように構成される。
コンテンツリンク作成処理部４１は、コンテンツリンクの作成に関わる処理を実行する。例えば、コンテンツリンク作成処理部４１は、コンテンツリンクのリンク元及びリンク先のコンテンツの候補、並びに、２つのコンテンツを結び付けるための特徴量の候補を選択し、表示制御部５２に供給する。
なお、以下、コンテンツリンクのリンク元及びリンク先のコンテンツを、それぞれリンク元コンテンツ及びリンク先コンテンツと称する。また、以下、リンク元コンテンツとリンク先コンテンツを結び付ける特徴量をリンク特徴量と称する。
また、例えば、コンテンツリンク作成処理部４１は、通信部３１を介してクライアント１２から受信したユーザからの指令等に基づいて、リンク元コンテンツ、リンク先コンテンツ、及び、リンク特徴量を決定することにより、コンテンツリンクを作成する。コンテンツリンク作成処理部４１は、作成したコンテンツリンクを示すコンテンツリンク情報を、保存部３３のコンテンツリンク保存部６４に保存する。
推薦ユーザ選択処理部４２は、ユーザに推薦する推薦ユーザの選択に関わる処理を実行する。推薦ユーザ選択処理部４２は、推薦ユーザの選択結果を示す情報を、提示制御部４３の提示内容設定部５１に供給する。
提示制御部４３は、各クライアント１２への各種の情報の提示を制御する。提示制御部４３は、提示内容設定部５１及び表示制御部５２を含むように構成される。
提示内容設定部５１は、各クライアント１２に提示する情報の内容を設定する。提示内容設定部５１は、設定した内容を示す情報を表示制御部５２に供給する。
表示制御部５２は、各種の情報を表示するための表示制御データを生成し、通信部３１を介して各クライアント１２に送信することにより、各クライアント１２における各種の情報の表示を制御する。例えば、表示制御部５２は、コンテンツリンクを作成するための画面や、コンテンツリンクや推薦ユーザを提示するための画面等のクライアント１２における表示を制御する。
保存部３３は、コンテンツ配信サービスで使用する各種の情報を保存する。保存部３３は、コンテンツ情報保存部６１、ユーザ関係保存部６２、ユーザ履歴保存部６３、コンテンツリンク保存部６４、及び、パラメータ保存部６５を含むように構成される。
コンテンツ情報保存部６１は、コンテンツ配信サービスで提供される各コンテンツに関するコンテンツ情報（例えば、特徴量、メタデータ等）を保存する。
ユーザ関係保存部６２は、コンテンツ配信サービスを利用する各ユーザ間の関係、例えば、友人関係、followee/followerの関係等に関する情報を保存する。
ユーザ履歴保存部６３は、コンテンツ配信サービスにおける各ユーザのアクティビティの履歴を示すユーザ履歴を保存する。ユーザ履歴は、例えば、各ユーザのコンテンツの利用履歴や、コンテンツに対するフィードバックに関する情報等を含む。
コンテンツリンク保存部６４は、各ユーザにより作成されたコンテンツリンクに関するコンテンツリンク情報を保存する。
パラメータ保存部６５は、各ユーザに推薦する推薦ユーザの選択に用いる学習モデルのパラメータを保存する。
［コンテンツリンク作成処理部４１の構成例］
図３は、サーバ１１のコンテンツリンク作成処理部４１の機能の構成例を示している。コンテンツリンク作成処理部４１は、リンク元コンテンツ選択部１０１、特徴量重要度計算部１０２、リンク特徴量選択部１０３、リンク先コンテンツ選択部１０４、及び、コンテンツリンク作成部１０５を含むように構成される。
図３は、サーバ１１のコンテンツリンク作成処理部４１の機能の構成例を示している。コンテンツリンク作成処理部４１は、リンク元コンテンツ選択部１０１、特徴量重要度計算部１０２、リンク特徴量選択部１０３、リンク先コンテンツ選択部１０４、及び、コンテンツリンク作成部１０５を含むように構成される。
リンク元コンテンツ選択部１０１は、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、リンク元コンテンツの候補を１つ以上選択する。リンク元コンテンツ選択部１０１は、選択したリンク元コンテンツの候補を示す情報をコンテンツリンク作成部１０５及び表示制御部５２に供給する。
特徴量重要度計算部１０２は、コンテンツ情報保存部６１に保存されているコンテンツ情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、コンテンツの各特徴量の重要度を計算する。特徴量重要度計算部１０２は、各特徴量の重要度の計算結果を示す情報をリンク特徴量選択部１０３に供給する。
リンク特徴量選択部１０３は、特徴量重要度計算部１０２により計算された重要度に基づいて、リンク特徴量の候補を１つ以上選択する。リンク特徴量選択部１０３は、選択したリンク特徴量の候補を示す情報を、コンテンツリンク作成部１０５及び表示制御部５２に供給する。
リンク先コンテンツ選択部１０４は、リンク特徴量、及び、コンテンツ情報保存部６１に保存されているコンテンツ情報等に基づいて、リンク先コンテンツの候補を１つ以上選択する。リンク先コンテンツ選択部１０４は、選択したリンク先コンテンツの候補を示す情報を、コンテンツリンク作成部１０５及び表示制御部５２に供給する。
コンテンツリンク作成部１０５は、通信部３１を介してクライアント１２から受信したユーザからの指令等に基づいて、各候補の中からリンク元コンテンツ、リンク特徴量、及び、リンク先コンテンツをそれぞれ決定し、コンテンツリンクを作成する。コンテンツリンク作成部１０５は、作成したコンテンツリンクを示すコンテンツリンク情報をコンテンツリンク保存部６４に保存する。
また、コンテンツリンク作成部１０５は、リンク元コンテンツ又はリンク特徴量が決定した場合、決定したリンク元コンテンツ又はリンク特徴量を示す情報を、リンク元コンテンツ選択部１０１、特徴量重要度計算部１０２、リンク特徴量選択部１０３、リンク先コンテンツ選択部１０４、及び、表示制御部５２に供給する。さらに、コンテンツリンク作成部１０５は、リンク先コンテンツが決定した場合、決定したリンク先コンテンツを示す情報を表示制御部５２に供給する。
［推薦ユーザ選択処理部４２の構成例］
図４は、サーバ１１の推薦ユーザ選択処理部４２の機能の構成例を示している。推薦ユーザ選択処理部４２は、学習部１３１、予測部１３２、変化量期待値計算部１３３、及び、推薦ユーザ選択部１３４を含むように構成される。
図４は、サーバ１１の推薦ユーザ選択処理部４２の機能の構成例を示している。推薦ユーザ選択処理部４２は、学習部１３１、予測部１３２、変化量期待値計算部１３３、及び、推薦ユーザ選択部１３４を含むように構成される。
学習部１３１は、各ユーザに推薦する推薦ユーザの選択に用いるパラメータを予測するためのモデルを学習する。学習部１３１は、評価予測学習部１４１、ユーザ関係予測学習部１４２、フィードバック予測学習部１４３、及び、フィードバック評価予測学習部１４４を含むように構成される。
評価予測学習部１４１は、コンテンツ情報保存部６１に保存されているコンテンツ情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、各ユーザのコンテンツに対する評価値を予測するためのモデル（以下、評価予測モデルと称する）を生成する。評価予測学習部１４１は、生成した評価予測モデルを表すパラメータをパラメータ保存部６５に保存する。
ユーザ関係予測学習部１４２は、ユーザ関係保存部６２に保存されているユーザ関係情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、各ユーザが他のユーザを受け入れる確率を予測するためのモデル（以下、ユーザ関係予測モデルと称する）を生成する。ユーザ関係予測学習部１４２は、生成したユーザ関係予測モデルを表すパラメータをパラメータ保存部６５に保存する。
フィードバック予測学習部１４３は、コンテンツ情報保存部６１に保存されているコンテンツ情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、各ユーザが各コンテンツにコメントや評価等のフィードバックを付与する確率を予測するためのモデル（以下、フィードバック予測モデルと称する）を生成する。フィードバック予測学習部１４３は、生成したフィードバック予測モデルを表すパラメータをパラメータ保存部６５に保存する。
フィードバック評価予測学習部１４４は、コンテンツ情報保存部６１に保存されているコンテンツ情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、他のユーザによるフィードバックとともに提示された場合の各コンテンツに対する各ユーザの評価値を予測するためのモデル（以下、フィードバック評価予測モデルと称する）を生成する。すなわち、フィードバック評価予測モデルとは、任意のユーザＡによるフィードバックとともに提示されたコンテンツに対するユーザＡ以外の任意のユーザＢの評価値を予測するモデルである。フィードバック評価予測学習部１４４は、生成したフィードバック評価予測モデルを表すパラメータをパラメータ保存部６５に保存する。
予測部１３２は、学習部１３１により生成されたモデルを用いて、各ユーザに推薦する推薦ユーザの選択に用いるパラメータの予測を行う。予測部１３２は、評価予測部１５１、ユーザ関係予測部１５２、フィードバック予測部１５３、及び、フィードバック評価予測部１５４を含むように構成される。
評価予測部１５１は、パラメータ保存部６５に保存されている評価予測モデルを用いて、各ユーザの各コンテンツに対する評価値を予測する。評価予測部１５１は、予測した結果を示す情報を変化量期待値計算部１３３に供給する。
ユーザ関係予測部１５２は、パラメータ保存部６５に保存されているユーザ関係予測モデルを用いて、各ユーザが他のユーザを受け入れる確率を予測する。ユーザ関係予測部１５２は、予測した結果を示す情報を変化量期待値計算部１３３に供給する。
フィードバック予測部１５３は、パラメータ保存部６５に保存されているフィードバック予測モデルを用いて、各ユーザが各コンテンツにコメントや評価等のフィードバックを付与する確率を予測する。フィードバック予測部１５３は、予測した結果を示す情報を変化量期待値計算部１３３に供給する。
フィードバック評価予測部１５４は、パラメータ保存部６５に保存されているフィードバック評価予測モデルを用いて、他のユーザによるフィードバックとともに提示された場合の各コンテンツに対する各ユーザの評価値を予測する。フィードバック評価予測部１５４は、予測した結果を示す情報を変化量期待値計算部１３３に供給する。
変化量期待値計算部１３３は、予測部１３２の各部による予測結果に基づいて、各ユーザに他のユーザを推薦する前と後の行動の変化量の期待値（以下、変化量期待値と称する）を計算する。ここで、ユーザの行動とは、例えば、コンテンツを利用する／しないの選択や、コンテンツに対する評価等である。変化量期待値計算部１３３は、計算結果を示す情報を推薦ユーザ選択部１３４に供給する。
推薦ユーザ選択部１３４は、変化量期待値の計算結果に基づいて、各ユーザに推薦する推薦ユーザを選択する。また、推薦ユーザ選択部１３４は、選択した推薦ユーザを変化量期待値が大きい順に並べた推薦ユーザランキングを作成する。推薦ユーザ選択部１３４は、作成した推薦ユーザランキングを示す情報を提示内容設定部５１に供給する。
［提示内容設定部５１の構成例］
図５は、サーバ１１の提示内容設定部５１の機能の構成例を示している。提示内容設定部５１は、推薦ユーザリスト作成部１７１、コンテンツリンクリスト作成部１７２、履歴関連リスト作成部１７３、及び、提示コンテンツ選択部１７４を含むように構成される。
図５は、サーバ１１の提示内容設定部５１の機能の構成例を示している。提示内容設定部５１は、推薦ユーザリスト作成部１７１、コンテンツリンクリスト作成部１７２、履歴関連リスト作成部１７３、及び、提示コンテンツ選択部１７４を含むように構成される。
推薦ユーザリスト作成部１７１は、推薦ユーザランキングに基づいて、推薦ユーザのリストである推薦ユーザリストを作成する。なお、推薦ユーザリストの詳細については後述する。推薦ユーザリスト作成部１７１は、作成した推薦ユーザリストを、コンテンツリンクリスト作成部１７２、履歴関連リスト作成部１７３、提示コンテンツ選択部１７４、及び、表示制御部５２に供給する。
コンテンツリンクリスト作成部１７２は、コンテンツリンク保存部６４に保存されているコンテンツリンク情報に基づいて、コンテンツリンクのリストであるコンテンツリンクリストを作成する。なお、コンテンツリンクリストの詳細については後述する。コンテンツリンクリスト作成部１７２は、作成したコンテンツリンクリストを提示コンテンツ選択部１７４及び表示制御部５２に供給する。
履歴関連リスト作成部１７３は、ユーザ履歴保存部６３に保存されているユーザ履歴、及び、コンテンツリンク保存部６４に保存されているコンテンツリンク情報に基づいて、ユーザのコンテンツの利用履歴にコンテンツリンクを融合した履歴関連リストを作成する。なお、履歴関連リストの詳細については後述する。履歴関連リスト作成部１７３は、作成した履歴関連リストを提示コンテンツ選択部１７４及び表示制御部５２に供給する。
提示コンテンツ選択部１７４は、コンテンツ情報保存部６１に保存されているコンテンツ情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、ユーザに他のユーザの情報を提示する場合に、その他のユーザのコンテンツの利用履歴として提示するコンテンツ（以下、提示コンテンツと称する）を選択する。提示コンテンツ選択部１７４は、提示コンテンツの選択結果を示す情報を表示制御部５２に供給する。
［クライアント１２の構成例］
図６は、クライアント１２の機能の構成例を示している。クライアント１２は、通信部２０１、再生部２０２、出力制御部２０３、出力部２０４、入力部２０５、及び、コンテンツリンク作成部２０６を含むように構成される。
図６は、クライアント１２の機能の構成例を示している。クライアント１２は、通信部２０１、再生部２０２、出力制御部２０３、出力部２０４、入力部２０５、及び、コンテンツリンク作成部２０６を含むように構成される。
通信部２０１は、ネットワーク１３を介してサーバ１１と通信を行い、コンテンツ配信サービスに関わる各種の情報や指令等の送受信を行う。
再生部２０２は、ネットワーク１３及び通信部２０１を介して、サーバ１１からコンテンツを受信し、受信したコンテンツを再生する。再生部２０２は、再生の結果得られた再生データを出力制御部２０３に供給する。
出力制御部２０３は、ネットワーク１３及び通信部２０１を介して、コンテンツに関する情報やコンテンツに付与されたコメント等、ユーザに提示する情報やコンテンツの再生とともに表示する情報をサーバ１１から受信する。また、出力制御部２０３は、再生データに基づいて、出力部２０４における動画や静止画の表示、音声の出力等を制御する。さらに、出力制御部２０３は、サーバ１１から受信した各種の情報の出力部２０４における表示を制御する。
出力部２０４は、例えば、ディスプレイ等の各種の表示デバイス、及び、スピーカ、音声出力端子等の各種の音声出力デバイスにより構成される。
入力部２０５は、例えば、キーボード、マウス、タッチパネル、マイクロフォン等の各種の入力デバイスにより構成される。入力部２０５は、ユーザにより入力された情報や指令等を、再生部２０２、出力制御部２０３及びコンテンツリンク作成部２０６に供給する。
コンテンツリンク作成部２０６は、ネットワーク１３及び通信部２０１を介して、サーバ１２と情報や各種の指令等の送受信を行いながら、コンテンツリンクの作成に関わる処理を行う。
［情報処理システム１の処理］
次に、図７乃至図２７を参照して、情報処理システム１の処理について説明する。
次に、図７乃至図２７を参照して、情報処理システム１の処理について説明する。
（コンテンツリンク作成処理）
まず、図７のフローチャートを参照して、サーバ１１により実行されるコンテンツリンク作成処理について説明する。
まず、図７のフローチャートを参照して、サーバ１１により実行されるコンテンツリンク作成処理について説明する。
なお、この処理は、例えば、ネットワーク１３を介して、クライアント１２のうちの１つからサーバ１１にコンテンツリンクの作成の要求が送信されたとき開始される。
なお、以下、この処理において、コンテンツリンクの作成を行うユーザをアクティブユーザと称する。
ステップＳ１において、コンテンツリンク作成処理部４１のリンク元コンテンツ選択部１０１は、リンク元コンテンツの候補を選択する。例えば、リンク元コンテンツ選択部１０１は、ユーザ履歴保存部６３に保存されているユーザ履歴に基づいて、アクティブユーザの嗜好に合うコンテンツをリンク元コンテンツの候補として選択する。アクティブユーザの嗜好に合うコンテンツとは、例えば、アクティブユーザの利用頻度や評価が高いコンテンツ等である。
ここで、図８を参照して、リンク元コンテンツの候補の選択方法の具体例について説明する。
図８は、ユーザ履歴保存部６３に保存されているユーザ履歴のデータの一部の構成例を示している。この例において、ユーザ履歴は、各ユーザの各コンテンツに対する評価値、及び、コンテンツの再生回数を含んでいる。
例えば、リンク元コンテンツの候補を選択する条件を再生回数が１０回以上のコンテンツに設定した場合、アクティブユーザがユーザＵ１であるとき、コンテンツＣ１、Ｃ２及びＣ４がリンク元コンテンツの候補に選択される。
そして、リンク元コンテンツ選択部１０１は、選択したリンク元コンテンツの候補を示す情報を、コンテンツリンク作成部１０５及び表示制御部５２に供給する。
ステップＳ２において、サーバ１１は、リンク元コンテンツの候補を提示する。具体的には、表示制御部５２は、リンク元コンテンツの候補を表示するための表示制御データを生成し、通信部３１を介して、アクティブユーザのクライアント１２に送信する。
アクティブユーザのクライアント１２の出力制御部２０３は、ネットワーク１３及び通信部２０１を介して、サーバ１１から表示制御データを受信する。出力制御部２０３は、表示制御データに基づいて、リンク元コンテンツの候補を出力部２０４に表示させる。これにより、アクティブユーザにリンク元コンテンツの候補が提示される。
ステップＳ３において、サーバ１１は、リンク元コンテンツを決定する。
例えば、アクティブユーザは、クライアント１２の入力部２０５を操作して、提示されたリンク元コンテンツの候補の中から所望のものを１つ選択する。なお、このとき、アクティブユーザが、提示された候補以外のコンテンツからもリンク元コンテンツを選択できるようにしてもよい。コンテンツリンク作成部２０６は、リンク元コンテンツの選択結果を示す情報を入力部２０５から取得し、通信部２０１を介してサーバ１１に送信する。
サーバ１１の通信部３１は、ネットワーク１３を介して、リンク元コンテンツの選択結果を示す情報をクライアント１２から受信し、コンテンツリンク作成部１０５に供給する。コンテンツリンク作成部１０５は、アクティブユーザにより選択されたコンテンツをリンク元コンテンツに決定する。
なお、コンテンツリンク作成部１０５が、アクティブユーザの選択によらずに、各候補の中からリンク元コンテンツを選択するようにしてもよい。
例えば、コンテンツリンク作成部１０５が、各候補の中から、候補を選択する基準の充足率が最も高いコンテンツをリンク元コンテンツに選択するようにしてもよい。例えば、図８を参照して上述した例において、ユーザＵ１がアクティブユーザの場合、再生回数が最も多いコンテンツＣ１がリンク元コンテンツに選択される。
あるいは、例えば、コンテンツリンク作成部１０５が、各候補の中からランダムにリンク元コンテンツを選択するようにしてもよい。
コンテンツリンク作成部１０５は、決定したリンク元コンテンツを示す情報を、リンク元コンテンツ選択部１０１、特徴量重要度計算部１０２、リンク特徴量選択部１０３、リンク先コンテンツ選択部１０４、及び、表示制御部５２に供給する。
ステップＳ４において、特徴量重要度計算部１０２は、アクティブユーザ及びリンク元コンテンツの少なくとも一方を基準にして、各特徴量の重要度を計算する。
まず、アクティブユーザを基準にして、各特徴量の重要度を計算する方法の例について説明する。
例えば、アクティブユーザのコンテンツに対する評価値を予測するのに効果的な特徴量は、アクティブユーザのコンテンツに対する評価に与える影響が大きく、アクティブユーザにとって重要度の高い特徴量であると考えられる。そこで、特徴量重要度計算部１０２は、コンテンツ情報保存部６１に保存されているコンテンツ情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴に基づいて、コンテンツの特徴量からアクティブユーザのコンテンツに対する評価値への回帰分析を行う。そして、特徴量重要度計算部１０２は、求めた回帰係数を、アクティブユーザの各特徴量に対する重要度に設定する。このとき、回帰分析にL1正則化を適用すると（例えば、非特許文献１参照）、評価値の予測に寄与しない特徴量の回帰係数を０にすることができる。
非特許文献１：Tibshirani, R., "Regression Shrinkage and Selection via the Lasso", Journal of the Royal Statistical Society, Series B, Vol. 58, No. 1, 1996
ここで、図９及び図１０、並びに、上述した図８を参照して、回帰分析を用いて特徴量の重要度を求める方法の具体例について説明する。
図９は、コンテンツ情報保存部６１に保存されているコンテンツ情報に含まれる、コンテンツの特徴量の具体例を示している。この例では、各コンテンツについて、テンポ、音の密度、リズム楽器比の３種類の特徴量が求められている。
図１０は、図８のユーザ履歴及び図９のコンテンツ特徴量に基づいて、コンテンツの特徴量から各ユーザのコンテンツに対する評価値への回帰分析を行うことにより得られる回帰係数の例を示している。なお、図８及び図９にはユーザ履歴及びコンテンツ特徴量の一部しか表示されていないため、図８及び図９に示されているデータと図１０の計算結果は完全には対応していない。
そして、図１０に示される各回帰係数が、各ユーザの各特徴量に対する重要度に設定される。例えば、この例の場合、ユーザＵ１にとっては、テンポが最も重要度が高い特徴量となり、音の密度が最も重要度が低い特徴量となる。ユーザＵ２にとっては、音の密度が最も重要度が高い特徴量となり、リズム楽器比が最も重要度が低い特徴量となる。ユーザＵ３にとっては、リズム楽器比が最も重要度が高い特徴量となり、テンポが最も重要度が低い特徴量となる。
また、例えば、ユーザがすでに作成したコンテンツリンクをユーザの類似性の基準と考え、それを元に特徴量の重要度を学習するようにしてもよい。
例えば、複数の類似ペアを与えた場合に、マハラノビス距離等を学習する手法が知られている（例えば、非特許文献２参照）。
非特許文献２：Yang, L., “Distance Metric Learning: A Comprehensive Survey”， Michigan State University, 2006
この非特許文献２の手法において、共分散行列を対角行列に制限すると、共分散行列の各特徴量に対応する要素を、各特徴量の重要度としてそのまま用いることができる。
あるいは、例えば、アクティブユーザがコンテンツリンクを作成する際に用いたリンク特徴量の履歴に基づいて、アクティブユーザの各特徴量に対する重要度を設定するようにしてもよい。例えば、アクティブユーザが過去に作成したコンテンツリンクにおいて、リンク特徴量に用いられた頻度が高い特徴量ほど重要度を高く設定し、リンク特徴量に用いられた頻度が低い特徴量ほど重要度を低く設定することが可能である。
次に、リンク元コンテンツを基準にして、各特徴量の重要度を計算する方法の例について説明する。
例えば、リンク元コンテンツの特徴を顕著に表す特徴量ほど重要度を高く設定し、そうでない特徴量の重要度を低く設定することが考えられる。
ここで、リンク元コンテンツの特徴を顕著に表す特徴量とは、例えば、他のコンテンツが有する確率が低いが、リンク元コンテンツが有している特徴量や、逆に、他のコンテンツが有する確率が高いが、リンク元コンテンツが有していない特徴量等である。例えば、リンク元コンテンツが非常に稀なジャンルに属している場合、特徴量の１つであるジャンル情報の重要度を高く設定することが考えられる。
また、特徴量が連続量で表される場合、リンク元コンテンツの特徴を顕著に表す特徴量とは、例えば、リンク元のコンテンツの値が全体の平均値から大きく離れている特徴量等である。例えば、リンク元コンテンツのテンポが、他の平均的なコンテンツと比較して著しく速い又は遅い場合、特徴量の１つである楽曲のテンポの重要度を高く設定することが考えられる。
なお、以上の特徴量の重要度の計算方法は、その一例であり、他の方法を用いるようにしてもよい。また、アクティブユーザとリンク元コンテンツの両方を基準にして、特徴量の重要度を計算するようにしてもよい。
そして、特徴量重要度計算部１０２は、各特徴量の重要度の計算結果を示す情報をリンク特徴量選択部１０３に供給する。
ステップＳ５において、リンク特徴量選択部１０３は、リンク特徴量の候補を選択する。具体的には、リンク特徴量選択部１０３は、ステップＳ４の処理で求められた重要度が高いものから順に所定の数の特徴量をリンク特徴量の候補として選択する。リンク特徴量選択部１０３は、選択したリンク特徴量の候補を示す情報を、コンテンツリンク作成部１０５及び表示制御部５２に供給する。
ステップＳ６において、ステップＳ２の処理と同様にして、アクティブユーザのクライアント１２において、リンク特徴量の候補が提示される。
ステップＳ７において、サーバ１１は、リンク特徴量を決定する。
例えば、アクティブユーザは、クライアント１２の入力部２０５を操作して、提示されたリンク特徴量の候補の中から所望のものを１つ又は複数選択する。なお、このとき、アクティブユーザが、直接テキストデータを入力する等の方法により、提示された候補以外の特徴量をリンク特徴量に選択できるようにしてもよい。また、このとき、アクティブユーザが、リンク特徴量を説明するための情報を入力できるようにしてもよい。この情報は、例えば、後述する図２５の吹き出し４２２ａ等に表示することができる。
コンテンツリンク作成部２０６は、リンク特徴量の選択結果を示す情報を入力部２０５から取得し、通信部２０１を介してサーバ１１に送信する。
サーバ１１の通信部３１は、ネットワーク１３を介して、リンク特徴量の選択結果を示す情報をクライアント１２から受信し、コンテンツリンク作成部１０５に供給する。コンテンツリンク作成部１０５は、アクティブユーザにより選択された特徴量をリンク特徴量に決定する。
なお、コンテンツリンク作成部１０５が、アクティブユーザの選択によらずに、各候補の中からリンク特徴量を選択するようにしてもよい。
例えば、コンテンツリンク作成部１０５が、各候補の中から、重要度が高い順に１つ又は複数の特徴量をリンク特徴量に選択するようにしてもよい。
あるいは、例えば、コンテンツリンク作成部１０５が、各候補の中からランダムにリンク特徴量を選択するようにしてもよい。
コンテンツリンク作成部１０５は、決定したリンク特徴量を示す情報を、リンク元コンテンツ選択部１０１、特徴量重要度計算部１０２、リンク特徴量選択部１０３、リンク先コンテンツ選択部１０４、及び、表示制御部５２に供給する。
ステップＳ８において、リンク先コンテンツ選択部１０４は、リンク先コンテンツの候補を選択する。
具体的には、リンク先コンテンツ選択部１０４は、決定したリンク特徴量のみに基づいて、リンク元コンテンツと他のコンテンツとの類似度を計算する。例えば、リンク先コンテンツ選択部１０４は、コンテンツ情報保存部６１に保存されているコンテンツ情報に基づいて、リンク特徴量のみを用いて、リンク元コンテンツと他の各コンテンツとの間のユークリッド距離を計算する。そして、リンク先コンテンツ選択部１０４は、求めたユークリッド距離をリンク元コンテンツと各コンテンツとの類似度に設定する。また、リンク先コンテンツ選択部１０４は、リンク元コンテンツとの類似度が高い順に所定の数のコンテンツを、リンク先コンテンツの候補に選択する。
なお、このとき、アクティブユーザが選択しやすいように、アクティブユーザが利用したことがあるコンテンツの中からリンク先コンテンツの候補を選択するようにしてもよい。この場合、リンク先コンテンツの候補の選択範囲を、対象とする利用のレベルに応じて任意に設定することができる。例えば、アクティブユーザが再生したことがあるコンテンツを含む集合を選択範囲に設定したり、或いは、アクティブユーザが情報を閲覧したことがあるコンテンツを含む集合まで選択範囲を広げたりすることができる。
そして、リンク先コンテンツ選択部１０４は、選択したリンク先コンテンツの候補を示す情報を、コンテンツリンク作成部１０５及び表示制御部５２に供給する。
ステップＳ９において、ステップＳ２の処理と同様にして、アクティブユーザのクライアント１２において、リンク先コンテンツの候補が提示される。
ステップＳ１０において、サーバ１１は、リンク先コンテンツを決定する。
例えば、アクティブユーザは、クライアント１２の入力部２０５を操作して、提示されたリンク先コンテンツの候補の中から所望のものを１つ選択する。なお、このとき、アクティブユーザが、提示された候補以外のコンテンツからもリンク先コンテンツを選択できるようにしてもよい。コンテンツリンク作成部２０６は、リンク先コンテンツの選択結果を示す情報を入力部２０５から取得し、通信部２０１を介してサーバ１１に送信する。
サーバ１１の通信部３１は、ネットワーク１３を介して、リンク先コンテンツの選択結果を示す情報をクライアント１２から受信し、コンテンツリンク作成部１０５に供給する。コンテンツリンク作成部１０５は、アクティブユーザにより選択されたコンテンツをリンク先コンテンツに決定する。
なお、コンテンツリンク作成部１０５が、アクティブユーザの選択によらずに、各候補の中からリンク先コンテンツを選択するようにしてもよい。
例えば、コンテンツリンク作成部１０５が、各候補の中から、リンク元コンテンツとの間のリンク特徴量に基づく類似度が最も高いコンテンツをリンク先コンテンツに選択するようにしてもよい。
あるいは、例えば、コンテンツリンク作成部１０５が、各候補の中からランダムにリンク先コンテンツを選択するようにしてもよい。
そして、コンテンツリンク作成部１０５は、決定したリンク先コンテンツを示す情報を表示制御部５２に供給する。
ステップＳ１１において、コンテンツリンク作成部１０５は、作成したコンテンツリンクを保存する。具体的には、コンテンツリンク作成部１０５は、作成したコンテンツリンクを構成するリンク元コンテンツ及びリンク先コンテンツ、使用したリンク特徴量、並びに、コンテンツリンクを作成したアクティブユーザに関する情報（例えば、ユーザＩＤ等）を対応付けて、コンテンツリンク保存部６４に保存する。
その後、コンテンツリンク作成処理は終了する。
以上のようにして、アクティブユーザの嗜好や行動等に応じて、リンク元コンテンツ、リンク特徴量、リンク先コンテンツの候補がそれぞれ提示されるので、簡単に満足度が高いコンテンツリンクを作成することが可能になる。また、選択したリンク特徴量に基づいてリンク元コンテンツに類似するコンテンツがリンク先コンテンツの候補として提示されるので、アクティブユーザは、様々な視点に基づいて、リンク元コンテンツに関連するリンク先コンテンツを見つけることができる。その結果、適切なコンテンツの組み合わせからなるコンテンツリンクを簡単に作成することが可能になる。
なお、以上の説明では、リンク元コンテンツ、リンク特徴量、リンク先コンテンツの候補を順番に提示し、順番に決定していく例を示したが、これらを一度に提示して、一度に決定するようにすることも可能である。
図１１は、リンク元コンテンツ、リンク特徴量、及び、リンク先コンテンツの候補を一度に提示して、一度に決定するようにした場合に、クライアント１２において表示されるコンテンツリンク作成画面の例を示している。なお、図内の点線は、説明のために追加した補助線であり、実際には表示されない。
このコンテンツリンク作成画面は、リンク元コンテンツ表示領域３０１、リンク特徴量表示領域３０２、リンク先コンテンツ表示領域３０３に分かれる。また、リンク先コンテンツ表示領域３０３の下に、決定ボタン３０４が配置されている。
リンク元コンテンツ表示領域３０１には、アイコン３１１−１乃至３１１−７、及び、ボタン３１２Ｌ，３１２Ｒが表示されている。アイコン３１１−１乃至３１１−７は、リンク元コンテンツの各候補を表すものであり、例えば、対応するコンテンツ（楽曲）を含むアルバムやシングルのジャケット又はアーティストの画像等が用いられる。
なお、以下、アイコン３１１−１乃至３１１−７を個々に区別する必要がない場合、単にアイコン３１１と称する。
ボタン３１２Ｌが押下されると、各アイコン３１１が左方向にスクロールする。このとき、左端に表示されているアイコン３１１が消え、画面内に表示されていないリンク元コンテンツの候補がある場合には、そのコンテンツに対応するアイコン３１１が右端に現れる。一方、ボタン３１２Ｒが押下されると、各アイコン３１１が右方向にスクロールする。このとき、右端に表示されているアイコン３１１が消え、画面内に表示されていないリンク元コンテンツの候補がある場合には、そのコンテンツに対応するアイコン３１１が左端に現れる。なお、タッチスクリーンに表示される場合には、フリック操作によりアイコン３１１をスクロールできるようにしてもよい。
また、中央に大きく表示されているアイコン３１１に対応するコンテンツが、その時点でリンク元コンテンツに選択されているコンテンツとなる。従って、アイコン３１１を左又は右にスクロールし、中央に表示されるアイコン３１１を変更することにより、リンク元コンテンツの選択を切り替えることができる。また、中央に表示されているアイコン３１１の下に、そのアイコンに対応するコンテンツのタイトル及びアーティスト名が表示される。
リンク特徴量表示領域３０２には、アイコン３１３−１乃至３１３−３、及び、ボタン３１４Ｌ，３１４Ｒが表示されている。アイコン３１３−１乃至３１３−３は、リンク特徴量の各候補を表すものであり、例えば、リンク特徴量を表す文字列が表示されている。
なお、以下、アイコン３１３−１乃至３１３−３を個々に区別する必要がない場合、単にアイコン３１３と称する。
ボタン３１４Ｌが押下されると、各アイコン３１３が左方向にスクロールする。このとき、左端に表示されているアイコン３１３が消え、画面内に表示されていないリンク特徴量の候補がある場合には、そのリンク特徴量に対応するアイコン３１３が右端に現れる。一方、ボタン３１４Ｒが押下されると、各アイコン３１３が右方向にスクロールする。このとき、右端に表示されているアイコン３１３が消え、画面内に表示されていないリンク特徴量の候補がある場合には、そのリンク特徴量に対応するアイコン３１３が左端に現れる。なお、タッチスクリーンに表示される場合には、フリック操作によりアイコン３１３をスクロールできるようにしてもよい。
また、中央に大きく表示されているアイコン３１３に対応する特徴量が、その時点でリンク特徴量に選択されている特徴量となる。従って、アイコン３１３を左又は右にスクロールし、中央に表示されるアイコン３１３を変更することにより、リンク特徴量の選択を切り替えることができる。
リンク先コンテンツ表示領域３０３には、アイコン３１５−１乃至３１５−７、及び、ボタン３１６Ｌ，３１６Ｒが表示されている。アイコン３１５−１乃至３１５−７は、リンク先コンテンツの各候補を表すものであり、例えば、対応するコンテンツ（楽曲）を含むアルバムやシングルのジャケット又はアーティストの画像等が用いられる。
なお、以下、アイコン３１５−１乃至３１５−７を個々に区別する必要がない場合、単にアイコン３１５と称する。
ボタン３１６Ｌが押下されると、各アイコン３１５が左方向にスクロールする。このとき、左端に表示されているアイコン３１５が消え、画面内に表示されていないリンク先コンテンツの候補がある場合には、そのコンテンツに対応するアイコン３１５が右端に現れる。一方、ボタン３１６Ｒが押下されると、各アイコン３１５が右方向にスクロールする。このとき、右端に表示されているアイコン３１５が消え、画面内に表示されていないリンク先コンテンツの候補がある場合には、そのコンテンツに対応するアイコン３１５が左端に現れる。なお、タッチスクリーンに表示される場合には、フリック操作によりアイコン３１５をスクロールできるようにしてもよい。
また、中央に大きく表示されているアイコン３１５に対応するコンテンツが、その時点でリンク先コンテンツに選択されているコンテンツとなる。従って、アイコン３１５を左又は右にスクロールし、中央に表示されるアイコン３１５を変更することにより、リンク先コンテンツの選択を切り替えることができる。また、中央に表示されているアイコン３１５の下に、そのアイコンに対応するコンテンツのタイトル及びアーティスト名が表示される。
そして、例えば、リンク元コンテンツの選択を切り替えると、その時点で選択されているリンク元コンテンツ及びリンク特徴量に基づいて、リンク先コンテンツの候補が変更される。これに伴い、リンク先コンテンツ表示領域３０３のアイコン３１５が、変更後のリンク先コンテンツの候補を表すアイコンに更新される。
なお、このとき、リンク特徴量の候補がリンク元コンテンツを基準に選択されている場合、リンク元コンテンツの変更に合わせて、リンク特徴量の候補の表示も更新するようにしてもよい。そして、リンク元コンテンツ及びリンク特徴量の変更に合わせて、リンク先コンテンツの候補の表示を更新するようにしてもよい。
同様に、例えば、リンク特徴量の選択を切り替えると、その時点で選択されているリンク元コンテンツ及びリンク特徴量に基づいて、リンク先コンテンツの候補が変更される。これに伴い、リンク先コンテンツ表示領域３０３のアイコン３１５が、変更後のリンク先コンテンツの候補を表すアイコンに更新される。
そして、アクティブユーザは、リンク元コンテンツ、リンク特徴量、及び、リンク先コンテンツを個々に変更しながら、所望の組合せになった時点で、決定ボタン３０４を押下する。そうすると、その時点に選択しているリンク元コンテンツ、リンク特徴量、及び、リンク先コンテンツの組み合わせからなるコンテンツリンクが作成される。
これにより、アクティブユーザは、リンク元コンテンツ、リンク特徴量、及び、リンク先コンテンツの組み合わせを一画面で確認しながら、コンテンツリンクを作成することができる。また、決定ボタンを押下するまでは、リンク元コンテンツ、リンク特徴量、及び、リンク先コンテンツを自由に変更することができる。従って、より簡単に所望のコンテンツリンクを作成することが可能になる。
（ユーザ推薦学習処理）
次に、図１２のフローチャートを参照して、サーバ１１により実行されるユーザ推薦学習処理について説明する。
次に、図１２のフローチャートを参照して、サーバ１１により実行されるユーザ推薦学習処理について説明する。
なお、この処理は、例えば、定期的、または、所定の条件が満たされたとき実行される。ここで、所定の条件とは、例えば、ユーザの追加又は削除が発生したとき、サーバ１１にユーザ推薦学習処理の実行の指令が入力されたとき等である。
ステップＳ１０１において、評価予測学習部１４１は、評価予測学習を行う。すなわち、評価予測学習部１４１は、コンテンツ情報保存部６１に保存されているコンテンツ情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、所定の学習方法を用いて、各ユーザのコンテンツに対する評価値（例えば、好き嫌いや５段階評価等）を予測するための評価予測モデルを生成する。
なお、評価予測学習部１４１の学習方法には、例えば、以下の非特許文献３に記載されている方法等、任意の方法を採用することができる。
非特許文献３：Su, X., Khoshgoftaar, T. M., "A Survey of Collaborative Filtering Techniques", Advances in Artificial Intelligence, vol. 2009, 2009
評価予測学習部１４１は、生成した評価予測モデルを表すパラメータをパラメータ保存部６５に保存する。
ステップＳ１０２において、ユーザ関係予測学習部１４２は、ユーザ関係予測学習を行う。すなわち、ユーザ関係予測学習部１４２は、ユーザ関係保存部６２に保存されているユーザ関係情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、所定の学習方法を用いて、各ユーザが他のユーザを受け入れる確率を予測するためのーザ関係予測モデルを生成する。
ここで、ユーザＡがユーザＢを受け入れる確率とは、例えば、コンテンツ配信サービス上で、ユーザＡがユーザＢと友人関係を結ぶか、又は、ユーザＢをフォローする確率である。換言すれば、ユーザＡがユーザＢのfollowerになる確率である。
なお、ユーザ関係予測学習部１４２の学習方法には、例えば、以下の非特許文献４に記載されている方法等、任意の方法を採用することができる。
非特許文献４：Hasan, M. A., Zaki, M. J., "A Survey of Link Prediction in Social Networks", Social Network Data Analytics, Springer, 2011
ユーザ関係予測学習部１４２は、生成したユーザ関係予測モデルを表すパラメータをパラメータ保存部６５に保存する。
ステップＳ１０３において、フィードバック予測学習部１４３は、フィードバック予測学習を行う。すなわち、フィードバック予測学習部１４３は、コンテンツ情報保存部６１に保存されているコンテンツ情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、所定の学習方法を用いて、各ユーザが各コンテンツにコメントや評価等のフィードバックを付与する確率を予測するためのフィードバック予測モデルを生成する。
なお、フィードバック予測学習部１４３の学習方法には、例えば、以下の非特許文献５に記載されている方法等、任意の方法を採用することができる。
非特許文献５：Zhang, Y., et al.， "Sentiment Analysis for Online Reviews Using an Author-Review-Object Model"， Asia Information Retrieval Societies Conference，2011
フィードバック予測学習部１４３は、生成したフィードバック予測モデルを表すパラメータをパラメータ保存部６５に保存する。
ステップＳ１０４において、フィードバック評価予測学習部１４４は、フィードバック評価予測学習を行う。すなわち、フィードバック評価予測学習部１４４は、コンテンツ情報保存部６１に保存されているコンテンツ情報、及び、ユーザ履歴保存部６３に保存されているユーザ履歴等に基づいて、所定の学習方法を用いて、他のユーザによるフィードバックとともに提示された場合の各コンテンツに対する各ユーザの評価値を予測するためのフィードバック評価予測モデルを生成する。
なお、フィードバック評価予測学習部１４４の学習方法には、例えば、本願と同一の出願人により出願された特願２０１１−１６８９７５号（以下、特許文献２と称する）に記載されている方法等、任意の方法を採用することができる。
ここで、特許文献２に記載されている方法について簡単に説明する。
例えば、フィードバック評価予測学習部１４４は、コンテンツとともに当該コンテンツに対するフィードバック及びフィードバックを付与したユーザを提示した場合に、提示された組み合わせ（以下、ＣＵＦタプルと称する）に対して、提示されたユーザが付与したフィードバック（以下、メタフィードバックと称する）のデータを収集する。また、フィードバック評価予測学習部１４４は、収集したメタフィードバックがポジティブなものかネガティブなものかの判別を行う。
そして、フィードバック評価予測学習部１４４は、ユーザの特徴量、コンテンツの特徴量、フィードバックの特徴量を１つのベクトルとし、メタフィードバックのポジティブ又はネガティブの判別結果をそれぞれ正例または負例として、サポートベクターマシンやロジスティック回帰などの判別手法（例えば、非特許文献６参照)を適用することにより、ＣＵＦタプルに対する受け入れモデルを生成する。
非特許文献６：Bishop C. M., "Pattern Recognition and Machine Learning", Springer-Verlag, 2006
例えば、ＣＵＦタプルの特徴量ベクトルは、図１３のように表現される。図１３の各欄の値は、１列目に示される評価対象タプルに含まれるコンテンツ、ユーザ、フィードバックの２列目以降に示される各項目に対する特徴量を示している。例えば、図１３の１番目のレコードは、評価対象タプルである（Ｃ１、Ｕ２、Ｆ２）タプルに含まれるコンテンツ、ユーザ、フィードバックの特徴量を示している。具体的には、コンテンツＣ１の”ジャンル ロック”、”ジャンル ポップス”、”ジャンル ジャズ”、”テンポ”、”音の大きさ”、”リズム楽器の比”の各項目に対する特徴量は、それぞれ1，0，0，40，55，40である。ユーザＵ１の”男”、”女”、”２０代以下”、”３０代”、”４０代以上”の各項目に対する特徴量は、1，0，0，1，0である。フィードバックＦ１の”かっこいい”、”！”、特徴量４、特徴量５の各項目に対する特徴量は、それぞれ1，1，0，0である。
そして、メタフィードバックの判別結果に基づいて、ロジスティック回帰等を用いて学習することにより、各ユーザのＣＵＦタプルに対する予測受け入れ度を計算するための特徴量毎の重みが、図１４に示されるように求まる。
なお、図１４の各欄の値は、１列目に示されるユーザの２列目以降に示される各項目に対する重みを示している。例えば、図１４の１番目のレコードは、ユーザＡ１の各項目に対する重みを示している。具体的には、ユーザＡ１のコンテンツに関する”ジャンル ロック”、”ジャンル ポップス”、”ジャンル ジャズ”、”テンポ”、”音の大きさ”、”リズム楽器の比”の各項目に対する重みは、0.85，0.20，-0.42，0.021，0.152，0.002である。ユーザＡ１のユーザに関する”男”、”女”、”２０代以下”、”３０代”、”４０代以上”の各項目に対する重みは、0.51，0.22，0.11，0.53，0.33である。ユーザＡ１のフィードバックに関する”かっこいい”、”！”、”特徴量４”、”特徴量５”の各特徴に対する重みは、0.79，0.35，1.24，0.80である。
そして、図１４の各重みを用いた加算式が受け入れモデルとなる。すなわち、ＣＵＦタプルに含まれるコンテンツ、ユーザ、フードバックの各特徴量にそれぞれ対応する図１４の重みを乗じて加算した値が、そのＣＵＦタプルに対するユーザの予測受け入れ度となる。
そして、この各ユーザのＣＵＦタプルに対する受け入れモデルを、各ユーザのフィードバック評価予測モデルとして用いることができる。
なお、メタフィードバックの判別結果が５段階など３値以上で表される場合には、上述したサポートベクターマシンやロジスティック回帰の代わりに、例えば、線形回帰等を用いるようにすればよい。
そして、フィードバック評価予測学習部１４４は、生成したフィードバック評価予測モデルを表すパラメータをパラメータ保存部６５に保存する。
その後、ユーザ推薦学習処理は終了する。
（コンテンツリンク共有処理）
次に、図１５のフローチャートを参照して、サーバ１１により実行されるコンテンツリンク共有処理について説明する。
次に、図１５のフローチャートを参照して、サーバ１１により実行されるコンテンツリンク共有処理について説明する。
なお、この処理は、例えば、ネットワーク１３を介して、クライアント１２のうちの１つからサーバ１１に、コンテンツリンクを含む画面の表示の要求が送信されたとき開始される。
なお、以下、この処理において、コンテンツリンクを含む画面の表示を要求したユーザをアクティブユーザと称する。
ステップＳ２０１において、サーバ１１は、推薦ユーザランキング作成処理を実行する。ここで、図１６のフローチャートを参照して、推薦ユーザランキング作成処理の詳細について説明する。
ステップＳ２３１において、評価予測部１５１は、各コンテンツに対するアクティブユーザの評価値を予測する。すなわち、評価予測部１５１は、パラメータ保存部６５に保存されている評価予測モデルを用いて、各コンテンツｃに対するアクティブユーザｕの予測評価値ｒｕｃを計算する。評価予測部１５１は、計算結果を示す情報を変化量期待値計算部１３３に供給する。
ステップＳ２３２において、予測部１３２は、アクティブユーザがフォローしていないユーザ（以下、未フォローユーザと称する）の中から、まだ対象ユーザに選択されていないユーザを１人選択する。ここで、対象ユーザとは、ステップＳ２３３乃至Ｓ２３５の処理の対象となるユーザのことである。
ステップＳ２３３において、ユーザ関係予測部１５２は、アクティブユーザが対象ユーザを受け入れる確率を予測する。すなわち、ユーザ関係予測部１５２は、パラメータ保存部６５に保存されているユーザ関係予測モデルを用いて、アクティブユーザｕが対象ユーザｖを受け入れる確率であるユーザ受入確率Ｐ（ｖ｜ｕ）を計算する。ユーザ関係予測部１５２は、計算結果を示す情報を変化量期待値計算部１３３に供給する。
ステップＳ２３４において、フィードバック予測部１５３は、対象ユーザが各コンテンツにフィードバックを付与する確率を予測する。すなわち、フィードバック予測部１５３は、パラメータ保存部６５に保存されているフィードバック予測モデルを用いて、対象ユーザｖが各コンテンツｃにフィードバックｆを付与する確率であるフィードバック付与確率Ｐ（ｃ，ｆ｜ｖ）を計算する。フィードバック予測部１５３は、計算結果を示す情報を変化量期待値計算部１３３に供給する。
ステップＳ２３５において、フィードバック評価予測部１５４は、対象ユーザによるフィードバックとともに提示された場合の各コンテンツに対するアクティブユーザの評価値を予測する。すなわち、フィードバック評価予測部１５４は、パラメータ保存部６５に保存されているフィードバック評価予測モデルを用いて、対象ユーザｖによるフィードバックｆとともに提示された場合の各コンテンツｃに対するアクティブユーザｕのフィードバック予測評価値ｒｕｃ（ｆ，ｖ）を計算する。フィードバック評価予測部１５４は、計算結果を示す情報を変化量期待値計算部１３３に供給する。
ステップＳ２３６において、予測部１３２は、アクティブユーザがフォローしていないユーザの中に、まだ対象ユーザに選択されていないユーザが残っているか否かを判定する。アクティブユーザがフォローしていないユーザの中に、まだ対象ユーザに選択されていないユーザが残っていると判定された場合、処理はステップＳ２３２に戻る。
その後、ステップＳ２３６において、アクティブユーザがフォローしていないユーザの中に、対象ユーザに選択されていないユーザが残っていないと判定されるまで、ステップＳ２３２乃至Ｓ２３６の処理が繰り返し実行される。これにより、アクティブユーザｕの各未フォローユーザｖについて、上述したユーザ受入確率Ｐ（ｖ｜ｕ）、フィードバック付与確率Ｐ（ｃ，ｆ｜ｖ）、フィードバック予測評価値ｒｕｃ（ｆ，ｖ）が計算される。
一方、ステップＳ２３６において、アクティブユーザがフォローしていないユーザの中に、対象ユーザに選択されていないユーザが残っていないと判定された場合、処理はステップＳ２３７に進む。
ステップＳ２３７において、変化量期待値計算部１３３は、変化量期待値を計算する。
一般的に、ある刺激を与えることによるユーザの行動の変化量の期待値は、刺激を受け入れる確率×刺激による行動の変化量により求められる。そして、argmax刺激（刺激を受け入れる確率×刺激による行動の変化量）となる刺激をユーザに与えることにより、ユーザの行動の変化量の期待値を最大化することができる。
そこで、変化量期待値計算部１３３は、次式（１）及び（２）を用いて、アクティブユーザｕの各未フォローユーザｖに対する変化量期待値Ｅ（ｖ｜ｕ）を計算する。
式（１）において、Ｐ（ｖ｜ｕ）が、アクティブユーザｕが刺激（ユーザｖ）を受け入れる確率となり、ΣｃＰ（ｃ,ｆ｜ｖ）Δ（ｒｕｃ,ｒｕｃ（ｆ,ｖ））が、刺激によるアクティブユーザの行動の変化量となる。また、変化量期待値Ｅ（ｖ｜ｕ）は、ユーザｖ（の推薦）という刺激を与えない場合と与えた場合のアクティブユーザｕの行動の差分を表している。従って、変化量期待値Ｅ（ｖ｜ｕ）の絶対値が大きくなるほど、ユーザｖを推薦した後にアクティブユーザｕの行動が変化する可能性が高くなる。一方、変化量期待値Ｅ（ｖ｜ｕ）の絶対値が小さくなるほど、ユーザｖを推薦した後にアクティブユーザｕの行動が変化する可能性が低くなる。
また、Δ（ｒｕｃ,ｒｕｃ（ｆ,ｖ））は、ユーザｖのフィードバックが提示されることによるアクティブユーザｕのコンテンツｃに対する予測評価値の変化量を表している。従って、変化量期待値Ｅ（ｖ｜ｕ）は、ユーザｖという刺激を与えた場合に、アクティブユーザｕの各コンテンツに対する評価値が変化する量の期待値を表している。従って、変化量期待値Ｅ（ｖ｜ｕ）が正の値をとる場合、その絶対値が大きくなるほど、ユーザｖを推薦した後に、アクティブユーザのコンテンツに対する評価値が全体的に上昇する可能性が高くなる。一方、変化量期待値Ｅ（ｖ｜ｕ）が負の値をとる場合、その絶対値が大きくなるほど、ユーザｖを推薦した後に、アクティブユーザのコンテンツに対する評価値が全体的に下降する可能性が高くなる。
そして、変化量期待値計算部１３３は、計算結果を示す情報を推薦ユーザ選択部１３４に供給する。
ステップＳ２３８において、推薦ユーザ選択部１３４は、推薦ユーザランキングを作成する。まず、推薦ユーザ選択部１３４は、アクティブユーザの未フォローユーザを候補ユーザとして、候補ユーザの中からアクティブユーザに推薦する推薦ユーザを選択する。具体的には、推薦ユーザ選択部１３４は、アクティブユーザの未フォローユーザの中から、変化量期待値Ｅ（ｖ｜ｕ）が所定の閾値以上のユーザ、或いは、変化量期待値Ｅ（ｖ｜ｕ）が大きい方から順に所定の人数のユーザを推薦ユーザに選択する。
次に、推薦ユーザ選択部１３４は、選択した推薦ユーザを変化量期待値Ｅ（ｖ｜ｕ）の大きい順に並べた推薦ユーザランキングを作成する。推薦ユーザ選択部１３４は、作成した推薦ユーザランキングを示す情報を、提示内容設定部５１の推薦ユーザリスト作成部１７１に供給する。
その後、推薦ユーザランキング作成処理は終了する。
例えば、典型的なソーシャルサービスにおいてアクティブユーザｕに他のユーザｖを推薦した場合、以下のようなアクションの流れが発生することが予想される。
１．アクティブユーザｕが、推薦されたユーザｖを受け入れる。すなわち、アクティブユーザｕが、ユーザｖをフォローしたり、ユーザｖと友人関係を結んだりする。
２．ユーザｖが、あるコンテンツｃに対してフィードバックｆを付与する。
３．アクティブユーザｕが、ユーザｖによるフィードバックｆを見て、コンテンツｃを受け入れる。例えば、アクティブユーザｕが、コンテンツｃを視聴又は再生したり、購入したりする。
２．ユーザｖが、あるコンテンツｃに対してフィードバックｆを付与する。
３．アクティブユーザｕが、ユーザｖによるフィードバックｆを見て、コンテンツｃを受け入れる。例えば、アクティブユーザｕが、コンテンツｃを視聴又は再生したり、購入したりする。
上述したように、変化量期待値Ｅ（ｖ｜ｕ）が大きい（正の値で、かつ絶対値が大きい）ユーザｖを推薦するほど、アクティブユーザｕがユーザｖを受け入れ、その後、アクティブユーザｕの各コンテンツに対する評価値が上昇する可能性が高くなる。その結果、アクティブユーザｕが新たなコンテンツを受け入れる可能性が高くなる。従って、推薦ユーザランキングの上位のユーザをアクティブユーザｕに推薦することにより、より効率的にアクティブユーザｕに新たなコンテンツを受け入れさせることが可能になる。
なお、上述した式（１）の代わりに、次式（３）により変化量期待値Ｅ（ｖ｜ｕ）を計算することも可能である。
なお、式（３）のＣｖは、ユーザｖがフィードバックを付与しているコンテンツの集合を表す。
この変形例では、フィードバック付与確率Ｐ（ｃ，ｆ｜ｖ）を用いずに、ユーザｖが実際にフィードバックを付与したコンテンツの集合のみを用いて変化量期待値Ｅ（ｕ，ｖ）が計算される。従って、図１２のステップＳ１０３のフィードバック予測学習、及び、図１６のステップＳ２３４のフィードバック付与確率Ｐ（ｃ，ｆ｜ｖ）の計算を省略することが可能になる。
ここで、図１７乃至図１９を参照して、式（３）の変化量期待値Ｅ（ｖ｜ｕ）を用いて推薦ユーザを選択する場合の具体例について説明する。
図１７は、アクティブユーザｕの予測評価値ｒｕｃの計算結果の例を示している。この例では、コンテンツＣ１１乃至Ｃ１４に対するアクティブユーザｕの予測評価値ｒｕｃは、それぞれ4.13、2.21、5.46、3.30となっている。
図１８は、アクティブユーザｕのユーザｖに対するユーザ受入確率Ｐ（ｖ｜ｕ）の計算結果の例を示している。この例では、ユーザＵ１１乃至Ｕ１４に対するアクティブユーザｕのユーザ受入確率Ｐ（ｖ｜ｕ）は、それぞれ0.49、0.11、0.63、0.61となっている。
図１９は、ユーザｖのフィードバックが付与されているコンテンツｃに対するアクティブユーザｕのフィードバック予測評価値ｒｕｃ（ｆ，ｖ）の計算結果の例を示している。この例では、ユーザＵ１１のフィードバックが付与されているコンテンツＣ１１、Ｃ１２、Ｃ１４に対するアクティブユーザｕのフィードバック予測評価値ｒｕｃ（ｆ，ｖ）は、それぞれ5.24、2.54、3.02となっている。また、ユーザＵ１２のフィードバックが付与されているコンテンツＣ１２、Ｃ１３に対するアクティブユーザｕのフィードバック予測評価値ｒｕｃ（ｆ，ｖ）は、それぞれ5.73、5.31となっている。
なお、値がＮ／Ａになっているフィードバック予測評価値ｒｕｃ（ｃ，ｖ）は、対象となるコンテンツにユーザｖのフィードバックが付与されていないため、変化量期待値Ｅ（ｖ｜ｕ）の計算に用いられない。
例えば、アクティブユーザｕのユーザＵ１１に対する変化量期待値Ｅ（Ｕ１１｜ｕ）は、式（３）を用いて、0.568（＝0.49×（5.24−4.13＋2.54−2.21＋3.02−3.30））となる。一方、アクティブユーザｕのユーザＵ１２に対する変化量期待値Ｅ（Ｕ１２｜ｕ）は、式（３）を用いて、0.371（＝0.11×（5.73−2.21＋5.31−5.46））となる。
従って、ユーザＵ１１とユーザＵ１２を比較した場合、ユーザＵ１１の方が、アクティブユーザｕに推薦するのに相応しいユーザであると言え、いずれか一方から推薦ユーザに選択する場合、ユーザＵ１１が推薦ユーザに選択される。
図１５に戻り、ステップＳ２０２において、推薦ユーザリスト作成部１７１は、推薦ユーザランキングに基づいて、推薦ユーザリストを作成する。具体的には、推薦ユーザリスト作成部１７１は、所定の基準に従って、推薦ユーザランキングに含まれるユーザの中から実際にアクティブユーザに推薦する推薦ユーザを選択する。
なお、推薦ユーザの選択基準は、任意に設定することが可能である。例えば、推薦ユーザランキングのトップから所定の順位までのユーザを推薦ユーザに選択するようにしたり、推薦ユーザランキングに含まれるユーザの中から、アクティブユーザのfolloweeのみを推薦ユーザに選択したりするようにすることが可能である。
そして、推薦ユーザリスト作成部１７１は、選択した推薦ユーザを所定の基準に従って並べた推薦ユーザリストを作成する。例えば、推薦ユーザリスト作成部１７１は、推薦ユーザを変化量期待値Ｅ（ｖ｜ｕ）が大きい順に並べることにより、推薦ユーザリストを作成する。推薦ユーザリスト作成部１７１は、作成した推薦ユーザリストを、コンテンツリンクリスト作成部１７２、履歴関連リスト作成部１７３、提示コンテンツ選択部１７４、及び、表示制御部５２に供給する。
なお、以下、アクティブユーザのfolloweeや推薦ユーザリストに含まれるユーザなど、アクティブユーザに提示する対象となるユーザを提示ユーザと称する。
ステップＳ２０３において、コンテンツリンクリスト作成部１７２は、コンテンツリンクリストを作成する。具体的には、コンテンツリンクリスト作成部１７２は、提示ユーザが作成したコンテンツリンクをコンテンツリンク保存部６４から読み出し、読み出したコンテンツリンクを所定の基準に従って並べることによりコンテンツリンクを作成する。
なお、コンテンツリンクを並べる基準は、任意に設定することが可能である。例えば、作成日時が新しい順又は古い順に時系列にコンテンツリンクを並べるようにしてもよい。また、例えば、特徴量が類似する提示ユーザが作成したコンテンツリンクを隣接するように並べたり、逆に、特徴量が類似しない提示ユーザが作成したコンテンツリンクを隣接するように並べたりするようにしてもよい。
コンテンツリンクリスト作成部１７２は、作成したコンテンツリンクリストを提示コンテンツ選択部１７４及び表示制御部５２に供給する。
ステップＳ２０４において、履歴関連リスト作成部１７３は、履歴関連リストを作成する。例えば、履歴関連リスト作成部１７３は、ユーザ履歴保存部６３に保存されているアクティブユーザのユーザ履歴に基づいて、アクティブユーザが所定の期間前から現在までに利用したコンテンツを抽出する。
このとき、コンテンツを抽出する範囲を、対象とする利用のレベルに応じて任意に設定することができる。例えば、アクティブユーザが再生したことがあるコンテンツを含む集合を抽出範囲に設定したり、或いは、アクティブユーザが情報を閲覧したコンテンツを含む集合まで抽出範囲を広げたりすることができる。
また、履歴関連リスト作成部１７３は、コンテンツリンク保存部６４に保存されているコンテンツリンク情報に基づいて、抽出したコンテンツのうち、提示ユーザが作成したコンテンツリンクのリンク元コンテンツ又はリンク先コンテンツになっているコンテンツ、及び、そのコンテンツリンクを抽出する。
そして、履歴関連リスト作成部１７３は、抽出したコンテンツ及びコンテンツリンクに基づいて、履歴関連リストを作成する。履歴関連リスト作成部１７３は、作成した履歴関連リストを提示コンテンツ選択部１７４及び表示制御部５２に供給する。
なお、履歴関連リストの詳細については後述する。
ステップＳ２０５において、提示コンテンツ選択部１７４は、提示コンテンツ選択処理を行う。ここで、図２０のフローチャートを参照して、提示コンテンツ選択処理の詳細について説明する。
ステップＳ２６１において、提示コンテンツ選択部１７４は、提示ユーザの中から提示コンテンツを選択していないユーザを１人選択する。
なお、以下、この処理において、ステップＳ２６１で選択されたユーザを対象ユーザと称する。
ステップＳ２６２において、提示コンテンツ選択部１７４は、提示する候補となるコンテンツ群を選択する。例えば、提示コンテンツ選択部１７４は、ユーザ履歴保存部６３に保存されているユーザ履歴に基づいて、対象ユーザのコンテンツの利用履歴において上位にランクされ、かつ、アクティブユーザのコンテンツの利用履歴に含まれるコンテンツ群（以下、提示候補コンテンツ群と称する）を抽出する。
なお、対象ユーザのコンテンツの利用履歴において上位にランクされるコンテンツとは、対象ユーザにとって重要度が高いコンテンツであり、例えば、対象ユーザの利用回数や、対象ユーザが付与した評価値等により決められる。
また、アクティブユーザのコンテンツの利用履歴に含まれるコンテンツとは、過去にアクティブユーザが利用したコンテンツのことである。
なお、このとき使用する対象ユーザ及びアクティブユーザの利用履歴に含めるコンテンツの利用のレベルは、任意に設定することができる。例えば、再生したことがあるコンテンツのみを利用履歴に含めるようにしてもよいし、或いは、情報を閲覧したことがあるコンテンツまで利用履歴に含めるようにしてもよい。
ここで、図２１を参照して、コンテンツの再生回数に基づいて提示候補コンテンツ群を抽出する場合の例について説明する。図２１は、アクティブユーザＵ１と対象ユーザＵ１１の各コンテンツの再生回数の履歴を示している。
例えば、提示候補コンテンツ群の抽出条件を、対象ユーザＵ１１の再生回数が１０回以上、かつ、アクティブユーザが過去に再生したことがあるという条件に設定した場合、コンテンツＣ１１、Ｃ１２、Ｃ１４、Ｃ１６、Ｃ１７が抽出される。
なお、以下、提示候補コンテンツ群に含まれるコンテンツを、提示候補コンテンツとも称する。
ステップＳ２６３において、提示コンテンツ選択部１７４は、抽出したコンテンツ群に含まれる各コンテンツ（すなわち、提示候補コンテンツ）間の距離を計算する。
コンテンツｃｉとコンテンツｃｊとの間の距離をｄ（ｃｉ，ｃｊ）とすると、距離ｄ（ｃｉ，ｃｊ）の計算方法には、任意の方法を採用することができる。例えば、コンテンツの特徴量空間におけるユークリッド距離や、ユーザの評価履歴に基づくコサイン類似度等を、距離ｄ（ｃｉ，ｃｊ）に用いることができる。
ここで、図２２および図２３を参照して、コンテンツ間の距離の計算方法の具体例について説明する。図２２は、先に説明した図２１の例において抽出されたコンテンツＣ１１、Ｃ１２、Ｃ１４、Ｃ１６、Ｃ１７の特徴量の例を示している。この例では、テンポ、音の密度、リズム楽器比の３種類の特徴量が用いられている。例えば、コンテンツＣ１１のテンポの値は55であり、音の密度の値は39であり、リズム楽器比の値は26である。
図２３は、図２２の特徴量に基づいて、各コンテンツ間のユークリッド距離を計算した結果を示している。例えば、コンテンツＣ１１と、コンテンツＣ１２、コンテンツＣ１４、コンテンツＣ１６、コンテンツＣ１７の各コンテンツとの間の距離は、それぞれ、23.5、41.8、35.6、33.3である。
ステップＳ２６４において、提示コンテンツ選択部１７４は、先頭に提示するコンテンツを選択する。具体的には、提示コンテンツ選択部１７４は、所定の方法により、提示候補コンテンツ群の中から、対象ユーザとともに先頭に提示するコンテンツ（以下、先頭提示コンテンツと称する）を１つ選択する。提示コンテンツ選択部１７４は、選択した先頭提示コンテンツを、対象ユーザの提示コンテンツ群に追加する。
なお、提示コンテンツ群とは、対象ユーザの情報とともにアクティブユーザに提示される提示コンテンツに、提示候補コンテンツ群の中から選択されたコンテンツの集合のことである。
なお、先頭提示コンテンツの選択方法には、任意の方法を採用することができる。例えば、提示候補コンテンツ群の中から、対象ユーザのコンテンツの利用履歴の最上位にランクされるコンテンツを選択するようにしてもよいし、或いは、ランダムに選択するようにしてもよい。
例えば、図２１の例において、再生回数に基づいて、対象ユーザＵ１１の先頭提示コンテンツを選択する場合、提示候補コンテンツ群において最も再生回数が多いコンテンツＣ１２が先頭提示コンテンツに選択される。
なお、先頭提示コンテンツは、まだ他の提示ユーザの提示コンテンツに選択されていないコンテンツの中から選択するようにすることが望ましい。
ステップＳ２６５において、提示コンテンツ選択部１７４は、提示コンテンツ群に非類似なコンテンツを選択する。具体的には、提示コンテンツ選択部１７４は、まだ提示コンテンツに選択されていない提示候補コンテンツの中から、提示コンテンツ群との間の距離が最大となるコンテンツを１つ選択する。
例えば、提示候補コンテンツのうち、まだ提示コンテンツに選択されてないコンテンツをｃａｉ（ｉ＝１，２，・・・，Ｍ）とし、すでに提示コンテンツに選択されているコンテンツをｃｂｊ（ｊ＝１，２，・・・，Ｎ）とした場合、提示コンテンツ選択部１７４は、argmaxｉΣｊd（ｃａｉ，ｃｂｊ）を満たすコンテンツｃａｉを選択する。その結果、選択済みの提示コンテンツと互いに似ていないコンテンツが選択されるようになる。
例えば、いまの例の場合、すでに提示コンテンツに選択されているコンテンツＣ１２からの距離が最大となるコンテンツＣ１４が選択される。また、コンテンツＣ１２とコンテンツＣ１４が提示コンテンツに選択されている場合、コンテンツＣ１２とコンテンツＣ１４からの距離の平均値が最大になるコンテンツＣ１６が提示コンテンツに選択される。
なお、このとき、距離の算出に用いる提示コンテンツ群に、すでに選択済みの他の提示ユーザの提示コンテンツを含めるようにしてもよい。これにより、対象ユーザの提示コンテンツだけでなく、他の提示ユーザの提示コンテンツとも互いに似ていないコンテンツが選択されるようになる。
ステップＳ２６６において、提示コンテンツ選択部１７４は、選択したコンテンツと他の提示ユーザの（選択済みの）提示コンテンツとの間の重複判定を行う。
ステップＳ２６７において、提示コンテンツ選択部１７４は、ステップＳ２６６の判定結果に基づいて、選択したコンテンツが他の提示ユーザの提示コンテンツと重複するか否かを判定する。選択したコンテンツが他の提示ユーザの提示コンテンツと重複しないと判定された場合、処理はステップＳ２６８に進む。
ステップＳ２６８において、提示コンテンツ選択部１７４は、選択したコンテンツを、対象ユーザの提示コンテンツ群に追加する。
その後、処理はステップＳ２６９に進む。
一方、ステップＳ２６７において、選択したコンテンツが他の提示ユーザの提示コンテンツと重複すると判定された場合、ステップＳ２６８の処理はスキップされ、処理はステップＳ２６９に進む。すなわち、選択したコンテンツは、対象ユーザの提示コンテンツ群に加えられない。また、選択したコンテンツは、対象ユーザの提示候補コンテンツ群から除外される。
ステップＳ２６９において、提示コンテンツ選択部１７４は、対象ユーザの提示コンテンツが所定の数に達したか否かを判定する。対象ユーザの提示コンテンツが所定の数に達していないと判定された場合、処理はステップＳ２６５に戻る。
その後、ステップＳ２６９において、提示コンテンツが所定の数に達したと判定されるまで、ステップＳ２６５乃至Ｓ２６９の処理が繰り返し実行される。これにより、対象ユーザの利用履歴において上位にランクされ、かつ、アクティブユーザの利用履歴に含まれるコンテンツの中から、他の提示ユーザの提示コンテンツと一致しないコンテンツが、所定の数だけ対象ユーザの提示コンテンツとして選択される。また、選択された提示コンテンツは、可能な限り互いに似ていないものとなる。従って、１人の提示ユーザについて提示される提示コンテンツの種類が多様なものになる。
一方、ステップＳ２６９において、提示コンテンツが所定の数に達したと判定された場合、処理はステップＳ２７０に進む。
ステップＳ２７０において、提示コンテンツ選択部１７４は、全ての提示ユーザの提示コンテンツを選択したか否かを判定する。まだ全ての提示ユーザの提示コンテンツを選択していないと判定された場合、処理はステップＳ２６１に戻る。
その後、ステップＳ２７０において全ての提示ユーザの提示コンテンツを選択したと判定されるまで、ステップＳ２６１乃至Ｓ２７０の処理が繰り返し実行される。これにより、全ての提示ユーザの提示コンテンツが所定の数ずつ選択される。
一方、ステップＳ２７０において、全ての提示ユーザの提示コンテンツを選択したと判定された場合、処理はステップＳ２７１に進む。
ステップＳ２７１において、提示コンテンツ選択部１７４は、各提示ユーザの提示コンテンツの選択結果を示す情報を表示制御部５２に供給する。
その後、提示コンテンツ選択処理は終了する。
図１５に戻り、ステップＳ２０６において、サーバ１１は、コンテンツリンク等を提示する。具体的には、表示制御部５２は、推薦ユーザリスト、コンテンツリンクリスト、及び、履歴関連リストを少なくとも１つを含む画面を表示するための表示制御データを生成する。なお、推薦ユーザリスト、コンテンツリンクリスト、履歴関連リストをどのように組み合わせて表示するかは、クライアント１２からの要求等により変化する。表示制御部５２は、通信部３１を介して、生成した表示制御データをアクティブユーザのクライアント１２に送信する。
アクティブユーザのクライアント１２の出力制御部２０３は、ネットワーク１３及び通信部２０１を介して、サーバ１１から表示制御データを受信する。出力制御部２０３は、表示制御データに基づいて、推薦ユーザリスト、コンテンツリンクリスト、及び、履歴関連リストを少なくとも１つを含む画面を出力部２０４に表示させる。
ここで、図２４乃至図２７を参照して、クライアント１２において表示される推薦ユーザリスト、コンテンツリンクリスト、及び、履歴関連リストの具体例について説明する。
図２４は、推薦ユーザリストの表示例を示している。なお、図内の点線は、説明のために追加した補助線であり、実際には表示されない。
この例では、ユーザＡ乃至ユーザＣが、推薦ユーザとして縦に並べて提示されている。
ユーザ画像４０１ａ乃至４０１ｃは、それぞれユーザＡ乃至ユーザＣを表す画像であり、例えば、各ユーザの写真やアバター等が用いられる。また、ユーザ画像４０１ａの右には、ユーザＡの名前又はニックネーム等が表示されている。
ユーザ画像４０１ａの右、かつ、ユーザＡの名前等の下に、提示コンテンツ表示領域４０２が設けられている。提示コンテンツ表示領域４０２には、ユーザＡの提示コンテンツを表す画像が横に並べて表示されている。このコンテンツを表す画像には、例えば、各コンテンツを含むアルバムやシングルのジャケット又はアーティストの写真等が用いられる。これは、図２４乃至図２７の他のコンテンツを表す画像についても同様である。
提示コンテンツ表示領域４０２の下には、コンテンツリンク表示領域４０３ａ１が設けられている。コンテンツリンク表示領域４０３ａ１内には、ユーザＡが作成したコンテンツリンクが表示されている。具体的には、右向きの矢印の左には、リンク元コンテンツを表す画像が表示され、矢印の右には、リンク先コンテンツを表す画像が表示されている。
コンテンツリンク表示領域４０３ａ１の左には、フィードバックボタン４０４−１が表示されている。フィードバックボタン４０４−１は、コンテンツリンク表示領域４０３ａ１内のコンテンツリンクをアクティブユーザが気に入った場合等に、その意思を表明するフィードバックを付与するために押下されるボタンである。フィードバックボタン４０４−１の右には、コンテンツリンク表示領域４０３ａ１内のコンテンツリンクに対して、これまでにフィードバックを付与したユーザの数（以下、フィードバックユーザ数と称する）が表示されている。
コンテンツリンク表示領域４０３ａ１の下には、コンテンツリンク表示領域４０３ａ１内のコンテンツリンクとは別の、ユーザＡにより作成されたコンテンツリンクを表示するためのコンテンツリンク表示領域４０３ａ２が設けられている。
また、コンテンツリンク表示領域４０３ａ２の左には、フィードバクボタン４０４−１と同様のフィードバックボタン４０４−２が表示されている。さらに、フィードバックボタン４０４−２の左には、コンテンツリンク表示領域４０３ａ２内のコンテンツリンクに対するフィードバックユーザ数が表示されている。
ユーザ画像４０１ｂの右には、コンテンツリンク表示領域４０３ｂが設けられている。コンテンツリンク表示領域４０３ｂには、ユーザＢにより作成されたコンテンツリンクが表示されている。
ユーザ画像４０１ｃの右には、コンテンツリンク表示領域４０３ｃが設けられている。コンテンツリンク表示領域４０３ｃには、ユーザＣにより作成されたコンテンツリンクが表示されている。
なお、推薦ユーザの表示順は、任意に設定することが可能である。例えば、変化量期待値Ｅ（ｖ｜ｕ）の大きい順に並べることが可能である。また、例えば、特徴量が類似するユーザを隣接するように並べたり、逆に、特徴量が類似しないユーザを隣接するように並べたりすることが可能である。
図２５は、コンテンツリンクリストの表示例を示している。なお、図内の点線は、説明のために追加した補助線であり、実際には表示されない。
この例では、アクティブユーザのfolloweeであるユーザＡ乃至ユーザＣが作成したコンテンツリンク、及び、ユーザＡ乃至Ｃに関する情報等が、縦方向に３段に並べて表示されている。
１段目の左には、コンテンツリンク表示領域４２１ａが設けられている。コンテンツリンク表示領域４２１ａ内の表示内容は、図２４のコンテンツリンク表示領域４０３ａ１乃至４０３ｃとほぼ同様であるが、各コンテンツを表す画像の下に、各コンテンツのアーティスト名が表示されている点が異なっている。
コンテンツリンク表示領域４２１ａの右には、吹き出し４２２ａが表示されている。吹き出し４２２ａ内には、コンテンツリンク表示領域４２１ａ内のコンテンツリンクに用いられているリンク特徴量を示す情報、換言すれば、コンテンツリンクを構成する２つのコンテンツの関係を表す情報が表示されている。なお、この情報には、例えば、サーバ１１から提供されるリンク特徴量のラベル等を用いるようにしてもよいし、コンテンツリンクを作成したユーザが作成した情報を用いるようにしてもよい。また、吹き出し４２２ａ内には、コンテンツリンク表示領域４２１ａ内のコンテンツリンクに対するフィードバックボタン４２３ａが表示されている。
吹き出し４２２ａの右には、コンテンツリンク表示領域４２１ａ内のコンテンツリンクを作成したユーザを表すユーザ画像４２４ａが表示されている。ユーザ画像４２４ａの右には、ユーザＡの名前又はニックネーム等が表示されている。
ユーザ画像４２４ａの右、かつ、ユーザＡの名前等の下に、図２４の提示コンテンツ表示領域４０２と同様の提示コンテンツ表示領域４２５ａが設けられている。提示コンテンツ表示領域４２５ａには、ユーザＡの提示コンテンツを表す画像が表示されている。
２段目には、ユーザＢにより作成されたコンテンツリンク、及び、ユーザＢに関する情報が、１段目と同様の構成により表示されている。３段目には、ユーザＣにより作成されたコンテンツリンク、及び、ユーザＣに関する情報が、１段目及び２段目と同様の構成により表示されている。
なお、コンテンツリンクの表示順は、任意に設定することが可能である。例えば、作成日時が新しい順又は古い順に時系列に並べることが可能である。また、例えば、特徴量が類似するユーザが作成したコンテンツリンクを隣接するように並べたり、逆に、特徴量が類似しないユーザが作成したコンテンツリンクを隣接するように並べたりすることが可能である。
また、図２６に示されるように、アクティブユーザのfolloweeだけでなく、推薦ユーザのコンテンツリンクを混ぜて表示するようにしてもよい。
具体的には、図２６のコンテンツリンクリストには、図２５のコンテンツリンクの２段目と３段目のコンテンツリンクの間に、斜線で示される段が挿入されている。そして、その段に推薦ユーザであるユーザＤのコンテンツリンク、及び、ユーザＤに関する情報が、他の段と同様の構成により表示されている。また、ユーザＤを表す画像４２４ｄの左上には、ユーザＤが推薦ユーザであることを表す星印が表示されている。
なお、この図のように、推薦ユーザのコンテンツリンクをfolloweeのコンテンツリンクと識別できるようにしてもよいし、識別できないようにしてもよい。また、例えば、推薦ユーザのコンテンツリンクを特徴量が最も類似するfolloweeのコンテンツリンクに隣接するように表示してもよい。
図２７は、履歴関連リストの表示例を示している。履歴関連リストには、アクティブユーザの過去のコンテンツの利用履歴とともに、利用履歴に含まれるコンテンツ（以下、履歴コンテンツと称する）を含むコンテンツリンク等が表示される。
具体的には、この例では、履歴コンテンツに関する情報等が２段に並べて表示されている。なお、履歴コンテンツの表示順は、任意に設定することができる。例えば、利用した日時が新しい順に並べるようにしてもよいし、利用回数（この例の場合、再生回数）が多い順に並べるようにしてもよい。
１段目の左上には、履歴コンテンツ表示領域４５１ａが設けられている。履歴コンテンツ表示領域４５１ａには、履歴コンテンツのうちの１つに関する情報が表示されている。具体的には、履歴コンテンツを表す画像、履歴コンテンツのタイトル、アーティスト名、評価値、再生回数が表示されている。なお、評価値として、アクティブユーザが付与した評価値を表示するようにしてもよいし、各ユーザが付与した評価値の平均値を表示するようにしてもよい。また、再生回数として、アクティブユーザの再生回数を表示するようにしてもよいし、全ユーザの再生回数の合計を表示するようにしてもよい。
履歴コンテンツ表示領域４５１ａの下には、リンクコンテンツ表示領域４５２ａ１及び４５２ａ２が縦に並べて設けられている。リンクコンテンツ表示領域４５２ａ１及び４５２ａ２には、履歴コンテンツ表示領域４５１ａに表示されている履歴コンテンツとコンテンツリンクを構成するコンテンツに関する情報が表示されている。
具体的には、右向きの矢印が表示されているリンクコンテンツ表示領域４５２ａ１には、履歴コンテンツ表示領域４５１ａに表示されている履歴コンテンツのリンク先となるコンテンツを表す画像、及び、アーティスト名が表示されている。これにより、履歴コンテンツ表示領域４５１ａ内の履歴コンテンツがリンク元となり、リンクコンテンツ表示領域４５２ａ１内のコンテンツがリンク先となるコンテンツリンクが、アクティブユーザに提示される。
リンクコンテンツ表示領域４５２ａ１の右には、吹き出し４５３ａ１が表示されている。吹き出し４５３ａ１内には、履歴コンテンツ表示領域４５１ａ内の履歴コンテンツとリンクコンテンツ表示領域４５２ａ１内のコンテンツからなるコンテンツリンクに用いられているリンク特徴量を示す情報が表示されている。
吹き出し４５３ａ１の右には、履歴コンテンツ表示領域４５１ａ内の履歴コンテンツとリンクコンテンツ表示領域４５２ａ１内のコンテンツからなるコンテンツリンクを作成したユーザＢを表すユーザ画像４５４ａ１が表示されている。また、ユーザ画像４５４ａ１の右には、ユーザＢの名前又はニックネーム等が表示されている。
ユーザ画像４５４ａ１の右、かつ、ユーザＢの名前等の下に、図２４の提示コンテンツ表示領域４０２と同様の提示コンテンツ表示領域４５５ａ１が設けられている。提示コンテンツ表示領域４５５ａ１には、ユーザＢの提示コンテンツを表す画像が表示されている。
一方、左向きの矢印が表示されているリンクコンテンツ表示領域４５２ａ２には、履歴コンテンツ表示領域４５１ａに表示されている履歴コンテンツのリンク元となるコンテンツを表す画像、及び、アーティスト名が表示されている。これにより、リンクコンテンツ表示領域４５２ａ２内のコンテンツがリンク元となり、履歴コンテンツ表示領域４５１ａ内の履歴コンテンツがリンク先となるコンテンツリンクが、アクティブユーザに提示される。
リンクコンテンツ表示領域４５２ａ２の右には、吹き出し４５３ａ２が表示されている。吹き出し４５３ａ２内には、履歴コンテンツ表示領域４５２ａ２内の履歴コンテンツとリンクコンテンツ表示領域４５２ａ２内のコンテンツからなるコンテンツリンクに用いられているリンク特徴量を示す情報が表示されている。
吹き出し４５３ａ２の右には、履歴コンテンツ表示領域４５１ａ内の履歴コンテンツとリンクコンテンツ表示領域４５２ａ２内のコンテンツからなるコンテンツリンクを作成したユーザＣを表すユーザ画像４５４ａ２が表示されている。また、ユーザ画像４５４ａ２の右には、ユーザＣの名前又はニックネーム等が表示されている。
ユーザ画像４５４ａ２の右、かつ、ユーザＣの名前等の下に、図２４の提示コンテンツ表示領域４０２と同様の提示コンテンツ表示領域４５５ａ２が設けられている。提示コンテンツ表示領域４５５ａ２には、ユーザＣの提示コンテンツを表す画像が表示されている。
２段目には、１段目と同様の構成により、アクティブユーザの別の履歴コンテンツに関する情報、その履歴コンテンツを含むコンテンツリンク、コンテンツリンクを作成したユーザに関する情報等が表示されている。
なお、履歴コンテンツとともに提示するコンテンツリンクは、アクティブユーザのfolloweeにより作成されたものだけに限定するようにしてもよいし、推薦ユーザにより作成されたものも含めるようにしてもよい。
そして、例えば、図２４乃至図２７の画面が１つ以上、アクティブユーザのクライアント１２において組み合わせて表示される。
その後、コンテンツリンク共有処理は終了する。
以上のようにして、アクティブユーザは、他のユーザが作成したコンテンツリンクを利用することができる。その結果、アクティブユーザは、他のユーザの視点に基づいて、互いに関連するコンテンツを見つけることができる。特に、履歴関連リストでは、アクティブユーザは、自分の利用したコンテンツに関連するコンテンツを見つけることができる。また、アクティブユーザは、他のユーザが作成したコンテンツリンクを通じて、コンテンツに関する見識を広げたり、自分の嗜好に合うコンテンツを見つけたりすることが容易になる。
また、アクティブユーザの行動に変化を起こす可能性が高いユーザが推薦されるので、アクティブユーザが、そのユーザを受け入れ、さらに新たなコンテンツを受け入れる可能性が高くなる。さらに、単にアクティブユーザと類似するユーザ（例えば、同様のコンテンツの利用履歴を持つユーザ）が推薦されても、アクティブユーザにとってあまり新しい発見はない。これに対して、アクティブユーザの行動に変化を起こす可能性が高いユーザを推薦することにより、アクティブユーザが新しい発見（例えば、新たなジャンルのコンテンツに触れる等）をする可能性が高くなる。
さらに、提示ユーザとともに提示されるコンテンツの利用履歴（すなわち、提示コンテンツ）において、互いに似ていないコンテンツが提示されるので、提示ユーザの嗜好を偏ることなく正確に伝えることができる。これにより、アクティブユーザは、各提示ユーザの嗜好を把握しやすくなり、自分との類似点や相違点を認識しやすくなる。その結果、アクティブユーザは、より他のユーザとの類似性を感じやくなり、自分の嗜好と合うユーザを見つけやすくなる。また、アクティブユーザは、より多様なコンテンツに触れる機会を得ることができる。
さらに、各提示ユーザ間で提示されるコンテンツの重複が抑制されるので、各提示ユーザ間の嗜好の類似点及び相違点をより明確に伝えることができる。また、アクティブユーザは、より多様なコンテンツに触れる機会を得ることができる。
＜２．変形例＞
以下、上述した本技術の実施の形態の変形例について説明する。
以下、上述した本技術の実施の形態の変形例について説明する。
［変形例１：コンテンツリンクに関する変形例］
以上の説明では、作成したコンテンツリンクをユーザ間で共有する例を示したが、本技術は、例えば、ユーザが、自分のローカルの環境内でコンテンツリンクを作成し、個人で利用する場合にも適用することができる。
以上の説明では、作成したコンテンツリンクをユーザ間で共有する例を示したが、本技術は、例えば、ユーザが、自分のローカルの環境内でコンテンツリンクを作成し、個人で利用する場合にも適用することができる。
また、本技術は、コンテンツの一部（例えば、楽曲のイントロ部分やサビの部分等）同士を結び付けたコンテンツリンクや、コンテンツ全体と他のコンテンツの一部を結び付けたコンテンツリンクを作成する場合にも適用することができる。また、コンテンツの一部同士のリンクを作成する場合には、同じコンテンツ内の異なる部分を結び付けたコンテンツリンクを作成することも可能である。
さらに、以上の説明では、コンテンツリンクともに、コンテンツリンクを作成したユーザの情報を提示する例を示したが、作成したユーザの情報を省略することも可能である。
また、本技術は、１対１の組み合わせからなるコンテンツリンクだけでなく、１対多又は多対１の組み合わせからなるコンテンツリンクや、多対多からなるコンテンツリンクを作成する場合にも適用することができる。
さらに、本技術は、３連結以上のコンテンツリンクを作成する場合にも適用することができる。
また、本技術は、上述した音楽や動画以外にも、書籍、ゲーム、ソフトウエア、ウエブサイト、ニュース、広告等の、文字、音声、画像等の各種のコンテンツのリンクを作成する場合にも適用することができる。
さらに、本技術は、コンテンツ以外の各種のアイテム、例えば、各種の商品、ソーシャルサービス上のユーザ、著名人等のリンクを作成する場合にも適用することができる。
［変形例２：ユーザ及びコンテンツの提示に関する変形例］
以上の説明では、複数の提示ユーザを提示する例を示したが、本技術は、１人の提示ユーザを提示する場合にも適用することができる。すなわち、１人の提示ユーザとともに複数の提示コンテンツを提示する場合に、互いに似ていない提示コンテンツを提示することにより、上述した効果を得ることができる。
以上の説明では、複数の提示ユーザを提示する例を示したが、本技術は、１人の提示ユーザを提示する場合にも適用することができる。すなわち、１人の提示ユーザとともに複数の提示コンテンツを提示する場合に、互いに似ていない提示コンテンツを提示することにより、上述した効果を得ることができる。
また、以上の説明では、各提示ユーザにつき複数の提示コンテンツを提示する例を示したが、本技術は、１つの提示コンテンツを提示する場合にも適用することができる。すなわち、例えば、複数の提示ユーザを提示する場合に、各提示ユーザにつき１つずつ提示コンテンツを提示する場合に、互いに提示コンテンツが重複しないようにすることにより、上述した効果を得ることができる。
さらに、以上の説明では、提示ユーザ間で提示コンテンツの重複を禁止する例を示したが、所定の範囲内で提示コンテンツの重複を許可するようにしてもよい。換言すれば、提示ユーザ間で重複する提示コンテンツの数を所定の範囲内に制限するようにしてもよい。
例えば、提示コンテンツ全体で、重複して提示されるコンテンツの数を所定の範囲内に制限するようにしてもよい。これは、例えば、全提示ユーザ分を合わせて１０個の提示コンテンツを提示する場合、全部で２個まで重複を許可する場合等である。
あるいは、例えば、１人の提示ユーザにつき他の提示ユーザと重複する提示コンテンツの数を所定の範囲内に制限するようにしてもよい。これは、例えば、１人の提示ユーザにつき３個の提示コンテンツを提示する場合、１個までは他の提示コンテンツと重複を許可する場合等である。
あるいは、例えば、１つの提示コンテンツにつき重複して提示される提示ユーザの数を制限するようにしてもよい。これは、例えば、１つの提示コンテンツが、２人の提示ユーザまで重複して提示されることを許可する場合等である。
また、以上の説明では、提示ユーザとともに提示ユーザが作成したコンテンツリンク及び提示コンテンツを提示する例を示したが、いずれか一方のみを提示するようにしてもよい。すなわち、提示ユーザとともにコンテンツリンクのみを提示したり、提示ユーザとともに提示コンテンツを提示したりするようにしてもよい。
さらに、本技術は、上述した音楽や動画以外にも、書籍、ゲーム、ソフトウエア、ウエブサイト、ニュース、広告等の、文字、音声、画像等の各種のコンテンツを提示ユーザとともに提示する場合にも適用することができる。
また、本技術は、コンテンツ以外の各種のアイテム、例えば、各種の商品、ソーシャルサービス上のユーザ等を提示ユーザとともに提示する場合にも適用することができる。
［変形例３：その他の変形例］
なお、本技術におけるアイテムの利用の定義は、対象とするアイテムの種類等により異なる。例えば、アイテムが音楽である場合、再生等がアイテムの利用に該当し、動画の場合、視聴等がアイテムの利用に該当する。また、例えば、アイテムが商品である場合、購入や情報の閲覧等がアイテムの利用に該当する。さらに、例えば、アイテムが他のユーザである場合、そのユーザとのコミュニケーション等がアイテムの利用に該当する。
なお、本技術におけるアイテムの利用の定義は、対象とするアイテムの種類等により異なる。例えば、アイテムが音楽である場合、再生等がアイテムの利用に該当し、動画の場合、視聴等がアイテムの利用に該当する。また、例えば、アイテムが商品である場合、購入や情報の閲覧等がアイテムの利用に該当する。さらに、例えば、アイテムが他のユーザである場合、そのユーザとのコミュニケーション等がアイテムの利用に該当する。
また、以上の説明では、変化量期待値として、ユーザのコンテンツに対する評価値の変化量の期待値を用いる例を示したが、その他のユーザの行動を表すパラメータの変化量の期待値を用いるようにしてもよい。
［コンピュータの構成例］
上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。
上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。
図２８は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。
コンピュータにおいて、CPU（Central Processing Unit）６０１，ROM（Read Only Memory）６０２，RAM（Random Access Memory）６０３は、バス６０４により相互に接続されている。
バス６０４には、さらに、入出力インタフェース６０５が接続されている。入出力インタフェース６０５には、入力部６０６、出力部６０７、記憶部６０８、通信部６０９、及びドライブ６１０が接続されている。
入力部６０６は、キーボード、マウス、マイクロフォンなどよりなる。出力部６０７は、ディスプレイ、スピーカなどよりなる。記憶部６０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部６０９は、ネットワークインタフェースなどよりなる。ドライブ６１０は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリなどのリムーバブルメディア６１１を駆動する。
以上のように構成されるコンピュータでは、CPU６０１が、例えば、記憶部６０８に記憶されているプログラムを、入出力インタフェース６０５及びバス６０４を介して、RAM６０３にロードして実行することにより、上述した一連の処理が行われる。
コンピュータ（CPU６０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア６１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
コンピュータでは、プログラムは、リムーバブルメディア６１１をドライブ６１０に装着することにより、入出力インタフェース６０５を介して、記憶部６０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部３５９で受信し、記憶部６０８にインストールすることができる。その他、プログラムは、ROM６０２や記憶部６０８に、あらかじめインストールしておくことができる。
なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。
さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
例えば、本技術は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
また、例えば、本技術は以下のような構成も取ることができる。
（１）
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部と
を備える情報処理装置。
（２）
前記リンク特徴量選択部は、前記ユーザ及び前記第１のアイテムのうち少なくとも一方を基準にして、前記リンク特徴量を選択する
前記（１）に記載の情報処理装置。
（３）
前記リンク特徴量選択部は、前記ユーザが付与した各アイテムに対する評価に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択する
前記（２）に記載の情報処理装置。
（４）
前記リンク特徴量選択部は、前記ユーザが作成したアイテムのリンクに用いられた前記リンク特徴量に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択する
前記（２）に記載の情報処理装置。
（５）
前記リンク特徴量選択部は、前記第１のアイテムの特徴を顕著に表す特徴量を前記リンク特徴量に選択する
前記（２）に記載の情報処理装置。
（６）
前記リンク特徴量選択部は、複数の前記リンク特徴量の候補を選択し、
前記提示制御部は、前記リンク特徴量の候補を前記ユーザに提示するように制御し、
前記アイテム選択部は、前記ユーザにより選択された前記リンク特徴量に基づいて、前記第２のアイテムの候補を選択する
前記（１）乃至（５）のいずれかに記載の情報処理装置。
（７）
前記提示制御部は、複数の前記第１のアイテムの候補を前記ユーザに提示するように制御し、
前記アイテム選択部は、前記ユーザにより選択された前記第１のアイテム、及び、前記リンク特徴量に基づいて、前記第２のアイテムの候補を選択する
前記（１）乃至（６）のいずれかに記載の情報処理装置。
（８）
前記リンク作成部は、前記第１のアイテムと前記ユーザにより選択された前記第２アイテムとのリンクを作成する
前記（１）乃至（７）のいずれかに記載の情報処理装置。
（９）
前記提示制御部は、さらに作成されたアイテムのリンクのユーザへの提示を制御する
前記（１）乃至（８）のいずれかに記載の情報処理装置。
（１０）
前記提示制御部は、作成したユーザの情報とともに前記アイテムのリンクを提示するように制御する
前記（９）に記載の情報処理装置。
（１１）
前記提示制御部は、前記アイテムのリンクの作成に用いられた前記リンク特徴量を示す情報とともに前記アイテムのリンクを提示するように制御する
前記（９）又は（１０）に記載の情報処理装置。
（１２）
前記提示制御部は、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御する
前記（９）乃至（１１）のいずれかに記載の情報処理装置。
（１３）
ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択する推薦ユーザ選択部を
さらに備え、
前記提示制御部は、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御する
前記（９）乃至（１２）のいずれかに記載の情報処理装置。
（１４）
前記推薦ユーザ選択部は、前記ユーザが前記候補ユーザを受け入れる確率、及び、前記候補ユーザのフィードバックが提示されることによる所定のアイテム群に対する前記ユーザの評価の予測値の変化量に基づいて、前記期待値を計算する
前記（１３）に記載の情報処理装置。
（１５）
前記推薦ユーザ選択部は、さらに前記アイテム群に含まれる各アイテムに前記候補ユーザがフィードバックを付与する確率に基づいて、前記期待値を計算する
前記（１４）に記載の情報処理装置。
（１６）
前記提示制御部は、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補の他の情報処理装置への提示を制御する
前記（１）乃至（１５）のいずれかに記載の情報処理装置。
（１７）
情報処理装置が、
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成する
ステップを含む情報処理方法。
（１８）
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成する
ステップを含む処理をコンピュータに実行させるためのプログラム。
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部と
を備える情報処理装置。
（２）
前記リンク特徴量選択部は、前記ユーザ及び前記第１のアイテムのうち少なくとも一方を基準にして、前記リンク特徴量を選択する
前記（１）に記載の情報処理装置。
（３）
前記リンク特徴量選択部は、前記ユーザが付与した各アイテムに対する評価に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択する
前記（２）に記載の情報処理装置。
（４）
前記リンク特徴量選択部は、前記ユーザが作成したアイテムのリンクに用いられた前記リンク特徴量に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択する
前記（２）に記載の情報処理装置。
（５）
前記リンク特徴量選択部は、前記第１のアイテムの特徴を顕著に表す特徴量を前記リンク特徴量に選択する
前記（２）に記載の情報処理装置。
（６）
前記リンク特徴量選択部は、複数の前記リンク特徴量の候補を選択し、
前記提示制御部は、前記リンク特徴量の候補を前記ユーザに提示するように制御し、
前記アイテム選択部は、前記ユーザにより選択された前記リンク特徴量に基づいて、前記第２のアイテムの候補を選択する
前記（１）乃至（５）のいずれかに記載の情報処理装置。
（７）
前記提示制御部は、複数の前記第１のアイテムの候補を前記ユーザに提示するように制御し、
前記アイテム選択部は、前記ユーザにより選択された前記第１のアイテム、及び、前記リンク特徴量に基づいて、前記第２のアイテムの候補を選択する
前記（１）乃至（６）のいずれかに記載の情報処理装置。
（８）
前記リンク作成部は、前記第１のアイテムと前記ユーザにより選択された前記第２アイテムとのリンクを作成する
前記（１）乃至（７）のいずれかに記載の情報処理装置。
（９）
前記提示制御部は、さらに作成されたアイテムのリンクのユーザへの提示を制御する
前記（１）乃至（８）のいずれかに記載の情報処理装置。
（１０）
前記提示制御部は、作成したユーザの情報とともに前記アイテムのリンクを提示するように制御する
前記（９）に記載の情報処理装置。
（１１）
前記提示制御部は、前記アイテムのリンクの作成に用いられた前記リンク特徴量を示す情報とともに前記アイテムのリンクを提示するように制御する
前記（９）又は（１０）に記載の情報処理装置。
（１２）
前記提示制御部は、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御する
前記（９）乃至（１１）のいずれかに記載の情報処理装置。
（１３）
ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択する推薦ユーザ選択部を
さらに備え、
前記提示制御部は、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御する
前記（９）乃至（１２）のいずれかに記載の情報処理装置。
（１４）
前記推薦ユーザ選択部は、前記ユーザが前記候補ユーザを受け入れる確率、及び、前記候補ユーザのフィードバックが提示されることによる所定のアイテム群に対する前記ユーザの評価の予測値の変化量に基づいて、前記期待値を計算する
前記（１３）に記載の情報処理装置。
（１５）
前記推薦ユーザ選択部は、さらに前記アイテム群に含まれる各アイテムに前記候補ユーザがフィードバックを付与する確率に基づいて、前記期待値を計算する
前記（１４）に記載の情報処理装置。
（１６）
前記提示制御部は、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補の他の情報処理装置への提示を制御する
前記（１）乃至（１５）のいずれかに記載の情報処理装置。
（１７）
情報処理装置が、
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成する
ステップを含む情報処理方法。
（１８）
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成する
ステップを含む処理をコンピュータに実行させるためのプログラム。
１ 情報処理システム, １１ サーバ， １２−１乃至１２−ｎ クライアント， ３２ 情報処理部， ３３ 保存部， ４１ コンテンツリンク作成処理部， ４２ 推薦ユーザ選択処理部， ４３ 提示制御部， ５１ 提示内容設定部， ５２ 表示制御部， ６１ コンテンツ情報保存部， ６２ ユーザ関係保存部， ６４ コンテンツリンク保存部， ６５ パラメータ保存部， １０１ リンク元コンテンツ選択部， １０２ 特徴量重要度計算部， １０３ リンク特徴量選択部， １０４ リンク先コンテンツ選択部， １０５ コンテンツリンク作成部， １３１ 学習部， １３２ 予測部， １３３ 変化量期待値計算部， １３４ 推薦ユーザ選択部， １４１ 評価予測学習部， １４２ ユーザ関係予測学習部， １４３ フィードバック予測学習部， １４４ フィードバック評価予測学習部， １５１ 評価予測部， １５２ ユーザ関係予測部， １５３ フィードバック予測部， １５４ フィードバック評価予測部， １７１ 推薦ユーザリスト作成部， １７２ コンテンツリンクリスト作成部， １７３ 履歴関連リスト作成部， １７４ 提示コンテンツ選択部， ２０３ 出力制御部， ２０４ 出力部， ２０５ 入力部， ２０６ コンテンツリンク作成部
Claims (21)
- 第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部と
を備え、
前記リンク特徴量選択部は、前記ユーザが作成したアイテムのリンクに用いられた前記リンク特徴量に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択する
情報処理装置。 - 第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部と
を備え、
前記リンク特徴量選択部は、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度を高く設定し、設定した重要度に基づいて前記リンク特徴量を選択する
情報処理装置。 - 第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部と
を備え、
前記提示制御部は、ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御する
情報処理装置。 - 第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択するリンク特徴量選択部と、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択するアイテム選択部と、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御する提示制御部と、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成するリンク作成部と、
ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択する推薦ユーザ選択部と
を備え、
前記提示制御部は、前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御する
情報処理装置。 - 前記推薦ユーザ選択部は、前記ユーザが前記候補ユーザを受け入れる確率、及び、前記候補ユーザのフィードバックが提示されることによる所定のアイテム群に対する前記ユーザの評価の予測値の変化量に基づいて、前記期待値を計算する
請求項４に記載の情報処理装置。 - 前記推薦ユーザ選択部は、さらに前記アイテム群に含まれる各アイテムに前記候補ユーザがフィードバックを付与する確率に基づいて、前記期待値を計算する
請求項５に記載の情報処理装置。 - 前記リンク特徴量選択部は、前記ユーザが付与した各アイテムに対する評価に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択する
請求項１乃至６のいずれかに記載の情報処理装置。 - 前記リンク特徴量選択部は、複数の前記リンク特徴量の候補を選択し、
前記提示制御部は、前記リンク特徴量の候補を前記ユーザに提示するように制御し、
前記アイテム選択部は、前記ユーザにより選択された前記リンク特徴量に基づいて、前記第２のアイテムの候補を選択する
請求項１乃至７のいずれかに記載の情報処理装置。 - 前記提示制御部は、複数の前記第１のアイテムの候補を前記ユーザに提示するように制御し、
前記アイテム選択部は、前記ユーザにより選択された前記第１のアイテム、及び、前記リンク特徴量に基づいて、前記第２のアイテムの候補を選択する
請求項１乃至８のいずれかに記載の情報処理装置。 - 前記リンク作成部は、前記第１のアイテムと前記ユーザにより選択された前記第２アイテムとのリンクを作成する
請求項１乃至９のいずれかに記載の情報処理装置。 - 前記提示制御部は、作成したユーザの情報とともに前記アイテムのリンクを提示するように制御する
請求項１乃至１０のいずれかに記載の情報処理装置。 - 前記提示制御部は、前記アイテムのリンクの作成に用いられた前記リンク特徴量を示す情報とともに前記アイテムのリンクを提示するように制御する
請求項１乃至１１のいずれかに記載の情報処理装置。 - 前記提示制御部は、前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補の他の情報処理装置への提示を制御する
請求項１乃至１２のいずれかに記載の情報処理装置。 - 情報処理装置が、
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、前記ユーザが作成したアイテムのリンクに用いられた前記リンク特徴量に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成する
ステップを含む情報処理方法。 - 第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、前記ユーザが作成したアイテムのリンクに用いられた前記リンク特徴量に基づいて、前記ユーザの各特徴量に対する重要度を求め、求めた重要度に基づいて前記リンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成する
ステップを含む処理をコンピュータに実行させるためのプログラム。 - 情報処理装置が、
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度を高く設定し、設定した重要度に基づいて前記リンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成する
ステップを含む情報処理方法。 - 第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択する場合に、他のアイテムが有する確率が低いが、前記第１のアイテムが有している特徴量、他のアイテムが有する確率が高いが、前記第１のアイテムが有していない特徴量、又は、前記第１のアイテムの値が全体の平均値から大きく離れている特徴量の重要度を高く設定し、設定した重要度に基づいて前記リンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成する
ステップを含む処理をコンピュータに実行させるためのプログラム。 - 情報処理装置が、
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、
ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御する
ステップを含む情報処理方法。 - 第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、
ユーザのアイテムの利用履歴を提示する場合に、前記利用履歴に含まれるアイテムとリンクを構成する他のアイテムを前記ユーザに提示するように制御する
ステップを含む処理をコンピュータに実行させるためのプログラム。 - 情報処理装置が、
第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、
ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択し、
前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御する
ステップを含む情報処理方法。 - 第１のアイテムに他のアイテムを結び付けるための特徴量であるリンク特徴量を選択し、
選択された前記リンク特徴量に基づいて前記第１のアイテムに結び付ける第２のアイテムの候補を１つ以上選択し、
前記第１のアイテム、前記リンク特徴量、及び、前記第２のアイテムの候補のユーザへの提示を制御し、
前記第２のアイテムを選択し、前記第１のアイテムと前記第２のアイテムとのリンクを作成し、
ユーザに推薦する候補となる複数の候補ユーザをそれぞれ提示した場合の前記ユーザの行動の変化量の期待値を計算し、計算した期待値に基づいて、前記候補ユーザの中から前記ユーザに推薦する推薦ユーザを選択し、
前記推薦ユーザとともに、前記推薦ユーザが作成した前記アイテムのリンクを前記ユーザに提示するように制御する
ステップを含む処理をコンピュータに実行させるためのプログラム。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012109337A JP5843104B2 (ja) | 2012-05-11 | 2012-05-11 | 情報処理装置、情報処理方法、及び、プログラム |
| US13/847,078 US9922110B2 (en) | 2012-05-11 | 2013-03-19 | Information processing apparatus, information processing method, and program |
| CN201310159982.4A CN103390019B (zh) | 2012-05-11 | 2013-05-03 | 信息处理设备和信息处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012109337A JP5843104B2 (ja) | 2012-05-11 | 2012-05-11 | 情報処理装置、情報処理方法、及び、プログラム |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2013235542A JP2013235542A (ja) | 2013-11-21 |
| JP2013235542A5 JP2013235542A5 (ja) | 2015-02-19 |
| JP5843104B2 true JP5843104B2 (ja) | 2016-01-13 |
Family
ID=49534293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012109337A Active JP5843104B2 (ja) | 2012-05-11 | 2012-05-11 | 情報処理装置、情報処理方法、及び、プログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9922110B2 (ja) |
| JP (1) | JP5843104B2 (ja) |
| CN (1) | CN103390019B (ja) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101494234B1 (ko) * | 2012-09-14 | 2015-02-17 | 팅크웨어(주) | 경로 검색을 위한 사용자 인터페이스 장치 및 그 방법 |
| JP6874282B2 (ja) * | 2016-06-03 | 2021-05-19 | 大日本印刷株式会社 | 表示システム、集約装置、サーバ装置及びプログラム |
| JP2018116545A (ja) | 2017-01-19 | 2018-07-26 | オムロン株式会社 | 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法 |
| EP3635668A1 (en) * | 2017-06-09 | 2020-04-15 | Humada Holdings Inc. | Providing user specific information for services |
| US11270071B2 (en) * | 2017-12-28 | 2022-03-08 | Comcast Cable Communications, Llc | Language-based content recommendations using closed captions |
| CN109451332B (zh) * | 2018-11-16 | 2021-11-09 | 武汉斗鱼网络科技有限公司 | 一种用户属性标记方法、装置、计算机设备及介质 |
| CN109472318B (zh) * | 2018-11-27 | 2021-06-04 | 创新先进技术有限公司 | 为构建的机器学习模型选取特征的方法及装置 |
| JP6857932B2 (ja) * | 2018-12-25 | 2021-04-14 | 有限会社楽々 | 情報処理装置 |
| CN110929172B (zh) * | 2019-11-27 | 2022-11-18 | 中科曙光国际信息产业有限公司 | 信息选择方法、装置、电子设备及可读存储介质 |
| CN112818028B (zh) * | 2021-01-12 | 2021-09-17 | 平安科技（深圳）有限公司 | 数据指标筛选方法、装置、计算机设备及存储介质 |
| KR102634376B1 (ko) | 2021-07-30 | 2024-02-05 | 주식회사 카카오 | 구독 서비스 제공 방법, 이를 구현한 구독 시스템, 사용자 단말 및 어플리케이션 |
Family Cites Families (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6785688B2 (en) * | 2000-11-21 | 2004-08-31 | America Online, Inc. | Internet streaming media workflow architecture |
| US7702521B2 (en) * | 2001-03-07 | 2010-04-20 | Thomas Layne Bascom | Method for users of a network to provide other users with access to link relationships between documents |
| US6728731B2 (en) * | 2001-05-15 | 2004-04-27 | Yahoo!, Inc. | Method and apparatus for accessing targeted, personalized voice/audio web content through wireless devices |
| US6946715B2 (en) * | 2003-02-19 | 2005-09-20 | Micron Technology, Inc. | CMOS image sensor and method of fabrication |
| US7467146B2 (en) * | 2005-05-05 | 2008-12-16 | International Business Machines Corporation | System, method and program product for determining whether a web page returned to a web browser is a redirected web page |
| US8181201B2 (en) * | 2005-08-30 | 2012-05-15 | Nds Limited | Enhanced electronic program guides |
| JP2007079725A (ja) * | 2005-09-12 | 2007-03-29 | Sony Corp | 再生装置、再生方法及び再生プログラム |
| US20070260628A1 (en) * | 2006-05-02 | 2007-11-08 | Tele Atlas North America, Inc. | System and method for providing a virtual database environment and generating digital map information |
| US20100138451A1 (en) * | 2006-04-03 | 2010-06-03 | Assaf Henkin | Techniques for facilitating on-line contextual analysis and advertising |
| JP2008052665A (ja) * | 2006-08-28 | 2008-03-06 | Sony Computer Entertainment Inc | コンテンツ表示装置およびコンテンツ表示方法 |
| US20080077556A1 (en) * | 2006-09-23 | 2008-03-27 | Juan Carlos Muriente | System and method for applying real-time optimization of internet websites for improved search engine positioning |
| JP4730619B2 (ja) * | 2007-03-02 | 2011-07-20 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
| JP2010015394A (ja) * | 2008-07-03 | 2010-01-21 | Kddi Corp | リンク先提示装置およびコンピュータプログラム |
| JP4876115B2 (ja) * | 2008-11-07 | 2012-02-15 | ヤフー株式会社 | コンテンツ提示装置、コンテンツ提示方法及びプログラム |
| US8175902B2 (en) * | 2008-12-23 | 2012-05-08 | Samsung Electronics Co., Ltd. | Semantics-based interests in computing environments and systems |
| US8255403B2 (en) * | 2008-12-30 | 2012-08-28 | Expanse Networks, Inc. | Pangenetic web satisfaction prediction system |
| CN101520869A (zh) * | 2009-04-17 | 2009-09-02 | 武汉刻度科技发展有限公司 | 业务逻辑对象建模方法和装置 |
| JP5464412B2 (ja) * | 2009-08-12 | 2014-04-09 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
| CN101814093A (zh) * | 2010-04-02 | 2010-08-25 | 南京邮电大学 | 一种基于相似性的半监督学习垃圾网页检测方法 |
| US20110295612A1 (en) * | 2010-05-28 | 2011-12-01 | Thierry Donneau-Golencer | Method and apparatus for user modelization |
| JP2012003359A (ja) | 2010-06-15 | 2012-01-05 | Sony Corp | アイテム推薦システム、アイテム推薦方法、及びプログラム |
| US20120023403A1 (en) * | 2010-07-21 | 2012-01-26 | Tilman Herberger | System and method for dynamic generation of individualized playlists according to user selection of musical features |
| US20120205436A1 (en) * | 2011-02-16 | 2012-08-16 | Augme Technologies, Inc. | System for enhanced barcode decoding and image recognition and method therefor |
| JP2012220582A (ja) * | 2011-04-05 | 2012-11-12 | Sony Corp | 音楽再生装置、音楽再生方法、プログラム、およびデータ作成装置 |
| US20130041876A1 (en) * | 2011-08-08 | 2013-02-14 | Paul Alexander Dow | Link recommendation and densification |
-
2012
- 2012-05-11 JP JP2012109337A patent/JP5843104B2/ja active Active
-
2013
- 2013-03-19 US US13/847,078 patent/US9922110B2/en active Active
- 2013-05-03 CN CN201310159982.4A patent/CN103390019B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| US20130304732A1 (en) | 2013-11-14 |
| CN103390019B (zh) | 2017-10-27 |
| CN103390019A (zh) | 2013-11-13 |
| US9922110B2 (en) | 2018-03-20 |
| JP2013235542A (ja) | 2013-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5843104B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
| JP6065907B2 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
| CN110297848B (zh) | 基于联邦学习的推荐模型训练方法、终端及存储介质 | |
| KR102233805B1 (ko) | 미인지된 및 새로운 유저들에 대한 향상된 유저 경험 | |
| McFee et al. | The million song dataset challenge | |
| CN104991966B (zh) | 媒体内容排序方法及系统 | |
| TWI636416B (zh) | 內容個人化之多相排序方法和系統 | |
| US7840563B2 (en) | Collective ranking of digital content | |
| JP5846442B2 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
| CN110266745B (zh) | 基于深度网络的信息流推荐方法、装置、设备及存储介质 | |
| JP6005716B2 (ja) | 情報処理システム、サーバ、プログラム、及び情報処理方法 | |
| Wu et al. | Using navigation to improve recommendations in real-time | |
| US20140089238A1 (en) | Information processing device and information processing method | |
| JP7257703B2 (ja) | 個人化コンテンツ推薦方法、グラフィカルユーザーインタフェースおよびそのシステム | |
| Zhang et al. | A random-walk based recommendation algorithm considering item categories | |
| US20200074481A1 (en) | System, method, and device for analyzing media asset data | |
| EP3326084A1 (en) | Systems, apparatuses, methods and computer-readable medium for automatically generating playlists based on playlists of other users | |
| JP2012178026A (ja) | 検索装置、検索方法、検索プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 | |
| US8745074B1 (en) | Method and system for evaluating content via a computer network | |
| Hafsa et al. | A Multi-Objective E-learning Recommender System at Mandarine Academy. | |
| JP2018073250A (ja) | 検索装置、検索方法および検索プログラム | |
| Ntalianis et al. | Wall-content selection in social media: A revelance feedback scheme based on explicit crowdsourcing | |
| Almu et al. | Incorporating preference Changes through users’ input in collaborative filtering movie recommender system | |
| JP2005141486A (ja) | コンテンツ推薦対象ユーザ選出装置と方法ならびにプログラムおよびコンテンツ推薦システム | |
| Sargar | Recommender system using reinforcement learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141226 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141226 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150821 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150827 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151005 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20151022 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151104 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 5843104 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |